基于PP-SFA 方法的供應鏈創新試點城市物流效率及影響因素研究

劉宏偉,高晨晨,楊榮璐

(安徽大學 商學院,安徽 合肥 230601)

在新時代發展的背景下,有效的供應鏈管理已經逐漸成為經濟發展的有力支撐。黨的十九大指出,要在現代供應鏈等領域培育新增長點、形成新動能。在此基礎上,2018年商務部等8部門在全國范圍內確定了55個供應鏈創新與應用試點城市(商建函〔2018〕654號,以下簡稱供應鏈創新試點城市)[1]。2020年,商務部等有關部門頒布《關于進一步做好供應鏈創新與應用試點工作的通知》(商建函〔2020〕111號),明確指出,試點城市之間要形成信息溝通、設施聯通、物流暢通、政策互動等合作機制,加速推進智慧物流園區、智能倉庫建設和供應鏈技術創新平臺的科學謀劃[2]。2021年,商務部等8家單位共同印發《關于開展全國供應鏈創新與應用示范創建工作的通知》(商流通函〔2021〕113號),明確要在供應鏈創新與應用試點工作的基礎上,進一步開展我國供應鏈創新與應用示范城市及企業的設立工作[3],這充分體現了供應鏈在現代經濟體系中的重要地位和作用。物流管理是供應鏈的重要組成部分,同時也是供應鏈得以順利運行的基礎,因此,對供應鏈創新城市物流效率進行研究有利于實現試點城市的高質量發展。

目前,現有文獻對物流業效率的研究常以城市物流、省域物流或區域物流為研究對象。從城市層面來看,大多選擇地市級城市為樣本,從時間或空間維度展開研究。如郁玉兵等[4]基于城市物流的特殊性提出城市物流質量的概念,運用因子分析和引力模型對浙江省11個城市的物流質量進行評估,并根據省內發展不平衡的特點針對性地提出構建物流樞紐城市。隨后,李勇輝等[5]選擇中國32個主要城市為樣本,采用數據包絡分析(DEA)與因子分析,對城市物流業效率及績效、競爭力之間的關系進行分析,得出績效高的城市競爭力強、效率高的結論。董千里等[6]進一步擴大樣本,基于全國285個流通節點城市,運用雙重差分模型,研究這些城市對城市物流效率的影響及作用機理,結果表明流通節點城市的設立對城市物流效率的提升有促進作用,但具有區域異質性的特征。從省域層面來看,已有文獻對全國范圍內省域的研究較少,唐建榮等[7]基于中國31個省份,運用方向距離函數對中國省域物流效率的時空演變進行研究,認為觀測年份內中國整體物流產業效率有所下降,且不同區域效率差異明顯。樊元等[8]在實證方法上進行創新,使用隨機前沿分析(SFA)測算了不同區域的物流效率,得出不同地區效率差距較大,但隨著時間的推移差距會逐漸縮小的研究結論。大多數研究集中于區域物流,一般選擇國家重點戰略區域,如“一帶一路”區域、絲綢之路經濟帶核心區域等,并常落腳于省域或城市層面展開研究。如張雪青[9]選擇“一帶一路”區域涉及的重點省份為研究對象,構建區域物流的指標評價體系,運用DEA 方法對物流效率進行測量;李娟等[10]從總體特征、分國別分省區的差異特征、時空演變和收斂性四個方面對絲綢之路經濟帶核心區物流業效率進行了分析。

從以上分析可以看出,已有文獻大多數運用DEA 對區域或省份物流業效率進行測算。然而,DEA 的缺點是任何隨機干擾都被認為是有效因素,投入數據的變化會明顯影響數據的測算結果,使得結果會受到極值的影響[11-12]。因此有學者如秦雯[13]、孟魁[14]通過構建三階段DEA 模型來測算真實的物流效率值,該模型同時剔除了環境因素和隨機誤差的干擾,并且得到的是松弛變量與環境因素之間的相關關系,不能直接對影響物流效率的環境因素進行細化分析[15]。因此目前有少數學者把DEA 和回歸分析結合來研究物流效率的影響因素,如三階段DEA 和Tobit模型結合[16]、CCR 模型與Tobit模型結合[17]等。

