長江經濟帶物流效率評價及影響因素分析

張 可,王向前

(安徽理工大學 經濟與管理學院,安徽 淮南 232001)

物流行業作為支撐國民經濟發展的基礎性產業,在社會發展過程中發揮著舉足輕重的作用,其發展水平的高低已經成為衡量一個國家或區域經濟實力的重要指標之一。國家發改委在《關于推動物流高質量發展促進形成強大國內市場的意見》中表示,物流高質量發展是推動經濟高質量發展不可或缺的重要力量[1]。2021年3月,我國“十四五”規劃和2035年遠景目標綱要再次強調“完善國家物流樞紐,深化流通體制改革”[2]。在此背景下,我國物流行業快速發展,據國家郵政局發布的《2023年6月中國快遞發展指數報告》顯示,僅今年上半年,我國快遞業務量就超過了600億件,且快遞發展指數同比提升26.6%,行業規模穩步增長,產業協同發展能力進一步增強。由于物流行業對經濟發展具有重要的推動作用,能反映物流業發展水平的物流效率已成為國內外學者關注的熱點問題。

目前,學術界從不同視角對物流效率及其相關影響因素展開了一系列的研究。梅國平,龔雅玲等(2019)運用三階段DEA模型對華東地區的物流產業效率進行測度與分析,研究發現純技術效率的差異會使得各省份物流效率呈顯著的空間異質性[3];張云寧,劉子琦等(2020)運用DEA模型、Tobit模型和Malmquist指數模型,以長江大保護區域19個省市為研究對象,對區域物流效率及其影響因素進行探究,發現長江大保護區域下游物流效率高,上游物流效率低,技術進步指數是影響物流效率變化的核心因素[4];龔瑞風,薛儉等(2022)采用三階段DEA模型對我國31個省市的物流效率進行測算與比較,發現我國區域物流效率呈波動上升態勢,區域之間的物流效率差異較大,呈“東高西低”的局面[5];劉雪和苗成林(2023)運用DEA-BCC方法與Malmquist指數對黃河流域物流效率進行測算,發現下游的物流產業效率最高,中游次之,上游最低[6];張哲和張振宇(2023)通過建立VAR模型衡量信息化發展對我國物流效率的影響,結果表明信息化發展水平與物流效率之間呈正相關關系,且信息化水平對物流效率的調節具有一定的時滯性[7]。

綜上可知,已有很多學者對物流效率進行測度并探究其影響因素,但仍然存在進一步研究的空間:一是對一體化發展的局部區域物流效率測度的研究較少,多數研究范圍為全國或各省市。二是研究方法主要使用DEA模型從靜態角度分析,缺少了對截面數據的縱向比較,使得研究結論缺乏全面性。長江經濟帶作為我國戰略發展的重要區域,研究其物流效率具有重要的理論意義,故本文首先采用DEA模型對該區域11個省市的物流效率進行靜態分析,其次引入Malmquist指數模型對物流效率進行動態分析,最后運用Tobit模型探究影響長江經濟帶物流產業效率的因素,為推動長江經濟帶物流產業效率的提升和高質量發展提供理論參考。

一、研究設計

1.研究方法

(1)DEA模型

根據物流效率研究的實際情況,考慮到規模效率不變假設很難實現,本文采用以投入為導向的BCC模型對長江經濟帶地區的靜態物流效率進行測算,公式如式(1)所示。

(1)

式(1)中,n為省份,θ為物流效率,xj和yj分別為投入和產出;s+為產出剩余,s-分為投入不足。當θ不為1時,說明物流效率未達到DEA有效。

(2)Malmquist指數法

由于DEA-BCC模型僅能測算出靜態效率值,為探究物流效率的動態演變情況,加入Malmquist指數模型,可分解為技術進步變化指數(TC)與技術效率變化指數(EC),公式如式(2)所示。

(2)

若規模報酬發生變化,則技術效率變動(EC)可繼續分解為純技術效率變動(PTE)和規模效率變動(SEC),調整后公式如式(3)所示。

式(3)中,

(3)Tobit回歸模型

由于效率值范圍為0到1,故普通最小二乘回歸法不適用于本文,為減少誤差,將采用Tobit回歸模型分析影響長江經濟帶地區物流效率的因素,模型如式(4)所示。

(4)

式(4)中,yit表示第i個省市t時期的物流效率值,xit表示解釋變量;σit表示誤差項,εit表示隨機干擾項。

2.指標構建和數據來源

(1)指標體系構建

①投入產出指標

本文參考龔雪的做法[8],從資本投入、人力投入、基礎設施投入、信息技術投入以及政策支持度五個方面考慮投入指標,從經濟產出和規模產出兩個方面考慮產出指標,以此構建物流效率評價指標體系,使得評價結果更具科學性和全面性,具體內容如表1所示。

表1 長江經濟帶物流業投入產出指標體系

②影響因素指標

物流業的發展受很多因素影響,基于相關理論和長江經濟帶地區物流業的發展現狀,本文選取經濟發展、政府支持、產業結構以及信息化水平四個因素作為解釋變量,以長江經濟帶地區物流效率作為被解釋變量,運用Tobit回歸模型探究影響區域物流效率的因素,變量描述如表2所示。

表2 影響因素變量描述

(2)數據來源

參考眾多學者的做法[9-12],本文中物流業的相關數據由交通運輸業、倉儲業和郵政業的數據代替,且考慮到數據統計與發布的時滯性以及可獲得性等問題,最終選取長江經濟帶11個省市2013—2021年的相關數據進行區域物流效率測度與分析,數據來源于國家統計局和長江經濟帶各省市統計局。

二、實證分析

1.長江經濟帶物流效率的靜態分析

運用DEAP2.1軟件對2013—2021年長江經濟帶11個省市物流業的純技術效率、規模效率和綜合技術效率分別進行測算,結果如表3-表5所示。

（5）如果滿足PoW要求，則向全網廣播新區快。若其他礦工接受本區塊，就會在該區塊末尾繼續進行挖礦工作以延長區塊鏈。若不符合PoW要求，則重復第（2）—（5）步，直到符合要求或者接收到其他礦工發布的新區塊。

表3 2013—2021年長江經濟帶各省市物流純技術效率測算結果

表4 2013—2021年長江經濟帶各省市物流規模效率測算結果

表5 2013—2021年長江經濟帶各省市物流綜合技術效率測算結果

從純技術效率方面看,2013—2021年有效的省市有上海、江蘇、浙江、安徽、江西和貴州,說明這6個地區對投入要素的利用達到了最大程度;重慶于2013年實現了純技術效率最優化,雖然隨后呈降低的趨勢,但是整體一直保持著較高的水平;四川的純技術效率值最低,說明該省物流技術水平較為落后,物流管理方面存在不足,物流資源未達到合理配置,投入未得到好的產出;湖北除2020年,純技術效率值均為1;云南在2018—2021年純技術效率達到有效,湖南在2014—2017年以及2021年達到有效。

從規模效率方面看,2013—2021年只有上海、江蘇和安徽3個地區實現了物流業規模有效,投入與產出達到最優狀態,且湖北>浙江>江西>湖南>云南>四川>貴州>重慶,說明長江經濟帶大部分地區物流業規模有待提高,資源投入方面有待調整。

從綜合技術效率方面看,長江經濟帶地區2013—2021年物流綜合效率均值為0.863,其中,2018年達到峰值,為0.884,2014年出現最低值,僅為0.803,九年內物流綜合效率均值呈震蕩波動態勢。分流域來看,下游>中游>上游,說明長江經濟帶下游地區物流能力最強,處于地區領先地位,物流資源得到充分利用。究其原因,我國政府高度重視長三角地區的發展,制定了一系列發展規劃,使得長三角成為綜合實力最強的經濟中心,引領其他地區物流業朝著更高效的方向發展。相比而言,上游地區地理條件處于弱勢,交通運輸行業發展較為困難,所以整體上物流綜合效率相對滯后。分地區來看,上海、江蘇和安徽年均物流綜合效率值都為1,表明這三個地區在2013—2021年期間一直處于物流業發展前沿面上;湖北、浙江、江西緊隨其后,綜合效率值分別為0.997、0.98和0.934,十分接近物流業有效前沿面;湖南省物流效率接近長江經濟帶平均水準,而重慶、四川、貴州和云南拉低了該地區物流效率的整體水平。

綜合以上分析可知,長江經濟帶不同地區物流綜合技術效率差異較大,且可以歸為三類。第一類為“雙高型”,該類地區的特征是純技術效率值與規模效率值均大于0.9,長江經濟帶內共有7個省市歸為此類,其中有3個省市實現了DEA有效,分別為上海、江蘇和安徽;第二類為“單高型”,該類地區的特征是純技術效率值或規模效率值中有一項大于0.9,由表3-表4可知重慶、貴州和云南符合條件,且均為純技術效率值大于0.9,該類地區適當調整物流規模,合理配置物流資源,便可促進規模效率提高;第三類為“雙低型”,該類地區的特征是純技術效率值與規模效率值均小于0.9,僅四川屬于此類,表明該省在未來發展過程中既需要注重提高物流技術水平和物流管理水平,還要注重優化物流產業規模。

2.長江經濟帶物流效率的動態分析

如果僅從靜態角度對長江經濟帶物流業的發展進行評價,其結果將有失偏頗,故本文結合Malmquist指數模型從動態角度進一步分析,結果如表6-表7所示。

表6 2013—2021年長江經濟帶物流業Malmquist指數變動與分解

表7 2013—2021年長江經濟帶各省市物流業Malmquist指數變動與分解

由表6可知,2013—2021年長江經濟帶地區全要素生產率的平均增長率為1.71%,物流產業效率呈上升態勢。通過進一步觀察可知,物流效率的提升得益于兩個方面:一是綜合技術效率提升了1.17%,二是技術進步效率提升0.97%,表明綜合技術效率的提升是拉動長江經濟帶物流效率增長的主要方面。其中,綜合技術效率的提升既得益于純技術效率的提升,也得益于規模效率的提升,二者貢獻率分別為0.21%和0.99%,由此可知,規模效率的提高為綜合技術效率的提升作出了主要貢獻。

