物流業綠色全要素生產率測度及其影響因素分析

劉習平 金心悅

摘 ?要：本文采用非期望產出的SBM和Malmquist指數模型，測算湖北省2008-2017年物流業綠色全要素生產率，并利用Tobit模型對影響湖北省物流業綠色全要素生產率的各因素進行回歸分析。研究結果表明：湖北省物流業綠色全要素生產率保持在一個相對穩定的狀態，整體呈現出波動遞增的趨勢;人均GDP、城鎮化率、產業結構、能源強度對湖北省物流業綠色全要素生產率有著顯著性影響。湖北省政府要鼓勵并引導高能耗、高污染物流產業轉型升級，提高行業二氧化碳排放效率;優化第三產業，注重服務業、交通運輸業的發展;進一步擴大城鎮化覆蓋率，重視環境規制在物流業發展中的重要性。

關鍵詞： 物流業;SBM模型;Tobit模型;綠色全要素生產率;湖北省

一、引言

隨著網絡信息時代的到來，各大電商平臺快速發展，互聯網購物方式得到廣大公眾的青睞，這使得物流行業迅速成長并發展壯大。中國是世界上公認的物流大國，擁有世界上最大的物流市場，但物流行業在成為我國國民經濟主要動力的同時也產生了不少問題，主要體現在物流行業分工不合理、基礎設施重復建設、資源消耗率高等方面。在管理方式、技術應用、資源效率以及循環綠色環保方面與發達國家相比還是有很大的差距。 “十三五”以來，中國的工業化、信息化、市場化、城鎮化、綠色化、全球化進程深入推進，物流業發展的需求、技術供給、制度、資源環境以及國際格局時刻發生著變化。一方面，國家和政府強調可持續發展戰略;另一方面，國際形勢變化要求中國的物流業向著安全、高效、低污染方向發展。因此，提高物流業綠色全要素生產率成為我國傳統物流業向綠色物流業轉型的關鍵所在，這是新經濟形勢下減少環境污染和資源消耗的必然要求，也是新常態下能源需求與資源約束日益增強的現實需求。

湖北省作為中國中部省份之一，東部鄰接安徽，西部鄰接重慶，西北部與陜西交界，南部鄰接江西、湖南，北部與河南交界。依托長江興起了大規模的航運，同時又有京廣線、京九線等多條鐵路經過，其物流業發展具有得天獨厚的地理條件，要實現物流業高質、低耗的發展，加快湖北省經濟高質量發展，必須要提高其物流業綠色全要素生產率。因此，本文通過對湖北省物流業綠色全要素生產率及影響因素進行分析，為湖北省構建綠色物流體系提供理論支持和實踐指導，同時也為中國其他有著類似情況的地區在發展綠色物流方面提供借鑒，共同促進中國物流業綠色發展。

二、文獻綜述

綠色物流（Green Logistics），是指在物流活動中減少物品在儲存、包裝、運送等環節對環境產生的危害，以實現保護環境、降低能源消耗的目的。1990年初，大氣污染和環境惡化問題引起國外政府的高度關注，學術界也掀起了對環境保護的熱議。先是日本、加拿大和美國等國家政府決定采取立法形式來減輕物流活動對環境的損害，緊接著發達國家陸續提出發展循環經濟的要求，鼓勵逆向物流的發展，并且聯合制定了國際環保標準和綠色物流服務標準來推廣綠色物流的先進理念。歐盟“地平線”2020研究計劃表示，智能、綠色及綜合運輸是保證歐洲物流運輸領域技術領先的關鍵所在。國外許多學者對綠色物流展開了深入研究，如Sun（2005）基于單要素生產率框架下的碳強度指標對綠色物流進行了研究[1];Hong 和 Yong（2015）分析了韓國大型物流供應商服務效率與生產力之間的關系[2];Li 和 Shi（2014）通過Super-SBM模型對中國工業部門進行了能效分析[3];Zhang（2018）提出物流業轉型升級的發展方向，即運用新技術使物流業實現資源的共享和整合[4];Zhang（2018）對傳統的LMDI模型進行了改進，關注技術進步和結構調整，分析了影響北京市、天津市和河北省的碳排放強度的因素[5];Fan（2019）使用基于寬松度的方向距離函數產生的倫伯格指數測量了1997-2013年中國所有省份和主要城市的物流業傳統全要素生產率[6];Yi（2019）認為提高回收效率的能力比減少廢物產生的能力更重要，綠色物流對實現可持續供應鏈管理具有重要意義[7];Zhang 等（2020）提出GLP有效性前因的整合模型，通過提升GLP的效能，實現綠色物流的發展[8]。

綠色全要素生產率（Green Total Factor Productivity）是在全要素生產率測算的基礎上，將二氧化碳指標作為非期望產出納入測算指標體系中進行測算得出的。國內不少學者對物流業綠色全要素生產率進行了研究，主要有以下三個方面：一是傳統的效率評測，如余泳澤和武鵬（2010）運用隨機前沿分析測算了物流業的綠色全要素生產率[9];周業旺（2012）使用DEA模型測量了武漢城市圈內物流業的實際綠色全要素生產率水平，并結合研究結果提出改進措施[10];王蕾等（2014）基于CCR模型對新疆北疆8個地區的現代物流效率進行了分析[11];周葉等（2015）采用超效率DEA分析法測量了我國全部省份物流業綠色全要素生產率，采用前沿面分析找出相應資源投入過高的區域，并分析影響這些區域物流業綠色全要素生產率的原因[12]。二是基于產業聯動發展的研究，如李譚等（2012）以遼寧省港口為研究對象，采用CCR與復合系統協同度模型度量了港口物流效率[13];劉杰（2013）以長春市歐亞集團為例，使用數據包絡分析法和層次分析法測量了物流配送效率，并設計出最佳物流配送模式[14];孫?。?016）利用DEA模型，對我國東北地區農產品冷鏈物流效率進行測量和分析，創新性地考慮合作因素，提出促進農產品冷鏈可持續發展的建議[15];王珍珍（2017）運用DEA模型——超效率CCR對制造業與物流業聯動發展的系統運作效率進行了測評[16]。三是科學發展角度的分析，如范璐（2015）采用基于SFA的多投入-單產出模型和SEDEA方法對中國物流業綠色全要素生產率及其變動進行實證研究[17];劉戰豫和孫夏令（2018）運用Super-SBM模型和Malmquist指數對物流業綠色全要素生產率進行測度，并對跨時期、跨地區的演變特征進行刻畫，在此基礎上對物流業綠色全要素生產率演化階段及動因進行分析[18];王燊和程云鶴（2018）運用SBM模型測算長江經濟帶流域物流業綠色全要素生產率，運用純技術效率和規模效率，從省市和區域層面分析了物流業綠色全要素生產率的變化規律，最后用SML指數模型對長江流域物流業綠色全要素生產率進行了測量分析[19]。

綜合來看，學者們對物流業綠色全要素生產率的研究主要基于期望產出或者采用傳統的DEA模型，沒有進行動態分析。基于此，本文做出了兩點創新：一是以非期望產出二氧化碳排放量作為指標，選取中部六省相關數據并運用SBM和Malmquist指數模型進行比較，測算出湖北省2008-2017年物流業綠色全要素生產率值及其變化規律，分析湖北省近十年來物流業發展的結構轉變及績效問題;二是基于Tobit模型對人均GDP、能源強度、產業結構、城鎮化率、環境規制等進行實證分析，探討湖北省物流業綠色全要素生產率的影響因素。

三、研究方法

（一）SBM模型

同基礎DEA模型的投入和產出要素不同，綠色全要素生產率有比較繁雜的投入和產出指標，本文選取分析區域的靜態生產效率測度方法——SBM模型，該模型由Tone（2003）[20]提出，是一類基于松弛變量的非徑向、非角度的效率測度模型，不僅可以減小選用不同角度和徑向的投入產出指標所導致的偏離和誤差，而且基礎DEA模型中存在的指標松弛性問題也得到了較好解決[21]。

