组态视角下物流业高质量发展效率提升路径研究

杨亚铭　薛旭红　王建新　马丁

摘 要：物流業已逐渐成为我国经济发展的重要产业，物流效率是物流业发展的关键因素，为探讨物流效率的提升路径，通过数据包络分析方法（DEA）对我国2020年31个省（区，市）的物流业高质量发展效率进行评价，并通过模糊集定性比较分析法（fsQCA）分析其影响因素的必要性与充分性，研究了不同影响因素之间的组合效应对物流业高质量发展效率的影响。不同于传统回归模型分析各因素对于物流业高质量发展效率的直接或间接作用，文中创新性采用模糊集定性比较分析法（fsQCA）探究各前因变量的组态作用，研究表明，物流效率的影响因素是多重并发的，提高物流效率并不能仅发展一种单一要素，而应注重多方位考虑，全方位发展，从整体宏观角度看待物流效率发展问题。实现高物流效率共有四条路径：高劳动力素质驱动下的科技投入型、高劳动力素质驱动下的对外开放型、高科技发展驱动下的对外开放型、高科技发展驱动下的政府支持型。各省（区，市）可根据自身实际发展情况，有选择性地找出适合自身的路径，提高物流效率，促进物流业的高质量发展。

关键词：物流管理；物流效率；数据包络分析；模糊集定性比较分析；组态路径；影响因素

中图分类号：F 259.2；F 224

文献标识码：A文章编号：1672-7312（2023）05-0593-08

Research on the Path of High-quality Development Efficiency Improvement of Logistics Industry from the Perspective of Configuration

YANG Yaming，XUE Xuhong，WANG Jianxin，MA Ding

（School of Economics and Management，Taiyuan University of Technology，Jinzhong 030600，China）

Abstract：The logistics industry has gradually become an important industry in Chins economic development，and the logistics efficiency is a key factor in the development of the logistics industry.In order to explore the improvement path of the logistics efficiency，the high quality development efficiency of the logistics industry in 31 provinces（regions，municipalities）in China in 2020 was evaluated through the data envelopment analysis method（DEA）.The necessity and sufficiency of the influencing factors were analyzed by fuzzy set qualitative comparative analysis（fsQCA），and the influence of the combination effect of different influencing factors on the high quality development efficiency of logistics industry was studied.Different from the traditional regression model to analyze the direct or indirect effects of each factor on the high quality development efficiency of logistics industry，this paper innovatively adopts fuzzy set qualitative comparative analysis（fsQCA）to explore the configuration effects of each antecedent variable.The research shows that the influencing factors of logistics efficiency are multiple and concurrent，and improving logistics efficiency cannot only develop a single factor but should pay attention to multi-directional consideration，all-round development，from the overall macro perspective of logistics efficiency development issues.There are four ways to achieve high logistics efficiency：technology input driven by high labor quality，openness driven by high labor quality，openness driven by high-tech development，and government support driven by high-tech development.Each province（autonomous region，municipality）may，according to its own actual development situation，selectively find out its own path to improve logistics efficiency and promote the high-quality development of logistics industry.

Key words：logistics management；logistics efficiency；data envelopment analysis；qualitative comparative analysis of fuzzy set；configuration path；influencing factors

0 引言

在当今经济迅速发展、人民生活水平日益提高的时代，物流业已逐渐成为国家经济发展中的重要产业。物流效率作为物流业中的核心要素，不仅在高质量发展中扮演着重要作用，更是物流业高质量发展的必要因素。在此背景下，物流效率的提升及影响因素成为政府部门和学术界关注的重点问题。文中通过实证研究，分析我国31个省（区，市）的物流效率及影响因素，并提出提升物流效率的可行性路径，以期为物流业高质量发展提供理论借鉴。

物流效率的评价与提升一直是国内外学者研究的焦点。1980年，SCHINNAR[1]首次将DEA模型应用于物流产业的研究，之后这种方法被广泛应用于各个领域的效率测度中。RABINOVIC E和KNEMEYER A M[2]基于DEA模型，对美国物流产业效率进行测度。MARKOVITS-SOMOGYI R和BOKOR Z通过DEA模型与AHP相结合的方式对29个国家的物流效率进行了分析[3]。HYUNGSUK L[4]通过采用两阶段DEA模型的方式，分析了伊拉克与157个国家之间的相对物流效率，并针对其所存在的问题提出了相应的对策与建议。

