基于DEA与灰色关联模型的中西部18省物流业效率研究

周林荣，骆 欣

（遵义师范学院管理学院，贵州 遵义 563006）

1 引言

物流业是中国经济发展的推进器，受到国家高度重视。国务院先后出台了《物流业调整和振兴规划》和《物流业发展中长期规划2014-2020》等文件，强调物流发展的重点之一是“着力降低物流成本，使物流整体运行效率显著提高”。2015年国务院颁布了《关于推进线上线下互动加快商贸流通创新发展转型升级的意见》，强调转变物流业发展方式，依托各项信息技术与资源提高物流资源使用效率。这一系列文件的出台，说明物流业效率问题一直是国家关注的焦点。近年来，随着我国物流基础设施与技术装备的显著改善，物流业效率有所提升，但物流业效率不高问题仍然突出。例如，2020年“双11”天猫、京东商城等电商平台网络销售额突破5000亿元。根据国家邮政局数据显示，截至2020年11月19日，“双11”揽收快件妥投率超95.5%。中西部等地区局部仍出现“爆仓”现象，新疆、西藏等边远地区的消费者仍需等待较长时间才能收到“双11”期间订购的物品。同时，在当前高质量发展背景下，我国物流业效率整体较发达国家而言仍然偏低，物流业在地区间的发展仍不平衡，加上投资要素不合理等问题，物流业难以发挥经济动脉作用。如何实现物流业高质量、高效率发展是亟待研究的重要问题。

针对物流业效率评价，近年来国内外学者主要采用数据包络分析法（DEA）。文献[1-10]采用DEA方法对不同区域的物流效率进行了评价。现有研究物流业效率虽从区域视角进行，但没有专门针对中西部区域的。本文采用DEA对我国中西部18个省级单元物流业效率进行评价，并进一步分析选用投入与产出指标对物流业效率的影响程度，以期提出提升物流业效率的策略建议，进而为物流业的高质量发展奠定基础。

2 DEA与灰色关联模型

本研究分两步进行。第一步，采用经典的DEACCR模型与DEA-BCC模型测算决策单元的效率；第二步，将各个决策单元的综合技术效率值（TE）作为因变量，将决策单元投入与产出各个指标作为自变量，建立灰色关联模型，分析投入与产出因素对物流业效率的影响程度。

2.1 DEA模型

数据包络分析法（DEA，Data Envelopment Analysis）由美国著名的运筹学家Charnes（查恩斯）、Cooper（库伯）与Rhodes（罗兹）在1978年首次提出，该方法称为DEA-CCR模型，主要用来评价多投入与多产出的相同经济体的相对有效性。该方法的原理主要是通过保持决策单元（DMU,DecisionMaking Units）的输入或者输出不变，依托统计数据与数学规划确定相对有效生产前沿面，将各个决策单元投影到DEA的生产前沿面上，并进一步比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性。DEA-CCR模型假定生产过程属于规模报酬不变前提下的综合技术效率，1984年Banker、Charnes和Cooper在DEA-CCR模型的基础上加入一个凸性约束延展成DEA-BCC模型，该模型假定生产过程属于规模报酬可变前提下的纯技术效率。设决策单元个数为n（i=1,2,…,n），每个决策单元的投入指标个数与产出指标个数分别为m与s，对应的投入指标向量与权向量分别为 xi和 v，且 xi=(x1i，x2i，…xmi)T＞0，v=(v1，v2，…vm)T；对应的产出指标向量与权向量分别为 yi和 u，且 yi=(y1i，y2i，…ysi)T＞ 0，u=(u1，u2，…us)T，则评价第i个决策单元的DEA-CCR模型与DEABCC模型如式（1）与式（2）所示：

2.2 灰色关联模型

灰色系统理论由中国著名学者邓聚龙教授在1982年首次提出，对于两个系统之间的因素，以部分已知信息为样本，对部分未知信息进行探索，以便分析因素之间的关联程度。为进一步分析中西部18省物流业DEA模型效率值的影响因素和影响程度，以DEA-CCR模型测算出无投影调整前的效率值作为行为系统序列，即因变量序列；以投入与产出指标作为影响序列，即自变量序列。运用灰色关联模型得到两个序列间的关联程度i。

具体计算步骤如下：

第一步：确定参考数据序列和比较序列。参考序列为DEA-CCR模型测算出无投影调整前的效率值X0=(x10,x20,…,x180)，比较序列由3个投入指标与3个产出指标形成的自变量组成Xi=(xi1，xi2，…,xi18)，其中 i=1,2,…6。

第二步：对自变量进行无量纲化处理，本文采用均值法，即将所有投入与产出指标和数据均除以各指标数据的均值，得到一个新的序列Xi1=(xi11,xi21,…,xi181)；即 Xi1=Xi/Xi(平均)。

第三步：计算对应指标序列间的绝对差值Xi2=|Xi1-X0|，并进一步确定绝对差值中的最大值与最小值。

第五步：计算因素之间的关联度，即对每个影响因素在不同维度上值的均值

本研究数据源于《中国统计年鉴2019》，投入与产出指标选取根据参考文献整理归纳得出，具体数据见表1。

?

3 实证与结果分析

3.1 中西部18省物流业效率测算

采用 DEAP2.1软件中的 DEA-CCR模型与DEA-BCC模型对2018年我国中西部18省物流业效率进行测算，得出物流业综合技术效率值、纯技术效率值与规模技术效率值。

?

