基于三阶段DEA方法的物流业技术效率评价研究
马 明1，唐 乐2
MA Ming1，TANG Le2
（1.吉林财经大学 管理科学与信息工程学院，吉林 长春 130117；2.吉林财经大学 国际交流学院，吉林 长春 130117)
(1. School of Management Science and Information Engineering, Jilin University of Finance and Economics,Changchun 130117, Jilin, China； 2. School of International Communication, Jilin University of Finance and Economics, Changchun 130117, Jilin, China)
摘 要： 提升物流业技术效率，是转变经济增长方式、实现物流业可持续发展的途径之一。为促进我国物流业良好发展，通过阐述我国物流业效率的研究现状，考虑能源消耗及环境影响，构建物流业技术效率评价指标体系，基于三阶段DEA方法建立物流业技术效率评价模型，以我国2003—2015年30个省级行政区物流业技术效率评价为例，验证评价模型的有效性。针对评价结果提出强化行业整合、发挥供应链协同效应、提升物流业信息化水平等促进我国物流业技术效率提升的对策，对我国物流业良好发展起到积极的促进作用。
关键词： 物流业；技术效率；生态环境；产业发展；三阶段DEA方法文章编号：1003-1421(2019)07-0014-08 中图分类号：U294.1；F259.22 文献标识码：A
0 引言
物流业是国民经济的重要组成部分之一,在衔接产品供应、生产与消费各环节中起到重要作用,也是高能耗与高污染排放行业,对生态环境具有潜在威胁。经济可持续发展战略要求各产业既应保持经济的协调发展,又应兼顾资源的节约和降低环境污染。在新形势下,物流业面临提高经济效率和节能减排的双重任务。如何通过现代的物流技术、成熟的物流管理理念和先进的物流系统,在提升经济产出的同时减少经济投入并对环境友好显得尤为重要。
国内学者关于我国物流产业效率的研究方法以数据包络分析(Data Envelopment Analysis,DEA)为主,并取得了一定的进展。田刚等[1]应用Malmquist-DEA方法,对我国30个省(自治区、直辖市)物流业全要素生产率进行了测算,并实证分析了全要素生产力增长来源与变化趋势。钟祖昌[2]选取物流业增加值为产出指标,物流业资本和从业人员数为投入指标,并将经济水平、市场化水平和政府支持作为环境因素加以考虑,应用三阶段DEA方法,测算了剔除外部影响因素的我国31个省(自治区、直辖市)2007年物流业的运营效率。樊敏[3]选取物流业固定资产投资和就业人数为投入变量,货物周转量为产出变量,应用三阶段DEA方法剔除了经济环境、交通基础设施和现代化信息技术水平及物流业总体状况的差异,测算了2008年中国8个经济大区物流产业运作效率。刘秉镰等[4]采用DEA模型和托宾模型,对我国物流业地区间效率及其影响因素进行分析,由此得出物流资源利用率、区域市场化程度和港口物流重要性是影响区域物流效率的重要因素。王维国等[5]应用Malmquist-Luenberger生产率指数方法测算了包含碳排放量等非期望性产出因素的我国30个省(自治区、直辖市)1997—2009年物流产业效率,并借助三阶段DEA模型将物流GDP占比、政府支持及能源利用率作为外部影响因素加以剔除,进而分析了其余外部因素对物流业效率的影响。唐建荣等[6]运用三阶段DEA模型测算了包含非期望产出的我国东部10省市2008—2010年物流产业效率,通过实证分析得出经济环境、科技水平和政府支持对物流产业效率具有显著影响的结论。张竟轶等[7]选取物流业工资总额、固定资产投资额为投入变量,生产总值、货运量为产出变量,借助三阶段DEA方法剔除了公路里程、消费品零售总额和居民消费水平等环境变量影响,对我国31个省区2010—2014年物流业技术效率进行了分析。
