| 标题 | 考虑R&D投入的我国上市物流企业经营绩效研究 |
| 范文 | 刘名武++任颖颖 【摘 要】 为研究研发投入对我国物流企业经营绩效的影响，考察我国物流业研发真实现状及其对企业绩效的贡献程度，文章选取2013—2015年我国16家上市物流企业，采用超效率DEA模型，对比各企业加入研发投入指标前后的企业绩效，分析研发贡献率，并用Wilcoxon符号秩检验两组结果差异的显著性。结果表明，加入研发投入后，绩效得到改善的企业数量从50%增长到75%，企业绩效平均提升10%左右，且检验得出两组效率差异显著性具有统计学意义，显著性程度逐年提高，到2015年值为0.002，表明研发投入是有效投入，与企业绩效正相关关系显著性增强，对绩效改善的作用效果日益凸显。然而研发对企业绩效的贡献程度存在异质性，总体看，企业研发投入效果仍有待提高。 【关键词】 绩效管理； 研发投入； 上市物流企业； 超效率DEA； 非参数检验 【中图分类号】 F272.5 【文献标识码】 A 【文章编号】 1004-5937（2018）04-0125-06 一、引言 《2015年全国科技经费投入统计公报》显示，2015年我国研发（Research and Development，R&D）投入经费总量达1.4万亿元，R&D经费投入占GDP的2.07%，R&D投入规模和投入水平实现新突破。企业是我国R&D活动的重要执行主体，创新资源不断向企业聚拢，对全社会研发资金投入增长的贡献率为84.20%，但R&D投入不足和效率不高仍是企业R&D投入面臨的问题。当前，我国物流业迅速发展，经济增长对物流业依赖度日益提升，物流业处于经济结构深度调整机遇期。创新驱动正推动物流业提档升级，R&D活动是企业创新的根本驱动力[1]。例如，中国远洋重点开展移动互联网、物联网技术应用、集装箱航运电子商务交易平台和全智能自动化码头的自主研发，增加货运量，提高企业的盈利能力。上海陆上贷运交易中心“56135”网站改版后，针对洋山港集装箱运输交易项目，规范洋山港乃至整个自贸区集装箱运输交易市场，减少转运交易环节，大大降低集装箱转运成本。企业通过将R&D活动形成的创新成果应用到生产经营中，提高企业绩效水平[2]，进而促进“两型社会”的发展[3]。然而，物流业R&D投入普遍存在注重研发中心建设、设备购置等，忽视研发团队建设，导致资产设备闲置浪费，研发投入达不到预期效果。那么，快速增长的研发经费是否真正提高了企业研发绩效呢？基于此，本文研究我国物流企业R&D投入对其经营绩效的影响，识别企业研发的本质效果和对企业绩效的贡献程度，揭示物流企业R&D投入活动特点，对我国物流业提高研发效益具有重要意义。 数据包络方法（DEA）常用于评价物流企业经营绩效，主要源于DEA方法对参数或生产函数无特殊要求，适用于评价具有多维输入输出指标的DMU效率值[4]。邓学平等[5]在CCR/BBC-DEA方法的基础上，比较分析了我国沪深港证券市场中55家上市物流企业的生产、规模效率。Park et al.[6]运用DEA方法分析韩国14家物流供应商5年的面板数据检测其生产效率状况。张宝友等[7]建立AHP/DEA模型对我国A股的14家上市物流企业进行绩效评价并验证了其实用性。杨德权等[8]根据提出的交叉效率DEA-熵IAHP方法对物流企业进行绩效评价并证明其有效性和优越性。Hung et al.[9]应用传统DEA模型和收益成比例等方法探索运营效率、规模效率和亚洲集装箱港口的DEA效率的可变性。史成东等[10]依据对抗型交叉评价方法，对22家上市物流公司进行绩效评价。李晓梅等[11]运用超效率DEA方法对国有物流企业总体绩效水平进行考察。Jim Wu et al.[12]对比分析了新兴市场与发达国家市场的集装箱港口的运营效率。可见，运用DEA方法评价物流企业绩效或运营效率是最常用的有效方法，本文为揭示R&D投入对企业绩效的影响现状，需将R&D投入作为绩效评价的指标之一，但上述文献在指标的选取中都未考虑R&D投入指标对物流企业绩效的重要性，本文将在主要绩效评价指标的基础上增加R&D投入指标，来研究R&D投入是否已成为影响物流企业绩效的关键因素，揭示我国上市物流企业R&D投入现状及其对企业绩效的影响程度。为着重分析R&D投入指标对绩效的影响程度，周婷婷等[13]用DEA方法对比分析去掉某一指标后的新指标组合与全部指标体系评价的效率值，考察这一指标对绩效的灵敏度。罗俊浩等[14]在SBM-DEA模型基础上对比分析2005—2011年中国八大集装箱港口包含和不包含CO2排放量的港口集装箱环境效率，研究CO2排放量对效率的影响。李鸿禧等[15]逐一剔除指标来提取影响企业科技创新效率的关键因素。基于此，本文将对比分析有R&D投入指标和无R&D投入指标下2013—2015年我国16家上市物流企业绩效的差异及R&D贡献程度，探究R&D投入对绩效而言是否是有效投入以及两者相关关系。为保证两种情况下绩效差异的真实性，本文从数值结果对比考虑R&D投入指标的前后效率值差异的基础上，将两组结果进行显著性分析，检验加入R&D投入指标前后效率值变化的实质差异，以证实我国上市物流企业R&D活动对绩效的本质影响。 综上所述，本文研究我国上市物流企业R&D投入对其经营绩效的影响，采用超效率DEA评价方法，比较在有、无R&D投入指标两种情况下2013—2015年我国16家上市物流企业的效率值，并对得到的两组结果进行非参数检验，分析R&D投入是否为有效投入，与绩效的相关关系及其对绩效的贡献程度，揭示我国上市物流企业R&D投入效用情况和重要程度，指导企业改善研发投入方向和力度，提高企业科技创新能力。 二、超效率DEA评价模型 本文采用超效率DEA模型来研究R&D投入对我国上市物流企业经营绩效的影响。超效率（Super Efficiency）DEA模型[16]是基于经典数据包络分析法提出的生产前沿规模收益不变的数据包络分析法。基本思想是在对第k0个决策单元（记为DMU0）进行效率评价时，用除DMU0之外的其他所有DMU输入和输出变量的线性组合替换DMU0的输入和输出变量，剔除DMU0，而CCR-DEA模型包含DMU0。另一个有效DMU的投入按比例增加，则效率值保持不变，投入增加比例则为其超效率评价值。Chen[17]首次将超效率DEA模型应用于识别DEA有效的DMU的效率值差异。在运用超效率DEA模型得到的效率值结果中，对于非DEA有效的DMU，其效率值与CCR-DEA模型计算结果相同，进一步判别在CCR-DEA模型中DEA有效（效率值为1）的DMU效率值高低。基于此，本文将选用超效率DEA模型来评价我国上市物流企业的经营绩效。 假定有n家待评价的上市物流企业，即有n个DMU，每一个DMU有m个输入变量和s个输出变量，xk和yk分别为DMUk的输入向量xk=（x1k，x2k，…，xmk）T>0和输出向量yk=（y1k，y2k，…，ysk）T>0。其中，xik是DMUk的第i个输入变量，yjk是DMUk的第j个输出变量，k∈[1，n]。在进行DMU0效率评价时，输入和输出变量分别记为x0和y0，将DMU0在CCR-DEA模型中去除后则转化为超效率DEA线性规划问题，如式1所示。 Minθs u p （1） 根据1式将求出DEA有效的物流企业实际效率值，效率值越大，该企业绩效越好，效率值超出1的那部分数值表示企业即使再等比例增加如此的投入，它在整个上市物流企业评价对象中仍能保持相对有效。对于非DEA有效的物流企业效率值与CCR模型一致。 三、我国上市物流企业经营绩效实证研究 （一）指标选取与数据标准化处理 通过梳理国内外有关研究企业经营效率问题的相关文献，归纳总结出主要投入、产出指标集，结合物流企业自身特征并考虑指标数据的可获得性，再根据本文为研究物流企业研发活动的真实有效性，选取的投入指标为固定资产净值、主营业务成本、在职员工人数、R&D投入，产出指标为净利润、主营业务收入、每股收益。 物流业归属于“运输业和仓储业”，运输业又分为水上、公路、铁路和航空运输。为准确获取R&D投入数据，本研究选取年报中明确有R&D投入数据报告的上市物流企业为初始样本，剔除不足研究年限和R&D投入数据缺失的公司后，为获得最大样本量，最终选取2013—2015年16家企业作为研究对象，其中有4家企业属于运输业，9家属于交通运输辅助业，3家属于仓储业，铁路企业样本没有。表1将我国16家上市物流企业进行分类、编号。各指标原始数据皆取自16家上市物流公司的2013—2015年年报（新浪财经网）。 一般情况下，DEA模型对数据量纲无特殊要求，但本文中各指标的数量级差别太大，可能导致数量级大的指标如数亿级的主营业务收入等掩盖了如每股收益等数量级小的指标的效用。因此，本文将原始数据标准化处理为同等数量级别，采用线性无量纲化极值法进行无量纲化处理，消除指标原始数据间由于数量级悬差太大所产生的影响。Xrk表示第k家物流企业的第r项指标数值，采用极值法公式X'rk=×0.9+0.1，r∈[1，m+s]，X'rk∈[0.1，1]将原始数据进行标准化处理，其中M、N分别为第r项指标数据中的最大值和最小值，即M={Xrk}，N={Xrk}，2013—2015年，我国16家上市物流企业各投入、产出指标原数据处理后的结果如表2所示。 （二）R&D投入对物流企业绩效影响 由于超效率DEA模型只是对DEA有效的物流企业进行识别，得到非DEA有效物流企业的效率值与CCR模型的相同，所以只用超效率DEA模型对2013—2015年我国16家上市物流企业无量纲化处理后的数据进行效率评价，计算有、无R&D投入两种情况下企业经营效率，并分析R&D贡献率，揭示各企业R&D投入对绩效的贡献程度及相关关系，R&D贡献率=（有R&D指标效率值-无R&D指标效率值）/无R&D指标效率值×100%，得到表3所示的各企业绩效评价结果。为比较不同物流企业类型间有、无R&D投入的绩效差异，得到表4所示结果。 如表3所示，物流企业间绩效多角度比较，纵观全局，2013—2015年期间16家上市物流企业包含R&D投入的经营效率值明显高于不包含R&D投入的效率值，前者达到DEA有效的数量显然较多，企业绩效增长了10%左右，说明R&D投入对物流企业绩效呈正相关关系，但各年各企业间R&D贡献率差异较大，物流企业研发对改善绩效的效果仍不容乐观。均值层面，2014年R&D投入对企业绩效的影响度最突出，2015年则又放缓，但R&D投入影响的企业数量逐年增加，至2015年占75%，并且不论是否剔除R&D投入指标，3年期间的效率值波动幅度逐年降低。由此可看出，各企业的研发活动对绩效的正影响已初现成效，企业经营绩效增长平稳，逐步优化。纵向观察，2013年，有一半企业的绩效与R&D投入指标有关，其中受其正影响最大的是中国国航，考虑R&D投入后效率值从0.9444上升至1.9848，位居第二，R&D贡献率最高，达110.17%；其次是山东高速，两种情况都达到DEA有效，R&D贡献率为24.42%。2014年，R&D投入使绩效增长幅度最大的企业依次为中国国航、五洲交通和中国远洋，考虑R&D投入后，从非DEA有效到DEA有效，R&D贡献率依次为125.85%、20.46%、20.27%。与上年相比，2014年56.25%的企业在R&D投入作用下效率值提升。2015年，R&D贡献率最高的依旧属中国国航，有R&D投入时的效率值为1.6696，效率排名居首位，但效率值小于1的6家企业效率值增长跨度不大，并没有发生质的提高，其他企业效率值仍保持在1以上。横向比较，2013—2015年期间，最得益于研发活动的是中国国航，有研发投入的效率值排名稳居前列；虽然五洲交通不论有、无R&D投入其效率值都呈下降趋势，但前者的效率值仍大于后者；天津港和上港集团的R&D贡献率均为0，但仍保持DEA有效；R&D投入效果不明显的还有长江投资、中原高速、赣粤高速、飞力达和华鹏飞，其余企业都不同程度地受R&D投入的影响；显然，与前两年相比，2015年显现研发投入价值效用的企业数量大大增多。 如表4所示，企业类型间综合比较，行业平均值显示，2013—2015年我國物流业发展呈上升趋势，其R&D投入对绩效提高的贡献效果逐年加大。除公路运输业效率值不变外，其他4种类型的企业在考虑R&D投入后的效率值皆升高，其中，航空运输业和水上运输业的效率值变化幅度较大，R&D投入对绩效提高的贡献效果最明显，航空运输业3年平均R&D投入贡献率最高，达56.82%，其次是水上运输业的为12.05%，说明该类物流企业R&D投入已取得突破，发挥其价值，但两者相差较大，水上运输业应稳中求进，大力提高研发投入价值效用，交通运输辅助业效率值变化较平稳，3年间R&D贡献率在4.5%上下波动，两种情形下效率值皆超过1，其经营绩效最优，而公路运输业和仓储业的研发效果最差，3年平均R&D投入贡献率分别为1.34%、0.58%，对绩效的正影响程度较弱，且3年间经营绩效也较差。 综上，从两个层面多角度揭示了我国物流企业的R&D投入是有效投入，虽然其贡献程度仍存在异质性，但与企业绩效的正相关关系显著性日益明显，有力促进了企业绩效的提高，可见未来R&D投入将成为物流企业经营绩效提升的重要抓手。那么，考虑R&D投入后效率值究竟是数值上的增加还是实质提高了企业绩效，R&D投入与企业绩效的正相关关系是否真实，需要对有、无R&D投入企业效率值的变化做进一步的论证。 （三）R&D投入效应非参数检验 为了检验考虑R&D投入指标后企业效率值是实质的增加还是表面上数值变化，必须对2013—2015年我国16家上市物流企业在有、无R&D投入作为评价指标的效率值进行两配对样本非参数检验，再对比3年的检验结果是否具有一致性，由于不同企业类型的效率值是相关企业效率的平均且样本较少，可不必进行检验。