省域快遞業效率評價及影響因素分析
——基于DEA—Tobit模型

李明垚 （長安大學 經濟與管理學院，陜西 西安 710064）

0 引 言

《快遞業發展“十三五”規劃》的發布使快遞業面臨新的機遇與挑戰。回顧快遞業的發展歷程不難發現，網絡購物的發展帶動了快遞業的擴張。但在投資不斷增加的同時，利潤卻遭到不斷壓縮。國家郵政局公布的相關數據顯示，2010～2015年快遞行業單件收入從24.6元下滑到13.4元。鑒于此，實施快遞業的降本增效迫在眉睫。因此，有必要對目前全國不同地區的快遞業績效進行客觀評價，分析影響快遞業效率的因素，對快遞業資源配置的配置提出合理化建議。

目前國內針對影響快遞行業績效因素的研究相對較少，主要集中在單一的效率評價。季彤[1]（2012）運用DEA模型僅從規模效率的角度對影響快遞業效率的因素進行了簡要分析。吳貴文等[2]（2013）運用超效率DEA模型對快遞企業物流績效進行了評價。秦立公（2015）[3]運用DEA模型僅對廣西省快遞效率進行了研究。王玲等[4]（2016） 運用兩階段DEA模型對我國郵政業運行效率進行了分析研究。王寶義（2016）[5-6]對我國快遞業發展的區域差異及不平衡性進行了相應的分析。基于上述研究，本文運用三階段DEA模型對全國各省快遞業效率進行測算，并運用Tobit回歸模型對影響快遞業效率的因素進行相關分析，并提出合理化建議。

1 快遞業技術效率測評分析

1.1 模型設計與變量選取

（1）模型設計。數據包絡分析法（DEA）具有直接評價多個輸入和多個輸出決策單元之間的相對效率的優點，使得其在很多領域得到廣泛應用。本文將采用三階段DEA方法[7]對快遞業效率進行研究，該方法能夠很好地剔除隨機誤差與外部環境對快遞業效率的影響，使得結果能夠更加客觀反應快遞業效率。

第一階段：因快遞業的投入變量相對于產出變量更易得到控制，故采用投入指導下BCC模型進行分析，測算出快遞業技術效率。

第二階段：考慮到各個省份快遞業發展環境不同，第一階段的數據易受到環境因素、隨機誤差項和管理無效率等因素的干擾，故采用SFA模型剔除外部環境和隨機誤差項的干擾。利用SFA模型將投入松弛變量分解為環境因素、隨機誤差項和管理無效率因素三個部分。構建方程如式（1）所示：

假設有N個樣本決策單元DMUi，每個決策單元有k個投入變量和Y個產出變量。Ski表示DMUi的第k個投入松弛變量，Zi,βk分別為DMUi的環境變量及其參數。vki表示隨機誤差為管理無效率項，與Zi三者相互獨立。通過對管理無效率因素和隨機誤差項進行分離調整后的投入項為式（2）所示：

為調整后的投入，xki為調整前的投入，表示將決策單元外部環境統一化， ［ma x（ υki）-uki］表示剔除隨機誤差的影響。

第三階段：利用調整后的數據，再次使用BCC模型進行分析，此時測算出的效率值已經剔除了隨機誤差與外部環境的干擾，其結果更具真實性。

（2）變量選取。綜合參考相關學者的研究，本文選取快遞業營業網點個數、快遞業從業人員總人數和快遞業服務汽車擁有量作為投入變量，以快遞業快遞業務收入和快遞業務量作為產出變量。因統計數據的完整性，本文選取全國31個省市的2015年郵政行業發展統計公報，郵政局統計數據、2016年中國統計年鑒和wind數據庫數據作為最終數據來源。投入與產出變量的描述性統計結果如表1所示。

表1 快遞業投入與產出變量描述性統計

外部環境變量的選取需要考慮到對快遞業效率有實際影響卻在短期內又無法改變的環境因素。余泳澤[8]（2010）和王琴梅[9]（2013）等人在對物流效率及其影響因素的研究中提出經濟發展水平，市場化程度和區位因素等對物流效率的影響。徐銳[10]（2016）對湖北省快遞業務量與GDP關系的研究指出湖北省GDP的增長可以推動快遞業務量的增加。故本文選取各省市GDP、電子商務銷售額、地理位置和市場化指數為外部環境變量。

各省市GDP。地區的經濟發展水平很大程度上直接影響當地相關產業的發展，快遞業作為第三產業其中之一，其業務量的大小直接受制于當地經濟的發展。

電子商務銷售額。陳賓[11]（2016）通過VAR模型對電子商務與快遞業的互動關系進行研究，證明電子商務的發展對快遞業的發展具有顯著的影響作用。

地理位置。地區的地理位置在很大程度上影響著該地區的快遞業效率，為將區位因素進行量化，以余泳澤[8]對區位因素劃分的結果為基礎，將樣本中的31個省市分為東部、中部和西部地區，并分別取值為0、1和2。

市場化指數。快遞業的發展與一個地區的市場化程度有著緊密的聯系。為了更加系統的反映各省市市場化程度，本文采用王小魯、樊綱[12]等主持的“中國分省份市場化指數報告（2016）”的研究結果作為測度各地區市場化程度的變量。

外部環境影響變量的描述性統計如表2所示：

表2 外部環境影響變量的描述性統計

1.2 數據處理

（1）第一階段。在不考慮外部環境和隨機誤差的影響下，運用DEAP2.1軟件對投入和產出變量進行運算，運算結果如表3所示。

表3 快遞業效率具體分布情況

通過表3可知，快遞業整體技術效率偏低，均值僅為0.463，其主要原因是純技術效率偏低造成的；各省市之間的快遞業技術效率差異很大，地域間發展具有不平衡性，技術效率值在0.6以下占到了總體的77.42%，效率值為1的占到總體的12.9%；純技術效率值在0.6以下占到總體的64.52%，規模效率值在0.6以上占到總體的87.09%，這表明純技術效率普遍低于規模效率，這說明通過優化快遞業的資源配置和管理要素等分配比增加快遞業規模更有利于提升快遞業的效率。

（2）第二階段。以第一階段DEA運算結果中的快遞業投入變量的冗余值為因變量，以各省的GDP、電子商務銷售額、地理位置和市場化指數為自變量，采用Frontier4.1軟件進行第二階段的SFA回歸分析，回歸結果如表4所示。

表4 外部環境影響因素SFA回歸結果

結果顯示，GDP的系數表明經濟相對發達的地方反而容易造成快遞業投入變量的投入相對過剩，且通過了1%的顯著性檢驗。從系數角度分析，GDP變化幅度越大，越容易造成人員的投入冗余。

電子商務銷售額的提升是降低三者冗余值的有利因素，且對三者的影響效果均等，且通過了1%的顯著性檢驗。這表明發展電子商務不僅能夠促進快遞業的發展，而且還能提升快遞業的技術效率。

地理位置則是由東向西對從業人員和營業網點的冗余值影響逐漸增大，且通過了1%的顯著性檢驗。通過系數分析發現，相對于營業網點、地理位置因素對從業人員的投入冗余影響更大。但是地理位置因素對快遞運輸車輛冗余值影響不顯著，說明各地區快遞車輛投入使用效率更加具有理性。

市場化指數表明，在同一時期市場化程度越高、經濟能力越強的地區，快遞業市場惡性競爭越激烈。快遞企業為了爭奪市場份額，盲目提升服務效率與質量，從而造成營業網點和快遞人員的投入冗余值也越大。

（3）第三階段。使用剔除環境變量和隨機誤差影響后的數據為投入數據，再次使用BCC模型對快遞業的效率進行分析，結果如表5所示。圖1則更加直觀地反映了全國31個省市的快遞業技術效率分布情況。

1.3 快遞產業DEA測算結果分析

從剔除外部環境和隨機誤差影響的DEA運算結果可以看出，相對于第一階段而言，導致快遞業技術效率偏低的原因從純技術效率變成了規模效率。這表明雖然我國快遞業近幾年取得了較快的發展，各種先進技術裝備也得到相應的應用，但限制快遞業效率提高的真實因素仍是規模效率偏低。“雙十一”快遞量激增現象僅作為一種病態的存在，日常的快遞量則依然是規模偏低。

上海、浙江和廣東的綜合效率，技術效率和規模效率都為1，并列全國最高，說明三個地區的快遞業發展水平較高，快遞業要素投入相對合理。全國31個省市的純技術效率為0.6～0.8、0.8～1和1的概率分別是6.45%、64.52%和29.03%，說明全國各省市在快遞業管理水平、信息技術與裝備的應用等方面的差異不明顯。

規模效率的分布大致服從東部沿海到西部內陸依次遞減趨勢，東部、中部和西部的平均規模效率分別為0.70、0.26和0.12。江浙滬、福建和廣東位于東部沿海，因優越的地理位置及便捷的交通網絡使得規模效率值均大于0.6，以湖北和河南為代表的中部地區大多為0.3左右，以甘肅和云南為代表的西北和西南地區大多小于0.1。這表明快遞業規模效率的提高很大程度上受限于因地理位置因素所帶來的各種負面影響。如何克服因地理位置對規模的影響成為提高規模效率的關注重點。除上海、浙江和廣東外，其他省市均為規模報酬遞增，這說明其他省市均可通過借助本地區產業特色以擴大快遞業規模，從而提升本省的綜合效率。

