長江經(jīng)濟(jì)帶物流全要素生產(chǎn)率測度及時空演變

李 玥，李成標(biāo)

（長江大學(xué) 管理學(xué)院，湖北 荊州 434025）

0 引言

黨的十九大報告指出，以供給側(cè)結(jié)構(gòu)性改革為主線，推動經(jīng)濟(jì)發(fā)展質(zhì)量變革。那么，如何抓住供給側(cè)結(jié)構(gòu)改革呢？全要素生產(chǎn)率的提升是供給側(cè)改革的核心[1]。2014年9月，國務(wù)院印發(fā)《關(guān)于依托黃金水道推動長江經(jīng)濟(jì)帶發(fā)展的指導(dǎo)意見》[2]，其中縮小東西發(fā)展差距被重點提出。為此，對長江經(jīng)濟(jì)帶物流全要素生產(chǎn)率進(jìn)行測度，從而找出提高和均衡區(qū)域物流生產(chǎn)率的措施，通過物流的發(fā)展帶動生產(chǎn)要素的流動，促進(jìn)經(jīng)濟(jì)的發(fā)展具有重要的意義。

1 研究設(shè)計

1.1 變量選取及說明

（1）解釋變量：投入變量有兩個，即資金投入和技術(shù)投入，借鑒以往的研究成果，本文選擇物流業(yè)固定資產(chǎn)投資和物流業(yè)人力資本投資作為物流行業(yè)投入的衡量指標(biāo)[3，4]采用唐建榮等學(xué)者[5]的研究方法，將交通運(yùn)輸、倉儲和郵政業(yè)作為物流業(yè)的代表，將其固定資產(chǎn)投資作為物流業(yè)資金投入的衡量標(biāo)準(zhǔn)，將其就業(yè)人員工資總額作為人力資本投資的衡量指標(biāo)，工資總額既包括從業(yè)人員又能反應(yīng)從業(yè)人員質(zhì)量，進(jìn)而作為技術(shù)投入的衡量指標(biāo)。

（2）被解釋變量：貨物周轉(zhuǎn)量和行業(yè)增加值兩個，按照可得原則，本文選取2007—2016年長江經(jīng)濟(jì)帶區(qū)域的時空數(shù)據(jù)進(jìn)行分析，貨物周轉(zhuǎn)量是對行業(yè)子系統(tǒng)貢獻(xiàn)最大的參序量[6]，物流行業(yè)的增加值是物流業(yè)對經(jīng)濟(jì)和社會發(fā)展貢獻(xiàn)最直接的貨幣表現(xiàn)形式，此項指標(biāo)由以交通運(yùn)輸、倉儲和郵政業(yè)增加值來代替[5]，也就是以此來反應(yīng)物流業(yè)的產(chǎn)出。

表1 變量名稱及說明

1.2 模型設(shè)定

1.2.1 物流效率的測定

資金和技術(shù)投入的效率決定行業(yè)的產(chǎn)出能力，有效的權(quán)衡投入資金規(guī)模和技術(shù)發(fā)展是物流效率的關(guān)鍵因素。因此，通過建立CCR模型，測算長江經(jīng)濟(jì)帶各省市物流規(guī)模效率，技術(shù)效率和綜合效率，每一個決策單元DMUj相應(yīng)指數(shù)的效率評價如下：

在[0,1]之間取權(quán)系數(shù)v和u，對第j0個DMU進(jìn)行評價，效率hj0越大表明DUMj0能夠用相對較少的輸入而取得相對較多的輸出，即效率越高。

在CCR模型的基礎(chǔ)上，采用malaquis指數(shù)分析模型，從各省時間角度和年份平均的角度進(jìn)行研究，將全要素生產(chǎn)率分解。其內(nèi)在邏輯如下：

其中，X代表投入，y代表產(chǎn)出，t為時期，d0t(xt，yt)和d0t＋1(xt，yt)分別代表技術(shù)情況和距離生產(chǎn)前沿面的偏離程度。

1.2.2 空間計量模型建立

基于Jing[7]等的研究，建立探索性空間數(shù)據(jù)分析（ES-DA）模型，結(jié)合地理位置描述各省市物流全要素生產(chǎn)率，使各省市物流全要素生產(chǎn)率空間數(shù)據(jù)可視化，揭示數(shù)據(jù)在空間的分布結(jié)構(gòu)和發(fā)展趨勢。本文選用Moran指數(shù)來研究全局空間自相關(guān)，Moran指數(shù)I的表達(dá)式如下：

式中：

其中：

Z值代表各決策單元的相關(guān)性，Z值越大相關(guān)性越大，而Z的正負(fù)區(qū)分空間正負(fù)相關(guān)，Z值為0時，說明區(qū)域物流全要素生產(chǎn)率無關(guān)，分布隨機(jī)。

