一、引言 2014年是中国物流行业转型升级的利好一年,《物流业中长期发展规划》的颁布实施是物流行业主动适应“新常态”经济发展实行变革的里程碑。物流业是国民经济发展的支柱产业群。2014年我国社会物流费用支出占GDP的比率为16.6%,远高于全球平均水平约6.5个百分点[1],粗放和低效率的物流运作模式,造成了资源的浪费、成本的增加和环境的破坏,低碳引导下提高物流业效率已被提到议事日程上。“最后一公里”的竞合互动使得城市物流业效率颇受关注。所以,城市物流业将根植于可持续发展的趋势一直伴随中国经济低碳转轨的始终。 近年来,不少学者利用不同的方法对物流业效率进行了大量的理论和实证研究。刘满芝[2](2009)运用DEA对江苏省13个地级市2006年的城市物流效率进行了分析,从投入冗余和产出不足两个方面分析其城市物流存在的问题;余永泽等[3](2010)利用SFA模型评价了我国区域物流的整体技术效率和TFP,指出技术进步和效率改善是提高全要素生产率的双重动力;王维国等[4](2012)基于三阶段DAE模型的Malmquist-Luenberger指数方法测算了1997-2009年我国30个省(自治区、直辖市)的物流产业效率,说明物流业存在技术不环保现象导致包含非期望产出的ML指数远低于传统Malmquist指数;高秀丽等[5](2013)运用索罗残值法测算了1997-2010年我国31个省的物流业TFP,并构建空间计量模型对物流业TFP的影响因素进行实证研究;张定[6](2014)基于城市物流的投入产出指标,借助DEA方法分析了2002-2011年间的长三角城市物流发展效率的总体演化趋势、结构和空间格局的演化过程及机制,分析表明城市物流总体发展效率不断上升,但生产要素存在较大的挖掘空间。 通过文献梳理发现,目前物流业效率方面的研究主要侧重于研究区域和企业层面的物流,关于城市物流效率尤其是考虑非期望产出的全要素生产率的研究很少。本文尝试从中观的城市物流入手,采用定量的办法,对我国目前城市物流全要素生产率的时空差异进行研究,为实现物流业的节能减排提供新思路。2014年江苏省社会物流总额达到21.4万亿元左右,同比增长10.9%,物流增加值4339.86亿元,同比增长10.2%左右,社会物流总费用与GDP的比率为15.1%左右[7]。2014年国家“一带一路”战略中江苏省作为交汇点的地理位置使得物流需求明显增强,所以选择江苏省作为实证对象具有典型性。 二、研究方法和模型设定 本文在利用Malmquist指数方法从时间上测算城市物流效率值的基础上,运用ESDA探索性数据方法从空间上分析地域间的集聚现象,从而对城市物流业进行时空差异分析。 (一)DEA-Malmquist测算方法 DEA方法是应用数学规划模型测量多投入多产出决策单元相对效率的非参数方法。但是,传统DEA假设投入产出指标具有相同重要性使得各决策单元在不同期间的经营效率缺乏可比性。所以,本文利用DEA方法对同一期间决策单元静态效率的有效分析,融入了在效率动态变化分析上具有优势的Malmquist方法,建立了DEA—Malmquist测算方法,从而无需假设生产函数形式和分布,直接利用线性优化给出的边界生产函数与距离函数进行估算。
在一般情况下,
。Fare et al.[8]使用基于产出距离函数以相邻两期的TFP增长指数的几何平均值衡量t到t+1时期的全要素生产率的变化,具体计算公式如下:
其中,根式外的比值反映了从t到t+1时期过程中效率改善指数(TE),根式内的两个比值则反映了两个时期内物流业技术进步指数(TP)。于是,得到如下两式:
(4)式中,
分别为参考t时刻生产前沿的t和t+1时刻的产出距离函数;
分别为参考t+1时刻生产前沿的t和t+1时刻的产出距离函数。Malmquist生产率指数大于1表示TFP水平提高,反之表示下降。TP指数用于测度各DMU的技术层面从t时刻到t+1时刻的移动程度,即为“增长效应”;TE指数用于测度各DMU到达最佳生产边界的追赶程度,即为“追赶效应”[9]。在规模报酬可变的条件下,技术效率又可分为规模效率(SE)和纯技术效率(PTE)。SE用于衡量投入产出之间比例即规模的经济合理性;PTE反映一定投入条件下的产出能力,表示资源配置的有效性。这些效率的数值可能小于1、等于1、大于1,分别表示效率倒退、效率无变化、效率改进。