（安徽大學(xué) 商學(xué)院，安徽 合肥 230601）

0 引言

隨著經(jīng)濟(jì)全球化不斷深化，供應(yīng)鏈在競(jìng)爭(zhēng)中占有優(yōu)勢(shì)地位已經(jīng)成為一個(gè)國(guó)家經(jīng)濟(jì)競(jìng)爭(zhēng)力的一個(gè)重要標(biāo)志。為加快供應(yīng)鏈的創(chuàng)新與應(yīng)用，2018 年商務(wù)部等8部門確定了55個(gè)供應(yīng)鏈創(chuàng)新與應(yīng)用試點(diǎn)城市（以下簡(jiǎn)稱供應(yīng)鏈試點(diǎn)城市）。而物流作為支持供應(yīng)鏈體系正常運(yùn)轉(zhuǎn)的動(dòng)脈，是一項(xiàng)將運(yùn)輸、倉儲(chǔ)、郵政等諸多產(chǎn)業(yè)結(jié)合起來的復(fù)合型服務(wù)產(chǎn)業(yè)[1]，研究供應(yīng)鏈試點(diǎn)城市的物流產(chǎn)業(yè)效率問題對(duì)于試點(diǎn)城市的良性發(fā)展有著重要作用。

目前學(xué)術(shù)界采用了不同的方法測(cè)算物流效率，主流方法為數(shù)據(jù)包絡(luò)分析（DEA）及其改進(jìn)方法。李存斌，等[2]建立物流效率評(píng)價(jià)指標(biāo)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(quán)法的基礎(chǔ)上，提出了城市物流二階段理論框架。實(shí)證結(jié)果證明，績(jī)效高的城市具備更高的競(jìng)爭(zhēng)力和效率。劉小平[4]用DEA 方法測(cè)算出湖北省物流規(guī)模效益仍需改進(jìn)，并給出了對(duì)策建議。龔雪[5]建立以物流業(yè)規(guī)模和質(zhì)量產(chǎn)出為指標(biāo)體系的DEAMalmquist 指數(shù)模型，對(duì)中部六省物流效率進(jìn)行了評(píng)估。李雷[6]分析蘭州市物流效率時(shí)，加入了Tobit回歸模型，考慮單個(gè)影響因素對(duì)效率值的影響。

以上文獻(xiàn)都從投入和產(chǎn)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(chǎn)出的指標(biāo)，證明提質(zhì)增效和節(jié)能減排需要共同發(fā)展。李丹，等[8]運(yùn)用了含非期望產(chǎn)出的DEASBM 模型和面板數(shù)據(jù)回歸，對(duì)物流效率進(jìn)行了測(cè)算和分解。王育紅，等[9]采用了Super-SBM 模型對(duì)長(zhǎng)江經(jīng)濟(jì)帶11 個(gè)省市的物流效率和影響因素進(jìn)行了刻畫，分析地區(qū)差異和時(shí)間演化特點(diǎn)。王書靈，等[10]應(yīng)用三階段DEA，對(duì)我國(guó)江浙滬地區(qū)物流產(chǎn)業(yè)效率進(jìn)行分析，得出在改善純技術(shù)效率的同時(shí)，規(guī)模因素也值得關(guān)注的結(jié)論。羅丹，等[11]從供應(yīng)鏈角度出發(fā)，創(chuàng)新性地運(yùn)用超效率三階段DEA評(píng)估港口物流績(jī)效。

供應(yīng)鏈水平作為衡量地區(qū)或者國(guó)家經(jīng)濟(jì)競(jìng)爭(zhēng)力的標(biāo)準(zhǔn)之一，近年來越發(fā)重要。測(cè)算和評(píng)估供應(yīng)鏈試點(diǎn)城市的物流績(jī)效有助于加快供應(yīng)鏈試點(diǎn)城市建設(shè)步伐，推動(dòng)國(guó)家發(fā)展戰(zhàn)略實(shí)施。在已有的相關(guān)學(xué)術(shù)文獻(xiàn)中，運(yùn)用DEA 方法對(duì)此進(jìn)行分析的文獻(xiàn)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(jī)誤差的影響，對(duì)國(guó)家供應(yīng)鏈試點(diǎn)城市的物流產(chǎn)業(yè)效率進(jìn)行測(cè)算和評(píng)價(jià)，為未來的供應(yīng)鏈長(zhǎng)遠(yuǎn)發(fā)展提供對(duì)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(diǎn)，本文使用Fried，等[12]提出的三階段DEA模型。這種新的效率評(píng)價(jià)模型利用傳統(tǒng)DEA模型松弛變量，通過調(diào)整投入（或產(chǎn)出），將所有的決策單元調(diào)整到同等外部環(huán)境情況下，再次運(yùn)用傳統(tǒng)DEA模型測(cè)算效率值，從而剔除外部環(huán)境變量與隨機(jī)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(jié)果存在誤差，因此Tone[13]提出了能夠?qū)崿F(xiàn)松弛改進(jìn)的SBM 模型（Slack Based Measure，SBM）。一般的非導(dǎo)向SBM 模型歸納如下：

根據(jù)試點(diǎn)城市物流產(chǎn)業(yè)效率測(cè)算的特點(diǎn)，本文選用投入導(dǎo)向的SBM 模型，將上述模型轉(zhuǎn)化為線性規(guī)劃后只取分子，得到的投入導(dǎo)向數(shù)學(xué)模型如下：

其中ρ0為評(píng)估效率值，0≤ρ0≤1，m 與k 分別為投入要素與產(chǎn)出要素的指標(biāo)數(shù)量，λ為權(quán)重，x0,y0為投入變量與產(chǎn)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(duì)其進(jìn)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(dǎo)向?yàn)槔?，?gòu)建SFA模型，將第一階段測(cè)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(jī)誤差作為解釋變量進(jìn)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(duì)投入松弛影響的隨機(jī)前沿函數(shù)；Vnk,Unk分別表示隨機(jī)誤差項(xiàng)和管理無效率，二者為混合誤差項(xiàng)。

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

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

1.2 指標(biāo)選取與數(shù)據(jù)來源

1.2.1 投入產(chǎn)出指標(biāo)與環(huán)境變量。由于物流業(yè)屬于新興行業(yè)，我國(guó)尚未對(duì)“物流業(yè)”的邊界和內(nèi)容進(jìn)行明確的規(guī)定。借鑒大多數(shù)文獻(xiàn)的處理辦法，本文選擇交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)的數(shù)據(jù)來反映物流業(yè)的發(fā)展水平[14]。考慮數(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(cái)力投入作為投入指標(biāo)，物流業(yè)產(chǎn)出與經(jīng)濟(jì)產(chǎn)出作為產(chǎn)出指標(biāo)。在外生環(huán)境變量中，本文選取經(jīng)濟(jì)發(fā)展水平、政府支持力度和政府影響力三個(gè)變量作為環(huán)境變量。具體指標(biāo)體系見表1。

表1 投入產(chǎn)出及環(huán)境變量評(píng)價(jià)指標(biāo)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(yīng)鏈試點(diǎn)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(gè)供應(yīng)鏈試點(diǎn)城市作為研究樣本。數(shù)據(jù)來源于2008-2019年《中國(guó)城市統(tǒng)計(jì)年鑒》、2009-2018 年各供應(yīng)鏈試點(diǎn)城市國(guó)民經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)以及中經(jīng)網(wǎng)數(shù)據(jù)庫，對(duì)于少量缺失數(shù)據(jù)采用插值法進(jìn)行補(bǔ)齊處理。

2 實(shí)證分析

2.1 第一階段SBM模型實(shí)證結(jié)果

在第一階段選用SBM 模型，對(duì)于上文確定的原始投入和產(chǎn)出數(shù)據(jù)進(jìn)行初始效率測(cè)評(píng)。運(yùn)用DEASOLVER5.0軟件得到全國(guó)38個(gè)供應(yīng)鏈試點(diǎn)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(jì)算結(jié)果見表2。

表2 顯示，在整個(gè)樣本時(shí)間中，38 個(gè)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(dá)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(shì)，并且在2014-2015年間轉(zhuǎn)為下降趨勢(shì)，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(jié)果

為剔除環(huán)境因素和隨機(jī)擾動(dòng)項(xiàng)對(duì)供應(yīng)鏈試點(diǎn)城市物流產(chǎn)業(yè)效率測(cè)算的影響，本文在DEA 分析的第二階段，以第一階段測(cè)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(chǎn)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(cái)政支出比重為解釋變量，建立SFA 模型，使用Frontier 4.1 軟件進(jìn)行運(yùn)算。運(yùn)算得出的回歸系數(shù)為正，表示外部環(huán)境變量的增加會(huì)導(dǎo)致各投入變量浪費(fèi)增加；回歸系數(shù)為負(fù)，表示外部環(huán)境變量的增加會(huì)降低投入的浪費(fèi)。SFA回歸結(jié)果見表3。

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

表3 第二階段SFA回歸結(jié)果

（1）經(jīng)濟(jì)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(chǎn)投資額松弛量回歸系數(shù)均為正，說明人均GDP 的提高會(huì)使得物流業(yè)從業(yè)人員、物流業(yè)固定資產(chǎn)投資的投入出現(xiàn)冗余、浪費(fèi)增加。反映出在部分發(fā)達(dá)城市，物流業(yè)的人力資源、財(cái)力資源相對(duì)充裕，投入過多而沒有得到合理的配置，導(dǎo)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(fù)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(chǎn)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(nèi)對(duì)物流行業(yè)的建設(shè)和發(fā)展具有促進(jìn)作用，但過多的投入會(huì)導(dǎo)致投入浪費(fèi)，降低物流行業(yè)效率。

