海运物流企业绩效研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇海运物流企业绩效研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：为科学准确的评价我国海运物流企业的绩效水平，选取13家上市的海运物流企业，采用因子分析的方法对相关数据进行简化，从海运物流企业的偿债能力、经营发展能力、盈利能力、资本结构、未来发展方面构建海运物流企业绩效评价指标体系，运用数据包络分析方法对这些企业绩效情况进行实证分析，建立了投入产出的DEA模型，以此得出海运物流企业管理绩效评价值和前沿面图，结合评价结果和企业实际运营情况证实了这种方法对海运物流企业绩效研究有较好的应用价值。

关键词：DEA;海运物流;指标体系;企业绩效评价

中图分类号：F12 文献标志码：A 文章编号：1002-2589（2015）32-0048-02

随着中国经济进入新常态，中国海洋运输业已经成为世界海运竞争舞台重要组成部分。面临此次机遇，中国海洋运输自身能力还需不断提高，因此如何科学准确地评价多因素复杂系统的海运物流企业绩效，就显得尤为重要。此次，天津滨海新区危险品仓库爆炸事故又将物流港安全事宜引起人们的重视。对于数据输入输出涉及非参数性和多变量的投入产出效率测量评价方法有多种，其中最有效的是Berger、Humphrey和Ruggiero[1]提出DEA方法，它可以有效地对受多因素影响的海运物流企业绩效进行评价[2]。

一、DEA模型的基本介绍

选取n个样本，xj，yj分别为第j个海运物流企业绩效的参考指数和当前指数，数组（xj，yj）为第j个海运物流企业绩效的指数状态。

称

为指数状态（xj，yj）组成的状态可能集。建立A.Chames的DEA模型[3]：

若线性规划（2）的最优值Z=1，则该海运物流企业绩效状态处在可能集T的前沿面上，其决策单元有效;若Z*=1，则不在T的前沿面上，其决策单元没有作用。令j0=xj0，j0=Z*yj0，（j，）在的前沿面上，称（j，j）绩效j0的指数状态（xj0，yj0）在T前沿面上的投影，（x1，y1）和（x2，y2）分别代表企业绩效（1）和（2）的指数状态。当Z*=1，绩效（1）的指数状态（x1，y1）处于的T前沿面上;当Z*>1，绩效（2）的指数状态（x2，y2）不在的前沿面上。

二、建立指标体系

遵循财务分析方法和DEA建模原理建立了海运物流企业绩效评价体系[4-6]，再选取了盐田港、天津港、营口港、锦州港、上港集团、北海港、中远航运、中海海盛、宁波海运、中海发展、大连港、日照港、连云港等这些上市的13家海运物流企业公布的财务数据①带入所建立的评价体系中，其中一级指标5个，这样可以避免财务数据数目琐碎繁多的弊病。分别定义为：Y1为偿债务指标、Y2为经营指标、Y3为效益指标、Y4为资本结构指标、Y5为未来发展指标。

三、实证分析

以2013年7月至2014年6月的修正后数据为参考性系数，以2014年7月至2015年6月的加权平均数据为当前性系数。应用SPSS软件来进行运算，算出公因子解释的方差和累计值，其中有5个因子λ>1，这5个公因子解释的累计方差和为86.82544%，符合大于85%的要求，且5个公因子解释的总方差为96.418%，旋转后为96.259%，依然大于85%，故Yi（i=1，2…5）这5个公因子可以解释相关数据。

根据决策单元的分类和有效变换的不变性[7-8]，原来有效DEA的决策单元不受投入、产出数据的影响，将2014年修正后的数据Yi（i=1，2…5）看为当前性业绩指数系数，将2013年修正后的数据Yi′（i=1，2…5）看作参考性业绩指数系数代入模型中。采取Lindo软件和SR4.0评价软件进行计算分析，结果如表1所示。

可知，评价值大于0.85的港口有大连港、中海发展、中海海盛、锦州港，它们可以归为上等;评价值小于0.6的港口有天津港、营口港和中远航，它们可以归为下等;介于0.6-0.85之间的港口，如：北海港、日照港和上港集团等可以归为中等。

四、结论

这些海运物流港口中，评价值较高的企业多是净资产收益率、主营业务利润率较高的企业。这些企业的规模较大、管理层相对稳定、经营效益好，这些企业运营稳定，它们的控股公司财务结构合理、股票走势相对平稳，它们的分支机构分布在国内多座城市及美国、欧洲、亚非等国家和地区，具有沿海客船、高速客轮、国内国际客运及国际货船运输的经营资质。在货代、船代、租船、保关报检、仓储、包装、装卸以及能源化工、光伏科技等领域具有优势。而评价得分较低的企业，主要是一些提供码头贸易货物的货代、船舶租赁、仓储和装卸等单纯货物运输的物流企业，较少涉及金融证券等相关业务，管理相对混乱，一些重大的环节把关不严。比如天津港就有仓储的物品混乱等现象。这些反映到财务评价指标上就是净资产收益率、主营业务利润率较低的企业。这与我国海运物流企业发展实际情况基本一致，所以应用这种方法对对于海运物流企业绩效分析具有重大的意义。这项方法也为多输入多输出情况下的评价和决策问题提供了新的手段。

参考文献：

[1]Ondrich J，Ruggiero J.Efficiency measurement in the stocha-

stic frontier mode[J].European Journal of Operationl Resear-

ch，2001，129（2）：434-442.

[2]A.Charnes，W.W.Cooper and E.Rhodes. Measuring the effic-

iency of decision making units[J].European Journal of opera-

tional，Research，2010：429-444.

[3]魏权龄.数据包罗分析[M].北京：科学出版社，2004：146-169.

[4]Siyong Zhuang， Yingjun Feng. An Evaluation of Management Performance about Company Core Competence Based on DEA[J].Journal of Systems Science and Information，2005，3（2）：363-370.

[5]Braglia M，Zanoni S，Zavanella L.Measuring and benchmark-

ing productive systems performance using DEA：an industrial case[J].Production Planning&Control，2003，14（6）：542-554.

[6]Toshiyuki S.Production analysis in different time periods： An application of data envelopment analysis [J].European Joumal of Operationl Reseatch，2010，86：216-230.

[7]盛昭瀚，朱乔，吴广谋.DEA理论、方法与应用[M].北京：科学出版社，1996：353-360.

[8]Zhu J.Multi-factor performance measure model with an application to Fortune 500 companies[J].European Jourmal of Operational Research，2000，123：105-124.