摘 要：2022年，西部陆海新通道沿线13省市生鲜农产品货运量在全国占比达34%，对物流发展具有重要意义。本文运用三阶段DEA模型和DEA-Malmquist指数模型，对2014—2022年生鲜农产品物流效率进行静态与动态评价和分析。从静态看，沿线省份生鲜农产品物流受规模效率的影响，综合效率值较低，而且呈现南北高、中部低的分布特点；从动态看，2019年后整体全要素生产率变化有所提高，其中技术进步为主要推动因素。为进一步优化沿线省份生鲜农产品物流效率，扩大产业规模进而提升规模效率是重中之重。
关键词：西部陆海新通道；生鲜农产品物流；效率分析；DEA模型；区域经济
中图分类号：F252.5；F127 文献标识码：A 文章编号：2096-0298（2025）05（a）--05
1 引言
近年来，我国与东盟的贸易往来持续升温。2010—2023年，中国已连续14年成为东盟最大的贸易伙伴；2021—2023年，中国和东盟更是连续三年互为最大贸易伙伴。在此背景下，西部各省市愈发重视西部地区的经济贸易和物流发展，西部沿线省份逐步推进西部陆海新通道的建设，期望借此进一步巩固和深化与东盟的贸易合作关系。
西部陆海新通道起源于2017年8月重庆、广西、贵州、甘肃4个省市共同签署的“南向通道”协议。此后，青海、新疆、云南、宁夏、四川、西藏、海南、内蒙古、陕西先后加入（以下统称 “沿线省份”）。2019年8月，《西部陆海新通道总体规划》正式印发。
目前，根据中国海关总署的海关统计数据和参考文献，新通道对沿线省份的经济成长和外贸发展已作出重要贡献。2017—2023年，中国对东盟的进出口贸易额由5155亿美元提升至9585亿美元。2017—2022年，新通道的货运量增长了223倍，使中国和整个东盟的国内生产总值分别提高0.20%和0.84%（王璐，2023）[1]。但目前仍存在物流竞争能力不强、物流成本偏高、辐射范围不足、物流资源利用不合理等问题（张晓君等，2020；郑忠等，2022；马子红，2021）[2-4]。
《中国统计年鉴》数据显示，新通道沿线省份生鲜农产品货运量从2014年的31604.11万吨增长至2022年的44970.46万吨，占全国生鲜农产品货运量的34%。2022年，新通道沿线省份对东盟生鲜农产品的出口额为51.15亿美元，该类产品的物流在新通道沿线省份物流产业中的重要性可见一斑。在政策方面，国家大力支持生鲜农产品贸易，一方面，实施大量税收优惠政策，为生鲜农产品在流通环节减免税收。另一方面，财政部、农业农村部等四个部门指导建设和运营“832”网络平台，旨在帮助832个地区销售农产品，进而促进了生鲜农产品贸易（鞠安琪和宋波，2024）[5]。因此，新通道沿线省份的生鲜农产品物流服务能力和效率的提升在新通道建设中是重中之重。
不少学者对物流效率做了大量研究，既有物流行业整体效率，也有细化为不同产业的物流效率。Kamran Rashidi等（2019）[6]表示，研究者通常以投入和产出的比值物流产业效率值，进而将效率值的评测结果作为决策物流活动的参考和依据。龚雪（2019）[7]构建2007—2016年中部六省物流系统的投入产出指标体系，利用DEA-Malmquist对其物流效率进行分析和评价。孟姗姗等（2024）[8]利用超效率SBM模型、Dagum基尼系数及其子群分解法和Tobit模型进行效率测度，对我国生鲜农产品绿色物流效率进行了测度，发现效率整体不高且大幅下降。
不少学者对西部陆海新通道的建设和沿线省份的物流效率进行了研究。王景敏等（2021）[9]对沿线省份的物流效率的研究表明，该区域综合技术效率呈递增状态，但达到有效水平的仅有内蒙古、广西、海南3省。郑忠等（2022）对西部陆海新通道物流效率的研究表明，重庆、广西、四川、陕西、内蒙古物流水平发展较好，新通道沿线地区物流效率将不断改善。另外，有学者认为，西部陆海新通道的建设，有助于充分发挥市场在资源配置中的决定性作用、产业政策的合理引导作用（马子红，2021）。杨耀源（2021）[10]认为，西部陆海新通道高质量发展的内涵是形成通道网格化布局，加快带动内外区域双循环，激发西部地区内需潜能是新通道高质量发展的战略立足点。
