低碳视角下山东省物流效率影响因素与优化路径研究

薛阳　段淏文　冯银虎

关键词：物流效率；山东省；Malmquist指数模型；组态路径

中图分类号：F251 文献标识码：A 文章编号：2096-7934（2024）04-0053-10

一、引言

物流业作为联系生产与消费的纽带，在促进产业结构升级、扩大就业、实现经济高质量发展等方面起到了至关重要的作用。加快物流业发展，促进物流业降本增效，对提升国民经济整体运行效率，推动我国经济实现高质量转型发展具有重要意义。山东拥有青岛、日照、烟台3个超3亿吨的大港，2022年人均国民生产总值达到85973元，人口密度达到677人/平方公里，是我国重要的经济活跃区和人口密集区，具备实现物流业大发展、大繁荣的基础条件。然而，山东物流业发展仍面临着单位产值能耗水平偏高、应对市场风险能力不足以及产业链供应链安全保障能力不强等挑战，亟需以低碳化为突破口，加快提升物流业效率，奋力推动山东物流业智慧化、信息化水平不断攀升，持续引领山东经济社会发展在高质量跨越中行稳致远，不断向更高水平迈进。

近年来，国内外诸多学者围绕低碳物流效率和区域物流等方面形成了较为丰富研究成果。低碳物流效率方面：浦田友之（Tomoyuki Urata）［1］研究全球供应链网络中成本和成本控制对碳排放的影响；张云凤等［2］分析低碳约束等外部环境变量对物流效率的影响；刘聪等［3］从经济视角分析了低碳物流与区域经济的关系；高辉［4］从文化视角提出促进低碳物流发展的文化手段；李金铠［5］从动态和静态两个视角来测度2000-2017年中国八大综合经济区的能源碳排放效率；区域物流方面：杨传明等［6］分别从静态和动态角度对江苏省物流产业的运作效率展开测量；于丽静等［7］发现山东省各地市的物流发展存在不平衡现象，且东西部物流发展水平差距较大；汪欣［8］基于长三角及中部地区8省1市探究区域物流低碳发展能力及推进策略；梁子婧等［9］分析了江苏省物流生产率成长空间差异，探究江苏省物流高质量发展新格局；李慧［10］等研究丝绸之路9个省的物流碳排放效率。

纵观现有文献，关于物流效率的文章主要存在以下两点不足：①在研究对象选取方面，大多数文章选择某一特定区域作为物流效率的研究对象，但对区域内部组成单元之间物流效率的差异性、提升路径与机制分析重视不足。②在解决问题方面，多数文章采用还原论方法讨论效率较低的表象，而这将难以从整体论框架下揭示其中的根本症结所在。

基于上述讨论，较之于现有研究，本文的创新点为：①投入产出指标方面，不仅结合了传统指标体系下的物流投入产出指标，而且将物流碳消耗指标纳入到投入指标体系中来，扩展了双碳目标下对于物流业实现碳减排的作用机制研究。②在研究对象选取方面，选取一个省份作为研究对象，因地制宜匹配出适合省域内部不同类型城市物流业效率提升的路径并解释了相应的实现机制，克服了以往研究省域视角下物流效率问题过程中，对区域内部不同城市考察重视不足的弊端，有利于各地提升物流效率的政策制定更加精准、高效。③解决问题方面，从整体论出发，基于组态视角，遵循效率测算分析与优化路径相结合分析范式。将影响物流效率的因素从单一条件转向联动分析的组态视角，揭示了各前置条件和区域物流效率之间存在的多元互动关系，较好地避免了传统二元分析的单一性。避免了以往还原论方法下简单分割造成物流效率研究过程中，信息损耗过大而导致失真的问题。

二、方法与模型

（一）DEA模型

目前进行效率评价的方法主要有参数分析法和非参数分析法两种。DEA模型作为主要的非参数分析法，相比于参数分析法，避免了提前设置权重，最大程度上消除了主观因素的影响，且DEA模型具有对多个投入、多个产出的决策单元之间的相对有效性进行分析的特性，对于物流效率的研究具有较高的适配性，并参考马文斌［11］、顾江寒［12］等学者对于效率的研究，本文选用DEA模型，具体计算式如下。

