梁春樹(shù)

摘要：本文以2001～2007年的零售業(yè)上市公司為研究樣本對(duì)我國(guó)的零售業(yè)庫(kù)存水平的變動(dòng)趨勢(shì)及影響因素進(jìn)行了實(shí)證研究。研究結(jié)果發(fā)現(xiàn)總庫(kù)存周轉(zhuǎn)率與銷(xiāo)售預(yù)測(cè)偏差、企業(yè)規(guī)模顯著正相關(guān)，與庫(kù)存比重、提前期顯著負(fù)相關(guān)。而一年貸款利率和通貨膨脹率對(duì)庫(kù)存周轉(zhuǎn)率并無(wú)顯著性影響。

Abstract： This paper investigates inventory turnover and inventory productivity of retail industry in China. We find strong evidence that inventory turnover is positive sales surprise and company size， negative correlation with storage intensity and lead time.

關(guān)鍵詞：存貨周轉(zhuǎn)率；銷(xiāo)售預(yù)測(cè)偏差；庫(kù)存比重；提前期

Key words： inventory turnover；sales surprise；storage intensity；lead time

中圖分類(lèi)號(hào)：F270 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2018）20-0123-04

0 引言

英國(guó)著名供應(yīng)鏈管理專(zhuān)家馬丁·克里斯多夫曾說(shuō)過(guò)“21世紀(jì)的競(jìng)爭(zhēng)不是企業(yè)和企業(yè)之間的競(jìng)爭(zhēng)，而是供應(yīng)鏈和供應(yīng)鏈之間的競(jìng)爭(zhēng)?！蔽磥?lái)零售企業(yè)之間的競(jìng)爭(zhēng)必然體現(xiàn)在供應(yīng)鏈之間的競(jìng)爭(zhēng)上，而供應(yīng)鏈管理的核心內(nèi)容之一便是庫(kù)存管理。

隨著互聯(lián)網(wǎng)經(jīng)濟(jì)的崛起，國(guó)內(nèi)零售行業(yè)競(jìng)爭(zhēng)日益激烈，國(guó)內(nèi)零售企業(yè)積極應(yīng)戰(zhàn)，改變零售業(yè)態(tài)，進(jìn)行連鎖經(jīng)營(yíng)，采用先進(jìn)的供應(yīng)鏈管理技術(shù)，改善庫(kù)存管理。存貨周轉(zhuǎn)率是衡量庫(kù)存管理成效的一個(gè)重要指標(biāo)。從圖1我們可以看到，從2000年以來(lái)（除了2008年受到金融危機(jī)的影響而略有下降之外），我國(guó)零售業(yè)的存貨周轉(zhuǎn)率在4～8之間，呈增長(zhǎng)趨勢(shì)，逐年都在增長(zhǎng)。那么這能否說(shuō)明庫(kù)存管理的改善是由于采用先進(jìn)的供應(yīng)鏈管理呢？

