基于DEA-Tobit方法的“一帶一路”省域物流產(chǎn)業(yè)效率評(píng)價(jià)

項(xiàng)絲雨

（安徽財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠233030）

2013年，國(guó)家主席習(xí)近平提出了建設(shè)“絲綢之路經(jīng)濟(jì)帶”和“21世紀(jì)海上絲綢之路”的倡議，這兩者統(tǒng)稱(chēng)為“一帶一路”.“一帶一路”建設(shè)頂層設(shè)計(jì)規(guī)劃的終極版圖中重點(diǎn)圈定了國(guó)內(nèi)18個(gè)省市自治區(qū)，即新疆、陜西、甘肅、寧夏、青海、內(nèi)蒙古、黑龍江、吉林、遼寧、廣西、云南、西藏、上海、福建、廣東、浙江、海南和重慶.隨著經(jīng)濟(jì)全球化的發(fā)展和互聯(lián)網(wǎng)經(jīng)濟(jì)的盛行，物流產(chǎn)業(yè)的發(fā)展也呈現(xiàn)出日益升溫的狀態(tài)，國(guó)家和地區(qū)間的競(jìng)爭(zhēng)已經(jīng)不僅僅局限在產(chǎn)品數(shù)量和質(zhì)量上，也包含物流產(chǎn)業(yè)發(fā)展的競(jìng)爭(zhēng).近年來(lái)，我國(guó)物流產(chǎn)業(yè)發(fā)展迅速，尤其是第三方物流的興起，帶動(dòng)了我國(guó)絕大部分地區(qū)物流產(chǎn)業(yè)的發(fā)展.但是與國(guó)際上物流產(chǎn)業(yè)發(fā)達(dá)的國(guó)家相比，我國(guó)物流產(chǎn)業(yè)還有較大差距.

DEA方法是1978年Charnes和Cooper等人開(kāi)創(chuàng)的一個(gè)交叉研究運(yùn)籌學(xué)、管理科學(xué)和數(shù)理經(jīng)濟(jì)學(xué)的新的領(lǐng)域，它是一種適用于多投入多產(chǎn)出的多目標(biāo)決策單元績(jī)效評(píng)價(jià)方法［1］.對(duì)物流效率的研究，國(guó)內(nèi)外很多專(zhuān)家采用DEA-Tobit方法［2-3］.國(guó)內(nèi)運(yùn)用DEA-Tobit方法進(jìn)行效率研究的學(xué)者很多，研究范圍很廣，包括衛(wèi)生支出［4］、農(nóng)田水利運(yùn)營(yíng)［5］、會(huì)計(jì)事務(wù)所運(yùn)營(yíng)［6］效率及影響因素分析等等.劉亞楠［7］、劉子琦［8］和霍倩倩［9］等學(xué)者也在物流效率及影響因素研究中運(yùn)用了DEA-Tobit方法.本文通過(guò)構(gòu)建指標(biāo)體系收集了相關(guān)數(shù)據(jù)，利用DEA方法對(duì)2011—2016年“一帶一路”省域18個(gè)省市地區(qū)物流產(chǎn)業(yè)的效率進(jìn)行了測(cè)算，并利用Tobit回歸模型對(duì)物流影響因素進(jìn)行了探究，找出“一帶一路”省域物流產(chǎn)業(yè)現(xiàn)階段存在的問(wèn)題，為今后物流產(chǎn)業(yè)的發(fā)展提供參考.

1 研究方法

1.1 模型的選擇

DEA方法的基本模型有CCR模型、BCC模型.CCR模型是基于決策單元規(guī)模報(bào)酬固定的假設(shè)，沒(méi)有考慮規(guī)模大小對(duì)運(yùn)行效率造成的影響，但各種因素的存在使規(guī)模報(bào)酬不變的情況比較難以實(shí)現(xiàn).而B(niǎo)BC模型是基于決策單元規(guī)模報(bào)酬可變的假設(shè)，因此本文選擇 BCC模型來(lái)進(jìn)行效率的計(jì)算.BCC模型又分為投入導(dǎo)向型與產(chǎn)出導(dǎo)向型.投入導(dǎo)向模型是假設(shè)在產(chǎn)出不變的情況下，使投入最小化的運(yùn)籌學(xué)問(wèn)題.產(chǎn)出導(dǎo)向模型是假設(shè)在投入不變的情況下，使產(chǎn)出最大化的運(yùn)籌學(xué)問(wèn)題.本文的研究對(duì)象是物流產(chǎn)業(yè)，其控制投入要素相對(duì)容易，因此采用投入導(dǎo)向型.

