基于三階段DEA的江浙滬地區(qū)物流產(chǎn)業(yè)效率

王書靈，袁汝華

（河海大學?商學院，江蘇?南京?211100）

基于三階段DEA的江浙滬地區(qū)物流產(chǎn)業(yè)效率

王書靈，袁汝華

（河海大學?商學院，江蘇?南京?211100）

為探析外部環(huán)境因素對江浙滬地區(qū)物流產(chǎn)業(yè)效率的影響程度，運用三階段?DEA?方法對江浙滬地區(qū)?2009—2014?年物流產(chǎn)業(yè)效率進行研究。結果表明：上海市的物流產(chǎn)業(yè)效率較高，其在純技術效率和規(guī)模效率方面長期處于較優(yōu)狀態(tài)；江蘇省和浙江省的物流產(chǎn)業(yè)效率不夠理想，需要著力提升純技術效率；政府支持、科技水平、電信業(yè)務總量和地區(qū)生產(chǎn)總值等外部環(huán)境因素對物流產(chǎn)業(yè)效率均具有顯著影響，相關部門可以有針對性地進行資源投放，以推動江浙滬物流產(chǎn)業(yè)效率的不斷提升。

江浙滬；物流產(chǎn)業(yè)；產(chǎn)業(yè)效率；三階段?DEA

1概述

隨著我國經(jīng)濟實力的不斷提升、“一帶一路”戰(zhàn)略構想的縱深推進，以及長江經(jīng)濟圈、京津冀協(xié)同發(fā)展等區(qū)域經(jīng)濟布局的日益深化，物流產(chǎn)業(yè)在我國經(jīng)濟發(fā)展中的重要性逐漸顯現(xiàn)，我國現(xiàn)代物流業(yè)開始步入發(fā)展的高峰時期。根據(jù)國家統(tǒng)計局 2006—2014 年《全國物流運行情況通報》披露的數(shù)據(jù)，我國社會物流總額由 2006 年的 59.6 萬億元攀升至2014 年的 213.5 萬億元，物流產(chǎn)業(yè)效率也被納入了考察一國經(jīng)濟運營效率的核心指標中。但是，我國物流基礎設施存在明顯短板，布局不合理、銜接不順暢，綜合交通運輸體系、物流園區(qū)、物流技術裝備等尚有很大的發(fā)展空間[1]。

在國內(nèi)外學者已有的研究成果中，關于效率測算方法的研究有很多，農(nóng)業(yè)、建筑業(yè)、金融業(yè)等很多行業(yè)早已對效率進行分析預評價[2-4]，但長期以來，對于物流產(chǎn)業(yè)效率的研究仍相對不足。田剛等[5]選取 1991—2007 年間我國 29 個省物流業(yè)的面板數(shù)據(jù)，利用外生性影響因素和隨機前沿生產(chǎn)函數(shù)模型進行聯(lián)合估計，對我國物流業(yè)全要素的增長來源、差異與變化趨勢進行實證分析。余泳澤等[6]選取隨機前沿生產(chǎn)函數(shù)研究我國的物流產(chǎn)業(yè)效率，并探析物流資源利用率、地區(qū)制度變遷，以及區(qū)位優(yōu)勢等因素對我國物流產(chǎn)業(yè)效率的影響程度。張毅等[7]應用 NEW-COST-DEA 模型對 17 家上市物流公司 2007—2009 年間的成本效率進行測評，結果顯示 17 家上市物流公司成本效率普遍較低。張中強[8]以我國東部 31 個地區(qū)的數(shù)據(jù)為樣本，研究我國東部地區(qū)物流發(fā)展效率，并以 2012 年為典型年份，對區(qū)域物流發(fā)展的松弛變量及規(guī)模效率進行分析與評價。周會會[9]從物流業(yè)全要素能源效率指標分析出發(fā)，結合 DEA 應用原理構造中部 6 省全要素能源效率模型，并以中部 6 省原始數(shù)據(jù)為依托進行全要素能源效率擬合分析。學者們利用隨機前沿生產(chǎn)函數(shù)、NEW-COST-DEA 模型等方法對我國物流產(chǎn)業(yè)效率進行了一定的研究，但鮮有學者考慮到外部環(huán)境因素對物流產(chǎn)業(yè)效率的影響，因而容易造成測算結果的失真。三階段 DEA 模型能較好的將外部環(huán)境因素納入考量，從而得到更準確的結果。

