供給側改革背景下廣東省物流業效率實證研究
——基于SE-SBM-DEA模型

劉剛橋，師建華，李 明 （順德職業技術學院 經濟管理學院，廣東 佛山 528333）

0 引 言

物流業作為支撐國民經濟發展的基礎性、戰略性產業，是聯接供給側和需求側的基礎紐帶。為解決物流領域長期存在的成本高、效率低等突出問題，2016年9月國務院辦公廳印發了《物流業降本增效專項行動方案（2016-2018年）》，明確指出要大力推動物流業降本增效，推進物流業轉型升級，提升行業整體發展水平，因此，如何著力提高物流業全要素生產率，構建高效率、高品質的現代物流成為關注的焦點。

近年來隨著物流理論和實踐研究的不斷深入，關于物流業效率測評的研究成果逐漸豐富。數據包絡分析法（DEA）是當前物流業效率研究最主流的一種方法，通過中國知網（CNKI）進行檢索，發現目前有關廣東物流效率研究的學術論文僅有7篇且均采用DEA模型，其中李松慶（2014）[1]采用DEA-MALMQUIST法測算了2009～2013年廣東省物流業全要素生產率，李松慶（2016）[2]運用三階段DEA模型在考慮環境因素的基礎上對2013年廣東省21個城市物流業綜合效率進行了測評，何新安（2017）[3]利用DEA-TOBIT模型測評了廣東省 2005～2015年物流效率及其影響因素，肖斌（2018）[4]采取普通EDA模型對廣東省2010～2015年物流業綜合效率進行了評價分析，以上研究成果均采用了傳統的DEA基礎模型CCR、BCC或兩者并用。DEA模型發展至今已經衍生出多種拓展模型，如傳統DEA測算的有效決策單元（DMU）的效率值均為1，無法進一步區分有效程度，Andersen（1993）[5]為此提出了超效率模型（Super Efficiency Model，SE-DEA），使有效DMU的效率值一般大于1以作進一步優劣分析；而對無效DMU的測量只包含了投入或產出同比例改進，而松弛改進部分未得到體現，為此Tone（2001）[6]提出了基于松弛變量的測量模型（Slack Based Measure,SBM-DEA），彌補了傳統DEA模型由于徑向和角度的選擇所帶來的不足。本文采用SE-DEA和SBM-DEA相結合的方法測量廣東省21地級市物流業運行效率，探討廣東省物流業運行效率的變化規律，分析物流業相對無效率的成因，明晰物流業改善的目標和方向，進而從供給側視角尋求提升物流業效率的政策建議。

1 研究方法與測算模型

傳統的DEA模型是由Charnes,Cooper and Rhodes[7]在1978年提出的一種非參數分析方法，它是在Farrell（1957）[8]提出的以生產邊界衡量技術效率模型的基礎上，利用線性規劃及對偶模型測算同一類型的具有多個投入和產出指標的決策單元的相對效率，即CCR模型。Banker,Charnes and Cooper（1984）[9]考慮了決策單元生產規模的可變性，將CCR模型修正為規模報酬可變的BCC模型。Andersen和Tone以傳統DEA模型為基礎，分別構建出SE-DEA模型和SBM-DEA模型，其中SBM模型以優化其松弛變量為目標函數，是一種非徑向、非角度的DEA方法，該模型盡可能地考慮了由于角度和徑向選擇造成的投入產出松弛性問題，Tone（2002）[10]綜合兩種模型優點進一步構建了基于超效率的SMB模型，即SE-SBM-DEA模型。該模型假定有n個決策單元（DM U ），記為DMUj（j=1,2,…,n），每個決策單元DMU具有m項投入及s項產出，分別記為Xij（i=1,2,…,m）和Yrj（r=1,2,…,s），非角度規模報酬不變下的模型可表示為：

其中δ*為DMU的效率值，λ為DMU的投入產出調整系數。在模型（1） 的基礎上增加約束條件，即可修正為可變規模報酬下SE-SBM-DEA模型。考慮到研究視角為物流業供給側，且投入因素比產出因素更易控制，因此采用投入導向型的DEA模型。

2 廣東物流業效率實證分析

2.1 變量、樣本和數據的選取

結合以往學者的研究基礎、廣東省物流業發展實際以及數據的可獲得性等因素，本研究選取物流業固定資產投資、從業人員數作為投入變量，物流業增加值、貨運量作為產出變量（見表1），其中投入變量較好地反映了物流業資本和人力等基本投入要素，產出變量反映了物流業發展規模和發展質量。

