低碳約束下的我國省際物流業效率研究

董　鋒，徐喜輝，韓　宇

（1.中國礦業大學 管理學院，江蘇 徐州 221116；2.中國農業銀行延安分行甘泉縣支行，陜西 延安 716100）

低碳約束下的我國省際物流業效率研究

董鋒1，徐喜輝2，韓宇1

（1.中國礦業大學 管理學院，江蘇 徐州 221116；2.中國農業銀行延安分行甘泉縣支行，陜西 延安 716100）

以往對于物流效率的研究都是基于傳統DEA模型，而且沒有考慮物流業碳排放問題，文章基于超效率DEA模型同時引入Ruggiero三階段方法構建低碳約束下的我國省際物流業效率測算體系，該方法解決了傳統DEA模型在測算物流效率時部分省區效率值同為DEA有效無法排序的問題，同時消除了外部環境因素對于技術效率測算的影響。研究結果表明：消除環境因素后第三階段測算的低碳約束下的我國各省區物流業效率與第一階段測算的各省區物流業效率有顯著差異，我國物流業高效率地區共有天津等11省區，中效率地區共有北京等12省區，低效率地區共有吉林等7省區。研究發現外生環境因素對中部和西部地區物流效率測算影響較為明顯，對東部地區的影響較弱。

低碳約束；物流業效率；DEA；Ruggiero三階段超效率DEA

［DOI］10.3969/j.issn.1007-5097.2016.05.014

一、引　言

2014年11月的APEC峰會上，中國和美國簽署《中美氣候變化聯合聲明》，在聲明中我國承諾將在2030年左右碳排放到達峰值，這是我國首次就碳排放總量減排做出國際承諾。物流在低碳經濟發展中占有特殊地位，物流業能源消耗大、運作效率低，是我國碳減排的重點行業，隨著我國物流需求的不斷增加，節能減排任務也會不斷加重，高投入、高產出的粗放型物流發展道路已不能繼續，大力發展健康、高效的低碳物流，已成為我國物流業可持續發展的必然趨勢。

低碳物流概念是低碳經濟派生出來的子概念，它是以“低碳經濟”、“綠色物流”［1］為思想前提，將可持續發展與碳減排觀念融入物流各個環節［2］。低碳物流的本質是物流的合理化問題，在提供低成本、高質量物流服務的同時，實現資源節約、環境污染減少、經濟循環發展（王艷，李作聚）［3］。從綠色物流引申出低碳物流的定義，認為低碳物流是一種為了達到物流效率最高、排放溫室氣體最少的低能耗、低污染的物流模式。《中華人民共和國國家標準：物流術語》從綠色物流引申出低碳物流的定義，認為低碳物流是一種為了達到物流效率最高、排放溫室氣體最少的低能耗、低污染的物流模式［4］。王國文認為低碳物流、綠色供應鏈的概念，就是將低碳與環境保護思想融入所有的物流環節中，形成一套完整的綠色物流體系［5］。從學者們對低碳物流的定義，我們可以發現低碳物流的一些特征，即環保性、整體性、標準性、技術領先性、示范性。

低碳物流的研究已引起學者們的日益重視，取得了一些研究成果，如任倩倩、吳艷芳從低碳物流的含義及其必要性方面介紹了國內外節能減排的措施和手段，結合物流活動的各個環節，提出了具體的、有針對性的低碳手段［6］；范璐論述了我國低碳物流發展現狀、國外低碳物流發展現狀和我國物流業所面臨的巨大減碳壓力，從中得到低碳物流發展策略，建立了一個實現低碳物流的基本框架［7］；周葉運用省域物流業二氧化碳排放量測量模型，用直接能耗法核算我國各省區物流業二氧化碳排放指標［8］。學者們對于低碳物流的研究多從發展低碳物流的政策、手段、路徑等定性角度入手，比較定量化的是周葉測算各省區物流業所產生的二氧化碳等研究，如何通過構建低碳物流效率評價體系測算低碳約束下的我國省際物流業效率是進一步研究的重點。而目前對于物流業效率的研究我國絕大部分學者只考慮了經濟產出，忽視了低碳約束［9-11］。本文正是基于低碳物流、物流效率目前的研究現狀，將物流業二氧化碳排放量指標引入到物流效率測算模型的相關投入產出指標中，構建低碳約束下的我國省際物流業效率（Logistics Industry Efficiency under the Restriction of Low Carbon，LIEURL）測算模型，為改善我國物流業效率和低碳物流建設提供決策參考。

