高 振，馮國(guó)珍，焦 玥

(上海商學(xué)院 管理學(xué)院，上海 201400)

一、引 言

近年來(lái)，我們經(jīng)常在媒體上看到實(shí)體零售企業(yè)關(guān)閉門(mén)店的新聞報(bào)道。市場(chǎng)研究機(jī)構(gòu)Coresight Research調(diào)查數(shù)據(jù)也顯示，美國(guó)零售企業(yè)在2018年共關(guān)閉5524家門(mén)店，包括J.C.Penny和Ann Taylor等知名品牌。[注]相關(guān)數(shù)據(jù)見(jiàn)：https://coresight.com/research/reviewing-2018-u-s-and-u-k-store-closures/。中國(guó)零售市場(chǎng)的情況也不容樂(lè)觀，沃爾瑪中國(guó)公司從2012年開(kāi)始，累計(jì)關(guān)閉了近100家門(mén)店;[注]相關(guān)數(shù)據(jù)見(jiàn)：http://www.linkshop.com.cn/web/archives/2018/403980.shtml。本土零售企業(yè)聯(lián)華超市2017年門(mén)店數(shù)量減少了197家。[注]相關(guān)數(shù)據(jù)見(jiàn)：http://finance.ce.cn/rolling/201803/30/t201880330_28664169.shtml。全球零售市場(chǎng)籠罩在關(guān)店潮的悲觀氣氛中。但是，根據(jù)中國(guó)國(guó)家統(tǒng)計(jì)局公布的數(shù)據(jù)，2007—2016年的10年時(shí)間內(nèi)，全國(guó)實(shí)體連鎖零售企業(yè)的門(mén)店數(shù)量、營(yíng)業(yè)面積、從業(yè)人數(shù)和商品銷(xiāo)售額的年均復(fù)合增長(zhǎng)率分別達(dá)到4.19%、6.87%、3.30%和7.48%。[注]根據(jù)國(guó)家統(tǒng)計(jì)局“批發(fā)與零售業(yè)”年度數(shù)據(jù)計(jì)算得出：http://data.stats.gov.cn/easyquery.htm?cn=C01。這些數(shù)據(jù)說(shuō)明中國(guó)實(shí)體零售行業(yè)整體仍然處于向上發(fā)展階段。我國(guó)實(shí)體零售企業(yè)的經(jīng)營(yíng)效率處于什么水平，哪些因素對(duì)其有較大影響等問(wèn)題，值得我們深入探討。

零售是生產(chǎn)與消費(fèi)之間的橋梁，為制造企業(yè)提供分銷(xiāo)渠道的同時(shí)也為消費(fèi)者提供多種品類(lèi)商品的消費(fèi)渠道。與制造企業(yè)不同，零售企業(yè)的產(chǎn)出不僅包括有形商品，還包括門(mén)店提供的無(wú)形服務(wù)以及由商品和服務(wù)共同決定的顧客滿意度水平[1-4]。顧客、員工以及運(yùn)營(yíng)系統(tǒng)共同決定零售門(mén)店運(yùn)營(yíng)效率水平。這里引用隨機(jī)前沿分析(SFA)模型對(duì)效率的定義，即在一定的技術(shù)條件和投入要素情況下，零售企業(yè)的實(shí)際產(chǎn)出與潛在最大產(chǎn)出的比率，是一種相對(duì)值的度量方法[5-6]。國(guó)內(nèi)外有關(guān)零售效率的實(shí)證研究由于在樣本數(shù)據(jù)特征、計(jì)量方法等方面存在較大差異性，因而得到了各種不同的研究結(jié)論。尤其是國(guó)內(nèi)學(xué)者大多采用連鎖零售企業(yè)集團(tuán)的加總數(shù)據(jù)，而不是具體門(mén)店的微觀數(shù)據(jù)，無(wú)法準(zhǔn)確反映我國(guó)零售行業(yè)真實(shí)的效率水平。

本文采用連續(xù)10年的零售企業(yè)門(mén)店調(diào)查數(shù)據(jù)，利用隨機(jī)前沿分析模型，從生產(chǎn)函數(shù)和成本函數(shù)兩個(gè)角度研究了實(shí)體零售門(mén)店的運(yùn)營(yíng)效率。首先，檢驗(yàn)以員工數(shù)量和營(yíng)業(yè)面積為投入要素的生產(chǎn)函數(shù)，以商圈競(jìng)爭(zhēng)程度、門(mén)店經(jīng)營(yíng)歷史以及日客單價(jià)和日交易量為自變量的效率函數(shù)，求出門(mén)店生產(chǎn)函數(shù)的規(guī)模報(bào)酬，運(yùn)營(yíng)效率及其各種影響因素的效應(yīng)值。其次，采用隨機(jī)成本前沿分析模型，得出實(shí)體門(mén)店的規(guī)模經(jīng)濟(jì)效應(yīng)水平。主要結(jié)論有：第一，中國(guó)實(shí)體零售企業(yè)表現(xiàn)為不變規(guī)模報(bào)酬，但具有較好的規(guī)模經(jīng)濟(jì)效應(yīng)；第二，2010—2015年期間，實(shí)體零售行業(yè)運(yùn)營(yíng)效率呈下降趨勢(shì)，專(zhuān)賣(mài)店運(yùn)營(yíng)效率較高，而購(gòu)物中心運(yùn)營(yíng)效率較低；第三，門(mén)店經(jīng)營(yíng)歷史、日交易量和客單價(jià)對(duì)門(mén)店運(yùn)營(yíng)效率具有正向影響?？赡艿膭?chuàng)新有：第一，國(guó)內(nèi)研究大多采用行業(yè)或者企業(yè)層次的加總數(shù)據(jù)，本文采用零售門(mén)店的微觀數(shù)據(jù)，更能準(zhǔn)確地測(cè)量我國(guó)零售企業(yè)的效率水平；第二，采用隨機(jī)前沿模型分析零售效率的已有研究大多只檢驗(yàn)了生產(chǎn)函數(shù)而忽視了效率函數(shù)，本文同時(shí)檢驗(yàn)了這兩種函數(shù)，不僅可以分析零售門(mén)店的生產(chǎn)技術(shù)特征，還可以檢驗(yàn)門(mén)店的運(yùn)營(yíng)效率特征及其影響因素。

