基于三階段DEA的江浙滬地區物流產業效率

王書靈，袁汝華

（河海大學?商學院，江蘇?南京?211100）

基于三階段DEA的江浙滬地區物流產業效率

王書靈，袁汝華

（河海大學?商學院，江蘇?南京?211100）

為探析外部環境因素對江浙滬地區物流產業效率的影響程度，運用三階段?DEA?方法對江浙滬地區?2009—2014?年物流產業效率進行研究。結果表明：上海市的物流產業效率較高，其在純技術效率和規模效率方面長期處于較優狀態；江蘇省和浙江省的物流產業效率不夠理想，需要著力提升純技術效率；政府支持、科技水平、電信業務總量和地區生產總值等外部環境因素對物流產業效率均具有顯著影響，相關部門可以有針對性地進行資源投放，以推動江浙滬物流產業效率的不斷提升。

江浙滬；物流產業；產業效率；三階段?DEA

1概述

隨著我國經濟實力的不斷提升、“一帶一路”戰略構想的縱深推進，以及長江經濟圈、京津冀協同發展等區域經濟布局的日益深化，物流產業在我國經濟發展中的重要性逐漸顯現，我國現代物流業開始步入發展的高峰時期。根據國家統計局 2006—2014 年《全國物流運行情況通報》披露的數據，我國社會物流總額由 2006 年的 59.6 萬億元攀升至2014 年的 213.5 萬億元，物流產業效率也被納入了考察一國經濟運營效率的核心指標中。但是，我國物流基礎設施存在明顯短板，布局不合理、銜接不順暢，綜合交通運輸體系、物流園區、物流技術裝備等尚有很大的發展空間[1]。

在國內外學者已有的研究成果中，關于效率測算方法的研究有很多，農業、建筑業、金融業等很多行業早已對效率進行分析預評價[2-4]，但長期以來，對于物流產業效率的研究仍相對不足。田剛等[5]選取 1991—2007 年間我國 29 個省物流業的面板數據，利用外生性影響因素和隨機前沿生產函數模型進行聯合估計，對我國物流業全要素的增長來源、差異與變化趨勢進行實證分析。余泳澤等[6]選取隨機前沿生產函數研究我國的物流產業效率，并探析物流資源利用率、地區制度變遷，以及區位優勢等因素對我國物流產業效率的影響程度。張毅等[7]應用 NEW-COST-DEA 模型對 17 家上市物流公司 2007—2009 年間的成本效率進行測評，結果顯示 17 家上市物流公司成本效率普遍較低。張中強[8]以我國東部 31 個地區的數據為樣本，研究我國東部地區物流發展效率，并以 2012 年為典型年份，對區域物流發展的松弛變量及規模效率進行分析與評價。周會會[9]從物流業全要素能源效率指標分析出發，結合 DEA 應用原理構造中部 6 省全要素能源效率模型，并以中部 6 省原始數據為依托進行全要素能源效率擬合分析。學者們利用隨機前沿生產函數、NEW-COST-DEA 模型等方法對我國物流產業效率進行了一定的研究，但鮮有學者考慮到外部環境因素對物流產業效率的影響，因而容易造成測算結果的失真。三階段 DEA 模型能較好的將外部環境因素納入考量，從而得到更準確的結果。

長江三角洲地區目前已經成為我國經濟飛速發展、經濟總量最大、最具有發展潛力的區域。長江三角洲地區的物流基礎設施較好，在加強鐵路網、公路網、港航設施、航空樞紐等綜合交通體系建設的同時，也正在大力發展現代航運服務體系。因此，利用三階段 DEA 模型對江浙滬物流產業效率進行測算與評價，重點分析外部環境對江浙滬物流產業的影響，有利于定量分析長江三角洲地區物流產業發展現狀，并為該地區物流產業發展提供參考。

2研究方法與數據來源

2.1三階段 DEA 模型

FARRELL M J 于 1957 年提出一種計量多種投入對農業生產效率影響的方法；CHARNES A 等[10]于 1978 年在 FARRELL M J 研究的基礎上得出了融合管理學、經濟學及數學知識的 DEA 算法，擴充了生產函數的理論及應用范疇；FRIED H O 等[11]于2002 年研究得到三階段 DEA 模型，其在測算生產效率時能有效地排除環境因素及隨機誤差，改進了傳統 DEA 模型的不足。三階段 DEA 模型包括以下 3個部分。

2.1.1第一階段 BCC 模型

傳統的 DEA 模型包括 CCR 模型和 BCC 模型 2種，CCR 模型假設規模效率不變，而 BCC 模型主要進行規模效率可變情況下的效率計算。BCC 模型將綜合效率 (TE) 分解成了純技術效率 (PTE) 和規模效率 (SE) 的乘積，即 TE = PTE×SE。

設有 n 個決策單元，每個決策單元都有 m 種類型的“輸入”和 s 種類型的“輸出”，則第 j0個決策單元總效率的計算就轉化成線性規劃問題，具有非阿基米德無窮小的 DEA 模型如公式 ⑴ 所示。

式中：Xj= (x1j，x2j，…，xmj)T為決策單元的輸入變量；Yj= (y1j，y2j，…，ysj)T為決策單元的輸出變量；Xj0，Yj0為第 j0個決策單元的輸入、輸出變量；s+和 s-為松弛變量；θ 為決策單元的綜合效率值；λj為決策變量；Es；ε 為非阿基米德無窮小。如果 θ = 1，則決策單元為 DEA 有效；否則，也可以計算出該決策單元在有效生產前沿上面的“投影”，即，。

2.1.2第二階段 SFA 模型

在測算各決策單元效率時，第一階段 BCC 模型得出的松弛變量是隨機誤差、外部環境和管理效率共同影響的結果。第二階段 SFA 模型是在第一階段 DEA 得到的松弛變量基礎上，將投入松弛變量作為被解釋變量，而外部環境及隨機誤差因素作為解釋變量，建立 SFA 回歸模型，排除外部環境及隨機誤差因素對投入松弛變量的影響，從而更加準確地反映管理無效率對決策單元效率的影響程度。

以投入導向為例，假設有 n 個決策單元，每個決策單元都有 m 種投入，有 P 個可測得的外部環境變量，分別對每個決策單元的投入松弛變量采用SFA 分析，可得到 SFA 回歸方程如公式 ⑵ 所示。

式中：Sik為第 k 個決策單元第 i 項投入的差值額；zk是外部環境變量；βi是外部環境解釋變量的待估參數；fi(zk；βi) 是環境變量對投入額差值 Sik的影響方式；vik+ uik是復合誤差項；vik表示隨機干擾，假設 vik服從正態分布；uik表示管理無效率，假設其服從截斷正態分布。

2.1.3第三階段調整后的 DEA 模型

第三階段調整后的 DEA 模型是以調整后的投入數據代替原有的投入數據，并結合原本的產出數據，采取 BCC 模型再次測算決策單元效率值。第三階段調整后的 DEA 模型測算的決策單元效率是排除外部環境及隨機誤差因素的結果，能夠更為客觀地反映出各決策單元效率水平的現實狀況。

2.2指標選取與數據來源

2.2.1投入與產出指標的選取

根據生產理論，生產過程中投入的要素主要有人力、物力、資金等，產出主要是商品或服務。結合江浙滬地區物流業的特點，建立物流產業投入產出評價指標體系如表1所示。

表1　江浙滬地區物流產業投入產出評價指標體系

2.2.2環境變量的選取

三階段 DEA 模型中第二階段是運用 SFA 模型考察外部環境因素及隨機誤差對整個物流效率評價系統的影響程度。物流產業的效率除了受物流生產過程的影響外，還受整體經濟社會發展環境、信息化技術水平、物流產業整體發展水平等外生環境因素的影響?？紤]數據的可得性和有效性，選取以下外生環境變量。

