中国地区物流匹配效率及其影响因素实证分析，本文主要内容关键词为：实证论文,中国论文,效率论文,因素论文,物流论文，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。
一、引言
2009年2月25日，作为十大产业振兴规划中唯一服务领域的产业规划，物流业搭上了调整振兴规划的末班车。作为服务业的重要分支，物流业与此前提出振兴规划的九大产业有着密切的联系，有人把它称为“国民经济的血脉”。前面的九大产业2008年增加值平均占GDP比重不到3.7％，而同期物流业的增加值在GDP中占比为6.6％。2008年中国社会物流总额接近90万亿元，同期中国GDP总量为31.4万亿元，也就是说，每一单位的GDP大约需要三个单位的物流量来拉动。
物流在国家、地区提高资源配置效率、优化经济结构、改善经济竞争力过程中扮演着越来越重要的角色。现代物流已经成为区域经济增长的重要支撑。我们的问题是：中国各地区物流业对经济的支撑能力究竟如何？近年来，这种能力是在增强还是在减弱？这对中国经济及该产业发展有何含义？本文试图通过引入物流匹配效率的概念对中国各地区物流支撑经济发展能力进行测算与评价。
目前，关于物流产业效率的研究在国内外还较少。Oum等(1992)提出了交通生产率的概念，并针对不同问题探讨了不同的测算方法；余思勤等(2004)运用扩展的Malmquist DEA方法测量了中国1990-2000年交通运输业生产率变化总量，研究表明，对于不同的运输方式，其生产率的变化量不尽相同；王亚华等(2008)在测算了中国交通行业1980-2005年间生产率变动的基础上，引入Bootstrap-DEA方法估计了技术效率变化及其置信区间，发现20世纪90年代初期以来中国交通行业技术效率显著下降，2000年之后交通行业各部门的技术进步率大幅度上升，而技术效率仍然继续下降。以上研究的对象为交通运输业，均没有涉及整个物流产业的效率。
对于区域物流业效率的研究，贺竹磬等(2006)在对区域物流结构分析的基础上，建立了区域物流相对有效的评价指标体系，并利用数据包络法对中国31个省市地区物流的相对有效性进行测算，结果表明中国区域物流效率地域差距明显；林坦等(2008)通过构建对数型Cobb-Douglas函数，运用随机边界(SFA)分析方法对中国27个省市2003-2006年间的物流生产率进行了测算；田刚等(2009)应用Malmquist DEA方法及1999-2006年中国30个省市地区物流业面板数据对中国物流业全要素生产率的增长来源、差异与变化趋势进行实证分析。尽管上述研究用不同的方法对区域物流效率进行了测算，但它们并未就影响物流业效率的因素进行深入分析。
本文所做的工作是：第一，基于物流产出集合，通过距离函数引入物流匹配效率的概念；第二，根据物流匹配效率取值提出“物流业支撑经济发展能力”指数，并以能力指数的高低对区域进行分类，从静态和动态的比较来分析中国区域物流业发展水平及差异；第三，从基础性因素和行业内生性因素两方面考察影响物流匹配效率的可能原因。
本文结构作如下安排：第二部分给出研究方法框架；第三部分对文中变量进行界定和对数据来源及处理情况作出说明；第四部分是对物流匹配效率实证结果的分析与评价；第五部分运用面板数据模型对影响物流匹配效率因素进行分析；最后是全文结论及对策建议。
二、分析方法与模型的设定
物流产业有力地支撑了中国经济的高速发展。作为一个产业，我们可以运用经济学中的生产经济学(production economics)理论对物流业中投入与产出的技术联系进行描述和解释，即选择使用函数关系来描述物流业(或物流企业)所面对的技术可能性。比如，考虑多投入单产出的情形，生产技术可能性可以由生产函数定义为：
运用函数表达式可以很直观地表示出某行业(或企业)投入与产出的技术关系。但是，这种方式存在着固有的缺陷和局限性。首先，转移函数很可能不是光滑、连续的，这样就不能用微积分技术进行求解；其次，当处理多目标优化时，即使可以使用微积分方法，也是相当困难；最重要的是，以上生产函数的建立是基于行业内所有企业是技术有效率的假设，但实际情况却恰恰相反，即大多数企业往往是技术无效率的。因此，本文将放宽关于效率这个假设。
(一)分析方法——距离函数
