一、引言及文献综述
物流业是融合了运输业、仓储业、邮政业等行业的复合型服务产业。国家发改委和国家统计局发布的统计数据显示，2010～2017年全国社会物流总额从125.4万亿元攀升至252.8万亿元，年均复合增长率达到10.53%，总体社会物流需求增长态势显著。目前，在中国社会物流总额逐步扩张的同时，现代物流产业的发展速度和专业化程度不断提升，社会物流效率持续改善，物流市场发展环境日趋好转。物流产业作为地区经济发展的基石，其演变机理一直是区域经济关注的热点。由于各省份拥有的资源及地理位置存在差异性，导致各地区物流产业发展的进程不尽相同，尤其随着“一带一路”倡议和“长江经济带”“京津冀协同发展”两大发展战略的推进，中国物流产业发展的热点由东部沿海地区逐步向中西部地区转移，区域物流协同发展的要求更加强烈[1]。因此，从时空视角研究我国物流产业效率发展格局演变就显得十分必要。
国内外学者在物流产业效率的研究上见仁见智，多采用数据包络分析（DEA）法与随机前沿分析（SFA）法进行研究。例如，Sun[2]建立了投入产出指标体系，通过三阶段DEA估算了中国东北三省的物流效率。Markovits-Somogyi & Bokor[3]运用DEA-PC方法评价了29个欧洲国家的物流产业效率并证实了该方法的优越性。谢菲等[4]采用DEA模型对中国29个省份的物流产业效率进行了评价。张竟轶、张竟成[5]采用中国31个省份2010～2014年物流业的数据，利用三阶段DEA模型分析了中国物流业效率情况。陈永平、张亮亮[6]运用超效率数据包络分析（SE-DEA）方法测算了中国30个省份物流产业的综合技术效率和纯技术效率，分解得出其规模效率，并分析了其效率值差异。范月娇[7]运用柯布—道格拉斯生产函数的SFA方法研究了国家级流通节点城市的物流产业效率。但这些方法存在的一些缺陷往往被忽略，如DEA方法不加区分地混淆相对指标和绝对指标，局限于报告期的效率研究，得出效率后对其特征鲜有深层次的分析；生产函数法则在假设市场完全竞争、难以评价单期数据等方面存在着一定的局限性等。
近年来，不少学者对物流产业发展的时空格局演化进行了研究。例如，Jing & Cai[8]基于区位熵（LQ）理论和区域物流特征，运用探索性空间数据分析（ESDA）方法研究了中国东海岸地区物流业的变化。钟昌宝、钱康[9]基于ESDA对长江经济带省域物流产业全局和局部空间差异进行了实证分析。唐建荣等[10]借助ESDA方法，从时空分布上对江苏省13个地级市的物流产业全要素生产率进行了实证分析。沈玉芳等[11]利用统计分析和基于地理信息系统（GIS）的区位基尼系数、区位熵等方法实证剖析了长三角区域的物流演化过程。朱慧、周根贵[12]利用标准差椭圆分析、样方分析、核密度和Ripley’s K函数，分别对2002年、2008年和2015年义乌市的物流企业空间集聚水平进行了测度。
上述研究还存在些许不足：首先，物流效率的研究测算方法单一，多采用DEA与SFA方法；其次，多数学者仅追求空间实证方法的复杂性，而忽略了地理单元之间的时空关联及空间相关性，且仅分析空间方面的演化，对时间方面的研究涉及较少。鉴于此，本文拟基于方向距离函数（directional distance function，DDF）模型测算2007～2016年中国31个省份的物流产业效率，采用ESDA方法实证研究物流产业发展的空间相关性和集聚特征，并运用标准差椭圆法，将传统计量方法与空间分析视角相结合，依托标准差椭圆的重心、长短轴和旋转角度的变化来表现中国各省份物流产业效率发展的空间格局演化特征，从而有助于正确认识及评价中国物流业发展态势，为区域物流的健康发展提供理论参考。
二、研究方法与数据来源
借鉴马越越[13]的研究，本文构建物流效率的评价指标体系，将方向距离函数模型、探索性空间数据（ESDA）分析法及标准差椭圆三种分析方法结合起来分析物流产业效率的时空格局演化特征及空间相关性特征。
（一）研究方法
1.方向距离函数（DDF）
方向距离函数模型是测量物流产业效率的有效工具，其使用原理是一定数量的投入能够生产出最大期望的产出。基于方向距离函数，可以对我国31个省份的物流效率进行评价。将31个省份看作决策单元（DMU），分别构建每个决策单元的投入向量与产出向量，进而测算出各个省份的物流效率。设x为投入向量，y为产出向量，则所有DMU的生产可能集为：
P（X）=｛（x，y）：x可以生产出y｝ （1）
设g（gx，gy）为方向向量，则方向距离函数可被定义为：
其中，方向向量g=（-gx，gy），表示产出在gy方向上的最大扩张以及在投入gx方向上的最小缩减。
根据Lee et al.[14]的研究，可以通过以下非参数线性规划计算方向距离函数值：
Maxβ
- t.Xλ+βgx≤xk
Yλ–βgY≥yk
λ≥0 （3）
其中，β表示各省份物流产业效率，X、Y分别代表投入和产出所组成的矩阵，xk、yk分别表示被评价决策单元k的投入向量和产出向量。gx和gy分别表示投入和产出的方向向量。设定方向向量g=（1，1，1），则该向量满足方向距离函数的转移特性。
2.探索性空间数据分析（ESDA）
ESDA在分析空间数据自相关性中具有极高的应用价值。本文运用全局Moran指数和局部Moran指数来分析我国物流业发展的空间相关性[15]。
全局Moran指数计算公式如下：
式（4）中，I为全局Moran指数；n为研究区域的总个数；xi和xj分别为样本i和样本j的观测值；为全部观测值的均值；wij是空间权重矩阵，若i、j相邻则wij取1，若i、j不相邻则wij取0。I取值区间为[-1，1]。若I为正值，表示经济发展水平相近的区域在空间上存在正向空间集聚；若，为负值，表示空间上相邻省份的经济发展水平差距较大，在空间上存在负向空间集聚。
局部Moran指数计算公式如下：
式（5）中，Ii为局部Moran指数。当Ii为正值时，表示局部单元在空间上存在正相关；当Ii为负值时，表示局部单元在空间上存在负相关。
3.标准差椭圆法
本文基于中国31个省份的空间区位（经纬度），以中国物流体系空间分布的平均中心为中心（重心），采用标准差椭圆法，分别计算两个差异最大的正交方向的标准差，形成覆盖中东部地区的空间分布主体区域的椭圆，然后根据椭圆的中心、长轴、短轴和旋转角等特征值①定量描述中国物流空间演变格局。
（二）变量选取与数据来源
基于数据的可得性，本文以2007～2016年中国31个省份为基本研究单元，原始数据主要来源于历年《中国统计年鉴》和《中国物流统计年鉴》，部分缺失数据来源于历年《中国经济与社会发展数据库》。
物流产业效率是用来衡量区域物流发展对区域经济是否起到带动作用的重要指标。参考唐建荣等[16]的方法，本文选取交通运输、仓储和邮政业的统计数据代替区域物流产业发展水平。从中国物流产业实际情况出发，遵循科学性、系统性、实用性原则，通过较为系统的文献梳理，最终构建了投入指标和产出指标，从投入和产出两个方面对物流产业效率进行评价。
投入指标主要包括物流产业固定资产投资额、物流产业从业人员数、道路运营里程、物流产业从业人员工资总额以及政策因素等。资本投入作为生产要素投入的基础，对物流产业运营效率有极大影响，因此选取物流产业固定资产投资额（亿元）作为评价指标[17]。中国物流业发展起步较晚，仍属于劳动密集型产业，因此参照孟魁[18]的做法，人力投入方面以物流从业人员数作为评价指标。从实际情况来看，道路运营里程占物流产业投入的大部分比例，而物流基础设施的修建与发达程度也对物流产业效率产生了直接影响，因此参照丁斌、王琨[19]的做法，以公路和铁路综合里程数（公里）作为评价指标。在现有的物流效率研究中，物流劳动指标多数仅采用物流业从业人数表示，但该指标只能代表劳动力数量，却不能完全反映物流行业劳动力成本投入现状，因此本文引入物流业职工工资总额（亿元）来弥补上述研究缺陷。政策指标主要用以反映政府部门对物流产业发展的支持力度，用交通运输财政支出占地方财政支出总额的比重表示。
产出指标主要从物流业增加值、货运量、货运周转量和地区GDP四个方面衡量。借鉴刘战豫、孙夏令[20]的方法，采用交通运输、仓储和邮政业增加值（亿元）来代替物流业增加值。货运量和地区GDP 两方面均参照张诚、张广胜[21]的做法，分别采用各省份货运量（万吨）和各省份GDP（亿元）作为衡量物流运输能力和经济发展状况的标准。货运周转量借鉴于丽英等[22]的做法，采用地区货物周转总量（亿吨公里）作为评价指标。
文中所有数据均运用平减指数剔除价格因素，不同的指标采用的平减指数不同。选取2007年为基期，对各指标名义值进行平减，得到各指标的实际值，以剔除价格因素的影响。
三、物流产业效率综合评价
测度各省份物流产业发展效率是分析各省份物流发展时空差异性及演化规律的基础。在已收集的2007～2016年中国31个省份物流产业面板数据的基础上，采用方向距离函数模型来测算中国物流产业效率的发展水平。
利用MAXDEA软件可以计算出2007～2016年中国31个省份的物流产业效率，具体结果如表1所示。
表1 2007～2016年中国31个省份物流产业效率
|
省份 |
2007年 |
2008年 |
2009年 |
2010年 |
2011年 |
2012年 |
2013年 |
2014年 |
2015年 |
2016年 |
|
北京 |
0.80 |
0.70 |
0.83 |
0.77 |
0.86 |
0.69 |
0.77 |
0.79 |
1 |
1 |
|
天津 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
|
河北 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
|
山西 |
1 |
0.82 |
0.70 |
0.70 |
0.68 |
0.67 |
0.79 |
0.87 |
0.94 |
0.82 |
|
内蒙古 |
0.82 |
0.70 |
0.78 |
0.77 |
0.73 |
0.73 |
0.79 |
0.79 |
0.81 |
0.73 |
|
辽宁 |
0.84 |
0.75 |
0.87 |
0.86 |
0.89 |
0.87 |
0.88 |
0.93 |
1 |
1 |
|
吉林 |
0.70 |
0.61 |
0.67 |
0.64 |
0.64 |
0.64 |
0.70 |
0.62 |
0.60 |
0.55 |
|
