黃錦 楊中華 王月麗 劉鄒洲

摘 ?要：采用我國(guó)20家物流上市企業(yè)2021年度數(shù)據(jù)，運(yùn)用DEA模型分析物流上市企業(yè)的運(yùn)營(yíng)效率，測(cè)算結(jié)果得出其效率未達(dá)到DEA有效。在條件變量和結(jié)果變量選取基礎(chǔ)上，通過fsQCA識(shí)別出企業(yè)運(yùn)營(yíng)效率提升的路徑：小規(guī)模低研發(fā)高集權(quán)主導(dǎo)型；小規(guī)模高研發(fā)高盈利主導(dǎo)型；小規(guī)模高研發(fā)高杠桿主導(dǎo)型；低研發(fā)大規(guī)模高集權(quán)高盈利主導(dǎo)型。

關(guān)鍵詞：物流上市企業(yè)；DEA模型；運(yùn)營(yíng)效率；fsQCA

中圖分類號(hào)：F253 ? ?文獻(xiàn)標(biāo)志碼：A

DOI：10.13714/j.cnki.1002-3100.2023.09.008

Abstract： Based on the data of 20 China's listed logistics companies in 2021， the operational efficiency of listed logistics companies was analyzed with DEA model， and the results show that the efficiency is not as effective. Then fsQCA was employed to explore the combination of antecedent conditions for operating efficiency improvement. There were four models to improve the company's technical efficiency： The model with small scale， weak R&D and higher ownership concentration; the model with small scale， better R&D and higher ROA; the model with small scale， better R&D and high leverage; the model with better R&D， small scale， higher ownership concentration and higher ROA.

Key words： logistics listed company; DEA model; technical efficiency; fuzzy set Qualitative Comparative Analysis

0 ?引 ?言

近年來，國(guó)內(nèi)經(jīng)濟(jì)水平不斷提升，物流業(yè)的規(guī)模也不斷擴(kuò)大。然而，在物流快速發(fā)展的同時(shí)也面臨著效率低下、資源浪費(fèi)等問題。根據(jù)中國(guó)物流與采購(gòu)聯(lián)合會(huì)公布的全國(guó)物流運(yùn)行情況來看，2021年社會(huì)物流總費(fèi)用16.7萬億元，較上一年度增長(zhǎng)12.5%，社會(huì)物流總費(fèi)用占比14.6%[1]，這一費(fèi)用明顯高出發(fā)達(dá)國(guó)家的平均水平。尋找實(shí)現(xiàn)我國(guó)物流企業(yè)高效運(yùn)營(yíng)的模式，促進(jìn)我國(guó)物流業(yè)實(shí)現(xiàn)高效率轉(zhuǎn)變高質(zhì)量發(fā)展具有重要的現(xiàn)實(shí)價(jià)值。

物流企業(yè)運(yùn)營(yíng)效率最近倍受國(guó)內(nèi)外學(xué)者的關(guān)注，并且從不同的角度對(duì)物流業(yè)的效率水平提升進(jìn)行了測(cè)度研究。王惠等[2]基于MSBM模型對(duì)國(guó)內(nèi)物流上市企業(yè)進(jìn)行效率評(píng)價(jià)，認(rèn)為物流企業(yè)提升綜合效率的方式主要為提高企業(yè)的管理水平，杜絕盲目擴(kuò)張。唐建榮等[3]選取2007—2016年中國(guó)區(qū)域物流產(chǎn)業(yè)數(shù)據(jù)，利用DEA與Malmquist指數(shù)模型測(cè)算出我國(guó)區(qū)域物流效率水平，指出應(yīng)當(dāng)注重科技的提升。崔宇昕等[4]對(duì)我國(guó)港口效率進(jìn)行評(píng)價(jià)，選取2018年的港口投入產(chǎn)出數(shù)據(jù)，利用DEA模型對(duì)13個(gè)上市港口進(jìn)行數(shù)據(jù)分析，提出提高港口效率的建議。褚衍昌等[5]基于DEA-Malmquist法探討我國(guó)12家上市物流公司的效率情況，并用Tobit模型分析影響物流企業(yè)運(yùn)營(yíng)效率的關(guān)鍵因素。張福明等[6]選用超效率方法對(duì)物流上市企業(yè)的效率情況進(jìn)行分析比較，并探究每年的變化情況，最終認(rèn)為物流企業(yè)應(yīng)當(dāng)增加技術(shù)支持。

