西部地區物流效率及其影響因素
——基于DDEEAA模型和TToobbiitt回歸模型的實證分析

楊雙鵬，趙 近 YANG Shuangpeng,ZHAO Jin

（昆明理工大學 管理與經濟學院，云南 昆明 650000）

0 引言

西部地區在“一帶一路”建設中，擁有巨大的地緣作用，但同時我國西部地區大都處于多山地區，除重慶、四川、陜西等省外，其余地區經濟普遍比較落后，尤其是西藏、青海、寧夏3省2015年GDP總量均沒有超過3 000億，究其原因，物流產業落后是其重要原因之一。物流作為公認的“第三利潤源”，是經濟發展的載體，因此對西部地區物流效率的研究就顯得迫在眉睫。

學術界對于物流效率的研究由來已久，如高詹（2013）采用數據包絡分析法中的Malmquist指數模型，對2001～2010年中原經濟區29個地級市的城市物流效率進行了實證分析；Capline，Sheffi（1994） 認為影響企業物流業效率包括物流資源利用率、生產效率和運營時間；倪明、何超、楊善（2015）認為實踐中物流業對能源依賴性較大，因此把能源消耗加入投入指標中。對物流效率的研究，目前，學術界已經取得了極大的進展，但還是存在著不足之處，如大部分學者在研究中僅局限于對物流效率進行綜合性評價，而未對其進行投影分析；對物流效率的研究主要集中在宏觀、微觀層面等。針對這些問題，本文將選取比較全面客觀的指標，運用DEA模型對我國西部各省區物流效率進行實證評價，并進行投影分析；然后利用Tobit回歸模型分析其物流效率與影響因素之間的相關性；最后，根據實證分析的結果提出針對性的建議。

1 物流效率及影響因素實證分析

1.1 物流效率的實證分析

1.1.1 模型說明。本文主要采用DEA中的兩個常用模型C2R和B2C。C2R模型是將工程效率的概念推廣到多輸入、多輸出系統的相對效率評價中，基于的假設是決策單元的規模報酬是固定的，測算決策單元的技術效率，即評價一個系統的綜合有效性；B2C模型是在C2R模型的基礎上加以約束條件將總體技術效率值分解為純技術效率和規模效率兩部分。因此，可以通過模型計算，來具體判斷總體技術效率偏低是規模無效率還是純技術無效率所致。

（1）C2R模型。假設有n個決策單元，每個決策單元有m種類型的“輸入”和s種類型的“輸出”。設xik為第k個決策單元對第i種“輸入”指標的投入，yjk為第k個決策單元第j種“輸出”的產出量，然后分別對其賦予權重vi和uj，構建線性規劃，那么，對于決策單元k的效率評價指數為：，通過改變權重數vi和uj，使得hk值最大。

（2）B2C模型。B2C模型是給予C2R加上約束條件引入松弛變量s+和剩余變量s-，θ為第k個決策單元的技術效率，建立方程求出θ的最小值，若θ=1，s+，s-≠0，則決策單元jo為弱DEA有效；若θ=1，s+，s-=0，則決策單元jo為DEA有效；若θ＜1，則決策單元jo為DEA無效。

1.1.2 假設變量的選取。根據本文所研究區域的實際情況，決定選取投入指標：（1）物流業從業人數：其具體包括鐵路、公路、水上、航空、管道等運輸業就業人員以及裝卸搬運和其他運輸服務業就業人員數、郵政業就業人員數。（2）物流業投資總額：其具體包括交通運輸、倉儲和郵政業固定資產投資總額。（3）線路運輸長度：線路運輸長度需要換算，因航空運輸在西部地區較為不發達，運輸所占比例極小，因此本文選擇鐵路、公路、航道將其統一折算成公路長度，具體做法為其中：Li表示第k省的線路運輸長度；xkj表示第k省j運輸方式的線路長度；ykj表示第k省j運輸方式的每萬公里運輸能力；zk表示第i省公路每萬公里運輸能力。（4）民用載貨汽車擁有量。產出指標：（1）物流業生產總值。（2） 各類運輸貨物總量。（3）各類運輸貨物周轉量。

1.1.3 數據結果分析。根據2015中國統計年鑒和2015西部各地區統計年鑒，收集相關數據，做相應處理，運用DEA2.1軟件，選取C2R和B2C模型，計算出我國西部地區各省、直轄市物流效率。計算結果主要包括總體效率、純技術效率、規模效率3個部分。純技術效率指在一定投入下，所能達到的產出能力；規模效率指物流業的發展規模；而純技術效率和規模效率的乘積為總體效率。所獲結果如表1所示：

