我国区域物流产业技术效率差异及演进趋势研究_规模报酬论文

中国区域物流产业技术效率差异及演进趋势研究，本文主要内容关键词为：中国论文,差异论文,效率论文,区域论文,趋势论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      中图分类号：F 062.9 文献标志码：A 文章编号：1671-0398(2015)03-0014-07

      中国正处于经济转轨的特殊时期，如何实现这一时期经济的快速、持续、健康发展是一项异常艰巨的任务，而作为国民经济的基础性产业，物流业在促进经济增长中的重要作用日益引起中国各级政府的高度重视，这也直接促成了各地区对物流业的大力支持与投入。但随之而来的问题便是盲目、重复投资导致的物流产业效率低下。我国物流产业效率如何？发展趋势怎样演变？影响因素是什么？如何科学、合理地配置物流资源以提高效率？本文试图回答上述问题，以探求我国物流业高效、协调、可持续发展之路。

      效率的内涵可追溯到Farrel的效率理论，在Farrel的研究框架内，一个决策单元的效率包括2个部分，即技术效率(TE)和配置效率(AE)，这2种效率的总和反映了企业或部门的总的成本效率(CE)或经济效率(EE)。技术效率反映既定投入下实现的最大产出，或者既定产出水平下实现最小投入的能力，其值等于实际产出与最优产出之比，或者最优投入与实际投入之比。而配置效率是在给定价格和生产技术的条件下，实现最优化投入组合的能力，它可以衡量如何使每一种资源能有效地配置到最适宜的使用方面上。由此可见，效率的提高有赖于生产者技术效率以及市场配置资源效率的提高。由于受到数据限制，配置效率的研究很难开展，相关研究更多地围绕技术效率展开。

      有关物流业技术效率的研究，国外主要集中在对物流企业技术效率的测度和影响因素分析2个方面。Martinez-Budria、Valentine和Tongzon、Barros等分别应用DEA模型，对不同港口的效率进行研究[1-4]；Anthony结合DEA方法建立了新型综合标杆分析法对配送企业的生产率进行了分析[5]。国内的相关研究从企业、行业及区域3个层面展开。其中企业层面的研究较为丰富，学者主要应用DEA方法，对不同类型企业的物流技术效率进行测算，如潘书麟、张越和胡华清、于剑等[6-8]。在行业层面，现有的研究主要集中于交通运输行业效率的评价，如余思勤、蒋迪娜、马银波等[9-11]。区域层面的相关研究包括：通过建立区域物流效率评价指标体系，应用DEA方法对我国省、市区域的物流效率进行测算，并分析产生区域差异的原因，如贺竹磬、惠玉蓉、黄勇等[12-14]。

      综上所述，已有的相关研究更多地关注于物流企业或者交通运输行业，缺乏物流业整体视角。在区域层面研究中，缺乏区域间的横向比较与区域纵向演进分析，无法清晰地了解区域物流效率的差异及演进趋势。另外，大多数研究采用传统的DEA方法，没有考虑投入与产出变量松弛问题，导致决策单元技术效率测算偏差。因此，本文从物流业整体视角，应用非径向、非角度SBM-DEA模型对2003-2013年我国区域物流业技术效率进行测算，依据测算结果揭示各地区物流产业效率差异特征及变化趋势，为物流业效率的改善提供建议。

      一、模型选取

      通常效率的测度方法有参数方法和非参数方法2种，非参数方法不必对参数进行估计，也不必事先设定前沿函数，而是采用线性规划技术，从所有实际观测点中找出位于前沿面上的相对有效点，以此来构造生产前沿面，避免了主观设定函数的影响，因此，本文选取非参数方法中的DEA方法，对中国物流业技术效率进行测算。

      DEA常用的2种模型为规模报酬不变模型(CCR模型)和规模报酬可变模型(BCC模型)。CCR模型中规模报酬不变假设隐含着企业规模的大小，不影响其效率，即便是较小规模的企业，也可以通过增加投入等比例地扩大产出。然而在实际中，企业很可能受到内外环境的影响而难以在理想规模下运行，因此，技术无效率可能是规模报酬可变造成的，而非纯粹的生产技术无效率。当被考察企业不是处于最佳规模时，应用BCC模型就可以把CCR模型中的技术效率分解为纯技术效率和规模效率。

      无论是CCR模型还是BCC模型，都属于径向和线性分段形式的度量理论，虽然确保了效率边界或无差异曲线的凸性，但造成了投入要素的“松弛”。这种“松弛”导致被认为是有效率的个体即便不理会本可以减少的投入，或本可以增加的产出，也不会改变传统方法计算的效率值，其仍被认为是有效的[15]。这与新古典经济学基本假设相违背，造成对效率测度的偏误。为了避免上述问题出现，本文采用非径向、非角度的SBM-DEA模型来测算中国物流业技术效率，既可把松弛变量放入目标约束中，又可同时从投入和产出角度改进决策单元的投入和产出数量。

