摘" 要：文章基于靜態(tài)DEA理論基礎(chǔ)，結(jié)合Malmquist指數(shù)方法，對(duì)中部地區(qū)六個(gè)省份的面板數(shù)據(jù)進(jìn)行測(cè)算，得到六個(gè)省份效率的動(dòng)態(tài)發(fā)展趨勢(shì)?；赥obit回歸模型，文章進(jìn)一步研究了環(huán)境因素對(duì)物流效率值的影響，以探討中部六省的物流業(yè)發(fā)展水平和制約效率提升的關(guān)鍵因素。研究結(jié)果表明：Malmquist指數(shù)分析方法彌補(bǔ)了靜態(tài)DEA的研究不足，動(dòng)態(tài)視角下省份的技術(shù)進(jìn)步值下降，并導(dǎo)致全要素生產(chǎn)率水平降低。此外，河南省的綜合效率值偏低，中部地區(qū)發(fā)展不均衡，顯著制約物流發(fā)展的因素是地區(qū)發(fā)展水平。

" 關(guān)鍵詞：物流業(yè)效率；DEA-Malmquist-Tobit分析；中部地區(qū)

" 中圖分類號(hào)：F252" " 文獻(xiàn)標(biāo)志碼：A

DOI：10.13714/j.cnki.1002-3100.2025.05.011

Abstract： Based on the static DEA theory and combined with the Malmquist index method， this paper calculates the panel data of six provinces in the central region， and obtains the dynamic development trend of the efficiency of the six provinces. This paper further uses the Tobit model to study the impact of environmental factors on the value of logistics efficiency， so as to explore the level of development of the logistics industry in the six central provinces， as well as the key factors constraining the improvement of efficiency. The results of the study show that the Malmquist index analysis method makes up for the lack of DEA research， and the techch of the provinces under the dynamic perspective declines and leads to a lower level of tfpch. The comprehensive efficiency value of Henan Province is low， which means that the development of the central region is uneven， and the factor that significantly restricts the development of logistics is the level of regional development.

Key words： logistics industry efficiency; DEA-Malmquist-Tobit analysis; central region

0" 引" 言

2014年國(guó)務(wù)院印發(fā)的《物流業(yè)發(fā)展中長(zhǎng)期規(guī)劃（2014—2020年）》中表明要重點(diǎn)推進(jìn)區(qū)域物流協(xié)調(diào)發(fā)展，保障物流業(yè)高質(zhì)量發(fā)展。中部地區(qū)處于承北接南的關(guān)鍵區(qū)域位置，具有重要的經(jīng)濟(jì)地位，研究中部地區(qū)的物流業(yè)效率對(duì)于推進(jìn)區(qū)域物流協(xié)調(diào)發(fā)展具有重要意義。此外，分析影響物流業(yè)效率的環(huán)境因素對(duì)提高物流效率至關(guān)重要。當(dāng)前領(lǐng)域的研究主要聚焦在物流效率評(píng)價(jià)和影響因素分析兩個(gè)核心主題。一方面，褚衍昌、周雨倩等研究者們通過采用不同的評(píng)估方法，如DEA-GRA雙層模型[1]、超效率DEA和Malmquist指數(shù)等[2-4]，深入研究了區(qū)域省份[5]、城市群、企業(yè)和港口[6-8]等的物流業(yè)效率。另一方面，從影響因素的角度出發(fā)，Zhu J et al.分析了其他產(chǎn)業(yè)與物流業(yè)的聯(lián)動(dòng)效率[9]，王琴梅等[2]研究了物流業(yè)高質(zhì)量發(fā)展對(duì)全要素生產(chǎn)率的影響，龔雪、Deng et al.分析了碳排放總量與效率的測(cè)算方法和區(qū)域物流效益差異的原因[10-13]等方面。研究者們通過不同的方法和角度，深入挖掘了物流效率的影響因素、時(shí)空特征等方面，為制定物流政策、提升物流水平提供了理論支持和實(shí)證基礎(chǔ)。

綜上所述，雖然前人對(duì)物流業(yè)效率有著豐富的研究基礎(chǔ)，但以往的研究對(duì)象多為企業(yè)以及全國(guó)的省市。本文是從中部省份的視角出發(fā)，結(jié)合前人研究和PEST分析從宏觀層面摘取影響物流綜合效率的環(huán)境變量，結(jié)合DEA-Malmquist指數(shù)分析和Tobit回歸組合模型，重點(diǎn)對(duì)中部地區(qū)的動(dòng)態(tài)物流效率和影響因素進(jìn)行研究，并提出策略以期提高中部物流效率，推進(jìn)地區(qū)協(xié)調(diào)發(fā)展。

