| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 经济/产业 |
［提要］ 运用DEA模型以及Malmquist指数对长江三角洲16市2002-2011年的物流效率进行静态和动态分析，并利用Tobit回归模型评价物流效率与其影响因素之间的相关程度。结果表明：物流效率静态分析得出长三角16市物流效率发展不平衡；物流效率动态分析得出长三角16市物流效率的增长全部来自技术进步的推动。Tobit回归表明:物流效率与经济发展水平、对外市场开放程度和物流服务水平呈正相关，与物流资源利用率呈负相关。
关键词：物流效率；Malmquist指数；DEA模型；Tobit回归；长江三角洲
中图分类号：F127 文献标识码：A
原标题：对长江三角洲物流效率及其影响因素的实证研究
收录日期：2015年3月11日
一、引言
长江三角洲是世界六大城市圈之一，是中国目前经济实力最雄厚，现代物流业最具竞争力的区域。“十一五”以来，长三角各城市都把发展现代物流业作为发展本地经济的战略目标。长三角主要包括三个物流圈：一是上海物流圈，以上海为中心包括苏州、无锡、南通、嘉兴和湖州等城市；二是南京物流圈，以南京为中心包括镇江、扬州、常州和泰州等城市；三是杭甬物流圈，以宁波、杭州为中心包括绍兴、舟山等城市。最近7年间长江三角洲港口货物吞吐量增长接近3倍，2012年已运营、建成和在规划中的物流园区有139个，是珠江三角洲物流园区数量的1.68倍，占全国物流园区总数的18.43%。目前世界500强中的大部分企业开始实行战略转移，将采购和研发中心转移到长江三角洲，从而为长三角物流业的发展带来良好的机遇。然而现阶段我国物流产业盲目投资，运行效率偏低，与国外发达国家相比仍有较大的差距。本文借助DEA模型以及Malmquist指数对长江三角洲物流效率进行静态和动态评价，并运用Tobit回归模型评价物流效率值与各影响因素之间的相关程度，旨在为长三角今后物流业的发展提供一定的理论指导。
二、理论模型和数据来源
数据包络分析（DEA）最初是由美国著名运筹学家Charnes、Cooper和Rhodes于1978年在“相对效率评价”概念基础上提出的一种效率评价方法。基于DEA模型研究投入产出效率分析方面，国内学者王琴梅等基于DEA模型分析了西安市2003～2010年物流效率，建立Tobit回归模型考察影响因素与物流效率之间的相关程度。许新宇等运用DEA方法和Malmquist指数，对甘肃省2004～2010年间的城市效率静态和动态变化进行分析。付丽娜等运用超效率DEA方法测算2005～2010年长株潭“3+5”城市群的生态效率，接着利用Malmquist-DEA模型分析生态效率的动态变化，最后建立Tobit模型评价不同因素对生态效率的关联程度。颜波等基于环境因素角度（绿色供应链环境），运用C2R和超效率DEA模型，对供应商进行定量分析。方爱平等运用DEA模型对西部地区的12个省区的科技效率进行分析，分析表明各省区的科技投入产出效率大体一致，但与经济发达的东部沿海地区相比仍有较大差距。
本文首先分析长江三角洲16城市物流的静态效率，选用BCC模型来评价物流纯技术的有效性和城市物流规模收益变化情况，将CCR模型中综合效率分解为纯技术效率和规模效率，其中综合效率=纯技术效率×规模效率。接着分析长江三角洲16城市物流的动态效率，选用Malmquist-DEA模型（Malmquist指数最早由Malmquist Sten提出，Caves等于1982年将其运用到生产率变化的计算）得到长三角16城市2002～2011年的综合技术效率、技术效率、纯技术效率、规模效率以及全要素生产率。其中，全要素生产率=综合技术效率×技术效率，综合技术效率=纯技术效率×规模效率。因此，Malmquist指数可表示为：
M■（x■，y■，x■，y■）
=■×■×■■
＝Techch×Effch=Techch×Pech×Sech （1）
其中，（x■，y■）和（x■，y■）分别表示t和t+1时期的物流投入和产出量；D■■和D■■分别表示以t和t+1时期的距离函数式，若指数值Mv＞1，表示由t到t+1期效率有所提高；Mv=1表示t到t+1期效率水平没有发生变化；Mv＜1表示t到t+1期效率有所下降。
