王海峰,田 強(qiáng),李金華,李曉麗
(煙臺南山學(xué)院 商學(xué)院,山東 煙臺 265713)
“一帶一路”是“絲綢之路經(jīng)濟(jì)帶”與“21世紀(jì)海上絲綢之路”的簡稱,是目前及未來我國最重要的國家級頂層設(shè)計之一。作為國民經(jīng)濟(jì)發(fā)展的基礎(chǔ)產(chǎn)業(yè),物流業(yè)的發(fā)展關(guān)系到地區(qū)經(jīng)濟(jì)的提質(zhì)增速及其他產(chǎn)業(yè)的興衰變革。衡量“一帶一路”沿線地區(qū)的物流效率,對制訂有針對性的方針政策、推動戰(zhàn)略的順利實施,以實現(xiàn)“道路聯(lián)通、貿(mào)易暢通、貨幣流通、政策溝通、人心相通”的戰(zhàn)略目標(biāo)具有重要的理論意義和現(xiàn)實意義。
目前對物流效率的研究成果基本分為兩類。一類是利用非參數(shù)方法,如數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis,DEA),該方法無需事先確定投入變量與產(chǎn)出變量之間的函數(shù)關(guān)系,是一種相對效率的測算方法。李娟[1]利用該方法中的BCC模型分析了新絲綢之路經(jīng)濟(jì)帶核心區(qū)的物流效率,發(fā)現(xiàn)各省份存在較大差距。李忠民等[2]、袁丹等[3]采用其中的Malmquist指數(shù)模型分析了陸上絲綢之路經(jīng)濟(jì)帶的物流效率,發(fā)現(xiàn)該經(jīng)濟(jì)帶物流業(yè)全要素生產(chǎn)率整體呈下降趨勢。由于數(shù)據(jù)包絡(luò)分析方法未能排除隨機(jī)擾動項的干擾,將隨機(jī)誤差等外部環(huán)境影響也納入非效率因素,使分析結(jié)果的精確性降低。因此部分學(xué)者傾向于另一種參數(shù)方法,隨機(jī)前沿分析(Stochastic Frontier Analysis,SFA)是其中的典型。它能夠消除隨機(jī)誤差的影響,使效率結(jié)果準(zhǔn)確性更高且能同時測度影響因素的作用,不少學(xué)者利用該方法分析物流效率。樊元等[4]利用SFA方法對我國不同區(qū)域的物流效率進(jìn)行了測度。范月嬌等[5]利用該方法分析了我國物流通道的生產(chǎn)效率。劉瑞娟等[6]利用該方法測算了西北5省的物流效率。目前學(xué)界的研究重心集中在陸上絲綢之路,對海上絲綢之路的關(guān)注較少,比較典型的是秦雯[7]利用超效率DEA研究了海上絲綢之路境內(nèi)省份的物流效率。對“一帶一路”沿線各省物流效率的評價研究較為稀缺,目前能公開查閱到的是連兆大運用數(shù)據(jù)包絡(luò)分析中的BCC模型對18省份物流效率的靜態(tài)分析,發(fā)現(xiàn)物流業(yè)發(fā)展在沿海省份與非沿海省份存在嚴(yán)重不平衡[8]。
盡管目前對絲綢之路沿線地區(qū)物流效率的評價研究成果較多,但仍存在以下幾方面的不足:(1)研究重心集中于陸上絲綢之路,對海上絲綢之路沿線省份缺乏關(guān)注,利用SFA方法探究“一帶一路”沿線18省份物流效率的文獻(xiàn)比較稀缺。(2)利用SFA分析區(qū)域物流效率的現(xiàn)有文獻(xiàn)中有關(guān)區(qū)位、技術(shù)和教育對物流效率影響作用的關(guān)注度較低。因此本研究在梳理現(xiàn)有文獻(xiàn)的基礎(chǔ)上,選取有關(guān)變量構(gòu)造柯布-道格拉斯生產(chǎn)函數(shù),在利用Frontier4.1軟件測算“一帶一路”沿線省份2008—2017年物流效率的同時,探究地區(qū)經(jīng)濟(jì)、地理區(qū)位、技術(shù)狀況和高教水平對物流效率的影響作用。最后針對SFA結(jié)果,提出有針對性的建議對策,以期為提升各地物流效率、促進(jìn)地區(qū)經(jīng)濟(jì)發(fā)展及推進(jìn)“一帶一路”戰(zhàn)略的順利實施提供有益參考。
SFA模型的基本表達(dá)式為:
yit=f(xit)exp(vit-uit),
(1)
式中,yit為生產(chǎn)者i在時期t的產(chǎn)出;xit為要素投入;f(·)為生產(chǎn)函數(shù), 表示生產(chǎn)者技術(shù)前沿;(vit-uit)構(gòu)成復(fù)合誤差項,其中vit為觀測誤差和其他隨機(jī)因素;uit為一個非負(fù)變量,表示技術(shù)非效率。模型的基本含義為:個別生產(chǎn)者不能達(dá)到生產(chǎn)前沿是因為受隨機(jī)擾動和技術(shù)非效率兩個因素影響。盡管這兩個影響因素都是不可觀測的,但恰當(dāng)定義的隨機(jī)擾動僅僅是一個白噪聲,多次觀測的均值為零,因而個別生產(chǎn)者的技術(shù)效率TE可以用樣本中該生產(chǎn)者的產(chǎn)出期望與隨機(jī)前沿期望的比值來確定,即:
(2)
TE為1說明決策單元位于生產(chǎn)前沿面上,表示技術(shù)有效;當(dāng)uit>0時TE<0,說明決策單元位于生產(chǎn)前沿面下方,表示技術(shù)無效。同時假設(shè)uit受多種因素影響,基本公式為:
uit=β0+δZit+εit,
(3)
式中,Zit為影響技術(shù)效率的變量;β0為常數(shù)表示截距項;εit為隨機(jī)誤差項;δ為影響因素的待估參數(shù),如果該系數(shù)小于0,表示該影響因素對式(2)技術(shù)效率TE存在正向影響,反之則為負(fù)向影響。
判斷是否適用SFA模型最關(guān)鍵的一個參數(shù)是變差率γ,其表達(dá)式為:
(4)
SFA中有生產(chǎn)函數(shù)和成本函數(shù)兩種,其中常用的生產(chǎn)函數(shù)主要是柯布-道格拉斯生產(chǎn)函數(shù)(C-D生產(chǎn)函數(shù))和超越對數(shù)生產(chǎn)函數(shù)(Translog生產(chǎn)函數(shù))。鑒于前者的模型參數(shù)有直接的經(jīng)濟(jì)學(xué)意義,在此構(gòu)造僅考慮資本K和勞動L兩種投入的柯布-道格拉斯生產(chǎn)函數(shù),取自然對數(shù)后表達(dá)式為:
lnf=β0+β1lnKit+β2lnLit+vit-μit,
(5)
式中,f為生產(chǎn)函數(shù)表示生產(chǎn)者技術(shù)前沿;Kit和Lit分別為生產(chǎn)者i在第t期的資本投入和勞動投入;β0為截距項;β1和β2分別為資本Kit和勞動Lit取自然對數(shù)后的系數(shù);vit為零均值的隨機(jī)變量;μit為測度技術(shù)非效率的隨機(jī)變量。
通常采用似然比統(tǒng)計量LR對選定的生產(chǎn)函數(shù)進(jìn)行檢驗,基本公式為:
LR=-2[lnL(H0)-lnL(H1)],
(6)
式中,L(H0)和L(H1)分別為零假設(shè)H0(有約束模型)和備擇假設(shè)H1(無約束模型)下的對數(shù)似然函數(shù)值。檢驗統(tǒng)計量服從自由度為約束變量數(shù)目的混合卡方分布。
目前學(xué)界對“一帶一路”沿線省份已基本達(dá)成共識,即陸上絲綢之路境內(nèi)地區(qū)包括內(nèi)蒙古、遼寧、吉林、黑龍江、廣西、重慶、云南、西藏、陜西、甘肅、青海、寧夏、新疆共13省份;海上絲綢之路境內(nèi)地區(qū)包括上海、浙江、福建、廣東、海南共5省份[12-13],本研究研究對象為以上18省份的物流效率。研究方法為利用Frontier4.1軟件中的一步法作SFA,在測度以上地區(qū)物流效率的同時,探究所選影響因素對物流效率的影響[14-15],研究時域為2008—2017年,數(shù)據(jù)來源于國家統(tǒng)計局。
利用SFA測度物流效率必須構(gòu)造相應(yīng)的隨機(jī)前沿生產(chǎn)函數(shù),前提是確定投入產(chǎn)出變量,而SFA只能測算1個產(chǎn)出、多個投入。鑒于目前部門統(tǒng)計中沒有單獨的物流部門,就歷年統(tǒng)計數(shù)據(jù)來看,交通運輸、倉儲及郵政業(yè)增加值占物流業(yè)增加值的85%以上。借鑒通常作法,以交通運輸、倉儲及郵政業(yè)增加值(億元)代替物流業(yè)增加值(億元)作為產(chǎn)出變量。對于投入變量的選取,通常從資本和勞動兩方面進(jìn)行考量[16]。勞動投入以歷年各地交通運輸、倉儲及郵政業(yè)從業(yè)人數(shù)(人)表示,并以交通運輸、倉儲及郵政業(yè)固定資產(chǎn)投資量(億元)作為物流業(yè)資本投入。根據(jù)資本投入對產(chǎn)出作用的時滯性和積累性,借鑒多數(shù)學(xué)者的作法,利用永續(xù)盤存法對固定資產(chǎn)投資量作相應(yīng)處理,具體公式為:
Kit=Iit+(1-δ)Ki(t-1),
(7)
式中,Kit和Ki(t-1)分別為生產(chǎn)者i在第t期和第(t-1)期的資本存量;Iit為生產(chǎn)者i在第t期的固定資產(chǎn)投資量;δ為固定資產(chǎn)折舊率,在此將δ的值確定為5%。
對于2008年的初始資本存量以當(dāng)年固定資產(chǎn)投資量的10倍代替,2009—2017年的存本存量利用式(7)中的永續(xù)盤存法處理。物流業(yè)作為復(fù)合型產(chǎn)業(yè),其發(fā)展水平不僅取決于以上投入產(chǎn)出變量,還會受到諸多其他因素的影響。通過梳理相關(guān)文獻(xiàn)后發(fā)現(xiàn),目前對區(qū)域物流效率影響因素的選取多集中在經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、居民消費水平等經(jīng)濟(jì)領(lǐng)域,有關(guān)地理區(qū)位、技術(shù)狀況和教育水平對物流效率影響作用的研究仍比較稀缺。在此,以地區(qū)生產(chǎn)總值(億元)、區(qū)位熵(%)、國內(nèi)專利申請授權(quán)項(個)、每10萬人口普通高等學(xué)校在校生人數(shù)(人)分別代表區(qū)域經(jīng)濟(jì)發(fā)展水平、地理區(qū)位、技術(shù)狀況和高教水平。在測度物流效率的同時,利用一步法檢測上述因素對物流效率的影響。其中,區(qū)位熵以各地物流業(yè)增加值與“一帶一路”沿線省份物流業(yè)增加值均值的百分比來表示,用以衡量地理區(qū)位對各省物流業(yè)效率的影響。對各指標(biāo)變量整理后得到表1。
表1 “一帶一路”沿線省份物流效率的評價指標(biāo)體系Tab.1 Evaluation indicator system of logistics efficiency of provinces along the Belt and Road Initiative
利用Frontier4.1軟件測算“一帶一路”沿線18省份的物流效率時,用一步法可直接得到生產(chǎn)函數(shù)及非效率函數(shù)的參數(shù)估計值,整理后得到表2。
根據(jù)表2,γ值等于0.999 999 99,極為接近1且通過了0.01水平的T檢驗,說明誤差主要來源于技術(shù)非效率,適合采用SFA。LR值可用于檢驗構(gòu)造的生產(chǎn)函數(shù)是否合理,在自由度為6、顯著性水平α=0.01時檢驗值為3.707,而表2中LR值為87.092 05,遠(yuǎn)大于3.707,說明構(gòu)造的柯布-道格拉斯生產(chǎn)函數(shù)通過了0.01水平的LR檢驗,即該生產(chǎn)函數(shù)是合理的,具有一定的參考價值。β1和β2分別為資本投入和勞動投入,兩個估計值都是正數(shù),符合基本預(yù)期且均通過了0.01水平的T檢驗。資本投入與勞動投入的參數(shù)之和小于1,且資本投入的參數(shù)估計值為0.360 446 47,低于勞動投入的參數(shù)估計值0.411 499 78,說明就整體而言,“一帶一路”沿線地區(qū)2008—2017年物流業(yè)在發(fā)展過程中勞動要素的貢獻(xiàn)要高于資本要素。這可能與多數(shù)物流企業(yè)由傳統(tǒng)的倉儲運輸企業(yè)轉(zhuǎn)型而來有關(guān),這類物流企業(yè)不需要高額的建設(shè)資本,但對勞動力的要求較高,并體現(xiàn)在數(shù)量和質(zhì)量兩方面。
表2 “一帶一路”沿線省份物流效率生產(chǎn)函數(shù)及非效率 函數(shù)的參數(shù)估計值Tab.2 Estimated parameters of logistics efficiency production function and non-efficiency function in provinces along the Belt and Road Initiative
就非效率函數(shù)的參數(shù)估計值來看,截距項δ0估計值為6.297 684 2,通過了0.01水平的T檢驗, 但該參數(shù)無實際的經(jīng)濟(jì)學(xué)意義。除地區(qū)經(jīng)濟(jì)的待估參數(shù)δ1通過了0.01水平的T檢驗外,區(qū)位熵的待估參數(shù)δ2、技術(shù)水平的待估參數(shù)δ3及高教水平的待估參數(shù)δ4均通過了0.1水平的T檢驗,說明這4個參數(shù)的估計值具有較高的可靠性和可信度。分析這4個參數(shù)的估計結(jié)果可以發(fā)現(xiàn),δ1,δ2和δ4均為負(fù)數(shù)而δ3為正數(shù),說明地區(qū)經(jīng)濟(jì)、區(qū)位優(yōu)勢和高等教育均對沿線省份的物流效率產(chǎn)生正向推動作用,其推動作用由大到小依次為地區(qū)經(jīng)濟(jì)、高教水平、區(qū)位優(yōu)勢,但技術(shù)進(jìn)步卻未能明顯促進(jìn)物流效率的提升。原因可能是以下幾點:(1)物流業(yè)作為第三產(chǎn)業(yè)中的重要組成部分,實質(zhì)上已成為經(jīng)濟(jì)發(fā)展的指示燈。經(jīng)濟(jì)繁榮能夠促進(jìn)當(dāng)?shù)匚锪鳂I(yè)的發(fā)展,而物流業(yè)的發(fā)展也能推動地區(qū)經(jīng)濟(jì)繁榮。(2)由于各地資源稟賦不同,具有明顯區(qū)位優(yōu)勢的省份更有利于物流業(yè)的健康發(fā)展。區(qū)位優(yōu)勢對物流業(yè)發(fā)展具有正向促進(jìn)作用,但目前這種作用相對弱小。(3)隨著各地物流業(yè)的發(fā)展尤其是傳統(tǒng)倉儲運輸企業(yè)向現(xiàn)代化多功能綜合型物流企業(yè)的轉(zhuǎn)變,對受過良好高等教育的現(xiàn)代化專業(yè)人才的需求逐漸上升,他們投身于各地物流業(yè)的建設(shè)過程中,對物流業(yè)的管理、設(shè)計、運營等多方面產(chǎn)生價值。(4)“一帶一路”沿線省份多數(shù)為中西部內(nèi)陸地區(qū),同東部地區(qū)尤其東南沿海地區(qū)的發(fā)達(dá)省份相比,在技術(shù)利用方面存在明顯不足。一方面,身處內(nèi)陸的獨特地理位置使這些地區(qū)在接觸先進(jìn)技術(shù)方面顯得較為落后,技術(shù)欠發(fā)達(dá)使多數(shù)物流企業(yè)不得不降低對技術(shù)的要求而更多地使用人力;另一方面,中西部省份在經(jīng)濟(jì)發(fā)展水平上通常處于落后地位,發(fā)展物流業(yè)需要先進(jìn)技術(shù)的推動,但在經(jīng)濟(jì)實力有限而引進(jìn)技術(shù)的成本遠(yuǎn)高于使用人力時,多數(shù)企業(yè)更傾向于以人工代替機(jī)械。這也就進(jìn)一步解釋了勞動要素的參數(shù)估計值比資本要素參數(shù)估計值更大的合理性,但隨著物流業(yè)由初級階段向成熟階段不斷演進(jìn),這種過度依賴人力的局面將自然而然地被打破。先進(jìn)技術(shù)的運用通常需要高質(zhì)量人才,但中西部省份相比東部省份而言在勞動工資方面存在明顯差異,這種差異使勞動力資源尤其是其中的優(yōu)質(zhì)勞動力不斷向東部地區(qū)流動。所以在提升技術(shù)的同時也需吸引人才,但關(guān)鍵的突破口仍是促進(jìn)地區(qū)經(jīng)濟(jì)的提質(zhì)增速。
2.3.2物流效率
利用Frontier4.1軟件進(jìn)行SFA,軟件在給出生產(chǎn)函數(shù)及效率函數(shù)的參數(shù)估計值時,也給出了各決策單元的物流效率結(jié)果,整理后得到表3。
表3 “一帶一路”沿線省份2008—2017年物流效率Tab.3 Logistics efficiencies of provinces along the Belt and Road Initiative from 2008 to 2017
根據(jù)表3,2008年“一帶一路”沿線18省份中物流效率最高和最低的分別是廣東(0.743 5)和西藏(0.126 7),物流效率在0.6以上的只有廣東、內(nèi)蒙古、福建、浙江4個省份。多數(shù)地區(qū)的物流效率低于0.5,低于0.3的包括海南、云南、西藏、青海和新疆。其中只有海南省屬于海上絲綢之路境內(nèi)省份,其余均為陸上絲綢之路所轄省份。到2017年物流效率最高和最低的省份分別是福建(0.999 895 12)和西藏(0.138 8),物流效率在0.6以上的除仍包括2008年的廣東、內(nèi)蒙古等4個省份外,還新增了遼寧、上海和廣西,而且大部分地區(qū)的物流效率已提升至0.5以上,但低于0.3的省份仍有3個,分別是云南、西藏和青海。觀察各省2008—2017年物流效率的變化情況,可以發(fā)現(xiàn)18省份大致分成3類:第1類,物流效率穩(wěn)步上升地區(qū),包括吉林、黑龍江、上海、浙江、福建、海南、廣東、廣西、重慶、新疆;第2類,物流效率相對平穩(wěn)或變化極小地區(qū),包括云南、青海和西藏;第3類,物流效率波動較大地區(qū),包括遼寧、內(nèi)蒙古、陜西、甘肅、寧夏。其中又以甘肅省情況最為特殊,物流效率由2008年的0.421 0穩(wěn)步上升至2012年的0.532 1,此后便出現(xiàn)斷崖式下跌,從2013年的0.386 4一直下降至2017年的0.301 4,成為沿線18省份中2017年物流效率低于2008年物流效率的唯一省份。將第3類省份的物流效率整理后可得到圖1。仔細(xì)觀察后發(fā)現(xiàn),這5個省份的物流效率都在2012年后出現(xiàn)不同程度的下降趨勢,這可能與2012年爆發(fā)的歐洲債務(wù)危機(jī)有關(guān)。它不僅使本已脆弱的經(jīng)濟(jì)復(fù)蘇態(tài)勢再陷困境,而且使發(fā)達(dá)經(jīng)濟(jì)體經(jīng)濟(jì)增長率持續(xù)下滑,新興市場和發(fā)展中經(jīng)濟(jì)體增速放緩[17-18]。因此整體經(jīng)濟(jì)形勢的惡化對我國的進(jìn)出口貿(mào)易造成不可避免的負(fù)面影響[19],進(jìn)而對部分地區(qū)的物流業(yè)發(fā)展產(chǎn)生消極影響,使多數(shù)省份的物流效率出現(xiàn)輕微下降趨勢。此外,這5個省份中,西北地區(qū)占了3個,即陜西、甘肅和寧夏。作為西北5省中的剩余兩省,青海的物流效率僅由2008年的0.145 8緩慢提升至2017年的0.190 1,而新疆的物流效率則由0.289 0迅速上升至0.546 6,成為西北5省中物流效率提升幅度最大的省份。這與新疆地區(qū)獨特的地理位置密不可分,該自治區(qū)恰好位于陸上絲綢之路中外交往的橋頭堡位置,這種地利優(yōu)勢對新疆物流業(yè)發(fā)展產(chǎn)生了巨大的推動作用。
圖1 “一帶一路”沿線省份2008—2017年間物流效率波動 較大省份Fig.1 Provinces along the Belt and Road Initiative with large fluctuation in logistics efficiency from 2008 to 2017
地理優(yōu)勢會對各省物流效率產(chǎn)生重要影響,在此對陸上絲綢之路與海上絲綢之路境內(nèi)省份的物流效率進(jìn)行對比。根據(jù)表3可求得“一帶一路”沿線18省份及兩條絲路沿線省份當(dāng)年的物流效率均值,進(jìn)一步整理后得到圖2。可以看出,海上絲路沿線省份的物流效率均值優(yōu)于陸上絲路沿線省份的物流效率均值,這反映了地理區(qū)位因素在兩條絲路具體線路上的不同影響。地理區(qū)位不僅造成了各地物流業(yè)發(fā)展過程中資源稟賦等方面存在的差異,也使各地在交通運輸方式的選擇上存在不同的偏好。由于沿海省份擁有數(shù)量較多的大型港口更適于運量龐大、運費低廉的海洋運輸,而內(nèi)陸地區(qū)則更傾向于傳統(tǒng)的火車運輸和汽車運輸,海洋運輸?shù)膹V泛使用可能也促使海上絲綢之路沿線省份的物流效率均值高于陸上絲綢之路沿線省份的物流效率均值。
圖2 “一帶一路”、海上絲路與陸上絲路2008-2017年 物流效率均值對比Fig.2 Comparison of average logistics efficiencies of the Belt and Road Initiative, maritime silk road and land silk road from 2008 to 2017
上述現(xiàn)象的產(chǎn)生可能也得益于沿海地區(qū)的開放程度比內(nèi)陸地區(qū)更高,與外界的商貿(mào)往來也更加頻繁,既為經(jīng)濟(jì)發(fā)展提供動力又為物流業(yè)發(fā)展創(chuàng)造機(jī)遇。以2017年為例,根據(jù)地區(qū)生產(chǎn)總值和物流業(yè)增加值情況對沿線18省份進(jìn)行排名后,整理得到表4。就地區(qū)經(jīng)濟(jì)和物流業(yè)增加值的排名情況來看,2017年海上絲路沿線5省的經(jīng)濟(jì)排名與物流業(yè)增加值排名完全一致。如果將此作為經(jīng)濟(jì)發(fā)展與物流業(yè)發(fā)展相對協(xié)調(diào)的重要體現(xiàn),這可能是海上絲路境內(nèi)省份的物流效率均值高于陸上絲路沿線省份物流效率均值的原因之一。此外,遼寧、吉林、西藏、甘肅、青海、寧夏的經(jīng)濟(jì)排名與物流業(yè)增加值排名也完全一致。這進(jìn)一步印證了SFA結(jié)果中代表經(jīng)濟(jì)發(fā)展水平的參數(shù)δ1的估計值為-0.454 857 31的合理性,該參數(shù)為負(fù)表明地區(qū)經(jīng)濟(jì)與物流業(yè)之間是一種相互影響、相互促進(jìn)的協(xié)同發(fā)展關(guān)系,其絕對值大于其他3個參數(shù)的絕對值則進(jìn)一步反映了在2008—2017年相比于區(qū)位優(yōu)勢、技術(shù)進(jìn)步和高教水平,在“一帶一路”沿線省份物流業(yè)發(fā)展過程中經(jīng)濟(jì)因素才是最主要的影響因素。
表4 “一帶一路”沿線省份2017年地區(qū)生產(chǎn)總值與物流業(yè) 增加值排名Tab.4 Ranking of regional GDPs and added values of logistics industry in 2017 in provinces along the Belt and Road Initiative
本研究以物流業(yè)增加值為產(chǎn)出變量,以物流業(yè)從業(yè)人數(shù)和經(jīng)過永續(xù)盤存法處理后的物流業(yè)固定資產(chǎn)投資量為勞動投入和資本投入,同時選取地區(qū)生產(chǎn)總值、區(qū)位熵、國內(nèi)專利申請授權(quán)項和普通高等學(xué)校在校生人數(shù)分別代表地區(qū)經(jīng)濟(jì)、地理區(qū)位、技術(shù)狀況及高等教育作為控制變量,構(gòu)造柯布-道格拉斯生產(chǎn)函數(shù)及非效率函數(shù),在采用一步法在測度“一帶一路”沿線18省份2008—2017年物流效率的同時,檢測以上控制變量對物流效率的影響作用。根據(jù)SFA結(jié)果,得出以下結(jié)論:
(1)2008—2017年間,各省物流業(yè)發(fā)展極不協(xié)調(diào),但海上絲綢之路沿線省份的物流效率整體高于陸上絲綢之路沿線省份,且兩者差距呈現(xiàn)出逐漸擴(kuò)大之勢。(2)對“一帶一路”沿線地區(qū)整體尤其是中西部地區(qū)的物流業(yè)而言,勞動要素對物流業(yè)發(fā)展的貢獻(xiàn)作用高于資本要素。(3)目前沿線地區(qū)中多數(shù)省份的物流業(yè)仍處在發(fā)展的初期階段,對先進(jìn)技術(shù)的需求相對有限,但隨著各地物流業(yè)逐漸向成熟階段演進(jìn),這種局面將被打破。(4)地區(qū)經(jīng)濟(jì)、區(qū)位優(yōu)勢、高等教育水平對物流業(yè)發(fā)展具有明顯的促進(jìn)作用,其中經(jīng)濟(jì)發(fā)展水平的作用效果最突出。其次是高教水平,最后是區(qū)位優(yōu)勢。在各地傳統(tǒng)物流企業(yè)不斷轉(zhuǎn)型升級為現(xiàn)代化全方位綜合型物流企業(yè)的過程中,對人才的需求及各類專業(yè)化人才對物流業(yè)發(fā)展的貢獻(xiàn)作用都將明顯增強(qiáng)。