第四节 国内外研究动态与文献综述

一 国外物流效率与生产率研究现状

早期国外研究物流效率的成果主要以分析交通运输业效率为主，近年来随着物流产业的快速发展和其重要性的逐步凸显，对物流效率问题的研究也渐趋增多。

伦纳和特伯（Renner ＆Tebbe,1998）的调研结果发现企业选择物流业务外包的主要目的是降低生产成本，因此物流企业在保证服务质量的同时应尽可能地提高企业生产资料的利用率，从而提高市场竞争力。罗斯和德勒格（Ross ＆Droge,2002）结合DEA和综合标杆分析法（Benchmarking）对配送企业的生产率进行了分析，并利用Window Analysis技术对面板数据进行分析处理。米恩和约（Min ＆Joo,2006）同样采用DEA模型和综合标杆分析法研究美国物流企业的生产率，并分析了物流企业服务强度和服务广度对生产率的影响，结论认为二者在一定程度上会对企业的生产率水平产生间接影响。陈东燊等（Chan, Felix T. S. et al. ,2006）在引入综合标杆分析法这一绩效评估工具后，选择使用Double-AHP（Analytic Hierarchy Process, AHP）的方法对香港邮政产业效率进行评估，并就如何在生产过程中持续改进和强化效率进行了分析。周根贵等（Zhou, G. et al. ,2008）运用DEA-CCR和DEA-BCC模型评价了10个国有上市第三方物流企业连续5年的运作效率，发现固定资产投资、销售利润、人力成本以及员工技术水平是影响物流企业运营效率的主要因素。哈姆丹和罗赫尔斯（Hamdan ＆Rogers,2008）将公司的发展目标和专家意见作为限制性条件加入传统的DEA-CCR模型中，提出了限制性DEA模型，并利用这两类模型评价了美国某一物流企业下属19家仓储中心的生产率水平。

除了针对物流企业绩效进行评价，还有大量文献是针对港口物流系统的效率评价问题展开，如马丁内斯 -布德里亚等（Martinez-Budria et al., 1999）将西班牙26个主要港口按照复杂程度划分为高、中、低三类，利用DEA-BCC模型对港口效率进行考察，研究发现，高复杂性组的港口效率最高，而中低复杂性组的港口效率则相对较低。瓦伦丁和格雷（Valentine ＆Gray,2001）、巴罗斯（Barros,2003）采用DEA-CCR模型分别分析了1998年世界集装箱港口排名前100中的31个集装箱港口的效率以及1990—2000年葡萄牙10个港口的技术效率。随后巴罗斯（2005）又利用随机成本前沿（Stochastic Cost Frontier）模型分析了葡萄牙港口的技术效率和技术变化，发现生产率与港口规模有关，规模较大的港口具有较高的生产率，而规模较小的港口其生产率水平也相对较低。特鲁希略和托瓦尔（Trujillo ＆Tovar,2007）利用SFA方法分析了22家港口企业的经济效率，发现其生产率水平仅达到60%，因此认为这22家港口若能充分利用现有的生产资源还能额外处理40%的货物。

综合国外的研究发现，早期的研究相对较多，大部分的文献仍然集中于对微观层面的物流企业的绩效进行评价，也有少部分文献对物流企业技术效率、技术进步进行测度并探究物流企业生产率的影响因素。采用的方法基本都是基于非参数的数据包络分析（DEA）和基于参数的随机前沿分析（SFA）。

二 国内物流效率与生产率研究现状

国内学者对物流效率的研究思路与研究方法基本与国外相同，早期也主要集中于对交通运输业效率的分析，后期逐步向物流产业转变，方法主要集中于数据包络分析（DEA）、层次分析方法（AHP）和随机前沿法（SFA），但研究对象略有不同，不仅包括微观层面的物流企业的绩效评价，还包括宏观层面的区域、省际物流产业效率与生产率的研究。