目前，学界对物流效率评价和西部陆海新通道的研究现已取得一定成果，但对于新通道及涉及地区的物流效率研究相对较少，关注其生鲜农产品物流产业的研究更少，且大量研究是从企业层面展开测度。鉴于生鲜农产品物流发展的重要性，目前我国生鲜农产品整体物流效率水平不高的现状（赵晨曦，2022）[11]，本文基于已有研究，选取相关评价指标，构建三阶段DEA模型和Malmquist模型，对新通道沿线省份生鲜农产品物流效率进行评价，并分析影响因素。通过考量环境因素中的开放水平，侧面反映出西部陆海新通道的建设对沿线省份生鲜农产品物流效率的影响，从而探寻提升效率的有效途径。
2 研究方法
本文的首要目标是对西部陆海新通道沿线省份生鲜农产品的物流效率展开评价与研究，进而深入剖析沿线省份生鲜农产品物流产业的发展状况，并探索其效率优化的策略。通过对相关文献的分析与总结发现，DEA模型适用于进行效率的静态评价。但由于沿线省份生鲜农产品的物流效率易受环境因素和随机干扰的影响，为获取更准确的效率评估结果，需要剔除那些决策单元无法控制却能对其产生显著影响的环境因素和随机误差，使各决策单元处于相同的外部环境中。因此，三阶段DEA模型更契合本文的实证研究需求（GAN WH等，2022；罗登跃，2012）[12-13]。三阶段DEA模型的优势在于能够有效剔除环境因素和随机干扰的影响，相较传统DEA模型，它可以更真实地反映决策单元的效率（Fried等，2002）[14]。
DEA-Malmquist指数模型基于面板数据提出，可计算动态效率及其效率分解（QUAN C等，2022）[15]。由于DEA中传统的CCR、BBC等模型是基于当前时期的静态数据，所以决策单元在不同时期的效率值不能直接比较。本文期望比较西部陆海新通道建设前后各决策单元的效率变动，需要考虑动态效率，因此采用DEA-Malmquist指数模型进行测算。
3 指标的选取
为确保计量结果的科学有效及体现生鲜农产品运输的特点，本文首先依据DEA模型有效原则选择3个投入指标、3个产出指标及3个环境指标（罗登跃，2012）[13]。
根据物流业重资产、劳动力密集的特点，本文主要将固定资产投资额和从业人员数作为投入，因为该产业能耗较大，故将能源消耗量作为投入。产出指标则选取生鲜农产品物流产值、货运量及货运周转量（刘鹂园等，2024）[16]。
生鲜农产品物流容易受到地区经济发展状况、政策及对外开放程度的影响，本文将地区生产总值、地区物流业财政支出在财政总支出中的占比及地区进出口总额作为环境变量（郑忠等，2022）。由于无法直接获得生鲜农产品物流产业的固定资产投资额、从业人员数和能源消耗量等数据，因此使用生鲜农产品货运量在整个物流业货运量的占比K作为系数，从而间接得到相关数据。
4 西部地区生鲜农产品物流效率的实证分析
4.1 第一阶段（DEA-BBC模型）
本文选取2014—2022年西部12个省、直辖市和自治区及一同签署《合作共建陆海新通道协议》的海南省的生鲜农产品物流相关数据，并利用DEAP2.1软件计算得出各省份的生鲜农产品物流效率，DEA模型通过纯技术效率和规模效率两个因素共同构建产业的综合效率。综合效率代表投入和产出在给定条件下产出单位真实产出与理想状态下最大可能产出之比，其结果能够反映出决策单元在资源配置、资源合理利用等多方面的能力。综合效率分解的纯技术效率和规模效率分别代表受管理和技术影响的生产效率和受产业规模影响的生产效率。结果如表1所示。
测算结果显示，在没有将环境因素和随机误差剔除的情况下，2014年西部陆海新通道沿线省份，生鲜农产品物流产业综合效率平均值为0.893，纯技术效率均值为0.936，规模效率均值为0.955。
由表1可知，内蒙古、宁夏、贵州、陕西、广西、西藏和海南的生鲜农产品物流综合效率均为1，证明上述省份为DEA有效状态。其他省份综合效率则为DEA无效状态，这就证明其他省份在此期间正面临投入过量或产出不足的问题。
