碳強度約束下的區域物流產業效率測算

陳潔

摘 要：基于2004-2011年中國30個省區物流業的面板數據，應用環境DEA技術和方向距離函數方法，對碳強度約束下中國物流業全要素生產率的增長來源與區域差異進行實證分析。結果表明：碳強度約束下的物流業全要素生產率年均增長率達1.9%，高于不考慮碳約束情形；碳強度約束下的物流業生產率指數與碳強度目標吻合，物流業全要素生產率改進，碳強度下降；物流業生產率的提升主要依賴物流技術進步和創新；碳強度約束下東部地區物流業生產率存在趨同性，中部地區差異在擴大，西部地區則在縮小。

關鍵詞：物流業全要素生產率；碳強度；環境DEA技術；技術進步

中圖分類號：F253 文獻標識碼：A 文章編號：1003-3890（2014）03-0062-06

一、引言

物流業是國民經濟發展的重要服務行業，其發展水平已成為衡量一個國家或地區綜合實力的重要標志之一。同時，物流業對汽油、煤油等能源的消耗量較大，成為中國能源消耗的主要行業之一。例如，2011年，物流業消耗煤油量和汽油量為1 646.35萬噸和3 373.52萬噸，分別占總消耗量的90.6%和45.6%；可以說，物流業已成為二氧化碳氣體排放的重要來源。伴隨著物流業在國民經濟發展中地位的日益提升，如何通過環境管制理念和先進的物流技術，在促進物流業效率增長的同時將環境污染影響降至最小，合理地規劃、統籌和管理物流系統顯得非常重要。

全要素生產率分析是研究經濟增長的重要工具，可以從整體上反映一個產業的生產率狀況。自Chow（1993）[1]首次提出該研究方法以來，目前已成為熱點，關于中國全要素生產率的研究主要集中在三個方面：一是主要集中于工業和農業部門等具體部門的全要素生產率研究；二是運用加總時間序列數據研究中國全要素生產率隨時間的波動和變化態勢；三是運用面板數據對中國各省份的全要素生產率的差異化進行實證研究。

早期物流產業效率的文獻研究集中于對運輸業效率進行分析，Oum等（1992）[2]提出了交通生產率的概念并提出測算方法，國內學者余思勤等（2004）[3]測算了中國交通各部門1990—2000年的生產率，但并未測算交通全行業的生產率。劉玉海等（2008）[4]分析了2000—2004年中國道路運輸業生產率。隨著物流業的快速發展，對物流產業效率問題的研究也逐漸增多。Barros（2003）[5]運用生產率指數測算了1990—2000年葡萄牙10個港口的技術進步與技術效率。張越等（2006）[6]考察了1995—2005年中國9個民用機場的生產率，分析了機場業務量增長和下降的原因。于劍（2007）[7]測算了中國5個主要航空公司2002—2006年的全要素生產率，認為生產率總體上有所提高，且增長受到技術效率改善與技術進步的共同影響。田剛等（2009）[8]運用超越對數隨機前沿模型方法，分析了1991—2007年我國29個省級地區的物流業全要素生產率，并分析了其增長來源。王維國等（2012）[9]利用Malmquist-luenberger生產率指數方法測算了1997—2009年我國30個省級地區的物流產業效率，并首次將碳排放納入非期望產出考慮，發現物流產業效率受外部環境因素影響顯著。唐建榮等（2013）[10]綜合考慮環境負荷與經濟增長之間的關系，將非期望產出的二氧化碳排放量作為投入變量，運用DEA模型衡量了物流業的純技術效率、規模效率和綜合效率，發現不過濾碳排放的影響，物流業的純技術效率值被低估，而規模效率值被高估。

綜上所述，現有關于物流產業效率方面的研究成果頗豐，但仍然存在不足：一是諸多學者主要集中于從行業層面或企業層面考察和比較物流業全要素生產率的變化，缺乏從區域角度考慮物流產業的研究，也未能考察區域物流生產率的差異和變動；二是目前研究方法中基本都是將物流資本、物流業從業人員和物流業能源消耗等生產要素作為投入要素和期望產出考慮，未將環境污染等非期望因素納入度量。因此，本文研究將碳排放作為非期望產出納入模型度量，并運用基于環境DEA技術的Malmquist-luenberger指數方法測算物流業全要素生產率。

二、研究方法與模型

（一）曼奎斯特-魯恩博格生產率指數模型

Chung et al.（1997）[11]在環境DEA技術與方向距離函數的基礎上，提出了曼奎斯特-魯恩博格生產率指數（簡稱LP），解決了減少非期望產出情形下測算全要素生產率的問題。

考慮一個地區物流產業總值生產函數F（X），其中X表示要素投入，并假設要素投入X=（K，L，E）∈R+N，K表示資本投入，L為勞動力投入，E為能源投入。通過生產得到Y和C。其中Y對物流產業增長發展有利，是一種期望產出，期望其越大越好；而C是一種伴隨生產過程產生的非期望產出，期望其越小越好。所有可能的包括期望產出與非期望產出的產出構成的集合稱為生產可行集，記為P，基于環境DEA技術的非參數分析框架，假設一共有i=1，…I個地區作為決策單元，第i=1，…I個地區的投入和產出值為（Ki，Li，Ei，Yi，Ci），強度變量？覣i是在構造生產前沿時分配給每個決策單元的權重，可以采用以下的線性規劃來表示。

P={（K，L，E，Y，C）：■？覣iKi？燮K；

■？覣iLi？燮L；

■？覣iEi？燮E；

■？覣iYi？叟Y；

■？覣iCi=C；？覣i？叟0，i=1，…I}（1）

方向性距離函數是指在某種生產技術水平下，基于固定的投入（或產出），描述產出指標變量（或投入指標變量）最優比例的一種代表性函數，可以用式（2）表示：

■0（K，L，E，Y，C；dY，-dC）=sup{？姿：（Y+？姿dY，C-？姿dC）∈P（K，L，E，Y，C）}（2）

式（2）中，距離函數值？姿表示決策單元觀測值（Y，C）與其在生產前沿面上投影（Y+？姿dY，C-？姿dC）之間的距離。方向向量d=（dY，-dC）決定了效率測度的方向，即產出擴張或減少的方向，其中期望產出（Y）擴張的方向為dY，而非期望產出（C）下降的方向向量-dC，方向距離函數實現在非期望產出約束下期望產出的最大擴張。根據方向向量d=（dY，-dC）的不同取值，本文設定了兩種方向距離函數情形。

情形一：假設d=（Y，0），不考慮非期望產出（C）的影響，可以用數學規劃式（3）表示：

■t0（Kti，Lti，Eti，0；Yti，0）=Max？姿

s.t. ■？覣tiKti？燮Kti

■？覣tiLti？燮Lti

■？覣tiEti？燮Eti

■？覣tiYti？叟（1+？姿）Yti

？覣i？叟0，i=1，…M（3）

情形二：假設d=（Y，-C），并且非期望產出（C）具有弱處置性，方向向量d=（Y，-C）要求同比例的增加物流業增加值而降低二氧化碳排放，可以用數學規劃式（4）表示：

■t0（Kti，Lti，Eti，0；Yti，-Cti）=Max？姿

s.t. ■？覣tiKti？燮Kti

■？覣tiLti？燮Lti

■？覣tiEti？燮Eti

■？覣tiYti？叟（1+？姿）Yti

■？覣tiCti=（1-？姿）Cti

？覣i？叟0，i=1，…M（4）

式（4），關于要素投入（K，L，E）和期望產出（Y）的不等式表示它們是可自由處置的。而關于非期望產出（C）的等式表明非期望產出（C）的弱處置性。函數值？姿=0意味著該決策單元處于生產前沿面上，其生產是有效率的。函數值越大，表明決策單元離生產前沿面越遠，效率越低。

在低碳約束情形下，第i個決策變量的曼奎斯特-魯恩博格生產率指數LP可以表示為：

LPt+1i，t={■×

■}■（5）

全要素生產率指數LP可以被分解為效率變化（EF）和技術進步變化（TE）的連乘積：

LP=EF×TE（6）

EFi，tt+1=■（7）

TEi，tt+1={■×

■}（8）

（二）收斂性分析

？滓收斂分析是研究隨著時間的推移，不同地區之間物流業全要素生產率LP的離差隨時間推移而變化的情況。若離差逐漸變小，則表示生產率的離散程度在縮小，趨于？滓收斂。若離差變大，則表示生產率的離散程度在擴大，趨于發散。本文研究的碳強度約束下全要素生產率？滓收斂分析可以用式（9）表示：