式（1）中：ε为非阿基米德无穷小量；e表示所有元素均为1的行向量；i=1，2，…，n，表示待评估决策单元；λi表示第i个单元所占权重系数；Xi表示第i个决策单元的投入向量；Yi表示第i个决策单元的产出向量；Xi0表示实际投入值；Yi0表示实际产出值；S-为产出松弛变量；S+为投入松弛变量；θ为第i个决策单元的效率值。当θ=1，S+=0，S-=0时，表示决策单元DEA有效；当θ＜1时，表示决策单元DEA无效。

（二）DEA-Malmquist指数模型

考虑到DEA模型虽然能够判断效率是否有效，但是无法得出已达到有效的城市物流效率值，并且只能对城市的效率值进行静态分析，无法确定效率值动态变化情况。而DEA-Malmquist模型不但能够清晰地得出不同城市物流效率的变动情况，而且还能通过对具体效率的分解，得出效率变化的原因，基于上述原因，并参考申晨［13］、宗晓华［14］等学者的研究，本文运用DEA模型和DEA-Malmquist指数模型相结合的方法全面测度山东省16地市物流效率的变化情况，具体计算式如下。

式（2）中：t表示时期；Xt表示第t期的投入向量；Xt+1表示第t+1期的投入向量；Yt表示第t期的产出向量；Yt+1表示第t+1期的产出向量；Dt和Dt+1分别表示第t期和第t+1期决策单元实际生产点与物流效率前沿面的距离函数值。若m0＞1，表示决策单元的物流效率正在提高；若m0＜1，表示决策单元的物流效率正在降低。

（三）定性比较分析（以下简称“QCA”）

采用QCA方法探讨物流效率的因果组态路径机制，其原因在于：第一，物流效率这一研究对象是一个典型的“多因素、复杂性、动态性”系统问题，存在着多种因素组合的多重并发因果关系，而以往传统的回归分析聚焦于单个变量的净效应及相关性，对于多变量间相互依赖及其构成的组态路径解释较为困难。相对比之下，QCA则假定因果关系是非对称的，其方法核心注重于挖掘导致结果的原因路径组合，更有助于分析复杂机理下不同城市物流效率的差异化驱动路径［15］。第二，物流效率是一个复杂的多情况下的过程，受限于传统计量方法，以往研究大多数只能得出因果变量的二元关系，难以得出不同指标组合下的具体成功案例，QCA则在传统计量方法基础上，通过QCA方法采用案例结果导向，通过给出案例的具体信息，实现与具体实证信息的观察对照［16］。通过比较不同案例出现的场景，扩展具体案例下路径的解释宽度与广度，增加文章研究结论的可靠性。这不仅可以揭示多元因素下物流效率提升的“殊途同归”效应，同时可以深入探究某一地区物流效率提升的多样化经验，归纳可推广的区域发展策略。

（四）指标及变量选取

1.DEA评价体系构建

结合现有研究，根据山东省物流业发展特点，本文从人、财、物三方面构建物流投入指标体系：在人力投入方面，参照秦雯［17］等学者的做法，采用物流从业人员数来表示；在政策支持方面，参照龚雪［18］、汪文生［19］等学者的研究，采用交通运输财政支出占总财政支出比重来表示；在物力投入方面，参照潘立军［20］等的研究，采用总货运量和货运周转率来表示，同时从低碳视角出发，将物流业碳消耗加入投入指标中。产出指标方面：从经济效益和社会效益两个角度出发选取产出指标，选取总货运量和货物周转量两个指标衡量物流业社会效益，选取物流行业增加值衡量物流业经济效益。具体投入产出指标体系如表1所示。

表1 低碳视角下物流投入产出指标体系

2.QCA变量选取

参考孙嘉俊［21］和吴灼亮［22］等学者的研究及对山东省物流发展现状进行综合分析，选取物流业固定资产投资、经济发展水平、物流产业集聚水平等7个指标作为QCA分析的条件变量，DEA-Malmquist效率测度结果作为QCA分析的结果变量。条件变量具体选择解释如下。

保证物流运输的畅通需要建设复杂交错且高效的“陆、水、空”立体交互网络。随着现代物流业转型升级，各种新式的物流仓储设备、运输设备、包装设备、装卸搬运设备竞相涌现，因此物流业固定资产投资也是影响物流效率的关键因素。经济越发达的地区，会使得包括生产和消费在内的一系列物流关键环节活跃度越高，物流各环节会产生外溢效应，带动物流在管理和技术装备等方面的创新，因此经济发展水平成为影响区域物流效率的关键因素。借鉴马歇尔外部性理论，产业集聚会产生正向规模效应，带动物流企业间的沟通与合作，促进该区域内部物流业协同发展，从而提升物流效率。数字经济时代，较高的信息化水平可以对物流产供销全过程中进行可视化表达、数字化显示和信息化管理，将信息化贯穿于物流生产、加工、流通、销售的全过程，利用信息化赋能物流产业，能够在数字生产、物流技术创新等多方面实现物流效率的提升。随着以现代服务业为重要内容的第三产业所占比重逐渐增加，带动了一大批物流增值服务，在此基础上对于物流各环节提出了更高的要求。如作业条件更便利、服务范围更广、反应速度更快等要求，从而带动了物流效率的提升。市场化水平可以提高各行业的资源配置效率，增加区域内市场主体的活跃程度，因此，也成为影响物流效率的关键因素。人均可支配收入能够直接影响居民的消费水平，对物流业的升级起到了不容忽视的作用，也会影响物流效率的提升。QCA具体指标体系及解释如表2所示。

表2 QCA变量指标体系

（五）数据来源与数据处理

1.数据来源

本文所用数据主要来自2017年至2021年间《山东省统计年鉴》。鉴于《国民经济行业分类与代码》中没有将物流产业纳入其中，而目前也缺少完善的数据统计体系，参考曹文彬［23］以及张立国［24］的做法，以交通运输、仓储和邮政业的统计数据来代替物流业进行实证分析。

2.碳消耗测算方法

借鉴刘承良［25］和周叶［26］等人的研究，采用各种运输方式的能源消耗系数、碳排放系数和货运周转数据转化碳消耗量，计算碳消耗量。物流业产生的碳消耗量计算公式如下。

其中，Ei代表第i种运输方式（公路、铁路、航空和水路）的碳排放量，单位是万吨；j代表燃料种类；Tij代表第i种运输方式在消耗第j类燃料时，每公里的货物周转量；Fij代表了第i种运输方式在消耗第j类燃料时，每公里的能量消耗；Cj代表第j类燃料的碳排放系数，它反映了每1千克能源燃烧所产生的碳排放量。其中各类能源折标准煤系数数据来源于《中国能源统计年鉴》。

三、实证研究

（一）DEA效率分析

利用DEA软件对2017-2021年山东省16地市物流业的投入产出进行测算，对测算结果取平均值。具体结果如表3所示。

表3 山东省各市物流效率DEA结果分析

（1）济南、青岛等7个城市综合物流效率均为1，说明7个城市物流投入产出比达到DEA有效，实现了当前投入的最佳回报；枣庄、东营等6个城市的物流效率低于0.9，说明与先进物流效率之间存在明显差距。

（2）济南、青岛等9个城市纯技术效率均保持为1，说明其充分利用了物流业资源，取得了良好的技术效果；烟台在5年内效率均未达到平均值，需要物流行业投入资源，加强物流信息化建设，实现对物流全过程的实时监控和及时响应，促进纯技术效率的提升。

（3）济南、青岛等7个城市的产业规模效率均保持为1，表明这些城市在物流投入方面取得了显著成效；枣庄、东营等城市的产业规模效率均未达到0.9，说明物流资源出现浪费。

