基于三阶段DEA的苏州市物流效率实证分析

目录摘要： 2一、绪论 2（一）研究背景及意义 2（二）研究思路 3二、方法介绍 3三、实证研究 5（一）物流效率指标和数据的选取 5（二）DEA模型计算及分析 6四、问题与建议 12结论 15参考文献： 16致谢 错误!未定义书签。三明学院毕业论文(设计)承诺书 错误!未定义书签。基于三阶段DEA的苏州市物流效率实证分析摘要：在物流业日益重要的当下，一个城市的物流发展水平和发展质量在地区经济发展中的作用越来越大，而水平和质量又与物流效率息息相关。本文主要运用的方法为三阶段DEA分析法，首先分析苏州市实际情况，筛选出研究需要的物流效率投入和产出指标，来建立表格模型，接着将苏州市2009年-2018年这十年的物流效率进行纵向的比较，找出苏州市物流发展存在的问题：①物流产业的人财物投入过多，严重浪费了资源；②在一定程度上，物流产业要素投入已经不再对产出有所贡献；③物流产业技术效较低下。最后通过分析数据提出解决措施，以此提高苏州市物流效率。关键词：苏州市；DEA；物流效率一、绪论（一）研究背景及意义进入21世纪以来，在国民经济和社会发展相关领域中，物流业越来越成为基础性和战略性产业，。物流业发展水平和发展质量在综合竞争力中的地位越来越高，比重越来越大，小至一个城市，大到一个国家。21世纪，经济全球化趋势势不可挡，没有一个国家可以避免，新技术、新业态在网络信息技术革命带动下不断涌现，在极大的挑战面前物流业的发展更加艰难，但是同时，这也是一场机遇。世界各国都将物流业发展放在了显著的位置，期望通过对物流和逆向物流的研究来降低物流成本和生产成本，包括运输，仓储，回收等成本。近年来，随着我国经济和科技的不断进步，也带动了物流产业的快速发展，在GDP中所占比重越来越大。十三五规划对物流的重视上升到了一个新的高度，从国家的各个层面明确了物流发展的重点和要点，未来的五年或者十年，物流业将迎来新的腾飞，技术更加先进，产业结构更加优化，服务更加完善。现代物流业逐渐成为第三利润源，因此，对于物流业的投入产出效率的研究在近些年也逐渐增加，越来越多的学者开始将注意力集中在一块。如早期Celia通过调研发现大多数企业选择物流外包业务或者合资第三方物流企业的原因都是为了降低生产成本，因此物流企业在提高服务水平的同时应该注意提高生产效率，从而提高企业的竞争力和市场份额。GenguiZhou等通过DEA中的CCR和BBC模型评价了数个大型物流企业的运营效率，他们发现企业利润、固定资产投资、人力成本以及员工熟练度水平是影响物流企业运营效率的主要因素。早期对于物流产业效率的研究多集中在运输业的定性研究和简单的横向比较，而对于物流效率的纵向比较研究较少，这意味着我们可以对物流效率进行纵向定量研究，从而找出企业或者地区物流效率存在的问题，并且找到改进方法。 （二）研究思路以苏州市的物流效率为研究对象。首先在广泛阅读国内外相关研究进展的基础上，对物流效率的影响因素进行解读，筛选出DEA模型所需要的投入和产出指标。传统的DEA分析方法较为简单，对评价结果的分类只有两种，即有效的和无效的，这也让我们没有办法对有效的决策单元进行深入研究，因此准确性也相对不高。不过这种情况我们可以通过三阶段DEA分析方法来实现。将传统的DEA分析当作第一阶段，将SFA回归方法当作第二阶段，以此来建立模型：即苏州市物流效率评价指标体系，并且代入苏州市物流投入产出数据，最后利用CCR和BBC模型计算出苏州市2009年~2018年物流DEA效率，进行纵向比较，针对问题提出相应改进措施，以提高苏州市物流效率。具体如图1-1所示：图SEQ图\*ARABIC1-1流程图二、方法介绍DEA分析方法包括BBC模型和CCR模型，主要用途是评价多投入和多产出决策单元的效率值，对其有效性和无效性进行研究，没有投入产出单位的限制，还可以减少很多主观因素的影响。通过对数据分析可以明确知道物流系统当前存在的问题，从而进行调整，并找到改进方向。在综合考虑数据包络分析方法的优点和缺点之后，本文将DEA作为首要分析方法，本文应用到的相关DEA概念如下： ①纯技术效率：在特定规模时决策单元的投入元素的生产效率。 ②规模效率：代表产业结构改革对产出结构的影响，例如优化分配和重建。 ③综合效率：等于纯技术效率×规模效率，代表决策单元对资源分配功能和方法以及资源利用效率的综合评估和测量结果。 ④规模效益：规模效益不变（-），就是指生产要素增加了一倍，同时产量的增加正好也是一倍；规模效益递增（irs），就是指如果生产要素增加了一倍，产量增加多于一倍；规模效益递减（drs）就是指生产要素增加了一倍，但是产量增加少于一倍。 ⑤决策单元（DMU）是主要用于效率评估的一种对象。可以理解为将特定的“输入”转换为特定的“输出”的实体。