我國(guó)零售上市公司線上線下經(jīng)營(yíng)效率的比較研究
——基于新零售視角 *

楊海麗,劉玲秋

(1.2.重慶工商大學(xué) 經(jīng)濟(jì)學(xué)院,重慶 400067)

引言

企業(yè)經(jīng)營(yíng)是一個(gè)投入產(chǎn)出系統(tǒng)。投入產(chǎn)出系統(tǒng)中相同的投入效率，即經(jīng)營(yíng)效率下的產(chǎn)出效率，是一個(gè)零售企業(yè)競(jìng)爭(zhēng)的根本，也為零售企業(yè)的戰(zhàn)略決策和政府制定產(chǎn)業(yè)政策提供重要依據(jù)。有一項(xiàng)針對(duì)歐洲零售業(yè)的研究表明，1990—1994年作為研究對(duì)象的零售企業(yè)做出的111個(gè)決策中，最大一類的決策(30%)是有關(guān)經(jīng)營(yíng)效率問題的[1]。從全球零售企業(yè)經(jīng)營(yíng)效率相關(guān)研究來看，經(jīng)營(yíng)效率問題是近20年來零售研究中非常重要的研究方向[2]。

對(duì)我國(guó)而言，零售業(yè)經(jīng)營(yíng)效率研究有著更重要的意義和價(jià)值，隨著經(jīng)濟(jì)快速增長(zhǎng)，我國(guó)零售業(yè)經(jīng)歷了幾個(gè)階段的轉(zhuǎn)折與發(fā)展，也取得了突出的成績(jī)。據(jù)國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)，1979—2018年我國(guó)社會(huì)消費(fèi)品零售總額年均增長(zhǎng)率為17.3%，2018年我國(guó)社會(huì)消費(fèi)品零售總額已達(dá)38.1萬(wàn)元；2011—2018年線上交易規(guī)模占社會(huì)消費(fèi)零售總額比例逐年提升，從2011年的4.1%上升到2018年的24.6%，線上零售企業(yè)交易規(guī)模也在快速增長(zhǎng)，其部分線上零售業(yè)務(wù)甚至在業(yè)內(nèi)獲得領(lǐng)導(dǎo)地位，如京東、蘇寧易購(gòu)、阿里巴巴等。線下零售企業(yè)的業(yè)務(wù)發(fā)展呈現(xiàn)較大幅度波動(dòng)，2008—2014年線下零售業(yè)受挫嚴(yán)重、業(yè)績(jī)下降、經(jīng)營(yíng)效率低下，電商發(fā)展卻呈增速高、變化快的態(tài)勢(shì)，線上線下競(jìng)爭(zhēng)局面形成。2015年，線上線下競(jìng)爭(zhēng)態(tài)勢(shì)發(fā)生從競(jìng)爭(zhēng)轉(zhuǎn)向合作的顯著改變，專注實(shí)體經(jīng)營(yíng)的零售企業(yè)開始通過各種方式“觸網(wǎng)”，紛紛開展線上業(yè)務(wù)，線上、線下零售形成互補(bǔ)與相互依賴的格局。根據(jù)CCF(連鎖經(jīng)營(yíng)協(xié)會(huì))統(tǒng)計(jì)報(bào)告，2018年連鎖百?gòu)?qiáng)線上銷售業(yè)務(wù)增長(zhǎng)55.5%，增幅高于全國(guó)線上商品零售增幅1倍以上，超市發(fā)、卜蜂蓮花、五星電器、永輝、美宜佳、百草園及中石化易捷等企業(yè)的線上零售增幅達(dá)到3位數(shù)。

從區(qū)域發(fā)展來看，省域龍頭線下零售企業(yè)經(jīng)營(yíng)效率明顯下降，無論從人效、坪效，還是毛利率等指標(biāo)來看，2018年均有下降，線上零售企業(yè)經(jīng)營(yíng)效率卻在提升；縣域企業(yè)運(yùn)營(yíng)效率明顯優(yōu)于省域，人效、坪效和毛利率均有明顯增長(zhǎng)。根據(jù)零售業(yè)上市公司2013—2018年數(shù)據(jù)，對(duì)比分析我國(guó)零售業(yè)線上、線下經(jīng)營(yíng)效率變動(dòng)態(tài)勢(shì)和影響經(jīng)營(yíng)效率變動(dòng)的因素，為提升我國(guó)零售業(yè)線上、線下企業(yè)經(jīng)營(yíng)效率提供依據(jù)，為企業(yè)轉(zhuǎn)型發(fā)展提供思路。

大型零售企業(yè)基本是“線上+線下”經(jīng)營(yíng)模式。研究選取的線上、線下零售企業(yè)，區(qū)分依據(jù)是其主營(yíng)業(yè)務(wù)和企業(yè)初始經(jīng)營(yíng)模式，并對(duì)其業(yè)務(wù)中所涉及的數(shù)據(jù)進(jìn)行剔除，以確保數(shù)據(jù)精確性。

一、文獻(xiàn)回顧

國(guó)內(nèi)外研究零售企業(yè)經(jīng)營(yíng)效率的文獻(xiàn)主要有研究方法的選擇、研究投入、產(chǎn)出和環(huán)境變量的選擇，研究工具大多為數(shù)據(jù)包絡(luò)法(DEA)。

(一)國(guó)外關(guān)于零售業(yè)經(jīng)營(yíng)效率的研究綜述

國(guó)外效率研究的方法基本都是DEA，早期文獻(xiàn)顯示DEA模型被我國(guó)學(xué)者廣泛運(yùn)用到銀行效率評(píng)價(jià)上，一般工商業(yè)企業(yè)效率評(píng)價(jià)較少使用此方法，運(yùn)用在零售業(yè)效率評(píng)價(jià)中則更少。近20年來，不斷有學(xué)者探索用DEA來評(píng)價(jià)零售業(yè)經(jīng)營(yíng)效率，有的以每平方米營(yíng)業(yè)面積的雇員數(shù)、全職員工與兼職員工比率、年薪與工資總額、店鋪經(jīng)營(yíng)年限等要素作為投入指標(biāo)，將銷售收入和運(yùn)營(yíng)結(jié)果(如利潤(rùn)額、滿意度等)定為零售產(chǎn)出指標(biāo)，運(yùn)用DEA對(duì)各類零售企業(yè)效率變化及效率進(jìn)行分析[2-3]；有的研究在零售企業(yè)經(jīng)營(yíng)效率實(shí)證分析中運(yùn)用 MPI分析研究對(duì)象效率變化，并對(duì)效率變化進(jìn)行分解[4];有研究提出決策單元的個(gè)數(shù)以高于輸入輸出指標(biāo)總個(gè)數(shù) 2-3 倍為宜，該觀點(diǎn)也得到了學(xué)界認(rèn)同[5-6]；還有研究認(rèn)為管理層經(jīng)驗(yàn)是反映企業(yè)管理水平的代理變量，而將門店數(shù)和營(yíng)業(yè)面積看作零售企業(yè)的投入，假設(shè)零售企業(yè)存在規(guī)模經(jīng)濟(jì)，則可以把這些變量作為較低的單位經(jīng)營(yíng)成本和管理成本的代理變量[5]。

(二)國(guó)內(nèi)關(guān)于零售業(yè)經(jīng)營(yíng)效率的研究綜述

國(guó)內(nèi)學(xué)者主要從靜態(tài)和動(dòng)態(tài)兩個(gè)角度出發(fā)，選用不同的研究方法和投入產(chǎn)出指標(biāo)對(duì)零售業(yè)經(jīng)營(yíng)效率及其影響因素進(jìn)行研究，關(guān)注點(diǎn)集中在投入產(chǎn)出指標(biāo)和研究方法的選取上。

從指標(biāo)選取來看，零售企業(yè)投入、產(chǎn)出變量的選擇學(xué)界尚未達(dá)成一致，學(xué)者基于零售業(yè)投入產(chǎn)出指標(biāo)的相關(guān)研究和考慮數(shù)據(jù)可獲得性等因素建立了不同的指標(biāo)體系。此外，DEA要求決策單元(DMU)數(shù)量至少是投入產(chǎn)出指標(biāo)種類和的兩倍，選取指標(biāo)時(shí)還要考慮樣本數(shù)量。有研究選用主營(yíng)業(yè)務(wù)收入和凈利潤(rùn)作為零售業(yè)產(chǎn)出指標(biāo)，投入指標(biāo)包括固定資產(chǎn)總額、營(yíng)業(yè)費(fèi)用、支付員工的費(fèi)用和存貨凈額，其中存貨凈額指標(biāo)很少有學(xué)者使用[7-9]。李陳華(2014)[10]選擇銷售額作為產(chǎn)出變量，營(yíng)業(yè)面積、年末從業(yè)人數(shù)、門店總數(shù)和市場(chǎng)份額作為投入變量，選取指標(biāo)時(shí)更注重零售市場(chǎng)的基本情況。

從研究方法看，汪旭暉 等(2009)[7]采用DEA-Malmquist指數(shù)法基于動(dòng)態(tài)視角對(duì)1998—2007年我國(guó)零售業(yè)上市公司生產(chǎn)效率進(jìn)行研究，發(fā)現(xiàn)我國(guó)零售企業(yè)效率變化有顯著的地區(qū)差異。束虹 等(2011)[11]以泛長(zhǎng)三角地區(qū)為區(qū)域研究對(duì)象，運(yùn)用DEA-CCR模型從靜態(tài)角度分析了2007—2009年零售業(yè)上市公司的技術(shù)效率，發(fā)現(xiàn)零售業(yè)技術(shù)效率呈波動(dòng)上升趨勢(shì)。楊波(2012)[8]運(yùn)用DEA、MPI和Tobit回歸模型三種方法，以2005—2010年58家零售業(yè)上市公司為樣本，從靜態(tài)、動(dòng)態(tài)和影響因素三方面進(jìn)行了經(jīng)營(yíng)效率的評(píng)價(jià)和分析，研究發(fā)現(xiàn)零售業(yè)平均經(jīng)營(yíng)效率存在一定程度下降。張麗娜(2016)[12]基于產(chǎn)出角度的規(guī)模報(bào)酬不變DEA-CCR模型研究，發(fā)現(xiàn)2012—2014年泛珠三角地區(qū)零售業(yè)經(jīng)營(yíng)效率存在東中西部地區(qū)梯度差異。葉萌 等(2017)[9]選用非參數(shù)估計(jì)的DEA—Malmquist指數(shù)法，從中級(jí)宏觀層面對(duì)2008—2015年限額以上批發(fā)和零售業(yè)下細(xì)分行業(yè)的數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)批發(fā)業(yè)全要素生產(chǎn)率呈負(fù)增長(zhǎng)，而零售業(yè)全要素生產(chǎn)率呈正增長(zhǎng)。

綜上，零售業(yè)經(jīng)營(yíng)效率的研究主要集中在全國(guó)零售業(yè)經(jīng)營(yíng)效率和區(qū)域零售業(yè)經(jīng)營(yíng)效率上，對(duì)零售企業(yè)經(jīng)營(yíng)效率的研究文獻(xiàn)很少。零售業(yè)經(jīng)營(yíng)效率的研究方法主要有DEA-CCR模型、DEA-BCC模型、超效率DEA模型、DEA-Malmquist指數(shù)法，零售業(yè)經(jīng)營(yíng)效率影響因素的研究方法有回歸分析、Tobit回歸模型和VAR模型等。從選取指標(biāo)來看，無論是國(guó)內(nèi)還是國(guó)外在零售業(yè)經(jīng)營(yíng)效率的研究中，產(chǎn)出指標(biāo)大都為主營(yíng)業(yè)務(wù)收入和凈利潤(rùn)，部分學(xué)者使用銷售額作為產(chǎn)出指標(biāo)；投入指標(biāo)的選擇變化較大，除固定資產(chǎn)總額、員工薪酬和營(yíng)業(yè)費(fèi)用等一般性指標(biāo)外，還包括零售市場(chǎng)門店數(shù)、企業(yè)數(shù)、零售企業(yè)股票市場(chǎng)等特殊指標(biāo)。