長江三角洲地區(qū)目前已經(jīng)成為我國經(jīng)濟飛速發(fā)展、經(jīng)濟總量最大、最具有發(fā)展?jié)摿Φ膮^(qū)域。長江三角洲地區(qū)的物流基礎設施較好，在加強鐵路網(wǎng)、公路網(wǎng)、港航設施、航空樞紐等綜合交通體系建設的同時，也正在大力發(fā)展現(xiàn)代航運服務體系。因此，利用三階段 DEA 模型對江浙滬物流產(chǎn)業(yè)效率進行測算與評價，重點分析外部環(huán)境對江浙滬物流產(chǎn)業(yè)的影響，有利于定量分析長江三角洲地區(qū)物流產(chǎn)業(yè)發(fā)展現(xiàn)狀，并為該地區(qū)物流產(chǎn)業(yè)發(fā)展提供參考。

2研究方法與數(shù)據(jù)來源

2.1三階段 DEA 模型

FARRELL M J 于 1957 年提出一種計量多種投入對農(nóng)業(yè)生產(chǎn)效率影響的方法；CHARNES A 等[10]于 1978 年在 FARRELL M J 研究的基礎上得出了融合管理學、經(jīng)濟學及數(shù)學知識的 DEA 算法，擴充了生產(chǎn)函數(shù)的理論及應用范疇；FRIED H O 等[11]于2002 年研究得到三階段 DEA 模型，其在測算生產(chǎn)效率時能有效地排除環(huán)境因素及隨機誤差，改進了傳統(tǒng) DEA 模型的不足。三階段 DEA 模型包括以下 3個部分。

2.1.1第一階段 BCC 模型

傳統(tǒng)的 DEA 模型包括 CCR 模型和 BCC 模型 2種，CCR 模型假設規(guī)模效率不變，而 BCC 模型主要進行規(guī)模效率可變情況下的效率計算。BCC 模型將綜合效率 (TE) 分解成了純技術效率 (PTE) 和規(guī)模效率 (SE) 的乘積，即 TE = PTE×SE。

設有 n 個決策單元，每個決策單元都有 m 種類型的“輸入”和 s 種類型的“輸出”，則第 j0個決策單元總效率的計算就轉(zhuǎn)化成線性規(guī)劃問題，具有非阿基米德無窮小的 DEA 模型如公式 ⑴ 所示。

式中：Xj= (x1j，x2j，…，xmj)T為決策單元的輸入變量；Yj= (y1j，y2j，…，ysj)T為決策單元的輸出變量；Xj0，Yj0為第 j0個決策單元的輸入、輸出變量；s+和 s-為松弛變量；θ 為決策單元的綜合效率值；λj為決策變量；Es；ε 為非阿基米德無窮小。如果 θ = 1，則決策單元為 DEA 有效；否則，也可以計算出該決策單元在有效生產(chǎn)前沿上面的“投影”，即，。

2.1.2第二階段 SFA 模型

在測算各決策單元效率時，第一階段 BCC 模型得出的松弛變量是隨機誤差、外部環(huán)境和管理效率共同影響的結果。第二階段 SFA 模型是在第一階段 DEA 得到的松弛變量基礎上，將投入松弛變量作為被解釋變量，而外部環(huán)境及隨機誤差因素作為解釋變量，建立 SFA 回歸模型，排除外部環(huán)境及隨機誤差因素對投入松弛變量的影響，從而更加準確地反映管理無效率對決策單元效率的影響程度。

以投入導向為例，假設有 n 個決策單元，每個決策單元都有 m 種投入，有 P 個可測得的外部環(huán)境變量，分別對每個決策單元的投入松弛變量采用SFA 分析，可得到 SFA 回歸方程如公式 ⑵ 所示。

式中：Sik為第 k 個決策單元第 i 項投入的差值額；zk是外部環(huán)境變量；βi是外部環(huán)境解釋變量的待估參數(shù)；fi(zk；βi) 是環(huán)境變量對投入額差值 Sik的影響方式；vik+ uik是復合誤差項；vik表示隨機干擾，假設 vik服從正態(tài)分布；uik表示管理無效率，假設其服從截斷正態(tài)分布。