SBM模型假定生產系統中有n個決策單元DMU_j （j=1，2，…，n） ，輸入變量x有m個，輸出變量y有n個，其中有S_1個期望輸出y^g，S_2個非期望輸出y^b。S_i為松弛變量，表示輸入超量，X=[x_1，x_2，…x_m ]?R_（m×n），y^g=[y_1^g，y_2^g，〖…，y〗_n^g ]?R_（s1×n），y^b=[y_1^b，y_2^b，〖…，y〗_n^b ]?R_（s2×n），且X>0，y^g>0，y^b>0。生產集為：P={（x，y^g，y^b ）│x≥xλ，y^g≤y^g λ，y^b≥y^b λ，λ≥0}。

根據該模型，可得到考慮非期望產出的DEA-SBM模型公式為：

（1）

s.t. x_0=xλ+s^-;y_0^g=y^g λ-s^g;y_0^b=y^b λ+s^b;s^-≥0，s^g≥0，s^b≥0，λ≥0

上式中，目標函數S^-為投入松弛量、S^g為期望產出松弛量、S^b為非期望產出松弛量，且s^-≥0，s^g≥0，s^b≥0;"λ" 表示投入產出指標權重，且λ_j≥0;ρ^*表示決策單元的效率值，關于S^-、S^g、S^b嚴格單減，且0≤ρ^*≤1。決策單元DMU_j目標函數取得最優值時，S^-、S^g、S^b三者同時為 ，即僅當目標函數ρ^*=1且s^-=0，s^g=0，s^b=0時，決策單元DMU_j有效且位于生產前沿;當0≤ρ^*<1時，此時的決策單元并非是有效單元，仍然存在改進的空間，為使其是有效的決策單元可通過調整投入、產出指標的比重來達到預期。

（二） Malmquist指數

SBM模型不可測算動態效率，只可分析區域靜態效率。因此本文采用Malmquist指數測量中部六省2008-2017年動態效率，在此基礎上考慮的內容不僅為非期望產出，而且還包括非期望產出的減小和期望產出的增多。Malmquist指數從t到t+1時的表達式為：

MI_t^（t+1）=[（1+D_0^t （x^t，y^t，c^t，g^t））/（1+D_0^t （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））×（1+D_0^（t+1） （x^t，y^t，c^t，g^t））/（1+D_0^（t+1） （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））]^（1/2） ? ? ? ? ? ? ?（2）

式中，x為投入要素，y為產出要素，c為非期望產出，g為各要素的松弛向量;D_0^t （x^t，y^t，c^t，g^t）與D_0^（t+1） （x^（t+1），y^（t+1），c^（t+1），g^（t+1））分別為t期與t+1期的距離函數;D_0^t （x^（t+1），y^（t+1），c^（t+1），g^（t+1））表示以t期的技術為參考的t+1期混合距離函數;D_0^（t+1） （x^t，y^t，c^t，g^t）表示以t+1期的技術為參考的t期混合距離函數。

綠色全要素生產率變化指數（MI指數）同兩個指標有關，是由技術變化指數（TC）和技術效率變化指數（EC）組成的，即MI=EC×TC，其中：

EC_t^（t+1）=[（1+D_0^t （x^t，y^t，c^t，g^t））/（1+D_0^（t+1） （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））] ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

TC_t^（t+1）=[（1+D_0^（t+1） （x^t，y^t，c^t，g^t））/（1+D_0^t （x^t，y^t，c^t，g^t））×（1+D_0^（t+1） （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））/（1+D_0^t （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））]^（1/2） ? ? ? ? ? ? ? ? ?（4）

當EC>1時，代表技術效率的提高，而 EC<1，則代表技術效率的下降;當TC>1時，代表改進了技術，而TC<1，則代表此時技術落后;當MI>1時，代表綠色全要素生產率的上升，而MI<1，則代表綠色全要素生產率的下降。

