生鲜农产品冷链物流效率评价研究

秦小辉，赵晨曦

（1.广西民族大学管理学院，广西 南宁 530006；2.广西民族大学经济学院，广西 南宁 530006）

经济社会的发展促进了人们消费水平的提升，在食物消费方面，人们的需求实现了从满足温饱向追求饮食新鲜度、多样化和营养价值的转变，生鲜农产品也因其丰富的营养成分深受人们的喜爱，对生鲜农产品的需求量在近几年有了很大的提升。但在供给方面，生鲜农产品由于具有易腐烂变质的特性，其价值受新鲜度的影响较大，储藏及运输过程中对温度和时间的控制要求较为严格，传统的物流模式无法达到生鲜农产品的运输标准，只有通过冷链物流才能保证生鲜农产品的可靠质量，因此，冷链物流在近年来逐渐得以发展。对各省区市生鲜农产品冷链物流产业的效率测度，对于分析我国区域生鲜农产品冷链物流的发展现状及存在的问题具有重要意义。

生鲜农产品冷链物流效率的测度以物流产业效率测度为基础，国内外学者主要采用数据包络分析（Data envelopment analysis,DEA）及其改进方法对物流产业效率进行研究。数据包络分析法最早由运筹学家Charnes等[1]提出，用于测算多投入多产出情况下每个决策单元的效率值。Fried等[2]构建了三阶段DEA模型，剔除环境因素和随机误差的影响，以更准确地估计生产者绩效。但国内外学者对物流效率研究对象的选取有所差异。国外学者主要集中于对微观物流企业的效率及测度，如Petiot等[3]以132家第三方物流企业为样本，对其生产绩效和效率决定因素进行了分析。国内学者大多从宏观角度对区域物流产业效率进行评价。汪文生等[4]基于三阶段DEA模型，构建了环渤海地区城市物流效率评价指标体系，分析了区域内城市之间物流效率时空差异及发展质量。曹炳汝等[5]采用DEA模型测算长江经济带省级层面的物流产业效率，并结合空间自相关分析法探究物流效率时空演化规律。龚雪等[6]采用DEA-Malmquist指数评价模型，对我国31个省区市的物流投入产出效率进行静态分析，并运用Malmquist指数法对我国物流效率的发展进行动态分析。

对生鲜农产品冷链物流效率进行测度，研究重点集中在效率评价指标和效率评价模型两个方面。在评价指标方面，国内学者魏新军[7]将七大指标（冷链物流企业数量、冷链物流货运总量、冷链物流货运总额、冷链物流总费用、冷链物流总收入、冷链物流业增加值和冷链物流固定资产投资）纳入农产品冷链物流产业的绩效评价体系进行影响因素分析。Negi等[8]在因素分析的基础上添加了冷链物流效率的3个因素，即业务费用、劳动力和资源。邓延伟等[9]结合水产品特性在供应链模型中加入相关指标，用于测度水产品供应链效率。在评价模型方面，原雅坤等[10]利用三阶段DEA模型，在约束碳排放量的情况下对长江经济带生鲜农产品冷链物流效率进行测度。在此基础上，Qi等[11]运用模糊分析法对我国生鲜农产品冷链物流企业的绩效进行测度，并在模型中加入绿色供应链相关指标。周静等[12]运用AHP-DEA模型评价我国冷链物流企业效率，结果表明，先进技术的发展有利于我国冷链物流行业的进步。

以上成果为本文的研究奠定了基础，但一般只局限于单独对区域或企业物流效率进行探讨，且少有文献将冷库容量作为投入指标，也未考察对外开放程度、信息化水平及创新发展水平等环境因素对生鲜农产品冷链物流效率的影响。弗里德（Fired）提出在运用传统的DEA方法对决策单元进行效率测度时，环境因素、随机因素等会对测度结果产生正向或负向的影响，从而影响结果的准确性，在进行效率测度时，应剔除这些因素的影响构建三阶段DEA模型。因此，本文运用三阶段DEA模型对我国31个省区市的农产品冷链物流效率进行研究，以期为我国冷链物流发展的方针政策提供理论依据和政策建议。

1 研究方法与指标选取

1.1 研究方法

运用三阶段DEA模型，剔除外部环境因素影响，对我国31个省区市的生鲜农产品冷链物流效率进行测度，具体计算过程如下：

第一阶段：传统DEA模型。

根据研究问题，采用投入导向的规模报酬可变模型（BCC模型）。BCC模型如下：

其中：S-和S+为松弛变量，e1T和e2T分别为S+和S-的单位向量；Xj=（x1j，x2j，…，xsj）T，表示第j个决策单元的输入，下标s是输入指标的个数；Yj=（y1j，y2j，…，ysj）T，表示第j个决策单元的输出，下标t是输出指标的个数；Xj0和Yj0分别为第j0个决策单元的投入项和产出项；θ表示效率有效值；ε为阿基米德无穷小，一般取ε=10-6；λj表示权重系数。