目前,在物流业技术效率的研究中多以资本、劳动力和产量等传统经济指标作为评价依据,而能源消耗及环境影响等指标很少被纳入考虑范围内[8]。三阶段DEA方法具有客观性、系统性与可扩展性的特点,避免了外部环境与随机因素差异对效率评价的影响,有利于客观地测算决策单元效率水平,为评价能源投入与碳排放约束下的产业效率提供了有效方法。
1 物流业技术效率评价指标体系构建
物流业技术效率评价指标主要从资源投入、经济产出与环境影响3个方面进行分析,构建物流业技术效率评价指标体系。物流业技术效率评价指标体系如图1所示。
图1 物流业技术效率评价指标体系
Fig.1 Index system of logistics technical ef fi ciency
1.1 资源投入指标
投入指标分为资本投入、劳动力投入、能源投入与碳排放量,其中资本投入是指生产过程中投入的固定资本和可变资本的数量,劳动力投入是指生产过程中实际投入的劳动量,能源投入与碳排放量体现生产活动投入的环境成本。
式中：
为管理无效率条件期望；zi 为影响某一决策单元的第i 种投入的环境变量；为环境变量系数估计值；
为某一决策单元的第i 种投入受到外部环境影响导致的投入冗余；
为随机误差项条件期望。
对于出现在《孟子》一书中的历史人物，中国人要比外国人熟悉得多，而外国人在阅读的过程中会对一些人物十分陌生。例如，尧舜，中国人对这一古代贤君应该知之甚多，孟子对尧舜更是十分推崇，而外国人则对于尧舜的了解程度仅限于名字与职位。因此，在翻译过程中不能够仅凭音译，将尧舜翻译成“Yao and Shun”而是要在显著的位置对其进行标注，而对这类人加以注解和说明，能够辅助外国人理解《孟子》一书的内容。因此，要想很好的翻译《孟子》，就必须要先了解孟子书中的字义，更要充分了解孟子学说的核心概念，才能避免去接原意，利用注释加以补充的办法，让外国读者更为深刻的了解孟子的学说理论。
（2）劳动力投入。以各地区交通运输、仓储和邮政业年末就业人员数加以代表。历年统计年鉴中只有分行业城镇就业人数,缺少乡村就业人数,为方便计算,对总就业人数作如下处理：总就业人数=城镇就业人数+ (私营与个体就业人数-城镇私营与个体就业人数)。
（3）能源投入与碳排放量。以各地区交通运输、仓储和邮政业一次能源消耗量体现能源投入,通过标准煤折算系数将不同类型的能源消耗进行加总。在生产过程中,体现为经济效益“好”的产出与环境污染“坏”的产出必然伴随产生,且互为正相关。参考污染物投入处理法思想,将碳排放量作为投入要素,代表所支付的环境成本,将煤炭、汽油、煤油、柴油、燃料油及天然气的消耗量与估算的碳排放系数相乘,加总后可以得到碳排放量。标准煤折算系数与碳排放系数估算如表1所示。
表1 标准煤折算系数与碳排放系数估算
Tab.1 Estimation of standard coal conversion coef fi cient and carbon emission coef fi cient
1.2 经济产出指标
经济产出指标应能够衡量经济活动绩效,体现产出规模。选取我国30个省级行政区的交通运输、仓储和邮政业国内生产总值来反映经济产出,以2003年为基准年,按GDP不变价指数进行平减,剔除价格因素影响。
1.3 环境影响指标
3.1.2 第二阶段结果
2 基于三阶段DEA方法的物流业技术效率评价研究
最好的婚姻一定是最放松舒服的、最平和对等零压力的，其实，这正是我想给乔振宇的，可他就是个花岗岩脑袋啊！我狠狠剜了他一眼。
（1）第一阶段,构建DEA模型。规模报酬不变模型(CCR)与规模报酬可变模型(BCC)是2种较为常用的DEA模型,适用于多投入、多产出条件下决策单元技术效率差异的比较。BCC评价模型考虑到厂商在非最优规模运营条件下存在规模无效率,撇清了技术效率(TE)与规模效率(SE)的关系。另外,对区域物流业技术效率分析的重点在于现有服务产出情况下投入要素的最小化。根据上述情况并结合实际,采用基于投入导向的BCC评价模型较为适宜。