（1）政府支持。政府支持情況在短期內對物流業的發展起到非常重要的作用。由于地方政府在財政政策上具有較大的差異性，因而選取交通運輸的支出在各地區政府財政支出中所占的比例來反映各地區地方政府對物流業的支持情況。

（2）科技水平?？萍妓街笜酥饕脕砗饬课锪鳟a業的現代化水平，涉及信息技術、空間技術等多方面。各地區的科技水平高低對物流產業的運作效率有很大的影響[12]，科技水平的提高可以改善物流的經營方式，刺激物流產業的效率提升，對物流產業的管理也起到重要的作用?？萍妓揭哉斦锌萍贾С稣伎傊С龅谋壤硎?。

（3）電信業務總量。地區物流產業的電信基礎設施發展水平對物流產業的效率具有顯著影響，因而電信業務總量這一指標在一定程度上能夠反映地區物流產業的電信基礎建設水平的差異。

（4）地區生產總值。各地區的生產總值能夠反映出不同地區的經濟發展水平，而物流作為第三產業中的一部分，它的發展與地區經濟發展水平息息相關。

2.2.3樣本及數據來源

數據主要來源于 2010—2015 年《中國統計年鑒》《中國物流年鑒》和《中國第三產業統計年鑒》，以及 2010—2015 年《交通運輸行業發展統計公報》、江浙滬 3 省市的統計年鑒，數據縱向覆蓋 2009—2014 年。其中，為避免價格因素對各地區生產總值的影響，對統計年鑒中各地區生產總值以 2009 年為基年進行剔除價格因素的換算。

3實證分析

3.1第一階段 BCC 模型實證結果

運用 DEAP 2.1 軟件對 2009—2014 年江浙滬 3省市物流效率水平進行分析，計算結果主要包括綜合效率 (TE)、純技術效率 (PTE) 和規模效率 (SE)。綜合效率反映的是地區物流行業在目前技術條件下所能夠達到的最大產出比例。純技術效率是指在不考慮規模效率因素的影響下，投入因素對綜合效率的影響，純技術效率小于 1，表明在不考慮規模效率因素的前提下，投入因素的利用程度還有改善的空間，需要改進生產技術；純技術效率等于 1，表明在不考慮規模效率因素的影響下，投入因素的利用已經達到最大化，無需改善。規模效率反映的是投入和產出之間的協調關系，當規模效率等于 1時，說明投入和產出之間達到了最優狀態，獲利性達到最好的狀態。江浙滬地區 2009—2014 年物流效率如表2所示。

表2　江浙滬地區 2009—2014 年物流效率

長江三角洲地區內部物流效率存在差異，上海市一直處于效率的前沿。分別比較江蘇省和浙江省物流行業的純技術效率和規模效率可以發現，在2009—2014 年的 6 年中，規模效率一般都大于純技術效率的值，表明在考慮外界環境因素和隨機誤差因素時，純技術效率值相對不高是浙江省和江蘇省物流行業綜合效率偏低的最重要的原因。

物流業的技術革新及其生產效率的提升能使已投入的要素得到更加充分的利用，這樣能帶來規模效率遞增，而反之則規模效率遞減。如果物流業生產技術水平或管理水平沒有與規模相協調，降低了勞動和資本的生產率，則有可能出現規模效率遞減。從表2可以看出，2009—2014 年上海市一直處于規模效率不變階段，說明規模對各個要素生產率并沒有影響；而江蘇省規模效率從 2009 年遞減至2012 年，后開始進入規模效率遞增階段；浙江省的規模效率狀態這幾年也處于反復變化的過程，但在2012 年到 2014 年，浙江省的規模效率一直處于遞減的狀態。

3.2第二階段 SFA 回歸結果

借助 Frontier 4.1 軟件，利用 SFA 模型估算政府支持、科技水平、地區生產總值和電信業務總量變化對物流產業效率的影響，從而排除外部環境因素及隨機誤差等干擾因素。當回歸系數大于 0，表示外部環境變量的增加導致各投入變量浪費增加；當回歸系數小于 0，表明外界環境變量值的增加將降低投入的浪費。江浙滬地區 2009—2014 年外部環境指標數據如表3所示。

