下载文档原格式
物流的绩效考核指标体系及评价方法1、产生背景在发达国家，物流的绩效研究起步较早。
日本结合自身的特点，以整体物流成本最小化、顾客服务最适化、企业利益最大化为目标将物流绩效评价的重点放在了不断降低成本上，积累了一套行之有效的成本物流管理学说。
美国早在1978年就开始在民航业有限放松管制，1980年又放松了对卡车运输业的管制，从而使物流企业更加自主的适应市场，依靠市场力量来决定物流服务的发展。
美国国家绩效评估中心的绩效衡量小组把绩效管理定义为“利用绩效信息协助设定统一的目标计划，进行资源配置与优先顺序的安排，以告知管理者维持或改变既定目标计划，并报告成功符合目标的管理过程”。
二、发展历程现代物流企业是利用信息和网络技术以及运用现代组织和管理方式，将运输、仓储、装卸、加工整理、配送、信息等环节进行整合并进行一体化经营的新兴产业，是按照现代物流观念对传统彼此分割的环节的整合和一体化。
随着我国经济发展以及经济体制的建设，我国目前的物流企业占有企业的比例越来越多，但是近几年，中国物流企业的现状仍然为多、乱、散、小的状况。
现代物流业缺乏长远发展规划，政策支持力度还不大，其重要性还没被充分认识，还没有将物流企业作为一个新兴产业制定发展规划，也没有完善相应的扶持政策。
到目前为止，中国物流业仍然是分散的或者称多元的管理方式，涉及到铁道部、交通部、民航局、国内贸易局、外经贸部、能源部、农业部等专业部和国家计委、经贸委等综合部门，这样导致物流市场比较混乱，而中国的物流市场散乱的主要表现在于物流产业的领导、管理部门以及管理能力散乱，在这里体现最为明显的就是针对物流产业没有任何一家国家部门能够对整件事情负责，作为地方政府更是本着各自的利益问题不能为物流企业提供综合的全方位的服务，导致各地物流水平发展不一致，从而为客户很难提供一致的服务。
由于体制没有理顺，各部门之间分工又有交叉，造成了物流行身产业管理中存在的条块分割，部门分割、重复建设等种种问题。
基于EVA-BSC模型对物流企业绩效分析物流企业是实现商品流通的重要环节之一，其绩效的好坏直接影响到整体供应链的效率和竞争力。
本文将基于EVA-BSC模型对物流企业的绩效进行分析。
一、EVA-BSC模型概述EVA（经济附加值）是一种评估企业经营业绩的指标，它从资本的角度分析企业的经济效益，衡量企业是否创造了足够的价值。
BSC（平衡计分卡）是一种战略性绩效管理工具，通过四个视角（财务、顾客、内部流程和学习与成长）综合评估企业的绩效。
将EVA和BSC 结合起来，可以更全面地评估企业的绩效。
二、EVA-BSC模型在物流企业中的应用1. 财务视角在财务视角上，可以使用EVA评估物流企业的经济附加值。
明确资本成本率和投入资本，计算出EVA值，衡量企业是否创造了足够的价值。
还可以通过指标如资产周转率、毛利润率等评估企业的财务状况和盈利能力。
2. 顾客视角在顾客视角上，可以通过指标如客户满意度、订单及时率等来评估物流企业的服务质量和顾客关系管理。
顾客满意度调查、客户反馈等方式可以帮助企业了解顾客的需求和意见，从而提高服务质量，增强顾客忠诚度。
3. 内部流程视角在内部流程视角上，可以通过指标如订单处理时间、物流成本比例等来评估物流企业的流程效率和成本控制能力。
优化物流流程、提高物流配送效率，可以减少物流成本，提升企业的竞争力。
4. 学习与成长视角在学习与成长视角上，可以通过指标如员工培训率、创新能力等来评估物流企业的学习和发展能力。
通过培训和学习，提高员工的专业素养和技能水平，对企业的长期发展具有重要作用。
鼓励创新和知识管理也可以促进企业的成长。
三、物流企业绩效分析案例以某物流企业为例，假设其年度财务数据如下：营业收入：1000万元净利润：200万元投资资本：500万元资本成本率：10%1. 财务视角分析根据上述数据，可以计算出EVA值为（200-500×10%）万元 = -30万元。
