- -
-
- - - BFJD - - 北京交通大学学报(社会科学版) - Journal of Beijing Jiaotong University(Social Sciences Edition) - Journal of Beijing Jiaotong University(Social Sciences Edition) - 北京交通大学学报(社会科学版) - 1672-8106 - 11-5224/C - - - - 1672-8106(2022)02-0122-12 刘宏伟 - - F259.27 - A - 物流研究 - Material Flow Studies - 物流枢纽城市物流业效率时空差异及其收敛性 - The Spatial and Temporal Difference of Logistics Industry Efficiency in Logistics Hub Cities and Its Convergence - - - - 宏伟 - LIU Hong-wei - - - 荣璐 - YANG Rong-lu - - - 红娟 - SHI Hong-juan - - 安徽大学 商学院安徽 合肥 230601 - School of Business, Anhui UniversityHefei Anhui 230601China - - - 尚玥 - - -

刘宏伟 ,男,安徽大学商学院副教授,博士生导师。研究方向:决策管理、物流规划

- -

杨荣璐 ,女,安徽大学商学院硕士研究生。研究方向:技术经济及管理

- -

石红娟 ,女,安徽大学商学院硕士研究生。研究方向:技术经济及管理。

- 15 04 2022 21 2 80 122 133 122-133 - - 23 03 2021 -

本文运用SBM-DEA模型测算了60个物流枢纽城市十年的物流产业效率值,对不同区域枢纽城市物流效率的发展进行了收敛性分析。结果表明:东部枢纽城市年均效率值最高,其中广州、深圳、舟山效率值一直为1;中部枢纽城市物流业效率快速提升并在2019年以微弱优势超越东部,其中芜湖、南阳、安阳、岳阳发展势头强劲;西部枢纽城市物流业效率值较低,成为制约全国枢纽城市物流业效率提升的瓶颈;东中部枢纽城市物流业效率追赶效应都比较突出,且趋向一种高效率状态,但西部各枢纽城市物流效率逐渐趋于各自不同的稳定状态,不存在追赶效应,致使无法缩小与东中部的差距。为提升枢纽城市物流业效率,应正视因物流先导性未有效展现所带来的短期性效率低下,完善以枢纽为关键节点的物流网络体系,同时利用骨干流通大通道打破枢纽城市边界限制,通过在西部枢纽城市组织货源和输送商品来带动和引领其物流需求。国家物流枢纽对承载城市的物流业效率促进作用尚未全部显现,应持续关注枢纽建设政策对城市物流的影响。

-

This paper uses SBM-DEA model to calculate the efficiency values of the logistics industry in 60 logistics hub cities within 10 years, and analyzes the convergence of efficiency in the eastern, central and western regions. The results show that the annual average efficiency value of eastern hub cities is the highest, and among them the efficiency values of Guangzhou, Shenzhen and Zhoushan stay at 1 during the whole period. The efficiency of logistics industry in central hub cities has risen rapidly and surpassed that of eastern cities in 2019 by a narrow margin, and among them Wuhu, Nanyang, Anyang and Yueyang have shown strong momentum. The efficiency value of the logistics industry in the western hub cities is relatively low, making them the bottleneck that restrict the improvement of logistics efficiency of hub cities all over the nation. The logistics industry efficiency in all of the central and eastern hub cities show prominent catch-up effect and are generally high, but the logistics efficiency of hub cities in the western region tends to stabilize gradually at their own different area, and shows no catch-up effect, making it impossible for hub cities in western region to narrow the gap with central and eastern hub cities. In order to improve the efficiency of logistics industry in hub cities, we should face up to the short-term inefficiency due to the fact that logistics has not effectively fulfilled its vanguard role, improve the logistics network system with hub as the key nodes, break the boundary restrictions of hub cities by using the backbone circulation channels, and drive and lead logistics needs by organizing goods sources and transporting goods in western hub cities. The role of the national logistics hub in promoting the efficiency of the logistics industry of the host city has not yet been fully shown, so we should continue to pay attention to the impact of the hub construction policies on urban logistics.

- 物流枢纽城市 物流产业效率 SBM-DEA 收敛性分析 - logistics hub city efficiency of logistics industry SBM-DEA convergence analysis - - 安徽省哲学社会科学规划项目“创新型城市建设视角下城市绿色创新绩效评价及提升路径研究” AHSKY2019D016 安徽省哲学社会科学规划项目“创新型城市建设视角下城市绿色创新绩效评价及提升路径研究”(AHSKY2019D016)。 - - - version 1.0.0.21552 - structure-time 2022-06-10T15:34:21 - word-source FX
- - 引言 -

作为基础性产业,物流业支撑着城市间资源要素的有序流动和优化配置,对城市经济社会发展至关重要 - 1 。物流活动最为集聚的载体是城市,大力发展城市物流可以持续提升区域竞争力和促进宏观物流网络布局的优化 - 2 。有鉴于此,国家发改委等部门在2018年12月发布的《国家物流枢纽布局和建设规划》(发改经贸〔2018〕1886号)中,根据产业空间布局和基础设施建设等因素,选取了127个物流枢纽承载城市,拟建设212个不同类型的国家物流枢纽,以期持续提升物流枢纽一体化运作、网络化经营、专业化服务能力,从而协同全国范围不同层级城市形成行之有效的物流网络,大幅提高城市物流运行效率,支撑和促进实体经济的高质量发展。但是,目前这些物流枢纽城市效率表现如何,又如何在现有基础上实现效率提升,我国东中西部地区枢纽城市物流效率提升侧重点是否相同,这些问题并未得到解决。探究这些问题,对提升城市物流效率及优化宏观物流网络运行意义重大。

-

部分学者在物流枢纽规划之前已经开始关注局部区域的城市物流效率。刘满芝等 - 3 (2009)较早建立了基于数据包络分析(Data Envelopment Analysis, DEA)的城市物流效率评价模型和指标体系,并测度了江苏省13个城市的物流效率。张中强 - 4 (2012)基于进一步丰富了指标体系的相同方法对东部地区跨省域的31个城市物流效率进行了分析。在效率分析的基础上,王琴梅和谭翠娥 - 5 (2013)结合Tobit回归模型分析了西安市的物流效率的影响因素。随着城市在物流网络布局中的作用重要越发突出,2015年商务部等部门提出要健全骨干流通网络、提升节点城市流通功能。在此背景下,钱吴永和祁尖 - 6 (2018)以全国21个节点城市为研究对象,测算了其物流产业效率值,分析了各区域之间效率差异;王东方和董千里 - 7 (2019)则以285个城市为样本,进一步探究了物流节点城市对城市物流效率的影响。由于在物流网络运行效率提升中的示范性突出,城市物流效率关注度持续上升。杨扬和李莉诗 - 8 (2019)从效率视角研究了国际陆港城市物流能力,指出国内国际陆港城市物流能力与社会经济发展协调程度较高。刘明和杨路明 - 9 (2019)则进一步扩大了样本量,对2007—2019年间277个城市的物流产业效率进行了实证分析,指出周边城市对中心城市物流产业的发展起到了积极的促进作用。

-

通过上述文献可以看出,城市物流效率问题一直是学术界关注的重点,部分学者在物流业效率评价模型选择、指标体系构建、效率测度分析等方面做出了一定的学术贡献。但既有文献在用DEA方法对城市效率进行测度时,忽略了投入松弛变量对效率的影响。此外,与一般城市不同,物流枢纽承载城市在区域经济发展中显著的正向作用 - 10 和先导性 - 11 、枢纽城市物流业效率的高低直接影响了区域流通程度与经济发展水平,但既有文献对物流枢纽城市效率提升问题则鲜有关注。在国家推荐物流枢纽布局和建设背景下,研究枢纽城市物流效率问题,不仅对提升物流枢纽城市物流效率具有突出的现实意义,还可以通过枢纽城市对全国城市物流网络的示范带动作用,进一步提高城市物流网络运行效率以支撑实体经济高质量发展。

因此,本文以《国家物流枢纽布局和建设规划》中的物流枢纽城市为研究对象,经过数据收集、整理,筛选出数据较为齐全的60个城市,运用SBM-DEA模型测算2010—2019年枢纽城市物流产业的效率值,探究我国物流枢纽城市物流产业的发展现状。同时,本文根据物流产业效率值对物流枢纽城市进行收敛性分析,研判物流枢纽城市效率的趋同与发散情况。本文潜在的学术贡献在于:其一,对物流枢纽城市物流效率问题开展研究,在城市网络效率提升方面具有一定的引导性;其二,考虑了投入资源冗余对效率值的影响,能够为物流枢纽城市效率提升提供更为精准的参考;其三,从区域异质性和时间收敛性两个维度对枢纽城市物流效率进行研判,为城市物流研究提供了较为新颖的视角。

- 研究方法 -

为了客观地测度枢纽城市物流效率,效率测度方法的选择至关重要。DEA是由Charnes等 - 12 (1978)提出用来评价多投入、多产出决策单元相对有效性的无参数效率分析方法,无需提前设置生产函数关系及指标权重,更具有客观性。而且,DEA方法可拓展性强,可针对研究目的选择适合的DEA模型 - 13 。因此,该方法被广泛应用于物流业效率测度 - 14 。本文也采用DEA方法对物流枢纽城市效率进行测度。此外,收敛性分析作为一种有效判断效率变化趋势的方法,被广泛应用于经济管理领域研究 - 15 - 16 。基于东中西部效率测度结果,本文将应用收敛性分析检验不同地区枢纽城市物流产业效率的趋同和发散情况。

- SBM-DEA -

鉴于传统DEA模型会因非零松弛的存在而过高估计决策单元的效率值,因此,一种基于松弛变量(Slack Based Measure, SBM)的方向性距离函数被引入到效率测算中,克服了传统DEA模型忽略投入松弛变量的缺点 - 17 。本文选取Tone - 18 (2001)提出的投入导向下规模报酬不变的SBM模型测算枢纽城市物流产业效率,同时考虑了投入资源冗余对效率的影响,该模型如 公式(1) 所示:

- - - - - ρ - k - * = - - m i n - λ , - - s - - 1 - - - 1 - m - - - i = 1 - m - - - - - s - i - - - - - x - i k - - - - - s . t . - - - - - - - x - i k = - - j = 1 - n - - - x - i j - - λ - j + - - s - i - - - - i = 1 , , m - - - - y - r k - - j = 1 - n - - - y - r j - - λ - j - - r = 1 , , p - - - - λ - j 0 - - ? j , - - s - i - - 0 - - ? i - - -

式(1) 中, - - - - - x - i k - - 表示决策单元 k 的第 i 项投入, - - - - - y - r k - - 表示决策单元 k 的第 r 项产出, m 表示投入项的个数, p 表示产出项的个数, - - - - - s - - - - 表示投入松弛变量, - - - λ - - 为权重向量, - - - - - ρ - * - - 为效率值且是不大于1的正值。 - - - - - ρ - * - - =1且松弛变量为0时,决策单元为DEA有效。

