低碳约束下的物流效率分析——以东部十省市为例<br/>

低碳约束下的物流效率分析——以东部十省市为例

2013-07-31唐建荣卢玲珠

中国流通经济 2013年1期

唐建荣，卢玲珠

（江南大学商学院，江苏无锡 214122）

一、引言

2010年，我国物流业增加值为2.7万亿元，比2001年的7429亿元净增约2万亿元，10年间平均增长14.8%，物流业在促进国民经济发展和发展方式转变中的重要支撑作用日益显现。现代物流业是结合了运输业、仓储业、信息业等行业的复合型服务产业，作为第三利润源，已成为世界经济发展的热点之一。但是，物流业普遍存在的专业化水平低、成本高以及物流运作模式的低效率，造成了能耗的增加和能源的浪费，物流过程对环境产生的负面影响持续扩大。目前国内关于低碳物流的研究主要侧重宏观角度的发展战略及政策分析，而对低碳物流的定量研究可谓凤毛麟角。我国东部具有经济发展快、经济氛围活跃等特点，基于碳排放的东部物流业效率研究对我国中西部地区具有示范作用。本文从投入产出角度，基于经济发展和环境保护两个视角，在建立各省市投入产出指标体系的基础上，以东部十省市为研究对象，采用三阶段数据包络分析法（DEA）对东部十省市物流业技术效率进行系统研究，研究结果为东部地区改善物流业技术效率和区域低碳物流建设提供了理论指导。

DEA方法是应用数学规划模型评价多指标投入和多指标产出相对效率的非参数方法。近年来，DEA方法被广泛用于评价物流效率，如柳剑等[1]基于DEA方法分析了2008年全国31个省、市、自治区的物流投入产出效率；徐鹏[2]运用固定规模报酬模型（C2R）和变动规模报酬模型（BC2）对全国31个省、市、自治区2003~2008年的物流产业效率进行评价，计算出了全国物流产业的相对总技术效率、纯技术效率和规模效率；艾默·哈曼丹、吉姆·罗根斯（AmerHamdan，K．J．（Jamie）Rogers）[3]运用DEA方法对第三方物流企业运作效率进行分析评价；张中强[4]以我国东部31个地市级地区为数据样本，研究我国东部地区区域物流发展效率问题。以上研究在对物流效率进行评价时，并未排除环境变量和随机因素对结果的影响，可能引起纯技术效率和规模效率被错估的情形，部分学者对该模型进行改进，提出了三阶段DEA模型。钟祖昌[5]采用三阶段DEA方法分析2007年我国31个省、市、自治区物流产业的运营效率；樊敏[6]基于三阶段DEA方法构建均质化效率分析框架，在剔除外部环境变量以及随机因素对效率影响的基础上，比较相同环境及随机条件下我国八大经济区域2008年物流产业实际运作效率水平。但是，以上对物流效率的研究只考虑了资金、人员投入、产量与收益等经济指标，并没有考虑环境指标。然而，物流业作为环境污染大户，面临着巨大的节能减排压力。杨雨薇[7]指出，低碳物流目前已经成为物流业发展的一种趋势，物流业作为高能耗产业，延续以往的经营发展模式已经明显跟不上时代的发展了，必须走低碳化道路。

本文将二氧化碳排放量作为投入变量，引入三阶段DEA模型，对2008~2010年我国东部十省市物流效率进行较为系统的研究与对比，可较为准确地评估我国东部地区物流业发展的真实状况以及东部各省市物流的差异，进而通过物流效率纵向动态分析和横向差异分析，找出提高物流业技术效率的途径。

二、研究方法与数据来源

1.研究方法

传统DEA模型认为，任何与效率前沿的偏差都是由管理无效率引起的，不考虑评估决策单元所处外部环境、随机误差等对效率值的影响。针对这一缺陷，弗瑞德（Fried）等对传统DEA方法进行了修正，将投入松弛量视为决策单元的机会成本，利用随机边界分析（SFA）模型，将环境因素对投入松弛量回归方程中的随机误差项分解为统计误差项和无效率项。三阶段DEA模型将环境变量、随机误差和管理无效率纳入效率分析框架，将效率评估过程中环境因素和随机因素对相对效率的影响进行有效分离。其基本步骤是：

第一阶段：传统DEA方法。本文采用班克、查恩斯、库伯（Banker，Charnes&Cooper）提出的 CRS模型改进方案，即投入导向型规模报酬可变（BCC）模型，假定规模报酬可变，将技术效率（TE）分解为纯技术效率（PTE）和规模效率（SE）。鉴于传统DEA模型已经相当成熟，在此不赘述其原理。

第二阶段：SFA方法。在物流效率测度过程中，环境及随机因素的干扰都会导致物流效率达不到最大产出水平，为分离出外部环境及随机误差因素对效率值的影响，必须调整投入量。第二阶段通过构建类似SFA模型分离出环境因素、随机误差、管理无效率三个因素的影响，得到仅由管理无效率造成的决策单元投入冗余。

假设以j个省市的物流业作为决策单元（DMU），每个决策单元投入i种资源，xij为第j个省市物流业的第i种投入资源，sij为第一阶段第j个省市物流业的第i种投入资源的松弛变量，那么第一阶段投入松弛变量如公式（1）所示：

其中，Xi是X的第i行，Xiλ是xij对应产出向量在投入效率子集上的最优映射。此模型与随机成本边界（Stochastic Cost Frontier）模型一致。①

建立松弛变量与环境解释变量的理论模型，如公式（2）所示：

其中，zj=（z1j，z2j，...，zpj）表示 P 个影响物流业效率的可观测环境变量，βi为环境变量的待估参数向量。f（izj，β）i=zjβi是环境变量的函数，表示环境变量对决策单元投入松弛变量sij的影响方式。vij+uij为混合误差项，其中，vij指第j个省市物流业第i种投入资源非人为控制因素所造成的误差，为随机误差项，假定其服从零均值、同方差的正态分布，即vij~N（0，），uij表示管理无效率，假设其服从截断正态分布，即 uij~N+（ui，），并假设vij和uij独立不相关。特别地，令 γ=（/+），当 γ 趋近于0时，随机误差项比例较大；当γ趋近于1时，管理因素的影响较大。

为进行下一步的投入调整，有必要先从SFA回归模型的混合误差项中将随机误差项分离。通过管理无效率的条件估计[vij|vij+uij]，并借鉴约翰德罗（Jondrow）等提出的方法得到随机误差的估计：

为剥离外部环境和随机误差的影响，本文将运营环境相对有利或相对较好的各省市物流业投入变量进行调整。基于物流效率最有效的省市，以其投入量为基准，对其他省市物流业投入量调整如下：

其中，xij*和xij分别是调整后和初始的投入值，βn为环境变量参数的估计值。右边第一个方括号内的式子代表全部省市物流业调整至相同环境下，第二个方括号内的式子代表通过调整使各省市物流业处于共同的自然状态，最终使各省市物流业面临相同的环境和机会。

第三阶段：调整后的DEA方法。用调整后的DMU代替原始投入数据，再次运用BCC模型进行效率评估，此时得到的DMU效率值即为剔除了环境因素和随机误差的技术效率。

2.指标选择

在各国的产业分类体系中，几乎都没有“物流产业”，即使最先进的北美产业分类体系（NAILS）也是如此。国内大部分学者在研究过程中将物流业界定为货物运输业、仓储业、邮政业三个部门，本文采用相同的界定。

考虑到投入和产出指标的选取会直接影响评价结果，在指标的选择上应遵循以下几点：首先，选择的指标能够反映物流业竞争力水平并满足物流业效率的评价要求；其次，按照其他学者运用DEA方法评价效率的经验，输入输出指标个数之和应小于决策单元个数之和；其三，要充分考虑指标的重要性和数据的可获得性。根据以上原则并充分考虑既有研究结果，构建以下指标体系：

（1）投入指标。污染物投入处理法是评价环境效率的主要思路之一。[8]在生产过程中，期望产出总是对应着一定的资源投入以及污染物排放，期望产出与污染物之间呈现同增同减的关系，这一点类似于传统生产函数中的投入产出关系。在东部十省市物流效率评价中，社会希望污染物的排放量越少越好，符合DEA模型对投入指标的要求。遵循这一思路，本文将碳排放量作为投入要素，参考毕志雯[9]的数据处理方法，将物流业的原煤、原油、汽油、煤油、柴油、燃料油、液化石油气以及天然气的消耗量与化石燃料的CO2排放系数相乘，得到CO2排放量。因此，本文选取CO2排放量（x1j）、物流业城镇单位就业人员数（x2j）、物流业全社会固定资产投资（x3j）作为投入指标。其中，考虑到资金的时间价值，以1978年为基期，按GDP平减指数对固定资产投资额进行可比价格处理。

（2）产出指标。本文以东部十省市的物流业国内生产总值（万元）来衡量经济产出，并以1978年为基期，按GDP平减指数进行可比价格处理。

（3）环境指标。环境变量主要选择那些影响物流业效率但短期内无法控制或改变、不在样本主观可控范围之内的因素，本文选取的环境变量包括经济环境、科技水平、政府支持等。考虑到数据的可得性，本文选取各省市GDP来反映东部十省市物流业的外部经济环境，用研究与试验发展科研经费来反映当地的科技水平，用地方财政对物流业拨款占财政总支出的比例来反映政府的支持力度。其中，各省市GDP数据以1978年为基期，按GDP平减指数进行可比价格处理。

三、实证结果

1.第一阶段实证结果

将我国东部十省市物流业投入产出数据代入BCC模型，借助Deap2.1软件进行分析，得到规模报酬可变条件下的基于碳排放的物流业TE、PTE和SE，并得到投入变量的松弛变量（Slack），运算结果见表1。表1显示，2008~2010年东部十省市物流业技术效率平均值分别为0.661、0.697和0.813，可见我国东部地区物流效率偏低，除河北省、山东省连续三年达到技术效率前沿，2010年江苏省达到技术效率前沿外，其他省份物流业均无效率。

2.第二阶段实证结果

根据第一阶段Deap2.1软件的输出结果，得到每个决策单元的投入松弛量，分别用Slack1、Slack2、Slack3 表示 x1j、x2j、x3j的松弛变量，借助Frontier软件进行数据分析，得到表2。

表1 第一阶段和第三阶段输出结果

根据表2数据，单边似然比检验和环境变量的回归系数显著性检验表明，混合误差项中存在管理非效率，因此应当使用SFA分析，γ表示管理无效率方差占总方差的比率，每个回归分析都显示γ趋向于1，且显著水平均达到1%，说明管理效率存在差异，采用SFA分析是适宜的，且表明管理无效率严重影响松弛变量，而随机因素的影响几乎可以忽略不计。

3.第三阶段实证结果

PTE表示东部十省市物流业投入资源的配置、技术进步及管理的总体情况，反映一定投入条件下的产出能力。SE反映各省市物流发展规模及增长空间情况，本质上也是管理水平的反映。从表1可以看出，第一阶段与第三阶段的输出结果存在差异，在排除外部环境和随机干扰的影响后，东部十省市的PTE提高，SE大幅降低，从而引起TE的变动。经过第三阶段的运算，物流业的TE年平均值从0.730下降到0.669，PTE年平均值从0.845提高到0.898，SE年平均值从0.862下降到0.747。大部分省市物流业的TE值被高估，只有广东省物流业的TE值被小幅低估，在排除外部环境与随机干扰后，由0.618上升到0.619。物流业SE值普遍高于PTE值，表明PTE值是制约物流业效率提高的主要因素。

基于碳排放的物流业技术效率与其他学者对物流业相关研究得到的物流效率[10]存在一定的差异，排名也不尽相同，形成差异的主要原因有两点：一是传统的物流业效率测度仅考虑经济产出，不考虑环境产出；二是使用三阶段DEA方法将环境因素和随机变量排除，测算结果应当更接近事实。

表2 第二阶段SFA估计结果

四、实证结果分析

1.动态分析

从动态变化的角度整体上分析东部物流业效率。由表1可知，2008~2010年三年间东部十省市平均技术效率逐步提高，纯技术效率与规模效率也逐步提高，但尚未达到技术效率前沿。从技术效率看，2008年东部十省市平均技术效率为0.630，2009 年为 0.666，2010 年为 0.710，年平均增长率为6.2%。从纯技术效率看，2008年东部十省市平均纯技术效率为0.857，2009年为0.893，2010年为0.942，年平均增长率为4.5%。从规模效率看，2008年东部十省市平均规模效率为0.736，2009年为0.746，2010年为0.759，年平均增长率为1.3%。三年来，纯技术效率均高于规模效率，这样的结果说明，东部十省市资源利用情况较为充分，且利用率逐年提高，而物流业产业规模是限制物流业发展的关键因素，需进一步扩大。自2008年起，低碳经济逐渐提上日程，各省市都不同程度地响应我国提出的低碳经济战略，物流业低碳化发展之路也被各省市认可，这些因素是造成物流业技术效率提高的关键因素。

从动态变化的角度分别对各省市物流业技术效率进行分析。东部地区物流业技术效率的变化可分为五类，第一类为“不变”，包括河北省和山东省，这两省物流业达到技术效率前沿，三年来物流业技术效率均为1；第二类为“递增”，包括北京市和江苏省，物流业技术效率处于上升趋势；第三类为“递减”，包括海南省，说明海南省物流业技术效率处于下降趋势，急需加大物流业发展力度，提高物流效率；第四类为“先增后减”，包括天津市和广东省，这两个省市的物流业技术效率在2009年得到一定幅度的提升，但2010年出现了效率回落，发展力度不够，物流业发展持续性不强；第五类为“先减后增”，包括上海市和福建省，其中上海市的物流业技术效率尽管2009年出现了小幅度降低，但2010年物流业技术效率得到了大幅度提升。

从技术效率的变化幅度看，除福建省和海南省平均增长率为负外，其他省份平均增长率为正，其中上海市物流业平均增长率最高，达到28.2%，其次为北京市、江苏省，物流业平均增长率都在10%以上，海南省的负增长率最高，为-12.3%。根据表1的数据，上海市物流业技术效率的大幅提高主要来自于纯技术效率的大幅提高，说明其物流业管理有了大幅度提升，2010年世界博览会对上海物流业起到了一定的促进作用，期间上海市构建城市配送物流服务，拓展口岸综合服务，加强区域物流联动发展等多项措施，同时自2008年国家建设部与世界自然基金会（WWF）将上海作为低碳城市试点起，上海市采取各项减碳政策，成为上海市物流业技术效率提高的重要因素。

2.差异分析

整体来看，东部十省市物流业技术效率较低。为了对东部十省市物流效率进行差异化分析，可以0.9的效率值为临界点将东部十省市物流效率分为四种类型。第一种类型为“双高型”，即纯技术效率与规模效率均在0.9以上的省市，包括河北省、江苏省和山东省，这类省市物流业所需的改进较少。第二种类型为纯技术效率较高但规模效率较低的“高低型”，包括天津市、福建省和海南省，特别是海南省，其规模效率仅为0.185，物流业技术效率的改进方向为规模效率，后续发展的重点是扩大生产规模，实现资源的集中配置。第三种类型为纯技术效率在0.9以下但规模效率在0.9以上的“低高型”，包括广东省，在后续发展中要着重进行纯技术效率的改进，进一步提高技术管理水平。第四种类型为“双低型”，包括北京市、上海市和浙江省，这类省市在纯技术效率和规模效率方面均有较大的提升空间，基于碳排放视角的物流业改善更为困难，在今后的发展中，一方面要注重管理水平的提高，通过加强物流业内部管理、引进先进技术设备、实施集成化物流、进行科学规划、减少碳排放等方式，提高管理水平；另一方面要促进生产规模的扩大，科学规划物流业各项资源。

