物流生产及劳动生产率的差异研究

导语：物流生产及劳动生产率的差异研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

一、物流生产函数的建立与估计

（一）物流生产函数

本文中的物流生产函数是指中国物流业生产要素的投入与产出之间的宏观技术关系。由技术进步对经济增长的影响及技术进步给收入在资本与劳动之间分配带来的效应分化而引发的技术进步中性与非中性的争论，使得生产函数相应地分为中性生产函数和非中性生产函数。由于中性技术进步使得某个经济变量在一规定环境下保持不变﹙比如，当生产要素资本和劳动的比例不变时，两者在技术进步前后边际替代率保持不变的希克斯中性技术进步﹚，在衡量一个经济系统的技术进步及对某产业进行宏观研究时，做出中性技术进步的假设会使分析问题的难度大大降低，因此中性生产函数在现有文献中使用得较为普遍。但考虑到中性技术进步的强假设性，本文在物流生产函数的实际估计模型中同时采用了中性技术进步和偏向技术进步两种生产函数形式。我们以全国及各地区物流业生产总值为物流业产出指标，以全国及各地区物流业资本存量与劳动作为物流业资源要素的投入指标。值得注意的是，本文借鉴Denison﹙1985﹚的方法，把劳动投入分为数量和质量两个构成部分，其中劳动力人数作为劳动的数量部分。在Denison的方法中将教育作为构成劳动质量的部分，即人力资本水平。教育程度用平均受教育年限来反映。由于目前中国的所有统计资料中，尚未发现专门针对物流行业的从业人员平均受教育程度的全国或区域数据，因此，本文采用全国及地区物流行业专业技术人员占行业全部就业人员比重这个指标来衡量全国及各地区用于物流生产的人力资本水平。综上，在考虑了行业人力资本水平的基础上，本文使用如下假定的物流生产函数模型：Y=F﹙K，L，h，A﹚上式中：Y表示物流产出；K表示物流业物质资本；L表示物流业劳动力人数；h表示行业人力资本水平；A代表技术状态，如果描述为动态形式，则有A=A﹙t﹚，且dA/dt>0，t代表时间。对于物流生产函数的具体形式，尽管超越对数函数无需固定替代弹性，但估计中较容易产生多重共线性的问题，因此我们仍使用经典的CobbDouglas生产函数。由于本文仅是通过全国及分省相关物流产业的样例对中国物流业的全效率生产前沿面进行估计，所以在生产函数中并未考虑物流生产中投入与产出之间存在的技术非效率效应。此外，为了进一步探究人力资本在物流产业中的促进作用，本文将人力资本水平分量作为生产要素引入模型，以便考察它的物流产出作用。我们设定如下形式的物流生产函数：Y=A﹙t﹚KαLβhγ﹙1﹚其中，α、β、γ分别为相应生产要素的物流产出弹性。值得指出的是，根据Miller和Upadhyay﹙2002﹚的建议，生产函数﹙1﹚放弃规模弹性为1的假设，当要素弹性之和小于、等于或大于1时，物流增长表现为规模报酬递减、不变或递增。

（二）计量模型及数据说明

在实际计量模型中，我们采用两种生产函数形式进行估计。中性技术进步的CobbDouglas物流生产函数表示为：lnYit=α0+α1lnKit+β1lnLit+γ1lnhit+α3t+α4t2+μit﹙2﹚此外，考虑偏向技术进步的CobbDouglas物流生产函数为：lnYit=β0+α2lnKit+β2lnLit+γ2lnhit+β3tlnKit+β4tlnLit+β5tlnhit+β6t+β7t2+μit﹙3﹚其中：Yit表示物流业产出；Kit、Lit、hit分别表示物流业的物质资本存量、劳动力人数、人力资本水平；αm、βn﹙m=0~4；n=0~7﹚为待估参数；μit为随机误差项，假定其服从零均值、不变方差的正态分布，即μit~N﹙0，σ2μ﹚；i代表地区；t代表时间，但换一种说法，它也是代表某个技术状态的指数，表示生产函数对应的技术水平随时间的推移而不断进步，模型中t取值1~12，代表2000—2011年。本文以各省市地区交通、运输仓储和邮政业生产总值为物流业产出指标，以各省市地区交通、运输仓储和邮政业社会固定资产存量、劳动从业人数及产业人力资本水平作为投入指标，对2000—2011年中国及各地区物流生产前沿面进行估计。本文基础数据来自《中国统计年鉴》、《中国物流年鉴》、各地方统计年鉴及中经网，并对相关数据进行了整理。我们选取2000—2011年的省级水平面板数据，在中国大陆31个省区中，因西藏数据统计不全，予以中剔除，最终30个省区共12年的数据进入样本，共计360个观测值。由于受到价格波动的影响，文中使用各省市地区相应年份的价格指数对当年的名义值进行平减。对于交通、运输仓储和邮政业生产总值及其社会固定资产存量，由于统计年鉴中没有细分的行业价格指数，本文采用各地区当年物价指数和固定资产投资价格指数分别对上述两个指标进行平减，得到以2000年为不变价格的实际值。对于交通、运输仓储和邮政业社会固定资产存量的计算，一般采用永续盘存法，其基本公式为：Kit=Iit+﹙1τ﹚Ii，t1﹙4﹚其中：Kit表示第i个地区第t年以基期不变价格表示的物流业资本存量；I表示以基期不变价格表示的物流业固定资产投资；τ为折旧率。在使用永续盘存法时主要涉及基期资本数量的计算和折旧率的选择。原则上讲，在利用永续盘存估算资本存量时，式﹙4﹚中的τ应该是重置率，但由于中国目前尚不具备对社会固定资产进行重估的基础，所以在实际计算中采用统一的固定资产折旧率来代替重置率。本文将固定资产折旧率τ设定为12.1%①。对于基期的物流资本存量的计算，参考欧阳小迅、黄福华﹙2010﹚的做法②，在计算出基期物流资本存量后，即可利用式﹙4﹚计算出以2000年为基期的2001—2011历年的物流资本存量。关于全国及各区域③相关变量数据的描述性统计如表1所示。

