库存和资产在股东价值创造中的作用：DEA模型的实证研究

专家系统与应用：X 5（2020）100027库存和资产在股东价值创造中的作用Olli-Pekka Hilmolaa，baLUT University，Kouvola Unit，Prikaatintie 9，FIN-45100 Kouvola，Finlandb塔林理工大学（Taltech），爱沙尼亚海事学院，Kopli 101，11712 Tallinn，EstoniaAr ticlei n f o ab st ract文章历史记录：收到2019年2020年2月3日修订2020年3月4日接受在线预订2020年保留字：库存管理财务状况股东价值效率约束理论在这项研究中，研究了库存和资产在公司财务和股东价值创造中的作用。研究建立了几个数据包络分析（DEA）模型（分阶段），并测试它们之间的联系。研究涉及2010-2018年期间芬兰和三个波罗的海国家（爱沙尼亚，拉脱维亚和立陶宛）逻辑和分两个阶段进行的DEA效率模型具有统计意义，并且支持与投资和资产相关的措施将导致收入，利润和现金流，最终将导致更高的股东价值（如运营和供应链管理理论，如约束理论）。然而，这一发现也有缺点，因为解释力很低，而且存在很多噪音。也可能是这样，库存和资产是一系列其他投入的一部分，这些投入一起直接创造股东价值。因此，它仍然是一个悬而未决的问题，是否库存和资产应通过传统的和逻辑的阶段，在公司通过组织层级，或如果库存和资产应只是一组因素的一部分，共同旨在增加股东价值。© 2020作者由Elsevier Ltd.发布。这是CCBY-NC-ND许可下的开放获取文章。（http://creativecommons.org/licenses/by-nc-nd/4.0/）的网站上进行了介绍。1. 介绍在运营和供应链管理（OSCM）研究中，库存管理被视为成功的重要组成部分，如果可能，应始终减少库存量，而不会对内部效率，交付和/或销售造成太大影响。与金融和资产观点相反，在OSCM中，投资被视为一种负债而不是一种资产类别（如约束理论或准时制分支;（de Haan Yamamoto，1999;ErogluHessen，2011;Ikeelii，de Souza，Gupta Fiorini，2019）。这些OSCM理论还认为，有效的库存管理将导致更高的销售额，利润和盈利能力。来自零售业的经验发现表明，重要的不一定是毛利率或利润率，因为利润率可能很低，但另一方面库存周转率很高（Gandhi& Shankar，2016年;Gaur，Fisher& Raman，2005年）。这最终将带来高投资回报率和绝对利润。较低的库存还可以实现战略灵活性或敏捷性（Purvis，Gosling Naim，2014），帮助公司更好地适应市场和技术变化。低库存还可以推动生产流程，简化供应链，降低使用批量（或电子邮件地址：olli-pekka.hilmola@lut. fi甚至是个人主义的很多大小的一个）。由于库存与公司财务成功的联系，很明显，库存必须在股东价值创造中发挥作用（在本研究中定义为调整后年度股价的变化）。如果库存在短期财务成功和战略灵活性中起着如此关键的作用，那么它必须与股东价值有明确的联系。然而，这一切在2008-2009年全球金融危机之前是普遍同意的，但此后实施的低（或零）利率改变了普遍看法。根据最近的研究，人们发现，在公司中（以及在某些行业中，Moser，Isaksson& Seifert，2017年），越来越多的发明是事实，这些发明甚至可以使股东价值创造在这个新环境中取 得 成 功 （ Bendig ， BrettelD o w n a r & ， 2018;Steinker&Hoberg，2013）。该领域最近的实证研究表明，库存可以在短期内增长，以实现响应能力，然而，从长期来 看 ， 它应该保持在良好的水平，而不是恶化到较低的库存周转率和不断增加的库存。在这项研究中，实证材料是从较小的欧盟国家（芬兰和三个波罗的海国家：爱沙尼亚，拉脱维亚和立陶宛）收集的，选定的公司代表制造业和零售业。该等国家的国内市场规模较小，且正经历人口老龄化的影响，因此大部分公司亦拥有重要的国际业务产生的研究数据https://doi.org/10.1016/j.eswax.2020.1000272590-1885/© 2020作者。出版社：Elsevier Ltd这是一篇CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）的网站上进行了介绍。可在ScienceDirect上获得目录列表专家系统与应用：X期刊主页：www.elsevier.com/locate/eswax2O.- P. Hilmola/专家系统与应用：X 5（2020）100027从这些较小的国家，同时是本研究的优势和弱点，其概括。如前所述，公司通常是相当国际化的，但另一方面，他们的酒吧-与其他较大的国家相比，在交易所进行的lic股票交易量适中或较低。 这是本研究的主要局限性-经营业绩的变化不一定立即转向股东价值。 这四个国家都是欧盟的一部分，近年来它们都加入了欧盟。欧洲货币区（芬兰是创始成员国，立陶宛于2015年加入，拉脱维亚于2014年加入。在加入欧元区之前，所有三个波罗的海国家的货币都非常稳定-&实际上，爱沙尼亚和立陶宛与欧元的挂钩汇率超过十年（在加入欧元区之前），拉脱维亚的情况没有那么大的差异，因为其货币汇率变动为欧元的±1%（Anghel、Pinzaru、Dinu Treapat，2014年）。所有四个国家在审查期间（2010-2018年）都享受了持续降低的利率，近年来利率已开始接近零。本研究不包括2009年的分析，因为全球金融危机对其中一些国 家的打 击异常 严重， 特别 是波罗 的海国家 （Hilmola ，2013），国内生产总值下降了15- 19%。本研究的研究问题可以表述如下：研究问题：不同的存货和资产衡量标准在公司的财务和股东成功中的作用是什么（从投入到产出的转换效率）？股东价值创造的途径是什么，间接还是直接，还是两者兼而有之？本研究工作中的DEA模型遵循约束理论（TOC）方法，其中传统的库存（资产负债表中的所有库存类别总计）和资产（所有资产负债表资产总计）的阶段模型导致财务指标的中间产出成功，并最终导致股东价值（Gupta，2012; Hilmola& Gupta，2015; Ikepini等人，2019年）。DEA在TOC框架中的应用范围很小，大多数研究工作都涉及制造业的车间作业（Arango-Marín，Giraldo-GarcíaCastrillión-Gómez，2014），制造业的约束识别和提升（Shurrab，Al- Refaie，Mandahawi Shurrab，2018）以及构建供应链以实现敏捷性（Banerjee Mukhopadhyay，2016）。本文的贡献是将DEA方法扩展到对投资、资产和经营业绩的TOC推理中，并认为这是财务成功和股东价值的重要因素。本研究的结构如下：在第2，以前的本文回顾了DEA有效性的研究工作，这些工作将投资（和资产）用于营利性公司的评价模型。第三部分介绍了本研究所采用的DEA模型，并对各变量进行了相关性分析。第四部分是实证分析，详细分析了不同DEA模型之间的因果关系和回归模型。第5节总结了研究，并提出了未来研究的2. 库存和资产在DEA研究中的作用自DEA有效性评价方法的开创性研究发表以来，已有四十多年的时间，各学科对DEA有效性评价方法进行了研究。由于已经发表了数千篇研究论文（Emrouznejad Yang，2018），估计直到2016年DEA期刊出版物的总量为10，300），很明显，库存效率已经在早期研究中得到了处理。文献综述显示，零售部门效率评估中最常考虑的是库存和资产（Gandhi Shankar，2016;Joo ， Nixon Stoe-berl ， 2011;Mhatre ， Seong-Jong Lee ，2014; Wu，Kao，Wu Cheng，2006），令人惊讶的是，很少考虑制造或生产（Dev，Shankar Debnath，2014）。有时库存或根本不考虑库存效率，但正在通过现有资源管理库存的效率（Jatuphatwarodom，Jones& Ouelhadj，2018）或导致库存的关键参数（如供应提前期和审查周期频率）进行检查（Dev等人 ， 2014 年 ） 。 这 两 项 研 究 也 有 不 同 的 输 出 （ 在Jatuphatwarodom等人，2018年：库存成本，交付时间&周转率;在Dev等人，2014年：填充率）作为其余研究的补充。在其他直接处理库存和资产效率的研究工作中，他们通常包括绝对值的库存（名义价值; Joo等人，2011;Mhatre等人，2014年;Wu等人，2006），但在一项研究中，发明转向被视为输入（Gandhi等人，2016年）。Joo等人（2011年）通过三种不同的模型（以资产回报率方法为动机）检查了效率，其中包括两种模型中的不同资产子类（流动、固定和其他资产，以及另一种模型中的现金、应收账款和存货）。