西部陆海新通道沿线省份物流效率的时空演进及影响因素——基于沿线省份面板数据的实证分析

王景敏，崔利刚

(1.重庆交通大学 经济与管理学院，重庆 400074；2.北部湾大学 经济管理学院，广西 钦州 535011)

习近平总书记对西部陆海新通道建设高度重视，提出一系列重要指示要求[1]。2015年11月，作为西部陆海新通道的前身，中(国)新(加坡)互联互通“南向通道”项目启动[2]。2019年8月，《西部陆海新通道总体规划》发布，标志着以加强铁、公、海等运输通道和物流设施建设为重点，以提升通道运行与物流效率为目标，并涉及内蒙古、广西、海南、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆等13个省份的西部陆海新通道区域(1)西部陆海新通道区域即涵盖了西部陆海新通道沿线13个省份的整个区域。正式上升为国家战略[3]。近年来，随着南向通道、西部陆海新通道合作走深走实，国家和通道沿线省份不断加大对铁路、公路等资源要素的投入，通道物流体系建设整体上取得了长足的发展；但沿线省份物流体系建设尚不均衡，交通基础设施短板、物流一体化瓶颈制约等仍不同程度地存在[4]；特别是通道沿线这些省份的物流资源要素投入产出效率(即一般意义上的物流效率，也是本文所指的物流效率)评价及其影响因素识别等问题已经成为通道建设进程中亟待解决的关键问题[5-6]。那么，自“南向通道”项目启动开始，西部陆海新通道沿线省份物流效率的时空变化规律如何？其物流效率又受到了哪些重要因素的影响？这正是本文要探讨的内容。

纵观国内外文献，首先，物流效率的主流测度及其影响因素识别方法多见于随机前沿分析(stochastic frontier approach，SFA)[7-8]、数据包络分析(data envelopment analysis，DEA)+Tobit(受限因变量)回归[9]等。其中：DEA方法因其对具有相同类型的多投入、多产出的各个决策单元(decision making unit，DMU)进行投入产出相对效率测算具有绝对优势，而在物流效率相关评估中得到重要应用[10]；DEA方法又可细分为DEA-CCR(规模报酬不变的数据包络分析)、DEA-BCC(规模报酬可变的数据包络分析)2种模型，考虑到规模报酬不变的假设很难实现，所以常采用DEA-BCC模型(方法)对资源要素投入产出进行静态效率分析[11]；同时，DEA方法多运用于截面数据，针对面板数据进行效率动态分析则常叠加运用全要素生产率指数(又称Malmquist指数)来实现[12]。其次，物流效率的研究对象或范围主要涉及大洲(如欧洲[13])、全国[14]、“一带一路”重点省份[15]、粤港澳大湾区[16]、长江经济带[17]等区域型物流效率，农产品[18]、煤炭[19]等产业型物流效率，以及铁路[20]、航空[21]、海运[22]等行业型物流效率。第三，西部陆海新通道的研究聚焦于建设内涵解理[23]、实施方案建构[24]及推进路径选择[25]、枢纽经济效益分析[26]等维度，且多为定性分析。可见，当前关于物流效率的研究取得了一定的成果，但关乎西部陆海新通道及其沿线省份这一国家战略区域物流效率状况的探讨尚未涉及。事实上，西部陆海新通道作为我国深化陆海双向开放、推进西部大开发形成新格局的重要举措，具有深远意义，通过探索西部陆海新通道沿线省份的物流效率及其演进态势、影响因素，有助于挖掘通道物流内涵式增长潜力，推动西部地区高质量协调发展、高水平对外开放。