四、數據的選取、測算和分析

（一）相關指標說明

由于無法直接獲取有關物流業的各類數據，與之最相關的是交通運輸、倉儲和郵政業的總和，并且交通運輸、倉儲和郵政業在現代物流業中的比重較大，所以本文選取各個統計年鑒中交通運輸、倉儲和郵政業的總和來指代物流業的數值。為了對湖北省物流業綠色全要素生產率進行趨勢分析，本文選取中部六省（山西省、河南省、安徽省、江西省、湖南省、湖北省）2008-2017年的數據進行橫向和縱向的對比，將固定資產、勞動力以及能源消耗量設為投入指標，物流業產值作為期望產出指標，二氧化碳排放量設置為非期望產出指標。由于動態效率是針對前一年而言的，所以具體數值從2009年開始，固定資產選取的數據是各省份物流業固定資產投入總量，以億元為單位;勞動力選取的是物流業各省份城鎮從業人數，以萬人為單位;能源消耗量指的是在物流業生產過程中消耗的各類能源總量，通過能源折算系數折算為標準煤，以萬噸標準煤為單位;物流業產值指的是各省份物流業的總產值，以億元為單位;二氧化碳排放量指的是各省份物流業運作過程中排放的二氧化碳總量，以萬噸標準煤為單位。樣本投入產出變量統計描述如表1所示。

（二）能源消耗量和二氧化碳排放量的計算

根據《中國能源統計年鑒》，交通運輸、倉儲和郵政業的物流業能源終端消費種類包括原煤、原油、液化石油氣、天然氣、煉廠干氣、焦炭、汽油、煤油、柴油、燃料油、熱力、電力以及其他能源。由于這些能源種類繁多且計量單位不統一，但在計算地區能源消耗量時，必須選取某種計算方法將其統一成一個單位。因此本文選取《中國能源統計年鑒》附錄中的各種能源折標準煤參考系數，將不同種類的能源折算成標準煤，計算公式為：

E=∑_i^n?〖C_i*e_i 〗 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （5）

其中，E為折算標準煤總量，C_i為第i種能源所對應的折標準煤參考系數，e_i為第i種能源所對應的消耗量，將參考折算系數與消耗量相乘并求和即可得出標準煤消耗量。

二氧化碳排放量與能源消耗量具有一定的線性關系。通過碳排放折算系數、二氧化碳折算公式可得出二氧化碳排放量，計算公式為：

〖CO〗_2=∑_i^n?〖〖CI〗_i*E_i 〗 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（6）

其中〖CO〗_2為二氧化碳排放總量，〖CI〗_i為第i種能源所對應的碳排放折算系數，E_i為第i種能源折算標準煤的消耗量。將碳排放折算系數與消耗量相乘并加總可得出與之對應的二氧化碳排放量。能源折算標準煤參考系數和二氧化碳排放量折算系數見表2。

（三）湖北省物流業能源消耗量及二氧化碳排放量對比分析

為了對湖北省物流業的能源消耗量和二氧化碳排放量進行橫向和縱向的比較，本文通過查詢《中國能源統計年鑒》獲得中部六省2008-2017年的數據進行測算和對比分析。

由于各省份人口規模、經濟發展水平、科技先進程度不同，為了對物流業能源消耗量和二氧化碳排放量進行比較，本文根據已有數據折算成物流業的能源強度和碳排放強度，采用各省2008-2017年能源消耗量均值除以物流業產值均值得到能源強度、二氧化碳排放量均值除以物流業產值均值得到碳排放強度，如圖1所示。從圖中可知，湖北省2008-2017年的能源強度和碳排放強度遠高于其他省份，分別為1.45萬噸標準煤/億元和3.38萬噸標準煤/億元，可見湖北省的能源消耗量和二氧化碳排放量與物流業產值之比高于其他中部省份。江西省2008-2017年的能源強度和碳排放強度在六省中最低，分別為0.88萬噸標準煤/億元和2.2萬噸標準煤/億元。十年來，中部各省能源強度和碳排放強度總體呈現出上漲趨勢，其中湖北省呈現出穩步增長趨勢，且湖北省物流業能源強度和碳排放強度遠高于江西省和河南省，由此推測，物流業能源消耗量和二氧化碳排放量可能與人口規模和產業結構有關。

