基于DEA模型的华东地区物流效率研究

文/王梓桥 夏如玉

0.引言

物流业作为国民经济的重要基础产业之一，在社会上具有重要地位，物流效率的高低，可以影响一个地区的经济水平。华东地区位于东部沿海，是我国经济最为发达的地区，汇聚了大量的物流、商流，对华东地区的物流能力提出了高的要求。物流效率可以反映物流资源投入是否合理，从而找出薄弱点。因此，物流效率的评价有着十分重要的现实意义。目前国内外对于物流效率的研究较为全面，学者们主要使用DEA（数据网络分析）方法进行研究。郑梦琪[1]运用DEA模型黄河流域测度物流效率。周祺，袁小慧[2]使用DEA模型对江苏省物流效率进行评价分析。也有学者将DEA进行改进或是与其他方法结合使用对物流效率进行研究[3-4]，从评价对象来看，国外学者更偏向从于公司，港口等微观层面对于物流效率进行分析[6]，而国内的学者更多的是以国家，区域等宏观角度研究[7-8]。目前对于我国华东地区物流效率的研究较少。基于此，本文运用DEA模型对华东地区物流效率进行评价研究，从而发现华东地区物流发展过程中存在的问题。

1.研究方法

数据包络分析是一种用于效率评价的线性规划模型，由于DEA方法可以在不设定权重的前提下快速有效的评价决策单元的效率值，因而被广泛应用于各种领域。本文构建的DEA模型

θ 表示为综合效率指数，θ=1时，表明该决策单元效率值达到相对最优，称为DEA有效。V和W 分别表示投入指标个数及产出指标个数，N表示决策单元个数，Xnv则表示第n个决策单元的第v项投入指标，λn为权重系数，Ynw表示第n个决策单元的第w项产出指标，K－和K+分别为投入冗余和产出不足量。

2.指标选取及数据来源

本文参考国内外学者对于物流效率的研究，选取交通运输、仓储业和邮政业从业人数，物流运输网络营运里程以及交通运输、仓储业和邮政业固定资产投资额作为物流投入指标，选取货物运输量，货物周转量以及交通运输、仓储业和邮政业增加值作为产出指标。本文选取华东地区上海市、江苏省、浙江省、安徽省、福建省、江西省、山东省共7省市作为研究对象，华东地区2011～2020年物流投入产出数据主要来源于7省市《国民经济和社会发展统计公报》。

3.实例分析

本文运用DEA-Slover13软件，采用DEA-BBC模型，测算2011～2020年华东地区物流效率7个省市物流产业的综合效率（TE）、纯技术效率（PE）及规模效率（SE）结果如表1及图1所示。

表1 2011—2020年华东地区各省市物流效率

图1 2011—2020年华东地区整体物流效率

从整体分析，综合效率均值为0.865，表明整体效率不是很高，还有提高空间。纯技术效率均值为0.918，说明技术水平和技术水平提升潜力较好，可以进一步分析和研究当前技术水平的瓶颈和未来发展趋势，以促进技术水平的提升。规模效率均值为0.942，表明华东地区在物流资源利用方面表现良好，但有可能还存在规模效益未充分利用的情况，可以通过进一步优化物流组织结构和资源配置，提高规模效益的利用程度，从而进一步提升效率。

分地区来看：上海、江苏、安徽综合物流效率水平高于其他省市，表明这些地区的物流行业在资源配置、管理效率等方面表现较好；浙江、福建、山东，处于第二梯队，其综合物流效率均值略低，可以通过进一步优化物流组织和资源配置，提升物流效率。江西明显低于其他省市，物流效率均值仅有0.735，表明该地区物流行业存在着一些问题。可能需要进一步深入分析，制定有针对性的政策和措施。从综合效率的构成分析，江苏、安徽技术效率较高，浙江、上海、福建、山东技术效率有所不足；江西省技术效率均值为0.811，表明江西省技术发展说明与技术利用水平有待提高，规模效率视角下，上海、江苏、浙江、安徽和江西均较高，福建与山东处于较低水平。从综合技术效率、纯技术效率以及规模效率三者构成关系来看，华东地区物流效率更取决于纯技术效率的贡献。

4.建议

（1）优化物流网络：优化物流网络设计，包括仓储、运输、配送等环节，减少物流路径和运输时间，降低物流成本。（2）加强物流从业人员的培训和管理，提高物流人员的素质和技能水平，提高物流质量。（3）引入大数据技术：利用大数据技术分析物流数据，预测需求、优化路线、提高配送效率。