比较我国农产品物流效率的地区差异

所属栏目:物流论文 论文作者:/
论文摘要

  一、 引 言

  作为农业大国, 我国农产品的物流量十分巨大, 其中未经深加工的生鲜农产品占据较大比重。

  但是由于农产品市场体系与物流组织体系不完善、农产品物流基础设施薄弱、 物流技术水平落后、物流运作模式不成熟等原因, 导致我国农产品物流损耗严重, 农产品物流效率低下。 据统计, 我国农产品物流环节的损耗率高达 35%, 是美日等发达国家的十倍左右, 这不仅在一定程度上推高了农产品消费价格, 而且诱发了诸如 “甲醛白菜”、 “蓝矾韭菜”、 “硫磺生姜” 等农产品安全事件。 所以提高我国农产品物流效率是一件关乎民生的大事, 将有利于缓解农产品小生产与大市场之间的矛盾, 稳定农产品价格、 保障农产品质量安全。 虽然学术界对农产品物流效率已经开展了一些研究, 但是大多是一些描述性研究, 少量的实证研究关注了农产品流通效率部分是在定性的讨论我国农产品物流和农产品物流效率的问题。

  鉴于此, 众多学者围绕影响我国农产品物流效率的相关问题展开了广泛而深入的研究, 主要可以归结为两大方面: 一是对农产品物流效率的测度及指标体系构建。 杨宝宏等 (2009) 认为物流成本、 物流损耗、 农产品质量和物流速度是反映生鲜农产品物流效率的四个指标; 孙剑 (2011) 建立了我国农产品流通效率测度的指标体系, 包括农产品流通速度指标、 流通效益指标和流通规模指标三大类, 共 12 项指标。 二是关于农产品物流效率影响因素的研究。 如罗必良、 王玉蓉等(2000) 从制度经济学的角度分析并指出农产品物流组织的产权结构、 农产品物流组织对其成员的努力与报酬的计量能力以及农产品物流组织所隐含的制度内容是否与之相吻合是影响农产品物流效率的主要因素; 寇荣、 谭向勇 (2008) 的研究发现, 农产品物流模式、 物流结构、 物流技术、物流网络布局、 物流制度等是影响农产品物流效率的重要因素; 欧阳小迅、 黄福华 (2011) 的实证研究发现, 在农产品流通效率的决定因素中,农村物流基础设施、 农村劳动力质量与农村信息化水平表现出显著正效应, 农产品流通专业化水平目前并未充分显现对农产品流通效率的促进作用; 杨军等 (2011) 则探讨了城镇化对农产品物流效率的影响, 发现我国农村城镇化与农产品物流效率存在长期协整关系, 短期关系存在波动,而且不管长期还是短期, 农村城镇化对农产品物流效率的提升具有明显的促进作用。

  可见, 目前围绕农产品物流效率的相关研究已有不少, 但是现有研究对我国农产品物流效率现状的评价并未达成一致结论, 而且触及农产品物流效率区域差异分析的实证研究并不多见。 事实上, 我国农产品物流的区域发展不平衡性比较突出, 发展的阶段也不一样, 所存在的问题也不尽相同。 近年来我国各地区相继出台推动农业和物流业发展的政策条例, 为缓解农产品供销矛盾和提高农产品物流效率起到了非常重要的作用。

  尽管如此, 仍然有很多地区对本地农产品物流效率的实际情况认识不清, 制定的政策针对性不强,无法正确引导地区农产品物流的发展。 因此, 利用一段时期内的省际面板数据对我国农产品物流效率及其区域差异进行实证探索, 并对农产品物流效率区域差异的根源进行更全面、 更具体的分析有着重要的意义, 这将便于有针对性的提出不同区域农产品物流效率提升的对策。 本文将运用随机前沿分析 (SFA) 方法, 通过对各地方的统计数据来测算我国及其不同地区农产品物流效率的大小以及演进趋势, 比较农产品物流效率的地区差异, 进而通过定量分析来确定制约该区域提高农产品物流效率的瓶颈, 从而为各地区制定农产品物流发展政策提供有的放矢的建议。