（四）湖北省物流業綠色全要素生產率對比分析

為了更明顯地觀察湖北省物流業綠色全要素生產率，對中部六省進行綜合對比，由SBM模型輸出的2008-2017年物流業綠色全要素生產率見圖2。比較中部六省十年期間的各項指標發現，山西、河南、安徽、湖南和湖北的物流業綠色全要素生產率都保持在一個相對穩定的狀態，每年的變化量都在0.8～1.2浮動且物流業綠色全要素生產率整體變化表現出波動遞增的趨勢。由圖2對比可見，湖北省的三項指標在中部六省中變化趨勢是最為穩定的，且變化趨勢是最為集中的，其中，MI指數十年間都在1附近小幅度波動，呈現出中部六省中最穩定的狀態。

五、實證分析

本文中被解釋變量為湖北省2008-2017年物流業的綠色全要素生產率，各影響因素作為解釋變量構造計量模型對物流業綠色全要素生產率的影響因素進行實證檢驗。物流業綠色全要素生產率除了受到投入產出各要素影響外，還受到其他因素的影響。（1）人均GDP：選用湖北省的人均地區生產總值來體現該地域的經濟發展程度，且已有研究表明物流業綠色全要素生產率受人均GDP影響較大且主要是正向影響。（2）能源強度：采用湖北省能源消耗量占地區生產總值的比重。從理論上講能源消耗占GDP的比重對綠色全要素生產率有負向影響。（3）產業結構：使用湖北省的第三產業產業總值同地區生產總值的比例來呈現該地區的產業結構模型，且已有研究顯示第三產業占比對綠色全要素生產率有明顯促進作用。（4）城鎮化率：選取湖北省城鎮人口總數同總人口數之比來體現湖北省城鎮化發展進程。在一定時期內城鎮化率可能對綠色全要素生產率有較為明顯的積極影響。（5）環境規制：選取湖北省環境污染物治理投資占地區生產總值的比值描述該區域環境規制程度，且已有研究表明綠色全要素生產率受環境規制的影響主要為正向影響，政府在環境改善方面有決定性作用。相關變量的描述性統計見表3。

本文選取Tobit時間序列模型來檢驗影響湖北省物流業綠色全要素生產率的因素，其模型表達式為：

Y_t=β_0+β_1 X_1+β_2 X_2+……+β_n X_n+ε_i

其中，因變量Y_t指湖北省第t年的效率值，X_n為各個解釋變量，β_0是此模型的截距，β_n是各個解釋變量相對應的回歸系數，ε_i為模型隨機誤差項?；貧w結果見表4。

第一，人均GDP與物流業綠色全要素生產率呈負相關，相關系數為-0.1567且在1%的統計水平上顯著。呈現負相關的主要原因是近年來湖北省一方面電商產業得到突飛猛進的發展，另一方面民眾的生活質量得到極大的提升，人民對物質需求增加，貨物運輸和網絡購物量的迅猛增加使得物流業進入新的發展階段。但物流企業缺乏綠色物流管理理念，并且未落實綠色物流運營方針，在包裝、運輸、裝卸、配送等過程中存在高污染、高能耗等問題，產生大量廢棄物并增加了二氧化碳排放量，由此降低了物流業綠色全要素生產率。

第二，能源強度與物流業綠色全要素生產率呈現顯著的負相關關系，本文選取的能源強度是能源消耗占地區生產總值的比重，即能源消耗值增大，而效率值降低。推動物流業總產值增加的動力之一是能源，但能源在促進物流業發展的同時也會增加對環境的污染。兩者呈負相關的主要原因在于湖北省物流鏈各環節能源消耗量過大，如在供應鏈構建的過程中，供應商的綠色績效較低;在產品包裝過程中，機械設備的能耗過高;在物流運輸過程中，運輸工具需消耗能源，且運輸量增多會增加二氧化碳的排放值;在物流配送方面，規劃安排存在問題，配送效率不高，以上因素都可能造成效率值的降低。

