《基于數(shù)據(jù)包絡分析的低碳經(jīng)濟下的陜西省城市物流業(yè)效率評價實證研究》23000字（論文）

②分析所產(chǎn)生的結果是否合理，具體需要根據(jù)實際得出的結論進行綜合評價，或者與其他方法得出的結論相比較。在應用DEA方法進行評價時，為獲得一個可靠的結果需要在上面幾個步驟上多次反復，有時還要結合其他方法，從而提高結果的準確性。DEA方法工作步驟流程圖如圖4.1所示。圖4.1DEA方法的評價步驟4.2DEA的兩種基本模型C2R和BC24.2.1基于效率概念的C2R模型假設一項生產(chǎn)活動有n個決策的部分，每個決策的部分都有m種輸入(表示這一部分所消耗的資源)以及s種輸出(表示因為消耗資源所帶來的成果),我們將每個部分稱之為決策單元，各決策單元輸入和輸出的數(shù)據(jù)如圖4.2。圖4.2決策單元的輸入和輸出數(shù)據(jù)其中，xij為第j個決策單元在第i種輸入上的輸入量，且xij＞0；Yrj為第j個決策單元在第r種輸出上的輸出量，yrj＞0；vi是對第i種輸入上的度量；ur是對第r種輸出上的度量；[5]為了計算方便，我們將其記作： (4.1) (4.2)我們對向量u和向量v進行適當?shù)恼{整，令其滿足在上述條件下，可以構成基本的C2R模型： (4.3)4.2.2評價技術有效性的BC2模型輸入數(shù)據(jù)同C2R模型相同，如圖4.2所示 (4.4)BC2模型的對偶模型為： (4.5)4.3陜西省物流效率實證分析4.3.1指標選取本節(jié)通過近年來陜西省物流行業(yè)的各項實際數(shù)據(jù)，運用DEAP軟件對于低碳環(huán)境下陜西省城市物流效率進行分析。在本文中使用的各項數(shù)據(jù)，來自于《國家統(tǒng)計局》、《中國統(tǒng)計年鑒》、《能源統(tǒng)計年鑒》以及各個地區(qū)的統(tǒng)計局官網(wǎng)等。基于低碳物流效率研究的前提下，物流行業(yè)二氧化碳的年排放量是本次分析過程中的一項重要指標，而我國物流行業(yè)的主要運輸途徑主要是鐵路運輸和公路運輸，在考慮指標選取時也需要將這一因素考慮在內(nèi)。在考慮到這些因素的基礎上以及通過查閱相關資料和相關專業(yè)文獻，我們決定使用陜西省物流業(yè)二氧化碳排放量、陜西省公路里程、陜西省鐵路里程與陜西省公路運輸業(yè)與鐵路運輸業(yè)就業(yè)人數(shù)和作為投入指標，將鐵路運輸與公路運輸?shù)哪曦涍\量之和、陜西省年快遞總量作為輸出指標對陜西省物流效率做出分析，如表4.1所示。表4.1陜西省投入產(chǎn)出指標選取指標輸出指標輸出指標輸入指標輸入指標輸入指標輸入指標年份鐵路與公路年貨運量之和年快遞總量物流業(yè)二氧化碳排放量公路里程鐵路里程公路和鐵路就業(yè)人數(shù)和2011—2019萬噸萬件萬噸萬公里萬公里人4.3.2運用DEAP軟件分析陜西省低碳物流效率在本節(jié)中，我們對4.3.1中所選取的陜西省物流業(yè)投入產(chǎn)出指標的詳細數(shù)據(jù)進行了查找，在查找數(shù)據(jù)的過程中發(fā)現(xiàn)，陜西省公路里程、陜西省鐵路里程、陜西省鐵路公路運輸業(yè)就業(yè)人數(shù)之和、陜西省鐵路公路年貨運量之和、陜西省年快遞總量這些數(shù)據(jù)可以通過國家以及地方的統(tǒng)計官網(wǎng)和年鑒得到具體的統(tǒng)計數(shù)據(jù)，但是陜西省物流業(yè)二氧化碳排放量這一數(shù)據(jù)國家及有關部門并沒有做出相關的統(tǒng)計?；诒疚难芯康吞冀?jīng)濟下的陜西省城市物流業(yè)效率的基礎上，物流業(yè)二氧化碳的排放量是必不可少的一項數(shù)據(jù)，我們通過查閱有關發(fā)展低碳方向的文獻，找到了標準煤、汽油、煤油和柴油的二氧化碳排放系數(shù)，從而間接的得到陜西省物流業(yè)二氧化碳的排放量，具體數(shù)據(jù)見表4.2。