低碳约束下河南省物流效率评价

2019-06-27孙瑞瑞

物流技术 2019年6期

陈焰，孙瑞瑞

（武汉理工大学物流工程学院，湖北武汉 430000）

1 引言

随着近几年我国经济的快速发展，作为国民经济和社会发展重要支柱产业之一的物流业越来越多地受到国家及地方政府的重视。2018年国务院印发了《关于推进电子商务与快递物流协同发展的意见》，要求深入贯彻实施“互联网+流通”的行动计划，提升电子商务与快递物流协同发展的水平，并提出了电商快递绿色发展的理念。在“一带一路”的政策推动下，河南省依托自贸试验区的区位优势和制度优势，通过制定专项方案、出台支持政策，加快多式联运示范工程的建设，实现做大、做强中欧班列。在当前良好大环境的支持下，河南省物流业也将迎来新的发展机遇。然而就现状来看，该省的物流业在实际运作中仍存在物流基础设施重复建设、盲目投资等现象，且缺乏进一步合理的长远规划，导致资源配置不佳、利用率低等问题。为此，本文立足低碳发展的考虑，对全省物流效率水平进行研究，为河南省物流业未来健康、可持续发展提出科学依据和政策建议。

现有文献对区域物流效率的研究主要有：Daisuke Ichinose 和 Masashi Yamamoto 等（2013）利用DEA模型分别基于固定规模报酬和可变规模报酬研究日本城市固体废弃物的物流效率[1]；郭子雪等（2018）运用DEA模型对京津冀地区的物流业效率进行分析，并对非有效的地区进行投入冗余分析[2]；俞佳立、钱芝网（2018）运用超效率DEA-Malmquist生产率指数分析长江经济带上各个省市的物流技术效率和全要素生产率的变化，同时对物流技术效率的影响因素进行研究[3]。考虑低碳约束的物流效率研究主要有：Rogers和Weber（2011）对美国的载重运输业进行研究，将资本、能源、劳动力、公路里程等作为投入指标，载重运输产值作为期望产出，二氧化碳排放量和事故引起的死亡人数作为非期望产出，利用DEA方法并结合方向距离函数分析载重运输业的效率[4]；陈文新、潘宇（2016）将碳排量作为投入指标，并利用非参数DEA-Malmquist指数对我国30个省份地区的物流效率进行研究[5]。曹兵斌等（2016）将CO2排放量作为投入指标，运用DEA 方法分析了九江市物流业的效率水平[6]。

现有研究主要从单个维度研究区域内的物流效率，对碳排放量多作投入指标处理，不能有效地反映非期望产出对物流效率的影响，且未能全面剖析低碳约束对物流效率变化的影响情况。为此，本文利用线性数据转换函数对碳排放量作非期望产出处理，采用数据包络分析方法和Malmquist 指数分析法从动态和静态两个角度分析河南省物流效率，并对比分析低碳约束对物流效率变化的影响情况，在此基础上提出促进河南省物流业发展的政策建议。

2 研究方法

2.1 DEA

数据包络分析（Data Envelopment Analysis,DEA）是由美国运筹学家Charnes 和Cooper 等（1978）人提出，该方法不需要提前设定好具体的函数形式，它可以对包含多个投入和多个产出的决策单元（Decision Making Unit，DMU）进行测度[7]。DEA方法理论中有许多模型，典型的基础模型有CCR 模型和BCC模型。其中CCR模型是基于固定规模报酬的考虑评价决策单元是否有效。但在实际情况中，受各种环境因素的影响，企业不能始终保持在最佳规模上生产，同时CCR 无法区分效率波动是由规模变化引起的还是技术变化引起的，因此Banker 等人在此基础上提出了规模报酬可变的BCC 模型，将技术效率分解为纯技术效率和规模效率。

2.2 Malmquist指数

Malmquist 指数是由瑞典经济学家Sten Malmquist 在 1953年首次提出，后经 Caves、RolfFare等人的发展，将其与DEA 方法相结合测算相邻时期的全要素生产率（TFP）变化，考虑全部投入因素（如资本、劳动力、土地、能源等）转化成为产出的效率。后来大多数学者在进行全要素生产率研究时也多采用RolfFare等构建的模型，其具体形式如下：

Fare等人（1994）为了更加深入的研究Malmquist指数的变化是由哪些因素引起的，对Malmquist 指数进行分解，将其分解为技术效率变化指数（Effch）和技术进步指数（Techch），对技术效率变化指数进一步分解为纯技术效率变化指数（Pech）和规模效率变化指数（Sech）[8]。

