基于Malmquist指数的区域物流业技术进步与技术效率测度——安徽省2003—2010年的实证分析

雷勋平，吴 杨，龚月琴，陈兆荣

(1.铜陵学院工商管理系，安徽铜陵244000;2.南京航空航天大学经济与管理学院，南京210006;3.苏州旅游与财经高等职业技术学校，江苏苏州215000)

自2009年国务院常务会议审议并通过物流业的调整振兴规划以来，被视为“第三利润源”和经济发展“加速器”的物流业受到了前所未有的高度重视，各级政府都纷纷出台物流业发展规划，大力发展区域物流。《中华人民共和国国民经济和社会发展第十二个五年规划纲要》再次强调:“加快建立社会化、专业化、信息化的现代物流服务体系，大力发展第三方物流，优先整合和利用现有物流资源，加强物流基础设施的建设和衔接，提高物流效率，降低物流成本。优化物流业发展的区域布局，支持物流园区等物流功能集聚区有序发展。推广现代物流管理，提高物流智能化和标准化水平。”鉴于此，省市地方政府纷纷加大物流基础设施的投资力度，将发展物流业上升到省市综合竞争力的战略高度并加以重视。与此同时，学术界也开始关注物流业生产效率问题并展开研究。余泳泽等［1］利用随机前沿生产函数测算了中国物流产业的效率，并考察了物流资源利用率、地区制度变迁、区位优势等因素对我国物流产业效率的影响;田刚等［2］基于1999—2006年中国30个省区市物流业面板数据，运用DEA－Malmquist方法，对中国物流业全要素生产率进行了实证分析;樊敏［3］分别以长三角、辽中南、武汉和成渝为研究对象，将物流业提升作为切入点，运用DEA－BCC等方法实证分析了城市群物流产业运作效率;李南等［4］以1991—2007年中国大陆29个省级地区面板数据为基础，采用外生性影响因素与随机前沿生产函数模型联合估计的方法，测算了中国各地区物流业技术效率，考察了人力资本、制度、政府干预、开放程度及产业结构等环境因素对物流业技术效率的影响;刘秉镰等［5］采用数据包络分析模型和托宾模型，利用省际面板数据对我国物流业地区间效率及其影响因素进行了分析。

以往文献为本文研究奠定了一定的基础，但存在以下不足:(1)立足产业层面分析物流效率的文献较多，从区域层面探讨物流效率的文献偏少;(2)大多数文献仅关注物流业效率值，进一步定量分析和深入挖掘物流业效率影响因素的文献尚不多见;(3)尽管有些文献对效率值进行了测度，但针对省域特别是安徽省物流业生产率展开研究的文献很少。为此，本文以安徽省物流业为研究对象，运用DEA－Malmquist指数法，通过对区域物流业全要素生产率进行分解，深入研究安徽省物流业技术效率差异并对其原因进行详细阐述。

1 测度模型与数据处理

1.1 数据包络分析法

数据包络分析(Data Envelopment Analysis，简称DEA)是由美国著名运筹学家、得克萨斯大学教授查恩斯(A.Charnes)、库伯(W.W.Cooper)和罗兹(E.Rhodes)于1978年在“相对效率评价”概念基础上发展起来的一种新的系统分析方法，并创立了第一个 DEA 模型——CCR 模型［6－9］，主要用来评价部门间的相对有效性。为了正确估计“有效的生产前沿面”，R.D.Banker、A.Charnes和 W.W.Cooper提出了C2GS2的DEA模型，以此来评价决策单元的纯技术有效性。［10－13］CCR 模型是 DEA 最基本的模型，该模型以数学规划为工具，综合分析评价对象的多元投入—产出指标，并通过线性优化得出每个指标的最优权重和每个评价对象的相对效率。

DEA模型按计算方向分为投入主导型和产出主导型，具有共同的经济学本质，但关注点各不相同。鉴于本文的研究目的:通过研究安徽省物流业全要素生产率以达到合理规划物流、合理利用资源的目的，即在保证产出不变的情况下，减少资本和劳动力的投入。因此，选择基于投入主导型的DEA方法。