表1 西部地區2015物流效率評價結果

從表1可以看出，西部地區所包含的12個省、直轄市總體物流效率平均值為0.821、純技術效率平均值為0.921、規模效率平均值為0.897，從數值看，只有純技術效率平均值超過0.9，其余兩項均未超過0.9，說明西部地區整體物流效率一般。內蒙古、廣西、重慶、貴州、寧夏3項指標都達到了1，說明其物流要素的投入得到了最大限度的配置利用，并達到了最優的產出，而總體物流效率平均值的拉低主要是由四川、云南、西藏、青海、新疆造成，尤其青海由于規模效率偏低導致物流總體效率只有0.503，而緊隨其后的云南、新疆總體效率值則主要由純技術效率值偏低導致，四川、西藏則主要是規模效率的偏低引起總體效率的偏低。純技術效率值不足1且按數值從大到小排列有甘肅、陜西、云南、新疆，說明這幾個省迫切需要在現有投入條件下，合理配置物流資源，充分、高效的利用物流投入要素，提高物流產出。規模效率不足1的按數值從大到小排列有新疆、甘肅、陜西、云南、四川、西藏、青海，其中：陜西、甘肅、新疆規模效率值都達到0.9以上，接近于1，而其余省份規模效益則都處于0.9以下，而在規模效率值不足1的省份中，規模效益呈遞增狀態的省份有西藏、陜西、青海、新疆表明其可以加大物流資源的投入，并加以合理利用，促進物流產出的總體規模，規模效益呈遞減狀態的省份有四川、云南、甘肅，反映出其投入存在冗余，而產出存在不足，需要合理加強投入資源的配置，調整投入與產出的比例，使其達到一個合理的狀態。

為了更全面地研究西部地區物流效率問題，繼續運用DEA軟件，對西部各地區2011～2015年的物流效率做了縱向的測量，結果如表2所示：

結果顯示，2011～2015年內蒙古、廣西、貴州、寧夏物流效率都呈DEA有效，其總體效率值都為1；甘肅省物流總體效率值在2014、2015相較于2011～2013年有所下降，這估計與甘肅處于“一帶一路”重要節點因而投入過多，產出不足有關；重慶除2012年外，其余年份表現都比較穩定；云南省物流效率值則呈穩步提升的態勢，這與云南省大力建設南亞、東南亞“輻射中心”不無關系；青海、西藏、新疆物流效率則出現忽高忽低不穩定狀態，且皆處于較低的水平，這與其物流投入產出不均衡有很大的聯系。

限于篇幅，本文決定對2015年非DEA有效決策單元在有效生產前沿面上進行投影分析，通過對DEA無效單元投入和產出進行合理調整，使其達到DEA有效，表3為C2R模型求解的松弛變量值匯總。依此，對C2R模型中θ未達到1的決策單元進行投影分析，關于投入的調整方法如下：

表2 西部地區2011～2015年物流效率評價結果

式（1）、式（2） 中，為決策單元j的第m種投入量在DEA相對有效面上的“投影”；為決策單元j的第n種產出量在DEA相對有效面上的“投影”；θ為DEA所測得的總體效率值；松弛變量。

表3 西部DEA無效地區物流效率松弛變量結果

根據式（1）、式（2）對非DEA有效各個決策單元進行投影，結果如表4所示：

表4 西部DEA無效地區物流效率投影分析結果

如表3、表4所示：通過投影分析結果可看出各個省需要調整的投入，以及通過調整投入量而使產出量達到的水平，例如云南省需將自己的物流業從業人數減至10萬、物流業投資總額減至699億元、線路運輸長度減至12萬千米、民用載貨汽車擁有量減至50萬輛，可以使物流業生產總值升至563億元、各類運輸貨物周轉量升至2 243億噸/公里；甘肅省需將物流業從業人數減至10萬、物流業投資總額減至681億元、線路運輸長度減至12.6萬千米、民用載貨汽車擁有量減至39萬輛，可以使物流業生產總值升至567億元、各類運輸貨物總量升至10億噸；青海省需將物流業從業人數減至2.1萬、物流業投資總額減至135.4億元、線路運輸長度減至2.575萬千米、民用載貨汽車擁有量減至7萬輛，可以使物流業生產總值升至114億元、各類運輸貨物總量升至2億噸。在此基礎上，各個省、直轄市需要積極提高公路運輸效率，培養物流人才，加大新技術的應用等來提高物流綜合資源利用率，進而提升物流效率。