  二、 研究设计

  (一) 研究方法

  在目前衡量物流效率的实证研究中, 学者们主要采用两种前沿面方法: 一种是通过计量模型对前沿生产函数的参数进行统计估计, 并在此基础上对技术效率进行测定, 这种方法被称为 “统计方法 ” 或 “ 参数方法 ” , 以随机前沿方法( Stochastic Frontier Approach, 简 称 SFA) 为代表; 另一种是通过求解数学中的线性规划来确定生产前沿面, 并进行技术效率的测定, 这种方法被称为 “数学规划方法” 或 “非参数方法”, 以数据包络分析 (Data Envelopment Analysis, 简称DEA) 为代表。 由于 DEA 方法没有考虑统计噪声和随机因素对估计结果的影响, 其表现得对奇异值也相当敏感。 而农产品物流过程无疑是一个充满噪声的过程, 奇异值也出现, 所以就效率测量的准确性而言 , 应该倾向于使用 SFA 而不是DEA。 具体而言, 选取 SFA 方法对农产品物流效率进行测量有以下优点: 第一, SFA 方法将实际产出分为生产函数、 随机因素和技术无效率, 考虑了随机因素对于产出的影响; 第二, SFA 方法利用生产函数和随机扰动项构造出随机生产前沿,并通过极大似然法估计出各个参数的数值, 然后将技术无效率项的条件期望作为技术效率值, 其结果更便于对所有决策单元 (如本文所研究的农产品物流效率) 进行评价; 第三, SFA 方法采用的极大似然估计法充分利用了每个样本的信息并且 “平等” 对待每个样本, 因此使用该法受异常点的影响较小, 计算结果趋于稳定, 可比性更强、可靠性更高。

  1. SFA 方法简介Meeusen 和 Broeck(1977)[10]、Aigner 等(1977)、Battese 和 Corra (1977)提出了随机型前沿模型(即 SFA 方法)。

  其 SFA 模型如下所示:

  Yi=f(xi,β)exp(νi)exp(-μi),i=1,…,N (1)
  
  其中, Yi表示产出, xi表示投入, β 为模型参数。 随机扰动 εi分为两部分: 一部分用于表示统计误差, 又被称为随机误差项, 用 νi来表示; 另一部分用于表示技术的无效率, 又被称为非负误差项, 用 μi来表示。 模型有如下假设:

  ①随机误差项 i~N (0, σ2v), 主要是由不可控因素引起, 如自然灾害、 天气因素等等。

  ②非负误差项 i~N+(0, σ2μ), 取截断正态分布 (截去<0 的部分), 且有 μi、 νi相互独立。

  ③μi、 νi与解释变量 xi相互独立。

  此后 Battese 和 Coelli (1992)[13]在前人研究的基础上进行了改进, 引入了时间的概念, 使 SFA模型可以对面板数据进行效率评价。 具体模型如下:

  Yit=f (xit,β )exp (vit)exp (-μit),i =1, … ,N,t =1,…,T (2)
  
  在式 (2) 中, Yit是第 i 个决策单元的 t 时期产出, xit是第 i 个决策单元的 t 时期的全部投入, β 为模型参数, νit为随机误差项, μit=μiexp(-η (t-T)) 为非负误差项, η 为被估计的参数。

  2. SFA 方法的函数选择在测度技术效率的参数法模型中, 常用的生产函数主要有柯布-道格拉斯 (Cobb-Douglas) 和超越对数 (Translog) 两种形式。

  ① 柯布-道格拉斯 (Cobb-Douglas) 生产函数。

  通过估计道格拉斯生产边界来测算是否有效:

  ln(Qi)=β0+β1ln(Ki)+β2ln(Li)+(vi-μi),i=1,…,N(3)
  
  其中, Qi, Ki, Li分别表示产出, 资本和劳动, 另外 νi假定服从正态分布, μi服从半正态分布。

  ② 超越对数 (Translog) 生产函数。

  其模型的一般形式为:

  论文摘要

  与 Cobb-Douglas 函数不同, Translog 函数中的服从正态一截尾正态分布, 具有以下两个优点:

  首先, 已有大量研究表明超越对数函数可以更好的对数据进行拟合, 例如, Altunbas 和Chakravarty(2001) 证明使用此函数可以进行很好的预测, 特别是其能够有效的处理非平衡的或者说异质类数据, 并得到良好的结果; 其次, 超越对数函数可以反映出解释变量对被解释变量的交互作用。

