供给侧改革背景下广东省物流业全要素生产率实证研究—基于DEA-Malmquist模型
刘刚桥，师建华，张庆平
（顺德职业技术学院 商学院，广东 佛山 528333）
[摘 要] 全要素生产率的提升是推进供给侧结构性改革和高质量发展的关键。采用非参数DEA-Malmquist方法，以2009-2016年广东省21个地级市物流业投入产出面板数据为基础，测算并深入分析了广东省物流业全要素生产率及其分解指数的变化趋势和区域差异。研究表明：广东省物流业全要素生产率及其分解指数均呈正增长，技术进步和规模效率是物流业增长的主要动力；全要素生产率RD分解指数呈现不同程度波动上升态势，且与物流业增加值增长指数变化趋势保持同步；物流业全要素生产率变化及其驱动因素区域差异较大，区域发展仍不平衡，技术效率和技术进步仍有待提升。
[关键词] 物流业；全要素生产率；DEA-Malmquist；供给侧改革；广东省
1 引言
自2015 年首次提出以来，供给侧结构性改革已成为我国经济工作的主旋律，并连续四年成为中央经济工作会议的部署重点。供给侧结构性改革的目的是增强供给结构对需求变化的适应性和灵活性，提高全要素生产率。物流业作为支撑国民经济发展的基础性、战略性、先导性产业，是联接供给侧和需求侧的基础纽带。2016年以来国务院等部门相继发布《关于进一步推进物流降本增效促进实体经济发展的意见》、《关于推动物流高质量发展促进形成强大国内市场的意见》等文件，加快推进物流业降本增效、高质量发展并取得了积极成效。根据中国物流与采购联合会发布的数据显示，2018年我国社会物流总费用占GDP的比率为14.8%，比上年同期上升了0.2 个百分点。与此同时，广东省作为经济、物流大省，2016 年发布的《广东省现代物流业发展规划（2016-2020 年）》也明确提出要推动物流业降本增效，提高物流业发展质量和竞争力。因此，如何着力提高物流业全要素生产率，构建高效率、高品质的现代物流业，进而加快推进广东经济高质量发展成为关注的焦点。
收集年限均超过10年太极拳锻炼的老龄人作为实验组，身高167.9±6.1cm, 体重67.2±10.9kg,锻炼年限18.6±10.7年；收集年限均在1～3年之间短期锻炼太极拳的老龄人作为对照组，身高168.2±5.9cm，体重69.6±7.4kg。所收集的老龄人均为男性，年龄在60～72岁之间，对照组与实验组年龄、体重、身高差异不显著，每周锻炼均4次以上，每次持续1h左右，锻炼时间均在早上，身体健康、四肢无伤病疼痛、无急慢性疾病。
近年来有关物流业全要素生产率的研究较为丰富，但有关广东省物流业全要素生产率的研究仅有5 篇，其中许俐[1]测算了广东省物流业2000-2015年全要素生产率，并认为外商直接投资对全要素生产率的溢出效应有限；何琴清[2]对2005-2014 年珠三角地区物流业全要素生产率进行了估算，并认为珠三角地区总体全要素生产率偏低且波动幅度不稳定；李松庆[3-4]测评了2009-2013 年广东省、珠三角、长三角物流业全要素生产率，并认为广东省物流业全要素生产率总体呈现下降趋势；胡慧嫣（2014）[5]推算了2009-2012 年广东6 家上市物流企业的全要素生产效率，研究显示广东物流企业生产效率发展同样呈下滑趋势。以上研究全部采用了全要素生产率的非参数测算法—DEA-Malmquist法。目前，国内外有关全要素生产率的测算方法已有大量研究，主要有生产函数法[6]、索洛余值法[7-8]、超越对数生产函数法[9]、随机前沿分析法[10-11]等参数分析法和以数据包络分析（DEA）[12-13]为基础的非参数分析法。由于DEA 法具有可进一步分解全要素生产率以及无需估计参数和假设生产函数等优点，近年来得到了更广泛应用。因此，本文选择DEA-Malmquist 法以期更深入研究广东省物流业全要素生产率的变动。
