基于三階段數(shù)據(jù)包絡(luò)分析的物流效率測(cè)評(píng)研究

高清平 吳德 吳海虹 徐雪文

1.浙江師范大學(xué)工學(xué)院； 2.金華經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)管理委員會(huì)；3.浙江宏昌電器科技股份有限公司總經(jīng)辦； 4.金華廣播電視大學(xué)財(cái)經(jīng)管理學(xué)院

引言：物流效率測(cè)度和評(píng)價(jià)是物流產(chǎn)業(yè)提高運(yùn)行質(zhì)量、增加物流效率、推動(dòng)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)的前提條件。只有準(zhǔn)確測(cè)度和評(píng)價(jià)物流效率，才能保證其后所開(kāi)展的物流管理活動(dòng)科學(xué)、有效。國(guó)內(nèi)外學(xué)者在物流效率測(cè)度和評(píng)價(jià)方面做了大量研究工作，取得了一系列豐碩的研究成果[1-3]。

盡管學(xué)者們?cè)谶@一領(lǐng)域取得了豐富的成果，但仍有一些問(wèn)題值得進(jìn)一步深入研究。首先，尚未發(fā)現(xiàn)研究浙江各地區(qū)物流效率測(cè)度和評(píng)價(jià)的文獻(xiàn)，現(xiàn)有研究多為靜態(tài)研究，較少涉及區(qū)域差異的分析。因此，從時(shí)間維度上研究浙江省各地區(qū)物流效率的動(dòng)態(tài)變化規(guī)律，以及從空間維度比較各地區(qū)物流效率的差異并分析其原因，就具有顯著的意義。另外，管理因素之外的環(huán)境因素、隨機(jī)誤差因素對(duì)物流效率的影響也較少考慮。在測(cè)度和評(píng)價(jià)物流效率時(shí)剔除環(huán)境因素、隨機(jī)誤差因素的影響，使測(cè)度和評(píng)價(jià)結(jié)果更客觀、更準(zhǔn)確。

一、模型與方法

數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，簡(jiǎn)稱DEA）是根據(jù)多項(xiàng)投入指標(biāo)和多項(xiàng)產(chǎn)出指標(biāo)，對(duì)具有可比性的同類型決策單元進(jìn)行相對(duì)有效性評(píng)價(jià)的一種數(shù)學(xué)規(guī)劃方法。該方法是運(yùn)籌學(xué)、管理科學(xué)、系統(tǒng)科學(xué)和數(shù)理經(jīng)濟(jì)學(xué)等多個(gè)學(xué)科交叉所形成的一個(gè)研究方向。

傳統(tǒng)DEA 模型的一個(gè)主要缺陷是，它將決策單元的實(shí)際效率與效率前沿面上效率的差距即決策單元無(wú)效率都?xì)w因于管理無(wú)效率，忽略了外部環(huán)境因素和隨機(jī)干擾因素對(duì)真實(shí)效率值測(cè)量的有害影響，然而事實(shí)上評(píng)估對(duì)象或決策單元所處的外部環(huán)境、隨機(jī)誤差等對(duì)它的效率值也是有影響的，并且這種影響是不能忽略的。針對(duì)傳統(tǒng)DEA方法的這一缺陷，H.O.FRIED, C.A.K.LOVELL, S.S.SCHMIDT and S.YAISAWARNG（2002）對(duì)傳統(tǒng)DEA方法進(jìn)行了改進(jìn)[4]。他們運(yùn)用隨機(jī)前沿分析模型，將環(huán)境因素對(duì)投入松弛量的回歸方程中的隨機(jī)誤差項(xiàng)分解為兩個(gè)部分：一部分是統(tǒng)計(jì)誤差項(xiàng)，假設(shè)它服從標(biāo)準(zhǔn)正態(tài)分布；另一部分是無(wú)效率項(xiàng)，假設(shè)它服從半正態(tài)分布。通過(guò)這一方法，在效率分析框架中能同時(shí)考慮外部環(huán)境因素、隨機(jī)誤差因素和管理無(wú)效率因素，從而為有效分離外部環(huán)境因素和隨機(jī)因素提供有效工具。

本論文采用三階段DEA方法從技術(shù)效率、純技術(shù)效率和規(guī)模效率三個(gè)層面研究浙江省物流業(yè)效率。參考蔣才芳、陳收的文獻(xiàn)，將三階段DEA模型處理問(wèn)題的方法介紹如下[5]。

