基于三阶段SBM模型的东北地区物流业效率研究

孙倩倩 苗成林,2

（1.安徽理工大学经济与管理学院 安徽淮南 232000；2.山东工商学院工商管理学院 山东烟台 264005）

2021年以来，东北振兴的步伐持续提速，经济增速逐渐摆脱下行趋势。重型化工业是东北产业的主要结构，短时间内产业调整效果不明显；物流是东北振兴的关键力量，因此，需加快东北老工业基地的产业结构调整，提高物流业效率，向绿色物流转型。本文将三阶段DEA模型与SBM模型结合，构建非期望产出的三阶段SBM模型，剔除外部环境和随机误差干扰，同时结合Malmquist指数从动静两个角度综合分析东北地区物流业效率，最后运用Tobit模型分析外部因素对效率的影响。

一、研究方法与数据来源

（一）研究方法。

1.三阶段SBM模型。

（1）第一阶段：利用非期望产出SBM模型计算最初的物流业效率和指标的松弛量，具体公式如下：

式中，x=(xij) ∈Rm×n，y=(yij) ∈Rs×n，n个部门，m个投入，S个产出，ρ为效率值，s1表示期望产出个数，s2表示非期望产出个数；s和Xt别表示决策单元的投入冗余以及投入变量，和分别表示决策单元的期望产出不足以及期望产出变量，和分别表示决策单元的非期望产出过剩以及非期望产出变量，λ表示权重向量。虽然考虑到了松弛变量，但仍然不能排除环境因素的影响，因此需进行第二阶段得到准确结果。

（2）第二阶段：随机前沿分析法（SFA）。传统DEA模型综合考虑内外部因素和随机误差干扰，没有明确区分各因素对效率值的影响，产生不够准确的评估结果，因此使用SFA模型对投入松弛量和环境变量进行回归分析，并依据结果调整投入产出数据，回归函数具体公式为：

其中，i=1,2,…I;n=1,2,…N，Sni代表第 i个决策单元、第n个投入松弛变量值，Zi表示环境变量，βn为环境变量系数，vni+μni为混合误差项，统计噪声；μni表示管理无效率，。初始投入数据的调整具体公式为：

（3）第三阶段：将第二阶段调整后的投入数据，再次使用非期望SBM模型得出物流业效率值。经过了环境因素和随机误差的剔除的过程，第三阶段得出的效率值更加准确，能够更加真实反映该地区的效率水平。

2.Malmquist指数模型。Malmquist指数是动态分析工具，通过当期于上一期或基期的对比得到全要素生产率，与不能分析面板数据的静态DEA模型互补，Malmquist指数又可分解为技术效率指数(Effch)和技术进步指数(Techch)，计算公式为：

式中Tfpch为全要素生产率，表示各省物流业效率跨时期的变化情况，D表示距离函数，t表示时期。

3.Tobit回归模型。上述模型计算的物流业效率值大于0，效率值易受投入产出指标和其他因素影响，数值呈离散型，使用最小二乘法无法呈现完整的数据，而Tobit回归模型可以避免传统回归模型所产生的偏差，公式为：

式中，Y是物流效率值向量，Y*是截断因变量向量，X是自变量向量，β是回归参数，μ是误差项，且μ(0,σ2)。

（二）指标选择与数据来源。采用交通运输、仓储和邮政代替物流业数据。从《中国统计年鉴》和《中国能源统计年鉴》，和东北三个省份的统计年鉴获取2010—2019年数据。依据东北地区物流业的发展实际情况，同时结合众多学者的研究，从人力、物力、技术发展等方面选取投入指标。以各省物流业从业人员数、一次和二次能源消耗量、根据效率比转化的公路网络里程数、电信主要通信能力作为投入指标。产出分为两类：一类是期望产出，以各省的货物和旅客周转量构成的综合周转量和各省物流业生产总值表示；一类是非期望产出，以各省二氧化碳的排放量（依据IPCC碳排放计算指南计算）表示[2]。选择地区GDP、财政支持（财政支出中的交通运输支出与地区GDP之比）和居民消费水平作为环境指标。

二、实证分析

（一）第一阶段物流业效率分析。利用DEA-Slover 13.0，对2010—2019年东北地区的物流业效率进行测度，得到第一阶段效率值，见表1。

表1 东北三省及东北地区第一阶段效率值

东北地区第一阶段效率均值由2010年的0.415增长到2019年的0.623，整体增长速度较为缓慢，仍需加强东北地区物流业建设。不同省份的物流业效率存在一定差距，第一阶段效率均值最高的是辽宁达到0.787，最低的是黑龙江为0.343。为进一步了解真实的物流业效率，将利用随机前沿模型剥离外部环境与随机因素干扰。

（二）第二阶段数据调整。以第一阶段测算所得的各投入要素的松弛变量为被解释变量，以各省GDP、财政支出中的交通运输支出占地区GDP之比和地区居民消费支出三个环境变量为解释变量，借助Frontier4.1软件得出回归结果，见表2。五项投入松弛变量对应的SFA模型的单边似然比检验统计量LR均通过了1%显著性水平检验，说明物流业各投入松弛变量与所选择的环境变量之间存在较强的影响关系，且各松弛变量的γ值都在0.99—1之间，说明管理无效率影响最大[3]。因此使用三阶段SBM模型分析是可行性的。

表2 2019年东北地区的SFA回归分析结果

由表2得，各省GDP对物流业固定资产投资、物流业就业人员数和公路网络里程数松弛变量的回归系数正值居多，能源消耗和信息化松弛变量的回归系数多数为负值，说明地区经济发展能加快促进物流业需求的增长，刺激相关人力和资产的投入，使盈余增加。同时物流需求增长，使能源和信息化的投入得到高效使用，减少了冗余量。财政支出对物流业固定资产松弛变量多数为正值，物流业就业人数、能源、公路网络里程和信息化松弛量多数为负值。居民消费水平对五个投入松弛量基本都呈显著负相关，说明居民消费水平的提高，会减少各项投入冗余量。居民消费水平提高，消费理念持续升级，由物流量的需求转移到对量和质的共同需求[4]，促使众多的物流企业涌入市场。

（三）第三阶段物流业效率分析。将经过SFA回归分析后的投入数据代替初始投入数据，再次使用第一阶段的SBM模型，借助DEA-Slover 13.0软件，对东北地区三个省份的物流业效率做出更准确的评价，结果见表3。

表3 东北三省及东北地区第三阶段效率值

从第三阶段与第一阶段效率值对比可知，各省物流业效率值出现不同程度的改变，辽宁效率均值减小，吉林和黑龙江的效率均值增大，总体物流效率值有所提高。东北地区属于老工业基地，第三产业比重较大，能源消费结构短时间难以改变，碳排放压力加大，使碳排放约束下的物流业效率提升缓慢。

辽宁第三阶段效率均值相对第一阶段出现下降，说明之前较高的效率值受益于外部优异的经济环境，相关扶持政策等。随着辽宁积极响应国家政策，贯彻落实物流业降本提效专项方案，物流业效率逐年增长，在2015年后效率值为1，达到效率前沿面。辽宁是东北唯一的陆海双重通道，拥有得天独厚的区位优势，是连接与全国物流网络重要节点，在东北地区发展中起到龙头作用。

第三阶段的吉林物流业效率均值为0.641，高于第一阶段，总体处于波动型增长的趋势。近几年吉林国民经济保持持续发展的姿态，物流需求增长的主要动力来自第二产业经济快速增长，其中交通运输制造业的贡献突出，随着近几年的油价保持高位，交通运输行业成本居高不下，还存在各种无效运输，交错运输等不合理运输问题，多数企业以高能耗，低效率运营，使物流业效率在增长的同时加大了物流成本。

黑龙江第三阶段的效率均值较第一阶段有所提高，但仍然处于垫底位置。黑龙江地域最为辽阔，在国家倡导“东北振兴”战略的引领下，物流业拥有良好的外部发展环境，但物流业规模偏小，产业结构不够合理。在资源枯竭以及经济转型乏力的情况下，第三产业比重达到52%左右，但主要集中在旅游业，难以吸引技术型人才回归，同时该省的经济排名靠后，对物流业发展支撑力与动力不足。

（四）Malmquist指数模型的动态分析。使用DEAP2.1软件对东北地区物流业的Malmquist生产率指数进行测算和分解，分析物流业效率的全要素生产指数（Tfpch）、技术进步指数（Techch）、技术效率变化指数（Effch）、纯技术效率指数（Pech）和规模效率指数（Sech）的动态变化情况，其中技术效率被规模效率和纯技术效率影响，结果见图1和表4。

表4 2010-2019年东北三省年均物流业效率Malmquist指数

图1 2010-2019年东北地区各年份Malmquist指数及分解

从图1可知，物流业全要素生产率基本呈现增长趋势，其中2012—2013年、2013—2014年下降幅度分别是12.1%和8.3%，主要是由于技术进步指数的降低，2016—2017年的全要素生产率也由于技术效率的下降导致其降低了2.4%。总体而言，技术进步的增长幅度高于技术效率的增长幅度，尤其在2015年后，全要素生产率的提高主要是由于技术进步指数的提升。后期建设发展中需要提升物流企业的管理水平，扩大物流规模，促进技术效率的提高，以此协同技术进步指数共同促进全要素生产率的提升。

从表4可知，东北地区物流业全要素生产率增幅3.5%，技术效率增幅0.1%，其分解出的规模效率负增长0.1%，技术进步指数增幅3.3%，说明全要素生产率的增长动力主要由技术进步提供。吉林的全要素生产率增幅最大，为4.6%，辽宁紧追其后，增幅为4.3%，黑龙江由于技术效率的下降，提高幅度最小，为1.5%，三个省都处于增长趋势。技术效率相对于技术进步指数的增长幅度较小，尤其是黑龙江的技术效率指数为负增长。吉林和黑龙江的纯技术效率增幅大于规模效率的增幅，由于物流业调整产业结构，改变生产方式，高投入、低产出的粗放型发展方式逐渐被替代，之前靠开发可利用资源发展规模效率的优势逐渐失去[5]，随着科学技术的创新与发展，技术进步指数的提升对全要素生产率的促进作用逐渐变强。

三、影响因素分析

由地区实际发展与众多研究结果可知，物流业效率的提升或降低受经济发展水平（x1）、产业结构（x2）、物流科技水平（x3）、政府干预（x4）和人力资本水平（x5）等因素的影响，因此将从这五个方面选取人均GDP、第三产业占GDP比重、互联网端口数、污染治理投资、6岁及以上人口中大专及以上学历占总受教育人口的比重作为解释变量[6]，以物流业效率值作为被解释变量，使用Stata12.0进行回归分析，回归模型如下：Y=C+β1x1+β2x2+β3x3+β4x4+β5x5+μ，其中P＜0.01、0.01＜P＜0.05、0.05＜P＜0.1分别表示在1%、5%、10%的水平上显著，结果见表5。

表5 东北地区物流业效率Tobit回归结果

表5可知：经济发展水平对物流业效率的影响系数为0.145，在统计上表现为1%的显著水平，说明经济发展水平越高，为物流业发展提供的动力就越足，使物流业结构调整，产业升级的速度越快[7]。经济发展水平的提高能够拓宽物流业的发展空间，改善物流业发展的市场格局，提升物流业的资源配置效益，加快推进数字化供应链、氢能源、绿色包装等物流技术的发展。产业结构对物流业效率的影响系数为-1.791，在1%的显著水平，说明第三产业的发展对于提高物流效率，促进物流业发展方面的作用没有得到体现，从系数的绝对值来看，对效率的影响力度最大，因此需要改善物流业运营结构，增加物流业的发展比重。

物流科技水平对物流业效率的影响系数为0.0003581，影响关系在统计上不显著，科技水平对物流业效率的提升程度有限。说明东北地区由传统物流业向新兴企业转型升级速度较为缓慢，信息化水平较低。政府干预与物流业效率的关系，在统计上表现为1%的显著水平，相关系数为0.00000011，相关性较低。政府的相关资金投入能降低物流业对环境的污染破坏，加大技术的更新改造[8]，转变粗放型发展方式，但过大的政府干预程度，会降低市场活跃度，弱化物流业效率提升效果。

人力资源水平对物流业效率的影响系数为0.950，相关性最高，说明人力资源指数每提高一个单位，物流业效率就提高0.950个单位，间接反映出高质量的人力资源欠缺影响了物流业的发展。物流业是以服务性为特征，人力资源是其发展的一个重要因素，能够增强企业的竞争优势，激发企业创新活力，带动新技术、新动能发展，提高可使用资源的开放利用程度，利于效率的提升。

