我国冷链物流上市公司效率差异及动态演化分析
——基于DEA-Malmquist模型的实证研究

吴鑫雨，苗成林，孙丽艳，孙新秀

(安徽理工大学 经济与管理学院，安徽 淮南 232001)

近年来，“冷链物流”一词在物流行业成为热点词汇，其发展相当迅速。目前来说，其效率相比于发达国家却仍然滞后，据前瞻网数据：果蔬流通率和运输率与发达国家相比相差60%左右，其货损率相差20%左右。在生鲜冷冻食品流通量日益扩增的今天，对于专业性较高的冷链物流来说是一种机遇和挑战。上市公司作为该朝阳行业的龙头企业，通过对其经营效率进行评价，有利于帮助冷链物流企业发现问题、找出差距，及时调整企业经营管理模式，以提高冷链运输效率，为我国冷链物流健康高速发展找到捷径。因此，本文选择上市公司作为研究我国冷链物流经营效率的切入点，分析其经营效率的差异性和动态演化趋势，为持续发展冷链物流行业提供有效参考。

冷链配送及路径优化和冷链物流效率评价是国内外学者研究冷链物流的两大热点。Rakesh D.Raut[1]为了降低由第三方冷链物流企业造成的生鲜食品流通损失，利用一种独特的模糊多准则决策方法，对其进行评价和选择。Zanoni和Mazzoldi[2]考虑了配送产品的易腐性，构建了一个生态效率最优化的冷链食品配送网络。Mr Shahbaz Khan[3]运用DEMATEL方法对影响冷链有效管理的因素进行了分析，并对它们之间的相互关系进行了评价研究，结果显示：缺乏适当的基础设施对冷链的有效管理具有较大的影响。王晶等[4]从温度控制和产品种类两方面对生鲜食品冷链运营模式进行了创新，在保障食品安全的同时降低了冷链物流运输成本。曹武军和郝涵星[5]构建冷链配送系统，量化配送效率指标，同时考虑一些运输过程中的不确定因素，利用系统动力学对该系统进行分析。邓延伟和邬文兵等人[6]将水产品的相关特殊指标加入供应链模型的参考框架进行改进，用来评价绩效指标体系。周静和孙健[7]以中国冷链物流企业的效率为研究对象，选择AHP-DEA模型对数据进行测算和评价，结果表明冷链物流行业要大力引进先进的冷链技术以及融合整个行业的物流资源。殷凤朝[8]运用方差分析法以净资产收益率为衡量标准对冷链物流上市公司进行绩效评价。

上述文献中通过自主构建评价指标应用综合评价法作为研究方法进行分析，结果会包含一定的主观性，并且对于冷链物流企业经营效率方面的研究是相对缺少的。因此，本文建立我国冷链物流上市公司2012-2018年的面板数据，从财务经济指标的角度构建指标体系，运用DEA-Malmquisy模型，首先从整体行业和个体企业角度分析了每年静态的技术效率变化，其次根据动态结果进一步分解和分析冷链物流企业经营效率，发掘对冷链物流上市公司高效运作产生负影响的影响因素，为促进公司发展提供有力的客观依据。

一、研究方法与数据选取

1.Malmquist生产率指数

由于DEA模型仅能测算静态截面数据的局限性，Caves和Christensen等人将Malmquist生产率指数应用到DEA模型中，可对动态面板数据进行测算。其计算公式为：

(1)

(2)

2.评价指标及数据选取

冷链物流包括冷冻加工、冷藏贮藏、冷链运输和冷链销售四大过程，以冷链物流为主营业务的上市公司围绕这四大过程形成了两大产业链：制冷材料和设备以及冷冻物流。本文剔除净资产为负的相关公司，最终选择了16家涵盖了冷链硬件制造、冷链仓储和冷链运输这三大方面的上市公司作为决策单元，具有较强的代表性。样本原始数据均源于16家冷链物流公司所披露的《公司年报》和《财务报表》。

结合冷链物流上市公司的投入产出特征以及财务报表分析，参考已有文献[9-11]，本文最终选择了五个反应冷链物流上市公司经营情况的投入和产出指标。投入指标分别是：主营业务成本(元)、平均固定资产净值(元)和平均职工人数(人)；产出指标分别是：主营业务收入(元)和净利润(元)。其中，上市公司期初和期末固定资产净值存在较大差异，仅选择一个作为指标来衡量未免会使测算结果产生偏差，因此，本文将各企业年初与年末的固定资产净值进行相关处理，计算方法如表1；职工人数作为劳动投入指标，是公司经济利益的创造者，由于当前企业的人员流动率较高，期初与期末人员数量差距较大，所以本文仍旧选择平均职工人数作为指标，计算方法如表1。

