省域快遞業(yè)效率評價及影響因素分析
——基于DEA—Tobit模型

李明垚 （長安大學(xué) 經(jīng)濟與管理學(xué)院，陜西 西安 710064）

0 引 言

《快遞業(yè)發(fā)展“十三五”規(guī)劃》的發(fā)布使快遞業(yè)面臨新的機遇與挑戰(zhàn)?；仡櫩爝f業(yè)的發(fā)展歷程不難發(fā)現(xiàn)，網(wǎng)絡(luò)購物的發(fā)展帶動了快遞業(yè)的擴張。但在投資不斷增加的同時，利潤卻遭到不斷壓縮。國家郵政局公布的相關(guān)數(shù)據(jù)顯示，2010～2015年快遞行業(yè)單件收入從24.6元下滑到13.4元。鑒于此，實施快遞業(yè)的降本增效迫在眉睫。因此，有必要對目前全國不同地區(qū)的快遞業(yè)績效進行客觀評價，分析影響快遞業(yè)效率的因素，對快遞業(yè)資源配置的配置提出合理化建議。

目前國內(nèi)針對影響快遞行業(yè)績效因素的研究相對較少，主要集中在單一的效率評價。季彤[1]（2012）運用DEA模型僅從規(guī)模效率的角度對影響快遞業(yè)效率的因素進行了簡要分析。吳貴文等[2]（2013）運用超效率DEA模型對快遞企業(yè)物流績效進行了評價。秦立公（2015）[3]運用DEA模型僅對廣西省快遞效率進行了研究。王玲等[4]（2016） 運用兩階段DEA模型對我國郵政業(yè)運行效率進行了分析研究。王寶義（2016）[5-6]對我國快遞業(yè)發(fā)展的區(qū)域差異及不平衡性進行了相應(yīng)的分析。基于上述研究，本文運用三階段DEA模型對全國各省快遞業(yè)效率進行測算，并運用Tobit回歸模型對影響快遞業(yè)效率的因素進行相關(guān)分析，并提出合理化建議。

1 快遞業(yè)技術(shù)效率測評分析

1.1 模型設(shè)計與變量選取

（1）模型設(shè)計。數(shù)據(jù)包絡(luò)分析法（DEA）具有直接評價多個輸入和多個輸出決策單元之間的相對效率的優(yōu)點，使得其在很多領(lǐng)域得到廣泛應(yīng)用。本文將采用三階段DEA方法[7]對快遞業(yè)效率進行研究，該方法能夠很好地剔除隨機誤差與外部環(huán)境對快遞業(yè)效率的影響，使得結(jié)果能夠更加客觀反應(yīng)快遞業(yè)效率。

第一階段：因快遞業(yè)的投入變量相對于產(chǎn)出變量更易得到控制，故采用投入指導(dǎo)下BCC模型進行分析，測算出快遞業(yè)技術(shù)效率。

第二階段：考慮到各個省份快遞業(yè)發(fā)展環(huán)境不同，第一階段的數(shù)據(jù)易受到環(huán)境因素、隨機誤差項和管理無效率等因素的干擾，故采用SFA模型剔除外部環(huán)境和隨機誤差項的干擾。利用SFA模型將投入松弛變量分解為環(huán)境因素、隨機誤差項和管理無效率因素三個部分。構(gòu)建方程如式（1）所示：

假設(shè)有N個樣本決策單元DMUi，每個決策單元有k個投入變量和Y個產(chǎn)出變量。Ski表示DMUi的第k個投入松弛變量，Zi,βk分別為DMUi的環(huán)境變量及其參數(shù)。vki表示隨機誤差為管理無效率項，與Zi三者相互獨立。通過對管理無效率因素和隨機誤差項進行分離調(diào)整后的投入項為式（2）所示：

為調(diào)整后的投入，xki為調(diào)整前的投入，表示將決策單元外部環(huán)境統(tǒng)一化， ［ma x（ υki）-uki］表示剔除隨機誤差的影響。

第三階段：利用調(diào)整后的數(shù)據(jù)，再次使用BCC模型進行分析，此時測算出的效率值已經(jīng)剔除了隨機誤差與外部環(huán)境的干擾，其結(jié)果更具真實性。

（2）變量選取。綜合參考相關(guān)學(xué)者的研究，本文選取快遞業(yè)營業(yè)網(wǎng)點個數(shù)、快遞業(yè)從業(yè)人員總?cè)藬?shù)和快遞業(yè)服務(wù)汽車擁有量作為投入變量，以快遞業(yè)快遞業(yè)務(wù)收入和快遞業(yè)務(wù)量作為產(chǎn)出變量。因統(tǒng)計數(shù)據(jù)的完整性，本文選取全國31個省市的2015年郵政行業(yè)發(fā)展統(tǒng)計公報，郵政局統(tǒng)計數(shù)據(jù)、2016年中國統(tǒng)計年鑒和wind數(shù)據(jù)庫數(shù)據(jù)作為最終數(shù)據(jù)來源。投入與產(chǎn)出變量的描述性統(tǒng)計結(jié)果如表1所示。