表1 投入產出變量說明

本研究選用廣東省21個地級市作為研究樣本，滿足DEA模型對樣本數的一般經驗法則要求決策單元DMU數量n不少于變量個數的3倍。參考國家行業分類標準和相關研究經驗，本研究選用2009～2016年交通運輸、倉儲和郵政業的數據作為樣本數據，數據來自歷年廣東省統計年鑒。為消除通過膨脹因素影響，將物流業增加值、固定資產投資分別按照各年GDP指數、工業生產者出廠價格指數（PP）I進行平減。

2.2 實證結果分析

本研究運用MaxDEA7.0軟件分別基于普通DEA、SE-DEA、SBM-DEA以及SE-SBM-DEA模型對廣東省21地市物流業效率進行了測算（其結果見表2），由于優化了無效率單元的改進比例，導致SBM模型效率值均明顯小于徑向模型效率值，同時，SE-DEA提高了模型分辨率，將有效單元的效率值拓展到1.0以上，將更有利于規模效應的區分，本研究主要以SE-SBM-DEA效率值進行分析。

2.2.1 物流業效率分析

從廣東省各市2009～2016年物流業效率均值分布看（見圖1），綜合技術效率和純技術效率均處于第一梯隊的有4個市，分別為廣州、中山、江門、佛山，4個地區的綜合技術效率均超過1.0，其中中山最高為1.1915，說明這4個地區投入產出要素配置合理，而純技術效率突破1.0的地區有7個市，其中廣州純技術效率遠超其他地區，達到1.8266。綜合技術效率方面，介于0.9～1.0之間的地級市有2個，分別為湛江、茂名，這2個地區處于邊緣DEA無效率范圍，通過對投入要素的調整或重新配置可較快實現整體效率達到有效前沿面，而介于全省均值0.6723～0.9的地級市為3個，其余12個地級市物流業效率值均低于全省均值。純技術效率方面，介于全省均值0.9070～1.0之間的有3個地區，分別是汕頭、河源和湛江。

表2 2009～2016年廣東省各市不同模型下物流業效率測算結果對比

值得注意的是，經濟相對發達的深圳無論是綜合技術效率和純技術效率均處于中間位置，這可能是目前學術界研究常采用的交通運輸、倉儲和郵政業增加值未能全面反映深圳市物流業產出情況①，而從廣東省交通運輸、倉儲和郵政業發展現狀看（見表3），深圳物流業單位企業就業人數、人均產值、單位企業產值、區位商等指標均處于中間位置，這與物流業效率測算值相吻合。

從2009～2016年物流業效率變化趨勢看，全省21市綜合技術效率均值總體呈現波動上升態勢，由2009年的0.6352上升至2016年的0.6594，年均增長0.54%（見圖2）。按照廣東省經濟區域劃分，珠三角9市綜合技術效率總體保持較高水平，呈現“六升三降”，其中佛山、惠州、肇慶、東莞、深圳、中山呈上升態勢，年均增長分別為6.12%、4.50%、3.58%、2.12%、1.6%、0.89%，且廣州、江門是唯一的兩個樣本期間各年效率值均大于1.0的地區，而廣州、珠海、江門呈下降態勢，分別年均下降1.67%、11.03%、0.69%。粵北地區物流業效率保持較快增長速度，物流業綜合技術效率年均增長6.52%，其中韶關、清遠2市更是保持年均超10%的增長速度，分別為11.56%、11.53%。粵東地區物流業效率保持穩步增長，年均增速為3.84%，粵東地區所覆蓋的汕頭、揭陽、汕尾、潮州4市均呈現上升態勢，其中揭陽更是保持兩位數的增長。4大區域中僅粵西地區呈下降態勢，主要是受茂名年均下降13.32%的影響。“十二五”以來，廣東省政府出臺了《關于進一步促進粵東西北地區振興發展的決定》 （粵發〔2013〕9號）、粵東、粵西、粵北地區經濟社會發展規劃綱要（2011－2015年） 等文件，有力地推動了粵東西北地區的發展，也帶動了相關地區物流業發展水平的提升。

