• <table id="zigek"></table>
  • <acronym id="zigek"></acronym>
    <big id="zigek"></big>
    <tr id="zigek"><s id="zigek"></s></tr>

    學術堂首頁 | 文獻求助論文范文 | 論文題目 | 參考文獻 | 開題報告 | 論文格式 | 摘要提綱 | 論文致謝 | 論文查重 | 論文答辯 | 論文發表 | 期刊雜志 | 論文寫作 | 論文PPT
    學術堂專業論文學習平臺您當前的位置:學術堂 > 計算機論文 > 電子商務論文

    從投入—產出角度評價電商企業的經營管理效率

    時間:2014-12-17 來源:未知 作者:傻傻地魚 本文字數:4679字
    論文摘要

      一、引言與文獻綜述

      在信息時代,電子商務的應用對于企業的經營管理績效的提高有正面的影響,尤其對于網絡零商企業而言,電子商務降低企業運營成本,提高了企業的運作效率,增強了企業的盈利能力。

      對電商企業的經營管理績效進行評價研究,對于管理者進行企業的經營管理決策,投資者作出投資決策,政府等有關部門制定相應的產業政策,都具有重要的參考意義。

      關于電子商務應用企業的績效評估近年來是國內外學關注的熱點。Bendoly和Kaefer(2004)通過分析115家電子商務應用企業的交易效率,認為ERP戰略對于B2B電子商務技術效率有顯著影響。JinghuaHuang(2009)基于層次分析法構建了一個包含四個標準16個指標的評價體系來衡量網絡零售商的經營績效。Romero等(2010)基于隨機前沿模型分析了西班牙制造業網上購買與網上銷售在企業層面的效率。Jia-JaneShuai(2011)基于DEA和灰色熵理論分析了網絡營銷對我國臺灣酒店行業經營績效的影響。XiaobingYu(2011)將層次分析法和模糊TOPSIS法結合起來提出一種評價電子商務聯盟經營效率的模型,并通過實證分析驗證了模型的有效性和可行性。

      此外,楚金華和劉冉昕(2007)基于因子分析法構建了企業電子商務績效評價的體系。趙晶等(2010)從戰略構建、資源分析、能力評估及績效測量四個維度基于結構方程模型構建了企業電子商務績效評價模型,并對我國75家開展電子商務的制造業企業進行了實際測評。戴衛明(2013)從實證角度研究了集群企業電子商務績效的影響因素,指出影響企業電子商務績效的因素有區域品牌效應、物流配送系統效率、電子商務應用水平等。

      企業的經營績效評價涉及到評價的主體、目標、對象、指標、標準、方法等方面,評價方法的選擇至關重要,如果所用評價方法欠科學,評價標準、指標等都會顯得孤立,評價也就沒有了多大意義。張青等(2002)和唐欣(2013)分別基于神經網絡評價了企業的經營績效,鐘慶華(2008)則基于主成分分析對水電上市公司的經營績效進行評價,實證分析證明了評價方法的有效性。蒲勇健和羅巧利(2012)基于Monte-Carlo模型和隨機前沿分析評價了企業的經營管理績效,楊松令等(2013)則用數據包絡分析評價我國高新技術企業的經營績效。

    論文摘要

      本文在前人研究基礎上,從投入—產出角度出發,將數據包絡分析(DEA)中的BCC模型和“超效率DEA”模型結合起來,評價電商企業的經營管理效率。

      二、研究方法與數據來源

      (一)數據包絡分析

      數據包絡分析(DataEnvelopeAnalysis,DEA)是一個多學科交叉的領域,以Farrell前沿生產函數為基礎,基于“相對效率”概念,運用數學規劃,評價具有多輸入,特別是有多輸出的“部門”(即決策單元,DMU)間的相對有效性。

      1.基本DEA分析模型

      第一個DEA分析模型由Charnes、Coopor和Rhodes提出,故稱CCR模型。CCR模型的假設為規模報酬不變,其得到的效率為綜合效率(TE)。放松規模報酬不變的假設即擴展為BCC模型,該模型將綜合效率分解為純技術效率(PTE)和規模效率(SE),其中TE=PTE*SE。BCC模型可表述為:

     論文摘要

      (1)式中,θ即為決策單元的效率指標,λ表示權重,ε為大于零的非阿基米德無窮小量,eTm=(1,1,…,1)T綴Em,eTS=(1,1,…,1)T綴Es,s-和s+為輸入和輸出松弛變量,分別表示投入冗余和產出不足。當θ0=1,s-0=s+0=0時,決策單元i0是DEA有效的;當θ0﹤1,s-0或s+0至少有一個不為0時,決策單元i0是DEA無效的。

      決策單元足夠多時,會有很多決策單元處于前沿生產面上,即會有很多單元的效率值為1。

      基于CCR或BCC的DEA分析存在的最大不足就是不能對這些處于前沿面的DEA有效的單元進行排名。現實中很多企業再投入和產出上迥異,但當他們都達到DEA有效時,傳統的DEA分析模型就不能對其進行比較分析了。

