生鮮農產品冷鏈物流效率評價研究

秦小輝，趙晨曦

（1.廣西民族大學管理學院，廣西 南寧 530006；2.廣西民族大學經濟學院，廣西 南寧 530006）

經濟社會的發展促進了人們消費水平的提升，在食物消費方面，人們的需求實現了從滿足溫飽向追求飲食新鮮度、多樣化和營養價值的轉變，生鮮農產品也因其豐富的營養成分深受人們的喜愛，對生鮮農產品的需求量在近幾年有了很大的提升。但在供給方面，生鮮農產品由于具有易腐爛變質的特性，其價值受新鮮度的影響較大，儲藏及運輸過程中對溫度和時間的控制要求較為嚴格，傳統的物流模式無法達到生鮮農產品的運輸標準，只有通過冷鏈物流才能保證生鮮農產品的可靠質量，因此，冷鏈物流在近年來逐漸得以發展。對各省區市生鮮農產品冷鏈物流產業的效率測度，對于分析我國區域生鮮農產品冷鏈物流的發展現狀及存在的問題具有重要意義。

生鮮農產品冷鏈物流效率的測度以物流產業效率測度為基礎，國內外學者主要采用數據包絡分析（Data envelopment analysis,DEA）及其改進方法對物流產業效率進行研究。數據包絡分析法最早由運籌學家Charnes等[1]提出，用于測算多投入多產出情況下每個決策單元的效率值。Fried等[2]構建了三階段DEA模型，剔除環境因素和隨機誤差的影響，以更準確地估計生產者績效。但國內外學者對物流效率研究對象的選取有所差異。國外學者主要集中于對微觀物流企業的效率及測度，如Petiot等[3]以132家第三方物流企業為樣本，對其生產績效和效率決定因素進行了分析。國內學者大多從宏觀角度對區域物流產業效率進行評價。汪文生等[4]基于三階段DEA模型，構建了環渤海地區城市物流效率評價指標體系，分析了區域內城市之間物流效率時空差異及發展質量。曹炳汝等[5]采用DEA模型測算長江經濟帶省級層面的物流產業效率，并結合空間自相關分析法探究物流效率時空演化規律。龔雪等[6]采用DEA-Malmquist指數評價模型，對我國31個省區市的物流投入產出效率進行靜態分析，并運用Malmquist指數法對我國物流效率的發展進行動態分析。

對生鮮農產品冷鏈物流效率進行測度，研究重點集中在效率評價指標和效率評價模型兩個方面。在評價指標方面，國內學者魏新軍[7]將七大指標（冷鏈物流企業數量、冷鏈物流貨運總量、冷鏈物流貨運總額、冷鏈物流總費用、冷鏈物流總收入、冷鏈物流業增加值和冷鏈物流固定資產投資）納入農產品冷鏈物流產業的績效評價體系進行影響因素分析。Negi等[8]在因素分析的基礎上添加了冷鏈物流效率的3個因素，即業務費用、勞動力和資源。鄧延偉等[9]結合水產品特性在供應鏈模型中加入相關指標，用于測度水產品供應鏈效率。在評價模型方面，原雅坤等[10]利用三階段DEA模型，在約束碳排放量的情況下對長江經濟帶生鮮農產品冷鏈物流效率進行測度。在此基礎上，Qi等[11]運用模糊分析法對我國生鮮農產品冷鏈物流企業的績效進行測度，并在模型中加入綠色供應鏈相關指標。周靜等[12]運用AHP-DEA模型評價我國冷鏈物流企業效率，結果表明，先進技術的發展有利于我國冷鏈物流行業的進步。

以上成果為本文的研究奠定了基礎，但一般只局限于單獨對區域或企業物流效率進行探討，且少有文獻將冷庫容量作為投入指標，也未考察對外開放程度、信息化水平及創新發展水平等環境因素對生鮮農產品冷鏈物流效率的影響。弗里德（Fired）提出在運用傳統的DEA方法對決策單元進行效率測度時，環境因素、隨機因素等會對測度結果產生正向或負向的影響，從而影響結果的準確性，在進行效率測度時，應剔除這些因素的影響構建三階段DEA模型。因此，本文運用三階段DEA模型對我國31個省區市的農產品冷鏈物流效率進行研究，以期為我國冷鏈物流發展的方針政策提供理論依據和政策建議。