圖1 廣東省各市2009～2016年物流業效率矩陣

表3 廣東省各市2009～2016年物流業發展狀況

2009～2016 年廣東省21市純技術效率均值波動趨勢與綜合技術效率一致，年均增長0.75個百分點，其中每年純技術效率值大于1.0的地區保持在7～10個（見表4），但僅廣州、佛山、江門3市歷年的純技術效率均處于領先地位，始終大于1.0，尤其是廣州純技術效率由2009年的1.6069提升到2016年的2.2316，年均增長4.85%，同時效率值低于0.7的地區由最大的10個下降為5個，說明廣東省各市物流業純技術效率整體水平不斷提升，這與“十二五”以來，廣東省相繼出臺《廣東省物流業調整和振興規劃》、《廣東省現代物流業發展規劃（2016-2020年）》等政策文件，并加大在智慧物流、“互聯網+”高效物流、物流技術裝備現代化、新業態等方面發展力度，大大提升了廣東省物流業的整體技術水平。

2.2.2 規模效應分析

根據單位企業產值—規模效應矩陣可知（見圖3），處于右上角象限內的是韶關、茂名、湛江以及清遠，這4個地區單位企業增加值超1 500萬元/個，且規模效應均大于0.75，這個象限內的地區物流業法人單位數相對較少，區位商均大于1.0（見表3），說明產業聚集程度較高，規模效應相對明顯；右下角象限有7個地區，均為珠三角城市，其特征就是產業聚集度相對較好，規模效應較高，但物流企業經營活躍度較高導致法人單位數較多，中小型物流企業較多；左上角僅廣州市，其區位商達到1.723，表示產業發展水平相對較高，但剔除技術對產業效率的影響，規模效應并不明顯，尤其是2009～2016年廣州市物流業規模報酬始終呈遞減態勢；左下角象限主要是粵東、粵西城市，這些地區物流企業較多由傳統運輸、倉儲企業發展而來，專業化程度較低，資本構成比較單一，設施條件、管理方式、經營規模等參差不齊，存在明顯的規模不經濟情況。

圖2 2009～2015年廣東省4大區域物流業效率變化情況

表4 廣東省各市2009～2016年純技術效率范圍分布情況

從樣本期間變化趨勢看，2009～2016年廣東省各市物流業規模效應均值年均增長0.59%，與區位商變化趨勢保持一致（見圖4），說明規模效應與產業發展水平、集聚程度高度相關。值得注意的是，2009～2016年廣東省物流業單位企業就業人數呈現下降趨勢，說明單位就業人員生產效率不斷提升，但另一方面也說明物流企業規模正在變小，尤其是當前物流行業經營環境競爭激烈，市場存在“劣幣驅逐良幣”等現象，物流企業更需整合資源提升規模，從而做大做強，不斷提升行業競爭力。

圖3 2009～2016年廣東省各市規模效應矩陣

3 主要結論與啟示

本文基于SE-SBM-DEA模型對廣東省21個地市物流業靜態效率及其變化趨勢進行了實證分析，研究結果表明：一是廣東省物流業效率水平區域差異較大，21地市效率水平呈現出三個層次，其中珠三角9市物流業效率相對較高，但經濟相對發達地區物流業效率并不一定就高，田剛[11]等人也得出了同樣結論；二是廣東省各市物流業效率呈現不同程度的波動上升趨勢，其中粵北、粵東地區各市物流業效率提升較快，且效率提升主要受技術效率影響較大；三是廣東省物流業規模效應與產業發展水平、集聚程度高度相關，其中珠三角物流企業較多，競爭激烈，產業集聚度較高，而粵東、粵西地區物流企業較少，但專業化程度較低，規模效應相對較低。

圖4 2009～2016年廣東省規模效應變化趨勢

針對以上分析，為提高廣東省物流業整體運行效率，應堅持問題導向，基于宏觀和微觀兩個層面從物流業供給側入手進行優化改善，具體建議包括以下方面：

（1）宏觀方面，以《廣東省現代物流業發展規劃（2016-2020年）》作為綱領，圍繞國家“一帶一路”、“自貿區”、“高鐵經濟帶”發展戰略，充分利用廣東建設粵港澳大灣區物流樞紐，優化交通樞紐與物流節點空間布局，大力推動跨區域物流發展，區域平衡充分發展。

（2）微觀層面，不斷提升物流企業規模化、集約化水平，鼓勵物流企業通過投資并購、資產重組、強強聯合、戰略協作、企業聯盟等方式，提高物流資源集約度和市場集中度，支持物流企業建立與制造企業、商貿企業、農業企業長效合作交流機制，實現多業態資源共享和融合聯動發展。

注：①根據深圳市2016年國民經濟和社會發展統計公報，2016年深圳物流業增加值為1 984.5億元，而同期統計年鑒交通運輸、倉儲和郵政業增加值為594.81億元，但考慮到統計標準與研究方便，本研究物流業增加值采用交通運輸、倉儲和郵政業增加值替代。