將第一階段 BCC 模型計算得出的投入變量的松弛變量看作因變量，將政府支持、科技水平、地區生產總值、電信業務總量等外部環境因素看作自變量，對 2009—2014 年江浙滬地區的數據進行 SFA回歸，結果列于表4中。

（1）政府支持。SFA 分析結果顯示，政府支持與物流網絡里程松弛變量、勞動力投入松弛變量、資本投入松弛變量的回歸系數均為正數，這表示政府對物流業的扶持在短期內對物流網絡的建設、勞動力和資本的投入具有促進作用，但過多的投入會導致投入浪費，降低物流行業的效率。一方面，政府對物流業支持力度提高能夠促進基礎設施建設和改善，但目前江浙滬地區物流基礎設施已趨于完善，政府的投入已經進入邊際效應遞減階段；另一方面，政府對物流業的支持會吸引勞動力進入物流業，而過多的勞動力投入物流行業會導致勞動力冗余；第三，越來越多的資本投入物流行業，能夠擴大物流行業的競爭，但目前的狀況是物流行業趨于飽和，更多的資本投入至物流行業會導致不良競爭，降低效率。

表3　江浙滬地區 2009—2014 年外部環境指標數據

表4　第二階段 SFA 回歸結果

（2）科技水平。由表4結果可知，科技水平與物流網絡里程松弛變量、勞動力投入松弛變量、資本投入松弛變量等 3 個指標的回歸系數均為負數，說明科技水平發展對減少物流網絡里程、勞動力投入和資本投入具有促進作用，并且物流產業科技水平的發展有利于物流管理效率的提高?？萍妓捷^高的地區，其物流業發展的整體環境較好，無論從長期角度或短期角度對物流業的發展都具有積極影響。

（3）電信業務總量。從分析結果觀察到，電信業務總量指標與物流網絡里程松弛變量、資本投入松弛變量之間的回歸系數為正，表明電信基礎設施水平的提升會吸引物流網絡里程、資本投入的大幅增加，過多的投入會造成資源的冗余，降低物流行業的效率。電信業務總量與勞動力投入松弛變量之間的回歸系數在 2009 年為負值，2010—2014 年均為正值，說明物流業電信基礎設施水平的提升在短期內有利于減少勞動力投入的浪費；但隨著電信基礎設施的日益完善，過多的投入則會導致勞動力的冗余，降低物流管理效率。

（4）地區生產總值。地區生產總值與物流網絡里程松弛變量、勞動力投入松弛變量、資本投入松弛變量之間的回歸系數在近幾年多為負數，表明隨著地區經濟發展水平提高，有利于減少傳統的物流網絡里程的擴展，以及勞動力和資本的投入。經濟發展水平較高的地區對物流基礎設施建設的要求也高，但在發展到一定程度后，會減少地區的基礎設施建設，因而地區生產總值與物流網絡里程松弛變量的回歸系數在 2009 和 2010 年為正值，其余為負值；此外，地區經濟發展水平的提升在短期內會吸引大量勞動力的流入，一定程度上產生勞動力資源的富余，降低物流業的效率，但從長期看，勞動力投入將逐步放緩，其數量能夠與較高的地區經濟發展水平相適應，從而提升物流業效率，因而 2009年和 2010 年地區生產總值與勞動力投入松弛變量之間的回歸系數為正值，其余年份為負值。

3.3第三階段調整后的 DEA 實證結果

在第二階段利用 SFA 模型對 2009—2014 年江浙滬地區物流產業效率的投入變量采取調整后，結合原產出數據，借助 Deap 2.1 軟件再次計算物流產業效率，得到排除外部環境變量及隨機誤差影響的TE，PTE，SE 值。調整后的江浙滬地區物流產業效率如表5所示。

