经济大省物流业效率动态演化及其影响因素

摘要：经济全球化背景下，经济大省既要积极参与国内经济体系分工，又要嵌入国际产业分工体系，这对区域流通能力提出了较高的要求。而物流业作为社会流通能力的核心，不仅是区域经济发展的加速器，也是推动产业结构转型升级的重要抓手。提升物流业效率，实现传统物流业向现代物流业转型，对于促进生产、拉动消费与调整产业结构，具有重要意义。运用基于超效率数据包络分析模型的视窗分析模型测算2005-2012年我国五个经济大省物流业效率值，并构建灰色综合关联度模型分析区域物流业效率演化发展影响因素可以发现，不同省份物流业效率演化规律差异显著，如广东物流业效率呈现“U”型演化趋势，江苏物流业效率呈现线性加速增长演化趋势，山东物流业效率呈现倒“V”型演化趋势，浙江物流业效率呈现平缓的倒“V”型演化趋势，河南物流业效率呈现斜“N”型演化趋势。物流业效率的核心影响因素存在区域差异，如对广东物流业效率影响最大的因素是城镇化；而同属长江三角洲经济圈的江苏和浙江的物流业效率最主要的影响因素都是人力资源；产业结构对山东省物流业效率的影响最大；影响河南省物流业效率最主要的因素是制度因素。因此，为有效提升经济大省物流业发展效率，在物流业全面对外开放形势下，各省应因地制宜采取相应的对策。

关键词：物流业；效率演化；超效率数据包络分析；视窗分析；影响因素

一、引言

在经济全球化背景下，经济大省既要积极参与国内经济体系分工，又要嵌入国际产业分工体系，因而具有强大流通能力的区域就会演变为引领国家经济发展的核心板块。作为社会流通能力核心内容的物流业，不仅是区域经济发展的加速器，更是推动产业结构转型升级的重要抓手。可以说，现代物流业发展水平是区域现代化程度与经济竞争力的重要标志，在很大程度上影响并制约着整个区域经济系统运行的质量和效益。随着2005年底我国物流业全面对外开放，在积极应对国内外挑战的同时，经济大省物流业产业规模迅猛膨胀，其在区域经济中的重要性进一步凸显。如何在提升物流业发展规模的同时，提升物流业发展效率，进而提升物流业竞争力，夯实区域经济跨越式发展的基础，显得尤为迫切和重要。

近年来，国内学者有关区域物流业效率的研究取得了丰硕的成果。贺竹磬、孙林岩[1]在对区域物流结构进行分析的基础上，构建了区域物流相对有效的评价指标体系，并采用数据包络分析法对我国31个省市区物流业的相对有效性进行了测算。樊敏[2]运用DEA-BC2模型、基于数据包络分析的曼奎斯特生产力指数模型（DEA-Malmquist）以及向量自回归模型（Vector Autoregression，VAR）对长三角、辽中南、武汉、成渝四个城市群的物流业运作效率及联动效率进行了实证分析。刘秉镰、余泳泽[3]运用数据包络分析模型和Tobit模型，基于省际面板数据，对我国物流业地区间效率及其影响因素进行了分析。钟祖昌[4]运用三阶段数据包络分析（Data Envelopment Analysis，DEA）方法分析了2007年我国31个省市区物流业的运营效率。王维国、马越越[5]利用曼奎斯特-卢恩伯格（Malmquistluenberger）生产率指数方法测算了包含非期望产出在内的1997-2009年我国30个省级区域的物流业效率，并借助三阶段DEA模型分析物流外部营运环境条件对物流业效率变化的影响。金春雨、陈霞、李彩霞[6]对1991-2010年辽吉黑经济圈物流业全要素生产率的追赶效应与增长效应进行了探讨。唐建荣、卢玲珠[7]运用三阶段DEA模型分析了2008-2010年我国东部十省市低碳约束下的物流业效率。姚娟、庄玉良[8]采用DEA-Malmquist模型对2000-2008年我国30个省市区的物流业效率进行了实证分析。张诚、张广胜[9]运用DEA-C2R和DEA-BC2模型对2001-2010年中部六省物流系统综合效率、纯技术有效及规模效率进行了比较分析。徐喜辉、特日格勒、李卓霖[10]运用DEA模型对2008-2011年我国省际物流业效率进行系统研究，并通过Tobit回归模型分析其影响因素。综上可见，国内有关区域物流业效率的研究所运用的大部分都是传统DEA模型，尽管有部分研究运用了时间序列DEA模型，也仅限于把不同时间段的同一个决策单元视为不同的决策单元，只能研究决策单元在两个时间段的效率变化情况，难以发现决策单元在连续多个时间段内效率的稳定性与波动性规律。因此，本研究采用基于超效率DEA模型的视窗分析模型，探索经济大省在连续多个时间段内的效率演化发展规律，其分析结果相对更贴近现实情况，从而更具有现实指导意义。

