科技創新對珠江西岸物流產業效率的影響
——基于超效率三階段數據包絡分析模型

秦 雯，倪 容

（1.廣東科學技術職業學院，廣東珠海 519090；2.澳門城市大學商學院，澳門 999078；3.暨南大學產業經濟研究院，廣東廣州 510632）

1 研究背景

物流業作為基礎性產業，其高質量發展對我國構建新發展格局與推動經濟高質量發展具有重要意義。2020 年6 月我國出臺的《關于進一步降低物流成本的實施意見》（以下簡稱《實施意見》）指出，部分領域的社會物流成本相對較高、效率相對較低等問題凸顯，要推動物流業提高發展質量與效率。國家發改委政策研究室對《實施意見》的政策解讀中也提出，應加強物流業的技術要素創新，不斷促進物流的系統性互動，提高物流運行效率。因此，研究物流產業科技創新對物流效率的影響機制，對有效提高物流效率、暢通國內大循環、提高經濟發展質量具有重要意義。

粵港澳大灣區作為我國對外開放與創新高地，其物流業的發展對我國經濟社會發展有重要作用。但是，目前粵港澳大灣區存在物流規劃不夠系統、物流業監管環境滯后于企業發展，同時政府間、企業間及其兩者間的協同作用尚未得到充分發揮以及物流資源浪費等問題；此外，區域智慧物流體系建設尚不完善影響了物流信息整合、制約了物流高效運轉［1］，造成粵港澳大灣區城市群物流業發展不平衡，主要體現在珠江東西兩岸城市群物流業發展水平差異較大。隨著粵港澳大灣區的空間布局和基礎設施建設發展，尤其是港珠澳大橋的開通和深茂鐵路、深中通道等的修建，珠江東岸的優質物流資源正在加快向珠江西岸流動，珠江西岸物流產業發展將進入破局、快速提升階段，因此，珠江西岸各城市應利用區位優勢，充分吸收粵港澳大灣區的科技創新資源，加快物流業的高質量發展。

基于此，本研究根據珠江西岸物流業的實際發展情況構建投入產出指標體系，實證分析科技創新對珠江西岸物流業的影響機制，并有針對性地提出推動珠江西岸物流業高質量發展的建議。

2 文獻綜述

國內外學者對物流效率影響因素開展了相關研究，如王琴梅等［2］研究發現，地區經濟水平及區位、經濟發展自由度等對物流效率產生促進作用；Bottani 等［3］認為食品工廠可以通過對包裝、倉儲、采購以及運輸等進行集中管理來提高物流效率；Crainic 等［4］認為提高城市物流效率的關鍵在于物聯網和運輸網的有效結合；孫妙青［5］提出了影響廣東物流效率的主要因素為物流基礎設施和信息化水平、產業和宏觀因素；Ying 等［6］認為新西蘭建筑業物流效率低是由于管理水平以及專業技術水平不夠高。

較多學者選擇了數據包絡分析（DEA）模型對物流效率進行測度，如樂小兵等［7］運用DEA 模型對廣西的物流服務效率進行了評價；劉巖等［8］通過數據包絡模型計算了我國31 個省份的物流效率。此外，較多學者通過不同模型的結合使用來研究物流效率，如張璇等［9］、王博等［10］、秦雯［11］等采用DEA 與隨機前沿分析（SFA）相互結合的分析方法來研究物流業的效率；Tonanont［12］運用DEA 與層次分析法結合、Chen 等［13］采用DEA 與主成分分析法相互結合的方法，對物流效率指標進行了研究，結果均表明多種方法相互結合的分析能夠有效地評價物流效率。

在創新對物流模式的研究方面，潘正權等［14］認為第三方物流企業能夠幫助物流企業提高資源配置水平、降低企業成本、提高運輸效率，并從核心技術能力角度提出電子商務應采用的創新物流模式；王華等［15］以物流金融為對象，從物流企業、第三方平臺等方面深入分析了互聯網影響物流創新模式的機理。在科技創新對物流的影響機制研究方面，王瑛［16］從物流需求、物流企業組織形式和區位等方面分析了技術創新對物流產業的影響途徑；馬靖忠等［17］以實際港口為例，從體系角度探討了科技創新影響物流發展的機制；劉國巍［18］利用我國省級面板數據構建了“內驅-外溢-需求-距離”研究框架，揭示了物流技術創新對物流業的影響路徑；朱青山［19］利用嶺回歸模型，從專利數量、專利質量和科研人員3 個方面探討了科技創新對物流業效率的作用機制。

綜上，國內外在物流效率測度及其影響因素方面的研究成果豐碩，但是大部分關于科技創新對物流影響的研究偏向理論分析，且多基于省級區域層面，針對珠江西岸物流產業的計量分析和實證研究相對缺乏；此外，不同城市的環境變量有差別，用傳統DEA 方法測度物流效率存在較大的不準確性，在實證結果上也存在一定誤差。

3 物流效率的測度

3.1 三階段超效率DEA 模型構建

超效率模型可以用來通過對相對有效率的決策單元（DMU）進行排序，幫助獲取相對更加有效的決策單元。超效率三階段DEA 模型消除了外部的影響，能夠測度得到比較準確的效率值，使得研究結果更為真實有效。

第一階段：超效率DEA 方法。由于物流業為規模報酬可變，所以采用規模報酬可變條件下的超效率模型。設決策單元對應的投入變量為：Xi=(x1i,x2i,…,xmi)T＞0；對應的產出變量為：Yi=(y1i,y2i,…,ysi)T＞0。在保證具有一定可變線性規模報酬的前提下，構建線性規劃模型如下：

式（1）中：θ為決策單元的技術效率；λ為乘數；分別表示DMU0所對應的投入值和產出值；分別是兩個決策單元所對應的投入與產出；分別為松弛變量和剩余變量。

通過超效率DEA 模型，可以準確地計算出綜合技術效率、純技術效率和規模效率3 種效率值。DEA 有效即當前是投入產出規模的生產最優值；當DEA 無效，則決策單元能夠根據調整投入量使決策單元達到有效。表明在相同的投入下產出不足；則表明在相同的產出水平下投入過多。

第二階段：SFA 方法。對DMU 投入變量進行調整，去除了效率測算時環境因素或隨機因素等可能造成的影響。構建回歸模型如下：

第三階段：調整后的超效率DEA 方法。用第二階段調節后的投入數據替換初始數據，采用超效率DEA 模型重新計算物流效率，得到排除環境和隨機因素影響的物流效率。

3.2 指標選取與數據說明

3.2.1 指標選取

遵循針對性、可取性、適用性等原則，通過總結現有相關研究成果，結合實地走訪調研確定投入產出指標和環境變量。參考樂小兵等［7］、原雅坤等［20］、唐建榮等［21］、張誠等［22］、董鋒等［23］的研究構建指標體系如表1 所示。

表1 珠江西岸物流業效率評價指標體系

（1）投入指標。選取物流業固定資產投資總額反映珠江西岸地區各個城市對推動物流行業發展的重視程度。從珠江西岸各個城市的運輸體系來看，公路交通是一種主要的物流運輸方式，所以選取公共交通網密度變量具有一定的代表性。我國物流行業的快速發展和壯大需要相關行業從業人員的支撐，因此交通運輸、倉儲以及郵電行業從業人員人數能夠體現物流行業的生產經營活力和規模，并能直接代表整個物流行業和企業自身的實際競爭能力。鑒于綠色低碳發展是未來發展重點，將碳排放量作為主要的投入指標來評價物流過程中污染物的排放。碳排放量的計算采用《IPCC 2006 年國家溫室氣體清單指南 2019 修訂版》中的碳排放系數，將物流業相關燃料的消耗量與其CO2排放系數相乘，從而得到物流業CO2排放量。

（2）產出指標。采用貨運量反映物流業生產成果；采用貨物周轉量反映物流業產出指標的實用價值形態；采用交通運輸、倉儲郵電業生產總值反映運輸生產活動的最終成果。

（3）環境變量。一是地區變量，反映地區宏觀經濟水平對物流效率的影響；二是科技變量，反映科技創新對物流效率的影響。其中，地區變量選取珠江西岸各城市生產總值、物流業固定資產投資占全社會固定資產投資比例、居民人均消費支出來衡量；科技變量方面，選取信息業基礎設施投入（即信息傳輸、軟件和信息技術服務業占全社會固定資產投資比例）反映信息技術的發展水平，以R&D 經費內部支出反映科技創新投入力度，以專利授權數量反映科技創新成果產出。

