基于DEA模型的全国31省市物流业效率分析

　  摘要：本文对物流业效率建立了一个科学且切实可行的评价体系；利用DEA模型，结合2003年-2008年全国31个省市物流产业投入与产出的实例，对各省市的物流产业效率进行分析。
　　关键词：物流业；效率；DEA
　　
　　物流产业作为我国的支柱产业，被列为国家十大产业振兴计划之一，今后必然在中国经济增长中成为一个新的增长点。现阶段，在物流产业效率研究中，研究视角多以研究物流企业为主，从物流产业总体效率分析的研究也大多以主要大型上市物流公司的财报表现来代表整个物流行业。但物流业涉及范围广，存在各种类型的企业，其中民营企业占很大比重，仅仅将少数大型上市物流公司代表物流业的研究欠妥当。本文运用数据包络分析（DEA）的理论为基础，分别从规模效率、纯技术效率和综合效率方面分析全国各省市的物流效率状态，并指出各省在物流投入和产出方面的问题，希望为决策者对物流产业决策和规划提供理论依据。
　　1DEA模型介绍
　　数据包络分析（DEA）方法是由A Chames,W.W.Cooper 等美国著名运筹学家提出的，用于评价具有多个投入和多个产出的决策单元（DMU） 间的相对效率的一种系统分析方法。在运用这一方法进行评价时，决策单元（DMU）作为决策对象，将所有决策单元的有效性作为评价结果，最后根据每个单元的DMU 输入和输出，通过利用一定的模型得出这一单元（DMU）的输入输出相对其他决策单元来说是否是最优的；结果如果是最优的，则称为该决策单元有效，否则称决策单元弱有效或者无效。
　　DEA评价方法的第一个模型, 也是使用最广泛的模型是C2R模型。本文用这一模型来判断各个地区物流的效率。判断某个决策单元DMU（有m个投入X个产出Y）其有效性的模型C2R，其对偶规则可表示为：
　　其中，ε为非阿基米德无穷小，θ表示决策单元的效率指数，xj为第j个决策单元的输入指标，yj表示第j个决策单元的输出指标，sj-为第j个决策单元的输入指标的松弛变量，sj+表示第j个决策单元输出指标的松弛变量，sj-和sj+分别表示投入冗余和产出不足，第j个决策单元的决策变量由λj表示。在此模型基础基础上，可以判断出DMU的DEA有效性，并且可以根据DEA有效性更深一层的经济含义，判断决策单元的生产活动是否同时满足技术有效和规模有效。当θ=1，sj-=0，sj+=0时，为DEA有效；当θ=1，sj-≥0,sj+≥0时为弱 DEA 有效，在这种情况下，虽然经济活动综合效率最佳，但是不是同时技术效率最佳和规模效益最佳；若θ＜1，则DMUj0非DEA有效，决策单元DMUj0的经济活动技术效率和规模效率都不是最佳状态。
　　2建立指标体系
　　传统生产理论认为，生产投入要素主要包括人力、物力和财力三类；产出主要的项目包括各种商品或服务等。本文选取的物流产业效率评价指标体系，选取交通运输、仓储和邮政业从业人员人数代表物流产业从业人员人数作为物流人力方面的主要投入；选取物流网络里程作为物力投入要素指标，限于数据的可得性和有效性，本文只选取铁路、内河航道和公路三种物流网络中最主要的三种方式，并将三者简单加总来度量物流网络发展状况；选取了各地区交通运输、仓储和邮政业固定资产投资额代表物流业固定资产投资额作为物流业的财力方面的投入。
　　在输出指标的选取上，主要从数量和质量两方面进行评价：选取各交通运输方式的货运量和客运量来表示数量方面的输出；选取各省交通运输、仓储和邮电业产值数据作为质量的输出，但在统计中包含了电信业的产值，而我国只有在国家层面才有对交通运输、仓储和邮政业产值统计数据，所以，本文采取全国各省的交通运输、仓储和邮电业产值代替物流业产值。
　　在数据选取上，本文选取2003~2008年全国31个省市（包括自治区和直辖市）物流业投入产出指标值的统计数据，主要数据来源2004~2019年的《中国统计年鉴》。本文选择6年的数据来做考量，这是考虑到物流产业从投入到产出的时间延迟性，评价一个地区物流业投入产出相对效率时，只有在较长时间过程把握才能做到针对和客观评价。