中国欠发达地区物流减贫效率影响因素研究.pdf

第 22卷 第 2期2023 年 4 月Vol.22 No.2 Apr.2023北京交通大学学报（社会科学版）Journal of Beijing Jiaotong University（Social Sciences Edition）中国欠发达地区物流减贫效率影响因素研究戢晓峰1,2,3，李明骏1,2,3，陈方2,3,4，宗晓庆1,2,3（1.昆明理工大学 交通工程学院，云南 昆明 650504；2.云南省现代物流工程研究中心，云南 昆明 650504；3.云南综合交通发展与区域物流管理智库，云南 昆明 650504；4.昆明理工大学 马克思主义学院，云南 昆明 650504）摘要：物流减贫效率的提升是乡村振兴战略下物流业发展面临的现实需求。本文基于 2013-2020 年我国 19 个欠发达省份的面板数据，通过改进主成分分析法确定物流减贫效率评价指标，利用超效率 SBM 模型评估减贫效率并对样本进行分类，随后构建时空地理加权模型，获取物流减贫效率外部影响因素。结果表明：在物流减贫效率分解方面，各欠发达省份差异显著，分属于成长型、潜力型、需求不足型和能力不足型四种类型。成长型欠发达省份受人力资本、信息开放程度影响较大，潜力型欠发达省份受物流规模、区域政策、信息开放程度影响较大，需求不足型与能力不足型欠发达省份除了受物流规模与物流技术影响外，分别受区域政策、信息开放程度影响较大。因此，结合不同类型欠发达省份特征提出不同的发展策略：成长型欠发达省份应积极推动教育与物流相结合；潜力型欠发达省份应持续关注物流投资规模的影响；需求不足型欠发达省份需正视物流先导性未有效体现所带来的短期性物流减贫效率低下；能力不足型欠发达省份应推进现代物流网络体系建设，发挥其在物流信息交流、物流技术沟通、物流经济协作等方面的引领作用。关键词：物流减贫效率；超效率 SBM 模型；欠发达地区；影响因素；GTWR模型中图分类号：F252.5 文献标识码：A 文章编号：1672-8106（2023）02-0080-10一、引言贫困问题是关乎社会稳定和可持续发展的世界性难题。我国自改革开放以来，一直坚持开发式扶贫方针，希望通过贫困地区经济增长，提高贫困人口自我积累和自我发展的能力，从而在根本上摆脱贫困。物流减贫作为开发式扶贫所衍生出的新型扶贫理念，旨在通过物流业的发展，改变区域经济增长方式，促进产业结构优化升级，达到“造血式”减贫的目的。实践证明，物流减贫已成为推动欠发达地区经济社会发展的重要方式，在打赢脱贫攻坚战中发挥了关键作用。2021年，交通运输部关于巩固拓展交通运输脱贫攻坚成果全面推进乡村振兴的实施意见 明确指出，需提高物流综合服务水平，全面推动县、乡、村三级农村物流节点体系建设，奠定了“后扶贫”时代物流业的重要地位。因此，研究精准扶贫时期物流减贫效率的影响因素，对乡村振兴时期提高物流减贫效率具有现实意义。近年来，国内外学者从不同角度研究了物流减贫的影响因素。在内部影响因素上，Saidi1（2020）等以 46个发展中国家为例，分析了物流基础设施对当地经济可持续增长的影响；Aggarwal2（2018）以公路网为例，指出基础设施能促使贫困人口更容易进入劳动力市场，从而产生增加就业和促进资源有效整合等一系列的经济效应；戢晓峰等3-4（2019）提出了以货物周转量、公路网密度、物流业增加值、货物平均运距等 6个表征物流业发展水平指标为解释变量，综合贫困程度为被解释变量的物流减贫测度模型，并以滇西边境山区集中连片特困地区为例进行了实证研究。在外部影响因素方面，Min-Ju Song5（2022）以韩国为重点，分析了物流水平、国际贸易、经济增长三者的关系；赵珊珊等6（2017）借助拓展贸易引力模型实证研究“丝绸之路经济带”沿线国家物流水平对新疆国际贸易的影响；李国刚等7（2012）采用回归分析的方法实证研究区域物流与区域经济的互动的关系，发现相关产业与物流的联动收稿日期：2022-03-03基金项目：国家自然科学基金项目“交通减贫效应测度及交通资源配置的空间补偿策略”（71904068）。作者简介：戢晓峰，男，昆明理工大学交通工程学院教授，博士生导师，博士。研究方向：物流规划与区域发展管理。通讯作者：陈 方，女，昆明理工大学马克思主义学院副教授。研究方向：社会地理与区域发展。