基于DEA方法的快遞網(wǎng)點(diǎn)共配效率分析

（北京航空航天大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100191）

0 引言

近年來，我國電子商務(wù)與快遞物流協(xié)同發(fā)展不斷加深，推進(jìn)了快遞物流轉(zhuǎn)型升級、提質(zhì)增效，促進(jìn)了電子商務(wù)快速發(fā)展。2015 年7 月國務(wù)院推出積極推進(jìn)“互聯(lián)網(wǎng)+”行動(dòng)的意見，提出建設(shè)“互聯(lián)網(wǎng)+”高效物流，要求加快跨行業(yè)、跨區(qū)域的物流信息服務(wù)平臺(tái)建設(shè)，優(yōu)化物流運(yùn)作流程，降低物流成本[1]。2018年1 月23 日發(fā)布的《國務(wù)院辦公廳關(guān)于推進(jìn)電子商務(wù)與快遞物流協(xié)同發(fā)展的意見》指出要健全企業(yè)間數(shù)據(jù)共享制度，在確保消費(fèi)者個(gè)人信息安全的前提下，鼓勵(lì)和引導(dǎo)電子商務(wù)平臺(tái)與快遞物流企業(yè)之間開展數(shù)據(jù)交換共享，共同提升配送效率[2]?？爝f企業(yè)同質(zhì)化的末端網(wǎng)格化管理具有天然的共享經(jīng)濟(jì)屬性，例如加盟型快遞企業(yè)的基礎(chǔ)運(yùn)營資源大體類似。而且業(yè)務(wù)峰值谷值在相同區(qū)域及相同時(shí)間段內(nèi)具有類似規(guī)律。隨著快遞物流企業(yè)間的競爭越來越激烈，一些快遞網(wǎng)點(diǎn)開始嘗試通過場地共享、設(shè)備共享、車輛共享、人員共享等方式探索共配模式。網(wǎng)點(diǎn)共配可以提高物流資源的利用率，但是資源整合的過程也伴隨著管理難度越來越大的難題。為了更好地評估共配對網(wǎng)點(diǎn)運(yùn)營效率的影響，本文調(diào)查了以圓通速遞加盟網(wǎng)點(diǎn)為主的27家實(shí)施共配的試點(diǎn)網(wǎng)點(diǎn)，應(yīng)用數(shù)據(jù)包絡(luò)分析法討論對比了試點(diǎn)網(wǎng)點(diǎn)共配前后的變化，以期為網(wǎng)點(diǎn)更有效地開展共配提供參考。

數(shù)據(jù)包絡(luò)分析方法（Data Envelopment Analysis，DEA）是運(yùn)籌學(xué)、管理科學(xué)與數(shù)理經(jīng)濟(jì)學(xué)交叉研究的一個(gè)新領(lǐng)域[3]。數(shù)據(jù)包絡(luò)分析（DEA）已被證明是一種評估存在多個(gè)績效衡量指標(biāo)的同類決策單元相對效率的有效方法，被國內(nèi)外學(xué)者廣泛應(yīng)用于環(huán)境保護(hù)、銀行、公共衛(wèi)生與預(yù)防醫(yī)學(xué)等各行各業(yè)的效率評價(jià)中[4-6]，其中也包括物流業(yè)的評價(jià)。

然而，目前已有的研究多是面向國家、省市或大型物流企業(yè)所進(jìn)行的效率評估。Markovits-Somogyi，Rita，等將數(shù)據(jù)包絡(luò)分析法與層次分析法相結(jié)合，利用DEA—PC（兩兩比較）的方法對29 個(gè)歐洲國家的物流效率進(jìn)行檢驗(yàn)，并與原DEA 方法的結(jié)果進(jìn)行了比較[7]。Bo Hsiao，等使用meta-DEA-AR模型衡量了各個(gè)國家的物流績效指數(shù)（LPI），該模型得到的LPI排名與世界銀行LPI 的排名非常相似[8]。Ferrari,Claudio，等運(yùn)用兩階段DEA 方法分析了意大利物流公司的效率，得出規(guī)模與位置是影響意大利物流供應(yīng)商技術(shù)效率最大的兩個(gè)因素[9]。鐘祖昌采用三階段DEA 方法，評估了2001-2008 年我國28 家物流上市公司的運(yùn)營效率[10]。王玲，等運(yùn)用兩階段DEA 模型，對2012-2017 年全國郵政業(yè)的經(jīng)營效率、市場效率和整體效率進(jìn)行了研究[11]。鄒小平，等運(yùn)用DEABBC 模型，對全國31 個(gè)省市自治區(qū)快遞業(yè)效率進(jìn)行評價(jià)[12]。吳邦雷運(yùn)用DEA方法理論體系中的C2R模型和C2GS2 模型以四大類二十家上市物流企業(yè)為例，對中國上市物流企業(yè)績效進(jìn)行了分析[13]。山紅梅，等運(yùn)用DEA-Tobit 兩階段模型，分析了2009-2017年15家上市快遞公司的快遞企業(yè)效率及其影響因素[14]。丁洋洋運(yùn)用兩階段DEA方法，研究了2011-2016年我國31省份快遞業(yè)綜合技術(shù)效率及其影響因素[15]。唐建榮，等運(yùn)用DEA 與Malmquist 指數(shù)分析了區(qū)域物流效率[16]。徐廣姝，等運(yùn)用DEA 與ANP 方法對快遞企業(yè)效率進(jìn)行了評價(jià)，證實(shí)了該方法的可行性[17]。

現(xiàn)有文獻(xiàn)主要集中從宏觀上針對國家、省市以及大型快遞物流企業(yè)進(jìn)行效率評價(jià)與分析，但從微觀上不同快遞網(wǎng)點(diǎn)的角度進(jìn)行效率分析較少。另外，較少文獻(xiàn)針對某種運(yùn)營模式實(shí)施前后的運(yùn)營效率變化進(jìn)行分析。本文即從橫向和縱向的角度，以快遞網(wǎng)點(diǎn)作為主要研究對象，應(yīng)用DEA 分析中的CCR 模型與BCC 模型，并結(jié)合Malmquist 指數(shù)，對物流共配模式使用前后的27家試點(diǎn)網(wǎng)點(diǎn)進(jìn)行運(yùn)作效率的評價(jià)與分析比較。

1 研究方法與指標(biāo)選取

數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis）簡稱DEA，是數(shù)學(xué)、運(yùn)籌學(xué)、數(shù)理經(jīng)濟(jì)學(xué)和管理科學(xué)的一個(gè)新的交叉領(lǐng)域。它是由A.Charnes 和W.W.Cooper等于1978年開始創(chuàng)建，并被命名為DEA[18-19]。

1.1 DEA模型理論

1.1.1 CCR 模型。假設(shè)有n個(gè)部門（稱為決策單元），每個(gè)決策單元都有s 種類型的輸出與m種類型的輸入，yrk(r=1,2,...,s)表示DMUk對第r種輸出的產(chǎn)出量，yik(i=1,2,...,m)表示DMUk對第i種輸入的投入量，則DMUk的效率測量值為：

其中權(quán)重ur和vi都是非負(fù)的。第二組約束要求相同的權(quán)重應(yīng)用于所有DMU時(shí)不提供效率大于1的任何單元。此條件出現(xiàn)在以下約束集中：

DEA的結(jié)果是確定定義包絡(luò)面或帕累托邊界的超平面。位于表面的DMU決定了包絡(luò)并被認(rèn)為是有效的，而那些不位于表面的DMU被認(rèn)為是非有效的。

式（3）被稱為CCR模型，假設(shè)生產(chǎn)函數(shù)變現(xiàn)出恒定的規(guī)模收益。

1.1.2 BCC 模型。BBC 模型添加了一個(gè)額外的變量ck，以允許規(guī)模收益可變：

應(yīng)該注意的是，CCR 輸入最小化或輸出最大化配方的結(jié)果是相同的，這在BCC 模型中不是這種情況。因此，在面向輸出的BCC模型中，公式最大化給定輸入的輸出，反之亦然[20]。

1.1.3 Malmquist全要素生產(chǎn)力。數(shù)據(jù)包絡(luò)分析方法只能對同一期的不同決策單元進(jìn)行相對性的比較，而無法對連續(xù)數(shù)期的數(shù)據(jù)進(jìn)行比較，因而采取DEA延伸的Malmquist全要素生產(chǎn)力來評價(jià)各決策單元不同時(shí)期效率的變動(dòng)情況。Malmquist指數(shù)由曼奎斯特（Malmquist，1953）提出[21]，之后與DEA 模型相結(jié)合，成為一種測量全要素生產(chǎn)力變動(dòng)情況的專門指數(shù)[22]。假設(shè)某個(gè)決策單元在t年與t+1年的投入產(chǎn)出分別為(xt,yt)和(xt+1,yt+1),則從t年到t+1 年全要素生產(chǎn)力變化的Malmquist指數(shù)為：

Dt(xt+1,yt+1)表示以第t年的數(shù)據(jù)為參考面的t+1年的效率水平，Dt(xt,yt)表示t年當(dāng)期的效率水平，Dt+1(xt+1,yt+1)表示第t+1年當(dāng)期的效率水平，Dt+1(xt,yt)表示以第t+1年的數(shù)據(jù)為參考面的t年效率水平。

當(dāng)規(guī)模收益不變時(shí)，全要素生產(chǎn)力指數(shù)可以分解為：

當(dāng)規(guī)模收益可變時(shí)，全要素生產(chǎn)力指數(shù)可以進(jìn)一步分解，分別以V、C 代表可變規(guī)模收益與不變規(guī)模收益，則：

1.2 指標(biāo)選取

為了充分反映快件物流的特征，在選取投入產(chǎn)出指標(biāo)時(shí)，從快件物流分揀和派送的流程出發(fā)，針對場地、人、車輛、設(shè)備四種主要的物流資源，選取場地面積（網(wǎng)點(diǎn)的占地面積）、人員數(shù)量（職工人數(shù)）、車輛數(shù)量（運(yùn)輸車輛數(shù)目）、設(shè)備套數(shù)（分揀設(shè)備數(shù)量）作為投入指標(biāo)，為了直觀體現(xiàn)網(wǎng)點(diǎn)總投入，選取總成本作為投入指標(biāo)，總計(jì)五個(gè)投入指標(biāo)，涵蓋了人、物、資本三方面的投入?？爝f業(yè)務(wù)量是快遞行業(yè)中反映業(yè)務(wù)能力的一項(xiàng)重要指標(biāo)，共配網(wǎng)點(diǎn)主要通過共配完成派件任務(wù)，為體現(xiàn)網(wǎng)點(diǎn)的業(yè)務(wù)量，使用日均派件量作為產(chǎn)出指標(biāo)之一，用處理速度（派件量/操作時(shí)間）作為產(chǎn)出指標(biāo)體現(xiàn)網(wǎng)點(diǎn)的生產(chǎn)率。除反映數(shù)量規(guī)模的指標(biāo)之外，進(jìn)一步考慮了質(zhì)量因素，通過用戶投訴率來體現(xiàn)用戶滿意度，通過快遞員平均月收入和留存率來體現(xiàn)員工的滿意度。以上指標(biāo)的選取基本滿足了DEA 指標(biāo)選取的基本原則[23]，也較好地體現(xiàn)了快遞物流的業(yè)務(wù)特點(diǎn)。本文的研究對象主要是27家使用物流共配模式的試點(diǎn)網(wǎng)點(diǎn)，數(shù)據(jù)來源于問卷調(diào)查和實(shí)地訪談。

表1 和表2 分別對投入產(chǎn)出指標(biāo)數(shù)據(jù)進(jìn)行了描述性統(tǒng)計(jì)和相關(guān)性分析。

表1 投入產(chǎn)出指標(biāo)描述性統(tǒng)計(jì)

表2 投入產(chǎn)出指標(biāo)Pearson相關(guān)性分析

從描述性統(tǒng)計(jì)表中可以看出，所選取的27家試點(diǎn)網(wǎng)點(diǎn)在規(guī)模上差異較大，涵蓋范圍較廣。從Pearson相關(guān)性分析結(jié)果來看，各個(gè)指標(biāo)與其它一個(gè)或多個(gè)指標(biāo)在0.05級別上相關(guān)性顯著。

