■夏繼晨
(安徽理工大學(xué)經(jīng)濟(jì)與管理學(xué)院,安徽 淮南 232001)
物流產(chǎn)業(yè)作為復(fù)合性服務(wù)業(yè),涉及行業(yè)較多,有較強(qiáng)的利潤(rùn)促進(jìn)和集聚輻射能力,在經(jīng)濟(jì)增長(zhǎng)方面扮演著舉足輕重的角色[1]。南京都市圈具有厚實(shí)的工業(yè)基礎(chǔ)、成熟的金融體系、悠久的科教文化、良好的物流外部壞境[2-3]。因此,對(duì)南京都市圈物流產(chǎn)業(yè)研究具有深刻的意義。
關(guān)于物流業(yè)效率,國(guó)內(nèi)外學(xué)者都有大量的探索。Markovits-Somogyi等[4]把DEA-PC應(yīng)用于物流產(chǎn)業(yè)效率研究,其結(jié)果與DEA模型結(jié)果對(duì)比,發(fā)現(xiàn)DEA-PC更接近真實(shí)的情況。Sükrü Akdo an M等[5]對(duì)德國(guó)和土耳其兩國(guó)的物流公司營(yíng)銷(xiāo)績(jī)效測(cè)算,表明物流企業(yè)的物流績(jī)效和營(yíng)銷(xiāo)績(jī)效均存在差異。國(guó)內(nèi)學(xué)者的研究以區(qū)域物流效率為主,如王志鵬[6]以河南省物流效率為目標(biāo)進(jìn)行測(cè)算,運(yùn)用DEA分析不同物流企業(yè)的發(fā)展模式,并給出企業(yè)發(fā)展方向;楊傳明[7]以經(jīng)濟(jì)增長(zhǎng)帶來(lái)的的環(huán)境負(fù)荷問(wèn)題為切入點(diǎn),通過(guò)三階段DEA模型以碳排放量作為約束條件對(duì)江蘇省物流產(chǎn)業(yè)效率進(jìn)行分析,得到相比沿海省份,江蘇省物流產(chǎn)業(yè)效率較高。綜上所述,南京都市圈物流效率相關(guān)研究鮮少。
本文選用三階段DEA模型對(duì)南京都市圈整體物流產(chǎn)業(yè)效率進(jìn)行研究,在不存在外部環(huán)境情況下進(jìn)行物流效率分析。
物流產(chǎn)業(yè)的規(guī)模收益率是可變的,本文采取傳統(tǒng)DEA中BCC模型來(lái)測(cè)算投入目標(biāo)值和松弛變量值。這一模型方法的應(yīng)用已經(jīng)成熟,本文不再詳細(xì)闡述。表達(dá)式如下:
式中:λ1,λ2,…,λn為對(duì)偶變量:s-,s+為松弛變量
1.SFA模型回歸
SFA模型的第二階段從第一階段DEA中可以得到松弛變量。采用松弛變量作為解釋變量,從而分離環(huán)境及隨機(jī)誤差因素對(duì)效率值的作用。構(gòu)建SFA回歸模型,公式為:
其中,Snk為第k個(gè)決策單元的輸入的第n個(gè)松弛變量;Zk代表環(huán)境變量;βn代表環(huán)境變量的待估計(jì)系數(shù);fn(Zk;βn)代表環(huán)境變量對(duì)冗余量Snk的影響函數(shù);Vnk代表隨機(jī)誤差項(xiàng);Unk代表管理無(wú)效率,這兩者之間是獨(dú)立的,Vnk如果服從零均值的正態(tài)分布,為Vnk(0,σuk2),Unk如果服從零點(diǎn)截?cái)嗾龖B(tài)分布,為Unk(0,σvk2)。
2.調(diào)整變量
(1)輸入變量的調(diào)整。通過(guò)分離綜合誤差項(xiàng)與隨機(jī)誤差項(xiàng),管理無(wú)效率公式為[8]:
(2)對(duì)決策單元的投入變量調(diào)動(dòng),不考慮外部環(huán)境時(shí),結(jié)果反映其管理水平的最終效率值?;谧罴研实臎Q策單元,其他決策單元輸入調(diào)整為:
式中,X*nk表示第一階段輸入變量Xnk調(diào)整后的輸入變量;[maxk{fn(Zk;ηn)}]-fn(Zk;ηn)n為針對(duì)外部環(huán)境,把決策單元調(diào)整在無(wú)差異的環(huán)境;[maxk{fn(Zk;ηn)}]為針對(duì)隨機(jī)誤差,把決策單元調(diào)整到無(wú)差異的情況中。
調(diào)整后的DEA模型重新估計(jì)剔除外部環(huán)境的效率值,真實(shí)反映了每個(gè)決策單元的管理效率和技術(shù)效率。
在物流產(chǎn)業(yè)的發(fā)展水平方面,用交通運(yùn)輸、倉(cāng)儲(chǔ)和郵電業(yè)三方面的數(shù)據(jù)作為本文分析對(duì)象,如附表1所示。
