供應(yīng)鏈整合對海洋運輸業(yè)績效影響的實證研究

摘要：利用規(guī)模優(yōu)勢降低成本是海洋運輸業(yè)經(jīng)營行為的基本邏輯，在當前的經(jīng)濟形勢下，不確定性的增加促使廠商尋求更加靈活的合作方式來實現(xiàn)這一目標。文章利用面板向量自回歸方法對班輪企業(yè)的合作行為進行了分析，結(jié)果顯示：企業(yè)間的合作行為對運量的提升有正向的促進作用，但沒有顯著的長期效果。運價的提升會促進企業(yè)間的合作行為，這種影響具有長期性和系統(tǒng)性的特征，但會隨時間逐漸弱化，沖擊反應(yīng)的結(jié)果顯示大部分的沖擊反應(yīng)呈震蕩衰減的趨勢，其中合作投入的變化僅在短期內(nèi)對運量產(chǎn)生影響。

關(guān)鍵詞：班輪企業(yè);行業(yè)聯(lián)盟;供應(yīng)鏈整合;PVAR模型;海洋運輸業(yè)

中圖分類號：P74文獻標志碼：A文章編號：1005-9857（2019）11-0086-06

An Empirical Study on The Impact of Supply Chain Integration on the Performance of Marine Transportation Industry： evidence from the enterprise level

WANG Sheng

（Institute of Marine Economy and Culture，Shandong Academy of Social Sciences，Qingdao 266071，China）

Abstract： It is the basic logic of the liner industry management behavior to make use of the advantage of scale to reduce the cost.Under the current economic situation，the increase of uncertainty urges the manufacturers to seek more flexible cooperation ways to achieve this goal.In this paper，the panel vector autoregressive method was used to analyze the cooperative behavior of liner enterprises.The results showed that the cooperative behavior between enterprises had a positive effect on the promotion of traffic volume，but there was no significant longterm effect.The promotion of freight rates would promote cooperative behavior among enterprises，which had longterm and systematic characteristics，but would gradually weaken over time.The results of the shock response showed that most of the shock responses tended to decline in concussion.Among them，the changes in cooperative investment only had an impact on traffic volume in the short term.

Key words：Liner enterprise，Industry alliance，Supply chain integration，PVAR model，Marine transportation

0引言

回顧海洋運輸業(yè)的歷史演變可以發(fā)現(xiàn)，從行業(yè)內(nèi)的合作到行業(yè)間的合作，再到供應(yīng)鏈節(jié)點企業(yè)的全方位合作，合作與整合貫穿于行業(yè)發(fā)展的整個過程之中。無論是較為松散的工會、聯(lián)盟形式，還是以兼并重組為代表的深度資本整合，其背后的邏輯都是通過資源的集聚，擴大規(guī)模優(yōu)勢，而這種商業(yè)邏輯形成的原因是多方面的[1]。從行業(yè)內(nèi)部分析，首先，海洋運輸業(yè)所提供的服務(wù)具有類似必需商品的特征，即需求數(shù)量很大但價格很低，因此總收益對價格十分敏感，同時邊際生產(chǎn)成本幾乎為零，這意味著通過規(guī)模優(yōu)勢降低成本是企業(yè)盈利的核心理念[2]。其次，為適應(yīng)新貿(mào)易形勢下對物流效率的追求，船公司需要提供更加快速的運輸服務(wù)以確保市場份額，而實踐證明，提高發(fā)船頻率是最有效的解決辦法，這意味著船公司必須在航線上部署更多的船只，并進一步擴大規(guī)模優(yōu)勢[3]。在行業(yè)外部，由于生產(chǎn)率水平的提高和互聯(lián)網(wǎng)的廣泛應(yīng)用，信息的獲取和共享更為順暢，使得企業(yè)可以根據(jù)市場的需求制訂生產(chǎn)計劃，通過“按訂單生產(chǎn)”的模式，減少經(jīng)營中的不確定性和庫存成本。這種生產(chǎn)模式的轉(zhuǎn)變必然會影響到物流、貿(mào)易等下游行業(yè)，對其所提供的服務(wù)的模塊化和精準化提出更高的要求，并由此產(chǎn)生了“精準物流”“無縫對接”等概念，而要做到這一點，僅靠單個企業(yè)是無法完成的，需要供應(yīng)鏈上所有企業(yè)的協(xié)同合作才能實現(xiàn)[4]。這種全球運輸?shù)木W(wǎng)絡(luò)結(jié)構(gòu)對海上運輸服務(wù)提出了更高的要求，企業(yè)不僅要在價格方面具有競爭力，高效、便捷、可靠等因素在服務(wù)商的選擇中發(fā)揮著越來越大的作用。相應(yīng)地，物流行業(yè)的競爭也已經(jīng)不再是企業(yè)層面的競爭，而是供應(yīng)鏈與供應(yīng)鏈之間的競爭，班輪企業(yè)縱向整合的重要性愈發(fā)凸顯。