1 模型与数据

1.1 DEA-BCC模型

数据包络分析(DEA)从投入与产出角度对决策单元的多投入多产出效率进行评价，在实际的物流运作过程中，随着资源要素投入的增加，其规模报酬一般会产生递增或递减的变化，因此，本文采用规模报酬可变的DEA-BCC模型对西部陆海新通道沿线省份的物流效率的时空演进进行测算分析，得到决策单元的物流综合技术效率、物流纯技术效率、物流规模效率，且物流综合技术效率=物流纯技术效率×物流规模效率。其中，物流综合技术效率表示决策单元在一定时期内物流资源要素投入与产出的生产效率，是对决策单元在物流资源配置和使用效率等多方面的综合测量(综合技术效率=1，说明决策单元方为DEA有效)；物流纯技术效率表示决策单元是剔除物流规模因素后由于物流技术及管理等方面影响的生产效率；物流规模效率表示决策单元是由于物流规模因素影响的生产效率；规模报酬表示决策单元各种物流资源要素按相同比例投入带来的产出变化(含规模报酬递减、不变和递增3种阶段)。

(1)

其中：θ表示决策单元的综合技术效率值(投入相对于产出的有效利用程度)；xj表示第j个决策单元的投入量，yj表示第j个决策单元的产出量；x0表示决策单元的投入，y0表示决策单元的产出；λj表示第j个决策单元的组合比例；S-为投入松弛向量，S+为产出剩余向量；n表示决策单元的个数。0≤θ≤1，当θ=1，且S+=0，S-=0时，表明投入产出效率达到最优，称决策单元为DEA有效；当0≤θ<1，表明投入产出效率未达到最优，称决策单元为非DEA有效。

1.2 Malmquist指数

通过计算物流Malmquist指数，可以得到决策单元物流效率的动态变化趋势。物流Malmquist指数=物流综合技术效率变动指数×物流技术进步指数，由于物流综合技术效率变动指数=物流纯技术效率变动指数×物流规模效率变动指数，所以物流Malmquist指数=物流纯技术效率变动指数×物流规模效率变动指数×物流技术进步指数。其中：用物流技术进步指数来说明物流技术创新及应用的程度，用物流综合技术效率变动指数来说明物流管理和决策水平的变化。Malmquist指数模型为：

(2)

其中：DC表示规模报酬不变情形下的距离函数，DV表示规模报酬可变下的距离函数，t表示时期。M>1，表明从t期到t+1期全要素生产率呈上升趋势，效率有所提高；M=1，表明从t期到t+1期全要素生产率不变，效率未发生变化；M<1，表明从t期到t+1期全要素生产率呈下降趋势，效率有所下降。

1.3 面板Tobit回归模型

DEA-BCC计算的结果能够反映决策单元的物流效率值，却无法体现影响物流效率的因素以及影响程度。实际上，影响物流效率的因素是多方面的。由于DEA-BCC计算的效率值在0～1范围内，属于被解释变量数受限情况，普通最小二乘法(OLS)不能进行准确估计，而Tobit回归模型对于解决这种被解释变量受限的问题具有一定的适用性。本文使用西部陆海新通道沿线省份的面板数据进行实证分析，鉴于各省份间存在个体差异，采用面板Tobit回归模型进行分析。假设有t时间范围内n个决策单元的面板数据，面板Tobit回归模型为：

(3)

式中：i表示决策单元；t表示时间；yit表示被解释变量；xit表示解释变量；β表示回归系数；ui表示个体效应；εit表示随机干扰项，εit～N(0，σ2)，i=1，2，3，…，n。