1.2 Malmquist指数

Malmquist生产率指数由Malmquist首先提出，主要是通过距离函数的比值来表示投入指数。此后，Fare、Grosskopf、Lndgren 和 Ross借助 Fisher理想指数的思路，构造了从t期到t+1的Malmquist生产率指数 M(χt+1，уt+1，χt，уt)，以此客观评价技术效率变动、技术进步和全要素变动之间的关系。［14］

其中:Dt(χt，уt)，Dt(χt+1，уt+1)分别表示以 t期的技术为参考(即以t期的数据为参考集)时，t期和t+1期的决策单元的距离函数;Dt+1(χt+1，уt+1)和Dt+1(χt+1，уt+1)含义类似。

Fare在VRS的假设下，将Malmquist生产率指数分解为技术效率变化(Effch)和技术变化(Techch)，其中技术效率变化指数又可进一步分解为纯技术效率变化指数(Pech)和规模效率变化指数(Sech)。因此，公式(1)可以分解为:

M(χt+1，уt+1，χt，уt)＞1 表示全要素生产率水平提高，反之则表示生产率降低;Techch表示从t期到t+1期的技术生产边界的推移程度，即技术效率变化指数，也称之为“前沿面移动效应”，且Techch＞1表示技术进步，反之表示技术停滞或衰退。［15］Effch表示从t期到t+1期的相对技术效率的变化程度，即技术进步指数，也称之为“追赶效应”，且Effch＞1表示DMU在t期到t+1期前沿面的距离相对于t期到t+1期的前沿面的距离较近，相对效率提高，反之表示相对效率降低。Pech＞1则表示组织管理水平得到了改善，促使效率发生变化;反之则表示组织管理水平低，在一定程度上影响或阻碍了效率的提高。Sech＞1表示从长期来看，DMU正在向最优规模靠近;反之则远离最优规模。

1.3 变量选择与数据处理

根据口径统一和可比性原则，结合《中国物流年鉴》的统计方法，考虑数据的可得性和实证研究需要，参考文献［1－5］，选取物流业固定资产投资(以交通运输、仓储和邮政业固定资产投资表示，单位:万元)作为资本投入量指标;就劳动力投入而言，指生产过程中实际投入的劳动量，用标准劳动强度的劳动时间来衡量。［2］鉴于我国物流业水平较低，目前基本属劳动力密集型行业，因此选择安徽省各市历年物流业从业人员数(以交通运输、仓储和邮政业从业人数表示，单位:万人)作为劳动投入量指标;关于物流业产出，没有统一的统计和计量标准，当前一般用两种形式表示:基于价值形态的物流业产值或增加值和基于实用形态的货运量或货物周转量。以往文献多采用交通运输、仓储和邮政业增加值表示区域物流业产出状况，本文也将采用这一指标作为安徽省物流业产出的衡量指标。本文所用数据主要来源于:《安徽统计年鉴》(2003—2010年)、安徽省各市历年国民经济和社会发展统计公报(2003—2010年)和《中国物流年鉴》(2010年)。

2 实证结果及分析

2.1 安徽省物流业全要素生产率变动总体分析

基于产出导向的Malmquist生产率指数模型和处理后的投入产出数据，运用DEA软件(DEAP2.1)进行分析，得到实证结果(见表1和表2)。

表1 安徽省历年平均Malmquist生产率指数及其分解(2003—2010年)

从表1可以看出，2003—2010年间，安徽省物流业技术进步平均增长20.9%，和全国水平十一五初期12.3%的水平［2］相比，表现出较高的增长趋势;而技术效率平均下降0.3个百分点，但水平也好于全国平均水平。由于技术进步的增长作用远远大于技术效率下降的作用，所以，在考察期间，安徽省物流业TFP的平均增长率仍保持在20.6%的较高水平，超过全国十一五初期增长速度的2倍多，同时也反映出全要素生产率对技术进步的高度依赖性。

