安徽省区域物流产业效率评价及其影响因素研究

李 祥，曹 婷

（阜阳师范大学 商学院，安徽 阜阳236037)

物流业作为中国经济发展新的增长点，发展迅速，尤其是十九大要求“创新引领物流高质量发展，提升质量效益发展现代物流”以来，更是取得了长足发展。现今，电子商务的快速发展、科学技术的进步，促使传统物流业朝着信息化、集约化的现代物流迈进，但与此同时，物流效率也成为发展现代物流必须要考虑的问题。如何使物流成本最小化、物流效率最大化则成为现代物流快速发展的关键所在。因此，对安徽省区域物流效率进行实证研究与分析，并进一步分析其具体影响因素，对于提高安徽省区域物流效率具有重要意义。

国内外已经有很多学者对物流业的效率评价进行研究。其中，在评价指标方面，学者们主要将人力、投资、公路里程等指标作为投入指标，将生产总值、增加值、货运量、周转量等指标作为产出指标[1-6]，杨传明[7]从环境角度出发，构建物流产业效率评价指标。此外，还有其他学者也对其进行了相关研究与分析[8--11]。在评价方法方面可以看出，对物流效率的评价方法主要为DEA（data envelopment analysis）模型的运用，但也有一些学者对相关方法进行了创新，或者与其他方法结合进行研究。张云凤等[12]运用基于C-D 生产函数的异质性随机前沿模型评价我国30 个省市的物流产业效率；刘莉等[13]运用DEA 模型对2008—2017年东部地区的11 个省（市）的物流产业效率进行分析，并利用Tobit 模型进一步分析其影响因素；蒋建洪等[14]提出运用PCA-DEA 两阶段法评价我国港口企业的物流效率；刘子琦[15]将DEA 模型与Tobit 模型结合使用，从而进一步分析长江中游经济带的物流产业效率。此外，还有学者运用三阶段DEA 模型、DEA-RS 混合模型、超效率SBM 模型等评价分析物流效率[16-19]。

现有研究集中于宏观层面和企业层面，以低碳角度对物流产业效率进行分析、或者分析物流效率的影响因素，其研究结果有时难以反映某个地区物流产业的真实发展状况；另一方面，大多数研究主要从某一时间点对物流效率进行静态分析，而忽略了其动态发展变化情况。在研究区域方面，主要从全国省市、中部六省、西部地区以及长江经济带等层面出发进行研究，但是对于安徽省区域物流产业效率的研究成果较少；在研究方法上，不同学者采取不同的评价方法，呈现多样化，这也导致了研究结论的差异性。因此，本研究采用Input-BCC 的DEA 模型，从静态角度对安徽省区域物流产业的效率值进行测算，在此基础上，运用Malmquist 指数从动态角度进一步分析物流效率的动态变动及趋势，并结合实证分析的结果，提出适应安徽省物流产业实际发展需求的效率提升措施。

1 模型与方法

本研究在前人研究的基础上，将研究过程分为两个步骤：第一步，运用Input-BCC 的DEA 模型测算安徽省16 个地市2008—2018 年的物流产业效率，并对其结果进行相应分析；第二步，使用Malmquist 指数方法从动态角度分析安徽省区域物流产业效率在2008—2018 年间的动态变动及发展趋势。最后根据研究结论针对性地提出安徽省区域物流产业效率改善的建议。

1.1 DEA 模型

式中：i=1，2，…，n 为决策单元；λ1，λ2，…，λn为对偶变量；xi,yi分别为决策单元的投入变量和产出变量；s+、s-分别为松弛变量、剩余变量；θ 为各决策变量的综合效率值。

1.2 Malmquist 指数方法

RolfFare 等[21]在研究过程中，将Malmquist 指数相关理论的一种非参数线性规划法与DEA 理论相结合，从而使其广泛应用于相关生产效率的核算。本研究在运用Malmquist 指数时，将全要素生产率TFP 分解为技术进步效率techch 和技术效率变化effch。

