皖北地區物流效率及其影響因素研究

賈大任，王建民，劉 影

（安徽理工大學 經濟與管理學院，安徽 淮南 232001）

1 研究背景

物流業是運輸、倉儲、通信等多個行業共同整合的結果，在社會經濟發展、人民生活水平的進步中起著極其重要的作用。在我國經濟進入高質量發展的新格局下，現代物流業的發展被當做是暢通國內大循環的基礎框架，是實現雙循環新發展格局的關鍵環節[1]。在國家發展改革委員會聯合相關部門印發的《關于推動物流高質量發展促進形成強大國內市場意見》中，指出了物流業是國民經濟的戰略性產業，提升物流行業的水平對鞏固降本增效、提升經濟發展活力具有重要作用。在經濟發展進入新格局下，作為十大振興產業之一的物流業對皖北地區的高質量發展有直接帶動作用。皖北地區物流業發展迅速，物流業生產總值從2013年的232.16 億元增長到2019年的623.31 億元，平均每年約增長24%。在高速發展的同時，皖北地區也存在發展不平衡不充分、資源配置不到位、資源利用效率低下的問題。本文擬在對皖北地區物流效率測算的基礎上，進一步探索其影響因素，以期實現皖北地區物流效率的提升、物流業的進一步發展。

由于物流業行業已經成為經濟發展的重要增長極，物流效率評價及其影響因素的探討也成為國內外學者共同關注的熱門課題。從物流效率相關的研究來看，賈雯馨等[2]通過建立數據包絡分析法（data envelopment analysis，DEA）模型，對安徽省16 個城市數據分析對比后得出不同城市物流效率發展情況；何景師等[3]通過Malmquist 指數、超效率SBM（slack based measure）模型和Tobit 模型對碳排放約束下我國三大灣區城市群的物流效率和影響因素進行了研究，發現綠色物流效率均值珠三角地區最高，其次是長三角地區，最后是渤海灣城市群。經濟水平等對綠色物流效率具有負影響，物流運輸強度等對綠色物流效率具有正影響；Y.Ali 等[4]運用線性規劃法對巴基斯坦貨物運輸理想方式劃分、提高貨物運輸物流效率進行研究，研究發現巴基斯坦貨物運輸方式應以鐵路運輸為主，卡車運輸為輔，才能具有成本效益；張云鳳等[5]使用C-D 生產函數（Cobb-Douglas production function）對30 個省（市、自治區）的物流產業效率進行了評價，并分析了外生環境變量是如何對這些省級行政區產生的顯著作用，研究了我國物流產業效率整體水平不高、地區差異顯著的問題，得出了低碳約束對物流產業效率有正面影響的結論；龔瑞風等[6]采用三階段DEA 模型，對2009—2018年中國區域物流效率及其時空分布進行了研究，發現區域物流效率提升的關鍵是規模效率的提升，且我國物流效率地區上呈東高西低的格局；V.P.Nekhoroshkov 等[7]以物流效率作為衡量指標，對亞太經合組織國家物流和運輸系統運作的可靠性和及時性進行了探索，發現通過提升物流效率可以進一步縮小亞太經合組織國家發展不平衡不充分的問題。從物流效率的影響因素相關研究來看，楊亞利等[8]以泛珠江三角洲地區9 個內地省份為研究對象，在對泛珠江三角洲地區的物流業效率測算后，發現區域物流效率的主要影響因素是物流規模的大小及物流技術的投入；高康等[9]基于超效率和探索性空間數據分析DEA-ESDA（exploratory spatiul data unalysis）研究方法，對我國西部地區12 個省份的物流效率進行了測算和評價及結構分析，研究發現西部地區物流效率整體上存在弱相關性，且有整體波動上升的趨勢。影響其物流效率的主要因素為純技術效率，通過人才隊伍建設和信息化建設可以提升純技術效率；王琴梅等[10]采用泰爾指數和摩爾指數、Super-DEA 模型及Tobit 模型，分析了產業結構的演進對絲綢之路經濟帶核心區物流效率的影響，發現產業結構越趨于合理，對物流效率的提升越有明顯的促進作用。