DEA三阶段：第一阶段：构建传统DEA模型分析效率在第一阶段，使用原始的投入和产出数据来对苏州市物流效率进行评价。一般来说，DEA分析法构建的模型有两种：一种是CCR模型，属于产出导向型；另一种是BCC模型，属于投入导向型，根据实际情况和具体的使用目的，可以单独使用一种也可以二者兼备。总而言之，不论是国内还是国外，在构建三阶段DEA模型的文献中，大多数学者都更倾向于投入导向的BCC模型，BCC模型可表示为：图SEQ图\*ARABIC2-1BCC模型其中，表示决策单元，X是投入向量，Y是产出向量。如果，那么决策单元DEA有效；如果，那么决策单元弱DEA有效；如果，那么决策单元DEA无效。通过构建BCC模型，我们可以计算出三个效率值：综合效率（TE）、规模效率（SE）和纯技术效率（PTE），其中TE=SE*PTE。国外学者Fried认为，决策单元的绩效受到管理低效、环境效应和统计噪声的影响，因此需要将这三种效应分离开来第二阶段：使用SFA回归分析分离环境影响和统计噪声 在第二阶段，松弛变量是我们首要关注的对象，由于这些变量（包括环境因素，较低的可管理性或统计噪声）可能反映出初期的效率低下，所以第二阶段的主要目标是将第一阶段的低效率变量分解为上述三个因素，这只能通过回归SFA来实现。在SFA回归中，回归的是第一阶段的松弛变量，对环境变量和混合误差项进行回归。Fried等人2002年提出的模型是一个三阶段DEA模型，可以认为是1999年模型的扩展。Fried等人1999年仅考虑了环境变量的影响，并使用Tobit回归方法排除了环境因素的影响。2002年，Fried在模型中考虑了环境因素和随机噪声的影响。因此，Tobit回归法目前无法有效地将随机噪音的影响分开，所以使用了SFA回归分析法来做第二阶段的研究。 第三阶段：使用调整后的投入和产出数据来进行DEA分析 在第二阶段使用SFA回归分离了环境因素和随即噪音的影响，这个时候得出的数据是相对真实准确的，再将调整后的数据代入BCC模型再次分析苏州市各年份的物流效率。三、实证研究（一）物流效率指标和数据的选取物流产业的投入产出效率的指标选取应当坚持科学性、有效性、公平性、可比性和代表性原则。本文根据国内外相关学者的研究文献，并且在了解苏州市相关物流信息的基础上，从DEA三阶段模型的实际应用角度出发，选择公路里程，交通运输、仓储和邮政业职工人数和交通运输、仓储和邮政业投资总额作为物流效率投入指标；选择邮政业务收入，地区生产总值、货运量以及货物周转量作为物流效率产出指标，如表3-1所示：表3-1苏州市物流效率评价指标体系指标名称指标代号变量单位投入指标交通运输、仓储和邮政业投资总额X1亿元公路里程X2公里交通运输、仓储和邮政业职工人数X3人产出指标地区生产总值Y1万亿元邮政业务收入Y2亿元货物周转量Y3亿吨公里货运量Y4亿吨本文在综合考虑横纵比较的优缺点之后，决定选择纵向比较法来进行数据对比，并且将时间作为决策单元，选择了苏州市2009年~2018年这十年的物流效率，因为这十年是最近且数据相对可靠的十年，作为决策单元得出的数据更准确。这十年的具体投入产出数据见下表3-2：表3-2苏州市物流投入产出数据年份投入指标产出指标X1（亿元）X2（公里）X3（人）Y1（万亿元）Y2（亿元）Y3（亿吨公里）Y4（亿吨）2009130.712539462320.7710.7103.21.12010150.812754573500.9249.6123.741.342011187.513047623251.0554.5149.81.562012227.713090696851.259.6170.511.772013339.513155852451.365181.91.85201435313212940081.3779.1200.51.32015347.813238.91037541.45108.53209.081.342016327.413207.51157891.54134.14224.551.352017286.3121731265311.73158.3249.611.492018214.7126581385131.86181.57267.821.62数据说明：数据来源于中华人民共和国统计局和苏州市统计局。（二）DEA模型计算及分析根据表3-2的物流投入产出数据，运用软件DEAP2.1中的BCC模型和CCR模型分别计算苏州市2009年~2018年间的物流产业的综合效率、纯技术效率和规模效率，计算结果参见表3-3和表3-4。