多种思路分析物流成本外文翻译资料

 2022-01-23 09:01

英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

多种思路分析物流成本

摘要

物流成本占企业成本的一个重要和相关比例,通常超过10%的公司营业额。本文探讨了在selfreported差异和相互依赖关系物流成本的制造业和贸易公司操作在芬兰。总物流成本是由六个人组成部分:运输、仓储、库存、物流管理、物流运输包装,和间接成本。分析了面板数据涵盖了241家公司确认从2005年和2008年两年的调查。物流成本是探索通过多种方法包括描述性分析、广义线性混合模型(GLMM)和主成分分析。物流成本计算的分布百分比营业额的倾斜和最佳贝塔分布所描述的。员工的数量,营业额、工业和国际化被证明是统计上的显著水平。

关键词：物流成本、混合模型、随机因素

  1. 简介说明

斯凯特(1973)确定运输、仓储、库存管理作为物流的组件成本,已广泛应用的分类。Gunasekaranet al .(2001)包括资本的机会成本和存储,风险成本,销售损失的可能成本在库存库存的成本,因此结合元素仓库。比蒙(1999),另一方面,区分运营成本和库存成本,而兰伯特和LaLonde(1976)独立的仓储和库存组件的成本,但包括一些仓储成本,如库存服务成本和存储空间成本库存。更多讨论的定义库存相关成本,参见斯图尔特(1995 a, b),李和比灵顿(1992),莱维(1997)。总之,这四个成本组件似乎一般使用一方面,但是另一方面作者倾向于定义的类别的限制

文献标识一个广泛的物流成本组件除了运输、仓储、库存和物流管理。例如,曾庆红和罗赛蒂2003)添加海关,以及处理风险和损害包装列表,Ojala et al。(2007)包括“其他物流成本”来反映物流成本可以很少被分裂和测量准确。克劳斯和Kille(2007)和克劳斯et al。(2010)挑出从其他订单录入成本管理成本作为一个单独的组件。

歧义并不仅限于定义和理解物流成本的组件。他们也盛行在测量方法和分析的范围,可能会有所不同从一个单一功能或项目在公司内部整个公司供应链的一部分,甚至是一个供求关系网络。

似乎有三个主要的测量方法。首先是乐此不疲,并使用各种类型的国民经济核算或工业统计数据来创建一个估计物流成本占GDP的比重.其实现的例子包括Elgeret al,威尔逊(2008),(2009)和Havenga (2010)。份等。(2003)和罗德里格斯et al .(2005),应用计量经济模型基于这种数据以估计GDP份额全球的物流成本。所谓的“100强”报告欧洲物流市场编制的克劳斯et al . (2010)估计物流支出的规模,并最终物流成本,在欧洲基于统计数据传输量,就业在物流,对物流服务的需求。

第二,van Damme和van der左恩(1999)和Baykasoglu和Kaplanoglu(2008),例如,会计和基于活动的成本核算方法。同样,Pirttila和Huiskonen(1996)运用所谓的任务花费。这种技术还包括具体的物流绩效指标的使用在各种企业资源规划软件产品,如再保险模型开发的供应链。这些使得各行业accounting-based比较使用精心设计和国家,尤其是大公司ERP系统(参见Pohlen et al ., 2009)。

第三主要测量方法是个案,从自我报告公司物流成本评估数据。的调查通常摄取,导致的估计物流成本占销售。欧洲物流协会和科尔尼(2004、2009)已经使用这种方法,Naula et al。(2006),和Ojala et al。(2007)。

本文研究的差异和相互依赖关系在自我报告的制造业和贸易的物流成本在芬兰经营的企业。为了评估时间差异,面板数据对241家公司通过收集在2005年和2008年两次调查。这之后测量方法是唯一可行的选择将产生足够的有关物流的详细信息成本的组件在一个广泛的公司。

传统的物流成本主要是基于评估平均值的计算和报告的目标人口或样本,相关的一组复杂的背景变量。这种方法的局限性是承认(更详细的讨论这些限制看,例子,多德et al ., 2006)和一个不同的方法广义线性混合模型(GLMMs)面板数据应用。通过描述性的差异成本估算分析和GLMM基于模型的方法进行了讨论。GLMMs考虑到多元、纵向和non-normality方面的数据,例如,不同于描述性分析因变量的分析将二维。仅在一个或空间。GLMMs也允许同时分析统计物流成本和几个之间的依赖关系解释变量。描述性分析可能会误导人结果,因为直接和间接之间的差异滑坡滑。

广义线性模型(glm)代表一类fixedeffects回归模型对几种类型的因变量(即。二分,连续计数;McCullagh Nelder,1989)。在全球语言监测所有的独立变量(影响)固定这意味着有观察每一个级别的这种效果。如果只有一个样本的水平数据,效果被称为随机(麦克洛克et al ., 2001)。为目的的文章中,物流成本组件被视为连续的变量和两个嵌套在随机选择的观察公司。这需要使用随机效应模型。的漠视,假设所有的观察都是独立的,不适合这些分析相关的数据结构,尤其是纵向面板数据(见de Leeuw和梅耶尔,2008)。

这种多层次的分析数据需要添加随机集群和/或主题影响到回归模型来解释相关性。由此产生的模型,固定和随机的影响,称为线性混合模型(LMM)。考虑到初步的描述性分析表明non-normality物流成本组件和贝塔分布结果比伽马分布更合适,贝塔分布是用于分析报告。由于这个原因,这个词“普遍”添加到方法描述(GLMM)。

  1. 设计思路

2.1可操作化数据和模型

本文中的面板数据分析的业者241年制造业和贸易公司回答相同的关于物流成本的问题在2006年(数据组件2005)(Naula et al ., 2006)和2009年(2008年数据)(Solakivi et al .,2009),覆盖了13.6%和13.8,分别的响应从这两个行业(统计变量的尘埃分析)。在onepercentage-point物流成本组件数据测量时间间隔(可变成本统计分析),受访者被要求评估不同的物流成本组件营业额的比例,根据斯图尔特(1995 a, b)是一个健壮的基础进行分析的受访者有什么自由选择零至100%。鉴于吗选择“没有响应”是包含默认值,零值是有意识的暗示真实的反应成本是介于0和百分之一。

公司规模的确定是基于自我报告公司营业额(TURNOV)和员工的数量(EMP)。欧盟委员会(European Commission)定义了以下限制:大公司的营业额超过5000万欧元,中型企业10至5000万欧元,小公司2年至1000万每年,微型企业最高可达二百万欧元。使用了类似的分类对划分员工的数量:1 - 9,10-49,50 - 249分别和至少250名员工.

2.2 GLMM模型选择

几个广义线性混合模型用于不同的物流成本组件。一般的矩阵形式被定义为线性混合模型

Y是一个矩阵为因变量,l均值向量和X和b是固定效果,类似于回归分析,的例子。线性相关性假设通过一个链接功能,在这种情况下是身份,换句话说的价值因变量本身是解释说。Z是一个已知的矩阵,设计、关联矩阵为随机效应,和b是a包含所有随机变量的系数向量。矩阵e代表模型的残差。此外,如果矩阵b和e是正态分布

意味着b和e是独立的(Duchateau詹森,1997)。科目(Molenberghs和系数b韦贝克2005)。对象可以包含组的测量从相同的观察,或观察组。集团意味着可以使用参数估计估计直言独立变量或交互效应。一定的协方差D和R结构也认为,包含协方差随机效应模型的残差。

在许多情况下线性依赖假定通过链接函数(g)以外的身份。

当

假设当Y beta-distributed,对数链接功能g (l)frac14;ln (l)通常使用,在这种情况下。如果(3)和(4)结合对数GLMM成为链接功能

线性混合模型只有统计上显著的独立变量(po0.05)被用于分析的物流成本的组件。物流成本组件的意思因此,估计基于统计学上显著差异之间,EMP, TURNOV尘埃,INT组。

非重大的影响是远离初始模型根据假定值最大的一个接一个。在起始模型中,每一个独立变量(EMP, TURNOV的尘埃和INT)认为还与时间的交互(年)。只有模型显著影响描述公式(6)- (11),这些最终被用作最后每个物流成本组件。贝塔分布用于每一个组件的成本和物流总成本。有几个报告的使用伽马分布与对数链接功能成本分析(见例如克里安,2002;汤姆森,2005;和多德et al。2006)。因为可用的形式的数据收集相对股票(例如,营业额百分比)的物流成本比绝对成本,然而,贝塔分布被认为是更合适。

为了比较电位分布的候选人(gamma;、beta;和正态分布),一个小数目添加到所有的反应,所有候选安装到调整后的数据。结果表明beta;分布一直是按照最好的模型施瓦兹(1978)标准。然而,beta;和gamma;分布几乎都关闭,绘制时,视觉上无法区分。相比之下,正态分布总是显然差模型。

基于模型的估计物流成本组件进行了讨论在3.2节。因为员工的数量,营业额,国际化水平,行业,时间就是一切分类变量,一定数量的二进制变量使用的模型(k - 1, k是类别的数量独立变量)。最后GLMMs物流成本组件和总物流成本因此为主题,即公司在时间点j)运输(6)、仓库(7),库存(8),管理(9),包装(10),物流总成本(11):

