（北京航空航天大學 經濟管理學院，北京 100191）

0 引言

近年來，我國電子商務與快遞物流協(xié)同發(fā)展不斷加深，推進了快遞物流轉型升級、提質增效，促進了電子商務快速發(fā)展。2015 年7 月國務院推出積極推進“互聯(lián)網+”行動的意見，提出建設“互聯(lián)網+”高效物流，要求加快跨行業(yè)、跨區(qū)域的物流信息服務平臺建設，優(yōu)化物流運作流程，降低物流成本[1]。2018年1 月23 日發(fā)布的《國務院辦公廳關于推進電子商務與快遞物流協(xié)同發(fā)展的意見》指出要健全企業(yè)間數(shù)據共享制度，在確保消費者個人信息安全的前提下，鼓勵和引導電子商務平臺與快遞物流企業(yè)之間開展數(shù)據交換共享，共同提升配送效率[2]?？爝f企業(yè)同質化的末端網格化管理具有天然的共享經濟屬性，例如加盟型快遞企業(yè)的基礎運營資源大體類似。而且業(yè)務峰值谷值在相同區(qū)域及相同時間段內具有類似規(guī)律。隨著快遞物流企業(yè)間的競爭越來越激烈，一些快遞網點開始嘗試通過場地共享、設備共享、車輛共享、人員共享等方式探索共配模式。網點共配可以提高物流資源的利用率，但是資源整合的過程也伴隨著管理難度越來越大的難題。為了更好地評估共配對網點運營效率的影響，本文調查了以圓通速遞加盟網點為主的27家實施共配的試點網點，應用數(shù)據包絡分析法討論對比了試點網點共配前后的變化，以期為網點更有效地開展共配提供參考。

數(shù)據包絡分析方法（Data Envelopment Analysis，DEA）是運籌學、管理科學與數(shù)理經濟學交叉研究的一個新領域[3]。數(shù)據包絡分析（DEA）已被證明是一種評估存在多個績效衡量指標的同類決策單元相對效率的有效方法，被國內外學者廣泛應用于環(huán)境保護、銀行、公共衛(wèi)生與預防醫(yī)學等各行各業(yè)的效率評價中[4-6]，其中也包括物流業(yè)的評價。

然而，目前已有的研究多是面向國家、省市或大型物流企業(yè)所進行的效率評估。Markovits-Somogyi，Rita，等將數(shù)據包絡分析法與層次分析法相結合，利用DEA—PC（兩兩比較）的方法對29 個歐洲國家的物流效率進行檢驗，并與原DEA 方法的結果進行了比較[7]。Bo Hsiao，等使用meta-DEA-AR模型衡量了各個國家的物流績效指數(shù)（LPI），該模型得到的LPI排名與世界銀行LPI 的排名非常相似[8]。Ferrari,Claudio，等運用兩階段DEA 方法分析了意大利物流公司的效率，得出規(guī)模與位置是影響意大利物流供應商技術效率最大的兩個因素[9]。鐘祖昌采用三階段DEA 方法，評估了2001-2008 年我國28 家物流上市公司的運營效率[10]。王玲，等運用兩階段DEA 模型，對2012-2017 年全國郵政業(yè)的經營效率、市場效率和整體效率進行了研究[11]。鄒小平，等運用DEABBC 模型，對全國31 個省市自治區(qū)快遞業(yè)效率進行評價[12]。吳邦雷運用DEA方法理論體系中的C2R模型和C2GS2 模型以四大類二十家上市物流企業(yè)為例，對中國上市物流企業(yè)績效進行了分析[13]。山紅梅，等運用DEA-Tobit 兩階段模型，分析了2009-2017年15家上市快遞公司的快遞企業(yè)效率及其影響因素[14]。丁洋洋運用兩階段DEA方法，研究了2011-2016年我國31省份快遞業(yè)綜合技術效率及其影響因素[15]。唐建榮，等運用DEA 與Malmquist 指數(shù)分析了區(qū)域物流效率[16]。徐廣姝，等運用DEA 與ANP 方法對快遞企業(yè)效率進行了評價，證實了該方法的可行性[17]。

現(xiàn)有文獻主要集中從宏觀上針對國家、省市以及大型快遞物流企業(yè)進行效率評價與分析，但從微觀上不同快遞網點的角度進行效率分析較少。另外，較少文獻針對某種運營模式實施前后的運營效率變化進行分析。本文即從橫向和縱向的角度，以快遞網點作為主要研究對象，應用DEA 分析中的CCR 模型與BCC 模型，并結合Malmquist 指數(shù)，對物流共配模式使用前后的27家試點網點進行運作效率的評價與分析比較。

1 研究方法與指標選取

數(shù)據包絡分析（Data Envelopment Analysis）簡稱DEA，是數(shù)學、運籌學、數(shù)理經濟學和管理科學的一個新的交叉領域。它是由A.Charnes 和W.W.Cooper等于1978年開始創(chuàng)建，并被命名為DEA[18-19]。

1.1 DEA模型理論

1.1.1 CCR 模型。假設有n個部門（稱為決策單元），每個決策單元都有s 種類型的輸出與m種類型的輸入，yrk(r=1,2,...,s)表示DMUk對第r種輸出的產出量，yik(i=1,2,...,m)表示DMUk對第i種輸入的投入量，則DMUk的效率測量值為：

其中權重ur和vi都是非負的。第二組約束要求相同的權重應用于所有DMU時不提供效率大于1的任何單元。此條件出現(xiàn)在以下約束集中：

DEA的結果是確定定義包絡面或帕累托邊界的超平面。位于表面的DMU決定了包絡并被認為是有效的，而那些不位于表面的DMU被認為是非有效的。

式（3）被稱為CCR模型，假設生產函數(shù)變現(xiàn)出恒定的規(guī)模收益。

1.1.2 BCC 模型。BBC 模型添加了一個額外的變量ck，以允許規(guī)模收益可變：

應該注意的是，CCR 輸入最小化或輸出最大化配方的結果是相同的，這在BCC 模型中不是這種情況。因此，在面向輸出的BCC模型中，公式最大化給定輸入的輸出，反之亦然[20]。

1.1.3 Malmquist全要素生產力。數(shù)據包絡分析方法只能對同一期的不同決策單元進行相對性的比較，而無法對連續(xù)數(shù)期的數(shù)據進行比較，因而采取DEA延伸的Malmquist全要素生產力來評價各決策單元不同時期效率的變動情況。Malmquist指數(shù)由曼奎斯特（Malmquist，1953）提出[21]，之后與DEA 模型相結合，成為一種測量全要素生產力變動情況的專門指數(shù)[22]。假設某個決策單元在t年與t+1年的投入產出分別為(xt,yt)和(xt+1,yt+1),則從t年到t+1 年全要素生產力變化的Malmquist指數(shù)為：

Dt(xt+1,yt+1)表示以第t年的數(shù)據為參考面的t+1年的效率水平，Dt(xt,yt)表示t年當期的效率水平，Dt+1(xt+1,yt+1)表示第t+1年當期的效率水平，Dt+1(xt,yt)表示以第t+1年的數(shù)據為參考面的t年效率水平。

當規(guī)模收益不變時，全要素生產力指數(shù)可以分解為：

當規(guī)模收益可變時，全要素生產力指數(shù)可以進一步分解，分別以V、C 代表可變規(guī)模收益與不變規(guī)模收益，則：

1.2 指標選取

為了充分反映快件物流的特征，在選取投入產出指標時，從快件物流分揀和派送的流程出發(fā)，針對場地、人、車輛、設備四種主要的物流資源，選取場地面積（網點的占地面積）、人員數(shù)量（職工人數(shù)）、車輛數(shù)量（運輸車輛數(shù)目）、設備套數(shù)（分揀設備數(shù)量）作為投入指標，為了直觀體現(xiàn)網點總投入，選取總成本作為投入指標，總計五個投入指標，涵蓋了人、物、資本三方面的投入?？爝f業(yè)務量是快遞行業(yè)中反映業(yè)務能力的一項重要指標，共配網點主要通過共配完成派件任務，為體現(xiàn)網點的業(yè)務量，使用日均派件量作為產出指標之一，用處理速度（派件量/操作時間）作為產出指標體現(xiàn)網點的生產率。除反映數(shù)量規(guī)模的指標之外，進一步考慮了質量因素，通過用戶投訴率來體現(xiàn)用戶滿意度，通過快遞員平均月收入和留存率來體現(xiàn)員工的滿意度。以上指標的選取基本滿足了DEA 指標選取的基本原則[23]，也較好地體現(xiàn)了快遞物流的業(yè)務特點。本文的研究對象主要是27家使用物流共配模式的試點網點，數(shù)據來源于問卷調查和實地訪談。

表1 和表2 分別對投入產出指標數(shù)據進行了描述性統(tǒng)計和相關性分析。

表1 投入產出指標描述性統(tǒng)計

表2 投入產出指標Pearson相關性分析

從描述性統(tǒng)計表中可以看出，所選取的27家試點網點在規(guī)模上差異較大，涵蓋范圍較廣。從Pearson相關性分析結果來看，各個指標與其它一個或多個指標在0.05級別上相關性顯著。

2 效率分析結果

2.1 數(shù)據包絡分析結果

數(shù)據包絡分析是針對同一時期不同決策單元進行的一種效率分析，不同的決策單元在給定約束下選擇權重以最大化自我效率，假定共享前網點為集合X={x1,x2,...,x27},共享后網點集合為Y={y1,y2,...,y27}，為了比較同一決策單元的相對效率是否有提升，假設共享后的網點是處于共享前的另一網點yn=xn+27,(n=1,2,...,27),將共享前后的數(shù)據放在同一個集合Z={X,Y}中進行比較，觀察其相對效率是否有提升。計算結果見表3。

表3 DEA分析結果

從綜合效率來看，14 個網點綜合效率提升，4 個網點綜合效率下降，9個網點綜合效率不變，其中有8個是在共享前后均為1，即共享前后DEA有效。共享前網點綜合效率平均值為0.740，共享后為0.820，提升0.080。共享前達到DEA有效的網點數(shù)量為10，共享后為11，數(shù)量略有提升。結果表明，整體上來看，共配后，85%的網點相對綜合效率有所提升或者維持不變，15%的網點相對綜合效率下降。圖1 表明，共享后的綜合效率基本高于共享前。

圖1 共享前后綜合效率對比

從純技術效率來看，除第15個決策單元外，其余單元的純技術效率都處于一個較高的水平。從均值來看，共享前純技術效率均值為0.994，共享后下降為0.990，下降了0.004，下降幅度較小，并且共享前后純技術效率都接近于1。在使用共配體系后，網點需要對自己的管理運行方法進行調整以適應新的模式，是造成純技術效率下降的主要原因。

從規(guī)模效率來看，共享前平均規(guī)模效率0.744，共享后平均規(guī)模效率0.829，提高0.085。從規(guī)模報酬上看，有以下幾種現(xiàn)象：（1）規(guī)模報酬遞增變?yōu)橐?guī)模報酬不變；（2）共享前后報酬不變；（3）規(guī)模報酬不變變?yōu)橐?guī)模報酬遞增；（4）規(guī)模報酬遞增變?yōu)橐?guī)模報酬遞減；（5）共享前后規(guī)模報酬遞增。其中，第一種與第二種情況是優(yōu)化改進的結果，其它情況需要進一步通過資源整合對其規(guī)模進行優(yōu)化。

各網點使用共配體系后，對資源進行整合，是一種可以有效提升規(guī)模效率的方法。綜合效率取決于其純技術效率與規(guī)模效率，在使用系統(tǒng)初期會導致部分網點純技術效率下降，但這種下降引起的綜合效率下降小于規(guī)模效率提升造成的綜合效率的提升（如圖2 所示），可以通過提升規(guī)模效率，從而提升綜合效率。

圖2 共享前后規(guī)模效率對比

選取一個綜合效率提高的網點（序號8）以及一個綜合效率降低的網點（序號13）進行具體分析。網點8 實施資源共享前綜合效率、純技術效率、規(guī)模效率分別為0.587，0.994，0.59，共享后均為1，各個效率均有提升。共享前，網點8在人員數(shù)量、車輛數(shù)量、設備套數(shù)和總成本四個指標上存在投入冗余。共享后，資源利用率得以提高，綜合效率和規(guī)模效率達到了較高水平。網點13共享前綜合效率、純技術效率、規(guī)模效率分別為0.936，1，0.936，共享后分別為0.88，1，0.88。共享前后純技術效率均有效，表明規(guī)模是造成該網點綜合效率降低的主要因素，共享前后均為規(guī)模報酬遞減，說明該網點規(guī)模過大，不應通過共配進一步擴大規(guī)模。在這兩個例子中，共享后網點8的規(guī)模優(yōu)化，網點13的規(guī)模惡化，表明網點在應用資源共享等共配模式時應考慮業(yè)務規(guī)模水平以及共配模式調整過程中的磨合問題。

