物流上市企业技术效率分类测度及影响因素分析

李卫忠，汤宇曦

（江门职业技术学院，广东 江门 529090）

1 引言

近年来，我国物流业取得快速发展，物流规模持续快速扩大。2017年，我国实现社会物流总额252.8万亿元，比2010年增长101.6%，年均增长近11个百分点；物流业总收入8.8万亿元，比上年增长11.5%。物流业吸纳就业人数快速增加，2017年我国物流岗位从业人员数为5 369万人，成为人员增长最快的行业之一，已经占到全国就业人员6.5%。可见，物流业在近几年取得了巨大的突破，物流业的快速发展也使其逐渐成为国民经济发展中的支柱产业。在我国物流业实现快速增长的背后，物流也同时面临着产业集约度不高、资源浪费、效率较低等问题。2017年，社会物流总费用与GDP的比率为14.6%，实现“五连降”，但仍高于主要发达国家8%-9%和新兴经济体11%-13%的水平[1]。十九大报告中明确指出，我国经济已由高速增长阶段转向高质量发展阶段，必须坚持质量第一、效益优先，提高全要素生产率。因此，本文选择我国物流上市企业作为研究对象，以技术效率衡量物流企业的效率状况，探讨股权结构、企业规模等因素对物流上市公司技术效率的影响，为促进我国物流行业向高质量发展转型提供参考。

目前已有部分学者从不同角度对物流产业或者物流企业的效率水平进行了测度，如艾小辉[2]利用DEA模型对我国19家物流上市企业进行实证分析，研究表明我国物流企业的效率普遍不高，很多物流企业未达到规模经济的状态。胡慧嫣[3]利用DEA Malmquist生产效率变化指数，发现广东物流企业生产效率发展呈下降趋势，其中技术变动是影响广东物流企业效率下降的主要因素。孟魁[4]使用DEA方法对我国中部地区在能耗和碳排放约束条件下的物流效率问题进行了研究，结果表明中部六省的物流产业存在非技术效率和非规模效率，而R&D投入和教育事业支持力度影响了这些非效率。庄玉良等[5]采用DEA和Malquist生产力指数模型，以16家物流上市公司为样本进行实证研究，结果表明我国物流业TFP平均增长率为4.7%，技术进步与创新是生产率提升的主要原因。曹国[6]采用贝叶斯面板数据随机前沿方法对32家物流上市公司的生产效率进行研究，结果表明在2000-2007年间我国物流企业的平均生产效率变化较小，呈现小幅度增长趋势，而2008-2013年间效率大幅度下滑，投入与产出比例严重失衡，生产无效率增加。总体来看，关于技术效率关系方面的研究虽然取得了一定的研究成果，研究结论和政策建议对物流行业效率提升具有一定的启示作用，但大部分研究所得到的效率值未将外部因素及随机要素进行剥离分析，因此测算的效率值会有一定偏差，故本文采用三阶段DEA模型，选择我国37家物流上市企业2013-2017年的面板数据，对这一时期物流企业技术效率进行测算，并将物流企业分为海运、公路、仓储等不同类型，分析不同类型物流企业效率发展的规律及差异。最后从股权集中度、公司规模、公司属性等角度探讨对物流企业技术效率的影响。

2 研究方法及模型建立

目前有关物流效率的研究有很多，国内外评价物流效率的方法主要有：指标树法、层次分析法、模糊评价法、随机前沿分析法（SFA）、数据包络分析法（DEA）等[7]。前3种方法主观性太强，随机前沿分析法（SFA）属于参数法，需要事先设定严格的函数形式及分布假设，计算较为复杂。数据包络分析法（DEA）是基于线性规划，适用于多输入多输出决策单元的相对效率值的一种非参数方法。但传统DEA模型认为所有与前沿值的偏差都是管理无效造成的，未将决策单元所处的外部环境和不可控变量等因素考虑在内，导致其测算值会有一定偏差。因此本文采用Fried等提出的一种将传统DEA方法与随机前沿法（SFA）相结合的非参数方法，即三阶段DEA模型，测算物流企业技术效率，利用此方法将影响物流企业技术效率不可控的外部环境因素进行剥离，得到更加科学、准确的物流企业效率值。

