长江经济带物流全要素生产率测度及时空演变

李 玥，李成标

（长江大学 管理学院，湖北 荆州 434025）

0 引言

党的十九大报告指出，以供给侧结构性改革为主线，推动经济发展质量变革。那么，如何抓住供给侧结构改革呢？全要素生产率的提升是供给侧改革的核心[1]。2014年9月，国务院印发《关于依托黄金水道推动长江经济带发展的指导意见》[2]，其中缩小东西发展差距被重点提出。为此，对长江经济带物流全要素生产率进行测度，从而找出提高和均衡区域物流生产率的措施，通过物流的发展带动生产要素的流动，促进经济的发展具有重要的意义。

1 研究设计

1.1 变量选取及说明

（1）解释变量：投入变量有两个，即资金投入和技术投入，借鉴以往的研究成果，本文选择物流业固定资产投资和物流业人力资本投资作为物流行业投入的衡量指标[3，4]采用唐建荣等学者[5]的研究方法，将交通运输、仓储和邮政业作为物流业的代表，将其固定资产投资作为物流业资金投入的衡量标准，将其就业人员工资总额作为人力资本投资的衡量指标，工资总额既包括从业人员又能反应从业人员质量，进而作为技术投入的衡量指标。

（2）被解释变量：货物周转量和行业增加值两个，按照可得原则，本文选取2007—2016年长江经济带区域的时空数据进行分析，货物周转量是对行业子系统贡献最大的参序量[6]，物流行业的增加值是物流业对经济和社会发展贡献最直接的货币表现形式，此项指标由以交通运输、仓储和邮政业增加值来代替[5]，也就是以此来反应物流业的产出。

表1 变量名称及说明

1.2 模型设定

1.2.1 物流效率的测定

资金和技术投入的效率决定行业的产出能力，有效的权衡投入资金规模和技术发展是物流效率的关键因素。因此，通过建立CCR模型，测算长江经济带各省市物流规模效率，技术效率和综合效率，每一个决策单元DMUj相应指数的效率评价如下：

在[0,1]之间取权系数v和u，对第j0个DMU进行评价，效率hj0越大表明DUMj0能够用相对较少的输入而取得相对较多的输出，即效率越高。

在CCR模型的基础上，采用malaquis指数分析模型，从各省时间角度和年份平均的角度进行研究，将全要素生产率分解。其内在逻辑如下：

其中，X代表投入，y代表产出，t为时期，d0t(xt，yt)和d0t＋1(xt，yt)分别代表技术情况和距离生产前沿面的偏离程度。

1.2.2 空间计量模型建立

基于Jing[7]等的研究，建立探索性空间数据分析（ES-DA）模型，结合地理位置描述各省市物流全要素生产率，使各省市物流全要素生产率空间数据可视化，揭示数据在空间的分布结构和发展趋势。本文选用Moran指数来研究全局空间自相关，Moran指数I的表达式如下：

式中：

其中：

Z值代表各决策单元的相关性，Z值越大相关性越大，而Z的正负区分空间正负相关，Z值为0时，说明区域物流全要素生产率无关，分布随机。

1.2.3 局部空间自相关

局部Moran指数是衡量相邻区域的空间关系的指标，所有区域LISA的总和与全局的空间相关性指标成比例。其计算如下：

Moran散点图可用GeoDa软件导出，是对空间滞后因子WZ和z的图形表示，代表决策单元的空间相关性。其不同象限代表其自身全要素生产率水平和与相邻决策单元的相关程度。将Moran散点图与LISA显著性水平结合，可以更全面的分析长江经济带各省市之间的相关关系。

2 实证分析

2.1 区域物流全要素生产率效率分析

本文将搜集的数据运用Deap2.1软件进行处理，对长江经济带各省市的物流业的技术效率、纯技术效率和规模效率进行测度分析。

2.1.1 纯技术效率的分析

长江经济带各省市的纯技术效率值见表2。

2007—2016年中，上海、江苏、贵州、安徽这四个省市的纯技术效率值十年来均为1，说明这些省市的物流投入和产出处于相对平衡的状态，技术发展情况较好，在一定的投入水平下产出最大，DEA有效，纯技术效率最佳。此外江西、湖南等省份纯技术效率也都在0.87以上，说明其物流发展受技术限制较低，发展情况较好。而四川、云南和湖北省作为中西部大省，近十年的物流业纯技术效率均值最低，排名分别位于后三位，纯技术处于DEA弱有效的状态，说明物流业的投入和技术发展没有达到最好的发展状态，资源利用状况较差，对行业技术的投入不足。

表2 区域物流全要素生产率测度纯技术效率及排名

2.1.2 规模效率的分析

区域规模效率情况见表3。

表3 区域物流全要素生产率规模效率值及排名

上海、江苏、贵州以及安徽这四个省市的规模效率值均为1，说明这些省市的投入产出位于生产前沿面上，规模效率达到最佳，实现DEA有效。湖南、四川和浙江的规模效率值在0.96以上，且近年来逐步接近1，总体投入情况较好。云南、重庆和江西省规模效率排名是区域排名的后三位，说明其投入规模不足以满足物流行业的发展。

2.1.3 综合技术效率的分析

区域物流全要素生产率综合技术效率综合是衡量技术和投资规模的指标，其计算值见表4。

表4 区域物流全要素生产率综合技术效率值及排名

上海、江苏、贵州以及安徽这五个省市这10年的综合技术效率值均为1，投入产出位于生产前沿面上，说明这些省市的物流业发展状况比较稳定，并对物流业的资本投入、资源配置等都处于一个最佳的状态。其中湖南、江西和浙江综合技术效率较高，且近年来呈上升趋势。江西省总体情况平稳且良好，近十年综合效率在0.8上下浮动，投资规模和技术支持有待进一步提高。云南、重庆和四川综合技术效率较低，且云南和四川综合技术效率值不足0.5，物流行业发展有待提高。湖北省物流业综合技术效率为0.63，排名第8，与之邻近的湖南，江西等中部城市发展较差，但近几年缓慢上升。

2.2 区域物流全要素生产率变化分析

为了更加全面的了解和分析湖北省物流业全要素生产率的变化情况，本文在以地区横向分析的基础上，又以时间序列对其进行了纵向研究和分析。采用Malmquist生产率指数法对区域物流全要素生产率的数据进行分析，得到其全要素Malmquist指数及其分解要素，结果见表5。

表5 区域物流全要素Malmquist指数及其分解

长江经济带区域全要素生产率均值为1.06，大部分省市的物流业全要素生产率大于1，由此看来，长经济带区域物流全要素生产率总体情况良好，其中，安徽、重庆、四川等省物流全要素生产率数值大于平均水平，说明其物流业业在长江经济带区域处于较高的水平，但是湖北省纯技术和技术效率变化指数都小于1，且小于各省市平均水平，说明湖北省近年来不仅技术效率不高，且技术进步不足以满足经济的发展。

为了更好地分析湖北省物流业全要素生产率2007—2016年十年的发展状况，本文将长江经济带各省市整体的Malmquist指数整理并进行分析，见表6。

表6 各省市整体Malmquist指数

纵观长经济带各省市近十年全要素生产率数据，不难看出长江经济带区域物流行业总体发展情况较好，只有个2008年、2010年和2011出现负增长的情况，其中技术进步变化指数负增长是物流全要素生产率降低的主要原因，说明技术进步缓慢是行业增长的主要阻碍因素。其他年份均缓慢增长，其中2013年增长23%，其中技术进步指数增长35%，说明技术是促进全要素生产率的重要动因。

2.3 区域物流全要素生产率的空间演变

运用DEAP2.1软件将长江经济带各省市物流全要生产率从时间序列上做对比研究，结果显示，各省市的物流全要素生产率存在着一定的差异，针对物流全要素生产率之间是否在空间的关联性，需要从空间的角度做进一步探究。基于上述数据，运用探索性空间数据分析（ESDA）方法，采用Arcgis软件和GeoDa软件对区域物流业在空间层面的发展做描述性分析。

2.3.1 区域物流全要素生产率的空间分布

选取2007—2008年、2011—2012年和2015—2016年区域物流全要素生产率数据，进行计量分析，研究区域物流全要素生产率的空间分布特征。得到如图1所示的各省市的物流全要素生产率情况的分布图。

图1 各省市物流全要素生产率分布

将各地区全要素生产率水平用不同颜色进行区分，物流全要素生产率越大颜色越深。随着长江经济带下游技术和经济投入的增加，其全要素生产率的变化正逐年从上游地区的云南、四川和重庆等省市向中游的湖北以及下游的上海、安徽等省市转移。

2.3.2 区域物流全要素生产率的空间自相关分析

从全局空间自相关和局部空间自相关的视角，对各省市物流全要素生产率的空间关联情况做了进一步分析。

（1）全局空间自相关分析

选用Moran指数来表示区域物流全要素生产率的全局空间自相关系数，计算结果见表7。

表7 2007—2016年各省市物流TFP的全局Moran's I统计值

Moran's I指数数值的绝对值代表相关程度，用数值的正负区分相关性的正负。由表7可知各省市物流业全要素生产率的全局Moran's I零散的分布在正负之间，但是2009年以来，长江经济带各省市由之前的莫兰指数离散分布逐渐趋于正相关，其中2013—2014年区域物流全要素生产率达到长江经济带各地的物流业发展不再是简单的竞争，而是转向各省市之间相互促进，共同发展。

（2）局部空间自相关分析

为进一步研究不同区域空间之间的相关程度，对代表空间相关性的LISA指数和莫兰点图进行分析。

选取具有代表性的2007—2008年、2012—2013年以及2015—2016年的数据，进行计量处理，得到企业物流全要素生产率的Moran散点图。在此基础上，作出物流全要素生产率局部空间自相关显著性地区统计表如表8所示。

表8 各省市物流局部空间自相关显著性统计

2007年以来，长江经济带各省市之间在空间上呈现不同程度的空间集聚效应，各点距离回归线较远，分布随机，说明长江经济带各省市之间呈现区域溢出效应，空间发展具有一定的关联性。其中，四川、安徽、云南等省份的分布距离回归线较远，说明其物流全要素生产率空间聚集效应较差。但总体情况回归线由递减转为递增，说明长江经济带内相邻区域物流行业出现正向的相互作用。

物流全要素生产率较高且与周围省市之间存在互相促进作用的省份只有重庆、安徽、浙江等省市，分布范围较小，正向影响的较少。而位于长江经济带中部的湖北、湖南省则出现空间集聚效应不明显，自身物流全要素生产率不高的情况，但是大部分年份其相邻省市物流全要素生产率较高，对其存在正向影响。

空间联系的局部指标（LISA）是用来衡量该区域与其周围区域的的显著空间集聚程度的一个指标，本文利用Geo-Da软件绘制出2007—2008年、2011—2012年、2015—2016年间的各省市整体的物流全要素生产率的Lisa积聚图，见图2。

图2 区域Lisa积聚图

从图2可以看出，长江经济带各省市之间的空间正相关性还不是很强。2007年以来，在显著性水平a≤0.05时，长江经济带整体物流全要素生产率相互影响增强，长江经济带发展整体性表现趋于明显。

3 结论

本文应用DEA方法和Malmquist生产率指数法，结合探索性空间数据分析（ESDA），对长江经济带物流全要素生产率进行了测定，可以得出以下结论：

（1）长江经济带物流综合技术效率在上中下游区别明显。处于下游的上海，江苏等省市物流业效率最高，说明其投入产出冗余最少，物流行业发展较好；而处于中游的湖北、湖南和江西等省份次之；处于上游的四川、重庆、云南则物流效率位居末尾。观察上中下游区别产生的原因，与各省市纯技术效率有关，说明物流技术的发展和决策能力是影响其综合效率的关键因素。

（2）长江经济带物流全要素生产率增长明显。近10年来平均增长6%，全局总体增长情况较好，只有云南省因为纯技术效率和规模效率难以满足行业规模扩大会的要求，反而下降2%。

（3）长江经济带物流业发展的相互带动作用仍然有限。空间自相关分析显示，各省市物流全要素生产率水平与空间的关联性逐渐加大，但区域之间的协调发展仍然有限，相互促进作用尚待加强。