统一大市场背景下数据要素资源集聚对物流业效率的影响——基于全要素生产率的机制分析.pdf

中文核心期刊要目总览贸易经济类核心期刊81要素资源的最优化配置和有效流动是促进我国经济高质量发展的重要基石。2022 年 4 月，中共中央和国务院发布关于加快建设全国统一大市场的意见，旨在中央的统一领导下，建立全国统一的市场制度规则，打破地方保护和市场分割，促进要素资源在更大范围内的更加自由、畅通流动，建立起充分开放、公平竞争、规范有序的统一大市场。数据要素作为市场的重要生产要素，已经具有与劳动、资本和技术创新同等重要的地位。在统一大市场建设背景下，数据要素将发挥越来越重要的作用。但从当前我国数据要素市场建设的实践来看，仍然处于初级阶段，且针对数据要素市场的建设侧重点主要聚焦于顶层立法监管、交易模式与技术平台或系统完善方面，较少针对数据要素市场发展背景下数据要素资源可能出现的集聚现象进行探讨。进一步地，作为统一大市场背景下至关重要的物流业是架起社会大生产、交换、流通和消费的重要一环，在推动经济高质量发展中具有极其重要的作用。显然，数据要素资源的集聚，在促进地方产业数字化发展的同时，必然会对物流业发展产生影响，而物流业作为统一大市场建设的关键环节，在打通制约经济循环的关键堵点中发挥重要作用。因此，基于统一大市场背景下，探明数据要素（市场）发展对我国物流业效率的具体影响机制具有非常重要的价值，并已成为有关方面把握数字化时代经济高质量发展的重要手段。梁 洁1、2 博士生 冯 琼1、3 博士生（1、中南民族大学经济学院 湖北武汉 430074；2、广西财经学院工商管理学院 广西南宁 530007；3、海南大学应用科技学院 海南海口 570000）内容摘要：充分发挥数据要素资源这类生产要素的积极赋能作用，实现我国物流业高质量发展已成为新发展格局下统一大市场建设的重要方向。本文基于我国 30 个省区市面板数据，实证分析了数据要素资源集聚、地区全要素生产率和物流业效率三者之间的动态关系，并就全要素生产率在数据要素资源集聚对物流业效率的影响中是否存在中介效应进行了检验。关键词：统一大市场；数据要素；资源集聚；物流业效率；全要素生产率中图分类号：F252 文献标识码：A 文章编号：2095-9397（2023）18-0081-04文章著录格式：梁洁，冯琼.统一大市场背景下数据要素资源集聚对物流业效率的影响基于全要素生产率的机制分析 J.商业经济研究，2023（18）：81-84文献综述及评论关于我国物流业发展及其影响因素，以及数据要素与物流业发展的关系研究已引起学界的重视，但从研究来看，更多的文献是将物流业纳入到商贸流通业范畴进行考虑。舒辉、周熙登、林晓伟（2014）通过空间计量方法实证研究了我国物流业集聚与物流业效率之间的相关关系，考察了物流业集聚对全要素生产率的空间溢出效应，并从影响物流业发展的人力资本要素、交通基础设施等方面提出了政策建议。段联合（2022）在测算数字化要素资源禀赋的基础上，考察了我国数字化要素资源禀赋差异对商贸流通业发展的影响。该研究认为，不同地区之间数字化要素资源禀赋存在明显差异，但对商贸流通业发展规模和发展效率都会产生积极促进作用，并从数字化要素资源开发、应用和基础设施建设方面提出了积极建议。岳瀚槭（2023）基于数据要素作为重要生产要素的背景，分析了数据要素资源发展对商贸流通业全要素生产率的影响。还有一些研究从信息化要素、人力资本要素、科技创新要素等视角研究了要素资源对流通业发展的影响。程晓栋（2021）采用空间计量模型考察了人力资本要素积累对我国物流业发展的空间溢出效应，阐述了数字化背景下人力资本要素变化对物流业发展的影响，并从优化劳动力结构、提升劳动力水平等方面提出了建议。杨慧瀛、杨宏举、祝甜（2022）基于 2008-2020 年的面板数据，统一大市场背景下数据要素资源集聚对物流业效率的影响基于全要素生产率的机制分析基金课题：2022 年度广西高校中青年教师科研基础能力提升项目“数字经济驱动广西制造业升级的模式及路径研究”（编号：2022KY0636）；海南省自然科学基金项目“海南自贸港现代服务业一流园区竞争力测评研究”（编号：721MS0769）Logistics Management82商业经济研究 2023 年 18 期采用因子分析法和空间杜宾模型分析了物流信息化和物流业全要素生产率之间的关系。该研究认为，物流信息化能够显著提升本地物流业全要素生产率，且还能够对其他地区物流业全要素生产率产生空间溢出效应，同时在东中西不同地区所表现出来的溢出效应存在明显异质性，最后从加大物流信息化投入、加快物流信息化平台建设和物流业发展相关政策协调等方面提出建议。梁雯、汪皖珍、刘志秀（2022）在测算物流业效率的基础上，采用 Tobit模型实证研究了不同地区物流业发展效应，并对物流业综合技术效率、纯技术效率进行了分解，从科技创新和差异化物流政策制定方面提出了建议。此外，还有一些研究从数字经济发展对物流业发展影响的视角进行了探讨。包振山、殷凤春（2023）采用 2011-2021 年的经验数据，实证分析了数字经济发展、流通业升级与经济增长之间的关系。该研究认为，数字经济能够通过促进流通业发展助力经济增长，且能够发挥出“1+12”的协同效果，但这种协同效果在不同地区存在显著差异，东部地区表现更为明显，最后从缩小不同区域间数字经济发展水平、激发流通业转型升级、加快数字经济与流通业的深度融合等层面提出了建议。梁雯、郑锐（2023）以长三角城市群为样本，实证研究了数字经济对物流业高质量发展的影响，并考察了数字经济对物流业高质量发展的区域异质性。谢欣雨、王健（2023）从产业融合的视角切入，考察了我国物流业与数字经济发展之间的关系及其空间演化特征。该研究认为，我国物流业与数字经济发展之间不断融合，呈现出“东高西低”的趋势性特征，物流业与数字经济发展的融合关系在区域间呈现不断加剧的趋势，但在区域内由于虹吸效应的存在导致两者之间的融合关系不断削弱。综合当前研究来看，针对数据要素资源和商贸流通业发展，以及数字经济视角研究物流业发展的研究较为普遍，但针对数据要素资源集聚视角的探讨较少，且较多的研究主要围绕数据要素资源对商贸流通业的影响展开，对流通业效率的影响几乎没有看到。进一步地，数据要素资源集聚如何影响物流业效率的影响机制似乎缺少关注，数据要素作为一种新的生产要素形成集聚可能会提升全要素生产率而对物流业效率产生显著影响，也即全要素生产率是否在数据要素资源对物流业效率的影响中发挥中介效应，现有研究显然并未予以探讨。据此，本文的创新点主要体现在，基于数据要素资源集聚视角，借助于段联合（2022）的测度方法，测算出数据要素资源集聚水平，借助于投入产出分析，在测度地区全要素生产率和物流业发展效率基础上，探讨数据要素资源集聚对物流业效率的直接影响效应，同时进一步检验全要素生产率的中介效应是否存在？为更好探明数据要素资源集聚、全要素生产率与物流业发展之间的动态关系提供客观的经验支撑。实证计量模型设定基于上述分析，建立数据要素资源集聚对物流业效率的直接影响效应模型，以及基于地区全要素生产率中介变量的间接影响效应模型，如式（1）-式（3）所示：Yit=c+Datait+Controlit+i+t+it（1）Mit=c+Datait+Controlit+i+t+it（2）Yit=c+Datait+Mit+Controlit+i+t+it（3）Yit表示第 i 个省域 t 时期的物流业效率，Datait表示第i 个省域 t 时期的数据要素资源集聚水平，Mit表示第 i 个省域t时期的地区全要素生产率水平，Controlit表示控制变量。实证分析时将检验模型（1）式中的系数、（2）式中的系数 以及（3）式中的系数 和 是否显著，并据此判断数据要素资源集聚是否存在直接效应，地区全要素生产率是否存在中介效应，且究竟是完全中介效应，还是部分中介效应。相关指标构建与测度说明（一）数据要素资源集聚水平指标体系构建本文借鉴段联合（2022）的测度方法，根据数据要素资源集聚的特征，从数据要素资源基础规模和开发潜力两个维度 12 个细分指标进行测度，具体测度指标体系如表 1所示。根据表 1 的测度指标体系，采用熵权法客观测度不同指标体系权重，最后测算出地区数据要素资源集聚水平。（二）物流业效率测度指标体系构建物流业效率采用投入产出法的数据包络方法进行测度，具体投入指标选取资本投入、劳动力投入、物流基础设施投入、信息技术投入四个指标，产出指标包括物流业增加值、货物周转量和运输量三个指标，具体测度指标如表2所示。（三）地区全要素生产率测度介绍地区全要素生产率采用投入产出法的 Malmquist 指数表 1 数据要素资源集聚水平测度指标体系构建物流管理中文核心期刊要目总览贸易经济类核心期刊83测算，以 t 时期技术为参照的 Malmquist 指数表示如下：（4）t 到 t+1 时期的 Malmquist 生产率变化指数表示如（5）式所示：（5）其中，（xt，yt）和（xt+1，yt+1）分别表示 t 和 t+1 时期物流业的投入产出向量，Dit和 Dit+1分别表示以 t 和 t+1 时期技术为参照的距离函数。地区全要素生产率测度采用传统的资本投入、劳动力投入以及数据要素投入衡量，产出采用 GDP 规模衡量。相关变量数据来自于国家统计局网站和省域地方统计年鉴。（四）其他控制变量说明为避免遗漏变量问题，纳入金融发展水平、地区经济发展水平、技术创新、城镇化水平和地方政府支持力度五个变量作为控制变量。金融发展水平采用地区存贷款余额占 GDP 比重衡量，地区经济发展水平采用 GDP对数值衡量，技术创新采用地方专利授权量与专利申报数的比值近似衡量，城镇化水平采用城镇居民人口占比衡量，政府支持力度采用地方财政支出占 GDP 比重进行近似衡量。控制变量数据来自于地方统计年鉴、国家知识产权局和中国金融统计年鉴。实证分析（一）实证模型估计鉴于数据的可得性，本文选取省级层面的面板数据进行实证分析，具体样本省域为全国 30 个省区市（不包括西藏、香港、台湾和澳门地区），样本时间选取 2016-2021 年。首先就数据要素资源集聚对物流业效率的直接效应和中介效应进行估计，得到估计结果如表 3 所示。由表 3 模型（1）的估计结果可知，数据要素资源集聚与物流业效率之间存在正相关关系，数据要素集聚水平每提升1个单位，将会促进物流业效率提升0.0883个单位，表明数据要素资源集聚对物流业效率提升会产生直接的赋能效应。这一点也比较容易理解，一方面数据要素资源集聚可以使物流企业更加方便、快捷地获取、处理和分析物流相关信息，从而提高物流信息化水平。物流企业可以通过数据要素资源集聚更加精准地掌握货物的运输状态、交通状况、仓储情况等信息，从而更好协调运输过程，提高物流效率。同时，通过数据要素资源集聚，物流企业可以更加准确地获取货物的起点、终点、途经地点等信息，从而优化物流配送路径，减少运输时间和成本。此外，物流企业还可以根据数据要素资源集聚的结果，对货物进行分类、分拣等操作，提高物流效率。进一步地，数据要素资源集聚可以使物流企业更加准确地掌握客户需求，提供更加个性化、专业化的物流服务，从而提高物流服务质量。物流企业可以通过数据要素资源集聚更加精准地了解客户需求，提供更加贴心、周到的服务，增强客户满意度，提高物流企业的市场竞争力。最后，数据要素资源集聚可以帮助物流企业更加精准地掌握物流运营的各个环节，实现物流成本的精细化控制，从而降低物流成本，例如运输成本、仓储成本、人力成本等，从而进行成本分析、比较和控制，提高物流效益。总体而言，数据要素集聚对物流业效率提升具有重要的正向赋能作用，可以帮助物流企业更好实现信息化、智能化、高效化、低成本化等目标，提高物流服务质量和客户满意度，增强市场竞争力，促进物流业效率的提升。进一步由模型（2）和模型（3）的中介效应估计结果可知，数据要素资源集聚对地区全要素生产率具有显著的正向促进作用，同时地区全要素生产率对物流业效率又具有显著的正向赋能作用，这表明全要素生产率的中介效应存在。从模型（2）和模型（3）的估计结果可以发现，、和 的估计系数均显著，表明全要素生产率存在部分中介效应。从中介效应的估计结果来看，数据要素资源集聚能够通过影响地区全要素生产率赋能表 2 物流业效率测度指标体系表 3 数据要素资源集聚对物流业效率的影响效应估计结果注：*表示系数估计统计量至少在 10%显著性水平下显著，下同。Logistics Management84商业经济研究 2023 年 18 期物流业效率的提升，且全要素生产率具有进一步强化数据要素资源集聚对物流业效率提升的正向赋能作用。