基于DEA-Malmquist指数模型的东北地区农产品物流效率评价

张丽凤 张家宁 吕 赞（渤海大学管理学院，辽宁锦州 121013）

改革开放以来，我国十分重视“三农”问题，中央出台的一系列一号文件均将农业作为焦点，如何推进农业发展一直是我国经济领域专家、学者研究的重要课题。小康社会的质量与“三农”的工作成效密切相关。2020年2月5日，中央发布一号文件，提出在全面建成小康社会的决胜时期，需充分保证重要农产品产量的稳定性以及供给的有效性。东北地区是我国重要的粮食生产输出地和农产品加工基地。近年来，随着东北振兴等重大国家战略的提出，东北地区的农业进入了一个崭新的发展阶段。2017年3月，国务院发布《东北地区与东部地区部分省市对口合作工作方案》，提出要通过对口合作促进东北地区特色农副产品进入东部地区市场，充分发挥东部地区与东北地区的比较优势，实现东北振兴。高效的农业物流体系是保证农产品有效供给的重要依托，农产品物流已成为影响农业生产和农业经济效益的关键因素。但由于物流成本、技术创新和资源优化等问题突出，我国农业与物流业关联度较低，区域间农业与物流业的耦合度存在较大差异[1-2]，与东部沿海地区相比，东北地区物流设施设备落后、发展水平较低，农产品物流成本居高不下，导致农产品物流效率相对较低。所以，深入研究东北地区农产品物流效率问题，提升优化要素资源配置，分析制约农产品物流效率提高的关键因素并提出相关对策，不仅能加快东北地区农业供给侧结构性改革的步伐，而且对东北老工业基地的振兴有着重要的现实意义。

一、文献综述

国内外专家和学者对于农产品物流效率的研究主要集中在物流效率评价指标和物流效率评价方法等方面。在农产品效率评价指标方面，LusineH.Aramyan（2007）提出冷链物流系统是一个典型的多输入、多输出的系统，由于农产品的生产季节性、运输和储存要求高、易腐烂变质性等特点使其冷链物流具有与其他物流系统不同的特性，所以想选取合适的农产品冷链效率评价指标是有一定难度的[3]。Rohit Joshi 和D.K.Banwet（2011）基于Delphi-AHP-TOPSIS 方法，构建了零售行业的冷链效率评价体系[4]。Simone Zanoni（2012）提出食品供应链要求低温环境，并以保障食品的质量安全为目的，建立了一个关于食品供应链温度优化的模型[5]。Amir Shabani（2012）从销售代理选择角度研究冷链物流系统，通过选取29 个销售代理商实例数据，运用DEA 方法建立销售代理商选择模型[6-7]。

在农产品物流效率评价方法方面，王家旭（2013）运用DEA 方法分析了我国12 个粮食主产区的面板数据，提出我国需要走集约化、科技化的农产品物流发展道路[8]。Markovits 等（2014）利用DEA-PC 方法对欧洲29 个国家的物流效率进行评价[9]。程书强、刘亚楠（2017）以2005 至2014年西部地区省际面板数据为样本，运用DEA-Malmqusit 指数模型方法对西部地区农产品物流效率变化、省际差异性变化情况及变化原因进行了探讨，并分析了产业结构升级对新常态下农产品物流效率的影响[10]。贾圣强（2019）基于超效率和Tobit 模型对中部地区农产品物流效率及其影响因素进行了实证分析[11]。

综合国内外对农产品物流效率的研究现状，可以看出农产品物流效率方面的研究成果颇丰，很多学者已经从不同角度展开研究，为本文的研究提供了理论基础。但国内有关农产品物流效率的研究，多集中在全国层面或者某一具体省市的研究，如朱粤（2019）、郑丹青（2018）、赵帅（2018）分别研究了我国河北省、云南省和河南省的农产品物流效率；陈乐群（2018）研究了我国27 个省区的农产品物流效率动态变化情况，而研究区域性的农产品物流效率的相对较少，所以本文对东北地区农产品物流效率进行评价。

