关键词：物流产业效率;三阶段DEA模型;高质量发展;环渤海地区
　　中图分类号：F061.5  文献标识码：A  文章编号：1001-148X（2021）04-0075-10
　　收稿日期：2020-11-25
　　作者简介：汪文生（1978-），男，安徽桐城人，中国矿业大学（北京） 管理学院教授，博士生导师，管理学博士，研究方向：能源经济、物流管理;考晓璇（1993-），本文通讯作者，女，山东潍坊人，中国矿业大学（北京） 管理学院博士研究生，研究方向：物流与供应链管理、能源经济。
　　基金项目：国家社会科学基金项目“新常态下我国煤炭行业去过剩产能及政策选择问题研究”，项目编号：16BJY054。
　　一、引言
　　随着中国经济进入新常态，新技术的高速度发展和电子商务的普及渗透，物流产业在经过多年快速发展之后呈现出新的格局。经济的发展对物流产业的发展质量和效率增长提出更高的要求，进而促进现代物流产业改革与进步。
　　物流产业作为服务行业，在产业化、专业化发展中逐渐将信息服务和物流传统职能融合，成为第三产业的重要组成部分和支撑国民经济的强大动力。随着物流产业进一步发展，物流产业纵向及横向整合能力不断提升，除单一衡量成本外，物流效率的高低直接能够反映出一个国家或地区物流产业发展的实际水平与质量，是地方经济发展的重要衡量指標。
　　行业从成长期向成熟期发展的过程中，产业规模逐步扩大、总产值提升，经营主体间竞争激烈，主体内部高投入、高消耗、低效率等问题突出，发展速度快、发展质量问题凸显，引发国家对物流业效率问题密切关注。2017、2018年国家相继发布一系列指导性文件①，引导企业降本增效，推动机构调整、新能源运输工具使用和物流基础设施建设。基于形势发展和国家政策要求，区域物流发展和物流企业主体要以高质量发展为目标，优化资源配置、降低运营成本、提高投入产出效率，达到资源高效利用、促进产业融合、业务模块集聚、企业重组转型、技术进步的要求，从而实现区域经济和产业经济高效率高质量发展。
　　环渤海一体化发展是当前时期经济发展的重要战略选择，是全面建成小康社会、区域协同发展的重要组成部分，“环渤海经济圈”在政治、国防、经济领域具有重要地位。本文通过对环渤海地区物流业效率的研究，揭示区域内物流产业的整体发展水平和城市之间发展质量差异，对提升区域物流效率、优化产业布局、促进物流产业绿色高质量发展提供参考建议。
　　二、研究方法与数据来源
　　（一）研究方法
　　有关于效率的研究方法，经过相关学者的总结，目前，国内外学者对效率的研究方法主要有两种，一种是数据包络分析法，另一种是随机前沿分析法。数据包络分析简称为DEA，是一个集管理学、运筹学、经济学多学科内容，通过数学规划模型，以测度多投入多产出经济系统运行效率的非参数的效率测算方法。DEA有两种经典模型，DEA-BCC模型，是一种规模报酬可变的效率测度模型，它并未对生产过程的规模报酬的同一性强加约束，对不同规模报酬的决策单元分开计算效率值。
　　三阶段DEA方法是由Fried等人[1]提出的，模型的本质是在第一阶段对研究对象的效率进行初步测算，然后引入SFA回归分析分离出干扰因素的影响，进而在第三阶段能够测算出真实的物流效率值。
　　1.DEA-BCC模型。本文在第一、三阶段物流产业效率测算中应用DEA-BCC模型，该模型是基于规模效率可变的模型，实质是一个线性规划问题。本文采用的是经典的投入导向的BCC模型，模型设立如下：
　　min[θ-εTS-+eTS+
　　s.t.∑nj=1Xjλj+S+=θX0∑nj=1Yjλj+S+=Y0λj0，S-0，S+0（1）
