供给侧改革背景下广东省物流业效率实证研究<br/>——基于SE-SBM-DEA模型

供给侧改革背景下广东省物流业效率实证研究
——基于SE-SBM-DEA模型

2019-02-14刘刚桥师建华顺德职业技术学院经济管理学院广东佛山528333

物流科技 2019年1期

刘刚桥，师建华，李明（顺德职业技术学院经济管理学院，广东佛山 528333）

0 引言

物流业作为支撑国民经济发展的基础性、战略性产业，是联接供给侧和需求侧的基础纽带。为解决物流领域长期存在的成本高、效率低等突出问题，2016年9月国务院办公厅印发了《物流业降本增效专项行动方案（2016-2018年）》，明确指出要大力推动物流业降本增效，推进物流业转型升级，提升行业整体发展水平，因此，如何着力提高物流业全要素生产率，构建高效率、高品质的现代物流成为关注的焦点。

近年来随着物流理论和实践研究的不断深入，关于物流业效率测评的研究成果逐渐丰富。数据包络分析法（DEA）是当前物流业效率研究最主流的一种方法，通过中国知网（CNKI）进行检索，发现目前有关广东物流效率研究的学术论文仅有7篇且均采用DEA模型，其中李松庆（2014）[1]采用DEA-MALMQUIST法测算了2009～2013年广东省物流业全要素生产率，李松庆（2016）[2]运用三阶段DEA模型在考虑环境因素的基础上对2013年广东省21个城市物流业综合效率进行了测评，何新安（2017）[3]利用DEA-TOBIT模型测评了广东省 2005～2015年物流效率及其影响因素，肖斌（2018）[4]采取普通EDA模型对广东省2010～2015年物流业综合效率进行了评价分析，以上研究成果均采用了传统的DEA基础模型CCR、BCC或两者并用。DEA模型发展至今已经衍生出多种拓展模型，如传统DEA测算的有效决策单元（DMU）的效率值均为1，无法进一步区分有效程度，Andersen（1993）[5]为此提出了超效率模型（Super Efficiency Model，SE-DEA），使有效DMU的效率值一般大于1以作进一步优劣分析；而对无效DMU的测量只包含了投入或产出同比例改进，而松弛改进部分未得到体现，为此Tone（2001）[6]提出了基于松弛变量的测量模型（Slack Based Measure,SBM-DEA），弥补了传统DEA模型由于径向和角度的选择所带来的不足。本文采用SE-DEA和SBM-DEA相结合的方法测量广东省21地级市物流业运行效率，探讨广东省物流业运行效率的变化规律，分析物流业相对无效率的成因，明晰物流业改善的目标和方向，进而从供给侧视角寻求提升物流业效率的政策建议。

1 研究方法与测算模型

传统的DEA模型是由Charnes,Cooper and Rhodes[7]在1978年提出的一种非参数分析方法，它是在Farrell（1957）[8]提出的以生产边界衡量技术效率模型的基础上，利用线性规划及对偶模型测算同一类型的具有多个投入和产出指标的决策单元的相对效率，即CCR模型。Banker,Charnes and Cooper（1984）[9]考虑了决策单元生产规模的可变性，将CCR模型修正为规模报酬可变的BCC模型。Andersen和Tone以传统DEA模型为基础，分别构建出SE-DEA模型和SBM-DEA模型，其中SBM模型以优化其松弛变量为目标函数，是一种非径向、非角度的DEA方法，该模型尽可能地考虑了由于角度和径向选择造成的投入产出松弛性问题，Tone（2002）[10]综合两种模型优点进一步构建了基于超效率的SMB模型，即SE-SBM-DEA模型。该模型假定有n个决策单元（DM U ），记为DMUj（j=1,2,…,n），每个决策单元DMU具有m项投入及s项产出，分别记为Xij（i=1,2,…,m）和Yrj（r=1,2,…,s），非角度规模报酬不变下的模型可表示为：

