基于投入导向DEA模型的柳州市农产品物流运输效率研究

来源:用户上传      作者:曾桂丹 黄登宇 陈虹颖 黄丽梅 冯永东

　　[摘 要]农产品物流作为物流业的一个分支，农产品运输需求及运输量在逐年上升，但由于农产品运输网络效率较低，物流流通时间长等问题从而限制了农产品物流的发展。文章以柳州农产品为例，通过建立农产品运输网络效率评价体系：DEA与CCR——投入导向模型，研究农产品运输网络效率，分析问题，找到能够降低农产品物流供应链的流通成本，提高运输网络效率的解决方案。
　　[关键词]农产品运输;网络效率;CCR——投入导向模型
　　[DOI]10.13939/j.cnki.zgsc.2020.14.026
　　1 引言
　　近年来，伴随着城镇化的进程加快，柳州市生产种植的能力、规模逐渐强大，消费的生鲜农产品种类也愈加丰富，同时，生鲜农产品需求区域也相对越来越集中。但柳州市县城以下的区域农产品运输服务网络和信息系统不健全，信息准确性和时效性较差，运输网络的连通性还很弱，农产品运输通道不畅、效率不高，成为柳州市农产品发展的“瓶颈”之一。因此，对农產品运输网络效率的研究，具有重要的理论价值和实践意义。本文以农产品运输网络效率为研究对象， 旨在通过对农产品物流运输网络效率的研究，提高柳州市农产品运输网络效率，使农产品运输投入和产出规模达到最大化。
　　2 文献综述
　　农产品物流运输网络的定义可以概括为：由多种交通运输方式所连接的运输线路、物流运输节点以及相应的辅助设备组成的农产品物流运输网络，在一定时间内的运输投入与运输需求满足程度的比率。薛亮等（2018）基于复杂网络和区域物流的理论基础，对贵州省茶叶物流运输网络进行分析。根据贵州省茶叶运输的特点，探讨该省茶叶物流运输网络的节点和结构的复杂性。王伟（2019）通过遵循碳排放、成本、时间的最少化等条件，将优化后的Logit路径用来对底层货流进行配置，构建基于遗传算法来计算求解的低碳物流运输网络层次优化模型。由上述相关的研究可知，运输网络效率的研究是以复杂的网络理论为基础，研究方向主要有两个：一是基于网络元件的效率分析，二是基于成本考虑的网络效率分析。研究的领域主要集中在交通运输，特别是城市交通运输，涉及农产品物流运输的研究还严重不足，农产品物流领域尚属欠缺阶段。由此本文将以柳州市为例对农产品物流运输网络积极探索。
　　3 DEA与CCR——投入导向模型理论
　　3.1 DEA与CCR——投入导向模型
　　数据包络分析（Data Envelopment Analysis，DEA）是1978年由美国著名的运筹学家A.Charnes和W.W.Cooper等学者，以相对效率概念为基础发展起来的一种效率评价方法。DEA方法以相对效率的概念为基础，运用线性规划和凸分析，通过数学规划模型计算比较决策单元之间的相对效率，最后进行评价。
　　CCR模型是通过数据包络分析DEA最早建立的测算效率模型，CCR模型是在规模报酬不变情况下的DEA模型，也称为CRS模型，即是当投入量以等比例增加时，产出亦以等比例增加。在CCR模型中，假设有k个评价的同类，称为决策单元DMU，每个单元均有n个投入变量和m个产出变量，通过加权投入组合与加权产出组合的比得到数据效率值，通过利用Deap2.1软件，对所选指标进行预测计算得到相关的综合效率、纯技术效率以及规模效率的预测指标结果。
　　3.2 模型分析
　　假设规模效益不变，CCR——投入导向模型如下所示。假设柳州市在连续的N年里，每年在物流领域有n种投入和m种产出。 表示柳州市第k年的第i个投入变量， 表示柳州市第k年的第j个输出变量。则柳州市第k年的网络效率值应满足：
　　式中，Xj为第j个决策单元的n维投入向量，Yj表示第j个决策单元的m维产出向量。其中，θ满足0≤θ≤1，当θ=1时，表示该年份柳州市的物流网络效率落在效率的前沿上，其效率表示为技术效率，其含义是当地k年的产出水平保持不变时，如果以最佳的效率作为标准（θ=1），则1-θ为第k年多投入的比例。
　　4 农产品运输网络效率分析
　　4.1 柳州市物流网络效率研究指标选取
　　本文结合柳州市作为工业城市的特点并基于可操控性原则、重要性原则、客观性原则以及科学性原则，选择固定资产投入作为物流节点指标，以运营货运车辆作为物流网络载体的产业指标，以研究区域的道路总里程作为物流的统计指标，以研究区域的物流货运量作为物流产出指标。其中以固定资产投入、运营货运车辆、公路里程作为输入指标，货运量作为输出指标。
　　4.2 以柳州市为例进行效率预算和分析
　　通过查阅历年《柳州市统计年鉴》《广西统计年鉴》得到柳州市2009—2018年10年间的物流网络相关指标，经过整理得到如表1所示。
　　通过利用Excel软件和Deap2.1软件对以上数据进行预算，得到表2所示结果。
　　 表2中，综合效率是指不考虑规模收益时的效率;纯技术效率指考虑规模收益时的技术效率;规模效率指考虑规模收益时的效率。其中，irs为规模收益递增，—为规模收益不变，drs为规模收益递减。
　　4.3 预算结果分析
　　在预算结果中，DEA结果为1的表示有效;从表2中可以看出，2009—2018年10年间除2013年、2016年、2017年三年外其余年份效率值均小于1，表示DEA无效年份。从各年份数据看，柳州市物流网络综合效率的波动性较大。从纯技术效率以及规模效率进行讨论分析效率的变化。由综合效率=纯技术效率×规模效率，可以看出，综合效率的波动是由纯技术效率和规模效率的波动带来的。在2009—2018年10年间有2009年、2012年、2013年、2016年、2017年、2018年六年的纯技术效率为1，说明该年份的资源配置处于最优的状态，物流网络效率也处于最高。但在2009—2018年10年间仅有2013年、2016年、2017年三年规模效率为1，DEA有效，说明只有这三年的投入产出规模达到最优状态。
　　5 结论建议
　　文章以介绍DEA与CCR——投入导向模型为开头，根据研究内容，分析知道柳州市物流网络综合效率的波动性较大，但只有少数的几年投入与产出是达到最优状态，说明柳州运输网络效率还有待改进，本文的研究可为提高农产品物流运输效率提供一定的借鉴意义。农产品物流运输路线的高效化建设不仅能够降低农产品物流供应链的流通成本，更能带动其他行业物流运输的反应速度。
　　参考文献：
　　[1]罗文昌.界定用户平衡及Logit型随机用户平衡下的混合平衡交通网络效率损失[J].运筹学学报，2010（2）：79-86.
　　[2]张凤平.农产品物流运输网络效率评价研究[D].长沙：长沙理工大学，2014.
　　[3]薛亮，余伟，郑琰，等.基于复杂网络的区域茶叶物流运输网络分析[J].物流工程与管理，2018，40（11）：64-66.
　　[4]王伟.基于遗传算法的低碳物流运输网络优化研究[J].东莞理工学院学报，2019，26（1）：50-56.
　　[5]柳州统计局.国家统计局柳州调查队编柳州统计年鉴[M].北京：中国统计出版社，2009-2018.
　　[6]广西统计局.国家统计局广西调查总队编广西统计年鉴[M].北京：中国统计出版社，2009-2018.
　　[基金项目]2018年自治区级大学生创新创业训练计划项目“农产品运输策略研究”（项目编号：201810594102）。
转载注明来源:https://www.xzbu.com/2/view-15209171.htm