中国区域物流产业的效率分析及高质量发展路径研究

唐建荣，田 雨 （江南大学商学院，江苏 无锡 214122）

0 引 言

物流产业融合了交通运输业、仓储业以及邮政业，是我国经济社会发展的基础性、服务性和战略性产业，我国区域物流产业的高效率和高质量发展对促进经济新旧动能转换、加快国民经济运转效率、提高企业核心竞争力、增强人民幸福感以及推动区域经济增长等方面都具有重要作用。“中国物流业，高质量发展是关键”。

2017 年，党的十九大报告指出：我国经济已转向高质量发展阶段。一方面，据《中国物流年鉴》统计，我国社会物流总额逐步扩张，2019 年全社会物流总额高达298 万亿元，社会物流总需求增长态势显著。另一方面，我国物流产业依然存在“高耗低效”的现象，2019 年我国社会物流总费用为14.6 万亿元，与GDP 的比率为14.7%，而发达国家一般控制在8%～10%，严重制约我国物流产业甚至整体国民经济的发展。

1 文献综述

有关物流产业效率的研究已成为国内外学者研究的热点，其研究主要涉及微观、中观和宏观三个层面。

一是微观企业层面，如Min 和Joo（2006）通过DEA 模型对美国物流企业（UPS、Fedex 等） 的运营效益进行研究；韩东亚和刘宏伟（2019）以80 家上市物流企业2013～2017 年财务数据为研究样本，利用随机前沿分析法（SFA） 对中国物流产业进行效率评价；李晓梅和白雪飞（2016）利用超效率DEA 模型对16 家上市物流企业2006～2015 年的数据进行研究，分别测度了16 家上市物流企业的纯技术效率、规模效率以及综合效率。

二是中观行业层面，如王金凤、翟雪琪和冯立杰（2014）通过建立煤矿生产物流的安全投入指标以及优化模型，对河南某煤业集团下属矿井进行实证分析，并进一步检验了该模型的有效性和适用性；汪旭晖和文静怡（2014）通过随机前沿分析方法测度了2003～2011 年我国23 个省、市、自治区的农产品物流效率；程书强和刘亚楠（2017）运用DEA-Malmquist 模型测算了2005～2014 年我国西部地区各省以及自治区的农产品物流效率，并对其效率变化和区域差异性进行深入研究。

三是宏观区域层面，这也是国内外学者们聚焦的热点。如Markovits 等（2014）采用DEA-PC 法对欧洲29 个国家的物流效率进行实证研究，并从多角度验证了该方法的科学性和适用性；唐建荣和唐萍萍（2018）利用方向距离函数模型测度了2007～2016 年我国31 个省、市、自治区的物流产业效率，并利用探索性空间数据分析法（ESDA） 和标准差椭圆法对其时空演化规律进行深入研究；钟祖昌（2010）运用三阶段DEA 法对2007 年我国31 个省、市、自治区的物流产业运营效率进行评价；高康和张步阔等（2019）运用超效率DEA 模型对2006～2017 年我国西部12 个省、自治区的物流效率进行测评，并在此基础上采用探索性空间数据分析法（ESDA） 对其空间相关性进行研究；唐建荣和卢玲珠（2013）利用三阶段DEA 模型对2008～2010 年我国东部10 省、市的物流产业纯技术效率、规模效率以及综合效率进行实证分析；龚雪（2019）通过DEA-Malmquist 模型测算了2007～2016 年我国中部6 省的物流效率；于丽英、施明康和李婧（2018）运用DEA 模型测度了2008～2015 年我国长江经济带11 个省、市的物流产业纯技术效率和规模效率，并通过Malmquist 指数模型分析了总效率变动、技术效率变动以及技术进步变动对长江经济带物流效率的影响。

数据包络分析（DEA） 模型作为物流产业效率静态分析的有效方法被国内外学者们广泛运用，但利用Malmquist 指数模型对物流效率进行动态分析和运用探索性空间分析（ESDA） 对其进行空间相关性检验的研究相对较少，随着学者们对物流产业效率研究的不断深入，实证分析方式由单一化逐渐向多元综合化转变。

2 研究方法和数据来源

本文通过DEA-BBC 模型研究我国区域物流产业静态效率，利用Malmquist 指数模型分析物流产业效率动态变化，最后根据Moran's I 指数模型检验我国区域物流产业效率的空间相关性。通过上述研究的系统诊断和分析，为我国区域物流产业效率研究和高质量发展路径研究提出针对性的建议。

