论文部分内容阅读
摘要：在CCR模型的基础上，可建立考虑投入导向的超效率DEA模型，并将其用于测算2000-2013年全国、八大综合经济区、31个省区市制造业子系统、物流业子系统以及考虑制造业与物流业互为投入要素的综合系统的效率值。测算结果显示，超效率DEA模型比传统DEA模型更切合实际，自2000年以来，全国制造业子系统、物流业子系统以及将制造业作为物流业投入要素的物流业子系统的超效率值均有所提升。同时比较发现，以物流业作为产出指标有效率的地区个数明显多于以制造业为产出指标的有效率地区的个数，说明当前我国大部分地区制造业对物流业发展的带动作用明显大于物流业发展对制造业发展的带动作用，物流业发展对制造业效率水平的提升仍然有待于进一步提升。未来发展过程中，制造业与物流业联动发展系统运作效率的提升仍然需要不断降低物流成本，提高物流业对制造业发展的贡献度。
关键词：超效率DEA；制造业；物流业；联动发展
一、引言
制造业与物流业在联动发展中构成了一个相互关联、相互影响的复合系统，这一联动发展系统包含制造业子系统、物流业子系统以及制造业与物流业联动发展子系统三大模块（参见图1）。因此，探讨制造业与物流业联动效果，首先要分析的是各子系统内部的综合运作效率，其次是分析制造业与物流业互为投入要素的综合运作效率。本文拟运用超效率DEA模型分别分析制造业子系统、物流业子系统的效率值，在此基础上考虑制造业与物流业互为对方的投入要素时，分析整个系统效率值的变化，进而判断制造业与物流业联动发展的效率变动情况。
二、理论分析
传统DEA模型在评价过程中只能区分出有效率和无效率的决策单元，对于多个决策单元同为有效率时无法比较和排序，而超效率数据包络分析模型（Super Emciency DEA，SE-DEA）弥补了这方面的缺陷，其基本评价思想是：评价过程不会改变在CCR中相对无效决策单元在超效率DEA模型中的有效性，即其最终效率值与传统DEA模型测量出来的结果相同。但就有效决策单元而言，在其效率值不变的前提下，投入按照比例增加，将投入增加的比例记为超效率评价值。因此生产前沿面后移，故其测算的效率值要大于利用传统DEA模型测定的效率值。
目前该方法已经在区域创新、能源经济、生态环境等领域得到广泛的应用。
三、制造业与物流业联动发展效率评价实证分析
（一）制造业子系统与物流业子系统的效率评价
1.指标体系构建
遵循样本数据的可比性、可得性以及科学性原则，本文从投入产出角度出发，构建了制造业子系统和物流业子系统的指标体系如表1所示，研究对象是中国大陆各省、自治区和直辖市，选取了2000-2013年的数据，数据来源于各年度的《中国统计年鉴》。
2.制造业子系统的效率值分析
首先在CCR模型基础上，建立投入导向的超效率模型，基于DEA-Frontier软件计算超效率值，其结果如表2所示。从中可以看出，在超效率DEA模型下，全国制造业综合效率指数从2000年的0.970提高为2013年的1.005，在波动中略有上升，年均值水平为0.968，2013年达到期间最高水平1.005，说明经过十多年的发展，我国制造业综合效率有一定程度的提升。分综合经济区来看，我国制造业综合效率值呈现为东北部综合经济区（1.267）>北部沿海综合经济区（1.230）>南部沿海综合经济区（1.139）>东部沿海综合经济区（1.119）>黄河中游综合经济区（0.960）>大西北综合经济区（0.804）>长江中游综合经济区（0.742）>大西南综合经济区（0.736）。其中，东北部综合经济区、北部沿海综合经济区、东部沿海综合经济区和南部沿海综合经济区效率均值水平高于全国平均水平。从各省份来看，制造业综合效率均值最高的地区是黑龙江，年均值为2.044，其次为广东，年均值为1.749。年均值高于1的省区市还包括北京、天津、河北、山东、上海、江苏、内蒙古和新疆，除内蒙古和新疆外，其他地区总体的经济发展水平均较高。制造业综合效率值较低的地区主要集中于西藏、贵州、甘肃等地，其中西藏最低，年均值为0.526。
