长江经济带物流效率评价及影响因素分析

张 可,王向前

(安徽理工大学 经济与管理学院,安徽 淮南 232001)

物流行业作为支撑国民经济发展的基础性产业,在社会发展过程中发挥着举足轻重的作用,其发展水平的高低已经成为衡量一个国家或区域经济实力的重要指标之一。国家发改委在《关于推动物流高质量发展促进形成强大国内市场的意见》中表示,物流高质量发展是推动经济高质量发展不可或缺的重要力量[1]。2021年3月,我国“十四五”规划和2035年远景目标纲要再次强调“完善国家物流枢纽,深化流通体制改革”[2]。在此背景下,我国物流行业快速发展,据国家邮政局发布的《2023年6月中国快递发展指数报告》显示,仅今年上半年,我国快递业务量就超过了600亿件,且快递发展指数同比提升26.6%,行业规模稳步增长,产业协同发展能力进一步增强。由于物流行业对经济发展具有重要的推动作用,能反映物流业发展水平的物流效率已成为国内外学者关注的热点问题。

目前,学术界从不同视角对物流效率及其相关影响因素展开了一系列的研究。梅国平,龚雅玲等(2019)运用三阶段DEA模型对华东地区的物流产业效率进行测度与分析,研究发现纯技术效率的差异会使得各省份物流效率呈显著的空间异质性[3];张云宁,刘子琦等(2020)运用DEA模型、Tobit模型和Malmquist指数模型,以长江大保护区域19个省市为研究对象,对区域物流效率及其影响因素进行探究,发现长江大保护区域下游物流效率高,上游物流效率低,技术进步指数是影响物流效率变化的核心因素[4];龚瑞风,薛俭等(2022)采用三阶段DEA模型对我国31个省市的物流效率进行测算与比较,发现我国区域物流效率呈波动上升态势,区域之间的物流效率差异较大,呈“东高西低”的局面[5];刘雪和苗成林(2023)运用DEA-BCC方法与Malmquist指数对黄河流域物流效率进行测算,发现下游的物流产业效率最高,中游次之,上游最低[6];张哲和张振宇(2023)通过建立VAR模型衡量信息化发展对我国物流效率的影响,结果表明信息化发展水平与物流效率之间呈正相关关系,且信息化水平对物流效率的调节具有一定的时滞性[7]。

综上可知,已有很多学者对物流效率进行测度并探究其影响因素,但仍然存在进一步研究的空间:一是对一体化发展的局部区域物流效率测度的研究较少,多数研究范围为全国或各省市。二是研究方法主要使用DEA模型从静态角度分析,缺少了对截面数据的纵向比较,使得研究结论缺乏全面性。长江经济带作为我国战略发展的重要区域,研究其物流效率具有重要的理论意义,故本文首先采用DEA模型对该区域11个省市的物流效率进行静态分析,其次引入Malmquist指数模型对物流效率进行动态分析,最后运用Tobit模型探究影响长江经济带物流产业效率的因素,为推动长江经济带物流产业效率的提升和高质量发展提供理论参考。

一、研究设计

1.研究方法

(1)DEA模型

根据物流效率研究的实际情况,考虑到规模效率不变假设很难实现,本文采用以投入为导向的BCC模型对长江经济带地区的静态物流效率进行测算,公式如式(1)所示。

(1)

式(1)中,n为省份,θ为物流效率,xj和yj分别为投入和产出;s+为产出剩余,s-分为投入不足。当θ不为1时,说明物流效率未达到DEA有效。

(2)Malmquist指数法

由于DEA-BCC模型仅能测算出静态效率值,为探究物流效率的动态演变情况,加入Malmquist指数模型,可分解为技术进步变化指数(TC)与技术效率变化指数(EC),公式如式(2)所示。

(2)

若规模报酬发生变化,则技术效率变动(EC)可继续分解为纯技术效率变动(PTE)和规模效率变动(SEC),调整后公式如式(3)所示。

式(3)中,

(3)Tobit回归模型

由于效率值范围为0到1,故普通最小二乘回归法不适用于本文,为减少误差,将采用Tobit回归模型分析影响长江经济带地区物流效率的因素,模型如式(4)所示。

(4)

式(4)中,yit表示第i个省市t时期的物流效率值,xit表示解释变量;σit表示误差项,εit表示随机干扰项。

2.指标构建和数据来源

(1)指标体系构建

①投入产出指标

本文参考龚雪的做法[8],从资本投入、人力投入、基础设施投入、信息技术投入以及政策支持度五个方面考虑投入指标,从经济产出和规模产出两个方面考虑产出指标,以此构建物流效率评价指标体系,使得评价结果更具科学性和全面性,具体内容如表1所示。