2.1.3第三階段調(diào)整后的 DEA 模型

第三階段調(diào)整后的 DEA 模型是以調(diào)整后的投入數(shù)據(jù)代替原有的投入數(shù)據(jù)，并結合原本的產(chǎn)出數(shù)據(jù)，采取 BCC 模型再次測算決策單元效率值。第三階段調(diào)整后的 DEA 模型測算的決策單元效率是排除外部環(huán)境及隨機誤差因素的結果，能夠更為客觀地反映出各決策單元效率水平的現(xiàn)實狀況。

2.2指標選取與數(shù)據(jù)來源

2.2.1投入與產(chǎn)出指標的選取

根據(jù)生產(chǎn)理論，生產(chǎn)過程中投入的要素主要有人力、物力、資金等，產(chǎn)出主要是商品或服務。結合江浙滬地區(qū)物流業(yè)的特點，建立物流產(chǎn)業(yè)投入產(chǎn)出評價指標體系如表1所示。

表1　江浙滬地區(qū)物流產(chǎn)業(yè)投入產(chǎn)出評價指標體系

2.2.2環(huán)境變量的選取

三階段 DEA 模型中第二階段是運用 SFA 模型考察外部環(huán)境因素及隨機誤差對整個物流效率評價系統(tǒng)的影響程度。物流產(chǎn)業(yè)的效率除了受物流生產(chǎn)過程的影響外，還受整體經(jīng)濟社會發(fā)展環(huán)境、信息化技術水平、物流產(chǎn)業(yè)整體發(fā)展水平等外生環(huán)境因素的影響?？紤]數(shù)據(jù)的可得性和有效性，選取以下外生環(huán)境變量。

（1）政府支持。政府支持情況在短期內(nèi)對物流業(yè)的發(fā)展起到非常重要的作用。由于地方政府在財政政策上具有較大的差異性，因而選取交通運輸?shù)闹С鲈诟鞯貐^(qū)政府財政支出中所占的比例來反映各地區(qū)地方政府對物流業(yè)的支持情況。

（2）科技水平?？萍妓街笜酥饕脕砗饬课锪鳟a(chǎn)業(yè)的現(xiàn)代化水平，涉及信息技術、空間技術等多方面。各地區(qū)的科技水平高低對物流產(chǎn)業(yè)的運作效率有很大的影響[12]，科技水平的提高可以改善物流的經(jīng)營方式，刺激物流產(chǎn)業(yè)的效率提升，對物流產(chǎn)業(yè)的管理也起到重要的作用?？萍妓揭哉斦锌萍贾С稣伎傊С龅谋壤硎?。

（3）電信業(yè)務總量。地區(qū)物流產(chǎn)業(yè)的電信基礎設施發(fā)展水平對物流產(chǎn)業(yè)的效率具有顯著影響，因而電信業(yè)務總量這一指標在一定程度上能夠反映地區(qū)物流產(chǎn)業(yè)的電信基礎建設水平的差異。

（4）地區(qū)生產(chǎn)總值。各地區(qū)的生產(chǎn)總值能夠反映出不同地區(qū)的經(jīng)濟發(fā)展水平，而物流作為第三產(chǎn)業(yè)中的一部分，它的發(fā)展與地區(qū)經(jīng)濟發(fā)展水平息息相關。

2.2.3樣本及數(shù)據(jù)來源

數(shù)據(jù)主要來源于 2010—2015 年《中國統(tǒng)計年鑒》《中國物流年鑒》和《中國第三產(chǎn)業(yè)統(tǒng)計年鑒》，以及 2010—2015 年《交通運輸行業(yè)發(fā)展統(tǒng)計公報》、江浙滬 3 省市的統(tǒng)計年鑒，數(shù)據(jù)縱向覆蓋 2009—2014 年。其中，為避免價格因素對各地區(qū)生產(chǎn)總值的影響，對統(tǒng)計年鑒中各地區(qū)生產(chǎn)總值以 2009 年為基年進行剔除價格因素的換算。

