鐘 巍，彭詠梅

(1.江西理工大學(xué) 商學(xué)院；2.江西開(kāi)放大學(xué)，江西 南昌 330000)

長(zhǎng)江經(jīng)濟(jì)帶由于其橫跨中國(guó)的地理位置以及高占比人口和生產(chǎn)總值，在我國(guó)社會(huì)經(jīng)濟(jì)發(fā)展中有著舉足輕重的地位，而高效的物流業(yè)是推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶協(xié)調(diào)發(fā)展的基礎(chǔ)性和先導(dǎo)向產(chǎn)業(yè)。物流績(jī)效是衡量物流業(yè)發(fā)展水平的一項(xiàng)重要指標(biāo)，科學(xué)地評(píng)價(jià)物流績(jī)效對(duì)于國(guó)家、企業(yè)掌握物流業(yè)發(fā)展?fàn)顩r以及提升物流業(yè)的發(fā)展水平意義重大。在此背景下，筆者以長(zhǎng)江經(jīng)濟(jì)帶各省(市)物流業(yè)為研究對(duì)象，選取投入和產(chǎn)出指標(biāo)，采用三階段DEA方法對(duì)長(zhǎng)江經(jīng)濟(jì)帶各省(市)物流績(jī)效進(jìn)行測(cè)算。

國(guó)內(nèi)外學(xué)者一般從國(guó)家、行業(yè)和企業(yè)等角度對(duì)物流績(jī)效進(jìn)行評(píng)價(jià)。外國(guó)學(xué)者大多基于世界銀行發(fā)布的國(guó)家物流績(jī)效指數(shù)從國(guó)家或者地區(qū)的角度進(jìn)行物流績(jī)效研究。Ruslan Beysenbaev認(rèn)為世界銀行當(dāng)前發(fā)布的物流績(jī)效指數(shù)是基于全球物流專(zhuān)家的調(diào)查的主觀(guān)看法，在評(píng)級(jí)上可能存在偏差，因此基于國(guó)際統(tǒng)計(jì)數(shù)據(jù)提出了一個(gè)修改后的指數(shù)，該指數(shù)定性和定量地代表了159個(gè)國(guó)家的物流系統(tǒng)和子系統(tǒng)的客觀(guān)視圖，可用做政府的基準(zhǔn)工具[1]。Azmat Gani利用回歸模型分析了60個(gè)國(guó)家的國(guó)際貿(mào)易與物流績(jī)效指數(shù)，得出物流績(jī)效與進(jìn)出口在統(tǒng)計(jì)上呈現(xiàn)正相關(guān)[2]。Isotilia Costa Melo結(jié)合DEA評(píng)價(jià)法,以巴西大豆運(yùn)輸為背景，構(gòu)建物流績(jī)效評(píng)價(jià)指標(biāo)[3]，Kamran Rashidi利用DEA方法來(lái)評(píng)估各國(guó)物流績(jī)效的可持續(xù)性[4]，Jafar Rezaei認(rèn)為世界銀行發(fā)布的物流績(jī)效指數(shù)每個(gè)指標(biāo)同等重要的設(shè)置在復(fù)雜系統(tǒng)中并不合理，采用最佳最差方法給每個(gè)指標(biāo)設(shè)定權(quán)重，得出基礎(chǔ)設(shè)施權(quán)重為0.24，是決定物流績(jī)效的關(guān)鍵指標(biāo)[5]。

