基于DEA-Malmquist指数的我国区域物流综合效率评价研究

崔望妮

（西安邮电大学现代邮政学院，陕西 西安 710061）

一、引言

近年来，随着我国国民经济的飞速发展，物流业逐步发展壮大，作为区域经济发展的基础，物流业对制造业、商贸业和其他产业的发展起到重要的支撑作用[1]。经过一段时期的高速发展后，目前我国物流市场逐步趋于稳定，社会物流需求增速持续放缓，物流业务量增速放缓，物流业面临着物流成本较高而物流效率偏低的主要矛盾，降本增效和转型升级作为物流业的战略方向被提上日程[2]。与此同时，由于各个地区政策法规、产业布局、基础设施建设、经济环境、技术环境等因素的不同，使得我国区域间物流发展差异化明显，物流业在不同区域间发展不平衡的矛盾日益突出。

物流效率是评价物流业整体发展状况的基础指标，准确把控物流效率是提升物流效率的重要前提[3]。目前学者们主要从企业维度、行业维度、区域维度三个角度研究探讨物流效率问题，企业维度主要针对上市物流公司经营效率的分析，行业维度主要针对不同行业的物流效率进行分析，区域维度主要从不同省市区域的规模效率进行分析[4]，相关研究成果对我国物流业的发展具有重要的指导意义。由于研究范围、维度，以及方法的差异，研究结果也存在一定偏差，现阶段对于区域物流的研究更多聚焦于对不同区域、不同城市物流产业效率差异的分析，但其对物流综合效率产生差异化的根本问题及其内在机制研究不足。基于此，本文运用DEA-Malmquist指数模型，以31个省市最近9年的物流业总里程、从业人员、固定资产投资总额作为输入指标，货物周转量、行业生产总值作为输出指标，建立指标评价体系，对物流业在不同样本区域的技术效率、纯技术效率、规模效率以及全要素生产率等进行实证分析，并从政府、企业以及技术等角度提出我国区域物流均衡发展的对策和建议，对于改善我国物流业在不同区域内发展差异化问题，对于区域物流均衡发展都具有非常积极的指导和促进作用。

二、研究方法

DEA模型是一种非参数统计方法，主要用以评价具有相同类型的多投入及多产出决策单元在技术有效性层面能否达到要求。根据相关研究结论，DEA模型中常用模型包括CCR模型、BBC模型、C2GS2 模型、FG 模型、CCW 模型等[5]。本文选用BBC模型和Malmquist指数来进行计算。

BBC模型的公式[6]为：

Max（θ）

Malmquist指数的公式[7]为：

式（2）中，当M＞1时，说明从t时到t+1时期，该决策单元（DMU）的全要素生产率处于不断增加的状态，即生产力在不断地进步；当M值＜1，说明该决策单元（DMU）的全要素生产率处于不断下降的状态，表示生产力开始不断倒退；当M=1时，说明生产力没有发生变化。Malmquist指数能够运用面板数据，对区域物流的绩效进行纵向分析，弥补了CCR模型的只能做静态分析的缺陷。

三、变量选择、数据来源及模型构建

1.变量选择

通过阅读相关文献，分析总结现有的综合效率指标评价体系，本文选取3个投入指标，2个产出指标，作为反映区域物流综合效率的评价指标。如表1所示，选取物流业的总里程、从业人数、固定资产投资总额作为投入指标，货物周转量、行业生产总值作为产出指标进行区域物流综合效率评价。

表1 全国31个省市区域物流投入产出指标

2.数据来源

本文选取2009年～2017年全国31个省市的物流业投入产出指标值的数据，数据主要来源于国家统计局各年度的《中国统计年鉴》。现阶段中国物流业没有相对应的数据统计来源，鉴于物流业与交通运输（除客运业）、仓储和邮政业的交叉融合程度较深，因此本文选取交通运输（除客运业）、仓储和邮政业的相关指标来反映中国物流业总体发展水平[8]。