？滓t=■（9）

其中，LPi，t表示第i個地區在t時期的物流業全要素生產率，而■t是t時期所有M個地區物流業全要素生產率的平均值。當？滓t+1<？滓t時，則說明碳強度約束下中國物流業全要素生產率的離散程度在縮小，存在？滓收斂。

三、數據描述與處理

本文使用的樣本為2004—2011年中國各地區物流業的投入和產出數據。所用數據來源有《中國統計年鑒》（2005—2012年）和《中國能源統計年鑒》（2005—2012年），選取和處理的指標如下。

（1）物流資本投入：劉秉鐮（2006）、鄧學平（2008）[12]在其研究中選取用固定資產投資指標代替資本存量作為資本投入量，本文在研究物流資本投入時借鑒這一方法，并選取以2004年作為基期，以全行業固定資產投資價格指數替代分行業投資價格指數。物流業投資（億元）本文選取中國統計年鑒（2005—2012年）關于按主要行業分的全社會固定資產投資中的交通運輸、倉儲和郵政業的投資總額。

（2）勞動力投入：即物流業從業人員，本文選取中國統計年鑒（2005—2012）關于統計各地區交通運輸、郵電通信業就業人員數中的統計數據，將鐵路運輸業、道路運輸業、城市公共交通業、航空運輸業、管道運輸業、裝卸搬運、其他運輸服務業和郵政業累積加和得到。

（3）能源投入：本文選取交通運輸、倉儲和郵政業中消耗量比例最大的七項能源，包括煤炭、汽油、煤油、柴油、燃料油、液化石油氣和天然氣，將《中國能源統計年鑒》（2005—2012）統計的各省市所消耗的一次能源量作為能源投入，并將汽油、煤油、柴油等各類型的消耗量統一轉換成標煤，加總即得到總能源消耗量。

（4）物流業產值：即物流GDP，本文選取除西藏以外30省的交通運輸、倉儲和郵政業增加值，《中國統計年鑒》中按三次產業分地區生產總值（2005—2012）中的交通運輸、倉儲和郵政業增加值。其中各地區現價的物流業產值數據來自歷年統計年鑒，以2004年不變價格折算各年份各地區的物流業產值。

（5）二氧化碳排放量：按照《中國能源統計年鑒》（2005—2012）中分地區各類能源消耗量及二氧化碳信息分析中心公布的各類能源排放系數，計算得到各地區2005—2012年的二氧化碳排放量。樣本數據的統計概述如表1所示。

本文將除去西藏在內的30個省或自治區劃分為東部地區、中部地區和西部地區三大區域，具體劃分標準參考中國統計局的劃分標準①。

圖1的散點圖描述的是按照區域劃分的物流業產值與其二氧化碳排放量。其中，縱軸代表各省或自治區的物流業產值，橫軸代表各省或自治區的二氧化碳排放量。從圖1可以看出，2004—2011年，山東省的物流業平均產值最高，廣東省的物流業平均二氧化碳排放量最大，圖中散點與原點斜率倒數表示單位物流碳排放（本文稱之為物流碳強度），且斜率越大，表明物流碳強度越小?？傮w看來，東部地區的山東、河北、浙江、江蘇、福建等省份的物流碳強度較小。中部地區居中，其中江西、安徽等地區的平均物流碳強度較低，湖北的平均物流碳強度最高；西部地區整體物流業碳強度較高，尤其是新疆、云南等地區的平均物流碳強度較高。

四、物流業全要素生產率測算與收斂性分析

（一）不同情形的物流業生產率比較

本節分別測算了我國物流業2004—2011年不考慮碳約束和考慮碳約束兩種情況下的物流業全要素生產率。情形一計算的是傳統的物流業生產率（LP表示）。情形二將碳排放作為弱處置的非期望產出納入方向距離函數計算物流業生產率（CLP表示），產出中包括物流業增長和碳排放兩個目標。

