基于三阶段DEA模型的我国零售业全生产率动态研究
时间：2022-10-28 来源：博通范文网 本文已影响 人 
中图分类号：F724 文献标识码：A
内容摘要：文章运用三阶段DEA模型，对我国31省市限额以上零售业的相关数据进行对比分析，研究了我国零售业全要素生产率及其变化特点。结果表明：我国零售业全要素生产率决策的制定需考虑外界随机干扰;我国零售业全要素生产率及其增长率均呈现出东部最优、中部其次、西部最弱的特点。提升西部地区零售业的发展水平是有效提升我国零售业全要素生产率的关键。
关键词：零售业 全要素生产率 三阶段DEA模型
自改革开放以来，我国零售业获得空前发展。随着社会经济的不断进步，零售业对国民经济的促进作用日益凸显，零售市场已成为国民经济发展的重要支撑。然而受电子商务的冲击，传统零售业面临挑战，故零售业必须调整经营策略，以适应电子商务给零售市场带来的变化。而提升零售业全要素生产率是帮助零售业在行业寒冬中实现转型的关键。鉴于此，本文以限额以上省级零售业数据为研究基础，利用三阶段DEA来具体分析我国零售业的生产率，对生产率空间的差异性进行了对比研究，为我国零售业的稳步发展提供理论依据。
零售业生产率测算理论与方法分析
（一）理论分析
零售业生产率概念。零售业生产率是衡量零售产业效率的主要指标，也是衡量零售业竞争力及运行状况的重要指标。零售业生产率的变化可以为行业内部制定经营策略、政府部门进行宏观调控提供依据。
单要素生产率和全要素生产率。在经济学角度可以把生产率分为单要素生产率和全要素生产率。单要素生产率适用范围较少，其主要衡量的是某一要素的单位产出能力，无法站在全局高度进行综合分析。当前经济局势复杂，即无法仅通过提高单要素的投入提升整个行业生产率;全要素生产率是指所有资源投入后的生产率，具体包括人力、财力和物力，与单要素生产率相比，能更准确、客观的反映全部生产要素对生产率的共同作用水平。通过对比，本文采用全要素生产率作为研究重点。
零售业生产率测算相关理论。单要素生产率是指单位小时内每人的产出量。单要素生产率反映的信息较为有限，与实际情况存在一定差异。经济学家丁伯根提出了全面反映“效率”变动水平的指标的概念，即全要素生产率，其《劳动生产率统计办法》的发表使全要素生产率进入人们视野。经济学家将经济数学引入了全要素生产率的计算，使全要素生产率的研究不断取得了新的突破。美国生产率中心整合当时已有的模型，从“生产率比例×价格回升比例=利润率”的角度出發，建立了全新模型。休曼瑟从个体生产率的测量方法中提出了总生产率计量模型。卡奇罗欧进一步将生产能力利用率、生产效率、战略决策引入了生产率，并提出了新的测量模型。全要素生产率对行业战略调整、政府制定政策均有一定的指导意义，但该理论直至20世纪末依然不完善。
（二）零售业生产率测算方法分析—三阶段DEA
三阶段 DEA 模型的优点在于其能消除环境因素带来的影响，从而使测算结果更加精准。同时该模型也减少了相关随机误差，可以更加真实地评价决策单元生产效率，即克服了传统 DEA 模型在效率偏差方面存在的不足。因此，本文采用这一指标模型，对我国 2011-2016 年间限额以上零售业全要素生产率增长情况进行计算。
数据来源及处理
本文通过对限额以上零售业年终从业者量、资产量、企业量三个投入变量以及限额以上零售业主营业务收入、利润两个产出变量进行分析，并将经济发展水平、物流业先进程度、人力资源、居民收入、城市化程度作为环境变量。限额以上零售业投入变量、产出变量来自2016中国劳动统计年鉴、中国人口和就业统计年鉴、中国统计年鉴。本文使用SPSS19.0软件，运用非参数的Kendall的tau_b秩方法对2016年31个省市限额以上零售业的投入数据与产出数据是否具有同向性进行检验。结果显示，各投入指标和产出指标在0.01附近具有正相关性，即同向性。检验结果如表1所示。
基于三阶段DEA模型的我国零售业全生产率动态分析
在不考虑随机因素和外部环境干扰的前提下，本文将2011-2016年31个省市限额以上零售业的投入数据与产出数据带入三阶段DEA模型，计算出各省市零售业全要素生产率等数据，并对数据期内全要素生产率、纯技术效率、规模效率的发展情况进行探究。
（一）第一阶段：传统DEA模型
本文将2016年31个省市限额以上零售业的投入数据与产出数据带入DEAP2.1软件，通过软件分析各省市全要素生产率（TFP）、平均纯技术效率（PTE）和平均规模效率（SE），结果如表2所示。
由表2可知，纯技术效率的变化相对缓慢，除2015年出现明显降低外，其余年份均属于缓慢上升态势;规模效率表现出逐年下降趋势，且下降速度较快;全要素生产率受其他两项指标共同作用下，也出现了较大幅度的下降。
我国各省的全要素生产率（TFP）、纯技术生产率（PTE）、规模效率（SE）的具体数据如表3所示。
根据表3所列数据，在不考虑随机因素和外部环境的干扰下，统计期间的全国平均全要素生产率、纯技术效率、规模效率分别是0.82、0.90、0.91。其中规模效率最高，表明各省市的产业规模已接近理想状态;纯技术生产率略低，表明其仍具有一定的上升空间。经对比发现，处于我国经济中心的北京、上海与相对较为落后的西藏全要素生产率均为1，31个省市的规模效率差距较小，除山东省略低外其余省市均处于0.8-1之间，且东西部没有表现较大差异。但实际上，我国各省市均有其自身特点，经济环境的不同造成了我国零售业发展的不均衡。数据分析结果与实际情况存在一定的差异。结果的差异说明讨论全要素生产率，需考虑随机因素和外部环境的干扰。
（二）第二阶段：SFA回归模型
本文使用FRONTIER4.1软件将投入数据作为因变量，将经济发展水平、物流业先进程度、人力资源、居民收入、城市化程度5个环境变量作为自变量，构建模型：
sni=βn0+βn1Z1i+βn2Z2i+βn3Z3i+βn4Z4i+βn5Z5i+vni+uni
式中，n=1，2，3;i=1，…，31。运用FRONTIER 4.1软件进行SFA回归计算，结果表4所示。
通过表4可以分析出，各个回归方程的gamma均与1比较接近，在0.01数量级具有显著性，得出技术效率的数据具有差异性，符合随机前沿模型。各个回归方程的LR均比1大，在0.05数量级具有显著性，可以得出5个环境变量均可以改变全要素生产率。
（三）第三阶段：调整后的DEA模型分析
通过DEAP软件对产出与投入的数据进行分析拟合，得出效率值和规模报酬的波动情况，如表5所示。
通过对比表5与表3可以得出，纯技术效率一栏数据有所增加，说明技术效率在排除随机因素和外部环境的干扰后，技术水平的提高能有效的提升企业竞争力。经过市场自然选择后，整个产业的纯技术效率会趋于稳定。各省市的规模效率一栏数据发生了变化，大部分省市出现了小幅的上升，但也有个别省市出现较大下降，如西藏由1变成0.66。这说明各地区的零售业发展规模存在一定差异，较为明显的特征是东部明显优于西部。经过SFA回归调整后得到的数据更加合理，更符合我国零售业的发展现状，可以为零售产业策略的调整和相关部门政策的制定提供参考。
结论与建议
本文借助三阶段DEA模型，有效地去除了随机因素和环境变量对全要素生产率的干扰。本文通过对我国全要素生产率的动态分析，得出下列结论：排除随机因素和环境变量的干扰后，我国零售业全要素生产率、纯技术效率、规模效率等指标相应提高，全要素生产率提高明显，即传统DEA方法低估了零售业的投入产出比。在排除干扰因素后，20个省市的规模效率增加，即对应地区的零售业可以适当扩大经营规模;从区域角度看，我国零售业地域差异明显，由东到西全要素生产率依次减少，这说明零售业发展受交通运输、区域经济等因素影响，东部地区优势明显，零售业发展较为迅速，西部地区零售业水平失衡。我国全要素生产率出现小幅下降，全要素生产率的变化率也呈现由东向西递减情况，东部增长明显，中部增长缓慢，西部大幅下降，最终导致了我国零售业的全要素生产率下降。我国在制定政策中既要考虑地域差异，也要考虑地域内部不同省市特点，使政策起到最大的促进作用，并且应当加快对中西部地区零售业的扶持，以实现均衡发展、提升零售业生产率。同时政府还要完善我国零售业的管理制度，提高零售业服务人员的职业素养。企业可以通过减少零售业物流的流通环节，提高物流流通效率。
参考文献：
1.袁健.电商时代我国零售产业技术进步实证分析[J].商业经济研究，2017（18）
2.朱瑞庭，尹卫华.我国零售业“走出去”战略的支撑体系[J].中国流通经济，2014（12）
3.李子文，刘向东.中国零售业全要素生产率演進及分解[J].商业研究，2017（7）
4.田曹阳.批发零售业对区域经济增长的门槛效应研究[J].商业经济研究，2017（22）
5.曾锵.基于商业集聚和消费者需求层次的零售业态谱序研究[J].商业研究，2014（4）
6.戴雪芬，郑淑蓉.零售业O2O的模式选择及发展对策[J].商业经济研究，2015（31）
7.赵德海，曲艺.中国地区零售服务业生产率的影响因素研究—基于空间面板计量经济分析[J].商业研究，2017，59（3）
8.叶萌，祝合良，孙鹏.我国批发和零售企业全要素生产率增长的时序变化和个体差异—基于DEA-Malmquist指数法的实证分析[J].中国流通经济，2017，31（11）
