科技创新对珠江西岸物流产业效率的影响——基于超效率三阶段数据包络分析模型

秦 雯，倪 容

（1.广东科学技术职业学院，广东珠海 519090；2.澳门城市大学商学院，澳门 999078；3.暨南大学产业经济研究院，广东广州 510632）

1 研究背景

物流业作为基础性产业，其高质量发展对我国构建新发展格局与推动经济高质量发展具有重要意义。2020 年6 月我国出台的《关于进一步降低物流成本的实施意见》（以下简称《实施意见》）指出，部分领域的社会物流成本相对较高、效率相对较低等问题凸显，要推动物流业提高发展质量与效率。国家发改委政策研究室对《实施意见》的政策解读中也提出，应加强物流业的技术要素创新，不断促进物流的系统性互动，提高物流运行效率。因此，研究物流产业科技创新对物流效率的影响机制，对有效提高物流效率、畅通国内大循环、提高经济发展质量具有重要意义。

粤港澳大湾区作为我国对外开放与创新高地，其物流业的发展对我国经济社会发展有重要作用。但是，目前粤港澳大湾区存在物流规划不够系统、物流业监管环境滞后于企业发展，同时政府间、企业间及其两者间的协同作用尚未得到充分发挥以及物流资源浪费等问题；此外，区域智慧物流体系建设尚不完善影响了物流信息整合、制约了物流高效运转［1］，造成粤港澳大湾区城市群物流业发展不平衡，主要体现在珠江东西两岸城市群物流业发展水平差异较大。随着粤港澳大湾区的空间布局和基础设施建设发展，尤其是港珠澳大桥的开通和深茂铁路、深中通道等的修建，珠江东岸的优质物流资源正在加快向珠江西岸流动，珠江西岸物流产业发展将进入破局、快速提升阶段，因此，珠江西岸各城市应利用区位优势，充分吸收粤港澳大湾区的科技创新资源，加快物流业的高质量发展。

基于此，本研究根据珠江西岸物流业的实际发展情况构建投入产出指标体系，实证分析科技创新对珠江西岸物流业的影响机制，并有针对性地提出推动珠江西岸物流业高质量发展的建议。

2 文献综述

国内外学者对物流效率影响因素开展了相关研究，如王琴梅等［2］研究发现，地区经济水平及区位、经济发展自由度等对物流效率产生促进作用；Bottani 等［3］认为食品工厂可以通过对包装、仓储、采购以及运输等进行集中管理来提高物流效率；Crainic 等［4］认为提高城市物流效率的关键在于物联网和运输网的有效结合；孙妙青［5］提出了影响广东物流效率的主要因素为物流基础设施和信息化水平、产业和宏观因素；Ying 等［6］认为新西兰建筑业物流效率低是由于管理水平以及专业技术水平不够高。

较多学者选择了数据包络分析（DEA）模型对物流效率进行测度，如乐小兵等［7］运用DEA 模型对广西的物流服务效率进行了评价；刘岩等［8］通过数据包络模型计算了我国31 个省份的物流效率。此外，较多学者通过不同模型的结合使用来研究物流效率，如张璇等［9］、王博等［10］、秦雯［11］等采用DEA 与随机前沿分析（SFA）相互结合的分析方法来研究物流业的效率；Tonanont［12］运用DEA 与层次分析法结合、Chen 等［13］采用DEA 与主成分分析法相互结合的方法，对物流效率指标进行了研究，结果均表明多种方法相互结合的分析能够有效地评价物流效率。

在创新对物流模式的研究方面，潘正权等［14］认为第三方物流企业能够帮助物流企业提高资源配置水平、降低企业成本、提高运输效率，并从核心技术能力角度提出电子商务应采用的创新物流模式；王华等［15］以物流金融为对象，从物流企业、第三方平台等方面深入分析了互联网影响物流创新模式的机理。在科技创新对物流的影响机制研究方面，王瑛［16］从物流需求、物流企业组织形式和区位等方面分析了技术创新对物流产业的影响途径；马靖忠等［17］以实际港口为例，从体系角度探讨了科技创新影响物流发展的机制；刘国巍［18］利用我国省级面板数据构建了“内驱-外溢-需求-距离”研究框架，揭示了物流技术创新对物流业的影响路径；朱青山［19］利用岭回归模型，从专利数量、专利质量和科研人员3 个方面探讨了科技创新对物流业效率的作用机制。

综上，国内外在物流效率测度及其影响因素方面的研究成果丰硕，但是大部分关于科技创新对物流影响的研究偏向理论分析，且多基于省级区域层面，针对珠江西岸物流产业的计量分析和实证研究相对缺乏；此外，不同城市的环境变量有差别，用传统DEA 方法测度物流效率存在较大的不准确性，在实证结果上也存在一定误差。

3 物流效率的测度

3.1 三阶段超效率DEA 模型构建

超效率模型可以用来通过对相对有效率的决策单元（DMU）进行排序，帮助获取相对更加有效的决策单元。超效率三阶段DEA 模型消除了外部的影响，能够测度得到比较准确的效率值，使得研究结果更为真实有效。

第一阶段：超效率DEA 方法。由于物流业为规模报酬可变，所以采用规模报酬可变条件下的超效率模型。设决策单元对应的投入变量为：Xi=(x1i,x2i,…,xmi)T＞0；对应的产出变量为：Yi=(y1i,y2i,…,ysi)T＞0。在保证具有一定可变线性规模报酬的前提下，构建线性规划模型如下：

式（1）中：θ为决策单元的技术效率；λ为乘数；分别表示DMU0所对应的投入值和产出值；分别是两个决策单元所对应的投入与产出；分别为松弛变量和剩余变量。

通过超效率DEA 模型，可以准确地计算出综合技术效率、纯技术效率和规模效率3 种效率值。DEA 有效即当前是投入产出规模的生产最优值；当DEA 无效，则决策单元能够根据调整投入量使决策单元达到有效。表明在相同的投入下产出不足；则表明在相同的产出水平下投入过多。

第二阶段：SFA 方法。对DMU 投入变量进行调整，去除了效率测算时环境因素或随机因素等可能造成的影响。构建回归模型如下：

第三阶段：调整后的超效率DEA 方法。用第二阶段调节后的投入数据替换初始数据，采用超效率DEA 模型重新计算物流效率，得到排除环境和随机因素影响的物流效率。

3.2 指标选取与数据说明

3.2.1 指标选取

遵循针对性、可取性、适用性等原则，通过总结现有相关研究成果，结合实地走访调研确定投入产出指标和环境变量。参考乐小兵等［7］、原雅坤等［20］、唐建荣等［21］、张诚等［22］、董锋等［23］的研究构建指标体系如表1 所示。

表1 珠江西岸物流业效率评价指标体系

（1）投入指标。选取物流业固定资产投资总额反映珠江西岸地区各个城市对推动物流行业发展的重视程度。从珠江西岸各个城市的运输体系来看，公路交通是一种主要的物流运输方式，所以选取公共交通网密度变量具有一定的代表性。我国物流行业的快速发展和壮大需要相关行业从业人员的支撑，因此交通运输、仓储以及邮电行业从业人员人数能够体现物流行业的生产经营活力和规模，并能直接代表整个物流行业和企业自身的实际竞争能力。鉴于绿色低碳发展是未来发展重点，将碳排放量作为主要的投入指标来评价物流过程中污染物的排放。碳排放量的计算采用《IPCC 2006 年国家温室气体清单指南 2019 修订版》中的碳排放系数，将物流业相关燃料的消耗量与其CO2排放系数相乘，从而得到物流业CO2排放量。

（2）产出指标。采用货运量反映物流业生产成果；采用货物周转量反映物流业产出指标的实用价值形态；采用交通运输、仓储邮电业生产总值反映运输生产活动的最终成果。

（3）环境变量。一是地区变量，反映地区宏观经济水平对物流效率的影响；二是科技变量，反映科技创新对物流效率的影响。其中，地区变量选取珠江西岸各城市生产总值、物流业固定资产投资占全社会固定资产投资比例、居民人均消费支出来衡量；科技变量方面，选取信息业基础设施投入（即信息传输、软件和信息技术服务业占全社会固定资产投资比例）反映信息技术的发展水平，以R&D 经费内部支出反映科技创新投入力度，以专利授权数量反映科技创新成果产出。

3.2.2 数据说明

研究数据来源于《广东统计年鉴》以及珠江西岸各城市的统计年鉴和统计公报，数据时间跨度为2011—2020 年，因为从2008 年开始国际金融债务危机持续爆发，我国通过出有关台政策措施调整，在2011 年开始恢复经济持续较快增长。运用SPSS19.0对所选取的各项指标进行Pearson 相关性检验，结果均在1%或5%显著性水平上为正（见表2），符合同向性假设，表明研究指标选取合理。

表2 变量相关性检验结果

3.3 超效率DEA 测度结果分析

3.3.1 第一阶段超效率DEA 结果分析

运用DEAP2.1 软件对2011—2020 年珠江西岸物流业效率进行整体分析，以年为单位求其平均值。结果如表3 所示，在不考虑外部环境影响情况下，珠江西岸整体区域物流综合技术效率（TE）平均值在0.994～1.216 之间，效率较高并呈波动状态，除了2015 年，其他年份的综合技术效率均是DEA 有效；纯技术效率（PE）总体上与综合技术效率呈现出较一致的趋势，同样除了2015 年，其他年份均是DEA有效状态；规模效率（SE）在2018 年之前整体上落后于纯技术效率和综合技术效率，只有在2012、2018 和2020 年大于等于1。与2011 年相比，2020年规模效率提高了0.062，表明10 年来珠江西岸规模效率出现了显著提升，但是纯技术效率和综合技术效率有所降低；从具体年份来看，2015 年的TE、PE、SE 均小于1，出现了低位拐点，主要是受整体经济增速放缓与经济结构性调整的影响。

表3 珠江西岸物流业投入产出效率

表3 （续）

珠江西岸各城市物流业效率的计算结果如表4所示。从空间维度来看，综合技术效率的平均值中，佛山处于领先地位，珠海处于较高水平，中山、江门和肇庆3 个城市处于较低水平。具体来看，纯技术效率方面，5 个城市的纯技术效率均较高；规模效率方面，佛山、中山分别为0.943 和0.907，处于第一梯队，肇庆、江门和珠海分别为0.874、0.861 和0.837，处于第二梯队。可见，制约珠江西岸物流综合效率的是规模效率。在5 个城市中，佛山的3 种效率均保持稳定高效的状态，这主要是因为佛山是制造业大市，物流行业规模不断壮大、社会物流总量持续增长、基础设施持续健全、物流企业发展水平持续提高。从时间维度来看，各市的物流效率总体呈现波动上升趋势，其中提升较明显的是珠海和佛山。珠江西岸各城市2015—2016 年处于物流效率的最低位拐点，这与我国当时面临的金融市场动荡、实体经济增速下降和珠江西岸部分世界工厂转移、工人面临失业等复杂经济形势有关；此后，广东积极开展供给侧结构性改革，多措并举助力“三去一降一补”，大力支持实体经济发展、激活民间投资，全力加快推进区域经济协调发展、持续优化和调整经济结构，使得珠江西岸的物流效率又再次提升。

表4 2011—2020 年珠江西岸各市物流业效率

3.3.2 第二阶段SFA 回归分析

2011—2020 年珠江西岸物流业效率的SFA 回归结果如表5 所示，其中投入指标的γ值均在10%的水平上显著有效，反映了环境变量对于珠江西岸物流行业效率的投入松弛变量存在显著影响，因此有必要通过SFA 模型剔除环境因素影响。

表5 2011—2020 年珠江西岸物流效率第二阶段SFA 回归结果

（1）地区生产总值的影响。地区生产总值对从业人员数量、交通网密度和碳排量3 个投入松弛变量的回归系数均显著为正，表明珠江西岸经济发展促进了区域交通网建设和物流从业人员数量增长，从而提升了区域物流效率；同时，回归系数都接近0，说明珠江西岸地区生产总值增加造成的冗余并不显著。

（2）政府支持的影响。政府支持对物流业的投入冗余存在不同的影响路径。一方面，政府支持对交通网密度的回归系数显著为负，说明政府支持对减少珠江西岸交通网密度的投入冗余具有促进作用，可以通过合理规划来减少不必要的交通建设，从而减少投入冗余、提高物流效率；另一方面，政府支持对固定资产投资、碳排放量的松弛变量的回归系数均显著为正，说明珠江西岸政府支持对物流业固定资产投资造成了一定的冗余，推测原因是目前珠江西岸的物流业固定资产利用效率不高，盲目增加固定资产投资并不一定提高其物流效率。

（3）地区居民消费支出的影响。地区居民消费支出对从业人员和碳排放量的投入松弛变量的回归系数均显著为正，与地区生产总值的回归结果基本一致。地区居民消费支出增加会促进物流业从业人员和碳排放量增长，但是随着居民消费水平进一步提升，物流资源的配置更加优化，短期增加的物流从业人员数量和能源投入会产生冗余。但是从实证回归结果来看，回归系数较小，说明珠江西岸地区居民消费支出对物流业效率的影响并不显著。

（4）信息业基础设施投入的影响。信息业基础设施投入对物流效率的影响存在多种路径。一方面，对从业人员、交通网密度和碳排放量3 个投入松弛变量的回归系数为正值，且均在5%的水平上显著，说明信息业基础设施固定资产投入比例的增加会显著提升物流业在从业人员、交通基建、能源消耗方面的投入，促进物流业整体发展壮大，但是过度投入会产生冗余。信息业基础设施投入对碳排放量松弛变量的系数显著为正，且系数为31.100，可以看出目前珠江西岸信息业基础设施的增加在一定程度上带来物流业碳排放的额外增加。另一方面，信息基础设施投入对固定资产投资显著为负，表明增加信息业基础设施建设，会减少物流业固定资产的投入冗余。

（5）R&D 经费支出的影响。R&D 经费支出对从业人员数量、交通网密度和碳排放量3 个投入松弛变量的回归系数均显著为负，说明R&D 经费支出的增加对减少物流业从业人员、交通基建、能源消耗的投入冗余具有促进作用，因此，珠江西岸企业要采取多种措施提高R&D 经费投入水平和投入强度，促进区域科技创新发展，能够有效地减少珠江西岸物流投入冗余，从而提升物流效率。

（6）专利授权数量的影响。专利授权数量对从业人员数量和交通网密度2 个投入松弛变量的回归系数均显著为正，但系数较小，说明珠江西岸物流业专利授权的增加在一定程度上带来了物流业从业人员以及交通网建设的投入冗余，但是影响程度较小。原因可能是科技创新人力资源投入产生效用的时间较长，且科技创新成果的产出及其市场效益可能需要较长时期才能观察到，因此可能使得目前珠江西岸专利产出的效果并不是很理想。但是回归系数较小，说明珠江西岸地区专利授权数量对物流业效率的影响并不明显。

3.3.3 第三阶段超效率DEA 分析

通过超效率DEA 模型，采用调节后的投入变量和原产出变量重新对珠江西岸物流业效率进行评价。结果如表6 所示，从整体上看，在去除地区变量和科技相关变量的影响后，3 种效率都有一定程度的降低，再次验证了通过SFA 回归剔除环境因素很有必要。

表6 2011—2020 年投入变量调整前后珠江西岸物流业效率对比

进一步从各城市来看，如表7 所示，剔除了环境因素后，5 个城市的物流业综合技术效率下降较明显且均无效，其中肇庆和江门尤为突出，分别降低了0.33 和0.20；珠海和中山处于中间水平；佛山虽然下降最少（0.113），但是从DEA 有效变为DEA无效。从下降幅度来看，肇庆的下降幅度最大，为37%，其次是江门（24%）、珠海（19%）、中山（15%）和佛山（11%），表明地区变量和科技创新变量的确较大程度地提高了物流综合技术效率。此外，5个城市的纯技术效率有提高也有降低，但变化幅度均不大，其中珠海、佛山、肇庆的效率值均大于1，仍然保持DEA 有效，中山的纯技术效率也从DEA无效达到DEA 有效，而江门虽然效率有所提升，但仍未达到DEA 有效。规模效率方面，各城市的规模效率均小于1，均为DEA 无效，下降均较明显，其中肇庆和江门下降最多，分别降低0.324 和0.224，其次为中山和珠海，分别降低0.193 和0.139，佛山下降最少，降低了0.071。

表7 2011—2020 年投入变量调整前后珠江西岸各城市物流业效率均值对比

4 结论与对策

4.1 研究结论

一是物流效率方面，2011—2020 年珠江西岸地区和各个城市的物流综合技术效率整体相对较高并处于波动状态。从空间来看，各城市纯技术效率较高，规模效率总体呈波动上升趋势但仍然是制约综合技术效率增长的主要因素，其中佛山的综合技术效率最高；从时间来看，2015—2016 年5 个城市的物流综合技术效率变化较大，出现低位拐点，这与当时我国经济面临复杂的国内外形势有关。

二是地区因素方面，珠江西岸经济发展的同时导致了物流业的交通基建、人力资本以及能源消耗过度投入，但是对物流效率的影响还不明显。其中，政府支持主要造成了物流业固定资产投入和能源消耗投入冗余，但合理规划交通基建会减少交通网密度投入冗余，而地区居民消费支出增加会导致物流业从业人员和碳排放量投入冗余但影响并不明显。

三是科技创新因素方面，信息业基础设施投入对珠江西岸物流业的投入冗余影响较大，主要是通过影响物流业固定资产投资和能源消耗来影响物流效率，信息业发展会有效减少物流业固定资产投资的冗余，但是会显著增加能源的过度消耗，且在一定程度上会造成人力资本和交通基建的投入冗余；专利数量的增加对物流效率的影响不明显，且科技创新成果的转化还未对物流效率起到促进作用，而R&D 经费支出的增加能够减少物流业从业人员、交通建设和能源消耗的投入冗余。

四是剔除了地区因素和科技因素的影响后，珠江西岸各城市物流行业的综合技术效率、纯技术效率、规模效率均出现一定程度的降低，且综合技术效率和规模效率的变化较大，说明环境变量显著影响物流业效率。

4.2 政策建议

一是提高区域协同水平，推进珠江西岸物流一体化发展。各城市应结合自己的实际情况，因地制宜地制定物流发展策略，如佛山充分利用已有的经济基础进一步提升物流规模效率，江门和肇庆适当增加基础设施投入，从技术与规模效率双向发展物流。珠江西岸一方面随着珠江东西岸交通基础设施的建设发展，充分利用粤港澳大湾区的经济溢出，另一方面加强各城市间政府协调，逐步构建海陆空立体联动的物流运输网络，发挥规模效应。

二是加大信息服务业投入，提高珠江西岸物流业信息化水平。政府加大对肇庆、江门等经济欠发达地区信息服务业基础设施的投入，并引导市场力量参与共建；促进互联网、物联网、区块链、人工智能、大数据、云计算、5G 等技术与物流业相结合，在仓储、运输、配送等环节融入先进的现代通信技术，加快物流的信息处理和传递速度，减少不必要的中间环节，从而提升物流业效率。

三是发挥科技创新投入和专利成果转化对物流效率的促进作用。珠江西岸各市应在加大科技创新投入的同时促进科技创新成果在物流业的转化与实际应用。各市应根据自身物流业的发展水平，有选择地加大不同物流环节科技创新要素的投入，优化资源配置，提高整体物流效率，如江门、肇庆则应首先加强基础环节的创新投入；对于物流基础环节相对完善的城市，则加强库存技术、分拣包装配送系统尤其是物流信息技术的创新研发，并通过补贴奖励等方式促进相关成果的转化。

四是发展以市场为主、政府为辅的物流业。在物流业发展前期，需要地方政府从物流基础设施投资、区域物流标准化建设和协调发展等多方面着手，加强对物流业的引领和促进作用；但是从物流可持续发展来看，市场才是物流发展的驱动力和主体，因此政府有关部门应健全和完善相关政策和法律制度，为物流业的高质量发展营造有利环境。