“互聯網+”對物流效率的作用影響研究

于倩　謝波

摘要：文章基于2009～2019年的31個省份的面板數據，將互聯網指標之一互聯網寬帶接入端口數作為投入變量之一，構建數字經濟下的物流效率投入產出模型，借助三階段DEA模型測算剔除環境因素和隨機干擾前后的省份物流效率并結合malmquist模型進行分析。研究表明，環境因素對隨機干擾對效率的評價具有重要意義；互聯網的投入對于物流的發展存在普遍性的冗余、產出過剩問題；地區經濟發展不平衡；互聯網環境下的物流業發展需要合理規劃。

關鍵詞：互聯網；物流效率；DEA；Malmquist

十八屆中共中央政治局第三十六次集體學習、黨的十九大等重要會議上多次明確強調發展數字經濟的重要性。而近年來數字經濟在產業融合、創新效率、組織效率、科技發展等方面的作為，也推動了實體經濟的巨越式發展。據《中國數字經濟發展白皮書》表明，2019年，我國數字經濟增加值高達35.8萬億元，占GDP比重36.2%，對中國經濟增長的貢獻率超過50%。數據客觀表明，數字經濟的發展對經濟的合理化高質量發展發揮著重要的作用。

2019年，中共中央、國務院印發《交通強國建設綱要》，提出到2035年基本建成交通強國，形成全國123出行交通圈和全球123快貨物流圈。國家有關部門規劃，到2025年計劃布局建設150個左右國家物流樞紐，2019年國家發改委和交通運輸部首次確定23家國家物流樞紐建設名單，物流樞紐網絡建設進入實質性推進階段。

鑒于此，本文以31個省份的2009～2019年的數據為研究對象，實證分析，數字經濟下的物流效率及影響因素。

一、文獻綜述

在以往研究中，DEA模型廣泛運用于物流效率的相關文獻中，研究物流效率跟各個行業之間的聯系。例如，蔣廷富證實互聯網成熟度對農產品流通效率的影響是正向的；劉雙軍明確物流效率的提升對網絡零售業的發展產生了顯著的正向拉動作用，是網絡零售業發展的重要因素；吳娜肯定了物流效率對農村電商的發展有深遠影響。部分文獻，也研究了其他行業對制造業產業升級的影響，如趙玉林在研究中得出，信息產業與制造業融合的必要性同時提出技術創新的重要，產業融合發展的時代需求。

上述文獻中，可知以往的眾多文獻中只是將互聯網作為一個宏觀經濟，未具體研究數字經濟時代下的物流效率，這正是本文的突破點。本文構建互聯網環境下的投入產出指標，研究31個省的2009～2019年的物流效率，及外部環境因素對靜態結果的影響，再運用Malmquist生產率指數方法對31個省的2009～2019年的物流效率進行動態分析。

二、研究方法

（一）三階段DEA

1. 第一階段

采用DEA-BCC模型，對投入產出模型進行測算，具體得到物流產業效率中的純技術效率和規模效率。

2. 第二階段

采用SFA方法調整投入變量數據來剔除環境因素和隨機誤差對效率的影響。

3. 第三階段

再一次運用DEA-BCC模型測算物流產業效率值，得到考慮相關干擾項下的效率值。

（二）2Malmquist模型

Sten（1953）在研究消費分析時首次提出了Malmquist指數，用于評價不同時期消費投入變化的數量指標。Caves等 （1982）在距離函數的基礎上構造了分析生產率變化的Malmquist生產率指數。Fare和Grosskopf （1992）通過運用DEA模型將投入產出指標融入Malmquist指數，以Malmquist指數表示跨期生產。

當M指數>1時，說明物流總效率隨年份增長上升；當M指數=1時，物流總效率不變；當M指數<1時，物流總效率下降。

（三）指標選取與數據來源

物流業是一個綜合型服務產業，但是，目前我國缺乏物流產業方面的相關數據。借鑒以往文獻，本文同樣選用郵政業、倉儲業及運輸業的數據作為物流業的代替數據進行研究。

四、實證結果分析

（一）三階段DEA結果分析

1. 第一階段結果分析

借助DEAP2.1軟件將我國31個省份的物流業投入產出指標的數據帶入BCC模型測算，得到基于互聯網投入的物流效率如表2。數據顯示，內蒙古和安徽均達到DEA有效的效率前沿面，河北、內蒙古、安徽、寧夏的物流效率有效值波動較小，2016年后，貴州、西藏、新疆、青海、云南、海南、山西等省份躍居物流效率有效值前沿面。

