基于DEA模型的上市物流公司绩效评价

天津职业技术师范大学Tianjin University of Technology and Education

毕业论文

专业：信息与计算科学

班级学号：0701-35

学生姓名：王雷

指导教师：许茵讲师

二〇一一年六月

天津职业技术师范大学本科生毕业论文

基于DEA模型的上市物流公司绩效评价Study on Performance Assessment of Listed Logistics

Companies with DEA

专业班级：信计0701

学生姓名：王雷

指导教师：许茵讲师

学院：理学院

2011年6月

摘要

应用DEA方法对上市物流公司的物流系统进行绩效评价，目的就是为公司提供更加准确的物流信息，做出正确的决策，提高系统运作效率，通过与同行业的其它公司对比，可以正确判断公司物流系统的相对有效性程度，发现优势和不足之处，并采取相应措施，增强公司的竞争力；通过对公司内连续各年度的对比，可以动态的评价公司物流水平的发展趋势，有利于公司的盈利预期和发展前景的预测。建立一套科学的评价指标体系是运用DEA方法进行评价分析的有效前提和基础，整个评价指标体系分为投入指标和产出指标两类。进行绩效实证分析，并根据评价分析结果存在的问题，提出切实可行的对策建议。

关键词:上市物流公司；DEA(数据包络分析)；绩效评价；投入指标；产出指标；

ABSTRACT

Application of DEA methods listed logistics company logistics system performance evaluation, the purpose is to provide a more accurate logistics information, make the right decisions, improve operational efficiency, through comparison with other companies in the industry, you can correctly judge the company's logistics degree of the relative effectiveness of the system and found strengths and weaknesses, and to take appropriate measures to strengthen the competitiveness of the company; continuously by the company for each year compared to the level of dynamic evaluation of the development trend of the logistics company, is conducive to the company earnings expectations and development outlook. To establish a scientific evaluation index system is to use DEA method to evaluate the effective analysis of the premise and basis of the evaluation index system is divided into two types of input indicators and output indicators. The performance of empirical analysis and evaluation of results based on the problems, put forward feasible suggestions.

Key Words：Data Envelopment Analysis；Listed logistics companies；Performance assessment；Input index；Output index

目录

1 前言 (1)

2 DEA模型的建立与分析评价 (3)

2.1 模型的建立 (3)

2.1.1 方法概论 (3)

2.1.2 运用DEA方法评价企业物流系统效益的可行性与优越性 (3)

2.1.3 模型与模型 (4)

2.2 模型的分析评价 (7)

2.2.1 总体有效性分析 (7)

2.2.2 纯技术效率与纯规模效率分析 (8)

3 实证分析 (9)

3.1 决策单元与指标体系 (9)

3.1.1 决策单元与指标体系的选定 (9)

3.1.2 样本数量的选定 (10)

3.2 数据处理 (10)

4 分析及建议 (12)

4.1分析评价 (12)

4.1.1整体效率分析 (12)

4.1.2纯技术效率分析 (12)

4.1.3纯规模效率分析 (12)

4.2 结论和建议 (13)

4.2.1结论 (13)

4.2.2建议 (13)

参考文献 (14)

附录程序 (15)

1 前言

经济的飞速发展, 竞争的日益加剧使得企业获取利润的空间越来越小。随着第一、第二利润源的开拓越来越困难, 物流作为第三利润源泉, 已经成为新的经济热点。物流行业的发展作为制造业技术升级和降低成本的重要支撑，对全面提高经济社会运行效率、促进经济结构优化、推动经济增长方式转变、实现可持续发展具有重大战略意义。

物流业是融合运输业、仓储业、货代业和信息业等的复合型服务产业，是国民经济的重要组成部分，涉及领域广，吸纳就业人数多，促进生产、拉动消费作用大，在促进产业结构调整、转变经济发展方式和增强国民经济竞争力等方面发挥着重要作用，物流产业振兴事关整个经济的发展，因为如果没有物质实体的交换与流动，就不会有增长的极化和扩散效应，增长极就不会产生，梯度推移也就不会实现，区域经济的基本运转就会中断。

