doi：10.14089/j.cnki.cn11-3664/f.2019.11.002 引用格式：韩东亚，刘宏伟.我国物流业技术效率及影响因素[J].中国流通经济，2019(11)：17-26. 中图分类号：F259.2 文献标识码：A 文章编号：1007-8266(2019)11-0017-10 自21世纪以来，随着经济全球化的不断深入和信息技术应用水平的提高，物流产业取得了巨大发展。据统计，2018年我国社会物流总额上升为283.1万亿元，同比增长6.4%，社会物流总费用占当年GDP比重为14.8%，物流业景气指数始终在55%左右波动[1]。可见，我国物流业规模日益壮大，质量水平不断提升，逐渐成为国民经济发展的推动力量和重要支撑。但我国物流业的发展也存在一定的问题，物流业的技术效率水平整体并不高，无法有效支持我国经济高质量发展。为了有效发挥物流作为服务业的功能，有效支持供给侧改革，有必要对物流业效率及影响因素进行探索，针对效率表现及影响因素，提出改进建议和对策，提升我国物流技术效率，推动物流业健康发展。 本文采用随机前沿分析法(SFA)构建物流效率测评模型，选择80家物流上市公司2013-2017年财务数据为样本，对我国物流业技术效率进行实证研究，同时揭示物流技术效率与影响因素之间的相关性，研究我国物流业技术效率及其影响因素，对节约物流成本、促进我国物流业高效发展具有十分重要的意义。 二、文献综述 近年来，如何定量分析行业的技术效率，提高技术效率值成为学术界重点关注的一个研究领域。不同学者采用不同的方法对物流效率进行研究，主要包括数据包络分析法(DEA)和SFA两种方法。很多学者采用DEA及改进DEA对物流效率进行分析，并用Tobit回归模型分析效率与影响因素之间的关系。孟鑫[3]和敏(Hokoy Min)[4]等人采用DEA或改进的DEA方法对物流效率进行了研究。张竟轶和张竟成[10]运用三阶段DEA法对我国2010-2014年31个省(市区)物流业效率进行测评，指出目前我国总体物流水平相对较高，处于规模效率递增阶段，但物流经营管理水平与物流发展不协调。戢晓峰和刘丁硕[11]运用产出导向的DEA对我国36个主要城市物流产业效率进行测算，得出主要城市的物流产业效率存在着较为明显的地域差异。龚雪[12]利用DEA-Malmquist指数模型对2007-2016年中部六省的物流效率进行了分析，结果表明中部六省的物流效率整体水平一般，不同省份物流效率差距较大，物流业全要素生产率变动主要源自技术进步，技术效率对物流效率的影响并不显著。DEA方法可以测算多投入多产出的效率问题，但忽视了随机误差的影响[5]，且无法直接对物流效率的影响因素进行分析。 随机前沿分析法弥补了DEA技术的不足[6-7]。不少学者采用SFA方法对区域物流效率进行测评，分析影响因素与效率之间的关系。郭举和刘俊华[13]运用SFA分析我国物流业2007-2016年的效率，得出我国物流业效率总体上有一定上升，但与发达国家相比仍比较落后，国内生产总值的提高不能显著提高物流业效率。田刚和李南[14]运用外生性影响因素与SFA联合估计的方法对中国大陆1991-2007年29个省级地区物流业技术效率进行测算，得出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；中部的发展势头和发展速度明显低于东部，也低于西部。改善物流环境对促进地区协调发展有重要意义。与之类似，汪旭晖和文静怡[15]运用SFA对2003-2011年我国23个省、市、自治区的农产品物流效率进行对比分析，发现2003-2011年我国农产品物流技术效率基本处于停滞状态，中部地区效率水平相对最高，东部次之，西部最低，并提出完善物流行业基础工作、加大物流技术创新力度、加快行业转型步伐的政策建议。徐良培和李淑华[16]运用SFA对我国2000-2011年30个省、市、自治区农产品物流的技术效率进行测算，探讨了外生性环境因素对其影响的差异及全要素生产效率变化的根源，指出我国及各地区农产品物流技术效率均处于较低水平且存在显著的地区差异，外生性环境因素对农产品物流效率具有正向影响。基于此，刘瑞娟等[17]运用SFA对2005-2015年“丝绸之路经济带”西北五省区的物流产业效率进行测算，并运用空间面板计量方法实证检验交通基础设施对物流产业效率的空间溢出效应，得出西北五省区的物流产业效率存在差异但整体效率在不断提升，邻省和本省交通基础设施水平都对本省的物流产业效率具有显著的正向影响。郑秀娟[18]运用技术效率改进的SFA对不同时序产业部类发展技术效率进行分析，并验证了物流业技术效率增进的时空差异。 综上所述，现有文献大多采用DEA和SFA来测算物流效率，但DEA不考虑随机误差的存在，所以在实际分析中可能会因为随机误差的存在而导致结果偏差，并且DEA难以检验回归结果总体的显著性，无法直接对物流效率的影响因素进行分析。而SFA优于DEA之处，是它考虑随机误差的存在对结果造成的影响，提前确定生产函数形式再研究企业的生产过程，可以提高计算技术效率的准确性，还可以分析效率与影响因素之间的相关性。因此本文采用SFA方法，通过收集我国2013-2017年80家物流上市公司的相关数据，研究不同年份、不同行业、不同区域物流上市公司的技术效率值，并对影响因素进行定量分析。
