论文部分内容阅读
摘要：随着经济社会的高速发展，物流业已经被看作推动社会经济发展的主要动力与基础，同时，快速发展中物流企业暴露出的问题也不容忽视。运用随机前沿分析法（SFA），选择80家物流上市公司2013—2017年财务数据为样本，对我国物流业效率进行实证研究，分析发现：我国物流企业整体发展呈现上升趋势，但是80家企业5年的平均技术效率值与效率值为1的最优情况相对仍然偏低。从不同区域分析，东部地区企业的平均技术效率值优于西部地区，且比中部地区略高，这表明我国中部地区物流存在一定的“塌陷现象”，应注意物流投资规模；从不同类型企业分析，不同类型企业技术效率值不同，但平均技术效率值总体上呈现上升趋势，表明物流企业管理水平持续提升，管理者应持续关注市场开发；从影响技术效率值的因素分析，高管人数、所有者权益均对提高技术效率有正面影响，而固定资产和管理费用目前处于规模报酬递减状态，过度投入会阻碍技术效率的提高，因此，物流企业应加强人力资源的智力支持，通过资产重组降低负债比例，适当控制固定资产规模，减少管理费用。
关键词：物流上市公司；随机前沿分析；物流业效率；技术效率；投资规模
中图分类号：F259.2文献标识码：A文章编号：1007-8266（2019）11-0017-10
一、引言
自21世纪以来，随着经济全球化的不断深入和信息技术应用水平的提高，物流产业取得了巨大发展。据统计，2018年我国社会物流总额上升为283.1万亿元，同比增长6.4%，社会物流总费用占当年GDP比重为14.8%，物流业景气指数始终在55%左右波动[ 1 ]。可见，我国物流业规模日益壮大，质量水平不断提升，逐渐成为国民经济发展的推动力量和重要支撑。但我国物流业的发展也存在一定的问题，物流业的技术效率水平整体并不高，无法有效支持我国经济高质量发展。为了有效发挥物流作为服务业的功能，有效支持供给侧改革，有必要对物流业效率及影响因素进行探索，针对效率表现及影响因素，提出改进建议和对策，提升我国物流技术效率，推动物流业健康发展。
本文采用随机前沿分析法（SFA）构建物流效率测评模型，选择80家物流上市公司2013—2017年财务数据为样本，对我国物流业技术效率进行实证研究，同时揭示物流技术效率与影响因素之间的相关性，研究我国物流业技术效率及其影响因素，对节约物流成本、促进我国物流业高效发展具有十分重要的意义。
二、文献综述
近年来，如何定量分析行业的技术效率，提高技术效率值成为学术界重点关注的一个研究领域。不同学者采用不同的方法对物流效率进行研究，主要包括数据包络分析法（DEA）和SFA两种方法。很多学者采用DEA及改进DEA对物流效率进行分析，并用Tobit回归模型分析效率与影响因素之间的关系。孟鑫[ 3 ]和敏（Hokoy Min）[ 4 ]等人采用DEA或改进的DEA方法对物流效率进行了研究。张竟轶和张竟成[ 10 ]运用三阶段DEA法对我国2010—2014年31个省（市区）物流业效率进行测评，指出目前我国总体物流水平相对较高，处于规模效率递增阶段，但物流经营管理水平与物流发展不协调。戢晓峰和刘丁硕[ 11 ]运用产出导向的DEA对我国36个主要城市物流产业效率进行测算，得出主要城市的物流产业效率存在着较为明显的地域差异。龚雪[ 12 ]利用DEA-Malmquist指数模型对2007—2016年中部六省的物流效率进行了分析，结果表明中部六省的物流效率整体水平一般，不同省份物流效率差距较大，物流业全要素生产率变动主要源自技术进步，技术效率对物流效率的影响并不显著。DEA方法可以测算多投入多产出的效率问题，但忽视了随机误差的影响[ 5 ]，且无法直接对物流效率的影响因素进行分析。
随机前沿分析法弥补了DEA技术的不足[ 6-7 ]。不少学者采用SFA方法对区域物流效率进行测评，分析影响因素与效率之间的关系。郭举和刘俊华[ 13 ]运用SFA分析我国物流业2007—2016年的效率，得出我国物流业效率总体上有一定上升，但与发达国家相比仍比较落后，国内生产总值的提高不能显著提高物流业效率。田刚和李南[ 14 ]运用外生性影响因素与SFA联合估计的方法对中国大陆1991—2007年29个省级地区物流业技术效率进行测算，得出中国物流业技术效率仍处于较低水平，地区间存在差异，且在扩大；中部的发展势头和发展速度明显低于东部，也低于西部。改善物流环境对促进地区协调发展有重要意义。与之类似，汪旭晖和文静怡[ 15 ]运用SFA对2003—2011年我国23个省、市、自治区的农产品物流效率进行对比分析，发现2003—2011年我国农产品物流技术效率基本处于停滞状态，中部地区效率水平相对最高，东部次之，西部最低，并提出完善物流行业基础工作、加大物流技术创新力度、加快行业转型步伐的政策建议。徐良培和李淑华[ 16 ]运用SFA对我国2000—2011年30个省、市、自治区农产品物流的技术效率进行测算，探讨了外生性环境因素对其影响的差异及全要素生产效率变化的根源，指出我国及各地区农产品物流技术效率均处于较低水平且存在显著的地区差异，外生性环境因素对农产品物流效率具有正向影响。基于此，刘瑞娟等[ 17 ]运用SFA对2005—2015年“丝绸之路经济带”西北五省区的物流产业效率进行测算，并运用空间面板计量方法实证检验交通基础设施对物流产业效率的空间溢出效应，得出西北五省区的物流产业效率存在差异但整体效率在不断提升，邻省和本省交通基础设施水平都对本省的物流产业效率具有显著的正向影响。郑秀娟[ 18 ]运用技术效率改进的SFA对不同时序产业部类发展技术效率进行分析，并验证了物流业技术效率增进的时空差异。
综上所述，现有文献大多采用DEA和SFA来测算物流效率，但DEA不考虑随机误差的存在，所以在实际分析中可能会因为随机误差的存在而导致结果偏差，并且DEA难以检验回归结果总体的显著性，无法直接对物流效率的影响因素进行分析。而SFA优于DEA之处，是它考虑随机误差的存在对结果造成的影响，提前确定生产函数形式再研究企业的生产过程，可以提高计算技术效率的准确性，还可以分析效率与影响因素之间的相关性。因此本文采用SFA方法，通過收集我国2013—2017年80家物流上市公司的相关数据，研究不同年份、不同行业、不同区域物流上市公司的技术效率值，并对影响因素进行定量分析。 三、模型构建
（一）SFA方法介绍
SFA预先设定生产函数和变量之间的关系，在计算技术效率时考虑随机误差的影响，SFA中有三种函数：成本函数、利润函数和交替利润函数，分别用来研究企业的成本效率和技术效率[ 19 ]。