表1 快遞業(yè)投入與產(chǎn)出變量描述性統(tǒng)計

外部環(huán)境變量的選取需要考慮到對快遞業(yè)效率有實際影響卻在短期內(nèi)又無法改變的環(huán)境因素。余泳澤[8]（2010）和王琴梅[9]（2013）等人在對物流效率及其影響因素的研究中提出經(jīng)濟發(fā)展水平，市場化程度和區(qū)位因素等對物流效率的影響。徐銳[10]（2016）對湖北省快遞業(yè)務(wù)量與GDP關(guān)系的研究指出湖北省GDP的增長可以推動快遞業(yè)務(wù)量的增加。故本文選取各省市GDP、電子商務(wù)銷售額、地理位置和市場化指數(shù)為外部環(huán)境變量。

各省市GDP。地區(qū)的經(jīng)濟發(fā)展水平很大程度上直接影響當(dāng)?shù)叵嚓P(guān)產(chǎn)業(yè)的發(fā)展，快遞業(yè)作為第三產(chǎn)業(yè)其中之一，其業(yè)務(wù)量的大小直接受制于當(dāng)?shù)亟?jīng)濟的發(fā)展。

電子商務(wù)銷售額。陳賓[11]（2016）通過VAR模型對電子商務(wù)與快遞業(yè)的互動關(guān)系進行研究，證明電子商務(wù)的發(fā)展對快遞業(yè)的發(fā)展具有顯著的影響作用。

地理位置。地區(qū)的地理位置在很大程度上影響著該地區(qū)的快遞業(yè)效率，為將區(qū)位因素進行量化，以余泳澤[8]對區(qū)位因素劃分的結(jié)果為基礎(chǔ)，將樣本中的31個省市分為東部、中部和西部地區(qū)，并分別取值為0、1和2。

市場化指數(shù)?？爝f業(yè)的發(fā)展與一個地區(qū)的市場化程度有著緊密的聯(lián)系。為了更加系統(tǒng)的反映各省市市場化程度，本文采用王小魯、樊綱[12]等主持的“中國分省份市場化指數(shù)報告（2016）”的研究結(jié)果作為測度各地區(qū)市場化程度的變量。

外部環(huán)境影響變量的描述性統(tǒng)計如表2所示：

表2 外部環(huán)境影響變量的描述性統(tǒng)計

1.2 數(shù)據(jù)處理

（1）第一階段。在不考慮外部環(huán)境和隨機誤差的影響下，運用DEAP2.1軟件對投入和產(chǎn)出變量進行運算，運算結(jié)果如表3所示。

表3 快遞業(yè)效率具體分布情況

通過表3可知，快遞業(yè)整體技術(shù)效率偏低，均值僅為0.463，其主要原因是純技術(shù)效率偏低造成的；各省市之間的快遞業(yè)技術(shù)效率差異很大，地域間發(fā)展具有不平衡性，技術(shù)效率值在0.6以下占到了總體的77.42%，效率值為1的占到總體的12.9%；純技術(shù)效率值在0.6以下占到總體的64.52%，規(guī)模效率值在0.6以上占到總體的87.09%，這表明純技術(shù)效率普遍低于規(guī)模效率，這說明通過優(yōu)化快遞業(yè)的資源配置和管理要素等分配比增加快遞業(yè)規(guī)模更有利于提升快遞業(yè)的效率。

（2）第二階段。以第一階段DEA運算結(jié)果中的快遞業(yè)投入變量的冗余值為因變量，以各省的GDP、電子商務(wù)銷售額、地理位置和市場化指數(shù)為自變量，采用Frontier4.1軟件進行第二階段的SFA回歸分析，回歸結(jié)果如表4所示。

表4 外部環(huán)境影響因素SFA回歸結(jié)果

結(jié)果顯示，GDP的系數(shù)表明經(jīng)濟相對發(fā)達的地方反而容易造成快遞業(yè)投入變量的投入相對過剩，且通過了1%的顯著性檢驗。從系數(shù)角度分析，GDP變化幅度越大，越容易造成人員的投入冗余。

電子商務(wù)銷售額的提升是降低三者冗余值的有利因素，且對三者的影響效果均等，且通過了1%的顯著性檢驗。這表明發(fā)展電子商務(wù)不僅能夠促進快遞業(yè)的發(fā)展，而且還能提升快遞業(yè)的技術(shù)效率。