（三）估计结果

本文使用静态的面板数据估计技术估计方程﹙2﹚和﹙3﹚。常用的面板数据的静态模型有三类，即混合回归模型、固定效应模型和随机效应模型。利用Chow检验的F统计量检验识别使用混合回归模型还是固定效应模型，再利用Breusch和Pagan﹙1980﹚提出的基于Lagrange乘数的检验统计量LM识别使用混合回归模型还是随机效应模型，最后利用Hausman检验在固定效应模型与随机效应模型之间进行表2物流生产函数的估计（中性技术进步）分别表示显著水平是1%、5%、10%；括号内数值为t统计量值，N为样本数。表3同。选择。Hausman检验结果表明不能拒绝解释变量与随机效应模型中的随机误差项无关的假设。另外，为了控制各地区以及各年份之间存在的差异，本文采用双向﹙个体和时间﹚固定效应模型对方程﹙2﹚、﹙3﹚进行估计。结果见表2和表3。表2中，各投入要素弹性系数多数达到1%的置信水平，显示物质资本、劳动力及人力资本水平对物流产出和增长具有重要作用；另外，与中西部相比，技术进步能为东部地区带来更多的物流产出。表3中，偏向技术进步生产函数回归结果表明，就全国整体而言，物质资本和人力资本水平的弹性系数存在随时间变化的趋势，物质资本弹性系数随时间变化的程度明显大于人力资本弹性系数随时间变化的程度，前者﹙0.006﹚是后者﹙0.001﹚的6倍；东部地区和中部地区的投入要素弹性变化情况与全国大体相似，西部地区人力资本水平的弹性系数并未表现出随时间变化的趋势，但与中东部比较，西部劳动力弹性系数存在随时间变化的趋势，尽管变化程度较弱；另外，偏向技术进步生产函数的估计结果也表明，技术进步对东部物流的促进效果更大，其产出弹性较全国水平高出至少20%。为了考察中国物流生产的规模报酬性质，同时为观察比较各区域规模报酬差异性提供参考，利用中性技术进步和偏向技术进步生产函数回归参数计算规模报酬及估计各投入要素在2000—2011年的物流产出弹性，结果见表4、表5、表6和表7。随着资本、劳动等要素投入的持续增加，产业内规模经济将起着非常重要的作用﹙何伦志，1996﹚。在物流生产函数中，无论是中性技术进步还是偏向技术进步的假设，都将物质资本投入、物流劳动力投入和物流业人力资本水平的产出弹性系数相加，得到的总产出弹性均小于1，即α+β+γ<1，这说明中国物流生产﹙2000—2011年﹚具有规模报酬递减的性质。物流生产过程中往往由于某种稀缺投入要素的限制，使得各投入要素不能按比例增加﹙比如在中国物流生产中，尽管资本投入增长较快，但人力资本水平提高缓慢﹚，进而导致规模报酬递减。另外，由于人力资本水平的限制，产业内部或外部的技术管理、创新成果较难转化为产业内生产力或转化的程度较低，也导致物流生产中出现规模报酬递减。但是，规模报酬递减的程度是有地区差异的。以中性技术进步生产函数为例，西中东部的弹性系数之和呈现递增现象﹙0.675<0.768<0.821﹚。由于东部地区无论是在市场体制、产业规模、对外开放程度还是投入要素质量等方面均好于中西部地区，因此，东部地区能够获得相对更大的要素产出弹性﹙要素市场回报﹚。需要注意的是，本文没有考虑产业内人力资本的溢出效应。人力资本水平的提高不仅本身能使产出增加，而且能对产业内其它生产要素生产率产生正的外部性，进而增加产出。所以，如果考虑人力资本的溢出效应，物流生产中﹙比如东部地区﹚就可能出现规模报酬递增。从表4—表7还可以看出：无论是东中部还是西部，物质资本存量和人力资本水平的产出弹性均呈上升趋势，而劳动力弹性呈微弱递减趋势，说明对于物流产业，物质资本和人力资本的影响程度在逐步递增，而劳动力的影响程度在缓慢下降；此外，物质资本和劳动力﹙尤其是物质资本﹚仍然是物流产出增长的主要源泉，2000—2011年中国物流产出增长中有68.74%来自物质资本的投入，18.33%来自劳动力投入，6.25%来自人力资本水平的提高，其余6.68%则来自于技术进步①。

二、物流业劳动生产率的地区差异

借鉴BlinderOaxaca方法，对中国物流业劳动生产率的地区差异及造成差异的程度进行实证分析。基本思路是：首先建立和估计物流生产函数﹙见本文第一部分，也可理解为物流收入决定模型﹚，然后通过相应的等式变换得到物流业劳动生产率条件期望的线性表达式，并以此对劳动生产率的地区差异进行分解。定义：物流业劳动生产率=物流业总产出/物流业劳动人数。

