基于DEA-Malmquist指數的我國中部地區物流效率分析

摘 要：以2012—2021年我國中部地區（山西、河南、安徽、湖北、江西、湖南）六省的物流行業相關面板數據為對象構建評價指標體系，運用DEA-Malmquist指數模型，分別對其進行靜態分析以及動態分析，進而得出相關結論，并由此給出提高物流效率的可行性建議。結果表明：2012—2021年間中部地區的物流效率一直未達到有效，且技術是中部各省物流效率的主要問題，同時生產率也略微退步，針對這些問題，中部地區需要加強區域協同作用以及推動物流技術的進步，也需要探索創新人才培養制度，吸引高技術人才。

關鍵詞：DEA模型；Malmquist指數；中部地區；物流效率

中圖分類號：F127 文獻標志碼：A DOI：10.13714/j.cnki.1002-3100.2024.19.004

Abstract： Based on the panel data related to the logistics industry in six provinces of central China（Shanxi， Henan， Anhui， Hubei， Jiangxi， Hunan）from 2012 to 2021， this paper constructs an evaluation index system， uses DEA-Malmquist index model to conduct static analysis and dynamic analysis on them， and then draws relevant conclusions， and gives feasible suggestions to improve logistics efficiency. The results indicate that the logistics efficiency in the central region has not been effective from 2012 to 2021， and technology is the main issue of logistics efficiency in the central provinces. At the same time， productivity has also slightly declined. In response to these problems， the central region needs to strengthen regional synergy and promote the progress of logistics technology， as well as explore innovative talent cultivation systems to attract high-tech talents.

Key words： DEA model; Malmquist index; central region; logistics efficiency

0 引 言

隨著中國物流基礎設施的逐步完善和電子商務經濟的快速發展，人們越來越習慣于網上購物。因此，物流業變得越來越重要，逐步成為支撐中國經濟發展的主要產業[1]。隨著社會經濟的快速發展和物流領域公共投資的逐步增加，有必要評估這些投入和產品的合理性。物流效率指標可以直觀地反映區域物流資源的利用情況，而提高物流效率也是促進區域經濟快速發展的重要杠桿。

我國中部六省人力資源豐富，市場潛力巨大，自然地理優勢也有進一步發揮的空間。然而，就人均資源而言，中部地區的比例并不高，這意味著生態環境極其脆弱，流域存在嚴重的污染危機，因此如何提高資源利用效率變得越來越重要。

在物流效率測算方面，大多數學者都是使用DEA數據包絡進行測算分析，如鐘祖昌[2]運用DEA三階段法，剔除了外生環境因素和隨機因素對物流產業效率所帶來的影響，對2008年廣東省21個地市物流產業的運營效率進行研究。賀玉德等[3]使用CRITIC-DEA法對2003—2012年四川省內物流及經濟的協同效應進行研究。而常建新等[4]將DEA與Malmquist指數相結合，從時間與空間兩個角度上對西部地區的物流效率進行評價。張云寧等[5]同樣也使用DEA-Malmquist法從低碳環境視角下對長江大保護區域19個省物流效率問題進行研究。黃濤等[6]則對東三省地區物流效率進行評價。

各學者雖然對我國各地區的物流效率都有研究，但中部地區研究較少，因此本文利用相關數據指標使用DEA-Malmquist指數來計算中部地區的物流效率，希望能為中部地區的未來發展提供一些參考價值。

1 研究設計

1.1 DEA模型。數據包絡分析是一種對具有相同類型決策單元（Decision Making Unit，DMU）進行績效評價的方法，通常來說，DEA模型有兩種最常用的模型，即規模報酬可變的BCC模型以及規模報酬不變的CCR模型，本文依托物流業的相關特性，使用了規模報酬可變的BCC模型，其數學公式如下：θ=minθs.t.

式中：x，y表示投入和產出指標，λ表示DMU決策單元的線性組合系數，λ≥0， ∑λ=1表示規模報酬不變，θ表示模型的最優解，也就是計算出來的模型效率值，其取值為0，1，若計算出來的效率值為1，則表示DEA有效；小于1，則表示DEA無效。

1.2 Malmquist指數。對于傳統的BCC、CCR模型來說，只能對決策單元進行靜態分析，即只能對某一固定時間范圍內的不同決策單元的效率進行評價，不能對不同年份間的決策單元效率值進行評價，而Malmquist指數的出現就彌補了這一空白[7]。

具體公式如下所示：M=·

式中：表示T+1時期以及T時期由生產技術得到的效率值的比值，也就是綜合效率變化EC；Ex，y，bEx，y，b表示T+1時期的生產前沿與全局前沿的接近程度，若該比值越大，則表示這兩個前沿面越接近，反之，則越遠離，Ex，y，bEx，y，b則表示T時期的生產前沿與全局前沿的接近程度，比值越大，代表兩者越接近，這兩個比值即為技術進步效率TC。

