西部陆海新通道背景下西南地区物流效率及因素分解

杨顺筱，付江月（贵州大学 管理学院，贵州 贵阳 550025）

0 引言

近年来，随着经济高速发展，物流业也得到快速发展。作为国民经济的重要组成部分，物流领域的相关研究逐渐成为重点，其中物流效率的相关研究也在增加。通过对物流效率的研究，剖析物流发展过程中投入与产出之间的关系对现代物流业、区域经济等具有一定的现实意义。

关于物流效率的研究，学者通常研究多以经济相对发达或拥有交通地位优势的区域为例，例如长江经济带[1]、一带一路[2]沿线省份以及沿海[3]城市等区域。对经济相对落后的西南区域研究相对较少。在现有的西南物流效率研究中，仅将西南五省作为一个整体研究对象进行研究[4]，没有考虑到西南如今所处的环境，并且在方法上没有考虑规模报酬这一因素对效率的影响。而关于研究方法，学者大多使用DEA[3-4]、SFA[5]等效率测算方法。其中DEA 是测算效率最传统且被广泛认可的方法之一，其透析投入与产出之间的关系而被广泛使用，因此本文选择将规模报酬考虑进去的DEA 方法对物流效率进行测算。此外，DEA 对效率的测算是在静态视角下进行分析，而Malmquist 指数是在动态视角下对物流效率进行分析的经典方法之一。因此本文选择将二者联合一起，在静态、动态两个视角下对物流效率进行分析，得到相对更全面的结果，补充对西南物流效率的研究成果。

国家发展和改革委员会在2019 年印发的《西部陆海新通道总体规划》中，指出通过对广西、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13 个省份中建立全新链接西部陆地与沿海的经济交通通道，“通道”旨在打破西部发展困境，打造西部经济、物流发展新路径。而西南位于“通道”中部，居于承上启下的地位，其发展对“通道建设”有着重要影响。因此，本文在此背景下对西南物流效率进行研究。

1 研究方法与指标选取

1.1 数据包络分析方法

DEA-BCC 模型是在考虑规模报酬的基础上，将投入产出指标测算能得到综合效率值、纯技术效率值、规模效率值与规模报酬。

综合效率是衡量被测算决策单元的物流资源配备合理程度、利用率高低等。若其值为1，说明该决策单元处于DEA 有效状态，即投入与产出达到最优状态；若其值小于1，说明DEA 无效，投入与产出指标未达到最优。纯技术效率是衡量物流管理与技术等因素投入的利用状况。其值为1，说明物流的投入已达到最优的产出；反之未达到最优产出。规模效率是衡量物流规模因素投入利用的状况。其值为1 表示该决策单元在达到最优的产出规模时保证了最小的投入成本，即已达到最优的投入与产出比例；反之未达到最优产出规模或最小的投入成本。规模报酬存在不变（-）、递增（irs）与递减（drs）三种状态，规模报酬不变表示处于最优规模状态，规模报酬递增表示可加大规模得到更多产出；规模报酬递减则反之。纯技术效率与规模效率的乘积为综合效率。

1.2 Malmquist 指数

Malmquist 指数模型测算结果为全要素生产率变动指数，全要素生产率变动指数若大于1，说明决策单元在研究期间效率较上一时期增加，若小于1 则说明效率下降，若等于1 说明效率不增不减。全要素生产率变动指数是技术进步变动指数与技术效率变动指数的乘积。技术进步变动指数是指生产技术的创新与先进程度。技术效率变动指数是指在技术水平一定的情况下，通过管理与调整投入资源之间的协调性，使得技术水平的潜力最大程度的释放，进而达到影响产出增加或减少的程度，可以简单理解为管理与资源协调能力。

1.3 指标选取

现有文献中，学者在运用DEA 进行效率测算时，指标选取常通过土地、劳动力与资本三方面的投入来衡量产业经济的发展状况[6]。

本文在劳动力方面，将物流产业从业人员作为劳动力投入指标[3]；在土地方面，交通基础设施是物流的基础，物流仓储用地是物流土地指标的直接体现，因此，本文选择物流仓储用地与物流网络里程作为投入指标，其中，物流网络里程是公路、铁路与内河航道的总和；在资本方面将物流固定资产投资作为投入指标之一。

在产出指标选择上，选择物流增加值和货运周转量作为产出指标。物流增加值是物流最直接的产出指标；货运周转量与货运量是物流规模的体现，因此选取货运周转量与货运量作为产出指标。指标整理如表1所示。

表1 物流投入产出指标

数据来源于《中国第三产业统计年鉴》及西部陆海新通道沿线省份各省份统计年鉴。选取2010—2020 年数据进行测算。由于物流指标尚未有统一标准，而交通运输、仓储与邮政业的绝大部分数据是物流业数据[1]，因此，本文用交通运输、仓储与邮政业数据代替物流数据。

2 效率评价与分析

2.1 西南五省物流效率评价

将西南五省指标数据录入DEAP2.1 中进行测算，测算结果通过处理，结果如表2 所示。

表2 西南五省整体物流效率均值

由表2 可知，西南五省整体物流效率均值结果表明，在2010—2020 年期间，规模效率表现较好，纯技术效率其次，最后是综合效率。但从效率是否达到最优角度来看，三个效率值都未达到最优状态，即西南五省物流效率仍未达到最优状态，仍需要进一步的调整优化。西南五省整体综合效率均值与整体纯技术效率均值最大都处于2011 年，分别为0.75 与0.83，整体规模效率均值最大则处于2013 年，值为0.93；说明在2011 年，西南五省的资源配备相对合理，管理与技术等因素的投入效率较高，在2013 年则各省份规模相对较大。而西南五省整体综合效率均值、纯技术效率均值与规模效率均值最小均处于2020 年，其值分别为0.42、0.64 与0.74，这可能是由于疫情原因导致2020 年出现整体效率下降的原因。

2.1.1 综合效率分析

将综合效率测算结果绘制成图1，由局部视角观察西南五省各自综合效率表现情况。由图1 可以看出贵州在西南五省中综合效率表现相对较好，综合效率值为1 的年份最多；西藏是西南五省中综合效率表现最差的省份，综合效率值一直在0.7 以下起伏。再由图1 看出2010—2020 年西南五省综合效率波动状态，其中重庆与贵州一直相对其他省份表现较好，一直处在上端波动；其次，云南在2010—2012 年期间处于垫底状态，但是在接下来的2013—2017 与2018—2020 年两个时间段发生了明显的“阶段式赶超”，由原来的垫底状态慢慢的处于中端，且在2018 与2019 年达到五省中的首端，处于西南五省的顶部。

图1 西南五省各省份2010—2020 年综合效率

西南五省中没有省份在2010—2020 年期间保持综合效率值为1，即表明西南五省在物流资源配置上存在一定的问题，资源调配相对不合理，没有达到最优比例状态。但在2010—2020 年期间，西南五省中综合效率值曾达到1 的省份有重庆和贵州，重庆与贵州的综合效率均值均大于整体综合效率均值。剩余三省份综合效率均未达到过1，且三省份的综合效率均值也均小于整体综合效率均值，资源配备比例尚需调整。

2.1.2 纯技术效率分析

所有数据输入SPSS 17.0统计学软件，计量资料用（±s）表示，进行 t检验，计数资料用[n（%）]表示，进行χ2检验。P<0.05为差异有统计学意义。

将纯技术效率效率测算结果绘制成图2，由局部视角观察西南五省各自纯技术效率表现情况。由图2，看出西藏在西南五省中纯技术效率表现相对较好，在2010—2020 年期间纯技术效率值均保持为1；其次是重庆与贵州，在2010-2020 年期间纯技术效率值曾达到1，且其均值均大于整体纯技术效率均值，即纯技术效率值表现高于西南五省整体平均水平，管理与技术的投入取得一定的成果；最后，四川与云南纯技术效率未曾达到1，其中四川一直在无明显规律的波动，云南纯技术效率则在有规律的提升，但未曾达到最优，说明管理与技术的投入需要继续进行调整，以达到最优比例。

图2 西南五省各省份2010—2020 年纯技术效率

2.1.3 规模效率与规模报酬分析

由图3 看出，西南五省中，没有省份在2010—2020 年期间规模效率均保持为1，即没有省份在物流规模上保持为最优状态。其中，西藏一直在效率值较低区域波动，剩余的重庆、四川、贵州与云南都相对集中的处于效率值较高区域波动，表明西藏规模效率在2010—2020 年期间一直相对较低，在西南五省中表现最差。剩余四省表现都相对较好，均处于0.8 以上，同时四省各自的规模效率均值也均大于整体规模效率均值。其中，在重庆、四川、贵州与云南四省中，重庆、四川与贵州在2010—2020 年期间规模效率曾经达到1，达到物流规模最优状态；云南规模效率值未曾达到过1，物流规模表现相对较差，需要一定的调整。

图3 西南五省各省份2010—2020 年规模效率

再结合表3 分析，贵州、云南和西藏在2010—2020 年间规模效率未达到1 时，规模报酬均呈现为irs，表明在未达到最优规模效率，该三个省份需要扩大物流规模，以调整物流资源投入产出效率与比例，达到规模效率最优。重庆与四川则是在drs与irs 中跳动，说明该两省应对其物流规模进行进一步分析与做出相应调整。

表3 西南五省各省份2010—2020 年规模报酬

2.2 动态分析

通过DEA-BCC 模型对西南五省物流效率在静态环境下考量，物流活动的发生是流动的而非静止的，因此通过Malquist 指数模型对西南五省物流效率进行动态分析是更全面的做法。其结果如图4 与表4 所示。

由图4 可知，全要素生产率变动的走势与技术进步变动走势大致相同，说明西南五省的全要素生产率变动主要由技术变动所导致。再由表4 显示，全要素生产率变动均值为1.001，说明西南五省在2010—2020 年期间物流效率处于增长状态。

