物流业技术效率及影响因素实证研究

范林榜

物流业上市公司是物流业的典型代表，其技术效率集中体现了整个物流业的发展现况。物流业发展可以促进社会分工深化，改善投资环境，有利于区域产业结构调整和优化，[1]对全面提高一个国家或区域经济运行效率、促进经济结构优化、推动经济增长方式转变、实现可持续发展具有重大战略意义。如何客观、科学地评价物流业上市公司技术效率已成为目前研究的热点问题。

一、文献综述

关于技术效率的研究最早始于德布勒（Debreu）[2]和谢伯德（Shephard），[3]随后英国剑桥大学的经济学家法瑞尔（Farrell）[4]从投入角度系统地提出了技术效率定义：“技术效率是指在生产技术和市场价格不变的条件下，按照既定的要素投入比例，生产一定量产品所需的最小成本与实际成本的百分比。”近些年，国内学者也对物流技术效率作了一些研究。庞瑞芝[5]的研究表明，中国主要沿海港口1999～2002年间存在严重的投入拥挤与资源浪费现象，纯技术效率在下降。匡海波[6]根据13家港口上市公司2004年和2005年的数据，采用超效率CCR-DEA对有效率（效率值为1）的港口上市公司进行了实证研究，克服了以往在港口上市公司成本效率评价研究中无法对有效率的单元进一步排序的弊端。邓学平等[7]利用DEA Malmquist生产效率变化指数法对我国8家上市物流企业进行研究，发现我国物流企业的生产效率发展趋势较好，其中技术效率有所下滑，而规模效率则有所上升。汪旭晖、徐健[8]运用超效率CCRDEA模型对我国24家物流上市公司的效率进行评价，认为我国物流上市公司技术效率高的企业约占50%。张毅、陈圻[9]应用NEW-COST-DEA和SUPER-BCC模型对17家上市物流公司2006～2008年间的成本效率和纯技术效率进行了测评。李兰冰、李春辉[10]将物流企业的生产过程分为产出—获利两个阶段，发现物流企业综合技术效率水平低，与规模无效率相比，纯技术无效率是主要根源。钟祖昌[11]运用三阶段数据包络分析（DEA）方法，对2001～2008年我国28家物流上市公司经营绩效的研究表明：我国物流企业的综合技术效率值较低，平均为0.668，而出现低效率的原因是规模效率低下。田刚、李南[12]以1991～2007年中国大陆29个省级地区面板数据为基础，采用外生性影响因素与随机前沿生产函数模型联合估计的方法（SFA一步法），测算了中国各地区物流业技术效率，发现中国物流业技术效率仍处于较低水平，地区间存在差异且在扩大。所以，我国著名物流学家王之泰[13]指出，应推动我国物流领域的创新，在加强技术创新的同时，要重视体制和管理创新，进一步深化国家物流管理体制创新、物流行业组织体制创新、物流企业制度创新、物流运行方式创新，以提高物流业效率。

综合上述研究成果可以看出，大多学者采用DEA方法对物流业上市公司技术效率进行测量，有极少数学者采用超效率方法对公司技术效率进行评价排序，但没有进一步研究其效率影响因素。因此，本文使用超效率DEA-Tobit两阶段方法对物流业上市公司进行技术效率评价排序并进一步研究影响效率的因素，为上市物流公司和物流业管理部门提高物流技术效率提供参考。

二、研究模型和方法

1.超效率DEA模型

数据包络分析是近年发展起来的一种新的效率评价方法，其优点是可用于多个同质决策单元（DMU）的相对效率评价，特别是多投入、多产出的复杂系统的效率评价。能够把决策单元划归为两组，一组是处于效率前沿面的决策单元，其效率得分均为1，而另一组则是得分小于1的无效率决策单元。但目前的研究及应用主要集中在对投入、产出指标的选择及其相对效率的评价排名上，DEA模型在将计算得到的有效单元（效率评价值为1）进一步排序时就无能为力。为此，班克等人（Banker et al）[14-15]首次提出在测算时将有效决策单元从参考效率前沿面中分离出去，在CCR模型的基础上构建超效率DEA模型，这一方法最终在安德森和彼得森（Andersen&Petersen）[16]的努力下日臻成熟。下面将这种模型进行简单介绍。

假设有n个决策单位，每个决策单元有m种投入要素xij（j=1，...，m），有s种产出yir（r=1，...，s）（xij≥0，yir≥0）。则决策单位o的相对效率ho（u，v）可以写成：

式（1）中，r0代表评价的那个决策单元。超效率DEA模型与DEA模型的区别在于，超效率DEA模型在求解DMU r0的效率值时，其约束条件中决策单元的参考集合将DMU r0排除在外；对于有效决策单元，计算出来的效率值可能大于1，如对于超效率DEA的效率值为1.78决策单元，则表示该决策单元即使再等比例加大78%的投入，它在整个样本集合中仍能保持相对有效，即DEA效率值仍能维持在1的水平。

2.托宾特（Tobit）模型

托宾特回归模型属于因变量受到限制的一种模型，最早由托宾（Tobin）[17]提出，又称截断式回归模型（Censored Regression Model）。其基本形式为：

式（2）中，εi～N（0，σ2），β 为回归参数向量，Xi为自变量向量，Yi*为因变量向量，Yi为效率值向量，因变量的数值是切割（Truncated）或片段（截断）的情况，那么普通最小二乘法（OLS）就不再适用于估计回归系数，采用极大似然估计法对Tobit模型进行估计，能够得到参数β和σ的一致估计值。

运用DEA方法可以评价决策单元的相对效率，就个体而言，研究者可以依据松弛变量提出提高效率的建议，但并不能从整体上找到效率的影响因素，为此，需要引入多元分析技术找出效率的影响因素。从效率值的截断数据特征出发，适合建立Tobit模型进行影响因素分析，可以弥补DEA在影响效率外在原因分析方面的不足。

三、实证研究

1.决策单元和指标选取及数据收集

本文以沪市、深市2012年的交通运输、仓储业年报为数据窗口，根据公司的“经营范围”和“主营业务”，筛选出以物流为主营业务的46家上市公司作为研究样本。为保证数据的有效性，尽量消除异常样本对研究结论的影响，删除营业利润或净利润为负的公司后最终确定了40家上市物流公司。公司运营的主要投入是人、财、物和管理，输出主要是社会效益和企业效益，因此本文选取的投入指标包括员工人数、营业成本、资产总额、管理费用，产出指标选取营业收入、营业利润和净利润。所有的投入和产出指标数据来源于上海证券交易所、深圳证券交易所和巨潮资讯网站公司2012年年报，具体数据参见表1。

2.超效率DEA评价

在利用C2R模型和BC2模型对选取的40家上市物流公司的相关数据计算各决策单元总体效率θ*、纯技术效率σ*和纯规模效率s*基础上，再对决策单元总体效率θ*为1计算分析其超效率DEA效率值Super*，评价数据通过使用Matlab7.1软件编程计算得到，具体计算结果经排序后如表2所示。

从表2可以看出，我国物流业技术效率存在两极分化现象，在所研究的物流业典型代表企业中，近30%有较好的效率，达到了纯技术效率、纯规模效率，并且综合技术效率大于等于1.004，但是还有40%的物流企业没能达到技术有效性，综合技术效率在0.9以下。根据超效率DEA模型计算的超效率结果，可以得到各物流公司的技术效率排名，技术效率排在第一的是飞马国际（股票代码：002210），超效率DEA效率是294.7%，该公司即使再等比例增加194.7%的投入，仍能保持相对有效，这类物流公司可以加大各要素投入，以获得更多的产出，始终保持投入产出的技术有效率性。从以上计算结果也可知，物流业纯技术效率平均值为0.928，纯规模效率平均值为0.978，综合技术效率的平均值只有0.909，而使用超效率DEA模型计算的超效率DEA效率平均值为1.059。可见，我国物流业技术效率存在两极分化现象，有的物流企业技术效率较高，有的物流企业还没有达到投入产出技术的有效率值。接下来用Tobit模型进一步对影响物流业投入产出技术效率的因素进行分析，揭示物流业技术效率的影响因素及其规律。

表1 2012年物流上市公司投入产出指标数据单位：万元

表2 物流业上市公司DEA效率和超效率评价值

3.影响因素确定和Tobit模型分析

本部分以DEA超效率模型得出的技术效率值作为因变量，以选定的影响因素作为自变量，构建Tobit回归模型，对影响物流业技术效率的因素进行分析。克加维尼和劳卡尼特（Kirjavainen&Loikkanent）[18]认为影响因素的选择遵循两个原则，即选择已有研究文献普遍采用的变量；不应包含于DEA模型的投入、产出变量中。本文基于以上原则和已有研究文献来确定影响物流业上市公司技术效率的影响因素。