第一次说“稍等”，是因为一个老婆婆的行李从手推车上掉了下来，拉尔夫过去帮她放好。第二次“稍等”的时候，他把两个小孩子分别举起来，好让他们看到窗外跑道上准备起飞的飞机。第三次，是为了拉我去欣赏墙上的两幅印象派油画……

2.1 研究方法

2.1.1 DEA。DEA 数据包络分析法相较其他数据分析法来说，不受指标量纲的影响，能综合处理多项投入、产出指标，有效降低计算服务成本，且精准度更高。传统的DEA 模型分为规模报酬不变（CRS） 的CCR 模型和规模报酬可变（VRS） 的BCC 模型。CCR 模型主要分析决策单元的整体运营效率，而BBC 能够测度决策单元的技术效率和规模效率，并且BCC 模型中投入没有冗余，不需要优化，操作更简便；除此之外，CCR 模型的假设条件是规模报酬不变，当决策单元测算结果显示无效时，CCR模型无法进一步确定无效的原因；BCC 模型则假设规模报酬可变，并且可进一步分解各决策单元的相对技术效率，不同决策单元可以进行效率比较。因此，综合以上两个方面，本文选用DEA-BCC 模型对30 个省、市自治区的区域物流产业静态效率进行测度。

式（1） 中s≥0, s≥0, λ≥0, j=1,2,…,n，此模型的经济含义是：若物流效率为1，则DEA 有效，否则非DEA 有效。

其中：技术效率指数衡量各决策单元不同生产期生产前沿面的技术效率变动情况，而技术进步指数反映不同生产期生产前沿面的移动情况。

2.1.3 探索性空间数据分析（ESDA）。地理学第一定律认为事物之间普遍存在联系，相近的事物关联性更强。探索性空间数据分析（ESDA） 常用于空间数据自相关性的分析，空间自相关是指某变量在特定空间分布内的观测值之间的潜在依赖性，即测度变量的空间集聚程度和关联性，通常用莫兰指数（Moran's I） 来衡量。基于此，本文引入全局莫兰指数（Global Moran's I） 和局部莫兰指数（Local Moran's I） 指数，以空间权重为基础，通过测算决策单元空间邻域层面的相似性和差异性来研究我国区域物流产业效力的空间分布状态及演化规律。其计算公式如下：

Global Moran's I 衡量整个研究区域内我国物流效率的空间分布情况以及与空间邻接的决策单元发展水平的相似度。

本文所有数据以2009 年为基期，运用平减指数剔除价格因素的影响，得到各指标的实际值。

3 实证研究与结果分析

3.1 物流产业静态效率分析。测度中国各省、市、自治区的物流产业效率是分析物流产业发展质量及静态、动态演化规律的基础。基于上述指标体系，本文收集了2009～2018 年中国30 个省、市、自治区的物流产业面板数据，采用DEA 模型以及Mamlquist指数来测算中国物流产业效率的发展水平。利用DEAP2.1 软件可以计算出2009～2018 年中国30 个省、市、自治区的物流产业综合效率，具体结果如表2 所示。

综合效率值为1 表明物流活动有效，且效率值越接近1 表明决策单元的物流产业发展水平越高，物流投入产出活动越合理。从表2 可以看出，观测年份内部分地区的物流产业综合效率值始终为1，如北京、天津、河北、上海、江苏、浙江、安徽、福建、广东，说明以上9 个地区在2009～2018 年的物流产业始终保持高水平发展，物流活动投入产出有效；内蒙古、辽宁、江西、山东、河南、湖南、海南、贵州、宁夏这9 个省、市、自治区的物流产业综合效率均值均为0.9 以上，说明这9 个地区的物流产业发展水平较高，但物流活动效率还有上升空间。而青海省2009～2018 年物流产业综合效率均值仅为0.394，新疆在观测年份内的物流产业综合效率均值为0.521，说明我国西部部分地区物流产业发展较为落后，物流效率亟待提高；并且物流效率空间分布不均衡，总体上表现为“东强西弱”的格局。

表1 物流产业效率评价指标体系

表2 2009～2018 年我国30 个省、市、自治区物流产业综合效率值及其均值

本文将2009 年、2012 年、2015 年、2018 年4 个年份作为研究截面，利用DEAP2.1 软件衡量我国区域物流产业效率，并借鉴李林泽等对物流产业效率等级的划分（如表3 所示），建立物流产业发展质量分级，并借助ArcGIS 10.7 软件生成我国物流产业效率的空间分布图（如图1 所示）。分析图1 发现：

