中国物流产业技术效率：时空分异、影响因素与演进逻辑——基于PP-SFA模型的实证分析

张亮亮，苏涛永，张 健

(1.同济大学 经济与管理学院，上海 200092;2.同济大学 建筑与城市规划学院，上海 200092)

一、 引 言

物流业是一个融合交通运输、仓储和邮政业的复合型产业。从发展战略层面而言，物流产业在优化产业结构、转变发展方式和促进宏观经济增长等方面体现基础支撑的作用，同时亦是缩小地区间经济水平差距和协调区域间发展节奏的重要抓手。近年来，物流产业得到空前的重视，赢得迅速发展的机会。但是，高速发展并不意味着高质量发展。基础设施利用率低、运力资源浪费、营运成本过大、投入产出不匹配和环境污染等物流产业发展背后的一系列隐疾逐渐显现。回顾物流业发展历程，总结经验规律，以史为鉴，点亮物流业光明而曲折的前行道路。首先，准确评价物流产业发展状况是实现物流业持续健康发展的必要前提。研判物流产业所处的产业生命周期阶段，从多方面综合考量特定阶段下物流产业的发展水平，对于制定时宜的物流产业政策具有指导意义。同时，识别地区和区域间物流产业发展状况的不平衡利于窥探物流产业空间失衡与区域经济失调之间的关系，对于物流产业助力区域间实现协调发展具有一定的启发意义。其次，识别特定发展阶段下的推动和制约因素为制定针对性的物流产业发展优化措施提供指导。明确不同发展阶段下来自经济、制度、技术和环境等方面的重要因素对物流产业的影响作用，利于定位阻碍物流产业可持续发展的“症结”，“对症下药”以调控物流产业发展的方向，促进经济、社会和生态等多方受益的产业发展战略目标的达成。另外，把握物流产业的成长逻辑及其发展规律，有利于明确下一产业阶段的发展方向，并为实现物流产业高质量发展提供理论借鉴和政策建议。

就经济学视角而言，技术效率用以考量现有生产技术水平下投入确定时生产者产出接近其可能的最大产出的程度，综合反映经济系统的运行状况。从资本、劳动力、技术和能源等生产要素中挖掘物流产业生产活动的关键投入，以行业产值、规模和环境污染等作为主要产出，综合考量物流产业投入和产出的关系以测度物流产业技术效率。基于技术效率的视角，对比各地区物流产业的发展状况，挖掘左右物流产业发展的多层面因素，剖析其深层次的作用机理，为促进中国物流产业高质量发展提供理论支撑和有益启示。

二、 文献回顾

(一) 文献综述

1. 物流基础设施技术效率研究。以往研究多从物流基础设施这一具体对象入手，主要涉及公路、铁路、港口、空港、仓储业和公共交通系统等基础设施技术效率的测度及相关问题。物流基础设施技术效率测度方面，Wanke和Azad(2018)[1]基于随机数据包络分析(Stochastic Data Envelopment Analysis，SDEA)和模糊数据包络分析(Fuzzy Data Envelopment Analysis，FDEA)两种方法测度了日本、泰国、越南、马来西亚、缅甸和印度尼西亚六国的铁路运营技术效率，并对比分析了两种方法下的技术效率值差异。Suárez-Alemán等(2016)[2]同时运用数据包络分析(Data Envelopment Analysis，DEA)和随机前沿分析(Stochastic Frontier Analysis，SFA)两种方法测算2000-2010年间70个发展中国家的203个集装箱港口运营的技术效率，证实发展中国家的集装箱港口技术效率呈上升趋势。Andrew和Leon(2010)[3]认为准确评价仓储行业的技术效率利于提升其经营绩效，并运用两阶段DEA测算不同产业的仓库的技术效率，为仓储业技术效率评价和管理优化提供建议。此外，部分学者探究了公路运输业技术效率(杨良杰等，2013)[4]、航空公司技术效率(Jain和Natarajan，2015；王恩旭等，2016)[5-6]和公共交通系统技术效率(Pal和Mitra，2016；林伯强和杜之利，2018)[7-8]的相关问题。

2. 物流基础设施技术效率的影响因素研究。有研究进一步探究物流基础设施技术效率的驱动和制约因素。Jitsuzumi和Nakamura(2010)[9]分析了运输密度、区位差异等不可控的外生因素对日本铁路运营商技术效率的影响，并据此制定最优的政府补贴标准，提升铁路运营商整体的技术效率。Yuen等(2013)[10]的研究发现中国参股但并非主要股东的集装箱港口的技术效率较高，证实外资引入和内外部竞争有利于提升港口技术效率。王欢明和诸大建(2011)[11]证实市场竞争加剧和企业规模扩张有利于提升城市公交运营系统的技术效率，但是市场竞争存在作用临界值，即与技术效率呈倒U型关系。刘斌全等(2018)[12]认为区位条件、地形条件、城镇化水平和产业结构对中国铁路运输技术效率空间格局的形成产生重要作用。

