EN中文

经济地理 >

2019 , Vol. 39 >Issue 7: 148 - 157

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.07.017

产业经济与创新发展

长江经济带物流业效率增长影响因素

  • 曹炳汝 ,
  • 邓莉娟 , ※
展开
  • 江南大学 商学院/区域发展研究基地，中国江苏 无锡 214122
※ 邓莉娟（1994—），女，安徽合肥人，硕士研究生。主要研究方向为物流产业规划与设计。E-mail：。

曹炳汝（1960—），男，江苏张家港人，教授，硕士生导师。主要研究方向为城市与区域国民经济社会发展、产业经济、环境与生态经济等。E-mail：。

收稿日期: 2018-11-17

  修回日期: 2019-04-02

  网络出版日期: 2025-04-27

基金资助

国家自然科学基金重点项目(41430635)

收起

Influencing Factors of Logistics Industry Growth Efficiency in Yangtze River Economic Belt

  • CAO Bingru ,
  • DENG Lijuan , ※
Expand
  • Business School / Regional Development Research Base，Jiangnan University，Wuxi 214122，Jiangsu，China

Received date: 2018-11-17

  Revised date: 2019-04-02

  Online published: 2025-04-27

Fold

摘要

首先基于非期望产出的Super-SBM模型和Malmquist指数模型，全面测度长江经济带2007—2016年物流行业增长效率，并在此基础上运用面板Tobit模型，实证研究其物流业效率增长的影响因素。结果显示：①长江经济带2007—2016年物流效率呈现波动上升后缓慢下降态势，其中下游地区物流效率高于中、上游地区；物流全要素生产率、技术变动和效率变动总体呈现下降趋势，技术变动是影响全要素生产率变动的核心因素。②影响物流效率增长的因素存在区域差距。市场一体化指数、产业集聚、政府干预以及对外开放对整个长江经济带的物流效率及变动产生重要影响。在上游地区，影响物流效率增长的因素主要为产业集聚、经济密度和交通密度；中游地区的市场一体化指数、产业集聚、政府干预、经济密度、对外开放以及交通密度均是影响物流效率增长的重要因素，而对于下游地区，市场一体化指数、政府干预、经济密度和交通密度与物流效率增长关系密切。最后，针对研究结果，给出提高物流效率的政策建议，包括推进市场一体化建设，优化区域产业布局，扩大对外开放水平及打造立体式交通运输网络体系。

关键词： 长江经济带; 物流增长效率; 高质量发展; 交通运输体系; 港口; 市场一体化; 自贸区

本文引用格式

曹炳汝 , 邓莉娟 . 长江经济带物流业效率增长影响因素[J]. 经济地理, 2019 , 39(7) : 148 -157 . DOI: 10.15957/j.cnki.jjdl.2019.07.017

Abstract

Regional integration can increase growth efficiency by promoting factor mobility, structural upgrading, and strengthening regional cooperation.Firstly,based on the Super-SBM model of unexpected output and Malmquist index model, this article comprehensive;y measures the growth efficiency of logistics industry in the Yangtze River Economic Belt from 2007 to 2016. On this basis, it uses the panel Tobit model to empirically study the factors affecting the efficiency growth of logistics industry.The results show that: 1) From 2007 to 2016, the logistics efficiency of the Yangtze River Economic Belt shows a slow decline trend after fluctuation, in which the logistics efficiency of the lower reaches is higher than that of the middle and upper reaches; the total factor productivity, technological change and efficiency change of logistics generally show a downward trend, and technological change is the core factor affecting the total factor productivity change. 2) There are regional disparities in the factors affecting the growth of logistics efficiency. Market integration index, industrial agglomeration, government intervention and external opening have an important impact on the logistics efficiency and change of the whole Yangtze River Economic Belt. In the upstream region, the main factors affecting the growth of logistics efficiency are industrial agglomeration, economic density and traffic density; in the middle region, market integration index, industrial agglomeration, government intervention, economic density, opening up and traffic density are all important factors affecting the growth of logistics efficiency; while in the downstream region, market integration index, government intervention, economic density and traffic density are important factors affecting the growth of logistics efficiency.The traffic density is closely related to the growth of logistics efficiency.Finally, according to the research results,the policy suggestions to improve logistics efficiency are promoting market integration; optimizing regional industrial layout; expanding the level of opening up and building a three-dimensional transportation network system.

Key words： Yangtze River Economic Belt; logistics growth efficiency; high-quality development; transportation system; port; market integration; free trade zone