2 指标选择与数据来源

2.1 数据来源

对相关文献的梳理可知，目前关于“物流产业”这个行业的划分并没有明确的规定，而根据国家规定和相关统计年鉴中可以看出，物流产业主要是指交通运输、仓储和邮电等行业，因为这些行业在物流总产值中所占比重较大，因此本研究在现有研究基础上，选择交通运输、仓储和邮电业的相关数据作为反映安徽省区域物流产业发展水平的指标。研究对象为安徽省16 个地市，由于2019年的数据目前尚未发布，因此收集的数据为2008—2018 年，其数据来源于2009—2019《安徽省统计年鉴》。

2.2 投入指标选择

在投入指标选择方面，现有研究主要从人力、财力和环境三个方面出发，选择物流业就业人数、物流业固定资产投资额、物流产业碳排放量和营业里程等作为投入指标。因此，本研究在现有研究基础上，依据指标数据的科学性、客观性和代表性等原则，并综合考虑安徽省区域物流产业的特点，选取物流业就业人数、物流业新增固定资产投资额、物流业工资总额和物流业营业里程4 个指标作为投入指标。其中，物流业就业人数和工资总额可以反映出安徽省整个地区物流产业的规模情况；物流业新增固定资产投资额反映物流业的发展状况，以及各个地区对当前物流业的一个重视程度；物流业营业里程主要包括公路里程和邮路总长度，反映地区的交通基础设施的建设情况。

2.3 产出指标选择

多数学者将物流业总产值、物流业增加值、货运周转量等作为产出指标，地区GDP 等也是研究者选择的参考指标之一。而少数学者从环境角度出发，选择碳排放量和物流产业能耗量等作为产出变量进行研究。因此，本研究结合相关文献和安徽省区域物流发展的实际情况，选择物流产业生产总值、全年货物周转量和货运量作为测算安徽省区域物流产业效率的产出指标。其中，物流产业生产总值直接反映了安徽省区域整个物流业的状况；全年货物周转量和货运量是对物流效率的一个直观的体现，具体评价指标体系见表1。

表1 安徽省区域物流效率评价指标体系

3 实证分析

3.1 投入产出指标的相关性分析

在进行效率测算与分析之前，为了保证效率测度的科学性与客观性，并进一步研究投入指标和产出指标间是否具有相关性，本研究利用SPSS 22.0 软件对投入产出指标进行Pearson 相关分析，得出其相关系数，从而为后续模型的分析打下基础。具体结果如表2。

表2 Pearson 相关系数分析

P ＜0.01，投入指标与产出指标之间均为正数，且都达到了1%的显著性，说明本研究所选取的投入指标与产出指标之间具有显著的正相关关系，适合进行下一步的研究。

3.2 BCC-DEA 模型效率测算与静态分析

测算安徽省区域物流产业效率是了解安徽省16 个地市物流产业发展情况的基础。本研究利用DEAP2.1 软件，根据构建的物流效率评价指标体系，选取2008—2018 年的安徽省区域16 个地市的物流产业的面板数据，运用DEA 模型中的可变规模报酬投入导向型的BCC 模型（Input-BCC 模型）测算各地市的物流业发展水平，具体结果如表3。其中，综合技术效率Crste 反映了各地区物流业的资源使用效率等，并用RTS 表示规模报酬，-表示规模报酬不变，irs 表示规模报酬递增，drs 表示规模报酬递减。

表3 Input-BCC 模型求解结果

表3 中安徽省区域各地市物流产业效率的测算结果分析如下：

（ⅰ）整体而言，从2008—2018 年安徽省16 个地市物流产业效率的均值可以得出，其整体均值达到0.945 或以上，说明安徽省区域物流产业有较高水平，并处于稳定发展状态。

