基于DEA-Tobit模型的物流產業效率分析
——以東部省份為例

李開

（長江大學 管理學院，湖北 荊州 434023）

基于DEA-Tobit模型的物流產業效率分析
——以東部省份為例

李開

（長江大學 管理學院，湖北 荊州 434023）

通過多階段DEA模型對近五年我國東部省份物流產業的綜合效率和規模效率進行評價，發現我國多數省份的物流產業處于規模報酬遞減階段，存在過度投資。在效率評價的基礎上，選取了相關變量，并運用Tobit模型驗證其對物流產業績效的影響。實證結果表明，區域經濟發展水平、信息化程度和教育水平對物流產業的綜合效率有顯著影響。最后結合實證分析的結果，提出了促進我國物流產業效率提升的相關建議。

DEA模型；Tobit模型；物流產業；效率；影響因素

1 引言

物流業是融合與集成了運輸、倉儲、配送以及信息等多種傳統行業的復合型產業，一體化與信息化是現代物流業的顯著特征。2008年金融危機發生以來，我國經濟發展的外部環境發生了很大變化，對我國經濟產生了較大影響，特別是近年來，我國經濟增速不斷放緩，2013年我國GDP同比增長7.7%，2014年下降至7.4%，2015年GDP的增長速度進一步下降為6.9%。如何促進經濟增長，阻止經濟的進一步下滑已經成為當前經濟發展過程中的重要目標之一。物流業作為國民經濟的重要組成部分，一方面由于其涉及領域廣，吸納就業人數多，促進生產、拉動消費對于保持經濟增長有著重要作用；另一方面由于其能夠降低經濟體系中生產和交易活動的成本，對于促進產業結構轉型和升級也有著重要作用。因此從中央到地方政府都對發展物流產業高度重視，尤其在經濟增速放緩的情況下，政府不斷加大對物流基礎設施的投入。企業也對物流業表現出很大興趣，不斷投資物流領域。但在物流業繁榮的背后，應該注意到目前我國物流業總體發展水平較為落后，發展方式較為粗放，信息化程度不高。因此，物流產業的發展除了注重投資的增量，還要注重現有投資效率的提升。

王舒鴻等（2010）對我國物流業利用能源的效率進行了研究，認為我國物流業整體效率不高，但能源利用效率較好[1]。許鵬（2010）基于DEA模型對遼寧省物流產業效率進行了評價，認為遼寧省物流業發展效率不高[2]。雷勛平等（2012）對我國31個省市自治區的物流產業效率進行了比較[3]。王蕾等（2014）運用DEA分析法對北疆8個地區的物流效率進行了分析[4]。上述研究多采用截面數據，缺少在時間序列上的比較，另外沒有對影響物流產業效率的因素進行挖掘和分析。在此背景下，本文擬基于面板數據對我國東部省份物流產業的經營效率進行評價，并分析影響物流產業效率的原因。

2 理論模型

目前采用較多的效率定量評價方法主要有兩種，即隨機前沿分析法（Stochastic Frontier Analysis，SFA）和數據包絡分析法（Data Envelope Analysis，DEA）。隨機前沿生產函數于1977年分別由Aigner,Lovell,Schmidt, Meeusen和van den Broeck獨立提出。隨機前沿分析方法（SFA）的模型假設比較復雜，而且該模型對數據有著較高的要求，如果數據不能符合模型要求的基本假設，就會出現估計的偏誤問題并導致計算失敗。數據包絡分析（DEA）是Charnes、Coopor和Rhodes于1978年首先提出的評價生產效率的重要的非參數方法。該方法的原理主要是通過保持決策單元（Decision Making Units，DMU）的輸入或者輸入不變，借助于數學規劃方法確定相對有效的生產前沿面，將各個決策單元投影到DEA的生產前沿面上，并通過比較決策單元偏離DEA前沿面的程度來評價它們的相對有效性。相對于隨機前沿分析法，數據包絡分析法有其優勢，該模型不需要考慮生產前沿的具體形式，只需要投入產出數據，而且該模型比較容易擴展。

DEA模型有不同的前提假設，如果決策單元（DMU）都可以在最優規模運營，則可以假定規模收益不變（Constant Return to Scale,CRS）；而如果決策單元不能在最優規模運營，則可以假定規模收益可變（Variance Return to Scale,VRS），本文在對物流產業效率評價過程中假定各省份的物流產業是規模收益可變的。另外，DEA模型還可以分為產出導向和投入導向，這兩種導向模型實質上屬于對偶問題。就物流產業而言，它們是利用給定資源，盡可能大的獲得產出（物流服務），因此本文選擇產出導向的DEA模型，見式（1）—（4）。

公式中xrj表示第j個決策單元（DMU）的第r項投入量，而ymj表示第j個決策單元（DMU）的第m項產出。S+r和S-m為松弛變量，分別表示可以減少的投入量和可以增加的產出量。ε是非阿基米德無窮小量，通常設定為10-5，其作用是保證投入（產出）向量均為正且松弛變量不影響目標函數。δ=0，假定前沿是平面，求解CRS模型得到單元技術效率；δ=1，假定前沿平面是凸超平面，求解VRS模型得到目標單元的純技術效率。

應用DEA方法得出決策單元（DMU）的效率值后，為了進一步分析這些評估出的效率值受哪些因素的影響以及這些因素的影響程度，在DEA分析中衍生出一種被稱為“兩階段法”（Two-stage Method）的方法。第一步，先通過DEA模型評估出決策單元的效率值；第二步，用效率值作為因變量對各種影響變量進行回歸，并根據自變量系數的顯著性和大小判定其對效率值的影響方向與影響強度。由于DEA模型計算出的效率值（因變量）被限制在0和1之間，如果使用普通最小二乘法（OLS）對模型直接回歸，效率的估計值可能會產生小于0或是大于1的情況。為解決這一問題，諾貝爾經濟學獎獲得者James Tobin于1958年提出了刪截回歸模型（Censored Regression Model），該模型是一種因變量受限模型，也被稱為Tobit模型，見以下公式：

上述公式中，y*服從N（0，σ2）分布，β為回歸系數，此處為一個向量，x為自變量向量，yi為因變量向量，y*為效率值向量。

3 實證分析

3.1 物流行業的效率分析

（1）變量選取與數據說明。要對物流產業績效進行度量，首先要明確如何界定物流活動的投入與產出。根據現有文獻的研究，對物流活動投入指標的選取主要集中在貨運量、物流產業產值、主營業務利潤、物流產業占GDP比重等相關指標。而在投入方面，則多用物流網絡里程、物流業固定資產投入、勞動力投入等指標[4-7]。基于數據的可得性，本文選取物流產業增加值（億元）和貨物周轉量（億t·km）作為衡量物流活動的產出指標；將物流網絡里程（萬km）、勞動力投入（人）和固定資產投資（億元）作為投入指標。投入指標和產出指標的統計性描述見表1。

表1 投入產出指標描述性統計

（2）分析結果。本文利用產出導向的BCC模型（Banker等，1984），運用Deap2.1軟件計算物流產業的經營效率，選擇我國東部省份作為分析樣本，結果見表2。從分析結果來看，天津市、河北省、上海市和江蘇省等省份或直轄市的物流產業都具有綜合效率。北京物流產業的綜合效率在2011年排名第7位，而在2015年排第9位，整體處于一個下降趨勢；從歷年的排名來看，遼寧省的物流產業相對效率處于一個上升趨勢；山東省的物流產業綜合效率則處于一個下降趨勢。浙江、福建和廣東的物流產業綜合效率處于中上游水平；海南省的物流產業綜合效率一直排名末位。

表2 各省物流產業綜合效率與規模效率

規模效率是指物流產業在規模報酬可變生產前沿的最佳投入與規模報酬不變生產前沿的最佳投入比例。從表2的分析結果可以看出，除了天津市、河北省、上海市和江蘇省四省市處于規模報酬不變的階段和海南省處于規模報酬遞增階段以外，多數省份整體處于規模報酬遞減階段。結合近年來我國物流熱的現象看，分析結果說明一些省份存在物流產業過度投資的現象，使得其規模效率下降。由于綜合技術效率等于規模效率與純技術效率的乘積，要進一步提升綜合效率，應該努力提升純技術效率，而非盲目擴大物流產業的規模。

3.2 各省物流產業運營效率的影響因素分析

（1）變量選取。效率分析只能得出我國東部省份物流產業運營的相對效率，并未找出影響物流產業效率的關鍵因素。因此需要結合Tobit模型進一步對物流產業運營效率的影響因素進行分析。本文選取了經濟發展水平、產業結構、市場化程度、受教育程度和信息網絡發達程度等相關變量，利用近五年（2011-2015年）的數據進行實證分析。

①經濟發展水平（GDP）：一般認為物流是經濟的派生需求，地區的物流產業發展水平受經濟發展水平的影響和制約，區域經濟的發展會拉動區域物流產業的發展或是物流產業績效的提升。因此選取經濟發展水平作為自變量，其大小則是通過各地區的人均GDP來衡量。

②產業結構（structure）：產業結構的差異會影響物流需求，進而影響物流產業的發展。一般認為產業結構處于較低水平數時，對于物流服務的需求量較大，因為初級產品附加值低，而產生的貨運量卻很大。而產業結構處于較高水平時，對于物流服務的質量有較高要求，因為產品的附加值較高。產業結構的衡量采用與干春暉（2011）相同的衡量方法，即用第三產業增加值與第二產業增加值的比值來衡量產業結構的高度化。這一比值越大則表明經濟結構的服務化傾向越高。

③市場化程度（market）：第三方物流產業的發展受區域市場化程度的影響，前期的研究文獻認為區域市場化程度越高，則物流外包越普遍，第三方物流產業發展也就越好。該項指標通過每萬人擁有的私營企業數量來衡量。