表4.2物流業(yè)主要消耗能源二氧化碳排放系數(shù)能源排放系數(shù)標準煤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中列舉了三種物流業(yè)主要消耗能源的二氧化碳排放系數(shù)，我們雖然不知道陜西省物流行業(yè)二氧化碳排放量的具體統(tǒng)計數(shù)據(jù)，但是我們可以查找到陜西省物流行業(yè)對于標準煤、汽油、煤油、柴油三種能源的年使用量，通過計算，我們就可以得出一個比較直觀的陜西省物流業(yè)二氧化碳的排放量。其中，每消耗1kg的標準煤就會排放2.6200kg的二氧化碳，每消耗1kg的汽油就會排放2.9251kg的二氧化碳，每消耗1kg的煤油就會排放3.0179kg的二氧化碳，每消耗1kg的柴油就會排放3.0959kg的二氧化碳。接下來的一步，我們只需要找到陜西省物流行業(yè)對于各類能源的年使用量，然后計算出陜西省物流行業(yè)二氧化碳的年排放量，在本文第三節(jié)的數(shù)據(jù)分析中，我們已經(jīng)知道我國物流行業(yè)對于汽油、煤油、柴油三種能源的年使用量較高，并且占比重較大，所以我們查找和應用這三種能源的各年使用量來得到一個較為標準的二氧化碳排放量參考值，接下來我們只需要將陜西省物流行業(yè)汽油、煤油、柴油的總年使用量與其對應的二氧化碳排放系數(shù)相乘，就可以得到陜西省物流行業(yè)二氧化碳的年排放量。陜西省物流行業(yè)對于這三種能源的各年使用量并沒有統(tǒng)計到2020年，所以我們只查到了2011—2019年的陜西省汽油、煤油、柴油三種能源的年使用量，詳細數(shù)據(jù)見表4.3所示。表4.3陜西省物流業(yè)汽油、煤油、柴油年使用量年份汽油消耗量(萬噸)煤油消耗量(萬噸)柴油消耗量(萬噸)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將表中三種能源的年消耗量與各排放系數(shù)相乘后相加后得出陜西省2011—2019年的物流業(yè)二氧化碳排放量，見表4.4。表4.4陜西省2011—2019年的物流業(yè)二氧化碳排放量年份物流業(yè)二氧化碳排放量（萬噸）20191726.9320181609.3020171560.1420161581.5420151657.0220141614.7520131430.3420121481.5820111266.21在表4.4數(shù)據(jù)的計算過程中，為簡化過程，每個數(shù)據(jù)我們都保留小數(shù)點后兩位，在我們的指標中有一項指標是鐵路與公路年貨運量之和，下一步的工作，我們需要找到2011—2019年各年的鐵路貨運量和公路貨運量，通過計算得出二者之和，具體數(shù)據(jù)與計算結果見表4.5。表4.52011—2019年各年鐵路貨運量和公路貨運量年份鐵路年貨運量（萬噸）公路年貨運量（萬噸）鐵路貨運量與公路貨運量之和（萬噸）20194475110980115455220184224513082317306820173916212372116288320163545911336314882220153295110773114068220143748311934315682620133576710556614133320123194210459313653520113029990419120718在我們的指標中有一項指標是鐵路與公路就業(yè)人數(shù)之和，同上一個步驟相同，我們需要找到2010—2019年各年的鐵路運輸就業(yè)人員數(shù)和公路運輸就業(yè)人員數(shù)，通過計算得出二者之和。具體數(shù)據(jù)與計算結果見表4.6。表4.62011—2019年各年鐵路就業(yè)人員數(shù)和公路就業(yè)人員數(shù)年份鐵路運輸就業(yè)人員數(shù)（人）公路運輸就業(yè)人員數(shù)（人）鐵路運輸就業(yè)人員數(shù)與公路運輸就業(yè)人員數(shù)之和（人）2019974181110132084312018101135110956202091201710242511207321449820161030821154922185742015105059112248217307201411506311118422624720136599211731218330420129861552185150800201110256945776148345到目前為止，本次分析工作所需要的全部指標數(shù)據(jù)已經(jīng)全部得到，所有指標數(shù)據(jù)見表4.7所示。