中国物流业全要素生产率的影响因素及其收敛性分析

作 者:

作者简介:
王健,男,福建福清人,福州大学副校长,福州大学八方物流学院教授,博士生导师;梁红艳,女,湖北仙桃人,福州大学八方物流学院博士研究生(福建 福州 350108)。

原文出处:
福州大学学报:哲学社会科学版

内容提要:

利用DEA-Malmquist指数方法测算我国30个省区1996-2010年物流业全要素生产率(TFP)的变动,并对物流业全要素生产率的影响因素与收敛性进行分析。研究结果表明:中国物流业TFP不断提高,技术进步是TFP增长的主要源泉,技术效率相反起到了阻碍作用;物流业增长中,要素投入比TFP的贡献更大。交通基础设施与信息化水平对物流业TFP具有显著的正向影响,区域经济一体化进程中的基础设施重复建设对物流业TFP造成了显著的负向影响。空间分布上,TFP增长及其分解存在区域差异性,全国范围内,TFP存在绝对收敛特征,东、中、西三大区域内部的俱乐部收敛性不显著,对外贸易、交通基础设施与信息化水平的区域协调和均衡发展对物流业TFP的均衡协调发展具有重要影响。


期刊代号:F14
分类名称:物流管理
复印期号:2013 年 09 期

字号:

      一、问题的提出

      在经济全球化和信息技术快速发展的背景下,中国物流业发展迅速,物流规模不断增长,物流网络系统不断完善。但是中国物流业社会化、组织化程度低,社会物流总费用占GDP的比值偏高,运行效率偏低,布局不合理,地区发展不平衡等问题的存在,仍是不争的事实。哪些因素在影响中国物流业运行效率,如何有效提高中国物流业整体效率,成为迫切需要探讨的问题。

      部分学者对我国物流业的生产效率问题进行了研究。刘秉镰和余泳泽研究发现中国物流业综合技术效率不高,区域物流效率差异正在逐步缩小,且物流资源利用率、区域市场化程度以及港口发展对区域物流效率具有重要影响。①田刚和李南研究发现,中国物流业技术效率仍处于较低水平,地区间存在差异,且在扩大;且人力资本、制度、政府干预等因素对物流业技术效率具有重要影响。②③欧阳小迅和黄福华的研究结论同样也指出,中国物流业整体效率不高,物流业对经济发展的支持能力具有明显的区域差异性,且人均资本、所有制结构、人力资本质量及专业化程度对物流业效率具有正向影响。④这些研究对我国物流业增长的效率问题进行了有益的探索,但是该问题的研究还有进一步拓展的空间。首先,在相关指标选取方面,部分文献采用货物周转量衡量物流业产出,而这一指标并不能准确地反映物流业产出;其次,已有研究在测算物流业生产率时,均使用的是未经修订的统计数据,使得结果具有一定偏差。其次,在分析物流业全要素生产率的影响因素时,已有研究多分析物流资源利用率、港口物流、物流业人力资本水平等局限于物流业本身的因素,未挖掘影响物流业效率的外部因素。第三,较少研究考察中国物流业效率的收敛性,仅有的研究对中国物流业技术效率进行了R收敛检验,但是R收敛检验仅分析了考察对象的标准差随时间变化的情况,无法分析地区差异的演变以及差异背后的潜在机制。

      基于上述考虑,本文试图利用中国1996-2010年基于全国第三产业普查和第一次全国经济普查之后修订的历史数据,使用非参数的Malmquist指数方法,对中国物流业的全要素生产率增长进行测算,并研究中国物流业全要素生产率的影响因素及其收敛机制,希望通过本文的探讨对中国物流业生产效率的研究做出拓展和补充。

      二、中国物流业全要素生产率变动的测度及分析

      (一)研究方法、变量和数据来源

      1.研究方法

      目前,全要素生产率的测度主要有两类方法:增长核算法与非参数法。增长核算法是一种参数方法,它利用特定的生产函数来描述决策单元的投入产出关系,并在假设条件下,利用计量经济学理论估计参数,再进一步测算决策单元的生产效率。非参数方法不需要设定具体的生产函数与特定假设,避免了人为主观性。本文使用的基于数据包络分析(DEA)的Malmquist指数法是一种非参数方法,它是通过某一决策单元两个不同时刻产出距离函数的比值来刻画生产率的变化。DEA是一种非参数前沿效率分析方法,它界定每一个给定投入下的最大产出子集为生产技术前沿,即最优生产边界,某个决策单元的实际生产点与最优生产边界的距离反映了这一决策单位的无效率程度。为了避免前沿技术参照系选择的随意性,Fare et al.⑤使用以产出距离函数构造的两个Malmquist指数的几何平均来刻画t到t+1时刻的生产率变化,具体形式为:

      

      在式(1)中,Malmquist指数被分解为两部分,右边第一项刻画了生产率变化中的相对技术效率变化(EC),右边第二项刻画了生产率变化中的技术变化(TC)。式(1)是对规模报酬不变(CRS)的描述,当规模报酬可变(VRS)时,技术效率变化(EC)还可以进一步分解为纯技术效率变化(PEC)和规模效率变化(SEC)。

      2.变量与数据来源

      本文使用的样本为中国大陆30个省区1996-2010年的省际物流业面板数据(西藏因缺失较多年份的历史数据,未将其纳入研究范围)。由于目前“物流产业”统计的不完善,本文利用交通运输、仓储和邮政业来分析,各年中国物流业增加值统计中交通运输、仓储和邮政业占物流业增加值总量的83%以上,在很大程度上能代表中国物流业的发展情况。TFP变动的测算需要确认三个变量:物流业产出、物流业资本投入与劳动投入,它们的衡量指标、相应的数据来源与处理方法作如下说明。

      (1)物流业产出。产出水平用交通运输、仓储与邮政业增加值衡量。《中国国内生产总值核算历史资料》(1952-2004)提供了各省区1996-2003年交通运输、仓储和邮电业的增加值数据。本文借鉴刘秉镰和余泳泽的处理方法,用全国各年的交通运输、仓储和邮政业增加值占交通运输、仓储和邮电业的比重对各省区的数值进行折算。⑥2004-2010年各省区“交通运输、仓储和邮政业增加值”从《中国统计年鉴》(2005-2011)获得。为消除价格因素,本文利用全国层面交通运输、仓储和邮政业增加值的缩减指数,将产出换算为以1996年为基期的不变价。

      

      当年投资。张军等认为固定资本形成总额是衡量当年投资的合理指标。⑧因无法获得各省区历年物流业固定资本形成总额数据,本文利用固定资产投资衡量。1996-2002年各省区交通运输仓储邮电业的固定资产投资数据取自中经网数据库,采用与产出相同的处理方法,将其折算为交通运输、仓储和邮政业的固定资产投资;2003-2010年的交通运输、仓储和邮政业的固定资产投资数据来源于《中国统计年鉴》(2004-2011)。

相关文章: