我國物流產業綠色效率及區域空間特征
——基于非期望產出的SBM模型

易 燕

（廣州航海學院 廣東廣州 510725）

改革開放以來，隨著對外開放和國內地區之間的經濟聯系度加強，物流產業的規模和體量不斷壯大。2018年，我國社會物流規模達到283.1萬億元，增長率為6.4%，與國民經濟增長速度持平。從物流總規模來看，物流產業已經成為國民經濟的支柱產業和重要的現代服務業。從構成來看，物流的主體是工業品物流，占到總物流規模的90%。從物流費用來看，2018年我國全社會物流產業總費用13.3萬億元，占到GDP的14.8%，同2017年相比，物流產業總費用占GDP的比重上升了0.2%。工業品物流占主體，而物流費用居高不下，說明我國的物流產業效率需要進一步改善。物流業是包括運輸業、倉儲業、貨運業和信息業等的復合型服務產業，對解決就業、拉動消費、促進生產、調整產業結構、轉變經濟增長方式和增強國民經濟競爭力等方面起到重要作用。物流產業的效率也是決定國民經濟進一步增長的重要因素。因此，有必要對物流產業效率展開系統研究。

文獻綜述

目前學術界測算效率最常用的模型方法有數據包絡分析（DEA）、隨機前沿分析、Malmquist模型等。關于物流產業效率的測算，也有不少學者展開了相關研究。高月娜（2015）運用非徑向和非角度的SBM超效率DEA模型測度物流業技術效率，結果發現省域的物流技術效率呈從東向西遞減態勢。曲麗（2016）采用DEA測算了省域的物流產業技術效率，并用普通最小二乘法對影響因素進行回歸。莫小泉（2017）從區域視角對我國物流產業的效率進行分析，但并沒有得出很好的物流產業效率測算模型。于麗英等（2018）采用DEA-Malmquist指數模型對長江經濟帶的物流效率及影響因素進行分解，發現長江經濟帶下游地區物流效率情況較好，中上游地區物流效率相對滯后。劉明等（2019）對277個地市級城市的2007-2017年物流效率進行了測算，將所有城市的物流效率總結為極化型、追趕型、鎖定型以及收斂型四種類型。劉巖和田強（2019）采用DEA-BCC模型測度2016年全國31個省市區的物流效率，并分析了對外開放程度、技術水平、產業結構等因素對物流產業效率的影響。曹炳汝等（2020）采用DEA模型、ArcGIS和空間自相關分析方法測算了長江經濟帶的物流效率，發現綜合效率平均值為0.830。

上述研究基本采用DEA的思路測算物流產業效率，但是運用的方法各異，并且均沒有考慮物流產業的非期望產出。隨著全球對溫室氣體排放的關注，針對物流行業的二氧化碳排放也受到學術界的重視。物流產業在經營過程中，將使用大量的化石能源作為動力，并排放出大量的二氧化碳，是產生溫室氣體的主要產業之一。因此，單純地考慮期望產出，而不考慮非期望產出，測算出的物流產業效率比較片面，而且無法體現出綠色發展的要求，因此將二氧化碳排放納入研究是很有必要的。綜合上述研究，本文采用非徑向、非角度的SBM方向性距離函數測算物流產業的綠色效率，將二氧化碳排放納入研究，在一定程度體現綠色發展要求，同時也更加全面地反映效率。與已有的研究成果相比，本文的主要貢獻有三點：第一，首次采用帶有非期望產出的非徑向、非角度SBM方向性距離函數測算物流產業的綠色效率；第二，文章通過對全國及各區域之間的比較，可以很好地分析各地區不同時期物流產業的綠色效率變化趨勢；第三，對全國31個省份物流產業的綠色效率的空間分布進行分析，可以較為清楚地了解物流產業的空間相互關系。

模型方法與變量數據

（一）模型方法

相比之下，DEA和Malmquist對變量相關性的要求較低，本文以DEA模型為基礎，考慮傳統DEA中可能存在非零松弛的問題，因此采用非期望產出的SBM方向性距離函數測算Malmquist-Luenberger（簡稱ML指數），以此作為物流產業綠色效率的指標。

首先，構建非期望物流產出的生產邊界函數為：

其中i=1，…，I，用x表示要素的投入量，假定有N種要素投入，xni∈R+，其中n=1,…,N；假定有M種期望產出（m=1，…，M），ygmi∈R+，同時有P種“壞”的非期望產出（p=1，…，M），ybpi∈R+。x、yg、yb分別代表x=(x1,…,xN)、yg=(yg1,…,ygM)、yb=(yb1,…,ybp)三個向量，λti表示每個橫截面觀測值的權重，根據可變規模報酬（VRS）的約束條件，還需要滿足≥0，i。

根據包括非期望產出的SBM方向性距離函數為：

式中，表示基于規模不變的方向性距離函數；(xti`,ygti`,ybti`)(gx,gyg,gyb)(sx,syg,syb)三個向量分別表示地區i的投入向量、產出向量和松弛向量。(sx,syg,syb)表示過度使用、非期望產出及期望產出不足的量。