图4 西南五省2010—2020 年物流全要素生产率增长及分解

表4 西南五省2010—2020 年物流全要素生产率变动与因素分解

3 西部陆海新通道背景下西南物流效率评价

3.1 静态分析

将西部陆海新通道13 省数据录入DEAP2.1 中进行物流效率测算，测算结果经处理如表5 所示。

由表5 可知，西部陆海新通道整体均值均未达到1，说明对于西部陆海新通道整体而言，其综合效率、纯技术效率与规模效率均未达到最优状态。

表5 西部陆海新通道整体物流效率均值

通过表5 与表6 联合分析西部陆海新通道沿线13 省份具体物流效率表现状况。首先通过均值发现，广西、海南与内蒙古的均值在0.7～1 之间波动，西南地区（重庆、四川、贵州、云南、西藏）的均值在0.4～0.9 之间波动，西北地区（陕西、甘肃、青海、宁夏、新疆）均值在0.3～0.95 之间波动。由此可见在西部陆海新通道沿线13 省份中，广西、海南与内蒙古区域物流效率值相对较高，物流发展较好，西南地区的物流效率最低值高于西北地区，而西南地区的物流效率最高值却小于西北地区，说明西南地区与西北地区物流发展情况相对不好，区域内省份间物流发展差异较大。其中，在西南地区物流效率较高的是贵州与重庆，在西北地区物流效率较高的省份是宁夏和陕西。

表6 西部陆海新通道沿线省份综合效率及均值

3.2 动态分析

将西部陆海新通道数据带入Malmquist 指数模型进行计算，对其结果进行动态分析。

由图5 可知，西部陆海新通道全要素生产率变动的走势与技术进步变动走势大致相同，二者在2010—2013 阶段发生了较大程度的下降，而后反弹增长，说明西部陆海新通道的全要素生产率变动主要由技术进步变动所导致。再由表7 显示，全要素生产率变动均值为1.006，说明西部陆海新通道在2010—2020 年期间物流效率处于增长状态。

图5 西部陆海新通道2010—2020 年物流全要素生产率增长及分解

通过表7，西部陆海新通道沿线13 省份中，广西、海南与内蒙古三省中仅有广西全要素生产率变动未达到1，其原因是由于技术进步变动值小于1 所导致，但全要素生产率变动值仍然较靠近1，其余两省全要素生产率变动均大于1，处于效率增长状态；从西南区域来看，西南五省中仅有西藏全要素生产率变动未达到1，其原因是由于技术效率变动值小于1 所导致的，其余四个省份全要素生产率均大于1，处于效率增长状态；从西北区域来看，西北五省中仅有陕西全要生产率变动值大于1，物流效率处于增长状态，其余四个省份全要素生产率均小于1。由沿线省份区域划分视角来看，广西、海南、内蒙古三省全要素生产率变动值大于1，所占比例为2/3，西南比例为4/5，西北比例为1/5，由此可看出在动态视角上西北区域表现较差，西南区域表现较好。

表7 西部陆海新通道2010—2020 年物流全要素生产率增长及因素分解

因此在西部陆海新通道背景下物流效率的研究，西南区域目前的发展不是最好的，但是在动态视角下其整体处于上升阶段，即西南物流行业正处于增速发展阶段。

4 结论与建议

通过分析结果发现，整体上西南五省在2010—2020 年间处于效率增长状态，但是在物流效率表现上，西南五个省份均未全期间达到物流效率最优效果，资源的调配仍然需要进一步调整。从区域内部来看，西南五省中，贵州与重庆表现较好，贵州与重庆一直物流综合效率值一直保持在较高的区间，并且达到有效值年份占比较高；其次是云南，云南虽然综合效率达到有效的年份占比较小，但是通过综合效率曲线来看，云南的综合效率具有阶段性上升的特点，即物流效率正在提升阶段；最后表现相对较差的是四川与西藏，四川与西藏的综合效率值波动较大，资源调配比例尚未稳定。从纯技术效率与规模效率进行分析，贵州与重庆仍然是表现相对较好的省份，波动相对较小并且波动区间靠近1；云南与四川在纯技术与规模效率上表现次之，西藏的纯技术效率保持在有效状态，但是其规模效率在效率值下游波动，导致综合效率值不高。

在西部陆海新通道背景下，对西部陆海新通道分为三个区域进行分析，分别是广西、海南与内蒙古三省区域、西南区域与西北区域，结果发现，西南区域的物流效率在三个区域中表现中等，仍然有较大的提升空间。

因此西南五省间应加大物流协作。分析结果显示，西南整体效率不高，区域内部需要共同努力，加强省份协作，共同将产业存在问题解决，改善现状，提高产业效率。其次，国家对西部陆海新通道的关注密切，发表多项建设建议，努力将西部陆海新通道打造成为国家关键物流通道之一，并且在加大对西部陆海新通道基础设施建设的投入。基础设施建设的投入，都能使得西南省份之间的协作增强，其物流产业存在巨大潜力，未来的物流产业效率将会继续提高。