物流枢纽城市物流业效率时空差异及其收敛性

作者简介:
刘宏伟,男,安徽大学商学院副教授,博士生导师,研究方向:决策管理、物流规划;杨荣璐,女,安徽大学商学院硕士研究生,研究方向:技术经济及管理;石红娟,女,安徽大学商学院硕士研究生,研究方向:技术经济及管理(合肥 230601)。

原文出处:
北京交通大学学报:社会科学版

内容提要:

本文运用SBM-DEA模型测算了60个物流枢纽城市十年的物流产业效率值,对不同区域枢纽城市物流效率的发展进行了收敛性分析。结果表明:东部枢纽城市年均效率值最高,其中广州、深圳、舟山效率值一直为1;中部枢纽城市物流业效率快速提升并在2019年以微弱优势超越东部,其中芜湖、南阳、安阳、岳阳发展势头强劲;西部枢纽城市物流业效率值较低,成为制约全国枢纽城市物流业效率提升的瓶颈;东中部枢纽城市物流业效率追赶效应都比较突出,且趋向一种高效率状态,但西部各枢纽城市物流效率逐渐趋于各自不同的稳定状态,不存在追赶效应,致使无法缩小与东中部的差距。为提升枢纽城市物流业效率,应正视因物流先导性未有效展现所带来的短期性效率低下,完善以枢纽为关键节点的物流网络体系,同时利用骨干流通大通道打破枢纽城市边界限制,通过在西部枢纽城市组织货源和输送商品来带动和引领其物流需求。国家物流枢纽对承载城市的物流业效率促进作用尚未全部显现,应持续关注枢纽建设政策对城市物流的影响。


期刊代号:F14
分类名称:物流管理
复印期号:2022 年 10 期

字号:

      作为基础性产业,物流业支撑着城市间资源要素的有序流动和优化配置,对城市经济社会发展至关重要[1]。物流活动最为集聚的载体是城市,大力发展城市物流可以持续提升区域竞争力和促进宏观物流网络布局的优化[2]。有鉴于此,国家发改委等部门在2018年12月发布的《国家物流枢纽布局和建设规划》(发改经贸[2018]1886号)中,根据产业空间布局和基础设施建设等因素,选取了127个物流枢纽承载城市,拟建设212个不同类型的国家物流枢纽,以期持续提升物流枢纽一体化运作、网络化经营、专业化服务能力,从而协同全国范围不同层级城市形成行之有效的物流网络,大幅提高城市物流运行效率,支撑和促进实体经济的高质量发展。但是,目前这些物流枢纽城市效率表现如何,又如何在现有基础上实现效率提升,我国东中西部地区枢纽城市物流效率提升侧重点是否相同,这些问题并未得到解决。探究这些问题,对提升城市物流效率及优化宏观物流网络运行意义重大。

      部分学者在物流枢纽规划之前已经开始关注局部区域的城市物流效率。刘满芝等[3](2009)较早建立了基于数据包络分析(Data Envelopment Analysis,DEA)的城市物流效率评价模型和指标体系,并测度了江苏省13个城市的物流效率。张中强[4](2012)基于进一步丰富了指标体系的相同方法对东部地区跨省域的31个城市物流效率进行了分析。在效率分析的基础上,王琴梅和谭翠娥[5](2013)结合Tobit回归模型分析了西安市的物流效率的影响因素。随着城市在物流网络布局中的作用越发突出,2015年商务部等部门提出要健全骨干流通网络、提升节点城市流通功能。在此背景下,钱吴永和祁尖[6](2018)以全国21个节点城市为研究对象,测算了其物流产业效率值,分析了各区域之间效率差异;王东方和董千里[7](2019)则以285个城市为样本,进一步探究了物流节点城市对城市物流效率的影响。由于在物流网络运行效率提升中的示范性突出,城市物流效率关注度持续上升。杨扬和李莉诗[8](2019)从效率视角研究了国际陆港城市物流能力,指出国内国际陆港城市物流能力与社会经济发展协调程度较高。刘明和杨路明[9](2019)则进一步扩大了样本量,对2007-2019年间277个城市的物流产业效率进行了实证分析,指出周边城市对中心城市物流产业的发展起到了积极的促进作用。

