关于电商企业经营管理绩效评价

论文导读：递增阶段，具有较大发展空间;SE-DEA模型可以对BCC模型下DEA有效的电商企业进行比较分析，并且这些综合效率大于1的电商企业在SE-DEA模型下依然可以通过改善其投入要素组合达到最优的生产前沿面。关键词？演电商企业;经营绩效;DEA1673-0461（2015）01-0021-05

一、引言与文献综述在信息时代，电子商务的应用对于企业

摘 要？演将数据包络分析的BCC模型和超效率模型结合起来，通过DEAP2.1和DEA-Solve-LV软件对在沪深两市上市的22家电商企业的经营管理绩效进行实证分析。结果表明，在BCC模型下22家电商企业中有10家的经营效率达到DEA有效，整体而言电商企业的纯技术效率是比较高的，大多数规模无效的电商企业处于规模酬劳递增阶段，具有较大发展空间;SE-DEA模型可以对BCC模型下DEA有效的电商企业进行比较分析，并且这些综合效率大于1的电商企业在SE-DEA模型下依然可以通过改善其投入要素组合达到最优的生产前沿面。
关键词？演电商企业;经营绩效;DEA
[]A [文章编号]1673-0461（2015）01-0021-05

一、引言与文献综述

在信息时代，电子商务的应用对于企业的经营管理绩效的提高有正面的影响，尤其对于网络零商企业而言，电子商务降低企业运营成本，提高了企业的运作效率，增强了企业的盈利能力。对电商企业的经营管理绩效进行评价研究，对于管理者进行企业的经营管理决策，投资者作出投资决策，政府等有关部门制定相应的产业政策，都具有重要的参考作用。
关于电子商务应用企业的绩效评估近年来是国内外学关注的热点。Bendoly和Kaefer（2004）[1]通过分析115家电子商务应用企业的交易效率，认为ERP战略对于B2B电子商务技术效率有显著影响。Jinghua Huang（2009）[2]基于层次分析法构建了一个包含四个标准16个指标的评价体系来衡量网络零售商的经营绩效。Romero等（2010）[3]基于随机前沿模型分析了西班牙制造业网上购买与网上销售在企业层面的效率。Jia-Jane Shuai（2011）[4]基于DEA和灰色熵理论分析了网络营销对我国台湾酒店行业经营绩效的影响。Xiaobing Yu（2011）[5]将层次分析法和模糊TOPSIS法结合起来提出一种评价电子商务联盟经营效率的模型，并通过实证分析验证了模型的有效性和可行性。此外，楚金华和刘冉昕（2007）[6]基于因子分析法构建了企业电子商务绩效评价的体系。赵晶等（2010）[7]从战略构建、资源分析、能力评估及绩效测量四个维度基于结构方程模型构建了企业电子商务绩效评价模型，并对我国75家开展电子商务的制造业企业进行了实际测评。戴卫明（2013）[8]从实证角度研究了集群企业电子商务绩效的影响因素，指出影响企业电子商务绩效的因素有区域品牌效应、物流配送系统效率、电子商务应用水平等。
企业的经营绩效评价涉及到评价的主体、目标、对象、指标、标准、策略等方面[9]，评价策略的选择至关重要，如果所用评价策略欠科学，评价标准、指标等都会显得孤立，评价也就没有了多大作用。张青等（2002）[10]和唐欣（2013）[11]分别基于神经网络评价了企业的经营绩效，钟庆华（2008）[12]则基于主成分分析对水电上市公司的经营绩效进行评价，实证分析证明了评价策略的有效性。蒲勇健和罗巧利（2012）[13]基于Monte-Carlo模型和随机前沿分析评价了企业的经营管理绩效，杨松令等（2013）[14]则用数据包络分析评价我国高新技术企业的经营绩效。
本文在前人研究基础上，从投入—产出角度出发，将数据包络分析（DEA）中的BCC模型和“超效率DEA”模型结合起来，评价电商企业的经营管理效率。

二、研究策略与数据来源

(一)数据包络分析

数据包络分析（Data Envelope Analysis，DEA）是一个多学科交叉的领域，以Farrell前沿生产函数为基础，基于“相对效率”概念，运用数学规划，评价具有多输入，特别是有多输出的“部门”（即决策单元，DMU）间的相对有效性。

1. 基本DEA分析模型

第一个DEA分析模型由Charnes、Coopor和Rhodes提出，故称CCR模型。CCR模型的假设为规模酬劳不变，其得到的效率为综合效率（TE）。放松规模酬劳不变的假设即扩展为BCC模型，该模型将综合效率分解为纯技术效率（PTE）和规模效率（SE），其中TE=PTE*SE。BCC模型可表述为：
min？兹-？着（e■■s■+e■■s■）■Xiλi+s-=θX0■Yiλi-s+=Y0■λi=1s+≥0，s-≥0，λi≥0，i=1，2，……，n（1）
（1）式中，θ即为决策单元的效率指标，λ表示权重，？着为大于零的非阿基米德无穷小量，e■■=（1，1，…，1）T？缀Em，e■■ =（1，1，…，1）T？缀Es，s-和s+为输入和输出松弛变量，分别表示投入冗余和产出不足。当θ0=1，s-0=s+0=0时，决策单元i0是DEA有效的;当θ0﹤1，s-0或s+0至少有一个不为0时，决策单元i0是DEA无效的。
决策单元足够多时，会有很多决策单元处于前沿生产面上，即会有很多单元的效率值为1。基于CCR或BCC的DEA分析存在的最大不足就是不能对这些处于前沿面的DEA有效的单元进行排名。现实中很多企业再投入和产出上迥异，但当他们都达到DEA有效时，传统的DEA分析模型就不能对其进行比较分析了。

2. 超效率DEA分析

为解决传统DEA分析模型无法比较DEA有效单元的技术效率，Andersen和Petersen[15]提出了超效率DEA（SE-DEA）模型。该模型的基本原理可用图1表示：
图1中，X1为一种投入要素，X2为除X1以外的其他的投入要素。决策单元D1、D2、D3、D4表示处于前沿生产面的四个不同的投入产出组合，为DEA有效单元，其效率均值为1，决策单元D5表在前沿面之外，其效率值为θ5=OD'5/OD5，是小于1的。SE-DEA模型的基本原理为：以有效决策单元D3为例，传统DEA分析模型（CCR或BCC）下，前沿面为D1D2D3D4，当计算决策单元D3在SE-DEA模型下的效率值时，将D3排除在外，此时的前沿面为D1D2D4，D3的参考点变为D'3，决策单元D3到新前沿面的的距离表示其可扩张的大小，其效率值为θ3=OD论文导读：'3/OD3，显然是大于1的。这里SE-DEA模型所表示的经济含义为：保持现有的技术水平，决策单元D3的各投入要素等比例扩大θ3倍，依然是DEA有效的。而对于无效决策单元D5，在SE-DEA模型下，其前沿面没有发生变化，故其效率值也是不变的。规模酬劳不变下的SE-DEA模型的数学表达式为：上一页12
'3/OD3，显然是大于1的。这里SE-DEA模型所表示的经济含义为：保持现有的技术水平，决策单元D3的各投入要素等比例扩大θ3倍，依然是DEA有效的。而对于无效决策单元D5，在SE-DEA模型下，其前沿面没有发生变化，故其效率值也是不变的。规模酬劳不变下的SE-DEA模型的数学表达式为：