3.2.2 數據說明

研究數據來源于《廣東統計年鑒》以及珠江西岸各城市的統計年鑒和統計公報，數據時間跨度為2011—2020 年，因為從2008 年開始國際金融債務危機持續爆發，我國通過出有關臺政策措施調整，在2011 年開始恢復經濟持續較快增長。運用SPSS19.0對所選取的各項指標進行Pearson 相關性檢驗，結果均在1%或5%顯著性水平上為正（見表2），符合同向性假設，表明研究指標選取合理。

表2 變量相關性檢驗結果

3.3 超效率DEA 測度結果分析

3.3.1 第一階段超效率DEA 結果分析

運用DEAP2.1 軟件對2011—2020 年珠江西岸物流業效率進行整體分析，以年為單位求其平均值。結果如表3 所示，在不考慮外部環境影響情況下，珠江西岸整體區域物流綜合技術效率（TE）平均值在0.994～1.216 之間，效率較高并呈波動狀態，除了2015 年，其他年份的綜合技術效率均是DEA 有效；純技術效率（PE）總體上與綜合技術效率呈現出較一致的趨勢，同樣除了2015 年，其他年份均是DEA有效狀態；規模效率（SE）在2018 年之前整體上落后于純技術效率和綜合技術效率，只有在2012、2018 和2020 年大于等于1。與2011 年相比，2020年規模效率提高了0.062，表明10 年來珠江西岸規模效率出現了顯著提升，但是純技術效率和綜合技術效率有所降低；從具體年份來看，2015 年的TE、PE、SE 均小于1，出現了低位拐點，主要是受整體經濟增速放緩與經濟結構性調整的影響。

表3 珠江西岸物流業投入產出效率

表3 （續）

珠江西岸各城市物流業效率的計算結果如表4所示。從空間維度來看，綜合技術效率的平均值中，佛山處于領先地位，珠海處于較高水平，中山、江門和肇慶3 個城市處于較低水平。具體來看，純技術效率方面，5 個城市的純技術效率均較高；規模效率方面，佛山、中山分別為0.943 和0.907，處于第一梯隊，肇慶、江門和珠海分別為0.874、0.861 和0.837，處于第二梯隊。可見，制約珠江西岸物流綜合效率的是規模效率。在5 個城市中，佛山的3 種效率均保持穩定高效的狀態，這主要是因為佛山是制造業大市，物流行業規模不斷壯大、社會物流總量持續增長、基礎設施持續健全、物流企業發展水平持續提高。從時間維度來看，各市的物流效率總體呈現波動上升趨勢，其中提升較明顯的是珠海和佛山。珠江西岸各城市2015—2016 年處于物流效率的最低位拐點，這與我國當時面臨的金融市場動蕩、實體經濟增速下降和珠江西岸部分世界工廠轉移、工人面臨失業等復雜經濟形勢有關；此后，廣東積極開展供給側結構性改革，多措并舉助力“三去一降一補”，大力支持實體經濟發展、激活民間投資，全力加快推進區域經濟協調發展、持續優化和調整經濟結構，使得珠江西岸的物流效率又再次提升。

表4 2011—2020 年珠江西岸各市物流業效率

3.3.2 第二階段SFA 回歸分析

2011—2020 年珠江西岸物流業效率的SFA 回歸結果如表5 所示，其中投入指標的γ值均在10%的水平上顯著有效，反映了環境變量對于珠江西岸物流行業效率的投入松弛變量存在顯著影響，因此有必要通過SFA 模型剔除環境因素影響。

表5 2011—2020 年珠江西岸物流效率第二階段SFA 回歸結果

（1）地區生產總值的影響。地區生產總值對從業人員數量、交通網密度和碳排量3 個投入松弛變量的回歸系數均顯著為正，表明珠江西岸經濟發展促進了區域交通網建設和物流從業人員數量增長，從而提升了區域物流效率；同時，回歸系數都接近0，說明珠江西岸地區生產總值增加造成的冗余并不顯著。

