基于DEA的山東省物流企業有效性分析

摘 要：在國家大力發展物流產業的背景下，山東省物流產業發展迅速。然而，山東省物流企業受自身“小、散、弱、亂”等因素制約，存在投入產出分配不均、規模效益不合理、無法實現資源合理配置等問題，嚴重阻礙了山東省物流業的發展。針對山東物流企業發展存在的問題，DEA（數據包絡分析）方法具有無需預先估計參數、有效避免主觀因素等優點，借助其CCR模型與CCGSS模型分析物流企業的綜合技術效率、純技術效率以及規模效率，有助于企業了解自身的不足與劣勢，從而為企業管理提供反饋，助力其合理調整產出投入結構，推動物流企業經營實現良性發展。本文選取101家物流企業直報數據，運用多元變量相關分析方法確定物流企業有效性投入、產出的評價指標；通過聚類分析法將山東省物流企業分為大、中、小、微四類，針對同一類型的企業運用DEA模型計算其綜合技術效率、純技術效率以及規模效率，使企業能夠明確自身物流運行能力狀況，認清自身運行的優勢及劣勢，從而更好地取長補短，采取合理措施制定科學合理的未來發展規劃。

關鍵詞：DEA；投入產出；山東省物流企業；資源配置；物資流通

中圖分類號：F259.22；F224；X196 文獻標識碼：A 文章編號：2096-0298（2025）05（b）--05

1 引言

截止到2023年第三季度末，我國物流總額為258.2萬億元，物流總費用為13.4萬億元，同比增長2.3%，物流業總收入10.0萬億元，同比增長3.7%。國家大力發展物流產業的背景下，山東省積極向應，全力推動物流業發展。但是山東省在緊跟國家發展步伐的同時，物流企業受自身“小、散、弱、亂”等因素限制，存在諸多問題：物流企業管理松散，管理人員技術不夠專業；服務成本較高，客戶滿意度低；物流企業規模結構不合理等。此外，山東省大部分物流企業存在投入產出結構不合理，資源配置未達最優等情況。針對以上物流企業發展存在的問題，DEA（數據包絡分析）方法具有不需要預先估計參數、有效避免主觀因素等優點，通過其CCR模型與CCGSS模型分析物流企業的綜合技術效率、純技術效率以及規模效率，可有助于企業了解自身的不足與劣勢，從而對企業管理提供反饋，助力其合理調整產出投入結構，推動物流企業經營實現良性發展。

國內學者對于物流有效性有深入的研究，并且運用理論數據和科學方法進行論證。張璐（2024）通過測度我國生鮮農產品冷鏈物流空間效率，選取2017—2021年面板數據，利用DEA3.0從靜態和動態兩個維度對我國各省市農產品冷鏈物流空間效率進行分析[1]。陶宇沁、曾杰杰（2023）為了研究倉儲物流企業在發展新階段研發投入的效果，利用數據包絡方法對倉儲物流類企業2018—2021年的創新效率進行測算，并對創新效率較高和較低企業的研發情況、技術應用及風險管理進行具體分析[2]。吳陳燕、龔本剛、張孝琪（2024）以2022年“中國500強”企業中的16家上市物流運輸企業作為研究對象，將市場份額看作固定和產出，運用數據包絡分析方法中的一般均衡有效前沿面模型（GEEFDEA）計算并分析這16家企業2022年的運營效率得分與排名[3]。國內學者基于DEA物流企業有效性分析方面理論基礎扎實、經驗豐富，但是以上學者的研究僅針對某一類型物流企業，對物流企業按規模大小分類，研究某一地區物流行業的有效性的問題有待進一步深入研究。

本文針對山東省物流企業發展現狀與存在的不足，運用DEA的CCR與CCGSS模型展開分析，利用多元變量相關分析方法，重點分析要素投入項和產出項的選取。本文將山東省內不同規模的抽樣調查的101家物流企業分為大、中、小、微四類，同一類型的企業運用DEA模型進行分析計算，得出該類型中各個物流企業的物流綜合技術效率、純技術效率及規模效率，并進行橫向對比。山東省各個物流企業可以根據本企業在物流行業中的有效性分析結果，評價自身物流投入產出效率的差異及其原因，以此了解企業自身的物流運行能力狀況，明確自身運行的優勢及劣勢，從而更好地取長補短，采取合理措施，制定出科學合理的未來發展規劃。

