基于DEA-Malmquist模型的陕西省物流产业效率综合评价

张萌物 漆棪

摘要：文献研究发现，对物流业效率的研究大多集中在对效率值的高低进行测度，对整体静态效率和动态效率进行综合对比分析的研究不足;此外，研究区域主要是中、东部、长江经济带等经济区，对陕西省物流产业效率的研究极少。基于此，研究以陕西省物流业为研究对象，应用DEA方法和Malmquist全要素生产率模型对2007—2016年陕西省物流业的动态效率和静态效率进行综合评价分析。首先，对综合效率进行静态评价，并分析造成效率水平的原因;其次，运用Malmquist全要素生产率模型对陕西省物流产业效率进行动态分析，并分解出效率变动的原因。静态评价的结果显示，陕西省物流产业静态效率均处于较低水平，与其他省相比，也处于落后位置;动态分析及效率分解的结果说明，陕西省物流产业全要素生产效率总体呈下降趋势。对得到的结果做进一步的分析，结果表明：纯技术效率的低下和技术运用水平的下降是造成陕西省物流产业效率低下的主要原因。最后，结合静态评价和动态分析的结果，提出提高陕西省物流产业效率的建议。

关键词：物流产业;静态效率;动态效率;全要素生产效率;效率分解

中图分类号：F 5文献标识码：A文章编号：1672-7312（2019）02-0237-07

0引言

资源的有效利用一直以来是经济学领域的热点研究问题，产业效率的提升是产业振兴与发展的重要手段。近年来，陕西省物流业发展较快，但行业成长模式粗放、产业效率较低等问题日渐凸显，对于物流效率的研究也因此逐渐成为关注的焦点。如何有效的提高现有资金、资源的利用效率，明晰物流产业的发展方向和规模，并将有限的资源投入到最需要的地方，对物流业发展具有重大意义。

当前，DEA是物流效率评价中使用最多的方法。对DEA的研究分2类，一是DEA方法的改良研究，二是应用DEA方法从不同的视角（企业、省份、国家）研究相关效率指标。改良DEA的研究有2种，第一种是将 DEA方法与其他相关模型结合，如Chun-hua Ju，Changbing Jiang等运用DEA-PCA方法评价珠江三角洲 25个城市地区的物流基础设施效率 [1];Rita Markovits-Somogyi，Zoltán Bokor将数据包络分析和层次分析法结合评价29个欧洲国家的物流效率[2];Marcus Vinicius Pereira de Souza等将 DEA方法和 SFA（贝叶斯随机前沿分析）方法结合研究配电设施的成本效率 [3]。第二种是直接对DEA模型改进，如Ke Li，Boqiang Lin運用三阶段DEA分析方法分析了中国制造业的生产效率 [4];郭露，徐诗倩利用超效率 DEA模型研究中部省份的工业生产效率[5]。除DEA相关模型外，评价物流产业效率的方法还有很多。例如，熊凯、甘碧群使用指标物流成本占GDP比值、库存周期、货运弹性、货运强度、商品综合运距、物流占总投资比值、物流就业人员比例与GDP增速之比等评价物流营销效率 [6];邬龙，张永安构建了随机前沿生产函数模型（SFA）分析信息技术和医药两大产业的创新效率[7]。与传统DEA模型相比，SFA模型可以对某一决策单元进行时间序列分析，但无法分析决策单元效率无效的原因。

在研究对象方面，国外的相关学者倾向于从企业视角研究物流效率，通过局部企业物流运作效率研究以代表国家或者行业整体运作效率。但是，从企业视角研究物流效率会导致所选取的决策单元数量不足;此外，出于数据可获得性的考虑，选取的企业均为上市物流企业，研究结果难以代表整个行业，所提建议可信度不高;另一方面，国外学者一般选择某一时间内的静态研究，没有结合动态研究，会导致研究可能处于某个特殊阶段，造成研究效率偏高或者偏低，可信度不足。而国内的研究大都针对我国某个省或市，在区域上主要集中在中部、东部地区，针对西部地区各省份物流产业效率的研究还显不足。

