安徽省市域农产品冷链物流竞争力研究

2022-12-03靖培星安徽科技学院管理学院安徽蚌埠223090

物流科技 2022年12期

靖培星（安徽科技学院管理学院，安徽蚌埠 223090）

0 引言

冷链运输能有效提高农产品质量安全水平，推动农产品冷链物流高质量发展，是满足人民日益增长美好生活需要、助力乡村振兴的重要途径；是支撑实施食品安全战略和建设健康中国的重要保障[1]。随着电商行业的快速发展和消费者对生鲜农产品质量要求的不断提高，中国冷链物流行业呈现出蓬勃发展的良好势头。但是，冷链物流行业发展受技术条件、经济水平、政策引导等各方面影响较大，各地冷链物流运输的条件和环境不尽相同，对冷链物流网络的形成和优化产生了一定的阻碍。冷链物流在确保农产品质量安全方面起到了关键性作用，健康、高效、协调地发展农产品冷链物流显得尤其重要。

在物流行业竞争力研究方面和农产品冷链物流发展评价方面，不同学者分别进行了深入研究。在区域物流竞争力方面，吕宏军[2]运用“钻石理论”模型和解释结构模型方法，构建了提升西部区域物流竞争力各影响因子间的相互关系与结构体系，并提出了优化路径；李楠[3]利用深度SAE-SOFM 模型和社会网络分析法，将一带一路核心城市群的物流水平划分为四个类别，研究了区间的空间关联和角色定位；周广澜[4]建立了安徽省物流竞争力评价指标体系，利用熵权法和聚类分析对安徽省16 市的物流竞争力进行排名和分类，并提出了发展建议；宋二行[5]从物流基础设施、运输能力、经济效益和发展潜力4 个方面出发，构建物流竞争力评价体系，采用综合评价-熵值法与耦合协调度模型进行分析与评价。结果显示当前中国物流整体处于初级协调发展阶段，协调度东高西低。在冷链物流发展评价方面，张鹏[6]从冷链配送业务流程的四个阶段构建了FAHP 农产品冷链物流质量评价体系，并在实践中验证了该方法的准确性；秦军[7]以金永城市群为例，提倡在城市群的基础上进行冷链物流资源整合，实现资源的最大效能，创造更高的收益；钟晓燕[8]研究了7 家冷链物流公司的财务指标，并进行了实证研究，评价了冷链物流企业的竞争力；李杰[9]构建了生鲜电商冷链物流竞争力测评体系及测评模型，以期通过科学评价提升相应冷链能力。

通过梳理上述研究成果可以发现，大多数文献研究了物流竞争力的空间分异，但对于冷链物流这一新兴事物，缺乏对应的竞争力评价指标体系，个别文献也仅从企业角度构建适用企业的冷链物流水平评测体系。本文综合以上研究成果，针对安徽省农产品冷链物流的区域竞争力构建评价指标体系，运用TOPSIS 模型对区域竞争力进行评价排序，分析安徽省各市域在发展农产品冷链物流方面的优势和不足，提出政策建议，以期使之能健康、高效、协调发展。

1 评价指标体系构建、数据来源与模型选取

1.1 评价指标体系构建

安徽省农林牧渔业资源丰富，农产品冷链物流具有巨大发展潜力。但安徽省整体物流竞争力水平一般，区域竞争力差异强度大，安徽省农产品冷链物流处于快速增长阶段。为此，安徽省政府办公厅发布《安徽省冷链物流发展实施方案（2022—2025年）》，提出27 项发展冷链物流的具体措施[10]。在综合现有物流竞争力评价体系和冷链物流的新特征后，筛选出区域冷链资源禀赋、区域冷链要素投入、区域冷链市场需求3 个一级指标、13 个二级指标构建安徽省市域农产品冷链物流竞争力评价指标体系，具体评价指标体系（见表1）。

表1 安徽省市域农产品冷链物流竞争力评价指标体系

1.1.1 区域冷链资源禀赋

资源禀赋是发展农农产品冷链物流的基础条件，主要包括农林牧渔业生产总值、公路货运量、公路货运强度、4A 级以上物流企业数量、人均冷库库容等指标。其中，公路货运强度=公路货运量/公路货运里程。

1.1.2 区域冷链要素投入

要素投入主要指各企事业单位为改变现有资源禀赋所做的努力，主要包括冷链物流业固定投资增长率、物流从业人员数量、交通运输地方财政预算支出、服务业企业开展科技创新所占比重等指标。

