数字经济背景下我国省域物流产业效率研究

2024-10-11 00:00:00陶林利
物流科技 2024年19期

摘 要:基于2014—2022年中国省际面板数据,构建物流产业全要素生产率指标体系,运用Malmquist指数测算省域物流产业相关效率,构建数字经济基础、数字经济应用与数字化产业变革三个维度的数字经济发展水平指标体系,运用面板熵值法测算省域数字经济发展综合水平,并以此为核心解释变量,运用Tobit模型实证检验数字经济对物流产业全要素生产率、技术效率与技术进步率的影响。研究发现,东部沿海地区数字经济发展水平较高,由东向西递减,但西北地区增速较快;2014—2022年间各省物流业全要素生产率整体上升,技术进步是主要推动力;数字经济对物流业全要素生产率与技术进步有显著正向影响,但对技术效率的直接影响不显著。据此提出完善数字化基础设施、优化物流资源配置、人才适度应用与促进区域协同的对策建议。

关键词:数字经济;物流产业效率;区域差异

中图分类号:F259.27 文献标志码:A DOI:10.13714/j.cnki.1002-3100.2024.19.025

Abstract: Based on China's inter-provincial panel data from 2014 to 2022, this paper constructs an index system of total factor productivity in the logistics industry, measures the efficiency of the provincial logistics industry using the Malmquist index, and builds an index system for the development level of the digital economy in three dimensions: Digital economy foundation, digital economy application, and digital industrial transformation. The comprehensive level of provincial digital economy development is measured using the panel entropy method, and this is used as the core explanatory variable. The Tobit model is applied to empirically test the impact of the digital economy on total factor productivity, technical efficiency, and technological progress rate in the logistics industry. The study finds that the level of digital economy development is relatively high in the eastern coastal areas, decreasing from east to west, but the growth rate in the northwest region is relatively fast. From 2014 to 2022, the overall total factor productivity of the logistics industry in various provinces increased, with technological progress being the main driving force. The digital economy has a significant positive impact on total factor productivity and technological progress in the logistics industry, but its direct impact on technical efficiency is not significant. Based on this, countermeasures such as improving digital infrastructure, optimizing logistics resource allocation, moderate talent application, and promoting regional collaboration are proposed.

Key words: digital economy; logistics industry efficiency; regional differences

0 引 言

随着信息技术的迅猛发展,数字经济已成为全球经济增长的新引擎。它以数据为关键要素,通过信息技术的有效使用来推动经济结构和产业价值的深刻变革。特别是在物流产业中,数字经济的融入不仅改变了传统物流的运作模式,还为其带来了前所未有的发展机遇。近年来,我国数字经济发展迅速,从基础设施建设到各领域的应用都取得了显著成效。《数字中国发展报告(2022年)》指出2022年中国数字经济市场规模达到了50.2万亿元,占国内生产总值的比重提升至41.5%,总量稳居世界第二;累计建成开通5G基站231.2万个,数字基础设施规模能级大幅度提升;数据产量达8.1ZB,数据资源体系建设加速发展。各地政府也在工作报告中强调制定支持数字经济高质量发展的政策,数字经济和实体经济融合深入推进。物流产业作为现代经济体系的重要组成部分,其运作效率和成本控制直接关系到整个经济体系的运行质量和市场竞争力。利用数字经济提升物流产业的全要素生产率,进而推动物流产业的转型升级,具有重要的现实意义。

随着中国数字经济的蓬勃发展,国内学者对数字经济的研究也日益深入。研究内容涵盖数字经济的定义、特征[1]、发展趋势[2]以及与传统产业的融合等多个方面。当前,数字经济如何推动经济高质量发展已成为研究热点,从不同角度探讨了数字经济对中国全要素生产率的提升效应[3]、产业结构升级[4]、区域创新能力提升[5]、制造业质量升级[6]、中国乡村振兴[7]等多方面的影响机理与促进效应。随着数字技术的不断渗透,也关注到了数字经济在与传统经济融合过程中面临的挑战和机遇,如征税困境、数字鸿沟、数据安全等。也有学者探讨了数字经济对物流产业的影响,如罗瑞等[8]指出数字经济通过技术创新和要素配置效率的改进促进了物流业高质量发展;蒋树雷等[9]实证检验了数字经济有利于物流产业升级,一方面提高了产业发展规模,增加了产业绩效,另一方面降低了资源损耗和污染排放;谢欣雨等[10]研究了我国物流业与数字经济融合水平,陈述了物流业与数据经济融合在资源禀赋、数字人才及产业结构方面存在的差异;褚晓琳等[11]测算了物流业数字化程度,从产业内与产业间不同视角对比了其数字化程度差异。