DEA主要是对多个同类样本进行相对优劣的比较，因此必须选择同类型的DMU，而选取DMU就是确定决策单元和评价指标的过程。本文在参考以上研究基础上，选取长江三角洲16市的交通运输仓储邮政业从业人数、公路里程数、交通运输仓储邮政业从业人数占总从业人员比例、货运总量和人均货运量作为输入变量，选取生产总值、邮政业务总量和社会消费品零售总额作为输出变量，基于DEA模型对长江三角洲进行物流效率分析，以上数据来自2003～2012年《中国城市统计年鉴》。
三、实证分析
（一）物流绩效静态评价。由上述DEA模型，计算出2005年、2008年和2011年长三角16市的物流综合效率、纯技术效率和规模效率。
1、这3年物流综合效率不高，只有少数城市物流综合效率达到最优。2005年、2008年和2011年长三角16市物流平均综合效率分别为0.861、0.862和0.783。2005年上海、无锡、苏州、南通、泰州、宁波、嘉兴和绍兴8市物流综合效率值为1，达到了DEA模型CCR有效，其中舟山物流综合效率最低（0.475）。2008年DEA有效的城市分别为上海、苏州、南通、扬州、嘉兴和绍兴，而舟山的综合效率均为最低（0.483）。2011年DEA有效的城市分别为上海、苏州、嘉兴和绍兴，而舟山的综合效率均最低（0.469）。
2、物流综合效率和规模效率达到最优的城市数量远远少于物流纯技术效率达到最优的城市数量。2005年、2008年和2011年长三角物流纯技术效率达到最优的城市数量分别为13个、12个和9个，分别比物流综合效率和规模效率达到最优的城市数量高出5个、6个、5个。其中，上海、苏州、常州等城市各要素组合达到了最优（物流纯技术有效值为1）；南京、杭州、台州等城市物流纯技术效率值小于1，均未达到有效，说明这些城市物流要素分配不合理，仍需进一步改进和完善。
3、物流规模效率达到最优的城市数量较少，并且数量呈现逐年递减趋势。2005年、2008年和2011年长三角分别只有8个、6个和4个城市物流规模效率达到最优，且物流规模效率达到最优的城市其物流综合效率也同时达到最优。从规模效应角度来看，上海、苏州、嘉兴和绍兴（物流规模效益不变）应该保持城市现有物流资源的分配和物流规模，而南京、南通、杭州和宁波（物流规模效益递减）应该利用城市物流规模效应，进一步扩大城市物流发展规模，其余城市（物流规模效益递增）则应该减少物流资源要素的投入，合理缩小城市物流发展规模，避免城市物流资源的浪费。
（二）物流绩效动态评价
1、纵向分析。2002～2011年长三角16市全要素物流效率TFP值增长率均大于1，年平均增长率为9.9%，对年均增长率进行分解可知只有技术效应年均增长率在上升（11.5%），其余效应都在下降。其中年均物流综合技术效率下降1.5%，年均纯技术效率下降0.8%，年均规模效率下降0.7%。因此，长江三角洲16城市物流效率的增长均来源于物流产业技术的快速发展。从城市角度来看，苏州、嘉兴、台州、杭州、湖州、宁波、无锡、上海、南京增长最快，其TFP增长率分别为23%、15.2%、13.9%、13.3%、12.5%、11.9%、10.8%、10.4%、10%，均高于年均值。特别是台州本身虽然物流效率偏低（综合技术效应和规模效应都低于年均值），但是增长速度很快，进步明显。南通物流效率的年均增长率是最低的，只有1.8%，低于年平均值8.1%，但其本身规模效应（0.996）高于年平均水平（0.993），所以仍有较大的发展提升空间。从物流效率进步角度来看，主要得益于物流的技术进步，推动物流效率的提升。技术效应增长率最快的是苏州、台州、嘉兴、杭州，分别为23%、15.7%、15.2%、14.6%，超过年均值11.5%、4.2%、3.7%、3.1%。综合技术效率和纯技术效率对TFP增长幅度影响最为显著，有5个城市综合技术效率达到1，其余城市都低于1。其中，南京下降3.4%，无锡下降1.9%，常州下降2.3%，南通下降2.3%，扬州下降2.3%，镇江下降2.8%，泰州下降3.9%，杭州下降1.1%，湖州下降0.5%，舟山下降1.8%，台州下降1.5%。纯技术效率达到1的城市有9个，其余城市均小于1。其中南京下降3.8%，无锡下降0.8%，常州下降3.4%，南通下降2%，镇江下降1.9%，杭州下降1.5%，台州下降0.5%。
2、横向分析。2002～2011年物流效率TFP增长率经历多次波动，处于低位震荡状态，2002～2003年为极小值（4.4%），2005～2006年为极大值（14.5%），年平均TFP增长率为9.9%，发展总体呈现下降趋势。物流效率增长可以分为两个阶段：2002～2007年的快速增长阶段和2007～2010年的缓慢增长阶段。2002-2007年物流效率TFP增长率分别4.4%、14.5%、10.9%、14.6%、13.9%，增长迅速。2007～2011年物流效率TFP增长逐渐放缓，增长率分别为8%、11.2%、4.9%、7.6%。（1）2002～2005年长三角城市物流综合技术效率、规模效率均小于1，技术效率、纯技术效率和全要素物流效率均大于1，其中城市综合技术效率的下降源于规模效率的下降，全要素物流效率上升源于技术进步的推动；（2）2005～2008年长三角城市综合技术效率、技术效率和规模效率均有所上升（均大于1），其中技术效率变化幅度最小，规模效率变化幅度最大；纯技术效率下降（小于1），但城市物流综合技术效率出现上升的趋势，是由于规模效率增长幅度大于纯技术效率下降幅度。由于物流综合技术效率和技术效率的上升导致该时期全要素物流效率指数上升；（3）2008～2010年长三角纯技术效率和规模效率均小于1，其中规模效率下降幅度小于纯技术效率下降幅度，两者同时下降导致城市物流综合技术效率呈现出下降的趋势。同时，该时期技术效率有所退步，导致全要素物流效率增长幅度有所下降。但是相比于技术效率和纯技术效率变动，规模效率变动对TFP增长和综合效率影响更加显著；（4）2002～2011年长三角城市综合效率、纯技术效率和规模效率均小于1，只有技术效率大于1，说明该时期技术进步是长三角物流效率增长的主要原因，而综合技术效率降低、纯技术退步和规模效率都呈现下降趋势（均值小于1），其中纯技术效率为0.992，下降0.8%，表明目前长三角物流产业投资过热，投资效率不高，在一定程度上制约物流效率的增长。
四、影响长江三角洲物流效率的因素分析
通常情况下用DEA模型计算所得的效率值是离散的，并且数据会被截断，数值在0～1之间。如果直接使用普通最小二乘法（OLS）进行回归分析，会出现参数估计值有偏且不一致的情况，因此为了避免此类问题的发生，1958年Tobit提出极大似然法的截取回归模型，该方法考虑了面板数据的特点，计算更加准确。虽然上文已计算出长三角各个城市的物流效率值，但是影响物流效率值的因素以及影响大小程度仍然有必要进行研究。影响长江三角洲物流效率的因素有很多，本文选取了：①经济发展水平（X1）：用第三产业GDP/GDP总产值来衡量；②物流资源利用率（X2）：用人均公路里程、人均货运量、地均货运量和人均固定资产投资等指标，运用主成分分析法计算各指标权重，加权计算各城市物流资源利用率值；③对外开放市场程度（X3）：用当年实际引进外资额/GDP总产值来表示；④物流服务水平（X4）：用交通运输仓储邮政业从业人数/总从业人数来衡量。
以上述4个基本因素作为自变量，建立Tobit回归模型为：
Efficencyit=c+?琢1X1it+?琢2X2it+?琢3X3it+?琢4X4it+?着
式中，c表示常数项；?琢１、?琢２、?琢３、?琢４表示各个自变量的回归系数；i表示第i个城市，t表示年份；?着表示回归所产生的误差；Efficencyit表示第i个城市t年份的物流效率值；X1it表示第i个城市在t年份第三产业GDP所占比重；X2it表示第i个城市在t年份物流资源利用率；X3it表示第i个城市在t年份对外市场开放程度；X4it表示第i个城市在t年份物流服务水平。本文采用Eviews6.0对上述所建立的Tobit模型进行回归，结果如表1所示。（表1）
回归结果说明：（1）长江三角洲经济发展水平与物流效率呈高度正相关，系数为1.588324，相关度较显著，经济水平每增长1个单位，物流效率就会相应提高1.588324个单位，说明现阶段长三角经济发展水平对物流效率具有促进作用，并且促进效果显著，尤其是第三产业的发展能很快带来物流效率的提高；（2）长江三角洲的物流资源利用率与物流效率呈高度负相关，系数为-1.863221，说明物流资源利用率每增加1个单位，物流业效率就将降低1.863221个单位，物流资源利用率的增加并没有带来区域物流水平的提高，表明现阶段长三角城市物流资源要素利用率不高，配置不合理。尤其是发达地区过分追求经济发展速度，忽视经济发展的质量，单靠传统的物流运作模式，过度依赖货运总量数量和规模的增加，只会增加物流基础设施运作的负担，并不能提高物流效率；（3）长江三角洲的对外市场开放程度与物流效率呈正相关，系数为0.796286，说明对外市场开放程度每提高1个单位，物流业效率就将提高0.796286个单位，从另一个方面也反映了积极引进外资和加大对外开放程度可以为物流产业发展注入新鲜活力，促进物流效率的增长；（4）长江三角洲的物流服务水平与物流效率呈高度正相关，系数为4.798607，表明长三角城市物流从业人员比例每提高1个单位，物流业效率将提高4.798607个单位，物流从业人员素质和服务水平是影响物流效率的重要原因，对物流效率的提高有较大促进作用，因此现阶段必须提高物流信息化水平建设和加大物流人才的培养力度。