SFA 作為一種基于回歸分析的參數化方法可以彌補DEA 方法的不足[18]。SFA 將實際生產與最優邊界之間的距離分成兩部分:無效率項和隨機干擾因素,考慮了環境因素和隨機因素對生產活動的影響[19],可以直接對影響物流效率的因素進行測算,例如于麗靜等[15]、張亮亮等[19]。此外,SFA 可以通過假設檢驗來選擇正確的生產函數形式,確保模型設定的準確性[11]。但SFA 的缺點在于只能對單一產出指標體系進行研究,如果存在多個產出指標,效率分析就會變得復雜且片面。如龔雪媚等[20]使用SFA 研究科技創新效率時,兩次運用SFA 方法對多產出進行測算。如何對多投入多產出的指標體系進行處理是SFA 方法需要突破的關鍵問題。黃躍[21]在對中國城市群綠色發展水平進行測度時,使用投影尋蹤方法(PP)對指標體系進行降維,計算綠色發展綜合指數。基于此,本文考慮引入PP模型以彌補SFA 方法的不足,先使用PP模型對物流業產出體系進行降維,進而得出綜合產出,再使用SFA 對效率值進行估計并探索影響效率值的因素。

綜上,本文選擇供應鏈創新試點城市為研究對象,運用PP-SFA 對供應鏈創新試點城市的物流產業效率及影響因素進行研究,為試點城市物流業效率的提升及現代供應鏈的構建提供一定參考。

1 研究方法、數據與模型

1.1 PP-SFA

SFA 是一種常用的效率測量方法,被廣泛應用于各個領域。其優點在于考慮了由測量等因素造成的隨機誤差,避免了隨機誤差造成的影響[22-23],但只能用來測量多個投入和單一產出決策單元的效率。而對于物流行業來說,僅使用一個產出指標是無法準確衡量行業產出的。因此,本文用投影尋蹤模型合成綜合產出指標,再使用SFA 對物流業效率進行測度,同時估計外部環境因素對效率值的正面或負面影響。

(1)PP。本文選擇物流產出和經濟產出作為投影尋蹤的兩個產出指標。將這兩個產出指標合成為綜合物流業產出的步驟如下:

①將各指標無量綱化。假設指標的樣本集為{yin*|i=1,2,…,I;n=1,2,…,N},I為樣本數量,N為指標數目。由于各評價指標的數據維數不統一,很難進行比較,因此數據需要標準化。為了避免標準化出現的零值影響,將標準化后的數值統一平移A個單位。本文中,取A=0.000 5。數據標準化的公式:

式中,y*in代表的是第n個產出指標中第i個要標準化的數值;ymax(n)和ymin(n)分別指的是第n個產出指標樣本集的最大值和最小值;yin表示經過標準化后的處理結果;y′in表示平移后的標準化結果。

②構造投影指數函數。將N維數據{yin|n=1,2,…,N}投影到一維子空間上,得到最佳投影方向a(n),其中a(n)為單位向量,則投影值z(i)的表達式為:

投影值z(i)的分布特征為:投影點在局部范圍內盡可能集中,而在整體上盡可能分散。基于此,構造投影指標函數Q(z)如下:

投影值z(i)的方差S(z)如下:

投影值z(i)的局部密度D(z)為:

式中,E(z)為投影值的均值;R為局部密度的窗口半徑,具體根據樣本特征決定;rin為樣本間距,由|z(i)-z(n)|計算得到;u(v)為單位階躍函數。

③優化投影指標函數。若評價指標樣本集已給定,則投影指標函數只會隨著投影方向a(n)的變動而變動。通過最大化投影指標函數,可以得到最優的投影方向:

④計算綜合產值。根據以上步驟,利用加速遺傳算法可以得到最佳投影方向a*,再代入式(3),求得最佳投影值z*。

(2)SFA。SFA 是由Aigne等[18]和Meeusen等[24]在1977年同時提出的,用來考慮隨機因素對產出的影響。SFA 基本模型如下所示:

兩邊同時取對數可以得到下列表達式:

式中,i表示物流創新城市的數量;t代表時間序列。Yit代表合成產出,即上一步投影尋蹤得到的最佳投影值z*。xit=(X1it,X2it,…,Xkit)是一組K維向量,代表不同投入資源。vit表示隨機擾動項,且vit ~iid N(0,σ2v);uit指無效率項,代表實際產出與效率前沿面之間的距離,uit~iid N+(wit,σ2u)。vit與uit相互獨立。技術效率定義為實際產出與最大隨機前沿產出的比值:

根據方差參數γ的值,我們可以判斷它是否適合使用SFA 模型進行分析,γ表達式如下:

γ取值范圍在0和1之間,γ越接近1,說明SFA 模型越合適。

另外,為了解釋外界環境對技術效率的影響,引入技術非效率函數,如式(13)所示:

式中,δ0為常數項;δ代表外生變量的系數;git表示干擾效率的外部環境因素。當δ>0時,說明外部環境因素對技術效率有負向影響;當δ<0時,說明外部環境因素對技術效率有正向影響。mit是隨機誤差項。

在SFA 中,生產函數的形式通常選用柯布道格拉斯(C-D)生產函數或超越對數生產函數[24]。由于超越對數生產函數的形式比C-D 生產函數更具有代表性[25],因此設定超越對數生產函數作為生產函數模式的初始模式,然后進行假設檢驗。原超越對數生產函數不包含時間t,但需要增加該參數,以反映技術變化和技術效率的時變特征。

生產函數的初始設定形式如下:

式中,β0是常數項;βk是第k個投入變量的相關系數;βkj是第k個投入變量和第j個投入變量的交互項系數;βt和βtt分別是時間t和變量t2的相關系數;βkt是第k個投入變量與時間t的交互項系數;Xkit是t時刻第k個投入變量在第i個地區投入變量的值;Xjit是t時刻第j個投入變量在第i個地區投入變量的值。其余變量含義同如式(10)所示。

1.2 指標選擇與數據來源

目前我國尚未對“物流業”的邊界和內容進行明確的規定,衡量物流業的指標體系也尚未形成。鑒于此,本文采用龔瑞風等[26]、汪文生等[27]研究的處理方式,以交通運輸、倉儲和郵政業的數據作為物流業的相關指標。在產出指標選擇方面,選擇物流業的物質產出與經濟產出作為合成指標的兩個方面。物質產出用貨物周轉量表示[27],經濟產出用物流業增加值表示,其中,物流業增加值本文沿用龔雪[28]的研究,由郵政、倉儲以及運輸業增加值的金額計算所得。在投入指標選擇方面,勞動力投入和資本投入是物流業的基本投入。基于前人的研究[27,29-30],用運輸業、倉儲業以及郵政業的年末從業人數表示勞動力投入,交通運輸、倉儲和郵政業固定資產投資額表示資本投入。在影響因素選擇方面,基于經濟和政府作用的視角,選取經濟發展水平、政府支持力度和政府影響力三個變量作為環境變量來探究其對物流效率的影響。物流業的發展依賴于地區的經濟發展水平,經濟發展水平的提高使得物流業更加的專業和社會化[15],因此地區的經濟發展水平是影響物流效率的重要因素,本研究用人均GDP來衡量。政府對交通運輸業的支持和重視程度也會影響著物流業的發展[19],同時,如果政府的財政分配比例不當也可能對物流業的發展有負面影響[31],因此政府支持力度是影響物流業效率的另一個因素。本研究用交通運輸支出占一般公共預算支出的比重表示政府支持力度。此外,物流業的發展與其他行業息息相關,經濟建設和各項事業需要政府制定和實施政策。政府的影響力越大,表明政府的干預越強,對資源的配置和協調影響越大,因此政府的影響力是影響物流產業發展的一個因素。本研究用一般公共預算支出占地區生產總值的比重衡量政府影響力[30]。研究的具體指標體系如表1所示。

表1 投入產出及環境變量評價指標體系

本文數據主要來源于2009~2018年55個供應鏈試點城市國民經濟與社會發展統計公報、2010~2019年中國各城市統計年鑒、2010~2019年度《中國統計年鑒》等,剔除了自由貿易試驗區、縣級市和數據滯后及缺失嚴重的城市,最終選擇數據較為完整的38個供應鏈創新試點城市作為研究樣本。

1.3 模型設定

為了檢驗SFA 的適用性和生產函數形式的正確性,需要對生產函數的設置進行檢驗。γ值為0.845 8,說明存在無效率項,SFA模型具有適用性。此外,由表2的假設檢驗結果可知,接受時間變量t的相關系數均為0的假設,因此,構造不含時間t的超越對數生產函數更適合于本研究。

表2 假設檢驗結果

根據表2中的建設檢驗結果,生產函數設定如下:

式中,Yit表示用PP模型合成的綜合產出;X1是物流業從業人數;X2是物流業固定資產投資額。

根據以上對物流業效率影響因素的分析,把經濟發展水平、政府支持力度和政府影響力作為影響物流業技術效率的因素,構建的技術無效率函數模型如下:

式中,μit表示城市i在t年的無效率項,其數值越大,技術效率越低;PGDP表示經濟發展水平;SGOV表示政府支持力度;IGOV表示政府影響力。

2 實證研究

2.1 PP結果分析

根據投影尋蹤模型的原理,運用Matlab軟件對2009~2018年全國38個供應鏈創新試點城市物流業綜合產出進行測算,得出貨物周轉量和交通運輸、倉儲和郵政業增加值的最佳投影方向,由此計算出最佳投影值,即物流業綜合產出水平。詳見附錄1。

