異質性視角下中國區域物流效率評價與提升路徑研究
——基于共同前沿生產函數的測算

李 雷

（甘肅政法大學 經濟與管理學院，甘肅 蘭州 730070）

1 引言

當前我國經濟整體已逐步從高速增長向高質量發展階段嬗變。作為現代服務業的重要組成，物流業在支撐現代化產業體系、降低交易成本、促進市場供需匹配、創造市場新需求等方面發揮愈來愈重要的作用。2019年3月，國家發改委、工業與信息化部等部門聯合發布了《關于推動物流高質量發展促進形成強大國內市場的意見》，指出物流高質量發展是經濟高質量發展的重要組成部分，同時也是推動經濟高質量發展不可或缺的重要力量。眾所周知，高質量發展強調質量第一、效率優先，促進現代物流業高質量發展的重要途徑就是提升物流行業的全要素生產率。

現代物流業的運行效率不僅代表某一區域整體的商貿流通水平，還真實反映了該區域的資源配置能力與產業結構合理程度，其重要性不言而喻。當前正處于加速推動物流業高質量發展的關鍵時期，有必要對近年來我國物流業的運行效率進行全面、客觀地分析與評價。通過對物流資源的投入與產出水平進行綜合評價，探尋近年來我國區域物流發展進程中存在的瓶頸與制約因素，并因地制宜提出提升與改進策略，對于指導、促進物流業高質量發展將產生積極的促進作用。基于此，物流效率問題作為研究物流高質量發展不可回避的問題，具有十分重要的理論與現實意義。

2 文獻綜述

近年來，國內外學者對物流效率問題做了許多有益的研究與探索，梳理文獻后可知，現有研究主要從以下三個方面展開研究，首先，從區域層面看，王維國、馬越越基于三階段DEA模型的Malmquistluenberger指數方法對我國區域物流效率進行測度[1]；王蕾，等借助DEA方法對新疆北疆現代物流效率進行評價[2]；王琴梅、譚翠娥使用DEA與Tobit模型對西安市物流效率進行實證研究[3]；王育紅、劉琪[4]使用Super-SBM模型，于麗英，等[5]使用DEA-Malmquist指數模型分別對長江經濟帶物流效率進行測度；其次，從產業層面看，鐘祖昌，等使用三階段DEA模型對中國物流產業的技術效率進行評價[6]；余泳澤、武鵬使用隨機前沿法對我國物流產業效率及其影響因素進行了研究[7]；王玲使用序列DEA與SBM模型測度了我國物流產業的技術效率[8]；最后，從企業層面看，鐘祖昌對我國物流業上市公司運行效率進行了評價[9]，楊子剛，等使用DEA方法對我國運輸物流上市公司的經營績效進行了綜合評價[10]，李曉梅、白雪飛使用超效率CCR-DEA模型對我國國有物流企業績效進行了實證分析[11]。

前期學者的既有研究對我國區域物流、行業物流、企業物流的效率測度與綜合評價具有重要的借鑒和參考價值。但是需要指出的是，現有研究更多聚焦于對不同地域、不同城市物流產業進行效率測度，在對我國區域物流進行效率測度時，未充分考慮不同區域存在的區域技術落差，導致研究結論可能存在一定偏差。基于此，本文在Oh and Lee文獻基礎上[12]，結合我國2010-2018年我國30個省域的物流業投入產出數據，在Global Malmquist指數基礎上引入“共同前沿生產函數”，構建了Meta-frontier Global Malmquist指數，嘗試將不同的決策單元按照區域屬性進行分類，分別計算不分組情形下的Global Malmquist指數及各群組的Global Malmquist指數，同時對各地區物流效率進行分解，按照地區經濟發展差異程度分組測算了我國東、中、西三大區域物流效率及分解效應。

3 研究方法

Meta-Frontier DEA框架的核心在于分別定義了組群前沿和共同前沿，因此可以更好地反映不同地域的異質性。假設有k個決策單元一共進行了T期生產，全部決策單元可分為j個組群，依次為R1,R2,…,Rj，同時每個決策單元都使用N種投入，得到M種產出，即x∈,y∈則生產前沿被定義為：P={(x,y,b)|x能生產y,b}。R組的當期基準技術定義為：={(xt，yt)|xt能夠生產yt}，其中 λpt=pt，t=1,2,...,T，j組Rj的跨期基準技術定義為：表示的是所有觀測值與Rj群組在所有時期所組成的生產技術集，因此，存在與j組不同的生產技術集。進一步，全域生產前沿可以被定義為：，反映了所有的觀測值和所有群組整期的參考集，包含了所有的群組和所有時期，同時前提假設為生產者可以獲得全局生產技術。

全局生產可能性集合的邊界衡量了所有組群所有時期內的共同前沿。基于生產集合,Rj組中的個體i當期Malmquist生產率指數定義為：其中產出距離函數為：其中 s=t,t+1。在的基礎上，R組內的跨期Malmquist生產率指數定j義為：，其產出方向的距離函數為：DI(x,y)=in基于上述分析，可進一步將Meta-frontier Malmquist生產率指數分解為：

由式（1）可知，EC反映了第t期與t+1期組內技術效率的變化率，可視為“追趕效應”，BPC反映的是第t期與t+1期組內的技術差異變化率，可視為技術“創新效應”，TGC反映的是第t期與t+1期各群組技術前沿與共同前沿之間的差異變化率，同時技術缺口比率值（TGR）越小，代表某一組的技術前沿與共同技術前沿的差距越大，因此TGC＞1表示跨期的技術缺口比率變化率大于1,可視為“領先效應”。

4 數據與變量

4.1 數據來源

本文基于stata16.0軟件，使用2010-2018年的我國各省域年度數據進行測算，其中各省域數據來自歷年《中國統計年鑒》、《中國物流年鑒》以及各省市國民經濟與社會發展統計公報等。考慮到數據的連續性與可獲得性，本文在研究中剔除西藏、香港、澳門、臺灣等地區，最終保留30個省級地區作為研究對象。同時，借鑒目前文獻中的普遍做法，將中國劃分為東部、中部和西部三大區域，其中東部地區包括：北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南等11省市；中部地區包括：山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南8省；西部地區包括剩余11個省級區域。通過劃分三大群組，進一步對比分析不同區域及省域間物流業效率的時空差異。考慮到現階段中國物流產業尚未有完整的數據統計體系，同時交通運輸、倉儲和郵政業的發展水平可以較好地反映中國物流產業總體發展狀態，因此本文遂以交通運輸、倉儲和郵政業的相關指標與數據代指物流業的發展情況。

4.2 指標選取

（1）產出變量。本文借鑒龔雪、荊林波（2020）[13]的方法，將物流產業的產出設定為經濟產出與規模產出，經濟產出使用交通運輸、倉儲和郵政業增加值予以反映；規模產出使用貨運量指標進行測度。

（2）投入變量。本文將物流投入要素分為勞動力投入、資本與物質投入兩部分，其中勞動力投入使用交通運輸、倉儲和郵政業城鎮單位就業人員反映；資本與物質投入使用物流業資本存量指標進行測算。在計算各省市物質資本存量的過程中，本文參照單豪杰[14]的處理方式，選取1952年為基期，先按照各地區的隱含平減指數將歷年的資本存量折算成1952年不變價的數值，然后根據所設定的折舊率（0.10），使用永續盤存法對2010-2018年資本存量進行估算。

5 實證分析

本文參照東、中、西部區域劃分方式將各省域分為三個異質性群組，首先使用Malmquist Index(MI)、Global Malmquist Index(GMI)、Meta-frontier Malmquist Index(MMI)三種方法對比測算2010-2018年我國30個省域的物流全要素效率，在此基礎上，進一步對MMI進行分解，對比分析三個群組在“追趕效應”、“創新效應”與“領先效應”的結果，最后測算在不分組和分組兩組情形下的MMI與分解效應。

5.1 東中西部地區物流效率測算

表1顯示了2010-2018年我國東、中、西部地區使用MI、GMI及MMI三種方法計算的物流效率。由表1可知，從時間趨勢上看，無論基于共同前沿還是群組技術前沿，大多數省區物流TFP指數的值大于1，顯示了樣本期我國物流效率整體呈現增長的總體態勢。以MMI法為例，2010-2018年東部地區平均值為1.026 2，中部地區為1.013 4，西部地區為1.008 6，物流效率均保持整體增長趨勢，其中東部地區增速最高，中部地區次之，西部地區最低。從估計方法看，MI方法測算的結果均低于GMI和MMI，由于ML指數方法并未將跨期及不同技術水平下形成的共同前沿因素考慮在內，可能會導致估計結果不準確；同時GMI方法雖然考慮了跨期的共同前沿因素，但相較于MMI，仍未考慮不同地區技術水平的共同技術前沿，因此可能出現低估效率值的結果，因此MMI估計方法可以較為客觀反映物流效率的真實水平。同時本文嘗試使用非參數方法對GMI和MMI進行差異性檢驗，通過將差分后的結果與其相應的中位數比較后可得，MMI方法相較于GMI方法顯著提高了估計精度。因此，本文后續的分析也將圍繞MMI方法展開。

