作为农业大国,我国农产品的物流量十分巨大,其中未经深加工的生鲜农产品占据较大比重。但是由于农产品市场体系与物流组织体系不完善、农产品物流基础设施薄弱、物流技术水平落后、物流运作模式不成熟等原因,导致我国农产品物流损耗严重,农产品物流效率低下。据统计,我国农产品物流环节的损耗率高达35%,是美日等发达国家的十倍左右,这不仅在一定程度上推高了农产品消费价格,而且诱发了诸如“甲醛白菜”、“蓝矾韭菜”、“硫黄生姜”等农产品安全事件。所以提高我国农产品物流效率是一件关乎民生的大事,将有利于缓解农产品小生产与大市场之间的矛盾,稳定农产品价格、保障农产品质量安全。虽然学术界对农产品物流效率已经开展了一些研究,但是大多是一些描述性研究,少量的实证研究关注了农产品流通效率部分是在定性的讨论我国农产品物流和农产品物流效率的问题。鉴于此,众多学者围绕影响我国农产品物流效率的相关问题展开了广泛而深入的研究,主要可以归结为两大方面:一是对农产品物流效率的测度及指标体系构建。杨宝宏等(2009)认为物流成本、物流损耗、农产品质量和物流速度是反映生鲜农产品物流效率的四个指标[1];孙剑(2011)建立了我国农产品流通效率测度的指标体系,包括农产品流通速度指标、流通效益指标和流通规模指标三大类,共12项指标[2]。二是关于农产品物流效率影响因素的研究。如罗必良、王玉蓉等(2000)从制度经济学的角度分析并指出农产品物流组织的产权结构、农产品物流组织对其成员的努力与报酬的计量能力以及农产品物流组织所隐含的制度内容是否与之相吻合是影响农产品物流效率的主要因素[3];寇荣、谭向勇(2008)的研究发现,农产品物流模式、物流结构、物流技术、物流网络布局、物流制度等是影响农产品物流效率的重要因素[4];欧阳小迅、黄福华(2011)的实证研究发现,在农产品流通效率的决定因素中,农村物流基础设施、农村劳动力质量与农村信息化水平表现出显著正效应,农产品流通专业化水平目前并未充分显现对农产品流通效率的促进作用[5];杨军等(2011)则探讨了城镇化对农产品物流效率的影响,发现我国农村城镇化与农产品物流效率存在长期协整关系,短期关系存在波动,而且不管长期还是短期,农村城镇化对农产品物流效率的提升具有明显的促进作用[6]。 可见,目前围绕农产品物流效率的相关研究已有不少,但是现有研究对我国农产品物流效率现状的评价并未达成一致结论,而且触及农产品物流效率区域差异分析的实证研究并不多见。事实上,我国农产品物流的区域发展不平衡性比较突出,发展的阶段也不一样,所存在的问题也不尽相同。近年来我国各地区相继出台推动农业和物流业发展的政策条例,为缓解农产品供销矛盾和提高农产品物流效率起到了非常重要的作用。尽管如此,仍然有很多地区对本地农产品物流效率的实际情况认识不清,制定的政策针对性不强,无法正确引导地区农产品物流的发展。因此,利用一段时期内的省际面板数据对我国农产品物流效率及其区域差异进行实证探索,并对农产品物流效率区域差异的根源进行更全面、更具体的分析有着重要的意义,这将便于有针对性的提出不同区域农产品物流效率提升的对策。本文将运用随机前沿分析(SFA)方法,通过对各地方的统计数据来测算我国及其不同地区农产品物流效率的大小以及演进趋势,比较农产品物流效率的地区差异,进而通过定量分析来确定制约该区域提高农产品物流效率的瓶颈,从而为各地区制定农产品物流发展政策提供有的放矢的建议。 二、研究设计 (一)研究方法 在目前衡量物流效率的实证研究中,学者们主要采用两种前沿面方法:一种是通过计量模型对前沿生产函数的参数进行统计估计,并在此基础上对技术效率进行测定,这种方法被称为“统计方法”或“参数方法”,以随机前沿方法(Stochastic Frontier Approach,简称SFA)为代表;另一种是通过求解数学中的线性规划来确定生产前沿面,并进行技术效率的测定,这种方法被称为“数学规划方法”或“非参数方法”,以数据包络分析(Data Envelopment Analysis,简称DEA)为代表。由于DEA方法没有考虑统计噪声和随机因素对估计结果的影响,其表现得对奇异值也相当敏感[7]。而农产品物流过程无疑是一个充满噪声的过程,奇异值也出现,所以就效率测量的准确性而言,应该倾向于使用SFA而不是DEA。具体而言,选取SFA方法对农产品物流效率进行测量有以下优点:第一,SFA方法将实际产出分为生产函数、随机因素和技术无效率,考虑了随机因素对于产出的影响;第二,SFA方法利用生产函数和随机扰动项构造出随机生产前沿,并通过极大似然法估计出各个参数的数值,然后将技术无效率项的条件期望作为技术效率值,其结果更便于对所有决策单元(如本文所研究的农产品物流效率)进行评价;第三,SFA方法采用的极大似然估计法充分利用了每个样本的信息并且“平等”对待每个样本,因此使用该法受异常点的影响较小,计算结果趋于稳定,可比性更强、可靠性更高[8][9]。 1.SFA方法简介 Meeusen和Broeck(1977)[10]、Aigner等(1977)[11]、Battese和Corra(1977)[12]提出了随机型前沿模型(即SFA方法)。 其SFA模型如下所示:
2.SFA方法的函数选择 在测度技术效率的参数法模型中,常用的生产函数主要有柯布-道格拉斯(Cobb-Douglas)和超越对数(Translog)两种形式。 ①柯布-道格拉斯(Cobb-Douglas)生产函数。 通过估计道格拉斯生产边界来测算是否有效: