盧美麗

(山西財經大學 工商管理學院，山西 太原 030006)

一、 引 言

物流業(yè)作為一個國家或地區(qū)經濟發(fā)展的基礎性、戰(zhàn)略性產業(yè)，其效率的高低直接影響著國家和地區(qū)的經濟狀況，進而促進或制約整個經濟的發(fā)展和成長。近年來，國家發(fā)布了一系列促進物流業(yè)發(fā)展的政策和文件，對指導各省域及全國的物流業(yè)發(fā)展起著至關重要的作用。2014年9月，國務院頒布了《物流業(yè)發(fā)展中長期規(guī)劃(2014—2020 年)》，各地區(qū)響應國家“加快發(fā)展現代物流業(yè)，促進產業(yè)結構調整、降低物流成本、提高物流效率”的要求，積極推進物流業(yè)發(fā)展，物流整體運行效率明顯提升。2018年社會物流總費用為13.3萬億元，與GDP的比率為14.8%，連續(xù)三年保持在15%以下。同時，運輸物流效率、庫存周轉效率等具體指標均有顯著提高，物流發(fā)展質量和效益穩(wěn)步提升，物流運行環(huán)境進一步改善。(1)中國物流統(tǒng)計年鑒，2019。

提高效率是經濟學和管理學研究的主要問題之一，社會經濟效率的提高很大程度上取決于企業(yè)效率的增長[1]。但企業(yè)又都置身于外部環(huán)境之中，其運行必然受到除自身因素外其他環(huán)境條件的作用[2]。因此研究物流行業(yè)的效率應同時關注物流企業(yè)的運營管理水平以及區(qū)域環(huán)境因素的作用。那么如何測度物流企業(yè)管理水平？如何認識近年來物流業(yè)效率的提升是否顯現出一致性的路徑？

本研究選取十年來省級物流數據進行研究，在計算各區(qū)域物流效率的基礎上，首次將物流企業(yè)經營管理水平納入物流業(yè)效率的影響分析，以區(qū)域A級物流企業(yè)的總數量對物流業(yè)的經營管理水平進行測度，且基于組態(tài)視角，采用更適合解釋社會現象的定性比較分析方法(Qualitative Comparative Analysis, QCA)進行實證分析，探尋提升物流業(yè)效率的具體路徑。

二、 物流業(yè)效率相關文獻綜述

對物流業(yè)效率的研究一直是學者們關注的熱點，相關文獻主要集中在效率評價方法、評價對象和影響因素分析等幾個方面。

在評價方法上，代表性的方法為參數法的隨機前沿分析(Stochastic Frontier Analysis，SFA)[3]和非參數法的數據包絡分析(Data Envelopment Analysis，DEA)模型[4]，SFA能夠區(qū)分技術無效因素和統(tǒng)計誤差對于效率的影響，但是需要設定具體函數形式、只能針對單一產出變量，并且對于誤差項的分布特點有更高要求；DEA模型不必關注生產函數的形式且可以考慮多個產出指標，在各個領域中被廣泛使用[5-6]。

評價對象方面，一般針對具體區(qū)域和企業(yè)，采用年度數據、數據平均或面板數據進行分析。范建平等(2017)[7]利用省際物流業(yè)2012年度數據，建立EBM-DEA模型研究中國物流業(yè)效率。唐建榮和盧玲珠(2013)[8]針對東部十省市區(qū)域，采用2008—2010年三年的數據對物流效率進行分析。王育紅和劉琪(2017)[9]測度了長江經濟帶11個省市的物流效率。張云鳳和王雨(2018)[10]以2008—2013年30個省級的面板數據分析低碳約束對物流產業(yè)效率的影響。張亮亮等(2019)[11]采用省際面板數據對中國物流產業(yè)技術效率進行了分析，得出了東、中、西部區(qū)域分化的結論。企業(yè)物流效率研究方面，如張毅等(2013)[12]對1999—2009年間28家物流上市企業(yè)規(guī)模效率的動態(tài)變化和影響因素進行了實證分析。國外文獻中除了針對本國層面進行研究外，也有較多學者關注不同國家物流效率的研究，如Rita(2014)[13]采用一種新的DEA-PC方法評價了29個歐洲國家的物流效率，同時將結果與原DEA方法獲得的結果進行比較。

