1、1基于超效率 DEA 的批发零售上市企业绩效评价内容摘要：本文以 2009 2012 年 23 家批发零售上市企业的数据为样本，选择流动资产等 5 个投入指标和主营业务收入等 2 个产出指标，应用 DEA 和超效率 DEA 方法，对批发零售上市企业经营绩效进行综合评价和生产规模效益分析。结果表明，我国批发零售上市企业的经营绩效已处于相对较高的水平，2012 年的综合效率平均得分达到 0.974，纯技术效率平均得分为 0.981，规模效率平均得分为 0.993；但从总体来看，DEA 有效率偏低，2012 年度 23 家批发零售上市公司中仅有 13 家达到 DEA 有效，占总体的比重为 56.52
2、%。最后根据 DEA 分析的结论，本文提出通过采取提高经营管理、灵活创新商业模式、持续推进技术创新等措施来提高上市企业经营绩效和实现资源优化配置的建议。 关键词：批发零售上市企业 绩效评价 DEA 和 SE-DEA 引言 随着连锁经营这种商业模式的迅速兴起，批发零售业迎来了 10 多年的黄金发展期，行业年增长甚至一度超过 6 成。然而，批发零售业现在不得不面对的事实是：高速增长的时代已经或即将成为历史。人力、租赁成本的上升、单价的下降、业绩的持续下滑、管理上短期内难突破的局限、电子商务对传统批发零售业的冲击，使得批发零售业的发展举步维艰。批发零售业惟有提高商业模式的灵活性和创新性，将粗放式的经
3、营方式、规模优势和市场优势转化为效益优势和盈利能力，进一步完善2信息化、供应链，包括在卖场环境、营销创新、品类管理上的继续深化，逐步过渡到追求效率、形成差异化特色，才能在严苛的市场中继续存在。因此，如何选择一种有效的方法评价零售上市企业的经营绩效，从而为企业制定出相应的策略来提高经营绩效，使其在市场上具有较强的竞争力，具有十分重要的意义。 零售业本质上是一个多投入、多产出的复杂系统，其经营绩效由投入、产出的相关数据决定。数据包络分析（Data Envelopment Analysis，DEA）DEA 方法特别适用于多投入、多产出的复杂系统，能够对决策单元的规模有效性和技术有效性同时进行评价，是
4、评价上市零售企业经营绩效的有效方法。目前，在国内外研究中，评价企业经营绩效的常用方法是生产前沿面分析法，该方法一般从投入和导出两个方面分析衡量企业的效率，理论界将前沿分析法分为参数分析法和非参数分析法。其中非参数分析法中的数据包络分析法（DEA）不需事先确定固定的参数模型，可简化运算并避免主观因素影响，该方法在成本收益、资源配置、公共管理部门等诸多领域得到广泛的运用。在日益激烈的市场竞争环境下，零售上市企业如何安排其投入，以及如何采取针对性的管理以提高或改善企业产出效率将变得尤为重要。 为了合理、有效地对零售上市企业的经营绩效进行评估，建立零售上市企业生产效率评价指标体系，本文采用基于数据包络
5、分析方法的超效率 DEA 分析模型，通过对 23 家零售业上市公司的经营效益进行科学评价和研究，来探索目前零售企业的经营状况，为提高其经营效率，实现规模收益提供有益的建议，从而促进我国整个零售业的经济发展。 3文献综述 近些年，对批发零售企业的投入产出经营绩效进行评价与研究的学者越来越多。如郭立宏、张武康采用 DEA 模型以营业收入和净利润指标来衡量零售经营的产出，以固定资产、存货、销售费用和应付职工薪酬指标来衡量零售经营的投入，分析了我国百货零售企业进入 21 世纪以来经营效率和全要素生产率变化情况；楼文高、冯国珍、杨雪梅（2010）根据 2005-2008 年长三角地区不同投资主体和所有制
6、的批发零售企业的从业人员数等 5 个投入指标和销售总额等 5 个产出指标数据，应用 DEA 和超效率 DEA 方法，对企业经营绩效进行综合评价和生产规模效益分析；束红，谢啸（2011）利用 DEA 模型对泛长三角地区批发零售业上市公司 2007-2009 年的技术效率进行测算和分析；潘春玲（2009）以经济学中的效率理论为基础，从 DEA 方法提供的模型入手，对宁夏市15 家连锁零售企业的经营效率进行了实证研究。这些研究采用的指标、方法均有所不同，得出的结论也有较大差异，但它们均主要从省市的区域竞争力和投入产出效率的角度进行研究，而没有涉及不同投资主体、不同商业模式对经营绩效或竞争力的影响。