3.实证研究

（1）各省市物流效率分析

把整理后的数据带入DEAP2.1软件，分别计算2009年～2017年31个省市的技术绩效（Crste）、纯技术绩效（Vrste）和规模绩效（Scale），结果见图1和表2 。

图1 2009年～2017年31个省市物流业平均效率值变化趋势

根据图1和表2所示，分别从技术效率、纯技术效率以及规模效率三个方面对31个省市2009年～2017年物流业综合效率进行分析，结果如下：

表2 2009年～2017年31个省市物流业平均效率值变化趋势

① 技术效率分析

从图1来看，2009年～2013年31个省市物流业的技术效率呈缓慢增长趋势，2013年之后，有所下降，在2016年上升后，2017年继续下降，说明区域物流产业效率达到较高水平而难以继续平稳增长，进入物流业平稳发展的新常态。

② 纯技术效率分析

从整体来看，31个省市物流业的纯技术效率优于技术效率，说明物流产业的发展更依赖纯技术的因素。从时间角度来看，纯技术效率从2009年～2017年期间略有起伏，总体仍呈现缓慢提升趋势，但2017年的纯技术效率略低于2009年，说明一种可能性：在物流技术迅猛发展的这一阶段，物流纯技术规模的效率提升难度增大，技术创新增速放缓。

③规模效率分析

从整体来看，31个省市物流产业的规模效率优于纯技术效率和技术效率，说明物流产业的快速发展明显更依赖于产业的规模化发展，但由图1可见，31个省市物流产业的规模效率从2009年上升到2011年后，开始呈现缓慢下降趋势。而随着技术效率增速达到较高水平转而进入新常态后，规模效率也随之下降。

（2）各省市效率概况分析

将31个省市2009年～2017年的数据汇总后，运用BBC模型，带入DEAP2.1软件中，可得31个省市9年来的总效率、纯技术效率、规模效率以及规模状况，具体如表3所示。

由技术效率角度来看，从表3可知，整个物流行业的平均技术效率为0.857，行业内差异较大，标准差达到0.143。其中，河北省、黑龙江省、上海市、浙江省、安徽省、福建省、湖南省、广东省、重庆市的效率达到了1，处在效率前沿面上，可归为DMU有效，说明无论是在技术上还是在规模上这些区域的资源利用达到了最优状态；另外，贵州省、海南省、江苏省、陕西省的纯技术效率达到1，但技术效率和规模效率未达到，说明这些地区在规模效率等方面有待改进，可归为DMU弱效；技术效率、纯技术效率、规模效率值都小于1，共计18个省市，说明其在纯技术效率和规模效率上都有待提升和改进。具体如表4所示。

表3 9年间31个省市物流业效率分布情况表

表4 DMU有效分类表

（3）全要素生产率分析

本文利用DEAP2.1分析31个省市物流业2009年～2017年全要素生产率综合情况，如表5所示。

表5 2009年～2017年31个省市物流业全要素生产率综合情况表

从全要素生产率的角度来看，如表5所示，从2009年～2017年这9年间，全要素生产率总体出于上升趋势，在2011年～2012年、2014年～2016年期间有所下降。全要素生产率的变动趋势与技术进步的变动趋势大体是一致的，而技术效率的变动跟技术进步的变动在2010年～2015年间呈现一升一降的波动。全要素生产率的变动是由技术效率的变动和技术进步的共同作用，说明我国各省市区域的技术和技术效率进步没有得到较好的协调。

从技术效率的角度来看，除2011年～2012年，技术效率的变动趋势与全要素生产率的变动趋势相反，说明全要素生产率受技术效率的影响较小。但从2012年之后，技术效率的变动趋势与全要素生产率的变动趋势基本一致，说明从2012年开始，各省市已经比较重视技术创新。

由于纯技术效率的变动和规模效率的变动共同作用可以引起技术效率的变动，从表5可知，纯技术效率与规模效率的变动趋势在2009年～2011年之间几乎是相反的，说明这一时期，各省市区域的物流产业纯技术效率与规模效率协调性不好，但在2012年之后，两者趋势几乎相同，说明这一时期各省市区域的物流产业纯技术效率与规模效率协调性较好，从而使得它们能够共同对技术效率的变动发挥很好的作用。说明我国物流产业的技术创新不断发展，但与规模效率的协调性还有待稳定，未来需要持续重视技术创新，并致力于协调纯技术效率与规模效率的一致性。

