我国物流业地区间效率差异及其影响因素实证研究_基于数据包络分析模型及托宾模型的分

我国物流业地区间效率差异及其影响因素实证研究———基于数据包络分析模型及托宾模型的分析□现代物流中国流通经济2010年第9期刘秉镰，余泳泽（南开大学，天津市300071）摘要：文章采用数据包络分析模型和托宾模型，利用省际面板数据对我国物流业地区间效率及其影响因素进行分析。

研究结果表明，我国区域物流综合技术效率不高；区域物流效率差异正在逐步缩小；东部地区物流效率较中西部地区略高；物流资源利用率、区域市场化程度以及港口物流在区域物流中的重要性是影响区域物流效率的重要因素。

为提高我国物流产业效率，应着力强化各省、市、自治区物流市场化程度，建设全方位、开放、统一的市场和流通体系；提升区域物流技术投入与应用效率，提高物流信息技术应用水平；提高物流资源利用率，合理布局物流产业，防止地区条块分割，促使物流业由粗放型向集约型投资转变，强调区域物流的有序竞争；加快港口物流发展。

关键词：物流业；数据包络分析；Tobit 模型；效率中图分类号：F259.27文献标识码：A文章编号：1007－8266（2010）09－0018－04一、引言物流业是一个国家或地区经济发展的基础性产业，物流业效率的高低直接影响和制约整个区域经济的效率，进而影响整个经济的发展与成长。

我国物流业虽然取得了很大的发展，但仍然比较薄弱，成为制约经济发展的瓶颈。

分析物流业效率，剖析其主要影响因素，提出具体实施战略，具有重要意义。

在物流业效率研究方法的选择上，帅斌、杜文[1]将数据包络分析方法（Data Envelopment Analysis ，简称DEA ）与主成分分析方法（PCA ）结合起来对物流业进行综合分析与量化评价。

张兴远[2]认为，用DEA 模型从宏观角度对物流业发展能力进行评估是适宜的。

因此本文选择DEA 模型及托宾模型（下文称Tobit 模型）对我国地区间物流业效率进行分析并找出其影响因素。

在实证研究方面，鞠颂东、李尹松、徐杰[3]采用横截面数据，对西部地区物流总量、物流政策与制度、投资、人力资源、物流企业、物流技术及设施、管理水平等进行比较研究，分析西部地区物流业效率与现状。

郭晓平、张岐山[4]选取2005年各地区物流业发展相关指标数据，分别以物流业固定资产投资量、物流业从业人员数量两项指标为投入，各地区物流业生产总值、物流业从业人员工资总额两项指标为产出，利用改进的DEA 模型对各地区物流业效率进行了分析。

目前，尽管研究物流业效率的文章很多，但大多数仅从微观层面进行研究，从区域物流角度进行效率分析的很少。

在对区域物流业效率进行分析之前，大多数文献没有很好地定义物流业，特别是符合中国国情的物流业，这就导致在选择投入产出指标时没有很强的说服力，得出的结果与政策建议也不具有合理性。

在现有研究中，对影响区域物流业效率的环境变量的分析较少。

为此，本文将在定义符合我国国情的物流业基础上，对我国区域物流业效率进行较为充分的分析，对影响物流业效率的因素进行深入讨论。

二、计量模型与实证分析1.计量模型（1）基于松弛变量的DEA 模型。

本文采用的数据包络分析方法是1978年查恩斯（Charnes ）、库珀（Cooper ）、罗德斯（Rhodes）依据法雷尔（Farrell ）[5]提出的技术效率概念发展而来的，简称DEA 模型。

由于传统DEA 模型（CCR 和BCC 模型）[6]、[7]基于法雷尔效率测度思想，且同属于径向（Radial ，即从原点出发的射线）和线性分段（Piece-wise Liear）形式的度量理论，这种度量思想主要是它的可处置性（Strong Disposability ），确保了效率边界无差异曲线的凸性（不会折弯），却造成了投入要素的“拥挤”（Congestion ）或“松驰”（Slacks ），当投入产出要素增多并考虑相应的松弛问题时，对企业效率进行整体比较将变得更加困难。

为此，我们需要一种把松弛投入和松弛产出考虑在内的效率单一值评估方法，汤恩（Tone ）[8]的评价指标正是这样的，在此基础上建立了基于松弛变量的DEA 模型，本文不再详细论述。

（2）Tobit 回归模型。

Tobit 回归模型属于因变量受到限制的一种模型，其概念最早由托宾（Tobin ）提出，然后由经济学家哥德博尔格（Goldberger ）首度采用。

如果需要分析的数据具有这样的特点：因变量的数值是切割（Truncated ）或表1我国区域物流业平均效率趋势表片段（截断）的情况，那么普通最小二乘法（OLS ）就不再适用于估计回归系数，这时遵循最大似然法概念的Tobit 模型就成为估计回归系数的一个较好选择。

由于DEA 方法估计出来的效率值介于0和1之间，最大值为1，如果采用最小二乘法估计，可能会由于无法完整呈现数据而导致估计偏差，因此本文采用面板数据Tobit 回归模型来分析物流业效率的影响因素。

2.数据选取及处理本文选取的样本为2003~2007年29个省、市、自治区的省级面板数据共1860个观测结果。

①数据主要来自《中国统计年鉴》（2003~2008）、各地方统计年鉴（2003~2008）以及中国经济信息网和资讯行数据库网，并对相关数据进行了整理。

在对各变量数据进行说明和处理之前，首先对我国物流产业进行基本界定。

目前，各国统计的产业分类体系中都没有“物流产业”，即使目前最先进的北美产业分类体系（NAILS ）也没有设立“物流产业”。

从实际情况看，各年我国物流业增加值统计中交通运输、仓储和邮政业占到了物流业增加值总量的83％以上，基本能代表我国物流产业的情况。

虽然我国对物流产业的界定还比较模糊，但从产业理论及国内外物流发展的实际经验看，只要在宏观层次上界定物流业就能对物流业进行定量分析了。

本文界定的物流业包括：货物运输业、仓储业、邮政业三个部门，其中货物运输业包括铁路货运业、公路货运业、管道运输业、水上货运业、航空货运业、其他交通运输及交通运输辅助业。

各指标数据选择及相关处理如下：（1）劳动（L ）选取各地区交通运输、仓储和邮政业从业人员为模型数据。

（2）资本（K ）采用各地区物流资本存量指标，选取各地区交通运输、仓储和邮政业固定资产投资额为基本数据，根据永续盘存法计算，本文选取的基年为1990年，在研究资本存量时，缺乏基年资本存量数据是一个主要问题，张军[9]采用代表几何效率递减的余额折旧法计算得到各省、市、自治区固定资本形成总额的经济折旧率为9.6%，因此本文选择折旧率为10%，与龚六堂和谢丹阳选取的10%的折旧率一致。

在计算资本存量前，用各省、市、自治区固定资产投资指数对固定资产投资额进行平减，消除价格因素干扰。

（3）产出指标（Y ）选取各地区交通运输、仓储和邮电业增加值数据，由于统计中包含了电信业的增加值，而我国交通运输、仓储和邮政业增加值只在国家层面有统计数据，因此依照全国各年交通运输、仓储和邮政业增加值占交通运输、仓储和邮电业增加值的比重对各省、市、自治区数值进行缩减。

②在缩减之前对各地区交通运输、仓储和邮电业增加值用GDP 缩减指数进行平减，消除价格干扰。

3.实证结果及分析（1）整体效率分析。

对31个省、市、自治区物流业五年的投入产出数据进行整理，得到各年度综合技术效率值、纯技术效率值和规模效率值的平均值，见表1。

由表1可以看出，我国区域物流业整体效率较低。

各年度规模效率平均值明显高于纯技术效率平均值，可见我国物流业的无效率主要来自于纯技术无效率，纯技术效率衡量以既定投入资源提供相应产出（或服务）的能力。

我国物流业技术效率低的原因可能是各地区物流业投资过热，而投资效率并不是很高。

从综合技术效率的标准差可以看出，我国区域物流业效率的差异正在逐步缩小，这种缩小主要表现为纯技术效率差异的逐步缩小，而规模效率差异并没有明显变化。

这说明我国物流业效率的地区差异正在扭转。

从纵向来看，我国物流业综合技术效率处于相对提高的状态，而导致综合技术效率提高的原因主要是规模效率和纯技术效率的提高，这说明全国物流业规模效率总体处于持续增长阶段。

虽然我国物流业也存在规模无效率，但它并不是总体经营无效率的主要因素。

分析规模无效率的原因，我们发现，物流业毕竟是一个规模经济的行业，只有以强大的物流需求为支撑，物流业才能达到较高的规模效率。

而从纯技术效率来看，全国各省、市、自治区物流业纯技术效率一直在下滑，这是因为物流业是一种引致需求，只有其他产业对物流业的需求达到一定水平时，大规模投资物流业的投资效率才会很高。

（2）东部、中部及西部地区物流业效率分析。

我国地区间经济发展并不平衡，各地区发展物流业的优势各不相同，各地区政府对于发展物流业的政策也不尽相同，这些都会间接影响物流业的投入产出效率。

按照常规的地域划分方法，对我国东部、中部、西部地区物流业投入产出效率进行对比分析可以发现，东部经济发达地区物流业效率明显高于中西部地区。

无论从综合技术效率、纯技术效率还是规模效率来看，东部地区都明显高于中西部地区。

东部地区平均技术效率达到0.7578，西部地区平均技术效率只有0.4220。

这既说明了经济发展对物流业发展的带动作用，也说明了物流业发展对经济发展的促进作用，证明了物流业与经济发展的互动关系。

从纵向来看，东部地区物流业效率呈下降趋势，中部地区物流业效率呈平稳上升趋势，纯技术效率与规模效率的同时上升促进了中部地区物流业效率的提高。

西部地区物流业效率也呈上升趋势，说明近年来随着西部大开发战略的实施，西部地区物流业效率得到了一定的发展，但规模效率是促使物流业效率提高的主要原因。

年份我国物流业整体效率20032004200520062007综合技术效率平均值（TE ）0.57990.58950.66390.56570.5825综合技术效率标准差0.22340.23850.18760.17600.1935纯技术效率平均值（PTE ）0.67920.67080.75040.65340.6503纯技术效率标准差0.24140.26050.20070.19690.2204规模效率平均值（SE ）0.87340.90040.90150.88310.9126规模效率标准差0.17560.16760.15770.15740.1384表2Tobit 模型回归结果系数标准差Z 统计量显著性水平C 0.2608660.142487 1.8308090.0671**GDP%-0.42013 1.076482-0.390280.6963Market 0.0470360.019337 2.4324060.015***Utilization 3.529135 1.375138 2.5663860.0103***Port 0.1723710.047083.6612510.0003***R 20.735520极大似然函数值31.18752注：*代表10%的显著水平，**代表5%的显著水平，***代表1%的显著水平。