基于DEA与灰色关联模型的广东城市物流效率分析

刘联辉，张萍萍，李冬冬 （五邑大学 经济管理学院，广东 江门 529020）

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

0 引言

物流在国民经济中发挥着重要作用，不仅被称为当代企业的“第三利润源泉”，更是国民经济的重要组成部分和国家发展的基础产业。众所周知，经济发展到一定程度，必然追求经济发展质量与效率，其中物流效率直接决定物流业经济发展质量[1]。近年来，物流效率问题成为国内学术界研究热点之一。王琴梅等（2013）运用DEA模型对西安市2003～2010年的物流效率进行分析，并利用Tobit回归模型评价物流效率与各个影响因素之间的相关性[2]。王蕾等（2014）运用DEA分析法对北疆8个地区2006～2012年的物流效率进行分析，发现物流DEA非有效的地区间物流效率差异比较大，主要是纯技术效率非有效引起[3]。高詹（2014）运用数据包络分析和空间计量模型，对河南省18个地级市城市物流效率的空间结构和效率溢出的影响因素进行研究[4]。倪明等（2015）以江西省为例，对2005～2013年物流效率进行评价，利用Tobit回归模型对影响江西省物流效率的因素进行分析[1]。张璇等（2016）利用我国新丝绸之路经济带战略规划的西部省域和周边国家2009～2014物流投入产出数据，三阶段DEA模型对物流业综合效率、纯技术效率和规模效率进行衡量和评价[5]。综上，目前国内对与物流效率的研究多为运用DEA模型进行物流效率评价，或结合评价对象的物流效率影响因素进行研究讨论，而对DEA模型计算过程中的物流投入指标与物流效率之间的关联情况研究较少。本文在对广东21城市物流效率计算分析的基础上，进一步运用灰色关联模型对物流投入指标与物流效率的关联情况作出研究。

1 物流效率DEA测度模型构建

1.1 物流效率指标选取

测度城市物流效率的指标包括投入指标与产出指标，在当前相关文献研究中，物流效率测度的投入与产出指标选取具有一定差异性。王琴梅等（2013）对西安市物流效率进行测度，基于对物流效率概念的界定和DEA方法的应用，结合实际情况，选取交通运输、仓储和邮政业从业人员、投资总额、线路运输长度、物流产业GDP作为投入指标，货运量、周转量作为产出指标[2]；孟魁（2014）使用三阶段DEA方法研究中部地区在能耗和碳排放约束条件下的物流效率问题，选取的投入变量为物流从业人数、物流固定资产投资额、物流业能耗当量、物流业碳排放量，产出变量为GDP[6]；王蕾等（2014）对北疆8个地区物流效率进行计算分析，在对国内相关文献有关物流业效率DEA研究的投入、产出指标选取进行总结，选取的投入指标为物流业投资、公共环境和社会保障投资、公路里程，产出指标为货运量、货物周转量、物流业产值[3]。

结合当下物流效率测度研究过程中指标选取的情况，考虑对城市物流效率具有直接影响作用的影响因素，本研究从物流基础设施投入、固定投资、人力资源投入3个方面考虑，选取了通车里程、交通物流业固定投资、交通运输业从业人数作为投入指标。产出指标则考虑与投入指标具有直接关联，且能够较显著地反映城市物流竞争力水平的指标变量，结合广东省统计年鉴中统计分类结果，选取为货物周转量、交通运输仓储和邮政业产业总值、邮电业总量3个指标变量，并构建广东省城市物流效率投入产出指标体系，如表1所示：

表1 广东省城市物流效率投入、产出指标体系

1.2 物流效率DEA测度模型

1.2.1 基本DEA模型

假设有n个决策单元，记为DMU1,DMU2,…,DMUn，每个决策单元有m种投入和s种产出，第j个决策单元DMUj的投入和产出向量分别为xj=（x1j,x2j,…,xmj）T，yj=（y1j,y2j,…,ysj）T，j=1,2,…,n。设有待评价的决策单元DMUj0的投入产出为 （xj0,yj0）T，这里简记为 （x0,y0）T，评价DMUj0有效性的DEA模型为：

其中v=（v1,v2,…,vm）T，u=（u1,u2,…,us）T分别为m种投入和s种产出的权系数。为了简便计算，利用Charnes-Cooper变换和线性规划对偶理论对基本DEA模型进行转换，并引入非阿基米德无穷小量ε，得到模型：

其中：eˆ=（1,1 , …,1）T∈，e=（1,1 , …,1）T∈。这样一来，判断DMU是否为DEA有效的问题可转化为模型的解是否满足θ0=1,s-=0,s+=0。在C2R模型下计算的θ值为决策单元的技术效率值，在时计算的θ值为纯效率值（记为θp），进一步可计算规模效率值θs=θ/θp。

1.2.2 SE-DEA模型

在C2R与BC2模型下，很可能出现多个DMU同时相对有效而无法作出进一步的评价与比较。Andersen和Petersen（1993）提出了一种超效率模型SE-DEA，其基本思想为在进行第j个DMU效率评价时，用其他DMU投入和产出的线性组合替代其投入和产出，而将第j个DMU排除在外。在SE-DEA模型下，一个有效的DMU可以使其投入按比率增加，而其效率保持不变，其投入增加比率即是其超效率评价值，其计算模型如下：

其中：λ= （λ1,λ2,…,λn）及 θse为n+1个变量，θse为超效率评价值。

结合物流效率指标选取结果，将通车里程、交通物流业固定投资、交通运输业人数3个指标作为投入变量，货物周转量、交通运输仓储和邮政业产业总值、邮电业总量3个指标作为产出变量，即每个决策单元有3种投入和3种产出，结合待评价决策单元的各指标数值，对决策单元的物流技术效率值、纯技术效率值、规模效率值，超效率值进行计算与评价。

2 广东21个城市物流效率计算

2.1 数据来源

依据《广东省统计年鉴2016》获取广东21个市物流效率投入产出指标变量源数据，如表2所示：

表2 物流效率投入产出指标数据

2.2 物流效率计算结果与分析

根据DEA的C2R与BC2模型计算广东省21个市的技术效率值θ、纯技术效率值θp、规模效率值θs，根据SE-DEA模型计算超效率值θse，运用EMS软件求解，得到广东省21个市物流效率测度结果，按超效率值降序排序，结果如表3所示：

依据表3计算结果，从技术效率值来看，深圳、广州、东莞、韶关、河源、佛山、阳江7个城市的技术效率值为1，说明其物流效率相对有效；汕头、惠州的技术效率值分别为0.989、0.947，仍具有一定的提升空间；排名靠后的城市为中山及以下的城市，技术效率值介于0.750～0.277之间，说明其物流系统效率改进与提升的空间较大。从纯技术效率值来看，除去技术效率值为1的7个城市外，汕头、中山、汕尾、珠海的纯技术效率值也为1，说明其物流技术水平有效，规模效率低下是影响其技术效率的主要原因。11个纯技术效率有效的城市中7个为技术效率有效，说明只是拥有良好的物流技术设施而没有良好的物流管理，其物流效率仍不会达到最优水平。从规模效率值来看，物流规模效率有效的城市具有较大的物流量，应考虑增加物流资源的投入量；规模效率值小于1的城市，多数为经济水平相对靠后的城市，这些城市存在物流资源过剩的现象，对已投入的物流资源进行整合，实现规模经济效益是其提升物流效率水平的关键。从超效率值来看，深圳的超效率值最高且达到6.017，比第二位的广州高出3.381，这与其优越的地理位置及发达的公路运输网、物流货运网等有直接关系。广州、东莞、韶关、河源、佛山、阳江6个市的超效率值也都大于1，说明其在物流资源投入与配置上也具有一定的领先。

表3 广东21个市物流效率计算结果

各城市物流效率值的大小取决于其物流指标的投入与产出水平，而物流资源的投入又在很大程度上决定了物流效益的产出，因此可以认为物流资源的投入对物流效率值具有较强的影响作用。为了探究两者间的具体关联情况，在得到21个市的相关物流效率值的基础上，进一步对物流投入与效率间的关联情况进行研究。

3 物流投入与效率关联分析

3.1 关联模型构建

本文采用灰色关联模型对物流投入与效率进行关联分析。灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密，曲线越接近，相应序列之间关联度就越大，反之就越小，其主要步骤为：

（1） 确定分析序列，即参考序列yj和比较序列xj。

（3）产生对应差数列，提取最大与最小差值：对于无量纲处理后的参考序列比较序列进行绝对差值计算：

将通车里程（X1）、交通物流业固定投资（X2）、交通运输业人数（X3）作为比较序列，技术效率值（θ）、纯技术效率值（θp）、规模效率值（θs）、超效率值（θse）作为参考序列，依据上述步骤计算序列间关联度，则可以得出物流投入与效率之间的关联度值。

3.2 关联结果与分析

将表2中X1、X2、X3与表3中各效率值作为比较序列和参考序列的源数据，通过关联模型计算，可得物流投入与效率的关联度值，结果如表4所示：

从表3可以看出，通车里程、交通物流业固定投资、交通运输业人数3个指标与技术效率值关联度值差异不大，即技术效率值受3项指标影响较为平均，而技术效率值反应城市的总体物流效率，这也说明其大小更取决于城市的综合物流投入水平。纯技术效率衡量的是物流技术水平，通车里程与其关联度值为0.566，相对于交通物流业固定投资、交通运输业人数具有一定的优势，但并无太大差异。规模效率值反应物流资源投入及利用率水平，与规模效率值关联度值最大的同样为通车里程，可以认为通车里程对于规模效率值也具有较为显著的影响。与超效率值关联度值最大的指标为交通物流业固定投资与交通运输业人数，且相对于通车里程优势较为突出，即超效率值的大小受这两个指标影响较显著。

表4 物流投入与效率关联度

4 结论与建议

本文对广东省21个城市物流效率进行计算，发现21个城市间物流效率存在较大差异，且差异存在的主要原因为各城市物流资源投入、物流管理、物流装备与技术、地理位置与经济水平等方面层次不一。进一步对物流投入与效率指标间的内在关联进行定量计算，找出了影响城市物流技术效率值、纯技术效率值、规模效率值、超效率值的关键物流投入指标。

城市物流效率是衡量城市物流和经济发展水平的一个关键因素，结合实证结果，本文对城市物流效率的提升提出以下建议：第一，加强物流基础设施建设，满足物流业发展需求。通车里程、交通物流固定投资等对城市物流效率的提升起到基础性支撑作用，要不断提升已有交通基础建设水平和投资额度，加快物流业基础建设的完善，使其与城市的物流发展水平相匹配。第二，注重物流管理水平的提高，发挥物流资源最大效用。良好的物流技术设施与物流管理对于城市物流效率的提升缺一不可，要注重物流管理高层次人才的培养，规范物流行业标准，促进物流企业或与其他行业间的协调与合作，充分发挥现有物流技术设施与装备的潜力。第三，发挥比较优势，注重区域联动发展。应发挥各城市或区域间比较优势，加强区域间的沟通和合作，从区域布局的视角完善自身物流资源的投入与配置。