表1 长江经济带物流业投入产出指标体系

②影响因素指标

物流业的发展受很多因素影响,基于相关理论和长江经济带地区物流业的发展现状,本文选取经济发展、政府支持、产业结构以及信息化水平四个因素作为解释变量,以长江经济带地区物流效率作为被解释变量,运用Tobit回归模型探究影响区域物流效率的因素,变量描述如表2所示。

表2 影响因素变量描述

(2)数据来源

参考众多学者的做法[9-12],本文中物流业的相关数据由交通运输业、仓储业和邮政业的数据代替,且考虑到数据统计与发布的时滞性以及可获得性等问题,最终选取长江经济带11个省市2013—2021年的相关数据进行区域物流效率测度与分析,数据来源于国家统计局和长江经济带各省市统计局。

二、实证分析

1.长江经济带物流效率的静态分析

运用DEAP2.1软件对2013—2021年长江经济带11个省市物流业的纯技术效率、规模效率和综合技术效率分别进行测算,结果如表3-表5所示。

（5）如果满足PoW要求，则向全网广播新区快。若其他矿工接受本区块，就会在该区块末尾继续进行挖矿工作以延长区块链。若不符合PoW要求，则重复第（2）—（5）步，直到符合要求或者接收到其他矿工发布的新区块。

表3 2013—2021年长江经济带各省市物流纯技术效率测算结果

表4 2013—2021年长江经济带各省市物流规模效率测算结果

表5 2013—2021年长江经济带各省市物流综合技术效率测算结果

从纯技术效率方面看,2013—2021年有效的省市有上海、江苏、浙江、安徽、江西和贵州,说明这6个地区对投入要素的利用达到了最大程度;重庆于2013年实现了纯技术效率最优化,虽然随后呈降低的趋势,但是整体一直保持着较高的水平;四川的纯技术效率值最低,说明该省物流技术水平较为落后,物流管理方面存在不足,物流资源未达到合理配置,投入未得到好的产出;湖北除2020年,纯技术效率值均为1;云南在2018—2021年纯技术效率达到有效,湖南在2014—2017年以及2021年达到有效。

从规模效率方面看,2013—2021年只有上海、江苏和安徽3个地区实现了物流业规模有效,投入与产出达到最优状态,且湖北>浙江>江西>湖南>云南>四川>贵州>重庆,说明长江经济带大部分地区物流业规模有待提高,资源投入方面有待调整。

从综合技术效率方面看,长江经济带地区2013—2021年物流综合效率均值为0.863,其中,2018年达到峰值,为0.884,2014年出现最低值,仅为0.803,九年内物流综合效率均值呈震荡波动态势。分流域来看,下游>中游>上游,说明长江经济带下游地区物流能力最强,处于地区领先地位,物流资源得到充分利用。究其原因,我国政府高度重视长三角地区的发展,制定了一系列发展规划,使得长三角成为综合实力最强的经济中心,引领其他地区物流业朝着更高效的方向发展。相比而言,上游地区地理条件处于弱势,交通运输行业发展较为困难,所以整体上物流综合效率相对滞后。分地区来看,上海、江苏和安徽年均物流综合效率值都为1,表明这三个地区在2013—2021年期间一直处于物流业发展前沿面上;湖北、浙江、江西紧随其后,综合效率值分别为0.997、0.98和0.934,十分接近物流业有效前沿面;湖南省物流效率接近长江经济带平均水准,而重庆、四川、贵州和云南拉低了该地区物流效率的整体水平。

综合以上分析可知,长江经济带不同地区物流综合技术效率差异较大,且可以归为三类。第一类为“双高型”,该类地区的特征是纯技术效率值与规模效率值均大于0.9,长江经济带内共有7个省市归为此类,其中有3个省市实现了DEA有效,分别为上海、江苏和安徽;第二类为“单高型”,该类地区的特征是纯技术效率值或规模效率值中有一项大于0.9,由表3-表4可知重庆、贵州和云南符合条件,且均为纯技术效率值大于0.9,该类地区适当调整物流规模,合理配置物流资源,便可促进规模效率提高;第三类为“双低型”,该类地区的特征是纯技术效率值与规模效率值均小于0.9,仅四川属于此类,表明该省在未来发展过程中既需要注重提高物流技术水平和物流管理水平,还要注重优化物流产业规模。

2.长江经济带物流效率的动态分析

如果仅从静态角度对长江经济带物流业的发展进行评价,其结果将有失偏颇,故本文结合Malmquist指数模型从动态角度进一步分析,结果如表6-表7所示。

表6 2013—2021年长江经济带物流业Malmquist指数变动与分解

表7 2013—2021年长江经济带各省市物流业Malmquist指数变动与分解

由表6可知,2013—2021年长江经济带地区全要素生产率的平均增长率为1.71%,物流产业效率呈上升态势。通过进一步观察可知,物流效率的提升得益于两个方面:一是综合技术效率提升了1.17%,二是技术进步效率提升0.97%,表明综合技术效率的提升是拉动长江经济带物流效率增长的主要方面。其中,综合技术效率的提升既得益于纯技术效率的提升,也得益于规模效率的提升,二者贡献率分别为0.21%和0.99%,由此可知,规模效率的提高为综合技术效率的提升作出了主要贡献。

