论文部分内容阅读
摘 要：近年来，在“一带一路”倡议下，陇海兰新经济带沿线城市以此为机遇，发挥各自的区位优势，展现各自特色，在区域物流协同发展方面取得了成效。本文运用DEA模型和层次分析法（AHP），从内生因素和外生因素，对陇海兰新经济区的各城市物流效率进行评价，结合两种方法形成综合评价模型，最后提出物流效率提升策略。
关键词：城市物流效率综合评价模型;DEA模型;层次分析法;物流效率
本文索引：郭海兵，朱鹏程，潘家乐，等.基于DEA和AHP模型的陇海兰新经济带区域物流效率综合评价[J].中国商论，2021（19）：-078.
中图分类号：F259.22 文献标识码：A 文章编号：2096-0298（2021）10（a）--03
1 引言
2013年国家主席习近平在出访中亚和东南亚国家期间提出了共建“丝绸之路经济带”和“21世纪海上丝绸之路”的重大倡议，即“一带一路”，其中陇海兰新线作为由陇海线与兰新线组成贯穿我国东西的一条铁路“大动脉”，如何让沿陇海线经济带在“丝绸之路经济带”建设中更好地发挥作用，促进区域协同发展，把大陆桥沿线打造成横贯东西、辐射南北的物流、资金流、技术流、信息流“大动脉”，成为“丝绸之路”经济带最具辐射带动力的经济走廊，是陇海兰新沿线城市践行国家“一带一路”倡议所面临的重大议题。
就目前形勢而言，国外对区域物流的研究相对较少，其中Teodor（2009）针对区域物流规划中资源运营和管理的短期计划问题，提出区域物流系统组成的一般模型和公式，并识别出比较好的解决方法。DeMarco（2007）以意大利西北部区域为研究对象，构建系统动力学模型，辅助进行交通基础设施投资决策。而国内理论研究的重点大多集中在“一带一路”东部沿海开放城市、长三角经济区、珠三角经济区等开放程度较高、经济发展较成熟的区域物流发展方面，对于以陇海兰新经济带骨干城市为对象的新亚欧大陆桥经济走廊研究很少。本文此为背景，以陇海兰新经济带中江苏（连云港、徐州）、河南（郑州、开封、洛阳、焦作）、陕西（西安、咸阳、宝鸡）、甘肃（兰州、武威、酒泉、嘉峪关）、新疆（乌鲁木齐、吐鲁番）等沿线城市作为研究对象，以区域物流协同发展效率为突破口，运用DEA模型（数据包络分析方法），对陇海兰新经济带区域物流协同发展效率建立合理的指标评价体系，指出制约陇海兰新经济带区域物流发展的洼地和薄弱环节。在区域一体化发展和国家“一带一路”背景下，为促进陇海兰新经济带沿线城市更好地融入国家发展战略，在区域物流协调发展方面提出相应的对策建议。
2 模型介绍
2.1 DEA模型
DEA模型是一种基于线性规划，用于评价同类型组织工作绩效的相对有效性的工具。衡量同类组织效率的高低，通常需要采用投入产出比这个指标，利用数据归一化，排除量纲的影响后，计算出各自的投入产出比并按照大小进行绩效排序。
2.2 层次分析法（AHP）
层次分析法是一种简便、灵活而又实用的多准则决策方法，是对一些较为复杂、模糊的问题作出决策的简易方法，特别适用于难以完全定量分析的问题。针对问题，本文借鉴了层次分析法中各层次权重的计算，通过构造判断矩阵，算出绩效评价模型中各个准则的权重。
3 实证研究
3.1 指标的选取与数据来源
依据贺盛瑜等（2020）在《区域物流效率评价研究综述》中关于投入产出指标选取，本文选取的衡量物流效率指标是投入和产出，在投入指标下设物流业投资额（物流业固定资产投资额）和物流业资本（物流业从业人员数和平均工资等）;在产出指标下设物流业产值（第三产业生产总额和快递业务量）、物流业产值增长（进出口总额增长量）和货运量（货运量及货物周转量）。本文所有数据源自国家统计局、各地方统计局2018年、2019年统计年鉴。
3.2 区域物流效率有效性评价
根据陇海兰新经济区15个城市依次建立线性规划模型：
（1）
使用Python软件求解得到15个城市的值，根据DEA模型的结果，DEA有效的城市有：连云港、郑州、西安、咸阳、嘉峪关、吐鲁番六座城市，即这6座城市的物流效率好于其他城市。另外，根据值大小给非DEA有效的9座城市的物流效率进行排序，物流效率从高到低依次是：乌鲁木齐（0.9467）、洛阳（0.9269）、徐州（0.8977）、兰州（0.8830）、开封（0.7051）、焦作（0.5126）、酒泉（0.2979）、武威（0.2842）、宝鸡（0.2444）。
DEA模型虽然可以基于各个城市对物流业的投入产出比做出评价，并给出各个城市物流效率的排序，但是同为DEA有效的城市无法比较，且给出的排名没有考虑到环境因素的影响，具有一定的主观性，所以本文又采用层次分析法给出每个城市物流效率的评分。
采用层次分析法（AHP）得到模型中各个变量的权重，对于变量的选取，不仅依靠投入、产出指标，还应考虑环境指标。所以选取的指标要能综合反映一个地区的物流效率高低，即物流业投资额、物流业资本、物流业产值、货运量，地区GDP、全社会固定资产投资额。
考虑到现有数据集有量纲因素的影响，不利于本文对指标的变化量进行分析，所以在进行6个变化量的计算之前，本文采用归一化方法对原始数据集进行归一化处理。归一化数据的公式为：
（2）
其中，为归一化后的数据，为这个指标的最小值，为这个指标的最大值。选取投入指标和产出指标进行数据归一化处理见表1。
本文采用Saaty等人建议的方法确定变量权重，具体方法为：对因子进行两两比较建立成对比矩阵，即每次取两个因子和，以表示和对的影响大小之比，全部比较结果用矩阵表示，为之间的成对比较判断矩阵（简称判断矩阵）。容易看出，若与对的影响之比为，则与对的影响之比应为，再结合参考文献，讨论6个变量之间的相互关系及重要程度，进行有效对比判断，按重要程度，从大到小梳理出顺序分别是：（1）物流业资本（记为input1）;（2）物流业投资额（记为input2）;（3）物流业产值（记为output1）;（4）货运量（记为output2）;（5）地区GDP（记为environment1）;（6）全社会固定资产投资额（记为environment2）。 据此，构建判断矩阵如表2所示。
通过MATLAB编程计算判断矩阵的一致性比例，发现，判断矩阵的一致性检验通过。各变量的权重如表3所示：
在获得绩效评价模型需要的变量和各个变量的对应权重后，本文建立脱贫帮扶绩效评价模型，设最终绩效得分为Q，公式如下所示：
（3）
根据上述式（3）计算得到各个地区物流效率得分，按照效率得分排序如表4所示。
4 区域物流效率综合评价模型
4.1 区域物流效率综合评价模型
由于DEA模型基于各区域物流投入产出比，没有考虑到环境因素的影响，而层次分析法从各区域总体物流情况出发，考虑指标较为全面，但没有重点突出直接衡量物流效率的指标，具有一定的主观性，综合两者的优缺点，本文基于DAE模型和层次分析法的评价结果建立区域物流综合评价模型：
（4）
其中： β1+β2=100， 且β1〉 β2，
ei表示DEA模型得到的各城市e值，ei～[0，1];
Qi表示层次分析法得到的各城市评分， Qi～[0，1];
ε～N（0， δ2）
模型中和的取值范围都是[0，1]，本文提出使用百分制衡量各区域物流综合评分，即。要衡量一个区域物流综合效率，既要看该区域物流的投入产出比，又要考虑该区域总体物流受到的地区各种经济指标的限制，所以。
4.2 各城市物流效率综合得分
综合考虑各种指标，本文取，得到各区域物流效率总体得分如表5所示。
5 研究结论与提升策略
5.1 结论
本文基于DEA和层次分析法（AHP）的评价结果，提出了一个区域物流效率综合评价模型，根据各个城市物流效率得分，进行排序。在进行DEA模型有效性评价时，本文选取了投入指标（物流业投资额，物流业资本，涵盖物流业基础设施的投资，物流业从业人员人数及工资待遇等）、产出指标（物流业产值，物流业产值增长，货物周转量等）能够综合反映物流业质和量的两个指标。在进行层次分析法时，又考虑到环境指标对物流业的影响，增加了地区GDP和全社会固定资产投资额，作为环境指标进入模型。得出以下结论：
（1）通过DEA有效性分析时得出连云港、郑州、西安、咸阳、嘉峪关、吐鲁番6座城市的投入产出达到平衡，即这6座城市的物流效率好于其他城市，剩余9座城市的投入产出未能达到平衡（其余9座城市e值排名参照表1数据）。
（2）由于根据DEA模型得到的e值进行城市物流效率排名具有一定的主观性。本文综合考虑影响城市物流效率的各个指标，建立了物流效率评价体系。根据各个指标的权值，给出基于层次分析法各个城市物流效率得分，根据得分大小进行物流效率排序。物流效率从高到低依次是：郑州、西安、徐州、洛阳、连云港、兰州、乌鲁木齐、武威、焦作、开封、咸阳、宝鸡、酒泉、吐鲁番、嘉峪关。
（3）由于层次分析法在分析影响城市物流业的各个指标时没有重点突出对物流效率影响的主要指标，所以基于DEA模型和层次分析法的优缺点，本文以DEA模型有效性评价作为主要指标，以层次分析法对城市物流效率的得分为次要指标，建立了区域物流综合评价模型，以百分制对各城市物流进行打分，并进行城市物流综合效率排名，得出排名结果为：郑州、西安、徐州、连云港、洛阳、乌鲁木齐、咸阳、兰州、吐鲁番、嘉峪关、开封、焦作、武威、酒泉、宝鸡。
5.2 提升策略
通过对我国“一带一路”倡议下陇海兰新经济区15个城市物流效率的研究发现，我国各城市根据经济水平、物流业投资等指标的差异，各城市物流效率有较大差异，这种差异对我国深化“一带一路”的发展具有不良的影响，不利于我国对外开放的广度和深度，为此本文提出以下城市物流效率提升策略：
（1）针对物流效率较低的城市，可通过提高物流业的投资额来提高物流效率。通过DEA模型有效性分析发现，总体经济水平相对落后的城市物流效率较低。通过分析可以得到一些例外城市，如吐鲁番，原因在于吐鲁番物流业投资额较大。所以，对于物流效率较低的城市可以通过提高物流业投资额来提升物流效率，以更快融入国家“一带一路”倡议。
（2）针对物流设备较好的城市，我们发现国家通过完善物流基础设施促进附近城市物流业发展。通过层次分析法发现，物流效率较高的城市都是经济活力旺盛的城市，物流业基础设施完善，效率较高。
（3）针对经济落后的城市，可以通过资源合理化配置，利用地区优势，实现物流业高速发展。根据物流效率综合评价模型，连云港市排名第4，原因在于连云港市依照自己的地区优势，合理化资源配置，实现了物流的高速发展。
参考文献
Teodo Gabrel Crainic Ricciardi Nicoletta，Storchi Giovanni.Model for Evaluating and Planning City Logistics System[C].Interuniversity Research Centre on Enterprise Networks，Logistics and Transportation，2009.
DeMarco Alberto and Rafele Carlo System Dynamics Simulation an Application to Regional Logistics Polycy Making[J].International Journal of Computers，2007，1（4）：255-262.
李景华.运筹学[M].上海：上海财经大学出版社，2012：73-75.
刘艳，曹伟，王晏晏.“一带一路”内陆节点城市物流业竞争力评价[J].技术经济，2016（11）：70.
贺盛瑜，静茹.区域物流效率评价研究综述[J].物流工程与管理，2020（7）：12-13.
陈荣，李玲.于交叉效率DEA-LAHP的港口物流效率评价研究[J].南阳理工学院学报，2018（2）：16-17.
李水陳，谢子远.基于三阶段DEA模型的浙江省物流效率研究[J].浙江万里学院学报，2020（9）：30-33.
蒋随.我国“一带一路”节点城市物流效率评价与提升策略[J].商业经济研究，2020（15）：90-93.
郑丽卷.我国“一带一路”沿途港口城市区域物流竞争力聚类分析[J].现代物流，2016（24）：88-90.
田宇.物流效率评价方法研究[J].物流科技，2000（12）：15-19.
王嘉威.基于DEA分析法的长三角城市物流空间效率分析[J].风景名胜，2019（1）.
Jake VanderPlas.Python Data Science Handbook[M].北京：人民邮电出版社，2018：365-367.
张良军，杨坦，徐圣兵，等.MATLAB数据分析与挖掘实战[M]北京：机械工业出版社，2016：97-99.
关键词：城市物流效率综合评价模型;DEA模型;层次分析法;物流效率
本文索引：郭海兵，朱鹏程，潘家乐，等.基于DEA和AHP模型的陇海兰新经济带区域物流效率综合评价[J].中国商论，2021（19）：-078.
中图分类号：F259.22 文献标识码：A 文章编号：2096-0298（2021）10（a）--03
1 引言
2013年国家主席习近平在出访中亚和东南亚国家期间提出了共建“丝绸之路经济带”和“21世纪海上丝绸之路”的重大倡议，即“一带一路”，其中陇海兰新线作为由陇海线与兰新线组成贯穿我国东西的一条铁路“大动脉”，如何让沿陇海线经济带在“丝绸之路经济带”建设中更好地发挥作用，促进区域协同发展，把大陆桥沿线打造成横贯东西、辐射南北的物流、资金流、技术流、信息流“大动脉”，成为“丝绸之路”经济带最具辐射带动力的经济走廊，是陇海兰新沿线城市践行国家“一带一路”倡议所面临的重大议题。
就目前形勢而言，国外对区域物流的研究相对较少，其中Teodor（2009）针对区域物流规划中资源运营和管理的短期计划问题，提出区域物流系统组成的一般模型和公式，并识别出比较好的解决方法。DeMarco（2007）以意大利西北部区域为研究对象，构建系统动力学模型，辅助进行交通基础设施投资决策。而国内理论研究的重点大多集中在“一带一路”东部沿海开放城市、长三角经济区、珠三角经济区等开放程度较高、经济发展较成熟的区域物流发展方面，对于以陇海兰新经济带骨干城市为对象的新亚欧大陆桥经济走廊研究很少。本文此为背景，以陇海兰新经济带中江苏（连云港、徐州）、河南（郑州、开封、洛阳、焦作）、陕西（西安、咸阳、宝鸡）、甘肃（兰州、武威、酒泉、嘉峪关）、新疆（乌鲁木齐、吐鲁番）等沿线城市作为研究对象，以区域物流协同发展效率为突破口，运用DEA模型（数据包络分析方法），对陇海兰新经济带区域物流协同发展效率建立合理的指标评价体系，指出制约陇海兰新经济带区域物流发展的洼地和薄弱环节。在区域一体化发展和国家“一带一路”背景下，为促进陇海兰新经济带沿线城市更好地融入国家发展战略，在区域物流协调发展方面提出相应的对策建议。
2 模型介绍
2.1 DEA模型
DEA模型是一种基于线性规划，用于评价同类型组织工作绩效的相对有效性的工具。衡量同类组织效率的高低，通常需要采用投入产出比这个指标，利用数据归一化，排除量纲的影响后，计算出各自的投入产出比并按照大小进行绩效排序。
2.2 层次分析法（AHP）
层次分析法是一种简便、灵活而又实用的多准则决策方法，是对一些较为复杂、模糊的问题作出决策的简易方法，特别适用于难以完全定量分析的问题。针对问题，本文借鉴了层次分析法中各层次权重的计算，通过构造判断矩阵，算出绩效评价模型中各个准则的权重。
3 实证研究
3.1 指标的选取与数据来源
依据贺盛瑜等（2020）在《区域物流效率评价研究综述》中关于投入产出指标选取，本文选取的衡量物流效率指标是投入和产出，在投入指标下设物流业投资额（物流业固定资产投资额）和物流业资本（物流业从业人员数和平均工资等）;在产出指标下设物流业产值（第三产业生产总额和快递业务量）、物流业产值增长（进出口总额增长量）和货运量（货运量及货物周转量）。本文所有数据源自国家统计局、各地方统计局2018年、2019年统计年鉴。
3.2 区域物流效率有效性评价
根据陇海兰新经济区15个城市依次建立线性规划模型：
（1）
使用Python软件求解得到15个城市的值，根据DEA模型的结果，DEA有效的城市有：连云港、郑州、西安、咸阳、嘉峪关、吐鲁番六座城市，即这6座城市的物流效率好于其他城市。另外，根据值大小给非DEA有效的9座城市的物流效率进行排序，物流效率从高到低依次是：乌鲁木齐（0.9467）、洛阳（0.9269）、徐州（0.8977）、兰州（0.8830）、开封（0.7051）、焦作（0.5126）、酒泉（0.2979）、武威（0.2842）、宝鸡（0.2444）。