1.2 BCC模型

假設(shè)有n個(gè)稱(chēng)為決策單元的部分：DMU1，DMU2，…，DMUk，…，DMUn，每個(gè)決策單元都有m 個(gè)投入變量和 s 個(gè)產(chǎn)出變量.于是可以得到輸入矩陣：Xj=（X1j，X2j，…，Xmj），輸出矩陣：Yj=（Y1j，Y2j，…，Ymj）.

定義Yrj為第j個(gè)決策單元對(duì)第r種輸出的產(chǎn)出量；Xij為第j個(gè)決策單元對(duì)第i種輸入的投入量；Ur為對(duì)第r種輸出的一種度量(或稱(chēng)權(quán))；Vi為對(duì)第i種輸入的一種度量.

CCR模型為：

假設(shè)上述模型的最優(yōu)解為 λ*，S*-，S*+，θ*，則有以下結(jié)論：

（1） 當(dāng) θ*=1，且 S*-=S*+=0時(shí)，DMUj0為 DEA 有效；

（2） 當(dāng) θ*=1，且 S*-，S*+不全為 0 時(shí)，DMUj0為弱 DEA 有效；

（3） 當(dāng) θ*<1時(shí)，DMUj0為 DEA 無(wú)效.

1.3 Tobit回歸模型

本文采用諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者James Tobin提出的Tobit回歸模型來(lái)分析物流產(chǎn)業(yè)的影響因素，模型表示為：其中 Y 是因變量，X 是自變量，β是未知參數(shù)，μ～（0，σ2），Y 以受限制的方式取值：當(dāng) Y＞0 時(shí)，“無(wú)限制”觀測(cè)值取實(shí)際觀測(cè)值；當(dāng)Y≤0時(shí)，“受限制”觀測(cè)值取0.

2 物流產(chǎn)業(yè)效率實(shí)證研究

2.1 指標(biāo)體系構(gòu)建

在投入產(chǎn)出指標(biāo)體系的構(gòu)建中，分析借鑒了現(xiàn)有學(xué)者的相關(guān)研究文獻(xiàn)［10-11］，選取指標(biāo)按照全面性、重要性、可獲得性等原則，使其能較為準(zhǔn)確的對(duì)省域物流產(chǎn)業(yè)效率指標(biāo)進(jìn)行測(cè)算和反映物流產(chǎn)業(yè)的發(fā)展情況.物流產(chǎn)業(yè)是一類(lèi)綜合性的產(chǎn)業(yè)，關(guān)于物流產(chǎn)業(yè)的明確界定還尚不明確，因此本文在此選用交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)的相關(guān)數(shù)據(jù)之和來(lái)代替物流產(chǎn)業(yè)的數(shù)據(jù).本文選取的投入指標(biāo)包括：交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)從業(yè)人員數(shù)(萬(wàn)人)、固定資產(chǎn)投資額(億元)和運(yùn)輸線路長(zhǎng)度.產(chǎn)出指標(biāo)包括：交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)生產(chǎn)總值(億元)、貨運(yùn)量(萬(wàn)噸)和貨物周轉(zhuǎn)量(億噸/公里).

2.2 研究對(duì)象及數(shù)據(jù)來(lái)源

本文的研究對(duì)象是“一帶一路”省域的18個(gè)省市自治區(qū).測(cè)算選取的基礎(chǔ)數(shù)據(jù)是2011—2016年18個(gè)省市自治區(qū)物流產(chǎn)業(yè)投入產(chǎn)出具體指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)，數(shù)據(jù)來(lái)源于2012—2017年中國(guó)和各省市《統(tǒng)計(jì)年鑒》.本文按物流產(chǎn)業(yè)投入產(chǎn)出指標(biāo)體系，收集了具體的指標(biāo)數(shù)據(jù).

2.3 效率測(cè)算及結(jié)果分析

基于DEA方法和投入產(chǎn)出指標(biāo)體系，利用數(shù)據(jù)包絡(luò)分析軟件DEAP Version2.1測(cè)算18個(gè)省市自治區(qū)物流產(chǎn)業(yè)的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率值.決策單元DMU個(gè)數(shù)為18，投入指標(biāo)個(gè)數(shù)為4，產(chǎn)出指標(biāo)個(gè)數(shù)為3，選取的導(dǎo)向?yàn)橥度雽?dǎo)向，依次輸入2011—2016年的指標(biāo)數(shù)據(jù).根據(jù)測(cè)算結(jié)果以及對(duì)結(jié)果的整理，從以下3個(gè)方面進(jìn)行綜合分析.