可以定義第t期和t+1期之間的ML生產率，即綠色效率：

該公式的經濟學含義為：當ML＞0時，說明該地區從第t期到第t+1期物流產業的綠色效率得到提高，否則，該地區的物流產業的綠色效率處于下降趨勢。進一步可以將ML指數分解為技術變化指數（MLTC）和技術效率變化指數（MLTEC）：

（二）變量指標與數據

1.投入指標。物流產業的投入可以通過物流生產過程中的人力和物力投入兩個方面進行表征。具體來說，物流產業的人力投入是用交通運輸、倉儲和郵政業的從業人員數來衡量。至于物流產業的資本投入，從目前的統計數據中無法獲得準確的物流產業資本投入，但是物流產業是一個綜合性產業，與國民經濟整體水平有關。因此，可以采用全社會的固定資產投資總額來近似替代，該數據采用永續盤存法測算出固定資產存量。除了資本投入外，還考慮了物質資本投入，采用民用載貨車輛數代表物流產業的物質資本。此外，物流產業與這個地區的公路里程有關，分別考慮了所有公路里程和等級公路里程兩個指標。

2.產出指標。基于非期望產出SBM模型，產出指標包括期望產出和非期望產出。其中，物流產業的期望產出主要指物流產業的產值，本文采用交通運輸、倉儲和郵政業增加值來表示。除此之外，認為貨運量和貨物周轉量也是物流產業的產出指標。物流產業的非期望產出主要指貨物運輸過程中使用了化石能源而產生大量的二氧化碳等非期望產出，這也體現了綠色發展的要求。據此，分別獲得了每個省每年消費的原油總量和單位原油產生的二氧化碳數量，將兩個數據相乘后測算出每個省每年物流產業產生的二氧化碳總量，用于近似衡量物流產業的非期望產出。

表1 物流產業的綠色效率測算指標體系

3.數據來源。基于數據可得性，本文選取的數據涵蓋中國31個省份2004-2017年。以上指標的大部分數據來源于《中國統計年鑒》，就業人數來自《中國勞動統計年鑒》，二氧化碳的數據由筆者自行測算得到，ML指數是兩個年份之間比較而得到的后一年的綠色效率值。因此，最后得到2004-2017年全國31個省份的物流產業綠色效率值。

實證結果及分析

（一）全國總體測算結果

根據公式（1）-公式（5），以及表1的相關指標，通過MATLAB編程測算得到31個省級行政區的物流產業的綠色效率值。為分析全國物流產業綠色效率的變化趨勢，將31個省級行政區的相應指標取平均值，即可得到歷年中國物流產業綠色效率值，圖1為2004-2017年的全國物流產業平均效率變化趨勢圖。從ML指數可以看出，就全國平均水平而言，我國物流產業的綠色效率呈現波動變化規律，2004-2017年期間總體上呈現“W”型波動態勢。整體來看，ML指數只有少部分年份小于1（2009年、2013年和2015年），說明物流產業的綠色效率在大多數年份均呈現提高趨勢。呈現下降的幾個年份中，2008年受金融危機的影響，2009年物流產業的效率下降；2013年和2015年，空氣污染嚴重以及國家對石油價格的調控，導致物流產業的綠色效率出現下降趨勢。

從物流產業綠色效率的分解來看，物流產業的綠色效率技術變化（MLTC）與物流產業的綠色效率基本上呈現出同步的變化趨勢，但是2014年MLTC值小于1，對整個物流產業的綠色效率帶來了一定的拉低作用。物流產業技術效率（MLTEC）的變化相對比較平緩，且大多數年份都處于1以下，2014年以后呈現提高并超過1，說明物流產業技術效率總體向好，但趨勢不夠明顯。

（二）區域特征分析

圖2為分東、中、西部的ML指數值變化趨勢圖。從圖2可以看出，東部地區物流產業的綠色效率總體上大于中西部地區，但有部分年份還是低于中西部地區物流產業的綠色效率。東部地區物流產業的綠色效率經歷兩次明顯下滑，其中第一次明顯下滑的時間是在2008年，這可能與2008年爆發的金融危機存在關聯；另一次明顯下滑的時間是2013年，這可能與當時的環境問題和國際原油價格波動有關，其它年份均處于1附近或者1以上，說明東部地區物流產業的綠色效率總體上是處于不斷提升的良好狀態。

中部地區物流產業的綠色效率值和西部地區物流產業的綠色效率值基本是提升與下降各占一半的趨勢。如果將三大地區物流產業的綠色效率看成是波動圖形式，那么有一個顯著的特點就是每一次東部出現波峰和波谷時，中西部地區的波峰和波谷會滯后1到2年相繼出現。比如東部地區在2008年受到金融危機影響，但中西部地區具有時間滯后性，物流產業的綠色效率在2009年開始體現；東部地區2010年出現波峰，而中西部地區在2011年出現波峰；東部地區在2013年出現波谷，而中西部地區在2015年出現波谷。由此可以初步推測，我國區域之間物流產業的綠色效率變化存在著一定的空間相互影響關系。

