基于DEA-Tobit模型的物流产业效率分析——以东部省份为例

李开

（长江大学 管理学院，湖北 荆州 434023）

基于DEA-Tobit模型的物流产业效率分析
——以东部省份为例

李开

（长江大学 管理学院，湖北 荆州 434023）

通过多阶段DEA模型对近五年我国东部省份物流产业的综合效率和规模效率进行评价，发现我国多数省份的物流产业处于规模报酬递减阶段，存在过度投资。在效率评价的基础上，选取了相关变量，并运用Tobit模型验证其对物流产业绩效的影响。实证结果表明，区域经济发展水平、信息化程度和教育水平对物流产业的综合效率有显著影响。最后结合实证分析的结果，提出了促进我国物流产业效率提升的相关建议。

DEA模型；Tobit模型；物流产业；效率；影响因素

1 引言

物流业是融合与集成了运输、仓储、配送以及信息等多种传统行业的复合型产业，一体化与信息化是现代物流业的显著特征。2008年金融危机发生以来，我国经济发展的外部环境发生了很大变化，对我国经济产生了较大影响，特别是近年来，我国经济增速不断放缓，2013年我国GDP同比增长7.7%，2014年下降至7.4%，2015年GDP的增长速度进一步下降为6.9%。如何促进经济增长，阻止经济的进一步下滑已经成为当前经济发展过程中的重要目标之一。物流业作为国民经济的重要组成部分，一方面由于其涉及领域广，吸纳就业人数多，促进生产、拉动消费对于保持经济增长有着重要作用；另一方面由于其能够降低经济体系中生产和交易活动的成本，对于促进产业结构转型和升级也有着重要作用。因此从中央到地方政府都对发展物流产业高度重视，尤其在经济增速放缓的情况下，政府不断加大对物流基础设施的投入。企业也对物流业表现出很大兴趣，不断投资物流领域。但在物流业繁荣的背后，应该注意到目前我国物流业总体发展水平较为落后，发展方式较为粗放，信息化程度不高。因此，物流产业的发展除了注重投资的增量，还要注重现有投资效率的提升。

王舒鸿等（2010）对我国物流业利用能源的效率进行了研究，认为我国物流业整体效率不高，但能源利用效率较好[1]。许鹏（2010）基于DEA模型对辽宁省物流产业效率进行了评价，认为辽宁省物流业发展效率不高[2]。雷勋平等（2012）对我国31个省市自治区的物流产业效率进行了比较[3]。王蕾等（2014）运用DEA分析法对北疆8个地区的物流效率进行了分析[4]。上述研究多采用截面数据，缺少在时间序列上的比较，另外没有对影响物流产业效率的因素进行挖掘和分析。在此背景下，本文拟基于面板数据对我国东部省份物流产业的经营效率进行评价，并分析影响物流产业效率的原因。

2 理论模型

目前采用较多的效率定量评价方法主要有两种，即随机前沿分析法（Stochastic Frontier Analysis，SFA）和数据包络分析法（Data Envelope Analysis，DEA）。随机前沿生产函数于1977年分别由Aigner,Lovell,Schmidt, Meeusen和van den Broeck独立提出。随机前沿分析方法（SFA）的模型假设比较复杂，而且该模型对数据有着较高的要求，如果数据不能符合模型要求的基本假设，就会出现估计的偏误问题并导致计算失败。数据包络分析（DEA）是Charnes、Coopor和Rhodes于1978年首先提出的评价生产效率的重要的非参数方法。该方法的原理主要是通过保持决策单元（Decision Making Units，DMU）的输入或者输入不变，借助于数学规划方法确定相对有效的生产前沿面，将各个决策单元投影到DEA的生产前沿面上，并通过比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性。相对于随机前沿分析法，数据包络分析法有其优势，该模型不需要考虑生产前沿的具体形式，只需要投入产出数据，而且该模型比较容易扩展。

DEA模型有不同的前提假设，如果决策单元（DMU）都可以在最优规模运营，则可以假定规模收益不变（Constant Return to Scale,CRS）；而如果决策单元不能在最优规模运营，则可以假定规模收益可变（Variance Return to Scale,VRS），本文在对物流产业效率评价过程中假定各省份的物流产业是规模收益可变的。另外，DEA模型还可以分为产出导向和投入导向，这两种导向模型实质上属于对偶问题。就物流产业而言，它们是利用给定资源，尽可能大的获得产出（物流服务），因此本文选择产出导向的DEA模型，见式（1）—（4）。

公式中xrj表示第j个决策单元（DMU）的第r项投入量，而ymj表示第j个决策单元（DMU）的第m项产出。S+r和S-m为松弛变量，分别表示可以减少的投入量和可以增加的产出量。ε是非阿基米德无穷小量，通常设定为10-5，其作用是保证投入（产出）向量均为正且松弛变量不影响目标函数。δ=0，假定前沿是平面，求解CRS模型得到单元技术效率；δ=1，假定前沿平面是凸超平面，求解VRS模型得到目标单元的纯技术效率。

