中國西部十二省物流業(yè)效率及收斂性分析

陳 龍 ，朱昌鋒 ，王慶榮 CHEN Long， ZHU Changfeng， WANG Qingrong

（1. 蘭州交通大學 交通運輸學院，甘肅 蘭州 730070；2. 蘭州交通大學 電子與信息工程學院，甘肅 蘭州 730070）

(1. School of Transportation, Lanzhou Jiaotong University, Lanzhou 730070, China; 2. School of Electronic and Information Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China)

0 引 言

隨著“西部大開發(fā)”戰(zhàn)略的實施，環(huán)境惡化越來越嚴重，為了可持續(xù)發(fā)展，國家相繼實施相關(guān)政策來制約碳排放，考慮碳排放約束的物流業(yè)也發(fā)展迅速。既有研究主要通過SBM-GML指數(shù)模型[1-3]、SBM-Malmquist 指數(shù)模型[4-5]、DEA-Malmquist 指數(shù)[6-7]等對碳約束下的物流業(yè)全要素能源效率進行分析，同時，對數(shù)據(jù)的有效性、收斂性[8-9]進行研究。傅翰祺等[10]梳理了湖北省冷鏈物流發(fā)展的情況；吳雯等[11]建立了LMDI 模型，并分析了各個因素的影響效應(yīng)；孫才志等[12]基于SBM 模型分析了中國東、中、西部三大地區(qū)水資源綠色效率以及收斂性；汪曉文等[13]分析了中國省際環(huán)境技術(shù)效率及其收斂性；呂巖威等[14]研究了中國區(qū)域綠色創(chuàng)新效率以及收斂性。既有研究仍有以下不足：（1） 大多數(shù)采用單一方法研究，而運用能考慮投入產(chǎn)出中間過程的SBM 模型和能反映變動趨勢的Malmquist 指數(shù)對碳約束下的物流業(yè)效率分析較少；（2） 大多數(shù)研究僅分析了西部部分省區(qū)物流業(yè)效率，且對比分析碳約束對物流業(yè)效率的影響較少；（3） 既有研究通過σ、β 收斂對指標進行檢驗的較少。

基于此，本文采用SBM 模型和Malmquist 指數(shù)，對西部十二省物流業(yè)效率進行分析，并對比分析了碳排放約束下的西南、西北物流業(yè)效率。最后，通過σ、β 收斂對物流業(yè)效率的TFP 指數(shù)進行檢驗。

1 研究方法

1.1 SBM 模型

傳統(tǒng)DEA 模型未考慮投入產(chǎn)出的中間過程，不能考察投入產(chǎn)出各環(huán)節(jié)對效率的影響，而SBM 模型方向距離函數(shù)具有可區(qū)別非期望產(chǎn)出與期望產(chǎn)出的特性，對具有“壞”產(chǎn)出的效率評價問題應(yīng)用較多。構(gòu)造方向性距離函數(shù)[3]為：

式中：g= （y，- b ）為產(chǎn)出水平擴張的方向向量；β 為方向性距離函數(shù)值。生產(chǎn)可行性集與方向性距離函數(shù)的關(guān)系如圖1 所示。

全局方向性SBM[1]為：

圖1 方向性距離函數(shù)投入產(chǎn)出的中間過程

1.2 Malmquist 指數(shù)

多產(chǎn)出的若干決策單元（DMU） 的相對效率，可以較好地分析物流業(yè)全能要素利用狀況，但對生產(chǎn)效率在時間上的變動趨勢反映較少，通過Malmquist 指數(shù)法可清晰反映、有效解決時間變動趨勢問題。基于SBM 模型，引入跨期動態(tài)概念，構(gòu)造Malmquist 指數(shù)[6]如下：

Malmquist 生產(chǎn)率指數(shù)（TF P ）可分解為：

式中：TC 為技術(shù)進步指數(shù)；TE 為技術(shù)效率變化指數(shù)；PC 為純技術(shù)效率變化；SC 為規(guī)模效率變化；Dc為規(guī)模報酬不變（CRS） 條件下的方向距離函數(shù)；Dv為規(guī)模報酬可變（VRS） 條件下的方向距離函數(shù)。

2 變量選取與數(shù)據(jù)來源

本文采用交通運輸、郵政業(yè)及倉儲的相關(guān)數(shù)據(jù)表示西部物流業(yè)發(fā)展信息特征。能源要素、資本要素、勞動力要素和運輸業(yè)總里程為投入要素，增加值產(chǎn)出（GDP） 和貨物周轉(zhuǎn)量為期望產(chǎn)出，碳排放為非期望產(chǎn)出。

2.1 投入指標

（1） 能源要素投入

式中：Mi為各省區(qū)交通運輸、倉儲與郵政業(yè)常用的7 類能源；pi為能源i 折標準煤的參考系數(shù)；E 為各能源折標后的能源消耗總量，萬噸標準煤。

（2） 資本要素投入

考慮數(shù)據(jù)的可獲得性及準確性，選取2010～2018 年的統(tǒng)計數(shù)據(jù)作為本文研究對象，通過盤存法估算各省物質(zhì)資本存量，則：

式中：Ki，t為第i 省份第t 年度工業(yè)資本存量； Ii，t為第i 省份第t 年度工業(yè)固定資產(chǎn)投資額；折舊率σ'取9.6%。

基期的資本存量按照以下公式估算：

式中：g2010為2010 年各省份工業(yè)固定資產(chǎn)的平均增長率。

（3） 勞動力要素投入

根據(jù)《中國勞動統(tǒng)計年鑒》，選取各省市交通運輸、倉儲與郵政業(yè)就業(yè)人數(shù)為勞動力要素輸入量。

（4） 運輸業(yè)總里程

物流業(yè)基礎(chǔ)設(shè)施供給情況直接影響物流業(yè)發(fā)展的效率，而運輸業(yè)總里程直接反映物流業(yè)基礎(chǔ)設(shè)施狀況。以鐵路、公路和內(nèi)河航道運營里程之和為運輸業(yè)總里程投入量。

2.2 期望產(chǎn)出

（1） 增加值產(chǎn)出 （GDP）

以西部十二省交通運輸、倉儲及郵政業(yè)增加值（GDP） 作為增加值產(chǎn)出。增加值（GDP） 屬于期望產(chǎn)出，直接反映物流業(yè)的產(chǎn)出情況。

（2） 貨物周轉(zhuǎn)量

物流業(yè)運輸貨運的能力狀況，主要體現(xiàn)在貨運量上，但貨運周轉(zhuǎn)量能全面客觀反映物流業(yè)產(chǎn)出狀況。根據(jù)《中國統(tǒng)計年鑒》選取貨運周轉(zhuǎn)量作為物流業(yè)期望產(chǎn)出。

2.3 非期望產(chǎn)出

環(huán)境約束條件下全要素能源效率評價體系中碳排放產(chǎn)出是重要指標。能源消耗產(chǎn)生的CO2排放量[1]為：

式中：CO2為碳排放質(zhì)量，噸；Mi為7 類能源直接燃燒的消耗量；HVi為能源i 基于重量或體積的熱值；OXi為能源i 在燃燒過程中的氧化率；Ci為能源i 基于熱值的碳含量值。各化石能源的CO2排放系數(shù)[3]如表1 所示。

表1 化石能源的CO2 排放系數(shù)

選擇2010～2018 年新疆、西藏、寧夏、青海、四川、甘肅、貴州、陜西、云南、廣西、重慶、內(nèi)蒙古十二省作為研究樣本。考慮統(tǒng)計數(shù)據(jù)的可得性與準確性，數(shù)據(jù)主要來源于2010～2018 年《中國統(tǒng)計年鑒》[15]和《中國能源統(tǒng)計年鑒》[16]，部分數(shù)據(jù)整理自研究的省區(qū)統(tǒng)計年鑒。西部十二省投入、產(chǎn)出指標的統(tǒng)計信息如表2 所示。

表2 西部十二省投入、產(chǎn)出指標的統(tǒng)計信息

3 實證分析

利用DEA-Solver Pro5.0 和DEAP2.1 軟件對西部十二省物流業(yè)效率進行分析。

3.1 基于SBM 的西部十二省投入、產(chǎn)出指標計算

（1） 考慮與不考慮期望產(chǎn)出的各年段物流業(yè)效率

碳排放制約物流業(yè)的發(fā)展，考慮碳排放與不考慮碳排放變化趨勢如圖2 所示。

總體上，考慮與不考慮碳排放的物流業(yè)效率均較低，且考慮碳排放的物流業(yè)效率相對較高。

（2） 考慮與不考慮期望產(chǎn)出的各區(qū)物流業(yè)效率

為了直觀地體現(xiàn)各省區(qū)在不同時間的物流業(yè)效率，2010 年、2014年、2018 年各省區(qū)考慮和不考慮碳排放物流業(yè)效率空間格局如圖3、圖4 所示。

從圖3、圖4 可見，考慮碳期望產(chǎn)出的各省區(qū)物流業(yè)效率的效率低于不考慮期望產(chǎn)出的各省區(qū)物流業(yè)效率的效率。四川、重慶、寧夏、廣西等省區(qū)物流業(yè)效率較高，其中四川省考慮與不考慮碳期望產(chǎn)出的物流業(yè)效率的效率相同，其成效顯著。西藏、新疆等省的物流業(yè)效率較低，其中西藏物流業(yè)效率最低。

圖2 考慮與不考慮碳排放情況各年段變化趨勢

圖3 2010 年、2014 年、2018 年各省區(qū)考慮碳排放物流業(yè)效率空間格局

圖4 2010 年、2014 年、2018 年各省區(qū)不考慮碳排放物流業(yè)效率空間格局

3.2 基于Malmquist 指數(shù)的西部十二省投入、產(chǎn)出指標的計算

3.2.1 西部十二省各年度Malmquist 指數(shù)分析。通過數(shù)據(jù)處理軟件，計算得西部十二省的Malmquist 指數(shù)年平均值及其分解如表3 所示。

表3 考慮和不考慮碳排放的西部十二省Malmquist 指數(shù)年平均值及其分解

由表3 可得，大體上，考慮碳排放條件下TFP 指數(shù)年平均值小于不考慮排放條件下TFP 指數(shù)年平均值。2010～2012 年、2016～2017 年的 TFP 指數(shù)較高，超過了 1。2012～2016 年的 EC、PC、SC 指數(shù)較高。

碳約束條件下各年份的指數(shù)變化趨勢如圖5 所示。

由圖5 可得，在2011～2014 年間相關(guān)指數(shù)波動性較大，2016～2018 年相關(guān)指數(shù)變化較平穩(wěn)。

3.2.2 西部十二省各省區(qū)Malmquist 指數(shù)分析。考慮和不考慮碳排放的西部十二省區(qū)Malmquist 指數(shù)地區(qū)平均值及其分解見表4。

由表4 可知，大體上，考慮碳排放條件下TFP 指數(shù)地區(qū)平均值小于不考慮排放條件下TFP 指數(shù)地區(qū)平均值。貴州、云南、陜西、重慶、廣西的TFP 指數(shù)較高，說明這些省區(qū)發(fā)展較好，與實際相符合。甘肅、寧夏、廣西等省區(qū)受碳排放制約較小，西藏、青海等省區(qū)受碳排放制約較明顯。考慮碳排放條件下，西藏地區(qū)的TFP 指數(shù)為0.842，其值最低，甘肅次之（0.936）；不考慮碳排放條件下，青海地區(qū)的TFP 指數(shù)為0.935，其值最低，甘肅次之（0.938）。主要由于西藏、青海、甘肅地區(qū)偏遠、經(jīng)濟落后，可利用資源較少，導(dǎo)致物流業(yè)發(fā)展比較落后。考慮碳排放的西部十二省區(qū)各省區(qū)的TFP 值對比如圖6 所示。

圖5 考慮碳排放的西部十二省Malmquist 指數(shù)變化趨勢

表4 考慮和不考慮碳排放的西部十二省Malmquist 指數(shù)地區(qū)平均值及其分解

3.3 區(qū)域物流業(yè)效率對比分析

西部十二省區(qū)又可分為西南、西北六省區(qū)。通過對比碳約束條件下的西南、西北地區(qū)物流業(yè)的效率，可更好地了解兩大地區(qū)的差異及變化趨勢。Malmquist 指數(shù)年平均值及其分解對比分析趨勢如圖7 所示。

圖6 考慮碳排放的西部十二省區(qū)TFP 值對比

圖7 Malmquist 指數(shù)年平均值及其分解對比分析趨勢

由圖7 可得，西南地區(qū)的各指數(shù)效率明顯高于西北地區(qū)指數(shù)效率。說明，西北地區(qū)的物流業(yè)發(fā)展相對落后于西南地區(qū)。

長江經(jīng)濟帶包含一些西部省區(qū)，結(jié)合相關(guān)文獻[17]可得，考慮碳排放條件下的2010～2015 年物流業(yè)效率TFP 值空間分布見表5，TFP 值空間分布對比如圖8 所示。

表5 考慮碳排放條件下的物流業(yè)效率TFP 對比分析

由表5、圖8 可得，長江經(jīng)濟帶物流業(yè)效率TFP 值（1.040） 最高，西南地區(qū)物流業(yè)效率TFP 值（0.994） 次之，西北地區(qū)物流業(yè)效率TFP 值（0.964） 最低。主要原因是地理環(huán)境不同導(dǎo)致交通便利情況存在差異，且各省區(qū)經(jīng)濟差異較大。長江經(jīng)濟帶地區(qū)靠近長江，交通地理位置優(yōu)越，經(jīng)濟較發(fā)達。而西部地區(qū)，尤其是西北地區(qū)地理環(huán)境惡劣、交通不發(fā)達、經(jīng)濟落后，嚴重影響了物流業(yè)的發(fā)展。西南地區(qū)與長江經(jīng)濟帶物流業(yè)效率TFP 值接近，主要由于兩大地區(qū)存在共同省區(qū)，且發(fā)展相對較好。

圖8 考慮碳排放條件下的區(qū)域物流業(yè)效率TFP 指數(shù)對比圖

3.4 西部十二省物流業(yè)效率收斂性分析

各地區(qū)物流業(yè)效率的收斂性分析可考察各地區(qū)的差異隨時間推移的變化，及探究各地區(qū)的收斂模式。

3.4.1 σ 收斂分析。本文選取考慮碳約束條件下的全要素效率TFP 的對數(shù)標準差來反映西部十二省物流業(yè)效率的地區(qū)差異變化，σ 公式[12]如下：

式中：i 為區(qū)域內(nèi)的省份；m 為區(qū)域內(nèi)省份的個數(shù)；t 為時間趨勢項；TFPi，t為TFP 值。西部及西北、西南地區(qū)σ 收斂見表6，西部及西北、西南地區(qū)σ 收斂演化趨勢如圖9 所示。

表6 西部及西北、西南地區(qū)σ 收斂

圖9 西部及西北、西南地區(qū)σ 收斂演化趨勢

由表6、圖9 可得，西部及西南、西北地區(qū)物流業(yè)率TFP 標準差均存在σ 收斂，說明西部及西南、西北地區(qū)物流業(yè)率TFP差異逐漸消失。同時，通過橫向?qū)Ρ雀鞯貐^(qū)TFP 標準差均值可得，西北地區(qū)TFP 標準差平均值最大（0.359），西南次之（0.344），西部最小（0.114），說明西北地區(qū)物流業(yè)效率的內(nèi)部差異比其他地區(qū)大。主要由于西北地區(qū)內(nèi)部各省區(qū)經(jīng)濟發(fā)展、資源環(huán)境、地理條件等差異性較大，既有較發(fā)達的陜西等省區(qū)，也包括欠發(fā)達的新疆、青海等省區(qū)，從而導(dǎo)致西北部地區(qū)內(nèi)部各區(qū)域物流業(yè)效率TFP 標準差差異最大。

3.4.2 絕對β 收斂分析。考慮碳約束條件下的物流業(yè)效率TFP 的β 收斂[12-13]檢驗?zāi)Ｐ蜑椋?/p>

式中：TFPi，t+1為地區(qū)i 某一時段末期物流業(yè)TFP 指數(shù)；TFPi，t為地區(qū)i 某一時段初期的物流業(yè)TFP 指數(shù)；T 為研究時段年份數(shù) （本文 T=9）；ln （TF Pi，t+1/TFPi，t）表示第i 個效率的平均增長水平；α 為常數(shù)項；εi，t為隨機誤差項。當 β 顯著為負時，則TFP 指數(shù)的變化絕對β 收斂。西部十二省物流業(yè)效率TFP 絕對β 收斂檢驗如表7 所示。

表7 西部十二省物流業(yè)效率TFP 絕對β 收斂檢驗

由表7 可知，西南地區(qū)、西北地區(qū)乃至西部地區(qū)的β 值都顯著為負，表明西部各地區(qū)物流業(yè)效率TFP 都存在絕對β 收斂。說明當物流業(yè)環(huán)境資源利用條件相同時，西部各地區(qū)物流業(yè)效率的TFP 內(nèi)部差異會隨著時間的推移而逐漸減小甚至消失。

3.4.3 條件β 收斂分析

西部十二省物流業(yè)效率TFP 變化是否存在條件β 收斂需要進一步進行檢驗，結(jié)合相關(guān)文獻，本文選用以下3 個因素作為控制變量代入式（14） 進行條件β 收斂檢驗，得：

式中：X1為固定資產(chǎn)投資增長率；X2為勞動力稟賦，用勞動力密度表示；X3為能源要素稟賦，用能源對數(shù)值表示。若β 值為負，則說明中國西部十二省物流業(yè)效率TFP 值存在條件β 收斂。

表8 中國西部十二省物流業(yè)效率TFP 條件β 收斂檢驗

由表8 可得，在考察期內(nèi)，引入固定資產(chǎn)投資增長率、勞動力稟賦以及能源要素稟賦后，西南、西北乃至整個西部省區(qū)物流業(yè)效率存在β 收斂，即考察期內(nèi)西部十二省物流業(yè)效率差異逐漸減小。從收斂速度上來看，西南地區(qū)最快，西北收斂最慢。

4 結(jié) 論

通過分析西部十二省物流業(yè)效率，得出以下結(jié)論：（1） 通過SBM 模型測算，考慮期望產(chǎn)出的各區(qū)物流業(yè)效率低于不考慮期望產(chǎn)出的各區(qū)物流業(yè)效率。（2） 利用Malmquist 指數(shù)計算西部十二省投入、產(chǎn)出指標，西南地區(qū)的各指數(shù)效率明顯高于西北地區(qū)指數(shù)效率。說明，西北地區(qū)的物流業(yè)發(fā)展相對落后于西南地區(qū)。（3） 中國西南、西北地區(qū)物流業(yè)效率時空演變特征與收斂性分析漸縮小；西北各省區(qū)既存在著收斂、又存在著絕對、條件β 收斂，說明隨著時間的推移，西部地區(qū)的物流業(yè)效率TFP差異收斂到各自的穩(wěn)態(tài)水平。