区域物流效率的测度及其影响因素研究——基于DEA与Tobit模型

龚雅玲 万建香 封福育

选取2017年政府信息公开年报的数据，以省级为单位，利用DEA模型测度区域物流效率，得出目前我国只有9个省级区域达到了DEA有效值，各区域间物流效率发展效率差异性较大。通过Tobit模型进一步剖析物流发展效率影响因素，发现区域物流产业结构、物流行业发展信息化水平、区域物流产业发展优势与物流发展效率显著相关。应该从构建区域物流产业链“共生”模式、智慧物流应用推广、区域物流发展体系构建三个方面，进行区域物流发展效率有效提升。

一、引言

2017年，继国务院颁布《关于进一步推进物流降本增效促进实体经济发展的意见》后，我国物流业步入提质增效阶段，同时物流行业的子行业也逐渐得到较大发展。据中国行业信息官方网站发布的《2017中国物流数据报告》指出，2017年，我国全国快递业务总量超过400亿件，连续四年稳居世界第一，超过美、日、欧等发达经济体，对世界增长贡献率超过50%。截至2017年底，全国快递专业类物流园区超过230个，行业运营全货机达96架。随着大数据技术、云计算等信息技术日益成熟，物流企业发展转型升级势在必行。此外，物流企业与资本市场融合愈加紧密，资本在各个物流子行业的渗透率越来越高，物流行业“马太效应”逐渐显露。

虽然目前中国区域物流发展突飞猛进，但在区域物流理论研究相对滞后的现实环境下，物流业的迅速发展很有可能导致新一轮的重复建设，带来意想不到的负面效应，随着区域物流自身实践的发展与不断深入，迅速建立与之协同发展的区域物流理论迫在眉睫。物流效率是体现物流业发展水平的重要依据，据智研咨询发布的《2018—2024年中国物流市场深度调查及投资前景预测报告》中的相关数据显示，2010年至2016年，我国物流总费用占GDP的比例从17.8%下降至14.9%，物流效率呈现逐步提升的发展态势。但从不同区域的物流效率发展现状来看，依然存在较大差异性，尤其是经济相对欠发达的区域，其物流效率与全国物流效率的整体水平有着较大差距。当前，学者对于物流效率测度及其影响因素的研究成果颇丰，但研究范围大多集中于某一地区或某一省份，缺乏全国范围内不同区域及省份的物流效率测度及影响因素研究。因此，本文立足于我国区域物流的现状，采用DEA方法，基于区域和产业的视角，横向对比区域各省份物流效率，以分析各区域间物流效率的差异；同时运用Tobit经济学模型，实证研究我国各区域物流效率与各影响因素的相关程度，进而寻找提升区域物流效率的基本路径和有效对策。

二、文献综述

关于物流业效率的实证研究，有国内学者有采用DEA或Tobit模型，以及将二者相结合进行研究。在运用DEA模型的物流业效率研究方面，此测度方式的特点在于可以依据模型分析整体物流产业效率值，但对于一些DEA无效的年份的物流业效率具体情况分析不够全面，深入性不够。张竞轶等在借鉴Fried等提出的三阶段数据包络方法DEA分析效率的评价模型，指出物流效率计算的投入松弛同时受到环境因素、随机因素和管理因素3个变量的影响，选取我国31个省（市）2010—2014年物流业中的交通运输、仓储和邮政业为指标，对我国目前总体物流水平进行评价研究。［1］王东方等通过构建DEA模型，对我国产业效率的空间差异及成因进行分析，研究发现国内物流业技术效率低且地区差异较大，东部最高，中部次之，西部最低。［2］郭梦雅等通过DEA方法，将广州市与国内其他城市的物流效率进行比较，得出基于DEA的广州市物流效率规律。［3］张娜等基于三阶段DEA模型对西部地区2011—2014年的物流产业效率进行测度，研究发现，西部地区物流产业整体效率较低，投入和产出的效率值与前沿值存在一定差距。［4］