（ⅱ）从规模有效性来看，效率值为1，说明DEA有效，否则说明DEA 非有效。2008—2018 年，DEA 效率值为1 的地区主要包括合肥市、淮北市、亳州市、阜阳市、滁州市、六安市、宣城市和铜陵市，处于有效水平，且vrste 和scale 均为1，表明这8 个地区的物流效率始终保持较高水平，对其投入和产出相对较均衡且结构合理，符合物流业的发展。而其余的8 个地区，包括宿州市、蚌埠市等地区的DEA 效率值均小于1，即处于DEA 非有效的状态。而在这8 个DEA 非有效地区中，除了宿州市、淮南市、马鞍山市和芜湖市，其他4 个地区的综合技术效率crste 均低于地区平均效率值，说明这4 个地区在物流产业投入和产出过程中，其物流效率要明显低于安徽省的其他地区。

（ⅲ）在DEA 模型中，crste=vrste×scale，说明综合技术效率由纯技术效率和规模效率共同决定。安徽省区域物流vrste 和scale 的平均值分别为0.973 和0.971。从表3 中可以看出，马鞍山市、芜湖市、池州市和黄山市的物流效率均非有效，通过分析可知，这4 个地区的vrste 均为1，而物流综合技术效率分别为0.998，0.962，0.798 和0.942，表明其规模效率是导致物流效率无效的最主要原因。在这4 个地区中，马鞍山市和芜湖市为规模效益递减，说明这2 个地区的物流产业在发展过程中并没有认识到自身不足，在物流的投入方面大大超过实际需求，没有实现资源的优化配置，从而造成了资源浪费，使得效率低下。

（ⅳ）从安徽省区域物流效率规模效益类型可以看出，安徽省16 个地区的物流规模收益整体呈均衡发展态势，其中，合肥市、淮北市、亳州市、阜阳市、滁州市、六安市、宣城市和铜陵市处于规模报酬不变的状态，淮南市、池州市、安庆市和黄山市地区规模报酬递增，表明这些地区在物流产业发展过程中，适当增加物流方面的投入，并加以合理的利用，会带来更高比例的产出。而其余4 个地区呈现规模报酬递减状态，表明即使再增加投入量，也不会再带来更大的产出，相反，可能会造成更严重的资源浪费。

3.3 Malmquist 指数因素分解与动态分析

由于安徽省各地市物流发展现状不一，其在物流投入和产出方面存在差异性，且具有一定的周期性。如果仅从静态角度测算物流效率值和物流发展水平不够全面，还需要从动态角度去分析物流效率值的变化发展情况。因此，本节将测算其Malmquist 指数，并将其进一步分解为技术效率变动指数effch 和技术进步变动指数techch，从而进一步分析安徽省16 个地市的物流产业效率的动态变化发展情况，结果如表4。

在表4 中，2008—2018 年间，安徽省区域物流效率均值为1.096，大于1，说明安徽省区域物流产业呈良好上升发展趋势，且Malmquist 指数年均增长幅度为9.6%，技术进步年均增长10.5%，而技术效率在发展过程中却年均下降0.7%，这从一定程度上说明，在物流产业整体发展进步过程中，其技术效率是提高物流效率的重要因素。从Malmquist 指数来看，安徽省大多数地市的Malmquist 指数均大于1，表明安徽省区域物流的总体效率较高。分地区来看，淮南市、阜阳市等地的Malmquist 指数排名靠前，这可能是由于淮南市矿产和工业原材料运输物流企业较多，当地交通环境和物流基础设施的改善，以及合淮同城化建设等，从而为当地物流业的快速发展奠定了基础，并提供了新的发展空间。而芜湖、马鞍山等城市的物流效率较低，其中对于马鞍山来说，虽然马鞍山主要以重工业为主，具有一定的物流基础设施建设，但马鞍山的港口运输能力较低，铁路等基础建设滞后，物流信息化等相对落后，所以在安徽省整体物流产业发展过程中，处于相对落后的发展现状；而芜湖市虽然具有较好的物流区位优势，但仍有较多企业只重视生产制造，忽略物流产业的发展，且整体规模较小，降低了芜湖市整体的物流竞争力。从整体上来看，虽然马鞍山、芜湖等地区的物流效率排名靠后，但总体上呈上升趋势，年均增长速度分别为6.4%、8.4%。

