程元棟CHENG Yuan-dong;朱婷ZHU Ting
(安徽理工大學經濟與管理學院,淮南 232001)
物流業(yè)作為國民經濟與社會發(fā)展的基礎行業(yè)與服務產業(yè),其發(fā)展水平已成為衡量一個國家或地區(qū)的重要標志之一。統(tǒng)計安徽省內截止2020 年11 月有A 級企業(yè)共228家,其中5A 物流1 家;4A 物流104 家;3A 物流98 家;2A物流25 家。全省社會物流總額42846.3 億元,同比增長24.1%;增速高于國家8.4 個百分點。安徽省有合肥、蕪湖、安慶、蚌埠、阜陽5 個城市入選國家物流樞紐承載城市,表明安徽全國物流布局中占據(jù)重要地位,物流業(yè)對安徽省經濟社會發(fā)展支撐作用在不斷增強。因此對安徽省物流行業(yè)進行效率研究,探討安徽物流業(yè)發(fā)展中的優(yōu)勢與阻礙因素,幫助企業(yè)與政府部門提供對策,對推動安徽物流高質量發(fā)展具有重要意義。
國內的一些學者也從不同角度對物流效率進行研究。錢芝網(wǎng)對珠三角城市群物流效率進行分析,采用SBM 模型測算物流效率,指出技術創(chuàng)新對效率起主要促進作用,綜合管理水平有待提高[1]。牛君對湖南省物流效率運用DEA 模型進行測算,研究發(fā)現(xiàn),湖南省物流業(yè)綜合效率較高,規(guī)模效率變化較大,物流效率存在一定提升空間[2]。李玉喬對我國西南地區(qū)2010-2019 年物流效率進行分析,研究發(fā)現(xiàn),西南地區(qū)物流發(fā)展效率較低,地區(qū)差異性較大,物流發(fā)展較緩慢,技術效率、技術進步都對物流效率起促進作用,建議西南地區(qū)應重點關注這兩方面的投入[3]。汪文生對渤海地區(qū)14 個城市的物流效率進行研究,采用三階段DEA 對研究區(qū)域的物流效率進行測算,研究結果表明,研究區(qū)域的物流效率發(fā)展質量差異明顯,受環(huán)境因素影響較大,純技術效率對綜合效率影響較小,建議應該注重物流行業(yè)對創(chuàng)新技術的應用,提高物流整體效率水平[4]。
綜上可知,數(shù)據(jù)包絡分析方法(DEA)是對物流效率研究的主流方法,目前針對安徽省最新年份的各地市物流效率的研究較少,因此本文擬在前人研究基礎上,采用DEA方法構建安徽物流效率評價指標體系,采用最新數(shù)據(jù)(2019 年)對安徽省各個城市的物流行業(yè)的效率進行測度來反映安徽當前真實的物流發(fā)展情況,尋找安徽省物流效率影響因素,為安徽省制定差別化對策,提高安徽省物流業(yè)整體效率水平。
1984 年,Banker,Cooper 和Charnes 提出了BCC 模型,該模型設想生產過程屬于可變規(guī)模報酬,即當投入量增加,產出量不一定等比例增加,有可能規(guī)模遞增或者遞減。DEA 方法分為投入導向與產出導向,考慮到物流系統(tǒng)實際運作中,投入導向比產出導向更容易實現(xiàn)控制,因此本文采用投入導向包絡模型如下:
通過對近幾年文獻[1-7]的梳理,將學者對物流效率的評價指標的選擇進行匯總,見表1。
表1 物流效率評價指標建模統(tǒng)計表
根據(jù)表1 以及數(shù)據(jù)可得性,本文選取物流業(yè)生產總值、貨運量、貨運周轉量為產出指標,物流業(yè)從業(yè)人數(shù)、物流業(yè)固定資產投資增長比率、物流里程數(shù)為投入指標,構建安徽省物流效率評價指標體系,本文選取投入產出指標數(shù)據(jù)均來源2019 年《安徽省統(tǒng)計年鑒》。
因為物流固定資產投資增長比率存在負數(shù),本文采用的DEA 基本模型不能測算投入產出數(shù)據(jù)存在負數(shù)的DMU 相對有效性,因此需要根據(jù)DEA 基本模型的“變換不變性”的特征對數(shù)據(jù)進行處理,即同一指標同時加或減相同的正數(shù),DMU 的DEA 有效性不變。
通過對數(shù)據(jù)進行“變換不變性處理”,本文投入產出數(shù)據(jù)具體見表2。
表2 投入產出數(shù)據(jù)統(tǒng)計表
使用數(shù)據(jù)包絡分析專業(yè)軟件deap2.1 對2019 年安徽省物流效率進行測算,測得安徽省各地市物流效率值,如表3 所示。
表3 2019 年安徽省物流效率現(xiàn)狀
