基于DEA-Malmquist模型的陜西省物流產業效率綜合評價

張萌物 漆棪

摘要：文獻研究發現，對物流業效率的研究大多集中在對效率值的高低進行測度，對整體靜態效率和動態效率進行綜合對比分析的研究不足;此外，研究區域主要是中、東部、長江經濟帶等經濟區，對陜西省物流產業效率的研究極少。基于此，研究以陜西省物流業為研究對象，應用DEA方法和Malmquist全要素生產率模型對2007—2016年陜西省物流業的動態效率和靜態效率進行綜合評價分析。首先，對綜合效率進行靜態評價，并分析造成效率水平的原因;其次，運用Malmquist全要素生產率模型對陜西省物流產業效率進行動態分析，并分解出效率變動的原因。靜態評價的結果顯示，陜西省物流產業靜態效率均處于較低水平，與其他省相比，也處于落后位置;動態分析及效率分解的結果說明，陜西省物流產業全要素生產效率總體呈下降趨勢。對得到的結果做進一步的分析，結果表明：純技術效率的低下和技術運用水平的下降是造成陜西省物流產業效率低下的主要原因。最后，結合靜態評價和動態分析的結果，提出提高陜西省物流產業效率的建議。

關鍵詞：物流產業;靜態效率;動態效率;全要素生產效率;效率分解

中圖分類號：F 5文獻標識碼：A文章編號：1672-7312（2019）02-0237-07

0引言

資源的有效利用一直以來是經濟學領域的熱點研究問題，產業效率的提升是產業振興與發展的重要手段。近年來，陜西省物流業發展較快，但行業成長模式粗放、產業效率較低等問題日漸凸顯，對于物流效率的研究也因此逐漸成為關注的焦點。如何有效的提高現有資金、資源的利用效率，明晰物流產業的發展方向和規模，并將有限的資源投入到最需要的地方，對物流業發展具有重大意義。

當前，DEA是物流效率評價中使用最多的方法。對DEA的研究分2類，一是DEA方法的改良研究，二是應用DEA方法從不同的視角（企業、省份、國家）研究相關效率指標。改良DEA的研究有2種，第一種是將 DEA方法與其他相關模型結合，如Chun-hua Ju，Changbing Jiang等運用DEA-PCA方法評價珠江三角洲 25個城市地區的物流基礎設施效率 [1];Rita Markovits-Somogyi，Zoltán Bokor將數據包絡分析和層次分析法結合評價29個歐洲國家的物流效率[2];Marcus Vinicius Pereira de Souza等將 DEA方法和 SFA（貝葉斯隨機前沿分析）方法結合研究配電設施的成本效率 [3]。第二種是直接對DEA模型改進，如Ke Li，Boqiang Lin運用三階段DEA分析方法分析了中國制造業的生產效率 [4];郭露，徐詩倩利用超效率 DEA模型研究中部省份的工業生產效率[5]。除DEA相關模型外，評價物流產業效率的方法還有很多。例如，熊凱、甘碧群使用指標物流成本占GDP比值、庫存周期、貨運彈性、貨運強度、商品綜合運距、物流占總投資比值、物流就業人員比例與GDP增速之比等評價物流營銷效率 [6];鄔龍，張永安構建了隨機前沿生產函數模型（SFA）分析信息技術和醫藥兩大產業的創新效率[7]。與傳統DEA模型相比，SFA模型可以對某一決策單元進行時間序列分析，但無法分析決策單元效率無效的原因。

在研究對象方面，國外的相關學者傾向于從企業視角研究物流效率，通過局部企業物流運作效率研究以代表國家或者行業整體運作效率。但是，從企業視角研究物流效率會導致所選取的決策單元數量不足;此外，出于數據可獲得性的考慮，選取的企業均為上市物流企業，研究結果難以代表整個行業，所提建議可信度不高;另一方面，國外學者一般選擇某一時間內的靜態研究，沒有結合動態研究，會導致研究可能處于某個特殊階段，造成研究效率偏高或者偏低，可信度不足。而國內的研究大都針對我國某個省或市，在區域上主要集中在中部、東部地區，針對西部地區各省份物流產業效率的研究還顯不足。