表3-3苏州市2009-2018年物流DEA效率DMU（年份）综合效率纯技术效率规模效率Σλ规模效益DEA效率20091.0001.0001.0001不变有效20101.0001.0001.0001不变有效20111.0001.0001.0001不变有效20121.0001.0001.0001不变有效20131.0001.0001.0001不变有效20140.9690.9690.9990.99减少无效20150.9440.9500.9930.956增加无效20160.9510.9560.9950.979增加无效20171.0001.0001.0001不变有效20181.0001.0001.0001不变有效平均值0.9860.9880.9990.993表3-4苏州市DEA无效年份的投影结果DMU（年份）投入冗余额产出不足额X1X2X3Y1Y2Y3Y4201410.84042874.60.03217.9700.38201517.3659.35166.80.0090.86400.25201614.55845119.90.022000.207平均值14.2549.14387.10.0216.27800.279从表3-3我们可以看出，DEA有效（综合效率=1）的年份分别是2009年、2010年、2011年、2012年、2013年、2017年和2018年，这也说明这七年的物流投入和产出是相对合理高效的。DEA无效（综合效率＜1）的年份共有3个，分别是2014、2015和2016年，无效则说明这三年的投入和产出比例是存在问题的，并且这三年无效的原因有所不同，2014年DEA无效是因为纯技术效率过低；2015年和2016年DEA无效一方面是因为纯技术效率较低，另一方面也是由规模效率较低造成的，但是这两年物流产业效率都是处于规模效益递增阶段。同时可以看出，这三个年份的纯技术效率相比规模效率都低较多，这其实也能说明我国的物流业技术效率偏低，在技术这方面还是比较落后的。物流产业的提高可能是以高消耗，重污染的方式达成的。前些年的苏州市空气质量极差，雾霾时有发生，高校也曾因此而放假调休。DEA无效是可以改变的，通过分析BCC和CCR模型，我们可以看出各个年份的投入和产出的问题，投入过多还是过少，产出饱和还是不足，以此来调整投入和产出要素，可以让DEA总体有效。由表3-4可知，在选取的物流产业投入各要素中，苏州市交通运输、仓储和邮政业投资总额的平均冗余额为14.2亿元，公路里程平均冗余额为549.1公里，交通运输、仓储和邮政业职工人数的平均冗余额为4387人。在物流产业产出要素中，地区生产总值平均不足额为210亿元，邮政业务收入平均不足额为6.278亿元，货物周转量平均不足额为0，货运量平均不足额为0.279亿吨。从这些数据我们可以看出，苏州市存在较为严重的投入浪费现象，冗余额过多，在物流资源配置这方面需要很大的改善。对物流产业的14.2亿元投资完全可以投入其他新兴产业，如节能环保、新能源等。公路里程的冗余额相对不易解决，交通是一个城市的命脉，发达的交通城市必然会存在交通冗余现象。物流产业的冗余职工人数也相对过多，政府应进行相应规划，让这些人员进入那些人数稀缺的行业；再看物流产出，苏州市的物流产出还有很大的提高空间，物流资源的过量投入没有带来有效的成果，并没有充分带动当地经济，地区生产总值的平均不足额已经是2018年地区生产总值的1.1％，同时，邮政业务收入的平均不足额是2018年的3.4％，这两个比例不可谓不大。苏州市政府需要考虑物流产业现在的发展模式和资源投入是否适用和值得，若不适合苏州市当前的经济环境和发展状况，那么必须尽快改变物流产业的发展模式，重组物流产业，调整结构，并合理分配物流资源，以促进城市快速、高质量的经济增长。因为第一阶段只考虑了投入和产出数据的初始生产绩效，没有分析环境变量，管理非效率和统计噪音的影响，第一阶段的数据是将苏州市放置在一个相对完美的环境中得出来的，我们无法准确分析苏州市物流业的技术效率和管理效率。物流产业运作效率低下是归结为物流业管理水平落后还是技术落后还无从得知。所以接着使用Frontier4.1软件进行第二阶段的SFA回归分析，将对外开放和人均可支配收入作为环境变量，环境变量都使用虚拟变量，使用虚拟变量可以避免考虑环境变量的单位，数据如表3-5所示：（交通运输、仓储和邮政业投资总额=投入1，公路里程=投入2，交通运输、仓储和邮政业职工人数=投入3）表3-5：松弛变量和环境变量投入1松弛变量投入2松弛变量投入3松弛变量人均可支配收入对外贸易10002.32987.620002.53013.530002.73037.440002.93056.950003.23093.561124052874.63.453113.1793.86595166.73.83053.5899.25845119.84.12737.690004.43160.79100004.83541.1将以上数据投入SFA回归可得到以下表格：表3-6投入1回归DUM投入松弛环境1环境2参数值环境值混合误差项N/O102.32987.6354.280.97-80.9756.85947590.0056