基于三階段SBM模型的東北地區物流業效率研究

孫倩倩 苗成林,2

（1.安徽理工大學經濟與管理學院 安徽淮南 232000；2.山東工商學院工商管理學院 山東煙臺 264005）

2021年以來，東北振興的步伐持續提速，經濟增速逐漸擺脫下行趨勢。重型化工業是東北產業的主要結構，短時間內產業調整效果不明顯；物流是東北振興的關鍵力量，因此，需加快東北老工業基地的產業結構調整，提高物流業效率，向綠色物流轉型。本文將三階段DEA模型與SBM模型結合，構建非期望產出的三階段SBM模型，剔除外部環境和隨機誤差干擾，同時結合Malmquist指數從動靜兩個角度綜合分析東北地區物流業效率，最后運用Tobit模型分析外部因素對效率的影響。

一、研究方法與數據來源

（一）研究方法。

1.三階段SBM模型。

（1）第一階段：利用非期望產出SBM模型計算最初的物流業效率和指標的松弛量，具體公式如下：

式中，x=(xij) ∈Rm×n，y=(yij) ∈Rs×n，n個部門，m個投入，S個產出，ρ為效率值，s1表示期望產出個數，s2表示非期望產出個數；s和Xt別表示決策單元的投入冗余以及投入變量，和分別表示決策單元的期望產出不足以及期望產出變量，和分別表示決策單元的非期望產出過剩以及非期望產出變量，λ表示權重向量。雖然考慮到了松弛變量，但仍然不能排除環境因素的影響，因此需進行第二階段得到準確結果。

（2）第二階段：隨機前沿分析法（SFA）。傳統DEA模型綜合考慮內外部因素和隨機誤差干擾，沒有明確區分各因素對效率值的影響，產生不夠準確的評估結果，因此使用SFA模型對投入松弛量和環境變量進行回歸分析，并依據結果調整投入產出數據，回歸函數具體公式為：

其中，i=1,2,…I;n=1,2,…N，Sni代表第 i個決策單元、第n個投入松弛變量值，Zi表示環境變量，βn為環境變量系數，vni+μni為混合誤差項，統計噪聲；μni表示管理無效率，。初始投入數據的調整具體公式為：

（3）第三階段：將第二階段調整后的投入數據，再次使用非期望SBM模型得出物流業效率值。經過了環境因素和隨機誤差的剔除的過程，第三階段得出的效率值更加準確，能夠更加真實反映該地區的效率水平。

2.Malmquist指數模型。Malmquist指數是動態分析工具，通過當期于上一期或基期的對比得到全要素生產率，與不能分析面板數據的靜態DEA模型互補，Malmquist指數又可分解為技術效率指數(Effch)和技術進步指數(Techch)，計算公式為：

式中Tfpch為全要素生產率，表示各省物流業效率跨時期的變化情況，D表示距離函數，t表示時期。

3.Tobit回歸模型。上述模型計算的物流業效率值大于0，效率值易受投入產出指標和其他因素影響，數值呈離散型，使用最小二乘法無法呈現完整的數據，而Tobit回歸模型可以避免傳統回歸模型所產生的偏差，公式為：

式中，Y是物流效率值向量，Y*是截斷因變量向量，X是自變量向量，β是回歸參數，μ是誤差項，且μ(0,σ2)。

（二）指標選擇與數據來源。采用交通運輸、倉儲和郵政代替物流業數據。從《中國統計年鑒》和《中國能源統計年鑒》，和東北三個省份的統計年鑒獲取2010—2019年數據。依據東北地區物流業的發展實際情況，同時結合眾多學者的研究，從人力、物力、技術發展等方面選取投入指標。以各省物流業從業人員數、一次和二次能源消耗量、根據效率比轉化的公路網絡里程數、電信主要通信能力作為投入指標。產出分為兩類：一類是期望產出，以各省的貨物和旅客周轉量構成的綜合周轉量和各省物流業生產總值表示；一類是非期望產出，以各省二氧化碳的排放量（依據IPCC碳排放計算指南計算）表示[2]。選擇地區GDP、財政支持（財政支出中的交通運輸支出與地區GDP之比）和居民消費水平作為環境指標。