　　约束条件中，j=1，2，…，n表示决策单元，X、Y分别是投入、产出产量。当θ=1，S+=S-=0，表示决策单元DEA有效;θ=1，S+≠0或S-≠0表示决策单元弱DEA有效;若θ<1，表示决策单元非DEA有效。
　　2.似SFA模型。二阶段利用一阶段的松弛变量作为被解释变量，用似SFA回归模型分离环境变量和随机噪声影响[2-3]。与第一阶段的模型呼应，构造投入型的似SFA回归函数：
　　Sni=f（zi;βn）+vni+unin=1，2，…，N;i=1，2，…，I;v～N（0，σ2v），u～N+（0，σ2u）（2）
　　Sni代表第i个决策单元的第n项投入的松弛变量;zi代表环境因素;βn表示环境因素的待估计系数;vni+uni代表函数的混合误差项，且两要素不相关;vni代表随机干扰，即随机干扰因素对投入松弛变量的影响，并且服从v～N（0，σ2v）分布;uni代表管理无效率，即管理管理因素对投入松弛变量的影响，并服从u～N+（0，σ2u）分布。
　　经过SFA回归后，根据回归结果对其他物流要素投入量进行调整，以效率最高的决策单元投入量为调整基准，表达式如下：
　　xAni=xni+[maxfzi;βn-fzi;βn]+[maxvni-vni]  （3）
　　其中，xAni代表松弛变量调整后的投入;xni代表受松弛变量影响调整前的投入;maxfzi;βn-fzi;βn代表对环境因素的调整;maxvni-vni代表所有决策单元置于相同水平下。
　　本文采用Jondrow等所提出的方法加以估计[4]，将其与管理无效率分离，并参考先前的研究对三阶段DEA的分离公式，沿用φ为标准正态分布的密度函数和分布函数，取εi=Vni+Uni为联合误差项，λ=σμσv，σ*=σμσvσ，σ=σ2μ+σ2v得出分离管理无效率和随机干扰的公式：
　　E（μ|ε）=σ*·[SX（]φ（λε/σ）[]（λε/σ）[SX）]+[SX（]λε[]σ[SX）] （4） 　　（二）数据来源与处理
　　本文以环渤海地区近五年的物流产业投入产出效率为研究对象，投入变量、产出变量以及环境影响变量因素全部来自于各主管部门和行业的统计数据，摘录自《国家统计年鉴》《中国城市年鉴》及北京市、天津市、河北省、辽宁省、山东省统计年鉴和国民经济发展统计公报。
　　在DEA模型测算中决策单元数量下限一般是所选投入和产出变量总和的二倍以上，上限则无要求，决策单元数量与测算结果质量正向相关。本文中DMU数据量符合模型理论要求。在数据收集中，原始数据缺失个数为5，对其进行平滑处理，对本文的测算结果基本不产生影响。
　　三、环渤海地区物流效率指标构建与效率测算
　　（一）指标体系构建
　　依据三阶段DEA模型原理，本文中物流效率值是将全部产出与物流产业全部资源投入的比值来衡量物流效率，因此在评价环渤海物流产业效率时需选择指标分别对总投入和总产出进行衡量。指标体系的建立从投入、产出和影响三个角度出发将指设定为投入指标、产出指标和环境变量指标。指标选取遵循综合性、均衡性、合理性、可获得性等原则。
　　产业是复杂多元的，产出由投入决定，经过投入、转化，受环境变量的影响，最终实现产出。投入因素包含人力、资金、基础设施、科技等，充分考虑数据的可获得性，本文以统计数据作为数据来源，以研究对象2013—2017年5年的交通运输仓储和邮政业固定资产投资、交通运输仓储和邮政业从业人数以及交通运输財政支出为投入变量，以货运量、货运周转量和交通运输仓储和邮政业的行业生产值总值为产出。
　　环境影响指标主要选取对物流产业效率产生影响且通常在样本主体控范围以外的因素。物流产业发展水平与规模受到地区经济影响，地区GDP能够充分反映不同地区经济发展总体状况;现代物流产业发展在科技和新型装备方面的依赖程度越来越高，用R&D内部经费支出来衡量现代物流产业科技发展程度作用。根据以上设定，结合指标的选取原则，建立环渤海物流产业效率的评价指标体系，如表1所示。