3實證分析

3.1第一階段 BCC 模型實證結果

運用 DEAP 2.1 軟件對 2009—2014 年江浙滬 3省市物流效率水平進行分析，計算結果主要包括綜合效率 (TE)、純技術效率 (PTE) 和規(guī)模效率 (SE)。綜合效率反映的是地區(qū)物流行業(yè)在目前技術條件下所能夠達到的最大產(chǎn)出比例。純技術效率是指在不考慮規(guī)模效率因素的影響下，投入因素對綜合效率的影響，純技術效率小于 1，表明在不考慮規(guī)模效率因素的前提下，投入因素的利用程度還有改善的空間，需要改進生產(chǎn)技術；純技術效率等于 1，表明在不考慮規(guī)模效率因素的影響下，投入因素的利用已經(jīng)達到最大化，無需改善。規(guī)模效率反映的是投入和產(chǎn)出之間的協(xié)調(diào)關系，當規(guī)模效率等于 1時，說明投入和產(chǎn)出之間達到了最優(yōu)狀態(tài)，獲利性達到最好的狀態(tài)。江浙滬地區(qū) 2009—2014 年物流效率如表2所示。

表2　江浙滬地區(qū) 2009—2014 年物流效率

長江三角洲地區(qū)內(nèi)部物流效率存在差異，上海市一直處于效率的前沿。分別比較江蘇省和浙江省物流行業(yè)的純技術效率和規(guī)模效率可以發(fā)現(xiàn)，在2009—2014 年的 6 年中，規(guī)模效率一般都大于純技術效率的值，表明在考慮外界環(huán)境因素和隨機誤差因素時，純技術效率值相對不高是浙江省和江蘇省物流行業(yè)綜合效率偏低的最重要的原因。

物流業(yè)的技術革新及其生產(chǎn)效率的提升能使已投入的要素得到更加充分的利用，這樣能帶來規(guī)模效率遞增，而反之則規(guī)模效率遞減。如果物流業(yè)生產(chǎn)技術水平或管理水平?jīng)]有與規(guī)模相協(xié)調(diào)，降低了勞動和資本的生產(chǎn)率，則有可能出現(xiàn)規(guī)模效率遞減。從表2可以看出，2009—2014 年上海市一直處于規(guī)模效率不變階段，說明規(guī)模對各個要素生產(chǎn)率并沒有影響；而江蘇省規(guī)模效率從 2009 年遞減至2012 年，后開始進入規(guī)模效率遞增階段；浙江省的規(guī)模效率狀態(tài)這幾年也處于反復變化的過程，但在2012 年到 2014 年，浙江省的規(guī)模效率一直處于遞減的狀態(tài)。

3.2第二階段 SFA 回歸結果

借助 Frontier 4.1 軟件，利用 SFA 模型估算政府支持、科技水平、地區(qū)生產(chǎn)總值和電信業(yè)務總量變化對物流產(chǎn)業(yè)效率的影響，從而排除外部環(huán)境因素及隨機誤差等干擾因素。當回歸系數(shù)大于 0，表示外部環(huán)境變量的增加導致各投入變量浪費增加；當回歸系數(shù)小于 0，表明外界環(huán)境變量值的增加將降低投入的浪費。江浙滬地區(qū) 2009—2014 年外部環(huán)境指標數(shù)據(jù)如表3所示。

將第一階段 BCC 模型計算得出的投入變量的松弛變量看作因變量，將政府支持、科技水平、地區(qū)生產(chǎn)總值、電信業(yè)務總量等外部環(huán)境因素看作自變量，對 2009—2014 年江浙滬地區(qū)的數(shù)據(jù)進行 SFA回歸，結果列于表4中。

（1）政府支持。SFA 分析結果顯示，政府支持與物流網(wǎng)絡里程松弛變量、勞動力投入松弛變量、資本投入松弛變量的回歸系數(shù)均為正數(shù)，這表示政府對物流業(yè)的扶持在短期內(nèi)對物流網(wǎng)絡的建設、勞動力和資本的投入具有促進作用，但過多的投入會導致投入浪費，降低物流行業(yè)的效率。一方面，政府對物流業(yè)支持力度提高能夠促進基礎設施建設和改善，但目前江浙滬地區(qū)物流基礎設施已趨于完善，政府的投入已經(jīng)進入邊際效應遞減階段；另一方面，政府對物流業(yè)的支持會吸引勞動力進入物流業(yè)，而過多的勞動力投入物流行業(yè)會導致勞動力冗余；第三，越來越多的資本投入物流行業(yè)，能夠擴大物流行業(yè)的競爭，但目前的狀況是物流行業(yè)趨于飽和，更多的資本投入至物流行業(yè)會導致不良競爭，降低效率。