1" 模型與方法

在研究方法上，以往研究主要采用經(jīng)典DEA模型求解，本文從動(dòng)態(tài)視角出發(fā)，采用Malmquist指數(shù)模型研究物流效率隨時(shí)間的變化，并對(duì)比了靜態(tài)DEA-BCC模型的結(jié)果。對(duì)于影響因素的回歸分析，本文基于DEA數(shù)據(jù)結(jié)果在0，1區(qū)間分布的截?cái)嗵攸c(diǎn)，采用適用于截?cái)鄶?shù)據(jù)分析的Tobit回歸模型。

1.1" DEA-Malmquist指數(shù)分析

" 在前沿面效率分析的模型中，DEA模型不需預(yù)設(shè)各屬性之間的相對(duì)權(quán)重?；诒疚难芯康囊暯?，采用規(guī)模報(bào)酬可變的BCC模型分析不同時(shí)期決策單元的綜合效率。BCC模型如下：

1.2" Tobit回歸分析

2" 指標(biāo)與數(shù)據(jù)

參考前人的研究，本文的五個(gè)輸入指標(biāo)分別從資金、人員和基礎(chǔ)設(shè)施設(shè)備三維角度出發(fā)確定，創(chuàng)建的評(píng)價(jià)指標(biāo)如表1所示。為檢驗(yàn)DEA模型中的投入產(chǎn)出指標(biāo)的相關(guān)性，采用Stata14.0軟件進(jìn)行Person相關(guān)性檢驗(yàn)，結(jié)果顯示投入產(chǎn)出指標(biāo)的相關(guān)系數(shù)均在1%或5%的顯著性水平下為正，符合模型中投入產(chǎn)出指標(biāo)方向一致的假設(shè)。

在參考前人研究的基礎(chǔ)上，結(jié)合PEST分析從政治、經(jīng)濟(jì)、社會(huì)和技術(shù)角度進(jìn)行分析，選取對(duì)物流行業(yè)發(fā)展產(chǎn)生影響的環(huán)境變量，PEST分析過程如圖1所示。

考慮到數(shù)據(jù)需可獲取且可測(cè)量，在衡量政府支持水平時(shí)，用物流業(yè)的財(cái)政支出在公共支出的占比來(lái)反映；人均GDP一定程度可以反映地區(qū)的經(jīng)濟(jì)發(fā)展水平；遵循供需平衡的經(jīng)濟(jì)原則，選擇物流業(yè)產(chǎn)值作為物流總額的值反映社會(huì)物流需求；在科技化水平方面，選取Ramp;D投入經(jīng)費(fèi)作為社會(huì)環(huán)境科技化水平的經(jīng)濟(jì)指標(biāo)，建立影響因素指標(biāo)體系，如表2所示。

3" 實(shí)證分析結(jié)果

3.1" 靜態(tài)分析

3.1.1" 綜合效率值的時(shí)間和空間特征

基于傳統(tǒng)BCC模型，借助DEAP2.1軟件進(jìn)行模型求解，得出各決策單元的綜合效率值、純技術(shù)效率值和規(guī)模效率值。如圖2所示，時(shí)間特征上中部地區(qū)在2014—2021年綜合效率均值的線性變化趨勢(shì)呈線性上升，綜合效率均值從0.607上升到0.976，未能達(dá)到DEA有效，在2014—2016年，中部地區(qū)的效率值小于0.8，物流生產(chǎn)效率較低。

如圖3所示，空間特征上安徽省的雷達(dá)曲線包絡(luò)其他省份的效率曲線，其效率值一直保持DEA有效，其物流資源投入產(chǎn)出比一直保持在生產(chǎn)前沿面上，遠(yuǎn)優(yōu)于其他省份；而河南省的效率值雖有上升，卻未能達(dá)到DEA有效，綜合技術(shù)效率為0.857，為進(jìn)一步分析技術(shù)效率進(jìn)步和不足的原因，需對(duì)各省份的規(guī)模效率和純技術(shù)效率進(jìn)行分解。

3.1.2" 規(guī)模效率和技術(shù)效率的時(shí)空分析

綜合技術(shù)效率可分解為規(guī)模效率和技術(shù)效率值。2014—2021年純技術(shù)效率從0.86上升到0.976，規(guī)模效率從0.702上升到1，即達(dá)到規(guī)模效率DEA有效，可見各省份注重物流技術(shù)的投入并取得了良好的成效，主要是得益于規(guī)模效益的增長(zhǎng)。從各省份的效率分解值來(lái)看，河南省未達(dá)到高速增長(zhǎng)的效率水平的原因主要是由于純技術(shù)效率值相對(duì)較低，距離有效生產(chǎn)前沿面相差0.141，純技術(shù)效率指的是在不考慮規(guī)模效率的情況下，利用生產(chǎn)技術(shù)使得產(chǎn)出達(dá)到最大化的效率，因此制約其有效發(fā)展的主要因素是對(duì)技術(shù)投入的使用。2014—2021年中部六省物流業(yè)的純技術(shù)效率、規(guī)模效率如表3至表4所示。

3.2" 動(dòng)態(tài)分析

靜態(tài)分析主要是研究每一年（即當(dāng)期時(shí)間下）的每個(gè)省份的效率情況，無(wú)法充分反映物流效率隨時(shí)間變化的動(dòng)態(tài)發(fā)展趨勢(shì)，本文對(duì)2014—2021年中部六省的面板數(shù)據(jù)進(jìn)行Malmquist指數(shù)分析，從時(shí)間和區(qū)域兩個(gè)角度分析省份物流效率的動(dòng)態(tài)變化趨勢(shì)，M指數(shù)的結(jié)果如表5至表6所示。

從時(shí)間維度來(lái)看，圖4表示中部地區(qū)六個(gè)省份的動(dòng)態(tài)物流效率總體是上升的，M指數(shù)的年均增長(zhǎng)率為1.1%，其中技術(shù)效率的進(jìn)步值為2.3%，生產(chǎn)率受到技術(shù)進(jìn)步指數(shù)的限制techchlt;1。2015—2018年和2020—2021年期間tfpch為正增長(zhǎng)，2014—2015年、2018—2020年呈現(xiàn)負(fù)增長(zhǎng)。對(duì)tfpch分解可知，全要素生產(chǎn)率的下降是由技術(shù)進(jìn)步指數(shù)下降引起的，技術(shù)進(jìn)步值平均每年下降2%。技術(shù)進(jìn)步指數(shù)可分解為純技術(shù)效率和規(guī)模效率，平均每年分別上升0.3%和2%。結(jié)果說明技術(shù)效率的增長(zhǎng)主要靠規(guī)模效率的增長(zhǎng)帶動(dòng)，合理管理資源，增加資源的產(chǎn)出，對(duì)省域物流效益的增長(zhǎng)具有正向作用。

從空間角度來(lái)分析，山西、湖北、湖南的全要素生產(chǎn)率增加3.9%，5.6%，4.9%，江西基本保持不變，安徽和河南下降4%。安徽省的技術(shù)效率保持不變，但由于技術(shù)進(jìn)步的下降，生產(chǎn)率降低。河南省的技術(shù)效率上升了3%，但是由于技術(shù)進(jìn)步值下降6.3%，全要素生產(chǎn)率下降。因此安徽和河南在產(chǎn)業(yè)結(jié)構(gòu)上需要實(shí)現(xiàn)優(yōu)化，提高技術(shù)的創(chuàng)新能力。從綜合技術(shù)進(jìn)步指標(biāo)和技術(shù)效率指標(biāo)來(lái)看，技術(shù)進(jìn)步主要來(lái)自于湖南、湖北和山西，而科技創(chuàng)新水平一直較高的安徽進(jìn)步值最低，這可能是因?yàn)榘不盏漠a(chǎn)業(yè)結(jié)構(gòu)已經(jīng)達(dá)到了較高的階段，難以實(shí)現(xiàn)迅速提升，其創(chuàng)新結(jié)果已經(jīng)較為豐富。本文基于Malmquist指數(shù)從動(dòng)態(tài)視角進(jìn)行評(píng)價(jià)，彌補(bǔ)了靜態(tài)評(píng)價(jià)的不足，前文BCC靜態(tài)分析結(jié)果中安徽省純技術(shù)效率保持在生產(chǎn)前沿，但從動(dòng)態(tài)視角來(lái)看，其技術(shù)進(jìn)步率是有所降低的，并影響了其綜合效率水平。

