丝绸之路经济带沿线区域低碳物流效率测度及影响因素研究

李凤 郭烨锋

摘要：实现“双碳”目标，发展低碳物流是必由之路。文章选取2010—2020年丝绸之路经济带沿线的我国12个省、自治区、直辖市相关数据，采用三阶段DEA模型和全局Malmquist指数分析沿线区域低碳物流效率，并采用Tobit回归分析影响因素。结果表明：研究期内，丝绸之路经济带沿线区域低碳物流效率呈波浪式变化态势；地区科技水平越高越能有效减少低碳物流投入冗余，产业结构越合理越能有效减少人力资源浪费；加强融合基础设施建设、提升货物进口额和能源利用效率对提高低碳物流效率有促进作用，传统基础设施建设和纯新型基础设施建设则对低碳物流效率的提高有抑制作用。今后应积极推动传统物流产业数字化转型，进一步优化能源结构，助推低碳物流高质量发展。

关键词：丝绸之路经济带；低碳物流效率；SBM模型；全局Malmquist指数；Tobit回归

中图分类号：F503；C812     文献标志码：A  文章编号：1007-8576（2024）02-0070-11

DOI：10.16716/j.cnki.65-1030/f.2024.02.007

On Low-Carbon Logistics Efficiency of Regions

along the Silk Road Economic Belt

LI  Feng， GUO  Yefeng

（Xinjiang University of Finance and Economics， Urumqi 830012， China）

Abstract： In the context of China's carbon peaking and carbon neutrality goals， the low-carbon logistics efficiency along the Silk Road Economic Belt has become an issue worth studying. This study selected data from provinces along the Silk Road Economic Belt from 2010 to 2020， analyzed their low-carbon logistics efficiency from both static and dynamic perspectives by using three-stage DEA and global Malmquist index and analyzed its influencing factors by using Tobit regression. The research has found that excellent regional technological level can effectively reduce redundancy in low-carbon logistics investment， and a reasonable industrial structure can effectively reduce waste of manpower investment. The overall low-carbon logistics efficiency along the Silk Road Economic Belt shows a wave like development trend. The integration of infrastructure construction， import value of goods， and energy utilization all play a role in promoting low-carbon logistics efficiency. Traditional infrastructure construction and purely new-type infrastructure have an inhibitory effect on low-carbon logistics efficiency. In the future， it is of great necessity to actively promote the digital transformation of the traditional logistics industry， further optimize the energy structure， and promote the high-quality development of low-carbon logistics.

Key words： the Silk Road Economic Belt; low-carbon logistics efficiency; SBM model; global malmquist index; Tobit regression

一、問题的提出

2020年9月22日，国家主席习近平在第七十五届联合国大会一般性辩论上发表重要讲话时说：“中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于 2030年前达到峰值，努力争取2060年前实现碳中和。”2022年10月，党的二十大报告指出，“推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节”。物流业作为联结国家贸易的重要纽带，能够协调各区域共同发展，促进产业分工合作，是经济发展的支柱产业。“十三五”时期，我国物流业迅速发展，但因传统物流业具有高投入、高能耗、高排放特点，故对环境造成了很大负担。2020年，我国物流业能源消耗量达3.85亿吨标准煤，占能源消耗总量的7.73%1，大力发展节能高效的低碳物流已成为实现碳达峰、碳中和的必由之路。同时，自共建“一带一路”倡议提出以来，丝绸之路经济带物流业发展极大地促进了中国与沿线国家的贸易合作。因此，在“双碳”目标背景下，研究丝绸之路经济带沿线区域低碳物流效率的提升路径对物流业绿色发展具有非常重要的意义。

目前国内学界对物流效率的研究成果较为丰富，学者们基于不同的视角、采用不同的方法、选取不同的区域测度物流效率。如：杜晖等［1- 2］基于全国视角探讨物流效率提升路径；郑金娥等［3-4］从省域视角研究特殊城市群物流效率情况；秦雯等［5-6］基于传统BCC模型探讨粤港澳大湾区和环渤海区域物流效率；龚雅玲等［7-8］基于DEA模型对区域物流效率进行测度；邓红星等［9-10］引入Malmquist指数研究区域物流效率的时空动态变化。此外，在有关“一带一路”的研究中，黄庆华等［11-13］通过构建数据包络模型探讨“一带一路”节点城市物流效率，杨雪［14］利用三阶段DEA方法探讨了“一带一路”沿线区域低碳物流效率问题，姚山季［15］采用Malmquist指数模型分析“一带一路”沿线区域低碳物流效率问题。

从现有文献来看，相关研究还需进一步拓展：一是多数研究着眼于全国、其他城市群的物流效率，而关于丝绸之路经济带的相关研究较为缺乏；二是既有关于“一带一路”的研究着重于分析沿线地区物流效率，鲜有文章探究区域物流效率的前置影响因素。本文基于时空动态视角，选取2010—2020年丝绸之路经济带沿线的我国12个省、自治区、直辖市2相关数据，采用三阶段DEA模型对区域低碳物流效率进行测度，并选取全局Malmquist指数进行分析。

二、研究方法、指标选取与数据来源

（一）研究方法

1.三阶段DEA模型。本文采用三阶段DEA模型测度2010—2020年丝绸之路经济带沿线区域中我国12个省、自治区、直辖市的低碳物流效率。第一阶段构建了带有非期望产出的SBM模型［16］，模型具体形式如下：

[ρ=min1?1mi=1msxixi01+1s1+s2k=1s1sykyk0+l=1s2szlzl0] （1）

模型（1）中：[ρ]代表低碳物流效率，当[ρ=1]时，表明低碳物流效率达到了有效状态；[m]、[s1]、[s2]分别表示投入指标、产出指标和非期望产出指标的个数；[sx]、[sy]、[sz]分别表示投入指标、产出指标和非期望产出指标的松弛值；[x]、[y]、[z]分别为投入指标、产出指标和非期望产出指标。同时，模型（1）还满足如下约束条件：[xi0=j=1nλjxj+sxi]，[yk0=j=1nλjyj?syk]，[zl0=j=1nλjzj+szl]。

第二阶段本文采用SFA回归方法确定环境变量，即以各地区环境变量对投入松弛值进行SFA回归分析，并根据回归结果剔除各地区环境影响因素与随机扰动项。本文构造的SFA回归函数为：[Sni= f（Zi;βn）+νni+μni]。其中，[Sni]为第[i]个沿线地区第[n]项投入的松弛值，[Zi]为环境变量，[βn]为环境变量的系数，[νni]为随机干扰项，[μni]为管理无效率项。为将所有决策单元置于同一外部环境中进行评价，需将[νni]与[μni]进行分离，分离出[νni]后，再剔除环境因素、随机误差因素对决策单元的影响，将研究区域外部环境调整至同一水平。

第三阶段本文采用带有非期望产出的SBM模型对调整后的投入值进行测算，得到剔除环境影响因素后的丝绸之路经济带沿线区域低碳物流效率值。

2.全局Malmquist指数及分解。本文运用全局Malmquist指数及分解方法对丝绸之路经济带沿线12个区域低碳物流效率进行评价。全局Malmquist指数可分解为技术效率变动（EC）和技术进步变动（BPC）两部分，即[MLGc=MLECc×MLBPCc]，[MLGc]是将低碳物流效率置于同一前沿面进行评价的Malmquist指数，指数值大于1说明效率提升。

3.Tobit回归模型。本文采用Tobit回归模型对低碳物流效率进行影响因素分析，模型形式为：

[Yij=1α0+α1Xij+α2Yij+α3Zij+…+uij0]     （2）

模型（2）中，[Yij]表示[i]地区[j]年低碳物流效率值，[X]、[Y]、[Z]为解释变量，[α0]为常数项，[α1、α2、α3]为各解释变量的待估参数，[uij]为残差项。

（二）指标选取

1.投入产出与环境变量指标。本文借鉴秦雯等人［5-6，17-19］的研究，构建丝绸之路经济带低碳物流效率投入产出与环境变量指标体系。其中：投入指标以人力投入、财力投入和能源投入来衡量，期望产出指标以物流业货运量和物流业增加值来衡量，非期望产出指标以碳排放量来衡量，环境变量包括地区科技水平、地区经济水平和地区产业结构。本文构建的丝绸之路经济带低碳物流效率投入产出与环境变量指标体系如表1所示。

2.低碳物流效率影响因素评价指标。借鉴既有研究，本文从基础设施建设、对外贸易、低碳物流3个维度测度低碳物流效率影响因素。对于基础设施建设，本文借鉴孔芳霞［20］的研究方法，将基础设施建设划分为传统基础设施建设、纯新型基础设施建设和融合基础设施建设。对于对外贸易，既有研究多以进出口贸易额占地区生产总值的比重来衡量地区对外开放度［10， 21-22］。对于低碳物流，因能源利用率能够衡量地区利用1个单位能源所能产生的物流业经济收益，能源利用率高的地区能够在碳减排约束下获得更多的物流业产出，因此本文以交通运输、仓储和邮政业的增加值与其能源消耗量之比来衡量能源利用率［23］。政府支持对低碳物流业发展有较大的激励作用，因而本文以地方财政支出中交通运输支出和环境保护支出占地方财政一般预算支出的比重来衡量地方政府对当地低碳物流业的支持力度［24］。本文构建的丝绸之路经济带低碳物流效率影响因素指标体系如表2 所示。

（三）数据来源与处理

本文选取2010—2020年新疆、宁夏、甘肃、陕西、重庆、云南、青海、内蒙古、广西、黑龙江、吉林和辽宁共12个研究区域的相关数据进行低碳物流效率测度。研究中的原始数据来自历年《中国统计年鉴》《中国第三产业统计年鉴》和各地区统计年鉴以及EPS数据库。同时，为确保数据的真实性，对各类经济数据均以2009年为基期进行平减处理。

三、实证分析

（一）三阶段非期望产出SBM模型分析

1.第一阶段——SBM模型对低碳物流效率的初步测度。本文运用MATLAB软件中带有非期望产出的SBM模型初步测算了2010—2020年丝绸之路经济带沿线的我国12个区域整体低碳物流效率值，其值由2010年的0.459波动上升至2020年的0.645，呈先升后降再升的变化态势，2012—2013年整体低碳物流效率出现一定程度的下降，其余年份呈上升态势。2010—2020年丝绸之路经济带分地区低碳物流效率初步测度结果如表3所示。由表3可知，宁夏、内蒙古低碳物流效率相对较高，而新疆、黑龙江低碳物流效率相较于其他地区有一定差距。为将研究区域置于同一外部环境，在最终测算时需剔除环境变量和随机扰动项。

2.第二阶段——SFA回归分析。为剔除环境变量对低碳物流效率的影响，本文将由SBM模型测算出的投入指标松弛值作为因变量，将地区科技水平、地区经济水平和地区产业结构作为自变量，对2010—2020年丝绸之路经济带沿线区域环境变量数据进行SFA回归分析，结果如表4所示。

