效率视角下区域物流技术水平与管理水平时空演变研究

2023-10-14张矿伟俞立平

统计理论与实践 2023年9期

张矿伟俞立平，2

（1.浙江工商大学统计与数学学院，浙江杭州 310018；2.浙江工商大学统计数据工程技术与应用协同创新中心，浙江杭州 310018）

一、引言

技术与管理已成为影响物流业发展层次的关键因素。宏观视角下技术水平是指在物流活动中运用专业技术的综合作用效果的集中体现；管理水平指的是广义的管理活动在物流发展中的综合贡献，包括产业政策、物流法规、组织方式、物流模式、经营管理等。然而，由于我国不同时期、不同地区的经济、环境、政策等因素存在差异，导致不同区域物流技术水平与管理水平同样存在不同程度的差异，表现出非均衡的发展特点，制约了我国物流业的高质量发展。因此，综合研究我国区域物流技术水平与管理水平的发展现状、时空变迁、区域差异、重心分布以及空间关联特征具有重要意义，有利于从技术与管理视角更深入地认识我国区域物流的发展状态，为促进物流业高质量发展，加快实现由物流大国向物流强国跨越提供必要的参考。

已有学者围绕技术要素与管理要素在物流发展中的作用展开研究。关于技术要素在物流发展中作用的研究有：田刚和李南（2009）[1]、Wohrle（2013）[2]、刘国巍（2018）[3]指出技术进步、技术创新及应用能力提升促进物流业效率提升。Hidalgo 和Lopez（2009）[4]研究发现信息和通信基础设施、信息通信技术创新促进物流业发展质量提升。Levans（2012）[5]认为自动化会改变物流业发展方向。何玉华和俞立平（2012）[6]认为信息化建设促进物流业发展。关于管理要素在物流发展中作用的研究有：Muralidhar 和Radhika 等（2012）[7]指出简化农产品物流流程可以提高农业物流效率。姚书杰（2012）[8]指出技术创新和制度变迁影响物流组织模式变革。冯涛和邓俊荣（2010）[9]认为物流和环节协作及物流知识链竞争与物流业发展紧密相关。丁俊发（2014）[10]指出高行政管理成本制约物流企业发展。王静（2019）[11]指出货币政策影响物流产业结构优化。

对技术与管理量化测度的问题也进行了一定的探索。Hill 和Utterback（1979）[12]指出可以采用一些替代性指标间接反映技术创新。Solow提出了著名的“索洛余值”度量技术进步，认为经济增长中扣除劳动力、资本投入数量增长因素之后，所有产生作用的其他因素的总和，都是由技术进步带来的[13]。Andersen（1999）[14]提出用物流专利测度物流技术创新或技术水平。汪传雷和王艳等（2014）[15]、刘韧和鞠颂东等（2007）[16]也持有相同的观点。王伟光和唐晓华（2003）[17]将技术创新能力的测度划分为投入测度法、产出测度法、环境测度法三大类。也有学者从生产函数角度研究了软、硬技术进步的测度问题，钟永隆和姜一心（1993）[18]在改进柯布- 道格拉斯生产函数的基础上，论证了总技术进步水平等于硬技术进步水平与软技术进步水平（管理）的乘积。李仁安和罗荣桂（1996）[19]基于数据包络分析与前沿生产函数，分离出软技术进步水平与硬技术进步水平。

综合看，有学者围绕物流技术的重要性、物流技术对物流产业发展的影响等进行研究，也有学者对管理创新、企业流程优化、物流政策等对物流发展的重要性进行了研究。效率是技术与管理综合作用效果的集中体现，而基于投入产出效率视角定量研究区域物流技术水平和管理水平的成果较少，因此以下方面有待深入研究：（1）现有研究多集中于微观企业视角，但是难以刻画区域物流整体的技术与管理水平，有必要基于宏观视角从技术与管理两大要素入手分析区域物流的发展。（2）关于区域物流技术水平与管理水平的统计测度比较困难，并未达成有效共识，有必要围绕技术水平与管理水平的量化测度展开研究，以丰富该领域的研究。（3）有必要进一步围绕区域物流技术水平与管理水平的发展现状及时空特征展开研究，为物流业高质量发展提供必要参考。

