生鮮農產品冷鏈物流效率時空演化與因素分解研究

摘 要：生鮮農產品質量直接關系到國計民生。為提升生鮮農產品冷鏈物流效率，識別并解決其中的潛在問題，進而輔助政府做出更加精準的決策，文章構建了冷鏈物流效率綜合評價體系，該體系涵蓋資金、勞動、技術三大核心要素。本文采用超效率SBM與Malmquist指數模型，分析了全國30個省區市（不含港澳臺、西藏）的生鮮農產品冷鏈物流效率及時空變化。根據研究結果，本文將研究對象分為四類，并提出針對性的改進建議，旨在促進生鮮農產品冷鏈物流行業的持續優化升級。

關鍵詞：生鮮農產品；冷鏈物流效率；超效率SBM；Malmquist指數；時空分析

中圖分類號：F326.6;F323.7 文獻標識碼：A 文章編號：2096-0298（2025）02（b）--05

1 引言

隨著社會經濟的快速發展與消費者偏好的深刻變革，食品市場的關注點正悄然發生變化。現代消費者將關注重點轉移到食品的品質安全以及健康屬性方面。這一趨勢促使生鮮農產品成為消費者餐桌上的新寵。本文聚焦于冷鏈物流體系下生鮮農產品的流通效率問題，深入探討我國生鮮農產品冷鏈物流的發展現狀與潛力。

通過廣泛查閱國內外相關研究文獻發現，DEA（數據包絡分析）及其衍生模型在物流效率評估領域展現出卓越的應用價值[1]。國內外學者在這一領域的研究成果豐碩，為本文提供了豐富的參考與啟示。例如，Long等（2020）[2]利用Super-SBM模型和Malmquist指數，細致分析了11個省市的物流生態效率，揭示了區域間的差異與改進空間。Rashidi等（2019）[3]則通過DEA方法，對OECD成員國的物流配送績效進行了跨國比較，強調了可持續性在物流配送中的重要性。在國內，李麗與胡紫容（2019）[4]針對京津冀地區的農產品流通體系，采用DEA-Malmquist指數法進行了動態評估，并深入剖析了影響流通效率的關鍵因素。李勝和張思雨（2023）[5]則進一步拓展了研究范圍，利用包含非期望產出的SBM模型結合Malmquist指數，全面分析了我國北部地區農產品電商物流的效率變遷及其背后的驅動力。基于上述研究基礎，文章選取我國大陸地區30個省、自治區、直轄市作為研究樣本，運用超效率SBM模型與Malmquist指數法，對我國生鮮農產品冷鏈物流的效率進行全面、系統的測算與分析。

2 研究方法

2.1 超效率SBM模型

為了克服傳統的DEA模型會出現多個決策單元為1，從而失去了相互之間的區分度的情況，Anderson與Peterson（1993）[6]創新性地提出了超效率方法。隨后，Tone在這一基礎上，結合超效率方法與Slack-Based Measure（SBM）模型的優勢，開發了超效率SBM模型[7]。這一模型不僅繼承了SBM模型在處理非徑向和非比例松弛方面的優勢，還通過引入超效率概念，增強了在效率評價上的精度與深度。

本文以規模報酬固定條件下的超效率SBM模型為研究基礎展開進一步分析。首先，明確研究對象，決策單元的數量，設為n個。其次，界定投入與產出的關鍵指標，分別記投入指標數量為a，產出指標數量為s。在此框架下，使用數學符號表示投入與產出的具體要素，同時引入時間變量k以反映生產過程的動態性。對于特定的投入和產出決策單元，本文分別用和進行標識，并定義松弛變量和，以量化實際表現與最優狀態之間的差距。最后，權重向量的引入，為模型優化提供了必要的靈活性。具體模型構建方法如公式（1）所示，該公式綜合考慮了上述所有因素，旨在精準評估各DMU在給定條件下的超效率水平。