（二）山东省低碳物流效率的动态分析

利用DEA-Malmquist指数模型，从时间和空间两个角度测算山东省各城市动态物流效率。对2017-2021年物流Malmquist指数及分解取平均值。具体结果如表4和如表5所示。

表4 2017—2021年山东省16城市物流Malmquist指数及分解

表5 2017—2021年山东省物流Malmquist指数及分解

从山东省整体看，在2017-2018年间，全要素生产率为0.977，技术效率、纯技术效率、规模效率均小于1，说明物流业投入方式和配比出现了问题，呈现了资源浪费的现象。在2018-2019年间，全要素生产率为1.041，技术效率、纯技术效率，规模效率均大于1，技术效率提高和规模集聚效应推动了全要素生产率提高。在2019-2020年间，技术进步得到了极大提升，规模效率同样促进了全要素生产率，推动了全要素生产率的提升。在2020-2021年间，物流全要素生产率为1.045，保持上升趋势，且四项分解指标全部处于上升趋势，促进物流效率进一步提升。

分城市来看，济南、威海、滨州三个城市由于技术进步的影响，导致了全要素生产率降低，可能的原因是现代物流观念薄弱，大多数企业只提供简单的运输和仓储服务，缺乏物流一体化服务，在“互联网+物流”大背景下，应积极运用大数据、云计算等技术，提高物流行业信息化水平，促进物流行业技术进步。其余城市在技术进步的促进作用下，全要素生产率取得了明显的进步，因此说明技术进步是促进山东省物流效率的持续稳定发展的关键因素。

（三）QCA分析结果及解释

本研究使用QCA方法分析促进物流效率提升的组态路径。参考胡宁宁［27］、刘凤［28］等学者做法，将一致性阈值设置为0.8，频率阈值设置为1，得到简单解、中间解和复杂解。同时在简单解和中间解出现的条件作为核心条件，只在中间解出现的条件作为边缘条件。具体分析结果如表6所示。

表6 QCA模糊集分析结果

注：●表示核心条件出现，▲表示边缘条件出现，○表示核心条件不出现，△表示边缘条件不出现。

由表7可知，有4条组态路径可促进山东省物流效率提升，这4条路径下条件变量的一致性均大于0.8，解决方案一致性为0.8526，说明这4条路径都是提升山东省物流效率的充分条件组合。研究发现，单个变量均无法单独构成提高山东省物流效率的充分条件，物流效率是多因素非线性综合作用的结果，避免了单一变量简单二元分割造成物流效率影响因素损耗而产成的失真问题，有力的证明了该方法对于本研究的适用性。具体的路径分析如下。

1.路径1：投资产业市场驱动型路径

路径1核心条件为物流业投资，边缘条件为物流产业集聚以及市场化水平，代表城市为枣庄市和德州市。以德州市为例，该市经济发展水平在山东省内相对滞后，但近年来，德州市着眼物流业的长远发展，加大对物流业的投资，保持物流业固定投资持续增长，并努力推动跨行业、跨区域等形式集聚和整合物流资源和市场，形成区域比较优势，并出台了《营商环境创新提升工作方案》，激发市场的主体活力，增强了城市的市场化水平，为提升德州市的物流效率带来了显著成效。

2.路径2：产业结构主导驱动型路径

路径2核心条件为产业结构，边缘条件为物流业投资、物流产业集聚和市场化水平，代表城市为临沂市。临沂市作为物流之都和中国北方最大的市场集群和商品集散中心，截至2021年底，拥有3752家物流企业，物流园区38处，营运车辆20多万辆，大型物流园区20多处，具有高市场化的特征，并形成了规模化产业集聚效应，拥有了和物流产业相配套的成熟产业结构。此外，临沂市高度重视物流及其相关经济发展水平，加强标准化和信息化建设，为物流专业人才提供优厚待遇，并出台相应的优惠政策，为物流业效率提升奠定坚实基础。

