中国省域物流业发展效率与全要素生产率实证研究

来源:用户上传      作者:

　　摘 要：选用基于规模报酬可变的投入导向型DEA模型和Malmquist指数模型，从静态与动态两方面对2009—2017年我国30个省市的物流业发展效率进行了测算分析。结果表明：分析期内，我国物流业发展效率整体水平一般，各地区之间差异明显，东部地区一直领先于中西部地区，纯技术效率低下是制约我国物流业发展效率提高的关键因素;物流业全要素生产率实现了年均1.8%的增长，主要得益于技术进步的改善，技术效率与技术进步的不平衡发展对我国物流业发展效率的提高也有一定的阻碍作用。最后，根据所得结论为我国物流业发展提出相应的政策建议。
　　关键词：物流业发展效率;DEA模型;Malmquist指数;物流业全要素生产率
　　中图分类号：F259.27文献标识码：A文章编号：
　　1672-1101（2020）02-0031-11
　　收稿日期：2019-08-21
　　基金项目：国家自然科学基金项目（71403003）;安徽省哲学社会科学规划项目（AHSKY2018D92）
　　作者简介：汪克亮（1980-），男，安徽枞阳人，教授，博士，研究方向：资源经济与环境管理。
　　Empirical Study on the Development Efficiency and Total Factor Productivity of China’s Provincial Logistics Industry
　　WANG Keliang，ZHU Zhengyan，ZHANG Jie
　　（School of Economics and Management，Anhui University of Science and Technology，Huainan，Anhui 232001，China）
　　Abstract：Using the input-oriented DEA model based on variable returns to scale and the Malmquist index model， this paper calculated and analyzed the development efficiency of the logistics industry in 30 provinces and cities in China from 2009 to 2017 from both static and dynamic aspects. The results show that： during the analysis period， the overall level of development efficiency of China’s logistics industry is general; There are obvious differences among regions and the eastern region has always been ahead of the central and western regions; The low efficiency of pure technology is the key factor restricting the development efficiency of logistics industry in China; The logistics industry has achieved an average annual growth rate of 1.8%， mainly due to the improvement of technological progress. The unbalanced development of technological efficiency and technological progress also hinders the improvement of the development efficiency of China’s logistics industry. Finally， according to the conclusions， the corresponding policy recommendations for the development of logistics industry in China are put forward.