国内关于物流效率方面的研究主要为测度方面及对影响因素的探讨，在物流业高质量发展水平测度方面：龚雪和荆林波[5]采用DEA-Malmquist指数评价模型，运用静态分析与动态分析对我国31个省市的物流效率展开研究，并对所发现的问题提出了相应的对策与建议。张萌物和漆棪[6]通过DEA方法和Malmquist模型综合评价了2007—2016年陕西省的物流效率，并结合静态分析和动态分析的结果，提出了相应的结论和建议。蔡林美和王进[7]采用DEA模型，对我国西部12個省份的物流业效率进行研究分析，通过配置物流业投入与产出数据实现DEA有效，能够提高物流业效率等。张永胜[8]运用DEA模型和Tobit回归分析模型对2010—2019年广西地区物流效率评价并分析其影响因素，根据影响因素变量与物流综合效率之间的回归分析，给出加大政府支持力度等对策建议。邸鸿喜等[9]提出了嵌入新冠病毒感染风险系数的货损成本函数，研究发现经过改进的CFLP模型对疫情下冷链物流配送中心选址有一定的借鉴意义。吴宗泽和宋良荣[10]采用DEA模型和Malmquist模型对我国58家国内物流公司2017—2021年的物流效率进行评价分析，并对所存在的问题提出了相应的对策与建议。

在物流业高质量发展水平测度的基础上研究其影响因素：DENG等[11]采用PCA法、SBM-DEA方法与Tobit模型测度我国30个省市在有碳排放限制和无碳排放限制的情况下的物流效率，研究发现物流效率存在较大的区域差异，呈现出由东向西逐渐下降的趋势，规模效率低是制约物流发展的重要因素，区域经济和物流发展与物流效率正相关，能源结构和政府影响与物流效率负相关。刘岩和田强[12]运用BCC-DEA模型，对2016年我国31个省市的物流效率进行测度，研究得出区位优势（第三产业占比、每十万人口高等教育学校平均在校生数等）与经济总量（地区生产总值、社会消费品零售总额等）影响物流效率的结论。范建平等[13]运用改进后的EBM-DEA三阶段模型，将经济发展水平、政府支持程度、能源利用率和区位优势作为环境变量，对模型估计结果分析发现经济发展水平、区位优势及能源利用率对物流效率有显著影响。龚雅玲等[14]采用DEA-Tobit模型，研究发现对区域物流产业发展效率产生重要影响的主要为区域物流产业结构、物流行业发展信息化及区域物流产业发展优势3个方面。龚雪[15]选取对外开放程度、行业因素、经济发展水平、能源利用率、区位因素、信息化水平、政府支持度为影响因素，使用DEA-Tobit模型进行分析，研究发现对外开放水平、行业因素、经济发展水平、能源利用率、区位因素、政府支持度对物流业发展综合效率有显著影响。龚瑞风等[16]研究发现地区居民消费水平、社会消费品零售总额、地区人均GDP对物流效率有显著性影响。

现有实证类文献中，主要是运用传统的数据包络分析（DEA）测算我国各省（区、市）的物流产业效率，还有一部分学者利用Tobit模型分析了物流效率的影响因素。通过研究，学者们发现了对物流效率的众多影响因素，并且分析了其影响因素对物流效率影响的显著性问题，对研究物流效率及其影响因素作出了巨大贡献。但是物流效率的研究是一个复杂的问题，单个影响因素并不能决定物流效率的发展走向，对物流效率的影响通常由多个影响因素之间共同作用产生的。而现有文献专注于分析研究单个因素对物流效率的影响，忽略了不同影响因素之间的组合效应对物流效率发展的影响作用。

因此，文中拟采用数据包络分析法与模糊集定性比较分析法对我国各省（区，市）的物流效率进行研究。首先通过数据包络分析法评价其物流效率，然后运用模糊集定性比较分析法探讨影响因素之间的组合效应对物流效率的影响，以期找出提高物流效率的影响路径。

