自2009年国务院常务会议审议并通过物流业的调整振兴规划以来，被视为“第三利润源”和经济发展“加速器”的物流业受到了前所未有的高度重视，各级政府都纷纷出台物流业发展规划，大力发展区域物流。《中华人民共和国国民经济和社会发展第十二个五年规划纲要》再次强调：“加快建立社会化、专业化、信息化的现代物流服务体系，大力发展第三方物流，优先整合和利用现有物流资源，加强物流基础设施的建设和衔接，提高物流效率，降低物流成本。优化物流业发展的区域布局，支持物流园区等物流功能集聚区有序发展。推广现代物流管理，提高物流智能化和标准化水平。”鉴于此，省市地方政府纷纷加大物流基础设施的投资力度，将发展物流业上升到省市综合竞争力的战略高度并加以重视。与此同时，学术界也开始关注物流业生产效率问题并展开研究。余泳泽等[1]利用随机前沿生产函数测算了中国物流产业的效率，并考察了物流资源利用率、地区制度变迁、区位优势等因素对我国物流产业效率的影响；田刚等[2]基于1999-2006年中国30个省区市物流业面板数据，运用DEA-Malmquist方法，对中国物流业全要素生产率进行了实证分析；樊敏[3]分别以长三角、辽中南、武汉和成渝为研究对象，将物流业提升作为切入点，运用DEA－BCC等方法实证分析了城市群物流产业运作效率；李南等[4]以1991-2007年中国大陆29个省级地区面板数据为基础，采用外生性影响因素与随机前沿生产函数模型联合估计的方法，测算了中国各地区物流业技术效率，考察了人力资本、制度、政府干预、开放程度及产业结构等环境因素对物流业技术效率的影响；刘秉镰等[5]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了分析。 以往文献为本文研究奠定了一定的基础，但存在以下不足：(1)立足产业层面分析物流效率的文献较多，从区域层面探讨物流效率的文献偏少；(2)大多数文献仅关注物流业效率值，进一步定量分析和深入挖掘物流业效率影响因素的文献尚不多见；(3)尽管有些文献对效率值进行了测度，但针对省域特别是安徽省物流业生产率展开研究的文献很少。为此，本文以安徽省物流业为研究对象，运用DEA－Malmquist指数法，通过对区域物流业全要素生产率进行分解，深入研究安徽省物流业技术效率差异并对其原因进行详细阐述。 1 测度模型与数据处理 1.1 数据包络分析法 数据包络分析(Data Envelopment Analysis，简称DEA)是由美国著名运筹学家、得克萨斯大学教授查恩斯(A.Charnes)、库伯(W.W.Cooper)和罗兹(E.Rhodes)于1978年在“相对效率评价”概念基础上发展起来的一种新的系统分析方法，并创立了第一个DEA模型——CCR模型[6-9]，主要用来评价部门间的相对有效性。为了正确估计“有效的生产前沿面”，R.D.Banker、A.Charnes和W.W.Cooper提出了C[2]GS[2]的DEA模型，以此来评价决策单元的纯技术有效性。[10-13]CCR模型是DEA最基本的模型，该模型以数学规划为工具，综合分析评价对象的多元投入—产出指标，并通过线性优化得出每个指标的最优权重和每个评价对象的相对效率。 DEA模型按计算方向分为投入主导型和产出主导型，具有共同的经济学本质，但关注点各不相同。鉴于本文的研究目的：通过研究安徽省物流业全要素生产率以达到合理规划物流、合理利用资源的目的，即在保证产出不变的情况下，减少资本和劳动力的投入。因此，选择基于投入主导型的DEA方法。 1.2 Malmquist指数
Fare在VRS的假设下，将Malmquist生产率指数分解为技术效率变化(Effch)和技术变化(Techch)，其中技术效率变化指数又可进一步分解为纯技术效率变化指数(Pech)和规模效率变化指数(Sech)。因此，公式(1)可以分解为：
表示全要素生产率水平提高，反之则表示生产率降低；Techch表示从t期到t＋1期的技术生产边界的推移程度，即技术效率变化指数，也称之为“前沿面移动效应”，且Techeh＞1表示技术进步，反之表示技术停滞或衰退。[15]Effch表示从t期到t+1期的相对技术效率的变化程度，即技术进步指数，也称之为“追赶效应”，且Effch＞1表示DMU在t期到t+1期前沿面的距离相对于t期到t+1期的前沿面的距离较近，相对效率提高，反之表示相对效率降低。Pech＞1则表示组织管理水平得到了改善，促使效率发生变化；反之则表示组织管理水平低，在一定程度上影响或阻碍了效率的提高。Seeh＞1表示从长期来看，DMU正在向最优规模靠近；反之则远离最优规模。