本文基于投入产出效率视角，采用Super-SBM模型测度区域物流技术水平与管理水平，并综合分析区域物流技术水平与管理水平的时空演变特征，有利于梳理我国区域物流技术水平与管理水平的发展脉络与现状，了解其重心分布、变动轨迹及区域差距。本文的边际贡献主要体现在：第一，与传统微观视角的研究有所不同，本文主要立足宏观视角从技术与管理的时空演变分析区域物流的发展情况，研究内容上有所创新。第二，基于效率视角采用Super-SBM模型测度区域物流技术水平与管理水平，丰富了宏观视角下区域物流技术水平与管理水平统计测度的相关研究，为学界提供一种全新研究思路。第三，综合运用多种统计分析方法，从发展现状、区域差异、重心分布、空间关联特征等多维视角刻画区域物流技术水平与管理水平的时空演变特征，有利于更好地总结规律、发现问题并明确改进的方向。

二、研究设计

（一）研究方法

1.Super-SBM模型

采用Super-SBM 模型测度区域物流技术水平与管理水平。Tone（2001）[20]对传统的CCR 模型及BCC 模型进行改进，提出了非径向的SBM模型。SBM模型考虑了松弛变量对结果的影响，在目标函数中加入了松弛变量，具有比传统模型更好的求解效果。但是SBM模型的结果中同样会存在效率值为1 的多个有效决策单元并存的问题，因此进一步提出了Super-SBM模型，更有利于多个有效决策单元的排序。Super-SBM模型的规划式只适用于有效的DMU，对SBM 模型中有效的DMUk，其非导向下规模报酬不变（CRS）的超效率模型表达式为：

由除了DMUk之外的其他DMU 构成的生产可能集合为：

被评价DMUk在超效率SBM 模型中的投影值是模型的最优解，是在由其他DMU 构建的生产可能集内距离前沿最近的点。而可变规模报酬下（VRS）超效率SBM模型是在式（1）的基础上增加约束条件

2.行业集中度

采用行业集中度分析区域物流技术水平及管理水平的地区差距。行业集中度CRn表示将某个变量降序排列后，前n 位合计占所有变量合计的比重。基于美国经济学家贝恩对产业集中度的划分标准，将产业市场结构划分为如表1 所示的类型。

3.重心耦合态势模型

（1）重心模型

重心概念起源于物理学，重心模型表示物体各个方向的力量在合力作用下达到均衡，之后引申到区域经济领域的研究，可用于识别一组要素的地理或密度中心，能够更为直观、准确地揭示研究对象的空间分布规律特征及演变规律。区域经济研究中，通常以经度和纬度的组合来表示某个决策单元的地理位置，具体公式为：

本文中，（X0，Y0）为区域物流技术水平或管理水平的重心经纬度坐标，（Xi，Yi）为决策单元的经纬度坐标，Pi为决策单元相关指标的具体数值。

（2）重心距离函数

重心距离函数主要基于空间角度研究区域物流技术水平与管理水平之间的重心耦合关系，可以计算区域物流技术水平与管理水平重心的地理距离，分析两者距离的演变，计算公式为：

其中，根据区域物流技术水平与管理水平重心的经度及纬度坐标可以计算出两者重心距离，常数项111.11 为经纬度1 的平均距离，单位为千米。区域物流技术水平与管理水平的重心距离越近，说明从地理空间上两者协调度越好。

（3）重心方向一致性系数

重心方向一致性系数主要基于时间角度研究区域物流技术水平重心变化方向与管理水平重心变化方向的关系，进而判断两者是否同步发展。为了分析问题方便，通常采用区域物流技术水平与管理水平重心变化方向夹角的余弦值大小来进行测度，一般也称为变动一致性系数c。假设两者夹角为θ，当cosθ 等于1 时，说明两者变化方向完全相同；当cosθ 等于－ 1 时，说明两者变化方向完全相反。cosθ 越大，说明区域物流技术水平与管理水平重心变化方向越是一致。