在运用Tobit模型的物流效率研究方面，主要集中于研究相关因素与物流产业效率的影响关系，这种测度方式体现在微观层面，较少从中观角度分析，且现有研究对物流产业效率的变化来源方面还不够深入。陶婷婷［5］利用面板Tobit回归模型实证分析产业集聚对物流业效率的影响，研究发现，专业化集聚对产业效率具有正向影响作用，多样化集聚则是先减后增的U型非线性关系。周烨［6］提出专业化集聚和多样化集聚与物流业效率影响的传导路径，基于我国34个省市2007—2016年的平行数据构建Tobit回归模型，研究产业集聚对物流业效率的具体影响。王燕等［7］采用Tobit回归模型对我国2006—2015年区域物流能源效率的关键影响因素进行考察,研究发现物流业的规模、能源价格以及能源消耗结构是我国物流能源效率的重要因素。

为进一步研究物流业效率，有学者采用DEA与Tobit模型相结合的方式，但这方面的研究不多，且主要集中于测度某个具体区域的物流效率。黄洁等［8］运用DEA模型针对云南省2001—2013年的物流效率进行评估和分析，同时，结合Tobit回归模型，进一步分析物流效率与各影响因素之间的相关性。研究发现，云南省整体物流效率较低，大部分物流效率为DEA无效，投入与产出不匹配。物流效率与经济发展水平、对外开放程度、区位优势、物流资源利用率均呈正相关。肖佳［9］运用DEA模型分析了2009—2013年间长江中游经济带物流运作效率，并借助Tobit计量经济模型层更深层次分析以上因素对其物流效率的影响程度。王琴梅［10］采用DEA模型对丝绸之路经济带“核心区”的物流业效率进行评价，研究发现其物流业效率偏低，且呈“V”形演进，同时，结合Tobit模型实证分析产业结构的演进对物流业效率提升的影响，研究结果显示，产业结构合理化水平对“核心区”物流业效率具有正相关作用，但产业结构高级化却并没有与物流业效率呈现正相关性。

通过梳理相关研究不难发现，随着对物流业效率研究的不断深入，采用的实证分析方式由单一化逐渐向综合化转变，运用DEA与Tobit模型相结合，不仅可以更为全面地测度物流业效率，同时还能针对物流效率的具体影响因素进行研究。基于此，本文以全国不同区域及物流产业为视角，依据物流业效率的定义选取更加完善的评价指标构建DEA模型，对我国不同区域的物流业效率进行测度；同时，依据区域物流业效率测量结果，利用Tobit回归模型对物流业效率与影响因素的相关性进行实证分析，进而提出政策建议，以此完善已有研究。

三、模型建立与指标选取

（一）模型建立

1.DEA模型。相对于其他数据分析法来说，DEA数据包络分析法能够有效降低计算服务成本，在各项指标单位不用的情况下，能综合计算多项投入指标和多项产出指标，且精准度更高。传统的DEA模型分为CCR模型和BCC模型两种，CCR模型是指分析研究对象整体运营效率的模型，BBC是指分析研究对象的技术和规模效率，根据物流行业的特性，文章使用CCR模型，计算公式如下：

公式中，μ表示研究主体投入量，Y表示研究主体产出量。当θ=1时，说明DEA有效，研究主体的投入与产出的比例，为最优值。当θ＜1时，说明研究主体的投入大于产出。

2.Tobit模型。通过DEA模型进行研究主体运营效率分析后，需要进一步深入研究影响效率的元素，在DEA模型计算过程中，因变量限制在0—1之间，如此一来，会造成效率估计值产生小于0或是大于1的情况。因此，需要利用Tobit回归模型对我国区域物流效率影响因素进行分析。Tobit公式如下所示：

其中，β为回归系数，X为自变量、Y为因变量。

（二）指标选取

根据模型计算公式原理，指标共分为三个方面：产出指标、投入指标、影响因素指标。具体如表1所示：

表1 DEA与Tobit模型测量指标

四、实证结果与分析

DEA模型可以实现对不同区域的效率进行评价，依据物流业发展的投入和产出维度以及影响因素选取指标，为保障数据的真实性和客观性，笔者通过选取2017年政府信息公开年报的数据，以省级为单位，进行区域物流效率测量分析。

（一）基于DEA模型的效率测度分析

依据不同省份的地域来划分我国区域物流，具体将其划分为华北地区、东北地区、华南地区、华东地区、华中地区、西南地区、西北地区。针对以上区域将政府信息公开年报的数据导入MaxDEA6.0软件中，将模型设置为CCR模型，模型分析结果如表2所示：

