基于DEA分析的中部六省物流产业效率比较

朱超才（安徽国际商务职业学院，安徽　合肥　231131）

基于DEA分析的中部六省物流产业效率比较

朱超才
（安徽国际商务职业学院，安徽合肥231131）

该文以DEA原理为基础，构建了中部六省物流产业投入产出指标体系，运用投入导向型变动规模报酬DEA模型，对其物流产业效率进行分析。对中部六省2009－2014年物流产业相关数据的研究结果显示，中部六省物流产业的总技术效率排名从高到低依次是安徽、湖南、河南、江西、山西和湖北。同时，通过对纯技术效率、规模效率以及规模收益分析，探讨有关省份物流业短板并给出相应对策建议，为推进中部六省物流业发展提供参考。

中部六省；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、山西六个相邻省份，是我国内地的陆路和水路运输枢纽，也是我国的经济腹地和重要市场，在区域地域分工中扮演着重要角色。物流产业作为新兴产业，不仅在经济社会发展中占有十分重要的位置，也是带动区域经济发展的重要驱动力。中部地区的物流业发展逐渐兴起的同时，随之而来的物流效率问题已经成为影响中部地区经济的关键因素，物流效率的高低会对物流业的发展产生重要影响。

对于物流产业效率的分析主要有两类方法[1]：一类是参数分析方法。这类方法以计量分析为代表，注重解释变量之间的关联性，无法准确描述多个投入变量和产出变量的比率关系；另一类是非参数分析方法，DEA就是其中之一。DEA的最大优势是利于对多个产出变量和投入变量之间关系的技术处理，在衡量物流产业效率方面具有以下优势[2]：（1）物流产业是一个具有多投入与产出指标的复合型系统，并且各指标间很难确定具体函数关系，DEA适用于多个输入输出体系且各指标间不需确定具体函数关系的情境；（2）由于评价物流产业效率的多个指标的量纲不统一，而DEA方法在处理数据时也正好不用考虑量纲，因此评价过程较为客观；（3）由于物流产业中存在规模效应，DEA方法中的变动规模报酬模型可以用来分析物流产业中的规模效应；（4）DEA方法可以具体分析出技术效率偏低是由投入要素冗余导致还是由于产出不足导致的，运用DEA方法分析区域物流产业效率可以了解到导致该区域技术非有效的具体原因。基于此，本文拟采用DEA分析法来分析和比较中部六省的物流效率，并在此基础上提出一些对策建议。

二、DEA的模型与选择

（一）固定规模报酬模型（CCR模型）

假设有n个被评价的同类部分，称为决策单元DMUj=(DMU1，DMU2，…，DMUk，…，DMUn)，每个决策单元（DMUk）均有m个投入变量和s个产出变量。于是，可以得到输入输出矩阵和一组权系数：输入矩阵：Xj=（X1j，X2j，…，Xmj），输出矩阵：Yj=（Y1j，Y2j，…，Ymj）

设Yrj为第j个决策单元对第r种输出的产出量；Xij为第j个决策单元对第i种输入的投入量；Ur为对第r种输出的一种度量(或称权)；Vi为对第i种输入的一种度量（或称权）。

CCR模型为：

设上述问题的最优解为λ*，s*-,s*+,θ*，则有如下结论：

（1）若 θ*=1，且 s*-=s*+=0，则 DMUj0为 DEA有效。此时技术有效，并且规模有效，决策单元已经达到最佳组合和最大产出；

（2）若θ*=1，且s*-，s*+不全为0时，则DMUj0为弱DEA有效。此时决策单元或者技术无效，或者规模无效；

（3）若θ*<1，则DMUj0为DEA无效。

（二）DEA的可变规模报酬模型（BCC模型）

CCR模型在规模收益不变的假设下，得出最优值θ*的综合技术效率，它是对决策单元的资源配置能力、资源使用效率等多方面能力的综合衡量与评价。但事实上，规模的变化会导致决策单元的效率的变化。BCC模型与CCR模型不同，不再假设规模因素对生产效率没有影响，增加了约束条件

