基于PCA-DEA模型的农产品流通效率分析

许诗源

内容摘要：本文通过构建PCA-DEA模型对我国2005-2017年的农产品流通效率进行分析。结果显示：2005-2017年，我国农产品流通效率始终保持波动增长状态;我国市场经济环境、科技发展以及流通企业运行情况均会对农产品流通效率造成影响。

关键词：农产品   流通效率   PCA-DEA

我国作为农业大国，农业的发展影响着国家的整体发展，而农产品的流通则影响着社会经济和人民生活的发展。随着我国市场体制的不断完善，我国农产品的流通也打破了传统的流通方式，呈现出了高效率、多样化的状态。根据前瞻产业研究院发布的《2018-2023年中国农产品流通行业发展模式与投资战略规划分析报告》，2017年，我国农产品物流总额为3.7万亿元，预计到2023年，农产品流通市场空间将接近5万亿元，发展前景较为可观。然而，在此过程中，众多流通问题也随之而来，例如农产品流通衔接效率低、流通成本投入大、流通风险高等，这对我国农业的可持续发展而言无疑是严峻的挑战。广义的流通体系包含了所有和流通相关的主体，例如消费者、批发商、分销商等，所涉范围过大，无法精准测量效率。因此，本文在传统DEA的基础上使用主成分PCA简化指标，同时为更好体现决策偏好，利用主成分权重约束锥对DEA进行赋值，构建了PCA-DEA模型，对我国农产品流通效率进行分析，剖析影响我国农产品流通效率的主要因素，为提高我国农产品流通效率提供指导依据。

PCA-DEA 模型建立

本文通过PCA-DEA模型对主成分数据进行简化处理，使得各个变量在模型中独立存在，最终得出满足下式检验标准的低维独立相关变量：

式中，λi表示主成分含义，λj为变量的最初含义，本文对主成分数据进行简化之后，简化数据所反映的信息需要與原始数据85%信息相符合。为了保证DEA模型所分析的数据均大于0，本文需进一步对简化后的数据进行归一化，使得所有分析数据均在[0.1，1]区间内，归一化公式为：

式中，Zij为待处理数据，ai为数据矩阵中行的最大值，bj为矩阵列的最大值。同时，设Cm、Bs分别为投入产出主成分的评价矩阵，λi和λj为评价矩阵特征值的最大值。同时，计算权重约束锥U、V：

本文采用具有权重约束的PCA-DEA（C2WH）模型对成分数据进行计算，最终得出评价结果。

指标的选取与处理

本文所分析的农产品主要是农作物和畜产品。所选取的相关数据均来自国家统计局在2005-2017发布的年度数据，针对个别年限数据的缺失，本文根据历年数据走势和当前经济形势进行合理补充。详细指标如表1所示。

农产品流通效率分析

（一）PCA分析

本文通过SPSS19.0软件对所有样本数据进行优化处理，以分析农产品流通效率。

1.提取主成分。参照KMO统计结果，本文对数据是否达到因子分析条件进行实证，通常如果数据的KMO统计量大于0.7，则数据适合因子分析。将数据KMO检验值大于0.7以及累计贡献率高于85%的数据进行提取投入产出主成分，具体提取结果如表2所示，其中Z1、Z2为投入主成分，Z3、Z4、Z5为产出主成分。

2.计算主成分得分。本文采取方差最大化正交旋转法来明确主成分的本质含义，并通过正交旋转获取主成分的载荷矩阵，保证一个变量固定搭配一个因子。具体内容见表3、表4所示。表3、表4中的系数即为主成分对原始数据的解释程度，也称之为累计贡献率。基于以上数据，本文便可计算出投入和产出指标的得分值。投入指标：

基于投入指标的主成分Z1中资金、成员数量、业务成本以及库存量占比较大，故可以将Z1定为资本投入指标;第二主成分Z2的市场分布较多，说明各变量与该因子关联性较强，可以将Z2视为规模指标。产出指标：

产出指标Z3中载荷较大的变量为零售业销售量、利润率、每个营销点的销售额，因此可以将Z3视为流通收益综合指标;Z4中农产品零售业资产周转率、农产品库存量载荷较大，故将Z3视为资产周转指标;Z5载荷较大的是农产品零售业集中度，可以将Z5视为产品集中程度指标。各主成分的具体解释如表5所示。

3.归一化处理。本文对各个主成分的贡献值进行评价，并根据得分结果对所有指标进行排序，具体结果见表6所示。通过表6可以得出，DMU5的投入贡献值排名第9，但其产出贡献值却排在首位，这说明2009年农产品流通效率高，农产品利润得到显著提升;相比而言，2016年的投入贡献值排名第2，但其产出贡献值排名却靠后，说明当年的农产品零售业不景气，农业资源利用率下降，这与我国社会经济发展实情相吻合。

