中部六省物流业效率评价研究——基于2005—2018年面板数据的实证分析

赵一鸣，耿 杰

（安徽理工大学 经济与管理学院，安徽 淮南 232001）

一、研究概述

习近平总书记强调：“推动中部地区崛起是党中央做出的重要决策”。2020年，国家发改委和国家运输部联合印发《关于做好2020年国家物流枢纽建设工作的通知》，其中共有22个物流枢纽入选国家级物流枢纽建设名单。中部六省（山西，安徽，江西，河南，湖北，湖南）受国家高度重视，22个国家级别物流枢纽其中有4个来自中部地区。中部地区地大物博，人口众多，约占全国10.7%的土地，26.51%的人口，被称为全国经济发展的第二梯队。2019年，中部地区GDP共193 980.31亿元，约占全国GDP总量的20%，在全国经济发展中占据重要地位。

物流业在经济发展中扮演着重要角色，学者们对我国物流业的效率和影响因素进行分析，寻找促进中国物流业发展的对策，目前已有大量关于我国物流业效率的研究成果。郭子雪，张雅辉等人运用DEA模型以京津冀地区为研究对象，对2011—2015年样本数据进行分析，指出京津冀地区协同发展能力不足。[1]刘岩，田强采用DEA-BCC模型对我国31个省2016年的物流业效率进行分析，结果表明我国物流业效率差异明显，区域差异性大。[2]钟群英，朱顺东基于DEA模型和M指数，对江西下辖11个市2012—2016年的物流业效率进行测度，最后根据结论提出针对性建议。[3]王博，祝宏辉等人采取三阶段DEA方法对我国“一带一路”沿线区域2010—2016年的物流业效率进行测度，分析结果表明，沿线区域物流业效率受外部环境影响过大，整体水平不高。[4]曹炳汝，孔泽云等人采取DEA方法，对长江经济带省域2007—2017年的物流业效率进行测度，结果显示长江经济带物流业效率变化起伏较小。[5]肖斌，程晓静利用DEA方法，对广东下辖21个市2010—2015年的物流业效率进行测度，指出广东省物流业效率整体水平不高，存在资源浪费现象，区域差异性明显。[6]

综上可知，对于物流业效率的测度采用DEA方法是普遍的，受学者们的青睐。本文将在前人研究基础上，采用DEA-Malmquist模型对中部六省2005—2018年的物流业效率进行测度和分析，为中部六省物流业建设质量的进一步提高提供参考性建议。

二、研究方法和构建投入产出指标体系

（一）研究方法

1.DEA-BCC模型

数据包络分析是由Charnes、Cooper等人于1978年提出的一种非参数效率评价方法，其基本思想为构建有效生产前沿面，计算不同时期内各DMU与生产前沿的距离，获得各DMU相对有效值。DEA主要包括两个基本模型，分别是CCR模型和BCC模型，CCR模型假设规模报酬不变，BCC模型假设规模报酬可变，本文假设中部六省物流系统运作过程中，规模收益是可变的。采用投入导向的BCC模型测度中部六省的物流业效率，其具体模型如下：

2.Malmquist指数模型

1953年，瑞典数学家Sten Malmquist提出M指数分析法，用来进行消费分析。1978年，Chanmes首次将DEA模型与Malmquist指数相结合，该方法适用于多个地区跨时期的样本分析，在效率测度与评价方面被广泛运用。所以本文研究的物流业效率变化指数可表示为：

物流业效率变化指数可进一步分解为技术效率变化指数（EFFCH）和技术进步指数（TECHCH），由此可知效率变化之间的关系如下：

当M＞1时，随时间变化，物流业效率呈上升的趋势；当M=1时，物流业效率不随时间而变化，当M＜1时，物流业效率下降。当技术效率变化指数、技术进步变化指数大于1时，说明其是TFP增长的主要影响因素。反之，则是TFP将下降的主要原因。

（二）指标构建和数据来源

1.指标构建

通过梳理近几年相关文献，发现研究者们通常采用如下投入产出指标（见表1）对区域物流业效率进行研究。

表1 物流业效率评价建模指标统计表

根据对表1的分析以及数据的可得性与可操作性，最终选取交通运输、仓储和邮政固定资产投资额，交通运输、仓储和邮政从业人数作为投入指标，货运周转量，交通运输、仓储和邮政增加值为产出指标。

2.数据来源

研究数据均来源于2006—2019年《中国统计年鉴》，其中关于2018年的交通运输、仓储和邮政增加值数据缺失，本文通过数据分析软件SPSS 19.0，采取指数平滑法，根据这一指标2005—2017年数据对2018年进行预测，保证研究的继续进行。各变量描述性统计如表2所示。

表2 各变量描述性统计

三、实证分析

（一）物流业效率的静态分析

通过DEA模型和投入产出指标，利用专业数据分析软件DEAP2.1对2005—2018年中部六省物流业综合效率，纯技术效率和规模效率进行测算，结果如下。

1.综合效率分析

综合效率为1，表示物流生产有效，生产投入都达到最满意效果；综合效率不为1，表示物流生产无效，可通过合理配置资源提高物流业效率。

由表3可知：

表3 2005—2018年中部六省物流业综合效率值及排名

（1）从整体来看，中部2005—2018年物流业综合效率为0.730，在2012年综合效率最高，达0.968，2006年综合效率最低，仅有0.715。中部综合效率在2005—2018年震荡波动，但整体是呈上升趋势，表明中部物流业效率在进步，但整体水平一般。

（2）分省份来看，湖南的综合效率为0.910，是综合效率在中部六省中唯一超过0.9的，处于区域领先地位，位列第一。

2005—2018年，湖南综合效率在0.9以上的年份有8个，表明湖南物流业效率水平较高；其次是安徽，安徽综合效率在2012、2014和2017年均达到1，表明这三年安徽物流业效率也处于较高水平，其综合效率为0.879，位列中部六省第二；山西综合效率为0.870，高于中部六省平均水平，位列第三；江西、湖北、河南综合效率分别为0.828、0.784、0.730，都低于平均水平。综上可知，我国中部六省2005—2018年物流业综合效率从高到低依次是“湖南＞安徽＞山西＞江西＞湖北＞河南”，可以看出中部六省物流业发展不均衡，区域差异较大。

2.纯技术效率分析

技术有效是指相对于最优生产率水平而言，当前投入要素的浪费情况。纯技术效率为1，则技术有效，说明投入无需调整；若纯技术效率不为1，则技术无效。

由表4可知：

表4 2005—2018年中部六省物流业纯技术效率表

（1）从整体来看，2005—2018年中部的纯技术效率平均值为0.955，其中2013、2014、2015、2016年这四年低于平均水平，其他年份都高于0.955，2018年中部物流业的纯技术效率达到1，表明2018年中部技术有效，投入要素达到最大利用率。

（2）分省份来看，安徽纯技术效率为0.992接近1，高于平均水平，位列中部六省第一，近似技术有效。且安徽在2005—2018这14年间，有10年纯技术效率有效，占研究年份的71.4%。说明安徽2005—2018年物流业投入资源利用最大化，纯技术效率高；湖南、山西、江西和湖北纯技术效率也都在0.9以上，且都处于平均水平以上，保持较高的纯技术效率。河南纯技术效率仅0.865，远低于中部六省平均水平，纯技术效率严重不足，因此纯技术效率从高到低排列如下“安徽＞湖南＞山西＞湖北＞江西＞河南”。

3.规模效率分析

规模有效是指按照最优生产率水平所能获得的最大产出情况。当规模效率为1，表明规模有效；当规模效率小于1，说明当前规模非最佳规模，需对产业结构进行优化配置，以提高生产效率。

由表5可知：

表5 2005—2018年中部六省物流业规模效率表

河南湖北湖南中部0.500 0.671 1 0.739 0.487 0.515 0.963 0.726 0.645 0.564 0.984 0.812 1 1 0.997 0.960 0.971 0.643 0.878 0.915 0.666 0.722 0.784 0.863 0.812 0.821 0.829 0.997 0.919 0.888 0.910 1 1 0.785 0.989 0.919 0.927 0.950 1 1 0.800 0.992 0.948 0.921 0.847 0.995 0.956 0.926 0.968 0.925 1 1 0.944 0.671 1 0.854 0.842 0.817 0.931 0.874 5 6 1

（1）从整体来看，中部物流业规模效率均值为0.874，其中在2013年规模效率达到最高值0.971，山西、安徽和湖南规模效率都高于平均水平，尤其是湖南规模效率高达0.931。湖南在2005—2018年，规模效率在0.9以上有10年，占研究年份数的71.4%。表明湖南物流业结构配置合理，对产出单元作用大，对投入资源利用率高。

（2）分省份来看，湖南规模效率值为0.931，中部六省第一；山西规模效率为0.894，中部六省第二，且在2006、2008和2017年实现规模有效；安徽在2012、2014和2017年实现规模有效；江西、河南以及湖北规模效率分别是0.867、0.842、0.817，排名分别是4、5、6，低于平均水平。最终确定中部六省物流业规模效率从高到低的排序是“湖南＞山西＞安徽＞江西＞河南＞湖北”。