我們將其全部整理到sxs.dta（陜西省.dta）文件中，如圖4.3所示，接下來根據(jù)指標數(shù)據(jù)創(chuàng)建sxs.ins文件，修改后的文件截圖如圖4.4所示，最后運用DEAP軟件對陜西省.ins文件進行分析，如圖4.5所示。表4.7陜西省投入產(chǎn)出指標年份鐵路與公路年貨運量之和（萬噸）年快遞總量（萬件）物流業(yè)二氧化碳排放量（萬噸）公路里程（萬公里）鐵路里程（萬公里）鐵路與公路就業(yè)人數(shù)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我們將sxs.ins文件運用DEAP軟件進行分析后，得到了sxs.out文件，sxs.out文件后就是本次分析的結果，在下面的工作中我們對本次分析結果進行解讀。運行結果如圖4.6、4.7、4.8、4.9。圖4.3指標數(shù)據(jù)圖圖4.4ins文件圖圖4.5DEAP軟件運行圖圖4.6運行結果1圖4.7運行結果2圖4.8運行結果3圖4.9運行結果4首先我們先來看本次運行結果的第一部分，見表4.8所示。表4.82011—2019年陜西省物流效率分析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一欄表示本文所分析的7年數(shù)據(jù)，每年的數(shù)據(jù)為一個樣本，與表4.7相對應，比如1代表2019年的數(shù)據(jù)，2代表2018年的數(shù)據(jù)……，以此類推。crste表示技術效率（綜合效率），技術效率等于純技術效率乘以規(guī)模效率。vrste表示純技術效率，scale表示規(guī)模效率，規(guī)模效率有三種可能產(chǎn)生的結果，包括drs：規(guī)模報酬遞減；-：規(guī)模報酬不變；irs：規(guī)模報酬遞增。在表中我們可以看到，樣本1、樣本2、樣本6和樣本8的技術效率已經(jīng)達到1，規(guī)模報酬不變。說明在這幾年中，陜西省物流業(yè)已經(jīng)達到DEA有效，我們只需要保持住當前的生產(chǎn)發(fā)展模式。而樣本4和樣本9中，純技術效率為1，而規(guī)模效率小于1，說明這幾個樣本中的投入和產(chǎn)出沒有達到一個有效的匹配，我們需要增加規(guī)模來提升陜西省物流業(yè)的效率，而樣本3、樣本5、和樣本7中，純技術效率和規(guī)模效率都小于1，這說明該樣本基于技術上而言，需要對某一項產(chǎn)出進行增加或者對某一項投入進行減少，同時增加生產(chǎn)規(guī)模以提升物流效率。接下來我們對運行結果中的下一部分進行分析，陜西省近期七年來的投入和輸出冗余情況見表4.9和4.10所示。表4.9陜西省2011—2017年輸出冗余情況firmoutput:1210.0000.00020.0000.00030.000827.07740.0000.00050.0000.00060.0000.00070.00011768.11280.0000.00090.0000.000表4.10陜西省2011—2017年投入冗余情況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從表4.9和4.10中數(shù)據(jù)可以看出，樣本1、樣本2、樣本4、樣本5、樣本6、樣本8和樣本9并沒有輸出冗余，樣本3和樣本7中輸出冗余，樣本1、樣本2、樣本4、樣本6、樣本8、樣本9沒有投入冗余，樣本3、樣本5和樣本7有投入冗余，這說明陜西省物流行業(yè)在2017年、2015年和2013年各項投入和輸出指標之間匹配的不合理，從而造成陜西省物流效率較低。