盧藝源 呂靖 艾云飛

【摘 要】 為給航運企業(yè)經(jīng)營管理提供決策參考依據(jù)，共同應對低迷航運市場，針對航運企業(yè)整合前后效率的變動規(guī)律開展研究，在規(guī)模報酬可變條件下構建VRS-DEBM模型，并選取18家主要航運企業(yè)數(shù)據(jù)進行實證研究。結果表明：整合后的大型航運企業(yè)在效率方面沒有明顯優(yōu)勢;航運企業(yè)規(guī)模效率在整合前后會出現(xiàn)明顯波動性，純技術效率很可能受到航運企業(yè)合并時管理模式變化的影響而發(fā)生變化，經(jīng)營效率會逐漸靠近整合前的數(shù)值。

【關鍵詞】 水路運輸;規(guī)模效率;VRS-DEBM模型;航運企業(yè);投入導向

0 引 言

自2008年全球金融危機爆發(fā)以來，全球航運市場持續(xù)低迷，航運企業(yè)為應對國際市場競爭，提高自身市場競爭力，紛紛進行兼并、重組和整合。以航運企業(yè)整合為背景，探討企業(yè)規(guī)模引起的航運企業(yè)效率變化情況，尋求企業(yè)發(fā)生規(guī)模變動時效率變化的規(guī)律，將有助于提高航運企業(yè)經(jīng)營管理水平。

運用數(shù)據(jù)包絡分析（DEA）法研究航運企業(yè)效率的文獻有很多，例如：FINN[1]運用DEA模型測算挪威23家航運企業(yè)效率;BANG等[2]利用DEA與受限因變量模型（Tobit）回歸相結合的兩階段DEA方法分析班輪公司經(jīng)營效率和財務效率;PHOTIS等[3]針對集裝箱、干散貨、油船三大類航運企業(yè)，建立DEA方法與隨機前沿方法（SFA）相結合的兩種相對效率模型研究企業(yè)效率。也有不少文獻運用改進后的DEA方法研究航運企業(yè)效率，例如：CHAO[4]建立多級DEA模型評估全球班輪運輸公司效率;HUANG等[5]將全球主要集裝箱運輸公司劃分4個戰(zhàn)略群體，用帶有窗口分析的DEA模型衡量2006―2011年集裝箱運輸公司效率;TONE等[6]對DEA相關方法研究進行綜述，發(fā)現(xiàn)DEA改進模型大都沒有考慮連續(xù)2個時期之間結轉(zhuǎn)活動的影響。在生產(chǎn)經(jīng)營過程中，有些結轉(zhuǎn)活動會在連續(xù)2個時期內(nèi)對效率產(chǎn)生影響，某一時期效率過程將對下一時期效率過程產(chǎn)生影響;有些活動可能不會在該段時期產(chǎn)生全部效果，但可能在下一時期發(fā)揮一定作用。目前只有少數(shù)學者對這類情況進行了研究，例如：CUI等[7]在EBM模型中加入中途結轉(zhuǎn)活動因素，提出DEBM（Dynamic Epsilon-Based Measure）模型，在研究效率時考慮企業(yè)運營中的動態(tài)變化因素;CHAO等[8]利用動態(tài)網(wǎng)絡DEA模型評估全球13個主要集裝箱航運企業(yè)效率，并根據(jù)這些集裝箱航運企業(yè)的運營特點，將選取指標分為投入、結轉(zhuǎn)、輸出三大類。

可以看出，目前對動態(tài)DEA方法的研究文獻較少，且之前的模型考慮因素沒有同時涵蓋徑向與非徑向特征及規(guī)模報酬是否可變等方面。

在前述研究基礎上，本文運用改進DEA方法研究航運企業(yè)整合前后效率變動規(guī)律，以徑向與非徑向特征、規(guī)模報酬為可變條件，構建VRS- DEBM（Variable Return to Scale - Dynamic Epsilon-Based Measure）模型，并應用2012―2017年18家國內(nèi)外航運企業(yè)上市公司數(shù)據(jù)，分析測算這些航運企業(yè)的運營效率，為航運企業(yè)經(jīng)營管理提供決策依據(jù)。