由上文所述可知，學者在物流效率的評價及影響因素的研究上已經取得了長足的進步。但是現有研究仍存在部分不足：1）更注重物流效率的測算和評價，對其影響因素的探索不足，進而無法完整、全面地提出提升策略；2）研究方法呈現多樣化，研究結果會因方法的不一致導致差異；3）研究區域集中在長三角地區、東部地區、西部地區等，皖北地區的物流效率研究比較少見。隨著近些年關于皖北振興的政策出臺，皖北地區的基礎設施建設邁上了新臺階，新形勢下皖北地區的作用更加重要，其物流效率的提高對安徽省的總體發展有非常重要的促進作用。

基于此，在結合皖北地區現實情況的基礎上，擇優選擇使用適宜的相關評價指標，運用DEA 中BCC模型和Malmquist 指數法對皖北地區2013—2019年的物流效率進行動靜態結合評價和實證分析，然后利用Tobit 回歸模型，挖掘分析皖北地區物流效率的影響因素，進而對其影響因素的相關性進行分析。根據實證分析所得結論，結合國家和省內相關政策，對皖北地區物流效率提升提出有指向性的建議。

2 基于DEA 模型的皖北地區物流效率評價

2.1 研究方法與模型

2.1.1 數據包絡分析法

DEA 由A.Charnes 等[11]在1978年提出。它是根據多要素的投入和產出，對決策單元（decision making unit，DMU）進行相對有效性或效益評價的一種方法。DEA[12]在使用過程中以決策單元的各投入與產出指標的權重系數為變量進行效益評價，以相對效益為衡量標準，不需要預先估計參數，能夠進一步避免評價結果的主觀性，從而減少誤差。

在DEA 模型中，CCR 模型的基礎是規模效益不變，進而對綜合效率進行衡量。BCC 模型的基礎是規模效益可變，對純技術效率進行衡量。CCR 和BCC 模型在實際應用操作中可分投入導向型和產出導向型，投入導向型是研究在產出一定下如何使投入最小，產出導向型則與之相反。考慮到規模效率不變假設很難實現，根據物流效率研究的實際情況，選擇規模報酬可變的BCC 模型，公式如下：

式（1）中：m=1,2,…,m為決策單元；λ1，λ2，λ3，…，λn為對偶變量；xi、yi為每個決策單元的投入變量和產出變量；s+為松弛變量；s-為剩余變量；θ為每個決策單元的綜合效率值。

2.1.2 Malmquist 指數方法

在Sten Malmquist 提出Malmquist 指數后，F.Rolf 等[13]將其與數據包絡分析方法相結合，由此Malmquist 指數法被廣泛應用。Malmquist 的原理是通過當期與上一期或基期的對比得到全要素生產率。在物流業效率測算中，使用DEA-BCC 模型可以測算靜態效率值，通過全要素生產率能夠發現效率的動態演變情況，使得測算結果更加全面和客觀。在Malmquist 指數分解中，能夠觀察出物流業效率的影響因素。全要素生產率的計算公式如式（2）：

式中：基礎假設為存在m個決策單元、T個生產日期。m=1,2,…,m；t和t+1 為2 個不同的生產日期，t=1,2,…,T-1；Xrt和Yrt為時期t和決策單元r（r=1,2,…,m）的投入向量和產出向量；為以t期為基期，t期和t+1 期產出的距離函數；E為測度每個決策單元到最優前沿面的逼近程度，即技術效率；T為技術進步變化情況。

2.2 數據來源與評價指標體系構建

基于數據可得性以及在實證研究中的需要，選擇使用2013—2019年皖北地級市的相關數據作為物流業投入指標與產出指標。所涉及數據均從安徽省統計局公布的《安徽統計年鑒》中摘錄[14]。其中，根據“物流”的概念及大多數相關研究的選擇，將物流業界定為包括交通、運輸、倉儲和郵政業[15-19]。

