中國西部地區物流效率時空分布及影響因素研究
——基于超效率DEA與Tobit回歸

張昊高康

（貴州大學管理學院，貴州 貴陽 550025）

一、引言

自2000年中共十五屆五中全會將西部大開發作為新時期國家的一項戰略任務以來，西部12個省市（自治區）迎來了經濟發展的良好機遇；2013年習近平總書記提出的“一帶一路”倡議，又為西部經濟社會發展注入了新的生機和活力。西部地區的GDP總量以年均11．7%的增速從2000年的 15659．56億元增長到 2016年的 156528．6億元。在國家政策紅利及外部經濟的不斷刺激下，西部地區的物流產業體量也由小變大，規模和實力不斷擴大和增強。據統計，自“一帶一路”倡議實施后，西部12個省市（自治區）的物流業固定資產投資由2013年10189．3億元增加到2015年的15012．6億元，對物流業的投入呈翻倍增加趨勢。但從區域經濟與區域物流的協調發展來看，西部地區的物流發展水平尚不能很好地滿足快速的經濟發展需要，并且“一帶一路”建設要求道路聯通、貿易暢通，對未來物流產業的發展提出了更高要求［1］。推動“一帶一路”核心區域西部各省市（自治區）的物流業發展，加強互動合作，縮小與東中部發展差距，可以為推進“一帶一路”建設，全面提升開放型經濟水平提供有力保障。

物流業作為現代服務業的重要組成部分，區域物流系統作為區域經濟社會的一個重要子系統，對于區域經濟發展有著重要影響［2］。在區域物流業步入到科學有序的發展階段后，物流效率問題逐漸成為學者們關注和研究的焦點。國外學者多從微觀層面展開研究，Hamdan［3］、 Peter［4］、Reza Farzipoor Saen［5］將數據包絡分析法應用于倉儲物流服務效率評價、港口物流設備利用效率評價以及第三方逆向物流優化模型的篩選。而國內學者多將其應用于中觀以及宏觀區域物流的研究，王蕾［6］、廖志高［7］、連兆大［8］利用傳統DEA－CCR模型以及改進的C2GS2模型對我國北疆地區、北部灣地區和“一帶一路”國內沿線省份的物流效率水平進行分析；孔原［9］、田振中［10］等人基于DEA對我國31個省份物流效率進行測評，并提出相應建議。從DEA在物流效率評價的應用研究來看，大部分都是采用傳統DEA模型進行實證研究，未能對有效單元進行再比較，結果有失偏頗；此外，國內對物流效率的研究大多集中在東中部經濟發達地區，對于我國西部物流效率及影響因素的研究則鮮有人涉及。據此，本文在“一帶一路”建設的大環境下，利用超效率DEA模型和Tobit回歸對我國西部12個省市（自治區）的現代物流業進行效率評價及影響因素分析，研究區域包括四川、重慶、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、內蒙古、廣西12個省市（自治區），以期從投入和產出兩方面研究各地區的物流業發展現狀，并提出合理化建議，為推動西部地區的物流效率提升及物流產業健康與均衡發展提供有益借鑒。

二、我國西部地區物流效率測評及空間差異

（一）研究方法

1．數據包絡分析法。數據包絡分析法（DEA），是美國運籌學家Charnes等在1978年提出來的，是一種用于評價多投入多產出決策單元相對有效性的線性規劃方法［11］。不同于AHP、目標決策和模糊數學等方法［12］，DEA具有非參數的特點，在一定程度上避免了主觀判斷偏差。最常應用的DEA模型是C2R，在規模報酬固定下來測算決策單元的技術有效性，也即綜合有效性。在傳統DEA分析法測算后可能會出現同時多個DEA有效現象，而不能對所有決策單元進行統一排序，這樣的結果往往不科學并且使得評價模型的準確度降低［13］。超效率DEA與上文的C2R基本一致，當對DUMi0進行評價時，生產前沿面發生改變，將第i0個決策單元排除在外，其余的決策單元組成新的生產前沿面，再依次進行排序，其模型如下：

上式中，θ 為效率值，λi為 DMU 系數，S＋和 S－分別為產出松弛變量和投入松弛變量。θ＞1表明輸入和輸出超過了最優效率，θ＜1顯示輸入和輸出沒有達到最優效率，在超效率DEA中，無效的DMU與 C2R模型中的數值一致；θ＝1則輸入和輸出剛好達到了最優效率；若在上式中引入限制條件則是規模報酬可變模型。

2．探索性空間數據分析法。為了進一步明晰西部地區物流效率的空間差異，接下來利用探索性空間數據分析法（Exploratory Spatial Data Analysis，ESDA），并采用簡單的二進制鄰接矩陣（即兩個地區鄰接，則權重矩陣的值為1，否則為0）作為空間權重矩陣，對區域內物流效率的空間差異進行探索。具體分析方法為全局空間自相關和局域空間自相關兩種方法。

全局空間自相關是對屬性值（物流效率）在整個區域空間特征的描述，用于分析區域總體的空間關聯和空間差異程度。Moran＇s I是測度全局空間關聯度的常用統計量。具體式子如下：

Moran＇s I指數揭示了區域物流效率的全局空間相關性，卻忽視了局部間的關系。Moran散點圖是在局部空間穩定性基礎上的研究，能夠直接反映區域物流效率的高觀測值（或低觀測值）的空間集聚。Moran散點圖以（z，Wz） 為坐標點為空間滯后因子，W為空間權重矩陣），是對空間滯后因子（z，Wz）數據對的二維可視化圖示，Wz是對空間單元觀測值的空間加權計算。Moran散點圖將空間關聯類型分為“High－High”“High－Low”“Low－High”和“Low－Low”四種，分布在四個象限中，其具體解釋見表1。

（二）物流效率計算及分析

投入產出指標的選取是實現DEA分析法的前提，本文的指標體系是在借鑒前人［2］［6］［8］［11］對區域物流效率評價指標體系的基礎上，依據科學性、系統性與數據可得性的原則來構建的，具體的投入及產出指標見表2。

表2 西部地區物流效率投入和產出指標評價體系

數據來源于《中國統計年鑒》（2012－2016年），西部12省市（自治區）物流業效率值是通過MatlabR2016a軟件編程進行測算得到的，結果見表3。

由表3西部各省市（自治區）物流效率計算結果可知，2001－2015年內的綜合效率整體上得到提升，并在2012年達到一個峰值。具體分區來看，物流效率從高到低依次為內蒙古、貴州、廣西、寧夏、重慶、陜西、四川、甘肅、云南、西藏、新疆、青海。內蒙古2011－2014年達到DEA總體有效，貴州省在2012年、2013年和2015年三年DEA總體有效，其余各地5年內均未達到總體有效，且大多都是由純技術效率無效導致的，說明西部地區的物流投入和產出結構不合理，投入產出轉換率低，大多年份是投入冗余而產出不足。其中，75%的地區為規模報酬遞增，表明在原投入的基礎上繼續增加投入量，物流產出也將會增加。因此，一方面西部地區應大力發展現代化物流，從信息技術、物流人才培養和物流理念等方面來發展物流軟實力，從而提高物流資源的利用率；另一方面，還應繼續加大物流基礎設施的投入建設，提高物流產出以保證物流供給能夠滿足經濟社會發展的需求。

表1 物流效率局域空間自相關解釋

表3 2011－2015年西部12個省市（自治區）物流業效率

圖1 各地區物流效率均值的變動趨勢

從圖1各地區物流效率的變動來看，西部地區物流效率呈上升趨勢，但是整體效果并不顯著；西南地區的物流效率在整體上要高于西北地區和西部平均水平。2009年國務院印發《物流業調整和振興規劃》，國家將物流產業列為“十大產業振興規劃”，物流業上升為國家戰略為西部各地物流產業的發展帶來巨大機遇，2013年“一帶一路”倡議的提出，以及我國逐漸進入經濟新常態的宏觀經濟政策，即經濟增長速度正從高速增長轉向中高速增長，經濟結構不斷優化升級，以及更加注重經濟社會的統籌協調與可持續發展，對西部各地物流產業的協調健康發展起到一定的助推作用。