E-mail：ji-第 2 期戢晓峰 等：中国欠发达地区物流减贫效率影响因素研究融合能够促进经济显著增长；曾倩琳等8（2017）利用空间杜宾模型分析全国 30个省的物流业全要素生产率，研究发现信息既作为内生变量是促进物流业发展的主要因素之一，又发挥了它在信息经济时代的网络空间特性，影响物流业生产率。总结已有研究发现：在研究内容方面，主要侧重于物流业内部或外部单一角度的影响，对物流业自身以及社会经济综合影响研究不够深入和系统。在评价体系方面，物流减贫测度模型构建还不够完善，未判定物流投入资源的有效配置，不能反映经济、社会、物流等子系统的协调发展程度。综上所述，针对已有研究的不足，本文运用超效率 SBM 模型、时空地理加权回归等方法分析20132020年我国欠发达地区的物流减贫效率影响因素，探索区域内部各欠发达省份物流减贫效率影响因素的变化差异。首先通过分析物流减贫效率的内涵及影响因素，结合相关研究确定指标体系；其次，采用超效率 SBM 模型测度 20132020年欠发达地区物流减贫效率，通过效率分解探索研究时段物流减贫效率的内部影响因素；最后，运用时空地理加权回归测算物流减贫效率的外部影响因素。依据物流减贫效率内外影响因素的分析结果，提出针对性建议，以期总结脱贫攻坚实践经验，为乡村振兴战略下的物流业发展提供参考。二、研究方法（一）超效率 SBM 模型数据包络分析（DEA）能利用包络线代替生产函数全面体现物流业发展与贫困情况间的内部联系，为物流减贫效率测算提供更为准确的结果。同时可将效率测算结果分解为规模和技术两方面，为物流减贫效率内部影响因素研究提供支撑。由于在多个评价单元效率均为最优的情况下，传统的数据包络分析难以对决策单元效率水平排序，不利于比较决策单元效率变化。为解决此问题，本文选取 Tone9（2002）提出的超效率 SBM 模型。此模型可将有效单元排除在外构造新的相对有效生产前沿面，通过衡量单元 i偏离新生产前沿面的程度来确定其超效率值，表达式如下：Min=1-1uo=1us-oxoi1+1qr=1qs+ryri(1)s.th=1,h ifxohh-s-o xoi(2)h=1,h ifyrhh+s+r yri(3),s+,s-0(4)o=1,2.,u;r=1,2.,q;h=1,2,.,f(h k)式中，xoi表示欠发达省份 i的第 o项投入，yri表示欠发达省份 i的第 r项产出，u表示投入项的个数，q表示产出项的个数，为权重向量。（二）空间相关性测度为深入分析不同省份物流减贫效率的外部影响因素，运用 Moran s I指数对我国欠发达地区物流减贫效率空间关联格局进行分析，给时空地理加权回归模型运用提供条件。公式为I=ma=1mb=1mwab(xa-x)(xb-x)a=1mb=1mwaba=1m(xa-x)2(5)式中，xa表示 a区域物流减贫效率值，wab指空间权重矩阵的元素。择取邻接标准来构建空间权重矩阵，当 a地区与 b地区满足邻接时，wab=1，否则 wab=0。全局 Moran s I指数的取值范围为-1，1，其值大81北京交通大学学报（社会科学版）2023 年于 0且越接近 1，区域空间正相关程度越强；其值小于 0且越接近-1，区域空间负相关程度越强，空间分异越大；其值为 0，则表明区域不存在空间关联格局，而呈随机分布。（三）GTWR模型最小二乘法（OLS）得出的回归系数仅能代表物流减贫效率总体平均特征，时空地理加权回归模型（GTWR）解决了 OLS 模型掩盖局部系数特征的缺陷，能反映物流减贫效率与外部影响因素之间存在的空间与时间上的不稳定性。运用 GTWR 模型对外部影响因素进行测度，能解决区域格局对指导政策制定的影响，根据参数的估计值随地理位置以及时间变化情况探索其时空关系的非平稳性。其公式为10Yi=0(ui,vi,ti)+ee(ui,vi,ti)Xie+i(6)式中，Yi为欠发达省份 i的响应变量；(ui，vi，ti)为 i的经度、纬度、时间坐标；0(ui，vi，ti)为 i的回归截距；e(ui，vi，ti)为第 e个解释变量在研究单元 i上的回归系数；Xie为第 e个解释变量在欠发达省份 i上的数据；i为研究单元 i的误差项。三、物流减贫效率影响因素测算指标确定（一）物流减贫的内涵及影响因素物流减贫作为开发式扶贫所衍生出的新型扶贫理念，是中国特色减贫体系的重要组成部分，能通过物流业物质与能源交换的功能，为经济增长与减少贫困提供支持和保障。物流减贫效率是一个包含不同因素的多维理念，受到多种因素的影响：在交换过程中，物流规模与物流技术的不断变化，会对物流减贫效率的改变产生影响。