中國區域物流產業的效率分析及高質量發展路徑研究

唐建榮，田 雨 （江南大學商學院，江蘇 無錫 214122）

0 引 言

物流產業融合了交通運輸業、倉儲業以及郵政業，是我國經濟社會發展的基礎性、服務性和戰略性產業，我國區域物流產業的高效率和高質量發展對促進經濟新舊動能轉換、加快國民經濟運轉效率、提高企業核心競爭力、增強人民幸福感以及推動區域經濟增長等方面都具有重要作用。“中國物流業，高質量發展是關鍵”。

2017 年，黨的十九大報告指出：我國經濟已轉向高質量發展階段。一方面，據《中國物流年鑒》統計，我國社會物流總額逐步擴張，2019 年全社會物流總額高達298 萬億元，社會物流總需求增長態勢顯著。另一方面，我國物流產業依然存在“高耗低效”的現象，2019 年我國社會物流總費用為14.6 萬億元，與GDP 的比率為14.7%，而發達國家一般控制在8%～10%，嚴重制約我國物流產業甚至整體國民經濟的發展。

1 文獻綜述

有關物流產業效率的研究已成為國內外學者研究的熱點，其研究主要涉及微觀、中觀和宏觀三個層面。

一是微觀企業層面，如Min 和Joo（2006）通過DEA 模型對美國物流企業（UPS、Fedex 等） 的運營效益進行研究；韓東亞和劉宏偉（2019）以80 家上市物流企業2013～2017 年財務數據為研究樣本，利用隨機前沿分析法（SFA） 對中國物流產業進行效率評價；李曉梅和白雪飛（2016）利用超效率DEA 模型對16 家上市物流企業2006～2015 年的數據進行研究，分別測度了16 家上市物流企業的純技術效率、規模效率以及綜合效率。

二是中觀行業層面，如王金鳳、翟雪琪和馮立杰（2014）通過建立煤礦生產物流的安全投入指標以及優化模型，對河南某煤業集團下屬礦井進行實證分析，并進一步檢驗了該模型的有效性和適用性；汪旭暉和文靜怡（2014）通過隨機前沿分析方法測度了2003～2011 年我國23 個省、市、自治區的農產品物流效率；程書強和劉亞楠（2017）運用DEA-Malmquist 模型測算了2005～2014 年我國西部地區各省以及自治區的農產品物流效率，并對其效率變化和區域差異性進行深入研究。

三是宏觀區域層面，這也是國內外學者們聚焦的熱點。如Markovits 等（2014）采用DEA-PC 法對歐洲29 個國家的物流效率進行實證研究，并從多角度驗證了該方法的科學性和適用性；唐建榮和唐萍萍（2018）利用方向距離函數模型測度了2007～2016 年我國31 個省、市、自治區的物流產業效率，并利用探索性空間數據分析法（ESDA） 和標準差橢圓法對其時空演化規律進行深入研究；鐘祖昌（2010）運用三階段DEA 法對2007 年我國31 個省、市、自治區的物流產業運營效率進行評價；高康和張步闊等（2019）運用超效率DEA 模型對2006～2017 年我國西部12 個省、自治區的物流效率進行測評，并在此基礎上采用探索性空間數據分析法（ESDA） 對其空間相關性進行研究；唐建榮和盧玲珠（2013）利用三階段DEA 模型對2008～2010 年我國東部10 省、市的物流產業純技術效率、規模效率以及綜合效率進行實證分析；龔雪（2019）通過DEA-Malmquist 模型測算了2007～2016 年我國中部6 省的物流效率；于麗英、施明康和李婧（2018）運用DEA 模型測度了2008～2015 年我國長江經濟帶11 個省、市的物流產業純技術效率和規模效率，并通過Malmquist 指數模型分析了總效率變動、技術效率變動以及技術進步變動對長江經濟帶物流效率的影響。

數據包絡分析（DEA） 模型作為物流產業效率靜態分析的有效方法被國內外學者們廣泛運用，但利用Malmquist 指數模型對物流效率進行動態分析和運用探索性空間分析（ESDA） 對其進行空間相關性檢驗的研究相對較少，隨著學者們對物流產業效率研究的不斷深入，實證分析方式由單一化逐漸向多元綜合化轉變。

2 研究方法和數據來源

本文通過DEA-BBC 模型研究我國區域物流產業靜態效率，利用Malmquist 指數模型分析物流產業效率動態變化，最后根據Moran's I 指數模型檢驗我國區域物流產業效率的空間相關性。通過上述研究的系統診斷和分析，為我國區域物流產業效率研究和高質量發展路徑研究提出針對性的建議。

第一次說“稍等”，是因為一個老婆婆的行李從手推車上掉了下來，拉爾夫過去幫她放好。第二次“稍等”的時候，他把兩個小孩子分別舉起來，好讓他們看到窗外跑道上準備起飛的飛機。第三次，是為了拉我去欣賞墻上的兩幅印象派油畫……

2.1 研究方法

2.1.1 DEA。DEA 數據包絡分析法相較其他數據分析法來說，不受指標量綱的影響，能綜合處理多項投入、產出指標，有效降低計算服務成本，且精準度更高。傳統的DEA 模型分為規模報酬不變（CRS） 的CCR 模型和規模報酬可變（VRS） 的BCC 模型。CCR 模型主要分析決策單元的整體運營效率，而BBC 能夠測度決策單元的技術效率和規模效率，并且BCC 模型中投入沒有冗余，不需要優化，操作更簡便；除此之外，CCR 模型的假設條件是規模報酬不變，當決策單元測算結果顯示無效時，CCR模型無法進一步確定無效的原因；BCC 模型則假設規模報酬可變，并且可進一步分解各決策單元的相對技術效率，不同決策單元可以進行效率比較。因此，綜合以上兩個方面，本文選用DEA-BCC 模型對30 個省、市自治區的區域物流產業靜態效率進行測度。

式（1） 中s≥0, s≥0, λ≥0, j=1,2,…,n，此模型的經濟含義是：若物流效率為1，則DEA 有效，否則非DEA 有效。

其中：技術效率指數衡量各決策單元不同生產期生產前沿面的技術效率變動情況，而技術進步指數反映不同生產期生產前沿面的移動情況。

2.1.3 探索性空間數據分析（ESDA）。地理學第一定律認為事物之間普遍存在聯系，相近的事物關聯性更強。探索性空間數據分析（ESDA） 常用于空間數據自相關性的分析，空間自相關是指某變量在特定空間分布內的觀測值之間的潛在依賴性，即測度變量的空間集聚程度和關聯性，通常用莫蘭指數（Moran's I） 來衡量。基于此，本文引入全局莫蘭指數（Global Moran's I） 和局部莫蘭指數（Local Moran's I） 指數，以空間權重為基礎，通過測算決策單元空間鄰域層面的相似性和差異性來研究我國區域物流產業效力的空間分布狀態及演化規律。其計算公式如下：

Global Moran's I 衡量整個研究區域內我國物流效率的空間分布情況以及與空間鄰接的決策單元發展水平的相似度。

本文所有數據以2009 年為基期，運用平減指數剔除價格因素的影響，得到各指標的實際值。

3 實證研究與結果分析

3.1 物流產業靜態效率分析。測度中國各省、市、自治區的物流產業效率是分析物流產業發展質量及靜態、動態演化規律的基礎。基于上述指標體系，本文收集了2009～2018 年中國30 個省、市、自治區的物流產業面板數據，采用DEA 模型以及Mamlquist指數來測算中國物流產業效率的發展水平。利用DEAP2.1 軟件可以計算出2009～2018 年中國30 個省、市、自治區的物流產業綜合效率，具體結果如表2 所示。

綜合效率值為1 表明物流活動有效，且效率值越接近1 表明決策單元的物流產業發展水平越高，物流投入產出活動越合理。從表2 可以看出，觀測年份內部分地區的物流產業綜合效率值始終為1，如北京、天津、河北、上海、江蘇、浙江、安徽、福建、廣東，說明以上9 個地區在2009～2018 年的物流產業始終保持高水平發展，物流活動投入產出有效；內蒙古、遼寧、江西、山東、河南、湖南、海南、貴州、寧夏這9 個省、市、自治區的物流產業綜合效率均值均為0.9 以上，說明這9 個地區的物流產業發展水平較高，但物流活動效率還有上升空間。而青海省2009～2018 年物流產業綜合效率均值僅為0.394，新疆在觀測年份內的物流產業綜合效率均值為0.521，說明我國西部部分地區物流產業發展較為落后，物流效率亟待提高；并且物流效率空間分布不均衡，總體上表現為“東強西弱”的格局。

表1 物流產業效率評價指標體系

表2 2009～2018 年我國30 個省、市、自治區物流產業綜合效率值及其均值

本文將2009 年、2012 年、2015 年、2018 年4 個年份作為研究截面，利用DEAP2.1 軟件衡量我國區域物流產業效率，并借鑒李林澤等對物流產業效率等級的劃分（如表3 所示），建立物流產業發展質量分級，并借助ArcGIS 10.7 軟件生成我國物流產業效率的空間分布圖（如圖1 所示）。分析圖1 發現：

圖1 我國物流產業效率空間分布圖

表3 物流產業發展質量分級表

（1） 我國物流產業效率空間分布具有一定的空間惰性和相變性。一方面，物流產業效率的峰值和谷值區域基本不變，具有一定的初值依賴性。以上述研究截面年份為例，青海省始終是效率的低谷，而效率峰值地區則高度集中于東部沿海等地區，表明我國區域物流產業效率具有一定的區間依賴性。另一方面，效率極值的范圍發生變化，具有一定的相變性。對比研究初期，低效率地區由期初的西北和西南地區逐漸收斂到青海和甘肅兩省；高效率地區由期初的東部沿海各省、市擴展到期末的北京、天津、河北、山西、遼寧、上海、江蘇、浙江、安徽、福建、江西、湖南、廣東以及貴州14 個地區。

（2） 我國物流產業空間發展質量呈現“東高西低”的帶狀梯度格局。具體來說，觀測年限內我國物流產業效率均值為0.846，其中東部地區效率均值為0.989，中部地區效率均值為0.890，西部地區效率均值為0.718，東北地區效率均值為0.747，表現為東部＞中部＞東北＞西部的梯度遞減態勢。以圖1 中的4 個年份為例，物流產業中、低發展質量地區連片展布，集中在西北（青海）、西南（重慶和四川） 和東北（黑龍江和吉林） 三大區域，而高質量發展地區則集中塊狀鑲嵌于東部，并且塊狀格局逐步連成一體呈現帶狀伸展的趨勢，形成環渤海（北京、天津和河北）、長三角（上海、江蘇和浙江） 以及珠三角（廣東、福建和江西） 三大區域。

3.2 物流產業動態效率分析。Malmquist 指數模型是將“全要素生產率指數”分解為“技術效率指數”和“技術進步指數”，全要素生產率指數大于1 表示效率提高，物流效率整體呈上升趨勢；小于1 表示效率下降，物流效率整體呈下降趨勢；等于1 表示效率保持不變。本文利用Deap2.1 軟件測算30 個省、市及自治區物流產業效率的Malmquist 指數，具體結果如表4 所示。

從表4 可以看出，2009～2018 年我國年技術效率均值為1.002，技術進步均值為1.03，Malmquist 指數為1.033，說明我國技術效率上升了2%，技術進步上升了30%，Malmquist 指數上升了3.3%，這主要是由于技術進步的提高促進的。其中，遼寧省Malmquist 指數最高為1.097，這是由于技術效率和技術進步的雙重促進作用，技術進步的效用更明顯；值得注意的是，甘肅省Malmquist 指數僅為0.935，技術效率為0.927，技術進步為1.009，說明在觀測年份內甘肅省Malmquist 指數下降了6.5%，這主要歸因于技術效率的下降。

表4 2009～2018 年我國30 個省、市、自治區物流業Malmquist 指數

以表5 中2011～2012 年我國全要素生產率指數1.085 為例，2012 年同2011 年相比效率提高了8.5%，而2012～2013 年該指標變為0.944，表示2013 年整體的物流效率僅相當于2012 年整體物流效率的94.4%，屬于效率下降。如表5 所示，我國物流產業在研究期間內整體Malmquist 指數波動幅度較大，并且和技術進步變動趨勢較為一致。從結構上來看，Malmquist 指數在2012～2013 年、2014～2015 年下降，在其他年份均上升。綜合以上分析可以看出，Malmquist 指數主要受技術進步影響，曲線變化幾乎同步，這說明我國物流在2009～2018 年持續穩定發展主要得益于創新的技術支持。此外，Malmquist 指數呈現出漲落相繼、升降相連的特征，反映我國區域物流效率的波動趨勢。

表5 2009～2018 年我國物流產業Malmquist 指數的變動與分解

3.3 空間相關性分析。本文基于探索性空間數據分析法，利用Geoda 軟件在蒙特卡洛999 次模擬檢驗之后測算出2009～2018 年我國30 個省、市、自治區物流產業發展的Global Moran's I 指數，如表6 所示。

由表6 可知，2009～2018 年，我國30 個省、市、自治區的物流產業效率Global Moran's I 指數值均為正值，總體呈波動下降的趨勢，2016 年達到最小值0.360，2011 年達到最大值0.406，p 值變化不大且均小于0.05，通過了z 值檢驗，說明我國物流產業效率存在顯著的全局空間正相關性。

