胡俐穎

摘 要：應(yīng)用DEA-Malmquist指數(shù)測(cè)算2015—2021年我國(guó)30個(gè)省市區(qū)的農(nóng)產(chǎn)品物流效率，運(yùn)用Tobit回歸分析研究區(qū)農(nóng)產(chǎn)品物流效率影響因素。實(shí)證結(jié)果表明：1）從靜態(tài)來(lái)看，觀測(cè)期內(nèi)我國(guó)農(nóng)產(chǎn)品物流綜合效率較低，技術(shù)效率略低，投入要素配置尚未達(dá)到合理狀態(tài)；2）從動(dòng)態(tài)來(lái)看，我國(guó)農(nóng)產(chǎn)品物流全要素率增長(zhǎng)，技術(shù)進(jìn)步作用較為關(guān)鍵；3）在多維影響因素中，信息化和物流發(fā)展程度是提升農(nóng)產(chǎn)品物流效率的主要因素。因此，文章從政府、市場(chǎng)和行業(yè)等角度提出了提高我國(guó)農(nóng)產(chǎn)品物流效率的建議。

關(guān)鍵詞：DEA-Malmquist；Tobit模型；農(nóng)產(chǎn)品；物流效率

中圖分類(lèi)號(hào)：F224；F326.6文獻(xiàn)標(biāo)志碼：ADOI：10.13714/j.cnki.1002-3100.2024.08.017

Abstract： The paper applies the DEA-Malmquist index to calculate the efficiency of agricultural product logistics in 30 provinces and cities in China from 2015 to 2021， and uses Tobit regression analysis to study the influencing factors of agricultural product logistics efficiency. The empirical results indicate that from a static perspective， the comprehensive efficiency of China's agricultural product logistics during the observation period is relatively low， with slightly lower technical efficiency， and the allocation of input factors has not yet reached a reasonable state， that from a dynamic perspective， the total factor rate of agricultural product logistics in China has increased， and technological progress plays a crucial role， and that among the multidimensional influencing factors， informatization and the level of logistics development are the main factors for improving the efficiency of agricultural product logistics. Therefore， this article proposes suggestions to improve the efficiency of agricultural product logistics in China from the perspectives of government， market， and industry.

Key words： DEA-Malmquist; Tobit model; agricultural products; logistics efficiency

0 ? ?引 ? ?言

我國(guó)把有效供給重要農(nóng)產(chǎn)品作為“三農(nóng)”工作的首要任務(wù)。由于農(nóng)產(chǎn)品市場(chǎng)與物流組織體系不完善、物流基礎(chǔ)設(shè)施薄弱、物流技術(shù)水平落后等原因，我國(guó)農(nóng)產(chǎn)品物流損耗嚴(yán)重，農(nóng)產(chǎn)品物流效率較低[1]。這造成了農(nóng)產(chǎn)品資源的浪費(fèi)，使農(nóng)產(chǎn)品供給者利益受損，農(nóng)產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)力降低，阻滯了“三農(nóng)”工作的正常進(jìn)行。評(píng)價(jià)我國(guó)的農(nóng)產(chǎn)品物流效率，識(shí)別農(nóng)產(chǎn)品物流效率影響因素，對(duì)健全農(nóng)產(chǎn)品物流體系、優(yōu)化農(nóng)產(chǎn)品要素的資源配置意義深遠(yuǎn)。

1 ? ?文獻(xiàn)綜述

目前，學(xué)者們主要使用因子分析、數(shù)據(jù)包絡(luò)分析、隨機(jī)前沿分析和灰色關(guān)聯(lián)分析等方法測(cè)算農(nóng)產(chǎn)品物流效率。數(shù)據(jù)包絡(luò)分析（DEA）作為一種較為客觀的非參數(shù)方法，得到了廣泛應(yīng)用。雷鳴等（2018）基于DEA模型調(diào)查1995—2015年我國(guó)各省的農(nóng)產(chǎn)品物流效率，發(fā)現(xiàn)東部地區(qū)的效率遠(yuǎn)遠(yuǎn)高于中西部地區(qū)[2]。原雅坤等（2020）基于長(zhǎng)江經(jīng)濟(jì)帶2012—2017年11個(gè)省市的面板數(shù)據(jù)，通過(guò)DEA三階段模型評(píng)估生鮮農(nóng)產(chǎn)品冷鏈物流效率，發(fā)現(xiàn)長(zhǎng)江經(jīng)濟(jì)帶生鮮農(nóng)產(chǎn)品冷鏈物流效率存在較大差異[3]。楊維瓊等（2021）運(yùn)用因子分析和DEA-Malmquist指數(shù)分析法對(duì)京津冀地區(qū)2011—2018年農(nóng)產(chǎn)品物流效率進(jìn)行評(píng)價(jià)。結(jié)果表明，京津冀地區(qū)農(nóng)產(chǎn)品物流效率呈波浪式增長(zhǎng)[4]。孫妮等（2022）基于DEA-Malmquist指數(shù)對(duì)安徽省2009—2019年農(nóng)產(chǎn)品物流效率進(jìn)行測(cè)算，發(fā)現(xiàn)安徽省的農(nóng)產(chǎn)品物流效率存在不小的差異[5]。崔振洪等（2014）認(rèn)為在分析農(nóng)產(chǎn)品物流效率的基礎(chǔ)上需進(jìn)一步探究其影響因素[6]。賈圣強(qiáng)（2019）運(yùn)用SBM和Tobit模型對(duì)中部地區(qū)的農(nóng)產(chǎn)品物流效率及其影響因素進(jìn)行了實(shí)證分析，認(rèn)為提高農(nóng)產(chǎn)品物流效率最重要的因素是農(nóng)產(chǎn)品物流業(yè)的固定資產(chǎn)投資水平[7]。劉升學(xué)等（2021）也基于SBM和Tobit模型分析了湖南省農(nóng)產(chǎn)品物流效率的影響因素，認(rèn)為勞動(dòng)力和資本投入影響最大[8]。

已有研究較為豐富，但仍存在不足。一是通常以區(qū)域或省份為尺度評(píng)價(jià)農(nóng)產(chǎn)品物流效率，而忽略了全國(guó)及省際的對(duì)比分析；二是使用DEA模型評(píng)價(jià)農(nóng)產(chǎn)品物流效率側(cè)重于靜態(tài)視角，難以反映農(nóng)產(chǎn)品物流效率的動(dòng)態(tài)變化；三是對(duì)影響農(nóng)產(chǎn)品物流效率內(nèi)部因素的研究不足。本文選取了全國(guó)30個(gè)省市區(qū)的面板數(shù)據(jù)，利用DEA模型和Malmquist指數(shù)，從靜態(tài)和動(dòng)態(tài)的角度評(píng)價(jià)了我國(guó)30個(gè)省市區(qū)2015—2021年的農(nóng)產(chǎn)品物流效率，并結(jié)合Tobit模型識(shí)別出農(nóng)產(chǎn)品物流效率的影響因素，以期能為我國(guó)農(nóng)產(chǎn)品物流業(yè)發(fā)展的政策制定與調(diào)整提供依據(jù)。

2 ? ?研究方法與數(shù)據(jù)來(lái)源

2.1 ? ?DEA模型

數(shù)據(jù)包絡(luò)分析（DEA）最早由Charnes等提出，用于評(píng)估多投入、多產(chǎn)出的決策單元（DMU）。BCC（規(guī)模報(bào)酬可變）的表達(dá)式如（1）所示。

式中：X為投入量，Y為產(chǎn)出量，n為決策單元數(shù)，ε為決策單元效率，λ為DMU組合系數(shù)，s-和s+反映產(chǎn)出不足和投入冗余。

2.2 ? ?Malmquist指數(shù)

Malmquist指數(shù)可以測(cè)算前后兩個(gè)時(shí)期生產(chǎn)率的變化，可分解為技術(shù)進(jìn)步效率（Techch）和技術(shù)效率（Effch），而技術(shù)效率（Effch）又能分解為純技術(shù)效率（Pech）和規(guī)模效率（Sech），如式（2）所示。

2.3 ? ?指標(biāo)選取與數(shù)據(jù)來(lái)源

目前，大多學(xué)者選取DEA投入指標(biāo)主要參考科柯布道格拉斯函數(shù)，將技術(shù)、勞動(dòng)及資本等列為投入要素。由于技術(shù)要素在實(shí)踐中難以量化，根據(jù)以往研究剔除技術(shù)要素的做法，從勞動(dòng)力、資本和交通基礎(chǔ)設(shè)施三個(gè)方面確定投入指標(biāo)。

農(nóng)產(chǎn)品物流從業(yè)人數(shù)。參考王仁祥等[9]、程書(shū)強(qiáng)等[10]的做法，將交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)從業(yè)人員總數(shù)乘以系數(shù)k。計(jì)算公式如下。

式中：k1為全國(guó)消費(fèi)比率，k2為公民消費(fèi)比率，e為恩格爾系數(shù)。

農(nóng)產(chǎn)品物流固定資產(chǎn)投資額。用交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)固定資產(chǎn)投資額平減后再乘以系數(shù)k。

