生物技术行业研究分析范例(3篇)
生物技术行业研究分析范文
随着现代物流理念在商业、交通运输及制造业领域的不断深入，以物流识别标识技术为代表的自动识别技术、无线射频识别技术等越来越普及。物流识别标识是对在物流与供应链中运转的物品进行标识，通过识别标识迅速、准确地采集信息，以实现物流和供应链管理目标。物流识别标识技术主要由无线射频识别技术、物流条码符号技术以及符号印制与自动识别技术等构成，专利是技术创新活动最直接、最主要的体现，Cant—well等指出在技术创新活动中，充分利用专利文献信息资源，可以节约60％的开发经费和40％的开发时间。专利地图分析方法在专利信息开发和利用方面起着承上启下的作用，承上是将专利数据库中有关的专利信息进行分析与对比，为经济社会的发展和企业的创新活动提供支撑作用；启下是通过专利地图的分析方法，得到可利用的技术水平、动态、发展趋势等信息，为技术创新的定位提供科学依据J。我国对专利地图的研究主要侧重于介绍专利地图的分析方法和制作、应用实例、竞争对手分析、专利战略制定等，很少应用于如何定位技术创新的方向和重点等。例如，吴新银等通过对比分析国外以及中国台湾地区专利地图的研究和应用情况，分析我国专利地图研究的现状和问题；金咏锋等从专利地图的角度认知技术创新的风险，并预测潜在的技术创新风险l6；王兴旺等分析专利地图在竞争对手分析中的应用；王珊珊等运用专利地图技术研究R&D联盟专利战略制定；苏敬勤等通过绘制国内外专利生物质能专利地图，分析生物质能专利的技术发展趋势及对策建议；王兴旺等从技术活跃度、技术生命周期、技术进化方向三个方向，构建基于专利地图的技术预测体系并进行证研究¨。因此，以物流识别标识技术的专利信息为基础，结合专利地图的信息整合功能，对物流识别标识技术创新进行实证研究，为物流识别标识技术乃至整个物流业的技术创新提供指导。
2专利地图与物流识别标识技术创新
2．1专利地图日本最早于20世纪60年开始专利地图的研究，以后推广到全球。专利地图是一种专利信息分析的研究方法和表现形式，将专利文献中包含的技术经济信息等进行深度挖掘与缜密剖析，以各种视觉直观的图表形式反映蕴涵在专利数据内大量错综复杂的信息，具有类似地图的指向功能。
2．2专利地图有利于物流识别标识技术创新战略的定位物流识别标识技术创新战略的定位是以技术发展的现状、趋势为依据，结合物流业发展的需要，整合各方面资源，确定研发重点，而专利地图能够迎合此需求。运用专利地图对专利数据进行分析，可以了解物流识别标识技术创新的主体、区域分布、技术演进、技术热点、产学研合作动向等_1，进而掌握竞争对手的技术水平、跟踪最新技术发展动向、加快产品升级和防范知识产权风险，制定产业或行业标准，以及了解某一时间序列的技术创新规律，规避技术创新风险、发现技术创新漏洞等。
2．3专利地图与物流识别标识技术创新分析的关联表专利地图是进行物流识别标识技术创新定位的有效分析手段之一，是连接专利分析与物流识别标识技术创新的桥梁。通过对专利地图的解读，可以发现物流识别标识技术创新的热点领域、技术发展趋势、主要竞争机构等，有利于制定物流识别标识技术创新活动和创新战略，两者关系见表1。
3基于专利地图的物流识别标识技术创新分析
3．1数据来源借助国家知识产权局物流产业信息服务平台的专利数据库，选取“物流信息技术”目录下的“物流识别标识技术”领域进行检索，共检索出1985--2013年9月18日物流识别技术发明专利6969项(2013年数据不全)，进而从技术演进动向与趋势、技术成熟度、创新主体研发能力、IPC分布结构等方面对我国物流识别标识技术的发明专利进行分析。
3．2物流识别标识技术创新的时间变化趋势分析时间变化趋势分析，是将简单统计分析的结果按时间序列整理，通过专利数量的变化揭示行业技术创新变化的速度和趋势。专利申请数量在一定程度上反映物流识别标识技术创新活动的水平和创新投入，是衡量技术创新能力强弱的一个重要指标_1。图1显示我国物流识别标识技术的专利申请量总体趋势是逐年上升的。我国物流识别标识技术的专利申请始于1988年，分三个阶段：第一阶段，1988--2002年属于起步阶段，物流识别标识技术专利申请量呈缓慢增长的趋势，此时期的技术创新活动较弱；第二阶段，2003--2011年属于J陕速增长阶段，且在2011年达到专利申请量的高峰，此时期的技术创新活动活跃；第三阶段，2012年至今物流识别标识技术在我国渐趋成熟。总体上我国物流识别标识技术的创新活动经历了技术创新的成长过程，未来—段时间存在技术瓶颈和技术突破等问题，但仍存在一定的上升空间。