從表2可以看出，情形一中未考慮物流碳強度約束，2004—2011年物流業生產率指數為1.008，表示該時期中國30個省和自治區物流業生產率平均年增長為0.8%。情形二考慮碳約束，2004—2011年物流業生產率指數為1.019，表示該時期中國物流業生產率平均年增長1.9%，高于未考慮碳約束的情形。這表明了強調環境管制的物流業生產率要高于不考慮環境管制的物流業生產率。

圖2是2005—2011年碳強度與累積的物流業生產率之間的變化趨勢。累積的CLP可以直觀地反映t+1期生產率是提高還是倒退，若t+1期累積的CLP較第t期大，表明t+1期的物流業生產率較上一期有所提高。2005—2007年單位物流GDP（以2004年不變價計算）碳排放由0.867噸/萬元減少至0.755噸/萬元，2007—2009年出現暫時性的增長，增至0.836噸/萬元，2010—2011年又呈現下降趨勢，2011年減少為0.724噸/萬元，從整體趨勢來看，近年來單位物流GDP碳排放量呈現下降趨勢。通過比較2005—2011年的碳強度和累積的物流業生產率可以發現，兩者存在明顯的變化趨勢，累積的CLP可以較好地解釋碳強度的變化，CLP得到改進，碳強度下降，反之，則上升。

（二）碳強度約束下物流業生產率分解

根據公式（6），對碳強度約束下的物流業生產率分解為效率變化指數（EF）和技術進步指數（TE）。從表2和表3可以發現，2005—2011年物流業生產率年均增長1.9%，主要來源于物流業技術的進步，其中技術進步年均增長1.5%，而物流效率的改進對碳約束下的物流業生產率增長的貢獻不大，年均增長率約0.4%。主要原因是2000年以來，中國工業化和城市化快速發展，產業結構不斷升級，刺激了物流需求的強勁增長，加上各級政府對物流業大量資金和人力的投入，物流相關政策的出臺，物流技術創新效果明顯。2005年以來，中國提出低碳經濟轉型戰略，發展以節能為主，物流業作為能源消耗的主要產業之一，各區域在追求提高物流業產值的同時注重節能和低碳技術，物流信息技術的不斷創新有效地推動了物流業全要素生產率進步。伴隨著物流業進一步發展，物流基礎設施投資快速增長，必須注重節能與低碳技術的創新與利用。

（三）碳強度約束下區域物流業生產率

按照區域劃分，比較東部、中部和西部三大區域的物流業生產率，如表4所示。不考慮低碳約束和低碳約束下的各區域物流業生產率均大于1，這表明近年來隨著各地大力發展物流業，技術創新效果明顯。比較東部、中部和西部三大區域的物流業生產率，發現東部地區最高，西部居中略高于中部，這也表明2000年以來我國西部大開發戰略提出以來，西部地區經濟發展刺激了西部地區物流需求，加上近年來國家對西部地區物流基礎設施的投資建設，有效地促進了西部地區物流產業效率的提升。比較各區域的物流效率變化指數，東部地區最高，西部居中，中部最低；以及各地區的技術進步指數，東部最高，中部居中，西部最低，這也表明了西部地區在物流技術創新方面落后于東部和中部地區，西部地區物流業生產率的提升依賴于引發效率變化的規模指數變化，而并非純技術效率的提升。另外，值得注意的是，低碳約束下各區域的技術進步指數較未考慮低碳約束都有大幅提升，這也再次驗證近年來物流業生產率的提升主要依賴于物流技術進步和創新，低碳物流經濟的發展必須依賴于低碳技術的創新。

（四）收斂性分析

計算2005—2011年全國及東部、中部和西部三大地區的碳約束下物流業生產率的值。圖3顯示的是我國總體及東部、中部和西部三大區域物流業生產率標準差隨時間變化的情況。

從全國整體來看，2004—2011年呈現先下降，再小幅上升并趨于平穩的狀態。東部和中部地區的低碳約束下物流業生產率標準差明顯高于西部地區，這表明東部和中部地區低碳約束下的各省物流業生產率相差較西部地區大。從分地區來看，三大區域2005—2008年均有大幅下降的趨勢，在2009年出現小幅回升。2009年以后中部地區呈現明顯發散趨勢，地區間低碳約束物流業生產率差異程度在擴大；東部地區的碳強度約束下的物流生產率存在趨同性；西部地區的碳強度約束下的物流生產率存在收斂性，表明西部地區各省份直接的物流業生產率差距在逐步減小。

