基于PCA和DEA模型的內蒙古郵政物流網絡效率評價

洪偉立++李弘

摘 要：信息化時代下物流網絡效率的研究對物流行業的發展有著至關重要的作用。文章以郵政物流為研究對象，結合主成分分析法建立合理的評價指標體系，再利用數據包絡分析法（DEA）對內蒙古地區的12個盟市的郵政物流網絡利用進行效率評價，分析效率利用存在的問題并提出相關建議，以期為郵政物流的發展提供決策依據。

關鍵詞：郵政物流網絡；主成分分析法；DEA；評價指標體系

中圖分類號：F618 文獻標識碼：A

Abstract： The research of logistics network plays an important role in the development of the logistics industry in the information age. Based on the postal logistics as the research object， combined with principal component analysis method to establish a rational evaluation index system， using data envelopment analysis（DEA）to evaluate efficiency by using the postal logistics network of 12 cities of Inner Mongolia area， the efficiency of use are analyzed and put forward relevant suggestions， in order to provide decision basis for development for postal logistics.

Key words： postal logistics network； principal component analysis； DEA； efficiency evaluation

0 引 言

我國郵政業具有悠久歷史和廣泛群眾基礎，是社會經濟流通中的主動脈和主渠道。其在長期的傳統業務經營中，業務端點已延伸到鄉、鎮、農村，形成了點多、面廣、線長的網絡資源優勢。隨著郵政與郵電分營及政企分開，郵政經營出現虧損。在傳統郵務萎縮、而物流業呈現快速增長的情況下，發展郵政物流成為適應市場需求變化、實現郵政產業調整的必然選擇。郵政物流的發展依賴于其核心的物流網絡資源。涉農物流主要是包括農資物流，農產品以及農村日用消費品配送物流，其主要特點是覆蓋的區域廣，季節性強，需求分散，同時運作和服務的難度較高[1-2]。對內蒙古而言，其地區資源豐富、地廣人稀，各區域發展不平衡，涉農物流的發展是推動內蒙地區農業與經濟發展的重要力量。而物流需求分散，規模小、總量大、基礎設施薄弱，這些地區特性適于郵政物流在開展涉農物流中發揮其資源優勢。但從郵政業務開展實際情況看卻不盡人意，業務量低、物流網絡資源出現閑置和浪費。因此，考察并優化郵政物流資源利用水平成為促進郵政及地區發展的重要問題。

近年來，對郵政物流網絡的研究主要集中在物流網絡選址和優化，蔡超彥（2010）認為郵政物流應該要根據權重法確定配送中心的位置，構建出輻射型的運輸網絡[3]；吳新燕（2013）等從郵政運輸成本和用車需求，結合掃描算法，對南京周圍九城市的郵政物流配送網絡進行優化，達到提高運作效率及客戶滿意度的目的[4]；王鑫磊（2012）等先構建了物流網絡的評價體系，得到每個城市的物流實力，再結合潛力模型和城市運輸點到物流中心的時間，構建出合適的物流網絡[5]；王亞楠（2013）等通過建立郵政逆向物流逆向網絡配送數學模型，在信息反饋的基礎上提出新的物流網絡優化方法[6]；冀佩瑋（2013）從不同角度對北京郵政布局進行分析，運用流程管理的思想設計出新的物流網絡路徑[7]；傅斌勇（2013）認為在電子商務背景下郵政應該從管理系統的角度建立輻射型郵政物流網絡，改造現有物流網絡，發揮郵政自身優勢[8]。溫攀（2016）在整理郵政歷年的年度數據中發現網點分布存在東密西疏的問題，提出使用輻射式物流網絡對郵政網點進行整體規劃[9]。

在郵政物流網絡效率評價方面，李弘（2012）從資源配置和農資郵政運作的角度建立評價指標體系，采用DFMC-DEA改進模型對農資郵政物流網絡資源進行效率評價，給出了提高郵政物流網資源效率的建議[10]；裘偉（2014）從郵政物流信息化實施的角度結合平衡卡理論構建評價指標體系，運用層次模糊評價模型對郵政物流網絡進行評價，給出了提高郵政物流網資源效率的建議[11]；孫飛（2011）從郵政物流網絡的流程管理效率和運行質量角度構建評價指標體系，運用模糊層次評價法對郵政網絡進行效率評價，從而提出提高郵政物流網絡運作效率的方法[12]。

綜上文獻可以看出，針對郵政物流網絡的研究，多集中在微觀層面，主要解決選址設計等網絡布局問題，而從郵政行業宏觀層面針對其效率低下這一主要問題進行的研究缺乏。內蒙古的地理特性使其在郵政開展涉農物流中具有代表性，因此，選取此區域物流網絡為系統，采用定量化的研究方法給出明確的效率改進建議，以期為郵政物流發展提供借鑒。