2009年全球经济受经济危机影响整体呈现衰退态势，但是我国物流业克服了国际金融危机影响，实现了止跌回升的良好发展态势，为国民经济平稳较快发展提供了有力支撑。根据发改委资料，2009年全国社会物流总额96.65万亿元，同比增长7.4%，其中一季度下降3.3%，上半年下降0.8%，前三季度由降转升，增长2%，反映出物流需求在经济增长的带动下，平稳回升步伐有所加快。自2005年我国物流业全面对外开放以来，跨国物流企业凭借雄厚的资本、先进的物流设施及丰富的企业管理经验大举抢占国内物流市场，使得我国本土物流企业面临严峻的挑战。在这样的背景下，如何提高我国物流企业的效率，对于加快我国物流业的发展，进而推动整个经济的发展都具有十分重要的现实意义。物流企业的绩效评价问题实际上是研究物流企业投入最小化和产出最大化的问题，也就是物流企业的经济效益和效率问题。

目前，我国物流产业正迅速发展壮大，部分优秀物流企业已经开始进入股票市场，给股票市场注入了活力。我国沪深股市现有物流类上市公司70家，70家物流类公司中包括主营物流业务的上市公司以及经营物流相关业务的上市公司。港口水运29家，交运物流23家，高速公路18家。主营物流业务的上市公司有6家，即新宁物流、铁龙物流、外运发展、招商局、中储股份、中集集团。从各上市公司从事物流活动的内容来看，几乎涵盖了仓储、运输、配送、包装加工、代理、信息服务等物流全过程。值得注意的是，介入物流业的上市公司几乎都是依靠拓展主业或在原有主业的基础上转型而来。港口、机场、仓储、交通运输类等传统的流通领域企业，通过自身主营业务的扩展介入物流业，提供第三方物流服务，包括盐田港、上港集团、中海集运、营

口港等。

对上市公司经营效率进行综合评价的方法很多,如数据包络分析（DEA）、模糊数学、灰色系统理论、理想点法等,均取得了一定的效果。DEA是最典型的非参数化方法，能同时考虑多投入、多产出的情形,并且对多个同类企业可以进行横向的评价比较，对一个企业也可以纵向作不同年份的DEA分析,能有效地对上市公司的经营效率进行度量。相对于其他方法，DEA最大的优点就是不需要确定输入、输出之间的关系的显式表达，而是利用观测到的有效样本数据，采用线性规划技术确定系统的有效前沿面，进而得到各决策单元的相对效率等方面的信息。DEA方法排除了很多主观因素的影响，具有很强的客观性。因此，国内外有很多学者利用DEA对物流公司进行绩效评价，实践也证明此方法切实可行。

2 DEA模型的建立与分析评价

2.1 模型的建立

2.1.1 方法概论

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。这些方法原理相似,主要差别是关于误差的假设不同。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), 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。

2.1.2 运用DEA方法评价企业物流系统效益的可行性与优越性

目前, DEA方法已成功地用于军机的飞行、基地维修保养和城市评价以及银行、电力、组织、商业等企业的相对效率评价，且获得了较好的效果。DEA方法的运用要求被评价对象间具有可比性，这样,“相对效率”的概念才能有意义。企业特别是制造企业的物流系统, 因为具有相同或相似的系统界定、约束、价值准则和环境因素，因此，企业物流系统具有DEA方法所要求的可比性，DEA方法用于企业物流系统经济效益的评价是可行的。不仅如此, 用DEA方法评价企业物流系统经济效益还具有如下优越性。

