基于DEA的我国物流企业绩效评价

      随着物流业的蓬勃发展，作为物流中坚力量的物流企业也受到了理论界和实践界的广泛关注。在物流企业的相关研究中，绩效评价是重要的内容之一。科学的绩效评价不仅能真实反映物流企业的经营状况及发展趋势，还能帮助企业科学决策，对于企业的健康发展具有重要的现实意义。

      为此，学者们运用不同的方法进行了大量研究。这些方法主要有因子分析法[1]，模糊综合评价法[2]，灰色关联分析法[3]，层次分析法[4-5]，数据包络分析(DEA)法等[6-11]。现有的评价方法要么主观性较强，要么计算及建模过程复杂，需要较深的数学知识，或者数据的样本量较少，不够新颖。基于此，文中采用DEA方法，选取2009年我国物流上市公司的最新数据，对物流企业绩效进行评价和分析，为物流企业提高经营效率提供对策和参考。

      1 DEA的基本原理

      数据包络分析(Data Envelopment Analysis)简称DEA，也称为非参数方法或Farrell型有效分析法，是1978年美国著名运筹学家A.Charnes,W.W.Coope和E.Rhodes在“相对效率评价”基础上发展起来的一种新的系统分析方法[12]。此后在实际应用中Charnes、Cooper、Rhodes和我国的魏权龄教授等人进一步发展和完善了该方法[13-15]。该方法主要应用数学规划模型，对具有相同类型的多个输入和多个输出的“部门”或“单位”进行生产有效性评价或处理其他多目标决策问题。其基本思路是：把每一个被评价单位作为一个决策单元（Decision Making Unit，简记DMU），再由众多DMU构成被评价群体，通过对投入和产出比率的综合分析，以DMU的各个投入和产出指标的权重为变量进行评价运算，确定有效生产前沿面，并根据各DMU与有效生产前沿面的距离状况，确定各DMU是否DEA有效；同时应用投影方法指出非DEA有效或弱DEA有效DMU的原因及应改进的方向和措施。

      目前最具代表性的DEA模型有C2R模型、BC2模型、FG模型和ST模型，文中采用C2R模型。用来评价物流企业的“技术有效”性和“规模有效”性。该模型假设有n个DMU，每个DMU都有m种类型输入（表示对“资源”的耗费）以及s种类型输出（表示消耗了“资源”之后表明“成效”的信息量）。

      

      

      

      则规模收益递减。

      2 实证研究

      2.1 决策单元和指标的选取

      

      由于上市公司占据了行业内的绝大部分资本，因而上市公司的经营绩效就是一个行业整体经营水平和竞争能力的缩影。故文中选取截止2009年底沪、深两市上市的24家物流企业作为决策单元进行绩效评价与分析，其中港口类上市公司8家，运输类上市公司15家，仓储类1家。以各公司2009的年报作为数据来源（数据主要来自巨潮资讯和证券之星网站）。

      综合考虑我国物流企业的实际情况和数据的可获得性，文中选取资产总额、员工人数和主营业务成本、作为输入指标，选取税后净利润和主营业务收入作为输出指标。具体数据见表1。

      2.2 模型求解及结果分析

      文中利用澳大利亚新英格兰大学Tim.Coelli编写的Deap2.1进行DEA模型的样本数据处理，得到结果如表2所示。

      

      2.2.1 综合技术效率分析

      从表2所示的DEA计算结果可以看出，2009年整个物流行业平均绩效值只有0.819，还有18.1%的提升空间。在这24家物流上市公司中，深赤湾、锦州港、厦门空港、富临运业、南方航空、保税科技6家公司的综合技术效率达到了DEA有效，即这6家公司在2009年都处于“用现有投入获得最大产出”，以及“在现有产出基础上，投入最小”的理想状态。但是，所选物流上市公司在综合技术效率有效前沿面上的仅6家，只占总数的25%。上述数据说明物流上市公司的综合技术效率较低。

      2.2.2 纯技术效率分析

      由表2看出，相对于总体效率不佳而言，中国物流企业的纯技术效率要好，平均纯技术效率为0.925。24家物流上市公司中除综合技术效率达到DEA有效的6家外，另有中海海盛、大秦铁路、中国中期、上港集团、中海发展、铁龙物流、海南航空7家实现纯技术效率有效，总数量达到13家，占总样本的54.17%，说明我国物流上市公司的纯技术绩效比较稳定，且维持在较高的水准，他们的投入要素组合比较合理。