1 指標體系的構建

物流是用來反映物品的流動，各個物流節點通過信息的相互傳遞組成物流網絡，物流網絡也是整個物流系統的外在表現形式。物流網絡有三個重要組成部分，分別是物流組織網絡、基礎設施網絡以及物流信息網絡[13]。根據物流網絡的具體內容以及數據口徑的統一性、可比性原則，同時考慮內蒙古地區郵政網絡的實際情況，本文選取的投入和產出指標如表1所示：

投入指標：郵政物流從業人數是指在某一段時間內從事郵政物流行業的勞動力資源的實際利用情況，可以反映出該地區郵政物流勞動經濟的發展狀況；郵政物流固定投資是指郵政企業在建造物流運輸基礎設施、購買相關設備等費用的總費用，反映郵政基礎設施的建設和發展的指標；郵政網點個數是指在該地區擔任物流中轉角色，進行貨運分撥的端點；公路長度是反映郵政物流在該地區運輸、通信等基本能力的反映；郵政物流信息資金的投入是指在該地區郵政物流在信息化建設中投入的資金，該指標在一定程度上反映了物流網絡的建設情況。

產出指標：郵政物流總業務量是郵政在該地區發展情況和某段時間內帶來的經濟效益的反映。郵政物流利潤總額是郵政在該地區郵政企業物流業務的總利潤，是郵政物流的總成果反映。郵政物流貨運周轉量是郵政企業不同運輸工具其貨物運輸的總數量和運輸距離乘積之和。產出指標是物流網絡資源利用效果的體現。

2 研究方法說明

本文運用主成分分析（PCA）和數據包絡分析（DEA）相結合的方法對郵政物流網絡進行效率評價，這兩種方法相結合有其自身的優勢。DEA方法可以有多個投入和產出的指標，但是在使用DEA方法時需要注意決策單元和投入產出指標之間的個數關系，同時還要注意投入指標和產出指標之間的相關性，如果兩者之間的相關性較強就會影響到DEA方法評價的結果，使得最終的效率評價失去參考價值[14-15]。因而，為了降低指標間的相關性，增強評價結果的準確性，使得文章最后的決策具有實踐指導性，先使用主成分分析法對投入和產出指標進行分析和處理，進而使用DEA方法對指標進行分析。

2.1 主成分分析法。主成分分析法（PCA）是由美國數理學家赫特林提出的，該方法可以將原來的指標信息整合成新的變量，新變量還能很好地反映出原來變量具有的信息，將原本復雜的問題進行了有效的簡化，這樣變量的維度就降低了，很容易看出結果產生的原因，方便對變量的研究。假設有n個樣本，每個樣本都有k個變量，就能構造如下的矩陣：

進而通過線性組合將原來變量變成一組互不相關的變量，記為，則：

其中a由以下原則來確定：（1）Y與Y互不相關，且i≠j；i，j=1，2，…，m；（2）Y是x，x，…，x的一切線性組合中方差最大的；i=1，2，…，m中的任何一個均是不相關的。

綜上所述，想要確定a的值就是要求出x，x，…，x的相關矩陣中對應的最大特征值所對應的特征向量。

2.2 DEA模型。數據包絡分析法是一種運于評價多投入與多產出是否相對有效的方法，該方法早在1978年由美國運籌學家提出，經過不斷的發展和完善，企業中的一些實際問題也得到了解決，進而DEA模型在決策分析中被大量使用。

目前學術界應用最為廣泛成熟的也是最基本的兩個DEA模型是C2R和BC2模型，其中C2R是滿足地區規模收益固定的相對管理效率評價方法，它僅可算出決策單元的總體效率；BC2模型是滿足地區規模收益可變的相對管理效率評價方法，不僅可以測算出決策單元的總體效率，還可計算出技術效率和規模效率。本文將采用BC2方法進行評價分析。模型中假設有n個DMU，其中每個DMU都有m種類型的輸入以及s種類型的輸出，輸入與輸出也就代表每個決策單元的投入與產出，用X

（1）

在該模型中如果純技術效率和綜合效率均為1則表示該決策單元是DEA有效的。如果純技術效率綜合效率中只有一個是為1則該決策單元是DEA弱有效。如果兩者均不為1則該決策單元是非DEA有效。

2.3 數據說明。本文選取內蒙古自治區的12個盟市作為郵政物流網絡的研究對象。投入指標中的郵政物流固定投資、公路長度以及產出指標的郵政物流業務總量和貨物周轉量這些數據的獲取是來自于2014年《內蒙古統計年鑒》，其他數據是通過調研以及從企業中獲取得來。