在物流業效率測算模型選擇方面，現有研究通常運用的是傳統DEA模型［9-11］，而傳統DEA模型只能將決策單元分為有效和無效，從而產生多個同時處于生產前沿面的決策單元（DEA值均為1），無法滿足對所有決策單元進行排序的要求［12-13］，本文采用Anerson and Perterson構建的徑向超效率模型（SE-DEA）［14-16］解決這一問題，SE-DEA模型對傳統DEA效率值為1的決策單元重新測算，SE-DEA允許大于1，從而實現了對所有決策單元的排序。傳統DEA模型在測算省際物流效率時存在的另一個問題就是將區域物流系統作為一個封閉的投入產出系統，沒有考慮環境因素的影響。區域系統理論告訴我們，區域系統效率不僅受到系統投入產出的影響，也會受到系統環境因素的影響，不考慮環境因素而僅僅考慮投入產出因素計算省際物流效率必然帶來測算結果的偏差，影響各級政府的決策。為了解決這一問題，學者們提出了三階段DEA模型，三階段DEA模型能使決策單元非經營因素（外部環境和隨機誤差）同質化，使每個決策單元都處于相同的環境和隨機情況，排除了外在因素的影響。目前國內外學術界在研究時使用的三階段DEA模型有兩種。一是Fried等于2002年提出了三階段DEA模型，在效率評估過程中環境因素和隨機因素被剔除，從而更加真實的反映各決策單元的效率情況。國內學者主要運用Fried三階段DEA模型來分析產業效率、碳排放效率等［17-21］。二是Ruggiero在1998年提出的基于DEA模型的三階段效率評價模型，該模型同樣實現了在技術效率測算過程中環境因素的分離［22］，該模型在國內應用較少［23-24］。以上兩種DEA三階段模型都一定程度上解決了環境對技術效率的影響，但這兩種模型也有自身的缺陷，如Ruggiero三階段模型，第二階段回歸分析中的因變量為第一階段各決策單元的綜合技術效率值，有效決策單元的效率值都為1，只能區別出有效率和無效率的單元，而對于有效率的單元無法進行排序，這也可能會使回歸結果失真，Fried三階段DEA模型同樣無法解決多個前沿面同時為1無法排序的問題。本文通過將超效率DEA（SE-DEA）方法引入Ruggiero三階段模型第一階段和第三階段解決這一問題。第一階段運用SE-DEA模型得出不考慮環境因素的低碳約束下我國省際物流業效率；第二階段根據第一階段超效率值運用Ray模型將多個環境變量轉變成一個復合環境指數；第三階段將環境指數作為投入變量之一再次運用SE-DEA模型得出消除了環境因素的更為準確的低碳約束下我國省際物流業效率。

與以往研究不同，首先從研究視角來看，本文所研究的是低碳約束下的我國省際物流業效率，而非傳統的物流效率，其次從研究方法來看本文所使用Ruggiero三階段超效率DEA解決了傳統DEA方法生產前沿面同時為1無法排序的問題，同時消除了環境因素，以期對我國省際物流效率進行更為準確的評估。

二、研究方法

本文基于Ruggiero三階段模型［22］，采用超效率DEA（SE-DEA）方法對低碳約束下我國省際物流業效率進行分析。

（一）第一階段：超效率DEA模型（SE-DEA）

DEA方法最早是由美國運籌學家Charnes等（1978）［25］提出的，隨后由Banker［26］等提出了更加嚴謹的修正模型，運用最廣的是BC2模型。

假設有n個受評估單元，每個評估單元共有m種投入要素，s種產出，用xij代表第i個評估單元對第j種投入要素的投入量，yir為第i個決策單元對第r種產出的產出量。對決策單元O進行效率評價所使用的模型為：