1 航運企業(yè)運營效率分析模型構建

1.1 選取指標

借用已有文獻方法確定投入產(chǎn)出指標。投入指標從企業(yè)營運及財務管理2個方面選取。航運企業(yè)主營業(yè)務成本體現(xiàn)企業(yè)主要經(jīng)營水平;資本支出間接反映公司規(guī)模，資本支出數(shù)據(jù)默認為因投資活動產(chǎn)生的現(xiàn)金流出。

產(chǎn)出指標為主營業(yè)務收入、總利潤，分別考慮航運企業(yè)營運、獲利能力。對于不同的航運企業(yè)，因主營業(yè)務不同，產(chǎn)出指標不能單純用貨運量來衡量，因此選取主營業(yè)務收入作為衡量產(chǎn)出指標之一。總利潤更能直接反映企業(yè)經(jīng)營獲利能力，產(chǎn)出指標值越高表明企業(yè)盈利能力越強，反之企業(yè)盈利能力越弱。

選取員工人數(shù)指標來表現(xiàn)企業(yè)動態(tài)勞動因素指標，將資本存量指標作為其動態(tài)指標之一。資本存量指企業(yè)現(xiàn)存全部資本資源，考慮數(shù)據(jù)可得，將總資產(chǎn)作為反映資本存量指標進行研究?？傎Y產(chǎn)為動態(tài)理想指標，員工人數(shù)為動態(tài)自由指標。

1.2 構建模型

DEA非徑向模型中的松弛變量不一定與輸入或輸出變量成正比，效率評價中可能會失去原有輸入或輸出比例;因此，需要將徑向與非徑向特征結合在統(tǒng)一框架內(nèi)，以期更合理地評價航運企業(yè)效率。中途結轉(zhuǎn)活動在T時期作為產(chǎn)出產(chǎn)生、在T+1時期作為投入消耗，分成理想、不理想、自由、固定等4類結轉(zhuǎn)活動，分別表示為：z1為產(chǎn)出，其值不小于觀察到的值;z2為投入，其值不大于觀察到的值;z3的值可能增加，也可能減少，可能會影響2個時期內(nèi)的效率但不影響整體效率分數(shù);z4指決策單元控制之外的因素，其值固定不變。

基于航運企業(yè)規(guī)模變動背景，考慮變動規(guī)模報酬，在DEBM模型基礎上新增一個凸性假設?jt=1。理論上講，所有結轉(zhuǎn)活動在整個生產(chǎn)過程中不變，但考慮動態(tài)指標的增減松弛不能給出一個合適參數(shù)來保證結轉(zhuǎn)活動的連續(xù)性，因此本文不考慮動態(tài)指標總體穩(wěn)定不變?？紤]航運市場蕭條背景，以投入最小化為目的，DEBM模型修正成VRS-DEBM模型：

2*=min? Wt [ txt （? + ）]

（1）

式中：Wt是t時期效率權重（t=1，2，…，T）， Wt=1;將企業(yè)整個經(jīng)營過程分為T個時期，xijt、yrjt分別為t時期第j個DMU（ j=1，2，…，n）的第i個投入量（i=1，2，…，m）和第r個產(chǎn)出量（r=1，2，…，s）; n、 m、 s分別為決策單元數(shù)、投入指標量、產(chǎn)出指標量;?為t時期第i個投入變量權重，且滿足=1;為徑向效率值;為各變量權重向量，jt為t時期第j個DMU的權重向量;x是聯(lián)系徑向 與非徑向松弛變量s的參數(shù);nz1、nz2、nz3、nz4分別為理想、不理想、自由、固定的結轉(zhuǎn)活動數(shù)量。

t時期純技術效率為

2t= txt （? + ）]（2）

若2t=1，稱t時期DMU純技術效率有效;若2*=1，稱DMU整體純技術效率有效。

不考慮規(guī)模報酬可變時利用DEBM模型測得經(jīng)營效率1t，經(jīng)營效率=純技術效率 ？規(guī)模效率，t時期規(guī)模效率3t為

3t= 1t /2t（3）

2 實證分析

選取航運界具有代表性的18家國內(nèi)外航運企業(yè)為研究對象，其中在近幾年進行過大規(guī)模整合的航運企業(yè)有馬士基航運公司、中國遠洋海運集團有限公司（以下簡稱“中遠海運”）、達飛集團、赫伯羅特公司。相關指標數(shù)據(jù)來源于各航運企業(yè)2011―2018年財務報告，統(tǒng)一用美元為貨幣計量單位，根據(jù)歷年的匯率將非美元數(shù)據(jù)換算成美元，最終測算2012―2018年各航運企業(yè)效率。

t時期效率權重為Wt=1/7，t=2012，2013，2014，2015，2016，2017，2018。相關參數(shù)計算見表1。

對18家航運企業(yè)經(jīng)營效率、規(guī)模效率和純技術效率進行投入導向的測評，結果見表2。由表2可以看出，經(jīng)營效率排名前5的寧波海運、比利時船舶公司、戴安娜航運、海豐國際、美森船公司，這些企業(yè)的總資產(chǎn)規(guī)模在10億～20億美元，屬中等規(guī)模水平;總資產(chǎn)排名前3的馬士基航運、中遠海運、日本郵船經(jīng)營效率及規(guī)模效率并不具備優(yōu)勢，排名靠后;總資產(chǎn)20億～200億美元的中大型航運企業(yè)及總資產(chǎn)小于10億的小型航運企業(yè)經(jīng)營效率相對較高，東方海外總資產(chǎn)規(guī)模排名第8，但經(jīng)營效率達到了0.832，排名第12;總資產(chǎn)規(guī)模排名最末的泰國宏海箱運，其經(jīng)營效率為0.843，排名第11。

從以上數(shù)據(jù)可以看出：總資產(chǎn)規(guī)模越大的航運企業(yè)不具備明顯的經(jīng)營效率和規(guī)模效率優(yōu)勢，中等資產(chǎn)規(guī)模的航運企業(yè)具備明顯的高效率經(jīng)營能力。而近幾年進行過大規(guī)模合并的4家航運企業(yè)的規(guī)模效率排名為：馬士基航運排名第14、達飛集團排名第11、中遠海運排名第18、赫伯羅特排名第8。相比其他中等規(guī)模的航運企業(yè)，這些合并后的企業(yè)并不存在規(guī)模優(yōu)勢。這說明大型航運企業(yè)在效率方面與中小型航運企業(yè)相比并不存在明顯優(yōu)勢。

由各航運企業(yè)效率對比（圖1）可以看出：考慮規(guī)模變動后，馬士基航運、寧波海運的純技術效率皆提升到1，說明這2個企業(yè)在各自目前的技術水平投入資源配置方面是有效的;陽明海運純技術效率值和經(jīng)營效率值都很低，戴安娜航運純技術效率值和經(jīng)營效率值接近，說明這2個企業(yè)綜合經(jīng)營無效的原因在于純技術效率無效，提升企業(yè)內(nèi)部技術能力及管理水平是關鍵;中遠海運、泰國宏海箱運、日本郵船等純技術效率與經(jīng)營效率反差頗大，表現(xiàn)相對較好，經(jīng)營無效的原因在于規(guī)模無效，因此這些企業(yè)的重點是更好地發(fā)揮其規(guī)模效益。

由2012―2018年馬士基航運各效率走勢（圖2）可以看出：這7年純技術效率皆為1，2016年規(guī)模效率持續(xù)走低后上升，導致經(jīng)營效率同樣降低后上升。這可能是因其準備收購德國漢堡南美發(fā)生了規(guī)模變動。

