我國物流業TFP增長率的測算及分解

丁小平　劉金東

摘 要：采用1997—2011年我國31個省區物流業面板數據建立隨機生產邊界模型，利用Kumbhakar等（2000）的方法對我國物流業TFP增長率進行測算和分解，分析表明：技術進步因素是我國物流業TFP增長的主要原因，技術效率改進、規模效率和配置效率因素均存在對技術進步因素的抵減效應；技術效率改進和規模效率因素的作用逐年遞減，而配置效率因素的作用逐年上升。進一步對我國物流業TFP增長率的區域差異進行基尼分解，結果表明技術效率和配置效率是造成區域間物流業TFP增長率差異的主要原因，反映出各省區物流業發展存在較強的階段差異。提升我國物流業長期發展水平，不僅依賴于先進技術和方法引進帶來的技術進步因素，還必須注重提高技術效率、規模效率以及配置效率；減少物流業發展的區域差異，則需要提升落后地區的技術效率和配置效率。

關鍵詞：物流業；隨機生產邊界模型；全要素生產率增長分解；基尼分解；技術進步；技術效率；規模效率；配置效率

中圖分類號：F506；F224.9 文獻標志碼：A 文章編號：16748131（2013）05006111

一、引 言

物流業是最主要的生產性服務行業之一，在帶動其他產業、促進經濟增長、提升就業容量方面發揮著舉足輕重的作用。2008年全球金融危機爆發之后，我國就將物流業列為“十大振興產業”之一，可見，其對社會、經濟的影響力也得到了政府層面的重視。在此背景下，我國物流業取得了可喜的發展，增加值占國內生產總值的比重從20世紀90年代初的3.3%增長到2010年的6.8%。但必須看到的是，雖然物流業的繁榮帶來了經濟的增長，但物流業的勞動力投入在大幅攀升，其吸納的資本投入也在逐年累加，這些都表明，對物流業發展的衡量不能以偏概全地只看產出而不考慮投入，只有從投入產出的綜合視角，才能全面衡量我國物流業發展的效率和質量。尤其是我國現有的地方利益格局限制了物流系統的相互銜接，造成大量重復建設和資源浪費，投入量的無序增加也促使我們開始思考：我國物流業的全要素生產率（下文簡稱TFP）到底處在什么水平？TFP的增長主要在于技術進步、技術效率改進、規模效率以及配置效率四種因素，考慮到我國物流業發展起步較晚，和國外發達國家相比仍然有不小的差距，找出我國物流業TFP增長的主要因素，有助于我們認識物流業當前發展的內在增長方式，為物流業的長遠發展提供啟示。

憑借良好的先發優勢，歐美國家的物流業無論是在經營能力還是客觀條件上都已經達到了很高的水平，加之其從業者身份基本上是民間私人或者私有企業，因而對物流業總體生產率的研究較為有限，大多數的文獻都集中在對港口和機場等微觀物流單位的TFP研究上。如Estache等（2004）利用DEAMalmquist方法測算了1996—1999年墨西哥11個主要港口的TFP增長水平并進行了因素分解，發現雖然大西洋港口和太平洋港口在不同年份TFP增長率的推動因素有所不同，但總的結果是使得TFP保持了年均4.1%的增長水平。Oum等（2008）利用貝葉斯計算方法建立超越對數生產函數形式的隨機生產邊界模型，衡量了世界范圍內109個大型國際機場2001—2004年的TFP水平。Tovar等（2010）利用DEAMalmquist方法衡量了西班牙大型國際機場的TFP變動，發現其增長的主要動力來自于技術效率因素，規模效率和技術進步都是次要因素。國外研究者的研究范圍也包括中國樣本，如Fung等（2008）利用DEAMalmquist方法衡量了1995—2004年中國25個大型國際機場的TFP變動情況，分解結果顯示出很強的技術進步水平和較低的技術效率水平，使得最終的TFP增長率微弱為正。

國內的研究則相對寬泛，部分學者沿著國外研究者的思路針對我國民航機場、海港碼頭等交通運輸行業內微觀樣本的TFP變動做了詳細的研究，如于劍（2007）利用DEAMalmquist方法衡量了國內5家大型航空公司在2002—2006年的TFP變動情況，發現總體呈現顯著的上升趨勢，分解結果表明技術進步和技術效率改進是TFP提升的主要動力。從現有文獻來看，國內學者的研究更多集中在產業層面，從較狹窄的交通運輸業，到普通意義上的物流業，不一而足。余思勤等（2004）利用DEAMalmquist方法分析了1990—2000年我國交通運輸業TFP的變動情況，其研究結果顯示，不同運輸方式的TFP變動情況也呈現出不同的特征。王亞華等（2008）利用Bootstrap的DEAMalmquist方法衡量了國內交通運輸業及其四個主要部門在1980—2005年的TFP變動情況，發現我國交通運輸業的TFP一直保持增長態勢，尤其是進入21世紀后開始加速增長，其主要動力源泉來自于技術進步因素，而技術效率因素變化緩慢甚至是起負作用。而劉玉海等（2008）利用DEAMalmquist方法衡量了國內交通運輸業在2000—2004年的較短時期內TFP的變動情況，得出的結論略有不同，他們的研究結果顯示，2000年以后我國交通運輸業的TFP一直保持增長的原始動力在于技術效率和規模效率，而技術進步因素一直在下降。田剛等（2009）構建了Battese等（1992）年提出的隨機生產邊界模型，利用1991—2007年我國省級面板數據測算了我國物流業的TFP增長情況，結果表明，我國物流業TFP持續上升且區域間的差異逐年拉大，技術進步是最主要的因素，技術效率則起負面作用。余泳澤等（2010）采用同樣的方法分析了2003—2008年我國區域物流業的TFP，結果顯示我國物流業TFP增長呈現震蕩式上升趨勢，上升幅度按東部、中部、西部依次降低，表現出了顯著的區域差異。田剛等（2011）利用隨機生產邊界模型的分析發現，環境因素的差異是造成地區間物流業TFP差異不斷擴大的重要原因。

目前，計算TFP的方法主要有三種：一是Solow（1957）提出的索羅余值法，但索羅余值法本身隱含最優生產、規模報酬不變等假設，因而只能衡量TFP增長水平而無法進行完全分解。二是Caves等（1982）基于DEA（數據包絡分析）的Malmquist生產率指數法，該方法是最早的TFP變動分解方法，將TFP變動分解為技術進步因素、技術效率改進和規模效率因素；但是DEAMalmquist方法沒有考慮配置效率因素，從而給分解帶來了偏差。三是Kumbhakar等（2000）提出的基于SFA（隨機生產邊界分析）的分解方法（下文簡稱KL分解方法），對TFP增長進行了四種因素的完全分解，而且相比前兩種方法還考慮了隨機沖擊的影響。

上述研究至少在三點存在不足：一是國內外研究以非參數的DEAMalmquist方法為主，參數的SFA方法應用范圍仍然有限，而DEAMalmquist方法的最大缺陷是無法計算配置效率，且沒有考慮隨機誤差；二是國內學者中雖然已經有田剛等（2009；2011）以及余泳澤等（2010）采用SFA方法對我國物流業做了詳細研究，但他們基于SFA的TFP增長分解并沒有將配置效率因素納入進來，而是簡單地假設要素資源配置始終在市場最優水平上，這顯然不符合實際情況；三是國內學者如田剛等（2011）雖然分析了物流環境對技術效率區域差異的影響，但對TFP增長水平區域差異的因素來源卻缺乏相關研究。

針對上述研究缺陷，本文基于隨機生產邊界模型的KL分解方法全面衡量我國物流業TFP增長的四種因素，彌補了國內外研究在配置效率因素分解上的缺失；同時，從技術進步、技術效率改進、規模效率、配置效率四種因素出發找出對全局性和區域性物流業TFP增長最為關鍵的因素，并進一步針對省區間TFP增長率差異進行基尼分解，探析影響我國物流業TFP增長率區域差異的主要因素。

二、研究變量選擇及數據說明

考慮到重慶市1997年以前的指標數據難以獲取，本文用于隨機生產邊界模型估計的數據是1997—2011年我國內地31個省區的面板數據。按照國家統計局和國家標準局制定的國民經濟行業分類標準，物流業應該包括交通運輸業、倉儲業、郵政業以及批發零售業中的包裝、流通、配送部分，但是批發零售業數據無法分離出屬于物流產業的部分；同時余泳澤等（2010）、張毅等（2010）等絕大多數學者的研究認為物流業是交通運輸業、倉儲業和郵政業的復合產業，本文也以這三個行業來界定物流業，下文的物流業數據也均指這三個行業的加總數據。

產出變量：物流業不同于生產行業，其所提供的是物流服務。由于我國長期實行低廉、穩定的運價政策，使得基于價值形態的產業增加值無法真實反映我國物流業的產出情況，造成了價值量和產出量嚴重背離的問題。相比而言，基于實用價值形態的貨物周轉量無疑更能反映物流業的真實產出情況，也有利于不同地區之間進行對比。因此，本文參考田剛等（2009）的研究，將貨物周轉量設定為唯一的產出變量。1997—2011年的分地區貨物周轉量數據來自于歷年的《中國統計年鑒》，單位為億噸公里。

投入變量：從行業生產投入要素來講，主要有勞動力投入和資本投入。勞動力投入方面有分地區物流業職工人數和分地區物流業從業人員數兩個指標，前者僅包括所有在物流企業工作的正式工作人員，沒有將個體從業者、離退休返聘人員等就業者納入進來，因而本文選取涵蓋更為廣泛的從業人員數作為物流業勞動力投入變量。1997—2011年的分地區物流業從業人員數據來自于歷年的《中國勞動統計年鑒》，單位為萬人。資本投入則選取了歷年的分地區物流業資本存量作為投入變量，但由于缺乏現成的存量數據，我們仿照國際通用的“永續盤存法”利用歷年的分地區物流業全社會固定資產投資數據進行估算，計算方法如下：