三阶段DEA方法与一阶段DEA方法相比,效率值总体水平略有上升,说明环境因素和运气成本对物流业效率确实产生影响。在研究期内,除了内蒙古、贵州、青海3省区PTE明显下降以外,其他地区均有不同程度的上升,以海南、广东和江苏的增长最为明显,表明我国大部分地区物流业技术效率水平被小幅低估,不利于效率提升的环境因素普遍存在于物流业发展进程中。第三阶段PTE结果如表4所示。
式中：Sin 为第n 个决策单元第i 种投入的松弛变量；fi (zj ,βn )为环境影响函数,其中zj 为影响Sin 的环境第j 个变量,βn 为环境变量待估参数；Vin 表示第n 个决策单元第i 种投入要素受到不可控因素影响所产生的误差,并假定Vin 服从均值为0、方差为
的同方差正态分布,即
为管理无效率所产生的误差,并假定Uin 服从均值为μ ,方差为
的截断正态分布,即
与Uin 相互独立且不相关。
在进行SFA分析后,为了便于下一步投入的调整。需要从综合误差项中分离出随机误差项Vin ,关键问题在于管理无效率的条件估计的计算[13]。根据SFA分析结果,可以得出管理无效率的条件期望,进而得到随机误差项条件期望为
2.2.1 种植前的准备。栽培牧草时，种植人员要做好前期的相关准备工作，如及时翻地。当秋季来临时，需要对翻整后的土壤浇水，以保护土壤。第2年春季，冰雪融化为土壤带来充足的水源，保证土壤中水分含量适中。
（1）资本投入。国内多数学者选取交通运输、仓储和邮政业资本存量指标代表资本投入。估算资本存量普遍采用永续盘存法,需确定基准年资本存量、折旧率、固定资产价格指数和每年投资额[9]。
时代在进步，环境在改变，媒介之间的融合直接影响着新闻核心竞争力的改变，而与之相关各种行业，首当其冲的就是电视新闻采编行业的工作。
后期疫情防治工作的重点。商品活猪调运仍旧严格限制，严格管理调运车辆，查处生猪违规交易和违规跨省外调；防控境外疫情再次传入；保障区域猪肉供给；完善问责制度。
式中：Xin 和
分别为第i 种投入调整前、调整后的投入值；
为受到环境影响的某一决策单元的第i 种投入冗余调整量,即全部决策单元调整为处于共同的自然状态,其中
为n 个决策单元中投入在最坏运气条件下的随机误差导致的投入冗余；
为k 种环境因素影响下的由于随机误差导致的投入冗余；
为某一决策单元的第i 种投入受到随机误差影响导致的投入冗余。
（3）第三阶段,调整后的DEA模型。以调整后的投入数据替代原有数据,再次应用BCC模型测算效率,此结果剔除了环境因素与随机误差的影响,能够更加准确的反映决策单元的运营管理效率。
DEA方法是用来分析多投入、多产出决策单元是否技术有效的非参数方法[10]。该方法主要利用包络曲线技术构造效率前沿面[11],以此来评价决策单元相对效率水平。众多学者基于不同研究需求对DEA方法加以调整并进行创新,目前常用的DEA方法有传统DEA方法、二阶段DEA方法和三阶段DEA方法。三阶段DEA模型[12]剔除掉环境因素与随机误差对评价结果的影响,能够得到反映管理运营水平的更“纯粹”的效率值,因而选取基于BCC评价模型的三阶段DEA方法进行物流业技术效率评价,具体步骤如下。
3 实例分析
应用三阶段DEA方法,对2003—2015年我国30个省级行政区的物流业技术效率进行评价,以期找到影响物流业技术效率的因素,为改善物流业发展模式提供依据。
3.1 实证结果分析
3.1.1 第一阶段测算结果
纯技术效率是第一阶段关注的重点,在假定规模收益可变(VRS)的条件下可测算纯技术效率(PTE),测算出我国30个省区市2003—2015年物流业PTE,历年效率值变化显示出较为相似的特征,即“增长、下降、再增长”,并将整个研究时期分为3个时间段,以均值衡量不同时间段的效率水平。第一阶段PTE结果如表2所示。