區域性的物流效率可以用來分析其資源配置、政策實施成效、技術、行業對經濟發展的帶動作用。在構建關于物流效率評價指標體系的過程中，投入指標從人力投入、物力投入和資本投入3 個方面來考慮對關于物流業的投入更有綜合性[20]。人力投入方面，因皖北地區物流業發展尚不發達，屬于勞動密集型產業，所以將物流從業人員數量（X1）作為評價指標更能反映人力資源投入情況。物力投入方面，公路里程（X2）是貨運指標計算的基本情況。資本投入方面，固定資產投資是形成物流業資本來源最關鍵的組成部分，故選擇物流產業固定資產投資總額（X3）。在產出指標上，選擇能夠反映物流業發展規模與質量的物流業生產總值（Y1）和公路貨物周轉量（Y2）及公路貨物運輸量（Y3）（如表1）。

表1 物流業投入與產出指標Table 1 Input and output indicators of logistics industry

2.3 投入和產出指標的相關性分析

為了解所選取的投入與產出指標是否具有相關性，利用軟件SPSS 22.0對其進行Pearson相關性分析，結果見表2。

表2 Pearson 相關性分析結果Table 2 Pearson correlation analysis results

由表2可知，所選取的投入指標與產出指標間的相關系數均為正數，并且都在0.01 置信度水平上顯著相關，說明所選取的指標具有顯著的正相關關系，保證了對皖北地區物流效率測算的科學性和準確性，所選取指標更適合進一步研究。

2.4 皖北地區物流效率實證分析

基于選擇的投入產出指標構建的評價指標體系、影響因素，在安徽省統計局發表的《安徽省統計年鑒》中摘錄所有相關數據，對安徽省物流業效率及其影響因素進行實證分析。

2.4.1 DEA 模型效率測算及靜態分析

根據表2所整理的數據，利用DEAP 2.1 軟件對皖北地區的物流效率進行測算與整合。計算得到的結果整合后主要包括皖北地區的物流總體效率、純技術效率、規模效率3 個評價指標。其中，純技術效率能夠反映出皖北地區在一定投入下所獲得的產出能力，規模效率則能夠體現皖北地區的物流業發展規模。所得皖北地區及各市物流效率的測算結果如表3、表4所示。

表3 皖北地區2013—2019年物流效率測算結果Table 3 Measurement results of logistics efficiency in Northern Anhui from 2013 to 2019

表4 皖北6 市2013—2019年物流效率測算結果Table 4 Logistics efficiency of six cities in Northern Anhui from 2013 to 2019

從表3可以看出，2013年、2014年、2017年和2019年皖北地區的總體效率值為1.000，表明皖北地區在這4 a 的物流效率達到DEA 有效水平，物流業的投入得到了合理有效的利用。2015年、2016年和2018年皖北地區的物流總體效率值都小于1，分別為0.835,0.860,0.970，處于DEA 非有效水平，說明在這3 a 皖北地區關于物流的投入沒有得到完全充分的利用，造成了物流效率水平偏低的結果。皖北地區2015年的總體效率值為0.835，處于DEA 非有效水平的結果是由其規模效率0.835 導致的，又因為處于規模報酬遞增，反映出當時的皖北地區物流業還在發展的爬坡期，表明該時期內更重視基礎設施的建設，不利于達到投入產出最佳的平衡狀態；2016年和2018年的總體效率值分別為0.860,0.970，DEA非有效水平是由其純技術效率和規模效率偏低共同導致的，表明皖北地區應注意物流資源合理配置問題。從平均值來看，總體效率的平均值為0.952，純技術效率的平均值為0.994，規模效率平均值為0.957，因規模報酬大體處于規模遞增或不變的階段，可知皖北地區的整體物流效率較高。

分析表4中數值可知，6 個地級市的物流總體效率均值達到0.983，說明了物流產業水平相對較高，有穩定發展趨勢。從規模效益來看，淮北、亳州、宿州、蚌埠、阜陽5 市的規模效率、純技術效率和總體效率值均為1，達到了DEA 有效水平，表明該5 市物流效率在省內相對較高。淮南總體效率值小于1，處于DEA 非有效水平，物流效率低于其他市。由淮南純技術效率值為1，可知導致其物流效率無效是因為規模效率值偏低，在物流業發展過程中沒有實現資源的有效配置，而規模效益處于遞增狀態，表明通過增加投入，促進資源合理利用，可以獲得更可觀的產出。