表3　江浙滬地區(qū) 2009—2014 年外部環(huán)境指標數(shù)據(jù)

表4　第二階段 SFA 回歸結果

（2）科技水平。由表4結果可知，科技水平與物流網(wǎng)絡里程松弛變量、勞動力投入松弛變量、資本投入松弛變量等 3 個指標的回歸系數(shù)均為負數(shù)，說明科技水平發(fā)展對減少物流網(wǎng)絡里程、勞動力投入和資本投入具有促進作用，并且物流產(chǎn)業(yè)科技水平的發(fā)展有利于物流管理效率的提高。科技水平較高的地區(qū)，其物流業(yè)發(fā)展的整體環(huán)境較好，無論從長期角度或短期角度對物流業(yè)的發(fā)展都具有積極影響。

（3）電信業(yè)務總量。從分析結果觀察到，電信業(yè)務總量指標與物流網(wǎng)絡里程松弛變量、資本投入松弛變量之間的回歸系數(shù)為正，表明電信基礎設施水平的提升會吸引物流網(wǎng)絡里程、資本投入的大幅增加，過多的投入會造成資源的冗余，降低物流行業(yè)的效率。電信業(yè)務總量與勞動力投入松弛變量之間的回歸系數(shù)在 2009 年為負值，2010—2014 年均為正值，說明物流業(yè)電信基礎設施水平的提升在短期內(nèi)有利于減少勞動力投入的浪費；但隨著電信基礎設施的日益完善，過多的投入則會導致勞動力的冗余，降低物流管理效率。

（4）地區(qū)生產(chǎn)總值。地區(qū)生產(chǎn)總值與物流網(wǎng)絡里程松弛變量、勞動力投入松弛變量、資本投入松弛變量之間的回歸系數(shù)在近幾年多為負數(shù)，表明隨著地區(qū)經(jīng)濟發(fā)展水平提高，有利于減少傳統(tǒng)的物流網(wǎng)絡里程的擴展，以及勞動力和資本的投入。經(jīng)濟發(fā)展水平較高的地區(qū)對物流基礎設施建設的要求也高，但在發(fā)展到一定程度后，會減少地區(qū)的基礎設施建設，因而地區(qū)生產(chǎn)總值與物流網(wǎng)絡里程松弛變量的回歸系數(shù)在 2009 和 2010 年為正值，其余為負值；此外，地區(qū)經(jīng)濟發(fā)展水平的提升在短期內(nèi)會吸引大量勞動力的流入，一定程度上產(chǎn)生勞動力資源的富余，降低物流業(yè)的效率，但從長期看，勞動力投入將逐步放緩，其數(shù)量能夠與較高的地區(qū)經(jīng)濟發(fā)展水平相適應，從而提升物流業(yè)效率，因而 2009年和 2010 年地區(qū)生產(chǎn)總值與勞動力投入松弛變量之間的回歸系數(shù)為正值，其余年份為負值。

3.3第三階段調(diào)整后的 DEA 實證結果

在第二階段利用 SFA 模型對 2009—2014 年江浙滬地區(qū)物流產(chǎn)業(yè)效率的投入變量采取調(diào)整后，結合原產(chǎn)出數(shù)據(jù)，借助 Deap 2.1 軟件再次計算物流產(chǎn)業(yè)效率，得到排除外部環(huán)境變量及隨機誤差影響的TE，PTE，SE 值。調(diào)整后的江浙滬地區(qū)物流產(chǎn)業(yè)效率如表5所示。

表5　調(diào)整后的江浙滬地區(qū)物流產(chǎn)業(yè)效率

對比第一階段 BCC 模型和第三階段調(diào)整后的DEA 模型的結果可知，在剔除了外部環(huán)境因素對江浙滬地區(qū)物流產(chǎn)業(yè)效率的影響后，江浙滬第三階段調(diào)整后的 DEA 分析與第一階段的結果有明顯的變化。從整體情況看，調(diào)整后的地區(qū)物流效率在綜合效率及純技術效率上的數(shù)值均有提高，而規(guī)模效率的值有所降低。