同样，Wu et al.（2006）在模型中单独包括流动资产。对于产出，DEA模型通常使用收入或销售（Joo等人，2011; Mhatre等人，2014; Gandhi等人，然而，Wu（2006）包括销售额和毛利率。零售业DEA效率分析的结果包含相当多的效率差异很大，即使零售部门由于竞争激烈和利润微薄，公司之间的差异很小。Wu et al.（2006）研究发现，零售业的不同子行业具有非常不同的效率水平，其中纺织品销售是最难有效管理的。一般商品和汽车零部件销售的平均效率值要高得多。Wu et al.（2006）还研究了不同输入项对销售额和毛利率的关系。他们的回归模型显示，较高的存货投资将导致较低的销售额，但其统计意义并不足够高。通常，其他研究得出结论，沃尔玛在其效率方面表现出色（Gandhi等人，2016），无论使用什么DEA模型（Joo et al.，2011年）。沃尔玛的利润率并不高，但资产周转率高，资金使用效率高，这确保了沃尔玛的高绩效。近年来，我们目睹了传统零售商（例如在美国）的显着下降，并且从这些早期研究中可以发现，那些受到最大伤害的零售商在观察期内表现最差并且效率下降（参见例如，Joo等人，2011;Mhatre等人，2014年）。因此，传统模式中的高效率似乎在技术变革时代提供了一些对冲。3. 研究方法这项研究涉及北欧的制造业和贸易公司，数据包括来自三个波罗的海国家（爱沙尼亚、拉脱维亚和立陶宛）的33家不同公司（波罗的海主要名单和波罗的海次要名单）公司列于附录A，基本上所有可用的公司都包括在这项研究中，没有任何规模限制。值得注意的是，并非所有公司都有2010-2018年本研究观察期的完整数据。这主要是由于在审查期间，一些公司公开上市，因此，有些年份的会计记录和股票市场股价数据根本无法获得。年度报告、会计数据和调整后的股价数据（用于汇率变动、股票拆分或反向拆分）主要来自纳斯达克波罗的海（2019年）和纳斯达克北欧（2019年）公司的信息来源，或者来自公司投资者网页。每个公司都有自己的电子表格从收集的数据，这些都合并到一个数据库，这是用来获得数据的效率分析使用数据包络分析。O.-- P. Hilmola/专家系统与应用：X 5（2020）1000273通过在所有这些项目中添加固定金额，以使其从2015年至2017年期间的规模保持不变，避免了损益、现金流量和股价变动（经调整，年度）等项目的负面影响。从零开始（与其他DEA研究一样，见Pastor Ruiz，2007）。在损益中，每个实数增加了3789，001欧元（千），现金中的金额为1454，001欧元（千），而在股价变化中，它增加了一（1）。此外，出于DEA研究的目的，需要修改库存周转率，因为通常情况下，更高的投入量应该导致到更高的输出（在输入和输出之间具有相同和一致的方向）。因此，库存周转率被计算为倒数（库存周转率越低，输入值越高）。为了提高以下效率分析的有效性（例如Lin，2007），对所用的效率模型变量进行了相关性分析（见下表1只有调整后的股价变动（%）与其他投入产出变量完全不相关。这也有点令人惊讶，因为年度业绩的损益以及经营性现金流量被分析为与股价变化没有任何关系。调整后的股票价格变化（%）也进一步分析了一年或两年的时间延迟的影响（本研究的其他变量的时间延迟可能与总产量有时间延迟-类似地，利润和损失只有两个相关性（正相关）- 这些与绝对库存投资额和经营现金流量。第三个主要的产出变量，收入，有一些相关性。从统计学意义上讲，收入随着绝对库存投资、总资产和现金流量的增加而增加。然而，如果库存在总资产中的作用太大（%），那么它将减少收入，因为逆库存周转率。只有输入变量（不代表任何模型作为输出）之间存在相关性，但是，这些相关性是在两个方向上（负和正）。有趣的是，绝对库存投资和反向库存周转根本没有任何因果关系。输入因素之间的相关性可以被视为本研究的弱点，但由于因果关系是在两个方向，这应该不是主要的有效性问题。此外，许多基于资产的措施是相互联系的，由于工业部门的特点，投资和服务的客户类型。由于研究使用了许多DEA模型，特别是第4阶段模型（图2）具有如此多的输入-输出变量（8个），因此将不同年份的所有观察结果汇总为一个分析组是合乎逻辑的（如Mhatre等人，2014年对零售业进行了分析，正如Kozmetsky& Yue，1998年对半导体行业所做的那样）。这大大提高了结果的可靠性。使用EMS软件（版本：1.3.0）。