1 研究设计

1.1 研究方法

1.1.1 DEA

DEA评价方法由CHARNES和COOPER等[17]创建于1978年。DEA模型主要包括两种模式：CCR-DEA模型和BCC-DEA模型，CCR-DEA模型假设规模报酬不变，而BCC-DEA是假设存在规模报酬变化。文中选取BCC-DEA模型评价物流产业效率。

假设要评价n个省份的物流产业发展效率问题，并假设评价指标体系中有L种投入指标，M种产出指标。设xij表示第j个省份物流产业发展的第i种资源的投入量，ymj表示第j个省份物流产业发展的第m种产出量，则有下列形式的BCC模型。

1.1.2 定性比较分析（QCA）

20世纪80年代，社会学家RAGIN率先发展了定性比较分析方法（Qualitative Compar-ative Analysis，QCA）。基于整体论，QCA方法主要强调结果变量可能是由于多种原因路径的同时存在以及多种组合导致，认为案例是原因条件组成的整体，因而关注条件组态与结果间复杂的因果关系，如A*B*C=Y；A*C=Y；C*D=Y[18]。QCA根据变量类型分为清晰集定性比较分析（csQCA）、多值集定性比较分析（mvQCA）和模糊集定性比较分析（fsQCA），模糊集可以最大化保留原始数据的有效信息，故文中采用模糊集定性比较分析法。

1.2 指标及变量选取

1.2.1 DEA评价体系构建

1）投入变量选择。通过查阅相关文献，发现人力、财力和物力投入是物流业最核心的投入指标，因此，将以上3个指标作为文中的投入变量。人力方面，主要参照蔡林美和王进[7]的做法，选取物流从业人员数量作为衡量指标，考虑到目前并没有物流从业人员数量的数据，所以使用交通运输、邮电通信就业人员数量表示。因为没有物流财政支出的具体数据，所以使用地方财政交通运输支出表示，反映物流业的财力投入。公路营运载货汽车拥有量和公路里程反映物流业的物力投入。

2）产出变量选择。货运量、货物周转量和物流业增加值与物流业密切相关，学者们也主要以这三个变量作为物流业的产出变量，文中沿袭这一做法，并借鉴龚雪[5]的作法，采用交通运输，仓储和邮政业增加值来代替物流业增加值。

在DEA模型的使用中，需满足决策单元（DMU）量n≥max{投入指标数×产出指标数，3（投入指标数＋产出指标数）}，文中选取31个省（区，市）作为决策单元，投入指标及产出指标见表1，满足DEA模型试验要求。

1.2.2 QCA变量选取

通过总结前人的研究成果，考虑研究对象的实际情况，fsQCA变量选取，见表2，文中选取经济发展水平、劳动力素质水平、科技发展水平、政府支持水平、對外开放水平、信息化水平作为fsQCA的前因变量，将DEA模型中综合技术效率值作为fsQCA的结果变量。变量计算与选取依据如下。

1）经济发展水平为人均地区生产总值。经济发展水平从规模效应、结构效应和技术效应3个方面对物流产业高质量发展效率产生影响。

2）劳动力素质水平为每十万人口高等教育学校平均在校生数。人力资源是行业发展中的重要影响因素，从业人员的素质水平也与行业的高质量发展密切相关。

3）科技发展水平为地方财政科学技术支出占财政总支出的比率。科技的发展水平是物流产业高质量发展过程中不可获缺的重要部分，对物流产业高质量发展有着重要的影响。物流产业的业务环节较多，而且无论是仓储运输，还是装卸搬运都依赖先进的科学技术以提高运营效率。

4）政府支持水平为地方财政交通运输支出占财政总支出的比率。政府是市场经济的参与者和调节者，在物流产业高质量发展过程中扮演者十分重要的角色，它不仅可以为物流产业提供资金、人力和技术等资源，同时可以制定相应政策法规等措施鼓励物流产业发展。

