基于三階段DEA-Malmquist的中國“一帶一路”沿線省域物流效率評價

摘" 要：為探究我國“一帶一路”沿線省域物流效率及影響因素，利用三階段超效率SBM模型和Malmquist指數對中國“一帶一路”沿線17個省份2007—2020年的物流效率進行評價。研究表明：沿線省域物流效率受地區科技發展水平、地區第三產業發展水平和地區居民消費水平等外部環境變量影響；17個省份中有9個省份的第三階段的效率值低于第一階段的效率值，純技術效率的上升幅度小于規模效率的下降幅度，說明17個省份整體的規模效率受環境因素影響較大；技術進步和資源配置能力的提升是推動沿線省份物流效率全要素生產率指數增長的主要動力，規模效率的下降一定程度上阻礙了全要素生產率指數的增長。在定量分析的基礎上，文章提出促進物流效率提升的對策建議。

" 關鍵詞：物流效率；非期望產出；三階段超效率SBM模型；Malmquist

" 中圖分類號：F125" "文獻標志碼：A" " DOI：10.13714/j.cnki.1002-3100.2024.24.011

Abstract： The three-stage super-efficiency SBM model and Malmquist index were used to analyze the logistics efficiency of seventeen provinces along the Belt and Road in China from 2007 to 2020 in order to investigate the logistics efficiency and influencing factors of the provinces along the route. The research reveals that external factors like regional tech development， tertiary industry growth， and regional consumption levels affect efficiency. In nine of the seventeen provinces， the efficiency value of the third stage is lower than that of the first stage， and the increase in pure technical efficiency is less than the decline in scale efficiency， suggesting that environmental factors have a significant impact on the seventeen provinces' overall scale efficiency. Technological progress and resource allocation drove TFP growth， while scale inefficiency hindered it. Based on this， countermeasures to boost logistics efficiency are proposed.

Key words： logistics efficiency; undesired outputs; three-stage super-efficiency SBM model; Malmquist

收稿日期：2024-01-16

基金項目：國家自然科學基金項目（71904065）

作者簡介：閻一萌（1999—），女，江蘇淮安人，江蘇大學管理學院碩士研究生，研究方向：物流效率。

引文格式：閻一萌. 基于三階段DEA-Malmquist的中國“一帶一路”沿線省域物流效率評價[J]. 物流科技，2024，47（24）：51-56，77.

0" 引" 言

隨著國內物流基礎設施布局的完善，物流業已成為國民經濟發展的關鍵組成部分，它在社會經濟的各個方面建立了重要的聯系，并將它們統一為有凝聚力的實體。“一帶一路”沿線省份在國際貿易中起著至關重要的作用，需要具備全面的物流基礎設施、更高的政策適應性和充足的物流需求等特征。盡管如此，各地區之間存在一定的物流壁壘和經濟發展差異，這就導致“一帶一路”沿線省份區域物流效率存在一定差距。

目前，“一帶一路”沿線省域的物流效率問題不斷受到學者們的關注。蔣隨（2020）[1]對“一帶一路”沿線的29個節點城市進行物流效率分析，認為節點城市物流效率的快速提升受到技術效率及規模效率增大的影響。王海峰等（2020）[2]對“一帶一路”沿線省份物流效率和可能對物流效率產生影響的多種因素進行了分析。現有的文獻中，對于“一帶一路”沿線省域物流效率的分析很少考慮到碳排放這一因素，因此本文將碳排放納入非期望產出指標中，在追求經濟效益的同時也考慮到對環境的影響。

