唐建榮，田 雨 （江南大學(xué)商學(xué)院，江蘇 無錫 214122）

0 引 言

物流產(chǎn)業(yè)融合了交通運輸業(yè)、倉儲業(yè)以及郵政業(yè)，是我國經(jīng)濟(jì)社會發(fā)展的基礎(chǔ)性、服務(wù)性和戰(zhàn)略性產(chǎn)業(yè)，我國區(qū)域物流產(chǎn)業(yè)的高效率和高質(zhì)量發(fā)展對促進(jìn)經(jīng)濟(jì)新舊動能轉(zhuǎn)換、加快國民經(jīng)濟(jì)運轉(zhuǎn)效率、提高企業(yè)核心競爭力、增強(qiáng)人民幸福感以及推動區(qū)域經(jīng)濟(jì)增長等方面都具有重要作用?！爸袊锪鳂I(yè)，高質(zhì)量發(fā)展是關(guān)鍵”。

2017 年，黨的十九大報告指出：我國經(jīng)濟(jì)已轉(zhuǎn)向高質(zhì)量發(fā)展階段。一方面，據(jù)《中國物流年鑒》統(tǒng)計，我國社會物流總額逐步擴(kuò)張，2019 年全社會物流總額高達(dá)298 萬億元，社會物流總需求增長態(tài)勢顯著。另一方面，我國物流產(chǎn)業(yè)依然存在“高耗低效”的現(xiàn)象，2019 年我國社會物流總費用為14.6 萬億元，與GDP 的比率為14.7%，而發(fā)達(dá)國家一般控制在8%～10%，嚴(yán)重制約我國物流產(chǎn)業(yè)甚至整體國民經(jīng)濟(jì)的發(fā)展。

1 文獻(xiàn)綜述

有關(guān)物流產(chǎn)業(yè)效率的研究已成為國內(nèi)外學(xué)者研究的熱點，其研究主要涉及微觀、中觀和宏觀三個層面。

一是微觀企業(yè)層面，如Min 和Joo（2006）通過DEA 模型對美國物流企業(yè)（UPS、Fedex 等） 的運營效益進(jìn)行研究；韓東亞和劉宏偉（2019）以80 家上市物流企業(yè)2013～2017 年財務(wù)數(shù)據(jù)為研究樣本，利用隨機(jī)前沿分析法（SFA） 對中國物流產(chǎn)業(yè)進(jìn)行效率評價；李曉梅和白雪飛（2016）利用超效率DEA 模型對16 家上市物流企業(yè)2006～2015 年的數(shù)據(jù)進(jìn)行研究，分別測度了16 家上市物流企業(yè)的純技術(shù)效率、規(guī)模效率以及綜合效率。

二是中觀行業(yè)層面，如王金鳳、翟雪琪和馮立杰（2014）通過建立煤礦生產(chǎn)物流的安全投入指標(biāo)以及優(yōu)化模型，對河南某煤業(yè)集團(tuán)下屬礦井進(jìn)行實證分析，并進(jìn)一步檢驗了該模型的有效性和適用性；汪旭暉和文靜怡（2014）通過隨機(jī)前沿分析方法測度了2003～2011 年我國23 個省、市、自治區(qū)的農(nóng)產(chǎn)品物流效率；程書強(qiáng)和劉亞楠（2017）運用DEA-Malmquist 模型測算了2005～2014 年我國西部地區(qū)各省以及自治區(qū)的農(nóng)產(chǎn)品物流效率，并對其效率變化和區(qū)域差異性進(jìn)行深入研究。