1.4 数据

1)投入产出指标

运用DEA-BCC模型及Malmquist指数测算西部陆海新通道沿线省份物流效率，首先要在遵循目的性、精简性、关联性、多样性原则[27]基础上合理选取投入产出指标。根据经典的柯布—道格拉斯生产函数理论，物流资源要素投入包括人力投入和资本(含货币资本、物质资本)投入两方面。其中，反映物流资源要素配置人力投入的指标主要是物流业从业人数，反映物流资源要素配置资本投入的指标主要有物流业固定资产投资额、物流网络里程数等。同时，鉴于西部陆海新通道沿线省份物流资源要素投入集中于铁路、公路等交通运输领域，并参考秦雯[16]、曹炳汝等[17]的指标选取经验，以及依据沿线省份统计年鉴统计口径和可查询到的数据，西部陆海新通道沿线省份物流业从业人数拟以铁路、公路运输业从业人数表示，物流业固定资产投资额以交通运输、仓储及邮政业固定投资额表示，物流网络里程数通过铁路营业里程、公路营业里程的加总值表示；而产出指标则选取物流业增加值(以交通运输、仓储及邮政业增加值表示)、物流货运量(以铁路、公路货运量加总值表示)、物流货运周转量(以铁路、公路货运周转量加总值表示)，既考虑了存量因素又兼顾了增量因素。西部陆海新通道沿线省份物流资源要素投入产出指标见表1。

表1 西部陆海新通道沿线省份物流资源要素投入产出指标

2)影响因素指标

运用面板Tobit回归模型对西部陆海新通道沿线省份物流效率影响因素进行分析。物流是一个复杂的系统，影响物流效率的因素是多方面的。本文在物流效率投入产出指标分析的基础之上，参考龚雅玲等[9]、龚雪等[12]、刘秉镰等[28-29]对物流效率影响因素的分析，并考虑数据的可获得性，综合选取物流基础设施密度(以铁路营业里程、公路营业里程的加总值与省份面积之比表示，单位：%)、信息化水平(以互联网用户端口数表示，单位：万户)、物流产业集聚程度(以物流产业区位商表示，单位：%)、经济发展密度(以GDP与省份面积之比表示，单位：%)、对外开放程度(以进出口贸易总额与GDP之比表示，单位：%)、人力资本水平(以大专以上文化水平人数与受教育总人数之比表示，单位：%)作为物流效率的影响因素指标。

3)样本选择

西部陆海新通道沿线涵盖了内蒙古、广西、海南、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆等13个省份，表示本文被测算的样本容量为13，满足DEA-BCC方法和Malmquist指数对样本数量的要求。面板Tobit回归模型是基于DEA-BCC测算结果和影响因素指标数据进行分析。考虑到本文重在探讨西部陆海新通道建设(政策)下的沿线省份物流效率的时空演进及影响因素，而2015年为西部陆海新通道的前身——南向通道建设启动之年，所以对西部陆海新通道沿线省份物流效率进行测算的(投入产出指标、影响因素指标)原始数据选取的是2015—2020年的面板数据。这些原始数据均来源于西部陆海新通道沿线13个省份的年度统计公报或统计年鉴(考虑到篇幅，2015—2020年各年度投入产出和影响因素指标的原始数据略)。

4)求解方法

DEA-BCC方法和Malmquist指数均采用DEAP 2.1软件选择以产出为导向进行求解。其中，对DEA-BCC求解得到物流综合技术效率、纯技术效率、规模效率和规模报酬；对Malmquist指数求解得到物流综合技术效率变动指数、技术进步指数、纯技术效率变动指数、规模效率变动指数和全要素生产率增长率指数。面板Tobit回归模型将综合技术效率、纯技术效率、规模效率作为被解释变量，采用Stata 16.0对面板数据进行分析求解，得到物流效率影响因素回归分析结果。

2 实证分析

2.1 基于DEA-BCC的西部陆海新通道沿线省份静态物流效率状况

本文首先采用DEA-BCC方法求解上述13个省份的静态物流效率情况，分别得出沿线省份物流综合技术效率、纯技术效率、规模效率和规模报酬，进而集汇成2015—2020年西部陆海新通道沿线省份DEA静态物流效率测算结果见表2，均值见表3，均值趋势见图1。

表2 西部陆海新通道沿线省份DEA静态物流效率测算结果

续表(表2)