这些学术观点为本文提供了有益的借鉴与参考,但是对数字经济影响物流产业影响的研究不充分,没有深入探讨数字经济对物流效率的影响程度,本文旨在探讨数字经济对中国物流产业全要素生产率的影响,通过定量分析,进一步揭示数字经济对物流产业技术效率与技术进步率的影响关系,为相关政策制定提供理论支持和实证依据,为进一步推动我国物流产业的数字化转型与高质量发展提供参考。

1 数字经济促进物流产业效率的理论机制

“数字经济”首次出现是在美国学者Don Tapscott于1996年所著的《数字经济:网络智能时代的前景与风险》中,书中提及数字经济具有高效率和低成本的特点。目前,较为广泛认可的定义出自《二十国集团数字经济发展与合作倡议》(2016)。倡议中提出,数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。数字经济通过引入大数据、云计算、物联网和智能化技术等先进手段,对物流产业技术效率产生了积极的影响。这些技术的应用提高了物流操作的准确性和速度,优化了物流过程,降低了成本,为物流产业的持续发展注入了新的活力。

数字经济对物流产业技术效率的影响主要体现在以下几个方面:

(1)数字经济创新消费模式,促进物流需求不断增加。进入大数据时代,互联网、移动支付、社交媒体等技术的普及改变了人们的消费习惯和购买方式。催生了多样化的新型消费模式,如社交电商、内容电商、直播购物、共享经济、订阅服务等。淘宝、抖音、拼多多、小红书等平台上,月均用户访问量均在1亿以上,带动了对高效、精准物流配送服务需求的持续增长。

(2)数字经济推动供应链优化,提升物流响应速度。随着数字经济发展的深入,传统的生产和流通型企业逐渐将部分业务与大数据、人工智能、物联网等数字技术相融合,产业链供应链的发展逐步向数字化转型。根据市场相关数据,2023年中国产业数字化全年交易规模将达到21.2万亿元,同比增长6.5%,产业数字化的不断发展和应用,将继续推动产业链供应链的优化与升级。在数字技术支持下供应链各环节之间的信息共享和流通更加便捷高效,物流企业能够更准确的掌握供应链上下游需求与库存情况,实现从生产到消费的直接连接,优化运输路线和货物分配,简化物流配送链条,实现供应链的精细化管理与动态调整。

(3)数字经济驱动技术创新,促进物流智慧化发展。在数字经济的推动下,数字化基础设施,包括5G网络、工业互联网、数据中心等建设不断完善,大数据、互联网、云计算、区块链及人工智能等技术不断发展,促进了产业信息化与智能化发展。自动化仓库系统、智能分拣系统、无人配送车辆等技术应用大大提高了物流操作的准确性和效率,减少了人力成本和错误率,推动物流产业从经验管理与粗放管理向自动化与智能化方向发展。

(4)数字经济降低交易成本,促进物流效益提升。数字经济进一步推动了大数据分析与预测,通过数字化的物流平台,不同企业可以共享物流信息和资源,实现资源的最优配置,减少闲置和浪费。基于大数据和人工智能技术能够深入分析客户需求和行为模式,物流企业之间可以建立合作伙伴关系,形成联合采购和运输的优势,共同降低采购和运输成本,从而提高供应链的整体效率,降低物流成本。

数字经济为物流行业带来了新的技术创新和业务模式,通过降低作业成本、提升物流效益和促进精细化发展,有效提升了物流产业的技术效率,促进物流行业的持续发展和技术升级。高效的物流支撑同时是数字经济发展的重要基础,如电子商务、在线零售等业态的快速发展离不开高效精细的物流服务。

2 研究设计

2.1 研究工具与方法

2.1.1 DEA-Malmquist 指数模型。Malmquist生产率指数是基于距离函数概念,用于测量总要素生产率TFP变化的指数,其在静态DEA的决策和目标空间上加入时间空间,更符合物流效率数据的特点。根据相关理论,将全要素生产率(记为tfpch)定义为t期和t+1期的Malmquist指数的几何平均,如式(1)所示:

tfpch=× (1)

