西部陆海新通道物流产业效率及时空演化研究

秦小辉，赵晨曦

（1.广西民族大学 管理学院，广西 南宁 530006；2.广西民族大学 经济学院，广西 南宁 530006）

0 引言

为深化陆海双向开放、推进西部大开发形成新格局，加快通道和物流基础设施建设，提高通道的物流发展质量与物流产业效率，国家发展和改革委员会于2019年8月印发了《西部陆海新通道总体规划》(发改基础[2019]1333 号)，提出进一步强化西部地区交通基础设施建设，扩大既有通道能力，协同衔接长江经济带发展，提升物流发展质量和效率。西部陆海新通道位于我国西部地区腹地，北接丝绸之路经济带，南连21 世纪海上丝绸之路，协同衔接长江经济带，西部陆海新通道现已覆盖107 个国家和地区的315 个港口，在区域协调发展格局中具有重要的战略地位。2021年，西部陆海新通道货物品类640种，同比增加约235%。沿线国家物流枢纽、骨干冷链物流基地等设施布局持续优化，初步形成东、中、西3条通路构成的主通道布局。

目前国内外关于物流产业效率的研究成果较为丰富，主要采用数据包络分析法(DEA)或其改进模型。例如，Kim等[1]运用DEA方法对韩国物流中心的效率进行了实证分析；郑金娥等[2]运用DEA模型对长江经济带各省域物流业效率进行测度和差异化分析；Somogyi等[3]将层次分析法引入DEA 模型进行效率测度；Kang等[4]将空间差异与DEA 模型相结合，测度我国西部省份的物流产业效率；何景师等[5]运用超效率SBM模型测度我国三大湾区绿色物流效率的变动趋势；刘承良等[6]以我国31个省(区、市)为研究对象，基于格局—过程—机理框架系统揭示了低碳约束下物流产业效率及其影响因素；为剔除外部环境变量影响，张竞轶等[7]运用三阶段DEA 模型对我国各省物流产业效率进行测度。在空间演化研究领域，Cliff等[8]提出了空间自回归模型；孙倩等[9]提出空间扩展模型和地理加权回归模型；Diego等[10]提出空间概率面板数据模型；James等[11]运用了贝叶斯向量自回归模型。

货物运输活动具有较强的空间流动性，现有文献大多从时间维度测度物流产业效率，无法准确描述物流产业的空间关系，忽略了物流运输活动存在的区域关联性，且缺少对西部陆海新通道的研究。鉴于此，综合运用三阶段DEA 模型、ArcGIS 和空间自相关分析法，从时间和空间2 个维度探讨西部陆海新通道物流产业效率的时空演化规律，可为政府制定物流产业发展政策提供参考。

1 研究方法与指标选择

1.1 研究方法

1.1.1 三阶段数据包络分析法

弗里德等认为DEA 方法在评价效率时，受到环境因素、随机误差和管理因素3 个变量的影响，为了更加准确地测算管理效率，应该剔除决策单元自身无法控制但对其有显著影响作用的环境因素和随机误差，使所有决策单元都处于相同的外部环境下。因此，从投入指标、产出指标及环境指标3 个方面构建物流效率测度指标体系，并运用三阶段DEA 模型进行效率测算。具体计算过程为：第一阶段，采用投入导向模型(BCC)作为三阶段DEA实证分析的基础模型；第二阶段，利用随机前沿方法(SFA)回归剔除外部环境因素和随机干扰的影响；第三阶段，根据第二阶段SFA回归结果调整投入变量，再次运用BCC 模型测算经第二阶段环境变量调整后的物流产业效率。将测算出的物流效率值作为空间自相关分析的原始数据，进行物流效率值的空间分布以及相关性的进一步计算。

1.1.2 空间自相关分析

空间自相关分析的目的是确定某一变量与其他变量是否在空间上相关以及其相关程度，自相关系数常用来定量地描述事物在空间上的依赖关系。利用ArcGIS 法分析西部陆海新通道2006—2020 年物流产业效率的空间演化特征，运用空间自相关分析方法对通道各省(区、市)的物流产业效率进行全局自相关分析，研究各省(区、市)物流产业效率的全局自相关指数(Global Moran’s I)在2006—2020 年的变化，最后，运用局部自相关分析以更加深入地探讨通道内14 省(区、市)的空间关联关系。Global Moran’s I具体计算方法如下。

式中：I为全局自相关系数值；Wuv为权重矩阵中的取值；xu和xv分别为研究年度u省和v省的物流产业效率值；为各决策单元效率均值；xu-和xv-分别为对应位置的值与样本均值的差；S2为样本方差。

Global Moran’s I的数值介于−1与1之间，大于0表示空间正相关；小于0表示空间负相关。

1.2 指标选择

现有研究多数将物流业固定资产投资额、物流业从业人员人数作为投入指标，将货运量、货物周转量以及物流业增加值作为产出指标。鉴于此，考虑数据可得性，用交通运输、仓储和邮政业固定资产投资额、物流业从业人员人数、运输线路里程以及地区仓储面积作为投入变量分别反映物流产业的资金、人员及基础设施投入，将交通运输、仓储和邮政业增加值、货运量、货物周转量作为产出变量分别反映物流业生产活动的经济成果、运输量以及考虑运输距离的运输生产成果。

物流业运输效率水平的高低除受物流服务生产过程影响外，一些外部环境因素也对其有显著影响。因此，选取地区R&D 内部经费支出、GDP、政府物流业财政支出作为环境指标，分别反映地区科技创新水平、经济发展水平、政府支持力度。上述指标分别采用2006—2020 年西部陆海新通道14 省(区、市)数据，数据来源于《中国统计年鉴》以及各省(区、市)统计年鉴。物流产业效率指标体系如表1所示。

表1 物流产业效率指标体系Tab.1 Logistics industry efficiency index system

2 西部陆海新通道物流产业效率测算

2.1 研究对象

依据《西部陆海新通道总体规划》，通道内省(区、市)包括广西、海南、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、内蒙古以及湛江市，共14个省(区、市)。其中，除了湛江市属地级市以外，其他研究对象都是省级行政区，为了便于分析比较，以广东省代替湛江市进行研究。将整个通道划分为三大区域，分别是北部地区(新疆、内蒙古、甘肃、宁夏)，中部地区(西藏、青海、四川、重庆、陕西)和南部地区(贵州、云南、广西、广东、海南)。

2.2 实证分析

第一阶段，利用传统DEA 中的BCC 模型计算投入目标值、松弛变量值以及调整后的14 省(区、市)的物流产业综合技术效率(Technical Efficiency，TE)、纯技术效率(Pure Technical Efficiency，PTE)和规模效率(Scale Efficiency，SE)。以年度为单位，计算14省(区、市)物流产业效率平均值，西部陆海新通道14 省(区、市)物流产业效率平均值(第一阶段)如图1所示。图1表明，2006—2020年西部陆海新通道物流产业效率整体呈上升趋势，TE 从0.571上升到0.735，PTE 从0.760上升到0.784，SE 从0.864上升到0.915。

图1 西部陆海新通道14省（区市）物流产业效率平均值（第一阶段）Fig.1 Average logistics industry efficiency in the 14 provinces (autonomous regions and municipality) of the New International Land-Sea Trade Corridor (Stage 1)

第二阶段，利用SFA 模型剔除环境变量影响，西部陆海新通道14省(区、市)物流产业效率SFA模型回归结果如表2 所示。表2 表明，各松弛变量回归后，γ值均大于0.9，并且回归结果表示环境变量对投入松弛变量有显著影响，说明利用SFA模型剥离环境的影响是有效和必要的。

表2 西部陆海新通道14省(区市)物流产业效率SFA模型回归结果Tab.2 SFA model regression results of the logistics industry efficiency in the 14 provinces (autonomous regions and municipality) of the New International Land-Sea Trade Corridor

第三阶段，根据第二阶段SFA回归结果调整投入变量，再次运用BCC模型进行测算，以年度为单位，计算14省(区、市)物流产业效率平均值。西部陆海新通道物流效率各年平均值(第三阶段)如图2所示。图2 表明，剔除环境因素影响后，能更加准确地反映各决策单元的实际情况。西部陆海新通道14 省(区、市)物流效率偏低，但随时间呈上升趋势。TE 在[0.332，0.732]变动，从2006 年的0.332上升至2020年的0.695，增幅109.3%；SE从2006年的0.358 上升至2020 年的0.736，增幅为105.6%；PTE出现小幅下降，从2006年的0.939降低至2020年的0.936，降幅为0.32%。PTE 在[0.922，0.971]变动，SE 在[0.358，0.736]变动，因此，规模效率不足是限制西部陆海新通道各省(区、市)物流产业效率提升的关键因素。

图2 西部陆海新通道物流效率各年平均值（第三阶段）Fig.2 Annual average of logistics efficiency in the New International Land-Sea Trade Corridor (Stage 3)

以14 省(区、市)为单位，计算2006—2020 年各省(区、市)物流产业效率平均值。西部陆海新通道14 省(区、市)物流产业效率年平均值如表3 所示。表3 表明：①西部陆海新通道14 省(区、市)物流发展极不平衡，效率最高的广东TE 均值(0.927)高出排名最后的西藏(0.060)14 倍。②TE 均值高于0.7的省(区)有广东、内蒙古、广西、陕西、四川省，其中前4个省(区)处于规模报酬递增阶段，说明其规模效率有继续提升的空间。四川省属于规模报酬递减阶段，应合理配置资金、人员及基础设施投入。与四川省相邻的重庆市虽然有良好的区位优势，但整体物流效率与四川省差距较大，这是由于重庆市规模效率不足，原始数据表明重庆市货运规模仅为四川省的一半，并且重庆市人口众多，容易造成产业人员投入冗余，产出规模的不足与投入资源的冗余共同作用，进而拉低了整体TE值。甘肃、宁夏、海南、青海、西藏排在14省(区、市)的后6位，SE 远低于PTE，说明应加大对物流业的投入力度，提升规模效率，进而拉动TE 的增长。③对比三大区域效率值可以看出，西部陆海新通道物流效率TE呈现出南部和北部高、中部低的凹型特征。

表3 西部陆海新通道14省(区市)物流产业效率年平均值Tab.3 Annual average of logistics industry efficiency in the 14 provinces (autonomous regions and municipality) of the New International Land-Sea Trade Corridor

3 西部陆海新通道物流产业效率空间演化规律

3.1 空间演化特征分析

对西部陆海新通道的物流产业效率空间分布研究，2006年西部陆海新通道物流产业效率空间分布如图3所示。2013年西部陆海新通道物流产业效率空间分布如图4所示。2020年西部陆海新通道物流产业效率空间分布如图5 所示。其中X 轴和Y 轴分别表示经度和纬度，以省会城市位置表示各省(区、市)位置，运用自然断裂点法，按照TE的高低将14个省(区、市)分为低水平区、中低水平区、中高水平区及高水平区，分别选取2006年、2013年和2020年3个时间节点进行空间分布研究，研究结果如下。

图3 2006年西部陆海新通道物流产业效率空间分布Fig.3 Spatial distribution of logistics industry efficiency in the New International Land-Sea Trade Corridor in 2006

图4 2013年西部陆海新通道物流产业效率空间分布Fig.4 Spatial distribution of logistics industry efficiency in the New International Land-Sea Trade Corridor in 2013

图5 2020年西部陆海新通道物流产业效率空间分布Fig.5 Spatial distribution of logistics industry efficiency in the New International Land-Sea Trade Corridor in 2020

(1) 物流产业效率相似的省(区、市)经历了离散—邻接的分布过程。2006年，物流产业效率相似的省(区、市)整体呈现离散分布；2013 年，物流产业效率相似的省(区、市)如重庆、广西、贵州、四川以及云南省效率值处于中高水平区，出现了“片状”聚集，14省(区、市)物流产业效率值与邻接省(区、市)的相关性增强；2020 年，西部陆海新通道物流产业也出现了2 个以上效率值相似省(区、市)的邻接分布。

(2) 物流产业效率表现出空间相变性和锁定性并存的特征。一方面，物流产业效率也存在动态的相变性，体现为各效率值水平区的省(区、市)数量都在随时间发生变化；另一方面，物流产业效率也具有初值区域锁定性，内蒙古和广东始终处于高水平区，西藏、青海始终处于低水平区，新疆、甘肃始终处于中低水平区。

(3) 物流产业效率水平与地理区位具有紧密联系。物流产业效率的高值主要分布在东部和中部地区，低值则主要分布在西北地区的西藏、新疆、宁夏、甘肃以及青海。西部地区由于在地理区位、资源禀赋、发展基础等方面相对落后，经济格局呈现东快西慢、海强陆弱的态势，因此，物流效率一直处于较低的状态。

3.2 全局空间自相关分析

将三阶段DEA模型计算出的TE值进行空间相关性计算，得到西部陆海新通道物流产业效率2006—2020 年全局空间自相关系数(Global Moran’s I)。西部陆海新通道物流产业效率的全局空间自相关系数如图6所示。图6中剔除了2006年、2007年、2008年、2019 年、2020 年5 个Global Moran’s I 不显著年份。西部陆海新通道物流产业效率的Global Moran’s I指数显著为正，空间上呈现正相关性，且经历了4个阶段。

图6 西部陆海新通道物流产业效率的全局空间自相关系数Fig.6 Global spatial autocorrelation coefficient of logistics industry efficiency in the New International Land-Sea Trade Corridor

2009—2011年为第一阶段，Global Moran’s I指数随时间增长。国家为应对2007 年的世界金融危机于2008 年推出了4 万亿经济刺激计划与2009 年出台的《物流业调整和振兴规划》，其中大部分资金投入了公路、铁路等基础设施建设，这无疑促进了物流产业效率的快速提升。2011—2013年为第二阶段，Global Moran’s I指数随时间小幅下降。在经历了第一阶段的快速发展之后，由于西部陆海新通道内各省(区、市)之间要素禀赋、信息化发展水平、区位条件等差距较大，物流产业效率差异性逐渐显现出来，Global Moran’s I 指数下降。2013—2014 年为第三阶段，Global Moran’s I 指数回升。2013年“一带一路”倡议的提出，促进了通道内各省(区、市)物流效率的协同发展，区域间全局相关性增强。2014—2018年为第四阶段，Global Moran’s I指数逐年下降，从2014 年的0.346 降至2018 年的0.194，降幅为43.9%。

3.3 局部空间自相关分析

采用局部空间自相关分析法，测算西部陆海新通道14 省(区、市)与空间邻接省(区、市)之间的相关性，2006—2020年西部陆海新通道物流产业效率局部空间相关性如表4 所示，未在表4 中列出的省(区、市)表明其未通过物流产业效率局部空间相关性检验。表4表明，2006—2020年西部陆海新通道通过局部空间相关性检验的省(区、市)数量有了显著增长，相关关系主要集中在贵州、重庆、海南、新疆、西藏以及青海。

表4 2006—2020年西部陆海新通道物流产业效率局部空间相关性Tab.4 Local spatial correlation of logistics industry efficiency in the New International Land-Sea Trade Corridor from 2006 to 2020

贵州省在研究期间的局部相关性全部通过了显著性检验，且在2009 年由低—高聚集转变为高—高聚集，说明贵州物流产业与周边省(区、市)联系较为紧密，2009年物流产业效率有了显著提升。

重庆市在2007 年之后由无显著聚集性转变为高—高聚集的状态，与周边省(区、市)呈现出正向的相关关系，这是由于2007 年中央部门针对重庆的改革、发展与稳定，做出了“314”总体部署，要求重庆加快建成西部地区的重要增长极，在西部地区率先实现全面建设小康社会的目标，该部署加强了其与周边省(区、市)的联系，产生了较强的空间溢出效应，形成高—高聚集的格局。

海南在2014 年由无显著相关性转变为低—高聚集，海南由于四面环海，与外界的物流活动主要依靠水运方式进行，运输模式单一，成本较高，造成物流效率相对较低，而与其邻接的广西、广东两省(区)一直处于较高效率状态，造成海南省与其邻近省(区、市)效率值之间出现负向的相关关系，呈现出低—高聚集。

新疆由无显著相关性转变为高—低聚集状态，与周边省(区、市)的相关关系增强，新疆作为“一带一路”倡议的物流中枢，拥有“西出”和“东联”通道的地位，得到了国家政策的大力支持，物流产业效率大幅提升。而青海、西藏物流产业的发展受到区域及地理环境的限制，一直处于低—低聚集的状态，与新疆构成了高—低聚集的状态。

4 结束语

运用三阶段DEA 模型，结合空间分布研究和空间自相关分析法揭示2006—2020 年西部陆海新通道14 省(区、市)物流产业效率的时空演化规律。结果表明：①西部陆海新通道物流产业效率整体偏低，但随时间呈上升趋势，规模效率偏低是整体物流产业效率偏低的主要原因；②西部陆海新通道14省(区、市)物流产业发展极不平衡，中部地区的TE值低于北部和南部地区，呈现出南部和北部高、中间低的凹型特征；③西部陆海新通道14 省(区、市)物流产业效率经历了离散—邻接的空间分布过程，呈现出空间锁定性和相变性并存特征，且与地理区位具有紧密联系；④Global Moran’s I指数显著为正，经历了快速上升—下降—上升—逐年下降4 个阶段；⑤西部陆海新通道物流产业局部空间聚集性较弱，但通过显著性检验的省(区、市)数量出现增长，相关关系主要集中在贵州、重庆、海南、新疆、西藏及青海。