基于静态与动态分析的我国区域生态物流效率评价

芦莎梅，陈 焰

（武汉理工大学，湖北 武汉 430000）

1 引言

生态物流效率是在区域生态物流发展过程中，能够同时反应某区域物流业在发展的全过程中自身产生的效益以及其对区域各方面产生的影响，包括对区域的经济、社会、生态环境等综合产生的效益[2]。关于生态物流效率的研究主要集中在考虑碳约束的生态物流效率研究，生态物流效率评价指标体系构建以及生态物流效率评价方法研究等。考虑碳约束的生态物流效率研究方面，王燕等人将是否考虑碳排放约束的我国区域物流能源效率进行对比，发现以往忽略碳排放约束的效率测度方法高估了物流业的能源效率[3]；Ami Halldorsson 认为能源效率的提升对减少物流行业碳排放，促进物流行业生态发展有一定的帮助[4]。关于生态物流效率评价指标体系构建的研究，李洁根据重庆市物流业生态化发展状况，构建了一套生态物流效率评价体系，对重庆市的生态物流效率进行研究[5]。在生态物流效率评价方法的研究方面，Daisuke Ichinose 等人利用DEA模型对日本城市固体废弃物的物流效率展开了研究[6]；周叶等人采用SE-DEA 方法对我国23 个省（市、区）的生态物流效率进行对比研究，并对影响省域物流行业生态效率的原因进行了分析[7]；李洁运用因子分析法对重庆市的生态物流效率进行评价，并依据分析结果对重庆市未来物流业生态化发展提出了建议[5]；王燕等人运用SBM-Tobit 模型测度了我国30 个省份的物流能源效率，并分析了我国物流能源效率的发展趋势[3]。

从目前关于生态物流效率的研究现状来看，存在两点不足：第一，对生态物流效率的动态分析较为少见；第二，对生态物流效率外部影响因素的研究还有待加强。为此，本文在已有文献的研究基础上，构建一套针对我国省（市、区）生态物流效率的指标体系，并分别采用DEA 和Malmquist 方法，以静态和动态分析相结合的方式对我国省（市、区）生态物流的效率进行评价。

2 研究方法

2.1 DEA方法

数据包络分析方法（DEA）是一种多投入与多产出的效率评价方法，通过投入与产出的情况用以评价各决策单元（DMU）的相对效率。这种方法不仅无需提前设定函数之间的关系，而且无需假定各指标的权重。根据规模报酬是否可变的假定，可将其分为规模报酬不变（CRS）的CCR 模型与规模报酬可变（VRS）的BCC 模型。其中，CCR 模型是以投入为导向的DEA 模型，而BCC 模型是以产出为导向的DEA模型，当规模报酬不变时，两种模型的计算结果一样，而当规模报酬可变时，两种模型的测算结果不同。考虑到本文研究对象为生态物流效率，控制投入要素更加可行，因此本文采用以投入为导向的CCR模型。

本文针对我国区域生态物流效率评价问题，将各省（市、区）看作决策单元DMU，假设共有n个决策单元DMUj（j=1,2,…,n），投入变量设为X，产出变量设为Y，则决策单元的投入产出向量分别为j=1,2,…,n。该模型进行综合效率评价时，构建的最优化线性规划如公式（1）所示：

将式（1）转化为其对偶规划，如式（2）所示：

其中，yrj为第j 个决策单元的第r 种产出变量的指标值，xij则为第j个决策单元的第i个投入变量的指标值，λj为投入产出向量的权重，θ反应决策单元的投入产出效率情况。θ=1时，该模型下的DEA有效。

12月3日，中国水利学会、清华大学、中国水利水电科学研究院在京联合召开纪念钱宁同志诞辰90周年座谈会。全国政协原副主席、中国工程院院士钱正英，水利部部长、党组书记陈雷出席座谈会并讲话。水利部副部长、党组副书记矫勇，清华大学党委书记胡和平，水利部党组成员、中纪委驻部纪检组组长董力，水利部副部长胡四一，中国水利学会理事长、水利部原副部长敬正书，水利部总工程师汪洪、总规划师周学文等出席座谈会。

通过DEAP 2.1 软件对上述公式处理的结果中，包含技术效率、纯技术效率与规模效率。其中技术效率是区域生态物流效率的度量，纯技术效率反应了区域物流技术与管理水平，规模效率反应了当前规模下区域物流产业实际产出的利用程度。

2.2 Malmquist方法

Malmquist 指数是用于衡量DEA 模型中的动态变化的测度方法。这种方法动态衡量了当年生态物流效率较上一年的变化，其中包括技术效率变化指数、技术变化指数以及全要素生产率指数，其中全要素生产率指数反应了区域生态物流全要素生产率的变化程度。

针对本文所研究的问题，设时期为t=1,2,…,T。t期和t+1期的Malmquist 指数分别为如式（3）和式（4）所示：

当规模效益不变时，Malmquist 指数可表示为全要素生产率指数=技术变化指数*技术效率变化指数。即其中技术效率变化指数为，技术效率变化指数可以分解为纯技术效率变化指数与规模效率变化指数的积。 技术变化指数为