5）对外开放水平为进出口贸易总额与GDP之比。物流产业作为一种流通性行业，对外开放的程度对其有着非常重要的影响。

6）信息化水平为互联网宽带接入用户占年末常住人口的比率。在当今物流产业的发展中，物流技术的高低直接影响物流的效率，信息化在物流技术中有着重要的推进作用。

1.3 数据来源

文中统计的各省（区，市）物流业相关数据，来源于《中国统计年鉴》。

2 实证研究

2.1 投入产出变量描述统计

因所选决策单元过多，所以文中仅展示其决策单元投入变量与产出变量的最大、最小值、均值及标准偏差，所选投入变量及产出变量描述性统计结果，见表3。

由表3所选投入变量及产出变量描述性统计结果可以发现，我国各省（区，市）的标准偏差与最大最小值间的极差较大，表明各省（区，市）之间的物流业发展水平相差较大。

表4可以看出，2020年我国31个省（区，市）BCC-DEA模型下物流业效率测度结果，北京市，天津市，河北省，上海市，江苏省，浙江省，安徽省，福建省，山东省，海南省，贵州省共11个省（市）DEA有效，其他省（区，市）DEA无效。河南省，湖北省，广东省共3个省规模效益递减，说明这3省的规模过大，可减少规模以增加效益；山西省，内蒙古自治区，辽宁等省（区，市）规模效益递增，说明这些省（区，市）规模过小，可扩大规模增加效益，其在增加投入的情况下，产出会增加；北京市，天津市，上海等省（市）规模效益不变，说明其已达到最优状态，产业规模合理无需调整。

2.2 模糊集定性比较分析

2.2.1 构建数据集

在进行模糊集定性比较分析之前，需进行数据集的构建，在数据集的构建过程中，数据校准是整个分析过程中最重要的一步。文中选择95%、50%、5%分位数作为校准点对于前因变量与结果变量进行模糊校准，其中各个变量的描述性统计及校准点，变量描述性统计见表5及变量校准点见表6。

2.2.2 单个条件的必要性分析

数据集构建之后，需对前因变量进行检验，判断其是否为结果变量的必要条件。基于FISS等[19]的研究方法，若某个前因变量是结果变量的必要条件，则需满足一致性数值大于等于0.9[19]。运用fsQCA软件得出各前因变量的一致性及覆盖度的值，单个条件的必要性分析见表7。

单个条件的必要性分析中发现，前因变量一致性的数值范围在0.4与0.83之间，没有大于等于0.9的情况出现，可以确定所有前因变量均未对物流效率的发展产生必要性影响。同时物流效率并不只受到单个因素的影响，还需对其进一步分析，从而找出前因变量间的组态效应。

2.2.3 条件组态的充分性分析

通过运用fsQCA软件分析，针对我国31个省（区，市）的物流效率发展，运用fsQCA软件对实现特定结果（此处指高物流效率）的条件组态进行分析，高物流效率的条件组态结果，见表8，不同的条件组态表示实现特定结果的不同路径。

表8高物流效率的条件组态中，产生高物流效率的路径有4种组态（1a、1b、2、3）。通过表8高物流效率的条件组态表中一致性指标与总体覆盖度数值可以表明，4种组态都是高物流效率的充分条件，且前因条件在很大程度上解释了高物流效率的原因。

2.2.4 高物流效率的组态分析

基于上述讨论，研究得出促进高物流效率的组态路径树状图，如图1所示。

条件组态1a表明，无论当地经济水平与对外开放程度是否良好，对于一些在物流方面政府支持力度薄弱且信息化水平较低的省市，如果提高劳动力素质、增强科技发展，仍会提升当地的物流效率。例如，路径案例中的湖南省与江西省，政府的工作重心更多的放在了教育、社会保障等方面，且当地信息化水平不高，但其经济、科技与信息化方面均为前列。从DEA模型的分析中可以发现这两个省都为规模报酬递增的状态，说明两省如果在一定比例上提高劳动力素质，增强科技发展，那么物流效率的增加将大于其投入增加的比例，物流效率将会进一步提高。

条件组态1b表明，无论当地科技发展如何，对于一些在物流方面政府支持力度薄弱且信息化水平较低的省市，如果加快经济发展、提高劳动力素质、扩大对外开放程度，仍会提升当地的物流效率。例如，路径案例中的辽宁省，通过DEA模型的分析可以发现其规模报酬处于递增的状态，这表明若对辽宁省增加一定的投入比率，其产出增加的比率一定会大于其投入所增加的比率。所以在经济、科技、对外开放三个方面的提升会促使其物流效率的发展。

条件组态2表明，无论当地是否存在高劳动力素质水平，对于一些在物流方面政府支持力度薄弱的省市，如果加快经济发展、增强科技发展、扩大对外开放程度、进一步建立健全当地信息化建构，仍会提高当地的物流效率。例如，路径案例中的福建省与浙江省。DEA模型的分析结果已经表明，在规模效益方面两省已达最优，说明其物流效率发展较好，正是因为两省在经济、科技、对外开放及信息化建设上发展进度较好且各方面均处于前列。

条件组态3表明，对于一些在物流方面政府支持力度大且具有高科技发展水平的省市，尽管其在经济、劳动力、对外开放及信息化建设方面表现欠佳，物流效率仍会得到提升。例如，路径案例中的贵州省，通过DEA模型的分析结果可以看到，其规模效益已达最优状态，物流效率发展较好。

2.2.5 稳健性检验

为证明分析结果真实可靠，需对其进行稳健性检验。张明和杜运周（2019）在QCA的方法运用中总结出集合论特定的检验方法有变动校准阈值、更改案例频数、选取不同的一致性门槛值、改变条件数量、增加或删减案例6种方式，并提出以集合论为基础所进行的研究，最优的检验方法就是采用集合论特定的方法进行检验[20]。鉴于此，文中采用调整一致性阈值的方式进行检验，将一致性阈值由0.8分别调整为0.85与0.75，通过调整后的结果发现，并未出现调整后的组态结果与上述分析结果不一致的情况，说明结果的稳健性良好，上述分析所得的结果可靠。

3 结语

物流业已逐渐成为我国经济发展的重要产业，物流效率作为物流业发展的关键因素，对物流业的发展尤为重要。文中在分析物流效率测度和物流效率影响因素等相关文献的基础上，结合相关学者的变量选择，通过DEA模型，构建起物流效率的评价标准。并通过fsQCA模型，从经济、劳力、科技、政府支持度、开放程度及信息化六个方面着手，以物流效率的评价标准为结果变量，发现了不同因素之间的组合效应对物流效率发展的作用。

1）构建关于物流效率的DEA模型对我国31个省（区，市）的物流效率进行评价，发现约有65%的省（区，市）的物流效率处于DEA无效水平，其中主要原因是技术效率低下，说明大多省（区，市）未能将投入达到最大利用，具有一定的提升空间。

2）研究通过对影响因素的必要性分析可以发现，6个影响因素均不是高物流效率产生的必要条件，每个影响因素都要受到其他因素的影響，说明物流效率的影响因素是多重并发的。因此，对于任何一个地区来说，提高物流效率并不能仅发展一种单一要素，而应注重多方位考虑，全方位发展，从整体宏观角度看待物流效率发展问题，根据当地实际发展现状，找到适合自身的发展路径。

3）研究通过fsQCA发现了不同影响因素之间的组合效应对物流效率发展的作用，并对fsQCA的结果进行分析，展开解释了对于物流效率发展所产生影响的不同组态构造，归纳总结为以下四种类型：高劳动力素质驱动下的科技投入型、高劳动力素质驱动下的对外开放型、高科技发展驱动下的对外开放型、高科技发展驱动下的政府支持型。

4）坚持以科技发展为中心，走物流业数字化发展道路。加强物流业数字化基础研究投入，完善物流枢纽网络建设，支持物流园区应用物联网技术，建造机械化、智能化仓库，鼓励货运汽车搭载智能设备，加快智慧物流建设。

5）积极推动物流业劳动力素质水平提升。加强区域高校建设，以高校为供给方向社会输出知识型人才，将知识转化为生产力。增强人才集聚能力，加大人才引进政策，吸引更多人才加入区域物流业高质量发展。鼓励各物流企业开展员工培训，进一步提高管理者能力水平与员工技能，为物流业提供新的思路、知识与信息。

6）发挥对外贸易对物流业高质量发展的支撑作用。响应国家号召，降低铁路航空货运收费标准，降低公路通行成本，精简合并进出口手续办理程序，提高服务效率，减少整体通关时间，提升进出口货物提离速度，进一步优化完善进出口结构。

7）加强政府对物流业高质量发展的宏观调控作用。针对目前公路、铁路与航空物流各自为政的现象，通过出台相应政策法规，加强合作，降低彼此之间转运成本，加速三者之间互联互通。

参考文献：

[1] SCHINNAR A P.Measuring productive efficiency of public service provision[M].University of Pennsylvania，1980.