Malmquist(1953)和Shephard(1953)各自提出了距离函数的概念，但直到最近二三十年，它的运用才取得显著进展。用距离函数对投入与产出关系及效率进行测度，不需指明特定的行为对象和具体的生产函数表达式。在本文的研究中，对于物流产业，由于全效率地区的生产前沿面是未知的，只能从各地区相关物流产业的样例估计出来。因此，这种方法需要大量的样本数据和较为复杂的计算。下文的分析中，将首先基于集合论的表示方法来描述物流生产技术，然后导出地区物流匹配效率的概念及物流产业的地区距离函数。
1.地区物流生产技术
以地区为单位，地区物流生产技术表示地区物流产出与要素资源投入之间的技术关联。用基于欧氏空间的物流产出集合P(xi)来描述地区物流生产技术：
2.地区物流匹配效率与物流产业距离函数
上文通过产出集合P(x)对地区物流生产技术进行了定义。地区物流生产技术实际上是给出了中国物流产业生产可能性边界(前沿面)。基于这个可能性边界就可以测算各地区物流生产技术效率，这个效率数值的大小可以用来衡量各地区物流产业支持本地区经济增长的效率，即物流匹配效率。下面通过距离函数来建立地区物流匹配效率的表达式。
LME是一个介于0到1之间的指数。根据这个定义，当观测点在生产可能性边界上时，该地区物流产出距离函数的值为1，其物流匹配效率为1，即100％。
(二)模型的设定
由于无需知道各地区物流产业投入产出的具体函数关系式，本文采用线性规划的方法，构建一个非参数逐段线性的包络面(生产可能性边界)，再根据包络面计算出各地区物流匹配效率测度。
设时期t=1，2，…，T，地区i=1，2，…，I，并假设规模报酬不变。各地区物流匹配效率可以通过对如下类似DEA模型的非参数线性规划问题的计算而得出：
三、数据与变量
本文数据由《中国统计年鉴》与《中国物流年鉴》整理而得。中国物流业的全面市场化始于1995年，1999年物流市场才得到初步发展和规范，至2008年中国物流业已取得长足进步，社会物流总额接近90万亿元。综上因素考虑，我们选择1999-2008年共10年的省级水平面板数据。在中国内地31个省区中，因西藏数据统计不全，从样本中剔除。这样，30个省区共10年的数据进入样本，共计300个观测值。
本文以各地区交通、运输仓储和邮政业生产总值为各地区的物流业产出指标，以各地区交通、运输仓储和邮政业社会固定资产存量及交通、运输仓储和邮政业劳动从业人数为物流业资源要素投入指标，研究1999-2008年中国内地以省市地区为单元的物流业匹配效率问题。
由于受到价格波动的影响，文中使用了各省区相应年份的价格指数对当年的名义值进行平减。对于交通、运输仓储和邮政业生产总值及其社会固定资产存量，由于统计年鉴中没有细分的行业价格指数，本文采用各地区当年物价指数和固定资产投资价格指数分别对上述两个指标进行平减，得到以1999年为不变价格的实际值。
对于交通、运输仓储和邮政业社会固定资产存量的计算，一般采用永续盘存法(Perpetual Inventory Method)，其基本公式为：
四、物流匹配效率结果分析与评价
物流匹配效率(LME)测度了物流产业投入—产出的转化绩效，反映了物流产业支持经济发展的能力。用距离函数
来定义物流匹配效率，采用非参数线性规划技术，得出每一个地区(文中是以地区为生产决策单元)在某一时间相对于当期生产前沿面(技术水平)的距离，距离越大，效率越低。LME是一个相对的概念。如果某一地区的投入产出点正好落在前沿面上，其LME值为1，表示该地区在所有参与比较的地区中物流业绩效处于最佳水平，即投入最少，产出最多，物流业对当地经济发展的支持能力相对最强。
本文根据1999-2008年中国内地30个省市地区物流业生产总值、物流业社会固定资本存量及物流业从业劳动人数的数据(以1999年为不变价格)对各地区物流匹配效率进行测算，并根据LME值的高低来衡量各地区物流业对当地经济发展支持的能力。如果LME值在[0.8，1]之间，则定义该地区为“物流业对经济发展支持能力强的地区”；如果LME值在[0.7，0.8)之间，定义为“物流业对经济发展支持能力较强的地区”；如果LME值在[0.6，0.7)之间，定义为“物流业对经济发展支持能力一般的地区”；如果LME值在[0.4，0.6)之间，定义为“物流业对经济发展支持能力较差的地区”；如果LME值在0.4以下，则定义为“物流业对经济发展支持能力差的地区”②。