3. 区域物流产业技术效率相关研究。鉴于复合性的产业特征，从区域层面探讨物流产业技术效率相关问题的技术难度较大，有少量但具有代表性的研究在这方面进行了尝试。Markovits-Somogyi和Zoltán(2014)[13]应用数据包络分析-成对比较(DEA-Pairwise Comparison，DEA-PC)方法评价欧洲29个国家的物流产业技术效率，实现对所有决策单元的全排序，并比较了传统DEA和DEA-PC方法测度物流产业技术效率的适用性。钟祖昌(2010)[14]采用三阶段DEA方法评价2007年中国各省域物流产业的技术效率，认为中国物流产业技术效率综合水平偏低，其主要原因是规模效率不足。田刚和李南(2011)[15]借助SFA方法测算了1991-2007年中国各省域物流产业技术效率，整体水平偏低，并证实人力资本和开放程度与物流产业技术效率正相关，而政府干预则是抑制因素。倪超军和李俊凤(2016)[16]同样采用SFA方法评价中国物流产业的技术效率，发现2013年后物流产业技术效率显现下降趋势，并探究了城镇化水平、创新环境和物流专业化水平等环境因素对技术效率的影响。

(二) 文献述评及创新之处

通过文献回顾，发现以往物流产业技术效率的相关研究存在诸多不足。第一，研究对象多为物流子行业或基础设施，区域层面的物流产业技术效率的研究相对缺乏，且研究尚浅，系统性不足。第二，物流产业是能源消费的主要行业，亦是温室气体的主要来源(王维国和马越越，2012)[17]。但是，现有对区域物流产业技术效率的相关研究多忽视能源消费和碳排放对物流产业技术效率的约束，所测度的技术效率值可能存在失真。第三，以往文献中的研究方法主要有DEA和SFA，创新性不足，尤其表现在研究方法的组合创新方面。

毋庸置疑，现有文献为本研究提供了深刻的洞见。基于上述研究不足的情况，本研究利用2007-2016年中国省域(省、自治区和直辖市)物流产业相关数据，组合应用投影寻踪(Projection Pursuit，PP)和SFA方法以准确测度能源和碳排放双重约束下的物流产业技术效率，同时探讨来自宏观外部环境和产业层面的多种重要因素的影响作用。基于此，从时间和空间维度挖掘物流产业技术效率的变化规律，明确影响因素的作用机理，窥探其背后的演进逻辑。本研究的创新之处在于：一是在评价指标体系方面，本研究将能源消费总量和碳排放量加入物流产业投入产出变量体系中，同时考虑能源消耗造成的投入增加和碳排放产生的环境负效应对物流产业技术效率的制约，更准确地测算区域物流产业的技术效率。二是在研究方法上，本研究创新地组合应用PP和SFA方法，构建PP-SFA模型用以测算物流产业技术效率及判定其影响因素。三是在研究内容方面，基于各区域分时段下物流产业技术效率影响因素的作用关系，剖析物流产业技术效率的演进规律亦体现一定创新性。

三、 研究方法、数据与模型

(一) 研究方法

SFA是基于回归分析的参数估计方法，需要设定生产函数形式及随机扰动项的分布，能够考察环境因素和随机因素对生产活动的影响。本研究选择SFA一步法测算物流产业技术效率，同时评定其影响因素。选择依据在于，传统SFA两步法的估计结果是有偏的，SFA一步法估计结果更优(Wang 和Schmidt，2002)[18]。但是，SFA模型单一产出的要求与将碳排放加入物流产业产出指标体系中的想法相冲突。鉴于此，引出PP方法实现对物流产业多产出指标的降维，由多产出转化为单一综合产出。

PP是一种分析和处理高维观测数据的新兴统计方法，尤其处理非正态、非线性数据见长(付强和赵小勇，2006)[19]。通过将高维数据投影到低维子空间，用低维子空间中的投影来反映原高维数据特征，实现数据的降维处理，在准确性、稳健性和抗干扰性方面表现俱佳。重要的是，相比于主成分分析、因子分析、层次分析和聚类分析等传统的综合评价方法，PP方法在数据结构和特征不确定情况下能够最大限度地挖掘数据本身内在的规律，评价准确度高。鉴于物流产业产出指标的数据结构和分布特征不明晰，本着避免人为赋权主观偏差和追求最大信息保真度的原则，选择PP这一探索性数据分析方法对物流产业产出指标体系进行降维处理具有一定的优越性。

1. SFA一步法。Battese和Coelli(1995)[20]提出基于面板数据估计生产前沿的函数模型：

Yit=Xitβ+(Vit-Uit)

(1)

Uit=Uiexp[-η(t-T)]

(2)

其中，η是时间因素对技术非效率项Uit的影响。η>0、η=0和η<0分别表示技术效率指数(-Uit)随时间变化而递增、不变和递减。另外，Vit和Uit相互独立。

技术效率为实际产出期望与生产前沿产出期望的比值，表达式为：

(3)

可知，当Uit=0时，TEit=1，表示评价对象处于技术有效状态；当Uit>0时，TEit<1，表示评价对象处于技术非效率状态。

为了解释各对象间技术效率的差异，引出技术非效率函数，表达式如下：

Uit=δ0+Zitδ+Wit

(4)