依托天然的“黄金水道”和丰富的地产资源，长江流域已发展成为我国经济、科技和文化等最发达的地区之一。长江经济带涵盖了江苏、上海、浙江、安徽、湖北、江西、湖南、贵州、重庆、四川、云南等共11个省市，面积约205万km2，创造了约占全国40％的GDP总量。2016年“长江经济带发展规划纲要”的正式出台以及2018年习近平主席就促进长江经济带发展在武汉发表的重要讲话均表明了长江经济带的发展在国家战略蓝图中的重要地位。同时，我国已进入到“稳增长、调结构、促转型”的经济发展新常态，供给侧改革成为新的发展目标，提高要素配置效率成为重要战略任务。物流产业作为一个集运输、仓储、货运、信息等产业于一体的综合服务业，不仅是实体经济的重要血脉，而且对于产业结构调整、经济的高质量发展，实现节能减排等具有关键性意义。近年来，国家先后出台各项促进物流行业降本增效的方针政策，并积极开展物流领域的人工智能工作。物流业在国民经济行业中的地位日益凸显。长江经济带作为我国经济发展的重要增长极，其核心战略地位决定了实现该地区物流业高质量发展对经济运行的重要性。
对于物流效率，国内外学者主要从以下几个方面进行了研究：①关于物流效率评价方法及实证研究。在评价方法方面：Zoltan Bokor将数据包络分析和层次分析法结合，测算29个欧洲国家的物流效率，结果表明，DEA-PCA比传统的DEA方法更切近实际[1]。Ke Li等运用三阶段DEA分析方法分析中国制造行业生产效率[2]。Jihong Chen等将DEA分析法和主成分分析法相结合测度港口物流效率，得出更准确的港口物流发展现状[3]。张定等基于数据包络分析方法，测度了长三角城市的物流效率，并对其时空演化规律和机制进行了探究[4]。李涛等运用数据包络分析方法研究中国省域综合运输效率[5]。刘承良等引入SBM-Undesirabl模型，计算我国2003—2014年低碳约束下的物流效率[6]。在实证研究方面，聚焦于区域物流业效率和企业物流效率两大视角。区域层面，以全国、省际、城市群和城市为主[7-11]，展开了对区域物流效率的评价。企业层面，主要对物流企业效率进行评价[12-14]。②关于物流效率影响因素研究。王琴梅等指出，地理位置、经济发展水平，市场化水平以及资源配置效率对物流效率存在积极影响。其中，资源利用率和市场化的影响更为显著[15]。刘勇指出中国的市场化水平、区域经济发展水平、物流基础设施水平和人力资本水平对物流业的全要素生产率有着不同程度的影响[16]。钟畅认为长江经济带物流行业发展效率的高低受地区经济发展、科技水平、行业发展、对外贸易以及政府政策等方面因素的影响[17]。王燕等以中国的物流业能源消耗为对象，测算出物流行业发展规模和能源的价格以及消费结构对其影响显著[9]。
综上所述，现有研究在物流效率的研究中已经取得了一定进展，但仍存在一些不足：①在物流效率的实证研究方面，国内外学者多以物流企业、某一具体省份或全国范围为研究对象，研究区域物流效率尤其研究长江经济带物流效率等问题较少。②缺乏对影响物流效率因素的理论分析和实证检验。③大多数文献多从要素投入产出等单一角度梳理对物流增长效率的影响因素，从而政策建议缺乏针对性，应该从全面性、综合性角度探究物流效率影响因素。实证上对长江经济带物流效率影响因素的研究也较少。基于此，本研究在对长江经济带物流效率测度的基础上，从理论分析和实证检验两大视角综合性地探究长江经济带物流业增长效率的影响因素，从而为今后长江经济带物流行业的发展提出更有针对性的发展意见。

1 物流效率影响因素的理论分析

基于前人研究成果和长江经济带发展特色，本文将影响物流效率的主要因素概括为区域市场一体化水平、物流产业集聚、政府干预、经济密度、对外开放以及交通基础设施建设等。

1.1 区域市场一体化水平

区域市场一体化水平是区域要素自由流动，区域产业、经济协调发展的重要体现。资源配置效率低下，难以实现经济增长[18]。长江经济带物流业的发展效率与该区域市场一体化水平有着紧密的联系。根据要素禀赋理论可知，长江经济带上、中、下游地区要素资源在数量和质量上存在巨大的差异，下游地区经济发达、开放程度高，劳动力质量、技术、信息等要素高于中、上游地区，而中、上游地区自然资源丰富，土地、劳动力等要素成本低。长江经济带区域市场一体化水平的提高，将促进其上、中、下游地区要素的跨区域流动，实现要素在不同区域间的价格或收益趋于相等，缩小区域差距。对于物流行业来说，区域市场一体化促进了区域间物流生产要素的跨区域流动和配置，下游地区高质量的物流信息、技术等要素流向中、上游地区，中、上游地区作为要素流入地区由于物流稀缺要素资源的流入，促使物流行业发展得以扩大化，而对于物流要素资源流出地的下游地区，也会由于物流要素资源的减少而提高物流要素收益率，使得人均收入增加，从而缩小长江经济带物流行业发展差距，降低其整体物流成本，提高物流效率。本文借鉴陆铭的研究方法[19]，用市场一体化指数衡量长江经济带市场一体化发展水平。

1.2 物流产业集聚

物流产业集聚对物流行业发展效率具有重要影响。根据马歇尔外部性理论，产业集聚会产生外部正向规模效应、溢出效应和负向拥挤效应。正向规模效应能集中产业资源，实现要素资源、基础设施等协同共享，促进产业创新。而负向拥挤效应则表明随着集聚发展，导致要素资源分配不合理，产生高污染、高能耗等问题，不利于行业效率的提高[20]。长江经济带物流产业的集聚将对物流行业发展效率产生重要影响。同时，长江经济带横跨我国东中西三大地区，各地区物流资源禀赋不同，下游地区拥有物流技术、人才、信息和海外市场等优质要素资源，中上游地区物流劳动、资本成本低，从而物流产业发展水平存在较大差距，各地区的产业集聚对物流效率的影响也有所不同。因此，物流产业集聚效应对区域内物流行业效率的影响不能随意判断。本文采用物流产业区位商指数代表长江经济带物流产业集聚水平。

1.3 政府干预

在经济市场中，政府这只“看得见的手”对物流产业的发展具有关键作用。政府对物流行业发展干预得当，积极参与物流投资，加强区域交通基础设施等合作，共同制定物流行业发展规范，就为物流行业发展保驾护航。但若各地方政府为追求区域利益最大化而加强地方保护主义，促使物流基础设施重复建设，物流资源流通困难，公共投资挤占私人投资等，就会降低区域物流行业发展效率。同时，“增长极”理论与“中心—外围”理论表明，市场力量不足以消弥经济发展的空间不平衡，甚至会强化这种不平衡，而受资源稀缺性的约束，致使区域间政府必须加强行业合作，实现互利共赢，资源共享。对于长江经济带物流行业而言，政府的适当干预，加强区域合作，将可以有效地避免区域内交通、通信等基础设施的重复建设，共同整治物流行业所造成的环境污染等问题。本文采用地方公共财政支出占该地GDP的比重表示各地方政府对经济的干预[21]。

1.4 经济密度

经济密度是测度地区经济发展水平和集聚程度的重要指标，反映的是单位面积土地上的经济发展水平和经济集中程度。经济密度是城镇化发展、要素流动、产业结构转变以及经济发展的综合体现，它将对地区物流行业的发展产生重大影响。经济密度的提高意味着要素在空间不断地转移和整合，产业结构发生优化，第三产业作用增强，消费需求的升级以及经济的发展，这将有效带动地区物流行业的发展。长江经济带经济集聚将优化内部产业结构和布局，增加物流行业需求和要素质量。本文采用GDP占行政区面积的比重衡量长江经济带经济密度[22]。

1.5 对外开放

对外开放通过外商直接投资和国外知名企业的进入等方式，为本地物流行业引进优秀的物流资本、技术和管理资源，理论上不仅可以借助外部投资促进物流业的发展，而且国外知名物流企业的进入有利于促进该地区物流企业提高竞争力。但同时，扩大开放可能加剧国内市场细分程度，这将使地方政府用国内市场的规模经济交换对外贸易带来规模经济。这一现象将不利于生产要素流动，从而导致物流效率的降低。长江贯穿整个长江经济带，内河航运发达，同时下游地区毗邻长江入海口，对外开放条件得天独厚。上、中、下游由于地理位置、历史发展等因素对外开放程度不同，其对物流业效率的影响也存在区域差异。本文采用进出口贸易总额占GDP的比重代表长江经济带对外开放水平。

1.6 交通基础设施建设

物流业的发展离不开对交通基础设施资源的投入。基础设施投入的大小、交通网络密度的高低能够对物流产业的增长潜力产生较大的影响，直接影响物流业投入产出规模和效率。高效的交通网络有利于物流效率的提高。但交通线路建设冗余则会浪费物流资源，增加物流成本。长江经济带依托天然的“黄金水道”，已建立较为全面的交通运输体系，但区域内跨度较大，区域间交通运输体系相对独立，因此研究长江经济带交通密度对物流效率的影响，探究现有的交通密度对物流效率是否具有促进作用，对今后交通运输体系的建设具有重要意义。本文将长江经济带铁路、公路和水运的总里程占总行政区划面积的比重作为交通密度，代表交通基础设施建设水平，探究其对物流效率的影响。

2 长江经济带物流增长效率测算

2.1 指标选择与数据来源

现有的文献中，测度物流效率的投入指标主要有：交通运输、仓储和邮政业固定资产投资，交通运输、仓储和邮政业从业人员，运输线路长度，民用载货汽车数量，能源消耗等，而产出指标主要是货物周转量、货运量和交通运输、仓储和邮政业的产值和碳排放量[23-25]。本文基于柯布—道格拉斯生产函数对相关指标的界定，结合前人研究成果，选择占物流业85%以上的交通运输、仓储和邮政业代表物流业，从人力、资本、信息技术和能源消耗四个方面选择投入指标，将物流业增加值和碳排放量作为产出指标以代表物流业发展的规模和质量（表1）。具体来说，在资本方面，选取交通运输、仓储和邮政业固定资产投资指标。除资本要素外，还需考虑人力资源投入。人力劳动比资本更为活跃和富有能动性，是生产资源、创造价值所必需的，本文选取交通运输、仓储和邮政业从业人员平均工资作为人力成本投入的体现。在信息化时代，信息作为当代知识、技术典型的代表，逐渐成为各行业生产要素配置的重要组成部分。因此，选取互联网宽带接入端口数量作为评价物流效率的信息技术投入。同时，将信息技术考虑到物流效率评价中去，也契合了当今“互联网+”发展趋势。最后，考虑物流行业发展质量，将能源消耗作为能源投入纳入投入指标。在产出指标方面：将货物物流业增加值作为物流行业期望产出，代表物流业发展规模，将碳排放量作为非期望产出，表示其发展质量[24,26]。
表1 物流效率指标体系

Tab.1 Logistics efficiency indicator system

指标 指标解释 指标数据来源
从业人员平均工资 人力投入 各省份2007—2016年物流业从业人员平均工资（元）
固定资产投资额 资本投入 各省份2007—2016年物流业固定资产投资额（亿元）
互联网宽带接入端口 信息技术投入 各省份2007—2016年互联网宽带接入端口数（万个）
能源消耗 能源投入 以长江经济带能源消耗量比例较大的六种能源消耗量（原煤、汽油、煤油、柴油、燃料油、天然气）折算成标准煤（万t标准煤）[38]
增加值 期望产出 各省份2007—2016年物流行业增加值（亿元）
碳排放量 非期望产出 以长江经济带6种主要能源消费量为基准，采用《2006年IPCC国家温室气体清单指南》中提供的方法，测算各省市物流业碳排放量[38]（万t）
本文以长江经济带11省市为研究对象。数据均来自于2008—2017年《中国统计年鉴》《中国能源统计年鉴》以及各省市统计年鉴。

2.2 测算方法

基于前人的研究成果，结合长江经济带“共抓大保护，不搞大开发”、生态保护为主的发展原则，本文将环境因素考虑在内，选取考虑非期望产出的Super-SBM模型与Malmquist指数相结合的方法，全面测度长江经济带物流发展效率水平。

2.2.1 考虑非期望产出的Super-SBM模型

Tone提出了一种基于松弛变量的非径向、非角度的效率测度方法—SBM模型，与传统CCR或BCC模型不同，SBM模型直接将松弛向量加入目标函数中，克服了传统的CCR和BCC模型不考虑松弛变量的缺点[27]。同时，Tone在此基础上提出了超效率SBM模型，解决了多个有效决策单元的排序问题[28]。
假定有n个DMU，每个DMU分别包含m个投入要素、r1个期望产出要素和r2个非期望产出要素，其向量表达式分别为 x ∈ R m , y d ∈ R r 1 , y u ∈ R r 2， X 、 Y d 和 Y u分别表示投入、期望产出、非期望产出的矩阵。SBM模型规划形式如式（1）：
m i n ρ = 1 - 1 m ∑ i = 1 m w i - x i k 1 + 1 r 1 + r 2 ∑ s = 1 r 1 w s d / y s k d + ∑ q = 1 r 2 w q u / y q k u s . t . x i k = ∑ j = 1 n x i j λ j + w i - , i = 1 , ⋯ , m y s k d = ∑ j = 1 n y s j d λ j - w s d , s = 1 , ⋯ , r 1 y q k u = ∑ j = 1 n y q j u λ j + w q u , q = 1 , ⋯ , r 2 λ j > 0 , j = 1 , ⋯ , n , w i - ≥ 0 , i = 1 , ⋯ , m w s d ≥ 0 , s = 1 , ⋯ , r 1 , w q u ≥ 0 , q = 1 , ⋯ , r 2
当且仅当 ρ = 1 ,即 w - = 0 , w d = 0 , w u = 0时，DMUk为SBM有效。本文定义DMUk是SBM有效的，构建包含非期望产出的超效率SBM模型如式（2）：
m i n φ = 1 / m ∑ i = 1 m x - / x i k 1 / r 1 + r 2 ∑ s = 1 r 1 y d ¯ / y s k d + ∑ q = 1 r 2 y u ¯ / y q k u s . t . x - ≥ ∑ j = 1 , ≠ k n x i j λ j , i = 1 , ⋯ , m y d ¯ ≤ ∑ j = 1 , ≠ k n y s j d λ j , s = 1 , ⋯ , r 1 y d ¯ ≥ ∑ j = 1 , ≠ k n y q j b λ j , q = 1 , ⋯ , r 2 λ j > 0 ; j = 1 , ⋯ , n ; x - ≥ x k ; i = 1 , ⋯ , m y d ¯ ≤ ∑ s r 1 y s k d , s = 1 , ⋯ , r 1 ; y u ¯ ≤ ∑ q = 1 r 2 y q k u , q = 1 , ⋯ , r 2
采用SBM模型和Super-SBM模型计算长江经济带11个省市2007—2016年物流业效率，用TE表示，则地区k在t年的物流效率可表示为式（3）：
T E k t = ρ k t , ρ k t < 1 φ k t , φ k t = 1 k = 1 , ⋯ , 11 ; t = 2007 , ⋯ , 2016

2.2.2 Malmquist指数

1953年，Malmquist提出Malmquist模型，研究不同时期消费变化。Fare等人在此基础上建立了Malmquistm指数模型[29]。本文采用Malmquist指数分析长江经济带全要素生产率。

2.3 效率分析

2.3.1 综合效率分析

基于Super-SBM模型，利用MaxDEA 2.3软件，研究对长江经济带11个省市物流效率进行测度。结果如下：
①总体来看，长江经济带2007—2016年物流效率呈现波动上升后下降的发展态势，效率均值为1.011，达到有效水平。在这期间，由于全球金融危机的影响和发展的粗放性，2007—2009年长江经济带物流效率出现不断下降趋势，2009年的效率值为0.991。但随着经济回暖，国内外市场趋好，物流增长势头强劲，2009—2014年，物流效率持续波动上涨，至2014年，物流效率值上升至1.075。但高速发展带来环境问题逐渐显现，加之长江经济带加强环境管制之后，2015年物流效率跌至0.986。到了2016年，物流效率又呈现小幅度回升，物流效率值达到1.009。其次，长江经济带区域内部物流效率差异明显，由上海、江苏和浙江组成的长江下游地区物流效率均值明显高于由安徽、江西、湖北和湖南组成的长江中游地区以及由重庆、四川、贵州和云南组成的长江上游地区，从具体数值来看：下游地区（1.290）>中游地区（0.967）>上游地区（0.847），且上游地区2007—2016年物流效率均未达到有效水平。
②从具体省市来看，2007—2016年，处于物流效率有效的省份有：上海、江苏、江西、湖北和贵州。上海在长江经济带物流效率排名第一位，物流效率均值为1.661，在其后的有江苏、贵州、湖北、江西、湖南等。而位于长江经济带上游的重庆、四川和下游的浙江则位于区域物流效率的倒数三位。其中，值得注意的是物流效率排名倒数第三位的浙江省，虽然处于长江经济带下游，毗邻江苏和上海，地理位置优越、信息技术发达，但能源消耗量大、劳动力成本高成为该地物流效率提升的重要阻力。
为了更直观地展示2007—2016年长江经济带11个省市物流效率的空间演化，本文选取2008、2012、2014和2016年作为代表年份，采用ArcGIS软件呈现了长江经济带物流效率的空间分布特征（图1）。长江经济带下游地区物流效率物流效率发展水平最高，中游地区次之，且中游地区区域发展差距较小。上游地区物流整体效率最低，且随着时间推移，与中、下游的发展差距逐渐拉大。长江经济带物流行业区域发展不协调问题依旧突出。
图1 长江经济带各省市四年的物流综合效率变化情况

Fig.1 Change of logistics comprehensive efficiency of the provinces and cities in four time nodes of the Yangtze River Economic Belt

2.3.2 Malmquist指数分析

进一步，结合Malmquist指数模型，运用MaxDEA2.3软件，对长江经济带物流全要素生产率进行分解，探究物流效率内部变化。具体结果见表2。
表2 长江经济带2007—2016年Malmquist指数变动及分解

Tab.2 Changes and decomposition of Malmquist index in the Yangtze River Economic Belt from 2007 to 2016

上游地区 中游地区 下游地区
TFP ECH TCH TFP ECH TCH TFP ECH TCH
2007 0.895 1.029 0.873 0.970 1.000 0.970 0.993 1.030 0.964
2008 0.912 1.012 0.906 0.969 0.970 0.998 1.020 1.011 1.008
2009 0.846 0.905 0.935 0.869 0.965 0.898 1.031 1.077 0.956
2010 0.918 1.053 0.886 0.950 1.002 0.948 0.941 0.932 1.009
2011 0.873 0.901 0.968 0.976 1.007 0.970 1.015 0.998 1.017
2012 0.933 1.111 0.856 0.947 1.009 0.939 0.923 0.987 0.934
2013 0.873 0.875 0.997 0.982 0.992 0.990 0.978 0.999 0.980
2014 1.064 1.163 0.923 0.949 1.002 0.947 0.984 1.018 0.967
2015 0.850 0.915 0.933 0.819 0.939 0.875 0.909 0.975 0.932
2016 0.973 1.011 0.964 0.990 1.012 0.980 0.986 1.008 0.978

注：表2数据均来源于Max 2.3软件计算所得。

①总体来看，长江经济带物流行业全要素生产率除了2014年大于1，物流效率水平较上一期处于提升外，其他年份均处于下降趋势，对比技术变动和效率变动情况，看出：长江经济带物流全要素生产率的变动趋势与技术变动趋势一致，技术变动对全要素生产率的贡献要高于效率变动，技术拉动不足是长江经济带物流全要素生产率变化下降的关键因素。
②从长江经济带上、中、下游地区来看：首先，对于下游地区，物流业全要素生产率在2008、2009和2011年大于1，物流综合效率水平提高。尤其以2009年物流业全要素生产率提高最快，达到1.031，其原因可能是：2009—2011年，政府出台《物流业调整和振兴规划》，提出加快物联网的研究应用，极大地促进了物流行业技术的进步，从而带动物流业TFP的增长。其次，对于中游地区而言，物流全要素生产率在2007—2016年均小于1，对比技术变动可知，物流技术不足是促使物流综合效率水平下降的主要原因。最后，对于上游地区而言，仅2014年TFP大于1，技术缺乏、要素配置效率低均阻碍全要素生产率的提高。

3 长江经济带物流业增长效率的影响因素分析

3.1 指标选择与数据来源

基于前人研究成果和上文物流效率影响因素的理论分析，本文将选取区域市场一体化水平、物流产业集聚、政府干预、经济密度、对外开放以及交通密度等6个影响因素作为解释变量，分析其对长江经济带物流业增长效率的影响，将物流全要素生产率、技术变动和效率变动作为解释变量，具体见表3。指标的基础数据均来自于2008—2017年《中国统计年鉴》以及各省市统计年鉴。
表3 物流效率影响因素指标体系

Tab.3 Index system of influencing factors of logistics efficiency

一级指标 二级指标 计算方式 代码
被解释变量 全要素生产率 Malmquist指数 Efficiency
技术变动 Malmquist指数 Efficiency
效率变动 Malmquist指数 Efficiency
解释变量 市场一体化水平 相对价格法 Mar
物流产业集聚 物流产业区位商 Ins
政府干预 各省市公共财政支出/GDP Gov
经济密度 各省市GDP/行政区面积 Ede
对外开放 各省市进出口贸易额/GDP Open
交通密度 各省市公、铁、水路里程/行政区面积 Tra

3.2 模型的构建

本文被解释变量均为大于0的数值。由于被解释变量为受限及删失，传统的普通最小二乘法回归将产生有偏和不一致，因此本文采用Tobit模型进行长江经济带区域一体化对该地区物流增长效率的影响研究。根据所选取的影响因素指标，本文构建如下Tobit模型：
l n E f f i c i e n c y = β 0 + β 1 l n M a r + β 2 l n I n s + β 3 l n G o v + β 4 l n E d e + β 5 l n O p e n + β 6 l n T r a + ε
式中：因变量Efficiency来自于上文计算所得的全要素生产率、技术变动和效率变动；β0，…，β6为各指标的回归参数；ε为残差项。拟采用面板模型进行回归分析，对固定效应与随机效应模型进行Hausman检验得知，在1%的显著水平上通过检验，拒绝了固定效应模型中固定效应与残差相关的假设，因此采用面板Tobit随机效应模型。为了消除变量的异方差性，对主要的变量进行取对数处理。

3.3 实证结果与分析

利用Stata 12.0软件，采用面板Tobit随机效应模型，得出长江经济带区域一体化对物流业效率影响测度结果。
①就整个长江经济带而言（表4）：市场一体化指数对整个长江经济带全要素生产率、技术变动和效率变动均存在正向影响，且对技术效率影响显著，影响系数为0.008，表明市场一体化利于物流人才、信息技术等要素资源在区域内流动，促进其技术进步。物流产业集聚对物流业全要素生产率和技术变动均影响显著，影响系数为正，说明物流行业集聚有利于实现规模效益，共享资源，达到效率提高，技术提升。政府干预对效率变动为显著正影响，对技术变动为显著负影响。经济密度和交通密度对物流全要素生产率、技术变动和效率变动影响不显著。其中交通密度对其影响为负，说明交通基础设施建设冗余不利于物流发展的现象已初现端倪。对外开放对长江经济带物流全要素生产率、技术变动和效率变动均为积极正影响，对全要素生产率影响显著。对外开放不仅扩大了长江经济带物流行业量的需求，更带来了先进的物流技术、管理水平以及资本，有利于物流行业效率提高。因此，扩大对外开放水平和质量是提高物流效率的重要途径。
表4 长江经济带物流效率影响因素的测度结果

Tab.4 Measuring results of influencing factors of logistics efficiency in Yangtze River Economic Belt

变量 模型1 模型2 模型3
lnTFP lnECH lnTCH
lnMar 0.0142347 0.0322819 0.0080016*
（0.57） （0.65） （0.51）
lnIns 0.1352777*** 0.194372 0.0893511***
（3.86） （1.08） （4.05）
lnGov -0.0113634 0.3621731*** -0.0480651**
（-0.30） （3.45） （-2.04）
lnEde 0.0147176 0.1460946 0.0128756
（0.69） （0.34） （0.96）
lnOpen 0.0452861** 0.1991019 0.0065426
（2.09） （1.61） （0.48）
lnTra -0.0056822 -0.0138824 -0.0567404
（-0.59） （0.14） （-1.55）
Costant -0，0786317 0.0070899 -0.0427503
（-0.59） （0.14） （-0.51）

注：***<0.01，**<0.05，*<0.1。表5~表7同。

②就上游地区而言（表5）：市场一体化指数对物流全要素生产率效率和效率变动影响为正，但不显著。这可能是因为长江上游地区市场一体化水平较低，区域间要素流动性不强。物流产业集聚对物流全要素生产率、效率变动和技术变动均为正影响，且对技术变动为显著正影响，说明物流行业集聚带来产业知识、技术溢出，实现行业共享，促进物流技术进步。政府干预对物流业全要素生产率和效率变动为显著正影响，对技术变动影响不显著，这说明政府的西部扶持有利于该地区产业的发展。经济密度和交通密度对物流行业全要素生产率、技术变动和效率变动均为积极正影响，但影响有限。交通密度对全要素生产率为显著正影响，影响系数为0.099。上游地区多山地地形，交通设施的完善有利于加快产品流通，提高物流效率。对外开放对上游物流行业的全要素生产率和效率变动产生正向影响，且影响不显著。原因或是上游地区地处我国内陆，对外开放程度不高。
表5 长江经济带上游地区物流效率影响因素的测度结果

Tab.5 Measuring results of influencing factors of logistics efficiency in upper reaches of Yangtze River Economic Belt

变量 模型1 模型2 模型3
lnTFP lnECH lnTCH
lnMar 0.0670633 0.113182 -0.007232
（1.17） （0.81） （-0.18）
lnIns 0.0730563 0.1474278 0.0743013*
（1.38） （0.46） （1.96）
lnGov 0.1290752* 0.4478876** -0.0782953
（1.75） （2.70） （-1.49）
lnEde 0.0117997 0.4146768 0.0547898
（0.23） （0.42） （1.49）
lnOpen 0.062263 0.2260621 -0.0283359
（1.34） （0.98） （-0.85）
lnTra 0.0987526* 0.3737036 0.076461
（0.93） （0.41） （1.01）
Costant -0.0354287 0.0222457 -0.530663
（-0.11） （0.19） （-0.24）
③就中游地区而言（表6）：市场一体化指数对全要素生产率和效率变动影响为正，影响系数为0.083和0.064，且对全要素生产率影响显著。长江中游市场一体化水平较高，要素流动性较上游地区要强，因此有助于效率的提升，但对于知识和技术等要素来说，积累时间较长，因此市场一体化对技术变动的影响不明显。物流业集聚对其全要素生产率、效率变动和技术变动影响均为正，且对全要素生产率和技术变动影响显著，说明物流行业集聚能极大地带动物流效率的提高。政府干预对于该地区的物流全要素生产率、技术变动和效率变动均为显著负影响。中游地区经济发展条件相似，四省均位于承接东西资源的关键位置。政府干预会加大四省资源竞争，导致产业雷同和基础设施建设冗余等现象，不利于物流行业及中部地区发展。经济密度对物流业全要素生产率和技术变动均为显著正影响。交通密度对物流业全要素生产率、技术变动和效率变动均为负影响，且对全要素生产率和效率变动影响显著，说明中部地区交通基础设施建设，造成物流要素资源配置不合理。对外开放对物流全要素生产率有显著正影响。
表6 长江经济带中游地区物流效率影响因素的测度结果

Tab.6 Measuring results of influencing factors of logistics efficiency in the middle reaches of Yangtze River Economic Belt

变量 模型1 模型2 模型3
lnTFP lnECH lnTCH
lnMar 0.0825948* 0.0643162 -0.455474
（0.69） （0.49） （-1.31）
lnIns 0.3187231** 1.028311*** 0.1507502
（2.13） （3.96） （0.72）
lnGov -0.8726404*** -0.5699931*** -0.9584616***
（-3.62） （-0.20） （-3.65）
lnEde 0.4979288*** 0.5654217 0.5233067*
（3.24） （1.61） （1.86）
lnOpen 0.2773821** 0.06617381 -0.0290983
（3.39） （0.46） （-0.25）
lnTra -0.908953*** -0.5286964** -0.0628714
（-3.35） （-2.81） （-0.17）
Costant 0.7959962* -0.0108267 -0.0325392
（1.92） （-0.21） （-0.79）
④就下游地区而言（表7）：市场一体化对下游地区物流行业全要素生产率、技术变动和效率变动均表现为正影响，影响系数为：0.021、0.048、0.270。且对全要素生产率和技术变动影响显著。长江经济带下游地区地处长江入海口，经济贸易发达，市场一体化水平高，物流各要素区域流动性强，从而大大提高了物流行业效率水平。产业集聚对物流业全要素生产率、技术变动表现出负影响，影响不显著。受产业发展规律和国家政策的影响，下游地区积极向中、上游地区进行产业转移，而该地区的物流行业已进入产业后发展阶段，产业集聚已不是其产业形态，从而下游地区物流业区位商对物流效率的影响不显著。政府干预对全要素生产率和技术变动为显著负影响。经济密度和交通密度对物流全要素生产率有显著正影响。贸易开放程度对下游地区物流行业的全要素生产率和效率变动影响为负。本文借鉴陆铭的研究结论[19]，分析其原因可能是：一方面，当前长江经济带整体贸易开放质量不高，出口贸易领域中与物流行业密切相关的低端行业占较大比重，低端的储运模式仍是当前我国出口物流行业的主要模型；另一方面，陆铭认为，扩大开放将加剧国内市场细分程度，这将使地方政府用国内市场的规模经济交换对外贸易带来规模经济。这一现象不利于生产要素流动，导致物流效率的降低。
表7 长江经济带下游地区物流效率影响因素的测度结果