同时，区域经济越发达，商品化程度越高，与外界环境交换越频繁，也会对物流减贫效率产生影响。据此，综合刘林等11（2012）学者的观点，本文将物流减贫影响因素分为两部分：一方面，物流行业规模与物流行业技术发展作为物流减贫的内驱力，会极大地影响物流减贫的效率；另一方面将区域经济实力、教育水平、政府投资、信息开放程度、地理位置等作为物流减贫效率外部影响因素。（二）物流减贫效率内部影响因素测算指标1.预选测算指标集构建物流减贫效率的本质在于以最少的物流资源投入获得最大的福利产出，在一定程度上是物流能力的概念延伸。关于物流减贫效率内部影响因素，大多文献从物流业发展对贫困的作用展开研究，考虑我国步入“后扶贫”时代，相对贫困已经取代经济上的绝对贫困，本文将基于物流减贫的内涵，借鉴徐晓敏等12（2021）、田强等13（2020）、刘华军等14（2021）的研究成果，从物流业对经济、社会所产生的综合影响出发选取投入产出指标。用公路网密度对物流业发展的基础设施进行表征，货物周转量衡量其对周边产业的带动作用。同时以行业三要素“人财物”为基础，选取物流业固定资产投资和物流从业人数构成投入指标体系。产出指标分为两个部分，经济效益指标是反映区域“减贫”最直接的指标，从区域经济的带动作用上看，人均 GDP 是较好的产出指标，表征物流产业对当地经济的带动；为体现居民生产生活状态，反映当地生活水平，本研究选取农村居民人均可支配收入15、城镇化人口比重、区域农村卫生院个数作为产出指标。2.基于改进主成分分析法的测算指标体系确定由于研究单元不能少于投入产出指标的 3 倍，需要对预选指标进行筛选。为更好地与数据包络分析相结合，避免产生新提出成分对结果造成影响，本文基于 2013 年河北、山西、吉林、黑龙江、安徽、江西、河南、湖南、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古 19 个省（自治区）样本数据，通过改进主成分分析法选取贡献度更大的指标作为投入输出指标，贡献率计算结果见表 1。根据累计贡献率准则，即累计贡献率大于等于 80%进行筛选，因此，剔除指标货物周转量和人均 GDP。82第 2 期戢晓峰 等：中国欠发达地区物流减贫效率影响因素研究（三）物流减贫效率外部影响因素测算指标本文以“物流减贫”“减贫效率影响因素”等为主题在中国期刊全文数据库检索，共检索出 20132022年间相关文献 25篇，其中涉及到的影响因素指标包含：中小学在校学生占总人口数比重16、第三产业占第二产业比值、人均 GDP17、政府财政支出占 GDP 比重、固定资产投资总额、货物周转量、信息传输、软件和信息技术服务业固定资产投资占总投资比重等。基于前述内部影响因素测算指标的选取，为避免重复，提出物流减贫效率外部影响因素指标。（四）物流减贫效率影响因素测算指标最终所构建的物流减贫效率影响因素测算指标见表 2。四、实证分析（一）研究样本及数据来源研究区域选择首先按照集中连片特困地区确定 21个省份，并参考国家统计局 2019年城乡一体化住户收支与生活状况调查情况，剔除农村居民人均收入与全国水平相近（16 021元）的湖北省；最后，根据底层贫弱农户数据的可得性，确定我国欠发达地区 19个样本省份。从统计结果来看，20132020年间，19 个样本省份的贫困人口数占全国贫困人口总数超过 90%，对我国减贫研究具有较强的代表性。数据均来源于 20132020 年的 中国统计年鉴 中国交通运输统计年鉴 国民经济和社会发展公报 等。（二）各地区物流减贫效率及内部影响因素测度结果1.总效率测度结果由欠发达省份综合测度结果（见表 3）可知，2013年欠发达省份的总效率最大值为 1.131，最小值为0.107，平 均 值 为 0.341，标 准 差 为 0.328。其 中，只 有 5 个 省 物 流 减 贫 总 效 率 高 于 平 均 值，占 比 为26.31%。