芻議我國(guó)各地區(qū)物流產(chǎn)業(yè)效率
相關(guān)鏈接： 北京安全網(wǎng) 北京質(zhì)量網(wǎng) 北京論文網(wǎng) 北京資訊網(wǎng)
摘要：物流業(yè)在社會(huì)經(jīng)濟(jì)發(fā)展中的作用越來越大，正確認(rèn)識(shí)、評(píng)價(jià)物流產(chǎn)業(yè)的效率也越來越重要，利用DEA方法分析我國(guó)各地區(qū)物流效率，結(jié)果發(fā)現(xiàn)我國(guó)物流產(chǎn)業(yè)規(guī)模效率較高，絕大多數(shù)省市處于規(guī)模報(bào)酬遞增階段，純技術(shù)效率偏低，導(dǎo)致物流技術(shù)效率較低，經(jīng)濟(jì)發(fā)展水平與物流效率無關(guān)。我國(guó)物流效率低下的主要原因是管理問題，應(yīng)在注重提高物流技術(shù)水平的基礎(chǔ)上改進(jìn)管理，優(yōu)化物流資源配置。
論文關(guān)鍵詞：物流,綜合效率,純技術(shù)效率,規(guī)模效率
近些年來，我國(guó)物流業(yè)發(fā)展迅速，逐漸成為各地區(qū)新的經(jīng)濟(jì)熱點(diǎn)，而如何使剛興起的物流業(yè)健康、有序的發(fā)展，成為當(dāng)前需要迫切解決的問題。而對(duì)各個(gè)地區(qū)的物流產(chǎn)業(yè)進(jìn)行效率評(píng)價(jià)，能過正確判斷該地區(qū)物流業(yè)發(fā)展的優(yōu)勢(shì)和劣勢(shì)，以及和其他地區(qū)的區(qū)別和差距，對(duì)各地區(qū)物流業(yè)的規(guī)劃和發(fā)展都有一定的啟示作用。
二、DEA理論及DEA模型簡(jiǎn)介
數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis，簡(jiǎn)稱DEA)是評(píng)價(jià)具有多個(gè)輸入和多個(gè)輸出的決策單元之間的相對(duì)效率的數(shù)學(xué)規(guī)劃方法，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)交叉研究的一個(gè)新的領(lǐng)域［1］。其實(shí)質(zhì)是利用數(shù)學(xué)規(guī)劃模型，根據(jù)一組關(guān)于輸入輸出的觀察值，計(jì)算每個(gè)DMU的觀察值與效率前沿面的距離來估計(jì)有效生產(chǎn)的前沿面，再將各DMU與此前沿做比較，從而進(jìn)行效率的比較。，若DMU觀察值落在此效率前沿面上，DMU具有完全效率，效率值為1。觀察值若不落在此效率前沿面上，DMU為相對(duì)無效率，效率值為0到1之間，其間的差距則代表無效率程度。DEA還可以判斷各個(gè)DMU的投入規(guī)模的適合程度，給出各DMU調(diào)整其投入規(guī)模的方向和程度。DEA模型具有與其他目標(biāo)評(píng)價(jià)方法不同的優(yōu)勢(shì)：不必先對(duì)各類數(shù)據(jù)進(jìn)行無量綱化處理，即輸入和輸出數(shù)據(jù)不受計(jì)量單位的影響；不需要主觀確定權(quán)重，這就避免了主觀因素對(duì)結(jié)果的影響；更重要的是無需知道各輸入指標(biāo)和輸出指標(biāo)之間的函數(shù)關(guān)系，可以同時(shí)計(jì)算多輸入和多輸出指標(biāo)。
1957年Farrell［2］在Debreu和Koopmans研究的基礎(chǔ)上，提出了多投入、多產(chǎn)出的DMU效率測(cè)度方法，在規(guī)模報(bào)酬不變的情況下，將經(jīng)濟(jì)效率分為技術(shù)效率和配置效率，技術(shù)效率反映的是在給定投入的情況下企業(yè)可以獲取的最大的產(chǎn)出能力，配置效率是分析如何以最優(yōu)的要素投入組合生產(chǎn)最優(yōu)的產(chǎn)品組合，技術(shù)效率與配置效率的乘積等于總的經(jīng)濟(jì)效率。
1978年Charnes，Cooper和Rhodes［3］提出規(guī)模報(bào)酬不變模型，這是最基本DEA模型，因此也稱為CCR模型。用不變規(guī)模報(bào)酬模型進(jìn)行效率評(píng)價(jià)時(shí)，必須假定各決策單元是位于最佳生產(chǎn)規(guī)模，否則所測(cè)的效率值中，就包含規(guī)模效應(yīng)的影響。為測(cè)算生產(chǎn)單元的純技術(shù)效率水平，Banker，Charnes 和Cooper［4］在1984提出了可變規(guī)模報(bào)酬(BCC)模型。
