基于DEA模型的电商行业上市公司绩效评估.docx

基于DEA模型的电商行业上市公司绩效评估On the Efficiency of Chinas Listed Companies in E-Commerce Industry Based on the Data Envelopment Analysis ( DEA) Approach 姓名：段旭元 学号：2014326601100 班级：14信息与计算科学2班摘要：面对经济下降压力，运营效率已经成为企业成功与否的关键因素。本研究通过数据包络分析（DEA）选取了我国15家电商行业上市公司进行了绩效评估。本研究选取员工人数、主营业务成本、总资产为投入指标，选取主营业务收入、净利润为产出指标。通过本研究，可以判断电商行业已基本完成市场瓜分，国家应出台相应政策措施，进一步推动农业电商的健康发展。Abstract:Facing the economic downward pressure efficiency has played a key role in a companys performance.This paper based on those indicators evaluates the efficiency of the 15 companies.And this paper selects the number of staff,operating costs,and total assets as the inputs,operating revenue and net profit as the outputs.The data showes that the market has almost been occupied by existing companies,which means that it would be difficult for the new ones.It is suggested that the government should introduce some corresponding polices and measures to promote the argicultural E-commerce to maintain a sustained and sound development.关键词：电商；上市公司；效率评估；DEA Key words: E-commerce;listed company;effiency evaluation;data envelopment analysis引言： 电商是电子商务的简称，根据联合国经济合作与发展组织（OECD）的定义，电子商务是发生在开放网络上的包含企业之间、企业与消费者之间的商业交易。广义上是指运用一切电子工具和电子技术进行的所有与商务有关的活动，狭义上是指运用互联网进行的交易。在因特网开放的情况下，基于浏览器应用方式，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。一、 DEA理论简介数据包络分析（DEA）是一种用于多投入多产出的最有绩效评估技术，它最早由Charnes 等在1978年提出，是一种以线性规划为主导思想的非参数统计方法，其应用价值是评价相同种类企业经营或财务绩效的有效性。其核心理论是用DMU代表每一个被评价客体，由大量DMU组成大量被评价组织群体，通过对输入和输出比率的计算和比较，以DMU的各个投入和产出指标的百分比为变量进行综合评价，确定有效生产前沿面，并根据各前沿面是否相符，确定各DMU是否DEA有效，并且在非DEA有效的情况下，可以利用投影方法指出使DMU达到DEA有效状态下的原因以及应改进的因素和程度。数据包络分析的模型主要包括CCR模型、BCC模型、FG模型、ST模型。CCR模型是测量在规模收益不变的假设条件下被评价客体的总效率，包括规模效率和技术效率；BCC模型是测量在规模收益不变的假设条件下被评价客体的纯技术效率；FG模型主要用于测量规模收益递增情况下被评价客体的技术效率；ST模型主要用于测量规模收益递减情况下被评价客体的技术效率。本文主要采用CCR模型评估我国电商行业上市公司绩效。二、 电商行业上市公司绩效的DEA模型 1、查恩斯、库伯、罗兹（1978）提出了DEA的CCR模型。用于评价决策单元的规模和技术的总体有效性。CCR模型是假设有n个决策单元（本文为我国汽车类上市公司），每个决策单元都有m种类型的投入指标和t种类型的产出指标，其效率评估为CCR模型为： ，其中为模型的最优解，若，并且时，则DMU为DEA有效在CCR模型基础上增加一个约束。对于DEA分析非有效的解，一定不是制度有效，但是可以对其规模有效性作出进一步判断；如果一个决策单元数据DEA有效，则制度有效、规模有效。由于数据包络分析有可能得出多个有效的决策单元而导致不能进一步比较排序，安德森、皮特森（1993）数据包络分析的超效率模型，该模型能够对各个决策单元的效率高低进行比较 ，式中为决策单元的超效率值。2、评价指标的确定 在DEA分析前，先要确定科学的指标体系，所选指标应能客观、真实、全面地反映决策单元的真实情况，选取的指标应当相互独立，数量不可过多，以便研究分析。 投入指标为 ：员工人数、主营业务成本、总资产。员工人数能够反映企业的人力资源水平，人才是企业的第一资源和核心竞争力，能够反映企业的人力资本投入。主营业务成本是指一定时期内公司主营业务收入对应的相关成本支出。