表3 西部陆海新通道区域物流综合技术效率、纯技术效率及规模效率的均值

1)物流综合技术效率分析

由图1可以看出：2015—2020年间西部陆海新通道区域物流综合技术效率呈“波浪式前进、螺旋式上升”(波谷在2015年、波峰在2018年)状态，这得益于物流纯技术效率和规模效率的不断改进；虽然中间出现波动，但幅度较小。从空间方面来看，沿线各省份间的物流综合技术效率并不均衡。表2结果显示：2015—2020年间内蒙古、广西、海南3省份的综合技术效率值都为1，均为DEA有效，说明3省份物流资源要素的投入与产出达到了相对最优化，即3省份物流资源要素投入产出比例合适，物流效率高，可能的原因在于这3省的地理区位优势和国家、地方较为合理的物流资源要素配置。重庆、四川、甘肃、青海4省份在2015—2020年间均未达到DEA有效，相比而言，重庆>甘肃>四川>青海，重庆的各年度综合技术效率值与西部陆海新通道区域当年均值(见表3)基本持平且接近0.9，说明重庆在物流资源要素配置和使用效率方面尚有一定提升空间。甘肃、四川、青海3省份都还处于较低的水平，尤其是青海的综合技术效率值依次为0.438，0.456，0.432，0.451，0.463，0.389，均远低于西部陆海新通道区域当年均值。因此，这3省亟需找出造成其物流综合技术效率不高的原因，从而合理使用物流资源要素配置，提升物流效率。贵州、云南、西藏、陕西、宁夏、新疆5省份在样本时间范围内，有些年达到了DEA有效，有些年未达到DEA有效，存在明显波动；除西藏在2019年综合技术效率降为0.374，2020年略上升为0.380，投入与产出失衡，其他省份均保持整体上升的趋势，说明其物流资源要素投入与产出亦达到了相对较好的效果。

图1 西部陆海新通道区域物流综合技术效率、纯技术效率及规模效率的均值趋势

2)物流纯技术效率分析

由图1可以看出：2015—2020年间西部陆海新通道区域物流纯技术效率呈“波浪式前进、螺旋式上升”(波谷在2017年、波峰在2019年)状态，虽然中间出现波动，但幅度较小。从空间方面来看，表2结果显示：达到物流纯技术效率有效的省份有6个(将近占比一半)：分别为内蒙古、广西、海南、四川、西藏、宁夏；而青海的物流纯技术水平较低且每年均低于西部陆海新通道区域当年均值(见表3)，但也保持了总体递增的状态；其他省份的物流纯技术效率值均较高且呈递增状态，特别是云南的物流纯技术效率在2018—2020年间均达到有效，新疆在2018年和2019年均达到有效，说明物流技术和管理在西部陆海新通道区域物流效率改进方面发挥了积极作用。

3)物流规模效率及物流规模报酬分析

由图1可以看出：2015—2020年间西部陆海新通道区域物流规模效率呈“波浪式前进、螺旋式上升”(波谷在2019年、波峰在2017年)状态。从空间方面来看，沿线省份之间的物流规模效率亦不均衡，表2结果显示：物流规模效率有效的省份仅有内蒙古、广西、海南(规模报酬不变，亦说明这3省份物流规模的投入产出达到最优状态)。重庆、贵州、陕西、甘肃、宁夏、青海6省(将近占比一半)的物流规模效率较高，部分省份在有些年还达到过物流规模有效，如贵州的物流规模效率在2015—2017年有效，宁夏仅2018年未达到物流规模效率有效，但其物流规模效率值为0.946，也高于当年的平均值0.935，说明这6省份在物流规模设施方面的投入与产出取得了较好的效果；但从规模报酬看，表现出的递增、递减结果反映了6省份在物流规模设施的投入比例和产出比例方面尚未达到稳定的状态。四川、云南2省份的物流规模效率均呈递增状态，但物流规模报酬递减，说明其物流资源要素投入增加的比例高于产出的比例。西藏的物流规模效率一直递增到有效状态，而在2019年降至0.374，2020年略上升为0.380，但其物流规模报酬总体呈递增状态；青海的物流规模效率一直不高，但其物流规模报酬反而呈递增状态。西藏、青海2省份的物流规模报酬递增，说明它们的物流资源要素投入带来了较高的产出。

