物流业全要素生产率研究综述

Abstract： The logistics industry as an important part of our country's economy and the new profit growth point， with the deepening of the logistics practice and theory research in China， the logistics industry in recent years， total factor productivity measurement problem caused the wide attention of scholars. Paper from the logistics industry research objects and the calculation method of the total factor productivity， input and output index， influence factors and development trend as well as logistics total factor productivity under the restriction of resources and environment were reviewed existing research literature， analyzes the problems existing in the existing research， prospects the total factor productivity of logistics industry in the future research direction.

Key words： logistics industry； total factor productivity； review

R.M.Solow最先提出全要素生产佛山到沧州物流率（Total Factor Productivity，TFP），用来解释经济增长中不能被劳动、资本解释的部分，通过“索洛余值”法Denison测算了全要素生产率增长率。20世纪80年代后，Dale W. Jorgenson采用超越对数生产函数形式对生产率进行度量，实现了测算TFP时投入要素的准确测量[1]。物流业作为我国经济的重要组成部分和新的利润增长点，随着我国物流实践和理论研究的深入，如何准确测度我国物流业全要素生产率问题也引起了学者的广泛关注，涌现出了一批研究成果。

1 物流业全要素生产率（TFP）的研究对象和计算方法

1.1 研究对象

由于我国统计体系中没有专门的物流业数据，而现有统计体系中与物流业高度相关的数据是交通运输仓储业和邮电业，所以学者们选择物流业全要素生产率的研究对象主要是两种情况：

一是以中国整体或部分省市的交通运输仓储业和邮电业为对象。例如，杨杰、宋马林[2]分析中国30个行政区域物流业相关数据，表明中国各地区物流业全要素生产率呈上升趋势，技术效率是物流业全要素生产率增长的主要驱动力。谢长伟、张冬平[3]研究河南省物流业数据，表明FDI对物流业生产率的溢出机制主要通过对技术进步的提升表现出来。余思勤、蒋迪娜、卢剑超[4]运用交通运输业数据测量交通运输业生产率，表明整个交通运输业除个别年份外呈规模效率递增态势，运输业具有明显的规模经济特征。刘玉海、林建兵、翁嘉辉[5]分析中国道路运输业营运效率，表明道路运输业的技术进步和营运效率的增长机制存在一定程度的不稳定性。

二是以部分上市物流公司为对象。例如，庄玉良、吴会娟、贺超[6]测算16家物流上市公司静态效率值，表明我国物流业TFP平均增长率为4.7%，技术进步与创新是生产率提升的主要原因。景保峰、周霞、胡爱嫒[7]对中国沪深两市18家上市物流公司技术效率进行动态测度，表明资本和管理要素投入对产出的影响显著，具有规模经济性，人力资源投入的影响相当弱。胡慧嫣[8]对广东6家上市物流企业的全要素生产效率进行研究，发现广东物流企业生产效率呈下降趋势，其中技术变动是影响广东物流企业效率下降的主要因素。姜羡[9]以15家上市物流企业作为样本，研究发现我国物流企业经营绩效DEA有效性总体而言偏低，影响物流企业经营绩效产出不足主要表现为净利润产出较低。

1.2 计算方法

以往研究物流业TFP多选取增长核算法，目前则多采取生产前沿面法和指数法，数据包络分析法（Data Envelopment Analysis，DEA）无须假设具体生产函数形式，还能处理多投入多产出决策单元的情形。用拓展过的基于DEA的Malmquist生产率指数法与以往的方法比较有如下优点：无需假定生产成本最小化，同时能将全要素生产率提高分解成资源配置效率、规模效率、技术水平的提高[10]。大多数专家认为我国物流业TFP增长主要起源于TP，TE的负增长严重制约了TFP的增长，物流业TFP与物流业TP保持同步。

雷勋平、吴杨[11]等运用DEA-Malmquist方法对安徽省区域物流业全要素生产率进行实证研究，结果表明安徽省各市物流业普遍存在规模无效率。朱莹莹[12]运用基于随机前沿生产函数的非参数Malmquist指数法估算甘肃省近10年物流业全要素生产率变化情况，表明技术进步是推动甘肃省物流业全要素生产率增长的主要推动力量。甘卫华、许颖[13]等运用数据包络法DEA静态分析江西省物流业全要素生产率，发现江西省大部分地区物流业属于DEA非效率，大部分地区物流业资源配置没有达到最优状态。高腾[14]利用DEA方法分析我国物流业效率，发现我国物流业处于规模报酬递增阶段，纯技术效率偏低导致物流技术效率较低，经济发展水平与物流效率无关。钟祖昌[15]采取三阶段DEA方法分析我国31个省、市、自治区物流产业运营效率，显示如果外部环境和随机因素的影响不加以控制，各省市纯技术效率值被低估，规模效率值被高估，导致综合技术效率被低估。 2 物流业全要素生产率研究中的投入产出指标

