二、京津冀物流通道效率评价

对京津冀物流通道效率评价具有重要意义，既有利于当地政府对京津冀区域物流通道效率水平进行判断，从而为京津冀区域政府制定物流通道相关发展政策提供依据；又有助于区域物流通道效率的提升。通过对区域内物流通道效率值的测算，分析效率影响因素等，为效率提升提供方向，从而提升区域内物流业服务水平，为其他产业发展提供保障，促进区域经济的发展。依据《“十三五”现代综合交通运输体系发展规划》中所展现的综合运输大通道和综合交通枢纽示意图可清晰看出京津冀区域的物流通道走向及通道节点城市。此外，结合《河北省综合交通运输体系发展“十三五”规划》中关于京津冀区域的物流通道规划，这里将区域内的“北京—（保定）—石家庄、石家庄—（邢台）—邯郸、北京—天津、北京—唐山、唐山—秦皇岛、石家庄—天津”“三横三纵”6条主要物流通道作为研究对象，通道所经过的节点城市有北京、天津、石家庄、唐山、秦皇岛、邢台、保定、邯郸8个城市。以2008—2018年京津冀区域内6条主要物流通道相关数据为基础进行效率值的计算，并分析效率变化的因素，从而找到物流通道效率提升路径。

（一）评价物流通道效率的意义

1．通道效率的界定

目前关于物流通道的概念，业界还未形成统一的定论，基于《推动物流大通道建设行动计划（2016—2020年）》《国家物流枢纽布局和建设规划》等相关政策及相关文献[1-3]，结合项目小组前期的研究成果等将其定义为：由两条及以上且方向一致、距离相近、货物流动强度较大的运输干线，沿线城市重要的节点，维持物流通道正常运行的设备和信息支持线路组成的系统。

生产效率是指固定投入数量下，实际产出偏离最大产出的程度，或者固定产出数量下，实际投入偏离最小投入的程度，主要反映生产资源实际配置与有效配置状态的对比关系。生产效率值也可反映出达到最大产出、预定目标或是最佳营运服务的程度，一般用于生产制造业。借鉴已有研究，将物流通道效率定义为物流通道系统提供生产性服务时，在固定投入数量下，实际产出偏离最大产出的程度，或者在固定产出数量下，实际投入偏离最小投入的程度，主要反映资源实际配置与有效配置状态的对比关系。因此对于物流通道效率的计算可以从两个方面着手：第一，基于产出角度测算的效率，指假定投入确定下的产出可能拓展程度；第二，基于投入角度测算的效率，指假定产出确定下的投入可能减少的程度，由此来提高资源配置效率。

2．效率评价的意义

评价物流通道效率对物流通道的建设具有指导意义。物流通道建设对于提升物流业服务水平、推动区域经济发展、保障国家重大战略的实施等具有重要作用。因此，物流通道效率的评价对提升物流业服务水平、推动区域经济发展、保障国家重大战略的实施具有间接作用。

早在2009年国务院颁布的《物流业调整和振兴规划》中就提到，建设十大物流通道和其他几个物流子系统构成我国物流业布局。2015年5月，商务部等十部门联合印发《全国流通节点城市布局规划（2015—2020年）》，确定了2015—2020年“三纵五横”的全国骨干流通大通道体系。2016年12月，交通运输部联合国家发展改革委印发了《推动物流大通道建设行动计划（2016—2020年）》，指出推进物流大通道建设是适应经济新常态的客观要求，是提升综合运输整体效能的重要手段，是支撑国家三大发展战略的有力举措。此外，2018年12月21日国家发展改革委印发了《国家物流枢纽布局和建设规划》，其中提到要加强宏观层面的系统布局，统筹考虑国家重大战略实施，结合“十纵十横”交通运输通道和国内物流大通道基本格局，选择127个具备一定基础条件的城市作为国家物流枢纽承载城市，规划建设212个国家物流枢纽。

