項絲雨
(安徽財經大學 統計與應用數學學院,安徽 蚌埠233030)
2013年,國家主席習近平提出了建設“絲綢之路經濟帶”和“21世紀海上絲綢之路”的倡議,這兩者統稱為“一帶一路”.“一帶一路”建設頂層設計規劃的終極版圖中重點圈定了國內18個省市自治區,即新疆、陜西、甘肅、寧夏、青海、內蒙古、黑龍江、吉林、遼寧、廣西、云南、西藏、上海、福建、廣東、浙江、海南和重慶.隨著經濟全球化的發展和互聯網經濟的盛行,物流產業的發展也呈現出日益升溫的狀態,國家和地區間的競爭已經不僅僅局限在產品數量和質量上,也包含物流產業發展的競爭.近年來,我國物流產業發展迅速,尤其是第三方物流的興起,帶動了我國絕大部分地區物流產業的發展.但是與國際上物流產業發達的國家相比,我國物流產業還有較大差距.
DEA方法是1978年Charnes和Cooper等人開創的一個交叉研究運籌學、管理科學和數理經濟學的新的領域,它是一種適用于多投入多產出的多目標決策單元績效評價方法[1].對物流效率的研究,國內外很多專家采用DEA-Tobit方法[2-3].國內運用DEA-Tobit方法進行效率研究的學者很多,研究范圍很廣,包括衛生支出[4]、農田水利運營[5]、會計事務所運營[6]效率及影響因素分析等等.劉亞楠[7]、劉子琦[8]和霍倩倩[9]等學者也在物流效率及影響因素研究中運用了DEA-Tobit方法.本文通過構建指標體系收集了相關數據,利用DEA方法對2011—2016年“一帶一路”省域18個省市地區物流產業的效率進行了測算,并利用Tobit回歸模型對物流影響因素進行了探究,找出“一帶一路”省域物流產業現階段存在的問題,為今后物流產業的發展提供參考.
DEA方法的基本模型有CCR模型、BCC模型.CCR模型是基于決策單元規模報酬固定的假設,沒有考慮規模大小對運行效率造成的影響,但各種因素的存在使規模報酬不變的情況比較難以實現.而BBC模型是基于決策單元規模報酬可變的假設,因此本文選擇 BCC模型來進行效率的計算.BCC模型又分為投入導向型與產出導向型.投入導向模型是假設在產出不變的情況下,使投入最小化的運籌學問題.產出導向模型是假設在投入不變的情況下,使產出最大化的運籌學問題.本文的研究對象是物流產業,其控制投入要素相對容易,因此采用投入導向型.
假設有n個稱為決策單元的部分:DMU1,DMU2,…,DMUk,…,DMUn,每個決策單元都有m 個投入變量和 s 個產出變量.于是可以得到輸入矩陣:Xj=(X1j,X2j,…,Xmj),輸出矩陣:Yj=(Y1j,Y2j,…,Ymj).
定義Yrj為第j個決策單元對第r種輸出的產出量;Xij為第j個決策單元對第i種輸入的投入量;Ur為對第r種輸出的一種度量(或稱權);Vi為對第i種輸入的一種度量.
CCR模型為:

假設上述模型的最優解為 λ*,S*-,S*+,θ*,則有以下結論:
(1) 當 θ*=1,且 S*-=S*+=0時,DMUj0為 DEA 有效;
(2) 當 θ*=1,且 S*-,S*+不全為 0 時,DMUj0為弱 DEA 有效;
(3) 當 θ*<1時,DMUj0為 DEA 無效.

本文采用諾貝爾經濟學獎獲得者James Tobin提出的Tobit回歸模型來分析物流產業的影響因素,模型表示為:其中 Y 是因變量,X 是自變量,β是未知參數,μ~(0,σ2),Y 以受限制的方式取值:當 Y>0 時,“無限制”觀測值取實際觀測值;當Y≤0時,“受限制”觀測值取0.
在投入產出指標體系的構建中,分析借鑒了現有學者的相關研究文獻[10-11],選取指標按照全面性、重要性、可獲得性等原則,使其能較為準確的對省域物流產業效率指標進行測算和反映物流產業的發展情況.物流產業是一類綜合性的產業,關于物流產業的明確界定還尚不明確,因此本文在此選用交通運輸、倉儲和郵政業的相關數據之和來代替物流產業的數據.本文選取的投入指標包括:交通運輸、倉儲和郵政業從業人員數(萬人)、固定資產投資額(億元)和運輸線路長度.產出指標包括:交通運輸、倉儲和郵政業生產總值(億元)、貨運量(萬噸)和貨物周轉量(億噸/公里).
本文的研究對象是“一帶一路”省域的18個省市自治區.測算選取的基礎數據是2011—2016年18個省市自治區物流產業投入產出具體指標的統計數據,數據來源于2012—2017年中國和各省市《統計年鑒》.本文按物流產業投入產出指標體系,收集了具體的指標數據.
基于DEA方法和投入產出指標體系,利用數據包絡分析軟件DEAP Version2.1測算18個省市自治區物流產業的綜合技術效率、純技術效率和規模效率值.決策單元DMU個數為18,投入指標個數為4,產出指標個數為3,選取的導向為投入導向,依次輸入2011—2016年的指標數據.根據測算結果以及對結果的整理,從以下3個方面進行綜合分析.
(1)效率整體性分析
2011—2016年18個省市自治區物流產業的綜合技術效率(TE)、純技術效率(PTE)和規模效率(SE)的平均值如表1所示.

