低碳約束下省際物流業效率研究

■ 徐喜輝 特日格勒 李卓霖（中國礦業大學管理學院江蘇徐州 221116）

引言

近年來，物流業作為第三利潤源，越來越受到人們的關注。2009年政府將物流業納入“十大振興產業”，并頒布了《物流業調整和振興規劃》，把促進物流業發展提升到國家戰略的高度。隨著經濟的快速發展，物流業在促進國民經濟發展中的作用日益突出。但是，我國一些地區沒有考慮本地區的實際情況，盲目投資于物流業，使物流業走上了高投入、高產出的粗放型發展道路，這也導致了我國物流業運作效率低下，造成了能源消耗的增加和浪費。現階段，我國物流業能源消耗較大、運作效率低下，因此物流業應轉變為健康高效的發展模式，從而為低碳經濟做出貢獻。目前我國學者關于低碳物流的研究大部分是基于宏觀層面的戰略和政策建議，而關于低碳物流的定量研究可謂鳳毛麟角。本文基于低碳物流視角，在建立投入產出指標體系的基礎上，以全國各省市為研究對象，采用數據包絡分析（簡稱DEA）方法對各省市物流業效率進行系統研究，為改善我國物流業效率和低碳物流建設提供理論指導。

DEA方法以投入、產出指標值作為依據，運用數學規劃模型評價決策單元相對有效性的非參數方法。近年來，該方法被廣泛運用于評價物流效率，如鄧學平（2008）以證券市場上市的55家物流企業為對象運用DEA方法分析了我國物流企業全要素生產技術效率。許鵬（2010）利用DEA方法全面分析了遼寧省物流業效率，針對性地提出了遼寧省物流業發展政策建議。張誠（2013）建立了中部六省物流系統DEA模型對物流業效率進行了縱向分析。雷勛平（2012）運用DEA方法對我國各省市2008年物流產業效率進行實證研究。田振中（2011）運用DEA方法和Tobit回歸模型分析了我國各地區物流業效率及其影響因素。從以上分析可知，我國大部分學者研究物流業運行效率只考慮了經濟產出，忽視了低碳約束，而忽視低碳約束的效率評價會高估我國物流業效率，并且誤導政府訂制政策建議。

鑒于此，本文從低碳約束角度出發，同時考慮物流業經濟產出和環境保護兩個方面，對2008-2011年我國各省市物流業效率進行系統研究，并在此基礎上，通過Tobit回歸模型分析物流業效率的影響因素。根據分析結果，提出發展低碳物流的政策建議。

物流業現狀分析

（一）全國貨運量趨勢

國內大部分學者們將物流業界定為交通運輸業、倉儲業及郵政業（產業分類中沒有物流業），本文也采用此界定。

由于物流業的不斷發展，全國貨運量不斷增加。2002-2011年間，全國貨運量呈逐年增長態勢（見圖1），從2002年的1483447萬噸增至2011年的3696961萬噸，增幅達到149.21%，年均增長率達到10.68%；從數據上看，我國物流業在不斷的快速發展。

（二）物流業二氧化碳排放量趨勢

本文選取《中國能源統計年鑒》“地區能源平衡表”和“中國能源平衡表”中煤合計、油品合計、天然氣三種能源消費量來計算物流業最終二氧化碳排放量。計算公式如下：

式中ai表示第i種能源的碳排放系數，Ei表示第i種能源消費量。

本文根據公式（1）計算出了2002-2011年我國物流業二氧化碳排放量，如圖2所示。

由于物流業的不斷發展，導致了物流業二氧化碳排放量不斷增加，2002-2011年我國物流業二氧化碳排放量增長迅速，從2002年的21961萬噸增至2011年的49914萬噸，增幅為127.28%，年均增長率為9.55%，這與全國貨運量的年均增長率基本持平，即全國貨運量增長1%，物流業二氧化碳排放量也增長1%，由此可以看出，我國物流業的發展水平并不高，對環境的污染非常大，因此我國物流業發展必須做出重大調整，走低碳物流道路。

物流業DEA效率分析

（一）研究方法與指標選擇

數據包絡分析（Data Envelopment Analysis，簡稱為DEA）是由查恩斯（Charnes）和庫伯（Cooper）等學者在1978年提出正式提出的。它是研究同類型決策單元相對效率的常用方法之一。

設有n個DMU，其中每個DMUj都有m種類型的投入指標xj=(x1j,…,xmj)和s種產出指標yj=(y1j,…,ysj)T。則第j個DMUj的相對效率評價指數的CCR模型可表示為：