4)物流综合技术效率、纯技术效率和规模效率分析

物流综合技术效率是物流纯技术效率与物流规模效率的乘积，同时表示物流纯技术效率和物流规模效率共同影响综合技术效率值。物流综合技术效率有效，则物流纯技术效率和物流规模效率均为有效，物流规模报酬保持不变，如内蒙古、广西、海南3省，而其他未达到物流综合技术效率有效的10个省在物流纯技术效率和物流规模效率上仍有一定的上升空间。重庆、陕西(除2018、2020年物流综合技术效率有效)、甘肃(除2018年)的物流纯技术效率在样本时间范围内低于物流规模效率，说明重庆、陕西、甘肃的物流综合技术效率无效更多是由物流纯技术效率引起的，因此重庆、陕西和甘肃3省在提升物流效率方面需注重物流基础设施规模的建设，更要着力管理水平和技术水平的改进。由图1可以看出：2015—2018年和2019—2020年间，西部陆海新通道区域物流综合技术效率均值与物流纯技术效率均值趋势呈同向，说明其物流综合技术效率值更多是受到物流纯技术效率的影响；2018—2019年，物流综合技术效率均值与物流规模效率均值呈下降趋势，而同时物流纯技术效率上升，说明物流综合技术效率主要是受物流规模效率的影响，可能是由于部分物流资源的投入尚未产生有效率的产出。

2.2 基于Malmquist的西部陆海新通道沿线省份动态物流效率状况

采用Malmquist指数对2015—2020年西部陆海新通道沿线省份物流资源要素投入产出的面板数据进行测算，得出西部陆海新通道沿线省份动态物流效率状况。包括：西部陆海新通道区域物流全要素生产率变动情况及趋势；西部陆海新通道沿线各省份物流全要素生产率变动情况及对比，以及各省份物流技术进步、纯技术效率变动、规模效率变动的对比情况。

1)西部陆海新通道区域物流全要素生产率变动情况及趋势分析

对西部陆海新通道区域物流全要素生产率变动情况进行分析，结果见表4。从时间方面看，西部陆海新通道区域物流全要素生产率的平均增长指数为1.009，总体呈上升趋势。分解来看，2015—2016年，西部陆海新通道区域物流技术进步指数为0.971，呈下降趋势；物流全要素生产率的增长指数为1.030，呈上升趋势，说明物流技术进步的稍微下降并未影响其全要素生产率的提高。2016—2017年，西部陆海新通道区域物流技术进步指数为1.051、物流综合技术效率变动指数为0.984，物流全要素生产率的增长指数为1.034，比上一年度略有增加，呈上升趋势，说明虽然物流管理方式或决策偶有不当，但物流技术进步仍可使物流全要素生产率提高。2017—2018年，西部陆海新通道区域物流综合技术效率变动指数和技术进步指数均为上升趋势，物流全要素生产率呈上升趋势，说明该年度物流技术及管理水平有了很大的改进。2018—2019年，西部陆海新通道区域物流综合技术效率变动指数和技术进步指数均呈下降趋势，导致物流全要素生产率的下降，说明该年度物流管理方式和技术使用方面需要做出大的调整，以促进全要素生产率的提高。2019—2020年，西部陆海新通道区域技术进步指数为1.024，呈上升趋势；物流综合技术效率变动指数为0.979，比上一年度略有增加；物流全要素生产率的增长指数为1.002，呈上升趋势，说明该年度在物流资源配置和使用、物流技术作用发挥方面有所提升，以促进全要素生产率的提高。