860.00568610000-14240.37044000202.53013.511.180.6-80.6-14175.29774000302.73037.4-0.180.43-80.43-14145.39946000402.93056.9323380.7-80.7-14192.88495000503.23093.5180.37-80.37-14134.8471300061123.453113.181.18530.8155419.501237011793.83.83053.591.032.77487.1659395011899.24.12737.6125.95-26.75-4704.580824000904.43160.7986.961-86.961-15294.02067000表3-7投入1回归DUM括号里面管理无效率随机干扰项环境变量最大值环境变量调整随机扰动最大值随机扰动项调整原始投入调整后的投入1-14240.37044-80.970746330.000746333125.9544.980.0008015555.52215E-05130.7175.682-14175.29774-80.600742920.00074292345.355.86319E-05150.8196.153-14145.39946-80.430741360.00074135645.526.01989E-05187.5233.024-14192.88495-80.700743840.00074384445.255.77102E-05227.7272.955-14134.84713-80.37074080.00074080345.586.07519E-05339.5385.0865420.50123730.82097003-0.00597003444.7650.006771589353397.777488.16593952.775711532-0.00571153234.920.006513087347.8382.738-4704.580824-26.750246570.00024656600.000554989327.4327.409-15294.02067-86.961801550.00080155538.9890286.3325.2910-9386.298265-53.370491930.00049193372.580.000309622214.7287.28表3-8投入2回归DUM投入松弛环境1环境2参数值环境值混合误差项N/O102.32987.6224718.768-18.768274.63248170.027463250.0274610000-683.386025000202.53013.531.45.105-5.105-185.8847857000302.73037.4-0.77-7.0187.018255.5415134011402.93056.975423-15.75315.753573.6029439011503.23093.51-34.51534.5151256.77049501164053.453113.1-41.757446.75716267.449401176593.83053.515.125643.87523444.9689301185844.12737.6267.788316.21211514.00585011904.43160.79-48.648348.64831771.3964390111004.83541.1-328.927328.92711976.98823011表3-9投入2回归DUM括号里面管理无效率随机干扰项环境变量最大值环境变量调整随机扰动最大值随机扰动项调整原始投入调整后的投入1-683.386025-18.76578025-0.002219753267.788249.020.0486932250.0509129781253912788.070912-185.8847857-5.104396215-0.000603785262.6830.049297011275413016.73233256.54151347.044629958-0.026629958274.8060.0753231831304713321.881324574.602943915.77859684-0.025596841283.5410.0742900651309013373.6152951257.77049534.5383778-0.023377797302.3030.0720710221315513457.37507616268.4494446.73162060.025379427309.5450.0233137971321213521.56831723445.96893643.