（安徽大學 商學院，安徽 合肥 230601）

0 引言

隨著經(jīng)濟全球化不斷深化，供應鏈在競爭中占有優(yōu)勢地位已經(jīng)成為一個國家經(jīng)濟競爭力的一個重要標志。為加快供應鏈的創(chuàng)新與應用，2018 年商務部等8部門確定了55個供應鏈創(chuàng)新與應用試點城市（以下簡稱供應鏈試點城市）。而物流作為支持供應鏈體系正常運轉的動脈，是一項將運輸、倉儲、郵政等諸多產業(yè)結合起來的復合型服務產業(yè)[1]，研究供應鏈試點城市的物流產業(yè)效率問題對于試點城市的良性發(fā)展有著重要作用。

目前學術界采用了不同的方法測算物流效率，主流方法為數(shù)據(jù)包絡分析（DEA）及其改進方法。李存斌，等[2]建立物流效率評價指標體系，分析了城市物流效率低的原因。李勇輝，等[3]在DEA、因子分析法和熵權法的基礎上，提出了城市物流二階段理論框架。實證結果證明，績效高的城市具備更高的競爭力和效率。劉小平[4]用DEA 方法測算出湖北省物流規(guī)模效益仍需改進，并給出了對策建議。龔雪[5]建立以物流業(yè)規(guī)模和質量產出為指標體系的DEAMalmquist 指數(shù)模型，對中部六省物流效率進行了評估。李雷[6]分析蘭州市物流效率時，加入了Tobit回歸模型，考慮單個影響因素對效率值的影響。

以上文獻都從投入和產出的方面分析了城市物流效率，但是忽略了資源投入過程中環(huán)境的影響。為了考慮環(huán)境因素，馬明，等[7]選取了包含碳排放量非期望產出的指標，證明提質增效和節(jié)能減排需要共同發(fā)展。李丹，等[8]運用了含非期望產出的DEASBM 模型和面板數(shù)據(jù)回歸，對物流效率進行了測算和分解。王育紅，等[9]采用了Super-SBM 模型對長江經(jīng)濟帶11 個省市的物流效率和影響因素進行了刻畫，分析地區(qū)差異和時間演化特點。王書靈，等[10]應用三階段DEA，對我國江浙滬地區(qū)物流產業(yè)效率進行分析，得出在改善純技術效率的同時，規(guī)模因素也值得關注的結論。羅丹，等[11]從供應鏈角度出發(fā)，創(chuàng)新性地運用超效率三階段DEA評估港口物流績效。

供應鏈水平作為衡量地區(qū)或者國家經(jīng)濟競爭力的標準之一，近年來越發(fā)重要。測算和評估供應鏈試點城市的物流績效有助于加快供應鏈試點城市建設步伐，推動國家發(fā)展戰(zhàn)略實施。在已有的相關學術文獻中，運用DEA 方法對此進行分析的文獻幾乎空白。因此，本文嘗試采用具有客觀性和系統(tǒng)性的三階段DEA模型，消除環(huán)境因素和隨機誤差的影響，對國家供應鏈試點城市的物流產業(yè)效率進行測算和評價，為未來的供應鏈長遠發(fā)展提供對策建議。

1 研究方法與數(shù)據(jù)來源

1.1 三階段DEA模型

為克服傳統(tǒng)DEA 模型的缺點，本文使用Fried，等[12]提出的三階段DEA模型。這種新的效率評價模型利用傳統(tǒng)DEA模型松弛變量，通過調整投入（或產出），將所有的決策單元調整到同等外部環(huán)境情況下，再次運用傳統(tǒng)DEA模型測算效率值，從而剔除外部環(huán)境變量與隨機誤差的影響。下面具體介紹三階段DEA模型。

1.1.1 第一階段SBM模型。傳統(tǒng)的徑向DEA模型并不能消除松弛變量的影響，結果存在誤差，因此Tone[13]提出了能夠實現(xiàn)松弛改進的SBM 模型（Slack Based Measure，SBM）。一般的非導向SBM 模型歸納如下：

根據(jù)試點城市物流產業(yè)效率測算的特點，本文選用投入導向的SBM 模型，將上述模型轉化為線性規(guī)劃后只取分子，得到的投入導向數(shù)學模型如下：

其中ρ0為評估效率值，0≤ρ0≤1，m 與k 分別為投入要素與產出要素的指標數(shù)量，λ為權重，x0,y0為投入變量與產出變量，s-為投入松弛。由于該方法不能完全消除外部環(huán)境變量的影響，因此本文需要對其進行第二階段的SFA回歸分析。

1.1.2 第二階段SFA 回歸。以投入導向為例，構建SFA模型，將第一階段測算得到的投入松弛變量作為SFA模型的被解釋變量，外部環(huán)境變量與隨機誤差作為解釋變量進行回歸分析。

其中Snk為投入松弛變量；Zk為外部環(huán)境變量；βn為外部環(huán)境變量待估參數(shù)，∫n(Zk;βn)表示環(huán)境變量對投入松弛影響的隨機前沿函數(shù)；Vnk,Unk分別表示隨機誤差項和管理無效率，二者為混合誤差項。

回歸分析的目的是為了剔除環(huán)境變量與隨機誤差的影響，將所有的決策單元調整到同等外部環(huán)境情況，在分離得到環(huán)境因素與隨機因素后，得到調整后的投入。調整公式如下：

1.1.3 第三階段調整后的DEA模型。第三階段是以經(jīng)第二階段調整后的投入數(shù)據(jù)代替原投入數(shù)據(jù)與原產出數(shù)據(jù)再次使用SBM模型進行分析。由于調整到假定的同等外部環(huán)境情況下，測算得到的效率值將比單獨使用DEA模型得到的效率值更加切合實際。

1.2 指標選取與數(shù)據(jù)來源

1.2.1 投入產出指標與環(huán)境變量。由于物流業(yè)屬于新興行業(yè)，我國尚未對“物流業(yè)”的邊界和內容進行明確的規(guī)定。借鑒大多數(shù)文獻的處理辦法，本文選擇交通運輸、倉儲和郵政業(yè)的數(shù)據(jù)來反映物流業(yè)的發(fā)展水平[14]?？紤]數(shù)據(jù)的可衡量性、完整性，以及本文的研究目的，本文選取人力投入與財力投入作為投入指標，物流業(yè)產出與經(jīng)濟產出作為產出指標。在外生環(huán)境變量中，本文選取經(jīng)濟發(fā)展水平、政府支持力度和政府影響力三個變量作為環(huán)境變量。具體指標體系見表1。

表1 投入產出及環(huán)境變量評價指標體系

1.2.2 樣本及數(shù)據(jù)來源。鑒于數(shù)據(jù)的完整性要求以及部分供應鏈試點城市數(shù)據(jù)缺失、滯后，本文選用其中數(shù)據(jù)較為完整的38個供應鏈試點城市作為研究樣本。數(shù)據(jù)來源于2008-2019年《中國城市統(tǒng)計年鑒》、2009-2018 年各供應鏈試點城市國民經(jīng)濟與社會發(fā)展統(tǒng)計公報以及中經(jīng)網(wǎng)數(shù)據(jù)庫，對于少量缺失數(shù)據(jù)采用插值法進行補齊處理。

2 實證分析

2.1 第一階段SBM模型實證結果

在第一階段選用SBM 模型，對于上文確定的原始投入和產出數(shù)據(jù)進行初始效率測評。運用DEASOLVER5.0軟件得到全國38個供應鏈試點城市初始效率值及橫向、縱向的效率均值，由于篇幅限制僅列舉部分城市，計算結果見表2。

表2 顯示，在整個樣本時間中，38 個城市綜合效率值普遍較低，大部分城市效率值都低于0.5，總效率均值為0.36，平均效率值最大的DMU為廣安，效率值均達到1，效率值最低的DMU為昆明，效率均值僅為0.05，二者相差懸殊。其中，北京、太原、哈爾濱、杭州、武漢等城市從2009 年開始物流業(yè)效率值呈上升趨勢，并且在2014-2015年間轉為下降趨勢，南京、南寧、廣安、昆明等地在2009—2018年之間物流業(yè)效率值變化幅度較為平緩。

表2 第一階段2009-2018年各城市綜合效率值

2.2 第二階段SFA回歸結果

為剔除環(huán)境因素和隨機擾動項對供應鏈試點城市物流產業(yè)效率測算的影響，本文在DEA 分析的第二階段，以第一階段測算出的物流業(yè)年末從業(yè)人數(shù)松弛量和物流業(yè)固定資產投資額松弛量為被解釋變量，以人均GDP、物流業(yè)支出比重、地方財政支出比重為解釋變量，建立SFA 模型，使用Frontier 4.1 軟件進行運算。運算得出的回歸系數(shù)為正，表示外部環(huán)境變量的增加會導致各投入變量浪費增加；回歸系數(shù)為負，表示外部環(huán)境變量的增加會降低投入的浪費。SFA回歸結果見表3。

從表3 可看出，單邊似然比檢驗LR 值均通過檢驗，表明使用SFA 回歸十分必要。下面對各環(huán)境變量進行分析：

表3 第二階段SFA回歸結果

（1）經(jīng)濟發(fā)展水平。該變量與物流業(yè)年末從業(yè)人數(shù)松弛量的回歸系數(shù)為正；除2012 年、2013 年以外，物流業(yè)固定資產投資額松弛量回歸系數(shù)均為正，說明人均GDP 的提高會使得物流業(yè)從業(yè)人員、物流業(yè)固定資產投資的投入出現(xiàn)冗余、浪費增加。反映出在部分發(fā)達城市，物流業(yè)的人力資源、財力資源相對充裕，投入過多而沒有得到合理的配置，導致綜合效率較低，例如北京、上海、深圳，綜合效率分別僅有0.201、0.217、0.269。

（2）政府支持程度。在2009-2010 年和2013-2017年，回歸系數(shù)均為負數(shù)，這表示政府支持力度的提升有助于減少物流業(yè)從業(yè)人數(shù)和固定資產投資額的無效投資，提升資源配置效率；2011-2012 年和2018年，回歸系數(shù)均為正數(shù)，這表示政府支持力度并沒有很好地發(fā)揮降低無效投入的作用。綜合十年回歸系數(shù)來看，政府支持程度在短期內對物流行業(yè)的建設和發(fā)展具有促進作用，但過多的投入會導致投入浪費，降低物流行業(yè)效率。

（3）政府影響力。從分析結果觀察到，政府影響力與物流業(yè)從業(yè)人數(shù)和固定資產投資額之間的回歸系數(shù)絕大多數(shù)為正，表明政府提高物流業(yè)的財政水平，資源的投入水平也會隨之增加，吸引物流行業(yè)的勞動力和加大物流基礎建設力度。但是一旦資源沒有合理分配，過多的投入會造成資源的冗余，降低物流行業(yè)的管理效率，導致財政支出的浪費和物流業(yè)的發(fā)展緩慢。

2.3 第三階段調整后DEA結果

在第二階段對2009-2018 年供應鏈試點城市的物流業(yè)投入要素進行調整后，再次使用DEA-SOLVER5.0軟件并選用投入導向的SBM模型進行測算，得出實際的綜合效率值見表4。

調整前和調整后的綜合效率值有著顯著差異，說明本文選取的環(huán)境變量對城市物流業(yè)效率存在較大影響。對比表1與表4，北京、南京、上海、杭州等供應鏈試點城市的物流業(yè)效率幾乎每年在調整后都有著不同程度的上升，說明這些城市的物流業(yè)效率整體水平被低估；景德鎮(zhèn)、亳州、焦作等供應鏈試點城市的物流業(yè)效率幾乎每年在調整后都有著不同程度的下降，說明這些城市的物流業(yè)效率整體水平被高估；剔除環(huán)境因素后供應鏈試點城市效率均值由0.369上升到0.392，提升了6.2個百分點，提升效果較為明顯。物流業(yè)效率提升幅度最高的前三名是北京（提升19 名）、南京（提升19 名）、杭州（提升18 名）。這說明這三個城市與其他城市相比，物流業(yè)效率值受環(huán)境因素影響的程度較大，未來物流業(yè)效率的提升具有較大潛力。物流業(yè)效率下降幅度最大的前三名是亳州（下降23名）、景德鎮(zhèn)（下降21名）、焦作（下降16 名）。這說明這三個城市的物流業(yè)發(fā)展環(huán)境優(yōu)于其他城市，即環(huán)境因素作用于物流業(yè)效率的效果非常明顯。

表4 調整后各供應鏈試點城市物流業(yè)綜合效率

為了體現(xiàn)時間的變動性，對供應鏈試點城市每年的綜合效率值進行分析，從動態(tài)演化的角度分析全國范圍內的物流業(yè)效率發(fā)展趨勢，結果如圖1所示。

圖1 2009-2018年供應鏈試點城市物流業(yè)綜合效率全國均值變化

從圖1 可以看出，在調整投入變量之前，效率值呈現(xiàn)先增長后下降的趨勢，2018年有小幅度的上升；在調整后，效率值提升效果較為明顯，除2014 年與2018年外物流產業(yè)綜合效率值均呈現(xiàn)不同程度的上升。這一結果說明環(huán)境因素和隨機誤差對效率值有顯著影響。在2009-2015 年存在多次波動但波動幅度較小，而在2015 年以后，效率值呈現(xiàn)下降的趨勢，這表明近幾年供應鏈試點城市物流業(yè)整體水平有所下降。

3 結論及建議

本文主要的研究結論有：（1）經(jīng)濟發(fā)展水平、政府支持程度、政府影響力等環(huán)境變量對物流業(yè)效率有顯著影響。其中，經(jīng)濟發(fā)展水平不利于物流業(yè)人力投入、財力投入的冗余減少，具有負向影響；政府支持在較大程度上有利于資源投入的冗余減少，具有正向影響；政府影響力大體上易引起資源投入浪費，具有負向影響。（2）將第一、三階段的物流業(yè)效率進行對比發(fā)現(xiàn)，綜合效率值有著顯著差異，很多城市的效率值被低估或被高估，這說明使用三階段DEA方法進行分析是合理的，在剔除環(huán)境因素和隨機誤差后得到的效率值更加真實可靠。（3）不論是調整前還是調整后，供應鏈試點城市的物流業(yè)效率值均較低。這說明供應鏈試點城市物流業(yè)的整體效率較低，資源配置合理化水平有待提高。

根據(jù)以上實證分析得出的結論，提出以下幾點建議：

（1）合理整合與配置物流業(yè)資源。為提升物流產業(yè)效率，需對行業(yè)資源進行合理配置，構建互通平臺，減少資源浪費，同時也要防止因某項資源缺乏而影響產業(yè)發(fā)展。加強物流業(yè)高素質人才的培養(yǎng)，為物流業(yè)發(fā)展提供新動力。

（2）加強政府宏觀調控，明確物流業(yè)發(fā)展方向。政府制定的政策很大程度上影響著物流產業(yè)的發(fā)展，政府干預也是形成產業(yè)特色的基礎。因此各試點城市政府應結合城市現(xiàn)狀，找準定位和自身優(yōu)勢，制訂一系列提高地方物流業(yè)水平的配套政策，為物流業(yè)的發(fā)展提供良好的外部環(huán)境。

（3）因地制宜發(fā)揮物流優(yōu)勢，促進供應鏈降本增效。例如位于東北地區(qū)的試點城市應穩(wěn)定農產品物流與供應鏈，在冷鏈物流方面重點投入，位于西部地區(qū)的試點城市應促進物流基礎設施建設，位于長三角地區(qū)的試點城市應致力于推動制造業(yè)與物流服務業(yè)深度融合。

本文仍存在一定的局限性，所選取的投入產出指標以及環(huán)境變量的數(shù)量較少，在今后的研究中將綜合采用多種研究方法，建立更加科學合理的指標評價體系，以提高結論的準確性，為國家供應鏈試點城市的物流業(yè)效率評價提供更為完整的政策建議，促進供應鏈試點城市的實質性發(fā)展。