圖1 2002-2011年全國貨運總量趨勢圖（單位：萬噸）

圖2 2002-2011年物流業二氧化碳排放量趨勢（單位：萬噸）

本文基于上述模型設計低碳物流指數，結合低碳物流特點，構建以下投入產出指標：

投入指標：物流業從業人員、物流業職工工資總額、物流業固定資產投入、物流業二氧化碳排放量。現有的物流勞動指標中多只采用行業從業人員人數表示，并不能完全表達勞動力的成本，因此添加工資總額來彌補不足；在低碳物流效率評價中，二氧化碳排放量越少越好，因此選取物流業二氧化碳排放量作為投入指標。

產出指標：貨運量、貨物周轉率和物流業生產總值。貨運量和貨物周轉率反應物流業運輸能力，物流業生產總值反應物流業所產生的直接經濟效益。

（二）模型計算與結果分析

本文通過模型求解，得到了全國各省市2008-2011年物流業綜合技術效率θ、純技術效率σ以及規模效率ω，計算結果如表1所示。

從表1可知，2008-2011年我國各省市物流業綜合技術效率θ、純技術效率σ和規模效率ω有一定程度地提高，但并沒有達到技術效率前沿。從綜合技術效率θ看，2008年為0.651，2009年為0.697，2010年為0.706，2011年為0.718，年均增長率為3.32%。從純技術效率σ看，2008年為0.735，2009年為0.750，2010年為0.747，2011年為0.756，增長幅度并不大。從規模效率ω看，2008年為0.886，2009年為0.937，2010年為0.952，2011年為0.958，年均增長率為2.64%。2008年起，我國各省市都在積極地發展低碳經濟，這些原因是提高物流業綜合技術效率的關鍵所在。

對于物流業綜合技術效率θ而言，2008-2011年我國物流業平均投入產出效率不斷提高，大部分省市物流業投入產出效率逐年提高，個別的省市物流業投入產出效率有所下降。我國物流業平均效率從2008年的0.651提高到了2011年的0.718，提高了10.29%，大部分省市物流業效率提高比例較大，其中北京效率提高的最大，從2008年的0.393提高到2011年的0.921，提高了2倍多，天津、江蘇等都有一定程度地提高；個別省市物流業投入產出效率有所下降，其中包括山西、福建等地；還有一些省市變化不明顯。2011年天津、河北、上海、江蘇、安徽等地物流業綜合技術效率都達到了最高，說明物流投入產出要素達到了最佳組合；而對于物流投入產出要素未達到最佳組合的省市，可以通過調節投入產出比例使其達到最佳組合。根據投入松弛變量得出，效率較低的省市從業人員、工資總額等均存在投入冗余現象，造成了資源浪費。同時碳排放量冗余現象嚴重，說明物流業碳排放對環境污染非常大。對于純技術效率σ而言，2011年天津、河北、上海、江蘇等9個省市的純技術效率σ=1，說明這些省市處于最佳狀態，剩余的省市純技術效率σ<1，即物流純技術無效，處于技術和規模均無效的狀態。對于規模效率而言，我國各省市物流業規模效率ω相對較高，規模效率ω=1的省市實現了最優規模，ω<1的省市屬于規模經濟遞增狀態。

為了更清晰地分析我國各省市物流業效率水平，本文通過差異化分析和投影分析相結合進行物流投入產出水平研究。根據計算結果，可以將我國各省市分為四個類別：“高—高”型、“高—低”型、“低—高”型和“低—低”型。“高—高”型，即純技術效率和規模效率都高，其數值接近1，如天津、上海、江蘇、山東、安徽等，這些省市物流業比較成熟，需要改進的較少，應繼續保持其發展方向。“高—低”型，即純技術效率高、規模效率低，如青海、海南等，特別是海南省，其規模效率僅為0.353，該類省市應加大物流業投入，發展規模經濟。“低—高”型，即純技術效率低、規模效率高，如山西、吉林、黑龍江、四川、重慶等，該類省市應通過先進的物流技術管理水平提高物流業效率。“低—低”型，即純技術效率和規模效率都低，如貴州、福建等，該類省市不僅要加大物流業規模投入，同時還要提高物流技術管理水平，將外部政策和內部管理相結合，同時還要促進物流業規模的擴大，科學規劃資源，使資源最優化。