- 收敛性分析 -

在对各枢纽城市物流业效率进行测量后,收敛性分析可以检验不同地区枢纽城市物流产业效率的趋同和发散情况。收敛性检验方法分为 σ 收敛、绝对 β 收敛、条件 β 收敛。 σ 收敛反映的是离散程度,通过物流产业效率标准差的演变趋势来判断是否收敛 - 19 ;绝对 β 收敛属于横截面回归分析方法,侧重于比较不同地区间是否存在“追赶效应”,是指各地区物流产业效率能够向着相同的稳定值趋同;条件 β 收敛是指各区域效率会收敛于各自不同的稳态水平 - 20

- - <italic>σ</italic> 收敛模型 -

σ 收敛检验各物流枢纽城市物流业效率的离差是否随时间的推移而趋于减小。模型中 σ 是离差值,一般用标准差或离散系数代表。本文借鉴林光平等 - 16 (2006)和周宾 - 21 (2020)的方法,选用标准差表示 σ 值检验各区域枢纽城市物流产业效率是否存在 σ 收敛,公式如下:

- - - σ = - - - - 1 - n - 1 - - - l = 1 - n - - - - - - - y - l , t - - - - - y - t ˉ - 2 - - -

其中, n 为区域枢纽城市总数, - - - - - y - l , t - - 表示第 l 个城市在 t 时期的物流产业效率值。 - - - - - - - y - t ˉ - - 表示 t 时期所有城市物流业效率的平均值。若 σ 值随着时间的推移越来越小则存在 σ 收敛,说明不同物流枢纽城市间物流产业效率的差距越来越小,反之则不存在 σ 收敛。

- - <italic>β</italic> 收敛模型 -

(1)绝对 β 收敛模型

-

绝对 β 收敛是指假定各物流枢纽城市的物流业具有相同的发展条件,物流业效率低的城市是否存在赶上物流业效率高的城市的趋势。本文借鉴杨琛等 - 22 (2020)提出的方法,构建模型如下:

- - - h = - - - - l n - - y - l , t + T - l n - - y - l , t / - T = α + β l n - - y - l , t + - - ε - l , t - - -

其中, h 表示第 l 个枢纽城市从 t 时期到 t+T 时期的物流产业效率的平均增长率, T 为时间间隔, α 为常数项, - - - - - ε - l , t - - 为随机误差项。如果 β 显著为负值,则说明物流业效率低的城市存在赶上物流业效率高的城市的趋势,即存在绝对 β 收敛。

-

(2)条件 β 收敛模型

-

条件 β 收敛考虑了不同城市发展条件的不同,分析各物流枢纽城市物流产业效率是否收敛于各自的稳态水平。本文基于Xu 等人 - 23 (2020)的研究,构建条件收敛模型如下:

- - - h = l n - - y - l , T - l n - - y - l , T - 1 = α + β l n - - y - l , T - 1 + - - ε - l , T - - -

其中, α 为常数项, - - - - - ε - l , T - - 为随机误差项。如果 β 显著为负值,则说明各物流枢纽城市物流产业效率在各自的稳态水平处收敛。

- 物流枢纽城市物流产业效率测算 - 指标选取及数据来源 - 指标选取 -

物流运作是将各项资源要素转化为服务能力并满足物流市场需求的过程。各项资源要素主要是各种物质资源和劳动力资源。其中,物质资源主要体现在物流设施和物流设备方面,一般用线路里程和运输载体数量来表示。此外,当前我国物流业仍是劳动密集型产业,劳动力资源投入规模是一种具有较强代表性的投入要素,一般用行业从业人员数代表物流业在人员方面的投入情况。钱吴永和祁尖 - 6 (2018)、俞佳立和钱芝网 - 24 (2018)、张璇等 - 25 (2016)、戢晓峰和刘丁硕 - 26 (2019)等均选择公路里程、载货汽车数量代表物流线路和运输载体数量,选择行业从业人数代表劳动力资源投入规模。

-

城市物流业作为典型的生产型服务业,其服务能力的体现就是物流产出规模,包括实物性产出规模和价值性产出规模。实物性产出规模一般用货物运输量或货物周转量来衡量。货物周转量是货运量与运输距离的乘积,更具有复合代表性。因此,货物周转量是测算物流行业实物性产出规模的首选指标。价值性产出规模则是从价值角度衡量物流业在城市经济发展中完成的贡献,通常用物流业生产总值表示。不少文献在研究物流效率时选择周转量和物流业生产总值作为产出指标,如唐建荣等 - 27 (2018)、牛晴晴和张宁 - 28 (2017)等。

-

基于以上物流运作过程分析,结合数据的可得性和既有文献,本文构建的物流业效率评价指标体系见 表1

- XX.XXXX/j.issn.1672-8106.2022.02.013.T001 -

物流产业效率评价指标体系及其说明

- - - - - - - -
指标类型 指标名称 单位 指标说明
投入指标 物流业城镇单位就业人数 万人 反映物流产业从业人员的数量以及劳动力的投入情况
载货汽车拥有量 万辆 反映物流业载货车辆的投入情况
公路里程长度 公里 反映交通运输的投入情况,是固定资产投资的具体表现
产出指标 物流业生产总值 亿元 以货币形式反映物流业生产活动的最终成果
货物周转量 亿吨公里 物流产业产出情况的体现
- - - 数据来源 -

当前,我国各省市统计数据的行业分类中还没有“物流产业”这一项,由于交通运输、物流仓储及邮政是物流业的主要组成部分,因此,本文参照当前学者们的普遍做法,将物流产业用交通运输、仓储和邮政业来替代 - 29

本文以国家预计建设规划的127个物流枢纽城市为研究对象,通过各省市统计年鉴、EPS数据平台、《中国城市统计年鉴》等途径查找数据,搜集了2010—2019年的数据,并根据区域异质性研究需要和数据缺失与否,对127个物流枢纽城市进行了筛选。此外,由于一些物流枢纽包含2-3个城市,如钦州—北海—防城港物流枢纽、武汉―鄂州物流枢纽,缺乏综合数据,故删除。进一步考虑到目前的发展水平,县级单元尚不能很好地发挥枢纽城市作用,因此本文没有将县级城市纳入研究样本。同时,我国物流枢纽城市分布广泛,涉及的地区经济发展具有较强的区域异质性,探讨经济发展不同水平下的枢纽城市物流效率,对差异化建设城市枢纽更具有现实意义。因此,结合不同枢纽城市在我国东部、中部和西部地区的分布情况,本文最终确定了北京、合肥、厦门、长沙、南昌、重庆等60个主要物流枢纽城市为样本,对其物流产业效率进行估计。

- 物流枢纽城市物流产业效率值及分析结果 -

为了便于观察各枢纽城市在观测年份内的效率值变化趋势,本文参照臧新等 - 30 (2018)的方法,将60个枢纽城市按照我国东、中、西部划分,即东部30个枢纽城市、中部17个枢纽城市、西部13个枢纽城市,从时间和空间的维度对枢纽城市物流产业效率进行分析。60个物流枢纽城市十年间各物流产业效率值见附页。

- 时间维度的分析 -

本文从发展趋势的角度,对枢纽城市物流产业效率值进行时间维度的分析。 图1 显示了我国东中西部物流产业平均效率的变化趋势。

- XX.XXXX/j.issn.1672-8106.2022.02.013.F001 - 各区域物流产业平均效率值对比及变化趋势 - - - - -

图1 可知,观测期内物流枢纽城市物流业效率均值为0.429,整体偏低。各地区物流枢纽城市物流产业效率整体呈上升趋势,且均在2018年有较大幅度提升。2010—2019年十年内,东部地区的物流产业效率平均值最高,达到0.554,高于全国物流效率均值;中部地区物流产业效率平均值为0.379,低于全国平均效率值;西部地区最低,物流产业效率平均值仅为0.205。

从局部发展来看,东中西部物流枢纽城市物流业效率平均值变化趋势大体一致。东部地区在2010—2012年物流产业效率平均值出现小幅度下降,2012—2014年效率均值逐年上升,由0.453提升为0.561,随后三年效率平均值呈波动变化,并于2017—2018年有较大幅度提升,在2019年有所回落。中部地区物流业效率平均值在2010—2012年变动不明显,2012—2014年效率平均值上升速度较快,由0.275提升为0.361,在之后的2014—2017年,中部地区物流产业效率平均值基本保持稳定,变化不大,2017年后大幅提升,并于2019年首次超过东部地区效率均值,达到0.707。西部地区物流业效率平均值在2010—2012年小幅波动,2012—2016年效率均值一直保持上升态势,由0.127上升为0.273,随后一年有所回落,并于2017—2019年以较快速度逐年提升,但效率值水平仍偏低。

- 空间维度的分析

(1)东部地区

-

图2 显示了我国东部地区30个枢纽城市物流产业效率平均值的差异情况。其中,金华、温州、汕头、杭州、珠海、连云港的物流产业效率平均值均低于0.3,汕头的物流产业效率平均值最低。另外,有近一半的城市物流产业效率值低于东部地区效率平均值。广州、深圳、唐山、大连、上海、舟山物流产业效率平均值比较高,均处于0.8以上,其中广州、深圳、舟山最高,2010—2019年每一年的物流产业效率值均为1,物流活动达到了有效。由此可见,虽然东部地区相较于中西部而言,总体物流产业效率平均值处于领先水平,但东部地区内部各枢纽城市的物流产业效率值差异性较大。东部地区基础设施及经济发展比较发达,各地应当积极采取促进物流业发展的战略方针,但同时注重城市间的联合发展,加强东部物流枢纽城市之间的联系,实现枢纽城市与其他城市之间互惠互利的关系,进一步促进经济发展。

- XX.XXXX/j.issn.1672-8106.2022.02.013.F002 - 我国东部枢纽城市物流产业效率平均值 - - - -

(2)中部地区

-

图3 显示了我国中部地区17个枢纽城市物流产业效率平均值的差异情况。由 图3 可见,除了呼和浩特物流产业效率平均值高达0.909以外,其余16个枢纽城市的物流产业效率平均值差异性不大,最低的信阳为0.214,最高的郑州0.522,其余均处于0.24-0.48之间,其中,安庆、蚌埠、阜阳、商丘、信阳、太原的物流产业效率平均值均低于0.3。中部地区经济发展尚不成熟,应当进一步完善基础设施建设,改善物流枢纽城市发展的外部环境,结合自身情况制定发展战略,在城市内部稳定发展原有优势产业的同时,提高物流人才、投入资本等资源的利用率,形成符合自身发展状态的物流产业集群。