1.1.3 区域冷链市场需求

市场需求主要取决于区域经济水平和消费水平，主要包括物流从业人员工资、城镇居民人均可支配收入、交通运输业GDP、人均受教育年限等指标。

1.2 数据来源与处理

评价指标体系中的基础数据来源于安徽省统计年鉴（2021）、中国物流和采购联合会统计数据和各市政府工作报告，由于各评价指标间的单位及绝对值存在较大差异，为方便数据的进一步处理，采用“min-max 标准化”归一化方法将数据进行无量纲化，处理后的数据落在区间[0,1]上。

1.3 模型选取

1.3.1 利用熵值法确定指标权重

在信息论中，信息熵是测度信息不确定的重要概念，表达式为H（x）=-∑f（x）lnf（x），由信息熵的表达式可知，信息熵值与信息可靠性呈负相关。信息熵由于评价的客观性被广泛应用于经济管理领域，通过检验信息的离散程度，计算信息可靠程度和每个信息相应的权重，从而对各个对象进行综合评价[11]，具体操作步骤如下：

将各指标原始数据vij采用“min-max 标准化”方法进行标准化为uij。其中，正向指标uij=(vij-minvj)÷（maxvj-minvj），负向指标uij=(maxvj-vij)÷（maxvj-minvj）。

计算评价对象在相应评价指标下的特征比重Pij。Pij=uij÷

计算指标的熵ej。ej=-K其中，K=1÷lnm。

计算各指标的权重wj。w

j=(1-ej)÷权重计算结果如表1中所示。

1.3.2 利用TOPSIS 模型进行评价排序

TOPSIS 模型又称优劣解距离法，通过确定评价指标的正/负理想解，然后根据评价对象与正/负理想解的距离开展评价对象的优劣程度排序[12]。具体操作步骤如下：

构造标准化决策矩阵F。Fij=WjZij，其中，

构造正/负理想解。其中，正理想解F+=(F1+,F2+F3+,...,Fn+)，负理想解F-=(F1-,F2-F3-,...,Fn-)。

计算评价对象的综合贴近度Di。

2 结果分析

2.1 计算结果

根据上述熵权-TOPSIS 模型的计算步骤，得出安徽省市域农产品冷链物流竞争力评价指标的标准化值（见表2）。

表2 安徽省市域农产品冷链物流竞争力评价指标标准化值

安徽省市域农产品冷链物流竞争力综合贴近度排名情况和各一级指标排名情况计算结果如表3、图1所示。

表3 安徽省市域农产品冷链物流竞争力综合贴近度及排名

2.2 结果分析

从总排名看，合肥市、芜湖市、阜阳市、马鞍山市、滁州市排名前五，而淮北市、池州市、黄山市、宣城市、淮南市排名靠后。这表明农产品冷链物流在市域内存在差异，且差距较大。按地理位置大概可以看出，环合肥城市群农产品冷链物流竞争力表现较好，皖南山区和皖北经济较落后的地区表现较差。合肥市是安徽省省会城市，基础建设、要素投入和需求市场都比较成熟；芜湖市经济发达，有便利的水道条件；阜阳农业资源领跑安徽；马鞍山和滁州同时受合肥城市群和南京城市群的带动，经济水平较高。而皖南山区受地理环境和交通运输条件的限制，难以大规模开展冷链物流活动；皖北地区处于多省交界处，经济发展较为缓慢，城市规模小，受徐州市的虹吸效应明显，整体农产品冷链物流竞争力较弱。

从三个一级指标看，合肥市、芜湖市、阜阳市各项排名均比较靠前，黄山市、淮北市各项排名均比较靠后，说明合肥等三市的农产品冷链物流水平整体较高，且比较均衡，黄山市等两市在三个维度上均表现较差，需要做出较大努力以促进农产品冷链物流发展；安庆市、滁州市有较高的消费需求，社会各界也加大力度进行产业投入，但现有的基础设施稍显薄弱；马鞍山市有较好的冷链基础设施，但发展势头不足，冷链要素投入仍待加强；蚌埠市作为皖北交通枢纽，其带动作用不明显。

从指标权重看，数据越离散，指标的熵权权重越大，其中“4A 级以上物流企业”占比最大，说明规模以上物流企业在安徽省的分布不均匀，合肥市拥有62 家，而有9 个地市拥有数量少于5 家；“物流从业人员数量”和“城镇人均可支配收入”占比较大，说明物流业的发展规模以及当地的经济发展水平影响着物流业能否向冷链物流等高技术含量的方向发展。