基于DEA-Malmquist指數(shù)模型的長江經(jīng)濟帶物流效率及因素分解

于麗英，施明康，李 婧

(上海大學 管理學院，上海 200444)

一、 引 言

物流產(chǎn)業(yè)是經(jīng)濟發(fā)展的動脈，是極具發(fā)展前景的戰(zhàn)略性復(fù)合產(chǎn)業(yè)，在全球范圍內(nèi)獲得空前的發(fā)展。近年來，我國物流業(yè)迅速發(fā)展，對我國的經(jīng)濟增長具有積極的帶動作用。長江經(jīng)濟帶跨越我國東中西三個地區(qū)，地域范圍包括11個省市，按長江上、中、下游劃分，其區(qū)位優(yōu)勢顯著，是東中西互動合作的協(xié)調(diào)發(fā)展帶，具有支撐全局和雙向開放的戰(zhàn)略功能。物流產(chǎn)業(yè)以其獨特性必定對長江經(jīng)濟帶的建設(shè)有重要作用，因此，研究長江經(jīng)濟帶物流效率具有重要的現(xiàn)實意義。

由于物流產(chǎn)業(yè)對經(jīng)濟發(fā)展的重要作用，物流效率評價已經(jīng)成為國內(nèi)外研究者關(guān)注的熱點問題。從物流效率的評價主體來看，研究者主要從微觀和宏觀層面兩個視角選擇物流效率的評價主體，微觀層面是關(guān)于企業(yè)逆向物流效率的評價[1-2]、第三方物流企業(yè)績效的評價[3-4]，宏觀層面是關(guān)于區(qū)域物流效率的評價。Min和Joo(2006)[5]利用DEA對美國包括UPS、Fedex在內(nèi)的物流企業(yè)的效益進行分析；Markovits-Somogyi和Bokor(2014)[6]運用DEA-PC評價了歐盟29國的物流效率；鄧學平和王旭(2009)[7]運用DEA-BCC評估了我國55家物流上市公司的運營效率；孟魁(2014)[8]、張竟軼和張竟成(2016)[9]采用三階段DEA評價了我國區(qū)域物流效率；王琴梅和譚翠娥(2013)[10]運用DEA和Tobit模型研究了西安市的物流效率與GDP、區(qū)位優(yōu)勢等因素的相關(guān)性；董鋒等(2016)[11]運用超效率DEA消除外部環(huán)境因素影響研究了低碳約束下的我國省際物流效率。

綜上所述，數(shù)據(jù)包絡(luò)分析(DEA)作為物流效率靜態(tài)分析的有效方法被研究者廣泛采用，但運用Malmquist指數(shù)模型對物流效率進行動態(tài)分析的相關(guān)研究較少，另外針對長江經(jīng)濟帶物流效率評價的研究尚未見。由此，本文創(chuàng)新地選擇了長江經(jīng)濟帶作為研究主體，對長江經(jīng)濟帶的物流效率進行研究，構(gòu)建合理的評價指標體系并設(shè)計物流效率評價模型，運用DEA方法中的CCR模型和BCC模型對物流效率進行靜態(tài)分析，運用DEA-Malmquist指數(shù)法對物流效率進行動態(tài)分析。最后，根據(jù)評價結(jié)果，結(jié)合國家的長江經(jīng)濟帶政策和規(guī)劃，提出有針對性的對策與建議，為長江經(jīng)濟帶物流效率的提升提供參考。

二、 評價指標體系構(gòu)建

表1 物流效率評價指標體系

區(qū)域物流效率是用來衡量區(qū)域物流資源配置、物流技術(shù)、物流業(yè)對區(qū)域經(jīng)濟的帶動作用以及物流政策實施成效的重要指標。本文借鑒已有的研究成果，按照科學性、實用性、系統(tǒng)性和全面性原則，從投入和產(chǎn)出兩個維度構(gòu)建區(qū)域物流效率評價指標體系(如表1)。

投入指標主要從人力投入、財力投入以及環(huán)境投入三方面考慮。Douglas生產(chǎn)函數(shù)是研究經(jīng)濟發(fā)展的重要工具，能夠通過人力資源數(shù)量和物質(zhì)資本數(shù)量兩方面投入來計算產(chǎn)業(yè)經(jīng)濟的增長情況。參照Douglas生產(chǎn)函數(shù)，本文首先從人力和財力兩方面設(shè)計物流業(yè)投入指標。我國物流業(yè)發(fā)展初具規(guī)模，但尚屬勞動密集型產(chǎn)業(yè)，因此人力投入方面參照孟魁(2014)[8]的做法，以物流從業(yè)人員數(shù)作為評價指標。財力投入方面，物流企業(yè)運營效率受固定資產(chǎn)利用狀況影響(鐘祖昌，2011)[12]，因此以物流產(chǎn)業(yè)固定資產(chǎn)投資額作為評價指標，測算方法與張竟軼等(2016)[9]保持一致。環(huán)境投入方面，王波等(2002)[13]將非期望產(chǎn)出作為投入變量建立新模型，證明新模型與原模型在有效性上等價。本文基于這一思想，契合長江經(jīng)濟帶規(guī)劃綱要中重點提出的“生態(tài)優(yōu)先，綠色發(fā)展”，故選擇物流業(yè)碳排放量作為投入指標。產(chǎn)出指標主要從規(guī)模和質(zhì)量兩方面進行考慮。規(guī)模方面參考王維國和馬越越(2012)[14]的做法，以貨運周轉(zhuǎn)量作為評價指標，質(zhì)量方面以物流產(chǎn)業(yè)生產(chǎn)總值作為評價指標。

三、 評價模型設(shè)計

(一) 基于DEA的物流效率靜態(tài)評價模型

數(shù)據(jù)包絡(luò)分析方法(Data Envelopment Analysis，DEA)是一種多投入多產(chǎn)出的分析方法，分CCR模型和BCC模型。當以投入為導向且假設(shè)規(guī)模報酬不變，評價決策單元間相對有效性的方法稱為CCR模型。

表2 決策單元的投入產(chǎn)出

針對長江經(jīng)濟帶物流效率評價問題，將長江經(jīng)濟帶上的區(qū)域看作為決策單元DMU，設(shè)共有s個，每個決策單元的投入向量X1，X2和X3代表物流從業(yè)人員數(shù)、物流產(chǎn)業(yè)固定資產(chǎn)投資額和物流業(yè)碳排放量，產(chǎn)出向量Y1和Y2代表貨物周轉(zhuǎn)量和物流產(chǎn)業(yè)生產(chǎn)總值。具體如表2。

用CCR模型在對決策單元DMUr0(r0=1,2,…,s)進行綜合效率評價時，可構(gòu)建的最優(yōu)化線性規(guī)劃如下：

(1)

由式(1)可以等價轉(zhuǎn)化為其對偶規(guī)劃，即式(2)：

(2)

(二) 基于Malmquist指數(shù)的物流效率動態(tài)評價模型及因素分解

Sten(1953)[15]在研究消費分析時首次提出了Malmquist指數(shù)，用于評價不同時期消費投入變化的數(shù)量指標。Caves等(1982)[16]在距離函數(shù)的基礎(chǔ)上構(gòu)造了分析生產(chǎn)率變化的Malmquist生產(chǎn)率指數(shù)。Fare和Grosskopf(1992)[17]通過運用DEA模型將投入產(chǎn)出指標融入Malmquist指數(shù)，以Malmquist指數(shù)表示跨期生產(chǎn)率效率的變動。

(3)

將計算結(jié)果進一步代入式(2)，可得到第r個決策單元的t時期到t+1時期的Malmquist指數(shù)：

(4)

當M指數(shù)>1時，說明物流總效率隨年份增長上升；當M指數(shù)=1時，物流總效率不變；當M指數(shù)<1時，物流總效率下降。

影響Malmquist指數(shù)增長的主要因素存在著不確定性[18]，Malmquist指數(shù)可分解技術(shù)效率指數(shù)和技術(shù)進步指數(shù)，據(jù)此可以發(fā)現(xiàn)影響Malmquist變化的關(guān)鍵因素，具體計算方法見式(5)和式(6)：

技術(shù)效率指數(shù)：

(5)

技術(shù)進步指數(shù)：

(6)

其中，技術(shù)效率指數(shù)反映的是各決策單元對應(yīng)不同期生產(chǎn)可能集生產(chǎn)前沿面的技術(shù)效率的變動情況，而技術(shù)進步指數(shù)反映的是不同期生產(chǎn)可能集生產(chǎn)前沿面的移動情況。

四、 實證分析

(一) 數(shù)據(jù)來源

本文選用2008-2015年長江經(jīng)濟帶11個省市的物流業(yè)投入產(chǎn)出指標值的數(shù)據(jù)，數(shù)據(jù)主要來源于2009年到2016年的《中國統(tǒng)計年鑒》、各省市統(tǒng)計年鑒以及《中國能源統(tǒng)計年鑒》。另外，由于中國國家標準局頒布的《國民經(jīng)濟行業(yè)分類與代碼》中物流產(chǎn)業(yè)還不在現(xiàn)有的產(chǎn)業(yè)劃分中，目前也尚未建立以物流業(yè)為基礎(chǔ)的完整的數(shù)據(jù)統(tǒng)計體系，從我國歷年物流業(yè)產(chǎn)值的統(tǒng)計數(shù)據(jù)來看，交通運輸、倉儲和郵政業(yè)的增加值是物流產(chǎn)業(yè)的主體部分且占物流業(yè)增加值很高的比例，考慮到數(shù)據(jù)的可獲取性，本文以交通運輸業(yè)、倉儲業(yè)和郵政業(yè)的統(tǒng)計數(shù)據(jù)來代替物流業(yè)進行分析。此外，本文利用各省市交通運輸、倉儲和郵政業(yè)的能源終端消耗數(shù)據(jù)，參考聯(lián)合國氣候變化專門委員會(IPCC)2006年碳排放系數(shù)表[11]，結(jié)合中國能源統(tǒng)計數(shù)據(jù)的特點，采用公式(7)計算碳排放量。

(7)

式中，A為碳排放量(單位：104t)；Bi為能源i消費量，按標準煤計(單位：104t)；Ci為能源i碳排放系數(shù)；i為能源種類，取12類。其中各類能源折標準煤系數(shù)取自《中國能源統(tǒng)計年鑒》。2015年長江經(jīng)濟帶物流效率評價指標體系的投入和產(chǎn)出指標的描述性統(tǒng)計如表3所示。

表3 2015年長江經(jīng)濟帶物流業(yè)投入、產(chǎn)出指標描述性統(tǒng)計

由表3可以看出，每個投入產(chǎn)出指標的極差與標準差都很大，表明各個省市的物流業(yè)發(fā)展水平不一，存在一定差距。投入指標方面，上海、江蘇和浙江的2015年物流從業(yè)人數(shù)均為貴州和云南的1.8倍以上；其物流業(yè)碳排放量均為1.4倍以上。而產(chǎn)出指標方面，江浙滬的2015年物流業(yè)生產(chǎn)總值均為云貴兩省的5倍以上。由此可見，各區(qū)域物流業(yè)的投入和產(chǎn)出情況存在巨大差異。

(二) 長江經(jīng)濟帶物流效率的靜態(tài)分析

1.長江經(jīng)濟帶物流純技術(shù)效率分析。純技術(shù)效率是在剔除規(guī)模報酬因素的影響下分析投入利用情況。本文采用DEAP2.1軟件對長江經(jīng)濟帶的物流投入產(chǎn)出指標進行測算，計算方法主要基于式(2)，將不同區(qū)域的投入產(chǎn)出指標值代入約束項，求解純技術(shù)效率值，計算結(jié)果如表4所示。

表4 長江經(jīng)濟帶各省市2008-2015年物流純技術(shù)效率及排名

從表4可以看出2008-2015年長江經(jīng)濟帶各省市的純技術(shù)效率平均值以及相應(yīng)的省市排名，位于下游地區(qū)的上海、江蘇和安徽，位于中游地區(qū)的江西以及位于上游地區(qū)的貴州在這8年中純技術(shù)效率值一直為1，物流投入資源得到充分利用。純技術(shù)效率平均值處于0.9到1的是浙江和湖南，處于邊緣非效率狀態(tài)，需要調(diào)整投入指標。其余4個省市均為DEA無效。從長江經(jīng)濟帶整體的純技術(shù)效率均值來看，2009年有較為明顯的下滑，2013年以后恢復(fù)到較好的純技術(shù)效率值，并在此后保持平穩(wěn)增長。

為了更形象展示并比較物流純技術(shù)效率測算結(jié)果，本文采用Stata軟件呈現(xiàn)了長江經(jīng)濟帶物流效率的空間分布特征(如圖1)。由于表3中的純技術(shù)效率基本分布在[0.6，1.05]的區(qū)間內(nèi)，因此以0.15為跨度，將劃分了[0.6，0.75][0.75，0.9][0.9，1.05]三個區(qū)間，三個區(qū)間對應(yīng)的純技術(shù)效率值依次由淺至深顯示。

圖1 2008年和2015年長江經(jīng)濟帶物流純技術(shù)效率的空間分布比較

由圖1可知，我國長江經(jīng)濟帶的物流效率呈現(xiàn)空間集聚效應(yīng)，長三角地區(qū)的物流效率近些年來一直保持較高水平。此外，四川與云南的物流純技術(shù)效率在2008-2015年期間有著顯著提升。

表5 長江經(jīng)濟帶各省市2008-2015年物流規(guī)模效率及排名

就規(guī)模效率而言，從表5可以看出，效率最高的是上海、江蘇和安徽，8年中規(guī)模效率保持為1，表明這三個省市物流規(guī)模優(yōu)于其他評價決策單元，物流投入資源得到有效利用。浙江、湖北、湖南和貴州的規(guī)模效率平均值在0.9到1之間，這些省市在物流投入和產(chǎn)出上稍作調(diào)整即可達到規(guī)模有效。

為了更直觀顯示長江經(jīng)濟帶省市的物流效率情況，以規(guī)模效率及純技術(shù)效率值0.9作為兩條分界線，將物流效率分為四種類型，圖2為長江經(jīng)濟帶各省市綜合技術(shù)效率值四種類型分布的坐標圖。根據(jù)圖2所示，第一類是“雙高型”，即純技術(shù)效率值與規(guī)模效率值均大于0.9，共有6個省市的物流效率為“雙高型”，其中上海、江蘇和安徽均實現(xiàn)DEA有效。第二類是“高低型”，即純技術(shù)效率值大于0.9且規(guī)模效率值小于0.9，江西省的物流效率是“高低型”，他的純技術(shù)效率為1，只需要適度調(diào)整物流規(guī)模，合理配置物流投入資源，促進其規(guī)模效率的提高。第三類是“低高型”，即純技術(shù)效率值小于0.9且規(guī)模效率值大于0.9，湖北的物流效率則為“低高型”，需要重點提高物流技術(shù)水平。第四類是“雙低型”，即純技術(shù)效率值和規(guī)模效率值均小于0.9，共有3個省市的物流效率為“雙低型”，包括重慶、四川和云南，此后的物流發(fā)展既要注重物流技術(shù)水平和管理水平的提高，也要進一步優(yōu)化物流生產(chǎn)規(guī)模。

《中國經(jīng)濟周刊》記者就上述問題聯(lián)系天成控股，得到的回復(fù)是相關(guān)負責人正在出差，回來會與記者聯(lián)系。截至發(fā)稿，記者仍未接到天成控股相關(guān)負責人的電話。

圖2 長江經(jīng)濟帶各省市綜合技術(shù)效率值分布情況

(三) 長江經(jīng)濟帶物流效率的動態(tài)分析

本節(jié)將測算長江經(jīng)濟帶物流效率的Malmquist指數(shù)，并將Malmquist指數(shù)分解為技術(shù)效率變動和技術(shù)進步變動指數(shù)，以此分析長江經(jīng)濟帶11個省市的物流產(chǎn)業(yè)效率的動態(tài)變化。通過式(3)可生成各省市2008-2015當期以及滯后一期的距離函數(shù)，進一步代入式(4)，可生成長江經(jīng)濟帶各省市物流Malmquist指數(shù)，計算結(jié)果如表6所示。

