基于DEA模型的揚子江城市群城市物流業效率研究

祁玉青，趙 順，倪衛紅

（南京工業大學 經濟與管理學院，江蘇 南京 211816）

1 引言

2014年9月國務院印發的《物流業發展中長期規劃（2014—2020年）》中指出：物流業是融合運輸、倉儲、貨代、信息等產業的復合型服務業，是支撐國民經濟發展的基礎性、戰略性產業。區域物流是地區經濟發展的重要標志[1]。城市群作為區域內的一種高級空間組織形式，在整合區域物流資源，推動產業結構優化升級和加快區域經濟發展方面起到巨大作用。另一方面，物流業發展的不合理也會制約城市群的發展。揚子江城市群作為國家“一帶一路”建設和長江經濟帶建設兩大國家戰略的融合交匯地帶。涵蓋了南京、蘇州、無錫、常州、鎮江、南通、揚州、泰州沿江8個城市（如圖1所示），集聚了江蘇全省最為豐富的經濟、科教、人文等要素資源，以占江蘇全省近一半的國土面積，創造了全省約80%的經濟總量，是江蘇省經濟發展的重心所在，更是被定位為長三角城市群北翼核心區[2]。然而，揚子江城市群物流業在整體保持較快增長的同時，也暴露許多問題，具體體現在：物流業整體運行效率依然較低，相比發達國家的城市群仍有很大差距。區域內物流基礎設施水平不一、城市群內各個城市的路網建設仍有差距、管理水平層次不一和管理人才分布不均。鑒于此，對城市群城市物流業效率進行分析，對于區域內物流業效率提升和協調發展具有重要的現實意義。

圖1 揚子江城市群區位分布圖

2 相關文獻綜述

國內外利用數據包絡分析（Data Envelopment Analysis，DEA）對物流效率進行評價的文獻有很多。如Hamdan,、Rogers先是將一個基本（無限制）的DEA模型應用于具有相似輸入和輸出的同質倉庫。然后，提出了包含權重約束和價值判斷的修正模型。對研究中所使用的倉庫的相對效率得分進行了分析。確定了每個輸入和輸出對每個倉庫效率的影響，以此為經理和工程師改進和設計提供對策建議[3]。Sun利用三階段DEA模型對東北三省的物流效率進行了研究。結果表明：純技術效率和規模效率東北三省都低于0.9，雖然都有所增長但仍有很大的增長空間。另外區域間物流效率差異仍然較大[4]。林海英利用DEA模型對內蒙古自治區12個盟市2010年的物流效率進行了對比研究，并根據計算結果找出了城市物流發展存在的問題，提出了相應的發展建議[5]。樂小兵、王瑛運用DEA效率評價模型，對廣西2004—2011年物流系統的綜合相對有效性、技術有效性、規模收益有效性和超效率進行分析，研究結果顯示廣西物流投入產出總體有效性為50%，在綜合相對有效性的決策單元中個別年份存在著經營效率低下和資源浪費的現象[6]。謝永琴、曹怡品運用含非期望產出的DEA-SBM模型和Malmquist-Luenberger生產率指數模型對區域城鎮化效率進行了測算和分解，并采用Tobit回歸模型對影響要素進行分析。他們的研究表明：中原城市群城鎮化效率表現一般且區域間差異明顯。大部分城市存在期望產出不足、非期望產出過量的情況。經濟基礎、空間集聚水平對中原城市群城鎮化效率影響顯著[7]。楊傳明在考慮了經濟增長與環境負荷的關系前提下，除了考慮傳統的投入與產出指標，還選取了環境變量。運用三階段DEA及Malmquist模型靜動態測度低碳約束下江蘇物流產業效率。研究表明雖然江蘇省物流產業效率較其他省份而言處于中上水平，但技術效率等方面仍存在不足。需要推動區域物流產業聯動、推進綜合物流體系建設等，以求有效提升低碳約束下江蘇物流產業效率[8]。連兆大、程德通運用DEA模型分析了“一帶一路”重點省份的物流投入產出效率。結果表明我國“一帶一路”經濟帶在地區分布上呈現沿海省份和非沿海省份發展不平衡的現象，并提出了針對性的政策建議[9]。程金龍利用超效率DEA模型對2000年和2014年成渝城市群的城市效率進行了測度。結果發現，2000年成渝城市群效率呈現較為分散格局；2014年則由原來的分散分布變為呈片狀和帶狀分布，在地域分布上集聚特征明顯[10]。

綜上所述，國內外學者多是利用DEA對區域物流效率進行評價，并得出了一系列結論，提出了相應的建議。本文仍沿用傳統DEA模型對城市群物流效率進行評價，但在對象選擇上選取了對于江蘇省乃至全國都具有重要戰略意義的揚子江城市群作為分析對象。在研究方法上，在進行傳統的純技術效率、規模效率和投入冗余與產出不足的分析前，先對揚子江城市群各市物流業效率進行了縱向分析（按年份）和橫向對比（按城市）。尤其是在城市的對比中，充分考慮了決策單元自帶聚類性的特征。根據經濟發展的差異性，將揚子江城市群分為蘇南和蘇中兩大區域。以期從城市群的內部著眼，為揚子江城市群的規劃發展提出更有針對性的理論建議。

3 DEA模型

DEA方法由Charnes，Cooper，Rhodes最早提出。它是一種以相對效率為基礎、以凸分析和線性規劃為工具的效率評價方法[11]。其思想來自于Farrell對生產率的研究[12]。傳統的生產率研究沒有考慮多投入和多產出的情況。DEA方法則在研究多輸入、多輸出的生產函數時，因不需要預先估計參數，在避免主觀因素和簡化算法、減少誤差等方面具有優越性[13]。

以Charnes，Cooper和Rhodes姓氏命名的CCR模型是DEA的一個經典模型，可用于評價各決策單元的相對效率。由于CCR模型是假設規模收益是不變的（Constant Returns to Scale，CRS），其得到的技術效率（Technical Efficiency，TE）中包含了規模效率的成分。Banker，Charnes，Cooper又提出基于規模收益可變（Variable Returns to Scale，VRS）的 BCC 模型[14]。它在CCR模型的基礎上加入了約束條件BCC模型得出的技術效率排除了規模效率的影響，因此稱為“純技術效率”（Pure Technical Efficiency，PTE）。結合CCR與BCC可以算出規模效率值（Scale Efficiency，SE），SE=TE/PTE。BCC模型如下：

被評價的主體稱為決策單元，假定一共有n個DMU，記為DMUj（j=1,2,...,n）；共有m種投入，q種產出。模型的最優解θ代表效率值，θ的范圍為(0,1]；ε為一個常量，表示非阿基米德無窮小；S-與S+為松弛變量；λ表示DMU的線性組合系數；xij為第j個決策單元對第i種輸入的投入量，yrj為第j個決策單元對第r種輸出的產出量，xik與yrk以此類推。

DEA有效性的判斷規則為：當效率值最優解θ*等于1，且S-和S+都等于0時為DEA強有效；僅有θ*等于1，S-和S+不等于0時為DEA弱有效；θ*小于1為DEA無效。

4 實證研究

4.1 評價指標和數據的選取

指標的選取對DEA分析至關重要[15]。有關評價指標的選取主要從三個方面進行考慮。其一，指標與決策單元（Decision Making Units，DMU）的數量關系。錢玉琪認為投入產出指標的個數一般少于DMU的個數[16]。DEA作為一種非參數分析方法，對DMU數量的要求較少，但較少的DMU可能會導致大部分DMU有效的情況，從而降低了DEA對DMU效率的區分能力。其二，研究指標的選取。研究國內外其他學者運用DEA對物流效率的評價文獻，發現指標的選取沒有統一的標準，但是存在很大的相似性。其三，數據的可得性和相關性。一般而言，在指標類型較多的情況下需要考慮指標之間是否存在相關性。但相關性僅僅是加大了數據搜集和計算的難度，并不影響DEA計算的結果。另外鑒于水路運輸對于揚子江城市群發展具有重要的意義，本文將水運指標也納入DEA模型的分析。綜合以上考慮，構建了如下的DEA評價指標體系（見表1）。并根據相關指標，收集整理了2013-2015年相關的物流數據（見表2）。數據主要來源于2014-2016年的《中國城市統計年鑒》，以及江蘇省統計局和各市統計局的統計數據。

