张有洋，朱昌锋，王庆荣

（1.兰州交通大学 交通运输学院，甘肃 兰州 730070；2.兰州交通大学 电子与信息工程学院，甘肃 兰州 730070）

1 引言

河西走廊是“丝绸之路经济带”的核心地段和“一带一路”的黄金通道，对连接东西部地区起到桥梁和纽带作用，发展“物流商贸”将形成服务全国的重要物流集散枢纽。

近年来，国内外学者就物流业效率做了大量研究，研究对象主要包括区域物流和企业物流。从研究方法来看，陈永平等[1]采用超效率DEA方法研究了中国物流产业效率并进行了收敛性检验；王维国等[2]采用基于三阶段DEA 的Malmquist-luenberger 指数法，分析了我国物流产业效率。范建平[3]采用改进EBM-DEA模型测算了2012年国内省际物流业效率；宋震等[4]运用GML 指数测算了各省份交通运输业能源效率。从研究对象来看，何新安[5]运用Tobit回归模型测度了广东省物流业效率；王琴梅等[6]以丝绸之路经济带“核心区”为对象，研究了“核心区”物流业效率的演化趋势；张立国[7]测算了全国物流业能源效率并分析了区域间的发展差异；文献[8]、[9]分别测算了海南省和安徽省物流业效率、技术进步率及各相关指标。

综上所述，既有研究关于物流业效率的测算与分析，对进一步深入研究该问题具有一定的参考价值，但仍存在以下不足：（1）既有研究大多以各经济带、省际或发达地区的物流业效率为研究对象，而对西部欠发达地区的市级物流业演化研究较少；（2）对全要素指标只做了简单分解且欠缺对比分析，不能完全体现研究对象与其他地区的差异性。基于此，本文运用DEA-Malmquist指数法，在测度了甘肃省河西地区物流业效率的基础上，对物流业效率各影响因素进行了Tobit回归分析，并在全国范围内，对比分析了河西地区与各省市地区间的差异，而后从技术进步率入手，结合该地区实际情况，从政策、科技、管理等方面对河西走廊物流业发展提出了针对性建议。

2 研究方法

2.1 DEA-Malmquist模型

假设存在m个DMU（决策单元），每个DMU相应包含有x个投入指标和y个产出指标，taj为第j个DMU的第 a 个投入指标，cbj为第 j 个 DMU 的第 b 个产出指标，投入指标与产出指标的权重向量分别为r、s；则：当 DMU 的相对效率值为 1 时，效率达到最优。

投入导向型DEA模型如下：

2.2 Malmquist指数法

Malmquist指数利用距离函数的比值来衡量投入与产出的效率[10]，与DEA 方法结合后可用于前后两相邻时期（T时期与T+1时期）全要素生产率（TFP）的动态研究。

其中，xt，yt表示t时期的投入与产出向量，表示全要素生产率和表示在t时期和t+1时期生产前沿下，第i个DMU 在t 时期和t+1 时期的距离函数值；表示在 t 时期生产前沿下，第 i 个 DMU 在t+1 时期的距离函数值表示在 t+1 时期生产前沿下，第i 个DMU 在t 时期的距离函数值。表示TFP提高，反之则TFP降低。

TFP 可分解为综合技术效率变化（EFFch）与技术进步（TECHch），即：

进一步地，EFFch 可分解为纯技术效率变化（PEch）和规模效率变化（SEch），即：

其中，Dvi表示VRS（收益规模可变）下的距离函数，DCi表示CRS（收益规模不变）下的距离函数。EFFch 表示从t 时期到t+1 时期的技术效率变动，EFFch＞1表示相对效率提高，反之则为退化；TECHch表示从t时期到t+1时期的技术变动，TECHch＞1表示技术进步，反之则表示技术退步；PEch＞1反映了技术运用水平对TFP 产生积极的作用；SEch＞1 则说明该DMU具有良好的规模效应。

综上，Malmquist指数最终可表示为：

本文对物流业效率的研究侧重于衡量技术进步率，故采用基于产出导向的VRS模型，以找出TFP分解后各指标间的关系。

2.3 Tobit回归模型

河西走廊物流业效率的影响因素众多，为分析各因素的影响程度并找出关键因素，同时为克服DEA 离散值对参数回归的干扰，本文选用基于极大似然法的Tobit模型进行回归分析，即：

其中，y*表示截断向量，y 表示效率值向量；x 表示自变量向量，η表示回归参数向量，c表示误差项。

进一步地，选用Tobit 中的混合回归模型分析相应的面板数据，即：

3 指标与数据

3.1 指标选取

在参考既有研究的基础上[1-9,14-15]，同时依据Cooper[11]提出的指标选取准则，充分考虑所选指标的代表性、全面性与准确性，以及河西地区与甘肃省其他地区乃至周边各省市地区物流业水平、经济发展等的差异性，选取5 个决策单元与9 个时期，最终确定的指标体系（见表1）由三个投入指标与两个产出指标构成。

表1 河西五市物流业效率与技术评价指标体系

3.2 数据来源与处理

因受国内行业划分的制约以及考虑到物流业产值的来源情况[12]，本文所选数据均参考“交通运输、仓储和邮行业”的相关统计结果。

2009-2017年河西地区相关数据主要源于各市统计年鉴与《国民发展统计公报》，部分数据源于《中国经济与社会发展统计数据库》。

（1）资本投入选取资本存量作为投入指标，采用“永续盘存法”将交仓邮固定资产投资额换算为资本存量，换算公式为：

固定资产价格指数源于各市年鉴与统计公报，假设首期资本存量为之前投资的总和[13]，经回归分析与序列相关处理后得到首期资本存量为：

（2）物流业增加值以2009年为基期，按GDP平减指数法进行可比价格折算。

4 实证分析

4.1 DEA-Malmquist测算及分析

基于2009-2017年河西走廊物流业统计数据，运用DEA-Malmquist 法并采用产出导向且收益规模可变模型，利用MaxDEA 和DEAP2.1 软件，对河西五市物流业效率演化进行测算分析。

表2 河西走廊物流业全要素生产率指数及其分解（2009-2017年）

从表2可以看出，河西五市虽地处丝绸之路经济带的重要位置，但该地区物流业的整体发展水平较低。嘉峪关、酒泉和武威三市的Malmquist 指数小于1，处于无效状态，其中技术水平低下是导致酒泉市和武威市DEA 无效的主要原因，嘉峪关市则是由技术效率降低与技术水平恶化共同造成的。张掖和金昌两市Malmquist 指数大于1，处于有效状态，金昌市受益于较高的技术效率，张掖市则得益于技术效率与技术水平的共同进步。此外，河西五市的Malmquist指数平均值小于1，说明该地区物流水平欠发达。由此可见，河西地区仍需加强在物流方面的投入与建设。

表3 河西走廊Malmquist指数（2009-2017年）

图1 嘉峪关市指标变化趋势图

图2 酒泉市指标变化趋势图

图3 张掖市指标变化趋势图

图4 金昌市指标变化趋势图

图5 武威市指标变化趋势图

图6 河西地区指标平均值变化趋势图

从表3 可看出，河西地区物流业效率呈现“高-低-高”的演化趋势，2010与2011年各市物流业发展较快，是因为此两年作为承接“十一五、十二五规划”的重要年份，在基础设施、政策照顾、资金投入及人力资源等多方面加大了建设力度，尤其嘉峪关、酒泉两市的物流业效率显著改善，同时其他城市也有不同程度的提高。总的来说，河西地区物流业正在规模化发展，生产效率也在快速提高。