公司拦截被认为是随机的包括模型,因此系数bi是意义认为每个公司都有自己的底线物流成本的组件,这两个进行测量对于每个公司。例如,(6)估计模型意味着运输成本为企业和不同的大小不同程度的国际化。相应地,模型(10)给出了两个行业的包装成本的估计只有。没有明显的独立变量被发现的间接物流成本。

2.3结果

SAS 9.2被用于数据分析,这部分报告这项研究的发现。焦点在第一小节描述性的结果在一个给定的时间点,和在第二基于模型的结果。后的差异进行了讨论分析。相关研究结果差异,线性相关性报告在最后一小节。

在2008年的一维分布的数据数量的员工(EMPfrac14;1 - 9, 10-49 50 - 249, 250 -)很右偏态(分别为42.7%,22.5%,15.6%,和19.2%),的一维分布的销售额(TURNOVfrac14;h0 - 2 M, h2.1-10 M, h10.1-50 M, h50.1 M -: 38.1%, 24.3%, 11.9%,分别为和25.7%)。超过半数的公司(57.8%)在制造业和建筑业,交易的42.2%(工业上frac14;制造业和建筑业,交易)。第四候选人是一个独立的变量,国际化的程度(INTfrac14;国内、出口、国际),也偏向正确的的分布(64.2%、13.3%和22.5%,分别)。

表1给出了总意味着,由独立的手段可变成本的组件和总物流成本对于每一个调查。每个单元中的第一行是指2005年第二个2008。大多数的2008个值非常接近的2005年,虽然在某些情况下是一个温和的上升趋势。这发现是有趣的在总物流成本减少长时间。欧洲物流协会和科尔尼(2009),Havenga et al。(2010),威尔逊(2009),和崔和李(2009),例如,做出类似的观察。

组件的成本,最大的变化是减少的管理成本从营业额的2.2%到1.5%。这是令人惊讶的一个期望管理成本适应是最慢的组件。运输成本从5.3下降到营业额的5.1%,而仓储、库存、包装,和间接成本增加。

衡量员工的数量和营业额,但有还有一些迹象表明在一定大小规模不经济可能获胜。

贸易公司的总物流成本降低了在2005年和2008年之间,而趋势是相反的制造企业。这一趋势可能是原因营业额的变化而不是物流的变化成本,成本的营业额的百分比和计量金融危机影响了制造业企业的营业额更多的贸易公司。私人的水平消费影响贸易行业更持久比制造业通常面临的需求。结果Honkapohja和Koskela(1999)的支持宏观经济指标的私人消费更少受经济危机影响的指标的投资。

提出的模型公式(6)-(11)被用来估计的方法。图1总结了统计学意义依赖关系。每一个候选人是一个独立的变量用于模型至少一次,但没有明显的独立变量被发现间接成本的物流。

表2给出了物流成本的估计,是指第2.2节中给出的模型使用的公式编号(6)- (11)。营业额(TURNOV)和国际化水平(INT)是统计上显著的独立变量的运输成本。公司规模以营业额与运输成本负相关关系,意义大公司比小成本较低的人。在实践中第二大类别最低运输成本。这一发现可能归因于经济通常适用于运输的规模,但也可能意味着规模不经济可能最终获胜。一般来说,运输成本被认为是与的大小有关运输和搬运的距离。根据份起et al。(1986)和Coyle et al。(2003),运输成本的增加不是距离成正比(或货物大小)由于规模经济的载体。

Tyworth和曾(1998)提到的大小手术,并描述交通工具成本作为一个非线性函数的运送量国际化水平也具有统计学意义与运输成本的数据分析。特别是出口公司似乎有更高的运输成本比国内外企业。这似乎是合乎逻辑的出口公司(即。,公司产生超过10%的销售国内市场外)倾向于长期以来和地理分散的输送链,但同时不能享受国际的规模和地点的优势公司。

公司规模,员工的数量来衡量,也发现是一个重要的独立变量的仓库成本。大公司似乎更低的仓储成本比小公司,和公司最高类别的员工人数的报道成本最低的水平。有趣的是,仓库的估计均值成本是低于制造业和建筑业在贸易(分别为2.9%和2.6)。

研究结果对库存持有成本更直接在有明显减少的趋势相比,尺寸测量的营业额:大公司似乎比小的成本更低。贸易公司有更高的库存制造企业成本比(分别5.5%和3.5%)。

两个统计上显著的独立变量,时间和数量的员工,被用于评估管理成本。研究结果非常类似

全文共7335字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[661]

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章