五、結論與建議

本文運用方向距離函數和環境DEA技術，考慮將非期望產出碳強度納入模型，構建碳強度約束下中國物流業生產率，與傳統的物流業生產率比較。并進一步分析了影響物流業生產率變化的重要因素，比較區域物流業生產率變化，并進行收斂性分析，得到以下主要結論：

1. 未考慮物流碳強度約束，2004—2011年中國30個省和自治區物流業生產率平均年增長為0.8%，考慮二氧化碳排放約束，物流業生產率平均年增長為2%，高于不考慮碳強度約束。這表明了強調環境管制的物流業生產率要高于不考慮環境管制的情形。

2. 低碳物流經濟的發展兼顧物流業增長和碳減排兩個目標。本文對物流業生產率的測算能夠與碳強度目標吻合。累積的物流業生產率可以較好地解釋碳強度的變化，物流業生產率得到改進，碳強度下降；物流業生產率倒退，碳強度上升。

3. 2005—2011年物流業生產率年均增長1.9%，其中物流技術進步年均增長1.5%，而物流效率的改進對碳約束下的物流業生產率增長的貢獻不大，年均增長率約0.4%。物流業生產率的提升主要依賴于物流技術進步和創新。

4. 從物流業生產率比較看，東部地區高于西部地區高于中部地區；從物流效率變化指數比較，也是東部地區高于西部地區高于中部最低；從物流技術進步指數比較看，東部最高，中部居中，西部最低；西部地區在物流技術創新方面落后于東部和西部地區，物流業生產率的提升依賴于引發效率變化的物流規模指數變大。

5. 在碳強度約束下，東部地區的物流業生產率存在趨同性；中部地區的物流業生產率呈現發散趨勢，地區間差異程度在擴大；而西部地區的物流業生產率存在收斂性，地區差異程度在縮小。

本文的政策建議有如下幾點：

1. 低碳物流經濟的發展目標是雙重的，不僅僅關注于物流經濟的增長，更重要的是考慮低碳轉型的要求，必須保證在實現物流業生產效率提升的前提下盡可能減少二氧化碳的排放，在評估物流產業效率和區域差異時，應重新審視評價物流產業效率的重要指標。

2. 2000年以來，中國工業化和城市化快速發展，刺激了物流需求的強勁增長，各級政府對物流業大量資金和人力的投入，物流相關政策的出臺，對物流業的發展起到明顯的推動作用。然而，低碳物流經濟的發展不僅僅只是依賴物流規模的盲目擴張，現階段應以物流效率增長和節能減排為目標，鼓勵物流信息技術創新和物流節能技術創新。

3. 西部地區是我國物流業發展的重要地區，相對東部地區和中部地區，具有更高的碳強度，物流信息技術水平也較為落后。因此，政府在制定和引導未來區域物流發展時，應一方面加大節能減排的政策引導，另一方面加強西部地區物流基礎設施硬件和物流信息技術軟件的資金投入，促進物流技術創新，促進西部地區在新一輪西部大開發和承接中東部產業轉移過程中抓住機遇，追趕中東部地區，提高物流生產率。

注釋：

①中國統計局按地理位置和經濟發展水平劃分成三大區域。東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南11個省份，中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南8個省份，西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏和新疆11個省或自治區。

參考文獻：

[1]Chow G. Capital Formation and Economic Growth in China[J].Quarterly Journal of economics，1993，108：809-842.

[2]Oum T， M Tretheway， W Waters II. Concepts，Methods and Purposes of Productivity Measurement in Transportation[J].Transportation Research Part A：Policy and Practice，1992，26（6）：493-505.

[3]余思勤，蔣迪娜，盧劍超.我國交通運輸業全要素生產率變動分析[J].同濟大學學報（自然科學版），2004，（6）：32-39.

[4]劉玉海，林建兵，翁嘉輝.中國道路運輸業營運效率動態分析術——基于Malmquist生產力指數[J].產業經濟研究，2008，（1）：56-64.

[5]Barros CP. The Measurement of Efficiency of Portuguese Seaport Authorities with DEA[J].International Journal of Transport Economics，2003，30（3）：335-354.

[6]張越，胡華清.基于Malmquist生產力指數的中國民用機場運營效率分析[J].系統工程，2006，（12）：44-53.

[7]于劍.基于Malmquist指數的中國航空公司業全要素生產率分析[J].北京理工大學學報（社會科學版），2007，（12）：58-65.

[8]田剛，李南.中國物流業全要素生產率變動與地區差異——基于隨機前沿模型的實證分析[J].系統工程，2009，27（11）：62-68.

[9]王維國，馬越越.中國區域物流產業效率——基于三階段DEA模型的Malquist-luenberger指數方法[J].系統工程，2012，（3）：66-75.

[10]唐建榮，盧玲珠.低碳約束下的物流效率分析[J].中國流通經濟，2013，（1）：40-47.

[11]Chung YH， Fare R， Grosskopf S，Productivity and Undesirable Outputs： A Directional Distance Function Approach[J]. Journal of Environmental Management，1997，51（3）：229-240.

[12]劉秉鐮，李清彬.中國城市全要素生產率的動態實證分析：1990-2006——基于DEA模型的Malmquist指數方法[J].南開經濟研究，2009，25（3）：139-152.

責任編輯、校對：張 然

本文的政策建議有如下幾點：

1. 低碳物流經濟的發展目標是雙重的，不僅僅關注于物流經濟的增長，更重要的是考慮低碳轉型的要求，必須保證在實現物流業生產效率提升的前提下盡可能減少二氧化碳的排放，在評估物流產業效率和區域差異時，應重新審視評價物流產業效率的重要指標。

2. 2000年以來，中國工業化和城市化快速發展，刺激了物流需求的強勁增長，各級政府對物流業大量資金和人力的投入，物流相關政策的出臺，對物流業的發展起到明顯的推動作用。然而，低碳物流經濟的發展不僅僅只是依賴物流規模的盲目擴張，現階段應以物流效率增長和節能減排為目標，鼓勵物流信息技術創新和物流節能技術創新。

3. 西部地區是我國物流業發展的重要地區，相對東部地區和中部地區，具有更高的碳強度，物流信息技術水平也較為落后。因此，政府在制定和引導未來區域物流發展時，應一方面加大節能減排的政策引導，另一方面加強西部地區物流基礎設施硬件和物流信息技術軟件的資金投入，促進物流技術創新，促進西部地區在新一輪西部大開發和承接中東部產業轉移過程中抓住機遇，追趕中東部地區，提高物流生產率。

注釋：

①中國統計局按地理位置和經濟發展水平劃分成三大區域。東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南11個省份，中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南8個省份，西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏和新疆11個省或自治區。

參考文獻：

[1]Chow G. Capital Formation and Economic Growth in China[J].Quarterly Journal of economics，1993，108：809-842.

[2]Oum T， M Tretheway， W Waters II. Concepts，Methods and Purposes of Productivity Measurement in Transportation[J].Transportation Research Part A：Policy and Practice，1992，26（6）：493-505.

[3]余思勤，蔣迪娜，盧劍超.我國交通運輸業全要素生產率變動分析[J].同濟大學學報（自然科學版），2004，（6）：32-39.

[4]劉玉海，林建兵，翁嘉輝.中國道路運輸業營運效率動態分析術——基于Malmquist生產力指數[J].產業經濟研究，2008，（1）：56-64.

[5]Barros CP. The Measurement of Efficiency of Portuguese Seaport Authorities with DEA[J].International Journal of Transport Economics，2003，30（3）：335-354.

[6]張越，胡華清.基于Malmquist生產力指數的中國民用機場運營效率分析[J].系統工程，2006，（12）：44-53.

[7]于劍.基于Malmquist指數的中國航空公司業全要素生產率分析[J].北京理工大學學報（社會科學版），2007，（12）：58-65.

[8]田剛，李南.中國物流業全要素生產率變動與地區差異——基于隨機前沿模型的實證分析[J].系統工程，2009，27（11）：62-68.

