碳排放视角下区域物流业效率及政策效应研究

王聪　陈一博

摘 要：物流业作为高碳排放行业之一，在快速发展的同时碳排放量逐年上升，已成为各方关注的焦点。基于我国2007—2019年的省级面板数据，首先运用超效率SBM-DEA模型对含碳排放约束的物流业效率进行测算和分析，随后采用双固定面板模型，检验和比较关键性政策实施前后，物流业效率与碳排放强度之间的关系变化情况。结果表明：13年间我国省级物流业效率整体上有较大幅度的提升，但地区之间差异明显，东部地区物流业效率最高，中部、东北次之，西部最低；政策的发布和实施对物流业发展方式有着显著引导作用，政策实施后，物流业效率的提高不再依靠高碳排放強度这种粗放型、低成本的方式，而是转型为对环境友好的效率型，且经济发展水平高的地区转型更为成功。因此，我国应打破物流业区域性壁垒，加强地区间交流合作；出台相关政策规划，加强政府引导作用；制定物流产业发展规划时要充分考虑区域异质性，摒弃粗放发展模式，促进物流业提质增效。

关键词：碳排放；物流业效率；超效率SBM-DEA；政策效应

中图分类号：F 275 文献标识码：A 文章编号：1672-7312（2023）05-0564-10

The Efficiency and Policy Effects of Regional Logistics Industry from the Perspective of Carbon Emissions

WANG Cong，CHEN Yibo

（Business School，University of Shanghai for Science and Technology，Shanghai 200093，China）

Abstract：The logistics industry，as one of the high carbon emission industries，has become a focus of attention as carbon emissions are increasing year by year while developing rapidly.Based on the provincial panel data of China from 2007 to 2019，this paper first measures and analyzes the efficiency of logistics industry with carbon emission constraints using the super-efficient SBM-DEA model，and then examines and compares the changes in the relationship between the efficiency of logistics industry and carbon emission intensity before and after the implementation of key policies using a double-fixed panel model.The results show that：the efficiency of Chinas provincial logistics industry as a whole has improved substantially during 13 years，but there are obvious differences between regions，with the highest efficiency in the eastern region，followed by the central and northeastern regions，and the lowest in the west；The release and implementation of the policy has a significant guiding effect on the development mode of the logistics industry，and after the implementation of the policy，the efficiency of the logistics industry no longer relies on the crude and low-cost way of high carbon emission intensity，but The transition to an environmentally friendly efficiency type，and the transformation is more successful in areas with high levels of economic development.Therefore，China should break down the regional barriers in the logistics industry，strengthen inter-regional exchanges and cooperation，introduce relevant policies and plan to strengthen the role of the governments guidance，formulate the development plan for the logistics industry to fully consider the regional heterogeneity，abandon the crude development model，and promote the logistics industry to improve quality and efficiency.

Key words：carbon emissions；logistics industry efficiency；super efficiency SBM-DEA；policy effect

0 引言

2014年11月，在APEC峰会上，中方在《声明》中承诺，到2030年前后中国的碳排放将达到峰值，这是我国首次在国际上承诺碳排放总量减排。2020年9月，习近平总书记在第七十五届联合国大会上提出了“双碳”目标，重申了2030年前达到碳排放峰值。2021年，“碳达峰”和“碳中和”也首次被写入全國两会政府工作报告。2021年10月24日，国务院印发《2030年前碳达峰行动方案》，为实现“双碳”目标作出顶层设计，强调在“十四五”期间，产业结构和能源结构调整优化取得明显进展，重点行业能源利用效率大幅提升，“十五五”期间，产业结构调整取得重大进展，清洁低碳安全高效的能源体系初步建立，确保如期实现碳达峰目标。