此外，DEA作為一種典型的績效評價方法，可以克服投入產出單一的劣勢。如王琴梅等（2013）[3]結合DEA模型與Tobit回歸模型來評價西安市整體物流情況。龔雅琳等（2019）[4]對影響尚未達到DEA模型有效的地區物流發展效率因素進行了更全面的研究。但是，在傳統DEA模型中，幾乎沒有將環境因素的影響和隨機誤差所帶來的影響納入考量，因此有學者建立了三階段DEA對物流效率進行評估。如鐘祖昌（2010）[5]使用三階段DEA分析得出我國東中西三部物流效率逐漸降低的區域特征。范建平等（2017）[6]基于經濟和技術效率的角度建立三階段EBM-DEA模型，研究發現我國物流效率整體偏低，東部沿海效率較高，西部內陸較低。汪文生等（2021）[7]以三階段DEA為基礎構建了環渤海地區物流效率評價指標體系，分析城市之間物流效率存在的時空差異以及導致差異存在的影響因素。

然而，三階段DEA模型屬于靜態分析方法，僅僅能夠處理橫截面數據。基于此，Malmquist指數的引入可以對每年的效率情況進行動態對比。于麗英等（2018）[8]基于DEA-Malmquist指數模型對長江經濟帶進行物流效率評價及因素分解，結果指出長江中上游地區的物流效率相對較低。龔雪等（2019）[9]利用Malmquist指數方法對中國31個省份的物流發展進行了動態分析，同時考慮了綜合效率、技術效率和技術進步的變化。

綜上，本文選用了三階段超效率DEA-Malmquist方法，該方法將碳排放這一非期望產出納入考量，針對中國“一帶一路”沿線的17個省份在2007—2020年間的物流效率進行評價，并在此基礎上提出建議。

1" 研究方法與模型

1.1" 三階段超效率SBM模型

Tone在傳統DEA的基礎上構建了超效率SBM模型，不僅解決了投入產出的松馳性問題，還能對有效率的DMU進行比較，成剛（2014）[10]依據Tone的公式推出帶有非期望產出的超效率SBM模型公式，本文參考此公式進行效率評估。

第一階段：將選取的原始投入和產出代入帶有非期望產出的超效率SBM模型中，對DMU效率進行一般評價，得出初步的物流效率值及投入松弛值。計算初始階段效率值模型評估DMU[x0，y0，z0]，見式1。

[ρ=min1+1mi=1mS-ixi01-1q1+q2r=1q1S+ryr0+l=1q2S-lzl0]

[s.t.j=1，j≠0nxjλj-S-i≥xi0j=1，j≠0nyjλj+S+r≥yr0j=1，j≠0nzjλj-S-l≤zl01-1q1+q2r=1q1S+ryr0+l=1q2S-lzl0j=1，j≠knλj=1λj≥0;S-l≥0;S+r≥0;S-l≥0i=1，2，…，m;r=1，2，…，q1;l=1，2，…，q2λj，S-l，S+r，S-l≥0j=1，…，n;j≠j0] （1）

第二階段：使用隨機前沿分析（SFA）回歸模型對DMU的初始投入進行標準化處理。把第一步確定的投入松弛值和可能影響物流效率的環境變量納入到SFA回歸模型中，得到調整后的投入。構造SFA回歸模型，見式2。

[Sik=fZk，βi+vik+uikk=1，2，…，n;i=1，2，…m] （2）

其中：[Sik]表示第K個DMU對第[i]種投入的冗余；[Zk]和[βi]分別表示環境變量和待估參數；[vik]和[Uik]分別表示隨機干擾和管理無效率項。對投入變量進行調整見式3。

[X*ik=Xik+maxfZk，βi-fZk，βi+maxvik-vikk=1，2，…，n;i=1，2，…，m] （3）

其中：[Xik]和[X*ik]表示調整前后的投入數據；[βi]是[βi]的估計值。

第三階段：將原始投入數據替換為經過同質化處理的各DMU投入數據，再次應用超效率SBM-DEA模型進行效率評價。

1.2" Malmquist指數

利用Malmquist指數法對物流效率進行縱向分析。Malmquist指數計算見式4。

[M0xt，yt，xt+1，yt+1=Dt+1xt+1，yt+1Dtxt，yt×Dtxt+1，yt+1Dt+1xt+1，yt+1×Dtxt，ytDt+1xt，yt12] （4）

