胡俐穎

摘 要：應用DEA-Malmquist指數(shù)測算2015—2021年我國30個省市區(qū)的農(nóng)產(chǎn)品物流效率，運用Tobit回歸分析研究區(qū)農(nóng)產(chǎn)品物流效率影響因素。實證結果表明：1）從靜態(tài)來看，觀測期內我國農(nóng)產(chǎn)品物流綜合效率較低，技術效率略低，投入要素配置尚未達到合理狀態(tài)；2）從動態(tài)來看，我國農(nóng)產(chǎn)品物流全要素率增長，技術進步作用較為關鍵；3）在多維影響因素中，信息化和物流發(fā)展程度是提升農(nóng)產(chǎn)品物流效率的主要因素。因此，文章從政府、市場和行業(yè)等角度提出了提高我國農(nóng)產(chǎn)品物流效率的建議。

關鍵詞：DEA-Malmquist；Tobit模型；農(nóng)產(chǎn)品；物流效率

中圖分類號：F224；F326.6文獻標志碼：ADOI：10.13714/j.cnki.1002-3100.2024.08.017

Abstract： The paper applies the DEA-Malmquist index to calculate the efficiency of agricultural product logistics in 30 provinces and cities in China from 2015 to 2021， and uses Tobit regression analysis to study the influencing factors of agricultural product logistics efficiency. The empirical results indicate that from a static perspective， the comprehensive efficiency of China's agricultural product logistics during the observation period is relatively low， with slightly lower technical efficiency， and the allocation of input factors has not yet reached a reasonable state， that from a dynamic perspective， the total factor rate of agricultural product logistics in China has increased， and technological progress plays a crucial role， and that among the multidimensional influencing factors， informatization and the level of logistics development are the main factors for improving the efficiency of agricultural product logistics. Therefore， this article proposes suggestions to improve the efficiency of agricultural product logistics in China from the perspectives of government， market， and industry.

Key words： DEA-Malmquist; Tobit model; agricultural products; logistics efficiency

0 ? ?引 ? ?言

我國把有效供給重要農(nóng)產(chǎn)品作為“三農(nóng)”工作的首要任務。由于農(nóng)產(chǎn)品市場與物流組織體系不完善、物流基礎設施薄弱、物流技術水平落后等原因，我國農(nóng)產(chǎn)品物流損耗嚴重，農(nóng)產(chǎn)品物流效率較低[1]。這造成了農(nóng)產(chǎn)品資源的浪費，使農(nóng)產(chǎn)品供給者利益受損，農(nóng)產(chǎn)品市場競爭力降低，阻滯了“三農(nóng)”工作的正常進行。評價我國的農(nóng)產(chǎn)品物流效率，識別農(nóng)產(chǎn)品物流效率影響因素，對健全農(nóng)產(chǎn)品物流體系、優(yōu)化農(nóng)產(chǎn)品要素的資源配置意義深遠。

1 ? ?文獻綜述

目前，學者們主要使用因子分析、數(shù)據(jù)包絡分析、隨機前沿分析和灰色關聯(lián)分析等方法測算農(nóng)產(chǎn)品物流效率。數(shù)據(jù)包絡分析（DEA）作為一種較為客觀的非參數(shù)方法，得到了廣泛應用。雷鳴等（2018）基于DEA模型調查1995—2015年我國各省的農(nóng)產(chǎn)品物流效率，發(fā)現(xiàn)東部地區(qū)的效率遠遠高于中西部地區(qū)[2]。原雅坤等（2020）基于長江經(jīng)濟帶2012—2017年11個省市的面板數(shù)據(jù)，通過DEA三階段模型評估生鮮農(nóng)產(chǎn)品冷鏈物流效率，發(fā)現(xiàn)長江經(jīng)濟帶生鮮農(nóng)產(chǎn)品冷鏈物流效率存在較大差異[3]。楊維瓊等（2021）運用因子分析和DEA-Malmquist指數(shù)分析法對京津冀地區(qū)2011—2018年農(nóng)產(chǎn)品物流效率進行評價。結果表明，京津冀地區(qū)農(nóng)產(chǎn)品物流效率呈波浪式增長[4]。孫妮等（2022）基于DEA-Malmquist指數(shù)對安徽省2009—2019年農(nóng)產(chǎn)品物流效率進行測算，發(fā)現(xiàn)安徽省的農(nóng)產(chǎn)品物流效率存在不小的差異[5]。崔振洪等（2014）認為在分析農(nóng)產(chǎn)品物流效率的基礎上需進一步探究其影響因素[6]。賈圣強（2019）運用SBM和Tobit模型對中部地區(qū)的農(nóng)產(chǎn)品物流效率及其影響因素進行了實證分析，認為提高農(nóng)產(chǎn)品物流效率最重要的因素是農(nóng)產(chǎn)品物流業(yè)的固定資產(chǎn)投資水平[7]。劉升學等（2021）也基于SBM和Tobit模型分析了湖南省農(nóng)產(chǎn)品物流效率的影響因素，認為勞動力和資本投入影響最大[8]。

已有研究較為豐富，但仍存在不足。一是通常以區(qū)域或省份為尺度評價農(nóng)產(chǎn)品物流效率，而忽略了全國及省際的對比分析；二是使用DEA模型評價農(nóng)產(chǎn)品物流效率側重于靜態(tài)視角，難以反映農(nóng)產(chǎn)品物流效率的動態(tài)變化；三是對影響農(nóng)產(chǎn)品物流效率內部因素的研究不足。本文選取了全國30個省市區(qū)的面板數(shù)據(jù)，利用DEA模型和Malmquist指數(shù)，從靜態(tài)和動態(tài)的角度評價了我國30個省市區(qū)2015—2021年的農(nóng)產(chǎn)品物流效率，并結合Tobit模型識別出農(nóng)產(chǎn)品物流效率的影響因素，以期能為我國農(nóng)產(chǎn)品物流業(yè)發(fā)展的政策制定與調整提供依據(jù)。

2 ? ?研究方法與數(shù)據(jù)來源

2.1 ? ?DEA模型

數(shù)據(jù)包絡分析（DEA）最早由Charnes等提出，用于評估多投入、多產(chǎn)出的決策單元（DMU）。BCC（規(guī)模報酬可變）的表達式如（1）所示。

式中：X為投入量，Y為產(chǎn)出量，n為決策單元數(shù)，ε為決策單元效率，λ為DMU組合系數(shù)，s-和s+反映產(chǎn)出不足和投入冗余。

2.2 ? ?Malmquist指數(shù)

Malmquist指數(shù)可以測算前后兩個時期生產(chǎn)率的變化，可分解為技術進步效率（Techch）和技術效率（Effch），而技術效率（Effch）又能分解為純技術效率（Pech）和規(guī)模效率（Sech），如式（2）所示。

2.3 ? ?指標選取與數(shù)據(jù)來源

目前，大多學者選取DEA投入指標主要參考科柯布道格拉斯函數(shù)，將技術、勞動及資本等列為投入要素。由于技術要素在實踐中難以量化，根據(jù)以往研究剔除技術要素的做法，從勞動力、資本和交通基礎設施三個方面確定投入指標。

農(nóng)產(chǎn)品物流從業(yè)人數(shù)。參考王仁祥等[9]、程書強等[10]的做法，將交通運輸、倉儲和郵政業(yè)從業(yè)人員總數(shù)乘以系數(shù)k。計算公式如下。

式中：k1為全國消費比率，k2為公民消費比率，e為恩格爾系數(shù)。

農(nóng)產(chǎn)品物流固定資產(chǎn)投資額。用交通運輸、倉儲和郵政業(yè)固定資產(chǎn)投資額平減后再乘以系數(shù)k。

交通基礎路線長度。以鐵路、公路和水路營運里程數(shù)總和代表。

貨運汽車保有量。貨運汽車是運輸農(nóng)產(chǎn)品的重要載體。計算農(nóng)產(chǎn)品物流效率，應將貨運汽車保有量作為投入指標。

關于產(chǎn)出指標，結合已有文獻，使用農(nóng)產(chǎn)品物流增加值，即農(nóng)產(chǎn)品物流凈產(chǎn)值，可以準確反映物流效率在不同年份的變化。與投入指標采用處理方式相同，將交通運輸、倉儲及郵政業(yè)增加值乘以系數(shù)k。

本文數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國物流年鑒》及國家統(tǒng)計局網(wǎng)站。選取我國30個省市區(qū)2015—2021年的面板數(shù)據(jù)作為觀測樣本。

3 ? ?我國農(nóng)產(chǎn)品物流效率實證分析

3.1 ? ?基于DEA模型的農(nóng)產(chǎn)品物流效率靜態(tài)評價

根據(jù)DEA模型中的BCC模型，利用DEAP2.1計算2015年、2018年和2021年我國30個省市區(qū)的綜合效率、純技術效率和規(guī)模效率，如表1所示。

2015年、2018年和2021年農(nóng)產(chǎn)品物流效率對比如圖1所示。

綜合效率角度。2021年，我國30個省市區(qū)綜合效率的均值為0.776，較2018年大幅下降，甚至低于2015年。7個省市區(qū)（天津、河北、上海、江蘇、福建、山東和廣東）綜合效率有效。與2015年和2018年相比，山東和廣東為新增DEA有效省。2015年、2018年和2021年，我國30個省市區(qū)的綜合效率均超過了0.7，天津、河北和上海3個省市連續(xù)3年為DEA有效省市。

