基于Malmquist中部6省物流业全要素能源效率分析.docVIP

基于Malmquist中部6省物流业全要素能源效率分析 　　摘 要：通过Malmquist方法对中部6省物流业全要素进行实证分析，发现中部6省的全要素能源效率在2003～2014年之间出现先下降，后上升的变化。根据实证结果分析现状产生的原因，提出一些建议和对策。 　　关键词：物流业；全要素能源效率；Malmquist 　　中图分类号：F253.9 文献标识码：A 文章编号：1008-4428（2016）08-31 -02 　　一、引言 　　根据2012年发展改革委有关负责人谈鼓励和引导民间投资进入物流领域实施意见：物流业作为融合运输业、仓储业、货代业和信息业等的复合型服务产业，在国民经济中的基础性地位日益凸显，已经成为衡量国家现代化水平与综合国力的重要标志之一。 　　“十一五”以来，我国物流业取得迅猛发展，运行效率显著提高，基础设施条件加快改善，为支撑国民经济平稳较快发展发挥了重要作用。 　　虽然，到目前为止，物流业发展已经取得了不小的成绩。但是，相对于国外，我国物流业仍然面临以下问题：（1）物流企业的效率不够高；（2）经营成本居高不下，阻碍了其更加有力的支持我国的经济发展。因此，如何在降低物流业能源单位消耗的同时提高物流业能源效率，保障物流行业快速发展从而促进经济增长是现阶段物流业发展需要关注的问题。在现有的能源效率研究方法中，数据包络分析（DEA）作为一个种不涉及参数函数的估计， 也不需要假设研究对象在技术上是有效率的，虽然是不能解释随机扰动，但可以做到有效的评估多元素生产结构效率：在给定各种投入要素的条件下实现最大产出，或者给定产出水平下实现投入最小化的能力。被许多学者广泛的使用，是我们考察技术效率和技术进步的强有力的工具。因此，我选择数据包络分析 （DEA）方法，对我国2003～2014年间山西、安徽、江西、河南、湖北、湖南中部6省物流业全要素能源效率进行计算。再通过基于DEA- Malmquist 生产率指数法对其的全要素生产率进行测度，计算出了技术效率、技术变化、规模效率、纯技术效率。动态地评价这6个省的物流业的全要素能源效率的变化趋势，并相应的提出意见与建议。 　　二、物流业全要素能源效率模型构建 　　（一）BCC-DEA 模型 　　DEA方法从投入和产出两个角度来度量技术效率。DEA基本模型是CCR模型和BCC模型，CCR 模型测量的是决策单元的整体效率，而BCC模型测量的仅是技术效率。CCR模型计算规模报酬不变条件下各 DMU的相对效率，适合整体效率的衡量。BCC模型则假设DMU规模报酬可变，并可以将技术效率分解为纯技术效率和规模效率。考虑到我国物流规模效率相对较高，绝大多数省市处于规模报酬递增阶段，而且控制要素投入比控制产出更加实际，因此，本文采用投入导向下的BCC模型测度物流行业的能源效率。 　　模型线性规划如下： 假设有n个DMU{DMUj，j=1，2，…，n}，m种输 入xij（i=1，2，…，m，j=1，2，…，n），s种产出yrj（r=1，2，…，s，j=1，2，…，n）。 要求保持产出不变的情况下投入最小，即 xij最小。 　　即θ*=minθ 　　S.t. 　　（1） 　　式中：λj为决策变量；θ*为模型最优解，即测算出的效率值，对应投入产出的有效度，反映资源配置的合理程度；θ为DMU的效率值。 　　（二）DEA-Malmquist 指数 　　BCC模型可以测算不同年份各DMU的能源效率，并对测算结果做静态比较分析。为了更详细的说明能源利用效率的变动情况，为更好的呈现中部6省的物流行业能源效率变化趋势及变动原因，我们需要进一步进行Malmquist指数的测算。将由模型（1）所得出的技术效率的倒数作为距离函数，即： 。 　　从 t 时期到 t + 1 时期，Malmquist 指数为： 　　（2） 　　其中 effch 为技术效率指数，techch 为技术进步指数。技术效率变化分解为纯技术效率变化和规模效率变化： 　　（3） 　　故可变规模报酬假设下，Malmquist 指数是由技术进步指数、纯技术效率指数和规模效率指数三部分构成的，即： 　　三、实证分析 　　（一）物流行业能源效率以年份为单位，以原始数据为基础，根据公式 ⑴，利用 Deap 2.1 软件，计算得出我国中部 6 省 2003-2014 年物流业全要素能源效率值如表1所示。 　　由表1可知，2003～2014年中，我国中部6省的物流业整体能源效率都有很大的变化。在2003～2009年，每个省的能源效率都呈现一开始较高的水平，之后下降的情况。会出现以上变化的原因有：笔者认为这段时间的下降是由于伴随着不断增加的资本投入，而无法及时将投入变成产出导致的效率的下降，特别是在基础建设上的投入