　　（二）第一阶段物流效率测算
　　本文中第一阶段物流效率的测算有两项任务，一是计算未排除环境干扰的环渤海地区的物流效率值;二是计算投入的松弛变量值，将其作为第二阶段的因变量。本文对环渤海14城市物流效率测算中第一阶段是基于DEA投入导向VRS规模报酬可变的BCC模型进行研究，运用DEAP2.1，采用多阶段的算法进行计算。测算得到环渤海14城市的物流综合效率包括纯技术效率和规模效率。未进行SFA调整的综合技术效率测算结果如表2所示。

　　综合技术效率测定的是规模报酬不变的情况下决策单元与生产前沿面的距离，代表能够达到最优产出的能力，综合技术效率由纯技术效率和规模效率构成，在数量上等于纯技术效率和规模效率的乘积，纯技术效率代表决策单元的管理和技术水平，规模效率代表决策单元的资源配置水平[5]。通过测算所得表2的数据可以分析出：（1）在五年周期中14城市中有淄博、大连2个城市的技术效率值达到1，表明这两个城市的物流效率在该时间周期中达到生产前沿面，实现了当前投入的最优产出，同时表示资源配置效率和管理技术水平达到最优。北京、唐山、潍坊、东营、营口效率均值能够达到0.9以上，说明投入产出的效率较优，资源配置效率和管理水平较好。（2）天津平均综合效率最低，天津、烟台、沈阳效率均值均未达到0.5，整体效率水平较低。
　　表3将区域内部的城市按照效率平均值分为省、市二级单元，通过比较得出环渤海区域内综合物流效率，北京市的综合物流效率最高，河北省、辽宁省、山东省分别位居二、三、四名，天津市的综合物流效率最低。按照时间维度分析，北京、天津、河北、山东、辽宁均在2015、2016年出现效率值降低的现象，且均在2017年有所上升。
　　从纯技术效率测算结果表4能够看出效率值均相对较高，14个城市中有8个城市的纯技术效率在5年周期中均达到效率前沿面，沧州、保定、济南、潍坊部分年份未到达效率前沿面，烟台、沈阳五年均未达到效率前沿面，表明上述城市在管理和技术水平方面仍然有较大提升空间。从表中能够看出效率结果能够呈现一定的特点，纯技术效率较低的城市与纯技术效率达到效率前沿面的城市相比，物流产业的规模与产值方面存在一定的差异。达到效率前沿面的城市，物流运输业产业布局合理，工业产业结构完善。沧州市在2015年及以前达到效率前沿面，2016年后出现下降趋势，且下降幅度较大。济南在2016年同样出现纯技术效率值呈现下降趋势，在2017年达到效率前沿面。烟台和沈阳纯技术效率具有一定的重合趋势，说明效率变化趋势基本相同。
　　通过测算结果表5观察环渤海地区省、市二级单元的物流纯技术效率，环渤海地区物流产业纯技术效率值普遍较高。北京、天津各年的纯技术效率在各年份均达到效率前沿面。河北省、山东省纯技术效率值均超过0.9，辽宁省纯技术效率值达到0.88。
　　经过测算得到的规模效率结果表6显示，只有淄博、大连两个城市在五年内全部达到效率前沿面，北京、唐山、济南、潍坊、东营、营口6个城市五年间平均效率值达到0.9以上，天津在这五年间平均效率值最低，为0.338，近五年物流效率值整体上呈现波动下降的趋势。烟台和沈阳的效率波动幅度相似，因此说明两地物流规模效率具有相似性。潍坊与唐山的规模效率相似性极高。青岛和沈阳具有相似波动性，但从整体看青岛的效率值在各个年份都低于沈阳。 　　通过测算结果表7观察环渤海地区省、市二级单元的物流产业规模效率。北京和辽宁省的规模效率较高，均超过0.9，其中北京市达到0.95以上。河北省、山东省规模效率较高，达到0.87以上，天津市规模效率较低，五年均值仅为0.33。北京市、河北省、辽宁省在2016年出现效率降低趋势，天津市、山东省在2015年的时候效率降低，后面年份出现上升趋势。
