區域物流效率的測度及其影響因素研究
——基于DEA與Tobit模型

龔雅玲 萬建香 封福育

選取2017年政府信息公開年報的數據，以省級為單位，利用DEA模型測度區域物流效率，得出目前我國只有9個省級區域達到了DEA有效值，各區域間物流效率發展效率差異性較大。通過Tobit模型進一步剖析物流發展效率影響因素，發現區域物流產業結構、物流行業發展信息化水平、區域物流產業發展優勢與物流發展效率顯著相關。應該從構建區域物流產業鏈“共生”模式、智慧物流應用推廣、區域物流發展體系構建三個方面，進行區域物流發展效率有效提升。

一、引言

2017年，繼國務院頒布《關于進一步推進物流降本增效促進實體經濟發展的意見》后，我國物流業步入提質增效階段，同時物流行業的子行業也逐漸得到較大發展。據中國行業信息官方網站發布的《2017中國物流數據報告》指出，2017年，我國全國快遞業務總量超過400億件，連續四年穩居世界第一，超過美、日、歐等發達經濟體，對世界增長貢獻率超過50%。截至2017年底，全國快遞專業類物流園區超過230個，行業運營全貨機達96架。隨著大數據技術、云計算等信息技術日益成熟，物流企業發展轉型升級勢在必行。此外，物流企業與資本市場融合愈加緊密，資本在各個物流子行業的滲透率越來越高，物流行業“馬太效應”逐漸顯露。

雖然目前中國區域物流發展突飛猛進，但在區域物流理論研究相對滯后的現實環境下，物流業的迅速發展很有可能導致新一輪的重復建設，帶來意想不到的負面效應，隨著區域物流自身實踐的發展與不斷深入，迅速建立與之協同發展的區域物流理論迫在眉睫。物流效率是體現物流業發展水平的重要依據，據智研咨詢發布的《2018—2024年中國物流市場深度調查及投資前景預測報告》中的相關數據顯示，2010年至2016年，我國物流總費用占GDP的比例從17.8%下降至14.9%，物流效率呈現逐步提升的發展態勢。但從不同區域的物流效率發展現狀來看，依然存在較大差異性，尤其是經濟相對欠發達的區域，其物流效率與全國物流效率的整體水平有著較大差距。當前，學者對于物流效率測度及其影響因素的研究成果頗豐，但研究范圍大多集中于某一地區或某一省份，缺乏全國范圍內不同區域及省份的物流效率測度及影響因素研究。因此，本文立足于我國區域物流的現狀，采用DEA方法，基于區域和產業的視角，橫向對比區域各省份物流效率，以分析各區域間物流效率的差異；同時運用Tobit經濟學模型，實證研究我國各區域物流效率與各影響因素的相關程度，進而尋找提升區域物流效率的基本路徑和有效對策。

二、文獻綜述

關于物流業效率的實證研究，有國內學者有采用DEA或Tobit模型，以及將二者相結合進行研究。在運用DEA模型的物流業效率研究方面，此測度方式的特點在于可以依據模型分析整體物流產業效率值，但對于一些DEA無效的年份的物流業效率具體情況分析不夠全面，深入性不夠。張競軼等在借鑒Fried等提出的三階段數據包絡方法DEA分析效率的評價模型，指出物流效率計算的投入松弛同時受到環境因素、隨機因素和管理因素3個變量的影響，選取我國31個省（市）2010—2014年物流業中的交通運輸、倉儲和郵政業為指標，對我國目前總體物流水平進行評價研究。［1］王東方等通過構建DEA模型，對我國產業效率的空間差異及成因進行分析，研究發現國內物流業技術效率低且地區差異較大，東部最高，中部次之，西部最低。［2］郭夢雅等通過DEA方法，將廣州市與國內其他城市的物流效率進行比較，得出基于DEA的廣州市物流效率規律。［3］張娜等基于三階段DEA模型對西部地區2011—2014年的物流產業效率進行測度，研究發現，西部地區物流產業整體效率較低，投入和產出的效率值與前沿值存在一定差距。［4］