1.3 指標選取及數據來源。由于我國物流業缺乏專業分類，現有數據庫也缺乏相應的信息，運輸、倉儲和郵政部門占物流部門產值的85%以上。根據一些研究人員的觀察，在運輸、倉儲和郵政行業選擇了描述物流業投入產出狀況的數據。

目前，對本文這一問題的研究已有眾多學者進行相關分析，因此根據部分學者所研究的成果所構建的投入產出評價指標體系如表1所示。

2 實證分析

2.1 中部地區物流行業效率靜態分析。本文基于DEA-BCC模型，通過DEAP2.1軟件對我國中部地區六省的各項投入產出指標數據進行分析求解得出2012—2021年間中部地區物流效率變化情況，具體情況如表2所示，十年間我國中部地區的物流規模效率保持了一個較高水平，且波動較小，其平均數為0.904 4。而技術效率和綜合效率卻呈現S型變化，上下波動程度較高，且綜合效率的平均值為0.707，屬于DEA無效狀態，也就說明該地區十年間的整體物流效率并沒有達到有效狀態，存在投入冗余或產出不足的現象。

同時可以發現在這十年間綜合效率最高的年度是2019年，其數值為0.796，在2019年電商物流行業快速發展，各電商物流龍頭企業發力，如菜鳥網絡成功進行第一輪融資并組建菜鳥聯盟；韻達快遞等多家快遞公司都與不同資本進行合作，得到大量融資；順豐也借殼上市。這些行業帶頭企業在得到融資以后，必定會在完善自身服務質量上加大投入，使得服務水平可以得到提升，同時與淘寶、京東、拼多多等大型電商平臺進行合作也會形成強有力的競爭。同時這些高質量服務也會提供給其他小型電商平臺或者第三方賣家。

而綜合效率最低的年份是2014年，其數值僅為0.555。究其原因，在2013—2014年間電商行業飛速發展，井噴式擴張，“雙十一”的銷量記錄不斷被刷新，雖然這看上去對物流行業是件好事，但物流行業的設施跟不上行業的快速發展，這就導致技術跟不上規模，而我們從表2中也能看出2014年的技術效率以及規模效率都是十年間最低的水平，說明技術人員缺乏經驗或者是技術水平不足，同時規模效率低也說明沒有發揮規模效應，雖然行業規模在擴大，但技術水平的發展跟不上也是一個較大的問題。

表3顯示了我國中部地區六省的物流效率變化值以及趨勢，可以更加直觀地看出各省物流效率值的高低。對表3進行分析，發現六省中僅有安徽省的綜合技術效率為1，達到DEA有效，也就是說其處于效率的前沿面上，資源得到最合理使用，生產狀態達到最佳。而湖北省緊隨其后，綜合技術效率值為0.971，非常接近有效狀態，同時從表中也可以看出，湖北省的技術效率已經達到有效狀態，只是規模效率并未達到最佳狀態，側面說明湖北省物流行業的規模尚不足，更新速度較慢，造成物流業與市場需求之間的不匹配，最終導致整個物流業的無效狀態。

而中部地區中綜合技術效率最低的省份是河南省，僅為0.511。從具體指標上來看可以發現，其技術效率值過低，僅為0.597，很可能是河南省在科技創新方面的投入嚴重不足；各類投融資、科研管理體制不健全等原因導致的，而河南省想要解決這一問題就需要擴大科研方面的投入，同時提高技術人員的水平，并通過一些合理有效的激勵政策提高工作人員的工作效率。

對于其他幾個省份來說，都或多或少有一定的短板，如江西省的技術效率值已經接近有效，為0.961，排在中部地區的第二名，但其規模效率并不高，處于車尾的位置，也就是說江西省物流行業的側重點應該在提高規模效率上；而湖南省則與江西省相反，規模效率的表現還不錯，但技術效率非常低，其問題與河南省相似，未來需要加大科研投入，提高工作人員的效率；山西省則是中規中矩，各項表現都處于中等狀態，想要達到DEA有效，則需要技術、規模兩手抓。

2.2 中部地區物流行業效率動態分析。依據前文所介紹的DEA-Malmquist指數模型，將2012—2021年我國中部地區六省的物流業相關投入產出指標數據導入DEAP2.1軟件進行分析，得出的物流效率變化如表4所示。

表4給出了我國中部地區2012—2021年物流行業的全要素生產率指數和結果?？梢詮闹邪l現，全要素生產率指數的平均值為0.956（小于1），這就表示在這十年間中部六省物流行業的生產率略微退步，一定程度上也說明了這六省的經濟增速有所放緩。而對各年份進一步分析可以發現，大多數年份各省市的全要素生產率沒有達到有效，只有2016—2017年、2017—2018年、2020—2021年的全要素生產率有效。自2016年以來，全要素生產率連續兩年呈現上升趨勢，而2016—2017年的技術進步效率指數也是十年間的最高值，可能是因為國家在物流行業號召“降本增效”，同時伴隨著“互聯網+”的推廣，大量企業為了搶占市場，優化運輸線路，通過網絡掌握車輛信息，菜鳥聯盟、京東物流品牌化運營的建立使得電商物流的效率得到大幅度提升，也進一步推動了整個物流行業的進步。而2018—2020這幾年間，全要素生產率指數低于1，可能是因為疫情的原因，社會停擺，物流行業的業務降低導致專業技術人才流失，使得這幾年間的技術進步效率指數數值偏低。