2. PP方法。投影寻踪评价方法主要包括以下步骤(付强等，2003)[21]。

步骤1：标准化处理。假设各指标的样本集为{x*(i,j)|i=1,2,…,n;j=1,2,…,p}，n、p分别为样本数量和指标数目。鉴于各指标量纲不统一，采用离差标准化方法进行指标的标准化处理，具体公式如下：

(5)

(6)

其中，xmax(j)、xmin(j)分别为第j个指标的最大值和最小值，x(i,j)为标准化后的指标集。

步骤2：构造投影指标函数。将p维数据{x(i,j)|j=1,2,…,p}投影至低维空间，得出最佳投影方向a={a(1),a(2),…,a(p)}，a为单位向量。基于此，投影值z(i)的表达式为：

(7)

要求投影值z(i)的散布特征为：整体分散且局部密集。因此，投影指标函数Q(a)构造为：

Q(a)=SzDz

(8)

(9)

(10)

以上三式中，Sz、Dz分别为投影值z(i)的标准差和局部密度；E(z)为投影值z(i)的均值；R为局部密度的窗口半径，具体取值根据实验确定；r(i,j)=|z(i)-z(j)|，表示样本之间的距离；u(t)为一单位阶跃函数，当t≥0时，u(t)=1，当t<0时，u(t)=0。

步骤3：优化投影指标函数。通过求解投影指标函数最大值以估计最佳投影方向a*，即：

MaxQ(a)=SzDz

(11)

(12)

步骤4：计算投影值。将最佳投影方向a*带入(7)式，计算各样本的投影值z*(i)。

(二) 变量与数据

鉴于交通运输、仓储和邮政业在物流产业增加值中占有相当比重，认为其能够反映物流产业的整体运行状况。此处以交通运输、仓储和邮政业代指物流产业。本研究基于2007-2016年中国30个省域交通运输、仓储和邮政业的面板数据开展，相关变量数据来源于历年《中国统计年鉴》《中国能源统计年鉴》《中国第三产业统计年鉴》《中国环境统计年鉴》和《中国科技统计年鉴》。因西藏自治区重要指标数据缺失严重，故此处不做分析。另外，鉴于数据获取难度较大，本研究不涉及中国的台湾、香港和澳门地区。

1.投入变量。根据柯布-道格拉斯生产函数，固定资产、劳动力和综合技术水平决定经济发展水平。鉴于综合技术水平的衡量难度较大，在经济分析中通常仅选取固定资产和劳动力作为生产要素。本研究除选取物流产业固定资产存量和从业人员数量作为投入变量之外，另外增加能源消费总量这一投入变量以考察能源消费约束下的物流产业技术效率。

(1)固定资产存量(K)。借鉴余泳泽和武鹏(2010)[22]的做法，以交通运输、仓储和邮政业固定资产存量衡量资本投入。首先，利用以2007年为基期的固定资产投资价格指数对各省域交通运输、仓储和邮政业固定资产投资额进行折算，以消除价格水平变动的影响。其次，参考Young(2003)[23]确定基年固定资产存量的方法，2007年的固定资产存量用2007年各省域交通运输、仓储和邮政业固定资产投资额除以2007-2016年间交通运输、仓储和邮政业固定资产投资额的年均增长率与折旧率之和，折旧率取9.6%(张军等，2004)[24]。然后，采用永续盘存法计算出2008-2016年的物流产业固定资产存量，其中固定资产投资额作滞后一期处理。

(2)从业人员数量(L)。采用交通运输、仓储和邮政业的城镇单位就业人数与私营企业及个体就业人数之和衡量物流产业的劳动力投入规模(陈永平和张亮亮，2018)[25]。对个别极端异常值取前后两期均值代替。

(3)能源消费总量(E)。总体来看，交通运输、仓储和邮政业所消费的能源主要包括煤、汽油、煤油、柴油、燃料油、液化石油气和天然气(马越越和王维国，2015)[26]。将各省域物流产业消费的以上七种能源按照相应的折标煤系数[注]煤、汽油、煤油、柴油、燃料油和液化石油气的折标煤系数分别为0.7143、1.4714、1.4714、1.4571、1.4286和1.7143千克标准煤/千克；天然气的折标煤系数为1.3300千克标准煤/立方米。转换为标准煤，并加总记为物流产业能源消费总量。

2.产出变量。钟祖昌(2010)[14]采用物流产业增加值衡量物流产业产出，而田刚和李南(2011)[15]的研究将货物周转量作为物流产业的单一产出变量。另外，于丽英等(2018)[27]用物流产业增加值和货物周转量双变量反映物流产业产出。以上几种变量组合相对单一或不足以全面衡量物流产业产出。本研究将物流产业增加值、综合周转量和碳排放量设定为物流产业产出变量组合。

(1)物流产业增加值(X1)。价值形态上的产出是经济系统产出评价的重要方面。选取交通运输、仓储和邮政业增加值代理物流产业增加值。采用以2007年为基期的各省域交通运输、仓储和邮政业增加值指数处理相应年份、相应省域的物流产业增加值以消除价格水平变动所产生的影响。

(2)综合周转量(X2)。借鉴王维国和马越越(2012)[28]的方法，将货物周转量和旅客周转量合成为综合周转量。将铁路、公路和水路三种运输方式下的旅客周转量分别按一定的换算方法[注]铁路、公路和水路的客货周转量换算方法分别为1人公里=1吨公里、10人公里=1吨公里和1人公里=1吨公里。转化，并与对应的运输方式下的货物周转量作和，得出每种运输方式下的周转量。基于此，将各省域各年份对应的三种运输方式的周转量加总，以衡量其物流产业综合周转量。

(3)碳排放量(X3)。基于物流产业消费的煤、汽油、煤油、柴油、燃料油、液化石油气和天然气七种能源数据，采用2006年IPCC国家温室气体清单指南所提供的方法估计物流产业碳排放量。公式如下：

(13)

其中，Ei为能源i的消费量，NCVi为能源i的平均低位发热量，CEFi为能源i的碳排放系数，COFi为碳氧化因子，取值为1，表示完全氧化。

3.影响因素。物流产业发展受制于多层面因素。以往研究主要从经济发展水平、市场化程度(王琴梅和谭翠娥，2013)[29]、对外开放程度(李健等，2018)[30]、FDI质量(张宝友等，2013)[31]和交通基础设施水平(刘瑞娟等，2017)[32]等宏观层面探讨其对物流产业技术效率的影响，忽视中观产业层面的作用因素。鉴于此，本研究探讨产业结构、环境规制强度和技术创新水平三类宏观环境因素与财政支持力度、能源消费结构和企业平均规模三类中观产业因素对物流产业技术效率的影响及作用机制。

(1)产业结构(Ins)。从业务量和产值两角度评价，制造业对促进物流产业发展体现至关重要的作用(霍鹏和魏修建，2017)[33]。可见，第二产业与物流产业存在紧密而深层的关联。因此，采用各地区第二产业生产总值与地区生产总值的比值反映产业结构特征。

(2)环境规制强度(Eri)。物流产业作为主要的能源消费行业，对环境产生的负效应不容忽视。同时，与环境治理相关的政策制度可能对物流产业技术效率产生一定的影响。借鉴张峰和田文文(2018)[34]的方法，采用各地区环境污染治理投资占GDP的比重代理环境规制强度。

(3)技术创新能力(Tia)。区域技术创新能力具有多维度特征，主要体现在技术创新投入、产出、扩散和环境支持方面(宋跃刚和杜江，2015)[35]。从技术创新投入视角着手，选择各地区研究与开发人员全时当量以衡量区域技术创新能力。

(4)财政支持力度(Fst)。政府对物流产业的重视程度以及对交通运输业的财政补贴力度左右物流产业的发展。此处，选取各地区交通运输业财政支出与总财政支出的比值作为物流产业财政支持力度的支撑数据。

(5)能源消费结构(Ecs)。物流产业消费能源的结构特征从投入和产出两个方面影响物流产业技术效率。借鉴史丹(2006)[36]的方法，以交通运输、仓储和邮政业所消费的煤量与总能源消费量(折合标准煤)的比值反映物流产业能源消费结构。

(6)企业平均规模(Esl)。企业规模大小左右规模经济效应的发挥，进而可能影响整体产业技术效率。以各地区交通运输、仓储和邮政业增加值与交通运输、仓储和邮政业法人单位总数的比值衡量物流产业企业平均规模，增加值数据已消除价格水平变动的影响。

(三) 模型设定与运算说明

鉴于超越对数生产函数相较于传统柯布-道格拉斯生产函数能够突破技术中性、投入产出弹性固定等严格假定(肖文和林高榜，2014)[37]，超越对数生产函数形式能更准确地揭示现实情况，具有一定的优越性。因无法事先确定物流产业经济系统中技术是否为中性以及产出弹性是否固定等问题，选择基于超越对数生产函数的SFA模型以更好地拟合物流产业发展的现实情况。具体模型设定如下：

lnZit=β0+β1lnKit+β2lnLit+β3lnEit+1/2β4(lnKit)2+1/2β5(lnLit)2+1/2β6(lnEit)2+

β7lnKitlnLit+β8lnKitlnEit+β9lnLitlnEit+(Vit-Uit)

(14)

Uit=δ0+δ1Insit+δ2Eriit+δ3Tiait+δ4Fstit+δ5Ecsit+δ6Eslit+Wit

(15)

运用PP方法将物流产业增加值(X1)、综合周转量(X2)和碳排放量(X3)合成为物流产业综合产出Zit的过程中，求解最佳投影方向是一个复杂的非线性优化问题。本研究采用基于实数编码的加速遗传算法(Real-coded Accelerating Genetic Algorithm，RAGA)并借助Matlab软件编写程序实现，得出最佳投影方向a={a(1),a(2),a(3)}。鉴于遗传算法采用随机初始化，并依概率随机交叉和变异，每次运行结果极大可能不同，但这种不同是朝着全局最优的方向变化(袁丽华等，2007)[38]。为增强结果稳健性，对每一年份数据重复运行五次程序，然后对所得五个最佳投影方向的每个元素取均值，记为a*={a*(1),a*(2),a*(3)}。利用a*计算得到各投影值Zit。