该软件虽然比较陈旧，但在效率分析中是一个常用的程序.下面的模型假设效率边界是基于&可以说，然而，在进行效率分析时，很明显，小公司能够与大公司一起表现良好，并且没有必要进行前沿调整以下回归分析首先使用Excel的数据分析工具（Excel 2016）完成。后来，回归分析也在RStudio 中完成和扩展（版本1）。1.1.456 for Ubuntu/Linux）。在下文中，使用普通最小二乘模型报告线性回归模型。然而，这些都得到了Tobit回归模型的支持（如Tasnim Afzal，2018），该模型将回归模型限制在0（下限）到1（上限）的范围内表1研究中使用的DEA变量的相关矩阵（输入和输出;n= 619的变量除了adj。股票价格变化，其中n=586）。库存{I}库存周转率（修订）{I}库存（资产-%）{I}资产{I}收入{O/I}损益{O/I}现金流（经营）{O/I}股票价格变动{O}库存{I}库存周转率（收入）{I}库存（资产-%）{I}资产{I}收入{O/I}利润/亏损{O/I}现金流（经营）{O/I}股票价格变动{O}1.000-0.0781.0000.384千足金-0.105-0.126-0.1891.000-0.243-0.2270.863千足金0.868千分之一0.181米0.659千足金-0.0411.0000.938千足金0.0420.612米-0.0371.0000.0560.701米长-0.046-0.053-0.0341.0000.481千赢国际0.038-0.0941.0000.000-0.1820.0240.0491.000∗∗∗ 具有统计学意义，水平为0.001∗∗ 具有统计学意义，水平为0.01∗ 0.05水平具有统计学意义。4O.- P. Hilmola/专家系统与应用：X 5（2020）100027Fig. 1. 阶段DEA模型用于库存和资产的作用（阶段1每限额）。在分析中，两个不同的回归模型方法没有发现，研究支持McDonald（2009）的进一步发现。4. 经验数据分析从库存和资产投入到收入、利润和现金流，最终到股东价值创造的逻辑听起来合理且合乎逻辑，但在本效率研究中，这仅得到适度支持。图3说明了将库存和资产投入转化为收入、利润和现金流量（第1阶段），然后将这些中间产出转化为投入并将其视为真实产出调整后的股价变化（第2阶段）的模型之间的DEA效率相关性。这两个DEA模型之间的回归模型在解释能力方面非常差（R2为1.87%），但在统计学上具有显著性（固定项和系数的p值均为0.001）。然而，如图3所示，似乎大多数公司在两个模型中具有正回归关系，但也有一些公司在DEA模型的第二阶段中表现明显过剩。这基本上意味着调整后的股价变化是在相当平庸的投入表现（收入、利润和现金流）下实现的。在图3的回归线中，当阶段1的DEA模型的效率提高1个百分点时，将导致阶段2模型提高0.1005个百分点。由于图1回归为普通最小二乘模型，因此相关数据也用于估计Tobit回归模型（下限为0，上限为1;详见附录B该模型也支持从阶段1到阶段2的路径的论证存在性，但Tobit回归的系数与图2中的系数基本相同。3.第三章。有趣的是，第二阶段和第三阶段的DEA模型之间存在因果关系。性能在统计上是显著的，线性回归曲线以相当相等的方式进行-如果阶段第二阶段模型提高1个百分点，第三阶段模型提高0.9746个百分点（回归模型的解释力较高，R2为51.8%）。因果关系有一些弱点，因为异方差似乎是存在的，在一些观察中，两个DEA模型都可以给出最高可能的前沿性能（1或100%），而另一个要低得多。总的来说，库存和资产投入似乎确实有作用，直接为股东创造价值。Tobit回归模型（附录B）同样显示了与图4模型的统计学显著性和相关性。从投入到股东价值的直接模型（第三阶段）也与初始模型（第一阶段）有因果关系，其中库存和资产与收入，利润和现金流量有 关 （图1）。 5）。图二. 阶段性DEA模型用于库存和资产的作用（阶段4）。图3.第三章。第 一阶段模型（x轴）与第二阶段模型（y轴）之间的DEA效率相关与回归模型。O.-- P. Hilmola/专家系统与应用：X 5（2020）1000275图六、第 一阶段模型（x轴）与第四阶段模型（y轴）之间的DEA效率相关与回归模型。图四、第 二阶段模型（x轴）与第三阶段模型（y轴）之间的DEA效率与回归模型的相关性。图7.第一次会议。第 二阶段模型（x轴）与第四阶段模型（y轴）之间的DEA效率与回归模型的相关性。