      通过上述文献可以看出,城市物流效率问题一直是学术界关注的重点,部分学者在物流业效率评价模型选择、指标体系构建、效率测度分析等方面做出了一定的学术贡献。但既有文献在用DEA方法对城市效率进行测度时,忽略了投入松弛变量对效率的影响。此外,与一般城市不同,物流枢纽承载城市在区域经济发展中显著的正向作用[10]和先导性[11]、枢纽城市物流业效率的高低直接影响了区域流通程度与经济发展水平,但既有文献对物流枢纽城市效率提升问题则鲜有关注。在国家推荐物流枢纽布局和建设背景下,研究枢纽城市物流效率问题,不仅对提升物流枢纽城市物流效率具有突出的现实意义,还可以通过枢纽城市对全国城市物流网络的示范带动作用,进一步提高城市物流网络运行效率以支撑实体经济高质量发展。

      因此,本文以《国家物流枢纽布局和建设规划》中的物流枢纽城市为研究对象,经过数据收集、整理,筛选出数据较为齐全的60个城市,运用SBM-DEA模型测算2010-2019年枢纽城市物流产业的效率值,探究我国物流枢纽城市物流产业的发展现状。同时,本文根据物流产业效率值对物流枢纽城市进行收敛性分析,研判物流枢纽城市效率的趋同与发散情况。本文潜在的学术贡献在于:其一,对物流枢纽城市物流效率问题开展研究,在城市网络效率提升方面具有一定的引导性;其二,考虑了投入资源冗余对效率值的影响,能够为物流枢纽城市效率提升提供更为精准的参考;其三,从区域异质性和时间收敛性两个维度对枢纽城市物流效率进行研判,为城市物流研究提供了较为新颖的视角。

      二、研究方法

      为了客观地测度枢纽城市物流效率,效率测度方法的选择至关重要。DEA是由Charnes等[12](1978)提出用来评价多投入、多产出决策单元相对有效性的无参数效率分析方法,无须提前设置生产函数关系及指标权重,更具有客观性。而且,DEA方法可拓展性强,可针对研究目的选择适合的DEA模型[13]。因此,该方法被广泛应用于物流业效率测度[14]。本文也采用DEA方法对物流枢纽城市效率进行测度。此外,收敛性分析作为一种有效判断效率变化趋势的方法,被广泛应用于经济管理领域研究[15-16]。基于东中西部效率测度结果,本文将应用收敛性分析检验不同地区枢纽城市物流产业效率的趋同和发散情况。

      (一)SBM-DEA

      鉴于传统DEA模型会因非零松弛的存在而过高估计决策单元的效率值,因此,一种基于松弛变量(Slack Based Measure,SBM)的方向性距离函数被引入到效率测算中,克服了传统DEA模型忽略投入松弛变量的缺点[17]。本文选取Tone[18](2001)提出的投入导向下规模报酬不变的SBM模型测算枢纽城市物流产业效率,同时考虑了投入资源冗余对效率的影响,该模型如公式(1)所示:

      

      (二)收敛性分析

      在对各枢纽城市物流业效率进行测量后,收敛性分析可以检验不同地区枢纽城市物流产业效率的趋同和发散情况。收敛性检验方法分为σ收敛、绝对β收敛、条件β收敛。σ收敛反映的是离散程度,通过物流产业效率标准差的演变趋势来判断是否收敛[19];绝对β收敛属于横截面回归分析方法,侧重于比较不同地区间是否存在“追赶效应”,是指各地区物流产业效率能够向着相同的稳定值趋同;条件β收敛是指各区域效率会收敛于各自不同的稳态水平[20]。

相关文章: