DEA模型物流业效率之议

DEA 模型物流业效率之议DEA 模型物流业效率之议 摘要：本文对物流业效率建立了一个科学且切实可行的评价体系；利用 DEA 模型，结合 2025 年-2025 年全国 31个省市物流产业投入与产出的实例，对各省市的物流产业效率进行分析。 关键词：物流业；效率；DEA 物流产业作为我国的支柱产业，被列为国家十大产业振兴计划之一，今后必定在中国经济增长中成为一个新的增长点。现阶段，在物流产业效率讨论中，讨论视角多以讨论物流企业为主，从物流产业总体效率分析的讨论也大多以主要大型上市物流公司的财报表现来代表整个物流行业。但物流业涉及范围广，存在各种类型的企业，其中民营企业占很大比重，仅仅将少数大型上市物流公司代表物流业的讨论欠妥当。本文运用数据包络分析（DEA）的理论为基础，分别从规模效率、纯技术效率和综合效率方面分析全国各省市的物流效率状态，并指出各省在物流投入和产出方面的问题，希望为决策者对物流产业决策和规划提供理论依据。 1DEA 模型介绍 数据包络分析（DEA）方法是由 AChames,W.W.Cooper 等美国著名运筹学家提出的，用于评价具有多个投入和多个产出的决策单元（DMU）间的相对效率的一种系统分析方法。在运用这一方法进行评价时，决策单元（DMU）作为决策对象，将所有决策单元的有效性作为评价结果，最后根据每个单元的 DMU 输入和输出，通过利用一定的模型得出这一单元（DMU）的输入输出相对其他决策单元来说是否是最优的；结果假如是最优的，则称为该决策单元有效，否则称决策单元弱有效或者无效。 DEA 评价方法的第一个模型,也是使用最广泛的模型是C2R 模型。本文用这一模型来推断各个地区物流的效率。推断某个决策单元 DMU（有 m 个投入 X 个产出 Y）其有效性的模型 C2R，其对偶规则可表示为： 其中，ε 为非阿基米德无穷小，θ 表示决策单元的效率指数，xj 为第 j 个决策单元的输入指标，yj 表示第 j 个决策单元的输出指标，sj-为第 j 个决策单元的输入指标的松弛变量，sj+表示第 j 个决策单元输出指标的松弛变量，sj-和 sj+分别表示投入冗余和产出不足，第 j 个决策单元的决策变量由 λj 表示。在此模型基础基础上，可以推断出DMU 的 DEA 有效性，并且可以根据 DEA 有效性更深一层的经济含义，推断决策单元的生产活动是否同时满足技术有效和规模有效。当 θ=1，sj-=0，sj+=0 时，为 DEA 有效；当θ=1，sj-≥0,sj+≥0 时为弱 DEA 有效，在这种情况...