地理位置則是由東向西對從業(yè)人員和營業(yè)網(wǎng)點的冗余值影響逐漸增大，且通過了1%的顯著性檢驗。通過系數(shù)分析發(fā)現(xiàn)，相對于營業(yè)網(wǎng)點、地理位置因素對從業(yè)人員的投入冗余影響更大。但是地理位置因素對快遞運輸車輛冗余值影響不顯著，說明各地區(qū)快遞車輛投入使用效率更加具有理性。

市場化指數(shù)表明，在同一時期市場化程度越高、經(jīng)濟能力越強的地區(qū)，快遞業(yè)市場惡性競爭越激烈?？爝f企業(yè)為了爭奪市場份額，盲目提升服務(wù)效率與質(zhì)量，從而造成營業(yè)網(wǎng)點和快遞人員的投入冗余值也越大。

（3）第三階段。使用剔除環(huán)境變量和隨機誤差影響后的數(shù)據(jù)為投入數(shù)據(jù)，再次使用BCC模型對快遞業(yè)的效率進行分析，結(jié)果如表5所示。圖1則更加直觀地反映了全國31個省市的快遞業(yè)技術(shù)效率分布情況。

1.3 快遞產(chǎn)業(yè)DEA測算結(jié)果分析

從剔除外部環(huán)境和隨機誤差影響的DEA運算結(jié)果可以看出，相對于第一階段而言，導(dǎo)致快遞業(yè)技術(shù)效率偏低的原因從純技術(shù)效率變成了規(guī)模效率。這表明雖然我國快遞業(yè)近幾年取得了較快的發(fā)展，各種先進技術(shù)裝備也得到相應(yīng)的應(yīng)用，但限制快遞業(yè)效率提高的真實因素仍是規(guī)模效率偏低。“雙十一”快遞量激增現(xiàn)象僅作為一種病態(tài)的存在，日常的快遞量則依然是規(guī)模偏低。

上海、浙江和廣東的綜合效率，技術(shù)效率和規(guī)模效率都為1，并列全國最高，說明三個地區(qū)的快遞業(yè)發(fā)展水平較高，快遞業(yè)要素投入相對合理。全國31個省市的純技術(shù)效率為0.6～0.8、0.8～1和1的概率分別是6.45%、64.52%和29.03%，說明全國各省市在快遞業(yè)管理水平、信息技術(shù)與裝備的應(yīng)用等方面的差異不明顯。

規(guī)模效率的分布大致服從東部沿海到西部內(nèi)陸依次遞減趨勢，東部、中部和西部的平均規(guī)模效率分別為0.70、0.26和0.12。江浙滬、福建和廣東位于東部沿海，因優(yōu)越的地理位置及便捷的交通網(wǎng)絡(luò)使得規(guī)模效率值均大于0.6，以湖北和河南為代表的中部地區(qū)大多為0.3左右，以甘肅和云南為代表的西北和西南地區(qū)大多小于0.1。這表明快遞業(yè)規(guī)模效率的提高很大程度上受限于因地理位置因素所帶來的各種負(fù)面影響。如何克服因地理位置對規(guī)模的影響成為提高規(guī)模效率的關(guān)注重點。除上海、浙江和廣東外，其他省市均為規(guī)模報酬遞增，這說明其他省市均可通過借助本地區(qū)產(chǎn)業(yè)特色以擴大快遞業(yè)規(guī)模，從而提升本省的綜合效率。

表5 各省市快遞業(yè)DEA效率結(jié)果

圖1 全國31省市快遞業(yè)技術(shù)效率分布

2 快遞業(yè)綜合效率影響因素分析

DEA模型對全國各省市快遞業(yè)效率相對精確的測量結(jié)果可以直觀地反映各地區(qū)快遞業(yè)的發(fā)展水平，但對其影響因素的解釋能力有限。為了進一步揭示快遞業(yè)效率的影響因素，需要建立Tobit回歸模型進行分析。

2.1 影響因素選擇

根據(jù)統(tǒng)計數(shù)據(jù)的可得性，本文采用郵政局公布的機構(gòu)設(shè)備和服務(wù)能力的相關(guān)指標(biāo)作為自變量，以快遞業(yè)技術(shù)效率，純技術(shù)效率和規(guī)模效率為因變量進行分析。具體選取以下指標(biāo)：手持終端臺數(shù)、計算機臺數(shù)、年人均快遞使用量、單一營業(yè)網(wǎng)點服務(wù)人口和郵政總線路。

2.2 模型檢驗與結(jié)果分析

本文采用Stata軟件進行Tobit回歸分析，統(tǒng)計結(jié)果如表6所示。

表6 快遞業(yè)效率Tobit回歸結(jié)果

手持終端在10%的顯著性水平上反向影響快遞業(yè)規(guī)模效率，這表明在全國規(guī)模效率偏低的情況下，投入過多的手持終端并不能很好地提高快遞業(yè)效率，反而增加快遞業(yè)經(jīng)營成本，降低企業(yè)利潤。