说明该物流企业在此年度没有创造足够的价值，需要进一步优化经营。
基于EVA-BSC模型对物流企业绩效分析物流企业的绩效分析是企业管理的重要内容之一，通过对企业绩效的分析可以帮助企业发现问题、制定改善措施，提高企业整体竞争力。
本文将基于EVA-BSC模型对物流企业绩效进行分析。
我们来介绍一下EVA-BSC模型。
EVA是企业价值增值指标（Economic Value Added）的缩写，是反映企业经济利润能力的指标。
EVA-BSC模型是在传统的平衡计分卡（BSC）基础上引入EVA指标，通过衡量企业的财务绩效、顾客满意度、内部流程和学习与成长四个维度的表现，综合评估企业的整体绩效。
在物流企业中，财务绩效是重要的衡量指标之一。
通过对企业的财务指标进行分析，可以了解企业的盈利能力、资本运作能力等。
在EVA-BSC模型中，我们可以通过计算企业的EVA指标来评估其财务绩效。
EVA指标是通过减去企业的资本成本后的经济利润，它能够反映出企业是否能够为股东创造价值。
通过对比企业的EVA值与资本成本的关系，我们可以分析企业的盈利能力和资本运作效率。
除了财务绩效之外，顾客满意度也是物流企业绩效分析的重要内容。
物流企业的主要服务对象是客户，客户满意度直接影响企业的生存和发展。
在EVA-BSC模型中，我们可以通过客户满意度调查等方法来评估企业在顾客满意度方面的表现。
通过了解客户的需求和反馈，企业可以根据顾客的要求进行改进，提供更优质的服务，从而提高客户满意度。
物流企业的内部流程也是绩效分析的重要指标之一。
物流企业的核心业务是货物的物流管理，包括货物的运输、仓储、配送等环节。
通过对物流企业的内部流程进行分析，可以评估企业的运作效率和处理能力。
在EVA-BSC模型中，我们可以通过衡量出货数量、配送准时率、仓储周转率等指标来评估企业的内部流程表现。
通过分析这些指标，企业可以找到流程瓶颈和问题，并采取相应的改进措施，提高企业的运作效率。
学习与成长是物流企业绩效分析的第四个维度。
物流行业是一个不断发展和变化的行业，企业需要不断学习和适应新的技术、市场和管理方法。
基于EVA-BSC模型对物流企业绩效分析一、引言物流行业是现代产业链中不可或缺的一部分，其发展水平直接影响到整个产业链的效率和效益。
随着市场竞争的加剧和全球化经济的发展，物流企业要想在激烈的市场竞争中立于不败之地，必须不断提升自身的绩效水平。
在这样的背景下，对物流企业绩效进行科学的评估和分析显得尤为重要。
本文将基于Economic Value Added（EVA）和Balanced Scorecard（BSC）模型，对物流企业的绩效进行深入分析，旨在为物流企业提升绩效水平提供一定的参考。
二、EVA-BSC模型介绍1. EVA模型EVA是经济附加值的英文缩写，是一种用以衡量企业经营业绩的综合指标，其核心思想是通过减去企业的资本成本，来反映企业经营决策对股东财富的创造能力。
换言之，EVA衡量了企业经营活动带来的实际价值，是一个衡量企业价值创造能力的重要指标。
2. BSC模型BSC是平衡记分卡的英文缩写，是一种绩效管理工具，通过制定战略目标、建立绩效指标、设置目标值和考核绩效结果等步骤，全面衡量企业在财务、客户、内部业务流程和学习成长等方面的绩效，从而达到全面提升企业价值的目的。
结合EVA和BSC两种模型，可以全面反映企业绩效水平，为企业提供科学的评价和分析指标。
三、物流企业绩效分析1. 财务绩效在EVA模型中，财务绩效是一个非常重要的指标，它主要通过衡量企业的收入、利润等财务指标来反映企业经营活动的盈利能力。
对于物流企业而言，财务绩效除了要关注传统的毛利润率、净利润率等指标外，还需要考虑到物流成本的控制和利润的提升。
通过EVA模型，可以计算出企业的经济附加值，从而了解企业的盈利能力和价值创造能力。
