基于DEA-Malmquist指数的长江经济带物流业全要素生产率研究

马卫东

摘要：利用DEA-malmquist指数模型，对2006～2016年间长江经济带物流业全要素生产率进行实证测算，从全要素生产率、技术效率、技术进步三方面分析长江经济带物流业发展状况，并对比分析各地区物流业全要素生产率的动态变化特征。结果显示：长江经济带物流业全要素生产率总体上有下降的趋势，物流业全要素生产率水平不高;各地区物流业全要素生产率整体上也表现为下降的趋势，地区之间存在一定的差异;长江经济带物流业全要素生产率的增长由主要依靠技术进步转变为技术效率驱动为主，且技术进步成为阻碍全要素生产率增长的重要因素。最后，提出提升长江经济带物流业全要素生产率的对策建议。

关键词：长江经济带;物流业;全要素生产率;DEA-malmquist指数

一、引言

新形势下，我国经济已由高速增长阶段转向高质量发展阶段，创新成为国家发展的核心力量，以创新驱动促进产业转型升级是实现经济提质增效的重要保障。长江经济带作为国家谋划经济发展新格局的重要区域，为了实现长江经济带高质量发展，需要贯彻和落实新的发展理念，创新成为推动长江经济带发展的关键动力，带动产业转型升级，优化产业结构以及转变经济发展方式，促使长江经济带成为引领我国经济高质量发展的生力军。物流业作为支撑国民经济发展的基础性、战略性产业，是经济发展的动脉，对于经济增长具有重要的、积极的带动作用，对于长江经济带建设具有重要的作用。因此，为保障长江经济带发展战略的顺利实施，为经济发展奠定坚实基础，探讨长江经济带物流产业全要素生产率具有重要意义。

由于物流产业的独特性，对于物流产业全要素生产率的研究已成为学者们关注的热点问题。从物流产业全要素生产率评价主体来看，一方面是从国家层面或是省（市）域层面出发，许晗对我国1995～2007年物流业全要素生产率变动进行研究，结果表明：总体呈现增长趋势，技术进步是物流业生产率增长的关键，技术效率不断改善物流产业发展。金春雨等对黑吉辽地区物流业全要素生产率进行测算，低于全国总体水平，且效率提升比较缓慢。袁丹和雷宏振以丝绸之路经济带为研究对象，提出了提升物流业效率的对策建议。马越越从低碳视角出发，研究中国区域物流产业全要素生产率的影响因素，各生产要素有着较大的提升空间（陈文新和潘宇）。刘涛等研究了河南省2011～2015年物流业全要素生产率的变动状况，整体水平比较低，呈现先下降后上升的“U”型发展态势，技术效率严重阻碍了河南省物流业全要素生产率的增长。另一方面是从物流企业层面出发，庄玉良等以16家物流上市公司为对象，测算出其静态效率值，结果表明物流业TFP呈递增发展趋势，技术进步是生产率提升的主要原因。景保峰等对上海和深圳两地18家物流上市公司的技术效率进行分析，表明了资本和管理要素的投入对产出影响显著。

梳理现有研究发现，目前学者们对于长江经济带物流业全要素生产率的研究还相对缺乏，已有的研究多数是采用数据包络分析（DEA）法从静态角度进行分析，从动态角度运用DEA-Malmquist指数研究长江经济带物流业全要素生产率发展状况还相对较少。因此，本文基于DEA-Malmquist指数模型，从全要素生产率、技术效率、技术进步三方面探讨长江经济带及各省市物流业发展情况，最后根据测算结果，提出有针对性的对策建议，为提升长江经济带物流业全要素生产率提供参考。

二、研究区域、研究方法及数据来源

（一）研究区域

长江是全球内河货运量第一的黄金水道，长江经济带包含了九省二市，东起上海，西至云南，涵盖了上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州，面积约205万平方公里，其经济总量和人口總数都已经超过了全国的40%。长江经济带横跨了东中西三大区域，具有独特的地理优势以及巨大的发展潜力，已逐渐发展成为支撑国家经济发展及战略实施的重要区域之一。

（二）基于DEA-Malmquist指数模型测算物流业全要素生产率

Malmquist指数由Sten Malmquist于1953年首次提出，主要是用于评价不同时期消费投入变化的数量指标。Caves等（1982）首先将这一指数用于生产率变化的测算，此后，Fare和Grosskopf（1992）将其与已建立的DEA理论相结合，在处理基于面板数据的多投入与多产出的效率评价时具有独特优势，以Malmquist指数表示跨期生产率变动的状况。

公式（2）中，Dt（xt，yt）、Dt（xt+1，yt+1）分别指以t期的数据为参考集，t期和t+1期的技术效率水平;Dt+1（xt，yt）和Dt+1（xt+1，yt+1）分别指以t+1期的数据为参考集，t期和t+1期的技术效率水平。当TFP>1时，表明从t期到t+1期全要素生产率呈上升状态;反之，则表示从t期到t+1期全要素生产率表现出下降趋势。其中，技术效率（EC）与技术进步（TC）的变化表征一致，当某个变化率>1时，表明它是全要素变化率增长的根源，反之亦然。

（三）指标选取与数据

本文采用该方法测度长江经济带物流业全要素生产率，投入和产出变量如下。

投入变量：投入变量包括劳动投入和资本投入，分别以长江经济带各省市交通运输、仓储和邮政业就业人员数和各省市物流资本存量衡量，其中，物流业资本存量核算采用永续盘存法，计算公式为：

Kit=Kit-1（1-δit）+Iit/Pit（3）

公式（3）中，i代表省份，t代表年份，K代表不变价资本存量，I代表当年价物流固定资产投资额，P代表固定资产投资价格指数，δ是折旧率。本文的初始资本存量和投资缩减指数均以2006年为基期，考虑到物流业固定资本存量的省际差异性借鉴张军等的做法按照公式Ki，2006=Ii，2006（0.05+gi）计算各省基年物流业资本存量，其中gi为i省2006～2016年物流业年平均增长率，0.05为折旧率。

[3]袁丹，雷宏振.丝绸之路经济带物流业效率及其影响因素[J].中国流通经济，2015（02）.

[4]马越越.低碳视角下中国区域物流产业全要素生产率的空间溢出效应研究[J].宏观经济研究，2016（12）.

[5]陈文新，潘宇.低碳约束下物流产业全要素生产率的空间分异及时空演化[J].工业技术经济，2016（11）.

[6]刘涛，霍静娟，顾令爽，金英淑.河南省物流业全要素生产率的动态演化及其提升路径[J].物流科技，2017（05）.

[7]庄玉良，吴会娟，贺超.我国物流业效率动态变化的Malmquist指数研究[J].统计与决策，2009（05）.

[8]景保峰，周霞，胡爱嫒.基于随机前沿分析的上市物流公司技术效率评价[J].工业工程，2012（02）.

[9]钟昌宝，钱康.基于ESDA的长江经济帶省域物流产业空间差异研究[J].华东经济管理，2016（07）.

[10]MALMQUIST S.Index numbers and indifference surfaces[J].Trabajos De Estadistica，1953（02）.

[11]CAVES D，CHRISTENSEN L，DIEWERT W.Multilateral comparisons of output，input，and productivity using superlative index numbers[J].Economic Journal，1982（03）.

[12]FARER，GROSSKOPF S.Malm-

quist productivity indexes and fisher ideal indexes[J].Economic Journal，1992（01）.

[13]于丽英，施明康，李婧.基于DEA-Malmquist指数模型的长江经济带物流效率及因素分解[J].商业经济与管理，2018（04）.

[14]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952～2000[J].经济研究，2004（10）.