低碳約束下的物流效率分析——以東部十省市為例

唐建榮，盧玲珠

（江南大學商學院，江蘇 無錫 214122）

一、引言

2010年，我國物流業增加值為2.7萬億元，比2001年的7429億元凈增約2萬億元，10年間平均增長14.8%，物流業在促進國民經濟發展和發展方式轉變中的重要支撐作用日益顯現。現代物流業是結合了運輸業、倉儲業、信息業等行業的復合型服務產業，作為第三利潤源，已成為世界經濟發展的熱點之一。但是，物流業普遍存在的專業化水平低、成本高以及物流運作模式的低效率，造成了能耗的增加和能源的浪費，物流過程對環境產生的負面影響持續擴大。目前國內關于低碳物流的研究主要側重宏觀角度的發展戰略及政策分析，而對低碳物流的定量研究可謂鳳毛麟角。我國東部具有經濟發展快、經濟氛圍活躍等特點，基于碳排放的東部物流業效率研究對我國中西部地區具有示范作用。本文從投入產出角度，基于經濟發展和環境保護兩個視角，在建立各省市投入產出指標體系的基礎上，以東部十省市為研究對象，采用三階段數據包絡分析法（DEA）對東部十省市物流業技術效率進行系統研究，研究結果為東部地區改善物流業技術效率和區域低碳物流建設提供了理論指導。

DEA方法是應用數學規劃模型評價多指標投入和多指標產出相對效率的非參數方法。近年來，DEA方法被廣泛用于評價物流效率，如柳劍等[1]基于DEA方法分析了2008年全國31個省、市、自治區的物流投入產出效率；徐鵬[2]運用固定規模報酬模型（C2R）和變動規模報酬模型（BC2）對全國31個省、市、自治區2003~2008年的物流產業效率進行評價，計算出了全國物流產業的相對總技術效率、純技術效率和規模效率；艾默·哈曼丹、吉姆·羅根斯（AmerHamdan，K．J．（Jamie）Rogers）[3]運用DEA方法對第三方物流企業運作效率進行分析評價；張中強[4]以我國東部31個地市級地區為數據樣本，研究我國東部地區區域物流發展效率問題。以上研究在對物流效率進行評價時，并未排除環境變量和隨機因素對結果的影響，可能引起純技術效率和規模效率被錯估的情形，部分學者對該模型進行改進，提出了三階段DEA模型。鐘祖昌[5]采用三階段DEA方法分析2007年我國31個省、市、自治區物流產業的運營效率；樊敏[6]基于三階段DEA方法構建均質化效率分析框架，在剔除外部環境變量以及隨機因素對效率影響的基礎上，比較相同環境及隨機條件下我國八大經濟區域2008年物流產業實際運作效率水平。但是，以上對物流效率的研究只考慮了資金、人員投入、產量與收益等經濟指標，并沒有考慮環境指標。然而，物流業作為環境污染大戶，面臨著巨大的節能減排壓力。楊雨薇[7]指出，低碳物流目前已經成為物流業發展的一種趨勢，物流業作為高能耗產業，延續以往的經營發展模式已經明顯跟不上時代的發展了，必須走低碳化道路。

本文將二氧化碳排放量作為投入變量，引入三階段DEA模型，對2008~2010年我國東部十省市物流效率進行較為系統的研究與對比，可較為準確地評估我國東部地區物流業發展的真實狀況以及東部各省市物流的差異，進而通過物流效率縱向動態分析和橫向差異分析，找出提高物流業技術效率的途徑。

二、研究方法與數據來源

1.研究方法

傳統DEA模型認為，任何與效率前沿的偏差都是由管理無效率引起的，不考慮評估決策單元所處外部環境、隨機誤差等對效率值的影響。針對這一缺陷，弗瑞德（Fried）等對傳統DEA方法進行了修正，將投入松弛量視為決策單元的機會成本，利用隨機邊界分析（SFA）模型，將環境因素對投入松弛量回歸方程中的隨機誤差項分解為統計誤差項和無效率項。三階段DEA模型將環境變量、隨機誤差和管理無效率納入效率分析框架，將效率評估過程中環境因素和隨機因素對相對效率的影響進行有效分離。其基本步驟是：

第一階段：傳統DEA方法。本文采用班克、查恩斯、庫伯（Banker，Charnes&Cooper）提出的 CRS模型改進方案，即投入導向型規模報酬可變（BCC）模型，假定規模報酬可變，將技術效率（TE）分解為純技術效率（PTE）和規模效率（SE）。鑒于傳統DEA模型已經相當成熟，在此不贅述其原理。

第二階段：SFA方法。在物流效率測度過程中，環境及隨機因素的干擾都會導致物流效率達不到最大產出水平，為分離出外部環境及隨機誤差因素對效率值的影響，必須調整投入量。第二階段通過構建類似SFA模型分離出環境因素、隨機誤差、管理無效率三個因素的影響，得到僅由管理無效率造成的決策單元投入冗余。

假設以j個省市的物流業作為決策單元（DMU），每個決策單元投入i種資源，xij為第j個省市物流業的第i種投入資源，sij為第一階段第j個省市物流業的第i種投入資源的松弛變量，那么第一階段投入松弛變量如公式（1）所示：

其中，Xi是X的第i行，Xiλ是xij對應產出向量在投入效率子集上的最優映射。此模型與隨機成本邊界（Stochastic Cost Frontier）模型一致。①

建立松弛變量與環境解釋變量的理論模型，如公式（2）所示：

其中，zj=（z1j，z2j，...，zpj）表示 P 個影響物流業效率的可觀測環境變量，βi為環境變量的待估參數向量。f（izj，β）i=zjβi是環境變量的函數，表示環境變量對決策單元投入松弛變量sij的影響方式。vij+uij為混合誤差項，其中，vij指第j個省市物流業第i種投入資源非人為控制因素所造成的誤差，為隨機誤差項，假定其服從零均值、同方差的正態分布，即vij~N（0，），uij表示管理無效率，假設其服從截斷正態分布，即 uij~N+（ui，），并假設vij和uij獨立不相關。特別地，令 γ=（/+），當 γ 趨近于0時，隨機誤差項比例較大；當γ趨近于1時，管理因素的影響較大。

為進行下一步的投入調整，有必要先從SFA回歸模型的混合誤差項中將隨機誤差項分離。通過管理無效率的條件估計[vij|vij+uij]，并借鑒約翰德羅（Jondrow）等提出的方法得到隨機誤差的估計：

為剝離外部環境和隨機誤差的影響，本文將運營環境相對有利或相對較好的各省市物流業投入變量進行調整。基于物流效率最有效的省市，以其投入量為基準，對其他省市物流業投入量調整如下：

其中，xij*和xij分別是調整后和初始的投入值，βn為環境變量參數的估計值。右邊第一個方括號內的式子代表全部省市物流業調整至相同環境下，第二個方括號內的式子代表通過調整使各省市物流業處于共同的自然狀態，最終使各省市物流業面臨相同的環境和機會。

第三階段：調整后的DEA方法。用調整后的DMU代替原始投入數據，再次運用BCC模型進行效率評估，此時得到的DMU效率值即為剔除了環境因素和隨機誤差的技術效率。

2.指標選擇

在各國的產業分類體系中，幾乎都沒有“物流產業”，即使最先進的北美產業分類體系（NAILS）也是如此。國內大部分學者在研究過程中將物流業界定為貨物運輸業、倉儲業、郵政業三個部門，本文采用相同的界定。

考慮到投入和產出指標的選取會直接影響評價結果，在指標的選擇上應遵循以下幾點：首先，選擇的指標能夠反映物流業競爭力水平并滿足物流業效率的評價要求；其次，按照其他學者運用DEA方法評價效率的經驗，輸入輸出指標個數之和應小于決策單元個數之和；其三，要充分考慮指標的重要性和數據的可獲得性。根據以上原則并充分考慮既有研究結果，構建以下指標體系：

（1）投入指標。污染物投入處理法是評價環境效率的主要思路之一。[8]在生產過程中，期望產出總是對應著一定的資源投入以及污染物排放，期望產出與污染物之間呈現同增同減的關系，這一點類似于傳統生產函數中的投入產出關系。在東部十省市物流效率評價中，社會希望污染物的排放量越少越好，符合DEA模型對投入指標的要求。遵循這一思路，本文將碳排放量作為投入要素，參考畢志雯[9]的數據處理方法，將物流業的原煤、原油、汽油、煤油、柴油、燃料油、液化石油氣以及天然氣的消耗量與化石燃料的CO2排放系數相乘，得到CO2排放量。因此，本文選取CO2排放量（x1j）、物流業城鎮單位就業人員數（x2j）、物流業全社會固定資產投資（x3j）作為投入指標。其中，考慮到資金的時間價值，以1978年為基期，按GDP平減指數對固定資產投資額進行可比價格處理。