表6 2008-2015年長江經(jīng)濟帶各省市物流Malmquist指數(shù)

從表6可以看出長江經(jīng)濟帶各省市的物流產(chǎn)業(yè)Malmquist指數(shù)，除安徽和江西外，其余省市的指數(shù)年均值都呈現(xiàn)上升趨勢。從時間趨勢來看，上游地區(qū)的Malmquist指數(shù)波動明顯，中下游地區(qū)除上海外都較為平穩(wěn)。

圖3是2008-2015年長江經(jīng)濟帶區(qū)域Malmquist指數(shù)變化情況。比較長江經(jīng)濟帶三個經(jīng)濟區(qū)的Malmquist指數(shù)可以發(fā)現(xiàn)，下游地區(qū)物流總效率增速放緩，2011年后基本不及中游和上游地區(qū)的增長率。結(jié)合上文分析，下游地區(qū)的上海、江蘇和浙江的物流效率屬于“雙高型”，因此基本處于規(guī)模報酬不變或遞減狀態(tài)，說明區(qū)域物流產(chǎn)業(yè)效率達到較高水平而難以繼續(xù)迅速增長，進入新常態(tài)。中游地區(qū)的物流總效率增長率處于長江經(jīng)濟帶平均水平左右，上游地區(qū)的增長率明顯高于中下游，這是由于上游地區(qū)的省市除貴州外都屬于“雙低型”，純技術(shù)效率與規(guī)模效率都有很大的提升空間。

圖3 2008-2015年長江經(jīng)濟帶區(qū)域物流Malmquist指數(shù)的比較

對于長江經(jīng)濟帶物流Malmquist指數(shù)的空間分布特征如圖4所示。

圖4 2008年和2015年長江經(jīng)濟帶物流Malmquist指數(shù)的空間分布比較

由圖4可以發(fā)現(xiàn)，長江經(jīng)濟帶的物流總效率整體上升，2008-2009發(fā)展效率不均衡的情況在2014-2015年有所好轉(zhuǎn)。其中，四川省與云南省的指數(shù)值有著顯著提升。

(四) 長江經(jīng)濟帶物流Malmquist指數(shù)因素分解

根據(jù)上述式(5)、式(6)，可將Malmquist指數(shù)分解為技術(shù)效率和技術(shù)進步，計算結(jié)果如表7所示。

由表7可以看出，從省市Malmquist指數(shù)來看，除上海外的所有省市的Malmquist指數(shù)都是增長的，上海的Malmquist指數(shù)年均減少1.3%，主要是由于技術(shù)進步的降低。

表7 2008-2015年長江經(jīng)濟帶各省市物流業(yè)Malmquist指數(shù)的變動與分解

表8 2008-2015年長江經(jīng)濟帶物流業(yè)Malmquist指數(shù)的變動與分解

如表8所示，長江經(jīng)濟帶技術(shù)效率年均下降了0.1%，技術(shù)進步年均上升了4.1%，Malmquist指數(shù)年均上升了4%，技術(shù)效率的提高對Malmquist指數(shù)上升的確起到了重要作用。2008-2012年是Malmquist指數(shù)增長比較明顯的階段，增長的主要源泉是技術(shù)進步的提高。2012-2015年Malmquist指數(shù)出現(xiàn)下降，主要是因為技術(shù)進步的下降。由圖5可以更清晰地看出，Malmquist指數(shù)變動的曲線與技術(shù)進步的曲線幾乎一致。相關(guān)分析顯示，Malmquist指數(shù)與技術(shù)進步的Pearson相關(guān)系數(shù)為0.941，顯著性水平達到0.01，高于其與技術(shù)效率相關(guān)性，表明Malmquist指數(shù)主要受技術(shù)進步影響。這說明長江經(jīng)濟帶物流的持續(xù)穩(wěn)定發(fā)展主要取決于創(chuàng)新的技術(shù)支持。