國(guó)內(nèi)學(xué)者的研究集中在“一帶一路”沿線(xiàn)國(guó)家物流績(jī)效，采用DEA-Malmquist指數(shù)方法對(duì)“一帶一路”沿線(xiàn)國(guó)家物流全要素生產(chǎn)率進(jìn)行動(dòng)態(tài)評(píng)價(jià)[6]。梁燁[7]、朱世艷[8]運(yùn)用引力模型，分析了“一帶一路”沿線(xiàn)國(guó)家物流績(jī)效對(duì)中國(guó)貿(mào)易潛力和出口貿(mào)易的影響。一部分學(xué)者則是從省份或者城市的層面研究物流績(jī)效，黃慶華構(gòu)建了物流績(jī)效評(píng)價(jià)指標(biāo)體系，利用DEA法對(duì)我國(guó)“一帶一路”重點(diǎn)建設(shè)省(市)的物流績(jī)效進(jìn)行測(cè)算[9]；孟魁運(yùn)用三階段DEA法測(cè)算中部六省的物流績(jī)效[10]。一部分學(xué)者的研究聚焦于企業(yè)物流績(jī)效評(píng)價(jià)，姜旭結(jié)合日本經(jīng)驗(yàn)和國(guó)資委發(fā)布的《2019年企業(yè)績(jī)效評(píng)價(jià)標(biāo)準(zhǔn)值》，建立適應(yīng)我國(guó)物流企業(yè)績(jī)效評(píng)價(jià)的指標(biāo)體系[11]。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 研究方法

測(cè)算效率的方法一般包括參數(shù)法和非參數(shù)法，兩者各有優(yōu)點(diǎn)，但在運(yùn)用中學(xué)者發(fā)現(xiàn)非參數(shù)法相對(duì)更加有效，非參數(shù)法更廣泛地被用于物流效率的測(cè)算，非參數(shù)法中的DEA方法由于具有非參數(shù)性和支持多變量輸入和輸出的特性而被廣泛使用[12]。數(shù)據(jù)包絡(luò)分析(DEA)是根據(jù)多指標(biāo)投入和多指標(biāo)產(chǎn)出對(duì)相同類(lèi)型的單位進(jìn)行相對(duì)有效性或者效益評(píng)價(jià)的系統(tǒng)分析方法。輸入導(dǎo)向型和輸出導(dǎo)向型是DEA的兩種不同評(píng)價(jià)角度。輸入導(dǎo)向型指的是在產(chǎn)出不變的情況下，通過(guò)調(diào)整投入，從而節(jié)約投入，提高投入的效率即BBC模型；輸出導(dǎo)向型指的是投入不變，對(duì)產(chǎn)出進(jìn)行調(diào)整，保證產(chǎn)出最大化即CCR模型。Fried等(2002)認(rèn)為受管理無(wú)效率、環(huán)境和隨機(jī)擾動(dòng)影響，決策單元并不是同類(lèi)型的決策單元，傳統(tǒng)DEA得出的結(jié)果可能會(huì)出現(xiàn)偏差，剔除這些因素后，實(shí)證結(jié)果更具備比較價(jià)值，更貼近真實(shí)水平，因此提出三階段DEA法[13]。

1.1.1 第一階段:基于原始數(shù)據(jù)的傳統(tǒng)DEA分析。利用DEAP 2.1軟件，測(cè)算各省的物流業(yè)效率值，選用投入導(dǎo)向BBC模型，n、m、s表示決策單元，投入變量和產(chǎn)出變量個(gè)數(shù)，Yk為第k個(gè)決策單元的技術(shù)效率，yrk為第k個(gè)決策單元的第r項(xiàng)產(chǎn)出，xik為第k個(gè)決策單元的第i項(xiàng)投入，λi和θi分別為第r項(xiàng)產(chǎn)出和第i項(xiàng)投入的權(quán)重，uk為第k個(gè)決策單元的規(guī)模報(bào)酬指標(biāo)。投入導(dǎo)向的BCC-DEA模型公式為：

(1)

1.1.2 第二階段:采用SFA法剔除環(huán)境效應(yīng)與隨機(jī)干擾的影響。

①基于隨機(jī)前沿成本函數(shù)，以環(huán)境變量為解釋變量，以松弛變量為被解釋變量，構(gòu)造如下回歸模型:

sik=f(zk;βi)+vik+μik；

i=1,2,…,m;k=1,2,…,n

(2)

其中：Sik是第k個(gè)決策單元第i項(xiàng)投入的松弛值;zk=(z1k，z2k，…，zpk)是環(huán)境變量;參數(shù)向量βi為待估計(jì)的未知參數(shù);f(zk;βi)表示環(huán)境變量對(duì)投入冗余Sik的影響;vik+μik是組合誤差項(xiàng)，一般假設(shè)：

②經(jīng)過(guò)SFA回歸后，根據(jù)回歸結(jié)果對(duì)其他物流要素投入量進(jìn)行調(diào)整，以效率最高的決策單元投入量為調(diào)整基準(zhǔn)，表達(dá)式如下:

(3)

(4)

1.1.3 第三階段:基于調(diào)整后投入產(chǎn)出變量的DEA分析。將原始的投入數(shù)據(jù)替換為調(diào)整后的投入數(shù)據(jù)，產(chǎn)出變量不變，再次測(cè)算各決策單元的效率，得到剔除了環(huán)境因素與隨機(jī)干擾影響的實(shí)際效率值。

1.2 數(shù)據(jù)來(lái)源

本文以長(zhǎng)江經(jīng)濟(jì)帶的11個(gè)省份和直轄市2019年交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)的投入和產(chǎn)出指標(biāo)為研究對(duì)象，相關(guān)數(shù)據(jù)從各省的2020年統(tǒng)計(jì)年鑒和2020年中國(guó)能源統(tǒng)計(jì)年鑒以及中國(guó)交通運(yùn)輸部官方網(wǎng)站收集并整理獲得。

2 長(zhǎng)江經(jīng)濟(jì)帶地區(qū)物流效率指標(biāo)選取與效率測(cè)算

2.1 物流績(jī)效指標(biāo)選取

三階段DEA是通過(guò)SFA法剔除環(huán)境及隨機(jī)因素的影響，然后衡量每個(gè)決策單元的效率的系統(tǒng)分析方法，本文是對(duì)長(zhǎng)江經(jīng)濟(jì)帶各省份和直轄市的物流業(yè)績(jī)效進(jìn)行評(píng)價(jià)，指標(biāo)選取包括每個(gè)省和直轄市的物流業(yè)的投入指標(biāo)、產(chǎn)出指標(biāo)以及環(huán)境指標(biāo)。

物流業(yè)的投入指標(biāo)一般從資金、人員和能源消耗3個(gè)方面考慮，資金的投入是衡量物流業(yè)發(fā)展?fàn)顩r的重要指標(biāo)。物流業(yè)重資產(chǎn)的特點(diǎn)決定了物流業(yè)需要大量的資金投入，資金投入是衡量物流業(yè)總體投入的一個(gè)重要指標(biāo)。物流業(yè)屬于勞動(dòng)密集產(chǎn)業(yè)，從業(yè)人員的素質(zhì)和數(shù)量則決定了一個(gè)行業(yè)發(fā)展的潛力和可持續(xù)性，以從業(yè)人員數(shù)量作為一個(gè)投入指標(biāo)，燃油的消耗是物流業(yè)日常運(yùn)營(yíng)不可或缺的投入，反應(yīng)物流行業(yè)日常運(yùn)營(yíng)的情況重要的指標(biāo)，以綜合能源消耗量作為物流業(yè)投入的一個(gè)指標(biāo)。物流業(yè)的產(chǎn)出主要包括行業(yè)生產(chǎn)總值、行業(yè)增加值、貨運(yùn)量以及貨運(yùn)周轉(zhuǎn)量等。

環(huán)境影響指標(biāo)主要是對(duì)物流業(yè)的績(jī)效有影響，但是通常在樣本主體控制范圍以外的因素，物流業(yè)發(fā)展受到當(dāng)?shù)氐慕?jīng)濟(jì)狀況影響，地區(qū)的生產(chǎn)總值則是地區(qū)經(jīng)濟(jì)發(fā)展?fàn)顩r的直接反映，選取區(qū)域生產(chǎn)總值作為環(huán)境影響因素的一個(gè)指標(biāo)。隨著智能化的不斷推進(jìn)，物流業(yè)的發(fā)展與效率的提升越來(lái)越依科技和新型裝備的發(fā)展，科技的發(fā)展情況是影響物流效率的一個(gè)重要的環(huán)境因素，選取R&D內(nèi)部經(jīng)費(fèi)支出衡量當(dāng)?shù)乜萍及l(fā)展情況，作為評(píng)價(jià)物流業(yè)績(jī)效的一個(gè)環(huán)境指標(biāo)。在充分考慮數(shù)據(jù)可獲得性的情況下，綜上得到長(zhǎng)江經(jīng)濟(jì)帶各省(市)物流績(jī)效評(píng)價(jià)指標(biāo)，如表1所示。

