现代物流业作为新的经济增长点，已成为我国的经济发展动脉，其发展水平成为衡量国家或地区现代化程度及经济竞争力的重要标志^[1]。随着我国物流业的快速发展，各地纷纷加大对物流业基础设施的投入，但部分地区的盲目投资已造成严重的资源浪费。十九大报告指出要实施区域协调发展战略，近年来实现京津冀一体化发展已成为社会各界广泛关注的热点问题，但对泛环渤海经济圈的关注还比较缺乏，尤其对区域内现代物流业的关注度不够。因此对该经济圈内的物流产业作效率评价，可为衡量7省2市的社会经济发展状况作参考。对物流效率的评价研究大致分为企业效率、产业效率、区域效率，尽管众多学者认为数据包络分析(Data Envelopment Analysis, DEA)是目前定量分析物流产业运行状况最有效的研究方法^[2]，但在具体模型的选用上也存在着BCC模型、Malmquist模型及SFA模型等的区别。鉴于DEA方法在研究多投入多产出问题上的优势，以泛环渤海经济圈为研究对象通过Deap2.1软件采用其中的BCC模型和Malmquist指数模型，利用2007—2016年间区域内7省2市的物流业面板数据作实证分析，以期为提升该经济圈内物流效率、实现物流业协调发展提供建议对策。

效率是指某一系统投入与产出之间的比率^[3]，目前学界对区域物流效率的评价研究成果较多，主要呈现出两大特征：第1，研究对象逐渐从全国集中到区域；第2，重点研究的是经济发达的珠三角、长三角或与国家重大战略方针如“一带一路”倡仪密切相关的部分省份。

贺竹罄(2006)^[4]、樊敏(2010)^[5]、樊元(2012)^[6]分别利用三阶段DEA和随机前沿分析等方法测算了全国的物流效率，目的是从整体上对我国区域物流的效率情况作对比研究，尤其是探讨经济落后的西部地区与经济发达的东部地区在物流发展水平上的差距。最基本的作法是基于全国31个省份，虽然具体到省但缺乏大区域之间的对比，因此部分学者将全国划分成东、中、西3部分进行物流效率的评价研究。东部地区经济发达，其中江浙沪是我国经济发展的“领头羊”，其余沿海省份则是我国经济发展的中坚力量，因而该地区的物流效率问题受到诸多学者的关注。张中强(2012)^[7]、张毅(2013)^[8]、吴旭晓(2015)^[9]和唐建荣(2016)^[10]等利用BCC和Malmquist指数模型等方法对我国东部地区尤其是其中的重点省份作了物流效率评价研究。

与东部地区不同，西部省份一向是我国经济发展的落后地区。但在国家“西部大开发”战略的推动下，各地物流业发展水平明显提高，学者们对西部省市物流效率的研究相对较多。李忠民(2014)^[11]、王蕾(2014)^[12]、崔敏(2015)^[13]、秦雯(2016)^[14]、李娟(2018)^[15]采用Malmquist指数方法、SFA模型、BCC模型等分析了新丝绸之路经济带及其重点省份的物流效率。这方面研究源于2013年国家主席习近平在哈萨克斯坦纳扎尔巴耶夫大学演讲时提出的“新丝绸之路经济带”倡议。尽管该战略提出时间相对短暂，但在国家大力推动及国际社会的广泛关注下，对新丝绸之路经济带物流效率的研究已成为目前区域物流效率研究中的重点。相对而言中部地区比较特殊，在经济发展水平上逊色于东部省市，在重大方针政策上又缺乏西部省份类似“西部大开发”战略和“新丝绸之路经济带”倡议的支持推动，因此目前学界对中部省份物流效率的关注明显不多。比较具有代表性的是张诚(2013)利用BCC模型分析了我国中部六省的物流效率，发现纯技术效率和规模效率都较高但整体物流业水平仍有待提高^[16]。

除了将全国31个省市按照东、中、西3部分进行划分外，更多学者习惯于将全国分成8大经济区域以具体研究区域物流。我国自实施改革开放以来，珠三角地区一直是我国对外开放的最前沿，因此该地区的物流发展状况一直是学界关注的重点。杨亚利(2016)^[17]、何琴清(2017)^[18]分别利用BCC模型和Malmquist指数模型分析了珠三角地区的物流效率，发现尽管该地区整体经济水平较高, 但不同省份间物流业发展水平却存在较大差距。珠江经济带是我国第一大经济带，其经济发展水平直接关系到我国整体的经济实力，对该地区作物流效率评价研究的重要性不言而喻。与之相似，长江经济带作为我国仅次于珠江经济带的第2大经济增长极，其物流效率问题也愈发引起学界关注。张定(2014)^[19]、孟鑫(2015)^[20]、马明(2018)^[1]分别采用BCC模型和三阶段SBM模型研究了长江经济带的物流效率，发现长江下游省份的物流效率高于中上游省份的物流效率。

综上所述，尽管目前对区域物流的研究成果较多但仍存在以下几方面不足：第1，目前我国区域物流的研究主要集中在珠三角、长三角和新丝绸之路经济带区域，对泛环渤海经济带的物流效率研究鲜有见闻；第2，对效率评价的研究方法相对单一，大多数是单一地采用BCC模型或Malmquist指数模型，将两种模型相结合的研究成果比较稀缺。因此，将用于静态研究的BCC模型和动态研究的Malmquist指数模型相结合对泛环渤海经济圈2007—2016年的物流效率进行实证分析，以期为提升该地区物流业发展水平有所贡献。

泛环渤海经济圈通常指京、津、冀、辽、鲁、晋和内蒙古的中东部地区，是我国继长江三角洲和珠江三角洲之后最具发展潜力的沿海地带、第三大“经济增长极”^[21-23]。就地域范围而言，除以上5省2市外也有部分学者将吉林和黑龙江两省涵盖在内^[24]。鉴于环渤海经济圈与东北亚经济圈(黑、吉、辽三省)同时兼有辽东半岛所在的辽宁省，且两圈商贸交易频繁、货运交通密切，故将研究地域界定为北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、山东共7省2市。现将以上省市2007—2016年的物流业增加值及排名增长情况整理如下。

根据图 1和图 2，以物流业增加值而论，山东、河北和辽宁分居泛环渤海经济圈物流业增加值的前3位，这主要得益于它们分别拥有青岛港、秦皇岛港和大连港3个亿吨级大型港口。早在2007年山东和河北两省的物流业增加值已在千亿元以上，排名第4位的辽宁省也在2011年实现过千亿目标。因此，这3个省份可看作是物流业增加值的上层省份；山西、内蒙古、北京是排名相近且出现变化的3个地区，至2016年北京和内蒙古的物流业增加值增长量均超过五百亿元，物流业总额均超过千亿元，山西省物流业总额也已接近千亿元。因此，它们可作为物流业增加值的中间省份；黑龙江、天津、吉林的物流业增加值距离千亿元目标仍有较大差距，尤其吉林省10年间稳居排行榜末位。但就增长率来看，物流业增加值增长幅度从大到小依次是天津、北京、内蒙古、河北、山东、吉林、辽宁、黑龙江、山西，可见增长较快的主要是按增加值排名的中间省份，说明这些地区物流业增加值规模尚小仍有较大提升空间。

图 1 2007—2016年泛环渤海经济圈各省市物流业增加值增长变化情况 Fig. 1 Growths and changes of values added of logistics industry in provinces and cities of Pan-Bohai economic circle from 2007 to 2016

图 2 泛环渤海经济圈各省市2016年相比2007年物流业增加值排名变化情况 Fig. 2 Comparison of ranking changes of values added of logistics industry of provinces and cities in Pan-Bohai economic circle between 2016 and 2007

总体来看，东三省的物流业发展状况并不乐观。一方面增长率十分缓慢，在9个省市中黑、吉、辽3省的物流业增长速度仅优于山西省；另一方面物流业增加值规模较小，仅辽宁省的物流业增加值超过千亿元，另外两省的物流业规模还比较弱小。就整个泛环渤海地区物流业增加值及其增长变化情况来看，山东、河北两省处在“领头羊”位置，辽宁省因拥有全国第3大海港的大连港使其在物流业发展规模上占有巨大优势而紧随其后，天津市依靠天津港奋起直追也成为后起之秀；此后的北京、山西、内蒙古属于物流业发展的中间省份，北京市物流业排名由第6位上升到第5位，内蒙古也由原来的第5位上升到第4位，但山西省却由2007年的第4位下降至2016年的第6位，且增长率也远低于北京和内蒙古。这主要是由于近年来山西省的煤炭资源开采过多，经济发展方式由原来过度依赖自然资源的传统方式在去产能、调结构的政策下向新经济增长方式转变，使物流业的发展受到较大影响。此外不难看出，辽宁省物流业规模虽大但已显现出增长乏力之势，天津市物流业规模虽小但资源利用充分使其增长率稳居区域内第一位。

以上分析结果主要来自于表 1和图 2展示的区域内各省市物流业增加值及其排名变化情况，但物流业作为第三产业的重要组成部分，与地区经济发展水平、固定资产投资量、基础设施完善程度、人口数量、居民消费水平等多方面因素密切相关。物流业增加值只能作为物流业产出，但各地投入多少尚未考虑在内。因此，仅依据物流业增加值对泛环渤海经济圈的物流效率进行评价难免偏颇。虽然物流业增加值很可观但投入过大也是低效、不经济的，相反对物流业投入适当且产出合理则是高效、经济的。换言之，在成本一定时实现产出最大化或在产出一定时实现成本最小化才是高效率。

物流效率可用来衡量物流业发展水平，世界上通用的指标是物流成本/GDP，即物流成本占GDP的比重。但该方法具有一定的局限性，仅适用于物流业发展相对成熟的发达国家。由于效率考察的是物流业总投入与总产出之间的关系^[25]，涉及较多变量，十分适合采用数据包络分析法(DEA)。该方法由A.Charnes等于1978年根据相对效率提出，是一种非参数效率评价方法。它无需对数据进行综合和权重假设，也不需要作无量纲化处理，因而测算多投入多产出决策单元的相对有效性时具有明显优势。DEA方法中最常用的是CCR模型和BCC模型，前者在假设规模报酬不变情况下评价决策单元的综合效率，后者在假设规模报酬可变情况下评估决策单元的技术效率。但这两种模型均为静态分析，只能得到被研究对象在研究年限内的综合效率值，无法获得物流效率的变化情况。而Malmquist指数模型在将生产率指数分解为技术效率指数和技术进步指数的同时，进一步将技术效率指数分解为纯技术效率指数与规模效率指数，且克服了BCC模型仅作静态分析的不足，能够测算研究对象在被研究年限内每年的效率升降变化成功实现了对研究对象的动态分析。因此利用Deap2.1软件分别采用BCC模型和Malmquist指数模型对泛环渤海经济圈内7省2市的物流效率作实证分析，探究不同测度方法下的物流效率以期全面反映泛环渤海地区物流业发展状况。

对物流效率评价指标的选取应遵循全面、科学、可操作性的原则^[26]。产出指标主要从规模和质量两方面进行考虑，规模方面以货物周转量作为评价指标，质量方面以物流业增加值作为评价指标^[27]。鉴于目前我国产业部门分类中没有明确的“物流产业”部门，而交通运输、仓储和邮政业增加值占据物流业增加值的80%以上，故以交通运输、仓储及邮政业增加值作为各省(直辖市)物流业增加值。投入指标主要从从业人员、支持资金和物流网络里程3方面考虑，其中从业人员以公路运输、铁路运输、水路运输和管道运输及装卸搬运业从业人数代替，支持资金以各省或直辖市的地方财政交通运输支出代替，物流网络里程借鉴其他学者的处理方法计为公路里程、铁路里程、内河航道里程的线路长度之和。数据来源于国家统计局，研究时域定为2007—2016共10年时间。

