基于因子分析的物流企业竞争力评价＊——以宁波市为例

高晓红，俞海宏

（宁波大学 海运学院，浙江 宁波 315211）

随着国务院《物流业调整和振兴规划》的出台，各地结合物流业发展的实际，纷纷着手研究和制定策略，以期推动物流业的发展。在此背景下，涌现了很多关于物流业发展对策的研究。物流业具有复合型、系统性的特点，制定发展策略需要深入了解物流业的发展现状，尤其是物流业经济主体的运营情况，这离不开物流业经济主体的专项统计调查资料。我国针对物流业的专项调查刚刚起步，目前实施的始于2004年的《社会物流统计制度及核算表式》尚未完善，在操作层面上面临着一系列问题，如尚未将物流产业定义与诸如中国国家标准局编制和颁布的《国民经济行业分类与代码》、国家标准委的《物流企业分类与评估指标》等衔接，导致对物流产业的划分界定不清，各地统计口径不一致［1］。

本文对物流业的研究，依据国民经济行业分类，按照企业工商注册的行业分类信息，提取行业大类为交通运输与邮政服务业下的企业作为物流业的经济主体加以研究。在研究角度上，本文结合行业细类将物流业进一步细分为仓储业、装卸搬运业、运输代理业、道路运输业、航空运输业、铁路运输业、水上运输业、邮政业等总共8类物流企业，在此基础上搜集数据，运用因子分析法定量地研究各类物流企业的现实发展情况，据此形成针对不同类别物流企业的差别化结论和建议。本文涉及的数据来源于宁波市工商局提供的原始资料，经过统计整理形成样本数据，统计分析过程在SPSS软件下实现。

一、样本选择与指标数据选取

本文选择有资产和损益记录的物流企业作为此次分析的样本企业，涉及的8类物流企业总计1 700家，约占宁波物流企业总数的二分之一。从构成上来看，各类物流企业的数量比例大体上反映了宁波物流企业总体的结构构成，可视为物流企业数量总体的一个分层抽样。见表1。

表1 各类物流企业数量分布表

对于企业竞争力的评价问题，很多学者都进行过研究。在评价指标的选取上，有反映企业经营结果的财务指标和反映企业经营过程的非财务指标，学者在研究中各有侧重［2－3］。本文选取了能够重点反应企业经营结果的财务指标，指标数据的时间范围为2008年的存量数据和流量数据。由于各类物流企业涉及的企业数量较多，本文采取对各类物流企业的原始数据均值化处理后计算相应的财务比率。鉴于指标数据的可得性问题，我们选取了14个财务比率作为评价各类物流企业经营绩效的变量，进行因子分析。这14个财务比率分别是反映物流企业规模的指标，如资产总额、营业收入总额、利润总额等六个比率；反映物流企业负债、偿债情况的指标，如资产负债率、流动比率等两个指标；反映物流企业资产营运能力的指标，如总资产周转率、固定资产周转率、流动资产周转率等三个指标；反映物流企业盈利能力的收入利润率、总资产利润率和权益净利率三个指标。

二、研究方法

在运用大量指标对行业、企业发展状况进行客观评估的研究中，因子分析法被广泛使用。因子分析的基本思想是将原有变量综合成少数几个因子，因子能够反映原有变量的绝大部分信息，并由因子替代原有变量参与数据建模。由于因子之间的线性关系较弱，使用因子进行数据建模能够有效地解决变量多重共线性等造成的分析障碍［4］。相比其他的分析评价方法，因子分析的优势在于：当待评价的原有变量之间存在较强的相关关系时，因子分析可以有效将原有变量中的信息重叠部分加以提取和综合，既减少了原有变量的个数，又能保留原有变量的绝大部分信息。在具体的系统评价中，各因子的权重取决于其方差贡献率，指标权重的确定具有客观性；同时，对主因子之间差异的解读，可以揭示评价对象发展的内在特征。

然而，在运用因子分析等统计方法进行的系统评价研究中，也存在着一些遗憾之处：数量颇多的应用因子分析的研究重点关注最后的综合得分，忽视了分析过程中得出的各因子特性以及因子间的相互关系，对因子内涵挖掘不够深入，往往只是将辛苦解析出的特性又综合起来进行排序［5－6］。因子分析的特点在于分析各因子的特性以及各因子间的相互关系，由此揭示评价对象的内在特征。同理，因子分析用于企业的经营绩效评价时，也应重点关注其对于因子特性及因子关系的解读，重点分析企业发展内部影响因素以及各因素之间的关系。本文在分析中避免评价主体的综合排名情况，利用因子特性突出反应各类因子所揭示的重点信息。

三、实证分析

由于物流企业分类处理后归为8类，样本数量较之变量数量相比偏小，所以在因子分析适用性检验上，使用了计算变量的简单相关系数矩阵并进行统计检验。检验发现相关系数矩阵的大部分相关系数的绝对值均在0.5以上，适合用因子分析法进行分析。