图1 我国物流产业效率空间分布图

表3 物流产业发展质量分级表

（1） 我国物流产业效率空间分布具有一定的空间惰性和相变性。一方面，物流产业效率的峰值和谷值区域基本不变，具有一定的初值依赖性。以上述研究截面年份为例，青海省始终是效率的低谷，而效率峰值地区则高度集中于东部沿海等地区，表明我国区域物流产业效率具有一定的区间依赖性。另一方面，效率极值的范围发生变化，具有一定的相变性。对比研究初期，低效率地区由期初的西北和西南地区逐渐收敛到青海和甘肃两省；高效率地区由期初的东部沿海各省、市扩展到期末的北京、天津、河北、山西、辽宁、上海、江苏、浙江、安徽、福建、江西、湖南、广东以及贵州14 个地区。

（2） 我国物流产业空间发展质量呈现“东高西低”的带状梯度格局。具体来说，观测年限内我国物流产业效率均值为0.846，其中东部地区效率均值为0.989，中部地区效率均值为0.890，西部地区效率均值为0.718，东北地区效率均值为0.747，表现为东部＞中部＞东北＞西部的梯度递减态势。以图1 中的4 个年份为例，物流产业中、低发展质量地区连片展布，集中在西北（青海）、西南（重庆和四川） 和东北（黑龙江和吉林） 三大区域，而高质量发展地区则集中块状镶嵌于东部，并且块状格局逐步连成一体呈现带状伸展的趋势，形成环渤海（北京、天津和河北）、长三角（上海、江苏和浙江） 以及珠三角（广东、福建和江西） 三大区域。

3.2 物流产业动态效率分析。Malmquist 指数模型是将“全要素生产率指数”分解为“技术效率指数”和“技术进步指数”，全要素生产率指数大于1 表示效率提高，物流效率整体呈上升趋势；小于1 表示效率下降，物流效率整体呈下降趋势；等于1 表示效率保持不变。本文利用Deap2.1 软件测算30 个省、市及自治区物流产业效率的Malmquist 指数，具体结果如表4 所示。

从表4 可以看出，2009～2018 年我国年技术效率均值为1.002，技术进步均值为1.03，Malmquist 指数为1.033，说明我国技术效率上升了2%，技术进步上升了30%，Malmquist 指数上升了3.3%，这主要是由于技术进步的提高促进的。其中，辽宁省Malmquist 指数最高为1.097，这是由于技术效率和技术进步的双重促进作用，技术进步的效用更明显；值得注意的是，甘肃省Malmquist 指数仅为0.935，技术效率为0.927，技术进步为1.009，说明在观测年份内甘肃省Malmquist 指数下降了6.5%，这主要归因于技术效率的下降。

表4 2009～2018 年我国30 个省、市、自治区物流业Malmquist 指数

以表5 中2011～2012 年我国全要素生产率指数1.085 为例，2012 年同2011 年相比效率提高了8.5%，而2012～2013 年该指标变为0.944，表示2013 年整体的物流效率仅相当于2012 年整体物流效率的94.4%，属于效率下降。如表5 所示，我国物流产业在研究期间内整体Malmquist 指数波动幅度较大，并且和技术进步变动趋势较为一致。从结构上来看，Malmquist 指数在2012～2013 年、2014～2015 年下降，在其他年份均上升。综合以上分析可以看出，Malmquist 指数主要受技术进步影响，曲线变化几乎同步，这说明我国物流在2009～2018 年持续稳定发展主要得益于创新的技术支持。此外，Malmquist 指数呈现出涨落相继、升降相连的特征，反映我国区域物流效率的波动趋势。

表5 2009～2018 年我国物流产业Malmquist 指数的变动与分解

3.3 空间相关性分析。本文基于探索性空间数据分析法，利用Geoda 软件在蒙特卡洛999 次模拟检验之后测算出2009～2018 年我国30 个省、市、自治区物流产业发展的Global Moran's I 指数，如表6 所示。

由表6 可知，2009～2018 年，我国30 个省、市、自治区的物流产业效率Global Moran's I 指数值均为正值，总体呈波动下降的趋势，2016 年达到最小值0.360，2011 年达到最大值0.406，p 值变化不大且均小于0.05，通过了z 值检验，说明我国物流产业效率存在显著的全局空间正相关性。