从DEA有效性个数来看（参见表3），全国制造业DEA有效性个数在波动中上升，2000年为8个地区，2013年为13个地区，2010年和2011年达到期间最高值15个地区。DEA有效性个数较多的地区主要集中于北部沿海综合经济区（45个）、东部沿海综合经济区（28个）、黄河中游经济区（25个）和南部沿海综合经济区（21个），而长江中游综合经济区和大西南综合经济区均为DEA非有效性地区，未来改进的空间很大。
3.物流业子系统的效率值分析
首先在CCR模型的基礎上，建立投入导向的物流业子系统的超效率DEA模型，其结果如表4所示。从中可以看出，在超效率DEA模型中，全国物流业综合效率指数从2000年的0.988提高到2013年的1.073，在波动中略有上升，年均值为0.974，2013年达到期间最高水平1.073，2002年为期间最低水平0.944。分综合经济区来看，我国物流业综合效率值呈现为东部沿海综合经济区（1.917）>北部沿海综合经济区（1.356）>南部沿海综合经济区（1.021）>黄河中游综合经济区（0.968）>长江中游综合经济区（0.890）>东北部综合经济区（0.775）>大西南综合经济区（0.672）>大西北综合经济区（0.570）。其中，东部沿海综合经济区、北部沿海综合经济区和南部沿海综合经济区效率均值水平高于全国平均水平。从各省份看，上海市各年份的物流业综合效率值均为最高，从2000年的3.670在波动中逐步提升为2013年的5.757，年均值为3.324，始终高于其他省区市的效率值；其次为天津市，年均值为2.056。均值水平高于1的地区还包括河北、山东、江苏、浙江、福建、广东、山西、安徽等8个地区，表明这些地区为DEA投入有效区，其中，除了安徽和山西外，均为沿海经济发达地区。物流业综合效率值较低的地区主要集中于青海、西藏、新疆、云南等，其中青海最低，年均值为0.417。 从DEA有效性个数来看（参见表5），全国物流业DEA有效性个数在波动中略有上升，2000年为9个地区，2013年为10个地区，而2008年为期间最低水平，仅3个地区。从八大综合经济区来看，北部沿海综合经济区的物流业DEA有效性个数（39个）>东部沿海综合经济区（35个）>南部沿海综合经济区（15个）>黄河中游综合经济区（14个）>长江中游综合经济区（9个）>东北综合经济区（6个）>大西北综合经济区（5个）。而大西南综合经济区均为DEA非有效区，未来改善的空间很大。
（二）制造业与物流业互为投入要素的效率值分析
1.指标体系构建
制造业与物流业的联动发展意味着双方互为投入要素，从而对系统产生影响，因此在表2的基础上，考虑了双方对彼此的影响后，构建了如表6所示的指标体系。
2.制造业作为物流业投人要素的物流业系统的超效率值
首先在CCR模型基础上，建立投入导向的超效率DEA模型，其结果如表7所示。从中可以看出，全国物流业系统的超效率值从2000年的1.221提升到2013年的1.299，年均值为1.255，2004年的1.342为期间最高值。从八大综合经济区来看，东部沿海综合经济区（1.856）>北部沿海综合经济区（1.504）>大西北综合经济区（1.455）>南部沿海综合经济区（1.297）>黄河中游综合经济区（1.168）>长江中游综合经济区（1.077）>大西南综合经济区（0.906）>东北综合经济区（0.878）。其中，东部沿海综合经济区、北部沿海综合经济区、大西北综合经济区以及南部沿海综合经济区的超效率DEA值高于全国平均水平，除了大西北综合经济区外，其他三大经济区主要是经济较为发达地区。从各省份来看，在考虑了制造业作为投入项的情况下，上海市各年份的物流业超效率DEA值均为最高，从2000年的3.670在波动中逐步提升为2013年的5.757，年均值为3.324，始终高于其他省区市的效率值；其次为天津市，年均值为2.197。均值水平高于1的省区市还包括辽宁、北京、河北、山东、江苏、浙江、福建、海南、山西、内蒙古、安徽、江西、湖南、广西、贵州、西藏、甘肃等。
