我国快递产业运营效率研究

徐 锐，王 浩 （湖北大学 商学院，湖北 武汉430062）

XU Rui, WANG Hao (School of Business, Hubei University, Wuhan 430062, China)

中国各地区电子商务发展的极端不平衡也造成了快递产业发展的极端不平衡，目前国内绝大多数规模以上的快递企业，尤其是民营快递企业，总部都位于上海和广东，随着这些快递企业在近年来采取加盟制而形成全国连锁化经营，其他地区快递产业开始呈现出极为尴尬的发展态势，一方面业务量的确有所增长，但另一方面运营效率却十分低下，收入的增长远远不及业务量的增长。如何合理运用物流资源，提升快递产业运营效率，将成为各地区快递产业发展和升级的目标。

1 文献综述

从产业经济学的角度来看，Gordon 采用1948 年至1987 年的数据，对战后时期交通运输行业在MFP（确定多要素生产率）下的增长速度进行了测量研究[1]。余泳泽、武鹏利用随机前沿生产函数测算了物流资源利用率、地区制度变迁、区位优势等因素对我国物流产业效率的影响[2]。

在同一地区的连续性的交通和物流产业效率研究方面，Yoshidaa 和Fujimotob 采用两种不同的方法来测量1950 年代以来日本机场的效率；两种方法的结果一致表明，交通基础设施建设上的投入需要较长的时间才能吸引足够的需求，从而达到有效；经济背景的变化造成了低效的公共投资[3]。Wanke 考察了巴西的第三方物流行业为客户提供多种服务和提升IT 技术等措施是否能提升效率，以及扩大服务供给，扩大规模，从而降低成本，是否能应对日益激烈的市场竞争[4]。王琴梅和谭翠娥运用DEA 模型对西安市物流效率及其影响因素之间的相关性进行分析，研究表明：物流资源利用率和市场化程度对物流效率的影响程度更深[5]。

从区域物流竞争力方面的研究来看，Fung 和Wan 主要研究了1995～2004 年期间中国25 个地区机场的生产力变化模式，通过Malmquist 指数的分解，发现这些机场生产率增长的主要来源是技术进步，不同地区机场的效率出现两极分化的趋势，政策改革应侧重于非枢纽机场、非上市机场[6]。Lam 和Low 对亚太地区11 个主要机场的运营效率的研究显示，技术、规模和结构的效率是对亚太地区机场运营效率影响较大的因素[7]。倪程程、林国龙通过DEA 模型对上海、天津、大连、青岛、香港、安特卫普、鹿特丹和新加坡这8 个航运中心的物流效率的比较分析发现，上海港口物流效率不高，问题在于上海港的建设主要依靠扩大生产规模，而其他方面建设滞后，导致超负荷运转，限制了港口物流的进一步发展[8]。

这些研究成果标明，交通和物流产业运营效率与经济背景的变化呈正相关，交通行业的发展模式必须跟随经济背景的变化而不断转型。但从政策措施方面来看，交通基础设施建设上的投入需要较长的时间才能吸引足够的需求，因此在进行交通基础设施建设时，不能只考虑短期内的需求水平，而要考虑长期内的效率，避免过度投资。然而，目前很多地区也存在着为了追求规模而盲目扩张的情况。我国物流效率存在着物流投入存在严重的浪费现象，与发达国家相比，尽管我们的规模有所提升，但其他方面没有跟上，限制了物流效率的进一步提高。

2 研究设计

2.1 DEA 模型基本思想

数据包络分析（Data Envelopment Analysis，DEA） 是以“相对效率”概念为基础，用以测评一组多投入和多产出的决策单元DMU（Decision Making Unit） 的相对效率的一种系统分析方法。这种方法是一种非参数型估计方法，无需考虑特定的生产函数形式，可以规避参数方法的多种限制。

2.2 主要投入与输出指标选取

根据DEA 方法的相关要求，以及本文的研究目的，本文选择的投入指标是：

（1） 处理货量（快递业务量）

处理货量是物流产业中常用的评价指标，一个地区的快递处理业务量能充分说明该地区的快递发展水平，也与快递业务收入有着紧密的关系。

（2） 企业投入（快递营业网点数）

快递行业的属性决定了一个快递营业网点只能服务一定面积范围内，只能覆盖一定量的人口。一般来说，一个地区快递网点越密集，说明该地区快递需求量越大。但建立一个快递网点需要投入大量人力物力，过于密集的快递网点数量也会造成资源浪费，运营效率低下，建立合理数量的快递网点，有利于整合人力物力资源，促进运营效率的提升。因此，我们选择各地区快递网点数量作为各地区快递产业运营效率的投入指标。