（二）物流通道效率的主要影响因素

1．政策支持的影响

近十年来，国家颁布多条与物流通道相关的政策和法规来支持和规范物流通道的建设。2009年国务院颁布的《物流业调整和振兴规划》中提出了九大物流区域、十大物流通道和一批物流节点城市构成我国的物流业布局。这是我国首次提出十大物流通道的说法，此后关于物流通道的相关政策逐渐增多，其中具有代表性的是在2015年12月8日，国家发展改革委和交通运输部联合发布《京津冀协同发展交通一体化规划》，其中提出扎实推进京津冀地区交通的网络化布局、智能化管理和一体化服务；在2016年12月，交通运输部联合国家发展改革委印发了《推动物流大通道建设行动计划（2016—2020年）》，其中指出推进物流大通道建设是适应经济发展的客观要求，是提升综合运输整体效能的重要手段，是支撑国家三大发展战略的有力举措。

为了实现国家经济发展、物流业发展的目标，相关政府部门以及市场对物流通道的建设将提供更多资源。京津冀地区为支持即将在北京和张家口举办的2022年冬奥会和雄安新区的建设发展，将会吸引更多相关资源聚集，这对于提高物流通道效率具有重要意义。

2．经济发展的影响

京津冀地区作为北方最大的经济区域，经济发达且人均收入高。随着人均收入水平的增高，城镇居民人均消费支出也在逐年增加且一直高于全国平均数值。经济与物流业的关系是相互促进的。一方面，区域经济需要高质量的物流服务来支撑其发展；另一方面，区域经济的繁荣会带动区域物流业的发展，不但有对基础设施的带动而且还有对物流需求量的带动。京津冀经济的发展尤其是电子商务的迅猛发展，以及区域内居民消费支出的增长，带来了快递业务量等物流需求的增长（以快递业务量为代表），势必引起区域内物流通道利用率的上升，货运量、物流增加值的增加，间接对物流通道效率造成影响。由图1-2可知，京津冀地区以及全国快递业务量都在逐年上升；三省市的快递业务量占全国快递业务量的比例达10%左右。

3．技术进步的影响

随着科学技术、高新技术（大数据、云计算、人工智能、物联网等新技术）在物流行业的广泛应用，推动物流行业从一个劳动密集型产业逐渐向技术密集型产业转变，使物流服务呈现数字化、自动化、智能化、共享化等特点。

技术的进步主要体现在高科技设备的应用，高科技设备的应用一方面降低了物流运营成本，另一方面也提升了物流服务质量。作为物流子系统的物流通道也得益于各种高科技设备的使用，不仅为通道降低成本，也为通道提升了服务质量，带来更好的客户体验。以快递业为例，由于数据分单、数据派单等技术的应用，推动快递业实现了作业环节和路线管控的智能化，结合物流地图实现了路线动态优化，提升了快件的转运效率。

4．产业转移的影响

交通基础设施对区域经济集聚具有重要作用。一方面，物流通道作为交通运输基础设施的骨干，与交通基础设施一样必然对沿线区域的产业和经济发展产生重要影响；另一方面，物流通道的形成受到区域内产业发展的需要驱动。因此，部分对物流通道具有需求的产业发生转移，造成物流通道上货运量、物流增加值、后期建设投资等资源的变化，从而使区域物流通道效率发生改变。

（三）物流通道效率评价方法选择及指标选取

1．物流通道效率评价方法

多数学者对物流业效率的研究方法主要集中在DEA（数据包络分析法）、SFA（随机前沿法）、因子分析[4-6]等方法上，其中数据包络法使用频率更高、范围更广、适用性更强。在中国知网文献库以“效率分析”为关键字搜索到相关中外文献32 830篇，通过知网对搜索的结果进行计量可视化分析发现，主题分布第一名是DEA；以“物流效率评价”为关键字搜索到相关文献569篇，同样对搜索结果进行计量可视化分析发现主题分布排名第一仍是DEA，说明该方法适用性较强，研究较为成熟。