（三）分地區空間特征分析

根據各地物流產業綠色效率值，重點比較2004年、2010年和2017年三年的31個省份物流產業的綠色效率空間狀態關系。限于篇幅，具體計算結果不單獨列出。

在2014年，只有黑龍江、新疆、江西和云南四個地區的物業產業效率小于1，其它地區物流產業的綠色效率均表現為大于1，呈現提升趨勢。但是，有17個省份物流產業的綠色效率值并不高，介于1到1.1之間；有6個地區物流產業的綠色效率值介于1.1到1.2之間。但是物流產業的綠色效率值超過1.2的地區只有四個，分別為山東、河北、海南和天津。整體來看，2004年物流產業的綠色效率值在空間上基本上表現為共同提升趨勢，而且處于1.1的地區較多，物流產業的綠色效率整體發展態勢較好。

在2010年，許多地區物流產業的綠色效率低于1，具體包括新疆、青海、寧夏、甘肅、山西、陜西、江西、福建、吉林和黑龍江。與2004年相比，江西和黑龍江兩個年度物流產業的綠色效率均小于1，說明這些地區物流產業的綠色效率處于下降趨勢。物流產業的綠色效率提升的地區不多，且有13個地區的綠色效率值介于1到1.1之間。上海、廣東、河南、江蘇、北京5個地區物流產業的綠色效率高于1.1，且上海物流產業的綠色效率高于1.2，說明這五個地區物流產業綠色效率仍呈現出提升趨勢。可以看到，除了廣東以外，其余4個地區基本上是連點成片的，這也在一定程度上表明了區域物流產業綠色效率之間存在著微妙的空間集聚現象和空間依賴現象。

圖1 全國物流產業綠色效率及分解指數的變化趨勢

圖2 三大區域物流產業平均效率值

表2 2004、2010和2017年各地區物流產業的綠色效率技術變化值（MLTC）

在2017年，上海和寧夏兩個地區物流產業的綠色效率呈現出下滑趨勢。有23個地區物流產業的綠色效率處于1到1.1之間，說明這些地區物流產業的綠色效率是有提升趨勢的。海南、河南、北京、河北四個地區物流產業的綠色效率提升相對較多，達到1.1到1.2，而且甘肅和山西兩個地區物流產業的綠色效率達到1.2以上，相對2016年，物流產業的綠色效率提升幅度較大。

根據物流產業綠色效率的指標分解，下面分析綠色效率的技術變化情況。技術變化主要體現在物流產業中使用的技術復雜性發生變化，其數值更多體現了一種提升或者降低。表2匯報了三個年份的具體結果。整體來看，三個年度的MLTC均大于1的地區較多，達到20個地區。東部地區的MLTC值普遍較高，只有海南、上海、福建和山東有部分年份的MLTC值低于1；中部地區的山西、吉林和黑龍江的MLTC相對較低；西部地區的云南、青海、寧夏和新疆四個地區有部分年份的MLTC值低于1。

結論和政策啟示

本文利用非徑向、非角度的SBM方向性距離函數測算ML指數，用此指數衡量帶有非期望產出物流產業的綠色效率，并將其分解為物流產業的綠色效率技術變化和技術進步兩個指標。通過收集31個省份2004到2017年的數據，最后測算出2004到2017年各省物流產業的綠色效率值及其分解指標。通過分析，主要結論可歸納如下：第一，從全國來看，物流產業的綠色效率總體上有所提升，但效率指數呈現波動變化規律；根據指標分解情況，物流產業綠色效率的技術變化與物流產業的綠色效率呈現同步變化的趨勢，物流產業綠色效率的技術進步指數波動則比較平緩。第二，從區域特征來看，東部地區物流產業的綠色效率總體好于中西部地區，且中西部地區物流產業的綠色效率的變化與東部地區存在一定關聯，基本上滯后于東部地區1-2年。第三，從分地區空間特征來看，大部分省份物流產業的綠色效率處于1到1.1之間，出現空間集聚的現象，但物流產業綠色效率較低的地區呈現空間離散現象。

基于本文分析，可以得到如下的政策啟示：首先，物流產業的綠色效率變化依賴于實體經濟，只有實體經濟得到穩步發展，物流產業的效率才能得到持續提升。因此，我國需要加大對實體經濟的政策扶持力度，確保實體經濟保持長期的增長潛力。其次，區域物流產業綠色效率之間呈現一定的空間依賴性，處于中間水平的地區之間相對影響較大，因此要探索制定區域一體化的相關政策，促進區域之間的物流互動，打通區域要素互通渠道，促進資源要素不斷共享。第三，雖然區域之間物流產業的綠色效率變化存在著一定的空間集聚和依賴性，但是低水平區域的空間離散性特征也較為明顯，而且不同時間段物流產業綠色效率的變化也非常顯著，因此各地要在圍繞全國一盤棋推動物流產業綠色發展的前提下，因地制宜，探索制定符合當地物流產業發展的政策，有效引導區域物流產業健康發展。