三是宏觀區(qū)域?qū)用妫@也是國內(nèi)外學(xué)者們聚焦的熱點。如Markovits 等（2014）采用DEA-PC 法對歐洲29 個國家的物流效率進(jìn)行實證研究，并從多角度驗證了該方法的科學(xué)性和適用性；唐建榮和唐萍萍（2018）利用方向距離函數(shù)模型測度了2007～2016 年我國31 個省、市、自治區(qū)的物流產(chǎn)業(yè)效率，并利用探索性空間數(shù)據(jù)分析法（ESDA） 和標(biāo)準(zhǔn)差橢圓法對其時空演化規(guī)律進(jìn)行深入研究；鐘祖昌（2010）運用三階段DEA 法對2007 年我國31 個省、市、自治區(qū)的物流產(chǎn)業(yè)運營效率進(jìn)行評價；高康和張步闊等（2019）運用超效率DEA 模型對2006～2017 年我國西部12 個省、自治區(qū)的物流效率進(jìn)行測評，并在此基礎(chǔ)上采用探索性空間數(shù)據(jù)分析法（ESDA） 對其空間相關(guān)性進(jìn)行研究；唐建榮和盧玲珠（2013）利用三階段DEA 模型對2008～2010 年我國東部10 省、市的物流產(chǎn)業(yè)純技術(shù)效率、規(guī)模效率以及綜合效率進(jìn)行實證分析；龔雪（2019）通過DEA-Malmquist 模型測算了2007～2016 年我國中部6 省的物流效率；于麗英、施明康和李婧（2018）運用DEA 模型測度了2008～2015 年我國長江經(jīng)濟(jì)帶11 個省、市的物流產(chǎn)業(yè)純技術(shù)效率和規(guī)模效率，并通過Malmquist 指數(shù)模型分析了總效率變動、技術(shù)效率變動以及技術(shù)進(jìn)步變動對長江經(jīng)濟(jì)帶物流效率的影響。

數(shù)據(jù)包絡(luò)分析（DEA） 模型作為物流產(chǎn)業(yè)效率靜態(tài)分析的有效方法被國內(nèi)外學(xué)者們廣泛運用，但利用Malmquist 指數(shù)模型對物流效率進(jìn)行動態(tài)分析和運用探索性空間分析（ESDA） 對其進(jìn)行空間相關(guān)性檢驗的研究相對較少，隨著學(xué)者們對物流產(chǎn)業(yè)效率研究的不斷深入，實證分析方式由單一化逐漸向多元綜合化轉(zhuǎn)變。

2 研究方法和數(shù)據(jù)來源

本文通過DEA-BBC 模型研究我國區(qū)域物流產(chǎn)業(yè)靜態(tài)效率，利用Malmquist 指數(shù)模型分析物流產(chǎn)業(yè)效率動態(tài)變化，最后根據(jù)Moran's I 指數(shù)模型檢驗我國區(qū)域物流產(chǎn)業(yè)效率的空間相關(guān)性。通過上述研究的系統(tǒng)診斷和分析，為我國區(qū)域物流產(chǎn)業(yè)效率研究和高質(zhì)量發(fā)展路徑研究提出針對性的建議。

第一次說“稍等”，是因為一個老婆婆的行李從手推車上掉了下來，拉爾夫過去幫她放好。第二次“稍等”的時候，他把兩個小孩子分別舉起來，好讓他們看到窗外跑道上準(zhǔn)備起飛的飛機(jī)。第三次，是為了拉我去欣賞墻上的兩幅印象派油畫……

2.1 研究方法

2.1.1 DEA。DEA 數(shù)據(jù)包絡(luò)分析法相較其他數(shù)據(jù)分析法來說，不受指標(biāo)量綱的影響，能綜合處理多項投入、產(chǎn)出指標(biāo)，有效降低計算服務(wù)成本，且精準(zhǔn)度更高。傳統(tǒng)的DEA 模型分為規(guī)模報酬不變（CRS） 的CCR 模型和規(guī)模報酬可變（VRS） 的BCC 模型。CCR 模型主要分析決策單元的整體運營效率，而BBC 能夠測度決策單元的技術(shù)效率和規(guī)模效率，并且BCC 模型中投入沒有冗余，不需要優(yōu)化，操作更簡便；除此之外，CCR 模型的假設(shè)條件是規(guī)模報酬不變，當(dāng)決策單元測算結(jié)果顯示無效時，CCR模型無法進(jìn)一步確定無效的原因；BCC 模型則假設(shè)規(guī)模報酬可變，并且可進(jìn)一步分解各決策單元的相對技術(shù)效率，不同決策單元可以進(jìn)行效率比較。因此，綜合以上兩個方面，本文選用DEA-BCC 模型對30 個省、市自治區(qū)的區(qū)域物流產(chǎn)業(yè)靜態(tài)效率進(jìn)行測度。

