中国区域物流绩效改进研究

顾丹++杨保华

摘 要：在2015年中国31个省际物流投入产出指标数据的基础上，运用超效率CCR-DEA对我国省际区域物流业效率进行了实证评析。得到效率测算结果后，基于Context-dependent DEA对所有决策单元进行分层，引入吸引值和改进值这两个评价指标找到落后单元向先进单元发展的最佳路径，并重点分析了北京市2015年区域效率发展路线，为今后中国各省市制定正确的城市发展战略和路线提供参考。

关键词：超效率DEA；Context-dependent DEA；区域效率

中图分类号：F259.27 文献标识码：A

Abstract： Based on the data of China's 31 provinces in 2015， this paper makes an empirical analysis on the effciency of China's inter provincial logistics by using super-efficiency DEA. After obtainint the result of efficiency measurement， we can rank DMUs by utilizing the Context-dependent DEA， and find the bast path to improve peformance by attactiveness and progress. Also the paper focuses on the analysis of the regional effciency development route of Beijing in 2015， and provides a reference for the future development of China's provinces and cities to develop the correct urban development strategy and route.

Key words： super-efficiency DEA； context-dependent DEA； regional efficiency

0 引 言

物流業集运输、仓储、调度、现代化管理与一体，对我国国民经济的发展起着至关重要的作用。现代物流业作为新的经济增长点，不再仅仅对转变经济增长方式和促进经济持续发展有推动作用，更是成为降低生产和经营成本，提升劳动生产率以外的重要利润源泉。因此加快我国各地区的物流业发展，对提高国民经济竞争力、转变发展方式有重要意义。

目前，学者对物流效率问题的关注也比较多。一方面是对物流上市公司的效率研究，如邓学平、王旭等（2008）筛选了8家上市公司，发现总体呈上升态势，综合效率和纯技术效率有所下降，规模效率上升[1]；李晓梅、白雪飞（2016）基于超效率CCR-DEA对国有物流企业绩效进行实证分析，发现总体绩效不高但呈现出增长的趋势[2]。另一方面是对区域物流效率的研究，如贺竹磐、孙林岩（2006）研究了我国31个省市区域物流的相对有效性，发现物流效率在不同地区存在着明显的差异，非有效区域大多处于规模收益递增阶段[3]；张雪青（2016）以“一带一路”战略重点涉及省份为研究对象，分析了2009～2013年间区域物流效率变动和差异的主要原因[4]。现有文献的重点在于评析测算结果背后形成的原因，很少涉及关于如何改进绩效方法的探讨，针对这一点本文综合考虑了客观性和实用性，采用超效率CCR-DEA方法对2015年我国31个省市的区域物流效率进行实证研究，再运用Context-dependent DEA方法引入吸引值和改进值[5]两个评价指标找出最佳路径，并比较2015年我国各省市物流绩效发展的变化趋势。

1 模型选取

1.1 超效率CCR-DEA

Andersen等（1993）为例弥补传统DEA模型不能对有效决策单元进行进一步区分高低的缺陷，提出了“超效率CCR

-DEA”模型。基本思想是在评价某一决策单元时，将本身去除，使用其他所有与决策单元的线性组合代替[6]。因为在该模型中可以保持效率不变而使得有效单元的投入按比例增加，这个增加的比率就是超效率的评价值，所以超效率CCR-DEA模型能够找出效率为1的决策单元之间的差别，从而对有效单元进一步排序。

1.2 Context-dependent DEA模型

虽然超效率DEA可以对有效的决策单元进行排序，但是超效率DEA是以同一层次有效前沿面上的其余决策单元作为评价的背景，而Context-dependent DEA中不仅可以将高层次的有效前沿面作为评价背景，还可以将低层次的有效前沿面作为评价背景，并以此来计算对应的改进值和吸引值。模型具体如下：

当l=1时，模型（1）为产出导向的CRS-DEA模型，此时可以得到E ，表示第一层次的有效前沿面，当l=2时得到的有效前沿面可以通过移除第一次计算中的有效决策单元再次运用软件计算得到，以此类推，可以对所有决策单元进行分层[7]。

为了得到改进值和吸引值，在模型（1）的基础上进行改进得到如下的模型（2）和模型（3），模型（2）用于计算吸引值，模型（3）用于计算改进值[8]。

2 实证研究

2.1 数据选择

本文的样本数据来自2016年《中国统计年鉴》，综合考虑区域经济差异、物流业发展与环境变化之间的联系，本文选择的投入指标为国内生产总值、居民消费能力、固定资产投资、从业人员数；产出指标为：货运量、货运周转量。

2.2 各省市绩效分层

本文按照公式（1）运用DEA excel solver将2015年中国各省市按照全部有效、局部有效、次局部有效……进行分层，分层结果如下：第一层次：河北、上海、安徽；第二层次：辽宁、浙江、山东、广东、山西、内蒙古、河南、湖南、广西、宁夏；第三层次：福建、海南、江西、湖北、四川、贵州、云南、陕西、甘肃；第四层次：天津、江苏、重庆、新疆；第五层次：吉林、黑龙江、青海；第六层次：北京。