技術效率角度。2015年、2018年和2021年，我國30個省市區(qū)分別有11個、16個和12個技術效率有效，對應為36.67%、53.33%和40%。連續(xù)3年技術效率有效的省市區(qū)7個（天津、河北、上海、江蘇、福建、廣東和海南）。

規(guī)模效率角度。2015年、2018年和2021年，分別有7個、8個和7個省市區(qū)規(guī)模效率有效，占比為23.33%、26.67%和23.33%，平均規(guī)模效率從2015年的0.936下降到2021年的0.887，我國的投入要素配置尚未達到充分狀態(tài)。

規(guī)模收益現(xiàn)狀。2021年，浙江、河南和湖北規(guī)模報酬遞減，應改變分配結構或減少投入量。北京、山西和內蒙古及其余19個省市區(qū)的規(guī)模報酬遞增，需進一步擴大生產(chǎn)規(guī)模。

3.2 ? ?基于Malmquist指數(shù)的農(nóng)產(chǎn)品物流效率動態(tài)評價

Malmquist指數(shù)反映了農(nóng)產(chǎn)品物流效率的周期變化。利用DEAP2.1計算我國2016—2021年30個省市區(qū)的農(nóng)產(chǎn)品物流效率TFP指數(shù)及分解。如表2所示，2016—2021年平均全要素生產(chǎn)率為0.998，農(nóng)產(chǎn)品物流效率下降。6年來，2016年、2018年和2019年全要素生產(chǎn)率大于1，其余年份均有所下降。

2015—2021年我國30個省市區(qū)技術效率變化（Effch）、技術進步變化（Techch）及全要素生產(chǎn)率變化（TFP）用折線圖表示，如圖2所示。

技術效率變化（Effch）角度。6年間，我國30個省市區(qū)的技術效率變化較小，2017年、2020年和2021年的技術效率均低于1，其余年份均高于1。

技術進步變化（Techch）角度。技術進步變化在2017年、2019年和2021年均高于1，其余年份小于1。如圖2所示，技術進步與全要素生產(chǎn)率變化更匹配了，成為了影響全要素生產(chǎn)率的主要因素。

表3顯示了2015—2021年我國30個省市區(qū)農(nóng)產(chǎn)品物流效率TFP及其分解情況，據(jù)此可將其分為三種類型。

第一類為天津、河北和上海等16個省市區(qū)，其全要素生產(chǎn)率大于1，技術效率和技術進步變化也大于1。

第二類為黑龍江、貴州、寧夏和新疆4個省市區(qū)，全要素生產(chǎn)率和技術效率小于1，技術進步大于1，技術變化作用更大。

第三類為上海、浙江和江蘇等10個省市區(qū)，全要素生產(chǎn)率和技術效率大于1，技術進步小于1，技術要素的使用效率較高，抵消了技術進步的不足。

4 ? ?我國農(nóng)產(chǎn)品物流效率影響因素分析

4.1 ? ?方法和變量選取

將農(nóng)產(chǎn)品物流效率值作為因變量，信息化、物流發(fā)展、經(jīng)濟發(fā)展和居民消費程度等因素作為自變量，構建Tobit回歸模型。計量方程如下。

結合國內外文獻，選取農(nóng)產(chǎn)品物流效率5個影響因素。X1和X2為城市、農(nóng)村互聯(lián)網(wǎng)寬帶用戶數(shù)。X3為農(nóng)產(chǎn)品物流業(yè)從業(yè)人數(shù)，X4為交通基礎路線長度。X5為居民人均可支配收入。Y為農(nóng)產(chǎn)品物流效率，C為常數(shù)項，μi和λi為區(qū)域和時間固定效應，εit為隨機誤差項。

4.2 ? ?Tobit回歸結果及分析

運用Stata16.0建立Tobit回歸模型，結果見表5。

表5 ? ?我國30個省市區(qū)農(nóng)產(chǎn)品物流效率影響因素Tobit回歸結果變量 系數(shù)大小 標準誤差 P值

城市互聯(lián)網(wǎng)寬帶用戶數(shù) 0.152 *** 3.70E-02 ＜0.001

農(nóng)村互聯(lián)網(wǎng)寬帶用戶數(shù) 0.758 *** 2.43E-01 ＜0.001

農(nóng)產(chǎn)品物流業(yè)從業(yè)人數(shù) -0.475 ** 1.68E-01 ＜0.050

交通基礎路線長度 0.335 ** 1.52E-01 ＜0.050

居民人均可支配收入 -0.008 8.00E-03 ＞0.100

注：***和**分別表示在1%和5%的顯著水平。

如表5顯示，在信息化程度上，城市和農(nóng)村互聯(lián)網(wǎng)寬帶用戶數(shù)在1%水平上顯著，說明城鄉(xiāng)網(wǎng)民數(shù)量與農(nóng)產(chǎn)品物流效率密切相關。