四、结论与建议

本文运用DEA-Malmquist指数方法，选取3个投入指标，2个产出指标，构建了基于DEA-Malmquist指数的区域物流综合效率评价体系，对我国31个省市的物流绩效进行评价和分析，得出了以下结论：第一，我国区域物流产业效率达到较高水平而难以继续平稳增长，进入物流业平稳发展的新常态。第二，物流纯技术规模的效率提升难度增大，技术创新增速放缓，随着技术效率增速达到较高水平转而进入新常态后，规模效率也随之下降。第三，上海市、浙江省等9个省市的技术效率和规模效率达到最优状态，贵州省等4个省市在规模效率等方面有待改进；其余18个省市的纯技术效率和规模效率上都有待提升和改进。第四，从2012年开始我国各省市已经比较重视技术创新，但各省市区域的技术效率和技术进步没有得到较好的协调。

综合以上分析，对我国区域物流协调发展提出以下几点建议：

第一，政府加大物流行业相关政策扶持力度。伴随着物流业进入平稳发展的新常态，政府应优化物流业发展的政策环境，利用税收减免、技术支持、财政补贴、金融支持等政策扶持手段[9]，着力解决物流企业因成本过高的体制机制问题。同时，应加快物流产业在区域间的布局，加快建设贯穿物流供应链各个环节的产业集群，为物流企业发展提供开放包容的竞争环境，促进物流行业降本增效和转型升级。

第二，建立区域物流协调机制，加速物流产业与区域经济相融合。对于纯技术效率和规模效率都比较低的地区，要以提升物流技术水平和生产规模为重点目标，注重技术和人才的引进，建立基于信息化、集约化、智慧化、绿色化的物流业协调发展服务体系[10]，提升物流业规模经济效率，保持物流产业竞争优势。对于规模效率较低的区域，应着重加强与区域内的制造业、商贸服务业等行业的联系，合理配置物流资源，发挥产业集群的优势，提升物流综合效率。

第三，建设依托智慧物流服务体系的供应链信息服务共享平台。随着新零售时代的到来，“线上线下一体化”服务将全面影响物流业的发展，依托智慧物流的供应链信息共享平台将贯穿整个物流供应链服务体系的各个环节，以物流需求为导向的信息共享平台将成为物流业发展的重要基础，无论是物流业内部的资源整合，或者是向物流产业链上下游的延伸，都为物流业的发展带来新的机遇[11]。物流企业应紧抓时代发展机遇，在信息共享平台和大数据等创新技术的支持下，提升企业管理水平、技术水平和服务水平，协调整合不同区域的资源，统筹规划长远发展，平衡区域物流的综合效率和服务水平。

第四，紧抓智慧物流科技发展机遇，加快物流业基础设施建设，促进物流业区域物流高质量发展。2016年至今，随着物联网、大数据与云计算、人工智能（AI）、5G、区块链等软硬融合的新技术在物流业的应用[12]，对物流业的发展带来颠覆性变革。一方面是智能分拣机器人、智能机械臂、AGV小车、无人车、无人机、智能快递柜、“货到人”等智慧物流硬件基础设施不断突破，贯穿仓储、运输、配送各环节的物流产业链在进行着智能化、无人化革新，以智能仓储、物流自动驾驶、物流无人机为代表的物流科技协同运作，推动物流网络实现高效运转；另一方面在大数据和人工智能等技术的背景下，线上线下的数据深度整合，形成一套完善的数据产业链系统来进行库存管理、需求预测等，打造基于物联网与大数据的整合供应链信息共享平台，推动物流行业智慧化发展[13]。智慧物流技术的不断发展，对物流业总体发展起到变革性的促进作用，物流行业应抓住技术变革带来的行业发展机遇，实现区域物流全面均衡发展，从而促进物流业高质量发展。