基于DEA-Malmquist模型的中国省域物流效率研究
——来自省际面板数据的实证分析
龚 雪1，2，荆林波3
（1.西华大学 经济学院，四川 成都 610039；2.中国社会科学院 财经战略研究院，北京 100836；3.中国社会科学院 中国社会科学评价研究院，北京 100836）
摘要： 采用DEA-Malmquist指数模型评价模型，以2007-2016年中国31个省（区、市）①物流业为研究对象构建评价指标体系，从综合效率、纯技术效率和规模效率对我国31个省（区、市）的物流业投入产出效率进行静态分析，运用Malmquist指数法从综合效率变动、技术效率变动以及技术进步变动对31个省（区、市）物流效率的发展进行动态分析。研究发现，我国不同区域物流业发展较不平衡，东部地区物流效率情况较好但增速放缓，中西部和东北地区物流效率相对滞后，但有很大的提升空间；从整体来看，技术进步是总效率变动的重要影响因素。应加强区域合作、加快物流技术的开发和运用，加大政策支持力度，进一步提升我国省域物流效率提供参考。
关键词： 物流业；效率分析；DEA-Malmquist模型；面板数据
一、引言
物流业在促进经济新旧动能转换、带动区域经济增长等方面起着十分重要的作用。近年来，我国各省市不断加大对物流业的投入力度，使得物流产业发展迅猛。据中国物流与采购联合会统计，2016年我国物流总额为229.7万亿元，比上年增长6.1%，增速比上年提高0.3个百分点；物流业总收入为7.9万亿元，比上年增长4.6%。物流业（仅统计交通运输、仓储和邮政业）实现增加值为35 114亿元，同比增长35.1%。这些数据表明我国经济增长对物流的需求越来越大，经济发展对物流的依赖程度也越来越高。但是，物流成本过高、效率过低依然是制约物流产业乃至整个国民经济健康发展的瓶颈。2016年我国社会物流总费用为11.1万亿元，与GDP的比率为14.9%，而发达国家一般控制在8%~10%。我国作为全球第二大经济体，2014年全球供应链绩效指数仅排在第28位，这充分说明现阶段我国物流业发展依然存在低效率、区域物流发展非均衡等系列问题。党的十九大报告明确提出要深入推进供给侧结构性改革，以质量变革、效率变革和动力变革推动经济实现高质量发展。在此背景下，准确把握我国省域物流效率及影响因素，不仅有利于挖掘我国物流业发展潜在的动能，也可为国家和地方政府制定物流产业发展政策、构建物流业跨地区协调高效发展机制等提供科学依据。
二、相关研究回顾
近年来，有关物流业效率评价的研究得到越来越多学者的关注，主要从微观企业、中观行业、区域等三个层面视角去探讨和研究。一是微观企业视角方面，如汪旭晖、徐健（2009）、李晓梅、白雪飞（2016）均运用超效率CCR-DEA模型对我国物流上市公司的效率问题进行了实证分析[1][2]。钟祖昌（2011）采用三阶段DEA方法对我国28家物流上市公司2001—2008年的运营效率进行测算[3]。二是中观行业视角，如王金凤等（2014）构建了煤矿生产物流效率优化模型，并通过实例验证了模型的有效性及适用性[4]。汪旭晖、文静怡（2015）以 2003—2011 年我国23个省（区、市）的面板数据为观测样本，采用随机前沿方法（SFA）对比分析了不同区域的农产品物流效率[5]。黄福华、蒋雪林（2017）以长沙生鲜农产品为研究样本，利用灰色关联模型分析了影响生鲜农产品物流效率的因素[6]。三是区域视角，这也是专家学者研究较为集中的一个视角。如Markovits等（2014）利用DEA-PC测算方法对欧洲29国的物流效率进行评价，并从多角度去验证DEA-PC测算方法的优越性[7]。樊敏（2010）运用DEA模型，对长三角、辽中南、武汉和成渝4个能够客观反映东北、东部、中部及西部地区城市群物流业发展水平差异的代表性城市群物流产业运作效率及联动效率进行了实证分析，得出我国物流产业发展不平衡，物流效率呈从东部沿海向西部内陆递减的态势[8]。