2.1 三阶段DEA模型理论

三阶段DEA模型的步骤如下：第一阶段采用传统的DEA对原始投入产出数据进行分析；第二阶段采用SFA方法对松弛变量中的环境影响因素、随机干扰和低效项进行区分，然后调整投入产出数据；第三阶段运用DEA分析方法再次分析调整后的投入和产出数量[8]。

第一阶段：根据具体的分析目的，可以选择DEA模型中的投入导向或产出导向。从文献分析可知，大多数三阶段DEA模型选择投入导向的BCC（规模报酬可变）模型。对于任何决策单元，投入导向下对偶形式的BCC模型可表示为：

若θ=1，S+=S-=0，则表示决策单元DEA有效，说明当年投入与产出已达到最优匹配，且不存在产出亏空、投入冗余；

若 θ=1，S+≠0，或S-≠0，则决策单元弱DEA有效；

若θ＜1，则决策单元非DEA有效，说明在技术和管理投入方面存在偏差，对于企业投入存在浪费现象，投入产出匹配还没有达到最佳值。

BCC模型能够计算各个决策单元的效率值，定义为技术效率（TE），技术效率（TE）可以分解为纯技术效率（PTE）和规模效率（SE），TE=PTE*SE。

Fried认为，管理无效率、环境因素和统计噪声这三种因素影响决策单元的效率，故这三种因素的影响需进行分离[9]。

第二阶段：建立SFA模型，将环境因素、管理因素和随机误差作为自变量，松弛变量作为因变量。

具体函数形式:

其中，Sni是第i个决策单元第n项投入的松弛值；Zi是环境变量，βn是环境变量的系数；νni+μni是混合误差项，νni表示随机干扰，μni表示管理无效率。

第三阶段：运用调整后的投入产出变量再次运行DEAP2.1测算各决策单元的效率，此时的效率已经剔除随机因素和环境因素的影响，从而更客观地表现各决策单元管理无效率的状况。

2.2 技术效率测度的投入产出指标及数据来源

根据我国证监会《上市公司行业分类指引》，将主营业务为交通运输业和仓储业的上市公司界定为物流企业。按照主营业务含交通运输业和仓储业相关业务筛选样本，剔除成立时间不足5年的公司，最终得到了37家主营物流的上市公司样本。基础数据来源于国泰安数据库、东方财富网、巨潮资讯等，研究时间为2013-2017年。

对物流企业技术效率进行评价时，为了全面客观地反映物流上市企业的实际效率，本文在已有研究的基础上，筛选出主营业务成本、固定资产净值、应付职工薪酬等3个指标作为投入指标，将主营业务收入这一指标作为产出指标。

2.3 技术效率测度的环境变量选取

Fried等认为第一阶段测度值与前沿值的差额将受到3个因素的影响，即内部管理因素、外部因素以及随机不可控因素。如果不剔除外部因素对评价对象的影响，会使处于环境恶劣的决策单元的最终效率测度值偏低，评价结果缺少公平性。

本文将从经济和政策层面选取环境变量因素。从物流业发展特性看，物流业运作效率水平受地区社会消费品零售额、地区居民消费水平影响，从政策层面看，物流业效率水平受当地政府支持力度影响，因此选择地区社会消费品零售额、地区居民消费水平、运输和仓储邮政业支出占当地财政支出的比重3个变量作为环境变量。

3 实证分析

3.1 物流上市公司技术效率分析

运用Deap2.1软件对第一阶段DEA模型进行求解，然后采用SFA模型将第一阶段得到的各企业的投入松弛变量作为被解释变量，将环境变量作为解释变量进行回归分析，再根据调整方法对投入变量进行调整，重新计算技术效率、纯技术效率、规模效率值，得到结果见表1。