1.2.3 局部空間自相關(guān)

局部Moran指數(shù)是衡量相鄰區(qū)域的空間關(guān)系的指標(biāo)，所有區(qū)域LISA的總和與全局的空間相關(guān)性指標(biāo)成比例。其計算如下：

Moran散點圖可用GeoDa軟件導(dǎo)出，是對空間滯后因子WZ和z的圖形表示，代表決策單元的空間相關(guān)性。其不同象限代表其自身全要素生產(chǎn)率水平和與相鄰決策單元的相關(guān)程度。將Moran散點圖與LISA顯著性水平結(jié)合，可以更全面的分析長江經(jīng)濟(jì)帶各省市之間的相關(guān)關(guān)系。

2 實證分析

2.1 區(qū)域物流全要素生產(chǎn)率效率分析

本文將搜集的數(shù)據(jù)運(yùn)用Deap2.1軟件進(jìn)行處理，對長江經(jīng)濟(jì)帶各省市的物流業(yè)的技術(shù)效率、純技術(shù)效率和規(guī)模效率進(jìn)行測度分析。

2.1.1 純技術(shù)效率的分析

長江經(jīng)濟(jì)帶各省市的純技術(shù)效率值見表2。

2007—2016年中，上海、江蘇、貴州、安徽這四個省市的純技術(shù)效率值十年來均為1，說明這些省市的物流投入和產(chǎn)出處于相對平衡的狀態(tài)，技術(shù)發(fā)展情況較好，在一定的投入水平下產(chǎn)出最大，DEA有效，純技術(shù)效率最佳。此外江西、湖南等省份純技術(shù)效率也都在0.87以上，說明其物流發(fā)展受技術(shù)限制較低，發(fā)展情況較好。而四川、云南和湖北省作為中西部大省，近十年的物流業(yè)純技術(shù)效率均值最低，排名分別位于后三位，純技術(shù)處于DEA弱有效的狀態(tài)，說明物流業(yè)的投入和技術(shù)發(fā)展沒有達(dá)到最好的發(fā)展?fàn)顟B(tài)，資源利用狀況較差，對行業(yè)技術(shù)的投入不足。

表2 區(qū)域物流全要素生產(chǎn)率測度純技術(shù)效率及排名

2.1.2 規(guī)模效率的分析

區(qū)域規(guī)模效率情況見表3。

表3 區(qū)域物流全要素生產(chǎn)率規(guī)模效率值及排名

上海、江蘇、貴州以及安徽這四個省市的規(guī)模效率值均為1，說明這些省市的投入產(chǎn)出位于生產(chǎn)前沿面上，規(guī)模效率達(dá)到最佳，實現(xiàn)DEA有效。湖南、四川和浙江的規(guī)模效率值在0.96以上，且近年來逐步接近1，總體投入情況較好。云南、重慶和江西省規(guī)模效率排名是區(qū)域排名的后三位，說明其投入規(guī)模不足以滿足物流行業(yè)的發(fā)展。

2.1.3 綜合技術(shù)效率的分析

區(qū)域物流全要素生產(chǎn)率綜合技術(shù)效率綜合是衡量技術(shù)和投資規(guī)模的指標(biāo)，其計算值見表4。

表4 區(qū)域物流全要素生產(chǎn)率綜合技術(shù)效率值及排名

上海、江蘇、貴州以及安徽這五個省市這10年的綜合技術(shù)效率值均為1，投入產(chǎn)出位于生產(chǎn)前沿面上，說明這些省市的物流業(yè)發(fā)展?fàn)顩r比較穩(wěn)定，并對物流業(yè)的資本投入、資源配置等都處于一個最佳的狀態(tài)。其中湖南、江西和浙江綜合技術(shù)效率較高，且近年來呈上升趨勢。江西省總體情況平穩(wěn)且良好，近十年綜合效率在0.8上下浮動，投資規(guī)模和技術(shù)支持有待進(jìn)一步提高。云南、重慶和四川綜合技術(shù)效率較低，且云南和四川綜合技術(shù)效率值不足0.5，物流行業(yè)發(fā)展有待提高。湖北省物流業(yè)綜合技術(shù)效率為0.63，排名第8，與之鄰近的湖南，江西等中部城市發(fā)展較差，但近幾年緩慢上升。

2.2 區(qū)域物流全要素生產(chǎn)率變化分析

為了更加全面的了解和分析湖北省物流業(yè)全要素生產(chǎn)率的變化情況，本文在以地區(qū)橫向分析的基礎(chǔ)上，又以時間序列對其進(jìn)行了縱向研究和分析。采用Malmquist生產(chǎn)率指數(shù)法對區(qū)域物流全要素生產(chǎn)率的數(shù)據(jù)進(jìn)行分析，得到其全要素Malmquist指數(shù)及其分解要素，結(jié)果見表5。

