基于DEA和RS的中国物流产业效率评价研究

廖 斌，王 婷，石 丽，邹 健 （贵州大学 管理学院，贵州 贵阳 550025）

0 引言

近年来，为响应《物流业发展中长期规划（2014—2020年）》中“加快发展现代物流业，促进产业结构调整、降低物流成本、提高物流效率”的要求，我国各地区都加大了对物流产业的扶持力度，并取得了显著成效。截止2016年年底，全国社会物流总额已超过208.8万亿元，同比增长6.2%。然而，我国物流产业在发展过程中普遍存在以下问题：（1）物流配送过程中资源协调与匹配能力过低导致的人力、物力浪费；（2）过高的成本投入与漫长的投资回报期致使产业全要素生产率低下；（3）产业形态与规模受限于区域地理环境和产业生态链的结构。因此，笔者认为，物流产业是一个与外部环境实时交互的复杂系统，仅一味的增加投入未必能提升产业效益，只有通过对各地区物流产业系统现状的合理评价，探明影响物流效率的关键因素，才能进一步提出优化产业结构、提升产业效率的有效对策。

关于物流效率的评价研究一直是学者们关注的热点问题。其相关研究主要集中在评价方法与评价对象两方面。

从评价方法上看，隽志才（1994）等首次提出应用数据包络分析模型对我国运输效率进行评价，此后该方法被迅速推广并不断完善。一方面，有学者应用因子回归、主成分分析等方法对投入产出指标进行萃取，降低了指标的冗余度；另一方面，考虑到DEA方法评价过程中对数据的过分依赖，易导致评价结果脱离实际的问题，有学者将AHP与DEA结合，从而使评价结果兼顾专家主观知识与客观事实。然而，以上评价方法都仅仅止步于对DEA有效性的测量，没有进一步探明投入产出指标与评价结果之间的内在作用机理。

从评价对象来看，刘名武（2018）等对物流企业效率展开研究；张璇（2016）等以新丝绸之路经济带的物流效率进行评价；刘联辉（2018）等基于DEA与灰色关联模型的广东城市物流效率分析；龚苗苗等（2017）对中部六省物流产业效率进行分析。然而以上研究都是从企业、局部运作物流和区域运作物流等微观视角展开分析，对国家宏观层面的物流产业效率评比研究较少，研究对象具有一定的局限性。

本文基于系统工程视角和投入产出理论，将各省域物流产业看成“多投入—自转换—多产出”的复杂系统，首先应用DEA对各系统效率进行评价，而后基于粗糙集理论对评价结果中隐含的决策规则进行挖掘和整理；找到影响各区域物流产业投入产出效率的关键因素，并结合地方实际状况，提出各省物流效率提升的路径与对策建议。

1 模型与指标体系构建

1.1 DEA-RS模型

DEA方法因其处理多投入—多产出系统相对效率的独特优势，在各行各业迅速推广。然而，在经典DEA模型的评价指标体系构建过程中，指标过多，易导致属性冗余度较高，评价难度增大；指标过少，又易导致评价结果缺乏解释力和可靠性。

粗糙集（Rough Set）理论是波兰科学家Z.Pawlak提出的对不完整不精确数据的有效处理的数学工具。在决策系统中，可以根据数据的互信息，发现决策属性和条件属性间的决策规则，探明影响决策结果的核属性。

全国各区域物流产业系统效率评价是一个复杂的投入产出过程，影响因素众多。因此，本文提出一种DEARS模型，首先利用“生产技术规模收益可变”假设的BBC模型构建物流效率投入产出指标体系并计算评价效率、获取评价结果；然后应用粗糙集理论对评价数据与评价结果做离散化处理，生成条件决策表；最后，根据遗传约简算法找到影响物流效率的核属性并推导出决策规则，其模型如图1所示。