4.计算投入产出主成分判断矩阵Cm，Bs。

矩阵中，最大特征值λm=1，λs=2。

5、构造主成分分析权重约束锥

基于上式建立权重约束锥U，V，公式表示为：

（二）DEA分析

经过对DEA模型的C2R进行检验分析，发现在未对数据进行简化的前提下，DEA分析结果与真实结果偏差较大。因此，本文选择经过简化的Z1、Z2投入主成分和Z3、Z4输出主成分纳入到DEA模型中，计算结果如表7所示。

根据表7可知，DEA检验的12个指标中仅有5个指标是DEA有效，且纯技术效率和规模效率均出现无效的现象，这说明部分评价指标失真。此时，本文采用MAXDEA软件对投入成分开展权重分析，结果发现部分指标的权重系数为0，具体分析结果如表8所示。根据表8结果，在所有的60个投入、产出指标权重系数中，有30个权重系数为0，占所有指标权重数的50%，说明通过DEA分析所得出的结果难以反映出真实的农业投入产出情况。鉴于此，本文有必要对分析模型进行权重限制，结合PCA系数权重约束锥U、V，借助MATLAB软件构建PCA-DEA模型，对投入产出指标数据进行计算，具体结果见表9所示。

通过计算结果可知，DMU4和DMU12的综合效率值均为1，说明我国在2008年和2017年的农产品利润最高，符合DEA的有效标准，我国农产品市场得到了良好的发展。在其他年份中，所有指标的综合效率值均在1以下，表明农业资源的配置没有达到最佳水平，农产品的流通效率仍有待提高。在12个综合效率无效的指标中，2个指标技术效率有效，说明在2005年和2009年农业技术得到了良好的发展，技术转化农业生产顺利进行，农业产出率达到最大，但由于受到规模效率影响，其综合效率无效。同时，DMU5的规模呈现降低趋势，说明冗余规模、企业规模适当约束对提高农产品流通效率具有正面影响。DMU2和DMU3的规模效率呈现逐渐增加趋势，说明该两种指标农业资源利用不合理，导致无效现象生成，此时需要合理扩大农业市场规模，使得指标达到DEA有效状态。

（三）评价结果说明

通过比较PCA-DEA（C2WH）模型和带有权重约束的PCA-DEA（C2WH）模型的分析结果，本文发现带有权重约束的DEA模型的分析结果更能反映真实情况。我国宏观经济环境、科技发展以及流通企业运转情况均对农产品的流通具有一定影响。基于农产品流通效率层面，可以将我国农产品流通划分为三个阶段：

第一阶段：2005-2009年，农产品流通效率大幅度提升。在中国加入世界贸易组织后，国家农产品的销售方式发生重大转变，以公有制为基础的多种所有制共同发展政策开始实施，政策效果在2005年得以体现。我国的对外贸易力度增加，农产品流通效率在此背景下得到了显著提高。第二阶段：2009-2013年，农产品流通效率开始衰减。受到全球经济危机的负面影响，我国包括农产品在内的众多产品销售均受到了不同程度影响，国内农产品贸易额下滑，对外农产品流通效率迅速衰退，国家的相关扶持政策实施效果不显著。最终导致农产品无论是销售量还是销售额均达到低谷状态。第三阶段：2013-2017年，农产品流通效率缓慢升高。在全球经济形势不容乐观的大环境下，我国通过调整市场经济结构和促进小微企业发展，使得国家的经济在困境中维持良好的发展状态。同时，随着“一带一路”的开展，我国农产品的流通规模得到了空前的扩大，流通体制进一步完善，加之国家在农业上的扶持力度不断增大，使得农村的生产潜力得到了释放，农村改革顺利进行，这无疑为农产品流通效率的提高奠定了良好的基礎。

结论与建议

2005-2017年，我国农产品流通效率始终保持波动增长状态。我国市场经济环境、科技发展以及流通企业运行情况均会对农产品流通效率造成影响。因此，我国需要进一步完善农产品流通机制，优化农产品市场布局，打破阻碍农产品流通的壁垒;构建农产品流通链条，简化农户与企业之间的贸易环节，提高农产品流通效率;扩大农产品市场规模，增加农产品流通基础设施，在提高农产品的流通速度的同时，降低产品受损概率。

参考文献：

1.王海燕.区域特色农产品流通效率的评价与优化路径研究[J].时代金融，2018（20）

2.胡瑜杰.新零售背景下农产品流通现代化升级路径探析[J].商业经济研究，2018（11）

3.开燕华，王霞，曾铖.长三角城市群现代农业发展效率评价——考虑社会和工程功能的PCA-DEA模型的研究[J].经济问题探索，2018（6）

4.柳西波.我国农产品流通效率提升——基于专业市场的研究[J].商业经济研究，2018（10）