梁雯 殷偉偉

(安徽大學(xué) 商學(xué)院，安徽 合肥 230039)

一、引言

物流業(yè)是國民經(jīng)濟(jì)發(fā)展的重要?jiǎng)用}，是國民經(jīng)濟(jì)中的基礎(chǔ)性產(chǎn)業(yè)，不但對(duì)國民經(jīng)濟(jì)發(fā)展具有重要意義,同時(shí)也在調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、優(yōu)化資源配置、提升區(qū)域競爭力等方面發(fā)揮著重要影響。近年來，中國各地區(qū)政府都在新一輪行業(yè)規(guī)劃調(diào)整中將物流業(yè)作為重要行業(yè)優(yōu)先發(fā)展，將物流業(yè)高質(zhì)量發(fā)展作為重要著力點(diǎn)。2019年國家發(fā)改委、交通運(yùn)輸部等24個(gè)部門聯(lián)合發(fā)布了《關(guān)于推動(dòng)物流高質(zhì)量發(fā)展促進(jìn)形成強(qiáng)大國內(nèi)市場的意見》，2020年國家發(fā)改委推出了《關(guān)于進(jìn)一步降低物流成本的實(shí)施意見》《“十四五”現(xiàn)代流通體系建設(shè)規(guī)劃》,提出在雙循環(huán)背景下構(gòu)建更加完善的物流體系，突破物流低效率的瓶頸，促進(jìn)經(jīng)濟(jì)循環(huán)[1]。

長江經(jīng)濟(jì)帶是最具影響力的流域經(jīng)濟(jì)帶之一，長江經(jīng)濟(jì)帶高質(zhì)量發(fā)展對(duì)帶動(dòng)中國整體經(jīng)濟(jì)高質(zhì)量發(fā)展具有重大的意義[2]。在中國經(jīng)濟(jì)高質(zhì)量發(fā)展的背景下，物流業(yè)扮演著必不可少的角色，因此對(duì)長江經(jīng)濟(jì)帶物流效率的研究具有重要的現(xiàn)實(shí)意義?；诖耍疚幕陂L江經(jīng)濟(jì)帶2011～2020年11個(gè)省市的數(shù)據(jù)，運(yùn)用三階段DEA模型、Tobit計(jì)量經(jīng)濟(jì)模型和Malquist模型對(duì)物流效率進(jìn)行研究。

二、國內(nèi)外文獻(xiàn)綜述

國外學(xué)者主要從國家層面和企業(yè)層面對(duì)物流效率進(jìn)行研究。一是基于國家層面。Markovits-Somogyi等(2014)利用DEA-PC與DEA方法對(duì)比分析了歐洲29國的物流效率[3]。在物流效率評(píng)價(jià)中，國家之間的基礎(chǔ)設(shè)施建設(shè)對(duì)于物流效率也具有一定的影響，這在Saparovna Mukhtarova等(2018)的研究中得到了證實(shí)[4]。 二是基于企業(yè)層面。Tae Hoon Oum等(2013)通過研究日本運(yùn)輸企業(yè)發(fā)現(xiàn)鐵路公司效率高于航空公司效率[5]。Sung Hoon Park等(2018)分析了韓國沿海輪渡企業(yè)效率[6]。Wong等(2015)分析了新加坡和馬來西亞物流公司的效率，發(fā)現(xiàn)企業(yè)大小對(duì)物流效率也具有影響[7]，因此不僅需要關(guān)注整個(gè)物流行業(yè)的情況，企業(yè)內(nèi)部管理也具有舉足輕重的作用。Lakshmi Pothuraju Vijaya等(2019)的研究發(fā)現(xiàn)員工缺勤會(huì)對(duì)企業(yè)物流效率造成影響[8]。

國內(nèi)學(xué)者主要從以下兩個(gè)角度對(duì)物流效率進(jìn)行研究：(1)從理論角度出發(fā)。何黎明(2018)認(rèn)為物流供需結(jié)構(gòu)升級(jí)、新舊動(dòng)能轉(zhuǎn)化、基礎(chǔ)設(shè)施網(wǎng)絡(luò)化等能夠推進(jìn)物流高質(zhì)量發(fā)展[9]。物流高質(zhì)量發(fā)展離不開物流體系運(yùn)轉(zhuǎn)效率的提升，粟晨靜(2019)提出要在政府、信息技術(shù)和人員專業(yè)素質(zhì)三個(gè)方面進(jìn)行提升，以更好地服務(wù)于物流體系[10]。丁海寧等(2016)認(rèn)為可以從物流基礎(chǔ)設(shè)施、信息服務(wù)平臺(tái)、物流網(wǎng)絡(luò)布局、多部門合作、航空物流五個(gè)方面入手提升物流效率[11]。另外，季小立(2018)、李翠芝(2020)都認(rèn)為物流企業(yè)創(chuàng)新可以提高其效率，增強(qiáng)競爭力[12,13]。(2)從實(shí)證角度出發(fā)。一部分學(xué)者采用單一DEA模型進(jìn)行研究，張璇等(2016)、王書靈等(2016)、王博等(2019)、汪文生等(2021)、龔瑞風(fēng)等(2022)運(yùn)用三階段DEA模型對(duì)新絲綢之路經(jīng)濟(jì)帶、江浙滬地區(qū)、“一帶一路”沿線地區(qū)、環(huán)渤海地區(qū)、全國31個(gè)省市的物流效率進(jìn)行測算[14～18]。另一部分學(xué)者將DEA模型與其他模型相結(jié)合進(jìn)行分析，于麗英等(2018)采用了DEA和Malmquist指數(shù)模型，認(rèn)為從資源整合、技術(shù)創(chuàng)新和協(xié)同合作等方面可提升物流效率[19]；龔雅玲等(2019)采用DEA和Tobit模型進(jìn)行研究，認(rèn)為物流效率受到產(chǎn)業(yè)結(jié)構(gòu)、信息化和產(chǎn)業(yè)發(fā)展優(yōu)勢三個(gè)方面的影響[20]；張?jiān)茖幍?2020)利用DEA、Tobit和Malmquist模型對(duì)中國長江大保護(hù)地區(qū)的物流效率進(jìn)行研究[21]；曹炳汝等(2019)利用DEA模型、ArcGIS和空間自相關(guān)分析方法進(jìn)行研究，認(rèn)為提升物流效率的策略包括產(chǎn)業(yè)轉(zhuǎn)型升級(jí)、區(qū)域間協(xié)調(diào)合作、加強(qiáng)對(duì)外開放等[22]。

綜上所述，盡管關(guān)于物流效率的研究成果豐碩，但仍然有不足之處：一是現(xiàn)有研究對(duì)象主要集中在國家或單個(gè)省域，鮮有以長江經(jīng)濟(jì)帶作為分析對(duì)象；二是大部分學(xué)者采用DEA模型對(duì)物流效率進(jìn)行測算，忽視了環(huán)境、隨機(jī)誤差和管理因素的影響；三是大多數(shù)研究只采用單一的研究方法，所以對(duì)物流效率的研究不夠深入。基于此，本文首先利用三階段DEA模型對(duì)長江經(jīng)濟(jì)帶物流效率進(jìn)行測度，然后利用Tobit模型分析外部環(huán)境因素對(duì)物流效率的影響，最后利用Malquist模型對(duì)物流效率進(jìn)行動(dòng)態(tài)研究。

三、研究方法與數(shù)據(jù)來源

(一)三階段DEA模型

三階段DEA模型最早來源于Fried等人[23]對(duì)DEA模型的延伸。具體計(jì)算步驟如下：

1.DEA-BBC模型

本文利用規(guī)模報(bào)酬可變的情況下投入導(dǎo)向的BBC模型，公式如下：

(1)

2.相似SFA模型

這一階段的目的是剔除環(huán)境效應(yīng)、隨機(jī)干擾和管理無效率對(duì)物流效率的影響。具體步驟如下：

(1)建立SFA回歸方程：

Sni=f(Zi;βn)+νni+μni

(2)

(2)采用羅登躍(2012)的方法[24]進(jìn)行管理無效率分離和計(jì)算隨機(jī)誤差項(xiàng)：

(3)

E[νni|νni+μni]=Sni-f(Zi;βn)

-E[μni|νni+μni]

(4)

(3)對(duì)投入變量進(jìn)行調(diào)整：

+[max(νni)-νni]

(5)

3.調(diào)整后的DEA-BBC模型

根據(jù)第二階段新的投入量再次運(yùn)用DEA-BBC模型進(jìn)行測算，這一階段所得出的結(jié)果更加真實(shí)可靠。

(二)Tobit模型

因?yàn)镈EA-BBC模型所得效率值范圍為0～1，所以普通最小二乘回歸方法對(duì)本文不適用，因此本文采用Tobit回歸模型以減少誤差[25]，模型如下：

Y=β0+β1X1+β2X2+β3X3+β4X4+ε

(6)

其中Y為被解釋變量，X為解釋變量,β0為常數(shù)項(xiàng)，ε為誤差項(xiàng)。

(三)Malmquist指數(shù)模型

Malmquist指數(shù)模型最早由Malmquist在1953年提出，后來Caves用于生產(chǎn)率指數(shù)[26]，具體公式如下：

=EC×TC

(7)

其中x、y分別表示投入和產(chǎn)出；D(x,y)表示距離函數(shù)；EC表示技術(shù)效率，TC表示技術(shù)進(jìn)步。

(四)指標(biāo)選取與數(shù)據(jù)來源

1.投入、產(chǎn)出指標(biāo)與環(huán)境變量的選取

在參考以往學(xué)者研究[14,27]的基礎(chǔ)上，本文從物力、人力、資本三個(gè)角度選取投入和產(chǎn)出指標(biāo)。在環(huán)境變量上要選取那些對(duì)物流效率產(chǎn)生影響但不受物流業(yè)主觀控制的變量,本文主要選取地區(qū)生產(chǎn)總值、政府支持度、社會(huì)消費(fèi)品零售總額三個(gè)指標(biāo)。具體評(píng)價(jià)指標(biāo)體系見表1。

表1 物流效率評(píng)價(jià)指標(biāo)體系

2.數(shù)據(jù)來源

本文選取長江經(jīng)濟(jì)帶11省市2011～2020年的數(shù)據(jù)，數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》、歷年分省(市)統(tǒng)計(jì)年鑒、中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫網(wǎng)站和國家統(tǒng)計(jì)局網(wǎng)站。我國目前沒有單獨(dú)評(píng)價(jià)物流業(yè)的數(shù)據(jù),所以部分物流業(yè)的數(shù)據(jù)由交通運(yùn)輸、倉儲(chǔ)及郵電業(yè)的數(shù)據(jù)代替[28]。

四、實(shí)證分析

(一)第一階段傳統(tǒng)的DEA實(shí)證結(jié)果分析

根據(jù)投入產(chǎn)出數(shù)據(jù)，利用Deap2.1軟件測算得出長江經(jīng)濟(jì)帶2011～2020年間各省(市)物流業(yè)綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率，具體見表2～表4所示。

表2 長江經(jīng)濟(jì)帶物流綜合技術(shù)效率

表3 長江經(jīng)濟(jì)帶物流純技術(shù)效率

表4 長江經(jīng)濟(jì)帶物流規(guī)模效率

從綜合技術(shù)效率來看,下游地區(qū)>中游地區(qū)>上游地區(qū),這就意味著下游地區(qū)的物流輸出能力較強(qiáng),資源得到了充分發(fā)揮。這是因?yàn)榻陙?我國政府對(duì)長三角地區(qū)物流業(yè)發(fā)展的關(guān)注程度較大,并制定了《長江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》,讓長三角區(qū)域成為領(lǐng)頭區(qū)域，引導(dǎo)其他地方物流業(yè)朝著更高效的方向發(fā)展。而上游地區(qū)效益相對(duì)較差的主要原因可能在于其區(qū)域地形比較復(fù)雜,在交通方面處于劣勢地位。

從純技術(shù)效率來看，貴州、江西、上海、江蘇、安徽都達(dá)到了1，說明這5個(gè)地區(qū)對(duì)投入因素的利用率已經(jīng)達(dá)到了最高水平；重慶市在2011和2012這兩年達(dá)到了技術(shù)效率前沿面，隨后呈現(xiàn)下降的趨勢，但是整體上仍處于較高水平；浙江省則與重慶市相反，在2011、2012年雖然沒有達(dá)到技術(shù)效率前沿面，但從2013年起其技術(shù)效率一直為1。11個(gè)地區(qū)中四川省的技術(shù)效率最低，說明其投入并沒有得到很好的產(chǎn)出，物流管理水平較低。

從規(guī)模效率來看，上海、江蘇、浙江均為1，且浙江>湖北>湖南>江西>四川>云南>貴州>重慶。除了上海、江蘇和浙江這三個(gè)省(市)的規(guī)模效率一直保持為1之外，其他省(市)的規(guī)模效率都呈現(xiàn)反復(fù)變化的趨勢，說明其他省(市)還存在上升空間。

綜合來看，上海、江蘇、安徽這三個(gè)地區(qū)每年度的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率數(shù)值均為1,而長江經(jīng)濟(jì)帶綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率數(shù)值整體大致呈上升態(tài)勢,表明物流發(fā)展水平在逐漸提高，但還存在進(jìn)步的空間。其中，從長江經(jīng)濟(jì)帶總體上看，純技術(shù)效率對(duì)綜合技術(shù)效率的貢獻(xiàn)比規(guī)模效率大。

(二)第二階段SFA回歸結(jié)果分析

SFA回歸模型中被解釋變量為第一階段所求得的物流營運(yùn)里程、物流從業(yè)人員數(shù)和物流固定資產(chǎn)投資額這三者的松弛變量，解釋變量為地區(qū)生產(chǎn)總值、政府支持度和社會(huì)消費(fèi)品零售總額，利用Frionter4.1軟件對(duì)2011～2020年長江經(jīng)濟(jì)帶的數(shù)據(jù)進(jìn)行分析，結(jié)果見表5。

表5 SFA回歸模型匯總結(jié)果

由表5可知，所選取的3個(gè)環(huán)境變量的單邊似然比檢驗(yàn)結(jié)果都通過了1%的顯著性檢驗(yàn)，說明環(huán)境變量對(duì)物流的投入松弛變量都有較大影響力,具體分析如下。

1.地區(qū)生產(chǎn)總值

此環(huán)境變量對(duì)3個(gè)投入松弛變量的回歸系數(shù)均為正數(shù)但是值較小，表明地區(qū)生產(chǎn)總值的增加會(huì)帶來物流營運(yùn)里程、物流從業(yè)人員數(shù)、物流固定資產(chǎn)投資額這三者的松弛變量的增長，進(jìn)而對(duì)物流效率產(chǎn)生消極作用。GDP的增長可能會(huì)引起物流業(yè)進(jìn)行盲目投資并吸引更多的人員進(jìn)入物流業(yè)，從而導(dǎo)致物流效率的下降，因此要合理分配資源，實(shí)現(xiàn)資源最大化利用。

2.政府支持度

此環(huán)境變量對(duì)物流營運(yùn)里程和物流固定資產(chǎn)投資額這兩者松弛變量的回歸系數(shù)為正數(shù)，對(duì)物流從業(yè)人員數(shù)松弛變量的回歸系數(shù)為負(fù)數(shù)，表明政府對(duì)物流基礎(chǔ)設(shè)施和固定資產(chǎn)投資過多從而導(dǎo)致浪費(fèi)，而對(duì)于物流從業(yè)人員數(shù)，政府的控制能力較好，可以防止過多人員從事物流業(yè)從而造成人員的冗余。

3.社會(huì)消費(fèi)品零售總額

此環(huán)境變量對(duì)3個(gè)投入松弛變量的回歸系數(shù)均為負(fù)數(shù)，表明社會(huì)消費(fèi)品零售總額的增加會(huì)帶來物流營運(yùn)里程、物流從業(yè)人員數(shù)、物流固定資產(chǎn)投資額這三者的松弛變量的降低，因而對(duì)物流效率具有積極作用。市場交易額的增加帶動(dòng)了物流效率的提升，是物流業(yè)發(fā)展必不可少的基石。

(三)第三階段投入調(diào)整后的DEA實(shí)證結(jié)果分析

根據(jù)第二階段新的投入數(shù)據(jù)，再次利用DEA-BBC模型進(jìn)行測算，可以看出與第一階段相比數(shù)值發(fā)生了變化，說明隨機(jī)因素和環(huán)境因素對(duì)物流效率具有一定的影響力，具體見表6～表8所示。

表6 投入變量調(diào)整后的長江經(jīng)濟(jì)帶物流綜合技術(shù)效率

表7 投入變量調(diào)整后的長江經(jīng)濟(jì)帶物流純技術(shù)效率

表8 投入變量調(diào)整后的長江經(jīng)濟(jì)帶物流規(guī)模效率

1.從時(shí)間角度分析

長江經(jīng)濟(jì)帶各省(市)每年的物流綜合技術(shù)效率和純技術(shù)效率值都小于第一階段，而規(guī)模效率值都大于第一階段，說明純技術(shù)效率在物流效率中起作用的程度更大。具體改進(jìn)措施可從兩方面入手：第一，各省(市)政府應(yīng)出臺(tái)支持技術(shù)創(chuàng)新的政策，以實(shí)現(xiàn)高質(zhì)量發(fā)展；第二,各省(市)企業(yè)和學(xué)校也應(yīng)加強(qiáng)對(duì)技術(shù)人員的培養(yǎng)，例如開設(shè)學(xué)習(xí)新技術(shù)的課程。

2.從空間角度分析

(1)將第一階段和第三階段的綜合技術(shù)效率進(jìn)行對(duì)比，除了上海，其他10個(gè)省(市)的效率都下降了，其中貴州省下降程度最大，為57.15%，說明其受環(huán)境影響的程度最大。從表6可以看出，下游地區(qū)受環(huán)境影響程度最小。(2)對(duì)比第一階段和第三階段的純技術(shù)效率，上游地區(qū)效率下降程度大于中游地區(qū)，而下游地區(qū)中上海、江蘇和浙江效率沒有變化且已達(dá)到效率最前沿面，并始終保持著純技術(shù)效率為1，下游中只有浙江純技術(shù)效率下降了6.43%。(3)對(duì)比第一階段和第三階段的規(guī)模效率，上海依舊沒有變化，規(guī)模效率值為1，其他省(市)雖然沒有達(dá)到DEA有效，但是規(guī)模效率也比較高。四川、江西、湖北、湖南、浙江和安徽的規(guī)模效率值在0.9～1之間，重慶、云南和江蘇的規(guī)模效率值在0.8～0.9之間，只有貴州的規(guī)模效率值0.707為最低。湖北、江蘇、浙江和安徽都有不同程度的下降，江蘇的下降程度最大，為15.35%，而其他省(市)規(guī)模效率都是提高的，其中重慶市的提升幅度最大，為61.49%。

總的來看，只有上海調(diào)整前后的三種效率值都無變化并都為1，說明上海的資源得到了高效利用，并且達(dá)到了最大產(chǎn)出，而其他省(市)都需要重點(diǎn)提高物流的純技術(shù)效率以進(jìn)行優(yōu)化。從長江經(jīng)濟(jì)帶總體上看，規(guī)模效率對(duì)綜合技術(shù)效率的貢獻(xiàn)比純技術(shù)效率大。

(四)長江經(jīng)濟(jì)帶物流效率影響因素分析

影響物流效率的因素是復(fù)雜多樣的，三階段DEA所得出的物流效率可能不夠完善。為了深入研究影響物流效率的因素，本文進(jìn)一步構(gòu)建Tobit回歸模型進(jìn)行分析，其中被解釋變量為長江經(jīng)濟(jì)帶物流效率，解釋變量包括：外貿(mào)水平，用進(jìn)出口總額(千億美元)衡量；信息技術(shù)水平，用互聯(lián)網(wǎng)寬帶接入端口數(shù)(千萬個(gè))衡量；物流產(chǎn)業(yè)結(jié)構(gòu)，用地區(qū)物流業(yè)產(chǎn)值占總產(chǎn)值的比重(%)衡量；區(qū)位商，用地區(qū)物流業(yè)產(chǎn)值占總產(chǎn)值比重/全國物流業(yè)產(chǎn)值占總產(chǎn)值比重的比值(%)衡量。結(jié)果見表9。

由表9可知，外貿(mào)水平和物流產(chǎn)業(yè)結(jié)構(gòu)在1%的水平上顯著且系數(shù)為正，外貿(mào)水平系數(shù)值比物流產(chǎn)業(yè)結(jié)構(gòu)系數(shù)值小，說明外貿(mào)水平對(duì)物流效率的正向影響比物流產(chǎn)業(yè)結(jié)構(gòu)對(duì)物流效率的正向影響??；信息技術(shù)水平在5%的水平上顯著且系數(shù)值為-0.013，說明其對(duì)物流效率具有負(fù)面影響但影響力比較??；區(qū)位商在1%的水平上顯著且系數(shù)值為-1.300，說明區(qū)位商對(duì)物流效率具有負(fù)面影響且影響較大，可能因?yàn)殚L江經(jīng)濟(jì)帶上游地區(qū)(如重慶、四川等)地勢較為復(fù)雜且以山地、丘陵為主，這對(duì)物流運(yùn)輸方面會(huì)造成一定的阻礙，從而降低物流效率。

表9 Tobit回歸結(jié)果

(五)長江經(jīng)濟(jì)帶物流效率動(dòng)態(tài)分析

根據(jù)第三階段DEA所得的投入產(chǎn)出數(shù)據(jù)構(gòu)建Malmquist模型,進(jìn)一步分析長江經(jīng)濟(jì)帶物流效率動(dòng)態(tài)發(fā)展趨勢,具體結(jié)果見表10和表11。

表10 長江經(jīng)濟(jì)帶2011～2020年物流業(yè)Malmquist指數(shù)的變動(dòng)與分解

從表10可知，整體上物流效率都是提高的，物流的全要素生產(chǎn)率上升了3.3%，主要來源于兩方面：一方面得益于綜合技術(shù)效率上升了1.4%,另一方面得益于技術(shù)進(jìn)步上升了1.9%，對(duì)比這兩個(gè)數(shù)值就可以發(fā)現(xiàn)全要素生產(chǎn)率變化主要依賴于技術(shù)進(jìn)步的提高。綜合技術(shù)效率的上升也包括兩個(gè)方面：一方面是得益于純技術(shù)效率上升了0.4%，另一方面是得益于規(guī)模效率上升了1%，由此可知規(guī)模效率的上升是帶動(dòng)綜合技術(shù)效率上升的主要因素。

2011～2020這10年間長江經(jīng)濟(jì)帶的物流效率波動(dòng)較大。物流全要素生產(chǎn)率除了2012、2014、2019年下降外，其余年份都大于1，其中2012年降低幅度最大，2016年提高幅度最大，達(dá)到11.8%，貢獻(xiàn)程度最大的是技術(shù)進(jìn)步，提高了6.5%。

從表11可知，除了重慶、江蘇和安徽的全要素生產(chǎn)率呈下降趨勢，分別下降了0.1%、0.2%和2.9%外，其他8個(gè)省(市)都呈上升趨勢。其中，下降程度最大的為安徽省，技術(shù)落后是主要原因，因此安徽省應(yīng)該注重提高物流業(yè)的智能化水平。提升程度最大的為云南省，數(shù)值為10.6%，其中綜合技術(shù)效率貢獻(xiàn)了5.7%，技術(shù)進(jìn)步貢獻(xiàn)了4.7%，由這兩個(gè)數(shù)值可以發(fā)現(xiàn)技術(shù)進(jìn)步和綜合技術(shù)效率對(duì)云南省全要素生產(chǎn)率的貢獻(xiàn)都具有積極的影響。

分區(qū)域來看，全要素生產(chǎn)率排名第一為上游地區(qū)，第二為中游地區(qū)，下游地區(qū)最小。其中上游地區(qū)全要素生產(chǎn)率上升了6.4%，綜合技術(shù)效率上升了1.8%，技術(shù)進(jìn)步上升了4.6%，純技術(shù)效率上升了0.3%，規(guī)模效率上升了1.4%，全要素生產(chǎn)率上升主要得益于技術(shù)進(jìn)步；中游地區(qū)全要素生產(chǎn)率上升了2.9%，綜合技術(shù)效率上升了2.6%，技術(shù)進(jìn)步上升了0.3%，純技術(shù)效率上升了1.0%，規(guī)模效率上升了1.6%，全要素生產(chǎn)率上升主要得益于綜合技術(shù)效率提高；下游地區(qū)全要素生產(chǎn)率上升了0.9%，綜合技術(shù)效率上升了0.3%，技術(shù)進(jìn)步上升了0.6%，純技術(shù)效率上升了0.1%，規(guī)模效率上升了0.2%，全要素生產(chǎn)率上升主要得益于技術(shù)進(jìn)步但帶動(dòng)作用不明顯。

表11 長江經(jīng)濟(jì)帶2011～2020年各省市物流業(yè)Malmquist指數(shù)的變動(dòng)與分解

五、研究結(jié)論與政策啟示

(一)研究結(jié)論

本文基于長江經(jīng)濟(jì)帶11個(gè)省(市)2011～2020年的數(shù)據(jù)，利用三階段DEA、Tobit和Malmquist模型研究長江經(jīng)濟(jì)帶的物流效率，研究發(fā)現(xiàn)：(1)調(diào)整前物流綜合技術(shù)效率依次遞減的排序?yàn)樯虾?、江蘇、安徽、浙江、江西、湖南、湖北、云南、貴州、重慶、四川。其中上海、江蘇、安徽并列第一，并且都已達(dá)到效率前沿，但是長江經(jīng)濟(jì)帶總體綜合技術(shù)效率不高。調(diào)整后的物流綜合技術(shù)效率依次遞減的排序?yàn)樯虾?、安徽、浙江、江蘇、湖南、江西、重慶、湖北、四川、云南、貴州，其中只有上海達(dá)到效率前沿，長江經(jīng)濟(jì)帶總體綜合技術(shù)效率比調(diào)整前更低且規(guī)模效率高于技術(shù)效率，長江經(jīng)濟(jì)帶物流效率提高的關(guān)鍵在于規(guī)模效率提升。(2)外部環(huán)境對(duì)物流效率具有顯著影響。長江經(jīng)濟(jì)帶外貿(mào)水平與物流產(chǎn)業(yè)結(jié)構(gòu)對(duì)物流效率具有正向作用，其中物流產(chǎn)業(yè)結(jié)構(gòu)對(duì)物流效率的作用程度大于外貿(mào)水平對(duì)物流效率的作用程度；信息技術(shù)水平與區(qū)位商對(duì)物流效率具有負(fù)向作用，其中區(qū)位商對(duì)物流效率的作用程度大于信息技術(shù)水平對(duì)物流效率的作用程度。(3)長江經(jīng)濟(jì)帶過去10年全要素生產(chǎn)率平均上升了3.3%，綜合技術(shù)效率上升了1.4%，技術(shù)進(jìn)步上升了1.9%，技術(shù)進(jìn)步是影響全要素生產(chǎn)率的關(guān)鍵因素。其中只有重慶、江蘇和安徽的全要素生產(chǎn)率降低，因此要加大這三個(gè)地區(qū)物流產(chǎn)業(yè)結(jié)構(gòu)化力度。

(二)政策啟示

基于上述結(jié)論，本文提出以下政策啟示：(1)重視全局平衡性。大力促進(jìn)區(qū)域間合作，縮小發(fā)展差距，長江經(jīng)濟(jì)帶各省(市)應(yīng)加強(qiáng)交流合作，形成產(chǎn)業(yè)間的協(xié)同發(fā)展。(2)加強(qiáng)對(duì)外開放程度。長江經(jīng)濟(jì)帶區(qū)域具有先天地理優(yōu)勢，港口物流是長江經(jīng)濟(jì)帶物流的引擎，也是對(duì)外開放的關(guān)口，因此要利用好這一優(yōu)勢，提高物流的外向度。(3)改善管理方式，提高規(guī)模效率。企業(yè)和政府應(yīng)加強(qiáng)合作，優(yōu)化空間布局，使得資源和企業(yè)更加集聚化，從而提高資源利用率。(4)促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)向合理化、高級(jí)化方向發(fā)展。(5)提升物流技術(shù)水平和技術(shù)效率，以減少企業(yè)運(yùn)營成本，提升企業(yè)活力。