表6 2009～2018 我国30 个省、市、自治区物流产业效率全局Moran 指数

以时序视角来看，Global Moran's I 指数呈现出先上升后下降的趋势，其中从2009 年的0.393 上升到2013 年的0.403，表明在2009～2014 年间我国物流产业发展的空间相互作用逐渐加强，2014～2018 年间稍微减弱，从0.387 下降至0.363，但始终保持着较高的空间相关性，即观测值具有空间集聚性。我国区域物流产业效率在空间分布上并不是随机的，在观测期内，我国30 个省、市、自治区的物流产业效率空间分布呈现如下四种不同的空间集聚主体：物流效率水平相对较高的区域倾向于与其他具有较高物流效率的区域相邻近，即体现空间集聚性的H-H 高值集聚区；而较低物流效率水平的区域倾向于与其他具有低物流效率水平的区域相邻近，即L-L 低值集聚区；以及体现空间差异性的物流效率L-H 低值被高值包围区、H-L 高值被低值包围区。

为了更加直观形象地分析我国30 个省、市、自治区物流产业效率的空间格局和集聚状态，本文以2009 年、2012 年、2015年和2018 年为研究对象，借助Geoda 软件绘制了以上4 个年份的物流产业效率Local Moran's I 指数散点图来分析中国物流产业效率空间格局的演变过程（如图2 所示）。

由图2 可知，我国物流产业效率的空间集聚模式主要是H-H 型以及L-L 型集聚，物流产业发展存在显著的空间正相关关系，空间单元具有同质性，即物流产业发展的时空演变分布并非相互独立变化，存在空间溢出效应；少数地区是L-H 型或H-L型集聚模式，表明我国物流产业发展存在显著的空间负相关关系，空间单元具有异质性。

图2 我国30 个省、市、自治区物流产业效率的Moran 指数散点图

为了更直观地分析各省、市、自治区的物流产业效率演化格局，以上4 个观测年份的物流产业效率LISA 集聚效果如表7 所示。

表7 我国物流产业效率LISA 集聚

从表7 中可以看出：（1） 4 种不同集聚主体数量变化。从时间维度上看，2009～2018 年，H-H 型地区从18 个增至20 个，L-H 型和L-L 型数量始终保持不变，分别为6 个和3 个，H-L 型地区从3 个降至1 个，表明我国物流产业效率空间集聚模式以H-H、L-L 型为主导，形成了“高—低”集聚的显著二元结构，我国物流产业效率呈明显两极分化趋势，且该趋势长期内并未得到本质改善。（2） 4 种不同集聚主体空间分布。H-H 型区域主要集中在经济较为发达的东部和中部，各省、市之间交通便捷，物流产业规模大效率高，形成了产业互联、设施互通、经济互补的区域一体化格局；L-L 型区域包括青海和新疆，其地处西北内陆，交通闭塞，经济欠发达，物流产业效率低下；L-H 型区域主要集中在我国西南以及中部偏北的省份，说明以上省份自身物流效率较低，物流产业发展慢于周边地区；H-L 型地区在以上4 个观测年份中仅有福建一省，其经济发展的溢出效应较弱，表现为自身经济水平的“一枝独秀”。（3） 4 种不同主体空间集聚演变。由以上4 个观测年份可以看出，我国物流产业效率整体空间配置格局变化不大，但个别省份变动明显。宁夏自治区从2009 年的H-L 型跃迁至2018 年的H-H 型，陕西省从L-H 型跃迁至H-H 型，甘肃省从L-L 型跃迁至H-H 型，以上3 个地区都位于西北内陆，其物流产业效率的突飞猛进主要归因于“西部大开发”战略和“一带一路”战略的政策红利、全球经济化和区域一体化的推动、物流基础设施的完善以及周围省、市、自治区经济发展的溢出效应等。

4 结论与对策

归纳并揭示物流产业发展规律是促进我国区域物流产业高质量发展、降本增效的基础和前提。本文首先通过DEA-BBC 模型测算了区域物流产业的静态效率并进行发展质量评价，其次利用Malmquist 指数模型分析其动态变化规律，最后运用Moran's I 指数研究我国区域物流产业效率的空间相关性。通过以上3 个层面的分析得到以下结论：（1） 2009～2018 年我国区域物流产业综合效率总体上呈波动上升态势，且呈现出显著的区域性差异，具体表现为“东强西弱”的格局。研究年份内东部地区物流产业综合效率值变化不大，中部、西部以及东北地区10 年间物流产业综合效率值均有较大提升，总体来说我国目前物流产业发展处于较高效率阶段和较高发展质量阶段，但部分地区物流产业综合效率和发展质量依然不高，在效率改进和发展质量改善方面存在重重阻碍。（2）2009～2018 年我国30 个省、市、自治区的Malmquist 指数总体上呈现出涨落相继、升降相连的特征。观测年份内我国Malmquist 指数均值为1.033，表明M 指数上升了3.3%，且M 指数曲线变化几乎与技术进步曲线一致，说明近年来我国物流产业的持续稳定发展主要依赖技术创新，技术进步带来的“增长效应”是物流产业高效率、高质量发展的核心引擎。（3） 通过Moran's I 指数模型的分析可以看出，我国物流产业发展存在显著的正相关关系，空间集聚模式主要为H-H 型、L-L 型，形成了显著的“高—低”集聚二元结构。我国物流产业效率两极分化严重，且该趋势长期内没有得到改善，但个别地区表现出明显的类型跃迁。

结合上述研究成果和结论，本文为提升我国物流产业发展效率、推动物流产业高质量发展，提出以下三点对策建议：（1）加快物流产业制度建立。科学完善的物流产业发展制度及机制是其高效高质发展的基础。一方面，政府应积极倡导物流产业制度的标准化、规范化改革，加强物流市场开放程度，同时推动物流产业相关准入制度的建立，提高行业准入门槛。另一方面，物流企业的转型升级以及结构性改革离不开我国物流体系的高效运转。政府和企业应共同推动物流产业信息共享平台的建设和发展，为现代化物流的高效率、高质量发展夯实基础。最后，物流产业与其他产业是相互扶持、相辅相成。政府应推动相关政策的建立和实施，加快物流产业与其它产业的融合发展，尤其要重点关注物流产业与交通运输业、仓储业以及邮政业等之间的互动作用，加快物流产业链的建立，同时推动物流综合运输枢纽等基础设施的完善，不断增强物流产业对其他产业的“溢出效应”以及外部融合能力，通过与各个产业的融合发展推动物流产业降本增效以及高质量发展。（2） 促进物流产业技术革新。物流产业效率的持续稳定增长离不开先进物流技术的支持，技术进步的“增长效应”是物流产业高效率、高质量发展的核心引擎。首先，政府应鼓励创新，通过政策的制定推动物流企业积极进行自主研发与技术创新，并大力促进产业融合，尤其是物流产业与人工智能、大数据平台等深度融合，增加物流产业科技创新支出以消减技术壁垒，削弱技术进步的“滞后效应”。其次，高素质专业人才是物流技术革新的关键，企业应积极引入物流专业人才，加强供应链一体化管理，推动企业信息管理水平的提升和相关物流资源的整合，推进物流产业供给侧结构性改革，实现物流产业的降本增效。最后，加快建立高效科学的运营模式，促进各地区物流产业信息互联互动平台的发展，推动物流产业数据与信息的对接与整合，在“互联网+”发展战略的优势下打造线上与线下联动的物流产业创新运营模式，推动物流产业的高质量发展。（3） 构建区域物流联动机制。我国物流产业的高效率、高质量发展依靠区域物流产业的协同发展以及空间布局的优化。首先，应发挥物流热点地区的带动作用，利用经济发达、基础设施完善的长三角地区（以上海、浙江、江苏为主）、京津冀地区（以北京、天津、河北为主）、珠三角地区（以广东、福建、江西为主） 的“溢出效应”拉动周边地区物流产业的发展，同时发掘物流效率潜力较大的地区（如内蒙古、辽宁、山东、河南、湖南、海南、贵州、宁夏等），逐步形成“南北互通、东西联动”的物流产业高效率发展格局。其次，重点关注物流效率的洼地即西部地区，鼓励东部地区的杰出物流企业将先进的物流技术以及成熟的物流运营理念向西部区域输出，同时利用中部区域在物流资源、信息输送中的桥梁作用，推动各地方物流产业合作机制的建立健全以及各区域物流信息共享平台的构建，规避“信息孤岛”、打破省域封锁，大力推动物流企业的跨地区物流资源和信息的整合，实现区域优势互补、协同合作，推动区域物流产业高质量发展。