基于DEA-Malmquist指数的我国中部地区物流效率分析

摘 要：以2012—2021年我国中部地区（山西、河南、安徽、湖北、江西、湖南）六省的物流行业相关面板数据为对象构建评价指标体系，运用DEA-Malmquist指数模型，分别对其进行静态分析以及动态分析，进而得出相关结论，并由此给出提高物流效率的可行性建议。结果表明：2012—2021年间中部地区的物流效率一直未达到有效，且技术是中部各省物流效率的主要问题，同时生产率也略微退步，针对这些问题，中部地区需要加强区域协同作用以及推动物流技术的进步，也需要探索创新人才培养制度，吸引高技术人才。

关键词：DEA模型；Malmquist指数；中部地区；物流效率

中图分类号：F127 文献标志码：A DOI：10.13714/j.cnki.1002-3100.2024.19.004

Abstract： Based on the panel data related to the logistics industry in six provinces of central China（Shanxi， Henan， Anhui， Hubei， Jiangxi， Hunan）from 2012 to 2021， this paper constructs an evaluation index system， uses DEA-Malmquist index model to conduct static analysis and dynamic analysis on them， and then draws relevant conclusions， and gives feasible suggestions to improve logistics efficiency. The results indicate that the logistics efficiency in the central region has not been effective from 2012 to 2021， and technology is the main issue of logistics efficiency in the central provinces. At the same time， productivity has also slightly declined. In response to these problems， the central region needs to strengthen regional synergy and promote the progress of logistics technology， as well as explore innovative talent cultivation systems to attract high-tech talents.

Key words： DEA model; Malmquist index; central region; logistics efficiency

0 引 言

随着中国物流基础设施的逐步完善和电子商务经济的快速发展，人们越来越习惯于网上购物。因此，物流业变得越来越重要，逐步成为支撑中国经济发展的主要产业[1]。随着社会经济的快速发展和物流领域公共投资的逐步增加，有必要评估这些投入和产品的合理性。物流效率指标可以直观地反映区域物流资源的利用情况，而提高物流效率也是促进区域经济快速发展的重要杠杆。

我国中部六省人力资源丰富，市场潜力巨大，自然地理优势也有进一步发挥的空间。然而，就人均资源而言，中部地区的比例并不高，这意味着生态环境极其脆弱，流域存在严重的污染危机，因此如何提高资源利用效率变得越来越重要。

在物流效率测算方面，大多数学者都是使用DEA数据包络进行测算分析，如钟祖昌[2]运用DEA三阶段法，剔除了外生环境因素和随机因素对物流产业效率所带来的影响，对2008年广东省21个地市物流产业的运营效率进行研究。贺玉德等[3]使用CRITIC-DEA法对2003—2012年四川省内物流及经济的协同效应进行研究。而常建新等[4]将DEA与Malmquist指数相结合，从时间与空间两个角度上对西部地区的物流效率进行评价。张云宁等[5]同样也使用DEA-Malmquist法从低碳环境视角下对长江大保护区域19个省物流效率问题进行研究。黄涛等[6]则对东三省地区物流效率进行评价。

各学者虽然对我国各地区的物流效率都有研究，但中部地区研究较少，因此本文利用相关数据指标使用DEA-Malmquist指数来计算中部地区的物流效率，希望能为中部地区的未来发展提供一些参考价值。

1 研究设计

1.1 DEA模型。数据包络分析是一种对具有相同类型决策单元（Decision Making Unit，DMU）进行绩效评价的方法，通常来说，DEA模型有两种最常用的模型，即规模报酬可变的BCC模型以及规模报酬不变的CCR模型，本文依托物流业的相关特性，使用了规模报酬可变的BCC模型，其数学公式如下：θ=minθs.t.

式中：x，y表示投入和产出指标，λ表示DMU决策单元的线性组合系数，λ≥0， ∑λ=1表示规模报酬不变，θ表示模型的最优解，也就是计算出来的模型效率值，其取值为0，1，若计算出来的效率值为1，则表示DEA有效；小于1，则表示DEA无效。

1.2 Malmquist指数。对于传统的BCC、CCR模型来说，只能对决策单元进行静态分析，即只能对某一固定时间范围内的不同决策单元的效率进行评价，不能对不同年份间的决策单元效率值进行评价，而Malmquist指数的出现就弥补了这一空白[7]。

具体公式如下所示：M=·

式中：表示T+1时期以及T时期由生产技术得到的效率值的比值，也就是综合效率变化EC；Ex，y，bEx，y，b表示T+1时期的生产前沿与全局前沿的接近程度，若该比值越大，则表示这两个前沿面越接近，反之，则越远离，Ex，y，bEx，y，b则表示T时期的生产前沿与全局前沿的接近程度，比值越大，代表两者越接近，这两个比值即为技术进步效率TC。