（1）从微观层面进行的研究主要是针对企业的，国内学者针对不同类型企业的物流绩效评价、物流技术效率、技术进步以及生产率的测度等方面展开了大量的实证研究，由于研究视角及指标的选取等方面的差异，其评价和测度结果并不一致。潘书麟（2006）对台湾13家物流企业2003—2005年的生产率进行研究，发现这些企业大多处于规模报酬递减阶段，技术效率下降主要是由于规模效率下降所致。庞瑞芝（2006）利用DEA-Malmquist生产率指数法从静态和动态两个角度对中国50家主要沿海港口1999—2002年的经营效率进行分析，结果表明，中国沿海港口纯技术效率下降是整个行业总体效率偏低的主要原因，存在严重的投入拥挤和产出不足现象，不同地区沿海港口的总体效率及其分解存在差异。李兰冰和刘秉镰（2007）同样采用DEA-Malmquist方法研究中国对外开放机场2001—2005年的生产率及其变动，实证结果发现，纯技术无效率使得对外开放机场的总体生产率较低，各地区生产率依次为东—中—西—东北地区，由于综合技术效率和技术进步的双重作用使得机场全要素生产率总体呈现上升趋势。张宝友等（2007,2008）利用DEA方法对2002—2005年沪、深两市上市物流公司的财务数据进行动态绩效评价，结论显示中国上市物流企业总体绩效不佳，且有逐年下滑的趋势。刘洋等（2008）采用DEA-Malmquist生产率指数计算1996—2006年13家上市物流公司的全要素生产率及其分解。结果表明，企业效率的提高源于内部管理效率的改善和资源配置能力的提高，关税改革和行业开发对企业效率并未产生重大影响。邓学平等（2008,2009a,2009b）将DEA-CCR、DEA-BCC模型与Malmquist生产率指数、Window Analysis技术以及相关分析、多元回归等统计学方法相结合，对中国物流上市公司的技术效率、规模效率、全要素生产率等指标的总体平均情况、变化趋势进行了系统的研究。主要结论包括两方面：一是中国物流市场缺乏有效的市场淘汰机制，不同类型的物流企业生产率的个体差异显著，如港口类企业的平均生产率水平高于运输、仓储类企业的平均生产率，若就整体的生产率水平而言仍然相对较低；二是中国物流企业效率低下的主要原因是纯技术效率和技术进步下降，规模效率的影响并不显著，因此应更多关注技术的改进，而不是盲目地为追求规模经济进行资产扩张与重组。随后庄玉良等（2009）、汪旭辉和徐健（2009）、张毅等（2013）也分别利用DEA-Malmquist生产率指数和超效率DEA-CCR模型对物流上市公司的效率和生产率进行研究，得到相似的结论。至此，应用传统DEA和Malmquist生产率指数法对物流企业效率的评价和研究已经相对成熟。

自2010年起，国内学者更多开始倾向于利用各种改进的DEA模型对物流企业效率进行评价。李电生和员丽芬（2010）为了解决传统DEA同一性的假设，引入了经济发展水平、社会物流发展水平和群内港口合作水平3个模糊环境变量，建立了多系统模糊DEA模型对中国三大沿海港口群进行分析，结果证实，环境因素确实对港口群物流系统的运行效率存在一定的影响。钟祖昌（2011）运用三阶段DEA方法测度了2001—2008年中国28家物流上市公司的运营效率。结果显示，不考虑外生环境变量和随机冲击的影响，物流企业的纯技术效率通常被低估，规模效率被高估；三阶段DEA的测度结果得到与邓学平等（2009a）相反的结论，即中国物流企业的综合技术效率较低的主要原因是规模效率低下，企业规模与技术效率具有显著的正向关系。杨德权和裴金英（2012）在原有DEA-AHP评价方法的基础上，将超效率和区间数层次分析法结合，提出了DEA-IAHP方法对物流企业绩效进行评价，解决了传统方法不能对效率值均为1的决策单元进行有效排序的问题和决策者因为对物流企业信息掌握不全而导致的点判断矩阵不可靠的问题。孔原（2012）将SORM（Semi-Oriented Radial Measure）技术和DEA-Tobit两阶段模型相结合测度物流上市公司2001—2010年的经营绩效并对其影响因素进行分析，弥补了传统DEA技术只能使用非负投入产出数据的缺陷，该方法可以将部分时段产出为负值的企业也纳入样本范围。结果表明：纯技术效率偏低是中国物流企业经营效率持续下降的主要原因；对外贸易激增和城市化进程加快促使物流企业规模快速扩张；从长期看，企业技术进步对改善物流生产率的作用较小，而规模效率变化对技术效率变化的影响却较大。