此外，排除外部環(huán)境因素和隨機誤差因素的影響之后，長江三角洲地區(qū)物流效率的值發(fā)生較大變化。非常明顯的是調(diào)整后的純技術效率高于調(diào)整前的純技術效率，說明外界環(huán)境因素如物流產(chǎn)業(yè)管理水平、現(xiàn)代化程度等因素制約著物流業(yè)的發(fā)展。對比第一階段 BCC 模型和第三階段調(diào)整后的 DEA模型得到的規(guī)模效率值發(fā)現(xiàn)，第三階段的規(guī)模效率值大都小于第一階段，表明外界環(huán)境因素和隨機誤差因素對江浙滬地區(qū)物流業(yè)規(guī)模效率有一定的積極影響。觀察規(guī)模效率狀態(tài)，上海市調(diào)整前和調(diào)整后一直處于規(guī)模效率不變狀態(tài)，江蘇省和浙江省在調(diào)整前有部分年份的規(guī)模效率狀態(tài)為遞減，而調(diào)整后的規(guī)模效率狀態(tài)全部為遞增，說明在剔除外界環(huán)境因素和隨機誤差因素后，規(guī)模因素也制約著江蘇省和浙江省整體物流效率的提高?？傮w來說，上海市的物流效率總體較好，處于效率前沿面；江蘇省和浙江省的物流效率還有待提高，尤其是純技術效率方面，此外規(guī)模因素也制約著江浙兩省物流業(yè)的發(fā)展。

4結論

（1）對比三階段 DEA 方法中的第一階段 BCC模型和第三階段調(diào)整后的 DEA 模型的結果發(fā)現(xiàn)，第三階段調(diào)整后的 DEA 模型得到的規(guī)模效率一般低于第一階段 BCC 模型的規(guī)模效率，第三階段調(diào)整后的 DEA 模型得到的的純技術效率相比第一階段 BCC 模型的純技術效率有所提升，規(guī)模效率狀態(tài)也發(fā)生改變，說明所選取的政府支持、科技水平、電信業(yè)務總量、地區(qū)生產(chǎn)總值等外界環(huán)境因素對物流產(chǎn)業(yè)的效率影響較為明顯。

（2）利用三階段 DEA 模型計算得到的物流效率結果顯示，江浙滬兩省一市中上海市的物流效率一直處于效率前沿面，無論在規(guī)模效率、純技術效率方面都表現(xiàn)良好；江蘇省和浙江省的物流效率，主要是純技術效率方面還需進一步改善。除此之外，規(guī)模因素也制約著長江三角洲地區(qū)物流業(yè)的發(fā)展，因而需要適當擴大物流業(yè)規(guī)模，同時注重物流業(yè)技術的提升。

[1] 竇國輝，趙明茹. 我國物流行業(yè)存在的問題與對策[J]. 交通標準化，2011(17)：152-153.

DOU Guo-hui，ZHAO Ming-ru. Existing Problems of Logistics Industry in China and Countermeasures[J]. Transportation Standardization，2011(17)：152-153.

[2] 張 樂，曹 靜. 中國農(nóng)業(yè)全要素生產(chǎn)率增長：配置效率變化的引入：基于隨機前沿生產(chǎn)函數(shù)法的實證分析[J]. 中國農(nóng)村經(jīng)濟，2013(3)：4-15.

ZHANG Le，CAO Jing. The Growth in Total Factor Productivity of China’s Agriculture Sector：With Introduction of Changes in Allocative Efficiency：An Empirical Study based on Stochastic Frontier Production Function[J]. Chinese Rural Economy，2013(3)：4-15.

[3] 唐壯志. 我國商業(yè)銀行風險與效率研究：基于因子分析法的指標選取[J]. 現(xiàn)代商貿(mào)工業(yè)，2009，21(6)：162-164.

[4] 劉炳勝，王雪青，李 冰，等. 基于主成分分析與 DEADA組合的中國區(qū)域建筑產(chǎn)業(yè)競爭優(yōu)勢系統(tǒng)評價[J]. 土木工程學報，2011，44(2)：143-150.

LIU Bing-sheng，WANG Xue-qing，LI Bing，et al. Systematic Evaluation of the Competitive Advantage of Chinese Regional Construction Industry based on Principal Component and DEA-DA[J]. China Civil Engineering Journal，2011，44(2)：143-150.

[5] 田 剛，李 南. 中國物流業(yè)技術效率差異及其影響因素研究：基于省級面板數(shù)據(jù)的實證分析[J]. 科研管理，2011，32(7)：34-44.