从DEA有效性个数来看（参见表8），全国物流业DEA有效性个数在波动中略有上升，2000年为14个地区，2013年为15个地区，2004年和2006年达到期间最高值18个地区，而2012年为期间最低值13个地区。从八大综合经济区来看，北部沿海综合经济区的物流业DEA有效性个数（55个）>大西北综合经济区（36个）>东部沿海综合经济区（29个）>黄河中游综合经济区和长江中游综合经济区（各为27个）>南部沿海综合经济区（23个）>大西南综合经济区（15个）>东北综合经济区（8个）。
2.考虑物流业作为制造业投入要素的制造业系统的超效率值
首先在CCR模型的基础上，建立投入导向的制造业系统超效率模型，其结果如表9所示，从中可以看出，全国制造业系统的超效率值略有下降。从八大综合经济区来看，东部沿海综合经济区（1.940）>北部沿海综合经济区（1.349）>东北综合经济区（1.303）>南部沿海综合经济区（1.079）>黄河中游综合经济区（0.995）>大西北综合经济区（0.828）>长江中游综合经济区（0.788）>大西南综合经济区（0.765）。其中，东部沿海综合经济区、北部沿海综合经济区、东北综合经济区均高于全国平均水平。从各省份看，在考虑物流业作为投入项的制造业超效率值中，上海市最高，年均效率值为3.211，各年份的效率值在全国31个省区市中均是最高的。均值水平高于1的省区市还包括黑龙江、北京、天津、河北、山东、江苏、浙江、广东、河南、内蒙古以及新疆等。从中可以看出，除了黑龙江、河南、内蒙古和新疆外，有效率的地区几乎都集中于北部沿海综合经济区、东部沿海综合经济区以及南部沿海综合经济区。
从DEA有效性个数来看（参见表10），全国制造业DEA有效性个数在波动中逐步上升，2000年为11个地区，2013年为16个地区，2010年达到历史的最高值17个地区。从八大综合经济区来看，北部沿海综合经济区的制造业DEA有效性个数（52个）>东部沿海综合经济区（42个）>南部沿海综合经济区（25个）>黄河中游综合经济区（24个）>大西北综合经济区（19个）>东北综合经济区（18个）>长江中游综合经济区（2个）>大西南综合经济区（1个）。
四、结论及建议
以上的对比分析可以得出如下结论：
第一，比较表3和表10可以看出，在考虑了物流业作为投入要素时，整个制造业系统的DEA有效性个数（183个）高于不考虑物流业作为投入要素时制造业子系统的DEA有效性个数（149个）。比较表5和表8可知，在考虑了制造业作为投入要素時，整个物流业系统的DEA有效性个数（220个）大于不考虑制造业作为投入要素时物流业子系统的DEA有效性个数（123个）。这充分说明制造业和物流业的影响是相互的，这种相互影响使系统总体的有效性明显增强。
第二，比较表8和表10可以看出，考虑制造业作为投入要素、物流业作为产出的有效率地区个数（220个）明显多于以物流业作为投入要素、制造业为产出的有效率地区个数（183个），说明当前我国大部分地区制造业对物流业发展的带动作用明显强于物流业对制造业的带动作用，物流业对制造业效率水平的积极影响仍然有待于进一步提升，其中如何降低物流业发展的成本至关重要。
第三，如果将表2和表4的最后一列均值水平综合考虑并绘制坐标图，其中横坐标表示制造业子系统的超效率值，纵坐标表示物流业子系统的超效率值，将31个省区市的分布情况标记在同一坐标图中，并以1为分界点，将其分为四个象限，可以发现：位于右上象限的地区包括天津、河北、山东、上海、江苏、广东6个地区，这些区域均为东部沿海经济发达的区域，制造业与物流业发展较为成熟，整体运作效率较高；位于右下象限的地区包括黑龙江、北京、内蒙古、新疆4个地区，说明这4个地区制造业系统效率值较高，而物流业系统效率值较低，未来仍需进一步提高物流业子系统的运作效率值；位于左上象限的地区包括浙江、福建、山西、安徽4个地区，说明这4个地区制造业系统效率值较低，但物流业系统效率值较高；位于左下象限的地区最多，包括辽宁、吉林、海南、陕西、河南、江西、湖北、湖南、广西、重庆、四川、贵州、云南、西藏、甘肃、青海、宁夏等17个地区，除了海南为东部沿海地区外，其他地区总体经济情况相对落后，说明这些区域不论是制造业还是物流业子系统的效率值，均有很大的提升空间。
第四，如果将表7和表9最后一列的数据综合考虑并绘制坐标图，其中，横坐标表示以物流业为投入要素的制造业系统超效率值，纵坐标表示以制造业为投入要素的物流业系统超效率值，并以1为分界点，将其分为四个象限，可以发现：位于右上象限的地区包括北京、天津、河北、山东、上海、江苏、浙江、内蒙古8个地区，说明这些地区制造业与物流业互为投入产出时的超效率值均比较高；位于右下象限的地区包括广东、黑龙江、河南、新疆等4个地区，说明这些地区物流业为投入、制造业为产出的效率值有效，而制造业为投入、物流业为产出的效率值无效；位于左上象限的地区包括福建、辽宁、广西、海南、贵州、湖南、甘肃、江西、宁夏、安徽、山西和西藏等12个地区，说明这些地区制造业为投入、物流业为产出的效率值有效，而物流业为投入，制造业为产出的效率值无效；位于左下象限的地区包括吉林、青海、陕西、云南、四川、重庆和湖北等7个地区，这些地区制造业为投入、物流业为产出与制造业为产出、物流业为投入的效率值均无效。从中可以看出，在考虑了制造业与物流业作为投入要素对彼此产出的影响时，大部分地区的超效率值均有所提升，但各个地区提升的幅度不一。
同时，在两个坐标图中，我国大部分地区位于左下象限区域，位于右上象限区域的地区较少，再一次说明了物流业对制造业效率提升的作用有待于进一步发挥。
关键词：超效率DEA；制造业；物流业；联动发展
一、引言
制造业与物流业在联动发展中构成了一个相互关联、相互影响的复合系统，这一联动发展系统包含制造业子系统、物流业子系统以及制造业与物流业联动发展子系统三大模块（参见图1）。因此，探讨制造业与物流业联动效果，首先要分析的是各子系统内部的综合运作效率，其次是分析制造业与物流业互为投入要素的综合运作效率。本文拟运用超效率DEA模型分别分析制造业子系统、物流业子系统的效率值，在此基础上考虑制造业与物流业互为对方的投入要素时，分析整个系统效率值的变化，进而判断制造业与物流业联动发展的效率变动情况。
二、理论分析
传统DEA模型在评价过程中只能区分出有效率和无效率的决策单元，对于多个决策单元同为有效率时无法比较和排序，而超效率数据包络分析模型（Super Emciency DEA，SE-DEA）弥补了这方面的缺陷，其基本评价思想是：评价过程不会改变在CCR中相对无效决策单元在超效率DEA模型中的有效性，即其最终效率值与传统DEA模型测量出来的结果相同。但就有效决策单元而言，在其效率值不变的前提下，投入按照比例增加，将投入增加的比例记为超效率评价值。因此生产前沿面后移，故其测算的效率值要大于利用传统DEA模型测定的效率值。
目前该方法已经在区域创新、能源经济、生态环境等领域得到广泛的应用。
三、制造业与物流业联动发展效率评价实证分析
（一）制造业子系统与物流业子系统的效率评价
1.指标体系构建
遵循样本数据的可比性、可得性以及科学性原则，本文从投入产出角度出发，构建了制造业子系统和物流业子系统的指标体系如表1所示，研究对象是中国大陆各省、自治区和直辖市，选取了2000-2013年的数据，数据来源于各年度的《中国统计年鉴》。
2.制造业子系统的效率值分析
首先在CCR模型基础上，建立投入导向的超效率模型，基于DEA-Frontier软件计算超效率值，其结果如表2所示。从中可以看出，在超效率DEA模型下，全国制造业综合效率指数从2000年的0.970提高为2013年的1.005，在波动中略有上升，年均值水平为0.968，2013年达到期间最高水平1.005，说明经过十多年的发展，我国制造业综合效率有一定程度的提升。分综合经济区来看，我国制造业综合效率值呈现为东北部综合经济区（1.267）>北部沿海综合经济区（1.230）>南部沿海综合经济区（1.139）>东部沿海综合经济区（1.119）>黄河中游综合经济区（0.960）>大西北综合经济区（0.804）>长江中游综合经济区（0.742）>大西南综合经济区（0.736）。其中，东北部综合经济区、北部沿海综合经济区、东部沿海综合经济区和南部沿海综合经济区效率均值水平高于全国平均水平。从各省份来看，制造业综合效率均值最高的地区是黑龙江，年均值为2.044，其次为广东，年均值为1.749。年均值高于1的省区市还包括北京、天津、河北、山东、上海、江苏、内蒙古和新疆，除内蒙古和新疆外，其他地区总体的经济发展水平均较高。制造业综合效率值较低的地区主要集中于西藏、贵州、甘肃等地，其中西藏最低，年均值为0.526。
从DEA有效性个数来看（参见表3），全国制造业DEA有效性个数在波动中上升，2000年为8个地区，2013年为13个地区，2010年和2011年达到期间最高值15个地区。DEA有效性个数较多的地区主要集中于北部沿海综合经济区（45个）、东部沿海综合经济区（28个）、黄河中游经济区（25个）和南部沿海综合经济区（21个），而长江中游综合经济区和大西南综合经济区均为DEA非有效性地区，未来改进的空间很大。
3.物流业子系统的效率值分析
首先在CCR模型的基礎上，建立投入导向的物流业子系统的超效率DEA模型，其结果如表4所示。从中可以看出，在超效率DEA模型中，全国物流业综合效率指数从2000年的0.988提高到2013年的1.073，在波动中略有上升，年均值为0.974，2013年达到期间最高水平1.073，2002年为期间最低水平0.944。分综合经济区来看，我国物流业综合效率值呈现为东部沿海综合经济区（1.917）>北部沿海综合经济区（1.356）>南部沿海综合经济区（1.021）>黄河中游综合经济区（0.968）>长江中游综合经济区（0.890）>东北部综合经济区（0.775）>大西南综合经济区（0.672）>大西北综合经济区（0.570）。其中，东部沿海综合经济区、北部沿海综合经济区和南部沿海综合经济区效率均值水平高于全国平均水平。从各省份看，上海市各年份的物流业综合效率值均为最高，从2000年的3.670在波动中逐步提升为2013年的5.757，年均值为3.324，始终高于其他省区市的效率值；其次为天津市，年均值为2.056。均值水平高于1的地区还包括河北、山东、江苏、浙江、福建、广东、山西、安徽等8个地区，表明这些地区为DEA投入有效区，其中，除了安徽和山西外，均为沿海经济发达地区。物流业综合效率值较低的地区主要集中于青海、西藏、新疆、云南等，其中青海最低，年均值为0.417。 从DEA有效性个数来看（参见表5），全国物流业DEA有效性个数在波动中略有上升，2000年为9个地区，2013年为10个地区，而2008年为期间最低水平，仅3个地区。从八大综合经济区来看，北部沿海综合经济区的物流业DEA有效性个数（39个）>东部沿海综合经济区（35个）>南部沿海综合经济区（15个）>黄河中游综合经济区（14个）>长江中游综合经济区（9个）>东北综合经济区（6个）>大西北综合经济区（5个）。而大西南综合经济区均为DEA非有效区，未来改善的空间很大。