2. 第二階段結果分析

運用第一階段的輸出數據，分離出每個投入變量的松弛變量，受管理無效率和隨機干擾項的雙重影響，主要受管理無效率的影響，對投入變量調整后使用Frontier4.1程序測算，結果如表3所示。

由表3可知，政府支持與互聯網寬帶接入端口數總體上呈負相關關系，表明政府支持力度的增強可以減少互聯網寬帶投入的冗余，提高物流效率，總體來看，近年來政府的過度干預降低了，降低了資源的冗余，促進了物流產業的發展。

3. 第三階段結果分析

將調整后的投入變量和原始的產出數據帶入DEAP2.1程序中運行，得到剔除環境因素和隨機誤差的物流效率值，結果如表4。

而綜合來看，除上述省份外，全國31省多數省份的互聯網環境下物流效率均低。通過計算得出，綜合技術效率下降7.4%，純技術效率下降4.1%，規模技術效率增加6%。影響物流效率低的主要因素是純技術效率低導致的綜合效率低，盡管規模效率高。這表明外部環境和隨機干擾制約了純技術效率，對規模效率具有積極意義。

（二）Maimquist結果及分析

上述DEA主要是對物流效率的靜態分析，下面運用Malmquist指數對數字經濟下的物流效率進行動態分析。

綜上，31個省的malmquist的指數均值為1.043，表明數字經濟環境下互聯網的投入對物流效率的發展有推動作用，對物流行業的發展影響是正向大的。其次，從數據上可看出，互聯網的投入對物流效率的推動最顯著的是西部地區，原因在于，西部地區受自然條件的限制，物流行業發展受阻，國家對西部地區各省的政策支持，科技技術投入的增加，互聯網基礎設施的建設，極大地推動了西部地區物流產業的發展，而物流產業的發展也推動了地區的建設，這也符合國家西部大開發及“一帶一路”建設的要求。

五、結論及建議

首先，三階段DEA模型第一階段中，從各年份的31個省的物流效率值中可得到，規模效率值高，純技術效率值低，導致綜合技術效率值低；在剔除環境因素，隨機干擾項和管理低效率的影響下，得到物流效率值普遍低，影響物流效率低的主要因素是純技術效率低導致的綜合效率低。這表明外部環境和隨機干擾制約了純技術效率，對規模效率具有積極意義。

其次，在對Malmquist指數分析中，全要素生產效率>1，物流效率總體呈現波動上升的狀態；影響Malmquist指數純技術效率指數高，而規模效率指數低，表明資源需進一步合理化，有效利用資源。

針對上述結論，為了物流業的持續有效的發展，本文提出以下建議。

第一，抓住“互聯網+”發展機遇，加強物流行業的信息技術有效投入。完善基礎信息，構建完善的物流網絡體系，提高供應鏈效率，利用技術，降低物流成本，提高管理的效率。

第二，響應數字化變革的需求，積極轉型，發展產業融合，調動物流業與實體企業間的聯系，推動互聯網，大數據，云計算等科技在物流中的運用，將物流業的發展深度滲透到各實體企業的發展中。

第三，在國家政策宏觀調控的支持下，建設市場為導向的創新體系，加強技術的應用，利用數字經濟發展帶來的創新驅動轉變之路，促進物流業的創新驅動發展，調整結構化，推動高質量發展，同時也要注重創新型人才的培養。

參考文獻：

[1]蔣廷富.互聯網成熟度與農產品流通效率提升——中國視角下的關系檢驗[J].商業經濟研究，2020（10）：138-141.

[2]劉雙軍.物流效率對我國網絡零售發展影響實證研究[J].商業經濟研究，2020（03）：107-110.

[3]吳娜，趙本綱.物流效率提升對農村電商發展的影響研究——基于農村經濟發展視角[J].商業經濟研究，2019（21）：124-126.

[4]趙玉林，裴承晨.技術創新、產業融合與制造業轉型升級[J].科技進步與對策，2019，36（11）：70-76.

[5]Malmquist S.Index numbers and indifference surfaces[J].Trabajos De Estadistica，1953，4（02）：209-242.

[6]Fare R，Grosskopf S.Malmquist productivity indexes and fisher ideal indexes[J].Economic Journal，1992，102（01）：158-160.

[7]Poon， S.C.Beyond the Global Production Networks：a Case of Further Upgrading of Taiwan’s Information Technology Industry[J].International Journal of Te-

chnology & Globalisation，2004，1（01）：130-144.

[8]曹炳汝，孔澤云，鄧莉娟.長江經濟帶省域物流效率及時空演化研究[J].地理科學，2019，39（12）：1841-1848.

（作者單位：昆明理工大學管理與經濟學院。于倩為通信作者）