1 相關(guān)文獻(xiàn)綜述

Gaur，F(xiàn)isher & Raman（2005）考察了美國(guó)311家零售企業(yè)上市公司的庫(kù)存周轉(zhuǎn)率與毛利率、固定資產(chǎn)比重和銷(xiāo)售預(yù)測(cè)偏差之間的相關(guān)關(guān)系，分析中發(fā)現(xiàn)庫(kù)存周轉(zhuǎn)率與固定資產(chǎn)比重和銷(xiāo)售預(yù)測(cè)偏差正相關(guān)，與毛利率負(fù)相關(guān)。為此，Gaur等（2005）提出了修正庫(kù)存周轉(zhuǎn)率的概念，具體來(lái)說(shuō)依據(jù)毛利率、固定資產(chǎn)比重和銷(xiāo)售預(yù)測(cè)偏差，合理調(diào)整庫(kù)存周轉(zhuǎn)率，將其作為衡量企業(yè)庫(kù)存管理水平的標(biāo)桿。同時(shí)，Gaur & Kesavan（2005）在此基礎(chǔ)上研究了353家美國(guó)零售業(yè)上市公司在1985～2003年的財(cái)務(wù)數(shù)據(jù)，結(jié)論不僅印證了之前的結(jié)論，也得出了一些新的發(fā)現(xiàn)，即庫(kù)存周轉(zhuǎn)率與公司規(guī)模和銷(xiāo)售變動(dòng)率正相關(guān)；隨著公司規(guī)模的擴(kuò)大，規(guī)模對(duì)庫(kù)存周轉(zhuǎn)率正向影響會(huì)減小；當(dāng)銷(xiāo)售變動(dòng)率大于零時(shí)，庫(kù)存周轉(zhuǎn)率越低，銷(xiāo)售縮減時(shí)的庫(kù)存周轉(zhuǎn)率降低速度大于銷(xiāo)售增長(zhǎng)時(shí)的庫(kù)存周轉(zhuǎn)率增加速度。而Chen & Frank等（2006）考察了美國(guó)批發(fā)零售業(yè)上市公司在1981～2004年間庫(kù)存管理的變化，發(fā)現(xiàn)美國(guó)批發(fā)零售行業(yè)平均庫(kù)存天數(shù)從73天降為49天，降低1/3，平均每年降低3%；同時(shí)擁有過(guò)量庫(kù)存的企業(yè)長(zhǎng)期投資回報(bào)率最低。Donselaar & Gaur等（2006）采用5家連鎖超市19417種庫(kù)存商品的訂貨、配送和POS銷(xiāo)售數(shù)據(jù)對(duì)連鎖超市的訂貨行為進(jìn)行了研究，發(fā)現(xiàn)連鎖超市實(shí)際訂貨通常是在充分考慮訂單平滑和訂單合并策略的基礎(chǔ)上，修正自動(dòng)訂貨系統(tǒng)產(chǎn)生的訂貨指令，并找到導(dǎo)致實(shí)際訂貨和預(yù)計(jì)訂貨之間偏差的原因。

本文在上述研究的基礎(chǔ)上，以國(guó)內(nèi)零售業(yè)50家上市公司2001～2007年的年報(bào)數(shù)據(jù)為研究樣本，采用面板數(shù)據(jù)分析方法對(duì)庫(kù)存水平的影響因素進(jìn)行實(shí)證研究。

2 研究假設(shè)的提出

由于存貨周轉(zhuǎn)率是衡量庫(kù)存管理水平的重要指標(biāo)，因此本文提出以下假設(shè)：

Gaur等（2005）的研究發(fā)現(xiàn)，存貨周轉(zhuǎn)率與銷(xiāo)售預(yù)測(cè)偏差呈正相關(guān)。我們知道，每個(gè)企業(yè)都會(huì)根據(jù)其歷史數(shù)據(jù)以及對(duì)未來(lái)前景的分析來(lái)對(duì)未來(lái)一定時(shí)期內(nèi)的銷(xiāo)售做出預(yù)測(cè)，甚至?xí)鶕?jù)這些銷(xiāo)售預(yù)測(cè)來(lái)制定其某個(gè)時(shí)期的管理目標(biāo)。同時(shí)，企業(yè)為了實(shí)現(xiàn)這些目標(biāo)，會(huì)對(duì)企業(yè)的相關(guān)配套設(shè)施和活動(dòng)進(jìn)行相應(yīng)調(diào)整。而庫(kù)存的存在是為了能夠即時(shí)滿足顧客的需求。因此，從這方面來(lái)說(shuō)，銷(xiāo)售預(yù)測(cè)會(huì)對(duì)一個(gè)企業(yè)的庫(kù)存水平產(chǎn)生影響。換句話說(shuō)，如果在一個(gè)特定的時(shí)期內(nèi)，一個(gè)企業(yè)實(shí)現(xiàn)的銷(xiāo)售額比其預(yù)測(cè)的銷(xiāo)售要高，那么這個(gè)時(shí)期內(nèi)該企業(yè)的平均庫(kù)存水平會(huì)比預(yù)料的要低，也就是說(shuō)每單位的庫(kù)存可能實(shí)現(xiàn)的銷(xiāo)售量會(huì)高于其所預(yù)料的，即存貨周轉(zhuǎn)率會(huì)提高。所以說(shuō)，實(shí)際銷(xiāo)售與銷(xiāo)售預(yù)測(cè)之間的偏差越大，其庫(kù)存水平可能會(huì)越低。

