中国物流业技术进步与技术效率研究，本文主要内容关键词为：中国论文,技术进步论文,物流业论文,效率论文,技术论文，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。
物流业被认为是国民经济发展的动脉和基础产业，其发展水平成为衡量一个国家或地区综合实力的重要标志之一，被喻为促进经济发展的“加速器”。中国“十一五”规划以及2007年出台的《关于促进服务业加快发展的若干意见》中，已将物流业列入重点发展产业。那么当前，中国物流业增长水平到底如何？中国物流业生产率增长的来源是什么？技术进步、技术效率在转型期中国物流业增长过程中究竟扮演了什么样的角色？本文试图回答上述问题，探求生产率增长的结构因素，从而给国家和相关地区物流业规划及管理提供政策参考。
生产率分析是研究经济增长的重要工具。相对于劳动生产率、资本生产率等单纯测算，全要素生产率(TFP)更能从整体上反映一个产业的生产率状况。有关中国生产率的研究自Chow(1993)以来成为热点。目前对中国全要素生产率的研究主要集中在三个方面：第一个方面是研究具体部门的全要素生产率。这些研究主要集中于工业和农业部门。对于中国农业生产率的演变趋势各方观点比较统一，对于改革开放以来工业生产率是否提高，研究者仍然有不同的意见；第二个方面是运用中国加总时间序列数据研究中国的全要素生产率，主要关注全要素生产率随时间的波动和变化的态势；第三个方面是运用面板数据对中国各省份的全要素生产率进行实证，从而对区域经济全要素生产率的差异做出诠释。
近年来，一些研究开始关注物流业生产率问题，Barros(2003)分析了1990-2000年葡萄牙10个港口的技术进步与技术效率。潘书麟(2006)对2003-2005年中国台湾13家物流企业生产率的研究认为，造成企业运营无效率的原因主要是规模效率下降，且这些企业大多处于规模报酬递减阶段。张越等(2006)考察了1995-2005年中国9个民用机场的生产率情况，认为机场业务量增长主要依赖设施规模的扩大，随着机场设施规模的迅速扩张，生产和管理技术不能完全适应这种变化，出现了技术进步、技术效率均下降的趋势，导致了TFP的下降。于剑(2007)对中国5个主要航空公司2002-2006年的全要素生产率的变化作了测算，发现生产率总体上有所提高，并且这种增长受到技术效率改善与技术进步的共同影响。
从行业层面研究物流生产率在国内外还较少，现有的研究主要针对交通行业。Gordon(1993)是较早探讨交通业生产率的研究者之一，Oum等(1992)探讨了交通生产率的概念，并针对不同的问题提出了不同的测算方法。余思勤等(2004)对中国交通各部门1990-2000年间每一年的生产率进行了测算，但是没有测算交通全行业的生产率，同时由于受数据时段的限制，也没有对生产率趋势性变动做出归纳。刘玉海等(2008)对中国道路运输业在2000-2004年的生产率进行了分析，发现此期间中国道路运输业年均生产率在降低，且几乎完全是由技术进步水平的降低所导致的。王亚华(2008)测算了中国交通全行业及四个主要部门1980-2005年间的生产率变动，发现20世纪90年代初期以来交通行业TFP增速有所下降，技术效率显著下降；2000年之后，交通各部门的技术进步率大幅度上升，技术效率继续下降。
既往的研究成果颇丰，但同时也有不足：一是主要集中于物流企业和交通运输行业层面，缺乏物流业①整体的视角，因此无法把握中国物流业生产率变化的特点；二是缺乏区域的比较，从而无法了解区域间生产率的差异及其变动趋势。
本文运用面板数据对中国区域经济的全要素生产率进行实证研究，试图从以下几个方面对现有文献进行拓展：(1)运用基于DEA的曼奎斯特(Malmquist)生产率指数对中国30个省②(自治区、直辖市，后文简称作“省”)物流业的TFP的增长进行研究，并比较物流业的区域发展情况；(2)从物流业整体视角，完整地揭示中国物流业技术进步和技术效率的动态变化，进一步寻找生产率差异和变动的原因；(3)对中国各地区物流业技术效率的收敛性予以检验，以求全面地反映各地区物流业生产率差异变化的演进轨迹及趋势特征。
一、研究方法与数据处理
1.Malmquist生产率指数
