基于DEA模型广州市生鲜农产品冷链物流效率分析.docVIP

基于DEA模型广州市生鲜农产品冷链物流效率分析 　　摘 要：本文结合广州市生鲜农产品冷链物流的现状，查阅相关资料，选取了2014-2016年的面板数据，构建生鲜农产品冷链物流效率评价体系，采用DEA方法，利用DEA solver 9.0软件对广州市3年的生鲜农产品冷链物流效率进行了评价，并提出了相关建议。 　　关键词：冷链物流；数据包络分析；效率分析 　　中图分类号：F323.7 文献标志码：A 文章编号：1008-2697（2017）02-0033-04 　　近几年来，为了提高广东省农产品的流通率，满足广大人民对高品质生鲜农产品以及食品安全的要求，促进农民增收，广东省高度重视以生鲜农产品冷藏保鲜、低温仓储与货运为核心的农产品冷链物流系统发展，和这一冷链物流相关的建设成为新型的投资热点，良好的投资环境吸引了外资冷链物流公司的进驻，其发展规模持续扩展，该省这一产业迎来了全新的发展时期。而广州市由于便利的交通条件使其成为广东省重要的商品集散中心，但由于冷链物流技术的不成熟等原因也存在着许多制约其发展的因素。其中，怎么样对农产品冷链物流的效率进行评价是个重要的问题。目前，大多数学者是通过层次分析法（Analytic Hierarchy Process，AHP）等较为主观的方法进行评价，且当指标过多时其权重也难以确定。而数据包络分析法（Data Envelopment Analysis，DEA）则是一种较为客观的效率评价方法，利用DEA分析法可以更加直观的分析投入产出的效率问题。 　　一、研究方法与指标选取 　　（一）研究方法 　　数据包络分析（DEA）是一种非参数技术效率研究法，是1976年英国的Cooper、Rhodes及Charnes这三位研究学家第一次创建出来的以“相对效率评估”为研究条件，重点用于评估系统效率的研究手段。自DEA诞生以来，其理论与方法发展迅速，应用范围不断扩展，应用数量持续增长。其中最为广泛使用的是基于规模报酬不变（Constant Returns to Scale，CRS）的CCR模型和基于规模报酬可变（Variable Returns to Scale，VRS）的BCC模型，为了更好的计算纯技术效率和规模效率，本文运用CCR模型可以得出综合效率（Technical Efficiency，TE），再借助BCC模型得出纯技术效率（Pure Technical Efficiency，PTE），规模效率（Scale Efficiency，SE）就利用关系式SE=TE/PTE得出。故选择CCR模型和BCC模型进行研究，假设每个决策单元（DMU）中有种投入和中产出，则CCR模型的规划式为： 　　BCC模型是由CCR模型的基础上增加了约束条件所构成。由模型的规划式可以看出，如果某个DMU的φ值为1则代表此年广州市生鲜农产品冷链物流在规模报酬可变的BCC模型中处于效率的前沿面，是纯技术效率有效的。 　　（二）指标选取 　　指标的选取是运用DEA模型的关键，选取合理的指标才能有效反应各DMU的效率，DEA模型对投入指标的选取有三个基本的原则：一是投入指标和产出指标应具有高度相关性；二是各项投入指标之间、各项产出指标之间不能有过高的相关性；三是各项投入产出指标的可获得性。考虑到在具体的生鲜农产品交易过程中，生鲜农产品冷链物流的各个环节如，采后预冷、初加工和运输等对冷链都存在极其严格的规定，所以，对生鲜农产品冷链物流效率造成干扰的要素极其复杂。本着满足DEA模型对数据的要求，且能够准确而又科学地分析广州市生鲜农产品冷链物流效率的问题，提高效率水平进行分析研究的目的，遵循DEA模型投入产出指标选取的原则，也遵循着目的性、系统性、代表性、可比性和可操作性原则，本文确定了以下投入产出指标（表1）。 　　一些学者在做DEA分析时提出由于投入与产出指标数据单位不统一，不符合DEA模型数据的运算规则，必须首先对元数据进行无量纲化处理。其实在使用MAX Dea或者DEA solver 9.0等软件时，是不需要对各项指标的单位做无量纲化处理。这也是DEA方法得到广泛应用的优点所在。 　　二、模型建立与分析 　　选取2014-2016年为3个DMU，分别为DMU1、DMU2和DMU3。选取投入和产出指标的相关数据，数据主要来源于《广东省统计年鉴2014》、《广东省统计年鉴2015》、导师相关项目提供。将投入指标（I）和产出指标（O）输入到DEA solver9.0中选取CCR-I和BCC-I模型进行处理，计算出三条广州市冷链物流系统的TE、PTE和SE（表2）。 　　从表2的结果可知，2014年和2015年的TE值1，表示这两年生鲜农产品冷链物流为非整体效率有效。并且DMU1的SE和PTE值均不??1，说明不具有纯