1數(shù)據(jù)來源與指標選擇

根據(jù)模型的設(shè)定和各變量之間的影響，如果使用一般時間序列模型或面板數(shù)據(jù)模型，將存在較為嚴重的內(nèi)生性問題，因此采用面板向量自回歸（PVAR）模型進行實證分析。在VAR模型中僅有內(nèi)生變量的滯后值出現(xiàn)在等式的右邊，所以不存在同期相關(guān)性，與面板數(shù)據(jù)的結(jié)合也緩解了小樣本下統(tǒng)計量的偏誤問題。

實證分析使用的資料收集了7家公司共21期的數(shù)據(jù)，頻率為半年，時間跨度為2006—2016年，數(shù)據(jù)來自wind咨詢所提供行業(yè)數(shù)據(jù)庫，克拉克森航運咨詢公司提供的咨詢報告以及各上市公司年度和半年度報告。由于國內(nèi)海洋運輸業(yè)上市公司較少，同時受全球經(jīng)濟低迷的影響，海洋運輸業(yè)破產(chǎn)和兼并重組的現(xiàn)象較為普遍，為保證數(shù)據(jù)的連續(xù)性以及PVAR模型對平衡面板數(shù)據(jù)的要求，在國內(nèi)僅選取了天津海運、中國遠洋和中海集運3家上市公司。境外的上市公司選取了馬士基、東方海外、長榮、陽明、萬海。模型所要分析的指標包括企業(yè)營業(yè)利潤、集裝箱運價、集裝箱貨運量和供應(yīng)鏈投資，其中供應(yīng)鏈投資用以反映企業(yè)供應(yīng)鏈合作的情況。營業(yè)利潤可以從企業(yè)年報中直接獲取，集裝箱平均運價可以根據(jù)克拉克森提供的咨詢報告計算獲得。集裝箱貨運量由于不屬于強制性披露指標，因此僅有馬士基、中國遠洋等少數(shù)公司公布了該數(shù)據(jù)，但通過分析年報發(fā)現(xiàn)，企業(yè)分部門收入中，運輸部門的收入在除以平均運價后可以近似等于實際貨運量。為驗證這一想法的可靠性，用該方法計算得出的結(jié)果與馬士基公布的實際運量進行了比較，誤差在5%以內(nèi)。關(guān)于供應(yīng)鏈投資的資料，沒有任何一家公司予以公布，因此必須尋找其他指標加以替代，在年報披露的數(shù)據(jù)中，長期股權(quán)投資、資本性收益和投資活動現(xiàn)金流量這3個指標可以作為參考，其中長期股權(quán)投資反映了企業(yè)對外投資的情況，但其數(shù)值統(tǒng)計的是所有人權(quán)益的存量，并且各公司之間采取的會計核算方法也有所不同;資本性收益反映的是企業(yè)投資的收益情況;投資活動現(xiàn)金流量反映了企業(yè)投資活動的流量，但其中包括了對企業(yè)自身的投資。經(jīng)過權(quán)衡，最終選擇了投資活動現(xiàn)金流量作為供應(yīng)鏈投資的替代指標，盡管這一指標仍不夠理想，但從目前已掌握的數(shù)據(jù)來看，沒有更好的可替代選擇，表1為模型所用數(shù)據(jù)的主要統(tǒng)計指標。

2PVAR模型的參數(shù)估計

實證分析采用面板向量自回歸（panelvector autoregressive model，簡稱PVAR）的方法建立計量模型，即將向量自回歸（VAR）的分析思路應(yīng)用到面板數(shù)據(jù)中，該計量方法最早由HoltzEakin等[5]引入，隨后Arellano等[6]和Blundell等[7]學者又對其進行了改進，目前該方法已在國際貿(mào)易、金融以及宏觀經(jīng)濟學等各領(lǐng)域得到了廣泛的應(yīng)用[8]。