根据余弦定理，变动一致性系数的计算公式如下：

式中，Δ x=xi-xi-1，Δ y=yi-yi-1，分别表示区域物流技术水平或管理水平重心相对于上一年的经度与纬度变化。偏移角度差余弦值的大小与偏移一致性的关系见表2。

表2 偏移角度差余弦值与偏移一致性

4.探索性空间数据分析

（1）全局Moran's I 指数

全局空间自相关主要用于研究观测值在区域内的整体空间关联情况，本文采用Moran's I 指数研究区域物流技术水平与管理水平的整体空间相关性。公式如下：

其中，xi表示地区i 的观测值，n 表示地区的个数，wij表示i 地区与j 地区的空间权重，x 表示地区观测值的均值。全局Moran's I 指数的取值范围为[-1，1]，当莫兰指数大于0 时，表示正相关，即具有相似的属性聚集在一块；当莫兰指数小于0 时，表示负相关，即具有相异的属性聚集在一起；当莫兰指数等于0 时，表示不存在相关性，即不同的属性随机分布。

（2）局部Moran's I 指数

全局Moran's I 指数反映的是研究对象的整体空间相关情况，但是难以很好地刻画局部地区观测值的空间关联情况，且在全局Moran's I 指数不显著的情况下，在局部地区也可能存在正向相关或负向相关的情况。因此，需要在全局空间自相关分析的基础上，进一步采用局部Moran's I 指数分析局部地区的空间相关性。计算公式如下：

Ii表示i 地区的局部Moran's I 指数值，xi表示i 地区的观测值表示观测值的均值，wij表示i 地区与j地区的空间权重，n 表示地区的个数，并且：

通过生成LISA 聚类地图、显著性地图以及Moran散点图来综合分析某区域与其相邻区域的空间集聚特征，可以归纳为高高集聚（H-H）、低高集聚（L-H）、低低集聚（L-L）、高低集聚（H-L）四种类型。

（二）变量与数据

1.变量测度

宏观视角下测度区域物流技术水平与管理水平较为困难，需要更多地考虑技术与管理在物流活动中的贡献与效果。本文从投入产出效率视角测度技术水平与管理水平。Banker（1984）[21]指出CCR 模型的效率值有效表示被评价决策单元的技术和规模同时有效。决策单元的无效性可能是由配置效率引起的，也可能是由规模不合理造成的。而BCC 效率值可以视为只考虑了纯技术效率因素的效率值，即纯技术效率（PTE），所以BCC 有效代表着决策单元仅仅是技术有效的，一定程度上间接反映了决策单元的技术水平。规模效率（SE）等于全局效率与纯技术效率的比值，而规模效率的变动由决策单元的资源配置、规模经济、政策影响等因素决定，这些因素均属于宏观管理因素，所以规模效率间接反映了决策单元的管理水平。

基于以上分析，纯技术效率与规模效率可以作为技术水平与管理水平的间接反映。本文采用Super-SBM模型分别求出规模报酬不变下的全局效率，以及规模报酬可变下的纯技术效率，并进一步分解出规模效率，用纯技术效率作为区域物流技术水平的替代变量，用规模效率作为区域物流管理水平的替代变量。

2.数据来源

基于数据的可得性、准确性、全面性及科学性原则，借鉴龚雪和荆林波（2020）[21]、曹炳汝和孔泽云等（2019）[22]的研究，选取物流业固定资产投资、物流从业人员、交通密度3 个指标作为投入指标，选取货物周转量、物流产业增加值两个指标作为产出指标，采用Super-SBM模型测算区域物流投入产出效率，用纯技术效率作为技术水平的替代变量，规模效率作为管理水平的替代变量。原始数据均来自《中国统计年鉴》，采用交通运输、仓储和邮政业数据反映区域物流的发展情况，选取1997—2021 年中国31 个省（区、市）面板数据进行研究。投入产出变量的统计学特征见表3。

表3 投入产出变量的描述性统计

三、实证结果

（一）时序演变

基于Supper-SBM模型测度中国31 个省（区、市）的区域物流技术水平与管理水平，以纯技术效率表示技术水平，以规模效率表示管理水平，并进一步计算出1997—2021 年全国区域物流技术水平与管理水平的均值（见表4）。

