李 勝 ， 張思雨 ， 于世強(qiáng) ， 馮志威

（1.中國農(nóng)業(yè)科學(xué)院財(cái)務(wù)局，北京 100081；2.哈爾濱商業(yè)大學(xué)管理學(xué)院，黑龍江 哈爾濱 150028；3.哈爾濱商業(yè)大學(xué)會(huì)計(jì)學(xué)院，黑龍江 哈爾濱 150028）

0 引言

物流業(yè)作為支撐國民經(jīng)濟(jì)發(fā)展的基礎(chǔ)產(chǎn)業(yè)，不僅保障了群眾的基礎(chǔ)生活，同時(shí)也促進(jìn)了產(chǎn)業(yè)鏈供應(yīng)鏈的穩(wěn)定發(fā)展。物流效率是物流業(yè)發(fā)展水平的重要體現(xiàn)，對于物流效率的測度方面，國內(nèi)多數(shù)學(xué)者采用DEA或Tobit模型，或?qū)烧呓Y(jié)合進(jìn)行研究。

張竟軼等[1]借鑒三階段DEA評(píng)價(jià)模型，選取我國31個(gè)省區(qū)市2010—2014年物流業(yè)中的交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)作為指標(biāo)，對我國目前總體物流水平進(jìn)行評(píng)價(jià)研究。王東方等[2]通過DEA模型，對我國產(chǎn)業(yè)效率的空間差異及成因進(jìn)行分析，研究發(fā)現(xiàn)國內(nèi)物流業(yè)技術(shù)效率低下且不同地區(qū)間物流效率差異大。張娜等[3]基于三階段DEA模型對西部地區(qū)2011—2014年的物流產(chǎn)業(yè)效率進(jìn)行測度，研究發(fā)現(xiàn)，西部地區(qū)物流產(chǎn)業(yè)整體效率較低，資源沒有得到合理配置。陶婷婷[4]利用Tobit回歸模型分析產(chǎn)業(yè)集聚對物流業(yè)效率的影響，結(jié)果表明專業(yè)化集聚對產(chǎn)業(yè)效率產(chǎn)生正向影響，多樣化集聚則表現(xiàn)為U型非線性關(guān)系。徐良培和李淑華[5]利用SFA方法對我國農(nóng)產(chǎn)品物流技術(shù)效率進(jìn)行了測算，研究了環(huán)境因素對農(nóng)產(chǎn)品物流技術(shù)效率的影響。

從上述學(xué)者的研究中不難看出：

1）多數(shù)文獻(xiàn)是對全國區(qū)域或是經(jīng)濟(jì)較為發(fā)達(dá)區(qū)域進(jìn)行效率測度，缺乏對我國北部省份近5年的研究。

2）采用DEA原始方法的學(xué)者較多，多數(shù)學(xué)者沒有采用含有非期望產(chǎn)出的SBM模型進(jìn)行測度。

3）鮮少文獻(xiàn)能綜合農(nóng)產(chǎn)品物流和電子商務(wù)進(jìn)行探討。基于上述原因，本文以我國北方省份的物流產(chǎn)業(yè)為例，結(jié)合前人研究成果和電商特征選取更加完善的評(píng)價(jià)指標(biāo)構(gòu)建SBM模型，對我國北部區(qū)域省份農(nóng)產(chǎn)品電商物流效率進(jìn)行測度，同時(shí)依據(jù)測量結(jié)果，利用ML模型進(jìn)行動(dòng)態(tài)分析，進(jìn)而提出相關(guān)建議。

1 研究方法及指標(biāo)構(gòu)建、選取

1.1 基于“三非”——非期望產(chǎn)出、非徑向、非角度的SBM-DEA模型

SBM-DEA模型中有L個(gè)決策單元（DMU），每個(gè)DMU有H項(xiàng)投出，M1項(xiàng)期望產(chǎn)出，M2項(xiàng)非期望產(chǎn)出。顯然，投入向量集：期望產(chǎn)出向量集：非期望產(chǎn)出向量集：在環(huán)境約束下該模型可以表示為：

式中，等式表示期望產(chǎn)出與非期望產(chǎn)出的聯(lián)合弱可處置性和零結(jié)合性，不等式表示投入與期望產(chǎn)出的強(qiáng)可處置性，μ表示橫截面觀察值的非負(fù)權(quán)重。

式中，f為DMU0中包含的投入指標(biāo)數(shù)量，z1、z2分別表示期望產(chǎn)出數(shù)和非期望產(chǎn)出數(shù)。e-、eg、eb分別表示DMU0的投入變量、產(chǎn)出變量和非期望產(chǎn)出的松弛變量。X、Yg、Yb分別表示投入、產(chǎn)出和非期望產(chǎn)出矩陣，λ表示權(quán)重向量。ρ*的分子與分母分別表示產(chǎn)出無效率和投入無效率，函數(shù)ρ*是關(guān)于松弛變量e-、eg、eb的嚴(yán)格單調(diào)遞減函數(shù)。對于特定的決策單元而言，當(dāng)且僅當(dāng)e-、eg、eb三者為0時(shí)，ρ*=1，即決策單元有效；當(dāng)0＜ρ*＜1時(shí)，決策單元非有效，存在改進(jìn)的空間[6]。

1.2 Malmquist指數(shù)模型

由于各決策單元的生產(chǎn)技術(shù)、規(guī)模存在時(shí)間序列上的變化，若將不同時(shí)間段的決策單元置于統(tǒng)一生產(chǎn)前沿面進(jìn)行效率評(píng)價(jià)和對比，就無法得到生產(chǎn)技術(shù)變化、生產(chǎn)規(guī)模變化對決策單元效率變化的貢獻(xiàn)度[7]。于是，本研究在SBM模型上，利用熊巍等[8]對Malmquist的研究，將Malmquist指數(shù)分解為技術(shù)效率和技術(shù)進(jìn)步的變化，具體分解如下：

2 指標(biāo)選取與數(shù)據(jù)來源、處理

遵循指標(biāo)選取的客觀性和相關(guān)性原則，加之統(tǒng)計(jì)年鑒中并沒有物流這個(gè)產(chǎn)業(yè)的分類，考慮到物流業(yè)80%以上的產(chǎn)值均來自交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)，所以本研究將交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)等同于物流業(yè)[9]。本研究選取我國北部16個(gè)省區(qū)市2016—2020年年末交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)的相關(guān)指標(biāo)，綜合反映低碳經(jīng)濟(jì)下區(qū)域農(nóng)產(chǎn)品電商物流的建設(shè)水平。如表1所示，結(jié)合前人文獻(xiàn)，主要從基礎(chǔ)設(shè)施、信息技術(shù)和能源消耗三個(gè)層面確定投入變量。

表1 我國北部農(nóng)產(chǎn)品電商物流效率指標(biāo)選取

1）農(nóng)村投遞路線。農(nóng)村投遞路線反映了區(qū)域物流業(yè)在農(nóng)產(chǎn)品物流建設(shè)上的投入。投遞路線越長，代表區(qū)域向當(dāng)?shù)剞r(nóng)產(chǎn)品物流建設(shè)方面輸入的人力、物力和財(cái)力就越多，促進(jìn)區(qū)域農(nóng)村與各省份的物流發(fā)展。

2）區(qū)域農(nóng)產(chǎn)品電子商務(wù)銷售額和區(qū)域農(nóng)產(chǎn)品郵電業(yè)務(wù)總量。物流產(chǎn)業(yè)作為經(jīng)濟(jì)發(fā)展的必然產(chǎn)物，也充分分享了現(xiàn)代信息技術(shù)突破性發(fā)展帶來的前所未有的活力，電子商務(wù)、郵電業(yè)務(wù)與信息技術(shù)的發(fā)展緊密相關(guān)[10]。首先，由于不存在區(qū)域在電子商務(wù)上投入的直接指標(biāo)，故采用電子商務(wù)銷售額來間接反映。電子商務(wù)銷售額和郵電業(yè)務(wù)總量都能有效反映區(qū)域物流業(yè)在信息技術(shù)方面的投入規(guī)模。其次，由于測度對象是區(qū)域農(nóng)產(chǎn)品，加之統(tǒng)計(jì)年鑒中只顯示區(qū)域變量數(shù)值，故用區(qū)域農(nóng)業(yè)總產(chǎn)值占地區(qū)GDP總產(chǎn)值的比重來估測區(qū)域農(nóng)產(chǎn)品電子商務(wù)銷售額和郵電業(yè)務(wù)總量。

3）區(qū)域農(nóng)產(chǎn)品載貨汽車擁有量?？紤]到農(nóng)產(chǎn)品物流以公路運(yùn)輸為主，選取區(qū)域農(nóng)產(chǎn)品載貨汽車擁有量（剔除非運(yùn)營狀態(tài)）作為能源消耗的主要載體，有效反映了區(qū)域農(nóng)產(chǎn)品電商物流的能源投入量。同理，采用區(qū)域農(nóng)業(yè)總產(chǎn)值占地區(qū)GDP總產(chǎn)值的比重來估測區(qū)域農(nóng)產(chǎn)品載貨汽車擁有量。

期望產(chǎn)出指標(biāo)的選?。褐饕x取兩類指標(biāo)代表區(qū)域農(nóng)產(chǎn)品電商物流的經(jīng)營情況。主要包括：1）區(qū)域農(nóng)產(chǎn)品貨物周轉(zhuǎn)量。選擇2016—2020年16個(gè)省區(qū)市公路的貨物周轉(zhuǎn)量，再用區(qū)域農(nóng)業(yè)總產(chǎn)值除以地區(qū)GDP總產(chǎn)值來估測區(qū)域農(nóng)產(chǎn)品貨物周轉(zhuǎn)量可以直觀地代表各省區(qū)市農(nóng)產(chǎn)品電商物流的營運(yùn)成果。2）區(qū)域農(nóng)產(chǎn)品快遞業(yè)務(wù)收入。該指標(biāo)非常直觀地表示了區(qū)域農(nóng)業(yè)物流業(yè)帶來的增收，也能代表經(jīng)營狀況，計(jì)算方法同上。

非期望產(chǎn)出指標(biāo)的選取：區(qū)域農(nóng)產(chǎn)品碳排放量。將區(qū)域農(nóng)產(chǎn)品碳排放量納入產(chǎn)出指標(biāo)體系，有效反映了區(qū)域農(nóng)產(chǎn)品電商物流能源消耗對環(huán)境的影響。先通過計(jì)算各省區(qū)市各自的貨運(yùn)總量占全國貨運(yùn)總量的比重，再乘以全國能源消耗總量得到各省區(qū)市的能源消耗量（換算為萬噸標(biāo)準(zhǔn)煤），再乘以碳排放系數(shù)將區(qū)域碳排放量計(jì)算出來，最后利用區(qū)域農(nóng)業(yè)總產(chǎn)值占地區(qū)GDP總產(chǎn)值的比重來估測區(qū)域農(nóng)產(chǎn)品碳排放量。

各變量數(shù)據(jù)均來源于2017—2021年度《中國統(tǒng)計(jì)年鑒》、各省區(qū)市統(tǒng)計(jì)年鑒及統(tǒng)計(jì)公報(bào)。數(shù)據(jù)處理方面，縱觀國內(nèi)多數(shù)論文，大部分論文在處理數(shù)據(jù)時(shí)進(jìn)行離差標(biāo)準(zhǔn)化，是為了避免數(shù)據(jù)指標(biāo)量綱不同。本文綜合考慮國內(nèi)多數(shù)論文的數(shù)據(jù)處理方式，采用歸一化對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，具體標(biāo)準(zhǔn)化公式如下：

3 區(qū)域的劃分

本研究以省區(qū)市為單位進(jìn)行效率測度，為了方便研究，同時(shí)參照地理位置的劃分，進(jìn)一步將新疆、西藏、青海、甘肅、陜西劃分為西部地區(qū)，將內(nèi)蒙古、寧夏、山西、河南、河北劃分為中部地區(qū)，將黑龍江、吉林、遼寧、北京、天津、山東劃分為東部地區(qū)。

4 物流綜合效率的分析

通過SBM模型，將碳排放量定義為非期望產(chǎn)出，借助MATLAB（2021b）軟件得到2016—2020年我國北部16個(gè)省區(qū)市農(nóng)產(chǎn)品電商物流總體效率，詳情如表2所示。

