Page 49 - 北京工商大学学报社会科学版2018年第6期

北京工商大学学报(社会科学版)摇 摇 摇 摇 2018 年摇 第 6 期

亮 [6] 运用超效率数据包络分析(SE鄄DEA) 方法测 二、研究方法与数据来源
算了中国 30 个省份物流产业的综合技术效率和 借鉴马越越 [13] 的研究,本文构建物流效率的
纯技术效率,分解得出其规模效率,并分析了其效 评价指标体系,将方向距离函数模型、探索性空间
率值差异。 范月娇 [7] 运用柯布—道格拉斯生产 数据(ESDA)分析法及标准差椭圆三种分析方法
函数的 SFA 方法研究了国家级流通节点城市的 结合起来分析物流产业效率的时空格局演化特征
物流产业效率。 但这些方法存在的一些缺陷往往 及空间相关性特征。
被忽略,如 DEA 方法不加区分地混淆相对指标和 (一)研究方法
绝对指标,局限于报告期的效率研究,得出效率后 1郾 方向距离函数(DDF)
对其特征鲜有深层次的分析;生产函数法则在假 方向距离函数模型是测量物流产业效率的有
设市场完全竞争、难以评价单期数据等方面存在 效工具,其使用原理是一定数量的投入能够生产

着一定的局限性等。 出最大期望的产出。 基于方向距离函数,可以对
近年来,不少学者对物流产业发展的时空格 我国 31 个省份的物流效率进行评价。 将 31 个省

[8] 份看作决策单元(DMU),分别构建每个决策单元
局演化进行了研究。 例如,Jing & Cai 基于区位
熵(LQ)理论和区域物流特征,运用探索性空间数 的投入向量与产出向量,进而测算出各个省份的
据分析(ESDA)方法研究了中国东海岸地区物流 物流效率。 设 x 为投入向量,y 为产出向量,则所
业的变化。 钟昌宝、钱康 [9] 基于 ESDA 对长江经 有 DMU 的生产可能集为:
济带省域物流产业全局和局部空间差异进行了实 P(X) = {(x,y): x 可以生产出 y} (1)
证分析。 唐建荣等 [10] 借助 ESDA 方法,从时空分 设 g(g ,g ) 为方向向量,则方向距离函数可
y
x
布上对江苏省 13 个地级市的物流产业全要素生 被定义为:
产率进行了实证分析。 沈玉芳等 [11] 利用统计分 寅 x y
D(x,y;g) = max{茁:(x - 茁·g ,y + 茁·g )沂P(X)}
析和基于地理信息系统(GIS) 的区位基尼系数、 (2)
区位熵等方法实证剖析了长三角区域的物流演化 其中,方向向量 g = ( - g ,g ),表示产出在
x
y
过程。 朱慧、周根贵 [12] 利用标准差椭圆分析、样 g 方向上的最大扩张以及在投入 g 方向上的最小
y
x
方分析、核密度和 Ripley蒺s K 函数, 分别对 2002 缩减。
年、2008 年和 2015 年义乌市的物流企业空间集 根据 Lee et al. [14] 的研究,可以通过以下非参
聚水平进行了测度。 数线性规划计算方向距离函数值:
上述研究还存在些许不足:首先,物流效率的 Max茁
研究测算方法单一,多采用 DEA 与 SFA 方法;其 S. t. X姿 + 茁g 臆x k
x
次,多数学者仅追求空间实证方法的复杂性,而忽 Y姿 - 茁g 逸y k
Y
略了地理单元之间的时空关联及空间相关性,且 姿逸0 (3)
仅分析空间方面的演化,对时间方面的研究涉及 其中,茁 表示各省份物流产业效率,X、Y 分别
较少。 鉴于此,本文拟基于方向距离函数(direc鄄 代表投入和产出所组成的矩阵,x 、y 分别表示被
k
k
tional distance function, DDF) 模 型 测 算 2007— 评价决策单元 k 的投入向量和产出向量。 g 和 g y
x
2016 年中国 31 个省份的物流产业效率,采用 ES鄄 分别表示投入和产出的方向向量。 设定方向向量
DA 方法实证研究物流产业发展的空间相关性和 g = ( 1,1,1),则该向量满足方向距离函数的转移
集聚特征,并运用标准差椭圆法,将传统计量方法 特性。
与空间分析视角相结合,依托标准差椭圆的重心、 2郾 探索性空间数据分析(ESDA)
长短轴和旋转角度的变化来表现中国各省份物流 ESDA 在分析空间数据自相关性中具有极高的
产业效率发展的空间格局演化特征,从而有助于 应用价值。 本文运用全局 Moran 指数和局部 Moran
正确认识及评价中国物流业发展态势,为区域物 指数来分析我国物流业发展的空间相关性 [15] 。
流的健康发展提供理论参考。 全局 Moran 指数计算公式如下:

· 4 4 ·