doi:10.3969/j.issn.1005-152X.2017.11.011 1 引言 中国物流业正逐步向更高级的形态、更复杂的分工和更合理的结构阶段演进,随着经济发展的变化也面临着新的机遇与挑战。目前,物流业规模呈现爆发式增长,发展水平大幅提升,传统运输、仓储等企业功能整合和服务延伸,推动传统物流企业向现代物流企业转型,但也存在运行效率偏低、专业化物流供给能力不足等问题,因此研究物流业绩效及探究其影响因素的作用机制,无疑对促进中国经济发展有着重要的现实意义。 物流企业的绩效评价受到国内外理论界和实务界学者的广泛关注。相关的研究成果聚焦在以下两个方面:一是物流业绩效测度方面的研究。李晓梅等[1]、王建等[2]分别采用数据包络分析方法测度A股上市的16家和25家国有物流企业的绩效。雷勋平等[3]综合运用DEA的CCR模型和“超效率”(Super-Efficiency)模型评价2008年中国31个省的物流产业绩效。二是物流业绩效影响因素方面的研究。樊秀峰等[4]实证分析中国物流业绩效与进出口贸易的影响关系。王林等[5]以拉詹的两个市场理论方法为基础,研究国际物流绩效的影响因素作用机制。 综上所述,已有研究采用的实证方法大多是传统计量方法,该方法隐含假设为地区单位之间没有联系,但几乎所有的空间数据都具有一定程度的空间自相关性,因此有必要从空间视角研究中国物流业绩效及影响机制。本文基于包含松弛变量的SBM模型测度中国30个省、市、自治区的物流业绩效,进而系统考察物流业绩效空间溢出效应的产生机理,为提升物流业绩效水平提供理论指导和实践参考。 2 物流行业绩效测算 2.1 DEA-SBM 数据包络分析(DEA)评价方法的基本原理是假定DMU(决策单元)的输出或输入不变,不需要确定的生产函数,通过线性规划对偶得到输入与输出之间的比例,由此来确定多输出、多投入的DMU的资源投入产出是否达到技术有效,针对性的调整非有效DMU。 BBC和CCR模型等传统的数据包络分析模型并没有考虑到松弛变量对评价结果的影响,仅从投入产出的比值来评价效率,导致测度的效率值与实际值存在较大的偏误。Tone(2001)[6]建立了SBM模型有效解决了投入产出松弛性问题,见式(1)。
式(1)中u为投入指标的种类,v为产出指标的种类,
为第j个省份对第i种投入指标的投入数量,
为第r种产出指标的数量,
分别为产出和投入的松弛变量。 2.2 投入产出指标选择 本文选取2005-2015年中国30个省、市和自治区的有关数据为样本,由于西藏、香港和澳门地区部分数据缺失,因此没纳入研究范围。借鉴已有文献和中国物流业发展实践,遵循数据的一致性、相关性和可得性,选取资本(K)、劳动力(L)和能量消耗(E)作为物流业绩效测算的投入指标,以行业增加值(WGDP)、货运量(H)和货运周转量(C)作为产出指标。中国的统计产业分类中并无物流产业,界定物流业包含交通运输、仓储和邮政业,数据来源于相应年份的《中国统计年鉴》、《中国能源统计年鉴》与各个省、市的统计年鉴,投入产出指标及其数据处理具体说明如下: 资本(K)采用各地交通运输和仓储、邮政业存量指标,选取固定资产投资为基本数据,资产折旧率为10%,为了消除价格干扰,利用固定资产投资指数对固定资产投资额进行平减。劳动力(L)用各个区域交通运输和仓储、邮政业从业人员来表示,单位是万人。能量消耗(E)选取交通运输、仓储和邮政业各项能源终端消费量折算标准煤,单位是万吨标准煤。行业增加值(WGDP)为交通运输、仓储和邮政业增加值,单位为亿元。货运量(H)为铁路、公路和水运货运总量,单位为万t。货运周转量(C)选用铁路货物、公路货物和水运货物周转总量,单位为亿t·km。 3 实证分析 3.1 物流行业绩效的静态时序变化 根据DEA-SBM模型的基本原理,运用MaxDEA软件可以获得2005-2015年中国大陆30个省、市、自治区的物流业绩效值。 为了研究中国地区的物流业绩效特征,参考中部地区崛起、西部大开发实施意见以及党的十六大报告精神的经济区域划分标准,取代传统粗略的东中西部划分方式,将细分为东部、中部、西部和东北四大区域(中部包括山西、河南、安徽、江西、湖北、湖南6省份,东部包括北京、天津、河北、山东、广东、海南、福建、上海、浙江、江苏10个省市,东北包括辽宁、吉林、黑龙江3个省份,西部包括重庆、广西、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、内蒙古11个省市)。从研究期内中国和四大经济区域物流业绩效平均值的演变轨迹(见表1)可知,样本期内的中国物流业绩效水平呈现先上升后下降的倒“U”型特征,由2005年的0.45提高至2015年的0.54,在2011年达到峰值(0.58)。