表5　調整后的江浙滬地區物流產業效率

對比第一階段 BCC 模型和第三階段調整后的DEA 模型的結果可知，在剔除了外部環境因素對江浙滬地區物流產業效率的影響后，江浙滬第三階段調整后的 DEA 分析與第一階段的結果有明顯的變化。從整體情況看，調整后的地區物流效率在綜合效率及純技術效率上的數值均有提高，而規模效率的值有所降低。

此外，排除外部環境因素和隨機誤差因素的影響之后，長江三角洲地區物流效率的值發生較大變化。非常明顯的是調整后的純技術效率高于調整前的純技術效率，說明外界環境因素如物流產業管理水平、現代化程度等因素制約著物流業的發展。對比第一階段 BCC 模型和第三階段調整后的 DEA模型得到的規模效率值發現，第三階段的規模效率值大都小于第一階段，表明外界環境因素和隨機誤差因素對江浙滬地區物流業規模效率有一定的積極影響。觀察規模效率狀態，上海市調整前和調整后一直處于規模效率不變狀態，江蘇省和浙江省在調整前有部分年份的規模效率狀態為遞減，而調整后的規模效率狀態全部為遞增，說明在剔除外界環境因素和隨機誤差因素后，規模因素也制約著江蘇省和浙江省整體物流效率的提高?？傮w來說，上海市的物流效率總體較好，處于效率前沿面；江蘇省和浙江省的物流效率還有待提高，尤其是純技術效率方面，此外規模因素也制約著江浙兩省物流業的發展。

4結論

（1）對比三階段 DEA 方法中的第一階段 BCC模型和第三階段調整后的 DEA 模型的結果發現，第三階段調整后的 DEA 模型得到的規模效率一般低于第一階段 BCC 模型的規模效率，第三階段調整后的 DEA 模型得到的的純技術效率相比第一階段 BCC 模型的純技術效率有所提升，規模效率狀態也發生改變，說明所選取的政府支持、科技水平、電信業務總量、地區生產總值等外界環境因素對物流產業的效率影響較為明顯。

（2）利用三階段 DEA 模型計算得到的物流效率結果顯示，江浙滬兩省一市中上海市的物流效率一直處于效率前沿面，無論在規模效率、純技術效率方面都表現良好；江蘇省和浙江省的物流效率，主要是純技術效率方面還需進一步改善。除此之外，規模因素也制約著長江三角洲地區物流業的發展，因而需要適當擴大物流業規模，同時注重物流業技術的提升。

[1] 竇國輝，趙明茹. 我國物流行業存在的問題與對策[J]. 交通標準化，2011(17)：152-153.

DOU Guo-hui，ZHAO Ming-ru. Existing Problems of Logistics Industry in China and Countermeasures[J]. Transportation Standardization，2011(17)：152-153.

[2] 張 樂，曹 靜. 中國農業全要素生產率增長：配置效率變化的引入：基于隨機前沿生產函數法的實證分析[J]. 中國農村經濟，2013(3)：4-15.

ZHANG Le，CAO Jing. The Growth in Total Factor Productivity of China’s Agriculture Sector：With Introduction of Changes in Allocative Efficiency：An Empirical Study based on Stochastic Frontier Production Function[J]. Chinese Rural Economy，2013(3)：4-15.

[3] 唐壯志. 我國商業銀行風險與效率研究：基于因子分析法的指標選取[J]. 現代商貿工業，2009，21(6)：162-164.

[4] 劉炳勝，王雪青，李 冰，等. 基于主成分分析與 DEADA組合的中國區域建筑產業競爭優勢系統評價[J]. 土木工程學報，2011，44(2)：143-150.

LIU Bing-sheng，WANG Xue-qing，LI Bing，et al. Systematic Evaluation of the Competitive Advantage of Chinese Regional Construction Industry based on Principal Component and DEA-DA[J]. China Civil Engineering Journal，2011，44(2)：143-150.

[5] 田 剛，李 南. 中國物流業技術效率差異及其影響因素研究：基于省級面板數據的實證分析[J]. 科研管理，2011，32(7)：34-44.