1 研究方法與指標選取

1.1 研究方法

運用三階段DEA模型，剔除外部環境因素影響，對我國31個省區市的生鮮農產品冷鏈物流效率進行測度，具體計算過程如下：

第一階段：傳統DEA模型。

根據研究問題，采用投入導向的規模報酬可變模型（BCC模型）。BCC模型如下：

其中：S-和S+為松弛變量，e1T和e2T分別為S+和S-的單位向量；Xj=（x1j，x2j，…，xsj）T，表示第j個決策單元的輸入，下標s是輸入指標的個數；Yj=（y1j，y2j，…，ysj）T，表示第j個決策單元的輸出，下標t是輸出指標的個數；Xj0和Yj0分別為第j0個決策單元的投入項和產出項；θ表示效率有效值；ε為阿基米德無窮小，一般取ε=10-6；λj表示權重系數。

第二階段：隨機前沿方法（SFA）回歸模型。

決策單元的效率受外部環境因素影響，SFA回歸模型可以將環境因素干擾從模型中分離出來，只保留管理無效因素。投入導向的類SFA回歸函數如下：

其中：Sni表示第i個決策單元的第n個投入冗余；Zi、βn分別表示環境變量和環境變量系數；vni+μni代表混合誤差項，其中vni，v～N（0），表示統計噪聲，μni，μ～N+（0），表示管理無效率。

投入變量調整公式如下：

其中：X*ni表示調整后的投入變量值；Xni表示調整前的投入變量值表示對環境因素進行調整，[max（vni）-vni]表示對統計噪聲進行調整。

第三階段：調整后的DEA模型。

該階段將調整后的投入數據代替原始投入數據，產出仍為原始產出數據，再次代入BCC模型中進行測算，得到清除環境效應和統計噪聲影響的實際效率值。

1.2 指標選擇

本文運用三階段DEA模型，以投入產出數據為基礎計算各省區市生鮮農產品冷鏈物流產業效率，并剔除外部環境因素的影響。因此，從投入、產出、環境3個方面構建指標體系，具體見表1。

表1 我國生鮮農產品冷鏈物流效率評價指標體系Table 1 Evaluation index system of cold chain logistics efficiency of fresh agricultural products in China

1.2.1 投入指標

選取生鮮農產品冷鏈物流固定資產投資、勞動力投入、冷庫容量3項指標作為投入指標。

生鮮農產品冷鏈物流的固定資產投入代表冷鏈物流產業的資本要素投入，以2012—2019年我國各省區市交通運輸、倉儲和郵政業整體投資額乘以冷鏈物流貨運量在地區總貨運量中的占比表示。

生鮮農產品冷鏈物流的從業人數代表冷鏈物流產業的勞動力要素投入，以2012—2019年我國各省區市交通運輸、倉儲和郵政業從業人數乘以冷鏈物流貨運量在地區總貨運量中的占比表示。

冷庫是冷鏈物流產業運營的重要基礎設施，保障了生鮮農產品倉儲過程的低溫環境，因此用各省區市的冷庫容量代表冷鏈物流產業物力要素投入。

1.2.2 產出指標

選取生鮮農產品冷鏈物流產業增加值、生鮮農產品冷鏈貨運量和生鮮農產品貨運周轉量作為產出指標。

生鮮農產品冷鏈物流產業增加值可以直接反映物流產業的運營成果，以2012—2019年我國31個省區市交通運輸、倉儲和郵政業的綜合年末增加值乘以生鮮農產品冷鏈貨運量在地區總貨運量中的占比表示。

貨運量反映冷鏈物流產業運輸成果。結合《中國冷鏈物流發展報告》中對農產品冷鏈的統計標準，將各地區肉類、禽蛋、水產品、蔬菜、水果、牛奶、茶葉產量之和作為生鮮農產品冷鏈貨運量。