可以發(fā)現(xiàn)，現(xiàn)有研究中主要分析單個(gè)因素如何影響物流企業(yè)運(yùn)營(yíng)效率，而該運(yùn)營(yíng)效率通常由多個(gè)因素共同導(dǎo)致，不同影響因素的組合對(duì)企業(yè)運(yùn)營(yíng)效率的影響路徑尚不明確。因此，從整體性研究視角揭示物流企業(yè)運(yùn)營(yíng)效率影響因素間的可能性組合具有重要的研究?jī)r(jià)值。本文嘗試?yán)肈EA模型對(duì)我國(guó)20家物流上市企業(yè)進(jìn)行效率測(cè)度，并基于定性比較分析（QCA）的整體分析視角，探究物流企業(yè)實(shí)現(xiàn)運(yùn)營(yíng)高效率的條件變量組合情況，為改善物流企業(yè)運(yùn)營(yíng)效率提供決策參考和支持。

1 ?基于DEA模型的物流企業(yè)運(yùn)營(yíng)效率評(píng)價(jià)

1.1 ?DEA模型概述

數(shù)據(jù)包絡(luò)分析法（Data Envelopment Analysis，DEA）是在1978年由美國(guó)著名運(yùn)籌學(xué)家A.Charnes和W.W.Cooper共同提出的效率評(píng)價(jià)方法[7]。該方法借助線性規(guī)劃，設(shè)定投入和產(chǎn)出指標(biāo)對(duì)同類型單位進(jìn)行有效評(píng)價(jià)。本文選擇DEA模型的原因在于該方法不受主觀因素影響，相比于成本分析法、指標(biāo)數(shù)法、層次分析法計(jì)算出來的指標(biāo)更加客觀有效。

DEA模型有兩種經(jīng)典模型：CCR模型、BBC模型。兩者的區(qū)別在于CCR模型是假定決策單元DMU在規(guī)模報(bào)酬固定的情形下，主要計(jì)算出技術(shù)效率（即綜合效率）。BBC模型是假設(shè)DMU處于規(guī)模報(bào)酬變動(dòng)的情形下，并且是在CCR基礎(chǔ)上進(jìn)行一定的演變，綜合效率等于純技術(shù)效率乘上規(guī)模效率，使得最后的結(jié)果更加精準(zhǔn)[4]。因此，本文采取規(guī)模報(bào)酬變動(dòng)的BBC模型進(jìn)行效率評(píng)價(jià)。

1.2 ?評(píng)價(jià)指標(biāo)選取

評(píng)價(jià)指標(biāo)的選擇多從投入產(chǎn)出變量出發(fā)?；仡櫼酝墨I(xiàn)發(fā)現(xiàn)，生產(chǎn)過程中的投入指標(biāo)主要從人、財(cái)、物等中選取，產(chǎn)出指標(biāo)多數(shù)從營(yíng)業(yè)收入和凈利潤(rùn)表示?；诂F(xiàn)有研究成果[8]，并結(jié)合物流上市企業(yè)投入產(chǎn)出的特點(diǎn)，最終選取固定資產(chǎn)凈額、員工總數(shù)、營(yíng)業(yè)總成本作為投入指標(biāo)，確定凈利潤(rùn)、營(yíng)業(yè)總收入為產(chǎn)出指標(biāo)（如表1所示）。

1.3 ?數(shù)據(jù)來源

參照2021年中國(guó)證券監(jiān)督管理委員會(huì)發(fā)布的《上市公司行業(yè)分類指引》，根據(jù)數(shù)據(jù)的可獲得性，經(jīng)過篩選最終選取20家企業(yè)作為本文的研究對(duì)象。效率評(píng)價(jià)的數(shù)據(jù)主要來源于國(guó)泰安數(shù)據(jù)庫(kù)、同花順上市企業(yè)數(shù)據(jù)庫(kù)和各公司公開發(fā)布的企業(yè)年報(bào)，樣本采集區(qū)間為2021年。

1.4 ?實(shí)證分析

本文利用軟件DEAP2.1對(duì)2021年20家物流上市企業(yè)的投入產(chǎn)出數(shù)據(jù)進(jìn)行計(jì)算，最終得出各物流上市企業(yè)綜合效率數(shù)據(jù)（如表2所示）。

從20個(gè)決策單元計(jì)算結(jié)果來看，綜合效率的平均值為0.949，表明我國(guó)物流上市公司的效率并沒有達(dá)到DEA有效，說明在資源配置等方面有一定的不足。

