組態視角下物流業高質量發展效率提升路徑研究

楊亞銘　薛旭紅　王建新　馬丁

摘 要：物流業已逐漸成為我國經濟發展的重要產業，物流效率是物流業發展的關鍵因素，為探討物流效率的提升路徑，通過數據包絡分析方法（DEA）對我國2020年31個省（區，市）的物流業高質量發展效率進行評價，并通過模糊集定性比較分析法（fsQCA）分析其影響因素的必要性與充分性，研究了不同影響因素之間的組合效應對物流業高質量發展效率的影響。不同于傳統回歸模型分析各因素對于物流業高質量發展效率的直接或間接作用，文中創新性采用模糊集定性比較分析法（fsQCA）探究各前因變量的組態作用，研究表明，物流效率的影響因素是多重并發的，提高物流效率并不能僅發展一種單一要素，而應注重多方位考慮，全方位發展，從整體宏觀角度看待物流效率發展問題。實現高物流效率共有四條路徑：高勞動力素質驅動下的科技投入型、高勞動力素質驅動下的對外開放型、高科技發展驅動下的對外開放型、高科技發展驅動下的政府支持型。各省（區，市）可根據自身實際發展情況，有選擇性地找出適合自身的路徑，提高物流效率，促進物流業的高質量發展。

關鍵詞：物流管理；物流效率；數據包絡分析；模糊集定性比較分析；組態路徑；影響因素

中圖分類號：F 259.2；F 224

文獻標識碼：A文章編號：1672-7312（2023）05-0593-08

Research on the Path of High-quality Development Efficiency Improvement of Logistics Industry from the Perspective of Configuration

YANG Yaming，XUE Xuhong，WANG Jianxin，MA Ding

（School of Economics and Management，Taiyuan University of Technology，Jinzhong 030600，China）

Abstract：The logistics industry has gradually become an important industry in Chins economic development，and the logistics efficiency is a key factor in the development of the logistics industry.In order to explore the improvement path of the logistics efficiency，the high quality development efficiency of the logistics industry in 31 provinces（regions，municipalities）in China in 2020 was evaluated through the data envelopment analysis method（DEA）.The necessity and sufficiency of the influencing factors were analyzed by fuzzy set qualitative comparative analysis（fsQCA），and the influence of the combination effect of different influencing factors on the high quality development efficiency of logistics industry was studied.Different from the traditional regression model to analyze the direct or indirect effects of each factor on the high quality development efficiency of logistics industry，this paper innovatively adopts fuzzy set qualitative comparative analysis（fsQCA）to explore the configuration effects of each antecedent variable.The research shows that the influencing factors of logistics efficiency are multiple and concurrent，and improving logistics efficiency cannot only develop a single factor but should pay attention to multi-directional consideration，all-round development，from the overall macro perspective of logistics efficiency development issues.There are four ways to achieve high logistics efficiency：technology input driven by high labor quality，openness driven by high labor quality，openness driven by high-tech development，and government support driven by high-tech development.Each province（autonomous region，municipality）may，according to its own actual development situation，selectively find out its own path to improve logistics efficiency and promote the high-quality development of logistics industry.

Key words：logistics management；logistics efficiency；data envelopment analysis；qualitative comparative analysis of fuzzy set；configuration path；influencing factors

0 引言

在當今經濟迅速發展、人民生活水平日益提高的時代，物流業已逐漸成為國家經濟發展中的重要產業。物流效率作為物流業中的核心要素，不僅在高質量發展中扮演著重要作用，更是物流業高質量發展的必要因素。在此背景下，物流效率的提升及影響因素成為政府部門和學術界關注的重點問題。文中通過實證研究，分析我國31個省（區，市）的物流效率及影響因素，并提出提升物流效率的可行性路徑，以期為物流業高質量發展提供理論借鑒。

物流效率的評價與提升一直是國內外學者研究的焦點。1980年，SCHINNAR[1]首次將DEA模型應用于物流產業的研究，之后這種方法被廣泛應用于各個領域的效率測度中。RABINOVIC E和KNEMEYER A M[2]基于DEA模型，對美國物流產業效率進行測度。MARKOVITS-SOMOGYI R和BOKOR Z通過DEA模型與AHP相結合的方式對29個國家的物流效率進行了分析[3]。HYUNGSUK L[4]通過采用兩階段DEA模型的方式，分析了伊拉克與157個國家之間的相對物流效率，并針對其所存在的問題提出了相應的對策與建議。