      二、变量与数据说明

      本文选取的样本是中国内地的省级行政区，不包括港澳台地区。由于西藏地区历年固定资产投资价格指数缺失，固定资产投资数据也不完整，因此没有把西藏包括在样本中。本文的研究对象为中国30个省级行政地区。为了更好地比较我国不同区域的物流产业效率，根据地理位置将我国分为八大区域。东北区域：黑龙江、吉林、辽宁；京津区域：北京、天津；北部沿海区域：河北、山东；东部沿海区域：江苏、上海、浙江；南部沿海区域：福建、广东、海南；中部区域：山西、河南、安徽、湖北、湖南、江西；西北区域：内蒙古、陕西、宁夏、甘肃、青海、新疆；西南区域：四川、重庆、广西、云南、贵州。

      本文所涉及数据均来自2004-2014年各期《中国统计年鉴》。之所以选择2004-2014年这段时期，是因为这段时期是中国电子商务行业飞速发展的时期，物流产业作为电子商务交易不可替代的重要一环，势必会受到电子商务行业发展的拉动，因此，这段时间也会是我国物流产业快速发展的时期，对我国各地区物流产业技术效率的评价也会更加具有实际意义。另外，由于2002年交通运输、仓储和邮政业就业人员数在统计口径上与其年份有所不同，遵循数据的可得性和一致性原则，选取2003-2013年作为研究期。

      各变量指标选择及相关处理如下。

      测量物流业技术效率需要核算资本存量。考虑到官方公布的数据只有历年物流业的固定资产投资和固定资产投资价格指数，采用永续盘存法，选取的基年为2003年，在使用永续盘存法计算各个时期资本存量时，需要解决3个问题：(1)基期资本存量的估算。本文采用的估计方法和张军等相同，即用各地区2003年固定资产投资额除以10%作为该地区的基期资本存量[16]。(2)折旧率的选择。张军等采用代表几何效率递减的余额折旧法，计算得到了各省固定资本形成总额的经济折旧率为9.6%，因此，本文同样选择此折旧率[17]。(3)在计算资本存量之前，需要对各地区固定资产投资指数对固定资产投资额进行平减，以消除价格因素的干扰。

      2.劳动力

      用交通运输、仓储和邮政业的年末就业人员数作为劳动力投入指标。为保证数据的一致性，劳动力指标为各地区总就业人数，即城镇与乡村就业人数之和。但历年统计年鉴中，各地区按行业分年末就业人员数只有城镇单位数据，缺少乡村年末就业人员数。因此，本文做如下处理：将各地区按行业分私营企业和个体就业人数，减掉各地区按行业分城镇私营企业和个体就业人数，结果为各地区按行业分乡村私营企业和个体就业人数，考虑到乡村地域内主要包含这2种企业类型，将该结果与城镇就业人员数合并，以获得城镇和乡村范围的各地区交通运输、仓储和邮政业年末就业人员数。

      3.产出变量

      虽然物流产业增加值能反映物流业产出，但考虑到中国长期以来一直执行低廉和稳定的运价政策，致使交通运输业物流产出与实际偏离较大，而交通运输业物流增加值占物流业总体增加值较高的比例，因此，这种偏离将较大程度地影响物流业增加值的真实性。货运周转量是运量与运输距离的乘积，不仅能同时反映货运量与运输距离的变化，而且不受价格因素的影响，能体现物流对国民经济活动的满足程度，因此，本文采用货物周转量作为物流产业的产出变量。

      三、实证分析结果

      (一)我国物流业技术效率总体评价

      运用SBM-N-CRS模型，测算出规模报酬不变条件下2003-2013中国各地区物流业技术效率值(见表1)。

      

      (1)2003-2013年，中国各省份地区物流业大多数处于技术无效率状态，只有少数省份，如上海在2011年和2012年、安徽在2012年和2013年物流业技术效率有效，天津大多数年份物流活动都是有效的，处于效率前沿面上。

      (2)全国总体平均值为0.217，从投入角度来说，应用当前投入的21.7%，就可以达到既定产出，也就是说，投入方面有78.3%的下降空间；从产出角度来说，当前的产出水平仅为潜在产出水平的21.7%。总体而言，我国物流业技术效率处于较低水平。

      (3)从各省份考察期内技术效率均值看，天津、上海技术效率较高，分别位于排名的前2位，其效率值要明显高于排名第3的安徽(0.434)，其他省份的效率平均值都处于0.3及以下水平。排名最后的是北京，其平均效率值仅为0.037。

      (4)从历年全国物流业效率平均值看，技术效率值最高的是2012年，达到0.367，较低的年份是2004年(0.118)和2005年(0.116)。总体看，物流业技术效率呈现逐年上升的趋势。

      进一步，由图1来描述我国八大区域技术效率均值的演进趋势。

      

      图1 2003-2013年中国八大区域物流业技术效率演进趋势

      可以看出，2003-2013年我国八大区域物流业技术效率基本呈现上升趋势，其中东北、西北、中部、西南和南部沿海五大区域物流业技术效率变化趋势较为相似，且均处于较低水平。中部地区物流业技术效率提升较为明显，2012年已经达到0.4水平，但仍低于其他三大区域。京津、北部沿海和东部沿海地区物流业技术效率较高，尤其是2个沿海地区，物流业的技术效率增长幅度较大，增长趋势明显。京津地区变化平稳，除了在2008年、2013年波动较大以外，其余年份均稳定在0.5左右，天津大多数年份技术效率有效，处于效率前沿面上。

      (二)我国各地区物流业纯技术效率、规模效率分析

      规模报酬不变(CRS)假定在现实中具有一定局限性，被考察的决策单元(DMU)的生产很难保证处于最优规模，存在规模无效率现象。为了分离规模效率的影响，应用BCC模型，将技术效率分解为纯技术效率和规模效率2个部分，即：

      TE=PTE×SE

      其中：TE为规模报酬不变条件下测算的技术效率；PTE为规模报酬可变条件下测算的技术效率；SE为规模效率。若TE=PTE，则SE=1，即规模有效，生产活动在最佳规模下进行，服从规模报酬不变假设。

      1.纯技术效率分析

      应用SBM-N-VRS模型，将技术效率进一步分解为纯技术效率和规模效率，图2显示了各效率值的变化趋势。

      

      图2 2003-2013年中国物流业技术效率、纯技术效率和规模效率演进趋势

      如图2所示，我国物流业技术效率与纯技术效率都处于较低水平，但总体看，呈现上升的趋势。规模效率在2003-2013年变化不大，稳定在0.9的水平，因此技术效率提高的原因在于纯技术效率的改善，而规模效率变化所起到的作用较小。从技术效率整体演进趋势看，2007年之前我国物流业技术效率呈现下降趋势，而2007年后技术效率明显提升，因此，2007年是技术效率提升的拐点。近年来，物流业对于经济和社会的发展起着越来越重要的作用，企业逐渐意识到物流活动是获得利润的“第三源泉”，再加上电子商务行业的兴起，物流业受到了政府和企业的极大关注，使物流业获得了更多的发展空间、资源倾斜和政策扶持。在物流企业快速发展的同时，也在不断提升效率，探索在现有技术水平条件下，如何能利用尽可能少的资源投入来创造出更多的产出，即提供更多的物流服务，从而提升企业竞争力。

      表2为研究期内中国“八大区域”物流业纯技术效率值。

      排除规模效率的影响，我国“八大区域”物流业纯技术效率仍然处于较低水平。相对而言，效率较高的区域是京津、东部沿海、北部沿海和西北地区。从区域所包含的省份看，只有少数省份技术效率有效，即位于生产前沿面上，天津除了2008年和2013年以外，其他年份技术有效；上海除在2004年和2005年技术效率较低(0.4左右)以外，其余年份技术有效；只有宁夏在研究期内一直技术有效。另外，青海在2003年和2012年也达到了生产前沿面，但其余年份效率值仍然较低。位于东部沿海的江苏、浙江以及北部沿海的河北、山东，并没有依靠其优越的地理优势以及活跃的经济环境实现物流业的潜在产出，大多数年份的效率值较低，而非经济发达省份的宁夏、青海却可以实现技术有效，说明技术效率的高低并不取决于经济实力，而在于对资源充分利用的程度。其余4个区域技术效率较低，尤其是西南地区和东北地区，技术效率的均值仅为0.1，是物流业技术效率亟待提高的区域。南部沿海物流业技术效率增长趋势较为明显，但波动较大。中部地区的安徽在2012年和2013年技术效率值为1.0，河南技术效率也有所提高，而湖北、湖南、江西等省份效率值处于较低水平，作为承东启西的一片区域，其效率高低将对中国物流业技术效率水平产生重要影响。

      2.规模效率分析

      图3显示了我国八大区域物流业规模效率演进趋势。

      从总体趋势看，八大区域物流业规模效率较高，并呈现逐年上升趋势。中部地区、东北地区、西南地区规模效率处于较高水平，据此判断，此3个区域技术效率较低主要是由于纯技术效率较低所导致，规模效率的影响并不是主要原因。京津地区规模效率也达到较高水平，其中天津是全国唯一一个3种效率值均为1.0的省份，其物流业的产出既处于生产前沿面上，同时又实现了生产的最佳规模。而北京纯技术效率偏低是导致京津地区技术效率不高的原因。东部沿海和北部沿海规模效率略有波动，但大部分省份历年规模效率均为1.0，唯独上海出现了多年规模效率偏低的现象，而其纯技术效率大部分年份实现了技术有效，因此，规模无效造成了上海效率偏低。类似情况还出现在西北地区，虽然宁夏历年纯技术效率均为1.0，但规模效率较低限制了其实现潜在产出，无法达到生产前沿面。青海历年规模效率普遍偏低，导致了西北区域平均规模效率全国最低。南部沿海也没有表现出较高的规模效率，主要是受到海南规模效率偏低的影响。

      规模效率衡量规模有效性，指被考察的决策单元的投入规模既不偏大也不偏小，达到最佳规模，产出和投入同比例增长。规模偏大或者偏小都意味着产出和投入的不同比例变化，规模无效率的状态也说明还需要进一步调整投入规模，最终达到规模报酬不变状态。因此，规模有效也意味着处于规模报酬不变的生产方式。

      

      图3 2003-2013年中国八大区域物流业规模效率演进趋势

      

      为了区分决策单元的生产活动是出于规模报酬递增，还是规模报酬递减，Coelli等[18]建立了一个“非规模报酬递增”(NIRS)模型，即NIRS-DEA模型。通过比较CRS-DEA(模型报酬不变)、VRS-DEA(模型报酬可变)和NIRS-DEA(非规模报酬递增)模型测算的技术效率值，来判断各决策单元所处的规模报酬状态。依据测算结果将各省2003年和2013年(由于篇幅所限，仅考察首尾2年的状况以观察变化趋势)规模报酬状况整理见表3。

      

      如表3所示，2003年大多数省份物流业规模报酬不变，处于最佳生产规模。而部分东北、西南和西北区域省份处于规模报酬递增或递减状态。2013年除了规模报酬保持不变的省份外，其余省份以规模报酬递增状态居多，包括天津、江西、云南、青海、宁夏、海南、贵州、甘肃、新疆等，说明它们的生产活动所处的规模偏小，增加投入将能获得更高比例的产出。黑龙江和重庆2个地区物流业由规模报酬递增转变为规模报酬不变，即达到了最优生产规模。吉林则由规模报酬递增转变为规模报酬递减，物流业规模的过度扩张已经超过了最优生产规模，导致在投入增长时，产出将会低于投入的同倍数增长。上海在2个时期均处于规模报酬递减的状态，说明对物流业的过度投资所导致的规模无效状态仍然没有改变。

      (1)在规模报酬不变假定下，2003-2013年我国各地区物流业技术效率虽然出现逐年提升趋势，但效率水平仍然较低。在研究期内，除了天津以外，绝大多数省份物流业的产出没有达到生产前沿面，技术效率提升空间很大。究其原因，是由于盲目追求规模扩大所致。因此，物流产业应该把“调结构、转方式”作为未来发展的战略方针，通过拓展物流业务范围、调整服务资源、提高供应链服务能力、提升物流服务层次等途径，使物流业从“依靠数量投入”的粗放增长方式，向“依靠质量提升”的集约增长方式转变，这将是未来物流业提升效率、实现可持续发展的必由之路。八大区域比较而言，物流业技术效率呈现从东向西递减的规律。

      (2)研究期内我国物流业纯技术效率较低，是导致综合技术效率偏低的主要原因。就区域而言，纯技术效率呈现沿海高于内陆、东部强于西部的特点。如东北和西南地区物流业技术效率亟待提高。因此，对于内陆省份，应该加强区域合作，延伸物流业服务范围，增强供应链服务能力，从而形成差异化竞争优势，这将有效改善物流业技术效率。部分沿海发达省份物流业纯技术效率并未处于较高水平，而宁夏在研究期内一直技术有效。可见效率的高低并不取决于经济发展水平。

      (3)2003-2013年我国大部分地区物流业规模效率较高。相对而言，提升我国物流业技术效率是当务之急。而上海和宁夏刚好相反，较低的规模效率是导致物流业技术效率偏低的主要原因，但两者原因不同。上海一直处于规模报酬递减状态，过度的投入导致了规模无效，因此需要调整投入规模到最佳生产规模，吉林省也出现了类似的情况，宁夏则由于投入规模偏小而处于规模报酬递增状态。而西北和南部沿海地区物流业规模效率较低，应该根据规模报酬变化情况对其投入规模加以调整。

标签：规模报酬论文;  物流产业论文;  规模报酬递增论文;  生产效率论文;  dea论文;  效率论文;