中国物流业和制造业全要素生产率比较分析.docVIP

中国物流业和制造业全要素生产率比较分析 　　中图分类号：F252 文献标识码：A 　　内容摘要：本文选取我国31个省份1998-2013年的面板数据，根据DEA曼奎斯特指数法对我国31个省份物流业和制造业全要素生产率进行比较分析。研究表明，我国物流业全要素生产率普遍比制造业差，物流业效率严重落后于制造业，主要原因在于技术进步效率制约，次要原因分别是规模效率和纯技术效率因素，并提出相关改进策略。 　　关键词：物流业 制造业 全要素生产率 比较分析 　　引言 　　我国物流业和制造业的发展态势迅猛，制造业产值连续几年位于世界首位，然而处于低水平生产制造的落后阶段，无法有效利用物流业提升发展模式与结构。我国物流业效率水平远低于发达国家，弱差的状态没有改善，无法支持与推动制造业效率提升。21世纪物流业是制造业发展支持条件，制造业是物流业的需求基础，物流业和制造业产值增加值的“量”都非常可观，而质量效率方面急需提高。本文通过比较物流业和制造业全要素生产率发展状况，找到效率低下的原因，从而有效提高制造业和物流业效率，降低物流和制造成本，促进物流业和制造业产业结构优化，全面提高物流业和制造业的整体效率水平（江银娟，2013）。 　　王珍珍和陈功玉（2010）运用灰色关联对我国制造业与物流业关联度进行研究，发现制造业不同子行业与物流业的关联存在关系。邓良（2013）运用灰色关联对我国物流业与制造业的联动状况进行研究。大多数学者以产值与产量作为分析基础，利用灰色关联、投入产出和计量分析等方法对我国物流业与制造业进行比较研究，很少以质量效率作为分析基础，因此本文比较分析物流业和制造业全要素生产率变动，为当前物流业和制造业效率升级转型提供一些参考。 　　我国31个省份物流业和制造业经济发展状况、产业结构和资源存在差异，本文比较分析各省份物流业和制造业全要素生产率状况，提出促进我国物流业与制造业全要素生产率的措施。利用我国31个省份1998-2013年的面板数据，根据DEA-曼奎斯特指数法对我国物流业与制造业全要素生产率进行比较分析，把31个省份作为研究对象，比较分析物流业和制造业全要素生产率变动情况。 　　DEA曼奎斯特指数模型 　　DEA曼奎斯特指数模型可运用多投入多产出指标连续多年动态面板数据来测度全要素生产率（TFP），并可分解技术进步（TCP）和技术效率（TEC），技术效率变动再细解为纯技术效率（PECH）和规模效率（SECH），TFP=TCP×TEC=TCP×（SECH×PECH）。 　　详细测度公式为： 　　（Xt+1，Yt+1）表示t+1年的投入产出向量，（Xt，Yt）表示t年的投入产出向量，Dt0表示t年技术tt标准的t年的距离函数，D0t+1表示t+1年技术tt+1标准的t+1年的距离函数。TFP1显示全要素效率提高，TCP1显示存在技术进步，TEC1显示存在技术效率，SECH1显示规模扩张带来效率提升，PECH1代表排除TCP和SECH以外能促进效率提高的因素。 　　物流业和制造业全要素生产率变动 　　本文依照杨莹（2014）的观点，选取交通运输、仓储和邮政业代表物流业，投入指标选取交通运输、仓储和邮政业全社会固定资产投资额、制造业全社会固定资产投资额、交通运输、仓储和邮政业从业人员和制造业从业人员，而产出指标为交通运输、仓储和邮政业生产总值和制造业生产总值。根据中国统计年鉴、各省份的统计年鉴和相关统计网站，获取我国31个省份1998-2013年的面板数据，通过DEAP2.1软件测度数据，得到我国1998-2013年物流业和制造业全要素生产率动态过程，如图1所示。 　　由图1可知，物流业全要素生产率变动幅度比制造业大，小于1的年份有7年，总体上全国物流业全要素生产率大部分时间效率不达标，而制造业全要素生产率除了个别年份小于1之外，基本都大于1，说明制造业全要素生产率总体状况比物流业好。我国制造业的效率基本处于稳定加快的状态，而物流业的效率不稳定，从2005年开始处于波动幅度大的阶段。而2012-2013年，物流业效率快速增长，进入大发展阶段，增长率高于制造业，表明国家对物流业的大力发展和政策支持有利于物流业发展。 　　由表1可知，华北地区5个省份的制造业全要素生产率都大于物流业，说明北京、天津、河北、山西和内蒙古制造业的发展都优于物流业，5省份的物流业全要素生产率都小于1，说明物流业生产效率较低，并且技术效率和进步效率都低下，其中技术效率受制于规模效应低下，不存在规模效率。而制造业只有山西和内蒙古的全要素生产率略大于1，说明华北地区制造业较为发达，而物流业仍然跟不上，物流业有待升级转型。 　　由表2可知，东北地区3省份的制造业全要素生产率都大于物流业，说明3省份的制造业效率水平比物流业要高，制造业