（一）提取因子

根据本文选取的财务指标数据，利用统计软件对指标进行分析计算，提取的因子为特征值大于1的特征根的数目，建立变量的相关系数矩阵，并计算出相关矩阵的特征值与贡献率。见表2。

表2 解释的总方差

表2反映了因子特征值及其贡献率，表明前3个主因子的累计贡献率达90.879%%，且3个主因子的特征值都大于1。由于方差贡献率反映了每个因子包含原始数据的信息量度，当选择前3个因子作为主因子时，就包含了原始变量的90%以上的信息量，满足了因子分析用变量子集来解释整个问题的要求。

（二）旋转后的因子分析

因子旋转前公共因子贡献率集中于第一个主因子，其原因是初始因子载荷矩阵中各个原始指标在第一主因子上的载荷都比较高，在另外两个因子上的载荷较小。为了使因子的载荷系数能够明显分化，增强因子对原有变量的解释作用，需要进行因子旋转。对初始因子载荷矩阵进行旋转因子旋转的方法有多种，本文采用“方差极大化”进行因子正交旋转，得到方差极大化后的因子载荷矩阵。进行方差极大化旋转后，因子载荷矩阵及因子得分系数矩阵发生了变化，因子载荷矩阵中的元素向0或正负1靠拢，使因子具有较强的命名解释性，即各因子的经济意义变得清晰。见表3。

表3 旋转后的主因子载荷矩阵

从表3可以看出，经过最大方差法因子旋转，在5次迭代之后，旋转后的因子载荷系数已经明显地向两极分化，每个因子中各原始变量的系数差别较为明显，因子的经济含义较为清晰。在对因子进行命名时，选取负荷系数较大的自变量作为代表变量，命名结果见表4。

表4 因子选取表

第一个公因子基本上反映了物流企业资产、盈利方面的信息，可以解释为企业的资本规模能力；第二个公因子基本上集中反映了企业资产周转率的信息，可以解释为物流企业的经营、运作能力；第三个公因子主要集中了企业的负债信息，可以解释为物流企业的负债情况。

（三）因子得分情况

在物流企业财务能力综合评价体系中，将正交因子解的转置矩阵与变量相关系数的逆矩阵相乘，便得到各个因子得分系数，进而建立因子得分模型。再将原始指标值代入因子得分模型，得到每个样本的主因子得分。见表5。

表5 各主因子得分情况

进一步，由回归法估计得出各因子得分，再以各因子方差贡献率作为权重进行加权汇总，可以得到各类物流企业的综合得分情况。在此基础上，对物流业的综合发展情况进行评价。本文侧重点在于从不同因子的特性、得分情况来展开评价，故省去综合得分计算环节。

（四）宁波物流业发展水平的综合分析

根据各类物流企业各因子的得分情况，绘制各类物流企业因子得分示意图，见图1。

图1 各类物流企业因子得分分布图

由图1可知，在规模能力因子上得分为正值的是水上运输业和仓储业，显示这两类物流企业在资产规模上高于物流业总体平均水平，其中水上运输业最高；其余6类物流企业的资产规模则低于物流业总体平均水平，装卸搬运类物流企业的平均资产规模最低。资产营运能力因子上，得分为正值的是邮政业和运输代理业，显示这两类物流企业运用资产赚取收入和利润的能力要高于物流业总体平均水平，其中邮政业最高；其余6类物流企业的资产营运能力则低于物流业总体平均水平，其中装卸搬运类、铁路运输服务类企业的资产营运盈利能力低于行业平均水平的幅度均比较大。在负债因子上，仓储类物流企业的负债因子得分最高，显示此类物流企业的负债经营的程度远高于物流业总体平均水平；负债因子上得分最低的是装卸搬运业，显示此类物流企业负债经营的程度较低，财务杠杆作用非常有限。

为了深入挖掘因子内涵信息，本文对因子加以组合进行交叉分析。根据各类物流企业数量的多寡，重点选择物流企业数量较多的仓储业、道路运输业、水上运输业、运输代理等4类物流企业进行分析。以规模因子得分为横坐标，营运因子得分为纵坐标绘制四类物流企业的散点图。运输代理类物流企业规模小于物流业总体规模水平，但资产营运盈利能力却最为突出。仓储类物流企业的营运盈利能力因子得分为最低。见图2。

图2 物流企业规模、营运因子得分散点图

以营运因子得分为横坐标，负债因子得分为纵坐标绘制4类物流企业的散点图。见图3。

图3 物流企业营运、负债因子得分散点图

从图3可见仓储类物流企业在整个行业的资产负债水平最高，但营运盈利能力水平最低。运输代理类企业拥有较高的负债经营水平，相应的资产营运盈利能力也是最高的。水上运输业两个因子的得分均为负值，但低于行业平均水平的幅度不大。道路运输企业营运盈利能力接近行业总体平均水平，资产负债率则高于行业平均水平。