（一）物流业劳动生产率地区差异的BlinderOaxaca分解

BlinderOaxaca分解方法主要用于研究劳动市场中不同群体之间收入﹙工资﹚差距问题。它将不同群体的收入﹙本文讨论的是不同区域的物流劳动生产率，即物流业劳均收入﹚看作是某些特征禀赋的函数，差距主要由不同群体﹙或区域﹚的特征禀赋差异和这些特征禀赋市场回报率差异两部分组成﹙邢春冰、罗楚亮，2009﹚。BlinderOaxaca方法是在条件均值的位置对不同群体﹙或区域﹚的收入差距进行分解。由于物流业各地区特征数据的样本数量相对有限，不足以得到“收入分布”的经验估计，因此，对于物流业而言，目前采用关注平均水平差异的BlinderOaxaca方法对物流劳动生产率地区差异进行分解是合适的。依据CobbDouglas生产函数，首先将物流产出差异分解为：ln﹙YA﹚ln﹙YB﹚=﹙aA0+aB0﹚+∑nj=1ln﹙xAj﹚aAj∑nj=1ln﹙xBj﹚aBj=﹙aA0aB0﹚+∑n[j=1ln﹙xAj﹚ln﹙xBj]﹚aAj+∑nj=1ln﹙xBj﹚﹙aAjaBj﹚其中，A、B分别代表两个不同的区域，aj代表参数估计值，lnY代表物流产出自然对数的均值，ln﹙xj﹚代表解释变量﹙特征禀赋﹚观察值自然对数的均值，ln﹙YA﹚ln﹙YB﹚为A、B两地区的用自然对数均值表示的产出差异；上式中，∑nj=1ln﹙xBj﹚aAj项相当于构造的“反事实收入”，并以此将产出差异分解为两部分：∑n[j=1ln﹙xAj﹚ln﹙xBj]﹚aAj是特征禀赋可以解释的部分﹙特征效应﹚，﹙aA0aB0﹚+∑nj=1ln﹙xBj﹚﹙aAjaBj﹚是特征差异不能解释的部分，是由地区间特征禀赋回报系数差异造成的﹙系数效应﹚。由于不同的“反事实收入”得到的差异分解结果可能是不同的﹙上式中也可以构造另外一个“反事实收入”∑nj=1ln﹙xAj﹚aBj﹚。因此，参考Cotton﹙1988﹚对BlinderOaxaca方法的修正，采用比较双方特征禀赋系数的加权平均值作为权重解决这一问题，使分解结果更为稳健。我们利用中性技术进步的估计结果，通过物流业生产函数，经公式变换，得到物流业劳动生产率的差异分解。首先有：lnYlnL=a0+a1lnK+a2lnL+a3lnL+a3lnh+a4t+a5t2+μlnL⇒Eln﹙Y/L﹚=ln﹙Y/L﹚=a0+a1lnK+﹙a21﹚lnL+a3lnh+a4t+a5t2进一步得到两地区劳动生产率的差异分解：E﹙DABxj﹚=ln﹙YA/LA﹚ln﹙YB/LB﹚=﹙aA0aB0﹚+∑n[j=1ln﹙xAj﹚ln﹙xBj]﹚aj+∑nj=1ln﹙xAj﹚﹙aAjaj﹚+∑nj=1ln﹙xBj﹚﹙ajaBj﹚其中，DAB代表A、B两地区物流劳动生产率差异，aj=rAaAj+rBaBj﹙j=1，3，4，5﹚，rA和rB分别为地区A和地区B的物流劳动人数占各自地区劳动力总数的比例，aj是aAj与aBj以rA和rB为权数的加权平均值；值得注意的是，a2=rA﹙aA21﹚+rB﹙aB21﹚=rAaAj+rBaBj﹙rA+rB﹚；∑n[j=1ln﹙xAj﹚ln﹙xBj]﹚aj是特征禀赋可以解释的部分，﹙aA0aB0﹚+∑nj=1ln﹙xAj﹚﹙aAjaj﹚+∑nj=1ln﹙xBj﹚﹙ajaBj﹚是特征值无法解释的部分，是由特征系数造成的差异。

