基于SBM-DEA模型的中国省份物流发展效率研究

□ 马浩燃

(上海理工大学 管理学院，上海 200093)

1 引言

物流业是将交通运输、仓储、邮政通信等行业进行整合的复合型服务行业，它连接着生产商与消费者，在经济发展中具有非常重要的地位，是扩大内需的一种重要方式，被称为“第三利润源”。物流业的发展对一个企业、一个地区的经济发展都非常关键，因此也成了企业和政府重点帮扶的行业之一。随着现代科技的不断进步以及经济的飞速发展，物流行业的发展已经成为衡量一个地区或国家经济发展水平的重要指标[1]。

然而，中国各省之间的经济发展、科技发展以及道路建设都不相同，这就使得各省的物流发展也不一致。虽然物流行业在经济发展中是一个重要的内容，但是，在物流行业的发展过程中，仍存在着物流效率低下、建设成本高、资源浪费等问题。因此，对每个省的物流行业进行评估分析是有必要的，这样政府就可以针对不同省份提出不同的方案去促进各省物流行业的发展。

而在物流行业的发展中，物流效率问题是至关重要的内容，是一个非常重要的衡量物流发展水平的指标，对物流行业的效率进行分析评估，是提升物流行业发展的重要手段之一。目前，学术界已经有很多学者对物流效率进行分析评估，并提出相应的措施来促进效率的提升。云俊等运用DEA模型对我国主要的集装箱港口的物流效率进行分析评估，并指出港口的设施投入是提高物流效率的一种重要方式[2]。刘满芝等利用DEA模型和投影分析的方法来分析江苏省13个地级市的物流效率以及其物流效率低下的原因[3]。汪旭辉等运用SFA模型来分析评估我国23个地区的农产品物流效率问题[4]。刘涛等运用超效率SBM模型对河南省18个地级市以及10个省管县的物流效率问题进行评估[5]。王博等选择利用三阶段DEA模型，将环境因素考虑进去，分析我国“一带一路”沿线地区和两个核心区域的物流效率[6]。

通过对已有文献进行分析，我们可以清楚地发现学术界用来分析物流效率的方法主要有随机前沿模型(SFA)和数据包络分析(DEA)，而其中使用最多的就是DEA模型。因为DEA模型只考虑输入和输出变量，不需要很清晰地表示出投入和产出间的关系，并且输入变量和输出变量都可以是高维的。因此，本文选择使用DEA模型，并考虑松弛变量，来分析中国30个省2019年的物流效率问题，以期对未来的物流行业发展提供帮助。

2 研究方法

2.1 数据包络分析

本文的主要研究内容是效率问题，而在效率研究中，数据包络分析是一种非常有效的方法。在许多的效率研究问题中，数据包络分析因为简单易行以及经济背景，被广泛用作非参数的线性规划方法。自从Charnes等在1978年提出DEA方法之后，该方法就得到了广泛的使用与快速的发展[7]。DEA方法已经被证实在识别最佳实践前沿以及对决策单元(DMU)进行排序是有效的，并且事先不需要对投入和产出的权重进行假设[8-10]。

DEA模型主要有两种类型，一种是径向模型，一种是非径向模型。这个由Charnes，Cooper和Rhodes所提出的CCR模型是一种径向模型，其原始模型以及对偶模型如下：

(1)

u≥0,v≥0

其中，yrj指第j个决策单元的第r类输出，xij指第j个决策单元的第i个输入，u指输出变量的权系数，v指输入变量的权系数。

针对式(1)这样带有分数的线性规划，可以使用其对偶的形式进行求解，其对偶模型如式(2)所示。

λj≥0,j=1,2,…,n

(2)

2.2 SBM-DEA模型

传统的DEA模型并没有考虑输入和输出变量的松弛或拥塞的情形，但如果对这些问题不加以考虑的话，可能会使得效率的评估出现问题，造成评估不准确的情况。于是，为了防止出现这样的问题，Tone提出了集成数据包络分析(SBM-DEA)的基于松弛变量的度量，该模型充分考虑了输入和输出的松弛变量[11]。SBM-DEA模型如式(3)所示。