在物流發(fā)展程度上，農(nóng)產(chǎn)品物流從業(yè)人數(shù)在5%水平下顯著，表明農(nóng)產(chǎn)品物流人員的專業(yè)化水平有待提高。交通基礎路線長度在5%水平下顯著，表示高速公路等交通基礎路線長度越長，農(nóng)產(chǎn)品物流效率越高。

在經(jīng)濟發(fā)展和居民消費程度上，由于未通過5%水平的顯著性檢驗，居民人均可支配收入對農(nóng)產(chǎn)品物流效率影響甚微。

5 ? ?結論與政策建議

本文利用全國30個省市區(qū)2015—2021年的面板數(shù)據(jù)，采用DEA-Malmquist和Tobit模型評價農(nóng)產(chǎn)品物流效率，識別其影響因素。從靜態(tài)來看，觀測期內我國農(nóng)產(chǎn)品物流綜合效率較低，技術效率略低，投入要素配置尚未達到合理狀態(tài)。從動態(tài)來看，我國農(nóng)產(chǎn)品物流全要素率呈上升趨勢，技術進步對其影響更大。在多維影響因素中，信息化和物流發(fā)展程度是提高農(nóng)產(chǎn)品物流效率的重要影響因素。

因此，本文提出以下對策建議：一是加快構建農(nóng)產(chǎn)品物流公共信息平臺。各級政府應加快構建農(nóng)產(chǎn)品物流信息平臺，以整合農(nóng)業(yè)、交通、工商等部門的信息資源。二是完善農(nóng)產(chǎn)品物流基礎設施。依托交通基礎設施規(guī)劃，完善農(nóng)產(chǎn)品交通運輸體系。同時，還應加強生鮮類農(nóng)產(chǎn)品的專業(yè)化運輸。三是引進現(xiàn)代物流專家。建立專項扶持政策，聯(lián)動高校、企業(yè)培養(yǎng)現(xiàn)代物流業(yè)人才，以優(yōu)化農(nóng)產(chǎn)品物流人才結構。

參考文獻：

[1] 汪旭暉，文靜怡．我國農(nóng)產(chǎn)品物流效率及其區(qū)域差異——基于省際面板數(shù)據(jù)的SFA分析[J]．當代經(jīng)濟管理，2015，37（1）：26-32.

[2] 雷鳴，羅勝，鄧遠．供給側改革與新型城鎮(zhèn)化雙重導向下的農(nóng)產(chǎn)品物流效率提升——基于非參數(shù)DEA與ARDL的實證分析[J]．

商業(yè)經(jīng)濟研究，2018（16）：99-102.

[3] 原雅坤，陳久梅，但斌．碳約束下冷鏈物流效率及其收斂性研究——以生鮮農(nóng)產(chǎn)品為例[J]．科技管理研究，2020，40（14）：253-260.

[4] 楊維瓊，邰小珈．京津冀農(nóng)產(chǎn)品流通效率評價——基于PCA-DEA-Malmquist指數(shù)分析[J]．商業(yè)經(jīng)濟研究，2021（11）：143-146.

[5] 孫妮，張康宇，劉旭，等．基于DEA-Malmquist模型的安徽省農(nóng)產(chǎn)品物流效率分析[J]．西昌學院學報（自然科學版），

2022，36（1）：23-27.

[6] 崔振洪，王家旭，華振．我國農(nóng)產(chǎn)品物流效率評價及影響因素分析[J]．物流技術，2014，33（9）：114-116.

[7] 賈圣強．中部地區(qū)農(nóng)產(chǎn)品物流效率及其影響因素分析——基于超效率和Tobit模型的實證[J]．商業(yè)經(jīng)濟研究，2019（11）：158-160.

[8] 劉升學，歐陽興文．湖南省農(nóng)產(chǎn)品流通效率測度及其影響因素研究——基于DEA-Malmquist指數(shù)和Tobit模型[J]．南華

大學學報（社會科學版），2021，22（3）：64-71.

[9] 王仁祥，孔德樹．中國農(nóng)產(chǎn)品流通效率評價模型構建及其應用[J]．遼寧大學學報（哲學社會科學版），2014，42（4）：64-73.

[10] ?程書強，劉亞楠．西部地區(qū)農(nóng)產(chǎn)品物流效率及省際差異動態(tài)研究——基于DEA-Malmquist指數(shù)法[J]．統(tǒng)計與信息論壇，2017，

32（4）：95-101.