文獻研究發現，既往的研究存在以下不足：大多研究僅僅是對效率值進行測算，對物流產業動態效率和靜態效率進行的綜合分析較少，因而難以全面把握物流業效率變化的特征[8]。而國內的研究大都針對我國某個省或市，在區域上主要集中在中部、東部地區，針對西部地區各省份物流產業效率的研究還顯不足。因此，以陜西省為研究對象構建物流產業效率評價指標體系，通過構建數據包絡分析模型對物流產業效率進行靜態評價，并對結果進行分析;之后，運用 Malmquist全要素生產率指數對2007—2016年的時間序列數據進行分析，以求了解陜西省物流產業效率的動態變化情況。

1模型構建

1.1模型選擇

數據包絡分析是以相對效率概念為基礎、以凸分析和線性規劃為工具發展起來的一種效率評價方法。數據包絡分析法對一組同類型的決策單元（DMU）的效率進行評價。該方法把生產函數看作一條邊界，位于生產函數邊界上的決策單元DEA有效，處于生產可能性集合中但不在生產函數上的決策單元DEA無效[9]。將某DMU的生產率與處于生產函數（邊界）上的DMU的生產率的比值定義為技術效率[10]。因此，技術效率總是小于等于1.當技術效率等于1時，該決策單元DEA有效;技術效率小于1時，該決策單元DEA無效[11]。

實際操作中，DEA模型通過DEAP軟件計算。確定指標體系后，在軟件中輸入數據，選擇合適的模型即可得到結果。DEA模型無需確定指標權重，可以處理多投入多產出問題，此外，還可以進一步分析決策單元效率無效的原因，并找出改進方向，因而該方法具有很強的優勢[12]。但從測算方式可以看出，DEA計算得到的效率值是相對于其他同類DMU的靜態值，只能反映某個DMU相對于其他DMU而言是否達到了資源有效利用，而不能對某一決策單元不同時期的效率變化情況進行動態分析[13]。為了對不同時期的效率和技術進步進行動態衡量，研究同時運用Malmquist指數分析法對2007—2016年陜西物流產業技術效率變動、技術變動和全要素變動情況進行客觀衡量。

1.2指標體系構建

指標體系的建立從投入和產出2個角度出發[14]。投入要素包括生產過程中的人、財、物3方面資源。人，即勞動力投入，包括行業的從業人數、勞動時間、勞動強度等。考慮到數據的可獲得性，只保留從業人員數作為勞動力投入指標的替代;財，即資本投入，參考大多數文獻的做法，選擇固定資產投資作為資本存量的替代[15];物，即物質投入，是指在物流產業發展中投入建設的基礎設施。

產出指標是指所有投入要素參與生產后得到的財富，從表現形式看，有些產出是有形的，有些產出是無形的。具體到物流產業效率評價，一般可選用貨運量，貨物周轉量，客運量，旅客周轉量等代表有形的物流產出，物流產業總產值、物流產業增加值、物流業營業盈余等指標代表無形的物流產出[16]。

結合效率評價指標體系選取原則，對物流產業效率評價指標體系從輸入、輸出指標兩方面進行篩選[17]，結合文獻研究，最終確定釆取的物流產業效率評價指標體系，見表1.

由于西藏數據不全，港澳臺地區數據難以獲取，因此，本文投入產出指標總數為7，決策單元為30個省，30大于14，因此可以認為DEA模型評價結果具有合理的區分度。此外，我國目前沒有對物流產業的數據單獨統計。目前，許多學者 [19]將物流產業定義為交通運輸業、倉儲業和郵政業3個產業的綜合，針對物流業的研究也大都使用這3個產業作為物流業的替代。因此，研究使用的數據來自于統計年鑒中交通運輸業、倉儲業和郵政業相關數據的總和。