通过对比以上几种评价方法发现，DEA更加适用于物流通道的多投入多产出的特点。DEA主要的优点是：可用于多项投入与多项产出的效率评估，不受投入产出量纲的影响，通过一组关于输入-输出的观察值来估计有效生产前沿面。它不但可以用线性规划来判断决策单元对应的点是否位于有效生产前沿面上，还能获得许多有用的效率改进信息。因此，本书选用DEA的基本模型及扩展模型来测算京津冀区域物流通道效率，并从动态和静态两个角度进行结果分析，给出相应的效率改进的建议。这里选取了使用频次较高的两种效率评价方法做对比，详情见表1-6。

（1）DEA-CCR模型。该模型由A.Charnes、W.W.Cooper和E.Rhodes于1978年提出，通过线性规划和统计数据确定相对有效的生产前沿面，将各个决策单元投影到DEA的生产前沿面上，并通过比较决策单元偏离DEA前沿面的程度来评价具有多投入和多产出的各个决策单元运行的效率，基本模型有CCR和BCC等。DEA-CCR模型假设规模收益不变，这一假设表明被评价决策单元可以通过增加要素投入来等比例地扩大产出规模。基于投入角度的DEA-CCR模型如下：

式（1-1）中，x_t、y_t分别为第t个决策单元的投入、产出指标；λ_k为各决策单元投入、产出变量的权重系数；ε为非阿基米德无穷小量，通常取极小的正数，它确保了投入与产出权重为正值。eT为单位行向量；θ为第t个决策单元的综合效率（即技术效率）；s-，s＋分别为第t个决策单元投入的松弛向量和产出的紧缩向量。

若第t个决策单元的综合效率值θ＝1，且s-，s＋全为0，则认为第t个决策单元为DEA有效，即该决策单元产出与投入相匹配，投入量不宜再增加或减少；

若第t个决策单元的综合效率值θ＝1，且s-，s＋有一个不为0，则认为第t个决策单元为DEA弱有效；

若第t个决策单元的综合效率值θ<1，且投入、产出松弛向量s-，s＋不全为0，则该决策单元为DEA无效，即用更少的投入即可达到现有的产出。

（2）DEA-Malmquist指数模型。Malmquist指数也称为DEA-Malmquist指数，是由瑞典统计学家Malmquist提出，并以其名字命名的指数。该指数用于研究时间序列的生产率变化，是对传统DEA模型的优化。该指数以产出为导向，假设规模报酬可变。计算公式如下：

其中，分别表示第k个决策单元在t和t＋1时刻的投入向量，分别表示第k个决策单元在t和t＋1时刻的产出向量，，与分别表示第k个决策单元在t和t＋1时刻的技术距离。基于产出、规模报酬可变的角度应用DEA-Malmquist指数模型对京津冀区域的物流通道服务效率进行时间序列的计算与分析。

2．通道效率评价指标的选取

适当的投入指标以及产出指标的选取在DEA评价中占有重要地位。通常要遵循以下原则来对DEA指标进行选取：①要求选取的决策单元具有相同的目标和任务，具有相同的投入和产出；②投入指标与产出指标之间需要互相关联；③所选指标的数值存在且为正值；④指标数量要少但要概括表达，决策单元的个数要大于等于投入产出指标个数之和的两倍左右。

在前人研究的基础上，初步选取货运量、物流增加值2项产出指标；公路里程、固定资产投资、物流从业人员、宽带接入户数、民用汽车保有量、授权专利数等6项投入指标。并对2个产出指标和6个投入指标分别进行相关分析，结果表示大部分指标之间有显著的相关关系，见表1-7。投入指标和产出指标满足DEA相关约束条件，可进一步展开应用研究。

DEA方法一般要求决策单元的数量要大于或等于投入产出指标数量之和的两倍左右。鉴于数据可得性，决策单元不多和候选指标数量较多，因此要对投入产出指标进行提取，选择可以充分代表决策单元效率的投入产出指标来对决策单元进行有效性评价。Pastor[7]等人在严格的数学证明和推导的基础上提出了在评价中较为有效的指标筛选方法，称为Pastor方法，从拟确定的投入产出指标中选出最具代表性的指标。近年来，这种方法已经在很多有效性的评价中使用[8-12]，按照该方法，运用CCR模型测算不同指标组合下物流通道的综合效率（技术效率），根据效率变化情况判断指标去留。该方法主要分为5个步骤。

