物流產業效率評價及影響因素分析

張云鳳，王 雨

（山東科技大學 經濟管理學院，山東 青島 266000）

0 引言

“十三五”期間，國家按照引領經濟新常態、貫徹發展新理念的要求，著力推動物流業綠色發展。同時，2015年巴黎氣候大會的召開，使各國更加重視經濟發展對環境造成的影響。物流業因其能源消耗大、運作效率低的特點，成為碳減排的重點行業，而且隨著我國物流需求不斷增加，其節能減排任務不斷加重，高投入、高產出的粗放型物流發展道路已不能繼續，大力發展健康、高效的低碳物流，已成為我國物流業可持續發展的必然趨勢。基于此，本文從低碳約束角度出發，同時考慮經濟發展、政府支持、產業結構及人力資本等環境因素的影響，運用異質性隨機前沿分析方法對2008—2013年全國30個省（市、自治區）的物流效率進行評價分析，以期為物流企業提升效率及地區物流行業綠色發展提供理論支持。

1 異質性SFA模型

通過對已有文獻進行梳理可知，國內外學者在測度物流效率時主要采用數據包絡分析（DEA）和隨機前沿分析（SFA）兩種方法。由于DEA模型不考慮隨機誤差因素的影響，估計出來的物流效率可能存在一定偏差，所以不少學者開始采用包含隨機誤差的SFA模型來測度物流效率。同時考慮到我國區域發展不平衡，不同地區的物流效率存在較大差異，將異質性引入隨機前沿模型，通過構建異質性SFA模型實證分析低碳約束下的物流效率及其影響因素。

Battese和Coelli（1995）提出的SFA模型，通過似然比檢驗可以驗證隨機前沿模型的合理性，即是否存在技術非效率項的影響；通過技術非效率的函數形式，能夠進一步分析影響技術效率的因素，指導技術效率的改進提高。因此，以Battese和Coelli的模型為基礎來構建異質性SFA模型：

其中，Yit表示i生產單元在t時期的實際產出表示生產可能性邊界上的前沿生產函數，Xit表示i生產單元在t時期的投入向量，β為待估參數。νit是隨機誤差項，服從獨立同分布，且與相互獨立；uit是技術非效率項，表示實際產出與最優產出的偏差，服從非負截斷型正態分布

此外，Battese和Coelli構建了技術效率指標來反映實際產出與期望產出的偏離程度，即：

顯然，當uit=0時，TEit=1，生產單元位于前沿面上，技術有效；當uit＞0時，0＜TEit＜1，生產單元處于前沿面下，技術無效率。同時Battese和Coelli假定uit受各種因素的影響：

其中，δ0為常數項，Zit表示影響技術非效率的因素，δ為影響因素的待估系數。若δ＞0，表示該影響因素對式（2）中技術效率有負向影響；反之，則有正向影響。

而異質性SFA模型uit假定服從截斷性正態分布，uit的異質性設定如下：

其中，b0和b1為常數項；Zit表示影響技術非效率的外生變量；δ和γ表示待估參數，若參數為正值，則說明該外生變量對技術效率具有反向影響；反之，具有正向影響。

2 變量選取與模型設定

2.1 變量選取

合理選擇影響物流業投入產出效率的因素對研究工作至關重要。對于物流投入產出指標以及影響因素的選擇，在參考國內多數學者做法的基礎上確定本文的各項變量：

（1）投入指標

物流業從業人數、物流業固定資產投資（總額）及物流線路運輸里程是三個選擇率最高的指標，此外物流業資本存量、物流業投資占基本建設投資比重、物流業支出占財政支出比重、物流業人數比重、行業GDP、物流業整體投資、物流業職工工資總額等指標也是研究者的選擇對象，部分考慮環境因素的學者將碳排放量、公共環境和社會保障投資、物流業能源消耗量等指標也納入投入指標范圍。

（2）產出指標

多數學者將貨運量、貨運周轉量、物流業增加值及物流業產值作為產出指標，地區GDP、物流業增加值占GDP的比重也是研究者選擇的參考指標之一，還有學者將公路物流、水運、及鐵路運輸分別進行效率研究，選擇特定的公路貨運量、航運量及鐵路運輸量作為研究指標，少數研究環境對物流產業效率影響的學者將碳排放量與城市道路噪聲分貝作為產出變量進行研究。

（3）碳約束

在研究物流效率及其影響因素時，多數學者注重物流行業人、財、物的投入與產出之間的關系，以及地區經濟發展水平、政府支持、產業結構等環境因素對物流效率的影響，只有少數學者開始研究低碳約束下的物流效率，且多把碳排放量作為產出指標，運用DEA模型衡量低碳約束下的物流效率。

（4）環境變量

多數學者認為環境變量應該選擇那些主觀意識無法控制、改變及不在樣本主觀可控范圍內但對物流產業效率產生影響的變量。地區GDP、政府支持是最常見的環境變量選項，此外科技水平、信息服務投入、制度環境、產業結構調整、外貿依存度、城市化水平等因素也被學者廣泛應用。