广义物流业TFP测算中，产出主要用物流业增加值、物流业生产总值、货物周转量、货运量等指标，投入主要用物流业从业人数、资本存量、固定资产投资额、公路里程等指标，这些指标数据在统计年鉴中都能很容易地获得。

例如，田刚、李南[16]选用资本存量和物流业年平均从业人数作为物流业投入量指标，选取货物周转量为产出指标，应用SFA分析物流业TFP，结果表明资本投入对技术进步的促进作用在减弱。高慕瑾[17]选取交通运输、仓储和邮政服务业从业人员人数，交通运输、仓储和邮政服务业固定投资额和等级公路线路长度作为投入指标，物流业产值、交通运输货运量和货运周转量为产出指标，运用DEA测算陕西省物流业效率，结果表明陕西省物流业的规模报酬递减，应加强资源管理。张毅、牛冲槐[18]选取国内生产总值、居民消费能力、固定资产净值和从业人员数为投入指标，货运珠海到四平物流量、货运周转量和物流业产值为产出指标，对东部十省市物流业生产率指数进行测度，结果显示环渤海大多数地区物流业的技术效率更接近共同技术前沿，规模效率提高不显著，规模效率改善和技术进步是生产率指数提高的关键。杨沛[19]选用物流业从业人数、固定资本投入为自变量，物流业增加值为因变量，选用超越对数前沿生产函数模型计算我国物流业全要素生产率，结果表明物流业全要素生产率增长主要来自技术进步的贡献。

3 物流业全要素生产率的影响因素和发展趋势

关于影响物流业全要素生产率的因素，胡玉洲[20]认为贸易开放度、人力资本和通货膨胀率对物流产业全要素生产率有显著影响，更加开放的贸易环境、更高的人力资本和更低的通货膨胀率有利于提高物流产业全要素生产率。丁茹[21]认为五个主要因素影响江西物流产业全要素生产率，教育发展水平、地区产业结构和对外开放水平对全要素生产率提升有显著促进作用，政府干预程度对全要素生产率提升具有十分显著的抑制作用，而宏观经济水平对地韶关到廊坊物流区物流业全要素生产率提升并无太大联系。欧阳小讯、黄福华[22]认为中国物流生产具有规模报酬递减的性质，物质资本与劳动力仍是物流产出的主要源泉，但人力资本的产出作用在逐渐增强。李朝敏[23]测算1978～2009年中国物流业物质资本存量、人力资本存量和人力资本水平，构建物流业经济增长模型，发现人力资本在物流业经济增长中发挥着非常重要的作用。

关于物流业全要素生产率的发展趋势，孙金刚、牛大

山[24]发现我国绝大多数省份物流行业全要素生产率在2002年和2003年有不同程度的下降，东、中、西部地区物流行业全要素生产率有收敛趋势，且东、中部物流行业全要素生产率差距不明显，但西部地区和东、中部地区仍存在较大差距。邓学平[25]发现我国物流企业生产率的个体差异较大，缺乏有效的市场淘汰机制，我国运输仓储类企业生产率总体发展趋势不错，而港口经营类企业不容乐观，总体而言我国物流企业发展趋势较好，整体效率提高0.4%。王健、梁红艳[26]认为中国物流业TFP不断提高，技术进步是TFP增长主要源泉，技术效率相反起到了阻碍作用；物流业增长中要素投入比TFP的贡献更大，区域经济一体化进程中的基础设施重复建设对物流业TFP造成显著的负向影响，空间分布上TFP增长及其分解存在区域差异性，全国范围内TFP存在绝对收敛特征。