式（1）中，當a≥1時，代表決策單元相對有效；alt;1時，代表決策單元相對無效，即存在效率損失，可以通過優化投入量與產出量來改善物流效率。

2.2 Malmquist指數模型

Malmquist指數是一種能夠將影響效率變化的各個因素進行分解并判斷各個影響因素之間是否存在聯系的方法。針對我國生鮮農產品冷鏈物流效率評價問題，本文引入時期概念，則時期t到時期t+1第r個決策單元的Malmquist指數如公式（2）所示：

其中（t=1，2，…，T）表示時期，（j=1，2，…，m）表示決策單元，xiij（i=1，2，3，4）為時期t第j個決策單元的第i項投入，yrj（i=1，2，3，4）為時期t第j個決策單元的第r項產出。Dt+1（xtr，ytr）和Dt（xrt+1，yrt+1）分別表示t時刻決策單元在t+1時期前沿面下獲得的效率和t+1時期DMU在t時期前沿面下獲得的效率。當M指數＞1時，說明t+1年的物流總效率比t年高；當M指數=1時，說明t+1年的物流總效率和t年相同；當M指數＜1時，說明t+1年的物流總效率比t年低[8]。

將Malmquist指數模型中的全要素生產率指數（Tfpch）分解可以得到技術效率指數（Effch，見式（3））與技術進步指數（Tech，見式（4）），將技術效率指數（Effch）進一步分解可以得到純技術效率指數（Pech）與規模效率指數（Sech），TFP分解結果如公式（5）所示：

技術效率指數：

技術進步指數：

Tfpch與其分解指數之間的關系式：

其中Techch衡量決策單元在t到t+1期之間技術水平的變化程度，大于1時表明技術水平和創新程度都有所提高；Effch衡量決策單元在t到t+1期間的組織管理水平變化程度，其大于1表明組織管理水平有所提高。進一步分解Effch可以得到Pech和Sech，Pech大于1表明存在純效率的進步，Sech大于1表明隨著規模的增加，決策單元的效率也會提高，即存在規模經濟。

3 生鮮農產品冷鏈物流指標體系

3.1 評價指標體系構建

鑒于當前統計體系在物流產業細分領域的數據收集方面尚存不足，眾多學者傾向于采用交通運輸、倉儲及郵政業的總體經濟產出作為物流產業活動的代理變量，本文同樣遵循了這一被廣泛采納的研究路徑[9]，對所選指標進行了相應處理，以確保研究的可行性與準確性。具體見表1所示。

3.2 數據來源說明

本文研究數據均來自《2013—2022年中國統計年鑒》以及各省區市統計年鑒、社會發展公報以及《2013—2022中國冷鏈物流發展報告》，研究范圍覆蓋了全國范圍內的各個省級行政區域，鑒于數據的可獲取性，本文未將香港特別行政區、澳門特別行政區、臺灣地區及西藏自治區納入分析范疇。對于缺失的數據，采取線性插值法進行數據的補全[9]。

4 生鮮農產品冷鏈物流效率實證研究

文章借助Matlab R2022b軟件系統評估2013—2022年我國生鮮農產品冷鏈物流領域的效率表現。依據地理位置與經濟發展特征，將全國劃分為四大區域板塊：東部區域、東北地區、中部地區以及西部地區。表2詳細列出了基于上述劃分區域的具體測算結果。

4.1 生鮮農產品冷鏈物流效率現狀分析

由表2可知，我國生鮮農產品冷鏈物流效率領域存在的發展不均衡與顯著的多層次分化現象。

具體而言，上海市、云南省及河北省在生鮮農產品冷鏈物流效率方面脫穎而出，其效率值分別高達1.394、1.342和1.292，顯著超過全國平均水平，表明這些省份在冷鏈物流體系建設和運營管理上的卓越成效[10]。

另外，黑龍江省、青海省及北京市則位于效率排名的末端，尤其是北京市，其效率值低至0.142，遠低于有效狀態的標準，凸顯了這些地區在提升冷鏈物流效率方面所面臨的嚴峻挑戰。

從區域分布的角度來看，生鮮農產品冷鏈物流效率呈現出鮮明的地域特征，整體呈現出“東強西弱”的分布格局，既反映了各地區經濟發展水平和產業結構差異對冷鏈物流效率的影響，也表明在推動冷鏈物流全面發展時，需因地制宜，采取差異化的策略措施[11]。

4.2 生鮮農產品冷鏈物流效率時空演化分析

為了直觀展現我國各省份在生鮮農產品冷鏈物流效率方面的動態變化與地域差異，本文基于測算結果，運用Arcgis 10.8軟件繪制了2013年與2022年的全國生鮮農產品冷鏈物流效率時空對比圖。

通過對比我們可以清晰地觀察到，在過去10年間，遼寧、江西、浙江、廣西、海南及寧夏等省份在生鮮農產品冷鏈物流效率方面取得了顯著進步，實現了效率值跨越不同區間的增長。這一成就不僅體現了這些省份在冷鏈物流基礎設施建設、技術創新及運營管理等方面的積極努力與成效，還為全國其他省份提供了寶貴的經驗借鑒與啟示。

內蒙古、江蘇、湖北、湖南、貴州、甘肅地區的效率值跨效率區間減少，其他省份在2013年和2022年生鮮農產品冷鏈物流效率值處于比較平穩的狀態，波動幅度較小。截至2022年，只有11個省份處于生鮮農產品冷鏈物流效率有效狀態，各省之間差異較大。

4.3 生鮮農產品冷鏈物流效率動態分析

為進一步分析全國生鮮農產品冷鏈物流效率在2013—2022年的變動情況，本文繪制出生鮮農產品冷鏈物流全要素生產率Malmquist指數及其分解指數變化趨勢，如圖1所示。

圖1 生鮮農產品冷鏈物流全要素生產率Malmquist指數及其分解指數變化趨勢

從時間演進的角度看，圖1直觀展示了2013—2022年全國各省份生鮮農產品冷鏈物流全要素生產率的動態波動情況。這一時期內，該指數呈現明顯的起伏變化，特別在2015—2016年及2019—2020年兩個階段，指數值跌落至1以下，揭示了全國范圍內生鮮農產品冷鏈物流效率的增長放緩態勢。相反，在其他年份，指數值均高于1，表明整體生產效率維持在較高水平。值得一提的是，2020—2021年，全要素生產率指數攀升至整個研究期的峰值1.145，凸顯了該時期全國多數地區生鮮農產品冷鏈物流效率的顯著提升[12]。

進一步細分分析，純技術效率在2014—2019年持續保持在1以上，這一積極表現說明全國生鮮農產品冷鏈物流業在此期間實現了技術層面的有效進步，推動了效率的提升。然而，規模效率的表現則相對復雜，2016—2017年及2021—2022年指數值均低于1，揭示了產業規模配置在這些時段內存在不合理之處，有待進一步優化調整。至于技術進步指數，在2014—2016年及2018—2019年兩個區間內未能突破1的門檻，這一現象表明，盡管整體發展趨勢向好，但我國生鮮農產品冷鏈物流業在技術創新和進步方面仍面臨挑戰，需加大研發投入，促進技術升級。

本文將2013—2022年各省份生鮮農產品冷鏈物流全要素生產率Malmquist指數進行分解，結果如表3所示。

表3 各省生鮮農產品冷鏈物流全要素生產率Malmquist指數及其分解結果均值

地區 EC（t-1， t）" " TC（t-1， t） MI（t-1， t）

SEC（t-1， t） SEC（t-1， t）

北京 1.894 1.090 1.139 1.041

天津 1.005 0.919 1.099 0.990

河北 0.985 1.001 1.012 0.995

上海 0.969 1.002 0.984 0.953

江蘇 0.959 0.984 1.082 1.006

浙江 1.012 0.999 1.008 1.017

福建 1.050 1.002 1.025 1.072

山東 1.012 0.995 1.023 1.030

廣東 1.153 0.914 1.098 1.080

海南 1.086 1.048 0.992 1.164

東部地區 1.112 0.995 1.046 1.035

遼寧 1.144 1.001 1.012 1.154

吉林 0.974 1.092 1.112 0.997

黑龍江 0.907 1.024 1.115 1.003

東北地區 1.008 1.039 1.080 1.051

山西 0.998 1.031 1.012 1.033

安徽 1.055 1.001 0.938 0.920

江西 1.119 1.071 0.953 1.064

河南 0.980 1.010 1.018 1.004

湖北 0.984 0.994 1.041 1.013

湖南 1.315 0.997 1.024 1.164

中部地區 1.075 1.017 0.998 1.033

內蒙古 0.965 1.014 1.002 0.902

廣西 1.010 1.061 1.013 1.086

重慶 0.953 1.016 1.068 1.013

四川 1.002 0.942 1.094 0.998

貴州 0.899 1.123 1.042 1.036

云南 0.993 1.006 1.001 1.004

陜西 1.350 1.008 1.057 1.403

甘肅 0.955 1.096 1.070 1.040

青海 1.106 0.957 1.141 1.128

寧夏 0.989 1.188 0.982 1.141

新疆 1.030 0.997 1.106 1.060

西部地區 1.023 1.037 1.052 1.074

全國均值 1.062 1.020 1.042 1.050

分區域來看，根據表3的數據，東部地區中，除天津、河北、上海三地的全要素生產率（TFP）未達理想水平（小于1）外，其他東部地區省份的TFP均超越基準值，占比高達70%。深入剖析TFP未達標的三省市，天津市的癥結在于規模效率偏低（0.919），揭示其產業規模配置尚待優化。河北省則面臨純技術效率不足（0.985）的挑戰，反映出該省在生鮮農產品冷鏈物流管理和技術應用上的短板。

在東北地區，吉林省成為唯一TFP未達1的省份，與黑龍江、遼寧形成鮮明對比。吉林省與黑龍江省的純技術效率分別為0.974和0.907，而規模效率則分別為1.092和1.024，這一對比表明，盡管這兩個省份的規模效率尚可，但技術利用效率和創新能力仍有待加強，以推動生鮮農產品冷鏈物流效率的整體提升。

中部地區表現相對強勁，八成以上（83.3%）的省份TFP超越了1。然而，安徽省是個例外，其TFP未達標主要歸因于技術進步指數的下滑（0.938），這凸顯了該地區在冷鏈物流技術創新方面的滯后。

西部地區同樣展現出積極態勢，除內蒙古自治區和四川省外，其他省份TFP均超過1，占比81.8%。對內蒙古自治區進行深入剖析，其純技術效率（0.965）和規模效率（1.014）均未達最優，尤其是純技術效率的不足，限制了整體TFP的提升。至于四川省，盡管純技術效率略高于基準（1.002），但規模效率的不合理（0.942）成為制約其TFP增長的關鍵因素[13]。

4.4 生鮮農產品冷鏈物流效率綜合分析

綜上，本文采用Oringin2021軟件繪制矩陣散點圖，將全國30個省份分為4類，如圖2所示。

圖2 生鮮農產品冷鏈物流效率—全要素生產率ML指數矩陣散點圖

分類解析顯示，Ⅰ類省份屬于平穩型，上海、云南、河北等8省呈現出平穩態勢，其生鮮農產品冷鏈物流效率超越均值，但全要素生產率Malmquist指數卻低于平均水平。這一特征表明，盡管這些省份在冷鏈物流效率上保持較高水平，但其增長動力相對不足，呈現出緩慢增長的態勢。Ⅱ類省份屬于上升型，海南、遼寧兩個省份展現出強勁的增長勢頭，冷鏈物流效率高于均值，全要素生產率Malmquist指數同樣領先。這一類別下的省份，在生鮮農產品冷鏈物流領域實現了高效與快速發展的雙重目標。Ⅲ類省份屬于萎靡型，涵蓋了內蒙古、江西、寧夏等17個地區，此類省份的冷鏈物流效率和全要素生產率Malmquist指數均未能達到平均水平，顯示出在提升冷鏈物流質量和加速發展進程上均存在顯著障礙。Ⅳ類省份屬于爆發型，其中湖南、陜西以其獨特的發展軌跡引人注目。盡管它們在生鮮農產品冷鏈物流效率上尚未達到全國平均水平，但全要素生產率Malmquist指數卻顯著高于均值。這一現象表明，盡管受限于地理位置、自然條件或資源配置等因素，導致整體物流效率不高，但這些省份在冷鏈物流領域的發展速度不容小覷，具備巨大的發展潛力。