（3） 基础设施建设（邮路总长度）

一个地区的物流基础设施建设，反映了一个地区的运输条件，也能折射出该地运输产业的规模和质量。而相比一个地区的运输线路长度，一个地区的邮路总长度对于快递产业的发展具有更大的影响，更适合快递产业的相关分析。

本文选择的输出指标是：

快递业务收入。快递行业属于提供劳务的服务性行业，快递业务收入是其主要产出，因此我们将快递业务收入作为各地区快递产业运营效率的输出指标。

2.3 数据来源和样本选择

使用DEA 方法对效率进行评价，在投入产出指标的选取上一般有数量的限制。按照经验法则，决策单元的数量至少应当是投入与产出指标的数量之和的2 倍，否则无法得到有效的结果。本文选取了3 项投入指标、1 项产出指标，因此至少需要8个地区的快递产业作为样本。因此本文选择了以省为单位，去除港、澳、台地区之后，总共收集到31 个省、直辖市、自治区的2012 年度相关数据，满足DEA 方法运用的经验法则的相关要求。本文所选取的资料来源于《2012 年中国统计年鉴》和国家邮政局公布的2012 年邮政行业运行情况（如表1 所示）。

DEA 方法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。运用SPSS 17.0 统计软件对样本的投入产出指标进行了相关性分析，结果如图1 所示。

从图1 可以看出，快递业务收入（INCOME） 与快递业务量（VOLUME） 之间的相关系数为0.964，t检验的显著性概率为0.000＜0.01，拒绝零假设，表明两个变量之间显著相关；快递业务收入与快递营业网点数(BRANCH） 之间的相关系数为0.764，t检验的显著性概率为0.000＜0.01，拒绝零假设，表明两个变量之间也显著相关；快递业务收入与邮路总长度（DISTANCE） 之间的相关系数为0.722，t检验的显著性概率为0.000＜0.01，拒绝零假设，表明两个变量之间也显著相关；因此，投入项与产出项之间呈现显著的正相关关系，表明本文所选取的投入产出指标符合DEA 方法要求的单调性假设。

2.4 运用DEA 方法求解

运用Win QSB 软件线性规划模块求解，依次计算各地区快递产业的运营效率（如表2 所示）。

从表2 可知，仅有上海、广东、西藏、青海4 个地区快递产业运营效率E值达到1，是相对有效的，仅占12.9%，而考虑到西藏和青海地区的地理因素，这两个地区快递业务量和业务收入规模较小，甚至不及上海和广东地区的1%，因此西藏和青海地区的快递产业运营效率的参考价值不大。可以认为，仅有上海和广东地区的快递产业运营是相对有效的，仅占6.5%。全国快递产业平均运营效率E值仅为0.6803，而E值低于0.6803 的地区多达19 个，占61.3%，说明全国大多数地区的快递产业运营效率仍处于较低水平，且与领先的上海和广东地区差距较大。快递产业运营效率最低的地区是安徽，快递产业运营效率E值仅为0.4805。

3 各地区快递产业运营效率比较及原因分析

第一，我国各地区快递产业运营效率和业务规模发展情况两级分化较为严重。从表2 中可以看到，快递产业运营效率最高的地区和运营效率最低的地区差距达到了一倍以上，这在DEA 分析方法中是比较少见的。联系表1 中的数据可以看出，全国各地区快递行业发展极端不平衡。根据2012 年的中国统计年鉴，广东、上海、浙江、江苏、北京5 个地区的人口总数占全国人口总数的20.10%，这5 个地区的GDP 占全国GDP 总量的31.89%，但这5 个地区的快递业务量占据了全国总量的68.16%，快递业务收入占据了全国快递行业总收入的68.98%，快递产业的集中度很高。其中广东地区的的快递业务量占据了全国总量的23.53%，快递业务收入占据了全国快递行业总收入的23.53%。

表1 2012 年全国各地区快递产业相关数据

图1 投入产出指标相关性分析结果

第二，东部地区在快递运营上的优势不仅仅在于业务量上，同时也在于总部经济效应上。上海地区的快递业务量占据了全国总量的10.54%，快递业务收入占据了全国快递行业总收入的17.33%，每一单位快件的业务收入比全国平均水平高出接近70%。在国内快递行业内，上海、江苏、浙江地区是快递费用相对最低的地区，然而即便如此，上海地区仍然得到了远高于全国平均水准的业务收入。这要归功于上海地区聚集了全国绝大多数的规模以上的快递企业的总部，全国规模较大的快递企业中，申通、圆通、韵达、中通、全峰等数十家规模以上快递企业的总部都在上海，这些快递企业采取加盟模式实现了全国连锁经营，相对于其他地区子公司，而这些快递企业总部则处于价值链的顶端，由于采取加盟制，他们仅仅需要提供品牌价值、信息平台和技术支持，不需要大量人力物力的投入，轻装前行。而中西部地区，则缺乏能够走向全国的具有规模效应的快递企业，大多数地区的快递产业仍停留在价值链的低端。

