范建平,肖 慧,樊曉宏
(山西大學(xué)經(jīng)濟(jì)與管理學(xué)院,山西 太原 030006)
考慮非期望產(chǎn)出的改進(jìn)EBM-DEA三階段模型
——基于中國省際物流業(yè)效率的實(shí)證分析
范建平,肖 慧,樊曉宏
(山西大學(xué)經(jīng)濟(jì)與管理學(xué)院,山西 太原 030006)
傳統(tǒng)三階段DEA方法的模型選取僅限于徑向或非徑向測度方法,且通常從技術(shù)、規(guī)模和純技術(shù)效率的視角出發(fā),不考慮非期望產(chǎn)出。本文使用環(huán)境DEA技術(shù)將非期望產(chǎn)出考慮在內(nèi),并基于環(huán)境、經(jīng)濟(jì)和技術(shù)效率視角構(gòu)建了改進(jìn)的EBM-DEA三階段模型,有效克服了僅用徑向或非徑向方法的不足。最后,使用該模型測算了我國2012年省際物流業(yè)的環(huán)境、經(jīng)濟(jì)與技術(shù)效率,結(jié)果表明:物流業(yè)環(huán)境效率整體偏低,經(jīng)濟(jì)效率呈現(xiàn)由東部沿海向西部內(nèi)陸遞減的趨勢,加強(qiáng)環(huán)境管制可以提高經(jīng)濟(jì)效率,修正外部環(huán)境因素及隨機(jī)誤差后,東、中、西部的技術(shù)效率差異仍然很大。
EBM(epsilon-based measure)模型;三階段DEA;物流業(yè)效率;非期望產(chǎn)出
Farrell[1]最早提出通過比較決策單元與最佳決策單元形成的前沿面來估計(jì)效率,基于此思想發(fā)展而來的“前沿分析法”成為目前國內(nèi)外普遍采用的一種效率評估方法。前沿分析法包括參數(shù)法和非參數(shù)法。非參數(shù)法以數(shù)據(jù)包絡(luò)分析法(Data Envelopment Analysis,DEA)為代表,Charnes等[2]1978年提出DEA,用來評價(jià)具有多投入多產(chǎn)出的同類決策單元(DMU)的相對效率,它在避免主觀因素、簡化算法等方面具有優(yōu)勢,已被廣泛應(yīng)用于決策單元的效率評價(jià)與排序中。基于不同的經(jīng)濟(jì)視角,DEA方法通常分為徑向和非徑向方法兩類,前者(如CCR,BCC)基于Debreu-Farrell經(jīng)濟(jì)理論,而后者(如SBM,RAM)基于Pareto-Koopmans經(jīng)濟(jì)理論。Sueyoshi等[3]指出,徑向方法與非徑向方法各有利弊,如CCR模型的假設(shè)條件過于嚴(yán)格,與現(xiàn)實(shí)經(jīng)濟(jì)背離,而SBM模型對不同的投入或產(chǎn)出進(jìn)行非等比例的調(diào)整,雖然規(guī)避了投入要素徑向縮減的假設(shè)條件,但這以損失效率前沿投影值的原始比例信息為代價(jià),因而實(shí)證分析時(shí)應(yīng)綜合使用二者,從而為決策者提供更加合理的建議。之后,Hybrid模型和EBM[4](Epsilon-based Measure)模型的提出,將徑向和非徑向方法融合在一個構(gòu)架之中。參數(shù)法最常用是隨機(jī)前沿法(Stochastic Frontier Analysis,SFA),SFA方法[5]通過估計(jì)生產(chǎn)函數(shù)對生產(chǎn)過程進(jìn)行描述,將隨機(jī)擾動項(xiàng)分為外部環(huán)境因素和隨機(jī)誤差兩部分,相對DEA而言,SFA在測量誤差和統(tǒng)計(jì)干擾處理上有著不可低估的優(yōu)越性[6]。
Fried等[7]把非參數(shù)方法與隨機(jī)前沿方法相結(jié)合,構(gòu)建了BCC-SFA-BCC三階段分析程序,充分利用DEA模型的靈活性優(yōu)點(diǎn),并借助SFA方法的優(yōu)良統(tǒng)計(jì)特征來彌補(bǔ)DEA模型的不足。三階段DEA模型目前已被廣泛應(yīng)用[8-10],現(xiàn)有的相關(guān)文獻(xiàn)可分為以下兩類:(1)形如DEA-SFA-DEA的三階段模型,此框架的具體形式取決于DEA模型的選取,如SBM-SFA-SBM[11]、WSBM-SFA-WSBM[12]、需要二次調(diào)整的SBM-SFA-SBM[13]。上述模型剔除決策單元間外部環(huán)境因素的影響的同時(shí)還能剔除隨機(jī)誤差的影響;(2)將三階段DEA模型與其他方法相結(jié)合,基于問題導(dǎo)向,結(jié)合具體評價(jià)問題的性質(zhì)對三階段模型進(jìn)行改進(jìn)。