計算機用量在5%和1%的顯著性水平上正向影響快遞業(yè)技術(shù)效率和規(guī)模效率，表明增加計算機用量在一定程度上能夠提高整體作業(yè)效率，減少人員投入，提高整體管理效率，有利于發(fā)揮快遞業(yè)規(guī)模效率，提高快遞服務(wù)能力。

年人均快遞使用量在1%、5%和10%的顯著性水平上正向影響快遞業(yè)技術(shù)效率，純技術(shù)效率和規(guī)模效率，表明人均每年所使用的快遞量越大越有利于快遞業(yè)發(fā)揮規(guī)模效益，提升快遞業(yè)技術(shù)水平。

單一營業(yè)網(wǎng)點服務(wù)人口在10%的顯著性水平上正向影響快遞業(yè)技術(shù)效率，這說明單一營業(yè)網(wǎng)點服務(wù)人口基數(shù)越大，越能提高快遞業(yè)的資源利用效率，從而有效減低快遞業(yè)的運營成本，提高快遞業(yè)利潤。

郵政總線路在5%的顯著性水平上反向影響快遞業(yè)技術(shù)純技術(shù)效率，這說明在全國快遞業(yè)整體規(guī)模效率不高的情況下，盲目擴大各地區(qū)快遞的配送區(qū)域不利于快遞業(yè)自身管理水平的提高，容易造成快遞業(yè)管理無效性，快遞配送末端的不穩(wěn)定一定程度上受盲目擴張的影響。

3 結(jié)論與建議

本文通過三階段DEA模型對2015年快遞業(yè)的技術(shù)效率進行了測算，并通過Tobit回歸模型對影響快遞業(yè)效率的影響因素進行了分析得出如下結(jié)論：

（1）全國快遞業(yè)技術(shù)效率不高，平均僅為0.321，造成全國技術(shù)效率普遍偏低的主要原因是規(guī)模效率偏低引起的，且全國東、中、西部快遞業(yè)的規(guī)模效率差異較大，分別為0.70、0.26和0.12。

（2）全國快遞業(yè)純技術(shù)效率普遍較高，上海、浙江和廣東純技術(shù)效率為1，大多省市均處于0.8～1之間，差異不明顯。這表明全國各省市快遞業(yè)的經(jīng)營管理水平受地域和經(jīng)濟環(huán)境的影響不大。

（3）Tobit回歸結(jié)果表明在目前快遞業(yè)發(fā)展環(huán)境下，計算機擁有臺數(shù)、年人均快遞使用量和單一營業(yè)網(wǎng)點服務(wù)人口這三個因素均正向影響快遞業(yè)的效率。手持終端和郵政總線路則反向影響快遞業(yè)的效率。

依據(jù)本文的研究結(jié)果給出以下建議：

（1）各省市快遞業(yè)規(guī)模效率偏低但規(guī)模報酬遞增。各省市應(yīng)把擴大規(guī)模效益作為快遞業(yè)的發(fā)展重點，利用規(guī)模經(jīng)濟效應(yīng)為快遞企業(yè)降本增效。電子商務(wù)作為擴大快遞業(yè)規(guī)模的有效載體，各省市可給予優(yōu)惠政策發(fā)展本地產(chǎn)業(yè)的特色電子商務(wù)，促進省內(nèi)和省際間的商品的流通。

（2）從供應(yīng)鏈的角度考慮，同時快遞企業(yè)不應(yīng)局限于倉配服務(wù)，將業(yè)務(wù)拓展至提供供應(yīng)鏈服務(wù)，擴大業(yè)務(wù)范圍為電子商務(wù)全產(chǎn)業(yè)鏈服務(wù)。通過實現(xiàn)快遞業(yè)與上游的有效集成，從而有效減少人員、車輛等資源投入，提高資源利用率，提升快遞業(yè)效率。

（3）借機“一帶一路”戰(zhàn)略拓展海外快遞業(yè)務(wù)。目前各省海外業(yè)務(wù)占比普遍較低，平均僅占快遞業(yè)務(wù)量的2.1%，而業(yè)務(wù)收入占比達到13.3%。大力拓展海外快遞業(yè)務(wù)將使快遞企業(yè)在規(guī)模和利潤兩方面獲益。

（4）不斷優(yōu)化快遞企業(yè)內(nèi)部運營及管理。利用flexsim、anylogic、automod物流仿真技術(shù)，結(jié)合實際運作情況測算計算機的合理用量、單一營業(yè)網(wǎng)點最優(yōu)服務(wù)規(guī)模、車輛配送路徑和服務(wù)人員數(shù)量以提高快遞業(yè)效率，實現(xiàn)企業(yè)降本增效。從短期考慮，企業(yè)不宜應(yīng)盲目擴大自營配送范圍，宜采用外包模式拓展業(yè)務(wù)。