巴蒂斯和科埃利（Battese & Coelli）[ 20 ]提出一种可以同时计算随机前沿生产函数和技术效率函数的方法，此方法可以在分析影响技术效率的因素的同时保证结果的无偏性和有效性，非常适合分析面板数据。
具体而言，Battese与Coelli的模型假设为：
公式（3）表示在第t年第i家公司的技术效率，当Uit=0时，TEit=1，表示技术有效，反之为技术无效。
（二）生产函数分析
1.投入与产出
参考以往学者的研究，本文将生产函数投入要素的设定和研究目的相结合，列出投入、产出变量研究文献表（参见表1）。
从投入角度来讲，可以将员工看作一个企业利润的创造者，以及最具活力的价值创造源泉；总资产包括公司拥有或控制的所有可以带来经济利益的资产，是影响物流公司盈利能力的重要因素；管理费用是指企业行政管理部门为组织管理生产经营活动所发生的各项费用，企业管理费用的多少可以量化企业管理层的管理水平。从产出角度分析，主营业务收入是企业从事本行业生产经营活动所取得的收入，具有发展潜力的上市公司必须有明确的主营业务收入作为支撑[ 25 ]。因此，本文选取年末公司员工数、公司总资产、管理费用作为投入指标，将主营业务收入作为产出指标。
2.影响因素变量
本文的主要目的是计算企业技术效率，以此来分析物流发展水平。根据现有研究成果，如艾小辉[ 26 ]在研究中发现，企业的规模、员工素质水平等对效率有显著的正向影响，企业资产负债率与效率有显著负相关关系；陈治国等人[ 27 ]的研究证明，劳动力成本、购买力水平、教育投入、基础设施建设水平等均对三大产业有促进效应（参见表2）。考虑数据的可获得性，本文选择研究的影响技术效率的因素包括高管人数占员工人数的比例、固定资产占总资产的比重、管理费用占总成本的比例、所有者权益占总资产的比重。
3.生产函数构建
通过查阅中国证券监督管理委员会（CSRC）发布的《2017年4季度上市公司行业分类》，“交通运输、仓储和邮政业（G）”下所有企业共有96家。本文研究2013—2017年物流企业的情况，根据指标数据的可获得性将数据不齐的企业剔除，因此，本文共选取80家企业作为样本进行分析研究，其中东部51家企业，西部8家企业，中部21家企业，绝大多数物流公司集中于经济相对发达的东部地区；本文选用的投入指标数据来源于国泰安数据库导出的财务报表（参见表3）。
表3描述了2013—2017年不同区域物流企业的数据特征。数据表明，产出方面，东部地区物流企业与收入相关的四个指标均明显高于中部和西部地区，但其对应的标准差也是最大的，说明企业发展迅速的同时也存在不稳定的现象。就投入而言，中部地区企业的就业人数明显高于西部企业，略低于东部地区。但是东部地区企业的管理费用和总资产是远高于中西部地区的。
SFA较为常用的生产函数有柯布—道格拉斯函數和超越对数生产函数。柯布—道格拉斯函数的特点是形式简洁，易于理解，但它预先假定技术中性和产出弹性是固定的。而超越对数生产函数不仅考虑前沿技术进步和投入要素对生产率的相互作用，还考虑了投入要素之间的替代效应[ 28 ]。因此，本文使用超越对数生产函数来构建随机前沿生产的模型：
其中，X表示投入要素的组合，分别为员工人数、公司总资产、管理费用；β是待估计变量的系数。Uit是用来解释技术无效率项，并且服从N（mit，σ2u）的分布，mit代表着技术无效率项的大
式（5）中，Pit为高管人数的比例；Git为固定资产占总资产的比重；Fit为管理费用占总成本的比重；Sit为所有者权益的比重。δ0为常数项，δ1～δ4表示影响因素的参数，可以反映对技术效率的影响方向和影响程度。
四、实证结果分析
（一）SFA模型参数回归结果
采用SFA模型，根据生产函数模型，应用Froniter4.1计量软件，对80所上市公司2013—2017年的投入、产出数据进行测算，结果如表4所示。
由表4知，似然比检验统计量LR估计值为530.008 5，并且γ=0.975 1，非常接近于1，说明对随机误差项而言97.51%受到技术非效率的影响，仅有2.49%来源于环境条件、统计误差等无法控制的因素，因此可以认为设定的模型较为理想。
从表4中还得知，在生产函数部分，管理费用、总资产对企业产出均具有正向影响，相比较而言管理费用的产出弹性更大，约是总资产投入产出弹性的12倍，其t值为3.176 5，大于2.58，表明管理费用作为投入要素对产出的回归影响较大。
员工人数的变量系数为-0.315 3，表明该投入对企业的产出有一定的负向影响，即企业员工人数不是越多越好，应当大力提高员工素养，优化企业员工结构。
总资产的变量系数为0.067 8，说明总资产对产出的影响虽然没有管理费用那样显著，但仍是不可忽视的一个变量。
（二）总体技术效率值分析
根据软件统计分析的结果，将80家物流上市公司近五年的平均技术效率值绘制成折线图（如图1所示）。
由图1可知，从2013—2017年，这80家企业的平均技术效率值逐年递增，表明企业对现有资源的有效利用能力越来越强。发生明显增长的时期是2016—2017年，也是从这一年起我国开始在政府层面出台相关文件重视各省市区物流业的发展。
通过相关公式运算可知这80家物流企业5年的平均技术效率值只有0.544 3，这和理论上最优效率值1相差很多，从侧面表明我国物流业的技术效率值水平整体并不高，行业效率仍有很大的提高空间。
（三）分区域数据分析
通过查阅80家物流上市公司的注册地，将其按行政区域划分成东部、西部、中部。2013—2017年不同区域公司的平均技术效率值如表5所示。在东部、西部、中部三大区域中，位于东部的企业平均技术效率值为0.561 6，高于中部和西部地区的物流企业，位于西部的物流企业平均技术效率值最低，为0.483 5。这与我国区域经济发展的基本情况相吻合。
（四）分行业数据分析
根据CSRC发布的《2017年4季度上市公司行业分类》将80家物流上市公司分为七大类：铁路运输业、道路运输业、水上运输业、航空运输业、装卸搬运和其他运输代理业、仓储业、邮政业。
1.铁路运输业的技术效率
根据运算结果可知，铁路运输企业一共有4家，其技术效率如表6所示。
由表6可知，西部创业和铁龙物流的技术效率值逐年稳定增长，大秦铁路和广深铁路的技术效率值都出现了先降后涨的波动。大秦铁路在这4家企业中技术效率值最高，相比于其他企业来说发展最好。而观察平均效率值发现，总体上处于上升趋势，但是在2016年发生了小幅度的波动，不过随后又得到了恢复，并且持续增长。
2.道路运输业的技术效率
根据运算结果可知，道路运输企业一共有30家，其技术效率如表7所示。
