基于DEA-GRA的物流业与制造业联动效率研究
——以江苏省为例

□ 黄慧君，汪 涵，游 爽

(南京理工大学 经济管理学院,江苏 南京 210094)

在经济全球化的国际竞争格局中，相关产业协同发展对增强国际竞争力的颇为重要。伴随供应链的迅猛发展，为制造业与物流业带来更多的需求与合作机会。江苏省物流业与制造业的两业联动从过去的简单外包、业务合作，逐步向相互渗透、战略合作方面发展。从物流统计监测平台来看，2017年工业企业外包货运量占84.07%，同比上升11.8个百分点；工业企业物流费用率为9.78%，同比下降0.4个百分点。江苏省丰厚的制造业家底和日益完善的物流体系，为物流业与制造业深度融合发展奠定了坚实根基。2018年江苏省为培育制造业集群，积极推进“制造+服务”融合发展，强化现代物流实现制造业与物流业的有效联动。本文评价目前江苏省物流业与制造业的联动效率，为江苏省两业融合发展提供理论借鉴与实践参考，具有重要的理论和现实意义。

效率问题作为当前学术界研究的重点领域，最早由Ethelbet(1923)对劳动生产率进行研究，随之学界对效率问题的研究不断深入。樊敏(2010)以提升物流产业效率为切入点对长三角等有代表性城市群物流产业运作效率及联动效率加以实证分析[1]。李永周(2018)对全国31个省份创新活动的技术创新有效性、经济有效性以及综合有效性进行评价[2]。任红霞(2019)构建农业生态效率评价体系，对兰西城市群静态效率和规模效率进行测算[3]。伴随产业结构优化升级，制造业与物流业融合发展日益受到关注和讨论。在两业联动机理方面：朱慧(2015)对制造业与物流业形成共同集聚的内在机理进行研究[4]；王珍珍(2012)从博弈双方有限理性的假设前提出发，构建制造企业与物流企业联动发展的演化博弈模型[5]。对两业联动的测度，学者大都采用计量经济学的分析方法进行研究。黄建华(2015)构建基于PCA-GRA的制造业与物流业协同度评价模型，对厦门市制造业与物流业的协同关系进行研究[6]；汤晓明(2015)运用结构方程模型对影响因素进行了筛选，进而通过对长三角地区的相关数据进行分析，构建了物流金融与区域经济的协同发展模型[7]；韦琦(2011)采用VAR模型，并通过格兰杰因果检验，发现制造业与物流业之间存在着长期均衡关系[8]。但两业之间的协调发展不仅体现在总量的同步增长，更是效率的适应与协同提升。鉴于此，通过对比分析现有的模型特点，选取数据包络分析(DEA)与灰色关联分析(GRA)相结合的方法，从两业联动效率角度对江苏省2008-2017年物流业与制造业的联动发展进行研究。

1 数据来源与变量选取

1.1 现状分析

江苏省具有良好基础和广阔前景去推进物流业与制造业深度融合发展。从制造业发展来看，江苏省拥有最大规模的制造业集群，形成了门类齐全的生产体系、巨大的运输网络和消费市场。制造业总产值占到全国的1/8、全球的3%，工业总产值超过16万亿元，利润超过1万亿元，均居我国首位。从物流业发展来看，江苏省物流业持续快速发展。作为新技术、新模式代表的“智慧物流”，是近年来江苏省物流业发展中的一个亮点。

江苏省自“十二五”规划以来物流业物流总额与工业总产值逐年增加，2017年两业都实现了10%以上的增速。制造业增加值从20978亿元上升到30125.42亿元，年均上涨1306亿元，发展比较迅速；物流业增加值从2127.93亿元增加到2017年3097.67亿元，年均增长138.53亿元。由此看出规划年间，制造业与物流业都获得了较大的发展。但物流业与制造业增速之间存在差距。从占GDP比重可知制造业占GDP比重较大，但呈现逐年下降的趋势，平均值为0.3947；而物流业占GDP比重呈现平稳的趋势，均值为0.0398。这说明制造业对GDP贡献率放缓，这也是制造业转型升级的原因之一。物流业虽对GDP贡献率增加，但物流企业规模小、竞争力弱的格局尚未得到根本改变，专业化、一体化的综合服务能力不足。两业内部结构均存在问题，且技术水平差距较大，在供需上存在不匹配现象。因此促进两业联动发展可能是一种有效的解决方式。