物流業固定資產投資（X1）：選取2007—2016年交通運輸、倉儲和郵政業固定資產投資，并以2007年為基期（2007年=100）的固定資產投資價格指數折算為不變價。由于缺少分行業固定資產投資價格指數，因此以全行業固定資產投資價格指數作為替代。

物流業從業人員數（X2）：選取統計數據中鐵路運輸業就業人員數、公路運輸業就業人員數、城市公共交通業就業人員數、電信和其他信息傳輸服務業就業人員數、郵政業就業人員數、裝卸搬運和其他運輸服務業就業人員數、水上運輸業就業人員數、航空運輸業就業人員數的總和。其中，青海、寧夏、新疆部分年份的“水上運輸業就業人員數”數據缺失，取相鄰2個年份的平均值作為替代。

物流網絡里程（X3）：使用鐵路貨運量、公路貨運量和水路貨運量三者的線路長度代替總路網里程，并以其簡單加總后的總和來度量物流網絡發展狀況。

物流業增加值（Y1）：使用交通運輸、倉儲和郵政業增加值作為替代。此外，以2007年為基期對數據進行處理，得到不變價格下的物流業增加值。

郵政網點個數（X4）、貨運量（Y2）、貨物周轉量（Y3）無需處理。數據來源于2007—2016年中國統計年鑒。

2陜西省物流業效率靜態評價與分析

建立投入導向的DEA-BCC模型，使用DEAP 21分別對2007—2016年30個DMU的物流效率進行評價，對結果整理，得到2007—2016年陜西省物流產業效率，見表2.

根據2007—2016年各省的綜合效率，分別得到2007—2016年全國物流業綜合效率的平均水平。將陜西省各年物流業綜合效率與全國物流業各年綜合效率的平均值對比，如圖1所示。由圖1可知，除2007，2008，2013年3年陜西省物流產業綜合效率高于當年全國平均物流產業綜合效率外，研究期內其他7年陜西省物流產業綜合效率都低于當年全國平均物流產業綜合效率。2007—2016年10年全國物流產業綜合效率的均值為0.844，陜西省物流產業綜合效率均值為0.757 9，低于全國平均水平。從整體來看，2007年到2016年期間，陜西省物流業綜合效率水平處于較低位置，在當前技術條件下仍需要進一步優化改善。

2）純技術效率反映的是在去除規模因素影響的情況下，物流產業投入資源的利用情況對技術效率的影響大小[21]。由表2可知，2007，2013年純技術效率有效，其余各年純技術效率非有效。

根據2007—2016年各省的純技術效率，得到2007—2016年全國物流業純技術效率的平均水平。將陜西省各年物流業純技術效率與全國物流業各年純技術效率的平均值對比，如圖2所示。由圖2可知，除2007，2013年陜西省物流產業綜合效率高于當年全國平均物流產業純技術效率外，研究期內其他7年陜西省物流產業純技術效率都低于當年全國平均物流產業純技術效率水平。2007—2016年陜西省物流產業純技術效率均值為0.770 6，綜合技術效率=純技術效率×規模效率[22]，純技術效率低下是造成綜合效率非有效的主要原因。在去除規模因素的影響下，投入資源的利用存在很大問題，需要進一步加強行業管理，重視對行業內人員的培訓，提高從業人員的專業素質，從人的角度提高資源利用率;此外，還可以通過引進先進技術，更換升級基礎設施等措施，從硬件方面提高投入要素的利用率。

3）規模效率是指去除技術因素的影響，考慮生產規模與生產效率的相適應性。2007年，規模效率值等于1，此時規模有效。說明目前條件下的投入能實現成本最低，收益最佳。由圖3可知，研究期內各年陜西省物流產業規模效率大于全國平均水平。陜西省物流產業規模效率均值為0.982 3，高于全國物流產業規模效率平均水平。此外，各年規模效率都高于0.8，陜西省物流業規模效率處于較高水平。

