產業集聚對物流業產業效率影響的實證分析

周 燁

（浙江外國語學院，杭州 310023）

0 引言

現代物流業以其效率高、能源消耗低、加快資本周轉三大優勢促進了三大產業的全面發展。然而隨著產業經濟的發展壯大，我國社會物流總費用也在不斷增加，說明我國物流成本依然較高，物流產業效率亟待提升。各學科關于產業集聚的定義并不完全一致，“產業集聚”多見于經濟學領域[1-5]。

物流業集聚是生產性服務業集聚的表現形式，是對物流業研究體系的延伸。房瑩（2008）[6]通過對比物流業、制造業、服務業集聚之間的不同點，證實了物流業集聚的獨特性。雖然物流業屬于服務業，但物流業并不僅服務于消費，而是生產與消費的連接點。馬麗（2010）[7]依據產業集聚區的特征對物流產業集聚類型進行了分類，重點研究不同類型集聚的影響因素。張智勇（2009）[8]提出了物流產業集聚創新模型。Porter（1999）[9]在價值鏈和價值系統研究的基礎上，提出“鉆石”模型，重點強調地區產業的國際竟爭力對產業集聚的影響非常大。

本文以產業集聚效應作為切入點，集中探討產業集聚與物流業產業效率的關系，創新之處如下：（1）采用產業效率作為產業發展的綜合指標，充分考慮了產業集聚對物流業發展綜合效益的影響。（2）運用DEA模型和Malmquist指數模型對物流產業效率進行全面系統的測度評價，進一步完善物流產業效率的有關研究，使得產業效率的定量分析更為充分。（3）采用面板數據的Tobit回歸模型，通過因變量受限的極大似然估計，可有效解決DEA效率值區間約束的問題，避免出現回歸偏誤。

1 變量選取與模型構建

1.1 變量選取與數據來源

本文選取趙雷（2014）[10]提出的從行業內、外部角度選取解釋變量對物流效率的影響因素進行分析。通過對產業增長理論進行分析，對傳統產業增長和內生增長進行對比，得出行業增長所投入的三個關鍵因素：資本、人力資本存量、勞動的投入。一個地區的經濟發展水平理論上與該地區產業經濟發展的外部環境是密切相關的。同時還用人均GDP這一指標來說明一個地區的經濟發展水平。最終選取指標如表1所示。

表1 物流效率的影響因素變量

本文數據選取我國34個省（市、自治區）2007—2016年10年的數據（主要數據來源于《中國統計年鑒》及《中國物流統計年鑒》），設置340個觀測樣本構成面板數據。

1.2 計量模型的構建

通過上述分析，構建計量模型如下：

其中，ε表示截距項和隨機誤差項。

利用DEAP2.1測算效率結果在0～1之間時，因變量將導致OLS估計值存在偏差，產生局限性。為消除變量局限性帶來的誤差，選取Tobit模型來進行回歸分析，構建模型如下：

相較于離散、連續變量選擇模型而言，Tobit模型中的因變量是受限的，且平行數據包括樣本的個體變量與時間變量。statal2.0一般采用隨機效應模型，本文對Tobit面板數據采用隨機效應模型進行分析，用極大似然法得到一致估計量。各變量基本數據特征如表2所示。

表2 各變量基本數據特征

2 產業效率評價體系的構建

CCR模型是最常用的DEA分析模型之一，其基本構造為：

式中，θ為投入縮小比率，；λ為線性組合系數；s+為剩余變量合成向量；s-為合成向量。設D的最優解是第j0個決策單元的投入產出決策，相對效率評價值分別為θ*，進而可以得到s-*、s+*和λ*。對各評價值的判斷如下：

（1）若θ*=1，且s+*=s-*=0，則表示該DMU為DEA有效，即在n個決策單元所構成的決策系統中，其投入已經達到了產出最優水平；

（2）若θ*=1，且s+*≠0或s-*≠0，那么DMU為DEA弱有效，即在決策系統中有n個決策單元所組成，在投入不變的情況下，可以提高其產出或減少投入可以保持原產出不變；

（3）若θ*＜1，則DUM為DEA無效。

規模報酬變化時的生產效率用BCC模型表示，如下所示：

若存在上述線性規劃存在最優解ω0、μ0，且μ0滿足：

（1）μTy0+μ0=1，決策單元弱DEA有效；

（2）ω0＞0,μ0＞0，決策單元DEA有效。

上述模型主要評價的是決策單元DMU的綜合效率。另外，Malmquist生產率指數模型與DEA結合可以實現測算相對效率的生產率動態變化。運用距離函數構建Malmquist生產率指數，應用距離函數對TFP進行分解，可分解為技術進步和技術效率變化。距離函數在數學形式上表現為Farrell的倒數：越有效，技術效率水平越高。