圖5 2008-2015年長江經(jīng)濟帶物流業(yè)Malmquist指數(shù)增長及分解

五、 結(jié)論與對策

本文運用DEA和Malmquist指數(shù)結(jié)合空間分布圖對2008-2015年長江經(jīng)濟帶物流規(guī)模效率、純技術(shù)效率和Malmquist指數(shù)進行分析。結(jié)果顯示：(1)近年來，長江經(jīng)濟帶物流業(yè)總體發(fā)展態(tài)勢良好；從區(qū)域來看，下游地區(qū)物流業(yè)的發(fā)展速度滯后于經(jīng)濟發(fā)展速度，中下游地區(qū)增速呈放緩的趨勢，上游地區(qū)走勢較好，區(qū)域物流業(yè)擁有巨大的提升空間。(2)上海、江蘇、浙江、安徽、湖南和貴州的物流效率屬于“雙高型”，適當調(diào)整即可達到DEA有效；浙江省連續(xù)4年規(guī)模報酬遞減，可保持現(xiàn)物流產(chǎn)業(yè)規(guī)模，注意優(yōu)化物流資源配置；湖北的物流效率屬于“低高型”，需要重點提高物流技術(shù)水平；重慶、四川和云南的物流效率屬于“雙低型”，不僅需要注重物流技術(shù)和管理水平，也要進一步優(yōu)化物流生產(chǎn)規(guī)模。(3)長江經(jīng)濟帶物流產(chǎn)業(yè)的Malmquist指數(shù)均增長約4%，技術(shù)進步指數(shù)維持在4.1%的增長趨勢，技術(shù)效率變動指數(shù)年均減少0.1%，其中技術(shù)進步是Malmquist指數(shù)的重要影響因素。

結(jié)合上述研究成果，為了促進長江經(jīng)濟帶物流業(yè)發(fā)展，本文提出以下三點對策建議：

(1)加強各個區(qū)域之間的協(xié)同合作，實現(xiàn)優(yōu)勢互補，優(yōu)化創(chuàng)新資源配置。從DEA模型的分析結(jié)果來看，長江經(jīng)濟帶整體物流效率偏低，省市間的物流效率發(fā)展并不均衡，只有上海、江蘇和安徽等個別省份達到DEA有效，長江經(jīng)濟帶物流效率還有很大的提升空間。長三角城市群、長江中游城市群和成渝城市群應(yīng)充分發(fā)揮“三極”的輻射帶動作用，建立區(qū)域聯(lián)動合作機制，促進物流產(chǎn)業(yè)資源優(yōu)勢互補、產(chǎn)業(yè)分工協(xié)作和城市間的互動合作，實現(xiàn)物流生產(chǎn)要素的有序轉(zhuǎn)移；三大城市群以外的地級城市應(yīng)發(fā)揮其“多點”作用，加強與中心城市的合作互動，帶動地區(qū)的物流發(fā)展。

(2)整合物流設(shè)施資源，推進綠色物流發(fā)展。根據(jù)《長江經(jīng)濟帶發(fā)展規(guī)劃綱要》提出的長江經(jīng)濟帶四大戰(zhàn)略，長江經(jīng)濟帶發(fā)展的目標是到2020年基本建成安全便捷、銜接高效、綠色低碳的綜合立體交通走廊。對于湖北、重慶等長江中上游省市出現(xiàn)的“低高型”和“雙低型”物流效率，需加快武漢長江中游航運中心和重慶長江上游航運中心建設(shè)，發(fā)展江海聯(lián)運服務(wù)，加快鐵路與高等級公路的建設(shè)，特別是與物流中心、港口等重要港區(qū)相連接的鐵路、高等級公路，提升貨物中轉(zhuǎn)效率，實現(xiàn)鐵路、公路與樞紐港的無縫化銜接。