表1 2011—2016年物流產業的效率平均值
由表1可知,18個省市自治區物流產業綜合技術效率平均值6年間維持在0.75左右,說明“一帶一路”省域物流產業效率整體偏低.純技術效率和規模效率平均值也未達到有效,從而導致了省域物流產業的整體無效率.
(2)效率區域性分析
“一帶一路”省域18個省市自治區按照區位劃分為西北地區:新疆、陜西、甘肅、寧夏、青海和內蒙古;東北地區:黑龍江、吉林和遼寧;西南地區:廣西、云南和西藏;沿海地區:上海、浙江、福建和廣東;以及內陸地區:重慶.這5個區域2011—2016年物流產業效率平均值如表2所示.

表2 2011—2016年物流產業區域效率平均值
5個區域物流產業效率之間存在較大差異,存在區域發展不平衡,沿海地區效率值位于首位,物流發展較好,而內陸地區效率值處于末位,有較大提升空間.
(3)投影分析
選取2014年“一帶一路”省域物流產業效率評價結果中的12個非DEA有效省市,其中有7個省市存在投入產出和冗余不足,具體見表3.

表3 2014年“一帶一路”省域物流產業效率評價
2014年18個省市自治區中有7個存在投入冗余或產出不足的情況,占總數的38.89%,冗余不足現象較為明顯.這7個省市自治區在從業人員數上均不存在投入冗余,但在運輸線路長度上的冗余現象比較突出.
物流產業效率的影響因素有很多,無法全面對其進行確定與分析.本文基于“一帶一路”省域物流產業的發展現狀和對已有文獻中影響因素的借鑒[12-13],從經濟發展狀況、物流資源投入、產業結構、物流信息化水平和區位因素5個方面選取了6個影響因素.經濟發展狀況用GDP衡量,物流資源投入用固定資產投資和從業人員數衡量,產業結構用第三產業增加與第二產業增加值的比值衡量,物流信息化水平用郵電業務總量衡量,區位因素用區位商衡量,分別用GDP、FAI、P、S、ST和LQ表示.為了消除異方差的影響,其中GDP、固定資產投資、從業人員數和郵電業務總量取其對數形式.
以“一帶一路”省域物流產業18個省市自治區的綜合效率作為因變量,以各影響因素作為自變量,構建以下Tobit回歸模型:

其中,α 是常數項,β1、β2、β3、β4、β5、β6是各自變量的回歸系數,μ 是誤差項.
運用STATA 14.1軟件對上述Tobit回歸模型進行隨機效應的面板回歸分析,結果如表4所示.Tobit回歸分析的P值都0.01,說明回歸方程顯著性明顯,6個影響因素都具有代表性.

表4 影響因素的Tobit回歸分析結果
經濟發展水平、物流信息通訊水平和區位因素的回歸系數為正,“一帶一路”省域物流產業效率與其之間存在正相關關系.物流資源投入和產業結構的回歸系數為負,說明物流效率與其之間存在負相關關系.
“一帶一路”省域物流產業綜合技術效率的平均值維持在0.75左右,純技術效率均值和規模效率均值也基本在0.8左右,物流產業效率整體上偏低.各地區政府應高度重視效率整體偏低這一事實,從全面角度分析存在的問題.力求高效率地區保持,低效率地區消除弱勢.從技術、管理和資源配置等角度提高純技術效率和規模效率,從而帶動綜合效率的提升.
西北、東北、西南、沿海和內陸這幾個區域的物流產業效率呈現區域性差異.上海、浙江、福建、廣東等沿海地區的物流效率最高,黑龍江、遼寧、吉林等東北地區省市次之,作為內陸地區的重慶整體效率最低.各省市政府應該加強各自之間的物流資源共享、物流信息技術交流,為弱勢地區提供技術支持與幫助,推進區域間協調發展.政府應該引導西北、東北、西南、沿海和內陸地區之間形成結對互助,在彼此之間形成物流系統節點,使得各省市之間的物流信息技術和管理經驗得以共享和借鑒,促進區域物流的協調發展和共同進步.
以2014年為代表,“一帶一路”省域18個省市自治區中有7個存在投入冗余和產出不足的問題,占總數的38.89%,投入冗余和產出不足現象較為突出.針對這個問題,各地政府應該結合當地物流發展現狀和信息技術的發展情況,充分利用物聯網、云計算、大數據、移動互聯網等信息技術手段來對物流資源進行合理的配置,盡力減少投入冗余現象,保證實際的產出效益.
經濟發展狀況、物流信息化水平和區位因素這3個影響因素對“一帶一路”省域物流產業效率具有正向影響.因此,“一帶一路”省域在發展各地區物流產業時,要注重各地區經濟實力的提升,促進地區經濟增長,為物流產業發展奠定基礎.要注重提升物流信息通訊化水平,加強物流信息化建設.另外,各省市應充分利用地區發展優勢,做好物流園區的規劃和建設工作.