二、文獻(xiàn)綜述

有關(guān)零售效率的研究最早可以追溯到1961年，Hall等(1961)[7]分析了美國(guó)的食品和服裝零售門(mén)店數(shù)據(jù)，采用門(mén)店?duì)I業(yè)額與員工數(shù)量的比率作為零售效率的測(cè)量指標(biāo)，發(fā)現(xiàn)門(mén)店所在社區(qū)居民人均收入及其增長(zhǎng)率對(duì)門(mén)店經(jīng)營(yíng)效率有顯著影響。零售研究期刊(Journal of Retailing)在1984年出版了零售效率研究專(zhuān)輯，對(duì)零售投入與產(chǎn)出變量的選擇和測(cè)量、樣本數(shù)據(jù)多樣性以及計(jì)量模型的實(shí)用性等方面進(jìn)行了系統(tǒng)介紹。

(一) 零售投入與產(chǎn)出

根據(jù)產(chǎn)業(yè)經(jīng)濟(jì)學(xué)的投入產(chǎn)出概念，早期實(shí)證研究大多采用“比率”方法測(cè)量零售效率，例如人均營(yíng)業(yè)額。但是，零售企業(yè)生產(chǎn)過(guò)程需要多種投入要素，除了勞動(dòng)和資本要素之外，還需要技術(shù)研發(fā)以及管理資源等投入要素，人均營(yíng)業(yè)額測(cè)量的只是勞動(dòng)生產(chǎn)率[8-9]。但營(yíng)業(yè)額是售出的商品數(shù)量與價(jià)格的乘積，而價(jià)格受到消費(fèi)需求和市場(chǎng)競(jìng)爭(zhēng)的影響，僅僅用單一的投入產(chǎn)出比率表示零售效率是不完整的[10-12]。另外，零售屬于服務(wù)業(yè)，零售產(chǎn)出不僅包括貨架上有形商品，也包括無(wú)形服務(wù)。已有研究既有從顧客行為結(jié)果角度測(cè)量零售產(chǎn)出，例如顧客滿意度[1-2]、顧客服務(wù)水平等[3-4]，也有從財(cái)務(wù)績(jī)效角度測(cè)量零售產(chǎn)出，例如營(yíng)業(yè)額[13-14]、價(jià)值增加值[15-17]。

(二) 零售運(yùn)營(yíng)效率研究

運(yùn)營(yíng)效率研究常用的實(shí)證方法有數(shù)據(jù)包絡(luò)分析(DEA)和隨機(jī)前沿分析(SFA)，但在零售效率研究領(lǐng)域，大多采用DEA方法。DEA方法的特點(diǎn)是可以測(cè)量多種生產(chǎn)要素和多種產(chǎn)出情況下的決策單元之間的相對(duì)效率水平，本質(zhì)是在約束條件下最大化投入產(chǎn)出比的線性規(guī)劃模型。Donthu和Yoo(1998)[12]采用DEA方法分析24家美國(guó)連鎖快餐店數(shù)據(jù)，同時(shí)采用財(cái)務(wù)績(jī)效(營(yíng)業(yè)額)和顧客行為績(jī)效(顧客滿意度)測(cè)量產(chǎn)出，用門(mén)店規(guī)模(營(yíng)業(yè)面積)、門(mén)店位置、店長(zhǎng)工作經(jīng)驗(yàn)以及促銷(xiāo)費(fèi)用測(cè)量生產(chǎn)投入要素，按照效率水平對(duì)所有門(mén)店進(jìn)行排序，用來(lái)評(píng)價(jià)門(mén)店經(jīng)理的工作績(jī)效。Keh和Chu(2003)[18]運(yùn)用DEA方法分析13家美國(guó)雜貨店1988—1997年間的數(shù)據(jù)，包括勞動(dòng)和資本兩種投入要素，并將產(chǎn)出區(qū)分為中間產(chǎn)出(商品豐富度、配送可靠性等)和最終產(chǎn)出(營(yíng)業(yè)額)，結(jié)果發(fā)現(xiàn)要素投入對(duì)中間產(chǎn)出有正向影響效應(yīng)，但中間產(chǎn)出對(duì)最終產(chǎn)出卻存在負(fù)向影響效應(yīng)。Reynolds等(2005)[19]指出，零售門(mén)店增加收銀臺(tái)數(shù)量可以減少顧客排隊(duì)結(jié)賬時(shí)間，提高了服務(wù)水平，但也增加了企業(yè)成本，降低了零售產(chǎn)出水平(利潤(rùn)、營(yíng)業(yè)額等財(cái)務(wù)績(jī)效)。零售產(chǎn)出既包括財(cái)務(wù)績(jī)效，也應(yīng)該包括顧客滿意度等指標(biāo)。Xavier 等(2015)[20]運(yùn)用DEA方法分析一家女性服裝連鎖企業(yè)的26家門(mén)店在2010—2013年的面板數(shù)據(jù)，采用營(yíng)業(yè)額和稅息折舊前利潤(rùn)(EBITA)作為產(chǎn)出的測(cè)量指標(biāo)，檢驗(yàn)了門(mén)店規(guī)模、人工費(fèi)用、門(mén)店租金等要素投入對(duì)產(chǎn)出的影響效應(yīng)，發(fā)現(xiàn)門(mén)店效率隨時(shí)間逐年下降，并且規(guī)模效率低于純運(yùn)營(yíng)效率，因此，企業(yè)需要慎重考慮在擴(kuò)大規(guī)模和提升單店效率兩種策略上的權(quán)衡。

隨機(jī)前沿分析由Aigner等(1977)[21]提出，測(cè)量的是決策單元的實(shí)際產(chǎn)出與潛在最優(yōu)產(chǎn)出之間的相對(duì)效率值，本質(zhì)是在傳統(tǒng)的生產(chǎn)函數(shù)模型中加入了決策單元的效率損失因素。與DEA不同，SFA是參數(shù)方法，不僅可以求出決策單元的生產(chǎn)特征，還可以求出決策單元效率損失的各種影響因素的效應(yīng)值大小及顯著性水平[22-23]。SFA方法廣泛應(yīng)用在交通運(yùn)輸、汽車(chē)制造等行業(yè)的生產(chǎn)效率研究領(lǐng)域[24-26]，部分學(xué)者也采用SFA方法研究零售效率，但大多只研究生產(chǎn)函數(shù)而忽視效率函數(shù)及其影響因素。Ratchford和Stoops(1988)[13]針對(duì)9家銷(xiāo)售圖書(shū)和辦公耗材的零售企業(yè)的1188家門(mén)店的面板數(shù)據(jù)，采用超越對(duì)數(shù)勞動(dòng)需求函數(shù)，得出圖書(shū)和辦公耗材等四類(lèi)商品的勞動(dòng)需求彈性以及門(mén)店的規(guī)模報(bào)酬水平，但該研究采用普通回歸方法，實(shí)證模型沒(méi)有包含無(wú)效率誤差項(xiàng)。Gauri(2013)假設(shè)SFA模型的無(wú)效率項(xiàng)服從“半正態(tài)分布”，針對(duì)5家連鎖零售企業(yè)的2500家門(mén)店數(shù)據(jù)，采用每周營(yíng)業(yè)額測(cè)量產(chǎn)出，結(jié)果發(fā)現(xiàn)，與高低定價(jià)(HiLo)策略比較，天天低價(jià)(EDLP)和混合定價(jià)(Hybird)策略對(duì)產(chǎn)出(周營(yíng)業(yè)額)具有顯著正向影響[14]。Barros(2005)采用柯布-道格拉斯成本函數(shù)檢驗(yàn)連鎖超市的運(yùn)營(yíng)效率，并從治理環(huán)境角度提出改善效率水平的策略[27]。Sellers和Mas(2007)針對(duì)491家零售企業(yè)數(shù)據(jù)，比較了傳統(tǒng)的產(chǎn)出投入比率、DEA和SFA等多種零售效率的測(cè)量方法，結(jié)果發(fā)現(xiàn)采用不同方法得出的結(jié)論差異性較大[28]。

國(guó)內(nèi)研究零售效率的文獻(xiàn)較少，且大多采用DEA方法以及公司層面的加總數(shù)據(jù)，而不是門(mén)店層面的微觀數(shù)據(jù)。姜向陽(yáng)等(2011)[29]采用DEA方法分析了16家零售上市公司4年的面板數(shù)據(jù)，結(jié)果發(fā)現(xiàn)我國(guó)零售企業(yè)全要素生產(chǎn)率主要得益于技術(shù)進(jìn)步，而純技術(shù)效率和規(guī)模效率增長(zhǎng)較慢。王國(guó)順等(2016)[30]同樣采用DEA方法研究我國(guó)上市零售企業(yè)從純實(shí)體零售向在線零售轉(zhuǎn)型過(guò)程的效率變化，結(jié)果發(fā)現(xiàn)采用實(shí)體和在線兩種渠道的零售企業(yè)并沒(méi)有表現(xiàn)出更高的運(yùn)營(yíng)效率。雷蕾(2018)[31]也采用DEA方法分析了85家上市零售企業(yè)數(shù)據(jù)，并且比較了純實(shí)體零售、網(wǎng)絡(luò)零售以及多渠道零售等三種類(lèi)型企業(yè)的運(yùn)營(yíng)效率，研究發(fā)現(xiàn)網(wǎng)絡(luò)零售企業(yè)運(yùn)營(yíng)效率最高，其次是多渠道零售企業(yè)，純實(shí)體零售企業(yè)運(yùn)營(yíng)效率最低。

綜上所述，已有研究有三個(gè)特點(diǎn)：第一，如何測(cè)量零售產(chǎn)出。由于零售產(chǎn)出既包含有形產(chǎn)品，也包含無(wú)形服務(wù)，因此最好的方法是采用多個(gè)測(cè)量指標(biāo)；第二，如何測(cè)量零售效率。早期文獻(xiàn)大多采用產(chǎn)出投入比率方法，而DEA和SFA測(cè)量的是決策單元的相對(duì)效率；采用SFA方法的研究大多只檢驗(yàn)了生產(chǎn)函數(shù)，而忽視了效率函數(shù)。第三，系統(tǒng)探討了影響零售效率的因素。Donthu 和Yoo(1998)[12]將影響因素分為四類(lèi)：一是環(huán)境條件，包括宏觀經(jīng)濟(jì)指標(biāo)、產(chǎn)業(yè)技術(shù)水平和競(jìng)爭(zhēng)度等；二是顧客特征，包括購(gòu)物時(shí)間、經(jīng)濟(jì)與社會(huì)和心理需求等；三是企業(yè)特征，包括規(guī)模、組織文化等；四是員工特征，包括教育水平、工資等。而Gauri等(2009)[32]將零售效率影響因素分為兩類(lèi)：一類(lèi)是管理者不可控制的外部因素，例如宏觀經(jīng)濟(jì)條件、商圈特征以及區(qū)域競(jìng)爭(zhēng)等；另一類(lèi)是管理者可以控制的內(nèi)部因素，例如門(mén)店氛圍、商品定價(jià)以及促銷(xiāo)策略等。但是，已有實(shí)證研究都沒(méi)有區(qū)分生產(chǎn)函數(shù)的投入要素與效率函數(shù)的影響因素，而是將上述所有因素統(tǒng)一納入生產(chǎn)函數(shù)，視為生產(chǎn)投入要素，這是值得商榷的。本文是對(duì)已有理論研究的一個(gè)有益補(bǔ)充：第一，采用實(shí)體零售門(mén)店的微觀數(shù)據(jù)，比零售企業(yè)層面的數(shù)據(jù)更加有針對(duì)性；第二，采用SFA模型同時(shí)分析了生產(chǎn)函數(shù)(成本函數(shù))和效率函數(shù)，并明確區(qū)分哪些是生產(chǎn)函數(shù)的投入要素，哪些是效率函數(shù)的影響因素，首次實(shí)證檢驗(yàn)了實(shí)體零售門(mén)店運(yùn)營(yíng)效率的各種影響因素的效應(yīng)值大小和顯著性水平。