研究采用DEA方法，指標(biāo)選取在前人研究基礎(chǔ)上進(jìn)行優(yōu)化。線上、線下上市零售企業(yè)將根據(jù)實(shí)際經(jīng)營(yíng)情況選取指標(biāo)，考慮到指標(biāo)間的可比性和方便對(duì)比研究，線上零售產(chǎn)出指標(biāo)選擇主營(yíng)業(yè)務(wù)收入和凈利潤(rùn)；由于美國(guó)上市企業(yè)存在會(huì)計(jì)指標(biāo)差異，產(chǎn)出指標(biāo)選擇總資產(chǎn)、銷售、管理和行政費(fèi)用。以此建立指標(biāo)體系對(duì)我國(guó)線上、線下零售企業(yè)經(jīng)營(yíng)效率進(jìn)行比較評(píng)價(jià)，為零售業(yè)未來轉(zhuǎn)型發(fā)展提供決策參考，并實(shí)現(xiàn)對(duì)過往研究的突破。

二、實(shí)證研究

(一)模型簡(jiǎn)介

1.DEA-BCC模型

數(shù)據(jù)包絡(luò)分析法(Data Envelopment Analysis，簡(jiǎn)稱DEA)①主要包括規(guī)模報(bào)酬不變的CCR模型和規(guī)模報(bào)酬可變的BCC模型，其中BCC模型能夠進(jìn)一步將CCR模型中綜合技術(shù)效率分解為純技術(shù)效率和規(guī)模效率。本研究采用規(guī)模報(bào)酬可變的BCC模型，模型公式如下：

(1)

2.DEA-malmquist指數(shù)法

為動(dòng)態(tài)比較不同時(shí)期企業(yè)生產(chǎn)效率的變化，研究基于全要素生產(chǎn)率指數(shù)(TFPch)②來測(cè)度全要素生產(chǎn)率的變動(dòng)情況。全要素生產(chǎn)率是指在保持資本、勞動(dòng)、土地等生產(chǎn)要素不變情況下，由于企業(yè)技術(shù)升級(jí)、管理模式改進(jìn)、組織專業(yè)化水平提高、生產(chǎn)創(chuàng)新能力改進(jìn)和企業(yè)結(jié)構(gòu)升級(jí)等帶來的經(jīng)濟(jì)增長(zhǎng)。Malmquist指數(shù)法中的全要素生產(chǎn)率指數(shù)(TFPch)可分解為技術(shù)效率變化指數(shù)(EFFch)和技術(shù)進(jìn)步變化指數(shù)(TECHch)，技術(shù)效率變化指數(shù)又可以分解為純技術(shù)效率變化指數(shù)(PEch)和規(guī)模效率變化指數(shù)(SEch)，即TFPch=TECHch ×EFFch=TECHch×PEch×SEch。全要素生產(chǎn)率指數(shù)大于1時(shí)，說明企業(yè)經(jīng)營(yíng)效率有所提高，反之則表明經(jīng)營(yíng)效率有所下降。當(dāng)構(gòu)成全要素生產(chǎn)率指數(shù)中某一指數(shù)大于1時(shí)，表明該指數(shù)能促使經(jīng)營(yíng)效率提升，反之則阻礙經(jīng)營(yíng)效率的提升。

(二)決策單元與指標(biāo)選取

1.決策單元的選取

實(shí)體零售決策單元根據(jù)2012年中國(guó)證監(jiān)會(huì)發(fā)布的《上市公司分類指引》中對(duì)零售業(yè)上市公司的相關(guān)規(guī)定，從聯(lián)商網(wǎng)《2018年中國(guó)零售業(yè)上市公司營(yíng)收百?gòu)?qiáng)榜》[13]“營(yíng)收百?gòu)?qiáng)榜”前60名的零售業(yè)上市公司中剔除出現(xiàn)負(fù)值和指標(biāo)不全的上市公司，最后選擇了35家上市時(shí)間5年以上的滬深A(yù)股公司，包括8家超市、18家百貨和購(gòu)物中心、5家服飾企業(yè)、1家家電企業(yè)、3家藥妝企業(yè)。我國(guó)網(wǎng)絡(luò)零售業(yè)發(fā)展時(shí)間較短且正處于上升期，許多線上零售公司上市時(shí)間較短甚至還未成功上市，本研究的線上零售決策單元選擇了18家上市時(shí)間超過5年的上市公司，其中5家在美國(guó)上市，13家為滬深A(yù)股公司。

2.指標(biāo)選取與數(shù)據(jù)來源

(1)指標(biāo)選取

零售企業(yè)運(yùn)營(yíng)需要多種投入，如房屋、貨架等固定資產(chǎn)投資、員工工資、銷售費(fèi)用、管理費(fèi)用及廣告費(fèi)用等。衡量零售企業(yè)的產(chǎn)出有多種標(biāo)準(zhǔn)，如主營(yíng)業(yè)務(wù)收入、營(yíng)業(yè)外收入、凈利潤(rùn)和每股收益等。本研究線下零售企業(yè)的產(chǎn)出指標(biāo)選擇主營(yíng)業(yè)務(wù)收入和凈利潤(rùn)，投入指標(biāo)選擇總資產(chǎn)、銷售費(fèi)用和管理費(fèi)用；線上零售企業(yè)的產(chǎn)出指標(biāo)選擇主營(yíng)業(yè)務(wù)收入和凈利潤(rùn)，投入指標(biāo)選擇總資產(chǎn)和銷售、管理、行政費(fèi)用。選擇主營(yíng)業(yè)務(wù)收入是因?yàn)榭梢愿咏闶燮髽I(yè)經(jīng)營(yíng)主營(yíng)業(yè)務(wù)所獲得的銷售額，凈利潤(rùn)可以很好地反映企業(yè)經(jīng)營(yíng)質(zhì)量和經(jīng)營(yíng)成果。從2014—2018年數(shù)據(jù)看，主營(yíng)業(yè)務(wù)收入、凈利潤(rùn)兩者相關(guān)度比較高(相關(guān)度平均約為0.8)，所以這兩個(gè)指標(biāo)結(jié)合起來使用可以更好地度量零售企業(yè)產(chǎn)出?？傎Y產(chǎn)是公司運(yùn)營(yíng)投入的全部資產(chǎn)，包括有形資產(chǎn)、無形資產(chǎn)、流動(dòng)資產(chǎn)和固定資產(chǎn)；銷售費(fèi)用是指零售企業(yè)經(jīng)營(yíng)過程中為實(shí)現(xiàn)商品銷售而產(chǎn)生的費(fèi)用，包括促銷費(fèi)用、廣告費(fèi)用；管理費(fèi)用是指零售企業(yè)管理企業(yè)資產(chǎn)和員工產(chǎn)生的費(fèi)用，三大指標(biāo)相結(jié)合可有效反映零售企業(yè)的投入情況。

(2)數(shù)據(jù)來源

本研究決策單元的原始數(shù)據(jù)來源于網(wǎng)易財(cái)經(jīng)和中商產(chǎn)業(yè)研究院;線下零售數(shù)據(jù)來源于網(wǎng)易財(cái)經(jīng)，數(shù)據(jù)均為正值，可以進(jìn)行DEA分析；線上零售數(shù)據(jù)來源于網(wǎng)易財(cái)經(jīng)和中商產(chǎn)業(yè)研究院，數(shù)據(jù)有負(fù)值。DEA要求決策單元的數(shù)量至少為投入產(chǎn)出指標(biāo)種類和的兩倍，故不能直接去除負(fù)值，而需要進(jìn)行數(shù)據(jù)無量綱化處理，全部原始數(shù)據(jù)處理后的值都將在0.1至1區(qū)間內(nèi)。根據(jù)DEA理論，無量綱化處理后，決策單元之間的相對(duì)關(guān)系不會(huì)發(fā)生變化，決策單元經(jīng)營(yíng)有效性的評(píng)價(jià)結(jié)果也不會(huì)受到影響。具體處理方法如下：

(2)

(三)線下零售企業(yè)與線上零售企業(yè)經(jīng)營(yíng)效率靜態(tài)分析

1.線下零售企業(yè)經(jīng)營(yíng)效率靜態(tài)分析

研究所涉線上、線下企業(yè)中，大部分企業(yè)都同時(shí)開展了線上、線下經(jīng)營(yíng)。這里特別說明，線下企業(yè)是指主營(yíng)業(yè)務(wù)在線下開展(且公司初始就是從線下開始經(jīng)營(yíng)的)，所涉及的經(jīng)營(yíng)數(shù)據(jù)僅僅包括實(shí)體店的業(yè)務(wù)，線上業(yè)務(wù)被剔除。同樣，線上企業(yè)是指主營(yíng)業(yè)務(wù)在線上開展(且公司初始就是從線上開始經(jīng)營(yíng)的)，所涉及的經(jīng)營(yíng)數(shù)據(jù)僅僅包括線上業(yè)務(wù)，線下業(yè)務(wù)被剔除。

研究對(duì)35家線下零售企業(yè)相關(guān)指標(biāo)數(shù)據(jù)進(jìn)行處理后，采用DEAP 2.1軟件，選擇以投入為導(dǎo)向的DEA-BCC 模型對(duì)2016—2018年我國(guó)線下零售企業(yè)經(jīng)營(yíng)效率進(jìn)行靜態(tài)測(cè)度與評(píng)價(jià)，得到綜合技術(shù)效率(TE)、純技術(shù)效率(PTE)、規(guī)模效率(SE)和規(guī)模報(bào)酬?duì)顟B(tài)(irs表示規(guī)模報(bào)酬遞增，drs表示規(guī)模報(bào)酬遞減)，結(jié)果見表1。

表1 2016—2018年35家線下零售企業(yè)經(jīng)營(yíng)效率靜態(tài)分析表

(1)綜合效率分析

綜合技術(shù)效率(TE)是衡量各零售業(yè)上市公司資源配置和使用效率等能力的關(guān)鍵指標(biāo)，若決策單元 DMU 的綜合技術(shù)效率 TE 等于 1，表明該決策單元 DMU的投入產(chǎn)出要素達(dá)到技術(shù)效率前沿，且技術(shù)和規(guī)模均有效。由表 1 ，整體而言，2016—2018年35家線下零售企業(yè)綜合技術(shù)效率均值為0.787,表明企業(yè)經(jīng)營(yíng)效率雖然較高，但仍有很大上升空間。3年內(nèi)只有小商品城、重慶百貨和安踏體育綜合技術(shù)效率均為1，達(dá)到技術(shù)效率前沿，表明上述企業(yè)投入要素達(dá)到資源配置最優(yōu)狀態(tài)，各類資源要素的利用率達(dá)到最大化，經(jīng)營(yíng)效率處于最佳水平。其次，家家悅、大東方和嘉事堂這3年綜合技術(shù)效率幾乎也均為1，但這3家企業(yè)在2018年純技術(shù)效率和規(guī)模效率均有小幅度下降。從時(shí)間維度來看，2017年35家線下零售企業(yè)的綜合技術(shù)效率均值為0.782，與2016年相比下降了0.072，其中有8家線下零售企業(yè)綜合技術(shù)效率為1，占比22.86%，分別是家家悅、首商股份、小商品城、大東方、重慶百貨、安踏體育、宏圖高科和嘉事堂。2018年35家線下零售企業(yè)的綜合技術(shù)效率均值為0.724，與2017年相比下降了0.058，其中有6家線下零售企業(yè)綜合技術(shù)效率為1，占比17.14%，分別是鄂武商A、小商品城、重慶百貨、搜于特、安踏體育和海瀾之家。2016—2018年綜合技術(shù)效率存在明顯波動(dòng)，從2016年的0.854下降到2018年的0.724，說明線下零售企業(yè)的經(jīng)營(yíng)效率呈下降趨勢(shì)。