然而，一些城市部分年份的物流业效率极低，如：2012年武威市TFP仅为 0.191，2016年嘉峪关市 TFP 仅为 0.214；虽然对河西地区物流业的整体发展影响不大，但反映出技术效率低下、技术进步缓慢、运营规模难成体系会给物流业发展带来负面影响。

为分析河西各市物流业水平的动态演化趋势，本文选用TFP和TEChch两个指标，绘制如图1—图6所示的指标变化趋势图，并对二者间关系做了进一步分析。

由图 1-图 6 可知，2012 和 2013年酒泉市的物流业效率与技术进步率出现了增长不同步的情况，若不计技术进步率对物流业产生的影响，物流业效率仍有显著提高。同时，2013年金昌市、2013年武威市、2016年张掖市都出现了类似情况，说明这些城市在对应年份的物流业效率没有受束于技术进步率的变化，对政策偏向的灵敏度较低，相反，得益于良好的管理水平、先进的作业设备等因素，其物流业效率仍有稳定的提升。此外，2013-2014年酒泉市的物流业效率与技术进步率呈现此消彼长的趋势，可能是由于较低的管理水平与不当的技术投入抵消了政策偏向的正面作用。

除个别特殊年份外，河西地区物流业效率受技术进步率变化影响的年份占比高达85%，说明物流业效率与技术进步率之间具有极强的正相关性，其中以嘉峪关市最为明显，这种相关性也能在图6中加以印证。

以上分析表明，河西地区物流业效率在不断提高的同时，对技术进步率有很强的依赖性，在实际生产中体现为物流业效率的不稳定；考虑到河西走廊特殊的地理区位，说明这些城市的物流业效率相比管理水平、设备研发、资金投入等因素，更依赖于地方政策偏向与国家支持力度等时效性的因素。

4.2 Tobit回归分析

（1）变量选择与面板数据构建。选择4.1中测算出的Malmquist 指数作为因变量y，将资本存量（X1）、从业人数（X2）、运输网络里程（X3）、物流业增加值（X4）和货运量（X5）作为假设变量；运用Eviews9.0 软件，调用河西五市在2009-2017年间的原始数据，将截面数设置为5并建立面板数据。

（2）构建Tobit 模型与回归分析。建立用于变量分析的Tobit回归模型：

式中，η0表示常数项，η1～η5表示各假设变量的回归系数，c 表示回归误差项；经计算得到的回归分析结果见表4。

表4 河西走廊物流业效率Tobit回归分析结果

从表4可以看出，资本存量、从业人数、运输网络里程和物流业增加值均与物流业效率呈正相关；资本存量通过了1%的显著性检验，运输网络里程与货运量通过了5%的显著性检验，从业人数与物流业增加值均没能通过显著性检验。

资本存量与运输网络里程的相关系数较高，分别为0.332和0.217，即资本存量与运输网络里程每增加1%，物流效率可提高0.332%和0.217%，表明稳健的经济环境与配套的基础设施建设对物流业效率提高有促进作用，这就需要河西地区加大投资力度，完善运输设施匹配。而货运量与物流业效率的负相关关系也与前文技术进步率低下相吻合，欠发达的技术水平难以吸引货源，很大程度上制约了物流业效率的提高。

为了解河西地区与全国其他地区物流业水平的差距，本文采用相同测算方法，并参照既有测算数据[14-15]从以下三个方面，对部分关键指标进行了对比分析：（1）以甘肃省及兰州市物流业水平为基准作省内对比；（2）以东北三省、西北五省、中部六省、东部十省、全国平均物流业水平为基准作省域间对比；（3）以部分经济区物流业水平为基准作经济区域间对比。对比结果如图7-图10所示。

