我国农产品物流效率及影响因素

胡俐颖

摘 要：应用DEA-Malmquist指数测算2015—2021年我国30个省市区的农产品物流效率，运用Tobit回归分析研究区农产品物流效率影响因素。实证结果表明：1）从静态来看，观测期内我国农产品物流综合效率较低，技术效率略低，投入要素配置尚未达到合理状态；2）从动态来看，我国农产品物流全要素率增长，技术进步作用较为关键；3）在多维影响因素中，信息化和物流发展程度是提升农产品物流效率的主要因素。因此，文章从政府、市场和行业等角度提出了提高我国农产品物流效率的建议。

关键词：DEA-Malmquist；Tobit模型；农产品；物流效率

中图分类号：F224；F326.6文献标志码：ADOI：10.13714/j.cnki.1002-3100.2024.08.017

Abstract： The paper applies the DEA-Malmquist index to calculate the efficiency of agricultural product logistics in 30 provinces and cities in China from 2015 to 2021， and uses Tobit regression analysis to study the influencing factors of agricultural product logistics efficiency. The empirical results indicate that from a static perspective， the comprehensive efficiency of China's agricultural product logistics during the observation period is relatively low， with slightly lower technical efficiency， and the allocation of input factors has not yet reached a reasonable state， that from a dynamic perspective， the total factor rate of agricultural product logistics in China has increased， and technological progress plays a crucial role， and that among the multidimensional influencing factors， informatization and the level of logistics development are the main factors for improving the efficiency of agricultural product logistics. Therefore， this article proposes suggestions to improve the efficiency of agricultural product logistics in China from the perspectives of government， market， and industry.

Key words： DEA-Malmquist; Tobit model; agricultural products; logistics efficiency

0    引    言

我国把有效供给重要农产品作为“三农”工作的首要任务。由于农产品市场与物流组织体系不完善、物流基础设施薄弱、物流技术水平落后等原因，我国农产品物流损耗严重，农产品物流效率较低[1]。这造成了农产品资源的浪费，使农产品供给者利益受损，农产品市场竞争力降低，阻滞了“三农”工作的正常进行。评价我国的农产品物流效率，识别农产品物流效率影响因素，对健全农产品物流体系、优化农产品要素的资源配置意义深远。

1    文獻综述

目前，学者们主要使用因子分析、数据包络分析、随机前沿分析和灰色关联分析等方法测算农产品物流效率。数据包络分析（DEA）作为一种较为客观的非参数方法，得到了广泛应用。雷鸣等（2018）基于DEA模型调查1995—2015年我国各省的农产品物流效率，发现东部地区的效率远远高于中西部地区[2]。原雅坤等（2020）基于长江经济带2012—2017年11个省市的面板数据，通过DEA三阶段模型评估生鲜农产品冷链物流效率，发现长江经济带生鲜农产品冷链物流效率存在较大差异[3]。杨维琼等（2021）运用因子分析和DEA-Malmquist指数分析法对京津冀地区2011—2018年农产品物流效率进行评价。结果表明，京津冀地区农产品物流效率呈波浪式增长[4]。孙妮等（2022）基于DEA-Malmquist指数对安徽省2009—2019年农产品物流效率进行测算，发现安徽省的农产品物流效率存在不小的差异[5]。崔振洪等（2014）认为在分析农产品物流效率的基础上需进一步探究其影响因素[6]。贾圣强（2019）运用SBM和Tobit模型对中部地区的农产品物流效率及其影响因素进行了实证分析，认为提高农产品物流效率最重要的因素是农产品物流业的固定资产投资水平[7]。刘升学等（2021）也基于SBM和Tobit模型分析了湖南省农产品物流效率的影响因素，认为劳动力和资本投入影响最大[8]。

已有研究较为丰富，但仍存在不足。一是通常以区域或省份为尺度评价农产品物流效率，而忽略了全国及省际的对比分析；二是使用DEA模型评价农产品物流效率侧重于静态视角，难以反映农产品物流效率的动态变化；三是对影响农产品物流效率内部因素的研究不足。本文选取了全国30个省市区的面板数据，利用DEA模型和Malmquist指数，从静态和动态的角度评价了我国30个省市区2015—2021年的农产品物流效率，并结合Tobit模型识别出农产品物流效率的影响因素，以期能为我国农产品物流业发展的政策制定与调整提供依据。

2    研究方法与数据来源

2.1    DEA模型

数据包络分析（DEA）最早由Charnes等提出，用于评估多投入、多产出的决策单元（DMU）。BCC（规模报酬可变）的表达式如（1）所示。

式中：X为投入量，Y为产出量，n为决策单元数，ε为决策单元效率，λ为DMU组合系数，s-和s+反映产出不足和投入冗余。

2.2    Malmquist指数

Malmquist指数可以测算前后两个时期生产率的变化，可分解为技术进步效率（Techch）和技术效率（Effch），而技术效率（Effch）又能分解为纯技术效率（Pech）和规模效率（Sech），如式（2）所示。

2.3    指标选取与数据来源

目前，大多学者选取DEA投入指标主要参考科柯布道格拉斯函数，将技术、劳动及资本等列为投入要素。由于技术要素在实践中难以量化，根据以往研究剔除技术要素的做法，从劳动力、资本和交通基础设施三个方面确定投入指标。

农产品物流从业人数。参考王仁祥等[9]、程书强等[10]的做法，将交通运输、仓储和邮政业从业人员总数乘以系数k。计算公式如下。

式中：k1为全国消费比率，k2为公民消费比率，e为恩格尔系数。

农产品物流固定资产投资额。用交通运输、仓储和邮政业固定资产投资额平减后再乘以系数k。

交通基础路线长度。以铁路、公路和水路营运里程数总和代表。

货运汽车保有量。货运汽车是运输农产品的重要载体。计算农产品物流效率，应将货运汽车保有量作为投入指标。

关于产出指标，结合已有文献，使用农产品物流增加值，即农产品物流净产值，可以准确反映物流效率在不同年份的变化。与投入指标采用处理方式相同，将交通运输、仓储及邮政业增加值乘以系数k。

本文数据来源于《中国统计年鉴》《中国物流年鉴》及国家统计局网站。选取我国30个省市区2015—2021年的面板数据作为观测样本。

3    我国农产品物流效率实证分析

3.1    基于DEA模型的农产品物流效率静态评价

根据DEA模型中的BCC模型，利用DEAP2.1计算2015年、2018年和2021年我国30个省市区的综合效率、纯技术效率和规模效率，如表1所示。

2015年、2018年和2021年农产品物流效率对比如图1所示。

综合效率角度。2021年，我国30个省市区综合效率的均值为0.776，较2018年大幅下降，甚至低于2015年。7个省市区（天津、河北、上海、江苏、福建、山东和广东）综合效率有效。与2015年和2018年相比，山东和广东为新增DEA有效省。2015年、2018年和2021年，我国30个省市区的综合效率均超过了0.7，天津、河北和上海3个省市连續3年为DEA有效省市。

技术效率角度。2015年、2018年和2021年，我国30个省市区分别有11个、16个和12个技术效率有效，对应为36.67%、53.33%和40%。连续3年技术效率有效的省市区7个（天津、河北、上海、江苏、福建、广东和海南）。

规模效率角度。2015年、2018年和2021年，分别有7个、8个和7个省市区规模效率有效，占比为23.33%、26.67%和23.33%，平均规模效率从2015年的0.936下降到2021年的0.887，我国的投入要素配置尚未达到充分状态。

规模收益现状。2021年，浙江、河南和湖北规模报酬递减，应改变分配结构或减少投入量。北京、山西和内蒙古及其余19个省市区的规模报酬递增，需进一步扩大生产规模。

3.2    基于Malmquist指数的农产品物流效率动态评价

Malmquist指数反映了农产品物流效率的周期变化。利用DEAP2.1计算我国2016—2021年30个省市区的农产品物流效率TFP指数及分解。如表2所示，2016—2021年平均全要素生产率为0.998，农产品物流效率下降。6年来，2016年、2018年和2019年全要素生产率大于1，其余年份均有所下降。

2015—2021年我国30个省市区技术效率变化（Effch）、技术进步变化（Techch）及全要素生产率变化（TFP）用折线图表示，如图2所示。

技术效率变化（Effch）角度。6年间，我国30个省市区的技术效率变化较小，2017年、2020年和2021年的技术效率均低于1，其余年份均高于1。

技术进步变化（Techch）角度。技术进步变化在2017年、2019年和2021年均高于1，其余年份小于1。如图2所示，技术进步与全要素生产率变化更匹配了，成为了影响全要素生产率的主要因素。

