区域趋同还是趋异：中国物流产业效率及其收敛性<br/>——基于2006-2015年30个省域面板数据的研究

区域趋同还是趋异：中国物流产业效率及其收敛性
——基于2006-2015年30个省域面板数据的研究

2018-04-04陈永平张亮亮

商业经济与管理 2018年3期

陈永平，张亮亮

(安徽财经大学工商管理学院，安徽蚌埠 233030)

一、引　言

现代物流业发展迅速，物流产业在国民经济中的地位显著提升。根据《中国物流年鉴》数据分析，全国物流业总收入由2011年的6.1万亿元增长至2015年的7.6万亿元，增长约24.6%。物流市场规模增速由2011年的20.9%降低至2015年的4.5%，物流业增长速度放缓并趋于稳定，表明步入行业发展的战略调整期。

物流效率提升促进新常态下经济社会的平稳增长，通过高效率的物流服务推动其他产业的发展。物流产业投入产出效率是评判物流产业整体发展状况的重要依据。中国正处于向物流强国转型的过程中，准确测度物流产业效率、探寻各区域间物流产业效率状况是实现区域物流产业协调发展并提升其整体发展质量效益的重要内容。通过计量测度，研判区域物流产业效率的状况及其收敛程度，分析其运营经济性和有效性，对比分析区域间物流产业效率及其趋同或趋异状况，把握区域间物流产业发展水平差异，获得相应的启示，运用于物流产业的经营管理，提升物流运营效率，促进区域协调发展。

(一) 文献综述

1.物流效率测度与评价方法研究。Kumar(2011)[1]运用数据包络分析(DEA)对印度道路运输事业部的相对经营效率进行测度，分析制约其综合技术效率的关键因素。Mallikarjun等(2014)[2]采用网络DEA方法测度美国公共铁路运输系统的相对运营效率，分析政府补贴与其运营效率间存在的关系。Suárez-Alemán等(2016)[3]利用随机前沿分析(SFA)方法分析部分发展中国家的港口经营效率。国内学者注重道路运输、铁路运输和港口的运营效率评价方面，注重测算道路运输业的营运效率(张祖俊和刘玉海，2011)[4]。李兰冰(2010)[5]将客运和货运、产出阶段和创收阶段纳入效率评价框架，采用DEA和Malmqusit指数方法研究铁路运输效率。

Hamdan和Rogers(2008)[6]采用无限制条件DEA模型和修正DEA模型测算美国第三方物流服务商管理运营的同类型仓库的运营效率，明确投入产出指标对运营效率的影响。Kim(2010)[7]利用调查数据，借助DEA方法测算物流活动中运输车辆的技术效率。汪旭晖和徐健(2009)[8]通过测算上市物流公司效率分析物流产业技术效率；王瑛等(2013)[9]学者在实证方法、投入产出指标的选择和数据时间段等方面分析中国宏观物流产业技术效率状况及其技术非效率因素；张竟轶和张竟成(2016)[10]采用DEA和SFA方法分析物流业效率。

另外，物流业与制造业联动发展效率(王珍珍，2017)[11]、环境约束下的物流业效率评价(董锋等，2016；Kang等，2017)[12-13]也是物流产业的重要研究方向。

2.收敛性研究。以往收敛性检验多应用于区域宏观经济增长研究，而后应用于农业、工业、能源、环境、物流等行业或领域收敛性的判断和预测。

一是宏观经济增长收敛性研究。Paci(1997)[14]研究20世纪欧洲部分地区劳动生产率的收敛特征。沈坤荣和马俊(2002)[15]分析中国经济增长的“俱乐部收敛”特征，阐述成因，指出中国省际区域经济增长存在条件收敛和俱乐部收敛特征。刘生龙和张捷(2009)[16]从空间经济视角研究中国区域经济的收敛性，表明区域经济增长存在绝对β收敛和条件β收敛。学者注重研究中国区域经济增长收敛性(张玉明和李凯，2011)[17]，系统分析中国经济增长效率的区域差异及收敛性问题(宋长青等，2013)[18]。

二是不同行业与领域的收敛性研究。第一，农业领域收敛性研究。Ludena等(2007)[19]分析发展中国家农作物生产率的增长和收敛性问题。Liu等(2011)[20]研究得出美国各州农业全要素生产率收敛于相同的稳态水平。国内学者研究了中国农业全要素生产率增长的地区差异及收敛性(史常亮等，2016)[21]，分析基于能值的农业绿色经济增长问题(李兆亮等，2016)[22]。第二，工业收敛性。国外学者研究了西班牙制造业的公司生产率收敛性问题(lvaro E和Stucchi R，2014)[23]。李健等(2015)[24]研究中国地区工业生产率增长差异及收敛性，表明1998-2011年间全国及三大区域工业全要素生产率增长存在条件收敛。第三，能源相关收敛性。国外学者研究了全球能源消费的收敛特征(Mohammadi等，2012)[25]、俱乐部收敛模型检验国家能源生产率的收敛性(Apergis等，2016)[26]。国内学者分析了中国全要素能源效率及其收敛性(李国璋和霍宗杰，2010)[27]、中国省际能源利用效率收敛性(赵楠等，2015)[28]。周四军等(2017)[29]分析了区域能源利用效率β收敛性的问题。第四，环境相关收敛性。Camarero 等(2013)[30]研究了经合组织国家的生态效率和趋同问题。国内学者从中国工业碳排放效率的区域差异(周五七和聂鸣，2012)[31]、区域环境效率的收敛性、空间溢出及成因(李佳佳和罗能生，2016)[32]等方面进行了研究。