近年来，在一系列国家政策和市场需求的推动下，我国物流行业迅猛发展。现代物流作为连接生产和消费的重要环节，能够深化各地区之间的联系，在转变经济发展方式、促进产业调整、提升国家经济竞争力等方面发挥着重要作用[1]，物流业发展水平已成为衡量一个国家或地区综合实力的关键指标之一。然而，长期以来，我国物流业一直保持着粗放的发展模式，消耗了大量的一次和二次能源，对资源环境造成了潜在的巨大压力。从能源结构来看，物流业已成为中国最大、最重要的能源消耗和碳排放来源之一[2]。根据《中国能源统计年鉴》的统计，物流行业的能源消耗量从2000年的11 447万吨标准煤增长到2019年的43 909万吨，达到近年来的峰值，物流行业占我国全部能源消耗量的比例也从7.8%提高到9.0%。联合国政府间气候变化专门委员会IPCC第五次评估预测，如果物流业不改变高能耗发展方式，到2030年其能耗将进一步高出80%[3]。

在此背景下，调整我国物流业发展道路，大力发展高效、可持续的绿色物流，已成为必然趋势。2014年10月，国务院发布了《物流业发展中长期规划（2014—2020年）》，确定了“到2020年，基本建立布局合理、技术先进、便携高校绿色环保、安全有序的现代物流服务体系”的目标，并强调“传统的物流运作模式已难以为继”，要按照建设生态文明的要求，“大力发展绿色物流，推动节能减排，切实降低能耗、减少排放”。这标志着中国物流业的发展已经进入到了一个转型时期。而随后相继出台的新《环境保护法》《物流业降本增效专项行动方案（2016—2018年）》《关于进一步降低物流成本的实施意见》等法规政策，也再次为物流行业由“数量型”向“效率型”发展提供了依据。那么，自转型之后，物流业发展达到了怎样的成效？文中将省级物流业效率作为研究对象，从碳排放约束的视角，研究相关政策前后物流业效率的变化，并尝试提出进一步促进物流业可持续发展的政策建议。文中对合理规划、统筹和管理物流系统，进一步完善现代物流服务体系提供了一些决策参考，具有一定的现实意义。

1 文献综述

物流业效率的研究是国内外学者关注的热点。随着国家“双碳”战略的推行以及物流业高碳排放对环境造成巨大的压力，学者们开始将能耗和碳排放纳入物流业效率评价体系[4]。DENG等在低碳物流效率评价体系中引入了物流业碳排放和物流业GDP作为投入产出指标，并以DEA模型为基础，从总体水平和空间上对中国30个省份的低碳物流效率特征进行分析。研究发现，我国地区间低碳物流效率水平差异显著，总体水平较低[5]。孟奎使用三阶段DEA方法在能源消耗和碳排放双重约束下对我国中部地区的物流业效率进行研究 [6]。MARIANO等基于SBM-DEA模型在碳排放约束下对104个国家的物流效率进行了研究并排名，发现发达国家的物流业效率相对于发展中国家更高[7]。YAO等选取了2010—2015年各省的数据，采用三阶段DEA和Malmquist模型，将二氧化碳排放量作为非期望产出，从静态和动态两个方面测度一带一路沿线省份物流业效率[8]。张云宁等采用三阶段DEA模型，在考虑碳排放的情况下，对长江保护区物流行业的效率进行了测算，并利用Tobit模型对环境因素对物流效率的影响程度进行了考察[9]。陈洁等选取2004—2011年中国 30个省份物流业的面板数据，利用环境DEA技术和方向距离函数方法，在碳强度约束下对我国物流业效率的地区差异和增长来源进行实证分析，研究发现在碳强度约束下物流业效率高于未考虑碳约束时，年均增长率达到了1.9%[10]。

关于物流业效率的影响因素，王琴梅等研究发现，地理位置、经济发展水平、市场化水平和资源配置效率对物流效率存在显著促进作用，其中资源利用率和市场化的影响更大[11]；李妍等利用SBM-DEA模型对中国物流行业效率的整体水平和空间特点进行了评估，研究发现区域经济和物流发展与物流效率呈正相关关系[12]；汤中明和周玲指出我国物流业二氧化碳排放量以及单位GDP的物流成本，都与经济发展水平存在负向的相关关系[13]。杜晖将物流业碳排放作为非期望产出指标放入物流业效率评价指标体系，结合BBC效率模型和模糊集定性比较分析（fsQCA）方法，研究全国30个省份物流行业的低碳效率及不同因素组态下其多元化发展路径，发现物流管理水平和运作是提高物流效率的核心因素[14]。卢美丽通过数据包络分析方法测算我国30个省份的物流业效率，结果发现：物流业高效率的核心要素是R＆D投入、经济环境和开放程度[15]。龚雪运用DEA-Tobit模型对2010—2019年中国区域物流效率及其影响因素进行分析后发现：在多维影响因素中，信息化水平对物流效率的影响并不显著，对外开放水平、经济发展水平、能源利用率、区位因素与物流业综合效率呈现显著的正相关关系，而政府支持度、行业因素则与物流业综合效率呈现显著的负相关关系[16]。但也有研究结果显示，经济发展水平与物流业效率之间并不存在直接的正相关关系[17-18]。

综上所述，目前关于物流业效率的研究成果颇丰，但仍存在不足之处：一是目前研究方法中多使用BBC-DEA、SBM-DEA、DEA-Malmquist等模型对物流业效率进行测算，在研究中可能会存在一些情况得出多个高效DMU（测度对象），即它们的效率值均等于1，在这种情况下，就无法对其进一步排序；二是近年来我国政府出台了一系列起到关键指示作用的促进物流产业发展和提高产业效率的政策，但现有文献研究物流业效率或时间较早，或更多集中于影响因素之上，鲜有关于相关政策实施前后对物流业效率影响的研究。基于此，文中先是采用超效率SBM-DEA模型对2007—2019年我国30个省（市、自治区）碳排放约束下的物流业效率进行测算和分析，随后基于关键性政策，检验和比较政策实施前后物流业效率与碳排放之间关系的变化情况，并尝试提出相应的政策建议。

2 碳排放约束下的省级物流业效率测算

基于投入-产出视角，物流业效率可定义为在物流生产活动中产出与投入之间的比率。参照大多数学者的研究，文中以交通运输、仓储和邮政业来定义物流业，并选取超效率SBM-DEA模型，对2007—2019年间30省份（西藏自治区部分数据缺失）的物流业效率进行了测算。

2.1 研究方法

估计技术效率的方法大致可分为参数分析和非参数分析两类方法，其中，非参数分析方法中的数据包络分析法（DEA）应用最为广泛。它由Charnes在1978年提出，主要原理是在计算前沿面的基础上，运用线性规划构建包络曲线，从而对同类决策单元在多投入、多产出下的投入效率进行测度[19]。相比于测度效率的传统方法，DEA具有明显的优势，在测算中一方面不需要对各指标分别赋予权重，另一方面也不需要对数据进行无纲量化，排除了主观因素的干扰，更适合进行多投入多产出的效率测度，如政府部门支出效率等的测算。传统DEA模型可分为规模报酬不变的模型（CCR模型）和规模报酬可变的模型（BCC模型）。

然而，如果使用传统的DEA模型，在分析中可能会有一些不足：第一，传统的CCR模型和BCC模型都是径向角度模型，也就是无效DUM的改进方式是将所有的投入和产出进行同比例的放大或缩小，所以当出现非零松弛（slack）投入或产出时，可能会出现效率值估计过高的情况[20]；二是在分析结果中，CCR模型和BBC模型通常会出现多个测度对象（DMU）被评价为有效的情况，即多个有效决策单元效率值均为1，这样就无法对多个有效决策单元进行比较分析。

为了解决这两个问题，TONE KAORU于2001年提出了SBM模型[21]。与径向DEA模型不同的是，SBM-DEA模型可以同时从投入和产出两个角度来对无效率状况进行测量，因此被称为非导向（Non-oriented）模型；针对传统DEA模型无法区分和排序多个同样有效测度对象的问题，ANDERSEN和PETERSEN提出了“超效率”模型来进一步区分有效的程度[22]。该模型弥补了传统DEA模型的不足，其测算出的效率为线性连续解，无效率单元的效率值不受模型变换的影响，得出的效率值与传统DEA模型计算出的数值一样；但有效率单元的效率值却不再受到1的限制，而是以大于1的不同数值表现出来，从而可以实现决策单元的完全比较和排序。

ANDERSEN和PETERSEN提出是径向超效率模型，其他类型的距离函数也同样适用于这个模型的原理。在此基础上，TONE KAORU又于2002年提出了超效率SBM-DEA模型[23]，此模型既弥补了径向DEA模型对DUM效率值估计过高的缺陷，同时也吸纳了超效率模型可以对多个有效决策单元进行比较的优势。文中在省级物流业效率的测算中，就采用了超效率SBM-DEA模型。