与 2013年相比，2020年 19个省物流减贫总效率最大值上升为 1.232，最小值下降为 0.082，平表 1各指标贡献率指标描述投入指标输出指标测算指标公路网密度货物周转量物流业固定资产投资物流从业人数农村居民人均可支配收入各地区农村卫生院个数人均 GDP城镇人口比重贡献率0.2650.1370.2060.3920.2100.3260.1740.29表 2物流减贫效率影响因素测算指标影响因素类型内部因素外部因素影响因素物流规模物流技术社会经济因素政策因素市场因素一级指标资源投入期望产出区域经济实力产业结构人力资本区域政策因素信息开放程度二级指标公路网密度（千米/平方米）物流从业人数（人）物流业固定资产投资（亿元）农村居民人均可支配收入（元）各地区农村卫生院数（个）城镇人口比重（%）人均 GDP（万元）第三产业值/第二产业值（%）中小学在校学生占总人口数比重（%）政府财政支出占 GDP比重（%）信息传输、软件和信息技术服务业固定资产投资占总投资比重（%）83北京交通大学学报（社会科学版）2023 年均值下降至 0.335；标准差上升为 0.348，上升幅度达到 6.09%。2020年有 5个省份物流减贫总效率高于平均值。数据表明，6年间物流减贫总效率整体水平处于下降态势，区域间差距不断缩小，侧面反映了精准扶贫政策颇有成效。2.内部因素影响综合测度结果为对各内部因素影响程度展开进一步分析，本文以 2013年与 2020年结果为例，制作总效率物流技术效率、总效率物流规模效率二维坐标散点图（图 1）。由图 1可知，物流技术效率偏离对角线趋势增大，呈现出沿着对角线纵向方向扩展的特征，物流规模效率与之相反呈现出逐渐向对角线靠近的特征。说明了中国欠发达省份物流规模效率对总效率的影响程度逐渐增大，技术引领的物流发展逐渐向规模投资的方向拓展。2020年总效率物流规模效率散点呈现一定的集聚状态，说明欠发达省份物流规模效率总体上处于较为接近的态势，为今后物流减贫政策制定、物流基础规模投资提供了有利条件。总效率数值上较为接近的欠发达省份，物流规模效率较大时，需重点加强基础设施改善，增强技术革新力度，提高技术利用水平；反之，需重点加大物流投资力度，提高资源配置能力，提升规模溢出效应。3.物流减贫效率分类为便于提出具体建议，根据物流减贫总效率（L）、物流技术效率（P）和物流规模效率（S）将 19个欠发达省份分为三种类型：成长型、潜力型、不足型。成长型。L1、P1、S1。该类型欠发达省份物流技术和物流规模投入有效，投入产出综合有效，且不断向好的方向发展。潜力型。L1、P1、S1。总体来看，潜力型欠发达省份物流系统投入规模相对较小，与最优投入规模间差距较大，物流规模效率水平较低，较为重视物流技术引进，能将物流技术投入有效的转化表 32013-2020年欠发达省份综合测度结果最大值最小值平均值标准差总效率2013年1.1310.1070.3410.3282020年1.2320.0820.3350.348纯技术效率2013年1.1880.1710.5740.3622020年1.0900.3260.6810.279规模效率2013年1.0930.1090.5990.2532020年1.1620.1170.4310.283图 1中国欠发达地区物流减贫效率及其分解效率对应关系84第 2 期戢晓峰 等：中国欠发达地区物流减贫效率影响因素研究为产出。不足型。L1、P1、S1。与其它类型相比，该类型欠发达省份的物流规模和物流技术投入严重不足，与其它欠发达省份差距较大。19 个欠发达省份的分类结果如图 2 所示，型欠发达省份包含青海、宁夏、西藏；型欠发达省份为江西、四川；型欠发达省份包括内蒙古、河北、山西、吉林、黑龙江、安徽、河南、湖南、贵州、云南、陕西、甘肃、新疆和广西。参考刘宏伟等18（2022）对不足型欠发达省份进行分析，依据各省经济现状及物流基础设施将其分为需求不足型和能力不足型，其中，需求不足型包括内蒙古、河北、吉林、黑龙江、安徽，能力不足型包括河南、贵州、云南、陕西、甘肃、广西、新疆、湖南、山西。（三）各地区物流减贫效率外部影响因素分析1.欠发达省份物流减贫效率空间分布格局分析随着中国物流经济的快速发展和区域一体化程度的增强，物流生产要素的空间流动更加频繁，物流生产之间的空间联系更加紧密。邻近欠发达省份之间的物流减贫效率区位效应越发显著。为深入分析不同省份物流减贫效率的外部影响因素，运用 Geoda 软件计算全局 Moran s I 指数，对 20132020年中国 19个欠发达省域之间是否存在相关关系进行探究（见表 4）。由表 4可知：不同年份物流减贫效率 Moran s I指数均为正，且均在 5%的显著性水平上通过检验，表明物流减贫效率在空间分布上呈较显著的正相关性，邻近省之间物流减贫效率的影响存在空间依赖性，为 GTWR 模型的运用提供了支撑。2.