圖2 物流效率水平空間分布圖

基于斷裂點法將物流效率劃分為四個層次，借助ArcGIS10．2軟件對西部各省市（自治區）物流效率進行空間劃分（見圖2）。物流效率的空間分布具有以下特征：（1）西部地區物流效率具有明顯的空間二元結構，物流效率自東向西不斷下降；（2）西南地區的物流效率要高于西北地區，且貴州和內蒙古分別為西南和西北地區物流效率的“熱點”；（3）低物流效率省份地分布具有空間正相關性，物流效率相似的省份集中分布，物流效率高水平省份具有空間異質性，物流效率相似的省份“跳躍式”分布。觀察發現物流效率低水平區和中等水平區分別由新疆、青海、西藏、云南4省和陜西、甘肅、四川3省連片組成，而物流效率高水平區和較高水平區則被低水平區和中等水平區所包圍。

（三）物流效率空間差異分析

為了進一步明晰西部地區物流效率的空間差異性，接下來利用探索性數據分析法對其進行空間相關性分析。基于表2所得到的西部省（市／區）物流效率值及Moran＇s I測度公式，利用GeoDa軟件可計算出西部各省（市／區）2011－2015年的全局空間自相關莫蘭系數，詳見表4。

表4 西部地區2011－2015年物流效率

由表4可以看出，西部地區物流效率的全局Moran I指數均為正數，且都通過1%的顯著性檢驗，期間數值呈上升趨勢，這表明西部地區物流效率在空間上呈正相關性，物流相似的地區整體上趨于臨近。

接下來利用Moran散點圖進一步說明物流效率在空間分布的局部特征，同樣利用GeoDa軟件繪制出Moran散點圖，選取2011年和2015年兩個時間節點進行分析（見圖3）。

圖3 2011年和2015年西部地區物流效率Moran散點圖

坐標軸中的數值1～12分別代表重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、內蒙古和廣西12個省市（自治區）。從圖3可以發現，2011年和2015年中，落入第一象限和第三象限，也即“HH”和“LL”區域內的地區個數要多于“HL”和“LH”區域內的個數，占比達67%，這說明區域內物流效率是以空間正相關占主導地位，地區間差異較小。位于“HH”和“HL”區域的為西南各省，而西北各省則大多處于“LH”和“LL”區域，表明西南地區的物流效率整體上高于西北地區。

從物流效率的排名分布及空間分布來看，西南各省物流效率普遍高于西北各省。這主要得益于西南良好的區位優勢，西南各地處于長江經濟帶上游以及泛珠江三角洲經濟圈，中下游發達經濟地區對西南內陸有著經濟、技術和知識的空間溢出和輻射效應。相比于西北各省，下游經濟發達地區對西南各省具有良好的示范帶動作用，借助于長江黃金水道以及珠江流域，西南各省在與下游地區的經濟往來中推動其物流產業的規模化和集約化，可以享受到物流產業集聚帶來的經濟外部性效益。

三、物流效率影響因素分析

（一）影響因素分析

物流產業作為國民經濟的基礎性產業，是一個跨地域、跨部門的復雜系統，是運輸、倉儲、裝卸搬運、包裝、流通加工、信息管理等功能的有機結合。因此，一個地區物流效率的高低受到多方面的影響，不僅局限于物流本身要素對物流效率的影響，而且社會經濟的各要素也會對物流效率產生推動和阻礙作用。 本文基于已有研究［6］［10］，將從地區經濟發展水平、產業結構、區位優勢、物流信息化水平、物流資源利用率等方面展開分析。

