基于DEA模型的全国31省市物流业效率分析

　  摘要：本文对物流业效率建立了一个科学且切实可行的评价体系；利用DEA模型，结合2003年-2008年全国31个省市物流产业投入与产出的实例，对各省市的物流产业效率进行分析。
　　关键词：物流业；效率；DEA
　　
　　物流产业作为我国的支柱产业，被列为国家十大产业振兴计划之一，今后必然在中国经济增长中成为一个新的增长点。现阶段，在物流产业效率研究中，研究视角多以研究物流企业为主，从物流产业总体效率分析的研究也大多以主要大型上市物流公司的财报表现来代表整个物流行业。但物流业涉及范围广，存在各种类型的企业，其中民营企业占很大比重，仅仅将少数大型上市物流公司代表物流业的研究欠妥当。本文运用数据包络分析（DEA）的理论为基础，分别从规模效率、纯技术效率和综合效率方面分析全国各省市的物流效率状态，并指出各省在物流投入和产出方面的问题，希望为决策者对物流产业决策和规划提供理论依据。
　　1DEA模型介绍
　　数据包络分析（DEA）方法是由A Chames,W.W.Cooper 等美国著名运筹学家提出的，用于评价具有多个投入和多个产出的决策单元（DMU） 间的相对效率的一种系统分析方法。在运用这一方法进行评价时，决策单元（DMU）作为决策对象，将所有决策单元的有效性作为评价结果，最后根据每个单元的DMU 输入和输出，通过利用一定的模型得出这一单元（DMU）的输入输出相对其他决策单元来说是否是最优的；结果如果是最优的，则称为该决策单元有效，否则称决策单元弱有效或者无效。
　　DEA评价方法的 论文检测天使-免费论文检测软件http://www.jiancetianshi.com
第一个模型, 也是使用最广泛的模型是C2R模型。本文用这一模型来判断各个地区物流的效率。判断某个决策单元DMU（有m个投入X个产出Y）其有效性的模型C2R，其对偶规则可表示为：
　　其中，ε为非阿基米德无穷小，θ表示决策单元的效率指数，xj为第j个决策单元的输入指标，yj表示第j个决策单元的输出指标，sj-为第j个决策单元的输入指标的松弛变量，sj+表示第j个决策单元输出指标的松弛变量，sj-和sj+分别表示投入冗余和产出不足，第j个决策单元的决策变量由λj表示。在此模型基础基础上，可以判断出DMU的DEA有效性，并且可以根据DEA有效性更深一层的经济含义，判断决策单元的生产活动是否同时满足技术有效和规模有效。当θ=1，sj-=0，sj+=0时，为DEA有效；当θ=1，sj-≥0,sj+≥0时为弱 DEA 有效，在这种情况下，虽然经济活动综合效率最佳，但是不是同时技术效率最佳和规模效益最佳；若θ＜1，则DMUj0非DEA有效，决策单元DMUj0的经济活动技术效率和规模效率都不是最佳状态。
　　2建立指标体系
　　传统生产理论认为，生产投入要素主要包括人力、物力和财力三类；产出主要的项目包括各种商品或服务等。本文选取的物流产业效率评价指标体系，选取交通运输、仓储和邮政业从业人员人数代表物流产业从业人员人数作为物流人力方面的主要投入；选取物流网络里程作为物力投入要素指标，限于数据的可得性和有效性，本文只选取铁路、内河航道和公路三种物流网络中最主要的三种方式，并将三者简单加总来度量物流网络发展状况；选取了各地区交通运输、仓储和邮政业固定资产投资额代表物流业固定资产投资额作为物流业的财力方面的投入。
　　在输出指标的选取上，主要从数量和质量两方面进行评价：选取各交通运输方式的货运量和客运量来表示数量方面的输出；选取各省交通运输、仓储和邮电业产值数据作为质量的输出，但在统计中包含了电信业的产值，而我国只有在国家层面才有对交通运输、仓储和邮政业产值统计数据，所以，本文采取全国各省的交通运输、仓储和邮电业产值代替物流业产值。
　　在数据选取上，本文选取2003~2008年全国31个省市（包括自治区和直辖市）物流业投入产出指标值的统计数据，主要数据来源2004~2019年的《中国统计年鉴》。本文选择6年的数据来做考量，这是考虑到物流产业从投入到产出的时间延迟性，评价一个地区物流业投入产出相对效率时，只有在较长时间过程把握才能做到针对和客观评价。
　　[8]电大学习网.免费论文网[EB/OL]. /d/file/p/2024/0424/fontbr />
　　3DEA模型的评价结果与分析
　　本文采用了 DEAP2.1 软件测算全国31个省市地区物流产业的综合效率、纯技术效率、规模效率的相对值，DMU个数为31，2003-2008年的时期数为6，产出个数为3，投入个数为3，选取导向为投入导向。将6年的各地区物流产业综合效率、纯技术效率、规模效率的相对值取均值，并且按照均值分别排名。结果分析描述如下所述：
　　3.1规模效率分析
　　规模效率最好的为北京和西藏，在这6年中的规模效率均为1，相对其他省份规模最有效率，并且规模报酬处在不变的状态；其他省市均处于规模相对无效率状态，但是其中吉林、上海、海南、青海、天津、山西、黑龙江、陕西、甘肃、宁夏这几个省市规模效率在0.8-1之间，这说明在投入和产出方面稍做调整就能处于规模有效率的状态；剩下的其他省市离规模效率的状态还有很大的距离。
　　值得注意的是在分析2003-2009年各省市的规模报酬变化的趋势情况下，除了北京、西藏一直处于规模报酬不变的情况外黑龙江、上海、青海这三个省市规模报酬逐渐趋于不变的状态，这说明这几个城市在投入和产出方面的不懈努力使物流产业规模效率不断增加，接近于规模效率最优的状态；天津、河北、山西、辽宁、吉林、江苏、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南、山西、甘肃、新疆这几个省市的发展趋势是规模报酬递减，这说明物流产业与其他地区相比较而言在远没有达到最优生产规模时就普遍出现规模报酬递减，这不符合物流产业的明显规模收益特征，这是由于这些省市物流产业投入相对过量或者过于分散，造成集中度低，因此在以后的发展中适当放缓增加投入量，主要考虑对投入资源加强管理，更加充分地利用现有的物流资源，以使其达到最大的产出；只有宁夏一个省一直处于规模报酬递增的状态，说明在以后的物流产业规划当中，要不断增加投入并且要吸收其他省份的经验和教训，在加大投入的同时充分做好产业政策协调，避免重复建设，进行全盘的规划，加强产业联动，发挥物流产业集群的加速优势。
　　3.2纯技术效率分析
　　所谓纯技术效率分析，就是在排除规模因素的影响下，投入资源的利用情况对综合效率的影响。根据以上数据计算的规模效率值如下表所示：
　　在纯技术效率方面，效率最高的是北京、上海、海南、湖北、广东、云南和西藏七个省市，在6年中的纯技术效率为1，这说明这些省市的物流产业已经达到投入与产出的最佳，不存在投入冗余或者产出不足的现象。而其他省市的纯技术效率都小于1，这一数据说明在这些地区物流业发展过程中出现投入冗余或者产出不足，要解决这些问题必须通过加强内部管理、引进先进技术设备、提高从业人员素质等方式。
　　3.3综合效率分析
　　根据数据计算的各省市的综合效率值如下表所示：
　　综合效率方面，效率最高的是北京和西藏两个省市，它们在这6年中总综合效率均为1，两个地区技术有效；在剩下的几个省市中，黑龙江、云南、甘肃、上海、青海的DEA值都处于0.8－1.0之间，表明这五个省份处于边缘非效率，要想达到技术有效率状态，只需对投入产出方面稍作调整即可；其它地区的综合效率值小于0.8，这说明与上述省份对比来说，这些省市在物流业投入的资源并没有得到充分的利用，也没有达到最优化产出，物流供给能力存在剩余，物流资源并没有得到充分利用，不仅如此它们的效率值明显低于0.8，想要提高存在很大困难，这需要调整和优化投入和产出中多个指标。
　　值得注意的是，在比较发达的地区例如北京和上海，物流产业效率较高，这个结果符合常规判断，在这些省份物流产业发展过程中，投入大，相应的产出也大，这表明在这些发达地区由于经济环境宽松，经济基础良好，物流产业发展较迅速，效率较高。但是在一些欠发达的地区物流产业的经济运行效率也达到有效值。以西藏为例，各产出指标的绝对值均是排在全国倒数，但是相对于它的投入指标来分析，西藏地区的产出相对于投入来说是有效率的。西藏物流产业投入较少但产出较多，这说明在这一地区投入的有限资源得到了最优配置，浪费较少，在投入资源优化配置方面，其他省份应该多多借鉴。
　　[8]电大学习网.免费论文网[EB/OL]. /d/file/p/2024/0424/fontbr />
　　通过以上对全国31个省市物流产业规模效率、纯技术效率和综合效率的分析，指出各省目前物流产业发展现状与问题所在，希望可以作为未来制定相应的物流产业发展战略和政策依据,以促进各省物流业和国民经济的发展。
　　
　　参考文献：
　　[1] 李冠霖.我国物流业的投入产出分析[J].中国流通经济，2001(6):15-18.
　　[2] 许鹏.基于DEA的辽宁省物流产业效率研究[D].大连海事大学，2010.
　　[3] 郭晓平，张岐山.基于改进DEA方法的物流产业竞争力评价[J].分析与决策，2007，26，(11):139-140.
　　 注：“本文中所涉及到的图表、公式、注解等请以PDF格式阅读”
　　[8]电大学习网.免费论文网[EB/OL]. /d/file/p/2024/0424/fontbr />