传统回归模型计算结果为获取各影响因素对物流减贫效率的全局影响，首先运用 OLS模型对其物流减贫效率进行一般线性回归分析，通过共线性诊断所有变量方差膨胀因子（VIF）均小于 2，VIF 平均值为 1.28，低于 10，达到回归分析基本要求，结果见表 5。有 4个因素在 5%显著性水平条件下。由系数绝对值大小可知，其重要性由大到小依次是信息开放程度、区域政策因素、区域经济实力、产业结构，其中，信息开放程度、区域政策因素、区域经济实力显著为正，产业结构表现为负向作用。图 2欠发达省份物流减贫效率内部影响因素分类表 4物流减贫效率全局 Moran s I检验（20132020年）指标Moran s IP值Z值2013年0.2540.0202.9582014年0.2860.0103.2352015年0.2930.0103.3852016年0.2880.0103.4012017年0.2170.0102.8722018年0.4050.0103.8612019年0.3130.0103.3842020年0.2340.0202.85685北京交通大学学报（社会科学版）2023 年3.GTWR模型计算结果欠发达省份物流减贫效率的空间分布具有显著的空间正相关和空间异质性，传统的 OLS模型忽略了空间位置和时间变化对物流减贫效率的影响，而使用 GTWR 模型可以有效解决由时空差异引起的数据时间非平稳性问题。因此，本文选取各省会城市的投影坐标为地理坐标，以固定高斯函数为权属函数，以 AIC法确定带宽，运用 GIS10.6软件进行回归计算。结果见表 6、表 7。由表 6可知，校正模型拟合优度（调整 R2）为 0.913，高于最小二乘法的拟合优度 0.670，表明 GTWR模型的拟合结果优于 OLS 模型，且解释效果更好。由表 7可知，物流减贫效率影响因素的回归系数变化幅度较大且有正有负，可看出采用 OLS得出的回归系数仅能代表总体的平均水平，不能完整展示其局部系数特征。GTWR 模型说明物流减贫效率与影响因素之间不存在稳定的系数关系，影响因素解释性具有较强的时空差异。4.物流减贫效率外部影响因素分析OLS回归模型结果显示，在政策因素中，区域政策因素每提升 1%，物流减贫效率提升 0.995%。社会经济因素中，区域经济实力的回归系数显著为正，表明区域经济实力的增加对于物流减贫效率的提升具有正向影响。具体表现为区域经济实力每增长 1%，物流减贫效率提升 0.045%。信息开放程度每提升 1%，减贫效率提升 6.161%。在负向指标中，产业结构对物流减贫效率的阻滞作用较显著。OLS模型回归结果仅能代表整体的平均水平，为更深一步研究各因素对物流减贫效率影响的时空特征，将 2020年 GTWR模型结果列出见表 8。（1）社会经济因素对物流减贫效率的影响。就区域经济实力而言，2020年人均 GDP对物流减贫效率的影响程度均为正向作用，表现为自东北向西南递减的趋势。对于需求不足型欠发达省份，区域经表 5最小二乘法模型估计结果因变量常数人力资本区域经济实力产业结构区域政策因素信息开放程度调整 R2回归系数0.1560.1560.045*0.161*0.995*6.161*0.670标准差0.1060.5590.0130.0470.0582.676t值1.4690.2803.3763.43617.0302.302显著性0.1440.7800.0010.0010.0000.023注：*、*、*分别表示在 10%、5%、1%水平下显著。表 6欠发达省份物流减贫效率 GTWR模型结果模型参数BandwidthResidual SquareSigma值AIC值R2调整 R2平均值0.1360.9960.081136.2920.9160.913表 7GTWR模型计算变量回归系数结果统计变量人力资本区域经济实力产业结构区域政策因素信息开放程度最小值3.4600.2041.5980.76512.319标准差4.4660.0470.2890.45513.218最大值29.7450.1470.2182.36689.367平均值1.2170.0470.2271.1034.71786第 2 期戢晓峰 等：中国欠发达地区物流减贫效率影响因素研究济实力的提升会对物流减贫效率产生更大的影响。从人力资本上看，其回归系数高值区集中于成长型、能力不足型欠发达省份，表明，此时扩大人力资本对成长型与能力不足型欠发达省份具有较强的促进作用。产业结构的提升对整个欠发达地区呈负向作用，西北地区受到的影响大于其它地区。（2）政策因素对物流减贫效率的影响。区域政策因素对物流减贫效率具有正向显著影响，从回归系数表来看，大部分地区的区域政策因素回归系数处于同一水平，需求不足型欠发达省份远高于其他地区。在相同条件下，需求不足型欠发达省份财政支出的提高能获得更多的效率提升。（3）市场因素对物流减贫效率的影响。2020年，信息开放程度对成长型、潜力型、能力不足型欠发达省份均呈正向影响。其中成长型欠发达省份与能力不足型欠发达省份受信息开放程度影响更大。五、结论及启示（一）研究结论基于数据分析确定的测算指标，运用超效率 SBM 模型与 GTWR 模型测度欠发达省份物流减贫效率，识别欠发达省份物流减贫效率的关键影响因素。研究结论如下：1.在物流减贫效率内部影响因素方面，成长型欠发达省份物流规模与物流技术投入位于前沿面以上，发展势头良好。潜力型欠发达省份物流减贫效率仅受物流规模制约。不足型欠发达省份的物流规模和物流技术效率均较弱，物流业在脱贫攻坚中发挥的作用不够理想。2.在物流减贫效率外部影响因素方面，人力资本与信息开放程度的增加对成长型欠发达省份物流减贫效率具有极强的拉升作用。区域政策因素、信息开放程度共同影响着潜力型欠发达省份物流减贫效率的提升。需求不足型欠发达省份受区域政策影响较大，政府物流投资增加能对该类型欠发达省份物流减贫效率产生较大的推动作用。能力不足型欠发达省份受信息开放程度影响，物流规模及物流技术传导受限。（二）启示1.成长型欠发达省份发展势头良好应在保持现有发展基础上，积极推动教育与物流相结合，加快物流专业人才培养，注重高层次物流人才引进，带动物流减贫效率进一步提升。表 82020年物流减贫效率影响因素回归系数省份内蒙古河北山西吉林黑龙江安徽江西广西河南湖南四川贵州云南西藏陕西甘肃青海宁夏新疆人力资本0.8240.5660.6310.6450.6650.5101.0301.7780.2871.6181.6052.0031.7931.7740.2363.7692.5012.0480.738地区经济实力0.0830.0690.0470.0710.0430.0350.0130.0010.0380.0070.0010.0010.0110.0530.0240.0360.0250.0310.203产业结构0.1770.1800.3370.0910.0890.1640.1930.1880.2620.2470.4820.2720.1660.2040.4710.5160.5640.4921.422区域政策因素2.3652.3652.2732.5382.3011.4911.0941.0451.9321.2311.2741.1891.0680.9441.9221.1341.1121.5780.292信息开放程度0.9850.4237.5550.9310.1280.9614.5649.9226.6459.84922.25814.18612.89725.55019.73322.94023.40025.0162.17187北京交通大学学报（社会科学版）2023 年2.潜力型欠发达省份应持续关注物流投资规模的影响，大力发展集约高效的现代物流服务体系。潜力型欠发达省份正面临物流投入不断增加，规模效率不断下降的困境。当地政府需进一步统筹规划，打破物流要素流动壁垒，减少物流投资冗余，提高资源配置能力，形成最优的产出效益。3.需求不足型欠发达省份需正视物流先导性未有效体现所带来的短期性物流减贫效率低下18。受到运输需求增长缓慢的影响，需求不足型欠发达省份规模收益开始减少，规模效率逐渐降低。当地政府应营造公平竞争的市场环境对物流企业给予全方位多渠道支持，提升物流综合服务水平19，发挥新产品新业态的拉动作用，进一步引领物流需求。4.能力不足型欠发达省份应重视信息技术在物流减贫中的催化和带动作用，推进现代物流网络体系建设，发挥其在物流信息交流、物流技术沟通、物流经济协作等方面的引领作用，同时加大对外开放程度，学习先进的物流技术和管理方法。参考文献：1SAIDI S，MANI V，MEFTEH H，et al.Dynamic linkages between transport，logistics，foreign direct investment，and economic growth：Empirical evidence from developing countries J.Transportation Research Part A：Policy and Practice，2020，141（11）：277293.2AGGARWAL S.Do rural roads create pathways out of poverty？