应用DEA方法得出决策单元（DMU）的效率值后，为了进一步分析这些评估出的效率值受哪些因素的影响以及这些因素的影响程度，在DEA分析中衍生出一种被称为“两阶段法”（Two-stage Method）的方法。第一步，先通过DEA模型评估出决策单元的效率值；第二步，用效率值作为因变量对各种影响变量进行回归，并根据自变量系数的显著性和大小判定其对效率值的影响方向与影响强度。由于DEA模型计算出的效率值（因变量）被限制在0和1之间，如果使用普通最小二乘法（OLS）对模型直接回归，效率的估计值可能会产生小于0或是大于1的情况。为解决这一问题，诺贝尔经济学奖获得者James Tobin于1958年提出了删截回归模型（Censored Regression Model），该模型是一种因变量受限模型，也被称为Tobit模型，见以下公式：

上述公式中，y*服从N（0，σ2）分布，β为回归系数，此处为一个向量，x为自变量向量，yi为因变量向量，y*为效率值向量。

3 实证分析

3.1 物流行业的效率分析

（1）变量选取与数据说明。要对物流产业绩效进行度量，首先要明确如何界定物流活动的投入与产出。根据现有文献的研究，对物流活动投入指标的选取主要集中在货运量、物流产业产值、主营业务利润、物流产业占GDP比重等相关指标。而在投入方面，则多用物流网络里程、物流业固定资产投入、劳动力投入等指标[4-7]。基于数据的可得性，本文选取物流产业增加值（亿元）和货物周转量（亿t·km）作为衡量物流活动的产出指标；将物流网络里程（万km）、劳动力投入（人）和固定资产投资（亿元）作为投入指标。投入指标和产出指标的统计性描述见表1。

表1 投入产出指标描述性统计

（2）分析结果。本文利用产出导向的BCC模型（Banker等，1984），运用Deap2.1软件计算物流产业的经营效率，选择我国东部省份作为分析样本，结果见表2。从分析结果来看，天津市、河北省、上海市和江苏省等省份或直辖市的物流产业都具有综合效率。北京物流产业的综合效率在2011年排名第7位，而在2015年排第9位，整体处于一个下降趋势；从历年的排名来看，辽宁省的物流产业相对效率处于一个上升趋势；山东省的物流产业综合效率则处于一个下降趋势。浙江、福建和广东的物流产业综合效率处于中上游水平；海南省的物流产业综合效率一直排名末位。

表2 各省物流产业综合效率与规模效率

规模效率是指物流产业在规模报酬可变生产前沿的最佳投入与规模报酬不变生产前沿的最佳投入比例。从表2的分析结果可以看出，除了天津市、河北省、上海市和江苏省四省市处于规模报酬不变的阶段和海南省处于规模报酬递增阶段以外，多数省份整体处于规模报酬递减阶段。结合近年来我国物流热的现象看，分析结果说明一些省份存在物流产业过度投资的现象，使得其规模效率下降。由于综合技术效率等于规模效率与纯技术效率的乘积，要进一步提升综合效率，应该努力提升纯技术效率，而非盲目扩大物流产业的规模。

3.2 各省物流产业运营效率的影响因素分析

（1）变量选取。效率分析只能得出我国东部省份物流产业运营的相对效率，并未找出影响物流产业效率的关键因素。因此需要结合Tobit模型进一步对物流产业运营效率的影响因素进行分析。本文选取了经济发展水平、产业结构、市场化程度、受教育程度和信息网络发达程度等相关变量，利用近五年（2011-2015年）的数据进行实证分析。

①经济发展水平（GDP）：一般认为物流是经济的派生需求，地区的物流产业发展水平受经济发展水平的影响和制约，区域经济的发展会拉动区域物流产业的发展或是物流产业绩效的提升。因此选取经济发展水平作为自变量，其大小则是通过各地区的人均GDP来衡量。

②产业结构（structure）：产业结构的差异会影响物流需求，进而影响物流产业的发展。一般认为产业结构处于较低水平数时，对于物流服务的需求量较大，因为初级产品附加值低，而产生的货运量却很大。而产业结构处于较高水平时，对于物流服务的质量有较高要求，因为产品的附加值较高。产业结构的衡量采用与干春晖（2011）相同的衡量方法，即用第三产业增加值与第二产业增加值的比值来衡量产业结构的高度化。这一比值越大则表明经济结构的服务化倾向越高。

③市场化程度（market）：第三方物流产业的发展受区域市场化程度的影响，前期的研究文献认为区域市场化程度越高，则物流外包越普遍，第三方物流产业发展也就越好。该项指标通过每万人拥有的私营企业数量来衡量。

