基于投入導向DEA模型的柳州市農產品物流運輸效率研究

曾桂丹 黃登宇 陳虹穎 黃麗梅 馮永東

[摘 要]農產品物流作為物流業的一個分支，農產品運輸需求及運輸量在逐年上升，但由于農產品運輸網絡效率較低，物流流通時間長等問題從而限制了農產品物流的發展。文章以柳州農產品為例，通過建立農產品運輸網絡效率評價體系：DEA與CCR——投入導向模型，研究農產品運輸網絡效率，分析問題，找到能夠降低農產品物流供應鏈的流通成本，提高運輸網絡效率的解決方案。

[關鍵詞]農產品運輸;網絡效率;CCR——投入導向模型

[DOI]10.13939/j.cnki.zgsc.2020.14.026

1 引言

近年來，伴隨著城鎮化的進程加快，柳州市生產種植的能力、規模逐漸強大，消費的生鮮農產品種類也愈加豐富，同時，生鮮農產品需求區域也相對越來越集中。但柳州市縣城以下的區域農產品運輸服務網絡和信息系統不健全，信息準確性和時效性較差，運輸網絡的連通性還很弱，農產品運輸通道不暢、效率不高，成為柳州市農產品發展的“瓶頸”之一。因此，對農產品運輸網絡效率的研究，具有重要的理論價值和實踐意義。本文以農產品運輸網絡效率為研究對象， 旨在通過對農產品物流運輸網絡效率的研究，提高柳州市農產品運輸網絡效率，使農產品運輸投入和產出規模達到最大化。

2 文獻綜述

農產品物流運輸網絡的定義可以概括為：由多種交通運輸方式所連接的運輸線路、物流運輸節點以及相應的輔助設備組成的農產品物流運輸網絡，在一定時間內的運輸投入與運輸需求滿足程度的比率。薛亮等（2018）基于復雜網絡和區域物流的理論基礎，對貴州省茶葉物流運輸網絡進行分析。根據貴州省茶葉運輸的特點，探討該省茶葉物流運輸網絡的節點和結構的復雜性。王偉（2019）通過遵循碳排放、成本、時間的最少化等條件，將優化后的Logit路徑用來對底層貨流進行配置，構建基于遺傳算法來計算求解的低碳物流運輸網絡層次優化模型。由上述相關的研究可知，運輸網絡效率的研究是以復雜的網絡理論為基礎，研究方向主要有兩個：一是基于網絡元件的效率分析，二是基于成本考慮的網絡效率分析。研究的領域主要集中在交通運輸，特別是城市交通運輸，涉及農產品物流運輸的研究還嚴重不足，農產品物流領域尚屬欠缺階段。由此本文將以柳州市為例對農產品物流運輸網絡積極探索。

3 DEA與CCR——投入導向模型理論

3.1 DEA與CCR——投入導向模型

數據包絡分析（Data Envelopment Analysis，DEA）是1978年由美國著名的運籌學家A.Charnes和W.W.Cooper等學者，以相對效率概念為基礎發展起來的一種效率評價方法。DEA方法以相對效率的概念為基礎，運用線性規劃和凸分析，通過數學規劃模型計算比較決策單元之間的相對效率，最后進行評價。

CCR模型是通過數據包絡分析DEA最早建立的測算效率模型，CCR模型是在規模報酬不變情況下的DEA模型，也稱為CRS模型，即是當投入量以等比例增加時，產出亦以等比例增加。在CCR模型中，假設有k個評價的同類，稱為決策單元DMU，每個單元均有n個投入變量和m個產出變量，通過加權投入組合與加權產出組合的比得到數據效率值，通過利用Deap2.1軟件，對所選指標進行預測計算得到相關的綜合效率、純技術效率以及規模效率的預測指標結果。

3.2 模型分析

假設規模效益不變，CCR——投入導向模型如下所示。假設柳州市在連續的N年里，每年在物流領域有n種投入和m種產出。 表示柳州市第k年的第i個投入變量， 表示柳州市第k年的第j個輸出變量。則柳州市第k年的網絡效率值應滿足：

