西部地区物流效率及其影响因素——基于DDEEAA模型和TToobbiitt回归模型的实证分析

杨双鹏，赵 近 YANG Shuangpeng,ZHAO Jin

（昆明理工大学 管理与经济学院，云南 昆明 650000）

0 引言

西部地区在“一带一路”建设中，拥有巨大的地缘作用，但同时我国西部地区大都处于多山地区，除重庆、四川、陕西等省外，其余地区经济普遍比较落后，尤其是西藏、青海、宁夏3省2015年GDP总量均没有超过3 000亿，究其原因，物流产业落后是其重要原因之一。物流作为公认的“第三利润源”，是经济发展的载体，因此对西部地区物流效率的研究就显得迫在眉睫。

学术界对于物流效率的研究由来已久，如高詹（2013）采用数据包络分析法中的Malmquist指数模型，对2001～2010年中原经济区29个地级市的城市物流效率进行了实证分析；Capline，Sheffi（1994） 认为影响企业物流业效率包括物流资源利用率、生产效率和运营时间；倪明、何超、杨善（2015）认为实践中物流业对能源依赖性较大，因此把能源消耗加入投入指标中。对物流效率的研究，目前，学术界已经取得了极大的进展，但还是存在着不足之处，如大部分学者在研究中仅局限于对物流效率进行综合性评价，而未对其进行投影分析；对物流效率的研究主要集中在宏观、微观层面等。针对这些问题，本文将选取比较全面客观的指标，运用DEA模型对我国西部各省区物流效率进行实证评价，并进行投影分析；然后利用Tobit回归模型分析其物流效率与影响因素之间的相关性；最后，根据实证分析的结果提出针对性的建议。

1 物流效率及影响因素实证分析

1.1 物流效率的实证分析

1.1.1 模型说明。本文主要采用DEA中的两个常用模型C2R和B2C。C2R模型是将工程效率的概念推广到多输入、多输出系统的相对效率评价中，基于的假设是决策单元的规模报酬是固定的，测算决策单元的技术效率，即评价一个系统的综合有效性；B2C模型是在C2R模型的基础上加以约束条件将总体技术效率值分解为纯技术效率和规模效率两部分。因此，可以通过模型计算，来具体判断总体技术效率偏低是规模无效率还是纯技术无效率所致。

（1）C2R模型。假设有n个决策单元，每个决策单元有m种类型的“输入”和s种类型的“输出”。设xik为第k个决策单元对第i种“输入”指标的投入，yjk为第k个决策单元第j种“输出”的产出量，然后分别对其赋予权重vi和uj，构建线性规划，那么，对于决策单元k的效率评价指数为：，通过改变权重数vi和uj，使得hk值最大。

（2）B2C模型。B2C模型是给予C2R加上约束条件引入松弛变量s+和剩余变量s-，θ为第k个决策单元的技术效率，建立方程求出θ的最小值，若θ=1，s+，s-≠0，则决策单元jo为弱DEA有效；若θ=1，s+，s-=0，则决策单元jo为DEA有效；若θ＜1，则决策单元jo为DEA无效。

1.1.2 假设变量的选取。根据本文所研究区域的实际情况，决定选取投入指标：（1）物流业从业人数：其具体包括铁路、公路、水上、航空、管道等运输业就业人员以及装卸搬运和其他运输服务业就业人员数、邮政业就业人员数。（2）物流业投资总额：其具体包括交通运输、仓储和邮政业固定资产投资总额。（3）线路运输长度：线路运输长度需要换算，因航空运输在西部地区较为不发达，运输所占比例极小，因此本文选择铁路、公路、航道将其统一折算成公路长度，具体做法为其中：Li表示第k省的线路运输长度；xkj表示第k省j运输方式的线路长度；ykj表示第k省j运输方式的每万公里运输能力；zk表示第i省公路每万公里运输能力。（4）民用载货汽车拥有量。产出指标：（1）物流业生产总值。（2） 各类运输货物总量。（3）各类运输货物周转量。

1.1.3 数据结果分析。根据2015中国统计年鉴和2015西部各地区统计年鉴，收集相关数据，做相应处理，运用DEA2.1软件，选取C2R和B2C模型，计算出我国西部地区各省、直辖市物流效率。计算结果主要包括总体效率、纯技术效率、规模效率3个部分。纯技术效率指在一定投入下，所能达到的产出能力；规模效率指物流业的发展规模；而纯技术效率和规模效率的乘积为总体效率。所获结果如表1所示：

表1 西部地区2015物流效率评价结果

从表1可以看出，西部地区所包含的12个省、直辖市总体物流效率平均值为0.821、纯技术效率平均值为0.921、规模效率平均值为0.897，从数值看，只有纯技术效率平均值超过0.9，其余两项均未超过0.9，说明西部地区整体物流效率一般。内蒙古、广西、重庆、贵州、宁夏3项指标都达到了1，说明其物流要素的投入得到了最大限度的配置利用，并达到了最优的产出，而总体物流效率平均值的拉低主要是由四川、云南、西藏、青海、新疆造成，尤其青海由于规模效率偏低导致物流总体效率只有0.503，而紧随其后的云南、新疆总体效率值则主要由纯技术效率值偏低导致，四川、西藏则主要是规模效率的偏低引起总体效率的偏低。纯技术效率值不足1且按数值从大到小排列有甘肃、陕西、云南、新疆，说明这几个省迫切需要在现有投入条件下，合理配置物流资源，充分、高效的利用物流投入要素，提高物流产出。规模效率不足1的按数值从大到小排列有新疆、甘肃、陕西、云南、四川、西藏、青海，其中：陕西、甘肃、新疆规模效率值都达到0.9以上，接近于1，而其余省份规模效益则都处于0.9以下，而在规模效率值不足1的省份中，规模效益呈递增状态的省份有西藏、陕西、青海、新疆表明其可以加大物流资源的投入，并加以合理利用，促进物流产出的总体规模，规模效益呈递减状态的省份有四川、云南、甘肃，反映出其投入存在冗余，而产出存在不足，需要合理加强投入资源的配置，调整投入与产出的比例，使其达到一个合理的状态。

为了更全面地研究西部地区物流效率问题，继续运用DEA软件，对西部各地区2011～2015年的物流效率做了纵向的测量，结果如表2所示：

结果显示，2011～2015年内蒙古、广西、贵州、宁夏物流效率都呈DEA有效，其总体效率值都为1；甘肃省物流总体效率值在2014、2015相较于2011～2013年有所下降，这估计与甘肃处于“一带一路”重要节点因而投入过多，产出不足有关；重庆除2012年外，其余年份表现都比较稳定；云南省物流效率值则呈稳步提升的态势，这与云南省大力建设南亚、东南亚“辐射中心”不无关系；青海、西藏、新疆物流效率则出现忽高忽低不稳定状态，且皆处于较低的水平，这与其物流投入产出不均衡有很大的联系。

限于篇幅，本文决定对2015年非DEA有效决策单元在有效生产前沿面上进行投影分析，通过对DEA无效单元投入和产出进行合理调整，使其达到DEA有效，表3为C2R模型求解的松弛变量值汇总。依此，对C2R模型中θ未达到1的决策单元进行投影分析，关于投入的调整方法如下：

表2 西部地区2011～2015年物流效率评价结果

式（1）、式（2） 中，为决策单元j的第m种投入量在DEA相对有效面上的“投影”；为决策单元j的第n种产出量在DEA相对有效面上的“投影”；θ为DEA所测得的总体效率值；松弛变量。

表3 西部DEA无效地区物流效率松弛变量结果

根据式（1）、式（2）对非DEA有效各个决策单元进行投影，结果如表4所示：

表4 西部DEA无效地区物流效率投影分析结果

如表3、表4所示：通过投影分析结果可看出各个省需要调整的投入，以及通过调整投入量而使产出量达到的水平，例如云南省需将自己的物流业从业人数减至10万、物流业投资总额减至699亿元、线路运输长度减至12万千米、民用载货汽车拥有量减至50万辆，可以使物流业生产总值升至563亿元、各类运输货物周转量升至2 243亿吨/公里；甘肃省需将物流业从业人数减至10万、物流业投资总额减至681亿元、线路运输长度减至12.6万千米、民用载货汽车拥有量减至39万辆，可以使物流业生产总值升至567亿元、各类运输货物总量升至10亿吨；青海省需将物流业从业人数减至2.1万、物流业投资总额减至135.4亿元、线路运输长度减至2.575万千米、民用载货汽车拥有量减至7万辆，可以使物流业生产总值升至114亿元、各类运输货物总量升至2亿吨。在此基础上，各个省、直辖市需要积极提高公路运输效率，培养物流人才，加大新技术的应用等来提高物流综合资源利用率，进而提升物流效率。

1.2 物流效率影响因素实证分析

1.2.1 回归模型建立。Tobit回归模型是一种基于因变量收到限制的模型，其局限性为如果采用最小二乘法进行估计，则可能无法呈现完整数据。因此本文采取最大似然法的截取回归模型（Censored Regression Mode）l，也就是Tobit模型，其表达式为：

上式中，y*为截断因变量向量；y为效率值向量；x为自变量向量；β为回归参数向量；u为误差项，u～（0,δ2）。

1.2.2 假设变量的选取。本文通过DEA软件对所选的12个地区2011～2015年5个年份的投入产出再次进行测算，得出的物流总体效率值作为因变量y，将以下各个变量作为假设变量：（1）经济发展水平（GDP）：衡量一个地区经济发展水平的高低。（2）外商投资企业进出口总额：衡量地区对外经济开放程度。（3）物流资源利用率：可依据、单位公路通过的货运量、单位铁路通过的货运量、货运周转量，利用SPSS软件采取主成分分析法来选取物流资源综合利用率。（4）区位商：衡量地区区位因素，由各省、直辖市物流产值在其地区总产值中所占比重与全国物流产值在全国总产值中所占比重的比率计算得来。（5）互联网用户数：衡量地区信息化水平。（6）城镇化水平：衡量地区人口向城市聚集的情况。其数据来源为：2011～2015年中国统计年鉴及各省直辖市、自治区统计年鉴。

1.2.3 回归模型建立。Tobit模型建立如下：

上式中，yi代表各省物流效率；GDPt代表各省第t时期GDP水平；TIOt代表各省第t时期外商投资企业进出口总额：RUt代表各省第t时期物流资源利用率；LQt代表各省第t时期区位商；LITt代表各省第t时期信息化水平；β0为常数项；β1～β5代表各个因变量的回归系数；u代表回归误差项。

1.2.4 结果分析。首先对数据进行处理，然后通过stata13软件，建立Tobit回归模型，结果如表5所示：

表5 Tobit模型回归结果

通过表5，分析如下：

经济发展水平（GDP）与物流效率水平呈正相关，系数为0.53，表明若GDP提高1%，相应的物流效率可平均提高0.53%，说明其具有很高的相关度，这可能是由于西部地区整体经济发展水平较低，经济快速发展会促进物流效率的提高。外商投资进出口总额（TIO）与物流效率水平呈正相关，系数为0.08，相关度不是很高，这可能与外商在大部分西部地区投资较少有关。区位商与物流效率水平呈正相关关系，RU每提高1%，相应的物流效率就会提高0.4%，具有很高正相关度，区位商可以反映一个产业部门的专业化程度，可见物流效率与地区物流产业部门的专业化程度有很大的联系。物流资源利用率与物流效率水平呈正相关关系，系数为0.12相关度较高，表明物流效率的高低与物流资源的不合理使用甚至是浪费有重要关联。地区信息化水平、城镇化与物流效率水平呈负相关关系，这可能是由于西部地区除少数省份外，大部分地区信息化水平都很低有关。而西部地区城镇化水平同样在近几年得到了提高，进而对物流需求造成了一定的冲击，但西部大部分地区由于资源溃泛，人才缺失，造就了很大的物流资源投入得不到合理利用。

2 建议与对策

根据DEA测算结果及Tobit回归结果所得出的结论，给予以下建议及对策来促进西部地区的物流效率水平。

对西部地区进行相应的物流模块划分，加强邻省、临市的联系，打破区域封锁和行业内条块分割；优化基础设施建设，协调发展多种运输方式，对原先已有的公路、铁路进行升级建设，维修损坏的路段，力争建成有效的公路、铁路网；整合物流资源，政府牵头，培养各地区具有高效率的物流龙头企业，借助其先进的技术和管理经验对区域内物流资源进行整合，形成规模效应，减少资源的浪费；提高区位优势，借助“一带一路”大背景，发挥区位优势， 通过合理的科学调研和规划，调整物流要素的在空间上的合理布局，提高部门专业化水平；提高物流资源利用率，引进先进的技术如RFID、EDI、GPS、Barcode等。

[1]高詹.中原经济区城市物流效率时空测度与比较研究[J].商业研究，2013(12):171-177.

[2]C CAPLINE,Y SHEFFI.A review and evaluation of logistics metrics[J].International Journal of Logistics Management,1994,5(2):11-28.

[3]倪明，何超，杨善林.区域物流效率评价及其影响因素实证研究[J].华东交通大学学报，2015(4):65-72.