基于DEA-Malmquist指數的長江經濟帶物流業全要素生產率研究

馬衛東

摘要：利用DEA-malmquist指數模型，對2006～2016年間長江經濟帶物流業全要素生產率進行實證測算，從全要素生產率、技術效率、技術進步三方面分析長江經濟帶物流業發展狀況，并對比分析各地區物流業全要素生產率的動態變化特征。結果顯示：長江經濟帶物流業全要素生產率總體上有下降的趨勢，物流業全要素生產率水平不高;各地區物流業全要素生產率整體上也表現為下降的趨勢，地區之間存在一定的差異;長江經濟帶物流業全要素生產率的增長由主要依靠技術進步轉變為技術效率驅動為主，且技術進步成為阻礙全要素生產率增長的重要因素。最后，提出提升長江經濟帶物流業全要素生產率的對策建議。

關鍵詞：長江經濟帶;物流業;全要素生產率;DEA-malmquist指數

一、引言

新形勢下，我國經濟已由高速增長階段轉向高質量發展階段，創新成為國家發展的核心力量，以創新驅動促進產業轉型升級是實現經濟提質增效的重要保障。長江經濟帶作為國家謀劃經濟發展新格局的重要區域，為了實現長江經濟帶高質量發展，需要貫徹和落實新的發展理念，創新成為推動長江經濟帶發展的關鍵動力，帶動產業轉型升級，優化產業結構以及轉變經濟發展方式，促使長江經濟帶成為引領我國經濟高質量發展的生力軍。物流業作為支撐國民經濟發展的基礎性、戰略性產業，是經濟發展的動脈，對于經濟增長具有重要的、積極的帶動作用，對于長江經濟帶建設具有重要的作用。因此，為保障長江經濟帶發展戰略的順利實施，為經濟發展奠定堅實基礎，探討長江經濟帶物流產業全要素生產率具有重要意義。

由于物流產業的獨特性，對于物流產業全要素生產率的研究已成為學者們關注的熱點問題。從物流產業全要素生產率評價主體來看，一方面是從國家層面或是省（市）域層面出發，許晗對我國1995～2007年物流業全要素生產率變動進行研究，結果表明：總體呈現增長趨勢，技術進步是物流業生產率增長的關鍵，技術效率不斷改善物流產業發展。金春雨等對黑吉遼地區物流業全要素生產率進行測算，低于全國總體水平，且效率提升比較緩慢。袁丹和雷宏振以絲綢之路經濟帶為研究對象，提出了提升物流業效率的對策建議。馬越越從低碳視角出發，研究中國區域物流產業全要素生產率的影響因素，各生產要素有著較大的提升空間（陳文新和潘宇）。劉濤等研究了河南省2011～2015年物流業全要素生產率的變動狀況，整體水平比較低，呈現先下降后上升的“U”型發展態勢，技術效率嚴重阻礙了河南省物流業全要素生產率的增長。另一方面是從物流企業層面出發，莊玉良等以16家物流上市公司為對象，測算出其靜態效率值，結果表明物流業TFP呈遞增發展趨勢，技術進步是生產率提升的主要原因。景保峰等對上海和深圳兩地18家物流上市公司的技術效率進行分析，表明了資本和管理要素的投入對產出影響顯著。

梳理現有研究發現，目前學者們對于長江經濟帶物流業全要素生產率的研究還相對缺乏，已有的研究多數是采用數據包絡分析（DEA）法從靜態角度進行分析，從動態角度運用DEA-Malmquist指數研究長江經濟帶物流業全要素生產率發展狀況還相對較少。因此，本文基于DEA-Malmquist指數模型，從全要素生產率、技術效率、技術進步三方面探討長江經濟帶及各省市物流業發展情況，最后根據測算結果，提出有針對性的對策建議，為提升長江經濟帶物流業全要素生產率提供參考。