（二）BlinderOaxaca分解结果

以表2的估计结果为基础，在得出360个有效样本相关变量的分区域均值后，运用BlinderOaxaca方法对地区间物流业劳动生产率的条件均值差异进行分解。结果见表8。计算结果表明，中国物流劳动生产率地区差异中，东部与西部地区之间的差异最大，条件均值差异值为0.827，中部与西部地区差异次之，东部与中部地区差异最小，差异值分别为0.505和0.199。中国物流劳动生产率地区间的相对差异巨大，如东西部的差异值约是东中部差异值的4.16倍。将差异进行BlinderOaxaca分解，结果显示，东中部物流劳动生产率的差异有37.69%可由它们在特征禀赋上的差异得到解释，这个数值在中西部和东西部分别为48.51%和45.95%。可以看出，中西部与东西部的物流劳动生产率差异结构相似，大约一半的差异是由地区特征效应造成的，另一半由地区系数效应﹙即各地区特征禀赋的市场回报率的差异﹚所造成。东部与中部在特征值的差异方面相对小一些，而系数效应所解释的差异部分达到62.31%。具体而言，在地区禀赋差异中，物质资本对物流劳动生产率的地区差异的解释份额最大，东中部的解释份额达77.39%，中西部为60.59%，东西部为57.92%。就绝对值而言，东西部差异最大，差异值为0.479，分别为中西部与东西部差异的157%和311%。各地区物流业物质资本投入的不平衡是造成地区间物流劳动生产率差异的重要原因。从表1的统计数据可以看出，平均而言，东部地区的物流业社会固定资产存量高出中部地区60%，与西部相比，更是高出244%。因此，加大投入，尤其是加大西部地区的物流相关物质资本﹙如交通基础设施﹚投入是缩减地区间﹙尤其是东西部地区之间﹚物流生产率差异的重要途径。劳动力所带来的生产率差异为负，说明控制劳动力变量后﹙即如果东、中、西部的物流劳动力分别处于同一水平﹚，东中部的东部、中西部的中部及东西部的东部的物流劳动生产率将相对提高，而两两比较的另一方的劳动生产率则相对降低。这从侧面反映出，尽管劳动力投入仍然是物流产出增加的重要手段，但对于中西部地区而言，简单地依靠劳动力的投入来减小生产率上与东部的差距是不足取的。因此，各地区产业内人力资本水平的提高﹙可以理解为劳动力质量﹚较单纯劳动力数量的增长显得更为重要。但是，目前人力资本水平对物流劳动生产率差异的解释份额相对不显著。东中部、中西部及东西部的该要素解释比例分别为5.03%、3.76%和3.87%，这与目前中国物流业人力资本水平总体水平不高有关。就全国总体而言，物流业专业技术人员占行业全部就业人员比重约为15.72%，大量低端劳动者从事着低端的物流活动，对物流劳动生产率的提高起到了制约作用。从绝对差异来看，东部与西部的人力资本水平差异最大，差异值为0.032，东中部与中西部的人力资本差异分别是东西部差异的31.25%和59.38%。随着中部崛起的战略实施以及承接东部产业转移的步伐加快，一些优质劳动力选择留在中部或从东部回流，提高了中部地区行业人力资本水平。这个趋势可以从东部与中部的人力资本水平差距最小﹙差异值为0.01﹚这一事实得到部分验证。由于利用Cotton﹙1988﹚加权指数的分解方法，虽然能得到较稳健的特征差异，但却不能将不可解释部分做进一步分解，无法得到各要素弹性系数﹙要素的市场回报﹚对物流劳动生产率差异的解释贡献。尽管如此，我们仍可以通过各要素弹性的比较，对由系数效应造成的劳动生产率差异进行初步分析。从物质资本来看，东部的弹性最大，地区物质资本存量每上升1%，物流产出上升0.448%，较中部与西部高出0.052个和0.123个百分点。无论是东中西部还是全国水平，物质资本的产出弹性在各要素弹性中都是最大的。考虑到物质资本﹙如交通设施﹚的空间溢出作用﹙刘勇，2010；刘秉镰等，2010﹚，可以说，就目前而言，物质资本投入是拉动物流产出、提高物流生产率的最重要因素。1999年以来，各地区投资规模持续增长，而各地区的投资中，有相当部分用于流通网络的建设，这扩大了货物流通的能力，加快了流通速度，进而提高了地区的物流生产效率。因此，对于仍属于投资驱动的中国物流产业来说﹙欧阳小迅、黄福华，2010﹚，加大物流业物质资本的投入是增加地区物流产出、匹配地区社会经济发展及减小地区物流劳动生产率差异的重要举措。物流产出对劳动力的变化表现较为敏感，劳动力数量每上升1%，物流产出﹙全国水平﹚提高0.324%。这就说明，当前物流业仍可以作为解决就业的一个重要行业。物流业在适当扩大行业人员数量的同时，增加行业的产出，有助于促进区域社会经济发展。但是，鉴于目前中国物流业处于规模报酬递减阶段，盲目、无限制地扩大劳动力数量，最终将导致劳动生产率的下降。从表8的分解结果也可以看出，如果将中西部地区劳动力数量提高到与东部地区一样的水平，虽然物流产出有所增加，但是物流劳动生产率则会出现下降，劳动生产率的地区差异将进一步扩大。人力资本水平目前对物流产出的影响相对较小。但该要素东西部的弹性系数差异较大，西部地区的人力资本产出弹性仅为东部地区的50%，这在一定程度上解释了系数效应差异中，东西部的差异﹙0.447﹚是最大的原因。从理论上讲，增强人力资本水平﹙劳动力质量﹚可以提升物流服务的质量水平，降低物流管理成本，促进物流产出和生产效率的提高。本文第二部分的实证结果已表明，人力资本水平﹙劳动力质量﹚对中国物流产业发展的影响正在逐步加强，而与此同时劳动力数量的影响在缓慢下降。这一趋势是否会延续则需要更长时间的数据进行观察检验。

