王占海,梁工謙
(西北工業(yè)大學(xué) 管理學(xué)院,西安 710072)
隨著我國(guó)社會(huì)主義市場(chǎng)經(jīng)濟(jì)的不斷深化發(fā)展,物流業(yè)對(duì)于國(guó)民經(jīng)濟(jì)的服務(wù)基礎(chǔ)作用逐漸顯現(xiàn)。物流業(yè)不同于其他產(chǎn)業(yè)具有服務(wù)的嵌入與自身產(chǎn)業(yè)結(jié)構(gòu)的特殊性,使得物流業(yè)在獲取投資追加時(shí)表現(xiàn)出獨(dú)特性質(zhì)。同時(shí),隨著物流業(yè)對(duì)整個(gè)產(chǎn)業(yè)基礎(chǔ)服務(wù)作用的強(qiáng)化,物流業(yè)自身的投資集中度提升也進(jìn)一步促進(jìn)該產(chǎn)業(yè)的專門化資本集中。如何按照物流業(yè)現(xiàn)有布局,結(jié)合專業(yè)化投資的科學(xué)合理布局及調(diào)整,改進(jìn)與完善我國(guó)物流業(yè)的資本結(jié)構(gòu),具有深遠(yuǎn)的產(chǎn)業(yè)結(jié)構(gòu)改進(jìn)意義。本文在結(jié)合DEA數(shù)據(jù)包絡(luò)分析的基礎(chǔ)上將物流業(yè)自身存在的產(chǎn)業(yè)效率按照專業(yè)化投資視角進(jìn)行相應(yīng)的分解,并通過數(shù)據(jù)包絡(luò)線性規(guī)劃加以二階段數(shù)據(jù)的Tobit分析,從而確保物流業(yè)產(chǎn)業(yè)專業(yè)化投資效率之間關(guān)聯(lián)的精確反映。并基于現(xiàn)有研究,將樣本規(guī)模數(shù)據(jù)按照不同影響角度予以分解,形成對(duì)互動(dòng)效應(yīng)作用的物流業(yè)專業(yè)投資指標(biāo)的DEA-Tobit測(cè)定。
一般而言,針對(duì)投資的專業(yè)化程度與效率按照專業(yè)投資的特定時(shí)間段密集程度、投資定向的密集程度等方面作為測(cè)度指標(biāo),進(jìn)行投資階段性數(shù)目、投資規(guī)模熵以及赫芬達(dá)爾指數(shù)進(jìn)行測(cè)度,結(jié)合物流業(yè)投資的累積性特征,最終選用赫芬達(dá)爾指數(shù)進(jìn)行物流業(yè)專業(yè)化投資程度的測(cè)度。即:
接著,本文按照物流業(yè)專業(yè)化投資程度進(jìn)行基于數(shù)據(jù)包絡(luò)分析的C2R對(duì)偶規(guī)劃,即通過非阿基米德無(wú)窮小量、松弛變量、剩余變量構(gòu)建模型:
式(3)主要描述了向C2R形成的決策單元接近的非阿基米德無(wú)窮小量、松弛變量、剩余變量以數(shù)據(jù)包絡(luò)形式,獲得的線性規(guī)劃最優(yōu)條件。其中,XT值為1時(shí),決策單元為弱有效,否則按照S+,S-均為零的進(jìn)一步假設(shè),假設(shè)同時(shí)滿足為決策單元有效,否則須重新進(jìn)入式(4)進(jìn)行再次數(shù)據(jù)包絡(luò)線性規(guī)劃,以至式(3)獲得對(duì)應(yīng)的決策單元有效。
由此,可以獲得物流業(yè)專業(yè)化投資效率影響因素的Tobit模型分解,即:
式(5)負(fù)責(zé)刻畫的是通過每一個(gè)決策單元的有效性累積比較,形成對(duì)于整個(gè)對(duì)象分析的最大化決策效率的集,該集在決策單元對(duì)應(yīng)的參變系數(shù)設(shè)定符合正態(tài)分布。通過式(5)按照分析對(duì)象樣本進(jìn)行決策效率,可以進(jìn)行顯著性關(guān)聯(lián)累積的影響因素分析。