表3显示了2015—2021年我国30个省市区农产品物流效率TFP及其分解情况，据此可将其分为三种类型。

第一类为天津、河北和上海等16个省市区，其全要素生产率大于1，技术效率和技术进步变化也大于1。

第二类为黑龙江、贵州、宁夏和新疆4个省市区，全要素生产率和技术效率小于1，技术进步大于1，技术变化作用更大。

第三类为上海、浙江和江苏等10个省市区，全要素生产率和技术效率大于1，技术进步小于1，技术要素的使用效率较高，抵消了技术进步的不足。

4    我国农产品物流效率影响因素分析

4.1    方法和变量选取

将农产品物流效率值作为因变量，信息化、物流发展、经济发展和居民消费程度等因素作为自变量，构建Tobit回归模型。计量方程如下。

结合国内外文献，选取农产品物流效率5个影响因素。X1和X2为城市、农村互联网宽带用户数。X3为农产品物流业从业人数，X4为交通基础路线长度。X5为居民人均可支配收入。Y为农产品物流效率，C为常数项，μi和λi为区域和时间固定效应，εit为随机误差项。

4.2    Tobit回归结果及分析

运用Stata16.0建立Tobit回归模型，结果见表5。

表5    我国30个省市区农产品物流效率影响因素Tobit回归结果变量 系数大小 标准误差 P值

城市互联网宽带用户数 0.152 *** 3.70E-02 ＜0.001

农村互联网宽带用户数 0.758 *** 2.43E-01 ＜0.001

农产品物流业从业人数 -0.475 ** 1.68E-01 ＜0.050

交通基础路线长度 0.335 ** 1.52E-01 ＜0.050

居民人均可支配收入 -0.008 8.00E-03 ＞0.100

注：***和**分别表示在1%和5%的显著水平。

如表5显示，在信息化程度上，城市和农村互联网宽带用户数在1%水平上显著，说明城乡网民数量与农产品物流效率密切相关。

在物流发展程度上，农产品物流从业人数在5%水平下显著，表明农产品物流人员的专业化水平有待提高。交通基础路线长度在5%水平下显著，表示高速公路等交通基础路线长度越长，农产品物流效率越高。

在经济发展和居民消费程度上，由于未通过5%水平的显著性检验，居民人均可支配收入对农产品物流效率影响甚微。

5    结论与政策建议

本文利用全国30个省市区2015—2021年的面板数据，采用DEA-Malmquist和Tobit模型评价农产品物流效率，识别其影响因素。从静态来看，观测期内我国农产品物流综合效率较低，技术效率略低，投入要素配置尚未达到合理状态。从动态来看，我国农产品物流全要素率呈上升趋势，技术进步对其影响更大。在多维影响因素中，信息化和物流发展程度是提高农产品物流效率的重要影响因素。

因此，本文提出以下对策建议：一是加快构建农产品物流公共信息平台。各级政府应加快构建农产品物流信息平台，以整合农业、交通、工商等部门的信息资源。二是完善农产品物流基础设施。依托交通基础设施规划，完善农产品交通运输体系。同时，还应加强生鲜类农产品的专业化运输。三是引进现代物流专家。建立专项扶持政策，联动高校、企业培养现代物流业人才，以优化农产品物流人才结构。

参考文献：

[1] 汪旭晖，文静怡．我国农产品物流效率及其区域差异——基于省际面板数据的SFA分析[J]．当代经济管理，2015，37（1）：26-32.

[2] 雷鸣，罗胜，邓远．供给侧改革与新型城镇化双重导向下的农产品物流效率提升——基于非参数DEA与ARDL的实证分析[J]．

商业经济研究，2018（16）：99-102.

[3] 原雅坤，陈久梅，但斌．碳约束下冷链物流效率及其收敛性研究——以生鲜农产品为例[J]．科技管理研究，2020，40（14）：253-260.

[4] 杨维琼，邰小珈．京津冀农产品流通效率评价——基于PCA-DEA-Malmquist指数分析[J]．商业经济研究，2021（11）：143-146.

[5] 孙妮，张康宇，刘旭，等．基于DEA-Malmquist模型的安徽省农产品物流效率分析[J]．西昌学院学报（自然科学版），

2022，36（1）：23-27.

[6] 崔振洪，王家旭，华振．我国农产品物流效率评价及影响因素分析[J]．物流技术，2014，33（9）：114-116.

[7] 贾圣强．中部地区农产品物流效率及其影响因素分析——基于超效率和Tobit模型的实证[J]．商业经济研究，2019（11）：158-160.

[8] 刘升学，欧阳兴文．湖南省农产品流通效率测度及其影响因素研究——基于DEA-Malmquist指數和Tobit模型[J]．南华

大学学报（社会科学版），2021，22（3）：64-71.

[9] 王仁祥，孔德树．中国农产品流通效率评价模型构建及其应用[J]．辽宁大学学报（哲学社会科学版），2014，42（4）：64-73.

[10]  程书强，刘亚楠．西部地区农产品物流效率及省际差异动态研究——基于DEA-Malmquist指数法[J]．统计与信息论坛，2017，

32（4）：95-101.