第二阶段：随机前沿方法（SFA）回归模型。

决策单元的效率受外部环境因素影响，SFA回归模型可以将环境因素干扰从模型中分离出来，只保留管理无效因素。投入导向的类SFA回归函数如下：

其中：Sni表示第i个决策单元的第n个投入冗余；Zi、βn分别表示环境变量和环境变量系数；vni+μni代表混合误差项，其中vni，v～N（0），表示统计噪声，μni，μ～N+（0），表示管理无效率。

投入变量调整公式如下：

其中：X*ni表示调整后的投入变量值；Xni表示调整前的投入变量值表示对环境因素进行调整，[max（vni）-vni]表示对统计噪声进行调整。

第三阶段：调整后的DEA模型。

该阶段将调整后的投入数据代替原始投入数据，产出仍为原始产出数据，再次代入BCC模型中进行测算，得到清除环境效应和统计噪声影响的实际效率值。

1.2 指标选择

本文运用三阶段DEA模型，以投入产出数据为基础计算各省区市生鲜农产品冷链物流产业效率，并剔除外部环境因素的影响。因此，从投入、产出、环境3个方面构建指标体系，具体见表1。

表1 我国生鲜农产品冷链物流效率评价指标体系Table 1 Evaluation index system of cold chain logistics efficiency of fresh agricultural products in China

1.2.1 投入指标

选取生鲜农产品冷链物流固定资产投资、劳动力投入、冷库容量3项指标作为投入指标。

生鲜农产品冷链物流的固定资产投入代表冷链物流产业的资本要素投入，以2012—2019年我国各省区市交通运输、仓储和邮政业整体投资额乘以冷链物流货运量在地区总货运量中的占比表示。

生鲜农产品冷链物流的从业人数代表冷链物流产业的劳动力要素投入，以2012—2019年我国各省区市交通运输、仓储和邮政业从业人数乘以冷链物流货运量在地区总货运量中的占比表示。

冷库是冷链物流产业运营的重要基础设施，保障了生鲜农产品仓储过程的低温环境，因此用各省区市的冷库容量代表冷链物流产业物力要素投入。

1.2.2 产出指标

选取生鲜农产品冷链物流产业增加值、生鲜农产品冷链货运量和生鲜农产品货运周转量作为产出指标。

生鲜农产品冷链物流产业增加值可以直接反映物流产业的运营成果，以2012—2019年我国31个省区市交通运输、仓储和邮政业的综合年末增加值乘以生鲜农产品冷链货运量在地区总货运量中的占比表示。

货运量反映冷链物流产业运输成果。结合《中国冷链物流发展报告》中对农产品冷链的统计标准，将各地区肉类、禽蛋、水产品、蔬菜、水果、牛奶、茶叶产量之和作为生鲜农产品冷链货运量。

货运周转量反映冷链物流产业全面运输成果。以2012—2019年我国31个省区市货运周转量乘以生鲜农产品冷链货运量在地区总货运量中的占比表示生鲜农产品货运周转量。

1.2.3 环境指标

选取R&D内部经费支出总额/GDP总额、路网密度、外贸依存度、人均互联网宽带接入端口数作为环境指标。

R&D内部经费支出总额/GDP总额反映了各省区市的创新发展水平。

路网密度是区域公路里程与行政区域面积的比值，代表地区基础设施建设水平。

外贸依存度是区域进出口总额与该地区GDP的比值，代表地区对外开放程度。

人均互联网宽带接入端口数代表地区信息化水平。

上述指标分别选取2012—2019年我国31个省区市数据，数据来源于国家统计局以及各省区统计年鉴。

2 实证分析

2.1 传统DEA模型效率测算

第一阶段仅考虑投入和产出指标值，利用DEA中的投入导向模型（BCC）计算投入目标值、松弛变量值，得到我国31个省区市生鲜农产品冷链物流业综合技术效率（Technical efficiency，TE）、纯技术效率（Pure technical efficiency，PTE）和规模效率（Scale efficiency，SE）平均值，计算结果见图1。

图1表明：在不考虑外界环境因素和随机变量的影响下，2012—2019年，我国生鲜农产品冷链物流TE值呈先下降后上升的变化趋势，由2012年的0.690微降至2015年的0.432，随后有小幅增长，2019年增至0.510，总体年均降幅3.7%；SE基本与PTE保持同步，PTE由2012年的0.817微降至2015年的0.564，随后增至2019年的0.715，总体年均降幅1.3%；SE由2012年的0.847逐年降低至2019年的0.743，整体出现小幅下降，降幅为12.3%；TE与PTE的增减趋势相近，因此调整前的TE值受PTE影响较大，并且3种效率值在研究期间整体都呈现下降趋势；我国农产品冷链物流业总体发展水平较低，平均TE值仅为0.501，具体来看SE在[0.743,0.848]范围内波动，而PTE低于SE，波动范围是[0.564,0.817]，表明纯技术效率低于规模效率水平。第一阶段DEA测算结果与各决策单元的实际情况有所不符。