第一，根据相关性最强的不大于两个的投入指标与不大于两个的产出指标建立基础模型，计算效率值。本研究只有两个产出指标，因而不用计算其相关性，投入指标较多，计算两两相关系数即可。投入指标的相关性结果见表1-8，从表中可以看出，固定资产投资和物流从业人员的相关性最强，因而选择这两个指标作为基础模型的投入指标。

第二，增加一个变量到基础模型中，重新计算每个决策单元的效率。定义η_i为第i个物流通道在两个模型中效率变化的百分比，若η_i接近0，说明新添加的指标对效率值没产生显著影响。根据给出的判断标准，当｜η_i｜>0.1时，增加的指标对物流通道的效率产生显著影响，这个指标就要添加到模型中。按照这个标准，第一步在基础模型（M1）中，依次引入剩下的四个投入指标建立M2-M5模型，并与基础模型（M1）进行比较，计算M2-M5中｜η_i｜>0.1的样本百分比，发现引入指标宽带接入户数M3中效率变化的样本比例最大为36.36%，由此，M3为第二步的基础模型。

第三，第二步以M3为基础模型，重复第一步的做法，发现引入指标公路里程的M6中通道效率改变的样本比例最大为28%，因此M7为第三步的基础模型。

第四，第三步以M6为基础模型重复第一步，通道效率变化｜η_i｜>0.1的样本比例为9.1%，根据Pastor的判断标准，若不存在15%以上的样本效率变化大于0.1，则新增指标对于模型产生的改变可以忽略，该指标就没有必要添加到模型中，初步确定M6为DEA评价模型。

第五，由于数据可得性等其他原因本研究中仅有11个决策单元，一般要求决策单元的数量要大于等于投入产出指标数量之和的两倍左右，前文已经选好2个产出指标，因此投入指标可选取3或4个，经过Pastor方法计算得出的投入指标为4个，较为符合要求，因此，将M6作为最终的评价模型，筛选过程见表1-9，最终确定的评价指标体系见表1-10。

3．数据来源及指标说明

由于我国城市物流统计制度尚未完善，所以采用物流领域常用指标——交通运输、仓储和邮政业的相关数据进行数据分析。选用基于面板数据的2008—2018年年投入产出数据研究京津冀区域内6条主要物流通道的效率及变化特征。数据来源于2008—2019年《中国城市统计年鉴》、各城市《统计年鉴》、各城市《统计公报》《中国统计年鉴》等6条主要物流通道主要枢纽城市和2个物流通道经过的节点城市数据。固定资产投资、物流从业人员都是指交通运输、仓储邮政业内的，代表通道内的人力资本和物资资本投入情况；宽带接入户数代表物流通道区域内信息化水平。此外，产出指标中的货运量主要是指京津冀地区各通道的公路货运量，因为京津冀区域内河航运不发达，航空和海运更多是联系区域之外的运输方式，公路是区域内的主要物流运输方式。

（四）物流通道效率评价及结果分析

1．基于CCR模型的静态效率分析

本部分基于空间维度对京津冀区域6条主要物流通道效率进行测算。以北京—（保定）—石家庄、石家庄—（邢台）—邯郸、北京—天津、北京—唐山、唐山—秦皇岛、石家庄—天津6条主要物流通道2008—2018年11年的投入产出指标数据为基础，将年份作为决策单元，应用计算软件DEAP2.1基于产出角度的规模效率可变来进行效率测算，具体计算结果见表1-11。