其中:x表示投入,y表示产出,D表示t期的距离函数,当tfpch>1时,表明物流效率提升,否则效率降低。全要素生产率分解为技术效率(记为effch)和技术进步率(记为tech),在规模报酬不变的条件下,技术效率可进一步分解为纯技术效率(记为pech)和规模效率(记为sech),因此全要素生产率具体分解形式如式(2)所示:

tfpch=effch×tech=pech×sech×tech (2)

effch反映了不同时期评价单元相对于生产前沿的距离,其值大于1时表明物流投入资源配置合理,技术效率提升,否则下降;tech反映决策单元在两个时期内向生产前沿面的移动情况,其值大于1时,表示物流技术进步,否则技术退步。pech反映评价单元由于物流技术与经营管理等因影响的生产效率,其值大于1时,表示纯技术效率提升,否则下降;sech反映了决策单元受规模因素影响的生产效率,其值大于1时,表示物流规模效率提高,否则下降。

2.1.2 熵值法。熵值法是一种多指标综合评价方法,基于信息熵理论,通过计算各指标权重,从而确定各指标在决策中的相对重要性。计算步骤如下:

第一步,对数据进行标准化处理,由于所选指标均为正向指标,处理如下:r=,若标准化指标值为0,r=r+0.000 1。

第二步,计算各指标对应比例:p=, i=1,2,…,m; j=1,2,…,n。

第三步,计算第j项指标的信息熵与差异系数:e=, d=1-e。

第四步,计算权重:w=。

第五步,计算评价指标综合得分:s=∑wr。

2.1.3 Tobit模型。Tobit模型主要用于解决存在截断数据情况下的统计分析问题,本文被解释变量为基于Malmquist指数测算的物流产业技术效率,通过归一化处理将其转变为截断变量满足Tobit模型的条件,构建基准模型如下:y=α+βx+δcontrol+ε。y为被解释变量,即物流产业全要素生产率,根据Malmquist指数分解,进一步分析相关因素对技术效率与技术进步率的影响。x为解释变量,即经济发展水平,control为控制变量集合,α、β、δ为待估计参数,ε为误差项。

2.2 指标体系

2.2.1 物流效率评价指标。有关物流效率评价的研究已经较为深入,投入指标一般集中在物流业固定资产投入、人力投入与基础设施情况方面,其中人力指标选取物流业从业人数、基础设施选取民用载货汽车数量反映;产出指标主要集中在货运量、货物周转量与物流业增加值等方面。从而构建物流效率评价指标体系,如表1所示:

2.2.2 数字经济指标。国家统计局发布的《数字经济及其核心产业统计分类(2021)》将数字经济产业范围确定为数字产业制造业、数字产业服务业、数字技术应用业、数字要素驱动业与数字化效率提升业共5类,包括了数字经济的发展基础、数字经济核心产业以及数字技术与实体经济的融合。结合现有文献对数字经济综合评价的研究建立包括数字经济基础、数字经济应用与数字化产业变革三个维度的评价指标体系[12-13],数字经济基础选取电信业务量、移动互联网用户数、移动互联网接入流量与软件业务收入衡量;数字经济应用选取有电子商务交易的企业数比重、企业电子商务销售额、企业电子商务采购额衡量;数字化产业变革是推动数字经济发展的重要动力,选取R&D经费、专利申请数、技术市场交易额、R&D人员全时当量衡量。数字经济综合评价指标体系,如表2所示:

2.3 数据来源与处理

自2012年以来,随着政策的不断完善与数字经济相关产业的不断发展,数字经济规模从2012年的11万亿元增长至2022年的50.2万亿元(人民币),在疫情期间,数字经济仍然保持了稳定的增长。2014年4G时代全面到来,移动智能终端用户规模达10.6亿,较2013年增长231.7%,为数字经济的发展提供了有力的支撑,从数据的可获得性与完整性原则出发,以2014年作为研究起点。

本文选取2014—2022年我国除港澳台地区及西藏以外的30个省(区、市)作为研究对象。研究数据主要来自中国统计年鉴、各省统计年鉴、中国物流年鉴等,部分缺失值采用插值法进行补充。根据现有文献研究,在进行物流效率测度时,所选取的产业范围为仓储运输与邮政的数据。为避免伪回归,在Tobit模型中对经济发展水平取对数处理,以获得平稳数据。对Malmquist指数进行归一化处理,以适应Tobit模型。

3 实证结果分析

3.1 物流产业技术效率评价

基于Malmquist方法,运用DEAP2.1软件测算出2014—2022年我国30个省(市、区)的物流产业Malmquist指数,结果如表3和表4所示:

从时间维度进行分析,2014—2022年期间,我国各省物流业全要素生产率整体呈现上升趋势,平均增长率为2.2%,技术进步贡献了1.6%,技术效率增长了0.5%,其中纯技术效率增长了1.2%,规模效率下降了0.7%。2020—2021年,物流业全要素生产率增幅最大,达25.1%,疫情环境下,物流业回升态势明显,在输送防疫物资、保障产业链与供应链平稳运行上发挥了积极作用。在疫情期间为了减少人员接触和降低传播风险,无接触式配送及数字化技术应用也很好的提升了物流效率。2014

—2015年、2018—2019年、2019—2020年、2021—2022年物流业全要素生产率有所下降,主要是技术进步效率下降所致,可能是因为在竞争激烈的市场环境中,企业通常更侧重于短期成本控制而忽略了技术创新,物流产业的重资产包袱也很大程度上限制了物流设备的全面升级。其中2019—2020年受制于技术效率。

结合表4数据,全国范围内物流产业技术效率呈增长趋势,平均增长率为2.2%。按物流业全要素增长率排序,广东、云南、湖北、河北等23个省份物流业全要素生产率大于1;广西、安徽、陕西的技术进步效率下降,贵州、北京、黑龙江的技术效率低于1,宁夏的技术效率与技术进步率均小于1。将各省物流业Malmquist相关指数变化绘制成折现图,如图1所示,从各指数变化趋势对比来看,全要素生产率增长趋势在大部分省份与技术进步效率保持着相同的变化规律,一定程度上说明全要素生产率进步是技术进步的积极影响。

3.2 数字经济发展水平测度

基于熵值法,测算出2014—2022年我国30个省(市、区)的数字经济发展水平,具体结果如表5所示:

基于熵值法,测算出我国30个省(区、市)的数字经济发展水平,具体结果见表5,从发展平均值来看,广东、江苏、北京、山东、浙江、上海等数字经济水平排在前列,这些地区处于东部沿海位置,具有较强的产业基础与经济实力,贸易发达,数字经济基础设施更加完善,从而整体评价值更高。从东部沿海向西部内陆地区,数字经济综合评价指数逐级递减。西北地区的甘肃、青海、宁夏、新疆数字经济综合水平相对较低,但是该地区数字经济发展增速较快,其中青海、甘肃成为除安徽外增长最快的区域。从时间维度来看,2014—2022年数字经济综合水平逐年上升,除辽宁外,各省年均增长率均大于0,增长态势明显。

3.3 影响分析

基于Stata15软件,实证研究得到数字经济对物流产业效率的整体影响效应。为了更准确地分析数字经济对物流产业效率的影响,选取经济发展、政府干预、产业结构升级与人力资本作为控制变量。经济发展水平用人均GDP衡量,记为eco,政府干预用财政支出占地区生产总值比重衡量,记为gov,产业结构升级用第三产业增加值与第二产业增加值的比重表示,记为idu,人力资本水平为高等学校在校生人数占总人数的比重,记为edu。以物流业全要素生产率logis_tfp、技术效率logis_eff与技术进步logis_tech分别作为被解释变量,构建模型如下:

logis_tfp=α+βdig+δlneco+δidu+δedu+δgov+ε

logis_eff=α+βdig+δlneco+δidu+δedu+δgov+ε

logis_tech=α+βdig+δlneco+δidu+δedu+δgov+ε

运用Stata15软件进行Tobit回归,结果如表6所示。

结果显示,数字经济发展水平对物流业全要素生产率与技术进步存在显著正向影响,对技术效率的回归系数为0.056 3,但未通过显著性检验。数字经济使用数字化的知识和信息作为重要生产要素,提供先进的信息技术工具,以数据驱动决策,有效的提高了产业效率与技术进步。

此外,产业结构对物流业全要素生产率与技术效率的影响通过了显著性检验且相关系数为负数。产业结构升级理论上对物流业全要素生产率起到提升作用,但可能存在资源重新配置效率不高的问题,也可能是技术效率不同步,物流产业的数字化和信息化进程不及第三产业的整体水平。

其他变量对物流产业相关效率的影响不显著。其中人力资本水平的回归系数值较大,分别是0.609,-0.405,1.047。高等教育与专业人才队伍能够更好的创新和应用新技术和管理,从而提升物流业全要素生产率和技术进步率,但物流业中很多基础性的工作在目前来看并不需要高等教育学历人才完成,高学历人力资本的相对高成本可能在物流环节并没有有效转化为效率的提升,从而限制了技术效率。