黑龙江 |
0.69 |
0.61 |
0.63 |
0.64 |
0.71 |
0.75 |
0.79 |
0.75 |
0.72 |
0.65 |
|
上海 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
|
江苏 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
|
浙江 |
1 |
1 |
1 |
0.86 |
0.90 |
0.89 |
1 |
1 |
1 |
1 |
|
安徽 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
|
福建 |
1 |
0.81 |
0.90 |
0.84 |
0.80 |
0.78 |
0.78 |
0.80 |
0.84 |
0.85 |
|
江西 |
0.71 |
0.71 |
0.72 |
0.72 |
0.72 |
0.82 |
0.88 |
0.81 |
0.79 |
0.68 |
|
山东 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
|
河南 |
0.87 |
0.84 |
1 |
0.86 |
0.90 |
0.93 |
0.98 |
0.95 |
0.96 |
0.88 |
|
湖北 |
0.66 |
0.59 |
0.72 |
1 |
0.67 |
0.67 |
0.67 |
0.61 |
0.62 |
0.57 |
|
湖南 |
0.71 |
0.68 |
0.79 |
0.72 |
0.68 |
0.71 |
0.77 |
0.85 |
0.94 |
1 |
|
广东 |
1 |
1 |
1 |
1 |
1 |
1 |
0.95 |
0.93 |
0.91 |
1 |
|
广西 |
0.61 |
0.55 |
0.65 |
0.65 |
0.63 |
0.63 |
0.65 |
0.64 |
0.69 |
0.70 |
|
海南 |
0.67 |
0.61 |
0.66 |
0.60 |
0.69 |
0.70 |
0.57 |
0.65 |
0.63 |
0.60 |
|
重庆 |
0.72 |
0.64 |
0.73 |
0.70 |
0.66 |
0.61 |
0.60 |
0.55 |
0.53 |
0.51 |
|
四川 |
0.65 |
0.59 |
0.65 |
0.61 |
0.57 |
0.53 |
0.44 |
0.49 |
0.56 |
0.58 |
|
贵州 |
0.60 |
0.73 |
0.75 |
0.74 |
0.71 |
0.71 |
0.65 |
0.64 |
0.65 |
0.65 |
|
云南 |
0.50 |
0.45 |
0.41 |
0.38 |
0.37 |
0.38 |
0.37 |
0.34 |
0.36 |
0.36 |
|
西藏 |
0.55 |
0.48 |
0.60 |
0.62 |
0.68 |
0.58 |
0.63 |
0.60 |
0.55 |
0.57 |
|
陕西 |
0.61 |
0.52 |
0.62 |
0.62 |
0.57 |
0.60 |
0.66 |
0.60 |
0.54 |
0.49 |
|
甘肃 |
0.77 |
0.78 |
0.79 |
0.77 |
0.68 |
0.66 |
0.63 |
0.45 |
0.46 |
0.41 |
|
青海 |
0.42 |
0.36 |
0.42 |
0.45 |
0.45 |
0.34 |
0.34 |
0.30 |
0.32 |
0.32 |
|
宁夏 |
0.68 |
0.70 |
1 |
0.74 |
0.81 |
1 |
0.79 |
0.69 |
0.69 |
0.68 |
|
新疆 |
0.61 |
0.52 |
0.59 |
0.58 |
0.56 |
0.62 |
0.61 |
0.58 |
0.57 |
0.59 |
物流产业效率值为1，说明该省份物流活动是有效的；效率值越大，表明该省物流发展水平越高，进行的物流活动越有效。从表1可以看出，2007～2016年，仅天津、河北、上海、江苏、安徽、山东的效率值为1，表明这些省份在观测年份内物流业发展始终保持较高水平，而云南、青海两地效率值均不足0.5，说明中国区域物流效率空间分布不均衡，总体上呈现“东强西弱”的态势。东部地区物流产业效率值一直处于较高水平，其中山东、天津、上海、江苏等地在观测年份内物流活动一直处于有效率状态。这是因为东部沿海地区具有天然的海港优势和丰富的海洋资源，改革开放后国家制订了优先发展东部沿海的政策，这些省份的经济发展方式多样，产业结构合理，而且交通便利，便于进行海上贸易往来，从而带动了其物流产业的发展。而西部的云南、青海等地区，由于深居内陆，交通堵塞，没有广阔的市场，且西部经济基础薄弱，而经济发展水平对物流产业的发展具有一定程度的影响，这使得西部地区一直是中国物流产业发展的“洼地”。
不同地区的物流产业效率在不同年份之间也显示出较大差异性，波动范围在0.5～1，多数区域的物流产业效率仍有改进的空间。在观测的10年间，中国物流产业效率均值接近0.8，大多数省份的物流产业效率值为0.7～1。以2016年为例，物流效率高于0.7的省份有16个（占比约52%），其中物流活动有效率的省份有11个（占比约35%）；效率低于0.7的省份有15个（占比约48%），说明大多数省份的物流产业效率还存在进一步提升的空间。
综上所述，区域物流产业效率呈现出“强者越强，弱者越弱”的特征，各省份所处的物流产业效率区间波动较小，物流产业效率的提升很难有跨越性突破。在观测年份内，河北、天津、上海、江苏、安徽、山东的物流产业效率值一直为1，浙江、河南、广东等地基本处于0.8～1，黑龙江、海南、贵州等地基本处于0.6～0.8。各省份物流产业效率呈现区间依赖现象，低效率的省份在效率改进方面还存在很多的现实障碍。
四、物流产业效率时空特征分析
为了便于清晰比较地区物流产业效率差异，本文将全国31个省份划分为东部11个省份、中部8个省份、西部12个省份，从时空两个维度对物流产业效率的分布格局特征进行分析。
（一）时间维度的分析
表2显示了中国2007～2016年东中西部三个地区物流产业效率平均值的动态变化趋势。从地区上比较来看，地区差异较为显著：东部地区物流效率值均高于全国平均效率值；中部地区仅2008年和2011年略低于全国平均效率值，其余年份均高于全国平均值；西部地区在观测年份内均低于全国平均效率值。
表2 2007～2016年中国东中西部物流产业平均效率
|
地区 |
2007年 |
2008年 |
2009年 |
2010年 |
2011年 |
2012年 |
2013年 |
2014年 |
2015年 |
2016年 |
2007～2016年 |
|
东部 |
0.94 |
0.90 |
0.93 |
0.90 |
0.92 |
0.90 |
0.90 |
0.92 |
0.94 |
0.95 |
0.92 |
|
中部 |
0.79 |
0.73 |
0.78 |
0.79 |
0.75 |
0.77 |
0.82 |
0.81 |
0.82 |
0.77 |
0.78 |
|
西部 |
0.63 |
0.59 |
0.67 |
0.64 |
0.62 |
0.62 |
0.60 |
0.56 |
0.56 |
0.55 |
0.60 |
|
全国 |
0.78 |
0.73 |
0.79 |
0.77 |
0.76 |
0.76 |
0.76 |
0.75 |
0.76 |
0.75 |
0.76 |
总体上看，观测期内全国平均物流产业效率值偏低，由2007年0.78下降到2008年的最低值0.73，整体下降趋势不显著。2007～2016年，全国平均效率值为0.76。东部地区物流效率的平均值最高，达到0.92，远远高于全国均值；中部地区平均值达到0.78，略高于全国平均效率值；西部地区最低，均值仅为0.60，远远低于全国均值。从局部趋势看，东部地区物流效率值呈先波动下降再上升的趋势，从2007年的0.94上升到2016年的0.95，但2008年、2010年、2012年和2013年均出现了低峰值0.90；中部地区物流效率值呈波动下降趋势，从2007年的0.79降至2016年的0.77，其中2013年和2015年达到最高值0.82，2008年出现最低值0.73；西部地区效率值下降最为显著，从2007年的0.63迅速下降为2016年的0.55，在观测年份内最高值仅达到0.67，远远落后于全国平均水平。
中国整体物流效率不高的原因主要与经济市场发展环境及现状密切相关。现阶段，我国物流业发展总体水平还不高，发展方式比较粗放，先进技术难推广，资源浪费严重，并且区域差距较大，因此整体效率不高。东中西部物流效率值差异较大的原因在于：东部地区经济发达，人口密度大，对物流的需求量较大，尤其是沿海地区，物流发展较早，交通基础设施发达，便利的海运更是中西部地区无法实现的，这些都促进了其物流产业的发展；中西部省份则工业发展相对缓慢，第三产业占GDP比重较低，交通不便，缺少资源，导致了中西部地区在物流效率上的不断落后。
值得注意的是，2008年东中西部地区物流产业效率下降均较为显著。原因为2008年全面爆发的金融危机对中国整体影响较大，经济受到重创，使得物流产业受到极大危害，效率下降明显。2008年以后政府出台了大力发展现代物流业的举措，地方政府加大投资力度，使得东中西部地区物流产业迅速发展，物流产业效率也得到一定提升。2008年以后东部地区物流产业得到较快发展，但中部地区物流产业发展状况不容乐观，这可能是因为中部地区物流基础设施规模较小，以及发展模式落后等原因导致物流产业发展后劲不足，出现了物流产业效率下降的现象。西部地区由于其特殊的经济地理环境，其低投入低产出造成的低效率是基本符合预期的。
（二）空间维度的分析
1.空间自相关分析
为了展现出中国物流产业效率的空间相关性和演化过程，本文借助stata软件，结合物流产业效率值，在蒙特卡洛999次模拟检验之后得到了2007～2016年的全局Moran指数（Moran’s Ⅰ指数）及其显著性等结果，具体见表3。
表3 2007～2016年我国31个省份物流产业效率全局Moran指数
|
年份 |
Moran’s Ⅰ |
期望值 |
均值 |
标准差 |
p值 |
|
2007 |
0.5848 |
-0.0333 |
-0.0323 |
0.1153 |
0.001 |
|
2008 |
0.5375 |
-0.0333 |
-0.0375 |
0.1139 |
0.001 |
|
2009 |
0.4905 |
-0.0333 |
-0.0254 |
0.1119 |
0.001 |
|
2010 |
0.4652 |
-0.0333 |
-0.0367 |
0.1142 |
0.001 |
|
2011 |
0.5479 |
-0.0333 |
-0.0279 |
0.1167 |
0.001 |
|
2012 |
0.4837 |
-0.0333 |
-0.0307 |
0.1133 |
0.001 |
|
2013 |
0.6354 |
-0.0333 |
-0.0353 |
0.1192 |
0.001 |
|
2014 |
0.6460 |
-0.0333 |
-0.0247 |
0.1132 |
0.001 |
|
2015 |
0.6384 |
-0.0333 |
-0.0293 |
0.1145 |
0.001 |
|
2016 |
0.5664 |
-0.0333 |
-0.0353 |
0.1141 |
0.001 |
由表3可知，2007-2016年，中国31个省份的物流产业效率全局Moran指数值均为正值，最小值为0.4652，2014年达到最大值0.6460。期望值E（I）=-1/（n-1），由于共有31个省份，因此期望值不变，且不存在任何趋势。p值均为0.001，远远小于0.05，通过了Z值检验。这意味着中国各省份物流产业发展具有显著的空间正相关性，具体表现为在观测年份内，物流效率水平相似的省份在空间上集聚分布。
从时间上看，2007～2014年，全局Moran指数值呈波动上升趋势，表明在此期间，中国物流产业发展的空间正相关性不断增强。这主要是因为，2006年中国“十一五”规划纲要提出要“大力发展现代物流业”，在国家政策的扶持下，各地区大力推进基础设施建设和物流信息化建设，各省份的物流产业得以迅猛发展，物流产业效率不断提高，“追赶效应”明显，全国物流效率的空间分布差异化快速缩小。
但从2014年开始，全局Moran指数值逐渐下降，原因是东部发达地区具有天然的地域优势，改革开放较早，经济发达，基础设施完善，交通便利，再加上政府出台了大力发展物流产业的一系列政策，使其短时间内能实现物流现代化，物流产业发展迅速；而西部地区地处偏远，交通不便，经济落后，物流业发展水平低，虽然也在不断提升整体物流水平，但提升速度远远低于东部发达地区，加之物流业发展也遇到瓶颈期，所以2014年以来东西部物流发展差距不断拉大，物流产业发展存在着“马太效应”。但是总体上我国物流发展呈现出较强的空间自相关性，具体表现为物流产业效率水平相似的省份在空间上集聚分布。
为了直观地观察中国物流产业效率的空间差异变动格局和各省份集聚状态，本文选取2007年、2010年、2013年和2016年作为研究对象，来探讨中国物流产业效率的空间格局的演变过程。借助stata软件绘制了部分年份的物流产业效率发展水平局部Moran指数散点（scatterplot）图（下页图1）。
图1 中国31个省份物流产业效率Moran指数散点图
图1中，横坐标表示将物流效率进行标准化后的指数Z，纵坐标表示经过空间加权后的物流效率指数WZ。Moran指数散点图将物流产业发展分为4个象限的集聚模式，各省份分布在不同象限内，不同象限代表不同的空间单元属性和集聚模式，具体解释如表4所示。
表4 物流产业效率的空间自相关性解释
|
|
高—高集聚区 |
低—低集聚区 |
低—高集聚区 |
高—低集聚区 |
|
空间集聚模式 |
H-H型 |
L-L型 |
L-H型 |
H-L型 |
|
在散点图位置 |
右上限 |
左下限 |
右上限 |
右下限 |
|
相关性判断 |
空间正相关 |
空间正相关 |
空间负相关 |
空间负相关 |
|
空间单元属性 |
同质性 |
同质性 |
异质性 |
异质性 |
|
集聚方式 |
中心区域效率高且周边地区效率也高 |
中心区域效率低且周边地区效率也低 |
中心区域效率低但周边地区效率高 |
中心区域效率高但周边区域效率低 |
由图1和表4可知，我国物流产业效率发展的空间相关模式主要是H-H型和L-L型，物流产业发展存在显著的空间正相关，空间单元属性具有同质性，以自身发展效率与周边地区发展效率相同的方式集聚。但从统计学角度看，L-H型和H-L型区域的省份皆不显著，即非真正的典型性区域，表4中只显示了显著性较高的模式。从图1和表4还可以看出，Moran指数散点图比LISA集聚各个类型包含的省份均要多一些。少数省份是L-H型或H-L 型的空间相关模式，产业发展存在显著的空间负相关性，空间单元属性具有异质性。从时间维度上看，2007-2010年，H-H型省份的个数从12个降至10个，L-L型省份从14个降至12个，H～L型省份从1个增至2个，L-H型省份从2个增至5个；2010～2013年，H-H型省份的个数从10个增至13个，LL省份从12个降至10个，H-L型省份为2个不变，L-H型省份从5个降至4个；2013～2016年，H-H型省份的个数为13个不变，L-L型省份从10个增至12个，H-L型省份从2个降至1个，L-H型省份从4个增至5个。为了更直观地了解中国物流产业发展的集聚状态，本文将各省份部分年份物流产业集聚空间的演化状态列示如表5。