　　通过对环渤海地区物流综合效率的分解，根据物流效率原理可以看出对综合物流效率影响较大的是物流规模效率，物流规模效率与物流综合效率的变化趋势相同，同时表明2015-2016年我国环渤海地区物流产业规模效率降低。
　　2015年以前，环渤海地区及全国物流规模一直呈现较大的扩张趋势。社会实体经济对物流服务的需求量逐步攀升。物流产业经过30多年的快速发展，现在已经成为现代服务业的重要支柱。铁路、公路运营里程居世界第一位，各种营业性仓储基地和物流园区不断涌现，依赖于基础设施的大力扩张，物流产业规模加速扩大。在2013年时，我国物流市场规模居世界第一位，铁路运输量、公路运输量、港口吞吐量及快递业务量均居世界第一位。在2015年之后，随着我国整体经济发展格局的转变，我国物流产业进入调整产业结构和提升发展质量阶段，以高科技、大数据为支撑的智能化物流时代。物流产业集约化、精细化的结构转变与现实中物流产业规模大，管理低效的物流规模现状产生矛盾，因此会出现短期内物流效率较低的现象。
　　（三）似SFA前沿回归分析
　　第二阶段运用似SFA回归模型以第一阶段得到的投入松弛变量作为被解释变量，将地区GDP、R&D内部经费支出外部环境变量作为解释变量[6-7]。使用Frontier4.1软件进行似SFA回归分析，计算结果如表8所示。
　　分析表中的测算结果分析，交通运输邮、仓储、邮电业固定资产投资，物流产业从业人数，交通运输财政支出的松弛γ值大于0.5，且在5%的水平上通过显著性检验，LR单边似然比检验有效拒绝了OLS估计结果，因此认为似SFA估计的面板数据结果可信。
　　外部环境变量是对投入松弛变量的回归，因此当回归系数为负数时，环境变量与投入松弛变量之间为负相关关系，环境变量增加有利于减少投入松弛变量，反之，回归系数为正数时，代表环境变量与投入冗余之间是正比例关系，外部环境因素增加，投入冗余变量也增加。从以上分析可得：
　　（1）地区生产总值：地区生产总值代表该地区的社会经济的综合水平。地区生产总值与X1、X2、X3之间的回归系数为正数。表明地区生产总值的提升对三种投入变量的冗余变量的减少具有负面效应。随着地区物流产业发展和增长速度的变化，会相应刺激物流从业人员数量变化，使固定资产投资、单位资源消耗等相应增加，这表明GDP的增加是粗放的，一定程度上降低了物流运作效率。
　　（2）R&D内部投入经费：R&D内部投入经费对X1、X2、X3的松弛变量的回归系数都是负值，这表明在该周期内R&D内部投入经费使冗余发生了变化，R&D内部投入经费的提升降低了资本劳动力、固定资产投资的冗余，对物流效率提升有很大的影响。γ=σ2σ2v+σ2u的取值在[0，1]之间，当接近于0时，随机干扰因素起到主要影响作用，当接近于1时，此时管理无效率成为主要影响因素。从测算结果可以得出，三个投入变量的估计值分别是0.5193、0.8749、0.7874，在三个投入指标中都是管理无效率占据主要影响地位。因此，在环渤海地区管理无效率的影响更具有显著性。

　　似SFA回归分析可以表明，外部环境对內部效率具有影响，且影响程度和影响方向均不相同，因此使得同一时间内相近地区之间的物流运作效率有很大不同。在环渤海14城市物流效率分析中剔除了环境因素和随机干扰项的影响，根据投入要素进行调整进一步测算相同环境影响下的物流运作效率。
　　（四）第三阶段物流效率测算