4 主要结论与对策建议

4.1 主要结论

通过对数字经济发展水平测算,除个别区域,各省数字经济发展综合水平逐年上升,且增长态势明显。数字经济发展水平的区域差异明显,经济实力强、产业基础好的东部沿海地区数字经济发展水平较高,由东向西逐级递减,西北地区虽然数字经济基础较差,但数字经济发展增速较快。通过物流业相关效率测算,在2014—2022年期间,各省物流业全要素生产率整体提升,技术进步是主要推动力,技术效率也有小幅的增长,然而规模效率出现了下降,可能是物流产业经过快速发展阶段后出现了边际效益递减。通过Tobit回归分析发现数字经济对物流业全要素生产率与技术进步有显著正向影响,但对技术效率的直接影响不显著。产业结构升级对物流业全要素生产率有负面影响,可能是由于资源重新配置效率不高或技术效率不同步所致。人力资本水平对物流效率的影响复杂,高等教育与专业人才队伍能推动创新和新技术应用,但高学历人力资本的相对高成本可能并未有效转化为物流环节的效率提升。

4.2 对策建议

基于以上结论,提出以下对策建议:(1)完善数字化基础设施,加强数字经济发展。继续在全国范围内,特别是中西部地区,加强数字经济基础设施建设,缩小区域差异,提升数字经济发展水平,以促进物流业的技术进步和全要素生产率提升。(2)优化物流资源配置,提升物流信息化水平。针对产业结构升级带来的资源重新配置效率问题,通过政策引导和市场机制,促进物流产业结构升级,优化资源配置,以充分发挥产业结构升级的正面效应,鼓励并支持物流企业引进和应用先进的数字化技术,通过数据驱动决策,提高全要素生产率和技术进步率。(3)人才应用适度,鼓励高层次创新。对于基础工作人员,注重实际操作技能和专业知识的结合,加强培训与基础技能提升,避免高学历人力资本的浪费,同时注重高层次人才培养,推动创新和新技术的应用,提高物流业整体效率。(4)促进区域合作,形成优势互补。东部沿海地区应与中西部地区加强合作,分享先进的数字经济和物流技术经验,共同推动全国物流业的持续与高质量发展。通过政策引导发挥不同地区的地理、产业、人才与技术的优势,提升整体技术效率和物流业全要素生产率。

参考文献:

[1] 李长江. 关于数字经济内涵的初步探讨[J]. 电子政务,2017(9):84-92.

[2] 刘宏松,程海烨. 跨境数据流动的全球治理——进展、趋势与中国路径[J]. 国际展望,2020,12(6):65-88,148-149.

[3] 郭吉涛,梁爽. 数字经济对中国全要素生产率的影响机理:提升效应还是抑制效果?[J]. 南方经济,2021(10):9-27.

[4] 陈晓东,杨晓霞. 数字经济发展对产业结构升级的影响——基于灰关联熵与耗散结构理论的研究[J]. 改革,2021(3):26-39.

[5] 温珺,阎志军,程愚. 数字经济与区域创新能力的提升[J]. 经济问题探索,2019(11):112-124.

[6] 马中东,宁朝山. 数字经济、要素配置与制造业质量升级[J]. 经济体制改革,2020(3):24-30.

[7] 何雷华,王凤,王长明. 数字经济如何驱动中国乡村振兴?[J]. 经济问题探索,2022(4):1-18.

[8] 罗瑞,王琴梅. 中国城市数字经济对物流业高质量发展的影响[J]. 城市问题,2022(6):35-46.

[9] 蒋树雷,张臻. 数字经济发展与物流业产业升级——基于创新机制的检验[J]. 商业经济研究,2020(22):84-87.

[10] 谢欣雨,王健. 中国物流业与数字经济融合水平的区域差异及动态演进[J]. 调研世界,2023(2):33-46.

[11] 褚晓琳,贾扬帆,武晓婷. 基于投入产出技术的物流业数字化程度测度[J]. 统计与决策,2024,40(1):86-90.

[12] 黄敦平,朱小雨. 我国数字经济发展水平综合评价及时空演变[J]. 统计与决策,2022,38(16):103-107.

[13] 许宪春,张美慧. 中国数字经济规模测算研究——基于国际比较的视角[J]. 中国工业经济,2020(5):23-41.