(2)純技術(shù)效率分析

由表 1，2016—2018年這35家線下零售企業(yè)的純技術(shù)效率均值為0.879，均值小于1說明企業(yè)技術(shù)應(yīng)用和創(chuàng)新水平落后，從而導(dǎo)致經(jīng)營(yíng)效率下降。3年內(nèi)僅永輝超市、鄂武商A、大商股份、重慶百貨、安踏體育、小商品城、大東方、廣百股份、搜于特、海瀾之家和嘉事堂的純技術(shù)效率均為1，表明企業(yè)要素投入合理有效、技術(shù)不斷進(jìn)步。從時(shí)間維度看，2016—2018年純技術(shù)效率均值分別為0.939、0.874和0.825，均值下降趨勢(shì)明顯，表明線下零售企業(yè)技術(shù)進(jìn)步的投入滯后于規(guī)模擴(kuò)張的投入。

(3)規(guī)模效率分析

由表1，2016—2018年我國(guó)35家線下零售企業(yè)的規(guī)模效率均值為0.892，表明這 35家線下零售企業(yè)規(guī)模效率均偏低，我國(guó)線下零售業(yè)總體規(guī)模仍有擴(kuò)大空間。從時(shí)間維度看，2016—2018年規(guī)模效率均值分別為0.908、0.895和0.874，呈現(xiàn)明顯下降趨勢(shì)，可能是由于網(wǎng)絡(luò)零售的高速發(fā)展和新線下零售企業(yè)進(jìn)入，市場(chǎng)競(jìng)爭(zhēng)更為激烈，關(guān)店潮等引發(fā)各線下零售企業(yè)總體規(guī)?？s減，導(dǎo)致要素與資源配置不合理、經(jīng)營(yíng)效率下降。從時(shí)間維度來看，2017年10家線下零售企業(yè)處于規(guī)模報(bào)酬遞減階段，占比28.57%，16家線下零售企業(yè)處于規(guī)模報(bào)酬遞增階段，占比45.71%。2018年6家線下零售企業(yè)處于規(guī)模報(bào)酬遞減階段，占比17.14%，23家線下零售企業(yè)處于規(guī)模報(bào)酬遞增階段，占比65.71%。一定程度上表明，2017—2018年我國(guó)線下零售企業(yè)因轉(zhuǎn)型而出現(xiàn)規(guī)模報(bào)酬遞增。

2.線上零售企業(yè)經(jīng)營(yíng)效率靜態(tài)分析

采用DEAP 2.1軟件對(duì)18家線上零售企業(yè)進(jìn)行DEA分析，選擇以投入為導(dǎo)向的DEA-BCC 模型，得到其經(jīng)營(yíng)效率靜態(tài)數(shù)據(jù)，如表2所示：

表2 2016—2018年18家線上零售企業(yè)經(jīng)營(yíng)效率靜態(tài)測(cè)度表

(1)綜合技術(shù)效率分析

由表 2 ，2016—2018年18家線上零售企業(yè)綜合技術(shù)效率均值為0.743，說明企業(yè)效率較低、資源效率配置不合理，我國(guó)線上零售企業(yè)經(jīng)營(yíng)效率還有很大提升空間。此期間，鮮有企業(yè)在3年內(nèi)保持綜合技術(shù)效率為1，唯有蘭亭集勢(shì)3年綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率均為1。2016—2018年18家線上零售企業(yè)綜合技術(shù)效率均值分別為0.750、0.804、0.676，呈先升后降的趨勢(shì)。

(2)純技術(shù)效率分析

由表2，2016—2018年18家線上零售企業(yè)純技術(shù)效率均值為0.789，說明企業(yè)效率較低，線上零售企業(yè)的管理體系和技術(shù)應(yīng)用水平偏低。2016—2017年純技術(shù)效率均值大于規(guī)模效率均值，說明綜合技術(shù)效率的提高更多依賴于純技術(shù)效率的提升。2016—2018年18家線上零售企業(yè)純技術(shù)效率均值為0.822、0.829、0.721，呈先增后減態(tài)勢(shì)。3年內(nèi)純技術(shù)效率均值大于0.9的企業(yè)有南極電商、寶貝格子和蘭亭集勢(shì)，說明這3家企業(yè)在管理和技術(shù)方面的效率較穩(wěn)定。

(3)規(guī)模效率分析

由表 2，2016—2018年18家網(wǎng)絡(luò)零售上市公司規(guī)模效率均值為0.937，規(guī)模效率較高，規(guī)模調(diào)整后還可提高效率。2016—2018年18家線上零售企業(yè)規(guī)模效率均值分別為0.920、0.942、0.950，規(guī)模效率均值逐年遞增，3年內(nèi)規(guī)模效率均值大于0.9的企業(yè)有京東、探路者、寶貝格子等13家。2016年有11家企業(yè)處于規(guī)模報(bào)酬遞增狀態(tài)，3家企業(yè)處于規(guī)模報(bào)酬遞減狀態(tài)，4家處于規(guī)模報(bào)酬不變狀態(tài)；2017年有11家企業(yè)處于規(guī)模報(bào)酬遞增狀態(tài)，無企業(yè)處于規(guī)模報(bào)酬遞減狀態(tài)，7家處于規(guī)模報(bào)酬不變狀態(tài)；2018年有2家企業(yè)處于規(guī)模報(bào)酬遞增狀態(tài)，12家企業(yè)處于規(guī)模報(bào)酬遞減狀態(tài)，4家處于規(guī)模報(bào)酬不變狀態(tài)。