2 效率分析結(jié)果

2.1 數(shù)據(jù)包絡(luò)分析結(jié)果

數(shù)據(jù)包絡(luò)分析是針對同一時(shí)期不同決策單元進(jìn)行的一種效率分析，不同的決策單元在給定約束下選擇權(quán)重以最大化自我效率，假定共享前網(wǎng)點(diǎn)為集合X={x1,x2,...,x27},共享后網(wǎng)點(diǎn)集合為Y={y1,y2,...,y27}，為了比較同一決策單元的相對效率是否有提升，假設(shè)共享后的網(wǎng)點(diǎn)是處于共享前的另一網(wǎng)點(diǎn)yn=xn+27,(n=1,2,...,27),將共享前后的數(shù)據(jù)放在同一個(gè)集合Z={X,Y}中進(jìn)行比較，觀察其相對效率是否有提升。計(jì)算結(jié)果見表3。

表3 DEA分析結(jié)果

從綜合效率來看，14 個(gè)網(wǎng)點(diǎn)綜合效率提升，4 個(gè)網(wǎng)點(diǎn)綜合效率下降，9個(gè)網(wǎng)點(diǎn)綜合效率不變，其中有8個(gè)是在共享前后均為1，即共享前后DEA有效。共享前網(wǎng)點(diǎn)綜合效率平均值為0.740，共享后為0.820，提升0.080。共享前達(dá)到DEA有效的網(wǎng)點(diǎn)數(shù)量為10，共享后為11，數(shù)量略有提升。結(jié)果表明，整體上來看，共配后，85%的網(wǎng)點(diǎn)相對綜合效率有所提升或者維持不變，15%的網(wǎng)點(diǎn)相對綜合效率下降。圖1 表明，共享后的綜合效率基本高于共享前。

圖1 共享前后綜合效率對比

從純技術(shù)效率來看，除第15個(gè)決策單元外，其余單元的純技術(shù)效率都處于一個(gè)較高的水平。從均值來看，共享前純技術(shù)效率均值為0.994，共享后下降為0.990，下降了0.004，下降幅度較小，并且共享前后純技術(shù)效率都接近于1。在使用共配體系后，網(wǎng)點(diǎn)需要對自己的管理運(yùn)行方法進(jìn)行調(diào)整以適應(yīng)新的模式，是造成純技術(shù)效率下降的主要原因。

從規(guī)模效率來看，共享前平均規(guī)模效率0.744，共享后平均規(guī)模效率0.829，提高0.085。從規(guī)模報(bào)酬上看，有以下幾種現(xiàn)象：（1）規(guī)模報(bào)酬遞增變?yōu)橐?guī)模報(bào)酬不變；（2）共享前后報(bào)酬不變；（3）規(guī)模報(bào)酬不變變?yōu)橐?guī)模報(bào)酬遞增；（4）規(guī)模報(bào)酬遞增變?yōu)橐?guī)模報(bào)酬遞減；（5）共享前后規(guī)模報(bào)酬遞增。其中，第一種與第二種情況是優(yōu)化改進(jìn)的結(jié)果，其它情況需要進(jìn)一步通過資源整合對其規(guī)模進(jìn)行優(yōu)化。

各網(wǎng)點(diǎn)使用共配體系后，對資源進(jìn)行整合，是一種可以有效提升規(guī)模效率的方法。綜合效率取決于其純技術(shù)效率與規(guī)模效率，在使用系統(tǒng)初期會(huì)導(dǎo)致部分網(wǎng)點(diǎn)純技術(shù)效率下降，但這種下降引起的綜合效率下降小于規(guī)模效率提升造成的綜合效率的提升（如圖2 所示），可以通過提升規(guī)模效率，從而提升綜合效率。