雷勋平、刘思峰（2012）运用DEA模型分析了根据2008年我国31个省（区、市）的物流产业投入产出数据，对物流产业效率进行了实证研究，发现以北京为代表16个省（区、市）存在投入冗余，以内蒙古为代表的欠发达地区则存在投入不足，产出效率偏低[9]。张诚、张广胜（2012）通过构建投入产出指标体系，采用DEA模型对2001—2010年中部六省物流产业效率进行了分析，发现中部6省物流在纯技术和规模效率较高但总体水平还是偏低[10]。高慕瑾、雷玲（2012）对西部12个省市通过采取三个投入指标和三个产出指标，通过DEA模型测算得出该区域整体的物流效率在研究期间内存在“一高一低”的特征，即纯技术效率水平较高但规模效率偏低，并提出提高西部物流效率的政策建议[11]。王琴梅、谭翠娥（2013）以西安市为例研究城市物流效率，通过如下两个实证步骤：（1）采用常用方法对西安市的物流效率进行测算，得出的效率值将作为第二步实证的被解释变量；（2）通过选取理论上的影响指标构建TOBIT非线性模型，得出西安市的GDP、区位等因素对该地的物流效率具有正相关的影响[12]。唐建荣、卢玲珠（2013）采用三阶段DEA模型研究低碳约束下东部10省市2008—2010年物流效率进行评估测算，研究发现东部省市物流效率受外界环境和随机因素影响较大，剔除其影响后，实际的纯效率值被低估，同时规模效率被高估[13]。王蕾等（2014）运用DEA分析法对新疆维吾尔自治区的北疆8个地区2006—2012年的现代物流效率进行了分析，得出公共环境、社会保障投资及物流业产值对北疆地区物流效率有较大影响[14]。董锋等（2016）采用超效率DEA模型和引用Ruggiero三阶段方法消除外部环境因素的影响，研究了我国省际物流效率，得出外生环境对中西部区域的物流效率影响较明显，但相比而言对东部区域的影响偏弱[15]。秦雯（2016）通过构建物流业投入产出指标体系和影响因素变量，首先采用DEA模型研究青海省2004—2013年的物流效率，采用Tobit模型对时间序列的影响因素变量进行分析，发现当地的物流效率主要受资源利用率、人力资源、专业化程度三个方面的因素影响[16]。钟昌宝、钱康（2017）采用DEA和空间自相关分析法分析了长江经济带省域物流效率及空间差异，并就促进长江经济带省域物流效率提出了对策建议[17]。于丽英等（2018）运用DEA-Malmquist指数模型对长江经济带11个省（市）2008—2015年的物流效率进行了静态和动态分析，并就存在的问题提出了相应的对策建议[18]。
供应链上的信息不对称，一方面会使各参与方不能准确了解交易的进程及可能存在的问题，不好协调、不能及时跟进处理，降低其运作效率。
回营后，李陆峰满面含羞，向义父德公公复命。德公公脸色尚好，先是说不怪他，接着有条不紊分析道：“很显然，这次不是冲你们来的。冲谁来的？当然是针对老夫我。为什么？我心里有底，当家三年狗都嫌，我当家多少年了？我有权，我有钱，我有威信，除了皇上，谁也比不上，这还不招人嫌？话说到这地步，局势不是很明朗吗？要是冲你们来，何必用木棍？一人一刀，岂不利落？”
1.1.4 试验菌株 鼠伤寒沙门菌(编号：sh2034)由河南农业大学牧医工程学院兽医药理学实验室从河南地区养殖场分离、鉴定、保存，质控菌大肠杆菌ATCC®25922由河南农业大学牧医工程学院兽医药理学实验室馈赠。