7、对此有研究认为，对零售企业经营绩效的综合评价涉及多个输入指标和多个输出指标，常用的主成分分析法或因子分析法等综合评价方法很难取得较好的效果和可靠的结论。而数据包络法（简称 DEA）是目前较为成熟的针对具有多个输入指标和多个输出指标的系统进行综合评价的有效工具和建模方法，超效率 DEA（SE-DEA） 方法又能克服传统 DEA 方法不能对 DEA 有效单元进行经营绩效排序和生产规模效率分析的弊端，4是在相对效率评价概念的基础上发展起来的一种新的生产规模效益和系统分析方法， 在现代管理科学和系统工程领域中获得了广泛而成功的应用，已成为现代经济学的主要分析工具之一。因此，本文尝试将 DEA 和SE-
8、DEA 方法引入对不同投资主体和商业模式的批零企业的投入产出经营绩效的研究中，以期能为政府和企业制定科学的发展战略提供一点启发。研究方法 （一）DEA 的应用特点分析 数据包络分析方法（Data Envelopment Analysis，DEA）是美国著名运筹学家 Charnes，Copper 和 Rhodes 在 1978 年首先提出来的。数据包络分析是到目前为止构造非参数效率度量的最好的方法，在管理科学中得到了广泛的应用，而且它本身也在不断的发展。该方法主要是通过保持决策单元的输出或输入不变，借助数学规划和统计数据确定相对有效的生产前沿面，将各个 DMU 投影到 DEA 的生产前沿面上，并
9、通过比较DMU 偏离 DEA 前沿面的程度来评价它们的相对有效性。DEA 的显著特点是无需考虑投入产出之间的函数关系，而且不用预先估计参数，也不用对权重做任何假设，避免了主观因素；直接通过产出与投入之间加权和之比，计算决策单元的投入产出效率。此外，DEA 方法并不直接对数据进行综合，因此决策单元的最优效率指标与投入指标值及产出指标值的量纲选取无关，利用 DEA 方法建立模型前无须对数据进行无量纲化处理。 但是在应用 DEA 模型时也有一些值得注意的地方。通常认为参考集元素（即 DMU）的个数不少于输入、输出指标总数的两倍为好。数据应保证严5格非负。如果输出和输入变量之间存在较大的相关关系，DE
10、A 的区分能力将会减弱。 （二）DEA 模型选取 DEA 最具代表性的模型有 CCR、BCC、CW2、FG、ST 等。CCR 模型假设规模报酬不变（Constant Return Scale，简称 CRS） ，进而计算每个 DMU的相对效率。BCC 模型假设规模报酬可变（Variable Return Scale，简称 VRS） ，在 CCR 模型的基础上增加了凸性假设*j=1，从而将技术效率（也称综合效率）分解为纯技术效率和规模效率两部分。CCR 模型可以用来衡量整体效率，但无效率时，可能是技术的因素造成的也可能是规模因素使然。DEA 模型按计算方向分为投入主导型和产出主导型。本文旨在通过研
11、究零售上市企业的利用效率进行绩效评价，即在保证产出不变的情况下，减少资源和其他要素的投入。而且，把零售上市企业当做决策单元时，对投入要素的控制要比产出要素的控制更加实际，因此选择投入主导型 DEA 方法。 基于 DEA 的 CCR 模型。CCR 模型是 DEA 方法中最基本同时也是最具代表性的模型。假设该模型有 n 个部门或单位（即决策单元） ，每个决策单元都有 m 种输入类型，s 种输出类型。我们以 xij 表示第 j 个决策单元对第 i 种输入类型的投入量，yrj 表示第 j 个决策单元对第 r 种输出类型的产出量，vi 表示对第 r 种输入类型的一种度量（即权重） ，并且其中： xij
