高质量发展下区域绿色物流效率评价研究

张旭 李沛凝 胡小慧 王晓玉

摘要：区域绿色物流是推进物流业绿色发展的重要元素。基于DFSO提出高质量发展视域下绿色物流框架并构建效率测度指标体系，运用改进三阶段DEA模型对中国30个省（市）进行实证研究，分析各因素对绿色物流效率的影响。结果表明高质量发展视域下省域绿色物流整体效率不高，地区差异明显，纯技术效率是制约其发晨的主要因素；高质量发晨各方面均对绿色物流效率有不同程度的影响，但二者间的协调仍处初级阶段。基于此，提出高质量发展视域下区域绿色物流效率提升的对策建议。研究能够为相关部门衡量高质量发展时期物流业绿色发展成效、精准施策提供参考。

关键词：高质量发展；区域绿色物流；改进的三阶段DEA模型；效率测度

中图分类号：X820 文献标志码：B

前言

2019年发展改革委等部门在《关于推动物流高质量发展促进形成强大国内市场的意见》中明确提出要在高质量发展时期加快推进物流业绿色发展。绿色物流作为物流业绿色发展的新型实践模式被视为发展的关键目标与突破口，相关研究多从效率测度、关系分析和水平提升角度开展。聚焦到效率测度方面：测度指标由初期仅以经济效益为标准到当前指标不断丰富具体；测度对象可以分为国家级，省市级，区域级三个层面。随着高质量发展理念的提出，物流业高质量发展研究不断涌现，结构优化、效率提升、创新驱动等成为物流业发展关注的重点。与此同时，学术界开始关注绿色发展的质量和高质量发展的绿色底色，绿色物流相关研究亦开始体现新经济形势下的特点与侧重。

综上，现有研究在绿色物流的测度及影响因素方面进行了大量探索，但较少把绿色物流效率置于高质量发展背景下进行测度，且传统三阶段DEA模型的实用性与合理性有待进一步提升。基于此，研究以中国30个省（市）为研究对象，运用改进的三阶段DEA模型探究高质量发展视域下区域绿色物流的效率水平，以期为经济高质量背景下绿色物流发展研究提供思路与方法，为相关部门衡量物流业绿色发展成效、精准施策提供参考。

1基于DFSO的高质量发展视域下区域绿色物流框架

与传统绿色发展相比，高质量发展时期的绿色物流更加关注发展“好不好”的问题，在要素结构、测度指标、实现路径等方面均提出了新要求。研究结合欧国立教授提出的三维（FSO）综合交通运输理论体系和欧洲环境署提出的人与自然环境相互作用及关系分析DPSIR框架中的驱动因素D，提出高质量发展视域下区域物流绿色发展的DFSO框架，如图1所示。其中，D（Driving Dimension，驱动维度）回答了“为什么要发展”区域绿色物流的问题，高质量发展时期满足人民日益增长的对美好生活需要的要求，倒逼区域物流各参与主体采取行动，共同推进新时期绿色物流发展；O（Operation Dimension，运作维度）回答了區域物流“如何发展”的问题，是高质量时期绿色物流与传统物流的根本差异，新发展理念的创新、协调、绿色、开放、共享五个要素，共同构成高质量发展视域下实现区域绿色物流从“有没有”向“好不好”转变的关键背景和必然路径；S（Structure Dimension，结构维度）：回答了区域绿色物流“用什么发展”的问题，是运作维度的进一步细化，高质量发展环境与驱动作用下，更加关注各要素间的协调与优化；F（Function Dimension，功能维度）回答了区域绿色物流“产生什么”的问题，高质量发展时期更加关注区域绿色物流发展的效率与效果，从高效、和谐、循环、低耗、可持续方面共同体现区域绿色物流发展成效。

2研究设计

2.1指标体系

基于前文所提出的高质量发展视域下区域绿色物流DFSO框架，构建绿色物流效率测度指标，如表1所示，投入指标与DFSO中的S维度相对应，产出指标与F维度相对应，环境变量与O维度对应。

2.2改进的三阶段DEA模型

三阶段DEA模型通过DEA-SFA-DEA三个阶段，剔除外界环境和随机扰动的影响，用于评估多投入多产出的效率表现。然而，传统三阶段DEA模型未考虑原有的投入规模，原投入足够小时，投入值的调整幅度可能是原来的数倍，而原投入值较大时调整幅度与原投人的差别会微乎其微，实践操作性较差。对此，文章结合前人研究提出改进的三阶段DEA模型，具体思路与流程如下。