　　Key words：Development efficiency of logistics industry; DEA model; Malmquist index; Total factor productivity of logistics industry
　　近年来，我国实现从工业化中后期到后期的过渡，经济结构不断优化，产业特点也逐步向知识密集型和技术密集型转变，作为国民经济发展的重要支撑产业，物流产业的进步是提高国民生产总值的重要动力之一，逐渐成为国家重点关注对象。现阶段我国物流水平一般，仍处于发展中阶段，在全球经济一体化的大环境下，如何通过提高物流业发展效率来促进国民经济增长引起了人们的高度重视。2013年6月，国家发改委联合交通运输部发布《国家公路网规划（2013年—2030年）》，强调加强公路与其他运输方式的衔接与协调，形成“安全可靠、功能完善、布局合理、覆盖广泛”的物流网络运输通道。2018年10月，国务院印发《推进运输结构调整三年行动计划（2018—2020）》和《降低實体经济物流成本通知》，旨在通过进一步优化物流运输结构和积极开展物流降本增效工作，促进我国物流业迈向高质量发展。在此背景下，深入推进物流业发展效率评价，对促进我国产业结构调整和增强国民经济竞争力等具有重要的现实意义。 　　随着物流业在国民经济中的地位不断提升，对物流业的效率评价逐渐成为国内外学者研究的热点问题。物流业是由运输业、仓储业、通信业等多种行业整合的复合型产业，针对物流业的范围，不同学者的定义不同。如孙善祥、杨宏伟[1]指出，物流产业不在各国产业分类的统计体系中，我国的“物流业”是新提出的产业分类。高腾[2]在研究物流业发展效率时，并没有给出物流业的具体范围，直接以各地区整体物流的投入产出指标来分析我国物流业发展效率。刘秉镰、余泳泽[3]在研究我国区域物流时则认为物流业包括运输业、仓储业以及邮政业3个部门，清楚地划定了物流业范围。根据我国年鉴统计量，交通运输业、仓储业和邮政业对物流业总体贡献高达85%以上，因此本文选取交通运输业、仓储业和邮政业代替物流业。关于物流业发展效率的定义，国内外仍没有统一的标准，对于企业来说，物流业发展效率是指能否以一定的服务水平满足客户的要求，而对于社会来说，定义物流业发展效率具有一定的复杂性，在社会经济活动中，物流形式与内容丰富多变，须采用不同方法去分析。目前，物流业发展效率的定义是依据效率的定义演变出来的，用物流总投入与总产出的比值来衡量物流业发展效率的高低。而本文动态分析中研究的物流业全要素生产率是物流系统中各个要素的综合生产率，不包含资本、劳动等有形生产要素的增长率，主要指技术进步、效率改进以及制度创新等因素带来的经济增长，测算时将其具体分解为技术进步效率、纯技术效率和规模效率。近年来，国内外学者对物流业发展效率进行了大量研究，如国外学者Sehinnar AP最早将DEA分析法引入到对物流业发展效率的研究中，开创了用DEA方法分析物流业发展效率的先河。Hokey Min，Seong Jong Joo[4]运用DEA模型分析了第三方物流企业的运营效率，识别企业中的低效率来源，提高了第三方物流企业在物流市场中的生产力和价格杠杆。Peter FWanke[5]基于两阶段DEA模型来衡量巴西港口的物流基础设施效率和装运整合效率，结果表明私人管理水平的提高对物质基础设施效率改善作用明显，而腹地规模和两类货物的运营对货物整合效率产生积极影响。Mohammed Najeeb Shaikr[6]运用DEA模型对逆向物流企业的综合效率进行了评价分析，给出了有效改善企业绩效的途径。Markovits-Somogyi，Bokor[7]运用改良的DEA方法测算了欧洲29个国家的物流业发展效率，并与传统DEA方法所测结果进行比较，分析两者的差异性。有关物流业发展效率问题的分析，国内学者也做了大量的研究。邓学平、王旭等[8]基于DEA模型对我国55家物流上市企业的规模效率和生产效率进行实证分析，结果表明我国物流企业的规模效率没有明显差异，纯技术效率对生产效率的影响远大于规模效率。王琴梅、谭翠娥[9]选取DEA模型实证分析2003—2010年西安市的物流业发展效率，并结合Tobit回归模型评价各影响因素和物流业发展效率之间的关系，得出市场化程度和资源利用率对其影响更深。李开[10]、黄勇等[11]、高慕瑾[12]运用DEA方法分别对我国东中西三大地区的物流业发展效率进行了测算，并分析了影响各区域物流业发展效率的关键因素，为提高我国物流水平提供积极有效的政策建议。王雷、薛国梁[13]等基于CCR模型和BCC模型分析2006—2012年北疆8个地区的物流业发展效率，发现各地区效率值差异明显，仅克拉玛依和乌鲁木齐两市处于DEA有效水平，余下物流业发展效率较低的地区是由纯技术效率低下引起的。张昊、高康[14]选用超效率DEA模型和Tobit回归模型对我国西部地区的物流业发展效率进行分析，结果表明较低的纯技术效率是阻碍西部地区物流业发展的重要因素，区位优势和经济水平对物流业发展效率的影响呈正相关，而物流产业结构和资源利用率对其影响不明显。诸如此类的文献还有很多。
　　综上所述，DEA方法已广泛应用于物流业的效率评价方面，国内外学者在对物流业发展效率的研究上虽取得了一定的成果，但也存在些许不足之处。第一，以往学者主要集中研究企业物流发展效率和区域物流发展效率，而基于全国省域层面分析物流业发展效率的文献并不多见;第二，既有文献大都从静态方面对物流业发展效率进行测算与分析，而忽视了其动态演变趋势，即物流业全要素生产率，存在一定的片面性。基于此，本文采用DEA模型对全国30个省市（西藏不在考察范围内）2009—2017年物流业的纯技术效率与规模效率进行测算，并结合Malmquist指数法对各省市物流业全要素生产率变化情况进行分析，以期为我国物流业的发展提出合理的政策建议。
　　一、研究方法与数据说明
　　（一）DEA模型
　　数据包络分析法（DEA）由运筹学家A Charnes、W W Cooper和E Rhodes于1978年首次提出，作为一种新的效率评价方法，可以有效处理多投入和多产出等复杂问题，最经典的模型为CCR模型，该模型在假设规模报酬不变的情况下，测算决策单元总体有效性（技术有效和规模有效），但这种假设过于片面，不符合实际情况。由此，1984年Banker et al.在CCR模型的基础上，提出了基于规模报酬可变的BCC模型，不仅符合实际生产经验，更能进一步测算出决策单元的规模有效性和技术有效性。BCC模型一般包括投入导向型模型和输出导向型模型，由于物流业对资源的投入量相对容易控制，本文选用投入导向型模型分析我国30个省市的物流业发展效率，即在物流业产出不变的情况下，寻求最小投入的状态。
　　假设有i个决策单元（DMU），每个决策单元的投入、产出变量分别如下：
　　Xi=（X1i，X2i…，Xmi）Τ，i=1，2，…，n
　　Yi=（Y1i，Y2i…，Ymi）Τ，i=1，2，…，n
　　θ是每一個决策单元的效率评价指数，且满足以下条件：
　　θ0=minσs.t.∑ni=1λiXi+s-=σX0，∑ni=1λiYi-s+=Y0，∑ni=1λi=1，λi0，i=1，2，…，n（1） 　　式中：s-，s+为引入的松弛变量，且s-0，s+0;λi0;i=1，2，…，n。
　　根据CCR模型测出的效率值（TIE）可以分解为纯技术效率（PTE）和规模效率（SE），且有技术效率=纯技术效率×规模效率，其中纯技术效率为BCC模型所测的效率值。由上式中∑λi的值可以判断规模报酬的情况，当∑λi>1时，规模报酬为递减状态，反之则递增;当∑λi=1时，说明规模报酬为最佳收益状态。
　　（二）基于DEA-Malmquist指数的动态评价模型
　　Malmquist （M）指数是一种用非参数法来分析上一期投入与本期产出之间变化情况的方法，最初由Sten在研究消费分析时提出，用来评价不同消费时期投入指标的变化。1982年，Caves等将这一指数应用于测算生产效率的变化，引起了极大的反响，随后，Fare等人将这一理论与DEA模型相结合，用M指数来测算跨时期生产效率或全要素生产率的变化情况。本文以我国各省市物流行业作为决策单元r=1，2，…，n，研究时期t=1，2，…，T，在t时期内第r个决策单元的第i项投入为xtir（i=1，2，3），在t时期内第r个决策单元的第j项产出为ytjr（j=1，2），则求解M指数的距离函数Dt（xt+1r，yt+1r）：
　　minθ=[Dt（xt+1r，yt+1r）]-1
　　s.t∑nr=1xtirλr+s-i=θxt+1ir0，i=1，2，3
　　∑nr=1ytjrλr-s+j=yt+1jr0，j=1，2，3
　　λr0，s-i0，s+j0，r=1，2，…，n（2）
　　将式（2）中的t换成t+1可进一步求解Dt+1（xtr，ytr）和Dt（xt+1r，yt+1r）。
　　本文中M指数具体形式如下（式3）：
　　M（xt+1r，yt+1r，xtr，ytr）=
　　Dt+1（xt+1r，yt+1r）Dt（xtr，ytr）
　　×Dt+1（xt+1r，yt+1r）Dt（xtr，ytr）×Dt+1（xt+1r，yt+1r）Dt+1（xtr，ytr）12=EFFCH×TECHCH（3）
　　其中EFFCH表示技术变化效率指数，TECHCH表示技术进步指数。若M指数>1，说明t+1期相比t期的技术效率有所提高，反之则相反;若M指数=1，则说明总效率不变。当规模报酬发生变化时，EFFCH指数可进一步划分为规模效率变化（SEC）和纯技术效率变化（PTEC），具体形式如下（式4）：
　　EFFCH=Dt+1（xt+1r，yt+1r）Dt（xtr，ytr）=Dt+1（xt+1r，yt+1r/V）Dt（xtr，ytr/V）×St+1（xt+1r，yt+1r）St（xtr，ytr）=PTEC×SEC（4）
　　故M指数最终可分解为：
　　M（xt+1r，yt+1r，xtr，ytr）=PTEC×SEC×TECHCH（5）
　　上式中PTEC表示纯技术效率变化，SEC表示规模效率变化。PTEC>1时，说明纯技术效率上升，反之则反;SEC>1时，说明规模效率在上升，反之则反。
　　（三）数据说明
　　本文选取全国30个省市为决策单元（DMU），实证分析2009—2017年各省市物流业发展效率， 由于目前我国对于物流业没有明确的划分， 参考已有文献， 选择用交通运输、 仓储和邮政业代替物流业。根据指标选取原则，借鉴并整合已有的研究成果，从投入和产出两个角度构建我国物流业发展效率的评价指标体系。投入指标：（1）物流业固定资产投资总额（X1）：本文选择用各省市交通运输、仓储和邮政业固定资产投资总额代替物流业固定资产投资总额。（2）公路里程（X2）：由于各省市航空运输所占比例较小，本文选用公路、铁路及航道运输将其统一折算为公路长度，具体换算方法为：Lij=Xijkijgi+Gi，其中Lij为第i省第j种运输方式换算后的线路里程;Xij为第i省第j种运输方式的线路里程;kij为第i省第j种运输方式的每万公里运输能力;gi为第i省公路运输的每万公里运输能力;Gi为第i省公路里程;运输能力为该种运输方式的货物周转量与线路里程的比值。（3）物流业从业人数（X3）：将铁路、公路、管道、水上等运输业就业人数、装卸搬运等仓储业就业人数及邮政业就业人数经过简单汇总得到物流业就业人数。产出指标：（1）物流业总产值（Y1）：选取交通运输、仓储和邮政业总产值表示物流业的经济产出。（2）物流业全年货运量（Y2）。（3）物流业全年货物周转量（Y3）。本文所有变量数据均来源于2010—2018年的《中国统计年鉴》以及各地区统计年鉴，具体投入产出变量的描述性统计见表1。
　　二、实证分析
　　（一）各省市物流业发展效率的静态分析
　　本文运用Deap2.1软件对所得数据进行处理，根据式（1），测算出2009—2017年我国各省份物流行业的发展效率并将其分解为纯技术效率和规模效率，具体结果如表2所示。
　　经测算发现， 2009—2017年间我国总体物流业发展效率并不理想，平均综合技术效率仅有0.706，远没有达到有效水平，距物流业生产前沿面还有29.4%的上升空间。从技术效率值的变化趋势来看，如图1所示，样本期内我国的物流业发展效率虽有所提升，但总体波动幅度不大，一直保持在0.7～0.75之间。自2009年国务院颁布《物流业调整和振兴规划》，将物流产业列为“十大支柱产业”以来，我国的物流业发展效率缓慢上升，至2017年时出现拐点，这可能与近期的“贸易战”有关，进出口商品的相对减少，对物流业的年货运量与货物周转量有所影响，从而导致我国物流总体效率在降低。由于我国幅员辽阔，地势差异明显，对不同地区而言，其物流业发展效率存在的差异较大，如图2所示，三大地区呈梯状分布，其中东部地区效率值远高于全国平均水平，而中西部地区则在全国平均水平之下，东部地区明显高于中西部地区。具体来看，经济较为发达的东部地区，其在样本期内综合技术效率的平均值为0.832，一直处于领先地位，充分展现了东部地区沿海的地域优势，对全国物流业发展效率的增长起到了良好的带头作用。与东部地区相比，经济欠发达的中西部地区物流业发展效率要低很多，两者在分析期内的平均值分别仅有0.635和0.614。但中部地区的物流业发展效率总体波动性强，大体呈倒“∪”型分布，增幅明显，尤其在2011—2014年期间，增长率约为16.3%，这主要是因为党和国家早在“十一五”期间就提出我国中部崛起的战略计划，将中部地区划为发展城市群重点，随后的“十二五”规划，将交通运输作为“十二五”规划之一（《交通运输“十二五”发展规划》），坚持对外开放，统筹“引进来”与“走出去”，这对于作为我国重要运输枢纽和节点的中部地区来说，无疑是个发展物流业的大好机会。