國內關于物流效率方面的研究主要為測度方面及對影響因素的探討，在物流業高質量發展水平測度方面：龔雪和荊林波[5]采用DEA-Malmquist指數評價模型，運用靜態分析與動態分析對我國31個省市的物流效率展開研究，并對所發現的問題提出了相應的對策與建議。張萌物和漆棪[6]通過DEA方法和Malmquist模型綜合評價了2007—2016年陜西省的物流效率，并結合靜態分析和動態分析的結果，提出了相應的結論和建議。蔡林美和王進[7]采用DEA模型，對我國西部12個省份的物流業效率進行研究分析，通過配置物流業投入與產出數據實現DEA有效，能夠提高物流業效率等。張永勝[8]運用DEA模型和Tobit回歸分析模型對2010—2019年廣西地區物流效率評價并分析其影響因素，根據影響因素變量與物流綜合效率之間的回歸分析，給出加大政府支持力度等對策建議。邸鴻喜等[9]提出了嵌入新冠病毒感染風險系數的貨損成本函數，研究發現經過改進的CFLP模型對疫情下冷鏈物流配送中心選址有一定的借鑒意義。吳宗澤和宋良榮[10]采用DEA模型和Malmquist模型對我國58家國內物流公司2017—2021年的物流效率進行評價分析，并對所存在的問題提出了相應的對策與建議。

在物流業高質量發展水平測度的基礎上研究其影響因素：DENG等[11]采用PCA法、SBM-DEA方法與Tobit模型測度我國30個省市在有碳排放限制和無碳排放限制的情況下的物流效率，研究發現物流效率存在較大的區域差異，呈現出由東向西逐漸下降的趨勢，規模效率低是制約物流發展的重要因素，區域經濟和物流發展與物流效率正相關，能源結構和政府影響與物流效率負相關。劉巖和田強[12]運用BCC-DEA模型，對2016年我國31個省市的物流效率進行測度，研究得出區位優勢（第三產業占比、每十萬人口高等教育學校平均在校生數等）與經濟總量（地區生產總值、社會消費品零售總額等）影響物流效率的結論。范建平等[13]運用改進后的EBM-DEA三階段模型，將經濟發展水平、政府支持程度、能源利用率和區位優勢作為環境變量，對模型估計結果分析發現經濟發展水平、區位優勢及能源利用率對物流效率有顯著影響。龔雅玲等[14]采用DEA-Tobit模型，研究發現對區域物流產業發展效率產生重要影響的主要為區域物流產業結構、物流行業發展信息化及區域物流產業發展優勢3個方面。龔雪[15]選取對外開放程度、行業因素、經濟發展水平、能源利用率、區位因素、信息化水平、政府支持度為影響因素，使用DEA-Tobit模型進行分析，研究發現對外開放水平、行業因素、經濟發展水平、能源利用率、區位因素、政府支持度對物流業發展綜合效率有顯著影響。龔瑞風等[16]研究發現地區居民消費水平、社會消費品零售總額、地區人均GDP對物流效率有顯著性影響。

現有實證類文獻中，主要是運用傳統的數據包絡分析（DEA）測算我國各省（區、市）的物流產業效率，還有一部分學者利用Tobit模型分析了物流效率的影響因素。通過研究，學者們發現了對物流效率的眾多影響因素，并且分析了其影響因素對物流效率影響的顯著性問題，對研究物流效率及其影響因素作出了巨大貢獻。但是物流效率的研究是一個復雜的問題，單個影響因素并不能決定物流效率的發展走向，對物流效率的影響通常由多個影響因素之間共同作用產生的。而現有文獻專注于分析研究單個因素對物流效率的影響，忽略了不同影響因素之間的組合效應對物流效率發展的影響作用。

因此，文中擬采用數據包絡分析法與模糊集定性比較分析法對我國各省（區，市）的物流效率進行研究。首先通過數據包絡分析法評價其物流效率，然后運用模糊集定性比較分析法探討影響因素之間的組合效應對物流效率的影響，以期找出提高物流效率的影響路徑。