圖2 共享前后規(guī)模效率對比

選取一個(gè)綜合效率提高的網(wǎng)點(diǎn)（序號8）以及一個(gè)綜合效率降低的網(wǎng)點(diǎn)（序號13）進(jìn)行具體分析。網(wǎng)點(diǎn)8 實(shí)施資源共享前綜合效率、純技術(shù)效率、規(guī)模效率分別為0.587，0.994，0.59，共享后均為1，各個(gè)效率均有提升。共享前，網(wǎng)點(diǎn)8在人員數(shù)量、車輛數(shù)量、設(shè)備套數(shù)和總成本四個(gè)指標(biāo)上存在投入冗余。共享后，資源利用率得以提高，綜合效率和規(guī)模效率達(dá)到了較高水平。網(wǎng)點(diǎn)13共享前綜合效率、純技術(shù)效率、規(guī)模效率分別為0.936，1，0.936，共享后分別為0.88，1，0.88。共享前后純技術(shù)效率均有效，表明規(guī)模是造成該網(wǎng)點(diǎn)綜合效率降低的主要因素，共享前后均為規(guī)模報(bào)酬遞減，說明該網(wǎng)點(diǎn)規(guī)模過大，不應(yīng)通過共配進(jìn)一步擴(kuò)大規(guī)模。在這兩個(gè)例子中，共享后網(wǎng)點(diǎn)8的規(guī)模優(yōu)化，網(wǎng)點(diǎn)13的規(guī)模惡化，表明網(wǎng)點(diǎn)在應(yīng)用資源共享等共配模式時(shí)應(yīng)考慮業(yè)務(wù)規(guī)模水平以及共配模式調(diào)整過程中的磨合問題。

2.2 Malmquist指數(shù)分析結(jié)果

DEA 分析得出的技術(shù)效率、純技術(shù)效率與規(guī)模效率是針對同一期不同決策單元之間運(yùn)作效率的評價(jià)，無法對同一決策單元不同期的效率進(jìn)行比較，曼奎斯特指數(shù)（全要素生產(chǎn)力）可以解決這一問題。當(dāng)曼奎斯特指數(shù)大于1 時(shí)，表示生產(chǎn)力有所提升，反之生產(chǎn)力下降。曼奎斯特指數(shù)（MI）可進(jìn)一步分解為效率變動(dòng)指數(shù)（EC）與技術(shù)變動(dòng)指數(shù)（TC），當(dāng)效率變動(dòng)指數(shù)大于1 時(shí)，表示技術(shù)效率提高，反之則技術(shù)效率下降；當(dāng)技術(shù)變動(dòng)指數(shù)大于1時(shí)，表示技術(shù)進(jìn)步，反之則技術(shù)衰退。效率變動(dòng)指數(shù)可進(jìn)一步分解為純技術(shù)效率變動(dòng)指數(shù)（PTEC）與規(guī)模效率變動(dòng)指數(shù)（SEC），當(dāng)純技術(shù)效率變動(dòng)指數(shù)大于1時(shí)，表示技術(shù)應(yīng)用水平提高，反之則表示技術(shù)應(yīng)用水平下降；當(dāng)規(guī)模效率變動(dòng)指數(shù)大于1 時(shí)，表示規(guī)模優(yōu)化，反之則規(guī)模惡化。具體計(jì)算結(jié)果見表4。

表4 Malmquist指數(shù)分析結(jié)果

TC表示生產(chǎn)前沿面的變動(dòng)，TC＞1表明相同輸入下能夠達(dá)到的最大輸出相對于共享前有所提升，EC代表了達(dá)到生產(chǎn)前沿面的程度，EC＞1 代表決策單元能夠更加接近生產(chǎn)前沿面。MI 由EC 與TC 共同決定，MI＞1 表明全要素生產(chǎn)力有所提升，MI＜1 表明生產(chǎn)力下降。從本次分析結(jié)果來看，樣本整體MI 平均值為1.208，生產(chǎn)力上升。所選樣本中，2個(gè)網(wǎng)點(diǎn)共享前后生產(chǎn)力不變，8 個(gè)網(wǎng)點(diǎn)共享后生產(chǎn)力低于共享前，17個(gè)網(wǎng)點(diǎn)共享后生產(chǎn)力上升。共享后，樣本整體的平均效率變動(dòng)指數(shù)與平均技術(shù)變動(dòng)指數(shù)分別為1.175，1.024，表明共享后快件物流的生產(chǎn)前沿面有所提升，且所選樣本整體上更接近生產(chǎn)前沿面。效率變動(dòng)指數(shù)受純技術(shù)效率變動(dòng)與規(guī)模效率變動(dòng)影響，樣本整體PTEC 平均值為0.999，SEC 平均值為1.175，表明共配后技術(shù)應(yīng)用水平下降的同時(shí)規(guī)模得到了優(yōu)化，效率有所提升，其貢獻(xiàn)來源于技術(shù)水平提升所引起的規(guī)模優(yōu)化。TC＞1，PTEC＜1，技術(shù)水平雖然有所提升，但對技術(shù)的應(yīng)用卻有所下降，驗(yàn)證了DEA分析中提出的部分網(wǎng)點(diǎn)需要調(diào)整管理方式。