21數(shù)據(jù)處理

由于向量自回歸過程并不事先預(yù)定變量之間的因果關(guān)系，所有的變量都被視為是內(nèi)生的，因此其滯后一階的模型形式如下所示：

的滯后項，因此該模型為包含固定效應(yīng)的動態(tài)面板數(shù)據(jù)模型。通常該類模型的處理步驟為：首先采用“組內(nèi)均值差分法”組內(nèi)均值差分法：首先計算出各變量每一年所有公司的平均值，再用變量的實際值減去平均值即可消除時間效應(yīng)。去除時間效應(yīng)和固定效應(yīng)，由于被解釋變量的滯后會導(dǎo)致固定效應(yīng)與回歸變量之間有一定的相關(guān)性，如果用平均差分法會消除固定效應(yīng)會引入序列相關(guān)，因此這里采用Arellano和Bover[7]建議的“前向均值差分法”前向均值差分法：對各變量的未來值取平均，即對某個觀察值從t+1期加總到T期后取平均，再用變量的實際值減去平均值。采用前向均值法去除個體效應(yīng)的好處在于如果模型的干擾項不存在非均齊變異，則上述變換仍能夠保持這種性質(zhì)，且不會引入序列相關(guān)。來去除固定效應(yīng)，然后采用廣義矩估計（GMM）的方法來獲得bm的一致估計量。

22滯后階數(shù)的選擇與平穩(wěn)性檢驗

在正式估計模型的參數(shù)之前，必須首先確定模型的滯后階數(shù)，通常采用赤池信息準則AIC、貝葉斯信息準則BIC以及漢南昆信息準則HQIC來對模型進行評價。

（1）赤池信息準則AIC，

式中：N*為模型中參與回歸的有效樣本個數(shù)，k為模型中待估參數(shù)的個數(shù)，V︿為模型的殘差平方和，以上3個準則的基本思路均是通過對增加待估參數(shù)進行懲罰，在保證模型具有適當擬合度的同時，避免引入過多的變量。表2中列出了基于以上3種準則對3變量PVAR模型滯后階數(shù)的選擇結(jié)果，可以看出3種準則均選擇了3階滯后模型。

在數(shù)據(jù)的平穩(wěn)性方面，由于面板數(shù)據(jù)模型的偽回歸并沒有時間序列模型的偽回歸嚴重，因此對面板數(shù)據(jù)模型的平穩(wěn)性檢驗要求要低于時間序列數(shù)據(jù)。此處使用的資料為7家公司共21期的數(shù)據(jù)，截面數(shù)遠小于時期數(shù)，因此無須進行單位根檢驗。

23回歸結(jié)果分析

進行回歸時會遇到變量放置的順序問題，這里參考Love[9]的建議，將向量（price，revenue，invest）中外生性的變量放在左邊，內(nèi)生性的變量放在右邊進行回歸，PVAR模型的回歸結(jié)果如表3所示。

在以運量為被解釋變量的方程中，上一期的投資對運量有較好的解釋力度，并通過了5%顯著性水平下的檢驗，且影響為正向，這與理論預(yù)期吻合，同時回歸參數(shù)值過小也反映了海洋運輸業(yè)投資額相對龐大的特征。此外，運量還受到自身滯后兩期值的顯著影響，這與采用的是半年數(shù)據(jù)有關(guān)。在以運價為被解釋變量的方程中，可以看出運價與僅自身的滯后值相關(guān)，并且均通過了10%顯著性水平的檢驗，其中滯后二期的影響最為明顯。值得注意的是，無論是作為解釋變量還是被解釋變量，均未發(fā)現(xiàn)運量和運價之間存在顯著的相關(guān)關(guān)系。由于所考察的時間（2006—2016年）正處于海洋運輸業(yè)的蕭條期，整個行業(yè)存在結(jié)構(gòu)性的運力過剩，這使企業(yè)的實際運量更大程度地受到市場需求因素的控制，并導(dǎo)致運量指標表現(xiàn)出較強的外生性。同時，在市場不景氣的情況下，企業(yè)的運量往往無法達到最優(yōu)生產(chǎn)規(guī)模的水平，且常常出現(xiàn)虧損的情況，這意味著企業(yè)在制定運價時會更多地受到平均成本以及行業(yè)整體態(tài)勢的影響。在以投資為被解釋變量的方程中，運價和投資的滯后值均對投資產(chǎn)生顯著影響。其中投資滯后兩期與數(shù)據(jù)的采集頻率有關(guān)，運價對投資的影響為正意味著行業(yè)的景氣促進了企業(yè)的投資行為，說明投資指標可能在更大程度上反映了企業(yè)的資本性投資行為。