由2012―2018年達飛集團各效率走勢（圖3）可以看出：2016年達飛集團純技術效率降至0.723;2015年達飛集團規(guī)模效率由1降至0.787，2016年有所上升，是一個緩慢波動的過程，說明規(guī)模變化對達飛集團規(guī)模效率的影響是波動的;2014年達飛集團經(jīng)營效率為1，此后整合的2年經(jīng)營效率大幅下降，直至2017年經(jīng)營效率逐漸回歸整合前水平。整合對達飛集團經(jīng)營效率產(chǎn)生了負面影響，但這種影響是有限的，一段過渡期后又逐漸回到整合前水平。

由2012―2018年中遠海運各效率走勢（圖4）可以看出：中遠海運純技術效率每年一直處于上下波動狀態(tài)，但波動趨于平緩;2016年規(guī)模效率上升，2017年又下降至0.750，說明規(guī)模變化對中遠海運規(guī)模效率的影響是波動的;2015年中遠海運經(jīng)營效率為0.645，整合后經(jīng)營效率有所提升，然而2017年又逐漸接近整合前水平。這說明整合對中遠海運經(jīng)營效率產(chǎn)生了正向影響，但同樣這種影響是有限的，一段過渡期后又逐漸接近整合前水平。

由2012―2018年赫伯羅特各效率走勢（圖5）可以看出：自2014年赫伯羅特規(guī)模效率提升后，2015―2016年其效率一直在提升，2017年合并后規(guī)模效率仍為1。說明整合促進了赫伯羅特的規(guī)模效率，并且這種影響是長期的。

綜上所述，整合后的航運企業(yè)規(guī)模效率都會發(fā)生較大變化，這種變化是長期且波動的。航運企業(yè)整合前后的經(jīng)營效率會存在一段1～2年的波動過渡期，最后才會接近整合前的效率值。

3 結 論

構建VRS-DEBM模型對航運企業(yè)整合前后效率的變動規(guī)律進行研究。結論如下：

（1）整合后大型航運企業(yè)在效率方面與中小型航運企業(yè)相比并不存在明顯優(yōu)勢，航運企業(yè)規(guī)模與效率之間沒有必然聯(lián)系;

（2）航運企業(yè)經(jīng)營效率在整合前后會存在一段波動過渡期，最后接近整合前效率值。主要原因是航運企業(yè)規(guī)模效率在整合前后會出現(xiàn)明顯的波動性，最后才會趨于一個穩(wěn)定值，而純技術效率很可能受到航運企業(yè)合并時管理模式變化的影響而發(fā)生變化，此時經(jīng)營效率受到規(guī)模效率與純技術效率的雙重影響，最后回歸整合前效率值。

參考文獻：

[1] FINN R F. A comparison of parametric and non-parametric efficiency measures： The case of Norwegian ferries[J]. Journal of Productivity Analysis， 1992（1-2）：25-43.

[2] BANG H S，KANG H W，MARTIN J，et al. The impact of operational and strategic management on liner shipping efficiency： a two-stage DEA approach[J]. Maritime Policy & Management， 2012（7）：653-672.

[3] PHOTIS M P，NEOPKYTOS L，CHRISTOS S S. The relative efficiency of shipping companies[J]. Transportation Research Part E： Logistics and Transportation Review，2011（5）：681- 694.

[4] CHAO S L. Integrating multi-stage data envelopment analysis and a fuzzy analytical hierarchical process to evaluate the efficiency of major global liner shipping companies[J]. Maritime Policy & Management， 2017（4）：496-511.

[5]HUANG W H，CHAO S L，CHANG C C. Assessment of differences in efficiency across strategic groups in the container shipping context：a data envelopment analysis[J]. International Journal of Shipping and Transport Logistics，2017 （6）：651-672.

[6] TONE K，TSUTSUI M. Dynamic DEA：A slacks-based measure approach[J]. Omega，2010（3）：145-156.

[7] CUI Q， LI Y.? Airline efficiency measures using a Dynamic Epsilon-Based Measure model[J]. Transportation Research Part A： Policy and Practice， 2017（100c）：121-134.

[8] CHAO S L，YU M M，HSIEH WF. Evaluating the efficiency of major container shipping companies：Aframework of dynamic network DEA with shared inputs[J]. Transportation Research Part A： Policy and Practice， 2018（117c）：44-57.