分析发现，2003—2010年间，安徽省物流业技术进步的原因如下:(1)新的经济周期催生大量物流需求。自十五以来，我国发展进入新的经济周期，加快了安徽省工业化和城镇化的发展速度，安徽省处在新的消费结构和产业结构调整过程中，企业生产和居民消费使得物流需求强劲，催生大量的物流需求;(2)政策的支持促进物流业发展。安徽省先后出台了《安徽省沿江城市群“十一五”经济社会发展规划纲要》和《安徽省现代物流发展规划》等系列文件及优惠政策，并投入大量资金用于物流基础设施建设和人力资源开发等方面，取得了一定的技术创新成就;(3)低碳经济迫切要求政府、企业和社会大力发展物流。21世纪是低碳经济的时代，物流业属于完全的绿色产业，因此，政府、企业和社会在大力发展物流业的同时，也注入大量的资金进行技术创新，如物流信息平台的搭建、企业物流系统的研发等，均提高了物流业技术创新的效率。此外，随着经济全球化格局形成，加之安徽省的一些优惠政策，吸引了大量的外商投资，FDI带来的技术溢出效应在安徽省物流业技术进步也起到了一定的作用。

通过将技术效率分解为纯技术效率和规模效率做进一步分析，纯技术效率指数平均增加10.4个百分点，规模效率指数下降1.7个百分点，使得技术效率变化指数下降，且规模效率指数变化趋势与技术效率变化指数变化趋势基本相同，这也从另一个角度反映了安徽省当前物流业技术效率的变化主要依赖于物流业规模的扩张。从本文选取的指标来看，安徽省物流业还处于从孕育期向发展期过渡，主要通过物流业固定资产投资维持物流业发展，缺乏物流人才，使得物流业技术效率偏低。同时，凸显出中国发展物流业的通病:以牺牲环境和效率为代价的盲目扩张。

表1还表明，安徽省物流业存在规模无效率的现象。导致这一现象的原因有三:第一，体制僵化。合作是物流业发展的永恒主题，部分政府和企业完全按照当前的行政区划发展物流业，存在重复建设、规模分散等问题，僵化的体制和运作机制极大程度阻碍了物流业的发展，这也是安徽物流业规模无效率的原因之一;第二，第三方物流意识单薄，致使物流社会化程度低。当前很多企业缺乏物流意识和物流观念，仍停留在计划经济时代，第三方物流意识缺失，社会需求不旺也使得社会物流发展缓慢;第三，“小而全，大而全”现象仍旧存在。当前有些企业无论规模大小，尽管都拥有比较完备的物流服务体系，但效率却不高。

2.2 安徽省物流业全要素生产率变动区域差异分析

表2对安徽省2003—2010年间各市的物流全要素生产效率进行了分解。

研究发现，阜阳、淮南和滁州 3个市的Malmquist指数小于1，其中:阜阳市源于技术恶化，滁州市源于技术效率的降低，淮南市则是技术恶化和技术效率降低共同作用的结果。另外14个城市的Malmquist指数均大于1，其中:芜湖、亳州、宿州、巢湖、宣城、池州和安庆Malmquist指数的提高归因于技术进步和技术效率提高共同作用的结果，其他7个城市均受益于技术进步。

表2 安徽省各市物流业平均Malmquist生产率指数及其分解(2003—2010年)

为了研究的需要，并结合安徽省行政区划、经济发展等因素，将安徽省大致划分为皖江城市带、皖西、皖北和江淮四大区域。通过四大区域物流Malmquist指数及其构成部分进行比较，可以得出下列结论:(1)2003—2010年间，皖江城市带、皖西、江淮和皖北的物流业TFP依次递减，且有14个城市Malmquist指数大于1，反映出随着“中部崛起”的实施，国家加大了对中部省份的投资力度，使得安徽省物流基础设施日益完善，同时，皖江城市带承接产业示范区也在不同程度上对物流业技术进步起到了积极作用，两者共同作用提升了安徽省的物流业生产率;(2)皖江城市带技术进步指数最高，皖西和江淮次之，皖北最低，且基本都大于1。其中，皖江城市带占据了前10名的7个名次，最高的合肥市技术进步指数高达1.498，充分说明安徽省在大力倡导“自主创新”的同时，还非常重视将模仿创新、引进创新与自主创新有机结合，最终提升技术创新能力，促进技术进步;(3)皖江城市带纯技术效率较高，普遍高于其他区域。根据文献［16］，纯技术效率主要受技术使用效率的影响，从研究中可以说明两点:第一，皖江城市带物流业相关人员管理水平高;第二，由于皖江城市带的区位优势和经济水平优势，集聚了安徽省大部分物流人才，从而提升了纯技术效率;(4)考察期间，有三大区域规模效率指数和纯技术效率都大于1，因此彰显了物流业在国民经济中的重要地位，安徽省各市也在逐步加大对物流基础设施与物流人才培养的投资力度，促进了物流业整体管理水平的提高和物流业从业人员综合素养的提升，且逐步完善物流基础设施，扩大物流业发展规模。

2.3 安徽省物流业技术效率改进分析

为进一步了解安徽省各市物流业规模收益的状况，以安徽省2010年各市的物流业投入产出数据，分析和探讨在维持产出不变的情况下，如何对投入要素进行改进。运用DEAP2.1软件运行和分析结果见表3。

表3 安徽省2010年各市物流业技术效率及其改进

2010年，安徽省物流业规模效率达到0.793，平均水平有待进一步提高;纯技术效率为0.672，平均水平偏低，导致全省物流业技术效率仅为0.528，物流业技术水平总体偏低;规模报酬方面，合肥、亳州、宿州、阜阳、六安、巢湖、芜湖7个城市处于规模报酬递减阶段，宣城和池州两市处于规模报酬不变阶段，其余8个城市处于规模报酬递增阶段，可以通过扩大规模提高物流业技术效率。

从表3还可以得出安徽省在维持2010年物流业产出水平下物流业固定资产投资和物流业从业人员两投入要素的节约程度。总体来看，投入冗余现象比较明显，即存在明显的资源浪费。其中，DEA技术无效的各市物流业固定资产投资和物流业从业人员的平均改进程度分别达到32.81%和33.12%，表明在节约资源方面还有很大的空间。比较发现，经济越发达的城市平均资源浪费越少，经济欠发达的城市资源浪费较严重，这也从另外一个侧面反映了区域物流业与区域经济增长之间的良性互动关系。［17］

3 结论与建议

本文运用基于DEA的非参数Malmquist指数方法，对安徽省 2003—2010年各市物流业Malmquist生产率指数进行跨期动态分解，较为详细地探究了近8年内安徽省物流业TFP增长原动力与区域差异的原因。研究结论如下:

(1)安徽省物流业全要素生产率年平均增长率保持在20.6%的较高水平，主要得益于安徽省物流业技术进步年平均增长率20.9%，由此判断，技术进步是决定全要素生产率及其增长的重要因素，而各市相对于生产前沿的技术效率的衰退在一定程度上阻碍了TFP的增长。值得注意的是，近8年内，安徽省物流业全要素生产率与其组成部分的关系每年又有所不同，应逐步改变物流业全要素生产率对技术进步或技术效率的单方面依赖，促进技术进步与技术效率的全面提升。

(2)从Malmquist指数及其分解指标的动态变化来看，皖江城市带TFP增长率较高，皖西、江淮和皖北的Malmquist指数依次递减，由此表明国家“中部崛起”战略和皖江城市带承接产业转移国家级规划的实施极大程度地推动了安徽省物流业的发展，有效提高了安徽省物流业生产率。

(3)从纯技术效率指数和规模效率指数来看，皖江城市带普遍高于其他区域，其良好的区位优势集聚了安徽省高素质的物流人才，故其物流业管理水平高。同时，其他区域均存在投入冗余的现象，资源浪费相对比较严重。这些说明两个问题:第一，纯技术效率指数是影响技术效率变动的主要因素;第二，充分表明安徽省当前物流业效率低下的根本原因在于管理问题。鉴于技术创新周期长，短期内难以取得突破性进展等问题，安徽省可以从物流管理层面加以改进，从而节约投入，提高技术效率。

(4)与我国其他省市及中国整体物流业发展状况相似，安徽省各市物流业普遍存在规模无效率。以国内学者陆大道的“点—轴系统理论”和国外学者佩鲁的“增长极”理论为基础，可以将区域物流业发展分为:区域物流产业孕育期(基本聚集)、区域物流产业成长期(物流经济带)和区域物流产业成熟期(物流网络)三个阶段，我国各省市物流业还处于物流业发展期，很多地方和企业还未能完全树立现代物流观念，仍处在“小而全”、“大而全”的“散兵游勇”状态，鉴于此，安徽省在制定物流业发展政策的同时，可以考虑打破行政区划，充分整合各个城市物流资源，加强市际合作，提高物流业整体效率。此外，还应大力发展第三方物流，提高物流专业化和社会化服务水平，以此促进物流业生产率的提高。

