内容摘要：文章整合了产业经济理论、人力资本理论、公司治理理论以及制度理论等视角，着重分析企业规模、人才资源、企业所有制和企业所处区域对于物流企业竞争力的影响程度。以我国88家上市公司2010—2017数据为例，基于多元线性回归模型对我国物流企业竞争能力的影响因素进行分析。研究表明：物流企业规模、人员配置及生产和服务能力是影响我国物流企业竞争力的关键因素，企业规模的扩大，从业人员教育水平的提升，生产和服务能力的提高可以很好的提升物流企业竞争力。此外，企业的性质、区位、年份等也是影响物流公司竞争能力的主要因素，尤其是区位因素对物流企业的竞争力有较强的影响。
关键词：物流公司 竞争力因素 多元线性回归模型
引言
数据显示，2017年我国社会物流总额为229.7万亿元，同比增长10.61%。物流行业内通常利用社会物流费用占GDP的比重来衡量国家或地区物流产业的发展水平，2017年我国社会物流总费用占GDP的比重由原来的17.8%下降到14.9%，比重明显降低，与发达国家相比存在一定差距。因此当前我国的主要任务仍是提升我国物流产业的发展水平。物流产业发展水平的提升与我国物流公司的发展状况休戚相关，因此物流产业发展水平的提高应基于我国物流公司市场竞争能力的提升。而物流公司竞争能力的提高应从其主要的影响因素着手，故对我国物流公司竞争能力的研究至关重要，只有明晰了物流公司竞争力的主要影响因素，才能逐步提升我国物流产业发展水平。
文献综述
通过对以往研究文献的梳理本文发现国内学者对物流企业竞争力的研究集中在两大方面。其一，构建物流企业竞争力评价体系。江京金（2012）基于G-ANP方法从创新能力、财力资本、人力资本等方面对我国物流企业的竞争能力进行分析，认为创新能力是物流企业的核心竞争力所在。其二，通过对物流竞争力相似指标进行衡量，间接反映物流公司的竞争能力。杨国胜（2012）基于DIDF方法和AHP方法对我国物流企业的竞争能力进行评价，认为物流企业的偿债能力、盈利能力能够对企业竞争力产生显著影响；徐静（2013）的研究表明偿债能力和盈利能力是提升物流企业竞争能力的关键。虽然学者们从各个角度对我国物流企业的竞争力进行实证分析，但是其指标的选择有一定的片面性，如区位因素，不同地区的物流企业其竞争能力必然有所差别，此外时间、企业性质等都是不可缺少的因素。本文综合上述学者的研究方法，适当加入一些指标，以期能够准确的对我国物流企业的竞争能力进行评价与分析。
实证分析
（一）数据来源与变量选取
1.数据来源。本文所有数据均来源于国泰安CSMAR数据库，在对企业进行筛选时笔者发现在国泰安CSMAR数据库中有许多中小企业的数据并不全面，基于数据的可获得性本文在国泰安CSMAR数据库中选取了相关数据较为全面的88家物流企業，其中公共交通方面的7家、运输服务方面的28家、仓储方面的16家、交通设施类型的37家。这些企业所处的位置各不相同，处于华南地区的14家，处于华中地区的21家，处于华北地区的18家，处于华东地区的30家，处于西南地区的5家，对不同地区的企业进行分类回归可以反映我国不同地区物流公司竞争力的不同。考虑到不同年份这些物流公司的竞争力水平可能会发生变化，本文选取了2010—2017年物流企业的相关数据，以此说明年份对物流公司竞争力的影响。
2.变量的设定与选取。通过净资产收益率，净利润率、净资产比率、资产负债率这4大要素可以在一定程度上反映一个公司的竞争力，本文将这4大变量作为自变量，用来表示公司竞争能力的强弱。根据以往学者的研究经验和笔者的调研发现，企业的规模、人员配置、企业性质、企业生产能力以及企业位置是物流企业竞争能力的主要影响因素，本文将企业规模、人员配置以及企业性质这3大变量作为自变量，而把企业位置作为控制变量。由于不同年份物流企业的竞争能力会有所不同，所以本文将年份作为虚拟变量。各变量具体名称与符号如表1所示。