（二）制造业与物流业互为投入要素的效率值分析
1.指标体系构建
制造业与物流业的联动发展意味着双方互为投入要素，从而对系统产生影响，因此在表2的基础上，考虑了双方对彼此的影响后，构建了如表6所示的指标体系。
2.制造业作为物流业投人要素的物流业系统的超效率值
首先在CCR模型基础上，建立投入导向的超效率DEA模型，其结果如表7所示。从中可以看出，全国物流业系统的超效率值从2000年的1.221提升到2013年的1.299，年均值为1.255，2004年的1.342为期间最高值。从八大综合经济区来看，东部沿海综合经济区（1.856）>北部沿海综合经济区（1.504）>大西北综合经济区（1.455）>南部沿海综合经济区（1.297）>黄河中游综合经济区（1.168）>长江中游综合经济区（1.077）>大西南综合经济区（0.906）>东北综合经济区（0.878）。其中，东部沿海综合经济区、北部沿海综合经济区、大西北综合经济区以及南部沿海综合经济区的超效率DEA值高于全国平均水平，除了大西北综合经济区外，其他三大经济区主要是经济较为发达地区。从各省份来看，在考虑了制造业作为投入项的情况下，上海市各年份的物流业超效率DEA值均为最高，从2000年的3.670在波动中逐步提升为2013年的5.757，年均值为3.324，始终高于其他省区市的效率值；其次为天津市，年均值为2.197。均值水平高于1的省区市还包括辽宁、北京、河北、山东、江苏、浙江、福建、海南、山西、内蒙古、安徽、江西、湖南、广西、贵州、西藏、甘肃等。
从DEA有效性个数来看（参见表8），全国物流业DEA有效性个数在波动中略有上升，2000年为14个地区，2013年为15个地区，2004年和2006年达到期间最高值18个地区，而2012年为期间最低值13个地区。从八大综合经济区来看，北部沿海综合经济区的物流业DEA有效性个数（55个）>大西北综合经济区（36个）>东部沿海综合经济区（29个）>黄河中游综合经济区和长江中游综合经济区（各为27个）>南部沿海综合经济区（23个）>大西南综合经济区（15个）>东北综合经济区（8个）。
2.考虑物流业作为制造业投入要素的制造业系统的超效率值
首先在CCR模型的基础上，建立投入导向的制造业系统超效率模型，其结果如表9所示，从中可以看出，全国制造业系统的超效率值略有下降。从八大综合经济区来看，东部沿海综合经济区（1.940）>北部沿海综合经济区（1.349）>东北综合经济区（1.303）>南部沿海综合经济区（1.079）>黄河中游综合经济区（0.995）>大西北综合经济区（0.828）>长江中游综合经济区（0.788）>大西南综合经济区（0.765）。其中，东部沿海综合经济区、北部沿海综合经济区、东北综合经济区均高于全国平均水平。从各省份看，在考虑物流业作为投入项的制造业超效率值中，上海市最高，年均效率值为3.211，各年份的效率值在全国31个省区市中均是最高的。均值水平高于1的省区市还包括黑龙江、北京、天津、河北、山东、江苏、浙江、广东、河南、内蒙古以及新疆等。从中可以看出，除了黑龙江、河南、内蒙古和新疆外，有效率的地区几乎都集中于北部沿海综合经济区、东部沿海综合经济区以及南部沿海综合经济区。
从DEA有效性个数来看（参见表10），全国制造业DEA有效性个数在波动中逐步上升，2000年为11个地区，2013年为16个地区，2010年达到历史的最高值17个地区。从八大综合经济区来看，北部沿海综合经济区的制造业DEA有效性个数（52个）>东部沿海综合经济区（42个）>南部沿海综合经济区（25个）>黄河中游综合经济区（24个）>大西北综合经济区（19个）>东北综合经济区（18个）>长江中游综合经济区（2个）>大西南综合经济区（1个）。
四、结论及建议
以上的对比分析可以得出如下结论：
第一，比较表3和表10可以看出，在考虑了物流业作为投入要素时，整个制造业系统的DEA有效性个数（183个）高于不考虑物流业作为投入要素时制造业子系统的DEA有效性个数（149个）。比较表5和表8可知，在考虑了制造业作为投入要素時，整个物流业系统的DEA有效性个数（220个）大于不考虑制造业作为投入要素时物流业子系统的DEA有效性个数（123个）。这充分说明制造业和物流业的影响是相互的，这种相互影响使系统总体的有效性明显增强。
第二，比较表8和表10可以看出，考虑制造业作为投入要素、物流业作为产出的有效率地区个数（220个）明显多于以物流业作为投入要素、制造业为产出的有效率地区个数（183个），说明当前我国大部分地区制造业对物流业发展的带动作用明显强于物流业对制造业的带动作用，物流业对制造业效率水平的积极影响仍然有待于进一步提升，其中如何降低物流业发展的成本至关重要。
第三，如果将表2和表4的最后一列均值水平综合考虑并绘制坐标图，其中横坐标表示制造业子系统的超效率值，纵坐标表示物流业子系统的超效率值，将31个省区市的分布情况标记在同一坐标图中，并以1为分界点，将其分为四个象限，可以发现：位于右上象限的地区包括天津、河北、山东、上海、江苏、广东6个地区，这些区域均为东部沿海经济发达的区域，制造业与物流业发展较为成熟，整体运作效率较高；位于右下象限的地区包括黑龙江、北京、内蒙古、新疆4个地区，说明这4个地区制造业系统效率值较高，而物流业系统效率值较低，未来仍需进一步提高物流业子系统的运作效率值；位于左上象限的地区包括浙江、福建、山西、安徽4个地区，说明这4个地区制造业系统效率值较低，但物流业系统效率值较高；位于左下象限的地区最多，包括辽宁、吉林、海南、陕西、河南、江西、湖北、湖南、广西、重庆、四川、贵州、云南、西藏、甘肃、青海、宁夏等17个地区，除了海南为东部沿海地区外，其他地区总体经济情况相对落后，说明这些区域不论是制造业还是物流业子系统的效率值，均有很大的提升空间。
第四，如果将表7和表9最后一列的数据综合考虑并绘制坐标图，其中，横坐标表示以物流业为投入要素的制造业系统超效率值，纵坐标表示以制造业为投入要素的物流业系统超效率值，并以1为分界点，将其分为四个象限，可以发现：位于右上象限的地区包括北京、天津、河北、山东、上海、江苏、浙江、内蒙古8个地区，说明这些地区制造业与物流业互为投入产出时的超效率值均比较高；位于右下象限的地区包括广东、黑龙江、河南、新疆等4个地区，说明这些地区物流业为投入、制造业为产出的效率值有效，而制造业为投入、物流业为产出的效率值无效；位于左上象限的地区包括福建、辽宁、广西、海南、贵州、湖南、甘肃、江西、宁夏、安徽、山西和西藏等12个地区，说明这些地区制造业为投入、物流业为产出的效率值有效，而物流业为投入，制造业为产出的效率值无效；位于左下象限的地区包括吉林、青海、陕西、云南、四川、重庆和湖北等7个地区，这些地区制造业为投入、物流业为产出与制造业为产出、物流业为投入的效率值均无效。从中可以看出，在考虑了制造业与物流业作为投入要素对彼此产出的影响时，大部分地区的超效率值均有所提升，但各个地区提升的幅度不一。
同时，在两个坐标图中，我国大部分地区位于左下象限区域，位于右上象限区域的地区较少，再一次说明了物流业对制造业效率提升的作用有待于进一步发挥。