基于逐次DEA的我国物流企业经营效率评价

刘 冲，杨 筝，夏义星

（1、武汉立鼎人力资源顾问有限公司，湖北 武汉 430060；2、武汉大学 经济与管理学院，湖北 武汉 430072）

基于逐次DEA的我国物流企业经营效率评价

刘 冲1，杨 筝2，夏义星2

（1、武汉立鼎人力资源顾问有限公司，湖北 武汉 430060；2、武汉大学 经济与管理学院，湖北 武汉 430072）

本文采用逐次DEA分析方法对77家物流上市企业2013年的经营效率进行分析，分别以物流企业的技术效率、纯技术效率、规模效率作为确定前沿面的依据，将物流企业样本分别划分为6级、4级、4级前沿面，实现不同层级物流企业经营效率的相互比较，结果表明物流企业经营管理能力较低是造成其经营效率低下的主要原因。同时，本文的分类结果也为物流企业改善其经营效率提供了多层次多维度的参照系。

逐次DEA；效率评价；物流企业

一、引言

随着我国发展为世界最重要的经济体之一，物流产业成为重要的基础性和先导性产业之一。由于物流产业关联着众多的经济领域，提供了大量的就业机会，不仅提升了企业的生产效率，促进了居民消费，还有利于我国各地的产业结构升级，有利于实现经济增长方式的转变和经济整体实力的提升。中国物流与采购联合会的有关统计数据显示，2014年我国物流企业前50强实现物流业务收入8233亿元，同比增长5．5%，其经营规模以及辐射和服务能力都有所提升。但与物流企业大规模扩张不相称的是，企业的管理水平普遍不高、技术水平落后、物流专业人才缺乏，这对于物流企业的持续健康发展起到了极大的制约作用，导致其与UPS、FedEx等跨国物流企业之间的差距进一步扩大。在当前我国经济发展步入新常态的关键时期，物流企业的经营与发展将面临前所未有的瓶颈，企业的经营利润越来越小，甚至出现物流行业整体亏损的严重局面。因此，科学地评价物流企业的经营效率，客观地评价物流企业的发展现状，对于物流企业优化资源配置、提高综合竞争能力具有重要的意义。

为了有效地评价物流企业的经营效率，国内外学者做了大量卓有成效的研究。Anthony和Droge（2002、2004）运用DEA方法对美国物流配送中心的经营效率和某石油公司供应链运营效率进行了实证研究。Hung、Tu和Wang（2010）运用DEA方法研究了亚洲地区集装箱港口的经营效率，表明该方法在这一领域的应用具有很强的优越性。Odeck和Brathen（2012）通过整理40篇运用DEA方法分析港口经营效率的学术文章，运用Tobit回归模型对各港口的平均效率进行了比较分析。匡海波（2007）运用超效率DEA方法研究了上市港口的经营效率及其成本效率的变化趋势。李兰冰、刘军和李春辉（2011）综合运用DEA和Malmquist方法对两岸三地的沿海港口进行了动态分析。杨德权和裴金英（2012）综合运用超效率DEA和IAHP方法分析了物流企业的经营效率。吕璠 和李竹梅（2013）综合运用因子分析和超效率DEA方法研究了上市物流企业的经营效率。马金凤（2014）运用DEA方法分析了长三角地区港口企业的经营效率及其非有效性的原因。

本文试图运用DEA方法对我国物流上市企业的经营效率进行测算和分类，从而便于不同物流企业之间进行横向和纵向比较，进而有效地优化自身的资源配置，优化自身的经营效率。

二、逐次数据包络分析

1、数据包络分析方法

假设某个生产可能集存在个评价单元，而每一个评价单元都是由种投入和种产出组合成的生产系统。其中，表示第个评价单元的第种投入指标值表示第个评价单元的第种产出指标值；表示对生产可能集第种投入指标的度量表示对生产可能集第种产出指标的度量，二者均为变量。考虑到规模报酬的变化与否，DEA方法包含CCR、BCC两个基本模型[10]。

基于规模报酬不变的DEA模型——CCR模型的对偶规划形式如下：

基于规模报酬可变的DEA模型——BCC模型的对偶规划形式如下：

2、逐次数据包络方法

逐次数据包络方法（S-DEA）是对传统数据包络方法（DEA）的拓展与延伸，该方法的基本思路是根据每一次数据包络方法（DEA）的测算结果，将相对效率最优的评价单元逐一剔除，进而继续运用数据包络方法（DEA）进行测算，从而实现对所有评价单元的分类以及不同类别之间的排序。逐次数据包络方法（S-DEA）具体操作步骤如下：

首先，假定待评价单元集合为N，d为评价单元被划分成的最小类别数，阈值为每一类别包含的评价单元最小数量表示取整运算）。

其次，对所有的评价单元运用数据包络分析（DEA）进行测算，根据测算结果筛选出相对效率值等于1的评价单元，组成第1前沿面。剔除第1前沿面所包含的评价单元，继续运用数据包络分析（DEA）进行测算，确定第2前沿面。以此类推，确定第3前沿面、第4前沿面……一直执行到终止条件得到满足为止。一般来说，终止条件有两个，一是所有的评价单元都被划分到了各自对应的前沿面；一是剩余的评价单元低于所确定的阈值

经过以上各个步骤，最终确定出评价单元的各级前沿面，如图1所示。为了更好地比较不同前沿面之间的差距，本文采用各级前沿面的相对平均效率予以测度和比较。其中，各级前沿面的相对平均效率根据数据包络分析（DEA）第1次测算结果进行计算。