與當年全國平均效率對比

4）2007年規模報酬不變，此時增加投入，產出會同比例增加;2008—2011規模報酬遞增，增加投入，產出量會以更高比例增加，此時應適當增加投入;2012—2013規模報酬遞減，這2年不需要投入;2014年之后規模報酬遞增，應適當增加投入。

根據DEA分析結果，得到DEA非有效年份投入、產出的松弛變量。通過調整松弛變量，非DEA有效的決策單元可以變為DEA有效。s-i不為0，對應的投入指標存在投入冗余，說明該指標投入資源未能合理利用，存在資源浪費現象;s+j不為0，對應的產出指標存在產出不足，可能是投入不足或生產水平落后等原因導致。陜西省2007—2016年的松弛變量計算見表3.

由表3可知，整體來看，2007—2016年陜西省物流產業資源配置不合理，投入未能合理利用。從投入指標來看，冗余主要出現在指標“物流業從業人員數”和“物流網絡里程”上，說明為了追求發展，沒有結合陜西省物流產業實際發展情況，盲目擴張，引起效率低下。具體到各個年份，2007，2013年不存在投入冗余和產出不足;2010，2012，2014年存在投入冗余，無產出不足;2008，2009，2011，2015，2016既有投入冗余，又有產出不足。以2014年和2016年為例進行分析。

2014年陜西省物流產業規模報酬遞增。物流業從業人數、物流網絡里程存在投入冗余，冗余量分別為34 701人、1.67萬公里，表明資源未能充分利用。由于該年表現出規模報酬遞增趨勢，因此，可以通過調整資源投入結構和比例，達到資源的有效配置;此外，可以將物流業從業人數減少34 701人，物流網絡里程的投入減少1.67萬公里，實現資源充分利用。

2016年陜西省物流產業規模報酬遞增。從輸入指標來看，物流業從業人數、郵政網點個數存在投入冗余，冗余量分別為37 926人、142.45處，從產出角度來看，物流業增加值存在產出不足，不足量為29.906億元。說明過多的投入要素未能完全發揮應有的作用，可能存在產業結構不合理、發展模式不匹配、技術水平落后、管理水平低下等問題，導致投入無法轉化為產出，造成資源的不合理利用，浪費現象嚴重。物流產業結構有待進一步調整，以期提髙物流產業整體效率水平，進而實現物流產業的平穩較快發展。

3陜西省物流業效率動態變化分析

在DEA靜態分析基礎上，使用Malmquist模型衡量陜西省2007—2016年物流產業效率動態變動情況，并分解出引起這種變動的原因。使用DEAP2.1得到 Malmquist全要素生產率指數變化，并將其分解，分析生產率指數變化及其分解的動態變化情況。對結果進行整理，見表4，如圖4，圖5所示。

由表4可知，2010—2011，2011—2012，2012—2013，2014—2015年，陜西省物流產業Malmquist生產率指數小于1，表明在這4個時間，全要素生產率水平降低;除這4個時間段外，其余時間段的生產率指數大于1，表明全要素生產率水平在提高。為進一步分析造成生產率指數變化的因素，根據TFPch=Effch×TEch，分析技術變化和技術效率的變化。

技術變化：2007—2008，2009—2010，2010—2011，2011—2012，2012—2013，2013—2014年的技術變化大于1，表明在這6個時間內，存在技術進步;其余3個時間存在技術退步。研究期內技術變化均值為1.013，表明在研究期內，陜西省物流產業存在技術進步。

技術效率變化：2007—2008，2008—2009，2009—2010，2013—2014，2015—2016年的技術效率變化小于1，表示在這些時間段，技術效率在不斷降低。即在投入要素不變的情況下，實際產出在不斷減少，意味著被評價單元獲取最大產出的能力在下降。技術效率變化均值為0.945，表明在研究期內，陜西省物流產業技術效率下降。

從圖4可以看出，2007—2016年，技術效率變化與全要素生產率的變化趨勢基本一致，技術效率變化是造成全要素生產率變化的主要原因。為進一步分析技術效率的變化，根據Effch=PEch×SEch，將技術效率變化分解為純技術效率變化與規模效率變化[23]。