TIAN Gang，LI Nan. Logistics Technical Efficiency Disparity and Affecting Factors: based on Cross- Province Panel Data Using a Single-Stage Estimation of the Stochastic Frontier Analysis[J]. Science Research Management，2011，32(7)：34-44.

[6] 余泳澤，武 鵬. 我國物流產(chǎn)業(yè)效率及其影響因素的實證研究：基于中國省際數(shù)據(jù)的隨機前沿生產(chǎn)函數(shù)分析[J]. 產(chǎn)業(yè)經(jīng)濟研究，2010(1)：65-71.

YU Yong-ze，WU Peng. An Empirical Study on the Efficiency of China’s Logistics Industry and Its Factors[J]. Industrial Economics Research，2010(1)：65-71.

[7] 張 毅，陳 圻. 基于 NEW-COST-DEA 模型的中國上市物流公司成本效率研究[J]. 華東經(jīng)濟管理，2011，25(4)：74-79.

ZHANG Yi，CHEN Qi. Investigating Cost Efficiency of China Logistics Public Companies based on NEW- COSTDEA[J]. East China Economic Management，2011，25(4)：

(??)(??)74-79.

[8] 張中強. 我國東部地區(qū)區(qū)域物流發(fā)展效率分析：以我國東部 31 個地市級地區(qū)為例[J]. 中國社會科學院研究生院學報，2012(1)：77-81.

ZHANG Zhong-qiang. Analysis on Regional Logistics Development Efficiency in China’s Eastern：31 Eastern Prefecture-Level Cities in China as an Example[J]. Journal of Graduate School of Chinese Academy of Social Sciences，2012(1)：77-81.

[9] 周會會. 基于 DEA 的中部 6 省物流業(yè)全要素能源效率分析[J]. 鐵道運輸與經(jīng)濟，2016，38(3)：13-18.

ZHOU Hui-hui. Analysis on Total Factor Energy Efficiency of Logistics Industry in 6 Provinces of Central China based on DEA[J]. Railway Transport and Economy，2016，38(3)：13-18.

[10] CHARNES A，COOPER W W，RHODES E. Measuring the Efficiency?of?Decision?Making?Units[J]. European Journal of Operational Research，1978，2(78)：429-444.

[11] FRIED H O，LOVELL C A K，SCHMIDT S S，et al. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J]. Journal of Productivity Analysis，2002，17(1)：157-174.

[12] 賈玉衛(wèi)，戶佐安，邵玉華. 電子商務模式下鐵路貨運業(yè)務流程優(yōu)化[J]. 鐵道貨運，2015，33(2)：11-15.

JIA Yu-wei，HU Zuo-an，SHAO Yu-hua. Flow Optimization of Railway Freight Transport Operation under E-Business Mode[J]. Railway Freight Transport，2015，33(2)：11-15.

責任編輯：李琨浩

Efficiency of Logistics Industry in Jiangsu, Zhejiang and Shanghai based on Three-Stage DEA Model

WANG Shu-ling，YUAN Ru-hua

(Business School, Hehai University, Nanjing 211100, Jiangsu，China)

In order to analyze the influence of external environmental factors on the efficiency of logistics industry in Jiangsu, Zhejiang and Shanghai, this paper uses the three-stage DEA method to study the efficiency of logistics industry in the region from 2009 to 2014. The results show the conclusion as follows: 1)The efficiency of the logistics industry in Shanghai is higher, and Shanghai is in a better state of pure technical efficiency and scale efficiency; 2)The efficiency of the logistics industry in Jiangsu and Zhejiang is not ideal, in particular the pure technical efficiency needs to be focused on and improved; 3)Other external environmental factors including government support, science and technology level, the total amount of telecommunications services and regional GDP also have a significant impact on the efficiency of the logistics industry and relevant government agencies can carry out targeted delivery of resources to promote the efficiency of logistics industry in the region.

Jiangsu, Zhejiang and Shanghai; Logistics Industry; Industrial Efficiency; Three-Stage DEA

1003-1421(2016)10-0001-07

F259.27

A

10.16668/j.cnki.issn.1003-1421.2016.10.01

2015-12-29

2016-08-15

水利部公益性行業(yè)科研專項 (201301055)