表5 中国31个省份物流发展LISA集聚结果
|
年份 |
H-H型 |
L-L型 |
H-L型 |
L-H型 |
|
2007 |
河北、山东、江苏、浙江 |
新疆、西藏、青海、甘肃、四川、云南、贵州、重庆 |
无 |
江西 |
|
2010 |
东、江苏、浙江、安徽、河南 |
新疆、西藏、青海、四川、云南、贵州 |
甘肃 |
江西 |
|
2013 |
河北、山东、江苏、浙江、上海、安徽、福建 |
新疆、西藏、青海、甘肃、四川、云南、贵州、重庆 |
无 |
无 |
|
2016 |
河北、山东、江苏、浙江 |
新疆、西藏、青海、甘肃、四川、陕西、宁夏 |
无 |
无 |
从表5可以看出，2007年，中国物流产业效率发展的集聚方式主要是H-H型和L-L型。高—高集聚型省份主要集中在东部沿海地区，主要包括河北、山东、江苏、浙江4省；低—低集聚的省份主要集中在西部地区，主要包括新疆、西藏、青海、甘肃、四川、云南、贵州、重庆等省份。江西处于低—高集聚区域，说明江西自身物流发展效率低下，发展效率慢于周边地区。物流产业发展集聚在地理空间上呈现自东向西的梯度分布模式，但此阶段中国物流产业整体集聚形式并不显著，说明此时中国物流产业整体发展水平不高，尚未形成规模集聚形式。
2010年，西部地区依然是低—低集聚形式的主要聚集地，但甘肃、重庆脱离了低—低集聚形式，这可能是由于这两地基础设施不断完善，物流配送网络高效运转所致。高—高集聚型省份增加到5个，安徽、河南进入此区域，而河北脱离此区域，原因可能是河北地区物流发展模式单一，物流成本指数长期高位运行，而价格和利润总在低位徘徊，导致物流效率不高。甘肃进入到高—低集聚区，说明甘肃物流产业发展速度与周边省份相比较快。低—高集聚区保持不变。
2013年，西部地区的集聚态势更加显著，低—低集聚区扩大到8个，甘肃、重庆重新进入此区域。可能的原因是，这两地在此期间物流效率水平发展停滞，与周边省份的差距不断拉大。高—高集聚区域也在不断扩大，河北、上海、福建进入到此区域。由于这3省凭借区位、交通、经济等先发优势，不断促进资源要素向该地区流动，物流效率快速提升，从而进入高—高集聚区域范围之内。由于东部地区物流业发展的宏观经济环境进一步改善，产业结构优化升级，区域物流和国际物流发展步伐加快，港口物流对地区经济的发展产生了积极影响，使得东部沿海地区的高—高集聚区域得到进一步扩展，形成了一条“沿海高—高集聚线”。
2016年，西部地区低—低集聚形式依然显著。云南、贵州、重庆调整发展策略，借助周边地区资源，加速发展物流产业，因此脱离了低—低集聚区域。宁夏、陕西加入低—低集聚区行列，说明这2个省份物流发展效率较低，物流发展缓慢。高—高集聚区域缩减至仅河北、山东、江苏、浙江4省，集中在东部沿海地区。
综合而言，各省份物流产业发展存在着明显的空间集聚现象，其原因在于：加大基础设施建设的投资力度可以加快刺激物流产业的发展，使基础设施建设与产业集聚相辅相成；强大的经济支持有助于物流体系的建立，提升物流产业集聚水平；发达地区发挥对临近省份的溢出效应和辐射效应。物流产业发展会受到这些因素的间接影响，进而呈现出与周边地区趋同的态势，呈现出集聚分布。但西部地区物流产业效率整体较低，东部地区物流效率明显高于中西部地区，地区间物流发展不均衡的状况始终存在。
2.空间格局演化特征
（1）物流发展重心由西向东方向偏移
标准差椭圆的中心可看作是经济要素在空间上分布的重心。表6物流产业发展重心位置的计算结果表明，从物流产业发展重心分布范围来看，在观测期内中国物流发展重心位于112.65°E～113.17°E和33.97°N～34.2°N，大致集中在河南省平顶山市汝州市与郏县境内。从重心的移动轨迹来看，经历了先向西再向东的移动轨迹。其中，2007～2010年，重心轨迹方向总体呈现出向西南方向移动的趋势，移动距离不显著，约为17.19 km；2010～2013年，重心轨迹方向总体呈现出向东北方向移动的趋势，移动距离约为42.37 km，此阶段重心移动变化范围幅度最大；2013～2016年，重心轨迹方向总体呈现出向东南方向移动的趋势，移动距离约为28.86 km。
表6 我国物流产业效率标准差椭圆特征值
|
年份 |
长轴/km |
短轴/km |
旋转角 |
重心轨迹 |
|||
|
经度 |
纬度 |
移动方向 |
移动距离/km |
||||
|
2007 |
1032.20 |
1149.08 |
42.15° |
112.83°E |
34.04°N |
|
|
|
2010 |
1025.55 |
1142.07 |
47.67° |
112.65°E |
33.98°N |
西南 |
17.19 |
|
2013 |
1027.62 |
1157.20 |
43.7° |
113.05°E |
34.2°N |
东北 |
42.37 |
|
2016 |
1015.38 |
1146.88 |
38.32° |
