我国铁路货运效率与绿色物流发展耦合协调研究

叶善椿，何景师，肖 斌

(东莞职业技术学院 商贸学院，广东 东莞 523808)

0 引言

随着我国交通强国建设的推进，交通基础设施互联互通水平不断提升，铁路基础设施建设也得到了不断加强。2022 年我国铁路营业里程达到15.5 万km，铁路货运量达到49.3 亿t，铁路货物运输能力不断提升。在此背景下，铁路货运坚持绿色高效的发展方式，实现与绿色物流的耦合共生、协调发展，将有助于促进我国铁路运输的高质量发展。

目前，学者围绕铁路运输效率开展了大量的研究，徐吉霖[1]用传统DEA模型评价了我国铁路货物运输效率；杨佳佳[2]运用DEA-Malmquist 指数测度了1998—2017 年我国铁路运输业的客货运输效率；田强等[3]采用BCC-DEA 模型综合测度了我国31 个省(市、自治区)的铁路运输效率；刘斌全等[4]运用SBM-Malmquist 指数测算了2005—2013 年我国18个铁路局的铁路运输效率；李雪晗[5]运用传统DEA和Malmquist指数法分析了2015—2017年我国44家高速铁路公司的运营效率。关于绿色物流方面的研究，杨海涛[6]提出了天津市绿色物流体系建设方案；刘战豫等[7]指出了我国绿色物流发展面临政策法规不健全、基础设施薄弱等问题；朱芳阳等[8]测度我国产业结构升级、技术创新与绿色物流的关系；何景师等[9]评价了我国沿海三个湾区城市群的绿色物流全要素生产率；刑晓梦[10]运用灰色关联度评价了大连市绿色物流发展水平；张鹏等[11]运用层次分析法分析了快递行业绿色物流发展水平。综上，目前相关研究多是从全国或各铁路局集团公司的角度评价铁路运输效率，且大部分是对客运和货运的综合评价，从省域角度评价铁路货运效率较少，评价方法上较多采用的是传统DEA 模型，未能对DEA 有效的决策单元(DMU)进行排序；近年定量评价绿色物流发展的研究虽然较多，但对省域绿色物流发展水平测度的较少。

本研究采用超效率DEA 模型和熵权TOPSIS 法分别测度我国省域铁路货运效率和绿色物流发展水平，运用耦合协调度模型评价我国铁路货运效率与绿色物流发展之间的耦合协调关系，用障碍度模型分析其耦合协调的障碍因素。深入探讨我国省域铁路货运效率与绿色物流发展的耦合协调水平，对于提高铁路货运资源配置效率、降低铁路运输碳排放、促进绿色物流发展都有重要意义。

1 指标体系构建

参考文献[4，12]关于铁路货运效率投入产出评价指标的设置方法，投入要素主要包括资本、土地、劳动力[13]，以铁路正线延展里程、铁路货车数代表资本投入，铁路里程代表土地投入，铁路职工人数代表劳动力投入，产出要素包括铁路货物运输量和铁路货物周转量。铁路货运效率投入产出指标体系如表1所示。

表1 铁路货运效率投入产出指标体系Tab.1 Input-output index system of railway freight efficiency

根据《国家物流标准术语》(GB/T 18354—2021)对绿色物流的定义，参考文献[9，11]关于绿色物流评价指标的设置方法，在关注物流经济效益的同时注重物流活动的环境友好性，构建物流基础设施等4个准则层和物流业交通网络里程密度等14个指标层绿色物流发展评价体系。绿色物流评价指标体系如表2 所示。其中，物流业能耗水平和物流业CO2排放强度参考文献[14]的研究，将交通运输、仓储和邮政业的一次能源消耗加总并转换成碳排放量。

表2 绿色物流评价指标体系Tab.2 Evaluation index system of green logistics

鉴于数据的可得性，选择2010—2020 年我国30 个省(市、自治区)(港澳台地区和西藏自治区除外)的铁路货运和绿色物流面板数据。数据来源于各省(市、自治区)统计年鉴、《中国交通年鉴》《中国铁道年鉴》《中国物流年鉴》、国家统计局网站，对于个别缺失值采用线性插值法补齐。

2 研究方法

2.1 超效率DEA模型

由于超效率DEA 具有排序功能，能避免传统DEA 无法区分有效DMU 效率值的缺点，采用超效率DEA 模型测度铁路货运效率。对于决策单元DMUj，每个DMU 有n种投入xi(i= 1，2，…，n)，q种产出yr(r= 1，2，…，q)，其公式如下。

式中：θ为超效率值；λ为参考DMU 的系数，λ≥0；xij，yrj分别为第j个DMU 的第i个投入值和第r个产出值，j= 1，2，… ，m(j≠h)；xih，yrh分别为被评价的DMUh的实际投入值和实际产出值；n为投入指标个数；q为产出指标个数；m为DMU的个数。

2.2 熵权TOPSIS法

熵权TOPSIS 法综合了熵权法的客观赋权和TOPSIS 法能对评价值和理想值相对距离排序的优点，具有客观性强和结构合理的特点。先用极差法对原始数据进行标准化处理，然后采用熵权TOPSIS法计算绿色物流水平。

计算加权矩阵。

式中：bij为标准化处理后的值；pij为第i个评价对象第j个指标的特征比重；ej为第j个指标的熵值；wj为各评价指标的权重，wj∈[0，1]；Z为加权矩阵。

计算最优解和最劣解。

式中：为最优解；为最劣解。

计算绿色物流发展水平。

式中：，为被评价对象与最优方案和最劣方案的距离；fi为绿色物流发展水平，fi∈[0，1]，fi值越大，表明绿色物流发展水平越高，反之则越低。

2.3 耦合协调度模型

耦合协调度模型是计算两系统之间的协调发展程度，以测算系统之间的紧密配合状态。其计算过程如下。

式中：C为耦合度，C∈[0，1]，C越大，系统之间的耦合度越高；Uk为系统评价得分，k=1，2，…K，此处采用K=2，即U1为铁路货运效率，U2绿色物流发展水平；T为系统之间的综合协调指数；αk为第k个子系统的权重，取α1=α2= 0.5；D为耦合协调度，D∈[0，1]，D越大，表示系统之间的协调效应越显著，耦合协调水平越高。

参考文献[15]关于耦合协调等级划分方法，将耦合协调水平划分为10 个等级。耦合协调度等级划分标准如表3所示。

2.4 障碍度模型

为更好识别影响铁路货运效率与绿色物流发展水平耦合协调的主要障碍因素及其影响程度，引入障碍度模型，其函数形式如下。

式中：oj为第j个指标对铁路货运效率与绿色物流耦合协调的障碍度；Fj为各子系统对两者耦合协调的障碍度；vij为指标偏离度；wj为指标权重。

3 实证分析

3.1 铁路货运效率测度

利用MaxDEA软件测度2010—2020年我国30个省(市、自治区)的铁路货运投入产出效率，可以得到每年全国铁路货运效率平均值和各省(市、自治区)的2010—2020 年平均值。2010—2020 年全国铁路货运效率变化趋势如图1 所示。各省(市、自治区)的铁路货运效率平均值如图2所示。

图1 2010—2020年全国铁路货运效率变化趋势Fig.1 Trend of railway freight efficiency from 2010 to 2020

图2 各省（市、自治区）的铁路货运效率平均值Fig.2 Average railway freight efficiency of different provinces(cities and autonomous regions)

从图1 可以看出，全国铁路货运效率平均值呈先下降再上升的趋势，即2016 年之前不断下降，2017年之后不断上升。这是由于货物运输结构的变化，“十二五”期间我国铁路货运量不断下滑，而随着铁路货运改革和路网结构的优化，“十三五”时期铁路货运量不断提升。从图2 的铁路货运效率平均值来看，各省份的均值都小于1，即投入产出存在不同程度的失衡。其中，海南最低，上海次之，两省(市)铁路货运效率均低于0.9，这主要是受运输方式的影响，海南、上海具有发达的水路运输业，水路运输市场占比较高。

3.2 绿色物流发展水平测度

对2010—2020 年绿色物流评价指标进行标准化处理后，运用熵权TOPSIS法计算各省(市、自治区)绿色物流发展水平。各省(市、自治区)绿色物流发展水平如表4 所示。整体上，我国省域绿色物流发展水平不断提升，这主要是因为随着我国产业结构升级、科技创新发展和新技术运用，物流业加快绿色转型，传统物流得到不断升级。

表4 各省（市、自治区）绿色物流发展水平Tab.4 Development levels of green logistics in different provinces(cities and autonomous regions)

从各省(市、自治区)的熵权TOPSIS 结果来看，绿色物流发展水平增长速度最快的是浙江，从2010年的0.382 增长至2020 年的0.782，十年间增长了104.71%，这主要是因为浙江省积极发展绿色物流，出台了一系列绿色物流发展政策，如2014年出台了《浙江省加快推进绿色交通发展指导意见》，2019发布了我国首个省(市、自治区)绿色物流发展指数。从各省绿色物流发展水平均值来看，绿色物流发展水平区域差异较为明显，绿色物流发展水平高的省份集中在经济发展水平较高的东部沿海，如上海、广东、山东；而绿色物流发展水平低的省份集中在经济发展水平较低区域，如海南、青海、宁夏。