1 研究設計

1.1 研究方法

1.1.1 DEA

DEA評價方法由CHARNES和COOPER等[17]創建于1978年。DEA模型主要包括兩種模式：CCR-DEA模型和BCC-DEA模型，CCR-DEA模型假設規模報酬不變，而BCC-DEA是假設存在規模報酬變化。文中選取BCC-DEA模型評價物流產業效率。

假設要評價n個省份的物流產業發展效率問題，并假設評價指標體系中有L種投入指標，M種產出指標。設xij表示第j個省份物流產業發展的第i種資源的投入量，ymj表示第j個省份物流產業發展的第m種產出量，則有下列形式的BCC模型。

1.1.2 定性比較分析（QCA）

20世紀80年代，社會學家RAGIN率先發展了定性比較分析方法（Qualitative Compar-ative Analysis，QCA）。基于整體論，QCA方法主要強調結果變量可能是由于多種原因路徑的同時存在以及多種組合導致，認為案例是原因條件組成的整體，因而關注條件組態與結果間復雜的因果關系，如A*B*C=Y；A*C=Y；C*D=Y[18]。QCA根據變量類型分為清晰集定性比較分析（csQCA）、多值集定性比較分析（mvQCA）和模糊集定性比較分析（fsQCA），模糊集可以最大化保留原始數據的有效信息，故文中采用模糊集定性比較分析法。

1.2 指標及變量選取

1.2.1 DEA評價體系構建

1）投入變量選擇。通過查閱相關文獻，發現人力、財力和物力投入是物流業最核心的投入指標，因此，將以上3個指標作為文中的投入變量。人力方面，主要參照蔡林美和王進[7]的做法，選取物流從業人員數量作為衡量指標，考慮到目前并沒有物流從業人員數量的數據，所以使用交通運輸、郵電通信就業人員數量表示。因為沒有物流財政支出的具體數據，所以使用地方財政交通運輸支出表示，反映物流業的財力投入。公路營運載貨汽車擁有量和公路里程反映物流業的物力投入。

2）產出變量選擇。貨運量、貨物周轉量和物流業增加值與物流業密切相關，學者們也主要以這三個變量作為物流業的產出變量，文中沿襲這一做法，并借鑒龔雪[5]的作法，采用交通運輸，倉儲和郵政業增加值來代替物流業增加值。

在DEA模型的使用中，需滿足決策單元（DMU）量n≥max{投入指標數×產出指標數，3（投入指標數＋產出指標數）}，文中選取31個省（區，市）作為決策單元，投入指標及產出指標見表1，滿足DEA模型試驗要求。

1.2.2 QCA變量選取

通過總結前人的研究成果，考慮研究對象的實際情況，fsQCA變量選取，見表2，文中選取經濟發展水平、勞動力素質水平、科技發展水平、政府支持水平、對外開放水平、信息化水平作為fsQCA的前因變量，將DEA模型中綜合技術效率值作為fsQCA的結果變量。變量計算與選取依據如下。

1）經濟發展水平為人均地區生產總值。經濟發展水平從規模效應、結構效應和技術效應3個方面對物流產業高質量發展效率產生影響。

2）勞動力素質水平為每十萬人口高等教育學校平均在校生數。人力資源是行業發展中的重要影響因素，從業人員的素質水平也與行業的高質量發展密切相關。

3）科技發展水平為地方財政科學技術支出占財政總支出的比率。科技的發展水平是物流產業高質量發展過程中不可獲缺的重要部分，對物流產業高質量發展有著重要的影響。物流產業的業務環節較多，而且無論是倉儲運輸，還是裝卸搬運都依賴先進的科學技術以提高運營效率。

4）政府支持水平為地方財政交通運輸支出占財政總支出的比率。政府是市場經濟的參與者和調節者，在物流產業高質量發展過程中扮演者十分重要的角色，它不僅可以為物流產業提供資金、人力和技術等資源，同時可以制定相應政策法規等措施鼓勵物流產業發展。