3 實證分析

3.1 對投入和產出指標進行主成分析。首先利用spss軟件對表1中的郵政物流網絡的投入A

～A

和產出指標B

～B

進行主成成分分析。首先對投入指標進行因子分析中，得到的KMO值為0.752，巴特萊特球體檢驗（Bartlett's test of sphericity）的卡方統計量的顯著性水平為0.000，表明5個投入指標之間具有共同因素，適合主成分析，如表2所示。

再利用spss軟件對投入和產出數據進行主成成分分析。表3是投入指標的主成分析結構，從表3中可以看出，利用軟件得出的兩個主成分F、F的累計貢獻率已經達到了74.63%，滿足用這兩個主成分來代替原來的5個投入指標。表4是投入主成分對原有指標的負載矩陣。從表4中可以看出主成分F對投入指標中的郵政從業人員數量、郵政固定投資的影響已經很大，新生成的指標具有很強的代表性。在表4也可以看出主成分F對投入指標中的郵政網點個數、公路長度以及郵政信息資金投入的影響很大。同理，利用主成分分析對產出指標進行分析得到表5中的數據，表5中累計貢獻率已經達到73.497%，是完全可以代表原產出數據。相應的表6是新生成E的主成分對原有數據的負載率。

3.2 DEA效率評價。根據表3和表5可以看出原來構建的指標經過主成分分析法形成了新的數據指標，將F，F作為新的投入指標，E作為新的產出指標。但是在進行DEA評價時投入以及產出數據是不能為負數的，所以在進行效率評價需要對數據進行非負處理，最終得到的數據如表7所示。

根據投入與產出的數據，利用DEAP2.1軟件分別計算得到了內蒙古12個盟市的郵政物流網絡的綜合效率和純技術效率，進而根據規模效益等于綜合效率比純技術效率這個關系得到各個盟市郵政物流網絡的規模效率，如表8所示。

3.3 效率評價結果分析。本文選用DEA模型對內蒙古自治區12個盟市的郵政物流網絡進行分析，以檢驗內蒙古郵政物流網絡資源的使用是否有效。

從綜合效率的角度來看，在研究對象的12個盟市中，只有呼和浩特和包頭這兩個地區達到了綜合效率有效，表8中興安盟、通遼市、赤峰市、烏蘭察布市、鄂爾多斯市以及巴彥淖爾市這6個地區綜合效率值在0.5以上，而綜合效率值最低的是阿拉善盟為0.2393，同時效率值在0.5以下的還有呼倫貝爾市和錫林郭勒盟和烏海市。呼和浩特和包頭這2個地區經濟發展迅速，郵政物流網絡資源效率利用較高，需要繼續保持當前的發展狀態，為其他地區郵政物流的發展提供學習的榜樣。

根據表8，從純技術角度來看，在內蒙古自治區中的12個盟市，呼和浩特、包頭和烏蘭察布市這3個地區達到了綜合效率有效。從表8中也可以看出這12個盟市之間的郵政物流網絡資源純技術效率差別還是比較明顯，表8中通遼市、赤峰市、鄂爾多斯市以及巴彥淖爾市等6個地區是達到了純技術效率有效，而綜合效率值最低的是阿拉善盟為0.2414，同時效率值在0.5以下的還有呼倫貝爾市和錫林郭勒盟和烏海市。純技術效率的差異性在一定程度上說明內蒙古地區的郵政物流網絡發展是很不平衡的，尤其是阿拉善盟、烏海市、錫林郭勒以及呼倫貝爾市這4個地區郵政物流技術信息化水平較低，不少物流業務仍大多依靠人工操作，沒有應用現代的物流技術。同時，由于地理位置和氣候原因，郵政物流的規模較小，物流技術水平落后，本土高端人才流失嚴重，整體物流業從業人員素質較低，大大制約了郵政物流效率的提升。所以首先應該著力于引進和發展物流網絡技術和信息技術，同時注重技術創新，以技術為驅動，用技術來提高資源利用效率，同時要注重先進技術人才的引進。

從規模效率的角度來看，內蒙古自治區的12盟市之間差異不是很明顯，并且各地區的規模效率處于一個相對較好的狀態。呼和浩特市和包頭市已經到達了規模有效。其他的盟市規模效率也都在0.9以上，但部分地區的規模效益值在0.6和0.8之間，如鄂爾多斯市等，這些地區應該注重物流網絡水平的發展，不斷完善基礎設施（公路、鐵路等）；同時該地區的郵政公司應該注重人才錄用，對網點的布置一直堅持“點優面廣”的原則，提高網點覆蓋率；信息資金投入更偏重于網點信息化建設和先進技術、系統的引進，堅持技術創新，充分利用信息化投入的資金，注重信息化和基礎網絡規模建設，大大提高了每個郵政網點的物流網絡資源利用率。最后就是人力投入，這些地區受到地理環境和人員分布的影響，人力的投入是需要解決的難題。