在表1中，本文首先定义了因变量、自变量、控制变量以及虚拟变量，在此有必要对上述变量的计算做出说明。因变量中，净资产收益率等于企业净利润与净资产的比值，净利润率为企业净利润与主营业务收入的比值，净资产比率为企业净资产与总资产的比率，资产负债率为企业负债总额与资产总额的比值。自变量中，本文利用公司的资产总额来表示公司规模的大小，利用本科以上从业人员的数量与企业总从业人员数量的比值表示企业的人员配置，企业的生产能力用每年企业生产的产品或者提供的服务次数来衡量。企业的位置分别用R1、R2、R3、R4、R5表示华北、华东、华南、华中、西南。
（二）模型的构建
经济学中探求某一变量受多种变量影响最常使用的模型就是多元线性回归模型，其基本形式如方程1所示：
Yi =a+b1 X1+b2 X2+b3 X3…+bn Xn+c （1）
其中，Yi表示因变量，a为常数项，X1…Xn为自变量，c随机变量。由此本文构建了模型1表示企业规模、人员配置等自变量，企业性质、企业位置两个控制变量，年份虚拟变量与所选择的88家物流企业的净资产收益率（ROE）之间的关系；模型2表示企业规模、人员配置等自变量，企业性质、企业位置两个控制变量，年份虚拟变量与所选择的88家物流企业的净利润率（NPM）之间的关系；模型3表示企业规模、人员配置等自变量，企业性质、企业位置两个控制变量，年份虚拟变量与所选择的88家物流企业的净资产比率（ER）之间的关系；模型4表示企业规模、人员配置等自变量，企业性质、企业位置两个控制变量，年份虚拟变量与所选择的88家物流企业的资产负债率（DAR）之间的关系。
模型1：ROE=a+b1Size+b2HR+b3LR+b4NAT+b5R1+b6R2 +b7R3+b8R4+b9R5+b10YEAR+c （2）
模型2：NPM=a+b1Size+b2HR+b3 LR+b4 NAT+b5R1+b6R2
+b7R3+b8R4+b9R5+b10YEAR+c （3）
模型3：ER=a+b1Size+b2HR+b3LR+b4NAT+b5R1+b6R2 +b7R3+b8R4+b9R5+b10YEAR+c （4）
模型4：DAR=a+b1Size+b2HR+b3LR+b4NAT+b5R1+b6R2 +b7R3+b8R4+b9R5+b10YEAR+c （5）
公式（2）、（3）、（4）、（5）的相关系数a、bn、c并不表示同一数值，笔者之所以这样表示是为了使各模型保持一致方便读者阅读和理解。
（三）回归分析
基于模型1-4，并利用SPSS22.0对表1的变量进行回归分析，笔者对SPSS的输出结果进行整理，如表2所示。
根据学术界认定的SPSS的显著性标准，如果Sig值大于0.05则不能拒绝原假设，即回归结果不显著，因变量与自变量、控制变量等相关变量之间没有显著的线性关系，此时模型无效；如果Sig小于0.05则可以拒绝原假设，即回归结果显著，因变量与自变量，控制变量等相关因素之间具有显著的线性相关关系。如表2所示模型1的Sig值为0.142大于0.05，所以模型1的回归结果失效，企业规模、人员配置等变量与企业的净资产收益率（ROE）之间没有显著的线性相关关系；模型2、模型3以及模型4的Sig值分别为0.033、0.025、0.047均小于0.05，所以企业规模、人员配置与企业的净利润率（NPM）、净资产比率（ER）、资产负债率（DAR）之间具有显著的线性相关关系。然后本文将表2的回归结果代入相对应的模型得到公式（6）、（7）和（8）。
模型2结果：NPM=3.55Size+0.25HR+0.23LR-16.25NAT +1.05R1-7.59R2+1.53R3-16.05R4+27.48R5+0.03YEAR （6）
模型3结果：ER=4.65Size+0.08HR+0.31LR-13.14NAT-7.07R1-14.67R2-11.98R3-30.64R4-9.12R5+0.03YEAR （7）
模型4结果：DAR=4.86Size+0.07HR+0.22LR+10.9NAT +7.61R1+12.93R2+13.51R3+31.88R4+11.26R5+0.07YEAR （8）
