基于DEA與灰色關聯模型的廣東城市物流效率分析

劉聯輝，張萍萍，李冬冬 （五邑大學 經濟管理學院，廣東 江門 529020）

LIU Lianhui,ZHANG Pingping,LI Dongdong (School of Economics&Management,Wuyi University,Jiangmen 529020,China)

0 引言

物流在國民經濟中發揮著重要作用，不僅被稱為當代企業的“第三利潤源泉”，更是國民經濟的重要組成部分和國家發展的基礎產業。眾所周知，經濟發展到一定程度，必然追求經濟發展質量與效率，其中物流效率直接決定物流業經濟發展質量[1]。近年來，物流效率問題成為國內學術界研究熱點之一。王琴梅等（2013）運用DEA模型對西安市2003～2010年的物流效率進行分析，并利用Tobit回歸模型評價物流效率與各個影響因素之間的相關性[2]。王蕾等（2014）運用DEA分析法對北疆8個地區2006～2012年的物流效率進行分析，發現物流DEA非有效的地區間物流效率差異比較大，主要是純技術效率非有效引起[3]。高詹（2014）運用數據包絡分析和空間計量模型，對河南省18個地級市城市物流效率的空間結構和效率溢出的影響因素進行研究[4]。倪明等（2015）以江西省為例，對2005～2013年物流效率進行評價，利用Tobit回歸模型對影響江西省物流效率的因素進行分析[1]。張璇等（2016）利用我國新絲綢之路經濟帶戰略規劃的西部省域和周邊國家2009～2014物流投入產出數據，三階段DEA模型對物流業綜合效率、純技術效率和規模效率進行衡量和評價[5]。綜上，目前國內對與物流效率的研究多為運用DEA模型進行物流效率評價，或結合評價對象的物流效率影響因素進行研究討論，而對DEA模型計算過程中的物流投入指標與物流效率之間的關聯情況研究較少。本文在對廣東21城市物流效率計算分析的基礎上，進一步運用灰色關聯模型對物流投入指標與物流效率的關聯情況作出研究。

1 物流效率DEA測度模型構建

1.1 物流效率指標選取

測度城市物流效率的指標包括投入指標與產出指標，在當前相關文獻研究中，物流效率測度的投入與產出指標選取具有一定差異性。王琴梅等（2013）對西安市物流效率進行測度，基于對物流效率概念的界定和DEA方法的應用，結合實際情況，選取交通運輸、倉儲和郵政業從業人員、投資總額、線路運輸長度、物流產業GDP作為投入指標，貨運量、周轉量作為產出指標[2]；孟魁（2014）使用三階段DEA方法研究中部地區在能耗和碳排放約束條件下的物流效率問題，選取的投入變量為物流從業人數、物流固定資產投資額、物流業能耗當量、物流業碳排放量，產出變量為GDP[6]；王蕾等（2014）對北疆8個地區物流效率進行計算分析，在對國內相關文獻有關物流業效率DEA研究的投入、產出指標選取進行總結，選取的投入指標為物流業投資、公共環境和社會保障投資、公路里程，產出指標為貨運量、貨物周轉量、物流業產值[3]。

結合當下物流效率測度研究過程中指標選取的情況，考慮對城市物流效率具有直接影響作用的影響因素，本研究從物流基礎設施投入、固定投資、人力資源投入3個方面考慮，選取了通車里程、交通物流業固定投資、交通運輸業從業人數作為投入指標。產出指標則考慮與投入指標具有直接關聯，且能夠較顯著地反映城市物流競爭力水平的指標變量，結合廣東省統計年鑒中統計分類結果，選取為貨物周轉量、交通運輸倉儲和郵政業產業總值、郵電業總量3個指標變量，并構建廣東省城市物流效率投入產出指標體系，如表1所示：

