《基于数据包络分析的低碳经济下的陕西省城市物流业效率评价实证研究》23000字（论文）

②分析所产生的结果是否合理，具体需要根据实际得出的结论进行综合评价，或者与其他方法得出的结论相比较。在应用DEA方法进行评价时，为获得一个可靠的结果需要在上面几个步骤上多次反复，有时还要结合其他方法，从而提高结果的准确性。DEA方法工作步骤流程图如图4.1所示。图4.1DEA方法的评价步骤4.2DEA的两种基本模型C2R和BC24.2.1基于效率概念的C2R模型假设一项生产活动有n个决策的部分，每个决策的部分都有m种输入(表示这一部分所消耗的资源)以及s种输出(表示因为消耗资源所带来的成果),我们将每个部分称之为决策单元，各决策单元输入和输出的数据如图4.2。图4.2决策单元的输入和输出数据其中，xij为第j个决策单元在第i种输入上的输入量，且xij＞0；Yrj为第j个决策单元在第r种输出上的输出量，yrj＞0；vi是对第i种输入上的度量；ur是对第r种输出上的度量；[5]为了计算方便，我们将其记作： (4.1) (4.2)我们对向量u和向量v进行适当的调整，令其满足在上述条件下，可以构成基本的C2R模型： (4.3)4.2.2评价技术有效性的BC2模型输入数据同C2R模型相同，如图4.2所示 (4.4)BC2模型的对偶模型为： (4.5)4.3陕西省物流效率实证分析4.3.1指标选取本节通过近年来陕西省物流行业的各项实际数据，运用DEAP软件对于低碳环境下陕西省城市物流效率进行分析。在本文中使用的各项数据，来自于《国家统计局》、《中国统计年鉴》、《能源统计年鉴》以及各个地区的统计局官网等。基于低碳物流效率研究的前提下，物流行业二氧化碳的年排放量是本次分析过程中的一项重要指标，而我国物流行业的主要运输途径主要是铁路运输和公路运输，在考虑指标选取时也需要将这一因素考虑在内。在考虑到这些因素的基础上以及通过查阅相关资料和相关专业文献，我们决定使用陕西省物流业二氧化碳排放量、陕西省公路里程、陕西省铁路里程与陕西省公路运输业与铁路运输业就业人数和作为投入指标，将铁路运输与公路运输的年货运量之和、陕西省年快递总量作为输出指标对陕西省物流效率做出分析，如表4.1所示。表4.1陕西省投入产出指标选取指标输出指标输出指标输入指标输入指标输入指标输入指标年份铁路与公路年货运量之和年快递总量物流业二氧化碳排放量公路里程铁路里程公路和铁路就业人数和2011—2019万吨万件万吨万公里万公里人4.3.2运用DEAP软件分析陕西省低碳物流效率在本节中，我们对4.3.1中所选取的陕西省物流业投入产出指标的详细数据进行了查找，在查找数据的过程中发现，陕西省公路里程、陕西省铁路里程、陕西省铁路公路运输业就业人数之和、陕西省铁路公路年货运量之和、陕西省年快递总量这些数据可以通过国家以及地方的统计官网和年鉴得到具体的统计数据，但是陕西省物流业二氧化碳排放量这一数据国家及有关部门并没有做出相关的统计。基于本文研究低碳经济下的陕西省城市物流业效率的基础上，物流业二氧化碳的排放量是必不可少的一项数据，我们通过查阅有关发展低碳方向的文献，找到了标准煤、汽油、煤油和柴油的二氧化碳排放系数，从而间接的得到陕西省物流业二氧化碳的排放量，具体数据见表4.2。表4.2物流业主要消耗能源二氧化碳排放系数能源排放系数标准煤2.6200kg二氧化碳/kg汽油2.9251kg二氧化碳/kg煤油3.0179kg二氧化碳/kg柴油3.0959kg二氧化碳/kg表4.2中列举了三种物流业主要消耗能源的二氧化碳排放系数，我们虽然不知道陕西省物流行业二氧化碳排放量的具体统计数据，但是我们可以查找到陕西省物流行业对于标准煤、汽油、煤油、柴油三种能源的年使用量，通过计算，我们就可以得出一个比较直观的陕西省物流业二氧化碳的排放量。其中，每消耗1kg的标准煤就会排放2.6200kg的二氧化碳，每消耗1kg的汽油就会排放2.9251kg的二氧化碳，每消耗1kg的煤油就会排放3.0179kg的二氧化碳，每消耗1kg的柴油就会排放3.0959kg的二氧化碳。接下来的一步，我们只需要找到陕西省物流行业对于各类能源的年使用量，然后计算出陕西省物流行业二氧化碳的年排放量，在本文第三节的数据分析中，我们已经知道我国物流行业对于汽油、煤油、柴油三种能源的年使用量较高，并且占比重较大，所以我们查找和应用这三种能源的各年使用量来得到一个较为标准的二氧化碳排放量参考值，接下来我们只需要将陕西省物流行业汽油、煤油、柴油的总年使用量与其对应的二氧化碳排放系数相乘，就可以得到陕西省物流行业二氧化碳的年排放量。陕西省物流行业对于这三种能源的各年使用量并没有统计到2020年，所以我们只查到了2011—2019年的陕西省汽油、煤油、柴油三种能源的年使用量，详细数据见表4.3所示。表4.3陕西省物流业汽油、煤油、柴油年使用量年份汽油消耗量(万吨)煤油消耗量(万吨)柴油消耗量(万吨)2019125.3537.38402.942018119.6136.21371.512017110.6831.54368..622016115.3130.03372.632015101.5134.48405.71201492.9336.26398.43201395.9832.27339.87201287.0110.11386.50201194.809.67310.00将表中三种能源的年消耗量与各排放系数相乘后相加后得出陕西省2011—2019年的物流业二氧化碳排放量，见表4.4。