表1對國內學者研究物流產業效率時的常用變量進行了總結歸納。

表1 物流產業效率研究常用變量

根據唐建榮等（2013）提出的指標要能夠真實反映物流業市場競爭力水平并符合效率評價要求及充分考慮數據的可得性與指標的重要性原則，結合目前多數研究者的研究成果構建如表2所示指標體系。

表2 指標體系

（5）數據說明

縱觀目前國內外產業分類體系，多數國家對“物流業”并沒有做出一個清晰準確的界定，幾乎沒有研究者將“物流產業”作為一個單獨行業看待，多數研究者將交通運輸、倉儲及郵政業統稱為物流業，這三個行業總的增加值占比整個物流業增加值的80%以上，能夠代表物流產業的基本情況。基于此，本文變量與數據的選取主要來源于交通運輸、倉儲及郵政業領域，由于缺少西藏的多項指標未將其列入研究范圍，故樣本數據為2008—2013年我國30個省級行政單位面板數據，來源于歷年《中國統計年鑒》、《中國能源統計年鑒》及各地區統計年鑒。各變量的描述性統計結果見表3。

表3 變量數據的描述性統計

2.2 模型設定

根據公式（1）、公式（4）以及上文選定的變量指標，以我國30個省（市、自治區）面板數據為基礎，構建基于對數C-D生產函數的異質性SFA模型：

3 實證結果及分析

對異質性隨機前沿模型進行多種形式設定（見表4）。其中，模型1未施加任何約束條件；模型2假設γ=0，即環境因素對物流非效率項的不確定性沒有影響；模型3假設δ=0，認為環境因素對非效率項沒有任何影響；模型4假設wit=0，即非效率項服從在零處截斷的半正態分布；作為對照，模型5不考慮非效率項影響。

3.1 異質性隨機前沿模型估計結果分析

從表4中可以看出，在所有模型設定中，物流業固定資產投資額（k）和物流業就業人員（l）均通過了水平為1%的顯著性檢驗，且彈性系數均為正，表明加大物流業資本投入與勞動力投入有助于提高物流產業的運作效率；物流業運輸線路長度（r）的顯著性較差，彈性系數較小，可能與各省之間運輸線路狀況的差異性有關。從表4最后4行的似然比檢驗結果來看，模型2優于其他4個模型，所以下文的分析主要針對模型2展開。

從表4中模型2的結果可知：

（1）二氧化碳（CO2）：二氧化碳排放量在效率損失均值方程中的系數為正，表明在物流系統中降低二氧化碳排放量有利于物流效率的提高，即低碳約束對物流效率有一定的正面影響。這是因為，低碳經濟下高投入、高產出的粗放型發展道路已不能繼續，健康、高效的低碳物流才是大勢所趨。

（2）政府支持（Gov）：其在效率損失均值方程中顯著為正，表明政府支持對物流效率有一定的負面影響，這與多數研究結果不一致。產生的原因多種，一方面，政府的資金支持擠占了物流企業自身的投資，造成資金利用率低下，一定程度上限制了物流效率的提高；另一方面，國家的多項物流補貼措施及項目資助被某些企業騙取用來發展物流業以外的行業，例如圈地發展房地產，降低政府支持對物流效率的促進作用。

（3）經濟水平（Eco）：其在效率損失均值方程中顯著為負，表明地區經濟發展對物流效率有正向影響。一方面，高度發達的經濟水平、完善的基礎設施建設是產生經濟集聚效應的基礎，有利于物流產業整體效率的提高；另一方面，近幾年隨著經濟的發展，電商的興起促進城市配送的繁榮，大批物流配送企業大力進軍城市配送行業，挖掘各種商機，進一步細分市場與提升服務質量，在一定程度上促進城市物流效率的有效提升。

（4）產業結構（Ins）：其在效率損失均值方程中顯著為負，表明產業結構調整、物流業占比增高，有利于物流效率的提高。隨著產業結構調整和業態優化，作為“第三利潤源”的現代物流業迅速崛起，人們對其需求越來越大，促使傳統物流產業功能不斷整合、技術不斷更新、服務領域不斷延伸，物流業的運轉效率也進一步得以提升。

表4 異質性隨機前沿模型估計結果

3.2 分地區估計結果分析

為進一步分析，根據國家統計局地區劃分標準，將全國30個省（市、自治區）劃分為東部、中部、西部三大地區，按照模型2的設定對各地區物流效率進行評價分析，結果見下頁表5。

