中国区域零售业效率评价及其影响因素：基于DEA－Tobit两步法的分析，本文主要内容关键词为：步法论文,零售业论文,中国论文,效率论文,因素论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
近年来，我国零售商业发展迅猛，2007年全年社会消费品零售总额达到89210亿元，比2007年增长16.8％，与1978年时的社会消费品零售总额相比，增长了57倍。尽管我国零售商业发展速度很快，但是地区间的不平衡和差距非常显著。以2006年相关数据为例，2006年中国社会消费品零售总额最高的地区是广东省，达到9118.1亿元，占全国零售消费品总额的比例高达10.2％；而西藏最少，比例也仅仅只有0.1％，不及广东的1％，地区差距极大。零售业发展的这种地区不平衡性，与不同地区零售业实际投入类要素的不平衡性密切相关。在区域零售业发展不平衡的背景下，正确评价不同地区的零售业效率及其影响因素，对于有针对性地优化零售业发展环境、促进零售商业和谐发展具有重要的理论与现实意义。本文拟采用我国30个省、市、自治区的截面数据，结合DEA方法对区域零售业效率进行评价。在此基础上，进一步通过Tobit回归的方法，分析区域零售业效率差别的主要影响因素及其程度。
一、研究方法与工具
1.数据包络分析
在给定的决策单位（DMU,Decision Making Units）中，DEA使用分段线性规划来计算（而不是估计）效率前沿。[1]组成效率前沿的DMU形成的曲线将相对无效率的DMU包络在内，决策单元的相对效率值在［0，1］区间内分布，处于效率前沿的决策单元的效率值为1。总效率（EFF）又可以进一步分解为纯技术效率（TE）和规模效率（SE）。纯技术效率反映了各地区当前的生产点与规模效益变化的生产前沿之间技术水平运用的差距；规模效率衡量了各地区是否在最合适的投资规模下进行经营，反映规模收益不变的生产前沿与规模收益变化的生产前沿之间的距离。各地区零售业的总效率等于其纯技术效率与规模效率的乘积。
2.Tobit回归分析
区域零售业效率往往会受到除投入、产出指标之外的许多因素的影响。由于DEA方法所估计出的效率值都介于0与1之间，任何一个DMU的效率值最大为1，不可能超过1，所以采用最小二乘法可能会导致估计偏差。而Tobit回归模型属于因变量受到限制的一种模型[2]，因此本文将采用Tobit回归模型来分析区域零售业效率的影响因素。
二、我国区域零售业的效率评价
1.指标选取及数据采集
运用DEA方法对零售业效率进行评价，首先要确定零售业的投入产出指标。对于零售行业而言，投入意味着零售企业人、财、物的支出。人力投入可以通过地区限额以上零售业从业人员数反映出来；财力投入可以通过地区限额以上零售企业资产总额反映出来；物的投入则可以通过地区限额以上零售企业门店数反映。[3]而产出指标可以通过地区限额以上零售企业的主营业务收入和主营业务利润加以反映。本文选择我国30个省、市、自治区（西藏和港、澳、台地区因数据缺失而不在考察之列）的数据作为区域零售业效率测度的决策单元（DMU）。
2.数据分析
运用DEAP2.1软件，我们得到我国30个地区的零售业效率值（见表1）。根据计算结果可知，北京、上海、天津、福建、吉林5个省市是同时技术有效和规模有效的，它们构成了我国零售业效率前沿面。也就是说，除非部分或全部增加投入量，或者减少某种产出量，否则在现有技术水平下无法再增加其产出量。而对于DEA非有效的单元，可以分别考察其技术有效性和规模有效性，通过计算得知贵州、湖南是纯技术有效而非规模有效的，广东属于规模有效而非纯技术有效。其他22个省市则既非技术有效也非规模有效。可见，我国大部分地区零售业效率并不理想。而且这些地区纯技术效率值大多低于规模效率值，这说明纯技术效率是导致零售业效率低下的主要原因。就本土零售企业整体而言，管理理念和管理机制相对落后，业态结构和企业资源配置不合理，经营成本也过高。