3 实证研究

3.1 指标选取

在以往相关研究的基础上，结合河南省物流业发展情况，选取物流固定资产投资、从业人员数量、等级公路里程为投入指标，物流业GDP、货运周转量、碳排放量为产出指标，数据来源于2008-2017年《河南统计年鉴》。除碳排放量外，其他指标均可直接获取。由于物流业产生的废气除了二氧化碳，还有运输中未完全燃烧的一氧化碳等，因此本文对碳排放量的统计根据联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change，IPCC)提供的碳排放计算指南，采用碳排放量计算公式：

式中：Ei—第i 种能源消耗量，指7 种主要能源的消耗，包括煤炭、焦炭、煤油、汽油、柴油、燃料油、天然气；NCVi—第i种能源的平均低位发热量；CEFi—IPCC 提供的碳排放系数；COFi—碳氧化因子；IPCC 默认值为1，44 和12 分别表示二氧化碳和碳的分子量。

碳排放对环境有很大的污染，在此将作为非期望产出指标。在生产要素投入一定时，非期望产出越小越好，所以在运用DEA模型进行运算时，需要对非期望产出指标进行处理。结合以往研究（如谭峥嵘[9]、相天东[10]等），本文利用线性数据转换函数来处理非期望产出指标。

3.2 静态分析

本文选择以投入为导向的DEA 模型，运用CCR模型得到技术效率值，BCC模型得到纯技术效率值，借助DEAP2.1 软件实现，最后计算得出规模效率值。

3.2.1 纵向分析。从全省整体来看，2007-2016年河南省物流效率测算结果见表1。

表1 河南省2007-2016年物流效率评价结果

随着时间的发展，全省技术效率值整体呈递增趋势，主要受纯技术效率影响较大，说明技术效率的提升主要依赖于纯技术效率的提升，但2008-2012年受规模效率负面影响，使得技术效率处于较低水平，所以规模效率的改进对技术效率的提升至关重要。

在过去的20年中，我们开展了很多关于气候变化机制性问题的研究，现在到了应该如何应对全球气候变暖的关键时期。亚洲开发银行曾经开展了“东南亚气候变化经济学”的研究，指出如果全球变暖问题得不到有效解决，印度尼西亚、菲律宾、泰国和越南等东南亚国家将遭受极为严重的影响。

从2008年开始整体规模效率在平稳递增，说明全省物流投入要素的利用率在逐年提升，但年均规模效率均小于1，尤其是在2007-2012年间，整体规模效率一直在0.9 水平以下，其主要原因在于：这几年物流业处于高速的发展阶段，物流资源大量投入，很多物流企业尚处于发展阶段，规模偏小，因此通常资源比较分散，物流效率也比较低，物流基础设施设备及固定投资等未能得到充分的利用，这也反映了在物流业快速发展的过程中，相应的物流管理水平、技术水平、人才等未能及时跟进，使得现有的物流资源没有充分利用，造成了一定的粗放浪费，未能达到规模有效。

最近两年的规模效率有了明显的提升，这也和政府及企业的整改措施以及各种先进理念的引进密切相关。伴随各种物流政策的出台以及新的资源共享模式的出现，资源也逐步得到高效整合利用，企业间扩大合作规模，使得物流效率不断提升。而纯技术效率值虽然稳定在0.9 以上，但依然没有达到有效，说明地区技术水平还需要提升，并且充分利用，才能使投入的生产要素发挥最大的价值，同时技术进步也是粗放作业转型的关键，尤其是在低碳发展已成为趋势，物流业要从高投入、高产出的粗放型发展逐渐向低碳物流方向转变。

3.2.2 横向分析。从具体城市物流效率来看，由表2可知。仅有郑州和济源的技术效率值为1，说明在过去的十年里，这两个城市的物流效率是DEA有效的，投入产出比达到最优，资源得到了充分利用。郑州之所以能够达到DEA 有效，很大程度上源于物流基础设施的完善，城市经济发展速度的加快，对城市物流需求产生较大的带动作用，同时也吸引了很多优秀的物流管理人才，为物流效率的提升奠定基础。但城市规模较小的济源市相对于其他城市而言，其物流设施的投入也比较小，由于对资源的高效利用，使得物流技术效率得以提高。

郑州、开封、洛阳、安阳、鹤壁、新乡、焦作、许昌、三门峡、商丘、周口、济源这12 个城市的技术效率均值在全省总体水平之上，说明这些地区的效率水平在过去的一段时间内总体发展较好。但是平顶山、濮阳、漯河、南阳、信阳、驻马店的效率均值均在全省平均水平之下，最低效率值仅为0.381，由此可以看出城市之间的效率水平差距较大，同时也表明若要提高全省的物流效率水平，需要缩小区域物流效率的差距，对于效率比较低的城市需要利用好现有资源，充分发挥其价值。