（1）第一阶段：传统DEA模型。基于初始投入产出数据计算多个DMU（决策单元）的相对有效性，并得出各投人变量的松弛值。综合效率值为纯技术效率值与规模效率值的乘积，其值达到1称为DEA有效，否则为非DEA有效。

（2）第二阶段：改进的SFA回归。通过SFA回归方法，以环境变量为解释变量，以松弛变量为被解释变量，剥离管理以外因素的影响，对原始投入值进行调整。如前文所述，传统三阶段DEA在第二阶段对投入值调整时未考虑到DMU的原投入规模，因此，文章在第二阶段中直接对投入松弛值与原始投人的比例进行SFA回归拟合，提出调整后的公式，

（3）第三阶段：调整后的DEA模型。第三阶段基于调整后的投入和原始产出重新进行效率计算，此时投入数据剔除了环境因素和随机扰动的干扰，可得到更加客观的效率值。

2.3数据来源与处理

物流业是由信息业、邮政业、运输业、货代业与仓储业等整合成的综合性服务产业，根据《中国第三产业统计年鉴》的数据，交通运输业、物流仓储业及邮政业的增加值占物流业增加值80％以上。鉴于此，考虑到数据的可获得性和完整性，借鉴前人经验，研究以交通运输、仓储、邮政三个行业的数据代表物流业发展情况，分析中国30个省（市）高质量发展视域下绿色物流效率。研究数据源于《中国统计年鉴》《中国能源统计年鉴》《中国第三产业统计年鉴》《中国物流年鉴》以及中国碳核算数据库等统计数据与资料。

3省域绿色物流效率实证结果

3.1传统DEA模型结果分析

利用DEAP2.1软件分析30个省（市）2011年-2020年的投人产出数据，得到各省（市）绿色物流效率及其分解。剥除随机扰动和环境因素前，各省（市）绿色物流效率的平均值为0.7，整体效率仍存在较大提升与改进空间。DEA有效性方面，各省（市）综合效率的无效率主要来源于纯技术效率较低，规模无效率程度较低；北京、天津等8个省市综合效率值为1，投人产出已达到效率前沿面，各方面效率最优；河北和贵州的纯技术效率为1，但规模效率低于整体平均值，说明规模效率是限制绿色物流发展的主要因素；以吉林为代表的部分省（市）纯技术效率和规模效率均低于平均水平，各方面效率有待提高。规模报酬方面，20个省市的规模报酬处于递减阶段，物流业规模已基本达到较优水平，继续扩大规模将难以带来效率值的显著提升，内蒙古规模报酬处于递增阶段，其他9个省市规模报酬不变。

从空间上，区域绿色物流效率呈现如下分布特征：东部地区整体水平较高，达到0.745，效率有效型城市多数分布在此地区；中部地区综合效率值为0.641，整体水平不高，区域间效率差异较小、水平分布较平均，纯技术效率值、规模效率值均较低，制约了综合效率的提升；西部地区效率水平与中部基本持平，但呈两极分化趋势，云南、青海、宁夏达到效率前沿面，甘肃的绿色物流效率值也处于较高水平，而内蒙古、广西等地区则相对落后。

3.2SFA模型回归结果分析

以高质量发展环境因素解释各投入松弛值，衡量高质量发展背景与投人松弛变量之间的关系。基于第一阶段的计算结果，将物流业就业人员数、物流业固定资产投资和物流业能源消耗量三个投人要素的松弛比例作为被解释变量，将人均GDP、单位GDP电耗、一般公共服务支出、货物进出口总额增减率和产业结构合理化六个高质量发展环境指标作为解释变量，进行SFA回归分析，回归结果见表2。

由表2可知，投入变化量的LR值均通过了显著性检验，说明所选择的外部环境变量对30个省（市）的物流业投入松弛变量有显著影响。同时，y接近1，显著性水平达到1％，说明管理低效对各省市绿色物流效率的影响大于随机干扰，投入变量的冗余受到管理因素的影响。分析各环境因素对投入松弛比例的回归系数，可得到如下结果：

（1）生产性服务业就业人数比例（El）的增加会减少物流业就业人员数（11）和固定资产投资（12）的冗余，但会造成物流业能源消耗（13）的浪费。作为高质量发展的“经济发展”要求，生产性服务业在多方面提供服务保障，但由于发展初期新设备投人较大、低碳技术制约等原因，还未起到降低物流业能源消耗的作用，一定程度上造成了能源消耗投入的松弛。