本文选取我国经济总量排名前五位的广东、江苏、山东、浙江、河南作为研究对象，其原因在于，广东、江苏、山东、浙江四省不仅是我国东部发达的经济大省，经济总量位居我国第一到第四位，同时也是物流业发展大省，在国家发展战略中具有举足轻重的地位，而河南省经济总量位居全国第五，凭借区位优势，一直对物流业发展予以重点扶持，2014年围绕郑州航空港经济综合实验区建设，提出了建设高成长服务业大省的战略，积极促进包括物流业在内的现代服务业的扩量、提质发展。通过对我国五个经济大省物流业发展效率及影响因素的研究，试图为相关区域物流业发展提供数据支持与理论支撑。

二、区域物流业效率评估模型构建

传统DEA模型存在两个基本缺陷：一是无法有效区分DEA值都为1的决策单元（Decision Mak⁃ing Unit，DMU）。二是仅适合分析横截面数据，对处于同一时期的不同决策单元进行效率分析，没有考虑时间因素的作用，难以对决策单元效率值发展演化的规律进行探讨，因为传统DEA模型隐含着一个基本假设，即当期的投入对应于当年期的产出，且当期的投入仅对当期的产出发生作用。这一假设与实际情况存在较大偏差，当期的投入其实有可能会对未来几期的产出产生影响，当期的产出也可能是前几期要素投入累积的结果。因此，在效率评估过程中，如果不考虑时间因素的影响，很可能会导致最终结果出现重大偏差。

因而，本研究在区域物流业效率演化分析中采用基于超效率DEA模型的视窗分析模型来避免传统DEA模型的不足。超效率DEA模型（Superefficiency DEA，简称SE-DEA）的基本思想是，在进行某个DMU效率评价时，使该DMU的投入和产出为其他所有DMU投入和产出的线性组合代替，从而将此DMU排除在外，达到有效区分DEA值均为1的决策单元的目的。[11]基于DEA模型的视窗分析模型的基本原理是，将一定时期内的面板数据划分为一个视窗，每个视窗的时间长度均相同，将不同时期的同一个DMU视为不同的被评价单元来进行比较，从而增加了被评价DMU的数量。基于DEA模型的视窗分析模型一方面可以通过比较同一时间跨度内不同时期的数据，分析DMU效率的演化趋势；另一方面可以通过比较不同视窗跨度内同一年份的数据，考察DMU在不同视窗内效率的波动情况。对某个特定的DMU而言，既要在横向上与其他DMU进行比较，也要在纵向的时间序列上对不同时期的同一个DMU进行比较，因而更能反映DMU的真实情况。超效率DEA视窗分析模型综合了超效率DEA模型与DEA视窗分析模型的优点，弥补了传统DEA模型的不足，能有效处理面板数据，可充分挖掘相关数据的内在研究价值。

假定每个DMU都有r种要素投入和S种产出，对某个特定的DMUtn而言，投入向量xnt和产出向量ytn可以分别表示为：

对某个特定的DMUnt来说，基于超效率DEA模型的视窗分析模型如下：

在式（1）中，θ为被考察单位的效率指数，θ≥1说明决策单元为DEA有效，θ<1说明决策单元不是DEA有效，表示决策单元的生产活动既不是技术效率最佳，也不是规模效率最佳，θ值越接近于1，说明决策单元j的综合效率越高，λj为权重变量。

目前，国内外学者对最优视窗跨度的选择尚未达成一致意见，本文根据以下两个原则确定视窗跨度：

其中，NINPUT、NOUTPUT、NDMU分别表示投入指标数量、产出指标数量与决策单元数量。

（2）根据末吉日（T. Sueyoshi）[12]的研究成果，采用式（2）来确定视窗跨度（Window Length，WL）。

三、区域物流业效率测评

从基于超效率DEA模型的视窗分析模型的基本要求出发，根据指标的合理性、评价数据的一致性、评价结果的相对客观性以及可比性，在参考相关文献基础上，从物流业效率基本内涵出发，本文选取的投入产出指标主要包括：

（1）投入指标。投入指标包括资金和劳动两个方面，劳动投入和资本投入是最为基本的生产要素投入，劳动投入以区域物流业年末就业人数（单位：万人）表示，资本投入以区域物流业全社会固定资产投资（单位：亿元）表示。

（2）产出指标。以区域物流业国内生产总值（单位：亿元）作为产出衡量指标。

本文所选取指标的数据主要来自相应年份的《广东统计年鉴》《江苏统计年鉴》《山东统计年鉴》《浙江统计年鉴》《河南统计年鉴》和《中国统计年鉴》。

本文选取2005-2012年为研究区间，主要考察2005年底我国物流业全面开放以来经济大省物流业发展效率演化的情况。最终的面板数据集包含五个截面单位八年内的时间序列资料，样本观察值共计40个。

由于考察时段为2005-2012年，共8年，C=8，为偶数。根据式（2），视窗跨度WL可选4或5，投入指标包括劳动和资本两个，产出指标一个，2（NINPUT+NOUTPUT）=6。区域包括广东、江苏、山东、浙江、河南五省，因此选取视窗跨度WL=4，这样每个视窗内满足：2（NINPUT+NOUTPUT）=6≤NDMU=4×5=20，视窗跨度的选择比较科学合理。一共五个视窗，DMU总数量达到5×4×5=100，是传统DEA模型决策单元数量（5×8=40）的2.5倍，从而大大增加了被评价DMU的数量。第一个时间窗为W1（2005-2008年），第二个时间窗为W2（2006-2009年），依此类推，第五个时间窗为W5（2009-2012年）。根据基于超效率DEA模型的视窗分析模型，运用MyDEA软件进行区域物流业效率计算，具体结果参见表1。

由表1可知，在广东省的5个视窗20个决策单元中，无一达到DEA有效，最大值为0.7883，最小值只有0.4730，全距为0.3154，平均值为0.5749，中位数为0.5622，标准差为0.0786。在江苏省的5个视窗20个决策单元中，有3个决策单元达到DEA有效，最大值为1.1323，最小值只有0.5341，全距为0.5982，平均值为0.7741，中位数为0.7127，标准差为0.1583，波动性相对较小。在山东省的20个决策单元中，有5个决策单元达到DEA有效，占总数的25%，其中最大值为1.3469，最小值只有0.8232，全距为0.5236，平均值为0.9927，中位数为0.9548，标准差为0.1539，波动性最大。浙江省的情况与广东省有点类似，20个决策单元中没有一个决策单元达到DEA有效，最大值为0.7003，最小值为0.4350，全距为0.2653，平均值为0.5854，中位数为0.5913，标准差为0.0573，在五个经济大省物流业效率中稳定性最好。与广东省和浙江省一样，河南省的20个决策单元中没有一个决策单元达到DEA有效，最大值为0.8852，最小值为0.4863，全距为0.3989，平均值为0.6660，中位数为0.6586，标准差为0.1466，物流业效率的波动性在五个经济大省中居中。

接下来，就广东省物流业效率的视窗数据进行分析。从横向来看，广东省在W1内物流业效率呈现出波动性下滑趋势，由0.6533下降到0.5809，再上升至0.6137，然后下滑到0.5309；在W2内，呈现出先升后降的演化态势；在W3和W4内均呈现出先下滑后上升的演化趋势；但在W5内呈现出缓慢上升的演化趋势。从纵向来看，2006-2008年，广东省各视窗数据呈现出上升或者不减的演化趋势，2006年满足W1W4W4

根据表1右边每个视窗的平均值数据，可以分析五个省份物流业效率在某个时间段内的演化情况。广东省物流业效率五个视窗的平均值均属于DEA无效状况，并由W1时的0.5947，一直下降到W4时的0.5149，再逆转上升到W5时的0.6649，呈现出“V”型演化趋势。江苏省物流业效率五个视窗的平均值尽管也均属于DEA无效状况，但呈现出快速上升的演化趋势，由W1时的0.6290，一直上升到W5时的0.9606，提升了33个百分点。山东省的情况与江苏省的情况恰好相反，山东省物流业效率五个视窗的平均值虽然都比较高，在五个经济大省中处于领先位置，但呈现出一直下滑的演化趋势，由W1时的1.0725，一直下降到W5时的0.9080，衰退了15个百分点。浙江省物流业效率的平均值以第三视窗为分水岭，呈现出先上升后下降的倒“V”型变化趋势。河南省物流业效率各视窗的平均值呈现出波动性的斜“N”型变化趋势，即“上升—下降—上升”。

为对五个经济大省物流业发展效率演化情况进行更加深入的研究，可以根据表1的数据计算出不同视窗下相同年份的效率平均值，所得结果如图1所示。

由图1可以看出，河南省物流业平均效率2005年位居倒数第二，2006年位居倒数第一，2007年上升到第二位，2008年达到峰值，2009-2010年处于下行通道，2011-2012年步入上升通道，呈现出波动式的发展态势。浙江省物流业平均效率呈现出缓慢的“上升—下降—上升—下降”的演化趋势，2005、2007、2012年均是倒数第一，2006、2008、2009、2011年均是倒数第二，仅2010年位居中间位置，总体上效率比较低。山东省物流业平均效率在2005-2009年期间处于绝对领先的地位，2010-2012年处于第二位，在整体上呈现出以2008年为分界线先上升后下降的演化趋势。江苏省物流业平均效率呈现出一直上升的演化趋势，由2005年的0.5341上升到了2012年的1.1323，提升幅度高达112%，增幅惊人，发展态势比较乐观。广东省物流业平均效率以2009年为分水岭呈现出先下滑后上升的演化趋势，由2005年的0.6533下滑到2009年的0.5065，又于2009年触底反弹，2012年回升到了0.7883。

四、区域物流业效率影响因素分析

通过对2005-2012年广东、江苏、山东、浙江、河南五省物流业效率进行评估，可以发现不同区域的物流业效率存在明显的地区差异。为进一步分析导致物流业效率区域差异的原因，在参考国内外已有相关研究理论与文献的基础上，本文认为区域物流业效率的影响因素主要是区域的经济水平、人力资本、外商投资、产业结构、城镇化和制度因素等，各影响因素变量的具体含义参见表2。