3．3物流识别标识技术的技术成熟度分析技术创新经历起步期、发展期、成熟期、复苏期等几个阶段。通过统计一段时间内某项技术的专利申请数量的变化，绘制技术生命周期图，可以了解发展状态，为技术创新活动的定位提供参考。采用计算技术生长率(v)、技术成熟系数(d)和新技术特征系数(n)测算物流识别标识技术专利的技术生命周期，见表2，物流识别标识技术生命周期图如图2所示。由图2可知，整体上物流识别标识技术生长率波动较小。因1988年以前我国尚未开始物流识别标识技术专利申请，最初追溯至五年的发明专利申请累计数较小，故技术生长率很高，技术生长率v在1989--1993年处于平稳的状态，1993—1997年呈下降的趋势，1997--2004年呈平稳增长的趋势，2004年至今呈缓慢下降的趋势，物流识别标识技术呈现出微弱的技术生长性。技术成熟系数仅的变化规律基本上和新技术特征系数n的变化相同，二者整体变化幅度较小，表现出一定的新技术特征。因此，物流识别标识技术创新具有一定的技术发展空间，技术创新风险不大。
3．4物流识别标识技术创新主体研发能力分析(1)各个创新主体申请量分析。创新主体研发能力分析是研究创新主体分布的一种分析方法，用于确定某一项领域内主要创新主体，把握业内研发重点与走势，选择技术创新的合作伙伴。通过对我国物流识别标识技术发明专利申请人的分析，发现该领域技术创新的主体主要是企业、高等院校、科研院所、个人等。图3显示，物流识别标识技术的创新主体共2804个，其中企业1886个，占发明专利创新主体总量的67．26％，发明专利申请量占总的申请量的69．88％。企业作为物流识别标识技术创新最主要的主体，专利申请量最多，究其原因是企业追求利润的最大化，配置人力、物力、财力等方面的资源，结合生产过程的技术需求，以市场导向为主，研发更多创新性成果。个人是该领域的技术领头人；高等院校是物流识别标识技术创新主体的第三个领头羊。但是，我国物流识别标识技术中科企合作的专利申请量较少，反映该技术领域的技术创新活动是相对独立，合作强度较弱。(2)主要竞争机构分析。选取发明专利申请量30件以上的专利机构作为比较对象，排名如图4所示。按照主要竞争机构的性质分为企业、科研院所、高等院校，其中企业16家，占总量的80％，中兴通讯股份有限公司以145项专利高居榜首，然后是富士通株式会社88项专利排名第二，传感电子公司82项专利排名第三；科研院所共2家，中国科学院自动化研究所47项专利，财团法人工业技术研究所36项专利；高等院校共2家，北京物资学院39项专利，浙江大学33项专利。可见，物流识别标识技术的主要竞争机构的专利申请量存在巨大的差距，企业所占比重较大，说明此行业的技术创新活动活泼。
3．5主要IPC分类分析IPC分类分析，是指将专利按国际专利分类标准进行划分，统计不同技术领域专利申请或授权量的分布情况，了解该领域的技术构成，以及创新主体关注的技术焦点等。表3显示，物流识别标识技术专利主要集中在G06K、G06F、G06Q、H01Q、H04L、H04W、G08B、H04Q、G07C等10个领域，重点集中于G部，特别是G部的G06K和G06F、G06Q三个小类，其中G06K的发明专利申请量远超其他类型，占发明专利总申请的45．83％，是技术创新活动的热点，表明该领域的技术创新活动较活跃；H部H01Q、H04L等两个小类的专利申请量也较多，而其他几个小类的专利申请量差别较小。
4基于专利地图的视角探索物流识别标识技术创新存在的问题
4．1物流识别标识技术创新起步较晚，发明机构知识产权保护意识不足从图1可知，虽然我国物流识别标识技术领域发明专利申请数量是不断上升的，但物流识别标识技术创新起步晚，早期阶段的专利申请量偏少，技术创新能力较弱，近年转入技术创新活动的稳定期。同时，科研院所、高等院校、企业等技术创新主体知识产权保护意识不足，绝大多数没有配备专门的知识产权部门和人员，难以将技术创新决策与知识产权运用有机结合。绝大多数专利申请人(机构)缺乏必要的专利知识，申请组织性差，主要通过专利机构申请，从事物流识别标识技术研究的企业不多，技术创新主体难以掌握该技术领域的前沿技术发展动向。特别是不少企业认为，申请专利不利于技术保密，不愿意申请专利，这种薄弱的专利意识与市场意识形成明显反差，结果可能导致日后陷入专利诉讼大战，反而不利于知识产权保护。
4．2政府和专利申请人(机构)缺乏持续性创新驱动战略，专利战略难以匹配政府积极推动创新驱动战略，但专利战略持续性不足，而企业制定和实施专利创新驱动战略只是少数企业且刚刚开始。由图2可知，我国物流识别标识技术的技术生长率、技术成熟系数、新技术特征系数均呈现出一定的波动性，技术创新风险无法完全避免，说明其技术发展不成熟，技术生长性不大，反映绝大多数技术创新机构缺乏明确的专利创新驱动发展战略，难以开展持续性的技术创新活动，加大技术创新风险。