2 研究方法与测算模型
Malmquist 指数[14]最早是由瑞典经济学家Sten Malmquist 在1953 年提出的用于衡量不同时期的消费水平变化，Caves[15]在此基础上引入距离函数构建了反映全要素生产率变化的指标，Fare[16]率先采用DEA 方法实现了Malmquist 生产率指数的测算，并提出了FGNZ[17]分解模型，将Malmquist指数分解为技术效率变化（Technical Efficiency change，TEC）、技术进步（Technical Change，TC）和规模效率变化指数（Scale Efficiency Change，SEC），其后Ray S C 和Desli E[18]对FGNZ 分解模型进行了修正，提出了更具有解释性的RD分解模型，其模型为：
式中xt 、yt 和xt+ 1、yt+ 1分别表示t期和t+1期的投入和产出
分别是VRS 和CRS条件下的距离函数。
（1）珠三角地区。2009-2016 年，珠三角地区物流业全要素生产率年均增长3.6%，主要是技术效率（0.69%）、技术进步（2.4%）以及规模效率（0.54%）均呈正增长共同推动。珠三角九市中，广佛肇经济圈的全要素生产率增速位居前列，其中佛山、肇庆位居前二，其全要素生产率增长速度分别为12.3%、9.2%，但是佛山主要受技术进步（12.4%）影响，而肇庆主要得益于规模效率（7.4%）的增长；其次是深莞惠经济圈，其全要素生产率增长速度分别为1.9%、2.0%、5.5%，其中深圳、东莞增长速度偏低，主要是分别受到规模效率、技术进步的负增长影响；珠中江经济圈中，珠海是珠三角九市中仅有的一个全要素生产率出现负增长的市区，主要是受技术效率下滑明显影响。从表5各地市物流业发展基本情况可知，无论是单位企业就业人数、人均产值、单位企业产值，还是区位商，珠海在珠三角九市中均是最低，也侧面印证了珠海物流业发展水平不足，而中山、江门物流业全要素生产率分别增长3.7%、3.6%，规模效率是全要素生产率增长的主要动力。
3 广东省物流业全要素生产率实证分析
3.1 样本、变量和数据的选取
本文选用2009-2016年广东省21个地级市物流业的面板数据作为研究样本，并从珠三角、粤东、粤西、粤北等区域视角展开分析。同时，综合考虑广东省物流业发展特点、各地市数据可得性、以往研究基础等因素，选取物流业固定资产投资、从业人员数作为投入指标，见表1，主要反映物流业资本、人力等投入要素结构，选取物流业增加值、货运量作为产出指标，主要反映物流业发展规模、质量等产出情况，且根据DEA 模型对样本数的一般经验法则，本文决策单元数量满足不低于变量个数的3倍要求。
表1 投入产出变量说明
3.2.1 广东物流业全要素生产率时间演变分析。首先以广东省21地市全要素生产率及其分解指数为基础，以各地市物流业增加值为权重，通过几何平均得到全省层面物流业全要素生产率及其分解指数，具体结果见表3。
表2 2009-2016年广东省物流业投入产出变量数据描述性统计
3.2 实证结果分析
本文利用MaxDEA 7.0软件基于DEA-Malmquist模型对广东省21地市物流业全要素生产率及其分解指标进行了实证测算，并从时间、空间视角分别对广东省层面、区域层面的物流业全要素生产率进行了纵、横向对比分析。
本研究数据主要来源于历年广东省统计年鉴以及各地市统计年鉴，其中物流业数据参考国家行业分类标准和相关研究经验，以统计年鉴中的交通运输、仓储和邮政业数据替代。同时，为消除通货膨胀因素影响，将物流业增加值、固定资产投资分别按照各年GDP指数、工业生产者出厂价格指数（PPI）进行平减，数据描述性统计见表2。
三是特别强调变法措施的执行和落实。商鞅变法的成功在于其令出必行，取信于民，在于“法令至行，公平无私”。从另一方面来说则是执法严苛，这也可能是导致商鞅因变法而被杀的重要原因之一。秦朝在统一中国后仅传两世，延续仅十五年而亡，可以从商鞅变法中找到原因。
表3 2009-2016年广东省物流业全要素生产率指数及其分解
表4 2009-2016年全要素生产率增长率对物流业增加值增长的贡献
从变化趋势看（如图1 所示），2009-2016 年广东省物流业全要素生产率指数、技术效率指数、技术进步指数以及规模效率指数均呈不同程度波动态势，且波动幅度逐渐减少，总体趋势均有略微上升。其中2010、2013年物流业全要素生产率为负增长，主要受技术进步负增长影响，而2015 年全要素生产率负增长主要是由于受技术效率下滑影响。尤其是2009-2013 年广东省物流业全要素生产率指数变化趋势与李松庆[3]研究结论保持一致，但与许俐[1]研究结论有一定的差异，其可能原因是两者研究投入产出指标存在差异。同时，图1显示全要素生产率指数与物流业增加值增长指数变化趋势保持同步，进一步说明全要素生产率对广东省物流业的发展具有重要的作用。
从表3 可知，2009-2016 年广东省物流业全要素生产率年均增长4.0%，其增长的原因主要源于技术进步，其年均增长为1.9%，其次是规模效率变化，其年均增长为1.2%，且同期技术效率变化指数年均增长也大于1，说明2009-2016 年间广东省物流业发展总体情况较好，而实际上同期广东省物流业增加值年均增长速度为10.1%，全要素生产率对物流业增长的贡献率达到39.6%，见表4，有力地支撑了广东省物流业的快速发展。
3.2.2 广东物流业全要素生产率地区差异分析。根据广东省经济区域划分，将21 个地级市划分为珠三角、粤东、粤西、粤北四个地区。其中珠三角地区包括广州、深圳、珠海、佛山、惠州、东莞、中山、江门和肇庆；粤东地区包括汕头、汕尾、潮州和揭阳；粤西地区包括阳江、湛江和茂名；粤北地区包括韶关、河源、梅州、清远和云浮。以各地市物流业增加值为权重，可测算出四大地区物流业全要素生产率指数及其分解，具体见表5，结果显示四个地区物流业全要素生产率增长明显存在差异，且影响增长的因素也不尽相同。
（3）粤西地区。2009-2016 年，粤西地区物流业全要素生产率年均增长0.9%，是广东省四个地区增长速度最低的，其原因主要是技术效率出现负增长，而技术进步、规模效率虽均呈正增长，但拉动效果不明显。粤西地区三市物流业发展差异较大，其中阳江靠近珠三角地区，物流业全要素生产率增长是广东省21地市中最快的，达到16.0%，这主要依赖于规模效率的快速增长。茂名全要素生产率是唯一负增长的，主要是因为技术效率和技术进步分别下降6.8%、0.4%。而湛江虽然全要素生产率及增速较低，但从物流业实际发展情况看，湛江物流业人均产值、单位企业产值与区位商在广东省21 地市中靠前，这说明湛江物流业集中度较高，有较好的发展潜力。
图1 2009-2016年广东省物流业全要素生产率及其分解指数变化
由于在VRS 条件下可能存在无解，且多数情况下决策单元存在不足，区别于Fare 以相邻两期作为参考集，Pastor[19]以所有各期的总集和作为参考集提出了全局参比的Malmquist 指数，有效解决了VRS 模型下无解、决策单元不足导致测算结果可靠性或稳定性差的问题，且各期效率值具有可比性。