在BSC模型中，财务绩效可以通过制定目标指标、比较实际执行情况和目标值，从而达到全面衡量企业财务绩效的目的。
2. 客户绩效物流企业的客户绩效是衡量企业市场竞争力和客户满意度的重要指标。
通过EVA模型，可以了解企业在满足客户需求、提高客户满意度和获取新增客户的过程中所创造的附加价值，从而了解企业在市场竞争中的表现。
基于EVA-BSC模型对物流企业绩效分析物流企业是指以运输、商流、信息流、资金流等为核心内容的物流服务企业。
随着市场竞争的加剧，物流企业的绩效分析成为了企业管理中不可或缺的一环。
EVA-BSC模型是一种基于企业价值评估和平衡计分卡的绩效分析方法。
本文将基于该模型对物流企业绩效进行分析。
EVA-BSC模型将企业绩效分为两个层面：价值创造层面和战略推动层面。
价值创造层面主要关注企业财务绩效，包括EVA、资本回报率等指标。
战略推动层面则关注企业非财务绩效，包括顾客、流程、学习与成长、内部流程等指标。
在物流企业绩效分析中，可以通过EVA指标来评估企业的价值创造能力。
EVA（经济增加值）是衡量企业经营绩效的一种常用指标，其计算公式为：EVA = 净利润 - 资本成本。
通过对物流企业的净利润和资本成本进行评估，可以得出企业是否创造了价值。
如果EVA大于0，表示企业创造了价值；如果EVA小于0，表示企业未能创造价值。
通过对EVA指标的分析，可以评估企业的盈利能力和资本利用效率。
在战略推动层面，可以使用平衡计分卡的思想对物流企业绩效进行分析。
平衡计分卡是一种综合考虑内外部因素的绩效管理工具，将企业的战略目标分解为不同维度的指标体系。
在物流企业中，可以将平衡计分卡的四个维度应用于绩效分析：顾客维度、流程维度、学习与成长维度、内部流程维度。
在顾客维度，可以通过指标如客户满意度、客户投诉率等来评估物流企业的服务质量和客户关系管理能力。
通过及时回应客户需求、提供优质的服务，可以提高物流企业的顾客满意度，增强企业的市场竞争力。
在流程维度，可以通过指标如仓储周转率、运输成本比例等来评估物流企业的流程效率和成本控制能力。
通过优化物流流程、提高仓储和运输的效率，可以降低企业的成本，提高企业的运营效益。
在学习与成长维度，可以通过指标如员工培训率、员工流失率等来评估物流企业的人力资源管理能力和组织学习能力。
通过持续培训和开发员工的能力，可以提高企业的创新能力和适应能力，为企业的可持续发展提供支持。
基于EVA-BSC模型对物流企业绩效分析【摘要】本文通过基于EVA-BSC模型对物流企业绩效进行分析。
在简要介绍了研究背景和研究意义。
正文部分首先概述了EVA-BSC模型，然后探讨了物流企业绩效评价指标，并详细分析了基于EVA-BSC模型的物流企业绩效情况。
接着通过案例分析和影响因素分析来进一步展示模型的应用和影响。
最后在结论部分总结了EVA-BSC模型在物流企业绩效评价中的重要性，并提出了展望和建议。
通过本文的研究，可以提供给物流企业在绩效评价和管理中的指导和参考，帮助它们更好地提升竞争力和效率。
【关键词】关键词：EVA-BSC模型、物流企业绩效、评价指标、案例分析、影响因素、应用、展望、建议。
1. 引言1.1 研究背景物流企业作为现代市场经济体系中不可或缺的一环，其绩效评价一直是企业管理者关注的焦点。
在全球竞争激烈的环境下，物流企业要想取得长足的发展，必须不断提升自身的绩效水平。
而评价一个企业的绩效水平需要有科学的指标体系来支撑，而EVA-BSC模型就是一种被广泛应用的评价模型。
研究表明，物流企业的绩效评价不仅需要考虑传统财务指标，还需要结合非财务指标，以全面地评价企业的绩效表现。
而EVA-BSC模型就是将企业的财务和非财务指标进行整合，通过综合评价企业的经济价值创造能力和运营绩效，为企业提供了一个更加全面和深入的评价体系。
本文将通过对EVA-BSC模型的概述，结合物流企业特点和实际情况，探讨如何利用该模型来评价物流企业的绩效表现。