其中：[M0]表示全要素生產率增長，[M0gt;1]；[Dtxp，yp]和[Dt+1xp，yp]表示第t期和第t+1期的距離函數，[xp]和[yp]表示第p期的投入和產出。

1.3" 碳排放測算方法

根據IPCC能源消耗排放測算指導，碳排放量計算公式見式5。

[C=i=1Ci=i=1Eiθiδi] （5）

各項能源折算系數如表1所示。

2" 物流效率評價指標及數據來源

2.1" 物流效率評價指標的選取

所選投入、產出、非期望產出及環境變量等指標如表2所示。

2.2" 數據來源

查閱《中國物流統計年鑒》可以發現，交通運輸（不包括客運）、倉儲和郵政業被確定為物流業的基本組成部分。因為缺乏物流業的全部數據，本文選擇了被分類為交通運輸、倉儲和郵政業的樣本數據來評估區域物流效率。由于西藏省的年度能源利用和碳排放相關數據不全，因此本文只挑選其余17個“一帶一路”沿線區域作為DMU進行深度研究。本文所用數據主要來源于《中國統計年鑒》。

3" 實證分析

3.1" 三階段超效率SBM模型分析

3.1.1" 第一階段效率分析

2007—2020年“一帶一路”沿線各省份物流效率如表3所示，從整體物流效率均值來看，2007—2020年間17個“一帶一路”沿線省份整體物流效率的綜合技術效率均值為0.557，效率值較低，表明17個“一帶一路”沿線省份在2007—2020年間整體物流效率較差，有較大的提升空間。17個省份整體的純技術效率均值為0.632，規模效率均值為0.881，純技術效率均值低于規模效率均值，表明17個省份整體的純技術效率較差，較差的純技術效率是造成整體綜合技術效率低的主要原因，說明17個省份整體的資源配置能力和管理能力較低。

2007—2020年“一帶一路”沿線省份整體物流效率如表4所示。從2007—2020年每年的綜合技術效率均值來看，17個“一帶一路”省份整體的物流綜合技術效率值從2007年的0.494上升到2020年的0.647，表明17個“一帶一路”省份物流效率持續提高。從每年的純技術效率均值來看，17個“一帶一路”省份整體的物流純技術效率值從2007年的0.642下降至2009年的0.561，再增長至2018年的0.721，在2020年小幅回落至0.680。從每年的規模效率均值來看，17個“一帶一路”省份整體的物流純技術效率值呈現上升趨勢，整體規模效率的增長表明17個“一帶一路”沿線省份物流發展規模日漸合理，推動了物流效率的發展。見圖1。

3.1.2" 第二階段效率分析

Ramp;D經費：衡量物流產業科技水平可以使用Ramp;D經費變量。

從表5可以發現Ramp;D經費與物流業固定資產投資額、等級公路長度的松弛變量回歸系數小于0，這表明增加Ramp;D經費可以減少松弛，科技發展與投入之間存在正面影響。Ramp;D經費與物流業從業人數的松弛變量回歸系數大于0，意味著增加Ramp;D經費會導致該松弛變量的增加，從而降低省份的物流效率。

第三產業GDP：由表5可以看出，第三產業GDP與物流業固定資產投資額、物流業從業人數的松弛變量回歸系數都小于0，表明隨著地區第三產業發展水平的提高，這兩種投入的松弛減少，有利于減少勞動力和資本的投入，各省份可以加大對第三產業的投入，從而達到加快資源轉化的目的，通過減少投入冗余來促進省份的物流效率。第三產業GDP與等級公路長度松弛變量回歸系數為正值，且回歸系數在10%的顯著性水平下顯著，說明第三產業GDP的提高會造成等級公路長度松弛變量的增加，進而導致省份物流效率的下降。

地區居民消費額：地區居民消費額與物流業固定資產投資額、物流業從業人數的松弛變量回歸系數為正值，說明地區居民消費額的提高會造成三者松弛變量的增加，進一步影響綜合技術效率的提升，從而導致省份物流效率的下降。地區居民消費額對等級公路長度松弛變量的回歸系數為負值，說明地區居民消費額的增加會造成等級公路長度松弛變量的減少。

3.1.3" 第一和第三階段物流效率對比分析

剔除環境因素影響后的物流效率值如圖2和表6所示，第三階段效率整體綜合技術效率均值為0.499，較第一階段效率下降了0.058，說明17個省份的綜合技術效率的現實表現要高于其實際值。17個省份中有9個省份的第三階段的效率值低于第一階段的效率值，分別為重慶、甘肅、寧夏、青海、吉林、上海、福建、浙江和海南，其中寧夏的第一和第三階段效率值差值高達0.499，說明寧夏在剔除環境影響后，效率值較其他省份呈現較低水平，這表明寧夏省本身的物流能力較差，在失去環境優勢后效率值顯著下降。

對效率進行分解后，從純技術效率方面來看，純技術效率均值第三階段較第一階段上升了0.247，各省份純技術效率值在剔除環境影響后均呈現不同程度的增長態勢。說明17個省份的物流業外部環境或隨機影響因素產生的影響是負面的。規模效率方面，規模效率均值下降了0.313，說明17個省份的規模效率受環境影響較大，規模效率的大幅降低阻礙了綜合技術效率的提高。因此，規模效率是影響綜合技術效率的主要原因。

3.2" Malmquist指數

“一帶一路”沿線省份整體物流效率Malmquist指數及其分解如表7所示。

從整體物流效率全要素生產率指數來看，2007—2020年期間，各省份整體全要素生產率指數在14年間整體上升了2.9%，變化波動較大。2007—2012年全要素生產率指數逐年上升，2010—2011年上升幅度最大。2012—2015年全要素生產率指數波動較大，2015—2016年全要素生產率指數小幅下降，2016—2018年省份整體全要素生產率指數上升幅度較大，分別上升了11.1%和7.2%，2018—2020年再出現回落態勢。

從17個省份整體全要素生產率指數分解的角度來看，技術效率變化指數大于技術進步指數，說明近年來“一帶一路”沿線省份的技術進步是推動省份整體全要素生產率指數增長的主要動力。進一步分解技術效率變化指數來看，純技術效率變化指數增長幅度為0.6%，規模效率變化指數上升了0.9%。因此各省份需繼續保持技術進步和創新水平的提高，并合理改善規模。通過全要素生產率分解結果和歷年全要素生產率指數的分解不難看出，技術進步和資源配置能力的提升是推動“一帶一路”沿線省份物流效率全要素生產率指數增長的主要動力，而規模效率影響了全要素生產率指數的增長。

表8呈現了2007—2020年間，“一帶一路”沿線省份物流效率的Malmquist指數及其分解結果。從各省份的全要素生產率指數結果來看，17個省份中只有黑龍江的全要素生產率指數14年間下降了1.8%。黑龍江的全要素生產率既受純技術效率的影響，同時也受規模效率的影響，因此應綜合考慮物流行業的資源配置，并適當考慮產業規模是否需要擴展或縮小。同時，也應當加強引進物流人才和設備，從多方面提升自身能力，以提升物流效率。其余16個省份的全要素生產率指數都呈現上升趨勢，其中重慶、上海、寧夏和廣西這4個省份的全要素生產率指數增長幅度大于6%，廣西的全要素生產率指數14年間增長了8.7%，表明廣西的物流效率在2007—2020年間增長較快，帶動了“一帶一路”沿線省份整體物流效率的提高。