3.路径3：产业市场主导驱动型路径

路径3核心条件为物流产业集聚、产业结构和市场化水平，边缘条件为居民生活水平，代表城市是泰安市。具体来说，泰安市积极引领现代物流产业集聚，构建“一区两港多园”空间布局，推进17个龙头物流产业园建设。此外，泰安充分利用泰山国际登山节等活动载体，积极引进国内外知名物流企业来泰设立采购中心和物流配送中心，建立多元投资融资渠道，强化资源配置，引导物流企业高效利用资源，带动了产业结构升级和市场化水平提升，为泰安市物流发展奠定了坚实基础。

4.路径4：多因素混合型驱动型路径

路径4核心条件为产业结构，边缘条件为物流业投资、经济发展水平、市场化水平和居民生活水平，代表城市为潍坊市。潍坊市积极利用现代物流技术贯穿整个物流产业，整合物流企业平台资源，打造潍坊市智慧物流公共信息平台，形成了农产品物流、“两业”融合联动、医药物流等为支撑的物流节点。并积极进行物流业投资，完善提升流通基础设施，构建“三纵六横”高速公路骨干网，形成“一纵四横”高速铁路网，加快潍坊港专业化深水泊位建设和潍坊机场迁建，这一系列措施，为潍坊市物流效率提升奠定了坚实的基础。

四、政策建议

基于上述实证研究分析，本文提出以下四点建议。

（1）充分发挥核心城市区域引领带动作用，提高城市间协作水平，因地制宜地制定物流发展方案及策略。其中，济南、青岛等物流核心城市要进一步依据原有较为完善的物流配套设施及《山东省“十四五”现代物流发展规划》等政策优势，加快建设区域联动的海陆空铁多式联运物流枢纽，引领辐射和带动山东省物流业效率的提升。淄博、济宁、威海等城市在保持原有较高效率优势的基础上，充分利用好新一轮“新基建”发展机遇，加强信息服务业基础设施的投入，完善物流行业配套设置，并积极引导市场和社会力量参与共建，减轻政府的财政压力。鉴于枣庄、东营、烟台等城市物流规模效率较低，应支持物流企业的合并与重组，转变物流企业散、小、弱的局面，并积极对接济南、青岛、烟台等核心城市物流枢纽设施，共建共享海陆空铁物流通道、物流集散、转运分拨配送基地。

（2）因地制宜，增强以智慧化、信息化为主要内容的新型物流基础设施的建设，为物流业低碳发展提供硬件支持。根据物流业的发展情况和财力条件，有针对性地加大不同物流环节科技创新要素的投入，优化资源配置，提高整体物流效率。如泰安、滨州、菏泽等经济条件相对较弱的城市，则应积极实施一些适应于本地区发展特点的智慧物流项目，与人工智能、大数据、智慧物流等数字技术相结合，积极应用智能仓储、智能配送等智能化物流基础设施。济南、青岛、烟台等物流基础环节相对完善的城市，要积极应用6G网络、区块链、物联网和人工智能等新一代信息技术，在仓储、运输、配送等环节融入先进的现代通信技术，引领企业通过数据共享、技术进步和模式创新降低运营成本，从而进一步提升山东省物流业技术水平。

（3）加快对物流产业结构进行调整和优化，推动物流产业向绿色低碳方向发展。打造物流产业集聚地，促进山东物流产业结构的持续优化，充分发挥物流与其它行业的联动作用，促进产业结构的转型升级。具体而言，结合山东物流业水平大而不强、信息化水平较低的特点，可以采用将物流外包给第三方以及第四方物流等方式，提升产业链上各个企业的专业化水平，减少各个环节中所产生的资源浪费。同时，支持传统物流企业拓展和参与电商平台运营，从递送、运输服务升级延伸至产业链多个环节，提高定制化物流服务水平。在此基础上，培育并持续强化现代物流发展的新动能、新业态、新模式，充分激发实体经济新活力。

（4）注重各类新技术开发应用，优化运输路线与管理方式，建立合理高效的物流业循环利用体系，实现全流程低碳化运行。山东人口密度和经济密度“双高”的特点，为物流新技术的开发应用提供了天然优势。充分利用大数据分析技术手段，结合传统路线的历史数据，对路线进行精细化规划，减少运输、配送里程和时间，降低化石燃料的使用量，缩减物流成本。通过精准分拣技术，循环复合包装材料的使用，实现关键物资的循环利用。采用精准分拣技术，循环包装的使用，实现关键物资的循环利用，建立“线上加线下”回收平台，完善回收平台，提高回收效率，降低物流业的碳排放。