3.3" Tobit回歸分析

" 前文對(duì)物流業(yè)技術(shù)效率、規(guī)模效率進(jìn)行了測(cè)度，為進(jìn)一步分析影響物流效率的環(huán)境因素，本節(jié)在DEA的基礎(chǔ)上借助Tobit模型研究影響省域物流效率的關(guān)鍵因素，回歸結(jié)果如表7所示。

由回歸結(jié)果可知，政府支持水平、社會(huì)物流需求、科技化水平以及地區(qū)發(fā)展水平構(gòu)建都是有效的顯著指標(biāo)。政府支持對(duì)物流效率的影響在0.05的水平下顯著，其回歸系數(shù)為-0.016，對(duì)物流效率的影響是負(fù)向的，當(dāng)前物流業(yè)對(duì)吸納的投資轉(zhuǎn)換率需得到提高，過多的政府投資容易導(dǎo)致資源利用不充分，得不到更好的生產(chǎn)回報(bào)。社會(huì)物流需求在0.01的水平下顯著，且對(duì)物流效率的提升形成阻礙，可能是受當(dāng)前區(qū)域物流樞紐承載能力的限制?？萍蓟侥芴嵘锪鳂I(yè)的效率，對(duì)科技研發(fā)的重視能給行業(yè)效率帶來(lái)有效的提升作用，因此企業(yè)和政府應(yīng)該提升Ramp;D科研經(jīng)費(fèi)的投入。地區(qū)發(fā)展水平的高低對(duì)物流行業(yè)的綜合效率影響為正，地區(qū)越發(fā)達(dá)，經(jīng)濟(jì)水平越高，物流行業(yè)的效率值越高。這是因?yàn)榻?jīng)濟(jì)越發(fā)達(dá)的地區(qū)，對(duì)行業(yè)的投資越高，在科研經(jīng)費(fèi)的投入能力上排列靠前。安徽、湖北等發(fā)展水平較高的地區(qū)對(duì)高素質(zhì)的人才具有更好的吸納性，因此也提升了科技創(chuàng)新的后備力量，有利于技術(shù)創(chuàng)新效率的提升。

4" 研究結(jié)論與建議

本文基于2014—2021年六個(gè)省份的面板數(shù)據(jù)，以傳統(tǒng)的DEA-BCC模型為基礎(chǔ)，運(yùn)用DEA-Malmquist指數(shù)模型對(duì)中部六省的動(dòng)態(tài)物流效率進(jìn)行測(cè)度，并用Tobit模型對(duì)環(huán)境影響因素進(jìn)行回歸分析，結(jié)果表明：2014—2021年中部地區(qū)整體的物流效率得到了大的提升，主要得益于規(guī)模效益的提升。但就省份層面而言，物流發(fā)展不均衡，河南省物流效率未達(dá)到DEA有效。Malmquist從動(dòng)態(tài)評(píng)價(jià)的角度彌補(bǔ)了BCC模型的不足。從動(dòng)態(tài)分析結(jié)果來(lái)看，省份的生產(chǎn)效率主要受技術(shù)進(jìn)步的影響，規(guī)模效率對(duì)全要素生產(chǎn)率的貢獻(xiàn)最大。安徽、江西和河南的生產(chǎn)率動(dòng)態(tài)下降。地區(qū)發(fā)展水平是主要影響物流效率的關(guān)鍵因素?；谝陨涎芯拷Y(jié)論，本文為提升物流效率的路徑提出以下幾點(diǎn)建議：

" （1）推進(jìn)技術(shù)創(chuàng)新。技術(shù)進(jìn)步效率下降的省份，應(yīng)該增加技術(shù)創(chuàng)新層面的投入水平，提高資源利用能力。政府可以加強(qiáng)與企業(yè)之間的合作，促進(jìn)學(xué)術(shù)成果的轉(zhuǎn)化，增加新產(chǎn)品、新技術(shù)在物流行業(yè)的應(yīng)用，提高資源的轉(zhuǎn)化率。此外，鼓勵(lì)企業(yè)投資研發(fā)、提供研發(fā)資金和稅收激勵(lì)等，以促進(jìn)物流行業(yè)的技術(shù)升級(jí)和創(chuàng)新。