四、结论与建议

物流业发展是东北全面振兴计划中关键一环，是东北全面振兴“十四五”方案推动实施的关键力量，因此为全面了解东北地区的物流业发展情况，综合运用三阶段SBM-DEA模型和Malmquist指数，从动静两个层面对物流业效率进行分析，同时结合Tobit模型对物流业效率进行影响因素分析。

从静态角度分析，2010—2019年，物流业效率为0.563，总体处于偏低水平，辽宁、吉林和黑龙江的效率存在差异。仅辽宁在2015—2019年达到了DEA有效状态，黑龙江的效率值排在末位。在剥离外部环境和随机变量后，东北效率值提升到0.596，三个省份的效率也出现不同程度的改变，表明选取的环境变量对各投入要素具有明显影响。

从动态角度分析，2010—2019年，东北地区Malmquist指数全要素生产率均值为1.035，辽宁、吉林和黑龙江的效率总体处于增长水平，平均增幅为3.5%。东北地区在2012—2014年由于技术进步指数下降使物流业全要素生产率降低，2015—2019年却依赖技术进步指数的增加，说明技术进步对物流业发展的促进作用优于技术效率。吉林和黑龙江的纯技术效率增幅大于规模效率的增幅，说明仍需合理扩大物流规模以提高效率。

由Tobit模型分析出外部因素的影响程度可知，人力资源水平对物流业效率的影响系数值最大，为0.950，说明相关性最高，人力资源是物流业发展的关键一环，主导着各项生产资源，合理开发利用人力资源能够有效促进协调发展。经济发展水平对物流业效率的影响系数较大，为0.145，频繁的经济活动引起大量商品流通，对物流的需求迫切，因此需要扩大服务范围应对复杂的经济形势。综述结论提出建议：

（一）协调发展环境促进传统物流业发展。紧抓现有的经济存量，实现合作发展，数量扩张，借助央企、国企的技术、设备、资金等优势促进地区经济发展，加快搭建高效技术成果与资本市场合作的平台，更高目标和更高层次建设经济带，以提高对外开放水平，深入开展经贸合作，加强能源输出和稀缺资源进口。将绿色化、智能化的技术融入东北企业的传统技术中，进行技术改造，构建技术进步机制，为企业转型升级提供动力。吸引外资企业入驻，与传统企业结合发展，让地区传统企业的管理思想与国际接轨，提升地区经济发展水平。优化市场经营环境，完善市场准入服务体系，完善投融资服务体系，健全对投资者的法律保护机制。

（二）完善基础设施建设助力企业发展。东北地区交通网络密度较高，现代运输快速发展，交通基础设施网络骨架基本形成，但仍需要完善骨架路网，加快推进国际运输通道建设，建设高等级的口岸公路，推动跨界桥梁建设，构建通畅的周边国家基础设施联通机制，加大机场分布密度，增强枢纽机场能力，明确沿海港口的功能分工，将独立发展的运输方式向一体化协调发展转变，同时增强基础设施建设智能化、先进化，推进服务全程数字化[9]，提高统筹规划效率。

（三）培养高质量人才满足未来需求。在当地加大教育经费投入，培育专业的科技人才和高素质产业工人。根据区域产业结构调整的需求，加速相应产业人才结构调整和优化，依据东北振兴计划，关注新兴产业人才需求，构建系统的人力资源开发规划，制定出关于未来人力资源服务高质量发展的规划，构建出竞争有序的人力资源市场体系。充分利用大数据、数字挖掘等科学技术构建人才数据库，做到人岗匹配，知人善用，吸引当地高校人才留驻东北各省，提高就业质量，切实保障劳动者的社会权益。

（四）科学技术改革推动物流企业创新发展。大力支持科研型企业的发展，为省级中小型企业申报扶持专项基金，协助其生存发展。构建生产与技术研究相结合的平台，完善有利于研发创新产业化的机制，加快创新技术运用到实际生产生活中的速度，优化生产运营过程。广泛推广区块链、5G技术和边缘计算等先进的前沿技术融入到传统企业技术中，改造传统优势产业，完善鼓励生产和研究协同发展、技术创新结果产业化的相关政策。此外各企业在加大科研经费投入，关注新技术研发的同时，还需要关注科技管理水平，营造良好的技术创新环境，全面促进物流业降本增效工作。