(一)物流匹配效率静态分析
用非参数的线性规划技术计算了1999-2008年30个省区每年的物流匹配效率值，再得出各地区历年物流匹配效率的平均值③。计算结果显示：福建以0.97位列第一，其次是北京(0.87)和山东(0.84)；青海、宁夏排位最低，LME值分别为0.25和0.29。各地区物流匹配效率平均值见表1。
根据LME值及上面相关定义，“物流业对经济发展的支持能力”的具体地区分布如下：物流业对经济发展能力强的地区：福建、北京、山东、浙江等四个省市；物流业对经济发展能力较强的地区：河北、广东、天津等三个省市；物流业对经济发展能力一般的地区：江苏、上海、河南、辽宁、江西、安徽、湖南等七个省市；物流业对经济发展能力较差的地区：内蒙古、黑龙江、山西、吉林、广西、湖北、重庆、陕西、四川、海南等十个省市；物流业对经济发展能力差的地区：新疆、贵州、云南、甘肃、宁夏、青海等六个地区。
以上分布可看出：中国东部地区物流支持能力明显强于西部地区④。LME值排名最前的六个地区全部位于东部，而得分最差的后六名全部集中于西部，其LME均值仅为前者均值的37.6％。与福建、北京相比，江苏和上海虽然产出绝对数额排名靠前，但考虑资源要素投入后，它们的物流效率值大大降低，其物流与经济发展匹配的程度并没有想象的高，仅属于表现一般的地区；中部地区中有四个省的LME值在[0.6，0.7]之间，山西、湖北表现较差，LME值均在0.6以下。
从静态比较分析来看，“物流业对经济发展能力较强的地区”及以上的地区共有七个，全国占比23％；LME值在0.6以下的地区有16个，占比53％，即全国一半以上的地区物流业对经济发展的支持能力没有及格，其中LME值在0.4以下的地区有六个，占20％。总体情况表明，中国物流业整体效率并不高，物流对经济发展的支撑能力整体水平偏下。
(二)物流匹配效率动态分析
将某年各地区LME值加总求均值，可得出当年全国物流匹配效率的平均水平。1999-2008年全国LME平均值分别为0.51、0.52、0.53、0.55、0.59、0.62、0.63、0.57、0.56、0.48⑤，具体见图1。
图1 中国1999-2008年LME均值变化
从图1可看出：全国LME水平从1999-2001年呈上升趋势，但并不明显，平均增幅1.9％；2002-2003年LME水平呈快速增长趋势，平均增幅5.6％，尤其是2003年，LME增幅达7.3％；2004-2005年LME继续增长，但增幅趋缓，平均增幅降至3.3％。LME在2005年达到峰值(0.63)以后开始出现下跌，且跌幅较大，与2005年相比，2008年LME水平下降了约24％。在1999-2008年的10年当中，全国只有2004、2005年的LME值达到及格线，其余各年分值均在0.6以下；全国这10年的平均值为0.56，这再一次表明了中国物流业整体水平不高，对经济发展的促进能力整体偏低，这与静态比较分析结果相一致。
分地区来看：30个省市地区只有山东省LME值保持逐年上升，2004年达到1，且一直保持到2008年；河北、山西、内蒙也呈上升趋势，内蒙、山西自2005年后LME值一直处于0.6以上，而2005年以前两省的LME均值在0.45左右；西部地区中甘肃、宁夏的LME呈上升状态且进步较快，甘肃2005-2008年LME均值为0.43，较1999-2004年的均值0.21提高105％，与此同时，宁夏的LME提高了83％。除了上述地区，大部分省市地区自2005年后LME均呈下降趋势。
通过静态和动态的比较分析，得出的结论是：中国物流匹配效率整体水平偏低；从地区分布来看，东中西部物流对当地经济发展的支持能力依次降低。
是什么原因造成了这种局面？弄清楚哪些因素对物流匹配效率产生着影响，才能进而对政策制定者有所启发和借鉴。
五、影响物流业匹配效率因素实证分析
(一)因素选择与模型的设定
物流业属于第三产业，其发展必须依附于整体经济状况。经济增长或经济复苏会带来商品、服务需求的增长，进而扩大对相关物流服务的需求，物流业规模的扩大和产出的增加更进一步提高物流支持经济发展的能力。各地区的经济发展水平是决定物流业效率取值高低的外部大环境。中国东、中、西部经济发展的差异从宏观上影响着各地区物流匹配效率的高低。