（一）第一階段：初始效率值計(jì)算

此階段利用浙江省各市物流業(yè)原始的投入和產(chǎn)出數(shù)據(jù)，采用BCC (Banker-Charnes-Cooper) 模型計(jì)算各市物流業(yè)的技術(shù)效率TE（Technical Efficiency）、純技術(shù)效率PTE（pure Technical Efficiency）和規(guī)模效率SE（scale Efficiency)。標(biāo)準(zhǔn)的BCC模型為如下式：

（二）第二階段：利用SFA模型進(jìn)行誤差分解

基于第一階段初始效率值計(jì)算結(jié)果，求得了原始投入量的松弛變量（Slack Variables）值，接著以SFA成本邊界模型（Stochastic Frontier Cost Function）為工具建立回歸方程，將管理無(wú)效率因素、外部環(huán)境無(wú)效率因素以及隨機(jī)誤差因素等三個(gè)影響因素分離，剔除由外部環(huán)境無(wú)效率因素以及隨機(jī)誤差因素造成的決策單元投入冗余量，最后調(diào)整原始投入量的數(shù)值。

首先，本階段的隨機(jī)前沿回歸模型的被解釋變量就是第一階段投入產(chǎn)出變量的差額值。第一階段的投入松弛變量的計(jì)算式為：

其中，sij是第一階段決策單元j 在投入變量i上的松弛變量；xijλij為達(dá)成技術(shù)效率的目標(biāo)投入量。

然后，建立上述松弛變量與所選定環(huán)境解釋變量的回歸方程。用sij表示被解釋變量即松弛量，用zj表示環(huán)境解釋變量，建立如下m個(gè)獨(dú)立的回歸方程：

第三步，依據(jù)回歸結(jié)果調(diào)整各決策單元的投入變量值。首先，依據(jù)如下的條件估算式，可得管理無(wú)效率uij的估計(jì)量：

然后，以外部環(huán)境條件較差的決策單元為基準(zhǔn)，增加環(huán)境條件相對(duì)較好決策單元的投入，將所有決策單元調(diào)整到相同的外部環(huán)境條件，將隨機(jī)因素的影響考慮在內(nèi)。最后，以最有效決策單元為基礎(chǔ)，以最有效決策單元的投入項(xiàng)為基準(zhǔn)，根據(jù)，運(yùn)用以下的調(diào)整公式，對(duì)其它決策單元的投入變量值進(jìn)行調(diào)整：

其中，xij表示實(shí)際投入變量值，表示調(diào)整后的投入變量值。式右邊第一個(gè)中括號(hào)的意義是將各決策單元都調(diào)整至相同的外部環(huán)境下，第二個(gè)中括號(hào)的意義是使所有決策單元處于同樣的自然狀態(tài)中。

（三）第三階段：用經(jīng)過(guò)調(diào)整后的各決策單元的輸入量替換各決策單元原始的輸入量，再次運(yùn)用BCC數(shù)據(jù)包絡(luò)模型計(jì)算各決策單元的相對(duì)效率值，可得排除外部環(huán)境因素和隨機(jī)干擾誤差后各決策單元的相對(duì)效率值，能更客觀真實(shí)地反映各決策單元的實(shí)際效率狀況。

二、實(shí)例分析

（一）投入、產(chǎn)出和環(huán)境變量選擇

在參考文獻(xiàn)關(guān)于選擇投入、產(chǎn)出變量研究成果的基礎(chǔ)上[6-10]，本論文選擇投入變量為浙江省各市物流業(yè)的固定資產(chǎn)投資、從業(yè)人員數(shù)量，產(chǎn)出變量為物流業(yè)的產(chǎn)值、貨運(yùn)量。結(jié)合效率測(cè)度和評(píng)價(jià)的需要，選定各市GDP、政府支持為外部環(huán)境變量。

（二）數(shù)據(jù)來(lái)源

本論文的研究對(duì)象為浙江省各市物流效率。數(shù)據(jù)來(lái)源為研究年份的《浙江統(tǒng)計(jì)年鑒》、各市的統(tǒng)計(jì)年鑒以及國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)。

（三）結(jié)果分析

1.第一階段原始輸入數(shù)據(jù)DEA結(jié)果

利用DEAP2.1 軟件計(jì)算浙江省各市物流業(yè)的相對(duì)效率水平，分析結(jié)果如表1所示。

表1 2013年浙江省7市物流業(yè)效率值

從第一階段的相對(duì)效率計(jì)算結(jié)果來(lái)看，浙江省物流業(yè)效率仍然較低，且投入資源存在冗余浪費(fèi)，這主要是由較低的規(guī)模效率引起的。那么，究竟各市的物流業(yè)規(guī)模效率值是否被低估？純技術(shù)效率值是否被高估？究竟是物流業(yè)的相對(duì)效率值在客觀上較低，還是外部環(huán)境因素和隨機(jī)因素的影響，致使傳統(tǒng)數(shù)據(jù)包絡(luò)分析模型所測(cè)量的各市物流系統(tǒng)相對(duì)效率值不能客觀反映真實(shí)值？ 為回答上述疑問(wèn)，需要做進(jìn)一步深入的研究。

2.第二階段傳統(tǒng)SFA 回歸結(jié)果

以上述計(jì)算過(guò)程所得的各市各投入變量的松弛量作為被解釋變量，以各市國(guó)內(nèi)生產(chǎn)總值、政府支持作為解釋變量，利用FRONTIER4.1軟件進(jìn)行SFA 回歸，結(jié)果如表2所示。

表2 第二階段2013年松弛變量的SFA回歸結(jié)果

將第一階段得出的各市各投入變量的松弛量作為被解釋變量，將各市國(guó)內(nèi)生產(chǎn)總值、政府支持作為解釋變量，利用FRONTIER4.1軟件進(jìn)行SFA 回歸?？疾飙h(huán)境變量的回歸系數(shù)，可得出如下結(jié)論：（1）從2010年的數(shù)據(jù)來(lái)看，政府支持對(duì)固定資產(chǎn)投資松弛變量、從業(yè)人員松弛變量的回歸系數(shù)均取負(fù)值，表明政府支持與物流業(yè)效率正相關(guān)，增加政府支持有助于提高物流業(yè)效率；（2）各市GDP對(duì)固定資產(chǎn)投資松弛變量、從業(yè)人員松弛變量的回歸系數(shù)均為正，但取值較小，表明地區(qū)GDP 的增加不會(huì)明顯損害物流業(yè)效率的提高。

3.第三階段投入量取值調(diào)整后的相對(duì)效率結(jié)果

依據(jù)前文所述的投入變量調(diào)整公式，對(duì)浙江省各市物流業(yè)投入量進(jìn)行調(diào)整后，得到新的投入變量值。利用Deap2.1 軟件，以調(diào)整后的輸入值為新的輸入數(shù)據(jù)，求解傳統(tǒng)的數(shù)據(jù)包絡(luò)分析模型，可得第三階段的三個(gè)效率值，運(yùn)算結(jié)果如下表3所示。

表3 浙江省7市物流業(yè)投入量調(diào)整前后平均效率值對(duì)比

對(duì)比排除環(huán)境和隨機(jī)因素影響前后的平均效率值可以看出，排除外部環(huán)境變量和隨機(jī)干擾因素的影響后，各市各年份物流業(yè)效率變動(dòng)較大。從各市物流產(chǎn)業(yè)效率的平均情況來(lái)看，第三階段綜合技術(shù)效率均值比第一階段有一定程度的上升，規(guī)模效率均值也有較大幅度的上升，而純技術(shù)效率均值亦有一定范圍的波動(dòng)。

三、結(jié)論

本文采用數(shù)據(jù)包絡(luò)分析方法測(cè)度浙江省各市的物流業(yè)效率，首先運(yùn)用基本數(shù)據(jù)包絡(luò)分析方法測(cè)度物流業(yè)效率，得出綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率數(shù)據(jù)；進(jìn)一步采用隨機(jī)前沿分析方法，分離投入冗余的管理無(wú)效率因素、環(huán)境影響因素和隨機(jī)干擾因素，剔除環(huán)境影響因素和隨機(jī)干擾因素的影響；最后再一次運(yùn)用數(shù)據(jù)包絡(luò)分析方法測(cè)度物流業(yè)效率。浙江省各市物流效率的測(cè)度實(shí)例驗(yàn)證了模型的科學(xué)新、有效性。