動態視角下中部地區物流效率與提升路徑研究

摘" 要：文章基于靜態DEA理論基礎，結合Malmquist指數方法，對中部地區六個省份的面板數據進行測算，得到六個省份效率的動態發展趨勢。基于Tobit回歸模型，文章進一步研究了環境因素對物流效率值的影響，以探討中部六省的物流業發展水平和制約效率提升的關鍵因素。研究結果表明：Malmquist指數分析方法彌補了靜態DEA的研究不足，動態視角下省份的技術進步值下降，并導致全要素生產率水平降低。此外，河南省的綜合效率值偏低，中部地區發展不均衡，顯著制約物流發展的因素是地區發展水平。

" 關鍵詞：物流業效率；DEA-Malmquist-Tobit分析；中部地區

" 中圖分類號：F252" " 文獻標志碼：A

DOI：10.13714/j.cnki.1002-3100.2025.05.011

Abstract： Based on the static DEA theory and combined with the Malmquist index method， this paper calculates the panel data of six provinces in the central region， and obtains the dynamic development trend of the efficiency of the six provinces. This paper further uses the Tobit model to study the impact of environmental factors on the value of logistics efficiency， so as to explore the level of development of the logistics industry in the six central provinces， as well as the key factors constraining the improvement of efficiency. The results of the study show that the Malmquist index analysis method makes up for the lack of DEA research， and the techch of the provinces under the dynamic perspective declines and leads to a lower level of tfpch. The comprehensive efficiency value of Henan Province is low， which means that the development of the central region is uneven， and the factor that significantly restricts the development of logistics is the level of regional development.

Key words： logistics industry efficiency; DEA-Malmquist-Tobit analysis; central region

0" 引" 言

2014年國務院印發的《物流業發展中長期規劃（2014—2020年）》中表明要重點推進區域物流協調發展，保障物流業高質量發展。中部地區處于承北接南的關鍵區域位置，具有重要的經濟地位，研究中部地區的物流業效率對于推進區域物流協調發展具有重要意義。此外，分析影響物流業效率的環境因素對提高物流效率至關重要。當前領域的研究主要聚焦在物流效率評價和影響因素分析兩個核心主題。一方面，褚衍昌、周雨倩等研究者們通過采用不同的評估方法，如DEA-GRA雙層模型[1]、超效率DEA和Malmquist指數等[2-4]，深入研究了區域省份[5]、城市群、企業和港口[6-8]等的物流業效率。另一方面，從影響因素的角度出發，Zhu J et al.分析了其他產業與物流業的聯動效率[9]，王琴梅等[2]研究了物流業高質量發展對全要素生產率的影響，龔雪、Deng et al.分析了碳排放總量與效率的測算方法和區域物流效益差異的原因[10-13]等方面。研究者們通過不同的方法和角度，深入挖掘了物流效率的影響因素、時空特征等方面，為制定物流政策、提升物流水平提供了理論支持和實證基礎。

綜上所述，雖然前人對物流業效率有著豐富的研究基礎，但以往的研究對象多為企業以及全國的省市。本文是從中部省份的視角出發，結合前人研究和PEST分析從宏觀層面摘取影響物流綜合效率的環境變量，結合DEA-Malmquist指數分析和Tobit回歸組合模型，重點對中部地區的動態物流效率和影響因素進行研究，并提出策略以期提高中部物流效率，推進地區協調發展。

1" 模型與方法

在研究方法上，以往研究主要采用經典DEA模型求解，本文從動態視角出發，采用Malmquist指數模型研究物流效率隨時間的變化，并對比了靜態DEA-BCC模型的結果。對于影響因素的回歸分析，本文基于DEA數據結果在0，1區間分布的截斷特點，采用適用于截斷數據分析的Tobit回歸模型。

1.1" DEA-Malmquist指數分析

" 在前沿面效率分析的模型中，DEA模型不需預設各屬性之間的相對權重?；诒疚难芯康囊暯牵捎靡幠蟪昕勺兊腂CC模型分析不同時期決策單元的綜合效率。BCC模型如下：

1.2" Tobit回歸分析

2" 指標與數據

參考前人的研究，本文的五個輸入指標分別從資金、人員和基礎設施設備三維角度出發確定，創建的評價指標如表1所示。為檢驗DEA模型中的投入產出指標的相關性，采用Stata14.0軟件進行Person相關性檢驗，結果顯示投入產出指標的相關系數均在1%或5%的顯著性水平下為正，符合模型中投入產出指標方向一致的假設。

在參考前人研究的基礎上，結合PEST分析從政治、經濟、社會和技術角度進行分析，選取對物流行業發展產生影響的環境變量，PEST分析過程如圖1所示。

考慮到數據需可獲取且可測量，在衡量政府支持水平時，用物流業的財政支出在公共支出的占比來反映；人均GDP一定程度可以反映地區的經濟發展水平；遵循供需平衡的經濟原則，選擇物流業產值作為物流總額的值反映社會物流需求；在科技化水平方面，選取Ramp;D投入經費作為社會環境科技化水平的經濟指標，建立影響因素指標體系，如表2所示。