本文將測(cè)度分階段指標(biāo)進(jìn)行基于人力資本、物質(zhì)資本方面引入投入資金規(guī)模,作為DEA基本模型構(gòu)建樣本數(shù)據(jù)基礎(chǔ)向量集。同時(shí),為進(jìn)一步解析不同方面的投入產(chǎn)生的效率差異,以及這些差異的作用影響機(jī)制。結(jié)合式(3)所反映的松弛變量、剩余變量進(jìn)行數(shù)據(jù)階段累積的投資效率分析,其中將投入效率分為總投資效率以及投資的技術(shù)效率。本文主要選取了物流業(yè)年均勞動(dòng)力數(shù)量對(duì)應(yīng)人力資本,而后兩者按照上述式(1)和式(2)設(shè)定的赫芬達(dá)爾指數(shù)加以替代測(cè)度。結(jié)合前述設(shè)定,將數(shù)據(jù)包絡(luò)分析對(duì)應(yīng)的C2R分別設(shè)定為總投資效率CRCIE與投資技術(shù)效率VRCIE,分別用以歸納物流業(yè)單一時(shí)序期的專業(yè)化投資效率以及累積的專業(yè)化投資改進(jìn)程度。
然后,結(jié)合式(5)以及DEA-Tobit模型對(duì)于有效性投入效率分析的優(yōu)勢(shì)特征,將物流業(yè)專業(yè)化投資的有效性進(jìn)行最大化決策效率集的參變系數(shù)正態(tài)分布,圍繞該正態(tài)分布進(jìn)行基于人力資本、物力資本的投資按照非阿基米德無(wú)窮小量折算。其中,負(fù)責(zé)刻畫的是通過每一個(gè)決策單元的有效性累積比較,形成對(duì)于整個(gè)對(duì)象分析的最大化決策效率的集,該集在決策單元對(duì)應(yīng)的參變系數(shù)設(shè)定符合正態(tài)分布。通過式(5)按照分析對(duì)象樣本進(jìn)行決策效率,可以進(jìn)行顯著性關(guān)聯(lián)累積的影響因素分析。
本文用數(shù)據(jù)包絡(luò)分析過程的決策單元累積方差來進(jìn)一步解釋累積的專業(yè)化投資對(duì)物流業(yè)形成的投資總規(guī)模改進(jìn)程度SE。利用所選樣本年均勞動(dòng)雇傭人員、投資額度進(jìn)行折算。數(shù)據(jù)主要獲自2008—2015年的《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)國(guó)內(nèi)貿(mào)易年鑒》,勞動(dòng)雇傭人員以及投資額度分別獲自各年份對(duì)應(yīng)的《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》、《中國(guó)投資年鑒》獲得。
根據(jù)上述設(shè)定,將物流業(yè)專業(yè)化投資程度進(jìn)行逐年折算,結(jié)果如圖1所示。
圖1 物流業(yè)專業(yè)化投資效率與增幅
從圖1可以看出,我國(guó)物流業(yè)投資的專業(yè)化程度,以及專業(yè)化投資效率改進(jìn)增幅均保持了一定程度的增長(zhǎng),就全國(guó)整個(gè)行業(yè)的投資專業(yè)化程度的總體來看,從2008年的0.2341,上升至2015年的0.3324,總體年均變動(dòng)幅度在5.24%,且2010—2011年發(fā)生了較為顯著的專業(yè)化程度提升,由2010年的0.2459升至2011年的0.2784;而相比之下,專業(yè)化投資總體年均變動(dòng)幅度在5.79%,要相對(duì)高于投資專業(yè)程度,說明物流業(yè)尚存在專業(yè)化投資的有效性提升問題。
