基于超效率DEA和Malm...陇兰经济带物流效率实证分析_韩佰庆.pdf

Journal of Changchun Finance College一一一一一一一一一一一一一一一一一一一一一一一一学 报基于超效率DEA和Malmquist指数模型的沿黄陇兰经济带物流效率实证分析韩佰庆，郑贺，汪建伟（安徽理工大学 经济与管理学院，安徽淮南232001）摘要沿黄陇兰经济带是我国经济社会发展规划中贯通东西的重要经济带，物流产业对其发展起到至关重要的作用。以传统DEA（Data Envelopment Analysis，DEA）模型为理论基础，结合超效率DEA和Malmquist指数模型，以沿黄陇兰经济带所涉及的省份为研究对象，运用DEAP2.1和DEA-solver软件对20152019年经济带中各个省份物流投入与产出面板数据进行静态与动态分析。研究结果表明：第一，20152019年沿黄陇兰经济带的物流效率有所改善和提升，总体发展势头良好；第二，经济带中的中西部省份物流效率提升比较明显，但仍处于相对较低水平；第三，资源配置不合理和投入冗余导致区域内出现物流效率发展不平衡的现象，东部沿海省份综合物流效率高于中西部省份。对此，政府应进一步加强物流基础设施建设、提升物流信息化程度，以推动沿黄陇兰经济带的物流发展，提高区域竞争力。关键词沿黄陇兰经济带；物流效率；超效率DEA模型；Malmquist指数模型中图分类号F259.27文献标识码A收稿日期20230420文章编号 1671-6671（2023）04-0088-09作者简介韩佰庆（1998），男，内蒙古赤峰人，安徽理工大学经济与管理学院硕士研究生，研究方向：供应链系统。物流业是物流资源产业化形成的一种复合型或聚合型产业，也是第三产业的重要组成部分。它被形象地称为国民经济增长的“推动器”，因为它已经成为促进国民经济发展的支柱产业。物流业对降低货品流通成本、优化贸易环节、提高经济运行质量、调整经济产业结构、提高社会效益等方面都有显著影响。沿黄陇兰经济带1是我国经济社会生产力发展规划中两条纵横贯通东西向的经济带，它以黄河流域、陇海铁路、兰新铁路为轴线，连接了东至江苏、安徽，西至新疆，北至内蒙古，南至四川等13个省份，幅员辽阔，辐射面积广。物流业是沿黄陇兰经济带实现产业结构调整、优化升级的重要抓手。然而，长期以来，由于行政区划分的限制，导致沿黄陇兰经济带存在“块块经济”和“诸侯经济”2等现象。这使得沿黄陇兰经济带的物流产业发展出现基础设施重复建设、企业恶性竞争、资源分配不均、效率低下等问题，物流发展水平还有待提高。一、文献综述物流效率是对物流资源使用程度、物流生产要素使用效率的衡量，其作为描述物流行业发展水平的重要标准，在数学计算上可以用一段时间内的物流产出要素与投入要素的比值来表现。近年来，学者们对物流效率进行了越来越多的研究。一方面，他们从物流企业自身、行业之间以及空间地域等角度分析物流效率。皇宁宁和吴薇3的研究发现，目前上市物流公司整体经营效率良好，但存在物流资88一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一2023年第4期（总第171期）Journal of Changchun Finance College源利用不完全和资源浪费严重的问题。对此，他们提出了借助“互联网+”来提高物流效率的指导意见。宋志蕙和胡淑新4研究了跨境电子商务的供应链协同系统的物流效率，发现在其发展过程中存在着运营成本高、信息化程度低、体系不完善等问题，并构建了质量评价体系标准。李雷5对甘肃省14个市州物流效率及其影响因素进行了研究，发现全省整体物流效率较低、各市州物流效率发展不均衡，最后依据“一带一路”经济发展背景提出了相关改善意见。另一方面，大量学者研究了物流效率的测度方法，如运用Logistic增长模型、投入产出法、DEA分析法、超效率DEA分析法等进行区域性物流效率测度研究。黄浩和黄维6运用Logistic模型，选取武汉市GDP和货运量作为物流产业发展水平的衡量指标，分析了武汉市物流业与经济增长之间的关系，提出了促进物流业发展的对策。陈伟达和张宇7从投入产出的角度出发，运用计量经济模型研究了我国生产者服务业对制造业竞争力提升的影响，并发现其在结构上存在问题以及在投入上存在差异。DEA分析法是依据投入与产出建立的非参数经济分析模型对多个决策单元相对有效性的数据分析方法，适用于物流效率的研究。王博和祝宏辉8运用三阶段DEA模型创新性地选取环境的评价指标对“丝绸之路经济带”和“21世纪海上丝绸之路”沿线区域的物流效率进行了分析。许鹏9分析了辽宁省物流业发展效率，分别考虑规模报酬不变、变动规模报酬两种情况，用DEA模型运算数据，最后依据结果针对性地给出了政策建议。付丽娜和陈晓红10认为人为主观因素对传统DEA方法的权重赋值影响较大，无法排除随机因素的干扰，因此他们运用改进的超效率DEA方法研究城市群落生态效率。肖丹和刘联辉11在C2R模型、BC2模型的基础上，引入超效率DEA模型分析了广东省物流效率，研究发现广东省各城市存在物流效率发展不均衡的现象。杜浩和周昱彤12基于超效率DEA方法计算我国主要港口的物流运行效率，并基于吞吐量效率矩阵进行港口类型分类。仲云云和周雨倩13运用超效率DEA模型对长江经济带物流效率进行了分析，研究表明长江流域上中下游物流效率发展不平衡、各省市物流效率发展差异显著，并从提升技术效率和规模效率等方面提出了可行的建议。李兰冰和刘军14基于DEA方法和Malmquist指数评价了海峡两岸暨香港、澳门主要沿海港口物流的动态效率。由上述可知，专家学者们已经围绕物流效率进行了大量研究，在研究角度上选择也很全面，但是在分析方法上大多数更倾向于单一使用DEA方法，而选取超效率DEA模型和Malmquist指数方法较少。传统DEA模型存在的局限性是只能进行静态分析，无法比较各组效率值，更无法显示效率动态变化情况。超效率DEA模型能够比较效率值，Malmquist指数能够进行动态分析显示不同时间段效率的变化情况。此外，在空间地域方面，大多面向的是比较常见的沿海地区或者特定的省份、城市来进行分析比较，对沿黄陇兰经济带的物流效率研究几乎是空白。因此，本文研究对象选择沿黄陇兰经济带所涉及的13个省份，在研究方法上创新性地结合超效率DEA模型以及Malmquist指数，以此来测算沿黄陇兰经济带的物流效率，从而可以了解沿黄陇兰经济带物流产业发展的现状，并针对现状找到薄弱环节，对促进沿黄陇兰经济带物流产业发展与产业结构转型提供一定的指导。二、研究方法（一）数据包络分析法数据包络分析方法(DEA)于1978年由美国运筹学家A.Charnes等提出，主要适用于评价同类型具有多投入、多产出决策单元的技术与规模的有效性。它的主体思想是通过研究生产决策单元DMU（Decision Making Units，DMU）的输入与输出数据，保证其不变，运用数学规划和统计数据确定相对有效性的生产前沿面，将各个决策单元投影到DEA的生产前沿面上，并通过比较决策单元DEA偏离前89Journal of Changchun Finance College一一一一一一一一一一一一一一一一一一一一一一一一学 报沿面的程度来评价它们的相对有效性。15而C2R模型和BC2模型是传统DEA模型的代表，它们又可以进一步细分为两类，即投入导向型和产出导向型。C2R模型对应规模不变的CRS模型，主要说明在固定规模报酬下的总效率；BC2模型对应规模可变的VRS模型，可以表示在变动规模报酬下的纯技术效率和规模效率。16（二）超效率DEA模型由于传统的C2R和BC2模型只考虑决策单元的投入变量和产出变量，没有考虑内部分项结构关系，因此在计算结果中可能得到多个效率最大值均为1的情况。当出现多个决策单元效率值均为1时，则不能简单地按数值的大小对各个决策单元排序。对于这种情况，Andersen17在1993年提出了超效率DEA模型，做法是在分别评价某决策单元时，将其本身从参照单元组合中剔除，其效率是由其他决策单元构造的前沿计算得出的。按此模型计算出来的效率值可大于1，克服了传统DEA模型计算出多个1的缺陷，从而实现对所有决策单元的排序。超效率DEA模型公式18如下：minqs.t.|i=1,ihnixi+s-=xhi=1,ihniyi-s+=yhi,s-,s+0i=1,2,3,n（1）其中，x代表投入指标；y代表产出指标；i=1,2,n，代表决策单元；s-代表各要素投入松弛变量；s+代表各要素期望产出松弛变量，q代表超效率值。（三）Malmquist指数模型在考虑时间因素时，传统DEA模型和超效率DEA模型共有的局限性在于只能作静态分析，也就是说都只能对时间点上的截面数据作横向效率分析，无法作显示每年连续变化的动态分析。然而，在实际情况中，物流产业的发展是一个复杂连续的过程，生产技术会随着时间的推移而不断变化。而Malmquist指数可实现时间序列层面对效率的动态变化分析，有效弥补前者方法的不足，通过对不同时间点的数据进行测算，得到决策单元效率的动态变化趋势19。从t期到t+1期的Malmquist 生产率指数公式为：M()xt+1,yt+1,xt,yt=|Dt()xt+1,yt+1Dt()xt,ytDt+1()xt+1,yt+1Dt+1()xt,yt12（2）()xt,yt为t期的投入与产出截面数据，（xt+1，yt+1）为t+1期的投入与产出截面数据，Dt()xt,yt为t期的距离函数，Dt+1()xt+1,yt+1为t+1期的距离函数；若计算得出生产率指数M()xt+1,yt+1,xt,yt1，则表明全要素生产水平效率提高；反之降低。