当Malmquist指数＞1时，全要素生产率随着年份增长在提高；当Malmquist 指数=1 时，全要素生产率与前一年保持一致；当Malmquist 指数＜1 时，全要素生产率较上一年有所减少。

3 区域物流效率测算

3.1 指标选取与数据来源

由于目前我国《国民经济行业分类》（GB/T 4754-2011）中并没有将物流行业作为一个独立的行业分类，结合已有文献的处理方式[7]，本文研究的物流业包含运输业、仓储业和邮政业等在内。因此，下文的“物流业”相关指标均来自于“运输业、仓储业和邮政业”。

结合生态物流效率的内涵，参考已有文献[7]，从人力投入、财力投入与能源投入三个方面构建生态物流效率评价体系，选取“物流业从业人员数量”、“物流业固定资产投资”与“物流业能源消耗量”三个指标作为投入指标，鉴于生态物流效率需要考虑环境治理因素，因此本文加入“环境治理固定资产投资”指标作为环境治理指标。由于当前“环境治理固定资产投资”这一指标没有对各行业单独进行统计，本文将各省在这一指标上的总投资额直接作为投入变量进行处理。

产出指标方面，分别从规模和质量两个方向选择指标。结合已有文献[7]，选取货物周转量作为规模产出指标，各省（市、区）物流行业生产总值作为质量产出指标。此外，在物流活动中，往往伴随着二氧化碳的排放，在相同规模的物流活动中，碳排放越小，物流效率越高，因此将物流业碳排放作为非期望产出，并将其作为投入指标进行测算。各指标具体见表1。

本文选取2012-2016年我国各省（市、区）的物流业投入产出指标作为实验数据，数据主要源于2013至2017年的《中国统计年鉴》与各省（市、区）统计年鉴。由于浙江、重庆、西藏、宁夏与新疆物流业能源消耗量的数据缺乏，本文选取26个省（市、区）进行计算。

表1 生态物流效率评价指标体系

3.2 基于DEA的静态分析

本文运用DEAP2.1软件对生态物流效率进行评价，并根据《国务院发布关于西部大开发若干政策措施的实施意见》以及党的十六大报告的精神，将26个省（市、区）分为东部地区、中部地区和西部地区，其中，东部地区包括北京、天津、河北、辽宁、上海、江苏、福建、山东、广东与海南；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北与湖南；西部地区包括内蒙古、广西、四川、贵州、云南、陕西、甘肃与青海。为更清晰的表达不同地理位置的省域的生态物流效率的差别，现将各省（市、区）的技术效率、纯技术效率以及规模效率根据各省（市、区）的经济区分类，计算各地区的均值，并将结果绘制成趋势分析图，如图1至图3所示：

图1 2012-2016年全国和三大经济地带生态物流效率

图2 2012-2016年全国和三大经济地带纯技术效率

图3 2012-2016年全国和三大经济地带规模效率

通过观察趋势分析图，可以得出以下结论：

（1）区域生态物流的技术效率、纯技术效率与规模效率的变化趋势均为东部地区大于中部地区大于西部地区，东部地区的生态物流发展优于其他地区，西部地区的生态物流发展仍有较大的上升空间。

（2）东部地区的生态物流纯技术效率值五年来一直保持上升趋势， 2016年东部地区纯技术效率值接近1，可见东部地区当前的物流技术与管理水平几乎能够满足当前的生产需要，物流资源能够得到合理的利用。反观中、西部地区，自2013年开始，纯技术效率逐渐下降，且低于全国平均水平，东部地区与中、西部地带的纯技术效率差距逐渐扩大，说明当前中、西部地带生态物流的相关技术与管理水平均未满足当前的生产需求，应加强生态物流的技术与管理水平，提高相关资源利用率。

（3）规模效率方面，东、中部地区的差距不断缩小，到2016年，中部地区的规模效率超过东部地区。两地区的规模效率值保持在0.9左右，高于全国平均水平。而西部地区规模效率与东、中部地区差距较大，近两年的规模效率值均低于0.8，说明西部地区亟需调整当前物流产业结构，合理投入物流资源，实现物流产业规模与技术的匹配。

（4）技术效率方面，三个地区之间均有一定差距，东部地区技术效率保持上升趋势，五年间技术效率值均高于0.9，而中、西部地区生态物流效率自2014年开始逐年下降，两地区的技术效率值均低于当年全国平均水平，并且技术效率变化趋势保持一致。结合纯技术效率和规模效率可以发现，中部地区生态物流效率低于东部地区是由于其纯技术效率偏低，需要改进当前物流技术以及管理水平，保障资源的充分利用。而西部地区生态物流效率低于中部地区则是由于地区规模效率偏低，需要调整物流行业结构，优化物流资源配置。