由表4可知：LR值在1%水平显著为正，说明环境变量对投入指标有显著影响；gamma值在1%水平显著为正，说明环境变量导致了投入冗余，需剔除环境变量以避免干扰。由表4还可以看出：地区科技水平对从业人数、固定资产投资、能源消耗3个投入变量松弛值的系数均显著为负，说明提升地区科技水平能够有效减少当地物流业投入冗余，提高当地低碳物流效率。地区产业结构对物流业从业人数投入松弛的系数在1%水平显著为负，对固定资产投资投入松弛和能源消耗投入松弛的影响不显著，说明合理的产业结构能够有效降低当地物流产业对人力资源的浪费，但对资金投入和能源消耗则未表现出显著影响。地区经济水平对固定资产投资投入松弛、能源消耗投入松弛的系数显著为正，对从业人数投入松弛系数为正但不显著，说明在经济发展水平较高地区，物流业造成的资金和能源浪费现象更严重。可能的原因是：2010—2020年间，丝绸之路经济带沿线区域经济快速发展，物流业需要借助更多投资、更多能源才能匹配自身发展速度，因此容易造成物流产业资金和能源的浪费，从而降低低碳物流效率。综上，地区科技水平、产业结构和经济水平会导致初步测量的低碳物流效率与实际值出现一定偏差，因此需剔除这3个环境变量。

3.第三阶段——SBM模型對低碳物流效率的最终测度。为保证数据的准确性，本文将剔除环境变量后的物流业从业人数和固定资产投资作为新的投入变量，再将初始产出变量代入带有非期望产出的SBM模型进行最终测度，得到调整后的丝绸之路经济带沿线区域低碳物流效率。图1显示了2010—2020年丝绸之路经济带沿线12个研究区域整体低碳物流效率最终测度结果，从时间角度来看，12个区域整体低碳物流效率呈波浪式变化态势。其中，2010—2012年、2016—2018年、2019—2020年低碳物流效率呈上升态势，2013—2014年呈平稳发展态势，其余年份则呈下降态势。整体变化态势表明，丝绸之路经济带低碳物流效率可能存在其他影响因素，需进行Tobit回归分析。

表5列示了2010—2020年丝绸之路经济带沿线区域的我国12个省、自治区、直辖市低碳物流效率的最终测度结果。由表5可知，从空间角度来看，初步测度与最终测度的低碳物流效率发生了变化，说明环境变量和随机扰动项对低碳物流效率的测算有显著影响。

根据表5的最终测度结果，可将丝绸之路经济带沿线的我国12个研究区域低碳物流效率划分为3个梯队：第一梯队的低碳物流效率均值在0.800～1.000之间，包括宁夏、内蒙古和辽宁。2010—2020年，宁夏和内蒙古的低碳物流效率均大于0.750，排名位居前列；辽宁在2016年后低碳物流效率大幅提升，在2018—2020年达到了效率前沿。第一梯队区域低碳物流效率较高的原因可能是这些地区普遍注重传统物流产业的数字化转型，依托先进物流技术提高物流效率。例如，2020年辽宁省“智慧交通”体系已实现79个客运站、2356条三类以上客运线路联网售票，全部地级市已实现与全国大部分城市公交一卡通互联互通，高速公路ETC覆盖率达到100%1。内蒙古更加注重公共交通的新能源转型和形成更加合理的能源消费结构，2020年内蒙古新能源公交车占比达63.3%，清洁能源出租车占比达51.5%2。宁夏更加注重提高能源利用率，2020年宁夏新能源装机突破2500万千瓦，电力装机和发电量占比分别达43.5%和17.7%，新能源综合利用率达到97.6%3，非水电可再生能源电力消纳比重位居全国前列。第二梯队的低碳物流效率均值在0.600～0.800之间，包括陕西、广西、甘肃、青海、新疆和重庆。其中，青海、新疆和重庆的低碳物流效率总体呈下降态势，从某种意义上表明近十年来这些地区物流产业以粗放式发展为主，主要通过大量投入传统化石能源、建设传统低效物流基础设施来增加当地物流产值。重庆作为传统物流产业较发达地区，其低碳物流效率较低的原因需引起高度重视。陕西从2015年开始更加注重物流产业低碳化发展，2020年低碳物流效率已达前沿面。第三梯队的低碳物流效率均小于0.600，包括吉林、云南和黑龙江。这些地区在今后的发展中应结合自身实际，对低碳物流产业进行整改，进一步优化产业结构，推动数字化转型，提高区域低碳物流效率。