純技術效率變化：純技術效率反映了在一定的條件下創新的產出水平。2007—2008，2008—2009，2009—2010，2013—2014，2015—2016年純技術效率變化小于1，表明在這5個時間段，技術運用水平下降;其余4個時間純技術效率大于1，技術運用水平提高。研究期內技術變化均值為0.95，表明在研究期內，陜西省物流產業技術運用水平下降。

規模效率變化：規模效率深層次反映了管理水平。2007—2008，2008—2009，2009—2010，2012—2013，2015—2016年規模效率小于1，表明在這5個時間規模惡化;其余4個時間規模效率大于1，規模優化。整體來看，研究期內規模效率變化在1附近浮動，表明在研究期內，陜西省物流產業管理水平保持在相對穩定的狀態。

由圖5可知，技術效率變化與純技術效率變化的趨勢基本一致。可以得出結論，純技術效率變化是引起技術效率變化的主要原因。

由上述分析可知，造成生產率指數變化的主要原因是技術效率的變化，而技術效率變化是由技術運用水平是變化引起的，技術運用水平是造成生產率指數變化的主要原因。從表3得到的均值來看，2007—2016年，Malmquist生產率指數均值為0957，表明在研究期內，陜西省物流產業全要素生產率總體上呈下降趨勢，2016年全要素生產率指數較2007年下降4.3%.根據上述分析得到的結果可知，造成這種下降的原因是技術運用水平的下降。從結構上看，技術進步1.3%，技術效率下降5.5%，純技術效率下降5%，規模效率下降0.5%.可以得到結論：2007—2016年陜西省物流產業全要素生產率總體呈下降趨勢，造成這種下降的主要原因是技術運用水平的退步。

4結語

1）陜西省物流效率處于較低水平。從各年的具體情況來看，2007年綜合效率達到有效，投入要素得到最佳配置，資源得到充分利用。除2007年外，其余年份綜合效率水平均未達到有效。將陜西省各年的效率水平與當年的全國平均水平進行對比，發現陜西省物流產業效率發展處于較低水平，還未達到當前技術水平的最大產出，仍有待進一步改善。

2）技術效率低下是造成陜西省各年綜合效率非有效的主要原因。將綜合效率分解為純技術效率和規模效率，發現技術效率低下是造成陜西省各年綜合效率非有效的主要原因，說明投入還未達到最大利用。

3）2007—2016年陜西省物流產業全要素生產率呈下降趨勢，造成這種下降的主要原因是技術運用水平的退步。使用Malmquist模型得到2007—2016年Malmquist全要素生產率變化情況，并將其分解，分析生產率指數變化及其分解的動態變化情況，發現影響生產率指數變動的主要原因是純技術效率變化，即技術運用水平的退步是造成陜西省物流產業水平下降的主要原因。

綜合以上分析及陜西省物流業實際情況，提出以下建議。

1）控制投入要素的數量。由投入產出分析可知，物流業從業人員數、物流網絡里程存在著一定程度的投入冗余，說明為了追求發展，沒有結合陜西省物流產業實際發展情況，盲目擴張，引起了效率低下的問題。應合理投入，避免資源浪費。

2）協調資源配置。投入資源過量導致了資源利用效率低下的問題，陜西省物流產業純技術效率低下，且純技術效率低下是造成技術效率非有效的主要原因。這說明在投入資源的利用方面存在很大問題，需要進一步加強行業管理，重視對行業內人員的培訓，提高從業人員的專業素質，從人的角度提高資源利用率;此外，還可以通過引進先進技術，更換升級基礎設施等措施，從硬件方面提高投入要素的利用率。

參考文獻：

[1]JU Chun-hua，JIANG Chang-bing，CHEN Ming-yao.Research on logistics network infrastructures based on DEA-PCA approach：evidence from the Yangtze river delta region in China[J].Journal of Shanghai Jiaotong University，2012，17（01）：98-107.

[2]Rita Markovits-Somogyi，Zolt n Bokor.Assessing the logistics efficiency of European countries by using the DEA-PC methodology[J].Transport，2014，29（02）：137-145.