(3)

除此之外，SBM-DEA模型还可以通过松弛对输入和输出变量进行调整，以提高效率。变量的调整方式如下：

(4)

当求解的结果是ρ*=1并且各松弛为0时，表示该决策单元是有效的。当ρ*<1,则表示该决策单元是非有效的，这个时候就可以通过松弛变量调整原来的输入来提高效率。相应的变量的调整形式如下。

(5)

本文所研究的物流效率问题可以通过松弛变量的调整来提高各省的物流效率,并且松弛变量的调整也可以为接下来的物流行业的发展提出相应的措施，即在物流行业的发展过程中，改变哪些输入变量可以提高物流的效率。

3 指标体系构建及数据来源

3.1 指标体系构建

在运用SBM-DEA模型来分析评估效率问题时，最重要的一步就是选择输入变量和输出变量，如果选择的输入和输出变量不合理，那么计算出的效率值也会不合理。因此，选择一个合理的输入和输出变量是有必要的。通过对文献的阅读和总结，我们发现进行效率分析时，常常被选作投入变量的是人力、物力以及财力(资本)这三种，而产出变量主要是经济效益和社会效益。因此，本文考虑到与物流业发展相关的指标，将物流业(交通、仓储、邮政等)就业人员、物流运输路线以及物流货物的运输量作为SBM-DEA模型的投入指标，物流业的经济收入(交通运输、仓储、邮政业生产总值)作为模型的产出指标。具体的指标如表1所示。

表1 物流业的投入产出指标

3.2 数据来源

本文根据选择出来的指标搜集相关的数据，数据来源于《中国统计年鉴》。

4 各省份物流效率实证结果

4.1 基于SBM-DEA模型的结果

基于本文所搜集到的相关数据，对中国30个省份2019年的物流效率进行评估分析。通过Stata软件对30个省份的数据进行评估分析，得出最后的综合效率，如表2所示。

从表2的效率结果来观察，物流效率最高的省市一共有5个，分别为北京、天津、河北、上海和河南，而物流效率比较高的是江苏、山东。可以比较清楚地看到物流效率比较高的省份大多处于中国东部地区和沿海地区，是交通发达的省市，这就表明如果一个地区的经济发展水平较高，交通便捷，物流效率就会越高。然后，我们还可以发现在非DEA有效的城市中，效率最低的省份分别为青海、甘肃、宁夏以及黑龙江，这些省份位于西部内陆以及东北交通不便捷的地区。由此可见，在地大物博的中国，经济发展不一致、交通线路的建设不完善等问题都会导致各省的物流发展效率不一。

表2 2019年各省的物流效率

除了分析总体情况之外，我们还将数据集进行分类分析。我们将30个省市分为东部地区和西部地区，然后讨论其平均效率，结果如表3所示。

表3 东西部地区物流平均效率

从表3的结果中我们可以很清楚地看到，东部地区的物流效率远远高于西部地区的物流效率，这表明在中国物流行业的发展中，东部地区要高于西部地区，这主要是因为西部地区的经济发展不足以及交通设施建设不完善，同时，该地区还是以其他行业为主，并不是以物流业的发展为主。相反的是，东部地区的经济发展迅速、交通设施完备，因此交通运输业发达，使得物流行业在东部地区得到了快速的发展。

4.2 基于SBM-DEA模型的投入调整

分析完效率之后，我们知道了各省的物流效率，并且发现物流效率高的省份其物流行业的发展也更快。因此，我们应该研究的是通过什么手段来提升各省的物流效率以促进该省的物流业的发展。SBM-DEA给出了一种解决方式，那就是通过调整投入来促进效率的提升，投入调整的数据如表4所示。