综上，本研究的对象为中国各省域物流产业，方法论为PP-SFA模型，主要问题为物流产业技术效率的时空分异、影响因素及演进逻辑，研究思路及框架如图1。

图1 研究思路及框架

四、 物流产业技术效率时空分异及影响因素

首先，应用Matlab R2018a软件计算物流产业综合产出指标值。其次，运用Frontier 4.1软件对超越对数生产函数形式的SFA模型进行回归分析，在测算物流产业技术效率的同时考察各因素对技术效率的影响作用。

(一) 物流产业技术效率及其时空分异

1.物流产业技术效率水平。历年各省域物流产业技术效率值及区域[注]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。技术效率均值见表1。2007-2016年间，30个省域总体的物流产业技术效率均值为0.5035。表明，在固定资产、从业人数和能源消费量不变的前提下，现有技术水平下的物流产业综合产出并非最有效的状态。可见，中国物流产业技术效率总体偏低，存在较大的可提升空间。

考察期内，所有省域物流产业技术效率值均小于1。由此表明，无一省域物流产业处于技术有效状态，印证物流产业发展存在可优化的空间。从各省域2007-2016年间物流产业均值来看，山东、河北、江苏和广东领先于其他省域，物流产业技术效率均值大于0.8，物流产业发展质量处于领先水平；云南、青海、贵州、北京和新疆物流产业技术效率均值皆小于0.3，物流产业发展质量较低，存在巨大的可优化空间。

2.技术效率时空分异。东、中和西部区域对比来看，区域物流产业技术效率分化明显。从各区域历年物流产业技术效率均值来看，东部最高，中部次之，西部最低。对比考察期内各区域物流产业技术效率总均值，发现东部区域高于全国平均水平，而中、西部区域则低于全国平均水平。由此可见，东部物流产业在资源配置和利用、管理作用发挥等方面具有较高的水平，而中、西部有待进一步改进提升。

表1 2007-2016年各省域物流产业技术效率值

从时序对比来看，物流产业技术效率呈总体下降的趋势。2007年，东、中和西部区域梯度分布明显。物流产业技术效率领先的省域主要集中在东部区域，中部区域的河南和山西表现不俗。2010年，以山西和福建为代表的部分省域物流产业技术效率下降明显，区域分化呈东高、中次和西低特征。2013年，区域分化仍较为明显。中部区域总体略微下降，安徽和湖北物流产业技术效率明显提升，而河南表现一定程度下降。2016年，东部仍领先，中、西部区域物流产业技术效率整体上进一步下降，但中、西部分化明显减弱，表现趋同化。

历年区域物流产业技术效率均值的降低率见表2。中部物流产业技术效率均值的平均降低率最大，西部次之，东部最低。2012-2013年全国及东、中和西部区域物流产业技术效率均有一定程度的增长，但增长势头并未能完全冲销其余年份总的下降势头。中部区域物流产业技术效率降低速度最大，西部区域次之，加之中部物流产业技术效率略高于西部，因此中、西部区域物流产业技术效率表现出趋同现象。东部物流产业技术效率领先，但下降速度最慢，低于全国平均降低率。由此可见，东部区域物流产业技术效率与中、西部分化一直明显并仍将持续，而中、西部逐渐趋同化。

表2 各区域物流产业技术效率均值的降低率(%)

(二) 影响因素评定

表3 影响因素间的相关系数

注：N=300；*和**分别表示在0.05和0.01显著性水平(双侧)显著相关

物流产业技术效率影响因素间可能存在多重共线性。因此，应考察影响因素间的相关性，其相关系数见表3。影响因素间相关系数均小于0.3，认为各影响因素间的共线性很弱，对技术非效率影响因素的估计不会产生显著影响。

经济系统中的投入和产出往往存在一定的时间滞后。借鉴白俊红等(2009)[39]的研究思路，此处同时考察投入产出无时间滞后(模型1)、滞后1期(模型2)和滞后2期(模型3)前提下的前沿生产函数及技术非效率函数的极大似然回归估计。投入产出滞后处理是对估计结果稳健性的检验，亦是缓解可能的双向因果关系的重要手段。另外，熵权法在客观赋权方面与PP方法有异曲同工之妙。参考杨丽和孙之淳(2015)[40]的方法，运用加入时间变量的熵值法(Entropy Weight Method，EWM)，将固定资产存量、从业人员数量和能源消费总量合成为物流产业综合产出，然后进行SFA一步法回归估计(模型4)，以更进一步地检验回归结果的稳健性。上述模型回归估计结果见表4。

表4 超越对数生产函数形式下SFA一步法回归估计

续表4

注：括号中为t值；*、**和***分别表示在0.1、0.05和0.01显著性水平下显著

相较于传统柯布-道格拉斯生产函数形式，超越对数生产函数形式具有一定优越性，但有必要对模型设定形式的合理性做进一步检验。为此，提出超越对数生产函数的随机前沿模型中β4、β5、β6、β7、β8和β9为0的原假设(H0)。应用广义似然率对原假设进行检验，其统计量λ=2[L(H1)-L(H0)]服从自由度受约束变量个数的χ2分布(刘恩初和李健英，2014)[41]。其中，L(H0)和L(H1)分别表示原假设和备择假设下的对数似然函数值。假设检验结果见表5，各模型的广义似然率均大于0.05显著性水平下的χ2分布临界值，均拒绝原假设。因此，相比于传统柯布-道格拉斯生产函数形式的随机前沿模型，本研究所设定的超越对数生产函数形式的模型更适合拟合物流产业生产过程的样本数据，证实模型设定的合理性。

