【摘 要】 我國物流上市公司在2010-2015年間呈現(xiàn)出快速增長的趨勢，由2010年的60多家增加到2015年的96家，文章基于2010年-2014年我國物流上市公司的數(shù)據(jù)，通過研究物流上市公司經(jīng)營績效，探討各省市物流業(yè)的發(fā)展狀況。

【關(guān)鍵詞】 各省市 物流上市公司 經(jīng)營績效

一、研究意義與背景

眾所周知，在我國現(xiàn)代化的進程中，物流企業(yè)發(fā)揮著舉足輕重的作用，它也是保障社會生產(chǎn)與人民生活的關(guān)鍵力量。習近平總書記在會議中明確指出，要提高生產(chǎn)性服務(wù)業(yè)的效率，而物流業(yè)就是我國生產(chǎn)性服務(wù)業(yè)的重要組成部分。據(jù)證券監(jiān)督管理委員會網(wǎng)站顯示，截止到2015年第3季度我國物流上市公司數(shù)量達到了96家。根據(jù)各公司公布的年報，2014年底有43家企業(yè)的凈利潤出現(xiàn)了負增長，說明我國物流上市公司經(jīng)營狀況并不樂觀。本文選取反映物流上市公司經(jīng)營績效的指標，運用因子分析對物流上市公司經(jīng)營績效進行評價，得出物流上市公司2010年-2014年的綜合績效，并將各省市物流上市公司評價結(jié)果進行對比。

二、研究思路與方法

（一）研究思路

本文基于企業(yè)治理的相關(guān)理論，首先界定了物流上市公司的經(jīng)營績效，接著根據(jù)物流上市公司公布的財務(wù)數(shù)據(jù)，運用因子分析方法對2010年-2014年間73家物流上市公司的經(jīng)營績效進行評價，最后應(yīng)用ArcGIS10.0描繪出我國物流上市公司的空間分布以及各省市2010年和2014年綜合績效分布圖，然后進行相應(yīng)分析。

（二）研究方法

本文選取11個指標變量作為衡量物流上市公司的經(jīng)營績效指標。為了消除指標間不同量綱和不同數(shù)量級，對2010-2014年物流上市公司經(jīng)營績效指進行標準化處理，然后運用SPSS21.0統(tǒng)計軟件，分別對2010-2014年經(jīng)營績效進行因子分析，通過計算獲得73家物流上市公司五年的綜合績效，為下文各省市物流上市公司分析提供變量。

三、物流上市公司經(jīng)營績效研究

（一）建立評價指標體系

基于相關(guān)文獻以及物流上市公司財務(wù)報表的披露情況，我們決定采用以下11項代表經(jīng)營績效的指標作為分析對象：

每股收益、存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、營業(yè)收入同比增長率、凈利潤同比增長率、總資產(chǎn)凈利率、凈資產(chǎn)收益率、凈利率、流動比率、應(yīng)收賬款周轉(zhuǎn)率、資產(chǎn)負債率。

（二） 經(jīng)營績效評價分析

1.原始數(shù)據(jù)與有效性檢驗

原始數(shù)據(jù)中包含2010年-2014年73家物流上市公司經(jīng)營績效指標數(shù)據(jù)，由于數(shù)據(jù)過多，將不在此展示。原始數(shù)據(jù)經(jīng)過標準化處理后，分別將每年的數(shù)據(jù)利用SPSS21.0進行相關(guān)性檢驗。通過運算，發(fā)現(xiàn)每年變量矩陣中的大部分系數(shù)值都很高，而且顯著性檢驗表格中的P值很多都是0.05，說明2010-2014年每年的數(shù)據(jù)都通過了顯著性檢驗，因此可以采用因子分析獲得物流上市公司五年的綜合績效。

因為2010-2014年每年的因子分析步驟相同，所以本文以2014年為例進行詳細的因子分析。檢驗結(jié)果表明：變量間的KMO=0.667，大于0.50，說明該組數(shù)據(jù)適合進行因子分析。Bartlett球度檢驗結(jié)果顯示，近似卡方值為961.224，數(shù)值比較大，顯著性概率為0.000（P<0.01），因此拒絕Bartlett球度檢驗的零假設(shè)，因此認為該組數(shù)據(jù)適合做因子分析。綜上所述，選取的物流上市公司經(jīng)營績效指標間可以進行因子分析。

2.特征根及方差貢獻率

本文在因子分析過程中，采用主成份分析法，并以正交法進行因子旋轉(zhuǎn)，抽取特征值大于1的因子。公因子結(jié)果顯示：每個項目的因素負荷均大于0.50，因此所有變量都應(yīng)保留。解釋的總方差結(jié)果顯示：特征值大于1的公共因子共有五個，五個因子的總方差解釋率為71.642%，大于70%，所以認為這五個因子涵蓋了大部分變量信息。這五個主成份對原始信息的貢獻率依次為18.027%、15.904%、14.419%、11.840%、11.453%，其累計貢獻率達到 71.642%，可見效果還是比較好的。因此，選取前五個因子作為公共因子。

3.因子旋轉(zhuǎn)成份矩陣

為了得到每個公共因子的確切意義，本文采用方差最大旋轉(zhuǎn)法，得到旋轉(zhuǎn)后的因子載荷矩陣，從旋轉(zhuǎn)矩陣種看到，每股收益、總資產(chǎn)凈利率和資產(chǎn)負債率在第一個因子上有較高的載荷，可以把第一個因子命名為盈利能力（F1）;凈資產(chǎn)收益率及凈利潤增長率在第二個因子上有較高的載荷，可以把第二個因子命名為成長能力（F2）;應(yīng)收賬款周轉(zhuǎn)率與存貨周轉(zhuǎn)率在第三個因子上有較高的載荷，可以把第三個因子命名為運營能力（F3）;總資產(chǎn)增長率和營業(yè)收入增長率在第四個因子上有較高的載荷，可以把四個因子命名為償債能力（F4）;總資產(chǎn)周轉(zhuǎn)率和流動比率在第五個因子上有較高的載荷，可以把第五個因子命名為發(fā)展能力（F5）。

4.因子得分系數(shù)矩陣

根據(jù)成份得分系數(shù)矩陣，5個主成份可以由原始指標數(shù)值和各自的得分系數(shù)表示，可以寫成：

F1=0.061X1+0.043X2+0.288X3-0.013X4+0.000X5+0.399X6+0.461X7-0.043X8+0.031X9-0.147X10+0.059X11

F2=-0.223X1+0.481X2-0.016X3+0.013X4-0.095X5+0.009X6+0.052X7-0.076X8+0.459X9+0.002X10+0.032X11

F3=0.027X1-0.033X2-0.114X3-0.045X4-0.062X5+0.120X6-0.053X7+0.436X8-0.002X9+0.370X10+0.421X11

F4=-0.435X1-0.027X2-0.087X3-0.067X4+0.708X5+0.113X6-0.066X7+0.135X8-0.126X9-0.258X10-0.094X11

F5=0.110X1+0.039X2-0.279X3+0.880X4-0.019X5+0.051X6+0.057X7+0.047X8+0.021X9-0.302X10+0.030X11

物流上市公司的綜合績效可采用方差貢獻率作為權(quán)重，進行加權(quán)匯總。5 個主成分的方差貢獻率依次為 18.027%、15.904%、14.419%、11.840%、11.453%，于是可得物流上市公司綜合績效 F 的計算公式：

F=（18.027×F1+15.904×F2+14.419×F3+11.840×F4+11.453×F5）/71.642

（三）經(jīng)營績效評價結(jié)果

以上分析是以2014年物流上市公司經(jīng)營績效為例進行的因子分析，其余年份因子分析與上述步驟一樣，通過計算得出我國物流上市公司2010年-2014年每年的綜合績效，由于企業(yè)數(shù)目過多，將不在此展示。2010年-2014年間，綜合績效得分為負值的物流上市公司個數(shù)分別是41、44、32、30、49，雖然2012、2013年物流上市公司總體有所好轉(zhuǎn)，但是在2014年綜合績效急轉(zhuǎn)直下，物流上市公司經(jīng)營績效并不容樂觀。

四、各省市物流上市公司綜合績效評價分析

為了更為直觀的了解各省市物流上市公司的分布情況以及各省市物流上市公司的綜合績效情況。文中運用ArcGIS10.0對物流上市公司進行空間分析。

（一）物流上市公司空間分布

分別選用2010年與2014年73家物流上市公司的綜合績效指標，并通過查詢73家物流上市公司注冊地址，發(fā)現(xiàn)73家物流上市公司分布情況如圖4-1所示。