图1 第一阶段我国生鲜农产品冷链物流效率值Fig.1 Efficiency value of cold chain logistics of fresh agricultural products in China in the first stage

2.2 SFA回归分析

将R&D内部经费支出占比、路网密度、进出口总额及人均互联网宽带接入端口数这四大环境变量作为解释变量，使用Frontier 4.1程序进行SFA分析，将投入松弛变量作为被解释变量，与环境变量进行回归分析，测算环境因素对投入松弛的影响，结果如表2所示。表2表明了各环境变量与投入松弛变量之间的相关关系，3个松弛变量的γ值均接近1，并且似然比（LR）检验也通过了1%的显著性检验，表明所选外部环境因素对我国物流业发展有显著影响，适合采用SFA模型进行分析。

表2 第二阶段SFA回归分析结果Table 2 Results of SFA regression analysis in the second stage

2.2.1 创新发展水平

创新发展水平对生鲜农产品冷链物流业固定资产投入冗余、劳动力投入冗余以及冷库容量冗余均有正向显著影响（P＜0.05），说明创新发展水平的提升会导致各项投入资源的浪费，从而降低冷链物流产业效率。较高的创新发展水平会吸引更多的资金、劳动力和冷库设施投入，导致冷链物流产业现有投入需求与供给之间无法得到平衡，增加冷链物流业的投入冗余量。

2.2.2 基础设施建设水平

以路网密度为代表的地区基础设施建设水平对固定资产投资冗余有正向显著影响（P＜0.05），对冷库容量松弛变量有负向显著影响（P＜0.05）。基础设施建设水平的提升会导致政府对生鲜农产品冷链物流产业环境的过度关注和支持，盲目扩大生鲜农产品冷链物流业生产规模，造成资金投入的浪费；而基础设施水平的提升改善了生鲜农产品冷链物流产业的外部环境，促进其规模化发展，提升了冷库利用率，降低冷库资源投入冗余。

2.2.3 对外开放程度

外贸依存度的提升与3项投入变量的冗余量呈负相关，说明加大对外开放程度可以减少固定资产投资、劳动力人数以及冷库容量冗余。在经济全球化的驱动下，对外开放已成为所有经济体发展的必经之路。

2.2.4 信息化水平

信息化水平与3项投入变量的冗余量呈负相关，对冷库容量冗余有负向显著影响（P＜0.05），说明地区信息化水平的提高大大促进了生鲜农产品冷链物流业发展。

2.3 调整后效率值的测算

利用公式（3）对SFA分析结果进行计算，可得出调整后的投入指标值，再次将产出指标和调整后的两个投入指标导入DEAP 2.1软件中计算，得到第三阶段测算结果。

2.3.1 纵向分析

图2反映了第三阶段我国生鲜农产品冷链物流效率测算期间的平均值。结果表明：我国生鲜农产品冷链物流TE值呈逐年上升趋势，由2012年的0.563微降至2013年的0.538，随后稳步增长至2019年的0.688，年均增幅3.1%；SE基本与TE保持同步，由2012年的0.589微降至2013年的0.587，随后稳步增长至2019年的0.740，年均增幅3.4%；PTE由2012年的0.956逐年降低至2015年的0.876，随后逐年增长至2019年的0.930，整体出现小幅下降，降幅为2.7%；TE与SE的增减趋势相近，因此经环境调整后的TE值受SE影响较大；与第一阶段相比，PTE整体显著提升，而SE显著下降，表明被低估的PTE的上升导致了总体冷链物流综合技术效率的提升。

图2 第三阶段我国生鲜农产品冷链物流效率值Fig.2 Efficiency value of cold chain logistics of fresh agricultural products in China in the third stage

2.3.2 横向分析

表3反映了第三阶段我国各省区市生鲜农产品冷链物流效率年平均值。结果表明：第三阶段31个省区市2012—2019年农产品冷链物流TE年平均值为0.583，其中辽宁省、江苏省、河北省、河南省及广东省TE年平均值均大于或等于0.8；TE年平均值在0.5～0.8之间的省份数量最多，占比为54.8%；TE年平均值小于0.5的省份占比29%；各省区市生鲜农产品冷链物流效率值在剔除了环境影响后显著提升。

