我国物流行业全要素能源效率实证分析

吕荣胜　陈晓杰

摘要：本文基于BCC-DEA模型和DEA-Malmquist指数方法，利用2000-2011年中国30个地区的投入产出面板数据，对物流行业能源效率现状及变动原因进行分析。研究表明：我国物流行业整体能源效率水平不高，呈现从东部向中西部递减的趋势；技术进步是推动我国物流行业能源效率提高的主要因素；在一些年份和地区，纯技术效率负增长减缓甚至阻碍了物流行业能源效率的提高。因此，应对不同地区制定不同节能政策，将中西部作为我国物流行业节能的重点地区；发挥技术进步对能源效率的显著提升作用，进一步加速技术进步；将纯技术效率的提高当作物流行业能源效率提升的突破口。

关键词：物流行业；全要素能源效率；DEA；Malmquist指数

中图分类号：F25 文献标识码：A

收稿日期：2013-11-07

作者简介：吕荣胜（1951-），男，天津人，天津理工大学管理学院教授，研究生导师，研究方向：现代物流、战略管理与市场营销；陈晓杰（1989-），女，山东德州人，天津理工大学管理学院研究生，研究方向：现代物流。

基金项目：天津市政重点咨询课题“先行先试政策下官学研产节能服务平台构建研究”，项目编号：ZFZX2013-24；天津市科委软科学基金项目“面向天津市节能服务的官学研产合作模式激励机制研究”，项目编号：12ZLZLZF05600。

2011年8月，国务院通过了“十二五”期间节能减排综合性工作方案，提出到2015年万元GDP能耗比2010年降低16%的目标。伴随着节能目标的分解，各地区、各行业都面临着严峻的节能形势。2010年我国交通运输、仓储和邮政业总消耗261亿吨标准煤，在同期各行业中排名第二，仅次于制造业。物流行业作为能源消耗大户，研究其能源效率对实现“十二五”节能目标意义重大。

一、全要素能源效率内涵

“效率”包括技术效率和配置效率两部分，前者描述现有资源的最优利用能力，指在各种投入要素给定的条件下实现最大产出或者在产出水平给定时投入最小化的能力；后者则是指在要素价格一定的条件下最优投入或产出的能力。Patterson（1996）认为能源效率是指利用较少的能源投入生产同样数量的服务或者有用产出[1]，属于技术效率的范畴。魏楚（2007）也指出，一般对效率的考察和测度都是针对技术效率的。参考多数学者观点，本文的能源效率为技术效率，不涉及能源价格要素。

按照投入与产出数量的不同，能源效率可以分为单要素能源效率和全要素能源效率。单要素框架下的能源效率仅考虑生产中的有用产出和能源投入，用产出与能源投入比来刻画能源效率。虽然这种计算方法简便且易操作，在国际能源效率比较分析和国家、部门能源效率研究中得到广泛应用，但其应用也存在着较大争议：首先，由于指标的确定缺乏统一标准且指标本身存在一定缺陷，导致各种不同的研究测算出的能源效率结果差异较大[2]；其次，未考虑其他投入要素对最终产出的贡献，忽略了要素间的相互影响关系，导致能源效率估计不准确[3]。

全要素能源效率来源于微观经济学中的全要素生产理论，考虑了除能源之外的其他生产要素如劳动力、资本、知识存量等对产出的影响，弥补了单要素框架下仅考虑能源单一投入的缺陷，可以揭示一个地区资源禀赋结构对其能效的影响。在产出要素的确定上，也有学者将环境因素纳入到能源效率的分析框架中，考虑了生产中的非合意产出[4-5]，更加准确地反映了经济增长的质量。全要素能源效率用实际效率与前沿效率的比值来反映固定能源投入下实际产出能达到的最大程度，或者说产出一定的情况下能源投入的最小程度，其实质是样本点同生产前沿之间的相对距离[6]。全要素能源效率测算结果取值0-1之间，无量纲，不受要素单位变化的影响，能很好地测度能源及其他要素在生产中的技术效率[2]。

综上所述，本文从两个层面构建物流行业能源效率：首先，技术效率。在投入（或产出）一定的条件下，产出（或投入）达到最优的能力；其次，全要素框架。即除了考虑能源投入要素外，还考虑对产出做出贡献的其他要素。