五、结语

通过对低碳视角下山东省物流效率进行DEA分析，DEA-Malmquist指数模型分析和QCA分析发现：①低碳视角下山东省物流效率平均值为0.8928，其中提高规模效率是提升山东省物流效率的重要途径。②山东省物流效率的Malmquist指数呈现上升态势，其中技术进步是影响山东省物流效率提高的主要原因。③山东省物流效率提升存在投资产业市场驱动型、产业结构主导驱动型等4条组态路径。其中，提高市场化水平是促进山东省物流效率提升的关键因素。区域物流效率是影响产业链、供应链安全的重要因素，关乎国家和区域产业市场综合竞争力。本研究为进一步促进物流业转型发展及物流资源优化配置，特别是针对地区物流效率持续稳步提升具有重大现实意义。

参考文献：

［1］TOMOYUKI U， TETSUO Y， NORIHIRO I， et al．Modeling and balancing for costs and co 2 emissions in global supply chain network among asian countries［J］.Procedia CIRP，2015（C）．

［2］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，2018，34（8）：109-112.

［3］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，2023，37（1）：33-40.

［4］高辉.低碳物流发展的文化思考［J］.科技管理研究，2015，35（12）：247-250.

［5］李金铠，马静静，魏伟.中国八大综合经济区能源碳排放效率的区域差异研究［J］.数量经济技术经济研究，2020，37（6）：109-129.

［6］杨传明.低碳约束下江苏物流产业效率测度［J］.华东经济管理，2018，32（1）：27-32.

［7］于丽静，王海峰，姜永强.基于SFA的山东省区域物流效率及影响因素分析［J］.物流工程与管理，2017，39（2）：4，16-18.

［8］汪欣.区域物流低碳发展能力评价及推进策略——基于长三角及中部地区8省1市的实证分析［J］.河南社会科学，2018，26（11）：108-112.

［9］梁子婧，马海燕.区域物流高质量发展新格局——基于物流生产力成长空间差异的分析［J］.城市问题，2021（12）：97-103.

［10］李慧，李玮.物流业碳排放效率评价及动态演化分析：以“丝绸之路经济带”沿线省区为例［J］.环境科学与技术，2019，42（3）：165-171.

［11］马文斌，朱欢.绿色低碳企业创新效率测度及影响因素研究——基于三阶段DEA与Tobit模型［J］.软科学.2023（9）：1-12.

［12］顾江寒，柴华奇，葛鹏飞，等.黄河流域省级区域农旅融合质量研究——基于DEA交叉效率的实证分析［J］.经济问题，2021（12）：97-103.

［13］申晨，辛雅儒，贾妮莎，等.OFDI对工业绿色全要素生产率的影响机制——基于两阶段Super-SBM-Malmquist指数模型的分析［J］.中国管理科学，2023，10：1-13.

［14］宗晓华，付呈祥.“双一流”建设高校科研效率及其变化——基于超效率和Malmquist指数分解［J］.重庆大学学报（社会科学版），2020，26（1）：93-106.

［15］杜运周，李佳馨，刘秋辰等.复杂动态视角下的组态理论与QCA方法：研究进展与未来方向［J］.管理世界，2021，37（3）：12-13，180-197.

［16］杜运周，刘秋辰，程建青.什么样的营商环境生态产生城市高创业活跃度？——基于制度组态的分析［J］.管理世界，2020，36（9）：141-155.

［17］秦雯，倪容.科技创新对珠江西岸物流产业效率的影响——基于超效率三阶段数据包络分析模型［J］.科技管理研究，2022，42（20）：89-95.

［18］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.

［19］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.

［20］潘立军，谭浩博，刘喜梅.基于超效率DEA的长株潭区域物流协同发展评价研究［J］.湖南社会科学，2020（6）：79-84.