交通基礎(chǔ)路線(xiàn)長(zhǎng)度。以鐵路、公路和水路營(yíng)運(yùn)里程數(shù)總和代表。

貨運(yùn)汽車(chē)保有量。貨運(yùn)汽車(chē)是運(yùn)輸農(nóng)產(chǎn)品的重要載體。計(jì)算農(nóng)產(chǎn)品物流效率，應(yīng)將貨運(yùn)汽車(chē)保有量作為投入指標(biāo)。

關(guān)于產(chǎn)出指標(biāo)，結(jié)合已有文獻(xiàn)，使用農(nóng)產(chǎn)品物流增加值，即農(nóng)產(chǎn)品物流凈產(chǎn)值，可以準(zhǔn)確反映物流效率在不同年份的變化。與投入指標(biāo)采用處理方式相同，將交通運(yùn)輸、倉(cāng)儲(chǔ)及郵政業(yè)增加值乘以系數(shù)k。

本文數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)物流年鑒》及國(guó)家統(tǒng)計(jì)局網(wǎng)站。選取我國(guó)30個(gè)省市區(qū)2015—2021年的面板數(shù)據(jù)作為觀測(cè)樣本。

3 ? ?我國(guó)農(nóng)產(chǎn)品物流效率實(shí)證分析

3.1 ? ?基于DEA模型的農(nóng)產(chǎn)品物流效率靜態(tài)評(píng)價(jià)

根據(jù)DEA模型中的BCC模型，利用DEAP2.1計(jì)算2015年、2018年和2021年我國(guó)30個(gè)省市區(qū)的綜合效率、純技術(shù)效率和規(guī)模效率，如表1所示。

2015年、2018年和2021年農(nóng)產(chǎn)品物流效率對(duì)比如圖1所示。

綜合效率角度。2021年，我國(guó)30個(gè)省市區(qū)綜合效率的均值為0.776，較2018年大幅下降，甚至低于2015年。7個(gè)省市區(qū)（天津、河北、上海、江蘇、福建、山東和廣東）綜合效率有效。與2015年和2018年相比，山東和廣東為新增DEA有效省。2015年、2018年和2021年，我國(guó)30個(gè)省市區(qū)的綜合效率均超過(guò)了0.7，天津、河北和上海3個(gè)省市連續(xù)3年為DEA有效省市。

技術(shù)效率角度。2015年、2018年和2021年，我國(guó)30個(gè)省市區(qū)分別有11個(gè)、16個(gè)和12個(gè)技術(shù)效率有效，對(duì)應(yīng)為36.67%、53.33%和40%。連續(xù)3年技術(shù)效率有效的省市區(qū)7個(gè)（天津、河北、上海、江蘇、福建、廣東和海南）。

規(guī)模效率角度。2015年、2018年和2021年，分別有7個(gè)、8個(gè)和7個(gè)省市區(qū)規(guī)模效率有效，占比為23.33%、26.67%和23.33%，平均規(guī)模效率從2015年的0.936下降到2021年的0.887，我國(guó)的投入要素配置尚未達(dá)到充分狀態(tài)。

規(guī)模收益現(xiàn)狀。2021年，浙江、河南和湖北規(guī)模報(bào)酬遞減，應(yīng)改變分配結(jié)構(gòu)或減少投入量。北京、山西和內(nèi)蒙古及其余19個(gè)省市區(qū)的規(guī)模報(bào)酬遞增，需進(jìn)一步擴(kuò)大生產(chǎn)規(guī)模。

3.2 ? ?基于Malmquist指數(shù)的農(nóng)產(chǎn)品物流效率動(dòng)態(tài)評(píng)價(jià)

Malmquist指數(shù)反映了農(nóng)產(chǎn)品物流效率的周期變化。利用DEAP2.1計(jì)算我國(guó)2016—2021年30個(gè)省市區(qū)的農(nóng)產(chǎn)品物流效率TFP指數(shù)及分解。如表2所示，2016—2021年平均全要素生產(chǎn)率為0.998，農(nóng)產(chǎn)品物流效率下降。6年來(lái)，2016年、2018年和2019年全要素生產(chǎn)率大于1，其余年份均有所下降。

2015—2021年我國(guó)30個(gè)省市區(qū)技術(shù)效率變化（Effch）、技術(shù)進(jìn)步變化（Techch）及全要素生產(chǎn)率變化（TFP）用折線(xiàn)圖表示，如圖2所示。

技術(shù)效率變化（Effch）角度。6年間，我國(guó)30個(gè)省市區(qū)的技術(shù)效率變化較小，2017年、2020年和2021年的技術(shù)效率均低于1，其余年份均高于1。