图7 省内物流水平对比Ⅰ

图8 省内物流水平对比Ⅱ

从图7 可以看出，在近十年的物流业发展过程中，横向上，河西五市的两指标呈现相同的走势，但增减幅度较大，兰州市两指标走势近似，但其增减较为缓和；纵向上，由于同属甘肃省城市，发展趋势具有同步性，若忽略河西五市物流业发展的强波动性，整体来说其水平略高于兰州市，说明河西地区也存在一定的优势。从图8 可以看出，尽管河西五市在Malmquist这一指标上仅比兰州市高出0.003，但在两指标的整体对比上均占优势，然而甘肃省的平均水平较低，且TFP＜1表明处于无效状态，这可能是由于甘肃省地域狭长，包含在内的地域较广，加入省内其他城市及地区进行测算时会导致平均水平有所降低。

图9 省域间物流水平对比

图10 经济区域间物流水平对比

通过对比省内物流业水平可知，TECHch 与TFP间存在极强的正相关关系，换言之，河西走廊物流业水平的发展很大程度上受技术进步率的影响。

从图9 可以看出，与各省级区域相比，河西地区的两个关键指数均处于较低水平，与全国平均值尚存在一定的差距，尤其是技术进步率指标严重劣势；而经济发达的东部十省物流业发展最为全面，表明河西地区技术投入不足，加之经济水平落后，进而影响了物流业的发展。从图10 可以看出，东南沿海经济区与长江经济带的物流业最为发达，泛珠三角等经济区域紧随其后，河西地区仍排名最后，这也说明了相较于东南部经济发达区域，河西地区在经济规模、技术投入等方面的短板成为制约其物流业发展的重要因素。

通过对比省域间以及经济区域间的物流业水平可知，经济落后使得河西地区不能提供相应的技术投入；相较于沿江沿海地区，虽然得益于“一带一路”的政策倡导，但地处内陆的地理因素仍制约着经济发展，所以必须结合自身的区位优势，扬长避短的进行针对性调整，以提高物流业发展水平。

5 结论与建议

本文通过运用DEA-Malmquist-Tobit 方法，对2009-2017年河西走廊物流业效率进行测算分析后得到如下结论：（1）河西地区物流业水平较低，物流业效率和技术进步率二者间具有极强的正相关性；（2）即便在部分年份，某些城市物流效率的发展受政策偏向的影响较小，但总体上讲，河西地区物流业的发展对政策偏向有较强的依赖性；（3）相比于经济发达地区，河西走廊物流业发展不稳定，技术进步率低下和基础设施匮乏是制约其水平发展的重要因素，此外，企业管理水平、资金投资力度等因素也在一定程度上影响着物流业效率的提高。

为使河西地区借助自身特性，充分发挥其在“丝绸之路经济带”与“一带一路”中的重要作用，提出以下几点建议：（1）政策照顾与资金投入方面。在西部大开发、经济带战略部署的大背景下，不仅需要各级政府对河西地区的政策照顾，制定符合地区发展的规范制度，还需要欠发达地区积极配合响应，抓住发展机遇；同时，应加大资金投入力度，完善物流园区、配送中心、运输通道、运输设备等基础设施的配置，保证提供良好的硬环境以提高运输效率。（2）科技进步与管理水平方面。技术进步率对物流业效率的作用至关重要，因此需要加大地区技术投入力度，鼓励自主研发与引进高新技术相结合，提高技术质量与服务质量，提高物流网络的信息化水平，实现运输水平与协调能力的稳步升级，加快技术进步率的提升；提高政府与企业的管理水平，政府对区域物流的发展进行适当的宏观调控，企业则需完善自身的管理方法。（3）市场运营与体系建设方面。加强市场运营机制的完善，使物流服务向网络化、一体化方向发展并建立竞争有序、良性循环的区域性物流市场；充分利用区位优势拓宽物流渠道，侧重于运输系统与仓储系统间的衔接，形成完整的物流体系，更好地发挥河西地区联通东西部主要经济区域的重要作用。

本文在测算物流业效率时进行了大量对比分析，以体现河西走廊欠发达的物流业水平，但未加入非期望产出指标，下一步将重点研究能源消耗对物流业效率产生的影响。