赵 红，刘健欣，闫 妍

(沈阳工业大学 管理学院，沈阳 110870)

随着时代的发展进步，科技的日新月异，网络也越来越普及。国内居民消费能力不断提高，线上购物习惯逐步形成发展，我国线上零售市场交易规模保持着持续稳定的增长。2018年人大报告中提到，电子商务、移动支付、共享经济等引领世界潮流，“互联网+”涵盖各行各业，推进传统消费提档升级、新兴消费快速增长，网络零售销售额年均增长30%以上[1]。综合国内外研究成果可以看出，针对电子商务企业的评价研究成果较多，所涉及的企业经营范围及领域广泛，但对于电子商务企业经营效率的评价研究相对不足，使用的方法相对单一。

关于电子商务企业经营效率方面的评价研究主要有：余维[2](2015)将DEA关联FAHP，基于B2C电商平台的效率评价模型提出评价指标系统。谭静[3](2016)从运营效率和网站成效等方面选取16个电子商务上市公司的关联评价指标，发起一种三个阶段DEA模型并综合运用成分相关分析、点群分析法等电商上市公司绩效测评模式。蔡苹[4](2016)研究了我国中小型电商企业的运营。于芳[5](2017)选择成分相关分析遴选指标，利用数据包络分析法与Malmquist参数从相对静止和变化发展的不同角度测评公司的绩效。孙艺萌和刘修征[6](2018)挑选20家在线零售电子商务示范企业并选取DEA方法应用于企业效率分析。张倩[7](2018)以我国非大型企业股权转让体系中14个跨境电商公司的财务报告为基础，采用DEA中的传统模式和高效模式评价电子商务公司的绩效。章璇和张永庆[8](2018)运用DEA方法分析制药电商企业管理效率，采用两阶段DEA方法对31家中国医药电商上市企业进行了实证分析。洪勇和洪涛[9](2018)系统地分析了2012—2016年北京在线零售的增长情况，占产品和服务零售总额的占有率以及对消费的贡献。胡宇航和王睿达[10](2017)阐述大数据时代电子商务公司的运营状况，并指导性地指出大数据背景下电子商务发展的趋势。徐政和杭俊[11](2018)针对跨境电商运营过程中必须面对的商务模式脱节状况、财管形势不合理状况以及商务活动中可能产生的争执状况提出了解决措施。Ji和Zhao[12](2015)通过电子商务企业物流外包利润模型对物流企业和电子商务企业的利润功能进行了分析。Alikhani、Torabi和Altay[13](2019)提出了一种基于定量实证研究和分析建模的方法，利用区间类型模糊集量化决策者的输入，构建了扩充的高效DEA模型来评估供应商。

一、评价指标体系

1. 数据包络分析法

数据包络分析法(DEA)是一个新的交叉领域，其综合运用了数学、运筹学、数理经济学和管理学等。利用运筹学规划模型测评具有多个输入、特别是多个输出的“部门”或“单位”(决策单元)相互之间的比较有效性，即称为DEA有效。认定一个决策单元为DEA有效，其实质是确认这个决策单元落在生产可能集的生产前沿面的真实性。该生产前沿面是指由收集到的决策单元的投入数据和输出数据的包络面的有效部分[14]。

DEA方法的特点：(1)适用于分析多投入和多产出的相对有效性综合评价问题；(2)决策单元的效率指标与投入数据及产出数据的量纲选取没有较大关系；(3)直接采用决策单元投入产出的原始实际数据计算最优权重，剔除了主观因素，增加了客观可信度；(4)DEA方法各投入产出指标之间存在着某种密切关系，但不必指明这种关系的显性表达式。

2. 评价指标体系的构建

在参考电商企业经营效率相关的国内外文献和国内优秀论文的基础上，综合考虑收集、处理、分析数据的可实施性以及指标的实用性、适用性、客观性及可获得性等因素，初步选取了包括总资产、总负债、营业总收入在内的15个评价指标，具体如表1所示。

表1 DEA评价指标体系

3. 评价指标的降维

选取的15个评价指标虽然考虑了多种可能因素的影响，但仍无法确保指标之间不会出现信息重叠。为了降低指标之间的相关性，采用因子分析方法缩小评价指标的维度，选出具有代表性的指标。首先，运用赋值法来对数据进行处理，将反向指标数据进行正向化处理[15]。然后，利用SPSS 17.0软件的“Zscore标准化”处理方法对收集的原始数据进行数据去量纲处理，从而解决数据的可比性问题。最后，对已经完成标准化的数据进行因子分析。旋转该15个指标的相关系数矩阵，最终获得旋转成分矩阵，具体结果如表2所示。