對效率影響因素的認識上，國外文獻針對DEA模型的研究比較深入，聚焦到物流業(yè)效率的并不多。Fried等(2002)[14]認為管理無效率、環(huán)境變量和隨機噪聲三種因素會影響傳統(tǒng)DEA模型對決策單元效率的分析，但管理因素通常缺乏較好的指標進行直接衡量，所以二階段DEA選擇的解釋變量往往都表現為環(huán)境因素。但Simar和Wilson(2007)[15]認為源于因素間可能存在的相關性以及計算得到的效率值收斂速度較慢，直接進行二階段DEA的分析方法有明顯不足。三階段DEA的方法以松弛變量對被解釋變量建立線性回歸模型，將環(huán)境因素和隨機干擾的影響予以剔除，可以得到更為準確的效率值[16]，但同樣無法避免變量間的相關性，且得到的效率值只能用于對比和評價，無法與管理的具體指標進行對照衡量。國內對物流業(yè)效率影響因素的研究較多。劉秉鐮和余泳澤(2010)[17]認為物流資源利用率、區(qū)域市場化程度以及港口物流對區(qū)域物流效率有影響，實證表明經濟發(fā)展水平與區(qū)域物流業(yè)效率沒有直接的正相關關系；田剛和李南(2011)[18]考察了人力資本、制度、政府干預、開放程度及產業(yè)結構等因素對物流業(yè)技術效率的影響，其中對外開放度對物流效率有正向影響作用。張寶友等(2013)[19]在物流業(yè)效率影響因素的分析基礎上，從FDI視角得出對外開放度對物流效率的正向影響作用。陳文新和潘宇(2016)[20]運用證實性空間數據分析(CSDA)進行影響因素分析，得出對外開放度未能對物流效率產生積極影響的結論。于麗靜和陳忠全(2017)[3]發(fā)現政府支持、科技進步對物流效率產生有利影響，而環(huán)境規(guī)制強度、經濟發(fā)展水平及對外開放度未能產生積極影響。劉承良和管明明(2017)[21]認為經濟發(fā)展、市場環(huán)境、產業(yè)集聚、信息化水平、政府調控對物流業(yè)效率具有顯著的正向影響，能源強度則具有負向影響，而對外開放程度、環(huán)境規(guī)制對物流業(yè)效率的提升作用不明顯。張云鳳和王雨(2018)[10]在研究物流產業(yè)效率的影響因素時得到低碳約束和政府支持均對物流產業(yè)效率存在一定抑制作用，經濟發(fā)展水平及產業(yè)結構調整對物流產業(yè)效率有促進作用。以上文獻的實證結果說明相同因素的影響情況并不相同，且表現出方向并不一致的現象。

上述關于物流效率文獻中對影響因素的認識存在分歧，一定程度上與數據選取、變量選擇、研究方法等密切相關。第一，物流數據本身導致結果不穩(wěn)健，近年來各區(qū)域物流的發(fā)展處于高速且波動的狀態(tài)，不同年份或不同地區(qū)存在較大差異，尚未形成規(guī)律。第二，源于數據的可得性，所選取變量的內涵對變量本身的支撐作用或解釋性有限，或者關鍵變量遺漏。如較高的管理水平必然促進物流效率的提高，但因管理水平的程度不容易測度和比較，以至于所有的文獻都未能考慮這一重要指標的影響作用。第三，傳統(tǒng)統(tǒng)計方法中，回歸模型的建立基于原子視角，聚焦分析單個變量獨特的“凈效應”[22]。但社會現象發(fā)生的原因或條件之間多是相互依賴而非獨立的，自變量間常常因為相互關聯(lián)而產生多重共線性，這使得單個變量的獨特效應可能被相關變量掩蓋。雖然模型分析前可以進行多重共線性的檢驗，或者使用調節(jié)變量的方法分析，但對于三個以上的交互變量就變得難以解釋[23]。因此解釋社會現象的發(fā)生更宜于采取整體的、組合的方式，尤其對于前因表現出的多重并發(fā)性[22]，適合從組態(tài)視角探尋相應的路徑。本文的研究是首次運用組態(tài)思路對物流業(yè)效率進行的探索。

三、 研究設計及數據變量選取

(一) 物流業(yè)效率評價：數據包絡分析

針對各省級物流業(yè)的投入產出情況，使用數據包絡分析(DEA)方法對物流業(yè)效率進行評價。DEA由著名運籌學家Charnes等(1997)[24]提出，是一種基于線性規(guī)劃評價同類型組織或項目(決策單元DMU)，衡量多投入、多產出背景下工作績效相對有效性的方法。本研究選擇投入導向的BCC模型(規(guī)模報酬可變)對省級物流業(yè)效率進行評價[25]。

(二) 物流業(yè)效率提升路徑探索：定性比較分析

傳統(tǒng)的統(tǒng)計方法，如回歸分析、典型相關分析、判別分析和聚類分析等均把每個因素看成是結果的前因因素，難以揭示多個前因因素間復雜且多重并發(fā)的因果關系[23]。組態(tài)視角的研究方法，接受變量間的相互作用而非相互獨立，有些類似于化學研究中關心不同物體的不同組合在不同條件下會產生什么“化學反應”，形成何種“新物質”[23]。本研究采用更適合解釋社會現象的定性比較分析方法(QCA)探尋提升物流業(yè)效率的具體路徑。

QCA由美國社會學家Ragin于20世紀80年代提出，使用布爾代數與集合論思想進行定性與定量的跨案例比較，旨在解決因果復雜性現象，是一種“案例導向”的方法[22]。QCA主要分為清晰集QCA(csQCA)與模糊集QCA(fsQCA)，csQCA是fsQCA的一個特例，本研究采用更為廣泛使用的fsQCA進行分析。

QCA的主要特點表現為組態(tài)思維和非對稱性?；谏鐣F象中普遍存在的“多重并發(fā)因果關系”，QCA根植組態(tài)思維，采用整體視角的方法，認為“組織最好被理解為相互關聯(lián)的結構和實踐的集群而非分單元或者松散結合的實體，因而不能以孤立分析部件的方式理解組織”[26]。在確定所要解釋的特定結果和條件后，通過跨案例比較找到二者之間的邏輯關系，簡化得出產生結果的條件組合。這種組合往往不具唯一性，且多種組合間是等效的，每一組合就是一條具體的路徑，解釋不同案例“殊途同歸”的結果，并能進一步指出相應條件或條件組合是否構成“必要”條件或“充分”條件。

QCA的另一個特點為非對稱性。導致成功與失敗的原因往往是不同的，QCA方法的因果非對稱性放松了線性回歸中因果關系效應的統(tǒng)一性假定，能夠更好地解釋案例間的差異性和條件間相互依賴的組態(tài)效應[23]。

(三) 數據與變量選取

本研究數據來源《中國統(tǒng)計年鑒》，選取2008—2017年30個省、市、自治區(qū)的省級數據作為觀測樣本(因西藏數據不全，本文不予考慮)。采用張竟軼和張竟成(2016)[27]、余泳澤和武鵬(2010)[28]等的觀點，以交通運輸業(yè)、倉儲業(yè)和郵政業(yè)代表我國物流業(yè)的發(fā)展水平。

被解釋變量為物流業(yè)效率，基于投入-產出視角，定義物流業(yè)效率為在物流生產活動中經濟要素的投入與實際產出之間的比率[21]。要素的投入包括勞動和資本兩個方面，物流產出的衡量選取物流業(yè)增加值和貨物周轉量兩個指標[3]。

解釋變量是影響區(qū)域物流業(yè)效率的主要因素。物流業(yè)是物流企業(yè)的集合，管理學認為影響企業(yè)效率的因素來自兩個方面，一是企業(yè)內部的管理因素，如組織結構、業(yè)務流程、員工素質以及企業(yè)文化等；另一方面是來自企業(yè)外部的環(huán)境因素，如政治、經濟、社會文化和科技等(即PEST)，兩種因素相互影響、相互制約。政治、經濟、社會文化和科技包含的內容非常豐富，政府支持、區(qū)域經濟、開放程度和科技創(chuàng)新等常常因其較好的可測度性，用來對應反映PEST中的某些內容。

已有文獻針對研究側重點的不同，一般考慮四個或五個主要影響因素，區(qū)域的經濟發(fā)展水平、物流資源利用率、市場化程度、信息化水平、制度因素、區(qū)位因素、產業(yè)結構、物流產業(yè)集聚程度、對外開放度、政府支持和科技創(chuàng)新等這些環(huán)境因素均不同程度地出現在已有研究中，但缺乏對管理因素的分析。本研究增加管理因素的影響，將物流企業(yè)的經營管理水平納入解釋變量，同時考慮區(qū)域的政府支持、區(qū)域經濟環(huán)境、開放程度和科技創(chuàng)新這四個因素，分別代表外部環(huán)境中的政治、經濟、社會文化和科技幾個方面。5個解釋變量的選擇也比較符合QCA方法的要求，在QCA方法中k個變量會形成種組態(tài)，所以變量的增加很容易導致組態(tài)個數超過觀察案例個數，從而出現案例的有限多樣性問題，理想的變量個數一般在3～8之間[22]。

投入產出指標及所有解釋變量情況描述見表1。

表1 模型變量及其描述

1.投入指標。勞動投入以各地區(qū)物流業(yè)從業(yè)人員的工資總額反映；資本投入以各地區(qū)物流業(yè)固定資產投資額為基礎數據，使用永續(xù)盤存法估算資本存量，折舊以10%計算[17]，將2008年視為基期，基期的固定資產存量根據Goto和Suzuki(1989)[29]的方法算得。同時為消除價格因素干擾，計算資本存量時，用各省、市、自治區(qū)固定資產投資指數對固定資產投資額進行平減。

2.產出指標。為消除價格影響，各地區(qū)各年度物流業(yè)增加值均以2008年為基期，使用各省域GDP平減指數進行平減；貨物周轉量比貨運量更能反映物流實際狀況，所以我們選擇各地區(qū)貨物周轉量作為另一個產出指標。

3.解釋變量。第一個解釋變量為經營管理水平。A級物流企業(yè)綜合評估認證依據《物流企業(yè)分類與評估指標》國家標準進行，設立1A到5A五個等級，涉及企業(yè)經營狀況、資產情況、設備設施、管理及服務、人員素質、信息化水平六個維度，包含十六到十八個指標項目，所以各區(qū)域A級物流企業(yè)的總數量可在一定程度上反映該區(qū)域物流企業(yè)的經營管理水平和實力。該認證工作由中國物流與采購聯(lián)合會于每年上半年和下半年各組織一次，統(tǒng)計時將年初通過認證的企業(yè)統(tǒng)計在上一年度的A級企業(yè)總數中，下半年通過認證的企業(yè)統(tǒng)計在本年度的A級企業(yè)總數中。

其他解釋變量為環(huán)境因素。區(qū)域經濟的發(fā)展能夠有效推動物流業(yè)的發(fā)展，區(qū)域的經濟環(huán)境以各區(qū)域的GDP代表[27]，該變量能全面反映一個地區(qū)經濟發(fā)展的總體水平；為消除價格的影響，以各地區(qū)價格指數對之平減，單位為億元；開放程度以外商投資占GDP的比率來反映[15]；政府支持以物流業(yè)財政支出占財政總支出的比例表示[7]；選擇區(qū)域R&D經費指標反映地區(qū)科技創(chuàng)新水平[8]。

四、 數據分析結果

(一) 數據描述性統(tǒng)計

以下的統(tǒng)計分析均以年度進行，針對投入產出指標和影響物流效率的因素，我們首先進行逐年度描述性統(tǒng)計分析，了解變量特征。以2017年數據為例，結果見表2。

表2 2017年度研究變量的描述性統(tǒng)計分析結果

(二) 物流業(yè)效率計算

運用Deap2.1逐年度計算2008—2017年30個省、市、自治區(qū)的物流業(yè)效率，各省級具體數據見表3，表4呈現了東、中、西部及各年度物流業(yè)效率均值。

表3 2008—2017年各省(市、自治區(qū))綜合效率情況

續(xù)表3

表4 年度各區(qū)位綜合效率及平均效率情況

由表4可見，從全國來說，綜合效率平均值普遍較低，但一直在持續(xù)提升，其中純技術效率平均值偏低，規(guī)模效率平均值相對較高，且處于波動之中。所以靜態(tài)來看，較高的規(guī)模效率對相應綜合效率值的提高有明顯影響，但動態(tài)來看，純技術效率的提高對提升物流效率的貢獻較大。分區(qū)位來說，東部綜合效率整體高于中部，中部高于西部。且不同于東部和中部穩(wěn)定增長的綜合效率，西部的綜合效率在波動中出現降低趨勢。這與西部地區(qū)相對較高的物流業(yè)固定資產投資有關，統(tǒng)計2008年到2017年的十年間，東部地區(qū)的物流業(yè)固定資產投資平均增長率為13.6%，中部為17.3%，西部為23.8%。西部地區(qū)是中國未來經濟發(fā)展的戰(zhàn)略要地，其經濟提升不僅是差距填補問題，更是中國走向經濟強國的保障[30]。所以現階段仍需要繼續(xù)加強基礎設施建設和升級，使其在亞歐大陸橋的連通中重回交通運輸樞紐的作用。

(三) 物流業(yè)效率組態(tài)

結合以上計算所得的各省級綜合效率以及5個解釋變量的值，運用fsQCA方法逐年度進行具體分析。

1.變量的校準。fsQCA方法首先需要確定模糊集。模糊集不同于常規(guī)變量，必須進行校準，即對變量賦值為集合的隸屬程度[31]。校準需要結合理論和實際知識或標準設定3個臨界值：完全隸屬、交叉點以及完全不隸屬，之后將每一變量轉變?yōu)榻橛?～1之間的集合隸屬度。本研究將被解釋變量物流業(yè)高效率和5個解釋變量的3個錨點分別設定為樣本數據序列的上四分位數，上、下四分位數的均值，下四分位數[32]。非高效率的校準規(guī)則與高效率正好相反，即校準結果為高效率的非集。錨點設定后，使用fsQCA3.0軟件中的校準函數，對所有變量校準。

2.2017年組態(tài)結果。以2017年數據為例，結合fsQCA分析步驟，進行具體說明。首先需要進行必要條件分析，即檢驗單個條件(包含非狀態(tài))是否能夠成為高效率的必要條件。這取決于變量相對于結果的一致性分值，當一致性得分大于0.9時，類似于回歸統(tǒng)計分析中的系數顯著度，則可以認為該變量為被解釋結果的必要條件。通過在fsQCA3.0軟件中運行必要條件檢驗，可得各單獨變量對被解釋結果(高效率和非高效率)的一致性得分均未超過0.9，不構成必要條件。這說明單個前因條件對高(或非高)效率的解釋力都較弱。因此需要將這些前因條件同時納入fsQCA中進行組態(tài)分析，探討哪些條件的組合是導致區(qū)域物流業(yè)高(或非高)效率的充分性解釋。按照通常使用的設定方法，將案例閾值設定為1，一致性閾值設定為0.8，PRI一致性的閾值設定為0.70[23,26]，對2017年數據進行fsQCA分析，最終保留了12個高效率的案例，13個非高效率的案例。

fsQCA方法可以產生三個結果：復雜解、簡約解和中間解。中間解通常認為可以最好地反映研究結果，且若前因條件同時出現于簡約解和中間解之中，則為核心條件；若僅在中間解出現，則認為是邊緣條件。

中間解的獲得需要經過反事實分析，假設五個條件變量的出現(Present)或缺失(Absent)都有可能提升物流業(yè)效率，fsQCA軟件運行可得出產生高效率的組態(tài)(路徑)有3個(如表5所示)，其一致性指標分別為0.795、0.959、0.932，說明3個組態(tài)都是高效率的充分條件?？傮w一致性率為0.815，進一步說明覆蓋絕大部分案例的3個組態(tài)確實是高效率的充分條件。從總體覆蓋度為0.559可知，3個組態(tài)解釋了約56%的高效率原因。同時，模糊集分析得出產生非高效率的組態(tài)(路徑)有3個，總體一致率為0.872，總體覆蓋度為0.697，說明覆蓋絕大部分案例的3個組態(tài)不僅構成了非高效率的充分條件，而且解釋了約70%的非高效率原因。

表5 區(qū)域物流業(yè)高效率、非高效率的組態(tài)(2017年)

3.其他年度組態(tài)結果。以同樣的方法分析其他年度的情況如表6，結果發(fā)現2008年到2014年間，物流業(yè)高效率的組態(tài)中條件組合的情況差異明顯，且覆蓋率較低，各年度組態(tài)覆蓋率在0.178到0.383之間，平均值僅為0.271，路徑分析的意義不大。但從2015年(2)2015年有5個案例的一致率為0.786，PRI一致率為0.731，為將之納入分析，進行手動調整，將高效率一致性閾值設置為0.78，其余閾值保持不變。開始主要的高效率組態(tài)開始形成，表6顯示出2015年、2016年高效率和非高效率的各種組態(tài)。