一、DEA方法能有效地对物流系统经济效益进行评价

企业物流系统是一个多环节、多层次的复杂系统,各个输入和输出之间存在某些复杂的关系，各子系统之间相关性影响大，整个系统很难统一描述。而运用DEA方法，

则避开了对这些交互作用与关系影响的显性表示,通过确定“有效前沿面”中被评价对象的相对有效性对其定位，从而对某企业物流系统经济效益给予有效的评价。另外，企业物流系统也是一个多目标的动态系统,对其经济效益的评价需要从不同的侧面、用不同的指标加以描述,而这些指标往往不能用同一量纲加以表述。而用DEA方法则无需考虑量纲同一化问题,这样,对物流系统效益的评价也就更加准确、有效。

二、DEA方法为物流系统经济效益的改善提供明确的改进方向和目标

运用DEA方法分析企业物流系统经济效益, 可以确定出各个被评价的物流系统在有效前沿面上的投影,从而得到其在同行业中在相应的物流系统投入情况下所产生的最佳效益,也就是获得相应的时间效益和空间效益，或者是获得相同的时间效益和空间效益,而这一相应的物流系统投入即为该企业对其物流系统的最小投入，从而给企业管理者提供改进的目标和方向。

三、利用DEA方法可以分析出各个被评价对象相对规模收益的情况

企业物流子系统间普遍存在着“效益背反”现象,即物流系统的若干功能要素之间存在“成本交替损益”的矛盾。也就是说某一功能要素的优化和取得利益的同时，必然会引起存在另一个或几个功能要素的利益损失,反之亦如此。企业物流系统的这种“效益背反”现象,就使各子系统要求体现某种规模收益,进而体现在物流系统整体的规模收益。而利用DEA方法可通过规模效率来反映出物流系统的规模收益, 可为决策者改进企业物流系统提供有价值的参考。

四、DEA方法为企业物流系统评价指标体系的正确建立提供反馈信息

通过DEA方法可以对物流系统的评价结果加以统计分析，了解影响企业物流技术有效的主要因素，从而便于企业采取措施，重点突破，提高企业物流系统经济效益，进而提高整个企业的经济效益。同时，在统计分析时，通过增减某个指标，分析企业物流系统经济效益的有效性变化，得出评价对象对输入输出指标的依赖情况，从而分析调整企业物流系统经济效益评价分析的指标体系

C GS模型

2.1.3 2C R模型与22

Seiford和Thrall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法非常适合物流企业效率的评价。由于DEA这种特点使其得以广泛应用陈军飞等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2C R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。张宝友和黄祖庆选取职工人数、主营业务成本等作为输

C GS模型研究2008-2010入指标，净利润和主营业务作为输出指标，采用2C R模型和22

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。

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2C R 模型和

22C GS 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。分析和评价2008-2010年间我国16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。

2C R 模型是假设有N 个决策单元（本文为上市物流公司），每个决策单元j DMU 都有m 种类型的输入和s 种类型的输出，这里做如下设定：ij X =第j 个决策单元对第i 种类型输入的投入总量，ij X 0>，rj Y =第j 个决策单元对第r 种输出类型的产出总量，