2 ?我國(guó)物流上市企業(yè)運(yùn)營(yíng)效率影響因素分析

2.1 ?定性比較分析法

定性比較分析法（Qualitative Comparative Analysis，QCA）是20世紀(jì)80年代由美國(guó)社會(huì)學(xué)家查爾斯·拉金提出的一種以案例研究為導(dǎo)向的理論集合研究方法[9]。該方法將集合論和布爾算法作為基礎(chǔ)，從組態(tài)角度探討變量的綜合作用，并認(rèn)為一個(gè)變量無法決定最后的結(jié)果，而是取決于其他變量的組合。相較于傳統(tǒng)定性和定量方法，定性比較分析法（QCA）更加科學(xué)化和規(guī)范化，能夠彌補(bǔ)統(tǒng)計(jì)回歸分析定量研究的局限性。目前QCA分為清晰集csQCA、多值集mvQCA、模糊集fsQCA。結(jié)合所選的案例和變量特征，本文選用模糊集定性比較分析法（fsQCA）。

2.2 ?變量選取

參考已有文獻(xiàn)[10]，本文從條件變量和結(jié)果變量?jī)蓚€(gè)方面選取物流上市企業(yè)運(yùn)營(yíng)效率指標(biāo)。

（1）創(chuàng)新能力。創(chuàng)新能力代表著企業(yè)的研發(fā)水平，由于增加研發(fā)投入代表管理層加大對(duì)研發(fā)活動(dòng)的支持，由此可以促進(jìn)企業(yè)的運(yùn)營(yíng)效率。本文選用研發(fā)支出占營(yíng)業(yè)收入的比重來衡量創(chuàng)新能力[11]。

（2）科技研發(fā)能力?？萍佳邪l(fā)能力體現(xiàn)企業(yè)科技創(chuàng)新的水平，在一定程度上影響企業(yè)技術(shù)效率和運(yùn)營(yíng)效率。熊國(guó)經(jīng)等[11]在研究中指出企業(yè)運(yùn)營(yíng)效率離不開技術(shù)的支持，科研人員的投入是關(guān)鍵因素，因此選用年末研發(fā)人員占比進(jìn)行衡量物流企業(yè)科技研發(fā)能力。

（3）企業(yè)規(guī)模。企業(yè)規(guī)模的大小影響市場(chǎng)占有率以及發(fā)展?jié)摿?，也直接影響其運(yùn)營(yíng)效率[12]。本文中企業(yè)的規(guī)模選用企業(yè)年末資產(chǎn)對(duì)數(shù)的取值。

（4）股權(quán)集中制。股權(quán)集中度表明企業(yè)內(nèi)部的股權(quán)集中情況，研究表明股權(quán)相對(duì)集中有利于企業(yè)的發(fā)展，可以促進(jìn)企業(yè)的效率[13]。本文選用第一大股東占比進(jìn)行表示企業(yè)股權(quán)集中情況。

（5）資產(chǎn)負(fù)債率。資產(chǎn)負(fù)債率是指企業(yè)負(fù)債比率，可以體現(xiàn)企業(yè)的資本結(jié)構(gòu)以及資本結(jié)構(gòu)的影響因素。劉超等[14]的研究中指出合理利用財(cái)務(wù)杠桿可以降低企業(yè)風(fēng)險(xiǎn)，獲得更多的利潤(rùn)，因此可以提升企業(yè)的運(yùn)營(yíng)績(jī)效。

（6）總資產(chǎn)收益率。在企業(yè)已有資產(chǎn)的情況下，總資產(chǎn)收益率可以體現(xiàn)企業(yè)的獲利情況，是否可以創(chuàng)造出較高的利潤(rùn)，可以評(píng)價(jià)企業(yè)運(yùn)營(yíng)效率的高低。劉超等[14]的研究表明總資產(chǎn)收益率體現(xiàn)企業(yè)利用自有資本獲益能力，并且與融資成正比例關(guān)系，可以很好地衡量企業(yè)的運(yùn)營(yíng)水平和效率。

最終選取創(chuàng)新能力、科技研發(fā)能力、企業(yè)規(guī)模、股權(quán)集中度、資產(chǎn)負(fù)債率和總資產(chǎn)收益率作為條件變量，將已經(jīng)測(cè)算出的綜合效率作為結(jié)果變量進(jìn)行定性比較分析（如表3所示）。