(四)線下零售企業(yè)與線上零售企業(yè)經(jīng)營(yíng)效率動(dòng)態(tài)分析

1.線下零售與線上零售企業(yè)經(jīng)營(yíng)效率動(dòng)態(tài)分析

研究就選取的2014—2018年35家線下零售企業(yè)和18家線上零售企業(yè)經(jīng)營(yíng)效率進(jìn)行比較。

(1)線下零售與線上零售企業(yè)經(jīng)營(yíng)效率時(shí)間特征

就2014—2018年經(jīng)營(yíng)綜合效率、純技術(shù)效率、技術(shù)效率、規(guī)模效率等方面的時(shí)間特征進(jìn)行比較。

表3 2014—2018年我國(guó)35家線下零售與18家線上零售上市企業(yè)全要素生產(chǎn)率變化情況表

由表3，5年來線下零售企業(yè)全要素生產(chǎn)率指數(shù)均值為0.978，高于線上的均值0.912。從各階段實(shí)際情況來看，線下零售企業(yè)全要素生產(chǎn)率除2017—2018年外都高于線上零售企業(yè)。線下零售企業(yè)的全要素生產(chǎn)率呈逐年上升趨勢(shì)，而線上零售企業(yè)全要素生產(chǎn)率3年持續(xù)下降后，在2017—2018年又明顯上升。

無論是線上還是線下，全要素生產(chǎn)率變化指數(shù)小于1，說明資源配置效率下降導(dǎo)致企業(yè)經(jīng)營(yíng)效率下降，未來企業(yè)應(yīng)注重提高實(shí)體零售業(yè)全要素生產(chǎn)率。從技術(shù)效率變化指數(shù)(effh)和技術(shù)進(jìn)步變化指數(shù)(techch)看，35家線下零售企業(yè)在2014—2018年技術(shù)進(jìn)步變化指數(shù)均值為1.029，年平均增長(zhǎng)率為4.44%，說明全要素生產(chǎn)率的提升主要得益于技術(shù)進(jìn)步變化指數(shù)的提高。技術(shù)效率變化指數(shù)均值為0.954，說明技術(shù)效率水平呈現(xiàn)負(fù)增長(zhǎng)狀態(tài)，且年均增長(zhǎng)率為-2.91%。其中，純技術(shù)效率變化指數(shù)均值為0.964，年均增長(zhǎng)率為-2.38%;規(guī)模效率變化指數(shù)均值為0.989，其年均增長(zhǎng)率為-0.59%，技術(shù)效率變化指數(shù)小于1更多是由于純技術(shù)效率變化指數(shù)的降低引起。

(2)35家線下零售企業(yè)與18家線上零售企業(yè)Malmquist指數(shù)及分解指標(biāo)

在對(duì)35家線下零售企業(yè)經(jīng)營(yíng)效率進(jìn)行靜態(tài)分析的基礎(chǔ)上，分析經(jīng)營(yíng)效率呈現(xiàn)高低變化的深層次原因，即全要素生產(chǎn)率變化情況。同時(shí)，明確造成全要素生產(chǎn)率水平變化的原因分別有純技術(shù)效率水平、技術(shù)進(jìn)步水平和規(guī)模效率水平。對(duì)35家線下零售企業(yè)經(jīng)營(yíng)效率進(jìn)行動(dòng)態(tài)測(cè)度，能更全面地反映各線下零售企業(yè)經(jīng)營(yíng)效率的差異化特征。

表4 2014—2018年我國(guó)35家線下零售上司公司Malmquist指數(shù)及其分解指標(biāo)表

由表4，有11家企業(yè)的全要素生產(chǎn)率指數(shù)大于1，說明企業(yè)全要素生產(chǎn)率呈正增長(zhǎng)狀態(tài)，分別有中百集團(tuán)、北京京客隆、紅旗連鎖、鄂武商A、小商品城、供銷大集、廣百股份、安踏體育、搜于特、海瀾之家和嘉事堂，占比31.43%；其余24家線下零售企業(yè)的全要素生產(chǎn)率指數(shù)小于1，說明企業(yè)全要素生產(chǎn)率呈負(fù)增長(zhǎng)狀態(tài)，占比68.57%。

從業(yè)態(tài)來看，綜合效率均值最高的是超市(0.987)、服飾專賣店(0.966)、百貨(0.945)、藥妝(0.944)及家電(0.919)。

線下零售企業(yè)的綜合技術(shù)效率均值0.787，大于線上零售企業(yè)的綜合技術(shù)效率均值0.743，說明我國(guó)實(shí)體零售經(jīng)營(yíng)效率高于網(wǎng)絡(luò)零售經(jīng)營(yíng)效率。線下零售企業(yè)和線上零售企業(yè)的綜合技術(shù)效率小于1均是由純技術(shù)效率和規(guī)模效率偏低導(dǎo)致，其中主要是規(guī)模效率的拉動(dòng)。

表5 2014—2018年我國(guó)18家線上零售企業(yè)Malmquist指數(shù)及其分解指標(biāo)表

由表5，有6家企業(yè)全要素生產(chǎn)率指數(shù)大于1，分別是阿里巴巴、唯品會(huì)、南極電商、魚躍醫(yī)療、九陽(yáng)股份和蘭亭集勢(shì)，占比33.33%，說明這6家企業(yè)全要素生產(chǎn)率水平呈正增長(zhǎng)狀態(tài)，資源配置效率提高；同時(shí)，6家企業(yè)全要素生產(chǎn)率變化指數(shù)大于1,主要是技術(shù)效率水平的提高所導(dǎo)致。其余12家企業(yè)的全要素生產(chǎn)率指數(shù)小于1，占比66.67%，說明企業(yè)全要素生產(chǎn)率呈現(xiàn)負(fù)增長(zhǎng)狀態(tài)。

從實(shí)體零售與網(wǎng)絡(luò)零售的平均效率來看，實(shí)體零售的綜合效率、規(guī)模效率皆低于網(wǎng)絡(luò)零售，而技術(shù)效率、純技術(shù)效率、全要素生產(chǎn)率要高于網(wǎng)絡(luò)零售。

三、結(jié)論與建議

(一)結(jié)論

1.自2014年來，我國(guó)線下、線上零售企業(yè)經(jīng)營(yíng)效率和全要素生產(chǎn)率均偏低，且變動(dòng)不大、增長(zhǎng)不明顯，甚至個(gè)別年份有下降趨勢(shì)。2014—2018年是線上、線下零售競(jìng)爭(zhēng)最激烈的5年，2016年開始線上、線下零售呈融合發(fā)展趨勢(shì)，但依然以競(jìng)爭(zhēng)為主?？傮w來看，線下零售企業(yè)的經(jīng)營(yíng)效率高于線上零售企業(yè)。

2.線上零售企業(yè)規(guī)模效率高于線下零售企業(yè)。2014年以來，線上零售企業(yè)規(guī)模擴(kuò)張速度高于線下，處于規(guī)模效率提升階段；與此同時(shí)，線下零售企業(yè)處于關(guān)店壓縮規(guī)模階段，規(guī)模效率下降。線下零售企業(yè)正處于轉(zhuǎn)型升級(jí)階段，轉(zhuǎn)型方向是與線上零售融合發(fā)展、步入新零售階段，如蘇寧易購(gòu)(蘇寧易購(gòu)歸屬于線上零售企業(yè))，其經(jīng)營(yíng)效率無論較之其他線下還是線上零售企業(yè)均為優(yōu)質(zhì)高效企業(yè)，對(duì)總績(jī)效影響明顯。線上零售企業(yè)轉(zhuǎn)型的力度和成效高于線下零售企業(yè)。

3.就線上與線下零售企業(yè)前5位的經(jīng)營(yíng)效率進(jìn)行比較，發(fā)現(xiàn)這些公司中線下經(jīng)營(yíng)效率低于線上，線上零售企業(yè)前5位經(jīng)營(yíng)效率各指標(biāo)普遍較高。經(jīng)營(yíng)效率高的零售上市公司基本都是新零售的積極探索者，且轉(zhuǎn)型為企業(yè)發(fā)展帶來效率提升，如阿里巴巴、京東、蘇寧易購(gòu)。

4.轉(zhuǎn)型和創(chuàng)新帶來了企業(yè)效率的提升。線上、線下零售企業(yè)經(jīng)營(yíng)效率不穩(wěn)定與效率水平偏低的情況并存，這些不足和市場(chǎng)競(jìng)爭(zhēng)緊密關(guān)聯(lián)。一方面，近十年來零售業(yè)線上線下、國(guó)內(nèi)國(guó)外企業(yè)和業(yè)態(tài)之間、新進(jìn)入者與在位者之間、新零售與傳統(tǒng)零售之間的競(jìng)爭(zhēng)無處不在，尤其近兩年來新零售的快速發(fā)展是推動(dòng)零售業(yè)競(jìng)爭(zhēng)力提升的根源之一；另一方面，從CR4和CR8③可以看出零售業(yè)過度競(jìng)爭(zhēng)這一現(xiàn)實(shí)。競(jìng)爭(zhēng)促進(jìn)轉(zhuǎn)型的同時(shí)，帶來了零售業(yè)創(chuàng)新經(jīng)營(yíng)，如素型生活館基于大數(shù)據(jù)做消費(fèi)場(chǎng)景，不僅實(shí)現(xiàn)了店鋪規(guī)模的快速發(fā)展，還帶來了營(yíng)業(yè)額的迅速提升；宏圖高科的宏圖Brookstone在新零售上進(jìn)行探索，用數(shù)據(jù)打造“新奇特”生態(tài)圈，以消費(fèi)者為核心的多樣化場(chǎng)景體驗(yàn)等創(chuàng)新經(jīng)營(yíng)，已經(jīng)在市場(chǎng)上和消費(fèi)者心目中成為與盒馬鮮生并駕齊驅(qū)的新商業(yè)模式，企業(yè)經(jīng)營(yíng)成效迅速凸顯，技術(shù)效率和規(guī)模效率提升明顯。

實(shí)證結(jié)果表明，零售業(yè)線上線下競(jìng)爭(zhēng)并非單純競(jìng)爭(zhēng)關(guān)系，還包含相互補(bǔ)充、相互促進(jìn)的關(guān)系。凡是線上、線下融合發(fā)展的零售企業(yè)，其綜合效率、技術(shù)效率、規(guī)模效率、全要素生產(chǎn)率均比單一經(jīng)營(yíng)線上業(yè)務(wù)或者線下業(yè)務(wù)的零售企業(yè)要高，這也進(jìn)一步證明新零售是未來發(fā)展主流方向，全渠道是新零售的必然選擇。零售業(yè)未來發(fā)展應(yīng)是“線上零售+線下零售+現(xiàn)代物流”的結(jié)合。

受新消費(fèi)的影響，傳統(tǒng)零售業(yè)態(tài)效率下降，如百貨業(yè)效率低且轉(zhuǎn)型壓力明顯大于超市，當(dāng)下傳統(tǒng)電商和實(shí)體零售店的倒閉、關(guān)店潮也可進(jìn)一步證明：零售業(yè)轉(zhuǎn)型與創(chuàng)新壓力不斷加大，新消費(fèi)需要新零售來更好地滿足其需求。據(jù)聯(lián)商網(wǎng)不完全統(tǒng)計(jì)，2016年全年我國(guó)46家百貨店和購(gòu)物中心經(jīng)營(yíng)企業(yè)共關(guān)閉56家門店；全球來看，2015年樂購(gòu)關(guān)閉了43家門店，2016年沃爾瑪關(guān)閉了269家門店，2017年百貨業(yè)關(guān)閉61家門店，2018年借助新零售，新開店數(shù)量又有所增加。