但由于一味的追求物流业发展效率的提升，扩大物流业生产规模，忽视了物流技术的创新和物流管理水平的提高，中部地区的物流综合技术效率在后期呈下降趋势。西部地区在经济基础与自然条件等约束下，物流业发展效率一直很低，且各省市物流水平差异较大，其中内蒙古和宁夏的物流业发展效率值为1，已达到有效水平，而青海和云南的效率值分别只有0.349和0.311。虽然国家在2012年对西部大开发战略进行解读，明確了战略部署的基本思路，对西部地区物流业的发展起到了一定的促进作用，在此期间西部地区物流业发展效率有了明显的提升，但仍然处于偏低位置，国家应有针对性的制定适合本地区物流业发展的政策，合理利用资源，平衡规模与技术双向发展，从根本上解决西部地区在物流方面存在的问题，缩小与东中部地区的差距。 　　从纯技术效率和规模效率方面来看，我国的平均纯技术效率为0.743，而平均规模效率为0.949，说明我国物流业发展效率的提升主要受限于较低的纯技术效率。从表2 可以看出，纯技术效率有效的城市有天津、河北、上海、山东、安徽、内蒙古及宁夏，说明这些省市拥有较为完善的企业管理模式，技术创新水平相对较高，能够合理利用资源配置。纯技术效率较低的城市有北京、黑龙江、云南、青海等，多集中在中西部地区，这些省市应学习上述省市的发展战略，找出自身存在的原因，积极引进先进的物流技术设备，加强内部管理，增强软实力，从而实现物流业发展效率的提高。相比较而言，我国物流业规模效率总体较高，接近生产前沿，提升的空间较小，且各省市之间不存在明显差异，除了海南、甘肃和青海三省规模效率偏低以外，其他省市均接近于或处于有效水平（规模效率高于0.9），占样本的90%。因此国家和各企业的改进策略应以技术创新、管理创新和制度创新为主，而不是一味追求资源投入的增加，无限制的扩大生产规模，忽视投入与产出的平衡，这样将适得其反。
　　为了进一步分析我国省际物流业发展效率的差异，本文绘制了我国物流业发展效率的空间分布图，如图3所示。从各省市的九年均值来看，只有天津、河北、上海、山东、安徽、内蒙古及宁夏这几个省市的各项效率值为1，处于DEA有效水平。其中天津、河北、上海和山东4个省市处于东部地区，拥有先天的地理优势，经调查发现近几年这4个省市的港口物流快速发展，对外贸易不断加大，提高了物流业整体水平;地处中部地区的安徽主要受益于“中部崛起战略计划”，抓住发展机遇，加强构建“两纵三横”的网状物流通道和“一圈、四区、多点”的区域物流布局，物流体系的一体化加速了安徽物流业的发展;西部地区的内蒙古及宁夏，属于该地区物流业的领头军，地理位置相对较优，处于东西部中轴线上，且西部大开发及“一带一路”政策的实施，为这两个省市的物流业创造了得天独厚的发展环境。以上几个省市应继续保持这种发展势头，为其他省市做好示范作用。此外，江苏、福建、河南和贵州的效率值也相对较高，在0.9和1之间，接近生产前沿面，但受纯技术效率影响偏大，说明这几个省市在调整物流投入和产出的同时优化物流技术即可達到有效水平。其中除了江苏以外，其他三个省市均处于规模报酬递增状态，说明依据当下的技术条件物流生产规模过小，高新物流技术不断涌现，现有的规模已不足以支撑足够的产出，要想提高物流综合效率就需要在调整其投入与产出比的同时适当的扩大物流业生产规模。而江苏在样本期内为规模报酬递减，加大投入已不能持续提高产出，经分析得知“十一五规划”之后，江苏省高度重视物流业的发展，2009—2011年全省物流业增加值年增长12%以上，2013年底，全面推进物流园区建设，投资总额超过30亿元，往后几年更是集中扩大生产规模，造成建筑物与土地的过度浪费，当下江苏省应减少非有效投入，统筹安排物流及配套公共服务设施用地选址和布局，优化产业配置，培养物流专业人才，做到投入与产出合理分配。效率值处于0.6～0.9之间的有辽宁、浙江、广东、江西和甘肃5个省市，其中浙江效率值最高，为0.812，这主要是因为浙江水路交通资源丰富，“十一五”期间颁发的《浙江省公路水路交通规划》，促进了浙江水路、公路交通向全局性、综合性格局发展，随后宁波舟山港被定为 “21世纪海上丝绸之路”主要物流枢纽，更是奠定了浙江物流业的国际地位。余下四个省市的物流业发展效率处于中等水平，发展潜力较大，通过调整产业结构，借鉴上述省市的发展经验，制定适合自身发展的物流政策，可以实现物流水平的大幅提高。效率值在0.3～0.6之间的有北京、海南、山西、吉林、黑龙江、湖北、湖南、广西、重庆、四川、云南、陕西、青海和新疆14个省市，处于这一区间的省市最多，占比达到46.7%，拉低了我国整体物流业发展水平，这些省市应成为国家推进物流技术创新政策重点的关注对象，找准限制各省市物流业发展的关键因素，通过合理优化资源配置模式和运用高新技术等来发展现代物流。
　　（二）各省市物流业发展效率动态分析
　　上文从静态方面对我国30个省市的物流业发展效率进行了测算与分析，为了进一步研究我国物流业发展效率的纵向变化趋势，将投入产出指标融入Malmquist指数，运用DEAP2.1软件计算2009—2017年各省市物流业全要素生产率指数并对其进行分解，结果如表3和表4所示。
　　由表3可知，研究期内我国物流业全要素生产率均值达到1.018，年均上升1.8%。其中技术效率变化指数为0.999，小于1，年均下降0.1%，说明在物流业投入量不变的情况下，实际的产出量在不断减少，逐渐偏离生产前沿面，可见我国大多省份的物流技术水平仍然偏低，在技术创新与管理模式等方面存在明显的不足。而平均技术进步指数为1.019，大于1，年均增长1.9%，这表明我国大力实施创新驱动发展战略有了显著的起色，重视新兴产业的开发，借助互联网和物联网等高新技术，向“智慧物流”大步迈进，由此可知技术进步的提高对Malmquist指数的上升起到了重要的促进作用。
　　从我国各年份平均Malmquist指数及其分解指数的变化趋势来看，如图4所示，分析期内技术进步指数与Malmquist指数的走势基本相同，均大致呈“Z”字型波动，说明技术进步与物流业总体发展水平关系密切。规模效率指数围绕1上下浮动，均值为0.994，有轻微下降趋势，这主要是因为我国物流业规模效率一直处于较高水平，发展空间较小，在着重发展物流技术的同时忽视对现有规模的改善在所难免，同静态分析结论基本吻合。而纯技术效率指数呈先上升后下降的趋势，同其他指标一样，在2011年出现拐点。经分析发现各项指标在2010—2011年均达到最高值，这与2009年国家首次把促进物流业发展纳入应对国际金融危机的“一揽子计划”，上升到国家战略层面有关。这一计划引起了各省市的高度重视，均大力发展物流业，主要体现在国家相继发布《关于促进甩挂运输发展的通知》（2009）、《关于推动农村邮政物流发展的意见》（2010）等，各省市加快调整物流格局，加大对基础设施的投资力度，整合现有资源，将物流企业向规模化经营和专业化服务扩展。但这种粗放式的经营格局并不能让物流业持续稳定的发展，2011年后期，生产矛盾日益突出，物流技术止步不前，投入量却只增不减，一味的扩大生产规模，致使物流业经济增长的质量和效益不增反降，投入产出比失衡严重。2015年往后，技术进步指数快速上升，截至2017年，实现了高达21.3%的增长，这主要是因为“十三五规划”强调实施创新驱动发展战略，大力激励创新机制，强化科技创新的作用，在这个大数据时代，互联网技术的广泛运用，使物流技术得到了前所未有的提升。而规模效率仍保持现有水平，没有明显波动，纯技术效率在2016年后期显著下滑，主要与2016年我国出台的各项物流政策有关，重生产、轻管理的特征明显，这表明我国应增强物流管理意识，加大对物流管理资金的投入，完善物流基础设施和管理体制，重视培养物流专业人才，在发展生产力的同时提高物流软实力。 　　为了进一步考察样本期内物流业各项指标系数的变化情况，根据表4所给数据具体分析到各省市。由表4可知，考察期间共有18个省市（分别为北京、河北、上海、吉林、江西等）全要素生产率大于1，物流综合水平在不断提高。通过式（3）对物流业全要素生产率进行分解发现，其中河北、辽宁、上海、广东、山西等10个省市的技术效率和技术进步指数均大于1，说明这些省市物流技术和内部管理达到有效水平，且不断更新和运用新兴物流技术，在这两者的共同作用下，上述省市的物流业在“智慧物流”的大环境下稳定发展。尤其是物流业全要素生产率排行第一的山西，积极利用自身优势（基础交通条件良好，铁路货运量居全国第一，区位优势明显，晋商物流底蕴深厚等），出台各项适合本地区条件的政策，改变原有单一粗放式的经营战略，推进物流业向规范化、标准化、信息化建设。在“天字型”物流通道网络和“三纵十二横十二环”高速东路主骨架得到完善后，山西省2017年物流总额达到27 431.1亿元，完成货运量18.95亿吨，同比增长13.4%，高于全国平均水平3.2个百分点。此外北京、浙江、福建等7个省市得益于技术进步的提高，只有江西省是来源于技术效率的改善。根据式（4）进一步对技术效率进行分解，江西省的纯技术效率和规模效率均大于1，说明江西省物流业水平的提高是由这两者共同发挥作用，不仅技术创新水平在提高，资源配置也得到有效利用，需继续保持这种正向发展趋势。而余下的天津、江苏、吉林、重庆等12个省市的物流业全要素生产率小于1，物流业发展效率在逐渐下降，经分析发现这些省市多集中在中西部地区。同上文分析一致，天津、江苏等东部地区主要是因为投入产出失衡，过分扩大生产规模忽视物流技术创新而导致的资源浪费限制了物流整体水平的提高。对于中西部地区来说，先天的地理位置与经济条件等劣势因素，迫使这些省市的物流业不仅起步晚，且发展慢，通过分解技术效率发现，这些省市的物流業发展效率下降是由纯技术效率和规模效率共同阻碍所致，因此接下来这两大地区的首要任务是充分利用后发优势，借鉴东部地区物流发展的经验和教训，吸引大量资金来改善生态条件、基础设施，使用先进的物流信息技术和商品技术，加强物流人才培养，提高物流从业人员基本素质，从“硬环境”和“软环境”双向着手，努力缩小与东部地区的差距。
　　三、结论与政策建议
　　本文选用基于规模报酬可变的投入导向型DEA模型和Malmquist指数模型，从静态与动态两方面对2009—2017年我国30个省市的物流业发展效率进行了测算分析，并实证考察了东中西三大地区的区域差异。主要结论如下：
　　1. 2009—2017年间，总体物流业发展效率一般，年均综合技术效率值仅有0.706，但一直保持稳中有升的良好发展势头，至2017年出现拐点，可能与近期的“贸易战”有关，进出口货物的减少对我国物流业有一定的影响，更主要是因为十九大将2017年定为我国物流业进入以提升质量和效益为核心的发展新阶段，一项产业的转型升级必定需要一个适应期，相信不久之后，我国物流业会向更高水平大步迈进。
　　2. 纯技术效率低下一直是阻碍我国物流业发展的重要因素，三大地区之间效率值差异较大，经济较为发达的东部地区纯技术效率值为0.842，中西部地区则仅有0.649和0.715，研究期内虽均有一定的提升，但总体波动性较强，在上升与下降的态势间往复运动，说明我国物流纯技术效率发展很不稳定，易受国家政策和市场环境等外部因素的影响。总体来看，中部地区正努力缩小与东部地区的差距，坚持技术创新和完善内部管理模式，效果显著，但西部地区有逐渐拉大差距的危险。
　　3. 研究期内我国物流业全要素生产率为1.018，年均增长1.8%，主要得益于技术进步的改善，技术效率和技术进步的不均衡发展限制了我国物流水平的提升，说明我国虽然一直在更新物流技术，但技术水平仍然偏低，现有的物流技术无法支撑物流业高效快速发展。
　　本文包含的政策建议：
　　（1）我国物流业进入发展新阶段，要想提高物流业发展效率和物流供给质量，降低物流成本也是有效途径之一，2017年物流总成本占全国GDP的14.6%，比发达国家仍高出5-6个百分点。物流业是由运输业、仓储业等多种行业整合的复合型产业，因此可以通过完善物流基础设施的布局规划、促进多种运输方式无缝连接、积极利用互联网技术获得真实数据来制定最优化路线等方法降低运输成本，同时加强技术更新，大胆使用“自动化立体仓库”、“无人仓库”等智能技术，早日实现“零库存”目标。
　　（2）受经济水平和自然条件等因素的影响，我国三大地区的物流水平差距明显。东部地区一直保持着领先状态，应继续利用好自身沿海的地域优势，加强国内外合作交流，通过运用先进物流技术和管理方式继续优化物流格局，同时也要加强与中西部地区的沟通，实现协调发展，带动另外两大区域共同进步。中西部地区要积极参考东部地区发展战略，总结东部地区的经验和教训，制定出适合自身的发展政策，比如中部地区要加强实施“中部崛起”发展规划，贯彻“三基地、一枢纽、一中心、四区”的战略定位，西部地区要抓住南向通道带来的发展机遇，联合“一带一路”政策破解西部物流的 “瓶颈”问题，优化产业升级，加大技术创新力度，努力跟上东部地区的发展步伐。
　　（3）在“智慧物流”的背景下，开发物流 “智慧技术”显得尤为重要，要适当的增加技术改造、物流基础设备升级和人才培养机构的投资力度，培养出更多专业的IT人才和熟知物流变化规律的人才，把传感技术、EDI、RFID等新技术与物流传统技术有机结合，同时更要完善内部管理方式，提高物流管理水平和运作水平，合理优化资源配置，从“技术进步”和“技术效率提高”两方面共同促进物流业发展。
　　参考文献：
　　[1] 孙善祥，杨宏伟.西部地区物流发展水平研究[J].物流科技，2015，38（7）：98-100.
　　[2] 高腾.基于DEA的中国地区物流业发展效率研究[J].中国市场，2008（6）：74-76. 　　[3] 刘秉镰，余泳泽.我国物流业地区间效率差异及其影响因素实证研究——基于数据包络分析模型及托宾模型的分析[J].中国流通经济，2010，24（9）：18-21.
　　[4] Min H， Joo S J. Benchmarking the operational efficiency of third party logistics providers using data envelopment analysis[J].Supply Chain Management，2006，11（3）：259-265.
　　[5] Wanke P F.Physical Infrastructure and ShipmentConsolidation Efficiency Drivers in brazilian Ports：A Two-Stage Network-DEA Approach [J].Transport Policy，2013（29）：145-153.
　　[6] Shaik M N，Abdul-Kader W. Comprehensive performance measurement and causal-effect decision making model for reverse logistics enterprise[J].Computers &Industrial Engineering，2014（68）：87-103.
　　[7] Somogyi M，Bokor. Assessing the logistics efficiency of European countries by using the DEA-PCmethodology[J].Transport，2014，29（2）：37-145.
　　[8] 鄧学平，王旭，Ada Suk Fung Ng.我国物流企业生产效率与规模效率[J].系统工程理论与实践，2009，29（4）：34-42.
　　[9] 王琴梅，谭翠娥. 对西安市物流业发展效率及其影响因素的实证研究——基于DEA模型和Tobit回归模型的分析[J]. 软科学，2013（5）：70-74.
　　[10] 李开.基于DEA-Tobit模型的物流产业效率分析——以东部省份为例[J].物流技术，2017（5）：56-59.
　　[11] 黄勇，徐景昊.我国中部6省社会物流业发展效率的分析与评价[J].铁道运输与经济，2009（11）：78-81.
　　[12] 高慕瑾，雷玲. 西部物流业发展效率的实证分析[J]. 云南财经大学学报（社会科学版），2012（2）：102-105.
　　[13] 王蕾，薛国梁，张红丽. 基于DEA分析法的新疆北疆现代物流业发展效率分析[J]. 资源科学，2014（7）：1 425-1 433.
　　[14] 张昊，高康. 中国西部地区物流业发展效率时空分布及影响因素研究——基于超效率DEA与Tobit回归[J]. 新疆农垦经济，2018（9）：57-64.
　　[15] 孟魁.基于三阶段DEA 方法的中游六省物流业发展效率评价[J].统计与决策，2014（2）：57-60.
　　[16] 严慧斌，崔跃武，汪克亮. 区域大中型工业企业技术创新效率评价——基于DEA的Malmquist指数法[J]. 安徽理工大学学报（社会科学版），2014（2）：20-28.
　　[17] 范建平，肖慧，樊晓宏. 考虑非期望产出的改进EBM-DEA三阶段模型——基于中国省际物流业效率的实证分析[J]. 中国管理科学，2017（8）：166-174.
　　[18] Avkiran N K，Rowlands T. How to better identify the true managerial performance：State of the art using DEA[J]. Omega，2008，36（2）：317-324.
　　[19] Qiang C，Ye L.The evaluation of transportation energy efficiency：An application of three-stage virtual frontier DEA[J].Transportation Research Part D，2014（29）：1-11.
　　[20] Li K，Lin B Q. Impact of energy conservation policies on the green productivity in China’s manufacturing sector： Evidence from a three-stage DEA model[J]. Applied Energy，2016（168）：351-363.
　　[21] 杨双鹏，赵近. 西部地区物流业发展效率及其影响因素——基于DEA模型和Tobit回归模型的实证分析[J]. 物流科技，2018（5）：24-27.
　　[22] 张萌物，漆棪. 基于DEA-Malmquist模型的陕西省物流产业效率综合评价[J]. 技术与创新管理，2019（2）：237-243.
　　[责任编辑：范 君]
转载注明来源:https://www.xzbu.com/4/view-15248406.htm