长江经济带物流服务创新能力及效率评价研究

2019-09-17 06:21王长琼李真真鲍晶晶
关键词:经济带长江变量

王长琼,李真真,罗 琦,鲍晶晶

(武汉理工大学 物流工程学院,湖北 武汉 430063)

物流业作为国民经济的重要组成部分,其发展水平对国家综合实力有着重要的影响。然而目前我国物流业整体创新能力较弱,创新效率转化低,尚未进入“创新驱动”的新阶段,这在一定程度上制约了长江经济带的发展。长江经济带作为国家发展的重要战略布局,物流服务创新有利于其突破发展瓶颈,改善服务质量,从而在激烈的市场竞争中获取优势,因此提高自身的服务创新能力,加快效率的转化就显得尤为重要。

目前关于物流服务创新的研究主要集中局限于动力分析[1-2]、创新模式和类型[3-6]、评价体系[7-8]等方面。在物流服务创新能力方面,学者们从不同角度出发对物流服务创新能力进行评价。如YANG以“集装箱航运”为研究主体,运用结构方程模型分析其物流服务创新能力与物流绩效的关系[9]。申静等结合物流服务的特点,采用综合指数评价法构建了相应的评价模型,并对我国物流业服务创新能力进行了评价[10]。马永琦等从物流企业资源投入能力、管理能力、研发能力、学习与成长能力等维度构建指标体系,运用模糊综合法对物流企业服务创新能力进行评价[11]。而结合实例研究物流服务创新能力和效率的文献较少。为此,笔者结合长江经济带典型城市的物流现状,从服务创新环境、投入和产出的角度,利用驱动力模型构建评价指标体系,对其物流服务创新能力和效率进行综合评价,不但能够针对性地提高服务创新水平,而且对于物流创新活动方面的决策具有重要的参考价值和指导意义。

1 基于驱动力模型的物流服务创新影响因素分析

服务创新是一个复杂的过程,物流服务活动的特点使得物流服务创新更为复杂。根据SUNDBO提出的服务创新驱动力模型,结合物流服务创新的基础理论进行分析,从动力因素的角度阐述影响物流服务创新的因素,建立基于驱动力的物流服务创新影响因素模型,如图1所示。

图1 基于驱动力的物流服务创新影响因素模型

1.1 外部影响因素分析

物流服务创新能力和效率受到多种因素影响,整个驱动力模型中外部影响因素包括政策环境、技术进步、物流环境、多主体参与者(顾客、合作伙伴、竞争者等)和经济发展5个方面。

近年来我国在宏观层面上对物流行业给予了很大的政策支持,政策环境对物流服务创新的影响一方面体现在支持政策的数量上,另一方面在“政府R&D经费支出”上也能得以体现。物流环境是物流企业创新最重要的外部环境,如物流园区将众多物流企业聚集在一起,实行集中化和规模化经营,对促进物流技术和提高服务创新水平具有重要的作用。现代企业运作主要依靠机械化、信息化设备,物流业更需要通过信息技术来完成服务创新活动,“专利申请量”和“专利授权量”是先进技术水平的反映。物流作为一个多主体参与的活动,除了员工之外,参与服务创新活动的顾客、竞争者、合作伙伴等都是物流服务创新活动中重要的驱动力。同样,经济发展对于物流服务创新的影响是不可忽视的,“规模以上工业增加值”和“全社会固定资产投资”指标则是物流行业进行服务创新的经济基础。

1.2 内部影响因素分析

除了外部因素,物流服务创新活动还受到内部因素的影响。企业内部人力和财力的投入直接影响着物流服务创新水平,管理与战略的制定更是创新活动顺利开展的基础,因此,整个驱动力模型中内部影响因素包括人力资源、财力资源和企业内部的管理战略3个方面。

人力资源在服务创新活动中起着关键作用,对于物流业这种新型的服务业更是如此,人力资源是物流业创新活动的基石,在创新过程中起着至关重要的作用。“R&D人员数量”指标是人力资源投入最直接的体现。一切活动都需要一定的经费投入作为支撑,物流活动也不例外,一定的财力资源投入是物流服务创新活动顺利开展的必要因素,而“R&D经费投入”和“物流固定资产增加值”是物流创新活动的主要资金来源。此外,物流服务创新不是一个简单的活动,而发展战略的制定可以帮助企业物流服务创新活动的顺利开展。管理战略的实施直接导致了物流效益,物流效益可以用“物流业增加值”及“社会物流总额”等指标来衡量。

2 物流服务创新能力及效率评价指标体系的构建

通过对影响物流服务创新水平的因素进行分析,结合前人经验,依据科学性、全面性、可行性等原则,根据长江经济带实际情况,从服务创新环境、服务创新投入及服务创新产出3个方面构建物流服务创新能力评价指标体系,如表1所示。

表1 物流服务创新能力评价指标体系

物流服务创新效率评价是在物流服务创新能力评价基础上进行,根据数据包络分析(data envelopment analysis,DEA)模型理论要求,在物流服务创新能力评价体系的基础上从投入和产出两个角度构建物流服务创新效率评价指标体系,如表2所示。

表2 物流服务创新效率评价指标体系

3 物流服务创新能力和效率评价过程

3.1 因子分析

设有P个相关变量X1,X2,…,Xp,每个变量含有m个独立公共因子F1,F2,…,Fm(m≤p)和一组特殊因子ε1,ε2,…,εp,且这两组因子之间没有关联性,然后进行因子分析。

(1)数据处理。对差异较大的数据进行标准化处理,然后使用SPSS进行适应性检验以确定是否适合因子分析。数据标准化处理公式如式(1)所示。

(1)

式中:Z为变量的原数值;E(Z)和D(Z)分别为变量的均值和方差;Z*为变量标准化处理后的数值。

(2)计算因子得分。提取公共因子,再进行因子旋转,求得因子变量得分系数矩阵,计算公共因子得分,如式(2)所示。

(2)

式中:Fγ为提取的第γ个公共因子,γ=1,2,…,m;Xi为第i个变量的数值;Wγ为该变量在第γ个公共因子上的得分系数。

(3)计算物流服务创新能力综合得分。对提取的公共因子做加权处理,可得到各个城市物流服务创新能力的综合分数R,如式(3)所示。

(3)

式中:bγ为第γ个公共因子的方差贡献率;t为提取公共因子的累积方差贡献率。

3.2 DEA方法

(1)综合效率。CCR模型反映了决策单元的综合效率大小,其评价模型如式(4)所示。

minθ

(4)

式中:s-、s+分别为投入松弛变量、产出松弛变量;x、y分别为投入量、产出量;θ为评价效率值,θ无约束;λj为重新构造一个有效DMU组合中第j个决策单元的组合比例。

(3)规模效率。根据综合效率和纯技术效率得到规模效率:

SE=TE/PTE

(5)

式中:SE为规模效率;TE为综合效率;PTE为纯技术效率。

4 长江经济带典型城市评价实例

4.1 原始数据的收集

根据建立的物流服务创新能力和效率评价指标体系,对长江经济带11个城市相关评价数据进行收集,通过查阅大量统计年鉴(《中国统计年鉴2016》《中国物流统计年鉴2016》及长江经济带各城市统计年鉴2016)和相关物流报告的数据,整理得到各个城市物流服务创新能力和效率评价指标体系的相关数据。

4.2 长江经济带典型城市物流服务创新能力评价

笔者结合构建的物流服务创新能力评价指标体系,使用因子分析对长江经济带11个城市的物流服务创新能力进行评价,KMO和Bartlett检验结果如表3所示。

表3 KMO和Bartlett的检验

由表3可知,KMO值为0.832>0.600,故原始数据之间存在较强的相关性,Bartlett检验中,χ2值为940.538,且概率为0.000,小于显著性水平0.050,说明选取的变量之间相关性较强,因此,可进行下一步的分析。

因子解释原始变量总方差如表4所示,可以看出被提取的公共因子的方差贡献率分别为42.076%、33.558%、15.219%,而且这3个公共因子的累积方差贡献率达到90.853%,远超过85.000%,说明选取的9个评价指标包含的信息较多,提取的3个公共因子足以表示一个城市的物流服务创新能力的综合水平。

表4 因子解释原始变量总方差

各变量在3个公共因子上的载荷表现如表5所示,可以看出第一个公共因子反映变量X7、X8、X9,第二个公共因子反映变量X4、X5、X6,第三个公共因子反映变量X1、X2、X3。

结合因子变量的得分系数矩阵得出3个公共因子的分数,用线性规划的方法表示为:

(6)

表5 旋转成分矩阵

进而计算各城市物流服务创新能力的综合分数R:

R=(0.420 76F1+0.335 58F2+0.152 19F3)/

0.908 53

(7)

R为一个城市物流服务创新能力的综合分数,体现了一个城市的物流服务水平。

各城市的物流服务创新能力得分和排名如表6所示,由表6可知,长江经济带各城市之间的物流服务创新能力差别较明显,整体呈现出长江下游长三角地区发展较快,上游成渝经济区发展滞后的趋势,这两个区域的物流服务创新综合分数最高为0.924 2,最低为-0.281 4,差值高达1.205 6。发展迅速的城市如杭州、上海的物流服务创新能力综合得分接近1,说明这些城市的物流服务创新能力较强,对长江经济带的物流服务创新活动起到了良好的带头作用。武汉、南京、重庆的物流服务创新能力综合分数在0.3~0.6之间,说明这3个城市的物流服务创新能力一般,这主要是由于投资不足或受到经济环境的影响。其他城市的物流服务创新能力较弱,特别是昆明、成都这些以旅游业为主的城市物流服务创新能力得分为负,在长江经济带内比较落后。究其原因,主要是创新人才、创新资金等投入不足制约了物流服务创新,所以应借鉴先进城市的经验,调整产业结构和人才比例,拓展融资渠道,加大财力投入,努力提高物流服务创新能力。

4.3 长江经济带典型城市物流服务创新效率评价

结合数据包络分析法的CCR和BCC两种经典模型,将长江经济带11个典型城市物流服务创新活动看作同类决策单元(DUM),通过DEAP2.1对数据加以分析,得到2015年各城市DEA评价中各效率的取值,如表7所示。

表6 长江经济带典型城市物流服务创新能力得分和排名

表7 2015年各城市DEA评价结果

由表7可知,2015年长江经济带典型城市的综合效率平均值为0.912,纯技术效率的平均值为0.961,规模效率的平均值为0.949。规模报酬方面,除了合肥、长沙、贵阳、成都、南昌5个城市处于规模报酬不变阶段外,武汉、南京、杭州、重庆4个城市规模报酬递减,上海和昆明规模报酬递增。

具体来看,合肥、长沙、贵阳、成都、南昌5个城市各项效率值都达到了1.000,即都达到了DEA有效,说明这些城市2015年投入到物流服务创新活动中的资源配置是合理的,产出也达到了最佳效果。武汉、南京和杭州3个城市的综合效率没有达到1.000,即这些城市DEA无效,但是它们的纯技术效率为1.000,表明这3个城市的物流服务创新管理和技术成熟,因此这3个城市处于轻度DEA无效状态,原因在于规模效率值偏低,其资源配置不合理,投入产出未达到最佳比例。同时,由于这3个城市规模报酬处于递减阶段,不能通过增加资源的投入量来提高城市的物流服务创新效率,故应该重新调整资源投入的结构和布局,在一定程度上减少相关资源的投入量,提高资源的利用率和转化效率,加快产出成果转化为物流效益的速率。

上海、重庆、昆明的各项效率指标值都小于1.000,属于DEA无效,但其纯技术效率略低于规模效率。其中上海、昆明规模报酬递增,即表示现有服务创新规模不足,具备投资的积极性,可以考虑增加服务创新资源投入以达到最优规模量。重庆规模报酬递减,说明其综合效率不高的主要原因在于投入的物流服务创新资源未得到有效利用,存在冗余。因此,可以适当减少投入,或者将重心投入到基础环境的建设之中,努力为物流服务创新创造一个良好的环境。

总的来说,2015年长江经济带区域的物流服务创新水平整体情况较好,平均值达到90%以上,除了重庆和上海两个城市的综合效率小于0.800,其余城市都较为理想。而纯技术效率的数值除了昆明的偏低以外,其余的城市也都达到了85%,并且规模效率值在95%左右,所以长江经济带的物流服务创新转化速率较快。

5 结论

基于驱动力模型,从物流服务创新环境、投入和产出的角度出发,提炼影响物流服务创新的指标,建立物流服务创新能力和效率评价体系,对长江经济带11个城市进行评价。通过因子分析和DEA模型分析得出以下结论:长江经济带的物流服务创新水平总体情况较为理想,但上下游城市存在较大差异,上海、杭州等下游城市的物流服务创新水平相对较好,昆明、成都等上游城市的物流服务创新水平较弱,符合实际情况,验证了评价体系的有效性,为该地区物流服务创新的发展决策提供了有力依据。

为进一步提升物流服务创新水平,笔者提出以下建议:

(1)因地制宜地制定方案,提升物流服务创新能力和效率。长江经济带各城市物流服务创新现状不一,应根据其实际情况,提出针对性的解决方法。服务创新能力较弱的城市应学习先进城市的经验,合理调整物流服务创新人才结构、资金等资源的投入比例,以期快速提高其物流服务创新能力。位于效率前沿的城市,一方面要保持带头作用,另一方面也要不断探索物流服务创新活动的新路径。效率相对不足的城市要结合自己的状况,对现有资源进行合理化布局,以改善其物流服务创新效率产出不足的现状。

(2)创造良好的服务创新环境。物流服务创新的实施与良好的创新环境密不可分,因此,在调整资源结构的同时,也应该为物流服务创新拓宽市场道路。一方面,可以实施“走出去”策略,借助经济的发展带动物流产业的服务创新活动。另一方面,可以通过加强与物流活动中各参与主体的合作与交流,在物流行业创建一个良好的创新环境,以此促进物流服务创新能力及效率的进步,实现共赢式发展。

猜你喜欢
经济带长江变量
抓住不变量解题
一条江的嬗变长江经济带绿色发展之路
长江之头
陕西呼应长江经济带
长江之歌(外二首)
长江图(外二首)
新丝绸之路经济带背景下新疆教育人才培养
分离变量法:常见的通性通法
丝绸之路经济带媒体合作论坛联合宣言签署
不可忽视变量的离散与连续