表1 2010-2018年中國東、中、西部地區MI、GMI、MMI方法結果分布

按照式（1）將MMI指數進行進一步分解，可以得到以下三部分：群組內的技術效率變化指標（EC），表示觀測單元對群組當期前沿的追趕效應；群組內當期的前沿與群組內共同前沿的技術差異（BPG），反映了觀測單元對群組當期前沿技術進步的情況；跨期各個群組技術前沿與共同前沿之間的技術差距比率變化率（TGC）。若EC＞1則表示決策單元的效率水平實現了向群組前沿的追趕，體現出追趕效應；若BPC＞1則代表了技術進步；若TGC＞1則表示與全局前沿技術差距正在不斷增大，可視為“領先效應”；若TGC=1則表明決策單元處于跨期全局技術前沿上，具有領先和示范效應。

5.2 各區域MMI測度及分解

表2 中國東、中、西部地區MMI分解

由表2可知，將全國劃分為東、中、西三個群組，使用MMI方法進行分解后可得：首先，從區域層面看，2010-2018年，東部地區物流全要素生產率(MMI)、技術追趕效應（EC）、技術創新效應（BPC）及領先效應（TGC）的年均增長率分別為2.87%、3.25%、0.11%和0.03%，表明東部地區各省域物流效率的增長主要依靠技術趕超效應，同時其技術創新效應與領先效應也顯著為正，但是對全要素生產率增長的貢獻低于趕超效應；中部地區的物流全要素生產率（MMI）、技術創新效應（BPC）年均增長率分別為1.54%、2.51%，但是技術追趕效應（EC）與領先效應（TGC）年均增長率為-0.27%和-0.63%，表明中部地區的物流效率提高主要源自技術創新效應，技術趕超效應（EC）和領先效應（TGC）呈現負作用，說明中部地區物流資源配置效率與技術水平仍需進一步提升；西部地區物流全要素生產率(MMI)、技術追趕效應（EC）及領先效應（TGC）的年均增長率分別為1.16%、1.17%、0.48%，技術創新效應（BPC）年均增長率為-0.42%。上述結果表明西部地區物流綜合效率的提高主要源自追趕效應，說明近年來西部地區通過改善物流資源的配置效率，促進西部地區物流效率的提升，但是值得注意的是，西部地區創新效應年平均增長率仍然為負值，表明技術進步對西部地區物流效率的提升作用尚未凸顯。

從時間趨勢看，三個地區的MMI值均＞1，表明三個地區在整體上呈現物流效率提升趨勢，同時東部地區的平均增速最高，西部地區的增速最低。從分解效應上看，東部地區追趕效應（EC）的增長率由2010年的-1.88%到2018年的2.60%，追趕效應顯著得到提升；中部地區的增長則主要依靠創新效應，BPC年均增長率由2010年的0.09%到2018年的5.47%，特別是在2016年以后，中部地區創新效應取得快速增長；西部地區物流效率的提升主要源自追趕效應，EC年平均增長率由2010年的-1.91%到2018年的2.93%。

5.3 各省區域MMI測度及分解

表3反映了2010-2018年我國各省使用MMI進行測算的結果。從整體上看，各省物流效率的分解效應存在著顯著的差異，其中全國物流效率的年均增長率為1.63%，低于同期東部地區的平均增速。以全國平均增速為基準，可以發現有17個省市的物流全要素生產率平均增速高于全國均值，有13個省份的平均增速低于全國平均水平。具體來看，東部地區發達省市，例如北京、天津、上海、浙江、江蘇等年平均增速高于全國平均水平，同時大多數也居于技術領先與技術的前沿面，甘肅、寧夏、貴州、重慶等西部地區的平均增速低于全國平均水平，同時技術基本處于劣勢地位、技術效率改善不明顯。山西、內蒙古、黑龍江、青海、江西等資源能源大省的技術領先效應低于全國平均水平，技術缺口比率的變化隨時間推移不斷增長，表明上述資源型地區物流發展綜合技術水平與發達地區相比，差距不斷增加。從各省具體情況看：以西北地區為例，除新疆地區物流全要素生產率提升顯著外，陜西、甘肅、青海、寧夏四個地區年平均增速均低于全國平均水平，其中甘肅和寧夏出現負增長，年平均增長率分別為-3.51%和-3.7%；從技術趕超效應看，甘肅、青海、寧夏的增長率為負值，分別為-4.27%、-2.31%、-1.86%；從技術創新效應看，陜西、寧夏出現負增長。上述分析表明西北地區中，多個省域在技術追趕效應與技術創新效應呈現負向作用，抑制了本地區物流全要素生產率的提升。

