導語：DEA模型物流業效率之議一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：本文對物流業效率建立了一個科學且切實可行的評價體系；利用dea模型，結合2003年-2008年全國31個省市物流產業投入與產出的實例，對各省市的物流產業效率進行分析。

關鍵詞：物流業；效率；DEA

物流產業作為我國的支柱產業，被列為國家十大產業振興計劃之一，今后必然在中國經濟增長中成為一個新的增長點。現階段，在物流產業效率研究中，研究視角多以研究物流企業為主，從物流產業總體效率分析的研究也大多以主要大型上市物流公司的財報表現來代表整個物流行業。但物流業涉及范圍廣，存在各種類型的企業，其中民營企業占很大比重，僅僅將少數大型上市物流公司代表物流業的研究欠妥當。本文運用數據包絡分析（DEA）的理論為基礎，分別從規模效率、純技術效率和綜合效率方面分析全國各省市的物流效率狀態，并指出各省在物流投入和產出方面的問題，希望為決策者對物流產業決策和規劃提供理論依據。

1DEA模型介紹

數據包絡分析（DEA）方法是由AChames,W.W.Cooper等美國著名運籌學家提出的，用于評價具有多個投入和多個產出的決策單元（DMU）間的相對效率的一種系統分析方法。在運用這一方法進行評價時，決策單元（DMU）作為決策對象，將所有決策單元的有效性作為評價結果，最后根據每個單元的DMU輸入和輸出，通過利用一定的模型得出這一單元（DMU）的輸入輸出相對其他決策單元來說是否是最優的；結果如果是最優的，則稱為該決策單元有效，否則稱決策單元弱有效或者無效。

DEA評價方法的第一個模型,也是使用最廣泛的模型是C2R模型。本文用這一模型來判斷各個地區物流的效率。判斷某個決策單元DMU（有m個投入X個產出Y）其有效性的模型C2R，其對偶規則可表示為：

其中，ε為非阿基米德無窮小，θ表示決策單元的效率指數，xj為第j個決策單元的輸入指標，yj表示第j個決策單元的輸出指標，sj-為第j個決策單元的輸入指標的松弛變量，sj+表示第j個決策單元輸出指標的松弛變量，sj-和sj+分別表示投入冗余和產出不足，第j個決策單元的決策變量由λj表示。在此模型基礎基礎上，可以判斷出DMU的DEA有效性，并且可以根據DEA有效性更深一層的經濟含義，判斷決策單元的生產活動是否同時滿足技術有效和規模有效。當θ=1，sj-=0，sj+=0時，為DEA有效；當θ=1，sj-≥0,sj+≥0時為弱DEA有效，在這種情況下，雖然經濟活動綜合效率最佳，但是不是同時技術效率最佳和規模效益最佳；若θ＜1，則DMUj0非DEA有效，決策單元DMUj0的經濟活動技術效率和規模效率都不是最佳狀態。

2建立指標體系

傳統生產理論認為，生產投入要素主要包括人力、物力和財力三類；產出主要的項目包括各種商品或服務等。本文選取的物流產業效率評價指標體系，選取交通運輸、倉儲和郵政業從業人員人數代表物流產業從業人員人數作為物流人力方面的主要投入；選取物流網絡里程作為物力投入要素指標，限于數據的可得性和有效性，本文只選取鐵路、內河航道和公路三種物流網絡中最主要的三種方式，并將三者簡單加總來度量物流網絡發展狀況；選取了各地區交通運輸、倉儲和郵政業固定資產投資額代表物流業固定資產投資額作為物流業的財力方面的投入。

在輸出指標的選取上，主要從數量和質量兩方面進行評價：選取各交通運輸方式的貨運量和客運量來表示數量方面的輸出；選取各省交通運輸、倉儲和郵電業產值數據作為質量的輸出，但在統計中包含了電信業的產值，而我國只有在國家層面才有對交通運輸、倉儲和郵政業產值統計數據，所以，本文采取全國各省的交通運輸、倉儲和郵電業產值代替物流業產值。

在數據選取上，本文選取2003~2008年全國31個省市（包括自治區和直轄市）物流業投入產出指標值的統計數據，主要數據來源2004~2019年的《中國統計年鑒》。本文選擇6年的數據來做考量，這是考慮到物流產業從投入到產出的時間延遲性，評價一個地區物流業投入產出相對效率時，只有在較長時間過程把握才能做到針對和客觀評價。