王維國等[14]將三階段DEA模型和Malmquist-Luenberger指數(shù)方法相結(jié)合評價(jià)物流業(yè)效率,Cui Qiang等[15]構(gòu)造了三階段虛擬前沿面DEA模型評估交通能源效率,黃薇[16]將內(nèi)生風(fēng)險(xiǎn)和外生環(huán)境納入效率評估模型構(gòu)建了改進(jìn)的三階段DEA模型。綜上所述,傳統(tǒng)DEA三階段模型存在以下不足:首先,第一階段采用BCC或SBM等模型,前者是徑向度量方法,假設(shè)各投入同比例收縮,而實(shí)際中不同投入變量對產(chǎn)出變量的彈性不同,投入變量的減少也不可能都是同比例進(jìn)行。后者是非徑向度量方法,不但損失效率前沿投影值的原始比例信息,而且在求解過程中,取零值和正值的最優(yōu)松弛具有顯著差別[17]。其次,傳統(tǒng)DEA三階段方法評價(jià)效率時(shí)常常忽視生產(chǎn)運(yùn)作中非期望產(chǎn)出對效率值的影響。實(shí)際生產(chǎn)中考慮非期望產(chǎn)出,更能客觀評價(jià)某行業(yè)運(yùn)行和管理的真正水平[18-19]。F?re等[20]對此做了奠基工作,提出處理非期望產(chǎn)出的弱可處置性參考技術(shù)。在DEA框架下,該技術(shù)被稱為環(huán)境DEA技術(shù),Zhou Peng等[21]認(rèn)為環(huán)境DEA技術(shù)比傳統(tǒng)DEA技術(shù)更能反映實(shí)際生產(chǎn)過程,很多學(xué)者對此進(jìn)行了理論擴(kuò)展與研究[21-24]。最后,未來中國經(jīng)濟(jì)增長將面臨嚴(yán)重的環(huán)境問題,發(fā)展低碳經(jīng)濟(jì)已經(jīng)成為一場涉及生活方式和國家利益的全球性革命,基于經(jīng)濟(jì)效率和環(huán)境績效視角的三階段模型的提出將會很有意義。
本文使用弱處置參考技術(shù)將非期望產(chǎn)出考慮在評價(jià)體系中測評環(huán)境效率。然后,在被評決策單元處于單純的環(huán)境前沿的情況下,運(yùn)用EBM[4]模型,測算經(jīng)濟(jì)效率,同時(shí)盡可能準(zhǔn)確地測度投入的實(shí)際松弛量。最后,對松弛量進(jìn)行SFA回歸,通過對原始投入進(jìn)行調(diào)整,得到剔除外部環(huán)境因素及隨機(jī)誤差影響的技術(shù)效率。本文以物流業(yè)樣本為例,使用改進(jìn)EBM-DEA三階段模型,對2012年物流業(yè)的環(huán)境效率、經(jīng)濟(jì)效率和技術(shù)效率進(jìn)行測算和評估。
假設(shè)有K(k=1,2,…,K)個決策單元,每個決策單元有N(n=1,2,…,N)種投入,M(m=1,2,…,M)種期望產(chǎn)出,投入矩陣和期望產(chǎn)出矩陣分別表示為:X={xnk}∈RN×K,Y={ymk}∈RM×K,且X>0,Y>0。
2.1 EBM模型
為了有效解決徑向與非徑向方法存在的問題,Tone[4]提出了綜合二者的DEA技術(shù)即EBM模型,表示如下:
(1)
(2)
2.2 基于環(huán)境DEA技術(shù)的EBM模型
生產(chǎn)過程中,生產(chǎn)期望產(chǎn)出(如GDP)的同時(shí),將不可避免地產(chǎn)生一些非期望產(chǎn)出(如CO2等溫室氣體),這就需要構(gòu)造一個既包含期望產(chǎn)出又包含非期望產(chǎn)出的生產(chǎn)可能集。假設(shè)生產(chǎn)過程中有J(j=1,2,…,J)種非期望產(chǎn)出,表示為:B={bjk}∈RJ×K,其他表示同模型(1),T={(x,y,b):x能生產(chǎn)(y,b)}表示生產(chǎn)技術(shù)。為了更合理反映真實(shí)的生產(chǎn)過程,F(xiàn)?re等[25]在已有的生產(chǎn)可能集P(x)={(y,b): (x,y,b)∈T}中增加了兩個假設(shè),表示如下:
(1)產(chǎn)出的弱可處置性:如果(x,y,b)∈T且0≤θ≤1,那么(x,θy,θb)∈T。該式說明單獨(dú)減少非期望產(chǎn)出不可行,減少非期望產(chǎn)出時(shí)必然伴隨著期望產(chǎn)出的減少;
(2)非期望產(chǎn)出與期望產(chǎn)出的零結(jié)合性:如果(y,b)∈P(x)且b=0,那么y=0,即不生產(chǎn)非期望產(chǎn)出的唯一方法就是停止生產(chǎn)。