　　在第三阶段，通过第二阶段的分离管理无效率和随机干扰项的影响，调整投入指标X1、X2、X3再次通过DEAP2.1进行测算，得出环渤海14城市的物流效率值。调整前后的物流效率值如表9所示。
　　北京市的物流效率整体较高，在2016-2017年规模效率未达到效率前沿面，处于规模效率递减状态，经过调整之后，规模效率达到效率前沿面，同时可以看出调整前后差异较大。因此，北京市物流效率受到环境因素的影响较大，应重点提升纯技术效率，同时兼顾规模效率。
　　天津市与北京市的调整前后情况相类似，同样是在调整后规模效率达到效率前沿面，值得注意的是，天津市规模效率调整前后的差异更大，表明天津市规模效率受到环境因素的影响更为突出。因此，天津市应该注重纯技术效率的提升，同时应扩大物流规模，并注重环境因素影响，注重结构合理性，避免盲目扩张。

　　河北省整体的效率结果水平不高，其中唐山市在样本中效率测算结果最好，整体物流效率高，只有2015年调整前的规模效率未达到效率前沿面，剔除环境干扰，唐山市的规模效率达到效率前沿面，物流运作较好，纯技术效率和规模效率可继续提高。沧州市在该时间段内，效率值均未到达效率前沿面，剔除环境影响后纯技术效率在2014年达到最低，2016-2017年纯技术效率提高，规模效率经过调整后效率值均降低，且随时间变化逐年降低，规模报酬处在递增阶段。因此沧州市的整体物流运作效率有待提升，存在规模小、规模效益低等问题，应重点考虑是否应合理扩大物流产业规模。保定市2013年、2015年、2106年的纯技术效率在调整后有所提升，2014年、2017年调整后效率出现小幅下降，且均未达到效率前沿面。规模效率值在调整后各年份均下降，且整体规模效率值较低，规模报酬递增，说明物流技术效率和物流规模均限制了物流综合效率，应该提升物流纯技术效率，着重扩大物流规模。

　　在山东省测算样本中，青岛市物流效率最高。剔除环境干扰之后，物流效率值均达到效率前沿面，经过一、三阶段对比可以看出环境因素对规模效率有一定影响，在物流行业的发展中应着力提高纯技术效率和物流R&D研究投入，注重适当扩大规模。济南市纯技术效率只有2016年未达到效率前沿面，经过调整后物流纯技术效率均达到效率前沿面。规模效率除2015年经过调整后效率提升以外，其他年份经过剔除环境影响因素，规模效率值降低，规模报酬均处于递增阶段。因此，济南市的物流产业运作应该增加纯技术效率的投入，扩大物流经营规模，摒弃粗放式增长，加强管理与技术投入。烟台市除2013年外，经过调整后的纯技术效率均达到效率前沿面，但规模效率剔除环境变量后均下降，规模报酬均递增。由此，可以看出烟台市物流产业运作效率受环境因素影响较大，在后续发展中应该继续提高物流纯技术效率和规模效率，加大物流科技投入，扩大物流运作规模。潍坊市物流纯技术效率受到环境因素影响较小，规模效率受环境因素影响较大，经过剔除环境因素的影响调整后，各年份规模效率均未达到效率前沿面，规模报酬处于递增阶段。淄博市物流纯技术效率全部达到效率前沿面，规模效率未达到效率前沿面，规模报酬递增，应该加大物流科技投入，进一步扩大现有物流规模。东营市在一阶段只有2013年纯技术效率未达到效率前沿面，调整后规模效率、技术效率均未达到效率前沿面，且效率值非常低，规模报酬递增，说明东营市整体物流运作效率较差，物流技术投入产出较低，投入规模较小，应进行多方面改善，以提升整体物流产业效率。
