汽车制造业供应链弹性能力对产业绩效的影响分析

张 丽，杨颖梅 （北京信息科技大学 经济管理学院，北京 100192）

0 引 言

长期以来，汽车制造业受到了国家的大力支持和重点投资，虽然其具备较好的产业基础，但是与世界先进国家相比还有较大差距。在供应链全球化的大背景下，汽车制造业上游端核心进口零部件的供应受阻，下游端居民消费意愿降低，购车诉求大幅削减，零售压力不断加大，很多企业被迫停产，甚至面临着退出市场的威胁。因此，如何加强汽车制造产业的供应链弹性进而提升行业竞争力是值得深入探究的课题。

供应链弹性指的是当风险发生后，供应链能够持续供应且快速恢复到正常供应状态的能力，强调的是系统恢复能力以及恢复速度，供应链弹性对于应对突发情况非常重要。比如，韩国现代汽车线的零部件由中国山东烟台一家供应商提供，但由于2020年的新冠肺炎疫情爆发，该供应商全面停产，导致现代汽车陷入零部件供应链断裂的困局当中，韩国本土多家工厂被迫停产。因此，提升供应链弹性对于企业应对突发情况，保障供应链顺畅运行具有重要的意义。现有的文献对于供应链弹性的测度多采用专家打分法和理论分析法。朱新球（2019）用结构方程模型分析发现供应链弹性通过供应链可持续性这个中介效应影响着供应链绩效。朱海鹏（2020）利用结构方程模型探究了供应链弹性在供应链协作能力、供应链反应能力、供应链风控能力、供应链重构能力等方面的效应，认为供应链弹性在这几项能力中发挥了显著的中介效应，影响着商贸流通企业的绩效。魏晶晶（2021）从适应性能力的角度，采用模糊集定性比较法进行分析，发现了环境感知型、组织调整型、平衡适应型三类能力组态能提升供应链弹性的适应性能力。邓倩玉等（2020）通过设计问卷并选取相关领域专家进行打分，利用模糊决策实验法分析得出供应源数量、供应源信誉、库存管理能力、产成品储备、管理层决策意识与能力等都是推动供应链弹性提升的主动因素。赵慧达（2019）以某一酒品企业为例并基于二元语义测度了其供应链弹性水平。综上，现有的研究对于制造行业的分析较少，且多是基于特定企业来进行分析的，对于绩效水平的研究也多集中于企业的经营绩效。这样的分析方法主观性太强，在不同的研究主体下，同一指标也可能会出现不一致的分析结果。文章旨在从供应链弹性的角度选取相关指标剖析其对汽车制造产业绩效的影响，并利用灰色关联分析对影响因素的重要程度进行排序，从而为相关的汽车制造企业提供切实可行的建议。

1 理论基础

1.1 聚类法

聚类法是将多个变量做降维处理，以最大程度保留原始信息，并将多个指标转化为几个有代表意义的综合指标，相较于层次分析法，它可以体现出客观赋权的优势，降低主观影响，假设研究涉及n个样本的p项指标，其数学模型可以表示为：

，，…，F为公共因子，ε为误差项，a为公共因子的载荷。

1.2 灰色关联度分析法

灰色关联度分析法（GRA）的要领在于通过对比要素间发展态势的相似度，从而判断要素间的关联程度。灰色关联度计算如公式（1）：

2 数据来源与选取

本文根据科学性、系统性、综合性、层次性的基本原则，基于供应链视角构建了如表1所示的指标体系，采用移动平均法对指标中缺失数据进行填补，最终选取2018年12月至2021年4月的月度数据作为研究数据，该数据来源于《中国统计年鉴》《工业统计年鉴》、乘用车市场信息以及中国汽车流通协会官方网站等。

表1 指标选取统计表

3 实证分析

3.1 数据归一化处理

3.2 主成分分析

数据降维处理结果如下：

表2效度检验（KMO=0.620）表明适合做因子分析。表3在提取3个公因子时，累计方差贡献率达到80.007%，即3个公因子对原始信息的提取效果较好。

表2 信效度检验

表3 累积方差贡献率表

表4为旋转后的成分矩阵，可以得出，运作能力在1，2，3，4，5，6上有较大的荷重，公共因子库存管理能力对7，8，9，10上的解释程度较高，流通能力因子则在11，12上具有较大的负载。

表4 旋转成分矩阵

3.3 线性回归分析

为了进一步量化弹性能力对汽车产业绩效水平的影响，本文构建了如下模型：

其中，代表因变量，在此处表示汽车产业的绩效水平，衡量产业绩效的主要指标有利润率、勒纳指数等，本文选用汽车产业的总资产利润率来表示；，，…X代表自变量，此处为三个公共因子，（，，）；为随机误差项；,,…,β为各项系数。