五、总结
本文基于2002～2011年长江三角洲16个城市面板数据，利用DEA模型和Malmquist指数对城市物流效率进行静态和动态分析，得出如下结论：
1、2005年、2008年和2011年长三角16市这3年物流综合效率不高，只有少数城市物流综合效率达到最优，物流综合效率和规模效率达到最优的城市数量远远少于物流纯技术效率达到最优的城市数量，物流规模效率达到最优的城市数量较少，并且数量呈现逐年递减趋势。
2、通过对16城市平均Malmquist指数的分解，发现城市物流效率发展不平衡，有6个城市低于平均水平。2002～2011年长三角16市全要素物流效率TFP值增长率均大于1，年平均增长率为9.9%，对年均增长率进行分解可知只有技术效应年均增长率在上升（11.5%），其余效应都在下降。因此，长江三角洲16城市物流效率的增长均来源于物流产业技术的快速发展。2002～2011年长三角城市综合效率、纯技术效率和规模效率均小于1，只有技术效率大于1，说明该时期技术进步是长三角物流效率增长的主要原因，而综合技术效率降低、纯技术退步和规模效率都呈现下降趋势，其中纯技术效率为0.992，下降0.8%，表明目前长三角物流产业投资过热，投资效率不高，在一定程度上制约物流效率的增长。
3、通过Tobit模型分析影响长江三角洲物流效率的因素，从而得出经济发展水平、对外市场开放程度和物流水平与物流效率呈正相关，而物流资源利用率与物流效率呈显著负相关的结论。
因此，首先要发展地区经济水平（尤其是第三产业），有助于改善物流效率，但发展过程中不能片面追求经济发展速度，更要注重经济发展的质量，不能单靠传统的物流运作模式，过度依赖货运总量数量和规模的增加，这样只会增加物流基础设施运作的负担，并不能提高物流效率，必须对物流产业结构转型和升级，合理建立现代化高新物流园区；其次，政府和企业要加大资金投入力度，提高物流信息化技术和专业物流人才的培养，提高物流服务水平；最后，积极引进外资，加大对外开放力度，同时对城市物流资源规划与建设进行协调，避免大量的重复建设，提高物流资源利用率，减少物流资源的浪费。
（作者单位：江南大学）
主要参考文献：
［1］沈玉芳，王能洲，马仁锋，张婧，刘曙华.长三角区域物流空间布局及演化特征研究［J］.经济地理，2011.31.4.
［2］中国物流与采购联合会.中国物流学会第三次全国物流园区（基地）调查报告［J］.物流技术与应用，2012.18.
［3］Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units［J］.European Journal of Operational Research，1978.2.6.
［4］王琴梅，谭翠娥.对西安市物流效率及其影响因素的实证研究——基于DEA模型和Tobit回归模型的分析［J］.软科学，2013.27.5.
［5］许新宇，陈兴鹏，崔理想.基于DEA和Malmquist模型的甘肃省城市效率及其变化［J］.干旱区资源与环境，2013.27.9.
［6］付丽娜，陈晓红，冷智花.基于超效率DEA模型的城市群生态效率研究——以长株潭“3+5”城市群为例［J］.中国人口•资源与环境，2013.23.4.
［7］颜波，石平.基于超效率DEA模型的绿色供应链环境下供应商评价与选择［J］.统计与决策，2013.13.
［8］方爱平，李虹.基于DEA模型的西部区域科技投入产出效率分析——以西部大开发12个省、市、自治区为例［J］.科技进步与对策，2013.30.15.
［9］马占新，马生昀，包斯琴高娃.数据包络分析及其应用案例［M］.北京：科学出版社，2013.
［10］雷勋平，Robin Qiu，刘思峰.基于DEA的物流产业效率测度实证研究——基于我国31个省、市、自治区2008年投入产出数据［J］.华东经济管理，2013.30.15. |
|
|
|
