物流产业效率评价及影响因素分析

张云凤，王 雨

（山东科技大学 经济管理学院，山东 青岛 266000）

0 引言

“十三五”期间，国家按照引领经济新常态、贯彻发展新理念的要求，着力推动物流业绿色发展。同时，2015年巴黎气候大会的召开，使各国更加重视经济发展对环境造成的影响。物流业因其能源消耗大、运作效率低的特点，成为碳减排的重点行业，而且随着我国物流需求不断增加，其节能减排任务不断加重，高投入、高产出的粗放型物流发展道路已不能继续，大力发展健康、高效的低碳物流，已成为我国物流业可持续发展的必然趋势。基于此，本文从低碳约束角度出发，同时考虑经济发展、政府支持、产业结构及人力资本等环境因素的影响，运用异质性随机前沿分析方法对2008—2013年全国30个省（市、自治区）的物流效率进行评价分析，以期为物流企业提升效率及地区物流行业绿色发展提供理论支持。

1 异质性SFA模型

通过对已有文献进行梳理可知，国内外学者在测度物流效率时主要采用数据包络分析（DEA）和随机前沿分析（SFA）两种方法。由于DEA模型不考虑随机误差因素的影响，估计出来的物流效率可能存在一定偏差，所以不少学者开始采用包含随机误差的SFA模型来测度物流效率。同时考虑到我国区域发展不平衡，不同地区的物流效率存在较大差异，将异质性引入随机前沿模型，通过构建异质性SFA模型实证分析低碳约束下的物流效率及其影响因素。

Battese和Coelli（1995）提出的SFA模型，通过似然比检验可以验证随机前沿模型的合理性，即是否存在技术非效率项的影响；通过技术非效率的函数形式，能够进一步分析影响技术效率的因素，指导技术效率的改进提高。因此，以Battese和Coelli的模型为基础来构建异质性SFA模型：

其中，Yit表示i生产单元在t时期的实际产出表示生产可能性边界上的前沿生产函数，Xit表示i生产单元在t时期的投入向量，β为待估参数。νit是随机误差项，服从独立同分布，且与相互独立；uit是技术非效率项，表示实际产出与最优产出的偏差，服从非负截断型正态分布

此外，Battese和Coelli构建了技术效率指标来反映实际产出与期望产出的偏离程度，即：

显然，当uit=0时，TEit=1，生产单元位于前沿面上，技术有效；当uit＞0时，0＜TEit＜1，生产单元处于前沿面下，技术无效率。同时Battese和Coelli假定uit受各种因素的影响：

其中，δ0为常数项，Zit表示影响技术非效率的因素，δ为影响因素的待估系数。若δ＞0，表示该影响因素对式（2）中技术效率有负向影响；反之，则有正向影响。

而异质性SFA模型uit假定服从截断性正态分布，uit的异质性设定如下：

其中，b0和b1为常数项；Zit表示影响技术非效率的外生变量；δ和γ表示待估参数，若参数为正值，则说明该外生变量对技术效率具有反向影响；反之，具有正向影响。

2 变量选取与模型设定

2.1 变量选取

合理选择影响物流业投入产出效率的因素对研究工作至关重要。对于物流投入产出指标以及影响因素的选择，在参考国内多数学者做法的基础上确定本文的各项变量：

（1）投入指标

物流业从业人数、物流业固定资产投资（总额）及物流线路运输里程是三个选择率最高的指标，此外物流业资本存量、物流业投资占基本建设投资比重、物流业支出占财政支出比重、物流业人数比重、行业GDP、物流业整体投资、物流业职工工资总额等指标也是研究者的选择对象，部分考虑环境因素的学者将碳排放量、公共环境和社会保障投资、物流业能源消耗量等指标也纳入投入指标范围。

（2）产出指标

多数学者将货运量、货运周转量、物流业增加值及物流业产值作为产出指标，地区GDP、物流业增加值占GDP的比重也是研究者选择的参考指标之一，还有学者将公路物流、水运、及铁路运输分别进行效率研究，选择特定的公路货运量、航运量及铁路运输量作为研究指标，少数研究环境对物流产业效率影响的学者将碳排放量与城市道路噪声分贝作为产出变量进行研究。

（3）碳约束

在研究物流效率及其影响因素时，多数学者注重物流行业人、财、物的投入与产出之间的关系，以及地区经济发展水平、政府支持、产业结构等环境因素对物流效率的影响，只有少数学者开始研究低碳约束下的物流效率，且多把碳排放量作为产出指标，运用DEA模型衡量低碳约束下的物流效率。

（4）环境变量

多数学者认为环境变量应该选择那些主观意识无法控制、改变及不在样本主观可控范围内但对物流产业效率产生影响的变量。地区GDP、政府支持是最常见的环境变量选项，此外科技水平、信息服务投入、制度环境、产业结构调整、外贸依存度、城市化水平等因素也被学者广泛应用。