表4 西部陆海新通道区域物流全要素生产率变动情况

此外，进一步从时间方面对西部陆海新通道区域物流全要素生产率变动趋势情况作出描述，见图2。从图2可以看出：西部陆海新通道区域物流全要素生产率的变动呈“波浪式前进、螺旋式上升”(波谷在2018—2019年间、波峰在2017—2018年间)趋势，与技术进步变动趋势基本同向，说明物流全要素生产率的变动主要是由技术进步的变动引起的。分解来看，西部陆海新通道区域物流全要素生产率增长率在2015—2018年间呈上升趋势、2018—2019年间呈下降趋势、2019—2020年间呈略为上升趋势，物流综合技术效率变动指数、物流技术进步指数、物流纯技术效率变动指数、物流规模效率变动指数虽然有升有降，但总体变化幅度不大，可能的原因是在西部陆海新通道建设进程中，沿线省份物流资源要素配置人力投入、资本投入尤其是铁路、公路等交通运输基础设施的投入尚未获得明显且稳定的产出效应。

图2 西部陆海新通道区域物流全要素生产率变动趋势

2)沿线各省份物流全要素生产率变动(含趋势)描述及指数分解

西部陆海新通道沿线各省份物流全要素生产率变动情况见表5，变动曲线见图3。从空间方面来看，表5显示：2015—2020年西部陆海新通道沿线13个省份中，海南、重庆、四川、云南、陕西、青海、新疆7省的物流全要素生产率增长率均大于1，呈上升趋势；内蒙古、广西、贵州、西藏、甘肃、宁夏6省的物流全要素生产率增长率均小于1，呈下降趋势。内蒙古、广西、宁夏3省份物流全要素生产率主要是由于物流技术方面的薄弱而呈下降趋势，因此这3个省份需要更加注重先进物流技术的创新及应用。另外，从图3还可以看出：西藏的物流全要素生产率的增长明显低于其他省份，且其主要是受到物流规模效率变动指数的影响；除西藏外，12个省份的全要素生产率变动主要也是由物流技术进步引起的，但幅度较小。另外，鉴于物流综合技术效率变动指数=物流纯技术效率变动指数×物流规模效率变动指数，现仅对物流技术进步、纯技术效率变动和规模效率变动等指数进行分析，具体如下：

表5 西部陆海新通道沿线各省份物流全要素生产率变动情况

图3 西部陆海新通道沿线各省份物流全要素生产率变动曲线

从西部陆海新通道沿线各省份物流技术进步曲线(见图4)看，仅有海南、重庆、西藏、青海、新疆5省份的物流进步指数大于1，说明这5个省份注重物流技术的创新及应用；其他省份的物流技术进步指数虽然未达到1但非常接近于1，总体相差不大，说明这些省份在物流技术进步方面也给予了较高的重视程度。

图4 西部陆海新通道沿线各省份物流技术进步曲线

从各省物流纯技术效率变动指数(见图5)看，除贵州为0.985和青海为0.995(小于1但也很接近1)外，其余省份均大于或等于1，说明物流纯技术效率的改进已成为西部陆海新通道沿线各省份物流效率提升的重要因素。

图5 西部陆海新通道沿线各省份物流纯技术效率变动曲线

从各省物流规模效率变动指数(见图6)看，西藏的物流规模效率变动指数最低，仅为0.866，且直接导致了西部陆海新通道沿线省份物流规模效率变动指数均值的整体下降；而云南的物流规模效率变动指数最高，达1.058；其他省份的物流规模效率变动指数则与整个区域均值基本持平。

图6 西部陆海新通道沿线各省份物流规模效率变动曲线

2.3 基于面板Tobit回归模型的西部陆海新通道沿线省份物流效率影响因素分析

为进一步分析西部陆海新通道物流效率的影响因素，将DEA-BCC测算结果作为被解释变量，物流效率影响因素指标作为解释变量，构建3个面板Tobit回归模型如下：

模型一：

ycrsteit=α1x1it+α2x2it+α3x3it+

α4x4it+α5x5it+α6x6it+αi+εit

模型二：

yvrsteit=β1x1it+β2x2it+β3x3it+

β4x4it+β5x5it+β6x6it+βi+eit

模型三：

yscaleit=γ1x1it+γ2x2it+γ3x3it+

γ4x4it+γ5x5it+γ6x6it+γi+uit

其中，i表示省份，t表示年份；αi、βi、γi表示个体效应，α1～α6，β1～β6，γ1～γ6表示归回系数，εit、eit、uit表示随机干扰项；ycrsteit表示综合效率值、yvrsteit表示纯技术效率值、yscaleit表示规模效率值；x1表示物流基础设施密度、x2表示信息化水平、x3表示物流产业集聚程度、x4表示经济发展密度、x5表示对外开放程度、x6表示人力资本水平。

在进行回归分析之前，为避免解释变量之间量纲和单位不同导致计算结果的偏差，采用极值法对解释变量数据进行归一化处理，公式为：

其中，i表示省份，t表示年份。

运用Stata 16.0对上述3个模型进行面板Tobit回归分析，结果见表6所示。

表6 西部陆海新通道沿线各省份物流效率影响因素Tobit回归分析结果

对3个模型中各解释变量的回归系数进行分析，发现不同因素对西部陆海新通道沿线省份物流综合技术效率、纯技术效率和规模效率影响的程度不同。① 物流基础设施密度在3个模型中均在1%水平上显著，回归系数值较高，分别为0.621、0.654、0.683，呈正向相关，说明在2015—2020年时间范围内，物流基础设施密度是影响西部陆海新通道沿线省份物流效率(含综合技术效率、纯技术效率和规模效率)的重要因素，物流基础设施密度的提高能带来物流效率的提高。② 信息化水平在3个模型中均在1%水平上显著，回归系数分别为0.298、0.316、0.103，呈正向相关，说明在2015—2020年时间范围内，信息化水平是影响西部陆海新通道沿线省份物流效率(含综合技术效率、纯技术效率和规模效率)的重要因素，信息化水平的提高亦能带来物流效率的提高。③ 物流产业集聚程度在3个模型中均未通过显著性检验，说明在2015—2020年时间范围内，物流产业集聚程度未显著影响到物流效率，可能的原因是西部陆海新通道沿线省份物流产业发展相对滞后，尚未形成一定规模的物流产业集聚效应。④经济发展密度在模型一中在5%水平上显著，回归系数为0.295，呈正相关；在模型二和模型三中均在10%水平上显著，回归系数分别为0.145、0.121，呈正相关，说明在2015—2020年时间范围内，经济发展密度是影响西部陆海新通道沿线省份物流效率(含综合技术效率、纯技术效率和规模效率)的因素；对比分析，其重要程度略低于物流基础设施密度和信息化水平。⑤对外开放程度在3个模型中均在5%水平上显著，回归系数分别为-0.335、-0.323、-0.346，呈负相关，说明在2015—2020年时间范围内，对外开放程度是影响西部陆海新通道沿线省份物流效率(含综合技术效率、纯技术效率和规模效率)的重要因素，但对外开放程度的提高却未能带来物流效率的提高，可能的原因是对外开放程度的提高产生了产业经济溢出效应，亦或是西部陆海新通道沿线省份物流行业企业囿于自身和环境，未能很好地吸收对外开放带来的“政策红利”。⑥人力资本水平在3个模型中均未通过显著性检验，说明在2015—2020年时间范围内，人力资本水平不是影响西部陆海新通道沿线省份物流效率(含综合技术效率、纯技术效率和规模效率)的重要因素，可能的原因在于：西部陆海新通道沿线省份对包括物流类在内的高层次人才的吸引力、凝聚力、向心力整体偏低，亦或是西部陆海新通道沿线省份吸纳高层次人才发展的载体整体不足，特别是高质量、高水平并具有国际竞争力的物流行业企业总体偏少。

3 结论与启示

本文采用DEA-BCC模型、Malmquist指数和面板Tobit回归模型，对西部陆海新通道沿线13个省份物流效率的时空演进及影响因素进行实证分析，从物流综合技术效率、纯技术效率、规模效率、技术进步等指标分析了这些省份的物流资源要素投入产出情况，从物流基础设施密度、信息化水平、经济发展密度、对外开放程度、物流产业集聚程度、人力资本水平等方面(因素)解理了其对西部陆海新通道沿线省份物流效率的影响及作用。