图五、第 一阶段模型（x轴）与第三阶段模型（y轴）之间的DEA效率相关与回归模型。第一阶段模型每提高一个百分点，第三阶段模型就提高0.5546。因此，因果关系不像以前的模型那么强，但它确实存在。模型的解释能力也较高，为31%（R2值）.模型也具有统计意义。同样，Tobit回归模型显示了类似的结果（附录B），具有统计学意义，系数与图10非常相似。 五、DEA模型第4阶段与其他三个模型（第1至3阶段）之间的因果关系相当有趣，因为在所有三种情况下，相关性都是正的，回归模型都具有统计学意义（图1 - 3）。6至8）。解释能力在第4阶段和第1阶段之间最低，其中散点图观察结果在线性曲线周围有更多变化。然而，解释能力为24.23%，回归模型仅包含系数，因为固定项没有统计学意义。当第一阶段模型的效率提高一个百分点时，这对应于第四阶段模型中0.5085个百分点的变化。这同样适用于Tobit回归模型（附录B），其中模型具有统计学显著性（一个固定项，截距1不是，如图1中的普通最小二乘模型）。 6），系数与图相似。 六、由于阶段2、3、4的DEA模型在输入上具有大量的相似性，且具有相同的输出，因此效率结果在同一邻域内，两个模型的解释力都很高（图7为69.15%，图8为91.6%）。值得注意的是，第二阶段模型（使用收入、利润和现金流量作为输入）的改进将导致更高的图8.第八条。第 三阶段模型（x轴）与第四阶段模型（y轴）之间的DEA效率相关与回归模型。第四阶段模型改进。这再次说明了库存和资产管理对股东价值创造的进一步联系。在DEA模型第3阶段和第4阶段的效率改善之间，前者将导致后者类似的幅度变化。然而，模型相当相似，所以这是预期的。阶段2 - 4（图7）和阶段3 - 4（图8）的Tobit回归模型显示了类似的结果，并且它们都具有统计学意义。在两个Tobit模型中，系数都有较高的值，特别是在阶段2 -4模型中。然而，在后一种模式中，结果的解释是相当困难的6O.- P. Hilmola/专家系统与应用：X 5（2020）100027因为异方差性明显存在（在Tobit模型中有关于Hauck-Donner效应的警告）。5. 结论正如在文献回顾中发现的那样，关于库存（和资产）在制造业和零售业中的作用的研究工作并不多。大多数情况下，这些模型相当简单，产出是收入或销售。本文尝试将库存的视角和模型拓展为更复杂、更多阶段的库存模型。产出包括收入、溢利╱亏损、现金流量（营运）及经调整股价变动（年度）。投入与库存和资产有关。在分析模型因果关系的同时，本研究进一步证明了投资和资产指标会导致中间财务业绩，并最终导致股东价值创造。值得注意的是，该过程具有不确定性，回归模型误差较大。然而，研究也表明，存在其他与库存相关的备选方案。可能是这样的，库存表现只是一堆衡量指标，这会导致更高的财务表现或股东价值创造。其中一些模特suris，SAF，Si lvanoFashion，SkanoGroup，Snai ge，T naK auba-maja ， U tenostri kotazas ， Valmie raglass ， Vilkyškipieninestec ， VilniausBaldai，and Zemaitijos Pienas.芬兰Afarak、Ahlstrom-Munksjö、Aspocomp、Cargotec、Quarenta、Efore、Elecster、Exel、Glaston、Huhtamäki、Incap、Kamux 、Kemira、Kesko、Kesla、Kone、Konecranes、Metso、Metsä、NeoIndustrial、Nokia、Outokumpu、Outotec、Ponsse、Raute、Robit、Scanfil 、 Stock-mann 、 StoraEnso 、 Teleste 、 Tikkurila 、Tokmanni 、 Tulikivi 、 UPM 、 Up- onor 、 Uutechnic 、 Vaisala 、Valmet和Wärtsilä。附录B.