1.2 变量选取与数据来源

目前，反映物流业和制造业经济效率的指标种类很多，选取的指标体系根据评价目标而确定。输入指标考虑人财物三方面，输出指标考虑质量、数量两方面。因此基于指标选取的原则及模型基本要求选取物流业输入指标：固定资产投资(亿元)、从业人数(万人)；输出指标：货物周转量(亿吨公里)、物流业总产值(亿元)，制造业输入指标：固定资产投资(亿元)、规模以上工业企业从业人数(万人)；输出指标：工业增加值(亿元)、规模以上工业企业主营业务收入(亿元)。由于对物流业的统计数据没有确定的分类，本文采取国内外学者的做法将交通运输、仓储和邮政业的数据代替物流业相关数据。本文选取2008-2017年江苏省物流业与制造业相关数据，数据来源于《江苏统计年鉴》、《国家统计局》、《江苏省国民经济和社会发展公报》。

2 模型设定

查恩斯(Charnes al)1978年提出数据包络分析方法后，被成功地应用于各行业的效率评价中。邓聚龙教授1982年提出了灰色关联分析方法，越来越多的国内外学者交叉联合运用GRA和DEA方法进行测评效率[3]。本文采用DEA-GRA两阶段模型分析制造业与物流业的联动发展状况。首先运用DEA—CCR模型测算制造业与物流业的内部效率，再基于内部效率结果采用GRA得到制造业与物流业的关联度，以此来分析两业的联动效率。

2.1 数据包络分析(DEA)

数据包络分析是用于评价相同类型的多输入、多输出的决策单元的相对有效性的非参数方法。基本原理主要是通过保持决策单元(Decision Making Units，DMU)的输入或者输入不变，借助于数学规划方法和统计数据确定相对有效的生产前沿面，将各个决策单元投影到DEA的生产前沿面上，并通过比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性。本文采用DEA模型中的CCR模型对制造业与物流业等各产业内部效率进行评价。

假设评价的对象有n个决策单元DMUj(1≤j≤n)，每个决策单元j(j=1,2,…,n)都有m种类型的输出和p种类型的输入。其中xij表示第j个决策单元第i个投入，xij≥0(i=1,2,…,m)；yij为第j个决策单元的第i个产出，yij≥0(i=1,2,…，p)，其表示如式(1)所示。

Xj=(X1j,X2j,…，Xmj)T>0,j=1,2,…,nYj=(Y1j,Y2j,…,Ypj)T>0,j=1,2,…,n

(1)

分别用V和U表示输入、输出向量的权重，权重系数V∈Em和U∈Ep，决策单元j的效率评价指数hj。表达式如式(2)所示。

(2)

以第j0个决策单元的效率指数为目标(1≤j0≤n)，以所有决策单元(包括第j0个决策单元)的效率指数为约束，设DMUj0输入、输出为(xj0,yj0)，记为(x0,y0)，DMUj0相对有效性的CCR模型如式(3)所示。

(3)

CCR模型用于评价决策单元的综合有效性，若评价结果为有效，则是实现了规模有效和技术有效，要素实现最优化配置。

2.2 灰色关联分析(GRA)

灰色关联分析是根据因素之间发展趋势的相似或相异程度，来衡量因素间关联程度的一种方法。根据序列曲线形状的相似程度不同来判断系统中序列之间的联系程度，曲线越接近，相应序列的关联度就越大，反之越小[9]。具体的分析步骤如下：

①确定两个序列：参考序列(因变量数据)和比较序列(自变量数据)。本文将制造业为参考序列，物流业为比较序列。

②因为原始数据的量纲不同，需要对指标数据进行无量纲化处理。本文基于问题特征采用均值化方法。

③计算参考序列与比较序列对应元素的绝对差值，确定最大差值或最小差值，如式(4)所示。

Δi(k)=|Xi(k)-Yi(k)|(k=1,2,…,t)

(4)

④依据式(5)计算灰色关联系数

(5)

式(4)中，Δik=|x0(k)-xi(k)|表示k时刻两比较序列的绝对差，根据计算结果确定最大绝对差Δmax和最小绝对差Δmin；ρ为分辨系数，其意义是削弱最大绝对差数值太大引起的失真，提高关联系数之间的差异显著性，ρ∈(0,1)，ρ越小，关联系数差异显著，区分能力越强，ρ通常取0.5[10]。

⑤计算灰色关联度：考虑不同对象在总体观测中重要程度不一样，一般采用算术平均的方法计算，计算方法如式(6)所示：

(6)

根据计算出的关联度可以得到对象的综合评价结果，其中Ri∈(0,1)，Ri越大关联度越强。根据相关学者的研究经验，当0≤Ri≤0.4时，关联度弱；当0.4

基于DEA模型的计算结果，将制造业与物流业综合效率值作为灰色关联分析的参考数据列和评价对象指标序列，计算两产业间的关联度，并将其作为制造业与物流业联动发展的评价结果。