表2 河南省各城市物流效率评价结果

综合来看，物流技术效率受纯技术效率和规模效率的影响程度因城市而异。对于如平顶山、安阳、信阳等这些城市，一方面需要将重心放在提升纯技术效率方面，通过技术提升来达到物流业的持久良好发展，同时应积极引进先进的管理理念及优秀的管理人才；另一方面也要适当减少规模投入，如果投入规模过大会造成资源浪费，不利于物流业的可持续发展。对于如濮阳、漯河、南阳、驻马店等这些城市，在目前技术水平下，控制城市物流规模是关键，应合理控制物流设施及装备的投入，使之与目前的技术及管理水平相匹配，虽然很多城市意识到物流设施与装备的重要性，但在投入中没有进行合理的规划，形成粗放式的发展，使得这些资源没能发挥出最大的效用，所以需要每个城市加强管理，走集约、高效的发展路线。

3.3 动态分析

河南省物流效率动态分析结果见表3。其中Effch 指“技术效率变化指数”，Techch 指“技术进步指数”，Pech指“纯技术效率变化指数”，Sech指“规模效率变化指数”，Tfpch指“全要素生产率指数”。

从表3中可以看出，河南省地区全要素生产率总体是增长的，平均维持在9.1%的增长趋势，技术进步年平均增长也保持在9.9%，但是技术效率却处于下降趋势，平均下降0.7%，所以物流业的效率提升主要是由技术进步引起的。进一步分析可以看出，纯技术效率变化指数平均下降0.1%，规模效率变化指数平均提升0.3%，所以技术效率下降主要由纯技术效率下降引起。

纯技术效率表明决策单元对现有投入生产实现相应产出的能力，反映生产决策的正确与否。从历年河南省地区物流业的纯技术效率变化指数的变动来看，大多数年份处于下降的状态，只有2008-2009、2011-2012、2014-2016年呈现进步态势，也正是在最近两年的进步趋势下，纯技术效率变化有了明显的改进，所以更加需要继续加强投资规模的控制，不能盲目扩张，以牺牲资源和效率为代价，要利用现有的资源并发挥好技术潜力。从规模效率变化指数来看,有上升下降的变化，平均增长不明显，说明河南省地区的整体物流产业处于较为稳定的规模经济。

表3 2007-2016年河南省物流业全要素生产率及其分解

3.4 低碳约束对物流效率变化的影响分析

鉴于目前低碳约束对物流效率的具体影响尚不清晰，本文将进一步考量低碳约束对物流效率有何影响。在此，对比考虑低碳约束和不考虑低碳约束条件下，各自物流效率变化的特点，并作具体分析。情形一，表示不考虑低碳约束条件下，河南省物流业全要素生产率及其分解；情形二，表示考虑低碳约束条件下的全要素生产率变化情况。分析结果见表4。

由表4可以看出，在不考虑低碳的情况下，河南省物流业全要素生产率年均增长率为16%，技术进步提升16.9%，技术效率变化下降0.8%；在考虑低碳环境约束下，全要素生产率提高9.1%，技术进步变化提升9.9%，技术效率降低0.7%。由此可以看出，虽然TFP增长的主要动力依然来自于技术进步，但是相较于情形一，低碳环境下TFP下降的主要原因是技术的退步。低碳约束对技术效率变化的影响不大，但是对技术进步的影响非常明显，在不考虑低碳约束时会导致技术进步指数虚高。总体来看，在2007-2016的十年间物流业的碳排放还比较严重，忽略碳排放这一非期望产出会导致物流产业全要素生产率的高估。

从时间趋势上来看，如图1所示，两种情形下的全要素生产率指数及技术进步效率指数呈逐渐收敛的趋势，说明近几年在政府政策的引导下河南省物流业向着低碳方向发展。2007-2011的时间段内，全要素生产率指数和技术进步指数均呈现出显著的高估现象，这主要是由于前面几年物流业还处于初级发展阶段，大多是粗放型的发展模式，忽略了物流运作中产生的碳排放，并且在降低碳排放方面的技术投入也比较少，因此在环境改善方面的技术水平相对落后，导致物流效率受低碳约束的影响比较大。2011年之后在“十二五”规划的倡导下，越来越强调低碳经济、可持续发展，政府及企业方面也更加注重物流业的发展对环境的影响，从政府政策措施到企业管理制度等方面都在改善物流运营方式，使之向低碳、高效的运作模式发展，所以随着后面几年物流业的不断改善，使得低碳约束对物流技术进步的影响越来越小。