从表7分析来看，仅五洲交通的技术效率值出现明显下滑，其余公司技术效率值保持平稳或者呈现小幅度的增长。龙江交通、长江投资、盐田港这3家公司的技术效率值虽然有所提高，但相比于其他公司，仍有较大的进步空间。从表7可知，高速公路企业的技术效率值较优异，企业之间的差距不是很大，像山东高速、赣粤高速、宁沪高速、深高速的技术效率值处于领先地位。吉林高速、中原高速、福建高速、粤高速A的技术效率值相对来说较为中等。仅楚天高速的技术效率值相比其他高速企业来说较差，但和其他公路运输公司进行比较的话，也处于中等。总的来说我国公路运输业的平均技术效率值逐年增长，发展态势越来越好，
3.水上运输业的技术效率
根据运算结果可知，水上运输企业一共有25家，其技术效率如表8所示。
由表8知，中远海控、中远海发、中远海能、天津港这四家企业的技术效率值相比其他物流上市公司一直处于较高水平，而渤海轮渡、亚通股份这两家企业的技术效率值排名处于最后。絕大多数企业这五年来技术效率值偶有降低，但处于增长态势，只有中远海发、连云港、上港集团、皖江物流这4家企业的技术效率值一直处于下降的趋势，而天津港、中远海特、中远海能、重庆港九、这些企业的技术效率值处于波动状态，但是下降的程度远大于技术效率值增长的幅度。分析平均技术效率值可知，26家企业五年来的平均技术效率值一直在0.55左右浮动，略有起伏但是仍处于一个稳定状态。
4.航空运输业的技术效率
根据运算结果可知，航空运输企业一共有9家，其技术效率如表9所示。
由表9可知，南方航空、东方航空、中国国航三家航空公司的技术效率最优，中信海直的技术效率最差。中信海直、山航B、白云机场、上海机场这四家航空公司的技术效率值逐年增长，其余5家航空公司的技术效率值略有波动，但总体处于上升态势。航空运输业的平均效率值一直保持小幅增长，我国航空运输业的效率越来越好。
5.装卸搬运和其他运输代理业的技术效率
根据运算结果可知，装卸搬运和其他运输代理业一共有3家，其技术效率如表10所示。
澳洋顺昌、华贸物流两家企业的技术效率值逐年提高，相比来看澳洋顺昌这五年发展更为迅速，涨幅惊人，但华贸物流的技术效率值仍处于榜首。安通控股的技术效率值总体上在下降，近年来发展不如人意。不过，总体的平均技术效率仍在增长，行业还是在不断进步。
6.仓储业的技术效率
根据运算结果可知，仓储企业一共有6家，其技术效率如表11所示。
只有欧浦智网、新宁物流两家公司的技术效率值始终保持上升趋势，其余4家公司的技术效率值偶有回落但总体上有小幅增长。总的平均技术效率还是在增长，行业整体来说还是在进步。
7.邮政业的技术效率
根据运算结果可知，邮政企业一共有3家，其技术效率如表12所示。
这3家公司的技术效率值一直处于上升趋势，表明我国邮政业发展的形势也越来越好。
总的来说，分析这七种不同类型物流企业的平均技术效率值，航空运输企业的平均技术效率值最优，其次是铁路运输企业，平均效率值最低的为公路运输企业。其余类型企业的平均技术效率相差不多，因为各个类型的企业数不同，均值又容易受到极端值影响，因此本文大致得出结论为：不同物流企业的技术效率值都是逐年递增的，虽然偶有小降幅，但总体上都在上升，这也表明了我国物流业的发展前景是不可估量的。
（五）影响因素分析
对影响因素进行分析，对其回归结果进行整理后如表13所示。
其中，δ0为常数项，δ1（P）为高管人数占员工总数的比重，δ2（G）为固定资产占总资产的比重，δ3（F）为管理费用占总成本的比例，δ4（S）为所有者权益占总资产的比重。
因为高管数比例的变量系数为-9.688 6，且在1%水平下显著，说明回归关系显著，同时表明高管数比例对于企业技术效率的变动有正向影响。
固定资产占比的变量系数为0.368 1，表现出负面影响但不显著。由表13数据推测出现这种情况是因为目前大多数企业的固定资产投入已处于边际报酬递减阶段，企业不应盲目投入，应根据实际情况选择是否继续进行固定资产的投资与建设。
管理费用占总成本比重的变量系数为6.834 7，且在1%水平下显著，说明管理费用与企业技术效率有显著的负相关关系，即投入的管理费用越多，相应企业的技术效率值就越低。
所有者权益占比的变量系数为-0.049 1，对技术效率值有正面影响但不显著，所有者权益比重的增加会促进企业技术效率值的提高。
五、结论与政策建议
（一）结论
本文使用SFA对我国80家物流上市公司2013—2017年的技术效率值以及不同区域、不同行业的平均技术效率值进行对比分析，主要得到以下结论：2013—2017年中国80家物流上市公司的总体技术效率较低，均值为0.544 3。固定资产占企业总资产的比例、高管数量与员工总人数的比例这两个因素正向拉动企业技术效率的增长，而所有者权益的占比、管理费用占总成本的大小和技术效率值呈反向关系，是阻碍技术效率值提高的因素。
从技术效率的大小来看，我国东部地区的物流企业平均技术效率值高于中部和西部地区企业，不同类型企业的平均技术效率值近五年总体上是小幅度增长的。
（二）建议
根据技术效率与影响因素的相关性，现提出以下建议。
1.提高人力资源水平
物流业应更重视提高人力资源所能带来的产出，注重提高员工素质，加强行业发展过程中所需的智力支持[ 29 ]。首先，尽可能与高等院校合作，为物流企业输送理论知识丰富又有实践经验的专业人才；其次，可以考虑雇用从国外学成归来的人才。当然，也要留住行业内的优秀员工。
2.进行资产重组，减少负债
根据本文对影响因素的分析，建议行业内企业减少负债比例，减少企业面临的风险，增强所有者的信心，齐心协力推动物流业发展，同时企业应根据自身情况适当对固定资产进行投资。
3.减少管理费用的投入
管理费用投入的增加并不能提高行业的技术效率值。目前物流行业管理混乱，整体效率不高，单纯增加对管理费用的投入并不能从根本上解决问题，企业应重视管理人员素质的提高，重视人力成本。
4.根据企业情况减少固定资产投资
分析发现，固定资产占总资产的比重过大会阻碍技术效率提高，而物流业又是重资产行业，需要固定资产的投入。因此，为了物流业整体效率的提高，行业内的企业应对自身情况进行考量，一些大型物流企业不建议在固定资产方面进行投资，那样不利于企业发展。而对于一些中小型企业，可以根据企业发展情况适当增加固定资产的投入，优化企业的资产组成结构。
*安徽大学商学院研究生王叶青对本文亦有贡献，特在此表示感谢。
参考文献：
[1]中国物流与采购联合会科技信息部.2018年全国物流运行情况通报[EB/OL].（2019-03-23）[2019-05-21].http：// www.chinawuliu.com.cn/lhhkx/201903/23/339377.shtml from=groupmessage&isappinstalled=0.
[2]REINHARD S，LOVELL C A K，THIJSSEN G J.Environ mental efficiency with multiple environmentally detrimental variables；estimated with SFA and DEA[J].European jour nal of operational research，2000，121（2）：287-303.
[3]孟鑫.基于DEA模型的長江经济带物流产业效率分析[J].企业经济，2015（12）：108-113.
[4]MIN H，JOO S J.Benchmarking the operational efficiency of third party logistics providers using data envelopment analy sis [J].Supply chain management，2013，11（3）：259-265.
[5]SUN X H，YAMAMOTO T，MORIKAWA T.Stochastic fron tier analysis of excess access to mid-trip battery electric ve hicle fast charging[J].Transportation research part D：trans port and environment，2015，34：83-94. [6]LAMPE H W，HILGERS D.Trajectories of efficiency mea surement：A bibliometric analysis of DEA and SFA[J].Euro pean journal of operational research，2015，240（1）：1-21.
[7]JARBOUI S.Managerial psychology and transport firms effi ciency：a stochastic frontier analysis[J].Review of manageri al science，2016，10（2）：365-379.
[8]RUSSELL KASHIAN，ELAINE YILING LIN and YYHAN XUE.Cost efficiency analysis of local commercial banks in taiwan[J].Asian economic journal，2019，33（1）：87-108.
[9]D GAVALAS.Shipping firms’efficiency evaluation through stochastic frontier analysis[J].Modern economy，2016，7（8）：867-874.
[10]张竟轶，张竟成.基于三阶段DEA模型的我国物流效率综合研究[J].管理世界，2016（8）：178-179.
[11]戢晓峰，刘丁硕.物流产业效率与交通优势度耦合协调水平测度——以中国36个主要城市为例[J].城市问题，2019，283（2）：63-70..
[12]龚雪.中部六省物流效率评价[J].统计与决策，2019（18）：59-63
[13]郭举，刘俊华.基于SFA的中国物流业效率研究[J].物流科技，2018，41（7）：20-22.
[14]田刚，李南.中国物流业技术效率差异及其影响因素研究——基于省级面板数据的实证分析[J].科研管理，2011，32（7）：34-44.
[15]汪旭晖，文静怡.我国农产品物流效率及其区域差异——基于省际面板数据的SFA分析[J].当代经济管理，2015，37（1）：26-32.
[16]徐良培，李淑華.农产品物流效率及其影响因素研究——基于中国2000—2011年省际面板数据的实证分析[J].华中农业大学学报（社会科学版），2013（6）：71-79.
[17]刘瑞娟，王建伟，黄泽滨.交通基础设施、空间溢出效应与物流产业效率——基于“丝绸之路经济带”西北5省区的实证研究[J].工业技术经济，2017（6）：21-27.
[18]郑秀娟.基于随机前沿的物流业发展效率及区域差异分析[J].统计与决策，2018（18）：121-124.
[19]FALL F，AKIM A，WASSONGMA H.DEA and SFA re search on the efficiency of microfinance institutions：A me ta-analysis[J].World development，2018，107：176-188.
[20]BATTESE G E，COELLI T J.A model for technical ineffi ciency effects in a stochastic frontier production function for panel data[J].Empirical economics，1995，20（2）：325-332.
[21]张宝友，达庆利，黄祖庆.中国上市物流公司动态绩效评价及对策[J].系统工程，2008，26（4）：6-10.
[22]张宝友，达庆利，黄祖庆，等.基于AHP/DEA模型的上市物流公司绩效评价[J].工业工程与管理，2008，13（5）：67-71.
[23]钟祖昌.我国物流上市公司运营效率的实证研究[J].商业经济与管理，2011，1（4）：19-26.
[24]何新安.广东物流效率影响因素实证研究[J].铁道运输与经济，2017（12）：10-15.
[25]郁葱茏.物流业全要素生产率及其影响因素分析[J].统计与信息论坛，2018，33（5）：50-57.
[26]艾小辉.基于DEA的第三方物流产业效率研究[D].厦门：厦门大学，2008.
[27]陈治国，杜金华，李红.物流业的产业影响效应及其政策启示——基于全国35个大中城市面板数据的实证研究[J].中国流通经济，2018，32（12）：33-42.
[28]CHEN C M，DELMAS M A，LIEBERMAN M B.Production frontier methodologies and efficiency as a performance measure in strategic management research[J].Strategic man agement journal，2015，36（1）：19-36.
[29]景保峰.我国物流业上市公司全要素生产率的实证分析[J].技术经济，2011，30（9）：104-113.
Study on Technology Efficiency of Logistics Industry in China and Influence Factors
——An Empirical Study from Listed Companies HAN Dong-ya1and LIU Hong-wei2
（1.Anhui Public Resources Exchange Group Co.，Ltd，Hefei，Anhui230601，China；2.Anhui University，Hefei，Anhui230601，China）
Abstract：With the rapid development of economy and society，the logistics industry is viewed as the important driving force and foundation for the development of social economic development.However，the problems exposed by the fast-growing logistics enterprises can not be ignored.The authors use the stochastic frontier method（SFA）to select the financial data of 80 logistics listed companies in 2013—2017 as a sample to empirically study the efficiency of China’s logistics industry. It is found that the overall development of China’s logistics enterprises showed an upward trend，but the average technical efficiency value of 80 enterprises in the past five years was still low compared with the optimal situation.From the analysis of different regions，the average technical efficiency value of enterprises in the eastern region was better than that in the west.The region is slightly higher than the central region，and this phenomenon is basically the same as the development of China’s regional economy.The technical efficiency values of different types of enterprises are different，but the average technical efficiency value shows an overall upward trend，indicating that the development of logistics enterprises is getting better and better. It is also found that the number of executives and owners’ rights have a positive impact on improving technical efficiency，while fixed assets and management expenses are currently in a state of diminishing returns to scale，and excessive investment will hinder the improvement of technical efficiency.According to this，all related enterprises should pay attention to the input of human capital，the reduce of debt ratio，the control of fixed asset，and the reduce of administrative fees.