TFP的计算可使用传统的平均生产函数方法或前沿生产函数方法，后者克服了平均生产函数没有区分随机噪音和技术进步以及没有考虑技术无效率的缺点。物流活动具有多输入和多输出特征，基于Malmquist-DEA指数方法能很好地处理多输入和多输出的数据集，这种方法不但可以分析不同时期决策单元的效率演化，而且可以将Malmquist指数分解为技术进步指数和技术效率变化指数。通过分解，可以更加详细地了解影响物流业全要素生产率变动的综合因素，避免把生产率的变化只归因于某一因素，而忽视其他因素的作用。在本文中，我们把每一个省看作一个生产决策单位，运用由Fare等(1994a)改造的DEA方法来构造每一个时期中国的生产最佳实践前沿面。把每一个省的生产率同最佳实践前沿面进行比较，从而对技术效率变化和技术进步进行测度。
根据Fare等(1994a)，一个参考技术或者最佳实践前沿面可以由三种等价方式表述：投入要求集、产出可能性集和曲线图。
L[t]又称为生产可能性集合，其中每一个给定投入的最大产出子集又被称为生产技术的前沿。为了得到生产率随时间变化的Malmquist生产率指数，我们引入距离函数(distance function)。根据Fare等(1994a)，距离函数是Farrell技术效率的倒数。t时期的产出距离函数可以定义为：
这个指数测度了在t时期的技术条件下，从t到t+1时期的技术效率的变化。类似地，在t+1时期的技术条件下，基于产出角度的Malmquist指数可以表示为：
为避免时期选择的随意性可能导致的差异，可以用式(4)和式(5)两个Malmquist生产率指数的几何平均值来衡量从t时期到t+1时期生产率的变化。该指数大于1时，表明从t时期到t+1时期全要素生产率是增长的：
根据上述处理所得到的Malmquist指数具有良好的性质，它可以分解为不变规模报酬且要素自由处置条件下的技术效率变化指数(EC)和技术进步指数(TP)，其分解过程如下：
EC指数测度了从时期t到时期t+1每一个决策单元对生产可能性边界的追赶程度；TP指数测度了技术边界在时期t到时期t+1之间的移动情况。根据Fare等(1994a，1997)的研究，技术效率变化指数(EC)还可进一步分解为纯技术效率指数(PC)和规模效率指数(SC)。从而有：
2.数据处理
根据数据的可得性和实证研究的需要，本文使用的样本为1999-2006年中国各地区物流业的投入③和产出数据。所用数据主要来源有《中国统计年鉴》(1999-2006年)和《中国第三产业统计年鉴(2007)》。本文选取固定资产净值④作为资本投入，并根据朱钟棣等(2005)的方法按下式进行计算：
为1998年的固定资产净值年平均余额；Δ
为t年固定资产净值增加量，由相邻两年的固定资产净值原值的差表示；
为各年固定资产投资价格指数。
就劳动投入指标而言，是指生产过程中实际投入的劳动量，用标准劳动强度的劳动时间来衡量。在市场经济国家，劳动的质量、时间、强度一般是与收入水平相联系的，在市场机制的调节下，劳动报酬能够合理地反映劳动投入量的变化。而在中国，由于正处于由计划经济体制向市场经济体制的过渡时期，收入分配体制不尽合理且市场调节机制不够完善，劳动收入难以准确地反映劳动投入的变化，而且中国目前尚缺乏必要的统计资料。因此，本文采用各省历年物流业年均从业人员数作为劳动投入量指标。
物流业的产出指标从价值形态看是物流业产值，从实用价值形态看则是货运周转量。本文用货运周转量⑤作为物流业的产出指标。这一指标也被众多研究采用。
二、实证分析结果
1.TFP变动的总体分析
根据产出导向的Malmquist生产率指数模型和调整后的投入产出数据，利用数据包络分析软件包DEAP软件进行分析，结果如表1、表2所示。
从历年全国平均值看(见表1)，技术进步平均增长12.3％，基本保持较高的增长趋势；技术效率平均下降5.2％，基本呈下降的趋势。因技术效率的下降作用仍小于技术进步的增长作用，所以，1999-2006年物流业TFP的平均增长率仍维持6.4％的较高水平，全要素生产率对技术进步的依赖性是显而易见的。这个结果与张自然(2008)的研究非常接近。
促使中国物流业技术进步的原因可能是：2000年以来中国进入新一轮经济周期，工业化和城镇化快速发展，消费结构和产业结构正处于新的升级过程中，这些都刺激物流需求的强劲增长，各级政府亦陆续出台了促进现代物流业发展的有关政策，对物流业投入大量资金和人力，技术创新效果较明显；信息技术的快速发展为物流业技术进步搭建了有力的支撑平台；经济全球化背景下外商直接投资带来的技术溢出效应提升了中国物流业的技术水平。
进一步的分析发现，纯技术效率变化指数平均下降3.8％，规模效率变化指数平均下降1.4％，技术效率下降主要是因为纯技术效率总体呈下降趋势。纯技术效率是说明每一个生产决策单位利用现有投入生产相应产出的能力，它可以说明生产及决策的正确与否。该项指标小于1，从本文所选择的投入指标来看，说明中国各省普遍存在扩大投入能力的倾向。由于产出(货运周转量)受到其他因素(主要是腹地经济的发展水平等)影响，无法随着投入能力的增加而相应增长，因此会出现技术效率下降的情况。这也从另一个侧面表明，中国物流业盲目扩张的结果是以牺牲资源和效率为代价的。另一个原因是由于体制性约束，物流业的市场化改革还只是刚刚开始，总体垄断程度还比较高，而且物流业是复合型的产业，涉及的相关部门组织化程度比较低，这些都限制了纯技术效率的提高。
从表1中可以看出，中国物流业也存在规模无效率。当前，各地物流业普遍存在重复建设、规模分散等问题。究其原因，主要有：一是物流业涉及众多行业和部门，而中国各地“条块分割”的行政管理体制使得物流体系建设和物流经营互相封闭，各地在物流基础设施建设方面相互攀比，重复建设，缺乏区域物流层次的整体发展规划；二是计划经济时期形成的商业、物资、粮食、供销、外贸等系统自办储运的状况至今没有得到根本改变，铁路、公路、航空、水运等部门都有各自的物流企业；三是企业社会化物流意识淡薄，大部分工矿企业仍旧倾向于自建物流体系。
事实上，物流业作为一个规模经济的基础性产业，需要强大的货运量支撑才会达到较高的规模效率。从这一角度看，中国各地物流业普遍存在的重复建设、规模分散等问题，恰恰是物流业规模无效率的根源。要从根本上消除中国物流业的规模无效率，就必须大力整合社会物流资源，合理进行物流产业布局，以节约资源、提高物流产业规模效率。
2.TFP变动的区域差异分析
通过对东部、中部和西部三大区域生产率指数进行比较(见表2)，可以得出一些结论。
(1)这个阶段物流业TFP增长率的顺序从高到低依次是东部、西部和中部，西部地区和东部地区均大于1且非常接近，表明随着1999年9月中央提出了西部大开发战略，近年来国家对西部地区大力投入，在一定程度上改善了西部地区的投资环境，促进了西部地区的发展，西部物流业生产率有了很大的提高。
(2)各地区物流技术进步指数都大于1，这说明近年来随着各地大力发展物流业，技术创新效果明显，相对于原有的低水平都有了较显著的提高。
值得注意的是，西部地区的技术进步居然快于东部经济发达的省市，好像与实际情况不符这是因为本文测度的技术进步是各单位自身时间序列上纵向比较的结果。由于西部各省在改革开放之初技术水平比较低，因此技术边界可以迅速移动，从另外一个角度分析，这也反映了西部地区与东部地区这方面的差距，正因为有差距，进步才比较显著。相关研究也得出了类似的结论。另一方面，作为服务业，物流服务水平也是物流系统的产出，中国现有的物流统计无法对物流服务水平加以衡量，由于数据不可得，本文的物流产出没有考虑物流服务水平。而恰恰在物流服务水平方面，东部地区显然要高于西部地区。
(3)东部纯技术效率指数最高，中西部纯技术效率指数低于全国平均水平。纯技术效率指数与技术的使用效率有关，主要受管理水平、劳动力素质所影响。中西部地区纯技术效率指数普遍低于东部地区，说明一方面中西部地区管理水平落后于东部地区；另一方面，东部地区相对优越的待遇及环境吸引了中西部地区部分较优质的劳动力。
(4)三大区域规模效率都小于1，表明中国各地物流业普遍存在规模无效率的现象。究其原因，一方面在物流基础设施建设上存在盲目攀比，重复建设；另一方面专业化、社会化物流发展缓慢，众多企业往往习惯于自营物流。这就使得在既定的市场需求下，总体上大规模的需求被分散，这样平均每一个地区的投入水平相对于被分散的市场需求而言存在过剩。由于各地物流业总体上正处于规模报酬递增阶段，应通过行业内和跨行业的强强联合，优化产业结构，实行规模经营，形成若干个有实力的大型物流企业，使现代物流的发展有组织保障和物质基础，使先进技术、设备和管理方式的采用成为可能。相比之下，东部地区规模效率最低。对东部地区而言，该地区应考虑转向技术进步来主导全要素生产率的增长，不能再单纯地依靠简单的扩大再生产来实现。而且东部地区本身在人才、技术和经济实力上具有较好的基础，客观上也为实现技术进步提供了条件。
(5)中部地区除规模效率高于东部地区外，技术进步指数、纯技术效率指数均最低，导致全要素生产率指数平均下降了1％。中部地区承东启西，物流基础设施较健全，一直是中国生产要素流动的桥梁，具有发展物流业的先天优势，但实际效率却在三大区域中最低，这的确是一种怪现象。可能的解释是，一方面在考察期间内该地区物流投入增长缓慢，需求旺盛与资源不足的矛盾比较突出；另一方面，该地区资源浪费严重，导致技术效率和规模效率都处于低位徘徊的态势，既有的能力得不到充分发挥，虽然技术进步指数要高于技术效率指数，但并没有带来全要素生产率的提升。
3.物流业技术效率改进分析
为了进一步分析中国各省市物流业规模收益的状况，以及在维持产出不变的情况下投入要素的改进程度，继续采用2006年的数据进行DEA分析(见表3)。
从平均水平看，2006年中国物流业规模效率较高，达到0.838；纯技术效率偏低，为0.668，导致技术效率不高，仅为0.555。从规模报酬看，除上海市外，所有省市都处于规模报酬递增阶段，增加规模可以提高效率。
表3还给出了在维持现有产出水平的情况下，物流业投入要素的节约程度。总体上看，存在明显的投入拥挤，即存在明显的资源浪费。技术无效的省市资本和劳动力的平均改进程度分别是39.20％和40.03％，拥有相当大的节约空间。比较而言，东部地区平均资源浪费最少，西部地区次之，中部地区资源浪费最严重。这也证实了前面的分析。
在规模效率和纯技术效率方面，东部地区均高于中西部地区，这似乎和Malmquist指数分析结果不同，主要原因是采用截面数据无法将技术进步因素剥离。因此，应用截面数据分析规模报酬的变化及投入要素的改进，用面板数据重点进行纯技术效率、规模效率及技术进步分析，二者有机结合可以反映城市经济效率的全貌。
三、收敛性分析
Abramovitz(1986)认为，领先者和落后者之间的技术差距越大，落后者增长的潜力也就越大，如果落后者有能力吸收和使用领先者所拥有的先进技术(包括管理方式、组织形式)，技术知识的公共特征(技术扩散)往往会使落后者从中受益，实现对技术领先者的追赶，因而技术扩散促进了经济增长的收敛。这一机制在工业化国家中表现得更为显著。那么，中国各地区物流业是否存在技术扩散？地区间和地区内部技术效率的差距是在扩大还是缩小？对此，本文将借助技术效率指标考察中国各地区技术的收敛性。
收敛测度的方法一般有σ收敛、β收敛和时间序列收敛三种。由于运用时间序列方法进行收敛检验所需样本量大，本研究起始时间是1999年，尚不够进行分析需要的样本量，同时限于篇幅，本文只选择采用σ收敛对中国物流业技术效率的收敛情况予以检验。
σ收敛是指各国或地区的人均收入水平(或劳动生产率)差距随着时间的推移而缩小，一般用人均收入水平(或劳动生产率)的标准差来衡量，即若人均收入水平(或劳动生产率)随时间推移逐渐减少，那么就存在σ收敛。在本文中，σ表示物流业技术效率的标准差，若标准差随时间逐渐减小就表明地区间的技术效率越来越接近，存在σ收敛。其检测公式如式(12)所示：
图1 InTE的σ值
图1显示了我国总体及东、中、西部lnTE的标准差随时间变化的情况。就全国而言，1999-2006年我国各地区物流业技术效率的标准差呈波动上升的趋势，表现出其总体发散的特征。分地区来看，东部地区在这一时间段基本呈发散状态，尤其是从2003年开始发散迹象明显。值得注意的是：东部地区lnTE的标准差一直远高于中、西部地区，表明东部地区各省市之间物流技术效率相差较大。中部地区在考察期内出现明显的发散，之后逐渐趋于平稳。西部地区2004年前基本是收敛的情形，但2004年后出现了发散的趋势。总体看，中国各地区物流业技术效率存在发散的趋势，地区间及地区内部技术效率的差异程度在扩大。这意味着中国各地区之间存在较强的技术壁垒，加剧了体制转轨过程中的“马太效应”，如果落后地区不能突破发展障碍，地区差距有可能会进一步扩大，这应该引起足够的重视。