2010—2020年间，丝绸之路经济带沿线的我国12个地区低碳物流效率发生了从“北高南低、西高东低”到“中间高、两边低”的转变。具体而言：2010年，青海、宁夏的低碳物流效率均为1.000，两地的低碳物流效率达到前沿面；新疆、陕西、甘肃的低碳物流效率高于黑龙江、吉林、辽宁；云南的低碳物流效率在12个研究区域中最低，仅为0.466。2013年，新疆、甘肃、青海、黑龙江、吉林等地的低碳物流效率相较于2010年出现下降态势；内蒙古、陕西等地的低碳物流效率则呈现增长态势。2018年，内蒙古、辽宁、陕西的低碳物流效率值分别为1.000、1.000和0.847，已达较高水平；新疆、甘肃、青海、黑龙江、吉林、云南的低碳物流效率较2014—2017年出现了明显回升，尤其是云南的低碳物流效率较2017年约提升了38.5%。2020年，内蒙古、宁夏、陕西、辽宁的低碳物流效率值均为1.000，四地达到效率前沿面，但新疆、青海、黑龙江、吉林的低碳物流效率值较低。

4.初步测度与最终测度的对比分析。表6列示了初步测度和最终测度的丝绸之路经济带沿线的我国12个省、自治区、直辖市低碳物流效率均值和排名对比结果。对表6进行简单分析可知：剔除环境变量后，12个研究区域低碳物流效率有所上升，表明外部环境制约了当地低碳物流产业发展。其中：甘肃、新疆在剔除环境变量后低碳物流效率排名明显上升，说明这两个地区物流业发展的外部环境较差，制约了低碳物流的发展；青海、吉林在剔除环境变量后低碳物流效率排名明显下降，说明这两个地区发展物流业的外部环境较好，但低碳物流体系内部可能存在资源浪费、碳排放量过高等问题，导致低碳物流效率下降，今后应进一步加强物流产业内部管理并控制区域碳排放，以进一步提高低碳物流效率。

（二）低碳物流效率全局Malmquist指数及分解

本文将调整后的投入指标与初始产出指标代入带有非期望产出的SBM模型求得全局Malmquist指数，再将其分解为技术效率（EC）和技术进步（BPC），可以得到丝绸之路经济带沿线的我国12个省、自治区、直辖市低碳物流效率Malmquist指数及分解结果，进而可以更直观地了解低碳物流效率变化态势及原因，分解结果如表7和表8所示。

由表7可知，从时间维度来看，12个研究区域整体低碳物流效率呈波浪式上升态势。具体来说：其一，2010—2012年，整体低碳物流效率呈上升态势。2010—2011年，技术进步上升的5.9%弥补了技术效率下降的2.7%；2011—2012年，技术效率适应了上一时间段的技术进步，提升了4.2%。其二，2012—2016年，低碳物流效率较低。2012—2013年，技术效率和技术进步分别下降了2.4%和3.1%，说明2012—2013年低碳物流技术与新技术应用水平未达到最优状态；2013—2015年，技术进步有所增长但技术效率在下降，说明适应新技术需要一定时间；2015—2016年，技术效率获得了2.1%的提升，而技术进步下降了2.4%。其三，2016—2018年是低碳物流快速发展阶段。2016—2017年，技术进步增长了12.9%，抵消了技术效率下降的7.2%；2017—2018年，技术效率适应了技术进步，创造了十年间低碳物流效率的最高增速。其四，2018—2020年，低碳物流效率再次进入波浪式变化阶段，最终在2019—2020年间技术效率取得7.4%的增长。