在本文中，我們將銷(xiāo)售預(yù)測(cè)偏差定義為當(dāng)期的銷(xiāo)售收入與銷(xiāo)售收入預(yù)測(cè)值之間的比值。因而，我們提出以下假設(shè)：

假設(shè)1：存貨周轉(zhuǎn)率與銷(xiāo)售預(yù)測(cè)偏差顯著正相關(guān)。

庫(kù)存比重指庫(kù)存均值除以庫(kù)存加固定資產(chǎn)之和的均值。在企業(yè)成本一定的情況下，庫(kù)存比重越大，意味著固定資產(chǎn)比重越小，也就意味著企業(yè)用于提高營(yíng)運(yùn)能力的硬件基礎(chǔ)越差，如企業(yè)還是用傳統(tǒng)的物流方式和傳統(tǒng)的手工方式來(lái)應(yīng)對(duì)庫(kù)存管理，而不是利用VIM系統(tǒng)、JMI和ERP等信息系統(tǒng)所需的計(jì)算機(jī)和服務(wù)器等硬件等來(lái)改善營(yíng)運(yùn)績(jī)效。而由于基礎(chǔ)設(shè)施的跟不上，信息不流暢，使得企業(yè)不能很好的預(yù)測(cè)需求，從而增加很多安全庫(kù)存，這就會(huì)導(dǎo)致庫(kù)存比重的增加和庫(kù)存周轉(zhuǎn)率的下降，因而提出以下假設(shè)：

假設(shè)2：零售業(yè)庫(kù)存周轉(zhuǎn)率與庫(kù)存比重顯著負(fù)相關(guān)。

庫(kù)存可被分為兩類(lèi)，即周轉(zhuǎn)庫(kù)存和安全庫(kù)存。周轉(zhuǎn)庫(kù)存等于提前期內(nèi)的平均需求，采取減少提前期、增加送貨頻率等可降低周轉(zhuǎn)庫(kù)存。換句話說(shuō)，可通過(guò)減少提前期實(shí)現(xiàn)庫(kù)存周轉(zhuǎn)率提高的目的。安全庫(kù)存是指在給定時(shí)期內(nèi)，為了應(yīng)對(duì)需求的不確定性和提前期的不確定性而額外持有的超前庫(kù)存量。安全庫(kù)存計(jì)算公式為ss=zδ，由此可知在一定條件下，需求標(biāo)準(zhǔn)差和提前期都對(duì)安全庫(kù)存存在影響，影響體現(xiàn)在提前期越長(zhǎng)，庫(kù)存水平越高，庫(kù)存周轉(zhuǎn)率越慢。故提出以下假設(shè)：

假設(shè)3：零售業(yè)庫(kù)存周轉(zhuǎn)率與提前期顯著負(fù)相關(guān)。

隨著中國(guó)加入WTO，外國(guó)零售巨頭的涌進(jìn)，加劇了中國(guó)零售業(yè)的競(jìng)爭(zhēng)。國(guó)外零售巨頭經(jīng)驗(yàn)豐富，管理科學(xué)，技術(shù)先進(jìn)，在國(guó)內(nèi)爭(zhēng)霸。國(guó)內(nèi)企業(yè)要想有一席之地，除了地理上的優(yōu)勢(shì)之外，必須轉(zhuǎn)變管理方式，引進(jìn)和應(yīng)用先進(jìn)的信息系統(tǒng)（如MRP、ERP、CRM等），改善庫(kù)存管理，提高庫(kù)存周轉(zhuǎn)率。而這些信息系統(tǒng)的建立，往往需要投入大量的人力、物力和財(cái)力以及時(shí)間，需要雄厚的資金做支撐。所以，本研究提出以下假設(shè)：

假設(shè)4：零售業(yè)庫(kù)存周轉(zhuǎn)率與公司規(guī)模顯著正相關(guān)。

3 樣本選擇、變量定義和計(jì)量模型

3.1 樣本數(shù)據(jù)