表1 廣東省城市物流效率投入、產出指標體系

1.2 物流效率DEA測度模型

1.2.1 基本DEA模型

假設有n個決策單元，記為DMU1,DMU2,…,DMUn，每個決策單元有m種投入和s種產出，第j個決策單元DMUj的投入和產出向量分別為xj=（x1j,x2j,…,xmj）T，yj=（y1j,y2j,…,ysj）T，j=1,2,…,n。設有待評價的決策單元DMUj0的投入產出為 （xj0,yj0）T，這里簡記為 （x0,y0）T，評價DMUj0有效性的DEA模型為：

其中v=（v1,v2,…,vm）T，u=（u1,u2,…,us）T分別為m種投入和s種產出的權系數。為了簡便計算，利用Charnes-Cooper變換和線性規劃對偶理論對基本DEA模型進行轉換，并引入非阿基米德無窮小量ε，得到模型：

其中：e?=（1,1 , …,1）T∈，e=（1,1 , …,1）T∈。這樣一來，判斷DMU是否為DEA有效的問題可轉化為模型的解是否滿足θ0=1,s-=0,s+=0。在C2R模型下計算的θ值為決策單元的技術效率值，在時計算的θ值為純效率值（記為θp），進一步可計算規模效率值θs=θ/θp。

1.2.2 SE-DEA模型

在C2R與BC2模型下，很可能出現多個DMU同時相對有效而無法作出進一步的評價與比較。Andersen和Petersen（1993）提出了一種超效率模型SE-DEA，其基本思想為在進行第j個DMU效率評價時，用其他DMU投入和產出的線性組合替代其投入和產出，而將第j個DMU排除在外。在SE-DEA模型下，一個有效的DMU可以使其投入按比率增加，而其效率保持不變，其投入增加比率即是其超效率評價值，其計算模型如下：

其中：λ= （λ1,λ2,…,λn）及 θse為n+1個變量，θse為超效率評價值。

結合物流效率指標選取結果，將通車里程、交通物流業固定投資、交通運輸業人數3個指標作為投入變量，貨物周轉量、交通運輸倉儲和郵政業產業總值、郵電業總量3個指標作為產出變量，即每個決策單元有3種投入和3種產出，結合待評價決策單元的各指標數值，對決策單元的物流技術效率值、純技術效率值、規模效率值，超效率值進行計算與評價。

2 廣東21個城市物流效率計算

2.1 數據來源

依據《廣東省統計年鑒2016》獲取廣東21個市物流效率投入產出指標變量源數據，如表2所示：

表2 物流效率投入產出指標數據

2.2 物流效率計算結果與分析

根據DEA的C2R與BC2模型計算廣東省21個市的技術效率值θ、純技術效率值θp、規模效率值θs，根據SE-DEA模型計算超效率值θse，運用EMS軟件求解，得到廣東省21個市物流效率測度結果，按超效率值降序排序，結果如表3所示：

依據表3計算結果，從技術效率值來看，深圳、廣州、東莞、韶關、河源、佛山、陽江7個城市的技術效率值為1，說明其物流效率相對有效；汕頭、惠州的技術效率值分別為0.989、0.947，仍具有一定的提升空間；排名靠后的城市為中山及以下的城市，技術效率值介于0.750～0.277之間，說明其物流系統效率改進與提升的空間較大。從純技術效率值來看，除去技術效率值為1的7個城市外，汕頭、中山、汕尾、珠海的純技術效率值也為1，說明其物流技術水平有效，規模效率低下是影響其技術效率的主要原因。11個純技術效率有效的城市中7個為技術效率有效，說明只是擁有良好的物流技術設施而沒有良好的物流管理，其物流效率仍不會達到最優水平。從規模效率值來看，物流規模效率有效的城市具有較大的物流量，應考慮增加物流資源的投入量；規模效率值小于1的城市，多數為經濟水平相對靠后的城市，這些城市存在物流資源過剩的現象，對已投入的物流資源進行整合，實現規模經濟效益是其提升物流效率水平的關鍵。從超效率值來看，深圳的超效率值最高且達到6.017，比第二位的廣州高出3.381，這與其優越的地理位置及發達的公路運輸網、物流貨運網等有直接關系。廣州、東莞、韶關、河源、佛山、陽江6個市的超效率值也都大于1，說明其在物流資源投入與配置上也具有一定的領先。

表3 廣東21個市物流效率計算結果

各城市物流效率值的大小取決于其物流指標的投入與產出水平，而物流資源的投入又在很大程度上決定了物流效益的產出，因此可以認為物流資源的投入對物流效率值具有較強的影響作用。為了探究兩者間的具體關聯情況，在得到21個市的相關物流效率值的基礎上，進一步對物流投入與效率間的關聯情況進行研究。

3 物流投入與效率關聯分析

3.1 關聯模型構建

本文采用灰色關聯模型對物流投入與效率進行關聯分析。灰色關聯分析的基本思想是根據序列曲線幾何形狀的相似程度來判斷其聯系是否緊密，曲線越接近，相應序列之間關聯度就越大，反之就越小，其主要步驟為：

（1） 確定分析序列，即參考序列yj和比較序列xj。

（3）產生對應差數列，提取最大與最小差值：對于無量綱處理后的參考序列比較序列進行絕對差值計算：

將通車里程（X1）、交通物流業固定投資（X2）、交通運輸業人數（X3）作為比較序列，技術效率值（θ）、純技術效率值（θp）、規模效率值（θs）、超效率值（θse）作為參考序列，依據上述步驟計算序列間關聯度，則可以得出物流投入與效率之間的關聯度值。

3.2 關聯結果與分析

將表2中X1、X2、X3與表3中各效率值作為比較序列和參考序列的源數據，通過關聯模型計算，可得物流投入與效率的關聯度值，結果如表4所示：

從表3可以看出，通車里程、交通物流業固定投資、交通運輸業人數3個指標與技術效率值關聯度值差異不大，即技術效率值受3項指標影響較為平均，而技術效率值反應城市的總體物流效率，這也說明其大小更取決于城市的綜合物流投入水平。純技術效率衡量的是物流技術水平，通車里程與其關聯度值為0.566，相對于交通物流業固定投資、交通運輸業人數具有一定的優勢，但并無太大差異。規模效率值反應物流資源投入及利用率水平，與規模效率值關聯度值最大的同樣為通車里程，可以認為通車里程對于規模效率值也具有較為顯著的影響。與超效率值關聯度值最大的指標為交通物流業固定投資與交通運輸業人數，且相對于通車里程優勢較為突出，即超效率值的大小受這兩個指標影響較顯著。

表4 物流投入與效率關聯度

4 結論與建議

本文對廣東省21個城市物流效率進行計算，發現21個城市間物流效率存在較大差異，且差異存在的主要原因為各城市物流資源投入、物流管理、物流裝備與技術、地理位置與經濟水平等方面層次不一。進一步對物流投入與效率指標間的內在關聯進行定量計算，找出了影響城市物流技術效率值、純技術效率值、規模效率值、超效率值的關鍵物流投入指標。

城市物流效率是衡量城市物流和經濟發展水平的一個關鍵因素，結合實證結果，本文對城市物流效率的提升提出以下建議：第一，加強物流基礎設施建設，滿足物流業發展需求。通車里程、交通物流固定投資等對城市物流效率的提升起到基礎性支撐作用，要不斷提升已有交通基礎建設水平和投資額度，加快物流業基礎建設的完善，使其與城市的物流發展水平相匹配。第二，注重物流管理水平的提高，發揮物流資源最大效用。良好的物流技術設施與物流管理對于城市物流效率的提升缺一不可，要注重物流管理高層次人才的培養，規范物流行業標準，促進物流企業或與其他行業間的協調與合作，充分發揮現有物流技術設施與裝備的潛力。第三，發揮比較優勢，注重區域聯動發展。應發揮各城市或區域間比較優勢，加強區域間的溝通和合作，從區域布局的視角完善自身物流資源的投入與配置。