在整个研究期内,大部分地区物流业PTE呈现下降趋势的原因在于这些省区市过度的资源投入却没有达到最大产出,尤其在固定资产投入、能源投入方面,实证结果显示出了较大的松弛量,即与效率前沿面上省区市相比可以节约的资源投入量较大。整体而言,30个省区市的PTE在0.57～0.64区间波动,可见我国物流业运营管理整体尚处于较低水平,在研究期内没有得到有效的改善。其中,河北、青海、宁夏3省区PTE为1,构成了样本单元的效率前沿面,体现了投入对产出较强的转化能力；山东、广东、福建在部分时期达到技术效率前沿面,而随后PTE有所下降,但仍处于较高水平。
表2 第一阶段PTE结果
Tab.2 Results of PTE in 1ststage
续表
环境影响指标主要选取对物流业效率产生影响,但不在样本主观可控范围内的因素。物流业发展水平与规模受到地区经济影响,地区GDP能够充分反映不同地区经济发展总体状况；市场化程度体现了地区经济活跃的程度和资源优化配置的能力,用非国有经济固定资产投资占比来代表；信息服务水平体现了资源整合的能力,是产业发展与升级的重要手段,用邮电业务量中电信业务总量占比来体现信息服务水平。
根据第一阶段测算结果,得到每个投入变量的松弛量,建立环境变量对投入松弛量的SFA模型,得出第二阶段SFA估计结果。第二阶段SFA估计结果如表3所示。
在104例患者中，63例诊断为DM，占比为60.58%，7例糖耐量异常（IGT），占比为6.73%，5例空腹血糖受损（IFG），占比 4.81%，11例 IGT+IFG，占 10.58%，18例糖耐量正常，占17.31%。见表1。
在生猪饲养过程中，仔猪饲养是整个生产过程中的关键起步阶段，特别是新生仔猪易受各种因素的影响，常出现较多的死亡，给养猪业带来较大的经济损失。笔者通过多年的实践总结，认为重点应做好以下几方面的工作。
表3 第二阶段SFA估计结果
Tab.3 Estimation results of SFA in 2ndstage
依据表3输出结果,在研究期内,地方经济发展对物流业固定资产投资、就业、能源投入和碳排放的有效投入起到促进作用。区域市场化程度的差异对物流业投入变量具有不同影响。根据表3结果,市场化程度有助于减少物流业无效投资,提升资源配置效率。相反地,市场化水平并没有在降低物流业无效劳动力投入方面产生积极作用,也没有降低能源投入与碳排放。信息化服务水平在大部分时期内均得到正相关于投入松弛变量的结果,并没有起到降低物流业无效投入的作用。
3.1.3 第三阶段结果
（2）第二阶段,构建相似随机前沿(SFA)模型。为将环境因素与随机误差影响降到最低,基于第一步的分析结果,将投入冗余作为因变量,环境因素与随机误差作为自变量进行回归分析,构建SFA模型为
基于环境影响和随机误差的估算结果,对各决策单元投入指标进行调整,使其面临相同外部环境和具有相同运气机会,构建投入指标调整模型为
表4 第三阶段PTE结果
Tab.4 Results of PTE in 3rdstage
从动态变化角度来看,30个省区市物流业PTE整体呈现下降趋势,从2003—2005年的0.64下降到2012—2015年的0.6。根据各地区不同变化特点将PTE结果变化分为4类,第一类为“先减后增”,包括北京、天津、辽宁、上海、江苏和河南,只有天津和江苏增长较为明显,其他地区只是在较低水平下略有增长。第二类为“先增后减”,包括山西和甘肃,其中甘肃从0.97下降到0.57,是仅次于青海的下降幅度第二大地区。第三类为“持续上升”,包括内蒙古、江西、湖北、湖南、贵州、陕西和新疆,其中贵州增长幅度最大。第四类为“持续下降”,包括吉林、黑龙江、浙江、安徽、福建、广西、重庆、四川、云南和青海,这些地区应加快提升物流业管理水平,以扭转技术效率持续下降的局面。
根据式(1)可知，掘进机结构参数已知，只要确定α、β和d，就可以得出截割头中心在机身坐标系中的位置。通过油缸行程计算α和β，需要根据掘进结构建立截割臂升降角度α与截割臂升降油缸行程关系模型，以及截割臂回转角度β与水平回转油缸行程关系模型，它们关系模型如下：
3.2 对策分析
整体而言,我国物流业技术效率较低。从地区差异来看,只有河北和宁夏在整个研究期内都保持技术效率为1,而福建、山东、广东和青海只在部分时期达到技术有效,随后则偏离了技术前沿面。将0.8作为效率高低的分界线,我国只有江苏、山东、广东和海南4省处于较高水平,其他地区均不具有效率优势,需要采取有效举措以提升物流业技术效率。值得一提的是,以上海、北京等为代表的国内经济发达地区,物流业效率并不高,过量的能源消耗与碳排放导致了其物流业的低效率。通过对2003—2015年我国30个省(直辖市、自治区)物流业技术效率的研究,结合目前物流业发展现状,提出以下对策。
经过几年的发展，宿州市现代农业产业化联合体已从最初的16家增加到272家，覆盖了粮食、畜禽、果蔬、林木等主导产业，年产值达290亿元以上。随着各类联合体不断涌现，农业经营主体通过生产要素相互融合，进一步实行优势互补、风险共担，形成了“你中有我，我中有你”的一体化格局，实现了“1+1+1＞3”的融合效应。例如，埇桥区淮河粮食产业联合体中的担保与反担保方式形成了资金融合。
（1）强化行业整合。浙江、上海等经济发达省市物流业技术效率偏低的主要原因在于行业集中度低,且直接导致产业间融合较差[14]。为解决上述地区物流业技术效率偏低的问题,地方政府应出台相关鼓励政策,引导地方经济中规模较大、资金较为雄厚的大型物流企业通过控股或收购的方式整合中小型物流企业资源,形成具有较高产业集中度的企业联盟以提升行业效率。随着企业的不断加入,对入驻企业进行分类管理对发展物流业尤为重要,根据区域不同特点合理规划并兴建综合物流园区,使其成为物流服务供给与需求对接平台,进一步吸引社会闲散物流资源加以集中,最终实现资源优化配置、协同整合的目标。
（2）发挥供应链协同效应。依据三阶段DEA测算结果,吉林、黑龙江、浙江、安徽、福建、广西、重庆、四川、云南和青海等省市在剔除环境因素后,其物流业技术效率呈现持续下降的特征,暴露出物流业运营管理水平较低的问题。物流作业种类繁多、衔接紧密,同时按照供应物流、生产物流、销售物流和逆向物流的分类,其作业发生的范围涵盖整个供应链。合理的物流作业流程和有效的供应链协同是提升效率的关键。这些地区的物流企业应不断优化内部作业流程,如采用联合库存管理、多式联运等模式提升运作效率；此外,通过企业联盟或供应链联盟等方式加强上下游企业联系,促进供应链内部紧密合作、高效运转、协同创新,提升区域流通效率。
（3）提升物流业信息化水平。从全国范围来看,各省区市历年信息化水平并没有促进物流业技术效率的提升,反映出目前行业信息化发展尚处在初级阶段,没有发挥出信息整合优势。为此,应加强物流信息系统的开发与普及,企业围绕信息流进行业务流程重组与再造,以“互联网+”为契机,推进物流企业互联网化进程。政府及行业协会支持一部分有实力的信息技术企业打造区域级的物流综合服务平台,增强信息的流动性与透明性,企业通过业务协作、联合经营,实现强强联合、优势互补,提供更加完善与高效的物流服务,促进物流业整体效率的提升。
（4）调整能源投入结构。物流业具有高能耗的特点,随着近年物流需求的增长,导致了大量能源消耗,对环境也造成了一定程度的破坏,如上海与北京等地区物流业过度的能源投入是其效率较低的主要原因。高能耗产生的主要原因在于低水平的运营管理和不合理的运作方式。提升运营管理效率,保障各项作业有效衔接,降低逆向物流发生的可能性[15]。运作方式需要进行不断优化,运输、仓储及配送中心布局等关键物流活动逐步实现合理化,有助于降低能源消耗。此外,改善物流业能源结构,一方面应推进能源投入由传统能源向使用清洁能源、可再生能源方向转变；另一方面,应逐步建立低碳能源体系,开发新能源技术、节能减排技术、低碳技术等,实现能源清洁化发展。