WIND資訊金融終端的證監(jiān)會(huì)行業(yè)分類(lèi)中，零售業(yè)包含66家上市公司，本文以此為研究樣本。為了保證數(shù)據(jù)的有效性，從樣本公司中剔除了ST、*ST等財(cái)務(wù)狀況嚴(yán)重惡化的公司以及B股上市公司和一些數(shù)據(jù)缺失的公司，最終有效樣本為50家。因?yàn)?008年發(fā)生金融危機(jī)，使得數(shù)據(jù)的發(fā)生很大的變化，因而本文選擇的是2008年前7年的數(shù)據(jù)，所以最終本文選取這50家零售企業(yè)上市公司在2001～2007年的歷史財(cái)務(wù)數(shù)據(jù)共350個(gè)觀測(cè)樣本進(jìn)行研究。本文所得的數(shù)據(jù)全部來(lái)自WIND資訊金融終端。

3.2 變量定義

為了驗(yàn)證本文的假設(shè)，本文借助以下指標(biāo)來(lái)考察庫(kù)存水平與銷(xiāo)售預(yù)測(cè)偏差、庫(kù)存比重、公司規(guī)模和提前期的關(guān)系，各個(gè)指標(biāo)的定義見(jiàn)表1。

關(guān)于銷(xiāo)售預(yù)測(cè)偏差，本文的定義為：

SSit為第i個(gè)公司第t期的銷(xiāo)售預(yù)測(cè)偏差；Sit為第i個(gè)公司第t期的實(shí)際營(yíng)業(yè)總收入；而SFit為第i個(gè)公司第t期的銷(xiāo)售預(yù)測(cè)。

在進(jìn)行庫(kù)存水平的決策上，管理層會(huì)考慮其未來(lái)的銷(xiāo)售預(yù)測(cè)。但是管理層的銷(xiāo)售預(yù)測(cè)數(shù)據(jù)是不公開(kāi)的，因而在本文中我們將依據(jù)樣本企業(yè)的歷史數(shù)據(jù)通過(guò)Holts Linear Exponential smoothing Method進(jìn)行銷(xiāo)售預(yù)測(cè)估計(jì)。我們通過(guò)Eviews 6.0進(jìn)行。根據(jù)數(shù)據(jù)的特點(diǎn)，本文最終選取的預(yù)測(cè)方法是Holt-Winters No Seasonal模型。

因此，第t期的SFit等于：SFit=Li，t-1+Ti，t-1。

而Li，t-1和Ti，t-1都是平滑序列，其定義如下：

其中α和β都是阻尼因子，在0～1之間。關(guān)于α和β的最佳取值，根據(jù)其情況，最后由分析工具自動(dòng)取值最佳。

3.3 計(jì)量模型

為了研究提出的假設(shè)，本文在Gaur，F(xiàn)isher & Ranman（2005）研究美國(guó)零售業(yè)庫(kù)存實(shí)證模型基礎(chǔ)上，構(gòu)建以下模型分別對(duì)以上的問(wèn)題進(jìn)行研究：

模型M1考察銷(xiāo)售預(yù)測(cè)、庫(kù)存比重、提前期、公司規(guī)模等因素對(duì)總庫(kù)存周轉(zhuǎn)率的影響；而模型M2則是在模型（M1）的基礎(chǔ)上引入控制變量貸款利率、通貨膨脹率，控制外部宏觀因素對(duì)分析結(jié)果的影響。

4 實(shí)證結(jié)果及其討論

在進(jìn)行回歸分析之前，對(duì)樣本進(jìn)行了描述性統(tǒng)計(jì)，如表2所示。從表2可以看出庫(kù)存周轉(zhuǎn)率均值為12.37次，并且企業(yè)間差距很大，周轉(zhuǎn)最快的為108次/年，最慢的竟是0.11次/年。同樣的，應(yīng)收賬款周轉(zhuǎn)天數(shù)在每個(gè)企業(yè)間的差距也是很大的，雖然均值是21.719天/年，然而周轉(zhuǎn)天數(shù)最快的竟達(dá)到0.0009天/年，最慢的是1690.935天/年。

在回歸前需檢驗(yàn)變量的相關(guān)性，檢驗(yàn)結(jié)果如表3。通過(guò)分析表3發(fā)現(xiàn)，自變量間的相關(guān)性系數(shù)小于0.5，結(jié)合過(guò)往經(jīng)驗(yàn)可判斷出變量之間不存在強(qiáng)的相關(guān)性。據(jù)此可得所有變量的相關(guān)系數(shù)在可接受范圍之內(nèi)，可進(jìn)一步做回歸分析。

