中國區域物流績效改進研究

顧丹++楊保華

摘 要：在2015年中國31個省際物流投入產出指標數據的基礎上，運用超效率CCR-DEA對我國省際區域物流業效率進行了實證評析。得到效率測算結果后，基于Context-dependent DEA對所有決策單元進行分層，引入吸引值和改進值這兩個評價指標找到落后單元向先進單元發展的最佳路徑，并重點分析了北京市2015年區域效率發展路線，為今后中國各省市制定正確的城市發展戰略和路線提供參考。

關鍵詞：超效率DEA；Context-dependent DEA；區域效率

中圖分類號：F259.27 文獻標識碼：A

Abstract： Based on the data of China's 31 provinces in 2015， this paper makes an empirical analysis on the effciency of China's inter provincial logistics by using super-efficiency DEA. After obtainint the result of efficiency measurement， we can rank DMUs by utilizing the Context-dependent DEA， and find the bast path to improve peformance by attactiveness and progress. Also the paper focuses on the analysis of the regional effciency development route of Beijing in 2015， and provides a reference for the future development of China's provinces and cities to develop the correct urban development strategy and route.

Key words： super-efficiency DEA； context-dependent DEA； regional efficiency

0 引 言

物流業集運輸、倉儲、調度、現代化管理與一體，對我國國民經濟的發展起著至關重要的作用。現代物流業作為新的經濟增長點，不再僅僅對轉變經濟增長方式和促進經濟持續發展有推動作用，更是成為降低生產和經營成本，提升勞動生產率以外的重要利潤源泉。因此加快我國各地區的物流業發展，對提高國民經濟競爭力、轉變發展方式有重要意義。

目前，學者對物流效率問題的關注也比較多。一方面是對物流上市公司的效率研究，如鄧學平、王旭等（2008）篩選了8家上市公司，發現總體呈上升態勢，綜合效率和純技術效率有所下降，規模效率上升[1]；李曉梅、白雪飛（2016）基于超效率CCR-DEA對國有物流企業績效進行實證分析，發現總體績效不高但呈現出增長的趨勢[2]。另一方面是對區域物流效率的研究，如賀竹磐、孫林巖（2006）研究了我國31個省市區域物流的相對有效性，發現物流效率在不同地區存在著明顯的差異，非有效區域大多處于規模收益遞增階段[3]；張雪青（2016）以“一帶一路”戰略重點涉及省份為研究對象，分析了2009～2013年間區域物流效率變動和差異的主要原因[4]?，F有文獻的重點在于評析測算結果背后形成的原因，很少涉及關于如何改進績效方法的探討，針對這一點本文綜合考慮了客觀性和實用性，采用超效率CCR-DEA方法對2015年我國31個省市的區域物流效率進行實證研究，再運用Context-dependent DEA方法引入吸引值和改進值[5]兩個評價指標找出最佳路徑，并比較2015年我國各省市物流績效發展的變化趨勢。

1 模型選取

1.1 超效率CCR-DEA

Andersen等（1993）為例彌補傳統DEA模型不能對有效決策單元進行進一步區分高低的缺陷，提出了“超效率CCR

-DEA”模型。基本思想是在評價某一決策單元時，將本身去除，使用其他所有與決策單元的線性組合代替[6]。因為在該模型中可以保持效率不變而使得有效單元的投入按比例增加，這個增加的比率就是超效率的評價值，所以超效率CCR-DEA模型能夠找出效率為1的決策單元之間的差別，從而對有效單元進一步排序。

1.2 Context-dependent DEA模型

雖然超效率DEA可以對有效的決策單元進行排序，但是超效率DEA是以同一層次有效前沿面上的其余決策單元作為評價的背景，而Context-dependent DEA中不僅可以將高層次的有效前沿面作為評價背景，還可以將低層次的有效前沿面作為評價背景，并以此來計算對應的改進值和吸引值。模型具體如下：

當l=1時，模型（1）為產出導向的CRS-DEA模型，此時可以得到E ，表示第一層次的有效前沿面，當l=2時得到的有效前沿面可以通過移除第一次計算中的有效決策單元再次運用軟件計算得到，以此類推，可以對所有決策單元進行分層[7]。

為了得到改進值和吸引值，在模型（1）的基礎上進行改進得到如下的模型（2）和模型（3），模型（2）用于計算吸引值，模型（3）用于計算改進值[8]。

2 實證研究

2.1 數據選擇

本文的樣本數據來自2016年《中國統計年鑒》，綜合考慮區域經濟差異、物流業發展與環境變化之間的聯系，本文選擇的投入指標為國內生產總值、居民消費能力、固定資產投資、從業人員數；產出指標為：貨運量、貨運周轉量。

2.2 各省市績效分層

本文按照公式（1）運用DEA excel solver將2015年中國各省市按照全部有效、局部有效、次局部有效……進行分層，分層結果如下：第一層次：河北、上海、安徽；第二層次：遼寧、浙江、山東、廣東、山西、內蒙古、河南、湖南、廣西、寧夏；第三層次：福建、海南、江西、湖北、四川、貴州、云南、陜西、甘肅；第四層次：天津、江蘇、重慶、新疆；第五層次：吉林、黑龍江、青海；第六層次：北京。

