引言

在新经济形态格局下，以新零售为代表的零售交易规模不断扩张，现代零售业对我国国民经济的有序发展具有积极重要的导向作用。零售业的繁荣发展离不开高效稳定的物流支撑体系，但我国物流业在探索发展阶段存在要素投入无序化特征，表现为高强度资本投入与高能耗资源消耗并存，这种资源配置扭曲现象引发了生产环节资源过度消耗、运营效率低下等制约经济高质量发展的现实困境。物流要素配置对于我国零售业的良性发展至关重要。最优效益状态的要素配置不仅能够促进资源融通、提高生产效率，在节约中间成本和带动消费方面也发挥着积极作用。随着国内市场循环体系的不断完善，行业总收入呈现加速回升态势，物流供给能力稳步恢复，货物周转效率持续改善。在此背景下，从物流要素配置视角出发，以提升质量与效率为核心目标，通过优化多要素投入结构与强化资源约束机制，促使物流效率达到效益最大化，这对进一步推动我国零售业市场的经济发展起到关键作用。中共中央国务院提出《关于构建更加完善的要素市场化配置体制机制的意见》中指出，构建更加完善的要素市场化配置体制机制是建设统一开放、竞争有序市场体系的内在要求，引导劳动力要素合理畅通有序流动，提高要素配置效率，进一步激发全社会创造力和市场活力。

零售业规模化发展是实现经济效益提升的重要路径，据国家统计局数据显示，2022年我国零售市场规模达38.1万亿元。2023年第一季度社会消费品零售总额延续增长态势，增长5.8%。从消费结构看，实物商品网络零售额达32.2万亿元（同比增长7.9%），线上消费渠道贡献率显著提升，而网络零售规模达10.6万亿元，以16.5%的增速领跑各消费板块。而零售业发展过程中物流要素配置效率优化已成为支撑行业可持续发展的核心动力。资本投入和劳动力要素是维持生产经营过程中不可或缺的物质基础，实际物流要素配置会受到零售业市场环境和信息技术创新水平的影响而不能实现要素配置效率达到最佳状态。物流人力资本投入是提升零售服务效能的关键驱动因素。新零售模式高度依赖高效物流网络支撑，随着消费市场规模扩张与需求结构升级，物流系统对全链条协同效率与动态响应能力提出更高要求，而加大物流劳动力投入可改善物流要素配置综合效率，更加契合零售业发展的物流效率需求。在物流要素配置效率的构成中，其资本要素和劳动力要素主要影响规模效率，而物流资本和劳动力要素配置效率的增长能够促进零售业发展水平的提升。

一、物流要素配置效率的测算

（一）模型构建

本研究运用数据包络分析法（data envelopment analysis，DEA），基于全国数据对物流要素配置效率进行测度。该方法将包含多投入、多产出指标的决策单元（decision making units，DMU）转化为效率比值进行评估，并借助Stata软件分别测算各DMU的综合技术效率、纯技术效率与规模效率。其中，纯技术效率反映技术创新与管理制度对生产效率的影响，规模效率体现实际规模与理想规模的接近程度，综合技术效率作为二者的乘积，可从资源配置能力和使用效率等维度全面衡量DMU的综合表现。

在剔除随机误差影响后，若某DMU的综合效率值为1，表明该单元处于DEA有效状态，要素配置已达最优，即同时实现技术有效与规模有效；若综合效率值小于1，则说明其配置效率存在改进空间，需通过优化投入产出结构以趋近最优效率。在本研究框架中，将n个评价时期分别视为独立DMU，每个DMU包含w项投入和m项产出指标，其中第K个DMU的投入与产出向量分别记为XK和YK。DEA模型的基本框架如下：

s.t. ， （1）

，

0，， ，

为第个DMU的比例系数，，表示松弛变量。

根据基本框架模型，可得到区域物流要素配置的综合技术效率模型（2）：

s.t. , （2）

（二）指标体系构建及数据处理

本文使用投入指标和产出规模来衡量物流要素配置效率值。投入指标主要由生产要素中的劳动力、资本和技术构成。劳动力要素配置效率的变化在一定程度上直接影响着物流业生产要素的整体配置效率，因此选取物流业年末从业人员数量为研究样本。其中资本投入要素即物流业资本存量，本文将物流业固定资产投资额作为该变量的代表；技术要素则选取等级公路里程作为衡量物流业基础设施建设的测算指标。产出指标侧重反映物流业经营水平与资源配置效率，分别选取社会物流总产值、货运量及货运周转量作为物流业产出指标。因我国缺乏物流产业相关数据的分类整理，无法直接获取物流业从业人员与固定资产投资额指标，故本文分别以邮政业从业人员、交通运输及仓储固定投资额替代相应物流业指标。所选用的数据主要来自于《中国统计年鉴》《中国物流发展报告》和国家统计局官网数据。具体指标选取如表1所示。

物流要素配置效率指标体系	投入要素	邮政业就业人数（万人）
		交通运输和仓储固定投资额（亿元）
		等级公路里程（万公里）
	产出要素	社会物流总产值（亿元）
		货运量（万吨）
		货运周转量（亿吨公里）

（三）测度结果分析

本文选用2013年-2021年全国31个省级面板数据对我国物流要素配置效率进行测算，具体结果如表2所示。

年份	综合技术效率 (CRS)	纯技术效率 (VRS)	规模效率 (SCALE)
2013	0.8314	0.9543	0.8712
2014	0.8539	0.9474	0.9013
2015	0.8667	0.9577	0.9050
2016	0.8834	0.9753	0.9058
2017	0.8994	0.9863	0.9119
2018	0.9015	0.9893	0.9113
2019	0.9178	0.9903	0.9268
2020	0.9247	0.9967	0.9278
2021	0.9678	0.9989	0.9689

测算结果显示，2013年至2021年间，我国物流要素配置效率整体呈稳步上升趋势。具体来看，2021年的综合技术效率达到0.9678，相较于2013年的0.8314提升了16.4%。然而，该数值始终未达到1，表明在此期间要素配置仍未实现最优状态。进一步分析发现，我国物流要素配置目前处于规模效益递增阶段，意味着仅通过扩大要素投入规模即可有效提升整体效率。从结构上看，纯技术效率与规模效率的增长态势差异明显。2013-2021年，纯技术效率从0.9543仅增长4.6%，增速较为缓慢，反映出我国物流业在技术创新和内部管理方面仍有较大提升空间。相比之下，规模效率则由0.8712增长至0.9689，增幅达11%，增长显著，说明物流实际规模虽不断扩大，但尚未达到最佳效益规模。综合来看，全国物流要素配置效率的提升主要得益于规模效率的较快增长，而纯技术效率则保持平稳。尽管综合技术效率有一定改善，但仍未达到最优配置状态，未来需在技术和管理方面加强努力，以实现要素配置的全面优化。

二、研究设计

（一）计量模型设计

为研究物流要素配置效率与我国零售业发展的作用机制，本文建立如下基准回归模型：

在模型中，表示我国零售业发展水平，代表物流综合技术效率，由纯技术效率与规模效率相乘得出；表示零售业从业就业人员数量，用以反映经济规模，代表城市基础设施建设水平，表示社会消费需求水平，表示政府财政支出，为常数项，为随机误差项。

（二）变量选取与数据来源

1.被解释变量

零售业发展水平（Retail）。为分析物流要素配置效率对零售业发展的影响，本文选取批发和零售业增加值作为衡量指标，并对该指标取自然对数。

2.核心解释变量

综合技术效率（Crs）。以前文测算得出的物流要素配置综合技术效率值作为核心自变量。

3.控制变量

主要选取了零售业从业人员（Employ），以批发和零售业城镇单位就业人员数表征经济规模和就业状况，数据经对数化处理；城市基础设施建设水平（Infra），选用城市道路面积作为代理变量，以捕捉区域基础设施条件对零售业的影响，同样进行对数处理；社会消费需求水平（Demand），以城乡居民人均消费支出作为测度指标，用于反映消费需求对零售业的拉动作用，数据取对数；政府财政支出（Fiexpen），以全国财政支出衡量政府经济干预程度，亦作对数处理。

为保持研究连续性，本文选取2013-2021年全国31个省、自治区和直辖市的面板数据作为样本。数据主要来源于《中国统计年鉴》《中国物流发展报告》《中国人口和就业统计年鉴》以及国家统计局官方网站。

三、实证分析

（一）描述性统计与相关性分析

为考察各变量数据的集中趋势与离散程度，本研究对相关指标进行了描述性统计分析，结果如表3所示。被解释变量零售业发展水平的均值为4.901，最小值为4.750，最大值为5.042，反映出我国零售业整体发展水平较为集中；其标准差为0.0962，表明离散程度较低。核心解释变量综合技术效率的均值为0.894，区间为[0.831, 0.968]，说明各地区在物流产业的技术创新与规模运营方面存在一定差异。在控制变量方面，零售业就业水平的标准差为0.0206，显示样本期内就业人数保持稳定；城市基础设施建设水平也较为平稳。社会消费需求与政府财政支出的均值分别为4.257和5.295，均呈现集中分布特征。总体来看，各变量数据分布相对均匀，极端值对后续估计结果的影响较小。

变量	变量名称	均值	标准差	最小值	最大值
Retail	零售业发展水平	4.901	0.0962	4.750	5.042
Crs	综合技术效率	0.894	0.0410	0.831	0.968
Employ	零售业从业就业人员	2.927	0.0206	2.896	2.950
Infra	城市基础设施建设	5.908	0.0720	5.809	6.023
Demand	社会需求水平	4.257	0.0865	4.121	4.382
Fiexpen	政府干预程度	5.295	0.0905	5.147	5.390

本文采用Person相关性分析法对各变量进行检验，结果如表4所示。零售业发展水平（Retail）与物流要素配置综合技术效率的相关系数为0.981，且在1%水平上显著，初步表明二者之间存在显著正向关系。零售业发展水平与就业人数的相关系数也为正，且关联较强，说明劳动力投入对零售业发展具有促进作用。随着零售业发展规模不断扩大，无疑需要增加人力成本和管理机制的投入，而且零售业从业人员的要求条件将比较与其他行业门槛较低，从而零售业就业人数的增加可能会促进零售业的发展水平。此外，零售业发展水平与基础设施建设（Infra）、社会消费需求（Demand）及政府财政支出（Fiexpen）的相关系数分别为0.986、0.999和0.980，均呈显著正相关。这表明完善基础设施有助于促进零售业发展，居民消费支出则反映了对零售业的消费意愿，政府通过财政支出实施的政策干预也与零售业发展密切相关。

	Retail	Crs	Employ	Infra	Demand	Fiexpen
Retail	1
Crs	0.981***	1
Employ	0.933***	0.904***	1
Infra	0.986***	0.979***	-0.956***	1
Demand	0.999***	0.979***	-0.921***	0.983***	1
Fiexpen	0.980***	0.938***	-0.923***	0.959***	0.983***	1

注：*** p<0.01, ** p<0.05, * p<0.1。

（二）基准回归结果

本文采用逐步回归方法检验物流要素配置效率对零售业发展的影响机制，具体设置如下：模型（a）仅引入物流综合技术效率变量；模型（b）进一步加入四项控制变量。基于2013-2021年全国31个省份的面板数据，依据公式（3）进行估计，回归结果见表5。

模型（a）结果显示，物流要素配置综合技术效率的系数为2.305，在1%置信水平上显著。模型（b）在纳入控制变量后，该系数降至0.093，但仍通过5%水平的显著性检验，表明控制变量的加入部分吸收了核心变量的解释力。综合技术效率作为纯技术效率与规模效率的乘积项，可用于识别二者在推动零售业发展过程中的协同效应。技术效率的提升能够优化物流资源配置、降低运营成本，进而促进零售业增长。模型（b）中物流要素配置效率系数显著为正，说明其每提高1%，零售业发展水平相应上升0.093%。结合表2可知，我国物流要素配置效率仍具有提升潜力，其持续改善为零售业发展提供了重要支撑。从控制变量来看，零售业从业人员数量的回归系数为0.611，在5%水平上显著，说明劳动力要素投入对行业增长具有明显拉动作用，就业规模每扩大1%，零售业发展水平提升0.611%。城市基础设施建设水平的系数为0.136，在1%水平上显著，表明资本投入同样有助于零售业发展，但其贡献程度低于劳动力要素。社会消费需求变量的系数达到1.161，在1%水平上显著，是各变量中影响最大的因素，反映出居民消费支出对零售业发展具有强劲带动效应。政府财政支出变量未通过显著性检验，说明当前政府支出对零售业发展的直接效应尚不显著。比较两个模型的拟合效果，模型（b）的R²值为0.998，较模型（a）的0.957有明显提高，表明控制变量的加入增强了模型的解释力。综上所述，物流要素配置效率、劳动力投入、基础设施条件以及社会消费需求均对零售业发展产生积极影响，其中消费需求的作用最为突出，而政府财政支出在当前阶段的影响并不显著。

	模型（a）	模型（b）
VARIABLES	Retail	Retail
Crs	2.305***	0.093**
	(11.61)	(0.67)
Employ		0.611**
		(3.29)
Infra		0.136***
		(2.24)
Demand		1.161***
		(8.99)
Fiexpen		0.113
		(1.03)
Constant	2.841***	3.067**
	(16.40)	(4.11)
Observations	279	279
R-squared	0.963	0.999
r2_a	0.957	0.998
F	134.7	4462

注：*** p<0.01, ** p<0.05, * p<0.1。

（三）稳健性检验

为确保实证结论的可靠性，本文通过替换被解释变量的方式进行了稳健性检验。将原模型中的零售业发展水平（Retail）替换为零售业企业营业收入（Return）重新进行检验，结果如表6所示。列（1）和列（2）是对仅包含核心解释变量的检验结果。当以营业收入衡量零售业发展时，物流要素配置效率的回归系数为1.326，且在1%水平上显著，与基准回归结论一致，表明核心变量的影响具有稳定性。列（3）和列（4）显示了全变量模型的检验结果。其中，零售业从业人员对营业收入的回归系数高于城市基础设施建设的系数，再次验证了劳动力要素投入的贡献大于资本要素的结论。同时，政府财政支出仍然未通过显著性检验，与表5结果相符。以上稳健性检验结果均支持基准回归的主要发现，表明本文实证结论具有较好的可靠性。

	(1)	(2)	(3)	(4)
VARIABLES	Retail	Return	Retail	Return
Crs	2.305***	1.326***	0.093**	1.328*
	(11.61)	(14.61)	(0.67)	(2.51)
Employ			0.611**	1.735**
			(3.29)	(1.70)
Infra			0.136***	0.645**
			(2.24)	(1.65)
Demand			1.161***	0.570**
			(8.99)	(0.80)
Fiexpen			0.113	0.414
			(1.03)	(0.91)
Constant	2.841***	3.847***	3.067**	4.809
	(16.40)	(46.28)	(4.11)	(1.04)
Observations	279	279	279	279
R-squared	0.963	0.956	0.999	0.980
r2_a	0.957	0.950	0.998	0.946
F	134.7	213.5	4462	75.81

注：*** p<0.01，** p<0.05，* p<0.1。

四、结论与建议

基于2013-2021年全国31个省份的面板数据，本文首先运用DEA模型对物流要素配置的综合技术效率、纯技术效率及规模效率进行测算。结果表明，当前我国物流要素配置整体处于规模收益递增阶段，综合效率尚未达到最优，仍可通过扩大要素投入规模进一步提升配置效能。纯技术效率增长相对缓慢，反映出物流行业在技术创新和内部管理方面仍有改善空间；而规模效率增速明显较快，说明虽然实际运营规模在持续扩大，但与最优规模之间仍存在着一定差距。

其次，通过固定效应模型实证检验物流要素配置效率对零售业发展的影响。研究发现，物流综合技术效率正向影响零售业发展。作为纯技术效率与规模效率的交互项，该指标能够有效反映二者在促进零售业发展中的协同机制。劳动力与资本投入均是零售业增长的重要动力，其中劳动力要素的贡献程度高于资本投入，表明我国零售业扩张更加依赖人力资源的支持。在引入多项控制变量后，物流要素配置效率的促进作用依然稳健。此外，社会消费需求对零售业发展的拉动作用最为突出，而政府财政支出并未表现出显著影响。

基于上述结论，本文提出如下政策建议：第一，实施区域差异化的要素配置策略，推动要素高效流通。针对各地区经济基础与物流资源禀赋的差异，应建立市场化资源配置机制。经济发达地区应着力缓解资本要素市场扭曲，建设与零售体系相匹配的物流基础设施，降低运营成本；欠发达地区则应加强区域协作，完善偏远地区物流节点布局，提升物流响应能力，借助全国性物流网络引入优质资本，增强本地零售业活力。

第二，提升物流劳动力素质，适应零售市场服务升级需求。随着对物流从业人员技能与管理水平提出更高要求。各地应积极引导大学生返乡创业，强化人才回流政策，同时物流企业需完善员工保障机制，通过提升人力资本质量增强物流要素配置效能。

第三，促进物流—零售深度融合与信息共享。新零售模式作为区域经济增长的新动能，有助于打破市场壁垒，优化资源配置，加快区域经济一体化进程。应积极推动跨区域合作，消除零售业发展瓶颈，实现物流资源高效整合与信息互联互通，为零售业创新提供系统支撑。

参考文献：

1. [1] 陈宾.电子商务与快递业的互动关系研究——基于VAR模型的动态实证分析[J].福建师范大学学报(哲学社会科学版),2016(01):63-69+82.
2. [2] 李怀政.互联网渗透、物流效率与中国网络零售发展——基于VAR模型的脉冲分析与方差分解[J].中国流通经济,2018,32(08):23-33.
3. [3] 刘文纲,郭立海.传统零售商实体零售和网络零售业务协同发展模式研究[J].北京工商大学学报(社会科学版),2013,28(04):38-43.
4. [4] 雷兵,赵梦佳.线上与线下零售企业投入产出效率评价研究[J].统计与信息论坛,2015,30(05):80-86.
5. [5] 刘双军.物流效率对我国网络零售发展影响实证研究[J].商业经济研究,2020(03):107-110.
6. [6] 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):151-153.
7. [7] 王淑英,田莉平.空间视角下互联网渗透水平、物流效率与网络零售发展[J].调研世界,2021(08):35-42.
8. [8] 肖丹,刘联辉.基于SE-DEA模型的广东城市物流效率评价分析[J].物流技术,2011,30(11):101-103+112.
9. [9] 杨兴夏.我国零售业创新的经济效应研究[D].山西财经大学,2019.
10. [10] 张建军,赵启兰.基于“互联网+”的产品供应链与物流服务供应链联动发展的演化机理研究——从“去中间化”到“去中心化”[J].商业经济与管理,2017(05):5-15.
11. [11] 张予,郭馨梅,王震.数字化背景下我国零售业高质量发展路径研究[J].商业经济研究,2020(04):21-23.
12. [12] 王昕天,汪向东.电子商务背景下物流信息化的新趋势——基于信息化物流的研究框架[J].中国流通经济,2015,29(01):57-63.
13. [13] 王琴梅,谭翠娥.对西安市物流效率及其影响因素的实证研究——基于DEA模型和Tobit回归模型的分析[J].软科学,2013,27(05):70-74.