表6 2009～2018 我國30 個省、市、自治區物流產業效率全局Moran 指數

以時序視角來看，Global Moran's I 指數呈現出先上升后下降的趨勢，其中從2009 年的0.393 上升到2013 年的0.403，表明在2009～2014 年間我國物流產業發展的空間相互作用逐漸加強，2014～2018 年間稍微減弱，從0.387 下降至0.363，但始終保持著較高的空間相關性，即觀測值具有空間集聚性。我國區域物流產業效率在空間分布上并不是隨機的，在觀測期內，我國30 個省、市、自治區的物流產業效率空間分布呈現如下四種不同的空間集聚主體：物流效率水平相對較高的區域傾向于與其他具有較高物流效率的區域相鄰近，即體現空間集聚性的H-H 高值集聚區；而較低物流效率水平的區域傾向于與其他具有低物流效率水平的區域相鄰近，即L-L 低值集聚區；以及體現空間差異性的物流效率L-H 低值被高值包圍區、H-L 高值被低值包圍區。

為了更加直觀形象地分析我國30 個省、市、自治區物流產業效率的空間格局和集聚狀態，本文以2009 年、2012 年、2015年和2018 年為研究對象，借助Geoda 軟件繪制了以上4 個年份的物流產業效率Local Moran's I 指數散點圖來分析中國物流產業效率空間格局的演變過程（如圖2 所示）。

由圖2 可知，我國物流產業效率的空間集聚模式主要是H-H 型以及L-L 型集聚，物流產業發展存在顯著的空間正相關關系，空間單元具有同質性，即物流產業發展的時空演變分布并非相互獨立變化，存在空間溢出效應；少數地區是L-H 型或H-L型集聚模式，表明我國物流產業發展存在顯著的空間負相關關系，空間單元具有異質性。

圖2 我國30 個省、市、自治區物流產業效率的Moran 指數散點圖

為了更直觀地分析各省、市、自治區的物流產業效率演化格局，以上4 個觀測年份的物流產業效率LISA 集聚效果如表7 所示。

表7 我國物流產業效率LISA 集聚

從表7 中可以看出：（1） 4 種不同集聚主體數量變化。從時間維度上看，2009～2018 年，H-H 型地區從18 個增至20 個，L-H 型和L-L 型數量始終保持不變，分別為6 個和3 個，H-L 型地區從3 個降至1 個，表明我國物流產業效率空間集聚模式以H-H、L-L 型為主導，形成了“高—低”集聚的顯著二元結構，我國物流產業效率呈明顯兩極分化趨勢，且該趨勢長期內并未得到本質改善。（2） 4 種不同集聚主體空間分布。H-H 型區域主要集中在經濟較為發達的東部和中部，各省、市之間交通便捷，物流產業規模大效率高，形成了產業互聯、設施互通、經濟互補的區域一體化格局；L-L 型區域包括青海和新疆，其地處西北內陸，交通閉塞，經濟欠發達，物流產業效率低下；L-H 型區域主要集中在我國西南以及中部偏北的省份，說明以上省份自身物流效率較低，物流產業發展慢于周邊地區；H-L 型地區在以上4 個觀測年份中僅有福建一省，其經濟發展的溢出效應較弱，表現為自身經濟水平的“一枝獨秀”。（3） 4 種不同主體空間集聚演變。由以上4 個觀測年份可以看出，我國物流產業效率整體空間配置格局變化不大，但個別省份變動明顯。寧夏自治區從2009 年的H-L 型躍遷至2018 年的H-H 型，陜西省從L-H 型躍遷至H-H 型，甘肅省從L-L 型躍遷至H-H 型，以上3 個地區都位于西北內陸，其物流產業效率的突飛猛進主要歸因于“西部大開發”戰略和“一帶一路”戰略的政策紅利、全球經濟化和區域一體化的推動、物流基礎設施的完善以及周圍省、市、自治區經濟發展的溢出效應等。