附表1 物流效率評(píng)價(jià)指標(biāo)
南京都市圈即南京市、鎮(zhèn)江市、揚(yáng)州市、淮安市、馬鞍山市、滁州市、蕪湖市和宣城市8個(gè)城市,常州市因只有溧陽(yáng)和金壇劃為南京都市圈,故本文未做統(tǒng)計(jì)。選取2015—2019年數(shù)據(jù)進(jìn)行研究,來(lái)源于《江蘇省統(tǒng)計(jì)年鑒》以及各城市歷年統(tǒng)計(jì)年鑒。
根據(jù)物流產(chǎn)業(yè)效率輸入輸出指標(biāo)和環(huán)境因素的選取,將南京都市圈的物流產(chǎn)業(yè)效率研究分為三個(gè)階段。
根據(jù)設(shè)定的指標(biāo)選擇投入導(dǎo)向的BBC模型分析,運(yùn)用DEAP 2.1軟件分析得到物流產(chǎn)業(yè)相應(yīng)的綜合效率、技術(shù)效率和規(guī)模技術(shù)效率,如表1所示。
表1 2015—2019年南京都市圈8個(gè)城市物流產(chǎn)業(yè)效率值
由表1可知,在排除外部環(huán)境因素情況下,2015—2019年物流產(chǎn)業(yè)的綜合效率、技術(shù)效率、規(guī)模效率值分別為 0.929、0.978、0.947。南京、鎮(zhèn)江、蕪湖、宣城和滁州物流產(chǎn)業(yè)效率值為1,其效率為最優(yōu)。而揚(yáng)州、淮安和馬鞍山三市的物流產(chǎn)業(yè)效率未達(dá)到最優(yōu),低于均值,物流產(chǎn)業(yè)效率水平較低。
消除外部環(huán)境對(duì)物流效率的影響,真實(shí)地反映物流業(yè)的狀況。將第一階段測(cè)量過(guò)程中輸出變量的松弛變量當(dāng)作被解釋變量,把經(jīng)濟(jì)整體發(fā)展水平、各市支持程度當(dāng)作解釋變量。構(gòu)建SFA模型,借助Frontier 4.1進(jìn)行回歸分析,結(jié)果如附表2所示。
附表2 SFA回歸模型分析結(jié)果
由附表2可知,總方差分析結(jié)果顯示管理無(wú)效率對(duì)其存在影響,即管理因素在輸入變量冗余度中起到關(guān)鍵作用。經(jīng)過(guò)回歸方程的計(jì)算,管理無(wú)效率結(jié)果為0.766、0.765、0.962,且回歸系數(shù)都通過(guò)了5%和1%的顯著性檢驗(yàn),表明城市經(jīng)濟(jì)GDP水平、都市圈各市政策的支持程度對(duì)投入松弛變量冗余度有影響,說(shuō)明使用SFA模型的必要性。
第二階段SFA模型對(duì)原始投入變量調(diào)整后,接著將投入變量作為第三階段衡量物流業(yè)效率的輸入變量,采用Deap 2.1分析工具再一次測(cè)算物流業(yè)效率,分析得出排除環(huán)境變量和隨機(jī)誤差兩個(gè)因素后的TE、PTE和SE值。調(diào)整后分析結(jié)果如附表3所示。
附表3 第一階段和第三階段物流產(chǎn)業(yè)效率值
由附表3中第一、三階段物流產(chǎn)業(yè)效率平均值可知:第一階段和第三階段綜合效率平均值由調(diào)整前的0.929下降到0.921,技術(shù)效率值由0.978降至0.923,而規(guī)模效率值由0.947增加為0.996。
本文運(yùn)用三階段DEA模型對(duì)南京都市圈8個(gè)城市的物流產(chǎn)業(yè)效率進(jìn)行分析測(cè)算,排除外部環(huán)境因素,得到如下結(jié)論。
1.在物流產(chǎn)業(yè)技術(shù)效率、規(guī)模效率方面,南京、鎮(zhèn)江和宣城均明顯高于平均水平,外部環(huán)境因素對(duì)三市的物流效率沒(méi)有影響。
2.在不考慮環(huán)境因素后,揚(yáng)州、淮安和馬鞍山三市的綜合效率、技術(shù)效率及規(guī)模效率均有提高。
3.剔除環(huán)境因素后,蕪湖和滁州兩市三大效率測(cè)算值都存在了下降情況。
南京都市圈效率值在不同等級(jí)中存在,政府要根據(jù)城市的資源優(yōu)劣制定相應(yīng)政策,使企業(yè)有能力對(duì)物流技術(shù)進(jìn)行創(chuàng)新,為企業(yè)提供好的外部環(huán)境。同時(shí)政府要對(duì)物流業(yè)的發(fā)展方向進(jìn)行正確的指導(dǎo),促進(jìn)物流業(yè)健康發(fā)展。