表4 1997—2021 年全国区域物流技术水平与管理水平均值

由表4 可知，区域物流技术水平在0.266—0.507之间变动，区域物流管理水平在0.644—0.927 之间变动，总体上表现出波动上升趋势。为了更清晰地观测区域物流技术水平与管理水平的演变情况，将表4 中技术水平与管理水平的数据绘制成折线图，如图1所示。

图1 技术水平与管理水平时序演变

由图1 可以看出，区域物流管理水平整体上高于技术水平。纯技术效率本质上反映了区域物流产业的技术水平，也是技术创新能力的重要体现，规模效率本质上反映了各地区物流相关政策和宏观管理水平，在市场机制充分发挥作用的前提下，并不需要更多的政府干预。综合来看，技术水平是制约物流产业高质量发展的关键，说明物流产业应该重点鼓励创新、提高技术创新能力，政府也应该出台更多鼓励技术创新的政策，为物流产业技术创新提供良好的环境，促进物流产业高质量发展。

（二）集中度分析

行业集中度的变化体现了整体市场的竞争和垄断程度，是反映市场结构状况的基本指标，也体现了整体的区域差距情况。一般认为，如果行业集中度CR4＜0.3 或CR8＜0.4，则该行业为竞争型，而如果0.3≤CR4或0.4≤CR8，则该行业为寡占型。为了进一步从市场结构视角分析区域物流技术水平与管理水平的区域差异，计算了1997—2021 年区域物流技术水平与管理水平的行业集中度CR4与CR8，如图2 和图3 所示。

图2 技术水平与管理水平C R 4 时序演变

图3 技术水平与管理水平C R 8 时序演变

由图2 中行业集中度CR4看，技术水平行业集中度位于0.272—0.365 之间，整体上表现出波动下降趋势，由寡占型市场结构向竞争型市场结构逐渐演变，说明区域物流技术水平的差距在逐渐缩小，管理水平行业集中度在0.138—0.189 之间变动，始终保持在相对较低的水平且同样呈现缓慢的下降趋势。因此，无论是技术水平还是管理水平均表现出了区域间协调发展的趋势。

由图3 中行业集中度CR8看，技术水平行业集中度在0.472—0.561 之间，而管理水平行业集中度则在0.277—0.347 之间。从技术水平看，区域物流表现出低度寡占型的特点，呈现波动下降后又有所升高的趋势，但是整体上逐渐向竞争型过渡；从管理水平看，区域物流产业并不存在寡头垄断，处于竞争性的市场结构。因此，区域物流技术水平在一定程度上呈现出区域发展不平衡的特点，不同地区物流产业的技术创新能力呈现一定的区域差异，而区域物流管理水平的区域差异较小，不论是技术水平还是管理水平的区域差异均在不断缩小，逐步呈现良性协调发展的趋势。

（三）重心分析

1.重心移动轨迹

为了更直观地了解1997—2021 年区域物流技术水平与管理水平重心的移动轨迹，在求得历年区域物流技术水平与管理水平重心坐标的基础上，将历年重心绘制成图4、图5。

图4 技术水平重心移动轨迹

图5 管理水平重心移动轨迹

由图4 可知，1997—2021 年区域物流技术水平重心在经度上由东经114.882°移动到东经114.408°，向西移动了0.474 个经度约52.667 千米，由北纬36.063°移动到北纬32.508°，向南移动了3.555 个纬度约395千米，纬度的变化大于在经度上的变化，整体向西南方向移动了约398.519 千米。说明随着我国改革开放进程的加快，我国西南地区经济发展水平不断提高，第二产业、第三产业的快速发展为物流发展提供了充足的市场条件，资源、技术等在西南聚集，区域物流产业技术水平的重心也随着向西南移动。

由图5 可知，1997—2021 年区域物流技术水平重心在经度上由东经112.144°移动到东经112.101°，向西移动了0.043 个经度约4.778 千米，由北纬32.454°移动到北纬33.077°，向北移动了0.623 个纬度约69.222千米，纬度的变化大于在经度上的变化，基本可以认为整体向西北方向移动了约69.475 千米，移动的距离相对较小。从1997—2002 年快速向东移动，2002—2012 年逐渐向北方移动，之后呈现出向西移动后又快速向东移动然后再次向西移动的趋势。总体看，区域物流管理水平呈现出微弱向西北方向移动的趋势，说明西北地区物流管理水平逐渐提升。

