基于DEA的泉州市制造业与物流业协同发展研究

林巧丽

（闽南科技学院 商学院，福建 泉州 362332）

0 引言

制造业和物流业是区域经济发展的两大重要支撑产业，两者之间有着密不可分的关系，制造业的发展需要物流业的支撑，物流业的发展也依赖于制造业。一方面，物流业是生产性服务业，可以为制造业提供一整套综合物流服务，使制造业可以集中精力发展核心业务，从而提高核心竞争力。因此，物流业的快速发展有利于实现制造业的转型升级。另一方面，物流业实现现代化所需的各种设备和技术也需要由制造业提供，因此制造业的发展同样对物流业有着重要的影响。制造业与物流业的协同发展，有利于促进两业快速发展，对于促进区域经济的发展具有重要意义。为此，2007年国家发展与改革委员会组织的首届全国制造业与物流业联动发展大会在上海召开，第一次为制造业和物流业企业搭建了交流与合作的平台。2009年国务院把“制造业和物流业联动发展”列为振兴物流业的9 大重点工程之一。2010 年温家宝总理在政府工作报告中强调了要加快发展生产性服务业，以促进服务业与现代制造业的有机融合。2020年8月国家发展改革委会同工业和信息化部、交通运输部等13个部门和单位联合印发《推动物流业制造业深度融合创新发展实施方案》（发改经贸[2020]1315号，简称《实施方案》），提出到2025年，物流业在促进制造业高质量发展等方面的作用将显著增强，《实施方案》的制定对推动制造业与物流业融合和高质量发展具有重要意义。

泉州市是海峡西岸经济区的主体，作为制造业大市和民营经济大市，成为第二批“中国制造2025”的试点示范城市。为了使“泉州制造2025”战略得以顺利实施，2016年泉州市印发了《“十三五”现代物流业发展专项规划》（泉政办〔2016〕88号），规划强调必须加快泉州市制造业与物流业的协同发展，积极推进制造业物流基地的建设并大力打造制造产业物流带。2017年制定的《泉州市创建“中国制造2025”城市试点示范实施方案》（泉政文〔2017〕39号）中把推进制造业与物流业联动发展作为主要任务之一。

目前，学术界对于泉州市制造业与物流业协同发展的研究相对较少，李征使用灰色关联分析法对泉州市制造业与物流业的发展数据进行分析，结果显示，泉州市“两业”协同发展水平处于濒临协调、不甚协调的状态，协调度呈逐步上升趋势。黄菲菲以互动论为视角，通过与厦门市的对比，分析泉州生产性服务业的发展现状，并探讨泉州生产性服务业与制造业互动发展的有效途径。研究均表明泉州市制造业与物流业发展目前仅处于濒临协调阶段，与充分协调仍然有一定距离。因此，深入探讨泉州市制造业与物流业的协同发展具有重要的现实意义。本文通过建立CR-DEA模型，以泉州市制造业与物流业互为输入和输出，对泉州市制造业与物流业协同发展的情况进行评价，进而提出促进泉州市制造业与物流业协同发展的优化策略，以期实现泉州市制造业与物流业深度融合发展。

1 基于DEA的物流业与制造业协同发展评价模型

1.1 DEA模型简介

数据包络分析方法（Data Envelopment Analysis，简称DEA）是由美国著名运筹学家W. W. Cooper、E.Rhodes、A. Charnes 在1978 年首次提出，是通过建立相应的数学规划模型，对具有多个输入和多个输出的“部门”或“单位”（称为“决策单元”（Decision Making Units），简称DMU）的相对有效性或效益进行评价的一种定量分析方法。DEA模型的基本原理是保持输出和输入的决策单元不变，通过建立相应的数学规划模型，从而确定一个较为有效的生产“前沿面”，然后观察每组DMU 偏离“前沿面”的程度。其中，有效点的效率值标为1，指的是在“前沿面”上的点；而无效点的效率值则是介于0-1之间，指的是在“前沿面”以外的点。DEA模型可以分为CR模型、BC模型和DEAMalmquist指数模型三种。在CR模型中，规模报酬被假定为恒定量，主要用来测量技术效率。

DEA 的CR 数学模型表达如下：设有n 个DMU（1 ≤j ≤n），每个DMU 都有m 种输入和s 种输出，DMU的输入、输出向量分别为：

在对DMU进行评价时，需要赋予每个输入和输出恰当的权重：

以第j（1 ≤≤n）个决策单元的效率指数最大化为目标函数，以包括第j个决策单元在内的全部决策单元的效率指数为约束条件，设DMU的输入和输出为（x,y），则评价DMU相对有效性的CR 模型为：