其中δ*为DMU的效率值，λ为DMU的投入产出调整系数。在模型（1）的基础上增加约束条件，即可修正为可变规模报酬下SE-SBM-DEA模型。考虑到研究视角为物流业供给侧，且投入因素比产出因素更易控制，因此采用投入导向型的DEA模型。

2 广东物流业效率实证分析

2.1 变量、样本和数据的选取

结合以往学者的研究基础、广东省物流业发展实际以及数据的可获得性等因素，本研究选取物流业固定资产投资、从业人员数作为投入变量，物流业增加值、货运量作为产出变量（见表1），其中投入变量较好地反映了物流业资本和人力等基本投入要素，产出变量反映了物流业发展规模和发展质量。

表1 投入产出变量说明

本研究选用广东省21个地级市作为研究样本，满足DEA模型对样本数的一般经验法则要求决策单元DMU数量n不少于变量个数的3倍。参考国家行业分类标准和相关研究经验，本研究选用2009～2016年交通运输、仓储和邮政业的数据作为样本数据，数据来自历年广东省统计年鉴。为消除通过膨胀因素影响，将物流业增加值、固定资产投资分别按照各年GDP指数、工业生产者出厂价格指数（PP）I进行平减。

2.2 实证结果分析

本研究运用MaxDEA7.0软件分别基于普通DEA、SE-DEA、SBM-DEA以及SE-SBM-DEA模型对广东省21地市物流业效率进行了测算（其结果见表2），由于优化了无效率单元的改进比例，导致SBM模型效率值均明显小于径向模型效率值，同时，SE-DEA提高了模型分辨率，将有效单元的效率值拓展到1.0以上，将更有利于规模效应的区分，本研究主要以SE-SBM-DEA效率值进行分析。

2.2.1 物流业效率分析

从广东省各市2009～2016年物流业效率均值分布看（见图1），综合技术效率和纯技术效率均处于第一梯队的有4个市，分别为广州、中山、江门、佛山，4个地区的综合技术效率均超过1.0，其中中山最高为1.1915，说明这4个地区投入产出要素配置合理，而纯技术效率突破1.0的地区有7个市，其中广州纯技术效率远超其他地区，达到1.8266。综合技术效率方面，介于0.9～1.0之间的地级市有2个，分别为湛江、茂名，这2个地区处于边缘DEA无效率范围，通过对投入要素的调整或重新配置可较快实现整体效率达到有效前沿面，而介于全省均值0.6723～0.9的地级市为3个，其余12个地级市物流业效率值均低于全省均值。纯技术效率方面，介于全省均值0.9070～1.0之间的有3个地区，分别是汕头、河源和湛江。

表2 2009～2016年广东省各市不同模型下物流业效率测算结果对比

值得注意的是，经济相对发达的深圳无论是综合技术效率和纯技术效率均处于中间位置，这可能是目前学术界研究常采用的交通运输、仓储和邮政业增加值未能全面反映深圳市物流业产出情况①，而从广东省交通运输、仓储和邮政业发展现状看（见表3），深圳物流业单位企业就业人数、人均产值、单位企业产值、区位商等指标均处于中间位置，这与物流业效率测算值相吻合。

从2009～2016年物流业效率变化趋势看，全省21市综合技术效率均值总体呈现波动上升态势，由2009年的0.6352上升至2016年的0.6594，年均增长0.54%（见图2）。按照广东省经济区域划分，珠三角9市综合技术效率总体保持较高水平，呈现“六升三降”，其中佛山、惠州、肇庆、东莞、深圳、中山呈上升态势，年均增长分别为6.12%、4.50%、3.58%、2.12%、1.6%、0.89%，且广州、江门是唯一的两个样本期间各年效率值均大于1.0的地区，而广州、珠海、江门呈下降态势，分别年均下降1.67%、11.03%、0.69%。粤北地区物流业效率保持较快增长速度，物流业综合技术效率年均增长6.52%，其中韶关、清远2市更是保持年均超10%的增长速度，分别为11.56%、11.53%。粤东地区物流业效率保持稳步增长，年均增速为3.84%，粤东地区所覆盖的汕头、揭阳、汕尾、潮州4市均呈现上升态势，其中揭阳更是保持两位数的增长。4大区域中仅粤西地区呈下降态势，主要是受茂名年均下降13.32%的影响。“十二五”以来，广东省政府出台了《关于进一步促进粤东西北地区振兴发展的决定》（粤发〔2013〕9号）、粤东、粤西、粤北地区经济社会发展规划纲要（2011－2015年）等文件，有力地推动了粤东西北地区的发展，也带动了相关地区物流业发展水平的提升。