二、研究方法

能源效率的计算分为确定生产前沿和测度样本点同生产前沿之间的相对距离两部分。Farrell（1957）提出了两种确定生产前沿的方法[7]：一是参数法，最具有代表性的是随机前沿分析（Stochastic Frontier Analysis，SFA），其原理是根据预先设定的函数形式估计参数，通过区分函数中的误差项来确定能源效率；二是非参数法，最典型的是数据包络分析（Data Envelopment Analysis，DEA）。参数法在应用时假设现实情况满足某种具体的生产函数形式，因此受到函数本身的限制，且如果现实不满足假设，测算结果就会有较大误差[8]。而DEA不需假定生产函数形式，避免了参数法的主观性[9]，利用线性规划进行运算避免了联立方程组偏差和方程设定误差等计量问题。另外，该方法在处理多投入、产出模型上，优于SFA方法。基于DEA方法的诸多优势，本文选取DEA方法建立能源效率评价模型。

（一）BCC-DEA模型

DEA是由Charnes A（1978）提出的基于多投入、多产出的效率评价方法[10]。根据决策单元（Decision Making Unit，DMU）的实际数据采用局部逼近方法估计生产前沿，与前沿相比较识别低效DMU，并通过测度样本点同前沿边界的相对距离测算技术效率。DEA方法可以从投入和产出两个角度来度量技术效率，投入角度考虑要素节约能力，产出角度考虑产出扩张的能力。DEA有多种模型，最常用的是CCR模型和BCC模型。CCR模型计算规模报酬不变（constant return to scale，CRS）条件下各DMU的相对效率，适合整体效率的衡量，但当DMU无效率时，不能识别是技术无效率还是规模无效率。BCC模型则假设DMU规模报酬可变（variable return to scale，VRS），并可以将技术效率分解为纯技术效率和规模效率。考虑到能源利用的基本原则是减量化，而且控制要素投入比控制产出更加实际，因此，本文采用投入导向下的BCC模型测度物流行业的能源效率。模型线性规划如下：endprint

摘要：本文基于BCC-DEA模型和DEA-Malmquist指数方法，利用2000-2011年中国30个地区的投入产出面板数据，对物流行业能源效率现状及变动原因进行分析。研究表明：我国物流行业整体能源效率水平不高，呈现从东部向中西部递减的趋势；技术进步是推动我国物流行业能源效率提高的主要因素；在一些年份和地区，纯技术效率负增长减缓甚至阻碍了物流行业能源效率的提高。因此，应对不同地区制定不同节能政策，将中西部作为我国物流行业节能的重点地区；发挥技术进步对能源效率的显著提升作用，进一步加速技术进步；将纯技术效率的提高当作物流行业能源效率提升的突破口。

关键词：物流行业；全要素能源效率；DEA；Malmquist指数

中图分类号：F25 文献标识码：A

收稿日期：2013-11-07

作者简介：吕荣胜（1951-），男，天津人，天津理工大学管理学院教授，研究生导师，研究方向：现代物流、战略管理与市场营销；陈晓杰（1989-），女，山东德州人，天津理工大学管理学院研究生，研究方向：现代物流。

基金项目：天津市政重点咨询课题“先行先试政策下官学研产节能服务平台构建研究”，项目编号：ZFZX2013-24；天津市科委软科学基金项目“面向天津市节能服务的官学研产合作模式激励机制研究”，项目编号：12ZLZLZF05600。

2011年8月，国务院通过了“十二五”期间节能减排综合性工作方案，提出到2015年万元GDP能耗比2010年降低16%的目标。伴随着节能目标的分解，各地区、各行业都面临着严峻的节能形势。2010年我国交通运输、仓储和邮政业总消耗261亿吨标准煤，在同期各行业中排名第二，仅次于制造业。物流行业作为能源消耗大户，研究其能源效率对实现“十二五”节能目标意义重大。

一、全要素能源效率内涵

“效率”包括技术效率和配置效率两部分，前者描述现有资源的最优利用能力，指在各种投入要素给定的条件下实现最大产出或者在产出水平给定时投入最小化的能力；后者则是指在要素价格一定的条件下最优投入或产出的能力。Patterson（1996）认为能源效率是指利用较少的能源投入生产同样数量的服务或者有用产出[1]，属于技术效率的范畴。魏楚（2007）也指出，一般对效率的考察和测度都是针对技术效率的。参考多数学者观点，本文的能源效率为技术效率，不涉及能源价格要素。

按照投入与产出数量的不同，能源效率可以分为单要素能源效率和全要素能源效率。单要素框架下的能源效率仅考虑生产中的有用产出和能源投入，用产出与能源投入比来刻画能源效率。虽然这种计算方法简便且易操作，在国际能源效率比较分析和国家、部门能源效率研究中得到广泛应用，但其应用也存在着较大争议：首先，由于指标的确定缺乏统一标准且指标本身存在一定缺陷，导致各种不同的研究测算出的能源效率结果差异较大[2]；其次，未考虑其他投入要素对最终产出的贡献，忽略了要素间的相互影响关系，导致能源效率估计不准确[3]。

全要素能源效率来源于微观经济学中的全要素生产理论，考虑了除能源之外的其他生产要素如劳动力、资本、知识存量等对产出的影响，弥补了单要素框架下仅考虑能源单一投入的缺陷，可以揭示一个地区资源禀赋结构对其能效的影响。在产出要素的确定上，也有学者将环境因素纳入到能源效率的分析框架中，考虑了生产中的非合意产出[4-5]，更加准确地反映了经济增长的质量。全要素能源效率用实际效率与前沿效率的比值来反映固定能源投入下实际产出能达到的最大程度，或者说产出一定的情况下能源投入的最小程度，其实质是样本点同生产前沿之间的相对距离[6]。全要素能源效率测算结果取值0-1之间，无量纲，不受要素单位变化的影响，能很好地测度能源及其他要素在生产中的技术效率[2]。

综上所述，本文从两个层面构建物流行业能源效率：首先，技术效率。在投入（或产出）一定的条件下，产出（或投入）达到最优的能力；其次，全要素框架。即除了考虑能源投入要素外，还考虑对产出做出贡献的其他要素。

二、研究方法

能源效率的计算分为确定生产前沿和测度样本点同生产前沿之间的相对距离两部分。Farrell（1957）提出了两种确定生产前沿的方法[7]：一是参数法，最具有代表性的是随机前沿分析（Stochastic Frontier Analysis，SFA），其原理是根据预先设定的函数形式估计参数，通过区分函数中的误差项来确定能源效率；二是非参数法，最典型的是数据包络分析（Data Envelopment Analysis，DEA）。参数法在应用时假设现实情况满足某种具体的生产函数形式，因此受到函数本身的限制，且如果现实不满足假设，测算结果就会有较大误差[8]。而DEA不需假定生产函数形式，避免了参数法的主观性[9]，利用线性规划进行运算避免了联立方程组偏差和方程设定误差等计量问题。另外，该方法在处理多投入、产出模型上，优于SFA方法。基于DEA方法的诸多优势，本文选取DEA方法建立能源效率评价模型。

（一）BCC-DEA模型

DEA是由Charnes A（1978）提出的基于多投入、多产出的效率评价方法[10]。根据决策单元（Decision Making Unit，DMU）的实际数据采用局部逼近方法估计生产前沿，与前沿相比较识别低效DMU，并通过测度样本点同前沿边界的相对距离测算技术效率。DEA方法可以从投入和产出两个角度来度量技术效率，投入角度考虑要素节约能力，产出角度考虑产出扩张的能力。DEA有多种模型，最常用的是CCR模型和BCC模型。CCR模型计算规模报酬不变（constant return to scale，CRS）条件下各DMU的相对效率，适合整体效率的衡量，但当DMU无效率时，不能识别是技术无效率还是规模无效率。BCC模型则假设DMU规模报酬可变（variable return to scale，VRS），并可以将技术效率分解为纯技术效率和规模效率。考虑到能源利用的基本原则是减量化，而且控制要素投入比控制产出更加实际，因此，本文采用投入导向下的BCC模型测度物流行业的能源效率。模型线性规划如下：endprint

摘要：本文基于BCC-DEA模型和DEA-Malmquist指数方法，利用2000-2011年中国30个地区的投入产出面板数据，对物流行业能源效率现状及变动原因进行分析。研究表明：我国物流行业整体能源效率水平不高，呈现从东部向中西部递减的趋势；技术进步是推动我国物流行业能源效率提高的主要因素；在一些年份和地区，纯技术效率负增长减缓甚至阻碍了物流行业能源效率的提高。因此，应对不同地区制定不同节能政策，将中西部作为我国物流行业节能的重点地区；发挥技术进步对能源效率的显著提升作用，进一步加速技术进步；将纯技术效率的提高当作物流行业能源效率提升的突破口。

关键词：物流行业；全要素能源效率；DEA；Malmquist指数

中图分类号：F25 文献标识码：A

收稿日期：2013-11-07

作者简介：吕荣胜（1951-），男，天津人，天津理工大学管理学院教授，研究生导师，研究方向：现代物流、战略管理与市场营销；陈晓杰（1989-），女，山东德州人，天津理工大学管理学院研究生，研究方向：现代物流。

基金项目：天津市政重点咨询课题“先行先试政策下官学研产节能服务平台构建研究”，项目编号：ZFZX2013-24；天津市科委软科学基金项目“面向天津市节能服务的官学研产合作模式激励机制研究”，项目编号：12ZLZLZF05600。