1．經濟發展水平。物流產業作為經濟社會重要的基礎性產業，與經濟發展相輔相成。經濟發展能夠刺激物流需求，繁榮物流市場，經濟總量大則會對物流產業的投入增大，有利于完善基礎設施及物流網絡，吸引物流企業匯集，從而提升區域內物流產業的集聚水平，使得區域內物流企業享受到規模經濟帶來的物流成本的降低以及物流效益的增加。區域GDP能很好地反映區域發展水平，但是由于西部各省地的經濟發展不平衡，如果只以區域內GDP總量來衡量各地的經濟發展水平會有失偏頗，因此這里以GDP增長速度來對經濟發展水平進行表征。

2．產業結構。從世界范圍來看，各國往往以“三二一”的產業結構為優化目標，一個國家第三產業產值占GDP總量的比重高低是評價這個國家經濟發展水平高低的一個重要方面。并且，從我國國民經濟行業分類來看，能夠代表物流業的交通運輸、倉儲和郵政業被劃分為第三產業。因此，這里采用第三產業產值占GDP的比重來衡量產業結構。

3．區位優勢。區位熵（lq）①區位熵通過式子計算所得。其中，mij表示j地i產業的從業人員，mj表示j地總的從業人員，mi表示i產業全國從業人員，m表示全國從業人員數量。本文中i為物流產業，j為西部12個省市（自治區）。是反映一個地區某個行業在地域上的聚集程度。這里以物流產業區位熵來反映各地物流產業的區位優勢。物流產業集聚可以使得區域內物流企業享受集聚效應帶來的勞動力、資本、技術、信息等先進要素，從而提高物流效率。

4．信息化水平。隨著信息技術產品的更新迭代，我國已經進入到信息化社會。隨著物流產業的不斷發展，信息化技術的應用在很大程度上改變了物流的經營模式，提高了物流效率，并且信息化是現代物流的一個重要標志。這里以各地區郵電業務總量來表示信息技術化水平。

5．物流資源利用率。物流資源的利用程度是保證物流投入與產出平衡一個重要的因素，從上文DEA分析來看，很多地區由于純技術效率低導致的總體效率低下，正是由于物流資源率低導致的。物流資源利用率可以用單位公路通過的貨運量、單位鐵路通過的貨運量、單位載貨汽車的貨運量與貨運周轉量等來表示，由于我國總體上是以公路運輸為主導的，據統計公路運輸量占總運輸量的70%左右。因此，這里以單位公路通過的貨運量來表示物流資源的利用程度。

（二）模型設定及變量解釋

基于DEA－CCR模型測算出來的物流效率值屬于階段數據，分布在0－1之間，故采用Tobit回歸法進行模擬，以物流效率值為因變量，以選擇的影響因素為自變量構建回歸模型。由DEA測算出效率值將會有至少一個DMU落在DEA的效率邊界，數值為離散的，如果采用普通的最小二乘法，無法解釋極限值與非極限值之間的差異，必定出現偏差。而采用極大似然估計的Tobit回歸可以避免此情況的出現［11］。基本形式如下：

根據分析，文章以地區GDP增長率（GR）、三產占比（S）、區位熵（lq）、郵電業務總量（I）、單位公路通過的貨運量（RU）5個因素建立Tobit模型，數據均來自于《中國統計年鑒》（2012－2016年），表達式如下：

其中，i為年份（i＝2011－2015），k 為地區，i為各解釋變量的回歸系數（i＝1，2， …，6），α 為常數項，為誤差值，yik、GRik、Sik、LQik、Iik、RUik分別為 k 地區第i年的物流效率值、GDP增長率、第三產業占比、區位熵、郵電業務總量和單位公路通過的貨運量。由于篇幅有限，指標的原始數據從略。