2.3 ?變量校準(zhǔn)及必要性分析

變量校準(zhǔn)即給案例歸屬于集合的過程和實(shí)施模糊集定性比較分析的前提，一般情況下設(shè)置三個(gè)臨界值：完全隸屬、交叉點(diǎn)、完全不隸屬，最終將原始數(shù)據(jù)轉(zhuǎn)變成0到1之間的集合[15]。根據(jù)Ragin相關(guān)理論，利用DEAP軟件先將原始數(shù)據(jù)進(jìn)行校準(zhǔn)，并且選擇樣本數(shù)據(jù)的95%分位數(shù)、50%分位數(shù)和5%分位數(shù)分別作為完全隸屬、交叉點(diǎn)和完全不隸屬[9]。具體變量校準(zhǔn)錨點(diǎn)如表4所示。

在進(jìn)行組態(tài)分析之前，先對(duì)校準(zhǔn)后的數(shù)據(jù)進(jìn)行必要性檢驗(yàn)，如果一致性沒有大于0.9就說明單個(gè)因素?zé)o法直接對(duì)結(jié)果進(jìn)行解釋，需要將解釋變量進(jìn)行組合才可以影響。表5顯示了必要條件的分析結(jié)果，影響企業(yè)綜合技術(shù)效率的單個(gè)前因變量的必要性均不大于0.9。由此可得，單個(gè)前因變量對(duì)綜合效率的解釋力度弱，綜合效率的提升需要多種因素共同作用，需要進(jìn)行運(yùn)算得出組態(tài)。

2.4 ?物流上市企業(yè)物流效率提升路徑

利用軟件fsQCA進(jìn)行分析，得出組態(tài)分析，如表6所示。該表能夠?qū)崿F(xiàn)復(fù)雜的、擬合的和中間的解決方案。這些解決方案以不同的方式考慮一個(gè)給定的組合是否被納入組合的邏輯最小化過程。復(fù)雜的解決方案考慮到了所有要包括在分析中的組合。簡(jiǎn)化的解決方案將解決方案減少到可能的最小數(shù)量的組合，而不考慮簡(jiǎn)化解決方案是否有意義。中間解決方案包括連貫的解決方案以降低復(fù)雜性，但不包括與理論知識(shí)不一致的組合。本文選擇中間解決方案是為了更好解釋fsQCA的結(jié)果。

由表6可知4個(gè)前因條件組合的一致性和總體一致性均超過理論值0.80，因此滿足一致性條件要求。另外，中間解的整體覆蓋度為0.631，表明這4個(gè)組態(tài)解釋了約63.1%的物流企業(yè)運(yùn)營(yíng)高效率的原因。

2.4.1 ?路徑1：小規(guī)模低研發(fā)高集權(quán)主導(dǎo)型。路徑1的前因構(gòu)型為ROA*-LEV*GQJZ*-ASSET*-CX，其中核心條件是高總資產(chǎn)收益率、低創(chuàng)新能力，邊緣條件是高股權(quán)集中制、低企業(yè)規(guī)模和低資產(chǎn)負(fù)債率。該組態(tài)顯示盡管物流企業(yè)科技研發(fā)能力尚不明確，且創(chuàng)新能力水平低、企業(yè)規(guī)模較小和資產(chǎn)負(fù)債率也較低，只要企業(yè)盈利狀況良好，股權(quán)集中，便可以提升高效率水平。代表案例如中創(chuàng)物流，其總資產(chǎn)收益率超過同水平的其他上市物流公司，并且其股權(quán)集中度高（52.5%），充分發(fā)揮了股權(quán)集中的優(yōu)勢(shì)，有利于提升企業(yè)的效率。

2.4.2 ?路徑2：小規(guī)模高研發(fā)高盈利主導(dǎo)型。路徑2的前因構(gòu)型為ROA*-GQJZ*-ASSET*KJYF*CX，其中核心條件為高科技研發(fā)、低企業(yè)規(guī)模和低股權(quán)集中，邊緣條件是高創(chuàng)新能力和高總資產(chǎn)收益率。該組態(tài)顯示無論公司是否利用財(cái)務(wù)杠桿的作用，盡管企業(yè)規(guī)模和股權(quán)集中度占比較低，只要企業(yè)保持高創(chuàng)新能力和高科技研發(fā)水平以及高總資產(chǎn)收益率，就可以提升企業(yè)的效率。對(duì)應(yīng)的案例是嘉誠(chéng)國(guó)際，該公司研發(fā)人員和研發(fā)投入占比都保持較高的水平，其不斷地加深在該領(lǐng)域的研發(fā)力度，使得企業(yè)運(yùn)營(yíng)效率得以提升。

