物流业专业化投资效率影响因素的Tobit分解

王占海，梁工谦

（西北工业大学 管理学院，西安 710072）

0 引言

随着我国社会主义市场经济的不断深化发展，物流业对于国民经济的服务基础作用逐渐显现。物流业不同于其他产业具有服务的嵌入与自身产业结构的特殊性，使得物流业在获取投资追加时表现出独特性质。同时，随着物流业对整个产业基础服务作用的强化，物流业自身的投资集中度提升也进一步促进该产业的专门化资本集中。如何按照物流业现有布局，结合专业化投资的科学合理布局及调整，改进与完善我国物流业的资本结构，具有深远的产业结构改进意义。本文在结合DEA数据包络分析的基础上将物流业自身存在的产业效率按照专业化投资视角进行相应的分解，并通过数据包络线性规划加以二阶段数据的Tobit分析，从而确保物流业产业专业化投资效率之间关联的精确反映。并基于现有研究，将样本规模数据按照不同影响角度予以分解，形成对互动效应作用的物流业专业投资指标的DEA-Tobit测定。

1 研究方法

一般而言，针对投资的专业化程度与效率按照专业投资的特定时间段密集程度、投资定向的密集程度等方面作为测度指标，进行投资阶段性数目、投资规模熵以及赫芬达尔指数进行测度，结合物流业投资的累积性特征，最终选用赫芬达尔指数进行物流业专业化投资程度的测度。即：

接着，本文按照物流业专业化投资程度进行基于数据包络分析的C2R对偶规划，即通过非阿基米德无穷小量、松弛变量、剩余变量构建模型：

式（3）主要描述了向C2R形成的决策单元接近的非阿基米德无穷小量、松弛变量、剩余变量以数据包络形式，获得的线性规划最优条件。其中，XT值为1时，决策单元为弱有效，否则按照S+,S-均为零的进一步假设，假设同时满足为决策单元有效，否则须重新进入式（4）进行再次数据包络线性规划，以至式（3）获得对应的决策单元有效。

由此，可以获得物流业专业化投资效率影响因素的Tobit模型分解，即：

式（5）负责刻画的是通过每一个决策单元的有效性累积比较，形成对于整个对象分析的最大化决策效率的集，该集在决策单元对应的参变系数设定符合正态分布。通过式（5）按照分析对象样本进行决策效率，可以进行显著性关联累积的影响因素分析。

2 实证分析

2.1 变量选取与数据来源

本文将测度分阶段指标进行基于人力资本、物质资本方面引入投入资金规模，作为DEA基本模型构建样本数据基础向量集。同时，为进一步解析不同方面的投入产生的效率差异，以及这些差异的作用影响机制。结合式（3）所反映的松弛变量、剩余变量进行数据阶段累积的投资效率分析，其中将投入效率分为总投资效率以及投资的技术效率。本文主要选取了物流业年均劳动力数量对应人力资本，而后两者按照上述式（1）和式（2）设定的赫芬达尔指数加以替代测度。结合前述设定，将数据包络分析对应的C2R分别设定为总投资效率CRCIE与投资技术效率VRCIE，分别用以归纳物流业单一时序期的专业化投资效率以及累积的专业化投资改进程度。

然后，结合式（5）以及DEA-Tobit模型对于有效性投入效率分析的优势特征，将物流业专业化投资的有效性进行最大化决策效率集的参变系数正态分布，围绕该正态分布进行基于人力资本、物力资本的投资按照非阿基米德无穷小量折算。其中，负责刻画的是通过每一个决策单元的有效性累积比较，形成对于整个对象分析的最大化决策效率的集，该集在决策单元对应的参变系数设定符合正态分布。通过式（5）按照分析对象样本进行决策效率，可以进行显著性关联累积的影响因素分析。

本文用数据包络分析过程的决策单元累积方差来进一步解释累积的专业化投资对物流业形成的投资总规模改进程度SE。利用所选样本年均劳动雇佣人员、投资额度进行折算。数据主要获自2008—2015年的《中国统计年鉴》、《中国国内贸易年鉴》，劳动雇佣人员以及投资额度分别获自各年份对应的《中国劳动统计年鉴》、《中国投资年鉴》获得。

2.2 结果分析

根据上述设定，将物流业专业化投资程度进行逐年折算，结果如图1所示。

图1 物流业专业化投资效率与增幅

从图1可以看出，我国物流业投资的专业化程度，以及专业化投资效率改进增幅均保持了一定程度的增长，就全国整个行业的投资专业化程度的总体来看，从2008年的0.2341，上升至2015年的0.3324，总体年均变动幅度在5.24%，且2010—2011年发生了较为显著的专业化程度提升，由2010年的0.2459升至2011年的0.2784；而相比之下，专业化投资总体年均变动幅度在5.79%，要相对高于投资专业程度，说明物流业尚存在专业化投资的有效性提升问题。

由于对于产业的投资始终存在时序累积的反映效应滞后，本文将基础数据包络分析映射所需的决策单元，按照每一个时序内的基本专业化投资进行C2R的对应折算，由此可以进行物流业专业化投资效率水平的总体估计。图1从数据包络决策单元分析角度，解释了物流业专业化投资的单一时期总体效率、累计时序效率和总累积规模效率，可以从图中看出，2008—2014年间，我国物流业总体上保持这上升的专业化投资效率特征，其中，表征物流业单一时序期的专业化投资效率的总投资效率CRCIE，从2008年的0.4252，逐步追加，形成当期的专业化投资效率改进，直至2015年的0.7321，总体平均增幅保持在9.02%，同时从单一时序来看，总投资效率CRCIE，在2009年和2012年有所下沉，其余时序均保持增长态势，这就证实了我国物流业在逐年的专业化投资上以规模化增长形态为主；而投资技术效率VRCIE仅在2012年呈现出小幅的下降，其余时序中均保持了上扬的趋势，说明整个物流业的专业化投资在人力、物力和财力的集中投入绩效上呈现出对于基期的改善条件。结合上述分析，本文将物流业投资效率的专业化；另外，表征累积的专业化投资对物流业形成的投资总规模改进程度的指标SE，总体上呈现出较快的增长势头，仅有2009年报告了下降信号，其余年份均为上升态势，2008年和2015年的报告值分别为0.4252和0.9987，总体平均增幅保持在16.9%，由此可以看出，我国物流业总体上的规模化投资以及基期的改善效应，形成了逐期对产业内投资专业化的规模累加效应，并在逐年的投资总规模累进中获得相应的效应。见图2所示。

图2 物流业专业化投资效率改进规模

同时，本文利用样本数据进一步分析了构成我国物流业专业化投资效率改进规模的投资期增幅的构成细分。主要通过上述指标设定，进行逐年的物流业专业化投资效率DEA效率程度分解。从表1（见下页）可以看出，不同程度的专业化投资效率都有所增长，自2008年以来，保持在0.7以上相对较高水平的专业化投资效率的占比13.43%，且均在10%以上，这就说明我国物流业的专业化投资的不断累积在一定程度上促进了整个行业专业化投资的改进；但不能忽视的是，0.5以下的低水平专业化投资追加一直是物流业投资主要占比，这一程度制约了我国物流业专业化投资效率的进一步改进；同时，可以发现，0.5至0.7的专业化投资效率水平的年均增幅保持在7.96%，0.5以下水平的年均增幅保持在78.61%，结合图1分析结果可知，进一步加大我国物流业专业化投资效率的总体规模，有利于完善我国物流业总体上的专业化投资改进效应。

表1 流通产业专业化投资程度DEA效率程度分解 （单位：%）

2.3 物流业专业化投资效率影响因素解析

根据上述分析，本文进一步进行影响我国物流业专业化投资效率的因素分析。即按照市场规模、投入程度以及政策推进进行物流业专业化投资效率影响因素的Tobit模型解析：

针对于DEA分指标类型在相互作用带估对象环境下的反馈信息解析度不足，针对上述低水平技术有效指标对应决策单元所反馈的DEA效率折算，本文将其实施基于DEA-SOLVERPRO5的超效率折算，其对应的物流业专业投资效率改进规模超效率变幅如图3所示，从图3可以看出：

图3 物流业专业投资效率改进规模超效率变幅

其中，投资效率规模增长IS，借助上述赫芬达尔指数测度结果按照数据包络分析模型获得；物流业市场规模MS，对应物流业的专业化投资规模，即按照上述程度分解的因子分析进行累积；政策因素RE以一个变量综合解释物流业在专业化投资追加过程中的非生产、流通领域关联因素，用以刻画产业投资追加过程中的政策因素对整个专业化投资效率的影响，本文选用投资税费减免额度进行替代折算。上述三类指标分别为Tobit模型被解释变量与变量，由此获得在经过超效率折算后的DEA效率基础上的Tobit回归结果（见表2）。

表2 物流业专业化投资效率影响因素的Tobit分解

从表2所报告的物流业专业化投资效率影响因素的Tobit分解结果中可以看出，经过市场规模、投入程度以及政策推进进行物流业专业化投资效率影响因素的Tobit模型解析，三者均通过了显著性水平检验。对于市场竞争规模效应而言，其所映射的物流业专业化投资在市场收益上的反馈为投资的进一步追加，表2中，市场竞争规模效应MS的Tobit回归系数为0.015527，并在5%显著性水平上通过检验，证实了市场的进一步投资对于物流业专业化投资效率提升有促进作用，这主要是由于物流业在进一步的市场竞争过程中形成了更为丰富的市场竞争经验，而专业化投资的去向与资本配比也将进一步获得投资收益优化为导向的决策；同时，可以看出，投资效率规模增长IS的Tobit回归系数为0.028376，并在1%显著性水平上通过检验，其回归系数要高于市场竞争规模效应，由此证实，物流业的专业化投资追加相比其他显著性影响因素，在影响作用力上有所不足，但通过物流业的专业化资本追加形成的正向影响效应有较大的改进空间。政策因素RE的Tobit回归系数为-0.041723，并在1%显著性水平上通过检验，这就说明针对于物流业的专业化投资政策对于整个物流业的专业化投资追加效率呈现了相对较弱的负向作用关联，这可能是由于物流业前期累积的资本投入过度重复的结构性不足，引起政策对于物流业投资的审慎规划，进而在一部分物流业专业化投资效率追加上形成制约和削减。

3 结论

本文结合数据包络分析，进行了针对物流业专业化投资效率的总投资效率、投资技术效率和累积规模效应解析，并通过市场规模、投入程度以及政策推进开展物流业专业化投资效率进行物流业专业化投资效率影响因素的Tobit模型解析。结果证实了我国物流业专业化投资仍以规模化增长为主，但是具备投入的基期改善条件与逐期累加效应，并且在市场竞争规模效应、投资效率规模增长方面，获得了物流业专业化投资效率的关联作用，且产业总体上的规模化投资以及基期的改善效应形成了逐期对物流业内投资专业化的规模累加效应。

参考文献：

[1]Çelen A.Efficiency and Productivity(TFP)of the Turkish Electricity Distribution Companies：an Application of Two-stage(DEA&Tobit)Analysis[J].Energy Policy,2013,63(63).

[2]Lee B K.Traction Device Designed to Collect Data on Underground Cabling with Threaded Rope Double Braided[J].2015,19(7).

[3]黄慧君,赵阿瑞.基于DEA-Tobit模型的批发零售业IT投资绩效实证研究[J].中国制造业信息化,2013,(2).

[4]赵楠,郭伟,邵宏宇.基于DEA-Tobit模型的装备制造业信息技术投资效率分析[J].统计与决策,2009,(21).

[5]刘玉海，吕坤.中国酿酒业上市公司的效率特征及其影响因素分析——基于DEA-Tobit两阶段模型[J].财经论丛,2010,(2).

[6]陈菲琼，李飞，袁苏苏.产业投资基金与产业结构调整：机理与路径[J].浙江大学学报：人文社会科学版,2015,45(3).