表5 模型的假设检验

注：临界值的显著性水平为0.05

由表4数据可知，除模型4中γ，其余模型中δ2和γ均在0.01显著性水平下显著，说明技术非效率在各省域物流产业生产过程中是显著存在的，亦是超越对数生产函数形式下SFA一步法模型合理性的佐证。

产业机构(Ins)在各模型中回归估计系数均在0.01显著性水平下显著为负值，表明产业结构与物流产业技术效率正相关，即第二产业生产总值占GDP的比重越大，物流产业技术效率越高。物流业作为重要的生产性服务业，与第二产业高度联动，在扶持工业发展的过程中受到反哺。同时，制造业的繁盛有利于物流业高级化发展，使其追求服务创新以迎合多样化的物流服务需求。以追求质量为前提的发展促进物流产业在资源配置、技术应用和运作管理等方面持续优化，增强物流产业发展的稳健性。

环境规制强度(Eri)在模型1～3中的估计系数为负值，但并未达到统计意义上的显著，模型4中仅在0.1显著性水平下显著为负值。但是，模型4中的γ为0.498，且未通过显著性检验。此处认为各地区对环境保护的重视程度以及环境治理投入强度并未对物流产业技术效率产生显著影响。一方面，物流产业处于提质量、稳发展的阶段，环境规制会增加物流企业运营成本，抑制整体物流产业技术效率的提升，现阶段这种抑制作用未显现。但是，环境规制强度存在正向影响物流产业技术效率的趋势，可能源于环境规制带来的环境效益超过了成本增加的经济损失。另一方面，现有环境规制忽视产业差异，总体规制效率低下。目前，中国尚未制定专属物流产业的环境规制法案，可能是环境规制在提升物流产业技术效率方面失灵的重要原因(刘承量和管明明，2017)[42]。

技术创新能力(Tia)在各模型中的回归系数均显著为负值，表明技术创新能力越强，物流产业技术效率越高。技术创新能力反映地区创新科技、先进设备的应用水平。物流科技创新推动物流产业的高级化发展，为物流各环节注入科技力量，全面提升物流运营效率。通过技术手段，实现降本增效，进而有力地促进整体物流产业技术效率的提升。

财政支持力度(Fst)在各模型中的回归系数均显著为正值，表明财政支持对物流产业技术效率存在一定的抑制作用。一方面，政府财政资金的投入体现明确的政府意愿，主要为了完善物流行业基础设施，体现社会福利的性质，而这类投入并非物流产业的核心投入，反而可能挫伤物流企业加大投入的积极性，对社会资本产生一定的挤出效应，从而抑制物流产业技术效率的提升。另一方面，相比社会其他来源资金，政府财政资金使用往往缺乏相应的监管(肖文和林高榜，2014)[37]，致使财政资源的错配，甚至是浪费。

能源消费结构(Ecs)在各模型中的回归系数均显著为正值，表明煤在物流产业能源消费总量中的占比越大，物流产业技术效率越低。物流产业消耗的能源主要为煤、汽油、柴油等碳排放因子较大的燃料，加之能源消费结构的失调，导致物流产业能源消耗大而技术效率低下的问题。高能耗和高碳排放是对物流产业技术效率的双重约束。

企业平均规模(Esl)在各模型中的回归系数显著为负值，说明物流企业平均规模的扩大会提升物流产业技术效率。一方面，规模较大的物流企业经济实力雄厚、资源整合能力强大、供应链管理水平领先。就固定资产投资、人力资源等投入方面而言，规模较大的物流企业占有相当优势。从优化投入的角度为提升物流产业技术效率贡献不可忽视的力量。另一方面，规模较大的物流企业具有庞大的市场规模和高效的运作流程。大体量的业务利于发挥规模经济在提升经营绩效方面的作用，同时高效运作对降低成本、提升绩效的作用突出。

五、 物流产业技术效率演进逻辑

2006年为“十一五”规划的开局之年，政府高度重视物流业的发展，提出大力发展现代物流业。2006-2010年的五年间，政策红利和经济发展引致资本蜂拥，物流产业在规模上取得极大增长。但是，规模扩张的同时存在社会化物流需求不足、专业化物流供给能力不足、物流信息化、标准化和科技创新能力滞后等一系列问题。2011-2015年为“十二五”规划的五年，从改善制度环境、鼓励科技创新、提升专业化水平、重视环境保护等方面入手，高度重视物流产业发展质量。参照五年规划的时间设定，同时考虑到政策效应存在一定的时间滞后，此处认为2007-2011年为物流产业规模扩张阶段，而2012-2016年为质量提升阶段，并且预测未来一段时间内仍处于质量提升阶段。

不同的产业发展阶段，各影响因素作用于物流产业技术效率的途径及机制可能存在差异。另外，鉴于区域物流产业发展水平的悬殊，本研究从分区域(东、中和西部)、分时段(2007-2011年、2012-2016年)的视角，深入探究物流产业技术效率的演进规律。回归估计结果见表6。