在運用Tobit模型的物流效率研究方面，主要集中于研究相關因素與物流產業效率的影響關系，這種測度方式體現在微觀層面，較少從中觀角度分析，且現有研究對物流產業效率的變化來源方面還不夠深入。陶婷婷［5］利用面板Tobit回歸模型實證分析產業集聚對物流業效率的影響，研究發現，專業化集聚對產業效率具有正向影響作用，多樣化集聚則是先減后增的U型非線性關系。周燁［6］提出專業化集聚和多樣化集聚與物流業效率影響的傳導路徑，基于我國34個省市2007—2016年的平行數據構建Tobit回歸模型，研究產業集聚對物流業效率的具體影響。王燕等［7］采用Tobit回歸模型對我國2006—2015年區域物流能源效率的關鍵影響因素進行考察,研究發現物流業的規模、能源價格以及能源消耗結構是我國物流能源效率的重要因素。

為進一步研究物流業效率，有學者采用DEA與Tobit模型相結合的方式，但這方面的研究不多，且主要集中于測度某個具體區域的物流效率。黃潔等［8］運用DEA模型針對云南省2001—2013年的物流效率進行評估和分析，同時，結合Tobit回歸模型，進一步分析物流效率與各影響因素之間的相關性。研究發現，云南省整體物流效率較低，大部分物流效率為DEA無效，投入與產出不匹配。物流效率與經濟發展水平、對外開放程度、區位優勢、物流資源利用率均呈正相關。肖佳［9］運用DEA模型分析了2009—2013年間長江中游經濟帶物流運作效率，并借助Tobit計量經濟模型層更深層次分析以上因素對其物流效率的影響程度。王琴梅［10］采用DEA模型對絲綢之路經濟帶“核心區”的物流業效率進行評價，研究發現其物流業效率偏低，且呈“V”形演進，同時，結合Tobit模型實證分析產業結構的演進對物流業效率提升的影響，研究結果顯示，產業結構合理化水平對“核心區”物流業效率具有正相關作用，但產業結構高級化卻并沒有與物流業效率呈現正相關性。

通過梳理相關研究不難發現，隨著對物流業效率研究的不斷深入，采用的實證分析方式由單一化逐漸向綜合化轉變，運用DEA與Tobit模型相結合，不僅可以更為全面地測度物流業效率，同時還能針對物流效率的具體影響因素進行研究。基于此，本文以全國不同區域及物流產業為視角，依據物流業效率的定義選取更加完善的評價指標構建DEA模型，對我國不同區域的物流業效率進行測度；同時，依據區域物流業效率測量結果，利用Tobit回歸模型對物流業效率與影響因素的相關性進行實證分析，進而提出政策建議，以此完善已有研究。

三、模型建立與指標選取

（一）模型建立

1.DEA模型。相對于其他數據分析法來說，DEA數據包絡分析法能夠有效降低計算服務成本，在各項指標單位不用的情況下，能綜合計算多項投入指標和多項產出指標，且精準度更高。傳統的DEA模型分為CCR模型和BCC模型兩種，CCR模型是指分析研究對象整體運營效率的模型，BBC是指分析研究對象的技術和規模效率，根據物流行業的特性，文章使用CCR模型，計算公式如下：

公式中，μ表示研究主體投入量，Y表示研究主體產出量。當θ=1時，說明DEA有效，研究主體的投入與產出的比例，為最優值。當θ＜1時，說明研究主體的投入大于產出。

2.Tobit模型。通過DEA模型進行研究主體運營效率分析后，需要進一步深入研究影響效率的元素，在DEA模型計算過程中，因變量限制在0—1之間，如此一來，會造成效率估計值產生小于0或是大于1的情況。因此，需要利用Tobit回歸模型對我國區域物流效率影響因素進行分析。Tobit公式如下所示：

其中，β為回歸系數，X為自變量、Y為因變量。

（二）指標選取

根據模型計算公式原理，指標共分為三個方面：產出指標、投入指標、影響因素指標。具體如表1所示：

表1 DEA與Tobit模型測量指標

四、實證結果與分析

DEA模型可以實現對不同區域的效率進行評價，依據物流業發展的投入和產出維度以及影響因素選取指標，為保障數據的真實性和客觀性，筆者通過選取2017年政府信息公開年報的數據，以省級為單位，進行區域物流效率測量分析。

（一）基于DEA模型的效率測度分析

依據不同省份的地域來劃分我國區域物流，具體將其劃分為華北地區、東北地區、華南地區、華東地區、華中地區、西南地區、西北地區。針對以上區域將政府信息公開年報的數據導入MaxDEA6.0軟件中，將模型設置為CCR模型，模型分析結果如表2所示：