为了能对政策制定者有更多的启发和借鉴，则需要结合物流匹配效率的含义，更深入地分析影响物流业匹配效率的因素。基于1999-2008年30个省市地区相关数据，本文考虑选择以下可能影响因素进行面板数据估计：(1)地区人均资本kl；(2)地区所有制结构priv，即地区非国有化程度，以地区非国有企业就业人数占比表示；(3)地区物流人力资本质量humancap，用地区物流行业专业技术人员占行业全部就业人员比重衡量，反映该地区物流行业的人力资本水平；(4)地区物流业专业化程度specialization，用地区物流行业总就业人数占该地区全部就业人数比重衡量，反映物流业在该地区的专业化水平或集中度。其中：前两者描述地区市场经济结构，它们是影响物流匹配效率的基础性因素；后两者反映物流行业基本特征，是影响物流匹配效率的内生性原因。同时，地区物流行业的研发支出、企业规模等也是重要的影响因素，但由于相关数据的缺乏，本文并未将它们列入。上述四变量与第三部分数据的统计性描述如表2。
考虑数据的稳健性，在回归分析中采用固定效应模型(FE)和随机效应模型(RE)两种估计方法。根据伍德里奇(2003)，本文仅以样本的自身效应为条件进行研究，而非把观测值作为从一个大总体中的随机抽样，对总体效应进行推论(marginal inference)，因此，固定效应模型所估计的结果是主要说明对象，随机效应模型的结果作为参考⑥。估计结果见表3。
(二)估计结果说明
从估计结果看，所选择的两个结构性因素和两个行业内生性因素对LME都存在正向影响关系。
(1)人均资本kl(资本存量与劳动人数之比)反映地区某一时期的要素禀赋情况。随着kl的不断上升，该地区的产业结构由劳动密集型逐渐向资本密集型转变。资本密集型产业的产品，比如电子产品、高新技术产品，对运输、仓储等物流服务提出了更高的要求(比如高时效性)，促使物流企业提高效率；1999年以来，中国各地区kl值不断上升，说明了各地区投资规模持续增长，而各地区的投资中，有相当部分用于流通网络的建设。交通设施总体技术水平的提升扩大了货物流通能力，加快了流通速度，进而提高地区整体物流匹配效率。值得注意的是，投资所产生的效果具有一定的滞后性。北京、广东、上海尽管2005年后行业固定投资每年以两位数增长，但其产出却呈现一定的滞后，导致物流效率的下降。回归结果表明，1999-2008年，地区人均资本每上升1％，物流匹配效率提升0.16％。
(2)所有制结构的调整，即非国有化程度，从体制上改善了物流产业竞争的环境，有助于物流匹配效率的进一步提高。随着中国经济不断与世界融合，多种经济成分在中国的经济建设中发挥着越来越重要的作用。非国有化程度越高，意味着市场经济越活跃，政府行政干预越少，产权的界定越清晰。而明晰的产权制度是激励创新和提高效率的重要条件。中国非国有化程度逐年提高，但地区间非国有化比重的差异仍很显著，中西部地区2005年以后平均非国有化程度较东部地区低12个百分点。回归结果显示，非国有化程度每上升一个单位，物流匹配效率在统计意义上相应上升0.025个单位。外资物流企业、民营物流企业的发展从物流技术的运用传播到管理体制的完善实施都有利于整体物流匹配效率的提升。
(3)物流行业人力资本水平的高低对提升地区物流匹配效率起到非常重要的作用。估计结果显示，物流行业人力资本水平提高一个单位，将推动物流匹配效率增长0.057个单位。以浙江省2008年的数据为例，如果在现有水平基础上，提高物流行业人力资本质量1％，其物流匹配效率将提升近7％，促进作用相当明显。一个地区物流行业员工平均受教育程度越高，越有助于行业的技术专业性和多样性的实现，吸收和利用新知识的能力就越强，进而越有利于提高行业与经济发展匹配的能力。人力资本积累的差距可以导致不同地区物流匹配效率的差异。LME排名前六名的地区行业平均人力资本水平较排名后六名的地区高出33％，而且这种差距有扩大的趋势。目前来看，物流业仍属于劳动密集型产业，因此，人力资本对物流业发展至关重要。增强人力资本水平，可以提高物流服务的质量，降低物流管理成本，促进效率的提升。随着物流技术、管理水平的不断提高，尤其是在信息技术的推动下，对物流业劳动人员的知识能力要求将越来越高。