從流域層面看,2013—2021年上游地區的全要素生產率增長了0.54%,其中,綜合技術效率增長了2.27%,技術進步效率下降了0.82%;中游地區的全要素生產率增長了0.28%,其中,綜合技術效率增長了0.91%,技術進步效率下降了0.33%,說明上游和中游地區均是因技術進步的下降導致了全要素生產率的降低,表明現有的科技水平已經滯后于上游和中游物流產業的發展速度。下游地區的全要素生產率增長了3.97%,綜合技術效率和技術進步效率都有所提升,這表明了該流域的物流管理水平較高,技術創新能力優良。

從地區層面看,重慶、貴州、湖北和安徽四個省市的年平均全要素生產率小于1,意味著僅這四個省市的物流效率呈下降趨勢,長江經濟帶內其他省市的物流效率均呈上升趨勢。從分解結果可以看出,重慶存在物流技術水平落后以及資源利用率不足等問題,這表明該市需要在提高物流技術水平的同時,合理配置投入物流業的資源;貴州、湖北和安徽全要素生產率下降的原因均是物流技術落后,所以這三個地區需要努力提高物流技術水平,先進的物流技術可以推動物流產業效率提升。

3.長江經濟帶物流效率的影響因素分析

以長江經濟帶物流效率作為被解釋變量,影響因素作為解釋變量,對上文所述的Tobit模型進行回歸分析,結果如表8所示。

表8 Tobit模型回歸結果

由表8可知,長江經濟帶地區的經濟發展水平與物流綜合效率呈正相關,且在1%水平上顯著,回歸系數約為0.207,說明地區經濟發展水平的提高會促進物流綜合效率的提升。經濟的快速發展會帶動商品貨物的流通,增加對物流業的需求與投入,促進物流效率的提高;長江經濟帶地區政府支持對物流產業效率具有顯著負向作用,且同樣在1%水平上顯著,究其原因,政府加大對物流業固定資產的投入雖在一定程度上會使得物流效率有所提高,但當資金投入過量時可能會導致資源浪費與產業規模遞減現象的發生,從而使物流效率降低;長江經濟帶地區的產業結構與物流效率呈顯著正相關關系,回歸系數約為0.625,表明地區產業結構的調整與優化對物流效率的提升具有促進作用;信息化水平在置信度為1%下對長江經濟帶物流業效率有顯著影響,且系數值約為-0.288,可能由于地區物流信息化的發展滯后,物流行業無法作出適應信息化要求的變革,信息技術未能在物流企業被廣泛應用,導致物流企業作業效率低下。

三、結論與建議

本文運用DEA模型、Malmquist指數模型以及Tobit模型分析了我國長江經濟帶2013—2021年物流產業效率及其影響因素,研究結果如下:(1)由DEA-BCC模型的靜態分析可知,2013—2021年長江經濟帶物流綜合效率均值為0.863,有較大的效率提升空間。從流域看,物流綜合效率呈“上、中、下游”逐步升高的“階梯狀”分布;從地區看,不同省市間物流效率差異明顯,上海和江蘇一直位居前列,而四川和重慶常處于末位。(2)由Malmquist指數模型的動態分析可知,長江經濟帶2013—2021年物流業全要素生產率的年均增長率為1.71%,且綜合技術效率的提升是拉動長江經濟帶物流效率增長的主要動力。上、中、下游的Malmquist指數均呈遞增態勢,且僅重慶、貴州、湖北和安徽四個地區的年平均全要素生產率小于1。(3)由Tobit模型的回歸結果可知,長江經濟帶地區的物流效率與經濟發展水平、產業結構呈正相關關系,與政府支持、信息化水平呈負相關關系。

根據研究結果,提出以下建議。

第一,增強區域間溝通合作,實現物流資源共享。從DEA模型分析的結果來看,長江經濟帶地區不同省市之間的物流綜合效率差異顯著,長三角物流業較為發達,可將其打造成物流增長極,實現該區域物流要素的向外流動,加強長江經濟帶不同省市之間的交流與合作,促進各省市物流業協同發展。

第二,提高經濟發展水平,注重物流技術創新。物流業的發展離不開經濟的發展,經濟高質量發展會引領物流行業走向新的發展高度,由Malmquist指數模型動態分析可知,技術進步是影響物流效率的關鍵因素,故長江經濟帶地區應提高物流信息化水平,加快物流技術的開發及推廣,鼓勵物流企業引進新技術,降低物流成本,提高物流效率。

第三,調整政府支持力度,改善物流管理體制。長江經濟帶物流業的發展需要政府的支持,但由Tobit模型回歸結果可知,政府過多干預會造成物流效率降低,因此,政府部門應當在符合市場規律的前提下,對物流業財政支出進行科學規劃,完善行業的管理體系,提高資源配置效率。