阶段DEA效率模型的Tobit回归变量第1阶段&2 p值第2阶段&3 p值第1阶段&3 p值（截距）：10.1414均方根0.065451均方根−0.06016∗∗（截距）：2−2.02472−2.073645−1.89134∗∗∗Co-e系数0.10146澳门新葡8455.com澳门新葡8455.com符号代码：00.1可变第1阶段 4p值第2阶段 4p值第3阶段 4p值与其他模型有很高的因果关系，误差效应很低 作为总之，可以说，库存（和资产）仍然在财务成功和股东价值方面发挥着重要作用（截距）：1−0.0039510.020527<$0.025498∗∗∗（截距）：2 −1.798547−2.306453−2.912798Co-e汇率0.517239欧元 1.407402欧元1.023515∗∗∗创作 这是一个相当开放的问题，如何在com中建立这种相关性-通过为了进一步研究这一领域，自然要将这项研究扩大到较大的经济体，并可能扩大到欧洲主要交易所上市公司或北美公司。这些市场的零售部门随着制造业越来越多地以亚洲为基地，这将是另一个值得关注的方向。在这两个可能的进一步研究中，应进一步审查发明和资产的作用，以阐明本研究中发现的问题。另一个进一步研究的可能性是从全球金融危机之前的时代获取早期数据。使用较旧的数据将能够检查利率较高的时代。这应该强调库存和资产的重要性竞争利益声明一个也没有。CRediT作者贡献声明Olli-Pekka Hilmola：概念化，方法论，软件，数据策展，写作-原始草稿，可视化，调查，验证，写作-审查编辑。确认作者对两位匿名审稿人在审稿阶段提出的建议、更正和评论表示衷心的感谢。研究过程中亦得到美国路易斯维尔大学Mahesh Gupta教授的宝贵意见附录A.. 本研究工作的公司名单波罗的海国家Apranga ，Auga ，Baltika ，Brivais Vilnis ，Ditton ，Grigeo ，Grindex，Grobina，HansaMatrix，Harju Elekter，Kurzemes Atslega1，Latvi-jas balzams，Linas，Linas Agro Group，Linda Nektar，Madara ， Olain-farm ， PienoPlevaigždestecs ， Prfoods ， RER ，RigaShipyard，RJR，Rokikirkio符号代码：00.1引用安赫尔湖C.的方法，Pinzaru，F，Dinu，M，Treapat，L. M.（2014年）。固定中间价以 及 加 入 欧 元 区 的 国 家 在 汇 率 机 制 ii 下 的 货 币 演 变 。ManagementDynamics in the Knowledge Economy，2（1），21Arango-Marín， J. A. ， Giraldo-García， J. A. ， & 卡 斯 特 里 翁 -戈 麦 斯 岛 D. （ 2014年）。TOC算法在混合柔性流水车间作业调度中的应用。DYNA，81（186），113-119.Banerjee，A.，&穆克霍帕德海伊山（2016年）。精益敏捷供应链背景下的当代TOC创新思维过程。Journal of Enterprise Information Management，29（3），400Bendig，A.，Brettel，M.，&当达尔湾（2018年）。存货成分波动性及其与收益的关系。国际生产经济学杂志，200，37Charnes，A.，库珀，W。W.，&Rhodes，E.（1978年）。衡量决策单元的效率EuropeanJournal of Operational Research，2（6），429deHaan，J.，&山本，M。 （1999年）。 零库存管理：事实还是虚构？日本的教训International Journal of Production Economics，59（1-3），65-75.Dev，N. K.，香卡河，&德布纳特河 M. （2014年）。 供应链效率：模拟与DEA方法。国际先进制造技术杂志，1537Emrouznejad，A.， &Yang，G. （2018年）。 DEA第一个40年学术文献的调查和分析：1978-2016。Eroglu，C.，&赫塞利角（2011年）。瘦，瘦，太瘦？重新审视库存与业绩之间的联系。Journal of Operations Management，29，356Gandhi，A.，&尚卡尔河（2016年）。战略资源管理和数据包络-对印度零售商进行基准分析。Benchmarking：An International Journal，23（2），286高尔，V.，费希尔，M。L.，&Raman，A.（2005年）。零售业存货周转绩效之计量分析。Management Science，51（2），181再 见 ， M 。 （ 2012 年 ） 。 平 衡 计 分 卡 和 约 束 理 论 ： 一 个 协 同 框 架 . CostManagement，26（4），32Hilmola，O.