對于特定的評(píng)價(jià)單元，測度值為1是最高值，即表示生產(chǎn)單位完全有效；若測度值小于1，說明存在效率損失。由表2可知，在低碳經(jīng)濟(jì)引領(lǐng)下，我國北部16個(gè)省區(qū)市2016—2020年農(nóng)產(chǎn)品電商物流效率均值為0.742，西部地區(qū)均值為0.587、中部地區(qū)均值為0.793、東部地區(qū)均值為0.845。可見，我國北部16個(gè)省區(qū)市農(nóng)產(chǎn)品電商物流效率總體水平較低，且西部地區(qū)遠(yuǎn)低于中部和東部地區(qū)。

表2 2016—2020年我國北部16個(gè)省區(qū)市農(nóng)產(chǎn)品電商物流總體效率

從個(gè)體上分析，寧夏、河北、黑龍江、北京和天津五個(gè)地區(qū)的物流總體效率始終為1，可知上述地區(qū)的物流投入、產(chǎn)出均達(dá)到有效狀態(tài)且比較穩(wěn)定，即始終處于效率前沿頂端。西藏、內(nèi)蒙古、吉林、陜西和河南五省份的農(nóng)產(chǎn)品電商物流效率多數(shù)年份為1且各自物流效率均值較高，說明該五省份農(nóng)產(chǎn)品電商物流發(fā)展水平相對較高。新疆、遼寧和山東三省份各自物流效率均值均介于0.5～0.7之間，說明該三省份農(nóng)產(chǎn)品電商物流發(fā)展水平相對中等。青海、甘肅和山西三省份各自的物流效率均值均小于0.5，與總體農(nóng)產(chǎn)品電商物流效率均值差距較大，說明上述三省份的資源沒有得到合理配置。其次，同一個(gè)省份在不同年份之間的物流效率也會(huì)產(chǎn)生波動(dòng)，如青海、陜西等省份的物流投入產(chǎn)出時(shí)而效率較高，時(shí)而效率低下。

分地區(qū)來看，如圖1所示，西部地區(qū)在2018—2019年農(nóng)產(chǎn)品電商物流效率下降幅度較大。由于2019年，中央全面深化改革委員會(huì)第七次會(huì)議審議通過了《關(guān)于新時(shí)代推進(jìn)西部大開發(fā)形成新格局的指導(dǎo)意見》，旨在促進(jìn)西部地區(qū)經(jīng)濟(jì)社會(huì)發(fā)展與人口、資源、環(huán)境相協(xié)調(diào)。極大可能受該政策的影響，在此之后西部地區(qū)物流效率有顯著提升，中部地區(qū)農(nóng)產(chǎn)品電商物流效率變化趨勢與西部地區(qū)相似。2019—2020年，西部地區(qū)農(nóng)產(chǎn)品電商物流效率接近0.5，中、東部地區(qū)物流效率均接近0.8，表明西部地區(qū)農(nóng)產(chǎn)品電商物流效率發(fā)展水平較為低下，資源沒有得到合理配置，而中、東部地區(qū)物流效率呈現(xiàn)上升趨勢且具有20%左右的提升空間。總體而言，中國北部16個(gè)省區(qū)市農(nóng)產(chǎn)品電商物流效率總體呈現(xiàn)先下降后上升的趨勢，介于0.6～0.8之間。

圖1 2016—2020年各地區(qū)農(nóng)產(chǎn)品電商物流效率平均值變化趨勢

5 我國北部16個(gè)省區(qū)市農(nóng)產(chǎn)品電商物流效率動(dòng)態(tài)分析

SBM模型對各省區(qū)市農(nóng)村物流效率的評(píng)價(jià)僅僅是從靜態(tài)的視角反映的，而全要素生產(chǎn)率則提供了一個(gè)動(dòng)態(tài)的研究視角，有效反映了各省區(qū)市農(nóng)村物流效率隨時(shí)間變化的發(fā)展趨勢。本文利用2016—2020年我國北部16個(gè)省區(qū)市投出產(chǎn)出的面板數(shù)據(jù)構(gòu)建了Malmquist指數(shù)，進(jìn)一步分析我國北部農(nóng)產(chǎn)品電商物流效率及其分解值。由圖1可知，總體農(nóng)產(chǎn)品電商物流效率在2018—2019年有明顯的下降趨勢，為深探其變化原因，將2018—2019年全要素生產(chǎn)率指數(shù)通過ML模型分解為純技術(shù)效率指數(shù)（PEC）、技術(shù)進(jìn)步指數(shù)（TC）和規(guī)模效率指數(shù)（SEC），如表3所示。