82630680.048693225252.663013238.913491.563811515.00585316.20206060.00993943900.03875378613207.513207.5387591772.39643948.6700062-0.021706205316.43630.0703994291217312489.50671011977.98823328.91555670.011443284596.7150.0372499411265813254.75225表3-10投入3回归DUM投入松弛环境1环境2参数值环境值混合误差项N/O102.32987.61984322138.4-22138.4632.5772680.063257730.06325810000-349971.4757000202.53013.599822338-22338-353126.8215000302.73037.4022537.6-22537.6-356282.1673000402.93056.940015422737.2-22737.2-359437.513000503.23093.5123036.6-23036.6-364170.531600062874.63.453113.123286.1-20411.5-322672.043900075166.73.83053.523635.4-18468.7-291959.590300085119.84.12737.623934.8-18815-297434.0203000904.43160.7924234.2-24234.2-383102.60620001004.83541.124633.4-24633.4-389413.2977000 表3-11投入3回归DUM括号里面管理无效率随机干扰项环境变量最大值环境变量调整随机扰动最大值随机扰动项调整原始投入调整后的投入1-349971.4757-22138.495610.0956119424633.424950.1063874160.0107754764623248727.010782-353126.8215-22338.096470.0964739782295.40.0099134385735059645.409913-356282.1673-22537.697340.0973360162095.80.00905146232564420.809054-359437.513-22737.29820.0981980541896.20.0081893626968571581.208195-364170.5316-23036.699490.0994911111596.80.0068963048524586841.80696-322672.0439-20411.588150.0881537561347.30.018233669400895355.318237-291959.5903-18468.779760.0797631379980.026624278103754104752.02668-297434.0203-18815.081260.081258747698.60.025128668115789116487.62519-383102.6062-24234.304660.10466334399.20.001724076126531126930.201710-389413.2977-24633.506390.10638741600138513138513最后，第三阶段的分析以使用Deap2.1的原投入和产出的调整值为基础，再进行建模分析得到表3-12：表3-12考虑了环境与随机扰动的效率值DMU（年份）综合效率纯技术效率规模效率Σλ规模效益DEA效率20090.96710.9670.98减少无效20101111不变有效20111111不变有效20121111不变有效20131111不变有效20140.9690.970.9990.99减少无效20150.9460.9540.9920.956增加无效20160.9520.9620.990.979增加无效20171111不变有效20181111不变有效平均值0.9830.9880.9950.991通过表3-3和表3-12的对比我们不难发现，增加了环境和随机干扰项，效率值变低了，并且无效的年份多了2009年，但是这样能够在一个更公平的环境下对决策单元进行分析，未考虑环境之前，年份的效率高也许并不是城市的效率高，而只是环境好，影响到了效率。但是在使用做出调整后的投入和原来的产出数据进行分析之后，效率的降低幅度并不大，这时候我们得到的苏州市各个年份的效率值也是排除了环境因素和随机误差影响的效率值。其中综合效率降低了0.003，纯技术效率不变，规模效率降低了0.004。