BCC模型是数据包络分析法中的经典模型，由于不需要事先确定投入变量与产出变量之间的函数关系且将“综合技术效率”分解为“纯技术效率”和“规模效率”，能够进一步分析物流业的投入结构和产业规模是否合理因而受到多数学者青睐。现借助BCC模型以投入为导向测度该区域的物流效率，结果如表 2所示。纯技术效率是测度决策单元在规模报酬可变的生产前沿面上的最佳投入与实际投入的比率，该值为1说明达到了技术上的有效且物流业投入结构合理；规模效率可用来判断物流业规模是否合理，该值为1时说明规模有效，资源配置达到最优。另根据表 2中综合技术效率值构造图 3，以便更加直观地反映泛环渤海经济圈各省市2007—2016年物流效率情况。

图 3 2007—2016年泛环渤海经济圈物流业综合技术效率雷达图 Fig. 3 Radar chart of comprehensive technical efficiency of logistics industry in Pan-Bohai economic circle from 2007 to 2016

由表 2可知，处于DEA有效状态的天津、河北和山东的物流业综合技术效率、纯技术效率和规模效率均等于1，说明这些地区处于物流业发展的生产前沿面，相关资源的配置和使用是有效的；北京市纯技术效率值为1但规模效率值低于平均水平且规模报酬递减，说明在当前的管理和技术水平下北京市物流业资源的配置和使用是有效的，但其投入已近饱和甚至出现剩余，继续投入已不可能带来更高产出。山西、内蒙古、辽宁、吉林、黑龙江5省情况类似，纯技术效率值偏低而规模效率值较高，不同的是除辽宁省规模报酬递减外其余省份的规模报酬均为递增类型。一方面说明以上地区物流业的投入结构欠缺合理，管理技术水平相对较低；另一方面说明这5个省份的物流业规模不够合理，除辽宁省同北京市情况相似需要精简规模外，其余4省的物流业规模都偏小需要适当扩大产业规模。处在图 3外围的天津、河北和山东为DEA有效省市，处在该雷达图内侧的省份为DEA无效地区，且位置越靠近内侧其物流效率越低。不难看出，东三省的物流效率相对较低但也说明该地区物流业的提升空间较大。尽管目前在纯技术效率和规模效率两方面均存在不同程度的问题，但采取必要措施提升物流效率在很大程度上能够实现“降本增效”促进东北老工业基地的振兴。

BCC模型除了给出物流效率的详细数值外，还系统测算了各决策单元的投入与产出情况，即将各决策单元同处于DEA有效状态的决策单元作对比，以分析不同决策单元在投入和产出方面的冗余跟不足情况。现将BCC模型下2007—2016年泛环渤海经济圈内物流业非DEA有效省市的投影分析结果整理成表 3, 以期从投入产出角度分析导致部分省份DEA无效的具体原因。根据表 3，投入冗余主要集中在交通运输支出和物流网络里程两方面。相对而言辽宁省状况较好，仅在从业人数一方面存在投入冗余，其余省份在其他两方面均存在投入过多问题，特别是内蒙古在交通运输支出和物流网络里程的建设方面分别存在24.963亿元和5.846万公里的投入冗余。从产出要素看，DEA无效的5个省份均存在不同程度的货物周转量产出不足问题。就轻重程度而言，吉林省在这方面的程度最深，之后依次是黑龙江、山西、内蒙古和辽宁。问题最突出的仍是吉林省，不仅在货物周转量上产出不足，在物流业增加值方面也存在严重的产出不足。交通运输支出与物流网络里程之间存在密切联系，因为前者的很大部分往往用于后者的开发建设。物流业增加值能够代表地区物流业的质量水平，而货物周转量能从很大程度上反映地区的物流需求。货物周转量产出不足意味着物流需求较弱，一方面可能是经济发展水平相对低下，较低的居民消费水平对消费的刺激作用比较有限造成物流需求不足；另一方面可能是政策引导或管理技术等方面存在问题，使经济发展水平与物流需求之间出现障碍导致二者发展不协调，使部分经济能力未能成功转化为区域内物流需求。

为更直观地展现DEA无效省市的物流业发展状况，现将表 2和表 3的信息汇总。其中，物流业发展水平、管理技术水平、规模水平分别以综合技术效率值、纯技术效率值和规模效率值为依据，物流需求方面则以货物周转量为根据。因物流网络里程为公路、铁路、水路等运输线路之和，故以该指标评价各地的基础设施建设状况并结合人员和资金两方面的投入冗余情况，将以上信息汇总整理成表 4。物流效率值的评判标准为：0.9以上为优，0.8~0.9为良，0.6~0.8为中，0.5~0.6为差，0.5以下为极差；投入冗余和产出不足的评判标准为：超过均值为严重，近似均值为一般，少于均值为轻微。该表能够清晰反映出各省市物流业发展水平及存在问题等，方便对各省物流业发展状况作全面了解。

通过BCC模型对2007—2016年泛环渤海经济圈物流效率的测度，能够从静态角度分析各省市物流效率的基本情况，但难以探究该经济圈物流效率的发展变化。为此借助Deap2.1软件中的Malmquist指数模型利用原数据对泛环渤海经济圈物流效率作动态分析，得到表 5和表 6，根据表 5中物流业全要素生产率指数绘制图 4折线图可直观反映物流效率的上升或下降情况。

图 4 2007—2016年泛环渤海经济圈物流业全要素生产率指数折线图 Fig. 4 Line chart of total factor productivity index of logistics industry in Pan-Bohai economic circle from 2007 to 2016

Malmquist指数模型将“全要素生产率指数”分解为“技术效率指数”和“技术进步指数”，全要素生产率指数大于1表示效率提高，等于1表示效率保持不变，小于1表示效率下降。以表 5中2007—2008年泛环渤海经济圈全要素生产率指数1.006为例，2008年同2007年相比效率提高了0.6%，而2008—2009年该指标变为0.664表示2009年泛环渤海经济圈整体的物流效率仅相当于2008年整体物流效率的66.4%，属于效率下降。表 7中2007—2008、2009—2010、2013—2014、2015—2016年该经济圈物流效率均有所上升，但除2011—2012年保持不变外，其余时间段内物流效率处于下降状态且下降幅度过大导致2007—2016年整个泛环渤海经济圈物流业全要素生产率均值为0.994，说明物流效率略有下降。此外，全要素生产率指数呈现出涨落接替、升降相连的特征，反映出该经济圈物流效率呈波动趋势。由图 4可以看出大部分年份该指标数值在1以下，表示物流效率呈整体下降趋势。根据2008—2009和2010—2015年间泛环渤海经济圈的技术效率高于技术进步指数，可知全要素生产率指数的变动主要来源于技术效率，尽管技术效率也存在波动起伏但均值1.006表明技术效率的利用情况相对较好，增长率约为0.6%呈上升趋势；技术进步指数的均值0.939小于1，表示总体来看技术进步呈下降趋势。仅在2007—2008、2009—2010和2015—2016年技术进步处于上升阶段，其余时间段均处于衰退阶段。Malmquist指数模型将“技术效率指数”进一步分解为“纯技术效率指数”和“规模效率指数”，以探究技术效率变化的主要来源。前者大于1表示在现有条件下技术利用水平进步，后者大于1表示规模效率提升。由表 5中2007—2008、2009—2010、2011—2012、2014—2015和2015—2016年间纯技术效率指数大于规模效率指数，说明以上年份内技术效率的变化主要由纯技术效率推动，其余年份内则主要是由规模效率主导。从纯技术效率指数均值为1.016而规模效率指数均值为0.99，也反映出2007—2016年纯技术效率对技术效率的贡献率大于规模效率。

表 6给出了2007—2016年间泛环渤海经济圈7省2市的物流业全要素生产率及其构成情况，仅北京的全要素生产率指数大于1说明其物流效率整体呈上升趋势，其余省市的全要素生产率指数均小于1表明其物流效率整体呈下降趋势，其中天津市的下降幅度相对较大，其余省份只是略微下降。具体来看：北京的技术效率和技术进步共同促成了该市物流效率的提升，其中物流业规模效率发挥了主要作用。天津和河北情况相似，技术效率值为1且技术进步指数小于1，表明主要是技术进步阻碍了全要素生产率的增长。山西和山东两省的技术效率值和技术进步指数均小于1，且纯技术效率指数大于规模效率指数，说明技术效率和技术进步共同阻碍了两省全要素生产率指数的提高，单就技术效率来看规模效率的阻碍作用更为突出。内蒙古的情况最为特殊，所有指标数据均小于1，表明技术进步的衰退和技术效率的降低共同造成了物流效率的下降，且技术利用率和产业规模效率都有待提高。剩余东北三省基本一致，技术效率值大于1且高于技术进步指数，同时纯技术效率指数大于1且高于规模效率指数，说明东北地区物流效率的下降主要是技术进步的衰退和规模效率偏低造成的。

以泛环渤海经济圈为研究对象，应用数据包络分析中的BCC模型和Malmquist指数模型分别对2007—2016年该地区的物流效率进行了静态和动态分析，得出以下结论：首先，河北、天津、山东处于DEA有效状态，北京、山西、内蒙古、辽宁、吉林、黑龙江均处于DEA无效状态；其次，投影分析结果显示山西、内蒙古及东北三省存在不同程度的投入冗余和产出不足，投入冗余主要集中在交通运输支出和物流网络里程两方面，产出不足则重点表现为货物周转量严重不足，表明其物流需求很小；最后，动态分析的结果显示了2007—2016年泛环渤海经济圈的整体物流效率呈下降趋势，在所辖7省2市中仅北京一地的物流效率呈上升趋势。此外区域内各省市的物流效率存在较大差异，也严重阻碍了区域内物流业的协调发展。造成上述结果的原因除了地区经济发展水平的差异之外，还包括制度、技术、管理等多方面因素。因此，为提升整个泛环渤海经济圈物流效率、实现区域内物流业协调发展，重点是形成以京、津、冀、鲁为核心层，晋、蒙为中间支撑，黑、吉、辽为外围拓展的有效经济圈。就目前的发展现状而言，关键路径有3条：第一，以核心区域为驱动力，带动泛环渤海经济圈物流效率的提升。天津、河北、山东应进一步发挥好自身港口城市的优势作用，继续争做泛环渤海经济圈物流业发展的“领头羊”；辽宁省应利用好大连港绝佳的区位优势条件并积极调整物流业投入结构，将发展目标从扩大物流业规模转变到提升物流业质量上；北京市应发挥好在高新技术方面的优势扩大技术溢出效应，采取有效措施解决物流需求严重不足等问题。第二，以中间区域为支撑，有效联结核心区域与拓展区域。处于中间层次的山西和内蒙古应积极引进先进技术、提升物流业管理水平，在自身经济发展水平相对有限的情况下以增强自主创新能力为突破点，向京、津、冀地区积极靠拢吸引技术和人才以发展自身。第三，以拓展区域为契机，突破泛环渤海经济圈物流业发展的瓶颈。处于外围层次的吉林和黑龙江两省，尽管存在轻微的资金冗余和物流需求不足，但更为严重的是管理技术水平过分低下的问题，尤其吉林省需要大幅提升管理技术水平并积极调整物流业投入结构。受经济发展水平限制，东北地区的物流业发展相对缓慢，但在国家振兴东北老工业基地的强力号召下，结合“一带一路”倡议的设计规划，将黑、吉、辽三省努力建设成向北开放的重要窗口。