基于DEA和灰色关联分析的城市物流节点效益评价

      1 前言

      随着城市经济的不断繁荣，城市的消费需求在不断增加，城市的建设也加大了对生产资料的需求，这就带动了城市物流输入输出量的扩大。伴随着城市的发展，城市的功能分布日趋成熟，城市圈逐渐形成并不断扩大，物流需求与供给在原有空间上和模式上受到制约，物流设施的扩大化和外迁，货运、仓储经营者延伸出更为复杂的综合化的物流服务，专业化的第三方抑或第四方物流服务供应商越来越多，城市物流节点成为城市物流输入、输出的枢纽以及专业物流服务供应商的集聚点。城市物流节点的效益评价是城市物流经营管理一个不可缺少的部分。物流节点的效益评价问题不仅关系到单个物流节点的发展前途，还影响着整个城市物流系统以及与之紧密结合的工商企业的效益和效率。因此，只有对城市物流节点效益进行科学、客观、公正的评价，才能为城市物流进一步改善其经营管理指明正确的方向。

      物流节点经营目标的实现，仅仅依靠计划的制订和实施是难以保证的。城市物流节点效益评价系统旨在通过对多方面指标的评价分析，使城市物流管理者清楚地看到物流节点的实际水平，发现物流节点经营发展中的问题，帮助决策者按照经济和社会利益的需要确定和调整城市物流节点的发展战略。

      近年来，物流经济发展迅速，物流问题在理论和实践领域日益得到重视。不同的研究者从区域物流、企业物流等不同层面对于物流活动的水平和绩效进行了分析，如金江军(2003)从区域经济发展角度提出物流评价指标体系[1]，孙宏岭等(2001)从企业物流活动的角度出发对物流绩效进行了分析[2]，Ross和Droge(2002)、陶经辉等(2005)分别应用数据包络分析法来分析配送中心和物流园区的绩效[3，4]。但是到目前为止国内有关城市物流节点经营效益和社会效益评价的较系统的研究成果还比较缺乏。因此，本文将根据城市物流节点的经营效益和社会效益的不同特点，分别应用数据包络法(DEA)和灰色关联分析法来评价城市物流节点的经营效益和社会效益，并结合物流园区实例进行了具体分析。

      2 数据包络法和灰色关联分析法

      2.1 数据包络法

      数据包络法(Data Envelopment Analysis，简称DEA)是用于评价一组多指标投入和多指标产出的部门相对有效性的多目标决策方法。DEA不需要确定投入产出关系的任何形式的表达式，具有黑箱类型研究方法的内在客观性特点。当决策单元(DMU，Decision-Making Units)的类型相似、投入和产出指标界定较清晰时，选择DEA方法比较适合[4，5]。事实证明DEA对非纯赢利部门的评价也有很好的效果，因此DEA方法与物流节点兼有赢利性和公益性的特点非常匹配。

      

      

      DEA评价模型剔除了人为因素带来的误差，其结果不仅能判断被评价的DMU哪些是生产效率相对有效，哪些是非有效，而且对于非有效的DMU，还给出了调整改进的方向。其缺点是对于相对有效的DMU不能给出一个排序，因为在一次评价中，通常有多个DMU是相对有效的，也有多个DMU是相对非有效的，而同样是相对有效的DMU可能在投入和产出上相差甚远。因此在本文中，采用Andersen和Petersen(1993)对DEA模型的改进建议，对D[，ε]模型的数学表达式中做出相应的调整，将当前评价单元从等式左侧的求和计算中去掉，这样构成前沿面的有效单元的有效系数值就会超过1，从而为对所有的有效单元进行排序提供了可能[7]。

      2.2 灰色关联分析法

      物流节点作为一个社会经济系统，同时具有灰色系统的特点，即部分信息已知、部分信息未知的系统，因此可以采用借助灰色系统的理论来研究物流节点的评价问题。灰色关联分析法是在不完全信息中，对所要分析研究的各因素，通过一定的数据处理，在随机的因素序列间，找出它们的关联性，发现主要矛盾，找到主要特性和主要影响因素[8]。灰色关联分析具有对数据要求较低且计算量小，样本数目要求较少等优点，便于广泛应用。

      灰色关联分析根据被评对象的各项指标值构成序列，对原始变量序列进行无量纲化处理，确定参考序列和比较序列是由计算序差矩阵得到关联系数矩阵，通过参考序列与比较序列关联程度大小的判断，获得评价结果。