表5 區(qū)域物流全要素Malmquist指數(shù)及其分解

長江經(jīng)濟(jì)帶區(qū)域全要素生產(chǎn)率均值為1.06，大部分省市的物流業(yè)全要素生產(chǎn)率大于1，由此看來，長經(jīng)濟(jì)帶區(qū)域物流全要素生產(chǎn)率總體情況良好，其中，安徽、重慶、四川等省物流全要素生產(chǎn)率數(shù)值大于平均水平，說明其物流業(yè)業(yè)在長江經(jīng)濟(jì)帶區(qū)域處于較高的水平，但是湖北省純技術(shù)和技術(shù)效率變化指數(shù)都小于1，且小于各省市平均水平，說明湖北省近年來不僅技術(shù)效率不高，且技術(shù)進(jìn)步不足以滿足經(jīng)濟(jì)的發(fā)展。

為了更好地分析湖北省物流業(yè)全要素生產(chǎn)率2007—2016年十年的發(fā)展?fàn)顩r，本文將長江經(jīng)濟(jì)帶各省市整體的Malmquist指數(shù)整理并進(jìn)行分析，見表6。

表6 各省市整體Malmquist指數(shù)

縱觀長經(jīng)濟(jì)帶各省市近十年全要素生產(chǎn)率數(shù)據(jù)，不難看出長江經(jīng)濟(jì)帶區(qū)域物流行業(yè)總體發(fā)展情況較好，只有個2008年、2010年和2011出現(xiàn)負(fù)增長的情況，其中技術(shù)進(jìn)步變化指數(shù)負(fù)增長是物流全要素生產(chǎn)率降低的主要原因，說明技術(shù)進(jìn)步緩慢是行業(yè)增長的主要阻礙因素。其他年份均緩慢增長，其中2013年增長23%，其中技術(shù)進(jìn)步指數(shù)增長35%，說明技術(shù)是促進(jìn)全要素生產(chǎn)率的重要動因。

2.3 區(qū)域物流全要素生產(chǎn)率的空間演變

運(yùn)用DEAP2.1軟件將長江經(jīng)濟(jì)帶各省市物流全要生產(chǎn)率從時間序列上做對比研究，結(jié)果顯示，各省市的物流全要素生產(chǎn)率存在著一定的差異，針對物流全要素生產(chǎn)率之間是否在空間的關(guān)聯(lián)性，需要從空間的角度做進(jìn)一步探究?；谏鲜鰯?shù)據(jù)，運(yùn)用探索性空間數(shù)據(jù)分析（ESDA）方法，采用Arcgis軟件和GeoDa軟件對區(qū)域物流業(yè)在空間層面的發(fā)展做描述性分析。

2.3.1 區(qū)域物流全要素生產(chǎn)率的空間分布

選取2007—2008年、2011—2012年和2015—2016年區(qū)域物流全要素生產(chǎn)率數(shù)據(jù)，進(jìn)行計量分析，研究區(qū)域物流全要素生產(chǎn)率的空間分布特征。得到如圖1所示的各省市的物流全要素生產(chǎn)率情況的分布圖。

圖1 各省市物流全要素生產(chǎn)率分布

將各地區(qū)全要素生產(chǎn)率水平用不同顏色進(jìn)行區(qū)分，物流全要素生產(chǎn)率越大顏色越深。隨著長江經(jīng)濟(jì)帶下游技術(shù)和經(jīng)濟(jì)投入的增加，其全要素生產(chǎn)率的變化正逐年從上游地區(qū)的云南、四川和重慶等省市向中游的湖北以及下游的上海、安徽等省市轉(zhuǎn)移。

2.3.2 區(qū)域物流全要素生產(chǎn)率的空間自相關(guān)分析

從全局空間自相關(guān)和局部空間自相關(guān)的視角，對各省市物流全要素生產(chǎn)率的空間關(guān)聯(lián)情況做了進(jìn)一步分析。

（1）全局空間自相關(guān)分析

選用Moran指數(shù)來表示區(qū)域物流全要素生產(chǎn)率的全局空間自相關(guān)系數(shù)，計算結(jié)果見表7。

表7 2007—2016年各省市物流TFP的全局Moran's I統(tǒng)計值

Moran's I指數(shù)數(shù)值的絕對值代表相關(guān)程度，用數(shù)值的正負(fù)區(qū)分相關(guān)性的正負(fù)。由表7可知各省市物流業(yè)全要素生產(chǎn)率的全局Moran's I零散的分布在正負(fù)之間，但是2009年以來，長江經(jīng)濟(jì)帶各省市由之前的莫蘭指數(shù)離散分布逐漸趨于正相關(guān)，其中2013—2014年區(qū)域物流全要素生產(chǎn)率達(dá)到長江經(jīng)濟(jì)帶各地的物流業(yè)發(fā)展不再是簡單的競爭，而是轉(zhuǎn)向各省市之間相互促進(jìn)，共同發(fā)展。

