經濟大省物流業效率動態演化及其影響因素

?

經濟大省物流業效率動態演化及其影響因素

吳旭曉

（河南省社會科學院城市與環境研究所，河南鄭州450002）

摘要：經濟全球化背景下，經濟大省既要積極參與國內經濟體系分工，又要嵌入國際產業分工體系，這對區域流通能力提出了較高的要求。而物流業作為社會流通能力的核心，不僅是區域經濟發展的加速器，也是推動產業結構轉型升級的重要抓手。提升物流業效率，實現傳統物流業向現代物流業轉型，對于促進生產、拉動消費與調整產業結構，具有重要意義。運用基于超效率數據包絡分析模型的視窗分析模型測算2005-2012年我國五個經濟大省物流業效率值，并構建灰色綜合關聯度模型分析區域物流業效率演化發展影響因素可以發現，不同省份物流業效率演化規律差異顯著，如廣東物流業效率呈現“U”型演化趨勢，江蘇物流業效率呈現線性加速增長演化趨勢，山東物流業效率呈現倒“V”型演化趨勢，浙江物流業效率呈現平緩的倒“V”型演化趨勢，河南物流業效率呈現斜“N”型演化趨勢。物流業效率的核心影響因素存在區域差異，如對廣東物流業效率影響最大的因素是城鎮化；而同屬長江三角洲經濟圈的江蘇和浙江的物流業效率最主要的影響因素都是人力資源；產業結構對山東省物流業效率的影響最大；影響河南省物流業效率最主要的因素是制度因素。因此，為有效提升經濟大省物流業發展效率，在物流業全面對外開放形勢下，各省應因地制宜采取相應的對策。

關鍵詞：物流業；效率演化；超效率數據包絡分析；視窗分析；影響因素

一、引言

在經濟全球化背景下，經濟大省既要積極參與國內經濟體系分工，又要嵌入國際產業分工體系，因而具有強大流通能力的區域就會演變為引領國家經濟發展的核心板塊。作為社會流通能力核心內容的物流業，不僅是區域經濟發展的加速器，更是推動產業結構轉型升級的重要抓手。可以說，現代物流業發展水平是區域現代化程度與經濟競爭力的重要標志，在很大程度上影響并制約著整個區域經濟系統運行的質量和效益。隨著2005年底我國物流業全面對外開放，在積極應對國內外挑戰的同時，經濟大省物流業產業規模迅猛膨脹，其在區域經濟中的重要性進一步凸顯。如何在提升物流業發展規模的同時，提升物流業發展效率，進而提升物流業競爭力，夯實區域經濟跨越式發展的基礎，顯得尤為迫切和重要。

近年來，國內學者有關區域物流業效率的研究取得了豐碩的成果。賀竹磬、孫林巖[1]在對區域物流結構進行分析的基礎上，構建了區域物流相對有效的評價指標體系，并采用數據包絡分析法對我國31個省市區物流業的相對有效性進行了測算。樊敏[2]運用DEA-BC2模型、基于數據包絡分析的曼奎斯特生產力指數模型（DEA-Malmquist）以及向量自回歸模型（Vector Autoregression，VAR）對長三角、遼中南、武漢、成渝四個城市群的物流業運作效率及聯動效率進行了實證分析。劉秉鐮、余泳澤[3]運用數據包絡分析模型和Tobit模型，基于省際面板數據，對我國物流業地區間效率及其影響因素進行了分析。鐘祖昌[4]運用三階段數據包絡分析（Data Envelopment Analysis，DEA）方法分析了2007年我國31個省市區物流業的運營效率。王維國、馬越越[5]利用曼奎斯特-盧恩伯格（Malmquistluenberger）生產率指數方法測算了包含非期望產出在內的1997-2009年我國30個省級區域的物流業效率，并借助三階段DEA模型分析物流外部營運環境條件對物流業效率變化的影響。金春雨、陳霞、李彩霞[6]對1991-2010年遼吉黑經濟圈物流業全要素生產率的追趕效應與增長效應進行了探討。唐建榮、盧玲珠[7]運用三階段DEA模型分析了2008-2010年我國東部十省市低碳約束下的物流業效率。姚娟、莊玉良[8]采用DEA-Malmquist模型對2000-2008年我國30個省市區的物流業效率進行了實證分析。張誠、張廣勝[9]運用DEA-C2R和DEA-BC2模型對2001-2010年中部六省物流系統綜合效率、純技術有效及規模效率進行了比較分析。徐喜輝、特日格勒、李卓霖[10]運用DEA模型對2008-2011年我國省際物流業效率進行系統研究，并通過Tobit回歸模型分析其影響因素。綜上可見，國內有關區域物流業效率的研究所運用的大部分都是傳統DEA模型，盡管有部分研究運用了時間序列DEA模型，也僅限于把不同時間段的同一個決策單元視為不同的決策單元，只能研究決策單元在兩個時間段的效率變化情況，難以發現決策單元在連續多個時間段內效率的穩定性與波動性規律。因此，本研究采用基于超效率DEA模型的視窗分析模型，探索經濟大省在連續多個時間段內的效率演化發展規律，其分析結果相對更貼近現實情況，從而更具有現實指導意義。

本文選取我國經濟總量排名前五位的廣東、江蘇、山東、浙江、河南作為研究對象，其原因在于，廣東、江蘇、山東、浙江四省不僅是我國東部發達的經濟大省，經濟總量位居我國第一到第四位，同時也是物流業發展大省，在國家發展戰略中具有舉足輕重的地位，而河南省經濟總量位居全國第五，憑借區位優勢，一直對物流業發展予以重點扶持，2014年圍繞鄭州航空港經濟綜合實驗區建設，提出了建設高成長服務業大省的戰略，積極促進包括物流業在內的現代服務業的擴量、提質發展。通過對我國五個經濟大省物流業發展效率及影響因素的研究，試圖為相關區域物流業發展提供數據支持與理論支撐。

二、區域物流業效率評估模型構建

1.基于超效率DEA模型的視窗分析模型

傳統DEA模型存在兩個基本缺陷：一是無法有效區分DEA值都為1的決策單元（Decision Mak?ing Unit，DMU）。二是僅適合分析橫截面數據，對處于同一時期的不同決策單元進行效率分析，沒有考慮時間因素的作用，難以對決策單元效率值發展演化的規律進行探討，因為傳統DEA模型隱含著一個基本假設，即當期的投入對應于當年期的產出，且當期的投入僅對當期的產出發生作用。這一假設與實際情況存在較大偏差，當期的投入其實有可能會對未來幾期的產出產生影響，當期的產出也可能是前幾期要素投入累積的結果。因此，在效率評估過程中，如果不考慮時間因素的影響，很可能會導致最終結果出現重大偏差。

因而，本研究在區域物流業效率演化分析中采用基于超效率DEA模型的視窗分析模型來避免傳統DEA模型的不足。超效率DEA模型（Superefficiency DEA，簡稱SE-DEA）的基本思想是，在進行某個DMU效率評價時，使該DMU的投入和產出為其他所有DMU投入和產出的線性組合代替，從而將此DMU排除在外，達到有效區分DEA值均為1的決策單元的目的。[11]基于DEA模型的視窗分析模型的基本原理是，將一定時期內的面板數據劃分為一個視窗，每個視窗的時間長度均相同，將不同時期的同一個DMU視為不同的被評價單元來進行比較，從而增加了被評價DMU的數量。基于DEA模型的視窗分析模型一方面可以通過比較同一時間跨度內不同時期的數據，分析DMU效率的演化趨勢；另一方面可以通過比較不同視窗跨度內同一年份的數據，考察DMU在不同視窗內效率的波動情況。對某個特定的DMU而言，既要在橫向上與其他DMU進行比較，也要在縱向的時間序列上對不同時期的同一個DMU進行比較，因而更能反映DMU的真實情況。超效率DEA視窗分析模型綜合了超效率DEA模型與DEA視窗分析模型的優點，彌補了傳統DEA模型的不足，能有效處理面板數據，可充分挖掘相關數據的內在研究價值。

假定每個DMU都有r種要素投入和S種產出，對某個特定的DMUtn而言，投入向量xnt和產出向量ytn可以分別表示為：

視窗K的輸入矩陣和輸出矩陣分別為：

對某個特定的DMUnt來說，基于超效率DEA模型的視窗分析模型如下：

在式（1）中，θ為被考察單位的效率指數，θ≥1說明決策單元為DEA有效，θ<1說明決策單元不是DEA有效，表示決策單元的生產活動既不是技術效率最佳，也不是規模效率最佳，θ值越接近于1，說明決策單元j的綜合效率越高，λj為權重變量。

2.視窗跨度的確定

目前，國內外學者對最優視窗跨度的選擇尚未達成一致意見，本文根據以下兩個原則確定視窗跨度：

（1）在任意一個視窗內，滿足：

2（NINPUT+NOUTPUT）≤NDMU

其中，NINPUT、NOUTPUT、NDMU分別表示投入指標數量、產出指標數量與決策單元數量。

（2）根據末吉日（T. Sueyoshi）[12]的研究成果，采用式（2）來確定視窗跨度（Window Length，WL）。

其中，WL為視窗跨度，C為研究的總年數。

三、區域物流業效率測評

1.變量選取與數據來源

從基于超效率DEA模型的視窗分析模型的基本要求出發，根據指標的合理性、評價數據的一致性、評價結果的相對客觀性以及可比性，在參考相關文獻基礎上，從物流業效率基本內涵出發，本文選取的投入產出指標主要包括：

（1）投入指標。投入指標包括資金和勞動兩個方面，勞動投入和資本投入是最為基本的生產要素投入，勞動投入以區域物流業年末就業人數（單位：萬人）表示，資本投入以區域物流業全社會固定資產投資（單位：億元）表示。

（2）產出指標。以區域物流業國內生產總值（單位：億元）作為產出衡量指標。

本文所選取指標的數據主要來自相應年份的《廣東統計年鑒》《江蘇統計年鑒》《山東統計年鑒》《浙江統計年鑒》《河南統計年鑒》和《中國統計年鑒》。

本文選取2005-2012年為研究區間，主要考察2005年底我國物流業全面開放以來經濟大省物流業發展效率演化的情況。最終的面板數據集包含五個截面單位八年內的時間序列資料，樣本觀察值共計40個。

2.區域綠色經濟效率實證分析

由于考察時段為2005-2012年，共8年，C=8，為偶數。根據式（2），視窗跨度WL可選4或5，投入指標包括勞動和資本兩個，產出指標一個，2（NINPUT+NOUTPUT）=6。區域包括廣東、江蘇、山東、浙江、河南五省，因此選取視窗跨度WL=4，這樣每個視窗內滿足：2（NINPUT+NOUTPUT）=6≤NDMU=4×5=20，視窗跨度的選擇比較科學合理。一共五個視窗，DMU總數量達到5×4×5=100，是傳統DEA模型決策單元數量（5×8=40）的2.5倍，從而大大增加了被評價DMU的數量。第一個時間窗為W1（2005-2008年），第二個時間窗為W2（2006-2009年），依此類推，第五個時間窗為W5（2009-2012年）。根據基于超效率DEA模型的視窗分析模型，運用MyDEA軟件進行區域物流業效率計算，具體結果參見表1。

由表1可知，在廣東省的5個視窗20個決策單元中，無一達到DEA有效，最大值為0.7883，最小值只有0.4730，全距為0.3154，平均值為0.5749，中位數為0.5622，標準差為0.0786。在江蘇省的5個視窗20個決策單元中，有3個決策單元達到DEA有效，最大值為1.1323，最小值只有0.5341，全距為0.5982，平均值為0.7741，中位數為0.7127，標準差為0.1583，波動性相對較小。在山東省的20個決策單元中，有5個決策單元達到DEA有效，占總數的25%，其中最大值為1.3469，最小值只有0.8232，全距為0.5236，平均值為0.9927，中位數為0.9548，標準差為0.1539，波動性最大。浙江省的情況與廣東省有點類似，20個決策單元中沒有一個決策單元達到DEA有效，最大值為0.7003，最小值為0.4350，全距為0.2653，平均值為0.5854，中位數為0.5913，標準差為0.0573，在五個經濟大省物流業效率中穩定性最好。與廣東省和浙江省一樣，河南省的20個決策單元中沒有一個決策單元達到DEA有效，最大值為0.8852，最小值為0.4863，全距為0.3989，平均值為0.6660，中位數為0.6586，標準差為0.1466，物流業效率的波動性在五個經濟大省中居中。

表1　經濟大省物流業效率的SE-DEA視窗評價結果

接下來，就廣東省物流業效率的視窗數據進行分析。從橫向來看，廣東省在W1內物流業效率呈現出波動性下滑趨勢，由0.6533下降到0.5809，再上升至0.6137，然后下滑到0.5309；在W2內，呈現出先升后降的演化態勢；在W3和W4內均呈現出先下滑后上升的演化趨勢；但在W5內呈現出緩慢上升的演化趨勢。從縱向來看，2006-2008年，廣東省各視窗數據呈現出上升或者不減的演化趨勢，2006年滿足W1W4W4

根據表1右邊每個視窗的平均值數據，可以分析五個省份物流業效率在某個時間段內的演化情況。廣東省物流業效率五個視窗的平均值均屬于DEA無效狀況，并由W1時的0.5947，一直下降到W4時的0.5149，再逆轉上升到W5時的0.6649，呈現出“V”型演化趨勢。江蘇省物流業效率五個視窗的平均值盡管也均屬于DEA無效狀況，但呈現出快速上升的演化趨勢，由W1時的0.6290，一直上升到W5時的0.9606，提升了33個百分點。山東省的情況與江蘇省的情況恰好相反，山東省物流業效率五個視窗的平均值雖然都比較高，在五個經濟大省中處于領先位置，但呈現出一直下滑的演化趨勢，由W1時的1.0725，一直下降到W5時的0.9080，衰退了15個百分點。浙江省物流業效率的平均值以第三視窗為分水嶺，呈現出先上升后下降的倒“V”型變化趨勢。河南省物流業效率各視窗的平均值呈現出波動性的斜“N”型變化趨勢，即“上升—下降—上升”。

為對五個經濟大省物流業發展效率演化情況進行更加深入的研究，可以根據表1的數據計算出不同視窗下相同年份的效率平均值，所得結果如圖1所示。

由圖1可以看出，河南省物流業平均效率2005年位居倒數第二，2006年位居倒數第一，2007年上升到第二位，2008年達到峰值，2009-2010年處于下行通道，2011-2012年步入上升通道，呈現出波動式的發展態勢。浙江省物流業平均效率呈現出緩慢的“上升—下降—上升—下降”的演化趨勢，2005、2007、2012年均是倒數第一，2006、2008、2009、2011年均是倒數第二，僅2010年位居中間位置，總體上效率比較低。山東省物流業平均效率在2005-2009年期間處于絕對領先的地位，2010-2012年處于第二位，在整體上呈現出以2008年為分界線先上升后下降的演化趨勢。江蘇省物流業平均效率呈現出一直上升的演化趨勢，由2005年的0.5341上升到了2012年的1.1323，提升幅度高達112%，增幅驚人，發展態勢比較樂觀。廣東省物流業平均效率以2009年為分水嶺呈現出先下滑后上升的演化趨勢，由2005年的0.6533下滑到2009年的0.5065，又于2009年觸底反彈，2012年回升到了0.7883。

四、區域物流業效率影響因素分析

通過對2005-2012年廣東、江蘇、山東、浙江、河南五省物流業效率進行評估，可以發現不同區域的物流業效率存在明顯的地區差異。為進一步分析導致物流業效率區域差異的原因，在參考國內外已有相關研究理論與文獻的基礎上，本文認為區域物流業效率的影響因素主要是區域的經濟水平、人力資本、外商投資、產業結構、城鎮化和制度因素等，各影響因素變量的具體含義參見表2。

圖1　五個經濟大省各年不同視窗下物流業平均效率

表2　影響因素變量描述

區域經濟發展水平越高，說明區域市場規模越大，對物流業的潛在需求也就越大。根據內生經濟增長理論，區域高水平人力資源越豐富，越能發揮既有技術水平與生產要素的潛力，從而更好地提高要素使用效率。物流業發展與國外直接投資之間存在相互促進的關系，隨著國外直接投資的不斷增大，會對物流業產生巨大的市場需求，推動與物流業相關的交通運輸、倉儲配送、郵電通信業等迅速發展。不同產業對物流的需求存在差異，不同區域即使其物流業發展水平相同，由于產業結構存在差異，也會對物流業效率產生不同程度的影響。我國工業品物流量在社會物流總量中所占比重一直較高，因此產業結構用第二產業產值占GDP的比重來衡量。城鎮化水平的提高，一方面，會因更多農民實現市民化而解放并發展區域消費力，拉動城市配送物流業務快速增長；另一方面，會促進生產要素的集聚從而產生規模經濟效益，也會推動區域物流業的發展。根據道格拉斯·諾斯（Douglass C.North）的制度變遷理論，在影響效率的眾多因素中，制度處于核心地位，適當的制度安排可以改善資源配置并提高勞動效率。[13]具體到不同區域，不同因素對物流業效率的影響程度也可能存在差異。

基于以上分析，本文以區域物流業效率為系統特征序列，以影響因素為系統行為序列，運用式（3）的灰色綜合關聯分析模型來分析經濟大省物流業效率的影響因素。

Sij=ηRij+（1-η）Aij（3）

式中，Rij為灰色相對關聯度（Relative Degree of Grey Inci?dencee），Aij為灰色絕對關聯度（Absolute Degree of Grey Inci?dence），Sij為灰色綜合關聯度（Synthetic De?gree of Grey Inci?dence），Sij越大，表明影響因素對區域物流業效率的影響越大。根據Sij的大小，可對各影響因素進行影響級別劃分：如果Sij≥ 0.7，則為一級影響因素；如果0.6≤Sij<0.7，則為二級影響因素；如果Sij<0.6，則為三級影響因素。η為分辨率調節系數，其取值區間為[0，1]，一般情況下，η越小，分辨率越大。經驗顯示，當η=0.5時，若系統行為序列與系統特征序列的關聯度大于0.6，便認為其關聯性顯著。[14]

根據式（3），運用灰色系統理論建模軟件GTM3.0得到五個省份物流業效率影響因素的綜合關聯度，結果如表3所示。

由表3可以看出，盡管區域物流業效率各影響因素的綜合關聯度均在0.5以上，不同區域物流業效率的主要影響因素仍然存在較大差異。

表3　五個經濟大省物流業效率的影響因素關聯度計算表

就河南省而言，其物流業效率的一級影響因素是制度因素，綜合關聯度達到0.7422；二級影響因素有四個，按綜合關聯度由大到小依次是城鎮化、人力資源、經濟水平和產業結構，其對應的綜合關聯度分別為0.6801、0.6770、0.6093和0.6077；三級影響因素是外商投資，對物流業效率的影響較小。

就浙江省而言，其物流業效率的二級影響因素有五個，分別是人力資源、經濟水平、城鎮化、產業結構和制度因素，其相應的綜合關聯度依次為0.699、0.6259、0.6195、0.6172和0.6067；三級影響因素為外商投資，與河南省一樣。

就山東省而言，產業結構和制度因素對其物流業效率的影響程度最大，屬于一級影響因素，其綜合關聯度分別達到0.7452和0.7431；外商投資和城鎮化的影響也比較大，屬于二級影響因素；人力資源和經濟水平的影響相對較低，屬于三級影響因素。

就江蘇省而言，其物流業效率的二級影響因素有四個，分別是人力資源、經濟水平、外商投資和制度因素；三級影響因素是城鎮化和產業結構，其影響程度相對較低。

就廣東省而言，城鎮化對其物流業效率的影響程度最大，屬于一級影響因素；制度因素與產業結構的影響程度也比較大，屬于二級影響因素；人力資源、外商投資和經濟水平的影響程度較低，屬于三級影響因素。