1.3 指标选取及数据来源。由于我国物流业缺乏专业分类，现有数据库也缺乏相应的信息，运输、仓储和邮政部门占物流部门产值的85%以上。根据一些研究人员的观察，在运输、仓储和邮政行业选择了描述物流业投入产出状况的数据。

目前，对本文这一问题的研究已有众多学者进行相关分析，因此根据部分学者所研究的成果所构建的投入产出评价指标体系如表1所示。

2 实证分析

2.1 中部地区物流行业效率静态分析。本文基于DEA-BCC模型，通过DEAP2.1软件对我国中部地区六省的各项投入产出指标数据进行分析求解得出2012—2021年间中部地区物流效率变化情况，具体情况如表2所示，十年间我国中部地区的物流规模效率保持了一个较高水平，且波动较小，其平均数为0.904 4。而技术效率和综合效率却呈现S型变化，上下波动程度较高，且综合效率的平均值为0.707，属于DEA无效状态，也就说明该地区十年间的整体物流效率并没有达到有效状态，存在投入冗余或产出不足的现象。

同时可以发现在这十年间综合效率最高的年度是2019年，其数值为0.796，在2019年电商物流行业快速发展，各电商物流龙头企业发力，如菜鸟网络成功进行第一轮融资并组建菜鸟联盟；韵达快递等多家快递公司都与不同资本进行合作，得到大量融资；顺丰也借壳上市。这些行业带头企业在得到融资以后，必定会在完善自身服务质量上加大投入，使得服务水平可以得到提升，同时与淘宝、京东、拼多多等大型电商平台进行合作也会形成强有力的竞争。同时这些高质量服务也会提供给其他小型电商平台或者第三方卖家。

而综合效率最低的年份是2014年，其数值仅为0.555。究其原因，在2013—2014年间电商行业飞速发展，井喷式扩张，“双十一”的销量记录不断被刷新，虽然这看上去对物流行业是件好事，但物流行业的设施跟不上行业的快速发展，这就导致技术跟不上规模，而我们从表2中也能看出2014年的技术效率以及规模效率都是十年间最低的水平，说明技术人员缺乏经验或者是技术水平不足，同时规模效率低也说明没有发挥规模效应，虽然行业规模在扩大，但技术水平的发展跟不上也是一个较大的问题。

表3显示了我国中部地区六省的物流效率变化值以及趋势，可以更加直观地看出各省物流效率值的高低。对表3进行分析，发现六省中仅有安徽省的综合技术效率为1，达到DEA有效，也就是说其处于效率的前沿面上，资源得到最合理使用，生产状态达到最佳。而湖北省紧随其后，综合技术效率值为0.971，非常接近有效状态，同时从表中也可以看出，湖北省的技术效率已经达到有效状态，只是规模效率并未达到最佳状态，侧面说明湖北省物流行业的规模尚不足，更新速度较慢，造成物流业与市场需求之间的不匹配，最终导致整个物流业的无效状态。

而中部地区中综合技术效率最低的省份是河南省，仅为0.511。从具体指标上来看可以发现，其技术效率值过低，仅为0.597，很可能是河南省在科技创新方面的投入严重不足；各类投融资、科研管理体制不健全等原因导致的，而河南省想要解决这一问题就需要扩大科研方面的投入，同时提高技术人员的水平，并通过一些合理有效的激励政策提高工作人员的工作效率。

对于其他几个省份来说，都或多或少有一定的短板，如江西省的技术效率值已经接近有效，为0.961，排在中部地区的第二名，但其规模效率并不高，处于车尾的位置，也就是说江西省物流行业的侧重点应该在提高规模效率上；而湖南省则与江西省相反，规模效率的表现还不错，但技术效率非常低，其问题与河南省相似，未来需要加大科研投入，提高工作人员的效率；山西省则是中规中矩，各项表现都处于中等状态，想要达到DEA有效，则需要技术、规模两手抓。

2.2 中部地区物流行业效率动态分析。依据前文所介绍的DEA-Malmquist指数模型，将2012—2021年我国中部地区六省的物流业相关投入产出指标数据导入DEAP2.1软件进行分析，得出的物流效率变化如表4所示。

表4给出了我国中部地区2012—2021年物流行业的全要素生产率指数和结果。可以从中发现，全要素生产率指数的平均值为0.956（小于1），这就表示在这十年间中部六省物流行业的生产率略微退步，一定程度上也说明了这六省的经济增速有所放缓。而对各年份进一步分析可以发现，大多数年份各省市的全要素生产率没有达到有效，只有2016—2017年、2017—2018年、2020—2021年的全要素生产率有效。自2016年以来，全要素生产率连续两年呈现上升趋势，而2016—2017年的技术进步效率指数也是十年间的最高值，可能是因为国家在物流行业号召“降本增效”，同时伴随着“互联网+”的推广，大量企业为了抢占市场，优化运输线路，通过网络掌握车辆信息，菜鸟联盟、京东物流品牌化运营的建立使得电商物流的效率得到大幅度提升，也进一步推动了整个物流行业的进步。而2018—2020这几年间，全要素生产率指数低于1，可能是因为疫情的原因，社会停摆，物流行业的业务降低导致专业技术人才流失，使得这几年间的技术进步效率指数数值偏低。