2015年中国各省市的绩效被分成六层，第一层次的级别高于第二层次，第二层次的级别高于第三层次，以此类推。从表1中可以发现上海和安徽处在第一层次有效前沿面上，上海是国际物流业中的重要枢纽，其深水航道和集装箱枢纽港等硬件设施方面在近年来取得了显著成效，并且上海自贸区的发展为该市的物流带来了机遇，不仅整合了四区的物流企业，而且结合自身优势对不同物流主体进行重点发展，如洋山港保税区以建设国际中转为中心、浦东机场综合保税区以航空服务为中心等。物流业是安徽国民经济中一个重要的基础性产业，目前安徽省已有超过上百家具有一定规模的第三方物流企业，并且还有一些诸如徽商集团、安泰物流等国有企业正向现代物流转型发展，另外还有大批知名的物流企业也在安徽省落足，如中外运集团、宝供物流等。北京虽是我国的首都，但在表1中一直处在最末层次，总体来看北京市的物流业发展较快，但投入的成本过高，并且物流结点的建设远远落后于线路的建设，投入远大于产出是其绩效一直处于落后水平的主要原因。

2.3 各层次超效率及改进路径

SUP-CCR-DEA模型可以区分高效率对象之间的差异并对同一有效层面的决策单元排序，超效率的值越小则绩效越好。虽然各层次内部的排列顺序已经得知，但层次与层次之间各决策单元的追赶路径还不能知晓，所以根据模型（2）和模型（3）计算出各省市的吸引值和改进值。表1是 2015年各省市物流业的超效率值、改进值和吸引值。

表1对角线上的数值是各省市物流业当前有效前沿面上的超效率值，如表1中天津物流业的超效率为0.848；对角线以上的数值是根据模型（2）计算出的各省市物流业的各级吸引值，如表1中天津的1级吸引值为1.266，2级吸引值为1.876；主对角线以下的数值是根据模型（3）计算出的各省市物流业的各级改进值，如表1中浙江物流业改进值为1.404。

2.4 2015年北京市改进路径分析

因为北京市的物流产业绩效一直处于最后一个层次，其改进路线较其他省市来说也最长，因此本文选择北京市作为重点城市进行分析比较，也更能看出发展趋势，按照模型也可以得到其他省份的改进路径。北京2015年的最佳改进路径：北京→黑龙江→重庆→江西→辽宁→上海。

北京处于最末层次，以黑龙江为第一个学习的目标，黑龙江处于我国东北边陲，是著名的老工业基地和重要的粮食产区，进入21世纪后，国家大力扶持黑龙江的物流产业，虽然目前还处于起步阶段，但是越来越规范化的大型物流企业正逐步建立起来，其物流绩效也在逐步攀升。紧接着的学习目标在重庆市，纵观开放新格局下重庆市物流业的发展具有多重优势：显著的战略地位、高端的物流功能定位、边界的物流通道，众多的物流大平台等。“一带一路”建设和长江经济带建设战略的实施更是给重庆市的物流产业带来更多的机会。北京市的终极学习目标是上海市，上海市物流产业发展比较成熟，基础设施日趋完善，道路规划更加合理，大型的物流园区逐渐增多。

3 结束语

本文基于面板数据运用SUP-CCR-DEA和Context-dependent DEA对我国31个省市的物流效率进行测算并找出相应的改进路径和潜在竞争对象。首先将所有省市划分层次，根据不同的模型计算出各自的吸引值和改进值，吸引值用于寻找向上级层次学习的对象，进而找到每个省市每年的逐级改进路径，改进值主要用于识别潜在竞争对象，对高层次的决策单元起到督促作用，有利于保持先进性。

文中以北京市为例，重点分析了北京市2015年的发展路径，为今后北京物流产业的发展提供了可供参考的方向。根据文中的方法还可以对全国其他省市各年份的物流业发展绩效进行分析，对全面提高我国物流效率，推动物流产业和经济发展起到了积极作用。

参考文献：

[1] 邓学平，王旭，等. 我国物流企业全要素生产效率分析[J]. 系统工程，2008，26（6）：1-7.

[2] 李晓梅，白雪飞. 基于超效率CCR-DEA的国有物流企业绩效实证分析——基于16家上市物流企业的样本数据[J]. 中国流通经济，2016（4）：26-32.

[3] 贺竹磬，孙林岩. 我国区域物流相对有效性分析[J]. 科研管理，2006，127（6）：144-150.

[4] 张雪青.“一带一路”区域物流协同发展分析[J]. 统计与决策，2016（8）：108-110.

[5] 陳志宗. 基于超效率—背景依赖DEA的区域创新系统评价[J]. 科研管理，2016（S1）：362-370.

[6] 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.

[7] Süleyman ？覶ak？覦r， Sel？觭uk Per？觭in， Hokey Min. Evaluating the comparative efficiency of the postal services in OECD countries using context-dependent and measure-specific data envelopment analysis[J]. Benchmarking： An International Journal， 2015，22（5）：839-846.

[8] Ulucan A， At？覦c？覦 K.B. Efficiency evaluations with context-dependent and measure specific data envelopment approaches： an application in a world bank supported projec[J]. Omega， 2010，38（1/2）：68-83.