技術(shù)進(jìn)步變化（Techch）角度。技術(shù)進(jìn)步變化在2017年、2019年和2021年均高于1，其余年份小于1。如圖2所示，技術(shù)進(jìn)步與全要素生產(chǎn)率變化更匹配了，成為了影響全要素生產(chǎn)率的主要因素。

表3顯示了2015—2021年我國(guó)30個(gè)省市區(qū)農(nóng)產(chǎn)品物流效率TFP及其分解情況，據(jù)此可將其分為三種類(lèi)型。

第一類(lèi)為天津、河北和上海等16個(gè)省市區(qū)，其全要素生產(chǎn)率大于1，技術(shù)效率和技術(shù)進(jìn)步變化也大于1。

第二類(lèi)為黑龍江、貴州、寧夏和新疆4個(gè)省市區(qū)，全要素生產(chǎn)率和技術(shù)效率小于1，技術(shù)進(jìn)步大于1，技術(shù)變化作用更大。

第三類(lèi)為上海、浙江和江蘇等10個(gè)省市區(qū)，全要素生產(chǎn)率和技術(shù)效率大于1，技術(shù)進(jìn)步小于1，技術(shù)要素的使用效率較高，抵消了技術(shù)進(jìn)步的不足。

4 ? ?我國(guó)農(nóng)產(chǎn)品物流效率影響因素分析

4.1 ? ?方法和變量選取

將農(nóng)產(chǎn)品物流效率值作為因變量，信息化、物流發(fā)展、經(jīng)濟(jì)發(fā)展和居民消費(fèi)程度等因素作為自變量，構(gòu)建Tobit回歸模型。計(jì)量方程如下。

結(jié)合國(guó)內(nèi)外文獻(xiàn)，選取農(nóng)產(chǎn)品物流效率5個(gè)影響因素。X1和X2為城市、農(nóng)村互聯(lián)網(wǎng)寬帶用戶(hù)數(shù)。X3為農(nóng)產(chǎn)品物流業(yè)從業(yè)人數(shù)，X4為交通基礎(chǔ)路線(xiàn)長(zhǎng)度。X5為居民人均可支配收入。Y為農(nóng)產(chǎn)品物流效率，C為常數(shù)項(xiàng)，μi和λi為區(qū)域和時(shí)間固定效應(yīng)，εit為隨機(jī)誤差項(xiàng)。

4.2 ? ?Tobit回歸結(jié)果及分析

運(yùn)用Stata16.0建立Tobit回歸模型，結(jié)果見(jiàn)表5。

表5 ? ?我國(guó)30個(gè)省市區(qū)農(nóng)產(chǎn)品物流效率影響因素Tobit回歸結(jié)果變量 系數(shù)大小 標(biāo)準(zhǔn)誤差 P值

城市互聯(lián)網(wǎng)寬帶用戶(hù)數(shù) 0.152 *** 3.70E-02 ＜0.001

農(nóng)村互聯(lián)網(wǎng)寬帶用戶(hù)數(shù) 0.758 *** 2.43E-01 ＜0.001

農(nóng)產(chǎn)品物流業(yè)從業(yè)人數(shù) -0.475 ** 1.68E-01 ＜0.050

交通基礎(chǔ)路線(xiàn)長(zhǎng)度 0.335 ** 1.52E-01 ＜0.050

居民人均可支配收入 -0.008 8.00E-03 ＞0.100

注：***和**分別表示在1%和5%的顯著水平。

如表5顯示，在信息化程度上，城市和農(nóng)村互聯(lián)網(wǎng)寬帶用戶(hù)數(shù)在1%水平上顯著，說(shuō)明城鄉(xiāng)網(wǎng)民數(shù)量與農(nóng)產(chǎn)品物流效率密切相關(guān)。

在物流發(fā)展程度上，農(nóng)產(chǎn)品物流從業(yè)人數(shù)在5%水平下顯著，表明農(nóng)產(chǎn)品物流人員的專(zhuān)業(yè)化水平有待提高。交通基礎(chǔ)路線(xiàn)長(zhǎng)度在5%水平下顯著，表示高速公路等交通基礎(chǔ)路線(xiàn)長(zhǎng)度越長(zhǎng)，農(nóng)產(chǎn)品物流效率越高。

在經(jīng)濟(jì)發(fā)展和居民消費(fèi)程度上，由于未通過(guò)5%水平的顯著性檢驗(yàn)，居民人均可支配收入對(duì)農(nóng)產(chǎn)品物流效率影響甚微。