2 相關文獻綜述

根據聚類分析方法對企業進行分類，國內學者研究頗深。劉明、董文兵、左曉慧（2017）運用SPSS軟件分析對安徽省各市規模以上企業進行聚類分析[4]。曹菊平（2024）選取45家建材上市公司為研究對象，收集并分析其2022年的財務數據，運用因子分析法得出這些建材上市公司財務風險的綜合得分及排名，同時運用K-均值聚類方法，將上述45家建材上市公司財務風險劃分為4個等級[5]。 何鈺等（2023）隨機抽取2022年北京市38家危險貨物運輸企業評價數據，利用SPSS23.0軟件對指標體系進行多層次因子分析、聚類，將38家危險貨物運輸企業分為3類，即合格、基本合格和不合格，3類企業均存在不同程度的安全隱患[6]。上述學者利用聚類分析中的模糊分類將企業進行分類占多數，層次聚類利用較少，而本文利用層次聚類法對山東省101家企業進行分類，正因為層次聚類不需要預先設置類中心，也不需要指定對物流有效性聚成幾類，更加科學、客觀、合理。

國內外學者從不同行業、地區等多個維度，進行了深入研究和探討。根據不同行業的特性，相關學者對數據包絡分析（DEA）模型進行了探索。劉天也、陳秉譜（2024）基于數據包絡分析（DEA）模型，探討碳中和視域下我國農村低碳物流效率，并提出改進策略[7]。郭杰群、林森（2024）闡述了我國公路貨物運輸網絡的發展現狀，并運用效率基準分析和非徑向超效率DEA模型對2012—2022年我國公路貨物運輸網絡的效率進行了測算，最后提出了針對性的政策建議[8]。王萍（2021）以16家港口物流上市公司為研究對象，介紹了港口物流上市公司物流績效的評估情況，提出將熵值法和DEA相結合的港口物流上市公司績效綜合評價方法，評價了港口物流上市公司的管理有效性[9]。侯祥杰（2023）構建了京津冀生鮮農產品冷鏈物流效率的分析框架，借助DEAP2.1軟件，綜合運用DEA模型和Malmquist指數對京津冀地區生鮮農產品冷鏈物流效率進行靜態和動態分析，最后運用Tobit回歸方法，對冷鏈物流效率的影響因素展開實證研究[10]。

李荷華、劉鷺（2024）確定出效率評價的投入指標、產出指標以及外部環境變量，運用DEA實證分析2012—2021年16個省市的物流業投入產出指標數據，測算出廣東低碳物流效率[11]。李光洙、趙敬雅（2024）運用DEA-Tobit模型，對吉林省2008—2022年物流效率進行評價，探究吉林省物流效率的影響因素，從振興吉林省經濟、提高資源利用效率以及打造現代信息化物流產業方面提出優化策略[12]。

上述學者對各行業及各地區的物流有效性研究較深刻，但對物流企業進行分類研究的文獻綜述少之又少，因此本文就不同類型的物流企業展開研究。

3 物流企業有效性研究方法

3.1 物流企業效率評價指標的選取

根據現有文獻可知，物流企業經營過程中“投入越小越好，產出越大越好”，物流企業有效性評價指標主要是投入和產出要素，其中投入項目包括財力投入、人力投入、物力投入，產出項目包括經濟效益及運輸能力。依據山東省物流101家企業直報數據整理得到，人力投資包括從業人員數目；財力投入包括資產總計、物流業務成本；物力投入包括實貨運車輛，產出項目包括物流業務收入、物流業務利潤、周轉量、貨運量、吞吐量；參照產出投入項目的選擇原則，以上指標存在線性相關關系導致指標內涵重疊，并且指標數目較多，并不是指標數目越多越好。