4 结束语
产业效率的提升是转变经济增长方式、倡导“提质增效”的重要方面,也是“节能减排”、走可持续发展道路的核心内容。物流业作为我国重要流通产业,是产业间物资传输的纽带,其运营效率高低影响到生产资料与商品周转速度,决定了国家经济增长能力。通过分析我国物流业运营效率可知,面对整理效率不高的局面,区域物流业应不断提升行业整合强度,通过兴建综合物流园区打造较高产业集中度的物流资源平台,从供应链视角设计物流作业流程以发挥供应链协同效应,充分利用互联网技术提升物流业信息化水平,早日建成高效、先进、清洁的供应链物流系统。
参考文献
[1] 田 刚,李 南. 中国物流业技术进步与技术效率研究[J]. 数量经济技术经济研究,2009,26(2)：76-87.
[2] 钟祖昌. 基于三阶段DEA模型的中国物流产业技术效率研究[J]. 财经研究,2010,36(9)：80-90.ZHONG Zuchang. Research on the Efficiency of Logistics Industry in China based on Three-Stage DEA Model[J].Journal of Finance and Economics,2010,36(9)：80-90.
[3] 樊 敏. 中国八大经济区域物流产业运作效率分析：基于三阶段DEA模型[J]. 现代管理科学,2010(2)：48-50,71.
[4] 刘秉镰,余泳泽. 我国物流业地区间效率差异及其影响因素实证研究：基于数据包络分析模型及托宾模型的分析[J]. 中国流通经济,2010,24(9)：18-21.LIU Binglian,YU Yongze. An Empirical Analysis on the Regional Disparity of Efficiency and Factor in China's Logistics：Based on DEA and Tobit Model[J]. China Business and Market,2010,24(9)：18-21.
[5] 王维国,马越越. 中国区域物流产业效率：基于三阶段DEA模型的Malmquist-Luenberger指数方法[J]. 系统工程,2012,30(3)：66-75.
[6] 唐建荣,卢玲珠. 低碳约束下的物流效率分析：以东部十省市为例[J]. 中国流通经济,2013,27(1)：40-47.TANG Jianrong,LU Lingzhu. Study on Logistics Efficiency under the Restriction of Low-Carbon：Taking Ten Eastern Provinces and Municipalities of China as the Example[J]. China Business and Market,2013,27(1)：40-47.
[7] 张竟轶,张竟成. 基于三阶段DEA模型的我国物流效率综合研究[J]. 管理世界,2016(8)：178-179.
[8] 马 明,唐 乐,刘 颖. 中国区域物流产业技术效率差异及演进趋势研究[J]. 北京工业大学学报(社会科学版),2015,15(3)：14-20.MA Ming,TANG Le,LIU Ying. Research on the Difference and Evolution Trend of Technical Efficiency of Regional Logistics Industry in China[J]. Journal of Beijing University of Technology,2015,15(3)：14-20.