(二)建議

為提升我國(guó)線上、線下零售企業(yè)經(jīng)營(yíng)效率，研究提出以下建議：

1.持續(xù)開展“線上+線下+物流”融合發(fā)展的新零售模式

線上、線下零售企業(yè)均可通過收購(gòu)、持股、開店或開發(fā)線上平臺(tái)等多種措施開展線下線上業(yè)務(wù)，同時(shí)融合物流業(yè)，逐漸形成“線上+線下+物流+支付”全渠道模式。如阿里巴巴、百聯(lián)、蘇寧、銀泰、三江購(gòu)物、易果生鮮、盒馬鮮生等企業(yè)基本完成百貨、數(shù)碼家電、生鮮、超市、綜合零售業(yè)線上、線下布局，整合線上線下資源逐步實(shí)現(xiàn)全渠道經(jīng)營(yíng)模式，提升線上線下零售企業(yè)的經(jīng)營(yíng)效率。通過打造“線上+線下+物流”深度融合發(fā)展模式，搭建“便捷+社交+體驗(yàn)”綜合購(gòu)物空間和平臺(tái)。提升零售業(yè)人才素養(yǎng)，培育通曉線上線下業(yè)務(wù)的綜合優(yōu)質(zhì)專業(yè)管理團(tuán)隊(duì)。推進(jìn)供應(yīng)鏈管理改革，提升供應(yīng)鏈管理水平。

2.線上、線下經(jīng)營(yíng)要重視“六大思維”，提升零售企業(yè)競(jìng)爭(zhēng)力和全要素生產(chǎn)率

六大思維即客戶思維、大數(shù)據(jù)思維、社會(huì)化思維、共享思維、極致思維和跨界思維?？蛻羲季S是指在價(jià)值鏈各環(huán)節(jié)都要以“顧客為中心”進(jìn)行線上、線下資源配置。互聯(lián)網(wǎng)時(shí)代，信息不對(duì)稱現(xiàn)象得以緩解，信息透明化使得用戶可獲得更大的話語(yǔ)權(quán)，“以客戶為中心”顯得異常重要。不僅要以聽取客戶需求為基礎(chǔ)，解決客戶問題，最關(guān)鍵的是讓客戶參與到價(jià)值鏈的每一個(gè)環(huán)節(jié)，從需求開始貫穿信息收集、產(chǎn)品構(gòu)思、產(chǎn)品設(shè)計(jì)、研發(fā)、測(cè)試、生產(chǎn)、銷售和服務(wù)等，這是線上線下融合發(fā)展的基礎(chǔ)。大數(shù)據(jù)思維可通過線上零售企業(yè)收集消費(fèi)者數(shù)據(jù)并將消費(fèi)者信息數(shù)字化，以此為基礎(chǔ)將線上、線下企業(yè)商品數(shù)字化，基于匹配供需的算法高效精準(zhǔn)地滿足或推送市場(chǎng)需求。社會(huì)化思維是指利用社會(huì)化工具、媒體、社會(huì)化網(wǎng)絡(luò)重塑線上、線下零售企業(yè)和顧客之間的溝通關(guān)系，利用好各種線上社交網(wǎng)絡(luò)平臺(tái)與顧客進(jìn)行對(duì)話式信息收集，建立平等的溝通氛圍。共享思維即零售企業(yè)要利用共享經(jīng)濟(jì)思維方式，充分利用資源提升經(jīng)營(yíng)效率，如共享物流、共享采購(gòu)、共享各種過剩資源，這也是提升零售企業(yè)資源利用效率非常重要的思路。極致思維是引導(dǎo)零售企業(yè)將商品及其相關(guān)的資源都做到最好?？缃缢季S是要多角度、多視野看待問題和解決問題，零售企業(yè)可通過跨界來尋找新增長(zhǎng)點(diǎn)，如餐飲、旅游、游戲、娛樂等領(lǐng)域相結(jié)合形成新業(yè)態(tài)，實(shí)現(xiàn)資源互相帶動(dòng)，進(jìn)而提升經(jīng)營(yíng)效率。

3.充分利用新技術(shù)，提升規(guī)模效率和技術(shù)效率

線上線下結(jié)合的關(guān)鍵點(diǎn)是大數(shù)據(jù)和人工智能。線上經(jīng)營(yíng)大數(shù)據(jù)可助力線下零售業(yè)商品選擇、顧客特征分析等，從而更精準(zhǔn)地為顧客提供服務(wù)。利用結(jié)構(gòu)性數(shù)據(jù)分析可為顧客提供更多元化的商品，提升店內(nèi)轉(zhuǎn)化率；利用大數(shù)據(jù)充分掌握消費(fèi)特征，提高消費(fèi)者商品購(gòu)買的連帶率和體驗(yàn)感；人工智能和大數(shù)據(jù)結(jié)合可以強(qiáng)化品牌認(rèn)知、打通渠道，真正實(shí)現(xiàn)線上線下無縫鏈接，提高零售企業(yè)的規(guī)模效率和技術(shù)效率。

注釋：

①1978年美國(guó)學(xué)者A.Charnes、W.W.Coopor和E.Rhodes提出數(shù)據(jù)包絡(luò)分析法(Data Envelopment Analysis，簡(jiǎn)稱DEA)，DEA是以相對(duì)效率概念為基礎(chǔ)，運(yùn)用數(shù)學(xué)規(guī)劃模型來評(píng)價(jià)具有相同類型的多投入、多產(chǎn)出的決策單元是否相對(duì)有效的一種非參數(shù)統(tǒng)計(jì)方法。

②即基于Caves等提出的Malmquist生產(chǎn)率指數(shù)，F(xiàn)are 等構(gòu)建的基于DEA的 Malmquist指數(shù)。

③CRn行業(yè)集中度是指某行業(yè)的相關(guān)市場(chǎng)內(nèi)前N家最大的企業(yè)所占市場(chǎng)份額(產(chǎn)值、產(chǎn)量、銷售額、銷售量、職工人數(shù)、資產(chǎn)總額等)的總和，是對(duì)整個(gè)行業(yè)的市場(chǎng)結(jié)構(gòu)集中程度的測(cè)量指標(biāo)，用來衡量企業(yè)的數(shù)目和相對(duì)規(guī)模的差異，也是市場(chǎng)勢(shì)力的重要量化指標(biāo)。