從總體上看，經濟水平對五個經濟大省物流業效率的影響相對較小，綜合關聯度平均值只有0.5933；外商投資、人力資源、城鎮化、產業結構和制度因素與五個經濟大省物流業效率的關聯性都比較顯著，綜合關聯度平均值都在0.6以上，分別達到了0.6021、0.6425、0.6510、0.6470和0.6829。

五、結論及政策啟示

物流業的優質發展是區域轉變經濟發展方式與提升經濟核心競爭力的重要推手，如何提升物流業效率，實現傳統物流業向現代物流業的轉型，對于促進生產、拉動消費、調整產業結構，具有十分重要的戰略作用。本文運用基于超效率DEA模型的視窗分析模型測算了2005-2012年我國五個經濟大省的物流業效率值，并通過構建灰色綜合關聯度模型分析了區域物流業效率演化發展的影響因素，得出以下結論：

第一，不同省份物流業效率的演化規律差異顯著。廣東省物流業效率呈現出“上升—下降—上升”的波動式演化趨勢；江蘇省物流業效率呈現出線性加速上升的演化趨勢；山東省物流業效率的整體水平在所考察的五個省份中居于領先水平，但后繼乏力，呈現出先揚后抑的演化趨勢；浙江省物流業效率一直低位運行，呈現出升降交替、小幅度波動式演化的態勢；河南省物流業效率呈現出波動性的斜“N”型變化趨勢，即“上升—下降—上升”。

第二，物流業效率的核心影響因素存在區域差異。就廣東省而言，對其物流業效率影響最大的因素是城鎮化；就同屬長江三角洲經濟圈的江蘇省和浙江省而言，其物流業效率最主要的影響因素都是人力資源；就山東省而言，產業結構對其物流業效率的影響最大；就河南省而言，其物流業效率最主要的影響因素是制度因素。

為有效提升經濟大省物流業發展效率，在物流業全面對外開放的形勢下，不同省份應因地制宜采取相應的應對措施。

廣東省要在科學推進新型城鎮化的同時，充分釋放經濟總量和外商投資對物流市場的拉動作用，通過進一步提升人力資源水平并優化產業結構，建立與經濟發展相適應的現代物流體系，促使物流業效率再上一個新的臺階。

江蘇省物流業效率的發展趨勢比較樂觀，但城鎮化與產業結構對物流業的促進作用尚未充分發揮出來，要加快傳統產業升級與結構調整，在推進城鎮化的進程中，完善與城鎮體系相匹配的城鄉快遞系統、專業物流中心、綜合物流園區、物流樞紐城市等多層次物流網絡構架。

山東省物流業受國際金融危機影響，國內外物流需求急劇減少，發展后勁不足，必須借鑒國際先進經驗，多渠道培養現代物流管理人才，建立多層次的現代物流人才梯隊，重點扶持大規模龍頭物流業集團，以適應經濟社會發展對物流服務能力所提出的更高要求。

浙江省因外商投資較少，導致相應的社會化物流需求相對不足，加之高端物流人才缺乏以及體制政策障礙，導致其物流業效率在五個經濟大省中最差，必須加大政策扶持力度，通過引進移植與資源整合，積極培育專業化物流市場主體，破解物流業發展的主要瓶頸，提升物流企業運營效率。

河南省外商投資不足，面對資源發展瓶頸，要充分發揮河南人力資源大省的優勢，積極承接國際與我國東部地區產業的轉移，打造內陸開放的新高地，優化物流業發展環境；要充分發揮區位交通優勢，以鄭州航空經濟綜合實驗區為核心，以鐵路、公路、航空網絡為依托，加快引導一批行業龍頭企業在中原城市群的各中心城市設點布局，完善鄭州國際物流中心與各物流節點城市合理分工、聯動發展的物流網絡，降低物流成本，提升物流業效率。

＊本文系2014年度河南省哲學社會科學規劃項目“河南新型工業化與新型城鎮化良性互動機制構建與對策研究”（項目編號：2014CJJ049）的部分研究成果。

參考文獻：

[1]賀竹磬，孫林巖.我國區域物流相對有效性分析[J].科研管理，2006（6）：144-150.

[2]樊敏.中國城市群物流產業效率分析及發展策略研究——基于產業運作及聯動發展視角[J].軟科學，2010（5）：11-16.