5 ? ?結(jié)論與政策建議

本文利用全國(guó)30個(gè)省市區(qū)2015—2021年的面板數(shù)據(jù)，采用DEA-Malmquist和Tobit模型評(píng)價(jià)農(nóng)產(chǎn)品物流效率，識(shí)別其影響因素。從靜態(tài)來(lái)看，觀測(cè)期內(nèi)我國(guó)農(nóng)產(chǎn)品物流綜合效率較低，技術(shù)效率略低，投入要素配置尚未達(dá)到合理狀態(tài)。從動(dòng)態(tài)來(lái)看，我國(guó)農(nóng)產(chǎn)品物流全要素率呈上升趨勢(shì)，技術(shù)進(jìn)步對(duì)其影響更大。在多維影響因素中，信息化和物流發(fā)展程度是提高農(nóng)產(chǎn)品物流效率的重要影響因素。

因此，本文提出以下對(duì)策建議：一是加快構(gòu)建農(nóng)產(chǎn)品物流公共信息平臺(tái)。各級(jí)政府應(yīng)加快構(gòu)建農(nóng)產(chǎn)品物流信息平臺(tái)，以整合農(nóng)業(yè)、交通、工商等部門(mén)的信息資源。二是完善農(nóng)產(chǎn)品物流基礎(chǔ)設(shè)施。依托交通基礎(chǔ)設(shè)施規(guī)劃，完善農(nóng)產(chǎn)品交通運(yùn)輸體系。同時(shí)，還應(yīng)加強(qiáng)生鮮類(lèi)農(nóng)產(chǎn)品的專(zhuān)業(yè)化運(yùn)輸。三是引進(jìn)現(xiàn)代物流專(zhuān)家。建立專(zhuān)項(xiàng)扶持政策，聯(lián)動(dòng)高校、企業(yè)培養(yǎng)現(xiàn)代物流業(yè)人才，以?xún)?yōu)化農(nóng)產(chǎn)品物流人才結(jié)構(gòu)。

參考文獻(xiàn)：

[1] 汪旭暉，文靜怡．我國(guó)農(nóng)產(chǎn)品物流效率及其區(qū)域差異——基于省際面板數(shù)據(jù)的SFA分析[J]．當(dāng)代經(jīng)濟(jì)管理，2015，37（1）：26-32.

[2] 雷鳴，羅勝，鄧遠(yuǎn)．供給側(cè)改革與新型城鎮(zhèn)化雙重導(dǎo)向下的農(nóng)產(chǎn)品物流效率提升——基于非參數(shù)DEA與ARDL的實(shí)證分析[J]．

商業(yè)經(jīng)濟(jì)研究，2018（16）：99-102.

[3] 原雅坤，陳久梅，但斌．碳約束下冷鏈物流效率及其收斂性研究——以生鮮農(nóng)產(chǎn)品為例[J]．科技管理研究，2020，40（14）：253-260.

[4] 楊維瓊，邰小珈．京津冀農(nóng)產(chǎn)品流通效率評(píng)價(jià)——基于PCA-DEA-Malmquist指數(shù)分析[J]．商業(yè)經(jīng)濟(jì)研究，2021（11）：143-146.

[5] 孫妮，張康宇，劉旭，等．基于DEA-Malmquist模型的安徽省農(nóng)產(chǎn)品物流效率分析[J]．西昌學(xué)院學(xué)報(bào)（自然科學(xué)版），

2022，36（1）：23-27.

[6] 崔振洪，王家旭，華振．我國(guó)農(nóng)產(chǎn)品物流效率評(píng)價(jià)及影響因素分析[J]．物流技術(shù)，2014，33（9）：114-116.

[7] 賈圣強(qiáng)．中部地區(qū)農(nóng)產(chǎn)品物流效率及其影響因素分析——基于超效率和Tobit模型的實(shí)證[J]．商業(yè)經(jīng)濟(jì)研究，2019（11）：158-160.

[8] 劉升學(xué)，歐陽(yáng)興文．湖南省農(nóng)產(chǎn)品流通效率測(cè)度及其影響因素研究——基于DEA-Malmquist指數(shù)和Tobit模型[J]．南華

大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021，22（3）：64-71.

[9] 王仁祥，孔德樹(shù)．中國(guó)農(nóng)產(chǎn)品流通效率評(píng)價(jià)模型構(gòu)建及其應(yīng)用[J]．遼寧大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2014，42（4）：64-73.

[10] ?程書(shū)強(qiáng)，劉亞楠．西部地區(qū)農(nóng)產(chǎn)品物流效率及省際差異動(dòng)態(tài)研究——基于DEA-Malmquist指數(shù)法[J]．統(tǒng)計(jì)與信息論壇，2017，

32（4）：95-101.