本文采用面板數(shù)據(jù)（Panel Data）的分析方法驗(yàn)證提出的假設(shè)。在面板數(shù)據(jù)分析中，模型的設(shè)定非常重要。一般需要采用協(xié)方差分析方法進(jìn)行檢驗(yàn)，判斷究竟適用哪種模型：不變截距模型、變截距模型。而根據(jù)本文的數(shù)據(jù)特點(diǎn)，最終發(fā)現(xiàn)本文適用于變截距模型。變截距模型主要有兩種方法，一種是使用固定效應(yīng)模型（Fixed Effects Model）， 另一種是使用隨機(jī)效應(yīng)模型（Random Effects Model）。本文采用計(jì)量分析中常用Hausman檢驗(yàn)來(lái)判定固定效應(yīng)模型和隨機(jī)效應(yīng)模型有效性。檢驗(yàn)結(jié)果見(jiàn)表4。

從表4中模型M1的回歸結(jié)果可知庫(kù)存周轉(zhuǎn)率與銷(xiāo)售偏差在10%水平上正相關(guān)，國(guó)內(nèi)零售企業(yè)庫(kù)存周轉(zhuǎn)水平與銷(xiāo)售預(yù)測(cè)偏差正相關(guān)的假設(shè)成立。由此可知，在其他因素保持不變的情況下，國(guó)內(nèi)零售企業(yè)的銷(xiāo)售預(yù)測(cè)偏差提高1%時(shí)庫(kù)存周轉(zhuǎn)率將提高0.091%。該結(jié)論也表明了零售企業(yè)的管理層會(huì)依據(jù)銷(xiāo)售預(yù)測(cè)對(duì)其庫(kù)存管理進(jìn)行相應(yīng)的調(diào)整，以避免庫(kù)存積壓或者是缺貨等情況。庫(kù)存周轉(zhuǎn)率與庫(kù)存比重在1%水平上顯著負(fù)相關(guān)，國(guó)內(nèi)零售企業(yè)庫(kù)存周轉(zhuǎn)率與庫(kù)存比重顯著負(fù)相關(guān)的假設(shè)成立。表示庫(kù)存占總資產(chǎn)的比重越高，在其他條件不變的情況下，庫(kù)存所占的比重越大，企業(yè)的庫(kù)存成本越高，企業(yè)為改善庫(kù)存的基礎(chǔ)設(shè)備的投資將會(huì)受到影響，致使其無(wú)法改善企業(yè)的運(yùn)營(yíng)能力的基礎(chǔ)設(shè)施。而且?guī)齑姹戎孛吭黾?%，庫(kù)存周轉(zhuǎn)率將降低0.72%。

同時(shí)從表4的第一列我們也可以看到，庫(kù)存周轉(zhuǎn)率與提前期在5%的水平上顯著負(fù)相關(guān)，國(guó)內(nèi)零售企業(yè)庫(kù)存周轉(zhuǎn)率與庫(kù)存比重顯著負(fù)相關(guān)的假設(shè)成立。零售業(yè)是資金流動(dòng)快的企業(yè)，提前期的增加會(huì)影響到資金的流動(dòng)，進(jìn)而也會(huì)影響到企業(yè)的商品的流通。從這個(gè)結(jié)論我們可以看出，提前期每增加1%，庫(kù)存周轉(zhuǎn)率將降低0.0719%。

庫(kù)存周轉(zhuǎn)率與企業(yè)的規(guī)模在1%的水平上正相關(guān)，國(guó)內(nèi)零售企業(yè)庫(kù)存周轉(zhuǎn)率與企業(yè)規(guī)模顯著正相關(guān)的假設(shè)成立。這說(shuō)明企業(yè)的規(guī)模對(duì)企業(yè)的庫(kù)存管理水平是產(chǎn)生影響的。特別是在21實(shí)際，是供應(yīng)鏈與供應(yīng)鏈互相競(jìng)爭(zhēng)的時(shí)代。零售企業(yè)的規(guī)模越大，越有可能與其供應(yīng)商建立起戰(zhàn)略合作伙伴關(guān)系，或者是引進(jìn)先進(jìn)的供應(yīng)鏈信息管理系統(tǒng)，和采用先進(jìn)的庫(kù)存管理策略來(lái)改善其庫(kù)存管理水平。而規(guī)模小的零售企業(yè)或是零售商店，其對(duì)于改善庫(kù)存管理的重視程度可能會(huì)降低，也無(wú)法承擔(dān)巨額的費(fèi)用來(lái)承擔(dān)ERP等供應(yīng)鏈信息管理系統(tǒng)。