（2）政府支持的影響。政府支持對物流業的投入冗余存在不同的影響路徑。一方面，政府支持對交通網密度的回歸系數顯著為負，說明政府支持對減少珠江西岸交通網密度的投入冗余具有促進作用，可以通過合理規劃來減少不必要的交通建設，從而減少投入冗余、提高物流效率；另一方面，政府支持對固定資產投資、碳排放量的松弛變量的回歸系數均顯著為正，說明珠江西岸政府支持對物流業固定資產投資造成了一定的冗余，推測原因是目前珠江西岸的物流業固定資產利用效率不高，盲目增加固定資產投資并不一定提高其物流效率。

（3）地區居民消費支出的影響。地區居民消費支出對從業人員和碳排放量的投入松弛變量的回歸系數均顯著為正，與地區生產總值的回歸結果基本一致。地區居民消費支出增加會促進物流業從業人員和碳排放量增長，但是隨著居民消費水平進一步提升，物流資源的配置更加優化，短期增加的物流從業人員數量和能源投入會產生冗余。但是從實證回歸結果來看，回歸系數較小，說明珠江西岸地區居民消費支出對物流業效率的影響并不顯著。

（4）信息業基礎設施投入的影響。信息業基礎設施投入對物流效率的影響存在多種路徑。一方面，對從業人員、交通網密度和碳排放量3 個投入松弛變量的回歸系數為正值，且均在5%的水平上顯著，說明信息業基礎設施固定資產投入比例的增加會顯著提升物流業在從業人員、交通基建、能源消耗方面的投入，促進物流業整體發展壯大，但是過度投入會產生冗余。信息業基礎設施投入對碳排放量松弛變量的系數顯著為正，且系數為31.100，可以看出目前珠江西岸信息業基礎設施的增加在一定程度上帶來物流業碳排放的額外增加。另一方面，信息基礎設施投入對固定資產投資顯著為負，表明增加信息業基礎設施建設，會減少物流業固定資產的投入冗余。

（5）R&D 經費支出的影響。R&D 經費支出對從業人員數量、交通網密度和碳排放量3 個投入松弛變量的回歸系數均顯著為負，說明R&D 經費支出的增加對減少物流業從業人員、交通基建、能源消耗的投入冗余具有促進作用，因此，珠江西岸企業要采取多種措施提高R&D 經費投入水平和投入強度，促進區域科技創新發展，能夠有效地減少珠江西岸物流投入冗余，從而提升物流效率。

（6）專利授權數量的影響。專利授權數量對從業人員數量和交通網密度2 個投入松弛變量的回歸系數均顯著為正，但系數較小，說明珠江西岸物流業專利授權的增加在一定程度上帶來了物流業從業人員以及交通網建設的投入冗余，但是影響程度較小。原因可能是科技創新人力資源投入產生效用的時間較長，且科技創新成果的產出及其市場效益可能需要較長時期才能觀察到，因此可能使得目前珠江西岸專利產出的效果并不是很理想。但是回歸系數較小，說明珠江西岸地區專利授權數量對物流業效率的影響并不明顯。

3.3.3 第三階段超效率DEA 分析

通過超效率DEA 模型，采用調節后的投入變量和原產出變量重新對珠江西岸物流業效率進行評價。結果如表6 所示，從整體上看，在去除地區變量和科技相關變量的影響后，3 種效率都有一定程度的降低，再次驗證了通過SFA 回歸剔除環境因素很有必要。

表6 2011—2020 年投入變量調整前后珠江西岸物流業效率對比

進一步從各城市來看，如表7 所示，剔除了環境因素后，5 個城市的物流業綜合技術效率下降較明顯且均無效，其中肇慶和江門尤為突出，分別降低了0.33 和0.20；珠海和中山處于中間水平；佛山雖然下降最少（0.113），但是從DEA 有效變為DEA無效。從下降幅度來看，肇慶的下降幅度最大，為37%，其次是江門（24%）、珠海（19%）、中山（15%）和佛山（11%），表明地區變量和科技創新變量的確較大程度地提高了物流綜合技術效率。此外，5個城市的純技術效率有提高也有降低，但變化幅度均不大，其中珠海、佛山、肇慶的效率值均大于1，仍然保持DEA 有效，中山的純技術效率也從DEA無效達到DEA 有效，而江門雖然效率有所提升，但仍未達到DEA 有效。規模效率方面，各城市的規模效率均小于1，均為DEA 無效，下降均較明顯，其中肇慶和江門下降最多，分別降低0.324 和0.224，其次為中山和珠海，分別降低0.193 和0.139，佛山下降最少，降低了0.071。