3沖擊反應(yīng)與方差分解

圖1展示了由運量、運價和投資3變量構(gòu)成的PVAR模型的沖擊反應(yīng)圖像。分析對沖擊反應(yīng)進行了500次MonteCarlo模擬，并選出95%的上限和5%的下限，在文中分別以短劃線和長劃線表示。當上限大于0且下限小于0時，不能認為反應(yīng)是顯著異于0的，因此圖1中價格對投資的反應(yīng)，以及投資對價格的反應(yīng)均不顯著。運量對自身的反應(yīng)呈震蕩衰減的趨勢，對運價和投資的反應(yīng)僅在第一期顯著;運價對運量的反應(yīng)呈震蕩衰減的趨勢，對自身的反應(yīng)呈持續(xù)遞減的趨勢，大致在第二期衰減至0;投資對運量和自身的反應(yīng)均呈震蕩衰減的趨勢。

表4為向后預(yù)測6期后誤差方差的構(gòu)成情況，可以看出，運量和運價的預(yù)測誤差絕大部分來自其自身，占比均在90%左右;在對投資的預(yù)測中，運量和投資自身是誤差的主要來源。

4結(jié)論

通過梳理文獻可以發(fā)現(xiàn)，利用規(guī)模優(yōu)勢降低成本是海洋運輸業(yè)的主要特征和演化趨勢。以此為原則，企業(yè)行為模型的均衡結(jié)果較好地解釋了合作行為產(chǎn)生的原因，并從理論上證明了海洋運輸業(yè)內(nèi)的合作行為有助于企業(yè)績效的改善，但改進效果只有在企業(yè)能夠有效調(diào)整自身固定成本的前提下才能顯現(xiàn)出來。同時，這種合作將使企業(yè)能夠在更低的固定成本水平上經(jīng)營，以減小企業(yè)的投資壓力和風險，并對壟斷的形成起到了一定的消解作用。企業(yè)在供應(yīng)鏈上的合作行為同樣對績效的改善起到了促進作用，并且合作會導(dǎo)致企業(yè)運量的提升。實證分析結(jié)果證實了企業(yè)間的合作行為對運量的提升有正向的促進作用，運量對滯后1期合作投入的彈性為0038，滯后2期和3期的合作投入對運量沒有顯著影響。同時，運價的提升將會進一步促進企業(yè)間的合作行為，這種影響具有長期性和系統(tǒng)性的特征，但會隨時間逐漸弱化，而運價自身則表現(xiàn)出更強的外生性。沖擊反應(yīng)的結(jié)果顯示大部分的沖擊反應(yīng)呈震蕩衰減的趨勢，其中合作投入的變化僅在短期內(nèi)對運量產(chǎn)生影響。方差分解的結(jié)果顯示對未來預(yù)測的誤差大部分來自變量自身。

參考文獻

[1]任肖嫦，王圣.藍色經(jīng)濟區(qū)港口供應(yīng)鏈整合的經(jīng)濟影響分析[J].東岳論叢，2016，37（1）：143-148.

[2]陳繼紅.集裝箱班輪聯(lián)營系統(tǒng)艙位租賃與分配決策優(yōu)化模型[J].數(shù)學的實踐與認識，2011，17：48-55.

[3]陳金海，余思勤，黃順泉，等.集裝箱班輪運輸?shù)某杀緶y算與成本管理：以遠東-西北歐航線為例[J].航海技術(shù)，2014（1）：1-4.

[4]王圣，任肖嫦.港口供應(yīng)鏈優(yōu)化整合研究[J].海洋開發(fā)與管理，2013，30（7）：96-100.

[5]HOLTZEAKIN D，NEWEY W，ROSEN H S.Estimating Vector Autoregressions with Panel Data[J].Econometrica，1988，56（6）：1371-1395.

[6]ARELLANO M，BOND S.Some Tests of Specification for Panel Data：Monte Carlo Evidence and an Application to Employment Equations[J].Review of Economic Studies，1991，58（2）：277-297.

[7]ARELLANO M，BOVER O.Another look at the instrumental variable estimation of errorcomponents models[J].Journal of Econometrics，1995，68（1）：29-51.

[8]陽義南，連玉君.中國社會代際流動性的動態(tài)解析：CGSS與CLDS混合橫截面數(shù)據(jù)的經(jīng)驗證據(jù)[J].管理世界，2015（4）：79-91.

[9]LOVE I.Financial Development and Financing Constraints：International Evidence from the Structural Investment Model[J].Review of Financial Studies，2003，16（3）：765-791.