浅谈网络DEA 的我国铁路运输企业效率评价

一、引言

效率问题是经济学和管理学研究的核心问题，是企业发展的关键因素。作为社会经济的基本单位，企业组织就像细胞，有机体的健康需要有活力的细胞组织，而社会经济的发展也需要有效率的企业组织。因此，研究企业组织的效率逐渐成为经济学和管理学的热点问题、难点问题。近期我国铁路运输企业的经营效益状况不尽理想，说明有必要对铁路运输企业效率问题进行研究。本文首先对网络DEA 方法进行文献综述，然后再对铁路运输企业生产过程的分解基础上，构建分阶段铁路运输企业效率评价指标体系，并给出网络DEA 模型的具体形式，并以2007 年18 个铁路运输企业为例对运输企业组织效率用网络DEA 方法进行了评价分析。通过铁路运输企业效率的评价，使铁路运输企业清楚地认识到自身效率的特征，以采取有效措施提高企业效率，促进铁路运输企业经营效益状况的改善。

二、文献综述

数据包络分析( DEA) 是由著名的运筹学家A. Charnes 和W. W. Cooper 等人于1978 年提出的一种效率评价方法，继1978 的第一个模型C2R 模型问世以后，DEA 方法得到了较快的发展。但由于传统的DEA 方法将生产过程视作一个黑箱，因此人们难以通过传统的DEA 方法解释决策单元无效率的原因，这一局限性在很大程度上限制了DEA 的发展与应用。为了解决这一问题，诸多学者尝试了许多办法，网络DEA 模型无疑是解决这一问题的重要方法。F re 和Grosskopf，通过传统DEA 模型的改进，于1996 年建立了第一个网络DEA 模型。随后，F re 和Grosskopf 等人对自己建立的网络DEA 模型进行了一系列的研究，并于2000 年形成了较完整的网络DEA 理论体系。其后，又有一些学者提出了不同的网络DEA 方法。Herbert 和Lewis 于2004 年设计了一种新的网络DEA 模型。Angel M. Prito 和JoseL. Zofo( 2006) 将活动性分析方法应用到投入产出技术中，提出了投入产出的网络DEA 模型。毕功兵、梁樑、杨锋( 2007) 对两阶段生产过程的效率评价进行拓展性研究，建立了一种新的针对两阶段生产过程的DEA 效率评价模型，此模型假定两阶段生产过程的中间产品不变，接下来对第一阶段，求出在输出一定的情况下最小化输入，再对第二阶段，求出在输入一定的情况下的最大化输出;对一个DMU 而言，用第一阶段的最小输入和第二阶段的最大输出，来构造前沿生产面。这样，一个生产系统的效率，就可以用该系统的实际生产能力与理想生产能力的相对效率来表示。可以说，毕功兵等人提出的模型实质上是一类特殊的网络DEA 模型，其评价原理有助于管理者确定生产过程( 如供应链) 的非有效来源及其效率改进方向。Yu Ming - Min 和Erwin T. J. Lin( 2008) 将网络DEA 模型与多活动DEA 模型进行了融合，建立了一种多活动网络DEA 模型。该模型主要应用于对具有多种业务，且这些业务相互独立的生产系统的效率测评，并将该方法应用于铁路运输客运、货运业务效率的分析。

总体上看，目前对于网络DEA 方法的模型及应用还相对较少，特别在铁路运输企业效率中的应用，文献极少。通过比较分析，我们认为，Herbert和Lewis 的研究成果无疑是最引人注意的。Herbert 和Lewis 于2004 年设计的网络DEA 模型具有打开了生产过程黑箱的特点，通过对生产过程的拆分，网络DEA 能更好的确定决策单元无效率的根源，从而能为相对无效的决策单元的调整提供更好的政策建议。此外，该网络DEA 模型适用范围广泛。在这个网络DEA 模型中，每一个子过程的输入既可以是前一子过程输出的中间产品，也可以是外生输入变量; 每一子过程的产出，不仅可以是作为其他子过程输入的中间产品，也可以是最终产品。新模型可以用于由两阶段或者更多子过程构成的DMU 的评价中，且各个子过程之间的关系可以更复杂，更接近现实组织结构。该模型的每个阶段都允许使用以输入为导向或以输出为导向的模型形式，并适用于规模收益的四个基本假设情形中。同时，该模型也允许将作为投入、中间产品、产出的反变量引入到新模型中。因此较F re 和Grosskopf 所建立的网络DEA模型，Herbert 和Lewis 建立的模型应用范围更广，更适用于产品具有的非实体、非储存性，生产与消费具有同一性，具有明显的规模效应的铁路运输企业的效率评价。

三、铁路运输企业效率评价指标体系的构建

效率是指每产出一个单位产品所消耗的资源数量，通常用投入产出比率来衡量，因而效率评价指标体系由相应的投入、产出指标组成。铁路运输企业的运营过程包括很多环节，涉及到很多方面。为使评价指标体系不至于过度庞杂，简化运算，每一类指标中只选择一到两个指标作为代表性指标。由于网络DEA 方法需要对生产过程进行分解，由于铁路运输企业产品的生产和消费是同时进行的，即铁路运输企业的产品不具有储藏性。因此，对于一个铁路运输企业生产过程的分解不能简单的仿效其他行业企业生产分解的方法。从我国铁路运输业实际情况看，由于实行客货混运，投入要素无法在客、货运输业务之间合理分配，因而在运输企业生产过程的分解不宜采用客运、货运的分解方式。结合铁路运输企业生产的特点，本文将铁路运输企业的生产过程分成车辆的维修子过程与运营子过程两个子过程。

车辆维修子过程是指各铁路运输企业每年都要对用于生产运输产品的车辆进行维修，从而保障运输企业的生产安全平稳的进行。有关铁路运输企业的维修环节其实包含了很多内容，路基维修、道轨维修、车辆维修还有站点建设等，但是本文的维修部分则主要选取车辆维修进行评价，这一方面是因为车辆维修的效果会对铁路运输企业组织效率产生很大影响，一方面是因为它还能有效地反映铁路运输企业组织效率高低。在维修部分，投入变量有列车维修人员数量、列车维修人员工资和平均修车时间，其中平均修车时间又区分为机车、客车和货车3 种。维修的产出则是修竣的机车和车辆台数。

运营子过程是指铁路运输企业利用车辆以及其他人财物等资源，完成对旅客、货物的运输与服务过程。其中这一阶段运用的车辆既包括上一子过程维修好的车辆，也包括本时期内不需要维修的车辆。运营子过程的目标是利用现有的尽可能少的车辆、服务人员、资本、能源等投入，生产出更多的包括客货运周转量等最终产出。车辆的维修子过程与运营子过程是密切联系的，联系的纽带就是维修完成的车辆。不仅如此，两个子过程还具有明显的时间关系，车辆维修子过程先于运营子过程之前发生，且我们假设这一联系是单向非循环的。在运营子过程上一步骤的产出修竣台数就作为本次的投入，当然，除了修竣台数还有不需修理的机车和车辆台数、运营人员数量、运营人员工资、本年投资、运输能耗和线路营业里程。而产出则包括了周转量、列车正点率、列车速度、劳动生产率、运输收入、科技成功和每百万事故走行件数。

四、网络DEA 模型的基本形式及实证分析

( 一) 网络DEA 模型的基本形式

在前面选取各子过程的指标时，选取的指标都是正向变量，不存在反变量。而且，两个子过程都是以输入为倾向的，即都追求的是在输出不变的情况下，如何减少输入，从而达到有效率的状态。不仅如此，我们假设各子过程都是规模收益不变的

( 二) 铁路运输企业组织效率的实证分析

本文以我国18 个铁路局( 公司) 作为决策单元，根据上述模型，运用LINGO 软件等软件进行测算，对2007 年18 个铁路运输企业的企业组织效率进行评价

从整体组织效率情况看，北京局、上海局、南宁局、呼和浩特局、沈阳局的组织效率值为1，说明它们在这18 家铁路运输企业中是相对有效的。而其他13 家铁路运输企业的效率值均小于1，说明它们组织效率不是相对有效的。在所有相对无效的决策单元中，排在后三位的是青藏铁路公司、西安局、昆明局，其组织效率分别为0. 472、0. 544、0. 545，说明这3 个铁路局在组织管理上可能存在更大的问题，需要加以注意。此外，有13 家铁路运输企业的组织效率分布在0. 8 -1 的区间内，它们的组织效率相对较高。这些铁路运输企业的管理经验可以为排名靠后的企业所借鉴。同时，除了0 - 0. 4 区间外，各区间都有一些铁路运输企业分布在其中。这在一定程度上证明了，通过网络DEA 方法，可对各企业的组织效率进行比较有效的区分。在维修子过程中，北京局、呼和浩特局、上海局、南宁局、沈阳局的组织效率值为1，说明相对于其它路局，它们在维修子过程上是相对有效的。而其他13 家铁路运输企业的效率值均小于1，说明它们组织效率不是相对有效的。在所有相对无效的决策单元中，排在后三位的是昆明局、西安局、青藏铁路公司，其效率值分别为0. 554、0. 541、0. 465，说明这3 个铁路局在维修过程上可能存在更大的问题，需要加以重视。此外，有5 家铁路运输企业的维修子过程的效率为1，表明它们在维修过程的效率相对较高，其管理经验值得排名靠后的企业所借鉴。

在运营子过程中，所有的效率值都分布在0. 8 - 1 这个区间内，表明运营子过程效率水平较高。除乌鲁木齐局、呼和浩特局、济南局、上海局、昆明局之外，所有企业的效率值都为1。说明相对于其它路局，它们在运营子过程上是相对无效的。在所有相对无效的决策单元中，排在最后一位的是呼和浩特局，其效率值分别为0. 847，说明它在运营过程上可能存在一定的不足，需要加以重视。但是我们也应该看到，在运营子过程中，有13 家企业的相对效率值为1，且最后一位的效率值也为0. 847。这说明，各个铁路运输企业在运营子过程效率方面，差别不是很大，这应该与各大路局都十分重视运营子过程的管理有关。

铁路运输企业是一个复杂的大系统，它的生产过程又是由许多子系统或子过程组成的，各个子系统的相互影响、相互作用对企业组织存在很大的影响，一旦某一个子系统或子过程出现问题，受影响的不止是子系统或子过程本身，同时还会影响到整个企业的绩效。所以，如果铁路运输企业整体组织有效率，则其子系统也必然相对有效率。而若企业组织在某一子过程上管理不善，势必会造成整个组织无效率的情况。首先，对于组织有效的企业，包括北京局、上海局、南宁局、沈阳局，它们在车辆维修子过程以及运营子过程上也都是有效率的。其次，对于呼和浩特局，虽然它们在车辆维修子过程是有效率的，但是由于他们在运营子过程中存在相对无效率的情况，因此其组织也是相对无效率的，对于该企业来说，今后应该加强对运营子过程的管理。再次，对于哈尔滨局、太原局、郑州局、武汉局、西安局、南昌局、广铁公司、成都局、兰州局以及青藏铁路公司等来说，它们在运营子过程中是相对有效的，而在车辆维修子过程是无效率的，因此最终导致了组织无效率。因此，对于它们来说，当务之急是加强对车辆维修子过程的管理。最后，对于乌鲁木齐局、济南局、昆明局来说，它们无论在车辆维修子过程，还是在运营子过程，都是相对无效的，从而导致了更低的组织效率值。对于它们来说，需要在两个方面都加强管理，并加强两个过程的合理衔接，这样才能使总效率值不断提高。

( 三) 网络DEA 模型与传统DEA 模型的对比

为了比较网络DEA 模型与传统DEA 模型的差异，我们还用传统DEA 模型计算了各路局的效率状况，通过对比发现，除了南宁局之外的其他决策单元的网络DEA 值均小于传统的DEA 值，网络DEA 的平均效率值为0. 840，而传统DEA 的平均相对效率值为0. 931。所以运用传统DEA 模型所求的平均有效值大于用网络DEA 模型计算的有效值，这说明运用传统的DEA 模型来分析企业的组织效率时，会忽略一些无效率的因素，即运输企业过程中的部分问题没有反映出来。而运用网络DEA 模型，可以更加深入地了解运输企业的运作过程，使得原来被传统DEA 方法所忽略的问题可以被发现，提高了管理决策的效率。此外，对于无效率的决策单元，传统的DEA 方法只能揭示它的无效率，但无法揭示无效率的根源。网络DEA 模型在分析企业的相对绩效时，把决策单元分解为一系列子过程，使得管理能够更加深入地了解决策单元的运作过程。揭示了决策单元无效率的根源所在，使管理决策更具有针对性，提高了管理效率。

五、结论

通过上述分析，我们认为，提高铁路运输企业组织的整体效率，需要从以下方面入手: 首先，各铁路运输企业应加强维修阶段的管理，注重运营各环节的协调。现阶段，我国的铁路运输企业已经意识到加强企业管理，提高组织效率的重要性与紧迫性。但在铁路车辆的维修过程中，一些运输企业却重视不够，效率不高。要想提高铁路运输企业组织的整体效率，在注重运营过程效率提高的同时，要重视包括维修过程等一系列非营运过程的效率提高。这是未来相当长一段时间内铁路运输企业需要重点解决的问题之一。其次，各铁路运输企业应该结合自身特点，有针对性的制定政策，提高组织效率。正如网络DEA 的分析结果所显示的，各企业的情况是不同: 有的企业的无效率是源于车辆维修子过程，有的企业的无效率是源于运营子过程，有的企业则在两个子过程都为无效率。针对各自无效率的源头，各铁路运输企业制定相应的政策进行调整，采取有针对性的对策，做到有的放矢。对于无效率的过程，企业不仅可以按DEA 值的相对比率缩小投入，而且还可以通过技术改造、企业业务流程重组，加强管理等措施，使产出得到增加。通过制订更有针对性的调整政策，各铁路运输企业可以更快的改变自己的无效率的状态，使组织效率不断提高。最后，对于组织或者子过程相对有效的企业，仍然需要加强自身的管理，不断提高效率。网络DEA 评价方法测量的是企业的相对效率值，而不是绝对的效率值。因此，在网络DEA 评价中组织或者子过程相对有效的企业，并不代表其没有改进的空间与必要。这些企业仍需不断加强管理，优化组织结构，提高自身的效率。但当企业的人力物力财力等资源有限时，可以优先对无效率的子过程进行调整，即可以根据效率值的情况，决定子过程的调整优先顺序。