  因此, 本文选用 Translog 函数的随机前沿模型。

  (二) 模型设定

  考虑到投入要素之间的替代效应, 本文的模型在超越对数函数的基础上引入一次时间变量以考察前沿技术进步及投入要素的非中性技术变化,以及二次时间变量以考察非单调的技术变化。 因此, 各地区农产品物流效率可以通过以下模型得出:

  论文摘要

  模型中, Qit表示地区 i 在第 t 年的农产品物流量, β 为生产函数的待估变量系数, xnit表示地区 i 在第 t 年的第 n 个投入变量, 在这里 n=2, 即只包括资本投入 (k) 和人力资源投入 (l), t 表示技术变化的时间趋势, vi服从正态分布, μit服从正态一截尾正态分布, 为非负随机变量, 表示物流活动中的无效率项。

  (三) 指标选取与数据来源

  运用基于 SFA 方法对农产品物流效率进行测度最重要的就是投入指标和产出指标的选取, 然而, 目前学术界对农产品物流投入指标和产出指标的选取还没有形成共识 。 马士华 , 陈习勇(2004) 认为农产品物流的投入资源包括各种物流机械设备、 物流设施、 劳动力、 资金、 信息等;王新利 (2003) 从 “要素” 的不同角度, 总结出农村物流体系的一般要素包括人、 物品、 物流信息和资金流。 在参考大量文献的基础上, 我们认为农产品物流行业的产出是劳动力投入、 资本投入和技术进步 3 个方面共同作用的结果, 由于技术在现实中没有统一的指标进行测算, 因此,本文研究剔除技术这个因素。 以农村农产品物流量作为各地区农村农产品物流的产出指标, 以农村农产品物流相关资本存量及农村农产品物流相关从业人员为农村农产品物流的资源要素投入指标。 其中, 农村农产品物流量用农村居民家庭人均出售主要农产品 (粮、 油、 水果、 蔬菜) 数量乘以各地区农村人口表示; 农产品物流相关资本存量以农村居民家庭生产性固定资产原值中交通运输邮政业与批发零售餐饮业加总而得, 然后再乘以各地乡村户数。 农产品物流相关从业人员由交通运输、 邮政、 仓储业从业人员数构成 (杨军等, 2011; 徐良培、 李淑华, 2013)。

  本文研究的基础数据来源于 《中国统计年鉴》、 《中国农业年鉴》、 《中国区域经济统计年鉴》、 《中国农村统计年鉴》、 《新中国农业 60 年统计资料》、 《改革开放三十年农业统计资料汇编》、 《中国物流年鉴》 及各省份历年统计年鉴,并进行了必要的归并和整理。 考虑数据的可得性和可用性, 本文首先剔除了香港、 澳门、 台湾、重庆、 广西、 西藏、 宁夏、 新疆等八个关键性指标缺失或关键数据统计口径存在严重差异的地区,另外, 参考欧阳小迅、 黄福华 (2011) 及夏庆利、易法海 (2006)的做法, 没有将黑龙江、 吉林和内蒙古选作样本, 黑龙江、 吉林两省以农场方式生产经营为主, 内蒙古以畜产品生产经营为主,三个地区农产品流通模式与全国其他地区差异性较大, 缺乏可比性。 最终本文选取 2003~2011 年23 个省级行政区的面板数据进行分析, 观测样本中某些变量存在缺失值时, 使用该缺失值前后年份的平均值来补充。 需要特别说明的是, 样本数据中涉及到固定资产投资, 其存量的估算采用国内学者惯常使用的永续盘存法, 基年固定资本存量采用 2003 年的固定投资比上 2003 年至 2011 年固定投资增长的几何平均数加上折旧率后的比值。

  考虑到资产重估的现实困难, 重置率采用统一的固定资产折旧率来代替并设定为 9.6%, 平均折旧年限为 10 年。

  三、 实证分析
  
  本文数据分析使用的软件是 Frontier4.1 软件,该软件在估计效率值时, 使用的主要是极大似然函数估计方法。 整个运行程序是首先通过最小二乘方法对模型进行相应的效率估计, 得出初步的效率值和相关的参数和统计量, 参数的估计是无偏的。 如果说 Frontier4.1 软件在估计效率值时,所估计出的效率是不存在技术无效率的, 那么,估计就此结束, 说明所研究的对象具有完全的技术效率, 而仅仅存在由于误差项或者说干扰项而造成的无效率。 如果存在技术无效率时, 之后程序会根据最小二乘估计方法中估计出的参数等,利用格点搜索法 (Grid Search) 来进行进一步的迭代, 之后利用极大似然估计方法估计出最终的结果。 下面将针对相应的估计结果进行具体分析。

  (一) 超越对数随机前沿生产函数的估计

  使用 2003~2011 年省际面板数据, 由式 (5)分别对中国 23 个省、 市、 自治区及东中西部地区进行三阶段最大似然估计, 表 1 给出了生产函数的系数估计值和 t 统计值 。 Battese 和 Coelli(1992) 曾证明, LR 检验统计量渐近服从混合 χ2分布。 在截断正态模型的假定下, 无论是全国还是东、 中、 西部各地区的 LR 值都大于临界值,因此模型可以拒绝没有无效效应的零假设。 再结合全国及各地区的 γ 值均不低于 0.76, 可知模型合成误差项的变异应该主要是由技术效率的无效性部分引起, 故此说明随机前沿生产函数模型的假设是合理的。 而从全国及各地区生产前沿模型参数的 t 值的统计显著性来看, 只有极少数变量的 t 值显示为不显著, 说明本文对模型参数的取舍性预设也是基本合适的。

  论文摘要

  首先, 从资本的系数来看, 在全国范围内资本投入与农产品物流效率呈正相关, 但这种关系不太显著; 但是, 就地区而言, 我国东部、 中部、西部各个地区的资本投入却与农产品物流效率呈负相关, 并且在东部地区和西部地区这种负相关关系还比较显著。 这说明全国农产品物流资本投入的规模效率处于递增状态, 而相应的物流产出却在逐年递减, 也就是说就全国农产品物流效率水平而言, 资本投入尚处于不饱和状态, 各地区资本相对稀缺及利用效率的低下。 再看二次资本投入变量的系数, 东部、 西部地区为正值, 表明随着时间的推移, 这两个地区农产品物流的资本投入增长率呈上升趋势, 中部地区则正好相反。

  其次, 从人力的系数来看, 在全国范围内劳动力的投入与农产品物流效率呈现微弱显著的正相关关系。 这是因为东部和西部地区的劳动力投入都与农产品物流效率呈现显著的正相关关系,而在中部地区, 两者却呈现出显著的负相关关系,正负两方面的效应相互抵消从而使得全国范围内两者的关系呈现出微弱的正相关关系。 这说明全国农产品物流相关从业人员的数量处于递减状态,而相应的物流产出也在逐年递减, 也就是说就全国农产品物流效率水平而言, 人力投入已经比较饱和, 更需注重提升从业人员的素质和服务水平,才能形成和保持人才优势。 就地区而言, 中部地区比较特殊, 一直在加大人力的投入, 说明这个地区的人力资本处于相对稀缺状态或者劳动力效率低下。 另外, 从二次人力投入变量的系数来看,全国为负值, 说明随着时间的推移, 在全国范围内对农产品物流的人力投入增长率呈下降趋势,然而中部地区为正值, 且 t 值非常显著, 说明该部情况与全国整体情况正好相反, 即中部地区的人力投入增长率在不断上升, 该地区劳动力资源非常稀缺。

  最后, 从时间的系数来看, 由于模型中大多数的 t 统计量均不显著, 表明观测期全国及各地区农产品物流的技术进步都不明显, 这也在表 1的 η 值处进一步得到了验证。 另外, 从二次时间变量的系数来看, 中部地区为负值, 表明随着时间的推移, 中部地区农产品物流的技术变化增长率呈下降趋势, 其他地区则正好相反。 这种情况反映了全国及各地区农产品物流中要素投入的不平衡性。 再看时间与资本及人力资源的交互项系数, 两者一正一负, 表明与资本投入相比较, 我国农产品物流相关的人力资源仍然是相对稀缺的。

  (二) 技术效率分析

  从表 2 可以看出, 观测期内我国农产品物流技术效率均处于较低水平。 2003~2011 年 23 个观测区农产品物流的平均技术效率为 0.2621, 增长趋势为负 (见表 1 中 η 值), 表明我国农产品物流的技术效率尚处于较低水平且呈现负增长, 与我国近 10 年均 10.7%的经济增长速度相比严重滞后, 而在 10 年来农产品产量年复合增长 3.0%的情况下其价格却以年复合增长 8.5%的速度上涨,尽管部分原因在于城镇化引起的人口消费结构的变化, 但低水平的农产品物流效率也难辞其咎,某种程度上也是农产品供求结构性失衡的重要原因。

  从地区分布来看, 中部地区农产品物流的平均技术效率最高, 为 0.3853; 东部地区次之, 为0.2607; 西 部地区最 低 , 为 0.1205。 这 种排列顺序似乎与我国当前经济发展水平的整体格局不太吻合, 需要说明的是这种结果只能说明资本和人力的利用不善是制约经济发展水平较低地区发展速度的重要因素之一, 并不能充分说明经济比较发达的东部地区资本和人力的利用效率偏低, 因为该地区的产业结构重心正在向第三产业转变,而中部地区之所以能够实现崛起则是因为该地区加大了对农产品物流的人力投入, 较好地发挥了人在推动农村地区物流发展过程中的主体作用。

  论文摘要

  从具体省市来看, 我国北京、 天津、 上海三个直辖市的农产品物流技术效率呈特例状态, 农产品物流技术效率均较低, 究其原因可能与东部地区效率偏低的类似, 因为三市的经济发展水平相对处于较高水平, 经济结构更偏向于第二和第三产业, 尤其是第三产业, 而且农产品周转量在其物流周转总量中仅占很小一部分。 东部省市中,作为我国重要的农产品输出地的辽宁、 山东农产品物流技术效率处于较高水平, 分别为 0.5168、0.9379, 而其他如福建 、 海南等省份 , 农产品技术效率则相对较低, 这不仅与交通的便利程度密切相关, 也与相关从业人力资源的稀缺程度密不可分。 从中部地区各省份农产品物流技术效率看,河南、 河北等省份相对较高, 技术效率值徘徊在0.6 上下, 因为这些省份兼具资本和人力的双重优势, 并且很好地整合了本地的有限资源; 而技术效率相对较低的省份如山西、 湖南则由于相关投入不足效率值只能达到 0.2 左右。 西部地区各省份的农产品物流技术效率均处于相对较低的水平,贵州、 甘肃、 青海甚至均低于 0.1, 可能与西部地区的资本和人力资源都非常紧缺的整体状况有关。

  四、 研究结论与政策建议

  (一) 研究结论

  本文利用随机前沿方法 (SFA) 对我国 23 个省份 2003~2011 年的农村农产品物流效率进行了测算。 从资本、 人力两个方面对我国各区域农产品物流效率的进行测量, 每个指标都保证做到可度量、 可收集。 然后根据我国各省份的统计数据得出了其农产品物流效率的估测结果, 分析数据可得, 我国农产品物流效率整体水平中等偏低,存在相当大的发展空间, 由于西部省份的倒退情况非常严重导致我国农产品物流效率的整体水平呈现出略微下降的趋势。 另外, 东部、 中部、 西部地区之间的差异是存在的, 但是随着我国经济社会的发展, 地区间的效率差异呈现出先扩大后缩小的发展态势, 且缩小的速度缓慢。 具体而言,本文研究表明: 第一, 农村物流相关从业人员的数量和素质是决定农产品物流效率的重要因素。

  随着我国西部大开发和中部崛起战略的不断实施,西部及部分中部地区农村经济也将进入一个更高的发展阶段, 农村农产品流通相关的人力资本作用将不断加强。 第二, 虽然我国农产品物流的资本投入逐年递增, 但是对农产品物流效率的促进作用却不显著。 这一方面说明资本投入不足是发展农产品物流的主要障碍; 另一方面也反映出现行农产品物流的资本运营方案有待优化。 第三,总体而言, 全国及各地区农产品物流技术效率均处于较低水平, 农产品物流在运行中远未发挥已有资本、 人员投入的巨大潜力, 虽然农村物流相关人力资源已经开始表现出其推动农产品物流发展的积极的、 较为明显的作用。 就地区而言, 中部地区农产品物流的平均技术效率相对最高, 东部地区次之, 西部地区最低; 就要素的投入效应而言, 全国农产品物流资本投入尚处于不饱和状态, 另外, 东部和西部地区主要以资本来代替人力资源的投入, 而中部地区则同时加大资本与人力资源的投入; 就农产品物流技术效率的时间趋势而言, 全国及中部地区农产品物流的技术变化增长率呈下降趋势, 东部地区则正好相反。