与此同时，第一阶段的结果包含环境因素和随机误差的干扰，这意味着沿线省份生鲜农产品物流效率的真实水平未得到较好体现，所以需要进行第二阶段和第三阶段的调整和测算。
4.2 第二阶段（SFA模型）
第二阶段借助随机前沿分析法消除外部环境和随机因素的干扰。将环境变量作为解释变量，并将第一阶段测算结果中决策单元各投入变量的松弛变量作为被解释变量，利用Frontier4.1软件计算得到SFA回归结果。回归结果显示，各松弛变量回归后，部分环境变量对投入松弛变量影响显著，γ值趋近于1且不为1，说明利用SFA模型将环境因素和随机干扰剔除有效。
地区生产总值在固定资产投资、从业人员数和能源消耗量方面的松弛回归系数大于0，这表明沿线省份生鲜农产品物流产业在人力、财力、物力的投入上存在效率不高的情况，进而引发了投入冗余，致使管理效率有所下滑。从政府支持的角度来看，该变量与投入松弛变量之间的回归系数由大于0转变为小于0，这意味着在近几年，政府对产业的扶持以及相关政策的制定，在一定程度上使投入更加富有成效，管理也更加高效。
就开放水平而言，这一环境变量除了在2022年能源消耗量的投入为负之外，其余时期在固定资产投资、从业人员数以及2022年以外的能源消耗量方面的投入均为正。这说明开放水平的提升，导致了固定资产投资、从业人员数量，以及除2022年之外的能源消耗量出现投入过剩的现象。
因此，基于当前西部陆海新通道沿线省份生鲜农产品物流产业的规模，单纯地追求新通道沿线省份开放水平的提升（即进出口贸易额的增加），并不能为沿线省份生鲜农产品物流产业效率的优化带来理想的效果。随着《西部陆海新通道总体规划》的实施，东南亚国家，如越南、马来西亚和印度尼西亚对沿线省份开放水平的影响最为明显。
总而言之，随着时间的推移，国家和地方政府对沿线省份生鲜农产品物流产业的有效政策对该产业的发展速度和行业管理效率的提升起促进作用，各省份应响应国家政策，并依据自身实际情况对投资进行优化，对沿线省份生鲜农产品物流产业在人财物和进出口贸易中的盲目投入需要节制。
4.3 第三阶段（再次使用DEA-BCC模型，投入变量采用经过SFA调整后的）
本阶段再次运用DEAP2.1进行测度，将经过SFA模型调整过的原始投入数据作为投入变量，并将其代入原始产出数据，得出沿线省份更为真实的生鲜农产品物流产业效率，如表3所示。
2022年的数据表明：（1）西部陆海新通道13省的生鲜农产品物流发展较不平衡，效率最高的云南、贵州、广西、内蒙古、宁夏、陕西和海南TE值（1.000）远远高于西藏（0.269）和青海（0.361）。（2）TE值未达到1.0的省份中，重庆、西藏和青海正处于规模报酬递增阶段，说明三个省市的规模效率需进一步提升。此外，西藏和青海的SE明显低于PTE，反映出想要拉动TE增长，急需加大对生鲜农产品物流的投入，提升规模效率，尤其是西藏和青海在新通道带动进出口贸易量之后，两个省份的生鲜农产品物流产业规模显然无法匹配产业需求。而四川、新疆和甘肃则处于规模报酬递减阶段，这三个地区应合理配置人员、资金、基础设施等方面的投入。
整体来看，西部陆海新通道13省、市、区生鲜农产品物流效率相对较低，且呈现先上升后下降的趋势。TE在[0.805，0.993]变动，从2014年的0.86上升至2018年的0.993，增幅15.5%，后又下降至2022年的0.847，降幅14.7%；PTE从2014年的0.959上升到2018年的0.997，增幅4%，后又降至2022年的0.979，降幅1.8%；SE从2014年的0.9上升到2018年的0.996，增幅10.7%，后又降至2022年的0.865，降幅13.2%。由于PTE在[0.997，0.964]变动，SE在[0.996，0.84]变动，可知限制西部陆海新通道沿线省份生鲜农产品物流产业效率的核心因素是规模效率不足。
4.4 动态分析（DEA-Malmquist指数模型）