[3]劉秉鐮，余泳澤.我國物流業地區間效率差異及其影響因素實證研究——基于數據包絡分析模型及托賓模型的分析[J].中國流通經濟，2010（9）：18-21.

[4]鐘祖昌.基于三階段DEA模型的中國物流產業技術效率研究[J].財經研究，2010（9）：80-90.

[5]王維國，馬越越.中國區域物流產業效率——基于三階段DEA模型的Malmquist-luenberger指數方法[J].系統工程，2012（3）：66-75.

[6]金春雨，陳霞，李彩霞.遼吉黑經濟圈物流業全要素生產率的追趕效應與增長效應研究[J].現代管理科學，2012 （6）：18-21.

[7]唐建榮，盧玲珠.低碳約束下的物流效率分析——以東部十省市為例[J].中國流通經濟，2013（1）：40-47.

[8]姚娟，莊玉良.所有權結構、物流環境及我國物流業效率[J].財經問題研究，2013（3）：115-122.

[9]張誠，張廣勝.中部六省物流產業效率分析及政策建議[J].江西社會科學，2013（2）：57-61.

[10]徐喜輝，特日格勒，李卓霖.低碳約束下省際物流業效率研究[J].商業時代，2013，35：41-43.

[11]Andersen P.，Petersen N.C.. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J].Man?agement Science，1993，39（10）：1261-1264．

[12]T. Sueyoshi.Comparisons and Analyses of Managerial Wfficiency and Eeturns to Acale of Telecommunication Enter?prises by Using DEA/Window[J].Communications of the Opera?tions Research Society of Japan，1992，37：210-219.

[13]田剛，李南.中國物流業技術效率差異及其影響因素研究——基于省際面板數據的實證分析[J].科研管理，2011（7）：34-44.

[14]徐國祥.統計預測和決策[M].上海：上海財經大學出版社，2005：207.

Research on the Efficiency Dynamic Evolution of Logistics Industry and Its Influential Factors in the Economic Big Province

WU Xuxiao

（Institute of Urban and Environment，Henan Academy of Social Sciences，Zhengzhou，Henan450002，China）

Abstract：In the light of economic globalization，the economic big provinces should not only participate in domestic economic labor division，but also be involved in international labor division，which impose higher requirement on their capability for regional circulation. As the core of social circulation capability，logistics industry is not only the accelerator of regional economic development，but also the focus in promoting industrial restructure and upgrade. Improving the efficiency of logistics industry and realizing the transformation from traditional logistics industry to modern logistics industry is of great significance to promoting production，stimulating consumption and adjusting industrial structure. Based on the provincial panel data during 2005-2012，using super efficiency DEA window analysis method for analysis of China's 5 major economic province efficiency evolution of logistics industry，through the establishment of synthetic degree of grey incidence model，the author carry out the analysis on the influencing factors of regional logistics industry efficiency evolution. The results show that：the efficiency of the logistics industry in Guangdong presents "U" type evolution trend；Jiangsu logistics industry shows linear growth accelerated evolution trend；the efficiency of the logistics industry in Shandong presents an inverted "V" type evolution trend；the efficiency of the logistics industry in Zhejiang has an inverted "V" type gradual evolution trend；the efficiency of Henan logistics industry shows oblique "N" type evolution trend；the greatest impact factors to the efficiency of Guangdong，Shandong and Henan logistics industry is urbanization，industrial structure and institutional factor，respectively；but the most important influential factor of the efficiency of logistics industry in Jiangsu and Zhejiang are the human resources. So，to effectively improve the efficiency of logistics industry in the economic big provinces，every principle should adopt the suitable countermeasures in the light of opening up of logistics industry.

Key words：logistics industry；efficiency evolution；super efficiency DEA；window analysis；influential factors

[作者簡介]吳旭曉（1976-），男，廣西壯族自治區平南縣人，天津大學管理學博士，河南省社會科學院城市與環境研究所副研究員，主要研究方向為城市經濟、區域經濟和復雜系統。責任編輯：陳詩靜

中圖分類號：F259.27

文獻標識碼：A

文章編號：1007-8266（2015）03-0024-08