后疫情时代中国物流业效率及区域差异测度：南北差异的比较
时间：2023-02-11 11:10:06 来源：柠檬阅读网 本文已影响 人 
程 刚 ,李傲翔
（1安徽财经大学管理科学与工程学院，安徽蚌埠 233030；
2淮南师范学院，安徽淮南 232038）
构建双循环新发展格局，必须纵深推进流通体系建设。习近平总书记指出：“流通体系在国民经济中发挥着基础性作用，构建新发展格局，必须把建设现代流通体系作为一项重要的战略任务来抓。”物流业作为流通体系的核心，是畅通国民经济循环的重要支撑。然而，2019 年年底爆发的疫情对经济社会产生了负面的冲击，疫情对经济社会的影响传递到物流领域，物流业区域失衡问题日益明显[1]。在此背景下，后疫情时代中国物流业效率如何？呈何种演变趋势，物流业效率区域差距有多大？差距来源如何？对上述问题的回答有助于了解目前中国物流业发展现状，为统筹推进流通体系建设、构建双循环新发展格局提供参考。
测度物流业效率主要有随机前沿分析（SFA）和数据包络分析（DEA）两种方法[2-4]。DEA 作为一种数据驱动的非参估计方法，无需设定生产函数，在多投入多产出效率分析中优势明显[5]。在DEA框架下研究物流业效率需要重点探索以下问题：第一，物流业效率测度的模型选择。传统DEA 模型作为一种真实数据驱动的方法，其优势在于无需对所需函数的形式进行预设，而且可以同时兼顾多个产出，但忽略了投入产出要素的不同特性。而全局参比的超效率SBM 模型,克服了传统DEA 跨期不可比和前沿面决策单元效率区分的局限，有效解决了上述问题。第二，研究尺度。既有研究多以粤港澳、长江经济带、丝绸之路经济带[6-8]等国家战略区域为尺度，部分学者从东-西视角分析中国物流业效率的区域格局[9]。然而尚未有研究研判中国物流业效率的南北差距格局。第三，物流业效率的区域差异。既有针对物流业效率区域差异的研究多基于测度结果进行比较分析。仅少数学者采用Theil 指数等方法进行定量研究，Theil 指数仅能衡量组内和组间差距对总体差距的贡献，但忽略了组间交叉重叠现象，导致区域差异测算结果准确性有所降低，而Dagum 基尼系数及其分解方法能充分考虑子群分布特征，准确识别差异来源，有效解决上述问题。
鉴于既有研究的局限，采用全局参比的SE-SBM模型综合测度了新冠疫情前后中国物流业效率，在此基础上以南北差距为切入点利用Dagum 基尼系数及其分解方法细致考察中国物流业效率的区域差距。
参考刘华军等相关研究[1]，在投入指标选取上，从人力投入和基础设施投入两个维度进行衡量：选取交通、仓储及邮政业从业人员数作为物流业人力投入，选取铁路营业里程数、内河航道里程数以及公路里程数等核心流通形式表征物流业基础设施投入。在产出指标选取上，从物流业服务水平和物流业价值两方面来衡量，选取旅客周转量、货物周转量反映物流业服务水平，选取交通运输、仓储和邮政业增加值表征物流业价值产出，各投入、产出指标数据均来自于《中国统计年鉴》。在研究对象上，以中国30 个省市（不包含西藏和港澳台地区）为研究对象、南北方差异为切入点，其中南方地区包括上海、江苏、浙江、安徽、福建、江西、湖北、湖南、广东、广西、海南、重庆、四川、贵州和云南等省份，北方地区包括北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、山东、河南、陕西、甘肃、青海、宁夏和新疆等省。
2.1 全局参比的超效率SBM模型
在DEA框架下，针对物流业省域面板数据，采用全局参比模型，统一了效率前沿面，有效克服了不同时期物流业效率值不可比的问题，从而可以进一步分析物流业效率的时序演化特征。此外，通过超效率模型区分效率前沿面上省域的物流业效率，允许有效决策单元效率值大于1[10]，避免了传统DEA模型前沿面上省域效率均为1而不可深入分析的局限。
以南北方两大地区内各省作为决策单元，构造物流业效率的最佳生产前沿面。假设有n个DMUo(o=1,2,…,n)，在t个时期内(t=1,2,…,T)，对于每个DMUo而言，有m项投入指标X=(x1,x2,…,xi,…,xm)，q项期望产出指标Y=(y1,y2,…,yr,…,yq),h项非期望产出指标B=(b1,b2,…,bk,…,bh),则生产可能性集(PPS)为:
2.2 Dagum基尼系数
借助Dagum（1997）提出的基尼系数及其分解方法[11]，考察南北方两大地区物流业效率的空间分异程度。相较于Theil指数、变异系数等指数，基尼系数的优点在于利用子群分解法将总体差异分解成不同来源的差异，从而分析不同子样本对总体差异的影响程度。基尼系数的基本定义为：
其中，yji、yhr分别代表j、h地区i、r省份物流业效率代表各省份物流业效率水平的均值，n是省份个数，k代表地区的数目，nj、nh分别代表j、h地区内的省份数目。在进行子群分解之前，需要根据物流业效率的均值对地区进行排序，如。
基尼系数可以分解为地区内差异的贡献、地区间差异的贡献以及超变密度。
式（4）与式（5）分别代表j地区物流业效率总体差异Gj和地区内差异Gw。式（6）、（7）分别代表j、h地区间物流业效率差异Gjh和地区间差异净值Gb。而Gk代表超变密度，即不同地区间物流业效率的交叉重 叠 程 度。式（8）中(j=1,…,k)。
将Djh定义为j、h两地区间物流业效率的相对影响，如式（9）、（10）、（11）。
其中，Fj和Fh分别代表j、h两地区累计密度函数，djh表示j、h地区间物流业效率水平的差异，等同于两地区所有yj-yh＞0 省份物流业效率水平总和的数学期望。pjh代表超变一阶矩，等同于两地区满足yh-yj＞0省份物流业效率水平总和的数学期望。
3.1 中国省际物流业效率测度结果分析
采用全局超效率SBM 模型测度了2019-2020 年中国各省域物流业效率，测算结果如图1。2019 年，全国各省市物流业效率均值为0.73，标准差为0.36，变异系数达0.49，各省域的物流业效率水平存在着较大差距。具体分析，排名靠前的5 个省市分别是北京、上海、河北、天津和河南，测度值分别为1.35，1.28，1.26，1.21和1.09，均大于1，物流业效率较高；
与此同时，青海、黑龙江等省域物流业效率排名靠后，测度值仅为0.22和0.16，物流业效率存在较大提升空间。其中，排名第一的北京物流业效率值比黑龙江高出1.16，是其7.02 倍，省域间差距亟待缓解。2020年，全国各省市物流业效率均值为0.52，标准差为0.26，变异系数为0.49。同2019 年相比，2020 年中国各省域物流业效率均值明显降低，降幅达27.80%。具体分析，效率值排名前五的省市分别是上海、江苏、天津、河北和安徽，测度值分别是1.10、1.01、1.01、1.00 和0.88，排名第五的安徽物流业效率已经不足0.90。与此同时，新疆、青海和黑龙江等省域物流业效率排名靠后，测度值仅为0.23、0.22 和0.16。对比发现，贵州、北京、湖南和山东是物流业效率降幅最大的4 个省市，物流业效率分别下降了0.69、0.68、0.65、0.47和0.44，下降值均超过0.40。
图1 2019-2020年中国省域物流业效率
2019-2020 年中国物流业效率明显降低，究其原因，随着当前经济发展与社会分工进程的逐步推进，我国物流产业的社会化服务水平逐步提升，而2019年年底爆发的新型冠状病毒肺炎(COVID-19)对经济社会产生了负面冲击，大部分企业停工停产，物流业基本处于停滞状态，货运量出现严重下滑，水路运输、航空运输业的业务量明显缩水。此外，2020 年年初，实体经济困难逐步显现，物流需求下降，短时供需不匹配，公路运输业、水路运输业负增长规模进一步扩大，导致物流业效率持续降低。
3.2 中国区域物流业效率测度结果分析
为了比较不同区域物流业效率，表1 呈现了2019-2020 年南北地区物流业效率的测算结果。整个样本考察期内，南北方物流业效率存在显著的区域特征。从整体上看，南方地区物流业效率最高，物流业效率水平均值为0.69，比全国平均水平高出10.63%；
北方地区物流业效率最低，物流业效率水平均值为0.56，且低于全国平均水平。从变动态势看，南北方地区物流业效率均出现下降趋势，同时二者物流业效率的差异在不断缩小。从下降幅度看，2019-2020 年，南、北方地区物流业效率下降幅度分别为26.43%、29.46%，意味着南北方地区物流业发展形式不容乐观。
表1 2019-2020年中国区域物流业效率
前文分析表明，中国物流业区域差距显著，为详细阐释物流业效率区域差距大小及差距来源，本部分以南北差距为切入点，采用Dagum 基尼系数及其分解方法展开探索。