二、實證分析

（一）第一階段物流業效率分析。利用DEA-Slover 13.0，對2010—2019年東北地區的物流業效率進行測度，得到第一階段效率值，見表1。

表1 東北三省及東北地區第一階段效率值

東北地區第一階段效率均值由2010年的0.415增長到2019年的0.623，整體增長速度較為緩慢，仍需加強東北地區物流業建設。不同省份的物流業效率存在一定差距，第一階段效率均值最高的是遼寧達到0.787，最低的是黑龍江為0.343。為進一步了解真實的物流業效率，將利用隨機前沿模型剝離外部環境與隨機因素干擾。

（二）第二階段數據調整。以第一階段測算所得的各投入要素的松弛變量為被解釋變量，以各省GDP、財政支出中的交通運輸支出占地區GDP之比和地區居民消費支出三個環境變量為解釋變量，借助Frontier4.1軟件得出回歸結果，見表2。五項投入松弛變量對應的SFA模型的單邊似然比檢驗統計量LR均通過了1%顯著性水平檢驗，說明物流業各投入松弛變量與所選擇的環境變量之間存在較強的影響關系，且各松弛變量的γ值都在0.99—1之間，說明管理無效率影響最大[3]。因此使用三階段SBM模型分析是可行性的。

表2 2019年東北地區的SFA回歸分析結果

由表2得，各省GDP對物流業固定資產投資、物流業就業人員數和公路網絡里程數松弛變量的回歸系數正值居多，能源消耗和信息化松弛變量的回歸系數多數為負值，說明地區經濟發展能加快促進物流業需求的增長，刺激相關人力和資產的投入，使盈余增加。同時物流需求增長，使能源和信息化的投入得到高效使用，減少了冗余量。財政支出對物流業固定資產松弛變量多數為正值，物流業就業人數、能源、公路網絡里程和信息化松弛量多數為負值。居民消費水平對五個投入松弛量基本都呈顯著負相關，說明居民消費水平的提高，會減少各項投入冗余量。居民消費水平提高，消費理念持續升級，由物流量的需求轉移到對量和質的共同需求[4]，促使眾多的物流企業涌入市場。

（三）第三階段物流業效率分析。將經過SFA回歸分析后的投入數據代替初始投入數據，再次使用第一階段的SBM模型，借助DEA-Slover 13.0軟件，對東北地區三個省份的物流業效率做出更準確的評價，結果見表3。

表3 東北三省及東北地區第三階段效率值

從第三階段與第一階段效率值對比可知，各省物流業效率值出現不同程度的改變，遼寧效率均值減小，吉林和黑龍江的效率均值增大，總體物流效率值有所提高。東北地區屬于老工業基地，第三產業比重較大，能源消費結構短時間難以改變，碳排放壓力加大，使碳排放約束下的物流業效率提升緩慢。

遼寧第三階段效率均值相對第一階段出現下降，說明之前較高的效率值受益于外部優異的經濟環境，相關扶持政策等。隨著遼寧積極響應國家政策，貫徹落實物流業降本提效專項方案，物流業效率逐年增長，在2015年后效率值為1，達到效率前沿面。遼寧是東北唯一的陸海雙重通道，擁有得天獨厚的區位優勢，是連接與全國物流網絡重要節點，在東北地區發展中起到龍頭作用。

第三階段的吉林物流業效率均值為0.641，高于第一階段，總體處于波動型增長的趨勢。近幾年吉林國民經濟保持持續發展的姿態，物流需求增長的主要動力來自第二產業經濟快速增長，其中交通運輸制造業的貢獻突出，隨著近幾年的油價保持高位，交通運輸行業成本居高不下，還存在各種無效運輸，交錯運輸等不合理運輸問題，多數企業以高能耗，低效率運營，使物流業效率在增長的同時加大了物流成本。

黑龍江第三階段的效率均值較第一階段有所提高，但仍然處于墊底位置。黑龍江地域最為遼闊，在國家倡導“東北振興”戰略的引領下，物流業擁有良好的外部發展環境，但物流業規模偏小，產業結構不夠合理。在資源枯竭以及經濟轉型乏力的情況下，第三產業比重達到52%左右，但主要集中在旅游業，難以吸引技術型人才回歸，同時該省的經濟排名靠后，對物流業發展支撐力與動力不足。

（四）Malmquist指數模型的動態分析。使用DEAP2.1軟件對東北地區物流業的Malmquist生產率指數進行測算和分解，分析物流業效率的全要素生產指數（Tfpch）、技術進步指數（Techch）、技術效率變化指數（Effch）、純技術效率指數（Pech）和規模效率指數（Sech）的動態變化情況，其中技術效率被規模效率和純技術效率影響，結果見圖1和表4。