表1 部分指标计算方法

由于投入和产出指标的选择对DEA模型的准确性有关键作用，所以应对投入和产出指标数据进行相关性验证，以此来判断本文建立的指标体系是否合理。本文运用SPSS 25.0的Pearson检验对2015年的投入和产出指标数据进行相关性分析，结果显示投入与产出的指标相关性显著，如表2所示。因此，采用DEA模型进行分析是较为合理的。

表2 投入和产出指标相关性

注：**. 在0.01级别(双尾)，相关性显著，*. 在0.05级别(双尾)，相关性显著。

二、静态差异性分析

利用DEAP2.1软件，选择规模报酬可变模型对上述16家公司2012—2018年的综合经营效率水平进行测算，得到静态相对效率值，考虑到7年的效率值占据本文过多篇幅，在此仅选择2012、2015和2018年的效率值进行分析，如表3所示。

表3 16家冷链物流上市公司2013—2018效率值

注：crste：技术效率，vrste：纯技术效率，scale：规模效率(drs：规模报酬递减；规模报酬不变；irs：规模报酬递增)，crste=vrste＊scale．

1.整体情况分析

从表3可以看出：冷链物流上市公司在2012—2018年的技术效率均值为0.909，其中纯技术效率均值和规模效率均值分别为0.945和0.961，均未达到有效的生产前沿面，说明冷链物流上市公司现有的资源配置存在不合理现象。但是，从2012—2018各年的纯技术效率和规模效率可以看出：纯技术效率从2012—2016年数值一直在降低，从2016—2018年数值开始缓步上升，而规模效率从2012—2018年整体都呈稳步增长趋势。

2.个体情况分析

从表3中可以看出，2012—2018年新大陆、汉钟精机和汇鸿集团这三家公司的技术效率值最高，年均值为1，已经达到有效的DEA生产前沿面。而农产品股份、冰轮环境和光明地产的三种效率值虽然在前期呈波动状态，但是在五年内实现了技术效率最优。英特集团、开山股份和铁龙物流这三个公司在2012年已经达到DEA有效，但英特集团在2018年时，由于规模效率降低1%，从而影响了DEA的相对有效；而开山股份和铁龙物流在2015—2018年间两者都达不到最优状态，考虑到两公司的规模收益近三年都是呈增长趋势，为此，这两个公司应当在加大投资规模的同时注重公司核心技术的更新。

中集集团、广弘控股和中储集团在2012—2018年间的技术效率值最低，均未达到技术效率最优。其中，中集集团和广弘控股的纯技术效率值始终为1，而两者的规模效率一直呈下降趋势。不同的是，中集集团的规模收益一直呈递减状态，而广弘控股的规模收益一直呈增长状态。因此，中集集团和广弘控股这两个公司解决投资规模问题是提高DEA效率的核心。从2014年起，效率值始终为1的中储集团的规模收益就一直呈递减阶段，公司应当从控制投入角度入手来提高相对效率。

剩下四个公司分别是大冷股份、澳柯玛、锦江投资和交运股份，这四个公司的技术效率均低于技术效率平均值分别为：0.836、0.830、0.759和0.793。大冷股份2012年的技术效率值最高为0.951，其纯技术效率是影响技术效率高低的主要因素，所以公司应当把建设重心放在技术效率提升当中。澳柯玛的纯技术效率从2012年的0.891下降至2018年的0.830，而规模效率值一直在增长且最后达到效率有效，所以公司只需考虑如何提升纯技术效率来达到DEA效率有效。锦江投资和交运股份在16家公司中技术效率最低，从2012年到2018年两公司的技术效率分别下降了5%和7.4%。这两个公司效率低下最关键的原因在于纯技术效率的低下，且规模收益始终呈递减状态。因此，公司应尽可能在缩小规模的同时对技术进行革新。

