中國區(qū)域物流發(fā)展效率實證分析

樊 元，馬麗梅

（西北師范大學(xué) 經(jīng)濟(jì)管理學(xué)院，蘭州 730070）

0 引言

目前，對于區(qū)域物流效率的研究多停留在理論和影響因素分析上，實證分析的較少。已有的區(qū)域物流效率實證分析文獻(xiàn)如林坦，王玲（2008）在構(gòu)建對數(shù)型柯布—道格拉斯函數(shù)的基礎(chǔ)上，運用隨機邊界分析法（SFA）對我國27個省市2003～2006年間的物流生產(chǎn)效率進(jìn)行了測算，并分析了生產(chǎn)效率的影響因素[]1。柳鍵，邱國（2011）斌建立物流投入產(chǎn)出評價指標(biāo)，基于DEA模型，分析2008年全國31個省、市、自治區(qū)的物流投入產(chǎn)出效率[]2。這兩篇文章從不同的角度出發(fā)，得出了區(qū)域物流效率的相關(guān)結(jié)論。本文借助隨機前沿分析（SFA）的框架，采用First-difference面板數(shù)據(jù)建模技術(shù)，對不同區(qū)域的物流效率進(jìn)行測度，力求在實證方法上有所創(chuàng)新。

1 區(qū)域物流發(fā)展效率測度模型的選擇

1.1 隨機前沿模型[3]

隨機前沿模型最早由Aigner、Lovell和Schmidt以及Meeusen和Broeck提出,其基本模型可以表示為:

yit=f(xti)exp(vit-uit)

其中yit表示生產(chǎn)者i時期t的產(chǎn)出，xti表示要素投入是生產(chǎn)函數(shù)，表示生產(chǎn)者技術(shù)的前沿,vit為觀測誤差和其他隨機因素，uit是一個非負(fù)變量，exp(uit)表示技術(shù)非效率。模型的基本含義為:個別生產(chǎn)者不能達(dá)到生產(chǎn)函數(shù)前沿,是因為受隨機擾動和技術(shù)非效率兩個因素影響。盡管這兩個影響因素都是不可觀測的,但是恰當(dāng)定義的隨機擾動僅僅是一個白噪聲，多次觀測的均值為零,因而個別生產(chǎn)者的技術(shù)效率可以用樣本中該生產(chǎn)者產(chǎn)出的期望與隨機前沿的期望的比值來確定,即

1.2 物流業(yè)生產(chǎn)函數(shù)

由于超越對數(shù)生產(chǎn)函數(shù)具有易估計性和包容性等特點,是最適宜擬合的函數(shù)形式,因而本文將物流業(yè)生產(chǎn)函數(shù)定義為超越對數(shù)生產(chǎn)函數(shù)形式,其線形模型為:

其中實際產(chǎn)出qit為第i個省市自治區(qū)第t年的現(xiàn)價地區(qū)物流業(yè)GDP，勞動力投入rit為第i個省市自治區(qū)第t年的物流業(yè)年末從業(yè)人數(shù)；資本投入git為第i個省市自治區(qū)第t年的物流業(yè)資本存量；物流業(yè)的勞動力投入和物流業(yè)的資本投入產(chǎn)出彈性可以表示為：

1.3 基于隨機前沿模型的物流業(yè)生產(chǎn)函數(shù)[4][5]

其中，αi表示第i個省市自治區(qū)的不可觀測的影響因素，νit為零均值的隨機變量；uit是測度無效率的隨機變量；是由不含截距項的非隨機影響因子向量zit所決定的正函數(shù)，即hit=m(zitδ)，zit為解釋無效率的因素；zit分別存在著m(zit)δ=1和m(zit)δ=zitδ兩種設(shè)定形式的選擇。m(zitδ)=1的設(shè)定認(rèn)為不同省市自治區(qū)物流業(yè)發(fā)展無效率的影響因素均等同，而m(zitδ)=exp(zitδ)的設(shè)定，則認(rèn)為不同省市自治區(qū)物流業(yè)發(fā)展無效率的影響因素相異。u*i與νit之間全部時域T上相互獨立；u*i、νit和git,rit,zit在全部時域T上也相互獨立。

基于上述模型設(shè)定，無效率項uit可被解釋為可觀測的生產(chǎn)前沿性能指標(biāo)lnqit偏離理想生產(chǎn)前沿指標(biāo)lnq*it的偏差百分比，即uit=lnqit-lnq*it，其中：

第i個省市自治區(qū)技術(shù)效率的測度則為TEit=exp(-uit)。

當(dāng)uit=0時，決策單元就恰好處于生產(chǎn)前沿上；若uit＞0，決策單元就處于生產(chǎn)前沿下方，也就是處于非技術(shù)效率狀態(tài)。

1.4 非隨機影響因子hit的設(shè)置

根據(jù)物流業(yè)實際情況及下文中運用First-difference技術(shù)進(jìn)行估計時對hit的要求，本文采用m(zit)δ=exp(zit)δ的設(shè)定，其中無效率影響因素zit的選擇為：（1）市場化水平(spit)sch。區(qū)域物流效率與該地區(qū)市場化程度有著密切的依存關(guān)系，采用各省市自治區(qū)工業(yè)各行業(yè)中非國有企業(yè)產(chǎn)值占該行業(yè)總產(chǎn)值的比例表示，此數(shù)值越高，表明工業(yè)行業(yè)內(nèi)的市場化水平越高；（2）區(qū)域信息化程度信息化程度在某種程度上表征著物流發(fā)展效率的高低。信息化程度越高，表明區(qū)域物流能力越強。區(qū)域信息化程度的測算較復(fù)雜[5]，本文暫用移動電話普及率代替進(jìn)行數(shù)據(jù)處理。設(shè)定exp(zit)δ=exp

1.5 區(qū)域物流發(fā)展效率測度實證步驟

?和分別表征在ait點計算的正態(tài)密度函數(shù)和分布函數(shù)的值。

（3）對uit估計采用First-difference[]8技術(shù)。First-difference技術(shù)可通過Stata 10統(tǒng)計軟件編程進(jìn)行實現(xiàn)，其理論方法如下：

First-difference假設(shè)hit不為常數(shù)，則經(jīng)過First-difference變換后的模型記為：

First-difference變換介紹了在第i期面板內(nèi)Δvi的相關(guān)性，同時也得到了的多元正態(tài)分布的T維方差協(xié)方差矩陣:

值得注意的是截取的正態(tài)分布不受變換的影響，模型的這一關(guān)鍵特點能夠很自然的構(gòu)造出一個極大似然函數(shù)：

其中，Φ表示連續(xù)的標(biāo)準(zhǔn)正態(tài)分布密度函數(shù)。整體的邊際極大似然函數(shù)為上述邊際似然函數(shù)關(guān)于i求和：

進(jìn)而依據(jù)所估計的結(jié)構(gòu)參數(shù)，可計算得uit的估計值：

(4)依據(jù)公式TEit=exp(-uit)可計算得

2 數(shù)據(jù)及變量

2.1 數(shù)據(jù)的來源

本文選取的數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒》（2008）及某些年份和某些省份的統(tǒng)計年鑒。

2.2 變量的選取

（1）物流業(yè)年末從業(yè)人數(shù)rit

勞動投入量較為精確的計量單位應(yīng)是勞動者在勞動中的有效利用時間,發(fā)達(dá)市場經(jīng)濟(jì)國家一般以此來衡量勞動的投入量。根據(jù)物流業(yè)的特征及我國統(tǒng)計指標(biāo)的特點,本文選取物流業(yè)年末從業(yè)人數(shù)作為衡量指標(biāo)。

（2）物流業(yè)資本存量git

資本存量是指用來表示在一定時點下安裝在生產(chǎn)單位中資本資產(chǎn)的數(shù)量，一般是就固定資產(chǎn)而言的，當(dāng)期實際資本存量由上期實際資本存量與當(dāng)期實際凈投資兩部分構(gòu)成.。對于物流業(yè)的資本存量的計算目前現(xiàn)有文獻(xiàn)中對其進(jìn)行理論研究的較少，本文選取交通運輸、倉儲和郵政業(yè)固定資產(chǎn)投資為指標(biāo)，記為G，運用永續(xù)盤存法[3]

it計算git，具體方法如下：

其中，dτ表示τ年前投資的權(quán)數(shù)，It-τ為τ年前以不變價表示的投資數(shù)。

對于dτ的計算普遍的是采用線性的遞減模型：

其中T為資本品壽命，當(dāng)θ為1時，為直線模型，θ為∞時，為（0,1）模型。

本文根據(jù)交通運輸、倉儲和郵政業(yè)固定資產(chǎn)以及所能得到的數(shù)據(jù)的實際情況，取得出git的計算公式：

3 實證分析

3.1 實證分析結(jié)果

首先，運用SFA的面板數(shù)據(jù)通過軟件front4.1對結(jié)構(gòu)參數(shù)進(jìn)行估計，估計結(jié)果如下表：

表1 參數(shù)估計值及統(tǒng)計檢驗結(jié)果

其中，LR似然比統(tǒng)計量，“**”表示顯著水平1%條件下顯著，這表明超越對數(shù)型面板數(shù)據(jù)SFA模型在統(tǒng)計上是顯著的。“*”表示顯著水平5%條件下顯著，這表明模型的各解釋變量在1%的顯著性水平下是顯著的。