以t時期技術為參數，從t時期到t+1時期，Malmquist指數定義為：

當M＞1時，表示從t到t+1這一時期，全要素生產率呈上升趨勢，效率提升；當M=1時，表示從t到t+1這一時期，全要素生產率不變，效率也不變；當M＜1時，t到t+1這一時期，全要素生產率呈下降趨勢，效率隨之下降。M=TEC*TC,TEC表示技術效率變化情況，在t到t+1這一時期，每個決策單元接近生產前沿面的程度；TC表示技術進步變化在t到t+1這一時期，每個決策單元生產前沿面移動變化的規律。

3 數據檢驗及結果分析

3.1 產業集聚對技術效率（綜合效率）的影響

對于影響技術效率（UQ）的各個解釋變量，本文通過公式（1）來構建彼此之間的關聯，為考察多樣化集聚、專業化集聚（SA）對技術效率的非線性影響，進而引入DA2和SA2，結果見表3。通過表3中的效應標準差與之相對應的似然比檢驗P為0，可以得出拒絕了平行Tobit與混合Tobit。回歸這兩者一樣的假設，所以應用平行Tobit的數學模型。通過Tobit整體似然比的檢驗結果，不難發現P為0，則證明該檢驗為顯著。

由表2可知，資本（InK）、DA2、專業化集聚、多樣化集聚、人均GDP、人力資本存量（lnHR）的回歸系數均小于1%，則證明為顯著，而SA2對勞動力（lnL）的影響表現得不顯著，進而證實勞動力對物流產業的效率影響不顯著，產業效率與專業化集聚之間不存在非線性的影響。由此可以證明UQ和SA是呈線性相關性的，而UQ和DA則不存在線性相關性，是一種U型的非線性相關。

表3 模型（1）各解釋變量對技術效率的Tobit回歸結果

3.2 產業集聚對純技術效率及規模效率的影響

通過分析模型（1），考慮解釋變量影響純技術效率，得到以下模型：

各變量對純技術效率的Tobit的影響結果見表4。隨機效應標準差與之相對應的似然比的檢驗P的結果為0，則證明顯著，可以采用平行Tobit的數學模型，隨機Tobit整體的檢驗似然比的檢驗結果P為0，則證明顯著，SA的回歸系數小于1%，則證明顯著，資本投入、人均國內生產總值、人力資本存量與勞動力投入的回歸系數均小于1%，則證明顯著。多樣化集聚程度的系數和DA2的系數均小于1%，則證明顯著，專業化集聚、多樣化聚集分別與純技術效率呈現出線性相關性和非線性相關性并呈U型。

表4 模型（2）各解釋變量對純技術效率的Tobit回歸結果

各解釋變量對規模效率的影響見公式（3），與公式（1）結合，構建公式（7）：

表5數據列出了規模效率的影響因素（即解釋變量）。表中隨機效應的標準差與似然比檢驗P的結果為0，則證明顯著，所以采用平行Tobit數學模型。隨機Tobit整體似然比的檢驗P為0，則證明顯著。由表5可知，SUQ與專業化集聚之間的影響關系呈現出一種倒U型非線性關系，SUQ和DA之間的影響關系不顯著，資本投入、人均國內生產總值與人力資本存量的系數均小于1%，那么得到的結果顯著，而勞動力投入不明顯。

表5 模型（3）中各解釋變量對規模效率的影響結果

3.3 產業集聚對各地區技術效率的影響

按照公式（4）進行計算后發現，東部地區各解釋變量中人力資本存量、多樣化集聚程度、人均生產總值對技術效率的影響為顯著性影響，專業化集聚為非顯著，多樣化集聚沒有呈現出線性效應。將相關數據代入公式（5）計算可獲知各解釋變量對我國中部地區技術效率的影響。計算結果表明，多樣化集聚程度的回歸系數在5%以下，則證明顯著，DA2的回歸系數在1%以下，則證明顯著，勞動力投入、專業化集聚和資本投入不顯著，人力資本存量和人均生產總值對綜合技術效率均有正相關的影響，綜合技術效率和多樣化集聚程度為非線性的U型關系。通過公式（6）計算得到的結果表明，資本投入對技術效率具有顯著的負相關影響，多樣化集聚程度對技術效率呈現的影響為線性的U型關系，人力資本存量和人均生產總值對技術效率呈現顯著的正向影響，專業化集聚對技術效率的影響表現為非線性的倒U型關系，勞動力投入對技術效率的影響不顯著。通過公式（7）計算得到的結果表明，資本投入對技術效率的影響不顯著，勞動力投入對技術效率呈現出負向影響，人力資本存量和人均生產總值對技術效率均呈現出顯著的正向影響，多樣化集聚程度對技術效率呈現的影響為線性的U型關系，SA對技術效率呈現的影響為線性的倒U型關系。各地區解釋變量對技術效率的Tobit模型的回歸結果見下頁表6。