本文依據DEA分析選取投入、產出項，依照全面性、非線性、相關性、可行性原則，分別計算出所選投入、產出各項指標的相關性，選用多元變量相關分析方法，分析結果如表1所示。

由表1可以看出，貨運車輛、從業人數、資產總計以及業務成本兩兩之間存在線性關系，從具體數值可以看出，它們之間的相關系數小于0.3，呈弱相關，符合指標選取原則。但是從業人數及貨運車輛兩個指標的線性相關系數為0.55，兩者呈正相關，且相關程度較高，根據非線性相關原則以及重要指標重要程度，本文舍去貨運車輛指標。舍去貨運車輛指標后，對資產總計、物流業務成本及從業人員這三者進行相關性計算，得出相關性系數為0.068，線性關系較弱，符合指標選取原則。

由表2可以看出，貨運量、周轉量及吞吐量的相關系數分別為0.744、0.803，相關程度較強，不符合指標選取的非線性相關性原則，本文根據企業填報的數據詳細程度決定舍去周轉量及吞吐量，從而計算出三者線性相關的系數為0.136，相關程度較弱，可以避免指標內涵的相互重疊，同時作為產出項的三個指標。

3.2 物流企業效率評價指標體系

通過上述指標相關性分析以及指標選取的基本原則，本文確定山東省物流企業有效性指標體系如下：

4 山東省物流企業的分類（聚類分析）

山東省內抽樣調查了101家物流企業，因為企業規模大小不同，無法進行有效性分析，即便開展有效性分析，比較結果的意義不大。

本文利用分層聚類，其主導思路是：首先制定衡量元素之間的距離規則，先把距離近的若干元素歸類，形成新元素點，再從新元素點中挑選距離最近的元素進一步聚類，直到所有元素都被聚為同類。這是一種無需預設條件的聚類模式，既無需預先設定聚類中心，也不需指定聚成幾類，采取逐層、逐級聚類模式。

本文利用SPSS22軟件對選取的山東省101家物流企業進行聚類分析并求解，如圖3所示。

由圖3可以看出，山東省物流企業用豎向切割法，可以明顯劃分為4類，因為冰掛圖中這四類企業冰掛圖的分隔列填充空白區域較大，說明這四類企業距離較遠，是最后才被聚合的。分類結果如表3所示。

5 DEA模型的建立及分析結果

5.1 山東省物流企業DEA建模

CCR模型是評價決策單元規模有效和技術有效的綜合技術有效性指標。CCGSS模型評價決策單元純技術有效性，綜合技術有效性是純技術效率和規模效率的乘積，由兩者共同決定。因此，本文綜合運用兩種模型，以達到評價的科學性、客觀性和全面性。

本文以101家物流公司作為決策單元，每個決策單元有3種投入指標、3種產出指標。設xi為投入量，yi為產出總量，并且對其賦予適當的權重構建線性規劃，如下所示：

Xi=（x1i，x2i，x3i…x101i）T" " " " " " "i=1，2，3…101

Yi=（y1i，y2i，y3i，…，y101i）T" " " " " "i=1，2，3…101

xmi是第i個決策單元的第m種投入，yni是第i個決策單元的第n種產出。引入松弛變量s+和s-，得到對偶線性規劃模型，其中θ為標量，是第i個決策單元的綜合技術效率：