三是物流效率收敛性研究。国外学者研究美国航空业技术效率收敛性(Alam等，2000)[33]、印度国家道路运输事业部的生产率增长及其收敛性(Singh等，2015)[34]。田刚和李南(2009)[35]采用DEA方法研究得出1999-2006年中国30个省(市)物流业技术效率表现为σ收敛。国内学者系统研究中国上市物流公司成本效率收敛性(张毅和牛冲槐，2013)[36]、区域物流发展时空差异及收敛性(陈文新等，2016)[37]。倪超刚和李俊凤(2016)[38]运用SFA方法检验2005-2014年中国各省市物流产业技术效率的β收敛效应。

(二) 文献述评及本文创新之处

收敛性检验可以研判区域间物流产业效率的演进趋势，但缺乏系统性研究。本文利用2006-2015年中国30个省域(省、自治区和直辖市)的物流产业宏观面板数据，借助超效率数据包络分析(Super Efficiency-Data Envelopment Analysis，SE-DEA)方法测算中国各省域物流产业效率，分析区域差异。系统进行东、中、西部区域间物流产业综合技术效率、纯技术效率和规模效率演化趋势的收敛性检验，分析其趋同或趋异状况，得出相应启示，促进中国现代物流业效率的提升。本文的创新之处在于：一是研究方法上采用同时考虑投入和产出(非导向)的超效率DEA模型测算区域物流产业技术效率。不同于以往研究中采用的单一投入或产出导向的DEA模型，本文采用同时考虑投入和产出(非导向)的超效率DEA模型测算各区域物流产业技术效率，为分析区域物流产业效率状况提供依据。二是研究内容上系统分析区域物流产业效率的敛散性。现有研究对中国区域物流产业效率敛散性的深入分析存在不足，而本文将宏观经济领域的收敛性检验模型应用于物流产业，目的在于研判区域物流产业效率的敛散趋势，分析区域物流产业效率的趋同或趋异状况，为区域物流效率提升与协调发展提供参考。

二、研究方法及理论模型

(一) 非导向的SE-DEA模型

SE-DEA模型由标准效率DEA-CCR模型(Charnes等，1978)[39]和DEA-BCC模型(Banker等，1984)[40]演化得到超效率CCR模型(SE-CCR)和超效率BCC模型(SE-BCC)。SE-DEA模型在于被评价的决策单元(Decision Making Unit，DMU)效率是参照其他DMU所构成的前沿面得出。因此，有效DMU超效率值大于或等于1，而无效DMU的超效率值与标准模型的效率值相同，从而实现有效DMU效率值的可比性。

非导向的SE-BCC模型DMU的效率值可分为两步计算(Chen等，2011)[41]。假设有n个DMUj(j=1，2，…，n)，每个DMUj有m种投入xij(i=1，2，3，…，m)和q种产出yrj(r=1，2，…，q)。

2.测算步骤。第一步测算。理论模型如下：

(1)

第二步测算。理论模型如下：

(2)

利用(1)和(2)模型得到DMU的纯技术效率值(Pure Technical Efficiency，PTE)，同时利用非导向SE-CCR模型可得出各DMU的综合技术效率值(Technical Efficiency，TE)，从而分解出规模效率值(Scale Efficiency，SE)。计算方法为：SE=TE/PTE。

(二) 收敛性检验模型

物流产业效率的收敛性，分为绝对收敛、条件收敛等。绝对收敛指各区域物流产业效率趋于相同的增长速度和稳态水平，而条件收敛指因受制于自身发展条件，各区域物流产业效率收敛于各自的稳态水平。绝对收敛包括σ收敛和绝对β收敛，条件收敛指条件β收敛。

俱乐部收敛是绝对β收敛的一种特殊形式，指相同发展条件地区间物流产业效率存在增长收敛趋势。鉴于对于“相同发展条件”界定的复杂性，本文不讨论物流产业效率的俱乐部收敛问题。

1.σ收敛检验模型。样本总体指标离散程度随时间演进呈逐渐缩小趋势，说明存在σ收敛。标准差、代数转换标准差、相对平均偏差、变异系数等反映离散程度指标可以检验σ收敛(金相郁，2006)[42]。本文参照杨翔等(2015)[43]的方法，通过综合分析标准差(SD)、变异系数(CV)及代数转换标准差(σ)检验区域物流产业效率的σ收敛效应，公式如下：

