基于DEA分析的中部六省物流產業效率比較

朱超才（安徽國際商務職業學院，安徽　合肥　231131）

基于DEA分析的中部六省物流產業效率比較

朱超才
（安徽國際商務職業學院，安徽合肥231131）

該文以DEA原理為基礎，構建了中部六省物流產業投入產出指標體系，運用投入導向型變動規模報酬DEA模型，對其物流產業效率進行分析。對中部六省2009－2014年物流產業相關數據的研究結果顯示，中部六省物流產業的總技術效率排名從高到低依次是安徽、湖南、河南、江西、山西和湖北。同時，通過對純技術效率、規模效率以及規模收益分析，探討有關省份物流業短板并給出相應對策建議，為推進中部六省物流業發展提供參考。

中部六??；物流效率；DEA分析

一、引言

中部六省包括河南、湖北、湖南、安徽、江西、山西六個相鄰省份，是我國內地的陸路和水路運輸樞紐，也是我國的經濟腹地和重要市場，在區域地域分工中扮演著重要角色。物流產業作為新興產業，不僅在經濟社會發展中占有十分重要的位置，也是帶動區域經濟發展的重要驅動力。中部地區的物流業發展逐漸興起的同時，隨之而來的物流效率問題已經成為影響中部地區經濟的關鍵因素，物流效率的高低會對物流業的發展產生重要影響。

對于物流產業效率的分析主要有兩類方法[1]：一類是參數分析方法。這類方法以計量分析為代表，注重解釋變量之間的關聯性，無法準確描述多個投入變量和產出變量的比率關系；另一類是非參數分析方法，DEA就是其中之一。DEA的最大優勢是利于對多個產出變量和投入變量之間關系的技術處理，在衡量物流產業效率方面具有以下優勢[2]：（1）物流產業是一個具有多投入與產出指標的復合型系統，并且各指標間很難確定具體函數關系，DEA適用于多個輸入輸出體系且各指標間不需確定具體函數關系的情境；（2）由于評價物流產業效率的多個指標的量綱不統一，而DEA方法在處理數據時也正好不用考慮量綱，因此評價過程較為客觀；（3）由于物流產業中存在規模效應，DEA方法中的變動規模報酬模型可以用來分析物流產業中的規模效應；（4）DEA方法可以具體分析出技術效率偏低是由投入要素冗余導致還是由于產出不足導致的，運用DEA方法分析區域物流產業效率可以了解到導致該區域技術非有效的具體原因?；诖?，本文擬采用DEA分析法來分析和比較中部六省的物流效率，并在此基礎上提出一些對策建議。

二、DEA的模型與選擇

（一）固定規模報酬模型（CCR模型）

假設有n個被評價的同類部分，稱為決策單元DMUj=(DMU1，DMU2，…，DMUk，…，DMUn)，每個決策單元（DMUk）均有m個投入變量和s個產出變量。于是，可以得到輸入輸出矩陣和一組權系數：輸入矩陣：Xj=（X1j，X2j，…，Xmj），輸出矩陣：Yj=（Y1j，Y2j，…，Ymj）

設Yrj為第j個決策單元對第r種輸出的產出量；Xij為第j個決策單元對第i種輸入的投入量；Ur為對第r種輸出的一種度量(或稱權)；Vi為對第i種輸入的一種度量（或稱權）。

CCR模型為：

設上述問題的最優解為λ*，s*-,s*+,θ*，則有如下結論：

（1）若 θ*=1，且 s*-=s*+=0，則 DMUj0為 DEA有效。此時技術有效，并且規模有效，決策單元已經達到最佳組合和最大產出；

（2）若θ*=1，且s*-，s*+不全為0時，則DMUj0為弱DEA有效。此時決策單元或者技術無效，或者規模無效；

（3）若θ*<1，則DMUj0為DEA無效。

（二）DEA的可變規模報酬模型（BCC模型）

CCR模型在規模收益不變的假設下，得出最優值θ*的綜合技術效率，它是對決策單元的資源配置能力、資源使用效率等多方面能力的綜合衡量與評價。但事實上，規模的變化會導致決策單元的效率的變化。BCC模型與CCR模型不同，不再假設規模因素對生產效率沒有影響，增加了約束條件

當上述問題的最優解為λ*，s*-,s*+,θ*，則有如下結論：

（1）若θ*=1，且s*-=s*+=0，則DMUj0為DEA純技術有效，決策單元達到最佳組合和最大產出；

（1）若θ*=1，且s*-，s*+不全為0時，則DMUj0為弱DEA純技術有效，此時決策單元技術效率非最佳；

（3）若θ*<1，則DMUj0為DEA純技術無效。

在DEA中，可以利用BCC模型計算純技術效率，通過CCR模型計算綜合技術效率，則規模效率等于綜合技術效率除以純技術效率。若規模效率為1，則規模效率有效，規模報酬不變；若規模效率不為1，那么當λ*與θ*比值小于1時，規模報酬遞增；當λ*與θ*比值大于1時，規模報酬遞減。

（三）DEA模型的選擇

DEA模型的選擇對于結果的準確性至關重要。固定規模報酬模型（CCR）沒有考慮規模的大小對效率造成的影響，但各種因素的存在使規模報酬不變的情況比較難以實現。當決策單元并沒有達到最優規模時，在固定報酬模型下，很難區分是由技術進步引起的效率變化還是由規模效應引起的效率變化。因此，應當選擇BCC模型進行DEA效率的計算。BCC模型又分為投入導向型與產出導向型，投入導向模型是假設在產出不變的情況下，使投入最小化的運籌學問題。產出導向模型是假設在投入不變的情況下，使產出最大化的運籌學問題[3]。在物流系統中，投入要素更容易控制，因此本文采用投入導向型DEA模型來對中部六省物流產業效率進行比較分析。

三、中部六省物流產業效率實證研究

（一）研究對象及數據來源

本文以中部六省為研究樣本，包括河南、山西、湖北、湖南、安徽、江西。研究中采用的基礎數據是2009－2014年中部六省物流產業投入產出指標的統計數據，數據來源于2010－2015年 《中國統計年鑒》。選擇2009－2014年的數據作為研究數據的原因包括兩方面：一方面，由于物流產業從投入到產出需要經過一定的時間延遲，如果要評價一個地區物流產業投入產出的相對效率，不僅要考慮到當年的發展情況，更重要的是要對它較長時間內的發展情況有個把握[4]。另一方面，物流產業于2009年被國家列為十大振興產業之一。因此，對2009－2014年間的中部六省物流產業效率進行分析具有重要意義。由于物流產業為綜合性產業，統計年鑒中并無物流產業的概念，本文選用交通運輸、倉儲和郵政業的相關統計數據之和來代替物流產業。

（二）研究變量指標選取

（1）投入變量的選取。Strassner E.H（2005）從產業視角來衡量提出了KLEMS衡量方法，該方法認為初始投入包括勞動、資本以及中間投入（材料、能源和服務）。然而，指標的選取需要考慮數據的可得性[4]。本文僅選取資本與勞動作為輸入變量，不再考慮中間投入。

（2）產出變量的選取。就整個物流產業而言，其產出變量的實用價值表現形式是貨運量，而價值的表現形式則是物流產業產值。本文綜合已有文獻，充分考慮數據的代表性與可得性，選取物流產業產值與貨運量作為衡量物流產業產出的指標。以上兩指標分別從質量和數量兩方面反映物流規模。

（三）樣本數據及變量描述性統計

通過對《中國統計年鑒》的樣本數據進行整理分析，在借鑒已有研究的基礎上[5]，本文對2009－2014年中部六省物流產業從業人員人數、物流產業固定資產投資額、貨運量、物流產業產值這四個變量作統計性分析。

表1　投入產出指標描述性統計

由表1可知2009～2014年投入產出指標的平均值情況，物流業從業人數這一投入指標在2009年與2012年比較穩定，2013年開始有一個大幅增加的變化；而固定資產投資額在2009－2014年間均是穩步增長。產出指標如貨運量與物流業產值的平均值在2009－2014年間都處于增長趨勢。從各指標的最大最小值可以看出，不同年份各省均存在較大差別。

（四）中部六省物流產業效率分析

根據前述DEA分析模型和方法，以及評價物流產業效率的投入產出指標體系[6]，利用DEAP2.1軟件對中部六省物流產業的總技術效率、純技術效率、規模效率、規模報酬分別進行測算。DMU個數為6，投入與產出指標個數均為2，選取的導向為投入導向，輸入2009－2014年樣本數據。通過對比分析各省物流產業效率數值的結果，得出中部各省物流產業效率的總體狀況。

（1）總技術效率分析?？偧夹g效率即技術效率是當某個決策單元的產出保持既定不變時，以樣本中最優決策單元為標準，該決策單元所能達到的最小投入?？偧夹g效率小于1，表明該組織沒有達到技術有效，當前投入產出組合點離最優投入產出組合有一定距離，在現有技術水平下仍有提高產出的可能性。

總技術效率包括兩部分，即純技術效率和規模效率，并且是純技術效率與規模效率的乘積。純技術效率是組織由于管理和操作技術等因素影響的效率，而規模效率是由于組織自身規模因素影響的效率。本文通過考察中部六省物流產業2009－2014這五年的總技術效率值，反映了六省份當前物流產業整體效率。具體結果如表2所示：

表2　2009－2014年中部六省物流產業總技術效率及其排名

通過上表，我們可以對2009－2014年間中部六省總技術效率進行具體分析。

在2009－2014年間，總技術效率平均值處于上游水平的包括安徽（1.000，排名1）、湖南（0.988，排名2）；處于中游水平的包括河南（0.960，排名3）、江西（0.942，排名4）；處于下游水平的是山西（0.860，排名5）、湖北（0.759，排名6）。由此分析可以看出，中部不同省份物流產業發展不平衡，且湖北省在這六個省份中總技術效率最差，僅為0.759，即產出水平僅為潛在產出水平的75.9%；而湖北作為“中部崛起”戰略中的重要省份，提高其物流產業效率是必要的也是必需的。

（2）純技術效率分析。純技術效率指在不考慮規模因素的情況下，各地每年能否有效利用生產技術，使產出最大化，該值表示投入要素的使用效率[7]。為提高投入要素使用效率，可以通過更新思想理念、改進生產技術等方式來減少各項投入資源的浪費。這里我們考察2009－2014年的中部六省物流產業的純技術效率，如表3所示：

表3　2009－2014年中部六省物流產業純技術效率及其排名

2009－2014年純技術效率平均值處于上游水平的有安徽、河南和湖南，江西緊隨其后，山西和湖北屬于下游，尤其是湖北省，其純技術效率為0.783，表明近5年間其浪費了近20%投入要素資源。湖北省擁有輻射各方的區位優勢，這也是發展物流產業的先天優勢；但從分析結果可知，相較于其他地區，湖北省的純技術效率并沒有顯示其應有的優勢，可能原因是由于資源浪費比較嚴重，導致該地區既有的物流能力得不到充分發揮。

（3）規模效率分析。規模效率指的是各地每年產出與投入的比例是否適當，是否在該規模下一定投入后產出最大，是否需要增加規?；蛳鳒p規模[8]。該值反映的是實際規模與最優生產規模的差距，越高表示規模越適合，生產力也越大。因此，只有在規模有效的情況下，獲利性才是最好的，這時的生產成本最低。這里我們考察2009－2014年的中部六省物流產業的規模效率，如下表4所示：

表4　2009－2014年中部六省物流產業規模效率及其排名

中部地區2009－2014年規模效率平均值處于上游水平的有安徽（1.000，排名1）、湖南（0.988，排名2）、山西（0.978，排名3）；處于中游水平的是湖北（0.969，排名4）、河南（0.960，排名5）；處于下游水平的是江西（0.943，排名6）。由此可見，中部各省規模效率平均值都在0.9以上，說明其整體水平較高。

（4）規模報酬分析。規模經濟有三種情況：規模報酬遞增(IRS)、規模報酬不變(CRS)、規模報酬遞減(DRS)。這樣我們將對2009-2014年的中部六省物流產業的規模報酬狀況進行考察，如表5所示：

表5　2009－2014年中部六省物流產業規模報酬情況表

從表5中易知，在2009－2014期間，安徽與湖南基本處于規模報酬不變狀態；江西是規模報酬遞增→不變；湖北省為規模報酬遞增→遞減→遞增；河南省為規模報酬不變→遞減。因此，在考慮提升物流產業總技術效率的同時必須要參照各地規模報酬情況。