-. P.（2013年）。从泡沫到波罗的海国家的可持续经济。Journal ofTransport and Telecommunication，14（3），237Hilmola，O.-. P.，&古普塔，M。（2015年）。随机需求与报废率下制造业公司的会计核算与绩效。 专家系统与应用，42（22），8423伊凯伊湖M.，de Souza，F。B、古普塔，M。H、&Fiorini，P. C.（2019年）。理论的con-限 制 ： 评 论 和 文 献 计 量 分 析 。 International Journal of ProductionResearch，57（15 -1 6 ） ， 50 6 8 - 5 1 0 2 .Jatuphatwarodom，N.，琼斯，D. F.、&Ouelhadj，D.（2018年）。泰国丝绸工业战略 供 应 链 决 策 支 持 的 混 合 模 型 多 目 标 分析试 试 Annals of OperationsResearch，267，221Joo，S.-. J.，Nixon，D.，&Stoeberl，P. A.（2011年）。基准与数据分析：资产回报率的角度。Benchmarking：An International Journal，18（4），526Kozmetsky ， G. ， &Yue ， P. （ 1998 ） .全 球 半 导 体 公 司 业 绩 比 较 。 Omega ， 26（2），153O.-- P. Hilmola/专家系统与应用：X 5（2020）1000277Lin，E. T. J.（2007年）。 台湾国内航空公司以航线为基础之绩效评估：以资料分析为基础之评论。运输研究E部分：物流和运输评论，44（5），894McDonald，J.（2009）. 第二阶段DEA有效性分析中的最小二乘法和Tobit法。欧洲运筹学杂志，197，792Mhatre，N.，Seong-Jong，J.，&李角，澳-地C.（2014年）。从需求的收入弹性角度对百货公司的业绩进行基准分析。Bench-marking：An International Journal，21（2），205莫泽，P.，Isaksson，O. H. D、 &塞弗特河 W. （2017年）。 过程工业中的库存动态：一项实证研究。国际生产经济学杂志，191，253帕斯特，J.T.，Ruiz，J. L.，Zhu，J.，&库克，W。D.（2007年）。中具有负值的变量缉毒局数据分析中的数据不规则性和结构复杂性。波士顿，马萨诸塞州：施普林格。珀维斯湖，Gosling，J.，&奈姆，M。M.（2014年）。基于不同类型的灵活性，开发精益、敏捷和精益供应网络分类法。国际生产经济学杂志，151，100Shurrab，M.，Al-Refaie，A.，Mandahawi，N.，&Shurrab，S.（2018年）。运用数据 挖 掘 、 积 极 规 划 和 约 束 理 论 进 行 决 策 ， 以 提 高 PVC 生 产 线 的 性 能 。International Journal of Industrial and Systems Engineering，30（1），21Steinker，S.，&Hoberg，K.（2013年）。库存动态对长期股票收益的影响--对美国制造业公司的实证调查。Journal of Operations Management，31，250Tasnim，N.，&Afzal，M. N. I.（2018年）。使用数据包络分析（DEA）和Tobit模型对国家层面的创业效率和国家创业体系进行了实证研究。Journal of GlobalEntrepreneurship Research，8，37. doi：10.1186/s40497-018-0138-y。Wu，C.-. C.的方法，Kao，S.-. C.的方法，Wu，C.-. H、&Cheng，H.-. H.（2006年）。通过财务指标考察零售业绩效。Asia Pacific Management Review，11（2），83-92.Olli-Pekka Hilmola博士在芬兰Kouvola的LUT大学担任教授他是一个通过编辑委员会与众多国际期刊，包括工业管理和数据系统，决策支持系统，专家系统与应用。博士. Hilmola发表了160多篇经过评审的期刊手稿。他目前在爱沙尼亚Taltech/EMERA担任兼职教授。