4 资源、环境约束下的物流业全要素生产率研究

随着我国对资源环境的重视，资源、环境约束下的物流业全要素生产率研究也逐步增多。例如，徐喜辉、特日格勒、李卓霖[27]从低碳约束角度出发，将物流业碳排放量作为投入变量，同时考虑经济产出和环境保护，运用DEA模型对我国省级物流业效率进行系统研究，大部分省市存在资源浪费现象，纯技术效率是提高物流业效率的关键因素，能源结构对物流业效率呈负相关。陈洁[28]基于中国30个省区物流业面板数据，应用环境DEA技术和方向距离函数方法，对碳强度约束下中国物流业全要素生产率的增长来源于区域差异进行实证分析，结果表明碳强度约束下的物流业生产率指数与碳强度目标吻合，物流业全要素生产率改进，碳强度下降；物流业生产率的提升主要依赖物流技术进步和创新。王维国、马越越[29]基于方向距离函数的Malmquist-Luenberger生产率指数方法，对环境约束下中国30个省级地区物流业全要素生产率增长及其成分进行重新估算，研究发现忽视非期望产出的传统Malmquist指数方法会低估物流业技术效率水平、高估物流业技术进步指数和全要素生产率指数，环境约束下我国物流业全要素生产率指数年均增长率呈现下降趋势。

5 结论及展望

从现有研究看，物流业全要素生产率已成为近年物流业的一个研究热点，研究成果不断增多，但在以下几个方面还有待进一步探索。

第一，已有研究基于数据收集的便利性，大多选择中国整体或部分省市的交通运输仓储业和邮电业或上市物流公司为对象展开分析。然而，物流产业是一个综合性产业，仅仅一个交通运输仓储业和邮电业或若干个物流业上市公司无法代表物流业全部。所以，如何将国民经济中的物流产业准确界定出来，并考虑到数据收集的可行性，是今后包括物流业全要素生产率在内的物流业定量研究面临的一个重大问题。

第二，我国区域发展差异大，已有研究多是针对国内部分省市或上市物流公司展开，研究结论无法揭示物流业全要素生产率的一般规律。今后要更多地开展区域间、省际间以及国际间物流业全要素生产率的比较研究，探讨促进物流业全要素生产率提高的真正因素所在。欧美发达国家物流业效率高，将国内效率低下的物流业与欧美发达国家高效率的物流业结合到一起进行对比分析，有助于找出国内物流业发展与欧美国家的差距及差距产生的原因，明确影响物流业全要素生产率的关键因素，学习国外经验，使国内物流业更好更快地发展。

第三，在物流业全要素生产率测算时的相关指标选择上，学者根据自己的理解和数据获取的便利性主要用物流业增加值、物流业生产总值、货物周转量、货运量、物流业从业人数、固定资产投资额、公路里程等指标，但这些指标能否准确代表物流业发展很值得商榷。哪些指标能有效代表物流业？测算物流业全要素生产率应选择哪些指标？这些问题会随着我国物流业的发展、行业标准和统计体系及规范的完善而得到逐步明确，这也是整个物流业持续健康发展的需要。 第四，在物流业全要素生产率的计算方法上，现有研究采用的有基于DEA的非参数Malmquist法、基于随机前沿生产函数的非参数Malmquist指数法、数据包络法（DEA）、Malmquist生产力指数法、三阶段DEA方法等。这些方法各有优缺点，很难分出孰优孰劣。例如，就DEA方法来说，DEA的评价结果不会被人为因素影响，不需要对参数进行预先估计，不需要考虑量纲影响，可以有效避免主观因素影响而具有很强客观性。该方法有助于简化计算、减少误差等，但同时这也体现了该方法的局限性。因为其计算完全依赖客观数据，以致无法考虑决策者偏好，造成很多与实际情形不符的情况。在物流业全要素生产率的计算方法上，仍然还有很多需要探讨的方面。今后研究物流业生产率时，可将几种方法结合在一起进行对比，根据研究结果与实际情况的符合程度判断哪种方法的测度更加准确有效。

第五，目前可持续发展的观念深入人心，社会对资源和环境的重视程度日益提高。物流业对资源和环境也有着重要影响。因此，资源和环境约束条件下的物流业全要素生产率研究将会是未来一个重要研究方向，现有研究还比较薄弱。

第六，对于物流业全要素生产率发展趋势的分析，现有学者仅仅是通过分析物流业相关数据，得出物流业全要素生产率是收敛或发散的结论，但对收敛或发散的条件及原因的分析却较为匮乏。一个地区的物流业全要素生产率为什么收敛或发散？收敛或发散的条件是什么？这些将成为今后物流业全要素生产率研究中的一个重点。