中国物流业绿色发展效率时空演化及因素分解研究

刘小兰 朱颖

摘 要：在考虑物流业能耗和碳排放的基础上，运用DEA模型和Malmquist指数模型对中国30个省市区2003—2018年的物流业绿色发展效率、绿色全要素生产率及其分解情况进行测度分析。研究发现：中国物流业绿色发展效率总体呈现出“U”字形趋势，中国各省市物流业绿色全要素生产率指数均小于1，呈现负增长态势，其中技术退步是导致中国物流业绿色发展效率下降的最主要原因。为提高物流业绿色发展效率，从积极落实碳交易政策、加大技术及教育投入、加强区域协作以及因地制宜地制定政策和进行投资等方面提出对策建议。

关键词：低碳；物流效率；数据包络分析；Malmquist指数

中图分类号：F259.27   文献标识码：A 文章编号：1005-6432（2023）25-0168-05

DOI：10.13939/j.cnki.zgsc.2023.25.168

1 引言

当前我国物流业发展仍属于要素投入型，存在能源消耗过快、环境污染严重、运作效率低等问题，是碳减排的重点行业，因此，加快发展绿色物流，整合运输资源，提高利用效率，成为现阶段发展目标。就学术界现有研究动态来看，关于物流业发展效率的研究方法主要有参数法和非参数法。在参数法方面，韩东亚等［1］选择80家物流上市公司为样本，运用SFA模型对物流业效率进行实证研究。樊元等［2］运用SFA模型选择我国30个省市地区对不同区域物流效率进行测算。刘瑞娟等［3］采用SFA模型测算物流产业效率并检验交通基础设施对其的空间溢出效应。在非参数法方面，郑金娥等［4］运用DEA-BCC模型对长江经济带11个省份的物流效率进行分析。李玥等［5］运用DEA方法和Malmquist生产率指数法对长江经济带物流全要素生产率进行测定。姚山季等［6］运用三阶段DEA和Malmquist模型，以“一带一路”沿线省份为研究对象，将二氧化碳排放量纳入评价体系对其物流业效率进行测度。

基于此，文章选择我国30个省市区为研究对象，从静态及动态视角运用DEA模型和Malmquist指数法测算物流业发展效率和绿色全要素生产率，从不同角度进行更全面的分析，最后结合我国发展现状提出针对性的建议。

2 方法与数据

2.1 研究方法

2.1.1 静态效率评价模型及因素分解

数据包络分析法（DEA）是一种运用线性规划测度和评价决策单元（DMU）效率的方法，适合于多投入、多产出的DMU效率评价。文章选择投入导向下的DEA模型对我国物流绿色发展效率进行静态评价。

假设有n个DMU，每个DMUj（j=1， 2， …， n）均包含m种投入要素，记为xij（i=1，…，m）； s种产出要素，记为yrj（r=1， …， s）；每个DMU都保持规模报酬不变，构建DEA-CCR模型如下：

minθ

s.t.nj=1λjxij+s-i=θxijo

nj=1λjyrj-s+r=yrjo

λj≥0， j=1， 2， …， n

s-i≥0， s+r≥0（1）

式中，目标函数值θ为DMU物流业绿色发展效率，0≤θ≤1； λj为权重向量；si-， sr+为松弛变量。

在DEA-CCR模型的基础上增加∑nj=1λj=1的约束条件，生成DEA-BCC模型，用于评价物流业绿色纯技术效率，且规模效率=绿色发展效率/绿色纯技术效率。

2.1.2 动态效率评价模型及因素分解

Malmquist指数用于表示跨期生产率效率的变动。在DEA-CCR和DEA-BCC模型的基础上得到Malmquist指数的距离函数Dtc（xtr， ytr）和Dtv（xtr， ytr），则从t时期到t+1时期的全要素生产率（tfpch）为：

tfpch=effch×techch=pech×sech×techch=Dt+1c（xt+1r， yt+1r）Dtc（xtr， ytr）×Dtc（xt+1r， yt+1r）Dt+1c（xt+1r， yt+1r）×Dtc（xtr， ytr）Dt+1c（xtr， ytr）12=Dt+1v（xt+1r， yt+1r）Dtv（xtr， ytr）×Dt+1c（xt+1r， yt+1r）/Dt+1v（xt+1r， yt+1r）Dt+1c（xtr， ytr）/Dt+1v（xtr， ytr）×Dtc（xt+1r， yt+1r）Dt+1c（xt+1r， yt+1r）×Dtc（xtr， ytr）Dt+1c（xtr， ytr）12（2）