5）對外開放水平為進出口貿易總額與GDP之比。物流產業作為一種流通性行業，對外開放的程度對其有著非常重要的影響。

6）信息化水平為互聯網寬帶接入用戶占年末常住人口的比率。在當今物流產業的發展中，物流技術的高低直接影響物流的效率，信息化在物流技術中有著重要的推進作用。

1.3 數據來源

文中統計的各省（區，市）物流業相關數據，來源于《中國統計年鑒》。

2 實證研究

2.1 投入產出變量描述統計

因所選決策單元過多，所以文中僅展示其決策單元投入變量與產出變量的最大、最小值、均值及標準偏差，所選投入變量及產出變量描述性統計結果，見表3。

由表3所選投入變量及產出變量描述性統計結果可以發現，我國各省（區，市）的標準偏差與最大最小值間的極差較大，表明各省（區，市）之間的物流業發展水平相差較大。

表4可以看出，2020年我國31個省（區，市）BCC-DEA模型下物流業效率測度結果，北京市，天津市，河北省，上海市，江蘇省，浙江省，安徽省，福建省，山東省，海南省，貴州省共11個省（市）DEA有效，其他省（區，市）DEA無效。河南省，湖北省，廣東省共3個省規模效益遞減，說明這3省的規模過大，可減少規模以增加效益；山西省，內蒙古自治區，遼寧等省（區，市）規模效益遞增，說明這些省（區，市）規模過小，可擴大規模增加效益，其在增加投入的情況下，產出會增加；北京市，天津市，上海等省（市）規模效益不變，說明其已達到最優狀態，產業規模合理無需調整。

2.2 模糊集定性比較分析

2.2.1 構建數據集

在進行模糊集定性比較分析之前，需進行數據集的構建，在數據集的構建過程中，數據校準是整個分析過程中最重要的一步。文中選擇95%、50%、5%分位數作為校準點對于前因變量與結果變量進行模糊校準，其中各個變量的描述性統計及校準點，變量描述性統計見表5及變量校準點見表6。

2.2.2 單個條件的必要性分析

數據集構建之后，需對前因變量進行檢驗，判斷其是否為結果變量的必要條件。基于FISS等[19]的研究方法，若某個前因變量是結果變量的必要條件，則需滿足一致性數值大于等于0.9[19]。運用fsQCA軟件得出各前因變量的一致性及覆蓋度的值，單個條件的必要性分析見表7。

單個條件的必要性分析中發現，前因變量一致性的數值范圍在0.4與0.83之間，沒有大于等于0.9的情況出現，可以確定所有前因變量均未對物流效率的發展產生必要性影響。同時物流效率并不只受到單個因素的影響，還需對其進一步分析，從而找出前因變量間的組態效應。

2.2.3 條件組態的充分性分析

通過運用fsQCA軟件分析，針對我國31個省（區，市）的物流效率發展，運用fsQCA軟件對實現特定結果（此處指高物流效率）的條件組態進行分析，高物流效率的條件組態結果，見表8，不同的條件組態表示實現特定結果的不同路徑。

表8高物流效率的條件組態中，產生高物流效率的路徑有4種組態（1a、1b、2、3）。通過表8高物流效率的條件組態表中一致性指標與總體覆蓋度數值可以表明，4種組態都是高物流效率的充分條件，且前因條件在很大程度上解釋了高物流效率的原因。

2.2.4 高物流效率的組態分析

基于上述討論，研究得出促進高物流效率的組態路徑樹狀圖，如圖1所示。

條件組態1a表明，無論當地經濟水平與對外開放程度是否良好，對于一些在物流方面政府支持力度薄弱且信息化水平較低的省市，如果提高勞動力素質、增強科技發展，仍會提升當地的物流效率。例如，路徑案例中的湖南省與江西省，政府的工作重心更多的放在了教育、社會保障等方面，且當地信息化水平不高，但其經濟、科技與信息化方面均為前列。從DEA模型的分析中可以發現這兩個省都為規模報酬遞增的狀態，說明兩省如果在一定比例上提高勞動力素質，增強科技發展，那么物流效率的增加將大于其投入增加的比例，物流效率將會進一步提高。

條件組態1b表明，無論當地科技發展如何，對于一些在物流方面政府支持力度薄弱且信息化水平較低的省市，如果加快經濟發展、提高勞動力素質、擴大對外開放程度，仍會提升當地的物流效率。例如，路徑案例中的遼寧省，通過DEA模型的分析可以發現其規模報酬處于遞增的狀態，這表明若對遼寧省增加一定的投入比率，其產出增加的比率一定會大于其投入所增加的比率。所以在經濟、科技、對外開放三個方面的提升會促使其物流效率的發展。

條件組態2表明，無論當地是否存在高勞動力素質水平，對于一些在物流方面政府支持力度薄弱的省市，如果加快經濟發展、增強科技發展、擴大對外開放程度、進一步建立健全當地信息化建構，仍會提高當地的物流效率。例如，路徑案例中的福建省與浙江省。DEA模型的分析結果已經表明，在規模效益方面兩省已達最優，說明其物流效率發展較好，正是因為兩省在經濟、科技、對外開放及信息化建設上發展進度較好且各方面均處于前列。

條件組態3表明，對于一些在物流方面政府支持力度大且具有高科技發展水平的省市，盡管其在經濟、勞動力、對外開放及信息化建設方面表現欠佳，物流效率仍會得到提升。例如，路徑案例中的貴州省，通過DEA模型的分析結果可以看到，其規模效益已達最優狀態，物流效率發展較好。

2.2.5 穩健性檢驗

為證明分析結果真實可靠，需對其進行穩健性檢驗。張明和杜運周（2019）在QCA的方法運用中總結出集合論特定的檢驗方法有變動校準閾值、更改案例頻數、選取不同的一致性門檻值、改變條件數量、增加或刪減案例6種方式，并提出以集合論為基礎所進行的研究，最優的檢驗方法就是采用集合論特定的方法進行檢驗[20]。鑒于此，文中采用調整一致性閾值的方式進行檢驗，將一致性閾值由0.8分別調整為0.85與0.75，通過調整后的結果發現，并未出現調整后的組態結果與上述分析結果不一致的情況，說明結果的穩健性良好，上述分析所得的結果可靠。

3 結語

物流業已逐漸成為我國經濟發展的重要產業，物流效率作為物流業發展的關鍵因素，對物流業的發展尤為重要。文中在分析物流效率測度和物流效率影響因素等相關文獻的基礎上，結合相關學者的變量選擇，通過DEA模型，構建起物流效率的評價標準。并通過fsQCA模型，從經濟、勞力、科技、政府支持度、開放程度及信息化六個方面著手，以物流效率的評價標準為結果變量，發現了不同因素之間的組合效應對物流效率發展的作用。

1）構建關于物流效率的DEA模型對我國31個省（區，市）的物流效率進行評價，發現約有65%的省（區，市）的物流效率處于DEA無效水平，其中主要原因是技術效率低下，說明大多省（區，市）未能將投入達到最大利用，具有一定的提升空間。

2）研究通過對影響因素的必要性分析可以發現，6個影響因素均不是高物流效率產生的必要條件，每個影響因素都要受到其他因素的影響，說明物流效率的影響因素是多重并發的。因此，對于任何一個地區來說，提高物流效率并不能僅發展一種單一要素，而應注重多方位考慮，全方位發展，從整體宏觀角度看待物流效率發展問題，根據當地實際發展現狀，找到適合自身的發展路徑。

3）研究通過fsQCA發現了不同影響因素之間的組合效應對物流效率發展的作用，并對fsQCA的結果進行分析，展開解釋了對于物流效率發展所產生影響的不同組態構造，歸納總結為以下四種類型：高勞動力素質驅動下的科技投入型、高勞動力素質驅動下的對外開放型、高科技發展驅動下的對外開放型、高科技發展驅動下的政府支持型。

4）堅持以科技發展為中心，走物流業數字化發展道路。加強物流業數字化基礎研究投入，完善物流樞紐網絡建設，支持物流園區應用物聯網技術，建造機械化、智能化倉庫，鼓勵貨運汽車搭載智能設備，加快智慧物流建設。

5）積極推動物流業勞動力素質水平提升。加強區域高校建設，以高校為供給方向社會輸出知識型人才，將知識轉化為生產力。增強人才集聚能力，加大人才引進政策，吸引更多人才加入區域物流業高質量發展。鼓勵各物流企業開展員工培訓，進一步提高管理者能力水平與員工技能，為物流業提供新的思路、知識與信息。

6）發揮對外貿易對物流業高質量發展的支撐作用。響應國家號召，降低鐵路航空貨運收費標準，降低公路通行成本，精簡合并進出口手續辦理程序，提高服務效率，減少整體通關時間，提升進出口貨物提離速度，進一步優化完善進出口結構。

7）加強政府對物流業高質量發展的宏觀調控作用。針對目前公路、鐵路與航空物流各自為政的現象，通過出臺相應政策法規，加強合作，降低彼此之間轉運成本，加速三者之間互聯互通。

參考文獻：

[1] SCHINNAR A P.Measuring productive efficiency of public service provision[M].University of Pennsylvania，1980.

