基于DEA的海运物流企业绩效研究

宋 成，程延江

(1.哈尔滨商业大学 管理学院，哈尔滨150028;2.哈尔滨工业大学管理学院，哈尔滨150001)

引言

海运物流是物流产业的重要组成部分，为供应链环节上的用户提供国内、国际海上航线物流服务，涉及财务管理、仓储配送、运输中转、包装分拣、装卸搬运、流通加工等方方面面。因此，如何对海运物流企业的绩效进行客观、公正、准确的评价，是一个综合各方面影响因素的多目标复杂系统评价决策问题。目前，企业绩效评价方法有很多种，每种方法都有各自的特点，有必要选择一种理论完备、模型相对简单且科学有效的方法来对海运物流企业的绩效进行评价。在实践中，Berger［1］、Humphrey［2］和 Ruggiero［3］提出的 DEA 方法是对于截面数据的非参数性和多变量输入输出数据投入产出效率最有效的测量评价方法，已在管理科学、系统工程、决策分析和评价技术等领域开始应用并日趋增多。因此，本文也将采用DEA模型［4］对我国海运物流企业的绩效进行分析和探讨。

一、DEA评价模型

有n个参评企业，xj、yj分别为第j个海运物流

为由指数状态(xj，yj)组成的指数状态可能集，其中，(x0，y0)=(0，0)。若将参考指数作为一种输入，当前指数作为一种输出，采用A.Chames提出的DEA方法构造出管理前沿集，指数状态可能集T具有凸性［5］。为此，建立的数据包络分析面向输出的BCC模型［6］为:企业管理绩效的参考指数和当前指数，(xj，yj)∈E，E为因子分析法测算得出的各海运物流企业管理绩效的综合指数集合，则称数组(xj，yj)为第j个海运物流企业管理绩效的指数状态。

若线性规划(2)的最优值Z=1，则称该海运物流企业管理绩效的指数状态处在指数状态可能集T的前沿面上;若Z*〉1，则该海运物流企业管理绩效的指数状态不在T的前沿面上。

令xj0=xj0，yj0=，显然(xj，yj)处在T的前沿面上，则称)为海运物流企业管理绩效的指数状态)在指数状态可能集T前沿面上的投影，如图1所示。

图1中的阴影部分表示指数状态可能集T，(x1，y1)和(x2，y2)分别代表海运物流企业管理绩效(1)和(2)的指数状态。其海运物流企业管理绩效(1)的指数状态(x1，y1)处于指数状态可能集T的前沿面上(此时Z*=1);海运物流企业管理绩效(2)的指数状态(x2，y2)不在指数状态可能集T的前沿面上(此时Z*〉1)，(x2，y2)为指数状态(x2，y2)在指数状态可能集前沿面上T的投影。

综合以上两种情况，如果Z*是(2)式的最优值，则称η=1/Z*×100% 为第j0个参评海运物流企业管理绩效评价值。由1/Z*=y/y可见，海运物流企业管理绩效评价值是每个参评海运物流企业的当前指数占相同条件下可能达到的最大值的百分比［7］。

图1 指数状态可能集示意图

二、建立指标体系

建立一套科学的评价指标体系是运用DEA方法进行评价分析的前提和基础。海运物流企业绩效评价体系是遵循财务分析方法和DEA建模原则而建立的［8-14］，模型指标体系由一级指标和二级指标构成，其中一级指标5个，一级指标体系下又分二级指标体系，二级指标共24个，有效地避免了财务数据指标数目的太繁太细及过于庞杂和冗长。具体构成见表1。

三、实证分析

本文选取了盐田港、天津港、营口港、锦州港、上港集团、北海港、中远航运、中海海盛、宁波海运、中海发展、大连港、日照港、连云港等这些上市的13家海运物流企业，利用上市公司公布的相关财务数据［15］来评价这些海运物流企业在经营中存在的问题。以2011年12月31日为时间节点，分别将2011年的数据为参考指数，2012年度的数据为当前指数。应用SPSS软件进行运算，KMO值为0.736 〉0.5，Bartlett球度检验的相伴概率为0.000，小于显著性水平0.05，认为适合做因子分析。结果见表2。

表1 海运物流企业绩效评价指标体系

表2 KMO检验和Bartlett球度检验输出结果表

由KMO检验和Bartlett球度检验结果显示，KMO值为0.736，根据统计学家Kaiser给出的标准，KMO取值0.736 〉0.5，表示“还好”，适合因子分析。Bartlett球度检验的相伴概率为0.000，小于显著性水平0.05，因此拒绝Bartlett球度检验的零假设，认为适合做因子分析。

