郭 瑛， 丁 斌

(1.蕪湖職業(yè)技術學院 經濟管理學院，安徽 蕪湖 241003；2.中國科學技術大學 管理學院，合肥 230026)

我國經濟正處于高速發(fā)展中，與之相應的是國內貨物運輸量及各類運輸方式下貨物運輸周轉量的急劇倍增。然而，我國物流企業(yè)始終面臨著對內物流企業(yè)成本增長較快且居高不下、對外服務費用高昂兩大基本問題。只有采用更加科學的監(jiān)督管理方式，才能讓物流企業(yè)在激烈的競爭環(huán)境中脫穎而出并得到長期穩(wěn)定的發(fā)展。因而，構建一個科學的物流評價體系并進行相應的績效評價分析對于物流企業(yè)制定戰(zhàn)略、調整及明確其發(fā)展方向有著重要意義。

一、文獻綜述

作為一種企業(yè)監(jiān)督管理的有效方法，近年來物流企業(yè)的績效評價得到了國內學者廣泛的關注。其中，王瑛等建立了物流系統(tǒng)的綜合指標評價體系[1]，林敏等對林產品的物流企業(yè)績效提出了基于層次分析法(AHP法)的績效評價體系[2]，孫曉東等則綜合AHP法和主成分分析提出了類加權主成分模型[3]，趙麗君等對綠色物流企業(yè)績效運用AHP法和模糊綜合評價法進行了評價[4]。AHP法基于決策者的主觀感覺并設定相應的成對比較矩陣,因此AHP法的優(yōu)點在于其構造的比較矩陣相對穩(wěn)定，而缺點則是該方法忽視了決策單元的具體客觀數(shù)據(jù)。

此外，數(shù)據(jù)包絡分析法(DEA法)也是諸多物流企業(yè)績效評價方法中較為有效的一種，它基于相對效率的概念并適用于多投入及多產出的復雜動態(tài)系統(tǒng)。DEA可通過對評價結果的分析得出影響效率的有效或非有效因素及相關因素的改進方向從而為物流管理提供決策層面的依據(jù)[5]。其中，陳芝等[6]、楊克磊等[7]對物流企業(yè)績效采用DEA法進行了評價；Tongzon運用DEA法對16個國際集裝箱港口企業(yè)進行效率評測[8]；Ross等應用DEA法對美國的一個大型石油配送網(wǎng)絡中的各配送中心運營效率進行供應鏈效率評價[9]；張寶友和黃祖慶采用C2R和C2GS2模型分析并研究2002-2005年間的中國物流上市公司績效[10]；楊德權等則提出了基于DEA-AHP和超效率DEA-IAHP的主客觀相結合的綜合績效評價方法[11-12]。然而，DEA法有著自身的缺陷，例如在C2R-DEA和BC2-DEA傳統(tǒng)模型中，各決策單元為達到最優(yōu)的效率評價值往往會對各投入和產出指標進行不合理地權重分配。此外，研究易忽略DEA的兩個重要使用前提[13]，即決策單元總數(shù)應不小于投入指標和產出指標個數(shù)之和的兩倍而且投入或產出集內指標間應避免存在強線性關系。

鑒于上述方法的局限性，本文提出了一種新的基于主成分分析、交叉效率DEA和熵權法的物流企業(yè)績效評價方法體系并以文獻[1]中的數(shù)據(jù)為例對物流企業(yè)進行評價。如上所述，由于文獻[1]的綜合指標評價體系中存在較多的二層指標無法滿足DEA的兩個重要使用前提，本文先應用主成分分析法將原來的多個二層指標在保證丟失最少信息的前提下，將其綜合成為幾個較少的新二層指標以滿足DEA的使用前提，之后運用交叉效率DEA對各決策單元給出一層指標的優(yōu)劣排序評價,最后用熵權法確定一層指標相對總績效的客觀權重并進一步得出總績效的綜合評價和排序。本文提出的評價模型完全基于對客觀數(shù)據(jù)的分析，因而能最大程度避免主觀因素對評價結果的影響。

二、物流企業(yè)績效評價指標體系的建立

對物流企業(yè)建立科學的評價體系有利于從整體上分析該物流企業(yè)的現(xiàn)狀,發(fā)現(xiàn)限制企業(yè)效率提升的瓶頸并研究其相應的改進方向。評價指標的選擇和建立應基于以下原則[14]：一是整體性原則：績效評價指標應不局限于對局部成本的考察和控制,而應從整體上對物流的績效進行評價；二是可比性原則：指標體系應參照國際和國內同行業(yè)的物流管理基準，不僅需考慮數(shù)據(jù)在時間上縱向的可比性，還應考慮到與其他物流企業(yè)的兼容及橫向的可比性；三是經濟性原則：指標評價體系的大小和規(guī)模必須適中，體系過小會引起評價結果的不全面，體系過大則導致采集數(shù)據(jù)的成本上升且增加了評價過程的復雜性；四是定量與定性結合的原則：物流企業(yè)績效評價中遇到的一些難以量化的指標，例如風險和客戶滿意度等，可以通過評定等級的劃分加以量化處理。

以文獻[1]中收集到的物流企業(yè)評價指標為例，本文將其歸納為五個一層指標，即運輸、倉儲、庫存、信息化和經營性，而每個一層指標則進一步細分為更具體的二層指標。依據(jù)這些指標間的影響關系及包括關系就可以建立起物流企業(yè)績效評價的多層次綜合指標體系如下頁圖1所示。將每個待評價的物流企業(yè)作為一個決策單元(DMUi)并按照DEA模型的要求，二層指標中數(shù)值越小越好的指標被認為是投入指標(以I開頭)，而數(shù)值越大越好的指標被認為是產出指標(以O開頭)[15]，累計共13個二層投入指標及20個二層產出指標。

圖1 物流企業(yè)績效評價指標體系

三、基于主成分分析、交叉效率DEA和熵權法的組合評價方法的構建

(1) 主成分分析法 主成分分析法是一種將多個相關變量轉化為少數(shù)幾個不相關變量的降維方法。物流企業(yè)的評價指標體系是一個基于客觀性、可比性和全面性的多層次綜合體系，而每一層代表物流企業(yè)的各特征指標所反映的信息可能會有一定程度的重疊。該方法在盡可能避免原有信息量損失的前提下消除各指標之間的相關性,并根據(jù)累計貢獻率構建出相應的新指標。

(2) 交叉效率DEA法 傳統(tǒng)DEA和超效率DEA中，由于決策單元可以自行選擇最優(yōu)的權重組合以最大化各自效率，導致評價中權系數(shù)會出現(xiàn)過于極端和不現(xiàn)實的情況，因而缺乏公平性且難以實現(xiàn)客觀的評價。針對這個缺陷，Sexton等人提出交叉效率DEA評價方法[16]并采用待決策單元的自評和他評兩種策略以評價各決策單元的相對效率，從而避免了單純依靠自評體系進行評價的弊端[17]。此外，交叉效率DEA可以對決策單元給出優(yōu)劣排序評價，而通過交叉評價得到的交叉評價矩陣也能與熵權法契合并運用到多層次復雜系統(tǒng)的績效評價中。

(3) 熵權法 熵在信息論中被用于度量數(shù)據(jù)體系的無序程度及有效信息量。信息熵越小代表其信息有效性越高，反之信息熵越大則代表其信息有效性越低[18]。不同于基于主觀經驗判斷的AHP法，熵權法是基于各指標的變異程度先計算出熵權，再進一步利用熵權對各指標權重的修正以得到較為客觀的指標權重。利用信息熵來計算權重實際上是基于各指標信息的有效性程度，有效性越高則即權重越高，因此可以衡量不同指標對評價結果的影響程度。

熵權法的具體步驟包括對數(shù)據(jù)進行歸一化處理，計算得出各指標的信息熵并通過進一步計算得到各指標的相應權重，參見文獻[18]。

(4) 基于主成分分析、交叉效率DEA和熵權法的新績效評價模型 由上述的分析可知，交叉效率DEA不僅能避免傳統(tǒng)DEA和超效率DEA自評體系的固有缺陷，并且能對決策單元給出優(yōu)劣排序評價從而可以和熵權法結合在一起做進一步的分析。DEA法的使用前提包括:一是所有決策單元的投入產出指標必須為正數(shù)；二是決策單元總數(shù)應不小于投入指標和產出指標個數(shù)之和的兩倍；三是從技術角度來看，應避免投入或產出集內指標間存在強線性關系。因此，在使用交叉效率DEA之前應先使用主成分分析法對二層指標進行降維，并在盡可能避免原有信息量損失的前提下，構建出起主導作用且互不相關的新二層指標，從而滿足交叉效率DEA的使用前提。最后，通過熵權法得到的指標權重可以更客觀地衡量不同指標對評價結果的影響，從而規(guī)避因為過分依賴人們經驗所帶來的主觀因素的影響。因此，將主成分分析、交叉效率DNA和熵權法有機地結合在一起能對物流企業(yè)績效進行更準確客觀的評價。