- XX.XXXX/j.issn.1672-8106.2022.02.013.F003 - 我国中部枢纽城市物流产业效率平均值 - - - -

(3)西部地区

-

图4 显示了我国西部地区13个枢纽城市物流产业效率平均值的差异情况。由 图4 可见,西部地区各枢纽城市物流产业效率平均值整体偏低,且差异不大,其中,伊犁、德宏、红河、昆明、西双版纳效率值不足0.15,物流产业效率平均值超过0.2的有南宁、贵阳、遵义、西安、成都、重庆六个城市,仅遵义超过0.3。西部地区经济水平不断提高,但物流效率仍处于较低水平。为此,应充分把握政策机遇,推进“一带一路”建设,提高我国西部地区物流枢纽城市的对外开放水平,同时,应注重发挥枢纽城市的规模经济效应,努力提升区域物流效率。

- XX.XXXX/j.issn.1672-8106.2022.02.013.F004 - 我国西部枢纽城市物流产业效率平均值 - - - -
- 各地区物流枢纽城市物流业效率收敛性分析

目前,我国东部、中部和西部地区的枢纽城市物流产业效率存在较大差异,但是,随着时间的推移,不同地区之间的差异是否会逐步缩小还需要进一步探究。

- - 物流枢纽城市物流产业效率 <italic>σ</italic> 收敛检验 -

图5 显示了各区域物流枢纽城市物流产业效率值 σ 收敛的检验结果。由 图5 可知,东部地区枢纽城市物流产业效率值的 σ 系数存在下降趋势,这表明东部地区物流枢纽城市物流产业效率存在 σ 收敛,即东部地区枢纽城市物流产业效率的差距随时间的推移在不断减小,但东部地区物流产业效率的 σ 系数整体偏大,这说明东部地区各枢纽城市物流业发展水平差异性较大。2010—2016年中部地区物流产业效率值的 σ 系数仅在小范围内波动,2017年大幅提升后回落,并于2018—2019年上升,且均大于2010—2016年 σ 系数。这说明2010—2016年中部地区各枢纽城市物流产业效率的差距持续存在,且近几年存在扩大趋势。西部地区在2010—2013年 σ 系数小幅波动,2013—2016年逐年上升,近两年相较于2016年有所下降,说明十年前西部地区各枢纽城市物流业效率差距并不大,随着西部大开发等战略的实施,物流业效率差距迅速拉大,但在近两年效率差距有所缩小。

- XX.XXXX/j.issn.1672-8106.2022.02.013.F005 - 各区域物流产业效率值σ收敛检验结果 - - - - -

从全国范围来看,样本期间内 σ 数值有小幅度下降,呈现较弱的收敛性,即全国各区域间物流产业效率的差距有所减少,但减少的幅度并不大。总之,在2010—2019年,我国枢纽城市物流业效率变化的 σ 收敛性表现较弱,部分地区效率值差距有加剧扩大的趋势。 σ 收敛对枢纽城市物流效率值变化进行了城市间的横向比较,但未能体现各城市自身在时间序列上的纵向比较,需要进一步进行 β 检验。

- - 物流枢纽城市物流产业效率绝对 <italic>β</italic> 收敛检验 -

表2 显示了各区域枢纽城市物流产业效率绝对 β 收敛的检验结果。由 表2 可知,东部、中部以及全国的 β 值在1%的显著性水平下为负值,这表明东部、中部以及全国存在绝对 β 收敛,即东部、中部物流产业效率低的城市存在赶上物流产业效率高的城市的趋势,并且在全国范围内物流产业效率的差距在减小。此外,西部地区的 β 值小于零,但未通过显著性检验,结合 σ 收敛结果来看,是由于2010—2016年西部地区经济水平的快速发展拉大了城市间的差异,但近两年西部地区发展趋于稳定,城市间差异有所缩小,前期的快速发展导致了西部地区收敛显著性降低,后期的逐步稳定为物流产业效率低的城市提供了追赶上物流产业效率高的城市的机会。

- XX.XXXX/j.issn.1672-8106.2022.02.013.T002 - -

各区域物流产业效率绝对 β 收敛检验结果

- - - - - - - - - - - -
东部 中部 西部 全国
β -0.060 *** -0.092 *** -0.040 -0.055 ***
(-7.755) (-4.519) (-1.463) (-8.320)
- - - - - R - 2 - - 0.682 0.576 0.163 0.544
- -
- - -

注: 括号内为t值; ****** 分别代表10%、5%、1%的显著性水平。

- - 物流枢纽城市物流产业效率条件 <italic>β</italic> 收敛检验 -

表3 显示了各区域枢纽城市物流产业效率条件 β 收敛的检验结果。由 表3 可知,东中西部地区以及全国的 β 值均为负值,且分别通过了1%、5%以及10%的显著性检验,这表明东中西部以及全国存在条件 β 收敛,即东中西部地区物流枢纽城市的物流产业效率在各自的稳态水平处收敛。总体而言,我国物枢纽城市将进入平稳发展阶段,各地政府应当结合自身区位、资源禀赋等,依托基础设施建设及政策扶持,充分发挥物流枢纽城市作用,积极带动周边城市发展,通过物流业效率的提升促进区域经济增长。

- XX.XXXX/j.issn.1672-8106.2022.02.013.T003 -

各区域物流产业效率条件β收敛检验结果

- - - - - - - - - - - - -
东部 中部 西部 全国
β -0.128 *** -0.094 * -0.105 ** -0.096 ***
(-5.097) (-1.866) (-2.083) (-5.587)
- - - - - R - 2 - - 0.088 0.023 0.036 0.055
- -
- - -

注: 括号内为t值; ****** 分别代表10%、5%、1%的显著性水平。

- 结论及启示 - 主要研究结论

本文运用SBM-DEA模型,对60个物流枢纽城市2010—2019年的物流业效率进行了测算,从时间与空间的维度对效率值进行分析,并对效率值的收敛性进行研究,得到以下结论:

1. 观测期内中部地区枢纽城市物流业效率快速提升超越东部地区。我国枢纽城市物流产业效率整体显现出分段变速上升趋势,2010—2016年整体呈上升趋势但提升速度较慢,2017—2019年逐年上升且提升幅度较大。东部地区年均效率值最高,其中,广州、深圳、舟山效率值一直为1。但中部地区物流枢纽城市物流效率值上升最快,在2019年底已经超越东部地区,这从枢纽城市的角度突破了既有文献中从省份角度观测到的东部物流一直优于中部的发现。而西部地区枢纽城市物流业效率提升较慢,且与中东部差距逐渐加大。

2.西部地区枢纽城市物流业效率水平是全国枢纽城市物流效率提升的瓶颈。我国枢纽城市物流产业效率值总体偏低,仅达到0.429。其中,东部地区历年物流产业效率平均值均高于全国水平,广州、深圳、舟山三个枢纽城市的物流效率一直处于有效水平;中部地区而言,芜湖、南阳、安阳、岳阳在2019年效率值均为1,这几个枢纽城市物流效率的迅速提升也对中部地区枢纽城市物流效率超过东部地区起到了推动作用;西部地区物流业效率平均值仅为0.205,成为我国枢纽城市物流效率的洼地,制约着我国枢纽城市物流业效率的总体提升。

3.东中部枢纽城市物流业效率追赶效应突出但西部枢纽城市物流业长期分散发展。东部地区物流业效率低的枢纽城市对效率高的城市追赶效应显著,这也致使东部地区不同枢纽城市物流效率差距逐渐缩小,并逐渐趋同于较高水平。中部地区也存在低效率值的枢纽城市向高效率枢纽城市追赶的现象,且区域内各枢纽城市自2017年以来物流业效率实现快速提升且越发趋同,同时,导致前期和后期发展差距较大。但是,西部地区物流业效率较低的枢纽城市不存在向高效率枢纽城市追赶的趋势,同时,区域内各枢纽城市维持于自身稳态水平,物流业差距长期存在。

- 启示

根据研究发现,本文提出如下管理启示:

1.应持续关注枢纽建设对承载城市物流业的影响。物流枢纽建设是优化物流大通道、促进国内国际双循环的关键路径之一。截止到2021年11月,全国已经批准了三批共计70个物流枢纽建设名单,后续将布局建设142个国家物流枢纽。国家物流枢纽建设投资大、时间长,枢纽功能对所在承载城市的物流业效率促进作用尚未全部显现,对枢纽城市物流效率的观测还需要长期跟踪研究。应进一步探讨枢纽建设对城市物流的影响,为枢纽建设和城市物流效率提升提供更加科学的决策依据。

2.正视因物流先导性未有效展现所带来的短期性效率低下。我国物流枢纽承载城市的公路运输基础设施比较健全,但我国产业结构调整以及国内大循环还在持续推进,物流需求还没有得到充分释放,致使枢纽城市物流供给能力得不到充分发挥,枢纽城市物流效率较为低下。建设承载城市各种类型枢纽,及完善以枢纽为关键节点的物流网络体系,将进一步引领物流需求,从而带动物流效率提升。

3.利用骨干流通大通道打破枢纽城市边界限制。骨干流通大通道体系是根据国家区域发展总体战略、长江经济带战略及“一带一路”倡议出台的规划,而我国国家物流枢纽城市是通道中的关键节点。发挥大通道与节点城市之间的纽带功能,强化西部地区枢纽城市之间的关联性,以打破西部枢纽城市之间物流业各自平稳发展的趋势,形成内部追赶效应。进一步,参照在长三角一体化过程中东部地区对中部地区的显著带动作用,中东部地区借助“一带一路”倡议向西发展过程中,应该更多通过在西部枢纽城市实现货源组织和商品输送来带动其物流需求,进而实现枢纽城市的连通和效率提升。此外,政府应有适当的政策倾斜于伊犁、德宏、红河、昆明等外向前沿节点但物流效率值较低的城市,防止西部地区枢纽城市物流效率差距继续加大而影响到全国范围内的收敛趋势。