表1 物流績(jī)效評(píng)價(jià)指標(biāo)

2.2 物流績(jī)效測(cè)算

基于DEA投入導(dǎo)向的規(guī)模報(bào)酬可變的BCC模型，運(yùn)用DEAP 2.1軟件對(duì)長(zhǎng)江經(jīng)濟(jì)帶各省(市)的物流績(jī)效進(jìn)行測(cè)算，得到長(zhǎng)江經(jīng)濟(jì)帶中各省(市)的物流績(jī)效，見(jiàn)表2。上海、安徽和湖南三省(市)達(dá)到了DEA有效，說(shuō)明這3個(gè)省(市)的物流業(yè)績(jī)效較高，物流投入資源利用率高，資源配置合理，江蘇省物流綜合效率雖然沒(méi)有達(dá)到DEA有效，但得分也處于較高水平，其余省份得分相對(duì)偏低，物流業(yè)績(jī)效水平處于較低的狀態(tài)。

第二階段運(yùn)用SFA回歸模型，以第一階段得到的物流業(yè)固定資產(chǎn)投資額、從業(yè)人員和能源消耗總量3個(gè)指標(biāo)的松弛變量作為被解釋變量，將地區(qū)GDP、R&D內(nèi)部經(jīng)費(fèi)支出外部環(huán)境變量作為解釋變量，考察這兩項(xiàng)環(huán)境變量對(duì)三項(xiàng)投入指標(biāo)的松弛變量的影響。使用Frontier 4.1軟件進(jìn)行似SFA回歸分析，計(jì)算結(jié)果見(jiàn)表3。各似然參數(shù)LR都通過(guò)了2.5%顯著性水平檢驗(yàn)，說(shuō)明所選取的兩個(gè)環(huán)境變量對(duì)物流業(yè)投入松弛變量具有顯著影響。γ值都接近1，大部分通過(guò)了1%的顯著性水平檢驗(yàn)，經(jīng)濟(jì)管理因素引起的冗余在環(huán)境和隨機(jī)因素中起主要作用[14]。檢驗(yàn)結(jié)果表明通過(guò)SFA模型來(lái)剔除環(huán)境及其他隨機(jī)影響因素是必要合理的[15]。地區(qū)生產(chǎn)總值與投入指標(biāo)之間的回歸系數(shù)為正數(shù)，表明地區(qū)生產(chǎn)總值的提升會(huì)降低物流業(yè)的運(yùn)作效率，R&D內(nèi)部經(jīng)費(fèi)支出與投入指標(biāo)之間的回歸系數(shù)為負(fù)數(shù)，表明R&D內(nèi)部經(jīng)費(fèi)支出的增加會(huì)在一定程度上提升物流業(yè)的績(jī)效。

表2 長(zhǎng)江經(jīng)濟(jì)帶各省市物流績(jī)效

表3 SFA模型回歸結(jié)果匯總

2.3 第三階段物流效率測(cè)算

利用第二階段得到的調(diào)整后的投入變量指標(biāo)，再次通過(guò)DEAP 2.1測(cè)算長(zhǎng)江經(jīng)濟(jì)區(qū)各省(市)的物流績(jī)效，得出長(zhǎng)江經(jīng)濟(jì)區(qū)11個(gè)省(市)的物流績(jī)效值，調(diào)整前后的物流績(jī)效值見(jiàn)表4。調(diào)整前后技術(shù)指標(biāo)的變化反映了區(qū)域內(nèi)物流產(chǎn)業(yè)發(fā)展受外部因素影響情況，若技術(shù)效率提升，表明該區(qū)域內(nèi)物流業(yè)發(fā)展受不利外部環(huán)境影響明顯，若技術(shù)效率下降，則表明受不利外部因素影響小。調(diào)整后，長(zhǎng)江經(jīng)濟(jì)帶各省(市)的物流績(jī)效平均值增加到0.74，增幅比較小。純技術(shù)效率增加到0.925，表明長(zhǎng)江經(jīng)濟(jì)帶內(nèi)的省(市)物流業(yè)發(fā)展受到一定的不利外部環(huán)境因素的影響。調(diào)整后江蘇省達(dá)到DEA有效，達(dá)到DEA有效的省(市)達(dá)到了4個(gè)，這些省(市)實(shí)現(xiàn)了當(dāng)前投入的最優(yōu)產(chǎn)出，表明資源配置效率和管理技術(shù)水平達(dá)到了最優(yōu)。江蘇、浙江、湖北、四川、云南這幾個(gè)省份調(diào)整后綜合效率調(diào)整后有所提升，江西、重慶、貴州的綜合效率調(diào)整后有所降低，說(shuō)明物流效率受到環(huán)境因素的影響較為明顯，但對(duì)不同省份影響效果不同，表明利用三階段法得出的各省(市)物流效率更加接近真實(shí)的效率。

表4 調(diào)整前后的長(zhǎng)江經(jīng)濟(jì)帶各省(市)物流績(jī)效

長(zhǎng)江經(jīng)濟(jì)帶整體物流效率平均值達(dá)到0.74，處于一般的水平，各個(gè)省(市)之間的差異非常大。從地理位置來(lái)看，處于下游的上海、江蘇、浙江和安徽這4個(gè)省(市)的物流綜合效率平均值為0.958，上海、江蘇和安徽3個(gè)省(市)達(dá)到了DEA有效；處于中游的江西、湖北和湖南的綜合效率平均值為0.81，其中湖南也達(dá)到了效率前沿面，湖北的綜合效率值0.952，該省的物流業(yè)效率處于較高的水平；處于上游的重慶、四川、貴州、云南等省(市)的物流效率平均值為0.47，各個(gè)省(市)均處于較低水平，只有云南省的綜合效率超過(guò)了0.5。長(zhǎng)江經(jīng)濟(jì)帶整體的物流效率較高，內(nèi)部發(fā)展非常不平衡，兩極分化比較嚴(yán)重，由下游往上游不斷遞減，上游區(qū)域發(fā)展水平較低。

長(zhǎng)江經(jīng)濟(jì)帶各省(市)的純技術(shù)效率平均值調(diào)整后達(dá)到了0.925，各省(市)的純技術(shù)效率調(diào)整后均有一定的上升，說(shuō)明技術(shù)效率在環(huán)境因素影響下被低估，科技投入在當(dāng)前發(fā)展中應(yīng)受到重視，達(dá)到DEA有效的省(市)有6個(gè)，表明各省(市)在物流產(chǎn)業(yè)的管理和技術(shù)水平上處于較高水平，充分發(fā)揮投入資源的作用，四川省純技術(shù)效率值只有0.553，表明需要提升物流產(chǎn)業(yè)的管理和技術(shù)水平。

指標(biāo)調(diào)整后，長(zhǎng)江經(jīng)濟(jì)帶各省(市)物流業(yè)的規(guī)模效率有一定的下降，說(shuō)明環(huán)境因素對(duì)于各省(市)的規(guī)模效率產(chǎn)生了一定的影響。整體規(guī)模效率不高，上海、安徽和湖南三省(市)達(dá)到了DEA有效，浙江和湖北規(guī)模效率值在0.9以上，說(shuō)明以上省(市)資源配置效率較高，其余省(市)的規(guī)模技術(shù)效率相對(duì)來(lái)說(shuō)比較低，除了四川達(dá)到了平均水平外，其他省(市)均遠(yuǎn)遠(yuǎn)低于平均值，表明這些省(市)需要提高物流資源的配置水平?？梢钥闯?，長(zhǎng)江經(jīng)濟(jì)帶地區(qū)物流產(chǎn)業(yè)的規(guī)模技術(shù)效率處在一般的水平，但是省份間的差距相對(duì)較大，出現(xiàn)兩極化發(fā)展。