（二）各省市物流上市公司綜合績效分析

通過因子分析求出2010年與2014年73家物流上市公司綜合績效得分，然后計算各省市物流上市公司綜合績效得分。計算公式如下：

省市物流上市公司綜合績效=物流上市公司綜合績效之和/物流上市公司總數(shù)。

由于部分省市沒有物流上市公司，且我國物流上市公司綜合績效負值較多，為了能夠用ArcGIS10.0畫出一幅完整的中國地圖，因此將各省市物流上市公司綜合績效加10，而沒有物流上市公司的省市綜合績效歸為0。將處理后的數(shù)據(jù)輸入到ArcGIS10.0中，系統(tǒng)自動將2010年和2014年各省市物流上市公司綜合績效分為五類。由淺到深依次定義：無物流上市公司省市、物流上市公司綜合績效低省市、物流上市綜合績效較低省市、物流上市公司綜合績效一般省市、物流上市公司綜合績效較好省市。

（三）GIS圖對比分析

通過對比2010年和2014年各省市物流上市公司綜合績效GIS圖，可以得出如下結(jié)論：

（1）2014年各省市物流上市公司綜合績效相對2010年有所下降。這種現(xiàn)象可能是因為物流上市公司作為服務(wù)類企業(yè)，會受到國家經(jīng)濟發(fā)展水平的影響。2010年時，我國經(jīng)濟發(fā)展相對較快，物流服務(wù)需求處于快速增長階段。而2014年，我國經(jīng)濟發(fā)展水平在增速下滑，并且在2010-2014年間涌現(xiàn)了許多未上市的物流公司，且這些物流公司市場份額還在不再擴大，無形中對物流上市公司的經(jīng)營績效造成了影響。

（2）中西部地區(qū)各省市物流上市公司綜合績效比沿海省市要高。這種現(xiàn)象可能是因為近年來國家對中西部地區(qū)進行經(jīng)濟扶持，且中西部地區(qū)物流公司數(shù)量較少，因此物流市場競爭較小。

（3）湖北省作為大陸腹地中心，該省物流上市公司綜合績效穩(wěn)步提升。并且是2014年間唯一一個物流上市公司綜合績效較好的省份。該省公路、鐵路、水路、航空相對比較健全，且位于大陸腹地中心，地理位置的優(yōu)越性能夠吸引制造業(yè)等在此投資設(shè)廠，物流服務(wù)需求量較大。

（4）廣東省雖然是物流上市公司數(shù)目最多的省份，但是該省物流上市公司綜合績效并不理想。可能由于廣東省物流上市公司數(shù)量過多，相對中西部省份，其物流業(yè)的競爭更加激烈，并且廣東省還有許多未上市的但是卻非常具有影響力的物流企業(yè)。上市公司激烈的競爭，未上市公司對上市公司市場份額的分割，可能是導致廣東省物流上市公司綜合績效下滑的主要原因。

五、總結(jié)

希望通過本文的研究，可以對各省市物流上市公司提供一些可借鑒的地方，以促進各省市物流業(yè)的發(fā)展。同時，誠摯的希望后人能夠針對本文的不足之處進行深入的研究，如擴大研究對象，將沒有上市的物流公司也納入到研究對象中，讓成果適用于整個物流業(yè)。

【參考文獻】

[1] 王迪，張紅，張春暉，李紅輝. 旅游上市公司董事會治理對經(jīng)營績效的影響——基于非平衡面板數(shù)據(jù)的分析[J]. 旅游學刊，2014，11：36-44.

[2] 初旭，周杰. 董事會治理對文化創(chuàng)意型上市公司經(jīng)營績效的影響研究[J]. 科學學與科學技術(shù)管理，2013，05：126-133.

[3] 袁曉波. 管理層激勵、內(nèi)部控制與公司績效——來自中國滬市制造業(yè)上市公司的經(jīng)驗證據(jù)[J]. 天津大學學報（社會科學版），2014，06：494-498.

[4] 王紅，劉純陽，楊亦民. 管理層激勵與公司績效實證研究——基于農(nóng)業(yè)上市公司的經(jīng)驗數(shù)據(jù)[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟，2014，05：113-120.

作者簡介：尉凱婉，女，1991.10，漢，山西運城，碩士研究生，河南水利與環(huán)境職業(yè)學院，供應(yīng)鏈管理