基于DEA模型的全国快递业效率评价

邹小平，杨晓红

(广东省科技干部学院 经济管理学院，广东 珠海 519090)



基于DEA模型的全国快递业效率评价

邹小平，杨晓红

(广东省科技干部学院 经济管理学院，广东 珠海 519090)

以快递网点数量、快递固定资产投入和快递从业人数作为投入变量，快递业务收入和快递业务量作为产出变量，采用DEA-BBC模型对全国31个省市自治区快递业效率进行评价。结果表明，全国快递业平均综合技术效率为0.823，规模效率为0.905，纯技术效率为0.911，效率还有待于提高；且区域快递业发展不平衡，其中沿海发达地区的快递效率要高于内陆地区，特别是青海、西藏、宁夏、广西等西部地区效率偏低。此外，全国大部分内陆地区快递网点数量冗余较多，而快递业务收入不足。

DEA；快递业；效率评价

一、引言

伴随电子商务的快速发展，电子商务物流，尤其是快递行业迎来了爆发式的增长。据全国邮政局数据统计，到2016年，全国快递业务收入达到4 005亿元，同比增长44.6%，快递业务量达到313.5亿件，同比增长51.7%。与此同时，电子商务的快速发展对快递效率也提出了更高的要求，需要与之对应的高效快递系统来解决发展中的问题。

DEA是一种非参数线性规划方法，被国内外学者广泛应用于各行各业的效率评价研究中，其中也包括物流业的效率评价。如Rita Markovits-Somogyi等利用dea-pc方法评估29个欧洲国家物流效率[1]；钟祖昌采用三阶段DEA方法对我国31个省市自治区物流产业的运营效率进行评价，并得出我国各地区的物流业发展不平衡，其中东部地区最好，中部次之，西部最差，且规模效率被高估[2]。DEA模型除了应用在不同地区的物流效率评价之外，还应用于不同企业的物流效率评价，如汪旭晖等通过超效率DEA模型对24家上市物流企业公司进行效率评价，得出我国约50%的物流上市公司技术效率高，企业运输类的物流公司高于港口类[3]。王玲等运用两阶段DEA模型对2007-2012年全国邮政业的经营效率、市场效率和整体效率进行研究[4]。尽管DEA模型已经被广泛使用于物流业的效率评价，但在邮政行业，特别是在快递行业的应用研究中还非常少。通过检索发现，真正利用数据包络方法对快递业运营效率进行评价的文章只有三篇，且都在近五年。其中吴贵文等利用超效率DEA模型对我国八个主要民营快递企业的物流绩效进行评价[5]；秦立公等将快递行业年末从业人数、快递行业年固定资产投资、快递行业年申诉状况、快递行业员工的年均工资作为输入指标，将快递行业的年业务量、快递行业的年业务收入作为输出指标，采用DEA模型对广西省2008-2013年的快递综合效率进行评价[6]。对全国快递产业运营效率进行评价的，只有徐锐等通过选取了三个投入指标和一个产出指标，然后运用DEA方法考察各地区快递产业的运营效率并进行比较，同时探讨当前国内各地区快递产业发展不平衡的原因[7]。

可以看出，尽管DEA模型已经被广泛应用于物流业效率评价，但针对快递业却少之又少。因此，对全国各省市自治区快递业效率进行评价，有助于各地区对快递的投入进行合理的评估和规划，进而提高区域快递效率，使之与电子商务协同发展。

二、快递业效率分析

目前DEA模型[8]有很多种，本文采取BBC模型来计算全国各省的快递业效率。主要是考虑在实际生产中，许多生产单位并没有处于最优规模的生产状态，BBC模型则是在假设规模收益可变(VRS)的情况下计算技术效率，它排除了规模的影响，因此成为纯技术效率(PTE)。

(一)评价指标选取与确定

在指标的选取与确定上，本文遵循指标体系的全面性、科学性、代表性、可获性等原则，结合物流业，特别是邮政快递业的特点，在前人研究的基础上，选取快递业务量、快递业务收入作为快递行业的产出指标；选取快递网点数量、快递固定资产投入和快递从业人数作为投入指标。

产出指标1：快递业务量。快递业务量即快递货物的处理量，一个地区的快递业务量充分反映了该地区在一定时间内快递业的总产出能力以及快递发展水平。

产出指标2：快递业务收入。该指标与快递业务量存在紧密的联系，但是从经济贡献角度反映快递对该区域GDP的贡献度。

投入指标1：快递网点数量。一般来说，快递网点数量越多，服务的面积范围越大，服务人数也越多，说明该地区快递需求量越大，但也说明投入的人力物力也越大。但如果快递网点数量过于密集，则可能会造成资源的浪费，快递运营效率低等反作用。只有建立合理的快递网点数量，与区域需求量匹配，才能提高快递运营效率。

投入指标2：快递行业固定资产。反映了一个地区对快递的总的投入。每个快递网点的投入主要包括快递服务车辆、计算机以及手持终端，投入的多少直接影响快件的处理速度和处理数。

投入指标3：快递从业人员。快递从业人员包括快递客户服务人员、快件收派件员、快递运营人员、行政管理人员等。从业人员的多少与素质决定了快递业务量。

(三)数据收集与处理

DEA对DMU数量的要求如果过少，则很容易出现大部分甚至全部DMU均有效的结果，使DEA失去对DMU效率进行区分的能力。一般来说，DMU的数量应不少于投入和产出指标数量的乘积，同时不少于投入和产出指标数量的三倍[8]。

本文选择全国31个省、市、自治区作为DMU决策单元，DMU数量远大于投入和产出指标数量的三倍。此外，由于2016年的统计年鉴数据无法获得，因此对2015年全国各省及直辖市数据进行分析，构建规模可变情况下的DEA-BCC模型。

本文中快递业务量、快递业务收入、快递网点数量的数据直接来源于各省市2015年统计年鉴和邮政行业统计公报，快递行业固定资产投入以及快递从业人数在各统计资料中无法直接获得，因此采用推导方式得出，结果可能与实际有所出入，但却具有一定的合理性。

首先，对于快递从业人员数量的确定。根据2016年5月阿里研究院和北京交通大学、菜鸟网络联合发布的《全国社会化电商物流从业人员研究报告》，截止2016年初，全国有203.3万人从事社会化电商物流行业，主要包括站点快递员、站点仓库操作人员、基层管理人员、仓库分拣人员、客服人员、货运司机、总部职能人员等，其中约80%为快递从业人员，即162万人左右[9]。这个数据是全国快递从业人员的总数，如何获得各个省市的数据，中国出版传媒网2017年3月在网上发布了一篇《那些行业数据是怎么求出来的?》的文章，详细介绍了如何通过已知数据来获得未知数据的方法[10]，即可以通过各省快递业务量占全国快递业务量的百分比来大概估计出各省市快递员工的人数，计算公式为：各省市快递从业人数=全国快递从业人数*各省快递业务量占全国的比例。

其次，在确定快递固定资产投入的数据过程中，通过实体服务网点的调研和网络数据的调研可知，一辆快递服务车辆的成本平均3 000元左右，一台计算机的成本平均4 000元左右，手持终端的成本平均800元左右，通过计算(计算公式为：快递业固定资产投入=快递服务车辆*3000+快递业拥有计算机数量*4000+手持终端*800)，即可得出快递业的固定资产投入总额。

(四)数据分析

1.相关性分析

在使用DEA方法进行效率评价时，要求投入与产出指标要满足等幅扩张性的要求，即随着要素投入的增加，产出不会减少。这需要检验投入和产出指标之间是否具有正相关关系。因此，运用SPSS统计软件对样本的投入产出指标进行相关性分析，结果显示，各投入产出指标之间具有较强的相关性(具体见表1)。

表1 投入和产出指标之间的关系

2.效率分析

接下来，采取DEAP2.1软件进行分析，分析投入导向下以及产出导向规模收益可变(即VRS)情况下的各省市的效率模型。从分析结果得出，全国快递业的平均纯技术效率为0.905，平均规模效率为0.911，综合技术效率为0.823，说明综合效率只达到82.3%，还有待进一步提高。而作为全国快递大省或地区的广东、浙江、上海三个区域的综合技术效率为1，说明这三个地区的快递投入合理，产出也达到了最有效状态。而其他省份和地区的快递效率都属于规模效率递增状态，有待进一步提高，特别是广西、宁夏、青海、西藏、陕西五个西部地区(具体结果如表2所示)。

表2 各省市规模效率

对那些综合效率小于1的决策单元进行进一步分析，找到投人冗余、产出不足的指标。以北京市为例，投入导向下纯技术效率为0.968，规模效率为0.991，综合效率为0.960。产出指标：快递业务收入不足，为239 686.1万元。投入指标：快递固定资产投入的冗余为2 110.4万元。从投入产出因素方面来看，投入方面快递网点数冗余较多，其次是快递固定资产的投入，而快递从业人数全国各省都没有冗余；而在产出方面，快递业务量基本已经达到标准，但是快递业务收入大部分省份产出不足(具体如表3所示)。

