1、基于 VRS-DEBM 模型的航运企业效率实证分析卢艺源 吕靖 艾云飞【摘 要】为给航运企业经营管理提供决策参考依据，共同应对低迷航运市场，针对航运企业整合前后效率的变动规律开展研究，在规模报酬可变条件下构建 VRS-DEBM 模型，并选取 18 家主要航运企业数据进行实证研究。结果表明：整合后的大型航运企业在效率方面没有明显优势;航运企业规模效率在整合前后会出现明显波动性，纯技术效率很可能受到航运企业合并时管理模式变化的影响而发生变化，经营效率会逐渐靠近整合前的数值。【关键词】水路运输;规模效率;VRS-DEBM 模型;航运企业;投入导向0 引 言自 2008 年全球金融危机爆发以来，全球航
2、运市场持续低迷，航运企业为应对国际市场竞争，提高自身市场竞争力，纷纷进行兼并、重组和整合。以航运企业整合为背景，探讨企业规模引起的航运企业效率变化情况，寻求企业发生规模变动时效率变化的规律，将有助于提高航运企业经营管理水平。运用数据包络分析（DEA）法研究航运企业效率的文献有很多，例如：FINN1运用DEA 模型测算挪威 23 家航运企业效率;BANG 等2利用 DEA 与受限因变量模型（Tobit）回归相结合的两阶段 DEA 方法分析班轮公司经营效率和财务效率;PHOTIS 等3针对集装箱、干散货、油船三大类航运企业，建立 DEA 方法与随机前沿方法（SFA）相结合的两种相对效率模型研究企业
3、效率。也有不少文献运用改进后的 DEA 方法研究航运企业效率，例如：CHAO4建立多级 DEA 模型评估全球班轮运输公司效率;HUANG 等5将全球主要集装箱运输公司划分 4 个战略群体，用带有窗口分析的 DEA 模型衡量 20062011 年集装箱运输公司效率;TONE 等6对 DEA 相关方法研究进行综述，发现 DEA 改进模型大都没有考虑连续 2 个时期之间结转活动的影响。在生产经营过程中，有些结转活动会在连续 2 个时期内对效率产生影响，某一时期效率过程将对下一时期效率过程产生影响;有些活动可能不会在该段时期产生全部效果，但可能在下一时期发挥一定作用。目前只有少数学者对这类情况进行了研
4、究，例如：CUI 等7在 EBM 模型中加入中途结转活动因素，提出 DEBM（DynamicEpsilon-Based Measure）模型，在研究效率时考虑企业运营中的动态变化因素;CHAO 等8利用动态网络 DEA 模型评估全球 13 个主要集装箱航运企业效率，并根据这些集装箱航运企业的运营特点，将选取指标分为投入、结转、输出三大类。可以看出，目前对动态 DEA 方法的研究文献较少，且之前的模型考虑因素没有同时涵盖径向与非径向特征及规模报酬是否可变等方面。在前述研究基础上，本文运用改进 DEA 方法研究航运企业整合前后效率变动规律，以径向与非径向特征、规模报酬为可变条件，构建 VRS-DE
5、BM（Variable Return to Scale-Dynamic Epsilon-Based Measure）模型，并应用 20122017 年 18 家国内外航运企业上市公司数据，分析测算这些航运企业的运营效率，为航运企业经营管理提供决策依据。1 航运企业运营效率分析模型构建1.1 选取指标借用已有文献方法确定投入产出指标。投入指标从企业营运及财务管理 2 个方面选取。航运企业主营业务成本体现企业主要经营水平;资本支出间接反映公司规模，资本支出数据默认为因投资活动产生的现金流出。产出指标为主营业务收入、总利润，分别考虑航运企业营运、获利能力。对于不同的航运企业，因主营业务不同，产出指标
6、不能单纯用货运量来衡量，因此選取主营业务收入作为衡量产出指标之一。总利润更能直接反映企业经营获利能力，产出指标值越高表明企业盈利能力越强，反之企业盈利能力越弱。选取员工人数指标来表现企业动态劳动因素指标，将资本存量指标作为其动态指标之一。资本存量指企业现存全部资本资源，考虑数据可得，将总资产作为反映资本存量指标进行研究。总资产为动态理想指标，员工人数为动态自由指标。1.2 构建模型DEA 非径向模型中的松弛变量不一定与输入或输出变量成正比，效率评价中可能会失去原有输入或输出比例;因此，需要将径向与非径向特征结合在统一框架内，以期更合理地评价航运企业效率。中途结转活动在 T 时期作为产出产生、在
7、 T+1 时期作为投入消耗，分成理想、不理想、自由、固定等 4 类结转活动，分别表示为：z1 为产出，其值不小于观察到的值;z2 为投入，其值不大于观察到的值;z3 的值可能增加，也可能减少，可能会影响 2 个时期内的效率但不影响整体效率分数;z4 指决策单元控制之外的因素，其值固定不变。基于航运企业规模变动背景，考虑变动规模报酬，在 DEBM 模型基础上新增一个凸性假设jt=1。理论上讲，所有结转活动在整个生产过程中不变，但考虑动态指标的增减松弛不能给出一个合适参数来保证结转活动的连续性，因此本文不考虑动态指标总体稳定不变。考虑航运市场萧条背景，以投入最小化为目的，DEBM 模型修正成 VR