第三，產業結構與物流業綠色全要素生產率呈正相關，產業結構每增長1%，綠色全要素生產率平均增長2.23%。不同于以高能耗高污染工業為主的第二產業，湖北省第三產業主要是以服務業、交通運輸業、郵政業、倉儲業為主，相較而言能源消耗量和二氧化碳排放量較少，對碳排放效率的提高有積極作用，可幫助提升綠色全要素生產率。

第四，城鎮化率與物流業綠色全要素生產率呈現出正相關關系且在1%的統計水平上顯著。隨著湖北省城鎮化進程的推進，城市經濟發展迅猛，相關的基礎設施也不斷完善，近年來湖北省電商行業的不斷發展推動了物流業的快速崛起。與此同時，經濟發達的地區往往伴隨著先進的科學技術和較高的人民受教育水平，人們對環境質量的要求更高，物流企業不斷更新生產模式，線下設立菜鳥驛站、快遞存放柜等，一定程度上免去了逐戶上門帶來的資源浪費，有助于物流業綠色全要素生產率的提高。

第五，環境規制與物流業綠色全要素生產率存在正向關系，通過模型得出回歸系數為0.0542，但P值為0.185，沒有通過顯著性檢驗。說明湖北省相關政策對綠色全要素生產率有著正向的影響作用，但政府污染治理投資目前大部分投入于重污染化工產業，對物流業重視程度不夠。

六、結論與建議

本文運用包含非期望產出的SBM模型研究了湖北省2008-2017年物流業綠色全要素生產率，并利用Tobit模型對影響湖北省物流業綠色全要素生產率的各因素進行回歸分析，測算其影響程度。從SBM模型輸出的測度結果來看，橫向對比中部六省的物流業綠色全要素生產率，可以明顯看出湖北省的變化趨勢是中部地區最為穩定的，并且是綠色全要素生產率表現最良好、最突出的省份。縱向對比物流業綠色全要素生產率在2008-2017年的變化，湖北省呈現出穩定且波動遞增的變化特征。（1）人均GDP與物流業綠色全要素生產率呈負相關。人均GDP的不斷發展雖然帶動了物流業的發展，但是物流業的管理方式和運行模式并沒有達到綠色、低碳的要求。（2）能源強度與物流業綠色全要素生產率負相關。單位物流業GDP能耗越大，物流業綠色全要素生產率越低。（3）產業結構與物流業綠色全要素生產率正相關。（4）城鎮化的推進使得湖北省經濟不斷發展，基礎設施逐步完善，并且企業工業技術水平開始提升，高能耗企業模式發生轉變，這些改善和提升引導湖北省的物流業綠色全要素生產率向正向發展。（5）環境規制與物流業綠色全要素生產率正相關，但沒有通過顯著性檢驗。

根據以上研究結論，本文提出以下建議：（1）湖北省政府在保持自身經濟發展水平的情況下，鼓勵并引導高能耗、高污染產業轉型升級，提高行業二氧化碳的排放效率。重視低碳物流技術的研發及推廣，最終形成綠色、低碳的物流市場。激勵企業積極開發并使用新能源，研發高能效、低污染產業技術，并將其廣泛用于各產業中，使湖北省物流業綠色全要素生產率得以進一步提高。（2）不斷發展和優化湖北省第三產業，尤其注重服務業、交通運輸業，并把湖北省經濟發展重點轉移到第三產業。發揮湖北省在地理位置上“九省通衢”的中心優勢，將其打造為重要的海陸空物流樞紐，推動湖北省物流業綠色發展。（3）推進湖北省城鎮化覆蓋率進一步擴大。一方面，城鎮化不僅帶動湖北省經濟水平的持續提升，同時可以擴大湖北省物流業的市場，促進物流業發展;另一方面，城鎮化過程中可以進一步完善物流交通的配套基礎設施，從而減少流通過程中發生的環境問題，以促進湖北省物流業朝著綠色、低碳的方向發展。（4）湖北省政府應該發揮環境規制在物流業中的重要作用。一方面，實施命令控制型環境規制，通過地方行政機關及其相關環境部門發布規章或命令以規范物流業碳排放行為，制定排放標準以完成物流業的環境質量目標;另一方面，實行市場激勵型環境規制，使物流業價格能反映環境成本，從而激勵物流業減少耗能。政府應積極運用環境規制引導物流業綠色發展，提高湖北省物流業綠色全要素生產率。

參考文獻：

[1] Sun J W.The Decrease of CO2 Emission Intersity is Decarbonization at National and Global Levers[J].Energy Policy，2005，3（8）：975-978.

[2] Hong G P，Yong J.The Efficiency and Productivity Analysis of Large Logistics Providers Services in Korea[J].Asian Journal of Shipping & Logistics，2015，31（4）：469-476.

[3] Li H，Shi J.Energy Efficiency Analysis on Chinese Industrial Sectors： An Improved Super-SBM Model with Undesirable Outputs[J].Journal of Cleaner Production，2014，（65）：97-107.

[4] Zhang L C. Research on Logistics Industry Transformation and Upgrading based on Resource Integration and Sharing[R].Institute of Physics Publishing， 2018.

[5] Zhang S Q.Impacts of Technological Progress， Structural Adjustment on Energy-Related Carbon Emissions Intensity in Logistics Industry： Empirical Research on Beijing-Tianjin-Hebei Region[R]. American Society of Civil Engineers （ASCE），2018.

[6] Fan L.The Spatial-temporal Analysis of the Green Total Factor Productivity of Logistics Industry in China[R].Institute of Electrical and Electronics Engineers Inc， 2019.

[7] Yi M W.An AHP-based Methodology for Determinants of Green Logistics Solution Management in China[R].Computers and Industrial Engineering，2019.

[8] Zhang W， Zhang MY， Zhang WY， Zhou Q， Zhou XX. What Influences the Effectiveness of Green Logistics Policies？[R].Elsevier B.V，2020.

[9] 余泳澤，武鵬.我國物流產業效率及其影響因素的實證研究——基于中國省際數據的隨機前沿生產函數分析[J].產業經濟研究，2010，（1）：65-71.

[10] 周業旺.基于DEA的武漢城市圈物流效率差異性比較分析[J].物流工程與管理，2012，34（10）：20-22.

[11] 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（7）：1425-1433.

[12] 周葉，張孟曉，楊潔.基于SE-DEA的省域物流行業生態效率研究[J].北京交通大學學報（社會科學版），2015，14（4）：99-106.

[13] 李譚，王利，王瑜.遼寧省港口物流效率及其與腹地經濟協同發展研究[J].經濟地理，2012，32（9）：108-113.

[14] 劉杰.電子商務環境下連鎖經營企業物流配送模式選擇研究[D].長春：吉林大學，2013.

[15] 孫健.東北地區農產品冷鏈效率測度及其影響因素分析[D].沈陽：沈陽農業大學，2016.

[16] 王珍珍.我國制造業與物流業聯動發展效率評——基于超效率CCR-DEA模型[J].中國流通經濟，2017，31（2）：20-30.

[17] 范璐.中國物流業綠色全要素生產率與成本效率理論模型與實證研究[D].廣州：華南理工大學，2015.

[18] 劉戰豫，孫夏令.中國物流業綠色全要素生產率的時空演化及動因分析[J].軟科學，2018，（4）：77-81.

[19] 王燊，程云鶴.長江經濟帶物流業綠色績效測度及其影響因素分析[J].黑龍江工業學院學報（綜合版），2018，（8）：87-92.

[20] Tone K.Dealing with Undesirable Outputs in DEA： A S

lacks-baded Measure （SBM） Approach [R]. GRIPS Research Report Series，2003.

[21] 孫金嶺，朱沛宇.基于SBM-Malmquist-Tobit的“一帶一路”重點省份綠色經濟效率評價及影響因素分析[J].科技管理研究，2019，（2）：230-237.

Measurement of Green Total Factor Productivity in Logistics Industry and Analysis of Its Influencing Factors

——Based on the empirical research of Hubei Province

Liu Xiping[1][2] ?Jin Xinyue[2]