劉 婷

（南開大學(xué) 經(jīng)濟(jì)學(xué)院，天津 300071）

1 引言

物流業(yè)已經(jīng)成為我國國民經(jīng)濟(jì)的支柱性產(chǎn)業(yè)，加快發(fā)展現(xiàn)代物流業(yè)，是培育新的經(jīng)濟(jì)增長點(diǎn)和調(diào)整經(jīng)濟(jì)結(jié)構(gòu)的重要內(nèi)容和緊迫任務(wù)，對我國經(jīng)濟(jì)發(fā)展起著至關(guān)重要的作用。而我國物流業(yè)在長期運(yùn)營中暴露出發(fā)展方式較為粗放、管理分散、效益較低、企業(yè)基礎(chǔ)設(shè)施不配套、網(wǎng)絡(luò)化程度低等問題,呈現(xiàn)出物流總量發(fā)展快，但成本居高不下的特征。2006-2016年，我國社會(huì)物流總額即從59.6萬億元提高至230萬億元，10年之間提升近三倍之多。而2016年我國全社會(huì)物流總費(fèi)用占GDP的比例雖然降至15%以內(nèi)，但仍比美、日等發(fā)達(dá)國家高出一倍左右?！靶铝闶邸睍r(shí)代，互聯(lián)網(wǎng)快速發(fā)展帶來的用戶增長和流量紅利逐漸飽和，作為線上線下融合的“神經(jīng)末梢”，物流業(yè)的運(yùn)行效率不僅關(guān)乎本行業(yè)的發(fā)展，還會(huì)對制造業(yè)、零售業(yè)等相關(guān)產(chǎn)業(yè)產(chǎn)生極大影響，如何提高物流企業(yè)經(jīng)營效率成為亟待解決的問題。

近年來對物流業(yè)效率的研究多通過數(shù)據(jù)包絡(luò)分析法（DEA）進(jìn)行測度，較早的研究多采用傳統(tǒng)的CCR和BCC方法，而隨著DEA方法的不斷拓展和演進(jìn)，對物流業(yè)效率研究的方法也日益豐富和科學(xué)?；诖耍疚倪x取超效率SBM方法，選取2011-2016年43家覆蓋倉儲、運(yùn)輸?shù)拳h(huán)節(jié)的物流上市公司效率進(jìn)行深入的分析，有助于了解我國物流企業(yè)經(jīng)營效率現(xiàn)狀及存在的問題，對于提高我國物流業(yè)效率及競爭力具有重要的參考意義。

2 超效率SBM模型

數(shù)據(jù)包絡(luò)分析方法（DEA）是一種通過投入與產(chǎn)出情況評價(jià)各個(gè)決策單元（DMU）相對效率的非參數(shù)分析方法，由于具有無需假定函數(shù)關(guān)系、非主觀權(quán)重以及可分析決策單元無效因素等諸多優(yōu)點(diǎn)，已成為效率評價(jià)的主流技術(shù)工具。根據(jù)規(guī)模報(bào)酬是否可變的假定，可分為規(guī)模報(bào)酬不變（CRS）的CCR模型和基于規(guī)模報(bào)酬可變（VRS）的BCC模型。但傳統(tǒng)DEA方法在應(yīng)用中逐漸顯示出兩個(gè)不足：一是當(dāng)多個(gè)決策單元(DMU)的效率值均為1時(shí)，無法對這些DMU的效率進(jìn)行進(jìn)一步測度與評價(jià)；二是傳統(tǒng)的方法并沒有將投入產(chǎn)出的松弛性考慮在內(nèi)，造成效率測度時(shí)實(shí)際值與理論值之間存在偏差。

為了彌補(bǔ)不能進(jìn)一步對有效DMU排序的局限，Anderson和Petersen(1993)[1]建立了超效率DEA模型,其基本思想是在評價(jià)決策單元時(shí),分別將有效決策單元排除在集合之外，度量每個(gè)有效DMU到新的生產(chǎn)可能性集合（PSS）的距離。而對于無效的DMU，由于其原本就不在生產(chǎn)前沿面上,是否將其排除不會(huì)引起生產(chǎn)前沿面的變化，因此其超效率與傳統(tǒng)DEA模型計(jì)算出的效率值一致。

為了改進(jìn)傳統(tǒng)DEA模型無法將無效DMU的松弛變量考慮在效率值測算過程的局限，Tone(2001)[2]提出了一種基于松弛變量的非徑向的效率測度方法的SBM模型，雖然SBM模型與傳統(tǒng)的CCR模型密不可分，但是SBM模型直接將松弛向量加入目標(biāo)函數(shù)中，效率評價(jià)時(shí)更加偏重利潤最大化的考慮。以s-和s+分別表示投入和產(chǎn)出的松弛變量，以對松弛變量的優(yōu)化為目標(biāo)函數(shù)，SBM模型可表示為：

Tone(2002)[3]將超效率模型和SBM模型進(jìn)行融合，提出了超效率的SBM模型，既考慮了投入產(chǎn)出的松弛變量，使效率評價(jià)結(jié)果更加準(zhǔn)確，又解決了對諸多有效單元進(jìn)一步比較和排序的問題。

3 研究對象和數(shù)據(jù)

3.1 對上市物流公司的劃分

2001年我國出臺第一個(gè)《物流術(shù)語國家標(biāo)準(zhǔn)》，目前“物流”仍未作為單獨(dú)的行業(yè)分類出現(xiàn)在《國民經(jīng)濟(jì)行業(yè)分類(GB/T 4754-2011)》中，相關(guān)研究多以“交通運(yùn)輸、倉儲和郵政業(yè)”代表物流行業(yè)。2013年發(fā)布的國家標(biāo)準(zhǔn)《物流企業(yè)分類與評估指標(biāo)》（GB/T 19680-2013）將物流企業(yè)分為運(yùn)輸型物流企業(yè)、倉儲型物流企業(yè)及綜合服務(wù)型物流企業(yè)三類，結(jié)合中國證監(jiān)會(huì)2016年對上市公司的分類標(biāo)準(zhǔn)，本文選取51家上市公司納入物流企業(yè)范疇，但基于一致性的考慮，只保留了研究年份內(nèi)一直存在于上市公司列表的企業(yè)，最后選取43家上市公司進(jìn)行效率評價(jià)，見表1。

表1 上市物流企業(yè)的劃分

3.2 指標(biāo)和數(shù)據(jù)

本文相關(guān)數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫和各上市公司的年度報(bào)告，在對上市公司經(jīng)營效率進(jìn)行評價(jià)時(shí),合理選擇投入和產(chǎn)出指標(biāo)十分關(guān)鍵，既要保證完整性，同時(shí)又要避免信息冗余造成的干擾，才能全面精確地反映其實(shí)際效率。因此,本文結(jié)合已有研究,選擇總資產(chǎn)、主營業(yè)務(wù)成本和應(yīng)付職工薪酬作為投入變量，主營業(yè)務(wù)收入和凈利潤作為產(chǎn)出變量，建立包括3個(gè)投入變量和2個(gè)產(chǎn)出變量的DEA評價(jià)體系。其中，總資產(chǎn)代表企業(yè)占用的有形資產(chǎn)，主營業(yè)務(wù)成本代表生產(chǎn)和銷售相關(guān)產(chǎn)品或服務(wù)的直接成本，應(yīng)付職工薪酬代表人力方面的投入。在產(chǎn)出指標(biāo)中,主營業(yè)務(wù)收入與主營業(yè)務(wù)成本相對應(yīng),反映企業(yè)相關(guān)產(chǎn)品和服務(wù)的產(chǎn)出水平，凈利潤反映公司的盈利情況。

4 我國上市物流公司運(yùn)行效率評價(jià)

通過Dea Solver Pro5.0軟件，以主營業(yè)務(wù)收入、凈利潤作為產(chǎn)出變量，以主營業(yè)務(wù)成本、總資產(chǎn)和應(yīng)付職工薪酬作為投入變量，對2011-2016年43家物流上市公司效率進(jìn)行測算，TE、PTE、SE分別為代表總效率、純技術(shù)效率和規(guī)模效率，結(jié)果見表2。