2.2 指标设计

DEA模型需要设定一个投入-产出评价指标体系。对于投入指标，已有研究主要倾向于从人力、物力、财力3个视角选取[24]；对于产出指标，已有研究主要从数量和质量2个方面选取[25]。具体参考王燕等、王东方等、郑金娥等的做法 [26-28]，选取交通运输、仓储和邮政业固定资产投资额作为资本投入指标，交通运输、仓储和邮政业就业人员作为劳动力投入指标，货运量、货物周转量和物流业增加值作为期望产出指标。以往在进行物流效率研究时，往往学者着重于关注资本和劳动力因素，而环境指标较少被考虑[29]。然而，随着可持续发展的压力逐渐增大，物流业需进一步承担降低能耗和减少碳排放的重任。因此，文中将物流业碳排放作为非期望产出放入物流业效率评价指标体系。评价指标体系见表1。文中将对2007—2019年我国30省份的物流业效率进行测算和分析。数据来源为《中国统计年鉴》、国研网统计数据库、CEADs中国碳排放核算数据库等。

2.3 测算结果与分析

经测算，可以得出我国30省份2007至2019年的物流业效率值，图1展示了最高分、最低分和平均分的变化趋势。可以看到，13年间省级物流业效率的最高分和平均分大致呈增长趋势，但最低分却基本保持稳定。

由于经济发展水平、产业结构、资源配置等方面的差异，我国地区之间物流业效率存在明显差异。中国四大经济区东部地区、中部地区、西部地区、东北地区2007—2019年的物流业平均效率如图2所示。从图中可以看出，东部地区物流业效率最高，中部、东北次之，西部最低，区域之间存在显著差异。这说明物流业效率与区域经济发展水平密切相关，经济发达地区人才优势明显，技术研发投入大，交通便利且物流基础设施完善，拥有扎实的物流业发展基础。而全面提高各地区物流效率，缩小区域差距，是提高我国物流业整体效率的关键。

此外，从图2中还可以看出，2014年及以前，四大区域物流业效率波动明显，而2015年之后，则有明显的增高趋势。因此，可以合理推断，政策因素对各地区物流业效率的提升作用十分明显。2014年10月4日《物流业发展中长期规划（2014—2020年）》实施以来，各省份坚决贯彻落实党中央关于大力发展绿色物流、建立健全现代物流服务体系、加大投资支持重要物流基础设施建设的政策指示，致力于将物流业发展由原有的“数量型”逐渐向“效率型”转型升级。尤其东北地区，自政策实施后，物流业效率发展速度尤为迅猛，2016年较2014年增长约110%，可能的原因是东北地区工业基础强，物流基础设施建设速度较快，从而与东部经济发达地区联系较为便捷，且东北地区地形多平原，交通运输较于西部地区更为便利，因此发展空间较大。为更直观地反映我国各省份物流业效率的时空演变情况，结合之前测度相關结果，选取2007年、2011年、2015年和2019年的截面数据绘制我国各省份在碳排放约束下物流业效率的空间聚类图（图3），颜色越深代表物流业效率越高根据中国碳排放核算数据库，文中选择了可能产生碳排放的原煤、精煤、其他洗煤、煤块、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气共12种能源，并将其分为煤炭、石油、天然气3大类。。

从图3中可以看出，2007—2011年间，各省份物流业效率并没有太大程度的提升，这可能是因为在此期间虽然我国政府出台相关政策促进物流业平稳较快发展，而我国的物流行业一直保持着粗放式的发展模式，缺乏先进的管理经验，对节能减排方面重视不够，同时在提升物流效率方面行业技术应用还有待提高。而2015年后，我国省份物流业的空间效应开始凸显，至2019年，部分省份尤其东部地区省份物流业效率得到了较大幅度的提升，这说明国家高质量发展的相关政策在物流产业发展转型过程中发挥了至关重要的作用。