从流域层面看,2013—2021年上游地区的全要素生产率增长了0.54%,其中,综合技术效率增长了2.27%,技术进步效率下降了0.82%;中游地区的全要素生产率增长了0.28%,其中,综合技术效率增长了0.91%,技术进步效率下降了0.33%,说明上游和中游地区均是因技术进步的下降导致了全要素生产率的降低,表明现有的科技水平已经滞后于上游和中游物流产业的发展速度。下游地区的全要素生产率增长了3.97%,综合技术效率和技术进步效率都有所提升,这表明了该流域的物流管理水平较高,技术创新能力优良。

从地区层面看,重庆、贵州、湖北和安徽四个省市的年平均全要素生产率小于1,意味着仅这四个省市的物流效率呈下降趋势,长江经济带内其他省市的物流效率均呈上升趋势。从分解结果可以看出,重庆存在物流技术水平落后以及资源利用率不足等问题,这表明该市需要在提高物流技术水平的同时,合理配置投入物流业的资源;贵州、湖北和安徽全要素生产率下降的原因均是物流技术落后,所以这三个地区需要努力提高物流技术水平,先进的物流技术可以推动物流产业效率提升。

3.长江经济带物流效率的影响因素分析

以长江经济带物流效率作为被解释变量,影响因素作为解释变量,对上文所述的Tobit模型进行回归分析,结果如表8所示。

表8 Tobit模型回归结果

由表8可知,长江经济带地区的经济发展水平与物流综合效率呈正相关,且在1%水平上显著,回归系数约为0.207,说明地区经济发展水平的提高会促进物流综合效率的提升。经济的快速发展会带动商品货物的流通,增加对物流业的需求与投入,促进物流效率的提高;长江经济带地区政府支持对物流产业效率具有显著负向作用,且同样在1%水平上显著,究其原因,政府加大对物流业固定资产的投入虽在一定程度上会使得物流效率有所提高,但当资金投入过量时可能会导致资源浪费与产业规模递减现象的发生,从而使物流效率降低;长江经济带地区的产业结构与物流效率呈显著正相关关系,回归系数约为0.625,表明地区产业结构的调整与优化对物流效率的提升具有促进作用;信息化水平在置信度为1%下对长江经济带物流业效率有显著影响,且系数值约为-0.288,可能由于地区物流信息化的发展滞后,物流行业无法作出适应信息化要求的变革,信息技术未能在物流企业被广泛应用,导致物流企业作业效率低下。

三、结论与建议

本文运用DEA模型、Malmquist指数模型以及Tobit模型分析了我国长江经济带2013—2021年物流产业效率及其影响因素,研究结果如下:(1)由DEA-BCC模型的静态分析可知,2013—2021年长江经济带物流综合效率均值为0.863,有较大的效率提升空间。从流域看,物流综合效率呈“上、中、下游”逐步升高的“阶梯状”分布;从地区看,不同省市间物流效率差异明显,上海和江苏一直位居前列,而四川和重庆常处于末位。(2)由Malmquist指数模型的动态分析可知,长江经济带2013—2021年物流业全要素生产率的年均增长率为1.71%,且综合技术效率的提升是拉动长江经济带物流效率增长的主要动力。上、中、下游的Malmquist指数均呈递增态势,且仅重庆、贵州、湖北和安徽四个地区的年平均全要素生产率小于1。(3)由Tobit模型的回归结果可知,长江经济带地区的物流效率与经济发展水平、产业结构呈正相关关系,与政府支持、信息化水平呈负相关关系。

根据研究结果,提出以下建议。

第一,增强区域间沟通合作,实现物流资源共享。从DEA模型分析的结果来看,长江经济带地区不同省市之间的物流综合效率差异显著,长三角物流业较为发达,可将其打造成物流增长极,实现该区域物流要素的向外流动,加强长江经济带不同省市之间的交流与合作,促进各省市物流业协同发展。

第二,提高经济发展水平,注重物流技术创新。物流业的发展离不开经济的发展,经济高质量发展会引领物流行业走向新的发展高度,由Malmquist指数模型动态分析可知,技术进步是影响物流效率的关键因素,故长江经济带地区应提高物流信息化水平,加快物流技术的开发及推广,鼓励物流企业引进新技术,降低物流成本,提高物流效率。

第三,调整政府支持力度,改善物流管理体制。长江经济带物流业的发展需要政府的支持,但由Tobit模型回归结果可知,政府过多干预会造成物流效率降低,因此,政府部门应当在符合市场规律的前提下,对物流业财政支出进行科学规划,完善行业的管理体系,提高资源配置效率。