（2）粤东地区。2009-2016 年，粤东地区物流业全要素生产率保持较快增长，年均增速为7.8%，主要受益于规模效率（8.2%）大幅提升，其次是技术效率保持3.1%的正增长，而技术进步呈负增长，下降3.4%。粤东地区四市中，仅汕尾全要素生产率保持较低增长（0.5%），其余三市年均增速均超过地区年均增速，其中揭阳全要素生产率年均增速超过10%。但从物流业实际发展情况看，揭阳物流业人均产值与区位商在广东省21 地市中相对靠后，说明揭阳物流业发展仍有很大空间。值得注意的是，粤东地区四市的技术进步指数均低于1，说明粤东地区物流业技术创新与发展水平亟待提升。
推荐理由:著名词学大家叶嘉莹曾说，她遇到人生中所有的挫折和苦难，都用唐代诗人李商隐的诗来化解。这本书就是叶嘉莹以己为例，讲述李商隐对自己从幼童到耄耋八十余年的影响。其中既结合李商隐的遭遇讲述李诗的深层内涵和丰富的心灵境界，又展现了作者在人生不同阶段的不同体悟，充分展示了中华优秀古典诗词对现代人心灵的指引作用。
另外，从图2时间变化趋势看，2009-2016年四个地区物流业全要素生产率均呈现震荡向上趋势，其中粤北地区始终保持良好的正增长趋势，珠三角地区与广东省保持同步轻微波动态势，粤西地区波动幅度最大，其中2010-2011年均为各地区全要素生产率增速峰值，其原因可能是2009-2010 年国家、广东省相继出台物流业调整和振兴规划，有力刺激了物流业的快速发展。
表5 2009-2016年广东省物流业全要素生产率指数及其发展情况
（4）粤北地区。2009-2016 年，粤北地区物流业全要素生产率年均增长10.6%，是四个地区中增长最快的，其主要的拉动力源于技术效率（4.4%）与规模效率（5.3%）。粤北五市中，韶关、云浮、清远三市的全要素生产率年均增长速度均达到两位数，但三市增长的驱动因素有所差异，其中韶关主要受技术效率和规模效率推动，清远是技术效率、技术进步、规模效率同步推动，而云浮主要是受规模效率大幅提升影响。梅州是仅有的全要素生产率下降的，主要是技术效率和技术进步同步下降所致。值得注意的是，粤北地区五市的技术进步指数均接近1或低于1，说明粤北地区的物流技术发展水平较低。而从物流业发展实际情况看，韶关、清远物流业单位企业就业人数、人均产值、单位企业产值、区位商在广东省21地市中位居前列，说明两市物流业发展呈现良好态势。
图2 2009-2016年广东省四大地区物流业全要素生产率变化情况
从以上分析可知，无论是地区之间还是地区内部，物流业全要素生产率的变化及其驱动因素均有较大差异。21地级市中全要素生产率保持正增长的占比为85.7%，三个分指数保持正增长的占比分别为52.4%、38.1%、95.2%。表6 列出了珠三角地区与粤东西北地区物流业全要素生产率指数小于等于1 的地市占比，可见珠三角物流业发展相对均衡，而粤东西北地区发展差异大，说明广东省物流业区域发展仍存在不平衡。近年来，广东省不仅发布了《广东省物流业调整和振兴规划》、《广东省现代物流业发展规划（2016-2020年）》等物流专项规划，还出台了《推进珠江三角洲地区物流一体化行动计划（2014-2020年）》、《关于进一步促进粤东西北地区振兴发展的决定》等政策文件，以推动区域物流平衡发展，数据结果也显示珠三角物流业发展水平相对较高，效率变化难有大的提升，但粤东西北地区由于基础相对较弱，政策推动对全要素生产率的效率提升效果明显，尤其是粤北、粤东地区。
表6 2009-2016年广东省物流业全要素生产率指数≤1的地市占比
4 主要结论与启示