四、评价结果和建议

第一，仓储类物流企业资产规模较大，资产负债率远远高于物流业平均水平，资产营运盈利能力远低于行业平均水平。仓储企业由于举债水平较高，导致较高的利息负担；同时，仓储企业的营业税率高于运输类物流企业，加之土地使用税税负等，使得仓储企业税负较重，进一步挤压了利润空间，导致仓储业利润率低下。较低的资产周转率表明仓储业利用资产赚取收入的能力偏低，从仓储企业的实际情况来看，存在仓库利用率偏低，仓储设施得不到充分利用等问题。

在发展策略上，此类物流企业应积极转变盈利模式，在传统仓储业务的基础上，积极拓展仓储增值业务，提高服务的附加值，满足客户多元化物流服务需求。从促进仓储企业发展的角度来看，政府需要从改善仓储业发展的软环境入手，如适当优惠的财税政策等，加大对仓储业的扶持力度。

第二，道路运输业主体是以从事公路运输业务为主的企业。此类运输企业在资产营运因子上的得分接近物流业平均水平，负债因子略高于行业平均水平，规模因子略低于物流业平均水平。运输行业壁垒较低，行业竞争激烈，传统的运输服务具有标准化的特征，很容易被复制，物流企业依靠常规运输服务取得的竞争优势不易保持。在发展战略方面，应强化运输企业的专业化优势，在此基础上，通过完善相关配套物流服务，在整个物流业的集疏运网络中做到快速反应，有效对接，提高融入供应链的效率，打造和提升运输企业的核心竞争力。

第三，水上运输类物流企业的负债因子远低于行业平均水平，资产营运能力低于物流业总体平均水平，显示此类物流企业资金实力较强，较低的资产负债率以及资产运作能力，在经营特征上趋于保守。远高于行业平均水平的资产规模因子得分，显示这一行业的资金准入门槛相对较高。水上运输类物流企业的竞争环境相对缓和，但因此也导致了资产的运作水平较为落后。庞大的资产基数，若能提高资产运作效率，则会导致大规模的收入、利润流入。在发展策略上，此类物流企业应着眼于盘活资产，提高资产运作效率。相应地，应转变发展方式，由传统的水上运输服务，向现代的物流服务提供商转型。政府则当积极促进航运服务业如航运服务中心、金融服务中心等配套服务业的形成和集聚，推动航运企业转型提升。

第四，运输代理业的经济主体主要指货代企业和船代企业。从分析结果来看，运输代理业的发展最具活力。远高于行业平均水平的资产营运能力，以及较高的资产负债率，显示此类物流企业运作灵活、活跃，有效地利用了财务杠杆的作用。远低于行业平均水平的资产规模，显示这一类物流企业规模较小，资金准入门槛相对较低，降低了行业进入壁垒。宁波以港口物流为特色的物流业态，催生了数量众多的国际、国内货代企业和船代企业，激烈的市场竞争迫使货代企业必须不断提升自己的经营能力才能立足市场，从而此类物流企业资产运作水平相对较高。

从促进企业发展的角度来看，运输代理类物流企业自身应进一步提高服务水平，提高客户服务满意度，与客户建立稳定的合作关系，巩固现有客户群并力争拓展新客户。为此，企业应注重差别化服务，在传统代理服务的基础上，注意向客户渗透增值服务，在提高客户满意度的同时，增加客户转换货代服务商的成本，从而巩固客户群。从行业发展来看，运输代理业在激烈的竞争环境下容易引发不正当竞争，政府在宏观管理上，应注重规范竞争环境。竞争环境是物流企业发展的关键要素，尤其是环境的稳定性、规范化将影响企业的发展方向。竞争环境不规范有行业内在的原因，比如服务的差异化程度低，企业核心竞争力缺失等。若能辅以有力的外部政策，依靠相关的政策规范，则可以促进整个行业的健康发展。

［1］宁波统计局.宁波市物流统计指标体系研究［EB／OL］.（2008－08－15）［2012－01－03］http：∥www.nbstats.gov.cn／nead／ 20080815／25173.aspx.

［2］刘 宁，刘 亮.汽车企业竞争力评价研究［J］.财经问题研究，2010（7）：49－54.

［3］黄荣顺，揭筱纹，王 亮.四川规模以上民营企业竞争力评价——基于主成分因子分析法的实证研究［J］.软科学，2009（12）：141－144.

［4］薛 薇.基于SPSS的数据分析［M］.北京：中国人民大学出版社，2006：359－372.

［5］高 粱.基于因子分析法的中国港口与物流行业上市公司经营业绩评价［J］.物流科技，2008（12）：133－137.

［6］耿云江，李 倩.因子分析模型在评价企业综合竞争力中的应用［J］.辽宁大学学报，2008（2）：162－165.