DEA模型中，效率值达到1的，视为有效值。根据表2信息显示，目前我国只有9个省级区域达到了DEA有效值。分别为：北京市、山西省、辽宁省、广东省、上海市、江苏省、浙江省、福建省、重庆市，占比30%。总体来看，7个地理区域的物流发展状况差异较大，其中华东地区各省份的区域物流效率值普遍高于0.8，仅安徽省的DEA值为0.693，与该地区其他省份的DEA值差距较大，表明安徽省物流产业的发展还有待提升。其他区域内不同省份的区域物流效率值也呈现差异性，但纵观总体数据，区域之间物流效率发展效率差异性较大，尤其是西北地区和东北地区，其中在西北地区，只有宁夏的区域物流效率值接近1，青海的区域物流效率为0.705，而其他省份均低于0.5。我国不同省份及区域的物流效率存在明显差异，其中，西南和西北地区的区域物流效率值明显低于其他地区，说明西南和西北地区的物流产业发展水平相对较弱。部分地区及省份的物流效率偏低，说明该区域物流业投入资源未得到充分利用，其实际产出未达到最优水平。而从具体省份来看，北京市、山西省、辽宁省、广东省、上海市、江苏省、浙江省、福建省、重庆市这几个省份的物流效率值均达到有效水平，这可能与这些省份在物流人才、物流设备等方面的投入保持在较高水平，同时由于区域经济发展水平相对较高，区域物流产业发展具有较大优势，因此，物流业的实际产出

情况较好。

表2 DEA模型分析结果

（二）基于Tobit模型的影响因素分析

基于已有物流效率影响因素的研究成果，选取区域市场经济、区域物流产业结构、区域物流产业人力资源投入、物流行业发展信息化水平、区域物流企业发展优势，为影响不同区域物流效率的变量。通过Tobit不同效率模型对影响物流效率值的原因进行深入比较分析，作为区域物流效率影响因素分析的稳定性检验，为区域物流效率提升的针对性建议提供有力支撑。回归结果如表3所示：

表3 Tobit综合效率模型回归系数一览表

根据表3，可以看出：区域市场经济与物流发展综合效率的相关系数为0.004，呈正相关状态，相关程度显著。由此表明，区域经济发展水平对区域物流发展效率具备一定的影响，但是影响程度不高。区域物流产业结构与物流发展效率的相关系数为0.152,呈正显著相关，由此表明，区域物流产业结构对区域物流产业发展具有重要影响。提升区域物流产业发展效率，首先要改善区域物流产业运营结构。区域物流产业人力资源投入与区域物流产业发展效率呈正相关，相关系数为0.03，相关程度显著，由此表明，区域物流产业人力资源投入量对区域物流产业运营效率造成的影响明显。物流行业发展信息化与区域物流产业发展效率相关系数为0.136，相关性较为显著，因此在后期的区域物流产业发展规划中，需要进一步提升区域物流产业信息化程度。区域物流产业发展优势与区域物流产业发展效率相关系数为0.107，高于0.05，呈显著相关状态，由此可知，区域物流产业发展效率与地理位置、区域物流产业发展条件息息相关。物流业是一种新型产业，其复合型特点意味着要对多元化资源进行有机整合，如此才能是物流业在区域经济中的有效作用。在经济发展速度较快的区域，物流业也会随之得到更快发展，进而促进物流效率的提升。

表4 Tobit纯技术效率模型回归系数

表4中，区域市场经济、区域物流产业结构、区域物流产业人力资源投入、物流行业发展信息化水平、区域物流企业发展优势与物流纯技术率呈正相关，其中，物流行业发展信息化水平相关系数最大，达到0.136，说明对物流产业纯技术效率的影响最大。区域物流企业发展优势相关系数为0.197，说明其对物流产业纯技术效率影响较大。而区域物流产业结构、区域市场经济以及区域人力资源投入的相关系数分别是0.013、0.001、0.002。其与物流产业纯技术效率呈正相关状态，总体上都显著。这就意味着，这些因素对区域物流效率具备一定影响程度。对于物流效率较低的区域及省份，尤其对于经济发展水平较低的地区，物流行业在信息化技术方面加大投入力度，可以有效促进区域物流技术效率的提升。而在经济发展水平原本就较高的地区或省份，可以通过提升互联网信息技术及资源的利用率，以此促进当地物流业的发展。此外，不同区域还要进一步注重区域物流产业结构、市场经济以及人力资源的投入情况，确保相应资源优化配置与充分利用，最终促进区域物流效率的增长。

