中国物流行业绩效空间外溢效应—基于中国省际面板数据的实证研究

王树乔

（1.淮阴工学院，江苏 淮安 223003；2.中国矿业大学 公共管理学院，江苏 徐州 221116）

1 引言

中国物流业正逐步向更高级的形态、更复杂的分工和更合理的结构阶段演进，随着经济发展的变化也面临着新的机遇与挑战。目前，物流业规模呈现爆发式增长，发展水平大幅提升，传统运输、仓储等企业功能整合和服务延伸，推动传统物流企业向现代物流企业转型，但也存在运行效率偏低、专业化物流供给能力不足等问题，因此研究物流业绩效及探究其影响因素的作用机制，无疑对促进中国经济发展有着重要的现实意义。

物流企业的绩效评价受到国内外理论界和实务界学者的广泛关注。相关的研究成果聚焦在以下两个方面：一是物流业绩效测度方面的研究。李晓梅等[1]、王建等[2]分别采用数据包络分析方法测度A股上市的16家和25家国有物流企业的绩效。雷勋平[3]等综合运用DEA的CCR模型和“超效率”（Super-Efficiency）模型评价2008年中国31个省的物流产业绩效。二是物流业绩效影响因素方面的研究。樊秀峰等[4]实证分析中国物流业绩效与进出口贸易的影响关系。王林等[5]以拉詹的两个市场理论方法为基础，研究国际物流绩效的影响因素作用机制。

综上所述，已有研究采用的实证方法大多是传统计量方法，该方法隐含假设为地区单位之间没有联系，但几乎所有的空间数据都具有一定程度的空间自相关性，因此有必要从空间视角研究中国物流业绩效及影响机制。本文基于包含松弛变量的SBM模型测度中国30个省、市、自治区的物流业绩效，进而系统考察物流业绩效空间溢出效应的产生机理，为提升物流业绩效水平提供理论指导和实践参考。

2 物流行业绩效测算

2.1 DEA-SBM

数据包络分析（DEA）评价方法的基本原理是假定DMU（决策单元）的输出或输入不变，不需要确定的生产函数，通过线性规划对偶得到输入与输出之间的比例，由此来确定多输出、多投入的DMU的资源投入产出是否达到技术有效，针对性的调整非有效DMU。

BBC和CCR模型等传统的数据包络分析模型并没有考虑到松弛变量对评价结果的影响，仅从投入产出的比值来评价效率，导致测度的效率值与实际值存在较大的偏误。Tone（2001）[6]建立了SBM模型有效解决了投入产出松弛性问题，见式（1）。

式（1）中u为投入指标的种类，v为产出指标的种类，xij为第j个省份对第i种投入指标的投入数量，yrj为第r种产出指标的数量，s+、s-分别为产出和投入的松弛变量。

2.2 投入产出指标选择

本文选取2005-2015年中国30个省、市和自治区的有关数据为样本，由于西藏、香港和澳门地区部分数据缺失，因此没纳入研究范围。借鉴已有文献和中国物流业发展实践，遵循数据的一致性、相关性和可得性，选取资本（K）、劳动力（L）和能量消耗（E）作为物流业绩效测算的投入指标，以行业增加值（WGDP）、货运量（H）和货运周转量（C）作为产出指标。中国的统计产业分类中并无物流产业，界定物流业包含交通运输、仓储和邮政业，数据来源于相应年份的《中国统计年鉴》、《中国能源统计年鉴》与各个省、市的统计年鉴，投入产出指标及其数据处理具体说明如下：

资本（K）采用各地交通运输和仓储、邮政业存量指标，选取固定资产投资为基本数据，资产折旧率为10%，为了消除价格干扰，利用固定资产投资指数对固定资产投资额进行平减。劳动力（L）用各个区域交通运输和仓储、邮政业从业人员来表示，单位是万人。能量消耗（E）选取交通运输、仓储和邮政业各项能源终端消费量折算标准煤，单位是万吨标准煤。行业增加值（WGDP）为交通运输、仓储和邮政业增加值，单位为亿元。货运量（H）为铁路、公路和水运货运总量，单位为万t。货运周转量（C）选用铁路货物、公路货物和水运货物周转总量，单位为亿t·km。

3 实证分析

3.1 物流行业绩效的静态时序变化

根据DEA-SBM模型的基本原理，运用MaxDEA软件可以获得2005-2015年中国大陆30个省、市、自治区的物流业绩效值。

为了研究中国地区的物流业绩效特征，参考中部地区崛起、西部大开发实施意见以及党的十六大报告精神的经济区域划分标准，取代传统粗略的东中西部划分方式，将细分为东部、中部、西部和东北四大区域（中部包括山西、河南、安徽、江西、湖北、湖南6省份，东部包括北京、天津、河北、山东、广东、海南、福建、上海、浙江、江苏10个省份，东北包括辽宁、吉林、黑龙江3个省份，西部包括重庆、广西、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、内蒙古11个省份）。从研究期内中国和四大经济区域物流业绩效平均值的演变轨迹（见表1）可知，样本期内的中国物流业绩效水平呈现先上升后下降的倒“U”型特征，由2005年的0.45提高至2015年0.54，在2011年达到峰值（0.58）。

分区域来看，四大经济区域的物流行业绩效时序演化轨迹差异显著，就样本初期与样本末期的物流绩效水平而言，东部地区的物流行业绩效呈现下降趋势，西部、中部和东北地区均表现出不同幅度的增长。就各个省份来看，云南、吉林和新疆等省份的物流绩效水平一直处于下游，集中在经济欠发达的中西部地区。上海、河北、山东、江苏、浙江、天津等省份的物流业绩效水平较高，这些省份主要位于经济发达的东部地区。需要指出的是，测度的物流业绩效值是相对的，与发达国家的物流业相比还存在较大的改进空间。样本期内东部地区的物流行业绩效均值为0.77，中部地区为0.60，西部和东北部物流业绩效值不高，分别为0.48和0.42，整体而言，中国的物流业绩效持续增长到2011年左右，随后步入平稳状态。

3.2 物流行业绩效的影响因素分析

为了探究中国物流业绩效的空间外溢特征，笔者纳入空间计量经济模型考察物流业绩效的空间相关性和依赖性。Anselin[7]指出空间计量经济学是研究空间特征引起的变量特性变化的方法，隶属于区域科学统计分析模型。通过空间计量经济学模型研究区域经济行为的基本思路是：首先采用莫兰指数检验被解释变量是否存在空间相关性，然后再确定是否有必要纳入空间计量经济模型进行研究，倘若不能通过莫兰指数检验，则建立经典计量经济模型研究被解释变量的特性[8]。

（1）空间相关性检验。表1的结果显示出中国的物流业绩效水平存在显著的地区差异性，不同区域的物流业绩效是否存在地理空间上的依赖性和相关性，这将决定物流业绩效影响因素计量模型的构建。本文基于传统的全局Moran’s I指数检验中国物流业绩效的空间相关性。计算方法为：

表1 中国各个省份的物流业绩效（2005-2015）

式（2）中xi,xj为各个地区的物流业绩效值，n为测量总数，wi,j表示二进制邻接权重矩阵。莫兰指数的取值范围在[-1,1]，通过Matlab编程检验物流业绩效空间依赖性结果，见表2。

表2 空间依赖性检验统计量

本文运用了三种空间依赖性检验方法GLOBAL Moran MI，GLOBAL Geary GC 和 GLOBAL Getis-Ords GO，都近似服从正态分布。从表2的结果可知，中国的物流业绩效并不是随机分布的，存在显著的空间相关性，表现出“相似相近”的特征。据此，分析物流业绩效影响因素作用机制采用空间计量模型较为适宜。

（2）模型设定和变量选择。空间计量经济模型包括空间滞后模型与空间误差模型两大类。空间滞后模型[9]（Spatial Lag Model，SLM）主要是用来考察各变量是否存在区域扩散现象，空间滞后模型表达式如下：

式（3）中，Y为被解释变量；X为n×k的外生解释变量矩阵；ρ为空间回归系数；W为n×n阶的空间权重矩阵，一般选用邻接矩阵（Contiguity Matrix）；WY为空间滞后被解释变量；ε为随机误差项向量。

空间误差模型（Spatial Error Model，SEM）也称为空间自相关模型，扰动误差项表示变量的空间依赖作用，用以度量邻接区域被解释变量的误差冲击对研究区域观察值的影响程度，数学表达式为[10]：

式（4）中，ε为随机误差项向量，λ为n×1的截面被解释变量向量的空间误差系数，μ为正态分布的随机误差向量。参数λ反映的是相邻地区的观察值Y对本地区观察值Y的影响方向和程度，参数β表示自变量X对因变量Y的影响。

由表2可知LM Error（Burridge）和LM Error（Robust）在5%的显著性水平下显著，LM Lag（Anselin）和LM Lag（Robust）没有通过10%的显著性水平检验。根据Anselin（1988）的判断标准选择SEM模型分析较为合适。接下来着重考察中国物流业绩效差异的影响因素作用机制，借鉴已有文献，选取区域经济（GDP），用地区生产总值来表示，单位亿元；产业结构（STR）采用第三产业增加值占地区生产总值的比重来表征；外商投资（FDI）为区域实际利用外商投资额，单位万美元；人力资源（EDU）表示大专以上受教育人数占地区总人口的比例；城镇化（URB）为常住城镇的人口占区域总人口的比例；物流专业化程度（SPE）采用物流产值占总产值的比例来衡量。样本数据来源于相应年份的《中国统计年鉴》、《中国教育年鉴》和《中国对外经济贸易年鉴》。

（3）结果分析。表3分别报告了SEM模型②、③、④和OLS回归结果，从中可以看出，SEM空间固定效应、SEM空间时间效应的空间误差相关系数都通过了10%的显著性水平检验。从拟合优度R2来看，SEM空间固定效应略微优于SEM空间时间效应模型。据此，本文的分析结果以SEM空间固定效应模型的结果为主。

表3 空间面板SEM模型估计结果

区域经济和产业结构的弹性系数为负，但都未能通过统计性检验，表明区域经济发展和产业结构对区域物流业绩效的影响不大。物流专业化程度对物流业绩效的影响显著为正，物流专业化程度每提高一个单位，物流业绩效提高5.398个单位，表明物流业专业化程度越高，其物流业熟练程度和比较优势越明显，生产绩效也就越高。外商投资对物流业绩效的影响显著为正，回归系数为0.077，外商投资每增加一个单位，物流业绩效将增加0.077个单位，显示出外商投资加速地方经济快速腾飞的同时，也增加了区域物流货运量，有益于区域物流业绩效的提升。

人力资源对物流业绩效的影响显著为正，回归系数为0.53，人力资源每增加一个单位，物流业绩效提高0.53个单位，从某种意义上来讲，物流业是属于技术密集型产业，吸纳和使用大量现代化技术，随着大专及以上人数占地区总受教育人数比重提高，物流行业招募的工作人员素质要求愈发严苛，无疑促进了物流行业的现代化技术创新，因此高素质人才队伍对物流业绩效改善起到促进作用。城镇化水平的弹性系数显著为正，反映出中国的城镇化水平越高，越容易产生人力资源集聚效应，为物流产业的发展提供重要的生产要素，交通、仓储、配送基础设施的条件优越，规模效应显现，物流运营成本走低，相应的物流总量不断提高。

4 结论和启示

通过实证分析可以得到结论，目前我国物流行业总体绩效水平较低，尚存在很大的改进空间。样本期内的物流业绩效地区差异性显著，东部地区的物流业绩效最高，中部其次，西部和东北部最低。全局莫兰指数检验发现中国的物流业绩效存在显著的空间依赖性；区域经济和产业结构对中国的物流业绩效影响不大，物流专业化程度、外商投资、人力资源和城镇化水平显著正向促进物流业绩效的提升。针对以上结论，提出中国物流业绩效水平改善的建议如下：

第一，东部区域应继续发挥区位优势，合理配置物流资源并产生辐射作用，带动中、西和东北地区物流业发展，另外，这些区域的物流企业应积极向东部优秀物流企业学习先进的技术管理知识，不断提升资源配置的合理性。

第二，积极推进我国城镇化建设，为物流产业发展提供重要的人力资源生产要素，保持物流业绩效良性发展态势；增加物流企业的人力资源储备，提高人才培养质量，为物流业改革和创新储备丰富的人力资源，提升高端人才对物流业绩效发展的贡献度。

第三，积极引进外资，弥补国内资金在物流业投资的不足，大力提升物流企业专业化服务能力，推动物流企业向集约化与协同化发展，建立和完善现代物流服务体系，尽可能避免重复建设和资源浪费，实现我国物流业绩效健康持续提升。

[1]李晓梅,白雪飞.基于超效率CCR-DEA的国有物流企业绩效实证分析[J].中国流通经济,2016,(4):26-32.

[2]王建,钟俊娟.我国物流业市场结构与绩效的关系研究[J].东南学术,2013,(3):99-108.

[3]雷勋平.基于DEA的物流产业效率测度实证研究[J].华东经济管理,2012,(7):62-66.

[4]樊秀峰,余姗.“海上丝绸之路”物流绩效及对中国进出口贸易影响实证[J].西安交通大学学报(社会科学版),2015,(5):13-20.

[5]王林,杨坚争.国际物流绩效影响因素研究[J].中国流通经济,2014,(5):50-55.

[6]Tone K.A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research,2001,(130):498-509.

[7]Anselin L.Spatial Econometric:Methods and Models[J].Journal of the American Statistical Association,1990,85,(411):160.

[8]吴玉鸣.空间计量经济模型在省域研发与创新中的应用研究[J].数量经济技术经济研究,2006,(5):41-46.

[9]马子量,郭志仪.西部地区省域城市化动力机制研究[J].中国人口·资源与环境,2014,(6):9-15.

[10]周五七,武戈.低碳约束的工业绿色生产率增长及其影响因素实证分析[J].中国科技论坛,2014,(8):67-73.