由表3可知，整體純技術(shù)效率指數(shù)、技術(shù)進(jìn)步指數(shù)、規(guī)模效率指數(shù)分別為0.951、0.974、0.927，說明樣本總體物流效率的下降主要是由純技術(shù)效率和規(guī)模效率的下降所引起的。西部地區(qū)這三個(gè)相關(guān)指數(shù)分別為1.038、0.975、0.645，說明西部地區(qū)總體農(nóng)產(chǎn)品物流效率的下降主要受技術(shù)和規(guī)模的影響；而觀察中部地區(qū)和東部地區(qū)的三個(gè)指數(shù)發(fā)現(xiàn)它們均呈現(xiàn)上升趨勢，說明中、東部地區(qū)相應(yīng)農(nóng)產(chǎn)品物流效率處于提升階段，且主要依賴于技術(shù)進(jìn)步和規(guī)模的改善。

表3 2018—2019年我國北部區(qū)域農(nóng)產(chǎn)品電商物流全要素生產(chǎn)率指數(shù)分解值

從各省區(qū)市來看，結(jié)果如表4所示，在2018—2019年，除了陜西、山西、河南、黑龍江、吉林五省全要素生產(chǎn)率指數(shù)大于1外，其余各省區(qū)市均低于完全有效值。其中，陜西效率值高主要依靠純技術(shù)效率和技術(shù)進(jìn)步加持，山西主要源于純技術(shù)效率和規(guī)模效率，河南、黑龍江和吉林皆源于技術(shù)進(jìn)步。由此可推測出，純技術(shù)效率和規(guī)模效率并未完全發(fā)揮其對區(qū)域農(nóng)產(chǎn)品電商物流效率的推動(dòng)作用。研究范圍內(nèi)的其他省區(qū)市物流效率全要素生產(chǎn)率均小于1，說明各省區(qū)市農(nóng)產(chǎn)品電商物流效率發(fā)展趨勢并不相同。結(jié)合表3可知，純技術(shù)效率和規(guī)模效率的提升成為2019年之后我國北部16個(gè)省區(qū)市農(nóng)產(chǎn)品電商物流效率改善的驅(qū)動(dòng)方向。

表4 2018—2019年我國北部16個(gè)省區(qū)市農(nóng)產(chǎn)品電商物流全要素生產(chǎn)率指數(shù)分解值

6 結(jié)論與建議

本文通過考慮碳排放的情況，運(yùn)用含有非期望產(chǎn)出的SBM模型對我國北部16個(gè)省區(qū)市農(nóng)產(chǎn)品電商物流效率進(jìn)行評(píng)價(jià)，然后借助Malmquist指數(shù)模型細(xì)化分析了北部16個(gè)省區(qū)市（分為東、西、中部地區(qū)）2018—2019年總體物流效率下降的原因，研究發(fā)現(xiàn)：

1）我國北部16個(gè)省區(qū)市農(nóng)產(chǎn)品電商物流效率總體水平較低，加之地區(qū)差異性較大，在地區(qū)農(nóng)產(chǎn)品電商物流效率值的比較上，東部地區(qū)＞中部地區(qū)＞西部地區(qū)。

2）2018—2019年期間，全要素生產(chǎn)率指數(shù)高的五個(gè)省份大多數(shù)受到技術(shù)進(jìn)步指數(shù)影響，而純技術(shù)效率和規(guī)模效率并未完全顯現(xiàn)推動(dòng)作用，并且研究范圍內(nèi)的其他省區(qū)市農(nóng)產(chǎn)品電商物流全要素生產(chǎn)率均小于1。

綜上所述，建議政府應(yīng)先從發(fā)展低碳物流入手，以避免走“先污染后治理”的老路；其次，我國北部各省區(qū)市應(yīng)當(dāng)緊抓技術(shù)發(fā)展，切實(shí)提高農(nóng)產(chǎn)品電商物流的效率；最后，我國北部各省區(qū)市應(yīng)緊抓國家戰(zhàn)略，積極向發(fā)展快速的地區(qū)學(xué)習(xí)低碳物流管理技術(shù)，持續(xù)縮小各地區(qū)農(nóng)產(chǎn)品電商物流效率之間的差異。