我国跨境电商物流信息系统投入产出效率的区域差异研究

王晓阔

内容摘要：本文基于我国31个省市自治区直辖市（港澳台除外）的2011-2016年6年间的跨境物流业的数理统计，研究了我国跨境电商物流信息系统中由于地域差异等因素所造成的投入产出效率不均衡的现象。并且在对于物流信息数据的处理和分析过程中，采用了BCC模型和CCR模型，对数据进行分析处理和通过指标选择性原则来创建新的评价指标体系模型，利用该体系模型对比分析我国31个省市的跨境物流业投入产出效率。我国经济较发达地区的物流业投入产出效率均较大，西部地区的物流业投入产出效率均较小，需进行物流业的各项投入和产出指标的调整和优化。

关键词：跨境物流 投入产出效率 区域差异

引言

跨境电子商务指跨境贸易业务的交易方式采用的是电子化手段，作为一种全新的经济模式，跨境电子商务可节省交易成本，增加贸易机会，提高贸易效率，提高企业的国际竞争力、市场应变能力。近年来，我国跨境电子商务发展快速，跨境电子商务物流也日益复杂，同时跨境物流受政策、信息流、环境等制约，在物流方面，我国跨境电子商务面临限制较多。跨境电子商务的短板是跨境物流，跨境物流发展，对跨境电子商务的快速发展有很大影响，要提高跨境电子商务的影响力、竞争力，跨境物流体系建设必须重视。跨境物流业是衡量一个地区经济发展的重要标志。因而，研究我国跨境物流业投入产出效率的意义重大。本文基于我国31个省市自治区直辖市（港澳台除外）2011-2016年6年间的跨境物流业的数理统计，研究了我国跨境电商物流信息系统投入产出效率的区域差异。

研究概述

近年来，关于电商贸物流投入产出效率的研究较多，在方法上，有些研究者采用主成分分析法，对商贸流通业投入产出效率进行评价。俞彤晖（2014）采用主成分分析法，分析了广东省1998-2012年流通效率演进趋势，并测度了2012年广东省21个地市的流通效率现状。郭守亭等（2013）采用因子分析法，评价了我国1995-2011年的流通效率；还有一些研究这采用改进的DEA方法，对商贸流通业投入产出效率进行了评价，陈宇峰等（2015）采用超效率DEA模型，对1997-2010年全国29个省份的商贸流通效率进行了测度；孙金秀（2014）运用GRA-DEA （灰色关联-数据包络）混合模型，测度和評价了我国30个省市现代流通业效率。

我国跨境电商发展近况

我国目前跨境电商企业已超过5000家，有20万家企业在其平台开展贸易。我国跨境电商贸易额在2011年为1.8万亿，2016年贸易额为6.5万亿，同比增长25%。电子商务跨境贸易近几年出现井喷式发展，我国跨境电子商务每年以30%左右的速度增长，图1为2011-2016年跨境电子商务增长率及交易额。

图2为2016年我国跨境电子商务贸易额各地区所占比例，由地区分布知，我国跨境电子商务主要以出口为主，我国2016年的跨境电商出口主要地有欧盟、美国、日本、东盟、印度、韩国、中国香港等，这些国家的电商出口额占总额的77.4%，美国占比17.3%，欧盟占比16.5%。

评价模型

（一）数据包络分析

数据包络分析即DEA，相对效率理论是该数据包络分析模型的理论依据和指导，主要的运算方式是采用了数学规划法，从而对于物流信息系统中的投入数据和产出数据进行统计分析，该模型可进行同类决策单元多数据相对有效性的评价。本文基于DEA模型，对我国跨境物流业投入产出效率进行评价。图3为数据包络分析模型进行一般数据的效率评价的基本流程。

（二）CCR模型

CCR模型是首个数据包络分析方法提出的模型，对CCR模型而言，假设条件是规模报酬不变，也就是每单位对于该项目进行投资和收益的总额是一定的，从而对于该项目的投入产出效率进行有效性评价。在使用该模型进行有效性评价时，本文先假设共有k个DMU，而那么多个的DMU的投入效率为m，产出效率为n。DMUk表示决策单元，1

在模型中，评估DMUr的比例为λr；DMUr效率值为θ；DMUr表示λr=0时，其未在DMUk集合中；松弛变量s-i表示DMUk应减少的投入量，超额变量s+j表示增加的产出量。假设最佳解为θ*，λ*r，s-*i，s+*j，θ*=1且s-*i=s+*j=0是实现相对有效率的充要条件。若要实现DMU最适生产边界效率目标，可采用、进行改进：