文献研究发现，既往的研究存在以下不足：大多研究仅仅是对效率值进行测算，对物流产业动态效率和静态效率进行的综合分析较少，因而难以全面把握物流业效率变化的特征[8]。而国内的研究大都针对我国某个省或市，在区域上主要集中在中部、东部地区，针对西部地区各省份物流产业效率的研究还显不足。因此，以陕西省为研究对象构建物流产业效率评价指标体系，通过构建数据包络分析模型对物流产业效率进行静态评价，并对结果进行分析;之后，运用 Malmquist全要素生产率指数对2007—2016年的时间序列数据进行分析，以求了解陕西省物流产业效率的动态变化情况。

1模型构建

1.1模型选择

数据包络分析是以相对效率概念为基础、以凸分析和线性规划为工具发展起来的一种效率评价方法。数据包络分析法对一组同类型的决策单元（DMU）的效率进行评价。该方法把生产函数看作一条边界，位于生产函数边界上的决策单元DEA有效，处于生产可能性集合中但不在生产函数上的决策单元DEA无效[9]。将某DMU的生产率与处于生产函数（边界）上的DMU的生产率的比值定义为技术效率[10]。因此，技术效率总是小于等于1.当技术效率等于1时，该决策单元DEA有效;技术效率小于1时，该决策单元DEA无效[11]。

实际操作中，DEA模型通过DEAP软件计算。确定指标体系后，在软件中输入数据，选择合适的模型即可得到结果。DEA模型无需确定指标权重，可以处理多投入多产出问题，此外，还可以进一步分析决策单元效率无效的原因，并找出改进方向，因而该方法具有很强的优势[12]。但从测算方式可以看出，DEA计算得到的效率值是相对于其他同类DMU的静态值，只能反映某个DMU相对于其他DMU而言是否达到了资源有效利用，而不能对某一决策单元不同时期的效率变化情况进行动态分析[13]。为了对不同时期的效率和技术进步进行动态衡量，研究同时运用Malmquist指数分析法对2007—2016年陕西物流产业技术效率变动、技术变动和全要素变动情况进行客观衡量。

1.2指标体系构建

指标体系的建立从投入和产出2个角度出发[14]。投入要素包括生产过程中的人、财、物3方面资源。人，即劳动力投入，包括行业的从业人数、劳动时间、劳动强度等。考虑到数据的可获得性，只保留从业人员数作为劳动力投入指标的替代;财，即资本投入，参考大多数文献的做法，选择固定资产投资作为资本存量的替代[15];物，即物质投入，是指在物流产业发展中投入建设的基础设施。

产出指标是指所有投入要素参与生产后得到的财富，从表现形式看，有些产出是有形的，有些产出是无形的。具体到物流产业效率评价，一般可选用货运量，货物周转量，客运量，旅客周转量等代表有形的物流产出，物流产业总产值、物流产业增加值、物流业营业盈余等指标代表无形的物流产出[16]。

结合效率评价指标体系选取原则，对物流产业效率评价指标体系从输入、输出指标两方面进行筛选[17]，结合文献研究，最终确定釆取的物流产业效率评价指标体系，见表1.

由于西藏数据不全，港澳台地区数据难以获取，因此，本文投入产出指标总数为7，决策单元为30个省，30大于14，因此可以认为DEA模型评价结果具有合理的区分度。此外，我国目前没有对物流产业的数据单独统计。目前，许多学者 [19]将物流产业定义为交通运输业、仓储业和邮政业3个产业的综合，针对物流业的研究也大都使用这3个产业作为物流业的替代。因此，研究使用的数据来自于统计年鉴中交通运输业、仓储业和邮政业相关数据的总和。