问题与建议通过对DEA模型计算结果的分析，再结合三个无效年份，我认为苏州市物流产业效率主要有以下三个问题：物流产业投入未考虑实际情况，过量造成资源的严重浪费。在当今物流越来越受重视的时代，一定的物流资源投入是必须的，但是应该顾及城市发展状况和经济水平，适当投入，实事求是，盲目追求物流产业的扩张，追随其他省份城市，进行攀比，是打肿脸充胖子的行为，是错误不理智的。并且由于物流业管理水平的限制，运营效率的相对低下，很容易造成投入资源利用率不高，产出达不到预期效果。在一定程度上，物流产业要素投入对产出的贡献出现饱和。虽然苏州市大力发展现代物流，越来越重视物流产业的地位，如制定一系列促进全市物流业快速发展的政策文件，并且外向型经济发展迅猛，资本流动大。然而，在有些年份中，物流投入在区域生产总值、邮政收入和货运量方面已经达到饱和，这是苏州市物流发展的一个障碍，需要政府给予关注，并寻求克服和改善它的措施。（3）物流产业技术设备不够先进，技术效率不高。虽然物流产业的技术不断提高改进，从快递业务的生鲜冷冻物流不难看出，企业在这方面下足了功夫，但是这毕竟是小部分企业，大多数物流企业的技术水平仍然需要提高，技术效率不高容易形成高消耗，重污染的局面，对环境危害较大，而这会影响苏州市的旅游业发展。为了解决以上三个难题，苏州市要结合实际，实事求是，适当借鉴那些物流产业发展较好的省份的经验，也可以向欧美一些国家取经，取其精华，去其糟粕，在提高物流纯技术效率的同时提高规模效率，两者缺一不可。首先，针对物流要素投入过多，但是浪费严重，利用效率不高的问题。苏州市政府应该加强统一领导，对各方面进行协调，统筹规划。特别是对于一些重要的基础设施项目，城市应当根据实际需要进行规划，进行合理的要素投入，避免资源浪费。这样才能充分发挥物流资源的潜力和利用率，提高物流产业的规模效率。例如苏州没有机场，而相近的无锡和上海都已经建设有机场，这时作为新一线城市是否有必要建设机场就需要深思熟虑，进行多方面比较，从长远考虑。如果一味的追求“苏州应该有一个机场来匹配自身的地位”这类想法，很可能新建的机场人流量少，无法带动经济发展。其次，加强资源一体化以及整合利用、对各种运输方式进行协调，综合运输而非单一运输。可以将邮政、仓储、商贸、通信、交通运输等资源进行整合，交融并蓄，以此来提高和改善物流资源的利用率，进一步完善物流产业的功能，发挥资源整合后的规模效率。同时，苏州是一个拥有港口的城市，所以公路铁路海运是可以联合使用的，对于各种运输方式进行协调，对于不同的运输方式之间或者同一种运输方式的内部，开展多式联运，合理分工，充分利用各自的优势，尽量避免或减少运输方式的缺陷影响，优势互补，降低物流成本，提高物流产业的整体效率，从而有效促进物流产业的高质量发展。接着，提高物流产业的纯技术效率。应当充分运用大数据和云计算的技术，提升智慧物流水平，如数字化，智能化等，构建互联网+平台，信息共享，优化物流路线，选址及仓储等，提升服务质量。政府要制定系列政策，扶持现代物流产业发展，大幅提升物流软技术和硬技术，同时让物流产业跟其他产业的关系更加紧密。物流产业不仅需要得到量上的扩大，还需要质的提高。在扩大产业规模的同时，也要注重物流技术发展，物流产品的完善和物流服务的提高。最后，加强物流研究，培养物流管理人才。苏州市物流企业要想争取更大的利益，进一步做大做强，在经济全球化的浪潮中生存下去，在物流网络的浪潮中生存下去，人才和技术缺一不可，企业需要多关注国内外物流研究的成果，走在物流产业的前沿，并且从国外引进先进的物流技术，包括物流管理技术和设施设备等，以此来构建高质量现代物流产业，加快城市物流网络建设，提高城市物流水平。各大物流企业可以与苏州本土大学进行校企合作，苏大等高校人才优先供应本市企业，同时与杜克大学合作，尝试从杜克大学本部吸引人才，带来新的观念想法。由于地理环境的优异，还可以与上海进行合作，互惠互利。苏州现代物流业的发展是绕不开上海的，必然要建立在与上海建立经济一体化、优势互补、合作竞争的基础上，而人才是通用的，双方可以成立共同研究部，共同出资出人，研究成果共享，实现利益最大化。结论本文根据苏州市2009-2018年物流产业投入和产出数据，建立了一个新的物流效率投入和产出指标体系，对苏州市过去10年的物流效率进行了纵向比较，使用的方法是三阶段DEA分析法，包括CCR模型、BCC模型和Frontier4.1回归模型。在过去，学者们更注重对物流决策单元效率的横向比较，而本文以时间作为决策单元，对效率进行纵向比较。文章最后提出，苏州市在今后的发展中应该多关注物流资源的利用率，资源的整合程度，物流技术的提高以及物流人才的培养，以此来提高物流的综合效率。参考文献：[1]赵雷赵春霞.基于DEA的北京市物流效率实证分析[J].商场现代化,2012(15):34-35.

