中国上市航运企业效率评价及影响因素测算

高涛，曲林迟，唐韵捷，徐哲

(上海海事大学 经济管理学院， 上海 201306)

0 引言

航运需求是国际贸易的派生需求，航运业对国际贸易量依赖性较强，在全球经济增长放缓、中国经济下行压力增大的背景下，黑天鹅、灰犀牛事件不断上演，中美贸易战“限硫令”等事件对航运都产生了重大冲击，航运各板块市场继续低迷，世界贸易严重受挫。我国作为航运大国，相关联企业受其影响更为深远，加上航运企业的经营不确定性进一步加大，航运企业这几年建立起来的盈利模式与经营成本持续攀升之间的矛盾日益突出，其脆弱性此时也暴露无遗，使航运企业的抗风险能力和未来业绩持续走弱。

2019年11月，国际海运年会第一次提出以“全球航运产业链的构建和价值”为主题，共商未来航运产业发展方向与价值实现模式。这就要求航运业在货主、金融、技术等多个方面实现根本性转变，而提高我国航运企业的经营效率也成为航运业发展面临的重大课题之一。

1 研究现状

在已有的研究文献中，蹇令香等[1]运用DEA模型中的C2R模型对中国2007年～2010年在沪深交易所上市的12家航运企业进行技术有效性和规模收益分析，并且评价了这些公司的经营绩效。莫云萍等[2]主要是运用定性分析和层次分析法，通过建立超效率数据包络分析模型对油轮航运企业的竞争力进行纵向评价，并以招商能源运输股份有限公司为例进行分析，得出相关结论验证了方法的可靠性，在最后还找出其劣势所在，针对不足提出了修改意见。王燕等[3]选取数据包络方法分析国内17家港口企业效率，发现我国港口效率的提升主要来自规模效率的增加。JAMES等[4]利用超效率的DEA和SFA方法研究海港的技术效率，通过比较分析固定回归模型和随机回归模型的结果，发现在解释影响海港技术效率因素时随机回归模型优于固定回归模型，得出欧洲海港数据生产效率低于其它地区。KEVIN等[5]对集装箱港口行业分别使用数据包络分析(data envelopment analysis， DEA)和随机前沿分析(stochastic frontier analysis, SFA)，并且考虑到两种方法在估计和规模效率方面的分析并不总是令人信服，结合分析大量集装箱港口的数据，采用相关度较高的改进了DEA模型，最后对集装箱港口的效率进行预测估计。CHOU等[6]以模糊评价方法构建航运企业绩效体系，且提出利于企业经营的诸多意见。

研究发现：学者愈发倾向运用DEA模型对港航企业进行经营效率评价，纵使每一模型表现形式不一，但其本质确属于单阶段DEA模型，该模型极少融入港航企业内部因素，不利于企业间的效率差别。笔者综合考虑多维度因素，结合网络 DEA 和样本选择回归模型，采取构建两阶段 DEA 模型之法。网络DEA综合考虑了生产要素、投入及产出，规避了主观因素，通过DEA测度的公共支出效率值在(0，1)区间内，缘于因变量范围受限，选取一般线性回归模型进行因素分析，将造成较大误差，而使用Tobit模型可提高精度，适用于分析变量约束下的经济问题。

首先，测算国内航运上市企业的效率水平；其次，深层次考察航运企业的经营概况、盈利程度等内容；最后，运用Tobit回归模型对航运企业的影响因素进行分析。本文借助数据包络分析方法，利用DEAP2.1分析软件，测算航运上市企业经营环节的效率，分析影响效率的因素，从理论层面有效抬升企业经营效率。

2 方法

2.1 DEA方法

DEA方法常用于非参数评价，即该法通过变换多维指标投入及产出，分析决策单元的相对有效性。DEA方法由CHARNES等[7]于1978年首次提出，并构建C2R模型。BANKER等[8]拓展C2R模型的适用范围(即假设规模报酬可变)，构建BC2模型。作为一种前沿估计的非参数数学规划方法，DEA方法依托决策单元(decision marking units, DMU)偏离度分析投入、产出的相对有效性[9]。DEA方法优势不仅在于考虑多维投入、产出数据时，降低主观影响，以DMU的真实值作为最优权重，规避权重赋值，而且在于该法可使用不同量纲指标。每一家企业经营效益不同，但测算实质在于企业各投入要素与产出效率的比对。这一逻辑极为符合DEA方法，测算的全过程具体为：先是测算企业所有产出、各种投入要素，其后是整体性评价每类投入要素及产出；最后是测算投入、产出的定量效率值。

2.2 Tobit 模型

Tobit模型公式为Yi=β0+βTXi+εi，其中，i=1,2,…,Yi为效率值，Xi是解释变量，βT是未知参数向量，εi-N(0,δ2)。该模型的最大特征在于Xi为真实数值，Yi数值受限(即一般数值为某个区间)，这与DEA方法测算的公共支出效率范围特征一致，即取值范围为(0,1)。

yi*=xiβ+εi,εi～N(0,σ2),

3 实证及结果分析

为了综合评价航运企业经营效率，在任一固定时间段内对多家航运企业的效益进行比较，以期探究出企业的相对收益情况。将航运企业绩效分析分为两个阶段，第一阶段是厘清航运企业的投入要素、产出的内在逻辑，将13个航运企业作为不同的DMU，选取上述企业2010年～2018年的多维经营数据进行有效分析；第二阶段是把第一阶段的结果作为因变量，把影响航运企业经营效率的因素作为解释变量和控制变量，研究各个因素与企业经营效率的相关性强弱，进而找到影响航运企业经营绩效的影响因子。具体流程如图1所示。

图1 航运企业经营效率评价两阶段方法过程构解

3.1 评价指标体系构建

对于DEA 模型来说，核心问题之一就是如何选取合适的输入输出指标，以建立相应的指标评价体系。其特点就是以尽可能少的投入要素，获得产出的最大化。为全面的反应航运企业经济效益状况，本文将资金资源、人力资源投入作为主要衡量指标，将企业营业收入以及企业净利润作为衡量企业产出指标，具体评价指标框架如图2所示。

图2 航运业绩效评价指标体系

3.2 实证数据选取

本文选取了中国13家上市航运企业在2010年～2018年的5个财务与非财务数据进行分析，各企业的相关数据均来自Choice金融终端及各航运上市公司的年度报表，下面以2018年数据(表1)处理过程为例进行说明。

表1 2018年样本企业原始数据

3.3 企业经营技术效率评价

第一阶段对企业经营效率进行评价，本文此处实验部分采用DEAP Version 2.1软件进行模型计算。

由于行业内不同样本企业的规模不同，所选取的5个指标均为绝对数，为了减少或消除企业规模差异带来的影响，本文取了资产总额、员工数量和营业收入3个指标的自然对数。因为投入指标“现金及现金等价物净增加额”和产出指标“净利润”存在负值，DEAP软件无法进行求解，所以对这两个指标进行无量纲化处理[10-11]。处理公式如下：

经过上述处理后的样本企业数据如表2所示。

本文采用DEAP2.1软件，BCC模型和产出导向，通过分析得到2010年～2018年各指标单位的纯技术效率和规模效率等指标，需指出的是综合技术效率为纯技术效率与规模效率的乘积。

表2 减少或消除规模差异后的2018年样本数据

综合技术效率是对航运企业投入组合、产出效果等多方面的整体评价，表示各航运企业总体运营的概况，该值与纯技术效率与规模效率有关，且数值越高表明经营水平越高。2010年～2018年航运企业综合技术效率变化见表3，从表3中的横向上来看，综合技术效率均值最高是2012年的0.989，均值最低是2017年的0.717，总体均值是0.862，不是很高。从纵向上来看，中远海控、中远海发、招商轮船、中远海能以及长航凤凰，这5家企业的综合技术效率均值超过0.9，表明这5家企业的DMU相对有效(技术和规模同时有效)，反映这5家公司的综合经营效率值高，各项经营活动也达到了相对理想状态，其今后的发展战略可以尽量保持现今的各项要素投入以及生产规模不变(或者适当扩大规模)，维持良好的运营状态。有3家企业的综合技术效率均值在0.8～0.9，其余5家企业的均值在0.8以下，可见仍有相当一部分企业的综合技术效率不高，经营活动效果不够理想。

表3 航运企业综合技术效率变化(2010年～2018年)

纯技术效率是企业管理水平和技术水平等因素影响的生产效率，表示企业对于各项投入要素是否有效运用以达到产出最大化或投入最小化的状况，投入要素之比例是否达到最佳产出水平，其值越高表示各投入要素的比例越处于合适范围。航运企业纯技术效率变化见表4，从表4可知，2010年～2018年间企业纯技术效率均值为0.929，处于较高水平，说明上市航运企业在市场要素调控和经营管理水平上有了较大进步。从横向上看，纯技术效率9年来的均值较为平稳，处于0.9上下。2014年下降较多至0.8以下，但当年上市航运企业业绩大多较好，这可能与当年国际油价暴跌，企业油耗成本大幅下降有较大关系。从纵向上看，纯技术效率9年来的均值在0.9～1的有中远海控、中远海发、招商轮船等9家，中远海控更是均值保持1为最优，其余4家在0.8以上，说明上市航运企业的总体技术水平日趋完善。

表4 航运企业纯技术效率变化(2010年～2018年)

企业规模效率指受企业规模因素影响的技术效率，其值越大表示受规模影响的技术效率越小。航运企业规模效率变化见表5，从表5可知，企业规模效率在2010年～2018年间的均值为0.928，处于较高水平。横向上看，最大均值为2012年的0.993，最小值为2010年的0.822，虽然当年航运贸易出现了复苏迹象，但由于受金融危机、企业运力过剩等多重因素影响，世界经济的不确定性以及航运市场供求关系不匹配，企业的规模效率还没有明显提升。同时也可以看到，一些企业在达到最佳规模效率值1之后，因为扩张而导致资产利用率下降，而引起规模效率走低[12]。纵向来看，规模效率年均值在0.9以上的企业有10家，其余低于0.9的3家中还有1家低于0.8，且这家企业的标准差也相对最大，这可能与企业定位一直摇摆不定，且资本去向短期变化较大，从而导致企业规模效率波动较大。亚通股份、览海投资的年均综合技术效率值不高，分别为0.786和0.714，但是其纯技术效率分别为0.954和0.920。因此，生产投入规模是影响其运营效率排名较低的主要原因，导致其规模过小，使得固定成本相对过高，企业可以尝试扩大整体生产规模，较快地增加企业的运营效率。另外，根据NORMAN等[13]对效率值强度的分类(0.9<规模效率<1，且0.9<技术效率<1)，可以认定其为短期易改善企业，只需短期内对这类企业的投入产出量进行微调，就比较容易达到相对有效状态和最优生产规模。

表5 航运企业规模效率变化(2010年～2018年)

2010年～2018年上市航运企业指标单位的Malmquist生产率指数及其分解项见表6。Malmquist指数由CAVES等[14]首次引入生产力分析，FRE等[15]采用Malmquist指数衡量全要素生产率(total factor productivity, TFP)的变化。根据Färe的理论，Malmquist全要素生产率指数(malmquist index, MI)可以分解为技术水平变化指数和综合技术效率变化指数的乘积，而综合技术效率变化指数为纯技术效率变化指数与规模效率变化指数的乘积，即构成全要素生产率指数的某部分大于或小于1，则表示其对全要素生产率的影响方向。这里技术水平的变化主要指随着时期的变化，生产前沿面的变动。具体来讲就是规模效率变化指数大于1，表示着生产经营存在规模效率；纯技术效率变化指数大于1，意味着管理水平有所提升或生产效率的提高得益于制度的改善；技术水平变化指数大于1，表示了生产技术的改进，生产经营实现了技术进步；全要素生产率指数大于1，意味着生产效率的提升。

表6 指标单位全要素生产率指数及其各分解项(2010年～2018年)

由表6可以看出，2010年～2018年指标单位的平均全要素生产率指数(MI)为1，总体不变。技术水平变化指数总体微弱上升，上升幅度为0.5 %。纯技术效率变化指数整体呈下降趋势，下降幅度为1.5 %。具体来看，MI大于1的有5家，占比为38.5 %，分别为中远海控、亚通股份、中远海发、宁波海运与海航科技。其中，中远海控、中远海发和海航科技的MI分别为1.012、1.009和1.222，技术水平变化指数分别为1.012、1.009和1.09，纯技术效率变化指数都是1，规模效率变化指数分别是1、1和1.12，可以看出海航科技MI上升幅度最大，其技术进步和规模效率的提升有效推动了全要素生产率的增加。其他8家指标单位MI呈下降趋势。其中，渤海轮渡、海峡股份、招商轮船、中远海能的技术进步均超过1，但技术效率的降低导致了MI的下降。可见，全要素生产率指数提升，不能仅仅是技术进步或技术效率单方面的提升，而是要两者均有所提高。

3.4 影响因素分析

为进一步研究我国上市航运企业经营效率影响因素，利用表2和表3的数据，将第一阶段DEA得出的效率值作为因变量(即被解释变量)，把影响航运企业经营效率的因素作为解释变量和控制变量，研究各个因素与企业经营效率的相关性强弱。

根据上文的讨论，建立Tobit 回归方程：

Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+ε，

其中，β0为常数项，β1、β2、β3、β4、β5为估计参数，X1～X5分别代表资产总额、员工数量、现金及现金等价物净增加额、营业收入和净利润，ε为随机扰动项。利用Eviews7.2统计分析软件进行回归分析，结果如表7所示。