三、研究設(shè)計(jì)

(一) 數(shù)據(jù)、變量定義與測(cè)量

中國(guó)連鎖經(jīng)營(yíng)協(xié)會(huì)每年向會(huì)員企業(yè)開(kāi)展多種調(diào)查，其中一項(xiàng)問(wèn)卷是調(diào)查連鎖零售企業(yè)門(mén)店的經(jīng)營(yíng)績(jī)效，借此了解中國(guó)實(shí)體零售企業(yè)的經(jīng)營(yíng)狀況，并從中挑選績(jī)效較好的門(mén)店參與評(píng)選。調(diào)查問(wèn)卷涉及的內(nèi)容包括店長(zhǎng)的年齡、學(xué)歷等個(gè)人特質(zhì)以及門(mén)店主要經(jīng)營(yíng)指標(biāo)，例如利潤(rùn)率、營(yíng)業(yè)額、總成本、營(yíng)業(yè)面積、員工數(shù)量、租金以及工資總額等數(shù)據(jù)。本文獲得2007—2016年共10年的調(diào)查數(shù)據(jù)。參與調(diào)查的門(mén)店每年都有變動(dòng)，因此樣本表現(xiàn)為多個(gè)時(shí)間點(diǎn)的橫截面數(shù)據(jù)特征。為避免離群點(diǎn)和異常值對(duì)參數(shù)估計(jì)的影響，所有連續(xù)變量都在1%和99%分位進(jìn)行了Winsorize處理。

1.生產(chǎn)函數(shù)。采用零售門(mén)店的年度營(yíng)業(yè)額作為產(chǎn)出測(cè)量指標(biāo)，即因變量。大多數(shù)零售企業(yè)都是連鎖經(jīng)營(yíng)，一家零售企業(yè)集團(tuán)可能包括多個(gè)零售門(mén)店，人員招聘、投資決策等行政管理職能一般由企業(yè)總部負(fù)責(zé)，而追求營(yíng)業(yè)額增長(zhǎng)是門(mén)店的主要經(jīng)營(yíng)目標(biāo)，也是總部對(duì)門(mén)店店長(zhǎng)的主要考核指標(biāo)。生產(chǎn)函數(shù)的自變量，即生產(chǎn)投入要素，包括門(mén)店的正式員工數(shù)量和門(mén)店?duì)I業(yè)面積。

2.效率函數(shù)。根據(jù)Donthu 和Yoo(1998)[12]、Gauri等(2009)[32]對(duì)零售效率影響因素的歸納，常見(jiàn)的有：門(mén)店經(jīng)營(yíng)歷史[33]、商圈競(jìng)爭(zhēng)度[34-35]、政府規(guī)劃管制[36-37]、信息技術(shù)[38-39]。本文采用的SFA模型效率函數(shù)的因變量測(cè)量的是決策單元運(yùn)營(yíng)無(wú)效率值，是運(yùn)營(yíng)效率的反向測(cè)量，因此需要反向解釋自變量系數(shù)的含義。效率函數(shù)的自變量包括：(1)商圈競(jìng)爭(zhēng)度，用商圈內(nèi)競(jìng)爭(zhēng)門(mén)店數(shù)作為測(cè)量指標(biāo)；(2)門(mén)店經(jīng)營(yíng)歷史，用門(mén)店開(kāi)業(yè)時(shí)間至問(wèn)卷調(diào)查年份的時(shí)間(單位：年)；(3)交易數(shù)量，用門(mén)店每日交易數(shù)量作為測(cè)量指標(biāo)；(4)日客單價(jià)，用門(mén)店每日單次交易金額平均值測(cè)量；(5)商品周轉(zhuǎn)率，即門(mén)店庫(kù)存商品周轉(zhuǎn)天數(shù)。

效率函數(shù)的控制變量包括：(1)年份，包括2007—2016年；(2)門(mén)店所在地區(qū)，分為四種，即北京、上海、廣州、深圳、香港等大城市為一個(gè)地區(qū)，東部地區(qū)(排除前述等大城市)，中部地區(qū)，西部地區(qū)；(3)門(mén)店商圈，分為商業(yè)區(qū)、住宅區(qū)和其他三類(lèi)；(4)門(mén)店業(yè)態(tài)，分為超市、專(zhuān)賣(mài)店、便利店、百貨、大賣(mài)場(chǎng)、購(gòu)物中心、倉(cāng)儲(chǔ)店和其他八種類(lèi)型；(5)門(mén)店?duì)I業(yè)面積，分為小于500平方米，500～1000平方米等8種類(lèi)別。主要變量及測(cè)量指標(biāo)如表1所示。

續(xù)表1

(二) 計(jì)量模型

隨機(jī)前沿分析包括兩部分：一部分是傳統(tǒng)的生產(chǎn)函數(shù)，檢驗(yàn)決策單位將投入要素轉(zhuǎn)換為產(chǎn)出的生產(chǎn)特征；另一部分是效率函數(shù)，檢驗(yàn)決策單位運(yùn)營(yíng)效率的影響因素。具體模型如下：

lnSalei=β0+β1lnAreai+β2lnEmployeei+vi-ui

(1)

α5lnturnoveri+α6year+α7format+α8region+α9district+α10area+ei)

(2)

方程(1)是生產(chǎn)函數(shù)，方程(2)是效率函數(shù)。假設(shè)方程(1)的隨機(jī)干擾項(xiàng)v服從正態(tài)分布，無(wú)效率項(xiàng)u服從指數(shù)分布。方程(2)的因變量是運(yùn)營(yíng)無(wú)效率項(xiàng)u的平均值的方差。

