基于PP-SFA 方法的供应链创新试点城市物流效率及影响因素研究

刘宏伟,高晨晨,杨荣璐

(安徽大学 商学院,安徽 合肥 230601)

在新时代发展的背景下,有效的供应链管理已经逐渐成为经济发展的有力支撑。党的十九大指出,要在现代供应链等领域培育新增长点、形成新动能。在此基础上,2018年商务部等8部门在全国范围内确定了55个供应链创新与应用试点城市(商建函〔2018〕654号,以下简称供应链创新试点城市)[1]。2020年,商务部等有关部门颁布《关于进一步做好供应链创新与应用试点工作的通知》(商建函〔2020〕111号),明确指出,试点城市之间要形成信息沟通、设施联通、物流畅通、政策互动等合作机制,加速推进智慧物流园区、智能仓库建设和供应链技术创新平台的科学谋划[2]。2021年,商务部等8家单位共同印发《关于开展全国供应链创新与应用示范创建工作的通知》(商流通函〔2021〕113号),明确要在供应链创新与应用试点工作的基础上,进一步开展我国供应链创新与应用示范城市及企业的设立工作[3],这充分体现了供应链在现代经济体系中的重要地位和作用。物流管理是供应链的重要组成部分,同时也是供应链得以顺利运行的基础,因此,对供应链创新城市物流效率进行研究有利于实现试点城市的高质量发展。

目前,现有文献对物流业效率的研究常以城市物流、省域物流或区域物流为研究对象。从城市层面来看,大多选择地市级城市为样本,从时间或空间维度展开研究。如郁玉兵等[4]基于城市物流的特殊性提出城市物流质量的概念,运用因子分析和引力模型对浙江省11个城市的物流质量进行评估,并根据省内发展不平衡的特点针对性地提出构建物流枢纽城市。随后,李勇辉等[5]选择中国32个主要城市为样本,采用数据包络分析(DEA)与因子分析,对城市物流业效率及绩效、竞争力之间的关系进行分析,得出绩效高的城市竞争力强、效率高的结论。董千里等[6]进一步扩大样本,基于全国285个流通节点城市,运用双重差分模型,研究这些城市对城市物流效率的影响及作用机理,结果表明流通节点城市的设立对城市物流效率的提升有促进作用,但具有区域异质性的特征。从省域层面来看,已有文献对全国范围内省域的研究较少,唐建荣等[7]基于中国31个省份,运用方向距离函数对中国省域物流效率的时空演变进行研究,认为观测年份内中国整体物流产业效率有所下降,且不同区域效率差异明显。樊元等[8]在实证方法上进行创新,使用随机前沿分析(SFA)测算了不同区域的物流效率,得出不同地区效率差距较大,但随着时间的推移差距会逐渐缩小的研究结论。大多数研究集中于区域物流,一般选择国家重点战略区域,如“一带一路”区域、丝绸之路经济带核心区域等,并常落脚于省域或城市层面展开研究。如张雪青[9]选择“一带一路”区域涉及的重点省份为研究对象,构建区域物流的指标评价体系,运用DEA 方法对物流效率进行测量;李娟等[10]从总体特征、分国别分省区的差异特征、时空演变和收敛性四个方面对丝绸之路经济带核心区物流业效率进行了分析。

从以上分析可以看出,已有文献大多数运用DEA 对区域或省份物流业效率进行测算。然而,DEA 的缺点是任何随机干扰都被认为是有效因素,投入数据的变化会明显影响数据的测算结果,使得结果会受到极值的影响[11-12]。因此有学者如秦雯[13]、孟魁[14]通过构建三阶段DEA 模型来测算真实的物流效率值,该模型同时剔除了环境因素和随机误差的干扰,并且得到的是松弛变量与环境因素之间的相关关系,不能直接对影响物流效率的环境因素进行细化分析[15]。因此目前有少数学者把DEA 和回归分析结合来研究物流效率的影响因素,如三阶段DEA 和Tobit模型结合[16]、CCR 模型与Tobit模型结合[17]等。