由表6可知，在5个投入指标中，固定资产投资额冗余均值为526.29亿元，最高的云南为1944.683亿元，其次是四川，为1 668.33亿元，最低的宁夏和湖南分别为36.224亿元和36.285亿元；从业人员数冗余均值为61856.99人，最高的四川为180463.626人，最低的宁夏为401.151人；线路运输里程冗余度均值为77266.72公里，最高的四川为176209.687公里，最低的宁夏为386.642公里；地区营运汽车拥有量投入冗余均值为12.19万辆，最高的云南达41.128万辆，最低的宁夏为0.119万辆；邮政网点数投入冗余均值为2 229.16个，最高的四川为10 361.317个，最低的宁夏为28.503个，这表明我国物流业（尤其在中部和西部区域）发展存在资源配置的不合理性，导致产出效率低下。另外，货运量均值分别为0和989.1，这意味着资源投入却没有得到最大化的利用，使得产出没有达到最大值（线性最有效值），即产出不足。
三、研究方法、评价指标体系和数据来源
（一）研究方法
1.DEA模型。DEA模型作为测算投产出效率的方法之一，在处理多投入多产出的有效性评价方面具有绝对优势，因而成为效率评价的主流方式。DEA方法主要有CCR模型和BCC模型两个基本模型。两者之间主要的区别假设条件不一样，CCR假设规模报酬不变，而BCC是假设存在规模报酬变化。1978年 A.Charnes、W.W.Cooper和 E.Rhodes给出了第一个DEA模型CCR，基本原理是假设总共有n个决策单元，在每个决策单元当中具有多种输入和多种输出（假定有m种输入，s种输出），CCR模型线性规划对应的对偶规划可以通过下列公式来表示：
其中：θ 为规划目标值，λ（jj=1，2，...n）为规划决策变量权重，S-=（S1-，S2-，...，Sm-）T 及 S-=（S+1，S2+，...，Sm+），T代表松弛变量向量。若θ=1，且S+=0，S-=0，意味着该决策单元DMUj0为DEA有效，意味着决策单元的投入产出效率为优；若只有θ=1，则只能说明该决策单元DMUj0为非DMU有效，意味着在既定产出条件下投入过多部分投入未能够得到充分的利用。
2.Malmquist指数模型。Malmquist是以瑞典经济学家和统计学家Malmquist命名，因为其在1953年分析不同年份的消费时首次提出这种指数模型。而后由Caves等在1982年首度将该指数用作生产率指数使用，该指数有两个优点：不需要相关的价格信息；可以对全要素生产率（TFP）进行分解，研究TFP增长的源泉。Malmquist指数是利用通过测算距离得出的，其中，两者的具体表现形式：距离函数就是技术效率的倒数。
结合表3—表5，以纯技术效率和规模效率作为视角去观察，用0.9作为两条分界线，类似于横坐标和纵坐标，可以分为四个象限（或四个类型），第一类是“双高型”，即纯技术效率值与规模效率值均大于0.9，有北京、天津、河北、山东、江苏、浙江、上海、福建、广东、山西、安徽、江西、内蒙古、宁夏、辽宁等15个省（区、市）。第二类是“高低型”，即纯技术效率值大于分界线且规模效率值在分界线之下，有海南、西藏、青海3个省（区）。第三类是“低高型”，即纯技术效率值在分界线下但同时规模效率值在分界线0.9之上，有河南、湖北、湖南、广西、重庆、四川、贵州、云南、陕西、新疆、黑龙江、吉林等12省（区、市）。第四类是“双低型”，即纯技术效率值和规模效率值均处于在分界线0.9之下，有甘肃。甘肃省注重物流技术水平和管理水平提高的同时，也要进一步优化物流生产规模。
实现农村土地经营权物权化的最大障碍在于法理逻辑层面的矛盾。依据物权的基本理论，一物之上不得同时设立两个以上的所有权，也不得同时设立两个以上性质相冲突的定限物权。物权化的土地经营权应当具有占有、使用、收益的权能，应属用益物权，但这样就和原有的土地承包经营权产生了性质冲突。有学者因此提出，农村土地经营权物权化要经受私法关于他物权生成逻辑的理论及规范检视，要回应“在他物权之上如何生成性质及内容相冲突的他物权”的诘问，否则不具有理论基础。⑨