借鑒F?re等[25]提出的環(huán)境DEA技術(shù),構(gòu)建考慮非期望產(chǎn)出的EBM模型如下:
(3)
δ*為考慮非期望產(chǎn)出的經(jīng)濟(jì)效率,表示對環(huán)境污染排放實(shí)行管制,在保持環(huán)境污染排放水平不變的情況下,盡可能減少投入。δ*越接近1,表示環(huán)境管制情況下經(jīng)濟(jì)效率越高,投入減少的空間越小。
2.3 改進(jìn)EBM-DEA三階段模型
構(gòu)建模型之前,首先需要明確環(huán)境的概念,這部分內(nèi)容,第一階段提到的環(huán)境效率側(cè)重生產(chǎn)過程中產(chǎn)生的非期望產(chǎn)出對自然環(huán)境造成的污染,第三階段剔除的環(huán)境變量指外部社會經(jīng)濟(jì)體系,其對物流業(yè)的效率產(chǎn)生影響,又不在主觀可控范圍內(nèi),統(tǒng)稱為外部環(huán)境效應(yīng)。
第一階段:環(huán)境效率(Environmental efficiency,ENE)
模型(3)重點(diǎn)考慮投入和產(chǎn)出的經(jīng)濟(jì)性因素,側(cè)重經(jīng)濟(jì)效率的測評,沒有明確測度純環(huán)境效率(下文均稱為環(huán)境效率)。這里的環(huán)境效率是指在投入和期望產(chǎn)出給定且不變的條件下,非期望產(chǎn)出的最小可能值與實(shí)際排放量之間的比值,測度模型如下:
ENE=ρ*=minρ
(4)
λk≥0,k=1,2,…,K
ρ*為考慮非期望產(chǎn)出時(shí)所測環(huán)境效率,若ρ*=1,表明該DMU0處于最佳環(huán)境生產(chǎn)前沿,即環(huán)境有效;ρ*<1,則該DMU0環(huán)境不有效。
第二階段:經(jīng)濟(jì)效率(Economic efficiency,ECE)
模型(3)計(jì)算環(huán)境污染排放保持在實(shí)際水平的情況下,被評決策單元的投入有效性,而沒有將測度環(huán)境績效和經(jīng)濟(jì)效率結(jié)合起來,這里將模型(4)的結(jié)果代入測評體系,將被評決策單元控制在最佳環(huán)境生產(chǎn)水平。對任一決策單元而言,構(gòu)建其純經(jīng)濟(jì)效率(下文均稱為經(jīng)濟(jì)效率)模型如下:
(5)
第三階段:技術(shù)效率(Technical efficiency,TE)
傳統(tǒng)DEA模型將投入的松弛變量歸因于決策單元管理的無效率,是有失偏頗的。Fried等[7]認(rèn)為,第二階段DEA分析得到的投入松弛變量受三項(xiàng)因素影響:外部環(huán)境效應(yīng)、隨機(jī)誤差和管理水平。這里通過構(gòu)建SFA模型分別觀測出上述三項(xiàng)因素的影響,再將外部環(huán)境效應(yīng)和隨機(jī)誤差剝離,得到由管理無效造成的投入冗余。分別對K個DMU的M個投入松弛變量構(gòu)建SFA回歸方程為:
(6)
(7)
目前各國統(tǒng)計(jì)的產(chǎn)業(yè)分類體系中沒有“物流業(yè)”,本文借鑒張竟軼和張竟成[10]、余泳澤和武鵬[26]的方法,將物流業(yè)界定為:貨物運(yùn)輸業(yè)、倉儲業(yè)和郵政業(yè)。其中貨物運(yùn)輸業(yè)包括鐵路貨運(yùn)業(yè)、公路貨運(yùn)業(yè)、管道運(yùn)輸業(yè)、水上貨運(yùn)業(yè)、航空貨運(yùn)業(yè)、其他交通運(yùn)輸及交通運(yùn)輸輔助業(yè)。
3.1 變量選取和樣本說明
(1)投入變量選取
本文選取資本、勞動力和能源作為投入。永續(xù)盤存法是計(jì)算資本存量的常用方法,該法取決于基年資本存量、折舊率、固定資產(chǎn)價(jià)格指數(shù)和每年投資額的選取,由于受省際物流業(yè)數(shù)據(jù)限制,缺少分行業(yè)固定資產(chǎn)投資價(jià)格指數(shù),本文參考王維國和馬越越[14]、鄧學(xué)平[27]采用固定資產(chǎn)投資代替資本存量作為資本投入量;勞動力投入:以各地區(qū)物流業(yè)的從業(yè)人數(shù)替代勞動力投入;能源投入:從終端能源消費(fèi)角度出發(fā),選取各省市物流業(yè)不同類型的能源消費(fèi)量,統(tǒng)一轉(zhuǎn)換成標(biāo)準(zhǔn)煤后加總得到能源消費(fèi)總量,轉(zhuǎn)換系數(shù)如表1。
(2)產(chǎn)出變量選取
期望產(chǎn)出由綜合周轉(zhuǎn)量和物流業(yè)生產(chǎn)總值(GDP)表示,其中綜合周轉(zhuǎn)量是將各省市旅客周轉(zhuǎn)量和貨物周轉(zhuǎn)量按照一定換算方法(鐵路1噸公里=1人公里、公路1噸公里=10人公里、水路1噸公里=1人公里)折算而來[14]。將物流業(yè)運(yùn)作過程中產(chǎn)生的碳排放量作為非期望產(chǎn)出,使用聯(lián)合國政府間氣候變化專門委員會(IPCC)推薦的方法,以各地區(qū)煤炭、汽油、煤油、柴油、燃料油、天然氣和電力七種能源的消耗量與相應(yīng)排放系數(shù)的乘積和來估算碳排放量,如表1所示。
(3)環(huán)境變量選取
選取外部環(huán)境變量如下,一是經(jīng)濟(jì)發(fā)展水平,用物流業(yè)生產(chǎn)總值與地區(qū)生產(chǎn)總值的比值替代;二是政府支持程度,用物流業(yè)財(cái)政支出占總財(cái)政支出的比重表示;三是能源利用率,用綜合周轉(zhuǎn)量與能源消耗的比值表示;四是區(qū)位優(yōu)勢,用地區(qū)物流業(yè)產(chǎn)值在地區(qū)總產(chǎn)值中所占的比重與全國物流業(yè)產(chǎn)值在全國總產(chǎn)值中所占比重的比值表示。選取2012年中國30個省、自治區(qū)和直轄市(西藏因缺少數(shù)據(jù)不包括在內(nèi))的數(shù)據(jù)進(jìn)行研究,數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒2013》、《中國能源統(tǒng)計(jì)年鑒2013》、《中國第三產(chǎn)業(yè)統(tǒng)計(jì)年鑒2013》,描述性統(tǒng)計(jì)分析見表2。
表1 碳排放系數(shù)表
表2 數(shù)據(jù)的描述統(tǒng)計(jì)分析
3.2 模型估計(jì)結(jié)果分析
(1)CCR、SBM和EBM模型結(jié)果分析
利用DEA SOLVER11.0軟件對2012年我國30個省市區(qū)物流業(yè)效率水平進(jìn)行測算,如表3所示,不考慮非期望產(chǎn)出時(shí),CCR模型、SBM模型和EBM模型(τ*值)所得結(jié)果分別為0.67、0.59、0.65,天津、河北、上海、江蘇、安徽在CCR、SBM和EBM模型下均為有效單元。效率值最低的決策單元分別是云南、四川、青海、重慶、新疆,效率值均低于0.50。CCR模型為徑向模型,其效率值存在一定程度高估偏誤,SBM為非徑向模型,規(guī)避了投入要素同比例縮減的假設(shè)條件。二者測得效率值前者偏大,后者偏小,而EBM模型將二者結(jié)合,測得的效率值更易接受,三種模型所得各決策單元效率值排序基本一致。
物流業(yè)的運(yùn)作與交通工具的使用息息相關(guān),在測評物流業(yè)效率時(shí),將碳排放考慮在內(nèi)所得效率值更切合實(shí)際。由δ*值可得,不同省市碳排放量的不同,一定程度上改變了原有指標(biāo)下的效率值,加強(qiáng)環(huán)境管制可以在很大程度上提高物流業(yè)經(jīng)濟(jì)效率。這不僅表現(xiàn)在處于生產(chǎn)前沿的省份由原來的天津、河北、上海、江蘇和安徽5個增至9個,增加了海南、山東、寧夏和內(nèi)蒙古四省,而且所有省份效率值都得到了不同程度的改善。相對而言,四川、湖南、青海、北京、河南、山西和重慶等省份效率值偏低,它們多數(shù)位于中西部地區(qū),上述模型所得效率平均值,總是東部>中部>西部,表現(xiàn)出明顯的區(qū)域不平衡性。
(2)改進(jìn)EBM-DEA三階段模型結(jié)果分析
第一階段結(jié)果
環(huán)境效率:使用Matlab軟件進(jìn)行分析,環(huán)境、經(jīng)濟(jì)和技術(shù)水平結(jié)果見表3后三列。中國物流業(yè)的環(huán)境效率均值為0.48,整體水平較低。從各省份來看,天津、河北、上海、江蘇、安徽和寧夏的環(huán)境效率值為1,均處于環(huán)境前沿面,是評價(jià)其他省份環(huán)境效率水平高低的標(biāo)尺。環(huán)境效率最低的四個省份分別為云南、新疆、黑龍江和湖北,其環(huán)境效率均未超過0.30。這意味著,如果以上海、天津和河北為參照面,云南、新疆和黑龍江的污染排放在現(xiàn)有基礎(chǔ)上至少可減少70%,可見省際物流環(huán)境效率差距明顯,落后省份減排潛力巨大。與環(huán)境前沿面的決策單元相比,這些地區(qū)經(jīng)濟(jì)相對欠發(fā)達(dá),更依賴于“資源的高投入、低利用和高排放”的粗放生產(chǎn)方式來實(shí)現(xiàn)經(jīng)濟(jì)增長,這嚴(yán)重制約著環(huán)境效率的提高。雖然近年來我國環(huán)境有所改善,可是由環(huán)境造成的無效率狀況仍有待提高。