3.4 結果分析

通過運用Tobi回歸模型對數據進行分析，可知專業化集聚對物流產業效率的影響比較單一，而多樣化集聚影響物流業效率比較復雜，該結果與預測結果一致。根據當前我國的物流業的發展，物流產業效率受多樣化的集聚的影響表現為先減后增加的U型趨勢，而物流產業效率受專業化集聚的影響為線性正相關，該結果主要是源于當前我國的物流行業處于初步發展階段，物流行業的總體水平較低，現階段對專業化的集聚具有積極的發展影響，對物流產業的效率提高具有重要的意義，由此證明了為什么當前我國的物流行業的集聚大部分都是專業化的集聚形式。與此同時可以看出，專業化集聚存在一定的局限性，專業化集聚如果過度則勢必會造成壟斷的形成，從而對物流產業的發展起到阻礙的作用，由于我國物流區域發展差異較大，專業化的集聚對我國物流效率的作用也會呈現出一種地域性的差異，對于高水平的經濟發展地帶，專業化的集聚對物流業的效率影響較小，但是對于經濟水平較為落后的地區，專業化的集聚對物流業的效率影響顯著。

表6 各地區解釋變量對技術效率的Tobit模型的回歸結果

在初期產業類型與規模的影響程度方面，多樣化集聚表現不明顯，因而造成在知識外溢方面，集聚影響力表現不明顯，甚至可能造成負面影響。而隨著集聚程度的不斷增強，多樣化的集聚優勢逐漸被顯現出來，從而能夠有效地促進物流業效率的不斷增強。與此同時，資本和勞動力等傳統要素的投入對物流業效率的影響明顯減弱，而且資本的產生會對物流業起到一定的負面影響，所以，為了促進物流業的發展，盲目擴大粗放型的增長方式是不可取的，人力資本存量對物流業效率的影響為積極的，由此可知，加大人力資本的投入對物流業的長期發展具有重要的意義。除了人文影響之外，地域性的經濟發展水平對物流業的發展也呈現顯著的影響。

根據效率的類型看，多樣化的集聚和專業化的集聚對物流業的技術影響為顯著性的，證明知識溢出對集聚的影響明顯，由此產生的成本節約和產出擴張能夠有效提升物流業規模效率。分地區來看，對于經濟發展程度較高的東部地區，專業化集聚對物流業產業效率提升的影響不大，但多樣化集聚優勢明顯，它與技術效率表現為正向的線性關系，在促進產業效率增長方面發揮了積極作用。此外，注重人力資本培養對東部地區物流業效率的提升非常重要。對于經濟成長速度較快的中部地區，同東部地區類似，專業化集聚對物流業效率影響不大。多樣化集聚顯著影響物流業效率，但存在U型非線性效應，說明中部地區需通過不斷豐富完善物流業多樣化集聚區的產業種類和規模，才能逐漸釋放產業集聚對物流業效率的促進作用，加大有關人力資本儲備作用明顯。

4 結論

本文研究表明，產業專業化集聚對物流業效率的影響是正向的線性關系，而多樣化產業集聚對物流業效率的影響則呈現U型非線性先減后增的關系。對我國物流業的省域現狀對比分析可知，由于我國物流業發展較為滯后，但發展相對迅速，從而使物流業效率受專業化集聚的倒U型影響較小。當前，規模擴張優勢在行業中占據著主導的優勢，專業化集聚所存在的潛在阻礙作用還沒有凸顯，除此之外，擴大投入的粗放型增長方式在物流業的發展中并不可取。分地區來看，對于經濟發展程度較高的東部地區，專業化集聚對物流業產業效率提升的影響不大，但多樣化集聚優勢明顯。對于經濟成長速度較快的中部地區，同東部地區類似，專業化集聚對物流業效率影響不大。多樣化集聚顯著影響物流業效率，但存在U型非線性效應。對于經濟增長乏力的東北部地區及經濟基礎薄弱的西部地區，專業化集聚及多樣化集聚對物流業效率的影響呈現出倒U型和U型非線性關系。