表4.4陕西省2011—2019年的物流业二氧化碳排放量年份物流业二氧化碳排放量（万吨）20191726.9320181609.3020171560.1420161581.5420151657.0220141614.7520131430.3420121481.5820111266.21在表4.4数据的计算过程中，为简化过程，每个数据我们都保留小数点后两位，在我们的指标中有一项指标是铁路与公路年货运量之和，下一步的工作，我们需要找到2011—2019年各年的铁路货运量和公路货运量，通过计算得出二者之和，具体数据与计算结果见表4.5。表4.52011—2019年各年铁路货运量和公路货运量年份铁路年货运量（万吨）公路年货运量（万吨）铁路货运量与公路货运量之和（万吨）20194475110980115455220184224513082317306820173916212372116288320163545911336314882220153295110773114068220143748311934315682620133576710556614133320123194210459313653520113029990419120718在我们的指标中有一项指标是铁路与公路就业人数之和，同上一个步骤相同，我们需要找到2010—2019年各年的铁路运输就业人员数和公路运输就业人员数，通过计算得出二者之和。具体数据与计算结果见表4.6。表4.62011—2019年各年铁路就业人员数和公路就业人员数年份铁路运输就业人员数（人）公路运输就业人员数（人）铁路运输就业人员数与公路运输就业人员数之和（人）2019974181110132084312018101135110956202091201710242511207321449820161030821154922185742015105059112248217307201411506311118422624720136599211731218330420129861552185150800201110256945776148345到目前为止，本次分析工作所需要的全部指标数据已经全部得到，所有指标数据见表4.7所示。我们将其全部整理到sxs.dta（陕西省.dta）文件中，如图4.3所示，接下来根据指标数据创建sxs.ins文件，修改后的文件截图如图4.4所示，最后运用DEAP软件对陕西省.ins文件进行分析，如图4.5所示。表4.7陕西省投入产出指标年份铁路与公路年货运量之和（万吨）年快递总量（万件）物流业二氧化碳排放量（万吨）公路里程（万公里）铁路里程（万公里）铁路与公路就业人数和（人）201915455272891.911726.9318.010.54208431201817306856876.541609.3017.710.50202091201716288345750.651560.1417.440.50214498201614882236901.621581.5417.250.46218574201514068220351.031657.0217.010.45217307201415682613762.321614.7516.710.4522624720131413339552.171430.3416.520.4418330420121365355084.961481.5816.140.4115080020111207183941.551266.2115.20.41148345我们将sxs.ins文件运用DEAP软件进行分析后，得到了sxs.out文件，sxs.out文件后就是本次分析的结果，在下面的工作中我们对本次分析结果进行解读。运行结果如图4.6、4.7、4.8、4.9。图4.3指标数据图图4.4ins文件图图4.5DEAP软件运行图图4.6运行结果1图4.7运行结果2图4.8运行结果3图4.9运行结果4首先我们先来看本次运行结果的第一部分，见表4.8所示。表4.82011—2019年陕西省物流效率分析firmcrstevrstescale11.0001.0001.000-21.0001.0001.000-30.9710.9890.982irs40.9331.0000.933irs50.8990.9670.929irs61.0001.0001.000-70.9270.9980.929irs81.0001.0001.000-90.9341.0000.934irs其中，firm一栏表示本文所分析的7年数据，每年的数据为一个样本，与表4.7相对应，比如1代表2019年的数据，2代表2018年的数据……，以此类推。crste表示技术效率（综合效率），技术效率等于纯技术效率乘以规模效率。vrste表示纯技术效率，scale表示规模效率，规模效率有三种可能产生的结果，包括drs：规模报酬递减；-：规模报酬不变；irs：规模报酬递增。在表中我们可以看到，样本1、样本2、样本6和样本8的技术效率已经达到1，规模报酬不变。说明在这几年中，陕西省物流业已经达到DEA有效，我们只需要保持住当前的生产发展模式。而样本4和样本9中，纯技术效率为1，而规模效率小于1，说明这几个样本中的投入和产出没有达到一个有效的匹配，我们需要增加规模来提升陕西省物流业的效率，而样本3、样本5、和样本7中，纯技术效率和规模效率都小于1，这说明该样本基于技术上而言，需要对某一项产出进行增加或者对某一项投入进行减少，同时增加生产规模以提升物流效率。接下来我们对运行结果中的下一部分进行分析，陕西省近期七年来的投入和输出冗余情况见表4.9和4.10所示。表4.9陕西省2011—2017年输出冗余情况firmoutput:1210.0000.00020.0000.00030.000827.07740.0000.00050.0000.00060.0000.00070.00011768.11280.0000.00090.0000.000表4.10陕西省2011—2017年投入冗余情况firminput:123410.0000.0000.0000.00020.0000.0000.0000.00030.0000.0220.01220445.19140.0000.0000.0000.0005123.0160.0000.00032666.22060.0000.0000.0000.00070.0000.2550.00016634.27280.0000.0000.0000.00090.0000.0000.0000.000从表4.9和4.10中数据可以看出，样本1、样本2、样本4、样本5、样本6、样本8和样本9并没有输出冗余，样本3和样本7中输出冗余，样本1、样本2、样本4、样本6、样本8、样本9没有投入冗余，样本3、样本5和样本7有投入冗余，这说明陕西省物流行业在2017年、2015年和2013年各项投入和输出指标之间匹配的不合理，从而造成陕西省物流效率较低。从具体的数据结果上来进行分析，陕西省在2017年第二个输出指标上有827.077的冗余，2013年第二个输出指标上有11768.112的冗余，在投入方面，而陕西省在2017年在第二个输入指标上有0.022的冗余，在第三个输入指标上有0.012的冗余，在第四个输入指标上有20445.191的冗余，,2015年陕西省在第一个输入指标上有123.016的冗余，在第四个输入指标上有32666.220的冗余，2013年陕西省在第二个输入指标上有0.255的冗余，在第四个输入指标上有16634.272的冗余，这说明在输出方面2017年陕西省年快递总量少了827.077万件，2013年陕西省年快递总量少了11768.112万件，而在投入方面，陕西省2017年公路多了0.022万公里，铁路多了0.012万公里，就业人数多了20445.191人，2015年二氧化碳排放量多了123.016万吨，就业人数多了32666.220人，2013年公路多了0.255万公里，就业人数多了16634.272人。陕西省需要根据分析结果对各个指标进行调整，从而对陕西省物流业效率进行提升。但在大多数情况下，企业对输出指标是难以控制的，相对来说企业对投入指标的控制较为容易，在这种情况下，物流企业就可以忽略对输出指标的调整，通过对投入指标的调整来提升物流效率。接下来的工作我们对运行结果的下一部分进行分析，陕西省近九年来各年的参考对照见表4.11所示。4.11陕西省各年数据参考对照firmpeers112232、94452、8、9、46678、2、98899由表4.11中数据可知，样本1、样本2、样本4、样本6、样本8和样本9需要参考自身来对各个指标进行调整，而样本3需要参考样本2和样本9中的数据来对自身的指标分配进行调整，样本5需要参考样本2、样本8、样本9和样本4，样本7需要参考样本8、样本2和样本9。这说明陕西省2017年、2015年和2013年对的指标分配并不合理，需要参考表中相应年份的分配方案进行调整。到目前为止我们对陕西省物流效率的评价和分析已经全部完成，为了在提升物流效率上给出更为精确的建议以及找出陕西省和其他省份的差距所在，我们接下来将运用DEAP软件分析五个中国其他省份的数据，采用相同的指标，从而使陕西省与其他省份形成对比。为了使结果的对比更为明显，我们需要在选取省份时在不同的地区各选取一个，初步决定选择广东省、黑龙江省、新疆省、云南省和山东省。4.4不同地区省份的物流效率分析在这一节内容中，我们对上一节所选取的五个省份的指标数据进行查找和分析，然后将包括陕西省在内的六个省份的数据汇总进行对比。表4.122011—2019年广东省投入产出指标年份铁路与公路年货运量之和（万吨）年快递总量（万件）物流业二氧化碳排放量（万吨）公路里程（万公里）铁路里程（万公里）铁路与公路就业人数和（人）20192500261680594.054977.2122.030.4746036120183140361296195.664897.2921.770.4545699520172975101013468.004715.1321.960.424580832016281206767241.564632.5721.810.424555172015264112501335.164097.2421.600.404462702014266272335555.903941.0821.210.404462312013270984210670.283621.8120.290.354079372012198340133770.493864.9419.490.28365079201117553875689.663814.3719.070.28246517表4.132011—2019年广东省指标DEA分析结果firmcrstevrstescale11.0001.0001.000-21.0001.0001.000-30.9930.9980.996irs40.9220.9590.962irs50.9100.9540.954irs60.9280.9600.967irs71.0001.0001.000-80.9151.0000.915irs91.0001.0001.000-表4.142011—2019年黑龙江省投入产出指标年份铁路与公路年货运量之和（万吨）年快递总量（万件）物流业二氧化碳排放量（万吨）公路里程（万公里）铁路里程（万公里）铁路与公路就业人数和（人）20194969635088.911185.1516.870.6819793020185430030177.151138.2416.710.6919243020175528823185.631030.0216.600.6220330120165243921769.771537.0816.450.6220514720155323312636.841447.1916.320.622091792014589507014.551308.9116.250.602105792013598495393.851520.9716.020.602157672012640563623.471981.0415.910.601982922011620983066.021934.0915.560.59183121表4.152011—2019年黑龙江省指标DEA分析结果firmcrstevrstescale11.0001.0001.000-21.0001.0001.000-31.0001.0001.000-40.9521.0000.952irs50.8980.9890.908irs61.0001.0001.000-70.9941.0000.994irs81.0001.0001.000-91.0001.0001.000-表4.162011—2019年新疆省投入产出指标年份铁路与公路年货运量之和（万吨）年快递总量（万件）物流业二氧化碳排放量（万吨）公路里程（万公里）铁路里程（万公里）铁路与公路就业人数和（人）2019844239902.631428.1419.420.6913711420189749811121.411450.5318.900.601329642017843959042.351441.718.530.591336342016719618661.911407.6418.210.591334112015706737050.691354.0817.830.591342022014721685940.461152.1217.550.551387342013669085092.131093.1717.020.471401372012587942406.03831.7916.590.47836282011532521919.62815.7215.520.4367934表4.172011—2019年新疆省指标DEA分析结果firmcrstevrstescale10.9040.9550.947irs21.0001.0001.000-30.8830.9790.902irs40.8080.9880.818irs50.7760.9760.795irs60.9170.9680.947irs70.9061.0000.906irs81.0001.0001.000-91.0001.0001.000-表4.182011—2019年云南省投入产出指标年份铁路与公路年货运量之和（万吨）年快递总量（万件）物流业二氧化碳排放量（万吨）公路里程（万公里）铁路里程（万公里）铁路与公路就业人数和（人）2019122031.0043160.831440.8526.240.411142262018139982.0033999.101459.3725.290.381147782017128632.0022775.761443.9324.250.371209192016114859.0017445.801407.3423.810.371186832015107101.0011109.141357.0823.600.291193602014107984.008546.081321.9823.040.291173962013103821.006870.321298.4722.290.26110101201268270.003774.371310.8221.910.2694210201159731.003041.381123.8121.450.2583941表4.192011—2019年云南省指标DEA分析结果firmcrstevrstescale11.0001.0001.000-21.0001.0001.000-30.9581.0000.958irs40.8720.9840.886irs50.9450.9690.976irs60.9610.9960.964irs71.0001.0001.000-80.6840.9860.694irs90.6341.0000.634irs表4.202011—2019年山东省投入产出指标年份铁路与公路年货运量之和（万吨）年快递总量（万件）物流业二氧化碳排放量（万吨）公路里程（万公里）铁路里程（万公里）铁路与公路就业人数和（人）2019291774288856.173639.9228.030.662917152018336054218701.103684.0727.560.633210652017310347151474.553594.1927.060.573080822016270326120533.853357.1826.570.55307288201524712573424.893317.2726.340.54307058201425028644684.962893.4125.950.50316019201325062231375.812854.2625.280.43316720201231989924731.763834.5824.460.43239162201130253618438.983612.3723.320.42179561表4.212011—2019年山东省指标DEA分析结果firmcrstevrstescale11.0001.0001.000-21.0001.0001.000-30.9640.9750.988irs40.8920.9750.915irs50.8270.9590.861irs60.9481.0000.948irs70.9921.0000.992irs81.0001.0001.000-91.0001.0001.000-表4.12、表4.14、表4.16、表4.18、表4.20为各省份2011—2019年的指标数据，表4.13、表4.15、表4.17、表4.19、表4.21为2011—2019年各省份指标数据的DEA分析结果。下一步，我们将6个省份2011—2019年的物流业技术效率汇总到一张表上，从而更直观的进行对比。各省份物流业技术效率表见表4.22所示。4.22各省份物流业技术效率表年份陕西省技术效率广东省技术效率黑龙江省技术效率新疆省技术效率云南省技术效率山东省技术效率20191.0001.0001.0000.9041.0001.00020181.0001.0001.0001.0001.0001.00020170.9710.9931.0000.8830.9580.96420160.9330.9220.9520.8080.8720.89220150.8990.9100.8980.7760.9450.82720141.0000.9281.0000.9170.9610.94820130.9271.0000.9940.9061.0000.99220121.0000.9151.0001.0000.6841.00020110.9341.0001.0001.0000.6341.000在表4.22中我们可以看到，各省份的技术效率都是起伏不定的，但由于地区的不同，起伏的规律也各不相同，相对于其他几个省份来说，陕西省的技术效率达到了六个省的平均水平，而总体上来看，广东省和黑龙江省的技术效率平均水平较高，所以陕西省需要参考他们的物流发展模式，找出自身的缺点与不足，从而更有效的提升陕西省物流效率。5总结和建议5.1总结基于前四章的研究与分析，本文对低碳经济下的陕西省城市物流业效率研究工作基本完成，在这一节中，我们对本篇文章做出一个良好的总结。在本次分析过程中，查找数据的环节相对容易，但查找二氧化碳排放量的过程中非常的困难，由于各个省份都没有统计这一数据，我们只能通过计算来得到，这足以说明我国对于低碳这一课题并不够重视，从而给我国低碳物流的发展带来了很大的困难。为了体现不同地区的物流效率差异，我们选取省份的时候刻意的选择了不同地区的省份，但是由于地域、环境和气候等方面的不同，各个省份的物流效率对比情况下的分析结果是不够精确的，所以陕西省在参考其他省份来提升自身物流效率的时候是不具备其他省份的先天条件的，这一问题也极大的阻碍陕西省物流效率的提升。在本次指标选取的环节，考虑到数据获得的难易程度、各个指标之间的相互匹配问题以及结果的准确性，我们主要选取了公路运输和铁路运输的数据，与之对应，我们选取了铁路与公路年货运量之和、公路里程、铁路里程、公路和铁路就业人数和等指标，而实际物流作业中，运输方式是种类繁多的，但由于其他运输方式的货运量较少并且难以获得准确数据我们将其忽略掉，这一行为也将影响结果的精确度。在选取评价模型的环节，有两个DEA基本模型供我们选择，CCR模型和BCC模型，通过查阅资料我们发现BCC模型是在CCR模型的基础上增加了一些功能的并且稍微做出了一些修改，我们运用这两种模型都进行了试运行发现结果是有些许差距的，而最终对于本次低碳经济下