中國區域物流業環境全要素生產率及其影響因素研究

王 惠，喬美華

（1.淮陰工學院，江蘇 淮安 223003；2.聊城大學，山東 聊城 252000）

1 引言

物流業作為融合倉儲、運輸和信息服務等產業的復合型服務行業，隸屬于第三產業的復合行業，是中國經濟發展的基礎性和戰略性產業。物流業也是中國能源消耗的重要行業，尤其是對成品油的消耗，穩居各行業首位[1]。統計數據顯示了中國物流業消耗了全國超過60%的柴油和90%的汽油，可以說是名副其實的碳排放大戶。隨著環境污染加劇和能源價格攀升，國家對于企業節能減排工作提出了更為嚴苛的要求。研究高耗能、高污染的物流行業環境效率如何與低碳經濟發展密切相關，需科學地測度中國物流業環境效率，探究環境效率影響因素的作用機制，具有重要的現實指導意義。

近年來，國內外學者對物流業技術效率進行了廣泛的研究，但鮮見將CO2排放納入物流業生產效率的研究。現有的物流業技術效率研究成果集中在以下三個方面：一是沒有考慮環境污染對物流業技術效率的評價。如：李蘭冰等[2]利用數據包絡分析方法度量中國52家上市物流企業的綜合效率；張春民（2016）[3]基于DEA方法測定鐵路貨場的技術效率；王書靈[4]等運用三階段DEA方法研究江浙滬地區2009-2014年物流產業效率。二是考慮污染對物流業技術效率的評價。如：李麗[5]構建了低碳物流評價指標評價體系，利用模糊物元分析京津冀地區物流運行效率；張誠[6]運用數據包絡分析模型對低碳環境下的物流業效率進行評價；朱連毅[7]構建物流業DEA基本模型，應用環境生產技術構建了環境規制下的物流效率評價模型。三是沒有考慮非期望產出碳排放的物流業全要素生產率的研究。如：張立國等[8]基于DEA-Malmquist生產率指數分析方法，構建了物流業全要素能源效率的測度模型，考察了中國物流業全要素能源效率的動態變動和區域差異情況。

綜上所述，已有文獻針對物流行業的靜態效率的評價居多，對考慮物流碳排放的動態全要素生產率的研究相當匱乏，研究方法也存在一定的改進空間。據此，本文試圖在以下幾個方面進行拓展：①考慮物流行業生產過程中產生的負外部效應；②基于Tobit模型，實證解析產業結構、區域經濟、人力資源、外商投資和物流專業化程度對物流業環境全要素生產率的作用機制，以期為提高物流行業的環境效率和制定相關政策提供科學依據。

2 物流業全要素環境效率測算

2.1 模型設定

將中國30個省、市、自治區的物流業定義為決策單元，根據Pastor和Lovell[9]提出的全局參比Malmquist指數計算方法，構建物流業環境全要素生產率測度模型，以所有各期的總和為參考集，各期采用同一前沿，其Malmquist生產率指數為：

Malmquist指數可以分解為效率變化和技術變化：

式（4）中PEC為物流業的純技術效率變化，SEC為物流業規模效率變化，TC為技術變化。PEC和SEC的乘積為技術效率變化（EC）。技術效率變化（EC）表示從t到t+1時期，決策單元生產狀況與生產前沿面的接近程度；技術進步（TC）表示從t到t+1時期，生產前沿面的移動情況。

2.2 投入產出指標設計

本文選取2005-2014年中國30個省、市和自治區的有關數據為樣本，由于西藏、香港、澳門和臺灣地區部分數據缺失，因此沒納入研究范圍。選取資本（K）、勞動力（L）和能量消耗（E）為物流效率測算投入指標，行業增加值（WGDP)為期望產出，碳排放量（WT）為非期望產出。鑒于統計產業分類中沒有物流產業，界定物流業包含交通運輸、倉儲和郵政業，數據來源于相應年份的《中國統計年鑒》、《中國能源統計年鑒》以及各個省、市的統計年鑒和統計公報數據，投入產出指標及其數據計算說明如下：

資本（K）采用各地交通運輸業存量指標，以固定資產投資作為基本數據，選擇資產折舊率為10%，在計算資本儲量前，用固定資產投資指數對固定資產投資額進行平減，消除價格干擾因素。勞動力（L）采用各個地區的交通運輸業從業人員作為代理指標，單位是萬人。能量消耗（E），以交通運輸業各項能源終端消費量折算標準煤來表示，單位是萬噸標準煤。行業增加值（WGDP）采用交通運輸業增加值，單位為億元。碳排放量（WT）為各省市物流業的碳排放總量，筆者參考已有學者的做法，收集地區交通運輸的煤炭、汽油、柴油和天然氣四大能源消耗數據，單位為萬噸二氧化碳，通過IPCC（聯合國政府間氣候變化專門委員會）提供的各種能源碳排放系數計算整理獲得。

2.3 結果分析

采用窗口法處理數據，基于DEA-Malmquist指數測度物流業環境全要素生產率的投入產出數據。在本文中，選擇至前沿最遠距離SBM模型作為距離函數，Malmquist指數則采用全局參比指數，將碳排放設為非期望產出，利用MAXDEA軟件計算得到物流業全要素生產環境效率，見表1。

表1 2005-2014年中國物流業全要素環境生產率以及構成變化

由表1可以看出，中國物流業全要素環境生產率（TFP）平均增長了0.65%，受到技術進步影響較大。除2005-2006年、2008-2009年和2012-2013年的TFP有所下降以外，其他各年均呈現不同比例的增長，其中2008-2009年降幅最大，降低了18.1%，技術退化是導致該年份全要素環境生產率下降的主要原因。2010-2011年TFP增幅最大，增長了20.65%，技術進步對環境全要素生產率的貢獻較大。2013-2014年TFP的漲幅較小，僅為1.02%。TFP在2006-2008年期間呈現下降態勢；2012-2014年呈現快速上升趨勢，變化軌跡上表現倒“U”型特征，與鐘祖昌[10]、田剛[11]等研究的物流業績效發展態勢相吻合。樣本期內，純技術效率是影響環境全要素生產率的主要因素，中國“物流熱”使得各區域物流業投入劇增，導致能源投入過度，非期望產出碳排放量的增加，引發了物流業產出不理想的情況。

分區域來看，東北、東部、西部、中部四大區域物流業的環境全要素生產率演化軌跡差異性顯著，結果見表2。西部地區的物流行業環境全要素生產率年均增長最高，東部其次，中部和東北較低，這與王維國[12]研究結論相一致。中國四大經濟區物流業環境全要素生產率升降有所不同，除了東北地區TFP年均出現小幅下降之外，東部、西部和中部均有不同程度的漲幅，分別為1.09%、1.12%和0.33%，究其原因可能受到中國“西部大開發”戰略實施的影響，雖然西部各省的物流業基礎設施起點不高，卻呈現“后發優勢”。

表2 2005-2014年四大經濟區物流業環境全要素生產率變化

3 影響因素與機制分析

3.1 模型建立和變量選取

物流業環境全要素生產率區域差異性是多種因素共同作用的結果，結合前人已有研究主要考察產業結構（STR）、區域經濟（GDP）、人力資源（EDU）、外商投資（FDI）和物流專業化程度（SPE）對物流業環境全要素生產率的影響，基于Tobit模型探究外部因素的作用機制，構建Tobit模型如下：

式（5）中YI表示第i個區域物流業環境全要素生產率，β0表示回歸式的常數項；β1到 β5表示各自變量的回歸系數；μi表示表示回歸式的誤差項。產業結構（STR）選擇第三產業增加值占地區生產總值的比重表示；區域經濟（GDP）采用地區生產總值表示，單位億元；人力資源（EDU），以地區大專以上受教育人數占地區總人口的比例表示；外商投資（FDI）為區域實際利用外商投資額，單位萬美元；物流專業化程度（SPE）為物流產值占總產值的比例。相關數據來自相關年份《中國統計年鑒》、《中國教育年鑒》和《中國對外經濟貿易年鑒》。

3.2 影響因素實證分析

在決定使用空間面板數據模型或者普通面板模型之前，需要對主要變量進行空間依賴性檢驗，本文采用實證常用的全局Moran指數I，以判斷物流業環境全要素生產率是否具有空間外溢性。通過莫蘭檢驗結果（見表3）可以看出TFP不存在空間相關性。據此，接下來實證分析將采取平衡面板數據進行探討。

平衡面板數據模型包含隨機效應模型和固定效應模型，在個體固定效應不顯著為零的假設前提下，通過豪斯曼檢驗選擇何種模型，通過F統計量對個體固定效應的顯著性檢驗結果進行判定。

表3 空間模型的檢驗結果

從表4的回歸結果來看，固定效應和隨機效應回歸的擬合優度均高于OLS估計，固定效應的對數似然值遠遠大于OLS估計；豪斯曼檢驗的伴隨概率值（0.597 6）大于0.05，接受隨機效應的原假設，所以接下來的實證分析采用面板隨機效應模型結果進行探討。

表4 TFP影響因素的回歸結果

區域經濟（GDP）對TFP影響為負，但是統計性并不顯著，回歸系數為0.018，表明區域經濟對物流業環境全要素生產率影響并不明顯。區域經濟沒有像預期一樣促進TFP增長，究其原因是經濟發達地區過度重視經濟發展，導致資源投資基數較大，重復建設的現象普遍存在。另外，經濟發達區域由于自身的經濟優勢，使得物流業對能源的利用效果關注度較低，事實上本地的能源消耗較大，引發的壞產出碳排放也隨之增多，致使TFP并不能與區域經濟發展和諧共進。人力資源對TFP影響為負，也沒有通過10%的顯著性檢驗，意味著即使大專及以上人數占地區總受教育人數比重提高，并不能促使物流業的TFP改善。物流行業的工作人員知識文化素養提高，在某種程度上有益于物流行業的信息化和技術創新，卻可能由于政府部門對國內的物流業CO2排放的監管力度不足，引發了人力資源水平的提高并未正向促進TFP增長。

專業化水平（SPE）的彈性系數顯著為正，表明專業化水平對TFP具有顯著影響，專業化水平每提高一個單位，TFP也隨之提高0.610個單位，物流行業專業化水平不斷提高，可以通過前后關聯效應和示范效應促進當地物流行業的技術水平提高，關注綠色低碳生產，有益于實現物流行業的可持續良性發展。產業結構（STR）在10%的顯著性水平下，對TFP具有顯著的負向影響，表明中國的產業結構乃需要進一步調整。外商投資（FDI）的彈性系數為0.085，且通過1%的顯著性檢驗，意味著外商投資每增加1個單位，TFP增加0.085個單位，通過戰略引進外資，可以顯著提升物流業環境全要素生產率。

4 結論

為了全面展現中國區域環境全要素生產率及其區域差異，本文以2005-2014年中國30個省、市、自治區為研究對象，在考慮物流業能源投入和碳排放的情況下，綜合運用非期望產出SBM模型和全局參比Malmquist指數方法測度各個地區物流業的TFP，并通過空間依賴性檢驗發現TFP并不具有空間溢出效應，構建Tobit模型研究TFP影響因素的作用機制，得到如下結論和啟示：

在考察樣本期間，中國物流業的TFP年均0.65%，存在較大的改進空間，受技術進步的貢獻影響較大，四大區域TFP年均升降有所不同，東北地區下降了1.07%，東部、西部和中部均表現為不同程度的增長。中國政府亟待提高對物流業的重視程度，減少物流業管理方面存在的條塊分割、各自為政的現象，引導物流業的區域協調發展。

區域經濟對物流業TFP的影響不大，這與經濟發達區域過度重視經濟發展、忽略了物流行業的資源投資過度問題有關，表明需要嚴格控制物流行業的單位能耗，降低碳排放總量，促進物流行業的綠色發展，確保環境和經濟協調發展。人力資源對TFP的影響為負，但是并沒有通過統計性檢驗，反映出人力資源并未對物流業環境全要素生產率產生較大的影響。產業結構、專業化水平和外商直接投資對物流業TFP具有顯著的正向影響，因此通過優化產業結構，加大物流業信息化建設，嚴格管控物流業的能耗和CO2排放，可以有效促進中國物流業環境全要素生產率的提升。

[1]王鋒,馮根福.中國碳強度對行業發展、能源效率及中間投入系數的彈性研究[J].數量經濟技術經濟研究,2012,(5):50-62.

[2]李蘭冰,李春輝.我國上市物流企業效率評價[J].現代物流,2012,(2):33-38.

[3]張春民.鐵路貨場物流化作業能力效率評價研究[J].鐵道貨運,2015,(9):30-35.

[4]王書靈,袁汝華.基于三階DEA的江浙滬地區物流產業效率[J].鐵道運輸與經濟,2015,38(10):1-12.

[5]李麗.京津冀低碳物流能力評價指標體系構建-基于模糊物元法的研究[J].現代財經,2015,(3):43-49.

[6]張誠.低碳環境下中國物流業效率評價研究[J].鐵道運輸與經濟,2014,37,(1):74-79.

[7]朱連毅.考慮碳排放約束的我國中部地區物流效率評價[J].技術與方法,2010,(10):137-138.

[8]張立國,李東.中國物流業全要素能源效率動態變動及區域差異分析[J].資源科學,2015,(4):754-763.

[9]Pastor J T,Lovel C A K.A global malmquist productivity index[J].Ecnomics Letters,2005,88(2):266-271.

[10]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.

[11]田剛,李南.中國物流業技術進步與技術效率研究[J].數量經濟與技術經濟研究,2009,(2):76-87.

[12]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Malmquist-luenberger指數方法[J].系統工程,2012,30(3):66-75.