      2.超效率DEA分析

      為解決傳統DEA分析模型無法比較DEA有效單元的技術效率,Andersen和Petersen提出了超效率DEA(SE-DEA)模型。該模型的基本原理圖1中,X1為一種投入要素,X2為除X1以外的其他的投入要素。決策單元D1、D2、D3、D4表示處于前沿生產面的四個不同的投入產出組合,為DEA有效單元,其效率均值為1,決策單元D5表在前沿面之外,其效率值為θ5=OD'5/OD5,是小于1的。SE-DEA模型的基本原理為:以有效決策單元D3為例,傳統DEA分析模型(CCR或BCC)下,前沿面為D1D2D3D4,當計算決策單元D3在SE-DEA模型下的效率值時,將D3排除在外,此時的前沿面為D1D2D4,D3的參考點變為D'3,決策單元D3到新前沿面的的距離表示其可擴張的大小,其效率值為θ3=OD'3/OD3,顯然是大于1的。這里SE-DEA模型所表示的經濟含義為:保持現有的技術水平,決策單元D3的各投入要素等比例擴大θ3倍,依然是DEA有效的。

      而對于無效決策單元D5,在SE-DEA模型下,其前沿面沒有發生變化,故其效率值也是不變的。

      規模報酬不變下的SE-DEA模型的數學表達式為
    論文摘要

      (2)式中各符號與(1)式相同,所不同的在于評價決策單元i0時,將其與其他決策單元的線性組合進行比較。當θ0≥1,s-0或s+0=0時,決策單元i0是DEA有效的;當θ0﹤1時,決策單元i0是DEA無效的。

      (二)數據來源

      對于電商企業的經營績效進行評價,評價指標體系的選擇應當滿足科學性、綜合性、系統性、可操作性等原則。綜合考慮大多數學者關于企業經營績效的評價的研究,構建電商企業的投入產出指標體系如表1所示。

      論文摘要

      表1中,員工人數、應付職工薪酬、資產規模是電商企業進行經營的實物投入,而資產負債率和總資產周轉天數分別反映電商企業的償債能力和營運能力,是電商企業的管理投入,實物投入和管理投入共同構成電商企業的投入體系;主營業務收入和凈資產收益率分別從量的角度和質的角度反映電商企業的產出情況。考慮到數據的可獲得性,本文選取在滬深兩市上市的22家電商企業作為評價對象,決策單元個數大于投入產出指標個數之和的兩倍,因此可以運用DEA方法進行分析。各投入產出指標均為所選企業2012年的數據,所有數據來自RESSET金融研究數據庫。

      三、實證分析

      (一)分析結果

      實證分析通過軟件DEAP2.1和DEA-Solve-LV實現。首先通過DEAP2.1在傳統的DEA分析模型(BCC)下對所選28家電商企業的投入產出進行分析,然后通過DEA-Solve-LV運用規模報酬不變的SE-DEA模型對所選電商企業進行分析。分析結果如表2所示。

      從表2初步可以看出,傳統DEA分析模型在綜合效率為1的10家企業在SE-DEA模型中都有了明確的排名,是可以進行比較分析的。

      (二)電商企業經營效率分析

      首先,從傳統的BCC模型來看,22家電商企業綜合效率達到DEA有效的企業有10家,占45.5%,因此綜合來看,電商企業經營管理處于有效狀態的企業并不是很多。從純技術效率來看,純技術效率達到DEA有效的電商企業有16家,占比72.3%,顯然純技術有效的企業是比較多的,并且純技術效率平均值也比較接近前沿面。從規模收益來看,處于非DEA有效的企業大多處于規模報酬遞增階段,具有較大的提升空間。另外,對于個別電商企業,像輝煌科技、海虹控股、三五互聯等企業綜合效率都很低,而其純技術效率都是DEA有效的,其經營的低效率幾乎完全是規模無效造成的。

      其次,從SE-DEA模型的分析來看,對于BCC模型下DEA有效的10家電商企業,SE-DEA模型給出了其綜合效率值的大小,且均是大于1的,說明這些企業擴張相應倍數后依然是DEA有效的。另外,表2中,上海鋼聯在SE-DEA模型下的綜合效率值高達33.4以上,究其原因,從該企業披露的2012年年報中可以看出,其應付職工薪酬僅32.07萬元(而其他21家電商企業相應投入的平均值為10368.1萬元,最小的也有379.75萬),較低的投入產出比使其成為行業內綜合效率最高的企業。

    論文摘要

      再次,比較BCC模型和SE-DEA模型來看,SE-DEA模型最大優勢就是其能夠對BCC模型下DEA有效的電商企業進行排名,這些DEA有效的電商企業的“超效率”值不同正是說明它們之間是可以相互比較的,而不是無差異的;而對于BCC模型下DEA無效的企業而言,兩模型的計算結果基本是一致的(由于計原因,使得個別企業計算結果有差異,不代表真正不同)。