- XX.XXXX/j.issn.1672-8106.2022.02.013.T004 -

2010—2019年物流枢纽城市物流产业效率值

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
安庆 0.170 0.169 0.159 0.151 0.232 0.243 0.268 0.193 0.283 0.606
蚌埠 0.191 0.186 0.209 0.208 0.238 0.251 0.263 0.205 0.266 0.551
阜阳 0.255 0.229 0.264 0.307 0.363 0.377 0.237 0.162 0.236 0.452
合肥 0.239 0.200 0.184 0.207 0.295 0.243 0.260 0.216 0.361 0.990
芜湖 0.273 0.261 0.271 0.392 0.467 0.411 0.414 0.264 0.389 1.000
安阳 0.337 0.348 0.394 0.340 0.297 0.300 0.281 0.285 0.614 1.000
洛阳 0.214 0.212 0.210 0.206 0.324 0.377 0.428 0.409 0.709 0.759
南阳 0.170 0.174 0.174 0.185 0.232 0.230 0.259 0.240 1.000 1.000
商丘 0.263 0.275 0.254 0.198 0.175 0.157 0.157 0.132 0.302 0.362
信阳 0.140 0.155 0.156 0.190 0.214 0.150 0.174 0.147 0.393 0.421
郑州 0.395 0.341 0.299 0.337 0.480 0.488 0.561 0.566 0.795 0.959
郴州 0.222 0.243 0.233 0.288 0.355 0.370 0.386 0.332 0.472 0.491
岳阳 0.267 0.270 0.279 0.335 0.467 0.456 0.506 0.457 0.722 1.000
长沙 0.243 0.216 0.186 0.230 0.357 0.343 0.375 0.369 0.675 0.784
南昌 0.165 0.163 0.182 0.203 0.401 0.359 0.396 1.000 0.513 0.566
太原 0.266 0.261 0.229 0.332 0.230 0.226 0.250 0.244 0.261 0.539
呼和浩特 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.553 0.534
南宁 0.152 0.138 0.123 0.185 0.245 0.243 0.275 0.231 0.432 0.485
贵阳 0.140 0.156 0.179 0.218 0.320 0.326 0.374 0.337 0.437 0.422
遵义 0.171 0.237 0.197 0.314 0.426 0.519 1.000 0.462 0.259 0.391
西安 0.147 0.154 0.147 0.165 0.233 0.234 0.272 0.267 0.263 0.314
延安 0.141 0.179 0.163 0.093 0.131 0.149 0.178 0.160 0.332 0.250
成都 0.318 0.248 0.226 0.191 0.290 0.290 0.295 0.267 0.354 0.491
伊犁 0.079 0.083 0.073 0.127 0.142 0.174 0.191 0.182 0.175 0.217
大理 0.092 0.095 0.104 0.170 0.135 0.165 0.193 0.169 0.195 0.458
德宏 0.074 0.058 0.051 0.136 0.075 0.084 0.103 0.123 0.169 0.201
红河 0.070 0.073 0.074 0.091 0.104 0.106 0.116 0.106 0.141 0.151
昆明 0.071 0.067 0.064 0.073 0.097 0.091 0.101 0.087 0.121 0.559
西双版纳 0.076 0.075 0.068 0.113 0.128 0.170 0.187 0.140 0.142 0.108
重庆 0.188 0.225 0.180 0.156 0.216 0.194 0.265 0.222 0.395 0.428
北京 0.407 0.418 0.341 0.348 0.534 0.480 0.472 0.486 0.395 0.434
三明 0.262 0.291 0.215 0.265 0.398 0.442 0.503 0.516 1.000 0.378
厦门 0.624 0.774 0.735 0.750 0.795 0.768 0.819 0.885 0.670 0.829
东莞 0.333 0.276 0.367 0.306 0.533 0.518 0.550 0.605 0.716 0.572
佛山 0.377 0.315 0.268 0.263 0.629 0.620 0.705 1.000 1.000 0.400
广州 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
汕头 0.123 0.147 0.146 0.149 0.195 0.199 0.244 0.292 0.401 0.298
深圳 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
湛江 0.204 0.218 0.187 0.201 0.318 0.302 0.335 0.327 0.600 0.496
珠海 0.221 0.179 0.156 0.188 0.273 0.316 0.293 0.310 0.336 0.311
邯郸 0.381 0.418 0.371 0.433 0.505 0.505 0.509 0.489 0.454 0.517
唐山 0.700 0.736 0.634 1.000 1.000 1.000 1.000 1.000 0.882 1.000
连云港 0.194 0.199 0.178 0.287 0.245 0.240 0.247 0.213 0.338 0.452
南京 0.579 0.628 0.592 0.551 0.533 0.437 0.424 0.374 0.456 0.975
南通 0.319 0.327 0.303 0.346 0.489 0.471 0.505 0.452 0.866 0.596
苏州 1.000 1.000 1.000 0.388 0.588 0.571 0.611 0.568 1.000 0.941
无锡 0.266 0.304 0.278 0.310 0.509 0.445 0.510 0.466 0.753 0.797
徐州 0.361 0.406 0.403 0.500 0.738 0.690 0.735 0.470 0.745 0.775
大连 1.000 0.761 0.764 1.000 1.000 1.000 1.000 0.516 0.616 1.000
济南 0.323 0.348 0.310 0.437 0.616 0.605 0.608 0.556 0.842 0.803
临沂 1.000 1.000 0.393 0.222 0.278 0.334 0.378 0.334 0.658 0.568
青岛 0.613 0.574 0.458 0.448 0.708 0.693 0.761 0.728 0.958 1.000
潍坊 0.342 0.280 0.282 0.223 0.266 0.316 0.402 0.367 0.681 0.602
烟台 0.269 0.241 0.187 0.178 0.259 0.252 0.282 0.235 0.479 0.642
上海 1.000 1.000 1.000 1.000 1.000 1.000 0.851 0.755 1.000 1.000
天津 0.807 0.750 0.600 0.558 0.663 0.573 0.573 0.541 0.731 0.706
杭州 0.153 0.160 0.145 0.162 0.284 0.275 0.301 0.269 0.423 0.455
金华 0.114 0.112 0.091 0.103 0.141 0.224 0.197 0.199 0.554 0.763
温州 0.215 0.195 0.200 0.236 0.320 0.318 0.372 0.334 0.369 0.365