rj Y 0>， i 1,2,3,...m =；r 1,2,3,...s =；j 1,2,3,...n =。设投入、产出的权向量分别为：

()T

1,2,i,v v v ...v =，()T

1,2,r,u u u ...u =，则j DMU 的效率可以表示为：

T j j T j

u Y h v X =

（1）

如果对第0j 个DMU 进行评价，记为0DMU ，其投入为0X ，产出为0Y 则第0j 个DMU 相对效率2C R DEA -评价模型为：

Max T 00T 0

u Y h v X =

s.t T T j j u Y v X 0-≤ j 1,2,3,...n = u 0,v 0≥≥ （2） 把式（2）转化成线性规划：

Max T 0u Y

s.t T T j j v X -u Y 0≥， j 1,2,3,...n = T 0v X 1=

u 0,v 0≥≥ （3）

此线性规划的对偶问题为：

Min θ

s.t

n

j

j

j

j 1

X -X

0=λρ≤∑

n

j j

j 1

Y -Y

0=λ≤∑

j 0λ≥， j 1,2,3,...n = （4）

加入i0s +，r0s -为松弛变量，ε为非阿基米德数（ε设定为710-）

，则得到模型一。 模型一：

n

s

0i0r0i 0

r 1

Min{(s s )}+

-==ρ-ε+∑∑

s.t n

j ij i0

0i0j 1

x s x +

=λ+=ρ∑ i 1,2,3,...m = j rj r0r0y s y -

λ-=∑ r 1,2,3,...s =

j 0λ≥ j 1,2,3,...n =

0i0r0,s ,s 0+-ρ≥

（5） 模型一假设0DMU 规模报酬是固定，即0DMU 的规模大小对其效率值是没有影响的，但由于环境变化等原因，此假设显然不符合实际情况。因此本文在模型一的基础上加n

j j i 1=λ=∑的限制条件既得22C GS 模型

模型二：

n

s

0i0r0i 1

r 1

Min{(s s )}+

-==θ-ε+∑∑

s.t n

j ij i0

0i0j 1

x s x +

=λ+=θ∑ i 1,2,3,...m = j rj r0r0y s y -

λ-=∑ r 1,2,3,...s =

n

j j 1

1=λ=∑ j 1,2,3,...n =

j 0λ≥

0i0r0,s ,s 0+-θ≥ （6）

MATLAB 中解线性规划问题使用函数linprog 求极小值

T eq

eq min f x ,Ax b,A x b ,lb x ub.??

≤??=??≤≤?

本文中DEA 模型可由[x,f]=linprog(f,[],[],Aeq,beq, lb,ub)来求解

2.2 模型的分析评价

2.2.1 总体有效性分析

图1-1 2C R 模型分析评价思路

令**0i0r0,,s ,s +-

ρλ是模型一的最优解，则利用DEA 判断决策单元总体有效性的法则：

○

1若*

1ρ=，且*s 0+=，*s 0-=，则决策单元为DEA 有效,即在N 个决策单元组成的

经济系统中,在原投入0X 的基础上所获得的产出0Y 已达到最优；○2若*01ρ=，且

*s 0+≠，*s 0-≠，则决策单元为DEA 弱有效, 即在这N 个决策单元组成的经济系统中, 对原投入0X 减少*s -可保持原产出0Y 不变, 或在投入不变的情况下可将产出提高

*s +；○3若*01ρ<，则决策单元为DEA 无效,即在这N 个决策单元组成的经济系统中, 可通过组合将投入降为原投入0X 的*0ρ比例而保持原产出0Y 不减；○4若存在*j λ，使

