内容摘要：本文以我国大陆各省区物流系统为决策单元，采用DEA模型和Tobit回归模型分析各地区物流业运行效率及其影响因素。分析结果表明：我国物流业总体上效率较低，各省区效率存在较大差异，绝大部分非DEA有效的地区都处于规模效益递增阶段；地区经济发展水平、从业人员素质和信息化水平是影响物流业效率的重要因素，而区位和对外开放程度对于区域物流业效率没有显著影响。
　
　　物流业是融合运输业、仓储业、货代业和信息业等的复合型服务产业，其作为连接生产与消费的桥梁和纽带，是国民经济发展的重要基础。虽然近年我国物流业迅速发展，但地区间发展很不平衡，对不同地区物流效率进行评价与分析，有利于促进物流技术进步、提高管理水平以及合理配置资源，推动物流业的健康发展。在物流效率的研究方面，Hokey（2006）运用DEA方法比较和分析了美国6家知名第三方物流企业的运行效率；邓学平（2009）采用DEA-CCR/BCC模型对我国沪深港28家上市物流公司的相对效率和规模效率进行实证研究；王舒鸿（2010）采用DEA方法对我国76家交通运输、仓储业上市公司的生产效率进行了分析。从上述分析可以看出，研究物流企业效率的较多，研究区域物流运行效率的较少，而且研究主要是应用基本DEA模型，没有进一步对效率影响因素进行研究。鉴于此，本文拟采用我国大陆31个省区（包括省、市、自治区）的截面数据，首先运用DEA方法对区域物流业效率进行评价，并在此基础上，通过Tobit回归模型来分析区域物流业效率差别的主要影响因素及其程度。

　　研究方法

　　（一）DEA方法

　　数据包络分析（Data Envelopment Analysis，简记为DEA）是美国著名的运筹学家查恩斯（A. Charnes）和库伯（W.W.Cooper）等学者以“相对效率”概念为基础，根据多指标投入和多指标产出数据对同质决策单元（Decision Making Unit，简记为DMU）进行相对有效性或效益评价的一种系统分析方法。它应用数学规划模型计算比较决策单元之间的相对效率，对评价对象做出评价。目前，DEA方法已经成为管理科学、系统工程、评价与决策等领域的一种非常重要的分析工具和手段，其优点在于：DEA以决策单元各输入输出的权重为变量，从最有利于决策单元的角度进行评价，避免了确定各指标在优先意义下的权重，而且使用DEA方法不必确定输入输出关系的显式表达式，排除了很多主观因素，具有很强的客观性。

　　假设有n个决策单元DMUi，xi=(x1i,x2i,…,xpi)T为DMUi的输入，yi=(y1i,y2i,…,yqi)T为DMUi的输出。其C2R模型为：

　　 （1）

　　若上述模型加上附加条件=1，表示BC2模型。θ值介于0与1之间，当θ=1时表示该决策单元是属于有效决策单元，即产出位于有效生产前沿面上；否则就表示是属于无效决策单元，即产出位于有效生产前沿面以下，这主要是由于某些或某一生产要素投入数量相对产出存在着一定的浪费。
 
　　C2R模型和BC2模型分别计算综合技术效率（OE）和纯技术效率（PTE），用C2R模型下计算的综合技术效率值除以BC2模型下计算的纯技术效率值就得到各决策元的规模效率值（SE），即综合技术效率可分解为纯技术效率与规模效率之积。

　　（二）Tobit回归模型

　　为了进一步研究系统效率的影响因素及其影响程度，在DEA分析的基础上衍生出了一种两步法（Two-stage Method）（Coelli，1998）。该方法第一步采用DEA模型计算出每个决策单元的效率值，第二步以第一步中得到的效率值为因变量，以影响因素等为自变量建立回归模型。由于DEA方法所计算出的效率值介于0与1之间，属于截断数据，若直接以效率值为被解释变量建立计量模型，并直接采用普通最小二乘法对模型进行回归，由于无法完整地呈现数据，会导致估计偏差；而采用极大似然法估计的Tobit模型能够很好地解决这个问题，因此，第二步采用Tobit模型来进行回归分析。其基本形式如下：

　　 （2）

　　其中，Xi是（K+1）维的解释变量向量，βT是（K+1）维的未知参数向量。可以证明，用极大似然法估计出Tobit模型的βT和σ2是一致估计量。Tobit模型的一个重要特征是，解释变量Xi取实际观测值，被解释变量只能以受限制的方式被观测到。