由表3可知：在调查的全国31个省区市中，黑龙江、吉林、上海等22个省区市为irs，表明2012—2019年我国大多数地区的生鲜农产品冷链物流产业处于规模报酬递增状态，说明这些省份应加大对生鲜冷链物流产业的要素投入，大力推动产业发展，以提升产业规模效率，从而使整体效率得到提升；山东省、河南省以及内蒙古自治区3个省区市为drs，这3个地区出现规模效率递减的情况，且这3个省份的纯技术效率值均超过0.9，说明应适当精简生鲜农产品冷链物流产业规模，以提高其规模效率；辽宁、江苏、浙江等6个省区市规模报酬不变，说明这些省份应在保持现有产业规模的情况下积极提升技术水平和管理能力，以提升纯技术效率。

由图3所示：分区域看，TE年平均值超过全国平均水平的区域有4个，分别为华中地区、华东地区、华北地区和华南地区，其中，华中地区的TE年平均值最高，但PTE年平均值却排在七大区域的最后，这是由于湖北省的生鲜农产品冷链物流PTE偏低所致，但较高的SE导致其整体效率的前沿地位。东北地区、西南地区和西北地区的TE年平均值在全国平均水平之下，并且这3个地区的SE年平均值远低于其PTE年平均值，由此可以初步判定，这3个区域的SE年平均值在一定程度上拉低了整体TE年平均值。

表3 第三阶段我国各省区市生鲜农产品冷链物流效率年平均值Table 3 The annual average value of cold chain logistics efficiency of fresh agricultural products in various provinces in China in the third stage

图3 我国七大区域第三阶段冷链物流产业效率年平均值Fig.3 The annual average value of cold chain logistics industry efficiency in the third stage in seven major regions of China

3 结论及对策建议

本文选取生鲜农产品固定资产投资、生鲜农产品劳动力投入、冷库容量为投入指标，选取生鲜农产品冷链物流产业增加值、生鲜农产品冷链货运量和生鲜农产品货运周转量为产出指标，采用三阶段DEA模型对我国31个省区市2012—2019年生鲜农产品冷链物流效率进行了测度。研究结论如下：

（1）我国生鲜农产品冷链物流效率总体呈现逐年上升趋势，大部分地区生鲜农产品冷链物流产业处于规模效率递增状态。

（2）信息化水平、基础设施建设水平、对外开放程度及创新发展水平对投入冗余产生了显著的影响。R&D内部经费支出总额/GDP总额对生鲜农产品冷链物流3种投入变量冗余均有正向显著影响；路网密度对固定投资冗余有正向显著影响，对冷库容量松弛变量有负向显著影响；外贸依存度的提升与3项投入变量的冗余量呈负相关；信息化水平与3项投入变量的冗余量呈负相关。

（3）华中、华东、华北和华南地区的生鲜农产品冷链物流业综合技术效率高于全国平均水平；东北、西南和西北地区的综合技术效率值低于全国平均水平，主要受到规模效率偏低的影响。

综上，为提高我国各省区市农产品物流效率，提出以下政策建议：

（1）提升生鲜农产品冷链物流产业规模效率

从研究结果来看，规模效率偏低是目前制约我国农产品冷链物流效率提升的主要因素。因此，各省市应根据自身管理水平及能力，选择适应冷链物流产业的发展规模，并根据市场情况及时进行调整，保证投入资源的合理科学运用，提高资源转化效率。同时，应积极提升企业的管理能力及水平，以提升冷链物流产业纯技术效率，从而提高整体综合技术效率水平。

（2）优化生鲜农产品冷链物流发展环境

第二阶段SFA回归分析结果表明，R&D内部经费支出占比、路网密度、外贸依存度以及信息化程度4个环境变量都会对生鲜农产品冷链物流效率产生影响。据此，提出以下4点建议：第一，应鼓励生鲜农产品冷链物流企业进行技术研发与创新，加大冷链运行过程中先进技术和系统的投入使用；第二，应提升基础设施建设水平，促进地区生鲜农产品冷链物流产业的发展，形成规模效应；第三，政府应积极拓展物流与金融、电商等新商业形态的深度融合，帮助生鲜农产品冷链物流企业更好地搭建国际贸易桥梁，推动对外贸易的发展；第四，应构建我国生鲜农产品冷链物流信息共享平台，加强区域冷链物流资源与信息数据库建设，全面提升发展生鲜农产品冷链物流的信息化水平。

（3）提升区域生鲜农产品冷链物流效率

东北地区应调整粗放的生鲜农产品冷链物流发展模式，合理配置冷链物流资源，实现各投入要素的最优组合，以农业合作化的形式实现农产品生产的规模化和集约化，以规模效率的提升带动综合技术效率的增长。西南和西北地区应借助陆海通道，加强通道内各省份的经贸合作，利用铁路、公路、水运、航空等多种运输方式，实现与新加坡和东盟国家的互联互通。同时，西部地区应积极承接华中地区的溢出效应，充分利用其溢出和辐射效应缩小区域发展差距。