（2）局部空間自相關(guān)分析

為進(jìn)一步研究不同區(qū)域空間之間的相關(guān)程度，對代表空間相關(guān)性的LISA指數(shù)和莫蘭點圖進(jìn)行分析。

選取具有代表性的2007—2008年、2012—2013年以及2015—2016年的數(shù)據(jù)，進(jìn)行計量處理，得到企業(yè)物流全要素生產(chǎn)率的Moran散點圖。在此基礎(chǔ)上，作出物流全要素生產(chǎn)率局部空間自相關(guān)顯著性地區(qū)統(tǒng)計表如表8所示。

表8 各省市物流局部空間自相關(guān)顯著性統(tǒng)計

2007年以來，長江經(jīng)濟(jì)帶各省市之間在空間上呈現(xiàn)不同程度的空間集聚效應(yīng)，各點距離回歸線較遠(yuǎn)，分布隨機(jī)，說明長江經(jīng)濟(jì)帶各省市之間呈現(xiàn)區(qū)域溢出效應(yīng)，空間發(fā)展具有一定的關(guān)聯(lián)性。其中，四川、安徽、云南等省份的分布距離回歸線較遠(yuǎn)，說明其物流全要素生產(chǎn)率空間聚集效應(yīng)較差。但總體情況回歸線由遞減轉(zhuǎn)為遞增，說明長江經(jīng)濟(jì)帶內(nèi)相鄰區(qū)域物流行業(yè)出現(xiàn)正向的相互作用。

物流全要素生產(chǎn)率較高且與周圍省市之間存在互相促進(jìn)作用的省份只有重慶、安徽、浙江等省市，分布范圍較小，正向影響的較少。而位于長江經(jīng)濟(jì)帶中部的湖北、湖南省則出現(xiàn)空間集聚效應(yīng)不明顯，自身物流全要素生產(chǎn)率不高的情況，但是大部分年份其相鄰省市物流全要素生產(chǎn)率較高，對其存在正向影響。

空間聯(lián)系的局部指標(biāo)（LISA）是用來衡量該區(qū)域與其周圍區(qū)域的的顯著空間集聚程度的一個指標(biāo)，本文利用Geo-Da軟件繪制出2007—2008年、2011—2012年、2015—2016年間的各省市整體的物流全要素生產(chǎn)率的Lisa積聚圖，見圖2。

圖2 區(qū)域Lisa積聚圖

從圖2可以看出，長江經(jīng)濟(jì)帶各省市之間的空間正相關(guān)性還不是很強(qiáng)。2007年以來，在顯著性水平a≤0.05時，長江經(jīng)濟(jì)帶整體物流全要素生產(chǎn)率相互影響增強(qiáng)，長江經(jīng)濟(jì)帶發(fā)展整體性表現(xiàn)趨于明顯。

3 結(jié)論

本文應(yīng)用DEA方法和Malmquist生產(chǎn)率指數(shù)法，結(jié)合探索性空間數(shù)據(jù)分析（ESDA），對長江經(jīng)濟(jì)帶物流全要素生產(chǎn)率進(jìn)行了測定，可以得出以下結(jié)論：

（1）長江經(jīng)濟(jì)帶物流綜合技術(shù)效率在上中下游區(qū)別明顯。處于下游的上海，江蘇等省市物流業(yè)效率最高，說明其投入產(chǎn)出冗余最少，物流行業(yè)發(fā)展較好；而處于中游的湖北、湖南和江西等省份次之；處于上游的四川、重慶、云南則物流效率位居末尾。觀察上中下游區(qū)別產(chǎn)生的原因，與各省市純技術(shù)效率有關(guān)，說明物流技術(shù)的發(fā)展和決策能力是影響其綜合效率的關(guān)鍵因素。

（2）長江經(jīng)濟(jì)帶物流全要素生產(chǎn)率增長明顯。近10年來平均增長6%，全局總體增長情況較好，只有云南省因為純技術(shù)效率和規(guī)模效率難以滿足行業(yè)規(guī)模擴(kuò)大會的要求，反而下降2%。

（3）長江經(jīng)濟(jì)帶物流業(yè)發(fā)展的相互帶動作用仍然有限?？臻g自相關(guān)分析顯示，各省市物流全要素生產(chǎn)率水平與空間的關(guān)聯(lián)性逐漸加大，但區(qū)域之間的協(xié)調(diào)發(fā)展仍然有限，相互促進(jìn)作用尚待加強(qiáng)。