表7 随机效应的面板Tobit回归结果

表7为面板Tobit回归结果，LR检验表明采用随机效应的面板Tobit回归结果是合适的。资产总额、员工数量、现金及现金等价物净增加额的系数为负，营业收入、净利润的系数为正，并且所有的解释变量都是显著的。

综合分析表7中结果，有如下发现：

第一，航运企业固定资产投入与企业的经营效率呈负相关，且十分显著。这表明，我国上市航运企业出现一种怪的现象，即投入越大，收入越多，经营效率就越低下。产生这种尾大不掉现象的主要原因是：航运企业在2008年危机前的急剧扩张，在后危机时代航运业仍持续低迷的今天，产能已然相对过剩，但船队规模还在继续扩张，投资决策管理水平也还没有显著提高，多元化程度相对国外优质企业还有差距，抵御系统风险的能力还不强。比如国际航运巨头马士基2012年扭亏的重要原因是得益于集团的非主营业务石油钻探，该业务全年营业利润达24亿美金，资本回报率高到36.60 %，有效的多元化经营大大增强了企业抵抗行业系统风险的能力，因此，航运企业可以谨慎适度地进行多元化投资，以分散航运系统风险。

第二，航运企业员工数量和企业的经营效率呈负相关，这一结果与我们的常识认知较为匹配。员工数量代表的是规模，我们根据最终效果判断是规模经济还是规模不经济，那从计算结果看，显示出来的是规模不经济，且十分显著。这可能与指标单位的属性有关，国资背景占大多数，国有企业在承担社会责任上发挥了很大作用，但也在一定程度上拖累了企业内部改革的动力。笔者认为更为重要的是与上市航运企业人力资源配置的不合理有关，也与内部专业化分工发展有关，说明企业的人力资源改革仍任重道远。

第三，航运企业现金及现金等价物净增加额(净现金流)与企业的经营效率呈负相关。这一结果与直观感受有一些相悖，一般来说良好的净现金流是企业生存和发展的前提和基础，净现金流也是评价企业偿债能力和持续经营能力的重要指标，也反映着企业的自我创造能力。出现这一结果的可能性是本文的净现金流等于现金流减去支出，当现金流尚可而支出减少或者支出不及时的情况发生时，就会带来经营效率的下滑。本次选取的上市企业大多时候都是盈利的，也就是说企业应该改进提高支出效率。

第四，航运企业营业收入和净利润与企业的经营效率呈正相关，且十分显著。这一结论较好理解，超过90 %的全球贸易通过船舶运输，这就使得航运业成为全球经济的风向标，航运企业也就有高投入高营收的特点。净利润是投资者、债权人最为关心的重要指标之一，最为直接地反映着企业的盈利能力，从上述表中可以看出企业的效率整体较好，从财务管理角度分析，利润高的企业效率也高，因此，不难理解净利润与企业的经营绩效正相关，且显著，表明近年来企业的整体运营更趋于成熟。

4 结论

本文对部分航运上市公司的效率进行了分析，并考察了影响航运企业经营绩效的因子，得出以下主要结论：

第一，由于无须对市场的有效性进行假设，而仅仅假定有决策单元输入和输出指标组的状态是否满足凸性、无效性及最小性，因此，运用改进了的DEA模型对航运上市公司部分指标单位的业绩进行分析，该方法易行有效，结果具有较强的可靠性。

第二，重资产和人员繁冗是阻碍效率提升的重要指标。从计算结果来看，在公司运营阶段资产总额过重，表现出资产占有量太大、运营成本过高导致现金流不足。员工数量过多，表现出人力资源效率得不到最大程度的发挥，存在职责交叉、人浮于事的情形。这些不足都会对航运企业各阶段的效率产生负面作用，要从这些现象入手，建立长远规划，适当提高公司多元化投资经营，提高企业的各方资源利用效率，包括精简人员，从而提高企业经营效率。

第三，古罗马政治家西塞罗说：“谁控制了海洋，谁就控制了世界。”这句话放在现在，意义仍是十分重要。同样如果离开了海运，全球经济就要停摆。世界航运现货市场和衍生品市场的主导权仍在欧美，我国还仅是参与者，只是海运大国，还不是强国。我国的航运企业要不断呼吁推动、主动参与高端现代航运服务业的规划发展，依托我国在数字经济方面积累的优势，积极进行业态的模式创新与转型升级。

本文的一些结论是根据部分上市航运企业的数据演算得出，所采用的数据没有大的跳动，符合我们的认知，但实际上一些上市企业为了防范风险，经营业务上有一些与航运本身并无太多关联，而模型尚未考虑这些因素产生的影响，所使用模型的演算准确度可能降低，所以在一定程度上也影响了判断。