从表1可以看出，排除环境因素和随机因素影响后，物流企业总体平均技术效率有所上升，2013-2017年物流企业技术效率平均值为0.73，纯技术效率平均值为0.96，规模效率平均值为0.76。其中处于效率前沿的物流企业只有上港集团1个，技术效率值为1，既是纯技术效率有效的，又是规模有效的，说明上港集团的要素投入组合合理，决策与管理水平较高。从纯技术效率水平看，37家物流企业有13家纯技术效率值为1（分别是恒基达鑫、新宁物流、长江投资、顺丰控股、华贸物流、申通快递、韵达股份、圆通速递、南京港、上港集团、中远控股、长航凤凰），达到有效水平。从规模效率水平看，除了上港集团，其余物流企业效率水平均未达到有效值。

从规模收益变化趋势看，多数呈现规模递增趋势，恒基达鑫、新宁物流等32家物流企业是处于规模报酬递增的，这些企业应适当增加投入，以改善企业产出效益。而顺丰控股、中远海控2家物流企业处于规模报酬递减，上港集团、皖江物流、宁波港3家处于规模报酬不变，这些企业不应再增加投入，重点是调整要素配置，通过改善内部控制和管理来增进效益。

表1 2013-2017年中国37家物流上市公司效率平均值测算表

将37家物流上市公司2013-2017年中每年的技术效率（TE）平均值、纯技术效率（PTE）平均值、规模效率（SE）平均值计算出来，结果如图1所示，可以发现，纯技术效率是最高的，五年间的平均值为0.96，而技术效率平均值仅为0.73，因此规模效率低下是造成技术效率不高的主要原因，这也与目前我国物流业中小企业众多、缺乏有国际竞争力的龙头企业、企业大而不强的现状是相吻合的。

图1 2013-2017年物流上市公司效率平均值趋势图

3.2 不同类型物流上市公司技术效率分析

为了进一步分析不同类型物流企业的技术效率差异，本文按照证监会行业分类标准，将37家物流企业分为公路运输企业、仓储企业、海运运输企业3类，测算2013-2017年不同类型物流企业的技术效率、纯技术效率、规模效率，结果见表2。

表2 2013-2017年不同类型物流上市公司平均效率

从技术效率来看，在3种类型物流企业中，海运类物流企业效率值最高，平均值为0.76；其次为公路类物流企业，效率平均值为0.71；最差的为仓储类物流企业，效率平均值为0.62。从变动趋势来看，2013-2017年各类物流企业的技术效率具有周期性波动的显著特征，各类物流企业技术效率2013-2015年显著上升，2015-2016年呈现下降趋势，2016-2017年呈现上升趋势。

图2 2013-2017年不同类型物流上市公司技术效率趋势图

从技术效率的拆分来看，3种类型物流企业纯技术效率值均远高于规模效率值，无论是年度值还是总体平均值，纯技术效率平均值均在0.95以上，而规模效率的平均值均低于0.8，说明规模效率低下是造成综合技术效率值不高的主要因素，物流企业投入产出要素配置有待进一步调整，未能体现出规模效应。

4 物流企业技术效率影响因素分析

通过分析看出，2013-2017年物流企业技术效率总体水平不高，且趋势具有显著波动性。为进一步分析物流企业技术效率的影响因素，基于效率与企业股权结构、企业规模、企业所有权属性等因素之间的关系，构建多元线性回归模型。

4.1 变量与数据

本文将根据上市公司的特征，选择股权集中度、第一大股东性质、公司规模作为技术效率的影响因素。研究假设如下：

假设1：股权集中度越高，越易于公司进行决策和经营，物流企业的技术效率越高。本文用前五大股东持股比例来衡量公司的股权集中度，用x1表示。

假设2：物流企业公司规模越大，技术效率越高。采用物流企业年末总资产来衡量企业规模，用x2表示。

假设3：第一大股东属性为非国有性质物流企业的技术效率要高于第一大股东属性为国有性质物流企业的技术效率。设置虚拟变量x3表示，若x3=0，则为非国有属性物流企业；若x3=1，则为国有属性物流企业。