（2）从宏观层面进行的研究主要是针对中国物流产业、区域物流或者行业物流的技术效率、技术进步以及全要素生产率的测度及其影响因素展开。代表性的研究有：贺竹磬和孙林岩（2006）利用DEA方法建立了区域物流相对有效的评价指标体系，对中国31个省、市、区的区域物流相对有效性进行测算。结果显示，中国不仅区域物流效率的地域差距明显，而且物流非有效区域大多处于规模收益递增阶段。刘军和杨明（2009）采用Malmquist生产率指数法，对1997—2007年中国物流产业全要素生产率和技术效率的变动进行了量化分析。结果不仅说明物流产业技术进步速度缓慢，技术效率负增长是近年来物流产业发展较快却大而不强的根源，还结合中国物流产业的发展现状，指出中国物流产业效率降低的主要原因，如基础设施网络协同性不强、高端市场竞争不充分和低端的过度竞争、制造业物流服务水平不高、市场秩序不完善及分散的管理体制等问题。田刚和李南（2009 a,2009 b）以中国省级地区物流产业的面板数据为基础，分别应用超越对数随机前沿、DEA-Malmquist生产率指数法，对中国物流产业全要素生产率的增长来源、差异与变化趋势进行分析。结论表明，各地物流产业全要素生产率呈增长态势，技术进步是其增长的主要动力，技术效率持续下降阻碍了生产率的增长；各地区存在严重的投入拥挤和产出不足现象，且不同地区全要素生产率的增长也存在差异；收敛检验表明，中国物流产业技术效率、全要素生产率都存在明显的发散趋势。余泳泽和武鹏（2010）利用随机前沿生产函数测算了中国物流产业效率，并考察了物流资源利用率、地区制度变迁、区位因素对中国省域物流产业效率的影响。2010年，余泳泽和刘秉镰又应用SFA模型对中国区域物流产业整体技术效率和全要素生产率进行了评价。樊敏（2010a）运用DEA-BCC、DEA-Malmquist生产率指数以及VAR模型对一些代表性城市群物流产业运作效率及联动效率进行实证分析，并据此从优化外部环境、加快企业创新、促进联动发展等方面提出中国城市群物流产业发展策略。樊敏（2010b）还基于三阶段DEA方法构建了均质化的效率分析框架，考察剔除外部环境和随机影响后中国八大经济区域2008年物流产业的实际运作效率。田刚和李南（2011）采用考虑随机误差的随机前沿生产函数估计方法（即SFA一步法），测算中国省域物流产业技术效率，并考察了人力资本、制度、政府干预、开放程度及产业结构等环境因素对物流产业技术效率的影响。樊元和马丽梅（2012）利用SFA和First-Differ-ence面板数据的建模技术，对不同区域的物流效率进行测度和分析。范月娇（2012）利用DEA-BCC和DEA-SE两种效率评价方法，以海峡西岸经济区为例，对所属20个城市以及海西经济区物流服务生产率给予了实证性评价。姚娟和庄玉良（2013）从所有权机构、物流环境对物流产业效率的影响角度，基于省际面板数据，对中国物流产业效率进行了实证分析。研究发现，现阶段国有控股物流企业不利于物流效率提升，而民营和外资物流企业、人力资本和固定资产投资都能有效提升物流效率。由于缺乏运输资源整合，现有各运输线路延伸对物流效率的影响为负。张宝友等（2013）利用三阶段DEA模型评价了2002—2011年中国物流产业效率，进而分析了FDI质量对中国物流产业效率的影响。研究得出，在剔除环境变量与随机变量的影响后，中国物流产业实际效率值下降；FDI的技术含量、盈利能力和本地化程度对物流产业效率有正向影响，而FDI的平均规模则与物流产业效率呈负相关。高秀丽和孟飞荣（2013）运用索洛残值法测算了中国省域物流产业全要素生产率，并利用空间计量模型对其影响因素进行分析。结果表明，中国各省物流产业具有明显的空间相关性和空间异质性；地理位置相邻地区的物流产业具有趋同现象；基础设施和工业化进程对物流产业全要素生产率的提高有显著的正向影响，而市场需求条件和市场化水平的促进作用并不显著。