表3 Total Variance Explained表

从Total Variance Explained表3中给出的各个公因子所解释的方差和累计值，能够看出有5个因子的特征值λ〉1，前5个公因子解释的累计方差和为87.254%，符合公因子在变量总方差中所占的比例大于85%的要求，且在 Extraction Sums of Squared Loadings和Rotation Sums of Squared Loadings栏中前5个公因子解释的总方差为95.251%，旋转后为95.251%，最终的积累方差贡献率没有变化，总体依然大于85%，在表3左下方的“Extraction Method”显示采用的是主成分分析提取的公共因子。结合碎石图(如图2)，按照降序排列的特征值在第5点(即第5个公因子)时存拐点，该点之前的折线陡峭，之后趋于平缓，结合Total Variance Explained表中前5个因子贡献占总方差的比例87.254%，故这5个公因子可以概括大部分的信息，可以用来解释相关数据。

图2 碎石图

从表2可以看出，在采用Kaiser标准化的正交旋转方法后，旋转因子在第5次迭代后收敛，转后的每个公因子上的载荷分配清晰明确，从图2中也可以清楚的看到五个明显的聚集区域。

由表4分析载荷变量和公共因子的相关系数后可以得出:第一个公因子能够代表产权比率、速动比率、流动比率、资产负债率这几个变量因素;第二个公因子则较好地代表了存货周转率、股东权益周转率、流动资产周转率、总资产周转率、固定资产周转率和应收账款周转率这几个变量因素;第三个公因子更适合代表销售净利率、营业利润率、净利润率、总资产收益率、销售毛利率这几个变量因素;第四个公因子代表了固定资产增长率、股东权益增长率、总资产增长率这几个变量因素;第五个公因子代表了营业收入增长率、利润总额增长率、净利润增长率、营业利润增长率、净资产收益率和净资产增长率这几个变量因素，其中，净资产增长率与其他第五个公因子数值均大于0.9不同，它仅为0.768，变量之间虽然有些差距，但它还是大于0.5，所以可以归为第五个公因子中。根据各个变量特点，可以把第一个公因子解释为偿还债务能力指标，它反映了企业资产负债情况的的变量;把第二个公因子解释为经营发展能力指标;把第三个公因子解释为盈利能力指标;把第四个公因子解释为资本结构指标;第五个解释为未来发展能力指标。

利用SPSS软件对上市的物流港口企业的财务数据进行因子分析和主成分分析后，得到5个集中了原变量绝大部分信息的新变量。由于数据包络分析的数据满足生产可能集的无效性公理，所以在原来生产活动的基础上增加投入或减少产出进行生产总是可能的，所以据此确定参考业绩指数和当前业绩指数是合理的。

表4 因子旋转后的载荷矩阵

然后，根据DEA模型的变换不变性［16-17］，各决策单元的同一数据同时加上相同的正数或适当减去相同的正数使(x，y)〉0，决策单元的有效性不变。换言之，决策单元的分类和有效前沿面不受投入、产出数据的影响，原来DEA有效的决策单元不会因为数据变换而变成无效。所以，应用Lindo软件对各样本的参考业绩指数和当前业绩指数进行验证和修正，以保证DEA模型对输入输出数据运算的要求。将调整后的2012年数据Yi(i=1，2Λ5)作为当前业绩指数，将调整后的2011年数据(i=1，2Λ5)作为参考业绩指数。运行数据输出结果如表5所示。

表5 修正后的当前和参考业绩指数

将相关数据代入数据包络分析面向输出的BCC模型中，利用05SR2.0评价系统软件对各个变量值进行交叉计算，形成输出指数状态前沿面的散点图，此图最外层数据点所构成的包络面就是指数状态的有效生产前沿面。

同时，由各个单元到前沿面的距离来测算各个决策单元的综合得分，并对任意两个决策单元进行对比分析，形成差异化得可视化效果，确认绩效最优单元以及反映海运物流企业管理绩效大小的评价值，结果如表6所示。从表6中可以得出，评价值大于0.9的大连港、中海发展、中海海盛归为上等，将评价值小于0.6的天津港、营口港和中远航运归为下等，其余介于0.6-0.9之间的锦州港、北海港、连云港、宁波海运、日照港、盐田港和上港集团归为中等。