Key words：listed logistics company；stochastic frontier analysis；logistics efficiency；technology efficiency；investment scale
收稿日期：2019-10-28
基金項目：国家自然科学基金项目“考虑非期望产出复杂特性的DEA效率评价理论、方法及应用研究”（71801001）
作者简介：韩东亚（1978—），男，安徽省亳州市人，安徽公共资源交易集团总经理，博士，主要研究方向为物流与供应链；刘宏伟（1983—），本文通讯作者，男，河北省保定市人，安徽大学商学院副教授，硕士生导师，博士，主要研究方向为绩效管理与物流规划。
关键词：物流上市公司；随机前沿分析；物流业效率；技术效率；投资规模
中图分类号：F259.2文献标识码：A文章编号：1007-8266（2019）11-0017-10
一、引言
自21世纪以来，随着经济全球化的不断深入和信息技术应用水平的提高，物流产业取得了巨大发展。据统计，2018年我国社会物流总额上升为283.1万亿元，同比增长6.4%，社会物流总费用占当年GDP比重为14.8%，物流业景气指数始终在55%左右波动[ 1 ]。可见，我国物流业规模日益壮大，质量水平不断提升，逐渐成为国民经济发展的推动力量和重要支撑。但我国物流业的发展也存在一定的问题，物流业的技术效率水平整体并不高，无法有效支持我国经济高质量发展。为了有效发挥物流作为服务业的功能，有效支持供给侧改革，有必要对物流业效率及影响因素进行探索，针对效率表现及影响因素，提出改进建议和对策，提升我国物流技术效率，推动物流业健康发展。
本文采用随机前沿分析法（SFA）构建物流效率测评模型，选择80家物流上市公司2013—2017年财务数据为样本，对我国物流业技术效率进行实证研究，同时揭示物流技术效率与影响因素之间的相关性，研究我国物流业技术效率及其影响因素，对节约物流成本、促进我国物流业高效发展具有十分重要的意义。
二、文献综述
近年来，如何定量分析行业的技术效率，提高技术效率值成为学术界重点关注的一个研究领域。不同学者采用不同的方法对物流效率进行研究，主要包括数据包络分析法（DEA）和SFA两种方法。很多学者采用DEA及改进DEA对物流效率进行分析，并用Tobit回归模型分析效率与影响因素之间的关系。孟鑫[ 3 ]和敏（Hokoy Min）[ 4 ]等人采用DEA或改进的DEA方法对物流效率进行了研究。张竟轶和张竟成[ 10 ]运用三阶段DEA法对我国2010—2014年31个省（市区）物流业效率进行测评，指出目前我国总体物流水平相对较高，处于规模效率递增阶段，但物流经营管理水平与物流发展不协调。戢晓峰和刘丁硕[ 11 ]运用产出导向的DEA对我国36个主要城市物流产业效率进行测算，得出主要城市的物流产业效率存在着较为明显的地域差异。龚雪[ 12 ]利用DEA-Malmquist指数模型对2007—2016年中部六省的物流效率进行了分析，结果表明中部六省的物流效率整体水平一般，不同省份物流效率差距较大，物流业全要素生产率变动主要源自技术进步，技术效率对物流效率的影响并不显著。DEA方法可以测算多投入多产出的效率问题，但忽视了随机误差的影响[ 5 ]，且无法直接对物流效率的影响因素进行分析。
随机前沿分析法弥补了DEA技术的不足[ 6-7 ]。不少学者采用SFA方法对区域物流效率进行测评，分析影响因素与效率之间的关系。郭举和刘俊华[ 13 ]运用SFA分析我国物流业2007—2016年的效率，得出我国物流业效率总体上有一定上升，但与发达国家相比仍比较落后，国内生产总值的提高不能显著提高物流业效率。田刚和李南[ 14 ]运用外生性影响因素与SFA联合估计的方法对中国大陆1991—2007年29个省级地区物流业技术效率进行测算，得出中国物流业技术效率仍处于较低水平，地区间存在差异，且在扩大；中部的发展势头和发展速度明显低于东部，也低于西部。改善物流环境对促进地区协调发展有重要意义。与之类似，汪旭晖和文静怡[ 15 ]运用SFA对2003—2011年我国23个省、市、自治区的农产品物流效率进行对比分析，发现2003—2011年我国农产品物流技术效率基本处于停滞状态，中部地区效率水平相对最高，东部次之，西部最低，并提出完善物流行业基础工作、加大物流技术创新力度、加快行业转型步伐的政策建议。徐良培和李淑华[ 16 ]运用SFA对我国2000—2011年30个省、市、自治区农产品物流的技术效率进行测算，探讨了外生性环境因素对其影响的差异及全要素生产效率变化的根源，指出我国及各地区农产品物流技术效率均处于较低水平且存在显著的地区差异，外生性环境因素对农产品物流效率具有正向影响。基于此，刘瑞娟等[ 17 ]运用SFA对2005—2015年“丝绸之路经济带”西北五省区的物流产业效率进行测算，并运用空间面板计量方法实证检验交通基础设施对物流产业效率的空间溢出效应，得出西北五省区的物流产业效率存在差异但整体效率在不断提升，邻省和本省交通基础设施水平都对本省的物流产业效率具有显著的正向影响。郑秀娟[ 18 ]运用技术效率改进的SFA对不同时序产业部类发展技术效率进行分析，并验证了物流业技术效率增进的时空差异。
综上所述，现有文献大多采用DEA和SFA来测算物流效率，但DEA不考虑随机误差的存在，所以在实际分析中可能会因为随机误差的存在而导致结果偏差，并且DEA难以检验回归结果总体的显著性，无法直接对物流效率的影响因素进行分析。而SFA优于DEA之处，是它考虑随机误差的存在对结果造成的影响，提前确定生产函数形式再研究企业的生产过程，可以提高计算技术效率的准确性，还可以分析效率与影响因素之间的相关性。因此本文采用SFA方法，通過收集我国2013—2017年80家物流上市公司的相关数据，研究不同年份、不同行业、不同区域物流上市公司的技术效率值，并对影响因素进行定量分析。 三、模型构建
（一）SFA方法介绍
SFA预先设定生产函数和变量之间的关系，在计算技术效率时考虑随机误差的影响，SFA中有三种函数：成本函数、利润函数和交替利润函数，分别用来研究企业的成本效率和技术效率[ 19 ]。
巴蒂斯和科埃利（Battese & Coelli）[ 20 ]提出一种可以同时计算随机前沿生产函数和技术效率函数的方法，此方法可以在分析影响技术效率的因素的同时保证结果的无偏性和有效性，非常适合分析面板数据。
具体而言，Battese与Coelli的模型假设为：