物流业固定资产投资（X1）：选取2007—2016年交通运输、仓储和邮政业固定资产投资，并以2007年为基期（2007年=100）的固定资产投资价格指数折算为不变价。由于缺少分行业固定资产投资价格指数，因此以全行业固定资产投资价格指数作为替代。

物流业从业人员数（X2）：选取统计数据中铁路运输业就业人员数、公路运输业就业人员数、城市公共交通业就业人员数、电信和其他信息传输服务业就业人员数、邮政业就业人员数、装卸搬运和其他运输服务业就业人员数、水上运输业就业人员数、航空运输业就业人员数的总和。其中，青海、宁夏、新疆部分年份的“水上运输业就业人员数”数据缺失，取相邻2个年份的平均值作为替代。

物流网络里程（X3）：使用铁路货运量、公路货运量和水路货运量三者的线路长度代替总路网里程，并以其简单加总后的总和来度量物流网络发展状况。

物流业增加值（Y1）：使用交通运输、仓储和邮政业增加值作为替代。此外，以2007年为基期对数据进行处理，得到不变价格下的物流业增加值。

邮政网点个数（X4）、货运量（Y2）、货物周转量（Y3）无需处理。数据来源于2007—2016年中国统计年鉴。

2陕西省物流业效率静态评价与分析

建立投入导向的DEA-BCC模型，使用DEAP 21分别对2007—2016年30个DMU的物流效率进行评价，对结果整理，得到2007—2016年陕西省物流产业效率，见表2.

根据2007—2016年各省的综合效率，分别得到2007—2016年全国物流业综合效率的平均水平。将陕西省各年物流业综合效率与全国物流业各年综合效率的平均值对比，如图1所示。由图1可知，除2007，2008，2013年3年陕西省物流产业综合效率高于当年全国平均物流产业综合效率外，研究期内其他7年陕西省物流产业综合效率都低于当年全国平均物流产业综合效率。2007—2016年10年全国物流产业综合效率的均值为0.844，陕西省物流产业综合效率均值为0.757 9，低于全国平均水平。从整体来看，2007年到2016年期间，陕西省物流业综合效率水平处于较低位置，在当前技术条件下仍需要进一步优化改善。

2）纯技术效率反映的是在去除规模因素影响的情况下，物流产业投入资源的利用情况对技术效率的影响大小[21]。由表2可知，2007，2013年纯技术效率有效，其余各年纯技术效率非有效。

根据2007—2016年各省的纯技术效率，得到2007—2016年全国物流业纯技术效率的平均水平。将陕西省各年物流业纯技术效率与全国物流业各年纯技术效率的平均值对比，如图2所示。由图2可知，除2007，2013年陕西省物流产业综合效率高于当年全国平均物流产业纯技术效率外，研究期内其他7年陕西省物流产业纯技术效率都低于当年全国平均物流产业纯技术效率水平。2007—2016年陕西省物流产业纯技术效率均值为0.770 6，综合技术效率=纯技术效率×规模效率[22]，纯技术效率低下是造成综合效率非有效的主要原因。在去除规模因素的影响下，投入资源的利用存在很大问题，需要进一步加强行业管理，重视对行业内人员的培训，提高从业人员的专业素质，从人的角度提高资源利用率;此外，还可以通过引進先进技术，更换升级基础设施等措施，从硬件方面提高投入要素的利用率。

3）规模效率是指去除技术因素的影响，考虑生产规模与生产效率的相适应性。2007年，规模效率值等于1，此时规模有效。说明目前条件下的投入能实现成本最低，收益最佳。由图3可知，研究期内各年陕西省物流产业规模效率大于全国平均水平。陕西省物流产业规模效率均值为0.982 3，高于全国物流产业规模效率平均水平。此外，各年规模效率都高于0.8，陕西省物流业规模效率处于较高水平。

与当年全国平均效率对比

4）2007年规模报酬不变，此时增加投入，产出会同比例增加;2008—2011规模报酬递增，增加投入，产出量会以更高比例增加，此时应适当增加投入;2012—2013规模报酬递减，这2年不需要投入;2014年之后规模报酬递增，应适当增加投入。

根据DEA分析结果，得到DEA非有效年份投入、产出的松弛变量。通过调整松弛变量，非DEA有效的决策单元可以变为DEA有效。s-i不为0，对应的投入指标存在投入冗余，说明该指标投入资源未能合理利用，存在资源浪费现象;s+j不为0，对应的产出指标存在产出不足，可能是投入不足或生产水平落后等原因导致。陕西省2007—2016年的松弛变量计算见表3.