113.17°E |
33.97°N |
东南 |
28.86 |
中国物流产业发展重心由西向东移动，说明相对于位于轴线东部的城市，位于物流产业分布椭圆轴线西部的西部地区省份物流发展增长缓慢，其对西部地区物流产业总体分布格局影响作用有所减小，西部地区物流产业发展与中东部地区差距逐渐增大，同时也表明国内市场对中国物流产业发展的拉动作用并不显著。
（2）物流空间分布范围呈现缩小—扩张—缩小态势
分布在标准差椭圆内部的地区是中部地区和沿海地区物流发展的主体区域，其长轴标准差可以反映出物流产业发展的空间分布范围。从表6可以看出，观测年份内的标准差椭圆总体变化幅度较小，涵盖了中国的大多数省份，主要有东部沿海地区及中部所有省份。2007～2010年，中国中东部地区物流产业的分布呈现逐渐缩小的趋势，标准差椭圆长轴标准差由2007年的1032.2 km减小到2010年的1025.55 km，标准差椭圆的面积亦随之减小。2010～2013年，长轴标准差由2010年的1025.55 km上升至2013年的1027.62 km，标准差椭圆的面积随之增大。2013～2016年，标准差椭圆的分布面积不断减小，表现为长轴标准差由2013年的1027.62 km下降至2016年的1015.38 km。
中东部地区物流产业分布空间椭圆范围缩小，表明位于椭圆内部的省份物流产业发展速度相对加快，物流产业分布更加集中在椭圆内部，促使椭圆分布空间范围收缩，中东部地区与西部地区物流发展差距逐渐拉大。反之则相反。
从椭圆分布形状来看，2007～2016年，椭圆的长轴与短轴的比值呈现不断缩小的态势。其中，2007～2010年，椭圆的长轴与短轴均有所缩短，长轴缩短的速度与短轴缩短的速度相同，表明中国物流产业发展在南—北方向、东—西方向均有收缩的趋势，且东—西方向收缩趋势与南—北方向收缩趋势一致。2010～2013年，椭圆的长轴与短轴均有所增长，长轴增长的速度慢于短轴，表明我国物流产业发展在南—北方向、东—西方向均有扩张的态势，且南—北方向的扩张态势没有东—西方向的扩张态势显著，东—西方向的物流发展活力明显优于南—北方向。2013～2016年，椭圆的长轴与短轴均有所缩短，但长轴缩短的速度稍快于短轴，表明我国物流产业发展在南—北方向、东—西方向均有收缩的态势，且东—西方向的收缩态势慢于南—北方向的收缩态势。
（3）物流空间分布呈东北—西南分布格局
标准差椭圆的方位角（正北方向与顺时针旋转的长轴之间的夹角）反映了经济要素空间分布的主趋势方向。中国物流发展方位角增大，表明位于相应分布椭圆轴线西南部的省份物流发展速度快于位于相应分布椭圆轴线东北部的省份；方位角减小表明位于椭圆轴线东北部省份的物流发展快于位于椭圆轴线西南部的省份。
从标准差椭圆的旋转角来看，旋转角空间分布上呈现东北—西南分布格局，且保持基本稳定。从旋转角的变化范围来看，由2007年的42.15°扩大到2010年的47.67°，在此期间标准差椭圆由东向西进行移动，表明这一时期东北—西南空间分布格局得到加强。从2010年开始，旋转角的范围持续减小，到2016年下降至最低38.32°，在此期间标准差椭圆由西向东进行移动，2013年的标准差椭圆位于最东的位置，说明此时东北—西南的格局出现弱化。
五、结论与政策建议
本文运用方向距离函数模型对2007～2016年中国31省份物流产业效率进行了评价，结合探索性空间数据分析和标准差椭圆法分析了物流产业效率演化的时空演化及空间格局分布特征。研究发现：中国物流产业发展呈现显著的地区性差异，在观测年份内，其效率整体呈下降态势，并呈现出“东强西弱”的特征；局部上既存在差异性，又呈现出显著的空间正相关性，且相关性逐渐增强，并形成了以新疆、西藏、青海、四川等西部省份为主的低—低集聚区和以山东、江苏、上海、浙江等东部沿海省份为主的高—高集聚区，集聚效应逐年显著。在空间分布上，2007～2016年中国物流发展重心在河南省汝州市和郏县境内移动，并具有向东部地区偏移的明显趋势；在观测年份内，标准差椭圆的长轴逐渐缩短，表明中国物流产业的空间分布范围在不断减少；物流发展的空间差异主要存在于东—西方向，发展重心经历了先向西再向东偏移的轨迹，西部地区物流产业发展与中东部地区差距逐渐拉大。
针对中国物流产业效率整体呈现下降态势，以及物流发展重心由西向东偏移并在空间上存在显著的地区性差异的发展现状，本文提出以下三点政策建议。
第一，培育物流产业发展增长极，提升整体产业效率。为改变物流产业发展缓慢的颓势，西部各省份需积极培育物流产业发展增长极，加强基础设施建设力度，充分利用自身物资、人力资源，加快物流产业的发展。东部个别物流产业效率低的省份，如海南，应充分利用港口优势，尽快改善物流效率，缩小与其他东部省份的差距，从而提升整体物流产业效率。
第二，优化物流空间布局，推动区域间的横向协同。突出物流枢纽和园区为核心的物流节点建设，优化物流产业区域空间布局。构建服务于产业转移、资源输送和上下游合作的物流通道，扩大东部地区物流产业的溢出和辐射范围，促进区域间各种要素的合理流动，逐步形成“南北互动，东西联通”的高效率物流产业发展格局。
第三，整合产业资源，推动物流产业与其他产业的融合发展。物流业作为生产性服务业，其主要职责就是为生产者提供物流服务，其发展在很大程度上依托于其他产业的发展。因此应整合物流产业丰富的资源，引导其他产业释放物流需求，提高物流外包的力度和比例，加强物流外包的宣传和扶持工作。加快物流产业与其他产业的协作，积极扩大物流产业发展的市场需求。
注释：
①因篇幅所限，文章未列示重心、长轴、短轴和旋转角的计算公式。如有需要，可向作者索要，通信作者邮箱：1101341501@qq.com。
参考文献：
[1]李国旗，金凤君，刘思婧.物流枢纽形成的驱动力与演化机理[J].经济地理，2015（4）：84-89.
[2]SUN X. Study on the logistics efficiency of three northeast provinces based on three-stage DEA[C]////ICICA. Proceedings of International Conference on Information Computing and Applications. Berlin: Springer, 2012.
[3]MARKOVITS-SOMOGYI R, BOKOR Z. Assessing the logistics efficiency of European countries by using the DEA-PC methodology[J]. Transport, 2014, 29（2）: 137-145.
[4]谢菲，黄新建，姜睿清.我国物流产业投入产出效率研究[J].南京师大学报（社会科学版），2014（1）：48-56.
[5]张竟轶，张竟成.基于三阶段DEA模型的我国物流效率综合研究[J].管理世界，2016（8）：178-179.
[6]陈永平，张亮亮.区域趋同还是趋异：中国物流产业效率及其收敛性——基于2006-2015年30个省域面板数据的研究[J].商业经济与管理，2018（3）：5-19.
[7]范月娇.国家级流通节点城市物流产业效率的时空变化及影响因素[J].中国流通经济，2015（11）：1-8.
[8]JING N, CAI W. Analysis on the spatial distribution of logistics industry in the developed East Coast Area in China[J]. The Annals of Regional Science, 2010, 45（2）: 331-350.
[9]钟昌宝，钱康.基于ESDA的长江经济带省域物流产业空间差异研究[J].华东经济管理，2016（7）：69-74.
[10]唐建荣，徐媛媛，杜聪.区域物流效率评价及其空间效应研究[J].哈尔滨商业大学学报（社会科学版），2016（2）：3-14.
[11]沈玉芳，王能洲，马仁锋，等.长三角区域物流空间布局及演化特征研究[J].经济地理，2011（4）：618-623.
[12]朱慧，周根贵.国际陆港物流企业空间格局演化及其影响因素——以义乌市为例[J].经济地理，2017（2）：8-105.
[13]马越越.低碳视角下中国区域物流产业全要素生产率的空间溢出效应研究[J].宏观经济研究，2016（12）：90-101.
[14]LEE J D, PARK J B, KIM T Y. Estimation of the shadow prices of pollutants with production/environment inefficiency taken into account: a nonparametric directional distance function approach[J]. Journal of Environmental Management, 2002, 64（4）: 365-375.
[15]李沙浪，雷明.基于TOPSIS的省级低碳经济发展评价及其空间面板计量分析[J].中国管理科学，2014（S1）：741-748.
[16]唐建荣，杜聪，李晓静.中国物流业经济增长质量实证研究——基于绿色全要素生产率视角[J].软科学，2016（11）：10-14.
[17]钟祖昌.我国物流上市公司运营效率的实证研究[J].商业经济与管理，2011（4）：19-26.
[18]孟魁.基于三阶段DEA方法的中部六省物流效率评价[J].统计与决策，2014（2）：57-60.
[19]丁斌，王琨.基于SBM模型的省级物流产业效率评价[J].统计与决策，2014（14）：64-67.
[20]刘战豫，孙夏令.中国物流业绿色全要素生产率的时空演化及动因分析[J].软科学，2018（4）：77-81.
[21]张诚，张广胜.中部六省物流产业效率分析及政策建议[J].江西社会科学，2013（2）：57-61.
[22]于丽英，施明康，李婧.基于DEA-Malmquist指数模型的长江经济带物流效率及因素分解[J].商业经济与管理，2018（4）：16-25.
作者简介：唐建荣（1963-），男，江苏无锡人，博士，江南大学商学院教授，研究方向为企业管理；唐萍萍（1994-），女，安徽阜阳人，江南大学商学院硕士研究生，研究方向为物流产业规划与设计。