表6 區(qū)域物流業(yè)高效率、非高效率的組態(tài)(2016、2015年)

五、 研究發(fā)現與討論

(一) 高效率主要路徑凸顯

結合表5和表6可見，從2015年開始，物流業(yè)高效率的路徑初步形成，分析組態(tài)構成變量的核心條件，可以將之概括為兩條路徑，一條是“管理開放型”(2017年和2016年的組態(tài)1a、組態(tài)1b，2015年的組態(tài)1)，另一條為“科技創(chuàng)新型”(2017年和2015年的組態(tài)2，2016年的組態(tài)2a和組態(tài)2b)。且較高覆蓋率的組態(tài)(以陰影背景標識)所表征的主要路徑在這三年中覆蓋案例完全相同，其覆蓋的九個案例分別為江蘇、廣東、浙江、福建、上海、山東、遼寧、湖北、安徽，其中七個案例來自東部地區(qū)。除了這一組態(tài)外的其他組態(tài)形式，其覆蓋率均較低。這一主要路徑的形成反映了各地物流業(yè)管理方式由粗放向集約的轉變，觀念由封閉向開放的轉變，科技由傳統(tǒng)向現代的轉變，應該是多年來國家物流政策引導和支持的結果，以及2014年9月《物流業(yè)發(fā)展中長期規(guī)劃(2014—2020年)》實施效果的初步顯現。

1.管理開放型路徑。作為覆蓋率最高且三年來比較穩(wěn)定的主要路徑，組態(tài)“5A×GDP×Open×R&D”中高經營管理水平(5A)和高開放程度(Open)是高效率的核心條件，邊緣條件為高經濟環(huán)境(GDP)和高科技創(chuàng)新(R&D)。其路徑的充分性說明經營管理水平和開放程度確實對物流業(yè)效率的提升起著重要作用。

A級物流企業(yè)評估認證工作由中國物流與采購聯(lián)合會組織實施，截至2019年1月共通告二十七批、5680家A級物流企業(yè)，越來越多的代表我國物流業(yè)發(fā)展水平和發(fā)展方向的優(yōu)質物流企業(yè)進入了A級物流企業(yè)行列。從2005年第一批26家企業(yè)通過認證，到最多在2018年8月第二十六批496家企業(yè)(包括升級企業(yè)79家)通過認證。迅速壯大的數量和不斷推進的評估工作，確實促進了全國物流企業(yè)的交流學習和示范引領，對物流行業(yè)沿著標準化、現代化、規(guī)?；较虬l(fā)展起到積極的推動作用，通過提高企業(yè)的物流管理水平，顯著提升了區(qū)域乃至全國的物流業(yè)效率。

同時，較高的經營管理水平必須和另一個核心條件——開放的區(qū)域環(huán)境相結合，才能更好地發(fā)揮作用。相對于國內資本而言，外資的投入大多涵蓋了更先進的技術、更前沿的管理水平和更活躍的創(chuàng)新氛圍，通過人力資本流動效應、示范效應、競爭效應和關聯(lián)效應對區(qū)域內企業(yè)產生技術溢出[33]，許多實證研究表明了外資溢出效應的存在和對企業(yè)、行業(yè)效率的正向影響。余永澤等(2019)[34]認為國際貿易會影響貿易雙方甚至非直接貿易第三方的生產率，尤其對進口方來說，進口學習效應和競爭效應的存在促使企業(yè)降低研發(fā)成本，變革生產理念，進而極大地促進企業(yè)的生產效率。所以開放的區(qū)域環(huán)境必將促進區(qū)域內的物流行業(yè)整體提高管理意識和管理水平，并最終表現為區(qū)域物流業(yè)的高效率。

實證結果中，東部地區(qū)的江蘇、廣東、浙江、福建、上海、山東等省市除了具備較高的經營管理水平和開放程度，其經濟環(huán)境和反映科技創(chuàng)新的R&D投入均較高，但作為邊緣條件，僅起到輔助和次要的作用；政府的支持沒有出現，說明這些地區(qū)物流業(yè)的發(fā)展更多地依靠自身內力，具有可持續(xù)性。另外，2016年和2017年的組態(tài)1b，僅包含江西省一個案例，主要依靠高的經營管理水平和開放程度取得高效率，這一組態(tài)中經濟環(huán)境、政府支持和科技創(chuàng)新均不高。

2.科技創(chuàng)新型路徑。一個地區(qū)的科研創(chuàng)新氛圍越強，越有利于知識、技術等創(chuàng)新資源在本區(qū)域快速流動，促進創(chuàng)新溢出與創(chuàng)新吸收，最終提高本地區(qū)企業(yè)的創(chuàng)新能力和運營效率[35]。

2017年組態(tài)2、2016年組態(tài)2a以及2015年組態(tài)2中均包含河北、河南兩個省份，他們共同的表現是R&D投入相對較多，同時經濟環(huán)境良好。雖然經濟環(huán)境在2017年表現為核心因素，在2016年和2015年表現為邊緣條件，但也說明僅有一個科技創(chuàng)新的條件還不充分，需要2個條件共同具備才構成一條充分條件的路徑，在這一路徑中其他三個條件均處于非高狀況。2016年組態(tài)2b包含兩個案例，天津和北京，除了較好的科技創(chuàng)新環(huán)境外，同時具有較高的開放程度。雖然開放程度作為邊緣條件，但必不可少，另外三個條件或者是核心條件、或者是邊緣條件，但均為非高狀態(tài)。

因此，在經濟環(huán)境良好的基礎條件上，應該提高科技創(chuàng)新能力，營造良好的科研氛圍，加大基礎研究向核心技術研發(fā)再到科技成果轉化的力度。大力推進新技術在物流業(yè)的應用，促進創(chuàng)新資源在本區(qū)域的快速流動，同時要提高開放程度，增強創(chuàng)新要素在國內外的流動交互，實現科技創(chuàng)新要素的最優(yōu)配置。

(二) 非高效率路徑表現為政策依賴

非高效率路徑表現出與高效率路徑的非對稱性，以2017年為例，組態(tài)1為“～5A×～GDP×Gove×～RandD”，其中“～GDP和Gove”為核心因素，可見導致非高效率的原因主要在于非高的GDP和高的政策支持，我們稱這一路徑為“政策依賴型”。此組態(tài)的一致性為0.876，原始覆蓋率為0.614，包含11個案例，具體有海南、甘肅、貴州、寧夏、云南、青海、吉林、陜西、內蒙古、新疆和北京。另外兩個組態(tài)原始覆蓋率較低，如組態(tài)1包含重慶和北京兩個案例，組態(tài)2僅有四川一個案例，其核心因素中除了政府支持外，另一個核心因素為非高的經營管理水平或非開放，我們稱之為“混合型”路徑。

1.政策依賴型路徑。政府支持會促進物流業(yè)的發(fā)展，其效率如何須結合實際情況具體分析，但一般來說，主要依賴政府支持肯定不能形成高效率的結果。表7進一步將十年期間物流業(yè)低效率的情況對比分析，發(fā)現2010年、2012年、2015年、2017年均有一條相同的路徑，即“～5A×～GDP×Gove×～RandD”，其中“～GDP和Gove”為核心因素，一致率均在0.8以上，說明這一組態(tài)構成非高效率的充分條件，覆蓋率逐漸增大，表明其對非高效率的解釋力越來越強。且若將2014年一致率為0.750，PRI一致率為0.695的9個案例，2016年一致率為0.771，PRI一致率為0.693的10個案例進行手動調整，結果相似，但其他年度一致率的差距較大，且覆蓋率普遍較低。表7中列出四個年度的具體情況，其他年度均不進行詳細分析。

表7 物流產業(yè)非高效率政策依賴型路徑在幾個年度中的特征

表7可見，非高效率主要集中在青海、貴州、云南、新疆、陜西、甘肅等西部地區(qū)，這與西部整體的經濟發(fā)展是相一致的。物流業(yè)處于較低水平的經濟環(huán)境中，經營管理水平、科技創(chuàng)新力度均表現不足，主要依靠政府財政投入的支持促進其發(fā)展，所以下一階段需盡快打造內力，依托管理和科技進步向高效率、高質量的方式轉變。

2.混合型路徑。除以上“政策依賴型”路徑外，其他非高效率路徑一致率低于0.2，覆蓋1個或2個案例，且共性較差，稱之為混合型，僅表明尚有其他路徑的存在。

六、 結論與啟示

(一) 結 論

近年來在國家一系列物流政策的引導和推動下，全國物流業(yè)高速發(fā)展，但各省市物流產業(yè)的實際效率存在較大差異。2019年2月底，國家推出《關于推動物流高質量發(fā)展促進形成強大國內市場的意見》，《意見》中指出，物流高質量發(fā)展是經濟高質量發(fā)展的重要組成部分，也是推動經濟高質量發(fā)展不可或缺的重要力量。所以我們不僅要認識到經濟對物流的影響，更要認識到物流高質量發(fā)展將成為當前和今后一段時期改善產業(yè)發(fā)展和投資環(huán)境的重要抓手，是培育區(qū)域經濟發(fā)展新動能的關鍵。本研究基于組態(tài)視角分析物流業(yè)高效率和非高效率路徑的構成，給各省市物流發(fā)展以更多啟示，主要研究結論為：(1)近十年以來，我國物流業(yè)效率呈現提高趨勢，具體表現為規(guī)模效率相對較高且逐年略有波動，純技術效率較低尚有較大提升空間。(2)2015年以來的三年中，形成了兩條高效率路徑。管理開放型路徑覆蓋率較高，物流企業(yè)經營管理水平和開放程度是物流效率提升的核心因素；科技創(chuàng)新型路徑覆蓋案例較少，R&D投入和經濟環(huán)境或開放程度是其核心要素。(3)符合非對稱性特征，覆蓋率較高的一條非高效率路徑中，非高的GDP和政府支持是核心因素，稱之為政策依賴型路徑。

本研究的理論貢獻主要表現在：首次考慮經營管理水平對物流業(yè)效率的影響，以區(qū)域A級物流企業(yè)的總數量對物流業(yè)的經營管理水平進行測度，為以后的研究提供了指標選用的較好參照；采用更適合于解釋社會現象的QCA方法，將組態(tài)思維引入物流效率影響因素的實證分析，對解釋以前文獻中不同學者得到的因素相?，F象提供新的理論視角，為進一步研究物流業(yè)高質量的發(fā)展奠定基礎。

(二) 啟 示

本研究的結論對于區(qū)域發(fā)展的主要啟示，表現在以下幾個方面：

1.繼續(xù)注重對西部地區(qū)的政策支持。西部地區(qū)普遍表現出“政策依賴型”的路徑，驗證了國家高投入支持西部發(fā)展建設，但現階段仍處于較低物流效率的實際狀態(tài)。注重培訓、強化交流、協(xié)會引領，提升物流企業(yè)經營管理水平，是國家、協(xié)會以及西部省區(qū)自身都應該重視的工作。

2.加大科技投入。“科技創(chuàng)新型”組態(tài)雖然出現，但覆蓋率較低，表明我國各省、市、自治區(qū)普遍存在R&D投入不足的現象。事實上，即使物流業(yè)自身的發(fā)展，新技術的應用也仍處于相對落后的狀態(tài)。

3.注重物流企業(yè)的內功修養(yǎng)，提高經營管理水平和科技創(chuàng)新能力。增強物流高效率發(fā)展的內生動力主要來自于經營管理水平和科技創(chuàng)新能力的提高。目前東部省市“管理開放型”組態(tài)的形成，為全國物流業(yè)的發(fā)展提供了較好的經驗和明確的路徑。以推動物流高質量發(fā)展為契機，開放心態(tài)，學習標桿，首先提高經營管理水平是中西部地區(qū)的物流企業(yè)發(fā)展提升的關鍵所在。山西省正在出臺相關政策，引導物流企業(yè)積極申報A級企業(yè)的評估，以期提高區(qū)域物流企業(yè)的管理水平。

雖然本研究的結論對物流業(yè)發(fā)展有一定的理論和實踐意義，但在研究中尚有諸多不足，如影響因素的分析未結合市場化程度、空間相鄰、產業(yè)集聚等更多指標進行，可能導致其他有效路徑未被發(fā)現，且本研究未結合環(huán)境規(guī)制做相應分析，這在倡導綠色物流發(fā)展的今天，都是進一步研究應該予以關注的重點。