由PP結果可以看出,相較于2009年,2018年各城市物流綜合產出投影值均有較大幅度提升,但不同區域仍有較大差距。北京、上海、廣州、武漢等城市物流產出投影值均大于0.6,物流業較為發達;大連、南京、青島、臨沂、寧波、深圳等過半數的城市產出投影值低于0.6,物流業發展尚有提升空間;贛州、蕪湖、義烏、西寧等14個城市產出投影值低于0.1,物流業產出水平最低,需要重視這些城市的物流業發展。總體來看,2009~2018年,我國供應鏈創新城市物流業綜合產出水平提升明顯,但絕大多數城市仍處于較低水平,且不同城市綜合產出差距明顯,物流業產出仍有較大提升空間。同時,物流綜合產出投影值只能單一地反映物流業的產出水平,并不能全面反映物流業的資源利用情況,因此需要對物流業效率值進行進一步測量。

2.2 創新城市物流產業效率影響因素分析

考慮到影響物流業效率的因素之間可能會出現多重共線性,這會影響變量選擇的合理性和數據結果的可靠性。基于此,本文采用方差膨脹因子VIF法對環境變量進行了多重共線性檢驗,結果如表3所示。由表3可知,3個影響因素的VIF值均位于0至5之間,因而不存在多重共線性問題,這表明:本文選取的3個環境變量即人均GDP、政府支持力度和政府影響力是合理的,且在此基礎上進行的創新城市物流產業效率影響因素分析結果是穩健可靠的。

表3 環境變量的多重共線性檢驗

此外,在對效率值進行測算之前,需要檢驗模型的適用性,本文將投影尋蹤模型求得的物流綜合效率值作為產出指標,代入生產函數(15)中,運用Frontier 4.1軟件,模型估計結果如表4所示。從表4可以看出,γ=0.845 8且在1%的水平下顯著,說明實際產出與生產前沿面之間的差距主要來源于技術非效率項,因此,使用SFA 進行估計是必要的。此外,LR值為29.062 0并在統計學上有意義,表明極大似然估計效果較好且模型整體估計有效。

表4 隨機生產前沿函數測算結果

從生產函數系數來看,運輸業、倉儲業以及郵政業的年末從業人數(0.581 7)與物流產業固定資產投資額(0.439 0)的產出系數為正,且分別通過了1%和10%的顯著性檢驗,說明勞動力及固定資產投入的增加均會顯著提升物流產出,其中勞動力投入的系數大于固定資產投入系數,說明勞動投入每增加1%獲得的物流產出比固定資產的投入更有效。

從效率函數影響因素的估計系數來看,經濟發展水平(-5.779 4)和政府影響力(-2.690 5)的回歸系數為負且分別通過1%和10%的顯著性檢驗,說明城市經濟發展水平和政府影響力對物流業效率提升有正向影響,也就是說,經濟發展水平和政府影響力的提升有利于物流效率的增加。一方面,城市經濟水平的提高會使得物流基礎設施投資、交通網建設更加完善,為物流業的發展創造了良好的需求條件,從而推動城市物流效率的提升。另一方面,政府對各行業的干預能夠改善當前物流業的經營環境,對加強物流業發展所需要的基礎設施建設和優化資源配置有積極作用,近而提高物流業的效率。然而,政府支持力度的回歸系數為正,說明政府支持力度與城市物流業效率間存在負相關關系,但該項因素的影響并不顯著。這說明了在樣本期間內,政府的財政支持對物流效率的影響并不理想。可能的原因是政府對物流業的發展缺乏針對性地支持,例如政府對物流業干預過多可能會影響物流業發展的靈活性;政府的財政資金在監管力度不夠的情況下,可能會造成物流資源的錯配或浪費等。此外,物流業正處于飛速發展的階段,而政策支持又存在不可避免的時滯性。

2.3 創新城市物流產業投入及效率值分析

進一步對我國38個供應鏈創新試點城市2009~2018年的物流效率值進行測算,并計算出2009~2018年各個城市物流效率均值(按從大到小排序),如表5所示。

表5 2009~2018年我國38個供應鏈創新城市物流業效率均值

由表5可以看出,我國供應鏈創新試點城市物流業效率差異較大,其中效率最高的城市和效率最低的城市的效率值相差0.634 5。臨沂、大連、定西等11個城市物流效率均值在0.5之上,相對來說物流效率較高并且這些城市大部分位于沿海地區。其中臨沂的物流效率水平最高,為0.763 5。武漢、深圳、太原等7個城市效率均值低于0.5但高于整體的平均效率值0.399 1,屬于物流效率中上等的城市;而商丘、海口等20個城市物流效率均值在0.399 1之下,其中,昆明市最低,為0.129,這些表明我國供應鏈創新試點城市物流業效率仍有很大的提升空間,超半數以上的供應鏈創新城市物流業效率值低。進一步,為了體現效率值隨時間的變動,對樣本期內38個供應鏈試點城市每年的平均效率值進行分析,如圖1 所示。從圖1可知,2009~2018年,我國供應鏈創新城市效率整體呈近似“W”型的波動上升趨勢,其中最高值為2018 年的0.544 7。樣本期內效率值變動明顯,除2011年、2014年、2017年有所下降外,其余年份較上年均有所上升,其中2013 年、2015 年以及2018年有較大幅度提升。2013年,互聯網和電子商務的興起促進了物流業的蓬勃發展,與此同時,物流業得到新一屆中央領導集體的全面關注,物流效率得以大幅提升。但由于物流業發展基礎不穩、動力不足等問題,2014年物流效率有所回落。經過之后幾年的轉型升級,物流業效率逐年提升。2018年供應鏈創新城市設立,相較于2017年,物流業效率提升明顯,表明供應鏈試點城市設立后,物流業整體水平有所上升。

圖1 2009~2018年供應鏈創新城市物流業效率平均值變動

3 結論與建議

本研究基于38個供應鏈創新試點城市的面板數據,通過構建PP與SFA 結合的模型進行了物流效率值的測算,彌補了SFA 存在只能對單一產出指標體系進行研究的缺陷,同時探索了影響供應鏈創新試點城市物流效率的因素。本文的結論和建議如下:

首先,根據PP模型的結果得到的綜合產出水平可以發現,2009~2018年,我國供應鏈創新城市物流業綜合產出水平提升明顯,但絕大多數城市仍處于較低水平,且不同城市綜合產出差距明顯,物流業產出仍有較大提升空間。因此,各地區政府應該加強區域之間的聯動,因地制宜,合理配置資源,利用電子商務等技術來提升物流業的產出水平。

其次,基于物流投入對物流產出的影響,發現勞動力投入及固定資產投入均會對物流產出產生顯著的積極的影響,其中,勞動力投入的增加更有利于我國城市物流業的發展。因此在勞動力資源方面,物流業的發展離不開高質量的人才隊伍,在物流業的從業人員存在缺口的情況下,既需要廣納人才,也需要提升員工的專業能力和素質水平。物流企業應該重視員工的培養,可以通過依托產學研合作等方式,對不同崗位的人才進行針對性的培訓。在物流建設方面,良好的物流發展離不開交通運輸等的協調運作。政府應該合理規劃城市交通運輸的線路方案,合理布局,為物流業的發展節省時間和能源。

此外,研究還發現經濟發展水平和政府影響力對城市物流業效率的提升有顯著促進作用,而政府支持力度對城市物流效率影響并不顯著。供應鏈試點城市的建立為各城市的發展帶來了機會,城市經濟發展水平的提升能夠帶動物流業的發展,同時物流業效率的提升會對經濟發展水平的提升做出積極的貢獻。因此,當地政府應該結合當地的物流發展條件和發展需求,充分發揮政府調控的積極作用。此外,政府在對物流業進行資金扶持的同時應合理進行政策的監管,不能簡單通過增加固定資產投資來實現物流業的擴張,而是要考慮持續發展的需要,制定精細化物流業扶持戰略,如引進人才、技術補貼、稅收減免等,并確保政策的落實,為物流業發展注入持續動力。

最后,我國供應鏈創新試點城市物流業效率差異較大,超半數以上的供應鏈創新城市物流業效率值處于低水平,物流業效率有較大提升空間。同時,研究期內,我國供應鏈創新城市的整體物流效率均值波動明顯,呈現出近似“W”型的波動上升趨勢。因此要加強物流相關技術的研發和投入,促進區域之間的技術和信息共享與合作,提升能源的利用效率,實現各城市物流效率的穩步提升以及各城市效率差距的縮小和協同發展。同時,物流相關企業也應該認識到效率提升的重要性,構建高效的物流管理系統,提升和優化物流模式,實現物流業的高質量發展。

附錄1

2009~2018年38個供應鏈創新試點城市物流業綜合產出值