4 結 論

本文首先是運用PCA模型對構建的評價指標進行分析，再利用PCA-DEA模型對內蒙古自治區12個盟市的郵政物流網絡進行效率評價得到各個盟市的評價結果。從最終結果可以看出，呼和浩特市和包頭市處于物流網絡資源有效的行列中，同時這兩個地區的綜合效率和純技術效率也都達到了有效。在內蒙古地區的12盟市中，不考慮已經達到DEA有效的地區，鄂爾多斯市以及烏蘭察布市應該注意提高規模效益，結合郵政物流自身在鄉鎮的優勢，合理布置每個地區的郵政網點，利用好每個網點的資源。而剩下的8個盟市則應該提高郵政物流網絡技術，以及每個郵政網點的信息化建設水平，資金投入應該放在技術引進和郵政信息系統的建設上來，同時加大人力資源的投入。

參考文獻：

[1] 洪運華. 現代農資配送模式研究[J]. 價值工程，2008（10）：78-80.

[2] 李奎剛. 豫北地區現代農資物流運作模式研究[J]. 安徽農業科學，2011，39（16）：10048-10050.

[3] 蔡超彥. 基于服務“三農”的郵政物流運營模式探討[J]. 物流科技，2010（10）：72-73.

[4] 吳新燕，高洋. 郵政物流配送路徑優化實證研究——以南京周邊九城市郵政配送為例[J]. 物流技術，2013（23）：258-260，265.

[5] 王鑫磊，王圣云. 中部地區“軸—輻”物流網絡構建——基于公路和鐵路運輸成本的分析視角[J]. 地理科學進展，2012（12）：1583-1590.

[6] 王亞楠，司玲玲，杜海艷. 基于雙向反饋信息的逆向物流網絡優化方法[J]. 計算機仿真，2012（10）：162-164，172.

[7] 冀佩瑋. 北京市郵政物流網絡布局優化研究[D]. 北京：北京交通大學（碩士學位論文），2013.

[8] 傅斌勇. 電子商務背景下的湖南郵政速遞物流發展研究[D]. 長沙：湖南工業大學（碩士學位論文），2013.

[9] 李弘. 農資郵政物流網絡的資源利用效率評價與配置優化研究[D]. 北京：北京交通大學（博士學位論文），2012.

[10] 裘偉. 農村郵政物流信息化層次模糊綜合評價研究[J]. 物流工程與管理，2014（2）：93-94，104.

[11] 孫飛. 基于KPI的山東郵政物流網絡運行績效評價研究[D]. 濟南：山東大學（碩士學位論文），2011.

[12] 吳靖琳，羅瑋琛. 基于ANP-DEA方法的電子商務企業物流網絡績效評價[J]. 信息通信，2014（7）：86-87.

[13] Charnes A. Sensitivity and Stability Analysis in DEA[J]. Annals of Operations Reports， 1984，2（1）：139-156.

[14] Cooper W， Wei Q L， Yu G. Using Displaced cone Representation in DEA Models for Non-dominated Solutions in Multi-objective Programming[J]. Systems Science and Mathematical Sciences， 1997，10（1）：41-49.

[15] 王舒鴻，汝慧萍，宋馬林. 基于DEA的物流行業能源效率評價[J]. 物流技術，2010，224（9）：66-68.

[16] 張潛. 基于自身優勢的我國郵政物流的發展對策分析[J]. 長沙通信職業技術學院學報，2012（1）：74-76.

[17] 潘冬，劉東皇，林新波. 信息化背景下物流網絡資源動態整合能力評價指標體系的構建——基于模糊評價法[J]. 蘭州學刊，2015（3）：147-153，67.

[18] 周曉輝. 中國郵政在構建農超對接物流體系中的新機遇[J]. 商業時代，2011（11）：39-40.

[19] 劉飛馳，鄒小梅，陳澤民. 我國農資物流發展中存在的問題與對策分析[J]. 中國農資，2010（8）：46-47.

[20] 徐杰，鞠頌東. 物流網絡的內涵分析[J]. 北京交通大學學報，2005（4）：22-26.

[21] 李云芳，劉剛. 長江經濟帶區域物流效率評價及影響因素的實證研究[J]. 物流工程與管理，2015（3）：41-44.

[22] 楊斌，白雪微，白麗莎. 基于PCA和DEA的江蘇省物流業碳排放效率評價[J]. 江蘇科技大學學報（自然科學版），2014（2）：171-176.

[23] 諶微微. 基于模糊綜合評判法與AHP的物流網絡結構評價[J]. 物流科技，2011（4）：59-62.

[24] 楊香傳，楊家其. 區域綜合物流網絡應急資源配置效率評價——以長吉圖為例[J]. 物流技術，2016（3）：98-102.

[25] 程曉娟，韓慶蘭，全春光. 基于PCA-DEA組合模型的中國煤炭產業生態效率研究[J]. 資源科學，2013（6）：1292-1299.