表7 2011—2020 年投入變量調整前后珠江西岸各城市物流業效率均值對比

4 結論與對策

4.1 研究結論

一是物流效率方面，2011—2020 年珠江西岸地區和各個城市的物流綜合技術效率整體相對較高并處于波動狀態。從空間來看，各城市純技術效率較高，規模效率總體呈波動上升趨勢但仍然是制約綜合技術效率增長的主要因素，其中佛山的綜合技術效率最高；從時間來看，2015—2016 年5 個城市的物流綜合技術效率變化較大，出現低位拐點，這與當時我國經濟面臨復雜的國內外形勢有關。

二是地區因素方面，珠江西岸經濟發展的同時導致了物流業的交通基建、人力資本以及能源消耗過度投入，但是對物流效率的影響還不明顯。其中，政府支持主要造成了物流業固定資產投入和能源消耗投入冗余，但合理規劃交通基建會減少交通網密度投入冗余，而地區居民消費支出增加會導致物流業從業人員和碳排放量投入冗余但影響并不明顯。

三是科技創新因素方面，信息業基礎設施投入對珠江西岸物流業的投入冗余影響較大，主要是通過影響物流業固定資產投資和能源消耗來影響物流效率，信息業發展會有效減少物流業固定資產投資的冗余，但是會顯著增加能源的過度消耗，且在一定程度上會造成人力資本和交通基建的投入冗余；專利數量的增加對物流效率的影響不明顯，且科技創新成果的轉化還未對物流效率起到促進作用，而R&D 經費支出的增加能夠減少物流業從業人員、交通建設和能源消耗的投入冗余。

四是剔除了地區因素和科技因素的影響后，珠江西岸各城市物流行業的綜合技術效率、純技術效率、規模效率均出現一定程度的降低，且綜合技術效率和規模效率的變化較大，說明環境變量顯著影響物流業效率。

4.2 政策建議

一是提高區域協同水平，推進珠江西岸物流一體化發展。各城市應結合自己的實際情況，因地制宜地制定物流發展策略，如佛山充分利用已有的經濟基礎進一步提升物流規模效率，江門和肇慶適當增加基礎設施投入，從技術與規模效率雙向發展物流。珠江西岸一方面隨著珠江東西岸交通基礎設施的建設發展，充分利用粵港澳大灣區的經濟溢出，另一方面加強各城市間政府協調，逐步構建海陸空立體聯動的物流運輸網絡，發揮規模效應。

二是加大信息服務業投入，提高珠江西岸物流業信息化水平。政府加大對肇慶、江門等經濟欠發達地區信息服務業基礎設施的投入，并引導市場力量參與共建；促進互聯網、物聯網、區塊鏈、人工智能、大數據、云計算、5G 等技術與物流業相結合，在倉儲、運輸、配送等環節融入先進的現代通信技術，加快物流的信息處理和傳遞速度，減少不必要的中間環節，從而提升物流業效率。

三是發揮科技創新投入和專利成果轉化對物流效率的促進作用。珠江西岸各市應在加大科技創新投入的同時促進科技創新成果在物流業的轉化與實際應用。各市應根據自身物流業的發展水平，有選擇地加大不同物流環節科技創新要素的投入，優化資源配置，提高整體物流效率，如江門、肇慶則應首先加強基礎環節的創新投入；對于物流基礎環節相對完善的城市，則加強庫存技術、分揀包裝配送系統尤其是物流信息技術的創新研發，并通過補貼獎勵等方式促進相關成果的轉化。

四是發展以市場為主、政府為輔的物流業。在物流業發展前期，需要地方政府從物流基礎設施投資、區域物流標準化建設和協調發展等多方面著手，加強對物流業的引領和促進作用；但是從物流可持續發展來看，市場才是物流發展的驅動力和主體，因此政府有關部門應健全和完善相關政策和法律制度，為物流業的高質量發展營造有利環境。