      (三)電商企業投入產出改進分析

      首先討論BCC模型下非DEA有效的電商企業的改進情況。可以從兩方面改進:對于純技術效率有效而規模無效的6家電商企業,均處于規模報酬遞增階段,因此可以擴大企業的規模以使這些企業達到DEA有效;對于純技術效率無效規模收益也無效的6家電商企業,可以先調整這些企業的投入要素組合,使其達到DEA有效。

      DEAP2.1軟件了純技術效率無效的電商企業產出不足和投入冗余的情況,如表3所示。可以看出,有兩家企業在營業收入方面存在產出不足,所有企業在凈資產收益率方面存在產出不足;所有的純技術效率無效的電商企業在投入要素方面存在冗余。

      論文摘要

      其次討論BCC模型下DEA有效的電商企業的改進情況。BCC模型下這些企業綜合效率、純技術效率和規模效率均為1,達到DEA有效,但在SE-DEA模型下,大于1的“超效率”值正說明這些企業不同的擴張程度,因而這些分企業依然是可以改進的。DEA-Solve-LV軟件給出了SE-DEA模型下電商企業的改進情況,限于篇幅,表4給出了排名前三位的上海鋼聯、蘇寧云商和高鴻股份的投入產出的改進情況。

      表4中,Xi(i=1,2,…,5)和Yi(i=1,2)的含義見表1,可以看出即就是“超效率”大于1的電商企業,依然存在可改進的空間。例如,上海鋼聯綜合效率值高達33.4以上,但依然未處于最優的生產前沿面,將其員工人數增加43%,應付職工薪酬增加999.90%,資產規模增加100.7%,資產負債率減少22.7%,總資產周轉天數增加577.7%,就可以在產出不變條件下達到更優的生產前沿面。而對于排名第三的高鴻股份來說,將其員工人數增加131%,應付職工薪酬增加131.19%,資產規模減少4.6%,資產負債率增加33.43%,總資產周轉天數增加55.1%,就可以在保證主營業務收入不變的條件下,將其將資產收益率增加999.90%。

      當然,應當指出的是,無論是DEA非有效的電商企業,還是DEA有效的電商企業的改進,僅在本文的投入產出指標體系下有意義,而且也只具有數據包絡分析層面的理論意義。例如,對于表4中,蘇寧云商的資產負債率的目標值為239.8%,這個顯然是沒有多大實際意義的。

     論文摘要

      四、 結論與啟示

      文章基于傳統的數據包絡分析模型 BCC 模型和超效率 DEA 分析模型對滬深兩市上市的 22 家電商企業的經營管理績效進行評價, 主要可以得出以下結論:

      (1) 通過 BCC 模型分析可以發現, 22 家電商企業中有 10 家的經營效率達到 DEA 有效, 整體而言電商企業的出技術效率是比較高的, 處于非DEA 有效的企業大多處于規模報酬遞增階段 。BCC 模型下, DEA 有效電商企業的之間似乎是無差異的, 無法進行比較。

      (2) SE-DEA 模型可以對 BCC 模型下 DEA 有效的電商企業進行比較和排名。 大于 1 的 “超效率” 值是這些 DEA 有效企業可以繼續擴張的比例, 而對于 BCC 模型下 DEA 無效的電商企業,其 SE-DEA 模型下的超效率值不發生變化。

      (3) 對電商企業進行投入產出分析發 現 ,BCC 模型下非 DEA 有效電商企業可以通過調整規模或者調整投入要素組合以達到生產的前沿面,而 BCC 模型下 DEA 有效的電商企業在 SE-DEA模型下其經營管理效率依然是可以改進的, 可以適當調整這些企業投入要素組合以使其達到最有生產前沿面。

      此外還應當指出, 本文的分析還存在兩方面需要進一步完善的地方: 一個是投入產出指標體系的選擇問題, 本文的分析考慮到了電商企業的運營能力、 償債能力和盈利能力, 而對于電商企業的發展和成長能力以及電商企業自身的特點等因素并未考慮, 對于電商企業投入產出指標體系的完善可作為今后的一個研究方向; 另一個就是本文關于電商企業投入產出的改進分析僅僅是本文所選投入產出指標體系下的分析, 并且也只具有數據包絡分析層面的理論意義, 關于電商企業經營管理績效的改進還應當結合該類企業自身的特點和公司治理的有關理論進行詳細分析, 這亦可以作為今后的一個研究方向。

      論文來源參考:
      相近分類:
      • 成都網絡警察報警平臺
      • 公共信息安全網絡監察
      • 經營性網站備案信息
      • 不良信息舉報中心
      • 中國文明網傳播文明
      • 學術堂_誠信網站
      159彩票{{转码主词}官网{{转码主词}网址