区域经济发展水平越高，说明区域市场规模越大，对物流业的潜在需求也就越大。根据内生经济增长理论，区域高水平人力资源越丰富，越能发挥既有技术水平与生产要素的潜力，从而更好地提高要素使用效率。物流业发展与国外直接投资之间存在相互促进的关系，随着国外直接投资的不断增大，会对物流业产生巨大的市场需求，推动与物流业相关的交通运输、仓储配送、邮电通信业等迅速发展。不同产业对物流的需求存在差异，不同区域即使其物流业发展水平相同，由于产业结构存在差异，也会对物流业效率产生不同程度的影响。我国工业品物流量在社会物流总量中所占比重一直较高，因此产业结构用第二产业产值占GDP的比重来衡量。城镇化水平的提高，一方面，会因更多农民实现市民化而解放并发展区域消费力，拉动城市配送物流业务快速增长；另一方面，会促进生产要素的集聚从而产生规模经济效益，也会推动区域物流业的发展。根据道格拉斯·诺斯（Douglass C.North）的制度变迁理论，在影响效率的众多因素中，制度处于核心地位，适当的制度安排可以改善资源配置并提高劳动效率。[13]具体到不同区域，不同因素对物流业效率的影响程度也可能存在差异。

基于以上分析，本文以区域物流业效率为系统特征序列，以影响因素为系统行为序列，运用式（3）的灰色综合关联分析模型来分析经济大省物流业效率的影响因素。

式中，Rij为灰色相对关联度（Relative Degree of Grey Inci⁃dencee），Aij为灰色绝对关联度（Absolute Degree of Grey Inci⁃dence），Sij为灰色综合关联度（Synthetic De⁃gree of Grey Inci⁃dence），Sij越大，表明影响因素对区域物流业效率的影响越大。根据Sij的大小，可对各影响因素进行影响级别划分：如果Sij≥ 0.7，则为一级影响因素；如果0.6≤Sij<0.7，则为二级影响因素；如果Sij<0.6，则为三级影响因素。η为分辨率调节系数，其取值区间为[0，1]，一般情况下，η越小，分辨率越大。经验显示，当η=0.5时，若系统行为序列与系统特征序列的关联度大于0.6，便认为其关联性显著。[14]

根据式（3），运用灰色系统理论建模软件GTM3.0得到五个省份物流业效率影响因素的综合关联度，结果如表3所示。

由表3可以看出，尽管区域物流业效率各影响因素的综合关联度均在0.5以上，不同区域物流业效率的主要影响因素仍然存在较大差异。

就河南省而言，其物流业效率的一级影响因素是制度因素，综合关联度达到0.7422；二级影响因素有四个，按综合关联度由大到小依次是城镇化、人力资源、经济水平和产业结构，其对应的综合关联度分别为0.6801、0.6770、0.6093和0.6077；三级影响因素是外商投资，对物流业效率的影响较小。

就浙江省而言，其物流业效率的二级影响因素有五个，分别是人力资源、经济水平、城镇化、产业结构和制度因素，其相应的综合关联度依次为0.699、0.6259、0.6195、0.6172和0.6067；三级影响因素为外商投资，与河南省一样。

就山东省而言，产业结构和制度因素对其物流业效率的影响程度最大，属于一级影响因素，其综合关联度分别达到0.7452和0.7431；外商投资和城镇化的影响也比较大，属于二级影响因素；人力资源和经济水平的影响相对较低，属于三级影响因素。

就江苏省而言，其物流业效率的二级影响因素有四个，分别是人力资源、经济水平、外商投资和制度因素；三级影响因素是城镇化和产业结构，其影响程度相对较低。

就广东省而言，城镇化对其物流业效率的影响程度最大，属于一级影响因素；制度因素与产业结构的影响程度也比较大，属于二级影响因素；人力资源、外商投资和经济水平的影响程度较低，属于三级影响因素。

从总体上看，经济水平对五个经济大省物流业效率的影响相对较小，综合关联度平均值只有0.5933；外商投资、人力资源、城镇化、产业结构和制度因素与五个经济大省物流业效率的关联性都比较显著，综合关联度平均值都在0.6以上，分别达到了0.6021、0.6425、0.6510、0.6470和0.6829。

五、结论及政策启示

物流业的优质发展是区域转变经济发展方式与提升经济核心竞争力的重要推手，如何提升物流业效率，实现传统物流业向现代物流业的转型，对于促进生产、拉动消费、调整产业结构，具有十分重要的战略作用。本文运用基于超效率DEA模型的视窗分析模型测算了2005-2012年我国五个经济大省的物流业效率值，并通过构建灰色综合关联度模型分析了区域物流业效率演化发展的影响因素，得出以下结论：

第一，不同省份物流业效率的演化规律差异显著。广东省物流业效率呈现出“上升—下降—上升”的波动式演化趋势；江苏省物流业效率呈现出线性加速上升的演化趋势；山东省物流业效率的整体水平在所考察的五个省份中居于领先水平，但后继乏力，呈现出先扬后抑的演化趋势；浙江省物流业效率一直低位运行，呈现出升降交替、小幅度波动式演化的态势；河南省物流业效率呈现出波动性的斜“N”型变化趋势，即“上升—下降—上升”。

第二，物流业效率的核心影响因素存在区域差异。就广东省而言，对其物流业效率影响最大的因素是城镇化；就同属长江三角洲经济圈的江苏省和浙江省而言，其物流业效率最主要的影响因素都是人力资源；就山东省而言，产业结构对其物流业效率的影响最大；就河南省而言，其物流业效率最主要的影响因素是制度因素。

为有效提升经济大省物流业发展效率，在物流业全面对外开放的形势下，不同省份应因地制宜采取相应的应对措施。

广东省要在科学推进新型城镇化的同时，充分释放经济总量和外商投资对物流市场的拉动作用，通过进一步提升人力资源水平并优化产业结构，建立与经济发展相适应的现代物流体系，促使物流业效率再上一个新的台阶。

江苏省物流业效率的发展趋势比较乐观，但城镇化与产业结构对物流业的促进作用尚未充分发挥出来，要加快传统产业升级与结构调整，在推进城镇化的进程中，完善与城镇体系相匹配的城乡快递系统、专业物流中心、综合物流园区、物流枢纽城市等多层次物流网络构架。

山东省物流业受国际金融危机影响，国内外物流需求急剧减少，发展后劲不足，必须借鉴国际先进经验，多渠道培养现代物流管理人才，建立多层次的现代物流人才梯队，重点扶持大规模龙头物流业集团，以适应经济社会发展对物流服务能力所提出的更高要求。

浙江省因外商投资较少，导致相应的社会化物流需求相对不足，加之高端物流人才缺乏以及体制政策障碍，导致其物流业效率在五个经济大省中最差，必须加大政策扶持力度，通过引进移植与资源整合，积极培育专业化物流市场主体，破解物流业发展的主要瓶颈，提升物流企业运营效率。

河南省外商投资不足，面对资源发展瓶颈，要充分发挥河南人力资源大省的优势，积极承接国际与我国东部地区产业的转移，打造内陆开放的新高地，优化物流业发展环境；要充分发挥区位交通优势，以郑州航空经济综合实验区为核心，以铁路、公路、航空网络为依托，加快引导一批行业龙头企业在中原城市群的各中心城市设点布局，完善郑州国际物流中心与各物流节点城市合理分工、联动发展的物流网络，降低物流成本，提升物流业效率。

＊本文系2014年度河南省哲学社会科学规划项目“河南新型工业化与新型城镇化良性互动机制构建与对策研究”（项目编号：2014CJJ049）的部分研究成果。

[1]贺竹磬，孙林岩.我国区域物流相对有效性分析[J].科研管理，2006（6）：144-150.

[2]樊敏.中国城市群物流产业效率分析及发展策略研究——基于产业运作及联动发展视角[J].软科学，2010（5）：11-16.