4．3协同创新难以深化。产学研合作化与产业化程度低并存技术创新能力是影响一个产业竞争力的关键因素。图3显示，我国物流识别技术创新的主体是企业、个人、高等院校、科研院所等。其中，高等院校和科研院所所占比例为9．27％，科研院所、高等院校与企业合作的专利申请量占总的专利申请量的2．21％，科研院所或高等院校与企业的产学研合作化程度较低，致使物流识别标识技术与生产实际结合程度较低，影响专利技术的含金量。实践证明，高等院校和科研机构的技术创新活动对市场的需求和规律缺乏有效把握，过分注重技术参数、指标的标准化和单纯的技术导向，而难以与产业化要求匹配，致使科技成果转化率不高。当前，将新成果从实验室移植到实际应用的传统方式，已经难以为继，企业作为技术创新的主体，无论是物流企业还是供应链上下游企业，一定程度影响技术创新成果的产业化，难以形成持续性的竞争优势。
4．4物流识别标识技术创新面较广，但创新产出不平衡由图3可知，物流识别标识技术专利分布的范围较广，但创新热点主要集中在l0个领域。特别是G06K，而H04W、G08B、H04Q、G07C等领域的技术创新能力较弱，技术创新不平衡，究其可能原因：一是政府部门对物流企业或从事物流技术创新活动的机构或个人缺乏有效的引导，技术创新协调度不高；二是绝大多数物流企业属于中小企业，其人力、物力、财力资源有限，缺乏设立自身研发机构的能力，难以把握物流技术创新的研发热点，技术创新领域分散，一定程度影响技术创新的产出。
5对策与建议
5．1利用后发优势。营造和完善物流识别标识技术的知识产权保护技术创新离不开技术的引进与消化吸收，我国物流识别标识技术的创新起步较晚，应利用后发优势，积极引进国内外先进的技术，借鉴前人的经验教训，在原有技术上不断实现新的突破。首先，加强知识产权运用和保护，知识产权管理作为降低技术创新风险的主要手段，已经被越来越多的企业认识和运用，政府应完善包括物流技术创新在内的知识产权保护法律法规，使得创新活动有法可依；增强知识产权人的专利创新意识，引进和培养高素质的专门化知识产权人才。其次，打破行政主导和部门分割，形成主要由市场决定技术创新项目和经费分配、成果评价的机制。再次，健全知识产权保护绩效考核，完善知识产权法院，提高中小企业知识产权维权的能力，针对包括物流识别标识技术在内的整个物流领域的专项保护和维权援助工作。最后，实施知识产权服务机构培育项目，根据知识产权服务的内容特点，分类制定服务标准和服务规范，加强知识产权服务机构的分级分类管理，支持专业服务机构开发知识产权管理系统和工具，为物流技术创新主体提供全程服务。
5．2实施三位一体的创新驱动发展战略。使专利战略生根发芽物流识别标识技术的创新活动应自上而下和自下而上相结合，离不开创新主体分工协作，打造从政府、物流产业行业、企业三个层面持续的专利创新战略体系，做好顶层设计。政府层面，出台引领战略，引导企业跟进，构建技术创新信息共享平台，实现国内外物流识别标识技术的专利信息共享，方便技术创新的主体明确研发重点，提高技术创新效率。物流产业行业层面，打造物流识别标识技术创新战略联盟，推行产学研合作一体化，新建和完善一批能够支撑知识产权审议、满足企业实施知识产权战略需求的服务机构，提升物流产业的技术创新水平和竞争能力。企业层面，制定包括物流识别标识技术在内的研发重点把握、技术研发、专利申请与应用等持续性的创新驱动战略，推广知识产权管理标准应用，加大经费投入、完善知识产权管理体系和知识产权战略实施机制。
5．3深化产学研合作，打造丰富多样的资源共享平台图2显示，物流识别标识技术创新的主体基本上是相互独立的，缺乏协同。应夯实企业技术创新主体的地位，使企业成为研究开发投入的主体、技术创新活动的主体和创新成果应用的主体。据统计，目前全国规模以上企业开展科技活动的仅占25％，研究开发支出占企业销售收入的比重仅0．56％，大中型企业也仅为0．71％，只有万分之三的企业拥有自主知识产权，企业单靠内生力量的自主创新能力的难度大、时间长、成本高，应进一步整合资源和共享平台，鼓励科研院所、高等院校与企业的项目合作，增强物流企业的技术创新能力，切实发挥科研院所和高等院校的作用。
生物技术行业研究分析范文篇2
20世纪60年代，美国一些著名大学先后开启了生物医学工程学科的建设，相继启动了生物医学工程专业人才的培养。美国的生物医学工程教育特点是在技术产业化需求驱动建立起来的具有其自身特性，且反映了生物医学工程学科建设与发展的前沿特征。各个学校的本科教育课程虽然具有自己的特色，但在课程设置上大致可以分为科学基础课程、专业核心课程、关注领域课程、设计课程、人文与社会科学课程、专业选修课程及其他选修课程等六类。不同学校本科课程的主要差异体现在专业选修课程及其他选修课程的设置上，各个学校根据自身的生物医学工程领域的研究方向和研究水平特点开设一些相应的选修课程，并培养学生在相应方向上的研究探索实践能力。这是美国生物医学工程本科教育的基本特点。
我国生物医学工程专业教育起步于20世纪80年代，主要发源于著名工科院校的信息技术类专业和力学专业，进而逐渐形成的生物医学工程专业教育，后来，一些医学院校在医学物理和医用计算机技术的基础上相继开展了生物医学工程专业教育，于是在我国基本上形成了这样两种类型的生物医学工程学科。上述两类院校的生物医学工程学科建设发展模式各具侧重，遵循了共同的学科基础，在培养生物医学工程专业人才的应用层面上有显著特点。相对来说，工科院校的生物医学工程培养模式注重工程技术的开发和功能拓展，医科院校则注重医学与工程结合、工程技术在医学中的综合应用。