当M指数＞1时，表明随着时间向前推移，总效率呈现上升的趋势；当M为1时，表示总效率不会随着时间而改变；当M指数＜1时，总效率下降。当技术效率变化、技术进步变化大于1时，即表明它是TFP增长的源泉，反之，则是TFP降低的根源。
（二）评价指标体系构建
笔者利用DEAP2.1软件对2007—2016年我国31个省（区、市）物流业的投入产出指标进行测算，结果见表3。
表1 物流产业效率评估指标体系
2.纯技术效率分析。纯技术效率是在剔除规模报酬因素的影响下分析投入利用情况。2007—2016年31个省（市）物流业的纯技术效率如表4所示。
（三）数据来源
笔者选用2007—2016年我国31个省（区、市）的年度面板数据，样本总观察值为310（31×10）个。数据主要来源于《中国统计年鉴（2008—2017年）》。因目前物流产业尚未有完整的数据统计体系，在我国交通运输、仓储和邮政业的增加值是物流产业的主体部分，笔者以其统计数据代替物流业进行分析。
由表2可以看出，各省（区、市）单个指标的极差与标准差都很大，差异性较大。2016年，物流产业固定资产投资额最高的四川为3 737.95亿元，最低的宁夏仅为367.67亿元，二者相差10倍；物流从业人数最多的广东为811 332人，最少的西藏为8 570人，相差近95倍；四川的运输线路网络里程是黑龙江的21倍；河北的地区营运汽车拥有量是西藏的25倍；广东的邮政网点数是西藏的22倍多。产出指标方面：2016年，广东的物流产业增加值为3 209.72亿元，西藏仅31.26亿元；广东的货运量为366 838.94万吨，是西藏的186倍。由此可见，各区域物流业的投入和产出情况存在巨大差异。
表2 2016年我国省域物流产业投入产出指标描述性统计
四、实证分析
（一）物流效率的静态分析
测算物流效率是一门系统性工程，涉及到投入、中间产品消耗、人力消耗和最终产出等多个环节。在参考现有研究成果基础上，笔者从投入和产出两个维度构建评价指标体系（见表1）。
表3 2007—2016年我国31个省（区、市）物流产业综合效率值及其排名
1.综合效率分析。从表3中可以看出，就全国范围而言，2007—2016年物流效率呈现震荡波动，从2007—2009年呈上升态势，2010年下降至0.785，2011—2013年逐渐上升，2014年又下降，2015—2016又上升，但总体保持上升态势。从分地区来看，东部地区的综合效率均值一直保持在0.932以上，远高于全国平均水平，处于区域领先地位，其中，天津、河北、上海3个省（市）的综合效率值过去10年均保持在1，说明这些省（市）的物流业投入产出达到DEA有效，物流效率较高；江苏、福建、山东、北京、浙江等5省（市）则保持在0.9以上，物流效率也是处于较高的水平；仅广东和海南2个省低于0.9。中部地区除了2007年的均值低于0.8，其他年份均保持在0.8以上，也是高于全国平均水平，其中，安徽的物流效率均值达到0.9，处于中部地区的领先地位，效率最低的是湖北。西部地区和东北地区的综合效率均值在这段时间均低于全国平均水平，其中，内蒙古、宁夏，辽宁省（区）的均值则保持在0.9以上，处于所在西部、东北区域的领先水平。由此可见，我国物流产业综合效率区域发展水平具有较大的差异、区域发展不平衡，呈现出“东部＞中部＞东北＞西部”的格局。
道格拉斯生产函数是从人力资本和物质资本方面投入来计算产业经济的增长情况，是研究经济发展的重要工具。参照道格拉斯生产函数构架思路以及钟昌宝、钱康（2017）[17]的做法：在人力投入方面，以交通运输、仓储和邮政业从业人员数作为评价指标；在财力投入方面，以交通运输、仓储和邮政业固定资产投来表示。测算方法参考张竟轶等（2016）[19]计算方式。在物质要素投入方面，赵雷（2014）[20]将运输线路网络里程、地区营运汽车拥有量和邮政网点个数作为物流产业物质基础要素投入指标，笔者采用了这一做法。产出指标也是参考钟昌宝、钱康（2017）[17]的做法，主要从经济产出和规模产出两方面进行考虑，以交通运输、仓储和邮政业增加值作为经济产出评价指标，以货运量作为规模产出评价指标。
表4 2007—2016年我国31个省（市）物流产业纯技术效率及排名
从表4中可知，就全国范围而言，2007—2016年物流产业纯技术效率均值一直在0.85左右波动。从分区域来看，东部地区的纯技术效率均值为0.983，远高于全国0.853的平均水平，处于区域领先地位，其中，天津、河北、山东、上海、海南等5个省（市）的纯技术效率值过去10年均保持在1，说明这些省（市）的物流业投入资源得到充分利用；其余5省（市）的均值为0.9~1，保持了较高的技术有效性。中部地区的纯技术效率均值为0.865，略高于全国平均水平，其中山西、安徽、江西的均值为0.9~1，其余3个省（市）均值低于0.9，处于DEA无效。西部和东北地区的纯技术效率均值分别为0.775和0.733，低于全国平均水平，但引人关注的是，西部地区的西藏和宁夏，其纯技术效率值过去10年均保持在1，实现了纯技术有效。此外，内蒙古、青海以及辽宁省（区）的均值保持在0.95以上，说明这5个省市对物流资源的使用效率也较高。就西部和东北地区总体而言，技术有效性不足。
3.规模效率分析/规模效率将规模报酬因素考虑到分析投入利用情况之中。2007—2016年31个省（市）物流业的纯技术效率如表5所示。
表5 2007—2016年我国31个省（市）物流产业规模效率值及排名
从表5中可以得知，从2007—2016年，我国规模效率平均值为0.935，总体呈现上升态势，其中在2011年达到最高值0.951，从地域上来看，规模效率呈现出东部、中部、东北、西部阶梯次序。在东部地区的天津、河北、上海3省（市）过去10年中的规模效率值一直保持为1，表明这3个省（市）物流投入资源得到有效利用，物流配置能力较高；而海南、西藏、甘肃、青海4省（区）的规模效率平均值在0.9以下，说明该4省的物流业处于规模经济无效；除了以上7省（区、市），剩余的24省（区、市）均值都在0.9以上，接近于规模效率有效。
假设在t时期内有s个决策单元，第r个决策单元的第i项投入为Xtir，第r个决策单元的第j个产出为ytir（j=1，2，…）。利用 DEA模型公式得到Malmquist指数的距离函数D（txrt+1，yrt+1），进而求得第r个决策单元的t时期到t+1时期的Malmquist指数：
4.投入产出冗余度分析。投入产出冗余分析能够清晰地刻画受评省份的资源利用效率与相应的投入产出能力，帮助我们廓清物流效率决定的深层次原因。笔者以2016年各个省份的数据为例，选取2016年19个综合效率值未达到1的省（区、市）进行投入产出冗余度分析，如表6所示。
表6 2016年DEA无效省（市）投入产出冗余度
综上可知，在众多的物流效率研究中，学者们主要采用的是数据包络分析（DEA）且集中在省域层面。而对我国31个省（区、市）区物流效率进行动态跟踪分析评价的研究尚未见。基于此，笔者选择了全国31个省（区、市）作为研究对象，对我国省域层面的物流效率进行综合研究，主要分三个环节，一是通过合理构建投入产出指标体系，二是采用C2RDEA模型和BC2-DEA进行效率测算，三通过构建模型对我国31个省（区、市）2007—2016年物流动态进行跟踪分析，在此基础上对存在的特征和不足进行梳理并提出优化物流效率的对策建议。
（二）我国物流效率的动态分析
笔者从技术效率和技术进步视角剖析Malmquist指数的结构性变动情况，以此分析我国31个省（区、市）的物流产业效率的动态变化（见表7）。