[9] 张 军,吴桂英,张吉鹏. 中国省际物质资本存量估算：1952—2000[J]. 经济研究,2004(10)：35-44.ZHANG Jun,WU Guiying,ZHANG Jipeng. The Estimation of China's Provincial Capital Stock：1952—2000[J]. Economic Research Journal,2004(10)：35-44.
[10] 马 明,唐 乐,刘 颖. 东北地区与长三角区域物流产业效率比较[J]. 北京工业大学学报(社会科学版),2018,18(3)：54-60.MA Ming,TANG Le,LIU Ying. Comparing the Logistics Efficiency Among Provinces of “Northeast China”and“Yangtze river”Region[J]. Journal of Beijing University of Technology,2018,18(3)：54-60.
[11] 马 明,唐 乐. 生产诱发作用下吉林省工业产业链生态效率评价：基于投入产出法与DEA法的结合[J]. 税务与经济,2018(1)：103-108.MA Ming,TANG Le. Evaluation of Ecological Efficiency of Industrial Chain in Jilin Province under Production Inducement：Based on the Combination of Input-output Method and DEA Method[J]. Taxation and Economy,2018(1)：103-108.
[12] FRIED H O,LOWELL C A K,SCHMIDT S S,et al. Accounting for Environmental Effects & Statistical Noise in Data Envelopment Analysis[J]. Journal of Productivity Analysis,2002(17)：121-136.
[13] 罗登跃. 三阶段DEA模型管理无效率估计注记[J]. 统计研究,2012,29(4)：104-107.LUO Dengyue. A Note on Estimating Managerial Inefficiency of Three-Stage DEA Model[J]. Statistical Research,2012,29(4)：104-107
[14] 王书灵,袁汝华. 基于三阶段DEA的江浙沪地区物流产业效率[J]. 铁道运输与经济,2016,38(10)：1-7,12.WANG Shuling,YUAN Ruhua. Efficiency of Logistics Industry in Jiangsu, Zhejiang and Shanghai based on Three-Stage DEA Model[J]. Railway Transport and Economy,2016,38(10)：1-7,12.
[15] 吴 容,李 文. 基于DEA的第三方逆向物流服务动态绩效评价[J]. 铁道货运,2008,24(1)：8-10.WU Rong,LI Wen. Dynamic Performance Evaluation of the Third Party Reverse Logistics Service based on DEA[J]. Railway Freight Transport,2008,24(1)：8-10.
A Research on Technical Ef fi ciency Evaluation of Logistics Industry based on the Three-stage DEA Method
Abstract: Improving the technical ef fi ciency of logistics industry is one of the ways to change the mode of economic growth and realize the sustainable development of logistics industry. To promote the good development of China's logistics industry, this paper elaborates the research status of China's logistics industry efficiency, considers energy consumption and environmental impact,establishes an evaluation index system of logistics industry technical ef fi ciency and an evaluation model of logistics industry technical efficiency based on three-stage DEA method. Taking the technical ef fi ciency evaluation of logistics industry in 30 provincial administrative regions of China from 2003 to 2015 as an example, this paper veri fi es the validity of the evaluation model. According to the evaluation results, this paper puts forward some countermeasures to strengthen industry integration, bring into play the synergistic effect of supply chain and improve the informatization level and improve the technical efficiency of logistics industry, which will play a positive role in promoting the good development of logistics industry in China.
Keywords: Logistics Industry; Technical Efficiency; Ecological Environment; Industrial Development; Three Stage DEA Method
DOI： 10.16668/j.cnki.issn.1003-1421.2019.07.03
收稿日期： 2018-11-07
基金项目： 国家自然科学基金项目(61402193)；吉林省教育厅资助项目(吉教科文合字[2015]第359号)
责任编辑： 王钟皓
标签：物流业论文; 技术效率论文; 生态环境论文; 产业发展论文; 三阶段DEA方法论文; 吉林财经大学管理科学与信息工程学院论文; 吉林财经大学国际交流学院论文;