2C R 模型成本效率分析

成本有效

*01ρ=

成本无效

*01ρ<

2C R 模型规模有效性分析

规模收益递增

n

*

j j

1λ<∑

规模收益递减

n

*j j

1λ>∑ 规模收益不变

n

*j j

1λ=∑

n *j

j

1λ

=∑，则DEA 为规模收益不变；若n *

j

j

1λ>∑，则DEA 为规模收益递减；若n *j j

1λ<∑，

则DEA 为规模收益递增。

2.2.2 纯技术效率与纯规模效率分析

令**0i0r0,,s ,s +-

θλ是模型二的最优解，则有如下结论：○

1若*

1θ=，则决策单元为

DEA 纯技术有效；○2若*1θ<，则决策单元为DEA 纯技术无效；○

3若*1θ=，且*s 0+=，*s 0-=，则决策单元为弱DEA 纯技术有效。

根据DEA 理论，决策单元的总体效率*ρ，纯技术效率*θ和纯规模效率*S 三者之间存在着如下恒等关系：***S /=ρθ，据此可计算出决策单元的纯规模效率。

3 实证分析

3.1 决策单元与指标体系

3.1.1 决策单元与指标体系的选定

决策单元是指投入一定数量的生产要素,并有一定数量产出的物流上市公司。按照2001年中国证监会出台的《上市公司分类指引》为依据,选择了在深沪两地上市的共16家物流企业为样本,各物流企业的名称以证券交易所为准。在这16家企业中, 为了便于比较按其性质又分成港口类和运输类两类，其中港口类上市公司7家，运输类上市公司9家。用DEA 分析公司总体效率和规模效率, 就不宜将各公司具体的原材料、产成品产值等作为投入产出指标,因为各公司由于经营范围不相同，原材料、产成品等也就各不相同。而数据包络分析的主导原则是:在某一视角下,各DMU 有相同的输入和输出。我们将公司界定为利用其掌握的资产,通过经营获得盈利的同质机构,以此评价其相对率。选择的投入指标主要是涉及企业资产类的指标,包括资产总额（1I ）、主营业务成本(2I )，具体数据见表2-1；产出指标主要是涉及企业获利能力的指标, 包括主营业务收入(1O )、净利润(2O )以及每股收益(3O )，具体数据见表2-2。这5项指标基本上能反映中国物流上市公司的经营绩效，各项指标数据取自于2008-2010年各公司年报。

表格2-1 16家上市物流公司投入指标

分类

公司名称 资产总额（万元） 主营成本（万元）

08 09 10 08 09 10

港口类

中远航运

712466 732822 1011969 457989 326170 343590 中海发展 3002859 3392954 4071017 1111077 726041 893084 上港集团 5908129 6334699 6589466 896299 916464 996825 招商轮船 1434678 1466109 1623347 147817 136328 190537 深赤湾A 515372 552787 620218 81591 67106 73303 天津港 1984965 2144085 2231146 817375 693260 823525 连云港 239316 245590 305533 65895 68962 86868 运输类

中国中期 55942 92106 50065 6021 7871 6931 中储股份 795521 842751 947668 1511779 1314145 1740186 中集集团 3455786 3735838 5413064 4144686 1697462 4306576 铁龙物流 264970 306988 350116 99499 97791 144123 新宁物流 13373 40171 41035 6972 9946 15192 大秦铁路 6242433 8299759 10014621 1109954 1158219 2292155 广深铁路 2892719 2935741 3060449 816006 859942 917876 外运发展 465415 537575 614206 316064 199110 309362 保税科技

34606 48306

103000 2956 13570

64453

在投入方面：资产总额是指某一经济实体拥有或控制的、能够带来经济利益的全

部资产,反映公司的整体实力；主营业务成本直接关系到企业的产出效益。

在产出方面：公司生产经营最终的目的就是盈利。净利润是衡量公司效益最频繁的指标；主营业务收入是指企业在从事销售商品，提供劳务和让渡资产使用权等日常经营业务过程中所形成的经济利益的总流入，可反映公司盈利能力的大小；每股收益反映了公司的股本扩张能力。

表格2-2 16家上市物流公司产出指标

分类

公司名称 主营收入（万元） 净利润（万元） 每股收益（元）

08 09 10

08 09 10 08 09 10 港

口类

中远航664471 369015 415979 144822 13550 33995 1.11 0.10 0.26 中海发1754563 891445 1139893 537300 106479 171652 1.58 0.31 0.5 上港集1770389 1617034 1865515 461933 376004 541712 0.22 0.18 0.26 招商轮318434 183472 257294 123312 34312 61580 0.36 0.10 0.18 深赤湾185571 141858 168923 64289 41886 59668 1.00 0.65 0.93 天津港 1073535 923252 1076686 94181 64326 80327 0.57 0.38 0.48 连云港 98103 98583 121389 10177 7339 11052 0.19 0.14 0.21 运输类

中国中10905 12152 8424 941 573 1431 0.04 0.02 0.06 中储股1607138 1399591 1834310 15455 18258 27772 0.21 0.25 0.33 中集集4641728 1981949 5066342 140690 95896 300185 0.53 0.36 1.13 铁龙物152261 156685 218553 29458 37148 47641 0.29 0.37 0.47 新宁物14151 18087 24606 2070 2635 1694 0.46 0.37 0.19 大秦铁2193422 2273921 4082629 662817 714668 1041083 0.45 0.48 0.70 广深铁1082235 1151148 1258085 121182 135732 155589 0.17 0.19 0.22 外运发328018 218285 339188 62779 22907 44611 0.69 0.25 0.49 保税科

11222 24629

80029

3528 5435

7634 0.20 0.30 0.43

3.1.2 样本数量的选定

关于评价企业的样本数量问题是由投入和产出变量的数量所决定的。下列关系式把分析中设定评价企业样本数量为K 和所考虑的投入种类数为N 与产出种类数为M 联系出来，它是基于实证发现和DEA 实践的经验：K ≥2(N+M )。本文中选取16家上市物流公司为样本，符合样本数量的要求。

3.2 数据处理

根据所选取的2008-2010年投入产出指标数据（表2-1、2-2），把数据带入模型一和模型二，使用MATALB 进行优化求解，计算2008-2010年16家上市物流公司的总体效率*ρ，纯技术效率*θ和纯规模效率*0S ，由***S /=ρθ计算纯规模效率,结果见表2-3

表格2-3 模型一、模型二最优解*0ρ、*

θ、*0S 年份 2008 2009 2010

分类 公司名称 *0ρ

*0θ

*0S

*0ρ

*0θ

*0S

*0ρ

*0θ

*0S

港口类 中远航运

0.4536 0.5877 0.7718 0.6616 0.8425 0.7853 0.7727 0.8494 0.9097 中海发展 0.5109 0.6028 0.8475 0.2678 0.3018 0.8873 0.2723 0.3704 0.7352 上港集团 0.9884 0.9989 0.9895 0.2824 0.4952 0.5703 0.2717 0.3280 0.8284 招商轮船 0.5233 0.5779 0.9055 0.4115 0.4583 0.8979 0.4725 0.6724 0.7027 深赤湾A

0.7102 0.7637 0.9299 0.4126 0.4216 0.9787 0.6037 0.6236 0.9681 天津港 0.8714 0.9379 0.9291 0.5441 0.8786 0.6193 0.3953 0.4177 0.9464 连云港

0.5629 0.6237 0.9025 0.3133 0.3774 0.8302 0.5463 0.6505 0.8398 港口类平均值

0.6601 0.7275 0.8966 0.4133 0.5393 0.7664 0.4764 0.5589 0.8524 运输类

中国中期 0.5460 0.5723 0.9540 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 中储股份 0.1781 0.3175 0.5609 0.4360 0.5364 0.8128 0.4351 0.4932 0.8822 中集集团 0.2386 0.4809 0.4962 0.3557 0.8827 0.4030 0.3827 0.4103 0.9327 铁龙物流 0.6071 0.6931 0.8759 0.3228 0.6634 0.4866 0.6628 0.6970 0.9509 新宁物流 1.0000 1.0000 1.0000 0.8562 0.9856 0.8687 1.0000 1.0000 1.0000 大秦铁路

0.9956 0.9982 0.9974 0.9016 0.9065 0.9946 1.0000 1.0000 1.0000 广深铁路 0.9121 0.9229 0.9883 0.3234 0.4342 0.7448 0.3594 0.3615 0.9942 外运发展 0.4109 0.4225 0.9725 0.9852 1.0000 0.9852 0.5758 0.6122 0.9405 保税科技

1.0000 1.0000 1.0000 0.8523 0.9524 0.8949 0.9875 1.0000 0.9875 运输类平均值 0.6543 0.7119 0.8717 0.6704 0.8179 0.8196 0.7115 0.7305 0.9740 总体平均值 0.6572 0.7197 0.8841 0.5418 0.6786 0.7930 0.5939 0.6447 0.9132

