基于DEA的中國省際物流業(yè)效率分析

盧 琳

（南京財經(jīng)大學(xué)，江蘇 南京210023）

一、研究背景

生產(chǎn)、流通與消費是社會經(jīng)濟的三個主要組成部分，而物流在經(jīng)濟流通中尤為重要。隨著物流業(yè)的快速發(fā)展，現(xiàn)代物流業(yè)在國民經(jīng)濟中的作用和地位日益突出。中國物流業(yè)總體起步較晚，與發(fā)達國家相比，物流業(yè)發(fā)展水平與投入產(chǎn)出轉(zhuǎn)化能力存在較大差距，且各省物流業(yè)發(fā)展水平之間也存在較為嚴(yán)重的地域差異。此外，部分省份未能結(jié)合自身實際發(fā)展?fàn)顩r，盲目加大物流業(yè)投入、片面追求規(guī)模擴大，造成了物流效率的低下。

物流效率是衡量物流業(yè)發(fā)展質(zhì)量的重要指標(biāo)，主要體現(xiàn)在配送質(zhì)量、配送時效以及配送服務(wù)水平等多個方面。近年來，學(xué)者陸續(xù)展開對物流效率的研究，選取的評價對象多為企業(yè)、行業(yè)或區(qū)域，評價方法主要有SFA、DEA和AHP等。其中，最常用的是DEA，這種方法無須預(yù)先估計參數(shù)，評價結(jié)果較為客觀。隨著學(xué)者的不斷深入探究，物流業(yè)效率研究方法也日趨完善。本文將傳統(tǒng)的DEA模型與SE-DEA模型相結(jié)合，對物流業(yè)投入產(chǎn)出數(shù)據(jù)進行定量分析，研究結(jié)果對制定物流業(yè)發(fā)展戰(zhàn)略具有一定的參考價值。

本文的創(chuàng)新之處有兩點，一是將DEA模型與SE-DEA模型相結(jié)合，不僅得到2018年中國30個?。ㄊ?、區(qū)）的物流業(yè)效率數(shù)據(jù)，還通過超效率評價值對這30個?。ㄊ?、區(qū)）進行全排序，從而得到更為全面可比的信息，為提升中國物流業(yè)效率提供參考；二是在選定的投入產(chǎn)出指標(biāo)的基礎(chǔ)之上，進一步分析各投入產(chǎn)出指標(biāo)的影響力，為完善指標(biāo)選取、改進模型提供一定的理論依據(jù)。

二、文獻綜述

隨著物流業(yè)的蓬勃發(fā)展，國內(nèi)外學(xué)者開始關(guān)注物流效率問題。Fei Ying等①在分析新西蘭建筑業(yè)物流效率后，指出提高物流效率的具體干預(yù)措施。樊俊花強調(diào)農(nóng)產(chǎn)品物流的重要地位，進而提出中國農(nóng)產(chǎn)品物流評價體系的六大原則：實用、科學(xué)、系統(tǒng)、目的性、定性與定量以及規(guī)范和針對原則②。Lalhriatpuii指出，效率對物流業(yè)來說至關(guān)重要，并且效率可以用來衡量物流業(yè)利用可用資源的水平③。王芳等提出，物聯(lián)網(wǎng)技術(shù)可以對物流方案進行優(yōu)化決策，從而提升物流企業(yè)的經(jīng)營效率④。

DEA是常用的物流效率評價方法。連兆大等用DEA模型，以18個重點省份為研究對象，發(fā)現(xiàn)物流效率狀況呈現(xiàn)出區(qū)域性不平衡性，主要體現(xiàn)在沿海地區(qū)和內(nèi)陸地區(qū)的不平衡性⑤。李竹青等研究華東地區(qū)7個省份及直轄市的物流效率，提出優(yōu)化投入產(chǎn)出結(jié)構(gòu)和促進區(qū)域物流業(yè)協(xié)同發(fā)展的策略⑥。郭子雪等認(rèn)為，京津冀三省市的物流資源優(yōu)勢互補，但物流資源空間布局還有待進一步改善⑦。劉巖等將聚類分析和相關(guān)性分析結(jié)合，用DEA-BCC模型研究中國31個省市2016年的物流效率，發(fā)現(xiàn)經(jīng)濟發(fā)達的沿海地區(qū)物流效率具有明顯優(yōu)勢⑧。