公式（3）表示在第t年第i家公司的技术效率，当Uit=0时，TEit=1，表示技术有效，反之为技术无效。
（二）生产函数分析
1.投入与产出
参考以往学者的研究，本文将生产函数投入要素的设定和研究目的相结合，列出投入、产出变量研究文献表（参见表1）。
从投入角度来讲，可以将员工看作一个企业利润的创造者，以及最具活力的价值创造源泉；总资产包括公司拥有或控制的所有可以带来经济利益的资产，是影响物流公司盈利能力的重要因素；管理费用是指企业行政管理部门为组织管理生产经营活动所发生的各项费用，企业管理费用的多少可以量化企业管理层的管理水平。从产出角度分析，主营业务收入是企业从事本行业生产经营活动所取得的收入，具有发展潜力的上市公司必须有明确的主营业务收入作为支撑[ 25 ]。因此，本文选取年末公司员工数、公司总资产、管理费用作为投入指标，将主营业务收入作为产出指标。
2.影响因素变量
本文的主要目的是计算企业技术效率，以此来分析物流发展水平。根据现有研究成果，如艾小辉[ 26 ]在研究中发现，企业的规模、员工素质水平等对效率有显著的正向影响，企业资产负债率与效率有显著负相关关系；陈治国等人[ 27 ]的研究证明，劳动力成本、购买力水平、教育投入、基础设施建设水平等均对三大产业有促进效应（参见表2）。考虑数据的可获得性，本文选择研究的影响技术效率的因素包括高管人数占员工人数的比例、固定资产占总资产的比重、管理费用占总成本的比例、所有者权益占总资产的比重。
3.生产函数构建
通过查阅中国证券监督管理委员会（CSRC）发布的《2017年4季度上市公司行业分类》，“交通运输、仓储和邮政业（G）”下所有企业共有96家。本文研究2013—2017年物流企业的情况，根据指标数据的可获得性将数据不齐的企业剔除，因此，本文共选取80家企业作为样本进行分析研究，其中东部51家企业，西部8家企业，中部21家企业，绝大多数物流公司集中于经济相对发达的东部地区；本文选用的投入指标数据来源于国泰安数据库导出的财务报表（参见表3）。
表3描述了2013—2017年不同区域物流企业的数据特征。数据表明，产出方面，东部地区物流企业与收入相关的四个指标均明显高于中部和西部地区，但其对应的标准差也是最大的，说明企业发展迅速的同时也存在不稳定的现象。就投入而言，中部地区企业的就业人数明显高于西部企业，略低于东部地区。但是东部地区企业的管理费用和总资产是远高于中西部地区的。
SFA较为常用的生产函数有柯布—道格拉斯函數和超越对数生产函数。柯布—道格拉斯函数的特点是形式简洁，易于理解，但它预先假定技术中性和产出弹性是固定的。而超越对数生产函数不仅考虑前沿技术进步和投入要素对生产率的相互作用，还考虑了投入要素之间的替代效应[ 28 ]。因此，本文使用超越对数生产函数来构建随机前沿生产的模型：
其中，X表示投入要素的组合，分别为员工人数、公司总资产、管理费用；β是待估计变量的系数。Uit是用来解释技术无效率项，并且服从N（mit，σ2u）的分布，mit代表着技术无效率项的大
式（5）中，Pit为高管人数的比例；Git为固定资产占总资产的比重；Fit为管理费用占总成本的比重；Sit为所有者权益的比重。δ0为常数项，δ1～δ4表示影响因素的参数，可以反映对技术效率的影响方向和影响程度。
四、实证结果分析
（一）SFA模型参数回归结果
采用SFA模型，根据生产函数模型，应用Froniter4.1计量软件，对80所上市公司2013—2017年的投入、产出数据进行测算，结果如表4所示。
由表4知，似然比检验统计量LR估计值为530.008 5，并且γ=0.975 1，非常接近于1，说明对随机误差项而言97.51%受到技术非效率的影响，仅有2.49%来源于环境条件、统计误差等无法控制的因素，因此可以认为设定的模型较为理想。
从表4中还得知，在生产函数部分，管理费用、总资产对企业产出均具有正向影响，相比较而言管理费用的产出弹性更大，约是总资产投入产出弹性的12倍，其t值为3.176 5，大于2.58，表明管理费用作为投入要素对产出的回归影响较大。
员工人数的变量系数为-0.315 3，表明该投入对企业的产出有一定的负向影响，即企业员工人数不是越多越好，应当大力提高员工素养，优化企业员工结构。
总资产的变量系数为0.067 8，说明总资产对产出的影响虽然没有管理费用那样显著，但仍是不可忽视的一个变量。
（二）总体技术效率值分析
根据软件统计分析的结果，将80家物流上市公司近五年的平均技术效率值绘制成折线图（如图1所示）。
由图1可知，从2013—2017年，这80家企业的平均技术效率值逐年递增，表明企业对现有资源的有效利用能力越来越强。发生明显增长的时期是2016—2017年，也是从这一年起我国开始在政府层面出台相关文件重视各省市区物流业的发展。
通过相关公式运算可知这80家物流企业5年的平均技术效率值只有0.544 3，这和理论上最优效率值1相差很多，从侧面表明我国物流业的技术效率值水平整体并不高，行业效率仍有很大的提高空间。
（三）分区域数据分析
通过查阅80家物流上市公司的注册地，将其按行政区域划分成东部、西部、中部。2013—2017年不同区域公司的平均技术效率值如表5所示。在东部、西部、中部三大区域中，位于东部的企业平均技术效率值为0.561 6，高于中部和西部地区的物流企业，位于西部的物流企业平均技术效率值最低，为0.483 5。这与我国区域经济发展的基本情况相吻合。
（四）分行业数据分析
根据CSRC发布的《2017年4季度上市公司行业分类》将80家物流上市公司分为七大类：铁路运输业、道路运输业、水上运输业、航空运输业、装卸搬运和其他运输代理业、仓储业、邮政业。
1.铁路运输业的技术效率
根据运算结果可知，铁路运输企业一共有4家，其技术效率如表6所示。
由表6可知，西部创业和铁龙物流的技术效率值逐年稳定增长，大秦铁路和广深铁路的技术效率值都出现了先降后涨的波动。大秦铁路在这4家企业中技术效率值最高，相比于其他企业来说发展最好。而观察平均效率值发现，总体上处于上升趋势，但是在2016年发生了小幅度的波动，不过随后又得到了恢复，并且持续增长。
2.道路运输业的技术效率
根据运算结果可知，道路运输企业一共有30家，其技术效率如表7所示。
从表7分析来看，仅五洲交通的技术效率值出现明显下滑，其余公司技术效率值保持平稳或者呈现小幅度的增长。龙江交通、长江投资、盐田港这3家公司的技术效率值虽然有所提高，但相比于其他公司，仍有较大的进步空间。从表7可知，高速公路企业的技术效率值较优异，企业之间的差距不是很大，像山东高速、赣粤高速、宁沪高速、深高速的技术效率值处于领先地位。吉林高速、中原高速、福建高速、粤高速A的技术效率值相对来说较为中等。仅楚天高速的技术效率值相比其他高速企业来说较差，但和其他公路运输公司进行比较的话，也处于中等。总的来说我国公路运输业的平均技术效率值逐年增长，发展态势越来越好，
3.水上运输业的技术效率
根据运算结果可知，水上运输企业一共有25家，其技术效率如表8所示。
由表8知，中远海控、中远海发、中远海能、天津港这四家企业的技术效率值相比其他物流上市公司一直处于较高水平，而渤海轮渡、亚通股份这两家企业的技术效率值排名处于最后。絕大多数企业这五年来技术效率值偶有降低，但处于增长态势，只有中远海发、连云港、上港集团、皖江物流这4家企业的技术效率值一直处于下降的趋势，而天津港、中远海特、中远海能、重庆港九、这些企业的技术效率值处于波动状态，但是下降的程度远大于技术效率值增长的幅度。分析平均技术效率值可知，26家企业五年来的平均技术效率值一直在0.55左右浮动，略有起伏但是仍处于一个稳定状态。
4.航空运输业的技术效率
根据运算结果可知，航空运输企业一共有9家，其技术效率如表9所示。
由表9可知，南方航空、东方航空、中国国航三家航空公司的技术效率最优，中信海直的技术效率最差。中信海直、山航B、白云机场、上海机场这四家航空公司的技术效率值逐年增长，其余5家航空公司的技术效率值略有波动，但总体处于上升态势。航空运输业的平均效率值一直保持小幅增长，我国航空运输业的效率越来越好。
5.装卸搬运和其他运输代理业的技术效率
根据运算结果可知，装卸搬运和其他运输代理业一共有3家，其技术效率如表10所示。
澳洋顺昌、华贸物流两家企业的技术效率值逐年提高，相比来看澳洋顺昌这五年发展更为迅速，涨幅惊人，但华贸物流的技术效率值仍处于榜首。安通控股的技术效率值总体上在下降，近年来发展不如人意。不过，总体的平均技术效率仍在增长，行业还是在不断进步。
6.仓储业的技术效率
根据运算结果可知，仓储企业一共有6家，其技术效率如表11所示。
只有欧浦智网、新宁物流两家公司的技术效率值始终保持上升趋势，其余4家公司的技术效率值偶有回落但总体上有小幅增长。总的平均技术效率还是在增长，行业整体来说还是在进步。
7.邮政业的技术效率
根据运算结果可知，邮政企业一共有3家，其技术效率如表12所示。
这3家公司的技术效率值一直处于上升趋势，表明我国邮政业发展的形势也越来越好。
总的来说，分析这七种不同类型物流企业的平均技术效率值，航空运输企业的平均技术效率值最优，其次是铁路运输企业，平均效率值最低的为公路运输企业。其余类型企业的平均技术效率相差不多，因为各个类型的企业数不同，均值又容易受到极端值影响，因此本文大致得出结论为：不同物流企业的技术效率值都是逐年递增的，虽然偶有小降幅，但总体上都在上升，这也表明了我国物流业的发展前景是不可估量的。
（五）影响因素分析
对影响因素进行分析，对其回归结果进行整理后如表13所示。
其中，δ0为常数项，δ1（P）为高管人数占员工总数的比重，δ2（G）为固定资产占总资产的比重，δ3（F）为管理费用占总成本的比例，δ4（S）为所有者权益占总资产的比重。
因为高管数比例的变量系数为-9.688 6，且在1%水平下显著，说明回归关系显著，同时表明高管数比例对于企业技术效率的变动有正向影响。
固定资产占比的变量系数为0.368 1，表现出负面影响但不显著。由表13数据推测出现这种情况是因为目前大多数企业的固定资产投入已处于边际报酬递减阶段，企业不应盲目投入，应根据实际情况选择是否继续进行固定资产的投资与建设。
管理费用占总成本比重的变量系数为6.834 7，且在1%水平下显著，说明管理费用与企业技术效率有显著的负相关关系，即投入的管理费用越多，相应企业的技术效率值就越低。
所有者权益占比的变量系数为-0.049 1，对技术效率值有正面影响但不显著，所有者权益比重的增加会促进企业技术效率值的提高。
五、结论与政策建议
（一）结论
本文使用SFA对我国80家物流上市公司2013—2017年的技术效率值以及不同区域、不同行业的平均技术效率值进行对比分析，主要得到以下结论：2013—2017年中国80家物流上市公司的总体技术效率较低，均值为0.544 3。固定资产占企业总资产的比例、高管数量与员工总人数的比例这两个因素正向拉动企业技术效率的增长，而所有者权益的占比、管理费用占总成本的大小和技术效率值呈反向关系，是阻碍技术效率值提高的因素。
从技术效率的大小来看，我国东部地区的物流企业平均技术效率值高于中部和西部地区企业，不同类型企业的平均技术效率值近五年总体上是小幅度增长的。
（二）建议
根据技术效率与影响因素的相关性，现提出以下建议。
1.提高人力资源水平
物流业应更重视提高人力资源所能带来的产出，注重提高员工素质，加强行业发展过程中所需的智力支持[ 29 ]。首先，尽可能与高等院校合作，为物流企业输送理论知识丰富又有实践经验的专业人才；其次，可以考虑雇用从国外学成归来的人才。当然，也要留住行业内的优秀员工。
2.进行资产重组，减少负债
根据本文对影响因素的分析，建议行业内企业减少负债比例，减少企业面临的风险，增强所有者的信心，齐心协力推动物流业发展，同时企业应根据自身情况适当对固定资产进行投资。
3.减少管理费用的投入
管理费用投入的增加并不能提高行业的技术效率值。目前物流行业管理混乱，整体效率不高，单纯增加对管理费用的投入并不能从根本上解决问题，企业应重视管理人员素质的提高，重视人力成本。
4.根据企业情况减少固定资产投资
分析发现，固定资产占总资产的比重过大会阻碍技术效率提高，而物流业又是重资产行业，需要固定资产的投入。因此，为了物流业整体效率的提高，行业内的企业应对自身情况进行考量，一些大型物流企业不建议在固定资产方面进行投资，那样不利于企业发展。而对于一些中小型企业，可以根据企业发展情况适当增加固定资产的投入，优化企业的资产组成结构。
*安徽大学商学院研究生王叶青对本文亦有贡献，特在此表示感谢。
参考文献：
[1]中国物流与采购联合会科技信息部.2018年全国物流运行情况通报[EB/OL].（2019-03-23）[2019-05-21].http：// www.chinawuliu.com.cn/lhhkx/201903/23/339377.shtml from=groupmessage&isappinstalled=0.