由表3可知，整体来看，2007—2016年陕西省物流产业资源配置不合理，投入未能合理利用。从投入指标来看，冗余主要出现在指标“物流业从业人员数”和“物流网络里程”上，说明为了追求发展，没有结合陕西省物流产业实际发展情况，盲目扩张，引起效率低下。具体到各个年份，2007，2013年不存在投入冗余和产出不足;2010，2012，2014年存在投入冗余，无产出不足;2008，2009，2011，2015，2016既有投入冗余，又有产出不足。以2014年和2016年为例进行分析。

2014年陕西省物流产业规模报酬递增。物流业从业人数、物流网络里程存在投入冗余，冗余量分别为34 701人、1.67万公里，表明资源未能充分利用。由于该年表现出规模报酬递增趋势，因此，可以通过调整资源投入结构和比例，达到资源的有效配置;此外，可以将物流业从业人数减少34 701人，物流网络里程的投入减少1.67万公里，实现资源充分利用。

2016年陕西省物流产业规模报酬递增。从输入指标来看，物流业从业人数、邮政网点个数存在投入冗余，冗余量分别为37 926人、142.45处，从产出角度来看，物流业增加值存在产出不足，不足量为29.906亿元。说明过多的投入要素未能完全发挥应有的作用，可能存在产业结构不合理、发展模式不匹配、技术水平落后、管理水平低下等问题，导致投入无法转化为产出，造成资源的不合理利用，浪费现象严重。物流产业结构有待进一步调整，以期提髙物流产业整体效率水平，进而实现物流产业的平稳较快发展。

3陕西省物流业效率动态变化分析

在DEA静态分析基础上，使用Malmquist模型衡量陕西省2007—2016年物流产业效率动态变动情况，并分解出引起这种变动的原因。使用DEAP2.1得到 Malmquist全要素生产率指数变化，并将其分解，分析生产率指数变化及其分解的动态变化情况。对结果进行整理，见表4，如图4，图5所示。

由表4可知，2010—2011，2011—2012，2012—2013，2014—2015年，陕西省物流产业Malmquist生产率指数小于1，表明在这4个时间，全要素生产率水平降低;除这4个时间段外，其余时间段的生产率指数大于1，表明全要素生产率水平在提高。为进一步分析造成生产率指数变化的因素，根据TFPch=Effch×TEch，分析技术变化和技术效率的变化。

技术变化：2007—2008，2009—2010，2010—2011，2011—2012，2012—2013，2013—2014年的技术变化大于1，表明在这6个时间内，存在技术进步;其余3个时间存在技术退步。研究期内技术变化均值为1.013，表明在研究期内，陕西省物流产业存在技术进步。

技术效率变化：2007—2008，2008—2009，2009—2010，2013—2014，2015—2016年的技术效率变化小于1，表示在这些时间段，技术效率在不断降低。即在投入要素不变的情况下，实际产出在不断减少，意味着被评价单元获取最大产出的能力在下降。技术效率变化均值为0.945，表明在研究期内，陕西省物流产业技术效率下降。

从图4可以看出，2007—2016年，技术效率变化与全要素生产率的变化趋势基本一致，技术效率变化是造成全要素生产率变化的主要原因。为进一步分析技术效率的变化，根据Effch=PEch×SEch，将技术效率变化分解为纯技术效率变化与规模效率变化[23]。