由于對(duì)于產(chǎn)業(yè)的投資始終存在時(shí)序累積的反映效應(yīng)滯后,本文將基礎(chǔ)數(shù)據(jù)包絡(luò)分析映射所需的決策單元,按照每一個(gè)時(shí)序內(nèi)的基本專業(yè)化投資進(jìn)行C2R的對(duì)應(yīng)折算,由此可以進(jìn)行物流業(yè)專業(yè)化投資效率水平的總體估計(jì)。圖1從數(shù)據(jù)包絡(luò)決策單元分析角度,解釋了物流業(yè)專業(yè)化投資的單一時(shí)期總體效率、累計(jì)時(shí)序效率和總累積規(guī)模效率,可以從圖中看出,2008—2014年間,我國(guó)物流業(yè)總體上保持這上升的專業(yè)化投資效率特征,其中,表征物流業(yè)單一時(shí)序期的專業(yè)化投資效率的總投資效率CRCIE,從2008年的0.4252,逐步追加,形成當(dāng)期的專業(yè)化投資效率改進(jìn),直至2015年的0.7321,總體平均增幅保持在9.02%,同時(shí)從單一時(shí)序來看,總投資效率CRCIE,在2009年和2012年有所下沉,其余時(shí)序均保持增長(zhǎng)態(tài)勢(shì),這就證實(shí)了我國(guó)物流業(yè)在逐年的專業(yè)化投資上以規(guī)?;鲩L(zhǎng)形態(tài)為主;而投資技術(shù)效率VRCIE僅在2012年呈現(xiàn)出小幅的下降,其余時(shí)序中均保持了上揚(yáng)的趨勢(shì),說明整個(gè)物流業(yè)的專業(yè)化投資在人力、物力和財(cái)力的集中投入績(jī)效上呈現(xiàn)出對(duì)于基期的改善條件。結(jié)合上述分析,本文將物流業(yè)投資效率的專業(yè)化;另外,表征累積的專業(yè)化投資對(duì)物流業(yè)形成的投資總規(guī)模改進(jìn)程度的指標(biāo)SE,總體上呈現(xiàn)出較快的增長(zhǎng)勢(shì)頭,僅有2009年報(bào)告了下降信號(hào),其余年份均為上升態(tài)勢(shì),2008年和2015年的報(bào)告值分別為0.4252和0.9987,總體平均增幅保持在16.9%,由此可以看出,我國(guó)物流業(yè)總體上的規(guī)?;顿Y以及基期的改善效應(yīng),形成了逐期對(duì)產(chǎn)業(yè)內(nèi)投資專業(yè)化的規(guī)模累加效應(yīng),并在逐年的投資總規(guī)模累進(jìn)中獲得相應(yīng)的效應(yīng)。見圖2所示。
圖2 物流業(yè)專業(yè)化投資效率改進(jìn)規(guī)模
同時(shí),本文利用樣本數(shù)據(jù)進(jìn)一步分析了構(gòu)成我國(guó)物流業(yè)專業(yè)化投資效率改進(jìn)規(guī)模的投資期增幅的構(gòu)成細(xì)分。主要通過上述指標(biāo)設(shè)定,進(jìn)行逐年的物流業(yè)專業(yè)化投資效率DEA效率程度分解。從表1(見下頁(yè))可以看出,不同程度的專業(yè)化投資效率都有所增長(zhǎng),自2008年以來,保持在0.7以上相對(duì)較高水平的專業(yè)化投資效率的占比13.43%,且均在10%以上,這就說明我國(guó)物流業(yè)的專業(yè)化投資的不斷累積在一定程度上促進(jìn)了整個(gè)行業(yè)專業(yè)化投資的改進(jìn);但不能忽視的是,0.5以下的低水平專業(yè)化投資追加一直是物流業(yè)投資主要占比,這一程度制約了我國(guó)物流業(yè)專業(yè)化投資效率的進(jìn)一步改進(jìn);同時(shí),可以發(fā)現(xiàn),0.5至0.7的專業(yè)化投資效率水平的年均增幅保持在7.96%,0.5以下水平的年均增幅保持在78.61%,結(jié)合圖1分析結(jié)果可知,進(jìn)一步加大我國(guó)物流業(yè)專業(yè)化投資效率的總體規(guī)模,有利于完善我國(guó)物流業(yè)總體上的專業(yè)化投資改進(jìn)效應(yīng)。
表1 流通產(chǎn)業(yè)專業(yè)化投資程度DEA效率程度分解 (單位:%)
根據(jù)上述分析,本文進(jìn)一步進(jìn)行影響我國(guó)物流業(yè)專業(yè)化投資效率的因素分析。即按照市場(chǎng)規(guī)模、投入程度以及政策推進(jìn)進(jìn)行物流業(yè)專業(yè)化投資效率影響因素的Tobit模型解析:
針對(duì)于DEA分指標(biāo)類型在相互作用帶估對(duì)象環(huán)境下的反饋信息解析度不足,針對(duì)上述低水平技術(shù)有效指標(biāo)對(duì)應(yīng)決策單元所反饋的DEA效率折算,本文將其實(shí)施基于DEA-SOLVERPRO5的超效率折算,其對(duì)應(yīng)的物流業(yè)專業(yè)投資效率改進(jìn)規(guī)模超效率變幅如圖3所示,從圖3可以看出:
圖3 物流業(yè)專業(yè)投資效率改進(jìn)規(guī)模超效率變幅
其中,投資效率規(guī)模增長(zhǎng)IS,借助上述赫芬達(dá)爾指數(shù)測(cè)度結(jié)果按照數(shù)據(jù)包絡(luò)分析模型獲得;物流業(yè)市場(chǎng)規(guī)模MS,對(duì)應(yīng)物流業(yè)的專業(yè)化投資規(guī)模,即按照上述程度分解的因子分析進(jìn)行累積;政策因素RE以一個(gè)變量綜合解釋物流業(yè)在專業(yè)化投資追加過程中的非生產(chǎn)、流通領(lǐng)域關(guān)聯(lián)因素,用以刻畫產(chǎn)業(yè)投資追加過程中的政策因素對(duì)整個(gè)專業(yè)化投資效率的影響,本文選用投資稅費(fèi)減免額度進(jìn)行替代折算。上述三類指標(biāo)分別為Tobit模型被解釋變量與變量,由此獲得在經(jīng)過超效率折算后的DEA效率基礎(chǔ)上的Tobit回歸結(jié)果(見表2)。
表2 物流業(yè)專業(yè)化投資效率影響因素的Tobit分解
從表2所報(bào)告的物流業(yè)專業(yè)化投資效率影響因素的Tobit分解結(jié)果中可以看出,經(jīng)過市場(chǎng)規(guī)模、投入程度以及政策推進(jìn)進(jìn)行物流業(yè)專業(yè)化投資效率影響因素的Tobit模型解析,三者均通過了顯著性水平檢驗(yàn)。對(duì)于市場(chǎng)競(jìng)爭(zhēng)規(guī)模效應(yīng)而言,其所映射的物流業(yè)專業(yè)化投資在市場(chǎng)收益上的反饋為投資的進(jìn)一步追加,表2中,市場(chǎng)競(jìng)爭(zhēng)規(guī)模效應(yīng)MS的Tobit回歸系數(shù)為0.015527,并在5%顯著性水平上通過檢驗(yàn),證實(shí)了市場(chǎng)的進(jìn)一步投資對(duì)于物流業(yè)專業(yè)化投資效率提升有促進(jìn)作用,這主要是由于物流業(yè)在進(jìn)一步的市場(chǎng)競(jìng)爭(zhēng)過程中形成了更為豐富的市場(chǎng)競(jìng)爭(zhēng)經(jīng)驗(yàn),而專業(yè)化投資的去向與資本配比也將進(jìn)一步獲得投資收益優(yōu)化為導(dǎo)向的決策;同時(shí),可以看出,投資效率規(guī)模增長(zhǎng)IS的Tobit回歸系數(shù)為0.028376,并在1%顯著性水平上通過檢驗(yàn),其回歸系數(shù)要高于市場(chǎng)競(jìng)爭(zhēng)規(guī)模效應(yīng),由此證實(shí),物流業(yè)的專業(yè)化投資追加相比其他顯著性影響因素,在影響作用力上有所不足,但通過物流業(yè)的專業(yè)化資本追加形成的正向影響效應(yīng)有較大的改進(jìn)空間。