2.2 Malmquist指數(shù)分析結果

DEA 分析得出的技術效率、純技術效率與規(guī)模效率是針對同一期不同決策單元之間運作效率的評價，無法對同一決策單元不同期的效率進行比較，曼奎斯特指數(shù)（全要素生產力）可以解決這一問題。當曼奎斯特指數(shù)大于1 時，表示生產力有所提升，反之生產力下降。曼奎斯特指數(shù)（MI）可進一步分解為效率變動指數(shù)（EC）與技術變動指數(shù)（TC），當效率變動指數(shù)大于1 時，表示技術效率提高，反之則技術效率下降；當技術變動指數(shù)大于1時，表示技術進步，反之則技術衰退。效率變動指數(shù)可進一步分解為純技術效率變動指數(shù)（PTEC）與規(guī)模效率變動指數(shù)（SEC），當純技術效率變動指數(shù)大于1時，表示技術應用水平提高，反之則表示技術應用水平下降；當規(guī)模效率變動指數(shù)大于1 時，表示規(guī)模優(yōu)化，反之則規(guī)模惡化。具體計算結果見表4。

表4 Malmquist指數(shù)分析結果

TC表示生產前沿面的變動，TC＞1表明相同輸入下能夠達到的最大輸出相對于共享前有所提升，EC代表了達到生產前沿面的程度，EC＞1 代表決策單元能夠更加接近生產前沿面。MI 由EC 與TC 共同決定，MI＞1 表明全要素生產力有所提升，MI＜1 表明生產力下降。從本次分析結果來看，樣本整體MI 平均值為1.208，生產力上升。所選樣本中，2個網點共享前后生產力不變，8 個網點共享后生產力低于共享前，17個網點共享后生產力上升。共享后，樣本整體的平均效率變動指數(shù)與平均技術變動指數(shù)分別為1.175，1.024，表明共享后快件物流的生產前沿面有所提升，且所選樣本整體上更接近生產前沿面。效率變動指數(shù)受純技術效率變動與規(guī)模效率變動影響，樣本整體PTEC 平均值為0.999，SEC 平均值為1.175，表明共配后技術應用水平下降的同時規(guī)模得到了優(yōu)化，效率有所提升，其貢獻來源于技術水平提升所引起的規(guī)模優(yōu)化。TC＞1，PTEC＜1，技術水平雖然有所提升，但對技術的應用卻有所下降，驗證了DEA分析中提出的部分網點需要調整管理方式。

本文中我們著重分析了樣本整體共享前后的效率變動，雖然整體上生產力提升，但從Malmquist指數(shù)分析結果中發(fā)現(xiàn)，有一些決策單元全要素生產力指數(shù)仍低于1。例如網點4的效率變動指數(shù)、純技術效率變動以及規(guī)模效率變動均為1，技術變動指數(shù)與全要素生產力為0.877，技術水平下降，而樣本整體的技術水平上升。對于網點17，全要素生產力下降的主要原因是SEC小于1，也與樣本整體的規(guī)模效率變動不符。對于這種與樣本變化趨勢不同，并且由此造成生產力下降的決策單元，需要進一步分析找出影響效率提升的原因。

3 總結與展望

本文旨在用DEA 方法對圓通等27 家試點網點使用共享系統(tǒng)前后的綜合效率和全要素生產力進行分析與對比，研究物流共配后效率是否有提升。最終得出以下結論：

（1）從綜合效率來看，樣本整體共享后的綜合效率高于共享前，主要得益于規(guī)模效率的提升。各網點使用共配體系后，對資源進行整合，是一種可以有效提升規(guī)模效率的方法。綜合效率取決于其純技術效率與規(guī)模效率，在使用系統(tǒng)初期會導致部分網點純技術效率下降，但這種下降引起的綜合效率下降小于規(guī)模效率提升造成的綜合效率提升，可以通過提升規(guī)模效率，從而提升綜合效率。

（2）從Malmquist 指數(shù)看，樣本整體共享后的Malmquist指數(shù)大于1，效率變動指數(shù)、技術變動指數(shù)、規(guī)模效率變動均大于1，純技術效率變動小于1，生產力提升。共配后純技術效率下降，技術效率變動大于1，即共享后技術水平有所提升，但技術應用水平略微下降。

共配是社會資源高效配置的重要模式之一。本文以日均派件量、處理速度、快遞員平均月收入、用戶滿意度、人員留存率為產出指標，以場地面積、人員數(shù)量、車輛數(shù)量、設備套數(shù)以及總成本為投入指標，運用DEA-BCC 模型與Malmquist 指數(shù)對快遞網點共配效率進行分析。在未來的研究中，可以通過投入產出指標的不同組合，對比不同指標體系下的效率分析結果，尋找影響各快遞網點效率的主要指標。除此之外，考慮末端配送中快遞網點、驛站、自提柜、快遞員等之間的關系，構建多階段DEA 模型，對末端配送系統(tǒng)進行效率分析以實現(xiàn)其效率最大化也是未來重要研究方向之一。