基于VRS-DEBM模型的航运企业效率实证分析.docxVIP

PAGE PAGE 1 基于VRS-DEBM模型的航运企业效率实证分析 　　 　　卢艺源 吕靖 艾云飞 　　 　　 　　 　　【摘 要】 为给航运企业经营管理提供决策参考依据，共同应对低迷航运市场，针对航运企业整合前后效率的变动规律开展研究，在规模报酬可变条件下构建VRS-DEBM模型，并选取18家主要航运企业数据进行实证研究。结果表明：整合后的大型航运企业在效率方面没有明显优势;航运企业规模效率在整合前后会出现明显波动性，纯技术效率很可能受到航运企业合并时管理模式变化的影响而发生变化，经营效率会逐渐靠近整合前的数值。 　　【关键词】 水路运输;规模效率;VRS-DEBM模型;航运企业;投入导向 　　0 引 言 　　自2021年全球金融危机爆发以来，全球航运市场持续低迷，航运企业为应对国际市场竞争，提高自身市场竞争力，纷纷进行兼并、重组和整合。以航运企业整合为背景，探讨企业规模引起的航运企业效率变化情况，寻求企业发生规模变动时效率变化的规律，将有助于提高航运企业经营管理水平。 　　运用数据包络分析（DEA）法研究航运企业效率的文献有很多，例如：FINN[1]运用DEA模型测算挪威23家航运企业效率;BANG等[2]利用DEA与受限因变量模型（Tobit）回归相结合的两阶段DEA方法分析班轮公司经营效率和财务效率;PHOTIS等[3]针对集装箱、干散货、油船三大类航运企业，建立DEA方法与随机前沿方法（SFA）相结合的两种相对效率模型研究企业效率。也有不少文献运用改进后的DEA方法研究航运企业效率，例如：CHAO[4]建立多级DEA模型评估全球班轮运输公司效率;HUANG等[5]将全球主要集装箱运输公司划分4个战略群体，用带有窗口分析的DEA模型衡量2021―2021年集装箱运输公司效率;TONE等[6]对DEA相关方法研究进行综述，发现DEA改进模型大都没有考虑连续2个时期之间结转活动的影响。在生产经营过程中，有些结转活动会在连续2个时期内对效率产生影响，某一时期效率过程将对下一时期效率过程产生影响;有些活动可能不会在该段时期产生全部效果，但可能在下一时期发挥一定作用。目前只有少数学者对这类情况进行了研究，例如：CUI等[7]在EBM模型中加入中途结转活动因素，提出DEBM（Dynamic Epsilon-Based Measure）模型，在研究效率时考虑企业运营中的动态变化因素;CHAO等[8]利用动态网络DEA模型评估全球13个主要集装箱航运企业效率，并根据这些集装箱航运企业的运营特点，将选取指标分为投入、结转、输出三大类。 　　可以看出，目前对动态DEA方法的研究文献较少，且之前的模型考虑因素没有同时涵盖径向与非径向特征及规模报酬是否可变等方面。 　　在前述研究基础上，本文运用改进DEA方法研究航运企业整合前后效率变动规律，以径向与非径向特征、规模报酬为可变条件，构建VRS- DEBM（Variable Return to Scale - Dynamic Epsilon-Based Measure）模型，并应用2021―2021年18家国内外航运企业上市公司数据，分析测算这些航运企业的运营效率，为航运企业经营管理提供决策依据。 　　1 航运企业运营效率分析模型构建 　　1.1 选取指标 　　借用已有文献方法确定投入产出指标。投入指标从企业营运及财务管理2个方面选取。航运企业主营业务成本体现企业主要经营水平;资本支出间接反映公司规模，资本支出数据默认为因投资活动产生的现金流出。 　　产出指标为主营业务收入、总利润，分别考虑航运企业营运、获利能力。对于不同的航运企业，因主营业务不同，产出指标不能单纯用货运量来衡量，因此選取主营业务收入作为衡量产出指标之一。总利润更能直接反映企业经营获利能力，产出指标值越高表明企业盈利能力越强，反之企业盈利能力越弱。 　　选取员工人数指标来表现企业动态劳动因素指标，将资本存量指标作为其动态指标之一。资本存量指企业现存全部资本资源，考虑数据可得，将总资产作为反映资本存量指标进行研究。总资产为动态理想指标，员工人数为动态自由指标。 　　1.2 构建模型 　　DEA非径向模型中的松弛变量不一定与输入或输出变量成正比，效率评价中可能会失去原有输入或输出比例;因此，需要将径向与非径向特征结合在统一框架内，以期更合理地评价航运企业效率。中途结转活动在T时期作为产出产生、在T+1时期作为投入消耗，分成理想、不理想、自由、固定等4类结转活动，分别表示为：z1为产出，其值不小于观察到的值;z2为投入，其值不大于观察到的值;z3的值可能增加，也可能减少，可能会影响2个时期内的效率但不影响整体效率分数;z4指决策单元控制之外的因素，其值固定不变。 　　基于航运企业规模变动背景，考虑变动规模报酬