3 物流业绿色转型中的政策效应分析

3.1 模型设定及变量选取

为进一步验证在物流业绿色转型过程中的政策效应，我们将物流业效率测算中的碳排放因素作为单独的变量，构建面板数据模型

其中，effi，t是通过超效率SBM-DEA模型计算的不含碳排放约束的省级物流业效率（即将表1中的非期望产出剔除）；emissioni，t为核心解释变量，表示省份i在t年度的物流业碳排放强度；Controli，t为各控制变量；μi为个体固定效应；λt为时间固定效应；εi，t为误差项。变量设计见表2。

本部分选取2007—2019年我国30个省（西藏因相关数据缺失严重未包含）的面板数据展开实证研究，数据来源为《中国统计年鉴》、各省市自治区统计年鉴、国研网数据库、CEADs中国碳排放核算数据库等。变量描述性统计结果见表3。经检验，变量之间VIF值均小于10，因此不存在严重的多重共线性。

3.2 基准回归分析

物流业碳排放强度对物流业效率的影响的基准回归结果见表4。其中，第（1）（2）列仅考虑了物流业碳排放强度和物流业效率两大指标，第（3）（4）列加入了控制变量，第（2）（4）列分别在第（1）（3）的基础上进一步控制了时间固定效应。回归结果表明，无论是否加入控制变量，物流业碳排放（emission）对物流业效率（eff）的回归系数都在5%的水平上显著为正。初步表明，物流业碳排放强度大，能够带来更多的物流业产出，从而物流业效率会更高，即限制地区物流业碳排放不利于物流业效率的提升。这可能是因为原先的物流业发展是“数量型”的，主要通过不断增大碳排放强度这种粗放型的方式来推动物流业效率的增长，碳排放强度高，往往意味着投入方式成本较低，从而物流业效率数值较高。

3.3 分组回归分析

为了进一步检验政策《物流业发展中长期规划（2014—2020年）》的实施是否使得物流业碳排放强度对其效率的影响效果发生变化，接下来通过分组回归予以展示（表5）。因政策实施时间为2014年10月，故以2015年为时间节点，将样本分为2组，表3中第（1）列为2014年及以前样本回归结果，第（2）列为2015年及以后样本回归结果。通过比较可以看到，政策实施前，回归结果与基准回归相似，变量物流业碳排放（emission）回归系数显著为正，且数值有所增加；而政策实施后，变量物流业碳排放（emission）的回归系数为正但不再显著。这表明，在政策出台前，我国各地区物流企业的发展还是会更依赖碳排放高的低成本方式来提高物流业效率，而在绿色物流业一系列政策出台之后，各地区积极响应并采取措施，改变了原有粗放式的发展模式，由原有的“数量型”逐渐向“效率型”转型升级。此外，政策出台前后，变量经济发展水平（pgdp）的回归系数由不显著变为正向显著，说明政策出台后，经济较发达地区实施效果相对更好，物流业效率有着明显提升，这与图3的结论是一致的。

为进一步验证结论，因物流业产生碳排放的能源中，石油类约占80%，为碳排放的主要来源。因此，将变量物流业碳排放（emission）替换为物流业石油类资源碳排放（oil），同样以2015年为时间节点进行分组回归，表3中第（3）列和第（4）列分别为政策实施前后的回归检验，这与总碳排放强度研究的显著性相吻合。

4 结论与政策建议

二十大报告指出，高质量发展是全面建设社会主义现代化国家的首要任务，建设现代化产业体系要加快发展物联网，建设高效顺畅的流通体系，降低物流成本。可持续的物流业是国家实现高质量发展的重要基础条件和驱动力，是众多产业的重要支撑，对提高区域经济增长速度和质量起着带动作用，因此，研究我国物流行业效率及其影响因素具有重要的理论和现实意义。文中首先运用超效率SBM-DEA模型，测算了我国30个省（市、自治区）在碳排放约束下2007—2019年的物流业效率，并分析了变化趋势和四大经济区的空间聚类特征；后基于关键性政策，检验和比较了政策实施前后物流业效率和碳排放之间的关系及物流业效率的影响因素。结果表明：第一，2007—2019年我国30个省份整体物流业效率皆有较大幅度的提升，但由于经济发展水平、产业结构、资源配置等方面的差异，四大经济区的物流业效率差异明显，东部地区最高，中部、东北次之，西部最低；第二，在2014年10月4日《物流业发展中长期规划（2014—2020年）》实施后，全国30个省份的物流业效率相较于2007—2014年间明显提高幅度更大、提高速度更快；第三，政策文件发布前，中国主要是通过碳排放强度较高的粗放型的低成本方式来提高物流业效率，而2015年之后，省级物流业效率与碳排放强度之间关系不再显著，而与地区经济发展水平关系显著，再次验证了政策效应明显，物流业发展转换为对环境更友好的方式，且经济发展水平高的地区转型更为成功。