[9]王維國，馬越越.中國區域物流產業效率——基于三階段DEA模型的Malquist-luenberger指數方法[J].系統工程，2012，（3）：66-75.

[10]唐建榮，盧玲珠.低碳約束下的物流效率分析[J].中國流通經濟，2013，（1）：40-47.

[11]Chung YH， Fare R， Grosskopf S，Productivity and Undesirable Outputs： A Directional Distance Function Approach[J]. Journal of Environmental Management，1997，51（3）：229-240.

[12]劉秉鐮，李清彬.中國城市全要素生產率的動態實證分析：1990-2006——基于DEA模型的Malmquist指數方法[J].南開經濟研究，2009，25（3）：139-152.

責任編輯、校對：張 然

本文的政策建議有如下幾點：

1. 低碳物流經濟的發展目標是雙重的，不僅僅關注于物流經濟的增長，更重要的是考慮低碳轉型的要求，必須保證在實現物流業生產效率提升的前提下盡可能減少二氧化碳的排放，在評估物流產業效率和區域差異時，應重新審視評價物流產業效率的重要指標。

2. 2000年以來，中國工業化和城市化快速發展，刺激了物流需求的強勁增長，各級政府對物流業大量資金和人力的投入，物流相關政策的出臺，對物流業的發展起到明顯的推動作用。然而，低碳物流經濟的發展不僅僅只是依賴物流規模的盲目擴張，現階段應以物流效率增長和節能減排為目標，鼓勵物流信息技術創新和物流節能技術創新。

3. 西部地區是我國物流業發展的重要地區，相對東部地區和中部地區，具有更高的碳強度，物流信息技術水平也較為落后。因此，政府在制定和引導未來區域物流發展時，應一方面加大節能減排的政策引導，另一方面加強西部地區物流基礎設施硬件和物流信息技術軟件的資金投入，促進物流技術創新，促進西部地區在新一輪西部大開發和承接中東部產業轉移過程中抓住機遇，追趕中東部地區，提高物流生產率。

注釋：

①中國統計局按地理位置和經濟發展水平劃分成三大區域。東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南11個省份，中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南8個省份，西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏和新疆11個省或自治區。

參考文獻：

[1]Chow G. Capital Formation and Economic Growth in China[J].Quarterly Journal of economics，1993，108：809-842.

[2]Oum T， M Tretheway， W Waters II. Concepts，Methods and Purposes of Productivity Measurement in Transportation[J].Transportation Research Part A：Policy and Practice，1992，26（6）：493-505.

[3]余思勤，蔣迪娜，盧劍超.我國交通運輸業全要素生產率變動分析[J].同濟大學學報（自然科學版），2004，（6）：32-39.

[4]劉玉海，林建兵，翁嘉輝.中國道路運輸業營運效率動態分析術——基于Malmquist生產力指數[J].產業經濟研究，2008，（1）：56-64.

[5]Barros CP. The Measurement of Efficiency of Portuguese Seaport Authorities with DEA[J].International Journal of Transport Economics，2003，30（3）：335-354.

[6]張越，胡華清.基于Malmquist生產力指數的中國民用機場運營效率分析[J].系統工程，2006，（12）：44-53.

[7]于劍.基于Malmquist指數的中國航空公司業全要素生產率分析[J].北京理工大學學報（社會科學版），2007，（12）：58-65.

[8]田剛，李南.中國物流業全要素生產率變動與地區差異——基于隨機前沿模型的實證分析[J].系統工程，2009，27（11）：62-68.

[9]王維國，馬越越.中國區域物流產業效率——基于三階段DEA模型的Malquist-luenberger指數方法[J].系統工程，2012，（3）：66-75.

[10]唐建榮，盧玲珠.低碳約束下的物流效率分析[J].中國流通經濟，2013，（1）：40-47.

[11]Chung YH， Fare R， Grosskopf S，Productivity and Undesirable Outputs： A Directional Distance Function Approach[J]. Journal of Environmental Management，1997，51（3）：229-240.

[12]劉秉鐮，李清彬.中國城市全要素生產率的動態實證分析：1990-2006——基于DEA模型的Malmquist指數方法[J].南開經濟研究，2009，25（3）：139-152.

責任編輯、校對：張 然