表4 安徽省区域物流效率Malmquist 指数及其分解

根据表5，2008—2018 年，安徽省区域物流效率呈“波浪式”的不稳定发展态势，并在2017—2018 年阶段中达到最大值，为1.273。从整体上看，除2009—2010、2010—2011 和2015—2016 这3 个时间段的物流效率小于1，出现明显下降外，其他年度均大于1，说明其整体上呈逐年提高的趋势，物流产业建设与发展仍有较大的进步空间。在研究期间内，技术效率和技术进步总体上呈一降一升的发展状态，其中，技术效率指数在2010—2011 年增幅最大，增长了18.3%，但其技术进步指数却下降了16.2%，导致2010—2011 年间的Malmquist 指数下降1.9%，主要是技术进步的下降导致Malmquist 指数下降；而2012—2013 年，技术效率指数下降幅度最大，技术进步却上升了21.1%，其技术进步的提升，从而进一步提高了Malmquist 指数，表明技术进步是影响Malmquist指数的重要因素，也说明要想提高安徽省区域物流的效率，应加大对物流技术创新及进步的研究。

表5 2008—2018 年安徽省区域物流业Malmquist 指数的变动及其分解

3.4 物流效率影响因素分析

上述研究与分析可以看出，现阶段的研究只是说明了安徽省区域总体物流效率，以及各地市的物流效率，并不能说明在投入和产出指标中，各个指标对其物流效率的具体影响程度。因此，接下来，本研究将从所选取的评价指标中，分析哪个具体投入和产出指标对合肥市等16 个地市物流效率的影响力度最大。为了研究方便，通过Deap2.1 软件将不同组合策略的投入产出指标进行测算，从而进一步分析出各个指标对安徽省区域物流效率的具体影响程度[9，22]，结果如表6。

表6 不同投入和产出策略下安徽省区域物流效率均值

假设(X1、X2、X3、X4、Y1、Y2、Y3)为U 的指标集，S(U)为U 的DEA 效率均值，将去除第i个指标后的指标集设为Ui，S(Ui)为剔除第i 个指标后各策略的DEA 均值，其影响程度的计算公式

式中：i 为策略编号；Wi为该编号指标对区域物流效率的影响程度。Wi越小，则第i 个指标对DEA效率的影响力度越小；反之，则越大。计算结果如表7。从表7 可知，各个指标对物流效率的影响程度具有差异性。从投入角度看，物流业营业里程对安徽省区域物流效率的影响程度最大，为0.142 7，其次是物流业新增固定资产投资额为0.122 3；在产出方面，物流产业生产总值的影响程度为0.551 7，对提高安徽省区域物流效率具有重要的影响作用。

表7 各指标对安徽省区域物流效率值的影响程度

4 研究结论与建议

4.1 研究结论

本研究利用安徽省区域16 个地区2008—2018 年的相关数据，运用BCC-DEA 模型和Malmquist 指数分析法，对安徽省16 个地区的物流产业效率中的Malmquist 指数、规模效率和纯技术效率进行测算与分析，可以得到以下结论：

近年来，安徽省区域物流产业整体效率均值为0.945，物流业的总体发展态势良好；从地区来看，区域间物流发展不平衡，物流产业的效率水平存在较大差异。安徽省16 个地区中，合肥市、淮北市、亳州市、阜阳市、滁州市、六安市、宣城市和铜陵市8 个地区的物流效率相对有效；其余8 个地区的物流效率相对非有效，且非有效地区的物流效率差距较大。