（1）效率整體性分析

2011—2016年18個(gè)省市自治區(qū)物流產(chǎn)業(yè)的綜合技術(shù)效率（TE）、純技術(shù)效率（PTE）和規(guī)模效率（SE）的平均值如表1所示.

表1 2011—2016年物流產(chǎn)業(yè)的效率平均值

由表1可知，18個(gè)省市自治區(qū)物流產(chǎn)業(yè)綜合技術(shù)效率平均值6年間維持在0.75左右，說(shuō)明“一帶一路”省域物流產(chǎn)業(yè)效率整體偏低.純技術(shù)效率和規(guī)模效率平均值也未達(dá)到有效，從而導(dǎo)致了省域物流產(chǎn)業(yè)的整體無(wú)效率.

（2）效率區(qū)域性分析

“一帶一路”省域18個(gè)省市自治區(qū)按照區(qū)位劃分為西北地區(qū)：新疆、陜西、甘肅、寧夏、青海和內(nèi)蒙古；東北地區(qū)：黑龍江、吉林和遼寧；西南地區(qū)：廣西、云南和西藏；沿海地區(qū)：上海、浙江、福建和廣東；以及內(nèi)陸地區(qū)：重慶.這5個(gè)區(qū)域2011—2016年物流產(chǎn)業(yè)效率平均值如表2所示.

表2 2011—2016年物流產(chǎn)業(yè)區(qū)域效率平均值

5個(gè)區(qū)域物流產(chǎn)業(yè)效率之間存在較大差異，存在區(qū)域發(fā)展不平衡，沿海地區(qū)效率值位于首位，物流發(fā)展較好，而內(nèi)陸地區(qū)效率值處于末位，有較大提升空間.

（3）投影分析

選取2014年“一帶一路”省域物流產(chǎn)業(yè)效率評(píng)價(jià)結(jié)果中的12個(gè)非DEA有效省市，其中有7個(gè)省市存在投入產(chǎn)出和冗余不足，具體見(jiàn)表3.

表3 2014年“一帶一路”省域物流產(chǎn)業(yè)效率評(píng)價(jià)

2014年18個(gè)省市自治區(qū)中有7個(gè)存在投入冗余或產(chǎn)出不足的情況，占總數(shù)的38.89%，冗余不足現(xiàn)象較為明顯.這7個(gè)省市自治區(qū)在從業(yè)人員數(shù)上均不存在投入冗余，但在運(yùn)輸線路長(zhǎng)度上的冗余現(xiàn)象比較突出.

3 物流效率影響因素分析

3.1 影響因素確定

物流產(chǎn)業(yè)效率的影響因素有很多，無(wú)法全面對(duì)其進(jìn)行確定與分析.本文基于“一帶一路”省域物流產(chǎn)業(yè)的發(fā)展現(xiàn)狀和對(duì)已有文獻(xiàn)中影響因素的借鑒［12-13］，從經(jīng)濟(jì)發(fā)展?fàn)顩r、物流資源投入、產(chǎn)業(yè)結(jié)構(gòu)、物流信息化水平和區(qū)位因素5個(gè)方面選取了6個(gè)影響因素.經(jīng)濟(jì)發(fā)展?fàn)顩r用GDP衡量，物流資源投入用固定資產(chǎn)投資和從業(yè)人員數(shù)衡量，產(chǎn)業(yè)結(jié)構(gòu)用第三產(chǎn)業(yè)增加與第二產(chǎn)業(yè)增加值的比值衡量，物流信息化水平用郵電業(yè)務(wù)總量衡量，區(qū)位因素用區(qū)位商衡量，分別用GDP、FAI、P、S、ST和LQ表示.為了消除異方差的影響，其中GDP、固定資產(chǎn)投資、從業(yè)人員數(shù)和郵電業(yè)務(wù)總量取其對(duì)數(shù)形式.

3.2 模型設(shè)定

以“一帶一路”省域物流產(chǎn)業(yè)18個(gè)省市自治區(qū)的綜合效率作為因變量，以各影響因素作為自變量，構(gòu)建以下Tobit回歸模型：

其中，α 是常數(shù)項(xiàng)，β1、β2、β3、β4、β5、β6是各自變量的回歸系數(shù)，μ 是誤差項(xiàng).