表4 2010-2019年東北三省年均物流業效率Malmquist指數

圖1 2010-2019年東北地區各年份Malmquist指數及分解

從圖1可知，物流業全要素生產率基本呈現增長趨勢，其中2012—2013年、2013—2014年下降幅度分別是12.1%和8.3%，主要是由于技術進步指數的降低，2016—2017年的全要素生產率也由于技術效率的下降導致其降低了2.4%。總體而言，技術進步的增長幅度高于技術效率的增長幅度，尤其在2015年后，全要素生產率的提高主要是由于技術進步指數的提升。后期建設發展中需要提升物流企業的管理水平，擴大物流規模，促進技術效率的提高，以此協同技術進步指數共同促進全要素生產率的提升。

從表4可知，東北地區物流業全要素生產率增幅3.5%，技術效率增幅0.1%，其分解出的規模效率負增長0.1%，技術進步指數增幅3.3%，說明全要素生產率的增長動力主要由技術進步提供。吉林的全要素生產率增幅最大，為4.6%，遼寧緊追其后，增幅為4.3%，黑龍江由于技術效率的下降，提高幅度最小，為1.5%，三個省都處于增長趨勢。技術效率相對于技術進步指數的增長幅度較小，尤其是黑龍江的技術效率指數為負增長。吉林和黑龍江的純技術效率增幅大于規模效率的增幅，由于物流業調整產業結構，改變生產方式，高投入、低產出的粗放型發展方式逐漸被替代，之前靠開發可利用資源發展規模效率的優勢逐漸失去[5]，隨著科學技術的創新與發展，技術進步指數的提升對全要素生產率的促進作用逐漸變強。

三、影響因素分析

由地區實際發展與眾多研究結果可知，物流業效率的提升或降低受經濟發展水平（x1）、產業結構（x2）、物流科技水平（x3）、政府干預（x4）和人力資本水平（x5）等因素的影響，因此將從這五個方面選取人均GDP、第三產業占GDP比重、互聯網端口數、污染治理投資、6歲及以上人口中大專及以上學歷占總受教育人口的比重作為解釋變量[6]，以物流業效率值作為被解釋變量，使用Stata12.0進行回歸分析，回歸模型如下：Y=C+β1x1+β2x2+β3x3+β4x4+β5x5+μ，其中P＜0.01、0.01＜P＜0.05、0.05＜P＜0.1分別表示在1%、5%、10%的水平上顯著，結果見表5。

表5 東北地區物流業效率Tobit回歸結果

表5可知：經濟發展水平對物流業效率的影響系數為0.145，在統計上表現為1%的顯著水平，說明經濟發展水平越高，為物流業發展提供的動力就越足，使物流業結構調整，產業升級的速度越快[7]。經濟發展水平的提高能夠拓寬物流業的發展空間，改善物流業發展的市場格局，提升物流業的資源配置效益，加快推進數字化供應鏈、氫能源、綠色包裝等物流技術的發展。產業結構對物流業效率的影響系數為-1.791，在1%的顯著水平，說明第三產業的發展對于提高物流效率，促進物流業發展方面的作用沒有得到體現，從系數的絕對值來看，對效率的影響力度最大，因此需要改善物流業運營結構，增加物流業的發展比重。

物流科技水平對物流業效率的影響系數為0.0003581，影響關系在統計上不顯著，科技水平對物流業效率的提升程度有限。說明東北地區由傳統物流業向新興企業轉型升級速度較為緩慢，信息化水平較低。政府干預與物流業效率的關系，在統計上表現為1%的顯著水平，相關系數為0.00000011，相關性較低。政府的相關資金投入能降低物流業對環境的污染破壞，加大技術的更新改造[8]，轉變粗放型發展方式，但過大的政府干預程度，會降低市場活躍度，弱化物流業效率提升效果。

人力資源水平對物流業效率的影響系數為0.950，相關性最高，說明人力資源指數每提高一個單位，物流業效率就提高0.950個單位，間接反映出高質量的人力資源欠缺影響了物流業的發展。物流業是以服務性為特征，人力資源是其發展的一個重要因素，能夠增強企業的競爭優勢，激發企業創新活力，帶動新技術、新動能發展，提高可使用資源的開放利用程度，利于效率的提升。

四、結論與建議

物流業發展是東北全面振興計劃中關鍵一環，是東北全面振興“十四五”方案推動實施的關鍵力量，因此為全面了解東北地區的物流業發展情況，綜合運用三階段SBM-DEA模型和Malmquist指數，從動靜兩個層面對物流業效率進行分析，同時結合Tobit模型對物流業效率進行影響因素分析。

從靜態角度分析，2010—2019年，物流業效率為0.563，總體處于偏低水平，遼寧、吉林和黑龍江的效率存在差異。僅遼寧在2015—2019年達到了DEA有效狀態，黑龍江的效率值排在末位。在剝離外部環境和隨機變量后，東北效率值提升到0.596，三個省份的效率也出現不同程度的改變，表明選取的環境變量對各投入要素具有明顯影響。

從動態角度分析，2010—2019年，東北地區Malmquist指數全要素生產率均值為1.035，遼寧、吉林和黑龍江的效率總體處于增長水平，平均增幅為3.5%。東北地區在2012—2014年由于技術進步指數下降使物流業全要素生產率降低，2015—2019年卻依賴技術進步指數的增加，說明技術進步對物流業發展的促進作用優于技術效率。吉林和黑龍江的純技術效率增幅大于規模效率的增幅，說明仍需合理擴大物流規模以提高效率。

由Tobit模型分析出外部因素的影響程度可知，人力資源水平對物流業效率的影響系數值最大，為0.950，說明相關性最高，人力資源是物流業發展的關鍵一環，主導著各項生產資源，合理開發利用人力資源能夠有效促進協調發展。經濟發展水平對物流業效率的影響系數較大，為0.145，頻繁的經濟活動引起大量商品流通，對物流的需求迫切，因此需要擴大服務范圍應對復雜的經濟形勢。綜述結論提出建議：

（一）協調發展環境促進傳統物流業發展。緊抓現有的經濟存量，實現合作發展，數量擴張，借助央企、國企的技術、設備、資金等優勢促進地區經濟發展，加快搭建高效技術成果與資本市場合作的平臺，更高目標和更高層次建設經濟帶，以提高對外開放水平，深入開展經貿合作，加強能源輸出和稀缺資源進口。將綠色化、智能化的技術融入東北企業的傳統技術中，進行技術改造，構建技術進步機制，為企業轉型升級提供動力。吸引外資企業入駐，與傳統企業結合發展，讓地區傳統企業的管理思想與國際接軌，提升地區經濟發展水平。優化市場經營環境，完善市場準入服務體系，完善投融資服務體系，健全對投資者的法律保護機制。

（二）完善基礎設施建設助力企業發展。東北地區交通網絡密度較高，現代運輸快速發展，交通基礎設施網絡骨架基本形成，但仍需要完善骨架路網，加快推進國際運輸通道建設，建設高等級的口岸公路，推動跨界橋梁建設，構建通暢的周邊國家基礎設施聯通機制，加大機場分布密度，增強樞紐機場能力，明確沿海港口的功能分工，將獨立發展的運輸方式向一體化協調發展轉變，同時增強基礎設施建設智能化、先進化，推進服務全程數字化[9]，提高統籌規劃效率。

（三）培養高質量人才滿足未來需求。在當地加大教育經費投入，培育專業的科技人才和高素質產業工人。根據區域產業結構調整的需求，加速相應產業人才結構調整和優化，依據東北振興計劃，關注新興產業人才需求，構建系統的人力資源開發規劃，制定出關于未來人力資源服務高質量發展的規劃，構建出競爭有序的人力資源市場體系。充分利用大數據、數字挖掘等科學技術構建人才數據庫，做到人崗匹配，知人善用，吸引當地高校人才留駐東北各省，提高就業質量，切實保障勞動者的社會權益。

（四）科學技術改革推動物流企業創新發展。大力支持科研型企業的發展，為省級中小型企業申報扶持專項基金，協助其生存發展。構建生產與技術研究相結合的平臺，完善有利于研發創新產業化的機制，加快創新技術運用到實際生產生活中的速度，優化生產運營過程。廣泛推廣區塊鏈、5G技術和邊緣計算等先進的前沿技術融入到傳統企業技術中，改造傳統優勢產業，完善鼓勵生產和研究協同發展、技術創新結果產業化的相關政策。此外各企業在加大科研經費投入，關注新技術研發的同時，還需要關注科技管理水平，營造良好的技術創新環境，全面促進物流業降本增效工作。