式中，Xj為第j個決策單元的n維投入向量，Yj表示第j個決策單元的m維產出向量。其中，θ滿足0≤θ≤1，當θ=1時，表示該年份柳州市的物流網絡效率落在效率的前沿上，其效率表示為技術效率，其含義是當地k年的產出水平保持不變時，如果以最佳的效率作為標準（θ=1），則1-θ為第k年多投入的比例。

4 農產品運輸網絡效率分析

4.1 柳州市物流網絡效率研究指標選取

本文結合柳州市作為工業城市的特點并基于可操控性原則、重要性原則、客觀性原則以及科學性原則，選擇固定資產投入作為物流節點指標，以運營貨運車輛作為物流網絡載體的產業指標，以研究區域的道路總里程作為物流的統計指標，以研究區域的物流貨運量作為物流產出指標。其中以固定資產投入、運營貨運車輛、公路里程作為輸入指標，貨運量作為輸出指標。

4.2 以柳州市為例進行效率預算和分析

通過查閱歷年《柳州市統計年鑒》《廣西統計年鑒》得到柳州市2009—2018年10年間的物流網絡相關指標，經過整理得到如表1所示。

通過利用Excel軟件和Deap2.1軟件對以上數據進行預算，得到表2所示結果。

表2中，綜合效率是指不考慮規模收益時的效率;純技術效率指考慮規模收益時的技術效率;規模效率指考慮規模收益時的效率。其中，irs為規模收益遞增，—為規模收益不變，drs為規模收益遞減。

4.3 預算結果分析

在預算結果中，DEA結果為1的表示有效;從表2中可以看出，2009—2018年10年間除2013年、2016年、2017年三年外其余年份效率值均小于1，表示DEA無效年份。從各年份數據看，柳州市物流網絡綜合效率的波動性較大。從純技術效率以及規模效率進行討論分析效率的變化。由綜合效率=純技術效率×規模效率，可以看出，綜合效率的波動是由純技術效率和規模效率的波動帶來的。在2009—2018年10年間有2009年、2012年、2013年、2016年、2017年、2018年六年的純技術效率為1，說明該年份的資源配置處于最優的狀態，物流網絡效率也處于最高。但在2009—2018年10年間僅有2013年、2016年、2017年三年規模效率為1，DEA有效，說明只有這三年的投入產出規模達到最優狀態。

5 結論建議

文章以介紹DEA與CCR——投入導向模型為開頭，根據研究內容，分析知道柳州市物流網絡綜合效率的波動性較大，但只有少數的幾年投入與產出是達到最優狀態，說明柳州運輸網絡效率還有待改進，本文的研究可為提高農產品物流運輸效率提供一定的借鑒意義。農產品物流運輸路線的高效化建設不僅能夠降低農產品物流供應鏈的流通成本，更能帶動其他行業物流運輸的反應速度。

參考文獻：

[1]羅文昌.界定用戶平衡及Logit型隨機用戶平衡下的混合平衡交通網絡效率損失[J].運籌學學報，2010（2）：79-86.

[2]張鳳平.農產品物流運輸網絡效率評價研究[D].長沙：長沙理工大學，2014.

[3]薛亮，余偉，鄭琰，等.基于復雜網絡的區域茶葉物流運輸網絡分析[J].物流工程與管理，2018，40（11）：64-66.

[4]王偉.基于遺傳算法的低碳物流運輸網絡優化研究[J].東莞理工學院學報，2019，26（1）：50-56.

[5]柳州統計局.國家統計局柳州調查隊編柳州統計年鑒[M].北京：中國統計出版社，2009-2018.

[6]廣西統計局.國家統計局廣西調查總隊編廣西統計年鑒[M].北京：中國統計出版社，2009-2018.

[基金項目]2018年自治區級大學生創新創業訓練計劃項目“農產品運輸策略研究”（項目編號：201810594102）。