基于三階段數(shù)據(jù)包絡(luò)分析的物流效率測評研究

高清平 吳德 吳海虹 徐雪文

1.浙江師范大學(xué)工學(xué)院； 2.金華經(jīng)濟技術(shù)開發(fā)區(qū)管理委員會；3.浙江宏昌電器科技股份有限公司總經(jīng)辦； 4.金華廣播電視大學(xué)財經(jīng)管理學(xué)院

引言：物流效率測度和評價是物流產(chǎn)業(yè)提高運行質(zhì)量、增加物流效率、推動經(jīng)濟轉(zhuǎn)型升級的前提條件。只有準(zhǔn)確測度和評價物流效率，才能保證其后所開展的物流管理活動科學(xué)、有效。國內(nèi)外學(xué)者在物流效率測度和評價方面做了大量研究工作，取得了一系列豐碩的研究成果[1-3]。

盡管學(xué)者們在這一領(lǐng)域取得了豐富的成果，但仍有一些問題值得進一步深入研究。首先，尚未發(fā)現(xiàn)研究浙江各地區(qū)物流效率測度和評價的文獻，現(xiàn)有研究多為靜態(tài)研究，較少涉及區(qū)域差異的分析。因此，從時間維度上研究浙江省各地區(qū)物流效率的動態(tài)變化規(guī)律，以及從空間維度比較各地區(qū)物流效率的差異并分析其原因，就具有顯著的意義。另外，管理因素之外的環(huán)境因素、隨機誤差因素對物流效率的影響也較少考慮。在測度和評價物流效率時剔除環(huán)境因素、隨機誤差因素的影響，使測度和評價結(jié)果更客觀、更準(zhǔn)確。

一、模型與方法

數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，簡稱DEA）是根據(jù)多項投入指標(biāo)和多項產(chǎn)出指標(biāo)，對具有可比性的同類型決策單元進行相對有效性評價的一種數(shù)學(xué)規(guī)劃方法。該方法是運籌學(xué)、管理科學(xué)、系統(tǒng)科學(xué)和數(shù)理經(jīng)濟學(xué)等多個學(xué)科交叉所形成的一個研究方向。

傳統(tǒng)DEA 模型的一個主要缺陷是，它將決策單元的實際效率與效率前沿面上效率的差距即決策單元無效率都?xì)w因于管理無效率，忽略了外部環(huán)境因素和隨機干擾因素對真實效率值測量的有害影響，然而事實上評估對象或決策單元所處的外部環(huán)境、隨機誤差等對它的效率值也是有影響的，并且這種影響是不能忽略的。針對傳統(tǒng)DEA方法的這一缺陷，H.O.FRIED, C.A.K.LOVELL, S.S.SCHMIDT and S.YAISAWARNG（2002）對傳統(tǒng)DEA方法進行了改進[4]。他們運用隨機前沿分析模型，將環(huán)境因素對投入松弛量的回歸方程中的隨機誤差項分解為兩個部分：一部分是統(tǒng)計誤差項，假設(shè)它服從標(biāo)準(zhǔn)正態(tài)分布；另一部分是無效率項，假設(shè)它服從半正態(tài)分布。通過這一方法，在效率分析框架中能同時考慮外部環(huán)境因素、隨機誤差因素和管理無效率因素，從而為有效分離外部環(huán)境因素和隨機因素提供有效工具。

本論文采用三階段DEA方法從技術(shù)效率、純技術(shù)效率和規(guī)模效率三個層面研究浙江省物流業(yè)效率。參考蔣才芳、陳收的文獻，將三階段DEA模型處理問題的方法介紹如下[5]。

（一）第一階段：初始效率值計算

此階段利用浙江省各市物流業(yè)原始的投入和產(chǎn)出數(shù)據(jù)，采用BCC (Banker-Charnes-Cooper) 模型計算各市物流業(yè)的技術(shù)效率TE（Technical Efficiency）、純技術(shù)效率PTE（pure Technical Efficiency）和規(guī)模效率SE（scale Efficiency)。標(biāo)準(zhǔn)的BCC模型為如下式：

（二）第二階段：利用SFA模型進行誤差分解

基于第一階段初始效率值計算結(jié)果，求得了原始投入量的松弛變量（Slack Variables）值，接著以SFA成本邊界模型（Stochastic Frontier Cost Function）為工具建立回歸方程，將管理無效率因素、外部環(huán)境無效率因素以及隨機誤差因素等三個影響因素分離，剔除由外部環(huán)境無效率因素以及隨機誤差因素造成的決策單元投入冗余量，最后調(diào)整原始投入量的數(shù)值。

首先，本階段的隨機前沿回歸模型的被解釋變量就是第一階段投入產(chǎn)出變量的差額值。第一階段的投入松弛變量的計算式為：

其中，sij是第一階段決策單元j 在投入變量i上的松弛變量；xijλij為達成技術(shù)效率的目標(biāo)投入量。

然后，建立上述松弛變量與所選定環(huán)境解釋變量的回歸方程。用sij表示被解釋變量即松弛量，用zj表示環(huán)境解釋變量，建立如下m個獨立的回歸方程：

第三步，依據(jù)回歸結(jié)果調(diào)整各決策單元的投入變量值。首先，依據(jù)如下的條件估算式，可得管理無效率uij的估計量：

然后，以外部環(huán)境條件較差的決策單元為基準(zhǔn)，增加環(huán)境條件相對較好決策單元的投入，將所有決策單元調(diào)整到相同的外部環(huán)境條件，將隨機因素的影響考慮在內(nèi)。最后，以最有效決策單元為基礎(chǔ)，以最有效決策單元的投入項為基準(zhǔn)，根據(jù)，運用以下的調(diào)整公式，對其它決策單元的投入變量值進行調(diào)整：

其中，xij表示實際投入變量值，表示調(diào)整后的投入變量值。式右邊第一個中括號的意義是將各決策單元都調(diào)整至相同的外部環(huán)境下，第二個中括號的意義是使所有決策單元處于同樣的自然狀態(tài)中。

（三）第三階段：用經(jīng)過調(diào)整后的各決策單元的輸入量替換各決策單元原始的輸入量，再次運用BCC數(shù)據(jù)包絡(luò)模型計算各決策單元的相對效率值，可得排除外部環(huán)境因素和隨機干擾誤差后各決策單元的相對效率值，能更客觀真實地反映各決策單元的實際效率狀況。

二、實例分析

（一）投入、產(chǎn)出和環(huán)境變量選擇

在參考文獻關(guān)于選擇投入、產(chǎn)出變量研究成果的基礎(chǔ)上[6-10]，本論文選擇投入變量為浙江省各市物流業(yè)的固定資產(chǎn)投資、從業(yè)人員數(shù)量，產(chǎn)出變量為物流業(yè)的產(chǎn)值、貨運量。結(jié)合效率測度和評價的需要，選定各市GDP、政府支持為外部環(huán)境變量。

（二）數(shù)據(jù)來源

本論文的研究對象為浙江省各市物流效率。數(shù)據(jù)來源為研究年份的《浙江統(tǒng)計年鑒》、各市的統(tǒng)計年鑒以及國民經(jīng)濟和社會發(fā)展統(tǒng)計公報。

（三）結(jié)果分析

1.第一階段原始輸入數(shù)據(jù)DEA結(jié)果

利用DEAP2.1 軟件計算浙江省各市物流業(yè)的相對效率水平，分析結(jié)果如表1所示。

表1 2013年浙江省7市物流業(yè)效率值

從第一階段的相對效率計算結(jié)果來看，浙江省物流業(yè)效率仍然較低，且投入資源存在冗余浪費，這主要是由較低的規(guī)模效率引起的。那么，究竟各市的物流業(yè)規(guī)模效率值是否被低估？純技術(shù)效率值是否被高估？究竟是物流業(yè)的相對效率值在客觀上較低，還是外部環(huán)境因素和隨機因素的影響，致使傳統(tǒng)數(shù)據(jù)包絡(luò)分析模型所測量的各市物流系統(tǒng)相對效率值不能客觀反映真實值？ 為回答上述疑問，需要做進一步深入的研究。

2.第二階段傳統(tǒng)SFA 回歸結(jié)果

以上述計算過程所得的各市各投入變量的松弛量作為被解釋變量，以各市國內(nèi)生產(chǎn)總值、政府支持作為解釋變量，利用FRONTIER4.1軟件進行SFA 回歸，結(jié)果如表2所示。

表2 第二階段2013年松弛變量的SFA回歸結(jié)果

將第一階段得出的各市各投入變量的松弛量作為被解釋變量，將各市國內(nèi)生產(chǎn)總值、政府支持作為解釋變量，利用FRONTIER4.1軟件進行SFA 回歸?？疾飙h(huán)境變量的回歸系數(shù)，可得出如下結(jié)論：（1）從2010年的數(shù)據(jù)來看，政府支持對固定資產(chǎn)投資松弛變量、從業(yè)人員松弛變量的回歸系數(shù)均取負(fù)值，表明政府支持與物流業(yè)效率正相關(guān)，增加政府支持有助于提高物流業(yè)效率；（2）各市GDP對固定資產(chǎn)投資松弛變量、從業(yè)人員松弛變量的回歸系數(shù)均為正，但取值較小，表明地區(qū)GDP 的增加不會明顯損害物流業(yè)效率的提高。

3.第三階段投入量取值調(diào)整后的相對效率結(jié)果

依據(jù)前文所述的投入變量調(diào)整公式，對浙江省各市物流業(yè)投入量進行調(diào)整后，得到新的投入變量值。利用Deap2.1 軟件，以調(diào)整后的輸入值為新的輸入數(shù)據(jù)，求解傳統(tǒng)的數(shù)據(jù)包絡(luò)分析模型，可得第三階段的三個效率值，運算結(jié)果如下表3所示。

表3 浙江省7市物流業(yè)投入量調(diào)整前后平均效率值對比

對比排除環(huán)境和隨機因素影響前后的平均效率值可以看出，排除外部環(huán)境變量和隨機干擾因素的影響后，各市各年份物流業(yè)效率變動較大。從各市物流產(chǎn)業(yè)效率的平均情況來看，第三階段綜合技術(shù)效率均值比第一階段有一定程度的上升，規(guī)模效率均值也有較大幅度的上升，而純技術(shù)效率均值亦有一定范圍的波動。

三、結(jié)論

本文采用數(shù)據(jù)包絡(luò)分析方法測度浙江省各市的物流業(yè)效率，首先運用基本數(shù)據(jù)包絡(luò)分析方法測度物流業(yè)效率，得出綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率數(shù)據(jù)；進一步采用隨機前沿分析方法，分離投入冗余的管理無效率因素、環(huán)境影響因素和隨機干擾因素，剔除環(huán)境影響因素和隨機干擾因素的影響；最后再一次運用數(shù)據(jù)包絡(luò)分析方法測度物流業(yè)效率。浙江省各市物流效率的測度實例驗證了模型的科學(xué)新、有效性。