我國“一帶一路”倡議沿線區域物流業效率的測度研究

摘 要：文章采用DEA模型中的BCC方法和Malmquist指數法，分別基于靜態與動態視角對2012—2021年我國“一帶一路”倡議沿線區域的物流效率進行測度分析。研究發現，從靜態測度結果來看，我國“一帶一路”倡議沿線區域的技術效率總體呈現先上升后下降的趨勢，且始終未達到DEA有效狀態，說明各大省市之間的物流業發展不平衡。從動態結果來看，我國“一帶一路”倡議沿線區域全要素生產率整體呈現上升趨勢，且受益于技術進步的推動。最后，針對“一帶一路”倡議沿線區域物流業的發展狀況提出相應的對策和建議，以促進物流行業的區域協調發展。

關鍵詞：物流效率；DEA模型；“一帶一路”倡議

中圖分類號：F259.2 文獻標志碼：A DOI：10.13714/j.cnki.1002-3100.2024.06.002

Abstract： This paper adopts BCC method and Malmquist index method in DEA model to measure and analyze the regional logistics efficiency along the Belt and Road Initiative from 2012 to 2021 based on static and dynamic perspectives. The study found that the technical efficiency of the regions along the Belt and Road Initiative in China generally showed a trend of rising first and then declining from the static measurement results. It has never reached the effective state of DEA， indicating that the development of logistics industry among major provinces and cities is unbalanced. From the dynamic results， China's total factor productivity along the Belt and Road Initiative has shown an overall upward trend， and benefited from technological progress. Finally， corresponding countermeasures and suggestions are proposed for the development of the logistics industry in the regions along the Belt and Road Initiative to promote the coordinated development of the logistics industry in the regions.

Key words： logistics efficiency; DEA model; the Belt and Road Initiative

0" " 引" " 言

物流行業作為國民經濟的基礎性產業，對經濟發展和資源優化配置具有重要作用。2022年，我國物流業增加值為4.97萬億元，與2012年相比，增加約2.59萬億元，增長速度為52.11%。由此可見，物流業在近十年來發展迅速。2015年3月，我國政府發布了《推動共建絲綢之路經濟帶和21世紀海上絲綢之路的愿景與行動》，正式圈定了我國“一帶一路”倡議沿線的18個省份并將其劃分為五大區域。目前，有關“一帶一路”倡議沿線區域物流效率的研究較少，大多集中于全國或某一特定區域展開研究[1-3]。因此，本文以“一帶一路”倡議沿線區域為研究對象，對該區域2012—2021年的物流效率進行靜態與動態評價分析，最后根據分析結果對該區域物流業的發展提出合理建議。

1" " 研究方法與研究數據

1.1" " 研究方法

1.1.1" " DEA方法

數據包絡分析模型（DEA）由A.Charnes等學者（1978）提出，作為一種最常見的效率評價方法被廣泛應用于各個行業和領域，其通過構建多個投入和產出數據測算決策單元（DMU）的相對效率值。DEA有兩類基礎模型，分別為CCR模型和BCC模型，前者的規模報酬固定，而后者則基于規模報酬可變的假設。本文將選用投入導向的DEA-BCC模型對我國“一帶一路”倡議沿線區域的物流效率進行測度與評價。

1.1.2" " Malmquist指數

由于DEA方法無法處理面板數據且只能進行靜態效率評價，因此引入Malmquist指數來彌補以上不足，并基于動態視角對物流效率的變化趨勢進行更為詳細的分析。Malmquist生產率指數是由Malmquist（1953）提出，表達公式如公式（1）所示。

若Malmquist指數大于1，則說明從t到t+1時期全要素生產率提高，反之則說明不斷下降。

1.2" " 研究數據

首先梳理國內研究物流效率的代表性文獻，其次參考先前學者所選用的投入和產出指標，并遵循代表性、可取性及客觀性原則構建物流效率指標評價體系。在投入指標方面，本文選取三個投入變量，分別是與物流業（交通運輸、倉儲和郵政業）直接相關的從業人數、固定資產投資額和公路里程數；在產出指標方面，選取貨物周轉量和物流業增加值兩個產出變量以衡量物流業發展規模及最終成果（見表1）。

2" " 我國“一帶一路”倡議沿線區域物流效率靜態實證分析

2015年《推動共建絲綢之路經濟帶和21世紀海上絲綢之路的愿景與行動》中將“一帶一路”倡議沿線的18個省份劃分為五大區域，其中東北地區包括遼寧、吉林、黑龍江；西北地區包括內蒙古、陜西、甘肅、青海、寧夏、新疆；西南地區包括廣西、云南、西藏；東南地區包括上海、浙江、福建、廣東、海南；內陸地區包括重慶。首先通過DEA模型測度我國“一帶一路”沿線區域整體物流效率，其次對“一帶一路”倡議沿線區域涉及的各個省市的物流效率進行單獨分析。

2.1" " 總體物流效率分析

觀察表2可知，我國“一帶一路”倡議沿線區域18個省份整體物流綜合技術效率均值呈現先上升后下降的趨勢，始終處于 DEA非有效狀態。綜合技術效率在2014年達到最高點0.798，從2016年開始，技術效率值逐年下降，總體物流效率低下。由于綜合技術效率=純技術效率×規模效率，分解結果見圖1，可以發現，我國“一帶一路”倡議沿線區域技術效率無效是因為兩者的雙重抑制作用，而且純技術效率是制約整體物流效率提高的更深層原因。

2.2" " 分板塊物流效率分析

將“一帶一路”倡議沿線區域劃分為東北、西北、西南、東南、內陸五大板塊，從表3可知，五大板塊之間的物流業存在較為明顯的不平衡現象。東南板塊綜合技術效率最高，均值為0.921，在[0.9，1]區間內，說明該板塊物流效率處于弱有效狀態，只要稍微調整即可達到物流有效狀態，而內陸板塊即重慶市的綜合效率最低，技術效率均值僅為0.658，表明該板塊的物流效率明顯處于非有效狀態。橫向比較來看，2012—2021年東南區域的綜合技術效率變化較為平穩，在0.9上下波動；東北、西北、內陸地區的技術效率均呈現下降趨勢；西南地區的波動較為劇烈，呈現先上升而后下降的趨勢。

將綜合技術效率進行分解可以發現，東北、西北、內陸板塊的純技術效率是造成技術效率無效的最主要因素，而西南板塊則相反，規模效率低下占很大一部分原因。

2.3" " 分省市物流效率分析

2.3.1" " 綜合技術效率

表4展示了2012—2021年我國“一帶一路”倡議區域的物流效率，各省市物流業綜合技術效率差異較大。在所有省份中，上海綜合技術效率為1，DEA一直處于有效狀態。在剩余的17個省份中，浙江、福建、遼寧、內蒙古、廣東綜合技術效率均值位于0.9～1之間，處于DEA無效的邊緣，但這些省份只要對物流要素的投入稍加調整即可達到最優狀態。其中，浙江在2012—2019年這八年間一直處于DEA有效狀態，但后兩年出現了下降；內蒙古在前五年處于弱有效狀態，在后五年技術效率上升，達到有效狀態；廣東只有在第一年技術效率值為1。而其余省份的效率均值均低于0.9，尤其是黑龍江，與上海相比，兩省之間的效率差值達到0.561，說明該省若想要達到DEA有效狀態，面臨著很大的困難。

2.3.2" " 純技術效率

綜合技術效率可進一步分解為純技術效率（PTE）和規模效率（SE）。純技術效率用于衡量與物流相關的技術和管理水平對效率的影響。從表5可知，不同省份之間的純技術效率差異較為明顯。寧夏、西藏、上海、浙江、廣東的純技術效率一直為1，說明這些省份的技術水平已達到最優。因此寧夏、西藏、浙江和廣東的技術效率無效均是由規模效率＜1導致。福建、海南、遼寧、內蒙古的純技術效率呈現階段式的DEA有效，基本都在0.9以上，說明只需對當前的技術和管理水平進行小幅調整。其余省份的純技術效率均處于無效狀態，尤其是排名靠后的黑龍江、新疆、甘肅，其技術效率值遠遠低于有效水平，因此這三個省份需要提高管理水平，升級物流技術。

2.3.3" " 規模效率

規模效率是指在技術水平不變的情況下衡量生產規模的投入產出狀態。上海的規模效率值為1，達到DEA物流規模有效狀態，說明投入資源得到了充分利用。而其余17個省份中，福建、遼寧、浙江等13個省市的規模效率均值在[0.9，1]這個區間內，均屬于弱有效狀態，其中福建、遼寧、浙江、內蒙古、廣東部分年份的規模效率值達到了1，實現了階段式有效。而其余的寧夏、海南、西藏、青海的規模效率均值低于0.9。因此，以上省份需要重點對自身的物流規模進行優化調整。

通過對我國“一帶一路”倡議沿線區域物流技術效率的分析可以發現，上海綜合技術效率處于有效狀態得益于其純技術效率和規模效率均有效，即PTE=1，SE=1。而對于綜合技術效率無效的省份，一種是因為純技術效率PTE=1，而規模效率SE＜1，

比如寧夏、西藏、浙江和廣東；另一種是純技術效率PTE＜1和規模效率SE＜1共同作用，其中海南省是規模效率無效占主要原因，而其余省份則是純技術效率無效占主要原因。

3" " 我國“一帶一路”倡議沿線區域物流效率動態實證分析

3.1" " 分時期動態效率分析

從時間維度進行分析，2012—2021年十年間，我國“一帶一路”倡議沿線區域物流業全要素生產率整體呈現上升趨勢，該時間段內生產力水平提高，平均增長率為2.9%，這主要在于技術進步貢獻了4.1%，而技術效率下降了1.1%，其中純技術效率變動指數下降了0.4%，規模效率變動指數下降了0.7%。

具體分時間段來看，2012—2013、2018—2019年我國“一帶一路”倡議區域物流業全要素生產率呈現下降趨勢，分別下降了7.7%和1%，分別是受技術效率和技術進步共同制約以及技術效率制約。其余年份全要素生產率呈現不同程度的增長趨勢，其中2020—2021年增長幅度最高，增長了14.8%，主要是由于技術進步增長了19.4%；而2014—2015增長幅度最小，僅增長了0.7%。

3.2" " 分省市動態效率分析

從省份維度來看，我國“一帶一路”倡議沿線區域18個省份的物流全要素生產率總體呈現增長趨勢，平均增長率為2.9%，主要是受到了技術進步增長的推動作用。

具體分省市來看，吉林、內蒙古等14個省市的全要素生產率均大于1，說明技術變化和技術效率變化促進了這14個省份生產力水平提高。其中，吉林、內蒙古、廣西、云南、西藏、上海、福建、海南全要素生產率的增長是技術效率和技術進步共同增長作用的結果；陜西、青海、新疆、浙江、廣東、重慶的技術效率值小于1，由此可見全要素生產率的提高完全依賴于技術進步的增長。其余四個省份即遼寧、黑龍江、甘肅、寧夏的Malmquist指數小于1，其中只有遼寧是受技術效率和技術進步抑制作用的共同影響；而黑龍江、甘肅和寧夏技術進步的變動指標大于1，因此這三個省份完全是受技術效率變動下降的影響。