表6 海运物流企业相对评价结果表

图3 海运物流企业前沿面图

根据评价结果对海运物流上市企业管理绩效分类情况，结合图3可以发现:在前沿面上的(11)大连港、(10)中海发展、(8)中海海盛均是评价值大于0.9，此类企业往往是当前指数大于参考指数，且参考指数较低，而当前相对指数较高，如大连港和中海发展;或者参考指数和当前指数都比较高，如中海海盛;而评价值低于0.6，归为下等的海运物流企业均离前沿面较远，如(3)营口港、(2)天津港和(7)中远航运，此类企业往往是参考指数大于当前指数，其余评价值介于0.6～0.9之间，为中等的企业，他们的参考指数和当前指数不具有明显特性。

四、结论

在对结果研究后发现:评价值较高的企业多是经营效益好、财务结构合理、现金充裕和运营稳定的上市公司，反映到财务评价指标上就是净资产收益率、主营业务利润率较高或者是由于经营现金流量增长率和应收账款周转率较上一年有极大的提高的企业。这些企业多是规模较大、业务多元化和国际化的，企业不仅在传统的集装箱运输方面有优势，而且已经成功扩展到货代、船代、租船、保关报检、仓储、包装、装卸以及物流整体方案的设计等领域，并在此过程中融入了存贷款、投资、信托、抵押、贴现、保险以及有价证券等金融业务，是实现了物流、信息流和资金流的高度结合的企业。而评价得分较低的企业，多是一些提供货代、船舶租赁、仓储和装卸等单纯货物托运及代理、航线货物运输的物流服务企业，较少涉及金融证券等相关业务，反映到财务评价指标上就是净资产收益率、主营业务利润率较低的企业，比如中远航运。我国海运物流企业发展实际与这一实证结果基本一致，所以，这种客观有效公正的评价分析系统对于海运物流企业绩效分析具有重大意义。

［1］Berger A N，Humphrey D B.Efficiency of Financial institutions:International Survey and Directions for Future research［J］.European Journal of Operational Research，1997(98):175-212.

［2］Berger A N，Mester L J.Inside the Black Box:What Explains Differences in the Efficicncies of Financial Institutions［J］.Jourmal of Banking Finance，1997(21):895-947.

［3］Ondrich J，Ruggiero J.Efficiency Measurement in the Stochastic Frontier Mode［J］.European Journal of OperationlResearch，2001，129(2):434-442.

［4］A.Charnes，W.W.Cooper and E.Rhodes.Measuring the Efficiency of Decision Making Units，European Journal of operational，Research，2010:429-444.

［5］冯英浚，李成红.二次相对效益——衡量企业经济效益的一种指标［J］.中国软科学.1995，(7):22-28.

［6］魏权龄.数据包罗分析［M］.北京:科学出版社，2004(1)，146-169.

［7］Siyong Zhuang，Yingjun Feng.An Evaluation of Management Performance about Company Core Competence Based on DEA［J］.Journal of Systems Science and Information，2005，3(2):363-370.

［8］Braglia M，Zanoni S，Zavanella L.Measuring and Benchmarking Productive Systems Performance Using DEA:an industrial case［J］.Production Planning＆Control，2003，14(6):542-554.

［9］李国红，倪梦雪.基于DEA方法的制造企业物流系统效率实例分析［J］.物流技术，2012，(31):206-209

［10］柳 键，邱国斌.基于DEA模型的我国物流投入产出效率分析［J］.物流工程与管理，2011，33(1):6-9.

［11］Toshiyuki S.Production Analysis in Different Time Periods:An Application of Data Envelopment Analysis［J］.European Joumal of Operationl Reseatch，2010，86:216-230.

［12］Banker.R.D，Potter and D.Srinivasan.An Emprical Investigation of an Inventive Plan that Includes Donfinancial Performance Measures.The Accounting Review.2000，75(1):65-92.

［13］P.Suwignjo，U.S Bititci，A.S Carrie.Quantitative Models of Performance Measurement System.Production Economics.2000，64:231-241.

［14］Mike Bourne，John Mills，Mark Wilcoxetal.Designing，Implementing and Updating Performance Measurement Systems.Operations＆ Production Management，2000，20(7):754-771.

［15］数据来源于中国证券业协会网站、维赛特财经网及国家统计局网站和中国实证研究网

［16］盛昭瀚，朱 乔，吴广谋.DEA理论、方法与应用［M〛.北京:科学出版社，1996(2)，353-360.

［17］Zhu J.Multi-factor Performance Measure Model with an Application to Fortune 500 Companies［J］.European Jourmal of Operational Research，2000，123:105-124.