4 結論與對策

歸納并揭示物流產業發展規律是促進我國區域物流產業高質量發展、降本增效的基礎和前提。本文首先通過DEA-BBC 模型測算了區域物流產業的靜態效率并進行發展質量評價，其次利用Malmquist 指數模型分析其動態變化規律，最后運用Moran's I 指數研究我國區域物流產業效率的空間相關性。通過以上3 個層面的分析得到以下結論：（1） 2009～2018 年我國區域物流產業綜合效率總體上呈波動上升態勢，且呈現出顯著的區域性差異，具體表現為“東強西弱”的格局。研究年份內東部地區物流產業綜合效率值變化不大，中部、西部以及東北地區10 年間物流產業綜合效率值均有較大提升，總體來說我國目前物流產業發展處于較高效率階段和較高發展質量階段，但部分地區物流產業綜合效率和發展質量依然不高，在效率改進和發展質量改善方面存在重重阻礙。（2）2009～2018 年我國30 個省、市、自治區的Malmquist 指數總體上呈現出漲落相繼、升降相連的特征。觀測年份內我國Malmquist 指數均值為1.033，表明M 指數上升了3.3%，且M 指數曲線變化幾乎與技術進步曲線一致，說明近年來我國物流產業的持續穩定發展主要依賴技術創新，技術進步帶來的“增長效應”是物流產業高效率、高質量發展的核心引擎。（3） 通過Moran's I 指數模型的分析可以看出，我國物流產業發展存在顯著的正相關關系，空間集聚模式主要為H-H 型、L-L 型，形成了顯著的“高—低”集聚二元結構。我國物流產業效率兩極分化嚴重，且該趨勢長期內沒有得到改善，但個別地區表現出明顯的類型躍遷。

結合上述研究成果和結論，本文為提升我國物流產業發展效率、推動物流產業高質量發展，提出以下三點對策建議：（1）加快物流產業制度建立。科學完善的物流產業發展制度及機制是其高效高質發展的基礎。一方面，政府應積極倡導物流產業制度的標準化、規范化改革，加強物流市場開放程度，同時推動物流產業相關準入制度的建立，提高行業準入門檻。另一方面，物流企業的轉型升級以及結構性改革離不開我國物流體系的高效運轉。政府和企業應共同推動物流產業信息共享平臺的建設和發展，為現代化物流的高效率、高質量發展夯實基礎。最后，物流產業與其他產業是相互扶持、相輔相成。政府應推動相關政策的建立和實施，加快物流產業與其它產業的融合發展，尤其要重點關注物流產業與交通運輸業、倉儲業以及郵政業等之間的互動作用，加快物流產業鏈的建立，同時推動物流綜合運輸樞紐等基礎設施的完善，不斷增強物流產業對其他產業的“溢出效應”以及外部融合能力，通過與各個產業的融合發展推動物流產業降本增效以及高質量發展。（2） 促進物流產業技術革新。物流產業效率的持續穩定增長離不開先進物流技術的支持，技術進步的“增長效應”是物流產業高效率、高質量發展的核心引擎。首先，政府應鼓勵創新，通過政策的制定推動物流企業積極進行自主研發與技術創新，并大力促進產業融合，尤其是物流產業與人工智能、大數據平臺等深度融合，增加物流產業科技創新支出以消減技術壁壘，削弱技術進步的“滯后效應”。其次，高素質專業人才是物流技術革新的關鍵，企業應積極引入物流專業人才，加強供應鏈一體化管理，推動企業信息管理水平的提升和相關物流資源的整合，推進物流產業供給側結構性改革，實現物流產業的降本增效。最后，加快建立高效科學的運營模式，促進各地區物流產業信息互聯互動平臺的發展，推動物流產業數據與信息的對接與整合，在“互聯網+”發展戰略的優勢下打造線上與線下聯動的物流產業創新運營模式，推動物流產業的高質量發展。（3） 構建區域物流聯動機制。我國物流產業的高效率、高質量發展依靠區域物流產業的協同發展以及空間布局的優化。首先，應發揮物流熱點地區的帶動作用，利用經濟發達、基礎設施完善的長三角地區（以上海、浙江、江蘇為主）、京津冀地區（以北京、天津、河北為主）、珠三角地區（以廣東、福建、江西為主） 的“溢出效應”拉動周邊地區物流產業的發展，同時發掘物流效率潛力較大的地區（如內蒙古、遼寧、山東、河南、湖南、海南、貴州、寧夏等），逐步形成“南北互通、東西聯動”的物流產業高效率發展格局。其次，重點關注物流效率的洼地即西部地區，鼓勵東部地區的杰出物流企業將先進的物流技術以及成熟的物流運營理念向西部區域輸出，同時利用中部區域在物流資源、信息輸送中的橋梁作用，推動各地方物流產業合作機制的建立健全以及各區域物流信息共享平臺的構建，規避“信息孤島”、打破省域封鎖，大力推動物流企業的跨地區物流資源和信息的整合，實現區域優勢互補、協同合作，推動區域物流產業高質量發展。