其中，n为区域数量，Ei表示i区域物流产业效率值。随着时间的推进，如果SD、CV和σ三个指标数值呈现逐渐减小的趋势，说明各区域间物流产业效率存在σ收敛。

2.β收敛检验模型。Miller和Upadhyay(2002)[44]提出的回归模型，其利用横截面数据检验绝对β收敛、利用面板数据检验条件β收敛，表达式如下：

g=(lnEi,T-lnEi,T*)/t=α+βlnEi,T*+εi,T

(1)绝对β收敛。设定时间序列中首尾两期(T*和T)相等的时间跨度，计算第i区域T*期和T期内物流产业效率均值，即Ei,T*和Ei,T。利用横截面数据进行OLS回归分析，如果β显著为负值，说明各区域间物流产业效率存在绝对β收敛。

(2)条件β收敛。将时间序列等分为若干时期(T=1,2,…,m)，每一期的时间间隔为固定值t0，计算每期第i区域的物流产业效率均值(Ei,T)，将原模型变换成如下模型：

g=(lnEi,T-lnEi,T-1)/t0=α+βlnEi,T-1+εi,T

T分别取2,3,…,m，根据上式得到i个区域m-1期的面板数据，并进行回归分析。如果β显著为负值，说明各区域间物流产业效率存在条件β收敛。

三、变量选择与数据说明

(一) 投入产出变量

本文选取的样本数据为2006-2015年中国30个省域(省、自治区和直辖市)的面板数据。由于西藏重要变量数据缺失较多，故其不在分析范围内。考虑数据获取难度较大，本文分析不涉及中国的台湾、香港和澳门。借鉴普遍的区域划分方法，分东、中和西部区域，*东部区域包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南；中部区域包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南；西部区域包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、宁夏、青海和新疆。分析区域间物流产业的效率差异。

1.投入变量。投入变量有三个：物流产业固定资产存量、物流产业从业人数和交通运输线路长度，见表1。

(1)物流产业固定资产存量。借鉴唐建荣等(2016)[45]的方法，采用物流业固定资产存量衡量物质资本投入。以各省域交通运输、仓储和邮政业固定资产投资额为基础，采用永续盘存法计算物流业固定资产存量。基期(2006年)固定资产存量，借鉴Hall等(1999)[46]和Young(2003)[47]的方法，用各省域2006年交通运输、仓储和邮政业固定资产投资额除以2006-2015年年均增长率与折旧率的和值，折旧率取6%。为消除价格影响，交通运输、仓储和邮政业固定资产投资额采用以2006年为基期的固定资产投资价格指数进行折算。

表1　物流产业效率投入变量分析

(2)物流产业从业人数。借鉴交通运输、仓储和邮政业城镇单位就业人数(唐建荣等，2013)[48]作为物流产业从业人数的代理变量。由于忽视物流产业非城镇单位和私营企业及个体从业人数，误差较大，为缩小误差，本文采用各地区交通运输、仓储和邮政业私营企业及个体就业人数与城镇单位就业人数之和估计物流产业从业人数。由于统计原因存在个别异常值，当期值取前后两期均值的方式替换。

(3)交通运输线路长度。借鉴袁丹等(2015)[49]的方法，以各地区铁路营运里程、内河航道里程和公路里程的总和作为交通运输线路长度的代理变量，衡量物流业基础设施投入水平。交通运输线路长度反映物流产业社会基础设施水平，王亚华等(2008)[50]认为其可作为投入指标评价交通运输行业效率。

2.产出变量。借鉴钟祖昌(2010)[51]的方法，选取交通运输、仓储和邮政业增加值作为物流产业增加值的代理变量。采用以2006年为基期的各地区交通运输、仓储和邮政业增加值指数对相应增加值进行缩减以消除价格变动影响(数据来源：《中国统计年鉴》《中国第三产业统计年鉴》)。

Lewin等(1982)[52]指出投入和产出变量间应存在正相关关系以增强结果的可靠性，即符合同向性原则。利用SPSS20.0软件对于2006-2015年物流产业投入和产出变量间的Pearson相关性分析，结果见表2。各投入变量均与产出变量显著正相关，均能在0.01显著性水平下通过双尾检验，表明变量选取合理。

表2　投入产出变量相关分析结果(2006-2015)

注：***表示0.01的显著性水平；括号中为双侧检验下的显著性(p值)。

(二) 收敛性分析数据说明

物流产业各效率值经处理得到进行收敛性检验的基础数据。对数据处理做如下说明：第一，检验σ收敛时，改变利用单一指标研判σ收敛性的做法，综合分析标准差(SD)、变异系数(CV)和代数转换标准差(σ)的变化趋势，多指标相互佐证以增加结果的稳健性。第二，检验绝对β收敛时，首尾两期时间跨度分别取2、3、4和5年对期间内各效率值计算均值，对比分析回归结果，以增强结果的稳定性和可靠性。第三，检验条件β收敛时，充分利用2006-2015年间各省域物流产业各效率值数据以降低误差，将其划分为5期，每期包含2年，即2006-2007、2008-2009、……、2014-2015。

四、实证结果及分析

应用MaxDEA Ultra软件对2006-2015年中国30个省域物流产业效率进行超效率模型的测算，对比分析东、中和西部区域各效率值。应用Excel软件进行σ收敛检验，应用Stata13.0软件进行横截面数据回归和面板数据回归以检验β收敛。

(一) 区域物流产业效率评价

基于SE-CCR和SE-BCC模型得出物流产业综合技术效率值和纯技术效率值，进而分解出规模效率值。横向上，通过比较各年份东、中和西部区域内省域的效率均值，分析物流产业效率区域差异；纵向上，同一省域在不同年度效率测度依据的参考集相同，具有可比性，通过计算各省域所有年度内的效率均值判断样本期间各省域物流产业效率的有效性。

1.物流产业综合技术效率分析。2006-2015年各省域物流产业综合技术效率值见表3，其主要特征如下：

(1)区域物流产业综合技术效率差异显著。就均值水平而言，30个省域中仅有4个达到物流产业综合技术效率有效状态。上海、天津、山东、河北和福建五省域的综合技术效率均值排名前五位。前五位属于东部区域，后五位中除湖北外都属于西部区域。可见，中国物流产业综合技术效率区域差异较为明显。

表3　2006-2015年各省域物流产业综合技术效率值

图1　各区域物流产业年均综合技术效率对比及变化趋势

(2)物流产业综合技术效率呈现阶段特征。2006-2015年区域物流产业年均综合技术效率对比及变化趋势如图1所示。东部领先于中、西部区域，中部高于西部，中、西部年均综合技术效率均低于当年的全国平均值。2006-2008年东、中和西部物流产业年均综合技术效率呈下降趋势，2008年后呈缓慢上升趋势，呈现阶段特征。

2.物流产业纯技术效率分析。2006-2015年各省域物流产业纯技术效率值见表4，其主要特征如下：

(1)纯技术效率存在提升优化空间。2006-2015年各省域物流产业纯技术效率均值分析，仅8省域处于有效状态，说明物流产业纯技术效率存在很大的提升优化空间，企业管理和技术因素对物流产业生产效率的拉动作用有待进一步发挥。宁夏、天津、上海、山东和河北的物流产业纯技术效率处于领先的前五位。

表4　2006-2015年各省域物流产业纯技术效率值

图2　各区域物流产业年均纯技术效率对比及变化趋势

(2)区域物流产业年均纯技术效率差异明显。2006-2015年各区域物流产业年均纯技术效率对比及变化趋势如图2所示。东部区域物流产业纯技术效率高于中、西部区域，中部区域物流产业纯技术效率最低。全国物流产业年均纯技术效率基本维持稳定水平，而东、中部区域均有先下降后上升的变化趋势。

(3)区域物流产业年均纯技术效率呈现阶段特征。2006-2010年东部区域物流产业年均纯技术效率呈下降趋势，2010年后缓慢上升。2006-2008年中部区域物流产业年均纯技术效率呈下降趋势，2008年后缓慢上升。2006-2008年西部区域物流产业纯技术效率呈下降趋势，2009年略微提升，而后进入下降阶段，2011-2013年间处于波动期，2012年较2011年显著提升，2013年下降至样本期间内的最低点，而后呈稳步上升趋势。

3.物流产业规模效率分析。2006-2015年各省域物流产业规模效率值见表5，其主要特征如下：

表5　2006-2015年各省域物流产业规模效率值

(1)省域规模效率差异不明显。各省域2006-2015年物流产业规模效率均值全部小于1，说明30个省域物流产业都未处于最优生产规模，规模收益均处于递增或递减的状态。上海、内蒙古、河南、江苏和福建是2006-2015年物流产业规模效率均值领先的五个省域。整体形势看，规模效率的省域差异不明显。

图3　各区域物流产业年均规模效率对比及变化趋势

(2)东、中、西部物流产业年均规模效率差异较小且基本维持稳定。东、中、西部区域间物流产业年均规模效率对比及变化趋势如图3。中部区域物流产业年均规模效率高于东、西部区域，而仅西部区域物流产业年均规模效率低于全国平均水平。西部区域经济发展落后于东、中部区域，宏观物流需求总量较小，其可能处于规模收益递增的阶段，尚未实现规模有效。就变化趋势而言，东部区域物流产业年均规模效率有明显的上升趋势，且有赶超中部区域的势头；东部区域物流产业年均规模效率基本稳定；西部区域则有波动下降的趋势。