从宿州市、蚌埠市等物流效率非有效的8 个地区来看，纯技术效率和规模效率是导致其DEA非有效的主要原因，其中，马鞍山市、芜湖市、池州市和黄山市的纯技术效率均为1，表明这4 个地区的规模效率导致其物流效率非有效，说明了芜湖市等4 个地区对当地现有物流资源的利用是相对较合理的，主要是由于当地物流产业规模较小导致物流效率低、物流收益低。另外，淮南市的纯技术效率为0.974，规模效率为0.983，安庆市的纯技术效率为0.690，规模效率为0.977，这2 个地区均处于规模报酬递增阶段，表明淮南市和安庆市在物流产业发展过程中，存在物流技术、产业规模、投入产出水平甚至是管理方法等方面的问题。而马鞍山市和芜湖市虽然物流效率的DEA 也非有效，但其情况与淮南市和安庆市有所不同，马鞍山和芜湖处于规模报酬递减阶段，且纯技术效率均为1，可以理解为马鞍山和芜湖这2 个地区在最近几年的发展中，对物流产业的投入较大，物流业的发展也相对处于较为领先的地位，物流企业不断增加，但是这些不断增加的物流企业其各方面水平相对低下，不能很好的将现有资源有效的转化为物流产出，从而导致规模效率低下。

从动态角度可以看出，安徽省区域物流业效率整体呈现上升趋势，其中，Malmquist 指数和技术进步指数均呈增长趋势，年均增长分别为9.6%、10.5%，而技术效率下降0.7%，表明技术进步是影响区域物流效率的主要因素。

从物流效率影响因素来看，物流业营业里程、新增固定资产投资额和生产总值是影响安徽省区域物流效率的主要因素。在投入指标中，物流产业的营业里程较短、新增固定资产投资不足是安徽省区域物流效率不高的主要限制因素；从产出方面看，物流产业生产总值的影响程度为0.5517，远高于其他产出指标，是影响区域物流效率的最主要的产出因素。

4.2 建议

根据以上结论提出以下提升当地物流产业效率的相关对策与建议：

建立区域联动合作机制，取长补短，促进共同发展。根据实证分析结果，安徽省区域物流业的总体发展态势良好，但各地区之间的物流效率发展并不均衡，只有合肥市、淮北市等8 个地区达到DEA 有效，安徽省区域物流效率还有很大的提升空间。因此，各地区应突破地域限制，充分加强区域协同作用，物流效率DEA 有效的省份要继续保持自己的优势并发挥辐射带头作用，建立区域联动合作机制，建立完善的现代物流管理体制，大力发展城市物流群，从而带动其他地区物流业发展。

加大物流产业规模效益，提高物流资源利用率。从实证研究结果可以看出，对于DEA 非有效地区，规模效益是制约物流效率有效的主要因素，安徽省大多数地区均具有提高当地物流效率水平的较大潜力。因此，安徽省各地区应因地适宜的加大当地物流产业的规模，扩大规模效益，提高物流资源利用率。

注重物流技术创新，提高物流信息化水平。Malmquist 指数实证研究表明技术进步具有重要影响作用，因此，无论是技术发达地区还是技术落后地区，都应加强对物流技术的研究，推动物流技术创新，促进物流技术进步。

保持物流产业新增固定资产投资额和物流产业生产总值稳定增长。物流效率影响因素的实证研究表明物流业新增固定资产总额和物流产业生产总值是安徽省区域物流产业效率的最主要影响因素，因此，安徽省各地区政府和物流企业应适当增加物流业的新增固定资产投资额，并通过科学合理规划物流节点，进一步优化产业结构，加强物流资源的利用率等，从而进一步提高安徽省的各地区物流效率和整体物流效率水平。

5 小结

本文以2008—2018 年安徽省地区16 个地级市的相关数据为依据，运用Input-BCC 的DEA 模型和Malmquist 指数法，构建投入产出效率评价指标体系，对安徽省地区的物流产业效率进行测算与评价。结果表明：纯技术效率、规模效率、技术进步、物流业新增固定资产投资额和物流产业生产总值都是影响其发展的重要因素。鉴于此，我们通过建立区域联动合作机制、加大物流产业规模效益、提高物流资源利用率、注重物流技术创新、提高物流信息化水平和保持物流产业新增固定资产投资额和物流产业生产总值稳定增长等措施提升安徽省整体物流产业效率。