四、實例分析

首先，用IBM SPSS Statistics 25.0對運輸、倉儲、庫存、信息化和經營性各一層指標下的二層投入和產出指標進行主成分提取。在應用主成分分析法之前首先應進行KMO檢驗及巴特利球體檢驗，KMO檢驗可以檢查不同變量之間的相關性及偏相關性，KMO值越接近于1代表變量之間的相關性越強且運用主成分分析法進行分析的效果越好，KMO值小于0.5時則不適合做主成分分析。Bartlett球形檢驗則用于檢驗數(shù)據(jù)的分布及變量間的獨立情況，sig值小于0.05代表數(shù)據(jù)呈球形分布。本文以“運輸”一層指標下面的4個二層產出指標為例，即運力利用率O1，裝載效率O2，時間利用率O3，正點運輸率O4, 其KMO值為0.682，大于0.5且sig值小于0.05, 適合進行主成分分析。根據(jù)提取主成分的條件——累計貢獻率大于85%和特征根大于0.5，提取前兩個主成分作為一層指標下面的新的二層產出指標如下:

nou1=0.927*O1+0.882*O2+0.930*O3+0.828*O4

(1)

nou2=0.275*O1-0.446*O2-0.320*O3+0.526*O4

(2)

由前文圖1的物流企業(yè)績效評價指標體系可知，由于經營性的二層投入指標僅為1個，因此無須進行主成分提取。對其他二層投入和產出指標進行主成分分析可得到新二層指標的因子得分系數(shù)矩陣，依據(jù)所有KMO值均大于0.5且所提取的新的二層主成分/指標的累計貢獻率應大于85%的要求，經營性的二層產出指標需提取3個主成分而其他則均為兩個主成分。經過主成分提取之后，每個一層指標的投入和產出指標之和均為4個，滿足DMU總數(shù)(即8個)不小于投入屬性和產出屬性個數(shù)之和的兩倍的條件，因此可繼續(xù)應用交叉效率DEA。經主成分分析后的物流企業(yè)績效評價新的二層投入/產出指標值如表1所示。

表1 經主成分提取后的物流企業(yè)績效評價新投入/產出指標及其指標值

續(xù)表

然而需要指出的是，部分新二層指標向量(即nin2,nou2,nin4,nou4,nin6,nou8)中的有些值為負數(shù)，因此，需要先對這些向量做正數(shù)化處理以滿足DEA計算條件。正數(shù)化處理常用的方法包括：一是冪指數(shù)的方法，即以數(shù)e(約為2.718 3)為底數(shù)而通過主成分分析法計算得到的數(shù)據(jù)作為指數(shù)[19]；二是對某一個指標向量，用它的每個數(shù)據(jù)減去該指標向量中的最小值[20]。然而，前者對小數(shù)點后位數(shù)太多且數(shù)據(jù)很相近的情況不適用，后者則會產生0值也不滿足DEA運算要求。因此，本文采用了陳軍飛等提出的正數(shù)化方法[21]如下面公式所列，并得到經過正數(shù)化處理后的最終的評價投入/產出指標及其指標值。

(3)

(4)

其中：ninxj，nouyj表示前文表1中經過主成分分析計算得到的投入變量和產出變量，ninxj'，nouyj'則表示進行正數(shù)化處理后得到的新的投入變量和產出變量。

其次，經過主成分分析的二層投入和產出指標，使用數(shù)學軟件Matlab2017b對8個待評價的物流企業(yè)的5個一層指標進行交叉效率數(shù)據(jù)包絡分析。以一層運輸指標為例，8個決策單元的交叉評價矩陣如下：