(5)安徽省物流业应充分利用技术扩散和技术溢出的双重特性，提高物流业全要素生产率。从人类发展历程来看，技术扩散在技术进步过程中起到了至关重要的作用。舒尔茨也指出，没有扩散，创新不可能产生经济影响。因此，安徽省可以采取下列措施提高物流业生产率:第一，通过适当的政策调节各市之间的差距，打破技术壁垒，在鼓励自主创新的同时，还应倡导各市加强技术学习和交流，采取模仿创新和引进创新等措施，促使技术在区域间流动，促进安徽省各市物流业协调发展;第二，安徽省各级政府还应进一步加大招商引资力度，通过技术溢出促进区域技术创新。

应该指出的是，研究区域物流业发展的文献较多，测度方法和指标选取不太一样，因此可能得出不同的结论。因此，物流业效率评价指标的选择和各种测度方法的比较将是今后研究的方向:如将劳动力流动、政府效率等环境变量纳入物流业技术效率测度，或是充分比较参数方法和非参数方法测度异同，并提出各自的适用情况，或是创新性地提出将参数方法和非参数方法结合起来的新的技术效率测度的方法，对区域物流业的全要素生产率加以分解和测度。

［1］ 余泳泽，武鹏.我国物流产业效率及其影响因素的实证研究——基于中国省际数据的随机前沿生产函数分析［J］.产业经济研究，2011(1):65－71.

［2］ 田刚，李南.中国物流业技术进步与技术效率研究［J］.数量经济技术经济研究，2009(2):76－87.

［3］ 樊敏.中国城市群物流产业效率分析及发展策略研究——基于产业运作及联动发展视角［J］.软科学，2010，24(5):11－16.

［4］ 田刚，李南.中国物流业技术效率差异及其影响因素研究——基于省级面板数据的实证分析［J］.科研管理，2011，32(7):34－44.

［5］ 刘秉镰，余永泽.我国物流业地区间效率差异及其影响因素实证研究——基于数据包络分析模型及托宾模型的分析［J］.中国流通经济，2010(9):18 －21.

［6］ Charnes A，Cooper WW，Rhodes E.Measuring the Efficiency of Decision Making Units［J］.European Journal of Operational Research，1978，2:429 －444.

［7］ Rousseau S，Rousseau R.The Scientific Wealth of European Nations:Taking Effectiveness into Account［J］.Scientometrics，1998，42(1):75－87.

［8］ 魏权龄.评价相对有效性的DEA方法运筹学的新领域［M］.北京:中国人民大学出版社，1988:2－18.

［9］ Adler N，Ffiedman L，Zilla S.Review of Ranking Methods in the Data Envelopment Analysis Context［J］.European Journal of Operation Research，2003，140:249 －265.

［10］ Cooper WW，Seiford L M，Tone K.Data Envelopment Analysis:A Comprehensive Text with Models，Applications，References and DEA-Solver Software［M］.Springer，2007:309 －321.

［11］ 迟国泰，隋聪.基于未来DEA效率的贷款定价模型［J］.系统工程理论与实践，2011(1):18－27.

［12］孙立成，周德群.基于非径向超效率DEA聚类模型的FEEEP系统协调发展［J］.系统工程理论与实践，2009(7):139－146.

［13］ 杨锋，夏琼.同时考虑决策单元竞争与合作关系的DEA交叉效率评价方法［J］.系统工程理论与实践，2011(1):92－98.

［14］刘秉镰，林坦，刘玉海.规模和所有权视角下的中国钢铁企业动态效率研究:基于Malmquist指数［J］.中国软科学，2010(1):150－157.

［15］ Jamaluddin M Y，David H.The Efficiency of the National Electricity Board in Malaysia:An Intercountry Comparison Using DEA［J］.Energy Economics，1997(19):255 －269.

［16］ 李忠富，李玉龙.基于DEA方法的我国基础设施投资绩效评价:2003—2007年实证分析［J］.系统管理学报，2009，18(3):309－315.

［17］彭健.区域经济增长的物流能力支持研究［J］.预测，2011，30(5):59－64.