皖江城市帶物流業效率及影響因素分析

黃 潔，殷 飛

0 引 言

在經濟發展方式快速轉變的背景下，近年來物流業取得了突飛猛進的發展，物流業作為各部門運轉的配套性基礎行業，儼然已經成為國民經濟的動脈系統。作為長三角一體化的戰略腹地，政府高度重視皖江城市帶的發展，在2010 年，《皖江城市帶承接產業轉移示范區規劃》由國務院正式批復，“十四五”規劃中提到我國物流基礎設施網絡等存在“東強西弱”的情況，皖江城市帶包括合肥市、蕪湖市、馬鞍山市、銅陵市、安慶市、池州市以及滁州市、宣城市和六安市的部分區縣，是連接我國東中西三大地區的天然紐帶，具有重要的戰略支點作用，并且皖江城市帶中的合肥、安慶、蕪湖為國家級物流樞紐城市，因此提高皖江城市帶的物流效率在某種程度上能夠為全國的物流業高質量發展提供借鑒意義。

1 相關研究評述

國內外學者大多采用DEA 方法對物流業效率進行分析。國外應用DEA 模型對物流業效率的研究主要以企業的物流為主。Anthoy 基于員工人數，固定資產為投入指標，選取銷售量為產出指標，將投入產出數據代入DEA 模型對企業效率進行測度[1]。Pannu 采用DEA 方法對印度制藥公司的企業效率及創新效率進行評價分析[2]。Wanke 使用兩階段DEA 模型對巴西的集裝箱和散貨港口效率進行評價[3]。國內運用DEA 模型評價物流效率的研究也比較豐富，余沛利用DEA 模型實證分析了41 家上市物流企業的規模效率和生產效率，結果顯示大型物流企業并不具備規模效益優勢，并借此提出相關的建議以提高大型物流企業的規模效益[4]。鄭琰等使用DEA 模型對連云港2008 年至2017 年的物流效率進行實證分析，結果表明10 年間連云港出現了資源配置不合理、投入冗余及經營管理效率不足等問題[5]。

學者們在分析物流效率的影響因素時多采用Tobit 回歸模型。Merkert R 用Tobit 回歸分析航空公司影響因素，結果表明航線優化的效果僅限于影響航空公司的技術效率，航空公司機隊的年齡對成本效率有積極的影響[6]。王琴梅等利用Tobit 回歸模型對西安市的物流效率與相關因素進行分析，結果表明GDP、市場化程度、區位優勢及物流資源利用率對西安市物流效率具有顯著影響[7]。龔雅玲等通過Tobit 回歸模型剖析2017 年我國各省份區域物流發展效率的影響因素，回歸結果顯示物流業產業結構、信息化水平、發展優勢與物流業發展效率顯著相關[8]。張永勝采用Tobit 回歸模型對廣西地區物流效率的影響因素進行分析，結果表明GDP、產業結構、政府政策對物流效率具有正向影響，科技水平以及物流專業人員對物流效率具有負向影響[9]。

2 皖江城市帶物流業效率分析

2.1 研究方法

DEA 模型于20 世紀70 年代由Charnes 等人提出，用于評價多投入多產出的相同類型決策單元的績效，以相對效率為標準進行總體分析，又稱為數據包絡分析模型[10]。DEA 模型分為CCR 模型和BCC 模型，CCR 模型的前提條件是規模報酬不變，BCC 模型在CCR 模型的基礎上將規模改為可變。由于在社會生產過程中，幾乎不存在規模報酬不變的情況，因此本文將使用BCC 模型對皖江城市帶物流業效率進行分析。

假設有n個DMU，每個DMU 有m種投入值和s種產出值，投入和產出向量分別為Xj,Yj，松弛變量為s+，剩余變量為s-。

設最優解為λ*,θ*,s*+,s*-，則有如表1 所示情況。

表1

在DEA-BCC 模型中，物流效率分為綜合物流效率、純技術效率、規模效率。其中綜合物流效率為純技術效率和規模效率的積。

2.2 指標建立與數據來源

因為六安市只涉及小部分區縣，數據資料等缺失，因此本文選取2010—2020 年皖江城市帶其余8 個城市的物流行業的數據進行物流業效率的分析。數據來源于《安徽統計年鑒》，使用DEAP2.1 軟件進行測算，鑒于并沒有具體劃分物流業這一行業，根據學者們的經驗本文以運輸、物流和郵政業務來描述物流業。投入要素按照人力資源、基本建設投資、經濟財力分別選擇了物流業從業人員數量、公路里程數、物流業固定資產投入作為主要投資目標。產出要素選擇了物流業生產總值、貨運量、貨物周轉量。

（1） 物流業固定資產投資額。指皖江城市帶各市物流業發展所需的費用。能夠綜合反映出物流業的投資規模，是物流業發展的重要經濟基礎。

（2） 物流業從業人數。指皖江城市帶從事物流業的人員數，其數量和增速能夠反映出物流業的勞動力發展規模，是物流業發展的重要的勞動力基礎。等級公路里程數。指皖江城市帶等級公路的實際里程數，其里程數在一定程度上能夠反映物流業發展所投入的基礎設施規模，是物流業發展的重要的物力基礎。

（3） 物流業增加值。指皖江城市帶物流行業在經營過程中所創造的生產總值。能夠直接反映出物流業的生產成果，是衡量物流業產出的最主要指標。貨運量指皖江城市帶公路貨物運輸的總重量，能夠反映物流業的產出規模。

（4） 貨物周轉量。指皖江城市帶貨物運輸總量與其對應的運輸距離的乘積。同樣，也能夠直接反映出物流業產出的規模。物流業效率投入產出指標如表2 所示：

表2 物流業效率投入產出指標

2.3 物流業效率實證分析

將皖江城市帶8 個城市作為決策單元，使用DEAP2.1 模型對其2010—2020 年的物流業的綜合效率、純技術效率及規模效率進行測算。

2.3.1 綜合效率

由表3 可以看出，皖江城市帶2010—2020 年的綜合效率值為0.873，從整體上看，皖江城市的綜合效率平均值最低是2016年為0.668，綜合效率值最高是2019 和2020 年均為1，此外這11 年間的綜合效率平均值呈波動趨勢，物流效率發展仍處在不穩定期。

從各市的綜合物流效率來看，2019—2020 年8 個城市的綜合效率值為1，達到有效狀態，說明這兩年皖江城市帶的物流資源配置合理，物流業效率高。其中，這11 年間物流綜合效率均值排名前三的是馬鞍山市、合肥市、銅陵市。安慶市的綜合排名處在末尾，說明這11 年間物流業的發展不理想，需要重視其發展，并向其他城市學習。

2.3.2 純技術效率

表4 的數據可以看出，2010—2020 年皖江城市帶的平均純技術效率為0.917，未達到有效。其中純技術效率達到有效狀態的是2012、2013、2019、2020 年，總體呈上下波動不夠平穩，說明在技術和管理方面還有一定的發展空間。從城市來看，近11 年8 個城市的純技術效率的平均值雖未達到有效，但其中滁州市、池州市、馬鞍山市、宣城市均高于整體的平均水平。

表4 2010—2020 年物流業純技術效率

2.3.3 規模效率

如表5 所示，近11 年皖江城市帶整體的規模效值平均為0.948，高于純技術效率水平，但均值未達到有效。其中，只有2019 和2020 年的規模效率達到有效，安慶市、池州市、滁州市及宣城市的均值低于整體水平，且呈現上下波動狀態，說明投入產出沒有達到穩定的狀態，還需繼續優化投入和產出以達到最好的狀態。此外，合肥市、馬鞍山市、銅陵市和蕪湖市的規模效率均高于整體水平。

表5 2010—2020 年物流業規模效率

3 皖江城市帶物流業效率影響因素分析

3.1 影響因素指標選擇

物流產業升級的需求是多角度的。結合相關文獻可以看出，不同文獻衡量物流產業的影響因素選取的指標不同。結合皖江城市帶的實際情況以及數據的可獲得性，本文將從物流資源投入（物流業固定資產投資額、物流業從業人員數）、經濟發展水平、區位因素、產業結構及物流資源利用率等指標作為影響皖江城市帶物流業效率的因素，并進一步分析以下因素對物流產業效率的影響程度。

（1） 物流資源投入。通合理地規劃、整合區域內的物流資源，使區域內的物流資源得到充分的利用，從而提高物流資源的利用率可進一步提升物流業的效率。但是當物流資源被浪費和濫用時會在很大程度抑制物流效率的提高，本文選取物流業的固定資產投資額以及從業人員數作為區域內物流業的財力和人力資源投入。

（2） 經濟發展水平。經濟的發展是所有產業進步的基礎。經濟發展水平的提高能夠拉動物流需求，促進物流業規模的擴大，為物流業的發展創造良好的外部條件，對物流產業的升級具有重大意義。皖江城市帶的經濟發展水平可用其生產總值（GDP） 這一變量來表示。

（3） 區位因素。區位優勢反映了一個地區在經濟、區位等方面的優勢，在資源豐富的地區，更容易吸引物流業的集聚，并逐漸形成規模化的物流產業區，降低該地區物流產業的發展的成本，提高整個物流行業的發展速度和質量，區位商能夠衡量地區不同產業的集聚度，因此本文選取區位熵作為區位優勢這一變量的表示。