2.重心距离演变

在分析区域物流技术水平与管理水平重心移动轨迹的基础上，将1997—2021 年每年两者的重心距离绘制成图，更直观了解重心距离的变动情况，如图6所示。

图6 重心距离的时序演变

由图6 可知，1997—2021 年区域物流技术水平与管理水平的重心距离呈现出波动缩小后又有所增加的变动趋势，但是总体上技术水平与管理水平的空间距离是缩小的，两者的耦合协调程度不断加深，呈现向好的发展趋势。1997—2021 年重心距离在72.656—503.358 千米之间变动，1997—2003 年重心距离缩小趋势明显，2003—2013 年重心距离呈现出波动下降趋势，且在2013 年技术水平与管理水平重心距离最小，两者距离约为72.656 千米，而在2013—2020 年重心距离表现出逐渐增加的趋势，2021 年又表现出一定的下降趋势。重心距离逐渐变小表明区域物流技术水平重心与管理水平重心逐渐一致，两者逐渐呈现协调发展的态势。

3.重心偏移一致性系数

重心距离反映了技术水平重心与管理水平重心在空间上的距离，重心偏移一致性则进一步反映了两者重心在不同年份的移动方向是否一致，通过技术水平与管理水平重心偏移角度差的余弦值反映重心的偏移一致性，如图7 所示。

图7 重心偏移一致性系数

由图7 可知，1997—2021 年区域物流技术水平与管理水平重心偏移一致性系数波动较大，说明技术水平重心的移动与管理水平重心的移动存在较高的不一致性，25 年间只有6 年的重心偏移方向一致，其他年份两者重心的偏移方向均不一致。进一步结合重心距离的变化可以发现，虽然两者的重心偏移一致性总体不佳，但是两者的重心距离呈现逐渐缩小的趋势，说明区域物流技术水平与管理水平的重心正在逐步集中于同一地区，总体表现出向好趋势。

（四）空间相关性分析

1.全局Moran's I 指数

分别计算出1997—2021 年区域物流技术水平与管理水平的全局Moran's I 指数，以刻画技术水平与管理水平的总体空间相关性，结果见表5。

表5 全局Moran's I 指数时序演变

由表5 可知，在1997—2021 年，技术水平的全局Moran's I 指数共有7 年不显著，其他年份的全局Moran's I 指数均显著且大于0，总体而言，区域物流技术水平呈现出空间正相关的特点，且近年来这种空间正相关性呈现逐渐增强的趋势，而管理水平的全局Moran's I 指数大部分年份均不显著，少数显著的年份主要集中在2005 年及以前，说明随着时间的推移区域物流管理水平总体上呈现出由空间正向相关向空间不相关演变的趋势。

2.局部Moran's I 指数

全局Moran's I 指数反映了技术水平与管理水平整体上的空间相关性，但是不能精确反映某一区域的空间集聚特征，故进一步计算局部Moran's I 指数分析局部的集聚特征，以5 年作为时间间隔分别选取2001年、2006 年、2011 年、2016 年、2021 年的局部Moran's I指数进行分析，并主要结合LISA 聚类地图分析技术水平与管理水平的局部集聚特征，结果见表6、表7所示。

表6 技术水平的局部集聚特征

表7 管理水平的局部集聚特征

由表6 可知，技术水平的低低集聚空间特征比较明显，且主要集中在西南、西北地区，高高集聚空间特征早期主要分布在辽宁、河北等地区，且近年来逐渐向东南沿海地区转移，低高集聚特征表现明显的地区是北京、吉林。由表7 可知，管理水平高高集聚空间特征主要集中在沿海及中部地区，低低集聚空间特征集中在西北地区的内蒙古、青海，新疆和云南则表现出明显的高低集聚特征。综合看，不管是技术水平还是管理水平，其局部空间集聚特征都兼具了四种集聚类型，且随着时间的变化不同区域的空间集聚特征也在不断变化，说明区域物流技术水平与管理水平都具有较强的空间异质性。