基于两阶段DEA模型的物流企业融资效率研究

【摘 要】 物流行业是现代经济发展的基础，其作用日趋重要，然而物流产业的发展受到物流企业融资困难的制约。物流企业融资效率如何提高是一个值得关注的课题。文章将31家物流上市公司作为研究的对象，同时利用两阶段DEA模型对其整体融资效率及两阶段分解效率进行测算，结果表明物流企业的融资效率处于较低水平，不同类型的物流企业的融资效率及分解效率差别较大，这与整体经济走势、融资成本以及企业规模相关。因此，物流企业应该适应经济环境的变化，更新自身的融资理念以及采取其他措施来提高融资效率。

【关键词】 物流企业； 两阶段DEA； 融资效率

【中图分类号】 F270.3 【文献标识码】 A 【文章编号】 1004-5937（2017）05-0103-05

一、引言

物流业对国民经济发展有着支撑作用，有其自有的行业特点：垫付资金问题突出、货款回收周期长、流动资金压力大、财务风险较大。近年来，为了优化物流行业的资源配置效率，促进物流企业持续健康发展，国务院相继出台了《物流业调整和振兴规划》《物流业发展中长期规划（2014―2020年）》等，大力鼓励物流企业通过各种方式来做强做大。作为资金密集型行业的物流行业要实现企业升级，急需外部资金的介入，企业融资问题是一个关键环节。

二、文献综述

（一）国外研究综述

对于物流企业的融资问题研究，Erik Hofmann et al.[1]认为，随着资金使用效率的提高，许多公司可以增加其流动性并确保为未来发展提供资金，而且可以通过仔细观察公司的付款方式管理、库存管理以及供应链管理来减少资金占用，提高企业的内部融资效率。Harald Gleissner et al.[2]认为投资和融资问题在物流中发挥着核心作用，融资被定义为所需资金的采购，以进行必要的经营投资。

国外这些研究主要集中于融资的资本来源、融资顺序、资本成本等方面。

（二）国内研究综述

1.融资效率的界定

在我国，“企业融资效率”的概念是曾康霖[3]首次提出的；宋文兵[4]提出融资效率包括两方面，一方面是交易效率，另一方面是配置效率；李记辉和胡旭微[5]将融资效率看作企业获取资金的利用效率。

从这些研究可以看出，融资效率包括两个内容，一是资金的筹集效率，也就是企业怎样以最低的成本筹集到资金；二是资金的配置效率，也就是企业如何将所筹集的资金进行有效的运用。因此，本文将对融资效率的研究分为资金的筹集和资金的配置两个阶段。

2.物流企业融资效率研究

国内很少有专门针对物流企业融资效率进行研究的文献。章文燕[6]运用模糊数学法分析了物流企业五种融资方式，其融资效率表现为自我积累方式效率最高，股票融资方式效率值最低。刘小燕[7]运用DEA模型对高速公路企业的融资效率进行研究，得出研究对象的规模效率已普遍实现，但是纯技术效率值较低。许婷[8]将我国港口和航运上市公司股权作为研究对象，运用DEA模型对其融资效率进行研究，以资产负债率等为投入指标，以净资产收益率等为产出指标进行相关分析。

上述关于融资效率的研究方法，主要有模糊数学法、随机前沿分析法、熵值法、数据包络分析法等，本文则采用主观性较弱的数据包络分析法进行研究。

三、实证研究设计

（一）两阶段关联DEA模型

数据包络分析法（简称DEA分析方法）相对于因子分析、回归分析等参数统计方法，它不需要预先假设函数形式，评价的是相对效率，可以避免由于错误的函数公式带来的问题；相对于模糊评价分析、层次分析等其他非参数分析法，它不需要设置各指标的权重，可以有效地避免主观性。然而传统的DEA分析方法，把决策单元（DMU）的整个系统内部看作了一个不可以再进行分割的黑箱，它只是考虑了最初投入和最终产出，不能够有效地测量出生产过程不同阶段的单独效率以及不同阶段对生产过程整体效率的影响。为了解决这一问题，Wang[9]提出了一种DEA模型，它的两阶段生产系统具有顺序特性；之后又有学者提出其他模型，目前两阶段DEA模型包括串联模型[10]、并联模型[11]和串并联混合模型[12]，本文根据融资效率的特点，将采用第一种串联模型，即链式的DEA模型，具体过程如图1所示。

假设有n个DMU，每个DMU的生产过程都可以分解为两个相连续的子过程，并且每个DMU都有p类的输入、s类的中间输出和q类的最终输出。其中：第一阶段第i个DMU的投入用Xi表示，Xi=（x1i，x2 i，x3 i，…，xp i）T；第i个DMU的中间产品用Zi表示，Zi=（z1i，z2 i，z3 i，…，zs i）T；第二阶段的产出用Yi表示，Yi=（y1i，y2 i，y3 i，…，yq i）T。用U=（u1，u2，…，up）T表示入的权重，V=（v1，v2，…vs）T表示中间输出的权重，W=（w1，w2，…，wq）T表示最终输出的权重。构建两阶段DEA模型如下：

整体效率θ0=max（WTY0）

s.t.UTX0=1

UTXi-WTYi≥0

UTXi-VTZi≥0

VTZi-WTYi≥0

U≥ θp，V≥ θs，W≥ θq

其中 是非阿基米德无穷小量，θT是单位矩阵，即θT=（1，1，1，…）T，设U*、V*、W*为最优解，则DMU整体的效率与各阶段的效率之间存在如下关系：

θ0=WTY0 /UTX0

θ1=VTZ0 /UTX0

θ2=WTY0 /VTZ0

其中，θ0表示整体效率，θ1表示资金筹集效率，θ2表示资金配置效率，可以看出只有当两阶段都有效时，整体效率才会有效。

（二）指标的选择

本文在选择指标时，基于已有的研究结果结合物流企业的特点，在满足如下条件时，选择了投入指标3个，中间指标1个以及产出指标3个：首先，所有决策单元的投入指标的数值和产出指标的数值必须是正值；其次，考虑到一个重要原则效率比，从数值上来说，投入指标数值越小企业的融资效率越高，而产出指标数值越大企业的融资效率越高；再次，不同输入和输出DMU的单位可以不一致；最后，投入产出指标数过多会影响DEA的评价功能，一般而言，投入产出指标总数大于决策单元总数的1/2。

第一阶段的投入，首先是筹集资金的到位速度，用筹集活动现金流入流出比X1表示；其次是为获取资金所付出的代价，也就是融资的成本，用财务费用X2表示；最后是融资结构，用资产负债率X3表示。

中间指标，作为资金筹集阶段的产出指标和资金配置阶段的投入指标，选择资产总额表示融资总额Z1。

第二阶段的产出，首先用净资产收益率Y1表示融入的资金所创造的价值；其次用衡量企业成长能力的指标――主营业务收入增长率Y2，反映对融入资金的需求；最后一个产出指标从营运能力角度来考察融资效率，选择应收账款周转率Y3。具体结构如图2所示。

（三）样本的选择

本文根据物流企业的定义，以《上市公司行业分类指引》为指导，将物流企业归于“交通运输、仓储和邮政业”这一门类，通过新浪财经网站查阅该门类每一个公司的经营范围以及主营业务，将主营业务收入的60%以上是运输、装卸、仓储等物流业务的企业作为研究的对象，剔除了财务状况比较异常的ST企业以及数据缺失的企业后确定31家物流上市公司作为本次的样本，包括11家运输类物流上市公司、13家港口类物流上市公司、3家仓储类物流上市公司以及4家供应链类物流上市公司。

（四）数据的处理

本文所选择的指标有可能存在负值的原始数据，而负值的存在会影响DEA有效性的评价，所以将负值进行正向化。对于负值变量的处理，Charnes et al.[13]提出加法模型，并证明这种模型具有平移不变性，即通过加上一个足够大的正值，使得所有投入变量值和产出变量值都为正值，这样决策单元的有效性并不会改变；Portela et al.[14]提出RDM定向模型来处理负值变量，主要是确定方向变量；Sharp et al.[15]在Portela的基础上提出MSBM模型，通过改进松弛变量进一步来解决负值的问题；Emrouznejad et al.[16]又提出SORM模型，模型主要思想是把负的投入值作为产出来处理，而把负的产出值作为投入来处理；Cheng et al.[17]在前人的基础上进一步研究，提出更为方便的VRM模型，该模型采用投入产出变量的绝对值来解决径向性DEA出现的负值问题。国内学者处理负值问题大部分采用加法模型，因此本文采用加法模型将数据进行处理：

Kij'=0.1+0.9×

其中Kij为原始数据，Kij'为无量纲化后的数据。

四、实证结果

（一）融资效率分析

运用LINGO软件，得出关联两阶段效率平均值与传统一阶段模型得出的效率平均值进行比较分析。首先对第一阶段的资金筹集效率平均值和第二阶段的资金配置效率平均值进行分析。

从图3和图4可以看出：（1）第一阶段的资金筹集效率和第二阶段的资金配置效率达到效率有效的企业并不多，而且企业之间效率值差异较大；（2）第一阶段大部分企业的效率均值甚至连0.5都没有达到，说明物流上市公司整体在资金的筹集方面都不理想，所以物流上市公司应该在资金的筹集阶段加强努力，可以通过改善企业的融资方式、降低企业的融资成本或者优化企业的规模来进行调节；（3）第二阶段的资金配置效率值总体水平高于第一阶段的资金筹集效率值，所以企业应该更加重视第一阶段资金筹集效率的提高；（4）第二阶段虽然有一部分企业的效率值在0.5之上，但是企业之间的效率差异较大，尤其是港口类上市公司与仓储类上市公司之间的差异非常明显。

从图5可以看出：（1）运用两阶段DEA模型计算的总效率值与传统DEA得到的效率值相比整体效率值偏低，这是因为两阶段DEA考虑了中间变量，克服了黑箱障碍，深入分析决策单元不是有效情况的根源；（2）两阶段DEA总体效率值与魍DEA的效率值的排名趋势大体一致，说明两阶段DEA方法只是将影响决策单元融资效率的因素分解，并没有改变各个企业之间的融资效率整体的排名。

（二）不同类型企业融资效率分析

由于不同的物流企业在企业规模、资金、人力需求、主营业务等方面有各自的特点，将31家物流上市公司分为港口类上市公司、运输类上市公司、综合类上市公司三大类，其中综合类包括仓储类和供应链类。具体分类如表1所示。

采用LINGO软件进行分析，整理得表2。

从表2可以看出：（1）从均值来分析，物流上市公司融资效率很低，非常不理想，两个阶段的效率值均没有达到效率有效或者接近有效的情况，两个方面都需要努力改进。主要由于港口航运行业属于周期性行业，它与宏观经济有着密切的关系，但是由于当前全球经济增长乏力，港口航运市场极其低迷加上港口航运企业投资回收期较长，从而影响该类企业的经营和融资；综合类物流上市公司一方面受到宏观经济形势的影响，市场需求下降；另一方面行业竞争加剧，盈利能力下降且规模不断扩大导致经营风险加大。（2）横向分析，港口类型的物流上市公司融资效率最差，综合类物流上市公司的融资效率值最高，主要是由于综合类公司的第二阶段即资金配置阶段的效率较高，基本达到效率有效状态，然而第一阶段资金的筹集阶段效率值却是三类企业中最差的一类，所以建议综合类的物流上市公司加强第一阶段的改进；运输类物流上市公司在整个研究期间第二阶段的效率值一直处于最差状态，所以需要采取措施改进第二阶段的资金配置效率。（3）纵向分析，三种类型的物流上市公司的融资效率在2013年处于效率值相对最高状态，2014年和2015年则相对下降，对比两个阶段的结果可以发现第一阶段即资金的筹集阶段效率值自2013年便一直下降，第二阶段效率值在2014年有所提升，但是提高的幅度远不如第一阶段下降的幅度，所以整体仍处于下降趋势，主要原因是2013年之前由于金融危机的影响，市场不景气以及全球运输市场的低迷，给物流企业带来很大影响，到2013年才开始逐渐复苏。然而我国宏观经济增长速度已经减缓，经济结构也在不断升级，物流类企业尤其是港口运输类企业将告别高速增长期，开始进入温和增长期。说明宏观经济形势主要影响第一阶段即资金的筹集阶段。

五、Y论与建议

物流上市公司的融资效率偏低，采用传统一阶段的DEA模型，并不能分析出物流上市公司融资效率具体哪个阶段存在问题，本文采用两阶段关联DEA模型对DMU非有效的根源进行了深入的挖掘，得出主要结论如下：（1）大多数物流上市公司的融资效率处于较低的水平；（2）按企业类型分析，运输类物流企业第一阶段筹集效率值高于第二阶段配置效率值，其他两类企业都是第二阶段的配置效率高于第一阶段的筹集效率；（3）从整体分析，物流企业的融资效率仍有下降趋势，应该采取相应措施进行优化。因此本文提出建议如下：

1.进一步开拓物流企业的融资渠道。综合类上市公司融资效率无效的主要原因是第一阶段的资金筹集效率低，而通过比较第一阶段的相关指标可以发现，综合类物流企业的融资渠道单一影响资金的筹集效率，因此需要拓宽融资渠道。

2.选择低成本的融资组合来降低融资代价。第一阶段效率值普遍偏低的原因是由于筹集的资金不足以满足企业的发展，而融资成本高也是企业筹集资金少的主要原因之一，所以通过合理地选择融资方式来控制融资的成本是很必要的。

3.加强物流企业的内部管理。通过不同类型的企业之间的对比分析，综合类物流上市公司融资效率值偏低的主要原因是资金的筹集效率偏低，进一步分析（见表3）可以发现，综合类物流上市公司在这四年的规模效率基本达到有效，而纯技术效率却偏低，从而影响第一阶段整体的融资效率，可以通过加强企业的内部管理，合理经营企业。

4.合理控制物流企业规模。通过不同类型企业的对比分析，可以发现运输类物流上市公司融资效率值偏低的主要原因是资金的配置效率偏低，进一步比较分析结果看出，有许多企业在第二阶段的纯技术效率值为1，而规模效率却很低，影响了第二阶段的整体配置效率从而影响融资效率，例如，天海投资2015年、2014年，大秦铁路2015年、2014年、2013年，招商轮船2015年都是这种情况，可见合理控制企业规模对提高物流上市公司的融资效率有一定影响。

【参考文献】

[1] HOFMANN E，et al. Measures for Strengthening Internal Financing Power from a Viewpoint[M]//Ways Out of the Working Capital Trap，2011：55-73.

[2] HARALD G，et al. Investment and Financing in Logistics[M]//Logistics， 2013：225-243.

[3] 曾康霖.怎样看待直接融资与间接融资[J].金融研究，1993（10）：26，31-32.

[4] 宋文兵.关于融资方式需要澄清的几个问题[J] .金融研究，1998（1）：34-41.

[5] 李记辉， 胡旭微. 中小企业融资方式对融资效率的影响[J]. 经营与管理，2015（3）：123-125.

[6] 章文燕.基于模糊数学的物流企业融资效率评价研究――以台州市为例[J].财会通讯，2010（6）：24-25.

[7] 刘小燕.我国高速公路企业融资效率测算[J]. 统计与决策，2014（12）：167-169.

[8] 许婷.基于DEA模型的我国港口和航运上市公司股权融资效率实证研究[D].对外经济贸易大学硕士学位论文，2014.

[9] WANG C H， GOPAL R，ZIONTS S. Use of data envelopment analysis in assessing information technology impact on firm performance[J]. Annals of Operations Research， 1997，73：191-213.

[10] CHEN Y， LIANG L， ZHOU J. Equivalence in two-stage DEA approaches [J]. European Journal of Operational Research， 2009，193，（2）：600-604.

[11] KAO C. Efficiency measurement for parallel production systems[J]. European Journal of Operational Research，2009，196（3）：1107-1112.

[12] 夏琼，杨锋，梁梁，等.多阶段混联生产系统的DEA效率评价[J].系统工程理论与实践，2011，31（2）：291-296.

[13] CHARNES A， CLARK T，Cooper W，et al.A Developmental Study of Data Envelopment Analysis in Measuring the Efficiency of Maintenance Units in U.S. Air Forces[J].Annals of Operational Research，1984，2（1）：95-112.

[14] PORTELA M C A S， THANASSOULIS E， SIMPSON G. Negative data in DEA：a directional distance approach applied to bank branches [J]. Journal of the Operational Research Society，2004，55（10）：1111-1121.

[15] SHARP J， LIU W，MENG W.A Modified Slacks-based Measure Model for Data Envelopment Analysis with Natural Negative Outputs and Inputs[J]. Journal of The Operational Research Society，2007，58（12）：1672-1677.

[16] EMROUZNEJAD A， ANOUZE A，THANASSOULIS E. A Semi-oriented Redial Measure for Measuring the Efficiency of Decision Making Units with Negative Data， Using DEA[J]. European Journal of Operational Research，2010，200（1）：297-304.

[17] CHENG G， ZERVOPOULOS P，QIAN Z.A Variant of Radial Measure Capable of Dealing with Negative Inputs and Outputs in Data Envelopment Analysis[J]. European Journal of Operational Research，2013，225（1）：100-105.