在引入阿基米德無窮小量ε，投入松弛變量s-，產出松弛變量s+后，第O個受評估單元的BCC模型最終為：

若θ=1，且S+=S-=0，則決策單元DEA有效；若θ=1，且S+≠0或S-≠0，則決策單元為弱DEA有效；若θ＜1，則決策單元非DEA有效。但是BC2模型得到結果往往是多個決策單元均為DEA有效，這就很難區分這些DEA有效決策單元的效率高低，無法對這些決策單元進行排序。

針對這一問題Andersen、Peterson提出超效率DEA（SE-DEA）方法［14］，SE-DEA方法是在傳統DEA方法的基礎上發展而來，它可以對有效決策單元進行排序，其值不再局限于0-1，計算出的效率值允許超過1。超效率DEA模型的基本思想是在評價某個決策單元效率時，用其他所有決策單元投入、產出的線性組合替代該決策單元的投入和產出，從而排除該決策單元的自身影響。決策單元的超效率值是指效率保持不變的情況下，其投入增加或減少的比例。沒有達到效率有效的決策單元，其生產前沿面不會發生改變，評價結果與傳統DEA模型相同；達到效率有效的決策單元，其生產前沿面將進行重新計算，最終測算出來的超效率值大于傳統DEA模型效率值，該效率值允許超過1，即對有效決策單元進行了排序。

如圖1所示，有A、B、C、D、E 5個決策單元，其中A、B、C、D構成生產前沿面。采用超效率BCC模型評價B效率值時，將B點從參考集中移除，新的生產前沿面為ACD，B在新生產前沿面的投影為B1，此時B點的效率值為MB1/MB＞1。而原來就是DEA無效的E點，其生產前沿面仍然是ABCD，效率值與BCC模型一致，仍為NE1/NE＜1。

圖1　單輸入單輸出超效率BCC模型圖解

SE-DEA對偶求解模型如下：

其中，e∧=（1，1，…，1）T∈Em；e=（1，1，…，1）T∈Es；Θ，Ξ分別為投入、產出集。

（二）第二階段：Ray回歸分析

Ray模型中的回歸分析方法對第一階段SE-DEA求解出的效率值進行環境因素分解，將多個環境變量轉變成一個復合變量，計算環境指數。假若有q個環境變量，n個地區，則Ray回歸模型如下：

其中，θi是第i個地區第一階段物流業效率值；βp是環境因素zip的回歸系數；是環境因素對第i個地區物流業效率的影響。

（三）第三階段：調整后的SE-DEA分析

依據環境變量的具體值我們可以得到各個地區環境因素對效率影響的預測值，該預測值定義為該地區物流效率測算中的環境指數，環境指數計算公式為：

具有最大環境指數值的地區所面臨物流環境是最有利的，因此在第三階段中將環境指數作為投入變量之一。重新進行SE-DEA分析，所計算出的效率值消除了環境因素對技術效率的影響，第三階段每個地區在物流效率測算中都處于同樣的物流環境。

三、指標選擇與數據來源

（一）指標選取

（1）投入和產出指標。投入指標為物流業從業人員、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。物流業從業人員在勞動指標中只能反映勞動力的數量，只代表了勞動力成本的一部分，因此，本文用物流業職工工資總額彌補其不足；在低碳約束下物流業效率研究中，低碳約束是重點，因此本文選取物流業二氧化碳排放量作為投入指標之一，產出指標為貨運量、貨物周轉量和物流業生產總值。

（2）環境指標。Zhang等將環境變量定義為對決策單元的物流業環境或物流業效率有重要影響的因素，并且這些因素短期內又不在樣本主觀可控范圍內［27］。結合低碳物流業發展特征，本文選取經濟發展、政府支持、科技水平、產業結構作為環境指標，用GDP來衡量經濟發展水平，交通運輸支出作為政府支持指標，科技支出占GDP比重來表征科技水平，第三產業比重表征產業結構。