表5 各省市快遞業DEA效率結果

圖1 全國31省市快遞業技術效率分布

2 快遞業綜合效率影響因素分析

DEA模型對全國各省市快遞業效率相對精確的測量結果可以直觀地反映各地區快遞業的發展水平，但對其影響因素的解釋能力有限。為了進一步揭示快遞業效率的影響因素，需要建立Tobit回歸模型進行分析。

2.1 影響因素選擇

根據統計數據的可得性，本文采用郵政局公布的機構設備和服務能力的相關指標作為自變量，以快遞業技術效率，純技術效率和規模效率為因變量進行分析。具體選取以下指標：手持終端臺數、計算機臺數、年人均快遞使用量、單一營業網點服務人口和郵政總線路。

2.2 模型檢驗與結果分析

本文采用Stata軟件進行Tobit回歸分析，統計結果如表6所示。

表6 快遞業效率Tobit回歸結果

手持終端在10%的顯著性水平上反向影響快遞業規模效率，這表明在全國規模效率偏低的情況下，投入過多的手持終端并不能很好地提高快遞業效率，反而增加快遞業經營成本，降低企業利潤。

計算機用量在5%和1%的顯著性水平上正向影響快遞業技術效率和規模效率，表明增加計算機用量在一定程度上能夠提高整體作業效率，減少人員投入，提高整體管理效率，有利于發揮快遞業規模效率，提高快遞服務能力。

年人均快遞使用量在1%、5%和10%的顯著性水平上正向影響快遞業技術效率，純技術效率和規模效率，表明人均每年所使用的快遞量越大越有利于快遞業發揮規模效益，提升快遞業技術水平。

單一營業網點服務人口在10%的顯著性水平上正向影響快遞業技術效率，這說明單一營業網點服務人口基數越大，越能提高快遞業的資源利用效率，從而有效減低快遞業的運營成本，提高快遞業利潤。

郵政總線路在5%的顯著性水平上反向影響快遞業技術純技術效率，這說明在全國快遞業整體規模效率不高的情況下，盲目擴大各地區快遞的配送區域不利于快遞業自身管理水平的提高，容易造成快遞業管理無效性，快遞配送末端的不穩定一定程度上受盲目擴張的影響。

3 結論與建議

本文通過三階段DEA模型對2015年快遞業的技術效率進行了測算，并通過Tobit回歸模型對影響快遞業效率的影響因素進行了分析得出如下結論：

（1）全國快遞業技術效率不高，平均僅為0.321，造成全國技術效率普遍偏低的主要原因是規模效率偏低引起的，且全國東、中、西部快遞業的規模效率差異較大，分別為0.70、0.26和0.12。

（2）全國快遞業純技術效率普遍較高，上海、浙江和廣東純技術效率為1，大多省市均處于0.8～1之間，差異不明顯。這表明全國各省市快遞業的經營管理水平受地域和經濟環境的影響不大。

（3）Tobit回歸結果表明在目前快遞業發展環境下，計算機擁有臺數、年人均快遞使用量和單一營業網點服務人口這三個因素均正向影響快遞業的效率。手持終端和郵政總線路則反向影響快遞業的效率。

依據本文的研究結果給出以下建議：

（1）各省市快遞業規模效率偏低但規模報酬遞增。各省市應把擴大規模效益作為快遞業的發展重點，利用規模經濟效應為快遞企業降本增效。電子商務作為擴大快遞業規模的有效載體，各省市可給予優惠政策發展本地產業的特色電子商務，促進省內和省際間的商品的流通。

（2）從供應鏈的角度考慮，同時快遞企業不應局限于倉配服務，將業務拓展至提供供應鏈服務，擴大業務范圍為電子商務全產業鏈服務。通過實現快遞業與上游的有效集成，從而有效減少人員、車輛等資源投入，提高資源利用率，提升快遞業效率。

（3）借機“一帶一路”戰略拓展海外快遞業務。目前各省海外業務占比普遍較低，平均僅占快遞業務量的2.1%，而業務收入占比達到13.3%。大力拓展海外快遞業務將使快遞企業在規模和利潤兩方面獲益。

（4）不斷優化快遞企業內部運營及管理。利用flexsim、anylogic、automod物流仿真技術，結合實際運作情況測算計算機的合理用量、單一營業網點最優服務規模、車輛配送路徑和服務人員數量以提高快遞業效率，實現企業降本增效。從短期考慮，企業不宜應盲目擴大自營配送范圍，宜采用外包模式拓展業務。