貨運周轉量反映冷鏈物流產業全面運輸成果。以2012—2019年我國31個省區市貨運周轉量乘以生鮮農產品冷鏈貨運量在地區總貨運量中的占比表示生鮮農產品貨運周轉量。

1.2.3 環境指標

選取R&D內部經費支出總額/GDP總額、路網密度、外貿依存度、人均互聯網寬帶接入端口數作為環境指標。

R&D內部經費支出總額/GDP總額反映了各省區市的創新發展水平。

路網密度是區域公路里程與行政區域面積的比值，代表地區基礎設施建設水平。

外貿依存度是區域進出口總額與該地區GDP的比值，代表地區對外開放程度。

人均互聯網寬帶接入端口數代表地區信息化水平。

上述指標分別選取2012—2019年我國31個省區市數據，數據來源于國家統計局以及各省區統計年鑒。

2 實證分析

2.1 傳統DEA模型效率測算

第一階段僅考慮投入和產出指標值，利用DEA中的投入導向模型（BCC）計算投入目標值、松弛變量值，得到我國31個省區市生鮮農產品冷鏈物流業綜合技術效率（Technical efficiency，TE）、純技術效率（Pure technical efficiency，PTE）和規模效率（Scale efficiency，SE）平均值，計算結果見圖1。

圖1表明：在不考慮外界環境因素和隨機變量的影響下，2012—2019年，我國生鮮農產品冷鏈物流TE值呈先下降后上升的變化趨勢，由2012年的0.690微降至2015年的0.432，隨后有小幅增長，2019年增至0.510，總體年均降幅3.7%；SE基本與PTE保持同步，PTE由2012年的0.817微降至2015年的0.564，隨后增至2019年的0.715，總體年均降幅1.3%；SE由2012年的0.847逐年降低至2019年的0.743，整體出現小幅下降，降幅為12.3%；TE與PTE的增減趨勢相近，因此調整前的TE值受PTE影響較大，并且3種效率值在研究期間整體都呈現下降趨勢；我國農產品冷鏈物流業總體發展水平較低，平均TE值僅為0.501，具體來看SE在[0.743,0.848]范圍內波動，而PTE低于SE，波動范圍是[0.564,0.817]，表明純技術效率低于規模效率水平。第一階段DEA測算結果與各決策單元的實際情況有所不符。

圖1 第一階段我國生鮮農產品冷鏈物流效率值Fig.1 Efficiency value of cold chain logistics of fresh agricultural products in China in the first stage

2.2 SFA回歸分析

將R&D內部經費支出占比、路網密度、進出口總額及人均互聯網寬帶接入端口數這四大環境變量作為解釋變量，使用Frontier 4.1程序進行SFA分析，將投入松弛變量作為被解釋變量，與環境變量進行回歸分析，測算環境因素對投入松弛的影響，結果如表2所示。表2表明了各環境變量與投入松弛變量之間的相關關系，3個松弛變量的γ值均接近1，并且似然比（LR）檢驗也通過了1%的顯著性檢驗，表明所選外部環境因素對我國物流業發展有顯著影響，適合采用SFA模型進行分析。

表2 第二階段SFA回歸分析結果Table 2 Results of SFA regression analysis in the second stage

2.2.1 創新發展水平

創新發展水平對生鮮農產品冷鏈物流業固定資產投入冗余、勞動力投入冗余以及冷庫容量冗余均有正向顯著影響（P＜0.05），說明創新發展水平的提升會導致各項投入資源的浪費，從而降低冷鏈物流產業效率。較高的創新發展水平會吸引更多的資金、勞動力和冷庫設施投入，導致冷鏈物流產業現有投入需求與供給之間無法得到平衡，增加冷鏈物流業的投入冗余量。