（2）產出指標。本文以東部十省市的物流業國內生產總值（萬元）來衡量經濟產出，并以1978年為基期，按GDP平減指數進行可比價格處理。

（3）環境指標。環境變量主要選擇那些影響物流業效率但短期內無法控制或改變、不在樣本主觀可控范圍之內的因素，本文選取的環境變量包括經濟環境、科技水平、政府支持等。考慮到數據的可得性，本文選取各省市GDP來反映東部十省市物流業的外部經濟環境，用研究與試驗發展科研經費來反映當地的科技水平，用地方財政對物流業撥款占財政總支出的比例來反映政府的支持力度。其中，各省市GDP數據以1978年為基期，按GDP平減指數進行可比價格處理。

三、實證結果

1.第一階段實證結果

將我國東部十省市物流業投入產出數據代入BCC模型，借助Deap2.1軟件進行分析，得到規模報酬可變條件下的基于碳排放的物流業TE、PTE和SE，并得到投入變量的松弛變量（Slack），運算結果見表1。表1顯示，2008~2010年東部十省市物流業技術效率平均值分別為0.661、0.697和0.813，可見我國東部地區物流效率偏低，除河北省、山東省連續三年達到技術效率前沿，2010年江蘇省達到技術效率前沿外，其他省份物流業均無效率。

2.第二階段實證結果

根據第一階段Deap2.1軟件的輸出結果，得到每個決策單元的投入松弛量，分別用Slack1、Slack2、Slack3 表示 x1j、x2j、x3j的松弛變量，借助Frontier軟件進行數據分析，得到表2。

表1 第一階段和第三階段輸出結果

根據表2數據，單邊似然比檢驗和環境變量的回歸系數顯著性檢驗表明，混合誤差項中存在管理非效率，因此應當使用SFA分析，γ表示管理無效率方差占總方差的比率，每個回歸分析都顯示γ趨向于1，且顯著水平均達到1%，說明管理效率存在差異，采用SFA分析是適宜的，且表明管理無效率嚴重影響松弛變量，而隨機因素的影響幾乎可以忽略不計。

3.第三階段實證結果

PTE表示東部十省市物流業投入資源的配置、技術進步及管理的總體情況，反映一定投入條件下的產出能力。SE反映各省市物流發展規模及增長空間情況，本質上也是管理水平的反映。從表1可以看出，第一階段與第三階段的輸出結果存在差異，在排除外部環境和隨機干擾的影響后，東部十省市的PTE提高，SE大幅降低，從而引起TE的變動。經過第三階段的運算，物流業的TE年平均值從0.730下降到0.669，PTE年平均值從0.845提高到0.898，SE年平均值從0.862下降到0.747。大部分省市物流業的TE值被高估，只有廣東省物流業的TE值被小幅低估，在排除外部環境與隨機干擾后，由0.618上升到0.619。物流業SE值普遍高于PTE值，表明PTE值是制約物流業效率提高的主要因素。

基于碳排放的物流業技術效率與其他學者對物流業相關研究得到的物流效率[10]存在一定的差異，排名也不盡相同，形成差異的主要原因有兩點：一是傳統的物流業效率測度僅考慮經濟產出，不考慮環境產出；二是使用三階段DEA方法將環境因素和隨機變量排除，測算結果應當更接近事實。

表2 第二階段SFA估計結果

四、實證結果分析

1.動態分析

從動態變化的角度整體上分析東部物流業效率。由表1可知，2008~2010年三年間東部十省市平均技術效率逐步提高，純技術效率與規模效率也逐步提高，但尚未達到技術效率前沿。從技術效率看，2008年東部十省市平均技術效率為0.630，2009 年為 0.666，2010 年為 0.710，年平均增長率為6.2%。從純技術效率看，2008年東部十省市平均純技術效率為0.857，2009年為0.893，2010年為0.942，年平均增長率為4.5%。從規模效率看，2008年東部十省市平均規模效率為0.736，2009年為0.746，2010年為0.759，年平均增長率為1.3%。三年來，純技術效率均高于規模效率，這樣的結果說明，東部十省市資源利用情況較為充分，且利用率逐年提高，而物流業產業規模是限制物流業發展的關鍵因素，需進一步擴大。自2008年起，低碳經濟逐漸提上日程，各省市都不同程度地響應我國提出的低碳經濟戰略，物流業低碳化發展之路也被各省市認可，這些因素是造成物流業技術效率提高的關鍵因素。