SFA 作为一种基于回归分析的参数化方法可以弥补DEA 方法的不足[18]。SFA 将实际生产与最优边界之间的距离分成两部分:无效率项和随机干扰因素,考虑了环境因素和随机因素对生产活动的影响[19],可以直接对影响物流效率的因素进行测算,例如于丽静等[15]、张亮亮等[19]。此外,SFA 可以通过假设检验来选择正确的生产函数形式,确保模型设定的准确性[11]。但SFA 的缺点在于只能对单一产出指标体系进行研究,如果存在多个产出指标,效率分析就会变得复杂且片面。如龚雪媚等[20]使用SFA 研究科技创新效率时,两次运用SFA 方法对多产出进行测算。如何对多投入多产出的指标体系进行处理是SFA 方法需要突破的关键问题。黄跃[21]在对中国城市群绿色发展水平进行测度时,使用投影寻踪方法(PP)对指标体系进行降维,计算绿色发展综合指数。基于此,本文考虑引入PP模型以弥补SFA 方法的不足,先使用PP模型对物流业产出体系进行降维,进而得出综合产出,再使用SFA 对效率值进行估计并探索影响效率值的因素。

综上,本文选择供应链创新试点城市为研究对象,运用PP-SFA 对供应链创新试点城市的物流产业效率及影响因素进行研究,为试点城市物流业效率的提升及现代供应链的构建提供一定参考。

1 研究方法、数据与模型

1.1 PP-SFA

SFA 是一种常用的效率测量方法,被广泛应用于各个领域。其优点在于考虑了由测量等因素造成的随机误差,避免了随机误差造成的影响[22-23],但只能用来测量多个投入和单一产出决策单元的效率。而对于物流行业来说,仅使用一个产出指标是无法准确衡量行业产出的。因此,本文用投影寻踪模型合成综合产出指标,再使用SFA 对物流业效率进行测度,同时估计外部环境因素对效率值的正面或负面影响。

(1)PP。本文选择物流产出和经济产出作为投影寻踪的两个产出指标。将这两个产出指标合成为综合物流业产出的步骤如下:

①将各指标无量纲化。假设指标的样本集为{yin*|i=1,2,…,I;n=1,2,…,N},I为样本数量,N为指标数目。由于各评价指标的数据维数不统一,很难进行比较,因此数据需要标准化。为了避免标准化出现的零值影响,将标准化后的数值统一平移A个单位。本文中,取A=0.000 5。数据标准化的公式:

式中,y*in代表的是第n个产出指标中第i个要标准化的数值;ymax(n)和ymin(n)分别指的是第n个产出指标样本集的最大值和最小值;yin表示经过标准化后的处理结果;y′in表示平移后的标准化结果。

②构造投影指数函数。将N维数据{yin|n=1,2,…,N}投影到一维子空间上,得到最佳投影方向a(n),其中a(n)为单位向量,则投影值z(i)的表达式为:

投影值z(i)的分布特征为:投影点在局部范围内尽可能集中,而在整体上尽可能分散。基于此,构造投影指标函数Q(z)如下:

投影值z(i)的方差S(z)如下:

投影值z(i)的局部密度D(z)为:

式中,E(z)为投影值的均值;R为局部密度的窗口半径,具体根据样本特征决定;rin为样本间距,由|z(i)-z(n)|计算得到;u(v)为单位阶跃函数。

③优化投影指标函数。若评价指标样本集已给定,则投影指标函数只会随着投影方向a(n)的变动而变动。通过最大化投影指标函数,可以得到最优的投影方向:

④计算综合产值。根据以上步骤,利用加速遗传算法可以得到最佳投影方向a*,再代入式(3),求得最佳投影值z*。

(2)SFA。SFA 是由Aigne等[18]和Meeusen等[24]在1977年同时提出的,用来考虑随机因素对产出的影响。SFA 基本模型如下所示:

两边同时取对数可以得到下列表达式:

式中,i表示物流创新城市的数量;t代表时间序列。Yit代表合成产出,即上一步投影寻踪得到的最佳投影值z*。xit=(X1it,X2it,…,Xkit)是一组K维向量,代表不同投入资源。vit表示随机扰动项,且vit ~iid N(0,σ2v);uit指无效率项,代表实际产出与效率前沿面之间的距离,uit~iid N+(wit,σ2u)。vit与uit相互独立。技术效率定义为实际产出与最大随机前沿产出的比值:

根据方差参数γ的值,我们可以判断它是否适合使用SFA 模型进行分析,γ表达式如下:

γ取值范围在0和1之间,γ越接近1,说明SFA 模型越合适。

另外,为了解释外界环境对技术效率的影响,引入技术非效率函数,如式(13)所示:

式中,δ0为常数项;δ代表外生变量的系数;git表示干扰效率的外部环境因素。当δ>0时,说明外部环境因素对技术效率有负向影响;当δ<0时,说明外部环境因素对技术效率有正向影响。mit是随机误差项。

在SFA 中,生产函数的形式通常选用柯布道格拉斯(C-D)生产函数或超越对数生产函数[24]。由于超越对数生产函数的形式比C-D 生产函数更具有代表性[25],因此设定超越对数生产函数作为生产函数模式的初始模式,然后进行假设检验。原超越对数生产函数不包含时间t,但需要增加该参数,以反映技术变化和技术效率的时变特征。

生产函数的初始设定形式如下:

式中,β0是常数项;βk是第k个投入变量的相关系数;βkj是第k个投入变量和第j个投入变量的交互项系数;βt和βtt分别是时间t和变量t2的相关系数;βkt是第k个投入变量与时间t的交互项系数;Xkit是t时刻第k个投入变量在第i个地区投入变量的值;Xjit是t时刻第j个投入变量在第i个地区投入变量的值。其余变量含义同如式(10)所示。

1.2 指标选择与数据来源

目前我国尚未对“物流业”的边界和内容进行明确的规定,衡量物流业的指标体系也尚未形成。鉴于此,本文采用龚瑞风等[26]、汪文生等[27]研究的处理方式,以交通运输、仓储和邮政业的数据作为物流业的相关指标。在产出指标选择方面,选择物流业的物质产出与经济产出作为合成指标的两个方面。物质产出用货物周转量表示[27],经济产出用物流业增加值表示,其中,物流业增加值本文沿用龚雪[28]的研究,由邮政、仓储以及运输业增加值的金额计算所得。在投入指标选择方面,劳动力投入和资本投入是物流业的基本投入。基于前人的研究[27,29-30],用运输业、仓储业以及邮政业的年末从业人数表示劳动力投入,交通运输、仓储和邮政业固定资产投资额表示资本投入。在影响因素选择方面,基于经济和政府作用的视角,选取经济发展水平、政府支持力度和政府影响力三个变量作为环境变量来探究其对物流效率的影响。物流业的发展依赖于地区的经济发展水平,经济发展水平的提高使得物流业更加的专业和社会化[15],因此地区的经济发展水平是影响物流效率的重要因素,本研究用人均GDP来衡量。政府对交通运输业的支持和重视程度也会影响着物流业的发展[19],同时,如果政府的财政分配比例不当也可能对物流业的发展有负面影响[31],因此政府支持力度是影响物流业效率的另一个因素。本研究用交通运输支出占一般公共预算支出的比重表示政府支持力度。此外,物流业的发展与其他行业息息相关,经济建设和各项事业需要政府制定和实施政策。政府的影响力越大,表明政府的干预越强,对资源的配置和协调影响越大,因此政府的影响力是影响物流产业发展的一个因素。本研究用一般公共预算支出占地区生产总值的比重衡量政府影响力[30]。研究的具体指标体系如表1所示。

表1 投入产出及环境变量评价指标体系

本文数据主要来源于2009~2018年55个供应链试点城市国民经济与社会发展统计公报、2010~2019年中国各城市统计年鉴、2010~2019年度《中国统计年鉴》等,剔除了自由贸易试验区、县级市和数据滞后及缺失严重的城市,最终选择数据较为完整的38个供应链创新试点城市作为研究样本。

1.3 模型设定

为了检验SFA 的适用性和生产函数形式的正确性,需要对生产函数的设置进行检验。γ值为0.845 8,说明存在无效率项,SFA模型具有适用性。此外,由表2的假设检验结果可知,接受时间变量t的相关系数均为0的假设,因此,构造不含时间t的超越对数生产函数更适合于本研究。

表2 假设检验结果

根据表2中的建设检验结果,生产函数设定如下:

式中,Yit表示用PP模型合成的综合产出;X1是物流业从业人数;X2是物流业固定资产投资额。

根据以上对物流业效率影响因素的分析,把经济发展水平、政府支持力度和政府影响力作为影响物流业技术效率的因素,构建的技术无效率函数模型如下:

式中,μit表示城市i在t年的无效率项,其数值越大,技术效率越低;PGDP表示经济发展水平;SGOV表示政府支持力度;IGOV表示政府影响力。

2 实证研究

2.1 PP结果分析

根据投影寻踪模型的原理,运用Matlab软件对2009~2018年全国38个供应链创新试点城市物流业综合产出进行测算,得出货物周转量和交通运输、仓储和邮政业增加值的最佳投影方向,由此计算出最佳投影值,即物流业综合产出水平。详见附录1。

