论文部分内容阅读
摘要：物流业是国民经济基础性产业，提高物流业整体运作效率近年来成为各级政府关注的问题。本文以江西省11个设区市2012-2016年物流产业生产率为研究对象，结果表明考察期间江西省大部分地区的物流业属DEA非效率，物流业Malmquist指数增长的关键在于技术进步。
关键词：全要素生产率；物流业；数据包络分析DEA；Malmquist指数
一、引言
物流产业是现代经济高速运作的一个重要支撑，近几年东北三省物流产业取得了较快的发展，但也面临不少的问题，如各地方之间缺乏相互衔接的枢纽设施致使物流系统无法并网、无序的竞争造成重复建设增加，资源大量浪费。对当前东北近五年物流业技术进步水平、生产率增长的来源等方面进行合理的评估意义重大，寻找该区域物流业全要素生产率增长的因素，对振兴东北老工业基地具有重要重要意义。
二、研究方法与研究现状
经济学以全要素生产率（TFP）来衡量技术进步，全要素生产率的估算方法可归结为两大类：一类是增长会计法，另一类是经济计量法。增长会计法是以新古典增长理论为基础，估算过程相对简便，考虑因素较少，但主要缺点是假设约束较强，也较为粗糙；而经济计量法利用各种经济计量模型估算全要素生产率，较为全面地考虑各种因素的影响，主要包括隐性变量法和潜在产出法两类，由于隐性变量法在估算全要素生产率时，暗含着一个重要的假设即认为经济资源得到充分利用，此时，全要素生产率增长就等于技术进步率。潜在产出法将经济增长归为要素投入增长、技术进步和能力实现改善（技术效率提升）三部分，全要素生产率增长就等于技术进步率与能力实现率改善和估算出能力实现率和技术进步率，便给出全要素生产率增长率。在具体实证研究上，对东北三省物流产业技术进步和全要素生产率研究文献并不多见。王维国和马越越（2012）利用Malmquist-luenberger方法测算了我国30个省级区域1997-2009年十三年的物流业效率。高詹（2013）运用数据包络分析方法中的Malmquist指数模型对2001-2010年中原经济区29个地级市的城市物流效率进行了实证分析。
综上所述，造成各学者在我国物流产业技术进步和效率研究上结果不同的主要原因在于投入产出指标的选择不同，我们知道Malmquist-DEA方法测度TFP时可以直接利用线性优化给出边界生产函数与距离函数的估算，无需对生产函数形式和分布做出假设，因此可以用多投入多产出的指标来计算，其最大的缺点就是把观察值到前沿面的偏差都当作无效率的结果，完全忽略了测度的误差和其它噪音，这也就造成了各学者在使用Malmquist-DEA方法时选择的投入产出指标不同，从而得出的结论也不尽相同。
三、变量选取与数据说明
本文借鉴已有的研究成果，在DEA模型指标的选取上，在投入上从资本、人力、物质上去选取，用交通运输、仓储和邮政业固定资产投资额表示资本投入，用交通运输、仓储和邮政业就业人数表示劳动力投入。用运输线路网络里程、地区营运汽车拥有量、邮政网点个数来表示物质要素投入。产出指标上则选取交通运输、仓储和邮政业增加值表示物流产业经济产出，用货运量表示物流产业规模产出，如表1所示。
投入指标主要从人力资源、基础设施和固定资产三方而进行选取，人力资源投入方面选取的是交通运输、仓储和邮政业从业人员人数；基础设施投入方面选取运输线路网络里程、运汽车拥有量、邮政网点个数等；资本的投入选取交通运输、仓储和邮政业固定资产投资总额。产出指标主要物流产业的规模和质量两个维度去选取，规模方面采用交通运输方式的货运量；质量方面本文采用的是交通运输、仓储和邮政业增加值。
本文以东北三省为研究对象，采用的基础数据是2007-2016年东北三省物流产业投入产出指标的统计数据，数据来源于《中国统计年鉴（2008-2017年）》。选择2007-2016年十年期间的数据作为研究数据的主要是由于物流产业从投入到产出需要经过一定的时间延迟，要从较长的时间去跟踪分析。因目前物流产业没有单独统计指标体系，本文以交通运输业、仓储业和邮政业的统计数据来代替物流业进行分析。
四、实证分析
（一）物流效率的静态分析
根据前述DEA分析模型和方法以及评价物流效率的投入产出指标体系，利用DEAP2.1软件对东北三省物流业的综合技术效率、纯技术效率和规模效率分别进行测算。决策单元DMU个数为6，投入指标个数均为5，产出指标个数为2，输入2007-2016年样本数据，结果如下：
1.综合效率分析。综合效率值为1，说明DEA有效的，投入产出达到最优状态；综合效率值低于1，表明生产效率是无效，通过调整合理配置资源可提高其产出效益。
从2007-2016年，辽宁省省的综合效率均值为0.935，在东北地区位列第一，远高于其他两省份，处于区域领先水平，2015年和2016年年份均保持在1，物流业投入产出达到DEA有效，说明辽宁省的物流效率较高；黑龙江省的综合效率均值为0.59，在东北地区排名第二，吉林省0.546排第三，反映出東北三省物流业发展的不平衡性。
2.纯技术效率分析
纯技术效率=1，说明投入因素已达到最大利用程度，无需进行改进。当纯技术效率<1，说明投入因素的利用程度有待改善。
从表3可知，安徽省的纯技术效率均值为0.978，远高于东北地区的平均水平，遥遥领先于其他两省份，其中，辽宁省的纯技术效率值在2010-2016年一直保持在1，说明辽宁省的物流业投入资源得到充分利用，实现了纯技术有效；同样，黑龙江省和吉林省均值仅为0.6左右，与第一名相差较大。
3.规模效率分析
规模效率表示投入要素和产出两者之间数量比例是否达到最优匹配状态。当规模效率为1时，说明投入和产出达到最优，通俗的理解是以最低的成本达到最大规模的产出；当规模效率小于1，说明投入没有达到最佳规模的产出，或者在产出既定情况下，成本没有达到最低。 从表4可以得知，东北三省在研究期间内产业规模效率的均值均达到0.9以上，说物流投入资源得到有效利用，物流配置能力较高。结合表4、5、6，以效率值0.9作为两条分界线，可以将东北三省的物流效率分为2种类型，第一类是“双高型”，即纯技术效率值与规模效率值均大于0.9，有辽宁省。第二类是“低高型”，即纯技术效率值小于0.9且规模效率值大于0.9，有黑龙山省和吉林省，这类地区需着重提高技术水平。
4.东北三省物流系统松弛变量
在上面效率评估基础上，对综合效率没有达到最优的省份进行进一步分析，在此，本文以2016年东北三省的数据为例，计算5个综合效率值小于1的省份的投入产出调整差额，结果如表7所示。
由表7可知，2016年东北地区2个DEA无效的省份中，5个投入指标均出现冗余，其中，黑龙江固定资产投资额冗余值为480.16亿元，吉林省为547.26亿元，；从业人数冗余最高的黑龙江省，达到11.48万人；运输线路黑龙江省的冗余额高达13.24万公里，路网拥挤现象明显，吉林省为7.11万公里；地区营运汽车拥有量投入冗余值，最高的是黑龙江省，达21.63万辆，吉林省为16.03万辆；邮政网点数投入冗余值为，黑龙江省为1994个，吉林省为1753个。这些数据充分表明东北地区物流产业投入冗余，物流资源的配置存在较大改善空间，在今后的发展中应适当减少投入，提高资源利用的有效性。另外，通过2个产出指標的测算得知，辽宁省和吉林两地，无论是物流业增加值，还是货运量，均不存在产出短缺问题。
（三）东北三省物流效率的结构分析
在上面建立投入产出模型测算分析的基础上，在这部分运用Malmquist指数模型测算全要素生产率（TFP）变动情况，对东北物流业Malmqu指数进一步分解，具体如表6所示。
由表6可以看出，从2007-2016年东北地区不同省份的物流业全要素生产率指数变化存在差异：辽宁Malmquist指数分别增长了3.2%，主要源于技术效率的提高；黑龙江、吉林省的Malmquist指数出现了下降趋势，分别下降了5%/、3.5%，且完全是由于技术进步的降低所致，反观技术效率则没有变化，这也进一步印证技术进步是物流产业生产率增长的主要原因。
五、结论
本文运用动态、静态相结合的分析方式从地市层面和区域层面东北三省物流业全要素生产率进行了研究。结果显示：（1）东北三省的物流效率整体水平一般，3个省份物流业综合效率排名由高到低依次为辽宁、吉林、黑龙江，其中，辽宁综合效率值达到了0.9以上，吉林和黑龙江的综合效率值在06左右，这反映出东北三省物流业发展的不平衡性；东北三省的规模效率值均在0.9以上，表明东北地区物流投入资源得到有效利用，物流配置能力较高。（2）从投入产出松弛变量来看，5个投入指标均出现冗余，而2个产出指标均不存在短缺问题，表明东北地区物流资源配置方面还存在冗余现象，资源未能得到有效利用，物流资源的配置存在较大改善空间，在今后的发展中应适当减少投入，提高资源利用的有效性。
参考文献：
[1]王维国，马越越.中国区域物流产业效率——基于三阶段DEA模型的Malmquist-luenberger指数方法[J].系统工程，2012，30（03）：66-75.
[2]高詹.中原经济区城市物流效率时空测度与比较研究[J].商业研究，2013（12）：171-177.
[3]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，2014，36（07）：1425-1433.
[4]孟鑫.基于DEA模型的长江经济带物流产业效率分析[J].企业经济，2015（12）：108-113.
[5]唐建荣，徐媛媛，杜聪.区域物流效率评价及其空间效应研究[J].哈尔滨商业大学学报（社会科学版），2016（02）：3-14.
关键词：全要素生产率；物流业；数据包络分析DEA；Malmquist指数
一、引言
物流产业是现代经济高速运作的一个重要支撑，近几年东北三省物流产业取得了较快的发展，但也面临不少的问题，如各地方之间缺乏相互衔接的枢纽设施致使物流系统无法并网、无序的竞争造成重复建设增加，资源大量浪费。对当前东北近五年物流业技术进步水平、生产率增长的来源等方面进行合理的评估意义重大，寻找该区域物流业全要素生产率增长的因素，对振兴东北老工业基地具有重要重要意义。
二、研究方法与研究现状
经济学以全要素生产率（TFP）来衡量技术进步，全要素生产率的估算方法可归结为两大类：一类是增长会计法，另一类是经济计量法。增长会计法是以新古典增长理论为基础，估算过程相对简便，考虑因素较少，但主要缺点是假设约束较强，也较为粗糙；而经济计量法利用各种经济计量模型估算全要素生产率，较为全面地考虑各种因素的影响，主要包括隐性变量法和潜在产出法两类，由于隐性变量法在估算全要素生产率时，暗含着一个重要的假设即认为经济资源得到充分利用，此时，全要素生产率增长就等于技术进步率。潜在产出法将经济增长归为要素投入增长、技术进步和能力实现改善（技术效率提升）三部分，全要素生产率增长就等于技术进步率与能力实现率改善和估算出能力实现率和技术进步率，便给出全要素生产率增长率。在具体实证研究上，对东北三省物流产业技术进步和全要素生产率研究文献并不多见。王维国和马越越（2012）利用Malmquist-luenberger方法测算了我国30个省级区域1997-2009年十三年的物流业效率。高詹（2013）运用数据包络分析方法中的Malmquist指数模型对2001-2010年中原经济区29个地级市的城市物流效率进行了实证分析。