如公式（6）所示，公司规模与其净利润率呈负相关关系，二者相关系数为-3.55；公司人员配置与其净利润率呈正相关关系二者相关系数为0.25，而公司生产能力与其净利润率呈正相关关系，二者相关系数为0.23；控制变量企业性质与其净利润率呈负相关关系，二者相关系数为-16.25。而公司的位置中，华北，华南以及西南地区与其净利润率正相关，华中与华东地区与净利润率呈负相关，虚拟变量时间与公司净利润率呈正相关。如公式（7）所示，公司规模与其净资产比率呈负相关关系，二者相关系数为-4.65；公司人员配置与其净资产比率呈正相关关系，二者相关系数为0.08；公司生产能力与其净资产比率呈正相关关系，二者相关系数为0.31。控制变量企业性质与其净利润率呈负相关关系，二者相关系数为-13.14；公司的位置与净资产比率负相关，虚拟变量时间与公司净利润率呈正相关。如公式（8）所示，公司规模与其资产负债率呈正相关关系，二者相关系数为4.86；公司人员配置与其资产负债率呈正相关关系，二者相关系数为0.07；公司生产能力与其资产负债率呈正相关关系，二者相关系数为0.22。控制变量企业性质与其净利润率呈正相关关系，二者相关系数为10.9，公司的位置与其资产负债率正相关，虚拟变量时间与公司净利润率呈正相关。
结论与政策
（一）结论
根据上述实证检验本文得出以下结论：企业规模、人员配置等变量与企业的净资产收益率（ROE）之间没有显著的相关关系，这可能是因为本文选择的88家企业相关数据较少，难以反映出这些变量之间的关系，也可能是因为这些变量之间具有相关关系，但并非线性相关关系。模型2的结果说明企业规模、人员配置以及生产能力与企业净利润率具有正相关关系，不同位置的公司与其净利润率呈正相关或者负相关关系，说明公司位置对其净利润率具有一定的影响。模型3的结果说明了公司规模，公司人员配置、生产能力与其净资产比率呈正相关关系。模型2和3控制变量企业性质与其净利润率和资产净收益率呈负相关关系，说明企业的性质对其竞争能力具有一定的影响。模型4公司规模、公司人员配置、公司生产能力与其资产负债率呈正相关关系。控制变量企业性质与其净利润率呈正相关关系。模型2、3、4的时间都与因变量呈正相关关系，说明随着企业经营时间的增加，其竞争能力会逐渐增加。
（二）政策建议
培养和吸引高端人才。实证表明，物流公司的人员配置与其竞争能力具有显著的相关关系。第一，物流企业加强对企业内部员工的培养力度能提升他们的业务水平，且从国内外吸引高端物流人才能够提升企业整體的人员配置水平，依靠人才优势能够提升物流企业竞争能力；第二，优化公司的区位选择。基于实证分析笔者发现公司位置的不同，其竞争能力也有所差别，总体来说华中、华东、华南地区物流公司的竞争力要高于西南、华北地区的物流公司竞争力。所以物流企业在布局时应该充分考虑区位因素，选择交通便利、经济发展水平相对较高的地区，同时在落后地区应建设以中心城区为核心的物流体系，以促进物流公司竞争能力的提高。
参考文献：
1.刘侃，赵冬梅.跨境电子商务物流企业竞争力实证研究[J].商业经济研究，2018（1）
2.崔玉宾.谈供应链管理对电商企业核心竞争力提升的影响[J].商业经济研究，2017（24）
3.虞玉华，楼文高.基于决策者偏好的体育产业上市公司竞争力的投影寻踪建模研究[J].首都体育学院学报，2017，29（4）
4.杜文忠，崔艳丽.装备制造业上市公司竞争力评价——基于因子分析与改进的TOPSIS法[J].财会通讯，2017（2）
5.崔文全，吴灼亮.基于财务视角的物流企业竞争力评价研究——以2009-2013年48家上市物流公司为样本[J].吉林工商学院学报，2015，30（4）
6.张海琼.我国酒店及餐饮上市公司竞争力实证分析[J].商业经济研究，2015（16）
7.李坤宇.港口企业自营物流与第三方物流间的竞争模型[J].物流科技，2015，38（4）
作者简介：
王涛（1982.5-），女，汉族，河南濮阳人，本科，讲师，研究方向：市场营销，工商企业管理。
邱风（1974.3-），男，上海虹口人，汉族，硕士，上海财经大学经济管理学院讲师，研究方向：物流管理。