通过DEA分析，我们还可以得出各地区零售业的规模效益情况。这里，规模效益值是将输出指标的增幅（如Δy／y）除以相应输入指标的增幅（如Δx／x）（见表1）。规模效益值等于1、小于1和大于1，则分别代表规模效益不变、递减和递增。处于效率边界上的决策单元均为规模效益不变。规模效率递增的决策单元将有可能在适当增加投入量后获得更大比例的产出回报，因此这些单元应该有增加投入的积极性。而规模效益递减的单元在增加投入后，产出的增长比例可能小于投入增加比，即增加投入的产出效率比较低。排除规模效益不变的边界点，在24个非有效省市中有4个处于规模效益递减阶段，分别是江苏、山东、辽宁、河南，对于这4个省来说，增加投入量不可能带来更高比例的产出，故应考虑减少门店数和从业人数，提高投入产出效率，使规模收益变为有效。而在24个非有效省市中，有20个处于规模效益递增阶段，尤其是西部所有地区都处于规模效益递增阶段，表示这些地区适当增加投入量，产出量将有更高比例的增加。
三、我国区域零售业效率的影响因素
影响零售业效率的因素很多，既有宏观层面的因素，也有零售企业微观层面的因素。在这里，我们主要考察经济发展水平、消费潜力、对外开放程度、旅游业发达程度对区域零售业效率差异的影响。经济发展水平可以通过地区GDP进行衡量；消费潜力可以通过人口规模与人均可支配收入进行衡量；对外开放程度可以通过外商投资总额进行衡量；旅游业发达程度可以通过接待入境旅游人数以衡量。
本研究对我国区域零售业效率差异影响因素的检验，采用R语言（version2.7.1）进行计算。研究结果发现，GDP、人均可支配收入与人口数对零售业效率存在显著影响；而接待入境旅游人数与外商投资总额对零售业效率的影响并不显著。这里需要特别说明的是，Tobit回归结果表明，GDP对零售效率的直接影响是负向的，这种负影响的条件是人均收入等变量不变，也就是说这种负向影响是在剔除了人均可支配收入、人口数等其它因素干扰作用的情况下得出的。如果只做相关分析，GDP与地区零售效率却是正相关的（Pearson相关系数＝0.235，p＝0.204），其原因在于GDP与人均收入具有显著的正相关关系（Spearman'srho相关系数＝0.650，p＜0.001），也就是说区域GDP越高，当地居民的人均收入就越高，即更高的消费能力带动了零售效率的提升。但如去掉GDP通过人均收入导致的生产率提升的影响，那么高的GDP水平意味着更加充足的商品供应，以及更加激烈的市场竞争，可能会引起零售效率的下降。同时，其他产业的落后不会对零售效率的提升产生严重的不利影响，落后地域可以在零售行业率先实现突破。
四、结论与政策建议
本文利用2006年我国30个地区的数据资料，采用两阶段数据包络法（DEA）对区域零售业效率进行分析。
第一阶段DEA分析的结果表明：（1）目前我国各地区的零售行业的非有效程度并不相同，多数地区的非有效程度比较严重。DEA无效率的原因主要在于纯技术效率的低下，这说明区域零售业效率提升的首要工作是要努力提高零售业的纯技术效率。在现有技术水平下，优化企业经营管理、加强成本控制和优化业态，同时还要注重商业网点布局的合理化与科学化，以实现有限资源的最优配置。（2）而对于非DEA有效的省市，其绝大部分处于规模效益递增阶段，这些地区应该进一步扩大零售业规模，依靠增加投入来获得效率的提高。
第二阶段Tobit回归分析的结果表明：（1）地区经济发展水平、消费潜力是影响零售业效率的重要因素。地区经济发展水平对零售业效率的影响是负向的，消费潜力对零售业效率的影响是正向的。这说明要促进零售业效率的提高一方面要注重提高居民的收入水平；另一方面要防止恶性竞争对零售业的负面冲击，进一步加强发达城市商业网点规划的科学性是减少这种负面影响的关键所在。（2）研究还发现旅游业发达程度和对外开放程度对于区域零售业效率并没有显著影响。也就是说旅游人数增多并不能改变零售业效率，而对外开放虽然有利于本土零售企业学习国外零售企业的先进经验，但也会导致零售业恶性竞争加剧，并不会提高零售业效率。这就需要政府在未来的政策设计中，应高度关注对外开放的负面影响，采取有效的保护本土零售商业的政策举措，确保零售业效率的提升。