8、S-DEBM 模型：2*=minWt txt（+）（1）式中：Wt 是 t 时期效率权重（t=1，2，T），Wt=1;将企业整个经营过程分为 T个时期，xijt、yrjt 分别为 t 时期第 j 个 DMU（j=1，2，n）的第 i 个投入量（i=1，2，m）和第 r 个产出量（r=1，2，s）;n、m、s 分别为决策单元数、投入指标量、产出指标量;为 t 时期第 i 个投入变量权重，且满足=1;为径向效率值;为各变量权重向量，jt 为 t 时期第 j 个 DMU 的权重向量;x 是联系径向 与非径向松弛变量 s的参数;nz1、nz2、nz3、nz4 分别为理想、不理想、自由、固定的结转活动数
9、量。t 時期纯技术效率为2t=txt（+）（2）若 2t=1，称 t 时期 DMU 纯技术效率有效;若 2*=1，称 DMU 整体纯技术效率有效。不考虑规模报酬可变时利用 DEBM 模型测得经营效率 1t，经营效率=纯技术效率？规模效率，t 时期规模效率 3t 为3t=1t/2t（3）2 实证分析选取航运界具有代表性的 18 家国内外航运企业为研究对象，其中在近几年进行过大规模整合的航运企业有马士基航运公司、中国远洋海运集团有限公司（以下简称“中远海运”）、达飞集团、赫伯罗特公司。相关指标数据来源于各航运企业 20112018 年财务报告，统一用美元为货币计量单位，根据历年的汇率将非美元数据换
10、算成美元，最终测算20122018 年各航运企业效率。t 时期效率权重为 Wt=1/7，t=2012，2013，2014，2015，2016，2017，2018。相关参数计算见表 1。对 18 家航运企业经营效率、规模效率和纯技术效率进行投入导向的测评，结果见表2。由表 2 可以看出，经营效率排名前 5 的宁波海运、比利时船舶公司、戴安娜航运、海丰国际、美森船公司，这些企业的总资产规模在 10 亿20 亿美元，属中等规模水平;总资产排名前 3 的马士基航运、中远海运、日本邮船经营效率及规模效率并不具备优势，排名靠后;总资产 20 亿200 亿美元的中大型航运企业及总资产小于 10 亿的小型航运
11、企业经营效率相对较高，东方海外总资产规模排名第 8，但经营效率达到了 0.832，排名第 12;总资产规模排名最末的泰国宏海箱运，其经营效率为 0.843，排名第 11。从以上数据可以看出：总资产规模越大的航运企业不具备明显的经营效率和规模效率优势，中等资产规模的航运企业具备明显的高效率经营能力。而近几年进行过大规模合并的 4 家航运企业的规模效率排名为：马士基航运排名第 14、达飞集团排名第 11、中远海运排名第 18、赫伯罗特排名第 8。相比其他中等规模的航运企业，这些合并后的企业并不存在规模优势。这说明大型航运企业在效率方面与中小型航运企业相比并不存在明显优势。由各航运企业效率对比（图
12、1）可以看出：考虑规模变动后，马士基航运、宁波海运的纯技术效率皆提升到 1，说明这 2 个企业在各自目前的技术水平投入资源配置方面是有效的;阳明海运纯技术效率值和经营效率值都很低，戴安娜航运纯技术效率值和经营效率值接近，说明这 2 个企业综合经营无效的原因在于纯技术效率无效，提升企业内部技术能力及管理水平是关键;中远海运、泰国宏海箱运、日本邮船等纯技术效率与经营效率反差颇大，表现相对较好，经营无效的原因在于规模无效，因此这些企业的重点是更好地发挥其规模效益。由 20122018 年马士基航运各效率走势（图 2）可以看出：这 7 年纯技术效率皆为1，2016 年规模效率持续走低后上升，导致经营效
13、率同样降低后上升。这可能是因其准备收购德国汉堡南美发生了规模变动。由 20122018 年达飞集团各效率走势（图 3）可以看出：2016 年达飞集团纯技术效率降至 0.723;2015 年达飞集团规模效率由 1 降至 0.787，2016 年有所上升，是一个缓慢波动的过程，说明规模变化对达飞集团规模效率的影响是波动的;2014 年达飞集团经营效率为 1，此后整合的 2 年经营效率大幅下降，直至 2017 年经营效率逐渐回归整合前水平。整合对达飞集团经营效率产生了负面影响，但这种影响是有限的，一段过渡期后又逐渐回到整合前水平。由 20122018 年中远海运各效率走势（图 4）可以看出：中远海运
14、纯技术效率每年一直处于上下波动状态，但波动趋于平缓;2016 年规模效率上升，2017 年又下降至 0.750，说明规模变化对中远海运规模效率的影响是波动的;2015 年中远海运经营效率为 0.645，整合后经营效率有所提升，然而 2017 年又逐渐接近整合前水平。这说明整合对中远海运经营效率产生了正向影响，但同样这种影响是有限的，一段过渡期后又逐渐接近整合前水平。由 20122018 年赫伯罗特各效率走势（图 5）可以看出：自 2014 年赫伯罗特规模效率提升后，20152016 年其效率一直在提升，2017 年合并后规模效率仍为 1。说明整合促进了赫伯罗特的规模效率，并且这种影响是长期的。
15、综上所述，整合后的航运企业规模效率都会发生较大变化，这种变化是长期且波动的。航运企业整合前后的经营效率会存在一段 12 年的波动过渡期，最后才会接近整合前的效率值。3 结 论构建 VRS-DEBM 模型对航运企业整合前后效率的变动规律进行研究。结论如下：（1）整合后大型航运企业在效率方面与中小型航运企业相比并不存在明显优势，航运企业规模与效率之间没有必然联系;（2）航运企业经营效率在整合前后会存在一段波动过渡期，最后接近整合前效率值。主要原因是航运企业规模效率在整合前后会出现明显的波动性，最后才会趋于一个稳定值，而纯技术效率很可能受到航运企业合并时管理模式变化的影响而发生变化，此时经营效率受到
16、规模效率与纯技术效率的双重影响，最后回归整合前效率值。参考文献：1 FINN R F.A comparison of parametric and non-parametric efficiencymeasures：The case of Norwegian ferriesJ.Journal of Productivity Analysis，1992（1-2）：25-43.2 BANG H S，KANG H W，MARTIN J，et al.The impact of operational andstrategic management on liner shipping efficienc
17、y：a two-stage DEA approachJ.Maritime Policy&Management，2012（7）：653-672.3 PHOTIS M P，NEOPKYTOS L，CHRISTOS S S.The relative efficiency ofshipping companiesJ.Transportation Research Part E：Logistics and Transportation Review，2011（5）：681-694.4 CHAO S L.Integrating multi-stage data envelopment analysis a
18、nd afuzzy analytical hierarchical process to evaluate the efficiency of majorglobal liner shipping companiesJ.Maritime Policy&Management，2017（4）：496-511.5HUANG W H，CHAO S L，CHANG C C.Assessment of differences in efficiencyacross strategic groups in the container shipping context：a data envelopmentan
19、alysisJ.International Journal of Shipping and Transport Logistics，2017（6）：651-672.6 TONE K，TSUTSUI M.Dynamic DEA：A slacks-based measure approachJ.Omega，2010（3）：145-156.7 CUI Q，LI Y.Airline efficiency measures using a Dynamic Epsilon-Based Measure modelJ.Transportation Research Part A：Policy and Practice，2017（100c）：121-134.8 CHAO S L，YU M M，HSIEH WF.Evaluating the efficiency of majorcontainer shipping companies：Aframework of dynamic network DEA with sharedinputsJ.Transportation Research Part A：Policy and Practice，2018（117c）：44-57.