5 結論與政策建議

5.1 結論

本文借助超效率SBM模型與Malmquist指數模型，對我國生鮮農產品冷鏈物流效率進行了深入剖析，并輔以矩陣散點圖進行動態與靜態相結合的綜合評估，得出以下結論：

（1）通過超效率SBM模型分析，研究揭示出我國生鮮農產品冷鏈物流效率整體處于較低水平，且存在顯著的區域發展不均衡現象。具體而言，呈現出“東高西低”的梯度分布格局。

（2）Malmquist指數分析進一步指出，技術效率的提升與技術的進步共同推動了生鮮農產品冷鏈物流全要素生產率的增長，其中，技術進步成為提升整體效率的關鍵因素。

（3）基于矩陣散點圖的直觀展示，本文將各省份劃分為四大類型：平穩型（如上海、云南等）、上升型（如海南、遼寧）、萎靡型（如內蒙古、江西等）及爆發型（如湖南、陜西）。

5.2 政策建議

（1）構建跨區域物流協同體系。為打破地方壁壘和市場分割，建議政府主導構建跨區域的物流協同體系，促進區域間生鮮農產品冷鏈物流的資源共享與優勢互補。通過發揮高效地區的輻射帶動作用，推動周邊及落后地區的冷鏈物流協同發展。

（2）優化產業規模與資源配置。針對生鮮農產品冷鏈物流業存在的規模不合理問題，政府應引導產業資源的合理配置，避免過度集聚帶來的擁擠效應和低門檻效應。促進產業集聚與產業鏈完善，降低企業生產成本，提高整體生產效率。

（3）強化技術創新與成果轉化。技術創新是推動生鮮農產品冷鏈物流發展的關鍵。政府應鼓勵農民與農業科研院所的合作，加強技術培訓與指導。同時，推動農產品冷鏈物流企業與政府的深度合作，加快農業科技成果的轉化與應用。

參考文獻

肖堯.智能時代內蒙古物流效率提升路徑研究[D].呼和浩特： 內蒙古財經大學，2021.

R Long，Ouyang H ， Guo H. Super-slack-based measuring data envelopment analysison the spatial-temporal patterns of logistics ecological efficiency using global MalmquistIndex model[J]. Environmental Technology amp; Innovation， 2020，18 ： 100770.

Rashidi K， Cullinane K.Evaluating the sustainability of national logistics performanceusing Data Envelopment Analysis[J]. Transport Policy， 2019，74 ：35-46.

李麗，胡紫容.京津冀農產品流通體系效率評價及影響因素研究[J].北京工商大學學報（社會科學版），2019，34（3）：41-50.

李勝，張思雨，于世強，等.低碳經濟視角下我國北部區域農產品電商物流效率測度： 基于SBM-ML模型[J].南方農機，2023，54 （6）：39-42+53.

Andersen P， Petersen N C A. Procedure for Ranking Efficient Units in Data Envelopment Analysis[J]. Management Science， 1993，39（10）：1261-1264.

TONE K. A Slacks -Based Measure of Efficiency in Data Envelopment Analysis[J]. European Journal of Operational Re-search， 2001，130（3）：498-509.

趙晨曦.生鮮農產品冷鏈物流產業效率評價及空間演化研究[D].桂林： 廣西民族大學，2022.

張景豪.湖南省生鮮農產品冷鏈物流效率評價研究[D].長沙： 湖南工業大學，2020.

陳姝含.基于超效率DEA-Malmquist-Tobit模型的省域物流效率評價及影響因素分析[D].鄭州： 鄭州大學，2022.

毛躍宇.黃河流域九省區物流效率及其影響因素分析[D].鄭州： 鄭州大學，2022.DOI：10.27466/d.cnki.gzzdu.2022.000705.

張艷榮.中國物流效率的時空格局及影響因素分析[D].大同： 山西大學，2023.DOI：10.27284/d.cnki.gsxiu.2023.000740.

任宇飛，方創琳，藺雪芹.中國東部沿海地區四大城市群生態效率評價[J].地理學報，2017，72（11）：129-145.