模型M2是在模型M1的基礎(chǔ)上引入控制變量一年期貸款利率和通貨膨脹率，目的是考察宏觀因素對(duì)庫(kù)存周轉(zhuǎn)率的影響。從表4中可以看出，貸款利率和通貨膨脹率對(duì)庫(kù)存周轉(zhuǎn)率的影響不顯著，因而可以說(shuō)這兩個(gè)因素不是影響庫(kù)存周轉(zhuǎn)率的主要因素。但是，我們同樣發(fā)現(xiàn)，在引入了控制變量之后，銷(xiāo)售預(yù)測(cè)偏差和提前期對(duì)庫(kù)存周轉(zhuǎn)率的影響增加了，但結(jié)果并不顯著。這說(shuō)明了貸款利率和通貨膨脹率的變化，會(huì)影響到零售企業(yè)的應(yīng)收賬款周轉(zhuǎn)速度和企業(yè)的銷(xiāo)售預(yù)測(cè)的正確性。

5 結(jié)論、局限性及未來(lái)研究方向

本文以2001～2007年的零售業(yè)上市公司為研究樣本對(duì)我國(guó)的零售業(yè)庫(kù)存水平的變動(dòng)趨勢(shì)及影響因素進(jìn)行了實(shí)證研究。結(jié)果發(fā)現(xiàn)總庫(kù)存周轉(zhuǎn)率與銷(xiāo)售預(yù)測(cè)偏差、企業(yè)規(guī)模顯著正相關(guān)，與庫(kù)存比重、提前期顯著負(fù)相關(guān)。而一年貸款利率和通貨膨脹率對(duì)庫(kù)存周轉(zhuǎn)率并沒(méi)有顯著的影響。這說(shuō)明我國(guó)的零售企業(yè)的庫(kù)存管理更多還是受到企業(yè)本身的影響。這也意味著在日常經(jīng)營(yíng)中，零售企業(yè)要重視銷(xiāo)售預(yù)測(cè)的科學(xué)性和正確性，重視科學(xué)預(yù)測(cè)銷(xiāo)售。并且改變傳統(tǒng)的庫(kù)存管理思想，應(yīng)用先進(jìn)的庫(kù)存管理策略和技術(shù)，改善庫(kù)存管理水平，增強(qiáng)企業(yè)的競(jìng)爭(zhēng)力。

本文的局限性在于樣本選取僅有滬深上市的零售企業(yè)為上市公司，而且在分析影響庫(kù)存水平因素時(shí)也沒(méi)有考慮其他的客觀因素，如企業(yè)的地理位置、銷(xiāo)售網(wǎng)點(diǎn)數(shù)、零售業(yè)態(tài)等。未來(lái)的研究發(fā)現(xiàn)是采取問(wèn)卷調(diào)查的方法，收集更細(xì)致的數(shù)據(jù)，結(jié)合管理因素來(lái)探究企業(yè)庫(kù)存管理水平的關(guān)鍵驅(qū)動(dòng)因素。

參考文獻(xiàn)：

[1]H.J. Chang，C.Y. Dye.An EOQ model for deteriorating items with time-varying demand and partial backlogging. Journal of the Operational Research Society， 1999.

[2]Javid Jouzdani，Seyed Jafar Sadjadi，Mohammad Fathian. Dynamic dairy facility location and supply chain planning under traffic congestion and demand uncertainty： A case study of Tehran[J]. Applied Mathematical Modelling， 2013.

[3]Gé，rard P. Cachon. Retail Store Density and the Cost of Greenhouse Gas Emissions[J]. Management Science， 2014 （8）.

[4]Sampath Rajagopalan. Impact of Variety and Distribution System Characteristics on Inventory Levels at U.S. Retailers[J]. Manufacturing & Service Operations Management， 2013 （2）.

[5]MonamiDas Roy， ShibSankar Sana， Kripasindhu Chaudhuri. An integrated producer–buyer relationship in the environment of EMQ and JIT production systems[J]. International Journal of Production Research， 2012 （19）.