郭 舉，劉俊華 GUO Ju,LIU Junhua

（內(nèi)蒙古工業(yè)大學 經(jīng)濟管理學院，內(nèi)蒙古 呼和浩特 010051）

(School of Economic and Management,Inner Mongolia University of Technology,Hohhot 010051,China)

0 引 言

隨著我國區(qū)域協(xié)調(diào)發(fā)展進程不斷推進，產(chǎn)業(yè)分工趨勢不斷增強，物流業(yè)逐漸被認為是繼降低物資消耗、提高勞動生產(chǎn)率之后的又一利潤源泉。近年來，我國物流業(yè)發(fā)展迅猛，日趨成為中國國民經(jīng)濟中至關重要的基礎服務業(yè)。物流業(yè)作為現(xiàn)代服務業(yè)的重要組成部分，對促進國民經(jīng)濟高效運行、調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、擴大內(nèi)需等都具有積極影響。但目前我國物流業(yè)發(fā)展存在一些突出問題，其中物流業(yè)效率問題一直是物流業(yè)發(fā)展的瓶頸，阻礙了我國物流業(yè)向綠色、高效和集約化方向發(fā)展。楊川梅（2014）[1]指出，中國制造業(yè)物流成本占產(chǎn)品成本的30%～40%，比發(fā)達國家高出10個百分點。因此，研究我國物流業(yè)效率及其影響因素，對節(jié)約物流成本促進我國物流業(yè)高效發(fā)展具有十分重要的意義。

目前，對于物流業(yè)效率的研究，國內(nèi)學者主要采用非參數(shù)的數(shù)據(jù)包絡分析（DEA）。劉俊華等（2014）[2]采用DEA測度了2007～2012中國西部12省區(qū)的物流業(yè)全要素生產(chǎn)率。馬?。?017）[3]運用DEA對2001～2014年陜西省物流效率進行了實證研究。但是DEA在測度效率時沒有考慮隨機誤差，所有樣本共用一個確定性生產(chǎn)前沿，估計結(jié)果容易受異常數(shù)據(jù)的影響。帶參數(shù)的隨機前沿分析（SFA）將隨機誤差項與技術無效率項分離，避免了直接將隨機誤差不恰當?shù)赜嬋爰夹g無效率中，并充分利用了每個樣本的信息，估計結(jié)果穩(wěn)健性更高，較為科學合理。因此，本文采用SFA對我國物流業(yè)效率及其影響因素進行研究。

1 SFA介紹

隨機前沿分析是一種考慮了隨機因素的帶參數(shù)前沿分析方法，以實際產(chǎn)出與隨機前沿產(chǎn)出比值作為技術效率值。SFA需要事先設定生產(chǎn)函數(shù)形式，進行模型假設，然后對模型進行檢驗，并對前沿生產(chǎn)函數(shù)進行參數(shù)估計同時對技術效率進行測度。

隨機前沿分析一般形式如下所示：

式（1）中，y表示產(chǎn)出，x表示投入，β為待估參數(shù)。隨機擾動分為兩部分：一部分用于表示統(tǒng)計誤差，被稱為隨機誤差項，用v來表示，v：iddN（0），主要由不可控因素引起，如自然災害、政策環(huán)境、測量誤差等；另一部分用于表示技術的無效率，被稱為技術無效率項，用u表示，通常假設u服從半正態(tài)、截斷正態(tài)和指數(shù)分布，技術無效率項取值在0～1之間。面向產(chǎn)出的技術效率表示為實際產(chǎn)出與前沿產(chǎn)出的比值：

在u的分布已知的情況下，利用最大似然估計可以估計出模型參數(shù)以及技術效率的平均值TE=E［exp（-u）］。根據(jù)Jondrow,Lovely Materov&Schmidt（1982）[4]提出的混合誤差分解方法，將技術效率表示為TE=exp［-E（u|ε）］，可以從混合誤差（v-u）項中分離出技術無效率項u，進而可以求出每個決策單元的效率值。

2 物流業(yè)效率SFA模型構(gòu)建

Aigner等（1977）[5]和Meeusen等（1977）[6]同時提出考慮了時間變量和隨機誤差項的基于柯布道格拉斯（Cobb-Douglas）生產(chǎn)函數(shù)的SFA模型，能利用面板數(shù)據(jù)更合理地測度技術效率。Battese等（1995）[7]巧妙地將技術效率影響因素引入SFA模型，既考慮了技術效率隨時間的變化，又能“一步”完成對技術效率及其影響因素的估計，避免了“兩步法”因技術無效率效應相互獨立假設不具有一致性而產(chǎn)生的估計結(jié)果偏差，被廣泛運用于實證研究?？虏嫉栏窭股a(chǎn)函數(shù)因為函數(shù)形式簡單且具備良好的經(jīng)濟學特性，在實證分析和應用中被廣泛使用。因此，本文選用基于柯布道格拉斯生產(chǎn)函數(shù)的Battese等（1995）提出的“一步法”SFA模型，對我國物流業(yè)效率及其影響因素進行研究。SFA模型如下所示：