從動態變化的角度分別對各省市物流業技術效率進行分析。東部地區物流業技術效率的變化可分為五類，第一類為“不變”，包括河北省和山東省，這兩省物流業達到技術效率前沿，三年來物流業技術效率均為1；第二類為“遞增”，包括北京市和江蘇省，物流業技術效率處于上升趨勢；第三類為“遞減”，包括海南省，說明海南省物流業技術效率處于下降趨勢，急需加大物流業發展力度，提高物流效率；第四類為“先增后減”，包括天津市和廣東省，這兩個省市的物流業技術效率在2009年得到一定幅度的提升，但2010年出現了效率回落，發展力度不夠，物流業發展持續性不強；第五類為“先減后增”，包括上海市和福建省，其中上海市的物流業技術效率盡管2009年出現了小幅度降低，但2010年物流業技術效率得到了大幅度提升。

從技術效率的變化幅度看，除福建省和海南省平均增長率為負外，其他省份平均增長率為正，其中上海市物流業平均增長率最高，達到28.2%，其次為北京市、江蘇省，物流業平均增長率都在10%以上，海南省的負增長率最高，為-12.3%。根據表1的數據，上海市物流業技術效率的大幅提高主要來自于純技術效率的大幅提高，說明其物流業管理有了大幅度提升，2010年世界博覽會對上海物流業起到了一定的促進作用，期間上海市構建城市配送物流服務，拓展口岸綜合服務，加強區域物流聯動發展等多項措施，同時自2008年國家建設部與世界自然基金會（WWF）將上海作為低碳城市試點起，上海市采取各項減碳政策，成為上海市物流業技術效率提高的重要因素。

2.差異分析

整體來看，東部十省市物流業技術效率較低。為了對東部十省市物流效率進行差異化分析，可以0.9的效率值為臨界點將東部十省市物流效率分為四種類型。第一種類型為“雙高型”，即純技術效率與規模效率均在0.9以上的省市，包括河北省、江蘇省和山東省，這類省市物流業所需的改進較少。第二種類型為純技術效率較高但規模效率較低的“高低型”，包括天津市、福建省和海南省，特別是海南省，其規模效率僅為0.185，物流業技術效率的改進方向為規模效率，后續發展的重點是擴大生產規模，實現資源的集中配置。第三種類型為純技術效率在0.9以下但規模效率在0.9以上的“低高型”，包括廣東省，在后續發展中要著重進行純技術效率的改進，進一步提高技術管理水平。第四種類型為“雙低型”，包括北京市、上海市和浙江省，這類省市在純技術效率和規模效率方面均有較大的提升空間，基于碳排放視角的物流業改善更為困難，在今后的發展中，一方面要注重管理水平的提高，通過加強物流業內部管理、引進先進技術設備、實施集成化物流、進行科學規劃、減少碳排放等方式，提高管理水平；另一方面要促進生產規模的擴大，科學規劃物流業各項資源。

具體來看，就技術效率而言，山東省與河北省物流業技術效率最高，達到了技術效率前沿，即純技術效率和規模效率同時有效，海南省最低，物流業技術效率僅為0.185，北京市物流業技術效率偏低，為0.492，天津市、上海市、福建省、山東省和廣東省物流業技術效率處于0.5~0.8之間，尚存在較大的提升空間。就純技術效率而言，在東部十省市中，河北省、山東省、海南省的純技術效率為1，純技術效率高于0.9的有6個省份，平均值為0.898。天津市、江蘇省、福建省純技術效率均高于0.9，北京市、上海市、廣東省純技術效率均低于0.8，有待進一步提高。從規模效率看，除河北省、山東省物流業處于規模報酬不變的情況外，大多數省份都處于規模報酬遞增的狀態。這說明，東部大部分省份在投入和產出方面不懈努力，使物流產業規模效率不斷提高，不斷接近于規模效率最優的狀態。江蘇省經過不懈努力，在2010年達到規模效率最優。廣東省2008年規模效率為0.916，2009年規模效率為0.996，2010年規模效率為0.995，說明廣東省物流業在沒有達到最優生產規模時就出現了規模報酬遞減，這是因為物流產業投入相對過量或過于分散，造成集中度低。因此，在以后的發展中，應適當放緩投入量增加的速度，主要考慮加強對投入資源的管理，更加充分地利用現有物流資源，以使其達到最大的產出。