表3 2012年我國30個省、市、區(qū)不同模型所得效率值
第二階段結(jié)果
經(jīng)濟(jì)效率:將各省市的碳排放調(diào)整到最小,即處于各自的環(huán)境效率水平下,利用模型(5)得到各省市的經(jīng)濟(jì)效率值σ*,處于經(jīng)濟(jì)效率的前沿面上的省市有天津、河北、上海、江蘇、安徽和寧夏。山東、江西和河南的經(jīng)濟(jì)效率相對較高均為0.92,云南、青海和四川經(jīng)濟(jì)效率最差分別為0.21、0.32、0.32,說明地理位置對物流業(yè)的發(fā)展非常關(guān)鍵。東部沿海省份優(yōu)越的地理位置相對于中、西部地區(qū)具有先天優(yōu)勢,例如沿海城市具有出海口岸或全球性的物資集散地,物流量必然會持續(xù)較高,這將影響物流業(yè)的規(guī)模大小和產(chǎn)業(yè)結(jié)構(gòu),從而影響經(jīng)濟(jì)效率。比較δ*和σ*可知,環(huán)境效率的提高可以帶動經(jīng)濟(jì)效率的提高。北京市環(huán)境效率為0.34,經(jīng)濟(jì)效率為0.69,如果其環(huán)境效率在現(xiàn)有基礎(chǔ)上提高0.66,那么其經(jīng)濟(jì)效率將達(dá)到0.82。云南、青海、湖北、重慶和四川,如果它們的環(huán)境效率變?yōu)橛行В?jīng)濟(jì)效率至少將會有0.42的提升空間。全國的環(huán)境效率、經(jīng)濟(jì)效率均值分別為0.48和0.70,如果環(huán)境效率均值提高0.52,經(jīng)濟(jì)效率將提高到0.91。
第三階段結(jié)果
a.環(huán)境變量對投入要素影響的分析
借助Frontier4.1軟件,第三階段實(shí)證結(jié)果如表4。4個環(huán)境變量對3種投入松弛變量的系數(shù)大多能通過顯著性檢驗(yàn),這說明外部環(huán)境對各省市投入冗余存在顯著影響,資本和能源投入松弛變量的γ值為0.999且均達(dá)到1%的顯著性水平,這說明資本和能源投入中管理因素的影響占據(jù)主導(dǎo)地位,勞動力投入松弛變量的γ值為0.001,說明在勞動力冗余方面,隨機(jī)誤差影響占據(jù)主導(dǎo)地位。因此,外部環(huán)境和隨機(jī)誤差對效率影響的剝離分析很有必要。
從回歸系數(shù)可知:經(jīng)濟(jì)發(fā)展水平對資本、勞動力和能源投入松弛變量的回歸系數(shù)均顯著,說明各地區(qū)經(jīng)濟(jì)發(fā)展水平與物流業(yè)經(jīng)濟(jì)效率聯(lián)系緊密。其對資本投入松弛變量的回歸系數(shù)為負(fù),表明地區(qū)GDP的增加會降低資本冗余,有利于物流業(yè)經(jīng)濟(jì)效率的提高。相反,經(jīng)濟(jì)發(fā)展水平對勞動力和能源投入松弛變量的回歸系數(shù)均為正,表明經(jīng)濟(jì)發(fā)展促進(jìn)物流需求快速增長,刺激相關(guān)人力和能源投入,導(dǎo)致盈余增加。
能源利用率對能源松弛變量的估計(jì)系數(shù)為負(fù)值,且通過1%的顯著性水平,意味著隨著能源利用率的提高,增加單位產(chǎn)出的能耗減少,環(huán)境污染減小,經(jīng)濟(jì)效率提高。另外,能源利用率對勞動力松弛變量的估計(jì)系數(shù)為負(fù)值,通過5%的顯著性水平,在物流業(yè)多頭管理模式下,各種基礎(chǔ)設(shè)施的規(guī)劃和建設(shè)協(xié)調(diào)不當(dāng),重復(fù)建設(shè)和過度競爭造成勞動力嚴(yán)重浪費(fèi),隨著能源利用率的提高,勞動力投入冗余減小。
區(qū)位優(yōu)勢對資本和能源松弛變量的估計(jì)系數(shù)為正值,表示區(qū)位優(yōu)勢越好,就會有越多資本及能源投入進(jìn)入物流業(yè)。如交通基礎(chǔ)設(shè)施建設(shè)的提高,導(dǎo)致物流業(yè)發(fā)展環(huán)境大幅優(yōu)化,短期內(nèi)資本及能源的大量積聚導(dǎo)致要素使用效率低下,冗余更加嚴(yán)重。
財(cái)政支持對資本松弛變量的回歸系數(shù)為正值,且通過1%水平的顯著性檢驗(yàn),而對勞動力松弛變量的估計(jì)系數(shù)未通過t檢驗(yàn)。表明隨著政府財(cái)政支持力度的加大,物流業(yè)基礎(chǔ)設(shè)施實(shí)現(xiàn)產(chǎn)出規(guī)模擴(kuò)大的同時(shí)會造成資本冗余,而對勞動力的影響較小。財(cái)政支持對能源投入松弛變量的回歸系數(shù)為負(fù)值,表明政府規(guī)劃協(xié)調(diào),導(dǎo)致能源投入冗余減小。
b.技術(shù)效率表3最后一列為相同外部環(huán)境及機(jī)遇條件下所得技術(shù)效率,調(diào)整之后,天津、河北、上海、江蘇和安徽效率表現(xiàn)不變,依舊處于領(lǐng)先地位,遼寧、浙江、山東、廣東、河南、湖北、四川、福建和廣西效率值變大,平均值增加0.09。其中遼寧、浙江和山東躋身技術(shù)效率前沿位置,說明這些省份之前經(jīng)濟(jì)效率表現(xiàn)不好是因?yàn)楫?dāng)?shù)赝獠凯h(huán)境因素或者運(yùn)氣不佳導(dǎo)致,其實(shí)際的技術(shù)管理水平很好。海南、吉林、江西、貴州、甘肅、青海和寧夏的效率值平均降低0.12,尤其是海南和寧夏,說明這些省市管理水平即技術(shù)效率本身不高。福建、山西、湖南、云南、陜西、內(nèi)蒙古和重慶等調(diào)整前后效率值變化不大,即外部環(huán)境因素及運(yùn)氣對效率的影響是中性的,不影響效率測評的公平性。
(3)區(qū)域分析
從區(qū)域特征來看,環(huán)境效率為:東部(0.63)>中部(0.52)>西部(0.37);經(jīng)濟(jì)效率為:東部(0.87)>中部(0.72)>西部(0.56);技術(shù)效率為:東部(0.89)>中部(0.70)>西部(0.47)。東部地區(qū)如圖1所示,環(huán)境、經(jīng)濟(jì)和技術(shù)效率均有效的省市有4個,分別為天津、河北、上海和江蘇,這些省市的物流業(yè)效率位于前沿水平,取得了環(huán)境和經(jīng)濟(jì)的協(xié)調(diào)發(fā)展,起到模范作用。優(yōu)越的地理位置、較高的開放水平和人口素質(zhì)使這些省份的經(jīng)濟(jì)技術(shù)實(shí)力明顯高于中、西部地區(qū)。如圖2和圖3所示,中部地區(qū)環(huán)境、經(jīng)濟(jì)和技術(shù)效率均有效的省市只有安徽省,而西部地區(qū)沒有三種效率均有效的省市。由圖4可知,物流業(yè)發(fā)展水平地區(qū)性差異明顯。與東部相比,中、西部地區(qū)多為內(nèi)地或邊遠(yuǎn)地區(qū),原料運(yùn)輸需依靠沿海港口或物資中轉(zhuǎn)地,而且西部地區(qū)物流業(yè)組織化程度較低一定程度束縛了專業(yè)化物流系統(tǒng)的分割運(yùn)營,直接影響物流資源配置效率。
表4 SFA松弛回歸方程估計(jì)結(jié)果
注: *、**、***分別為10%、5%和1%水平下顯著,括號中為t值。
圖1 東部地區(qū)環(huán)境、經(jīng)濟(jì)、技術(shù)效率比較圖
圖2 中部地區(qū)環(huán)境、經(jīng)濟(jì)、技術(shù)效率比較圖
圖3 西部地區(qū)環(huán)境、經(jīng)濟(jì)、技術(shù)效率比較圖
傳統(tǒng)三階段DEA方法的模型選取僅限于徑向或非徑向測度方法,且通常從技術(shù)、規(guī)模和純技術(shù)效率這一視角出發(fā),不考慮非期望產(chǎn)出。本文首次提出基于環(huán)境、經(jīng)濟(jì)和技術(shù)效率視角的改進(jìn)EBM-DEA三階段方法,并以此測算了我國2012年省際物流業(yè)環(huán)境、經(jīng)濟(jì)與技術(shù)效率。研究發(fā)現(xiàn):(1)EBM模型將徑向和非徑向方法融合到一個框架下,有效克服了CCR模型和SBM模型存在的不足,環(huán)境DEA技術(shù)下的EBM模型測評有非期望產(chǎn)出的產(chǎn)業(yè)運(yùn)作效率更符合實(shí)際。改進(jìn)三階段EBM-DEA模型,測評環(huán)境效率之后,保證各DMU污染物被調(diào)整到最小時(shí)計(jì)算經(jīng)濟(jì)效率,徑向與非徑向的結(jié)合下得到的松弛量更加合理,從而降低了技術(shù)效率值的偏誤。(2)全國物流業(yè)環(huán)境、經(jīng)濟(jì)和技術(shù)效率平均值分別為:0.48、0.70和0.67。環(huán)境效率整體偏低,經(jīng)濟(jì)效率呈現(xiàn)由東部沿海到西部內(nèi)陸遞減趨勢,加強(qiáng)環(huán)境管制可以有效提高經(jīng)濟(jì)效率。修正外部環(huán)境因素及隨機(jī)誤差后,技術(shù)效率地區(qū)差異仍然很大。東部地區(qū)的三種效率值均高于中、西部地區(qū),是促進(jìn)物流業(yè)效率提升的決定力量,而西部地區(qū)則表現(xiàn)不佳,是導(dǎo)致物流業(yè)效率整體水平低下的關(guān)鍵所在。