2011-2016年，本文選取的43家物流上市公司中運(yùn)行效率呈現(xiàn)出較大的異質(zhì)性特征，各項(xiàng)效率最大值和最小值差距明顯，但由于組內(nèi)標(biāo)準(zhǔn)差逐年縮小，說明各企業(yè)的運(yùn)行效率差距正在縮小。在總效率方面，各上市物流企業(yè)普遍有所下降，南京港、連云港、恒基達(dá)鑫下降幅度相對較大，深赤灣A、鹽田港股、飛馬國際在各個(gè)年份的總效率相對較高。在技術(shù)效率方面，各物流上市公司普遍有所提高，中儲股份、飛馬國際、恒基達(dá)鑫提升幅度較大。在規(guī)模效率方面，各上市物流公司普遍有所下降，南京港、恒基達(dá)鑫、連云港下降幅度較大。由圖1可以直觀的看出，2011年-2016年，我國上市物流公司的技術(shù)效率＞總效率＞規(guī)模效率。從趨勢來看，雖然純技術(shù)效率有所提升，但我國各物流上市公司的總效率仍然呈輕微下降的趨勢，主要由于規(guī)模效率的下降導(dǎo)致，具體趨勢如圖1所示。

表2 2011-2016年我國上市物流企業(yè)效率

圖1 2011-2016年我國上市物流公司效率均值

根據(jù)表2測算結(jié)果，以PTE和SE均值作為劃分標(biāo)準(zhǔn)，將我國上市物流公司分為四類，第一象限為PTE和SE均高于均值的企業(yè)，第二象限為PTE小于均值而SE大于均值的企業(yè)，第三象限為PTE和SE均小于均值的企業(yè)，第四象限為PTE大于均值而SE小于均值的企業(yè)，結(jié)果如圖2所示?？梢姡蟛糠制髽I(yè)處于圖中的第四象限，即具有相對較高的純技術(shù)效率和相對較低的規(guī)模效率，如招商輪船、中儲股份、中遠(yuǎn)航運(yùn)和大部分港口企業(yè)；另有一部分處于第一象限，即同時(shí)具備較高的純技術(shù)效率和規(guī)模效率，如深赤灣A和深基地B；少數(shù)處于第二象限，即企業(yè)規(guī)模效率較高而純技術(shù)效率較低；只有極少數(shù)的企業(yè)兩種效率均較低，如恒基達(dá)鑫和南京港。

圖2 2016年我國上市物流公司效率四象限分類

參照《物流企業(yè)分類與評估指標(biāo)》（GB/T 19680-2013）對物流企業(yè)進(jìn)行分類，得到運(yùn)輸型、倉儲型和服務(wù)型物流企業(yè)的效率如圖3所示。2011-2016年，服務(wù)型物流企業(yè)效率逐年提升，并在2013年超過倉儲型物流企業(yè)，而運(yùn)輸型物流企業(yè)效率在年分內(nèi)一直保持下降的趨勢。2016年，綜合服務(wù)型物流企業(yè)運(yùn)行情況較好，效率均值已經(jīng)超過0.75，而運(yùn)輸型物流企業(yè)效率均值已跌至0.6以下，并且仍然顯示出繼續(xù)下降的跡象。

圖3 2011-2016年各類型物流企業(yè)總效率

5 結(jié)論和建議

本文利用超效率SBM模型，將43家上市物流企業(yè)歸類，并對其運(yùn)行效率進(jìn)行分析。研究表明：我國上市物流公司運(yùn)行效率存在一定差異性，但差距逐年縮小；總效率水平呈現(xiàn)出下降的趨勢,均值從2011年的0.68下降至2016年的0.61；大部分上市物流企業(yè)呈現(xiàn)出技術(shù)效率較高而規(guī)模效率較低的特征；服務(wù)型物流企業(yè)效率高于運(yùn)輸型和倉儲型，運(yùn)輸型物流企業(yè)效率下降明顯，基于以上結(jié)論提出如下建議：