3.3 铁路货运效率与绿色物流发展耦合协调度分析

运用耦合协调度模型计算我国30个省(市、自治区)2010—2020 年铁路货运效率与绿色物流发展的耦合协调度。铁路货运效率与绿色物流发展耦合协调测算结果如表5 所示。从平均值来看，铁路货运效率与绿色物流发展耦合协调水平整体呈不断上升趋势，省域耦合协调度平均值由2010 年的勉强协调发展至2020年的初级协调，增长幅度为17.99%。另一方面，经过10 年发展，其耦合协调平均水平仅上升了一个等级至初级协调，铁路货运效率与绿色物流耦合协调水平偏低，与良好协调仍存在差距，这主要是因为我国物流产业高能耗、高排放等问题仍存在，绿色物流发展水平还不高。

表5 铁路货运效率与绿色物流发展耦合协调测算结果Tab.5 Coupling coordination between railway freight efficiency and green logistics development

基于铁路货运效率与绿色物流耦合协调度结果，选择2011 年、2014 年、2017 年和2020 年为代表，分析30个省(市、自治区)的耦合协调时空演变情况。铁路货运效率与绿色物流发展耦合协调时空演化如表6 所示。从表6 可以看出，铁路运货效率与绿色物流耦合协调存在空间分布不均衡特征，耦合协调水平较高的省份大部分位于东部和中部地区。这与区域经济发展水平有紧密关系。具体来看，①良好协调：北京自2014 年进入良好协调阶段，河北、天津、山东、河南也先后进入良好协调阶段，而广东仅2017 年为良好协调、四川仅2020年进入良好协调阶段，可以看出，良好协调的大部分为京津冀及其邻近省份，这是由于京津冀协同水平提升，促进了区域内及邻近省份物流发展，同时京津冀地区铁路物流较为发达，有助于铁路货运效率与绿色物流发展的耦合协调水平提升。②初级协调和中级协调：处于这两阶段的省(市、自治区)占据了一半以上，表明我国大部分省(市、自治区)的铁路货运效率与绿色物流较为协调，铁路货运效率提升与绿色物流发展相互促进作用明显；③勉强协调和濒临失调：2010—2020年间处于勉强协调和濒临失调的省(市、自治区)数量一直在减少，从侧面反映出我国铁路货运效率与绿色物流的耦合协调水平不断上升，这是因为随着经济和科技的发展，铁路货运效率和绿色物流发展水平都将得到不断提升；④轻度失调和中度失调：2010—2020年间仅海南一直处于轻度失调或中度失调阶段，这与海南地理位置、经济发展水平及铁路货运水平较低有关。

表6 铁路货运效率与绿色物流发展耦合协调时空演化Tab.6 Spatio-temporal evolution of coupling coordination between railway freight efficiency and green logistics development

3.4 耦合协调的主要障碍因素分析

利用障碍度模型分析影响铁路货运效率与绿色物流耦合协调的主要因素，有助于针对性地提出耦合协调水平提升策略。为此，借助障碍度模型测算2010—2020年铁路货运效率和绿色物流发展耦合协调的障碍度并排序。各年度耦合协调度指标层主要障碍因素如表7所示。

表7 各年度耦合协调度指标层主要障碍因素%Tab.7 Main obstacle factors of coupling coordination at indicator level

由表7 可知，2010—2020 年障碍度均值排前五的依次是：铁路货运量(10.56%)>人均货物周转量(7.27%)>铁路货物周转量(7.25%)>物流设施用地面积(6.62%)>铁路里程(6.51%)。铁路货运量、人均货物周转量和铁路货物周转量是铁路货运效率与绿色物流发展耦合协调的前三大障碍因素，表明货运产出仍然是决定铁路货运和绿色物流发展的重要因素，只有在货运产出达到一定水平后铁路货运效率和绿色物流耦合协调水平才能得到较为明显的提升。物流设施用地面积是两系统耦合协调的第四大障碍因素，这是由于近年土地价格不断上涨，造成物流设施用地成本不断抬升，影响了物流设施用地面积的扩大。铁路里程是两系统耦合协调的第五大障碍因素，这是因为铁路里程是铁路货运的基本基础设施，直接影响着铁路货运的投入。

4 结论

通过测算2010—2020 年我国30 个省(市、自治区)的铁路货运效率与绿色物流发展耦合协调度，并分析了耦合协调水平的主要障碍因素，发现：①我国铁路货运效率均值在2016 年之前呈下降趋势，2017年之后呈上升趋势，各省铁路货运效率均较低；我国省域绿色物流发展水平呈增长趋势，但整体发展水平较低。②我国铁路货运效率与绿色物流发展耦合协调水平呈不断上升趋势，由2010 年的勉强协调上升至2020 年的初级协调，但耦合协调水平不高，仍有较大发展空间。③铁路货运效率与绿色物流发展耦合协调排前五的指标层障碍因素依次为：铁路货运量、人均货物周转量、铁路货物周转量、物流设施用地面积、铁路里程。