3.1 主要结论

基于DEA-BCC方法分析，发现西部陆海新通道区域物流综合技术效率呈“波浪式前进、螺旋式上升”状态，且得益于物流纯技术效率和物流规模效率的不断改进。分解来看，一方面，省份间物流综合技术效率并不均衡，2015—2020年均达到物流综合技术效率有效的仅有内蒙古、广西、海南3省；重庆、四川、甘肃、青海4省物流综合技术效率虽未达到有效状态，但总体较稳定；贵州、云南、西藏、陕西、宁夏、新疆5省份总体较好，且出现过物流综合技术效率有效的状态；而西藏的物流综合技术效率在2015—2018年持续增长，在2019年却出现明显下降，2020年略有上升。另一方面，省份间物流纯技术效率、物流规模效率等也不均衡，其中达到物流纯技术效率有效的有内蒙古、广西、海南、四川、西藏、宁夏6省份，达到物流规模效率有效的有内蒙古、广西、海南3省。

基于Malmquist指数分析，发现西部陆海新通道区域物流全要素生产率增长率亦呈“波浪式前进、螺旋式上升”趋势，且主要得益于物流技术创新及应用的持续改善。分解来看，一方面，2015—2018年西部陆海新通道沿线省份物流全要素生产率增长率一直上升，2018—2019年间呈下降趋势、2019—2020年间呈略为上升趋势。另一方面，省份间物流全要素生产率增长率及相关指数同样存在差异，其中2015—2020年物流全要素生产率增长率均大于1(即呈上升趋势)的有海南、重庆、四川、云南、陕西、青海、新疆7省；物流技术进步指数大于1的有海南、重庆、西藏、青海、新疆5省；物流纯技术效率变动指数小于1的省份为贵州和青海(贵州为0.985，青海为0.995，虽小于1但也很接近1；其他省份均等于或大于1)；而物流规模效率变动指数最低的是西藏(为0.866)、最高的是云南(为1.058)。

基于面板Tobit回归模型分析，发现西部陆海新通道沿线省份物流效率的影响因素主要有物流基础设施密度、信息化水平、经济发展密度、对外开放程度。2015—2020年间，物流基础设施密度、信息化水平、经济发展密度与西部陆海新通道沿线省份物流效率呈显著正相关关系，对外开放程度与西部陆海新通道沿线省份物流效率呈显著负相关关系。另外，物流产业集聚程度和人力资本水平对西部陆海新通道沿线省份物流效率没有显著影响。

3.2 政策启示

西部陆海新通道沿线省份物流效率时空演进层面，要注重西部陆海新通道沿线省份物流效率的均衡发展，特别是加快推动沿线省份物流一体化进程。即应充分发挥国家(战略)在西部陆海新通道区域及沿线省份物流资源要素供给中的主导作用，加强国家对沿线各省份物流资源要素配置的宏观调控，尤其是对未达到物流综合技术效率、规模效率、纯技术效率有效状态以及物流全要素生产率增长率、技术进步指数、纯技术效率变动指数、规模效率变动指数小于1的省份的政策引导及转移支付力度，谋求各省份物流效率均衡化。

西部陆海新通道沿线省份物流效率影响因素层面，一是沿线省份要继续加大包括管理(如全面质量管理)和信息(如大数据、区块链)在内的物流技术、设施设备投入，进一步提升沿线省份物流基础设施密度和信息化水平；二是沿线省份要加快新旧动能转换，做强支柱、壮大新兴、强化优势(产业)，实现经济全面、协调、可持续发展；三是沿线省份物流政产学研机构特别是行业企业要精准对接并深度融入西部陆海新通道建设，共建、共享物流“红利”；四是沿线省份要注意物流产业集聚和人力资本的布局及效用发挥。