整體來看,安徽省物流效率水平不高,物流效率均值為0.835,距離安徽省物流效率有效前沿面16.5%的距離。表明安徽省物流行業(yè)存在資源浪費,資源配置率低。分城市來看,安徽省地市中,合肥、淮北、蚌埠、阜陽、六安、宣城、銅陵物流效率值均為1,表現(xiàn)為物流效率有效狀態(tài)。綜合效率值低于1 的有亳州、宿州、淮南、滁州、馬鞍山、蕪湖、池州、安慶、黃山,以上9 個城市的物流效率未達到DEA 有效,表明其物流行業(yè)運行中資源投入過多,利用率低。
通過DEA 模型測算的綜合效率、純技術效率、規(guī)模效率三者之間存在的數(shù)學關系表現(xiàn)為:綜合效率=純技術效率×規(guī)模效率,即物流綜合效率由純技術效率與規(guī)模效率共同決定。所以通過對純技術效率和規(guī)模效率的分析可推理出物流效率失效的原因。
由表3 可知,安徽省2019 年物流業(yè)綜合效率為0.835;純技術效率為0.917;規(guī)模效率為0.911,三者均低于1。表明2019 年安徽省物流效率失效是由于純技術效率與規(guī)模效率的共同阻礙影響,其中規(guī)模效率對安徽省2019 年物流業(yè)效率的反向作用更大。由此看來,安徽物流行業(yè)在技術創(chuàng)新與資源配置兩方面的工作都需要加強。在9 個物流效率失效的地市中,亳州、宿州、淮南、馬鞍山、蕪湖、池州、安慶是由于純技術效率無效與規(guī)模效率無效共同導致的物流效率無效。滁州、黃山是由于規(guī)模效率的失效導致的物流綜合效率低于1,這證明規(guī)模效率失效是導致安徽省地市物流失效的主要原因,純技術效率失效的次要原因。
在使用傳統(tǒng)DEA 模型進行效率分析時,對DMU 有效的各決策單元之間的排序通常無法進行,但本文參考了清華大學謝岳來對于有效決策單元的對比方法,即通過考慮其作為被參照對象的重要程度(例如進入?yún)⒄占拇螖?shù))是相對更優(yōu)的排序方法[8]。
安徽16 地市中,物流綜合效率有效的地市有7 個,受限根據(jù)有效DMU 進入?yún)⒖技拇螖?shù)進行排序;對參照次數(shù)相同的DMU 需要根據(jù)被參照權重二次排序,具體分析結果如表4 所示。
表4 2019 年安徽省物流效率有效的地市績效排序
由表4 可知,2019 年安徽省16 地市中,物流業(yè)效率有效的有7 個,其中物流綜合效率水平最高的是淮北市,相對最差的是銅陵市,其物流效率有效的7 個地市績效排名從高到底依次是:淮北>蚌埠>宣城>六安>合肥>阜陽>銅陵。
本文通過對安徽省2019 年各地市物流行業(yè)相關投入產出數(shù)據(jù)進行數(shù)據(jù)包絡分析,測算各地市物流業(yè)效率并研究其影響因素,得到如下結論:①安徽省物流綜合效率均值為0.835,距離物流業(yè)有效前沿面存在16.5%的進步空間。分城市看,2019 年安徽省物流綜合效率為1 的地市有:合肥、淮北、蚌埠、阜陽、六安、宣城、銅陵。物流綜合效率低于1 的有:亳州、宿州、淮南、滁州、馬鞍山、蕪湖、池州、安慶、黃山。②安徽省物流純技術效率均值為0.917,規(guī)模效率均值為0.911,表明安徽省物流效率低下是由于純技術效率失效與規(guī)模效率失效共同導致的,規(guī)模效率的抑制作用更明顯。在9 個物流效率失效的地市中,亳州、宿州、淮南、馬鞍山、蕪湖、池州、安慶是由于純技術效率無效與規(guī)模效率無效共同導致的物流效率無效。滁州、黃山是由于規(guī)模效率的失效導致的物流綜合效率低于1,這證明規(guī)模效率失效是導致安徽省地市物流失效的主要原因,純技術效率失效的次要原因。③在安徽省物流效率有效的地市中,淮北物流效率水平最高,銅梁的物流效率最差。其從高到低依次排序為:淮北>蚌埠>宣城>六安>合肥>阜陽>銅陵。
為提高安徽省物流效率水平,提出如下相關建議:安徽省應該加大技術創(chuàng)新工作力度,提供加大研發(fā)投入,技術創(chuàng)新,從而提高物流業(yè)工作效率,提高資源利用率,減少物流業(yè)資源浪費現(xiàn)象。滁州、黃山應著重調整生產規(guī)模,優(yōu)化投入產出比率,合理進行資源配置。亳州、宿州、淮南、馬鞍山、蕪湖、池州、安慶,不僅要加強技術創(chuàng)新,還要節(jié)約資源,提高對資源的利用率,合理配置。對于安徽省各地市之間物流效率的地區(qū)差異,各地政府應該出臺相關政策,實現(xiàn)各地企業(yè)信息互通,技術互置,實現(xiàn)共同進步[9-14]。