從表5中可以看出：

（1）東部與西部地區物流業就業人員對物流效率的影響正好相反。一方面原因是，東部物流企業現代化發展速度較快，吸引眾多從業人員，物流業從業人數趨于飽和，人員配置不合理、人力資源浪費、利用效率低下等問題相繼出現；另一方面，西部地區物流產業發展相對落后，從業人員相對匱乏，由于西部大開發政策支持，吸納眾多優秀人才，物流企業的管理水平和運轉效率得以提高。

表5 分地區估計結果

（2）對于東部和中部地區，物流線路運輸里程對物流效率有著顯著的正向影響。一方面，憑借自然條件和社會經濟條件的優勢，東部地區交通便利，為物流產業的快速發展奠定了基礎。而中部地區，由于中部崛起戰略的提出，大力推進綜合交通運輸樞紐建設，一定程度上促進了物流效率的提高；另一方面由于西部地質、經濟發展水平及地域面積等原因，阻礙該地區運輸路線的鋪設進程。

（3）碳排放量在物流效率損失方程中系數為負，表明降低碳排放量不利于物流效率的提高，這種關系在東部地區最為顯著。這是因為，目前物流業仍是高能耗產業，多數企業仍然屬于粗放型生產，只能靠單純的增加運輸量來提高盈利，短時間內難以完成轉型升級，所以低碳約束在短期內會對物流效率產生一定的負面影響。

（4）東部地區經濟水平發展已達到較高水平，物流業的發展較中西部地區較成熟，因此經濟增速對物流行業的促進作用已不再明顯；而中西部地區的物流市場仍處于快速發展期，經濟增速對物流行業的刺激作用仍然明顯，其中，中部地區經濟水平高于西部地區，其對物流行業效率的提升也強于西部地區；東部地區的產業結構經過多年的發展已趨于平衡，調整產業結構對物流行業效率的提升對其刺激作用已不再明顯；中西部地區產業多以第一、二產業為主，第三產業發展水平較低，因此調整產業結構對中西部地區物流產業發展及效率提高具有明顯的促進作用。

4 結論

從低碳環保角度出發，結合近年來國家經濟發展趨勢，將碳排放量、政府支持、經濟水平、產業結構作為外生環境變量，基于2008—2013年我國30個省（市、自治區）的面板數據構建異質性隨機前沿模型，對我國物流產業效率進行研究分析，得出如下結論：

（1）通過五種不同的模型設定對全國物流效率進行測算以提高估計結果的準確性，最終確定最優模型為模型2。根據模型2的結果，物流業固定資產投資、就業人員以及運輸線路里程均對物流效率的提高具有顯著的正向影響；物流系統降低二氧化碳排放量有利于物流效率的提高，即低碳約束對我國物流產業的整體效率有一定的正面影響；政府支持對物流效率存在一定的抑制作用，經濟發展水平及產業結構調整則對物流效率有促進作用。

（2）基于模型2，進一步測算各地區物流效率水平及各因素對其的影響程度，結果顯示，東中西部地區物流效率差異較大，并且相同因素對各自的影響程度不同，物流就業人員在東部地區物流效率分析中系數為負，說明東部地區物流就業人員存在結構不合理、人力資源浪費等現象；物流線路運輸里程在西部地區物流效率分析中系數為負，可能的原因是西部地區交通運輸條件達不到現代物流產業發展的要求，在一定程度上限制了物流效率的提升；碳排放對各地區的物流效率損失方程中系數為負，表明降低碳排放不利于物流效率的提升，與全國整體估計結果相反，可能的原因是目前物流業仍是高能耗產業，多數企業仍然屬于粗放型發展模式，短時間內難以完成轉型升級，所以低碳約束在短期內會對物流效率產生一定的負面影響，但是長期內物流產業轉型成功，實現綠色發展，低碳約束對物流效率的提高將會產生正向影響。

參考文獻：

[1]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).

[2]謝菲,黃新建,姜睿清.我國物流產業投入產出效率研究[J].南京師大學報：社會科學版,2014,(1).

[3]徐新聞,鄧蕾,唐沙沙.基于組合DEA方法的中國物流產業效率研究[J].世界科技研究與發展,2015,(6).

[4]丁斌,王琨.基于SBM模型的省級物流產業效率評價[J].統計與決策,2014,(14).

[5]王琴梅,譚翠娥.對西安市物流效率及其影響因素的實證研究——基于DEA模型和Tobit回歸模型的分析[J].軟科學,2013,(5).

[6]王蕾,薛國梁,張紅麗.基于DEA分析法的新疆北疆現代物流效率分析[J].資源科學,2014,(7).

[7]王柏誼,楊帆.基于DEA的吉林省物流產業效率研究[J].北華大學學報：社會科學版,2016,(2).

[8]范月嬌.我國物流通道的生產服務效率研究——基于SFA面板數據模型的實證研究[J].云南財經大學學報,2016,(2).

[9]張寶友,朱衛平,孟麗君.物流產業效率評價及與FDI質量相關性分析——基于2002—2011年數據的實證[J].經濟地理,2013,(1).

[10]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).