政策因素RE的Tobit回歸系數(shù)為-0.041723,并在1%顯著性水平上通過檢驗(yàn),這就說明針對(duì)于物流業(yè)的專業(yè)化投資政策對(duì)于整個(gè)物流業(yè)的專業(yè)化投資追加效率呈現(xiàn)了相對(duì)較弱的負(fù)向作用關(guān)聯(lián),這可能是由于物流業(yè)前期累積的資本投入過度重復(fù)的結(jié)構(gòu)性不足,引起政策對(duì)于物流業(yè)投資的審慎規(guī)劃,進(jìn)而在一部分物流業(yè)專業(yè)化投資效率追加上形成制約和削減。
本文結(jié)合數(shù)據(jù)包絡(luò)分析,進(jìn)行了針對(duì)物流業(yè)專業(yè)化投資效率的總投資效率、投資技術(shù)效率和累積規(guī)模效應(yīng)解析,并通過市場(chǎng)規(guī)模、投入程度以及政策推進(jìn)開展物流業(yè)專業(yè)化投資效率進(jìn)行物流業(yè)專業(yè)化投資效率影響因素的Tobit模型解析。結(jié)果證實(shí)了我國(guó)物流業(yè)專業(yè)化投資仍以規(guī)模化增長(zhǎng)為主,但是具備投入的基期改善條件與逐期累加效應(yīng),并且在市場(chǎng)競(jìng)爭(zhēng)規(guī)模效應(yīng)、投資效率規(guī)模增長(zhǎng)方面,獲得了物流業(yè)專業(yè)化投資效率的關(guān)聯(lián)作用,且產(chǎn)業(yè)總體上的規(guī)?;顿Y以及基期的改善效應(yīng)形成了逐期對(duì)物流業(yè)內(nèi)投資專業(yè)化的規(guī)模累加效應(yīng)。
參考文獻(xiàn):
[1]?elen A.Efficiency and Productivity(TFP)of the Turkish Electricity Distribution Companies:an Application of Two-stage(DEA&Tobit)Analysis[J].Energy Policy,2013,63(63).
[2]Lee B K.Traction Device Designed to Collect Data on Underground Cabling with Threaded Rope Double Braided[J].2015,19(7).
[3]黃慧君,趙阿瑞.基于DEA-Tobit模型的批發(fā)零售業(yè)IT投資績(jī)效實(shí)證研究[J].中國(guó)制造業(yè)信息化,2013,(2).
[4]趙楠,郭偉,邵宏宇.基于DEA-Tobit模型的裝備制造業(yè)信息技術(shù)投資效率分析[J].統(tǒng)計(jì)與決策,2009,(21).
[5]劉玉海,呂坤.中國(guó)釀酒業(yè)上市公司的效率特征及其影響因素分析——基于DEA-Tobit兩階段模型[J].財(cái)經(jīng)論叢,2010,(2).
[6]陳菲瓊,李飛,袁蘇蘇.產(chǎn)業(yè)投資基金與產(chǎn)業(yè)結(jié)構(gòu)調(diào)整:機(jī)理與路徑[J].浙江大學(xué)學(xué)報(bào):人文社會(huì)科學(xué)版,2015,45(3).