基于文中上述分析和论述，提出以下建议。

第一，打破物流业区域性壁垒，加强地区间交流合作。物流业发展具有区域性的特征，相对于东部地区，中西部地区在资金、人才、技术等方面存在明显劣势，技术水平较低是造成中西部地区工业落后的主要原因。因此，要大力倡導区域合作，一方面在中西部地区建设智能物流系统，投入先进的设备，开发物流信息平台，将现有物流企业进行整合与升级；另一方面引导不同地区物流企业之间的业务交流，中部地区和西部地区物流管理部门的决策者可以更便捷地借鉴东部地区的物流技术与管理经验，从而促进产业创新，提高整体物流效率，缩小地区差异。

第二，充分考虑区域异质性，因地制宜制定物流产业发展规划。各地区应立足自身比较优势，制定节能减排的政策和目标。西部地区要充分发挥自身优势，利用风能、太阳能等新能源，优化物流业能源消费结构，不断提高能源利用效率。东部地区要利用自身资金、人才、技术方面的优势，积极研究节能减排和使用可再生能源的技术与能力，更新高能耗物流设备。在东部和西部地区加快发展以及“中部崛起”的战略背景下，中部地区需要加快技术改造，优化产业结构和资源配置，提高能源利用率。相较之下，中西部地区具有更大改善空间，应在国家“一带一路”政策倡议的引导下，以中高速增长的经济产业来带动物流业的绿色转型和可持续发展。

第三，出台相关政策规划，加强政府引导作用。自2014年起政府相关物流业发展政策出台之后，我国的物流业效率明显提高幅度更大、提高速度更快。在没有政策干预的情况下，物流业行业的技术研发往往以提高盈利水平为第一目标，这既违背了经济与环境协调发展的原则，又不满足高质量发展的要求。因此，政府应加强相关政策对物流行业发展的引导作用，制定相应的财税政策和激励措施，特别是对高效节能的技术创新给予更多的政策支持和税收优惠，推动与节能低碳相关的物流技术创新，鼓励物流业向节能低碳方向发展。此外，政府部门可利用碳标识、碳排放审计、碳减排指标分担等多种政策监管工具，鼓励物流企业通过绿色技术创新来提高物流业效率。

第四，摒弃粗放发展模式，促进物流业提质增效。中国物流业发展先前主要是通过碳排放强度较高的粗放型低成本方式来提高物流业效率，这面临着要素利用效率低、分配不合理等问题，在物流业高质量发展背景下，资源节约和环境保护的任务日益艰巨，这就需要物流业在保持平稳发展的同时，摒弃以往粗放发展模式。随着数字化的发展，物流企業应引入物联网技术，实现物流设备和货物的实时监控和追踪，提高物流操作的准确性和效率结合；更多使用新能源车辆和设备，引入先进技术，提高要素综合利用效率，并注重资源节约和环境保护，做到从源头上促进物流业的提质增效。

参考文献：

[1] MALHOTRA G，MISHRA S.Effect of economic growth on the logistics sector in india[J].Theoretical Economics Letters，2019，9（01）：210-222.

[2]YANG J，TANG L，MI Z，et al.Carbon emissions performance in logistics at the city level[J].Journal of Cleaner Production，2019，231：1258-1266.

[3]Climate change 2014：Mitigation of climate change[M].Cambridge University Press，2015.

[4]OUM T H，PATHOMSIRI S，YOSHIDA Y.Limitations of DEA-based approach and alternative methods in the measurement and comparison of social efficiency across firms in different transport modes：An empirical study in Japan[J].Transportation Research Part E：Logistics and Transportation Review，2013，57：16-26.