表3 各省市投入产出冗余值

三、结论及建议

其一，从快递效率来看，通过DEA模型对2015年全国各省市地区的快递效率进行评价发现，全国快递业的效率总体上还是比较高，平均综合技术效率水平达到0.823，平均规模效率为0.905，平均纯技术效率为0.911。但从地区来看，不同地区的效率还存在很大差别，中西部地区差异较大，沿海发达地区的快递效率更是远高于西部地区。特别是广东、浙江、上海三个地区的效率为1，达到了有效值，而广西、青海、西藏、宁夏这几地区的效率值较低，综合技术效率值在0.5以下，这也可以从近几年的快递业务收入的排名可以看出。沿海发达地区由于市场经济发达，交通也较西部地区发达，加之电子商务带动的快递业发展也比西部地区较早，且近两年农村电商也开始进入市场，各方面都比较成熟，因此，效率也得到了很大的提高。

其二，从冗余来看，近年来，依托快递市场的激烈竞争，各大快递公司为了占领市场，特别是四通一达等企业，都开始在全国范围内进行快递网点数量的扩张，且一些传统的物流公司也开始进入快递业，比如德邦，导致全国大部分地区的快递网点数量开始出现冗余，特别是一些内陆地区，快递网点数量的投入大大超过范围；然而，尽管网点数量不断增加，快递从业人数却没有任何冗余，这也和目前的实际状况相符，因为很多快递网点都只有1个人，人员与网点数量不匹配，且从业人员素质普遍偏低，大部分在高中以下，导致快递服务质量不高，快件延误、快递丢失现象频频发生，快递的申诉率也居高不下，出现大部分地区快递业务量不断上升，但快递业务收入却不足的情况。

针对以上结果，各个地区应该采取相应措施，特别是一些内陆和西部地区，不要盲目的扩张快递网点数量，应该合理的规划快递业的布局，使快递网点数量、快递从业人数、快递固定资产投入的比例达到一个合理的结构，提高快递服务质量以及快递从业人员的素质，进而提高快递业效率。

[1]TRita Markovits-Somogyi，Zoltán Bokor. Assessing the logistics efficiency of European countries by using the DEA-PC methodology[J].Transport，2014(6)：137-145

[2]钟祖昌.基于三阶段DEA模型的中国物流产业技术效率评价[J].财经研究，2010(9)：80-90.

[3]汪旭晖，徐健.基于超效率CCR-DEA模型的我国物流上市公司效率评价[J].财贸研究，2009(6)：117-124.[4]王玲，陈银宗，范玉，等.我国邮政业运行机制及其效率分析—基于两阶段DEA的评估[J].北京交通大学学报(社会科学版)，2016(3)：104-113.

[5]吴贵文，黄敬前.我国主要民营快递企业物流绩效评价研究—基于超效率DEA模型[J].物流工程与管理，2013(11)：102-103.

[6]秦立公，王宁宁，李娟.区域快递综合效率的DEA测评及优化[J].物流技术，2015(34)：108-111.

[7]徐锐，王浩.我国快递产业运营效率研究[J].物流科技，2015(5)：41-44.

[8]成刚.数据包络分析方法与MaxDEA软件[M].北京：知识产权出版社，2015.

[9]新浪财经.中国快递小哥数量超过203万 工作辛苦赚得不多[EB/OL].http://finance.sina.com.cn/chanjing/2016-05-06/doc-ifxryahs0205603.shtml，2016-05.[10]中国出版传媒网.那些行业数据是怎么求出来的? [EB/OL].http：//www.cnchuban.com.cn/dianzi/1703/6654.html，2017-03.

Efficiency Evaluation on Express Delivery Industry Nationwide Based on DEA Model

ZOUXiao-ping,YANGXiao-hong

(SchoolofEconomicsandManagement,GuangdongPolytechnicofScienceandTechnology,Zhuhai,Guangdong519090,China)

Selecting the number of express outlets, fixed assets investment, and the number of staffs as input variables, and using express business income and express business volume as output variables, this paper using DEA-BBC model evaluates the express industry efficiency of 31 regions. The results show that the average technical efficiency of national express industry is 0.823, that the scale efficiency is 0.905, and that the pure technical efficiency is 0.911, which has yet to be improved. It also shows that the development of regional express industry is imbalanced: express efficiency in coastal areas are higher than that in inland areas, especially in western regions such as Qinghai, Tibet, Ningxia, and Guangxi. In addition, there are more than enough express outlets in the most inland areas, which may be cause the insufficient income.

DEA; express delivery industry; efficiency evaluation

2017-05-16

广东省第二批高等职业教育二类品牌专业建设项目

邹小平(1979-)，女，江西吉安人，讲师，主要从事物流管理，电子商务物流研究；杨晓红(1968-)，女，湖南湘潭人，副教授，主要从事电子商务物流研究。

F259.274

A

1672-934X(2017)04-0113-06

10.16573/j.cnki.1672-934x.2017.04.018