(二) 物流产业效率收敛性检验

分别对全国及东、中和西部区域物流产业综合技术效率、纯技术效率和规模效率进行σ收敛、绝对β收敛和条件β收敛的检验，结果及相关分析如下：

图4　各区域物流产业各效率值σ收敛检验结果

1.物流产业效率σ收敛检验。计算发现，SD、CV和σ的变化演进趋势基本一致。本文以σ系数来分析各区域物流产业各效率值的σ收敛性，见图4。

(1)东、中、西部综合技术效率存在σ收敛。如图4(a)，东、中和西部区域物流产业综合技术效率的σ系数有波动下降的总体趋势，但全国层面来看，其σ系数基本维持稳定。东、中和西部区域内部物流产业综合技术效率都存在σ收敛现象，而全国层面并未表现出明显的σ收敛。另外，东部区域各省域物流产业综合技术效率的σ系数较大，说明东部区域内各省域物流产业综合技术效率差异较大。

(2)东、中、西部区域内各省域间物流产业纯技术效率明显σ收敛，区域之间略微σ收敛。如图4(b)，除个别时点明显波动外，全国及东、中和西部区域物流产业纯技术效率的σ系数均表现出总体波动下降的趋势。东、中和西部区域内部各省域间物流产业纯技术效率具有明显的σ收敛效应，东、中、西部区域间表现出略微σ收敛。另外，西部区域物流产业纯技术效率的σ系数最大，说明西部区域内各省域间物流产业纯技术效率分化较明显。

(3)区域物流产业规模效率呈上升趋势但无明显σ收敛。如图4(c)，除中部区域物流产业规模效率的σ系数基本维持稳定外，东、西部区域及全国层面总体上均表现出略微的上升趋势。中部区域内各省域间物流产业规模效率无明显σ收敛迹象，而东、西部区域及全国层面的物流产业规模效率表现出略微发散的迹象。另外，西部区域物流产业规模效率σ系数最大，说明区域内各省域间物流产业规模效率差异较大。

2.物流产业效率绝对β收敛检验。基于上述物流产业各效率值数据，首尾两期的时间跨度分别取2、3、4、5，经回归分析发现各取值下的检验结果基本一致。本文选择首尾两期分别为2006-2008年(T*)和2013-2015年(T)进行分析，回归模型如下：

其中，T和T*两期相隔7年，时间跨度t取7，估计结果如表6。

表6　各区域物流产业各效率值绝对β收敛检验结果

注：括号中为标准误差；**、*分别表示0.05、0.1的显著性水平。

(1)物流产业综合技术效率收敛性分析。一是西部各省域体现共同收敛趋势。西部区域的回归系数βTE值在0.1显著性水平下显著为负，全国及东、中部区域的回归系数为负值但不显著。西部大开发的推进使得物流产业获得发展机会，西部各省域物流产业综合技术效率有明显的共同收敛趋势，收敛速度约为8%，说明相对落后的省域表现出追赶效应。二是东、中部区域和全国物流产业综合技术效率不存在共同收敛趋势。东部区域内部各省域在资金投入、科技水平和人力资本等资源禀赋方面存在差异，而中部区域多为农业大省，各省域对物流产业重视程度、扶持力度、产业结构调整力度方面存在一定差异，导致东、中部区域内部各省域间物流产业综合技术效率差异过大，并未表现出收敛的特征。全国物流产业综合技术效率并未表现明显的收敛迹象，说明2006-2015年30个省域间物流产业综合技术效率的差距整体上并未缩小，不存在共同收敛的趋势。

(2)物流产业纯技术效率收敛性分析。就物流产业纯技术效率而言，全国和中部区域的回归系数βPTE在0.05的显著性水平下显著为负，东、西部区域的回归系数虽然为负值但并不显著。一是中部区域内各省域间物流产业纯技术效率存在共同收敛的特征。中部区域内各省域间物流产业纯技术效率差异在逐渐缩小，存在共同收敛的特征，收敛速度约为16%。可见，中部区域在企业管理和技术水平方面较为落后的省域表现出追赶领先省域的势头。二是东、中和西部区域间物流产业纯技术效率的差距逐渐缩小。虽然东、西部区域内部各省域物流产业纯技术效率并未表现收敛特征，但全国层面却以约3%的收敛速度显著收敛于同一水平。说明东、中和西部区域间物流产业纯技术效率的差距随着时间逐渐缩小。

(3)物流产业规模效率收敛性分析。一是东、中和西部区域物流产业规模效率无显著β收敛特征。东、中和西部区域物流产业规模效率的回归系数βSE都为负值但并不显著，表明东、中和西部区域内部各省域间物流产业规模效率无明显的共同收敛特征，规模效率差距无缩小趋势。区域内物流产业规模与最优生产规模差距较大的省域并没有表现出明显的追赶趋势。二是省域物流产业规模与最优生产规模的差距未收敛于同一水平。全国层面物流产业规模效率的回归系数βSE为负值但并不显著。省域经济发展水平的差异决定省域间物流产业规模的差异，各省域内资金、技术和人力资本等要素投入决定不同的最优物流产业规模，省域物流产业规模与最优生产规模的差距未收敛于同一水平。

3.物流产业效率条件β收敛检验。按照收敛性检验数据相关说明构建模型，面板回归模型如下：

其中，T取2、3、4和5，分别对应于2008-2009、2010-2011、2012-2013、2014-2015。本文通过Hausman检验确定选择固定效应(FE)还是随机效应(RE)模型进行面板回归，估计结果见表7。根据P值判断，所有回归结果应选择固定效应模型进行分析。

表7　各区域物流产业各效率值条件β收敛回归结果

注：P代表Hausman检验的p值；***、**、*分别表示0.01、0.05、0.1的显著性水平；括号中为标准误差。

(1)区域物流产业综合技术效率条件β收敛检验。一是全国及东、中和西部区域物流产业综合技术效率的条件收敛回归系数都在0.01显著性水平下为负值，表现出条件β收敛特征。东部区域内各省域物流产业综合技术效率差距有继续保持的趋势，各省域仅收敛于自身的稳态水平，收敛速度约为48%。二是中、西部区域内部存在同样的状况，各省域物流产业综合技术效率的不平等地位仍将持续下去，收敛速度分别约为65%和61%。全国层面各省域收敛于各自不同的稳态水平，表明东、中和西部区域间甚至各省域间物流产业综合技术效率仍存在较大差异，并差异可能长期持续。

(2)区域物流产业纯技术效率条件收敛于稳态水平。全国及东、中和西部区域内部物流产业纯技术效率的条件收敛回归系数都在0.01显著性水平下显著为负值。这一结果表明东、中和西部区域内部各省域间纯技术效率收敛于各自稳态水平，差异可能持续保持。而全国层面的条件收敛表明区域间物流产业纯技术效率仍可能长期存在差异。

(3)区域物流产业规模效率存在差异。全国及东、中和西部区域内部物流产业规模效率的条件收敛回归系数都在0.01显著性水平下为负值。这一结果反映出区域间及区域内各省域间物流产业规模效率存在一定的差异，这种差异可能长期持续。

五、结论与启示

(一) 结　论

运用SE-DEA方法测算2006-2015年区域物流产业综合技术效率、纯技术效率和规模效率，对比分析区域间物流产业各效率值差异，分析各区域物流产业各效率值的收敛性，探索其趋同或趋异。结论如下：

1.物流产业综合技术效率、纯技术效率和规模效率区域间差异明显且存在较大提升优化空间。一是东部区域物流产业综合技术效率远高于中、西部，西部区域最低，区域差异显著。2008年以后中国物流产业综合技术效率呈缓慢上升趋势。二是大多数省域物流产业纯技术效率处于无效率状态，2010年后东、中部区域上升，而西部区域有波动下降的趋势。东部区域物流产业纯技术效率高于中、西部区域，中部最低。三是30个省域的物流产业都处于规模无效率状态，与各自最优生产规模存在一定差距。中部物流产业规模效率最高，基本维持稳定；东部次之，有明显上升趋势；西部最低，有波动下降的趋势，区域物流产业效率存在较大提升优化空间。

2.东、中、西部区域内及区域间物流产业综合技术效率、纯技术效率和规模效率的差异维持稳定。一是西部区域物流产业综合技术效率的绝对收敛与条件收敛都表现出明显的收敛特征，而东、中部及全国层面表现出微弱的σ收敛特征和强烈的条件收敛特征。西部各省域物流产业综合技术效率的差异有显著缩小趋势，而东、中部各省域间物流产业综合技术效率长期保持稳定差异，东、中、西部区域间物流产业综合技术效率的差异尚未呈现显著缩小的趋势。二是全国及中部区域物流产业纯技术效率表现出绝对收敛和条件收敛的特征，而东、西部区域则仅表现出微弱的σ收敛特征和强烈的条件收敛特征。东、西部区域内各省域物流产业纯技术效率的差异并未表现出显著缩小的趋势，而中部区域内各省域显著趋同。三是物流相关技术应用水平及企业运作管理水平的提升促进了全国层面物流产业纯技术效率的趋同，差距有显著缩小趋势。全国及三大区域物流产业规模效率表现出显著的条件收敛特征，同时σ收敛检验表现略微发散的趋势，说明其物流产业规模效率的差异并未表现出显著的缩小趋势，仍可能继续维持。

(二) 启　示

基于以上研究结论，总结出如下启示：

1.多方位促进区域物流产业效率趋同演进以实现物流产业均衡协调发展。区域物流产业效率趋同是中国物流产业一体化健康发展的重要表征。一是促进东、中部各省域物流产业综合技术效率及规模效率的趋同。充分利用物流资本、技术和管理等要素资源，发挥东、中部区域内物流产业效率落后省域的追赶潜力，促进东、中部各省域物流产业综合技术效率的趋同演进。挖掘中、西部物流产业综合技术效率追赶东部的能力以缩小区域差异，促进中国物流产业综合技术效率的趋同演进。通过推广应用物流科技、优化运营管理提升中部区域物流产业综合技术效率，通过调整西部区域整体的物流产业生产规模以提升其规模效率。二是提升中、西部区域物流产业纯技术效率整体水平，注重协调发展。减弱物流产业生产要素跨省域或区域自由流动的阻力，重点提升中、西部区域物流产业纯技术效率整体水平并注重各省域的协调发展。积极调整西部区域物流产业的生产规模，推动其规模效率向东、中部区域平均水平靠拢。

2.推进物流产业供给侧结构改革以全面提升全国各省域物流产业效率。一是推进区域物流业发展的供给侧结构改革。优化物流产业投资结构以迎合物流服务需求升级的趋势，重点投资贴近市场需求的现代化物流固定资产项目，适当控制车辆运输业、仓储业等传统低附加值物流业务的相关投资，提升物流产业固定资产投资效率以优化物流产业效率。二是优化物流行业、企业层面的运营管理以实现效率、效益最大化。对接现代物流业供给侧结构性改革的需求，通过优化物流行业、企业层面的运营管理以实现效益最大化，提升物流产业效率。主要措施包括：鼓励传统物流行业转型升级，推动物流行业进一步实现科技化、信息化；增加物流服务的多样性并注重优化服务质量；提高物流服务的市场供需匹配度，增强物流企业的整体盈利能力。三是以缩小区域差异为目标，优化全局物流产业规模效率。针对各省域及三大区域间经济水平差距，以长远眼光调控各省域物流产业规模，缩小与物流产业最优生产规模的差距，追求规模报酬最优化，优化全局物流产业规模效率。

3.重点协调东、中和西部区域间物流产业效率以缩小区域发展差距。一是通过东部区域物流产业发展的领先优势助力提升中、西部物流产业效率。鼓励东部区域的大中型物流企业将先进物流科技及高效物流运作管理理念向中、西部区域有效输出，以期带动中、西部区域的物流产业纯技术效率的提升，促进区域物流协调发展。二是中、西部区域对接东部区域优势物流资源以弥补物流业发展短板。政策引导中、西部物流产业发展，加大物流项目招商引资力度，助力优势物流资源快速成长发展。放宽中、西部区域物流行业工商准入制度限制，减轻物流业企业税负，优化物流企业经营管理能力。重视物流业与农业、制造业等重要行业的联动发展，追求规模报酬最优化。另外，东、中和西部区域间物流行业梯度性地跨区域融合发展有助于缩小物流产业效率差距。注重发挥中部区域在物流资源的输送中扮演过渡衔接的作用，尤其重视东部和中部、中部和西部之间物流行业的跨区域融合发展。

参考文献:

[1]KUMAR S.State road transport undertakings in India:technical efficiency and its determinants[J].Benchmarking:An International Journal,2011,18(5):616-643.

[2]MALLIKARJUN S,LEWIS H F,SEXTON T R.Operational performance of U.S.public rail transit and implications for public policy[J].Socio-Economic Planning Sciences,2014,48(1):74-88.

[4]张祖俊,刘玉海.引致需求、路网密度与中国道路运输业营运绩效评价——基于DEA模型与面板Tobit的两阶段分析[J].上海经济研究,2011(10):58-66.

[5]李兰冰.中国铁路运营效率实证研究：基于双活动—双阶段效率评估模型[J].南开经济研究，2010(5):95-110.

[6]HAMDAN A,ROGERS K J.Evaluating the efficiency of 3PL logistics operations[J].International Journal of Production Economics,2008,113(1):235-244.

[7]KIM T.Efficiency of trucks in logistics:technical efficiency and scale efficiency[J].Asian Journal on Quality,2010,11(1):89-96.

[8]汪旭晖,徐健.基于超效率CCR-DEA模型的我国物流上市公司效率评价[J].财贸研究,2009(6):117-124.

[9]王瑛,杜鹏程,汪凯茜.中国物流投入产出效率评价体系及实证检验[J].北京工商大学学报(社会科学版),2013(3):59-64.

[10]张竟轶,张竟成.基于三阶段DEA模型的我国物流效率综合研究[J].管理世界,2016(8):178-179.

[11]王珍珍.我国制造业与物流业联动发展效率评价——基于超效率CCR-DEA模型[J].中国流通经济,2017(2):20-30.

[12]董锋,徐喜辉,韩宇.低碳约束下的我国省际物流业效率研究[J].华东经济管理,2016(5):86-91.

[13]KANG C C,KHAN H A,FENG C M,et al.Efficiency evaluation of bus transit firms with and without consideration of environmental air-pollution emissions[J].Transportation Research Part D:Transport & Environment,2017(50):505-519.

[14]PACI R.More similar and less equal:economic growth in the European regions[J].Review of World Economics,1997,133(4):609-634.

[15]沈坤荣,马俊.中国经济增长的“俱乐部收敛”特征及其成因研究[J].经济研究,2002(1):33-39.

[16]刘生龙，张捷.空间经济视角下中国区域经济收敛性再检验——基于1985-2007年省级数据的实证研究[J].财经研究，2009(12)：16-26.