（4） 產業結構。物流業屬于服務行業，為不同種類企業的物流需求提供物流服務。第二產業與物流業聯系較為緊密，第二產業以加工制造業為主，能夠衍生出許多物流相關的附加產品，并且制造業對于物流業的拉動作用大于物流業對制造業的拉動作用，因此本文選擇第二產業生產總值占GDP 比重來表示產業結構這一變量。

3.2 模型的選擇與建立

Tobit 模型是美國經濟學家Tobin 提出的針對因變量受限的模型，本文用DEA 模型所測算出的物流效率值處于0~1 間，并且是不連續的，所以采用Tobit 模型對皖江城市帶的物流業效率影響因素進行分析，此外本文將皖江城市帶各市的物流業綜合技術效率作為因變量TE，將物流業固定資產投資額、物流業從業人員數、經濟發展水平、區位優勢、以及產業結構等指標作為自變量，構建皖江城市帶物流業效率影響因素的Tobit 模型。為了縮小數據間的絕對差異，本文對物流業固定資產投資額、物流業從業人員數以及經濟發展水平取對數處理。具體模型如下：

式中：TEit為因變量，表示第i個地區第t個時期的綜合技術效率值，lnY1指的是物流業固定資產投資額，lnY2指物流業從業人員數，lnY3指經濟發展水平，Y4指區位熵，Y5指產業結構，β0為常數項，βi（i=1,2,…,5 ）為待估計的回歸系數，為隨機擾動項。

3.3 實證結果及分析

本文采用Stata 對上述所建立的Tobit 模型進行回歸分析，所有數據均來源于《安徽統計年鑒》。此外，本文將綜合物流效率作為物流效率帶入回歸模型中。結果如表6 所示。

表6 皖江城市帶物流影響因素的Tobit 回歸分析

該模型整體似然比的P值為0.000，說明使用該模型進行分析是有效的，也能夠說明本文選取的自變量能夠較好的解釋因變量。但是不同的因素對皖江城市帶的物流業效率的影響是不同的，具體的分析如下：

（1） 物流業固定資產投資額和物流業從業員數與物流業效率呈負相關關系，導致這一現象產生的原因可能是皖江城市帶各市在擴大物流業投資規模的同時沒有考慮到物流業產出效益情況，從而導致了資源的浪費和物流業效率的下降。（2） 經濟發展水平和物流業效率呈顯著正相關，顯著水平位在0.000, 這意味著皖江經濟帶的經濟水平提升可以帶動物流業效率提升。（3） 區位因素（物流區位熵） 與物流業效率呈顯著的正相關關系，皖江城市帶作為承接產業轉移示范區具有承東啟西的天然地理優勢，交通網絡體系完善，對周邊地區具有有效的輻射帶動作用，能夠吸引物流產業的集聚，降低物流業發展成本，從而推動物流業效率的提高。（4） 產業結構和物流業效率之間存在顯著正相關關系，制造業作為物流業需求的主要來源，占社會物流的主體地位，在一定程度上能夠提高皖江城市帶區域的物流業效率。

4 建 議

根據回歸結果，本文提出以下相關建議：（1） 加快區域內的經濟發展，形成良好的經濟環境。 皖江城市帶一方面要發揮中部地區比較優勢、聚集發展要素、擴大產業規模、推動資源要素優化配置和區域經濟布局調整、提高經濟發展質量及競爭力；另一方面可以拓寬空間、科學有序地承接海內外產轉移、堅持“引進來”和“走出去”相結合、刺激區域內消費需求，提高經濟發展水平從而提高物流效率水平，促進物流業的發展。（2） 發揮區位優勢，進一步推動產業集聚，皖江城市帶作為承接產業轉移的示范區，應充分發揮其區位優勢，政府部門可以利用現有的區位條件扶持物流企業的發展，推動地區物流產業的轉型升級，進一步提高物流效率。（3） 加快產業結構的升級，優化產業布局。產業結構對于皖江城市帶地區的物流業發展起到了促進作用，產業結構越高，與之相對應，金融、信息等行業也比較完善，能夠為物流業的發展提供有利的條件，而物流業健康快速地發展可以促進產業結構轉型升級，從而促進皖江城市帶的經濟發展。物流業與第二產業制造業聯系緊密，能有效的貫穿制造業的流通過程, 皖江城市帶區域內的制造業基礎較雄厚。因此，在推動區域內物流業的發展進程中，合理規劃產業布局，積極引導區域內各市物流業與制造業的協調發展。