由表1-11可看出，京津冀地区6条主要物流通道11年以来的综合效率情况。对比计算发现各条通道效率值都很高，70%以上的决策单元的效率值都大于0.9，说明区域内物流通道投入资源得到了相对有效利用，通道配置能力较强；由图1-3可知，京津冀6条主要物流通道在2008—2018年之间的平均效率值及其排名，排名由高到低分别是：石家庄—天津、石家庄—（邢台）—邯郸、唐山—秦皇岛、北京—天津、北京—唐山、北京—（保定）—石家庄。从图中可看出与通道节点北京相关的物流通道效率值相对较低，均在最后三位，通过效率分解与相关政策研究分析，可能的原因是北京市产业转移造成众多物流需求量较大的工业、服务业向外搬迁，从而带来的物流需求量损失，造成规模效率的下降，最终导致与北京枢纽城市相关的物流通道效率值的降低。

2．基于Malmquist指数模型动态效率分析

同时，基于时间维度以2008—2018年各物流通道投入产出数据，通过运用Deap2.1软件计算Malmquist指数模型的结果，探究以产出为导向，各物流通道在规模报酬可变情况下的全要素生产率指标。

表1-12反映了2008—2018年6条主要物流通道全要素生产率的变化情况。由表可知京津冀区域内6条主要物流通道全要素生产率指数全都小于1，表明物流通道全要素生产率呈现递减现象，各通道分别下降7.4%、14%、3.8%、4.5%、9.9%和5.1%，区域内物流通道技术进步指数全都小于1，说明区域内物流通道技术进步速度降低。此外，区域内6条主要物流通道出技术效率都等于1，而技术效率＝纯技术效率×规模效率，区域内物流通道技术效率指数的变化主要是由规模效率指数引起的。由表可知区域内只有“北京—天津、北京—唐山、唐山—秦皇岛”3条物流通道的规模效率大于等于1，且技术效率大于等于1。技术效率值表示对生产前沿面[13]的追赶程度，若该值大于1，表示生产更接近生产前沿面，利用技术的能力有所提高。因此，京津冀区域内“北京—天津、北京—唐山、唐山—秦皇岛”3条物流通道利用技术的能力相比其他通道有所提高。

表1-13反映各年份全要素生产率变化情况。其中，除了（2013—2014年）的其他年份全要素生产率均处于下降状态，该现象主要由技术进步的降低引起；（2013—2014年）物流通道全要素生产率实现唯一高增长10.2%，区域内11年间大部分技术效率接近于1，其中共有6年技术效率大于等于1。技术效率的提升表示该年份物流通道利用技术的能力有所提高，2008—2018年的技术效率提升主要是由于规模效率引起。

3．效率评价结果的讨论

本部分的研究是基于对物流通道效率定义、影响物流通道效率因素分析的基础上进行效率评价。运用DEA的基本模型和Malmquist指数模型基于2008—2018年的投入产出数据对京津冀区域内6条主要物流通道效率进行评价。首先使用Pastor方法进行指标选取，选出主要的四个投入指标：公路里程、固定资产投资、物流从业人员、宽带接入户数。然后，使用DEA的基本模型和Malmquist指数模型进行效率计算。

基于CCR模型的物流通道效率值对比分析发现，京津冀区域内6条主要物流通道效率值在空间上呈现：①2008—2018年的平均物流通道效率排名由高到低分别是：石家庄—天津、石家庄—（邢台）—邯郸、唐山—秦皇岛、北京—天津、北京—唐山、北京—（保定）—石家庄；②效率值最高的通道是“石家庄—天津”，主要是由于“石家庄—天津”物流通道处于全国11大物流通道的沿海通道，连接的物流节点天津港物流货运量大，物流技术水平高等因素；③效率最低的通道是“北京—（保定）—石家庄”主要是由于物流通道长度过长，投入指标——公路里程数量较大；④发现效率最低的三条通道均有物流节点城市——北京。

基于Malmquist指数模型对京津冀区域6条物流通道的效率进行时间动态研究发现：①2008—2018年6条物流通道全要素生产率指数全都小于1，物流通道全要素生产率呈现递减现象，且区域内物流通道技术进步指数全都小于1，说明区域内物流通道技术进步速度降低。②除了2014年的其他年份全要素生产率均处于下降状态，此现象主要由技术进步的降低引起，2014年物流通道全要素生产率实现唯一高增长10.2%。