一种三阶段评估城市物流时空演化物流效率的方法

1.本发明属于城市物流效率评估方法的技术领域，特别涉及一种三阶段评估城市物流时空演化物流效率的方法。


背景技术：

2.物流业作为城市经济发展的基础产业，不但是经济发展的内生变量，也是经济发展规模和速度的刚性约束，其城市物流效率是城市物流业的发展水平的直观映射，体现了城市的综合竞争力，是用来衡量城市物流资源分配、物流产业对区域经济的带动作用以及物流政策实施成效的指标。在提供物流发展的整体视角，通过对城市物流效率变化的测度与时空分布的考量，可以直观全面了解城市物流效率变化，对物流发展的过程与时空差异有一个更加清晰的认知。
3.现有的物流效率评价主要采用传统的dea(data envelopment analysis，数据包络分析)模型进行，主要存在以下几个问题：
4.第一，在运用传统dea模型评价效率时，将相同指标不同年代的效率进行比较，由于生产效率前沿每年都发生变化，因此这种做法这在理论上是没有可比性的；第二，以往的研究主要集中在以省域、经济区、企业等为评价对象，且城市层面的研究较少，将城市按照区县进行详细分析的更少，分析的往往是多年份的平均效率，缺乏将动态效率与静态效率的结合；第三，缺乏从空间角度考虑效率格局的变化；第四，现有的传统的dea模型，通常是没有考虑环境因素和随机噪声对决策单元效率评价的影响，由于dea法属于非参数估计，所以无法进行随机检验以检验随机冲击的影响。


技术实现要素：

5.本发明所要解决的技术问题是：为了解决城市物流效率时空动态效率分布、影响因素及形成机理，进一步弥合现有研究中应用的不完全评价指标的差距，本发明对于城市物流效率的测度，采用动静结合的视角，考虑到环境与噪声的双重影响，提出了更加全面的三阶段评估城市物流时空演化物流效率的方法。
6.本发明为解决以上技术问题而采用以下技术方案：
7.提供了一种基于三阶dea-malmquist指数模型的三阶段评估城市物流时空演化物流效率的方法，采用三阶段数据包络分析模型进行评估物流效率，具体的步骤为：
8.1.一种三阶段评估城市物流时空演化物流效率的方法，其特征在于，采用三阶段数据包络分析模型进行物流效率评估，具体的步骤为：
9.步骤一、指标体系构建：选取交通运输仓储地方财政支出作为第一投入指标，从业人员工资总额作为第二投入指标；函件包裹数作为第一产出指标，交通运输、仓储和邮政业地区生产总值作为第二产出指标；主要年份规模以上工业总产值作为第一环境指标，城镇居民人均可支配收入作为第二环境指标，主要年份社会消费品零售总额作为第三环境指标；
10.步骤二、第一阶段malmquist指数测算与分析：采用dea-malmquist指数方法来测算目标城市的全要素生产率和分解值；
11.首先，设定代表第i个决策单元t时期第r个指标的投入量和产出量，代表第i个决策单元t时期第r个指标的投入量和产出量，表示第i个决策单元t 1时期第r个指标的投入量和产出量，求解全要素生产率指数的距离函数d公式如下：
[0012][0013][0014]
其中，s

与s-分别代表投入指标松弛量与产出指标松弛量；λr为权重，θ表示城市物流效率，介于0到1之间；
[0015]
其次，求得t 1时期的距离函数则t时期与t 1时期之间的全要素生产率指数表示为：
[0016][0017][0018]
对以上两个指数距离求几何平均值得到t时期至t 1时期的malmquist指数：
[0019][0020]
其中，(x
t
,y
t
)，(x
t 1
,y
t 1
)分别表示第t和t 1期的投入产出量，分别表示以第t时期与t 1时期的技术s
t
和s
t 1
为参照的距离函数；t时期至t 1时期的malmquist指数分解为不变规模报酬假定下技术进步指数与技术效率指数的乘积：
[0021][0022]
其中，根号里的项为技术进步变化指数，代表决策单元技术进步变化，即相同投入在不同时期的最优产出水平之比，反映的是不同期生产可能集生产前沿面的移动情况；
[0023]
根号外的项为技术效率变化指数，代表决策单元的技术效率变化，反映现有资源的利用效率和资源是否合理配置，进一步分解为纯技术效率变化ptec与规模效率变动sec，计算公式如下：
[0024][0025][0026]
步骤三、第二阶段sfa回归模型分析：采用sfa回归对因变量和自变量进行回归分析，将交通运输仓储邮政业地方财政支出、从业人员工资总额两个指标的松弛变量作为回归函数中的被解释变量，将主要年份规模以上工业总产值、城镇居民人均可支配收入、主要年份社会消费品零售总额作为解释变量，考察三项环境变量对两项投入指标松弛变量的影响；
[0027]
步骤四、第三阶段malmquist指数测算与分析：使用步骤三调整后的投入与原产出重新进行dea-malmquist指数的测算，将调整过的投入变量和原有的产出变量再采用数据包络分析法来计算效率值，通过计算效率值进行评估分析物流效率。
[0028]
本发明采用以上技术方案，与现有技术相比具有以下有益效果：
[0029]
本发明提供的三阶段评估城市物流时空演化物流效率的方法，运用三阶段dea-malmquist法，将环境与噪声的双重影响纳入考虑范围，描述效率随时间变化的动态过程，还可以将效率的变动进行分解，比较各变动之间的关系，找出造成效率变动的影响因素。通过将步骤二获得的原始效率值和步骤四获得的经过调整后的效率值，可进行数据的趋势、变动信息的评估和分析，全面地评估目标城市物流的物流效率，获得的结果更有层次性、针对性，数据更为准确、有价值。
具体实施方式
[0030]
下面对本发明的具体实施例作出进一步详细说明。
[0031]
本发明中的三阶段评估城市物流时空演化物流效率的方法，采用三阶段数据包络分析模型进行评估物流效率，具体的步骤为：
[0032]
步骤一，指标体系构建。选取交通运输仓储地方财政支出作为投入指标一，从业人员工资总额作为投入指标二；函件包裹数作为产出指标一，交通运输、仓储和邮政业地区生产总值作为产出指标二；主要年份规模以上工业总产值作为环境指标一，城镇居民人均可支配收入作为环境指标二，主要年份社会消费品零售总额作为环境指标三。
[0033]
步骤二，第一阶段malmquist指数测算与分析。采用dea-malmquist指数方法来测算目标城市的全要素生产率和分解值。设定代表第i个决策单元t时期第r个指标的投入量和产出量，表示第i个决策单元t 1时期第r个指标的投入量和产出量，求解全要素生产率指数的距离函数d公式如下：
[0034]
[0035][0036]
公式中，s