其中矩陣中主對角線元素是自我評估的效率值。由矩陣可以看出，自我評價值取得最大值1的DMU1、DMU2、DMU4在一層運輸指標上都是相對有效的，然而無法進一步區(qū)分它們的優(yōu)劣，因此需要通過計算交叉效率值，即矩陣e的列向量平均值，以進行優(yōu)劣排序如下：DMU4(0.869)>DMU1(0.833)>DMU3(0.636)>DMU7(0.625)>DMU2(0.621)>DMU6(0.364)>DMU5(0.340) >DMU8(0.276)。同理，對其他幾個一層指標計算可得到所有一層指標的交叉效率值如表2所示。

表2 決策單元一層指標的交叉效率

再次，采用熵權法用Matlab2017b求出相應的二層各指標的熵權指標權重并通過疊加得到一層指標(運輸、倉儲、庫存、信息化和經營性)的熵權指標權重，計算結果如圖2所示：

圖2 物流企業(yè)績效評價的熵權指標權重

最后，綜合步驟三的運輸、倉儲、庫存、信息化和經營性的指標權重(圖2)及步驟二得到的各一層指標的交叉效率值(前文表2)，計算得到各企業(yè)的最終績效評價及排序為：DMU1(0.816)>DMU3(0.655)>DMU7(0.606)>DMU4(0.601)>DMU6(0.594)>DMU2(0.549)>DMU5(0.497)> DMU8(0.478)。

五、評價結果分析

基于文獻[1]的數(shù)據(jù)進行分析的主要有DEA-AHP法[1][11]和超效率DEA-IAHP法[12]190等，然而這些分析均未考慮到DEA法的使用前提，即決策單元總數(shù)應不小于投入指標和產出指標個數(shù)之和的兩倍以及應避免投入或產出集內指標間存在強線性關系，因而得到的最終績效評價未必能客觀地體現(xiàn)各物流企業(yè)的真實績效情況。此外，通過與這些文獻的結果進行對比分析可以發(fā)現(xiàn)，基于互評體系的交叉效率方法計算得出的效率值是相對公平和客觀的且低于CCR-DEA和超效率DEA計算得出的效率值，這是因為后兩種方法會因為決策單元自行選擇最優(yōu)的權重組合以最大化各自效率，導致評價中出現(xiàn)了不合理的權重從而過高估計了其效率值。另一方面，AHP法受決策者主觀影響較大，而本文提出的方法則是基于熵權法確定指標權重，一切源自客觀數(shù)據(jù)，可以消除主觀因素的影響并避免過分依賴專家經驗。因此本文提出的基于主成分分析、交叉效率DEA和熵權法的新的物流企業(yè)績效評價方法應更為客觀和合理。此外，本文的分析結果對物流企業(yè)應如何提高其總體績效也有著一定的指導意義，例如在前文表2的一層指標的交叉效率分析中，通過橫向對比可以比較各個決策單元的同一種一層指標，然后追本朔源找出相對薄弱的其二層投入指標并加以改善，而縱向對比則可立刻發(fā)現(xiàn)本決策單元中嚴重影響總績效的薄弱環(huán)節(jié)，例如DMU2的經營性及DMU4的信息化，作為以后改善績效的重點方向。

六、結 語

本文在研究了現(xiàn)有文獻對物流企業(yè)績效評價的基礎上，提出了一個基于主成分分析、交叉效率DEA和熵權法的新的評價方法。鑒于物流企業(yè)評價指標的復雜性和多樣性，應用主成分分析法可以對二層指標進行降維并構建出少數(shù)幾組起主導作用、互不相關的主成分。經過主成分提取之后的新的二層指標經過正數(shù)化之后滿足應用DEA法進行分析的條件，即所有決策單元的投入產出指標必須為正數(shù)，決策單元總數(shù)應不小于投入指標和產出指標個數(shù)之和的兩倍，且避免投入或產出集內指標間存在強線性關系。交叉效率DEA一方面可以避免CCR-DEA和超效率DEA中由于自評體系帶來的權系數(shù)極端和不現(xiàn)實導致對決策單元績效評價不公平的情況，另一方面能夠對各決策單元給出優(yōu)劣排序評價從而可以和熵權法結合在一起做進一步的分析。其次，通過熵權法得到的指標權重可以更客觀地衡量不同指標對評價結果的影響從而規(guī)避因為過分依賴人們經驗所帶來的主觀因素的影響。最后，筆者用文獻[1]的數(shù)據(jù)進行了實例分析驗證了本方法可行性。