基于三阶段DEA长江经济带各省物流绩效评价研究

钟 巍，彭咏梅

(1.江西理工大学 商学院；2.江西开放大学，江西 南昌 330000)

长江经济带由于其横跨中国的地理位置以及高占比人口和生产总值，在我国社会经济发展中有着举足轻重的地位，而高效的物流业是推动长江经济带协调发展的基础性和先导向产业。物流绩效是衡量物流业发展水平的一项重要指标，科学地评价物流绩效对于国家、企业掌握物流业发展状况以及提升物流业的发展水平意义重大。在此背景下，笔者以长江经济带各省(市)物流业为研究对象，选取投入和产出指标，采用三阶段DEA方法对长江经济带各省(市)物流绩效进行测算。

国内外学者一般从国家、行业和企业等角度对物流绩效进行评价。外国学者大多基于世界银行发布的国家物流绩效指数从国家或者地区的角度进行物流绩效研究。Ruslan Beysenbaev认为世界银行当前发布的物流绩效指数是基于全球物流专家的调查的主观看法，在评级上可能存在偏差，因此基于国际统计数据提出了一个修改后的指数，该指数定性和定量地代表了159个国家的物流系统和子系统的客观视图，可用做政府的基准工具[1]。Azmat Gani利用回归模型分析了60个国家的国际贸易与物流绩效指数，得出物流绩效与进出口在统计上呈现正相关[2]。Isotilia Costa Melo结合DEA评价法,以巴西大豆运输为背景，构建物流绩效评价指标[3]，Kamran Rashidi利用DEA方法来评估各国物流绩效的可持续性[4]，Jafar Rezaei认为世界银行发布的物流绩效指数每个指标同等重要的设置在复杂系统中并不合理，采用最佳最差方法给每个指标设定权重，得出基础设施权重为0.24，是决定物流绩效的关键指标[5]。

国内学者的研究集中在“一带一路”沿线国家物流绩效，采用DEA-Malmquist指数方法对“一带一路”沿线国家物流全要素生产率进行动态评价[6]。梁烨[7]、朱世艳[8]运用引力模型，分析了“一带一路”沿线国家物流绩效对中国贸易潜力和出口贸易的影响。一部分学者则是从省份或者城市的层面研究物流绩效，黄庆华构建了物流绩效评价指标体系，利用DEA法对我国“一带一路”重点建设省(市)的物流绩效进行测算[9]；孟魁运用三阶段DEA法测算中部六省的物流绩效[10]。一部分学者的研究聚焦于企业物流绩效评价，姜旭结合日本经验和国资委发布的《2019年企业绩效评价标准值》，建立适应我国物流企业绩效评价的指标体系[11]。

1 研究方法与数据来源

1.1 研究方法

测算效率的方法一般包括参数法和非参数法，两者各有优点，但在运用中学者发现非参数法相对更加有效，非参数法更广泛地被用于物流效率的测算，非参数法中的DEA方法由于具有非参数性和支持多变量输入和输出的特性而被广泛使用[12]。数据包络分析(DEA)是根据多指标投入和多指标产出对相同类型的单位进行相对有效性或者效益评价的系统分析方法。输入导向型和输出导向型是DEA的两种不同评价角度。输入导向型指的是在产出不变的情况下，通过调整投入，从而节约投入，提高投入的效率即BBC模型；输出导向型指的是投入不变，对产出进行调整，保证产出最大化即CCR模型。Fried等(2002)认为受管理无效率、环境和随机扰动影响，决策单元并不是同类型的决策单元，传统DEA得出的结果可能会出现偏差，剔除这些因素后，实证结果更具备比较价值，更贴近真实水平，因此提出三阶段DEA法[13]。

1.1.1 第一阶段:基于原始数据的传统DEA分析。利用DEAP 2.1软件，测算各省的物流业效率值，选用投入导向BBC模型，n、m、s表示决策单元，投入变量和产出变量个数，Yk为第k个决策单元的技术效率，yrk为第k个决策单元的第r项产出，xik为第k个决策单元的第i项投入，λi和θi分别为第r项产出和第i项投入的权重，uk为第k个决策单元的规模报酬指标。投入导向的BCC-DEA模型公式为：

(1)

1.1.2 第二阶段:采用SFA法剔除环境效应与随机干扰的影响。

①基于随机前沿成本函数，以环境变量为解释变量，以松弛变量为被解释变量，构造如下回归模型:

sik=f(zk;βi)+vik+μik；

i=1,2,…,m;k=1,2,…,n

(2)

其中：Sik是第k个决策单元第i项投入的松弛值;zk=(z1k，z2k，…，zpk)是环境变量;参数向量βi为待估计的未知参数;f(zk;βi)表示环境变量对投入冗余Sik的影响;vik+μik是组合误差项，一般假设：

②经过SFA回归后，根据回归结果对其他物流要素投入量进行调整，以效率最高的决策单元投入量为调整基准，表达式如下:

(3)

(4)

1.1.3 第三阶段:基于调整后投入产出变量的DEA分析。将原始的投入数据替换为调整后的投入数据，产出变量不变，再次测算各决策单元的效率，得到剔除了环境因素与随机干扰影响的实际效率值。

1.2 数据来源

本文以长江经济带的11个省份和直辖市2019年交通运输、仓储和邮政业的投入和产出指标为研究对象，相关数据从各省的2020年统计年鉴和2020年中国能源统计年鉴以及中国交通运输部官方网站收集并整理获得。

2 长江经济带地区物流效率指标选取与效率测算

2.1 物流绩效指标选取

三阶段DEA是通过SFA法剔除环境及随机因素的影响，然后衡量每个决策单元的效率的系统分析方法，本文是对长江经济带各省份和直辖市的物流业绩效进行评价，指标选取包括每个省和直辖市的物流业的投入指标、产出指标以及环境指标。

物流业的投入指标一般从资金、人员和能源消耗3个方面考虑，资金的投入是衡量物流业发展状况的重要指标。物流业重资产的特点决定了物流业需要大量的资金投入，资金投入是衡量物流业总体投入的一个重要指标。物流业属于劳动密集产业，从业人员的素质和数量则决定了一个行业发展的潜力和可持续性，以从业人员数量作为一个投入指标，燃油的消耗是物流业日常运营不可或缺的投入，反应物流行业日常运营的情况重要的指标，以综合能源消耗量作为物流业投入的一个指标。物流业的产出主要包括行业生产总值、行业增加值、货运量以及货运周转量等。

环境影响指标主要是对物流业的绩效有影响，但是通常在样本主体控制范围以外的因素，物流业发展受到当地的经济状况影响，地区的生产总值则是地区经济发展状况的直接反映，选取区域生产总值作为环境影响因素的一个指标。随着智能化的不断推进，物流业的发展与效率的提升越来越依科技和新型装备的发展，科技的发展情况是影响物流效率的一个重要的环境因素，选取R&D内部经费支出衡量当地科技发展情况，作为评价物流业绩效的一个环境指标。在充分考虑数据可获得性的情况下，综上得到长江经济带各省(市)物流绩效评价指标，如表1所示。

表1 物流绩效评价指标

2.2 物流绩效测算

基于DEA投入导向的规模报酬可变的BCC模型，运用DEAP 2.1软件对长江经济带各省(市)的物流绩效进行测算，得到长江经济带中各省(市)的物流绩效，见表2。上海、安徽和湖南三省(市)达到了DEA有效，说明这3个省(市)的物流业绩效较高，物流投入资源利用率高，资源配置合理，江苏省物流综合效率虽然没有达到DEA有效，但得分也处于较高水平，其余省份得分相对偏低，物流业绩效水平处于较低的状态。

第二阶段运用SFA回归模型，以第一阶段得到的物流业固定资产投资额、从业人员和能源消耗总量3个指标的松弛变量作为被解释变量，将地区GDP、R&D内部经费支出外部环境变量作为解释变量，考察这两项环境变量对三项投入指标的松弛变量的影响。使用Frontier 4.1软件进行似SFA回归分析，计算结果见表3。各似然参数LR都通过了2.5%显著性水平检验，说明所选取的两个环境变量对物流业投入松弛变量具有显著影响。γ值都接近1，大部分通过了1%的显著性水平检验，经济管理因素引起的冗余在环境和随机因素中起主要作用[14]。检验结果表明通过SFA模型来剔除环境及其他随机影响因素是必要合理的[15]。地区生产总值与投入指标之间的回归系数为正数，表明地区生产总值的提升会降低物流业的运作效率，R&D内部经费支出与投入指标之间的回归系数为负数，表明R&D内部经费支出的增加会在一定程度上提升物流业的绩效。

表2 长江经济带各省市物流绩效

表3 SFA模型回归结果汇总

2.3 第三阶段物流效率测算

利用第二阶段得到的调整后的投入变量指标，再次通过DEAP 2.1测算长江经济区各省(市)的物流绩效，得出长江经济区11个省(市)的物流绩效值，调整前后的物流绩效值见表4。调整前后技术指标的变化反映了区域内物流产业发展受外部因素影响情况，若技术效率提升，表明该区域内物流业发展受不利外部环境影响明显，若技术效率下降，则表明受不利外部因素影响小。调整后，长江经济带各省(市)的物流绩效平均值增加到0.74，增幅比较小。纯技术效率增加到0.925，表明长江经济带内的省(市)物流业发展受到一定的不利外部环境因素的影响。调整后江苏省达到DEA有效，达到DEA有效的省(市)达到了4个，这些省(市)实现了当前投入的最优产出，表明资源配置效率和管理技术水平达到了最优。江苏、浙江、湖北、四川、云南这几个省份调整后综合效率调整后有所提升，江西、重庆、贵州的综合效率调整后有所降低，说明物流效率受到环境因素的影响较为明显，但对不同省份影响效果不同，表明利用三阶段法得出的各省(市)物流效率更加接近真实的效率。

表4 调整前后的长江经济带各省(市)物流绩效

长江经济带整体物流效率平均值达到0.74，处于一般的水平，各个省(市)之间的差异非常大。从地理位置来看，处于下游的上海、江苏、浙江和安徽这4个省(市)的物流综合效率平均值为0.958，上海、江苏和安徽3个省(市)达到了DEA有效；处于中游的江西、湖北和湖南的综合效率平均值为0.81，其中湖南也达到了效率前沿面，湖北的综合效率值0.952，该省的物流业效率处于较高的水平；处于上游的重庆、四川、贵州、云南等省(市)的物流效率平均值为0.47，各个省(市)均处于较低水平，只有云南省的综合效率超过了0.5。长江经济带整体的物流效率较高，内部发展非常不平衡，两极分化比较严重，由下游往上游不断递减，上游区域发展水平较低。

长江经济带各省(市)的纯技术效率平均值调整后达到了0.925，各省(市)的纯技术效率调整后均有一定的上升，说明技术效率在环境因素影响下被低估，科技投入在当前发展中应受到重视，达到DEA有效的省(市)有6个，表明各省(市)在物流产业的管理和技术水平上处于较高水平，充分发挥投入资源的作用，四川省纯技术效率值只有0.553，表明需要提升物流产业的管理和技术水平。

指标调整后，长江经济带各省(市)物流业的规模效率有一定的下降，说明环境因素对于各省(市)的规模效率产生了一定的影响。整体规模效率不高，上海、安徽和湖南三省(市)达到了DEA有效，浙江和湖北规模效率值在0.9以上，说明以上省(市)资源配置效率较高，其余省(市)的规模技术效率相对来说比较低，除了四川达到了平均水平外，其他省(市)均远远低于平均值，表明这些省(市)需要提高物流资源的配置水平。可以看出，长江经济带地区物流产业的规模技术效率处在一般的水平，但是省份间的差距相对较大，出现两极化发展。

综合以上分析可以发现，长江经济带物流产业的综合效率平均值较高，纯技术效率的平均值达到了0.925，说明各省(市)的物流产业管理和技术水平都处于较好的状态，而规模技术效率平均值为0.801，明显低于纯技术效率，这意味着剔除环境和随机因素影响后，制约长江经济带物流产业综合效率提升的因素的物流产业的规模技术效率，未来应该重点关注长江经济带物流产业的规模效率的提升，促使物流产业朝着规模驱动转型升级。

3 结论和讨论

物流产业是经济发展的基础，对于区域物流产业的效率问题的研究具有重要的现实意义。本文选择交通运输、仓储及邮政等产业的投入、产出以及GDP和R&D内部支出经费指标为研究数据，采用三阶段DEA模型对长江经济带各省的物流效率进行测算，研究结果表明：

①长江经济带各省物流绩效整体处于比较好的水平，但各省(市)之间差异非常大，呈现两极分化的趋势，处于长江下游的4个省(市)的物流绩效水平高，处于上游的省(市)物流绩效比较低，从下游到上游呈现物流绩效递减的趋势。上海、江苏、浙江、安徽和湖南等省(市)的物流业绩效较高，四川、云南和重庆等省(市)处于低效率地位，应当注重整个区域的平衡发展，在保持下游地区效率的领先的同时，加大对长江上游省份物流业发展的支持力度，促进整个区域物流业协调发展。②SFA模型分析的结果显示，区域GDP和R&D内部支出费用两项环境变量的物流业投入指标的松弛变量有显著的影响，长江经济带各省(市)物流绩效受环境影响较为明显，但对不同省(市)的影响效果不同，在不剔除环境因素影响的情况下对各省(市)的物流绩效的测算产生一定的偏差，剔除环境和随机影响因素对于物流绩效的测算是非常重要的。③在SFA模型剔除环境和随机影响因素过程中，γ值都接近1，通过了2.5%的显著性水平检验，表明经济管理因素引起的冗余在环境和随机因素中起主要作用。④长江经济带各个省(市)的纯技术效率都比较高，说明各省(市)能够充分利用物流业投入资源，资源配置的效率高。规模效率普遍偏低，是制约物流业综合效率的提升的关键因素，长江经济带纯技术效率的平均值远高于规模效率，表明提升规模效率是提高物流业综合效率的关键。