表1 本文的DEA評價指標體系

4.2 DEA計算結果與分析

基于表1的指標與表2的相關數據，運用MAXDEA軟件對揚子江城市群的8個城市2013-2015年的物流業進行了效率計算，計算結果見表3。依據表3的計算結果繪制了2013-2015年綜合技術效率的對比折線圖（如圖2所示）。同時對揚子江城市群內部非DEA有效的決策單元進行了投入冗余與產出不足的分析（見表4）。

（1）縱向結果與評價。從表3可以看出，2013年揚子江城市群的8個城市中，南京、蘇州、鎮江、泰州的綜合技術效率值為1。這表明它們的DEA效率為有效，DEA有效城市的占比為50%。非DEA有效的城市中最低為揚州，其綜合技術效率值為0.56。2014年揚子江城市群的8個城市中，蘇州、常州、鎮江為DEA有效城市，DEA有效城市的占比為37.5%。較之2013年，南京、泰州的綜合技術效率有所下降，變為DEA無效城市。常州則上升為DEA有效城市。非DEA有效城市中，揚州以綜合技術效率值0.63仍居最后。2015年揚子江城市群的8個城市中，蘇州、常州、鎮江、南通的綜合技術效率值為1。DEA有效城市的占比為50%。較之2014年，南通的綜合技術效率值上升為1，實現了DEA有效。非DEA的有效城市中，揚州的綜合技術效率值仍然為最低（0.62）。這反映出非DEA有效城市中個別城市的物流業得到了一定發展，但未實現整個城市群物流業的協同發展。

表3 2013-2015年DEA計算結果

圖2 2013-2015年綜合技術效率趨勢圖

表4 2013-2015非DEA有效城市物流投入冗余與產出不足分析結果

（2）橫向結果與評價。從圖2可以看出，2013-2015年間效率值波動較大的城市有南通、南京、泰州3個城市。其中南通的效率值波動最大，效率值差額為0.32。波動性不大的城市有無錫、揚州、常州3個城市。其中無錫和常州的效率值在較高水平波動，揚州的效率值在較低水平波動。從圖2中可以看出，揚州是無錫、揚州、常州3個城市乃至整個揚子江城市群中的低谷，是揚子江城市群內部物流業發展的一個短板。蘇州和鎮江的物流效率值在3年內皆達到了DEA有效。結合上述，波動性分析與表3的計算結果表明，揚子江城市群物流業的發展水平具有明顯差異。具體表現為，整個揚子江城市群8個城市在2013-2015年間的物流平均效率值為0.86，蘇南5個城市的物流平均效率值為0.93，高于整個城市群的平均值。蘇中3個城市的物流平均效率值為0.75，低于整個城市群的平均值。

（3）純技術效率分析。從表3可以看出，2013年揚子江城市群的8個城市中南京、蘇州、無錫、鎮江、泰州均為純技術效率有效，純技術效率有效城市的占比為62.5%。無錫的綜合技術效率為無效。導致無效的原因為規模效率無效。揚州的純技術效率值為0.59，是整個城市群的最低值。2014年揚子江城市群的8個城市中，蘇州、無錫、常州、鎮江的純技術效率有效，純技術效率有效城市的占比為50%。較之2013年，南京和泰州變為純技術效率無效城市，常州則變為純技術效率有效城市。2015年揚子江城市群的8個城市中，蘇州、無錫、常州、鎮江、南通為純技術效率有效，純技術效率有效城市的占比為62.5%。較之2014年，南通變為純技術效率有效。成剛提出技術效率反映了一個生產單元的生產過程達到行業技術水平的程度，因此稱為“技術”效率[17]。從城市群整體來看，南京和泰州在2013-2015年間的物流業技術效率逐漸下降，反映了城市物流技術水平發展滯后。常州和南通的城市物流技術水平則得到了較大提升。技術水平的提高為物流業效率的提升乃至經濟的持續健康發展提供了強勁的動力。

（4）規模效率分析。從表3可以看出，2013年揚子江城市群的8個城市中，南京、蘇州、鎮江、泰州4個城市為規模效率有效，規模效率有效城市的占比為50%。規模效率無效的城市中，最低的為南通（0.78），最高的是常州（0.98）。其中常州、揚州、南通的規模收益呈遞減趨勢，無錫的規模收益呈遞增趨勢。2014年揚子江城市群的8個城市中，蘇州、常州、鎮江、泰州為規模效率有效城市，規模效率有效城市的占比為50%。規模效率無效的城市中，南京的規模效率最高（0.96），南通的規模效率最少（0.76）。其中南京和無錫的規模收益呈遞增趨勢，揚州和南通呈現規模收益遞減。2015年揚子江城市群的8個城市中，蘇州、常州、鎮江、南通為規模效率有效城市，規模效率有效城市的占比為50%。規模效率無效的城市中，揚州的規模效率最高（0.99），無錫最低（0.8）。其中南京和無錫仍呈規模收益遞增趨勢，揚州和泰州則呈規模收益遞減趨勢。較之前2年最大的不同是南通的純技術效率和規模效率都實現了有效。探究上述規模效率無效，但規模收益呈遞減趨勢的城市（如2013年的常州、揚州、南通），發現這些城市存在規模投入不合理、盲目擴大物流規模的現象，從而導致了其規模投入未能實現有效的產出。因此，這些城市需要進行理性的物流規模投入，不能盲目擴大規模。

（5）投入冗余與產出不足分析。從表4可以看出，2013-2015年揚子江城市群的8個城市除了蘇州、鎮江外都存在投入冗余的現象。尤其體現在船舶的擁有量上：2013年的無錫、2014-2015年所有DEA無效的城市都需要在現有的基礎上，降低對船舶數量的投入。從從業人數方面看，南京在2014和2015年都出現了物流從業人數的冗余。因此，需要適當控制物流業從業人數的盲目擴大，從而促使勞動力資源在全社會的合理分配。在公路里程方面，南通在2013和2014年都存在投入冗余的現象，在2015年則實現了公路里程方面的投入合理化。

5 建議

本文構建了全社會船舶擁有量、從業人數、公路總里程3個輸入指標和物流業生產總值1個輸出指標。選取了2013-2015年揚子江城市群8個城市的物流業相關數據。運用了DEA模型對各個城市的物流運行效率進行了計算分析。根據這些理論分析結果，本文建議：

（1）引導生產要素的合理流動，促進產業結構優化。結合前文計算分析結果，可知南京由2013年的DEA有效變為到2014、2015年的無效。數據方面直觀反映的問題為：規模投入不夠、技術發展滯后及存在部分指標的投入冗余（如過多的船舶擁有量和物流業從業人數）。鑒于此，南京物流業的優化發展需要進行合理的產業結構優化，加大對物流業的技術支持與擴大物流業的規模。另外，在現有的基礎上，減小對船舶的制造規模以及合理的引導勞動力要素的流動。無錫在2013-2015年都為規模效率不足從而導致DEA無效。但無錫的物流業規模收益為遞增的，因此，無錫可以在現有的技術水平下通過擴大物流業的生產規模以提高物流業整體運行效率。在擴大規模的同時，應考慮投入冗余的影響，適當下調船舶擁有量有利于其物流效率的提高。

（2）避免盲目的規模投入，理性的追求物流業效率提升。由上述計算分析結果可以看出，非DEA有效的城市（多為蘇中城市）多表現出規模效率不足，同時存在規模收益遞減的情況。因此，存在著投入浪費的問題。這表明蘇中的這些城市，在追求發展速度的同時，需要避免物流規模的盲目擴大。其中非DEA有效城市中問題較突出的為揚州。2013-2015年揚州的綜合技術效率都為無效，且各項效率值大多在整個城市群中也處于較低水平。因而對于揚州的發展應該加大規模投入，努力提高物流業的技術水平，從而推動揚州物流業較快、較好的發展，進而實現整個城市群的協調發展。

（3）打造多個增長極，推動城市群建設。由圖2可以看出，蘇州和鎮江的物流業效率3年內皆為DEA有效。對DEA有效的城市而言，在城市群規劃發展中需要明確自身的定位，積極發揮本市在城市群規劃建設中的作用。區域一體化并非區域平均化，需要以經濟發達、輻射力較強的中心城市為依托。因而，城市群的發展要充分發揮蘇州等中心城市在創新驅動、經濟轉型中的示范引領作用，努力打破行政區劃等因素造成的阻隔。DEA有效的城市通過開展人才聯合培養與技術互通等方面的合作，幫助區域內其他DEA無效城市的物流業發展。例如，鎮江的物流業發展可以同打造鎮江歷史文化名城的功能定位結合，同時在物流發展中抑制物流對環境造成危害，實現物流和環境的協調發展，發展綠色物流業。