2.4.2 Malmquist 指數動態分析

由于皖北地區各市物流產業發展存在差異性，若僅從靜態角度測算物流效率值進而對物流業發展進行評價不夠全面和客觀，故引用Malmquist 指數法從動態角度進行測算，所得測算結果如表5、表6和圖1所示。

表5 皖北地區6 市物流效率Malmquist 指數及其分解測算結果Table 5 Malmquist index with its decomposition of logistics efficiency in six cities in Northern Anhui

表6 皖北地區2013—2019年物流業Malmquist 指數變動及其分解結果Table 6 Changes and decomposition of Malmquist index of logistics industry in Northern Anhui from 2013 to 2019

根據表5所示結果，皖北地區在2013—2019年間的物流效率均值為0.968，表明物流業發展沒有呈現出良好的上升發展態勢，全要素生產率年均下降3.2%。技術效率和技術進步效率年均分別下降0.5%,2.8%，說明皖北地區在物流業發展過程中，科技創新能力亟待提高。從Malmquist 指數分解情況看，淮南和淮北的全要素生產率分別為1.079,1.010，均大于1，實現了物流效率的提升，這得益于淮南、淮北兩市有豐富的礦產資源，倒逼了交通運輸環境、物流相關基本設施的建設和改善。亳州、蚌埠因技術進步的下降導致了物流業全要素生產率的下降，說明生產技術投入不能滿足物流業的快速發展，導致了物流業全要素生產率降低。宿州由于技術效率和規模效率下降導致全要素生產率降低，阜陽由于技術效率、技術進步效率和規模效率的同時下降導致其全要素生產率降低，這2 市可以通過生產技術的創新提升技術效率的進步及增加資源要素之間的協調性，實現技術水平潛能更大地釋放、建立更加公平公正的市場體制和擴大物流業市場規模以實現規模效率的提升。

由表6和圖1可以得知，皖北地區的物流業發展不穩定。物流業全要素生產率在2016—2017年達到最大值，為1.074。最小值出現在2015—2016年，為0.801。從整體看，全要素生產率在2014—2016年間連續下降，在2013—2014、2016—2019年間，整體呈上升趨勢。2013—2019年皖北地區物流業全要素生產率年均下降2.9%，技術效率年均下降0.4%，技術進步效率年均下降2.3%，規模效率年均下降0.4%。技術進步效率的大幅下降是導致全要素生產率下降的關鍵因素。皖北地區物流業全要素生產率在2013—2017年間變化情況呈“U”字形，在2017—2019年間先降后升，與技術進步要素變化趨勢基本一致，說明了技術進步對皖北地區物流業發展的重要作用。從總體看，皖北地區物流業發展雖然在研究區間內出現了大幅下降的情況，但是總體上呈現出向上發展的趨勢。

3 基于Tobit 回歸模型的皖北地區物流效率影響因素分析

3.1 影響因素選擇

物流系統較為復雜，影響因素較多，在選取安徽省物流業要素投入和產出指標基礎上，根據物流業概念，參考龔雪[21]、龔雅玲[22]、蘇永偉[23]等選取與皖北地區物流業發展水平有緊密關聯的經濟發展水平、產業結構、區位商、政府干預4 個基本因素作為變量，并采取建立Tobit 模型運用回歸分析的方法來研究影響皖北地區物流效率的因素。在經濟發展水平因素中，選取皖北地區的地區生產總值（VGDP）來作為反映指標；在產業結構中，用第三產業同比增長指數除以第二產業同比增長指數的商作為反映產業結構的指標（VIS）；在區位商中，用皖北地區物流業產值在地區生產總值中所占比例除以安徽省物流業產值在安徽省地區生產總值所占比例的商作為區位商（VLQ）；在政府干預中，用物流財政支出占全部財政支出的比例作為政府干預的指標（VGI）。

3.2 模型的選擇與建立

由于使用DEA 模型計算的效率值的結果是離散的，且數值都是在0 和1 的區間內浮動，用Tobit模型可以規避普通最小二乘法出現的參數估計值有偏且不一致的問題[24]。Tobit 模型是J.Tobit[25]在1958年提出的通過利用極大似然法截取回歸方程，方程為