其次，運用Stata 10統(tǒng)計軟件對uit進(jìn)行估計，依據(jù)公式TEit=exp(-uit)可計算得結(jié)果如表2所示。

3.2 實證結(jié)果分析

圖1根據(jù)表1的計算結(jié)果得出，從圖1可以清晰的觀察到物流業(yè)平均效率在0.8以上的有五個省份，分別為北京、天津、上海、江蘇、山東，物流業(yè)平均效率在0.5以下的有五個省份，分別為四川、貴州、甘肅、青海、寧夏。因此，可以看出物流業(yè)平均效率高的省份基本上位于東部沿海地區(qū)，而平均效率低的省份基本上位于西部內(nèi)陸地區(qū)。形成差距的主要原因在于西部地區(qū)基礎(chǔ)設(shè)施薄弱，真正意義上的物流企業(yè)數(shù)量較少，物流企業(yè)多數(shù)是由傳統(tǒng)的倉儲和運輸企業(yè)轉(zhuǎn)化而來，主要從事運輸和倉儲服務(wù)，新興的物流企業(yè)較少，人力資源不足，缺乏專業(yè)的物流人才，資金投入較東部地區(qū)比較相差甚遠(yuǎn)，致使東西部物流業(yè)效率存在著相當(dāng)大的差距。

表2 各省市自治區(qū)物流業(yè)發(fā)展效率值

圖1

圖2

圖3

由圖2可知，全國物流業(yè)的平均效率呈逐年上升趨勢，自2001年，物流業(yè)開始在我國受到重視后，物流業(yè)的平均效率逐年遞增，得到了快速的發(fā)展，2005年以后，我國物流業(yè)的平均效率處在較高水平并實現(xiàn)了逐步平穩(wěn)上升的狀態(tài)。

由圖3可知，東中西部地區(qū)物流業(yè)平均效率值雖然存在著一定的差距，但差距在逐年縮短，各地區(qū)物流業(yè)平均效率值都呈遞增趨勢，其中，東中部地區(qū)物流業(yè)平均效率值在較高水平上處于緩慢遞增趨勢，而西部地區(qū)增幅較大，實現(xiàn)了跨越式的發(fā)展，這說明我國的西部大開發(fā)戰(zhàn)略使得西部地區(qū)的各項交通基礎(chǔ)設(shè)施得到了進(jìn)一步的完善，經(jīng)濟(jì)發(fā)展水平得到了進(jìn)一步的提高。

4 結(jié)語

對于物流業(yè)效率值的測定本文運用了超越對數(shù)生產(chǎn)函數(shù)，同時在實證過程中，采用First-difference技術(shù)，使得估計結(jié)果更接近真實值，在平均效率值的測定方法上做了一次新的嘗試。另外，運用SFA面板數(shù)據(jù)進(jìn)行物流業(yè)效率測度分析，所得結(jié)果即可進(jìn)行橫向的省際之間的比較，也可進(jìn)行縱向的時間上的比較，從而可對我國物流業(yè)進(jìn)行全面的分析，得到相對可靠的結(jié)論。

通過對估算的區(qū)域物流效率結(jié)果進(jìn)行分析，我們發(fā)現(xiàn)：

（1）效率值較高的省份都屬于東部地區(qū)，而區(qū)域物流業(yè)效率值較低的省份基本上屬于西部地區(qū)，這說明地區(qū)間的物流差距仍然較大，制約了我國整體物流水平的提高。

（2）雖然各省份的物流業(yè)存在著較大的差距，但隨著時間的推移，各省份物流效率差距在逐漸縮小。

（3）西部地區(qū)物流效率增幅較大，這說明我國的西部大開發(fā)戰(zhàn)略取得了實質(zhì)性的進(jìn)展。

[1]林坦,王玲.基于SFA方法的我國區(qū)域物流效率分析[J].港口經(jīng)濟(jì),2008,(12).

[2]柳鍵,邱國斌.基于DEA模型的我國物流投入產(chǎn)出效率分析[J].物流工程與管理,2011,(1).

[3]傅曉霞,吳利學(xué).隨機生產(chǎn)前沿方法的發(fā)展及其在中國的應(yīng)用[J].南開經(jīng)濟(jì)研究,2006,(2).

[4]Battese,E.,Coelli,T.A Mdel for Technical Inefficiency Effects in a Sto?chastic Frontier Production Functions for Panel Data[J].Empirical Economics,1995,120.

[5]王忠輝,朱孔來.國家和地區(qū)信息化水平測度方法評述[J].山東工商學(xué)院學(xué)報,2006,(20).

[6]黎實,高勇標(biāo),李林,王吉培,林旭東.中國區(qū)域經(jīng)濟(jì)發(fā)展效率與金融、財政發(fā)展水平關(guān)系的實證研究[D].2010年數(shù)量年會論文.

[7]http://www.une.edu.au/econometrics/cepawp.htm.

[8]Jondrow,J.,Lovell,C.A.K.,Materov,I.S.,Schmidt,P.On the Estima?tion of Technical Inefficiency in the Stochastic Frontier Production Function Model[J].Journal of Econometrics,1982,（19）.

[9]H.-J Wang,Chia-Wen Ho.Estimating Fixed-Effect Panel Stochastic Frontier Models by Model Transformation[J].Journal of Econometrics,2010,(157).

[10]劉秉鐮,劉勇.對我國公路水運交通省際資本存量（1952～2004）的估算[J].北京交通大學(xué)學(xué)報（社會科學(xué)版）,2007，（6）.