由改进式子可知，当θ*=1且s-*i=s+*j=0，则DMUk相对有效率。当投入和产出均无须调整时，ΔXki=ΔYki=0。反之，当DMUk效率值<1时，通过减少ΔXki投入，增加ΔYki产出，相对有效率才能实现，虚拟参考点是其他DMU以λ=[λ1，λ2，…，λR]为权重的线性组合，主要的作用是为以后DMU调整新的投入产出作参考。

（三）BCC模型

但是采用CCR模型来对于项目的投入产出效率进行评价有一个极大的弊端，就是该模型的使用是在以规模恒定的前提下，但是在实际的生产活动中，变量会随着生产规模的改变而发生改变。BCC模型是修正了CCR模型中的基本假设条件，其他条件则不变。因为这个模型可对决策单元是否己达到有效生产规模进行评价，因而可对技术效率、规模效率同时进行衡量。BCC模型为：

θ无正负限制，一旦DMU的投入产出效率没有达到期望值，最大的原因可能是生产规模无效率又或者是该项目的技术无效率，因为在CCR的模型中，是假设规模报酬为恒定值，所以生产规模等改变并不会导致其效率发生变化。由于Ek是DMU的综合效率，所以当采用BCC模型来对其进行运算时，所得到的tk是DMU的技术效率，BCC模型中的技术效率和CCR模型中的综合效率都是对DMU进行重新调整投入产出效率后所得到的具有相同的生产规模下的规模效率，可以将其用公式简单地推算为，即综合效率=技术效率×规模效率。

模型选取与样本数据来源

（一）模型选取

由于上述的分析所知，DMU的综合效率计算方式可以简单地看作是技术效率和规模效率的乘积，所以在本文的研究分析过程中，采用了BCC模型和CCR模型相结合的方式来对DMU的综合效率进行计算。运算的前提条件是要保证规模报酬处于一个恒定不变的状态，通过调节规模效率和技术效率，改变综合效率，这个方法可对决策单元的物流业效率进行全面地测算。社会环境和经济环境是变化的，生产规模大小会对生产效益造成直接影响，采用两种模型相结合，可弥补CCR模型的不足。

（二）样本数据来源

本文选取2011-2016年的数据，数据主要来源于各省市的统计年鉴、国家统计局官方网站。因跨境物流业从投入到产出需一段时间，本文选择2011-2016年共6年的数据进行分析。

样本数据及指标的统计性描述。对全国31个省市自治区直辖市的跨境物流业样本数据进行统计分析。指标在进行统计性描述的时候主要是针对四个指标：最小值指该组指标数据中的最小量；最大值指该组指标数据中的最大量；平均值是指指标数据中全部予以平均后的计算值；标准差是方差算术平方根，可对指标数据分布特征进行描述。表1-表5为我国31个省市自治区直辖市跨境物流业数据的数理统计分析结果。对于这31个省市自治区直辖市的输入输出指标进行统计分析，分别从数据中的最小量、最大量、平均值和标准差的分析，可对我国跨境物流业的投入及产出情况进行大体了解。

由表1知，我国31省市跨境物流业从业人数的最小值、最大值间的差距十分大，差距为100倍左右。从2011年到2016年，物流业从业人数平均值的增长速度不是十分显著，而对于物流从业人均数量约保持在20万人。但是从业人数的标准差数值极大，这说明我国各地区跨境物流业从业人数差异较大。

由表2可知，我国31个省市跨境公路里程数最小值、最大值间差距较大，差距为22倍左右。2011年到2016年，公路里程数平均值增长明显，说明我国各地区公路基础设施建设均得到加强。公路里程数标准差较小，这表明我国各地区公路里程数差异较小。

由表3知，我国31省市跨境物流业固定资产投资额最小值、最大值间差距较大，差距在15倍左右。从2011年到2016年，物流业固定资产投资额平均值增长明显，这表明我国对于跨境物流行业的投入力度还是处于不断增加的过程。但是根据数据分析可知，对于跨境物流业的固定资产投资额的标准差具体数值比较大，充分地反映了由于地域的差异所导致的对于物流业固定资产投资额的不同。

由表4知，我国31省市跨境客运量最小值、最大值间差距十分大，差距最大为364左右。从2011年到2016年，客运量平均值增长明显，客运量标准差较大，这表明我国各地区客运量具有较大差异。

由表5知，我国31个省市跨境货运量最小值、最大值间具有较大差距，差距为298倍左右。从2011年到2016年，货运量平均值增長较快，货运量标准差较大，这表明我国各地区货运量具有较大差异。

总体上，在2011-2016年，我国各省市每一个输入指标、输出指标均有较大差异，因数理统计无法很好地对各省市跨境物流业效率水平进行区分，所以采用了数据包络分析来对物流信息系统中的投入数据和产出数据进行统计分析，可进行同类决策单元多数据的相对有效性的评价方法。