综观已有的研究成果，国内学者将微观和宏观两个层面进行细分，从物流企业（特别是物流上市公司）、物流产业、物流行业和区域物流四个角度对物流产业的效率和生产率展开研究，以非参数DEA和参数SFA方法为主，并辅以管理科学、统计学、计量经济学中的多种方法，得到了大量的结论，但仍然存在不足之处，即国内学者在构建物流产业全要素生产率指标时，虽然考虑了资本、劳动力等生产要素的投入以及GDP、周转量等合意的期望产出，却忽略了物流运作过程中所必需的投入要素——能源，以及能源消耗所产生的二氧化碳等非期望产出。无视能源和环境对物流产业发展的影响，可能会造成我们对过去物流产业发展状况的认识产生偏颇。

三 国内外低碳约束下物流效率与生产率研究现状

近年来，随着各类环境问题的凸显，少数学者在对交通领域进行研究时已经开始把二氧化碳排放作为非期望产出纳入产出效率测度的框架内。如麦克马伦和卢（McMullen ＆Noh,2007）利用方向距离函数验证在减少机动车尾气排放的同时增加旅客周转量和车辆行驶里程这一方法的重要性，并分析了美国43个公交运输机构2000年运输系统的效率，结果显示，在不考虑减少尾气排放时，仅有5个机构是有效率的，而将减少尾气排放这一因素考虑在内时，有22个机构为有效单位，无论是否将污染物考虑在内，公立机构都比私立机构效率低下。罗赫尔斯和韦伯（Rogers ＆Weber,2011）采用DEA技术，以美国50个州的载重运输业2002—2007年的面板数据为研究对象，根据班克和约翰斯顿（Banker ＆Johnston, 1994）的研究将投入指标设定为能源、劳动力、资本、公路的公共维修费用和公路里程，期望产出为载重运输业的产值，非期望产出为二氧化碳排放和事故死亡人数，并结合产出方向距离函数（Directional Output Distance Function, DODF）分别就强处置和弱处置下的二氧化碳排放进行估计，目的是计算出二氧化碳减排成本的影子价格。实证结论指出，若将投入资源用于减少二氧化碳排放会导致死亡人数在统计上显著增加，载重运输产出在统计上显著减少。温等（Oum et al. ,2013）测度和比较了日本铁路公司和航空公司在国内城际旅游市场的社会效益。他们将生命周期二氧化碳作为非期望产出，旅客的时间和政府在基础设施上的投资作为投入变量。使用非参数的产出方向距离函数（DODF）和综合社会效益指数来分析三大铁路公司和两个主要航空公司在1999—2007年之间的面板数据。结果显示，铁路公司比航空公司拥有更多的社会效益。同时也发现，非参数DODF模型不仅无法比较各企业不同运输方式的效率，也无法比较相同运输方式下不同企业间的效率，原因可能是数据集是高度异质性的，即不同的运输方式存在严格的分类差异。

国内物流领域的碳排放研究多集中于对低碳环境下物流运输及供应链的优化，以及低碳物流产业发展的评述，尚未有学者对碳排放约束下物流产业全要素生产率的测度展开研究。为数不多的研究仅对物流产业的二氧化碳排放量进行了核算以及对物流领域二氧化碳排放绩效进行测度，如周叶等（2011）测算了不同能源的二氧化碳排放因子及排放系数，然后以物流作业直接能耗法核算2008年中国各省域物流作业的二氧化碳排放指标，对比分析发现，中国省域物流活动产生的二氧化碳排放量存在地域不平衡性，中部和东部大部分省份要高于西部各省，而单位货物周转二氧化碳排放量西部大部分省份要高于中东部各省。张立国等（2013）从环境生产技术出发，测度了中国30个省市2003—2009年物流产业的二氧化碳排放绩效及动态变化。研究发现，中国物流产业的碳强度呈现逐年上升的趋势，成为目前减排的主要压力行业；东部地区物流产业二氧化碳的排放绩效要好于西部地区，同时西部又优于中部地区；对各省市进行比较得出，北京市物流产业的二氧化碳排放绩效最好，最差的是内蒙古地区。周叶等（2011）和张立国等（2013）虽然分析了物流产业的二氧化碳排放特征和排放绩效，但是仍然没有将物流产业的碳排放与产业增长相连接，无法体现出物流产业增长过程中的环境代价。

四 现有文献研究的不足

综合分析现有文献的研究成果，主要存在以下四方面不足：

第一，国内学者在构建物流产业全要素生产率指标时，虽然多方面考虑了资本、劳动力等生产要素的投入以及GDP、周转量等合意的期望产出，但却忽略了物流运作过程中所必需的投入要素——能源，以及能源消耗所产生的二氧化碳等非期望产出，使所测度的效率值不能反映生产过程中带来的“好”产出和“坏”产出的两面性，导致我们对过去物流产业发展的状况缺乏全面的认识。

第二，对物流产业全要素生产率测度的模型大部分采用传统DEA方法，没有考虑到各决策单元所处的外部环境以及随机误差的影响，即隐含了外部环境均质化的假设，得到的效率值可能存在低估或高估实际生产率水平的可能，因而不能客观反映物流产业生产者的决策和管理水平。

第三，无论是对物流产业上市公司绩效的评价还是对物流产业全要素生产率的测度，传统的DEA方法和SFA方法均将各决策单元视为相同类型，没有考虑到不同地区或不同类型的物流企业之间存在经济发展水平、技术水平以及制度的差异等情况。而传统的效率和生产率比较的前提是所有决策单元处于相同环境且拥有相似的技术水平，假设不成立，决策单元分属不同的技术集合，面对不同的生产前沿，若仍然使用单个生产前沿构造的距离函数比所表示的效率值判断，将会因为衡量基准的不一致而使评价结果不可比。

第四，在运用计量方法考察中国物流产业效率和生产率的影响因素时，缺少文献进行空间维度的分析。根据新经济地理学理论，洛佩斯 -巴索等（López-Bazo et al. ,2004）指出，没有理由认为一个企业的溢出因为地理或者行政边界的原因而只停留在该企业初始投资的地区，全要素生产率存在空间相关性已被诸多学者证实，因此在构建计量经济模型时如果忽略了物流产业全要素生产率的空间相关性和溢出效应，可能会导致由计量模型估计得到的参数估计量是有偏的，掩盖了全要素生产率及其影响因素之间的真实动态变化关系。即使仅有的少量文献考虑了全要素生产率的空间相关性和外溢效应，也较少同时考虑其影响因素是否也存在空间相关性和空间溢出效应，在很大程度上无法真实反映物流产业全要素生产率空间依赖的具体机制。