　　辽宁省中的样本城市差异较大，大连市物流效率较高，一、三阶段物流效率均达到效率前沿面，说明大连市物流产业布局、技术投入、物流规模都达到较高水平。沈阳市各年纯技术效率均未达效率前沿面，剔除环境因素影响，2015年、2016年两年达到效率前沿面，其余年份大幅提升，规模效率调整前后均未达到效率前沿面，除2015年调整后规模效率有小幅度较低，规模报酬处于递增阶段，表明综合物流效率主要受限于物流规模。营口市纯技术效率均达到效率前沿面，一阶段规模效率只有2016年没有达到效率前沿面，调整后规模效率变化较大，效率值较低，剔除环境因素，规模报酬处于上升趋势，表明受到环境影响，规模效率被严重高估，应该提高管理效率和物流技术效率并根据需求拓展物流规模。
　　从总体测算结果来看，14个城市样本中，有8个城市纯技术效率在调整前后达到效率前沿面，其余城市除个别年份经过调整后纯技术效率出现下降外，其他均有所提升，说明技术效率在环境因素影响下被低估，科技投入在当前发展中应受到重视。
　　（五）环渤海地区物流效率时空差异分析
　　本文对环渤海地区14个城市的物流效率进行了测算，以求通过具有代表性样本的测算以衡量整个区域物流产业的发展质量;在整个区域之中，同一城市不同时间，同一时间不同城市的物流效率皆存在差异。高效率是高质量的核心体现，通过对物流效率理论部分的研究以及区域物流效率测算分析，得出环渤海地区物流效率的时空差异。
　　1.区域内省、市之间物流效率、发展质量差异大。从区域整体出发分析，能够得出整体的效率差异较大，各个所属区域具有不同特色。北京、天津、唐山、大连是典型的成熟型，以上城市的物流产业发展较为成熟，所处环渤海的中心地带，是全国的铁路枢纽和港口，每年的货运吞吐量、周转量均居全国前列。北京市属于全国和该地的科技中心，天津、辽宁、河北地区是传统的工业基地，在经济发展方面也占据优势。物流效率高且受到环境影响较小，说明本区域物流结构完善、规模合宜，该地区域发展、经济发展以及政策等因素，对该产业的影响都是恰当的。同样，在本区域中也存在一些城市物流效率极低，与其空间相邻的沿海与非沿海地区都具有较大差异。
　　2.省内各市之间物流效率差异显著。在样本选择中，選取具有代表性的城市样本进行分析，通过分析得到山东省、河北省、辽宁省所选取的样本具有相似的特征。山东省内部、青岛市经过调整后物流效率值全部达到效率前沿面，而东营市的物流效率值连续五年均在[0.2，0.3]内浮动。唐山市调整后的物流效率值除2017年为0.8以外，其他的效率值均达到效率前沿面，与此相比保定市的物流效率值在[0.29，0.75]之间浮动。辽宁省大连市调整前后的物流效率值全部达到效率前沿面，而沈阳与营口的效率值均较低，且营口市调整后的物流效率值均在0.5以下。
　　3.环渤海区域内部物流效率整体呈现多极化。由以上的分析可知，在环渤海内部由于诸多省份发展存在差异化，省份内部发展水平也不同，因此环渤海地区物流效率出现多极分化。以剔除环境变量影响后的物流效率作为参考，北京、天津、唐山、青岛、大连成为区域内部物流效率的极大值区域。这几个城市的物流效率代表了本阶段内环渤海地区物流效率的最高水平，测算的结果与当前城市发展的总体水平相符合。
　　4.同一区域物流效率在时间维度上差异较小。在时间维度上，仍然以调整后的物流效率为参考。与空间维度上的物流效率差异相比时间维度上的差异相对较小，北京、天津、唐山、青岛、济南、烟台、潍坊、东营、大连、沈阳、营口在五年期间的效率值差异浮动不超过0.2，沧州市物流效率极值差为0.31，保定市物流效率极值差为0.46，淄博市物流效率极值差为0.33。