式（3） 中Yt表示第t年物流業(yè)產(chǎn)出，Lt和Kt分別表示第t年物流業(yè)勞動和資產(chǎn)投入，vt表示隨機噪聲，ut表示技術無效率。。式 （4） 中 GDPt和 WMt分別表示第 t年的國內(nèi)生產(chǎn)總值和網(wǎng)民數(shù)量。β和δ表示待估參數(shù)。在既定的技術水平和要素投入條件下，面向產(chǎn)出的第t年的技術效率為：

3 數(shù)據(jù)來源與變量說明

本文所使用數(shù)據(jù)均來源于2008～2017年歷年的《中國統(tǒng)計年鑒》。由于我國國民經(jīng)濟行業(yè)分類中并沒有明確提出物流產(chǎn)業(yè)，通過歷年統(tǒng)計數(shù)據(jù)分析發(fā)現(xiàn)，我國交通運輸業(yè)增加值占物流業(yè)增加值80%以上，物流業(yè)以交通運輸業(yè)為核心，兩者高度相關，所以本文選取交通運輸業(yè)數(shù)據(jù)作為物流業(yè)數(shù)據(jù)。投入考慮勞動和資本兩個方面，以貨運周轉(zhuǎn)量（Yt，單位：億噸·公里）作為物流業(yè)產(chǎn)出。勞動投入選取的是交通運輸從業(yè)人員數(shù)（Lt，單位：人），包括鐵路運輸業(yè)、道路運輸業(yè)以及裝卸搬運和運輸代理業(yè)從業(yè)人員；資產(chǎn)投入選取的是運輸工具的數(shù)量（單位：輛），由于鐵路貨車和公路貨車差異很大，故分別考慮，鐵路貨車輛數(shù)用K1t表示，公路貨車輛數(shù)用K2t表示?？紤]的可能影響物流業(yè)效率的兩個外生變量是國內(nèi)生產(chǎn)總值（GDPt，單位：億元）和網(wǎng)民數(shù)量（WMt，單位：人）。

4 模型估計與效率分析

4.1 模型估計

運用Frontier4.1對SFA模型進行估計，估計結(jié)果如表1所示：

表1 模型估計

表1中γ值為0.99且在10%的水平下顯著，說明SFA模型是合適的。勞動投入L的系數(shù)為0.06且在5%的水平下顯著，說明每增加一單位從業(yè)人員數(shù)投入，貨物周轉(zhuǎn)量將增加0.06單位；資產(chǎn)投入K1和K2的系數(shù)分別為-2.34和-0.02，前者在20%的水平下顯著而后者不顯著，說明運輸工具投入對貨物周轉(zhuǎn)量已經(jīng)存在冗余，鐵路貨車輛數(shù)冗余情況較為明顯。外生變量GDP和WM的系數(shù)分別為-0.27和-1.01，前者不顯著，后者在10%的水平下顯著，說明國內(nèi)生產(chǎn)總值和網(wǎng)民數(shù)量對我國物流業(yè)效率均存在促進作用，國內(nèi)生產(chǎn)總值的促進作用不明顯，而網(wǎng)民數(shù)量的促進效果顯著。

4.2 效率分析

通過Frontier4.1對SFA模型完成估計，可得2007～2016年中國物流業(yè)效率估計結(jié)果，如表2所示：

表2 2007～2016年中國物流業(yè)效率

根據(jù)2007～2016年各年份中國物流業(yè)效率值，可得我國物流業(yè)效率在2007～2016年的變化趨勢如圖1所示：

圖1 2007～2016年中國物流業(yè)效率變化趨勢

由表2可知，2007～2016年我國物流業(yè)平均效率水平為0.40，效率水平較低。由圖1可以看出我國物流業(yè)效率在2007～2016年總體呈上升趨勢，僅在2014年同比回落了0.01，具體原因有待分析。

5 結(jié)論和建議

本文根據(jù)2007～2016年我國物流業(yè)相關投入產(chǎn)出數(shù)據(jù)，運用SFA對我國物流業(yè)效率及其影響因素進行了研究，得出以下結(jié)論并給出針對性建議：

近10年，我國物流業(yè)效率總體呈上升趨勢，但是平均效率水平仍然較低。網(wǎng)民數(shù)量對我國物流業(yè)效率有明顯的促進作用，政府相關部門可以通過完善我國互聯(lián)網(wǎng)基礎設施建設，優(yōu)化互聯(lián)網(wǎng)上網(wǎng)環(huán)境，提高互聯(lián)網(wǎng)服務水平，擴展農(nóng)村互聯(lián)網(wǎng)業(yè)務，提高我國網(wǎng)民數(shù)量。物流從業(yè)人員數(shù)投入能有效地提高物流貨物周轉(zhuǎn)量，因此國家可以創(chuàng)造有利條件吸納更多物流從業(yè)人員。但是運輸工具數(shù)量已經(jīng)存在冗余，單純的增加運輸工具將導致物流產(chǎn)出的下降，可減少對運輸工具進行不必要的投資，在已有基礎上進行合理調(diào)度，實施內(nèi)涵式管理，充分利用已有運輸工具。