于东智[19]认为，净资产收益率与股权集中度指标之间存在着显著的正相关关系，股权集中度越高的企业效率越好。企业的股权集中度越高，股东（尤其是大股东）越有动力使用对企业的所有权，包括影响和监督经理人，甚至直接参与企业经营，从而提高企业决策的效率和科学性。因此，我们选取股权集中度作为影响物流业上市公司投入产出技术效率的一个影响因素，具体选取了第一大股东持股比例CR1、前五大股东持股比例CR5、前十大股东持股比例CR10作为股权集中度的度量指标。斯汀康比（Stinchcombe）[20]认为，年龄较大的企业，由于累积的相关经验和资源更为丰富，因而比年龄较小的企业有更好的绩效。罗森茨韦克和罗斯（Rosenzweig&Roth）[21]认为，较高的绩效和信誉度是逐渐积累起来的，而且在早期需要付出更多的努力。但是年龄较大的企业难以适应复杂多变的新形势、新要求，表现为思维、理念以及产品等较为僵化、陈旧，从而导致绩效落后于新兴企业。可见，企业年龄对其经营效率有一定影响。我们选取企业年龄作为分析物流业上市公司技术效率的另一个影响因素，具体以企业的最先注册登记年为标准，计算至2012年的企业年龄，用符号QYNL表示。程新生等[22]发现，提高董事会的独立性可以作为制衡大股东的重要措施，对财务控制有积极的作用。董南雁等[23]认为，董事会的独立性是指董事会作为一个独立的行为主体在决策过程中所体现出来的公正、不偏于任何一方利益的价值取向，以保护全体股东权益，实现股东价值增值。董事会独立性是由独立董事来保证的，独立董事在董事会人数中所占比例的大小，关系着独立董事能否在公司决策及监督中发挥重要作用。因此，我们选取独立董事所占比例这一指标来衡量董事会的独立性，用符号DDBL表示。另外，本文还考查了第一大股东性质哑变量对物流业上市公司技术效率的影响，具体操作时我们确定第一大股东为国有法人股时GDXZ为1，其他性质时GDXZ为0。本研究最终选定的影响因素包括股权集中度（CR1、CR5和CR10）、企业年龄（QYNL）、董事会独立性（DDBL）、第一大股东性质（GDXZ）。

结合前面分析，因变量为超效率得分Ysuper，建立以下Tobit回归分析模型：

式（3）中，β1、β2、β3、β4、β5、β6为模型待估系数，μ为随机扰动项。

用Eviews5.0软件对方程（3）Tobit模型进行回归，结果如表3所示。

从表3中可以看出，物流业上市公司股权集中度对其技术效率有正向影响，特别是第一大股东和前五大股东持股比例与超效率值显著正相关，表明物流企业的股权集中度越高，股东（尤其是第一大股东）越有动力使用对企业的所有权，影响和监督经理人对企业经营决策的管理。董事会独立性与超效率值在1%显著性水平下正向相关关系显著，说明物流业上市公司董事会独立性越强，公司技术效率越高，独立董事在董事会中独立、客观并从专业角度参与公司决策对公司技术效率有显著影响，支持了国家对上市公司监管中要求必须具有一定比例的独立董事政策的正确性。但物流上市公司的企业年龄和第一大股东是否是国有法人与公司技术效率没有显著的统计相关关系，这表明了对物流这种新兴产业并不是企业年龄越大技术效率就越高，也说明企业第一大股东不论是国有法人、境内其他法人还是境外法人对企业技术效率并没有显著的影响。

四、结论与启示

本文选取我国物流业40家上市公司2012年度多投入多产出指标数据，应用超效率DEA评价方法测量了各公司的技术效率值，并用Tobit模型分析了影响我国物流业上市公司技术效率的因素。实证结果表明，我国上市物流公司总体技术效率存在两极分化现象，综合效率平均为0.909，纯技术效率平均为0.928，纯规模效率平均为0.978，30%的物流公司有较好的效率，达到了纯技术效率、纯规模效率和综合技术效率有效，也有40%的物流公司综合技术效率还低于0.9。通过Tobit模型分析发现，股权集中程度和董事会独立性对上市物流公司技术效率呈正向关系，而企业年龄和第一大股东性质对企业技术效率无显著影响。