根据表3—5，纯技术效率、规模效率分别以0.955、0.874为分界线，将中部六省物流业效率分为三个类型：

（1）第一类是双高，即纯技术效率和规模效率都处于平均水平以上，有山西、安徽、湖南。

（2）第二类是高低，即纯技术效率高，规模效率低，有江西，湖北，表明江西和湖北的物流业需进行产业结构优化配置，提高生产效率水平。

（3）第三类是双低，纯技术效率和规模效率都低，仅河南一省，表明河南的物流产业结构与生产投入要素技术水平都应进行调整。

（二）物流业效率的动态分析

为更全面地了解中部六省近年来物流业效率的发展变化，根据上文构建的投入产出指标，运用Malmquist指数对2005—2018年中部物流业全要素生产效率进行研究，结果如表6、表7及图1所示。

表6 中部2005—2018年物流业全要素生产率及其分解

2012—2013 2013—2014 2014—2015 2015—2016 2016—2017 2017—2018均值1 0.998 1.034 0.984 0.966 0.993 1.005 0.919 1.137 0.744 1.030 1.484 0.776 1.095 1.004 1.040 0.966 0.991 0.995 0.962 0.996 0.996 0.960 1.070 0.992 0.971 1.031 1.007 0.919 1.136 0.770 1.013 1.433 0.770 1.062

表7 2005—2018年中部各省物流业全要素生产率及其分解指数

图1 2005—2018年中部物流业全要素生产效率变化趋势图

由表6可知：

中部2005—2018年物流业全要素生产率呈波动变化，M指数平均增长6.2%；技术效率平均增长0.5%；技术进步平均增长9.5%；规模效率平均增长0.7%；仅纯技术效率下降0.4%，呈下降趋势。

观察2005—2018年全要素生产率及分解指数，可看出2005—2006、2006—2007、2010—2011、2011—2012、2013—2014、2015—2016年，M指数出现爬升，主要是受技术进步效率上升的影响。2008—2009、2012—2013、2014—2015、2017—2018年，M指数出现下降，也主要是因为技术进步效率的下降。在全要素生产率变动及其分解中，仅纯技术效率小于1，下降0.4%，表明中部物流业资源配置能力不足，管理能力不佳。规模效率平均增长0.7%，表明在研究期内，中部地区物流业规模有效，但效率上升速度过慢，中部需推进规模效率和纯技术效率共同发展，追求规模经济有效性。

从图1中技术进步变化效率与全要素生产效率变化趋势可看出，二者变化趋势几乎一致。技术进步变化效率波动幅度较大，带动全要素生产效率的变化，进一步证明技术进步是影响M指数的主要影响因素。

为全面了解中部六省物流业效率发展情况，研究个体间物流业效率差异，识别全要素生产效率主要影响来源，对各省M指数及其分解指数进行分析，具体如表7所示。

由表7可知：

2005—2018年中部六省的全要素生产效率存在差异，其中山西、安徽、江西、河南、湖南的M指数分别增长0.2%、6.4%、4.4%、4.1%、4.7%，对应的纯技术效率全都等于1，表明M指数主要受技术进步的影响。中部六省的M指数均值为1.031，技术进步为1.033，其他指数值都近似为1。表明M指数与技术进步变化趋势大致相同。

综上所述，M指数的主要影响因素是技术进步。

四、结论

本文采用DEA-Malmquist指数模型，构建物流业效率投入产出指标，通过Deap 2.1数据分析软件，对中部六省2005—2018年物流业效率进行测度和分析。综上所述，具体结论如下：

我国中部物流业效率整体水平不高，六省物流综合效率排名从高到底依次是“湖南＞安徽＞山西＞江西＞湖北＞河南”，其中河南、湖北综合效率小于0.8，其他省份均大于0.8。说明中部六省综合效率存在差异，但是差距不大。纯技术效率排名是“安徽＞湖南＞山西＞湖北＞江西＞河南”纯技术效率均值为0.955，表明2005—2018年中部六省物流业对生产投入要素利用程度高，资源浪费现象少。规模效率排名是“湖南＞山西＞安徽＞江西＞河南＞湖北”，均值为0.874，仅有湖南规模效率在0.9以上，其余省份均小于0.9。表明中部六省的物流产业规模经济性不强，应调整生产规模，以获得产出最大化。中部物流业全要素生产效率及其分解指标中，M指数平均增长6.2%；技术效率平均增长0.5%；技术进步平均增长9.5%，表明技术进步是Malmquist指数上升的主要原因。