本文重點(diǎn)在于構(gòu)建EBM-DEA三階段效率測度模型,將來可采用面板數(shù)據(jù)進(jìn)行分析,以獲得更多測度信息。此外,本模型假定規(guī)模報(bào)酬不變,可借鑒本文的研究思路在規(guī)模報(bào)酬可變的情況下繼續(xù)討論。
[1] Farrell M J. The measurement of productive efficiency[J]. Journal of the Royal Statistical Society, 1957, 120(3): 253-281.
[2] Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1978, 2(6): 429-444.
[3] Sueyoshi T, Goto M. DEA environmental assessment of coal fired power plants: Methodological comparison between radial and non-radial models[J]. Energy Economics, 2012b, 34(6): 1854-1863.
[4] Tone K, Tsutsui M. An epsilon-based measure of efficiency in DEA—A third pole of technical efficiency[J]. European Journal of Operational Research, 2010, 207(3):1154-1563.
[5] Aigner D, Lovell C A K, Schmidt P. Formulation and estimation of stochastic frontier production function modles[J]. Journal of Econometrics, 1977, 6(1): 21-37.
[6] 趙金樓, 李根, 蘇屹,等. 我國能源效率地區(qū)差 異及收斂性分析——基于隨機(jī)前沿分析和面板單位根的實(shí)證研究[J]. 中國管理科學(xué), 2013, 21(2): 175-184.
[7] Fried H O, Lovell C A K, Schmidt S S, et al. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of Productivity Analysis, 2002, 17(1-2): 157-174.
[8] 李洪偉, 任娜, 陶敏,等. 基于三階段DEA的我國高新技術(shù)產(chǎn)業(yè)投人產(chǎn)出效率分析[J].中國管理科學(xué), 2012, 20(S1): 126-131.
[9] 楊青峰. 剝離環(huán)境因素的中國區(qū)域高技術(shù)產(chǎn)業(yè)技術(shù)效率再估計(jì)——基于三階段DEA模型的研究[J]. 產(chǎn)業(yè)經(jīng)濟(jì)研究, 2014, (4): 94-102.
[10] 張竟軼, 張竟成. 基于三階段DEA模型的我國物流效率綜合研究[J]. 管理世界, 2016, (8): 178-179.
[11] Avkiran N K, Rowlands T. How to better identify the true managerial performance:State of the art using DEA[J]. Omega, 2008, 36(2): 317-324.
[12] Liu Junming, Tone K. A multistage method to measure efficiency and its application to Japanese banking industry[J]. Socio-Economic Planning Sciences, 2008, 42(2): 75-91.
[13] Tone K, Tsutsui M. Tuning regression results for use in multi-stage data adjustment[J]. Journal of the Operations Research Society of Japan, 2009, 52(2): 76-85.