3.3 實(shí)證結(jié)果及分析

運(yùn)用STATA 14.1軟件對(duì)上述Tobit回歸模型進(jìn)行隨機(jī)效應(yīng)的面板回歸分析，結(jié)果如表4所示.Tobit回歸分析的P值都0.01，說(shuō)明回歸方程顯著性明顯，6個(gè)影響因素都具有代表性.

表4 影響因素的Tobit回歸分析結(jié)果

經(jīng)濟(jì)發(fā)展水平、物流信息通訊水平和區(qū)位因素的回歸系數(shù)為正，“一帶一路”省域物流產(chǎn)業(yè)效率與其之間存在正相關(guān)關(guān)系.物流資源投入和產(chǎn)業(yè)結(jié)構(gòu)的回歸系數(shù)為負(fù)，說(shuō)明物流效率與其之間存在負(fù)相關(guān)關(guān)系.

4 結(jié)論與建議

“一帶一路”省域物流產(chǎn)業(yè)綜合技術(shù)效率的平均值維持在0.75左右，純技術(shù)效率均值和規(guī)模效率均值也基本在0.8左右，物流產(chǎn)業(yè)效率整體上偏低.各地區(qū)政府應(yīng)高度重視效率整體偏低這一事實(shí)，從全面角度分析存在的問(wèn)題.力求高效率地區(qū)保持，低效率地區(qū)消除弱勢(shì).從技術(shù)、管理和資源配置等角度提高純技術(shù)效率和規(guī)模效率，從而帶動(dòng)綜合效率的提升.

西北、東北、西南、沿海和內(nèi)陸這幾個(gè)區(qū)域的物流產(chǎn)業(yè)效率呈現(xiàn)區(qū)域性差異.上海、浙江、福建、廣東等沿海地區(qū)的物流效率最高，黑龍江、遼寧、吉林等東北地區(qū)省市次之，作為內(nèi)陸地區(qū)的重慶整體效率最低.各省市政府應(yīng)該加強(qiáng)各自之間的物流資源共享、物流信息技術(shù)交流，為弱勢(shì)地區(qū)提供技術(shù)支持與幫助，推進(jìn)區(qū)域間協(xié)調(diào)發(fā)展.政府應(yīng)該引導(dǎo)西北、東北、西南、沿海和內(nèi)陸地區(qū)之間形成結(jié)對(duì)互助，在彼此之間形成物流系統(tǒng)節(jié)點(diǎn)，使得各省市之間的物流信息技術(shù)和管理經(jīng)驗(yàn)得以共享和借鑒，促進(jìn)區(qū)域物流的協(xié)調(diào)發(fā)展和共同進(jìn)步.

以2014年為代表，“一帶一路”省域18個(gè)省市自治區(qū)中有7個(gè)存在投入冗余和產(chǎn)出不足的問(wèn)題，占總數(shù)的38.89%，投入冗余和產(chǎn)出不足現(xiàn)象較為突出.針對(duì)這個(gè)問(wèn)題，各地政府應(yīng)該結(jié)合當(dāng)?shù)匚锪靼l(fā)展現(xiàn)狀和信息技術(shù)的發(fā)展情況，充分利用物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)等信息技術(shù)手段來(lái)對(duì)物流資源進(jìn)行合理的配置，盡力減少投入冗余現(xiàn)象，保證實(shí)際的產(chǎn)出效益.

經(jīng)濟(jì)發(fā)展?fàn)顩r、物流信息化水平和區(qū)位因素這3個(gè)影響因素對(duì)“一帶一路”省域物流產(chǎn)業(yè)效率具有正向影響.因此，“一帶一路”省域在發(fā)展各地區(qū)物流產(chǎn)業(yè)時(shí)，要注重各地區(qū)經(jīng)濟(jì)實(shí)力的提升，促進(jìn)地區(qū)經(jīng)濟(jì)增長(zhǎng)，為物流產(chǎn)業(yè)發(fā)展奠定基礎(chǔ).要注重提升物流信息通訊化水平，加強(qiáng)物流信息化建設(shè).另外，各省市應(yīng)充分利用地區(qū)發(fā)展優(yōu)勢(shì)，做好物流園區(qū)的規(guī)劃和建設(shè)工作.