二、研究區域、研究方法及數據來源

（一）研究區域

長江是全球內河貨運量第一的黃金水道，長江經濟帶包含了九省二市，東起上海，西至云南，涵蓋了上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州，面積約205萬平方公里，其經濟總量和人口總數都已經超過了全國的40%。長江經濟帶橫跨了東中西三大區域，具有獨特的地理優勢以及巨大的發展潛力，已逐漸發展成為支撐國家經濟發展及戰略實施的重要區域之一。

（二）基于DEA-Malmquist指數模型測算物流業全要素生產率

Malmquist指數由Sten Malmquist于1953年首次提出，主要是用于評價不同時期消費投入變化的數量指標。Caves等（1982）首先將這一指數用于生產率變化的測算，此后，Fare和Grosskopf（1992）將其與已建立的DEA理論相結合，在處理基于面板數據的多投入與多產出的效率評價時具有獨特優勢，以Malmquist指數表示跨期生產率變動的狀況。

公式（2）中，Dt（xt，yt）、Dt（xt+1，yt+1）分別指以t期的數據為參考集，t期和t+1期的技術效率水平;Dt+1（xt，yt）和Dt+1（xt+1，yt+1）分別指以t+1期的數據為參考集，t期和t+1期的技術效率水平。當TFP>1時，表明從t期到t+1期全要素生產率呈上升狀態;反之，則表示從t期到t+1期全要素生產率表現出下降趨勢。其中，技術效率（EC）與技術進步（TC）的變化表征一致，當某個變化率>1時，表明它是全要素變化率增長的根源，反之亦然。

（三）指標選取與數據

本文采用該方法測度長江經濟帶物流業全要素生產率，投入和產出變量如下。

投入變量：投入變量包括勞動投入和資本投入，分別以長江經濟帶各省市交通運輸、倉儲和郵政業就業人員數和各省市物流資本存量衡量，其中，物流業資本存量核算采用永續盤存法，計算公式為：

Kit=Kit-1（1-δit）+Iit/Pit（3）

公式（3）中，i代表省份，t代表年份，K代表不變價資本存量，I代表當年價物流固定資產投資額，P代表固定資產投資價格指數，δ是折舊率。本文的初始資本存量和投資縮減指數均以2006年為基期，考慮到物流業固定資本存量的省際差異性借鑒張軍等的做法按照公式Ki，2006=Ii，2006（0.05+gi）計算各省基年物流業資本存量，其中gi為i省2006～2016年物流業年平均增長率，0.05為折舊率。

[3]袁丹，雷宏振.絲綢之路經濟帶物流業效率及其影響因素[J].中國流通經濟，2015（02）.

[4]馬越越.低碳視角下中國區域物流產業全要素生產率的空間溢出效應研究[J].宏觀經濟研究，2016（12）.

[5]陳文新，潘宇.低碳約束下物流產業全要素生產率的空間分異及時空演化[J].工業技術經濟，2016（11）.

[6]劉濤，霍靜娟，顧令爽，金英淑.河南省物流業全要素生產率的動態演化及其提升路徑[J].物流科技，2017（05）.

[7]莊玉良，吳會娟，賀超.我國物流業效率動態變化的Malmquist指數研究[J].統計與決策，2009（05）.

[8]景保峰，周霞，胡愛嬡.基于隨機前沿分析的上市物流公司技術效率評價[J].工業工程，2012（02）.

[9]鐘昌寶，錢康.基于ESDA的長江經濟帶省域物流產業空間差異研究[J].華東經濟管理，2016（07）.

[10]MALMQUIST S.Index numbers and indifference surfaces[J].Trabajos De Estadistica，1953（02）.

[11]CAVES D，CHRISTENSEN L，DIEWERT W.Multilateral comparisons of output，input，and productivity using superlative index numbers[J].Economic Journal，1982（03）.

[12]FARER，GROSSKOPF S.Malm-

quist productivity indexes and fisher ideal indexes[J].Economic Journal，1992（01）.

[13]于麗英，施明康，李婧.基于DEA-Malmquist指數模型的長江經濟帶物流效率及因素分解[J].商業經濟與管理，2018（04）.

[14]張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952～2000[J].經濟研究，2004（10）.