表5 Tobit规模效率模型回归系数

表5中区域市场经济、区域物流产业结构、区域物流产业人力资源投入、物流行业发展信息化水平、区域物流企业发展优势与物流纯技术率呈正相关，其中，区域市场经济以及区域物流产业结构相关系数高于0.05，分别达到0.056和0.172。说明二者对区域物流规模效率具有较大影响。而区域物流产业人力资源投入、物流行业信息化水平、区域物流企业发展优势的相关系数分别为0.023、0.045、0.037，说明其对区域物流产业规模效率存在一定影响，但不是主要影响因素。

五、结论与启示

本文通过选取地方政府信息年报公开数据，运用DEA模型分析物流产业运营效率，从7个地理区域的物流发展状况来看，各区域间物流效率发展效率差异性较大，尤其是西北地区和东北地区。结合Tobit回归模型，进一步分析物流效率与影响因素的相关性。结论为：区域经济发展水平对区域物流发展效率具备一定的影响，但是影响程度不高。要提升区域物流产业发展效率，首先最重要的就是改善区域物流产业运营结构，同时，区域物流产业发展效率与信息化程度、地理位置，区域物流产业发展条件息息相关。

根据Tobit模型分析结果显示，提升区域物流产业发展效率主要应从区域物流产业结构、物流行业发展信息化、区域物流产业发展优势三个方面入手。

第一，构建区域物流产业链“共生”模式。物流企业线上品牌共生。目前我国区域物流的发展模式中，产品品牌与物流运输之间存在断层，品牌只负责销售，物流企业只负责运输，断层点导致物流运输缓慢。而构建物流企业与产品品牌共生模式，使物流企业与品牌达成仓储、物流科技、配送、生产销售、供应链金融等多方面合作，能够有效提升物流服务水平，进一步提升消费者购买体验。

物流企业线下零售共生。通过整合线下门店地理位置分布、经销商分布等社会化资源，实现线上线下产品存货状况全网协同，如此物流企业在收到产品配送服务时，能在第一时间查询到最近的产品存储仓库，从而进一步提升物流配送效率。

与同行快递业共生。电商市场份额不断扩大，衍生了不同品牌、不同规模的物流企业，物流行业竞争处于白热化状态，使物流行业整体发展动力分散，因此，可以通过同行快递共生模式，进行最短、成本最低的交通路线共享，仓储空间共享，有利于推动区域内整体物流水平的发展。

第二，智慧物流应用推广。智慧物流主要包含两个方面，现代科技运输工具和现代信息化的物流企业管理两个方面。现代科技运输工具。首先是无人仓的应用。传统物流企业板块中，仓储费用和物流企业人力资源费用占据物流企业运营成本较大份额，弱化了物流企业发展动力。而无人仓的运用，除了减少仓储人力资源成本外，还有利于缩短把物件包装、分拣、入库等流程，实现产品销售到物流配送全自动化，进一步提升物流产业运营效率。其次是无人机的运用。目前传统物流运输工具为汽车、轮船、飞机三种，这三种运输方式受自然天气因素影响较大，且运输速度较慢。而干线级、支线级、末端级三级无人机+通航物流体系，能够有效地解决这两项弊端，较大程度提升物流运输效率。最后是无人车的运用。通过以自动驾驶技术为核心，根据不同场景的用户需求，研发并生产多种系列多种型号的自动驾驶无人车产品，有效节约物流配送人力资源成本。现代信息化企业管理。大数据的多样性发展，大数据获取变得更加简单和多样化，人们不仅仅关注大数据出发点，也会考虑大数据处理后的使用者，对于大数据信息的使用者来说，不仅仅只是拿到有用的数据价值就行，而是越来越要求个性化，针对不同决策者需要不同的数据和特点。因此，在区域物流企业管理过程中，需充分利用大数据和云计算技术，进行物流行业市场信息的挖掘。

第三，区域物流发展体系构建。根据Tobit模型分析结果显示，区域物流产业发展优势与区域物流产业发展效率相关系数为0.107，高于0.05，呈显著相关状态，需要通过优化企业发展环境，大力发展第三方物流，重视物流网络配送网点建设，提升区域物流发展效率。［11］制定并完善物流产业评价体系，建立统一的物流产业碳排放标准，确定各环节碳排放方法。［12］