舟山 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
- -
- - 参考文献 - - - 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 , 20173712 ): 18051814 . - - - 邢虎松 . 城市物流业规划存在的主要问题及对策 [J]. 北京交通大学学报(社会科学版) , 2020194 ): 110115 . - - - 刘满芝周梅华杨娟 . 基于DEA的城市物流效率评价模型及实证 [J]. 统计与决策 , 2009 ,( 6 ): 5052 . - - - 张中强 . 我国东部地区区域物流发展效率分析——以我国东部31个地市级地区为例 [J]. 中国社会科学院研究生院学报 , 2012 ,( 1 ): 7781 . - - - 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 , 2013275 ): 7074 . - - - 钱吴永祁尖? . 基于节点城市的物流产业效率与经济增长协同发展测度研究 [J]. 工业技术经济 , 2018375 ): 1928 . - - - 王东方董千里? . 中国城市物流发展空间结构演化及影响因素 [J]. 北京交通大学学报(社会科学版) , 2019184 ): 125139 . - - - 杨扬李莉诗? . 国际陆港城市物流能力与社会经济发展协调评价——以昆明市为例 [J]. 北京交通大学学报(社会科学版) , 2019183 ): 129137 . - - - 刘明杨路明? . 区域物流的产业效率、空间互动与协调发展——基于全国277个地市级城市的数据实证 [J]. 中国流通经济 , 2019338 ): 3444 . - - - 张林姚进才王钦 . 发展物流产业助推区域经济增长的协同凝聚研究——基于国家物流枢纽城市面板数据 [J]. 城市发展研究 , 2021285 ): 16 . - - - 黄由衡唐岚 . 物流枢纽建设对承载城市经济增长的影响——基于40个国家物流枢纽城市的面板数据分析 [J]. 物流科技 , 2021449 ): 103106+110 . - - - - CHARNES A , - COOPER W , - RHODES E . Measuring the efficiency of decision making units [J]. European Journal of Operational Research , 197826 ): 429444 . - - - 刘翠萍李武 . 中国物流产业效率评价文献综述——基于数据包络分析法 [J]. 中国流通经济 , 20163011 ): 1221 . - - - 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 ): 178179 . - - - - CHURCHILL S A , - INEKWE J , - IVANOVSKI K . - Stochastic convergence in per capita CO 2 emissions: Evidence from emerging economies, 1921—2014 [J]. Energy Economics , 202086 . - DOI: 10.1016/j.eneco.2019.104659 . - - - 林光平龙志和吴梅 . 中国地区经济σ-收敛的空间计量实证分析 [J]. 数量经济技术经济研究 , 2006 ,( 4 ): 1421+69 . - - - - PHAM M D , - ZELENYUK V . Slack-based directional distance function in the presence of bad outputs: theory and application to Vietnamese banking [J]. Empirical Economics , 2018541 ): 153187 . - - - - TONE K . A slack-based measure of efficiency in data envelopment analysis [J]. European Journal of Operational Research , 20011303 ): 498509 - - - - HUANG J , - ZHENG X , - WANG A et al . Convergence analysis of China’s energy intensity at the industrial sector level [J]. Environmental Science and Pollution Research , 2019268 ): 77307742 . - - - - SUN H , - KPORSU A K , - TAGHIZADEH-HESARY F et al . Estimating environmental efficiency and convergence: 1980 to 2016 [J]. Energy , 2020208 . - DOI: 10.1016/j.energy.2020.118224 . - - - 周宾? . 区域经济高质量发展的驱动力效率分解与TFP变化收敛性分析 [J]. 经济与管理评论 , 2020362 ): 133148 . - - - 杨琛? . 中国工业生态效率时空差异及收敛性分析 [J]. 宏观经济研究 , 2020 ,( 7 ): 106113+137 . - - - - XU H , - WANG Y , - LIU H et al . Environmental efficiency measurement and convergence analysis of interprovincial road transport in China [J]. Sustainability , 20201211 ). - DOI: 10.3390/su12114613 . - - - 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 , 2018388 ): 108115 . - - - 张璇杨雪荣王峰 . 新丝绸之路经济带物流效率评价——基于三阶段DEA实证分析 [J]. 学习与实践 , 2016 ,( 5 ): 2132 . - - - 戢晓峰刘丁硕 . 物流产业效率与交通优势度耦合协调水平测度——以中国36个主要城市为例 [J]. 城市问题 , 2019 ,( 2 ): 6168 . - - - 唐建荣杜娇娇唐雨辰 . 环境规制下的区域物流效率可持续发展研究 [J]. 经济与管理评论 , 2018345 ): 138149 . - - - 牛晴晴张宁 . 基于数据包络分析的山东省17城市物流效率分析 [J]. 物流技术 , 2017368 ): 108111 . - - - 梅国平龚雅玲万建香等? . 基于三阶段DEA模型的华东地区物流产业效率测度研究 [J]. 管理评论 , 20193110 ): 234241 . - - - 臧新陆俊杰 . 我国物流业能源效率的地区差异及影响因素——基于DEA-BCC模型的实证研究 [J]. 北京交通大学学报(社会科学版) , 2018173 ): 101111 . - - <p>附页:</p> </app> </app-group> - <fn-group> - <fn fn-type="other" specific-use="citation-format"> <p>刘宏伟,杨荣璐,石红娟.物流枢纽城市物流业效率时空差异及其收敛性[J].北京交通大学学报(社会科学版),2022,21(02):122-133.</p> </fn> - <fn fn-type="other" specific-use="citation-format" xml:lang="en"> <p>LIU Hong-wei,YANG Rong-lu,SHI Hong-juan.The Spatial and Temporal Difference of Logistics Industry Efficiency in Logistics Hub Cities and Its Convergence[J].Journal of Beijing Jiaotong University(Social Sciences Edition),2022,21(02):122-133.</p> </fn> </fn-group> </back> </article></TD> </TR> <TR> <TD height=10></TD> </TR> </TABLE> </BODY> </HTML>