（1）不考虑外部其他因素的情况下，中西部18省物流业2018年的综合技术效率均值为0.751，整体偏低；中部6省的综合技术效率均值为0.928，其中，山西、安徽、河南与湖南四个省为DEA有效；西部12个省的综合技术效率均值为0.663，只有贵州省达到了DEA有效；表明我国中部地区物流业的效率整体高于西部。纯技术效率均值为0.832，其中，山西、安徽、河南、湖南、广西、贵州、西藏和宁夏的纯技术效率达到DEA有效，表明这八个省物流技术或管理水平达到最好状态。这18个省的物流业规模效率整体较高，均值为0.899，并且高于综合技术效率和纯技术效率。青海与西藏的规模效率值较低，拉低了被评价省份的物流的规模效率均值。

（2）内蒙古、江西、湖北、四川、重庆、云南、陕西的规模效率值较高，超过0.950且均高于纯技术效率值，新疆与甘肃的规模效率值也超过纯技术效率值，分别为0.742与0.888。由于江西、湖北、重庆、云南、陕西、甘肃与新疆的纯技术效率值偏低，导致这7个省的综合技术效率值不高。说明这7个省要提高物流效率，应适时调整管理方式，不断引进先进技术与装备，优化物流人才结构与其他投资要素。

（3）内蒙古、江西、广西、重庆、云南、西藏、甘肃、青海、宁夏、新疆、湖北、陕西为规模效率递增状态，表明该区域应增强物流产业与制造业、农业、服务业等产业的联动，应加强物流投入带动物流规模扩大。由表3可知，只有四川省的大于1，处于规模效率递减状态，四川省应该降低物流相关投入，同时应加强对投入要素与资源的管理。

?

（4）中西部有13个省物流业没有达到DEA有效。结合表1、表2与表3的相关数值并根据投影规则进行计算与调整，以四川省为例，分别用I1、I2与I3表示调整后三个投入指标对应值，O1、O2与O3表示调整后三个产出指标对应值。在维持当前四川省物流业产出水平（即物流业产出水平不变）的条件下，要达到DEA有效，需要适当减小I1、I2与I3的值，其中，从业人员数调整为25.276万人，运输线路里程数调整为234815.360公里，物流固定资产投资额调整为 2671.551亿元，使得货运周转量提高到5322.866亿吨/公里，另外两个产出指标值不变。

由表4可知，中西部18省物流业根据DEA测算出的投入过剩与产出不足的投影规则，物流业TE值均为1，经过3次DEA调整后均达到DEA有效。如，四川省最优资源要素调整情况：投入要素物流业从业人数减少到25.12万人、运输线路里程数减少到233407公里、固定资产投资额减少到2655.52亿元；产出指标物流产值没有变动为1869.96，货运量与货运周转量分别提高到188456.78万吨和5539.62亿吨/公里。

?

3.2 灰色关联模型

影响物流业效率的因素是多方面的，灰色关联模型主要着眼于物流业的内部因素，即内部因素是指物流业的投入和产出指标。所以，本文需进一步了解所选取指标对中西部18个省物流业投入产出效率的影响程度。运用灰色关联模型，以中西部18个省的物流业投入与产出效率值表示研究对象序列，以选取的各个投入与产出指标作为研究对象的影响序列。本文取 ，计算出灰色关联程度结果如表5所示。

?

3个投入与3个产出指标对我国中西部18省物流业效率影响程度的均值均超过0.7（表5），表明所选的投入与产出指标对物流业效率有较强影响。从投入指标角度，对物流业效率影响最大的是运输线路里程数，关联程度达0.761；其次是从业人员数，关联程度达0.741；影响最低的是物流业固定资产的投资额，关联程度为0.701。从产出指标角度，对物流业效率值影响最大的是物流产值，为0.741；其次是货运量与货运周转量，分别是0.739与0.726。从总体上说，产出指标影响程度差异不大。

4 结论与建议

本文首先通过DEA-CCR与DEA-BCC模型对中西部18省物流业效率值进行测算，然后运用灰色关联测算物流业效率的影响因素与影响程度，发现：

（1）我国中西部18个省物流业2018年的综合技术效率均值整体偏低，但中部物流业效率均值较高且高于西部物流业均值，得益于中部地区地理位置与经济基础；18个省物流业的规模效率均值大于纯技术效率，其中，广西、西藏、宁夏与青海纯技术效率高于规模效率，而内蒙古、江西、湖北、重庆、四川、云南、陕西、甘肃与新疆规模效率高于纯技术效率；江西、湖北、重庆、云南、陕西、甘肃与新疆7个省要提高物流效率，应适时调整管理方式，不断引进先进技术与装备，优化物流人才结构与其他投资要素。

（2）内蒙古、江西、广西、重庆、云南、西藏、甘肃、青海、宁夏、新疆、湖北与陕西12个省处于规模收益递增阶段，应增强物流产业与制造业、农业、服务业等产业的联动，应加强物流投入带动物流规模扩大。四川省规模效益递减，应该降低物流相关投入，同时应加强对投入要素与资源的管理。

（3）通过合理的优化投入要素与调整产出可以实现中西部18省的物流业效率都达到DEA有效。如，四川省最优资源要素调整情况：投入要素物流业从业人数减少到25.12万人、运输线路里程数减少到233407公里、固定资产投资额减少到2655.52亿元；产出指标物流产值没有变动为1869.96，货运量与货运周转量分别提高到188456.78万吨和5539.62亿吨/公里，提升物流业效率，需重视投入资源的结构数量合理，才能使产出达到最佳，为物流高质量发展奠定基础。

（4）物流业的内部因素中，运输线路里程数对物流业效率影响程度最大，固定资产投资额的影响程度最低，投入因素与产出因素对物流业效率影响程度相当，物流基础设施——运输线路的建设对物流效率的高低至关重要。