综上所述，造成各学者在我国物流产业技术进步和效率研究上结果不同的主要原因在于投入产出指标的选择不同，我们知道Malmquist-DEA方法测度TFP时可以直接利用线性优化给出边界生产函数与距离函数的估算，无需对生产函数形式和分布做出假设，因此可以用多投入多产出的指标来计算，其最大的缺点就是把观察值到前沿面的偏差都当作无效率的结果，完全忽略了测度的误差和其它噪音，这也就造成了各学者在使用Malmquist-DEA方法时选择的投入产出指标不同，从而得出的结论也不尽相同。
三、变量选取与数据说明
本文借鉴已有的研究成果，在DEA模型指标的选取上，在投入上从资本、人力、物质上去选取，用交通运输、仓储和邮政业固定资产投资额表示资本投入，用交通运输、仓储和邮政业就业人数表示劳动力投入。用运输线路网络里程、地区营运汽车拥有量、邮政网点个数来表示物质要素投入。产出指标上则选取交通运输、仓储和邮政业增加值表示物流产业经济产出，用货运量表示物流产业规模产出，如表1所示。
投入指标主要从人力资源、基础设施和固定资产三方而进行选取，人力资源投入方面选取的是交通运输、仓储和邮政业从业人员人数；基础设施投入方面选取运输线路网络里程、运汽车拥有量、邮政网点个数等；资本的投入选取交通运输、仓储和邮政业固定资产投资总额。产出指标主要物流产业的规模和质量两个维度去选取，规模方面采用交通运输方式的货运量；质量方面本文采用的是交通运输、仓储和邮政业增加值。
本文以东北三省为研究对象，采用的基础数据是2007-2016年东北三省物流产业投入产出指标的统计数据，数据来源于《中国统计年鉴（2008-2017年）》。选择2007-2016年十年期间的数据作为研究数据的主要是由于物流产业从投入到产出需要经过一定的时间延迟，要从较长的时间去跟踪分析。因目前物流产业没有单独统计指标体系，本文以交通运输业、仓储业和邮政业的统计数据来代替物流业进行分析。
四、实证分析
（一）物流效率的静态分析
根据前述DEA分析模型和方法以及评价物流效率的投入产出指标体系，利用DEAP2.1软件对东北三省物流业的综合技术效率、纯技术效率和规模效率分别进行测算。决策单元DMU个数为6，投入指标个数均为5，产出指标个数为2，输入2007-2016年样本数据，结果如下：
1.综合效率分析。综合效率值为1，说明DEA有效的，投入产出达到最优状态；综合效率值低于1，表明生产效率是无效，通过调整合理配置资源可提高其产出效益。
从2007-2016年，辽宁省省的综合效率均值为0.935，在东北地区位列第一，远高于其他两省份，处于区域领先水平，2015年和2016年年份均保持在1，物流业投入产出达到DEA有效，说明辽宁省的物流效率较高；黑龙江省的综合效率均值为0.59，在东北地区排名第二，吉林省0.546排第三，反映出東北三省物流业发展的不平衡性。
2.纯技术效率分析
纯技术效率=1，说明投入因素已达到最大利用程度，无需进行改进。当纯技术效率<1，说明投入因素的利用程度有待改善。
从表3可知，安徽省的纯技术效率均值为0.978，远高于东北地区的平均水平，遥遥领先于其他两省份，其中，辽宁省的纯技术效率值在2010-2016年一直保持在1，说明辽宁省的物流业投入资源得到充分利用，实现了纯技术有效；同样，黑龙江省和吉林省均值仅为0.6左右，与第一名相差较大。
3.规模效率分析
规模效率表示投入要素和产出两者之间数量比例是否达到最优匹配状态。当规模效率为1时，说明投入和产出达到最优，通俗的理解是以最低的成本达到最大规模的产出；当规模效率小于1，说明投入没有达到最佳规模的产出，或者在产出既定情况下，成本没有达到最低。 从表4可以得知，东北三省在研究期间内产业规模效率的均值均达到0.9以上，说物流投入资源得到有效利用，物流配置能力较高。结合表4、5、6，以效率值0.9作为两条分界线，可以将东北三省的物流效率分为2种类型，第一类是“双高型”，即纯技术效率值与规模效率值均大于0.9，有辽宁省。第二类是“低高型”，即纯技术效率值小于0.9且规模效率值大于0.9，有黑龙山省和吉林省，这类地区需着重提高技术水平。
4.东北三省物流系统松弛变量
在上面效率评估基础上，对综合效率没有达到最优的省份进行进一步分析，在此，本文以2016年东北三省的数据为例，计算5个综合效率值小于1的省份的投入产出调整差额，结果如表7所示。
由表7可知，2016年东北地区2个DEA无效的省份中，5个投入指标均出现冗余，其中，黑龙江固定资产投资额冗余值为480.16亿元，吉林省为547.26亿元，；从业人数冗余最高的黑龙江省，达到11.48万人；运输线路黑龙江省的冗余额高达13.24万公里，路网拥挤现象明显，吉林省为7.11万公里；地区营运汽车拥有量投入冗余值，最高的是黑龙江省，达21.63万辆，吉林省为16.03万辆；邮政网点数投入冗余值为，黑龙江省为1994个，吉林省为1753个。这些数据充分表明东北地区物流产业投入冗余，物流资源的配置存在较大改善空间，在今后的发展中应适当减少投入，提高资源利用的有效性。另外，通过2个产出指標的测算得知，辽宁省和吉林两地，无论是物流业增加值，还是货运量，均不存在产出短缺问题。
（三）东北三省物流效率的结构分析
在上面建立投入产出模型测算分析的基础上，在这部分运用Malmquist指数模型测算全要素生产率（TFP）变动情况，对东北物流业Malmqu指数进一步分解，具体如表6所示。
由表6可以看出，从2007-2016年东北地区不同省份的物流业全要素生产率指数变化存在差异：辽宁Malmquist指数分别增长了3.2%，主要源于技术效率的提高；黑龙江、吉林省的Malmquist指数出现了下降趋势，分别下降了5%/、3.5%，且完全是由于技术进步的降低所致，反观技术效率则没有变化，这也进一步印证技术进步是物流产业生产率增长的主要原因。
五、结论
本文运用动态、静态相结合的分析方式从地市层面和区域层面东北三省物流业全要素生产率进行了研究。结果显示：（1）东北三省的物流效率整体水平一般，3个省份物流业综合效率排名由高到低依次为辽宁、吉林、黑龙江，其中，辽宁综合效率值达到了0.9以上，吉林和黑龙江的综合效率值在06左右，这反映出东北三省物流业发展的不平衡性；东北三省的规模效率值均在0.9以上，表明东北地区物流投入资源得到有效利用，物流配置能力较高。（2）从投入产出松弛变量来看，5个投入指标均出现冗余，而2个产出指标均不存在短缺问题，表明东北地区物流资源配置方面还存在冗余现象，资源未能得到有效利用，物流资源的配置存在较大改善空间，在今后的发展中应适当减少投入，提高资源利用的有效性。
参考文献：
[1]王维国，马越越.中国区域物流产业效率——基于三阶段DEA模型的Malmquist-luenberger指数方法[J].系统工程，2012，30（03）：66-75.
[2]高詹.中原经济区城市物流效率时空测度与比较研究[J].商业研究，2013（12）：171-177.
[3]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，2014，36（07）：1425-1433.
[4]孟鑫.基于DEA模型的长江经济带物流产业效率分析[J].企业经济，2015（12）：108-113.
[5]唐建荣，徐媛媛，杜聪.区域物流效率评价及其空间效应研究[J].哈尔滨商业大学学报（社会科学版），2016（02）：3-14.