1.中国生物医学工程学科发展思路
生物医学工程是一种交叉学科，交叉的学科基础及其融合的紧密程度决定了生物医学工程学科的发展水平，交叉的学科发展推动着生物医学工程学科的发展，并且使得生物医学工程学科研究领域变得十分广泛，而且处在不断发展之中。
1.1学科发展轨迹
在中国，基于电子信息工程发展而来的生物医学工程学科，主要包括生物医学仪器、生物医学信号检测与处理、生物医学信息计算分析、生物医学成像及图像处理分析、生物医学系统建模与仿真、临床治疗与康复的工程优化方法、手术规划图像仿真以及图像导引手术及放疗优化等；有基于力学发展而来的生物医学工程学科，主要包括生物流体力学、生物固体力学、运动生物力学、计算生物力学和微观尺度的细胞生物力学等；基于化学材料工程发展而来的生物医学工程学科，主要包括生物材料学、组织工程与人工器官、物理因子的生物化学效应等。
1.2学科发展特点
作为交叉学科的生物医学工程学科，其发展的关键在于交叉学科间的交叉融合。构建一种良好的交叉结构，对推动交叉学科的发展具有至关重要的作用。约翰霍普金斯大学对于生物医学工程这样的交叉学科的描述有一个形象的说法：交叉学科如同在不同学科之间建立起连接桥梁，如果在河两岸没有坚实的基础，桥是无法建立好的，对于生物医学工程这样一座建立在两个不同学科之间的桥来说，它的发展要求具有坚实的交叉学科基础和交叉学科紧密融合深度。那么在生物医学工程学科构建良好的交叉结构，需要选取具有理论支撑和技术支撑的主干学科进行交叉，凝练学科方向，不能大而全，过于宽泛。
目前，医学仪器和医学成像技术具有良好的应用和发展前景，应该成为生物医学工程学科的重点发展方向。医学仪器和医学成像设备能有力推动医疗产业的发展。医疗仪器和医学成像设备是现代医疗器械产业中的主流产品，在产业发展中起着主导和引领作用。其发展水平已成为一个国家综合经济技术实力与水平的重要标志之一。产业化驱动也是学科发展的一种动力，也为学生未来职业发展奠定良好的基础。基于医疗卫生健康事业的需求和生命科学发展的大趋势，生物医学工程学科应大力促进医学仪器和医学成像方法的学科建设，从而提升整个学科的发展水平。
生物医学工程学科的建设离不开一流的学术研究和学术成果的应用。一流的学术研究不但能提升学科的发展水平，而且能开拓学科纵深发展，产生良好的经济效益和社会效益，进而增强学科服务社会发展的能力。学术研究的前瞻性和创新性将确保学科建设的发展动力和趋势以及学科发展的活力。
交叉学科往往具有不同程度的可替代性。可替代性程度越高，交叉学科存在的必要性就越小。如何减小生物医学工程学科可替代性的程度是需要深入思考的，是需要提升学科的特异性的。生物医学工程学的学术研究主要包括应用理论研究和理论应用研究，应用理论研究主要涉及生物医学工程领域所需要解决的科学问题，开展新理论、新方法的研究。理论应用研究主要涉及生物医学工程领域所需要解决的科学和技术问题，借助理工科的相关理论和方法开展应用基础研究和应用研究。应用理论研究是理论驱动型的学术研究，理论应用研究是应用驱动型的学术研究。理论驱动型和应用驱动型是生物医学工程学科学术研究的两种主要模式。理工科大学具有良好的理论创新基础和强大的交叉的学科背景，开展理论驱动型研究具有自身优势。医学院校具有丰富的医学资源，面临着大量需要应用理工知识解决的医学问题，开展应用驱动型研究，将很好地实现与医学的应用融合，具有较好的临床应用价值，有力推进医学的进步与发展。各自的学术优势将有利于生物医学工程学科特色发展，从而增强其不可替代的程度，实现学科可持续创新发展。
1.3学科体系
作为一级学科的生物医学工程，包含学科的理论体系和技术体系，且该体系离不开所交叉的学科的理论体系和技术体系的支撑，此外生物医学工程学科理论体系和技术体系既要有学科自身的特色，又要具有可持续发展和一定程度上的不可替代性，这样学科才会有旺盛的生命力。要面向医疗卫生、生物科学所涉及的重大、重要技术理论问题及基础应用开展学术研究。实现良好的学术研究定位，形成自己的理论体系和技术体系。
2.大数据时代的生物医学工程学科发展
守正创新是生物医学工程学科发展的必由之路，人类已进入大数据时代，所谓大数据（bigdata），或称海量数据，是指由于数据容量太庞大和数据来源过于复杂，无法在一定时间内用常规工具软件对其内容进行获取、管理、存储、检索、共享、传输、挖掘和分析处理的数据集。大数据具有“4V”特征：①数据容量（volume）大；②数据种类（variety）多，常常具有不同的数据类型和数据来源；③动态变化快，如各种动态数据，非平稳数据，时效性要求高；④科学价值（value）大，尽管目前利用率低，却常常蕴藏着新知识和重要特征价值或具有重要预测价值。大数据是需要新的分析处理模式才能挖掘分析出其蕴藏的重要特征信息[6。
人体生老病死的生命过程就是一个不断涌现的生物医学大数据发生源，这种源源不断的生物医学大数据的检测、处理与分析，将给生物医学工程学科的建设与发展带来新的机遇和挑战。模式识别、人工智能、数据挖掘和机器学习的发展将带动大数据处理技术的进步。生物医学大数据广泛涉及人类医疗卫生健康相关的各个领域：临床医疗、基础医学、公共卫生、医药研发、临床工程、心里、行为与情绪、人类遗传学与组学、基因和蛋白质组学、远程医疗、健康网络信息等，可谓包罗万象，纷繁复杂。生物医学大数据中蕴藏了种种有科学价值的信息，研究有效的大数据挖掘的新理论、新技术和新方法，对生物医学大数据进行关联和融合计算分析，充分挖掘生物医学大数据中的信息关联和特征关联和数据空间映射关联，既能为疾病的预防、发生发展、诊断和治疗康复提供系统化的全新的认识，有利于深入疾病机理研究分析，开展个性化诊疗。还可以通过整合系统生物学与临床数据，更准确地预测个体患病风险和预后，有针对性地实施预防和治疗。
生物医学工程学科所面临的生物医学大数据主要包括多模态医学影像数据、多种类医学信号数据以及基因和蛋白质组学的生物信息数据。生物医学大数据在生物医学工程学科领域内有着广泛深远的应用前景，从三个方面应用将推动生物医学工程学科的发展。
（1）开展多模态影像大数据计算分析。医学影像学科的发展从早期看得到，到看得清，目前的看得准，未来的趋势是看得早。只有看得准和看得早才有利于临床早期干预，提高治疗预期。医学影像大数据计算分析在影像诊断、手术计划、图像导引、远程医疗和病程跟踪将发挥越来越大的作用。
建立新的医学影像大数据计算分析模型和数值计算方法，挖掘多模态影像数据的特征数据和特征关联，将会提供强有力的影像诊断分析手段，极大地推动影像技术的发展，具有重要的临床应用价值和科学价值。
（2）开展多种类医学信号大数据计算分析。医学信号大多直接产生于生理和病理过程中的信号，能在不同层面上表达生理和病理相关机制特征。融合多种医学信号的大数据计算分析，能对生理病理过程进行更好更全面的阐释，不仅能深入了解生理病理的状态特征和过程特征，而且能实现个体健康监测和管理。可以很好地开展回顾性研究和前瞻性研究，推进系统化的医学应用研究。实现强大的多种医学信号数据的特征挖掘及特征关联计算分析。大数据挖掘能够增加准确度和发现弱关联的能力，能更好地认识生理病理现象和本质。
（3）开展基因和蛋白质组学的生物信息大数据计算分析。基因组学、蛋白质组学、系统生物学和比较基因组学的不断发展涌现了海量的需要计算分析的生物信息数据，已进入计算系统生物学的时代。开展生物信息大数据计算分析，可以拓展组学研究及不同组学间的关联研究。从环境交互、个体生活方式、心里行为等暴露组学，至细胞分子水平上的基因组学、表观组学、转录组学、蛋白质组学、代谢组学、基因蛋白质调控网络，再到人类健康和疾病状态的表型组学等不同层面不同方向上实现大规模的关联计算分析，可以全面阐述生命过程机制，挖掘生命过程特征及关联特征。
3.结论
生物技术行业研究分析范文
关键词：物流业；全要素生产率；综述
R．M．Solow最先提出全要素生产率（TotalFactorProduc－tivity，TFP），用来解释经济增长中不能被劳动、资本解释的部分，通过“索洛余值”法Denison测算了全要素生产率增长率。20世纪80年代后，DaleW.Jorgenson采用超越对数生产函数形式对生产率进行度量，实现了测算TFP时投入要素的准确测量[1]。物流业作为我国经济的重要组成部分和新的利润增长点，随着我国物流实践和理论研究的深入，如何准确测度我国物流业全要素生产率问题也引起了学者的广泛关注，涌现出了一批研究成果。
1物流业全要素生产率（TFP）的研究对象和计算方法
1.1研究对象
由于我国统计体系中没有专门的物流业数据，而现有统计体系中与物流业高度相关的数据是交通运输仓储业和邮电业，所以学者们选择物流业全要素生产率的研究对象主要是两种情况：一是以中国整体或部分省市的交通运输仓储业和邮电业为对象。例如，杨杰、宋马林[2]分析中国30个行政区域物流业相关数据，表明中国各地区物流业全要素生产率呈上升趋势，技术效率是物流业全要素生产率增长的主要驱动力。谢长伟、张冬平[3]研究河南省物流业数据，表明FDI对物流业生产率的溢出机制主要通过对技术进步的提升表现出来。余思勤、蒋迪娜、卢剑超[4]运用交通运输业数据测量交通运输业生产率，表明整个交通运输业除个别年份外呈规模效率递增态势，运输业具有明显的规模经济特征。刘玉海、林建兵、翁嘉辉[5]分析中国道路运输业营运效率，表明道路运输业的技术进步和营运效率的增长机制存在一定程度的不稳定性。二是以部分上市物流公司为对象。例如，庄玉良、吴会娟、贺超[6]测算16家物流上市公司静态效率值，表明我国物流业TFP平均增长率为4.7%，技术进步与创新是生产率提升的主要原因。景保峰、周霞、胡爱嫒[7]对中国沪深两市18家上市物流公司技术效率进行动态测度，表明资本和管理要素投入对产出的影响显著，具有规模经济性，人力资源投入的影响相当弱。胡慧嫣[8]对广东6家上市物流企业的全要素生产效率进行研究，发现广东物流企业生产效率呈下降趋势，其中技术变动是影响广东物流企业效率下降的主要因素。姜羡[9]以15家上市物流企业作为样本，研究发现我国物流企业经营绩效DEA有效性总体而言偏低，影响物流企业经营绩效产出不足主要表现为净利润产出较低。