處于規模報酬遞增階段，增加物流投入可以極大地提升地區物流產出。當地區處于規模報酬遞增階段，理論上可以通過擴大規模提高規模效率，以提升總技術效率。規模報酬遞減是指投入一定的輸入變量之后，輸出變量將小于之前投入相同量的輸入變量后的產出。當地區處于規模報酬遞減階段時，不能再繼續擴大規模，而要調整投入結構。改變粗放型發展模式，改善環境與提高管理技術水平來提升純技術效率，以最終提升物流產業總技術效率。

四、研究結論

中部地區在我國經濟發展中占有重要的地位，中部六省的物流產業效率是“中部崛起”的基礎。本文通過使用2009－2014年中部六省物流產業相關數據，采用投入導向變動規模報酬DEA模型，對各省物流產業效率進行了分析，得出以下結論：

（1）從總技術效率來看，安徽、湖南、河南三省排位靠前，物流產業總體效率較高；江西、山西、湖北三省物流總技術效率相對較低，尤其是湖北作為九省通衢的戰略要地，物流總技術效率最低，僅為0.759，提高其物流產業效率十分必要。

（2）從純技術效率來看，仍然是江西、山西、湖北分別排在第4名、第5名與第6名，說明以上三個省份的物流效率低下主要由物流純技術效率不足導致。以上三省份應重點考慮物流網絡、物流節點、物流科技與物流人才四個影響要素，著手改善物流效率。湖北應與周邊17條省際“斷頭路”保持交通的暢通。山西省政府交通運輸系統債務較多，建議采用BOT或PPP方式引進社會資本。湖北、江西機場建設，應錯位發展或者通過資本紐帶建立戰略聯盟。中部地區應當加強區域信息化建設，實現區域物流信息的交流與共享。湖北、山西與江西應加大高端物流人才培養與引進力度，為物流效率提升提供智力支持。

（3）從規模效率與規模報酬來看，江西省平均規模效率最低且規模收益遞增，說明江西物流規模遠未達到實際需要，應當增加物流規模，建設物流基礎設施，增加物流投入以期提升江西省物流效率。河南省物流規模效率排名第5且規模收益連年遞減，應當適當縮減物流投入。河南全省范圍內應禁止新建物流基地、物流中心等大型物流基礎設施，并且疏解部分物流功能以降低物流規模，提升物流效率。

[1]鐘祖昌.基于三階段DEA模型的中國物流產業技術效率研究[J].財經研究，2010(10):81-90.

[2]田麗.基于DEA模型的河南省物流產業效率評價[J].物流技術，2015(1):161-164.

[3]梁雯,凌珊.基于DEA的安徽省物流效率研究[J].物流科技，2014(8):20-23.

[4]張昭.物流業效率與對外貿易依存度的動態關系研究.[J].統計與決策，2014(12)：139-142.

[5]盧小蘭,付芳.基于DEA和SE-DEA模型的湖北省物流業效率研究[J].江漢大學學報（社會科學版),2015(5):69-74.

[6]鄧學平,王旭.我國物流企業全要素生產效率分析[J].系統工程，2008,26(6):1-9.

[7]徐浩,劉宇琴.基于數據包絡分析的重慶庫區腹心經濟發展效率研究[J].重慶工商大學學報(自然科學版),2015(4):55-60.

[8]趙冰梅，高磊，任冬.基于投入主導DEA模型的我國沿海主要港口物流效率研究[J].對外經貿,2015(10):66-69.

（責任編輯：呂增艷）

Efficiency Comparison of Logistics Industry in Six Central Provinces Based on DEA Analysis

ZHU Chao-cai
（Anhui Institute of International Business,Hefei,Anhui 230051,China）

Based on the DEA principle,the paper constructed input-output index system of logistics industry in six central provinces.By using the input-oriented variable return scale DEA model,the efficiency of logistics industry had been analyzed.This paper researched the related data of logistics industry from 2009 to 2014.The results showed that the total technical efficiency of the logistics industry in six central provinces from high to low is Anhui,Hunan,Henan,Jiangxi,Shanxi and Hubei.Through analyzing the pure technical efficiency,scale efficiency and scale income,this paper discussed the short board of logistics industry and gave the corresponding countermeasures,which provided reference for promoting the development of logistics industry in six central provinces.

six central provinces;logistics efficiency;DEA analysis

F505

A

1008—7974(2016)03—0051—05

10.13877/j.cnki.cn22-1284.2016.05.010

2015-10-19

安徽省社會科學創新發展研究課題（A2015071）

朱超才，安徽宿松人，副教授。