生產(chǎn)函數(shù)的產(chǎn)出與投入要素取自然對(duì)數(shù)后，投入要素的參數(shù)表示產(chǎn)出彈性，兩種投入要素的產(chǎn)出彈性之和表示規(guī)模報(bào)酬效應(yīng)(Return-to-scale, RTS)，即方程(1)中兩個(gè)投入要素的參數(shù)之和(RTS=β1+β2)。用t檢驗(yàn)方法檢驗(yàn)原假設(shè)：RTS=1。當(dāng)RTS>1表示規(guī)模報(bào)酬遞增，RTS=1表示規(guī)模報(bào)酬不變，RTS<1表示規(guī)模報(bào)酬遞減。門(mén)店運(yùn)營(yíng)效率是實(shí)際產(chǎn)出的期望值與生產(chǎn)前沿面產(chǎn)出期望值(此時(shí)u=0)的比率，具體計(jì)算公式是exp(-u)，即生產(chǎn)函數(shù)中無(wú)效率項(xiàng)(-u)的以自然數(shù)e為底的指數(shù)。

四、實(shí)證分析結(jié)果

(一) 描述性統(tǒng)計(jì)

原始數(shù)據(jù)包括超市、專(zhuān)賣(mài)店、便利店和百貨等多種業(yè)態(tài)，以門(mén)店?duì)I業(yè)額(年度)為例，全部1270條記錄中有647家超市，占比50.94%；其次是211家專(zhuān)賣(mài)店，占比16.61%；146家百貨店，占比11.50%；88家大賣(mài)場(chǎng)門(mén)店，占比6.93%；75家購(gòu)物中心，占比5.91%；68家便利店，占比5.35%；6家倉(cāng)儲(chǔ)會(huì)員的，占比0.47%;剩余的29家門(mén)店包括水果以及建材銷(xiāo)售店等各種業(yè)態(tài)，占比2.28%。其中，百貨店的年度營(yíng)業(yè)額最高，平均值達(dá)到56382.18萬(wàn)元，其次是倉(cāng)儲(chǔ)會(huì)員店，平均值是37491.71萬(wàn)元，營(yíng)業(yè)額最低的是便利店，平均值563.71萬(wàn)元。根據(jù)中國(guó)統(tǒng)計(jì)局公布的零售商品價(jià)格指數(shù)對(duì)門(mén)店?duì)I業(yè)額進(jìn)行平減，調(diào)整到2016年數(shù)值。主要變量描述性統(tǒng)計(jì)信息如表2所示。

表2 變量描述性統(tǒng)計(jì)

主要變量的相關(guān)系數(shù)如表3所示。營(yíng)業(yè)額與營(yíng)業(yè)面積和員工數(shù)量三個(gè)變量的相關(guān)系數(shù)較大，分別是0.83和0.78，這是由生產(chǎn)函數(shù)所決定，投入要素越大產(chǎn)出越大。營(yíng)業(yè)面積和員工數(shù)量的相關(guān)系數(shù)也較大，為0.84，這也符合企業(yè)實(shí)踐，門(mén)店?duì)I業(yè)面積越大需要的員工也越多，兩種投入要素表現(xiàn)為互補(bǔ)而非替代關(guān)系。其他變量的相關(guān)系數(shù)均較小。同時(shí)，針對(duì)每個(gè)變量計(jì)算方差膨脹因子，均未發(fā)現(xiàn)異常情況。

表3 變量相關(guān)系數(shù)矩陣

注：*,**,***分別表示10%, 5%和1%顯著性水平

(二) 實(shí)證結(jié)果

表4 隨機(jī)前沿模型結(jié)果

注：*,**,***分別表示10%, 5%和1%顯著性水平

隨機(jī)前沿分析模型結(jié)果如表4所示。模型一僅包含生產(chǎn)函數(shù)，模型二同時(shí)包含生產(chǎn)函數(shù)和效率函數(shù)。根據(jù)對(duì)數(shù)似然值方法檢驗(yàn)，模型二顯著優(yōu)于模型一，因此只分析模型二結(jié)果。營(yíng)業(yè)面積和員工數(shù)量?jī)煞N投入要素的系數(shù)分別是0.5134和0.4506(即產(chǎn)出彈性分別是51.34%和45.06%)，都在1%顯著性水平下充分顯著。規(guī)模報(bào)酬RTS=0.964，t檢驗(yàn)結(jié)果：卡方值1.11，p值0.2924，在10%顯著性水平下不顯著，說(shuō)明實(shí)體零售門(mén)店表現(xiàn)出規(guī)模報(bào)酬不變特征。

效率函數(shù)結(jié)果顯示：商圈內(nèi)競(jìng)爭(zhēng)門(mén)店數(shù)量Competitor的系數(shù)大于零但不顯著，說(shuō)明競(jìng)爭(zhēng)程度對(duì)門(mén)店運(yùn)營(yíng)效率沒(méi)有顯著影響。門(mén)店經(jīng)營(yíng)歷史lnHistory的系數(shù)為負(fù)0.7268，在1%顯著性水平下充分顯著，說(shuō)明門(mén)店經(jīng)營(yíng)歷史越長(zhǎng)，運(yùn)營(yíng)效率越高。門(mén)店日交易數(shù)lnTransaction的系數(shù)為負(fù)0.4842，在1%顯著性水平下充分顯著，說(shuō)明日交易數(shù)越大，門(mén)店運(yùn)營(yíng)效率越高。日客單價(jià)lnPrice的系數(shù)為負(fù)0.3688，在5%顯著性水平下充分顯著，說(shuō)明日客單價(jià)越大，門(mén)店運(yùn)營(yíng)效率越高。庫(kù)存商品周轉(zhuǎn)天數(shù)lnTurnover的系數(shù)大于零，但不顯著。但從實(shí)踐角度看，商品周轉(zhuǎn)天數(shù)越小，說(shuō)明門(mén)店的銷(xiāo)售情況越好，資金周轉(zhuǎn)越快，運(yùn)營(yíng)效率應(yīng)該越高，實(shí)證結(jié)果與企業(yè)實(shí)踐不符。模型二的運(yùn)營(yíng)效率值0.7622，說(shuō)明實(shí)際產(chǎn)出占生產(chǎn)前沿面產(chǎn)出的76.22%的比例，或者說(shuō)與生產(chǎn)前沿相比較，實(shí)際產(chǎn)出損失了23.78%的效率，說(shuō)明門(mén)店仍然存在較大的效率提升空間。