两配对样本非参数检验在两样本总体分布不确定的情况下适用，主要检验两配对样本总体，样本配对条件必须满足同一研究对象（或两配对对象）在两种不同方法处理下的效果比较，或同一研究对象（或两配对对象）在处理前后的效果比较。经检验，由于超效率DEA方法计算的效率值不服从正态分布，并且是对16家上市物流企业在有、无R&D投入作为评价指标的效率值进行比较，服从样本配对条件，所以通常更适合采用Wilcoxon符号秩检验的两配对样本非参数检验方法，R&D投入效应显著性Wilcoxon符号秩检验步骤如下： Step1：提出原假设和备择假设 原假设，H0：我国16家上市物流公司在有、无R&D投入指标下的效率值无显著差异； 备择假设，H1：我国16家上市物流公司在有、无R&D投入指标下的效率值有显著差异。 Step2：Z统计量 两配对样本的Wilcoxon符号秩检验构造的Z统计量计算公式如下，它近似服从正态分布： Z= 其中，n为上市物流企业个数；W=Min（W+，W-），W+为正号秩总和，W-为负号秩总和。 Step3：给定显著性水平，分析检验结果 在显著性水平α=0.05下，得出检验结果：2013—2015年Z检验统计量分别为-2.521、-2.666、-3.059；对应的渐进显著性（双尾）P2013=0.012，P2014=0.008，P2015=0.002。可知2013—2015年的检验结果具有一致性，得出的P值皆小于给定的显著性水平α，所以拒绝原假设，即评价企业绩效时包含与不包含R&D投入指标下的效率值差异具有统计学意义，说明R&D投入指标的加入从实质上提高了我国16家上市物流企业的绩效，R&D投入是有效投入，对企业绩效是正影响。再对比这三年的P值，显著性程度逐年增长，到2015年显著性达0.002，几乎接近于0，说明我国物流企业R&D投入对企业绩效提升的作用效果显著加强，即正相关关系显著性增强，研发效果日益突显，成为改善企业绩效的关键指标，验证结果与上述评价结果一致。 四、结语 本文以研究2013—2015年我國上市物流企业R&D投入对企业绩效的真实性作用为切入点，应用超效率DEA评价方法分析比较了在有、无R&D投入指标两种情形下企业经营绩效的差异，以求证R&D投入是否为有效投入及与绩效的相关关系，再通过分析R&D贡献率揭示R&D投入对改善企业绩效的贡献程度，并用非参数检验方法分别检验2013—2015年此两种情形下效率值差异的显著性，保证结果的科学性。研究结果发现：（1）我国物流企业的R&D投入是有效投入，与企业绩效呈正相关，且显著性逐年增强。在考虑R&D投入指标后，大部分公司的经营绩效都得到改善，航空运输业和水上运输业总体上表现最好，并用非参数检验证实了R&D投入活动是有效投入，显著性逐年提升明显，可从根本上提高企业绩效。由此说明现阶段我国上市物流企业研发活动的投入产出比例基本协调，稳中求进，平稳发展。（2）我国物流企业R&D投入贡献程度异质性较高。企业间比较，中国国航R&D贡献率最高可达125.85%，大部分企业R&D贡献率都位于15%以下，而且部分企业R&D贡献率极低，年增长较缓慢，比如交通运输辅助业的天津港和上港集团，3年内R&D贡献率均为0，R&D投入对企业绩效毫无影响，包括赣粤高速及公路运输业的长江投资和仓储业的飞力达和华鹏飞，3年期间R&D贡献率最高为4.02%；从企业类型来看，公路运输业和仓储业的3年平均R&D贡献率与航空运输业的分别相差55.48和56.24个百分点。由此说明R&D贡献率较低的这些企业没有充分发挥研发活动的价值，造成资源投入浪费，得到零产出，也有类似交通运输辅助业的中原高速在2015年R&D投入效用开始呈现，R&D投入价值体现的时间滞后性较长，因此我国物流企业R&D投入效果仍有待提高。 综上，本文的创新之处主要体现在：内容上，不仅探讨了R&D投入与企业绩效的关系，进而通过纵横向比较分析三年期间各企业R&D贡献率，得到R&D投入对物流企业绩效的贡献程度，揭示我国物流企业研发投入是有效投入，与企业绩效呈正相关，且正相关关系显著性逐年提高，但企业R&D投入贡献程度存在异质性。方法上，在企业绩效主要评价指标基础上加入R&D投入指标，不仅从数值上比较加入R&D投入指标前、后效率值的变化，也从统计上检验两种效率值变化的本质差异，显著性是否具有统计学意义，进而验证研发投入是有效投入的真实性及其与绩效的正相关关系。当然，本文仍然存在某些研究局限。第一，本文主要研究对象是我国上市物流企业，而国内众多非上市物流企业也有开展研发活动，其R&D投入状况及其对提高企业绩效的贡献程度也是值得进一步研究的问题；第二，由于2013年之前开展研发活动的上市物流企业较少，为获得较多研究样本，所取时间跨度较小；第三，本文只研究了物流企业R&D投入状况及对企业绩效的贡献程度，得出企业R&D投入贡献程度存在异质性，未来需进一步探索导致各企业R&D贡献率异质性较高的原因。