1.2计算方法
以往研究物流业TFP多选取增长核算法，目前则多采取生产前沿面法和指数法，数据包络分析法（DataEnvelopmentAnalysis，DEA）无须假设具体生产函数形式，还能处理多投入多产出决策单元的情形。用拓展过的基于DEA的Malmquist生产率指数法与以往的方法比较有如下优点：无需假定生产成本最小化，同时能将全要素生产率提高分解成资源配置效率、规模效率、技术水平的提高[10]。大多数专家认为我国物流业TFP增长主要起源于TP，TE的负增长严重制约了TFP的增长，物流业TFP与物流业TP保持同步。雷勋平、吴杨[11]等运用DEA-Malmquist方法对安徽省区域物流业全要素生产率进行实证研究，结果表明安徽省各市物流业普遍存在规模无效率。朱莹莹[12]运用基于随机前沿生产函数的非参数Malmquist指数法估算甘肃省近10年物流业全要素生产率变化情况，表明技术进步是推动甘肃省物流业全要素生产率增长的主要推动力量。甘卫华、许颖[13]等运用数据包络法DEA静态分析江西省物流业全要素生产率，发现江西省大部分地区物流业属于DEA非效率，大部分地区物流业资源配置没有达到最优状态。高腾[14]利用DEA方法分析我国物流业效率，发现我国物流业处于规模报酬递增阶段，纯技术效率偏低导致物流技术效率较低，经济发展水平与物流效率无关。钟祖昌[15]采取三阶段DEA方法分析我国31个省、市、自治区物流产业运营效率，显示如果外部环境和随机因素的影响不加以控制，各省市纯技术效率值被低估，规模效率值被高估，导致综合技术效率被低估。
2物流业全要素生产率研究中的投入产出指标
广义物流业TFP测算中，产出主要用物流业增加值、物流业生产总值、货物周转量、货运量等指标，投入主要用物流业从业人数、资本存量、固定资产投资额、公路里程等指标，这些指标数据在统计年鉴中都能很容易地获得。例如，田刚、李南[16]选用资本存量和物流业年平均从业人数作为物流业投入量指标，选取货物周转量为产出指标，应用SFA分析物流业TFP，结果表明资本投入对技术进步的促进作用在减弱。高慕瑾[17]选取交通运输、仓储和邮政服务业从业人员人数，交通运输、仓储和邮政服务业固定投资额和等级公路线路长度作为投入指标，物流业产值、交通运输货运量和货运周转量为产出指标，运用DEA测算陕西省物流业效率，结果表明陕西省物流业的规模报酬递减，应加强资源管理。张毅、牛冲槐[18]选取国内生产总值、居民消费能力、固定资产净值和从业人员数为投入指标，货运量、货运周转量和物流业产值为产出指标，对东部十省市物流业生产率指数进行测度，结果显示环渤海大多数地区物流业的技术效率更接近共同技术前沿，规模效率提高不显著，规模效率改善和技术进步是生产率指数提高的关键。杨沛[19]选用物流业从业人数、固定资本投入为自变量，物流业增加值为因变量，选用超越对数前沿生产函数模型计算我国物流业全要素生产率，结果表明物流业全要素生产率增长主要来自技术进步的贡献。
3物流业全要素生产率的影响因素和发展趋势
关于影响物流业全要素生产率的因素，胡玉洲[20]认为贸易开放度、人力资本和通货膨胀率对物流产业全要素生产率有显著影响，更加开放的贸易环境、更高的人力资本和更低的通货膨胀率有利于提高物流产业全要素生产率。丁茹[21]认为五个主要因素影响江西物流产业全要素生产率，教育发展水平、地区产业结构和对外开放水平对全要素生产率提升有显著促进作用，政府干预程度对全要素生产率提升具有十分显著的抑制作用，而宏观经济水平对地区物流业全要素生产率提升并无太大联系。欧阳小讯、黄福华[22]认为中国物流生产具有规模报酬递减的性质，物质资本与劳动力仍是物流产出的主要源泉，但人力资本的产出作用在逐渐增强。李朝敏[23]测算1978~2009年中国物流业物质资本存量、人力资本存量和人力资本水平，构建物流业经济增长模型，发现人力资本在物流业经济增长中发挥着非常重要的作用。关于物流业全要素生产率的发展趋势，孙金刚、牛大山[24]发现我国绝大多数省份物流行业全要素生产率在2002年和2003年有不同程度的下降，东、中、西部地区物流行业全要素生产率有收敛趋势，且东、中部物流行业全要素生产率差距不明显，但西部地区和东、中部地区仍存在较大差距。邓学平[25]发现我国物流企业生产率的个体差异较大，缺乏有效的市场淘汰机制，我国运输仓储类企业生产率总体发展趋势不错，而港口经营类企业不容乐观，总体而言我国物流企业发展趋势较好，整体效率提高0.4%。王健、梁红艳[26]认为中国物流业TFP不断提高，技术进步是TFP增长主要源泉，技术效率相反起到了阻碍作用；物流业增长中要素投入比TFP的贡献更大，区域经济一体化进程中的基础设施重复建设对物流业TFP造成显著的负向影响，空间分布上TFP增长及其分解存在区域差异性，全国范围内TFP存在绝对收敛特征。