五、研究結論及對策

本文運用三階段DEA模型和我國東部十省市相關數據，對基于碳排放視角的物流業技術效率進行測定，得出如下結論：首先，東部十省市的物流業技術效率無論在空間上還是時間上，都存在異質和波動現象，外部環境和隨機干擾對技術效率的測定具有重要影響，運用三階段DEA方法非常有必要；其次，將非期望產出碳排放作為投入進行數據處理，突破了以往測定物流業技術效率只考慮經濟產出的局限性，在考慮經濟產出的同時考慮環境產出，避免一味追求經濟產出而增加碳排放破壞環境；第三，我國東部十省市物流業技術效率差異明顯，山東和河北兩省達到了物流業技術效率前沿，其他省份存在上升空間，特別是海南省、北京市、天津市和上海市；第四，就東部十省市平均水平而言，東部十省市物流業存在資源消耗浪費、二氧化碳排放量較高和產出不足的現象，規模效率是制約物流業技術效率提升的關鍵因素，對江蘇和廣東兩省，純技術效率更為關鍵；第五，就東部十省市的物流業動態發展而言，東部物流業平均技術效率逐年提高，但仍有較大上升空間。

本文通過對東部十省市2008~2010年物流業技術效率、純技術效率和規模效率進行研究，去偽存真，為物流產業發展戰略提供政策依據，同時針對我國東部地區物流業現狀，提出以下對策：

1.確立行業“高壓線”，健全法律體系

從東部十省市物流業差異化分析結果可知，北京市、上海市、浙江省的物流業屬于“雙低型”，基于碳排放的物流業純技術效率與規模效率較低，與之前學者的研究成果存在一定差異，北京市、上海市、浙江省通常被認為是物流業發達地區，可見不考慮環境產出、單純考慮經濟產出的研究結果不利于物流業的可持續發展。因此，急需制定我國物流業行業標準和排放標準，政府應出臺低碳物流相關法律法規，進一步修改涉及能源、環保、資源等的法律，建立物流行業低碳認證體系，落實節能減排責任制，設立低碳物流園區試點，發展我國綜合性碳排放權交易市場和碳金融市場。[11]

2.加強政府“碳引導”，給予政策鼓勵

第二階段的實證結果顯示，政府支持在三個環境變量中對物流業效率的影響最為顯著。政府應完善并建立相關激勵機制和優惠政策，推動低碳物流的發展。借鑒國外低碳引導政策，國家發展和改革委員會、財政部和環境保護部應盡快制定碳排放稅的征收標準，并對有利于低碳經濟發展的生產者或經濟行為給予補貼，對低碳經濟發展實施稅收優惠政策等。[12]通過政府引導以及低碳政策的激勵，促進低碳物流發展，提高物流效率。

3.調整能源結構，降低能源消耗

我國物流需求隨著經濟的快速發展而急劇上升，物流業的能源消耗量與經濟增長速度、物流規模擴張也呈正相關變化。研究結果顯示，北京市、上海市、浙江省物流業技術效率之所以較低，在很大程度上與這三個省市的能源消耗量隨著地區經濟增長速度的持續增長，成為地區高耗能產業有關。探究我國物流業能耗高的根源，主要在于我國物流運輸方式落后、物流節點優化程度不高。[13]改善物流業能源結構，需要逐步建立低碳能源系統，發展可再生能源技術、節能減排技術，同時加快低碳科研成果向現實生產力的轉化，實現能源的多元化和清潔化發展。[14]

4.發展多式聯運，優化物流系統

多式聯運是運用集成化思路，把公路、鐵路、水路、航空等各種運輸方式有機聯系在一起，并交織成一個安全、節約、高效、環保的完整便捷系統。[15]在同一種運輸方式內部以及不同運輸方式之間，通過相互協調，形成合理分工，鼓勵合作經營、聯合經營，發展多式聯運，實現優勢互補，提高綜合效率，形成多種運輸方式相互協調銜接的物流運輸平臺，進一步提高區域物流業整體效率，促進區域經濟可持續發展。