2.2.2 基礎設施建設水平

以路網密度為代表的地區基礎設施建設水平對固定資產投資冗余有正向顯著影響（P＜0.05），對冷庫容量松弛變量有負向顯著影響（P＜0.05）。基礎設施建設水平的提升會導致政府對生鮮農產品冷鏈物流產業環境的過度關注和支持，盲目擴大生鮮農產品冷鏈物流業生產規模，造成資金投入的浪費；而基礎設施水平的提升改善了生鮮農產品冷鏈物流產業的外部環境，促進其規模化發展，提升了冷庫利用率，降低冷庫資源投入冗余。

2.2.3 對外開放程度

外貿依存度的提升與3項投入變量的冗余量呈負相關，說明加大對外開放程度可以減少固定資產投資、勞動力人數以及冷庫容量冗余。在經濟全球化的驅動下，對外開放已成為所有經濟體發展的必經之路。

2.2.4 信息化水平

信息化水平與3項投入變量的冗余量呈負相關，對冷庫容量冗余有負向顯著影響（P＜0.05），說明地區信息化水平的提高大大促進了生鮮農產品冷鏈物流業發展。

2.3 調整后效率值的測算

利用公式（3）對SFA分析結果進行計算，可得出調整后的投入指標值，再次將產出指標和調整后的兩個投入指標導入DEAP 2.1軟件中計算，得到第三階段測算結果。

2.3.1 縱向分析

圖2反映了第三階段我國生鮮農產品冷鏈物流效率測算期間的平均值。結果表明：我國生鮮農產品冷鏈物流TE值呈逐年上升趨勢，由2012年的0.563微降至2013年的0.538，隨后穩步增長至2019年的0.688，年均增幅3.1%；SE基本與TE保持同步，由2012年的0.589微降至2013年的0.587，隨后穩步增長至2019年的0.740，年均增幅3.4%；PTE由2012年的0.956逐年降低至2015年的0.876，隨后逐年增長至2019年的0.930，整體出現小幅下降，降幅為2.7%；TE與SE的增減趨勢相近，因此經環境調整后的TE值受SE影響較大；與第一階段相比，PTE整體顯著提升，而SE顯著下降，表明被低估的PTE的上升導致了總體冷鏈物流綜合技術效率的提升。

圖2 第三階段我國生鮮農產品冷鏈物流效率值Fig.2 Efficiency value of cold chain logistics of fresh agricultural products in China in the third stage

2.3.2 橫向分析

表3反映了第三階段我國各省區市生鮮農產品冷鏈物流效率年平均值。結果表明：第三階段31個省區市2012—2019年農產品冷鏈物流TE年平均值為0.583，其中遼寧省、江蘇省、河北省、河南省及廣東省TE年平均值均大于或等于0.8；TE年平均值在0.5～0.8之間的省份數量最多，占比為54.8%；TE年平均值小于0.5的省份占比29%；各省區市生鮮農產品冷鏈物流效率值在剔除了環境影響后顯著提升。

由表3可知：在調查的全國31個省區市中，黑龍江、吉林、上海等22個省區市為irs，表明2012—2019年我國大多數地區的生鮮農產品冷鏈物流產業處于規模報酬遞增狀態，說明這些省份應加大對生鮮冷鏈物流產業的要素投入，大力推動產業發展，以提升產業規模效率，從而使整體效率得到提升；山東省、河南省以及內蒙古自治區3個省區市為drs，這3個地區出現規模效率遞減的情況，且這3個省份的純技術效率值均超過0.9，說明應適當精簡生鮮農產品冷鏈物流產業規模，以提高其規模效率；遼寧、江蘇、浙江等6個省區市規模報酬不變，說明這些省份應在保持現有產業規模的情況下積極提升技術水平和管理能力，以提升純技術效率。

由圖3所示：分區域看，TE年平均值超過全國平均水平的區域有4個，分別為華中地區、華東地區、華北地區和華南地區，其中，華中地區的TE年平均值最高，但PTE年平均值卻排在七大區域的最后，這是由于湖北省的生鮮農產品冷鏈物流PTE偏低所致，但較高的SE導致其整體效率的前沿地位。東北地區、西南地區和西北地區的TE年平均值在全國平均水平之下，并且這3個地區的SE年平均值遠低于其PTE年平均值，由此可以初步判定，這3個區域的SE年平均值在一定程度上拉低了整體TE年平均值。