在现代政党政治条件下，政党与政党之间的本质区别不在于讲不讲政治，而在于讲什么样的政治、讲什么人的政治、讲什么政治观的政治。马克思主义政党是无产阶级的政治代表，由此决定了其在任何时候都不能背离自己的本源、本质与初心。从产生到发展、从夺取政权到掌握政权、从组织形式到领导方式，各阶段、各环节、各方面都打上鲜明的政治印记，承载着无产阶级历史使命，熔铸着共产主义理想信念，秉承着先进的理论指导和组织原则，代表着最大多数人的最大利益，厉行着刚性严格的政治纪律，实践着唯物辩证法等，这些特质集中体现了无产阶级政党的根本属性，内在规定了政党组织和成员的基本要求，从而诠释了讲政治这个与生俱来的政治基因和本质属性。
表7 2007—2016年我国31个省市区物流业Malmquist指数的变动与分解样本描述性统计报告
从表7中我国不同省（区、市）Malmquist指数来看，东部和西部地区的Malmquist指数分别增长了0.7%和0.9%，其中，东部地区主要是由于技术进步，西部地区则主要源于技术效率的提高；中部和东北地区的Malmquist指数分别下降了1.3%和1.8%，这些是技术进步降低所致。
金色的秋天，层林尽染，丹桂飘香，硕果累累。在群山环抱、风景如画的鞍子镇干田村7组，一张张白色的防护网罩在稻田上，村民任昌奎正手端小盆，将一碗碗饲料撒向田间。一群群黑黝黝的泥鳅不时探出头来抢食，又以极快的速度钻入水中，一派祥和、静谧、丰收、天人合一的美丽乡村自然景象。
③下游面。坝体下游面震损检查信息包括渗漏、管涌、散浸、流土、滑坡、塌陷、纵横向裂缝以及排水沟与马道踏步的损坏情况等。其中，管涌信息应包括管涌的位置、流量等，散浸信息包括散浸的位置和程度，流土信息包括位置和现象，滑坡信息包括滑坡位置、面积、面积比、体积、体积比等，纵横向裂缝信息包括裂缝的位置、长度、宽度以及深度等。
如表8所示，我国物流产业在2007—2016年技术效率均值为1.004，同期的技术进步年均值为0.999，Malmquist指数年均为1.003，说明我国物流产业在研究期间内整体的Malmquist指数呈上升趋势，主要是靠技术效率来促进。从结构上来看，Malmquist指在 2007—2008年、2011—2015年出现下降，主要是因为技术进步的下降；2008—2011年、2015—2016年Malmquist指数上升，主要归功于技术进步。从图1中看出，Malmquist指数主要受技术进步影响，曲线变化几乎同步，这说明我国物流在2007—2016年，持续稳定发展主要得益于创新的技术支持。
山西省各个地区分布着各个历史时期的不同革命遗迹，根据不完全统计，山西省到目前为止共拥有3 800多处革命遗址，位居全国的第二。其中太原市共有202处、大同市共有459处、梁山共有275处、晋中市共有610处、长治市共有795处。尤其是晋中市与长治市最为密集。革命战争时期，晋中市作为中共中央北方总局、前方总局、八路军129师师部等高级别的党政军机关作战时间较长的重要地区，遗留下来众多宝贵的革命遗址。而长治市则是抗战老区，是太行与太岳敌后抗战关键的民主根据地，同时也是抗战解放后上党战争的起源地，遗留下了一批老革命先烈的光荣足迹和抗战遗址上百处。
表8 2007—2016年我国物流业Malmquist指数的变动与分解
图1 2007—2016年我国物流业Malmquist指数增长及分解
五、结论与对策
（一）结论
通过文中三个步骤层层递进解析，结果显示：
1.2007 —2016年我国物流业总体发展态势良好，但区域之间差异较大且发展也不平衡，如东部地区物流效率情况较好但增速放缓，中西部地区物流效率相对滞后，但有很大的提升空间。
2.北京、天津、河北、山东、江苏、浙江、上海、福建、广东、山西、安徽、江西、内蒙古、宁夏、辽宁等15省（区、市）的物流效率属于“双高型”，适当调整即可达到DEA有效，其中上海、河北和上海均实现DEA有效；海南、西藏、青海3个省份的物流效率是“高低型”，需要适度调整物流规模，合理配置物流投入资源；河南、湖北、湖南、广西、重庆、四川、贵州、云南、陕西、新疆、黑龙江、吉林等12个省（区、市）的物流效率是“低高型”，需要着重提高技术水平；甘肃省的物流效率为“双低型”，不仅需要注重物流技术和管理水平，也要进一步优化物流生产规模。