由表8可知，观测期内，低碳物流效率存在较大的地区差异。2010—2020年，宁夏、甘肃、陕西、云南、内蒙古、广西和辽宁的低碳物流效率呈上升态势。甘肃技术进步的上升弥补了技术效率的下降，云南技术效率的上升弥补了技术进步的下降，因而这两个地区低碳物流效率有所提升。宁夏、陕西、内蒙古、广西和辽宁低碳物流效率提升的原因在于技术进步和技术效率的共同作用。此外，新疆、重庆、青海、黑龙江和吉林的Malmquist指数值均小于1.000，说明这些地区低碳物流发展较慢，未来还有较大的提升空间。新疆和重庆低碳物流发展情况不佳的原因在于技术效率的下降，青海的技术效率提升遭遇瓶颈，需要依靠技术进步来突破。黑龙江、吉林两地的技术进步和技术效率在观测期内虽呈上升态势，但其低碳物流效率在下降。在10个观测时间段内，黑龙江和吉林分别有5个和4个时间段的不匹配性达到40%以上，说明这两个地区还需更加重视物流技术引进的持续性和技术效率的适应性问题。

为进一步探究重庆作为物流枢纽为何存在低碳物流效率不佳的问题，本文绘制了如图2所示的Malmquist指数分解图。由图2可知，重庆市低碳物流效率不佳的原因在于技术进步的不连续性和技术效率的不适应性。重庆市在发展低碳物流的过程中，由于未高度重视技术引进的持续性，导致技术进步不稳定、不连贯，进而引发技术效率与先进技术不匹配。两者的不匹配性可用技术效率指数减去技术进步指数的绝对值来度量，据此可知重庆市在2012—2016年间不匹配性均值达27.89%。因此，今后重庆市应在发展低碳物流的过程中更多关注物流技术的可持续性，以及技术效率与先进技术的适配性。

（三）低碳物流效率影响因素分析

为进一步分析低碳物流效率的影响因素，本文对表2中的7个指标进行了Tobit回归分析，结果如表9所示。

由表9可知：第一，传统基础设施建设对低碳物流效率的回归系数显著为负。虽然从长远角度看，传统基础设施建设对区域物流产业发展有积极作用，但在研究期内，传统基础设施建设对地区低碳物流效率产生了负向影响。一方面，传统基础设施建设本身存在消耗资源多、建设成本难以变现等问题；另一方面，在物流数字化发展浪潮中建设大量传统基礎设施，显然缺乏效率。因此，在发展低碳物流产业初期，应统筹规划，避免不必要的浪费。第二，纯新型基础设施建设对低碳物流效率的回归系数显著为负。这说明区域科技成果转化情况不佳，难以将前沿技术运用到实际生产生活中。第三，融合基础设施建设对低碳物流效率的回归系数显著为正。这说明将先进科学技术应用于传统基础设施能够有效提高地区低碳物流效率。相较于持续推进传统行业与新兴行业建设，今后应更加重视对已有传统基础设施的信息化改造和数字化转型。第四，货物进口额对低碳物流效率的回归系数显著为正，表明开展进口贸易能够显著提高区域低碳物流效率。来自俄罗斯等国的能源和基础原材料可以在不增加碳排放的前提下补充所需资源，且沿线地区也能够引进先进的科学技术，有效提高当地低碳物流效率。第五，货物出口额对低碳物流效率的回归系数为负但不显著，说明开展出口贸易对提高区域低碳物流效率作用不明显。可能的原因在于：一方面，目前中欧班列返程空载率较高，导致出口运输成本偏高；另一方面，大部分粗放型出口产品难以引领低碳物流产业高质量发展，导致出口贸易不能有效提高低碳物流效率［25-27］。第六，能源利用率对低碳物流效率的回归系数显著为正，表明提高新型能源结构占比、应用先进能源利用技术等，能够提高地区低碳物流效率。第七，政府支持对低碳物流效率的回归系数为正但不显著，说明政府对低碳物流产业的支持并未对当地低碳物流效率的提高产生明显的促进作用。这可能是因物流企业会利用虚假信息谋求政府补贴［28］，而实际上并未将政府支持用于提高低碳物流效率；此外，政府支持具有一定的滞后效应［29］，因而也会造成研究期内回归系数不显著。

四、结论与建议

本文测算了2010—2020年丝绸之路经济带沿线的我国12个省、自治区、直辖市低碳物流效率，并分析了低碳物流效率的影响因素。研究得出的主要结论如下：第一，2010—2020年12个沿线区域整体低碳物流效率呈波浪式变化态势。第二，12个沿线区域发展低碳物流的外部环境并不理想，但因外部环境因素对地区低碳物流效率能够产生显著影响，因此还应根据各地发展实际，因地制宜优化物流产业环境。第三，提高技术效率成为发展低碳物流产业的关键。根据Malmquist指数分解情况来看，技术效率无法适应技术进步导致低碳物流效率倒退的年份居多，低碳物流效率的提升需更加注重技术效率与先进技术的匹配性。第四，传统基础设施建设和纯新型基础设施建设对低碳物流效率有负向影响，融合基础设施建设则对其有正向影响，说明应加快推进区域传统基础设施的数字化、信息化转型。第五，货物出口额对低碳物流效率影响不显著，今后区域对外贸易需秉持更加开放包容的态度，进一步提高中欧班列运行效率，减少对政府补贴的依赖。第六，能源利用率对低碳物流效率有显著的正向影响，各地区应持续引进先进技术，加快新能源研发进程。第七，政府支持对低碳物流效率的影响不显著，这可从某种意义上表明物流企业可能存在以虚假信息谋取政府补贴的行为，但也可能是因政府支持的滞后效应导致研究期内影响不显著。

基于以上研究结论，本文提出如下政策建议：一是加速淘汰落后产业，促进传统物流产业数字化转型。加快淘汰环保、能耗等不达标或生产、使用淘汰类产品的企业和产能，借助物联网技术实现运输低碳化、效率化发展；同时可依托传感器和大数据技术实现仓储自动化分拣和维护，以智能运营系统减少内部冗余。二是扩大对外开放，提高跨境物流效率。沿线区域应引进其他国家的先进物流技术，填补国内物流产业所需原材料缺口；出口贸易应向精细化方向发展，实现运输降本增效。此外，政府应调整相关扶持政策，促进物流企业展开良性竞争，提高低碳物流效率。三是持续提升能源利用水平，推进新能源研发与使用。相关企业需进一步引进新能源技术，加快构建信息化能源管理系统；地方政府应进一步优化地区能源结构，建立健全绿色能源监管体系。四是提高先进技术成果转化率，提高企业技术效率。物流企业应更加重视对配套技术的学习和运用，定期开展员工培训，重视内部管理体系革新，为提高低碳物流效率打下坚实的基础。

参考文献：

［1］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（4）：110-113.

［2］朱桃杏，顼玉卿，暴斌硕.区域物流发展特征和效率解析：基于碳排放和LMDI方法的分析［J］.技术经济与管理研究，2021（6）：104-108.

［3］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（11）：110-113.

［4］何景师，张智勇，叶善椿.基于三阶段超效率SBM-DEA模型的我国沿海五大城市群低碳物流效率研究［J］.上  海海事大学学报，2023（3）：55-63.

［5］秦雯.粤港澳大湾区物流业效率的时空演化及提升路径［J］.中国流通经济，2020（9）：31-40.

［6］汪文生，考晓璇.高质量发展视角下环渤海地区物流效率测度研究：基于三阶段DEA模型［J］.商业研究，2021  （4）：75-84.

［7］龚雅玲，萬建香，封福育.区域物流效率的测度及其影响因素研究：基于DEA与Tobit模型［J］.江西社会科学，2019（10）：72-80.

［8］龚雪，荆林波.基于DEA-Malmquist模型的中国省域物流效率研究：来自省际面板数据的实证分析［J］.河北经 贸大学学报，2019（5）：60-69.

［9］邓红星，MUNKHTUUL J，刘敏.基于DEA-Malmquist的中蒙公路口岸物流效率分析［J］.重庆理工大学学报（自 然科学），2021（4）：224-230.