2.4.3 ?路徑3：小規(guī)模高研發(fā)高杠桿主導(dǎo)型。路徑3的前因構(gòu)型為L(zhǎng)EV*-GQJZ*KJYF*CX，其中核心條件為高科技研發(fā)能力，邊緣條件是高創(chuàng)新能力、高資產(chǎn)負(fù)債率和低股權(quán)集中。該組態(tài)顯示無論公司規(guī)模大小與否，只要保持高水平的創(chuàng)新能力、高資產(chǎn)負(fù)債率就可以在一定程度上提升企業(yè)的運(yùn)營(yíng)效率。代表案例如音飛儲(chǔ)存，該公司保持較高的創(chuàng)新活力，尤其為研發(fā)投入占營(yíng)業(yè)收入比例為3.67%，遠(yuǎn)遠(yuǎn)高于同水平的其他公司，除此之外該公司的股權(quán)集中度也保持較高的水平。由此可見該公司充分利用科技創(chuàng)新能力和股權(quán)集中的優(yōu)勢(shì)，以及較好地選用財(cái)務(wù)杠桿的功能來提升企業(yè)的效率。

2.4.4 ?路徑4：低研發(fā)大規(guī)模高集權(quán)高盈利主導(dǎo)型。路徑4的前因構(gòu)型為ROA*LEV*GQJZ*ASSET*-KJYF*-CX，其中核心條件是高股權(quán)集中、高資產(chǎn)收益率、低創(chuàng)新能力和低科技研發(fā)能力，邊緣條件是高企業(yè)規(guī)模和高資產(chǎn)負(fù)債率。該組態(tài)表明只要企業(yè)股權(quán)集中度高、總資產(chǎn)收益率高，以及保持一定的企業(yè)規(guī)模就可以提升企業(yè)的效率。代表案例如華貿(mào)物流，該企業(yè)的企業(yè)規(guī)模較大，股權(quán)集中度高，總資產(chǎn)收益率位居案例企業(yè)中的前三名。

3 ?研究結(jié)論與展望

3.1 ?研究結(jié)論

本文基于DEA模型對(duì)2021年20家物流上市企業(yè)運(yùn)營(yíng)效率進(jìn)行測(cè)算，結(jié)果顯示為我國(guó)物流上市公司的效率并沒有達(dá)到DEA有效。為了探索物流企業(yè)運(yùn)營(yíng)效率的提升路徑，以綜合效率作為結(jié)果變量，以創(chuàng)新能力、科技研發(fā)能力、企業(yè)規(guī)模、股權(quán)集中度、資產(chǎn)負(fù)債率和總資產(chǎn)收益率為條件變量，通過模糊集定性比較分析法對(duì)物流上市企業(yè)運(yùn)營(yíng)效率進(jìn)行組態(tài)分析，最終得出四條有效路徑：路徑1—小規(guī)模低研發(fā)高集權(quán)主導(dǎo)型；路徑2—小規(guī)模高研發(fā)高盈利主導(dǎo)型；路徑3—小規(guī)模高研發(fā)高杠桿主導(dǎo)型；路徑4—低研發(fā)大規(guī)模高集權(quán)高盈利主導(dǎo)型。

具體而言，路徑1體現(xiàn)了高集權(quán)的重要性，主要針對(duì)的規(guī)模不是特別大的公司，要充分發(fā)揮高集權(quán)的優(yōu)勢(shì)來提升企業(yè)的效率；路徑2體現(xiàn)高創(chuàng)新高盈利的重要性，尤其是開發(fā)性創(chuàng)新投入對(duì)于提升企業(yè)運(yùn)營(yíng)效率的重要性；路徑3體現(xiàn)了財(cái)務(wù)杠桿以及高研發(fā)水平對(duì)于企業(yè)運(yùn)營(yíng)效率的提升；路徑4體現(xiàn)了大規(guī)模企業(yè)下，企業(yè)應(yīng)當(dāng)保持股權(quán)集中、并且保持較高的盈利水平，有利于提升企業(yè)的效率。

3.2 ?管理啟示

（1）優(yōu)化股權(quán)結(jié)構(gòu)，保持股權(quán)集中。保持企業(yè)內(nèi)部股權(quán)的集中可以優(yōu)化企業(yè)的股權(quán)結(jié)構(gòu)，減少企業(yè)的資源浪費(fèi)，除此以外還可以提高管理人員的熱情，并且提升股權(quán)的集中程度可以大幅度提升物流企業(yè)運(yùn)營(yíng)效率。