通过三阶段DEA模型对西部陆海新通道沿线省份的效率计算是基于静态环境进行，所以将采用Malmquist指数模型对2014—2022年沿线省份的生鲜农产品物流效率进行动态分析，以期了解各地区在不同时期的效率变化情况。其中，技术效率变动是指产业在不改变生产技术和生产要素的情况下，通过优化生产过程来提高效率的程度。技术进步是指在生产过程中引入新的技术、设备和管理方法，对生产效率和生产能力的提高程度。全要素生产率体现出全部生产要素投入在不改变的前提下，生产量仍能提高的部分。
本文将2014—2022年划分为2014—2018年和2019—2022年两个时间段，展开动态分析，以便对比西部陆海新通道沿线省份生鲜农产品物流全要素生产率变动在规划实施前后的差异。
经过测算，2014—2018年的全要素生产率变化均值为0.981，说明在此期间西部陆海新通道沿线省份的总体生鲜农产品物流效率处于下降状态。除云南、四川、重庆和内蒙古，其他省份的全要素生产率变化都小于1。在全要素生产率变化小于1的省份中，只有青海的技术进步大于1，其他省份技术进步都是导致全要素生产率变化小于1的关键因素。本文从2014—2018年和2019—2022年的结果来看，后一时期的全要素生产率变化均值有了明显提升，从0.981上升至1.040，技术进步也有了明显提升，从0.978增至1.054，但技术效率变化、纯技术效率变化和规模效率变化在一定程度上呈现下降态势。可知，后一时期全要素生产率变化的提升，主要由技术进步的提高所带动。
此外，根据中国海关贸易数据和《中国统计年鉴》的数据，2019—2022年沿线省份的平均进出口贸易额明显高于2014—2018年，侧面反映出西部陆海新通道的建设很大程度上起到促进国际贸易、提高进出口贸易额的作用。在此情况下，将两段时期的规模效率变化进行比较发现，后一时期出现下降，进一步体现出沿线省份生鲜农产品物流产业规模随着新通道建设愈发不足。
5 结论与建议
本文选用三阶段DEA模型对西部陆海新通道涉及地区2014—2022年生鲜农产品物流效率进行评价，发现其总体综合效率中等，规模效率明显影响了综合效率，说明所涉及地区在提高效益和质量，提高资源配置效率的同时，需要注重扩大物流业的规模，以期达到更高的综合效率。随后，文章运用DEA-Malmquist模型对西部陆海新通道涉及地区2014—2022年生鲜农产品物流效率进行动态分析，发现自《西部陆海新通道总体规划》印发之后的年份全要素生产率都处于增长状态，但规模效率变化还处于拉低整体水平的状态。通过对沿线省份的动态分析发现，随着时间的推移，西部陆海新通道所涉及的大部分省市生鲜农产品物流效率都得到一定程度的改善和提高，呈上升趋势，新通道对我国西部地区经济高质量发展和对外贸易水平起到重要推动作用。此外，对环境影响因素分析表明，目前政府支持能够对生鲜农产品物流行业的发展和行业管理效率的提升起明显促进作用，而西部陆海新通道的建设在推动东盟与沿线省份贸易发展的同时，由于沿线省份生鲜农产品物流产业规模不足，导致沿线省份生鲜农产品物流效率降低。
基于对西部陆海新通道沿线省份生鲜农产品物流产业效率的研究结果及空间分布，本文提出以下优化效率的对策建议：
第一，无论是从静态测度还是动态测度来看，新通道沿线省份生鲜农产品物流效率受规模效率不足影响较大，如何提升规模效率，已成为首要问题。四川、重庆、西藏、新疆、青海和甘肃都是规模效率不足的省份，尤其是西藏和青海，明显拉低了整体物流效率水平，有必要加大物流产业的布局，进一步扶持和引导物流市场规模的扩张。加大对生鲜农产品物流基础设施建设投入。例如，加速新通道航运、公路、港口及铁路建设，加大冷链的仓储基地建设。加大人力资源投入，提高从业人员素质及能力。优化物流运输路线，对各地区的生鲜农产品生产情况和进出口情况进行摸底，合理地规划运输路线建设。最后，必要时应当引进成熟的物流企业，使其充分发挥规模效益，降低物流成本。
第二，目前来看，沿线省份的技术效率有下降趋势，且西南地区物流技术相对经济发达地区较为落后，重庆、西藏和甘肃技术效率已出现不足。因此，沿线省份应重视推动物流科技创新，尤其是重庆、西藏、甘肃三省。智慧物流将会成为生鲜农产品物流的主要驱动力，需要提升其生鲜农产品物流技术水平，物流企业和生产企业可以合作利用人工智能、区块链、物联网等技术为整体供应链赋能，推动其创新发展，进而提高整体效率。
