基于三阶段DEA的江浙沪地区物流产业效率

作 者:

作者简介:
王书灵,河海大学商学院,江苏 南京 211100;袁汝华,河海大学商学院,江苏 南京 211100

原文出处:
铁道运输与经济

内容提要:

为探析外部环境因素对江浙沪地区物流产业效率的影响程度,运用三阶段DEA方法对江浙沪地区2009-2014年物流产业效率进行研究。结果表明:上海市的物流产业效率较高,其在纯技术效率和规模效率方面长期处于较优状态;江苏省和浙江省的物流产业效率不够理想,需要着力提升纯技术效率;政府支持、科技水平、电信业务总量和地区生产总值等外部环境因素对物流产业效率均具有显著影响,相关部门可以有针对性地进行资源投放,以推动江浙沪物流产业效率的不断提升。


期刊代号:F14
分类名称:物流管理
复印期号:2017 年 01 期

字号:

      1 概述

      随着我国经济实力的不断提升、“一带一路”战略构想的纵深推进,以及长江经济圈、京津冀协同发展等区域经济布局的日益深化,物流产业在我国经济发展中的重要性逐渐显现,我国现代物流业开始步入发展的高峰时期。根据国家统计局2006-2014年《全国物流运行情况通报》披露的数据,我国社会物流总额由2006年的59.6万亿元攀升至2014年的213.5万亿元,物流产业效率也被纳入了考察一国经济运营效率的核心指标中。但是,我国物流基础设施存在明显短板,布局不合理、衔接不顺畅,综合交通运输体系、物流园区、物流技术装备等尚有很大的发展空间[1]。

      在国内外学者已有的研究成果中,关于效率测算方法的研究有很多,农业、建筑业、金融业等很多行业早已对效率进行分析与评价[2-4],但长期以来,对于物流产业效率的研究仍相对不足。田刚等[5]选取1991-2007年间我国29个省物流业的面板数据,利用外生性影响因素和随机前沿生产函数模型进行联合估计,对我国物流业全要素的增长来源、差异与变化趋势进行实证分析。余泳泽等[6]选取随机前沿生产函数研究我国的物流产业效率,并探析物流资源利用率、地区制度变迁,以及区位优势等因素对我国物流产业效率的影响程度。张毅等[7]应用NEW-COST-DEA模型对17家上市物流公司2007-2009年间的成本效率进行测评,结果显示17家上市物流公司成本效率普遍较低。张中强[8]以我国东部31个地区的数据为样本,研究我国东部地区物流发展效率,并以2012年为典型年份,对区域物流发展的松弛变量及规模效率进行分析与评价。周会会[9]从物流业全要素能源效率指标分析出发,结合DEA应用原理构造中部6省全要素能源效率模型,并以中部6省原始数据为依托进行全要素能源效率拟合分析。学者们利用随机前沿生产函数、NEW-COST-DEA模型等方法对我国物流产业效率进行了一定的研究,但鲜有学者考虑到外部环境因素对物流产业效率的影响,因而容易造成测算结果的失真。三阶段DEA模型能较好的将外部环境因素纳入考量,从而得到更准确的结果。

      长江三角洲地区目前已经成为我国经济飞速发展、经济总量最大、最具有发展潜力的区域。长江三角洲地区的物流基础设施较好,在加强铁路网、公路网、港航设施、航空枢纽等综合交通体系建设的同时,也正在大力发展现代航运服务体系。因此,利用三阶段DEA模型对江浙沪物流产业效率进行测算与评价,重点分析外部环境对江浙沪物流产业的影响,有利于定量分析长江三角洲地区物流产业发展现状,并为该地区物流产业发展提供参考。

      2 研究方法与数据来源

      2.1 三阶段DEA模型

      FARRELL M J于1957年提出一种计量多种投入对农业生产效率影响的方法;CHARNES A等[10]于1978年在FARRELL M J研究的基础上得出了融合管理学、经济学及数学知识的DEA算法,扩充了生产函数的理论及应用范畴;FRIED H O等[11]于2002年研究得到三阶段DEA模型,其在测算生产效率时能有效地排除环境因素及随机误差,改进了传统DEA模型的不足。三阶段DEA模型包括以下3个部分。

      2.1.1 第一阶段BCC模型

      传统的DEA模型包括CCR模型和BCC模型2种,CCR模型假设规模效率不变,而BCC模型主要进行规模效率可变情况下的效率计算。BCC模型将综合效率(TE)分解成了纯技术效率(PTE)和规模效率(SE)的乘积,即TE=PTE×SE。

      设有n个决策单元,每个决策单元都有m种类型的“输入”和s种类型的“输出”,则第个决策单元总效率的计算就转化成线性规划问题,具有非阿基米德无穷小的DEA模型如公式(1)所示。

      

      2.1.2 第二阶段SFA模型

      在测算各决策单元效率时,第一阶段BCC模型得出的松弛变量是随机误差、外部环境和管理效率共同影响的结果。第二阶段SFA模型是在第一阶段DEA得到的松弛变量基础上,将投入松弛变量作为被解释变量,而外部环境及随机误差因素作为解释变量,建立SFA回归模型,排除外部环境及随机误差因素对投入松弛变量的影响,从而更加准确地反映管理无效率对决策单元效率的影响程度。

      以投入导向为例,假设有n个决策单元,每个决策单元都有m种投入,有P个可测得的外部环境变量,分别对每个决策单元的投入松弛变量采用SFA分析,可得到SFA回归方程如公式(2)所示。

      

      2.1.3 第三阶段调整后的DEA模型

相关文章: