劉 莉，孟慶浩

(湖南工業(yè)大學(xué) 商學(xué)院， 湖南 株洲 412007)

一、研究背景

近年來，隨著我國經(jīng)濟的快速發(fā)展，物流業(yè)得到了快速發(fā)展。物流業(yè)是我國經(jīng)濟發(fā)展的動脈，是極具發(fā)展前景的戰(zhàn)略性復(fù)合型產(chǎn)業(yè)[1]。資源的有效利用一直以來是經(jīng)濟學(xué)領(lǐng)域的熱點研究問題，物流產(chǎn)業(yè)效率的研究對產(chǎn)業(yè)的振興與發(fā)展具有重要作用[2]。我國中部地帶地理位置處于東西地帶交界處，擁有豐富資源和雄厚的工業(yè)基礎(chǔ)，又是全國的重要交通樞紐，使得中部地帶物流業(yè)的發(fā)展速度較快。尤其是在 “供給側(cè)”改革的過程中，物流業(yè)降本增效取得了戰(zhàn)略性成果[3]。中部地帶物流產(chǎn)業(yè)從傳統(tǒng)的側(cè)重速度的發(fā)展方式逐漸向側(cè)重效率和質(zhì)量的發(fā)展方式轉(zhuǎn)變，對中部地區(qū)經(jīng)濟發(fā)展發(fā)揮著越來越重要的作用。

現(xiàn)代物流業(yè)對經(jīng)濟發(fā)展有著重要作用，物流效率成為國內(nèi)外研究的熱點問題。國外學(xué)者研究主要集中在宏觀和微觀角度評價物流效率的主體。在宏觀角度研究方面，Sch?yen等運用數(shù)據(jù)包絡(luò)分析法(Data Envelopment Analysis,DEA)的CCR模型對2002—2008年挪威等北歐國家以及英國物流產(chǎn)業(yè)的關(guān)鍵節(jié)點(集裝箱港口)的技術(shù)效率和規(guī)模效率進行了研究[4]。Markovits-Somogyi等提出了一種新的DEA-PC(成對比較)評估效率的新方法，將數(shù)據(jù)包絡(luò)分析法與層次分析法相結(jié)合來研究歐洲29個國家的物流產(chǎn)業(yè)效率[5]。在微觀角度研究方面，相關(guān)研究主要集中在物流企業(yè)的效率和績效方面，Ross等結(jié)合DEA方法建立了新型綜合標桿分析法對配送企業(yè)的生產(chǎn)率進行了分析[6]。Zhou等提出中國第三方物流企業(yè)效率評價準則，并分析中國第三方物流企業(yè)提高物流競爭力的方法[7]。Zhang等從財務(wù)、客戶、業(yè)務(wù)和創(chuàng)新4個層面建立了適合中國第三方中小物流企業(yè)的績效評價指標體系[8]。Shaik等研究了對企業(yè)逆向物流效率提高的新方法，使用一種稱為決策試驗和評估實驗室(DEMATEL)的有效方法進行分析，并提出了改善企業(yè)績效的建議[2]。

國內(nèi)學(xué)者對物流產(chǎn)業(yè)效率的研究主要集中在宏觀區(qū)域物流產(chǎn)業(yè)效率方面。例如，唐建榮等人運用方向距離函數(shù)模型測算中國31個省的物流產(chǎn)業(yè)效率，得知中國物流產(chǎn)業(yè)效率總體上呈現(xiàn)下降趨勢，物流產(chǎn)業(yè)效率區(qū)域差異明顯，物流產(chǎn)業(yè)效率在空間上呈現(xiàn)顯著的正相關(guān)性[9]。鄭秀娟使用改進的隨機前沿模型，對物流業(yè)技術(shù)效率增進的時空差異驗證，證實了全國物流產(chǎn)業(yè)規(guī)模效率的增長，未獲得技術(shù)效率的遞增，而且局部地區(qū)物流產(chǎn)業(yè)效率不平衡[10]。魏國辰等人以從業(yè)人員、固定資產(chǎn)投入和物流網(wǎng)絡(luò)里程數(shù)為投入要素，貨運量和物流業(yè)產(chǎn)值增加值為輸出變量，使用超效率DEA模型對長江經(jīng)濟帶物流產(chǎn)進行了分析[11]。楊傳明考慮經(jīng)濟增長與環(huán)境負荷關(guān)系，應(yīng)用三階段DEA模型，測算低碳約束下江蘇物流產(chǎn)業(yè)效率，實證結(jié)果顯示，江蘇在沿海省份中產(chǎn)業(yè)效率處于中上水平，技術(shù)效率和規(guī)模效率仍需提升[12]。

綜上所述，學(xué)者對于物流產(chǎn)業(yè)效率的研究主要集中于區(qū)域時空差異性分析、低碳方面的物流效率、地區(qū)物流產(chǎn)業(yè)效率影響因素分析的研究等。在研究區(qū)域，主要集中在全國省市、西部地區(qū)以及對省份的物流產(chǎn)業(yè)效率研究，而對中部地帶物流產(chǎn)業(yè)效率的研究則比較少。在研究方法上，呈現(xiàn)多樣化和多種方法結(jié)合的趨勢，這也導(dǎo)致研究結(jié)論的差異性。學(xué)者對于物流產(chǎn)業(yè)效率的測量的關(guān)注較多，但是對于影響物流產(chǎn)業(yè)效率的影響因素分析偏少。因此，本文使用三階段DEA模型對中部地帶各省市物流產(chǎn)業(yè)效率進行測算，三階段DEA模型優(yōu)于傳統(tǒng)DEA模型，可以剔除環(huán)境因素和隨機因素對效率測算的影響，能更加真實地反映效率情況，從而更真實地分析中部地帶物流業(yè)的現(xiàn)狀，為中部地帶物流產(chǎn)業(yè)的發(fā)展提供參考。

二、研究方法

1978年，數(shù)據(jù)包絡(luò)分析法(Data Envelopment Analysis,DEA)是由3位著名運籌學(xué)家A.Charnes、W.W.Cooper和E.Rhodes首次提出的，此時被稱為“一階段”DEA或傳統(tǒng)DEA。之后，F(xiàn)ried等指出傳統(tǒng)DEA模型未考慮環(huán)境因素，他們探討并提出了剔除環(huán)境因素對評價的影響，此時被稱為“二階段”DEA[13]。后來，F(xiàn)ried等考慮環(huán)境因素和隨機噪聲對評價對象的影響，剔除了傳統(tǒng)DEA未考慮到的環(huán)境因素和隨機噪聲，以能更加準確地分析決策單元內(nèi)部管理無效率的問題，此過程被稱為“三階段”DEA[14]。為更加準確測算中部地帶物流產(chǎn)業(yè)效率，本文使用三階段DEA模型對中部地帶物流產(chǎn)業(yè)效率進行測算。下面具體介紹三階段DEA的步驟。

(一)第一階段：傳統(tǒng)DEA測算

A.Charnes等人于1978年提出的數(shù)據(jù)包絡(luò)分析法(Data Envelopment Analysis,DEA)是運用運籌學(xué)模型對多個相同類型的輸入和輸出的決策單元(Decision Making Unit,DMU)進行相對效率評估的線性規(guī)劃方法[15]。物流產(chǎn)業(yè)包含的范圍廣，對物流產(chǎn)業(yè)效率評價的指標也比較多，并且各指標之間具體的函數(shù)關(guān)系確定困難，而DEA模型有著使用方便和應(yīng)用廣泛的特征，適用于解決指標間不確定函數(shù)關(guān)系。DEA模型主要包括規(guī)模報酬不變的模型(CCR)和規(guī)模報酬可變的模型(BCC)，本文使用BCC模型對中部地帶物流產(chǎn)業(yè)效率進行分析，計算出物流產(chǎn)業(yè)效率值、投入目標值和松弛變量值等結(jié)果。BCC模型如式(1)所示。

(1)