（2）加大科技研發(fā)經(jīng)費(fèi)投入以及科研人員投入。研發(fā)經(jīng)費(fèi)以及研發(fā)人員是提升我國(guó)上市物流公司運(yùn)營(yíng)效率的關(guān)鍵因素，尤其是互聯(lián)網(wǎng)盛行，人口老齡化促使人口紅利褪去的時(shí)代，合理利用機(jī)器人、無人機(jī)進(jìn)行分揀配送不僅可以更好的節(jié)約成本，更有利于提升企業(yè)的效率。

（3）保持較高的盈利水平。企業(yè)只有在不斷盈利的情況下，才可以利用現(xiàn)有的資金進(jìn)行開源，因此較其他企業(yè)可以獲取更多的資源和優(yōu)勢(shì)，占有更廣闊的市場(chǎng)，企業(yè)的運(yùn)營(yíng)效率也會(huì)隨之提高。

參考文獻(xiàn)：

[1] 中國(guó)物流與采購(gòu)聯(lián)合會(huì)，中國(guó)物流信息中心. 2021年物流運(yùn)行情況分析及2022年展望[J]. 中國(guó)物流與采購(gòu)，2022（4）：34-37.

[2] 王惠，喬美華. 基于MSBM模型的中國(guó)上市物流企業(yè)效率測(cè)度[J]. 物流技術(shù)，2017，36（10）：52-56.

[3] 唐建榮，杜嬌嬌，唐雨辰. 區(qū)域物流效率評(píng)價(jià)及收斂性研究[J]. 工業(yè)技術(shù)經(jīng)濟(jì)，2018，37（6）：61-70.

[4] 崔宇昕，華美霞，李若梅. 基于DEA模型的我國(guó)沿海上市港口物流效率評(píng)價(jià)[J]. 物流技術(shù)，2021，40（8）：61-68.

[5] 褚衍昌，沈洋，連文浩. 基于DEA-Malmquist和Tobit模型的中國(guó)物流企業(yè)效率研究——來自上市公司的經(jīng)驗(yàn)證據(jù)[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2020，50（10）：95-105.

[6] 張福明，孟憲忠. 我國(guó)物流企業(yè)效率與效率持續(xù)性評(píng)價(jià)的實(shí)證[J]. 工業(yè)工程與管理，2010，15（2）：46-49.

[7] ?BANKER R D， CHARNES A， COOPER W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science， 1984，30（9）：1078-1092.

[8] 李鐘石，文華，袁嘉葆，等. 基于DEA模型的我國(guó)物流業(yè)上市企業(yè)經(jīng)營(yíng)績(jī)效實(shí)證分析[J]. 物流技術(shù)，2021，40（4）：64-70.

[9] 杜運(yùn)周，李佳馨，劉秋辰，等. 復(fù)雜動(dòng)態(tài)視角下的組態(tài)理論與QCA方法：研究進(jìn)展與未來方向[J]. 管理世界，2021，37（3）：180-197.

[10] 李志廣，李姚礦. 科創(chuàng)板上市公司運(yùn)營(yíng)效率測(cè)度及提升：一種模糊集定性比較研究[J]. 當(dāng)代經(jīng)濟(jì)管理，2021，43（11）：35-45.

[11] 熊國(guó)經(jīng)，宗瑾. 基于DEA-Tobit模型的我國(guó)上市軍工企業(yè)技術(shù)效率研究[J]. 科技管理研究，2017，37（19）：59-63.

[12] 羅能生，劉文彬，王玉澤. 杠桿率、企業(yè)規(guī)模與企業(yè)創(chuàng)新[J]. 財(cái)經(jīng)理論與實(shí)踐，2018，39（6）：112-118.

[13] 樊秀峰，王美霞. 我國(guó)零售企業(yè)經(jīng)營(yíng)效率評(píng)價(jià)與微觀影響因素分析——基于22家百?gòu)?qiáng)零售上市公司的實(shí)證[J]. 西北大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2011，41（3）：26-31.

[14] 劉超，傅若瑜，李佳慧，等. 基于DEA-Tobit方法的人工智能行業(yè)上市公司融資效率研究[J]. 運(yùn)籌與管理，2019，28（6）：144

-152.

[15] 黎江平，姚怡帆，葉中華. TOE框架下的省級(jí)政務(wù)大數(shù)據(jù)發(fā)展水平影響因素與發(fā)展路徑——基于fsQCA實(shí)證研究[J]. 情報(bào)雜志，2022，41（1）：200-207.