也有部分學(xué)者將SE-DEA模型運用到物流效率的研究當(dāng)中，汪旭暉等基于SE-DEA模型，提出經(jīng)濟發(fā)展水平會直接影響超效率⑨。魏國辰等對2010年至2015年長江經(jīng)濟帶物流業(yè)效率值進行測算，提出了改善長江經(jīng)濟帶物流產(chǎn)業(yè)效率的對策⑩。此后，仲云云等運用SE-DEA模型分析長江經(jīng)濟帶2012年至2017年的物流效率，闡述長江經(jīng)濟帶物流效率的時空演變并給出相關(guān)政策建議?。

三、指標(biāo)選取與數(shù)據(jù)來源

（一）指標(biāo)選取

利用投入導(dǎo)向下的DEA-BCC模型和SE-DEA模型進行效率評價時，投入產(chǎn)出指標(biāo)的選取對于最終的效率評價結(jié)果會有很大影響。本文從勞動力和資本兩個方面選取投入指標(biāo)；從規(guī)模方面選取產(chǎn)出指標(biāo)。由于物流業(yè)目前還沒有完整的數(shù)據(jù)統(tǒng)計體系，而中國的交通運輸、倉儲和郵政業(yè)是物流業(yè)的主體部分，故以該統(tǒng)計數(shù)據(jù)代替物流業(yè)。具體的投入產(chǎn)出指標(biāo)見表1。

表1 中國物流業(yè)投入產(chǎn)出指標(biāo)體系表

（二）數(shù)據(jù)來源

選用中國大陸地區(qū)除西藏1外的30個?。ㄊ?、區(qū)）的2018年度截面數(shù)據(jù)，并按經(jīng)濟帶劃分，進而不僅可以對中國省際物流業(yè)效率差異進行分析，還可以對中國三大經(jīng)濟帶的物流業(yè)效率差異進行整體比較。數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒（2019年）》，通過DEAP2.1軟件進行DEA效率測算，通過MATLAB R2012a軟件進行SE-DEA效率測算。

四、實證研究與分析

（一）效率分析

經(jīng)過軟件運算，2018年中國大陸30個?。ㄊ小^(qū)）物流效率測算結(jié)果見表2。

1.綜合技術(shù)效率分析。綜合技術(shù)效率能綜合反映被評價DMU的資源配置能力、資源使用效率等。由表2可知，30個省（市、區(qū)）中有8個為DEA有效，占被評價決策單元的26.67%。其中，東部、中部和西部的DEA有效地區(qū)個數(shù)分別為5個、3個和0個。不難看出，中國物流業(yè)效率存在一定的“東中西部”的地域差異，東部沿海地區(qū)的物流業(yè)效率遠高于中部內(nèi)陸地區(qū)和西部邊遠地區(qū)。對比起來，東部地區(qū)的物流業(yè)投入和產(chǎn)出較為均衡、結(jié)構(gòu)較為合理，而西部地區(qū)由于地理位置和經(jīng)濟發(fā)展水平等原因，物流業(yè)效率普遍較為低下。

表2 2018年中國大陸30省（市、區(qū)）物流效率測算

2.純技術(shù)效率分析。純技術(shù)效率衡量的是規(guī)模報酬不變條件下的投入要素利用率。純技術(shù)效率為1的有13個，占被評價DMU總數(shù)的43.33%。東部地區(qū)除山東和江蘇兩省外，其余省份均保持在0.8以上的高水平，故東部地區(qū)的物流業(yè)投入資源利用率總體符合物流業(yè)發(fā)展要求并且能夠?qū)崿F(xiàn)物流業(yè)效益的最大化。中部地區(qū)均值為0.728，除DEA有效的?。ㄊ?、區(qū)）之外，其余?。ㄊ小^(qū)）均在0.8以下，尤其是黑龍江省的純技術(shù)效率僅為0.295，說明中部地區(qū)在投入資源有效利用方面尚有較大改進空間。西部地區(qū)均值為0.797，反超中部地區(qū)，可以看出西部地區(qū)在資源有效配置方面做得不錯。

3.規(guī)模效率分析。規(guī)模效率反映的是實際規(guī)模與最優(yōu)規(guī)模的差距。根據(jù)表2可知，30個?。ㄊ小^(qū)）的規(guī)模效率平均值為0.900，且有8個?。ㄊ小^(qū)）的規(guī)模效率為1，占被評價決策單元總數(shù)的26.67%。東部地區(qū)的規(guī)模效率平均值為0.925，中部地區(qū)為0.919，西部地區(qū)為0.855。總的來說，東部和中部地區(qū)的規(guī)模效率處于較高水平，西部地區(qū)略微落后，表明投入產(chǎn)出結(jié)構(gòu)尚未達到合理狀態(tài)。

4.規(guī)模報酬類型分析。DEA模型還可用于判斷被評價DMU的規(guī)模報酬類型。由表2可知，規(guī)模報酬遞增、不變和遞減的?。ㄊ小^(qū)）數(shù)量分別為19個、8個和3個?？梢钥闯?，規(guī)模報酬遞減的遼寧、江蘇、山東全部處于東部地區(qū)。基于東部部分地區(qū)已經(jīng)出現(xiàn)規(guī)模報酬遞減，此時應(yīng)當(dāng)適當(dāng)縮小規(guī)模從而提高效率。中部地區(qū)和西部地區(qū)多為規(guī)模報酬遞增，即中西部地區(qū)的物流業(yè)具有一定的發(fā)展和成長空間，應(yīng)當(dāng)積極引進高新技術(shù)，增強創(chuàng)新能力，提高運作效率，加快產(chǎn)業(yè)集聚，使物流業(yè)調(diào)整至最優(yōu)狀態(tài)。

5.超效率值分析。傳統(tǒng)DEA模型無法對DEA有效的多個DMU進行進一步的比較，而利用SEDEA模型，使DEA有效的DMU獲得大于等于1的效率值，DEA無效的DMU效率值保持不變，就能實現(xiàn)對DEA有效單元的進一步排序。由表2可知，超效率值排名前十的?。ㄊ?、區(qū)）有6個在東部地區(qū)，有3個在中部地區(qū)，有1個在西部地區(qū)。超效率值排名后十的?。ㄊ小^(qū)）有3個在東部地區(qū)，有3個在中部地區(qū)，有4個在西部地區(qū)。通過對所有被評價DMU進行全排序，可以知道，超效率值較高的地區(qū)主要集中在東部，尤其是上海；而超效率值較低的地區(qū)則較為分散，平均分布在東部、中部和西部。

（二）投影分析

對于純技術(shù)效率為非有效的DMU進行投影分析，得到投入和產(chǎn)出的松弛變量，具體數(shù)值如表3所示。

表3 2018年中國非DEA有效的?。ㄊ小^(qū)）物流投入產(chǎn)出松弛量表

在本文研究的30個?。ㄊ?、區(qū)）中，有17個存在投入冗余，其中東部、中部和西部各有4個、6個和7個。有14個存在產(chǎn)出不足，其中東部、中部和西部各有3個、4個和7個。東部地區(qū)的物流業(yè)從業(yè)人員冗余、公路營運載貨汽車噸位冗余和貨物周轉(zhuǎn)量不足問題較為嚴(yán)重；西部地區(qū)的物流業(yè)從業(yè)人員工資總額冗余和等級公路里程數(shù)冗余問題較為嚴(yán)重。值得注意的是，并沒有地區(qū)存在貨運量不足的問題，即全國的貨運量基本都能得到滿足，這也是對中國近年來物流業(yè)發(fā)展水平的一種肯定。

（三）效率影響因素分析

前述研究都是在自行選取的投入產(chǎn)出指標(biāo)基礎(chǔ)上進行的，而投入產(chǎn)出指標(biāo)選取的科學(xué)性和合理性并沒有得到證實。該部分通過計算投入產(chǎn)出指標(biāo)不同組合方案的平均效率值來衡量各指標(biāo)對DEA效率的影響程度，為了研究的方便，僅考慮剔除一種投入或產(chǎn)出指標(biāo)的情形（表4）。

在表4中，將中國30個省（市、區(qū)）DEA效率均值進行統(tǒng)計，DEA效率均值越低，表明該方案所剔除的指標(biāo)對物流效率影響程度越大，反之則越小。由表4可知，在剔除一種投入指標(biāo)的前4個方案中，方案3的效率均值最低，表示公路營運載貨汽車噸位投入對物流業(yè)效率影響較大。在剔除一種產(chǎn)出指標(biāo)的后2個方案中，方案5的效率平均值明顯低于方案6，表示貨運量產(chǎn)出對中國物流業(yè)效率影響較大。

表4 2018年各投入產(chǎn)出指標(biāo)集下中國30個省（市、區(qū)）DEA效率均值

為了能用直觀的數(shù)據(jù)表示出各指標(biāo)對DEA效率的影響程度，進一步進行數(shù)學(xué)處理。表示原始投入產(chǎn)出指標(biāo)集，Du表示將第u個指標(biāo)剔除后的剩余指標(biāo)集，V(D)和V(Du)分別表示指標(biāo)集D和Du的DEA效率均值。指標(biāo)u對DEA效率值的影響程度的計算公式為：