三、基于DEA的物流效率評(píng)價(jià)指標(biāo)體系
(一)輸入指標(biāo)主要從人力、物力、財(cái)力三方面考慮，人力方面選取交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)從業(yè)人員人數(shù)代表物流產(chǎn)業(yè)從業(yè)人員人數(shù)（萬人）；物力方面選取物流網(wǎng)絡(luò)里程的度量（公里），理論上講應(yīng)該是五種運(yùn)輸方式按實(shí)現(xiàn)的價(jià)值增加額的加權(quán)和，但限于數(shù)據(jù)的可得性和有效性，本文只考慮物流網(wǎng)絡(luò)里程中最主要的鐵路、內(nèi)河航道和公路三種方式，并以其簡(jiǎn)單加總后的總和來度量物流網(wǎng)絡(luò)發(fā)展?fàn)顩r；財(cái)力方面選取了各地區(qū)交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)固定資產(chǎn)投資額代表物流業(yè)固定資產(chǎn)投資額（億元）。
(二)輸出指標(biāo)主要從數(shù)量和質(zhì)量?jī)煞矫孢M(jìn)行評(píng)價(jià)，在數(shù)量方面，我們選取各交通運(yùn)輸方式的貨運(yùn)量（萬噸）來表示；在質(zhì)量方面我們選取了各省交通運(yùn)輸、倉(cāng)儲(chǔ)和郵電業(yè)產(chǎn)值數(shù)據(jù)，在統(tǒng)計(jì)中包含了電信業(yè)的產(chǎn)值，而我國(guó)交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)產(chǎn)值只有在國(guó)家層面有統(tǒng)計(jì)數(shù)據(jù)，因此，本文采取全國(guó)各省的交通運(yùn)輸、倉(cāng)儲(chǔ)和郵電業(yè)產(chǎn)值代替物流業(yè)產(chǎn)值（億元）。
四、我國(guó)各省物流效率實(shí)證分析
使用DEAP2.1軟件進(jìn)行分析，所有數(shù)據(jù)均來自2011年中華人民共和國(guó)統(tǒng)計(jì)年鑒（2010年的數(shù)據(jù)），在可變規(guī)模報(bào)酬和產(chǎn)出不變假設(shè)情況下，即在使用DEAP2.1軟件時(shí)選擇投入主導(dǎo)的BCC模型，將技術(shù)效率(TE)分解為純技術(shù)效率(PTE)與規(guī)模效率(SE)。純技術(shù)效率說明的是我國(guó)各省級(jí)行政單位的物流投入資源配置、技術(shù)進(jìn)步及管理的總體情況，反映了在產(chǎn)出不變條件下投入最小的能力。規(guī)模效率反映了我國(guó)各省級(jí)行政單位物流發(fā)展規(guī)模及增長(zhǎng)潛力情況，本質(zhì)上也是管理水平的反映。
2010年中國(guó)各省級(jí)行政單位物流產(chǎn)業(yè)效率的評(píng)價(jià)結(jié)果如表1所示，從總體上看，我國(guó)物流效率偏低，平均技術(shù)效率也即綜合效率僅為0.712，平均純技術(shù)效率為0.775，平均規(guī)模效率較高，為0.929，而技術(shù)效率是純技術(shù)效率和規(guī)模效率的乘積，而2010年我國(guó)的物流產(chǎn)業(yè)規(guī)模效率較高，說明我國(guó)物流效率偏低除了總體水平不高之外，主要是由于純技術(shù)效率偏低造成的。因此，我國(guó)物流業(yè)在資源配置及管理上，在人員、設(shè)備及物流生產(chǎn)理念上，都存在不少問題。
表1：中國(guó)各省級(jí)行政單位物流產(chǎn)業(yè)效率評(píng)價(jià)結(jié)果
省份
crste
vrste
scale
省份
crste
vrste
scale
北京
0.793
0.804
0.987
irs
湖 北
0.542
0.551
0.983
irs
天津
1.000
1.000
1.000
-
湖南
0.718
0.718
1.000
-
河北
1.000
1.000
1.000
-
廣東
0.719
0.908
0.791
drs
山西
0.651
0.654
0.995
drs
廣西
0.673
0.676
0.996
irs
內(nèi)蒙古
0.922
0.922
1.000
-
海南
0.627
1.000
0.627
irs
遼寧
0.844
0.890
0.948
drs
重慶
0.527
0.527
1.000
-
吉林
0.444
0.470
0.945
irs
四川
0.506
0.506
1.000
-
黑龍江
0.398