4" " 結論與建議

本文采用DEA模型中的BCC方法和Malmquist指數對我國“一帶一路”倡議沿線區域的物流效率展開實證分析。

首先，從靜態分析結果來看，我國“一帶一路”倡議沿線區域的綜合物流技術效率在2012—2021年總體呈現先上升后下降的趨勢，始終未達到DEA有效狀態。將“一帶一路”倡議沿線區域分為五大板塊，五大板塊之間的物流效率存在較為明顯的不均衡現象，東南區域與其他板塊之間物流效率差異明顯。單獨分省份來看，各省市物流技術效率之間的差距較大，上海一直處于DEA有效狀態，而排名最后的黑龍江效率值與其相差0.561。從技術效率的分解情況來看，各省市的規模效率總體大于純技術效率，由此可見后者才是導致絕大多數省市技術效率無效的最主要原因。因此，各個省份需要加強管理、提高技術水平，以實現物流效率的提高。

其次，從動態分析結果來看，第一，在時間維度上，2012—2021年十年間，我國“一帶一路”倡議沿線區域物流業全要素生產率整體呈現上升趨勢，且僅依賴于技術進步的推動作用。第二，在省市維度上，遼寧、黑龍江、甘肅、寧夏的Malmquist指數均小于1，主要是受到技術效率和技術進步一方或雙重抑制作用的影響，其余省份的全要素生產率均大于1。

針對以上研究結論，本文提出以下針對性的政策建議。

積極進行區域間的協同合作，打破物流業區域間的壁壘，縮小物流效率差異。根據以上分析結果，我國“一帶一路”倡議沿線區域各板塊間的物流業發展不均衡，東南＞西南＞東北＞西北＞內陸。因此物流業領先的東南地區應帶動其他區域，各地區之間應做到資源優勢互補，從而提高“一帶一路”倡議區域的整體物流效率。

培養物流專業人才，注重技術創新，提高管理水平，提升物流純技術效率。人力資源是促進物流業發展的基礎因素，人才對于物流的技術創新及物流業的轉型升級至關重要。第一，政府部門可以采取合理的激勵機制，引進高端人才到當地落戶，加強物流專業的人才儲備。第二，相關物流企業應建立科學的績效考核辦法，對內部人員的績效進行定期評估，對于績效合格的人員應給予適當的薪酬獎勵。第三，各類高校應注重對物流人才的培養，合理增加物流專業的招生比例，采用多種模式培養物流專業化人才。

抓住“一帶一路”倡議契機，落實配套政策，加大對外開放。“一帶一路”倡議為沿線區域帶來了重大發展契機，各省份應落實相關的政策措施，加強與沿線國家物流業相關的聯系與合作，加大投資力度，進一步提升物流效率。

參考文獻：

[1] 戴萬亮，董智瑋．基于DEA-Tobit的我國省域物流效率差異比較及影響因素分析[J]．物流科技，2018，41（3）：11-14.

[2] 秦雯．雙循環新格局下廣州綠色物流效率評價與提升路徑[J]．物流科技，2022，45（9）：40-42.

[3] 曹光求．福建省沿海港口物流效率研究——基于DEA-Tobit模型[J]．物流科技，2022，45（1）：84-87.

[4] 王琴梅，譚翠娥．對西安市物流效率及其影響因素的實證研究——基于DEA模型和Tobit回歸模型的分析[J]．軟科學，2013，27（5）：70-74.

[5] 劉秉鐮，余泳澤．我國物流業地區間效率差異及其影響因素實證研究——基于數據包絡分析模型及托賓模型的分析[J]．中國流通經濟，2010，24（9）：18-21.

[6] 于麗英，施明康，李婧．基于DEA-Malmquist指數模型的長江經濟帶物流效率及因素分解[J]．商業經濟與管理，2018（4）：16-25.

[7] 劉承良，管明明．低碳約束下中國物流業效率的空間演化及影響因素[J]．地理科學，2017，37（12）：1805-1814.

[8] 鐘祖昌．基于三階段DEA模型的中國物流產業技術效率研究[J]．財經研究，2010，36（9）：80-90.

[9] 孟魁．基于三階段DEA方法的中部六省物流效率評價[J]．統計與決策，2014（2）：57-60.