(3)注重技術(shù)創(chuàng)新，提高信息化水平。實證研究表明技術(shù)進步對物流效率增長發(fā)揮重要作用，因此長江經(jīng)濟帶物流產(chǎn)業(yè)發(fā)展應(yīng)重視信息技術(shù)的運用，具體從兩方面著手：第一，政府需要重視共性技術(shù)的研發(fā)與推廣，引導并支持物流企業(yè)利用先進的信息技術(shù)，包括企業(yè)資源計劃(ERP)、全面質(zhì)量管理(TQM)、數(shù)據(jù)交換(EDI)和射頻技術(shù)(RF)等技術(shù)，先扶持一批專業(yè)性的示范物流信息企業(yè)，提升物流企業(yè)本身的信息管理水平，為功能性單一的物流企業(yè)提供信息服務(wù)，同時可以引導與鼓勵大型物流企業(yè)合作開發(fā)供應(yīng)鏈管理系統(tǒng)等。第二，政府應(yīng)大力支持建設(shè)公共信息平臺，構(gòu)建信息化協(xié)作機制，從優(yōu)化物流網(wǎng)絡(luò)著手，旨在構(gòu)建區(qū)域性乃至全國性的物流網(wǎng)絡(luò)，實現(xiàn)不同物流單元間的數(shù)據(jù)共用和信息共享互連，為物流信息交流的及時性和高效性創(chuàng)造可能。

參考文獻:

[1]SHAIK M,ABDUL-KADER W.Comprehensive performance measurement and causal-effect decision making model for reverse logistics enterprise[J].Computers & Industrial Engineering,2013,68(1):87-103．

[2]GUIMARAES J,SALOMON V.ANP applied to the evaluation of performance indicators of reverse logistics in footwear industry[J].Procedia Computer Science,2015(55):139-148．

[3]ZHOU G,MIN H,XU C,et.al.Evaluating the comparative efficiency of Chinese third-party logistics providers using data envelopment analysis[J].International Journal of Physical Distribution and Logistics Management,2008,38(4):262-279．

[4]ZHANG J,TANA W.Research on the performance evaluation of logistics enterprise based on the analytic hierarchy process[J].Energy Procedia,2012(14):1618-1623．

[5]MIN H,JOO S.Benchmarking the operational efficiency of third party logistics providers using data envelopment analysis[J].Supply Chain Management,2006,11(3):259-265．

[6]MARKOVITS-SOMOGYI R,BOKOR Z.Assessing the logistics efficiency of European countries by using the DEA-PC methodology[J].Transport,2014,29(2):137-145．

[7]鄧學平,王旭,ADA S.我國物流企業(yè)生產(chǎn)效率與規(guī)模效率[J].系統(tǒng)工程理論與實踐,2009(4):34-42．

[8]孟魁.基于三階段DEA方法的中游六省物流效率評價[J].統(tǒng)計與決策,2014(2):57-60．

[9]張竟軼,張竟成.基于三階段DEA模型的我國物流效率綜合研究[J].管理世界,2016(8):178-179．

[10]王琴梅,譚翠娥.對西安市物流效率及其影響因素的實證研究——基于DEA模型和Tobit回歸模型的分析[J].軟科學,2013(5):70-74．

[11]董鋒,徐喜輝,韓宇.低碳約束下的我國省際物流業(yè)效率研究[J].華東經(jīng)濟管理,2016(5):86-91．

[12]鐘祖昌.我國物流上市公司運營效率的實證研究[J].商業(yè)經(jīng)濟與管理,2011(4):19-26．

[13]王波,張群,王飛.考慮環(huán)境因素的企業(yè)DEA有效性分析[J].控制與決策,2002(1):24-28．

[14]王維國,馬越越.中國區(qū)域物流產(chǎn)業(yè)效率——基于三階段DEA模型的Malmquist-luenberger指數(shù)方法[J].系統(tǒng)工程,2012(3):66-75．

[15]MALMQUIST S.Index numbers and indifference surfaces[J].Trabajos De Estadistica,1953,4(2):209-242．

[16]CAVES D,CHRISTENSEN L,DIEWERT W.Multilateral comparisons of output,input,and productivity using superlative index numbers[J].Economic Journal,1982,92(3):73-86．

[17]FARE R,GROSSKOPF S.Malmquist productivity indexes and fisher ideal indexes[J].Economic Journal,1992,102(1):158-160．

[18]KOOP G,OSIEWALSKI J,STEEL M.The components of output growth:a stochastic frontier analysis[J].Oxford Bulletin of Economics & Statistics,2010,61(4):455-487．