4 分析及建议

4.1分析评价

4.1.1整体效率分析

从表2-3中可以看出,16家上市物流公司2008-2010年总体效率分别为0.6572、0.5418、0.5939，反映出2008年金融危机对整个物流行业的严重影响，还有改进和提高的余地。从整体来看，运输类上市公司比港口类上市物流公司的总体效率高，如2009年（0.6704（运输类）＞0.4133（港口类）），受全球经济危机影响，我国进出口贸易总额急剧下滑，沿海中小企业（出口导向型）纷纷破产倒闭，港口类物流企业受到严重拖累，中海发展、上港集团、连云港业绩下滑最为严重，其2009年整体效率分别为0.2678、0.2824、0.3133。相对而言，运输类物流企业因为国内大力开展基础设施建设和国家4万亿扶持计划，受经济危机影响较小，主营收入和净利润甚至呈逆势增长。得益于国家的有力应对措施，物流企业经历2008-2009年的严酷考验之后，正处于快速恢复状态中，大秦铁路、中国中期、新宁物流等三家企业的整体效率值为1.0000，说明一些企业已经开始扭亏为盈。造成物流行业总体效率不高的原因有多方面，除了金融危机这一不可回避的大方向外，还存在着投入结构不够合理，产出效益

不高（如程序结果显示，各物流企业的i0r0

s ,s +-值明显过大）等现象。因此，需要对投入结构进行适当的调整，或者加强投入资源的管理，通过增加产出来提高投入产出效率。

4.1.2纯技术效率分析

从表2-3的*0θ值可以看出，新宁物流20008、2010年度均保持纯技术DEA 有效,中国中期、大秦铁路、保税科技等也各有年度保持纯技术DEA 有效。另从大类上看,2008年运输类物流企业的纯技术绩效值要略低于港口类的,前者为0.7119,后者为0.7275，而2009年港口类为0.5393,运输类则为0.8179，二者相差将近30个百分点，2010年两者的差距仍然达到18个百分点。从这些数据可以看出,中国上市物流企业（尤其是运输类）的技术绩效比较稳定。 4.1.3纯规模效率分析

从规模效率来看，2008年样本中上市物流公司规模效率有效的企业有2家，2009年规模效率有效的企业只有中国中期一家，2010年则有中国中期、大秦铁路、新宁物流三家，港口类物流企业因受金融危机影响严重，7家样本公司中没有一家规模有效，

但相对于纯技术绩效较好而言，我国物流企业的规模绩效尚可，三年度平均值分别为0.8841、0.7930、0.9132，各公司的规模绩效值比较接近，说明我国上市物流企业都具有一定的规模优势。

4.2 结论和建议

4.2.1结论

研究表明：我国物流上市公司总体效率不高，并且在效率上存在显著差异；从大类分析, 运输类与港口类物流公司的总体效率差异逐年扩大，港口类物流公司DEA有效公司的数量少于运输类公司；从纯技术有效性分析，我国物流上市企业的纯技术效率比较稳定,但是它们的投入要素组合不尽合理，没有取得较好的产出效果。从规模效率分析，我国物流上市企业的规模效率较好。由此可见，造成我国物流上市企业总体效率不高的主要原因是纯技术效率不佳而非规模效率。

4.2.2建议

各企业应客观了解和评价自身物流竞争实力和相对物流效率水平，并与其他实力相当的同业进行比较分析,衡量自身的综合物流效率状况。本文研究发现造成物流行业效率低下的原因主要在于纯技术效率，同时，规模效率也有待提高。针对此点，给出以下建议：

一、提高纯技术效率：首先,要加快企业物流信息化建设,利用信息技术来提高业务的信息化程度,加快与同行业的信息联系;其次,应注重通过技术改造与更新,进一步提升产品/服务档次,中国物流企业虽然资产总量在不断增加,但质量往往没有实质性的提高,这阻碍了物流企业效率的持续改善,因此中国物流企业在扩大资产规模时应注重技术改造,注重质量的提升;最后,要强化企业内部管理,优化管理模式,提高人财物等资源的配置效率,努力降低物流成本。