DEA模型中，效率值達到1的，視為有效值。根據表2信息顯示，目前我國只有9個省級區域達到了DEA有效值。分別為：北京市、山西省、遼寧省、廣東省、上海市、江蘇省、浙江省、福建省、重慶市，占比30%。總體來看，7個地理區域的物流發展狀況差異較大，其中華東地區各省份的區域物流效率值普遍高于0.8，僅安徽省的DEA值為0.693，與該地區其他省份的DEA值差距較大，表明安徽省物流產業的發展還有待提升。其他區域內不同省份的區域物流效率值也呈現差異性，但縱觀總體數據，區域之間物流效率發展效率差異性較大，尤其是西北地區和東北地區，其中在西北地區，只有寧夏的區域物流效率值接近1，青海的區域物流效率為0.705，而其他省份均低于0.5。我國不同省份及區域的物流效率存在明顯差異，其中，西南和西北地區的區域物流效率值明顯低于其他地區，說明西南和西北地區的物流產業發展水平相對較弱。部分地區及省份的物流效率偏低，說明該區域物流業投入資源未得到充分利用，其實際產出未達到最優水平。而從具體省份來看，北京市、山西省、遼寧省、廣東省、上海市、江蘇省、浙江省、福建省、重慶市這幾個省份的物流效率值均達到有效水平，這可能與這些省份在物流人才、物流設備等方面的投入保持在較高水平，同時由于區域經濟發展水平相對較高，區域物流產業發展具有較大優勢，因此，物流業的實際產出

情況較好。

表2 DEA模型分析結果

（二）基于Tobit模型的影響因素分析

基于已有物流效率影響因素的研究成果，選取區域市場經濟、區域物流產業結構、區域物流產業人力資源投入、物流行業發展信息化水平、區域物流企業發展優勢，為影響不同區域物流效率的變量。通過Tobit不同效率模型對影響物流效率值的原因進行深入比較分析，作為區域物流效率影響因素分析的穩定性檢驗，為區域物流效率提升的針對性建議提供有力支撐。回歸結果如表3所示：

表3 Tobit綜合效率模型回歸系數一覽表

根據表3，可以看出：區域市場經濟與物流發展綜合效率的相關系數為0.004，呈正相關狀態，相關程度顯著。由此表明，區域經濟發展水平對區域物流發展效率具備一定的影響，但是影響程度不高。區域物流產業結構與物流發展效率的相關系數為0.152,呈正顯著相關，由此表明，區域物流產業結構對區域物流產業發展具有重要影響。提升區域物流產業發展效率，首先要改善區域物流產業運營結構。區域物流產業人力資源投入與區域物流產業發展效率呈正相關，相關系數為0.03，相關程度顯著，由此表明，區域物流產業人力資源投入量對區域物流產業運營效率造成的影響明顯。物流行業發展信息化與區域物流產業發展效率相關系數為0.136，相關性較為顯著，因此在后期的區域物流產業發展規劃中，需要進一步提升區域物流產業信息化程度。區域物流產業發展優勢與區域物流產業發展效率相關系數為0.107，高于0.05，呈顯著相關狀態，由此可知，區域物流產業發展效率與地理位置、區域物流產業發展條件息息相關。物流業是一種新型產業，其復合型特點意味著要對多元化資源進行有機整合，如此才能是物流業在區域經濟中的有效作用。在經濟發展速度較快的區域，物流業也會隨之得到更快發展，進而促進物流效率的提升。

表4 Tobit純技術效率模型回歸系數

表4中，區域市場經濟、區域物流產業結構、區域物流產業人力資源投入、物流行業發展信息化水平、區域物流企業發展優勢與物流純技術率呈正相關，其中，物流行業發展信息化水平相關系數最大，達到0.136，說明對物流產業純技術效率的影響最大。區域物流企業發展優勢相關系數為0.197，說明其對物流產業純技術效率影響較大。而區域物流產業結構、區域市場經濟以及區域人力資源投入的相關系數分別是0.013、0.001、0.002。其與物流產業純技術效率呈正相關狀態，總體上都顯著。這就意味著，這些因素對區域物流效率具備一定影響程度。對于物流效率較低的區域及省份，尤其對于經濟發展水平較低的地區，物流行業在信息化技術方面加大投入力度，可以有效促進區域物流技術效率的提升。而在經濟發展水平原本就較高的地區或省份，可以通過提升互聯網信息技術及資源的利用率，以此促進當地物流業的發展。此外，不同區域還要進一步注重區域物流產業結構、市場經濟以及人力資源的投入情況，確保相應資源優化配置與充分利用，最終促進區域物流效率的增長。