5.開展逆向物流，完善物流體系

現有物流系統通常只關注貨物從供應商所在地運輸到客戶所在地的正向物流，而忽視逆向物流過程，是一種單向型的物流發展模式，在總體結構上違背了可持續發展的原則。逆向物流重視對包裝物、廢棄物、退貨品的回收處理，通過資源和廢棄物再資源化等途徑，達到保護環境、節約能源、低碳發展的目標，逆向物流的開展有利于提高物流效率。[16]

6.改善物流環節，實現低碳轉變

物流系統各環節存在重復建設、規劃不合理等問題，為提高物流效率，應對物流節點進行科學規劃，減少其節點的浪費，實現物流系統對資源利用的最大化和效益的最大化。以低碳包裝、運輸、倉儲、配送為主要減碳環節，實現物流作業的低碳化發展。

7.引入低碳技術，推動低碳發展

我國應進一步加強國際合作，制定低碳物流技術發展計劃，逐步建立起節能和高能效、潔凈煤和清潔能源、可再生能源和新能源以及碳匯能力等多元化的低碳技術體系，通過參與制定物流行業能效與碳排放標準，開展資源或強制性管理，為物流業低碳轉型提供強有力的技術支撐。[17]除此之外，物流企業要高度重視低碳物流技術研發工作，整合物流企業現有的低碳技術，并加以迅速推廣，積極自主研發低碳能源核心技術，推進低碳物流的實現，實現物流業的高效率。

注釋：

①隨機邊界模型包括成本邊界模型與生產邊界模型。弗里德耳（Friedel et al.）在第二階段采用隨機成本邊界，其原因在于，被解釋變量“綜合投入差額”是成本概念，綜合投入差額越多，表示物流業使用的成本越多，越無效率。

[1]柳鍵，邱國斌.基于DEA模型的我國物流投入產出效率分析[J].物流工程與管理，2011（33）：5-9.

[2]徐鵬.基于DEA的遼寧省物流產業效率研究[D].大連：大連海事大學，2010：30-44.

[3]AmerHamdan，K.J.（Jamie）Rogers．Evaluating The Efficiency of 3PL Logistics Operations[J]．Int．J．Production Economics，2008，113：235-244.

[4]張中強.我國東部地區區域物流發展效率分析[J].中國社會科學院研究生院學報，2012（1）：77-81.

[5]鐘祖昌.我國物流上市公司運營效率的實證研究[J].商業經濟與管理，2011（4）：21-28.

[6]樊敏.中國八大經濟區域物流產業運作效率分析——基于三階段DEA模型[J].現代管理科學，2010（2）：48-50.

[7]楊雨薇.國內外低碳物流研究綜述[J].物流工程與管理，2011（33）：1-3.

[8]李濤，傅強.中國省際碳排放效率研究[J].統計研究，2011（7）：62-70.

[9]畢志雯.低碳約束下我國物流產業技術效率動態評價——基于Meta-frontier和序列SBM-DEA的分析[D].天津：南開大學，2011：12-27.

[10]王明明.基于DEA模型的全國31省市物流業效率分析[J].科技經濟市場，2011（5）：56-58.

[11]唐建榮，張榮榮.中國發展低碳經濟的可能路徑[J].科技進步與對策，2010（4）：30-32.

[12]唐建榮，張白羽，王育紅.基于LMDI的中國碳排放驅動因素研究[J].統計與信息論壇，2011（11）：19-25.

[13]殷云.中國物流行業存在的主要問題分析[J].中國流通經濟，2012（1）：27-30.

[14]王桂花.我國低碳物流發展策略探析[J].中國商貿，2010（29）：128-129.

[15]董千里，董展，關高峰.低碳物流運作的理論與策略研究[J].科技進步與對策，2010（22）：100-102.

[16]段向云，張英華.基于主成分分析的我國物流業低碳化發展路徑[J].科技進步與對策，2010（22）：96-99.

[17]唐建榮，張白羽，浦徐進.中國碳低排的技術路徑及政策建議——基于經典估計貝葉斯平均（BACE）法的實證研究[J].當代財經，2011（11）：30-38.