表1对国内学者研究物流产业效率时的常用变量进行了总结归纳。

表1 物流产业效率研究常用变量

根据唐建荣等（2013）提出的指标要能够真实反映物流业市场竞争力水平并符合效率评价要求及充分考虑数据的可得性与指标的重要性原则，结合目前多数研究者的研究成果构建如表2所示指标体系。

表2 指标体系

（5）数据说明

纵观目前国内外产业分类体系，多数国家对“物流业”并没有做出一个清晰准确的界定，几乎没有研究者将“物流产业”作为一个单独行业看待，多数研究者将交通运输、仓储及邮政业统称为物流业，这三个行业总的增加值占比整个物流业增加值的80%以上，能够代表物流产业的基本情况。基于此，本文变量与数据的选取主要来源于交通运输、仓储及邮政业领域，由于缺少西藏的多项指标未将其列入研究范围，故样本数据为2008—2013年我国30个省级行政单位面板数据，来源于历年《中国统计年鉴》、《中国能源统计年鉴》及各地区统计年鉴。各变量的描述性统计结果见表3。

表3 变量数据的描述性统计

2.2 模型设定

根据公式（1）、公式（4）以及上文选定的变量指标，以我国30个省（市、自治区）面板数据为基础，构建基于对数C-D生产函数的异质性SFA模型：

3 实证结果及分析

对异质性随机前沿模型进行多种形式设定（见表4）。其中，模型1未施加任何约束条件；模型2假设γ=0，即环境因素对物流非效率项的不确定性没有影响；模型3假设δ=0，认为环境因素对非效率项没有任何影响；模型4假设wit=0，即非效率项服从在零处截断的半正态分布；作为对照，模型5不考虑非效率项影响。

3.1 异质性随机前沿模型估计结果分析

从表4中可以看出，在所有模型设定中，物流业固定资产投资额（k）和物流业就业人员（l）均通过了水平为1%的显著性检验，且弹性系数均为正，表明加大物流业资本投入与劳动力投入有助于提高物流产业的运作效率；物流业运输线路长度（r）的显著性较差，弹性系数较小，可能与各省之间运输线路状况的差异性有关。从表4最后4行的似然比检验结果来看，模型2优于其他4个模型，所以下文的分析主要针对模型2展开。

从表4中模型2的结果可知：

（1）二氧化碳（CO2）：二氧化碳排放量在效率损失均值方程中的系数为正，表明在物流系统中降低二氧化碳排放量有利于物流效率的提高，即低碳约束对物流效率有一定的正面影响。这是因为，低碳经济下高投入、高产出的粗放型发展道路已不能继续，健康、高效的低碳物流才是大势所趋。

（2）政府支持（Gov）：其在效率损失均值方程中显著为正，表明政府支持对物流效率有一定的负面影响，这与多数研究结果不一致。产生的原因多种，一方面，政府的资金支持挤占了物流企业自身的投资，造成资金利用率低下，一定程度上限制了物流效率的提高；另一方面，国家的多项物流补贴措施及项目资助被某些企业骗取用来发展物流业以外的行业，例如圈地发展房地产，降低政府支持对物流效率的促进作用。

（3）经济水平（Eco）：其在效率损失均值方程中显著为负，表明地区经济发展对物流效率有正向影响。一方面，高度发达的经济水平、完善的基础设施建设是产生经济集聚效应的基础，有利于物流产业整体效率的提高；另一方面，近几年随着经济的发展，电商的兴起促进城市配送的繁荣，大批物流配送企业大力进军城市配送行业，挖掘各种商机，进一步细分市场与提升服务质量，在一定程度上促进城市物流效率的有效提升。

（4）产业结构（Ins）：其在效率损失均值方程中显著为负，表明产业结构调整、物流业占比增高，有利于物流效率的提高。随着产业结构调整和业态优化，作为“第三利润源”的现代物流业迅速崛起，人们对其需求越来越大，促使传统物流产业功能不断整合、技术不断更新、服务领域不断延伸，物流业的运转效率也进一步得以提升。

表4 异质性随机前沿模型估计结果

3.2 分地区估计结果分析

为进一步分析，根据国家统计局地区划分标准，将全国30个省（市、自治区）划分为东部、中部、西部三大地区，按照模型2的设定对各地区物流效率进行评价分析，结果见下页表5。

从表5中可以看出：

（1）东部与西部地区物流业就业人员对物流效率的影响正好相反。一方面原因是，东部物流企业现代化发展速度较快，吸引众多从业人员，物流业从业人数趋于饱和，人员配置不合理、人力资源浪费、利用效率低下等问题相继出现；另一方面，西部地区物流产业发展相对落后，从业人员相对匮乏，由于西部大开发政策支持，吸纳众多优秀人才，物流企业的管理水平和运转效率得以提高。