二、提高规模效率:一方面,要按照国外标准物流企业的范式增加业务范围。目前中国绝大多数物流企业是从传统运输公司、仓储公司转型而来的,只是简单地提供运输和仓储服务,或者仅仅从事货代业务,港口类物流企业有时也并不具备完备的物流职能,所以中国物流企业应该进一步拓展物流功能,注重向流通加工、物流信息服务、库存管理、物流成本控制、物流方案设计、全程物流服务等增值服务项目延伸,业务范围的扩大有助于企业提高利润及规模效率;另一方面,提高规模效率还可通过资产重组来实现,可凭借已有的优势,整合优质资源,实行低成本扩张,迅速抢占市场份额,但是这种规模扩张要适度,要防止规模报酬递减现象的发生。此外,物流上市公司在拓展业务时还应考虑区域经济因素的影响,应注重向区域经济较发达地区(如泛珠江三角洲、长江三角洲)扩张业务,以更有效地学习行业先进经验,促进效率的改进。

参考文献

[1] Cullinane K,Song D W,Gray R. A stochastic frontier model of the efficiency of major

container terminals in Asia: assessing the influence of administrative and ownership

structures.Transportation Research Part A,2002,(36):743- 762.

[2] LiuZ.The comparative performance of public and private enterprises.Journal of

Transportation Economics and Policy,1995(September):263- 274.

[3] Charnes A,Phodes E. Measuring the efficiency of DMU.European Journal of

Operational Research, 1978，(2): 429- 444.

[4] Martinez B E,Diaz A R , Navarro I M, etc. A study of the efficiency of Spanish port

authorities using data envelopment analysis.International Journal of Transport

Economics,1999,26(2):237- 253.

[5] 匡海波,陈树文.中国港口生产效率研究与实证.科研管理, 2007, (28) : 170 - 177.

[6] 陈军飞,严以新.用数据包络分析法对港口水运上市公司经营效率的评价.上海海

运学院学报,2004,25(1): 51- 55.

[7] 张宝友,黄祖庆.我国物流上市公司的绩效评价[J].统计与决策，2007,（4），83-

85.

[8] 马军.中国物流年鉴2010.北京:中国物资出版社,2010.

[9] 魏权龄.数据包络分析.北京：科学出版社，2004.

[10] 汪旭辉，徐健.基于超效率CCR-DEA模型的我国物流上市公司效率评价:（学士学

位论文）. 辽宁:东北财经大学,2009.

[11] 匡海波, 中国港口效率测度研究[D ]. 大连: 大连理工大学, 2007.

[12] 吴文江.技术有效的决策单元与DEA 有效性:(学士学位论文).北京：北京工业大

学，2005.

[13] 范春梅,辛若朋.物流绩效评价研究现状综述.理论探讨，2004,(9）.

[14] 东方财富网.2008-2010年物流上市公司财务数据. https://www.360docs.net/doc/d82087417.html,.

附录程序

模型一

function [x1,k]=f(x1,x2,y1,y2,y3)

f=[1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1e-6 -1e-6 -1e-6 -1e-6 -1e-6 ];

I 1 0 0 0 0

Aeq=[-x1 代入数据

1

I0 1 0 0 0

-x2 代入数据

2

O0 0 -1 0 0

0 代入数据

1

O0 0 0 -1 0

0 代入数据

2

O0 0 0 0 -1 ];

0 代入数据

3

beq=[0;0;-y1;-y2;-y3];

lb=[0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0];

ub=[1;Inf;Inf;Inf;Inf;Inf;Inf;Inf;Inf;Inf;Inf;Inf;Inf;Inf;Inf;Inf;Inf;Inf;Inf;Inf;Inf;Inf];

[x,fval]=linprog(f,[],[],Aeq,beq,lb,ub);

k=fval;

x1=x;

I

x=[代入数据

1

I];

代入数据

2

O

y=[代入数据

1

O

代入数据

2

O];

代入数据

3

for i=1:16

x1=x(1,i);

x2=x(2,i);

y1=y(1,i);

y2=y(2,i);

y3=y(3,i);

[p(i,:),k(i)]=f(x1,x2,y1,y2,y3);

end

k

p