三、动态演化趋势分析

利用DEAP2.1测算16家冷链物流上市公司2012-2018年的TFP及各分解指标，结果见表4和表5。

表4 Malmquist生产率指数和各分解指标的整体变动情况

从总体来看，TFP大于1的冷链物流上市公司占62.5%，且TFP平均增长率为2%，说明研究期内我国冷链物流行业整体具有较好的发展态势。具体来看，在影响TFP指数高低的因素中，只有纯技术效率平均值小于1，说明Malmquist指数主要受纯技术效率影响，即我国冷链物流上市公司目前更关注对于企业本身投资规模的调整，从而忽略了创新技术的研发和应用，导致了新技术的变革与运用滞后于企业的规模扩大，最后导致经营效率较低。

1.技术进步

由表2可知，TC平均值为1.023，仅有2017—2018年的数据小于1。从表5可以看出，TC大于1的冷链物流上市公司占81.25%，说明冷链物流公司的技术进步、组织创新等方面能力都得到了极大的提高，冷链物流行业在不断调整技术发展策略。同时结合其他效率要素来看，TC的平均增长率是最高的，说明技术进步对于冷链物流上市公司的经营效率贡献最大。观察图1可知，TC曲线整体呈“下降—上升—下降”趋势，2015年之所以会发生转折，原因在于2015年正处于“十二五”时期的最后阶段，该时期正是新一轮科技革命孕育时期，例如智能温控及冷链流通技术、终端温控查询体系和区块链等前沿技术在我国冷链物流行业的推广和应用进一步深入，使得TC变化值得以回升。但是，通过图1我们可以得出技术进步总体呈不断下降的趋势，因此，冷链物流企业应当要加快技术更新，以适应当下变化莫测的市场技术环境。

2.纯技术效率

从整体变化来看，PTEC的平均效率值为0.997，很接近有效的生产前沿面。但与其他效率指数相比来看，PTEC却最低，成为影响TFP的主要因素。根据表5，PTEC大于1的公司占68.75%，说明公司的技术创新水平和组织管理能力水平虽然有所提高但是还存在很大的进步空间。从图1可以看出，纯技术效率在研究期内整体呈增长状态，从最初的0.975增长为现在的1.027。2015—2016年间，技术进步效率值远远大于纯技术效率，说明企业将技术进步放在发展生产力的重要位置，忽略了内部协调管理的重要性，导致经营管理未能跟上技术进步的步伐，从而制约了经营效率的提高。而在2016—2017年间，由于PTEC的增长幅度远远大于TC，说明冷链物流企业从2016年开始改变策略，更加注重企业内部管理和控制，使得其要素配置趋于合理，生产效率大大提升。因此，冷链物流企业要不断提高自身科技创新能力和科学管理机制来保持当前纯技术效率的积极发展态势。

3.规模效率

SEC从深层次反映了管理水平的高低，即企业的投入产出配置是否合理。由表4可知，研究期间规模效率比较好，变动指数值基本都在平均值1上下浮动，且浮动范围极小，前两个阶段的变化率分别为-2.4%和-0.4%，说明我国冷链物流上市公司的规模建设和资源配置逐渐变得合理。平均规模效率不变，说明冷链物流上市企业达到了最优的经营规模，对公司效率改善影响并不大。再由图1可知，SEC指数在2014-2015年为最高值1.037，在此之前SEC均低于1，在此之后虽然数值在不断减小，但是均大于1。其原因在于，2014年国家对冷链物流产业发展提出了更高更专业的要求，要求各地加快建设农产品冷链系统，加强冷藏保鲜、卫生、质量安全可追溯、检验、检测等设施建设。因此，企业要通过对投入和产出要素的不断调整，提高企业管理的专业化水平，来实现规模化经营。

四、结论及建议

本文应用DEA-Malmquist模型测算了我国16家具有代表性的冷链物流公司经营效率，可得出如下情况：从静态差异性分析可知，上市公司技术效率的均值保持在0.759-1.000之间，说明冷链物流产业还没有完全达到有效的生产前沿；从动态演化趋势分析结果可得到，上市公司全要素生产率总体呈上升趋势，说明冷链物流行业有较大的发展潜力。对比其他要素效率值，纯技术效率均值相对较低导致了技术效率存在不合理性。值得关注的是，在技术进步变动效率、纯技术效率和规模效率中，只有纯技术效率变动趋势一直呈上升趋势。所以，企业不能将目光只放在冷链物流技术的更新和应用上，还要重视规模和运营组织管理模式之间的不断优化，紧跟科技创新的步伐，为技术进步成果转化提供有利的运作机制，才能使冷链物流企业达到合理的资源配置。