二、模型构建及指标选取

（一）研究方法

常用的农产品物流效率评价方法主要有随机前沿分析法（SFA）和数据包络分析法（DEA）两种。总的来看，学者在研究农业物流效率时更倾向于选择DEA 分析方法。这是因为SFA 方法的模型复杂，对投入产出数据的要求更高，然而对于农产品物流效率的投入和产出很难做出准确的衡量，相比之下DEA 方法的模型运用更加灵活。在已有研究的基础上，本文采用DEAMalmqusit 指数模型方法对东北地区农产品物流效率进行评价。

（二）模型说明

DEA（数据包络分析）由A.Charnes, W.W.Copper 和E.Rhodes 在1978年提出，属于一种非参数分析方法。DEA 分析法可以对多种指标同时进行评价，它采用最优的原则，通过对多个投入产出指标进行分析，根据分析结果衡量系统的有效性。DEA 方法通过选取决策单元（DMU）的投入和产出数据，利用线性规划选择最优的投入与产出作为生产前沿，并以此构建数据包络曲线。其中，有效点会落在前沿面上（数据包络曲线上），效率值标定为1；无效点则会落在前沿面外（数据包络曲线外），并被赋予一个大于0 且小于1 的相对的效率值[12]。

DEA 模型主要涵盖CCR 模型、BCC 模型和DEA-Malmqusit 指数模型三种。然而CCR 模型和BCC 模型只能静态分析决策单元间的相对效率，但DEA-Malmqusit 指数模型可以展开动态分析。不仅如此，它还可以将全要素生产率进行分解，能够体现出技术、规模的变动情况，因此采用DEA-Malmqusit 指数模型能更准确反映效率动态变化情况。

Malmquist 指数利用距离函数进行运算，描述t 到t+1 期的投入产出效率变化，即：

（xt，yt）和（xt+1，yt+1）表示t 期与t+1 期的投入和产出。Dt（xt，yt）和Dt（xt+1，yt+1）都是距离函数，分别表示第t 期和t+1 期的技术效率水平。

对上式取几何平均值，同时可考虑两个时期的技术水平，即为全要素生产率变化（tfpch）：

全要素生产率（tfpch）可以分解为综合技术效率变化指数（effch）和技术进步指数（techch）；综合技术效率变化指数（effch）又可以分解成纯技术效率变化指数（pech）和规模效率变化指数（sech）。（“vrs”表示规模效率可变的情况，“crs”表示规模效率不变的情况。）即：

（三）指标选取

采用DEA 分析法需要包含投入和产出两类数据。由于没有专门的农产品物流业相关数据，并且交通运输、仓储和邮政业占物流业产值的百分之八十以上[13]，故采用交通运输、仓储和邮政业的数据进行相关处理来近似表示农产品物流的投入产出情况。投入指标依据柯布-道格拉斯生产函数进行选择，由于技术指标难以获取和表示，故将其剔除，最后选择资本和劳动力作为投入指标。这里参考欧阳小讯、黄福华（2011）[14]和程书强、刘亚楠（2017）的研究[10](97)，资本投入用交通运输、仓储和邮政业的固定资产投资总额乘以居民食品消费占总消费品的比重来近似表示，劳动力投入用交通运输、仓储以及邮政业的从业总人数近似表示。对于产出指标，选择农产品流通总量和农产品流通值两个方面，农产品流通总量用人均农产品数量（包括粮、油、蔬菜和水果）乘以各地区人口总数表示，农产品流通总值用交通运输、仓储和邮政业的总产值乘以居民食品消费占总消费品的比重近似表示（见表1）。

表1 东北地区农产品物流投入与产出指标选择

三、实证结果与分析

为动态分析东北地区农产品物流效率的变化情况，同时考虑到数据的可获得性，本部分以东北三省中各省GDP 排名前五的地级市作为比较分析对象，运用DEA-Malmqusit 模型对东北地区2007—2017年间农产品物流的投入和产出进行分析，结果如图1和表2所示。

表2 东北三省各地级市DEA-Malmqusit 分析结果

图1 东北地区全要素生产率变化情况

（一）整体性分析

从东北地区整体农产品物流效率的动态变化情况来看，2007—2017年间东北地区全要素生产率变化早期波动较大，但近年来变化趋于稳定（见图1）。这是因为随着东北振兴战略的提出，东北地区农产品物流营商环境有所优化，市场活力有所恢复，同时国家发布《东北地区物流业发展规划》，这些都为东北地区农产品物流的发展提供了良好的宏观环境。2007—2017年中有两年的全要素生产率小于1，分别是2009年和2013年。2009年除受到金融危机的冲击之外，东北地区还遭受了干旱、低温等自然灾害，不仅如此，2009年东北地区的技术进步指数也呈现大幅度下降的态势，这也是造成其全要素生产率下降的主要原因之一。这表明农产品物流易受宏观经济、气候环境和技术发展水平的影响。而2013年全要素生产率下降的主要原因是综合技术效率的负向拉动，原因在于东北地区纯技术效率和规模效率的同时降低。

根据表2可知，从时间角度看，东北三省的全要素生产率变化指数平均值为1.073，总体上升了7.3%，这表明东北地区农产品物流效率在2007—2017年有所上升。从全要素生产率变化指数的分解情况来看，东北地区平均综合技术效率变化指数为0.941，平均技术进步指数为1.140，所以东北地区全要素生产率指数增长主要得益于技术进步，而综合技术效率降低起了轻微抑制作用。

进一步观察综合技术效率的分解情况，可以发现东北地区的纯技术效率和规模效率都处于下降态势，表明东北地区的农产品物流仍以粗放式经营发展模式为主，并且对新技术的管理水平和利用效率还有待提高。

从空间角度看，辽宁省和吉林省农产品物流效率的Malmqusit 指数分解情况极为相似。2007—2017年间辽宁省和吉林省的平均全要素生产率都为DEA 有效且均高于地区均值，黑龙江省却未达到有效。也就是说，近年来辽宁省和吉林省的农产品物流总效率有所提升，黑龙江省农产品物流效率则在下降。

技术进步指数变化状况也同样如此。辽宁省和吉林省的技术进步率都为DEA 有效且均高于地区均值，而黑龙江省的技术进步率为DEA 无效。这意味着辽宁省和吉林省的农业物流技术与当地农产品物流的需求匹配度较好，但黑龙江省的农产品物流投入没能有效转化为产出。

对于综合技术效率，东北三省均处于DEA无效状态。表明近年来东北三省整体农产品物流管理水平都在下降，但反观三省全要素生产率变化情况，可以发现综合技术效率的降低并不会造成全要素生产率明显下降。

综上所述，东北三省农产品物流的技术进步指数与全要素生产率指数变化趋势相同，即技术进步显著带来整体农产品物流效率提升，技术创新能力下降会明显造成农产品物流效率下降。综合技术效率降低表明三省对农产品物流的相关决策水平有待优化，但这对农产品物流效率的抑制作用不显著。

（二）差异性分析

从全要素生产率的变化情况来看，辽宁省的五个城市都有明显的增长，其中鞍山市的全要素生产率在15 个地市中增长幅度最大，涨幅高达36.5%；吉林五市的全要素生产率也有一定程度的增长，但增长幅度相对较小；黑龙江省除大庆市和齐齐哈尔市有增长外，牡丹江、绥化、哈尔滨三个城市都在下降，而哈尔滨市的全要素生产率在15 个地市中下降幅度最大，下降了11.3%，这也进一步说明黑龙江省是东北地区农产品物流发展的短板。

就技术进步情况而言，营口市的技术进步率显著增长了35.7%，涨幅最大，而绥化市的技术进步率降低了5.7%，回落幅度最大。辽宁省和吉林省各地市、黑龙江省牡丹江市的技术进步指数都为DEA 有效，而黑龙江省大部分城市都为DEA 无效。值得注意的是，全要素增长率的变化情况与技术进步指数变化情况基本吻合，表明技术创新是影响各地市农产品物流效率的关键因素。

对于综合技术效率，15 个地市中只有大庆、鞍山、齐齐哈尔有所增长，其余城市除绥化市没有变化之外，都有所回落。这也反映出东北地区的农产品物流技术管理水平有待提升。其中，大庆市的综合技术效率增幅最大，增长了9.9%，而大连市下降了15.6%，综合技术效率降低幅度最大。从综合技术效率分解情况来看，规模效率变化和综合技术效率变化情况基本一致，即规模效率增长的城市综合技术效率几乎也都在增长，所以大部分地级市应引导企业优化农产品物流技术投入结构，着力打造农产品物流业的规模效应。

根据全要素生产率的分解情况，可以将15个地级市分成四类（见图2）。

图2 东北各地级市按全要素生产率指数分解情况图

第一类是综合技术效率和技术进步率都增加的城市，如鞍山市。这表明鞍山市在发展农产品物流时不仅资本、劳动力资源投入合理，而且技术先进、管理水平高。近年来，鞍山市按照国家标准建造绿色农副产品市场、鼓励发展农产品冷链物流，使鞍山市农产品物流效率实现跨越式发展。

第二类是综合技术效率降低但技术进步率增加的城市，辽宁省和吉林省的大部分城市都属于第二类。除牡丹江市之外，这类城市的全要素生产率均为正增长，这再次证明积极推动农产品物流技术发展能大大提高农产品物流效率。牡丹江市全要素生产率下降是由于综合技术效率的抑制作用较大，这是因为纯技术效率和规模效率同时处于无效状态，所以牡丹江市在继续保持技术发展的基础上，不仅要充分发挥先进物流技术的效能，还要提升管理水平，适当调整要素投入量，以达到资源的最优配置。

第三类是综合技术效率和技术进步率都降低的城市，如哈尔滨市，农产品物流的技术创新能力和管理水平落后是其农产品物流效率降低的主要原因。说明哈尔滨市缺乏对相关技术和资源的研究与合理利用，对农产品物流新技术研发的重视和有效管理程度都有待提高。

第四类是综合技术效率增加但技术进步率降低的城市，这类城市有大庆、齐齐哈尔、绥化，它们都隶属于黑龙江省。这类城市需要在保持资源有效利用的同时，重视引进和发展先进农产品物流技术。

综合来看，2007—2017年间东北地区中农产品物流发展状况最好的是辽宁省，其次是吉林省，而黑龙江省的农产品物流发展状况最差。辽宁省和吉林省的大部分城市农产品物流技术管理水平低下；黑龙江省则严重缺乏农产品物流技术创新能力。另外，实验结果多次印证了技术进步率对全要素生产率具有显著影响，这意味着技术创新能力的加强能有效提高农产品物流效率。

四、研究结论及政策建议

（一）研究结论

本文利用DEA-Malmqusit 指数模型，测度了东北地区2007—2017年农产品的物流效率并进行了相关分析，主要结论有：

1.2007—2017年间东北地区总体农产品物流效率显著提升，农产品物流技术创新能力明显提高是导致农产品物流效率提升的主要动力；农产品物流管理水平处于下降状态，这是由于规模效率不足及对资源和技术的不合理应用，但物流管理水平下降对农产品物流效率的抑制作用不显著。

2.从时间角度看，样本区间内东北地区农产品物流效率变化早期波动较大，后期变化趋于稳定。早期受全球性金融危机、自然灾害、农产品物流技术发展不稳定等因素的影响，东北地区农产品物流效率变化幅度较大；近年来随着东北振兴战略的深入贯彻，国家的重视与扶持，农产品物流技术得到了快速发展，这都为东北地区稳定其农产品物流效率提供了有效支撑。

3.从空间角度看，东北三省中辽宁省和吉林省的农产品物流总效率有所提升，黑龙江省则有所下降。具体到各地级市，东北三省各地级市的农产品物流效率水平呈现出明显的省域分级，辽宁省各地级市农产品物流效率增长幅度普遍略高于黑龙江省各地级市，其中，辽宁省鞍山市和黑龙江省哈尔滨市差异最为明显，主要原因是各省市农产品物流技术创新能力差异较大。

（二）政策建议

1.培育技术创新能力，提升农产品物流全要素生产率。技术创新能力是东北地区农产品物流效率提升的关键动力源。创新联盟集技术研发和成果转化于一体，是重要的科技创新平台。东北地区可以通过构建农产品物流创新联盟，使科研和物流技术应用紧密结合，加速创新成果的转化和使用，从而提升农产品物流科技创新能力。在建立创新联盟的过程中，要充分发挥市场的调节作用，提高资源配置效率。政府则需要转变职能，做好政策引导和市场监管，削弱宏观经济波动和自然灾害对农产品物流供应链的冲击，为农产品物流业提供一个稳定公平的大环境。另外，大数据、5G 技术也为农产品物流技术创新提供更多可能。由于5G 技术的高精度、高速度及低能耗等特性，东北地区应积极引导和推动5G 等新技术与农产品物流的融合，发展互联互通的智慧农产品物流，优化农产品物流供应链流程，打造高效农产品物流体系。

2.合理规划农业物流资源，提升规模效率和管理效率。东北地区粗放的农产品物流发展模式、较低的决策管理水平虽然在现阶段没有明显阻碍其农产品物流效率的提升，但从长远来看，这会增加农产品物流与现代化科学技术的耦合难度，造成农业物流资源的严重浪费。因此，东北地区要提前规划好农产品物流资源，促进农产品物流各要素的最优组合，重点提升农产品物流的规模化和专业化水平，从而带动综合技术效率的增长。要实现这一目标，首先可以把以往分散的农户集中起来，以农业合作化的形式实现农产品生产的规模化和集约化，提高规模效率。其次，在农产品流通过程中，要精简流通环节，发展高效冷链物流，促进物流节点之间的有效衔接。再次，积极引入高精尖物流人才，同时加强对农业物流管理人员的合理分配和专业性培训，提高农业物流各环节的管理水平。

3.紧抓东北振兴战略契机，优化农产品物流空间布局。东北地区要以新一轮东北振兴为契机，通过利用各种利好政策，稳定农产品流通量、稳定农产品产业链和供应链、扩大农产品物流市场。以农产品物流业为阵地，以有利政策为风口，以技术发展为动力，提升农产品物流效率，用高效的农产品物流作为回馈，助力东北振兴。在加快农业经济发展过程中向“新基建”借力，加强对新型基础设施的统一规划和建设，合理布局物流园区，优化农产品物流的空间布局，从而加速农产品物流各环节的高效衔接。

4.学习先进经验，因地制宜发展农产品物流。东北地区临近京津冀产业圈，可以利用区位优势，深化与京津冀地区的合作，学习京津冀地区农产品物流先进经验。具体到各省而言，各省需降低物流技术获取壁垒，缩小区域间的技术差异。辽宁省和吉林省在保持现有的新技术创新增长态势的同时，需要注重技术和资金劳动力等资源的优化配置，对管理人员进行专业化培训，以提高其农产品物流管理水平。黑龙江省不仅需要加强对农产品物流先进技术的宣传和推广，还可以借鉴辽宁省的先进经验和科技创新成果，积极引进和开发诸如包装规模化技术、一体化冷链技术、食品追溯技术等物流新技术。

5.建设农产品物流信息技术平台，夯实农产品物流高效运作的基石。信息技术平台是推动农产品物流形成现代物流运作模式的强大支撑，而区块链的发展为信息技术平台的建设提供了新机遇。凭借农产品物流信息技术平台，物流信息可即时共享，物流动态可实时追踪，农产品物流的“准时生产”“零库存”“标准化”等都将成为可能。东北地区应加强区块链建设，强化区块链知识培训，加速区块链与物流信息平台的融合，实现高效、安全的数据共享。利用信息技术平台整合分散的农业物流资源，用信息流带动物流、人流、商流、资金流之间的高效连接，这既能降低成本，提高农产品物流运输、配送效率，又能促进农产品物流向规模化、绿色化方向发展。