表2 旋转成分矩阵

根据DEA评价指标的选取原则，相对而言投入指标越小结果越好，产出指标越大结果越好。采用上文中选取的4个具有代表性的因子分析指标作为DEA最终评价指标，即投入指标为SEO综合测试评分，产出指标为营业总收入、毛利润、移动APP搜索指数。

二、实证分析

1. 线上零售类电子商务企业样本选择

相对于未上市的企业，上市公司拥有更多获得融资的机会和相对雄厚的资金；透明度较高，能够提供较为详细的财务方面的指标数据，增加公司的可信度；知名度较高；承担的风险较小[16]。根据评价指标的需要和现实的约束[17]，本文选取20家已经在香港或美国上市的线上零售类电子商务企业作为样本。企业信息如表3所示。

表3 企业信息

表3(续)

2. 投入输出数据采集

本文所有财务绩效评价指标数据均以东方财富网(http：//www.eastmoney.com)中收集到的原始数据为基准。网站平均打开时间(秒)和网站SEO综合测试评分指标数据来自搜客网站优化诊断工具站长之家(http：//malexa.chinaz.com)。移动APP搜索指数指标数据来自ASO114(https：//aso114.com)。2018年网上零售类电子商务企业经营效率评价指标标准化数据如表4所示。

3.计算结果分析

本文选择BCC-VRS模型从投入角度进行分析。运行DEAP软件从投入角度分析经营效率，结果如表5所示。crste表示综合技术效率；vrste表示纯技术效率；scale表示规模效率。纯技术效率的主要影响因素是企业的技术和管理方式；规模效率的主要影响因素是企业当前的规模是否能够实现最优的投入产出；综合技术效率受规模效率和纯技术效率的双重影响。趋势中的“-”表示不需要改变当前的生产规模，irs表示企业应该适量扩大生产规模，drs表示企业应该适量缩小生产规模。

考虑了随机干扰因子对于产出量的影响，本文采用SFA(随机前沿法)，以企业所在地区当期GDP和企业存续时间为自变量，以企业对应时期的SEO综合测试评分即第一阶段DEA-BCC模型中投入指标的松弛变量为因变量，使用FRONTIER4.1对其进行极大似然数法回归统计分析，最终结果如表6所示。

表4 2018年网上零售类电子商务企业经营效率评价指标标准化数据

表4(续)

表5 20家企业投入主导型经营效率结果

表6 调整后的经营效率结果

对20家企业调整前后的综合技术效率及排名进行分析可知，调整前后实现技术效率有效的企业没有改变。拼多多和唯品会由技术无效变成技术有效，排名上升。经三阶段DEA方法调整后，20家企业中实现技术有效的企业由2家上升至4家，10家企业排名均攀升，说明其经营效率在一定程度上受环境因素影响。纯技术效率在调整前效率值为1的两家企业也没有改变，说明其在某方面相对于其余18家企业来说是成功的。除苏宁易购和亚马逊的纯技术效率未发生改变外，其余18家在调整后均有所提高，说明外界环境能够在一定程度上促进企业发展。调整后纯技术效率值不足1的企业，说明其水平未处于行业前列，在日后的生产经营活动中需考虑在公司经营管理方面增加投入。多数企业的规模效率调整后均较调整前提升，且均值由0.715升至0.934，在一定程度上说明了2018年线上零售类电子商务企业的规模达到了较理想的水平。

本文对20家企业所属地区进行标记，弱化了环境因素的影响，90%的公司效率值发生了变化，公司效率排名也呈现出不同程度的波动。根据调整前后的结果可以看出，北京、浙江、广东、上海等地的公司位于生产前沿，地区经济相对于其他地区比较发达。

三、结 语

进行科学合理的企业经营管理是保证企业正常运营的重要环节。选择科学典型的经营效率指标并采用恰当合理的测评方法对企业进行测评，可得到更客观真实的结果，从而在某种角度上帮助企业有效提高经营管理水平。

本文采用三阶段数据包络分析方法对电商企业经营效率进行评价研究。对第二阶段相似SFA模型结果进行分析后发现，某些环境因素，如企业所属地区同期的GDP和企业存续时间等对企业的经营效率值存在一定程度的影响，但是影响方向并不相同。企业所属地区同期GDP对效率值存在负影响，企业存续时间对效率值存在正影响，即在某种程度上企业所属地区同期GDP对效率值的提高有促进作用，而企业存续时间对效率值的提高有抑制作用。