本文基于DEA-Malmquist 方法中RD 分解模型对广东省物流业全要素生产率的动态变化及其区域差异进行了实证分析，结果表明：一是研究期间广东省物流业全要素生产率及其分解指数均呈正增长，且全要素生产率对物流业增长的贡献率达到40%左右，其中技术进步和规模效率是物流业增长的主要动力；二是研究期间广东省物流业全要素生产率RD分解指数呈现不同程度波动上升态势，且与物流业增加值增长指数变化趋势保持同步，说明全要素生产率对广东省物流业的发展具有重要支撑作用；三是广东省物流业全要素生产率变化及其驱动因素区域差异较大，其中珠三角主要依靠技术进步，而粤东、粤北地区主要依赖于技术效率和规模效率，粤西主要得益于规模效率，区域发展不平衡，技术效率和技术进步仍有待提升。
在暖通空调设计中，图纸绘制是重要的流程。在图纸绘制过程中，设计人员通常要将暖通空调系统中的水泵和空调机组运行图进行绘制，在该过程中应用BIM技术，可以从BIM技术软件的数据库中直接调用与空调暖通设计各参数与性能相匹配的原件，提高工作效率。此外，在图纸设计期间，设计人员可以利用BIM技术根据不同的设计需求调整设计模型，使设计更加科学合理。此外，应用BIM技术可以详细查看设计模型的任意剖面，从而及时发现设计中的问题，减少了施工期间的设计变更。
因此，为持续提升物流业运行效率，实现物流业高质量发展，应坚持问题导向，聚焦发展短板，优先解决区域发展不平衡、技术进步缓慢等问题，具体建议主要有以下两点：
（1）加快推进区域物流协调发展。以《国家物流枢纽布局和建设规划》为纲领，深入落实《广东省现代物流业发展规划（2016-2020 年）》，推进粤港澳大湾区物流一体化发展的同时，重点加快粤东西北城市物流发展布局，结合各地市产业特色，以农产品物流为核心规划建设粤东西北物流服务体系，促进区域物流联动发展。
课堂教学由于受到时间、空间的限制，无法复制重现，针对学习难点开发微课程，有助于帮助在课堂学习中不能及时理解把握学习要点的学生突破学习瓶颈.如，数学重难点概念教学.我们可以从概念产生的背景、内涵外延、应用、概念之间的关联，并辅以适合初中学生的有趣的教学方式录制微课，让他们重复、有选择性的学习.从逻辑学的角度讲，概念是一种思维形式，而且是最基本的思维形式，掌握好概念的学习，有利于促进学生思维发展[2].
（2）加快推进现代物流业创新发展。积极贯彻《关于推动物流高质量发展促进形成强大国内市场的意见》、《关于积极推进供应链创新与应用的实施意见》等政策文件，鼓励开展现代物流创新发展试点城市建设，加快推动政府部门在物流产业规划、管理体制机制、区域协作联动、新兴业态、政策扶持等方面创新，加大力度支持行业企业在智慧物流、物流技术装备、经营模式等方面创新发展。
习近平同志在2014年全国职业教育工作会议就加快职业教育发展作出重要指示，要牢牢把握服务发展、促进就业的办学方向，深化体制机制改革，创新各层次各类型职业教育模式，坚持产教融合、校企合作，坚持工学结合、知行合一，引导社会各界特别是行业企业积极支持职业教育，努力建设中国特色职业教育体系。
[参考文献]
[1]许俐,陆婷宇.广东省物流业FDI技术溢出与全要素生产率实证关系研究[J].物流技术,2017,36(2):71-74.
[2]何琴清,吴振鹏,欧欣玲.基于DEA 的珠三角地区物流业全要素生产率研究[J].商业经济研究,2017,(17):133-135.
[3]李松庆,何琴清.基于DEA曼奎斯特指数的广东省物流业全要素生产率分析[J].物流技术,2015,34(14):110-112.
[4]李松庆,何琴清.基于曼奎斯特指数法的珠三角和长三角物流业全要素生产率比较分析[J].物流技术,2015,34(15):122-124.
[5]胡慧嫣.广东上市物流企业的全要素生产效率评价[J].中国商贸,2014,(22).
[6]Cobb C W,Douglas P H.A theory of production[J].American Economic Review,1928,18(1):139-165.