表6 分区域分时段回归结果

注：括号中为t值；*、**和***分别表示在0.1、0.05和0.01显著性水平下显著

规模扩张阶段，各影响因素对中国东、中和西部区域物流产业技术效率的作用关系存在明显差异。东部区域产业结构和物流企业平均规模的回归系数显著为负值，表明其利于提升物流产业技术效率。但是，东部区域物流产业财政支持力度和能源消费结构的回归系数却显著为正值，说明其抑制物流产业技术效率。中部区域技术创新能力的回归系数显著为负值，意指技术创新能力具有拉升物流产业技术效率的作用，而能源消费结构的回归系数显著为正值，表明高碳能源的大量消费不利于优化物流产业技术效率。西部区域产业结构和物流企业平均规模的回归系数显著为负值，表明第二产业对生产总值的贡献、物流企业平均规模的大小与物流产业技术效率均呈正相关关系，但财政支持力度的回归系数显著为正值，说明财政支持并未带动物流产业技术效率上升，反而产生显著的抑制作用。

质量提升阶段，物流产业技术效率总体呈波动下降趋势，其影响因素的作用关系体现出更加明显的区域特性。东部区域产业结构的回归系数显著为负值，而技术创新能力的回归系数显著为正值，说明东部产业结构与物流产业技术效率正相关，而技术创新能力却表现出抑制作用。中部区域产业结构、环境规制强度、技术创新能力的回归系数显著为负值，表明产业结构、环境规制强度和技术创新能力正向促进中部物流产业技术效率提升；财政支持力度和能源消费结构的回归系数均显著为正值，说明财政支持力度和能源消费结构对中部物流产业技术效率存在抑制作用。西部区域产业结构、环境规制强度和企业平均规模的回归系数显著为负值，对物流产业技术效率存在正向促进作用，而财政支持力度的回归系数显著为正值，抑制物流产业技术效率。

基于上述分析，挖掘梳理中国物流产业技术效率的演进逻辑，如图2。2007-2011年间，物流产业整体生产规模与可能的最优生产规模之间存在较大的差距，规模效率处于较低水平。但是，物流资源利用程度较高，整体技术效率维持在较高水平。2012-2016年间，物流产业整体生产规模扩张速率明显放缓，向着可能的最优生产规模靠近，规模效率达到较高水平。同时，物流产业投资冗余、资源利用率低等问题致使资源未得到充分利用，拉低整体技术效率水平。

图2 物流产业技术效率演进逻辑

东部区域经济基础厚实，产业结构高级化水平领先，以生产制造业为主的第二产业集聚带动物流产业的发展壮大。政策引导资本涌入东部物流产业，加之其物流企业规模的迅速扩张，在一定程度上拉升了物流产业技术效率。但是，直接的财政支持却抑制了物流产业技术效率的提升，说明资金补贴并不利于物流产业高效发展，应积极探索税收、制度和法规等多方式配合的扶持手段。另外，东部能源消费量极大，发展前期疏于对环境的保护，煤炭、柴油和汽油等高碳能源的大量消费阻碍了物流产业技术效率的提升。因此，规模扩张阶段的东部区域物流产业技术效率呈逐年下降趋势。进入质量提升期，以第二产业为主导的产业结构特征依然为物流产业发展供给动力，但同质化竞争扰乱了行业正常经营秩序，行业内企业总体经营绩效低下。加之东部区域为科技创新要地，过度的物流科技研发投入以及迟缓的研发成果转化不利于优化物流产业技术效率。虽然东部物流产业已处于较高水平，但专业化程度低、运作成本高和环境污染严重等问题仍存在，因此，预测东部物流产业的质量提升阶段仍将持续。

中部区域的产业结构以农业为主，产业高级化水平较低，整体经济水平落后于东部区域。在物流产业规模扩张阶段，通过完善交通道路、仓储设施和物流园区建设等带动物流行业壮大，同时以技术引进的方式推广应用高科技物流设施，提升运作效率。但是，“先污染后治理”的发展理念致使一味追求规模扩张而忽略了环境保护，严重影响中部物流产业的可持续发展。进入质量提升阶段，中部第二产业占比的上升、环境规制强度的加大和技术创新能力的增强共同推进物流产业的持续优化。但是，政府财政支持并未发挥优化作用，反倒显著抑制物流产业技术效率。加之，高碳能源消费比重依然较大，碳排放造成的环境负效应不利于物流产业健康持续发展。

西部区域经济基础薄弱，呈现少数经济活跃区域散乱分布的特征，而物流产业的发展主要依托重要节点城市的带动。规模扩张阶段，西部大开发战略在一定程度上完善了西部区域的交通道路基础设施，为物流产业的规模扩张提供了基础性保障。生产制造业的发展是西部区域产业结构升级的需求，益于促进第二产业与物流产业协同发展。西部区域产业分工较为明确，第二产业较为发达的地区孕育了一批具有雄厚资金实力、市场规模庞大和服务能力优越的物流企业，其在提升物流产业技术效率方面的作用尤其突出。但是，支持西部物流产业发展的财政扶持手段并未发挥理想作用，反倒产生阻碍作用，其背后的原因可能是对所扶持物流项目的预期功能评价不准确、所资助兴建或完善的交通运输基础设施的重要性不足，甚至是财政资金使用管理不到位。进入质量提升阶段，产业结构进一步优化，物流企业规模的壮大及市场范围的延伸满足了更多地区的物流需求。鉴于西部物流市场集中度低，物流企业运营成本相对较高，阻碍物流产业技术效率的提升。同时，环境保护意识的觉醒以及相关环境规制的出台亦有利于物流产业健康可持续发展。遗憾的是，财政支持在这一阶段依然反作用于西部物流产业，阻碍其实现高质量发展。因此，创新产业扶持理念和手段具有重要意义。