上述模型中，x表示DMU对第i种输入的投入量，y表示DMU对第r种输出的产出量，v和u为权重系数，其中v为第i种类型的输入，u为第r种类型的输出。

为了方便检验DEA的有效性，并分析结果的经济意义，将以上模型转变成对偶模型，同时引入松弛变量、剩余变量和具有非Arehimedes无穷小量：

其中̂(1，1，，1)∈E，(1，1，，1)∈E。

可以通过CR模型判定技术有效和规模有效是否同时成立：

（1）当1 且s=s=0 时，则DMU 为DEA 有效，DMU的经济活动同时具有技术有效性和规模有效性；

（2）当1，至少有一个输入或者输出大于0时，DMU为弱DEA有效，DMU的经济活动不同时具有技术有效性和规模有效性；

（3）当1 时，则DMU 为DEA 无效，DMU 的经济活动既不具有技术有效性，也不具有规模有效性。

1.2 指标体系的构建和数据来源

根据Roll提出的最优决策单元数，鉴于选择指标的科学性、有效性以及DEA方法适用性的原则，本文选取2011-2020年各年数据组成的10个决策单元，由于DEA方法要求决策单元的选取数量应不少于输入和输出总指标数量的2-3倍，因此选取的制造业和物流业的指标总数应在5个以内。综上，本文选取的物流业指标为：货物周转量、物流业增加值；制造业指标为：制造业固定资产投资完成额、规模以上工业增加值。具体指标数据见表1。

表1 泉州市2011-2020年物流业与制造业相关指标数据

2 泉州市制造业与物流业协同发展分析

2.1 以物流业为输入，制造业为输出时的DEA有效性分析

将物流业的相关指标数据作为输入选项，制造业的相关指标数据作为输出选项，通过软件DEAP2.1获得运行后的数据，见表2。根据CR模型判定DEA有效性的方法，只有当技术有效和规模有效同时成立时，才能判定为DEA有效。因此，由表2的运行结果可以得出物流业输入的有效性分析结果，见表3。由表2和表3可知，在2011-2020年这10个决策单元中，2011年、2012年、2014年、2015年和2016年的综合技术效率均为有效，表明在这5年中泉州市物流业基本满足了制造业的需求；2013年、2017-2020年这5年的综合技术效率均为无效，其中2013年和2019年的技术效率均为无效，说明泉州市物流业的技术水平还达不到制造业的发展要求，导致无法有效促进制造业的发展。从规模收益来看，2013年、2017-2020年这5年的规模收益均出现递减的情况，这说明泉州市对物流业的投入方式应由原来的粗放式向集约式转变，利用信息技术对现有的物流资源进行优化整合，提升泉州市物流业的技术水平。

表2 以物流业为输入的运行结果

表3 物流业输入的有效性分析

2.2 以制造业为输入，物流业为输出时的DEA有效性分析

将制造业的相关指标数据作为输入选项，物流业的相关指标数据作为输出选项，通过软件DEAP2.1获得运行后的数据，见表4。根据CR模型判定DEA有效性的方法，只有当技术有效和规模有效同时成立时，才能判定为DEA有效。因此，由表4的运行结果可以得出制造业输入的有效性分析结果，见表5。由表4和表5可知，在2011-2020年这10个决策单元中，只有2011 年、2018 年、2019 年和2020 年的DEA 是有效的，这表明只有这4年泉州市制造业的发展有效地促进了物流业的发展；而2012-2017年这6个年份都属于DEA无效，说明这6年泉州市制造业的发展并没有带动物流业的发展；从这6个无效的年份来看，2014年的技术效率为有效状态，这说明导致泉州市制造业和物流业发展不协同的原因不仅仅是技术效率。从规模收益来看，除了2014年规模收益下降外，其他年份规模收益均为上升或保持不变，这表明了增加制造业的投入，可以使物流业得到更多的产出，因此制造企业应将更多的物流业务释放给物流企业。

表4 以制造业为输入的运行结果

表5 制造业输入的有效性分析

2.3 泉州市制造业与物流业协同性分析

根据上述研究结果，在两种投入状况下，只有DEA同时有效时才能称之为制造业与物流业协同发展，即只要存在一种投入状况下的DEA是无效的，那么这一年就不能称之为“两业”协同发展。结合表3和表5 的有效性分析，可以得出表6 的结果：在2011—2020 年这10 年间，虽然泉州市的制造业和物流业都在快速发展，但是除了2011年之外，泉州市制造业和物流业发展均未达到协同状态。