表3 2010-2018年各省份MM指數分解

6 結論與對策

6.1 基本結論

本文基于Meta-frontier Global Malmquist Index方法測度2010-2018年我國各地區物流業全要素效率動態變化情況，同時按照傳統分類方式劃分為東、中、西三個區域性群組進行異質性分析，主要結論如下：從整體看，MI、GMI、MMI指數測算結果均顯示，2010-2018年我國東、中、西三個區域的物流效率呈提升趨勢，東部地區增速最高，中部地區次之，西部地區最低。其中東部地區技術趕超效應起主導作用，同時創新效應和領先效應也正向促進物流效率的提升；中部地區技術創新效應起到重要推動作用，西部地區主要依靠技術趕超效應與領先效應，但是技術創新效應不足抑制了物流效率的提升。從各省市具體分布看，北京、天津、上海、浙江等發達地區居于技術領先與技術的前沿面，物流全要素生產率平均增速也處于較高水平，中西部地區特別是西北地區如陜西、甘肅、青海等地，受技術追趕效應與創新效應的限制，物流全要素生產率增速處于較低水平。

6.2 改進路徑

依據上述結論，本文提出如下政策建議與改進路徑：

（1）明確區域物流效率提升的重點。東部地區技術“趕超效應”顯著，但是技術“創新效應”與“領先效應”仍有待提高，因此未來應以技術創新為突破口，繼續加大東部地區物流新技術、新設備的應用，發揮技術創新對物流效率的推動作用，鞏固提升物流效率；中部地區應以改善“趕超效應”為重點，需要重視區域物流資源的合理配置問題，應不斷優化區域物流資源的配置，帶動區域物流綜合效率的提升；西部地區物流效率提升速度最為緩慢，其中技術創新效應不足是限制西部地區物流效率提升的重要因素。因此，西部地區需要注重物流技術與管理水平的綜合提升，通過技術創新驅動物流效率的提升。

（2）夯實物流高質量發展的基礎。當前新冠肺炎疫情對我國物流業持續發展造成顯著的沖擊。在此背景下，應以新型基礎設施投資建設為契機，通過新基建促進物流業全要素生產率的增長。具體來看，首先，要加快推動5G網絡、大數據、人工智能等新一代信息技術與物流業的深度融合，鼓勵物流企業開展技術創新，支持智能調度、無人配送、智慧分揀等新技術、新模式的應用落地，通過技術升級帶動物流行業服務能力和服務水平的提升；其次，要重視智慧港口、智慧園區等新型物流基礎設施的投資建設，讓智能物流技術與物流設備可以獲得更多的應用場景，為推動物流企業的數字化轉型、綜合提升物流產業的綜合效率、促進物流業整體的高質量發展奠定堅實基礎。

（3）促進區域物流協調發展。當前，中西部地區的物流效率仍顯著落后于東部地區，特別是西部地區，大部分省份屬于經濟欠發達、物流規模、管理水平與基礎設施落后的地區，促進技術“創新效應”與“領先效應”的發展存在先天不足與客觀困難。鑒于此，首先應科學引導物流資源、技術要素與配套服務向中、西部地區進行合理轉移,促進東中西部區域物流協調發展。其次，西部地區應充分利用自身區位特色與優勢，積極培育區域新型物流增長極。例如，陜西、甘肅、新疆等地區可利用其在“一帶一路”倡議中的區位優勢，大力發展與中亞、西亞等地區的跨境物流與國際商貿物流，發揮西安、蘭州、烏魯木齊等節點城市的銜接效應與輻射效應，以點帶面、促進協調發展。內蒙古、山西、黑龍江等省份可將其在資源能源等方面的優勢與物流業相結合，通過產業聯動推動物流業的發展；西南地區廣西、云南等省份應以提升面向東南亞、南亞地區的通道功能和門戶功能為重點，鼓勵發展邊境貿易，推動跨境物流體系的建設。