12、与 yrj 均为已知数据，一般可以通过历史资料或者预测得到；vi及 ur 均为权重变量，而将权重作为变量也正是 DEA 方法的优越之处。由于在通常情况下，我们对输入指标与产出指标之间的信息结构并不十分6了解，而且他们之间的相互替代性也常常是比较复杂的，因此，如果人为的对各项指标评定分值或者赋予权重，那么就会带有较多的主观色彩，从而可能影响到评价结果的客观性。而在 CCR 模型中我们可以看到，各项指标的权重系数是作为变量出现的。也就是说，我们并没有事先给定各项输入和输出指标的权重向量的具体值，而是留待在后面的分析中再根据模型原则来确定他们的具体值，从而很好的避免了主观因素所带来的影响，具有较强的
13、内在客观性。为计算简便，引入阿基米德无穷小的概念，则 DEA 的 CCR 模型可表述为： 第一，如果 0=1，则 DMUj0 为弱 DEA 有效。 第二，如果 0=1，并且 S-0=S +0=0，那么 DMUj0 为 DEA 有效。 第三，如果 01，则 DMUj0 为弱 DEA 有效。 对于 CCR 模型，其生产可能集由平凡公理，凸性公理，锥性公理，无效性公理，最小性公理确定，用一个公式（1）进行表达。 （1） 基于 DEA 的 BCC 模型。1984 年，Banker，Charnes 和 Cooper 三位学者对 CCR 模型进行了改进，增加了对最优解 的约束，从而将规模效率的影响从计算当
14、中剔出去，得到了测算纯技术效率的 BCC 模型。该模型从生产可能集所满足的公理体系角度来讲，实际上是去掉了在 CCR 模型中生产可能集所满足的第三条公理即锥形公理的假设。于是其相应的生产可能集可用公式（2）表达。 （2） 仿照关于 CCR 模型的论述，下面直接给出以对偶规划形式表示的带7有剩余变量和松弛变量的 BCC 模型： 超效率 DEA 模型。超效率评价模型与 DEA 模型的数学形式相似，其形式如下： 这里各数学符号的意义同前。超效率 DEA 模型同前面模型的不同之处是在进行第 k 个决策单元的效率评价时，第 k 个决策单元的投入和产出被其他所有的决策单元的投入和产出的线性组合替代，而将第
15、 k 个决策单元排除在外。一个有效的决策单元可以使其投入按比例增加，而效率值保持不变，其投入增加比例即超效率评价值。 商贸流通企业投入产出经营绩效的超效率建模 （一）评价单元的确定 选择 DMU 就是确定评价参考集，须遵循两个基本原则：一是参考集中的 DMU 应该具有同类型的特征，即相同的目标和任务、相同的外部环境和相同的输入输出指标；二是为了避免 DMU 的同类型受到影响，其个数不应过多，以不少于输入输出的指标总数的 2 倍为宜。三是在选择决策单元时应该有先进的决策单元，这样便于寻找差距，提出改进。因此，本文根据证监会 2001 年发布的上市公司行业分类指引的规定，以在沪深证券交易所上市的
16、23 家批发零售业 A 股上市公司作为决策单元（即研究对象） ，对其经营效率进行评价。 （二）投入产出指标的选取 应用 DEA 的关键之一是选取合适的输入、输出指标，在选取输入、输出指标时要尽可能避免有较强的线性关系。杨子刚等（2013）选取固定资产净额、财务费用、管理费用、营业成本、员工人数五个指标作为8输入变量，选取净利润和营业收入两个指标作为输出变量。李兰冰，李春辉（2012）选取应付职工薪酬、固定资产净额、主营业务成本、管理费用和应收账款净额为投入指标，选取主营业务收入和净利润为产出指标。 在分析批发零售业的绩效问题上，考虑到零售贸易必须依靠周转速度取胜，必须注重提高成交率，提高贸易资
17、本的周转速度，尽可能在同一时间内使贸易资本周转更快、更有效率，做到薄利多销，快买快卖，选择了应收账款、流动资产作为投入指标。零售贸易的特点是交易量零星分散，交易次数频繁，零售商必须严格控制库存量，因此选择主营业务成本作为投入指标。对于零售百货上市公司，企业的规模需要用固定资产净额来衡量；由于零售百货业点多面广、比较分散、门槛较低、进人比较容易，薪资结构两极分化严重，从业人员的数量不能很好的反应成本，为了体现从业人员的工作效率，选择应付职工薪酬、管理费用作为投入指标。为了更好的反应输出结果，本文选择了主营业务收入和净利润为产出指标。 为提高 DEA 分析的可靠性和有效性， 须剔除投入（产出）指标
18、中高度相关的指标。经相关性分析， 流动资产与应收账款密切相关，所以，本文删除了应收账款指标，实际采用 5 个投入指标、2 个产出指标进行经营绩效分析，样本数量满足大于输入与输出指标数之和的两倍的 DEA 和 SE-DEA 建模要求，分析结果有效。 （三）资料来源 为了使模型的评价结果真实可靠，本文截面样本选取了在沪深证券交易所上市的往年历史数据没有发生重大变化的 23 家零售百货公司，采9用实施新会计准则的样本时序区间 2009 年至 2012 年。对各年的绩效评价结果做算术平均，作为每个公司的绩效值。 实证结果分析 把上述投入、产出指标数据整理好，导入 DEAP2.1 软件，得到不同的零售上
19、市企业的 CCR 相对效率值。为了进一步评价与比较零售上市企业的绩效，将数据导入 My DEA 软件，对 DEA 中有效的决策单元进一步排序。 （一）综合效率分析 根据表 1 的 DEA 和 SE-DEA 基本模型评价结果，上市企业平均综合效率在 2009-2012 年一直保持在 0.91 之间，说明整体经营效率较高，但是不稳定，处在波动状态。其中，广州友谊、华联综超、天虹商场、徐家汇、豫园商城、翠微股份、搜于特这 7 家企业连续四年均为 DEA 有效，占全部企业的 30.43%，非 DEA 有效的占 69.57%，也就是说，国内目前大部分上市公司的运营结构存在不够合理的现象，有待改进；其次，
20、大东方、汉商集团、苏宁云商、永辉超市、新华百货、杭州解百、欧亚集团的综合效率水平相对较高，汉商集团、新世界、永辉超市、银座股份、新华百货、杭州解百经过波动后 2012 年仍达到了 DEA 有效。 超效率 DEA 模型评价中，2012 年 23 家公司的超效率值最高为2.267，最低为 0.875，平均为 1.174，超效率值大于 1 的公司有 13 家，占全部公司的 56.52%，超效率值小于 1 的公司有 10 家，占全部公司的43.48%。对四年经营绩效 DEA 平均值排序，容易比较效率值低于 1 的企业，然而对于效率值均为 1 的企业则无法进行排序。运用 SE-DEA 很好的10克服了这
21、一缺陷，进一步对 23 家上市企业进行评价和比较。根据评价结果如表 1 所示，非有效公司的超效率值与 DEA 基本模型的效率值一致，但 DEA 基本模型中相对有效公司的超效率值出现了差异，表明超效率 DEA模型能够对 DEA 相对有效的决策单元进行进一步的评价。 （二）技术效率和规模效率分析 根据表 2 结果可以看出，上市公式中纯技术效率非 DEA 有效的数量占 26.09% 34.78%，大部分上市企业的技术都是有效的，说明我国大部分上市零售企业都在积极提高经营管理水平，打造核心竞争力。从规模效率角度看，我国大部分零售上市公司综合效率的无效是由规模无效引起的。2009-2012 年规模收益不
22、变的上市公司平均每年都有 12 家，约占样本总数的 50%，余下的大多数表现为规模收益递减。规模收益递减一般是由于其产出达不到技术意义上的最优规模，即投入过多而利用水平较低，因此导致运行效率下降，需要减少投入缩减规模来改进效率。这体现了零售上市企业通过粗放式扩大规模提高效益已经不再适应生存发展的要求，提高管理水平、注重品牌文化、创新商业模式进而提高效率才能有效应对严苛的市场。 结论 综上所述，本文运用 DEA 和 SE-DEA 方法对选取 23 家沪深上市零售企业的近 4 年的效率值进行了测算和比较。结果分析表明，零售上市企业的技术效率相对较高，超过一半零售上市企业达到 DEA 有效。说明零售企业经营管理水平较高，技术能力较强。但大多数上市公司的规模效