全要素生產率（tfpch）可以分解为技术效率变化（effch）和技术进步变化（techch），在规模报酬不变的假设条件下，技术效率变化（effch）又可以分解为纯技术效率变化（pech）和规模效率变化（sech）。

2.2 评价指标体系构建及数据来源

2.2.1 评价指标体系构建

在考虑指标科学性、完备性以及数据可获得性的基础上，选取除中国西藏自治区、中国香港特区、中国澳门特区、中国台湾之外的30个省市区作为研究对象，构建中国物流业绿色发展效率评价指标体系，如表1所示。

其中物流资本存量借鉴张军等［7］的做法进行计算；物流业能源消耗量运用能源折标准煤系数折算成标准煤；物流业CO2排放量运用线性数据转换函数法［8］将其转换为期望产出。

2.2.2 数据来源

文章采用交通运输、仓储和邮政业的相关数据反映我国物流业的情况；基础数据主要来源于国家统计局、CEADs中国碳核算数据库、中国商务年鉴、中国能源统计年鉴等。

3 实证分析

3.1 物流业绿色发展效率静态分析

3.1.1 物流业绿色发展效率时间演进分析

按国家统计局划分方式将30个省市区分为东部、中部和西部三个区域，得到时间演变趋势，如图1所示。

图1 区域划分及2003—2018年中国物流业绿色效率总体特征

研究期内，我国物流业绿色发展效率呈现出2003—2008年下降、2009—2013年调整、2014—2018年上升的“U”字形趋势。这是由于在“十一五”期间，物流业在需求驱动下依靠能源和要素投入取得了迅猛的发展，但造成大量的能耗以及严重的环境污染，使得其在2003—2008年不断下降；直至2008年金融危机的影响，经济增速放缓，物流需求减少，且此时粗放式的物流发展模式与我国的发展不再适用，改变了我国物流业绿色发展效率一路下降的趋势，使其在2009—2013年趋于平缓；2013年，国家坚持稳中求进的工作总基调，经济运行稳中向好、效益持续提高，清洁能源消费比重增加、绿色物流得到良好发展，使其在2014—2018年有显著提升。

从分解视角来看，纯技术效率变动趋势与绿色发展效率总体一致，表现为东部明显高于其他地区和全国均值，中部和西部总体落后于全国均值，中部波动较大，可以看出纯技术效率是造成各地区差异显著的主要原因。规模效率除东部在2003—2007年波动较大外，各地区均接近最优前沿面。

3.1.2 物流业绿色发展效率空间差异分析

为进一步分析物流业不同发展阶段中各省市区间的效率差异，将各省市区在“U”字形三个阶段的物流业绿色发展效率均值进行统计，结果如表2所示。

研究期内，河北、内蒙古、安徽、青海、宁夏的物流业绿色发展效率值始终有效，说明这些地区物流业资源配置合理，不存在投入冗余或产出不足；新疆在第二阶段加入DEA有效的行列，辽宁、上海在第三阶段达到有效，说明这些地区对资源保护及碳排放的重视程度不断加深，有较高的物流碳排放绩效水平；贵州、云南、陕西地区在三个阶段中始终处于低效率行列，说明这些地区物流业投入与产出不匹配，应加强对资源的约束并减少物流过程中的碳排放。

3.2 物流业绿色发展效率动态分析

3.2.1 物流业绿色全要素生产率时间演进分析

2003—2018年中国物流业全要素生产率指数的变动与分解结果，如表3所示。我国物流业绿色全要素生产率平均下降26.4%，主要是由于技术进步指数平均下降26.2%所造成。从技术效率分解项的角度考虑，导致技术效率下降的主要原因是纯技术效率，因为纯技术效率变化指数平均下降0.6%，而规模效率变化指数平均增长0.4%。不难看出，物流业绿色全要素生产率在技术退步和纯技术效率下降的双重影响下下降了26.4%。

3.2.2 物流业绿色全要素生产率空间差异分析

2003—2018年中国各省市区物流业全要素生产率指数的变动与分解结果，如表4所示。

从区域视角来看，研究期内全国和东中西部物流业绿色全要素生产率分别为0.736和0.739、0.701、0.763；从分解指标来看，造成技术效率下降的主要原因均为技术进步的贡献率低，在中部地区体现尤为显著，其技术效率变化、纯技术效率变化、规模效率变化均大于1，而技术进步下降30.6%，导致绿色全要素生产率下降29.9%；全国和东中西部规模效率增长率为0.4%和0.1%、0.6%、0.3%，增幅极小，表明我国物流业的现有规模仍需进一步扩大。

从省域视角来看，研究期内我国30个省市区的物流业绿色全要素生产率指数均小于1，呈现负增长态势，可见各省市区在降低能耗及碳排放方面的措施成效不足。从分解指标来看，30个省市区中有22个规模效率大于等于1，其余降低最多的也仅下降0.2%，究其原因，与我国近年来对物流行业的重视和整顿是分不开的，随着物流行业不断实现规模化、专业化和社会化，物流业规模效应显现，规模效率得以提升。

4 研究结论与政策启示

4.1 研究结论

从静态角度来看，研究期内我国物流业绿色发展效率总体呈现出先下降再调整后上升的“U”字形趋势；东部地区明显高于其他地区和全国平均值，中部和西部地区总体低于全国平均值，中部地区波动较大；从分解指标来看，我国物流业绿色纯技术效率与绿色发展效率变动趋势总体一致，绿色纯技术效率是造成各区域间物流业绿色发展效率差异显著的主要原因。

从动态角度来看，研究期内我国物流业绿色发展效率总体呈现下降趋势；分省份来看，我国30个省市区的物流业绿色全要素生产率指数均小于1，呈现负增长态势；从分解指标来看，大部分规模效率变化指数都大于1，然而技术进步变化指数却全部小于1，说明技术退步是导致我国物流业绿色发展效率下降的最主要原因。

4.2 政策启示

其一，积极落实碳交易政策。从包装、运输、配送等各方面实现低碳。其二，加大技术和教育投入。一方面，推动绿色生产技术的研发与创新，提高技术进步贡献率；另一方面，增强公民的环境保护意识以及为绿色技术发展提供人力资源保证。其三，加强区域间协作。实现优势互补，优化资源配置，以点带面，最终实现整体优质发展。其四，因地制宜地制定政策和进行投资。通过考虑各地区不同的资源禀赋，从政策、資金、人力和能源上进行不同的重点投入。

参考文献：

［1］韩东亚，刘宏伟.我国物流业技术效率及影响因素：来自上市公司的实证研究［J］.中国流通经济，2019，33（11）：17-26.

［2］樊元，马丽梅.基于SFA的中国地区物流效率研究［J］.商业时代，2011（27）：39-40.

［3］刘瑞娟，王建伟，黄泽滨.交通基础设施、空间溢出效应与物流产业效率：基于“丝绸之路经济带”西北5省区的实证研究［J］.工业技术经济，2017，36（6）：21-27.

［4］郑金娥，关高峰，杜厚维.长江经济带省域物流业效率差异研究［J］.统计与决策，2020，36（11）：110-113.

［5］李玥，李成标.长江经济带物流全要素生产率测度及时空演变［J］.统计与决策，2018，34（19）：109-113.

［6］姚山季，马琳，来尧静.“一带一路”重点省份低碳物流效率测度［J］.生态经济，2020，36（11）：18-24.

［7］张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000［J］.经济研究，2004（10）：35-44.

［8］卞亦文.基于DEA理论的环境效率评价方法研究［D］.合肥：中国科学技术大学，2006.