（三）实证分析

在实际的案列分析过程中，重点将我国的31个省市自治区直辖市的跨境物流业的综合效率进行评价分析，并且采用了分析软件Deap2.1。

综合效率的分析。由表6可知，2011-2016年，我国31个省市自治区直辖市的跨境物流业综合效率的具体数值由于各个地区的差异而出现差异，可以将其与数值1进行参考比较，分为两大类；一是综合效率数值小于1，即该地区的跨境物流行业是无效率的；二是等于1，即该地区跨境物流行业是处于领先地位的，十分有效率。通过对于我国31个省市自治区直辖市的跨境物流业的综合效率进行评价分析，并且求出平均值，通过平均值的大小进行跨境物流业综合效率排名。各省市跨境物流业综合效率的高低通过排名可反映出排名在前5位的分别为天津、上海、江苏、浙江、北京，这比较符合常规判断，基本上均为我国经济较发达地区，这些省市物流业和产出均较大，这与该地区经济环境和经济有密切联系，这些省市物流业综合效率较高，发展相对迅速。排在后5位的为云南、新疆、西藏、贵州、黑龙江，这些省市大多在西部地区，物流业的资源的利用率不高，产出未能获得最优化，因此需对物流业的各项投入和产出指标进行调整和优化。

纯技术效率的分析。由表7可知，通过纯技术效率分析可以得出结论，即当物流行业的生产规模处于最优化的水平时，对于该物流业综合效率的影响因素主要是技术水平和管理能力。可以将其与数值1进行参考比较，分为两大类；一是技术效率数值小于1，即该地区的跨境物流行业是无效率的；二是等于1，即该地区跨境物流行业的技术水平是处于前沿地位的，十分有效率。纯技术效率排名前5位的为北京、上海、天津、浙江、广东，排在后5位的为云南、新疆、广西、宁夏、黑龙江。

全国31个省市物流业规模效率的分析。由表8可知，通过对于跨境物流业的规模效率予以评价分析，可以直观地反映出实际生产规模和最优化生产规模之间的差异情况。可以将规模效率与数值1进行参考比较，分为两大类；一是规模效率数值小于1，即该地区的跨境物流行业是差于最优化生产规模的；二是等于1，即该地区跨境物流行业是的实际生产规模是与最优化生产规模水平持平。规模效率排名前5位的为上海、天津、北京、浙江、广东，排名后5位的为青海、西藏、云南、吉林、宁夏。

规模的递增递减情况。由表9可知，规模报酬是指因企业生产规模变动造成生产变动的关系。当产量增加比例分别大于、等于、小于投入要素增加的比例时，分别表示规模报酬递增（irs）、规模报酬不变（-）、规模报酬递减（drs）。2016年我国大部分省市物流业处于规模报酬递增的阶段，这表明我国物流业发展势头良好。

结论

本文基于我国31个省市自治区直辖市的2011-2016年6年间的跨境物流业的数理统计，研究了我国跨境电商物流信息系统中由于地域差异等因素所造成的投入产出效率不均衡的现象。并且在对于物流信息数据的处理和分析过程中，采用了BCC模型和CCR模型，对数据进行分析处理和通过指标选择性原则来创建新的评价指标体系模型，利用该体系模型对比分析我国31个省市的跨境物流业投入产出效率，我国经济较发达地区的物流业投入产出效率均较大，西部地区的物流业投入产出效率均较小，需进行物流业的各项投入和产出指标的调整和优化。

参考文献：

1.赵佳妮，吕靖.基于B2C的跨境电商出口物流模式及问题分析[J].物流工程与管理，2016，38（5）

2.冀芳，张夏恒.跨境电子商务物流模式创新与发展趋势[J].中国流通经济，2015（6）

3.刘合群.河南省各地市商贸流通业投入产出效率比较分析[J].商业经济研究，2016（13）

4.郭守亭，俞彤晖.中国流通效率的测度与演进趋势[J].北京工商大学学报（社会科学版），2013，28（6）

5.霍云福，王玉彩.基于DEA的城市商贸流通电子商务竞争力比较[J].经营与管理，2013（6）

6.俞彤晖.广东省流通效率演进趋势及现状研究[J].广东财经大学学报，2014，29（5）

7.陈宇峰，章武滨.中国区域商贸流通效率的演进趋势与影响因素[J].产业经济研究，2015（1）

8.孙金秀.现代流通业效率指标体系的构建与评价—基于中国30个省际数据的比较分析[J].商业经济与管理，2014（6）