3 实证分析

3.1 产业内部效率分析

根据输入输出数据，利用数据包络分析软件DEAP2.1软件工具对江苏省2008-2017年物流业、制造业投入产出数据进行分析，即可得到产业内部的综合效率、纯技术效率和规模效率。如表1、表2所示。

综合效率反映投入要素相对于产出的有效利用程度。从表1可知，2008-2017年江苏省物流业综合效率呈现有效-无效-有效-无效-有效的波动循环特征。2008-2017年物流业的综合效率平均值为0.964，这说明十年间有3.6%的投入要素未被有效利用。其中有6年达到有效，其余4年均为DEA无效。2009、2010、2016年的技术无效和规模无效导致了DEA无效，其中2009-2010年规模效率低于纯技术效率，物流业的规模效用低。2015年未达到有效是规模效率造成。2016年纯技术效率低于规模效益这表示江苏省物流技术未达到现代物流技术的发展水平，一些先进的物流理念以及物流设备没有得到有效的利用，但总体上由综合效率指标可知江苏省物流业的综合效率较高。

表2 2008-2017年江苏省制造业CCR综合效率

由表2可知，2008-2017年江苏省制造业综合效率平均值为0.977，有2.3%的投入要素未产生贡献。有5年综合效率、纯技术效率和规模效率都为1，实现了DEA有效，资源利用效率最高。2009年、2013、2014年由于规模无效导致了综合效率无效，即在其他条件不变情况下，投入产出结构合理但规模不合理。而2010年和2015年纯技术效率和规模效率都低于1，说明需要对规模进行调整并还需要提高技术水平。与物流业相比，制造业整体内部效率高。

3.2 产业联动效率分析

基于上述分析结果，本文采用DPS软件展开灰色关联分析，分别求两业综合效率、两业纯技术效率、两业规模效率的关联度。采用均值法进行无量纲化处理，分辨系数p=0.5，结果如表3所示。

表3 2008-2017年江苏省物流业与制造业各效率关联系数及关联度

综合效率能够较全面的反映产业效率，所以基于综合效率的灰色关联度能够反映江苏省2008-2017年间制造业与物流业联动发展的效率。基于综合效率的关联度(0.7818)大于0.7，按照上述关联度等级界定，江苏省制造业与物流业的联动效果达到了较强水平。

纯技术效率关联度为0.863，关联度极强。制造业与物流业的纯技术效率关联性强表明两业的发展趋势是相似的。江苏省制造业经过多年的发展，无论是在技术利用上还是管理方法的创新上都是比较成熟，资源利用效率高。我国的物流企业发展较晚，社会物流需求处于初级阶段，因此对物流企业在技术与管理方法上没有过多的要求，因此有较高的纯技术效率。但是物流业波动大于制造业，这是因为物流业对专业的技术的利用率低。随着制造业的迅速发展，对物流业的专业化水平要求越来越高，第三方物流业企业、第四方物流、供应链物流等的出现，物流企业需要重视技术的投入和效用转化，不断提高资源利用率。规模效率(0.6490)小于0.7，关联度属于中等水平，小于综合效率、纯技术效率值，这表明江苏省制造业与物流业在投资方面联动效率低，发展不协调。

4 结论与对策

物流业与制造业2008-2017年内部效率都较高但不稳定，有效与无效交替出现。但比较来看，近年来江苏省制造业无论是综合效率还是纯技术效率和规模效率都趋于有效，且优于物流业内部效率。从物流业与制造业联动效果分析来看，江苏省物流业与制造业综合效率的关联度属于较强的水平等级，联动发展效果良好。然而问题在于在发展初期由于对物流业的需求单一，技术水平不高。随着经济的发展，产业的转型升级，对物流企业的需求多样化、服务质量高要求高，物流业应结合内外部条件实现转型，提高资源利用率。从上述结果分析可知规模效率的关联程度最低，这表明两业在投资方面未实现有效的合作。

在两业联动过程中，制造业占主导地位。随着物流业的快速发展，制造业应对物流外包有全新的认识，提高物流外包水平，降低企业物流费用。与此同时江苏省物流业要主动适应市场变化和客户需要，以智慧物流为重点，加速改造转型提档升级。由两业联动结果分析可知，制造业与物流业在规模效率关联度最低，究其原因是两者存在供需信息不畅。江苏省政府应建立信息共享平台，使两业实现信息互通。同时制定相关企业奖励政策，加强引导示范，对两业联动效率较高的企业给予奖励，鼓励制造企业将因物流外包而闲置下来的厂房、物流设备出租给有需要的物流企业。建立统一开放、竞争有序的物流市场，破除地方保护主义，促进物流企业网络化运作、规模化经营、集约化发展，积极引导制造业与物流业的合作。