● 【参考文献】 [1] 赵心刚，汪克夷，孙海洋.我国上市公司研发投入对公司绩效影响的滞后效应研究——基于双向固定效应模型的实证分析[J]. 现代管理科学，2012（8）：17-19. [2] 曹昱，刘美凤，饶竞. 研发费用对企业绩效的影响——基于中日技术密集型企业的对比分析[J].会计之友，2016（17）：90-94. [3] ZHENG S S，LUO B，LIU Z Y，et al. Empirical research on the industrial R&D investment and "Two Oriented Society" Construction in China-On the Analysis of Anhui Industrial Sector [J]. Journal of Service Science and Management，2015，8（1）：34-41. [4] 雷西洋，王金年，李勇军，等.基于集中式模型的我国各地区及三大产业的DEA效率评价[J].系统工程理论与实践，2014，34（12）：3167-3174. [5] 邓学平，王旭，ADA SUK FUNG NG. 我国物流企业生产效率与规模效率[J].系统工程理论与实践，2009，29（4）：34-42. [6] PARK H G，LEE Y J. The efficiency and productivity analysis of large logistics providers services in Korea[J].The Asian Journal of Shipping and Logistics，2015，31（4）：469-476. [7] 張宝友，达庆利，黄祖庆. 基于AHP/DEA模型的上市物流公司绩效评价[J].工业工程与管理，2008，13（5）：67-71. [8] 杨德权，薛云霞. 基于交叉效率DEA和熵IAHP对物流企业绩效评价[J].运筹与管理，2015，24（3）：172-178. [9] HUNG S W，LU W M，WANG T P. Benchmarking the operating efficiency of Asia container ports [J]. European Journal of Operational Research，2010，203（3）：706-713. [10] 史成东，陈菊红，张雅琪.物流公司绩效的DEA交叉评价[J].系统工程，2010，28（1）：47-52. [11] 李晓梅，白雪飞.基于超效率CCR-DEA的国有物流企业绩效实证分析[J].中国流通经济，2016，30（4）：26-32. [12] JIM WU Y C，GOH M. Container port efficiency in emerging and more advanced markets[J].Transportation Research Part E，2010，46（6）：1030-1042. [13] 周婷婷，刘名武，张旭. 我国上市物流企业绩效评价实证分析 [J]. 铁道运输与经济，2014，36（8）：10-14. [14] 罗俊浩，崔娥英，季建华. 考虑CO2排放的中国八大集装箱港口环境效率评价——基于SBM-DEA模型 [J]. 科技管理研究，2014，34（21）：66-69. [15] 李鸿禧，迟国泰. 基于DEA-t检验的以企业为主体的科技创新效率评价[J].中国管理科学，2016，24（11）：109-119. [16] ANDERSEN P，PETERSEN N C. A procedure for ranking efficient unit s in data envelopment analysis [J].Management science，1993，39（10）：1261-1294. [17] CHEN Y. Ranking efficient units in DEA [J]. The International Journal of Management Science，2004，32（3）：213-219. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。