Wu反映的是剔除第u個指標(biāo)對DEA效率均值變化的影響比率，Wu的數(shù)值越大表示剔除的該指標(biāo)對DEA效率的影響程度越大，即該指標(biāo)越重要；反之則越小。計算可得，各指標(biāo)對DEA效率值的影響程度見表5。

表5 各指標(biāo)對DEA效率值的影響程度

可知，在4個投入指標(biāo)中，公路營運載貨汽車噸位投入對DEA效率具有顯著影響；等級公路里程數(shù)投入次之；而物流業(yè)從業(yè)人員投入和工資總額投入對DEA效率影響程度相對較小。在2個產(chǎn)出指標(biāo)中，貨運量產(chǎn)出指標(biāo)對DEA效率影響程度明顯高于貨物周轉(zhuǎn)量產(chǎn)出指標(biāo)。這與直接觀察不同投入產(chǎn)出指標(biāo)集下的DEA效率均值所得到的結(jié)論一致。

五、結(jié)論

本文將DEA模型與SE-DEA模型相結(jié)合，構(gòu)建了中國省際物流業(yè)投入產(chǎn)出效率評價體系。從評價結(jié)果來看，30個?。ㄊ小^(qū)）中有8個為DEA有效，主要集中在東部和中部地區(qū)，另有5個為弱DEA有效。從地域來看，物流業(yè)發(fā)展中投入、產(chǎn)出效率總體呈現(xiàn)出不均衡的局面。東部地區(qū)的物流業(yè)效率整體要高于其他地區(qū)，并且超效率值較高的地區(qū)主要集中在東部，這與東部地區(qū)總體經(jīng)濟發(fā)展水平較高有關(guān)。中部地區(qū)的投入產(chǎn)出結(jié)構(gòu)較為合理，但在資源有效配置方面有所欠缺，導(dǎo)致物流效率偏低。西部地區(qū)與中部地區(qū)恰好相反，對物流資源的技術(shù)利用相對較好，但物流規(guī)模稍顯落后，應(yīng)當(dāng)適當(dāng)加大物流資源投入，規(guī)范物流體系制度，促進物流業(yè)可持續(xù)發(fā)展。在對效率影響因素的分析中，發(fā)現(xiàn)公路營運載貨汽車噸位投入對DEA效率具有顯著影響；貨運量產(chǎn)出指標(biāo)對DEA效率影響程度明顯高于貨物周轉(zhuǎn)量產(chǎn)出指標(biāo)。該部分指標(biāo)影響程度分析為完善指標(biāo)選取和對模型的改進提供了一定的理論依據(jù)。

注釋：

①Fei Ying,John Tookey,Johannes Roberti.Addressing Effective Construction Logistics Through the Lens of Vehicle Movements[J].Engineering,Construction and Architectural Management,2014,21(3).

②樊俊花.農(nóng)產(chǎn)品物流效率評價指標(biāo)體系構(gòu)建研究[J].農(nóng)業(yè)經(jīng)濟,2019(02):141-142.

③Lalhriatpuii.Efficiency Measures of Logistics Sector in Aizawl City,Mizoram:An Empirical Evidence[J].Asian Journal of Management,2019,10(1).

④王芳,劉佳喜,時國棟等.利用移動通信和物聯(lián)網(wǎng)技術(shù)提高物流效率探討[J].通訊世界,2020,27(02):122-123.

⑤連兆大,程德通.基于DEA模型的“一帶一路”重點省份物流效率分析[J].商業(yè)經(jīng)濟研究,2017(04):80-82.

⑤李竹青,張豐.華東區(qū)域物流行業(yè)效率實證研究[J].商訊,2018(10):102+104.

⑦郭子雪,張雅輝,黃新.基于DEA模型的京津冀區(qū)域物流效率評價研究[J].數(shù)學(xué)的實踐與認(rèn)識,2018,48(24):41-50.

⑧劉巖,田強.我國物流業(yè)效率評價及其影響因素分析[J].商業(yè)經(jīng)濟研究,2019(13):75-78.

⑨汪旭暉,徐健.基于超效率CCR-DEA模型的我國物流上市公司效率評價[J].財貿(mào)研究,2009,20(06):117-124.

⑩魏國辰,樂雄平,孔令欽.長江經(jīng)濟帶物流產(chǎn)業(yè)效率及其影響因素研究[J].數(shù)學(xué)的實踐與認(rèn)識,2018,48(09):41-47.

?仲云云,周雨倩.基于超效率DEA模型的長江經(jīng)濟帶物流效率實證分析[J].物流工程與管理,2020,42(02):13-14+25.