[2]RABINOVICH E，KNEMEYER A M.Logistics service providers in internet supply chains[J].California Management Review，2006，48（04）：84-108.

[3]MARKOVITS-SOMOGYI，BOKOR.Assessing the logistics efficiency of European countries by using the DEA-PC methodology[J].Transport，2014，29（02）：137-145.

[4]HYUNGSUK L.Research on improving logistics efficiency in the iraqi oil and gas industry[J].Journal of Management and Training for Industries，2018，5（01）：137-145.

[5]龚雪，荆林波.基于DEA-Malmquist模型的中国省域物流效率研究——来自省际面板数据的实证分析[J].河北经贸大学学报，2019，40（05）：60-69.

[6]张萌物，漆棪.基于DEA-Malmquist模型的陕西省物流产业效率综合评价[J].技术与创新管理，2019，40（02）：237-243.

[7]蔡林美，王进.基于DEA的西部12省物流业效率分析[J].数学的实践与认识，2020，50（02）：141-149.

[8]张永胜.区域物流效率评价及其影响因素分析——基于广西地区的实证数据[J].商业经济研究，2022（12）：111-114.

[9]邸鸿喜，魏玖长，张瑞瑾，等.重大疫情风险下冷链物流配送中心选址模型[J].技术与创新管理，2022，43（02）：239-244.

[10]吴宗泽，宋良荣.基于DEA模型的中国上市物流企业经营效率评价[J].技术与创新管理，2023，44（02）：169-179.

[11]DENG F M，XU L，FANG Y，et al.PCA-DEA-tobit regression assessment with carbon emission constraints of Chinas logistics industry[J].Journal of Cleaner Production，2020，271：122548.

[12]刘岩，田强.我国物流业效率评价及其影响因素分析[J].商业经济研究，2019（13）：75-78.

[13]范建平，肖慧，樊曉宏.考虑非期望产出的改进EBM-DEA三阶段模型——基于中国省际物流业效率的实证分析[J].中国管理科学，2017，25（08）：166-174.

[14]龚雅玲，万建香，封福育.区域物流效率的测度及其影响因素研究——基于DEA与Tobit模型[J].江西社会科学，2019，39（10）：72-80.

[15]龚雪.区域物流效率测度及影响因素分析[J].统计与决策，2022，38（12）：112-116.

[16]龚瑞风，薛俭，刘汝丽.中国区域物流效率测度及其时空特征分析[J].统计与决策，2022，38（10）：141-145.

[17]CHARLES A，COOPER W W，RHODES E.Measuring the efficiency of decision-making units[J].European Journal of Operational Research，1978，2（06）：429-444.

[18]杜运周，贾良定.组态视角与定性比较分析（QCA）——管理学研究的一条新道路[J].管理世界，2017（06）：155-167.

[19]PEER C F.Building better causal theories：A fuzzy set approach to typologies in organization research[J].Academy of Management Journal，2011，54（02）：393-420.

[20]张明，杜运周.组织与管理研究中QCA方法的应用——定位、策略和方向[J].管理学报，2019，16（09）：1312-1323.

（责任编辑：王强）

收稿日期：2023-04-11

基金项目：国家自然科学基金项目“基于区域-负载均衡的智慧物流主动响应式异质车辆路径问题研究”（72201189）；山西省基础研究计划青年项目“基于区域及负载特征的陆港型国家物流枢纽两级车辆路径优化方法研究”（202103021223049）；山西省哲学社会科学专项课题“数字经济时代下山西省物流产业高质量发展研究”（2022YD035）

作者简介：杨亚铭（1998—），男，山西临汾人，硕士研究生，主要从事企业管理、物流与供应链管理方向的研究。