4" 建" 議

4.1" 加強區域產業協同，促進區域物流協調發展

“一帶一路”沿線的省份在物流效率方面表現出顯著差異，這可以歸因于實際的專業技術和具體規模的分布不均衡。因此，必須建立一個能夠適應不同地區物流業具體發展情況和能夠匹配不同投入要素的物流體系。純技術效率水平較低的省份必須優先提高技術和管理能力，而規模效率不足的省份則應重點按比例擴大物流業。為了優化物流效率，必須堅持因地制宜的原則，謹慎地分配資源，以實現最佳的投入產出條件。此外，傳統物流業存在信息缺口和資源失衡，這凸顯了在所有地區實現全面共享物流數據和資源的必要性。因此需要促進不同產業的分工合作，削減物流過程中的冗余和重復，整合區域物流系統，推動產業資源流動，完善信息資源的共建和共享，加大區域間的溝通和互助。

4.2" 加大研發創新投入，提高物流管理水平

企業可以加強研發力度，促進物流行業的創新，倡導采用智能物流設備和創新技術。企業應將先進技術應用于預庫存、智能倉儲和路線優化等領域，并針對不同的定位提供適當的技術支持。針對實際情況實行智能化改革，企業可以通過提升優化物流系統來實現目標。這包括提升物流設施的智能化水平，引進較為先進的物流設備和技術，不斷提高物流系統運作的自動化程度，降低人力成本和提高生產效率。另外，通過建設基于信息技術、重點建設智能化管理的區域智慧物流，企業可以實現物流信息的集成和共享，提高整體物流系統的響應速度和準確度。可以根據企業的實際需求，為其量身定制智能化物流系統，提供全方位的技術支持和咨詢服務。讓智能化物流成為企業發展的有力支撐，提升企業競爭力，實現可持續發展。

4.3" 提供積極政策環境，正向調控物流發展

物流的效率受到區域經濟和第三產業所占比例的影響，為了促進區域物流的平衡發展，政府需要加快推進區域產業的結構性改革，實現區域經濟的轉型和發展。各地方政府在物流業發展中應積極主動地了解和監管物流業的發展動態，及時出臺相關政策措施，為物流業提供良好的發展環境和政策支持。政府應該重視物流業的發展，加強對物流企業的行業準入和資質審查，確保物流市場的有序競爭。政府還可以鼓勵創新主體圍繞物流領域的技術創新，建設創新網絡，推動技術和經驗的共享，促進合作和共同發展。通過搭建平臺，組織相關的創新活動和論壇，提供交流和合作的機會，促進創新主體之間的合作，推動物流技術創新的快速發展。通過政府的積極推動和支持，物流業可以實現高質量發展，為經濟發展和社會進步做出更大貢獻。

參考文獻：

[1]" 蔣隨. 我國“一帶一路”節點城市物流效率評價與提升策略[J]. 商業經濟研究，2020（15）：90-93.

[2]" 王海峰，田強，李金華，等.“一帶一路”沿線省份物流效率及其影響因素的隨機前沿分析[J]. 公路交通科技，2020，37（10）：151-158.

[3]" 王琴梅，譚翠娥. 對西安市物流效率及其影響因素的實證研究——基于DEA模型和Tobit回歸模型的分析[J]. 軟科學，2013，27（5）：70-74.

[4]" 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.

[5]" 鐘祖昌. 基于三階段DEA模型的中國物流產業技術效率研究[J]. 財經研究，2010，36（9）：80-90.

[6]" 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（8）：166-174.

[7]" 汪文生，考曉璇. 高質量發展視角下環渤海地區物流效率測度研究——基于三階段DEA模型[J]. 商業研究，2021（4）：75-84.

[8]" 于麗英，施明康，李婧. 基于DEA-Malmquist指數模型的長江經濟帶物流效率及因素分解[J]. 商業經濟與管理，2018（4）：16-25.

[9]" 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（5）：60-69.

[10] 成剛. 數據包絡分析方法與MaxDEA軟件[M]. 北京：知識產權出版社，2014：151-152.