  (二) 政策建议

  提高我国农产品物流技效率是一个系统工程,它不仅需要从宏观上正确部署地区发展战略, 更需要从微观上对人员、 物品、 资金等资源进行优化配置, 因此改善和提高我国农产品物流效率,可从人力、 资本的优化配置和技术创新三个方面付诸努力。

  第一, 以改善管理、 培养人才为重点, 完善物流行业基础工作。 随着西部大开发、 中部崛起等战略的不断推进实施, 经济欠发达地区的农村经济即将进入一个更高的发展阶段, 农村农产品物流相关的人力资本作用将不断加强, 因此, 国家在加大农村地区人力资本投入力度, 全面提高农村地区人口素质的同时, 还应通过市场机制和政策引导, 逐步形成有利于生产要素流入农业部门 (包括农产品物流部门) 的宏观条件, 使得优质农村人力资本不向或少向非农部门或相对发达地区转移。 另一方面, 着力改变目前农产品物流的从业人员素质普遍偏低的现状, 高度重视物流从业人员的系统教育和专业培训, 通过严格的考核培养和选拔出优秀的物流人才, 以之为主体推动农产品物流行业中的技术进步和应用。

  第二, 以降低成本, 创新模式为目标, 加快行业转型步伐。 加快农产品物流由劳动密集型向资本密集型的现代服务业转变的步伐, 加大我国在农产品物流的固定资产方面的投资力度, 加紧用于农产品物流的公共基础设施建设, 在全国范围内建立庞大的铁路、 公路、 航空、 内河航运以及管道运输网络, 提高农产品储运设备的机械化、信息化、 自动化水平, 结合成功经验与本地的实际需要, 实现农产品物流供应链的信息共享, 更好地满足客户对鲜活农产品的需要, 加强农产品物流的竞争力, 构建全产业链视角的高效农产品物流体系。 这不仅是提高农业经营效益、 提高农产品物流效率、 保障农产品质量安全的必然选择,也是我国农业生产经营的发展趋势和主要方向。

  第三, 以科技创新, 信息应用为手段, 加大物流技术创新力度。 加强农产品物流新技术的自主研发与应用, 重点支持物流信息平台、 智能交通、 冷链物流系统等关键技术攻关, 促进物联网在农产品物流领域的应用, 促进物流标准的贯彻实施。 加快先进物流设备的研制, 提高物流装备的现代化水平, 特别是冷链物流装备技术的开发应用。 目前我国农产品的冷链物流刚刚起步, 仍以常温物流或自然物流为主, 在整个物流链条上未经加工的鲜销农产品占了绝大部分, 而这些农产品大多数因运价、 运力、 交通基础状况和产品保鲜技术造成腐烂、 变质, 损失巨大。 要加快农产品保鲜技术创新, 完善鲜活农产品储藏、 加工、运输和配送等冷链物流设施, 初步建成农产品冷链物流服务体系, 降低流通环节产品腐损率。 推进物流信息资源开放共享, 促进信息流、 物流和资金流的协同和联动, 提高物流服务效率和经营管理水平。

  参考文献:
  [1] 杨宝宏,郭红莲,魏国辰. 提高生鲜农产品流通效率的探讨———深圳“布吉模式”的启示[J]. 物流技术,2009,28(2):28-30.
  [2] 孙 剑 . 我国农产品流通效率测评与 演进趋势———基 于 1998~2009 年面板数据的实证分析[J]. 中国流通经济,2011(5):21-25.
  [3] 罗必良,王玉蓉 ,王 京安. 农产品流通组织制度的效率决定 :一个分析框架[J]. 农业经济问题,2000(8):26-31.
  [4] 寇 荣 , 谭向勇. 论农产品流通效率的分析框架[J]. 中 国流通经济,2008(5):12-15.
  [5] 欧阳小迅,黄福华. 我国农产品流通效率的度量及其决定因素 :2000-2009[J]. 农业技术经济,2011(2):76-84.
  [6] 杨军, 王厚俊, 杨春. 我国城镇化对农产品物流效率的影响[J].农业技术经济,2011(10):63-68.

'); })();