對歷年的分地區物流業全社會固定資產投資數據利用分地區固定資產投資價格指數進行價格平減，基期設置為1997年。1997—2011年的分地區物流業全社會固定資產投資數據來自于中經網統計數據庫，單位為億元；1997—2011年的分地區固定資產投資價格指數來自于歷年的《中國統計年鑒》，西藏地區的固定資產投資價格指數數據缺失，以相鄰的青海省歷年固定資產投資價格指數來代替。

根據Wu（2000）的算法，每個地區經過價格平減后的物流業全社會固定資產投資（INV）時間序列近似有如下形式：

INVit=INVi0eλit

（1）

兩端對數化后，有：

lnINVit=lnINVi0+λit

（2）

利用各地區的物流業全社會固定資產投資時間序列分別進行最小二乘回歸，能夠得到各地區的INVi0和λi，那么根據式（1），物流業初始資本存量可以求解如下：Ki0=∫0-∞INVitdt=∫0-∞INVi0eλitdt=INVi0λi

（3） 該初始資本存量可以看作是到1997年初時各地區累計的物流業資本存量，則根據“永續盤存法”，從1997年開始利用（4）式依次計算各地區歷年物流業資本存量：

Kit=Ki（t-1）（1-δ）+INVit

（4）

δ為折舊率，國內研究在折舊率的處理上往往缺乏精確依據，如田剛等（2009）就粗略地將折舊率設為5%。實際上，相比國內外所有的經典研究，5%已經是折舊率的最低線，即使是Hall等（1999）和Young（2000）針對經濟增長速度較慢的國家和地區的核算，都已經將折舊率設定到6%的水平，更何況中國正處于高速發展時期，資本品的折舊率顯然不會低至如此。張軍等（2004）將資本品分類并各自設定使用壽命后的加權平均結果顯示，各地區固定資本形成總額的折舊率為9.6%。因此，本文采用張軍等（2004）的結果，將折舊率設置為0.096。

本文各投入產出變量數據的描述性統計如表1所示。

表1 投入產出變量的描述性統計分析

變量 年份 平均值 標準差 最小值 最大值 樣本數

物流業

資本

存量 1997 945.83 836.30 42.22 3 697.05 31

1998 1 010.58 851.22 43.25 3 796.85 31

1999 1 074.47 877.31 44.17 3 931.83 31

2000 1141.47 911.20 63.30 4122.21 31

2001 1 222.20 944.09 85.23 4 298.21 31

2002 1 295.81 966.74 117.23 4 424.89 31

2003 1 346.30 978.30 149.05 4 455.43 31

2004 1 420.21 1007.24 188.27 4 563.21 31

2005 1 531.55 1 052.49 226.77 4 700.65 31

2006 1 693.47 1 130.28 2 65.08 4 976.33 31

2007 1 865.76 1 197.91 297.47 5 256.67 31

2008 2 037.35 1 268.63 325.30 5 649.32 31

2009 2 352.96 1 411.52 356.47 6 442.79 31

2010 2 729.68 1 583.93 406.50 7 303.73 31

2011 3 137.84 1 787.37 469.24 8 176.88 31

物流業

從業

人數 1997 27.43 15.20 1.80 56.70 31

1998 23.27 12.83 1.60 50.60 31

1999 22.72 12.54 1.50 49.40 31

2000 21.95 12.14 1.10 47.40 31

2001 21.02 11.30 1.45 44.40 31

2002 20.63 10.97 1.14 44.72 31

2003 20.53 10.97 0.81 43.74 31

2004 20.38 11.03 0.67 45.05 31

2005 19.80 11.06 0.68 47.31 31

2006 19.77 11.41 0.75 48.28 31

2007 20.10 11.92 0.84 48.77 31

2008 20.23 12.01 0.82 49.27 31

2009 20.46 12.56 0.73 53.54 31

2010 20.36 12.77 0.69 56.10 31

2011 21.38 14.15 0.60 61.85 31

貨物

周轉量 1997 688.4 464.0 18.9 2 059.7 31

1998 668.8 434.9 7.9 1952.5 31

1999 1 147.3 1 265.7 13.8 5 454.7 31

2000 1 278.9 1 433.2 13.5 6 286.9 31

2001 1 374.0 1 568.7 17.2 6 721.7 31

2002 1 465.4 1 705.6 22.3 7 391.8 31

2003 1 603.8 1 849.9 27.1 8 492.3 31

2004 2 013.3 2 581.8 23.1 11 223.3 31

2005 2 307.9 3 016.6 40.7 12 593.0 31

2006 2 538.4 3 224.2 38.3 13 830.2 31

2007 2 916.8 3 833.5 41.6 16 053.6 31

2008 3 201.3 3 287.3 35.5 16 029.8 31

2009 3 583.4 3 427.4 35.3 14 372.6 31

2010 4 210.0 4 143.7 38.5 18 918.2 31

2011 4 792.6 4 538.7 40.0 30 956.0 31

三、隨機生產邊界模型的構建及TFP增長分解方法

1.隨機生產邊界模型的構建和檢驗

考慮到生產函數形式的包容性問題，本文選取Christensen等（1971）提出的超越對數函數作為研究物流業全要素生產率增長的生產函數形式。之所以選用超越對數生產函數，是因為它能夠克服一般函數無法衡量技術進步和替代彈性的缺陷。超越對數生產函數包含所有投入要素的產出彈性、技術進步、技術非中性、技術效率和要素間替代彈性，柯布道格拉斯生產函數（CD函數）只是它的一個特例，因而生產函數的包容性更好。由此，隨機生產邊界模型構建如下：

lnSit=β0+β1lnKit+β2lnPit+β3t+

12[β4（lnKit）2+β5（lnPit）2+β6t2]+

β7tlnKit+β8tlnPit+β9lnKitlnPit+

（vit-uit）

（5）

（5）式中，S為歷年分地區物流業貨物周轉量；K為歷年分地區物流業資本存量；P為歷年分地區物流業從業人員數；t為時間變量，從1997年起記為1，往后依次遞增。非隨機誤差項uit的分布形式選擇Battese等（1992）的經典假設，即uit具有指數線性增長率：ui～N+（μ，σ2μ），uit=exp{-η（t-Ti）}ui。其中Ti是生產單位i的最后一個時期；η是時變參數，反映生產單位技術效率水平隨時間的變化趨勢，當η>0，生產單位的技術效率水平逐漸升高，反之則逐漸降低。

為了使本文建立的隨機生產邊界模型更有說服力，對以上隨機生產邊界模型形式進行了4個廣義似然比檢驗（Generalized Likelihoodratio Test）。首先構造卡方統計量如下：

χ2=-2ln[L（H0）/L（H1）]

=-2[lnL（H0）-lnL（H1）]

（6）

（6）式中，lnL（H0）和lnL（H1）分別為有約束條件下和無約束條件下的隨機生產邊界模型的對數似然函數值。如果原假設（H0）成立，則統計量χ2服從自由度為受約束條件數的混合卡方分布。運用FRONTIER 4.1統計軟件，計算結果如表2所示。

表2中似然比檢驗的結果顯示，針對生產函數為CD形式、生產函數不含技術進步、生產函數為希克斯中性技術進步以及技術效率無時間變化趨勢的四個原假設均在1%顯著水平被拒絕，也就是說上文中構建的隨機生產邊界模型是合理的。

表2 隨機生產邊界模型形式的檢驗

H0及含義 lnL（H）

H0 H1

χ2自由度臨界值

1% 5%

結論

生產函數為CD形式（β4=β5=β7=β8=β9=0） -200.37 -186.07 28.60 5 14.33 10.37 拒絕

不含技術進步（β4=β6=β7=β8=0） -262.84 -186.07 153.55 4 12.48 8.76 拒絕

希克斯中性技術進步（β12=β13=β14=0） -195.46 -186.07 18.79 2 8.27 5.14 拒絕

技術效率無時間變化趨勢（η=0） -210.35 -186.07 48.56 1 5.41 2.71 拒絕

2.TFP增長分解推導

假設隨機生產邊界模型基本形式如下：

yit=f（Xit，β，t）exp（vit-uit）

（7）

根據Kumbhakar等（2000）的研究，物流業TFP增長率可以進行如下分解：

TFP·=y·-X·=y·-jsjxj·

=lnf（x，t；β）t+（ε-1）jεjεxi·+

j（εjε-sj）xj·-dudt

=Tch+SEch+AEch+TEch

（8）

“·”表示變化率，X·=ΔXX；sj表示對應于各投入要素j的支出份額，令wj為要素價格，那么要素j的支出份額可表示為sj = wj xj wj xj ；εj=xjfxjf表示投入要素j的產出彈性，各要素產出彈性之和為規模彈性ε=jεj。

通過（8）式就將物流業TFP增長率分解為四個部分：

Tch=lnf（x，t；β）t，表示控制要素投入后生產邊界隨時間的移動趨勢，它反映了技術進步因素對產出增長的貢獻，其動力源泉是發明和創新，來自于知識的更新升級。對于我國物流業發展而言，技術進步主要來自于先進技術和先進方法的引進。先進技術和先進方法的引進能夠使物流業產出水平在其他因素不變的情況下發生跳躍性提升，其最優生產水平（生產邊界）向外推移，使得同樣的投入下能夠得到的最大產出相應提高。

TEch=-ut，表示控制要素投入和技術水平后實際產出與最優產出比值的變化率，即實際生產點對生產邊界的追趕速度，它反映的是技術效率變化。技術效率提高的動力源泉在于模仿學習和組織實施，實際上就是對技術進步的執行能力，可以來自于物流業從業人員素質水平的提高，也可以來自于物流業從業人員“干中學（learning by doing）”下的勞動熟練。

SEch=（ε-1）jεjεxj·，表示其他因素不變的前提下增加要素投入后產出的變化狀況，它反映了物流業的規模經濟（Economy of Scale）程度。ε-1>0意味著規模報酬遞增；ε-1<0意味著規模報酬遞減；ε-1=0則意味著規模報酬不變。物流業的規模經濟程度主要與其發展的規模化、專業化有關，考慮到物流業本身是為企業和個人提供全面的運輸傳遞服務的行業，涉及貨物和信息的大跨度轉移，只有企業本身規模化程度高，才能增強服務能力和市場吸引力，獲得更高的收益。

AEch=j（εjε-sj）xj·，反映經濟增長中的配置效率因素，其中εjε-sj表示實際要素投入比例與利潤最大化條件下新古典增長模型要求的最優要素匹配比率的差別。物流業的發展需要將投資分配到勞動力投入和資本投入兩方面，到底是多少份額的成本投入到從業人員報酬上，多少份額的成本投入到資本上，都需要根據兩種要素的邊際產出對比來有效配置。不過實際中，由于從業人員工資的粘性和投資收益的不可預知性，對成本份額的分配不可能保持在最有效率的配置上。尤其是我國物流業的發展長期以來過于強調廉價勞動力優勢，勞動密集性甚于資本密集性，其配置效率水平的高低顯然會影響到物流業產出水平。

四、基于隨機生產邊界模型的我國物流業TFP增長分解

1.模型估計

在所建隨機生產邊界模型的基礎上，運用FRONTIER 4.1軟件，估計結果如表3所示。

表3 我國物流業隨機生產邊界模型估計結果

系數 變量 估計值 系數 變量 估計值

β0 常數項 -33.093* * *（-22.522） β6 t2 0.003 （0.691）

β1 lnK 1.990* * *（2.459） β7 tlnK 0.006 （0.267）

β2 lnP 5.080* * *（11.579） β8 tlnP -0.005 （-0.260）

β3 t 0.178*（1.385） β9 lnKlnP -0.123 （-0.862）

β4 lnKlnK -0.051 （-0.286） η 時變參數 -0.043* * *（-7.550）

β5 lnPlnP -0.317* * *（-3.083） γ 非隨機誤差占比 0.907* * * （83.720）

注：（1）* * *、* *、*分別表示在1%、5%、10%水平下顯著；（2）括號中是各個系數估計值的對應t統計值。

從表3中可以看到，估計得出的隨機生產邊界模型非隨機誤差占比γ統計量為γ=σ2u/（σ2u+σ2v）=0.907，即復合誤差項中非隨機誤差項的方差占比為90.7%，這表明實際物流業產出水平與最優物流業產出水平的差距有相當大部分來源于技術無效率。因此，在模型中引入表征技術非效率的非隨機誤差項是極其必要的。時變參數η在1%水平內顯著為負（-0.043），表明我國物流業投入產出的技術效率水平是逐年遞減的。

2.TFP增長分解結果

測算的我國31個省區物流業的年平均TFP增長分解結果如圖1所示。

從整體來看，我國物流業的TFP變動率一直為正，平均為0.042，說明我國物流業TFP不斷增長，平均年增長率為4.2%。TFP增長率在1998到1999年有一個顯著的增加，此后維持在一個相對穩定的水平，約在0.05上下輕微波動，但在2009年以后降低到0.015左右的水平上，這表明我國物流業的TFP增長幅度開始有所下降，2010年最低達到了0.012。1999年是我國物流業發展的一個轉折點，一方面我國經濟自1999年開始連年高速增長，這成為帶動我國物流業發展的發動機，我國的貨運總量和周轉量增速都在這一年開始加速上行。當然，經濟的高速發展也對物流業提出了新的要求，1999年11月，以時任副總理吳邦國在“現代物流發展國際研討會”上的重要講話為標志，中國政府開始正式提出發展現代物流的口號，中國物流發展進入新的一頁。2008年則成為我國物流業短暫向下的拐點，當時的金融危機逐漸演變成為全面的經濟危機，對我國出口導向型的制造業帶來了沉重打擊，進而抑制了我國經濟的總體增長速度，對我國物流業發展也產生了不利影響。

注：由于計算過程涉及差分，1997年數據缺省，下同。

圖1 1998—2011年我國物流業TFP增長分解示意圖

從四種因素來看，技術進步因素（Tch）一直是我國物流業TFP增長的最重要動力，平均為0.182。技術效率改進因素（TEch）一直為負，平均為-0.069，即物流業投入產出的技術效率水平一直在逐年下降，平均抵消了技術進步因素約三分之一的正向效應，這說明我國物流行業雖然在先進技術的引入上力度較大，但技術應用水平的提高速度落后于技術引進速度，產生了技術性資源浪費。規模效率因素（SEch）除了1998和2001兩年為正外，其他年份均不同程度為負，平均為-0.016，剔除2001年因為江蘇規模效率畸高造成的異常值以外，整體呈下降趨勢，下降的根源在于勞動力和資本兩種要素投入的邊際產出彈性總和連年下降。圖2顯示我國物流業勞動力投入的邊際產出彈性連年下降，而資本投入的邊際產出彈性連年上升，不過后者上升的幅度要明顯低于前者下降的幅度，所以二者的總和連年下降。配置效率因素（AEch）一直為負，平均為-0.055，不過整體呈輕微的上升趨勢。從圖2中可以看到，兩種要素邊際產出彈性的剪刀差逐年縮小，到2011年為止，已經接近相交于一點。未來兩種投入的邊際產出彈性不僅要持平，還會在相交后出現反向剪刀差，而目前我國物流業資本投入的支出份額逐年上升，這將促使配置效率的提升。上述因素分解結果與田剛等（2009）的研究基本一致，技術效率改進因素、規模效率因素和配置效率因素合計抵減了技術進步因素76.92%的正向效應。

圖2 1998—2011年我國物流業勞動力和

資本投入的邊際產出彈性

四種因素中，技術進步因素和技術效率改進因素均外生于要素投入，而規模效率因素和配置效率因素則和要素投入的規模大小和變化程度密切相關。相比來說，技術進步因素和技術效率改進因素在各年中均較為平緩，大體呈直線式變化；而規模效率因素和配置效率因素則波動較大，整體呈現此消彼長的態勢，兩者的交疊效應促成了物流業TFP增長率的波動起伏。如1999年，在發展現代物流的政府倡導下，物流業開始加大了資本投入，1998—1999年TFP增長率的遽升就是因為配置效率因素的增長幅度大大超過了規模效率的降低幅度所造成的。再如2008年經濟危機帶來的經濟增速減慢導致了物流業發展的規模效率和配置效率的同時降低，從而造成2008—2009年TFP增長率的驟減。不過，經濟危機下物流企業控制成本動機的增強以及新《勞動合同法》下用工成本的加大，都促使物流業發展開始注重從勞動密集化向資本密集化轉變（唐躍軍 等，2009），因此，在2009年以后雖然規模效率因素繼續下降，但配置效率卻開始觸底反彈，逐年上升。

五、我國物流業TFP增長率區域差異的基尼分解

以上只是我國物流業TFP增長率的各年平均水平，為了更深入分析我國物流業TFP變動規律，我們分省區看物流業TFP增長率的變化情況。由于篇幅所限，表4只羅列了奇數年各省區物流業TFP增長率。

從物流業TFP增長率平均水平來看，31個省區中最高的前5名依次是上海、江蘇、山東、天津和廣東，均處于經濟較為發達的東部沿海地區，具有不同程度的外向型經濟特征和依托自身區位優勢的立體化交通形態，這些都為它們的物流業發展提供了優越條件。最低的5個省區依次是西藏、吉林、重慶、內蒙古和云南，都是完全的內陸地區且經濟條件較為落后，一方面缺乏支柱產業的帶動支持，另一方面缺乏發展物流業的先天地理優勢。

從物流業TFP增長率的變動規律來看，接近半數（15個）的省區物流業TFP增長率持續為正，它們分別是東北地區的遼寧，東部地區的天津、上海、江蘇、浙江、山東、廣東、海南，中部地區的安徽、江西、河南、湖北，西部地區的甘肅、寧夏、新疆。東部地區能夠有效利用沿海區位優勢發展外向型經濟和構建立體化交通體系；遼寧則除了自身沿海優勢外，還充當了內蒙古、東北地區向南的連接線；中西部省區中安徽、江西、河南、湖北等都是不同地區間的接合部，具有發展物流業的得天獨厚的優勢，較為特殊的新疆、甘肅則處于亞歐大陸橋的連接線路上，是被視為未來最具有潛力的物流大省。北京、河北、福建等10個省區的物流業TFP增長率呈現先正后負的變動規律，不過除了北京以外，它們降至負值的年份均在2008年以后，這表明經濟危機后制造業等產業的集體低迷是這些省區物流業TFP增長率降至零以下的根本原因。西藏、吉林、重慶、內蒙古等省區的物流業TFP增長率不斷波動，這些省區也無一例外地處在全國TFP增長率排名下游。

表4 我國各省區物流業TFP增長率

省區 1999 2001 2003 2005 2007 2009 2011 平均 變動規律

天津 0.091 0.117 0.134 0.069 0.072 0.059 0.083 0.091 一直為正

遼寧 0.040 0.084 0.129 0.086 0.040 0.067 0.010 0.064 一直為正

上海 0.130 0.141 0.063 0.096 0.033 0.084 0.138 0.107 一直為正

江蘇 0.117 0.118 0.111 0.097 0.100 0.074 0.073 0.104 一直為正

浙江 0.094 0.071 0.119 0.057 0.090 0.071 0.083 0.085 一直為正

安徽 0.084 0.058 0.073 0.063 0.066 0.062 0.102 0.072 一直為正

江西 0.079 0.055 0.020 0.021 0.073 0.043 0.014 0.044 一直為正

山東 0.078 0.112 0.146 0.135 0.107 0.058 0.048 0.097 一直為正

河南 0.101 0.060 0.062 0.050 0.096 0.098 0.057 0.074 一直為正

湖北 0.043 0.049 0.079 0.066 0.022 0.005 0.009 0.041 一直為正

廣東 0.111 0.118 0.141 0.102 0.096 0.009 0.010 0.089 一直為正

海南 0.119 0.116 0.051 0.127 0.086 0.054 0.139 0.082 一直為正

甘肅 0.062 0.087 0.098 0.058 0.067 0.090 0.066 0.077 一直為正

寧夏 0.156 0.051 0.031 0.086 0.077 0.151 0.148 0.081 一直為正

新疆 0.076 0.044 0.087 0.040 0.075 0.030 0.046 0.051 一直為正

北京 0.040 0.026 0.028 0.001 -0.096 -0.066 -0.068 -0.019 先正后負

河北 0.056 0.101 0.142 0.082 0.055 0.035 -0.001 0.072 先正后負

山西 0.041 0.013 0.059 0.034 0.062 -0.071 -0.025 0.023 先正后負

黑龍江 0.074 0.048 0.098 0.079 0.040 -0.031 -0.018 0.041 先正后負 續表

省區 1999 2001 2003 2005 2007 2009 2011 平均 變動規律 --！>

福建 0.020 0.036 0.101 0.071 0.014 -0.011 -0.020 0.035 先正后負

湖南 0.037 0.041 0.063 0.084 0.062 -0.066 -0.010 0.035 先正后負

廣西 0.020 0.047 0.063 0.058 0.025 -0.029 -0.045 0.018 先正后負

四川 0.006 0.022 0.056 0.073 0.041 -0.082 -0.067 0.008 先正后負

云南 0.027 0.020 0.003 0.005 0.000 0.004 -0.082 0.000 先正后負

陜西 0.040 0.028 0.061 0.047 0.020 -0.004 -0.003 0.025 先正后負

內蒙古 -0.003 0.012 -0.050 -0.044 0.012 -0.011 -0.010 -0.009 不斷波動

吉林 -0.023 0.030 0.040 -0.113 -0.045 -0.053 -0.063 -0.025 不斷波動

重慶 -0.032 0.010 0.064 -0.020 -0.031 -0.063 0.013 -0.011 不斷波動

貴州 0.029 -0.008 0.087 0.039 0.043 -0.011 -0.020 0.000 不斷波動

西藏 0.002 0.347 -0.604 0.072 0.200 -0.114 -0.171 -0.094 不斷波動

青海 0.070 -0.007 -0.169 0.029 0.042 0.047 0.070 0.015 不斷波動

注：（1）為簡化起見，小數點后保留3位，部分零值是四舍五入后結果；（2）平均值為1998—2011各年平均值。

為了從TFP增長源泉上找出造成地區間物流業TFP增長水平差異的主要因素，我們對各省區物流業TFP增長率按技術進步、技術效率改進、規模效率、配置效率四種因素進行基尼分解。基尼分解的最大優點是可以將總的省區間物流業TFP增長率差距分解成不同因素來源的差距，從而衡量出不同因素對區域差異的影響程度。根據Feldman（2006）的研究，基尼分解公式如下：

G=SkGkRk

（9）

其中，Sk為第k個因素對TFP增長率的平均貢獻份額，Gk表示第k個因素的虛擬基尼系數。虛擬基尼系數并不是通過第k個因素計算的基尼系數，而是根據TFP增長率和來自于第k個因素的增長率部分進行單獨排序計算得出。因此，虛擬基尼系數并不是通常所講的基尼系數，它可以是正數，也可以是負數。Rk=cov{yk，F（y）}cov{yk，F（yk）}，其中yk是第k個因素的數值，F（·）是對應的累積分布函數。第k個因素對總體差異的貢獻份額為：

sharek=SkGkRkG

（10）

運用STATA 10.0統計軟件對1998—2011年各省區物流業TFP增長率及四種因素平均值進行基尼分解，結果如表5。

表5 我國物流業TFP增長率區域差異的基尼分解結果

TFP增長率來源 Sk Gk Rk sharek

技術進步因素 451.88% 0.01 0.44 2.03%

技術效率改進因素 -173.81% -0.21 0.81 48.26%

規模效率因素 -40.12% -0.69 -0.06 -2.69%

配置效率因素 -137.95% -0.31 0.77 52.40%

基尼分解結果顯示，技術進步因素雖然是TFP增長的主要因素，但對區域TFP增長率差異的貢獻卻非常低，這是因為技術進步因素在地區間分布較為均勻，從1998—2011年平均值看，技術進步因素最高的浙江、福建、江蘇分別為0.186、0.184、0.183，而最低的吉林、山西、內蒙古分別為0.176、0.178、0.178，平均僅相差3.8%。規模效率在區域間的分布與物流業TFP增長率的區域間分布則存在反向關系，使得規模效率因素對物流業TFP增長率區域差異的貢獻率為負值。技術效率和配置效率對物流業TFP增長率區域差異的貢獻率最大，分別達到48.26%和52.40%。這說明TFP增長率較高的省區技術效率和配置效率較高，而TFP增長率較低的省區規模效率較高。這一事實反映了各地區物流業發展存在很明顯的階段差別，根據經濟學理論，在物流行業發展的中早期階段，規模效益特征較為明顯，隨著規模化和專業化發展，物流業發展優勢較大的省區勞動密集化趨弱，資本密集化加深，因而規模效率下降，技術效率和配置效率開始拔高，成為拉大物流業地區差異的主要原因。