总资产能够反映一个企业的发展状况。 产出指标为：主营业务收入、净利润。主营业务收入是指公司从事某种主要生产、经营活动所取得的营业收入，反映的是公司在主营业务方面的盈利能力。净利润是体现企业盈利能力的一个重要指标，能真实地投入与产出的具体情况。决策单元员工人数主营业务成本总资产主营业务收入净利润苏宁云商133919228457.208219372.9010892529.6082403.80步步74879735.871229678.8334491.57红旗连锁12650351659.26308854.98476421.0917023.50辉丰股份1890181393.90462354.43242906.9119585.28大北农269511439132.321055059.251844491.6081115.27新希望634446586001.283340118.567001223.33261341.29诺普信3084134569.59252623.46220272.4419396.63神州信息4182535740.95640336.34655900.7928712.46跨境通145339971.08220467.6584182.072865.91欧亚集团7561932651.711326222.531154212.0244559.58王府井113961448486.931374937.341827710.4963616.50海澜之111853043.201233844.11237896.93友阿股份3910495536.80790858.17595160.9033508.75九牧王757490470.24513152.51206781.9135052.07搜于特177881616.49294842.53130581.7712302.48相关公司投入产出情况根据上表数据，建立CCR模型，运用Lindo软件进行DEA模型的求解，得到结果如下所示：有关公司投入产出效率分析决策单元技术效率纯技术效率规模效率规模报酬超效率苏宁云商1.0001.0001.000不变化3.528海澜之家1.0001.0001.000不变化1.131九牧王1.0001.0001.000不变化1.020红旗连锁0.9951.0000.995递增0.995大北农0.9821.0000.982递减0.982王府井0.9670.9740.993递减0.967跨境通0.9451.0000.945递增0.945诺普信0.9361.0000.936递增0.936步步高0.9350.9650.969递减0.935神州信息0.9000.9001.000递减0.900新希望0.8851.0000.885递减0.885欧亚集团0.8850.8970.986递减0.885友阿股份0.8490.8540.994递增0.849辉丰股份0.8440.8890.949递增0.844搜于特0.8110.9060.896递增0.811三、 结果分析 上面决策单元中，苏宁云商、步步高、王府井、友阿股份、红旗连锁、欧亚集团6家公司是商业类型的电商公司；辉丰股份、大北农、新希望、诺普信、神州信息5家是农业电商公司；跨境通、海澜之家、九牧王、搜于特4家是纺织服装累电商公司。根据数据包络分析可以得出如下结论：1、从行业总体来看，这15家上市公司具有较高的投入产出效率。其技术效率、纯技术效率和规模效率均在0.9左右，保持着较高的水平。其中综合效率达到效率前沿的有3个，占决策单元数量的26.7%。根据这些数据可以判断，我国电商行业上市公司的投入产出效率较高，但总体上农业类电商上市公司效率较低。2、从统计数据来看，规模报酬不变的有3家，规模报酬递增的有6家，规模报酬递减的有6家。所以这表明并不是所有电商公司的规模效益递增。其中有超过1/3的公司规模效益递减，所以当下不应该盲目的扩大规模，而应该适当的控制规模，以提高规模效益。同时这也反映出当前我国各个电商已经占有一定的客户群体，不利于新群体的进入。3、对于规模报酬达到效率前沿的3家公司而言，它们的规模报酬均不变化，在超效率大于1的情况下，技术效率仍然为1，这说明这几家公司扩大规模后仍然位于效率前沿。对于神州信息而言，其“技术效率”=“纯技术效率”=0.900，所以纯技术效率无效，应当适当提高纯技术效率；对于红旗连锁、大北农、跨境通、诺普信、新希望而言，纯技术效率有效，但规模效率无效，应当提高其规模效率；对王府井、步步高、欧亚集团、友阿股份、辉丰股份、搜于特而言，纯技术效率和规模效率均无效，应该在两方面都提高。4、从表中数据可以看出，苏宁云商在15家公司中投入产出效率最高，主要原因是其在2014年完成了战略转型，形成了全渠道独特优势，2014年归属上市公司股东的净利润达到8.67亿元，比上年增长133.2%。这种高速收益增长得益于其线上线下双线创新营销模式。而搜于特的投入产出效率在15家电商公司中最低，其主要原因是原料、运输用工等综合成本攀升，以及其他同行业企业的挤压等。四、总结 本研究运用数据包络分析，通过分析15家电商行业上市公司的投入产出情况，对这些企业的效率进行了客观评价，并给出了相应的建议。我国电商行业上市公司竞争激烈，仍有许多公司需要进一步提高自身效率。基于当前复杂的发展环境，电商公司应该高效的结合互联网平台，同时自身不断发展创新，提高自身效率，发挥电子商务降低流通成本的优势，推动电商自身的运营效率；加强对农村电商的引导和政策支持力度，加快与农村电商发展有关的基础设施的建设，从而更好的服务于广大农村人民；应该加强电商人才队伍建设，