4.2 回归分析结果

使用SPSS 19.0进行线性回归求解模型，结果见表3，可以得到以下结论。

表3 物流企业技术效率影响因素线性回归结果

（1）企业规模与物流企业技术效率显著正相关。物流企业属于劳动密集型行业，规模越大，技术创新能力越强，资源配置要素更合理，技术效率更高，假设2成立。

（2）股权集中度、企业所有权属性与物流企业技术效率正相关，但不显著，假设1和假设3不成立。一般来说股权集中度越高，越能激励股东去提高企业效益，但从表3来看，股权集中度虽与物流企业技术效率正相关，但从统计学意义上不显著；而企业所有权属性与物流企业技术效率正相关的统计学意义上更加不显著，说明无论是国有性质还是非国有性质的物流企业，在技术效率提升上没有显著区别。

5 结论及建议

本文基于中国37家物流上市企业2013-2017年数据，采用三阶段DEA模型从动态时间研究了此阶段物流企业的技术效率，并比较分析了公路、仓储、海运各类企业的效率差异性。在实证分析的基础上，进一步分析了物流企业技术效率的影响因素，构建了多元线性回归模型，解释了技术效率影响机制，得到以下几点结论：

（1）从物流企业技术效率总体情况来看，2013-2017年物流企业技术效率平均值为0.73，且在样本研究期间物流企业技术效率具有明显波动性，呈先上升后下降趋势。规模效率低下是造成技术效率不高的主要因素。

（2）从不同类型物流企业技术效率的差异性来看，海运类物流企业技术效率平均值为0.76，要高于公路类物流企业技术效率，仓储类物流企业技术效率最低，综合平均技术效率值仅为0.62。

（3）从物流企业技术效率影响机制来看，通过构建多元回归模型，发现企业规模与物流企业技术效率显著正相关，股权集中度、企业所有权属性与物流企业技术效率正相关，但不显著。

根据以上实证分析结论，为了能够有效提高物流企业效率，可以采取如下政策措施：

（1）提高物流上市公司的资源配置效率。随着市场经济的快速增长、电子商务的崛起以及互联网、物联网、大数据等技术手段的普遍应用，我国物流行业得到了突飞猛进的发展。物流上市公司应该针对这些有利的市场，加大资源投入力度，推动企业的业务转型或升级。物流上市公司要加强与地方工业园区之间的合作，形成一个全方位的物流网络，打破条块分割和地区封锁，海铁联运、公铁联运、陆空联运等合作模式的运用能够充分发挥物流上市公司的优势，减少企业的运输成本及费用。另外，物流上市公司应通过资产重组等手段促进资源的优化配置，提高资源配置效率。

（2）提升物流上市公司的技术水平和规模效率。在技术研发方面，对日照港、大连港、中远海等技术效率相对不高的物流上市公司，要进一步加强高科技技术、设备在物流作业中的运用，实现智能化物流，提高工作效率，创造更多更广的市场成长空间。另外，仓储类物流上市公司的技术效率整体水平较低，这类物流企业应加大自动化立体仓储、RFID等仓储设备和技术的投入。在规模上，恒基达鑫、新宁物流等32家物流企业是处于规模报酬递增的，要加大市场开拓，巩固业务优势，壮大企业在这方面的业务规模；而顺丰控股、中远海控2家处于规模报酬递减的物流上市公司，要合理控制业务规模，提高运营能力，同时，注重企业和服务的品牌塑造和名牌效应，提高客户物流体验，努力提升经营管理水平。

（3）加强物流上市公司内部管理。物流上市公司的整体规模效率不高是影响企业技术效率水平非常重要的因素，因此，我国的物流企业在积极扩大业务规模的同时，应加强内部管理，按现代企业制度建立合适的管理体制，避免粗放式的规模扩张，重视物流技术创新和应用，提高运营效率。在企业运营过程中，应注意加强投资风险防范，做好信息沟通与披露，加强物流服务的检查与监督，提高公司经营管理水平和风险防范能力，从而促进我国物流上市公司管理效率的提升。