3.我国技术效率在研究期间内年均上升了0.4%，技术进步年均下降了0.1%，Malmquist指数年均上升了0.3%，其中技术进步是Malmquist指数的重要影响因素。
（二）促进我国物流业发展的对策建议
1.加强区域协作，整合物流资源。建立健全地方政府间物流业合作机制，构建区域物流联盟和物流公共信息平台；打破省域间的封锁和部门分割，破解地方垄断，清理阻碍物流要素合理流动的地方性政策法规；进一步优化通行环境，支持鼓励物流企业跨地区、跨部门整合物流资源；发展多式联运，优化物流资源配置，实现优势互补，构建统一开放、竞争有序的长江经济带区域物流服务市场，实现不同地区物流产业功能价值的发挥。
黄淮海地区冬春季主要作物为冬小麦，前茬作物主要为玉米、大豆、高粱等。本文主要介绍黄淮海地区绿色优质高产小麦种植技术[1]，以期为促进小麦的增产提质提供一定的支持。
2.加快物流技术的开发和运用，提高技术效率。实证研究表明技术进步对物流效率增长发挥重要作用，因此我国物流业发展应重视物流技术的开发和运用。首先，政府扶持推动物流产业发展的的着力点要重点放在共性技术的研发与推广，加大促进物流企业信息化发展，扶持物流企业做大做强，引进专业物流人才提升企业信息管理水平，同时引导与鼓励大型物流企业合作开发供应链管理系统等。其次，物流企业应加强先进物流技术和装备的应用，推进物流业供给侧结构项改革，降低物流成本提高物流效率，推动物流业高质量发展。
3.加强宏观调控，加大政策支持力度。政府部门要发挥宏观调控作用，重视物流行业发展，合理引导物流业的发展。加大财政支持力度，不断完善和创新基础设施领域的投融资模式，加大完善物流基础设施建设，交通枢纽节点和快速通道的布局进行合理的规划，不断完善交通运输体系，构建高效、便捷的物流基础设施网络，采取多种措施保证不同运输方式高效顺畅地衔接和中转，不断提高物流体系的综合能力。
注释：
①文中研究样本数据未包括中国香港、澳门和台湾，文中不再一一标出）
参考文献：
［1］汪旭晖，徐健.基于超效率CCR-DEA模型的我国物流上市公司效率评价［J］.财贸研究，2009（6）：117-124.
［2］李晓梅，白雪飞.基于超效率CCR-DEA的国有物流企业绩效实证分析——基于16家上市物流企业的样本数据［J］.中国流通经济，2016（4）：26-32.
［3］钟祖昌.我国物流上市公司运营效率的实证研究［J］.商业经济与管理，2011（4）：19-26.
［4］王金凤，翟雪琪，冯立杰.面向安全硬约束的煤矿生产物流效率优化研究［J］.中国管理科学，2014（7）：59-66.
［5］汪旭晖，文静怡.我国农产品物流效率及其区域差异——基于省际面板数据的SFA分析［J］.当代经济管理，2015（1）：26-32.
［6］黄福华，蒋雪林.生鲜农产品物流效率影响因素与提升模式研究［J］.北京工商大学学报（社会科学版），2017（2）：40-49.
［7］Markovitssr，Bokorz.Assessing the logisticse fficiency of European countries by using the DEA-P Cmethodology［J］.Transport，2014（2）：137-145.
［8］樊敏.中国城市群物流产业效率分析及发展策略研究——基于产业运作及联动发展视角［J］.软科学，2010（5）：11-16.
［9］雷勋平，刘思峰.基于DEA的物流产业效率测度实证研究——基于我国31个省、市、自治区2008年投入产出数据［J］.华东经济管理，2012（7）：62-66.