" （2）促進(jìn)省域、區(qū)域間協(xié)同發(fā)展。為了彌補(bǔ)省份之間物流發(fā)展不均衡的問題，政府可以制定協(xié)調(diào)與整合政策，建立跨省份的協(xié)作機(jī)制，促進(jìn)信息共享和合作。此外，通過整合物流規(guī)劃，可以更好地優(yōu)化物流網(wǎng)絡(luò)，提高整體效率。在物流基礎(chǔ)設(shè)施建設(shè)上進(jìn)行平衡投資，支持相對(duì)滯后地區(qū)的發(fā)展，并確保各省份都能夠達(dá)到最低的物流效率標(biāo)準(zhǔn)，以提高整體效率水平。同時(shí)，中部地區(qū)應(yīng)加強(qiáng)與東部地區(qū)以及其他經(jīng)濟(jì)地帶之間的聯(lián)系，實(shí)現(xiàn)資源共享，攜手促進(jìn)地區(qū)物流發(fā)展，實(shí)現(xiàn)十四五規(guī)劃的遠(yuǎn)景和目標(biāo)。

" （3）綠色物流推動(dòng)政策?？紤]到地區(qū)發(fā)展水平是影響物流效率的關(guān)鍵因素，政府可以鼓勵(lì)物流企業(yè)采用環(huán)保技術(shù)、推動(dòng)能源效率改進(jìn)、建設(shè)綠色物流基礎(chǔ)設(shè)施等。通過減少對(duì)資源的過度依賴和降低環(huán)境影響，可以提高整體物流系統(tǒng)的效率。

參考文獻(xiàn)：

[1] 褚衍昌，連文浩，嚴(yán)子淳. 基于DEA-GRA雙層模型的制造業(yè)與物流業(yè)聯(lián)動(dòng)效率測(cè)度[J]. 統(tǒng)計(jì)與決策，2021，37（1）：182-186.

[2] 王琴梅，羅瑞. 物流業(yè)高質(zhì)量發(fā)展對(duì)區(qū)域全要素生產(chǎn)率的影響研究——來(lái)自中國(guó)264個(gè)城市的證據(jù)[J]. 軟科學(xué)，2023，37（1）：58-68.

[3] 臧興兵，燕萬(wàn). 基于超效率DEA和Malmquist指數(shù)的中部地區(qū)主要城市物流效率實(shí)證研究[J]. 物流工程與管理，2021，43（3）：1-4，31.

[4] 周雨倩，仲云云. 基于超效率DEA模型的長(zhǎng)江經(jīng)濟(jì)帶物流效率實(shí)證分析[J]. 物流工程與管理，2020，42（2）：13-14，25.

[5] 龔瑞風(fēng)，薛儉，劉汝麗. 中國(guó)區(qū)域物流效率測(cè)度及其時(shí)空特征分析[J]. 統(tǒng)計(jì)與決策，2022，38（10）：141-145.

[6]" LEE P F， LAM W S， LAM W H. Performance evaluation of the efficiency of logistics companies with data envelopment analysis model[J]. Mathematics， 2023，11（3）：718.

[7]" WANG B， TIAN Y. Green and low-carbon efficiency assessment of urban agglomeration logistics industry： Evidence from China's Beijing-Tianjin-Hebei metropolitan area （2008-2020）[J]. Sustainability， 2023，15（15）：11833.

[8]" SHAO W. Performance evaluation of port logistics informatization construction： A case study from China[J]. Tehnicki Vjesnik-Technical Gazette， 2023，30（3）：705-714.

[9]" ZHU J， ZHU Z. The space-time evolution and driving mechanism of coordinated development of modern logistics industry and tourism industry[J]. Journal of Cleaner Production， 2023，423：138620.

[10] 龔雪. 區(qū)域物流效率測(cè)度及影響因素分析[J]. 統(tǒng)計(jì)與決策，2022，38（12）：112-116.

[11] 姜曉紅，陳莎，張毅. 物流企業(yè)碳排放總量與效率測(cè)算方法[J]. 交通運(yùn)輸系統(tǒng)工程與信息，2022，22（2）：313-321.

[12]" LIANG Z， CHIU Y， GUO Q， et al. Low-carbon logistics efficiency： Analysis on the statistical data of the logistics industry of 13 cities in Jiangsu Province， China[J]. Research in Transportation Business amp; Management， 2022，43：100740.

[13]" DENG F， XU L， FANG Y， et al. PCA-DEA-Tobit regression assessment with carbon emission constraints of China's logistics industry[J]. Journal of Cleaner Production， 2020，271：122548.