TIAN Gang，LI Nan. Logistics Technical Efficiency Disparity and Affecting Factors: based on Cross- Province Panel Data Using a Single-Stage Estimation of the Stochastic Frontier Analysis[J]. Science Research Management，2011，32(7)：34-44.

[6] 余泳澤，武 鵬. 我國物流產業效率及其影響因素的實證研究：基于中國省際數據的隨機前沿生產函數分析[J]. 產業經濟研究，2010(1)：65-71.

YU Yong-ze，WU Peng. An Empirical Study on the Efficiency of China’s Logistics Industry and Its Factors[J]. Industrial Economics Research，2010(1)：65-71.

[7] 張 毅，陳 圻. 基于 NEW-COST-DEA 模型的中國上市物流公司成本效率研究[J]. 華東經濟管理，2011，25(4)：74-79.

ZHANG Yi，CHEN Qi. Investigating Cost Efficiency of China Logistics Public Companies based on NEW- COSTDEA[J]. East China Economic Management，2011，25(4)：

(??)(??)74-79.

[8] 張中強. 我國東部地區區域物流發展效率分析：以我國東部 31 個地市級地區為例[J]. 中國社會科學院研究生院學報，2012(1)：77-81.

ZHANG Zhong-qiang. Analysis on Regional Logistics Development Efficiency in China’s Eastern：31 Eastern Prefecture-Level Cities in China as an Example[J]. Journal of Graduate School of Chinese Academy of Social Sciences，2012(1)：77-81.

[9] 周會會. 基于 DEA 的中部 6 省物流業全要素能源效率分析[J]. 鐵道運輸與經濟，2016，38(3)：13-18.

ZHOU Hui-hui. Analysis on Total Factor Energy Efficiency of Logistics Industry in 6 Provinces of Central China based on DEA[J]. Railway Transport and Economy，2016，38(3)：13-18.

[10] CHARNES A，COOPER W W，RHODES E. Measuring the Efficiency?of?Decision?Making?Units[J]. European Journal of Operational Research，1978，2(78)：429-444.

[11] FRIED H O，LOVELL C A K，SCHMIDT S S，et al. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J]. Journal of Productivity Analysis，2002，17(1)：157-174.

[12] 賈玉衛，戶佐安，邵玉華. 電子商務模式下鐵路貨運業務流程優化[J]. 鐵道貨運，2015，33(2)：11-15.

JIA Yu-wei，HU Zuo-an，SHAO Yu-hua. Flow Optimization of Railway Freight Transport Operation under E-Business Mode[J]. Railway Freight Transport，2015，33(2)：11-15.

責任編輯：李琨浩

Efficiency of Logistics Industry in Jiangsu, Zhejiang and Shanghai based on Three-Stage DEA Model

WANG Shu-ling，YUAN Ru-hua

(Business School, Hehai University, Nanjing 211100, Jiangsu，China)

In order to analyze the influence of external environmental factors on the efficiency of logistics industry in Jiangsu, Zhejiang and Shanghai, this paper uses the three-stage DEA method to study the efficiency of logistics industry in the region from 2009 to 2014. The results show the conclusion as follows: 1)The efficiency of the logistics industry in Shanghai is higher, and Shanghai is in a better state of pure technical efficiency and scale efficiency; 2)The efficiency of the logistics industry in Jiangsu and Zhejiang is not ideal, in particular the pure technical efficiency needs to be focused on and improved; 3)Other external environmental factors including government support, science and technology level, the total amount of telecommunications services and regional GDP also have a significant impact on the efficiency of the logistics industry and relevant government agencies can carry out targeted delivery of resources to promote the efficiency of logistics industry in the region.

Jiangsu, Zhejiang and Shanghai; Logistics Industry; Industrial Efficiency; Three-Stage DEA

1003-1421(2016)10-0001-07

F259.27

A

10.16668/j.cnki.issn.1003-1421.2016.10.01

2015-12-29

2016-08-15

水利部公益性行業科研專項 (201301055)