3" 實證分析結果

3.1" 靜態分析

3.1.1" 綜合效率值的時間和空間特征

基于傳統BCC模型，借助DEAP2.1軟件進行模型求解，得出各決策單元的綜合效率值、純技術效率值和規模效率值。如圖2所示，時間特征上中部地區在2014—2021年綜合效率均值的線性變化趨勢呈線性上升，綜合效率均值從0.607上升到0.976，未能達到DEA有效，在2014—2016年，中部地區的效率值小于0.8，物流生產效率較低。

如圖3所示，空間特征上安徽省的雷達曲線包絡其他省份的效率曲線，其效率值一直保持DEA有效，其物流資源投入產出比一直保持在生產前沿面上，遠優于其他省份；而河南省的效率值雖有上升，卻未能達到DEA有效，綜合技術效率為0.857，為進一步分析技術效率進步和不足的原因，需對各省份的規模效率和純技術效率進行分解。

3.1.2" 規模效率和技術效率的時空分析

綜合技術效率可分解為規模效率和技術效率值。2014—2021年純技術效率從0.86上升到0.976，規模效率從0.702上升到1，即達到規模效率DEA有效，可見各省份注重物流技術的投入并取得了良好的成效，主要是得益于規模效益的增長。從各省份的效率分解值來看，河南省未達到高速增長的效率水平的原因主要是由于純技術效率值相對較低，距離有效生產前沿面相差0.141，純技術效率指的是在不考慮規模效率的情況下，利用生產技術使得產出達到最大化的效率，因此制約其有效發展的主要因素是對技術投入的使用。2014—2021年中部六省物流業的純技術效率、規模效率如表3至表4所示。

3.2" 動態分析

靜態分析主要是研究每一年（即當期時間下）的每個省份的效率情況，無法充分反映物流效率隨時間變化的動態發展趨勢，本文對2014—2021年中部六省的面板數據進行Malmquist指數分析，從時間和區域兩個角度分析省份物流效率的動態變化趨勢，M指數的結果如表5至表6所示。

從時間維度來看，圖4表示中部地區六個省份的動態物流效率總體是上升的，M指數的年均增長率為1.1%，其中技術效率的進步值為2.3%，生產率受到技術進步指數的限制techchlt;1。2015—2018年和2020—2021年期間tfpch為正增長，2014—2015年、2018—2020年呈現負增長。對tfpch分解可知，全要素生產率的下降是由技術進步指數下降引起的，技術進步值平均每年下降2%。技術進步指數可分解為純技術效率和規模效率，平均每年分別上升0.3%和2%。結果說明技術效率的增長主要靠規模效率的增長帶動，合理管理資源，增加資源的產出，對省域物流效益的增長具有正向作用。

從空間角度來分析，山西、湖北、湖南的全要素生產率增加3.9%，5.6%，4.9%，江西基本保持不變，安徽和河南下降4%。安徽省的技術效率保持不變，但由于技術進步的下降，生產率降低。河南省的技術效率上升了3%，但是由于技術進步值下降6.3%，全要素生產率下降。因此安徽和河南在產業結構上需要實現優化，提高技術的創新能力。從綜合技術進步指標和技術效率指標來看，技術進步主要來自于湖南、湖北和山西，而科技創新水平一直較高的安徽進步值最低，這可能是因為安徽的產業結構已經達到了較高的階段，難以實現迅速提升，其創新結果已經較為豐富。本文基于Malmquist指數從動態視角進行評價，彌補了靜態評價的不足，前文BCC靜態分析結果中安徽省純技術效率保持在生產前沿，但從動態視角來看，其技術進步率是有所降低的，并影響了其綜合效率水平。

3.3" Tobit回歸分析

" 前文對物流業技術效率、規模效率進行了測度，為進一步分析影響物流效率的環境因素，本節在DEA的基礎上借助Tobit模型研究影響省域物流效率的關鍵因素，回歸結果如表7所示。

由回歸結果可知，政府支持水平、社會物流需求、科技化水平以及地區發展水平構建都是有效的顯著指標。政府支持對物流效率的影響在0.05的水平下顯著，其回歸系數為-0.016，對物流效率的影響是負向的，當前物流業對吸納的投資轉換率需得到提高，過多的政府投資容易導致資源利用不充分，得不到更好的生產回報。社會物流需求在0.01的水平下顯著，且對物流效率的提升形成阻礙，可能是受當前區域物流樞紐承載能力的限制。科技化水平能提升物流業的效率，對科技研發的重視能給行業效率帶來有效的提升作用，因此企業和政府應該提升Ramp;D科研經費的投入。地區發展水平的高低對物流行業的綜合效率影響為正，地區越發達，經濟水平越高，物流行業的效率值越高。這是因為經濟越發達的地區，對行業的投資越高，在科研經費的投入能力上排列靠前。安徽、湖北等發展水平較高的地區對高素質的人才具有更好的吸納性，因此也提升了科技創新的后備力量，有利于技術創新效率的提升。

