皖江城市带物流业效率及影响因素分析

黄 洁，殷 飞

0 引 言

在经济发展方式快速转变的背景下，近年来物流业取得了突飞猛进的发展，物流业作为各部门运转的配套性基础行业，俨然已经成为国民经济的动脉系统。作为长三角一体化的战略腹地，政府高度重视皖江城市带的发展，在2010 年，《皖江城市带承接产业转移示范区规划》由国务院正式批复，“十四五”规划中提到我国物流基础设施网络等存在“东强西弱”的情况，皖江城市带包括合肥市、芜湖市、马鞍山市、铜陵市、安庆市、池州市以及滁州市、宣城市和六安市的部分区县，是连接我国东中西三大地区的天然纽带，具有重要的战略支点作用，并且皖江城市带中的合肥、安庆、芜湖为国家级物流枢纽城市，因此提高皖江城市带的物流效率在某种程度上能够为全国的物流业高质量发展提供借鉴意义。

1 相关研究评述

国内外学者大多采用DEA 方法对物流业效率进行分析。国外应用DEA 模型对物流业效率的研究主要以企业的物流为主。Anthoy 基于员工人数，固定资产为投入指标，选取销售量为产出指标，将投入产出数据代入DEA 模型对企业效率进行测度[1]。Pannu 采用DEA 方法对印度制药公司的企业效率及创新效率进行评价分析[2]。Wanke 使用两阶段DEA 模型对巴西的集装箱和散货港口效率进行评价[3]。国内运用DEA 模型评价物流效率的研究也比较丰富，余沛利用DEA 模型实证分析了41 家上市物流企业的规模效率和生产效率，结果显示大型物流企业并不具备规模效益优势，并借此提出相关的建议以提高大型物流企业的规模效益[4]。郑琰等使用DEA 模型对连云港2008 年至2017 年的物流效率进行实证分析，结果表明10 年间连云港出现了资源配置不合理、投入冗余及经营管理效率不足等问题[5]。

学者们在分析物流效率的影响因素时多采用Tobit 回归模型。Merkert R 用Tobit 回归分析航空公司影响因素，结果表明航线优化的效果仅限于影响航空公司的技术效率，航空公司机队的年龄对成本效率有积极的影响[6]。王琴梅等利用Tobit 回归模型对西安市的物流效率与相关因素进行分析，结果表明GDP、市场化程度、区位优势及物流资源利用率对西安市物流效率具有显著影响[7]。龚雅玲等通过Tobit 回归模型剖析2017 年我国各省份区域物流发展效率的影响因素，回归结果显示物流业产业结构、信息化水平、发展优势与物流业发展效率显著相关[8]。张永胜采用Tobit 回归模型对广西地区物流效率的影响因素进行分析，结果表明GDP、产业结构、政府政策对物流效率具有正向影响，科技水平以及物流专业人员对物流效率具有负向影响[9]。

2 皖江城市带物流业效率分析

2.1 研究方法

DEA 模型于20 世纪70 年代由Charnes 等人提出，用于评价多投入多产出的相同类型决策单元的绩效，以相对效率为标准进行总体分析，又称为数据包络分析模型[10]。DEA 模型分为CCR 模型和BCC 模型，CCR 模型的前提条件是规模报酬不变，BCC 模型在CCR 模型的基础上将规模改为可变。由于在社会生产过程中，几乎不存在规模报酬不变的情况，因此本文将使用BCC 模型对皖江城市带物流业效率进行分析。

假设有n个DMU，每个DMU 有m种投入值和s种产出值，投入和产出向量分别为Xj,Yj，松弛变量为s+，剩余变量为s-。

设最优解为λ*,θ*,s*+,s*-，则有如表1 所示情况。

表1

在DEA-BCC 模型中，物流效率分为综合物流效率、纯技术效率、规模效率。其中综合物流效率为纯技术效率和规模效率的积。

2.2 指标建立与数据来源

因为六安市只涉及小部分区县，数据资料等缺失，因此本文选取2010—2020 年皖江城市带其余8 个城市的物流行业的数据进行物流业效率的分析。数据来源于《安徽统计年鉴》，使用DEAP2.1 软件进行测算，鉴于并没有具体划分物流业这一行业，根据学者们的经验本文以运输、物流和邮政业务来描述物流业。投入要素按照人力资源、基本建设投资、经济财力分别选择了物流业从业人员数量、公路里程数、物流业固定资产投入作为主要投资目标。产出要素选择了物流业生产总值、货运量、货物周转量。

（1） 物流业固定资产投资额。指皖江城市带各市物流业发展所需的费用。能够综合反映出物流业的投资规模，是物流业发展的重要经济基础。

（2） 物流业从业人数。指皖江城市带从事物流业的人员数，其数量和增速能够反映出物流业的劳动力发展规模，是物流业发展的重要的劳动力基础。等级公路里程数。指皖江城市带等级公路的实际里程数，其里程数在一定程度上能够反映物流业发展所投入的基础设施规模，是物流业发展的重要的物力基础。

（3） 物流业增加值。指皖江城市带物流行业在经营过程中所创造的生产总值。能够直接反映出物流业的生产成果，是衡量物流业产出的最主要指标。货运量指皖江城市带公路货物运输的总重量，能够反映物流业的产出规模。

（4） 货物周转量。指皖江城市带货物运输总量与其对应的运输距离的乘积。同样，也能够直接反映出物流业产出的规模。物流业效率投入产出指标如表2 所示：

表2 物流业效率投入产出指标

2.3 物流业效率实证分析

将皖江城市带8 个城市作为决策单元，使用DEAP2.1 模型对其2010—2020 年的物流业的综合效率、纯技术效率及规模效率进行测算。

2.3.1 综合效率

由表3 可以看出，皖江城市带2010—2020 年的综合效率值为0.873，从整体上看，皖江城市的综合效率平均值最低是2016年为0.668，综合效率值最高是2019 和2020 年均为1，此外这11 年间的综合效率平均值呈波动趋势，物流效率发展仍处在不稳定期。

从各市的综合物流效率来看，2019—2020 年8 个城市的综合效率值为1，达到有效状态，说明这两年皖江城市带的物流资源配置合理，物流业效率高。其中，这11 年间物流综合效率均值排名前三的是马鞍山市、合肥市、铜陵市。安庆市的综合排名处在末尾，说明这11 年间物流业的发展不理想，需要重视其发展，并向其他城市学习。

2.3.2 纯技术效率

表4 的数据可以看出，2010—2020 年皖江城市带的平均纯技术效率为0.917，未达到有效。其中纯技术效率达到有效状态的是2012、2013、2019、2020 年，总体呈上下波动不够平稳，说明在技术和管理方面还有一定的发展空间。从城市来看，近11 年8 个城市的纯技术效率的平均值虽未达到有效，但其中滁州市、池州市、马鞍山市、宣城市均高于整体的平均水平。

表4 2010—2020 年物流业纯技术效率

2.3.3 规模效率

如表5 所示，近11 年皖江城市带整体的规模效值平均为0.948，高于纯技术效率水平，但均值未达到有效。其中，只有2019 和2020 年的规模效率达到有效，安庆市、池州市、滁州市及宣城市的均值低于整体水平，且呈现上下波动状态，说明投入产出没有达到稳定的状态，还需继续优化投入和产出以达到最好的状态。此外，合肥市、马鞍山市、铜陵市和芜湖市的规模效率均高于整体水平。

表5 2010—2020 年物流业规模效率

3 皖江城市带物流业效率影响因素分析

3.1 影响因素指标选择

物流产业升级的需求是多角度的。结合相关文献可以看出，不同文献衡量物流产业的影响因素选取的指标不同。结合皖江城市带的实际情况以及数据的可获得性，本文将从物流资源投入（物流业固定资产投资额、物流业从业人员数）、经济发展水平、区位因素、产业结构及物流资源利用率等指标作为影响皖江城市带物流业效率的因素，并进一步分析以下因素对物流产业效率的影响程度。

（1） 物流资源投入。通合理地规划、整合区域内的物流资源，使区域内的物流资源得到充分的利用，从而提高物流资源的利用率可进一步提升物流业的效率。但是当物流资源被浪费和滥用时会在很大程度抑制物流效率的提高，本文选取物流业的固定资产投资额以及从业人员数作为区域内物流业的财力和人力资源投入。

（2） 经济发展水平。经济的发展是所有产业进步的基础。经济发展水平的提高能够拉动物流需求，促进物流业规模的扩大，为物流业的发展创造良好的外部条件，对物流产业的升级具有重大意义。皖江城市带的经济发展水平可用其生产总值（GDP） 这一变量来表示。

（3） 区位因素。区位优势反映了一个地区在经济、区位等方面的优势，在资源丰富的地区，更容易吸引物流业的集聚，并逐渐形成规模化的物流产业区，降低该地区物流产业的发展的成本，提高整个物流行业的发展速度和质量，区位商能够衡量地区不同产业的集聚度，因此本文选取区位熵作为区位优势这一变量的表示。

（4） 产业结构。物流业属于服务行业，为不同种类企业的物流需求提供物流服务。第二产业与物流业联系较为紧密，第二产业以加工制造业为主，能够衍生出许多物流相关的附加产品，并且制造业对于物流业的拉动作用大于物流业对制造业的拉动作用，因此本文选择第二产业生产总值占GDP 比重来表示产业结构这一变量。

3.2 模型的选择与建立

Tobit 模型是美国经济学家Tobin 提出的针对因变量受限的模型，本文用DEA 模型所测算出的物流效率值处于0~1 间，并且是不连续的，所以采用Tobit 模型对皖江城市带的物流业效率影响因素进行分析，此外本文将皖江城市带各市的物流业综合技术效率作为因变量TE，将物流业固定资产投资额、物流业从业人员数、经济发展水平、区位优势、以及产业结构等指标作为自变量，构建皖江城市带物流业效率影响因素的Tobit 模型。为了缩小数据间的绝对差异，本文对物流业固定资产投资额、物流业从业人员数以及经济发展水平取对数处理。具体模型如下：

式中：TEit为因变量，表示第i个地区第t个时期的综合技术效率值，lnY1指的是物流业固定资产投资额，lnY2指物流业从业人员数，lnY3指经济发展水平，Y4指区位熵，Y5指产业结构，β0为常数项，βi（i=1,2,…,5 ）为待估计的回归系数，为随机扰动项。

3.3 实证结果及分析

本文采用Stata 对上述所建立的Tobit 模型进行回归分析，所有数据均来源于《安徽统计年鉴》。此外，本文将综合物流效率作为物流效率带入回归模型中。结果如表6 所示。

表6 皖江城市带物流影响因素的Tobit 回归分析

该模型整体似然比的P值为0.000，说明使用该模型进行分析是有效的，也能够说明本文选取的自变量能够较好的解释因变量。但是不同的因素对皖江城市带的物流业效率的影响是不同的，具体的分析如下：

（1） 物流业固定资产投资额和物流业从业员数与物流业效率呈负相关关系，导致这一现象产生的原因可能是皖江城市带各市在扩大物流业投资规模的同时没有考虑到物流业产出效益情况，从而导致了资源的浪费和物流业效率的下降。（2） 经济发展水平和物流业效率呈显著正相关，显著水平位在0.000, 这意味着皖江经济带的经济水平提升可以带动物流业效率提升。（3） 区位因素（物流区位熵） 与物流业效率呈显著的正相关关系，皖江城市带作为承接产业转移示范区具有承东启西的天然地理优势，交通网络体系完善，对周边地区具有有效的辐射带动作用，能够吸引物流产业的集聚，降低物流业发展成本，从而推动物流业效率的提高。（4） 产业结构和物流业效率之间存在显著正相关关系，制造业作为物流业需求的主要来源，占社会物流的主体地位，在一定程度上能够提高皖江城市带区域的物流业效率。

4 建 议

根据回归结果，本文提出以下相关建议：（1） 加快区域内的经济发展，形成良好的经济环境。 皖江城市带一方面要发挥中部地区比较优势、聚集发展要素、扩大产业规模、推动资源要素优化配置和区域经济布局调整、提高经济发展质量及竞争力；另一方面可以拓宽空间、科学有序地承接海内外产转移、坚持“引进来”和“走出去”相结合、刺激区域内消费需求，提高经济发展水平从而提高物流效率水平，促进物流业的发展。（2） 发挥区位优势，进一步推动产业集聚，皖江城市带作为承接产业转移的示范区，应充分发挥其区位优势，政府部门可以利用现有的区位条件扶持物流企业的发展，推动地区物流产业的转型升级，进一步提高物流效率。（3） 加快产业结构的升级，优化产业布局。产业结构对于皖江城市带地区的物流业发展起到了促进作用，产业结构越高，与之相对应，金融、信息等行业也比较完善，能够为物流业的发展提供有利的条件，而物流业健康快速地发展可以促进产业结构转型升级，从而促进皖江城市带的经济发展。物流业与第二产业制造业联系紧密，能有效的贯穿制造业的流通过程, 皖江城市带区域内的制造业基础较雄厚。因此，在推动区域内物流业的发展进程中，合理规划产业布局，积极引导区域内各市物流业与制造业的协调发展。