通过案例分析和影响因素分析，从不同角度揭示物流企业绩效的现状和问题，为企业管理者提供参考和建议，促进物流企业的持续发展和提升绩效水平。
1.2 研究意义本研究旨在探讨基于EVA-BSC模型对物流企业绩效的评价方法，通过案例分析和影响因素分析，深入挖掘该模型在物流企业的应用效果和存在的问题。
研究结果可以为物流企业提供科学的经营决策依据，帮助企业及时调整经营策略，优化资源配置，提高企业绩效水平。
基于EVA-BSC模型对物流企业绩效分析EVA-BSC模型是一种结合了经济附加值（Economic Value Added，EVA）和平衡计分卡（Balanced Scorecard，BSC）的管理模型，用于评价企业绩效。
EVA-BSC模型结合了财务和非财务指标，能够更全面地评价企业的绩效，对于物流企业来说，更能够全面展现其运营和管理的情况。
EVA-BSC模型通过四大维度来评价企业绩效，包括：财务绩效、顾客绩效、内部业务流程绩效和学习与成长绩效。
下面将分别从这四个维度对物流企业的绩效进行分析。
1. 财务绩效财务绩效是评价企业绩效的重要指标，也是EVA-BSC模型的核心之一，物流企业的财务绩效主要包括利润、资产回报率、现金流等指标。
通过对这些指标的评价，可以更全面地了解物流企业在财务方面的表现。
在EVA-BSC模型中，利润是最直观的财务绩效指标，可以反映企业的盈利能力。
对于物流企业来说，利润的来源主要包括运输、仓储和配送服务等，通过对利润的评价，可以了解企业的盈利情况。
资产回报率是评价企业绩效的重要指标，反映了企业利用资产进行经营活动的效率。
对于物流企业来说，资产回报率可以反映其在运输设备、仓储设施等方面的投资回报情况。
2. 顾客绩效顾客绩效是物流企业绩效评价的重要指标之一，物流企业的核心业务是为客户提供物流服务，因此顾客满意度和客户忠诚度是评价企业绩效的重要指标。
通过对顾客绩效的评价，可以了解物流企业的市场地位和竞争能力。
3. 内部业务流程绩效4. 学习与成长绩效学习与成长绩效是评价物流企业绩效的重要指标之一，物流行业的竞争日益激烈，企业需要不断学习和成长，才能保持竞争力。
通过对学习与成长绩效的评价，可以了解物流企业的创新能力和发展潜力。
在EVA-BSC模型中，通过员工培训率、研发投入比例、技术创新等指标来评价物流企业的学习与成长绩效，可以全面了解企业的发展动力和潜力。
组织文化也是评价学习与成长绩效的重要指标，可以反映企业的学习氛围和创新能力。
物流公司绩效评价模型本问题是一个关于物流公司绩效评价的问题。
首先结合研究目的，数据科学性，全面性和物流业的特点，选取职工人数，固定资产净额，主营业成本和管理费用等为投入指标；净利润和主营业收入为产出指标。
文中各项指标的数据取自2005年各样本物流企业的年报。
然后根据投入指标值和产出指标值，建立DEA(Data Envelopment Analysis 数据包络分析)模型，再利用DEA方法理论体系中的2C R模型评价各样本物流企业的总体有效性，利用DEA方法理论体系中的22C GS模型评价样本物流企业的纯技术有效性，并根据DEA方法理论中总体有效性，纯技术有效性和纯规模有效性的关系得出决策单元的纯规模有效性。
运用Lingo软件计算得到2005年10家上市物流公司的总体绩效，纯技术绩效和纯规模绩效，深赤湾的总体有效值为0.7161，纯技术有效值为0.7445，纯规模有效值为0.9619…其具体结果见表4。
接着，根据得到的总体绩效，纯技术绩效，纯规模绩效的结果对我国的物流进行简要分析。
针对DEA模型的缺陷：只能将决策单元分为有效和非有效两大类，采用文献[3]的DEA改进方法，在传统的DEA方法基础上引入一个虚拟的理想决策单元，进一步对各样本物流企业总体有效值进行排名，得到各样本物流企业的先后排名为：中远海运，中海海盛，中海发展，宁波航运，厦门港务，深赤湾，上港集箱，铁龙物流，锦州港，天津港。