三、结论与政策启示

本文首先利用2000—2011年中国30个省市地区相关物流产业面板数据对中国物流生产函数进行估计。结果表明，中国物流生产目前具有规模报酬递减的性质；物质资本和劳动力仍然是物流产出及增长的主要源泉，但是物质资本和人力资本对物流产出的影响程度在逐渐递增，而劳动力数量的影响程度在下降；与中西部相比，技术进步能为东部地区带来更多的物流产出。然后，在建立和估计物流生产函数的基础上，借鉴BlinderOaxaca方法对中国物流劳动生产率的地区差异进行分解。分解过程中采用Cotton的加权指数法对分解权数进行修正，从而得到较为稳健的特征差异值，同时也对特征系数的差异作了初步分析。差异分解结果显示，无论是物流产业的地区特征禀赋还是特征禀赋的市场回报，东部地区都最具优势，其次是中部和西部；东部地区与西部地区物流劳动生产率的差异最大，中部与西部地区差异次之，东部与中部地区差异最小；在地区禀赋差异中，物质资本对物流劳动生产率地区差异的解释份额最大；劳动力造成的生产率差异为负，而人力资本水平对物流劳动生产率地区差异的解释份额相对较小，中国物流产业人力资本总体水平偏低。上述研究结论给予我们的政策启示是：增加物流物质资本的投入是提高物流产出、缩减地区物流生产率差异的重要途径。中国应将物流基础设施建设的重点从社会经济已经发展到一定水平的区域转向发展相对滞后的区域，比如由城市转向农村﹙欧阳小迅、黄福华，2011﹚、从发达的东部地区转向相对落后的中西部地区，尤其是西部地区；保持适度的产业人员规模，避免盲目扩大，造成资源浪费和效率低下；物流业的要素投入要统筹兼顾，不可偏废。比如，虽然人力资本水平目前对物流产出的贡献相对较小，但它对物流产业的影响程度正日益扩大和显现。一个地区物流业员工的劳动力质量﹙如教育程度﹚越高，越有助于行业的技术专业性和多样性的实现，吸收和利用新知识的能力就越强，越有利于劳动生产率的提高；另外，发展行业创新机制，利用技术进步，促进地区物流产出的增加和劳动生产率的提高，也是促使物流业更好地匹配地区社会经济发展、缩减地区差距的有力手段。需要指出的是，由于数据的限制，本文对物流生产函数及物流劳动生产率的分析仅涵盖2000—2011年，因此，相关分析可能只具有阶段性特点，某些结论仍需要更长的时间序列数据加以检验。同时，还存在以下不足之处：一是为了获得较稳健的特征效应差异及差异解释份额，牺牲了对系数差异解释份额的分解；二是对物流劳动生产率地区差异的研究仍属于静态的比较，尚缺乏地区差异的动态分析，使用动态分析或许能得出一些更有意义的结果。解决以上问题将是我们继续研究的方向和重点。

本文作者：欧阳小迅黄福华工作单位：湖南商学院