由PP结果可以看出,相较于2009年,2018年各城市物流综合产出投影值均有较大幅度提升,但不同区域仍有较大差距。北京、上海、广州、武汉等城市物流产出投影值均大于0.6,物流业较为发达;大连、南京、青岛、临沂、宁波、深圳等过半数的城市产出投影值低于0.6,物流业发展尚有提升空间;赣州、芜湖、义乌、西宁等14个城市产出投影值低于0.1,物流业产出水平最低,需要重视这些城市的物流业发展。总体来看,2009~2018年,我国供应链创新城市物流业综合产出水平提升明显,但绝大多数城市仍处于较低水平,且不同城市综合产出差距明显,物流业产出仍有较大提升空间。同时,物流综合产出投影值只能单一地反映物流业的产出水平,并不能全面反映物流业的资源利用情况,因此需要对物流业效率值进行进一步测量。

2.2 创新城市物流产业效率影响因素分析

考虑到影响物流业效率的因素之间可能会出现多重共线性,这会影响变量选择的合理性和数据结果的可靠性。基于此,本文采用方差膨胀因子VIF法对环境变量进行了多重共线性检验,结果如表3所示。由表3可知,3个影响因素的VIF值均位于0至5之间,因而不存在多重共线性问题,这表明:本文选取的3个环境变量即人均GDP、政府支持力度和政府影响力是合理的,且在此基础上进行的创新城市物流产业效率影响因素分析结果是稳健可靠的。

表3 环境变量的多重共线性检验

此外,在对效率值进行测算之前,需要检验模型的适用性,本文将投影寻踪模型求得的物流综合效率值作为产出指标,代入生产函数(15)中,运用Frontier 4.1软件,模型估计结果如表4所示。从表4可以看出,γ=0.845 8且在1%的水平下显著,说明实际产出与生产前沿面之间的差距主要来源于技术非效率项,因此,使用SFA 进行估计是必要的。此外,LR值为29.062 0并在统计学上有意义,表明极大似然估计效果较好且模型整体估计有效。

表4 随机生产前沿函数测算结果

从生产函数系数来看,运输业、仓储业以及邮政业的年末从业人数(0.581 7)与物流产业固定资产投资额(0.439 0)的产出系数为正,且分别通过了1%和10%的显著性检验,说明劳动力及固定资产投入的增加均会显著提升物流产出,其中劳动力投入的系数大于固定资产投入系数,说明劳动投入每增加1%获得的物流产出比固定资产的投入更有效。

从效率函数影响因素的估计系数来看,经济发展水平(-5.779 4)和政府影响力(-2.690 5)的回归系数为负且分别通过1%和10%的显著性检验,说明城市经济发展水平和政府影响力对物流业效率提升有正向影响,也就是说,经济发展水平和政府影响力的提升有利于物流效率的增加。一方面,城市经济水平的提高会使得物流基础设施投资、交通网建设更加完善,为物流业的发展创造了良好的需求条件,从而推动城市物流效率的提升。另一方面,政府对各行业的干预能够改善当前物流业的经营环境,对加强物流业发展所需要的基础设施建设和优化资源配置有积极作用,近而提高物流业的效率。然而,政府支持力度的回归系数为正,说明政府支持力度与城市物流业效率间存在负相关关系,但该项因素的影响并不显著。这说明了在样本期间内,政府的财政支持对物流效率的影响并不理想。可能的原因是政府对物流业的发展缺乏针对性地支持,例如政府对物流业干预过多可能会影响物流业发展的灵活性;政府的财政资金在监管力度不够的情况下,可能会造成物流资源的错配或浪费等。此外,物流业正处于飞速发展的阶段,而政策支持又存在不可避免的时滞性。

2.3 创新城市物流产业投入及效率值分析

进一步对我国38个供应链创新试点城市2009~2018年的物流效率值进行测算,并计算出2009~2018年各个城市物流效率均值(按从大到小排序),如表5所示。

表5 2009~2018年我国38个供应链创新城市物流业效率均值

由表5可以看出,我国供应链创新试点城市物流业效率差异较大,其中效率最高的城市和效率最低的城市的效率值相差0.634 5。临沂、大连、定西等11个城市物流效率均值在0.5之上,相对来说物流效率较高并且这些城市大部分位于沿海地区。其中临沂的物流效率水平最高,为0.763 5。武汉、深圳、太原等7个城市效率均值低于0.5但高于整体的平均效率值0.399 1,属于物流效率中上等的城市;而商丘、海口等20个城市物流效率均值在0.399 1之下,其中,昆明市最低,为0.129,这些表明我国供应链创新试点城市物流业效率仍有很大的提升空间,超半数以上的供应链创新城市物流业效率值低。进一步,为了体现效率值随时间的变动,对样本期内38个供应链试点城市每年的平均效率值进行分析,如图1 所示。从图1可知,2009~2018年,我国供应链创新城市效率整体呈近似“W”型的波动上升趋势,其中最高值为2018 年的0.544 7。样本期内效率值变动明显,除2011年、2014年、2017年有所下降外,其余年份较上年均有所上升,其中2013 年、2015 年以及2018年有较大幅度提升。2013年,互联网和电子商务的兴起促进了物流业的蓬勃发展,与此同时,物流业得到新一届中央领导集体的全面关注,物流效率得以大幅提升。但由于物流业发展基础不稳、动力不足等问题,2014年物流效率有所回落。经过之后几年的转型升级,物流业效率逐年提升。2018年供应链创新城市设立,相较于2017年,物流业效率提升明显,表明供应链试点城市设立后,物流业整体水平有所上升。

图1 2009~2018年供应链创新城市物流业效率平均值变动

3 结论与建议

本研究基于38个供应链创新试点城市的面板数据,通过构建PP与SFA 结合的模型进行了物流效率值的测算,弥补了SFA 存在只能对单一产出指标体系进行研究的缺陷,同时探索了影响供应链创新试点城市物流效率的因素。本文的结论和建议如下:

首先,根据PP模型的结果得到的综合产出水平可以发现,2009~2018年,我国供应链创新城市物流业综合产出水平提升明显,但绝大多数城市仍处于较低水平,且不同城市综合产出差距明显,物流业产出仍有较大提升空间。因此,各地区政府应该加强区域之间的联动,因地制宜,合理配置资源,利用电子商务等技术来提升物流业的产出水平。

其次,基于物流投入对物流产出的影响,发现劳动力投入及固定资产投入均会对物流产出产生显著的积极的影响,其中,劳动力投入的增加更有利于我国城市物流业的发展。因此在劳动力资源方面,物流业的发展离不开高质量的人才队伍,在物流业的从业人员存在缺口的情况下,既需要广纳人才,也需要提升员工的专业能力和素质水平。物流企业应该重视员工的培养,可以通过依托产学研合作等方式,对不同岗位的人才进行针对性的培训。在物流建设方面,良好的物流发展离不开交通运输等的协调运作。政府应该合理规划城市交通运输的线路方案,合理布局,为物流业的发展节省时间和能源。

此外,研究还发现经济发展水平和政府影响力对城市物流业效率的提升有显著促进作用,而政府支持力度对城市物流效率影响并不显著。供应链试点城市的建立为各城市的发展带来了机会,城市经济发展水平的提升能够带动物流业的发展,同时物流业效率的提升会对经济发展水平的提升做出积极的贡献。因此,当地政府应该结合当地的物流发展条件和发展需求,充分发挥政府调控的积极作用。此外,政府在对物流业进行资金扶持的同时应合理进行政策的监管,不能简单通过增加固定资产投资来实现物流业的扩张,而是要考虑持续发展的需要,制定精细化物流业扶持战略,如引进人才、技术补贴、税收减免等,并确保政策的落实,为物流业发展注入持续动力。

最后,我国供应链创新试点城市物流业效率差异较大,超半数以上的供应链创新城市物流业效率值处于低水平,物流业效率有较大提升空间。同时,研究期内,我国供应链创新城市的整体物流效率均值波动明显,呈现出近似“W”型的波动上升趋势。因此要加强物流相关技术的研发和投入,促进区域之间的技术和信息共享与合作,提升能源的利用效率,实现各城市物流效率的稳步提升以及各城市效率差距的缩小和协同发展。同时,物流相关企业也应该认识到效率提升的重要性,构建高效的物流管理系统,提升和优化物流模式,实现物流业的高质量发展。

附录1

2009~2018年38个供应链创新试点城市物流业综合产出值