(4)专业化水平变量衡量了物流业在一个地区中的专业化程度或集中度，其系数为0.041，且在1％的水平上显著，意味着如果物流业的就业量占地区总就业量的比重提高一个单位，该地区物流匹配效率值平均上升0.041个单位。以中部地区湖南省为例，如果该地区在2008年物流业就业量占比增加1％，其物流匹配效率统计上显著上升4.3％。同时，专业化指标的回归系数标准差为0.11，意味着一个专业化水平标准差可以解释不同地区间物流匹配效率水平11％的差异。中国物流业专业化程度整体较低，全国平均值仅为1.21％，这在很大程度上解释了中国物流业匹配效率整体偏低的现象。专业化程度或集中度普遍低下的状况也表明了中国物流企业发展仍处于“小而散”、相互之间恶性竞争的阶段。单一的价格竞争手段直接引致物流服务质量的下降和管理成本的上升，最终导致物流效率的低下。
六、结论与建议
本文采用物流产出距离函数分析方法对中国1999-2008年30个省市地区的物流匹配效率进行了测算。1999年以来中国LME经历了一个先上升后下降的起伏过程，在2005年LME达到峰值后，开始出现显著下降。中国物流行业的发展和进步主要是依靠大规模的资本投资驱动的。近年来物流业全社会固定资产投资激增，一方面显著加快了全行业的发展，具体表现为各地区物流业产出均呈逐年快速增长的趋势，另一方面，由于投资效果的滞后性，以及管理体制改革和资源配置没有同步跟上，最终导致了LME的下降。
研究结果表明，中国物流业匹配效率整体偏低，物流对经济发展的支撑能力不强，且东中西部地区差异明显。本文利用中国1999-2008年30个省市地区相关面板数据探讨了影响物流匹配效率的可能因素。人均资本和所有制结构是影响物流匹配效率的基础性因素。持续的投资是物流业发展的基础；所有制结构的变革、发展多种经济成分是提高物流匹配效率的重要条件。中国应深化产权结构改革，减少政府干预，明晰产权制度，为物流业多种经济成分的充分竞争提供一个公平和谐的竞争环境。
行业人力资本水平和专业化程度是影响物流匹配效率的行业内生性因素。随着中国西部大开发及中部崛起战略的实施，可以预见东部与中西部人力资本水平差距扩大的趋势将逐渐缓和；行业专业化程度普遍低下是中国物流匹配效率偏低的主要原因之一。各地区应鼓励物流企业的联合与并购，积极推进物流企业规模化、集团化发展，将构建社会物流服务规模化、规范化作为增强地区综合竞争力的基础。
影响物流匹配效率的因素不止以上所述。比如地区物流行业的研发投入、企业规模等，由于难以获得足够的数据，本文并未将它们包括进来。另外，由于地方保护主义导致的国内市场分割也是阻碍物流匹配效率的因素。自从改革开放以来，国内地区分割的局面逐趋加剧(Young，2000)，要素与商品的地区间流通较弱，货物流通效率遭受损失。为此，政府应不断深化改革，大力推动内部开放，努力实现国家内地区一体化(Sandra，2002)。
近几年中国物流匹配效率持续下滑，是长期上升趋势中的暂时回落，还是长期趋势发生逆转，将有待于更长时间序列数据的实证检验。
*作者感谢匿名审稿专家的中肯意见和具有启发性的建议，当然文责自负。
注释：
①参见刘秉镰等(2007)，文中综合假定交通基础设施固定资产使用年限为25年，以此计算出的折旧率为12.1％。
②对物流业支持经济发展能力进行区域划分的想法来源于涂正革(2008)对环境、工业协调程度的区域划分。
③由于篇幅限制，没有列出30个省区1999-2008年历年的物流匹配效率值，仅列出了各地区物流匹配效率的平均值。
④东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省市；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南八个省；西部地区包括内蒙古、广西、四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆11个省自治区。
⑤根据匿名审稿专家的建议，本文运用全国物流投入产出相关数据对中国1999-2008年全国LME值进行计算。所得结果与本文已有结果基本相同(差距均在3％以内)，且整体变化趋势也与已有结果一致。
⑥对随机效应模型作了Hausman检验，结果表明不能拒绝随机效应模型与解释变量无关的假设。