[2]RABINOVICH E，KNEMEYER A M.Logistics service providers in internet supply chains[J].California Management Review，2006，48（04）：84-108.

[3]MARKOVITS-SOMOGYI，BOKOR.Assessing the logistics efficiency of European countries by using the DEA-PC methodology[J].Transport，2014，29（02）：137-145.

[4]HYUNGSUK L.Research on improving logistics efficiency in the iraqi oil and gas industry[J].Journal of Management and Training for Industries，2018，5（01）：137-145.

[5]龔雪，荊林波.基于DEA-Malmquist模型的中國省域物流效率研究——來自省際面板數據的實證分析[J].河北經貿大學學報，2019，40（05）：60-69.

[6]張萌物，漆棪.基于DEA-Malmquist模型的陜西省物流產業效率綜合評價[J].技術與創新管理，2019，40（02）：237-243.

[7]蔡林美，王進.基于DEA的西部12省物流業效率分析[J].數學的實踐與認識，2020，50（02）：141-149.

[8]張永勝.區域物流效率評價及其影響因素分析——基于廣西地區的實證數據[J].商業經濟研究，2022（12）：111-114.

[9]邸鴻喜，魏玖長，張瑞瑾，等.重大疫情風險下冷鏈物流配送中心選址模型[J].技術與創新管理，2022，43（02）：239-244.

[10]吳宗澤，宋良榮.基于DEA模型的中國上市物流企業經營效率評價[J].技術與創新管理，2023，44（02）：169-179.

[11]DENG F M，XU L，FANG Y，et al.PCA-DEA-tobit regression assessment with carbon emission constraints of Chinas logistics industry[J].Journal of Cleaner Production，2020，271：122548.

[12]劉巖，田強.我國物流業效率評價及其影響因素分析[J].商業經濟研究，2019（13）：75-78.

[13]范建平，肖慧，樊曉宏.考慮非期望產出的改進EBM-DEA三階段模型——基于中國省際物流業效率的實證分析[J].中國管理科學，2017，25（08）：166-174.

[14]龔雅玲，萬建香，封福育.區域物流效率的測度及其影響因素研究——基于DEA與Tobit模型[J].江西社會科學，2019，39（10）：72-80.

[15]龔雪.區域物流效率測度及影響因素分析[J].統計與決策，2022，38（12）：112-116.

[16]龔瑞風，薛儉，劉汝麗.中國區域物流效率測度及其時空特征分析[J].統計與決策，2022，38（10）：141-145.

[17]CHARLES A，COOPER W W，RHODES E.Measuring the efficiency of decision-making units[J].European Journal of Operational Research，1978，2（06）：429-444.

[18]杜運周，賈良定.組態視角與定性比較分析（QCA）——管理學研究的一條新道路[J].管理世界，2017（06）：155-167.

[19]PEER C F.Building better causal theories：A fuzzy set approach to typologies in organization research[J].Academy of Management Journal，2011，54（02）：393-420.

[20]張明，杜運周.組織與管理研究中QCA方法的應用——定位、策略和方向[J].管理學報，2019，16（09）：1312-1323.

（責任編輯：王強）

收稿日期：2023-04-11

基金項目：國家自然科學基金項目“基于區域-負載均衡的智慧物流主動響應式異質車輛路徑問題研究”（72201189）；山西省基礎研究計劃青年項目“基于區域及負載特征的陸港型國家物流樞紐兩級車輛路徑優化方法研究”（202103021223049）；山西省哲學社會科學專項課題“數字經濟時代下山西省物流產業高質量發展研究”（2022YD035）

作者簡介：楊亞銘（1998—），男，山西臨汾人，碩士研究生，主要從事企業管理、物流與供應鏈管理方向的研究。