（3）政府影響力。從分析結(jié)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(chǎn)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(cái)政水平，資源的投入水平也會(huì)隨之增加，吸引物流行業(yè)的勞動(dòng)力和加大物流基礎(chǔ)建設(shè)力度。但是一旦資源沒有合理分配，過多的投入會(huì)造成資源的冗余，降低物流行業(yè)的管理效率，導(dǎo)致財(cái)政支出的浪費(fèi)和物流業(yè)的發(fā)展緩慢。

2.3 第三階段調(diào)整后DEA結(jié)果

在第二階段對(duì)2009-2018 年供應(yīng)鏈試點(diǎn)城市的物流業(yè)投入要素進(jìn)行調(diào)整后，再次使用DEA-SOLVER5.0軟件并選用投入導(dǎo)向的SBM模型進(jìn)行測(cè)算，得出實(shí)際的綜合效率值見表4。

調(diào)整前和調(diào)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(duì)城市物流業(yè)效率存在較大影響。對(duì)比表1與表4，北京、南京、上海、杭州等供應(yīng)鏈試點(diǎn)城市的物流業(yè)效率幾乎每年在調(diào)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(yīng)鏈試點(diǎn)城市的物流業(yè)效率幾乎每年在調(diào)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(yīng)鏈試點(diǎn)城市效率均值由0.369上升到0.392，提升了6.2個(gè)百分點(diǎn)，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(gè)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(gè)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(diào)整后各供應(yīng)鏈試點(diǎn)城市物流業(yè)綜合效率

為了體現(xiàn)時(shí)間的變動(dòng)性，對(duì)供應(yīng)鏈試點(diǎn)城市每年的綜合效率值進(jìn)行分析，從動(dòng)態(tài)演化的角度分析全國(guó)范圍內(nèi)的物流業(yè)效率發(fā)展趨勢(shì)，結(jié)果如圖1所示。

圖1 2009-2018年供應(yīng)鏈試點(diǎn)城市物流業(yè)綜合效率全國(guó)均值變化

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

3 結(jié)論及建議

本文主要的研究結(jié)論有：（1）經(jīng)濟(jì)發(fā)展水平、政府支持程度、政府影響力等環(huán)境變量對(duì)物流業(yè)效率有顯著影響。其中，經(jīng)濟(jì)發(fā)展水平不利于物流業(yè)人力投入、財(cái)力投入的冗余減少，具有負(fù)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(fèi)，具有負(fù)向影響。（2）將第一、三階段的物流業(yè)效率進(jìn)行對(duì)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(jìn)行分析是合理的，在剔除環(huán)境因素和隨機(jī)誤差后得到的效率值更加真實(shí)可靠。（3）不論是調(diào)整前還是調(diào)整后，供應(yīng)鏈試點(diǎn)城市的物流業(yè)效率值均較低。這說明供應(yīng)鏈試點(diǎn)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(shí)證分析得出的結(jié)論，提出以下幾點(diǎn)建議：

（1）合理整合與配置物流業(yè)資源。為提升物流產(chǎn)業(yè)效率，需對(duì)行業(yè)資源進(jìn)行合理配置，構(gòu)建互通平臺(tái)，減少資源浪費(fèi)，同時(shí)也要防止因某項(xiàng)資源缺乏而影響產(chǎn)業(yè)發(fā)展。加強(qiáng)物流業(yè)高素質(zhì)人才的培養(yǎng)，為物流業(yè)發(fā)展提供新動(dòng)力。

（2）加強(qiáng)政府宏觀調(diào)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(chǎn)業(yè)的發(fā)展，政府干預(yù)也是形成產(chǎn)業(yè)特色的基礎(chǔ)。因此各試點(diǎn)城市政府應(yīng)結(jié)合城市現(xiàn)狀，找準(zhǔn)定位和自身優(yōu)勢(shì)，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(shì)，促進(jìn)供應(yīng)鏈降本增效。例如位于東北地區(qū)的試點(diǎn)城市應(yīng)穩(wěn)定農(nóng)產(chǎn)品物流與供應(yīng)鏈，在冷鏈物流方面重點(diǎn)投入，位于西部地區(qū)的試點(diǎn)城市應(yīng)促進(jìn)物流基礎(chǔ)設(shè)施建設(shè)，位于長(zhǎng)三角地區(qū)的試點(diǎn)城市應(yīng)致力于推動(dòng)制造業(yè)與物流服務(wù)業(yè)深度融合。

本文仍存在一定的局限性，所選取的投入產(chǎn)出指標(biāo)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(xué)合理的指標(biāo)評(píng)價(jià)體系，以提高結(jié)論的準(zhǔn)確性，為國(guó)家供應(yīng)鏈試點(diǎn)城市的物流業(yè)效率評(píng)價(jià)提供更為完整的政策建議，促進(jìn)供應(yīng)鏈試點(diǎn)城市的實(shí)質(zhì)性發(fā)展。