基于DEA方法的我国物流上市公司绩效评价

      1 引言

      在发达国家，物流的绩效评价研究起步较早。目前，国内对物流绩效评价方法的研究主要集中在理论研究，物流绩效评价实证研究较少。从物流企业绩效评价的研究手段来看，主要有参数化方法和非参数化方法。

      参数化方法主要有随机边界函数分析(SFA)、厚边界函数法(TFA)和自由分布方法(DFA)等[1]。这些方法原理相似，主要差别是关于误差的假设不同。Liu(1995)[2]采用港口企业的人均工资、账面固定资产/总资产作为投入指标，总吞吐量作为产出，借助随机边界函数分析(SFA)建立了港口企业效率评价模型。这些方法的特点是考虑了随机误差，但是假设的边界函数具有主观性，函数形式准确性对效率值有相当影响。

      非参数化方法最典型的是数据包络分析(DEA)[3]，Seiford和Thrall(1990)[4]研究DEA得出DEA模型所评价的效率前沿具有相当的稳健性的结论以及它相对于其他前沿分析更适合于小样本效率分析的特点，DEA法非常适合港口企业效率的评价。由于DEA这种特点使其得以广泛应用。Martinez(1999)[5]选取工资和费用折扣等指标作为投入，总货物吞吐量、港口利润作为产出，采用BC2和C2R模型对国有港口企业和私营企业的成本效率进行对比研究。陈军飞等(2004)[6]选取流通股股数等作为输入指标，每股收益等作为输出，应用CCR模型对15家港口上市公司侧重于成本的相对经营效率进行了评价。张宝友和黄祖庆(2007)[7]选取职工人数、主营业务成本等作为输入指标，净利润和主营业务作为输出指标，采用R模型和G模型研究2002-2005年间中国物流上市公司绩效。这种方法可以评价不同量纲指标，不需要主观地赋予指标的相对权重，具有较强客观性。

      参数法的特点是考虑了由于统计、观测等因素引起的误差，但其假设的边界函数具有一定的主观性，故评价结果不很精确。另外参数化法和非参数法一样，存在着指标选取的随意性问题。

      本文试图构建基于财务指标的绩效评价指标体系，运用DEA方法R模型和G模型，分析和评价2004-2007年间我国17家上市物流企业绩效，比较港口类和运输类企业绩效的差异，并提出对策建议。

      2 DEA模型建立及分析评价

      2.1 模型的建立

      DEA(数据包络分析)是运筹学、管理学和数理经济学交叉研究的一个新领域。它是由著名运筹学家A.Charnes和W.W.Cooper[8]等人以“相对效率”概念发展起来的一种崭新的效率评估方法。DEA是使用数学规划模型评价具有多个输入和多个输出的“部门”和“单位”(或称决策单元，简记为DMU)间的相对有效性(称为DEA有效)。根据对各DMU观察的数据判断DMU是否为DEA有效，本质上是判断DMU是否位于生产可能集的“前沿面”上。使用DEA对DMU进行效率评价时，可以得到很多在经济学中具有深刻经济含义和背景的管理信息。DEA评价模型特别适用于具有多个输入变量和输出变量的复杂系统，它对决策单元的规模有效性和技术有效性同时进行评价。

      当今最具代表性的“经典”DEA模型有：R模型，B模型、FG模型和ST模型。这四个DEA模型之下的(弱)DEA有效性具有各自的经济含义。本文选用C2R模型和G模型，前者可用于评价决策单元的总体有效性，而后者可用于评价决策单元的纯技术有效性。