圖1 實(shí)體零售門(mén)店運(yùn)營(yíng)效率變化趨勢(shì)

根據(jù)不同變量分組計(jì)算運(yùn)營(yíng)效率：(1)分年度，2014年運(yùn)營(yíng)效率最高，達(dá)到82.71%，其次是2012和2010年，分別是80.93%和80.47%，2015年運(yùn)營(yíng)效率最低，僅有63.69%。2010至2015年期間，實(shí)體零售門(mén)店整體的運(yùn)營(yíng)效率呈下降趨勢(shì)。這也一定程度上印證了媒體所報(bào)道的近幾年實(shí)體零售企業(yè)出現(xiàn)的“關(guān)店潮”現(xiàn)象并非空穴來(lái)風(fēng)。相關(guān)結(jié)果如圖1所示。(2)分業(yè)態(tài)。專(zhuān)賣(mài)店運(yùn)營(yíng)效率最高，達(dá)到86.85%，其次是百貨和大賣(mài)場(chǎng)，分別是82.42%和76.41%，購(gòu)物中心的運(yùn)營(yíng)效率最低，僅有69.66%。專(zhuān)賣(mài)店出售的大多是品牌商品，單價(jià)較高，管理相對(duì)規(guī)范，運(yùn)營(yíng)效率較好；同樣，百貨也以品牌商品為主，尤其是化妝品和品牌服飾等，運(yùn)營(yíng)效率較高。而購(gòu)物中心則是各類(lèi)商品的混雜業(yè)態(tài)，以中低端為主，管理上相對(duì)松散，運(yùn)營(yíng)效率較低。(3)分地區(qū)和商圈。北京、上海等大城市的零售門(mén)店運(yùn)營(yíng)效率最高，達(dá)到88.58%，高于西部地區(qū)的78.16%，中部地區(qū)的72.99%和東部地區(qū)的72.45%。同時(shí)，商業(yè)區(qū)門(mén)店運(yùn)營(yíng)效率高于住宅區(qū)門(mén)店，前者是77.77%，后者是74.59%。

五、穩(wěn)健性檢驗(yàn)與進(jìn)一步分析

為檢驗(yàn)上述結(jié)果的穩(wěn)健性，本文做了兩方面的分析：一是采用超越對(duì)數(shù)生產(chǎn)函數(shù)的隨機(jī)前沿模型，二是采用隨機(jī)成本前沿分析模型。

(一) 超越對(duì)數(shù)生產(chǎn)函數(shù)

表5 超越對(duì)數(shù)生產(chǎn)函數(shù)隨機(jī)前沿模型結(jié)果

注: 限于篇幅模型四沒(méi)有列出年度、業(yè)態(tài)、地區(qū)、商圈和營(yíng)業(yè)面積等控制變量；*,**,***分別表示10%, 5%和1%顯著性水平

采用超越對(duì)數(shù)(Translog)生產(chǎn)函數(shù)替換模型一和二的柯布道格拉斯(C-D)生產(chǎn)函數(shù)。回歸結(jié)果如表5所示。

似然比檢驗(yàn)顯示，模型四優(yōu)于模型三，因此只分析模型四結(jié)果：營(yíng)業(yè)面積lnArea的系數(shù)為0.3393，在10%水平下不顯著，同時(shí)其二次項(xiàng)的系數(shù)為0.0525，也不顯著，說(shuō)明營(yíng)業(yè)面積對(duì)產(chǎn)出沒(méi)有顯著影響，也不存在二次曲線關(guān)系。員工數(shù)量lnEmployee的系數(shù)為0.8523，在1%顯著性水平下顯著，但其二次項(xiàng)的系數(shù)不顯著，說(shuō)明員工數(shù)量與產(chǎn)出也不存在二次曲線關(guān)系。營(yíng)業(yè)面積與員工數(shù)量的交互項(xiàng)系數(shù)在10%顯著性水平下也不顯著。營(yíng)業(yè)面積和員工數(shù)量的產(chǎn)出彈性分別是0.5019和0.4629。上文表3的模型二營(yíng)業(yè)面積和員工數(shù)量的產(chǎn)出彈性分別是0.5134和0.4536，兩種模型結(jié)果差異較小。表5模型四的運(yùn)營(yíng)效率是0.7701，表3模型二的運(yùn)營(yíng)效率是0.7622，兩者相差也較小。效率函數(shù)的自變量系數(shù)和顯著性與表3模型二基本相同。由此可以認(rèn)為結(jié)果具有較好的穩(wěn)健性。

(二) 隨機(jī)成本前沿模型

前面的實(shí)證模型都是基于生產(chǎn)函數(shù)隨機(jī)前沿分析，本節(jié)采用基于成本函數(shù)的隨機(jī)前沿模型，結(jié)果如表6所示。

表6 隨機(jī)成本前沿模型結(jié)果

備注：(1)省略了參數(shù)估計(jì)值的標(biāo)準(zhǔn)差；(2)模型七和八的效率函數(shù)沒(méi)有列出年度、業(yè)態(tài)等控制變量；(3)*,**,***分別表示10%, 5%和1%顯著性水平

模型五和七采用C-D成本函數(shù)，模型六和八采用Translog成本函數(shù)。為保證成本函數(shù)的單調(diào)性要求，用要素價(jià)格(單位營(yíng)業(yè)面積租金)去除總成本以及另一要素價(jià)格，因此成本函數(shù)的因變量是總成本與單位面積租金的比率lnTC_Rent，自變量包括產(chǎn)出(營(yíng)業(yè)額lnSale)、人均工資與單位租金比率ln(Salary_Rent)。Translog成本函數(shù)的模型六和八還包括lnSale和lnSalary_Rent的二次項(xiàng)和交互項(xiàng)。以Translog成本函數(shù)為例，同時(shí)假設(shè)無(wú)效率項(xiàng)ξ服從指數(shù)分布，其平均值ψ的方差作為效率函數(shù)的因變量，具體實(shí)證模型是：