Tab.7 Measuring results of influencing factors of logistics efficiency in the lower reaches of the Yangtze River Economic Belt

变量 模型1 模型2 模型3
lnTFP lnECH lnTCH
lnMar 0.02138* 0.0484283 0.270479***
（0.45） （1.13） （1.04）
lnIns -0.1596703 0.0178657 -0.1775497
（-0.73） （0.09） （-1.47）
lnGov -0.6115719* -0.0142319 -0.597347***
（-1.86） （-0.05） （-3.29）
lnEde 0.3412787* 0.1159226 0.2253562**
（1.94） （0.73） （2.33）
lnOpen -0.0715038 -0.2138401 0.1423531
（-0.32） （-1.05） （1.15）
lnTra 0.7917911* 0.7328665 0.0588967
（1.21） （1.23） （0.16）
Costant -0.0147619 -0.0255179 0.0107581
（-0.66） （-1.26） （0.88）

4 研究结论与政策建议

4.1 研究结论

通过Super-SBM模型和Malmquist指数模型对长江经济带的物流增长效率进行测量，并基于面板Tobit模型利用2007—2016年11个省市数据探究其物流增长效率的影响因素。结果显示：①长江经济带2007—2016年物流效率呈现波动上升后缓慢下降态势，其中下游地区物流效率高于中、上游地区；物流全要素生产率除了2014年大于1外，其他年份均处于下降趋势，技术变动是长江经济带物流全要素生产率变化的关键因素。②在影响因素中：市场一体化指数对长江经济带全要素生产率、效率变动和技术变动影响为正，对技术变动影响显著，且区域内部影响差异明显，仅对下游地区全要素生产率和技术变动存在显著正影响；物流产业集聚对长江经济带及中、上游地区的全要素生产率、技术变动影响为正，对下游地区影响为负；政府干预仅对上游地区物流全要素生产率有显著正影响；经济密度对长江经济带及上、中、下游地区的全要素生产率、效率变动和技术变动均为积极正影响；对外开放对长江经济带及上、中、下游地区的全要素生产率、效率变动影响为正，但对中、下游地区技术变动为负影响；交通密度对上游和下游地区全要素生产率、效率变动和技术变动均为积极正影响，但对整个经济带和中游地区为负影响。

4.2 政策建议

4.2.1 推进市场一体化建设

市场一体化的建立对长江经济带物流效率的提升具有积极影响，针对该区域市场一体化水平程度低的现实情况，提出如下建议：首先，促进市场一体化建设发展离不开政府管理模式的变革。长江经济带各省市应不断深化地区行政管理体制改革，有效破除不利于市场一体化发展、要素资源自由流动的行政壁垒。对于物流行业，地方政府要大力促进区域物流行业市场统一，加强物流区域合作。其次，强化行业标准，推进市场立法、执法体系的完善。要依法严厉打击破坏物流行业市场秩序、实行物流行业垄断等不合法行为，并建立物流企业信用档案，对严重违反市场一体化准则的行为，记入失信档案中，并给予惩罚。最后，要建立一致的市场标准化原则。在这个标准下，行业发展高效、有序，有利于打破地区垄断。以物流行业中运输环节为例，建立区域运输体系的标准化，有利于消除运输行业的“黑色地带”，实现区域运输价格、体系的标准化，促进统一开放的运输市场体系的形成。

4.2.2 优化区域产业布局

长江经济带要优化产业布局，促进区域内部物流产业协调发展，实现物流行业上、中、下游地区联动机制的建立。长江经济带下游地区物流行业发展水平高于中游和上游地区，在产业发展阶段中也位于中后期阶段，因此下游地区物流行业要加快与上、中游地区的产业对接，实现产业转移，而上、中游地区的物流行业则要促进其集群式发展，实现物流集聚。最后，要遵循物流产业发展自身规律，顺应市场经济发展趋势，重视物流企业在物流产业发展中的重要地位，以促进物流企业发展带动全行业盛兴，各省市政府也应出台各项促进产业发展政策积极促进长江经济带产业升级。

4.2.3 扩大对外开放水平

长江经济带各省市应充分把握与“一带一路”建设相融合的机遇，促进区域外向型发展战略的实施，不断扩大中上游地区的对外开放水平，建设西部对外发展大通道。加大长江经济带上游和中游地区的对外开放水平，用国际化发展解决转型升级中遇到的问题，实现区域经济的优质发展。其次，在上海、武汉、重庆等区域核心战略地区设立自贸区，率先发挥带头作用，最终实现全区域内的贸易自由。各个贸易港口城市也应各司其职，发挥不同的关键性作用，如上海将作为长江经济带对外开放的门户，是经济发展的风向标，而中上游的武汉和重庆则作为打开中西部对外开放大门，积极引进外资的重要窗口。最后，建立高水平的对外开放平台，增加开放平台功能共同深入推进长江黄金水道综合运输体系建设，加快建设向西开放的国际大通道，促进区域海关通关制度、规范和体制的一体化。