当上述问题的最优解为λ*，s*-,s*+,θ*，则有如下结论：

（1）若θ*=1，且s*-=s*+=0，则DMUj0为DEA纯技术有效，决策单元达到最佳组合和最大产出；

（1）若θ*=1，且s*-，s*+不全为0时，则DMUj0为弱DEA纯技术有效，此时决策单元技术效率非最佳；

（3）若θ*<1，则DMUj0为DEA纯技术无效。

在DEA中，可以利用BCC模型计算纯技术效率，通过CCR模型计算综合技术效率，则规模效率等于综合技术效率除以纯技术效率。若规模效率为1，则规模效率有效，规模报酬不变；若规模效率不为1，那么当λ*与θ*比值小于1时，规模报酬递增；当λ*与θ*比值大于1时，规模报酬递减。

（三）DEA模型的选择

DEA模型的选择对于结果的准确性至关重要。固定规模报酬模型（CCR）没有考虑规模的大小对效率造成的影响，但各种因素的存在使规模报酬不变的情况比较难以实现。当决策单元并没有达到最优规模时，在固定报酬模型下，很难区分是由技术进步引起的效率变化还是由规模效应引起的效率变化。因此，应当选择BCC模型进行DEA效率的计算。BCC模型又分为投入导向型与产出导向型，投入导向模型是假设在产出不变的情况下，使投入最小化的运筹学问题。产出导向模型是假设在投入不变的情况下，使产出最大化的运筹学问题[3]。在物流系统中，投入要素更容易控制，因此本文采用投入导向型DEA模型来对中部六省物流产业效率进行比较分析。

三、中部六省物流产业效率实证研究

（一）研究对象及数据来源

本文以中部六省为研究样本，包括河南、山西、湖北、湖南、安徽、江西。研究中采用的基础数据是2009－2014年中部六省物流产业投入产出指标的统计数据，数据来源于2010－2015年 《中国统计年鉴》。选择2009－2014年的数据作为研究数据的原因包括两方面：一方面，由于物流产业从投入到产出需要经过一定的时间延迟，如果要评价一个地区物流产业投入产出的相对效率，不仅要考虑到当年的发展情况，更重要的是要对它较长时间内的发展情况有个把握[4]。另一方面，物流产业于2009年被国家列为十大振兴产业之一。因此，对2009－2014年间的中部六省物流产业效率进行分析具有重要意义。由于物流产业为综合性产业，统计年鉴中并无物流产业的概念，本文选用交通运输、仓储和邮政业的相关统计数据之和来代替物流产业。

（二）研究变量指标选取

（1）投入变量的选取。Strassner E.H（2005）从产业视角来衡量提出了KLEMS衡量方法，该方法认为初始投入包括劳动、资本以及中间投入（材料、能源和服务）。然而，指标的选取需要考虑数据的可得性[4]。本文仅选取资本与劳动作为输入变量，不再考虑中间投入。

（2）产出变量的选取。就整个物流产业而言，其产出变量的实用价值表现形式是货运量，而价值的表现形式则是物流产业产值。本文综合已有文献，充分考虑数据的代表性与可得性，选取物流产业产值与货运量作为衡量物流产业产出的指标。以上两指标分别从质量和数量两方面反映物流规模。

（三）样本数据及变量描述性统计

通过对《中国统计年鉴》的样本数据进行整理分析，在借鉴已有研究的基础上[5]，本文对2009－2014年中部六省物流产业从业人员人数、物流产业固定资产投资额、货运量、物流产业产值这四个变量作统计性分析。

表1　投入产出指标描述性统计

由表1可知2009～2014年投入产出指标的平均值情况，物流业从业人数这一投入指标在2009年与2012年比较稳定，2013年开始有一个大幅增加的变化；而固定资产投资额在2009－2014年间均是稳步增长。产出指标如货运量与物流业产值的平均值在2009－2014年间都处于增长趋势。从各指标的最大最小值可以看出，不同年份各省均存在较大差别。

（四）中部六省物流产业效率分析

根据前述DEA分析模型和方法，以及评价物流产业效率的投入产出指标体系[6]，利用DEAP2.1软件对中部六省物流产业的总技术效率、纯技术效率、规模效率、规模报酬分别进行测算。DMU个数为6，投入与产出指标个数均为2，选取的导向为投入导向，输入2009－2014年样本数据。通过对比分析各省物流产业效率数值的结果，得出中部各省物流产业效率的总体状况。

（1）总技术效率分析。总技术效率即技术效率是当某个决策单元的产出保持既定不变时，以样本中最优决策单元为标准，该决策单元所能达到的最小投入。总技术效率小于1，表明该组织没有达到技术有效，当前投入产出组合点离最优投入产出组合有一定距离，在现有技术水平下仍有提高产出的可能性。

总技术效率包括两部分，即纯技术效率和规模效率，并且是纯技术效率与规模效率的乘积。纯技术效率是组织由于管理和操作技术等因素影响的效率，而规模效率是由于组织自身规模因素影响的效率。本文通过考察中部六省物流产业2009－2014这五年的总技术效率值，反映了六省份当前物流产业整体效率。具体结果如表2所示：

表2　2009－2014年中部六省物流产业总技术效率及其排名

通过上表，我们可以对2009－2014年间中部六省总技术效率进行具体分析。

在2009－2014年间，总技术效率平均值处于上游水平的包括安徽（1.000，排名1）、湖南（0.988，排名2）；处于中游水平的包括河南（0.960，排名3）、江西（0.942，排名4）；处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，中部不同省份物流产业发展不平衡，且湖北省在这六个省份中总技术效率最差，仅为0.759，即产出水平仅为潜在产出水平的75.9%；而湖北作为“中部崛起”战略中的重要省份，提高其物流产业效率是必要的也是必需的。

（2）纯技术效率分析。纯技术效率指在不考虑规模因素的情况下，各地每年能否有效利用生产技术，使产出最大化，该值表示投入要素的使用效率[7]。为提高投入要素使用效率，可以通过更新思想理念、改进生产技术等方式来减少各项投入资源的浪费。这里我们考察2009－2014年的中部六省物流产业的纯技术效率，如表3所示：

表3　2009－2014年中部六省物流产业纯技术效率及其排名

2009－2014年纯技术效率平均值处于上游水平的有安徽、河南和湖南，江西紧随其后，山西和湖北属于下游，尤其是湖北省，其纯技术效率为0.783，表明近5年间其浪费了近20%投入要素资源。湖北省拥有辐射各方的区位优势，这也是发展物流产业的先天优势；但从分析结果可知，相较于其他地区，湖北省的纯技术效率并没有显示其应有的优势，可能原因是由于资源浪费比较严重，导致该地区既有的物流能力得不到充分发挥。

（3）规模效率分析。规模效率指的是各地每年产出与投入的比例是否适当，是否在该规模下一定投入后产出最大，是否需要增加规模或削减规模[8]。该值反映的是实际规模与最优生产规模的差距，越高表示规模越适合，生产力也越大。因此，只有在规模有效的情况下，获利性才是最好的，这时的生产成本最低。这里我们考察2009－2014年的中部六省物流产业的规模效率，如下表4所示：

表4　2009－2014年中部六省物流产业规模效率及其排名

中部地区2009－2014年规模效率平均值处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）；处于中游水平的是湖北（0.969，排名4）、河南（0.960，排名5）；处于下游水平的是江西（0.943，排名6）。由此可见，中部各省规模效率平均值都在0.9以上，说明其整体水平较高。

（4）规模报酬分析。规模经济有三种情况：规模报酬递增(IRS)、规模报酬不变(CRS)、规模报酬递减(DRS)。这样我们将对2009-2014年的中部六省物流产业的规模报酬状况进行考察，如表5所示：

表5　2009－2014年中部六省物流产业规模报酬情况表

从表5中易知，在2009－2014期间，安徽与湖南基本处于规模报酬不变状态；江西是规模报酬递增→不变；湖北省为规模报酬递增→递减→递增；河南省为规模报酬不变→递减。因此，在考虑提升物流产业总技术效率的同时必须要参照各地规模报酬情况。

处于规模报酬递增阶段，增加物流投入可以极大地提升地区物流产出。当地区处于规模报酬递增阶段，理论上可以通过扩大规模提高规模效率，以提升总技术效率。规模报酬递减是指投入一定的输入变量之后，输出变量将小于之前投入相同量的输入变量后的产出。当地区处于规模报酬递减阶段时，不能再继续扩大规模，而要调整投入结构。改变粗放型发展模式，改善环境与提高管理技术水平来提升纯技术效率，以最终提升物流产业总技术效率。

四、研究结论

中部地区在我国经济发展中占有重要的地位，中部六省的物流产业效率是“中部崛起”的基础。本文通过使用2009－2014年中部六省物流产业相关数据，采用投入导向变动规模报酬DEA模型，对各省物流产业效率进行了分析，得出以下结论：

（1）从总技术效率来看，安徽、湖南、河南三省排位靠前，物流产业总体效率较高；江西、山西、湖北三省物流总技术效率相对较低，尤其是湖北作为九省通衢的战略要地，物流总技术效率最低，仅为0.759，提高其物流产业效率十分必要。

（2）从纯技术效率来看，仍然是江西、山西、湖北分别排在第4名、第5名与第6名，说明以上三个省份的物流效率低下主要由物流纯技术效率不足导致。以上三省份应重点考虑物流网络、物流节点、物流科技与物流人才四个影响要素，着手改善物流效率。湖北应与周边17条省际“断头路”保持交通的畅通。山西省政府交通运输系统债务较多，建议采用BOT或PPP方式引进社会资本。湖北、江西机场建设，应错位发展或者通过资本纽带建立战略联盟。中部地区应当加强区域信息化建设，实现区域物流信息的交流与共享。湖北、山西与江西应加大高端物流人才培养与引进力度，为物流效率提升提供智力支持。

（3）从规模效率与规模报酬来看，江西省平均规模效率最低且规模收益递增，说明江西物流规模远未达到实际需要，应当增加物流规模，建设物流基础设施，增加物流投入以期提升江西省物流效率。河南省物流规模效率排名第5且规模收益连年递减，应当适当缩减物流投入。河南全省范围内应禁止新建物流基地、物流中心等大型物流基础设施，并且疏解部分物流功能以降低物流规模，提升物流效率。

[1]钟祖昌.基于三阶段DEA模型的中国物流产业技术效率研究[J].财经研究，2010(10):81-90.

[2]田丽.基于DEA模型的河南省物流产业效率评价[J].物流技术，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]张昭.物流业效率与对外贸易依存度的动态关系研究.[J].统计与决策，2014(12)：139-142.

[5]卢小兰,付芳.基于DEA和SE-DEA模型的湖北省物流业效率研究[J].江汉大学学报（社会科学版),2015(5):69-74.

[6]邓学平,王旭.我国物流企业全要素生产效率分析[J].系统工程，2008,26(6):1-9.

[7]徐浩,刘宇琴.基于数据包络分析的重庆库区腹心经济发展效率研究[J].重庆工商大学学报(自然科学版),2015(4):55-60.

[8]赵冰梅，高磊，任冬.基于投入主导DEA模型的我国沿海主要港口物流效率研究[J].对外经贸,2015(10):66-69.

（责任编辑：吕增艳）

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

安徽省社会科学创新发展研究课题（A2015071）

朱超才，安徽宿松人，副教授。