Evidence from India J.Journal of Development Economics，2018，133（4）：375395.3戢晓峰，刘丁硕，陈方.连片特困地区交通运输扶贫效应的空间计量分析 J.公路交通科技，2019，36（9）：150158.4戢晓峰，李武，陈方.连片特困地区物流业发展的减贫效应测度 J.干旱区地理，2019，42（3）：645652.5MIN-JU SONG，HEE-YONG LEE.The relationship between international trade and logistics performance：A focus on the South Korean industrial sector J.Research in Transportation Business&Management，2022，44（3）：100786.6赵珊珊，李红，唐洪松.“丝绸之路经济带”沿线国家物流水平对新疆国际贸易的影响研究 J.干旱区地理，2017，40（4）：897905.7李国刚，曹昱亮.区域物流发展与经济增长关系的实证研究 J.经济问题，2012，（12）：121124.8曾倩琳，孙秋碧.信息化、空间溢出效应与物流业生产率的提升 J.交通运输系统工程与信息，2017，17（1）：4046.9TONE K.A slacks-based measure of super-efficiency in data envelopment analysisJ.European Journal of Operational Research，2002，143（1）：3241.10郑长德，廖桂蓉.深度贫困地区贫困的时空关联性及其影响因素基于 GTWR 模型的分析 J.中南民族大学学报（人文社会科学版），2019，39（5）：144148.11刘林，吴金南.区域物流能力影响经济增长的过程机制研究 J.统计与决策，2012，（12）：4649.12徐晓敏，谷晓燕.基于 DEA-熵权法的区域物流环境综合评价模型 J.公路交通科技，2021，38（5）：144151.13田强，刘岩，李娜，等.基于 DEA 的泛环渤海经济圈物流产业效率评价研究 J.公路交通科技，2020，37（1）：149158.14刘华军，郭立祥，乔列成，等.中国物流业效率的时空格局及动态演进 J.数量经济技术经济研究，2021，38（5）：5774.15刘康，储玖琳，王坤，等.贵州省旅游减贫效率格局演化及其影响因素 J.西南大学学报（自然科学版），2021，43（10）：135145.16王海峰，田强，李金华，等.“一带一路”沿线省份物流效率及其影响因素的随机前沿分析 J.公路交通科技，2020，37（10）：151158.17龚雪.区域物流效率测度及影响因素分析 J.统计与决策，2022，38（12）：112116.18刘宏伟，杨荣璐，石红娟.物流枢纽城市物流业效率时空差异及其收敛性 J.北京交通大学学报（社会科学版），2022，21（2）：122133.19戢晓峰，李晓娟，陈方，等.精准扶贫以来中国交通扶贫的政策演进与实践经验 J.昆明理工大学学报（社会科学版），2021，21（6）：7179.88第 2 期戢晓峰 等：中国欠发达地区物流减贫效率影响因素研究Research on the Influencing Factors of Poverty Reduction Efficiency of Logistics in Underdeveloped Regions of ChinaJI Xiao-feng1，2，3，LI Ming-jun1，2，3，CHEN Fang2，3，4，ZONG Xiao-qing1，2，3（1.Faculty of Transportation Engineering，Kunming University of Science and Technology，Kunming Yunnan 650504，China；2.Yunnan Modern Logistics Engineering Research Center，Kunming Yunnan 650504，China；3.Yunnan Integrated Transport Development and