供给侧改革背景下广东省物流业技术效率测度及其影响因素研究

李星星，李卫忠 （江门职业技术学院，广东 江门529090）

0 引 言

物流业是融合运输、仓储、货代、信息等产业的复合型服务业，是支撑国民经济发展的基础性、战略性产业。加快发展现代物流业，对于促进产业结构调整、转变发展方式、提高国民经济竞争力和建设生态文明具有重要意义。广东作为中国经济大省，物流业是支撑广东经济持续高速发展的“助推器”。在《广东省现代物流业发展规划（2016～2020 年）》中明确指出推动广东物流业发展的首要任务是推动物流业降本增效，着力解决物流业发展“成本高、负担重、融资难”问题，促进物流业降本增效，提高物流业发展质量和竞争力。因此，在供给侧改革背景下，如何提升物流业的发展效率，构建高效运行物流体系，是值得深入研究的现实问题。

效率是衡量一个产业是否高质量发展的重要指标。目前，关于效率的测算方法主要有两类，一类是参数方法，如随机前沿法（SFA）；另一类是非参数方法，如数据包络分析法（DEA）。随机前沿法充分考虑了回归过程中非变量因素的经济价值，但需要一个严格的函数形式和分布假设，而且计算比较复杂。与参数方法相比，基于非参数估计的DEA 法在其估计过程中不需要假设具体的生产函数形式，很好地避免因设定错误模型导致估计结果偏差，DEA 方法具有操作简单、适用性强；由内生变量

确定权重，排除了主观因素的影响；计算结果不受计量单位和数据类别限制等优点，对处理多投入、多产出系统相对效率评价问题具有相对优势。本文综合考虑各方法的优劣性及其他学者研究的基础上，选择基于数据包络分析中的DEA 法来测算广东省物流技术效率情况。目前采用DEA 方法测算效率已在物流业、能源行业、银行业、钢铁行业、农业、制造业、服务业等各行各业都有广泛的使用。在物流行业方面：如项丝雨（2018） 运用DEA-Tobit 方法对“一带一路”省域物流产业效率进行了测算，得出“一带一路”省域物流产业整体效率低下且各区域物流发展不平衡[1]。王东方（2018） 运用DEA 模型对中国31 个省（市、区） 物流产业技术效率空间差异进行了分析，得出各省市物流技术效率水平较低，东部地区最高，中部次之，西部最低[2]。景保峰（2011） 运用DEA 模型基于22 家上市物流公司数据对物流上市公司效率进行了动态效率测算，得出物流上市公司技术效率水平低下主要是由于纯技术效率水平低下造成的。目前针对广东省物流的效率研究多是基于中国东、中、西部区域层面或者省际层面的对比研究，基于截面数据及城市区域双重视角研究的文章不多[3]。刘联辉等（2018） 基于DEA 与SE-DEA方法构建了广东省城市物流效率模型，分析了广东省21 个城市2016 年的物流效率，但局限于单一年度数据，未能充分反映广东省各城市物流效率动态变化情况[4]。肖斌等（2018） 利用DEA 模型对广东物流业效率差异与影响因素进行了分析，但影响因素分析中从宏观层面定性对各种政策对效率的影响进行了剖析，未定量分析物流业效率的影响因素[5]。因此本文采用DEA 方法基于2013～2017 年期间21 个城市的面板数据，从动态视角分析研究广东省物流业效率变化，及从城市视角对广东省各城市物流效率的异质性进行分析。并结合物流基础设施、物流需求、市场化程度、城市工业化进程等因素，建立广东省物流业效率影响因素回归模型，剖析各因素对物流业效率的影响程度。

1 研究方法与数据来源

1.1 DEA 模型。数据包络分析法（Data Envelopment Analysis，DEA） 是一种基于多投入多产出的效率评价方法，由美国著名运筹学家查恩斯（A.Charnes） 和库伯（W.W.Cooper） 教授在“相对效率评价”概念基础上发展起来的一种系统分析方法[6]，主要有基于规模报酬不变的C2R 模型和基于规模报酬可变的BC2模型，考虑到C2R 模型的局限性，目前运用较多的是基于规模报酬可变的BC2模型，因此本文采用面向投入的BC2模型，模型线性表达式如下：

对于决策单元的相对有效性，有如下定理：

定理：设规划问题BC2的最优解为于是有：（1） 若θ*=1，则DMU0为BC2弱DEA 有效的；（2） 若θ*=1，且每个最优解都满足条件=0，则DMU0为BC2DEA 有效的；（3） 若θ*＜1，则DMU0为BC2非DEA 有效的。

通过此模型可以求出三种效率，综合技术效率（TE）、纯技术效率（PTE）、规模效率值（SE），三者之间有如下关系：TE=PTE×SE。

表1 物流业全要素生产率测算指标体系

1.2 指标体系、样本与数据来源。确保效率测度准确性的一个关键就是建立科学的投入产出指标体系，目前有不少学者有丰富的研究，根据现有文献的基础上以及数据的可获性，本文选取以下指标作为物流业技术效率测度的投入产出指标，指标体系见表1。

（1） 固定资产投入额：物流业固定资产投入资金总额；（2） 物流业从业人员：按每年年末从事物流行业的总人数计算；（3） 生产总值：物流业年末生产总值。

当前物流业统计体系不健全，在统计年鉴中暂时无法找到物流业名目的完整数据，考虑到交通运输、仓储和邮政业的增加

值占物流业增加值85%以上，可代替物流相关数据。因此本文采用交通运输、仓储和邮政业的数据代替本文的物流业数据进行分析。数据选取2013～2017 年广东21 个市级城市作为测度样本，数据来源2013～2017 年《广东统计年鉴》。

2 基于DEA 模型广东物流业技术效率实证分析

2.1 各城市物流产业技术效率测算及分解。使用数据包络分析模型测算软件DEAP2.1，通过广东省物流2013～2017 年相关数据整理，基于DEA 模型测算各年度综合技术效率（TE）值以及其分解为纯技术效率（PTE）和规模效率值（SE），测算结果见表2。

从表2 结果看出，2017 年广东省物流产业总体技术效率值为0.55，处于较低水平，86%的城市技术效率处于DEA 无效状态，只有东莞、阳江、清远3 个城市物流业综合技术效率值达到1，处于DEA 有效状态。珠海、江门、中山等11 个城市技术效率值低于平均水平，这也侧面反映广东省物流产业当前产业规模持续扩大，物流技术装备不断升级，但物流成本偏高，物流产业运营效率低下。

表2 广东省各城市物流产业技术效率及其分解测算结果

通过将技术效率进一步分解为纯技术效率和规模效率，纯技术效率反映的是物流产业在投入水平一定的情况下，物流产业的管理决策水平和生产技术水平的高低，可以用来衡量物流产业技术无效率多大程度上由纯技术效率无效造成的。2017 年21个城市物流产业纯技术效率平均值为0.68，其中广州、佛山、东莞、潮州、阳江、清远、云浮6 个城市纯技术效率值达到1，纯技术效率有效，占样本城市数量29%。珠海、惠州、中山、江门、肇庆、汕头、揭阳、湛江、茂名、河源、梅州11 个城市物流业纯技术效率水平低于平均值，纯技术效率低下是造成其综合技术效率水平不高的主要原因，应重点推动物流技术创新，推进物流产业技术装备现代化。

规模效率表示的是在一定的投入水平条件下，技术效率的生产边界的产出与最优规模下的产出量之间的比值，规模效率越高，表示该城市物流产业的生产规模越接近最优生产规模，反之则离最优规模越远。从表2 可以看出，2017 年广东省物流产业规模效率平均值为0.82，为三种效率中的最高值，21 个城市中东莞、清远、阳江3 个城市规模效率值为1，达到规模效率有效，18 个城市规模效率值未达到最优生产规模水平，说明广东省各城市物流产业生产规模有待调整，应重点对物流行业资源进行优化，鼓励企业通过并购、资产重组等方式，提高物流资源集约度和市场集中度，从而提升规模效益。从规模收益变化趋势来看，珠海、惠州、中山、江门等14 个城市物流产业处于规模收益递增阶段，占样本城市67%，广州、深圳、佛山、湛江4 个城市处于规模收益递减阶段。这表明广东省物流产业生产规模具有调整优化空间，应调整物流资源规模配置，加大投入，使得规模效应得以体现。

2.2 广东省物流产业技术效率总体情况分析。以各城市2013～2017 年物流产业效率值的几何平均值来测算广东省物流产业技术效率总体情况及变化趋势，具体测算结果见表3。

从表3 结果可以看出，2013～2017 年广东省物流产业综合技术效率值为0.51，处于较低水平，2013～2017 年技术效率呈现先下降后上升趋势（见图1）。纯技术效率表示的是物流资源投入水平一定的情况下，物流产业管理水平和生产力水平高低的情况。2013～2017 年广东省物流产业纯技术效率平均值为0.65，其变化趋势与技术效率相似，呈现先下降后上升趋势。2013～2017 年广东省物流产业规模效率平均值为0.78，为三种效率中的最高值，呈现上升趋势。

表3 2013～2017 年广东省物流产业技术效率总体平均值

图1 2013～2017 年广东省物流产业技术效率变化趋势图

3 广东省物流业效率影响因素分析

通过对2013～2017 年广东省物流产业效率分析，发现广东省物流产业效率总体水平不高，物流产业运营效率除了与投入产出要素有关，还有其他因素影响着物流产业的运营效率，如当地经济水平、信息化程度、基础设施建设、工业化进程以及市场化程度等。本文将在技术效率模型的基础上考察广东省物流效率的影响因素，以广东省各城市的技术效率作为因变量，以各种影响因素作为自变量，构建线性回归模型。

3.1 影响因素的选择。物流产业属于第三产业，其发展水平受当地的经济、政治、文化等因素影响，本文在参考已有文献的基础上[7]，结合物流产业的特点以及数据的可获得性，选取当地经济水平、物流基础设施、需求条件、工业化进程、市场化程度等几个维度作为影响物流技术效率的影响因素。

3.1.1 经济水平。区域经济发展是集资金流、信息流、物流等要素的集中体现，区域的经济发展水平对本地的物流产业发展具有直接促进作用。本文选择广东省的国内生产总值作为反映经济水平的因素，用GDP来表示。

假设1：当地GDP值越大，物流产业技术效率越高。

3.1.2 基础设施。交通运输网络的完善直接关系到物流运行的供给能力，完善的物流交通运输网络有助于提升物流时效，降低物流成本，提升物流产业的运行效率。本文选择铁路营业里程、公路通车里程、内河通航里程、民航航线里程作为反映物流基础设施的因素，用INFRA表示。

假设2：物流网络里程值越大，物流产业技术效率越高。

3.1.3 物流需求。物流需求是指社会经济活动在生产、流通、消费等环节产生的有支付能力的需求，物流需求的增长，有助于物流产业的集聚，产生产业集群效应，有利于提升物流产业效率。本文选择货物周转量来作为反映物流需求的因素，用CTO表示。

假设3：货物周转量越高，物流产业技术效率越高。

3.1.4 工业化进程。区域的工业化水平的提高，有助于推动技术创新，对物流产业的技术创新有推动作用。本文选择第二产业增加值占生产总值的比例来反映该城市的工业化进程，用INDU表示。

假设4：第二产业增加值占生产总值的比重越高，物流产业技术效率越高。

3.1.5 市场化程度。市场化的推进有助于优化物流产业各种生产要素的配置效率，从而提升物流产业投入产出效率。本文选择采用固定资产投资者非国有、集体投资占总投资的比重作为反映市场化程度的指标，用MAR表示。

假设：非国有、集体投资占总投资的比值越高，物流产业技术效率越高。

3.2 回归模型的建立。以物流产业技术效率为因变量，以以上5 种影响因素为自变量，构建线性回归模型来验证各种因素对物流产业技术效率的影响关系。采用最小二乘法，构建如下回归模型：

其中：β0表示常数项，β1、β2、β3、β4、β5为各变量系数，GDP为国内生产总值，INFRA为物流网络里程，CTO为货物周转量，INDU为第二产业增加值占生产总值的比重，MAR为非国有、集体投资占总投资的比值，μ 为随机扰动项。

3.3 结果分析。基于广东省物流产业技术效率2013～2017 年间的数据，运用线性回归模型，使用SPSS 软件测算结果见表4。

表4 广东省物流产业技术效率影响因素回归结果

从表4 可以得出以下结论：（1） 国内生产总值GDP 与物流产业技术效率显著正相关。系数为正，在显著水平10%条件下通过了检验，这表明一个区域经济水平越高，各种产业发展程度越高，有助于促进物流产业整体效率的提升。（2） 物流网络里程与物流产业技术效率显著正相关。这表明物流产业的发展离不开区域的完善交通网络，基础设施是经济产业发展的基础，完善的交通运输网络有利于促进物流产业的技术效率，政府部门应注重公路、铁路、河运等基础设施的完善，并利用信息技术对交通网络信息流进行集成，实现物流基础设施一体化发展。（3） 货物周转量和物流产业技术效率显著正相关。这说明广东省经济的强劲发展，带来了充足的物流需求，尤其是民营物流公司的不断壮大，对物流服务能力的提升具有正向促进作用。（4） 工业化进程指数与物流产业技术效率负相关，但不显著，在显著水平10%的条件下，未通过检验。（5） 市场化指数与物流产业技术效率正相关，但不显著，在显著水平10%的条件下，未通过检验。经过改革开放40 年的发展，广东省作为改革开放先行示范区，市场化程度已十分发达，在样本研究期间，广东省市场化指数区域稳定，因此从统计学上验证结果对物流产业技术效率影响较小。

4 结论与建议

研究基于DEA 模型对广东省2013～2017 年物流业效率进行了动态分析研究，并建立影响因素回归模型，分析物流业技术效率的影响因素，得出主要结论及建议如下：（1） 2013～2017 年广东省物流产业综合技术效率值为0.51，处于较低水平，研究期间呈现先下降后上升趋势。纯技术效率低下是造成广东省物流技术效率低下的主要原因。应加快物流产业发展模式的创新，利用大数据、云计算、互联网等先进信息技术与物流产业相融合，大力推进“互联网+”高效物流发展，促进物流行业技术创新和管理水平的提升，以此提升物流产业技术效率。（2） 广东省21 个城市中， 18 个城市技术效率处于DEA 无效状态，只有东莞、阳江、清远3 个城市物流业综合技术效率值达到1，处于DEA 有效状态。18 个城市物流规模效率未达到最优水平，14 个城市物流产业规模收益处于递增阶段。应通过物流产业资源整合，提升物流行业与企业规模化、集约化水平，物流企业通过强强联合、战略协作、资源共享，实现物流企业规模化发展，以此提升物流产业规模效率。（3） 城市的经济水平、基础设施、物流需求与物流业技术效率显著正相关，工业化进程与市场化程度对物流产业技术效率影响不大。应加快物流基础设施网络建设，从全局统筹规划，优化交通枢纽与物流节点的空间布局，实现各城市物流业一体化发展。