4资源、环境约束下的物流业全要素生产率研究
随着我国对资源环境的重视，资源、环境约束下的物流业全要素生产率研究也逐步增多。例如，徐喜辉、特日格勒、李卓霖[27]从低碳约束角度出发，将物流业碳排放量作为投入变量，同时考虑经济产出和环境保护，运用DEA模型对我国省级物流业效率进行系统研究，大部分省市存在资源浪费现象，纯技术效率是提高物流业效率的关键因素，能源结构对物流业效率呈负相关。陈洁[28]基于中国30个省区物流业面板数据，应用环境DEA技术和方向距离函数方法，对碳强度约束下中国物流业全要素生产率的增长来源于区域差异进行实证分析，结果表明碳强度约束下的物流业生产率指数与碳强度目标吻合，物流业全要素生产率改进，碳强度下降；物流业生产率的提升主要依赖物流技术进步和创新。王维国、马越越[29]基于方向距离函数的Malmquist-Luenberger生产率指数方法，对环境约束下中国30个省级地区物流业全要素生产率增长及其成分进行重新估算，研究发现忽视非期望产出的传统Malmquist指数方法会低估物流业技术效率水平、高估物流业技术进步指数和全要素生产率指数，环境约束下我国物流业全要素生产率指数年均增长率呈现下降趋势。
5结论及展望
从现有研究看，物流业全要素生产率已成为近年物流业的一个研究热点，研究成果不断增多，但在以下几个方面还有待进一步探索。第一，已有研究基于数据收集的便利性，大多选择中国整体或部分省市的交通运输仓储业和邮电业或上市物流公司为对象展开分析。然而，物流产业是一个综合性产业，仅仅一个交通运输仓储业和邮电业或若干个物流业上市公司无法代表物流业全部。所以，如何将国民经济中的物流产业准确界定出来，并考虑到数据收集的可行性，是今后包括物流业全要素生产率在内的物流业定量研究面临的一个重大问题。第二，我国区域发展差异大，已有研究多是针对国内部分省市或上市物流公司展开，研究结论无法揭示物流业全要素生产率的一般规律。今后要更多地开展区域间、省际间以及国际间物流业全要素生产率的比较研究，探讨促进物流业全要素生产率提高的真正因素所在。欧美发达国家物流业效率高，将国内效率低下的物流业与欧美发达国家高效率的物流业结合到一起进行对比分析，有助于找出国内物流业发展与欧美国家的差距及差距产生的原因，明确影响物流业全要素生产率的关键因素，学习国外经验，使国内物流业更好更快地发展。第三，在物流业全要素生产率测算时的相关指标选择上，学者根据自己的理解和数据获取的便利性主要用物流业增加值、物流业生产总值、货物周转量、货运量、物流业从业人数、固定资产投资额、公路里程等指标，但这些指标能否准确代表物流业发展很值得商榷。哪些指标能有效代表物流业？测算物流业全要素生产率应选择哪些指标？这些问题会随着我国物流业的发展、行业标准和统计体系及规范的完善而得到逐步明确，这也是整个物流业持续健康发展的需要。第四，在物流业全要素生产率的计算方法上，现有研究采用的有基于DEA的非参数Malmquist法、基于随机前沿生产函数的非参数Malmquist指数法、数据包络法（DEA）、Malmquist生产力指数法、三阶段DEA方法等。这些方法各有优缺点，很难分出孰优孰劣。例如，就DEA方法来说，DEA的评价结果不会被人为因素影响，不需要对参数进行预先估计，不需要考虑量纲影响，可以有效避免主观因素影响而具有很强客观性。该方法有助于简化计算、减少误差等，但同时这也体现了该方法的局限性。因为其计算完全依赖客观数据，以致无法考虑决策者偏好，造成很多与实际情形不符的情况。在物流业全要素生产率的计算方法上，仍然还有很多需要探讨的方面。今后研究物流业生产率时，可将几种方法结合在一起进行对比，根据研究结果与实际情况的符合程度判断哪种方法的测度更加准确有效。第五，目前可持续发展的观念深入人心，社会对资源和环境的重视程度日益提高。物流业对资源和环境也有着重要影响。因此，资源和环境约束条件下的物流业全要素生产率研究将会是未来一个重要研究方向，现有研究还比较薄弱。第六，对于物流业全要素生产率发展趋势的分析，现有学者仅仅是通过分析物流业相关数据，得出物流业全要素生产率是收敛或发散的结论，但对收敛或发散的条件及原因的分析却较为匮乏。一个地区的物流业全要素生产率为什么收敛或发散？收敛或发散的条件是什么？这些将成为今后物流业全要素生产率研究中的一个重点。
参考文献：
[1]陈晓丽.农业全要素生产率研究综述[J].经济视角，2014(1):3-5.
[2]杨杰，宋马林.中国物流业静态效率测算与TFP动态变化研究[J].广西财经学院学报，2011,24(3):32-39.
[3]谢长伟，张冬平.FDI对物流业技术溢出效应的实证研究———以河南省为例[J].昆明理工大学学报，2010,35(2):110-116.
[4]余思勤，蒋迪娜，卢剑超.我国交通运输业全要素生产率变动分析[J].同济大学学报，2004,32(6):828-831.
[5]刘玉海，林建兵，翁嘉辉.中国道路运输业营运效率动态分析———基于Malmquist生产率指数[J].产业经济研究，2008(1):55-63.
[6]庄玉良，吴会娟，贺超.我国物流业效率动态变化的Malmquist指数研究[J].统计与决策，2009(5):20-23.
[7]景保峰，周霞，胡爱嫒.基于随机前沿分析的上市物流公司技术效率评价[J].工业工程，2012,15(2):41-47.
[8]胡慧嫣.广东上市物流企业的全要素生产效率评价[J].中国商贸，2014(22):109-112.
[9]姜羡.基于DEA的我国物流企业绩效评价研究[D].沈阳：东北大学（硕士学位论文），2008.
[10]蒋迪娜.我国交通运输业全要素生产率变动及其影响因素研究[D].上海：上海海运学院（硕士学位论文），2002.
[11]雷勋平，吴杨，龚月琴,等.基于Malmquist指数的区域物流业技术进步与技术效率测度———安徽省2003-2010年的实证分析[J].天津商业大学学报，2012,32(3):45-50.
[12]朱莹莹.甘肃省物流业生产率及其测度研究[D].兰州：兰州交通大学（硕士学位论文），2012.
[13]甘卫华，许颖，黄雯,等.基于DEA-Malmquist的江西省物流业全要素生产率研究[J].工业工程，2015,18(2):108-114.
[14]高腾.基于DEA的中国地区物流效率研究[J].物流经济，2008(2):74-75.
[15]钟祖昌.基于三阶段DEA模型的中国物流产业技术效率研究[J].财经研究，2010,36(9):80-90.
[16]田刚，李南.中国物流业全要素生产率变动与地区差异[J].系统工程，2009,27(11):62-67.
[17]高慕瑾.基于DEA的陕西省物流业效率研究[D].杨凌：西北农林科技大学（硕士学位论文），2012.
[18]张毅，牛冲槐.考虑地区技术差距的区域物流业生产率指数的研究———基于共同前沿Malmquist指数方法[J].数理统计与管理，2013,32(6):1100-1114.
[19]杨沛.我国物流业全要素生产率的测度研究[J].华中农业大学学报，2010(3):99-103.
[20]胡玉洲.论贸易开放度、人力资本、通货膨胀率与物流产业全要素生产率[J].商业经济研究，2011(9):35-39.
[21]丁茹.江西省物流业全要素生产率动态演化及其影响因素研究[D].南昌：华东交通大学（硕士学位论文），2014.
[22]欧阳小讯，黄福华.物流生产及物流业劳动产率的地区差异[J].财贸研究，2013(4):48-57.
[23]郑光豹.基于人力资本与R&D的物流业全要素生产率研究[J].物流技术，2014,33(7):312-314.
[24]孙金刚，牛大山，周伟.中国省级物流产业全要素生产率估算：一个随机前沿的分析方法[J].物流技术，2013,32(2):147-150.
[25]邓学平.我国物流企业生产率研究与分析[D].重庆：重庆大学（博士学位论文），2008.
[26]王健，梁红艳.中国物流业全要素生产率的影响因素及其收敛性分析[J].福州大学学报，2013(3):16-24.
[27]徐喜辉，特日格勒，李卓霖.低碳约束下省级物流业效率研究[J].商业时代，2013(35):41-43.
[28]陈洁.碳强度约束下的区域物流产业效率测算———基于环境DEA技术的Malmquist-Luenberger指数方法[J].经济与管理，2014,28(3):62-67.