在表5中，拟合优度为0.813，拟合效果较好，且值（35.854）远大于95%置信区间下的临界值，认为方程整体显著。

表5 方程模型汇总

由表6可以得出，三个共因子显著影响着产业绩效水平。具体来看，运作能力每增加1个单位，可使汽车制造产业的绩效产生0.235个单位的边际效益。而库存管理水平每增加1个单位，绩效反而会下降0.807个单位，这可能是由于绩效的计算综合了收益与成本，而原材料、产成品的积压和存货的周转都在一定程度上增加了整个产业链中的支出，导致绩效水平降低。对于流通能力因子来讲，流通能力每增添1个单位，会导致行业绩效产生0.361个单位的正向增长。

表6 回归系数表

3.4 灰色关联度分析

为了进一步了解上述12个自变量与因变量之间的关联程度，本文采取灰色关联分析法进行探究，分析软件为python，过程代码在附录中展示，此处只显示最终结果。

综合表7所得，8对于汽车产业绩效的影响程度要较低一些，而6与产业绩效的关联程度最大，资本保值增值率可以用来评价企业的资金保全状况，值越大，越能够有效应对供应链风险。7可以体现企业在一定时期内存货的流动性以及资金占用量是否合理，企业的存货管理能力越强，也可在一定程度上提升企业乃至整个行业的绩效。

表7 灰色关联度排序表

11作为供应链弹性生产角度的重要测量指标，代表了企业基于需求拉动下的供应链战略，对于企业绩效水平的提高具有重要意义。9，10能够反映下游市场的需求，数值越大，代表市场需求较为低靡，企业的库存压力加大。

2和1反映了企业的外贸流通情况，一定程度上代表着上游端的供货能力。3，4和5指符合上述任一条件的车型其销售量对乘用车总体市场份额的贡献。

在全球化数字化供应链的背景下，大数据、物联网和智能家居已然成为国民热议的话题，新能源汽车、无人驾驶汽车、汽车联网化逐渐进入大众生活，所以加快数字技术设施建设也成为了企业获取市场竞争力的重要举措。

4 研究结论建议与展望

4.1 结论与建议

本文基于现有的研究成果，选取了12个指标来测度供应链弹性能力，首先通过聚类将这12项指标进行降维，分析出潜在因子并分别命名为运作能力、库存管理能力以及流通能力。再次，利用多元线性回归模型探究了供应链弹性能力对汽车制造业产业绩效的影响。最后，选用灰色关联度分析法比较了12个指标与产业绩效之间关联程度的相对重要性，进而得出如下四点结论：

运作能力、库存管理能力和流通能力作为潜在因子可以有效评价供应链弹性能力，企业可以通过对以上三方面因素进行积极转变以提升绩效水平。

运作能力与汽车产业绩效水平呈正相关，这说明加快企业供应链供应水平、信息化水平以及财务收益能力建设对于企业的绩效水平具有重要的意义。企业可以建立一定的考核制度以不定期地考查供应商的供应能力，这样有助于企业与供应商建立长期良好的合作伙伴关系；此外，可以加强与供应商之间的合作，通过有效的沟通将合作诉求传达给供应商，督促供应商不断改进供货质量；还可以建立风险预警机制，将供应商断供风险纳入企业战略的部署规划中，将风险量化，这样便可以有效监测供应链中断风险。

库存预警能力与汽车产业绩效水平呈负相关。绩效的计算综合了收益与成本，而原材料、成品的积压和存货的周转都在一定程度上增加了整个产业链中的支出，导致绩效水平降低。所以，企业要着重提升库存管理人员的专业知识水平，定期予以专业培训，提高工作效率；要做好分类管理，及时妥当地处理存货，减少资金占用；要结合大数据实现公司内部的信息共享，降低资源错配风险，动态识别库存信息，形成高效完整的库存管理系统。

流通能力与汽车产业绩效水平呈正相关。生产和分销作为供应链中游和下游端的重要指标，是企业需要重点关注的环节。供应链作为一个动态系统，要求企业能够快速抓住客户的需求，推陈出新，不断提升产品质量。在大数据高速发展的时代，企业应该加快提升自身的信息化水平的速度，精准有效地抓取客户的兴趣点和需求，制定个性化供给策略，从而获得更多的市场份额。

4.2 不足与展望

本文的研究过程尚存在一些不足。从指标选取来看，采用上述12项指标来衡量供应链弹性能力较为不足，由于供应链弹性管理能力涉及企业的多个方面，后续的研究可以从供应链弹性的视角出发加入企业创新能力水平的测度来分析其与产业绩效水平的关系。此外，还可以深入挖掘绿色供应链、可持续供应链与弹性供应链的相关知识，形成更为全面的供应链研究网络，以更加多样化的方法探究其内在关系。