[3]刘秉镰，余泳泽.我国物流业地区间效率差异及其影响因素实证研究——基于数据包络分析模型及托宾模型的分析[J].中国流通经济，2010（9）：18-21.

[4]钟祖昌.基于三阶段DEA模型的中国物流产业技术效率研究[J].财经研究，2010（9）：80-90.

[5]王维国，马越越.中国区域物流产业效率——基于三阶段DEA模型的Malmquist-luenberger指数方法[J].系统工程，2012（3）：66-75.

[6]金春雨，陈霞，李彩霞.辽吉黑经济圈物流业全要素生产率的追赶效应与增长效应研究[J].现代管理科学，2012 （6）：18-21.

[7]唐建荣，卢玲珠.低碳约束下的物流效率分析——以东部十省市为例[J].中国流通经济，2013（1）：40-47.

[8]姚娟，庄玉良.所有权结构、物流环境及我国物流业效率[J].财经问题研究，2013（3）：115-122.

[9]张诚，张广胜.中部六省物流产业效率分析及政策建议[J].江西社会科学，2013（2）：57-61.

[10]徐喜辉，特日格勒，李卓霖.低碳约束下省际物流业效率研究[J].商业时代，2013，35：41-43.

[11]Andersen P.，Petersen N.C.. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J].Man⁃agement Science，1993，39（10）：1261-1264．

[12]T. Sueyoshi.Comparisons and Analyses of Managerial Wfficiency and Eeturns to Acale of Telecommunication Enter⁃prises by Using DEA/Window[J].Communications of the Opera⁃tions Research Society of Japan，1992，37：210-219.

[13]田刚，李南.中国物流业技术效率差异及其影响因素研究——基于省际面板数据的实证分析[J].科研管理，2011（7）：34-44.

[14]徐国祥.统计预测和决策[M].上海：上海财经大学出版社，2005：207.

Research on the Efficiency Dynamic Evolution of Logistics Industry and Its Influential Factors in the Economic Big Province

（Institute of Urban and Environment，Henan Academy of Social Sciences，Zhengzhou，Henan450002，China）

Abstract：In the light of economic globalization，the economic big provinces should not only participate in domestic economic labor division，but also be involved in international labor division，which impose higher requirement on their capability for regional circulation. As the core of social circulation capability，logistics industry is not only the accelerator of regional economic development，but also the focus in promoting industrial restructure and upgrade. Improving the efficiency of logistics industry and realizing the transformation from traditional logistics industry to modern logistics industry is of great significance to promoting production，stimulating consumption and adjusting industrial structure. Based on the provincial panel data during 2005-2012，using super efficiency DEA window analysis method for analysis of China's 5 major economic province efficiency evolution of logistics industry，through the establishment of synthetic degree of grey incidence model，the author carry out the analysis on the influencing factors of regional logistics industry efficiency evolution. The results show that：the efficiency of the logistics industry in Guangdong presents "U" type evolution trend；Jiangsu logistics industry shows linear growth accelerated evolution trend；the efficiency of the logistics industry in Shandong presents an inverted "V" type evolution trend；the efficiency of the logistics industry in Zhejiang has an inverted "V" type gradual evolution trend；the efficiency of Henan logistics industry shows oblique "N" type evolution trend；the greatest impact factors to the efficiency of Guangdong，Shandong and Henan logistics industry is urbanization，industrial structure and institutional factor，respectively；but the most important influential factor of the efficiency of logistics industry in Jiangsu and Zhejiang are the human resources. So，to effectively improve the efficiency of logistics industry in the economic big provinces，every principle should adopt the suitable countermeasures in the light of opening up of logistics industry.

Key words：logistics industry；efficiency evolution；super efficiency DEA；window analysis；influential factors

[作者简介]吴旭晓（1976-），男，广西壮族自治区平南县人，天津大学管理学博士，河南省社会科学院城市与环境研究所副研究员，主要研究方向为城市经济、区域经济和复杂系统。责任编辑：陈诗静