本文中我們著重分析了樣本整體共享前后的效率變動(dòng)，雖然整體上生產(chǎn)力提升，但從Malmquist指數(shù)分析結(jié)果中發(fā)現(xiàn)，有一些決策單元全要素生產(chǎn)力指數(shù)仍低于1。例如網(wǎng)點(diǎn)4的效率變動(dòng)指數(shù)、純技術(shù)效率變動(dòng)以及規(guī)模效率變動(dòng)均為1，技術(shù)變動(dòng)指數(shù)與全要素生產(chǎn)力為0.877，技術(shù)水平下降，而樣本整體的技術(shù)水平上升。對于網(wǎng)點(diǎn)17，全要素生產(chǎn)力下降的主要原因是SEC小于1，也與樣本整體的規(guī)模效率變動(dòng)不符。對于這種與樣本變化趨勢不同，并且由此造成生產(chǎn)力下降的決策單元，需要進(jìn)一步分析找出影響效率提升的原因。

3 總結(jié)與展望

本文旨在用DEA 方法對圓通等27 家試點(diǎn)網(wǎng)點(diǎn)使用共享系統(tǒng)前后的綜合效率和全要素生產(chǎn)力進(jìn)行分析與對比，研究物流共配后效率是否有提升。最終得出以下結(jié)論：

（1）從綜合效率來看，樣本整體共享后的綜合效率高于共享前，主要得益于規(guī)模效率的提升。各網(wǎng)點(diǎn)使用共配體系后，對資源進(jìn)行整合，是一種可以有效提升規(guī)模效率的方法。綜合效率取決于其純技術(shù)效率與規(guī)模效率，在使用系統(tǒng)初期會(huì)導(dǎo)致部分網(wǎng)點(diǎn)純技術(shù)效率下降，但這種下降引起的綜合效率下降小于規(guī)模效率提升造成的綜合效率提升，可以通過提升規(guī)模效率，從而提升綜合效率。

（2）從Malmquist 指數(shù)看，樣本整體共享后的Malmquist指數(shù)大于1，效率變動(dòng)指數(shù)、技術(shù)變動(dòng)指數(shù)、規(guī)模效率變動(dòng)均大于1，純技術(shù)效率變動(dòng)小于1，生產(chǎn)力提升。共配后純技術(shù)效率下降，技術(shù)效率變動(dòng)大于1，即共享后技術(shù)水平有所提升，但技術(shù)應(yīng)用水平略微下降。

共配是社會(huì)資源高效配置的重要模式之一。本文以日均派件量、處理速度、快遞員平均月收入、用戶滿意度、人員留存率為產(chǎn)出指標(biāo)，以場地面積、人員數(shù)量、車輛數(shù)量、設(shè)備套數(shù)以及總成本為投入指標(biāo)，運(yùn)用DEA-BCC 模型與Malmquist 指數(shù)對快遞網(wǎng)點(diǎn)共配效率進(jìn)行分析。在未來的研究中，可以通過投入產(chǎn)出指標(biāo)的不同組合，對比不同指標(biāo)體系下的效率分析結(jié)果，尋找影響各快遞網(wǎng)點(diǎn)效率的主要指標(biāo)。除此之外，考慮末端配送中快遞網(wǎng)點(diǎn)、驛站、自提柜、快遞員等之間的關(guān)系，構(gòu)建多階段DEA 模型，對末端配送系統(tǒng)進(jìn)行效率分析以實(shí)現(xiàn)其效率最大化也是未來重要研究方向之一。