1.2 指标体系构建

物流效率是物流产业各种资源投入与产出之比，通过对相关文献的指标集进行整理、归纳、筛选，相关性检验后得到指标体系如图2所示。

图1 DEA-RS模型构建

图2 物流效率评价指标体系构建

由于物流产业运作过程的投入与产出之间存在时滞现象，在选取数据时，产出指标数据滞后投入数据一年，本文数据来源于2017年和2018年的中国统计年鉴。

2 基于DEA-RS模型的各省物流产业效率评价研究

基于前文提出的DEA-RS模型，将2016~2017年全国各省市自治区（西藏除外）的截面数据导入BCC模型，获得各省市自治区的效率评价结果，如表1所示。之后将物流效率DEA模型中的投入产出指标离散化处理并作为条件属性（其中A表示高于均值、B表示均值附近波动、C表示低于均值表示），将评价结果作为决策变量（其中1表示DEA有效、2表示DEA弱有效、3表示DEA无效），得到的粗糙集条件决策表，如表2所示。

将表2输入到粗糙集软件ROSSTA中，考虑到指标简的复杂性和内生性，选择遗传约简算法进行属性约简，最终得到约简集合：可以看出该条件决策表的进出口总额和相关产业公共预算支出

利用粗糙集理论对上述约简规则进行拟合挖掘，推导出决策规则89条，经过挑选与拟合，保留有效规则10条，如表3所示。

3 总结与建议

通过表3中归纳的决策规则，结合我国各地区的物流产业发展现状进行分析，提出建议如下：

表1 全国30个地区的物流产业系统效率

表2 物流产业系统效率条件决策表

表3 决策规划链

（1）对于物流产业系统效率DEA有效的地区，其物流产业系统运转良好，资源匹配度与利用率高，因此，既能实现技术有效，又可以获得规模效应带来的全部收益。具体而言，规则链（1-3） 表示“弱投入—强产出—DEA有效”，既在投入较少资源的情况下获得较多的产出，从而实现了DEA有效，符合该类规则的地区有天津、辽宁、山西、福建等，尽管这些省对物流产业的资源投入相对较少，但是由于独特的地理位置或特有的产业网络使当地产业生态性丰富，物流产业结构多元化、产业运行效率较高。规则链（4-5）表示“强投入—强产出—DEA有效”，资源投入与产出成正比例关系，符合该类规则的地区有江浙沪地区、广东、湖北等，由于这些地区的地理位置良好且经济发达，政府对物流产业扶持力度较大，其技术、设备和人才资源都远远领先于其他地区，物流产业系统的转换能力强，回报率显著。规则链（4-5）表示“弱投入—弱产出—DEA有效”，符合该类规则的地区如海南、陕西等，这些地区由于经济落后，政府对产业的财政投入较少，技术与人才相对稀缺，然而其物流产业运作过程中对资金、技术与人力的利用率较高。但这种资源配置有效并无意义，相关部门不能局限于数据的乐观，应加大资源投入的同时，引入先进技术、留住人才，实现产业结构螺旋式的优化和升级，从而使当地物流产业效率到真正有意义的DEA有效。

（2）对于物流系统效率DEA弱有效的地域，其物流产业系统都已经达到了技术有效，其投入产出资源配置与规模较为合理，只需要结合地方资源利用率与资源分配现状的实际情况对投入产出值进行轻微调整即可达到DEA有效。

（3）对于物流效率DEA无效的地区，分两种情况，规则链（9）表示“弱投入—弱产出—DEA无效”，符合该规则的地区有广西、贵州、甘肃等地区，这些地区由于地理位置不佳、经济落后，各方面资源相对稀缺，同时对资源的利用率也比较低，因而未达到技术有效。对于这类地区，相关部门应该同时加大对产业的扶持力度和监管力度，积极提高地区产业活力。规则链（10）表示“强投入—弱产出—DEA无效”，符合该规则的地区有北京、重庆、四川、云南等地区，这类地方存在的主要问题是资源的匹配度和利用率低导致产出效率低。针对这类地区，应该积极向DEA有效地区学习，优化产业结构和资源配置比例，实现物流产业的投入产出效率的全面提升。