（2）技术合同成交金额GDP占比（E2）的增加会减少物流业就业人员数（I1）、固定投资（12）、物流业能源消耗（I3）的冗余。高质量发展下，创新是物流业节能减排、提高效率的关键，创新驱动力度的加大有助于提升投入利用率，减少冗余。

（3）二三产业增加值之比（E3）的降低会减少从业人员（Il）、固定资产投资（I2）的冗余，但会造成物流业能源消耗（I3）的浪费。该指标体现高质量发展的“协调”要求，对劳动力和资源的充分利用有积极作用，但部分第三产业的粗放式发展一定程度上造成了能源消耗的浪费。

（4）人均公园绿地面积（E4）增加会减少从业人员（I1）冗余，但会造成固定资产投资（I2）浪费。区域自然环境状况是高质量发展中绿色的代表，为绿色物流的发展提供良好环境条件，但也会掩盖由于资源配置不合理、技术制约等导致绿色物流无效率的问题，造成投入冗余。

（5）货物进出口总额增减率（E5）增加会降低从业人员数（I1）与物流业能源消耗（I3）的冗余，但会造成固定资产投资（I2）的浪费。货物进出口率的上涨体现了高质量发展中开放力度的加大，有助于提高投入的利用率。同时，为适应激烈的国际市场竞争，物流业需要进行一系列以软硬件升级为支撑的转型与探索，存在一定程度的固定资产投入冗余。

（6）一般公共服务支出（E6）的增加会降低从业人员（I1）的冗余，但会造成固定资产投资（I2）和物流业能源消耗（I3）的浪费。该指标是高质量发展中共享的体现，其值的增加有助于劳动力素质和工作环境的改善，工作效率也将有所提升。然而，在高质量发展初期，各项投入带来的绿色物流产出效果尚不明显，一定程度表现为投入资产和能源的冗余。

3.3调整后DEA模型结果分析

3.3.1调整后区域绿色物流效率分析

将调整后的投入值代替原始投入值重新进行效率值测度，可得到不考虑高质量发展环境差异以及随机要素的效率值，与调整前模型结果得到的数据对比，如表3所示。8个省市达到生产前沿面，绿色物流综合效率整体不高，其中规模效率较好，物流业行业规模已经接近最优水平，大部分省市增加投入所带来的“效率红利”正在消失；纯技术效率值为0.774，管理因素是制约绿色物流效率发展的关键因素。内蒙古、福建、山东、湖北、广东、陕西、新疆等地的技术效率相对落后，应聚焦资源配置等管理因素的改善；河北、贵州省实现了纯技术效率有效，但综合效率并不高，规模效率是制约绿色物流效率提升的主要原因。

3.3.2调整前后区域绿色物流效率对比

（1）8个省市调整前后效率值均处于效率前沿面，其中，不难理解北京、天津、上海等中心省市的绿色物流效率较优，但值得注意的是，云南、青海、宁夏等经济发展水平并不高的省市也成了绿色物流效率完全有效的地区，这些省市的投入产出配置相较于其他省市更合理，证明了高质量发展下绿色物流效率不是盲目追求行业规模扩张的观点。

（2）15个省市调整后效率值有所下降，第一阶段绿色物流效率值一定程度上得益于高质量发展环境优势。其中广东省效率值变化最明显，下降5，9％，且全部由純技术效率值下降引起的，高质量发展对其绿色物流的管理水平、投入产出配置等起到正向影响作用。

（3）7个省市调整后的效率值上升，绿色物流效率值未达到前沿面，除了物流业自身开展绿色物流活动不足之外，还在一定程度上受到了明显环境阻力、创新能力不足等高质量发展水平滞后的制约。

4结论

研究提出基于DFSO的高质量发展视域下绿色物流框架，据此构建绿色物流效率测度指标，采用改进三阶段DEA模型对30个省（市）实证分析，得出结论：整体区域绿色物流效率值仍存较大提升空间，受地理位置等影响各省市发展存在较大差异；高质量发展各维度会从不同方面、程度、路径影响物流业就业人员数等，进而影响绿色物流效率；高质量发展环境调整前后省域绿色物流效率变化不显著，互动协调仍处初级阶段。结合实际，需加强政府、社会等主体合作，形成良性生态系统；各省市因地制宜，重视不同高质量发展维度建设，针对性设计绿色物流发展政策和效率提升路径；聚焦高质量发展在仓储、运输等物流活动的应用，加强互动协调，促进物流业环保升级与可持续发展。