3.3 基于Malmqusit的动态分析

前文通过DEA方法对省域生态物流进行了静态分析，为了解每一年各省（市、区）的生态物流效率较上一年的变化，现引入Malmquist 指数，对各省（市、区）生态物流进行动态分析。运用DEAP2.1 进行Malmquist指数测算，根据计算结果，将五年间全国三大经济地带全要素生产率指数均值绘制趋势分析图，如图4所示。

可以发现，东部地区的全要素生产率高于其他地区，其中西部地区全要素生产率五年间的变化趋势与全国全要素生产率均值保持一致。东部地区自2014年开始基本维持全要素生产率的上升。中、西部地区的全要素生产率除2016年较2015年有所增长外，一直保持下降趋势。值得一提的是2013年至2015年中部地区的全要素生产率指数始终低于西部地区，说明西部地区全要素生产率的下降趋势要缓于中部地区。

将2012-2016年间我国三大经济地带全要素生产率指数进一步分解，见表2。分析测算结果发现，东部地区全要素生产率指数保持不变，虽然技术进步指数有0.5%的下降，但是技术效率指数0.5%的增长抵消了技术水平的降低。中部地区全要素生产率指数降低3.2%，其中技术进步指数降低1.2%，技术效率变化指数降低2%，纯技术效率变化指数与规模效率变化指数分别降低1.8%与0.2%，说明纯技术效率的降低与技术水平的降低导致中部地区全要素生产率的下降。西部地区全要素生产率降低3%，技术效率变化指数降低4%，技术进步指数增加1.1%，说明西部地区全要素生产率的下降主要由技术效率的降低导致，技术水平提高所带来的积极影响未能修正技术效率降低所带来的消极影响。由表2中均值可知，本国生态物流全要素生产率降低2.1%，其中技术进步指数降低0.3%，技术效率变化指数降低1.8%，纯技术效率变化指数与规模效率变化指数分别降低0.6%和1.2%，这表明规模效率的降低阻碍了我国生态物流全要素生产率的提高。

图4 2012-2016年全国和三大经济地带全要素生产率指数

表2 2012-2016区域全要素生产率指数分解

为分析不同年份间全要素生产率指数变化，将2012-2016年的全要素生产率逐年分解，见表3。除2015-2016年间全要素生产率有所提高，其余年间全要素生产率分别下降5%、0.6%和5%。首先，观察表3中相应数值发现2012-2013年全要素生产率的降低是由技术变化指数下滑7.7%造成，技术效率变化指数3%的提高未能抵消技术降低带来的影响。其次，2013-2015年间技术效率变化指数分别降低5%和6%，且纯技术效率变化指数与规模效率变化指数均处下降状态，说明其间我国物流行业管理水平、物流资源利用率未能提高。最后，2015-2016年间，全要素生产率提高2.3%，其中技术进步指数与技术效率变化指数与规模效率变化指数分别提高1.1%、1.2%和2.1%，说明物流业技术水平保持进步，行业规模经济发展，虽然纯技术效率没有进一步增长，但是并未转变全要素生产率的上升趋势。纵观技术效率变化与技术变化可以发现，2012-2016年间，技术变化指数总体呈现上升趋势，物流行业技术水平逐渐提高。技术效率变化略有波动，其中，纯技术效率逐渐降低，规模效率逐渐提高，说明近年物流业技术与管理水平没有显著的提高，但物流业规模不经济问题在逐渐缓解。

表3 2012-2016年全国和三大经济地带全要素生产率指数分解

4 结论与建议

4.1 结论

本文通过分析2012-2016年各省（市、区）物流产业的相关数据，借助DEA-Malmquist研究方法对我国三大经济地带的生态物流效率进行静态与动态的分析。主要结论如下：

（1）不同地区的物流行业生态效率差距明显，总体趋势为东部地区，中部地区和西部地区的生态物流效率依次递减。其中，物流行业技术与管理水平与行业规模的不匹配导致中部地区生态物流效率无效。物流行业的规模不经济拉低西部地带生态物流效率。

（2）全国的全要素生产率在2012-2015年间处于下滑状态，在2015-2016年略微提高。其中技术变化指数自2013年开始逐年上升，可见物流技术水平每年均有所提高，而技术效率进步指数只在2016年较前一年有所提升，说明导致全要素生产率降低的主要因素是生态物流效率的降低。

4.2 建议

根据DEA-Malmquist分析结果，若要在未来进一步提高生态物流效率，可从以下几方面入手：

（1）打破区域界限，促进区域协同发展。根据本文分析结果，东部地带、中部地带、西部地带的生态物流效率值依次递减，各个区域的物流生态化发展程度分层明显。应打破区域的界限，让物流生态发展优秀的省（市、区）带动周边物流生态发展较差的省（市、区），借鉴学习相关经验，带动区域物流生态化发展，提高生态物流效率，从而提高全国生态物流效率。

（2）增强生态文明建设，形成生态发展意识。资料调查显示，2016以前，国家并未出台明确推行物流行业生态化发展的文件，应加快出台推进行业生态化发展的政策法规，发挥国家监督作用，强化物流行业生态发展意识。