四、结论
本文运用基于DEA的非参数Malmquist指数方法研究了1999-2006年中国各地区物流业TFP的变动、区域差异及其原因。主要结论如下：
第一，物流业全要素生产率年平均增长率为6.4％，技术进步是决定全要素生产率增长的直接因素，而各地相对于生产前沿的技术效率的衰退则阻碍了全要素生产率的增长。
第二，技术效率的变动主要受纯技术效率指数的影响，纯技术效率出现下降趋势。此外各地区普遍存在投入拥挤现象，资源浪费比较严重。这些都充分说明物流低效的根本原因是管理问题。在短期内创新技术难以取得突破的情况下，首先应从管理层面进行改进，以节约投入，提高技术效率。
第三，中国各地物流业普遍存在规模无效率，这是因为当前中国物流业总体上呈现出小、散、弱的状态，要改变这一现状不是像目前那样普遍上规模，而是应该科学规划，整合物流资源，大力发展第三方物流为主体的专业化和社会化物流。
第四，全要素生产率增长存在区域差异。与中西部地区相比较，东部地区的生产函数始终处于生产的最前沿，具有明显的增长效应，同时地区间技术效率差异明显，东部地区的技术效率高于中西部地区；西部大开发战略实施以来的效果明显，物流业生产率有了很大的提高。值得注意的是中部地区技术进步、纯技术效率在三大区域中最差，2006年《关于促进中部地区崛起的若干意见》出台，中部崛起战略正式启动实施。从本文研究的情况看，该战略的实施十分迫切和重要。
第五，技术效率存在发散的趋势。中国物流业在东、中、西三大区域之间和区域内部存在一定的技术壁垒，这就要求政府通过适当的政策调节地区差距，在鼓励创新的同时促进地区间的学习、模仿和技术流动，特别是要减少落后地区体制障碍和技术壁垒，以促进物流业在各地区的协调发展。
需要说明的是，由于测度方法和选取指标的不同，可能得出不同的结论，这一点将在今后的研究中予以考察。另外，不同生产函数形式的选择以及与其他生产率分析方法的比较也是今后重要的拓展方向。
注释：
①根据《中国第三产业统计年鉴(2007)》，物流业作为第三产业的复合行业，包括交通运输业物流、仓储业物流、贸易业物流、流通加工与包装业物流、邮政业物流。
②东部地区包括辽宁、北京、天津、河北、山东、上海、广东、浙江、江苏、福建、海南；中部地区包括吉林、黑龙江、山西、安徽、江西、河南、湖北、湖南；西部包括四川、重庆、宁夏、内蒙古、新疆、甘肃、贵州、陕西、青海、云南、广西。西藏数据不全，故不计入。
③从产业层面对生产率进行测度，Strassner等(2005)提出基于总产出口径的KLEMS生产率测度方法。将总投入分解为资本(K)、劳动(L)、能源(E)、材料(M)和服务(S)五大类，其中K和L属于最初投入(增加值)，E、M和S属于中间投入。以生产可能性边界为基础，产业总产出是由资本、劳动、中间投入和技术决定的函数。但考虑到现有的统计资料无法获得各省市物流中间投入的数据，因此，本文采取简单的处理方法，不考虑中间投入。
④一般的经济增长研究中，通过估计出基准年全国总资本存量，然后假定一省占全国总资本存量的份额与其占总GDP的比重相同，则可获得该省在该年的资本存量数(郑京海，2005)。但具体到物流业，其基准年的资本存量无法估算出来。故本文选取固定资产净值年均余额作为度量资本投入的指标。王亚华等(2008)、徐盈之(2007)、沈能等(2006)在类似的研究中也采用这一处理方法。
⑤虽然相对来说，物流业产值更能全面地反映物流业产出，但是考察期间中国各省市的物流业产值数据无法完整获得，其次考虑到中国长期以来一直执行低廉和稳定的运价政策，运价严重背离运输价值，采用价值量指标衡量物流业产出势必造成在物流业中占绝对大头的交通运输业物流(《中国第三产业统计年鉴(2007)》数据显示，1991-2006年间交通运输业物流增加值占物流业增加值的比重平均达到80％左右，具有较高的代表性)与实际偏离较大。因此，本文没有采用物流业产值作为产出指标。考虑到货运周转量以吨公里为计量单位，是运量与运距的乘积，不仅能够反映区域的货运量，而且反映了货物运输的距离，并且不受价格因素影响，能够体现国民经济活动对物品流动需求的实现程度。因此采用其作为物流业产出指标。