基于DEA的安徽省物流效率研究

梁 雯，凌 珊（安徽大學 商學院，安徽 合肥 230001）

0 引言

隨著經濟全球化的不斷加強以及我國對外貿易的深化，物流業越來越成為重要的服務行業，一個國家或地區物流業發展對于這個國家或地區的經濟發展有重要的影響。安徽省作為國家中部崛起計劃的重要省份，經濟發展也離不開物流行業的支撐。2012年安徽省交通運輸、倉儲和郵政業增加值比上一年增長10.24%。2003～2012年安徽省旅客周轉量和貨物周轉量都在逐年上升，特別是2008年，旅客周轉量比上一年增長24.54%，貨物周轉量增長193.79%。同時也應該看到，對于物流行業發展的投入也在逐年增加，2012年交通運輸、郵電通信業從業人數比2011年增加8.62%，交通運輸、倉儲和郵政業固定資產投資2009～2012年都保持比較平穩，但在2009年比2008年增長32.93%。公路里程在2006年增加了102.74%。在這些數字和信息的背后隱藏著物流效率的問題，經濟的增長不應該以浪費資源為條件，本文嘗試從安徽省2003～2012年物流行業的投入與產出數據，縱向分析出安徽省的物流效率，找出問題并為物流行業的可持續發展提供建議與對策。

1 DEA模型介紹

DEA是數據包絡分析的簡稱，它是數學、運籌學、數理經濟學、管理科學和計算機科學的一個新的交叉領域，由A.Charnes和W.W.Cooper等人于1978年開始創建的，并命名為DEA。DEA基于投入—產出數據，在相同類型的決策單元之間分析得到相對有效性，因此得到廣泛的運用。

1.1 CCR模型

CCR模型是用來評價規模有效性和技術有效性DEA模型的。假設有n個具有可比性的部門或單位（稱為決策單元，簡單記為DMU），每個DMU都有m種類型的“輸入”，以及s種類型的“輸出”，vi表示對第i種投入的一種度量，ui表示對第i種產出的一種度量。

為了方便，記：

CCR模型為：

對于模型（2）中的 θ、s-、s+：

（1）當θ=1且s-=0，s+=0時，決策單元為DEA有效。

（2）當θ=1且s-、s+不全為0時，決策單元為弱DEA有效。

（3）當θ＜1時，決策單元為DEA無效。

1.2 BCC模型

BCC模型是專門用于評價決策單元的技術有效性的DEA模型。

對于模型（3）中的 θ、s-、s+：

（1）當σ=1且s-=0，s+=0時，決策單元為DEA純技術有效。

（2）當σ=1且s-、s+不全為0時，決策單元為弱DEA純技術有效。

（3）當σ＜1時，決策單元為DEA純技術無效。

在DEA中，總體效率為θ，純技術效率為σ，純規模效率為ω。這三個參數之間的關系是ω=θσ。

2 實證分析

2.1 建立決策單元和指標體系

2.1.1 確定決策單元

為了分析安徽省物流效率以及研究它今后的持續發展性，本文將安徽省2003～2012年各年份的投入—產出數據作為決策單元，進行縱向分析，研究安徽省物流效率的連續性及可持續性。

2.1.2 建立指標體系

對安徽省物流效率分析是一個多投入、多產出體系的分析，在指標選取中，投入要素分別從人力投入、物力投入、基礎設施投入方面選取了五個代表性指標。投入指標分別為：物流從業人員人數（萬人）、固定資產投資（億元）、鐵路營運里程（公里）、內河航道里程（公里）、公路里程（公里）。產出要素分別從社會效益、經濟效益方面選取了三個代表性指標。產出指標分別為：旅客周轉量（億人公里）、貨物周轉量（億噸公里）、交通運輸、倉儲和郵政業增加值（億元）。

（1）投入指標

X1：物流從業人員人數（萬人）。物流從業人員包括交通運輸、倉儲和郵政業的從業人員數，反映的是對物流業的人力投入。

X2：固定資產投資（億元）。固定資產投資包括交通運輸、倉儲和郵政業的全社會固定資產投資，反映的是對物流行業的財力投入。

X3：鐵路營運里程（公里）。

X4：內河航道里程（公里）。

X5：公路里程（公里）。

X3、X4、X5反映的是對物流行業的基礎設施投入。

（2）產出指標

Y1：旅客周轉量（億人公里）。

Y2：貨物周轉量（億噸公里）。

Y3：交通運輸、倉儲和郵政業增加值（億元）。

Y1、Y2、Y3反映了物流的投入所帶來的產出，即其產生的經濟、社會效益。

2.2 數據來源

本文采用的安徽省2003～2012年物流投入—產出數據來源于中華人民共和國國家統計局和《安徽省統計年鑒》，樣本數據如表1所示。

表1 2003～2012年安徽省物流業樣本數據

2.3 DEA模型計算及分析

運用DEAP－xp1分析軟件將表1中的數據進行計算，VRS（規模報酬可變）和CRS（規模報酬不變）的計算結果如表2、表3所示。

表2 VRS物流效率評價DEA計算結果

對于表2計算結果作出如下分析：

（1）總體效率 θ

表3 CRS物流效率評價DEA計算結果

有6個年份是DEA有效的，分別為2003年、2004年、2005年、2008年、2011年、2012年。有4個年份是DEA無效的，分別為2006年、2007年、2009年、2010年。其中，2007年、2009年和2010年無冗余和不足，2009年的總體效率最低。總體來看，總體效率的平均值為0.975，說明安徽省的物流效率較高。