表5 Tobit規模效率模型回歸系數

表5中區域市場經濟、區域物流產業結構、區域物流產業人力資源投入、物流行業發展信息化水平、區域物流企業發展優勢與物流純技術率呈正相關，其中，區域市場經濟以及區域物流產業結構相關系數高于0.05，分別達到0.056和0.172。說明二者對區域物流規模效率具有較大影響。而區域物流產業人力資源投入、物流行業信息化水平、區域物流企業發展優勢的相關系數分別為0.023、0.045、0.037，說明其對區域物流產業規模效率存在一定影響，但不是主要影響因素。

五、結論與啟示

本文通過選取地方政府信息年報公開數據，運用DEA模型分析物流產業運營效率，從7個地理區域的物流發展狀況來看，各區域間物流效率發展效率差異性較大，尤其是西北地區和東北地區。結合Tobit回歸模型，進一步分析物流效率與影響因素的相關性。結論為：區域經濟發展水平對區域物流發展效率具備一定的影響，但是影響程度不高。要提升區域物流產業發展效率，首先最重要的就是改善區域物流產業運營結構，同時，區域物流產業發展效率與信息化程度、地理位置，區域物流產業發展條件息息相關。

根據Tobit模型分析結果顯示，提升區域物流產業發展效率主要應從區域物流產業結構、物流行業發展信息化、區域物流產業發展優勢三個方面入手。

第一，構建區域物流產業鏈“共生”模式。物流企業線上品牌共生。目前我國區域物流的發展模式中，產品品牌與物流運輸之間存在斷層，品牌只負責銷售，物流企業只負責運輸，斷層點導致物流運輸緩慢。而構建物流企業與產品品牌共生模式，使物流企業與品牌達成倉儲、物流科技、配送、生產銷售、供應鏈金融等多方面合作，能夠有效提升物流服務水平，進一步提升消費者購買體驗。

物流企業線下零售共生。通過整合線下門店地理位置分布、經銷商分布等社會化資源，實現線上線下產品存貨狀況全網協同，如此物流企業在收到產品配送服務時，能在第一時間查詢到最近的產品存儲倉庫，從而進一步提升物流配送效率。

與同行快遞業共生。電商市場份額不斷擴大，衍生了不同品牌、不同規模的物流企業，物流行業競爭處于白熱化狀態，使物流行業整體發展動力分散，因此，可以通過同行快遞共生模式，進行最短、成本最低的交通路線共享，倉儲空間共享，有利于推動區域內整體物流水平的發展。

第二，智慧物流應用推廣。智慧物流主要包含兩個方面，現代科技運輸工具和現代信息化的物流企業管理兩個方面。現代科技運輸工具。首先是無人倉的應用。傳統物流企業板塊中，倉儲費用和物流企業人力資源費用占據物流企業運營成本較大份額，弱化了物流企業發展動力。而無人倉的運用，除了減少倉儲人力資源成本外，還有利于縮短把物件包裝、分揀、入庫等流程，實現產品銷售到物流配送全自動化，進一步提升物流產業運營效率。其次是無人機的運用。目前傳統物流運輸工具為汽車、輪船、飛機三種，這三種運輸方式受自然天氣因素影響較大，且運輸速度較慢。而干線級、支線級、末端級三級無人機+通航物流體系，能夠有效地解決這兩項弊端，較大程度提升物流運輸效率。最后是無人車的運用。通過以自動駕駛技術為核心，根據不同場景的用戶需求，研發并生產多種系列多種型號的自動駕駛無人車產品，有效節約物流配送人力資源成本。現代信息化企業管理。大數據的多樣性發展，大數據獲取變得更加簡單和多樣化，人們不僅僅關注大數據出發點，也會考慮大數據處理后的使用者，對于大數據信息的使用者來說，不僅僅只是拿到有用的數據價值就行，而是越來越要求個性化，針對不同決策者需要不同的數據和特點。因此，在區域物流企業管理過程中，需充分利用大數據和云計算技術，進行物流行業市場信息的挖掘。

第三，區域物流發展體系構建。根據Tobit模型分析結果顯示，區域物流產業發展優勢與區域物流產業發展效率相關系數為0.107，高于0.05，呈顯著相關狀態，需要通過優化企業發展環境，大力發展第三方物流，重視物流網絡配送網點建設，提升區域物流發展效率。［11］制定并完善物流產業評價體系，建立統一的物流產業碳排放標準，確定各環節碳排放方法。［12］