[7]Solow R M.Technical change and the aggregate production function[J].Review of Economics and Statistics,1957,39(3):312-320.
[8]Denison E F.Sources of economic growth in the United States and the alternatives before us[J].Journal of Economic,History,1963,23(3):352.
[9]Jorgenson D W,Grillches Z.The explanation of productivity change[J].Review of Economic Studies,1967,34(3):249-283.
[10]Aigner D,Lovell C,Schmidt P.Formulation and estimation of stochastic frontier production function[J].Journal of Econometrics,1977,6(1):21-37.
[11]Meeusen W,Broeck J V D.Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error[J].International Economic Review,1977,18(2):435-444.
[12]Farrell M J.The Measurement of Productive Efficiency[J].Journal of the Royal Statistical Society,1957,(A120):499-513.
[13]Charnes A,Cooper W W,Rhodes E.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978,2(6):429-444.
[14]Caves D W,Christensen L R,Diewert W E.The Economic Theory of Index Numbers and the Measurement of Input,Output, and Productivity[J].Econometrica,1982,50(6):1 393-1 414.
[15]Malmquist S.Index numbers and indifference surfaces[J].Trabajos De Estadistica,1953,4(2):209-242.
[16]Färe R,Grosskopf S,Lindgren B,et al.Productivity changes in Swedish pharamacies 1980-1989:A non-parametric Malmquist approach[J].Journal of Productivity Analysis,1992,3(1/2):85-101.
[17]Färe R,Grosskopf S,Norris M,et al.Productivity Growth,Technical Progress,and Efficiency Change in Industrialized Countries[J].American Economic Review,1994,84(5):1 040-1 044.
[18]Ray S C,Desli E.Productivity growth, technical progress,and efficiency change in industrialized countries:comment[J].The American Economic Review,1997,87(5):1 033-1 039.
[19]Pastor J T,Lovell C A K.A global Malmquist productivity index[J].Economics Letters,2005,88(2):266-271.
Empirical Research on Total Factor Productivity of Logistics Industry in Guangdong Province under Supply Side Reform Based on DEA-Malmquist Model
Liu Gangqiao,Shi Jianhua,Zhang Qingping
(School of Business,Shunde Polytechnic,Foshan 528333,China)
Abstract: In this paper, using the non-parametric DEA-Malmquist method, and based on the input and output panel data of the logistics industry of 21 prefecture-level cities in Guangdong from 2009 to 2016,we measured and analyzed the trend of change of the total factor productivity of the logistics industry in the province and its decomposition indexes as well as the regional difference of it.The research showed that the total factor productivity and its decomposition index of the logistics industry in Guangdong are positively growing for which technological progress and scale efficiency are the main driving forces;the RD decomposition index of the total factor productivity exhibits an upward trend of volatility varied in degree, and is kept synchronized with the change of the gross production of the logistics industry; the change of the total factor productivity in the logistics industry and its driving factors vary widely, and is regionally unbalanced, where technical efficiency and technological progress still need to be improved.
Keywords: logistics industry;total factor productivity;DEA-Malmquist;supply side reform;Guangdong
[中图分类号] F224.0;F259.27
[文献标识码] A
[文章编号] 1005-152X(2019)09-0090-06
doi: 10.3969/j.issn.1005-152X.2019.09.017
[收稿日期] 2019-07-23
[基金项目] 2016年度广东省哲学社会科学规划学科共建项目“供给侧结构性改革视角下提升广东物流业效率的路径与政策研究”（GD16XYJ18）；2017年度广东省教育厅科研特色创新类项目“广东省生产性服务业供应链的发展路径与政策研究”（2017GWTSCX052）
[作者简介] 刘刚桥（1979-），男，湖南祁东人，顺德职业技术学院商学院副教授，硕士，研究方向：物流与供应链管理。
标签：物流业论文; 全要素生产率论文; DEA-MALMQUIST论文; 供给侧改革论文; 广东省论文; 顺德职业技术学院商学院论文;