六、 结论与启示

(一) 基本结论

第一，中国物流产业技术效率存在较大的可提升空间，且时空分异明显。以往未考虑能源和碳排放下的物流产业技术效率，相关研究认为中国物流产业技术效率总体呈波动增长趋势(陈永平和张亮亮，2018)[25]，而本研究的结论表明考虑能源和碳排放双重约束的中国物流产业技术效率总体偏低，且呈逐年下降趋势。虽然资本、劳动力和能源的投入量不断增加，但是大量碳排放产生严重的环境负效应，致使物流产业技术效率非但未上升反而呈下降趋势。由此表明，物流产业资源利用率低且环境污染愈加严重致使其技术效率的下降(李健等，2018)[30]。另外，物流产业技术效率区域差异明显，东部最高，中部次之，西部最低。就区域物流产业平均技术效率降低率而言，中部最高，西部次之，东部最低，整体表现趋异迹象。

第二，产业结构、技术创新能力和企业平均规模与物流产业技术效率正向相关，财政支持力度和能源消费结构表现为负向影响，而环境规制强度并未产生显著影响。第二产业占地区生产总值的比重、研究与开发人员数量和物流企业平均规模为物流产业技术效率的推动因素，而对交通运输业的财政支持和物流产业消耗的煤占所有能源消费的比重却阻碍了物流产业技术效率的提升。另外，环境规制对中国物流产业技术效率并未产生显著影响，可能在于现有环境规制政策及法规在物流产业的失灵和专属物流产业的环境规制法案的缺失。

第三，物流产业已经历规模扩张阶段，现处于质量提升阶段，未来仍将持续处于这一阶段，其技术效率演进规律视区域而异。据物流产业发展历程，推断2007-2011年和2012-2016年分别为中国物流产业的规模扩张阶段和质量提升阶段，并且预测未来一段时间仍将处于质量提升阶段。东部区域物流产业的发展先后受到政策引导、资本集聚、能源结构、工业发展、科技投入、企业竞争等多因素影响。中部区域物流产业先后受制于基础设施不健全、技术相对落后、高碳能源消费比重过大、第二产业占比偏小、财政支持作用失效和环境保护意识薄弱等一系列问题。西部区域物流产业市场集中度低，主要依靠节点城市带动。第二产业发达、物流企业规模较大和环保意识强的地区物流产业技术效率较高，但财政扶持未发挥积极作用，可能在于政府并未对西部物流产业实施针对性的倾斜扶持(唐建荣等，2018)[43]。

(二) 管理启示

基于上述研究结论，主要引申出以下三点启示：

1. 倡导节能减排，发展绿色物流。首先，引导物流企业树立绿色物流理念，构建资源节约、环境友好的产业发展战略愿景，践行绿色发展观。其次，开发适用于物流产业的清洁能源，从源头控制碳排放对于环境的负效应，同时以价格优惠、税收减免等形式鼓励新能源车辆的使用，间接优化物流产业能源消费结构。另外，控制物流产业化石能源消费，加强产业层面的环境规制约束，探索建立基于经济发展水平的物流产业碳排放责任制度，优化物流产业技术效率，推进可持续健康发展。

2.制定区域性、多样化和系统性的物流产业政策。首先，不同经济基础和产业条件下的扶持政策应视地区和区域有的放矢，重点把握中国东、中和西部区域物流产业发展水平的差异，制定具有针对性的物流产业发展政策，而非一概而论的“唯一标准”政策。其次，单一财政支持手段往往效果不佳，应积极探索资金补贴、技术支持、税收减免和集体参股等多形式扶持手段，充分发挥政府调控对于产业发展的积极作用。另外，注重产业扶持手段的系统性，主要从时序维度探寻与物流产业发展阶段相适应的一系列政策手段，以期适时而高效地促进物流产业技术效率的提升。

3. 把握区域物流产业发展规律，摸索特色发展道路，提升物流产业发展质量。鉴于资源禀赋和物流产业条件的差异，物流产业技术效率影响因素的作用机制存在差异，因而其演进规律视区域而不同。准确把握东、中和西部区域物流产业发展阶段，正确评价区域物流产业的技术效率、规模效率、发展可持续性和创新能力等，厘清不同区域、不同阶段各因素对物流产业质量提升的作用关系，梳理区域物流产业发展规律。基于此，从宏观、中观和微观多层面入手，开拓顺应区域物流产业技术效率演进规律的特色发展道路，优化区域物流产业技术效率，同时注重区域间物流产业的统筹发展，全面提升物流产业发展质量。