表4所显示的调整结果就是在帮助该省份如何调整投入来提升物流行业的效率。比如，对山东而言，要想使其物流效率出现提升所需要进行的调整是在线路运输长度上减少28475.47米，在货运量上减少85132.36万吨，这样就可以使得山东的物流效率达到DEA有效。过度的运输线路以及货运量的运输，虽然会让经济有所增长，但是会造成物流运输成本的上升，这样不利于物流行业的发展。而从表4的分析结果中，我们可以很清晰地看出最需要进行调整的是各省的货运量，几乎每个省的物流效率都没有达到DEA有效，其中过多的货运量有不小的影响。这表明在各省发展物流行业的同时，需要认真考虑所能提供的最高货运水平，货运量并不是越多越好，如果货运量超过该省份所能提供的最大货运能力，那就会造成额外的货运成本，进而使得物流行业的发展成本出现上升，不利于物流行业的发展。

表4 投入调整

除了货运量需要调整外，另一个需要进行调整的是就业人员，物流行业的发展需要人员，但是如果进入该行业的就业人数超过了该省该行业所能提供的最多就业岗位，就会造成就业冗余，使不需要人员进行操控的部门也会招收人员进行工作，这样就会造成人员的浪费，增加物流行业的劳动力成本。因此，各省在发展物流行业的同时，必须认真分析该省在物流行业发展过程中，到底需要多少就业人员，避免造成劳动力过剩，带来额外的劳动力成本，不利于物流行业的发展。

在本文所选择的投入指标中，还需要调整的就是物流运输线路，但是这个调整不是必须的，因为每个省的交通设施建设除了方便自身的物流发展外，还可以对其他省市的物流发展起到作用。在本文的分析中，运输线路的调整只是为了使自己省份的效率可以得到提升，这只说明不要过度的去建设交通设施，不然会造成额外的成本，但是交通建设又是必须的，因为交通建设关乎其他行业的发展。因此，在本文所使用的模型中，该投入需要调整，但就现实情况而言，我们可以将目标放在另外两个投入上，只要将他们调整好，就可以有效地提升物流效率，促进物流行业的发展。

除了分析各省的调整情况，我们还分析了东部地区和西部地区的总体调整状况，结果如表5所示。

表5 东西部的投入调整

从表5的结果中我们可以很清楚地发现，西部地区的物流效率要想达到有效就必须进行更大的调整，就业人员和货运量都需要进行非常大的调整，这也是因为西部地区经济发展不足、交通设施不完备。由于物流行业在西部地区的发展从开始就不足，因此，要想物流效率达到有效所进行的调整就自然更多。

除了对投入进行调整外，我们还可对产出进行调整，增加物流行业的产出也会提升物流效率。

5 总结

本文使用SBM-DEA模型对中国30个省份的物流效率进行评估分析，并通过松弛变量的调整来帮助非DEA有效的省份，通过调整多少来达到DEA有效。最终的结果显示：30个省中有5个省达到了DEA有效，这表明有5个省的物流行业的发展是比较好的，而这5个省中有4个是位于中国的东部沿海地区，这表明东部经济发达地区的物流效率是比较高的，进而物流行业的发展也是更加迅速的。还有1个省是交通大省，交通线路非常发达，交通设施非常完备，这是其物流效率较高的原因，也是促进物流行业发展的因素。除此之外，我们还发现相对于东部地区，西部地区的物流效率非常低下，这是因为西部地区的经济发展不足，交通设施等都不完备，这就表示要发展西部地区的物流行业就必须先发展西部地区的经济和加强西部地区的交通设施建设。

本文还通过松弛变量对非DEA有效的省份的投入或产出进行调整，以此来促使该省的物流效率达到有效，进而促进该省物流行业的发展。在调整中，需要大幅度调整的是货运量，这表示在各省发展物流行业的时候，需要认真考虑省内所能提供的货运水平，恰当的货运可以促进物流发展，但是超过了就可能会阻碍物流效率的提升和物流行业的发展。

综上所述，本文提出以下几点建议：

①西部地区的物流行业要得到发展，必须加强交通设施建设和经济发展。

②各省在发展物流行业的同时，需要认真思考物流行业的就业人数和货运量，以免带来额外的物流运输成本和劳动力成本。