式中:α1，α2,…,αn為對偶變量；s-,s+為松弛變量；β為各決策變量(DMU)的技術(shù)效率值(TE)。

(二)第二階段：隨機前沿模型(SFA)回歸和調(diào)整變量

1.SFA模型回歸

傳統(tǒng)的DEA模型在測算效率時，實際上會受到環(huán)境因素、隨機噪聲和管理無效率的影響。第二階段主要考察(SFA)模型的必要性和對原始投入變量進行調(diào)整。構(gòu)造SFA模型，以第一階段DEA測得松弛變量作為第二階段SFA的被解釋變量，用外部環(huán)境和隨機誤差作為解釋變量進行回歸分析，從而準確反映管理無效率對決策單元的影響。SFA回歸模型公式如公式(2)所示。

Snk=fn(Zk；βn)+Vnk+Unk；n=1,2,3,…,N；k=1,2,3,…,K

(2)

2.調(diào)整變量

(1)對于投入變量的調(diào)整，關(guān)鍵點是如何將綜合誤差項分離隨機誤差項Vnk和對管理無效率的估計公式確定。本文借鑒陳巍巍[17]、Jondrow[19]、羅登躍[20]等學(xué)者所采用的管理無效率估計公式：

(3)

(2)在對決策單元投入變量進行調(diào)整，剔除外部環(huán)境和隨機因素的影響時，本文采用增加法調(diào)整投入要素:

n=1,2,3，…，N；k=1,2,3，…，K

(三)第三階段：將調(diào)整后的變量用DEA模型測算

三、指標選擇及數(shù)據(jù)來源

(一)物流產(chǎn)業(yè)投入產(chǎn)出指標選擇及數(shù)據(jù)來源

目前，國內(nèi)外的產(chǎn)業(yè)體系都沒有對“物流產(chǎn)業(yè)”進行明確的劃分?，F(xiàn)在物流產(chǎn)業(yè)是交通運輸、倉儲和郵電等行業(yè)的復(fù)合型服務(wù)行業(yè)，而且據(jù)最新的《中國物流統(tǒng)計年鑒》顯示，中國的交通運輸、倉儲和郵電業(yè)產(chǎn)值在物流總產(chǎn)值上占的比重較大，達到80%以上，故選擇交通運輸、倉儲和郵電業(yè)的數(shù)據(jù)來反映物流業(yè)的發(fā)展水平[12]。本文以中國中部地帶8省市，即山西省、吉林省、黑龍江省、安徽省、江西省、河南省、湖北省、湖南省為研究對象，將研究區(qū)間2013—2017年指標數(shù)據(jù)取平均值[17，21]來進行研究，研究的數(shù)據(jù)來源于2013—2017年《中國統(tǒng)計年鑒》以及各省份的省市統(tǒng)計年鑒。

1.投入指標選擇

2.產(chǎn)出指標選擇

物流產(chǎn)業(yè)產(chǎn)出指標主要體現(xiàn)在物流業(yè)增加值、貨物周轉(zhuǎn)量兩個方面。結(jié)合相關(guān)文獻和中部地帶實際情況，本文選取物流業(yè)增加值和貨物周轉(zhuǎn)量作為測算中部地帶物流效率產(chǎn)出指標。物流業(yè)增加值(單位：億元)以交通運輸、倉儲和郵政業(yè)的增加值數(shù)據(jù)表示。貨物周轉(zhuǎn)量(億噸/公里)采用鐵路、內(nèi)河、公路3種運輸方式總和進行衡量。

(二)環(huán)境變量的選擇

通過查閱相關(guān)文獻可知，影響物流產(chǎn)業(yè)效率的因素一般包括經(jīng)濟發(fā)展水平、政府支持、區(qū)位優(yōu)勢等因素[24]。基于對以往文獻的分析和地區(qū)物流產(chǎn)業(yè)的狀況，結(jié)合數(shù)據(jù)的可得性和研究的目的，本文進行研究所采用的物流產(chǎn)業(yè)的影響因素包括經(jīng)濟發(fā)展水平、政府支持等方面。政府支持度(%)，政府對物流業(yè)從資金和政策的支持，對物流業(yè)的發(fā)展有著極大的幫助作用。本文采用交通運輸、倉儲和郵政業(yè)支出占全國財政支出的比重衡量[25]，可以更加宏觀地評價政府對物流業(yè)的重視程度。經(jīng)濟發(fā)展水平(億元)、地區(qū)經(jīng)濟發(fā)展水平高低對物流業(yè)的發(fā)展有重要的影響,本文采用各省市的GDP總值衡量[26]。

四、基于三階段DEA的中部地帶物流產(chǎn)業(yè)效率的實證分析

文中中部地帶由最新三分法將中國劃分成東部、中部和西部地帶，其中中部地帶包含山西省、吉林省、黑龍江省、安徽省、江西省、河南省、湖北省、湖南省等8省[27-28]。根據(jù)上文對物流產(chǎn)業(yè)效率投入和產(chǎn)出指標以及影響因素的選擇，接下來對中部地帶物流產(chǎn)業(yè)效率的研究分3個階段進行。第一階段，運用DEA模型對中部地帶物流產(chǎn)業(yè)效率進行測算和分析。第二階段，以第一階段各投入變量的松弛變量作為被解釋變量，以經(jīng)濟發(fā)展水平和政府支持作為解釋變量，建立SFA模型進行回歸分析及對投入指標進行調(diào)整。第三階段，根據(jù)第二階段調(diào)整過后的投入指標，重復(fù)第一階段的中部地帶物流產(chǎn)業(yè)效率的測算。

(一)第一階段傳統(tǒng)DEA實證結(jié)果

測算中部地帶物流產(chǎn)業(yè)效率是對中部地帶各省市分析物流業(yè)情況的基礎(chǔ)。根據(jù)上文設(shè)定的投入和產(chǎn)出指標，同時在獲取2013—2017年的中部地帶8省市的物流產(chǎn)業(yè)的面板數(shù)據(jù)的基礎(chǔ)上，選取投入導(dǎo)向的BBC模型測算各省市的物流業(yè)發(fā)展水平。對中部地帶物流產(chǎn)業(yè)效率進行測算可以得到綜合效率(TE)、技術(shù)效率(PTE)和規(guī)模技術(shù)效率(SE)。中部地帶各省市的綜合效率(TE)反映了各地區(qū)物流業(yè)的資源配置能力、資源使用效率等多方面的能力；技術(shù)效率(PTE)反映了各地區(qū)物流產(chǎn)業(yè)的管理水平和技術(shù)進步的情況，是在考慮管理、技術(shù)等因素下的效率；規(guī)模效率(SE)反映了各地區(qū)物流業(yè)的規(guī)模水平和增長的空間的情況，是在考慮自身規(guī)模影響下的效率。利用DEAP 2.1軟件計算2013—2017年的中部地帶8個省市的物流產(chǎn)業(yè)效率結(jié)果如表1所示。

表1 2013—2017年中部地帶物流產(chǎn)業(yè)效率值

由表1可知，在不考慮環(huán)境因素和隨機因素的情況下，可以得出以下結(jié)論：

(1)整體而言，中部地帶各省的物流產(chǎn)業(yè)效率的平均綜合效率為0.923，平均技術(shù)效率為0.964，平均規(guī)模效率為0.955。其中，山西省、安徽省、江西省、河南省和湖南省物流產(chǎn)業(yè)效率達到最優(yōu)，DEA值為1，說明這5個省的物流產(chǎn)業(yè)效率投入和產(chǎn)出處于最好狀態(tài)；而從吉林省、黑龍江省和湖北省物流效率觀測值可知，中部物流產(chǎn)業(yè)效率未達到效率的前沿面，大多數(shù)效率都低于中部地帶效率的均值，說明這3個省的物流產(chǎn)業(yè)效率水平較低。

(2)吉林省、黑龍江省和湖北省的物流效率觀測值雖未達到效率的前沿面，但各省的規(guī)模報酬都處于規(guī)模報酬遞增的狀態(tài)，說明吉林省、黑龍江省和湖北省應(yīng)當(dāng)在現(xiàn)有的管理水平下，增加資源的投入，從而提升地區(qū)物流產(chǎn)業(yè)效率。

(3)從對各省市的物流效率分析來看，吉林省技術(shù)效率達到效率前沿面，而規(guī)模效率僅為0.823，說明吉林省的物流業(yè)有較好技術(shù)和管理水平，該省的物流產(chǎn)業(yè)效率在規(guī)模上有較大的提升空間。

(二) 第二階段SFA回歸結(jié)果

從上文對中部地帶8個省市物流產(chǎn)業(yè)效率的分析過程中，可以發(fā)現(xiàn)中部地帶物流產(chǎn)業(yè)技術(shù)效率整體水平不高，有一定的提升空間。為了剔除環(huán)境因素和隨機擾動項對中部地帶物流產(chǎn)業(yè)效率測算的影響，將決策單元處在相同的外部環(huán)境和運氣成分，使得測算的中部地帶物流產(chǎn)業(yè)效率更加精確、更能真實反映中部地帶物流業(yè)情況。以第一階段測算結(jié)果的各投入變量的松弛變量作為被解釋變量，以經(jīng)濟發(fā)展水平和政府支持作為解釋變量，建立SFA模型，運用Frontier 4.1軟件對模型進行極大似然法(MLE)估計，測算的回歸系數(shù)大于0時，表示外部環(huán)境(解釋變量)增大將導(dǎo)致投入冗余增加；回歸系數(shù)小于0時，表示外部環(huán)境(解釋變量)增大將導(dǎo)致投入冗余減小。SFA模型回歸的結(jié)果如表2所示。

表2 SFA回歸模型結(jié)果

從表2顯示的結(jié)果可以看出，管理無效率對總方差的影響較大，管理因素是影響投入變量冗余的主要因素,回歸方程結(jié)果的值均為0.999，接近于1，且通過1%的顯著性水平的檢驗,說明了SFA模型使用的必要性。所有的環(huán)境變量和投入松弛變量回歸系數(shù)均通過顯著性檢驗，說明了環(huán)境變量的選取合理,各個環(huán)境指標對投入松弛變量冗余有顯著的影響。從表2中可以看，經(jīng)濟發(fā)展水平和政府支持對3個投入指標——物流營運里程、物流業(yè)就業(yè)人員數(shù)、物流固定投資的松弛變量的回歸系數(shù)為正數(shù)，表明經(jīng)濟發(fā)展水平提高和政府支持力度的增加使物流營運里程、物流業(yè)就業(yè)人員數(shù)、物流固定投資冗余增加，反映了我國“粗放型”的經(jīng)濟狀況，存在盲目投資、重復(fù)建設(shè)等等問題。經(jīng)濟發(fā)展水平的提高和政府對物流業(yè)的支持引得大量的勞動力從事物流行業(yè)，致使物流行業(yè)勞動力冗余，不利于地區(qū)物流產(chǎn)業(yè)效率的提升。

本文從投入角度來測算物流產(chǎn)業(yè)效率。根據(jù)上文提到的管理無效率的分離公式和增加法剔除外部環(huán)境和隨機因素公式，對原投入變量進行調(diào)整，得到新的決策單元的投入變量，各省的調(diào)整前后的投入變量如表3所示。

表3 調(diào)整前后投入變量

(三)第三階段投入調(diào)整后的DEA實證結(jié)果

在經(jīng)過第二階段SFA模型對2013—2017年中部地帶物流產(chǎn)業(yè)的投入變量進行調(diào)整后，調(diào)整后投入變量作為第三階段測算中部地帶的物流產(chǎn)業(yè)效率的投入變量，使用DEAP 2.1軟件再次重復(fù)第一階段過程，用投入角度BBC模型進行中部地帶物流產(chǎn)業(yè)效率測算。第一階段和第三階段的結(jié)果如表4所示。

表4 第一階段和第三階段中部地帶物流產(chǎn)業(yè)效率值

對表3中第一階段和第三階段中部地帶各省市物流產(chǎn)業(yè)效率測算結(jié)果分析如下：

(1)從整個中部地帶分析，第一階段和第三階段測算的中部地帶物流產(chǎn)業(yè)效率平均值有明顯的變化，綜合效率平均值由原來的0.926下降到0.923，規(guī)模效率值由原有的0.959降至0.955，而技術(shù)效率值由原來的0.963增加為0.964，規(guī)模報酬整體保持不變。說明在未剔除外部環(huán)境和隨機因素時，測算的中部地帶物流產(chǎn)業(yè)效率的效率值不準確。中部地帶物流產(chǎn)業(yè)效率各效率的平均值均在0.923以上，說明中部地帶物流產(chǎn)業(yè)效率整體有著較高的水平。

(2)從各省份角度分析，各省份間物流產(chǎn)業(yè)效率差異較大。① 調(diào)整前后，山西省、安徽省、江西省、河南省和湖南省的物流產(chǎn)業(yè)效率仍然處在效率前沿面，說明這五省物流業(yè)在資源使用方面合理；② 吉林省、黑龍江省、湖北省三省物流產(chǎn)業(yè)效率未達到效率前沿面，而且效率相差較大，說明整個中部地帶各省份間物流產(chǎn)業(yè)效率非常不協(xié)調(diào)。③ 調(diào)整后，黑龍江省和湖北省技術(shù)效率均高于第一階段測算的效率，說明這兩個省的實際技術(shù)效率優(yōu)于表現(xiàn)出的水平，環(huán)境因素和隨機因素對效率有負面影響。④ 吉林省、黑龍江省和湖北省的第三階段測算的規(guī)模效率高于第一階段測算的效率，說明這3個省的規(guī)模效率被高估，影響這3個省物流產(chǎn)業(yè)效率的關(guān)鍵因素是規(guī)模。⑤ 中部地帶物流產(chǎn)業(yè)效率的規(guī)模報酬各省份不變，吉林省、黑龍江省和湖北省保持規(guī)模報酬遞增狀況，說明這3個省雖未達到效率的前沿面，但這3個省的物流業(yè)仍處于增長的狀況。

五 、研究結(jié)論及建議

本文使用中部經(jīng)濟地帶物流業(yè)2013—2017年的面板數(shù)據(jù)，采用三階段DEA模型，對中部地帶物流產(chǎn)業(yè)效率進行測算，剔除環(huán)境因素和隨機因素的影響，使中部地帶物流產(chǎn)業(yè)效率更加實際和準確，主要研究結(jié)論如下：

(1)根據(jù)第一、三階段物流產(chǎn)業(yè)效率的對比發(fā)現(xiàn)，效率值存在不同層次變化。吉林省、黑龍江省和湖北省的規(guī)模效率均被高估，而且黑龍江省和湖北省技術(shù)效率均被低估，說明外部環(huán)境和隨機因素對中部地帶物流產(chǎn)業(yè)效率測算的影響較明顯，使用三階段DEA模型是有必要的。

(2)使用三階段DEA模型對中部地帶物流產(chǎn)業(yè)效率進行研究后發(fā)現(xiàn)，中部地帶的物流產(chǎn)業(yè)效率有較高的水平，但地區(qū)間差異較大；雖然吉林省、黑龍江省和湖北省未達到效率前沿面，但是這些省份的狀況均處于增長。除此之外，規(guī)模因素是制約整個中部地帶物流產(chǎn)業(yè)效率提高的重要因素，中部地帶應(yīng)當(dāng)合理增加物流業(yè)規(guī)模并做到技術(shù)進步，從而促進整個中部地帶物流業(yè)又好又健康的發(fā)展。

六、研究局限及后期研究打算

本文的研究還存在一定的局限性。首先，對中部經(jīng)濟地帶進行測算分析時，鑒于指標數(shù)據(jù)的可得性，未對碳排放、創(chuàng)新等方面未考慮在內(nèi)；其次，在二階段中，選擇的影響因素不全面，在政府支持指標方面的選擇上未能完全體現(xiàn)政策差異性；最后，在測算物流產(chǎn)業(yè)效率時，本文使用的三階段DEA模型，未考慮其他評估方法。故擬在以后的研究中增加從可持續(xù)發(fā)展和創(chuàng)新的角度對物流產(chǎn)業(yè)效率進行研究，并在指標選擇上，權(quán)衡各種因素使評價體系更加客觀和科學(xué)，或者結(jié)合其他研究方法，使研究更能體現(xiàn)區(qū)域?qū)嶋H情況，同時完善本研究之不足，對物流產(chǎn)業(yè)效率進行更深入的研究。