(3)

(4)

如果是柯布-道格拉斯成本函數(shù)，營(yíng)業(yè)額lnSale的參數(shù)表示成本的產(chǎn)出彈性，測(cè)量規(guī)模經(jīng)濟(jì)效應(yīng)水平。如果是Translog成本函數(shù)，需要將方程(3)的因變量對(duì)營(yíng)業(yè)額lnSale求偏導(dǎo)數(shù)，將參數(shù)以及變量值代入求出規(guī)模經(jīng)濟(jì)效應(yīng)值。表6中模型五和七結(jié)果顯示：營(yíng)業(yè)額lnSale的系數(shù)分別是0.8039和0.7879，都小于1，且在1%顯著性水平下充分顯著，說(shuō)明產(chǎn)出增長(zhǎng)率為100%的情況下，成本分別增長(zhǎng)了80.39%和78.79%，具有較好的規(guī)模經(jīng)濟(jì)效應(yīng)。采用Translog成本函數(shù)的模型六和模型八的規(guī)模經(jīng)濟(jì)效應(yīng)數(shù)值分別是77.31%和74.31%，都小于1，再次表明實(shí)體零售門(mén)店具有較好的規(guī)模經(jīng)濟(jì)效應(yīng)。

根據(jù)對(duì)數(shù)似然值檢驗(yàn)方法，表6模型八的擬合度最佳，因此以該模型回歸結(jié)果解釋自變量的影響效應(yīng)：競(jìng)爭(zhēng)門(mén)店數(shù)量Competitor的系數(shù)0.0712，在10%顯著性水平下不顯著；經(jīng)營(yíng)歷史lnHistory和日交易量lnTransaction的系數(shù)分別是負(fù)0.6283和負(fù)0.3258，在10%顯著性水平下充分顯著；日客單價(jià)lnPrice和商品周轉(zhuǎn)天數(shù)lnTurnover的系數(shù)分別是負(fù)0.2036和0.3487，在10%顯著性水平下都不顯著。比較模式二和模型四結(jié)果，只有日客單價(jià)的系數(shù)發(fā)生變化。同時(shí)，模型八的運(yùn)營(yíng)效率值是0.7453，比表3模型二(0.7622)和表5模型四(0.7701)略低。另外，針對(duì)不同年度、業(yè)態(tài)、地區(qū)、商圈和營(yíng)業(yè)面積分組計(jì)算的運(yùn)營(yíng)效率數(shù)值與模型二結(jié)果大致相似，限于篇幅不再贅述。

六、結(jié) 論

大量有關(guān)實(shí)體零售企業(yè)關(guān)閉門(mén)店的新聞報(bào)道，給人一種實(shí)體零售行業(yè)發(fā)展受阻、經(jīng)營(yíng)困難的印象。但是，權(quán)威數(shù)據(jù)卻顯示中國(guó)實(shí)體零售行業(yè)整體上仍然處于上升階段。另外，在線零售和無(wú)人零售等新零售模式得到較快發(fā)展，極大地改變了中國(guó)零售業(yè)的整體情況和經(jīng)營(yíng)績(jī)效，在這樣的背景下，中國(guó)實(shí)體零售企業(yè)的運(yùn)營(yíng)效率實(shí)際情況如何，哪些因素影響了其運(yùn)營(yíng)效率等問(wèn)題，迫切需要一個(gè)明確的答案。本文首先采用基于產(chǎn)出的隨機(jī)生產(chǎn)前沿分析模型，針對(duì)實(shí)體零售企業(yè)的門(mén)店經(jīng)營(yíng)數(shù)據(jù)，檢驗(yàn)了以營(yíng)業(yè)額為產(chǎn)出，以營(yíng)業(yè)面積和員工數(shù)量為投入要素的生產(chǎn)函數(shù)特性，同時(shí)檢驗(yàn)了商圈競(jìng)爭(zhēng)程度、門(mén)店經(jīng)營(yíng)歷史、日交易量和客單價(jià)等因素對(duì)運(yùn)營(yíng)效率水平的影響效應(yīng)；在穩(wěn)健性分析部分，采用了隨機(jī)成本前沿分析模型重新檢驗(yàn)樣本數(shù)據(jù)，再次檢驗(yàn)了相關(guān)結(jié)論。

(一) 主要結(jié)論

第一，零售企業(yè)實(shí)體門(mén)店的生產(chǎn)運(yùn)營(yíng)具有規(guī)模報(bào)酬不變特征，但存在顯著的規(guī)模經(jīng)濟(jì)效應(yīng)。擴(kuò)大營(yíng)業(yè)面積并雇傭更多員工，門(mén)店?duì)I業(yè)額也能獲得相同幅度的增長(zhǎng)，即表現(xiàn)為不變規(guī)模報(bào)酬效應(yīng)。但門(mén)店總成本的增長(zhǎng)幅度低于營(yíng)業(yè)額增長(zhǎng)幅度，說(shuō)明具有較好的規(guī)模經(jīng)濟(jì)效應(yīng)。因此，擴(kuò)大營(yíng)業(yè)面積和雇傭更多員工等擴(kuò)大經(jīng)營(yíng)規(guī)模的措施仍然是實(shí)體零售門(mén)店提高運(yùn)營(yíng)效率的最佳策略。