事實上，各地區物流業的發展很難離開自身的優勢條件。31個省區物流業發展的優勢條件可以劃分為如下四類：一是自身經濟優勢，如果自身經濟水平較高，各實體產業的發展能夠提供源源不斷的物流服務需求；二是近鄰經濟優勢，雖然自身經濟水平不高但毗鄰經濟發達省區，由于生產性服務業具有溢出效應，物流服務可以跨地區直接輸出到毗鄰發達省區；三是區域結合部優勢，比如：京津唐地區外圍的河北，東三省和內蒙古向南結合部的遼寧，東西南北縱橫相貫的河南、安徽、江西、湖南、湖北，自西向東形成亞歐大陸橋外延的新疆、寧夏、甘肅一線；四是沿海優勢，外貿和海運會增加本地區的貨運量，因此沿海地區的物流業TFP增長水平應該較高一些。從表4可以看到，物流業TFP增長率位列全國排名上半區的15個省區無一例外地擁有一個到三個優勢條件。而任何優勢條件都不擁有的省區，如吉林、黑龍江、重慶、四川、貴州、云南、西藏、青海的物流業TFP增長水平均在全國下半區。位于上半區的省區的物流業發展較為成熟，技術效率和配置效率均較高；而位于下半區的省區物流業仍處于中早期發展階段，技術效率和配置效率劣勢明顯，規模效率則是其主要優勢。

六、主要結論和啟示

本文運用1997—2011年我國31個省區的面板數據建立隨機生產邊界模型，利用Kumbhakar等（2000）的方法進行了物流業TFP的測算和分解。TFP增長分解的結果顯示，技術進步因素是我國物流業TFP增長的主要原因，技術效率改進、規模效率和配置效率因素的影響均為負，存在對技術進步因素的抵減效應；技術效率改進和規模效率因素的作用逐年遞減，而配置效率因素的作用有逐年上升的趨勢。進一步基尼分解的結果顯示，技術效率和配置效率是造成區域間物流業TFP增長率差異的主要原因，這反映了各地區物流業發展的階段差異。

物流業對制造業等其他產業有重要的聯動支持作用，發展好物流業才能實現我國經濟總體提升。相比歐美發達國家而言，我國是物流大國，但并非物流強國，物流業的發展仍然任重道遠。從本文結果看到，要提升我國物流業長期發展水平，不能僅僅依賴于先進技術和方法引進帶來的技術進步因素，還必須注重提高技術效率水平和規模效率水平以及配置效率水平，降低這三者對技術進步因素的抵減效應。要減少物流業發展的區域性差異，則必須努力挖掘落后地區的自身優勢條件提升其技術效率水平和配置效率水平。具體而言，要從以下三個方面著手加強政策引導：一是通過加強員工培訓、提高員工素質來提高先進技術的應用水平，這也是提升現代物流業內在發展質量的必然要求；二是通過促進物流企業的規模化、專業化經營提升整個行業的規模效益，這是未來物流業發展的根本方向；三是逐漸從勞動密集化向資本密集化轉型，提升物流業的配置效率，這是現代物流業發展的內在驅動力。

參考文獻：

劉玉海，林建兵，翁嘉輝.2008.中國道路運輸業營運效率動態分析——基于Malmquist生產力指數[J].產業經濟研究（1）： 5663.

唐躍軍，趙武陽. 2009. 二元勞工市場，解雇保護與勞動合同法 [J]. 南開經濟研究（1）：122133.

田剛，李南.2009.中國物流業全要素生產率變動與地區差異——基于隨機前沿模型的實證分析[J].系統工程（11）：6268.

田剛，李南.2011.中國物流業技術效率差異及其影響因素研究——基于省級面板數據的實證分析[J].科研管理（7）：3444.

于劍.2007.基于Malmquist指數的我國航空公司業全要素生產率分析[J].北京理工大學學報：社會科學版，9（6）：4346.

余思勤，蔣迪娜，盧劍超.2004.我國交通運輸業全要素生產率變動分析[J].同濟大學學報：自然科學版，32（6）：827831.

余泳澤，劉秉鐮.2010.中國區域物流產業技術進步及其影響因素研究[J].上海經濟研究（10）：312.

王亞華，吳凡，王爭. 2008.交通行業生產率變動的BootstrapMalmquist指數分析（1980—2005）[J].經濟學季刊（4）：891912.

張軍，吳桂英，張吉鵬.2004.中國省際物質資本存量估算：1952—2000[J].經濟研究（10）：3544.

張毅，陳圻.2010.中國區域物流業與經濟發展協調度研究——基于復合系統模型與30個省區面板數據[J].軟科學（12）：7075.