[5]DENG F，XU L，FANG Y，et al.PCA-DEA-tobit regression assessment with carbon emission constraints of Chinas logistics industry[J].Journal of Cleaner Production，2020，271：122548.

[6]孟魁.基于三阶段DEA方法的中部六省物流效率评价[J].统计与决策，2014（02）：57-60.

[7]MARIANO E B，GOBBO J A，CAMIOTO F DE C，et al.CO2 emissions and logistics performance：A composite index proposal[J].Journal of Cleaner Production，2017，163：166-178.

[8]YAO S，MA L，LAI  Y.Low-carbon logistics efficiency measurement of provinces and cities along the belt and road[J].Ecological Economy，2020，36（11）：20-23.

[9]张云宁，刘子琦，欧阳红祥，等.低碳环境下区域物流产业效率综合研究——基于长江大保护区域19个省的实证分析[J].管理现代化，2020，40（20）：33-40.

[10]陈洁.碳强度约束下的区域物流产业效率测算——基于环境DEA技术的Malmquist-Luenberger指数方法[J].经济与管理，2014，28（03）：62-67.

[11]王琴梅，谭翠娥.对西安市物流效率及其影响因素的实证研究——基于DEA模型和Tobit回归模型的分析[J].软科学，2013，27（05）：70-74.

[12]李妍，孙振清.碳排放约束下我国物流业运行效率测算及其影响因素分析[J].商业经济研究，2021（08）：75-78.

[13]汤中明，周玲.物流业发展对低碳经济影响的实证研究[J].生态经济，2016，32（11）：84-87.

[14]杜晖.“双碳”目标下我国物流业效率提升的多元化路径探讨[J].商业经济研究，2022（04）：110-113.

[15]卢美丽.中国物流业效率提升是否有路径显现？——基于省级数据的定性比较分析[J].商业经济与管理，2020（07）：27-37.

[16]龚雪.区域物流效率测度及影响因素分析[J].统计与决策，2022，38（12）：112-116.

[17]于丽静，陈忠全.低碳视角下中国区域物流效率研究——基于SFA与PP的实证分析[J].生态经济，2017，33（04）：43-48+91.

[18]刘秉镰，余泳泽.我国物流业地区间效率差异及其影响因素实证研究——基于数据包络分析模型及托宾模型的分析[J].中国流通经济，2010，24（09）：18-21.

[19]CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978，2（06）：429-444.

[20]成刚.数据包络分析方法与MaxDEA软件[M].北京：知识产权出版社，2014

[21]TONE K.A slacks-based measure of eiency in data envelopment analysis[J].European Journal of Operational Research，2001，130（03）：498-509.

[22]ANDERSEN P，PETERSEN N C.A Procedure for ranking efficient units in data envelopment analysis[J].Management Science，1993，39（10）：1261-1264.

[23]TONE K.A slacks-based measure of super-efficiency in data envelopment analysis[J].European Journal of Operational Research，2002，143（01）：32-41.

[24]XU M.Research on the relationship between fiscal decentralization and environmental management efficiency under competitive pressure：Evidence from China[J].Environmental Science and Pollution Research，2022，29（16）：23392-23406.

[25]QIN W，QI X.Evaluation of green logistics efficiency in northwest China[J].Sustainability，2022，14（11）：6848.

[26]王燕，劉婷.碳排放约束下我国区域物流能源效率及影响因素研究[J].生态经济，2018，34（10）：14-18+90.

[27]王东方，关高峰，董千里.中国物流产业技术效率空间差异及成因分析[J].统计与决策，2018，34（08）：131-136.

[28]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.

[29]YU L， CHEN Z.Research on regional logistics efficiency in China from the perspective of low carbon：An empirical study based on SFA and PP analysis[J].Eco-economy，2017，33（04）：43-48.

（责任编辑：严焱）

收稿日期：2023-04-27

基金项目：上海市哲学社会科学一般规划项目“增值税加计抵减政策的影响研究：理论机制、效应评估与政策优化”（2020BJB005）

作者简介：王聪（1989—），女，山东济南人，博士，讲师，主要从事流通经济、财税理论与实践方面的研究工作。