［21］孙嘉俊，叶涛锋.组态思维视角下物流效率的建设路径研究［J］.物流科技，2022，45（19）：11-14.

［22］吴灼亮，刘明德.基于QCA的安徽省物流效率影响因素及作用路径研究［J］.合肥工业大学学报（社会科学版），2021，35（4）：20-27.

［23］曹文彬，朱勇.物流业产业升级对劳动力就业的影响研究［J］.工业技术经济，2019，38（4）：103-108.

［24］张立国.中国物流业二氧化碳排放变化驱动因素分析［J］.中国流通经济，2016，30（12）：29-39.

［25］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，2017，37（12）：1805-1814.

［26］周叶，王道平，赵耀.中国省域物流作业的CO2排放量测评及低碳化对策研究［J］.中国人口·资源与环境，2011，21（9）：81-87.

［27］胡宁宁，侯冠宇.区域创新生态系统如何驱动高技术产业创新绩效——基于30个省份案例的NCA与fsQCA分析［J］.科技进步与对策，2023，40（10）：100-109.

［28］刘凤，廖鑫，周贤永.城市营商环境优化的生成逻辑与实现路径——基于实地调研和QCA的多重分析［J］.科技进步与对策，2023，12：1-10.

［29］ESMAEILI A，SADEGH H A.Efficiency evaluation of customer satisfaction index in e-banking using the fuzzy data envelopment analysis［J］.Management science letters， 2014， 4（1）：71-86.

［30］THANWADEE C.Examination of factors influencing the successful implementation of reverse logistics in the construction industry：pilot study［J］.Procedia engineering， 2017， 182：99-105.

［31］曹炳汝，邓莉娟.长江经济带物流业效率增长影响因素［J］.经济地理，2019，39（7）：148-157.

［32］黄薇.中国保险机构资金运用效率研究：基于资源型两阶段DEA模型［J］.经济研究，2009，44（8）：37-49.

［31］杜运周，刘秋辰，陈凯薇，等.营商环境生态、全要素生产率与城市高质量发展的多元模式——基于复杂系统观的组态分析［J］.管理世界，2022，38（9）：127-145.

［33］LEE H.Research on improving logistics efficiency in the Iraqi oil and gas industry［J］.Journal of management and training for industries，2018，5（1）：1-21.

［34］燕翔，冯兴元.农村中小银行的经营效率研究——基于DEA-BCC模型和DEA-Malmquist指数模型的分析［J］.金融监管研究，2021（11）：1-17.

Study on the Factors Influencing Logistics Efficiency andOptimization Paths in Shandong Provincefrom the Low Carbon Perspective

XUE Yang，DUAN Hao-wen，FENG Yin-hu

（School of Economics and Management，Inner Mongolia University of Technology，Hohhot，Inner Mongolia 010051）

Absrtact：This paper takes data from 16 cities in Shandong Province from 2017 to 2021 as samples， uses DEA and Malmquist index models to comprehensively measure the efficiency of the logistics industry in these areas， and uses qualitative comparative analysis（QCA）to clarify the influencing factors and optimization paths of logistics efficiency in Shandong Province.The results show that the overall logistics efficiency in Shandong Province is good， but there are significant differences between different cities;the four indicators of technological efficiency and technological progress all play a promoting role in improving logistics efficiency， among which technological progress is the main reason for the growth of logistics efficiency;human capital，logistics industry investment， and economic development level constitute four configuration paths to promote the logistics efficiency in Shandong Province. Based on the results， this paper proposes suggestions to promote the improvement of logistics efficiency.

Keywords：logistics efficiency;Shandong Province; Malmquist index model;configuration path

基金项目：2023年国家自然科学基金地区科学基金项目“组态视角下流域产业转型升级的驱动机理、政策效果与路径选择——以黄河几字湾为例”（72364028）;2023年内蒙古教育厅“党的二十大精神研究”哲学社会科学重大专项“内蒙古发展泛口岸经济、通道经济路径研究”（ESDZX202314）