表6 2011-2020年泉州市制造业与物流业协同性分析结果

3 促进泉州市制造业与物流业协同发展的对策建议

3.1 加大政府扶持力度，构建有利于制造业与物流业协同发展的制度保障

泉州市政府要以“泉州制造2025”战略实施为契机，积极营造有利于制造业与物流业协同发展的环境，优先扶持制造业与物流业协同发展的项目。首先，应成立制造业和物流业协同发展的专门管理机构，积极探索制造业与物流业协同发展的创新机制和商业模式，制定“两业”规范标准，建设“两业”综合服务平台，营造制造业与物流业深入融合发展的营商环境。其次，加大金融政策支持力度，积极引导金融机构与制造企业、物流企业加强合作，构建中长期银企关系。加大对制造企业、物流企业票据融资支持力度，简化贴现业务流程，提高贴现融资效率，为企业提供无需抵押担保的订单融资。同时，制定相关企业奖励政策，对制造业与物流业深度融合发展的企业给予相应的奖励，充分发挥政策对龙头企业在“两业”协同发展的带动示范作用。通过政府政策支持、资金扶持、减税降费等优惠政策的制定，可以为泉州市制造业与物流业的协同发展提供强有力的保障。

3.2 提高制造业的物流外包水平，实现制造业与物流业的深度融合

制造业作为泉州市的支柱型产业，在泉州市经济中占据极其重要的地位。制造企业生产运作的各个环节都伴随着物流活动的产生，因此制造业的发展离不开物流业的支持。为保证泉州市制造业能够持续健康发展，应积极引导制造企业树立新的供应链管理理念，整合优化企业现有的业务流程，将企业生产运作各个环节的物流业务逐步外包给专业的第三方物流企业。通过与专业的第三方物流企业建立长期战略合作伙伴关系，将企业的非核心业务外包给专业的第三方物流企业，制造企业可以集中精力发展其核心业务，如对产品的研发和创新、智能化生产等，从而实现高效高质量的生产，可以进一步提高制造企业的核心竞争力，有利于推进泉州制造向泉州“智”造的转变。随着物流业的快速发展，泉州市制造业应转变对物流外包的认识，大力提高物流外包水平，进一步推动泉州市制造业与物流业的深度融合。

3.3 大力发展现代物流业，鼓励物流企业积极参与制造业的生产与流通

本文的数据分析表明，目前泉州市物流业现代化服务水平较低，达不到制造业发展的要求，所以无法有效地促进泉州市制造业的发展。对此，泉州市应充分利用现有的物流业资源，积极响应“十四五”规划，加大力度发展现代物流业，以智慧物流为重点，加大制造物流企业设施设备投入力度，提升泉州市物流业的现代化水平，以适应泉州市现代制造业发展的要求。一方面，可以充分利用泉州市制造产业所产生的集聚效应，以石狮纺织服装、晋江鞋服、南安建材、德化陶瓷等产业集群为依托，建立以物流加工配送和集散为主要功能的物流园区，大力提升制造业集聚区的综合物流服务能力。另一方面，要鼓励物流企业积极融入制造业，充分了解泉州市不同类型制造业对于物流服务的需求差异，提供定制化服务。物流企业主动参与制造企业的生产与流通环节，可以促进物流企业运营系统与企业生产运作系统高度融合，实现泉州市制造业与物流业的无缝对接，进而促进“两业”协同发展。

3.4 搭建公共信息平台，以信息技术助推制造业与物流业协同发展

通过本文分析可知，影响泉州市物流业与制造业协同发展的重要因素之一是技术效率低下，所以应该通过信息技术手段促进泉州市物流业与制造业协同发展。泉州市应积极推动5G、大数据、物联网、人工智能等现代信息技术与制造业物流全场景融合应用，提升制造业物流全流程、全要素资源数字化水平。而制造业与物流业发展的协同度很大程度上取决于两者之间是否能进行及时有效的信息交换与信息共享。因此，泉州市应该为制造业与物流业搭建一个公共信息平台，将过去分散的信息资源连接起来，并积极引导制造企业和物流企业接入平台，加强公共信息平台的信息交互与交易。同时，应该建立并完善物流业与制造业之间的物流信息标准体系，实现制造业全产业链的物流信息化系统，让物流业与制造业的信息有效地衔接。通过公共信息平台，制造企业和物流企业可以及时获取双方的相关信息，进一步加强泉州市制造业与物流业的信息融合，有利于推动制造业与物流业的协同发展。

4 结语

作为生产性服务业之一的物流业与制造业之间有着密不可分的内在联系，制造业与物流业协同发展有利于促进区域经济快速发展。本文通过建立CRDEA模型，分析2011-2020年泉州市制造业与物流业协同发展的情况，研究结果表明，泉州市制造业和物流业发展并未达到协同状态。为促进泉州市制造业与物流业协同发展，提出以下几个方面的建议：一是加强政府的扶持力度，制定相关的政策措施，为泉州市制造业与物流业的协同发展提供强有力的保障；二是提高制造业的物流外包水平，实现制造业与物流业的深度融合；三是大力发展现代物流业，鼓励物流企业积极参与制造业的生产与流通；四是搭建公共信息平台，以信息技术助推制造业与物流业协同发展。