DEA模型虽然可以基于各个城市对物流业的投入产出比做出评价，并给出各个城市物流效率的排序，但是同为DEA有效的城市无法比较，且给出的排名没有考虑到环境因素的影响，具有一定的主观性，所以本文又采用层次分析法给出每个城市物流效率的评分。
采用层次分析法（AHP）得到模型中各个变量的权重，对于变量的选取，不仅依靠投入、产出指标，还应考虑环境指标。所以选取的指标要能综合反映一个地区的物流效率高低，即物流业投资额、物流业资本、物流业产值、货运量，地区GDP、全社会固定资产投资额。
考虑到现有数据集有量纲因素的影响，不利于本文对指标的变化量进行分析，所以在进行6个变化量的计算之前，本文采用归一化方法对原始数据集进行归一化处理。归一化数据的公式为：
（2）
其中，为归一化后的数据，为这个指标的最小值，为这个指标的最大值。选取投入指标和产出指标进行数据归一化处理见表1。
本文采用Saaty等人建议的方法确定变量权重，具体方法为：对因子进行两两比较建立成对比矩阵，即每次取两个因子和，以表示和对的影响大小之比，全部比较结果用矩阵表示，为之间的成对比较判断矩阵（简称判断矩阵）。容易看出，若与对的影响之比为，则与对的影响之比应为，再结合参考文献，讨论6个变量之间的相互关系及重要程度，进行有效对比判断，按重要程度，从大到小梳理出顺序分别是：（1）物流业资本（记为input1）;（2）物流业投资额（记为input2）;（3）物流业产值（记为output1）;（4）货运量（记为output2）;（5）地区GDP（记为environment1）;（6）全社会固定资产投资额（记为environment2）。 据此，构建判断矩阵如表2所示。
通过MATLAB编程计算判断矩阵的一致性比例，发现，判断矩阵的一致性检验通过。各变量的权重如表3所示：
在获得绩效评价模型需要的变量和各个变量的对应权重后，本文建立脱贫帮扶绩效评价模型，设最终绩效得分为Q，公式如下所示：
（3）
根据上述式（3）计算得到各个地区物流效率得分，按照效率得分排序如表4所示。
4 区域物流效率综合评价模型
4.1 区域物流效率综合评价模型
由于DEA模型基于各区域物流投入产出比，没有考虑到环境因素的影响，而层次分析法从各区域总体物流情况出发，考虑指标较为全面，但没有重点突出直接衡量物流效率的指标，具有一定的主观性，综合两者的优缺点，本文基于DAE模型和层次分析法的评价结果建立区域物流综合评价模型：
（4）
其中： β1+β2=100， 且β1〉 β2，
ei表示DEA模型得到的各城市e值，ei～[0，1];
Qi表示层次分析法得到的各城市评分， Qi～[0，1];
ε～N（0， δ2）
模型中和的取值范围都是[0，1]，本文提出使用百分制衡量各区域物流综合评分，即。要衡量一个区域物流综合效率，既要看该区域物流的投入产出比，又要考虑该区域总体物流受到的地区各种经济指标的限制，所以。
4.2 各城市物流效率综合得分
综合考虑各种指标，本文取，得到各区域物流效率总体得分如表5所示。
5 研究结论与提升策略
5.1 结论
本文基于DEA和层次分析法（AHP）的评价结果，提出了一个区域物流效率综合评价模型，根据各个城市物流效率得分，进行排序。在进行DEA模型有效性评价时，本文选取了投入指标（物流业投资额，物流业资本，涵盖物流业基础设施的投资，物流业从业人员人数及工资待遇等）、产出指标（物流业产值，物流业产值增长，货物周转量等）能够综合反映物流业质和量的两个指标。在进行层次分析法时，又考虑到环境指标对物流业的影响，增加了地区GDP和全社会固定资产投资额，作为环境指标进入模型。得出以下结论：
（1）通过DEA有效性分析时得出连云港、郑州、西安、咸阳、嘉峪关、吐鲁番6座城市的投入产出达到平衡，即这6座城市的物流效率好于其他城市，剩余9座城市的投入产出未能达到平衡（其余9座城市e值排名参照表1数据）。
（2）由于根据DEA模型得到的e值进行城市物流效率排名具有一定的主观性。本文综合考虑影响城市物流效率的各个指标，建立了物流效率评价体系。根据各个指标的权值，给出基于层次分析法各个城市物流效率得分，根据得分大小进行物流效率排序。物流效率从高到低依次是：郑州、西安、徐州、洛阳、连云港、兰州、乌鲁木齐、武威、焦作、开封、咸阳、宝鸡、酒泉、吐鲁番、嘉峪关。
（3）由于层次分析法在分析影响城市物流业的各个指标时没有重点突出对物流效率影响的主要指标，所以基于DEA模型和层次分析法的优缺点，本文以DEA模型有效性评价作为主要指标，以层次分析法对城市物流效率的得分为次要指标，建立了区域物流综合评价模型，以百分制对各城市物流进行打分，并进行城市物流综合效率排名，得出排名结果为：郑州、西安、徐州、连云港、洛阳、乌鲁木齐、咸阳、兰州、吐鲁番、嘉峪关、开封、焦作、武威、酒泉、宝鸡。
5.2 提升策略
通过对我国“一带一路”倡议下陇海兰新经济区15个城市物流效率的研究发现，我国各城市根据经济水平、物流业投资等指标的差异，各城市物流效率有较大差异，这种差异对我国深化“一带一路”的发展具有不良的影响，不利于我国对外开放的广度和深度，为此本文提出以下城市物流效率提升策略：
（1）针对物流效率较低的城市，可通过提高物流业的投资额来提高物流效率。通过DEA模型有效性分析发现，总体经济水平相对落后的城市物流效率较低。通过分析可以得到一些例外城市，如吐鲁番，原因在于吐鲁番物流业投资额较大。所以，对于物流效率较低的城市可以通过提高物流业投资额来提升物流效率，以更快融入国家“一带一路”倡议。
（2）针对物流设备较好的城市，我们发现国家通过完善物流基础设施促进附近城市物流业发展。通过层次分析法发现，物流效率较高的城市都是经济活力旺盛的城市，物流业基础设施完善，效率较高。
（3）针对经济落后的城市，可以通过资源合理化配置，利用地区优势，实现物流业高速发展。根据物流效率综合评价模型，连云港市排名第4，原因在于连云港市依照自己的地区优势，合理化资源配置，实现了物流的高速发展。
参考文献
Teodo Gabrel Crainic Ricciardi Nicoletta，Storchi Giovanni.Model for Evaluating and Planning City Logistics System[C].Interuniversity Research Centre on Enterprise Networks，Logistics and Transportation，2009.
DeMarco Alberto and Rafele Carlo System Dynamics Simulation an Application to Regional Logistics Polycy Making[J].International Journal of Computers，2007，1（4）：255-262.
李景华.运筹学[M].上海：上海财经大学出版社，2012：73-75.
刘艳，曹伟，王晏晏.“一带一路”内陆节点城市物流业竞争力评价[J].技术经济，2016（11）：70.
贺盛瑜，静茹.区域物流效率评价研究综述[J].物流工程与管理，2020（7）：12-13.
陈荣，李玲.于交叉效率DEA-LAHP的港口物流效率评价研究[J].南阳理工学院学报，2018（2）：16-17.
李水陳，谢子远.基于三阶段DEA模型的浙江省物流效率研究[J].浙江万里学院学报，2020（9）：30-33.
蒋随.我国“一带一路”节点城市物流效率评价与提升策略[J].商业经济研究，2020（15）：90-93.
郑丽卷.我国“一带一路”沿途港口城市区域物流竞争力聚类分析[J].现代物流，2016（24）：88-90.
田宇.物流效率评价方法研究[J].物流科技，2000（12）：15-19.
王嘉威.基于DEA分析法的长三角城市物流空间效率分析[J].风景名胜，2019（1）.
Jake VanderPlas.Python Data Science Handbook[M].北京：人民邮电出版社，2018：365-367.
张良军，杨坦，徐圣兵，等.MATLAB数据分析与挖掘实战[M]北京：机械工业出版社，2016：97-99.