第二，經(jīng)營(yíng)歷史、日交易量和交易單價(jià)等對(duì)實(shí)體門(mén)店效率有積極影響；相反，商圈競(jìng)爭(zhēng)度和商品庫(kù)存周轉(zhuǎn)水平對(duì)門(mén)店效率沒(méi)有明顯影響。門(mén)店經(jīng)營(yíng)時(shí)間越長(zhǎng)，可以通過(guò)不斷優(yōu)化運(yùn)營(yíng)流程來(lái)提升效率；同時(shí)，經(jīng)營(yíng)歷史長(zhǎng)本身也是自身實(shí)力的證明，立志做“百年老店”是成功經(jīng)營(yíng)的前提。對(duì)零售門(mén)店來(lái)說(shuō)，先有流量，然后才有轉(zhuǎn)化率，因此日交易量越大門(mén)店運(yùn)營(yíng)效率越高。不過(guò)，商圈競(jìng)爭(zhēng)度和商品庫(kù)存周轉(zhuǎn)水平對(duì)門(mén)店效率沒(méi)有顯著影響的結(jié)論與預(yù)期不符，可能是測(cè)量指標(biāo)問(wèn)題，用競(jìng)爭(zhēng)門(mén)店數(shù)量是否能夠測(cè)量商圈競(jìng)爭(zhēng)程度，實(shí)體門(mén)店的競(jìng)爭(zhēng)不僅僅是所在商圈的其他門(mén)店，而是無(wú)處不在的網(wǎng)絡(luò)零售和其他零售業(yè)態(tài)的競(jìng)爭(zhēng)。另外，零售企業(yè)選址也存在權(quán)衡取舍問(wèn)題，“扎堆”在一起可以產(chǎn)生集聚效應(yīng)，但分散選址可以避免直接競(jìng)爭(zhēng)，哪種方法對(duì)企業(yè)經(jīng)營(yíng)有利仍沒(méi)有一致結(jié)論。

第三，零售企業(yè)實(shí)體門(mén)店運(yùn)營(yíng)效率逐年下降，不同業(yè)態(tài)和地區(qū)的門(mén)店運(yùn)營(yíng)效率存在較大差異。近年來(lái)，在線零售企業(yè)的快速發(fā)展受益于在信息技術(shù)和人力資源方面的巨大投入，吸引大量高學(xué)歷和高技能的人才加入零售行業(yè)，相反，實(shí)體零售仍然屬于傳統(tǒng)行業(yè)，從業(yè)人員學(xué)歷和綜合素質(zhì)水平較低。盡管北京、上海等大城市的商業(yè)地產(chǎn)租金較高，運(yùn)營(yíng)成本較高，但該地區(qū)零售門(mén)店的運(yùn)營(yíng)效率明顯高于中部和西部地區(qū)，與這些地區(qū)的整體管理水平也有較大的關(guān)系。比較不同零售業(yè)態(tài)門(mén)店，分析結(jié)果顯示專(zhuān)賣(mài)店和百貨店運(yùn)營(yíng)效率較高。零售從業(yè)人員認(rèn)為百貨店近年來(lái)遭遇客流量下降，租金上漲以及電商沖擊等影響，導(dǎo)致運(yùn)營(yíng)效率下降和經(jīng)營(yíng)困難；但另一方面我們也要看到百貨店銷(xiāo)售的大多是品牌商品，價(jià)值較高；尤其是化妝品、鞋與服飾類(lèi)商品近年來(lái)價(jià)格上漲較快，促使銷(xiāo)售額同步增長(zhǎng)。如果采用傳統(tǒng)的投入產(chǎn)出比率指標(biāo)測(cè)量效率，百貨店人效(年度人均營(yíng)業(yè)額)是207.62萬(wàn)元，僅低于專(zhuān)賣(mài)店的346.69萬(wàn)元，遠(yuǎn)高于超市的94.74萬(wàn)元；坪效(年度單位面積營(yíng)業(yè)額)是2.29萬(wàn)元，在所有業(yè)態(tài)中排名較前。另外，百貨業(yè)上市公司為了應(yīng)對(duì)環(huán)境變化，也普遍采取了線下線上融合發(fā)展策略，并取得了一定的成效[40]。

(二) 管理啟示

第一，盡管擴(kuò)大門(mén)店規(guī)模能夠獲得更高的利潤(rùn)，但是零售門(mén)店的營(yíng)業(yè)面積往往受到商業(yè)地產(chǎn)可獲得性的限制，在繁華的商業(yè)街區(qū)，商業(yè)地產(chǎn)是一種稀缺資源。實(shí)證結(jié)果顯示商業(yè)區(qū)門(mén)店比住宅區(qū)門(mén)店的運(yùn)營(yíng)效率更高，因此，實(shí)體零售企業(yè)門(mén)店選址決策的策略是：優(yōu)先考慮營(yíng)業(yè)面積較大的地址，然后再考慮商業(yè)區(qū)，其次才是住宅區(qū)。

第二，商圈內(nèi)的市場(chǎng)競(jìng)爭(zhēng)盡管重要，但不是決定門(mén)店效率的主要因素，流量仍然是實(shí)體門(mén)店經(jīng)營(yíng)成功的關(guān)鍵因素。商圈內(nèi)競(jìng)爭(zhēng)門(mén)店多不一定是壞事，相反，大家抱團(tuán)經(jīng)營(yíng)可能會(huì)產(chǎn)生一定程度的集聚效應(yīng)，獲得更大的客流量和交易量。因此，實(shí)體零售門(mén)店選址需要重點(diǎn)考慮的不是競(jìng)爭(zhēng)門(mén)店數(shù)量因素，而是如何獲得更大的客流量。

(三) 研究局限性與未來(lái)研究方向

第一，零售企業(yè)實(shí)體門(mén)店的生產(chǎn)函數(shù)，除了營(yíng)業(yè)面積和員工兩種生產(chǎn)要素之外，還應(yīng)該包括門(mén)店固定資產(chǎn)。一定程度上可以測(cè)量門(mén)店的信息技術(shù)水平，這是影響實(shí)體零售門(mén)店運(yùn)營(yíng)效率的重要因素；第二，不同業(yè)態(tài)的實(shí)體零售門(mén)店的特征差異較大，生產(chǎn)技術(shù)差異也較大，限于樣本數(shù)據(jù)局限性，本文沒(méi)有針對(duì)不同業(yè)態(tài)門(mén)店進(jìn)行分樣本回歸。因此，后續(xù)研究可以針對(duì)不同業(yè)態(tài)的實(shí)體零售門(mén)店進(jìn)行分析，以獲得更加準(zhǔn)確的結(jié)論。