而从规模效率来看，其平均值为1，是表现最好的指标，纵观十年间，大部分年份都达到了有效状态，因此可以说明中部地区物流行业的规模属于合理状态。相比于平均值达到有效的规模效率指数，纯技术效率的平均值为0.992，未达到有效，也就说明该地区的投入要素运用并不合理，管理运营能力有待提高。综合来看，纯技术效率指数有效的情况下，综合技术效率指数也达到有效状态，侧面说明纯技术效率指数相对更重要一些。

由表5、图1可知，湖北省、山西省的全要素生产率大于1，说明这两个省份的生产率是相对提高的，而湖南、河南、安徽、江西的全要素生产率低于1，说明其生产率是相对退步的。而全要素生产率越高，代表相同的投入可以带来更高的产出，也就说明劳动、资本、自然资源等可以定量衡量的要素利用率就越高。

同时可以直观地看到，纯技术效率指数以及规模效率指数的曲线较为平滑，波动比较小，说明在目前的技术水平上，其投入资源的使用是有效率的，但仍未达到最优状态，因此还需在扩大规模的基础上提高技术水平；而技术进步指数波动很大，且大多数的数值都小于1，说明中部地区大部分省份的技术并没有提高，反而有一些退步。

3 结论与建议

本文使用DEA-BCC以及Malmquist指数模型对我国中部地区2012—2021年期间的物流效率进行静态分析和动态分析。结果表明：（1）静态结果：纵向来看，中部地区的物流效率一直未达到有效，在2019年达到了最高值，为0.796。但2019年底疫情爆发后，综合效率连续两年下降，说明疫情对物流行业有一定的冲击；而从横向角度来说，中部地区只有安徽省达到有效，很可能是安徽省在后期加入长三角经济圈，带动了自身的经济发展，同时也注重科技发展，高新技术产业快速崛起。湖北省、湖南省、河南省、江西省、山西省这五省的主要问题在技术效率上，尤其是河南省，因此这些省份的重心应该放在科技创新上，进一步促进技术水平的提高。（2）动态结果：中部地区2012—2021年物流行业的全要素生产率指数的平均值为0.956，说明十年间中部六省物流行业的生产率略微退步；湖北省、山西省的全要素生产率大于1，表明这两个省份的生产率是相对提高的，而湖南、河南、安徽、江西的全要素生产率低于1，说明其生产率是相对退步的。

针对以上结论，为促进中部地区的物流业发展，提升该地区经济发展水平，提出以下建议：

（1）加强区域协同作用，共同发展。从分析结果可以看出，中部地区的物流业发展不平衡，资源没有得到合理运用，仅有安徽一省达到有效，其他地区的物流效率仍有提高空间，因此，有必要建立各省之间的紧密合作关系，加强沟通与协作，最后共同促进中部地区物流规模效益最大化；

（2）推动物流技术的进步，鼓励创新。数据分析结果表明，物流技术发展缓慢，制约了中部地区物流业的发展。中部地区需要与时俱进，努力提高技术进步，创造更适合的物流模式。此外，可以在物流运输和配送中使用新型设备，如无人机等，以提高中部地区的物流效率；

（3）探索创新人才培养制度，吸引人才。招揽物流行业的知识技能复合型人才，打造一支专业化的物流人才队伍，同时在建立培训体系时，要根据情况分批次、分层次的培训，建立完善的人才培训系统。

参考文献：

[1] 王东方，董千里，于立新. “一带一路”沿线国家和地区物流绩效与中国对外贸易潜力[J]. 中国流通经济，2018，32（2）：17-27.

[2] 钟祖昌. 基于三阶段DEA模型的广东省物流产业效率研究[Z]. 2011.

[3] 贺玉德，马祖军. 基于CRITIC-DEA的区域物流与区域经济协同发展模型及评价——以四川省为例[J]. 软科学，2015，29（3）：102-106.

[4] 常建新，姚慧琴，毛颖. 基于DEA-Malmquist指数的西部地区全要素生产率实证分析[J]. 贵州财经学院学报，2011（5）：81-86.

[5] 张云宁，刘子琦，欧阳红祥，等. 低碳环境下区域物流产业效率综合研究——基于长江大保护区域19个省的实证分析[J]. 管理现代化，2020，40（2）：33-40.

[6] 黄涛，辛野泽治，孙宁. 东三省区域物流效率测算研究——基于DEA-Malmquist[J]. 物流技术，2023，42（2）：59-63，90.

[7] 马占新，苏日古嘎. 基于前沿面修正的DEA-Malmquist指数方法研究[EB/OL]. （2021-09-20）[2023-09-15]. https：//wenku.so.com/d/2f30142c29ab8f8fe52d8e659b809466.