4.2.4 打造立体式交通运输网络体系

长江经济带应该利用其独特的航运优势，打造覆盖全范围的立体式交通运输网络体系。在下游地区，河道密布，又紧邻入海口，经济发达，设施完备，应加强该区域交通的顺畅性，合理规划铁水陆交通体系。对于上海、江苏和浙江等临海省市，建立大型港口，完善港口规划和资源利用，合理建设港口规模，鼓励建设公共码头，严格控制工矿企业私有港口建设；推进渠道标准化，统一船舶标准，统一港口管理，统一“四统一”通关管理建设，未经事先批准，严禁建设非法码头。在中上游地区，由于地理、历史等因素影响，对外联系较为闭塞，基础设施有待加强，因此应该增加中、上游区域交通网络的覆盖面积，但基于本文研究结果，本文提倡长江经济带各区域在加强交通运输设施建设时，应实现省市间的互联互通，构建一体化的城际交通网络，减少交通基础设施的重复建设。其次，在提高区域交通密度的同时，要不断提高交通网络的技术水平，增强区域交通网络的顺畅性，将物联网、信息监控等前沿技术运用于交通领域，不断进行各交通运输方式的优化组合，提高交通技术标准。最后，加快港口周边交通运输设施的建设，提高港口向物流、产业等集聚区的集疏能力，加强长江经济带地区货物的周转能力，实现港口与内陆地区的互联互通，从而有效扩大港口的服务范围。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Marcus Vinicius Pereira de Souza, Madiagne Diallo, Reinaldo Castro Souza, et al. The Cost Efficiency of the Brazilian Electricity Distribution Utilities:A Comparison of Bayesian SFA and DEA Models[J]. Mathematical Problems in Engineering, 2010:http://dx.doi.org/10.1155/2010/593059.

[2]
Chunhua Ju, Changbing Jiang, Mingyao Chen. Research logis-tics network infrastructures based on DEA-PCA approach:Evidence from on the Yangtze river delta region in China[J]. Journal of Shanghai Jiaotong University, 2012(1):98-107.

[3]
Markovits-Somogyi R, Bokor Zoltán. Assessing the logistics ef-ficiency of European countries by using the DEA-PC methodology[J]. Transport, 2014, 29(2):137-145.

[4]
张定, 曹卫东, 范娇娇, 等. 长三角城市物流发展效率的时空格局演化特征与机制[J]. 经济地理, 2014, 34(8):103-110.

[5]
李涛, 曹小曙, 杨文越, 等. 中国区域综合运输效率的测度及其时空演化[J]. 地理科学, 2015, 35(2):168-175.

DOI

[6]
刘承良, 管明明. 低碳约束下中国物流业效率的空间演化及影响因素[J]. 地理科学, 2017, 37(12):1 805-1 814.

[7]
张竟轶, 张竟成. 基于三阶段DEA模型的我国物流效率综合研究[J]. 管理世界, 2016(8):178-179.

[8]
李健, 田丽, 王颖. 考虑非期望产出的区域物流产业效率空间效应分析[J]. 干旱区资源与环境, 2018, 32(8):67-73.

[9]
王燕, 刘婷. 碳排放约束下我国区域物流能源效率及影响因素研究[J]. 生态经济, 2018, 34(10):14-18.

[10]
郭子雪, 张雅辉, 黄新. 基于DEA模型的京津冀区域物流效率评价研究[J]. 数学的实践与认识, 2018, 48(24):41-50.

[11]
李谭, 王利, 王瑜. 辽宁省港口物流效率及其与腹地经济协同发展研究[J]. 经济地理, 2012, 32(9):108-113.

[12]
Antonio Rizzi, Eleonora Bottani, Giuseppe Vignali. Improving logistics efficiency of industrial districts:a framework and case study in the food sector[J]. International Journal of Logistics Research and Applications, 2015, 18(5):402-423.

[13]
韩剑尘, 夏涛. 多维视角下我国物流企业生产效率异质性研究[J]. 华东经济管理, 2016, 30(3):97-101.

[14]
蒋天颖, 史亚男. 宁波市物流企业空间格局演化及影响因素[J]. 经济地理, 2015, 35(10):130-138.

[15]
王琴梅, 谭翠娥. 对西安市物流效率及其影响因素的实证研究——基于DEA模型和Tobit回归模型的分析[J]. 软科学, 2013, 27(5):70-74.

[16]
刘勇. 物流业全要素能源效率评价及其影响因素分析[J]. 统计与决策, 2014(1):66-68.

[17]
钟畅. 长江经济带物流效率及其影响因素研究[D]. 重庆: 重庆大学, 2017.

[18]
林毅夫, 蔡昉, 李周. 比较优势与发展战略——对“东亚奇迹”的再解释[J]. 中国社会科学, 1999(5):4-20.

[19]
陆铭, 陈钊. 分割市场的经济增长——为什么经济开放可能加剧地方保护?[J]. 经济研究, 2009, 44(3):42-52.

[20]
陈阳, 唐晓华. 产业集聚对制造业效率的影响研究——基于区域互动的视角[J]. 财经论丛, 2019(2):12-20.

[21]
刘徐方. 外商直接投资、政府支出对中国技术进步效应的经验分析[J]. 工业技术经济, 2016(3):31-35.

[22]
P A R Sley D C, Wei S J. Explaining the border effect:the role of exchange rate variability,shipping costs,and geography[J]. Journal of International Economics, 2001, 55(1):87-105.

[23]
俞佳立, 钱芝网. 长江经济带物流产业效率的时空演化及其影响因素[J]. 经济地理, 2018, 38(8):108-115.

DOI

[24]
王育红, 刘琪. 基于Super-SBM模型的长江经济带物流效率测度研究[J]. 华东经济管理, 2017, 31(5):72-77.

[25]
张雪青. “一带一路”区域物流协同发展分析[J]. 统计与决策, 2016(8):108-110.

[26]
李娟, 王琴梅. 基于效率视角的河南省物流业发展质量研究[J]. 管理学刊, 2019(2):25-35.

[27]
Tone K. A slacks-haled measure of efficiency in data envelop-ment analysis[J]. European Jounal of Operational Research, 2001, 130(3):498-509.

[28]
Tone K. A Slacks-haled measure of super-efficiency in data en-velopment analysis[J]. European Journal of Operational Research, 2002, 143(1):32-41.

[29]
Fare R, Grosskopf S, Margaritis D. Efficiency and Productivi-ty:Malmquist and More in the Measurement of Productive Efficiency and Productivity Growth[M]. New York: Oxford University Press, 2008.

Options
文章导航

/

〈 〉