[17]张玉明,李凯.基于知识溢出的中国省际区域经济增长收敛性实证研究[J].管理学报,2011(5):745-751.

[18]宋长青,李子伦,马方.中国经济增长效率的地区差异及收敛分析[J].城市问题,2013(6):46-51.

[19]LUDENA C E,HERTEL T W,PRECKEL P V,et al.Productivity growth and convergence in crop,ruminant,and nonruminant production:measurement and forecasts[J].Agricultural Economics,2007,37(1):1-17.

[20]LIU Y,SHUMWAY C R,ROSENMANA R,et al.Productivity growth and convergence in US agriculture:new cointegration panel data results[J].Applied Economics,2011,43(1):91-102.

[21]史常亮，朱俊峰，揭昌亮.中国农业全要素生产率增长地区差异及收敛性分析——基于固定效应SFA模型和面板单位根方法[J].经济问题探索,2016(4):134-141.

[22]李兆亮,罗小锋,张俊飚,等.基于能值的中国农业绿色经济增长与空间收敛[J].中国人口·资源与环境,2016(11):150-159.

[24]李健,卫平,付军明.中国地区工业生产率增长差异及收敛性研究——基于三投入DEA实证分析[J].产业经济研究,2015(5):21-30.

[25]MOHAMMADI H,RAM R.Cross-country convergence in energy and electricity consumption,1971-2007[J].Energy Economics,2012,34(6):1882-1887.

[26]APERGIS N,CHRISTOU C.Energy productivity convergence:new evidence from club converging[J].Applied Economics Letters,2016,23(2):142-145.

[27]李国璋,霍宗杰.我国全要素能源效率及其收敛性[J].中国人口·资源与环境,2010(1):11-16.

[28]赵楠,王辛睿,朱文娟.中国省际能源利用效率收敛性研究[J].统计研究,2015(3):29-35.

[29]周四军,罗丹,WANG J.中国能源利用效率β收敛性的区域研究[J].财经理论与实践,2017(3):118-123.

[30]CAMARERO M,CASTILLO J,PICAZO-TADEO A J,et al.Eco-efficiency and convergence in OECD countries[J].Environmental & Resource Economics,2013,55(1):87-106.

[31]周五七,聂鸣.中国工业碳排放效率的区域差异研究——基于非参数前沿的实证分析[J].数量经济技术经济研究,2012(9):58-70.

[32]李佳佳,罗能生.中国区域环境效率的收敛性、空间溢出及成因分析[J].软科学,2016(8):1-5.

[33]ALAM I M S,SICKLES R C.Time series analysis of deregulatory dynamics and technical efficiency:the case of the U.S.airline industry[J].International Economic Review,2000,41(1):203-218.

[34]SINGH S K,RAGHAV S.Productivity growth and convergence across firms:a case study of India’s state transport undertakings during 2000s[J].Social Science Electronic Publishing,2015,56(3):1-25.

[35]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.

[36]张毅,牛冲槐.中国上市物流公司成本效率收敛分析[J].管理评论,2013(9):167-176.

[37]陈文新,刘冬,孙善祥.我国区域物流发展时空差异及收敛性研究——基于地理加权空间计量模型的实证分析[J].工业技术经济,2016(2):142-147.

[38]倪超刚，李俊凤.供给侧改革视角下我国物流业的技术效率评价——基于生产前沿模型和β收敛的实证[J].工业技术经济，2016(12):115-122.

[39]CHARNES A,COOPER W W,RHODES E.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978,2(6):429-444.

[40]BANKER R D,CHARNES A,COOPER W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management Science,1984,30 (9):1078-1092.

[41]CHEN J X,DENG M,GINGRAS S.A modified super-efficiency measure based on simultaneous input-output projection in data envelopment analysis[J].Computers and Operations Research,2011,38(2):496-504.

[42]金相郁.区域经济增长收敛的分析方法[J].数量经济技术经济研究,2006(3):102-110.

[43]杨翔,李小平,周大川.中国制造业碳生产率的差异与收敛性研究[J].数量经济技术经济研究,2015(12):3-20.

[44]MILLER S M,UPADHYAY M P.Total factor productivity and the convergence hypothesis[J].Journal of Macroeconomics,2002,24(2):267-286.

[45]唐建荣,杜聪,李晓静.中国物流业经济增长质量实证研究——基于绿色全要素生产率视角[J].软科学,2016(11):10-14.

[46]HALL R E,JONES C I.Why do some countries produce so much more output per worker than others?[J].The Quarterly Journal of Economics,1999,114(1):83-116.

[47]YOUNG A.Gold into base metals:productivity growth in the People’s Republic of China during the reform period[J].Journal of Political Economy,2003,111(6):1220-1261.

[48]唐建荣,卢玲珠.低碳约束下的物流效率分析——以东部十省市为例[J].中国流通经济,2013(1):40-47.

[49]袁丹,雷宏振.丝绸之路经济带物流业效率及其影响因素[J].中国流通经济,2015(2):14-20.