4" 研究結論與建議

本文基于2014—2021年六個省份的面板數據，以傳統的DEA-BCC模型為基礎，運用DEA-Malmquist指數模型對中部六省的動態物流效率進行測度，并用Tobit模型對環境影響因素進行回歸分析，結果表明：2014—2021年中部地區整體的物流效率得到了大的提升，主要得益于規模效益的提升。但就省份層面而言，物流發展不均衡，河南省物流效率未達到DEA有效。Malmquist從動態評價的角度彌補了BCC模型的不足。從動態分析結果來看，省份的生產效率主要受技術進步的影響，規模效率對全要素生產率的貢獻最大。安徽、江西和河南的生產率動態下降。地區發展水平是主要影響物流效率的關鍵因素?；谝陨涎芯拷Y論，本文為提升物流效率的路徑提出以下幾點建議：

" （1）推進技術創新。技術進步效率下降的省份，應該增加技術創新層面的投入水平，提高資源利用能力。政府可以加強與企業之間的合作，促進學術成果的轉化，增加新產品、新技術在物流行業的應用，提高資源的轉化率。此外，鼓勵企業投資研發、提供研發資金和稅收激勵等，以促進物流行業的技術升級和創新。

" （2）促進省域、區域間協同發展。為了彌補省份之間物流發展不均衡的問題，政府可以制定協調與整合政策，建立跨省份的協作機制，促進信息共享和合作。此外，通過整合物流規劃，可以更好地優化物流網絡，提高整體效率。在物流基礎設施建設上進行平衡投資，支持相對滯后地區的發展，并確保各省份都能夠達到最低的物流效率標準，以提高整體效率水平。同時，中部地區應加強與東部地區以及其他經濟地帶之間的聯系，實現資源共享，攜手促進地區物流發展，實現十四五規劃的遠景和目標。

" （3）綠色物流推動政策。考慮到地區發展水平是影響物流效率的關鍵因素，政府可以鼓勵物流企業采用環保技術、推動能源效率改進、建設綠色物流基礎設施等。通過減少對資源的過度依賴和降低環境影響，可以提高整體物流系統的效率。

參考文獻：

[1] 褚衍昌，連文浩，嚴子淳. 基于DEA-GRA雙層模型的制造業與物流業聯動效率測度[J]. 統計與決策，2021，37（1）：182-186.

[2] 王琴梅，羅瑞. 物流業高質量發展對區域全要素生產率的影響研究——來自中國264個城市的證據[J]. 軟科學，2023，37（1）：58-68.

[3] 臧興兵，燕萬. 基于超效率DEA和Malmquist指數的中部地區主要城市物流效率實證研究[J]. 物流工程與管理，2021，43（3）：1-4，31.

[4] 周雨倩，仲云云. 基于超效率DEA模型的長江經濟帶物流效率實證分析[J]. 物流工程與管理，2020，42（2）：13-14，25.

[5] 龔瑞風，薛儉，劉汝麗. 中國區域物流效率測度及其時空特征分析[J]. 統計與決策，2022，38（10）：141-145.

[6]" LEE P F， LAM W S， LAM W H. Performance evaluation of the efficiency of logistics companies with data envelopment analysis model[J]. Mathematics， 2023，11（3）：718.

[7]" WANG B， TIAN Y. Green and low-carbon efficiency assessment of urban agglomeration logistics industry： Evidence from China's Beijing-Tianjin-Hebei metropolitan area （2008-2020）[J]. Sustainability， 2023，15（15）：11833.

[8]" SHAO W. Performance evaluation of port logistics informatization construction： A case study from China[J]. Tehnicki Vjesnik-Technical Gazette， 2023，30（3）：705-714.

[9]" ZHU J， ZHU Z. The space-time evolution and driving mechanism of coordinated development of modern logistics industry and tourism industry[J]. Journal of Cleaner Production， 2023，423：138620.

[10] 龔雪. 區域物流效率測度及影響因素分析[J]. 統計與決策，2022，38（12）：112-116.

[11] 姜曉紅，陳莎，張毅. 物流企業碳排放總量與效率測算方法[J]. 交通運輸系統工程與信息，2022，22（2）：313-321.

[12]" LIANG Z， CHIU Y， GUO Q， et al. Low-carbon logistics efficiency： Analysis on the statistical data of the logistics industry of 13 cities in Jiangsu Province， China[J]. Research in Transportation Business amp; Management， 2022，43：100740.

[13]" DENG F， XU L， FANG Y， et al. PCA-DEA-Tobit regression assessment with carbon emission constraints of China's logistics industry[J]. Journal of Cleaner Production， 2020，271：122548.