　　5.区域内部分城市物流效率受到环境抑制或放大影响。物流效率受环境影响大，主要体现在效率值调整前后差异大，其本质是受到经济发展和科技投入的影响较大。在剔除环境变量影响之后，并非所有的效率值都有所提升。调整之后物流综合效率比调整之前有所提升，说明该阶段环境因素对本地物流效率产生了抑制影响。反之，调整之后综合物流效率有所下降，说明该阶段环境因素对本地物流效率产生了放大的影响。通过对比结果能够得出北京、天津、沧州、青岛、烟台、沈阳的物流效率原本受到抑制影响，环境变量的影响使得效率值被低估;保定、济南、潍坊、淄博、东营、营口原本处于对物流效率受到环境因素影响得到放大，环境变量的影响使得效率值被高估。但是以上影响在时间维度上并不显著，因此还存在一些非定量的环境因素影响，如地理位置、文化差异、消费观念差异以及政策影响。这些因素无法进行量化，因此在环境变量中未能体现，因而使得区域之间差异较大，从结果上看，选取的样本城市具有相应的代表性，能够反映辐射地区的物流效率的水平。以河北省为例，沿海物流发达城市物流效率较高，其他城市物流效率较低。因为临海城市存在较多港口，物流网络完备、规模大，因此物流效率变化不明显。 　　四、結论与高质量发展建议
　　（一）结论
　　本文在高质量发展及区域协同的背景下，基于环渤海14个城市数据，基于面板数据的三阶段DEA模型，测算环渤海地区物流产业效率，探索了环渤海地区物流产业效率及时空差异，研究结果显示：
　　（1）区域内样本城市物流效率、发展质量差异较大;物流效率受到环境因素的影响较为明显，但对不同城市影响效果不同，分别产生了抑制和放大效应，使物流效率在不剔除环境因素影响的情况下被低估或者高估。
　　（2）经济发展水平与物流产业发展水平之间具有正相关的关系，GDP粗放增长，资源配置不合理，降低了物流运作效率。
　　（3）物流综合效率受到纯技术效率的影响较低，与随机干扰项相比，管理无效率的影响更具有显著性，管理因素对投入松弛变量的影响更加显著。
　　（4）时空特征差异明显，区域内省、市之间物流效率整体差异较大;省内各市之间物流效率差异显著;环渤海区域内部物流效率整体呈现多极化;同一区域物流效率在时间维度上差异较小。
　　（二）环渤海地区物流高质量发展建议
　　综上，为进一步提高环渤海地区物流产业发展质量与效率，为实体经济提供发展保障，区域所在地方政府、企业及行业组织应当探索符合地区特色、有效的政策及举措。基于本文研究结论，提出以下发展建议：
　　一是保障政策间的优势互补与正向调控作用，在区域经济发展和产业发展中强调地方政策的主动性，破除政策短视局限，协调好经济增速与发展质量的关系，利用政策工具调动企业主体积极性，实现区域间、产业间协同发展[8]。
　　二是提升人力资源水平，夯实发展基础。加强从业人员的技能提升，引进行业人才，搭建层次完善的人才梯队，为物流产业高质量发展奠定人才基础。
　　三是改善管理模式，实现转型升级。形成政企合力，通过改善基础设施、优化空间布局、完善枢纽功能、组建物流园区等，形成资源集聚和企业集聚，提高资源利用率和物流效率。
　　四是加强港口与腹地、上下游产业协同，推进一体化发展。发挥区域特色，加强港口与腹地协同，引导上游产业转型升级，打造多元化服务格局，提升科技服务和管理创新水平，以优化规模与产业结构，实现产业间高效协同。提升效率与发展质量，缩小区域内部发展差距，形成港口联动腹地，优势集聚、结构合理的发展格局。
　　五是提升物流技术应用水平，推广物流预测技术及标准化管理技术。营造良好应用氛围，推进新技术应用及成果转化。
　　六是统筹好国内和国际发展定位。整合区域内部资源，服务自身、辐射周边;提升国际资源整合能力，打造优势突出、开放共享的国际化人才资本团队。
　　注释：
　　① 国务院.关于进一步推进物流降本增效促进实体经济发展的意见，2017-08-17.;交通运输部.推进运输结构调整三年行动计划（2018-2020），2018-10-09.;国家发改委.国家物流枢纽和建设规划，2018-12-21.
　　参考文献：
　　[1] Fried H.O.， Lovell C.A.K.， Schmidt S.S.，et al. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J]. Journal of Productivity Analysis，2002，17（1）：157-174.
　　[2] 罗登跃.三阶段DEA模型管理无效率估计注记[J].统计研究，2012，29（4）：104-107.
　　[3] 陈巍巍，张雷，马铁虎，等.关于三阶段DEA模型的几点研究[J].系统工程，2014，32（9）：144-149.
　　[4] Jondrow J， Lovell C A K， Materov I S，et al. On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Function Model[J].Journal of Econometrics，1982，19（2/3）：233-238.
　　[5] 张竟轶，张竟成.基于三阶段DEA模型的我国物流效率综合研究[J].管理世界，2016（8）：178-179.
　　[6] 钟祖昌.基于三阶段DEA模型的中国物流产业技术效率研究[J].财经研究，2010，36（9）：80-90.
　　[7] 梅国平，龚雅玲，万建香，季凯文.基于三阶段DEA模型的华东地区物流产业效率测度研究[J].管理评论，2019，31（10）：234-241.
　　[8] 卢美丽.中国物流业效率提升是否有路径显现？——基于省级数据的定性比较分析[J].商业经济与管理，2020（7）：27-37.
　　Research on the Measurement of Logistics Efficiency in the Bohai Rim Region from the 　　Perspective of High-quality Development：Based on the Three-stage DEA Model
　　WANG Wen-sheng， KAO Xiao-xuan
　　（School of Management， China University of Mining and Technology， Beijing 100083， China）
　　Abstract：Based on the perspective of high-quality development， this paper selects 14 cities in the Bohai Rim region as the research sample， constructs the evaluation index system of logistics efficiency in Bohai Rim region， and uses three-stage DEA model to measure the logistics efficiency in the Bohai Rim region. Through calculation and analysis， the spatial and temporal differences in logistics efficiency and development quality between cities in the Bohai Rim region are obtained. The results show that：（1） There are great differences in logistics efficiency and development quality among sample cities in the region; the logistics efficiency is obviously affected by environmental factors， which shows inhibition and amplification effects on different cities，making the logistics efficiency be overestimated or underestimated without excluding the influence of environmental factors.（2） There is a positive correlation between the level of economic development and the level of logistics industry development. The extensive growth of GDP and the unreasonable allocation of resources reduce the efficiency of logistics operation.（3） The impact of pure technical efficiency on the overall efficiency of logistics is relatively low. Compared with the random disturbance， the impact of management inefficiency is more significant， and the impact of management factors on input slack variables is more significant.（4） Spatial and temporal differences are obvious， and the overall difference of logistics efficiency between provinces and cities in the region is large; the difference of logistics efficiency among cities in the province is significant; the overall logistics efficiency in the Bohai Rim region presents multi polarization; the difference of logistics efficiency in the same region is small in the time dimension.
　　Key words：logistics industry efficiency; three-stage DEA model; high-quality development; the Bohai Rim region
　　（責任编辑：严元）