0.414
0.962
irs
貴州
0.763
0.796
0.959
irs
上海
1.000
1.000
1.000
-
云南
0.314
0.314
0.998
irs
江蘇
1.000
1.000
1.000
-
西藏
0.454
1.000
0.454
irs
浙江
0.914
0.956
0.956
drs
陜西
0.503
0.504
0.999
drs
安徽
1.000
1.000
1.000
-
甘肅
0.739
0.832
0.888
irs
福建
0.779
0.810
0.961
irs
青海
0.340
0.801
0.425
irs
江西
0.683
0.701
0.974
irs
寧夏
1.000
1.000
1.000
-
山東
1.000
1.000
1.000
-
新疆
0.403
0.425
0.948
irs
河南
0.830
0.834
0.995
irs
均值
0.712
0.775
0.929
crste不考慮規(guī)模收益時(shí)的技術(shù)效率（綜合效率）；vrste考慮規(guī)模收益時(shí)的技術(shù)效率（純技術(shù)效率）；scale考慮規(guī)模收益時(shí)的規(guī)模效率（規(guī)模效率），純技術(shù)效率和規(guī)模效率是對(duì)綜合效率的細(xì)分；最后一列irs,---，drs,分別表示規(guī)模收益遞增、不變、遞減。
從綜合效率看，天津、河北、上海、江蘇、安徽、山東、寧夏都達(dá)到了完全技術(shù)有效，即純技術(shù)效率和規(guī)模效率同時(shí)有效。綜合效率最低的有云南、青海、新疆等，主要是由于這些省整體經(jīng)濟(jì)環(huán)境差， 物流業(yè)的各項(xiàng)硬件和軟件設(shè)備都跟不上造成的。
從純技術(shù)效率看，天津、河北、上海、江蘇、安徽、山東、海南、西藏都達(dá)到了完全有效，這說明近幾年西藏、海南的物流業(yè)發(fā)展健康、有序。物流純技術(shù)效率較低的是云南、新疆、黑龍江等，這些省可以通過引進(jìn)先進(jìn)技術(shù)設(shè)備、加強(qiáng)內(nèi)部管理、提高從業(yè)人員素質(zhì)等方式來解決的。
從規(guī)模效率看，總體上較高，均值為0.929，完全規(guī)模有效的有天津、河北、內(nèi)蒙古、上海、江蘇、安徽、山東、湖南、重慶、四川等，規(guī)模效率較低的只有西藏和青海，這說明西藏和青海的投入產(chǎn)出沒有達(dá)到規(guī)模最優(yōu)狀態(tài)。
從規(guī)模報(bào)酬看，山西、遼寧、浙江、廣東屬于規(guī)模報(bào)酬遞減階段，這說明這些省物流業(yè)沒必要再增加投入量，而應(yīng)當(dāng)考慮加強(qiáng)投入資源的管理，充分利用現(xiàn)有的物流資源，以使其達(dá)到最大的產(chǎn)出效果。其他各省都處于規(guī)模報(bào)酬遞增或不變階段。
五、結(jié)論
近年來，我國(guó)物流業(yè)取得了長(zhǎng)足的發(fā)展，如高速公路、港口碼頭、高速鐵路等基礎(chǔ)設(shè)施建設(shè)，但是目前物流產(chǎn)業(yè)整體效率仍然較低，而且東部經(jīng)濟(jì)發(fā)達(dá)地區(qū)與中西部地區(qū)物流效率并沒有明顯的差距，說明我國(guó)物流的技術(shù)水平、管理水平普遍較低，而且地區(qū)間的差距不大，總之，我國(guó)物流規(guī)模提升還有相當(dāng)大的空間。
參考文獻(xiàn)：
［1］魏權(quán)齡，評(píng)價(jià)相對(duì)有效性的DEA方法—運(yùn)籌學(xué)的新領(lǐng)域[M]．北京：中國(guó)人民大學(xué)出版社，1988．
［2］Farrell M J．The Measurement of Productive Efficiency．Journal of the Royal Statistical Society[J]．Series A，General，1957．120(3)：253-281．
［3］21Charnes A，Cooper W W，Rhodes E．Measuring the Efficiency of Decision Making Units[J]．European Journal of Operational Research，l 978(2)：429-444．
［4］31Banker R D，Charnes A，Cooper W W．Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J]．Management Science，1984，30(9)：1078-1092．