　　我国区域物流运行效率评价

　　（一）指标选取及数据来源

　　要运用DEA方法对各地区物流系统效率进行评价，首先要确定系统的投入产出指标。根据指标选取的科学性和数据可得性，本文选取的投入指标为各地区物流业从业人数、物流业固定资产投资总额、物流业职工工资总额。已有的DEA研究中劳动力指标多单纯地采用行业从业人数表示，该指标只能说明劳动力数量的多少，不能完全表达行业劳动力成本状况，因此本研究在投入指标中加入物流业职工工资总额来弥补上述不足。产出指标选取了各地区的货运量、货物周转量和物流业增加值。总体上看，输入、输出指标能够反映各地区物流业投入与产出的主要方面，能够将各地区的物流运行效率区别开来。

　　本文选择我国大陆31个省、市、自治区的数据作为区域物流业效率测度的决策单元（DMU）。数据主要来源于《中国统计年鉴》（2009）和《中国第三次产业统计年鉴》（2009）。

　　（二）结果分析

　　本文采用DEAP2.1软件，计算得到我国31个省区的物流业效率值，结果见表1。

　　根据表1可知，我国物流业效率平均值为0.693，所以我国大部分地区物流业效率并不理想。其中河北、上海、山东、安徽4个地区是同时技术有效和规模有效的，它们构成了我国物流业运行效率前沿面。而对于DEA非有效的单元，分别考察其技术有效性和规模有效性，通过计算可知西藏、甘肃、宁夏是纯技术有效而非规模有效的，其他24个地区则既非技术有效也非规模有效，而且这些地区纯技术效率值大多低于规模效率值，这说明纯技术效率是导致物流业效率低下的主要原因。在27个非有效地区中只有辽宁省处于规模效益递减阶段，其他地区都处于规模递增阶段，表示这些地区适当增加投入量，产出量将有更高比例的增加。

　　区域物流业运行效率影响因素

　　影响区域物流运行效率的因素很多，参考已有研究成果并结合我国的实际情况，本文主要考察地区经济发展水平、地区信息化水平、对外开放程度、区位条件、劳动者素质五个方面。经济发展水平用地区GDP来衡量，地区信息化水平用互联网用户端口数来衡量，对外开放程度可以通过外商投资总额进行衡量，劳动者素质可以地区高等教育人数进行衡量，区位条件是区域发展的差异化因素，是发展地区物流业的一个重要因素，本文按东、中、西部的区域划分（区位条件设为虚拟变量：东部地区设为1，中部地区设为2，西部地区设为3）设定各物流系统的区位条件。根据以上考虑，构建区域物流运行效率的多元线性回归模型为：

　　 （3）

　　其中，θ是物流业运行效率值；G、I、O、Q和L分别表示GDP、互联网用户端口数、利用外资总额、区位条件和劳动者素质；ε是随机扰动项。应用Eviews6.0软件对2008年进行Tobit回归，结果见表2。

　　根据表2可知，GDP、劳动者素质对物流运行效率产生了正面影响（都在1%水平上显著），这说明随着经济的发展和劳动者素质的提高，推动了物流效率的提升，而我国信息化对物流生产效率产生了负面影响，这可能是由于我国总体的信息化程度较低，一些单位虽有完善的网络，但其他相关单位没有配套技术，反而阻碍了物流效率的提升；区位条件和对外开放程度对物流生产效率影响不显著。

　　结论

　　本文采用DEA模型和Tobit回归模型对我国31个省区2008年物流业效率进行评价与分析。

　　DEA分析表明：目前我国物流业运行效率整体水平不高，发展不平衡，多数地区的非有效程度比较严重。DEA无效率的原因主要在于纯技术效率的低下，这说明区域物流业效率提升的首要工作是要努力提高物流业的纯技术效率。对于非DEA有效的地区，大都处于规模效益递增阶段，这些地区应该进一步扩大规模，依靠增加投入来提高效率。

　　Tobit回归分析表明：地区经济发展水平、劳动者素质、信息化水平是影响物流业效率的重要因素，而区位条件和对外开放程度对于区域物流业效率并没有显著影响。这说明要促进区域物流业效率的提高就要大力发展区域经济、提高劳动者素质、加快信息网络建设，同时政府要采取有效的政策措施，大力推动物流业效率的提升。
　　
　　参考文献：

　　1.刘卫.基于DEA的中国地区物流效率研究[J].中国物流与采购，2010（2）
　　2.吉生保，周小柯，赵海斌.中国机械设备行业经营绩效评价及影响因素[J].山西财经大学学报，2011（1）
　　3.邓学平，王旭.中国物流企业生产效率的实证分析与研究[J].重庆大学学报（社会科学版），2009，15（5）
　　4.Charnes,A., W.W.Cooper, and E.L.Rhodes.(1978).Measuring the Efficiency of Decision Making Units,European Journal of Operational Research 2
　　5.李兰.我国铁路系统生产效率的实证研究[J].软科学，2008，22（4）
　6.高铁梅.计量经济分析方法与建模[M].清华大学出版社，2006