式中：Y*為截斷因變量向量；Y表示的是效率值向量；X為自變量向量；β為回歸參數向量；μ為誤差項，且μ～(0,σ2)。

3.3 數據來源與模型建立

從《安徽統計年鑒》中選取經濟發展水平、產業結構、區位商和政府干預相關指標數據，建立皖北地區物流效率影響因素的Tobit 模型，如式（4）所示：

式中：C為常數項；β1、β2、β3、β4為各個自變量的回歸系數；i為期間，i=2013，2014,…,2019；μ為誤差項；Yi為物流效率；VGDP,i為皖北地區第i期的地區生產總值；VIS,i為皖北地區第i期的皖北地區第三產業同比增加指數與第二產業同比增加指數的比值；VLQ,i為第i期皖北地區的區位商；VGI,i為第i期的皖北地區物流業財政支出占全部財政支出的比例。

3.4 實證結果及分析

使用Eviews 11.0 軟件對上文所述的Tobit 模型進行回歸，可以得到表7所示的結果。

表7 Tobit 模型回歸結果Table 7 Regression results of Tobit model

從表7所示結果可知：1）皖北地區的經濟發展水平與物流效率呈顯著的正相關關系，相關系數約為1.89，這說明區域經濟的發展對物流效率的提高有顯著的效果。在皖北地區經濟快速發展下，帶動了產品的流動，促進了物流業的發展和物流效率的提高；2）皖北地區的產業結構與物流效率呈現出顯著的負相關關系，回歸系數為-0.090 627，表明了以第三產業同比增加指數與第二產業同比增加指數的比值為標準的產業結構對皖北地區物流效率沒有積極的推動作用。皖北地區主要還是以第一產業和第二產業為主，第三產業發展欠佳。產業結構還需進一步地調整和優化，促使物流業積極應對需求結構和運輸方式的轉變，可進一步促進物流效率的提高；3）皖北地區的區位商與物流效率為負相關關系，回歸系數為-0.051 379，說明區位商對皖北地區物流效率有一定影響，但不是主要因素。這說明皖北地區的物流業生產總值在地區生產總值中所占比例情況與全省基本保持一致；4）皖北地區的政府干預與物流效率呈顯著負相關關系。出現這種結果的可能原因是由于皖北地區基礎設施還不完善，政府在2013—2019年間大規模進行了基礎設施建設。

4 結論與建議

4.1 結論

使用DEA-BCC 模型、Malmquist 指數模型對皖北地區2013—2019年對皖北地區的物流效率及全要素生產率進行測算，并進一步采用Tobit 回歸模型探究其影響因素，主要發現：

1）皖北地區物流總體效率較高，但純技術效率相對較低，整體規模報酬呈現遞增或不變的趨勢；

2）皖北地區物流效率呈現下降的趨勢，物流業全要素生產率的變動較大，其主要制約要素是技術進步，且地區間存在發展不平衡問題；

3）皖北地區物流效率分別與經濟發展水平呈顯著正相關關系、與產業結構和政府干預呈顯著負相關關系。保持經濟的高質量發展、促進產業結構優化有利于促進物流效率的提升。

4.2 建議

根據以上得到的實證分析結果，對提高皖北地區物流效率提出如下建議：

1）著重提高科技創新能力，加大技術投入。通過引進高科技人才、加大科技創新投入、鼓勵高科技成果轉化，進一步提高物流效率；

2）促進產業結構調整。當前，皖北地區以第一產業和第二產業為主。在高質量發展的新格局下，逐步淘汰落后產業，鼓勵高科技產業和新興產業的發展，促進物流效率的提升。

3）發揮區位優勢，加大同江蘇、河南、山東等皖北地區毗鄰的經濟大省、強省交流力度，學習先進發展經驗。

4）皖北地區物流行業市場化程度較低，管理體制也不夠先進，要在政府部門引導下，形成良好、公平、綠色的市場化環境。物流企業應加強同其他企業、行業的合作，以促進物流業市場的活躍度。