[2]REINHARD S，LOVELL C A K，THIJSSEN G J.Environ mental efficiency with multiple environmentally detrimental variables；estimated with SFA and DEA[J].European jour nal of operational research，2000，121（2）：287-303.
[3]孟鑫.基于DEA模型的長江经济带物流产业效率分析[J].企业经济，2015（12）：108-113.
[4]MIN H，JOO S J.Benchmarking the operational efficiency of third party logistics providers using data envelopment analy sis [J].Supply chain management，2013，11（3）：259-265.
[5]SUN X H，YAMAMOTO T，MORIKAWA T.Stochastic fron tier analysis of excess access to mid-trip battery electric ve hicle fast charging[J].Transportation research part D：trans port and environment，2015，34：83-94. [6]LAMPE H W，HILGERS D.Trajectories of efficiency mea surement：A bibliometric analysis of DEA and SFA[J].Euro pean journal of operational research，2015，240（1）：1-21.
[7]JARBOUI S.Managerial psychology and transport firms effi ciency：a stochastic frontier analysis[J].Review of manageri al science，2016，10（2）：365-379.
[8]RUSSELL KASHIAN，ELAINE YILING LIN and YYHAN XUE.Cost efficiency analysis of local commercial banks in taiwan[J].Asian economic journal，2019，33（1）：87-108.
[9]D GAVALAS.Shipping firms’efficiency evaluation through stochastic frontier analysis[J].Modern economy，2016，7（8）：867-874.
[10]张竟轶，张竟成.基于三阶段DEA模型的我国物流效率综合研究[J].管理世界，2016（8）：178-179.
[11]戢晓峰，刘丁硕.物流产业效率与交通优势度耦合协调水平测度——以中国36个主要城市为例[J].城市问题，2019，283（2）：63-70..
[12]龚雪.中部六省物流效率评价[J].统计与决策，2019（18）：59-63
[13]郭举，刘俊华.基于SFA的中国物流业效率研究[J].物流科技，2018，41（7）：20-22.
[14]田刚，李南.中国物流业技术效率差异及其影响因素研究——基于省级面板数据的实证分析[J].科研管理，2011，32（7）：34-44.
[15]汪旭晖，文静怡.我国农产品物流效率及其区域差异——基于省际面板数据的SFA分析[J].当代经济管理，2015，37（1）：26-32.
[16]徐良培，李淑華.农产品物流效率及其影响因素研究——基于中国2000—2011年省际面板数据的实证分析[J].华中农业大学学报（社会科学版），2013（6）：71-79.
[17]刘瑞娟，王建伟，黄泽滨.交通基础设施、空间溢出效应与物流产业效率——基于“丝绸之路经济带”西北5省区的实证研究[J].工业技术经济，2017（6）：21-27.
[18]郑秀娟.基于随机前沿的物流业发展效率及区域差异分析[J].统计与决策，2018（18）：121-124.
[19]FALL F，AKIM A，WASSONGMA H.DEA and SFA re search on the efficiency of microfinance institutions：A me ta-analysis[J].World development，2018，107：176-188.
[20]BATTESE G E，COELLI T J.A model for technical ineffi ciency effects in a stochastic frontier production function for panel data[J].Empirical economics，1995，20（2）：325-332.
[21]张宝友，达庆利，黄祖庆.中国上市物流公司动态绩效评价及对策[J].系统工程，2008，26（4）：6-10.
[22]张宝友，达庆利，黄祖庆，等.基于AHP/DEA模型的上市物流公司绩效评价[J].工业工程与管理，2008，13（5）：67-71.
[23]钟祖昌.我国物流上市公司运营效率的实证研究[J].商业经济与管理，2011，1（4）：19-26.
[24]何新安.广东物流效率影响因素实证研究[J].铁道运输与经济，2017（12）：10-15.
[25]郁葱茏.物流业全要素生产率及其影响因素分析[J].统计与信息论坛，2018，33（5）：50-57.
[26]艾小辉.基于DEA的第三方物流产业效率研究[D].厦门：厦门大学，2008.
[27]陈治国，杜金华，李红.物流业的产业影响效应及其政策启示——基于全国35个大中城市面板数据的实证研究[J].中国流通经济，2018，32（12）：33-42.
[28]CHEN C M，DELMAS M A，LIEBERMAN M B.Production frontier methodologies and efficiency as a performance measure in strategic management research[J].Strategic man agement journal，2015，36（1）：19-36.
[29]景保峰.我国物流业上市公司全要素生产率的实证分析[J].技术经济，2011，30（9）：104-113.
Study on Technology Efficiency of Logistics Industry in China and Influence Factors
——An Empirical Study from Listed Companies HAN Dong-ya1and LIU Hong-wei2
（1.Anhui Public Resources Exchange Group Co.，Ltd，Hefei，Anhui230601，China；2.Anhui University，Hefei，Anhui230601，China）
Abstract：With the rapid development of economy and society，the logistics industry is viewed as the important driving force and foundation for the development of social economic development.However，the problems exposed by the fast-growing logistics enterprises can not be ignored.The authors use the stochastic frontier method（SFA）to select the financial data of 80 logistics listed companies in 2013—2017 as a sample to empirically study the efficiency of China’s logistics industry. It is found that the overall development of China’s logistics enterprises showed an upward trend，but the average technical efficiency value of 80 enterprises in the past five years was still low compared with the optimal situation.From the analysis of different regions，the average technical efficiency value of enterprises in the eastern region was better than that in the west.The region is slightly higher than the central region，and this phenomenon is basically the same as the development of China’s regional economy.The technical efficiency values of different types of enterprises are different，but the average technical efficiency value shows an overall upward trend，indicating that the development of logistics enterprises is getting better and better. It is also found that the number of executives and owners’ rights have a positive impact on improving technical efficiency，while fixed assets and management expenses are currently in a state of diminishing returns to scale，and excessive investment will hinder the improvement of technical efficiency.According to this，all related enterprises should pay attention to the input of human capital，the reduce of debt ratio，the control of fixed asset，and the reduce of administrative fees.
Key words：listed logistics company；stochastic frontier analysis；logistics efficiency；technology efficiency；investment scale
收稿日期：2019-10-28
基金項目：国家自然科学基金项目“考虑非期望产出复杂特性的DEA效率评价理论、方法及应用研究”（71801001）
作者简介：韩东亚（1978—），男，安徽省亳州市人，安徽公共资源交易集团总经理，博士，主要研究方向为物流与供应链；刘宏伟（1983—），本文通讯作者，男，河北省保定市人，安徽大学商学院副教授，硕士生导师，博士，主要研究方向为绩效管理与物流规划。