最后，对模型的优缺点进行了简要的分析，并对模型的改进提出了建设性意见。
关键词：DEA ，总体绩效，物流，绩效评价1 . 问题重述自从加入WTO以来，我国的经济经受外来经济因素的巨大冲击，要使我国经济的稳定平衡发展，因而必须不断提高我国经济竞争力。
而物流作为提高经济竞争力的重要因素，要想使其健康的发展，必须对物流企业的计划、顾客服务、运输、存货等物流活动进行绩效评价与分析。
对物流绩效进行评价与分析，才能够正确判断企业的实际经营水平，提高企业的经营能力，进而增加企业的整体效益。
物流公司绩效评价模型本问题是一个关于物流公司绩效评价的问题。
首先结合研究目的，数据科学性，全面性和物流业的特点，选取职工人数，固定资产净额，主营业成本和管理费用等为投入指标；净利润和主营业收入为产出指标。
文中各项指标的数据取自2005年各样本物流企业的年报。
然后根据投入指标值和产出指标值，建立DEA(Data Envelopment Analysis 数据包络分析)模型，再利用DEA方法理论体系中的模型评价各样本物流企业的总体有效性，利用DEA方法理论体系中的模型评价样本物流企业的纯技术有效性，并根据DEA方法理论中总体有效性，纯技术有效性和纯规模有效性的关系得出决策单元的纯规模有效性。
运用Lingo软件计算得到2005年10家上市物流公司的总体绩效，纯技术绩效和纯规模绩效，深赤湾的总体有效值为，纯技术有效值为，纯规模有效值为…其具体结果见表4。
接着，根据得到的总体绩效，纯技术绩效，纯规模绩效的结果对我国的物流进行简要分析。
针对DEA模型的缺陷：只能将决策单元分为有效和非有效两大类，采用文献的DEA改进方法，在传统的DEA方法基础上引入一个虚拟的理想决策单元，进一步对各样本物流企业总体有效值进行排名，得到各样本物流企业的先后排名为：中远海运，中海海盛，中海发展，宁波航运，厦门港务，深赤湾，上港集箱，铁龙物流，锦州港，天津港。
最后，对模型的优缺点进行了简要的分析，并对模型的改进提出了建设性意见。
关键词：DEA ，总体绩效，物流，绩效评价1 . 问题重述自从加入WTO以来，我国的经济经受外来经济因素的巨大冲击，要使我国经济的稳定平衡发展，因而必须不断提高我国经济竞争力。
而物流作为提高经济竞争力的重要因素，要想使其健康的发展，必须对物流企业的计划、顾客服务、运输、存货等物流活动进行绩效评价与分析。
对物流绩效进行评价与分析，才能够正确判断企业的实际经营水平，提高企业的经营能力，进而增加企业的整体效益。
由于物流活动具有多方性，过程复杂性（采购、运输、存储、保管及供应等）和形成多样性等特点，长期以来，物流绩效的衡量缺乏行之有效的标准。
目前，我国企业的物流处于起步阶段和发展阶段，如果在建立物流系统的同时，实时进行绩效评价，对不断完善和提高物流管理水平，使其成为企业的“第三利润源泉”具有重要意义。
因此，如何科学、全面地分析和评价物流企业的绩效，已成为物流企业迫切需要解决的课题。
本文选取深赤湾，厦门港务，铁龙物流，宁波海运，中海海盛，中远航运，中海发展，上港集箱，锦州港和天津港等10上市物流企业为研究样本。
从2005年各样本物流企业的年报上收集到的职工人数，固定资产净额，主营业成本，管理费，净利润和主营业收入等指标数据为依据，需要解决问题：利用这些指标值对该10家样本物流企业的绩效进行评价。
2 . 问题分析在物流的研究领域中，物流企业管理绩效的评价是极其重要的内容之一。
近年来，物流的绩效评价在我国得到了广泛的研究，大量的方法被应用于物流绩效的评价。
其中，主流的以定量为主的绩效评价方法主要有四种：作业成本法，层次分析法，指标树法和DEA（数据包络分析法）[1]。
其中，作业成本法和指标树法主要集中在测评指标的选取上，要求判定矩阵能够全面反映物流绩效的指标体系。
但是影响物流绩效的因素众多并且关系复杂，很难建立一套完整的评价指标体系。
层次分析法中判断矩阵的构造具有一定的主观性，使评价结果的客观性程度减少。
而DEA法由于不需要预先估计参数，直接采用数据计算的特点，在避免主观因素和简化算法，减少误差等方面有不可低估的优越。
但传统的DEA方法也存在着不足：由于这种方法将大量的决策单元分为有效和非有效两大类，在用这种方法进行有效性分析时容易出现大量的甚至全部决策单元都为有效的情形。
鉴于此，本文利用文献[3]的DEA改进方法，在传统的DEA方法的基础上引入一个虚拟的理想决策单元，对DEA有效的决策单元进行排序，用DEA改进方法对我国部分物流企业进行绩效评估。
指标选取的说明：本问题为研究我国物流公司的经营绩效。
人力资源在物流企业的投入是不可缺少的部分，特别是对于我国目前物流业正处于经济转型期，大部分物流企业还停留在计划经济时期的经营理念。
而人力的投入在物流业中占相当重要的地位，所以在投入指标中考虑职工人数，对物流企业绩效的评价有着举足轻重的作用。
我国物流企业在经营方式上仍然是粗放型，固定资产净额如厂房，仓库等这些都是物流企业必需因素，显示着物流企业的经济实力，对物流的绩效评价也起到相当程度的作用。
而我国物流企业中无论是企业内部的管理水平还是对变化多端的外部环境的反应速度能力都不高，所以须着重考虑对货物的管理，运输等方面的管理费用。
此外，主营业成本也是一项重要的投入指标。
而产出指标中占主要地位的有净利润和主营业收入等。
根据我们物流企业的特点这6项指标基本能够反映我国上市物流公司的经营绩效。
3. 模型的假设(1) 假设10个样本物流企业的绩效都只受规定的6项投入和产出指标所影响，不受其他外部因素影响。
(2) 题中所给的数据资料即2005年各样本物流企业年报所提供资料均为真实可靠，不存在造假情况，并且所给的数据在一定程度上能够反映该行业的市场状况。
(3) 假定所有需要进行绩效评价的物流企业都具有相同的外部环境。
4. 符号说明——表示需要绩效评价的样本物流企业；——表示第个决策单元的相对绩效；——表示第个输出指标的权向量；——表示第个输入指标的权向量；——表示第个决策单元的第个投入值；——表示第个决策单元的第个产出值；——表示非阿基米德数，一般设定取；——表示各个样本物流企业的总体有效性；——表示松弛变量；——表示松弛变量；——表示重新构造一个组合中的第个决策单元的组合比例；——表示各样本物流企业的总体有效值；——表示各样本物流企业的纯技术有效值；——表示各样本物流企业的规模有效值；5. 模型的建立及求解DEA(Data Envelopment Analysis 数据包络分析)是著名运筹学家和等在“相对效率评价”概念基础上发展起来的，是评价同类型决策单元相对有效性的一种系统分析方法。
在DEA方法理论体系中，最具有代表性的评价模型为和模型。
前者可用于评价决策单元的怎样有效性，而后者可用于评价决策单元的纯技术有效性。
现对于给出的10个样本物流企业，我们将每个需要评价的样本物流企业称为一个决策单元，记作。
在每个决策单元中我们选取职工人数，固定资产净额，主营业成本和管理费用等4个指标作为投入指标；以净利润，主营业收入2个指标作为产出指标。
输入指标的权向量，输出指标的权向量。
则企业的绩效可从各产出指标和产出指标权向量的积与各投入指标和投入指标权向量乘积的比来衡量，则第个决策单元的DEA相对绩效为其中，表示第个决策单元的相对绩效；代表第个决策单元的第个投入值；代表第个决策单元的第个产出值；表示第个输出指标的权向量；表示第个输入指标的权向量。
由于产出值不可能超出投入值，即其中，代表第个决策单元的第个投入值；代表第个决策单元的第个产出值；表示第个输出指标的权向量；表示第个输入指标的权向量。
由DEA理论知：第个输出指标的权向量和第个输入指标的权向量要不小于非阿基米德数。
