基于DEA-malmquist指数的交通运输上市企业动态效率实证分析

China Business and Market - - CHINA BUSINESS AND MARKET -

doi:10.14089/j.cnki.cn11-3664/f.2017.12.011

引用格式:李守林,赵瑞,陈丽华.基于DEA-malmquist指数的交通运输上市企业动态效率实证分析[J].中国流通经济,2017

(12):92-100. 李守林,赵 瑞,陈丽华

100871) (北京大学,北京市 摘 要:交通运输行业是国民经济的命脉产业,其投入产出效率的改进和提高事关整个国民经济的顺利运

DEA-Malmquist

行。利用 指数,从技术效率变化、纯技术效率变化、规模效率变化、技术进步等指标入手,实证分

2010—2016 80家上市企业全要素生产率发现,2010—2016

析 年我国交通运输行业 年我国交通运输行业平均全要素生产率整体呈下降趋势,但幅度较小,且不同年份下降的原因不同。其中,港口、公交、航空运输、航海运输、机场、铁路运输、物流七个类别的企业尽管并非全部下降,但均存在波动。整个交通运输行业投入产出效率的提高需要社会以及企业自身多方面的努力。对政府和整个行业而言,要更多关注民营企业和中小企业,为它们提供政策扶持与资金支持,通过创造平等而自由的竞争环境来促进交通运输行业健康发展;对交通运输企业而言,要持续进行技术投入,硬件软件两手抓,在确保技术效率进步的同时实现规模扩大与规模效率提高,达到技术投入与管理水平的双赢。

关键词:曼奎斯特指数;交通运输;上市企业;效率评价

中图分类号:F273 文献标识码:A 文章编号:1007-8266(2017)12-0092-09

基础,其用途在于评价各决策单元(DMU)之间的一、引言

相对有效性,是一种定量的投入产出效率分析方

班克(Banker R D)等 引进谢泼德(Shep⁃法。[1] [2] herd)的概念,并根据其概念将技术效率进一步深入分解为规模效率、纯技术效率两个部分。法瑞尔(Farrell M J)

[3]采用非参数方法构建了使用面板数据测度全要素生产率(Total Factor Productivity, TFP)变动的专门方法。汪旭晖等

[4]以我国上市物

2004—流企业财务及创新数据为基础,分析了

2008

年的自主创新指标,对相关上市企业自主创

交通运输行业始终是国民经济的命脉产业,投入大,产出慢。交通运输企业大多是重资产企业,需要较大的投入,且这类企业并不仅仅具有营利性,其更为重要的作用是提供公共基础服务。本文采用基于数据包络分析方法的曼奎斯特指数

DEA-Malmquist

(简称 指数)对交通运输企业进行效率分析,探索有效的改进方法。

数据包络分析(DEA)方法以线性规划为理论

收稿日期:2017-08-30作者简介:李守林(1980—),男,山东省日照市人,北京大学光华管理学院博士后,主要研究方向为物流信息化、供应链管理;赵瑞(1993—),男,山西省大同市人,北京大学光华管理学院博士研究生,主要研究方向为物流与供应链管理;陈丽华(1962—),女,吉林省吉林市人,北京大学流通经济与管理研究中心主任、联泰供应链系统研究发展中

心主任,教授,博士生导师,博士,主要研究方向为流通经济与管理、供应链管理、供应链金融。

[5]通新能力影响因素进行了实证分析。马海良等过研究能源效率与全要素生产率变动的关系,分析了导致效率提高的原因,进而提出了节能工作的建议。未小刚 [6]研究了九家体育用品上市企业的财务数据,运用基于数据包络分析方法的曼奎斯特指数对这些上市公司的经营效率进行了分析。黄森 [7]引入环境污染项作为“坏”产出并构建方向距离函数,进而运用曼奎斯特—卢恩伯格(Malmquist-Luenberger)指数对交通基础设施全要素生产率及其分解指数进行测算,并基于空间视角分析国内流通需求对环境约束下交通基础设施全要素生产率的实际影响。杨清可等 [8]分析了1996—2010

年产业发展的时空演变以及效率变化情况,提出了改善产业投入产出状况的定量调整方法。范林榜 [9]发现,我国上市物流企业技术效率存在两极分化的现象,这与股权集中度以及董事会独立性存在比较强的关联,而要改善物流行业整体效率,应当调整规模效率较低的物流企业经营规模,上市物流企业应当提高股份集中度和董事会中独立董事的占比。董誉文[10]采用省际面板数据,从产业层面和地区层面入手,综合使用索

DEA-Malmquist

洛余值和 指数,对中国商贸流通业增长方式的转变和效率的变化进行系统性分析发现,现阶段我国商贸流通业增长方式仍然是以要素积累为主的粗放型增长方式,具备资本、劳动双驱动特征,且全要素生产率全面显著恶化。范璐

2006—2013 48

等 [ 11 ]在对 年 家上市物流企业投入要素价格变化进行量化处理的基础上,建立了上

Cost-Malmquist

市物流企业 指数,扩展了基于成本

Malmquist

函数的 指数,并将其变动进一步分解为技术效率变动、技术进步变动、配置效率变动以及

Malmquist价格因素变动四个部分,与传统的 指数

2012进行了对比。胥朝阳等[ 12 ]以 年发生并购的交通运输制造业上市企业为样本,采用非参数DEA-Malmquist

模型,对交通运输制造业并购前后全要素生产率变动及其分解指数变化情况和并购样本个体绩效状态进行了研究。

由现有文献可以看出,目前国内对基于数据包络分析方法的曼奎斯特指数有了较为广泛的研究和应用,但这些研究仍然存在一些不足之处。比如,大多数研究选取的决策单元数量较少,部分文献的决策单元数量甚至是个位数,这在运用 DEA

方法进行研究的过程中可能会导致偏差的出现。大多数研究在进行分析时所选取的产出指标

DEA太少,甚至有些研究仅有一个产出指标,而 方法却是一种多投入多产出的效率评价方法。目前,涉及交通运输领域的研究很少,加之交通运输业本身所具有的复杂性,如企业类别众多,不同企

80业之间差异较大等,因此本文选取 个交通运输企业,并根据其类别的不同进行分析。

二、模型与数据

(一)DEA

模型传统的线性规划模型由多个投入指标和一个产出指标构成,而实际中很多问题会涉及多个投入指标和多个产出指标,DEA

方法就是一种多投入多产出的效率评价方法。到目前为止,人们已

DEA DEA经研究出了多种 模型,其中最基本的 模

CCR DMU,m

型就是 模型。假设有n个 个投入指标,s个产出指标,则可构建模型如下:

Min θ

k

+ S- = θXk

s . t . - S+ =Y

k λ,S-,S + ≥0

其中,X 是一个m行n列的矩阵,表示所有DMU

的投入指标;Y 是一个s行n列的矩阵,表示DMU的产出指标;Xk DMU

所有 表示第 k 个 的投入指标;Yk 表示第k 个DMU的产出指标;S-

和 S +是松弛变量;λ和θ是决策变量。 Xk、Yk、λ均为列向量。

=1,则第如果模型中第k个θ 的最优值θ * k

k

DMU DEA

个 为弱 有效;如果同时满足所有的S-、S+ =0,则第 DMU DEA

k个 为 有效,说明当年的投入产出组合已经达到最佳匹配,且不存在投入

<1,则第 DMU冗余和产出亏空的情况;如果θ * k个

k

DEA

不是 有效,说明管理和技术投入有偏差,存在投入浪费现象,投入产出组合距离最优值仍然有差距。

CCR模型这种规模报酬不变(CRS)的模型与

不同,BCC Iλ=1,建

模型可以通过对权重增加约束

立如下规模报酬可变(VRS)的模型:

Min θ k

+ S- =

Xλ θX

k

- S+ =Y

s.t. Yλ

k

=1

Iλ λ,S-,S + ≥0

1 1

其中,I 为 行n列全部为 的行向量。(二)Malmquist

模型

Malmquist为了得到面板数据下的 指数,需要引入距离函数D (x',y')。第i个DMU t

在t时刻的i

Malmquist

指数可以表示为:

D(xt t +1 ,y +1 t

= t i

M i t

D( xt , yt )

i

这个指数的提出是为了评测t时刻所处技术

t+1

环境下,t时刻到 时刻技术效率的改进。为防止前沿技术参考系选择上的随意性,费尔(Färe R)

Malmquist等[ 13 ]使用以产出距离函数构建的两个指数的几何平均进行测量:

(

M0 xt +1 ,yt +1 ,xt,yt)

1/2

(xt t +1 ,y t +1

t t

= D0 0

) D +1 (xt +1 ,y +1 ) t t

D( xt , yt ) D +1 ( xt , yt )

0 0 t )和 t

其中, D ( xt , yt D (xt t +1 ,y +1 )分别是以t

0 0

t+1时刻前沿技术为参考的t时刻和 时刻的产出距+1

t t离函数。与之类似, D ( xt +1 ,yt +1 )和D +1 ( xt , yt )

0 0 t+1 t+1分别是以 时刻前沿技术为参考的t时刻和时刻的产出距离函数。

在上式中,Malmquist

指数被分解为效率的变 化和技术进步的变化两个部分。

D t +1 ( xt +1 ,yt + 1)

( )= M0 xt +1 ,yt +1 ,xt,yt 0 ×

D( t xt , yt )

0

1/2 t xt +1 ,y +1 D(0 t xt,yt)

t

D(0

) t D t +1 ( xt , yt )

D +1 ( xt +1 ,yt +1)

0 0

可以写为:

( )

xt +1 ,yt +1 ,xt,yt EC TC

M0 = ×

上式中的EC为规模报酬不变且要素随机处理条件下的相对效率变化指数,可进一步分解为纯技术效率变化(PEC)和规模效率变化(SEC)两部分。因此,上式可进一步表示为:

(

M0 xt +1 ,yt +1 ,xt,yt) = PEC × SEC × TC (三)数据来源

1.

样本选择

84交通运输板块上市公司共有 家,搜索的时

2010—2016 84间区间为 年,共计七年。以上述 家企业作为初始样本进行数据收集,数据来源为这些企业的年度报告(2010—2016

年)。数据收集完成之后,删除部分存在数据缺失的样本以及数据

80不完整的样本,最终得到家交通运输上市企业

80并以之作为样本。在最终得到的 家上市企业

17家港口企业,7家公交企业,4

中,有 家航空运输企业,13家航海运输企业,3家机场企业,2

家铁路企业,16 18

家物流企业,其余的 家企业也属于交通运输板块,但并未进行细分,因此不再一一列示。

1。

各企业相关信息参见表

2.

投入产出变量

Newspapers in Chinese (Simplified)

Newspapers from China

© PressReader. All rights reserved.