綜合以上分析可以發(fā)現(xiàn)，長(zhǎng)江經(jīng)濟(jì)帶物流產(chǎn)業(yè)的綜合效率平均值較高，純技術(shù)效率的平均值達(dá)到了0.925，說(shuō)明各省(市)的物流產(chǎn)業(yè)管理和技術(shù)水平都處于較好的狀態(tài)，而規(guī)模技術(shù)效率平均值為0.801，明顯低于純技術(shù)效率，這意味著剔除環(huán)境和隨機(jī)因素影響后，制約長(zhǎng)江經(jīng)濟(jì)帶物流產(chǎn)業(yè)綜合效率提升的因素的物流產(chǎn)業(yè)的規(guī)模技術(shù)效率，未來(lái)應(yīng)該重點(diǎn)關(guān)注長(zhǎng)江經(jīng)濟(jì)帶物流產(chǎn)業(yè)的規(guī)模效率的提升，促使物流產(chǎn)業(yè)朝著規(guī)模驅(qū)動(dòng)轉(zhuǎn)型升級(jí)。

3 結(jié)論和討論

物流產(chǎn)業(yè)是經(jīng)濟(jì)發(fā)展的基礎(chǔ)，對(duì)于區(qū)域物流產(chǎn)業(yè)的效率問(wèn)題的研究具有重要的現(xiàn)實(shí)意義。本文選擇交通運(yùn)輸、倉(cāng)儲(chǔ)及郵政等產(chǎn)業(yè)的投入、產(chǎn)出以及GDP和R&D內(nèi)部支出經(jīng)費(fèi)指標(biāo)為研究數(shù)據(jù)，采用三階段DEA模型對(duì)長(zhǎng)江經(jīng)濟(jì)帶各省的物流效率進(jìn)行測(cè)算，研究結(jié)果表明：

①長(zhǎng)江經(jīng)濟(jì)帶各省物流績(jī)效整體處于比較好的水平，但各省(市)之間差異非常大，呈現(xiàn)兩極分化的趨勢(shì)，處于長(zhǎng)江下游的4個(gè)省(市)的物流績(jī)效水平高，處于上游的省(市)物流績(jī)效比較低，從下游到上游呈現(xiàn)物流績(jī)效遞減的趨勢(shì)。上海、江蘇、浙江、安徽和湖南等省(市)的物流業(yè)績(jī)效較高，四川、云南和重慶等省(市)處于低效率地位，應(yīng)當(dāng)注重整個(gè)區(qū)域的平衡發(fā)展，在保持下游地區(qū)效率的領(lǐng)先的同時(shí)，加大對(duì)長(zhǎng)江上游省份物流業(yè)發(fā)展的支持力度，促進(jìn)整個(gè)區(qū)域物流業(yè)協(xié)調(diào)發(fā)展。②SFA模型分析的結(jié)果顯示，區(qū)域GDP和R&D內(nèi)部支出費(fèi)用兩項(xiàng)環(huán)境變量的物流業(yè)投入指標(biāo)的松弛變量有顯著的影響，長(zhǎng)江經(jīng)濟(jì)帶各省(市)物流績(jī)效受環(huán)境影響較為明顯，但對(duì)不同省(市)的影響效果不同，在不剔除環(huán)境因素影響的情況下對(duì)各省(市)的物流績(jī)效的測(cè)算產(chǎn)生一定的偏差，剔除環(huán)境和隨機(jī)影響因素對(duì)于物流績(jī)效的測(cè)算是非常重要的。③在SFA模型剔除環(huán)境和隨機(jī)影響因素過(guò)程中，γ值都接近1，通過(guò)了2.5%的顯著性水平檢驗(yàn)，表明經(jīng)濟(jì)管理因素引起的冗余在環(huán)境和隨機(jī)因素中起主要作用。④長(zhǎng)江經(jīng)濟(jì)帶各個(gè)省(市)的純技術(shù)效率都比較高，說(shuō)明各省(市)能夠充分利用物流業(yè)投入資源，資源配置的效率高。規(guī)模效率普遍偏低，是制約物流業(yè)綜合效率的提升的關(guān)鍵因素，長(zhǎng)江經(jīng)濟(jì)帶純技術(shù)效率的平均值遠(yuǎn)高于規(guī)模效率，表明提升規(guī)模效率是提高物流業(yè)綜合效率的關(guān)鍵。