[2]张佳雨.湖南省国定贫困县扶贫资金投入的减贫效率分析——基于三阶段DEA模型[J].浙江工商职业技术学院学报,2018(1):8-8.

[3]王华星段平方.我国义务教育财政资金支出效率研究——基于三阶段DEA模型的实证分析[J].兰州财经大学学报,2017(5):10-10.

[4]王竹君任保平.基于高质量发展的地区经济效率测度及其环境因素分析[J].河北经贸大学学报,2018(4):9-9.

[5]柳键邱国斌.基于DEA模型的我国物流投入产出效率分析[J].物流工程与管理,2011(01):10-14.

[6]王鑫.四川省物流效率定量实证研究[J].商场现代化,2011(13):42-43.

[7]向媛.基于三阶段DEA模型的县域旅游投资效率研究——以大湘西地区为例[J].洛阳师范学院学报,2018(4):7-7.

[8]苗薇薇吕佳伦张立新.基于三阶段DEA模型的我国工业效率评价研究[J].无锡商业职业技术学院学报,2018(06):13-18.

[9]卢青丽.顺风达物流公司竞争战略研究[J].中国优秀硕士学位论文全文数据库,2017(06):55-55.

[10]叶影霞.基于DEA的广东省地区物流投入产出效率分析[J].宿州学院学报,2018(3):5-5.

[11]苏红伟唐兴芳姜转宏郭守超.供给侧结构性改革背景下我国研究型大学办学效率研究[J].煤炭高等教育,2017(6):5-5.

[12]陈巍巍张雷马铁虎刘秋繸.关于三阶段DEA模型的几点研究[J].系统工程,2014(09):148-153.

[13]高亚满.基于数据包络分析的山西省区域创新效率实证研究[J].中国优秀硕士学位论文全文数据库,2016(08):70-70.

[14]屈国俊宋林郭玉晶.中国上市公司技术创新效率研究——基于三阶段DEA方法[J].宏观经济研究,2018(6):10-10.

[15]秦嘉龙尹晓英曾永良.三江源水土保持生态效益评价研究[J].生