（三）實證分析

首先通過Eviews6．0對數據進行Hausman檢驗，統計量輸出值為9．695058，相對應的伴隨概率為0．0381，拒絕混合及隨機效應原假設，建立固定效應模型。其次，利用SPSS22．0軟件對面板數據進行多重共線性檢驗，得到的容差數據位于［0．230，0．601］之間，方差膨脹因子VIF 在［1．302，4．554］之間，說明所選數據并不存在明顯的多重共線性，最終的Tobit回歸結果如下表5。

表5 西部地區物流效率Tobit回歸結果

回歸結果表明，區位優勢通過1%顯著性檢驗，經濟發展水平通過5%顯著性檢驗，信息化程度通過10%顯著性檢驗，而第三產占比和物流資源利用率均未通過顯著性檢驗。西部地區經濟發展和區位優勢與當地物流效率呈現正相關關系，即當GDP增長率和區位熵增加1個單位，物流效率分別增加 1．10E－05 和 0．0350324 個單位，這說明良好的外部經濟環境和區位優勢對西部地區物流效率的提升做出貢獻，這是因為西部地區正處于經濟發展的高速階段，經濟發展及物流集聚對物流效率的提升具有邊際遞增效應。而第三產業占比、信息化程度和物流資源利用程度與物流效率呈負相關關系，這與上文中大部分地區物流純技術效率較低的現象相吻合，說明西部地區的物流信息化程度較低，對于物流效率的提升效果不明顯。

四、結論與建議

（一）結論

文章基于超效率DEA模型及Tobit回歸模型，對地處“一帶一路”沿線及輻射范圍的我國西部12個省市（自治區）的物流效率進行測度及影響因素研究，得出以下結論：

1．我國西部地區物流效率水平整體上較低，這主要是由物流純技術效率較低所導致的，體現為物流技術落后導致的物流資源投入產出轉化能力弱；并且發展水平存在區域不平衡，這種不平衡隨著時間的推移并未得到改善。

2．物流規模報酬整體上呈遞增狀態，說明地區內物流供給不足，未來對于物流硬實力與軟實力資源投入應該加大，保證有效供給以滿足經濟社會發展的需求。

3．物流效率在空間上具有“中心—外圍”的特征，呈現區域內由東向西遞減的梯度格局。物流效率高水平地區具有空間異質性，與周邊地區存在差異性，而低水平區則具有空間正相關性，相似地區更顯集聚。

4．西部地區物流效率呈現空間正相關性，物流效率相似地區更顯集聚，局域差異性也相對較小。

（二）對策建議

1．發揮DEA有效省份“鲇魚效應”以及物流高效率地區的經濟外部效應，將物流效率高地區的正外部效益通過勞動力、資本、技術和信息等載體傳遞給物流低效率地區，以弱化物流效率的馬太效應。

2．借助“一帶一路”的發展優勢，利用其輻射和帶動作用，積極加強與東中部及周邊國家的互聯互通，承接東中部的區位、資金、人才、技術等優勢，接收下游地區的物流產業溢出效應，提高西部地區物流業的集約化、信息化和市場化程度，改變投融資環境，從而推動西部地區現代物流業的發展。

3．依托城市群打造城市物流群，發揮城市物流群的輻射帶動作用。在城市群內，一方面要立足本地，培養特色產業，以發展新的物流增長極；另一方面，鼓勵物流業與制造業、商貿業、金融業等產業形成“多業聯動”，以提高產業融合升級合作層次，為物流業發展提供良好的外部環境和支撐要素。

4．以建設大物流為導向，推進地區內物流一體化進程。對此應加快西部地區交通一體化進程，為實現物流一體化提供良好的基礎設施保障。西部地處內陸，應重點打造公路、鐵路交通一體化，在此過程中，應堅持一體化的思想，科學規劃物流通道及節點，以點帶面，從線到面，提高西部各省市的物流通達效率。

5．提升物流資源利用率，改善物流純技術效率。針對西部各省市物流純技術效率低下的現狀，地區內企業應從企業人才梯隊建設，物流技術創新，以及物流模式創新等方面采取措施，推動地區內物流標準化、信息化和專業化建設，優化物流流程，提高物流資源利用率。