2015年中國各省市的績效被分成六層，第一層次的級別高于第二層次，第二層次的級別高于第三層次，以此類推。從表1中可以發現上海和安徽處在第一層次有效前沿面上，上海是國際物流業中的重要樞紐，其深水航道和集裝箱樞紐港等硬件設施方面在近年來取得了顯著成效，并且上海自貿區的發展為該市的物流帶來了機遇，不僅整合了四區的物流企業，而且結合自身優勢對不同物流主體進行重點發展，如洋山港保稅區以建設國際中轉為中心、浦東機場綜合保稅區以航空服務為中心等。物流業是安徽國民經濟中一個重要的基礎性產業，目前安徽省已有超過上百家具有一定規模的第三方物流企業，并且還有一些諸如徽商集團、安泰物流等國有企業正向現代物流轉型發展，另外還有大批知名的物流企業也在安徽省落足，如中外運集團、寶供物流等。北京雖是我國的首都，但在表1中一直處在最末層次，總體來看北京市的物流業發展較快，但投入的成本過高，并且物流結點的建設遠遠落后于線路的建設，投入遠大于產出是其績效一直處于落后水平的主要原因。

2.3 各層次超效率及改進路徑

SUP-CCR-DEA模型可以區分高效率對象之間的差異并對同一有效層面的決策單元排序，超效率的值越小則績效越好。雖然各層次內部的排列順序已經得知，但層次與層次之間各決策單元的追趕路徑還不能知曉，所以根據模型（2）和模型（3）計算出各省市的吸引值和改進值。表1是 2015年各省市物流業的超效率值、改進值和吸引值。

表1對角線上的數值是各省市物流業當前有效前沿面上的超效率值，如表1中天津物流業的超效率為0.848；對角線以上的數值是根據模型（2）計算出的各省市物流業的各級吸引值，如表1中天津的1級吸引值為1.266，2級吸引值為1.876；主對角線以下的數值是根據模型（3）計算出的各省市物流業的各級改進值，如表1中浙江物流業改進值為1.404。

2.4 2015年北京市改進路徑分析

因為北京市的物流產業績效一直處于最后一個層次，其改進路線較其他省市來說也最長，因此本文選擇北京市作為重點城市進行分析比較，也更能看出發展趨勢，按照模型也可以得到其他省份的改進路徑。北京2015年的最佳改進路徑：北京→黑龍江→重慶→江西→遼寧→上海。

北京處于最末層次，以黑龍江為第一個學習的目標，黑龍江處于我國東北邊陲，是著名的老工業基地和重要的糧食產區，進入21世紀后，國家大力扶持黑龍江的物流產業，雖然目前還處于起步階段，但是越來越規范化的大型物流企業正逐步建立起來，其物流績效也在逐步攀升。緊接著的學習目標在重慶市，縱觀開放新格局下重慶市物流業的發展具有多重優勢：顯著的戰略地位、高端的物流功能定位、邊界的物流通道，眾多的物流大平臺等。“一帶一路”建設和長江經濟帶建設戰略的實施更是給重慶市的物流產業帶來更多的機會。北京市的終極學習目標是上海市，上海市物流產業發展比較成熟，基礎設施日趨完善，道路規劃更加合理，大型的物流園區逐漸增多。

3 結束語

本文基于面板數據運用SUP-CCR-DEA和Context-dependent DEA對我國31個省市的物流效率進行測算并找出相應的改進路徑和潛在競爭對象。首先將所有省市劃分層次，根據不同的模型計算出各自的吸引值和改進值，吸引值用于尋找向上級層次學習的對象，進而找到每個省市每年的逐級改進路徑，改進值主要用于識別潛在競爭對象，對高層次的決策單元起到督促作用，有利于保持先進性。

文中以北京市為例，重點分析了北京市2015年的發展路徑，為今后北京物流產業的發展提供了可供參考的方向。根據文中的方法還可以對全國其他省市各年份的物流業發展績效進行分析，對全面提高我國物流效率，推動物流產業和經濟發展起到了積極作用。

參考文獻：

[1] 鄧學平，王旭，等. 我國物流企業全要素生產效率分析[J]. 系統工程，2008，26（6）：1-7.

[2] 李曉梅，白雪飛. 基于超效率CCR-DEA的國有物流企業績效實證分析——基于16家上市物流企業的樣本數據[J]. 中國流通經濟，2016（4）：26-32.

[3] 賀竹磬，孫林巖. 我國區域物流相對有效性分析[J]. 科研管理，2006，127（6）：144-150.

[4] 張雪青.“一帶一路”區域物流協同發展分析[J]. 統計與決策，2016（8）：108-110.

[5] 陳志宗. 基于超效率—背景依賴DEA的區域創新系統評價[J]. 科研管理，2016（S1）：362-370.

[6] 汪旭暉，徐健. 基于超效率CCR-DEA模型的我國物流上市公司效率評價[J]. 財貿研究，2009（6）：117-124.

[7] Süleyman ？覶ak？覦r， Sel？觭uk Per？觭in， Hokey Min. Evaluating the comparative efficiency of the postal services in OECD countries using context-dependent and measure-specific data envelopment analysis[J]. Benchmarking： An International Journal， 2015，22（5）：839-846.

[8] Ulucan A， At？覦c？覦 K.B. Efficiency evaluations with context-dependent and measure specific data envelopment approaches： an application in a world bank supported projec[J]. Omega， 2010，38（1/2）：68-83.