第三，政策支持作为环境因素，对生鲜农产品物流行业起明显的促进作用。新通道具备巨大的潜力，对于国家未来的物流业发展至关重要。国家层面应制定推动该行业发展的相关政策，沿线省份要借助西部陆海新通道建设的契机，加大对生鲜农产品物流产业的财政投入，引进投资和专业技术人员，大力发展生鲜农产品物流产业。此外，引导区域内的物流企业精细化发展，鼓励在生鲜农产品运输领域具备优势的企业聚焦该产业，以此优化生鲜农产品的物流效率。
参考文献
王璐.这条大通道6年货运量增长223倍[N].经济参考报，2023-08-02（1）.
张晓君，胡劲草.国际陆海贸易新通道跨境铁路运输规则现状、问题与完善[J].国际商务研究，2020，41（3）：67-75.
郑忠，刘建文，刘婷，等.基于DEA模型的西部陆海新通道物流效率评价研究[J].经济与社会发展，2022，20（4）：32-42.
马子红.陆海新通道建设与西部开发格局重塑[J].思想战线，2021，47（2）：84-92.
鞠安琪，宋波.农村电商发展对生鲜农产品绿色物流效率的影响[J].商业经济研究，2024（5）：122-125.
Kamran Rashidi， Kevin Cullinane. Evaluating the sustainability of national logistics performance using Data Envelopment Analysis [J]. Transport Policy， 2019（74）：35-46.
龚雪.中部六省物流效率评价[J].统计与决策，2019，35（18）：59-63.
孟珊珊，刘维忠，孙宇.生鲜农产品绿色物流效率空间差异及影响因素[J].商业经济研究，2024（19）：75-79.
王景敏，崔利刚.西部陆海新通道沿线省份物流效率的时空演进及影响因素： 基于沿线省份面板数据的实证分析[J].重庆理工大学学报（自然科学），2021，35（12）：243-255.
杨耀源.“双循环”新发展格局下推进西部陆海贸易新通道高质量发展的关键路径[J].商业经济研究，2021（7）：145-150.
赵晨曦.生鲜农产品冷链物流产业效率评价及空间演化研究[D].南宁： 广西民族大学，2022.
GAN WH， YAO WP， HUANG SY. Evaluation of Green Logistics Efficiency in Jiangxi Province Based on Three-Stage DEA from the Perspective of High-Quality Development[J]. Sustainability，2022，14（2）：797.
罗登跃.三阶段DEA模型管理无效率估计注记[J].统计研究，2012，29（4）：104-107.
Fried， Lovell， Schmidt and Yaisawarng. Accounting for Environmental Effects and Sta tistical Noise in Data Envelopment Analysis[J]. Journal of Productivity Analysis， 2002，17（1/2）：157-174.
QUAN C，YU S，CHENG X，et al.Comprehensive Efficiency Evaluation of Social Responsibility of Chinese Listed Logistics Enterprises Based on DEA-Malmquist Model[J]. Operations Management Research， 2022，15（3/4）：1383-1398.
刘鹂园，李梅，陈嘉鑫.基于三阶段DEA-Malmquist模型的我国西部地区低碳物流效率研究[J].边疆经济与文化，2024（2）：40-47.