3DEA模型的評價結果與分析

本文采用了DEAP2.1軟件測算全國31個省市地區物流產業的綜合效率、純技術效率、規模效率的相對值，DMU個數為31，2003-2008年的時期數為6，產出個數為3，投入個數為3，選取導向為投入導向。將6年的各地區物流產業綜合效率、純技術效率、規模效率的相對值取均值，并且按照均值分別排名。結果分析描述如下所述：

3.1規模效率分析

規模效率最好的為北京和西藏，在這6年中的規模效率均為1，相對其他省份規模最有效率，并且規模報酬處在不變的狀態；其他省市均處于規模相對無效率狀態，但是其中吉林、上海、海南、青海、天津、山西、黑龍江、陜西、甘肅、寧夏這幾個省市規模效率在0.8-1之間，這說明在投入和產出方面稍做調整就能處于規模有效率的狀態；剩下的其他省市離規模效率的狀態還有很大的距離。

值得注意的是在分析2003-2009年各省市的規模報酬變化的趨勢情況下，除了北京、西藏一直處于規模報酬不變的情況外黑龍江、上海、青海這三個省市規模報酬逐漸趨于不變的狀態，這說明這幾個城市在投入和產出方面的不懈努力使物流產業規模效率不斷增加，接近于規模效率最優的狀態；天津、河北、山西、遼寧、吉林、江蘇、安徽、福建、江西、山東、河南、湖北、湖南、廣東、廣西、海南、重慶、四川、貴州、云南、山西、甘肅、新疆這幾個省市的發展趨勢是規模報酬遞減，這說明物流產業與其他地區相比較而言在遠沒有達到最優生產規模時就普遍出現規模報酬遞減，這不符合物流產業的明顯規模收益特征，這是由于這些省市物流產業投入相對過量或者過于分散，造成集中度低，因此在以后的發展中適當放緩增加投入量，主要考慮對投入資源加強管理，更加充分地利用現有的物流資源，以使其達到最大的產出；只有寧夏一個省一直處于規模報酬遞增的狀態，說明在以后的物流產業規劃當中，要不斷增加投入并且要吸收其他省份的經驗和教訓，在加大投入的同時充分做好產業政策協調，避免重復建設，進行全盤的規劃，加強產業聯動，發揮物流產業集群的加速優勢。

3.2純技術效率分析

所謂純技術效率分析，就是在排除規模因素的影響下，投入資源的利用情況對綜合效率的影響。根據以上數據計算的規模效率值如下表所示：

在純技術效率方面，效率最高的是北京、上海、海南、湖北、廣東、云南和西藏七個省市，在6年中的純技術效率為1，這說明這些省市的物流產業已經達到投入與產出的最佳，不存在投入冗余或者產出不足的現象。而其他省市的純技術效率都小于1，這一數據說明在這些地區物流業發展過程中出現投入冗余或者產出不足，要解決這些問題必須通過加強內部管理、引進先進技術設備、提高從業人員素質等方式。

3.3綜合效率分析

根據數據計算的各省市的綜合效率值如下表所示：

綜合效率方面，效率最高的是北京和西藏兩個省市，它們在這6年中總綜合效率均為1，兩個地區技術有效；在剩下的幾個省市中，黑龍江、云南、甘肅、上海、青海的DEA值都處于0.8－1.0之間，表明這五個省份處于邊緣非效率，要想達到技術有效率狀態，只需對投入產出方面稍作調整即可；其它地區的綜合效率值小于0.8，這說明與上述省份對比來說，這些省市在物流業投入的資源并沒有得到充分的利用，也沒有達到最優化產出，物流供給能力存在剩余，物流資源并沒有得到充分利用，不僅如此它們的效率值明顯低于0.8，想要提高存在很大困難，這需要調整和優化投入和產出中多個指標。

值得注意的是，在比較發達的地區例如北京和上海，物流產業效率較高，這個結果符合常規判斷，在這些省份物流產業發展過程中，投入大，相應的產出也大，這表明在這些發達地區由于經濟環境寬松，經濟基礎良好，物流產業發展較迅速，效率較高。但是在一些欠發達的地區物流產業的經濟運行效率也達到有效值。以西藏為例，各產出指標的絕對值均是排在全國倒數，但是相對于它的投入指標來分析，西藏地區的產出相對于投入來說是有效率的。西藏物流產業投入較少但產出較多，這說明在這一地區投入的有限資源得到了最優配置，浪費較少，在投入資源優化配置方面，其他省份應該多多借鑒。

通過以上對全國31個省市物流產業規模效率、純技術效率和綜合效率的分析，指出各省目前物流產業發展現狀與問題所在，希望可以作為未來制定相應的物流產業發展戰略和政策依據,以促進各省物流業和國民經濟的發展。