表2 2012 年各地区快递产业运营效率E 值

第三，如果将国内快递产业按东部、中部、西部来划分，可以看到，中部地区的快递产业运营效率是最低的，山西、安徽、江西、河南、湖北、湖南等地的快递产业运营效率均在0.5 左右，这些地区急需进一步考察和改善快递产业的运营效率，采取措施使得快递企业能更有效的利用资源，并获得更大的产出。

第四，值得注意的是，在一些欠发达的地区快递产业的经济运行效率也达到有效值。以西藏和青海为例，快递业务量和业务收入规模较小，甚至不及上海和广东地区的1%，但是西藏和青海地区的产出相对于投入来说是有效率的。在电子商务和快递业比较发达的地区，例如广东和上海，基础设施建设也比较完善，因此快递业有着肥沃的土壤和良好的环境，快递业运营效率较高，这个结果符合常规判断。西藏和青海地区基础设施并不完善，电子商务发展也比较落后，但这些地区的快递产业往往集中于大中城市，而没有延伸到农村和山区。这些地区属于高原地区，快递收费是相对较高的，由于资源十分有限，所以资源浪费也是相对较少的，因此最终会呈现出投入产出有效的结果。

第五，相对于上海和广东地区，同为经济较为发达地区的北京地区的快递运营效率相对是较低的，这说明地区经济发达并不代表快递运营效率高。虽然北京地区的快递业务量占全国总量的8.46%，但快递业务收入只占全国总量的7.23%，这说明北京地区快递运营的附加值不高，单笔业务收入低于全国平均水平。这种情况的出现与北京地区一直以来对于快递产业发展的忽视是有关系的。近几年以来，广东和上海地区快递企业形成了集群效应，相比之下，北京地区并没有太多的实现品牌化、全国连锁经营的民营快递企业，尽管北京地区快递业务量在全国名列前茅，基础设施建设也远远好过其他地区，但由于并没有占据快递产业价值链的顶端，因而产出有限。同时，快递产业的发展状况其实也能折射出各地区民营企业发展的状况，从北京快递产业发展的落后也可以看出，北京地区民营企业的生存土壤是不及上海和广东地区的。

4 本文的不足之处

尽管本文在数据采集、研究方法与研究视角等方面进行了尝试，但由于快递产业的相关统计数据较少，本文能够选取的投入和产出指标较少，因此也无法进行更进一步的数据研究和回归分析，解释能力有限。比如西部某些地区，西藏、青海、新疆、宁夏等地快递产业起步较晚，规模较小，这些地区往往运营成本较高，收费也较高，但它们的运营效率较高，这可能是在本文中没有考虑地理、环境、经营成本等因素所致。

[1] Gordon R. Productivity in the Transportation Sector[Z]. NBER Working Paper, 1993.

[2] 余泳泽，武鹏. 我国物流产业效率及其影响因素的实证研究——基于中国省际数据的随机前沿生产函数分析[J]. 产业经济研究，2010(1):65-71.

[3] Yoshidaa Y, Fujimotob H. Japanese-airport Benchmarking with the DEA and Endogenous-weight TFP Methods: Testing the Criticism of Overinvestment in Japanese Regional Airports[J]. Transportation Research Part E: Logistics and Transportation Review, 2004(6):533-546.

[4] Wanke P. F.. Determinants of Scale Efficiency in the Brazilian 3PL Industry: A 10-Year Analysis[J]. International Journal of Production Research, 2012(9):2423-2438.

[5] 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):70-74.

[6] Fung M. K. Y., Wan K. K. H., et al. Productivity Changes in Chinese Airports 1995-2004[J]. Transportation Research Part E, 2008,44(3):521-542.

[7] Lam S. W., Low J. M. W., et al. Operational Efficiencies across Asia Pacific Airports[J]. Transportation Research Part E,2009,45(4):654-665.

[8] 倪程程, 林国龙. 基于DEA 模型的上海国际航运中心物流效率的比较研究[J]. 武汉理工大学学报（交通科学与工程版），2012,36(4):857-860.