表1 全國各省市物流業效率值

表2 物流業效率影響因素的Tobit回歸結果

Tobit回歸分析

本文以DEA方法所得的效率值為因變量，以效率的影響因素為自變量，建立Tobit模型進行回歸分析。采用Tobit模型進行線性回歸分析的原因是由于效率值作為因變量在其值域內是截尾的，普通最小二乘（OLS）的概念已不再適用于本文的估計回歸系數。

本文從經濟發展水平、能源結構、產業結構三個方面考察各因素對物流業效率的影響，用2011年各省市數據建立低碳物流效率Tobit回歸模型：

其中，y為效率值，c為常數項，x1為各省人均GDP的對數值，x2為各省物流業碳排放中煤的比重，x3為各省第二產業比重，ε為誤差項。

運用 EViews6.0 軟件對我國物流業綜合效率的影響因素進行Tobit回歸分析，結果如表2 所示。

由表2回歸結果，可以看出：經濟發展對物流業效率產生正面影響，能源結構對物流業效率產生了負面影響，產業結構對物流業效率影響不顯著。

經濟發展對物流業效率產生正面影響，這表明經濟發展對物流業效率有積極的影響，經濟發展越高，物流業效率越高，經濟發展可以間接地降低二氧化碳排放水平，有利于低碳物流的發展。

能源結構對物流業效率產生負面影響，由此可見降低煤消耗的比重，優化能源結構，可以直接降低二氧化碳排放量，進而有利于物流業效率的提高。

結論

本文從低碳約束角度出發，運用DEA模型對我國省際物流業效率進行測定，并運用Tobit對其影響因素進行回歸分析，得出如下結論：

第一，將物流業碳排放作為投入變量進行數據處理，同時考慮了經濟產出和環境產出，避免了只追求經濟產出而增加的環境破壞。

第二，我國各省市物流業平均效率逐年提高，但差異性很明顯。天津、河北、上海、江蘇等7個省市達到了效率前沿，其余省市均存在上升空間。

第三，我國大部分省市存在投入資源浪費和產出不足的現象，純技術效率是提高物流業效率的關鍵因素，對青海省而言，規模效率更關鍵。

第四，經濟發展對物流業效率產生正面影響，能源結構對物流業效率產生了負面影響，因此，應該通過提高經濟發展水平、優化能源結構等方法來提高物流業效率，走低碳物流發展道路。

相關建議

基于以上結論，本文對我國物流業發展提出以下建議：

（一）制定物流業碳排放標準，出臺低碳物流相關法規

從物流業效率值可知，北京、廣東、浙江并沒有達到物流業效率前沿，而這些省市通常被認為是物流業發達地區，由此可見，不考慮碳排放、只考慮經濟產出的研究結果不能客觀地反映物流業的低碳發展。因此，我國應制定物流業碳排放標準，出臺低碳物流相關法規，通過國家標準和法規監控物流業碳排放。

（二）結合各省市特點，實施差異化低碳物流策略

我國各省市物流業可分為四個類別，即“高-高”型、“高-低”型、“低-高”型和“低-低”型，在制定低碳物流策略方面，要根據各省市所屬類別，實施差異化策略，最終降低碳排放量。

（三）研發低碳物流技術，提高低碳物流科技創新水平

從計算出的物流業效率可知，物流業純技術效率較低，因此，我國應積極研發低碳核心技術，實現高效率的低碳物流。同時，還應加強國際合作，建立節能、可再生等低碳技術體系，為低碳物流業提供技術支撐。

（四）優化能源結構，降低能源消耗

能源結構對物流業效率的影響呈負線性關系，因此，降低煤消耗的比重可以直接降低碳排放量，進而有利于物流業效率的提高。與此同時，我國應該改善物流業運輸方式，優化物流節點，降低能源的消耗量。

1.鄧學平，王旭，Ada Suk Fung Ng，等.我國物流企業全要素生產技術效率分析[J].系統工程，2008,26

2.許鵬.基于DEA的遼寧省物流產業效率研究[D].大連海事大學，2010

3.張誠，張廣勝.中部六省物流產業效率分析及政策建議[J].江西社會科學，2013(2)

4.雷勛平，Robin Qiu，劉思峰.基于DEA 的物流產業效率測度實證研究[J].華東經濟管理，2012,26

5.田振中.我國區域物流業運行效率評價及其影響因素[J].商業時代，2011(33)

6.唐建榮，盧玲珠.低碳約束下的物流效率分析-以東部十省市為例[J].中國流通經濟，2013,1

7.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].南開大學，2011

8.唐建榮，張白羽，浦徐進.中國碳減排的技術路徑及政策建議-基于經典估計貝葉斯法的實證研究[J].當代財經，2011(11)

9.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)