而從規模效率來看，其平均值為1，是表現最好的指標，縱觀十年間，大部分年份都達到了有效狀態，因此可以說明中部地區物流行業的規模屬于合理狀態。相比于平均值達到有效的規模效率指數，純技術效率的平均值為0.992，未達到有效，也就說明該地區的投入要素運用并不合理，管理運營能力有待提高。綜合來看，純技術效率指數有效的情況下，綜合技術效率指數也達到有效狀態，側面說明純技術效率指數相對更重要一些。

由表5、圖1可知，湖北省、山西省的全要素生產率大于1，說明這兩個省份的生產率是相對提高的，而湖南、河南、安徽、江西的全要素生產率低于1，說明其生產率是相對退步的。而全要素生產率越高，代表相同的投入可以帶來更高的產出，也就說明勞動、資本、自然資源等可以定量衡量的要素利用率就越高。

同時可以直觀地看到，純技術效率指數以及規模效率指數的曲線較為平滑，波動比較小，說明在目前的技術水平上，其投入資源的使用是有效率的，但仍未達到最優狀態，因此還需在擴大規模的基礎上提高技術水平；而技術進步指數波動很大，且大多數的數值都小于1，說明中部地區大部分省份的技術并沒有提高，反而有一些退步。

3 結論與建議

本文使用DEA-BCC以及Malmquist指數模型對我國中部地區2012—2021年期間的物流效率進行靜態分析和動態分析。結果表明：（1）靜態結果：縱向來看，中部地區的物流效率一直未達到有效，在2019年達到了最高值，為0.796。但2019年底疫情爆發后，綜合效率連續兩年下降，說明疫情對物流行業有一定的沖擊；而從橫向角度來說，中部地區只有安徽省達到有效，很可能是安徽省在后期加入長三角經濟圈，帶動了自身的經濟發展，同時也注重科技發展，高新技術產業快速崛起。湖北省、湖南省、河南省、江西省、山西省這五省的主要問題在技術效率上，尤其是河南省，因此這些省份的重心應該放在科技創新上，進一步促進技術水平的提高。（2）動態結果：中部地區2012—2021年物流行業的全要素生產率指數的平均值為0.956，說明十年間中部六省物流行業的生產率略微退步；湖北省、山西省的全要素生產率大于1，表明這兩個省份的生產率是相對提高的，而湖南、河南、安徽、江西的全要素生產率低于1，說明其生產率是相對退步的。

針對以上結論，為促進中部地區的物流業發展，提升該地區經濟發展水平，提出以下建議：

（1）加強區域協同作用，共同發展。從分析結果可以看出，中部地區的物流業發展不平衡，資源沒有得到合理運用，僅有安徽一省達到有效，其他地區的物流效率仍有提高空間，因此，有必要建立各省之間的緊密合作關系，加強溝通與協作，最后共同促進中部地區物流規模效益最大化；

（2）推動物流技術的進步，鼓勵創新。數據分析結果表明，物流技術發展緩慢，制約了中部地區物流業的發展。中部地區需要與時俱進，努力提高技術進步，創造更適合的物流模式。此外，可以在物流運輸和配送中使用新型設備，如無人機等，以提高中部地區的物流效率；

（3）探索創新人才培養制度，吸引人才。招攬物流行業的知識技能復合型人才，打造一支專業化的物流人才隊伍，同時在建立培訓體系時，要根據情況分批次、分層次的培訓，建立完善的人才培訓系統。

參考文獻：

[1] 王東方，董千里，于立新. “一帶一路”沿線國家和地區物流績效與中國對外貿易潛力[J]. 中國流通經濟，2018，32（2）：17-27.

[2] 鐘祖昌. 基于三階段DEA模型的廣東省物流產業效率研究[Z]. 2011.

[3] 賀玉德，馬祖軍. 基于CRITIC-DEA的區域物流與區域經濟協同發展模型及評價——以四川省為例[J]. 軟科學，2015，29（3）：102-106.

[4] 常建新，姚慧琴，毛穎. 基于DEA-Malmquist指數的西部地區全要素生產率實證分析[J]. 貴州財經學院學報，2011（5）：81-86.

[5] 張云寧，劉子琦，歐陽紅祥，等. 低碳環境下區域物流產業效率綜合研究——基于長江大保護區域19個省的實證分析[J]. 管理現代化，2020，40（2）：33-40.

[6] 黃濤，辛野澤治，孫寧. 東三省區域物流效率測算研究——基于DEA-Malmquist[J]. 物流技術，2023，42（2）：59-63，90.

[7] 馬占新，蘇日古嘎. 基于前沿面修正的DEA-Malmquist指數方法研究[EB/OL]. （2021-09-20）[2023-09-15]. https：//wenku.so.com/d/2f30142c29ab8f8fe52d8e659b809466.