Regional Logistics Management Think Tank，Kunming Yunnan 650504，China；4.School of Marxism，Kunming University of Science and Technology，Kunming Yunnan 650504，China）Abstract：The improvement of logistics poverty reduction efficiency is the practical demand for the development of logistics industry under the rural revitalization strategy.Based on the panel data of 19 underdeveloped provinces in China from 2013 to 2020，this paper determined the evaluation index of logistics poverty reduction efficiency through improved principal component analysis method，and used the super-efficiency SBM model to evaluate the poverty reduction efficiency and classify the samples.Then，a spatial-temporal geographic weighted model was constructed to obtain the external influencing factors of logistics poverty reduction efficiency.The results show that the underdeveloped provinces exhibit significant differences in the decomposition of logistics poverty reduction efficiency，and can be divided into four types：growth type，potential type，insufficient demand type and limited capacity type.Growth-type underdeveloped provinces are strongly affected by human capital，information openness，while potential-type underdeveloped provinces by logistics scale，regional policy，and information openness；as for insufficient demand type and limited capacity type underdeveloped provinces，besides the scale of logistics and logistics technology，they are greatly influenced by regional policy and information openness respectively.Therefore，different development strategies are proposed based on the characteristics of different types of underdeveloped provinces.In specific，growth-type underdeveloped provinces should actively promote the combination of education and logistics；Potential type underdeveloped provinces should pay more attention to the influence of logistics investment scale.Underdeveloped p