图1 广东省各市2009～2016年物流业效率矩阵

表3 广东省各市2009～2016年物流业发展状况

2009～2016 年广东省21市纯技术效率均值波动趋势与综合技术效率一致，年均增长0.75个百分点，其中每年纯技术效率值大于1.0的地区保持在7～10个（见表4），但仅广州、佛山、江门3市历年的纯技术效率均处于领先地位，始终大于1.0，尤其是广州纯技术效率由2009年的1.6069提升到2016年的2.2316，年均增长4.85%，同时效率值低于0.7的地区由最大的10个下降为5个，说明广东省各市物流业纯技术效率整体水平不断提升，这与“十二五”以来，广东省相继出台《广东省物流业调整和振兴规划》、《广东省现代物流业发展规划（2016-2020年）》等政策文件，并加大在智慧物流、“互联网+”高效物流、物流技术装备现代化、新业态等方面发展力度，大大提升了广东省物流业的整体技术水平。

2.2.2 规模效应分析

根据单位企业产值—规模效应矩阵可知（见图3），处于右上角象限内的是韶关、茂名、湛江以及清远，这4个地区单位企业增加值超1 500万元/个，且规模效应均大于0.75，这个象限内的地区物流业法人单位数相对较少，区位商均大于1.0（见表3），说明产业聚集程度较高，规模效应相对明显；右下角象限有7个地区，均为珠三角城市，其特征就是产业聚集度相对较好，规模效应较高，但物流企业经营活跃度较高导致法人单位数较多，中小型物流企业较多；左上角仅广州市，其区位商达到1.723，表示产业发展水平相对较高，但剔除技术对产业效率的影响，规模效应并不明显，尤其是2009～2016年广州市物流业规模报酬始终呈递减态势；左下角象限主要是粤东、粤西城市，这些地区物流企业较多由传统运输、仓储企业发展而来，专业化程度较低，资本构成比较单一，设施条件、管理方式、经营规模等参差不齐，存在明显的规模不经济情况。

图2 2009～2015年广东省4大区域物流业效率变化情况

表4 广东省各市2009～2016年纯技术效率范围分布情况

从样本期间变化趋势看，2009～2016年广东省各市物流业规模效应均值年均增长0.59%，与区位商变化趋势保持一致（见图4），说明规模效应与产业发展水平、集聚程度高度相关。值得注意的是，2009～2016年广东省物流业单位企业就业人数呈现下降趋势，说明单位就业人员生产效率不断提升，但另一方面也说明物流企业规模正在变小，尤其是当前物流行业经营环境竞争激烈，市场存在“劣币驱逐良币”等现象，物流企业更需整合资源提升规模，从而做大做强，不断提升行业竞争力。

图3 2009～2016年广东省各市规模效应矩阵

3 主要结论与启示

本文基于SE-SBM-DEA模型对广东省21个地市物流业静态效率及其变化趋势进行了实证分析，研究结果表明：一是广东省物流业效率水平区域差异较大，21地市效率水平呈现出三个层次，其中珠三角9市物流业效率相对较高，但经济相对发达地区物流业效率并不一定就高，田刚[11]等人也得出了同样结论；二是广东省各市物流业效率呈现不同程度的波动上升趋势，其中粤北、粤东地区各市物流业效率提升较快，且效率提升主要受技术效率影响较大；三是广东省物流业规模效应与产业发展水平、集聚程度高度相关，其中珠三角物流企业较多，竞争激烈，产业集聚度较高，而粤东、粤西地区物流企业较少，但专业化程度较低，规模效应相对较低。