從具體的數(shù)據(jù)結果上來進行分析，陜西省在2017年第二個輸出指標上有827.077的冗余，2013年第二個輸出指標上有11768.112的冗余，在投入方面，而陜西省在2017年在第二個輸入指標上有0.022的冗余，在第三個輸入指標上有0.012的冗余，在第四個輸入指標上有20445.191的冗余，,2015年陜西省在第一個輸入指標上有123.016的冗余，在第四個輸入指標上有32666.220的冗余，2013年陜西省在第二個輸入指標上有0.255的冗余，在第四個輸入指標上有16634.272的冗余，這說明在輸出方面2017年陜西省年快遞總量少了827.077萬件，2013年陜西省年快遞總量少了11768.112萬件，而在投入方面，陜西省2017年公路多了0.022萬公里，鐵路多了0.012萬公里，就業(yè)人數(shù)多了20445.191人，2015年二氧化碳排放量多了123.016萬噸，就業(yè)人數(shù)多了32666.220人，2013年公路多了0.255萬公里，就業(yè)人數(shù)多了16634.272人。陜西省需要根據(jù)分析結果對各個指標進行調整，從而對陜西省物流業(yè)效率進行提升。但在大多數(shù)情況下，企業(yè)對輸出指標是難以控制的，相對來說企業(yè)對投入指標的控制較為容易，在這種情況下，物流企業(yè)就可以忽略對輸出指標的調整，通過對投入指標的調整來提升物流效率。接下來的工作我們對運行結果的下一部分進行分析，陜西省近九年來各年的參考對照見表4.11所示。4.11陜西省各年數(shù)據(jù)參考對照firmpeers112232、94452、8、9、46678、2、98899由表4.11中數(shù)據(jù)可知，樣本1、樣本2、樣本4、樣本6、樣本8和樣本9需要參考自身來對各個指標進行調整，而樣本3需要參考樣本2和樣本9中的數(shù)據(jù)來對自身的指標分配進行調整，樣本5需要參考樣本2、樣本8、樣本9和樣本4，樣本7需要參考樣本8、樣本2和樣本9。這說明陜西省2017年、2015年和2013年對的指標分配并不合理，需要參考表中相應年份的分配方案進行調整。到目前為止我們對陜西省物流效率的評價和分析已經(jīng)全部完成，為了在提升物流效率上給出更為精確的建議以及找出陜西省和其他省份的差距所在，我們接下來將運用DEAP軟件分析五個中國其他省份的數(shù)據(jù)，采用相同的指標，從而使陜西省與其他省份形成對比。為了使結果的對比更為明顯，我們需要在選取省份時在不同的地區(qū)各選取一個，初步?jīng)Q定選擇廣東省、黑龍江省、新疆省、云南省和山東省。4.4不同地區(qū)省份的物流效率分析在這一節(jié)內(nèi)容中，我們對上一節(jié)所選取的五個省份的指標數(shù)據(jù)進行查找和分析，然后將包括陜西省在內(nèi)的六個省份的數(shù)據(jù)匯總進行對比。表4.122011—2019年廣東省投入產(chǎn)出指標年份鐵路與公路年貨運量之和（萬噸）年快遞總量（萬件）物流業(yè)二氧化碳排放量（萬噸）公路里程（萬公里）鐵路里程（萬公里）鐵路與公路就業(yè)人數(shù)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年廣東省指標DEA分析結果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年黑龍江省投入產(chǎn)出指標年份鐵路與公路年貨運量之和（萬噸）年快遞總量（萬件）物流業(yè)二氧化碳排放量（萬噸）公路里程（萬公里）鐵路里程（萬公里）鐵路與公路就業(yè)人數(shù)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年黑龍江省指標DEA分析結果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年新疆省投入產(chǎn)出指標年份鐵路與公路年貨運量之和（萬噸）年快遞總量（萬件）物流業(yè)二氧化碳排放量（萬噸）公路里程（萬公里）鐵路里程（萬公里）鐵路與公路就業(yè)人數(shù)