样本考察期内，中国物流业效率的总体区域差距略微降低，基尼系数由2019 年的0.27 降为2020 年的0.26，差距均值为0.27，差距总体下降3.14%。从区域视角看，2019 年北方15 省的区域内基尼系数高达0.32，2020 年基尼系数降至0.29，考察期内差距均值为0.30，虽然区域内基尼系数降低了10.33%，但北方各省域间的物流业效率差距明显高于全国总体差距。与此同时，南方各省域间物流业效率差距较小，差距均值为0.21，2019 年基尼系数仅为0.20，但差距呈上升趋势，2020 年基尼系数上升为0.22，差距年增8.62%。
通过上述分析不难发现，缩小中国物流业效率的区域差距，关键在于合理控制北方各省域间的差距，同时注意防止南方省域间的差距进一步扩大。
表2 物流业效率的基尼系数及其来源分解
从差距来源占比来看，区域内差距是物流业效率总体差距的最主要来源，具体来看，2019 年区域内基尼系数为0.13，而2020 年区域内基尼系数降为0.12，虽然基尼系数有所降低，但差距贡献度由47.19%上升至47.61%。与此同时，南北区域间基尼系数由2019 年的0.04 上升为2020 年的0.05，差距贡献度由17.70%提升至22.18%。此外，超变密度对总体差距的贡献度呈下降趋势，2019 年超变密度测度值为0.09，至2020年降为0.08，差距占比由35.11%下降至30.21%，这表明南北地区物流业效率的交叉重叠现象有所降低。
由此可知，南方和北方的区域内差距是推动物流业区域协调发展的重要抓手。
采用全局参比的超效率SBM 模型测度了2019-2020 年中国物流业效率，在此基础上以南北差距为切入点，细致考察了物流业效率的区域差距。相关结论如下：受2019年年底的疫情影响，2020年中国物流业效率明显下降，物流业效率均值由0.73 降为0.52。此外，中国物流业效率的总体区域差距略微降低，北方各省域间的物流业效率差距明显高于南方，区域内差距是物流业效率总体差距的最主要来源。
针对上述研究结论，文章提供如下政策建议：
第一，中国物流业发展面临下行压力，为此，必须两手发力助推物流业高质量发展。一方面我国物流业需摒弃粗放式发展模式，要在保持适当要素投入的基础上减少投入冗余，提升要素利用效率，另一方面强化政府对物流业的引导作用，纵深推进物流体系现代化建设。此外，为缓解疫情影响，增加物流领域需求和供给，提升物流业发展预期，各地区应以实际行动为物流业发展纾困，多措并举推动物流业高质量发展。
第二，缩小中国物流业效率的区域差距，关键在于合理控制北方各省域间的差距，同时注意防止南方省域间的差距进一步扩大。为此北方各省可依靠自身雄厚的工业优势，加强交通基础设施建设，加大物流业应用技术的研发力度，将物流业发展与人工智能、移动通信和大数据分析等新一代信息技术良性互动，从而逐步缩小与南方较发达省份物流业效率的地区差异，推动沿江沿海战略流通体系建设。南方各省需借助自身的经济实力和物流业发展基础，辐射带动周边地区，促进各省份物流业效率协同发展。
第三，南北方区域内差距是物流业效率总体差距的最主要来源，而新发展阶段区域一体化逐渐成为建设流通系统的载体，可有效缓解南北方区域内差距。为此，应以中心城市为核心，以流通体系一体化为着力点，把物流业发展推向更大范围、更高层次、更深程度，坚持以市场化为导向，对阻碍物流业发展的相关法律法规、制度政策等体制性障碍进行清理，充分调动和激发人才在物流业发展中的决定性作用，探索区域物流业协同建设新模式。
猜你喜欢 省域基尼系数测度 平面上两个数字集生成的一类Moran测度的谱性华中师范大学学报（自然科学版）(2021年2期)2021-04-10我国要素价格扭曲程度的测度经济与管理(2020年4期)2020-12-28江西省初步建成教育省域网骨干网江苏科技报·E教中国(2019年11期)2019-09-10省域高速公路网络信息安全动态防御体系研究中国交通信息化(2018年1期)2018-06-06基尼系数的局限性研究市场周刊(2017年8期)2017-09-03关于Lebesgue积分理论中按测度收敛问题的教学研究中央民族大学学报（自然科学版）(2017年1期)2017-06-11几何概型中的测度数学教学通讯·高中版(2017年3期)2017-04-17基尼系数中国证券期货(2017年3期)2017-03-30基尼系数中国证券期货(2017年3期)2017-03-30省域流通产业竞争力评价体系构建与实证分析商业经济研究(2016年14期)2016-09-14