在计算中得到全要素生产效率TFP（Total Factor Productivity，TFP）的变化，TFP的变化是技术进步TP（Technical Productivity，TP）和技术效率TE（Total Efficiency，TE）共同作用的结果。技术效率是纯技术效率PTE（Pure Technical Efficiency，PTE）与规模效率SE（Scale Efficiency，SE）综合作用的体现，体现形式上为二者的乘积，即：TFP=TP*TE=TP*PTE*SE（3）TP表示第t期到第t+1期决策单元生产技术的变化程度，TP1表示期间生产技术提高，反之表90一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一2023年第4期（总第171期）Journal of Changchun Finance College示生产技术衰退；TE表示第t期到第t+1期技术效率的变化对总生产率的影响，TE1表示呈正影响，反之呈负影响；PTE表示纯技术效率，可以反映技术创新速度、技术推广、管理技术等因素的影响，PTE1表示呈正影响可提升效率，反之表示呈负影响使效率降低；SE表示规模效率，SE1表示生产规模投入量最优，反之表示生产规模存在过大或过小现象20。三、指标选取与数据来源（一）决策单元选取本文选取沿黄陇兰经济带所涉及的13个省份作为决策单元进行效率分析，各个省份依次为四川、新疆、青海、甘肃、宁夏、内蒙古、陕西、山西、河南、河北、山东、安徽、江苏。（二）指标体系构建物流效率能体现物流资源配置是否合理，可以综合衡量物流投入产出能力和经营管理水平等。由于物流服务具有多元化和复杂化等特点，所以评价物流效率很难使用统一的指标来衡量。之前学者主要从资本、人力、土地使用等角度考虑投入，而产出则考虑经营水平、经营收入、经营利润和用户满意度等方面，并指出效率还受对外贸易紧密程度、腹地经济辐射和物流经济发展规划等宏观政策的影响。本文依据参考文献中关于投入和产出的基本概念，以及我国物流业目前的实际运作情况，从人力、物力和资本三方面选取投入指标，从经济效益和社会效益方面选取产出指标21。最后，结合数据的可得性和有效性，确定了所选取的指标，具体内容参见表1。表1指标选取指标类型投入指标产出指标指标内容从业人数固定资产投资等级公路里程生产总值货运量货运周转量代码X1X2X3Y1Y2Y3单位万人亿元公里亿元万吨亿吨公里目前，我国对物流产业的具体界定并不清晰，学界一般以交通运输、仓储和邮政业作为代表物流业的行业范围。物流业从业人数可以反应物流业的规模，物流业固定资产投资则反应了各地区对物流业的重视程度，等级公路里程可以反映出地区的基础设施建设情况。而物流业生产总值直接反应物流业的状况，货运量和货物周转量是物流效率最直观的体现。（三）数据来源本文数据取自 中国统计年鉴 中国第三产业统计年鉴、各省份的统计年鉴、国家统计局以及知网数据库。四、沿黄陇兰经济带物流效率实证分析（一）超效率DEA模型静态效率分析根据搜集的有关数据，对沿黄陇兰经济带所涉及省份2015年和2019年的物流效率进行分析。利用DEAP2.1和DEA-solver软件对数据进行处理，处理结果如表2。91Journal of Changchun Finance College一一一一一一一一一一一一一一一一一一一一一一一一学 报表22015年和2019年沿黄陇兰经济带主要省份物流效率评价结果DUM江苏安徽山东河北河南山西陕西内蒙古宁夏甘肃青海新疆四川均值2015年综合效率1.0001.0000.8341.0000.8691.0000.5710.8900.8770.5840.3110.5540.4320.763纯技术效率1.0001.0001.0001.0000.8721.0000.6400.9401.0000.8381.0000.7230.4830.884规模效率1.0001.0000.8341.0000.9971.0000.8910.9470.8770.6970.3110.7670.8940.863超效率1.0781.3260.6191.2770.5701.0140.4040.6570.5130.4210.2060.3530.2310.667规模收益drsdrsirsirsirsirsirsirsirs排名316274105891311122019年综合效率1.0001.0000.8311.0000.8071.0000.5451.0000.7750.5760.3130.8980.4760.786纯技术效率1.0001.0001.0001.0000.8321.0000.7051.0001.0000.7841.0000.9840.5270.910规模效率1.0001.0000.8311.0000.9701.0000.7731.0000.7750.7350.3130.9130.9020.862超效率1.1241.1580.6261.2260.5961.1970.4171.0190.4780.4580.2490.4880.2330.713规模收益drsdrsirsirsirsirsirsirs排名43617211591012813根据传统DEA模型测算结果，2015年和2019年沿黄陇兰经济带主要省份综合效率平均值为0.763和0.786，均没有达到目标值1。然而，与2015年相比，2019年的综合效率值有所提高，这是因为纯技术效率在2019年相对明显地提高了。通过观察沿黄陇兰经济带主要省份的物流效率总体情况，可以发现2015年达到DEA有效的省份有江苏、安徽、河北、山西，占总样本的30.8%。这说明沿黄陇兰经济带主要地区物流效率总体偏低。其他未达到DEA有效的省份有山东、河南、陕西、内蒙古、宁夏、甘肃、青海、新疆和四川。其中，内蒙古的物流综合效率最高，其值为0.890，而青海的物流综合效率最低，其值为0.311。这两个省份之间的效率值相差0.579，说明沿黄陇兰经济带主要省份之间的物流效率差距非常大。再次观察未能达到DEA有效的省份，发现河南、陕西、内蒙古、新疆、四川五省受到纯技术效率的约束更大，而山东、宁夏、甘肃、青海四个省份受规模效率的约束更大。其中，山东、宁夏、青海的纯技术效率已达有效，因此对它们来说，发挥规模效益对提升物流效率非常关键。2019年达到DEA有效的省份有五个，分别是江苏、安徽、河北、山西、内蒙古，占总样本的38.5%，比15年有所提升，这说明沿黄陇兰经济带物流效率有所提高。其余未达DEA有效的省份有山东、河南、陕西、宁夏、甘肃、青海、新疆、四川，其中新疆的物流综合效率最高，其值为0.898，青海省的综合效率最低，其值为0.313，两个城市之间的效率值相差0.585。再次观察未能达到DEA有效的省份，其中河南、陕西、四川三省受到纯技术效率的约束更大，而山东、宁夏、甘肃、青海、新疆五个省份受规模效率的约束更大，其中山东、宁夏、青海的纯技术效率依然是有效状态。在2019年未达到DEA有效的省份中，与2015年相比，山东、河南、陕西、宁夏、甘肃这五个省份的综合效率略有下降。其中，宁夏的综合效率下降最多，为0.102，但其纯技术效率已经达到有效水平，92一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一2023年第4期（总第171期）Journal of Changchun Finance College主要受规模效率的影响。这说明宁夏在这一年未能实现最优的生产资源配置，导致资源浪费和生产规模下降。而青海、四川、新疆这三个省份的综合效率则有所提升。尽管新疆的综合效率虽然提升最快，但还未完全达到DEA有效，这主要是因为纯技术效率与规模效率都有所提高，但尚未达到最优状态。根据超效率DEA模型的测算结果，2015年各省份的物流效率值从高到低依次是安徽、河北、江苏、山西、内蒙古、山东、河南、宁夏、甘肃、山西、新疆、四川、青海。其中，安徽排名第一，效率值为1.326；青海排名最后，效率值为0.206。两个省份的效率值相差1.12。2019年各省份的物流效率值由高到低依次为河北、山西、安徽、江苏、内蒙古、山东、河南、新疆、宁夏、甘肃、陕西、青海、四川。其中，河北排名第一，效率值为 1.226；四川排名最后，效率值为 0.233。两个省份的物流效率值之差为0.993。观察效率值可发现，2015年排名最前与最后的省份物流效率值差异巨大，说明沿黄陇兰经济带物流发展存在不平衡现象。直至2019年，物流发展的不平衡依然存在，但差距有所缓解。（二）基于Malmquist指数模型的动态效率分析根据数据计算沿黄陇兰经济带13个省份物流产业全要素生产率指数的动态变化值，得到20152019年沿黄陇兰经济带物流业全要素生产率指数及分解指标，以及各省份物流业的全要素生产率指数及分解指标。通过观察表3和表4，可以详细了解纯技术效率、规模效率、技术进步和全要素生产率的变化情况。表320152019年沿黄陇兰经济带各省份物流业全要素生产率指数及分解指标省份江苏安徽山东河北河南山西陕西内蒙古宁夏甘肃青海新疆四川均值技术效率（EFFCH）1.0001.0000.9991.0000.9821.0000.9891.0290.9690.9971.0021.1281.0251.009技术进步（TECHCH）1.0490.9821.0471.0221.0491.0941.0231.0411.0051.0371.0831.0651.0651.043纯技术效率（PECH）1.0001.0001.0001.0000.9881.0001.0241.0161.0000.9831.0001.0801.0221.009规模效率（SECH）1.0001.0000.9991.0000.9931.0000.9651.0140.9691.0131.0021.0441.0021.000全要素生产率指数（TFP）1.0490.9821.0461.0221.0301.0941.0121.0710.9741.0331.0851.2011.0911.052根据年均Malmquist指数计算和分解结果可知，沿黄陇兰经济带物流业全要素生产率年均增长5.2%。其中，技术进步贡献了4.3%，纯技术效率贡献了0.9%。这表明技术进步是导致沿黄陇兰经济带全要素生产率上升的主要因素。这也说明了沿黄陇兰经济带物流产业的持续稳定发展需要先93Journal of Changchun Finance College一一一一一一一一一一一一一一一一一一一一一一一一学 报进的物流技术的推动。在省份层面进行分析，沿黄陇兰经济带中江苏、山东、河北、河南、山西、陕西、内蒙古、甘肃、青海、新疆、四川11个省份年均全要素生产率大于1。新疆全要素生产率数值最高为1.201，山西、四川紧随其后，数值分别为1.094、1.091。数值大于1说明物流业效率呈上升趋势。仅有安徽（0.982）和宁夏（0.974）两个省份的年均全要素生产率小于1，说明这两个省份的物流业效率呈下降趋势。通过观察全要素生产率的分解结果，能够分析出安徽全要素生产率的下降与物流技术落后有关，表明安徽今后的发展要着重提高物流技术水平。宁夏全要素生产率的下降受物流规模效率下降的影响，表明宁夏需要物流创新，更要关注物流规模，以促进物流产业的发展。对于其他省份而言，虽然整体来讲物流业效率是上升的，但部分省份存在规模效率下降的现象。物流规模效率的下降对全要素生产率的影响是不容忽视。因此，山东、河南、陕西、宁夏需要稳固物流产业的规模，以保证物流业的持续稳定发展。表420152019年沿黄陇兰经济带物流业全要素生产率指数及分解指标时期20152016201620172017201820182019均值技术效率（EFFCH）1.0290.9091.0631.0401.009技术进步（TECHCH）0.9921.1691.0200.9981.043纯技术效率（PECH）1.0300.9621.0421.0011.009规模效率（SECH）0.9990.9451.0201.0391.000全要素生产率指数（TFP）1.0211.0621.0851.0381.052由表4可知，沿黄陇兰经济带物流产业总体发展趋势相对乐观。物流业效率在20152019年一直处于上升趋势。在20152018年，物流业效率持续上升且上升速度较快。然而，在20182019年，物流业效率的上升速度有所降低，这是因为技术进步的速度减慢导致技术效率下降，从而抑制了物流业效率的提升。在20172018年，全要素生产率指数达到最高点，为1.085，说明在这一时期沿黄陇兰经济带物流产业的发展效率最高。进一步观察发现，技术进步、纯技术效率和规模效率共同提高促进了沿黄陇兰经济带物流业全要素生产率的提升。五、结论与建议本文基于 20152019 年 13 个省份面板数据，以传统 DEA 模型为基础，运用超效率 DEA 与Malmquist指数模型对我国沿黄陇兰经济带的物流效率进行研究，得出以下结论：20152019年，沿黄陇兰经济带整体物流效率得到改善和提升，总体发展态势良好，总体技术效率提高明显，但整体的规模效率提高并不明显，甚至个别省份出现下滑的态势。沿黄陇兰经济带内区域间物流效率以及社会经济发展不平衡的问题尤为突出。东部沿海省份的综合物流效率要明显优于西部地区省份，且西部地区省份的综合物流效率还处于一个相对落后的状态。而西部地区省份物流效率的提升较为明显，特别是新疆和四川。这可能与近几年国家制定的西部大开发计划有关，该计划加大了对西部地区一些省份物流基础设施的投资，从而促进了西部地区省份物流效率的提升。据此，本文针对沿黄陇兰经济带的物流效率问题提出以下几点建议：一是加强物流基础设施的94一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一2023年第4期（总第171期）Journal of Changchun Finance College建设。充分了解制约沿黄陇兰经济带各省份物流效率发展的因素，从实际情况出发合理统筹规划物流运输路线，使各省份区域间的运输和仓储等物流基础设施互补利用，实现资源节约。二是大力提高物流信息化发展水平。政府应加大对国家公益性物流信息平台建设的支持和指导力度，强化标准体系建设，加大政策支持力度，打破行业和部门壁垒，扩大平台覆盖范围。相关部门及物流企业要认识到技术学习是未来物流发展的大方向，要利用信息化平台加强技术学习。例如，掌握现代物流技术、引进物联网技术、掌握实时物流资讯等。这些都能够促进物流信息高效共享和行业融合发展，更好地发挥平台的效用。三是有的放矢完善规划。经济带中各省市在未来发展规划中要充分分析当前物流产业的发展状况，着重关注发展规模与投资力度，以弥补不足并探索出适合各省各地区物流业发展的正确道路。四是积极培养优秀的物流管理人才。一方面，政府应进一步发展学历教育，建立与物流专业教学目标相匹配的教学制度，同时建立物流实训基地。另一方面，学校要加强培养学生的适应能力，对此，要提高物流专业教师队伍的整体水平，改革现有的物流课程体系。五是完善监管体制。政府部门应当进一步整合和完善法律规章、理顺监督管理体制以及强化对企业的监管实效，从而加强对物流企业的监督和管理，以促进我国物流业的健康发展。六是促进区域间协同发展。一个城市的发展不能固步自封，在发扬与保护地方产业特色的同时，要加强与其他城市的互助合作，扩大发展的辐射范围，并寻求优势互补。中西部地区的省份应加强与东部沿海省份的联系，实现资源共享，共同促进地区物流发展。参考文献：1 杨承训.大有希望的“后劲带”沿黄陇兰经济带 J.人民黄河，1990（3）：710.2 关山，姜洪.块块经济学：中国地方政府经济行为分析 M.北京：海洋出版社，1990.3 皇宁宁，吴薇.“互联网+”环境下上市物流企业经营效率评价 J.价值工程，2019，38（30）：100103.4 宋志蕙，胡淑新.跨境电子商务供应链协同物流效率探讨 J.中外企业家，2019（30）：6566.5 李雷.“一带一路”背景下甘肃省物流效率测度与提升路径研究 J.物流科技，2019，42（9）：112117.6 黄浩，黄维.基于Logistic模型的武汉物流产业与经济增长关系的实证研究 J.物流技术，2015，34（9）：197199.7 陈伟达，张宇.生产者服务业对制造业竞争力提升的影响研究基于我国投入产出表的实证分析 J.东南大学学报(哲学社会科学版)，2009，11（3）：6771+127.8 王博，祝宏辉，刘林.我国“一带一路”沿线区域物流效率综合评价基于三阶段DEA模型 J.华东经济管理，2019，33（5）：7682.9 许鹏.基于DEA的辽宁省物流产业效率研究 D.大连：大连海事大学，2010.10 付丽娜，陈晓红，冷智花.基于超效率DEA模型的城市群生态效率研究以长株潭“3+5”城市群为例 J.中国人口 资源与环境，2013，23（4）：169175.11 肖丹，刘联辉.基于SE-DEA模型的广东城市物流效率评价分析 J.物流技术术，2011，30（11）：101103+112.12 杜浩，周昱彤，匡海波，孟斌.基于三阶段超效率DEA的港口运行效率研究 J.技术经济，2021，40（7）：2235.13 仲云云，周雨倩.基于超效率DEA模型的长江经济带物流效率实证分析 J.物流工程与管理，2020，42（2）：1314+25.14 李兰冰，刘军，李春辉.两岸三地主要沿海港口动态效率评价基于DEA-Malmquist全要素生产率指数J.软科学，2011，25（5）：8084.15 Charnes A，Clark C T，Cooper C W，et al.A Developmental Study of Data Envelopment Analysis in Measur-ing the Efficiency of Maintenance Units in the U.S.Air Forces J.Annals of Operations Research，1984，2（1）：95112.16 臧兴兵，万燕.基于超效率DEA和Malmquist指数的中部地区主要城市物流效率实证研究 J.物流工程与管95Journal of Changchun Finance College一一一一一一一一一一一一一一一一一一一一一一一一学 报理，2021，43（3）：14+31.17 Andersen P，Petersen N C.A Procedure for Ranking Efficient Units in Data Envelopment Analysis J.Manage-ment Science，1993，39（10）：12611264.18 Alan S.Productivity，Performance Measurement and Management in Logistics J.Asia Pacific Journal of Mar-keting and Logistics，1996，8（2）：4663.19 张小燕，陶卫卫，李春雅.基于DEA视窗和Malmquist指数的江苏沿海港口效率分析 J.湘南学院学报，2022，43（5）：7280.20 张泽华，刘维琦.长江经济带物流业效率测度及因素分解基于超效率DEA-Malmquist-Tobit方法 J.西部经济管理论坛，2022，33（4）：4856+80.21 侯光耀，何流.基于超效率DEA模型和Malmquist指数的铁路项目征地效率研究 J.项目管理技术，2023，21（2）：2126.EmpiricalAnalysis of Logistics Efficiency in the Yanhuang-Longlan Economic Belt Basedon Super-Efficiency DEAand Malmquist Index ModelsHAN Bai-qing，ZHENG He，WANG Jian-wei（School of Economics and Management,Anhui University of Science and Technology，Huainan 232001,China）Abstract:The Yanhuang-Longlan Economic Belt is an important east-west economic belt in Chinas eco-nomic and social development plan.The development of the logistics industry plays a crucial role for it.Building upon the traditional Data Envelopment Analysis(DEA)model,this study combines the Super-Ef-ficiency DEA and Malmquist Index models.Taking the provinces involved in the Yanhuang-Longlan Eco-nomic Belt as the research objects,the static and dynamic analysis of logistics input and output panel datafrom 2015 to 2019 is conducted using DEAP 2.1 and DEA-Solver software.The research results indicatethe following:Firstly,the overall logistics efficiency in the Yanhuang-Longlan Economic Belt improvedand showed positive development momentum from 2015 to 2019.Secondly,logistics efficiency in centraland western provinces of the economic belt has improved significantly but remains at a relatively low lev-el.Thirdly,the imbalance in logistics efficiency within the region is caused by irrational resource alloca-tion and input redundancy,with coastal provinces in the eastern region exhibiting higher comprehensive lo-gistics efficiency than those in central and western regions.Accordingly,measures such as strengthening lo-gistics infrastructure construction and enhancing the degree of logistics informatization should be furtherimplemented by government to promote logistics development and enhance regional competitiveness inthe Yanhuang-Longlan Economic Belt.Key words:Yanhuang-Longlan Economic Belt;logistics efficiency;Super-Efficiency DEA model;MalmquistIndex model责任编辑：刘莹；校对：于明霞96