具体而言，数据要素资源集聚可以提高地区的信息化水平，帮助企业更好地了解市场需求和竞争状况，优化生产流程和产品设计，提高生产效率和产品质量，促进产业升级和创新发展，继而提高全要素生产率。数据要素资源集聚还可以促进企业之间的合作和交流，促进产业链的协同发展，提高整个地区的产业水平和竞争力，进一步推动地区全要素生产率的提高，而地区全要素生产率的提高则会进一步优化物流企业内部生产过程，提高生产效率，缩短物流周期和时间，降低物流企业的生产成本，从而提升物流业效率。控制变量估计结果显示，技术创新对物流业效率提升的正向赋能作用最强，而金融发展水平对物流业效率的正向促进作用相对最弱，地区经济发展水平、城镇化水平和政府支持已成为我国物流业效率提升的重要影响因素。（二）稳健性检验通过纳入工具变量和替换解释变量的方式就数据要素资源集聚对物流业效率的直接效应和间接影响（中介效应）进行稳健性检验。首先通过纳入物流业效率滞后一期作为工具变量以消除可能存在的内生性问题，其次是采用我国各省域数字经济发展规模的对数值替换数据要素资源集聚水平进行估计。得到稳健性检验结果如表4所示（控制了相关控制变量和地区效应、时间效应）。无论是纳入工具变量之后消除内生性的估计结果，还是替换解释变量之后的估计结果，数据要素资源集聚对物流业效率同时存在直接效应和间接效应（中介效应），且表现为部分中介效应，与前文模型估计得到的结论一致。因此，前文得到的估计结果具有较好的可信度，进一步证实了数据要素资源集聚对我国物流业效率提升具有显著的正向赋能作用和间接的中介作用，其机制效应存在，模型估计结果具有很好的稳健性。研究启示一是数据要素作为一种重要的生产要素，在我国物流业发展中扮演重要角色，且能够显著提升地区全要素生产率继而对我国物流业效率产生强劲的间接赋能。因此，有关方面需要高度重视数据要素资源这种生产要素，借助于大数据、人工智能等信息技术充分挖掘数据要素的作用和价值，为我国地区全要素生产率提升和物流业降本促效、精准获取需求等提供积极的赋能作用；二是要特别重视全要素生产率的中介效应和技术创新的作用。有关方面需要聚焦能够提升地区全要素生产率的资本、劳动、技术创新和数据要素资源等因素，充分发挥不同类别生产要素的功能性作用，实现资源配置的最优化，为我国物流业效率提升提供坚实保障；三是要加大创新投入力度，营造良好的创新环境。有关方面要鼓励物流业企业开展技术创新，加大创新资源的投入力度，撬动技术创新对物流业效率提升的强劲动力，不断提升我国物流业效率，为全国统一大市场建设起到保驾护航的作用。参考文献：1.舒辉，周熙登，林晓伟.物流产业集聚与全要素生产率增长基于省域数据的空间计量分析 J.中央财经大学学报，2014（3）2.段联合.数字化要素资源禀赋与商贸流通业扩容提质的关系基于省域面板数据的分析J.商业经济研究，2022（17）3.岳瀚槭.数据要素资源对商贸流通业全要素生产率的影响基于长江经济带沿线省域的实证 J.商业经济研究，2023（10）4.杨慧瀛，杨宏举，祝甜.物流信息化对物流业全要素生产率的影响基于空间溢出效应分析J.开发研究，2022（4）5.梁雯，汪皖珍，刘志秀.科技创新对物流效率影响的实证研究基于三阶段 DEA 和 Tobit 模型 J.江汉大学学报（社会科学版），2022，39（6）6.程晓栋.人力资本积累对物流业的影响作用及空间效应分析 J.商业经济研究，2021（22）7.包振山，殷凤春.数字经济、流通业升级与经济增长 J.中国流通经济.2023，37（4）8.梁雯，郑锐.长三角一体化城市群数字经济对物流业高质量发展的影响研究 J.重庆文理学院学报（社会科学版），2023（5）9.谢欣雨，王健.中国物流业与数字经济融合水平的区域差异及动态演进 J.调研世界，2023（2）作者简介：梁洁（1987-），女，壮族，广西桂林人，中南民族大学博士研究生，广西财经学院助理研究员。研究方向：数字经济；冯琼（1988-），女，汉族，湖南衡阳人，中南民族大学博士研究生，海南大学讲师。研究方向：制度经济学。表 4 稳健性检验结果物流管理