基于SBM模型的江蘇省城市物流業環境效率研究

周瑩

【摘 要】本文基于松弛變量的測量模型（slack-based measurement，SBM）對江蘇省13個地級市在考慮和不考慮非期望產出情況下的物流業環境效率進行測算和分析。在計算考慮非期望產出時，以污水和二氧化碳（carbon dioxide， CO2）作為不合格的產量指標，并根據各地級市對污水和廢氣的污染專項防治資金，確定不合格品指標的權重。結果顯示，江蘇省城市物流業環境效率有明顯差異，其中連云港市、宿遷市、淮安市的物流業環境效率均低于平均值，是提高江蘇省物流業環境效率的突破口；鎮江市、南通市與省內其他地級市相比，在物流資源配置和環境污染防治方面尚有欠缺。

【關鍵詞】物流業；環境效率；SBM模型

中圖分類號： F259.27 文獻標識碼： A 文章編號： 2095-2457（2018）36-0149-003

DOI：10.19694/j.cnki.issn2095-2457.2018.36.063

0 引言

江蘇省地處長江經濟帶，是中國經濟最活躍的省份之一，下轄13個設區市，是唯一所有地級市都躋身百強的省份，截至2017年，實現地區生產總值85900.9億元，人均生產總值107189元[1]。江蘇省作為全國經濟大省，提升經濟整體運行效率對國民經濟發展有積極促進作用，而物流業作為現代經濟結構中的重要組成部分，推動物流業降本增效，對促進全省實體經濟發展，深入推進供給側結構性改革有重要意義。2018年3月6日，江蘇省政府辦公廳印發《關于進一步推進物流降本增效促進實體經濟發展的實施意見》明確提出要進一步推進物流降本增效，營造物流業良好發展環境。在此背景下，研究江蘇省城市物流業環境效率有重要的理論和現實意義。

目前國內外很多專家學者都對物流效率進行了研究并取得了豐碩的成果。歸納來說，目前對于生產要素投入產出效率的研究方法有兩種：單因素法和全要素法[2]。由于單因素法測算效率只考慮了能源投入與產出的比例關系，沒有考慮實際生產中其他因素的影響，因此有很大的局限性[3]。全要素法為生產要素投入產出效率分析提供了一個較全面的視角[4]。但目前運用全要素法對城市產業產出效率進行測算的文獻很少，即便使用全要素法進行測算，也很少有考慮兩種及以上非期望產出的文獻，即便考慮到非期望產出，因為不同的產出物即使都是污染物對環境的影響程度也不同，如果不考慮權重等因素而只是簡單的加入也會導致結果失真。

本文將把不考慮非期望產出的全要素視角下江蘇省城市物流業環境效率和考慮非期望產出的全要素視角下江蘇省城市物流業環境效率納入相同的計算框架，選擇污水和CO2作為非期望產出，并根據污染防治專項資金對兩種污染物排放設置不同的權重。

1 模型方法

1.1 通用SBM模型

對區域物流業環境效率的研究方法主要有兩種：一種是非參數法，比較有代表性的是數據包絡分析法（data envelopment analysis ，DEA），另一種是參數法，常用的有隨機前沿分析（stochastic frontier analysis ，SFA），其中DEA模型對多個輸入變量、多個輸出變量的情況更有效[5]。王蕾等（2014）基于DEA分析法對新疆北疆地區物流效率進行了分析，針對北疆地區物流效率表現出的不足提出相應的對策建議[6]；樂小兵（2014）運用DEA效率評價模型，對廣西地區的物流系統的有效性和超效率進行分析[7]；但這些研究都是基于傳統DEA模型，只能考慮期望產出指標，如廢氣排放這類“非期望產出指標”并未考慮在內，對于經濟實力雄厚，在追求經濟效益的同時追求環境效益的江蘇省而言并不適用。董鋒等（2016） 基于超效率 DEA 模型同時引入Ruggiero三階段方法，測算了低碳約束下我國的省際物流業效率[8]。馬越越（2016）從低碳角度，研究了中國區域物流業全要素生產率空間溢出效應[9]。Tone（2001）提出考慮非期望產出的SBM模型，該模型為非徑向的，可以有效處理非期望產出的冗余和松弛問題，從輸入和輸出兩個角度分析效率，從而對效率的測算更加客觀、準確[10]。劉承良等（2017）利用 2003～2014年30個省市區的物流業面板數據，研究了低碳約束下的物流業效率空間演化問題[11]。王燕等（2018）對全國30個省份碳約束下的物流能源效率進行了測度，研究了中國省際區域物流能源效率的空間特征和演化趨勢[12]。結果表明，基于松弛變量的模型在評價我國物流效率方面更加有效。

不考慮非期望產出的情況下，本文采用Tone[10]提出的通用SBM模型。令xmk為輸入矩陣，m=1，…M為輸入指標，yrk期望輸出矩陣，r=1，…R為期望輸出指標；“κ”是決策單元（decision-making unit ，DMU）的個數；λ是一個非負權重系數向量；S-、S+分別是輸入、輸出的松弛變量。不考慮非期望輸出的SBM模型如式（1）所示。

2 實證研究

2.1 數據來源與處理

本文實證分析所用的數據包括2010～2017年江蘇省13個地級市的面板數據。本研究數據來源于《江蘇省統計年鑒》、《無錫統計年鑒》、《蘇州統計年鑒》、《常州統計年鑒》、《徐州統計年鑒》、《南京統計年鑒》、《南通統計年鑒》、《連云港統計年鑒》、《淮安統計年鑒》、《鹽城統計年鑒》、《泰州統計年鑒》、《揚州統計年鑒》、《宿遷統計年鑒》、《鎮江統計年鑒》、《中國城市統計年鑒》和《中國能源統計年鑒》。投入指標選擇為物流業資本存量、物流業從業人員數量和物流業能源投入量。產出指標包括期望產出和非期望產出。期望產出為各地級市物流業增加值，非期望產出為污水和CO2，并且根據各市污水防治和廢氣防治專項資金確定兩個非期望產出指標的權重。構建如表1的評價指標。

其中，資本投入采用各市物流業資本存量表示，單位為億元；勞動投入使用年末從業人員來表示，單位為萬人；能源消耗選擇比例最大的7種主要能源消費量，并折算成標準煤炭消耗量，單位為萬噸標準煤；期望產出選取物流業增加值，單位為億元；非期望產出選取污水和CO2排放量，由于統計年鑒中沒有數據，本文根據IPCC2006的研究結論，通過各種能源消耗所產生的二氧化碳排放量估算相加得出。相關數據的描述統計如表2所示。

2.2 結果分析

分別利用SBM模型計算不考慮非期望產出情況下和考慮期望產出情況下的江蘇省13個地級市物流業環境效率。計算過程選取MAXDEA 6.18軟件進行測算，計算結果如表3、表4所示。第一列數據是不考慮非期望產出的效率值，第二列數據是考慮非期望產出的效率值。

通過表3、表4中的數據計算出2010～2017年不考慮非期望產出情況下和考慮期望產出情況下的江蘇省13個地級市物流業環境效率均值，如圖1所示。

從圖1可得知，無論是否考慮非期望產出，無錫市和蘇州市物流業環境效率水平均是最高，而淮安市、連云港市相對較低。

通過表3、表4的數據可得不考慮非期望產出和考慮非期望產出的平均效率的差值，如圖2所示。

從圖2可看出，揚州市和常州市是兩種情況下城市物流業環境效率相差最大的兩個城市，這說明這兩個城市物流產業污染排放可以合理控制，低碳化和高效化水平在省內處于領先，污染較輕；鎮江市、南通市是差異最小的兩個城市，說明這兩個城市物流資源未合理配置，環境污染問題相對嚴重。

3 結論

本文分別運用不考慮非期望產出和考慮非期望產出的SBM模型，對江蘇省13個地級市物流業環境效率進行了測算，可以得出以下結論：

第一，2010～2017年江蘇省13個地級市物流業環境效率在不考慮非期望產出時的平均值為0.615，在考慮非期望產出時的平均值為0.659，低于國內其他行業平均水平（全國不分行業總體環境效率0.895[13]），表明江蘇省城市物流產業在資源配置、節能減排問題上還有較大的改善空間，物流業可作為政府推進節能減排工作的重點行業，需進一步貫徹實施環境發展策略，倡導低碳綠色物流；

第二，無論是否考慮非期望產出，無錫、蘇州兩市物流業環境效率水平均是最高，處于省（下轉第146頁）（上接第151頁）內領先水平，說明無錫市、蘇州市物流產業投入與產出比例合理，已達到最優非期望產出。連云港市、宿遷市、淮安市的物流業環境效率低于平均值較多，這三個城市應該作為江蘇省提高物流業環境效率的突破口。

第三，通過分析不考慮非期望產出的環境效率和考慮非期望產出的環境效率間的差異，可知南通市、鎮江市的效率值差異較小，說明與省內其他地級市相比，南通、鎮江兩個城市的物流資源尚未合理配置，環境污染問題相對嚴重，其中南通市尤為嚴重。南通是“上海大都市圈”中的重要一員，近年來發展迅速，城市GDP在江蘇省排名靠前，但經濟效益與環境效益并未相得益彰，在低碳排放技術和污染防治方面仍有所欠缺，環境污染在一定程度上造成了環境效率的損失，政府應將其納入物流業污染治理的重點城市，在供給側結構性改革的背景下，推進城市物流業產業模式轉型，關注投入結構合理性和物流資源有效配置等問題。

【參考文獻】

[1]丁瑩.2017百強城市榜江蘇13市全進[EB/OL].http：//news.yznews.com.cn/2017-11/15/content_6060225.htm，2017-11-15/2018.12.12.

[2]Xiangguo Cheng.Study on Total Factor Energy Efficiency in Three Provinces of Northeast China Based on SBM Model.Energy Procedia.2018；152：131-136.

[3]Wilson B.Luan HT，Bowen B Energy efficiency trends in Australia.ENERG POLICY.1994；22：287-295.

[4]Li B.Chinas industrial environment energy efficiency study：Lanzhou University；2016.

[5]Wu Q.Wu C.Research on energy efficiency evaluation model in China.ENERG POLICY.2012；46：216-224.

[6]王蕾，薛國梁，張紅麗.基于DEA分析法的新疆北疆現代物流效率分析[J].資源科學，2014，36（07）：1425-1433.

[7]樂小兵，王瑛.基于DEA模型的廣西物流服務效率評價研究[J].科技管理研究，2014，34（05）：54-57.

[8]董鋒，徐喜輝，韓宇.低碳約束下的我國省際物流業效率研究[J].華東經濟管理，2016，30（05）：86-91.

[9]馬越越.低碳視角下中國區域物流產業全要素生產率的空間溢出效應研究[J].宏觀經濟研究，2016（12）：90-101+144.

[10]Tone K.A slacks-based measure of efficiency in data envelopment analysis.EUR J OPER RES.2001；130：498-509.

[11]劉承良，管明明.低碳約束下中國物流業效率的空間演化及影響因素[J].地理科學，2017，37（12）：1805-1814.

[12]王燕，劉婷.碳排放約束下我國區域物流能源效率及影響因素研究[J].生態經濟，2018，34（10）：14-18+90.

[13]相天東.我國區域碳排放效率與全要素生產率研究——基于三階段DEA模型[J].經濟經緯，2017，34（01）：20-25.