2011年8月，国务院通过了“十二五”期间节能减排综合性工作方案，提出到2015年万元GDP能耗比2010年降低16%的目标。伴随着节能目标的分解，各地区、各行业都面临着严峻的节能形势。2010年我国交通运输、仓储和邮政业总消耗261亿吨标准煤，在同期各行业中排名第二，仅次于制造业。物流行业作为能源消耗大户，研究其能源效率对实现“十二五”节能目标意义重大。

一、全要素能源效率内涵

“效率”包括技术效率和配置效率两部分，前者描述现有资源的最优利用能力，指在各种投入要素给定的条件下实现最大产出或者在产出水平给定时投入最小化的能力；后者则是指在要素价格一定的条件下最优投入或产出的能力。Patterson（1996）认为能源效率是指利用较少的能源投入生产同样数量的服务或者有用产出[1]，属于技术效率的范畴。魏楚（2007）也指出，一般对效率的考察和测度都是针对技术效率的。参考多数学者观点，本文的能源效率为技术效率，不涉及能源价格要素。

按照投入与产出数量的不同，能源效率可以分为单要素能源效率和全要素能源效率。单要素框架下的能源效率仅考虑生产中的有用产出和能源投入，用产出与能源投入比来刻画能源效率。虽然这种计算方法简便且易操作，在国际能源效率比较分析和国家、部门能源效率研究中得到广泛应用，但其应用也存在着较大争议：首先，由于指标的确定缺乏统一标准且指标本身存在一定缺陷，导致各种不同的研究测算出的能源效率结果差异较大[2]；其次，未考虑其他投入要素对最终产出的贡献，忽略了要素间的相互影响关系，导致能源效率估计不准确[3]。

全要素能源效率来源于微观经济学中的全要素生产理论，考虑了除能源之外的其他生产要素如劳动力、资本、知识存量等对产出的影响，弥补了单要素框架下仅考虑能源单一投入的缺陷，可以揭示一个地区资源禀赋结构对其能效的影响。在产出要素的确定上，也有学者将环境因素纳入到能源效率的分析框架中，考虑了生产中的非合意产出[4-5]，更加准确地反映了经济增长的质量。全要素能源效率用实际效率与前沿效率的比值来反映固定能源投入下实际产出能达到的最大程度，或者说产出一定的情况下能源投入的最小程度，其实质是样本点同生产前沿之间的相对距离[6]。全要素能源效率测算结果取值0-1之间，无量纲，不受要素单位变化的影响，能很好地测度能源及其他要素在生产中的技术效率[2]。

综上所述，本文从两个层面构建物流行业能源效率：首先，技术效率。在投入（或产出）一定的条件下，产出（或投入）达到最优的能力；其次，全要素框架。即除了考虑能源投入要素外，还考虑对产出做出贡献的其他要素。

二、研究方法

能源效率的计算分为确定生产前沿和测度样本点同生产前沿之间的相对距离两部分。Farrell（1957）提出了两种确定生产前沿的方法[7]：一是参数法，最具有代表性的是随机前沿分析（Stochastic Frontier Analysis，SFA），其原理是根据预先设定的函数形式估计参数，通过区分函数中的误差项来确定能源效率；二是非参数法，最典型的是数据包络分析（Data Envelopment Analysis，DEA）。参数法在应用时假设现实情况满足某种具体的生产函数形式，因此受到函数本身的限制，且如果现实不满足假设，测算结果就会有较大误差[8]。而DEA不需假定生产函数形式，避免了参数法的主观性[9]，利用线性规划进行运算避免了联立方程组偏差和方程设定误差等计量问题。另外，该方法在处理多投入、产出模型上，优于SFA方法。基于DEA方法的诸多优势，本文选取DEA方法建立能源效率评价模型。

（一）BCC-DEA模型

DEA是由Charnes A（1978）提出的基于多投入、多产出的效率评价方法[10]。根据决策单元（Decision Making Unit，DMU）的实际数据采用局部逼近方法估计生产前沿，与前沿相比较识别低效DMU，并通过测度样本点同前沿边界的相对距离测算技术效率。DEA方法可以从投入和产出两个角度来度量技术效率，投入角度考虑要素节约能力，产出角度考虑产出扩张的能力。DEA有多种模型，最常用的是CCR模型和BCC模型。CCR模型计算规模报酬不变（constant return to scale，CRS）条件下各DMU的相对效率，适合整体效率的衡量，但当DMU无效率时，不能识别是技术无效率还是规模无效率。BCC模型则假设DMU规模报酬可变（variable return to scale，VRS），并可以将技术效率分解为纯技术效率和规模效率。考虑到能源利用的基本原则是减量化，而且控制要素投入比控制产出更加实际，因此，本文采用投入导向下的BCC模型测度物流行业的能源效率。模型线性规划如下：endprint