式（1） 中s≥0, s≥0, λ≥0, j=1,2,…,n，此模型的經(jīng)濟(jì)含義是：若物流效率為1，則DEA 有效，否則非DEA 有效。

其中：技術(shù)效率指數(shù)衡量各決策單元不同生產(chǎn)期生產(chǎn)前沿面的技術(shù)效率變動情況，而技術(shù)進(jìn)步指數(shù)反映不同生產(chǎn)期生產(chǎn)前沿面的移動情況。

2.1.3 探索性空間數(shù)據(jù)分析（ESDA）。地理學(xué)第一定律認(rèn)為事物之間普遍存在聯(lián)系，相近的事物關(guān)聯(lián)性更強(qiáng)。探索性空間數(shù)據(jù)分析（ESDA） 常用于空間數(shù)據(jù)自相關(guān)性的分析，空間自相關(guān)是指某變量在特定空間分布內(nèi)的觀測值之間的潛在依賴性，即測度變量的空間集聚程度和關(guān)聯(lián)性，通常用莫蘭指數(shù)（Moran's I） 來衡量。基于此，本文引入全局莫蘭指數(shù)（Global Moran's I） 和局部莫蘭指數(shù)（Local Moran's I） 指數(shù)，以空間權(quán)重為基礎(chǔ)，通過測算決策單元空間鄰域?qū)用娴南嗨菩院筒町愋詠硌芯课覈鴧^(qū)域物流產(chǎn)業(yè)效力的空間分布狀態(tài)及演化規(guī)律。其計算公式如下：

Global Moran's I 衡量整個研究區(qū)域內(nèi)我國物流效率的空間分布情況以及與空間鄰接的決策單元發(fā)展水平的相似度。

本文所有數(shù)據(jù)以2009 年為基期，運用平減指數(shù)剔除價格因素的影響，得到各指標(biāo)的實際值。

3 實證研究與結(jié)果分析

3.1 物流產(chǎn)業(yè)靜態(tài)效率分析。測度中國各省、市、自治區(qū)的物流產(chǎn)業(yè)效率是分析物流產(chǎn)業(yè)發(fā)展質(zhì)量及靜態(tài)、動態(tài)演化規(guī)律的基礎(chǔ)?；谏鲜鲋笜?biāo)體系，本文收集了2009～2018 年中國30 個省、市、自治區(qū)的物流產(chǎn)業(yè)面板數(shù)據(jù)，采用DEA 模型以及Mamlquist指數(shù)來測算中國物流產(chǎn)業(yè)效率的發(fā)展水平。利用DEAP2.1 軟件可以計算出2009～2018 年中國30 個省、市、自治區(qū)的物流產(chǎn)業(yè)綜合效率，具體結(jié)果如表2 所示。

綜合效率值為1 表明物流活動有效，且效率值越接近1 表明決策單元的物流產(chǎn)業(yè)發(fā)展水平越高，物流投入產(chǎn)出活動越合理。從表2 可以看出，觀測年份內(nèi)部分地區(qū)的物流產(chǎn)業(yè)綜合效率值始終為1，如北京、天津、河北、上海、江蘇、浙江、安徽、福建、廣東，說明以上9 個地區(qū)在2009～2018 年的物流產(chǎn)業(yè)始終保持高水平發(fā)展，物流活動投入產(chǎn)出有效；內(nèi)蒙古、遼寧、江西、山東、河南、湖南、海南、貴州、寧夏這9 個省、市、自治區(qū)的物流產(chǎn)業(yè)綜合效率均值均為0.9 以上，說明這9 個地區(qū)的物流產(chǎn)業(yè)發(fā)展水平較高，但物流活動效率還有上升空間。而青海省2009～2018 年物流產(chǎn)業(yè)綜合效率均值僅為0.394，新疆在觀測年份內(nèi)的物流產(chǎn)業(yè)綜合效率均值為0.521，說明我國西部部分地區(qū)物流產(chǎn)業(yè)發(fā)展較為落后，物流效率亟待提高；并且物流效率空間分布不均衡，總體上表現(xiàn)為“東強(qiáng)西弱”的格局。

表1 物流產(chǎn)業(yè)效率評價指標(biāo)體系

表2 2009～2018 年我國30 個省、市、自治區(qū)物流產(chǎn)業(yè)綜合效率值及其均值

本文將2009 年、2012 年、2015 年、2018 年4 個年份作為研究截面，利用DEAP2.1 軟件衡量我國區(qū)域物流產(chǎn)業(yè)效率，并借鑒李林澤等對物流產(chǎn)業(yè)效率等級的劃分（如表3 所示），建立物流產(chǎn)業(yè)發(fā)展質(zhì)量分級，并借助ArcGIS 10.7 軟件生成我國物流產(chǎn)業(yè)效率的空間分布圖（如圖1 所示）。分析圖1 發(fā)現(xiàn)：

圖1 我國物流產(chǎn)業(yè)效率空間分布圖

表3 物流產(chǎn)業(yè)發(fā)展質(zhì)量分級表

（1） 我國物流產(chǎn)業(yè)效率空間分布具有一定的空間惰性和相變性。一方面，物流產(chǎn)業(yè)效率的峰值和谷值區(qū)域基本不變，具有一定的初值依賴性。以上述研究截面年份為例，青海省始終是效率的低谷，而效率峰值地區(qū)則高度集中于東部沿海等地區(qū)，表明我國區(qū)域物流產(chǎn)業(yè)效率具有一定的區(qū)間依賴性。另一方面，效率極值的范圍發(fā)生變化，具有一定的相變性。對比研究初期，低效率地區(qū)由期初的西北和西南地區(qū)逐漸收斂到青海和甘肅兩??；高效率地區(qū)由期初的東部沿海各省、市擴(kuò)展到期末的北京、天津、河北、山西、遼寧、上海、江蘇、浙江、安徽、福建、江西、湖南、廣東以及貴州14 個地區(qū)。

（2） 我國物流產(chǎn)業(yè)空間發(fā)展質(zhì)量呈現(xiàn)“東高西低”的帶狀梯度格局。具體來說，觀測年限內(nèi)我國物流產(chǎn)業(yè)效率均值為0.846，其中東部地區(qū)效率均值為0.989，中部地區(qū)效率均值為0.890，西部地區(qū)效率均值為0.718，東北地區(qū)效率均值為0.747，表現(xiàn)為東部＞中部＞東北＞西部的梯度遞減態(tài)勢。以圖1 中的4 個年份為例，物流產(chǎn)業(yè)中、低發(fā)展質(zhì)量地區(qū)連片展布，集中在西北（青海）、西南（重慶和四川） 和東北（黑龍江和吉林） 三大區(qū)域，而高質(zhì)量發(fā)展地區(qū)則集中塊狀鑲嵌于東部，并且塊狀格局逐步連成一體呈現(xiàn)帶狀伸展的趨勢，形成環(huán)渤海（北京、天津和河北）、長三角（上海、江蘇和浙江） 以及珠三角（廣東、福建和江西） 三大區(qū)域。

3.2 物流產(chǎn)業(yè)動態(tài)效率分析。Malmquist 指數(shù)模型是將“全要素生產(chǎn)率指數(shù)”分解為“技術(shù)效率指數(shù)”和“技術(shù)進(jìn)步指數(shù)”，全要素生產(chǎn)率指數(shù)大于1 表示效率提高，物流效率整體呈上升趨勢；小于1 表示效率下降，物流效率整體呈下降趨勢；等于1 表示效率保持不變。本文利用Deap2.1 軟件測算30 個省、市及自治區(qū)物流產(chǎn)業(yè)效率的Malmquist 指數(shù)，具體結(jié)果如表4 所示。

從表4 可以看出，2009～2018 年我國年技術(shù)效率均值為1.002，技術(shù)進(jìn)步均值為1.03，Malmquist 指數(shù)為1.033，說明我國技術(shù)效率上升了2%，技術(shù)進(jìn)步上升了30%，Malmquist 指數(shù)上升了3.3%，這主要是由于技術(shù)進(jìn)步的提高促進(jìn)的。其中，遼寧省Malmquist 指數(shù)最高為1.097，這是由于技術(shù)效率和技術(shù)進(jìn)步的雙重促進(jìn)作用，技術(shù)進(jìn)步的效用更明顯；值得注意的是，甘肅省Malmquist 指數(shù)僅為0.935，技術(shù)效率為0.927，技術(shù)進(jìn)步為1.009，說明在觀測年份內(nèi)甘肅省Malmquist 指數(shù)下降了6.5%，這主要歸因于技術(shù)效率的下降。

表4 2009～2018 年我國30 個省、市、自治區(qū)物流業(yè)Malmquist 指數(shù)

以表5 中2011～2012 年我國全要素生產(chǎn)率指數(shù)1.085 為例，2012 年同2011 年相比效率提高了8.5%，而2012～2013 年該指標(biāo)變?yōu)?.944，表示2013 年整體的物流效率僅相當(dāng)于2012 年整體物流效率的94.4%，屬于效率下降。如表5 所示，我國物流產(chǎn)業(yè)在研究期間內(nèi)整體Malmquist 指數(shù)波動幅度較大，并且和技術(shù)進(jìn)步變動趨勢較為一致。從結(jié)構(gòu)上來看，Malmquist 指數(shù)在2012～2013 年、2014～2015 年下降，在其他年份均上升。綜合以上分析可以看出，Malmquist 指數(shù)主要受技術(shù)進(jìn)步影響，曲線變化幾乎同步，這說明我國物流在2009～2018 年持續(xù)穩(wěn)定發(fā)展主要得益于創(chuàng)新的技術(shù)支持。此外，Malmquist 指數(shù)呈現(xiàn)出漲落相繼、升降相連的特征，反映我國區(qū)域物流效率的波動趨勢。

表5 2009～2018 年我國物流產(chǎn)業(yè)Malmquist 指數(shù)的變動與分解

3.3 空間相關(guān)性分析。本文基于探索性空間數(shù)據(jù)分析法，利用Geoda 軟件在蒙特卡洛999 次模擬檢驗之后測算出2009～2018 年我國30 個省、市、自治區(qū)物流產(chǎn)業(yè)發(fā)展的Global Moran's I 指數(shù)，如表6 所示。

由表6 可知，2009～2018 年，我國30 個省、市、自治區(qū)的物流產(chǎn)業(yè)效率Global Moran's I 指數(shù)值均為正值，總體呈波動下降的趨勢，2016 年達(dá)到最小值0.360，2011 年達(dá)到最大值0.406，p 值變化不大且均小于0.05，通過了z 值檢驗，說明我國物流產(chǎn)業(yè)效率存在顯著的全局空間正相關(guān)性。

表6 2009～2018 我國30 個省、市、自治區(qū)物流產(chǎn)業(yè)效率全局Moran 指數(shù)

以時序視角來看，Global Moran's I 指數(shù)呈現(xiàn)出先上升后下降的趨勢，其中從2009 年的0.393 上升到2013 年的0.403，表明在2009～2014 年間我國物流產(chǎn)業(yè)發(fā)展的空間相互作用逐漸加強(qiáng)，2014～2018 年間稍微減弱，從0.387 下降至0.363，但始終保持著較高的空間相關(guān)性，即觀測值具有空間集聚性。我國區(qū)域物流產(chǎn)業(yè)效率在空間分布上并不是隨機(jī)的，在觀測期內(nèi)，我國30 個省、市、自治區(qū)的物流產(chǎn)業(yè)效率空間分布呈現(xiàn)如下四種不同的空間集聚主體：物流效率水平相對較高的區(qū)域傾向于與其他具有較高物流效率的區(qū)域相鄰近，即體現(xiàn)空間集聚性的H-H 高值集聚區(qū)；而較低物流效率水平的區(qū)域傾向于與其他具有低物流效率水平的區(qū)域相鄰近，即L-L 低值集聚區(qū)；以及體現(xiàn)空間差異性的物流效率L-H 低值被高值包圍區(qū)、H-L 高值被低值包圍區(qū)。

為了更加直觀形象地分析我國30 個省、市、自治區(qū)物流產(chǎn)業(yè)效率的空間格局和集聚狀態(tài)，本文以2009 年、2012 年、2015年和2018 年為研究對象，借助Geoda 軟件繪制了以上4 個年份的物流產(chǎn)業(yè)效率Local Moran's I 指數(shù)散點圖來分析中國物流產(chǎn)業(yè)效率空間格局的演變過程（如圖2 所示）。

由圖2 可知，我國物流產(chǎn)業(yè)效率的空間集聚模式主要是H-H 型以及L-L 型集聚，物流產(chǎn)業(yè)發(fā)展存在顯著的空間正相關(guān)關(guān)系，空間單元具有同質(zhì)性，即物流產(chǎn)業(yè)發(fā)展的時空演變分布并非相互獨立變化，存在空間溢出效應(yīng)；少數(shù)地區(qū)是L-H 型或H-L型集聚模式，表明我國物流產(chǎn)業(yè)發(fā)展存在顯著的空間負(fù)相關(guān)關(guān)系，空間單元具有異質(zhì)性。

圖2 我國30 個省、市、自治區(qū)物流產(chǎn)業(yè)效率的Moran 指數(shù)散點圖

為了更直觀地分析各省、市、自治區(qū)的物流產(chǎn)業(yè)效率演化格局，以上4 個觀測年份的物流產(chǎn)業(yè)效率LISA 集聚效果如表7 所示。

表7 我國物流產(chǎn)業(yè)效率LISA 集聚

從表7 中可以看出：（1） 4 種不同集聚主體數(shù)量變化。從時間維度上看，2009～2018 年，H-H 型地區(qū)從18 個增至20 個，L-H 型和L-L 型數(shù)量始終保持不變，分別為6 個和3 個，H-L 型地區(qū)從3 個降至1 個，表明我國物流產(chǎn)業(yè)效率空間集聚模式以H-H、L-L 型為主導(dǎo)，形成了“高—低”集聚的顯著二元結(jié)構(gòu)，我國物流產(chǎn)業(yè)效率呈明顯兩極分化趨勢，且該趨勢長期內(nèi)并未得到本質(zhì)改善。（2） 4 種不同集聚主體空間分布。H-H 型區(qū)域主要集中在經(jīng)濟(jì)較為發(fā)達(dá)的東部和中部，各省、市之間交通便捷，物流產(chǎn)業(yè)規(guī)模大效率高，形成了產(chǎn)業(yè)互聯(lián)、設(shè)施互通、經(jīng)濟(jì)互補(bǔ)的區(qū)域一體化格局；L-L 型區(qū)域包括青海和新疆，其地處西北內(nèi)陸，交通閉塞，經(jīng)濟(jì)欠發(fā)達(dá)，物流產(chǎn)業(yè)效率低下；L-H 型區(qū)域主要集中在我國西南以及中部偏北的省份，說明以上省份自身物流效率較低，物流產(chǎn)業(yè)發(fā)展慢于周邊地區(qū)；H-L 型地區(qū)在以上4 個觀測年份中僅有福建一省，其經(jīng)濟(jì)發(fā)展的溢出效應(yīng)較弱，表現(xiàn)為自身經(jīng)濟(jì)水平的“一枝獨秀”。（3） 4 種不同主體空間集聚演變。由以上4 個觀測年份可以看出，我國物流產(chǎn)業(yè)效率整體空間配置格局變化不大，但個別省份變動明顯。寧夏自治區(qū)從2009 年的H-L 型躍遷至2018 年的H-H 型，陜西省從L-H 型躍遷至H-H 型，甘肅省從L-L 型躍遷至H-H 型，以上3 個地區(qū)都位于西北內(nèi)陸，其物流產(chǎn)業(yè)效率的突飛猛進(jìn)主要歸因于“西部大開發(fā)”戰(zhàn)略和“一帶一路”戰(zhàn)略的政策紅利、全球經(jīng)濟(jì)化和區(qū)域一體化的推動、物流基礎(chǔ)設(shè)施的完善以及周圍省、市、自治區(qū)經(jīng)濟(jì)發(fā)展的溢出效應(yīng)等。

4 結(jié)論與對策

歸納并揭示物流產(chǎn)業(yè)發(fā)展規(guī)律是促進(jìn)我國區(qū)域物流產(chǎn)業(yè)高質(zhì)量發(fā)展、降本增效的基礎(chǔ)和前提。本文首先通過DEA-BBC 模型測算了區(qū)域物流產(chǎn)業(yè)的靜態(tài)效率并進(jìn)行發(fā)展質(zhì)量評價，其次利用Malmquist 指數(shù)模型分析其動態(tài)變化規(guī)律，最后運用Moran's I 指數(shù)研究我國區(qū)域物流產(chǎn)業(yè)效率的空間相關(guān)性。通過以上3 個層面的分析得到以下結(jié)論：（1） 2009～2018 年我國區(qū)域物流產(chǎn)業(yè)綜合效率總體上呈波動上升態(tài)勢，且呈現(xiàn)出顯著的區(qū)域性差異，具體表現(xiàn)為“東強(qiáng)西弱”的格局。研究年份內(nèi)東部地區(qū)物流產(chǎn)業(yè)綜合效率值變化不大，中部、西部以及東北地區(qū)10 年間物流產(chǎn)業(yè)綜合效率值均有較大提升，總體來說我國目前物流產(chǎn)業(yè)發(fā)展處于較高效率階段和較高發(fā)展質(zhì)量階段，但部分地區(qū)物流產(chǎn)業(yè)綜合效率和發(fā)展質(zhì)量依然不高，在效率改進(jìn)和發(fā)展質(zhì)量改善方面存在重重阻礙。（2）2009～2018 年我國30 個省、市、自治區(qū)的Malmquist 指數(shù)總體上呈現(xiàn)出漲落相繼、升降相連的特征。觀測年份內(nèi)我國Malmquist 指數(shù)均值為1.033，表明M 指數(shù)上升了3.3%，且M 指數(shù)曲線變化幾乎與技術(shù)進(jìn)步曲線一致，說明近年來我國物流產(chǎn)業(yè)的持續(xù)穩(wěn)定發(fā)展主要依賴技術(shù)創(chuàng)新，技術(shù)進(jìn)步帶來的“增長效應(yīng)”是物流產(chǎn)業(yè)高效率、高質(zhì)量發(fā)展的核心引擎。（3） 通過Moran's I 指數(shù)模型的分析可以看出，我國物流產(chǎn)業(yè)發(fā)展存在顯著的正相關(guān)關(guān)系，空間集聚模式主要為H-H 型、L-L 型，形成了顯著的“高—低”集聚二元結(jié)構(gòu)。我國物流產(chǎn)業(yè)效率兩極分化嚴(yán)重，且該趨勢長期內(nèi)沒有得到改善，但個別地區(qū)表現(xiàn)出明顯的類型躍遷。

結(jié)合上述研究成果和結(jié)論，本文為提升我國物流產(chǎn)業(yè)發(fā)展效率、推動物流產(chǎn)業(yè)高質(zhì)量發(fā)展，提出以下三點對策建議：（1）加快物流產(chǎn)業(yè)制度建立?？茖W(xué)完善的物流產(chǎn)業(yè)發(fā)展制度及機(jī)制是其高效高質(zhì)發(fā)展的基礎(chǔ)。一方面，政府應(yīng)積極倡導(dǎo)物流產(chǎn)業(yè)制度的標(biāo)準(zhǔn)化、規(guī)范化改革，加強(qiáng)物流市場開放程度，同時推動物流產(chǎn)業(yè)相關(guān)準(zhǔn)入制度的建立，提高行業(yè)準(zhǔn)入門檻。另一方面，物流企業(yè)的轉(zhuǎn)型升級以及結(jié)構(gòu)性改革離不開我國物流體系的高效運轉(zhuǎn)。政府和企業(yè)應(yīng)共同推動物流產(chǎn)業(yè)信息共享平臺的建設(shè)和發(fā)展，為現(xiàn)代化物流的高效率、高質(zhì)量發(fā)展夯實基礎(chǔ)。最后，物流產(chǎn)業(yè)與其他產(chǎn)業(yè)是相互扶持、相輔相成。政府應(yīng)推動相關(guān)政策的建立和實施，加快物流產(chǎn)業(yè)與其它產(chǎn)業(yè)的融合發(fā)展，尤其要重點關(guān)注物流產(chǎn)業(yè)與交通運輸業(yè)、倉儲業(yè)以及郵政業(yè)等之間的互動作用，加快物流產(chǎn)業(yè)鏈的建立，同時推動物流綜合運輸樞紐等基礎(chǔ)設(shè)施的完善，不斷增強(qiáng)物流產(chǎn)業(yè)對其他產(chǎn)業(yè)的“溢出效應(yīng)”以及外部融合能力，通過與各個產(chǎn)業(yè)的融合發(fā)展推動物流產(chǎn)業(yè)降本增效以及高質(zhì)量發(fā)展。（2） 促進(jìn)物流產(chǎn)業(yè)技術(shù)革新。物流產(chǎn)業(yè)效率的持續(xù)穩(wěn)定增長離不開先進(jìn)物流技術(shù)的支持，技術(shù)進(jìn)步的“增長效應(yīng)”是物流產(chǎn)業(yè)高效率、高質(zhì)量發(fā)展的核心引擎。首先，政府應(yīng)鼓勵創(chuàng)新，通過政策的制定推動物流企業(yè)積極進(jìn)行自主研發(fā)與技術(shù)創(chuàng)新，并大力促進(jìn)產(chǎn)業(yè)融合，尤其是物流產(chǎn)業(yè)與人工智能、大數(shù)據(jù)平臺等深度融合，增加物流產(chǎn)業(yè)科技創(chuàng)新支出以消減技術(shù)壁壘，削弱技術(shù)進(jìn)步的“滯后效應(yīng)”。其次，高素質(zhì)專業(yè)人才是物流技術(shù)革新的關(guān)鍵，企業(yè)應(yīng)積極引入物流專業(yè)人才，加強(qiáng)供應(yīng)鏈一體化管理，推動企業(yè)信息管理水平的提升和相關(guān)物流資源的整合，推進(jìn)物流產(chǎn)業(yè)供給側(cè)結(jié)構(gòu)性改革，實現(xiàn)物流產(chǎn)業(yè)的降本增效。最后，加快建立高效科學(xué)的運營模式，促進(jìn)各地區(qū)物流產(chǎn)業(yè)信息互聯(lián)互動平臺的發(fā)展，推動物流產(chǎn)業(yè)數(shù)據(jù)與信息的對接與整合，在“互聯(lián)網(wǎng)+”發(fā)展戰(zhàn)略的優(yōu)勢下打造線上與線下聯(lián)動的物流產(chǎn)業(yè)創(chuàng)新運營模式，推動物流產(chǎn)業(yè)的高質(zhì)量發(fā)展。（3） 構(gòu)建區(qū)域物流聯(lián)動機(jī)制。我國物流產(chǎn)業(yè)的高效率、高質(zhì)量發(fā)展依靠區(qū)域物流產(chǎn)業(yè)的協(xié)同發(fā)展以及空間布局的優(yōu)化。首先，應(yīng)發(fā)揮物流熱點地區(qū)的帶動作用，利用經(jīng)濟(jì)發(fā)達(dá)、基礎(chǔ)設(shè)施完善的長三角地區(qū)（以上海、浙江、江蘇為主）、京津冀地區(qū)（以北京、天津、河北為主）、珠三角地區(qū)（以廣東、福建、江西為主） 的“溢出效應(yīng)”拉動周邊地區(qū)物流產(chǎn)業(yè)的發(fā)展，同時發(fā)掘物流效率潛力較大的地區(qū)（如內(nèi)蒙古、遼寧、山東、河南、湖南、海南、貴州、寧夏等），逐步形成“南北互通、東西聯(lián)動”的物流產(chǎn)業(yè)高效率發(fā)展格局。其次，重點關(guān)注物流效率的洼地即西部地區(qū)，鼓勵東部地區(qū)的杰出物流企業(yè)將先進(jìn)的物流技術(shù)以及成熟的物流運營理念向西部區(qū)域輸出，同時利用中部區(qū)域在物流資源、信息輸送中的橋梁作用，推動各地方物流產(chǎn)業(yè)合作機(jī)制的建立健全以及各區(qū)域物流信息共享平臺的構(gòu)建，規(guī)避“信息孤島”、打破省域封鎖，大力推動物流企業(yè)的跨地區(qū)物流資源和信息的整合，實現(xiàn)區(qū)域優(yōu)勢互補(bǔ)、協(xié)同合作，推動區(qū)域物流產(chǎn)業(yè)高質(zhì)量發(fā)展。