1.2 物流效率影響因素實證分析

1.2.1 回歸模型建立。Tobit回歸模型是一種基于因變量收到限制的模型，其局限性為如果采用最小二乘法進行估計，則可能無法呈現完整數據。因此本文采取最大似然法的截取回歸模型（Censored Regression Mode）l，也就是Tobit模型，其表達式為：

上式中，y*為截斷因變量向量；y為效率值向量；x為自變量向量；β為回歸參數向量；u為誤差項，u～（0,δ2）。

1.2.2 假設變量的選取。本文通過DEA軟件對所選的12個地區2011～2015年5個年份的投入產出再次進行測算，得出的物流總體效率值作為因變量y，將以下各個變量作為假設變量：（1）經濟發展水平（GDP）：衡量一個地區經濟發展水平的高低。（2）外商投資企業進出口總額：衡量地區對外經濟開放程度。（3）物流資源利用率：可依據、單位公路通過的貨運量、單位鐵路通過的貨運量、貨運周轉量，利用SPSS軟件采取主成分分析法來選取物流資源綜合利用率。（4）區位商：衡量地區區位因素，由各省、直轄市物流產值在其地區總產值中所占比重與全國物流產值在全國總產值中所占比重的比率計算得來。（5）互聯網用戶數：衡量地區信息化水平。（6）城鎮化水平：衡量地區人口向城市聚集的情況。其數據來源為：2011～2015年中國統計年鑒及各省直轄市、自治區統計年鑒。

1.2.3 回歸模型建立。Tobit模型建立如下：

上式中，yi代表各省物流效率；GDPt代表各省第t時期GDP水平；TIOt代表各省第t時期外商投資企業進出口總額：RUt代表各省第t時期物流資源利用率；LQt代表各省第t時期區位商；LITt代表各省第t時期信息化水平；β0為常數項；β1～β5代表各個因變量的回歸系數；u代表回歸誤差項。

1.2.4 結果分析。首先對數據進行處理，然后通過stata13軟件，建立Tobit回歸模型，結果如表5所示：

表5 Tobit模型回歸結果

通過表5，分析如下：

經濟發展水平（GDP）與物流效率水平呈正相關，系數為0.53，表明若GDP提高1%，相應的物流效率可平均提高0.53%，說明其具有很高的相關度，這可能是由于西部地區整體經濟發展水平較低，經濟快速發展會促進物流效率的提高。外商投資進出口總額（TIO）與物流效率水平呈正相關，系數為0.08，相關度不是很高，這可能與外商在大部分西部地區投資較少有關。區位商與物流效率水平呈正相關關系，RU每提高1%，相應的物流效率就會提高0.4%，具有很高正相關度，區位商可以反映一個產業部門的專業化程度，可見物流效率與地區物流產業部門的專業化程度有很大的聯系。物流資源利用率與物流效率水平呈正相關關系，系數為0.12相關度較高，表明物流效率的高低與物流資源的不合理使用甚至是浪費有重要關聯。地區信息化水平、城鎮化與物流效率水平呈負相關關系，這可能是由于西部地區除少數省份外，大部分地區信息化水平都很低有關。而西部地區城鎮化水平同樣在近幾年得到了提高，進而對物流需求造成了一定的沖擊，但西部大部分地區由于資源潰泛，人才缺失，造就了很大的物流資源投入得不到合理利用。

2 建議與對策

根據DEA測算結果及Tobit回歸結果所得出的結論，給予以下建議及對策來促進西部地區的物流效率水平。

對西部地區進行相應的物流模塊劃分，加強鄰省、臨市的聯系，打破區域封鎖和行業內條塊分割；優化基礎設施建設，協調發展多種運輸方式，對原先已有的公路、鐵路進行升級建設，維修損壞的路段，力爭建成有效的公路、鐵路網；整合物流資源，政府牽頭，培養各地區具有高效率的物流龍頭企業，借助其先進的技術和管理經驗對區域內物流資源進行整合，形成規模效應，減少資源的浪費；提高區位優勢，借助“一帶一路”大背景，發揮區位優勢， 通過合理的科學調研和規劃，調整物流要素的在空間上的合理布局，提高部門專業化水平；提高物流資源利用率，引進先進的技術如RFID、EDI、GPS、Barcode等。

[1]高詹.中原經濟區城市物流效率時空測度與比較研究[J].商業研究，2013(12):171-177.

[2]C CAPLINE,Y SHEFFI.A review and evaluation of logistics metrics[J].International Journal of Logistics Management,1994,5(2):11-28.

[3]倪明，何超，楊善林.區域物流效率評價及其影響因素實證研究[J].華東交通大學學報，2015(4):65-72.