与s-分别代表投入指标松弛量与产出指标松弛量；λr为权重，θ表示城市物流效率，介于0到1之间，是城市物流的资源配置、要素利用和规模集聚的综合水平，其值越接近1说明城市物流效率越高，投入组合达到最优，反之则说明各要素配置失当越明显。
[0037]
进而可求得t 1时期的距离函数与则t时期与t 1时期之间的全要素生产率指数表示为：
[0038][0039][0040]
对以上两个指数距离求几何平均值便得到t时期至t 1时期的malmquist指数：
[0041][0042]
其中，(x
t
,y
t
)，(x
t 1
,y
t 1
)分别表示第t和t 1期的投入产出量，分别表示以第t时期与t 1时期的技术s
t
和s
t 1
为参照的距离函数。t时期至t 1时期的malmquist指数又可以分解为不变规模报酬假定下技术进步指数与技术效率指数的乘积：
[0043][0044]
根号里的项为技术进步变化指数，代表决策单元技术进步变化，即相同投入在不同时期的最优产出水平之比，反映的是不同期生产可能集生产前沿面的移动情况。
[0045]
根号外的项为技术效率变化指数，代表决策单元的技术效率变化，反映现有资源的利用效率和资源是否合理配置，可以进一步分解为纯技术效率变化ptec与规模效率变动sec，计算公式如下：
[0046][0047]
[0048]
步骤三，第二阶段sfa回归模型分析。采用sfa回归对因变量和自变量进行回归分析，将交通运输仓储邮政业地方财政支出、从业人员工资总额两个指标的松弛变量作为回归函数中的被解释变量，将主要年份规模以上工业总产值、城镇居民人均可支配收入、主要年份社会消费品零售总额作为解释变量，考察三项环境变量对两项投入指标松弛变量的影响。
[0049]
步骤四，第三阶段malmquist指数测算与分析。使用步骤三调整后的投入与原产出重新进行dea-malmquist指数的测算。将调整过的投入变量和原有的产出变量再采用数据包络分析法来计算效率值，通过计算效率值进行评估分析物流效率。
[0050]
步骤三中，构建的城市物流投入变量的sfa模型：
[0051]sni
＝f(zi；βn) ν
ni
μ
ni
；i＝1，2，
…
，i；n＝1，2，
…
，n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0052]
公式(9)中，s
ni
是第i个决策单元第n项投入的松弛值，共有i个决策单元和n项投入。可由原始投入与目标投入的差值即公式(10)得到；
[0053]sni
＝x
ni-x
*
λ≥0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0054]
其中x
ni
为实际投入值，x
*
λ为达成生产效率的目标值。zi是环境变量，βn是环境变量的系数；f(zi；βn)代表环境对于投入的影响，ν
ni
μ
ni
是混合误差项，ν
ni
表示随机干扰，μ
ni
表示管理无效率；其中ν～n(0,σ
v2
)是随机误差项，表示随机干扰因素对投入松弛变量的影响；μ是管理无效率，表示管理因素对投入松弛变量的影响，假设其服从在零点截断的正态分布，即μ～n (0,σ
μ2
)，通过极大似然法计算参数，最后算得ν
ni
与μ
ni
。
[0055]
步骤三中，对管理无效率项进行分离时，采用基于sfa回归成本函数形式的管理无效率公式(11)与随机干扰公式(12)如下：
[0056][0057]
其中，λ＝σ
μ
/σ
ν
，σ
μ
，σ
ν
表示管理无效率和随机干扰正态分布的方差项；
[0058]
e(v
ni
|v
ni
μ
ni
)＝s
ni-f(zi；βn)-e(u
ni
|v
ni
μ
ni
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0059]
步骤三中，通过将不同环境条件下的对象调整为一致，来获得估计值，具体是通过将所有对象放置在人为的通用运营环境中来调整输入数据，具体的调整公式为：
[0060][0061]
其中公式(13)，是调整后的投入；x
ni
是调整前的投入；是对外部环境因素进行调整；[max(ν
ni
)-ν
ni
]是将所有决策单元置于相同运气水平下；
[0062]
通过上述公式(13)调整后，所有决策单元均被放置在相同的外部环境和随机扰动中。
[0063]
下面以目标城市分段(2010-2018年)分区域下的物流效率进行实际评估过程进行具体的说明，具体如下：
[0064]
(1)指标体系构建。
[0065]
选取交通运输仓储地方财政支出作为投入指标一，从业人员工资总额作为投入指标二；函件包裹数作为产出指标一，交通运输、仓储和邮政业地区生产总值作为产出指标二；主要年份规模以上工业总产值作为环境指标一，城镇居民人均可支配收入作为环境指标二，主要年份社会消费品零售总额作为环境指标三。例如以某目标城市为例，获取表1中投入产出表。
[0066]
表1某城市三阶段的投入产出比表
[0067][0068]
(2)第一阶段malmquist指数测算与分析。运用malmquist生产率指数方法，分别求出各年份间技术效率指数、技术进步指数、纯技术效率指数、规模效率指数和全要素生产率指数，各个指数的含义如表4.4所示。全要素生产率指数大于1表示相应区县的物流全要素生产率在时间段内是进步的趋势，全要素生产率指数等于或小于1分别表示相应区县的物流全要素生产率的停滞和恶化。全要素生产率的增加是受技术效率改善和技术进步影响，技术效率则进一步可分解为纯技术效率与规模效应的影响。
[0069]
运用malmquist生产率指数方法，分别求出各年份间全要素生产率变化指数、技术进步变化指数、技术效率变化指数、纯技术效率变化指数和规模效率变化指数，各个指数的含义如表2所示。全要素生产率指数大于1表示相应区县的物流全要素生产率在时间段内是进步的趋势，全要素生产率指数等于或小于1分别表示相应区县的物流全要素生产率的停滞和恶化。全要素生产率的增加是受技术效率改善和技术进步影响，技术效率则进一步可分解为纯技术效率与规模效应的影响。
[0070]
表2全要素生产效率分解及释义表
[0071]
指数名称缩写小于1大于1全要素生产率变化指数tfpch全要素生产率水平下降全要素生产率水平提高技术进步变化指数techch技术退步技术进步技术效率变化指数effch技术效率降低技术效率改善纯技术效率变化指数pech技术运用水平下降技术运用水平提高规模效率变化指数sech偏离最优生产规模靠近最优生产规模
[0072]
由表2可知，运用dea-malmquist指数方法来测算目标城市全要素生产率及分解值如下表3所示。
[0073]
表3目标城市分时段的全要素生产率及分解值(分时段为2010-2018年)
[0074][0075]
表3中，可得：目标城市在目标时间段，例如2010-2018年的城市物流malmquist指数处于波动的状态，平均值为1.0525，表明2010-2018年间目标城市物流全要素生产率以年均5.25％的速度上升。
[0076]
技术规模效率指数的平均值是0.953，将其拆解开来看，纯技术效率变化的平均值是0.968，年均下降3.2％，规模效率变化的平均值是0.9815，年均下降了2.9％，由此可见技术效率变动对技术效率变动的影响要大于规模效率变化；而技术进步变动指数的平均值是1.146，年均上涨14.6％，表明目标城市物流的全要素生产率上升主要归因于技术的进步与创新。
[0077]
(3)第二阶段sfa回归模型分析。采用sfa回归对因变量和自变量进行回归分析，将交通运输仓储邮政业地方财政支出、从业人员工资总额两个指标的松弛变量作为回归函数中的被解释变量，将主要年份规模以上工业总产值、城镇居民人均可支配收入、主要年份社会消费品零售总额作为解释变量，考察三项环境变量对两项投入指标松弛变量的影响。
[0078]
可选择地，采用静态dea的松弛变量，进行分年度分投入指标的sfa回归，并对所构建的sfa方程中的未知系数进行估计，就可以得到外部环境因素、随机干扰对投入松弛变量的影响。可选择地对环境变量进行标准化处理，去除量纲影响，运用标准化之后的环境变量作为因变量，对某一目标年度的投入变量进行逐个的回归分析。具体的环境变量标准化后的数据见表4所示。
[0079]
表4目标城市的某一重要年度环境变量标准化数据
[0080]
地区主要年份规模以上工业总产值城镇居民人均可支配收入主要年份社会消费品零售总额
××
区0.1009921240.927963560.1154777
××
区0.1177157070.9535963240.115602488
××
区0.127283110.9131079010.144648383
××
区0.1108880780.8306454890.117989306
××
区0.1162101170.8568454690.103081628
××
区0.13545390910.133565165
××
区0.1248299570.7411874120.102551116
××
区0.1151965840.7589601820.10435341
××
区0.1491911550.7697102770.104449667
××
区0.1258593630.7589871930.105777798
××
区0.1114724310.7573665750.103365668
××
区0.1013046970.7828912980.1
××
区0.1122748260.7319769040.10069031
××
区0.104169070.7367847350.100454651
××
县0.1039597480.7322470070.101043737
××
县0.1005685480.7293028850.100486326
[0081]
当使用sfa模型回归第一阶段投入导向的松弛变量的时候，对每个投入变量进行独立的sfa回归，下面以某一重要年份的sfa回归结果数据见表5。
[0082]
表5目标城市的某一重要年度sfa回归结果分析数据
[0083][0084]
考虑到在分析环境变量与投入变量关系的过程里，若回归系数为正值，说明环境变量值的增长会导致投入松弛变量的同步增长，造成资源浪费，对城市物流效率产生负面影响；反之若回归系数为负，则环境变量的增长会降低投入松弛变量，也促进城市物流效率的。
[0085]
γn＝σ
2un
/(σ
2u
σ
2v
)，表示技术无效率方差占总方差的比重。当γn的值趋近于1时,管理因素的影响占主导地位。
[0086]
从表5中得出，目标年度的社会消费品零售总额对两项投入松弛变量的回归系数均为正值，说明目标年份社会消费品零售总额增加会导致交通运输仓储邮政业地方财政支出松弛变量与从业人员工资总额松弛变量增加，从而对目标城市物流产业效率产生不利影响。
[0087]
而目标年份规模以上工业总产值、城镇居民人均可支配收入对两项投入松弛变量的回归系数均为负值，说明要年份规模以上工业总产值、城镇居民人均可支配收入增加会导致投入松弛变量的降低，使资源利用更为充分，对目标城市物流产业效率产生正向影响。
[0088]
以上回归分析的结果表明，未来目标城市的物流产业的高效率发展不能盲目依赖于刺激社会消费而推动，应当更加注重以市场环境下的商品需求因素为导向，保障物流资源的合理利用，并促进城市物流与城市产业协同发展，才能保证效率的进一步提升。
[0089]
(4)第三阶段malmquist指数测算与分析。
[0090]
第三阶段，使用第二阶段调整的投入和原始产出进行测算，通过对第一阶段和第三阶段的效率值进行比较，进行综合分析。具体地，将目标城市下的不同分区进行，第三阶段的测算，进行获得与第二阶段相同年度下，第三阶段的数据见表6。
[0091]
表6某一年度下各区的投入指标值
[0092][0093]
经过对比，外界环境及随机噪声对目标城市物流全要素生产率的影响不可忽略，调整后，目标城市物流全要素生产率水平降低，且由第一阶段的技术进步效率变动主导转变为技术效率变动主导，而技术效率受规模效率变动的影响要更大，规模效率的不作为才是影响北京市城市物流全要素生产率的最大诱因。因此，在物流发展过程和在规模扩张时要注意成本效率的控制，盲目增加投入是不可取的，不可过度依附于政府的优惠政策与资本投入。所以，逐步调整投入至最优规模，优化物流资源投入结构，从而提高规模效率，才是提高目标城市物流全要素生产率的根本途径。
[0094]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。