［10］张诚，张广胜.中部六省物流产业效率分析及政策建议［J］.江西社会科学，2013（2）：57-61.
［11］高慕瑾，雷玲.西部物流效率的实证分析［J］.云南财经大学学报（社会科学版），2012（2）：102-105.
［12］王琴梅，谭翠娥.对西安市物流效率及其影响因素的实证研究——基于DEA模型和Tobit回归模型的分析［J］.软科学，2013（5）：70-74.
［13］唐建荣，卢玲珠.低碳约束下的物流效率分析——以东部十省市为例［J］.中国流通经济，2013（1）：40-47.
［14］王蕾，薛国梁，张红丽.基于DEA分析法的新疆北疆现代物流效率分析［J］.资源科学，2014（7）：1425-1433.
［15］董锋，徐喜辉，韩宇.低碳约束下的我国省际物流业效率研究［J］.华东经济管理，2016（5）：86-91．
［16］秦雯.青海省物流效率及其影响因素的实证研究［J］.青海社会科学，2016（1）：99-104.
［17］钟昌宝，钱康.长江经济带省域物流效率及空间差异研究［J］.北京交通大学学报（社会科学版），2017（2）：120-127.
［18］于丽英，施明康，李婧.基于DEA-Malmquist指数模型的长江经济带物流效率及因素分解［J］.商业经济与管理，2018（4）：16-25.
［19］张竟轶，张竟成.基于三阶段DEA模型的我国物流效率综合研究［J］.管理世界，2016（8）：178-179．
［20］赵雷.我国省域物流产业效率及其影响因素研究［D］.北京：北京交通大学，2014.
Research on Logistics Efficiency of China's Provincial Logistics Industry based on DEA-Malmquist Index
Gong Xue1，2，Jing Linbo3
（1.School of Economics，Xihua University，Sichuan Chengdu 610039，China；2.Research Institute of Finance Strategy，CASS，Beijing 100836，China；3.Academy of China's Social Science Evaluation，CASS，Beijing 100836，China）
Abstract: Using DEA-Malmquist index evaluation model，take the logistics industry of China's 31 provinces as the research object to build the evaluation index system from 2007 to 2016，proceed the static analysis of input-output efficiency of the logistics industry from the comprehensive efficiency，pure technical efficiency and scale efficiency，using the Malmquist index method to proceed dynamic analysisofthelogisticsefficiencydevelopmentof31 provinces（autonomousregionsand municipalities）from the comprehensive efficiency，technical efficiency change and technology change.The study found that the logistics industry in different regions of China is not balanced.The logistics efficiency in the eastern region is good but the growth rate is slow.The logistics efficiency in the central and western regions and northeast China is relatively lagging，but there is a lot of room for improvement.On the whole，technological progress is an important factor affecting the total efficiency change.We should strengthen regional cooperation，speed up the development and application of logistics technology，increase policy support and provide reference for further improvement of the efficiency of China's provincial logistics.
Key words: logistic industry，efficiency analysis，DEA-Malmquist model，panel data
中图分类号： F224；F259.2
文献标识码： A
文章编号： 1007-2101（2019）05-0060-10
收稿日期： 2018-11-25
基金项目： 国家社会科学基金项目“供给侧结构性改革下我国降低物流成本的路径及政策研究”（17CJY044）；第62批中国博士后科学基金面上资助项目“我国物流业降本增效的路径及政策研究”（2017M621005）
作者简介： 龚雪（1986-），女，四川乐山人，西华大学经济学院副教授，中国社会科学院财经战略研究院在站博士后，经济学博士，研究方向为流通经济、物流管理；荆林波（1966-），男，山西临猗人，中国社会科学院中国社会科学评价研究院研究员，博士生导师，研究方向为流通经济、服务经济。
责任编辑：李金霞
标签：物流业论文; 效率分析论文; DEA-Malmquist模型论文; 面板数据论文; 西华大学经济学院论文; 中国社会科学院财经战略研究院论文; 中国社会科学院中国社会科学评价研究院论文;