④受教育程度（edu）：區域的受教育程度在一定程度上影響物流企業的運作績效，該項指標用各地區大專以上學歷人數占整個地區常住人口的比例來衡量。

⑤物流網絡里程（way）：物流網絡的完善影響物流產業的運作績效。該項指標通過加總公路鐵路的總里程得到。

⑥物流業固定資產投資（invest）：固定資產投資影響物流業固定資產的新增數量，進而影響物流產業的績效。

⑦信息網絡的發達程度（web）：現代物流業的主要特征之一是信息化，該項指標通過人均接入互聯網的數量來衡量。

各變量的描述統計性分析見表3。

表3 物流產業效率的影響因素

（2）實證結果。Tobit模型①②③分別選取了不同的自變量進行回歸分析，結果見表4。在三個模型中經濟發展水平（GDP）都是高度顯著的，且其系數為正，符合理論的預期，說明區域經濟的發展對物流產業有拉動作用。市場結構在模型②中不顯著，說明產業結構的高度化并不影響物流業的績效。市場化程度在模型③中也不顯著，這是因為部分指標的衡量是通過私營企業的數量來衡量，而隨著國有企業管理水平的提高，國有企業的物流業務進行外包并未影響區域物流產業的績效提升。另外在三個模型中，物流網絡里程和固定資產投資都不顯著。而信息化和教育水平分別在1%和10%的顯著水平下顯著，說明信息化的提升和教育水平的提升對促進物流產業績效有著正向影響。

表4 實證分析結果

注:本文計量結果由R語言3.0.1版本給出，*、**、***分別表示在10%、5%和1%顯著性水平下顯著，括號內的數值為對應估計值的標準誤差。

4 建議與對策

通過實證分析可以得出結論，目前我國東部省份的物流產業多數處于規模報酬遞減階段，這在一定程度上說明了我國目前存在物流投資過熱的情況。因此盲目擴大物流固定資產的投資規模并不是最優的選擇。要優化資源配置，進一步提升物流產業的效率，關鍵在于提升純技術效率，而非盲目進行固定資產投資，增加物流網絡里程。具體來說應該做好以下幾個方面。

（1）促進區域經濟發展。物流業作為貿易的派生需求，受區域經濟發展水平的影響。而經濟發展水平在一定程度上拉動該地區物流產業績效的提升。因此應采取相應的宏觀經濟政策促進區域經濟的發展。在適度寬松的貨幣政策和積極的財政政策大背景下，各省份還應該找到適合促進自身發展的區域性政策，包括鼓勵創新、創業和刺激消費等相應的政策。

（2）提升信息化水平。現代物流的特征之一就是信息化，信息化的提升可以在一定程度上節省交易成本，促進交易效率。因此提升物流產業綜合效率的有效途徑之一就是提升本地區的信息化水平。

（3）提升教育水平。教育水平的提升有利于人們正確的理解現代物流的理念，從而在物流活動中采用現代物流理念，改變傳統物流運作模式，提升區域物流產業的綜合效率，減少物流資源的浪費。因此提升教育水平，特別是增加現代物流相關知識的教育，有利于提升區域物流產業的綜合效率。

[1]王舒鴻,汝慧萍,宋馬林.基于DEA的物流行業能源效率評價[J].物流技術,2010,(9):66-68.

[2]許鵬.基于DEA的遼寧省物流產業效率研究[D].大連:大連海事大學,2010.

[3]雷勛平,Robin Qiu,劉思峰.基于DEA的物流產業效率測度實證研究[J].華東經濟管理,2012,(26):62-66.

[4]王蕾,薛國梁,張紅麗.基于DEA分析法的新疆北疆現代物流效率分析[J].資源科學,2014,36(7):1 425-1 433.

[5]劉艷.基于DEA的區域物流供求關系研究[D].北京:北京交通大學,2009.

[6]樊敏.中國八大經濟區與物流產業運作效率分析[J].現代管理科學,2010,(2):48-71.

[7]張興遠.基于DEA的物流業發展能力評估模型[J].中國水運, 2007,(10):131-132.

[8]干春暉,鄭若谷,余典范.中國產業結構變遷對經濟增長和波動的影響[J].經濟研究,2011,(5):4-16.

A DEA-Tobit Analytic Model of Efficiency of Logistics Industry:W ith Eastern Provinces as Exam ple

LiKai
(Schoolof Management,YangtzeUniversity,Jingzhou 434023,China)

In this paper,using the multi-stage DEA model,we evaluated the comprehensive efficiency and scale efficiency of the logistics industry of the eastern provinces of China in the past five years and found that the logistics industry of most of the provinces was in the stage with diminishing returns to scale and the inefficiency from overinvestment was evident.Then on the basis of efficiency evaluation, we selected the relevant variables and used the Tobit model to verify their effect on the performance of the logistics industry,finding that regional economic development level,information technology level and education level had significant influence on the comprehensive efficiency of the industry.At the end,through an empirical analysis,we proposed the relevant suggestions to improve the efficiency of the logistics industry in China.

DEAmodel;Tobitmodel;logistics industry;efficiency;influencing factor

F224.0;F252.5

A

1005-152X(2017)05-0056-04

10.3969/j.issn.1005-152X.2017.05.015

2017-03-10

李開（1977-），男，湖北江陵人，長江大學管理學院講師，主要研究方向：物流與供應鏈管理。