图1 逐次数据包络方法（S-DEA）示意图

三、我国物流上市企业经营效率评价分析

1、样本选取

在我国的《上市公司行业分类指引》中并无物流企业这一行业门类，而交通运输、仓储业这一类别中的上市企业的主营业务均可视为物流业务，因此本文将该类企业视为物流企业进行研究。经过筛选，本文最终确定77家上市物流企业作为评价单元，并以其2013年的财务数据及其他资料为基础进行评价和分析。本文的基础数据来源于锐思金融数据库(www．resset．cn)及企业2013年的财务年报。

2、评价指标选取

根据规范、全面、客观的基本原则，综合国内外学者的研究成果，结合物流企业的经营特性，本文最终选取员工薪酬总额、物流业务成本和物流设施与设备作为投入指标，物流收入、净利润和净资产收益率作为产出指标。其中，物流业务成本、物流设施与设备、物流收入分别采用物流企业的主营营业成本、固定资产和无形资产净额之和、主营业务收入来表示。

3、我国物流企业经营效率的测算

在数据包络分析（DEA）理论框架中，评价单元的经营效率值包括技术效率、纯技术效率、规模效率，均可作为确定前沿面的依据。下面本文利用MATLAB7．0按照逐次DEA的分析思路测算待评价物流企业的经营效率，并分别进行讨论。

（1）以技术效率确定前沿面。以物流企业样本的技术效率值作为确定各级前沿面的划分依据，按照逐次DEA的计算步骤，最终得到了6级前沿面，每级前沿面的平均经营效率、所含样本如表1所示。

从表1可以看出，各级前沿面的平均技术效率、平均纯技术效率、平均规模效率均依次递减，但平均规模效率递减幅度明显小于平均技术效率、平均纯技术效率，这说明我国物流企业经营效率低下主要源于其日常经营管理水平不高，这为物流企业改善其经营效率指明了方向。通过对比表1和逐次DEA第1次执行结果（限于篇幅，未予列出）可以发现，物流企业样本技术效率值的大小与表1的分类结果并不完全一致，这说明传统DEA方法只是将评价单元简单地分为两类——经营有效与非有效，而对非有效评价单元之间的比较则无法进行。本文所采用的逐次DEA方法则为解决这一问题提供了一个思路。因此，后一前沿面的物流企业可以把与之相邻的前一前沿面的企业作为参照系，以期在短期内有效地改善自身的经营环境，提升自身的经营效率。

（2）以纯技术效率确定前沿面。本文以物流企业样本的纯技术效率值作为确定各级前沿面的划分依据，按照逐次DEA的计算步骤，最终得到了4级前沿面，每级前沿面的平均经营效率、所含样本如表2所示。

从表2可以看出，各级前沿面的平均技术效率、平均纯技术效率依次递减，而其平均规模效率则呈现出先减后增的趋势，且各级前沿面的平均规模效率相差不大，这说明各级前沿面物流企业经营效率的差异主要是其管理水平低下造成的。因此，每个物流企业，特别是经营效率不佳的物流企业可以确定横纵两个参照系，横向选择经营效率优于自己的物流企业作为参照系，逐步调整优化自身的经营规模；纵向选择相邻前一前沿面的物流企业作为参照系，逐步改善自身的经营管理能力，从而有效地提升自身的经营效率。

表1 以技术效率为基准的逐次DEA分析结果

表2 以纯技术效率为基准的逐次DEA分析结果

四、结语

本文将逐次DEA方法应用到物流企业经营效率的评价分析中，实现了对不同物流企业的分类，为物流企业特别是经营效率不佳的物流企业改善其经营效率提供了多层次多维度的参照系，有利于物流企业设置多层次的发展目标，逐步实现自身经营效率的有效提升。在今后的研究中，本文将重点在两个方向进行努力，一是实现每级前沿面内物流企业经营效率的排序，进一步明确物流企业横向参照系的样本范围；二是将动态分析的思路纳入研究框架，有效衡量物流企业改善其经营效率的努力程度及其有效性。

[1]匡海波：基于超效率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，2007，15（3）．

[2]李兰冰、刘军、李春辉：两岸三地主要沿海港口动态效率评价—基于DEA-Malmquist全要素生产率指数[J]．软科学，2011，25（5）．

[3] 璠吕 、李竹梅：基于超效率DEA模型的物流上市公司经营效率分析[J]．商业会计，2013（15）．

[4]马金凤：基于DEA模型的长三角几大港口物流效率分析[J]．当代经济，2014（14）．

[5]魏权龄：评价相对有效性的数据包络分析模型——DEA和网络DEA[M]．中国人民大学出版社，2012．

[6]杨德权、裴金英：基于超效率DEA-IAHP的物流企业绩效评价[J]．运筹与管理，2012，21（1）．

[7]J．Odeck，S．Brathen．A meta-analysis of DEA and SFA studies of the technical efficiency of seaports: A comparison of fixed and random-effects regression models[J]．Transportation Research Part A，2012，46(10)．

[8]R．Anthony，C．Droge．An analysis of operations efficiency in large-scale distribution systems[J]．Journal of Operations Management，2004，21（6）．

[9]R．Anthony,C．Droge．AnIntegratedBenchmarkingApproach to Distribution Center Performance Using DEA Modeling[J]．Journal of Operations Management，2002，20（1）．

[10]S．Hung．W．Tu，T．Wang．Benchmarking the operating efficiency of Asia container ports[J]．European Journal of Operational Research，2010，203（3）．

（责任编辑：胡冬梅）