表3 第三階段我國各省區市生鮮農產品冷鏈物流效率年平均值Table 3 The annual average value of cold chain logistics efficiency of fresh agricultural products in various provinces in China in the third stage

圖3 我國七大區域第三階段冷鏈物流產業效率年平均值Fig.3 The annual average value of cold chain logistics industry efficiency in the third stage in seven major regions of China

3 結論及對策建議

本文選取生鮮農產品固定資產投資、生鮮農產品勞動力投入、冷庫容量為投入指標，選取生鮮農產品冷鏈物流產業增加值、生鮮農產品冷鏈貨運量和生鮮農產品貨運周轉量為產出指標，采用三階段DEA模型對我國31個省區市2012—2019年生鮮農產品冷鏈物流效率進行了測度。研究結論如下：

（1）我國生鮮農產品冷鏈物流效率總體呈現逐年上升趨勢，大部分地區生鮮農產品冷鏈物流產業處于規模效率遞增狀態。

（2）信息化水平、基礎設施建設水平、對外開放程度及創新發展水平對投入冗余產生了顯著的影響。R&D內部經費支出總額/GDP總額對生鮮農產品冷鏈物流3種投入變量冗余均有正向顯著影響；路網密度對固定投資冗余有正向顯著影響，對冷庫容量松弛變量有負向顯著影響；外貿依存度的提升與3項投入變量的冗余量呈負相關；信息化水平與3項投入變量的冗余量呈負相關。

（3）華中、華東、華北和華南地區的生鮮農產品冷鏈物流業綜合技術效率高于全國平均水平；東北、西南和西北地區的綜合技術效率值低于全國平均水平，主要受到規模效率偏低的影響。

綜上，為提高我國各省區市農產品物流效率，提出以下政策建議：

（1）提升生鮮農產品冷鏈物流產業規模效率

從研究結果來看，規模效率偏低是目前制約我國農產品冷鏈物流效率提升的主要因素。因此，各省市應根據自身管理水平及能力，選擇適應冷鏈物流產業的發展規模，并根據市場情況及時進行調整，保證投入資源的合理科學運用，提高資源轉化效率。同時，應積極提升企業的管理能力及水平，以提升冷鏈物流產業純技術效率，從而提高整體綜合技術效率水平。

（2）優化生鮮農產品冷鏈物流發展環境

第二階段SFA回歸分析結果表明，R&D內部經費支出占比、路網密度、外貿依存度以及信息化程度4個環境變量都會對生鮮農產品冷鏈物流效率產生影響。據此，提出以下4點建議：第一，應鼓勵生鮮農產品冷鏈物流企業進行技術研發與創新，加大冷鏈運行過程中先進技術和系統的投入使用；第二，應提升基礎設施建設水平，促進地區生鮮農產品冷鏈物流產業的發展，形成規模效應；第三，政府應積極拓展物流與金融、電商等新商業形態的深度融合，幫助生鮮農產品冷鏈物流企業更好地搭建國際貿易橋梁，推動對外貿易的發展；第四，應構建我國生鮮農產品冷鏈物流信息共享平臺，加強區域冷鏈物流資源與信息數據庫建設，全面提升發展生鮮農產品冷鏈物流的信息化水平。

（3）提升區域生鮮農產品冷鏈物流效率

東北地區應調整粗放的生鮮農產品冷鏈物流發展模式，合理配置冷鏈物流資源，實現各投入要素的最優組合，以農業合作化的形式實現農產品生產的規模化和集約化，以規模效率的提升帶動綜合技術效率的增長。西南和西北地區應借助陸海通道，加強通道內各省份的經貿合作，利用鐵路、公路、水運、航空等多種運輸方式，實現與新加坡和東盟國家的互聯互通。同時，西部地區應積極承接華中地區的溢出效應，充分利用其溢出和輻射效應縮小區域發展差距。