［10］王景敏，崔利刚.西部陆海新通道沿线省份物流效率的时空演进及影响因素：基于沿线省份面板数据的实证 分析［J］.重庆理工大学学报（自然科学），2021（12）：243-255.

［11］黄庆华，戴罗肖.“一带一路”倡议下我国重点省市物流绩效评价研究［J］.现代管理科学，2021（1）：61-67.

［12］蒋随.我国“一带一路”节点城市物流效率评价与提升策略［J］.商业经济研究，2020（15）：90-93.

［13］王博，祝宏辉，刘林.我国“一带一路”沿线区域物流效率综合评价：基于三阶段DEA模型［J］.华东经济管理， 2019（5）：76-82.

［14］杨雪，马粟粟，卢亚丽.碳排放约束下的物流效率评价：以“一带一路”背景下内陆十省市为例［J］.生态经济，  2019（6）：66-71.

［15］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（11）：18-24.

［16］TONE K.A slacks-based measure of efficiency in data envelopment analysis［J］.European journal of operational re-   search，2001（3）：498-509.

［17］刘承良，管明明.低碳约束下中国物流业效率的空间演化及影响因素［J］.地理科学，2017（12）：1805-1814.

［18］马越越.低碳约束下的中国物流产业全要素生产率研究［D］.大连：东北财经大学，2014.

［19］柳键，涂建.中国产业结构调整对低碳物流效率的影响研究：基于超效率DEA低碳物流效率评价模型的实证分析［J］.价格理论与实践，2017（12）：130-133.

［20］孔芳霞，刘新智，周韩梅，等.新型基础设施建设与城市绿色发展耦合协调的时空演变特征与影响因素［J］. 经  济地理，2022（9）：22-32.

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

［22］闫妍.我国“一带一路”沿线区域物流动态效率测度及其影响因素研究：基于双碳视角［J］.商业经济研究，      2022（13）：93-97.

［23］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（2）：33-40.

［24］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    （7）：27-37.

［25］曲锋.“双循环”新发展格局下中欧班列建设的成效、问题及对策［J］.中国流通经济，2022（6）：108-116.

［26］许英明.高质量发展背景下中欧班列发展现状、挑战与对策［J］.国际贸易，2020（5）：28-34.

［27］徐紫嫣，夏杰长，袁航.中欧班列建设的成效、问题与对策建议［J］.国际贸易，2021（9）：45-51+88.

［28］李政，杨思莹，路京京.政府参与能否提升区域创新效率？［J］.经济评论，2018（6）：3-14+27.

［29］武咸云，陈艳，李秀兰，等.战略性新兴产业研发投入、政府补助与企业价值［J］.科研管理，2017（9）：30-34.

［30］于丽静，陈忠全.低碳视角下中國区域物流效率研究：基于SFA与PP的实证分析［J］.生态经济，2017（4）：43-48+91.

［31］杨扬，李燕.低碳物流与区域经济耦合协调研究：以云南省为例［J］.生态经济，2023（6）：86-92+142.

［32］刘聪，李珍珍.长三角低碳物流对区域经济发展的影响分析［J］.华东经济管理，2023（1）：33-40.

［33］张云凤，王雨.物流产业效率评价及影响因素分析［J］.统计与决策，2018（8）：109-112.

［34］董锋，徐喜辉，韩宇.低碳约束下的我国省际物流业效率研究［J］.华东经济管理，2016（5）：86-91.

［35］花均南，胡美佳.考虑非期望产出的我国物流业效率空间关联网络结构分析［J］.铁道运输与经济，2024（4）：  42-50.

［36］张志坚，张智，万谧宇，等.高质量发展视角下长江经济带沿线城市物流业效率综合评价：基于3阶段DEA模 型［J］.江西师范大学学报（自然科学版），2023（4）：350-359+367.

［37］邹靖.碳排放约束对物流效率的影响分析：基于省域面板数据［J］.商业经济研究，2023（9）：81-84.

（责任编辑：郑雅倩）