表5 分地区估计结果

（2）对于东部和中部地区，物流线路运输里程对物流效率有着显著的正向影响。一方面，凭借自然条件和社会经济条件的优势，东部地区交通便利，为物流产业的快速发展奠定了基础。而中部地区，由于中部崛起战略的提出，大力推进综合交通运输枢纽建设，一定程度上促进了物流效率的提高；另一方面由于西部地质、经济发展水平及地域面积等原因，阻碍该地区运输路线的铺设进程。

（3）碳排放量在物流效率损失方程中系数为负，表明降低碳排放量不利于物流效率的提高，这种关系在东部地区最为显著。这是因为，目前物流业仍是高能耗产业，多数企业仍然属于粗放型生产，只能靠单纯的增加运输量来提高盈利，短时间内难以完成转型升级，所以低碳约束在短期内会对物流效率产生一定的负面影响。

（4）东部地区经济水平发展已达到较高水平，物流业的发展较中西部地区较成熟，因此经济增速对物流行业的促进作用已不再明显；而中西部地区的物流市场仍处于快速发展期，经济增速对物流行业的刺激作用仍然明显，其中，中部地区经济水平高于西部地区，其对物流行业效率的提升也强于西部地区；东部地区的产业结构经过多年的发展已趋于平衡，调整产业结构对物流行业效率的提升对其刺激作用已不再明显；中西部地区产业多以第一、二产业为主，第三产业发展水平较低，因此调整产业结构对中西部地区物流产业发展及效率提高具有明显的促进作用。

4 结论

从低碳环保角度出发，结合近年来国家经济发展趋势，将碳排放量、政府支持、经济水平、产业结构作为外生环境变量，基于2008—2013年我国30个省（市、自治区）的面板数据构建异质性随机前沿模型，对我国物流产业效率进行研究分析，得出如下结论：

（1）通过五种不同的模型设定对全国物流效率进行测算以提高估计结果的准确性，最终确定最优模型为模型2。根据模型2的结果，物流业固定资产投资、就业人员以及运输线路里程均对物流效率的提高具有显著的正向影响；物流系统降低二氧化碳排放量有利于物流效率的提高，即低碳约束对我国物流产业的整体效率有一定的正面影响；政府支持对物流效率存在一定的抑制作用，经济发展水平及产业结构调整则对物流效率有促进作用。

（2）基于模型2，进一步测算各地区物流效率水平及各因素对其的影响程度，结果显示，东中西部地区物流效率差异较大，并且相同因素对各自的影响程度不同，物流就业人员在东部地区物流效率分析中系数为负，说明东部地区物流就业人员存在结构不合理、人力资源浪费等现象；物流线路运输里程在西部地区物流效率分析中系数为负，可能的原因是西部地区交通运输条件达不到现代物流产业发展的要求，在一定程度上限制了物流效率的提升；碳排放对各地区的物流效率损失方程中系数为负，表明降低碳排放不利于物流效率的提升，与全国整体估计结果相反，可能的原因是目前物流业仍是高能耗产业，多数企业仍然属于粗放型发展模式，短时间内难以完成转型升级，所以低碳约束在短期内会对物流效率产生一定的负面影响，但是长期内物流产业转型成功，实现绿色发展，低碳约束对物流效率的提高将会产生正向影响。

参考文献：

[1]张诚,张广胜.中部六省物流产业效率分析及政策建议[J].江西社会科学,2013,(2).

[2]谢菲,黄新建,姜睿清.我国物流产业投入产出效率研究[J].南京师大学报：社会科学版,2014,(1).

[3]徐新闻,邓蕾,唐沙沙.基于组合DEA方法的中国物流产业效率研究[J].世界科技研究与发展,2015,(6).

[4]丁斌,王琨.基于SBM模型的省级物流产业效率评价[J].统计与决策,2014,(14).

[5]王琴梅,谭翠娥.对西安市物流效率及其影响因素的实证研究——基于DEA模型和Tobit回归模型的分析[J].软科学,2013,(5).

[6]王蕾,薛国梁,张红丽.基于DEA分析法的新疆北疆现代物流效率分析[J].资源科学,2014,(7).

[7]王柏谊,杨帆.基于DEA的吉林省物流产业效率研究[J].北华大学学报：社会科学版,2016,(2).

[8]范月娇.我国物流通道的生产服务效率研究——基于SFA面板数据模型的实证研究[J].云南财经大学学报,2016,(2).

[9]张宝友,朱卫平,孟丽君.物流产业效率评价及与FDI质量相关性分析——基于2002—2011年数据的实证[J].经济地理,2013,(1).

[10]唐建荣,卢玲珠.低碳约束下的物流效率分析——以东部十省市为例[J].中国流通经济,2013,(1).