（二）數據來源

本文選取我國30個省、市、直轄市（缺西藏、中國香港、中國澳門、中國臺灣數據）數據進行分析，數據主要來源于各年度《中國統計年鑒》和《中國能源統計年鑒》。

四、實證分析

（一）第一階段測算結果

從我國30個省區第一階段運用超效率DEA模型測算出的低碳約束下的我國省際物流業效率值（LIEURL）分布上可看出，高效率地區效率值為＞1，中效率地區效率值為0.6～1，低效率地區效率值為0～0.6。從整體分析，我國LIEURL平均值為0.832 7，未達到SE-DEA相對有效，其中東部地區效率平均值為1.090 4，中部地區效率平均值為0.7898，西部地區效率平均值為0.606 2。

從數值上看，各區域LIEURL存在顯著差異，主要表現為東部地區效率較高，中部地區其次，最低的是西部地區。同時，只有東部地區效率平均值達到了SE-DEA相對有效，中部和西部地區均未達到。具體到各個省區，我國物流業高效率地區為7個，中效率和低效率省份數大致相當，分別為12個和11個。高效率地區包括天津、河北、上海、江蘇、山東、安徽、寧夏，中效率地區包括北京、遼寧、浙江、福建、廣東、海南、江西、河南、湖南、內蒙古、貴州、甘肅，低效率地區包括山西、吉林、黑龍江、湖北、廣西、重慶、四川、云南、陜西、青海、新疆。

（二）第二階段Ray回歸分析結果

Ray模型中的回歸分析方法是對第一階段SEDEA求解出的效率值進行環境因素分解，將多個環境變量轉變成一個復合變量，計算環境指數。以效率值為因變量，環境指標為自變量，進行Ray回歸分析。此階段目的是消除環境因素對技術效率的影響，突出各省區LIEURL差異只由經營效率水平影響，能夠更準確地測算出我國各省區實際LIEURL水平。本文選取經濟發展、政府支持、科技水平、產業結構作為環境指標。表1報告了Ray回歸分析計算結果。

表1　Ray回歸分析計算結果

從計算結果可以看出，外部不可控的環境變量對LIEURL水平具有一定程度的影響。GDP、科技支出占GDP比重對LIEURL水平的影響顯著，其P值＜0.05；交通運輸支出、第三產業比重對LIEURL的影響不太顯著，但也通過了10%顯著性水平。因此，在測算我國各省區LIEURL時必須消除外部不可控的環境變量對效率水平的影響。

GDP與LIEURL顯著正相關說明經濟發展水平的提高能夠有效地推動物流業效率提高；科技支出占GDP比重與LIEURL同樣顯著正相關，說明各省區科技水平對物流業效率有密切聯系，科技水平的提高可以使資源得到充分利用，這樣可以節約資源，有效地降低能源消耗量，減小對環境造成的影響，從而提高物流業效率水平；交通運輸支出、第三產業比重顯著性水平雖然沒有GDP和科技支出占GDP比重顯著性高，但也對LIEURL有一定影響。

根據計算結果，應將GDP、科技支出占GDP比重、交通運輸支出和第三產業比重四個環境變量代入環境指標公式（5），使其轉變成一個復合環境變量①。

（三）第三階段測算結果

此階段將第二階段計算出的環境指數作為投入變量之一，重新調整投入產出變量進行SE-DEA分析，這樣所計算出的效率值消除了環境因素對技術效率的影響，能更加準確地測算低碳約束下的物流業效率值。表2報告了第三階段SE-DEA計算得到的各省區效率值。

表2　第三階段各省區LIEURL值

我們用配對樣本t檢驗來考察第一階段測算LIEURL和第三階段測算LIEURL是否有顯著性差異，配對樣本t檢驗統計量為：

其中d-為兩配對樣本差值的均值，μ1-μ2為兩總體均值之差。檢驗結果t=-4.721，顯著性概率0.000，檢驗結果表明第一階段測算LIEURL值與第三階段測算值有顯著差異，這再次說明只有有效控制環境因素變量，使各決策單元處于相等的環境因素下，測算的低碳約束下的省際物流業效率才能真實準確反映各省區物流發展水平。

從整體上分析，全國調整后的超效率LIEURL平均值為0.952 9，已接近SE-DEA相對有效，其中東部地區效率平均值為1.155 8，中部地區效率平均值為0.917 5，西部地區效率平均值為0.775 7，東部地區效率最高，中部地區其次，西部地區最低。東部地區效率平均值達到了SE-DEA相對有效，中部地區效率平均值已接近SE-DEA相對有效，西部地區均效率平均值未達到相對有效。

從計算結果可以看出，我國LIEURL有效區域不僅存在于經濟相對發達的地區，還存在于一些欠發達地區。其中貴州、寧夏都達到了SE-DEA相對有效，其LIEURL值分別為1.057 3、1.063 8。我國省際LIEURL差距依然很大，排名第一的省區是安徽，效率值為1.948 3，排名最后的省區是青海，效率值為0.352 6，前者效率值是后者的5.5倍。第三階段SE-DEA相對有效的省區有11個，他們分別是安徽、上海、河北、天津、內蒙古、江蘇、山東、湖南、河南、寧夏和貴州，其余的19個省區均未達到SE-DEA相對有效。

經過調整后的第三階段LIEURL分布，與第一階段相比，高效率地區增加為11個，分別為天津、河北、上海、江蘇、山東、安徽、河南、湖南、內蒙古、貴州、寧夏，中效率地區保持不變仍為12個，分別為北京、遼寧、浙江、福建、廣東、海南、山西、江西、廣西、四川、陜西、甘肅，低效率地區減少為7個，分別為吉林、黑龍江、湖北、重慶、云南、青海、新疆。

湖南、四川、陜西的物流效率在剔除環境指數的影響之后大幅度提升，湖南由中效率水平上升到高效率水平；四川、陜西由低效率水平上升到中效率水平。本文中環境指數反映的是經濟發展、政府支持、科技水平和產業結構的綜合效能，說明這些外生環境因素拉低了上述省市低碳約束下的物流效率，改善外部發展環境，將有助于物流產業效率的提升。安徽、上海、河北、天津的物流效率始終排在全國前列，說明這些地區物流業資源配置合理，技術先進，經營效率水平較高。而新疆、云南、青海、吉林的效率水平與全國平均效率水平差距較大，意味著上述地區物流業管理效率較低，投入產出比例不佳，存在嚴重的投入冗余或產出不足，造成資源浪費現象，這部分浪費可通過引進專業人才、先進設備等提高生產技術和管理水平來遏制，同時實施規模效應也可以有效改善這些地區物流效率。這種地區間的物流水平差異不僅存在于個體間，也存在于區域間。東部地區率先實現效率有效，中部地區已經接近有效水平，西部地區距離有效還有較大差距，提升空間最大。地區間的物流水平差距過大，會阻礙我國物流整體規模經濟的實現。因此，有效地區發揮帶頭作用帶動無效地區實現區域內部和區域間平衡發展，做好物流業發展總體規劃有助于平衡我國地區經濟發展水平并提高全國經濟運行質量。

五、結論與建議

本文同時考慮了經濟產出與環境保護，從低碳約束角度出發，建立低碳約束下的我國省際物流業效率測評體系，同時運用Ruggiero三階段超效率DEA方法消除環境因素對物流效率測算的影響，解決了傳統DEA方法多個決策單元同時處于生產前沿面無法排序的問題。測算結果顯示在Ruggiero三階段超效率DEA方法分析中，第一階段與第三階段各省區的LIEURL值有顯著差異，消除環境因素后全國21個省區LIEURL值有一定程度增加，高效率地區由7個增加為12個。低碳物流的發展需要相應理論的研究和實證分析驗證，本文通過運用Ruggiero三階段超效率DEA方法對低碳約束下我國省際物流業效率進行更為準確的分析，為改善我國物流業效率提供理論支持和決策參考。