（1）優(yōu)化物流企業(yè)規(guī)模，促進(jìn)大小企業(yè)互利共生。通過效率測算結(jié)果可以看出，上市物流企業(yè)規(guī)模效率普遍較低，部分企業(yè)甚至低于0.5，規(guī)模效率成為了阻礙物流業(yè)總效率提高的重要原因。因此，應(yīng)鼓勵(lì)物流企業(yè)內(nèi)和企業(yè)間的資源整合，通過參股控股、兼并重組等方式，推動(dòng)物流業(yè)向“集團(tuán)化、網(wǎng)絡(luò)化”發(fā)展，從而打造一批技術(shù)水平先進(jìn)、主營業(yè)務(wù)突出、核心競爭力強(qiáng)的大型現(xiàn)代物流企業(yè)集團(tuán)，同時(shí)，通過規(guī)?；?jīng)營，提高物流企業(yè)一體化水平，形成大小物流企業(yè)共同發(fā)展的良好局面，改善物流企業(yè)普遍存在的“大而不強(qiáng),小則偏弱”的現(xiàn)狀。

（2）保持技術(shù)效率增勢。隨著物聯(lián)網(wǎng)、云計(jì)算等現(xiàn)代信息技術(shù)的應(yīng)用，物流企業(yè)的技術(shù)效率近年來普遍有所提高，甚至部分已經(jīng)近似達(dá)到1的水平。應(yīng)鞏固目前技術(shù)效率增長的良好勢頭，進(jìn)一步借力信息技術(shù)，加快物流信息平臺建設(shè)，推廣智能標(biāo)簽、跟蹤追溯、路徑優(yōu)化等技術(shù)，以繼續(xù)帶動(dòng)物流業(yè)總效率的提升。

（3）重點(diǎn)提高對運(yùn)輸物流業(yè)的支持力度。為緩解運(yùn)輸物流業(yè)效率下降的趨勢，應(yīng)加大對運(yùn)輸物流業(yè)的政策支持，包括土地政策、相關(guān)稅收優(yōu)惠政策等。同時(shí)完善運(yùn)輸物流基礎(chǔ)設(shè)施建設(shè)，完善綜合運(yùn)輸通道和交通樞紐節(jié)點(diǎn)布局，構(gòu)建便捷、高效的物流基礎(chǔ)設(shè)施網(wǎng)絡(luò)，推動(dòng)多式聯(lián)運(yùn)、甩掛運(yùn)輸、共同配送等現(xiàn)代物流運(yùn)輸方式發(fā)展，促進(jìn)多種運(yùn)輸方式之間的銜接和轉(zhuǎn)換。

[1]Andersen,Petersen,Christian N.A procedure for ranking efficient units in data envelopment analysis[J].Management Science,1993,39(10):1 261-1 264.

[2]Tone K.A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research,2001,130(3):498-509.

[3]Tone K.A slacks-based measure of super-efficiency in data envelopment analysis[J].European Journal of Operational Research,2002,143(1):32-41.

[4]姜瑤,金中坤.運(yùn)輸物流上市公司經(jīng)營效率分析[J].物流技術(shù),2016,35(1):59-62.

[5]王燕,吳蒙.我國港口上市公司效率研究—基于兩階段網(wǎng)絡(luò)數(shù)據(jù)包絡(luò)分析模型[J].中國流通經(jīng)濟(jì),2016,30(5):53-61.

[6]汪旭暉,徐健.基于超效率CCR-DEA模型的我國物流上市公司效率評價(jià)[J].財(cái)貿(mào)研究,2009,20(6):117-124.

[7]姜瑤,金中坤.運(yùn)輸物流上市公司經(jīng)營效率分析[J].物流技術(shù),2016,35(1):59-62.

[8]儲節(jié)旺,儲伊力.我國省域公共圖書館效率測評及影響因素分析—基于Super-SBM與Tobit模型的實(shí)證研究[J].圖書情報(bào)工作,2015,59(22):33-38.