④受教育程度（edu）：区域的受教育程度在一定程度上影响物流企业的运作绩效，该项指标用各地区大专以上学历人数占整个地区常住人口的比例来衡量。

⑤物流网络里程（way）：物流网络的完善影响物流产业的运作绩效。该项指标通过加总公路铁路的总里程得到。

⑥物流业固定资产投资（invest）：固定资产投资影响物流业固定资产的新增数量，进而影响物流产业的绩效。

⑦信息网络的发达程度（web）：现代物流业的主要特征之一是信息化，该项指标通过人均接入互联网的数量来衡量。

各变量的描述统计性分析见表3。

表3 物流产业效率的影响因素

（2）实证结果。Tobit模型①②③分别选取了不同的自变量进行回归分析，结果见表4。在三个模型中经济发展水平（GDP）都是高度显著的，且其系数为正，符合理论的预期，说明区域经济的发展对物流产业有拉动作用。市场结构在模型②中不显著，说明产业结构的高度化并不影响物流业的绩效。市场化程度在模型③中也不显著，这是因为部分指标的衡量是通过私营企业的数量来衡量，而随着国有企业管理水平的提高，国有企业的物流业务进行外包并未影响区域物流产业的绩效提升。另外在三个模型中，物流网络里程和固定资产投资都不显著。而信息化和教育水平分别在1%和10%的显著水平下显著，说明信息化的提升和教育水平的提升对促进物流产业绩效有着正向影响。

表4 实证分析结果

注:本文计量结果由R语言3.0.1版本给出，*、**、***分别表示在10%、5%和1%显著性水平下显著，括号内的数值为对应估计值的标准误差。

4 建议与对策

通过实证分析可以得出结论，目前我国东部省份的物流产业多数处于规模报酬递减阶段，这在一定程度上说明了我国目前存在物流投资过热的情况。因此盲目扩大物流固定资产的投资规模并不是最优的选择。要优化资源配置，进一步提升物流产业的效率，关键在于提升纯技术效率，而非盲目进行固定资产投资，增加物流网络里程。具体来说应该做好以下几个方面。

（1）促进区域经济发展。物流业作为贸易的派生需求，受区域经济发展水平的影响。而经济发展水平在一定程度上拉动该地区物流产业绩效的提升。因此应采取相应的宏观经济政策促进区域经济的发展。在适度宽松的货币政策和积极的财政政策大背景下，各省份还应该找到适合促进自身发展的区域性政策，包括鼓励创新、创业和刺激消费等相应的政策。

（2）提升信息化水平。现代物流的特征之一就是信息化，信息化的提升可以在一定程度上节省交易成本，促进交易效率。因此提升物流产业综合效率的有效途径之一就是提升本地区的信息化水平。

（3）提升教育水平。教育水平的提升有利于人们正确的理解现代物流的理念，从而在物流活动中采用现代物流理念，改变传统物流运作模式，提升区域物流产业的综合效率，减少物流资源的浪费。因此提升教育水平，特别是增加现代物流相关知识的教育，有利于提升区域物流产业的综合效率。

[1]王舒鸿,汝慧萍,宋马林.基于DEA的物流行业能源效率评价[J].物流技术,2010,(9):66-68.

[2]许鹏.基于DEA的辽宁省物流产业效率研究[D].大连:大连海事大学,2010.

[3]雷勋平,Robin Qiu,刘思峰.基于DEA的物流产业效率测度实证研究[J].华东经济管理,2012,(26):62-66.

[4]王蕾,薛国梁,张红丽.基于DEA分析法的新疆北疆现代物流效率分析[J].资源科学,2014,36(7):1 425-1 433.

[5]刘艳.基于DEA的区域物流供求关系研究[D].北京:北京交通大学,2009.

[6]樊敏.中国八大经济区与物流产业运作效率分析[J].现代管理科学,2010,(2):48-71.

[7]张兴远.基于DEA的物流业发展能力评估模型[J].中国水运, 2007,(10):131-132.

[8]干春晖,郑若谷,余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究,2011,(5):4-16.

A DEA-Tobit Analytic Model of Efficiency of Logistics Industry:W ith Eastern Provinces as Exam ple

LiKai
(Schoolof Management,YangtzeUniversity,Jingzhou 434023,China)

In this paper,using the multi-stage DEA model,we evaluated the comprehensive efficiency and scale efficiency of the logistics industry of the eastern provinces of China in the past five years and found that the logistics industry of most of the provinces was in the stage with diminishing returns to scale and the inefficiency from overinvestment was evident.Then on the basis of efficiency evaluation, we selected the relevant variables and used the Tobit model to verify their effect on the performance of the logistics industry,finding that regional economic development level,information technology level and education level had significant influence on the comprehensive efficiency of the industry.At the end,through an empirical analysis,we proposed the relevant suggestions to improve the efficiency of the logistics industry in China.

DEAmodel;Tobitmodel;logistics industry;efficiency;influencing factor

F224.0;F252.5

A

1005-152X(2017)05-0056-04

10.3969/j.issn.1005-152X.2017.05.015

2017-03-10

李开（1977-），男，湖北江陵人，长江大学管理学院讲师，主要研究方向：物流与供应链管理。