為推進我國低碳物流的快速發展，本文提出以下建議：

（1）推廣低碳物流理念，強化低碳物流意識。我國物流業基礎設施建設水平和運輸能力一直增加，物流業不斷快速發展，但低碳物流業發展水平很低，物流業二氧化碳排放量不斷增加。大多數企業經營者或消費者對低碳物流意識淡薄，沒有足夠重視，低碳物流理念只是一個口號，并沒有切實落實執行。因此，政府應積極推廣低碳物流理念，強化低碳物流意識。

（2）結合各區域、省區特點，制定差異化的減排措施。不同區域低碳約束下的物流業效率值差異很大，東部地區效率平均值達到了相對有效，中部地區已接近相對有效，西部地區相對無效，各區域內不同省區效率值也存在很大差異，因此，應結合各區域、省區特點，制定低碳物流業節能減排措施，有效提高物流業效率，促進區域物流業協調發展。

（3）調整能源消費比重，優化物流運輸方式。能源消費分析中，物流業消費的能源主要包括煤炭、石油和天然氣等，煤炭消費排放的二氧化碳量排名第一，比天然氣消費多70%，因此，應調整能源消費比例，降低煤炭在能源消費中的比重；不同運輸方式下，民航單位二氧化碳排放量最高，其次是公路，由此可見，在條件允許的情況下，應優化物流運輸方式，積極采用鐵路、水運等運輸方式。

（4）科學規劃物流節點，實現各節點低碳化發展。物流業各節點都會消耗能源產生碳排放，物流包裝環節選擇高排放的材料作為物流包裝會增加碳排放；裝卸搬運設備使用不合理，設備能耗增加，也會產生額外的碳排放；運輸環節是整個物流活動碳排放的主要來源，不合理的運輸方式和運輸線路，增加了能源消耗量；配送中心選址不合理會增加運輸路線的距離和次數。因此應科學合理地規劃物流節點，減少節點中能源的浪費，實現各節點低碳化發展。

注釋：

①限于篇幅，具體計算結果不再詳細列出，讀者如需要可向作者索取。

［1］林波峰.綠色物流及其發展策略［J］.經濟管理，2007（20）：56-59.

［2］陶晶.低碳經濟下的低碳物流探討［J］.中國經貿導刊，2010（12）：72-72.

［3］王艷，李作聚.淺談低碳物流的內涵與實現途徑［J］.商業時代，2010（14）：32-33.

［4］中華人民共和國國家質量監督檢驗檢疫局，中國國家標準化管理委員會.中華人民共和國標準物流術語（GB/ T18354-2006）［M］.北京：中國標準出版社，2007.

［5］王國文.低碳物流與綠色供應鏈：概念、流程與政策［J］.開放導報，2010（2）：37-40.

［6］任倩倩，吳艷芳.低碳時代的低碳物流措施［J］.物流工程與管理，2011，33（6）：11-13.

［7］范璐.低碳物流發展路徑研究［J］.中國流通經濟，2011 （8）：46-51.

［8］周葉，王道平，趙耀.中國省域物流作業的CO2排放量測評及低碳化對策研究［J］.中國人口·資源與環境，2011，21 （9）：81-87.

［9］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）：57-61.

［10］王琴梅，譚翠娥.對西安市物流效率及其影響因素的實證研究——基于DEA模型和Tobit回歸模型的分析［J］.軟科學，2013，27（5）：70-74.

［11］覃波.基于DEA模型的我國物流企業經營效率評價研究［D］.長沙：中南大學，2007.

［12］孫立成，周德群，李群.基于非徑向超效率DEA聚類模型的FEEEP系統協調發展［J］.系統工程理論與實踐，2009，29（7）：139-146.

［13］Allen R，Athanassopoulos A，Dyson R G，et al.Weights restrictions and value judgments in data envelopment analysis：Evolution development and future directions［J］.Annals of Operations Research，1997，73：13-34.

［14］Andersen P，Petersen N C.A Procedure for Ranking Efficient Units in Data Envelopment Analysis［J］.Management Science，1993，39（10）：1261-1264.

