基于DEA和灰色关联分析的城市物流节点效益评价(精)

基于DEA和灰色关联分析的城市物流节点效益评价    基于DEA和灰色关联分析的城市物流节点效益评价陈远高【论文分类】物流管理【论文网络来源】http:/www.csscipaper.com/F14【期刊期数】2009年10期【论文期刊来源】工业技术经济(长春)2009年6期第7478页【英文标题】An Evaluation on the Node Benefits of Urban Logistics Based on DEA and Grey Correlation Analysis1前言随着城市经济的不断繁荣，城市的消费需求在不断增加，城市的建设也加大了对生产资料的需求，这就带动了城市物流输入输出量的扩大。伴随着城市的发展，城市的功能分布日趋成熟，城市圈逐渐形成并不断扩大，物流需求与供给在原有空间上和模式上受到制约，物流设施的扩大化和外迁，货运、仓储经营者延伸出更为复杂的综合化的物流服务，专业化的第三方抑或第四方物流服务供应商越来越多，城市物流节点成为城市物流输入、输出的枢纽以及专业物流服务供应商的集聚点。城市物流节点的效益评价是城市物流经营管理一个不可缺少的部分。物流节点的效益评价问题不仅关系到单个物流节点的发展前途，还影响着整个城市物流系统以及与之紧密结合的工商企业的效益和效率。因此，只有对城市物流节点效益进行科学、客观、公正的评价，才能为城市物流进一步改善其经营管理指明正确的方向。物流节点经营目标的实现，仅仅依靠计划的制订和实施是难以保证的。城市物流节点效益评价系统旨在通过对多方面指标的评价分析，使城市物流管理者清楚地看到物流节点的实际水平，发现物流节点经营发展中的问题，帮助决策者按照经济和社会利益的需要确定和调整城市物流节点的发展战略。近年来，物流经济发展迅速，物流问题在理论和实践领域日益得到重视。不同的研究者从区域物流、企业物流等不同层面对于物流活动的水平和绩效进行了分析，如金江军(2003)从区域经济发展角度提出物流评价指标体系1，孙宏岭等(2001)从企业物流活动的角度出发对物流绩效进行了分析2，Ross和Droge(2002)、陶经辉等(2005)分别应用数据包络分析法来分析配送中心和物流园区的绩效3，4。但是到目前为止国内有关城市物流节点经营效益和社会效益评价的较系统的研究成果还比较缺乏。因此，本文将根据城市物流节点的经营效益和社会效益的不同特点，分别应用数据包络法(DEA)和灰色关联分析法来评价城市物流节点的经营效益和社会效益，并结合物流园区实例进行了具体分析。2数据包络法和灰色关联分析法2.1数据包络法数据包络法(Data Envelopment Analysis，简称DEA)是用于评价一组多指标投入和多指标产出的部门相对有效性的多目标决策方法。DEA不需要确定投入产出关系的任何形式的表达式，具有黑箱类型研究方法的内在客观性特点。当决策单元(DMU，Decision-Making Units)的类型相似、投入和产出指标界定较清晰时，选择DEA方法比较适合4，5。事实证明DEA对非纯赢利部门的评价也有很好的效果，因此DEA方法与物流节点兼有赢利性和公益性的特点非常匹配。DEA评价模型剔除了人为因素带来的误差，其结果不仅能判断被评价的DMU哪些是生产效率相对有效，哪些是非有效，而且对于非有效的DMU，还给出了调整改进的方向。其缺点是对于相对有效的DMU不能给出一个排序，因为在一次评价中，通常有多个DMU是相对有效的，也有多个DMU是相对非有效的，而同样是相对有效的DMU可能在投入和产出上相差甚远。因此在本文中，采用Andersen和Petersen(1993)对DEA模型的改进建议，对D，模型的数学表达式中做出相应的调整，将当前评价单元从等式左侧的求和计算中去掉，这样构成前沿面的有效单元的有效系数值就会超过1，从而为对所有的有效单元进行排序提供了可能7。2.2灰色关联分析法物流节点作为一个社会经济系统，同时具有灰色系统的特点，即部分信息已知、部分信息未知的系统，因此可以采用借助灰色系统的理论来研究物流节点的评价问题。灰色关联分析法是在不完全信息中，对所要分析研究的各因素，通过一定的数据处理，在随机的因素序列间，找出它们的关联性，发现主要矛盾，找到主要特性和主要影响因素8。灰色关联分析具有对数据要求较低且计算量小，样本数目要求较少等优点，便于广泛应用。灰色关联分析根据被评对象的各项指标值构成序列，对原始变量序列进行无量纲化处理，确定参考序列和比较序列是由计算序差矩阵得到关联系数矩阵，通过参考序列与比较序列关联程度大小的判断，获得评价结果。3城市物流节点经营效益和社会效益评价指标城市物流节点的相关研究表明，物流节点除了运输和配送的组织和管理、集中储存、包装与流通加工、中转换装与集散、多式联运、信息服务、综合服务等微观物流功能外，还具有集散中心、物流信息中心、物流控制中心三大系统效用功能，此外城市物流节点还对区域经济发展、产业聚集和周边社会环境产生作用9，10。由于城市物流节点兼具企业性和公益性，因此，本文把城市物流节点的效益分为经营效益和社会效益两个部分。在其效益评价中，这两大效益在城市物流节点总效益中的重要性是随着物流节点类型的不同而不同的。一般来说，社会效益的重要性随着配送中心物流中心物流园区而递增，经营效益的重要性随着配送中心物流中心物流园区而递减。因此，对于物流节点的效益评价必须按照城市物流节点的不同类型，即按照物流园区、物流中心、配送中心来确定其效益评价指标。以下以某物流园区为例，分析物流园区效益评价指标的建立。3.1物流园区经营效益评价指标物流园区不是物流经营的主体，而是多个物流中心的空间集聚载体，是物流服务功能整合的平台。物流园区的服务对象是入园企业，包括物流企业，各类工商企业的物流中心和配送中心。所以对物流园区的经营效益的评价除了财务指标之外，更多的是要考虑入园企业的发展状况，物流园区对入园企业提供的服务质量等11，12。另外园区的资源利用程度与前述指标相对独立，应单独列出(如表1所示)。3.1.1财务指标财务指标始终是衡量物流园区经营是否成功的重要指标。但是由于作为物流系统基础设施的物流园区具有公益性的一面，相对于物流中心和配送中心，财务指标在整个评价体系的权重应该有所下降。本文选择了资本收益率、收益增长率、资产负债率、资产保值增值率4个指标来评价物流园区经营财务状况。3.1.2园区企业情况物流园区是物流企业和物流中心在空间上集中布局的场所。物流园区物流服务功能是通过为园内的企业提供各种公共服务来体现的。因此，物流园区的实力情况基本可以通过入园企业的状况体现出来。入园企业的状况指标可以分为现状和发展趋势两类指标，分别包括企业数量、总收入、总利润和总收入增长率。3.1.3企业服务入驻物流园区的企业包括物流企业和物流中心等都是物流园区的客户。物流园区提供的客户服务评价可以通过园区企业满意度、园区企业忠诚度、新入园企业数量、新入园企业资产等指标来体现。    3.1.4园区资源物流园区的建设可以适度超前，但同时需要注意实用、适用。因此，在园区资源利用方面，通过地产利用率、公用设备利用率、设备的适用性这3个指标可以较好得到体现。3.2物流园区的社会效益评价指标城市物流节点社会效益是指在物流节点经营评价中没有反映出来的效益，是城市物流节点对实现社会发展目标的影响及所作的贡献13。本文认为，城市物流节点的社会效益评价指标可分为两大类，对社会环境的影响以及对自然与生态环境的影响，这两大类又设置若干指标进行评价。同样以物流园区为例，具体指标体系如表2所示。其中，社会贡献率用于衡量物流节点运用全部资产为国家或者社会创造或支付价值的能力，包括员工工资、劳保退休统筹及其他社会福利支出、利息支出净额、应交各种税收以及净利润。社会累积率用于衡量企业社会贡献总额中多少用于上交国家财政。二级指标中，除前4个指标其余均为定性指标，可以采用标杆对比法给出评价值，分值范围为010。4实例分析4.1数据包络法在城市物流节点经营效益评价中的应用DEA对评价指标选择有其特殊性，其评价依据是决策单元的一组投入指标数据和一组产出指标数据。基于前面构建的物流园区经营效益评价指标体系，根据输入、输出进行指标的重新组合，得到符合规则的指标体系。以下应用DEA方法对某城市物流园区经营效益进行综合评价。为计算简便，在前面物流园区经营效益指标体系中仅选取用地面积、营运成本、园区资产3个输入指标，以及园区营业收入、入园企业总营业收入、入园企业满意度3个输出指标。表3和表4分别是某8个同类型物流园区(8个DMU)对于这3个输入指标和3个输出指标的数据。对上面的数据采用模型计算，解8个线性规划问题，可得到表5的计算结果。由表5可以得出如下结论：(1)DMU1，DMU2，DMU4，DMU5，DMU6，DMU7等6园区达到DEA有效，说明这6个物流园区的经营同时为技术有效和规模有效。(2)DMU3为DEA无效，说明第3个物流园区的经营既不是技术有效，也不是规模有效。通过调整投入产出指标，DMU的输入X3由(120，62，880)调整为(117.16，61.71，875.91)，由于S+=0，所以输出Y3不变，仍为(85，1050，86)。由于这一组物流园区的经营状况比较相似，调整较小，=0.9788，说明规模收益递增。(3)DMU8为弱DEA有效，说明第8个物流园区不是同时技术有效和规模有效。根据模型进一步判断DMU8技术有效性，算出相对效率值=1，说明DMU8为技术有效而规模无效。同样，把DMU的输入(350，210，3000)调整为(240，180，3000)，输出(305，4200，83)调整为(307.2，4200，96)。(4)计算，可以进一步得到各物流园区规模有效方面的信息。由表5最后一列可知，第1、2、4、5、6、7个物流园区在目前的产出条件下，投入规模处于合适水平。而第3个物流园区为规模收益递增，第8个物流园区为规模收益递减。根据Andersen与Petersen(1993)的改进模型，重新对8个DEA决策单元进行评价，得到表6所示的有效系数和最终排名结果。从表6的评价过程我们可以看到，DEA以相对效率概念为基础，适用于多指标输入和多指标输出决策单元的有效性评价。在评价过程中，不需要确定物流园区投入产出关系的表达式，可以客观地对物流园区经营效益作出评价。4.2灰色关联分析在城市物流节点社会效益评价中的应用5结论本文分析了城市物流节点的经营效益和社会效益，以物流园区为例构建了物流园区经营效益和社会效益的评价指标，并结合实例分别应用数据包络法(DEA)和灰色关联分析对物流园区的经营效益和社会效益进行评价。评价结果显示，DEA具有黑箱类型方法的内在客观性特点，适用于城市物流节点的经营效益评价。灰色关联分析方法在城市物流节点社会效益评价中，对于数据要求较低且计算量小，适合物流节点社会效益信息的不完全性和不确定性等特点。因此，在城市物流节点效益评价过程中，综合应用DEA和灰色关联分析方法是较为有效的。科学评价城市物流节点的发展效益，对城市物流能力的健康发展，城市物资流通效率的提升，城市竞争力的提升和可持续发展都具有重要意义。 【参考文献】 1金江军，潘懋.现代物流M.北京：北京大学出版社，20032孙宏岭，戚世钧.现代物流活动绩效分析M.北京：中国物资出版社，20013Ross, A., Droge, C. An integrated benchmarking approach to distribution center performance us