我國物流產業效率測度研究

褚詩婷

摘要：基于2004-2016年我國30個省區市面板數據，運用DEA-Malmquist 模型測度分析物流技術效率和全要素生產率指數的時空演化過程。我國物流產業平均技術效率為0.65，空間上呈東高西低的分布狀態。全要素生產率年均提高2%，整體呈現上升后下降的趨勢。實證結果顯示，除政府支出外，經濟發展水平、物流業規模、對外貿易、外商直接投資、城鎮化率普遍對物流產業技術效率呈顯著的正向影響。

Abstract： Based on the panel data of 30 provinces in China from 2004 to 2016， the DEA-Malmquist model is used to measure the spatial and temporal evolution of logistics technology efficiency and total factor productivity index. After analysis， the average technical efficiency of China's logistics industry is 0.65， which is spatially distributed in the east and west. Total factor productivity increased by 2% annually， and the overall trend showed an upward trend and a downward trend. The empirical results show that in addition to government expenditure， economic development level， logistics industry scale， foreign trade， foreign direct investment， and urbanization generally have a significant positive impact on the technical efficiency of the logistics industry.

關鍵詞：物流產業;效率測度;DEA-Malmquist模型

Key words： logistics industry;efficiency measurement;DEA-Malmquist model

中圖分類號：F259.2;F223? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2019）24-0073-03

0? 引言

改革開放40年來，中國物流業經歷了生產生活資料流通體制改革、物流業機制體制改革、擴大開放度到進入供應鏈時代的轉變（王文舉和何明珂，2017）。經濟發展新常態下，作為實體經濟運行重要支撐的物流業面臨新的機遇和挑戰（宋則，2015），物流效率作為其中的突出問題，引起眾多學者和專家關注。

國內外學者們使用的效率測度方法包含基礎的DEA模型如CCR和BCC（于麗英等，2018），到進一步發展使用的如方向距離函數（Weber and Weber，2018）、Malmquist指數模型（俞佳立和錢芝網，2018）、SBM-DEA模型（劉承良和管明明，2017）以及結合具體研究視角改進后的DEA測度方法?；跍y度結果科學性、客觀性和全面性的考慮，學者們多選擇兩種及兩種以上測度方法進行技術效率或生產效率的測度。

通過對相關文獻的梳理得出，物流產業效率測度方法不盡相同，文章選取普遍使用的DEA-Malmquist模型對我國省級層面的物流產業效率進行測度，并結合Tobit模型進行影響因素分析。

1? 研究方法、指標選取與數據來源

1.1 DEA-Mulmquist指數模型

1978年，著名運籌學家、美國德克薩斯大學教授A.Charnes及W.W.Cooper等正式提出了CCR模型，即通過數學規劃模型來比較投入產出“決策單元”間的相對有效性。學者們在此基礎上提出假設條件更為寬松的BCC模型，該模型能夠將CCR模型中的綜合技術效率分解成純技術效率和規模效率，更便于結論的分析。同時，為進一步反映物流產業效率的變化，文章借鑒了學者Fare等構建的Malmquist指數模型進行物流效率的動態分析。

1.2 投入產出指標的選取

綜合考慮物流產業關鍵的投入與產出項目，選取交通運輸、倉儲和郵政業的固定資產投資額（億元）、就業人員數（萬人）和公路里程數（公里）反映物流業投入水平，選取物流業產值（億元）和貨物周轉量（億噸公里）反映物流業產出水平。

1.3 Tobit面板數據回歸模型

由于技術效率值在0-1之間，選取Tobit模型對經濟帶物流產業效率的影響因素進行分析，模型如下：

2? 實證檢驗及結果分析

2.1 我國物流產業技術效率特征

我國物流業技術效率時間分布特征如圖1，2004-2016年間我國30個省區市技術效率均值為0.65，在2004-2011年間技術效率大體上呈下降趨勢，2011-2016年間技術效率均處于上升狀態?？傮w來看，技術效率水平與純技術效率的變動趨勢更為相似，表明純技術效率是技術效率波動的主要影響因素。

2.2 我國物流產業全要素生產率特征

通過物流產業全要素生產率指數及其分解結果（表1）可以看出，整體上全要素生產率變化處于波動狀態，時間變化特征不顯著?？傮w來看，全要素生產率變化率波動主要受技術進步變化率的影響，同時，技術效率變化率波動主要受到純技術效率變化率的影響。

2.3 物流產業技術效率的影響因素分析

結合已有研究和上述分析，我們選取經濟發展、物流業規模、對外貿易、外商直接投資、政府支出、城鎮化率作為物流產業技術效率的主要影響因素進行分析，指標選取及計算見表2。

綜合各時期的Tobit回歸結果（見表3）來看，除政府支出外，經濟發展水平、物流業規模、對外貿易、外商直接投資、城鎮化率普遍對物流產業技術效率呈顯著的正向影響。

究其原因，①經濟發展會促進物流業的消費需求，吸引一定規模的資金、技術和人員的涌入，進而推動物流業技術效率提升;②在物流業發展初期，規模對于技術效率有很顯著的提升作用，隨著物流業逐漸發展成熟，影響水平下降。因此，盲目擴大物流業規模不可取，應注重合理的投入產出結構，避免造成資源浪費;③對外貿易方面，在物流業發展初期，進出口貿易有效推動了國內物流業向國際高水平和國標準邁進，后期隨著物流業水平的提高和發展戰略由外貿轉向內需，對外貿易的影響相對減弱;④從外商直接投資角度出發，可能是外商直接投資結構優化和物流業的迅速發展有關，先進的技術和管理方法得到了更合理的運用，推動了物流業技術效率的提升;⑤政府支出方面，經濟建設部分為物流業發展提供基礎設施保障，作用更多的體現在物流業發展規模方面，可能由于基礎設施建設與物流業發展需求不完全匹配，因而未能體現出對物流業技術效率提升的作用;⑥城鎮化方面，伴隨著城鄉差距的逐步縮小和城鎮化的高質量發展，城鎮化對物流業的供需結構和層次提出越來越高的要求，逐步推動物流業協調發展和效率的提升。

3? 結論與建議

本文運用 DEA-Malmquist 模型和Tobit模型，實證分析2004-2016年我國30個省區市物流產業技術效率和全要素生產率指數的時空演化特征。分析結果指出，我國物流產業技術效率不高，平均技術效率為0.65。平均全要素生產率指數為1.020，全要素生產率指數年均提高2%，整體呈現上升后下降的趨勢。實證結果顯示，除政府支出外，經濟發展水平、物流業規模、對外貿易、外商直接投資、城鎮化率普遍對物流產業技術效率呈顯著的正向影響。為此，提出以下發展建議：

①優化物流業布局，促進區域協調發展。結合物流業技術效率和全要素生產率的測算結果，西北地區情況普遍較差，DEA有效或全要素生產率指數大于1的省份集中在東部、中部和南部。應結合實際情況，鼓勵同一區域省際物流發展經驗的相互借鑒，發揮DEA有效省份的經濟外部性;不同區域間，如西北地區資源相對匱乏，除了借鑒其他省份的發展經驗，還需要借助政府部門或者國家政策的力量來改善其物流業發展困境。②控制物流業規模，注重提升效率。在物流業發展到一定階段時，應適度控制物流業規模，注重資源投入產出效率，避免造成資源過度浪費。政府應該結合物流業發展需求，為物流業發展提供更便利的環境，一方面減少了冗余投入，另一方面也有助于促進物流業的高效發展。

參考文獻：

[1]王文舉，何明珂.改革開放以來我國物流業發展軌跡、階段特征及未來展望[J].改革，2017（7）：23-34.

[2]宋則.“十三五”期間促進我國現代物流業健康發展的若干要點[J].財貿經濟，2015（7）：5-14.

[3]于麗英，施明康，李婧.基于DEA-Malmquist指數模型的長江經濟帶物流效率及因素分解[J] .商業經濟與管理，2018（4）：16-25.

[4]Margaret Weber M， Weber W L. Productivity and efficiency in the trucking industry[J]. International Journal of Physical Distribution & Logistics Management， 2018（1）：39-61.

[5]俞佳立，錢芝網.長江經濟帶物流產業效率的時空演化及其影響因素[J].經濟地理，2018（8）：108-115.

[6]劉承良，管明明.低碳約束下我國物流業效率的空間演化及影響因素[J].地理科學，2017（12）：1805-1814.