［15］李元靜，王成璋.資源配置效率的比較分析——以我國區域高等教育資源為例［J］.軟科學，2014，28（10）：22-26.

［16］劉國平，朱遠.碳排放約束下的中國省域全要素福利績效研究［J］.軟科學，2014，28（8）：88-93.

［17］邱煜，葛智杰.基于三階段DEA的文化類上市公司經營績效評價研究［J］.成都理工大學學報：社會科學版，2013，21（2）：93-100.

［18］張家庭，張容.基于三階段DEA模型的中國文化產業效率研究［J］.中國軟科學，2009（9）：75-82.

［19］鐘祖昌.基于三階段DEA模型的中國物流產業技術效率研究［J］.財經研究，2010，36（9）：80-90.

［20］梁芹，陸靜.基于三階段DEA模型的中國壽險市場效率研究［J］.經濟管理，2011（7）：149-155.

［21］董鋒，劉曉燕，龍如銀，等.基于三階段DEA模型的我國碳排放效率分析［J］.運籌與管理，2014，23（4）：196-205.

［22］Ruggiero J.Non-discretionary inputs in data envelopment analysis［J］.European Journal of Operational Research，1998，111（3）：461-469.

［23］李濤，傅強.中國省際碳排放效率研究［J］.統計研究，2011，28（7）：62-71.

［24］李瑛，崔宇威.地方高校科技創新效率評價研究——基于超效率的三階段DEA分析［J］.東北師大學報：哲學社會科學版，2011（2）：177-181.

［25］Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units［J］.European Journal of Operation Research，1978，2（6）：429-444.

［26］Banker R D，Charnes A，Cooper W W.Some models for estimating technical and scale inefficiencies in data development analysis［J］.Management Science，1984，30（9）：1078-1092.

［27］Zhang C H，Liu H Y，Bressersc H T A，et al.Productivity growth and environmental regulations-accounting for undesirable outputs：Analysis of china's thirty provincial regions using the malmquist-luenberger index［J］.Ecological Economics，2011，70（12）：2369-2379.

［責任編輯：程靖］

A Study on Interprovincial Logistics Industry Efficiency under the Restriction of Low Carbon in China

DONG Feng1，XU Xi-hui2，HAN Yu1
（1.School of Management，China University of Mining and Technology，Xuzhou 221116，China；2.Agriculture Bank of China，Ganquan Branch of Yan'an，Yan'an 716100，China）

Previous studies on logistics efficiency are based on the traditional DEA model，and carbon emissions from logistics industry have not been considered.In this paper，we introduced Ruggiero three-phrase approach and SE-DEA model to construct the estimation system of interprovincial logistics industry efficiency under the restriction of low carbon （LIEURL）in China.This method solves the problem that some provinces could not be sorted when the efficiency values calculated by traditional DEA model are all one.This approach also eliminates the impact of external environmental factors on measuring technical efficiency.The result shows that the value of LIEURL without environmental factors calculated in the third phrase has a significant difference with the value of LIEURL calculated in the first phrase.There are 11 provincial-level administrative areas with high efficiency of logistics industry including Tianjin，12 areas with middle efficiency including Beijing，and 7 areas with low efficiency including Jilin.The study also finds that the impact of exogenous environmental factors is significant to the logistics efficiency in the central and western regions，but this impact is weak to that in the eastern region.

restriction of low carbon；efficiency of logistics industry；DEA；Ruggiero three-phrase SE-DEA

F127；F252.2

A

1007-5097（2016）05-0086-06

2016-01-06

國家自然科學基金項目（71573254；41101569）；江蘇省2014年“青藍工程”中青年學術帶頭人人才項目；國家留學基金資助項目（201308320084）；中央高校基本科研業務費專項資金項目（2013W01）；江蘇教育科學重點項目（B-b/2015/ 01/027）

董鋒（1978-），男，安徽亳州人，副教授，管理學博士，研究方向：資源與環境政策；徐喜輝（1989-），男，陜西西安人，碩士，研究方向：低碳物流；韓宇（1989-），女，遼寧沈陽人，碩士研究生，研究方向：低碳經濟。