具体来看，就技术效率而言，山东省与河北省物流业技术效率最高，达到了技术效率前沿，即纯技术效率和规模效率同时有效，海南省最低，物流业技术效率仅为0.185，北京市物流业技术效率偏低，为0.492，天津市、上海市、福建省、山东省和广东省物流业技术效率处于0.5~0.8之间，尚存在较大的提升空间。就纯技术效率而言，在东部十省市中，河北省、山东省、海南省的纯技术效率为1，纯技术效率高于0.9的有6个省份，平均值为0.898。天津市、江苏省、福建省纯技术效率均高于0.9，北京市、上海市、广东省纯技术效率均低于0.8，有待进一步提高。从规模效率看，除河北省、山东省物流业处于规模报酬不变的情况外，大多数省份都处于规模报酬递增的状态。这说明，东部大部分省份在投入和产出方面不懈努力，使物流产业规模效率不断提高，不断接近于规模效率最优的状态。江苏省经过不懈努力，在2010年达到规模效率最优。广东省2008年规模效率为0.916，2009年规模效率为0.996，2010年规模效率为0.995，说明广东省物流业在没有达到最优生产规模时就出现了规模报酬递减，这是因为物流产业投入相对过量或过于分散，造成集中度低。因此，在以后的发展中，应适当放缓投入量增加的速度，主要考虑加强对投入资源的管理，更加充分地利用现有物流资源，以使其达到最大的产出。

五、研究结论及对策

本文运用三阶段DEA模型和我国东部十省市相关数据，对基于碳排放视角的物流业技术效率进行测定，得出如下结论：首先，东部十省市的物流业技术效率无论在空间上还是时间上，都存在异质和波动现象，外部环境和随机干扰对技术效率的测定具有重要影响，运用三阶段DEA方法非常有必要；其次，将非期望产出碳排放作为投入进行数据处理，突破了以往测定物流业技术效率只考虑经济产出的局限性，在考虑经济产出的同时考虑环境产出，避免一味追求经济产出而增加碳排放破坏环境；第三，我国东部十省市物流业技术效率差异明显，山东和河北两省达到了物流业技术效率前沿，其他省份存在上升空间，特别是海南省、北京市、天津市和上海市；第四，就东部十省市平均水平而言，东部十省市物流业存在资源消耗浪费、二氧化碳排放量较高和产出不足的现象，规模效率是制约物流业技术效率提升的关键因素，对江苏和广东两省，纯技术效率更为关键；第五，就东部十省市的物流业动态发展而言，东部物流业平均技术效率逐年提高，但仍有较大上升空间。

本文通过对东部十省市2008~2010年物流业技术效率、纯技术效率和规模效率进行研究，去伪存真，为物流产业发展战略提供政策依据，同时针对我国东部地区物流业现状，提出以下对策：

1.确立行业“高压线”，健全法律体系

从东部十省市物流业差异化分析结果可知，北京市、上海市、浙江省的物流业属于“双低型”，基于碳排放的物流业纯技术效率与规模效率较低，与之前学者的研究成果存在一定差异，北京市、上海市、浙江省通常被认为是物流业发达地区，可见不考虑环境产出、单纯考虑经济产出的研究结果不利于物流业的可持续发展。因此，急需制定我国物流业行业标准和排放标准，政府应出台低碳物流相关法律法规，进一步修改涉及能源、环保、资源等的法律，建立物流行业低碳认证体系，落实节能减排责任制，设立低碳物流园区试点，发展我国综合性碳排放权交易市场和碳金融市场。[11]

2.加强政府“碳引导”，给予政策鼓励

第二阶段的实证结果显示，政府支持在三个环境变量中对物流业效率的影响最为显著。政府应完善并建立相关激励机制和优惠政策，推动低碳物流的发展。借鉴国外低碳引导政策，国家发展和改革委员会、财政部和环境保护部应尽快制定碳排放税的征收标准，并对有利于低碳经济发展的生产者或经济行为给予补贴，对低碳经济发展实施税收优惠政策等。[12]通过政府引导以及低碳政策的激励，促进低碳物流发展，提高物流效率。

3.调整能源结构，降低能源消耗

我国物流需求随着经济的快速发展而急剧上升，物流业的能源消耗量与经济增长速度、物流规模扩张也呈正相关变化。研究结果显示，北京市、上海市、浙江省物流业技术效率之所以较低，在很大程度上与这三个省市的能源消耗量随着地区经济增长速度的持续增长，成为地区高耗能产业有关。探究我国物流业能耗高的根源，主要在于我国物流运输方式落后、物流节点优化程度不高。[13]改善物流业能源结构，需要逐步建立低碳能源系统，发展可再生能源技术、节能减排技术，同时加快低碳科研成果向现实生产力的转化，实现能源的多元化和清洁化发展。[14]

4.发展多式联运，优化物流系统

多式联运是运用集成化思路，把公路、铁路、水路、航空等各种运输方式有机联系在一起，并交织成一个安全、节约、高效、环保的完整便捷系统。[15]在同一种运输方式内部以及不同运输方式之间，通过相互协调，形成合理分工，鼓励合作经营、联合经营，发展多式联运，实现优势互补，提高综合效率，形成多种运输方式相互协调衔接的物流运输平台，进一步提高区域物流业整体效率，促进区域经济可持续发展。

5.开展逆向物流，完善物流体系

现有物流系统通常只关注货物从供应商所在地运输到客户所在地的正向物流，而忽视逆向物流过程，是一种单向型的物流发展模式，在总体结构上违背了可持续发展的原则。逆向物流重视对包装物、废弃物、退货品的回收处理，通过资源和废弃物再资源化等途径，达到保护环境、节约能源、低碳发展的目标，逆向物流的开展有利于提高物流效率。[16]

6.改善物流环节，实现低碳转变

物流系统各环节存在重复建设、规划不合理等问题，为提高物流效率，应对物流节点进行科学规划，减少其节点的浪费，实现物流系统对资源利用的最大化和效益的最大化。以低碳包装、运输、仓储、配送为主要减碳环节，实现物流作业的低碳化发展。

7.引入低碳技术，推动低碳发展

我国应进一步加强国际合作，制定低碳物流技术发展计划，逐步建立起节能和高能效、洁净煤和清洁能源、可再生能源和新能源以及碳汇能力等多元化的低碳技术体系，通过参与制定物流行业能效与碳排放标准，开展资源或强制性管理，为物流业低碳转型提供强有力的技术支撑。[17]除此之外，物流企业要高度重视低碳物流技术研发工作，整合物流企业现有的低碳技术，并加以迅速推广，积极自主研发低碳能源核心技术，推进低碳物流的实现，实现物流业的高效率。

注释：

①随机边界模型包括成本边界模型与生产边界模型。弗里德耳（Friedel et al.）在第二阶段采用随机成本边界，其原因在于，被解释变量“综合投入差额”是成本概念，综合投入差额越多，表示物流业使用的成本越多，越无效率。

[1]柳键，邱国斌.基于DEA模型的我国物流投入产出效率分析[J].物流工程与管理，2011（33）：5-9.

[2]徐鹏.基于DEA的辽宁省物流产业效率研究[D].大连：大连海事大学，2010：30-44.

[3]AmerHamdan，K.J.（Jamie）Rogers．Evaluating The Efficiency of 3PL Logistics Operations[J]．Int．J．Production Economics，2008，113：235-244.

[4]张中强.我国东部地区区域物流发展效率分析[J].中国社会科学院研究生院学报，2012（1）：77-81.

[5]钟祖昌.我国物流上市公司运营效率的实证研究[J].商业经济与管理，2011（4）：21-28.

[6]樊敏.中国八大经济区域物流产业运作效率分析——基于三阶段DEA模型[J].现代管理科学，2010（2）：48-50.

[7]杨雨薇.国内外低碳物流研究综述[J].物流工程与管理，2011（33）：1-3.

[8]李涛，傅强.中国省际碳排放效率研究[J].统计研究，2011（7）：62-70.

[9]毕志雯.低碳约束下我国物流产业技术效率动态评价——基于Meta-frontier和序列SBM-DEA的分析[D].天津：南开大学，2011：12-27.

[10]王明明.基于DEA模型的全国31省市物流业效率分析[J].科技经济市场，2011（5）：56-58.