综合可得第个决策单元的DEA相对绩效的模型(1)如下：(1)其中，表示第个决策单元的相对绩效；代表第个决策单元的第个投入值；代表第个决策单元的第个产出值；为非阿基米德数（一般设定为）；表示第个输出指标的权向量；表示第个输入指标的权向量。
为了便于运算和处理一些特定目的的问题，对上式进行适当的数学对偶转换，令各限制式的对偶数为。
可得模型(1)对偶形式的模型(2)如下：(2)其中，表示总体有效性；代表第个决策单元的第个投入值；代表第个决策单元的第个产出值；为非阿基米德数（一般设定为）；表示第个输出指标的权向量；表示第个输入指标的权向量；为相对于重新构造一个组合中的第个决策单元的组合比例；为松弛变量。
将样本物流企业相应的原始数据代入模型(2)，运用线性规划求解软件lingo 进行线性规划求解，得到各样本物流企业的总体有效性值，如下表1：表1：各样本物流企业的总体有效值由DEA理论：令，，，是模型(2)的最优解，则利用DEA判断物流总体效率的法则：①若=1 且=0, =0；则决策单元为DEA有效。
②若=1 且≠0，≠0；则决策单元为DEA弱有效。
③若则决策单元为DEA无效。
④若存在使，则DMU为规模收益不变；若，则为规模收益递减。
若，则为规模收益递增。
所以由表1可知深赤湾，铁龙物流，宁波海运，上港集箱，锦州港为总体绩效DEA有效，厦门港务，中海海盛，中远航运，中海发展为总体绩效DEA非有效。
当，而并不满足=0, =0，表示被评价的决策单元不是同时纯技术有效和纯规模有效。
因此，在模型(2)的基础上加上限制条件，即得模型(3)：(3)其中，表示样本企业的纯技术有效性，代表第个决策单元的第个投入值；代表第个决策单元的第个产出值；为非阿基米德数（一般设定为）；表示第个输出指标的权向量；表示第个输入指标的权向量；为相对于重新构造一个组合中的第个决策单元的组合比例；为松弛变量。
将样本物流企业相应的原始数据代入模型(3)，运用线性规划求解软件lingo 进行线性规划求解，得到各样本物流企业的纯技术有效值值，见下表2：表2：各样本物流企业的纯技术有效值由DEA理论：令，，，是模型(3)的最优解，则利用DEA判断物流组织技术效率的法则：①若，则决策单元为弱DEA纯技术有效。
②若，则决策单元为DEA纯技术无效。
③若且，，则决策单元为DEA纯技术有效。
所以由表2可知厦门港务，铁龙物流，宁波海运，中海海盛，中远航运，中海发展，锦州港为纯技术DEA有效。
深赤湾，上港集箱，天津港为纯技术DEA非有效。
根据DEA理论，决策单元的总体有效值，纯技术有效值和纯规模有效值三者之间存在着如下关系：其中表示决策单元的总体有效值，表示纯技术有效值，表示纯规模有效值。
根据该式以及模型(2)，(3)得到的总体有效值，纯技术有效值可求出纯规模有效值，其结果见表3：表3：各样本物流企业的纯规模有效值综合表1，表2，表3可得到各样本物流企业的总体有效值，纯技术有效值，纯规模有效值如下表4：表4：各样本物流企业的总体有效值，纯技术有效值，纯规模有效值由表1可知深赤湾，铁龙物流，宁波海运，上港集箱，锦州港，天津港为非DEA 总体有效外，其它物流企业均为DEA有效，显然用传统的DEA方法得到的结果只能将决策单元，即物流企业分为两组：有效和非有效，但实际中仅把决策单元分成两组是不够的，还需要将所有的决策单元排序。
这里我们采用文献[3]提到的DEA改进方法引入一个虚拟的理想样本物流企业。
虚拟的理想样本物流企业的各项投入指标取已知的10个样本物流企业的最小值，即虚拟样本物流企业的投入指标值为：，，，，其中分别表示虚拟的理想物流企业的投入指标：职工人数，固定资产净额，主营业成本和管理费用的值，表示第个样本物流企业第1个投入指标职工人数的值，表示第个样本物流企业第2个投入指标固定资产净额的值，表示第个样本物流企业第3个投入指标主营业成本的值，表示第个样本物流企业第4个投入指标管理费用的值。