从研究结果可以得出，超效率值大于1的飞马国际等12家运营效率较好的物流上市公司，再等比投入包括员工人数、营业成本、资产总额、管理费用等要素将进一步提高公司的技术效率。另外还有南京港等16家物流上市公司技术效率低于0.9，表明这些公司的资源配置、资源使用效率等多方面还可以改善，除了宁波港达到纯技术效率外，其余15家公司由于管理和技术等因素影响了其运营效率。效率较低的40%物流上市公司都没能达到规模效率，表明目前我国大多数物流公司实际规模与最优生产规模还存在差距，影响了物流业的整体效率，应改善规模效率较低的物流公司经营规模。再结合物流业典型代表物流上市公司技术效率的影响因素分析结果，物流业应加大股份集中度和董事会中独立董事的比例，以提高物流业综合效率。

表3 我国物流业上市公司效率影响因素的Tobit回归结果

＊本文系江苏省高校哲学社会科学基金项目“淮海经济区物流圈整合运营模式研究”（项目编号：2013SJD630017）的阶段性成果。

[1]范林榜.物流发展与经济增长的关系——以苏北、苏中、苏南典型地区为例[J].中国流通经济，2012（7）：32-37.

[2]Debreu G..The Coefficient of Resource Utilization[J].Econometrica，1951（19）：273-292.

[3]Shephard R W.Cost and Production Functions[M].Princeton N.J.：Princeton University Press，1953：209-242.

[4]Farrell M.J.The Measurement of Production Efficiency[J].Journal of Royal Statistical Society，Series A，Genera1，1957（3）：253-281.

[5]庞瑞芝.我国主要沿海港口的动态效率评价[J].经济研究，2006（6）：26-33.

[6]匡海波.基于超效率CCR-DEA的中国港口上市公司成本效率评价研究[J].中国管理科学，2007（3）：142-148.

[7]邓学平，等.我国物流企业全要素生产效率分析[J].系统工程，2008（6）：1-9.

[8]汪旭晖，徐健.基于超效率CCR-DEA模型的我国物流上市公司效率评价[J].财贸研究，2009（6）：117-124.

[9]张毅，陈圻.基于成本效率和纯技术效率的中国上市物流公司发展模式研究[J].中国科技论坛，2010（10）：46-50.

[10]李兰冰，李春辉.我国上市物流企业生产效率评价——基于数据包络分析法的两阶段分析[J].港口经济，2011（2）：33-38.

[11]钟祖昌.我国物流上市公司运营效率的实证研究[J].商业经济与管理，2011（4）：19-27.

[12]田刚，李南.中国物流业技术效率差异及其影响因素研究——基于省级面板数据的实证分析[J].科研管理，2011（7）：34-44.

[13]王之泰.中国物流业创新的一些思考[J].中国流通经济，2013（4）：8-12.

[14]Banker R D，Gifford J L.A Relative Efficiency Model for the Evaluation of Public Health Nurse Productivity[M].Pittsburgh，USA：Carnegie Mellon University，1988：153-158.

[15]Banker R D，Das S，Datar SM.Analysis of Cost Variances for Management Control in Hospitals[J].Research in Governmental and Nonprofit Accounting，1989（5）：268-291.

[16]Andersen P，Petersen N C.A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J].Management Science，1993（39）：1261-1264.

[17]Tobin J.Estimation of Relationships for Limited Dependent Variables[J].Econometric，1958，26（1）：24-36.

[18]Kirjavainen T，Loikkanent HA..Efficiency Differences of Finish Senior Secondary Schools：An Application of DEA and Tobit Analysis[J].Economics of Education Review，1998（4）：377-394.

[19]于东智.股权结构、治理效率与公司绩效[J].中国工业经济，2001（5）：54-62.

[20]Stinchcombe A L.Social Structures and Organizations[C].//March JG.Handbook of Organizations.Chicago：Rand Mc－Nally，1965：142-193.

[21]Rosenzweig E D，A V Roth.Towards a Theory of Competitive Progression：Evidence from High-tech Manufacturing[J].Production and Operations Management Journal，2004（4）：354-368.

[22]程新生，王薇，尹芳.公司财务监控系统治理绩效的实证研究——来自中国上市公司的证据[J].管理评论，2007（7）：33-37．

[23]董南雁，孙永权，张俊瑞.董事会独立性能影响公允价值计量的价值相关性吗[J].当代财经，2012（7）：108-118.