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年新疆省指標DEA分析結果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年云南省投入產(chǎn)出指標年份鐵路與公路年貨運量之和（萬噸）年快遞總量（萬件）物流業(yè)二氧化碳排放量（萬噸）公路里程（萬公里）鐵路里程（萬公里）鐵路與公路就業(yè)人數(shù)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年云南省指標DEA分析結果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年山東省投入產(chǎn)出指標年份鐵路與公路年貨運量之和（萬噸）年快遞總量（萬件）物流業(yè)二氧化碳排放量（萬噸）公路里程（萬公里）鐵路里程（萬公里）鐵路與公路就業(yè)人數(shù)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年山東省指標DEA分析結果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為各省份2011—2019年的指標數(shù)據(jù)，表4.13、表4.15、表4.17、表4.19、表4.21為2011—2019年各省份指標數(shù)據(jù)的DEA分析結果。下一步，我們將6個省份2011—2019年的物流業(yè)技術效率匯總到一張表上，從而更直觀的進行對比。各省份物流業(yè)技術效率表見表4.22所示。4.22各省份物流業(yè)技術效率表年份陜西省技術效率廣東省技術效率黑龍江省技術效率新疆省技術效率云南省技術效率山東省技術效率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中我們可以看到，各省份的技術效率都是起伏不定的，但由于地區(qū)的不同，起伏的規(guī)律也各不相同，相對于其他幾個省份來說，陜西省的技術效率達到了六個省的平均水平，而總體上來看，廣東省和黑龍江省的技術效率平均水平較高，所以陜西省需要參考他們的物流發(fā)展模式，找出自身的缺點與不足，從而更有效的提升陜西省物流效率。5總結和建議5.1總結基于前四章的研究與分析，本文對低碳經(jīng)濟下的陜西省城市物流業(yè)效率研究工作基本完成，在這一節(jié)中，我們對本篇文章做出一個良好的總結。在本次分析過程中，查找數(shù)據(jù)的環(huán)節(jié)相對容易，但查找二氧化碳排放量的過程中非常的困難，由于各個省份都沒有統(tǒng)計這一數(shù)據(jù)，我們只能通過計算來得到，這足以說明我國對于低碳這一課題并不夠重視，從而給我國低碳物流的發(fā)展帶來了很大的困難。為了體現(xiàn)不同地區(qū)的物流效率差異，我們選取省份的時候刻意的選擇了不同地區(qū)的省份，但是由于地域、環(huán)境和氣候等方面的不同，各個省份的物流效率對比情況下的分析結果是不夠精確的，所以陜西省在參考其他省份來提升自身物流效率的時候是不具備其他省份的先天條件的，這一問題也極大的阻礙陜西省物流效率的提升。在本次指標選取的環(huán)節(jié)，考慮到數(shù)據(jù)獲得的難易程度、各個指標之間的相互匹配問題以及結果的準確性，我們主要選取了公路運輸和鐵路運輸?shù)臄?shù)據(jù)，與之對應，我們選取了鐵路與公路年貨運量之和、公路里程、鐵路里程、公路和鐵路就業(yè)人數(shù)和等指標，而實際物流作業(yè)中，運輸方式是種類繁多的，但由于其他運輸方式的貨運量較少并且難以獲得準確數(shù)據(jù)我們將其忽略掉，這一行為也將影響結果的精確度。在選取評價模型的環(huán)節(jié)，有兩個DEA基本模型供我們選擇，CCR模型和BCC模型，通過查閱資料我們發(fā)現(xiàn)BCC模型是在CCR模型的基礎上增加了一些功能的并且稍微做出了一些修改，我們運用這兩種模型都進行了試運行發(fā)現(xiàn)結果是有些許差距的，而最終對于本次低碳經(jīng)濟下