minθ

s+作為產出對應松弛變量組成的向量，s-作為投入對應剩余變量組成的向量。

CCR模型結論的含義：

（1）當θ=1，s+=0，s-=0時決策單元為DEA有效，綜合技術效率最優。

（2）當θ=1，s+≠0，s-≠0時，決策單元為弱DEA有效，綜合技術效率不是最優。

（3）當θlt;1時，決策單元DEA和綜合技術均無效。

CCR式中增加約束條件∑n（i=1）λi=1，可以構建規模收益可變的CCGSS模型，如下所示。

minθ

5.2 山東省物流企業有效性結果及分析

根據DEA模型的相關理論分析，本文利用Eexcel規劃求解計算得到：小型物流企業綜合技術效率值分布較為分散，綜合技術有效的物流企業占1/4，其他均為綜合技術無效，并且綜合技術無效的物流企業θ值絕大多數低于0.5，調整投入產出結構是有必要的；小型物流企業綜合技術有效的企業不到1/4，但小型物流企業相對微型物流企業θ值的大小有所增大；中型物流企業綜合技術有效性企業占不到1/2，且θ值絕大多數大于0.5；其中綜合技術有效的企業為大型物流企業θ值只有兩家不為1，其他均為1。微型物流企業純技術有效的企業超過1/2，小型物流企業純技術有效的企業小于1/2，中型物流企業純技術效率為1的企業占2/3，相對其綜合技術效率有所提高。大型物流企業的純效率值只有一家不為1，其他均為1。

DEA模型的綜合技術效率是純技術效率和規模效率的乘積，由兩者共同決定。本文運用DEA模型求得山東省101家物流企業的綜合技術效率、純技術效率及規模效率的值，各家企業可以根據自身的綜合技術效率、純技術效率及規模效率值來判斷有效性。純技術效率為1時，說明該物流企業效率達到最大化。純技術效率不為1時，說明該企業未能實現資源優化配置；規模效率為1時，說明該企業規模已達到最優狀態。當規模效率不為1時，說明該企業的物流產出投入規模未達到最優狀態，還需要調整規模水平。

從計算結果來看，四類企業相對比：3/4的大型企業綜合技術效率、純技術效率與規模技術效率之比為1；中型企業綜合技術效率、純技術效率以及規模效率與大型企業相比DEA有效性較弱；微型企業是四類企業DAE有效性最差的，小型企業次之，應著重進行分析和整改、調節產出投入結構和規模，實現資源優化配置。

從各企業自身來看，應找到本企業所在的類型，分析本企業所在類中的綜合技術效率、純技術效率及規模技術效率的結果，與所在的同類企業相比，判斷自身的優劣勢，判斷自身是否需要引進人才、引進設備、擴大規模、減少投入或增加產出等，企業了解自身企業的物流運行能力狀況，從而更好地揚長補短，采取合理措施制定科學合理的未來發展規劃。

參考文獻

張璐.基于DEA的我國生鮮農產品冷鏈物流空間效率測度及提升策略研究[J].保鮮與加工，2024，24（6）：87-95.

陶宇沁，曾杰杰.基于DEA模型的倉儲物流企業創新效率評價 [J].物流科技，2023， 46（20）：10-13.

吳陳燕，龔本剛，張孝琪.基于固定和產出DEA的上市物流運輸企業運營績效評估研究[J].石家莊鐵道大學學報（社會科學版），2024，18（1）：27-33.

劉明，董文兵，左曉慧.安徽省各市工業企業發展情況的聚類分析[J].山西師范大學學報（自然科學版），2017，31（4）：96-100.

曹菊平.我國建材上市公司財務風險評價研究：基于因子及聚類分析法[J].上海企業，2024，（9）：148-150.

何鈺，姚衛華，代寶乾，等.基于因子、聚類分析的危貨運輸行業安全管理研究：以北京市為例[J].安全，2023，44（5）：16-23.

劉天也，陳秉譜.碳中和視域下我國農村低碳物流效率研究[J].物流科技，2024，47（20）：38-42.

郭杰群，林森.中國公路貨物運輸網絡效率分析[J].物流技術，2024，43（7）：134-148.

王萍. 港口物流上市公司管理有效性評價研究[D]. 鄭州： 河南工業大學， 2021.

侯祥杰.京津冀生鮮農產品冷鏈物流效率及影響因素研究[D].石家莊：河北經貿大學， 2023.

李荷華，劉鷺.廣東省低碳物流效率評價研究[J].中國儲運，2024（10）：96.

李光洙，趙敬雅.吉林省物流效率測量及其影響因素分析[J].現代營銷（下旬刊），2024（7）：77-79.

李荷華，夏雪.基于DEA-Malmquist模型的物流企業績效評價研究[J].中國商論，2024，33（19）：94-97.

洪文靜.基于DEA模型的安徽省物流效率評價研究[J].中國商論，2024，33（20）：108-112.