纯技术效率变化：纯技术效率反映了在一定的条件下创新的产出水平。2007—2008，2008—2009，2009—2010，2013—2014，2015—2016年纯技术效率变化小于1，表明在这5个时间段，技术运用水平下降;其余4个时间纯技术效率大于1，技术运用水平提高。研究期内技术变化均值为0.95，表明在研究期内，陕西省物流产业技术运用水平下降。

规模效率变化：规模效率深层次反映了管理水平。2007—2008，2008—2009，2009—2010，2012—2013，2015—2016年规模效率小于1，表明在这5个时间规模恶化;其余4个时间规模效率大于1，规模优化。整体来看，研究期内规模效率变化在1附近浮动，表明在研究期内，陕西省物流产业管理水平保持在相对稳定的状态。

由图5可知，技术效率变化与纯技术效率变化的趋势基本一致。可以得出结论，纯技术效率变化是引起技术效率变化的主要原因。

由上述分析可知，造成生产率指数变化的主要原因是技术效率的变化，而技术效率变化是由技术运用水平是变化引起的，技術运用水平是造成生产率指数变化的主要原因。从表3得到的均值来看，2007—2016年，Malmquist生产率指数均值为0957，表明在研究期内，陕西省物流产业全要素生产率总体上呈下降趋势，2016年全要素生产率指数较2007年下降4.3%.根据上述分析得到的结果可知，造成这种下降的原因是技术运用水平的下降。从结构上看，技术进步1.3%，技术效率下降5.5%，纯技术效率下降5%，规模效率下降0.5%.可以得到结论：2007—2016年陕西省物流产业全要素生产率总体呈下降趋势，造成这种下降的主要原因是技术运用水平的退步。

4结语

1）陕西省物流效率处于较低水平。从各年的具体情况来看，2007年综合效率达到有效，投入要素得到最佳配置，资源得到充分利用。除2007年外，其余年份综合效率水平均未达到有效。将陕西省各年的效率水平与当年的全国平均水平进行对比，发现陕西省物流产业效率发展处于较低水平，还未达到当前技术水平的最大产出，仍有待进一步改善。

2）技术效率低下是造成陕西省各年综合效率非有效的主要原因。将综合效率分解为纯技术效率和规模效率，发现技术效率低下是造成陕西省各年综合效率非有效的主要原因，说明投入还未达到最大利用。

3）2007—2016年陕西省物流产业全要素生产率呈下降趋势，造成这种下降的主要原因是技术运用水平的退步。使用Malmquist模型得到2007—2016年Malmquist全要素生产率变化情况，并将其分解，分析生产率指数变化及其分解的动态变化情况，发现影响生产率指数变动的主要原因是纯技术效率变化，即技术运用水平的退步是造成陕西省物流产业水平下降的主要原因。

综合以上分析及陕西省物流业实际情况，提出以下建议。

1）控制投入要素的数量。由投入产出分析可知，物流业从业人员数、物流网络里程存在着一定程度的投入冗余，说明为了追求发展，没有结合陕西省物流产业实际发展情况，盲目扩张，引起了效率低下的问题。应合理投入，避免资源浪费。

2）协调资源配置。投入资源过量导致了资源利用效率低下的問题，陕西省物流产业纯技术效率低下，且纯技术效率低下是造成技术效率非有效的主要原因。这说明在投入资源的利用方面存在很大问题，需要进一步加强行业管理，重视对行业内人员的培训，提高从业人员的专业素质，从人的角度提高资源利用率;此外，还可以通过引进先进技术，更换升级基础设施等措施，从硬件方面提高投入要素的利用率。

参考文献：

[1]JU Chun-hua，JIANG Chang-bing，CHEN Ming-yao.Research on logistics network infrastructures based on DEA-PCA approach：evidence from the Yangtze river delta region in China[J].Journal of Shanghai Jiaotong University，2012，17（01）：98-107.

[2]Rita Markovits-Somogyi，Zolt n Bokor.Assessing the logistics efficiency of European countries by using the DEA-PC methodology[J].Transport，2014，29（02）：137-145.

[3]Marcus Vinicius Pereira de Souza，Madiagne Diallo，Reinaldo Castro Souza etal.The Cost Efficiency of the Brazilian Electricity Distribution Utilities：A Comparison of Bayesian SFA and DEA Models[J].Mathematical Problems in Engineering，2010（2010）：1-20.

[4]Ke Li，Boqiang Lin.Impact of energy conservation policies on the green productivity in Chinas manufacturing sector：Evidence from a three-stage DEA model[J].Applied Energy，2016.Vol.168

[5]郭露，徐诗倩.基于超效率DEA的工业生态效率——以中部六省2003—2013年数据为例[J].经济地理，2016，36（06）：116-121+58.

[6]熊凯，甘碧群.我国物流业的宏观营销效率研究[J].中国流通经济，2004（04）：10-14.

[7]邬龙，张永安.基于SFA的区域战略性新兴产业创新效率分析——以北京医药和信息技术产业为例[J].科学学与科学技术管理，2013，34（10）：95-102.

[8]Lai K H.Service capability and performance of logistics service providers[J].Transportation Research Part E，2004（40）：385-399.

[9]Borenstein D.Becker J L.Do Prado V J.Measuring the efficiency of Brazilian post office stores using data envelopment analysis[J].International Journal of Operations & Production Management，2004，（24）：1055-1078.

[10]Knemeyer A M.Murphy P R.Evaluating the performance of third-party logistics arrangements：a relationship marketing perspective.Journal of Supply Chain Management，2004，40（01）：35-51.

[11]Gengui zhou，Jokey min，Chao Xu and Zhenyu cao.Evaluationg the comparative efficiency of Chinesethird-party logistics providers using data envelopment analysis[J].International Journal of Physical Distribution and Logistics Management，2008，38（4）：262-279.

[12]赵文平，杨海珍.基于DEA的西部区域创新网络效率评价[J].科研管理，2016，37（S1）：393-400.

[13]赵林，张宇硕，焦新颖，吴迪，吴殿廷.基于SBM和Malmquist生产率指数的中国海洋经济效率评价研究[J].资源科学，2016，38（03）：461-475.

[14]王琴梅，张玉.丝绸之路经济带“核心区”物流业效率整体评价及分省区、分国别比较[J].陕西师范大学学报（哲学社会科学版），2017，09（46）：5.

[15]Chan F T S，Chan H K，Lau H C W，Ip R W L.An AHP approach in benchmarking logistics performance of the postal industry.Benchmarking：An international Journal，2006，13（06）：636-666.

[16]McMullen，Noh.Accounting for emissions in the measurement of transit agency efficiency：A directional distance function approach[J].Transportation on Research Part D，2007，12：1-9.

[17]王蕾，薛国梁，张红丽.基于DEA分析法的新疆北疆现代物流效率分析[J].资源科学，2014，36（07）：1425-1433.

[18]廖虎昌，董毅明.基于DEA和Malmquist指数的西部12省水资源利用效率研究[J].资源科学，2011，33（02）：273-279.

[19]余泳泽，武鹏.我国物流产业效率及其影响因素的实证研究[J].产业经济研究，2010（01）：65-71.

[20]任宇飞，方创琳，蔺雪芹.中国东部沿海地区四大城市群生态效率评价[J].地理学报，2017，72（11）：2047-2063.

[21]卢曦，许长新.基于三阶段DEA与Malmquist指数分解的长江经济带水资源利用效率研究[J].长江流域资源与环境，2017，26（01）：7-14.

[22]王琴梅，谭翠娥.对西安市物流效率及其影响因素的实证研究——基于 DEA模型和 Tobit回归模型的分析[J].软科学，2013，5（27）：5.

[23]苏秦，李永飞，张艳.陕西省物流业与制造业现状及联动分析[J].统计与信息论坛，2011，26（12）：89-96.（責任编辑：王强）