中国八大经济区域物流产业运作效率剖析.docVIP

中国八大经济区域物流产业运作效率剖析 　　摘要:文章首先基于三阶段DEA分析方法构建均质化效率分析框架,在剔除地区经济环境、交通基础设施状况、现代化信息技术水平以及物流产业总体状况等外部环境变量以及随机因素对效率影响基础上,分析相同环境及随机条件下中国八大经济区域2008年物流产业实际运作效率水平。其后依据均质化环境下获取的更加切实、准确的分析结果,提出优化物流产业运作效率的针对性对策建议。 　　关键词:物流产业;运作效率;三阶段DEA 　　 　　一、 引言 　　 　　现有相关研究成果在物流效率问题研究上已取得一定进展,但仍存在两方面问题:一是研究视角较为单一,已有成果主要集中于物流企业层面,部分学者虽从物流产业总体效率分析入手,但主要基于原有“东中西”划分格局,尚缺乏对新经济区域划分构架下八大经济区域物流产业效率的研究成果;二是研究方法对外部环境因素以及随机因素考量不足,物流产业作为服务性产业外部环境状况对其运作效率具有显著影响,随机因素作为影响效率表现的次要因素也需加以适度考量,但现有物流效率相关成果主要基于传统DEA分析方法,无法分析以上因素对物流产业效率的影响。 　　鉴于上述现存问题,本文以国家“十一五”发展规划中提出的新经济区域划分构想将全国划分为八大经济区域,应用三阶段DEA模型构建均质化效率分析框架,通过对影响物流产业运作效率的外部经济环境、交通基础设施状况、现代化信息技术水平以及物流产业整体状况等外部环境因素的剔除,评估在相同环境以及随机条件下八大经济区物流产业实际运作效率高低。 　　 　　二、 三阶段DEA分析方法 　　 　　众多学者基于研究需求,依据不同的调整方法对DEA加以优化,当前调整后的DEA方法大致可分为:传统DEA、二阶段DEA、三阶段DEA(Fried and Lovell,1996)、四阶段DEA(Fried et al,1999)以及三阶段DEA(Fried et al,2002)。本文选取Fried等2002年所提出的三阶段DEA调整方法,将物流产业效率分析划分为如下三个阶段。 　　1. 一阶段传统DEA模型。第一阶段是利用传统DEA分析方法得出物流产业的技术效率与投入差额值,由于本文的核心在于探讨我国各经济区物流产业运作水平差异,其关键在于分析既定物流服务产出条件下的要素投入最小化效率,因此本文采用基于投入导向下的BCC(规模报酬可变)模型,鉴于DEA-BCC已是较为成熟的方法,本文不再叙述其模型原理。 　　2. 二阶段相似SFA模型。第一阶段所获取的投入差额实质是受到环境影响、随机误差以及内部管理等因素影响,因此第二阶段是在第一阶段分析基础上,将投入差额值作为因变量,将环境影响、随机误差作为解释变量进行回归分析,借助SFA(随机前沿分析)调整随机误差、环境因素对差额值的影响,得出由管理低效所造成的投入冗余。 　　以下以投入导向为例,构建经济区物流产业投入变量SFA分析方法。为剔除环境因素对松弛变量的影响,首先需构建松弛变量与环境解释变量回归方程: 　　Sin=fi(zi;?茁n)+Vin+uin,i=1,2,…,I,n=1,2,…,N 　　fi(zi;?茁n)是确定可行的松弛前沿,表示外生环境变量对松弛变量的影响,zi是外生环境解释变量,?茁n是预评估的环境解释变量参数;Vin+uin为混合误差项,两要素独立不相关,其中Vin是第n个物流企业在第i个要素投入,其生产过程的随机误差;uin是第n个物流企业的第n个要素投入,其物流服务生产过程中管理无效率的非负随机变量。 　　在进行SFA分析后,利用回归结果以效率最高物流企业投入量为基准,对其他物流企业要素投入量加以调整,方法如下: 　　XAin=Xin+[maxn{zk ?茁n}-zi ?茁n]+[maxn{Vkn}-Vin],i=1,2,…,I,n=1,2,…,N 　　其中XAin为第n家物流企业要素i的修正后投入值, [maxn{zk?茁n}-zi ?茁n]代表将所有物流企业调整于相同的产业运作环境,[maxn{Vin}-Vin]则是将所有物流企业的生产随机误差调为相同状态。最后为了消除混合误差中的随机误差,将其与管理无效率分离,本文采用Jondrow等(1982)所提出的方法加以估计,限于篇幅在此不加以细述。 　　3. 三阶段调整后DEA模型。第三阶段则是利用调整后的物流产业投入数据替代原有数据,再次利用DEA-BCC模型,重新分析物流产业运作效率。第三阶段所获取结论是在排除外生环境变量以及随机误差影响后得到的结果,其分析更加客观,更能反映各经济区物流产业实际状况。 　　 　　三、 投入产出指标以及环境变量选择 　　 　　1. 物流产业投入产出指标选择及数据来源。从产业层面对效率进行