從投入來看，從業人員、鐵路營運里程、內河航道里程得到了充分利用，沒有冗余；而固定資產投資和公路里程在2006年出現冗余。從產出來看，旅客周轉率、貨物周轉率和物流行業增加值均在2006年出現不足。

（2）純技術效率σ

純技術效率平均值達到0.997，有9個年份純技術效率DEA有效，分別為2003年、2004年、2005年、2007年、2008年、2009年、2010年、2011年和2012年。有1個年份純技術效率DEA無效，即為2006年。2007年、2009年和2010年純技術效率為DEA有效，但是總體效率為DEA無效，是由于規模效率的DEA無效造成的。

（3）規模效率 ω

規模效率DEA有效的年份與總體效率DEA有效的年份一樣，有6個，分別是2003年、2004年、2005年、2008年、2011年、2012年。規模效率DEA無效的年份有4個，分別為2006年、2007年、2009年和2010年，且這些年份的規模收益都是遞增的，說明發展潛力較大，加大生產規模的話可以實現物流行業的規模效應。

表2和表3計算結果的比較：（1）CRS計算中的技術效率和VRS計算中的總體效率相同。（2）在VRS計算中，2007年、2009年和2010年的規模效率ω雖然不為1，但是純技術效率σ=1，冗余和不足均為0。2006年的純技術效率和規模效率都不為1，在VRS計算中出現了冗余和不足。（3）在CRS計算中，只要是技術效率不為1的年份，都出現了冗余和不足。

2.4 非DEA有效年份的投影

非DEA有效的年份投入冗余和產出不足如表4所示。

表4 非DEA有效年份的投影

在表4中可以看到，投入的冗余表現在固定資產投資和公路里程上；產出不足表現在旅客周轉量、貨物周轉量和物流行業增加值上。其中，2007年、2009年和2010年的冗余和不足均為0，說明資源配置比例達到了最優，且當年的規模收益是遞增的，如果加大規模，在更高水平上達到資源比例優化，那么會產生更大的收益。上述3個年份中，2009年的規模效率為0.891，導致其總體效率為0.891，是DEA無效年份中總體效率最小的1個年份，規模因素的制約作用也是最大的。2007年和2010年的規模效率比2009年的大，其規模因素的制約作用比2009年的小。

2006年是唯一一個總體效率、純技術效率和規模效率均不為1的年份，所以其DEA無效既有純技術因素的原因，也有規模因素的制約。物流行業固定資產投資由2005年的229.75億元增加到2006年的300.09億元，增幅達到30.62%，導致了固定資產投資冗余3.113億元。同年，公路里程由2005年的72 807公里增加到147 611公里，增幅達到102.74%，致使冗余達到31 761.553公里。由于技術上的原因使投入資源未能得到充分利用，在資源配比上的不協調導致了資源浪費。在規模上也未能與資源投入量達到相適應，從而規模效率也未達到1。

對非DEA有效年份的物流投入和產出進行調整。以2006年為例，如果固定資產投資減少3.113億元，公路里程減少31 761.553公里，那么貨物周轉量將增加512.501億噸/公里。經過調整，物流利用率會更高，物流行業會得到進一步發展。

3 結論與建議

本文通過計算分析，得到安徽省2003～2012年物流效率，總體來看物流效率較高，其中總體效率DEA有效的年份達到6個。純技術效率DEA有效的年份較多，達到9個，且純技術效率的平均值最高。其它非DEA有效年份主要是由于規模效率沒有達到1，規模因素在一定程度上制約了物流效率。從表4中的投影也可以看出，投入冗余和產出不足也制約著物流效率。資源投入在某些年份沒有達到比例最優，致使資源沒有得到有效利用，產出也不是已配置資源可達到的最大產出。

對于安徽省物流發展現狀，建議：（1）合理配置資源，通過經驗和計算得到最優的資源配置比例，避免浪費產生的無效。（2）適當擴大規模，使當前配置的資源得到充分利用。從安徽省物流使用效率現狀來看，規模因素導致的無效程度較大，適當擴大規模能使已配置的資源在更高層次上達到最優，從而獲得更大的規模收益。（3）加強物流信息化建設，通過信息化使物流資源配置更合理，物流業務有序順暢的完成，從而提高物流效率。

[1] 張媛，張革伕，解淑青.一種基于DEA的區域物流效率評價模型及其實證研究[J].物流工程與管理，2013(1):76－79.

[2] 魏華.基于DEA的湖北省物流產業可持續發展能力評價[C]//中國物流學術前沿報告.北京：中國財富出版社，2013.

[3] 趙雷，趙春霞.基于DEA的北京市物流效率實證分析[J].商場現代化，2012(684):30－31.

[4] 劉一波.基于DEA的廣東省物流效率評價實證分析[J].經濟師，2013(8):194－195.

[5] 周業旺.基于DEA的武漢城市圈物流效率差異性比較分析[J].物流工程與管理，2012(10):20－23.

[6] 李國剛，曹昱亮.區域物流發展與經濟增長關系的實證研究[J].經濟問題，2012(12):121－124.

[7] 王琴梅，譚翠娥.對西安市物流效率及其影響因素的實證研究——基于DEA模型和Tobit回歸模型的分析[J].軟科學，2013(5):70－74.