[3]Marcus Vinicius Pereira de Souza，Madiagne Diallo，Reinaldo Castro Souza etal.The Cost Efficiency of the Brazilian Electricity Distribution Utilities：A Comparison of Bayesian SFA and DEA Models[J].Mathematical Problems in Engineering，2010（2010）：1-20.

[4]Ke Li，Boqiang Lin.Impact of energy conservation policies on the green productivity in Chinas manufacturing sector：Evidence from a three-stage DEA model[J].Applied Energy，2016.Vol.168

[5]郭露，徐詩倩.基于超效率DEA的工業生態效率——以中部六省2003—2013年數據為例[J].經濟地理，2016，36（06）：116-121+58.

[6]熊凱，甘碧群.我國物流業的宏觀營銷效率研究[J].中國流通經濟，2004（04）：10-14.

[7]鄔龍，張永安.基于SFA的區域戰略性新興產業創新效率分析——以北京醫藥和信息技術產業為例[J].科學學與科學技術管理，2013，34（10）：95-102.

[8]Lai K H.Service capability and performance of logistics service providers[J].Transportation Research Part E，2004（40）：385-399.

[9]Borenstein D.Becker J L.Do Prado V J.Measuring the efficiency of Brazilian post office stores using data envelopment analysis[J].International Journal of Operations & Production Management，2004，（24）：1055-1078.

[10]Knemeyer A M.Murphy P R.Evaluating the performance of third-party logistics arrangements：a relationship marketing perspective.Journal of Supply Chain Management，2004，40（01）：35-51.

[11]Gengui zhou，Jokey min，Chao Xu and Zhenyu cao.Evaluationg the comparative efficiency of Chinesethird-party logistics providers using data envelopment analysis[J].International Journal of Physical Distribution and Logistics Management，2008，38（4）：262-279.

[12]趙文平，楊海珍.基于DEA的西部區域創新網絡效率評價[J].科研管理，2016，37（S1）：393-400.

[13]趙林，張宇碩，焦新穎，吳迪，吳殿廷.基于SBM和Malmquist生產率指數的中國海洋經濟效率評價研究[J].資源科學，2016，38（03）：461-475.

[14]王琴梅，張玉.絲綢之路經濟帶“核心區”物流業效率整體評價及分省區、分國別比較[J].陜西師范大學學報（哲學社會科學版），2017，09（46）：5.

[15]Chan F T S，Chan H K，Lau H C W，Ip R W L.An AHP approach in benchmarking logistics performance of the postal industry.Benchmarking：An international Journal，2006，13（06）：636-666.

[16]McMullen，Noh.Accounting for emissions in the measurement of transit agency efficiency：A directional distance function approach[J].Transportation on Research Part D，2007，12：1-9.

[17]王蕾，薛國梁，張紅麗.基于DEA分析法的新疆北疆現代物流效率分析[J].資源科學，2014，36（07）：1425-1433.

[18]廖虎昌，董毅明.基于DEA和Malmquist指數的西部12省水資源利用效率研究[J].資源科學，2011，33（02）：273-279.

[19]余泳澤，武鵬.我國物流產業效率及其影響因素的實證研究[J].產業經濟研究，2010（01）：65-71.

[20]任宇飛，方創琳，藺雪芹.中國東部沿海地區四大城市群生態效率評價[J].地理學報，2017，72（11）：2047-2063.

[21]盧曦，許長新.基于三階段DEA與Malmquist指數分解的長江經濟帶水資源利用效率研究[J].長江流域資源與環境，2017，26（01）：7-14.

[22]王琴梅，譚翠娥.對西安市物流效率及其影響因素的實證研究——基于 DEA模型和 Tobit回歸模型的分析[J].軟科學，2013，5（27）：5.

[23]蘇秦，李永飛，張艷.陜西省物流業與制造業現狀及聯動分析[J].統計與信息論壇，2011，26（12）：89-96.（責任編輯：王強）