[14] 王維國,馬越越.中國區(qū)域物流產(chǎn)業(yè)效率——基于三階段DEA模型Malmquist-luenberger指數(shù)方法[J]. 系統(tǒng)工程, 2012, 30(3): 67-75.
[15] Cui Qiang, Li Ye. The evaluation of transportation energy efficiency: An application of three-stage virtual frontier DEA[J].Transportation Research Part D, 2014, 29:1-11.
[16] 黃薇. 環(huán)境、風(fēng)險(xiǎn)與企業(yè)技術(shù)效率:基于改進(jìn)的三階段DEA[J]. 系統(tǒng)理論工程與實(shí)踐, 2012, 32(1): 1-10.
[17] Avkiran N, Tone K, Tsutsui M, Bridging radial and non-radial measures of efficiency in DEA[J]. Annals of Operations Research. 2008, 164(1):127-138.
[18] 汪兵, 付丹陽, 梁昌勇. 基于擴(kuò)展DEA的物流業(yè)能源效率評價(jià)研究[J]. 中國管理科學(xué),2015,23(S1): 518-524.
[19] 孟慶春, 黃偉東, 戎曉霞. 灰霾環(huán)境下能源效率測算與節(jié)能減排潛力分析——基于多非期望產(chǎn)出的NH-DEA模型[J]. 中國管理科學(xué), 2016, 24(8): 53-60.
[20] F?re R, Grosskopf S. Modeling undesirable factors in efficiency evaluation: Comment[J]. European Journal of Operational Research, 2004, 157(1): 242-245.
[21] Zhou Peng, Poh K L, Ang B W. A non-radial DEA approach to measuring environmental performance[J]. European Journal of Operational Research. 2007, 178(1): 1-9.
[22] F?re R, Grosskopf S, Pasurka C A. Pollution abatement activities and traditional productivity [J]. Ecological Economics, 2007, 62(3/4): 673-682.
[23] Seiford L M, Zhu J. A response to comments on modeling undesirable factors inefficiency evaluation[J]. European Journal of Operational Research, 2005, 161(2): 579-581.
[24] Liang Liang, Li Yongjun, Li Shibing. Increasing the discriminatory power of DEA in the presence of the undesirable outputs and large dimensionality of data sets with PCA[J]. Expert Systems with Applications, 2009, 36(3): 5895-5899.
[25] F?re R, Grosskopf S, Lovell C A K, et al. Multilateral productivity comparisons when some outputs are undesirable: A nonparametric approach[J]. The Review of Economics and Statistics, 1989, 1(1): 90-98.
[26] 余泳澤, 武鵬. 我國物流產(chǎn)業(yè)效率及其影響因素的實(shí)證研究——基于中國省際數(shù)據(jù)的隨機(jī)前沿生產(chǎn)函數(shù)分析[J]. 產(chǎn)業(yè)經(jīng)濟(jì)研究, 2010,(1): 65-71.
[27] 鄧學(xué)平. 我國物流企業(yè)全要素生產(chǎn)率分析[J]. 系統(tǒng)工程, 2008, 26 (6): 1-9.
A Modified Three-stage DEA Model with Undesirable Output Consideration——an empirical analysis based on Chinese provincial logistics efficiency
FAN Jian-ping, XIAO Hui, FAN Xiao-hong
(School of Economics and Management, Shanxi University, Taiyuan 030006, China)
DEA model in traditional three-stage methods is limited to radial or non-radial measurement methods. This model is only based on technique, scale, and pure technical efficiency, and without considering undesirable output. In this study, a modified EBM-DEA three-stage model is proposed based on the considerations of environmental, economic and technical efficiency, and the environment DEA technology is also used to take undesirable outputs into account in this model. It turns out that the new proposed model can effectively overcome the shortcomings of the traditional method which only considers radial or non-radial. The performance of Chinese provincial logistics industry is evaluated using the proposed model. The results indicate that the environmental efficiency of the logistics industry is low in general and the economic efficiency presents decreasing trend from the east coast to the west inland. The economic efficiency can be improved by strengthening the environmental regulation. The technical efficiencies of the eastern, central and western regions still vary noticeably even external environmental factors and random errors are amended.
EBM(epsilon-based measure) model;three-stage DEA; efficiency of logistics industry;undesirable output
1003-207(2017)08-0166-09
10.16381/j.cnki.issn1003-207x.2017.08.018
2015-01-13;
2016-06-19
山西省高等學(xué)校哲學(xué)社會科學(xué)研究資助項(xiàng)目(2017302)
范建平(1975-),男(漢族),山西武鄉(xiāng)人,山西大學(xué)經(jīng)濟(jì)與管理學(xué)院,博士,副院長,研究方向:預(yù)測、決策與評價(jià),E-mail:fjp@sxu.edu.cn.
N945;F253
A