基于兩階段DEA模型的長(zhǎng)江經(jīng)濟(jì)帶物流環(huán)境效率研究

陳鑫　趙順　祁玉青

摘 要 本文針對(duì)物流造成的碳排放問題，運(yùn)用兩階段DEA模型，對(duì)長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市2015-2019年的物流環(huán)境效率進(jìn)行了對(duì)比分析。結(jié)果表明：長(zhǎng)江經(jīng)濟(jì)帶的物流環(huán)境效率整體不高;部分省市物流環(huán)境效率存在反復(fù)性;普遍存在投入冗余和產(chǎn)出不足的現(xiàn)象，且區(qū)域性差異明顯。最后，文章針對(duì)上述情況提出了將政府宏觀調(diào)控與市場(chǎng)調(diào)節(jié)相結(jié)合、發(fā)揮DEA有效省市示范帶頭、加強(qiáng)湖南等中部省份污染物治理力度和優(yōu)化西部省市物流資源配置的對(duì)策建議。

關(guān)鍵詞 物流環(huán)境效率 碳排放 兩階段DEA

中圖分類號(hào)：F503 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-0745（2022）03-0061-07

中國承諾在2030年前，二氧化碳的排放量不再增長(zhǎng)，達(dá)到峰值之后慢慢減下去。碳達(dá)峰是一個(gè)過程性的描述，即碳排放首先進(jìn)入平臺(tái)期間并可能在一定范圍波動(dòng)，然后進(jìn)入平穩(wěn)下降階段。

近年來，隨著我國經(jīng)濟(jì)高速提升，尤其是電子商務(wù)的進(jìn)步，使得我國物流行業(yè)獲得了巨大的發(fā)展。在虛擬經(jīng)濟(jì)不斷超越實(shí)體經(jīng)濟(jì)的過程中，物流對(duì)國民經(jīng)濟(jì)的促進(jìn)作用也愈發(fā)明顯。然而物流業(yè)造成的環(huán)境問題也愈發(fā)嚴(yán)重，經(jīng)濟(jì)發(fā)展既要重視效率與質(zhì)量，也要重視可能有的負(fù)面環(huán)境影響。本文結(jié)合當(dāng)前環(huán)評(píng)視角，以環(huán)境效率去測(cè)度長(zhǎng)江經(jīng)濟(jì)帶的物流業(yè)發(fā)展?fàn)顩r。環(huán)境效率指滿足人類需求的產(chǎn)品和服務(wù)的經(jīng)濟(jì)價(jià)值除以環(huán)境負(fù)荷，即單位環(huán)境負(fù)荷的經(jīng)濟(jì)價(jià)值[1]。

長(zhǎng)江經(jīng)濟(jì)帶橫跨我國東中西三大區(qū)域，是我國綜合實(shí)力最強(qiáng)、戰(zhàn)略支撐作用最大的區(qū)域之一。長(zhǎng)江經(jīng)濟(jì)帶覆蓋了上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州11個(gè)省市，總面積約205萬平方公里，人口和生產(chǎn)總值均超過全國的40%。長(zhǎng)江經(jīng)濟(jì)帶物流業(yè)發(fā)展水平全國領(lǐng)先，本文以長(zhǎng)江經(jīng)濟(jì)帶物流運(yùn)輸過程造成的碳排放問題為切入點(diǎn)，考慮非期望產(chǎn)出問題，運(yùn)用兩階段DEA模型，對(duì)比分析長(zhǎng)江經(jīng)濟(jì)帶物流環(huán)境效率，以期為各個(gè)省市優(yōu)化物流發(fā)展提供一定的參考。

1 研究背景

物流業(yè)是支撐國民經(jīng)濟(jì)發(fā)展的基礎(chǔ)性、戰(zhàn)略性產(chǎn)業(yè)。對(duì)于促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、轉(zhuǎn)變發(fā)展方式、推動(dòng)經(jīng)濟(jì)又好又快發(fā)展具有重要意義[2]。長(zhǎng)江經(jīng)濟(jì)帶物流業(yè)近年來保持較快的增長(zhǎng)速度，服務(wù)能力不斷提升，基礎(chǔ)設(shè)施條件和政策環(huán)境不斷改善，發(fā)展環(huán)境得到不斷優(yōu)化。但隨著傳統(tǒng)對(duì)外貿(mào)易市場(chǎng)需求的不斷下降，帶來了大量的產(chǎn)能過剩，產(chǎn)能過剩制約著企業(yè)的轉(zhuǎn)型升級(jí)。物流業(yè)的發(fā)展對(duì)于區(qū)域內(nèi)資源的優(yōu)化配置、勞動(dòng)力等生產(chǎn)要素與生產(chǎn)發(fā)展需求進(jìn)一步銜接，對(duì)促進(jìn)良性的發(fā)展循環(huán)具有重要作用，因此，研究解決物流業(yè)發(fā)展帶來的環(huán)境問題愈發(fā)重要。科學(xué)測(cè)算評(píng)估長(zhǎng)江經(jīng)濟(jì)帶物流業(yè)發(fā)展造成的環(huán)境影響，是實(shí)現(xiàn)長(zhǎng)江經(jīng)濟(jì)帶綠色可持續(xù)發(fā)展的重要前提。

目前，國內(nèi)學(xué)者們常用環(huán)境效率來評(píng)價(jià)行業(yè)發(fā)展水平。環(huán)境效率與傳統(tǒng)效率評(píng)價(jià)的不同之處在于它在評(píng)價(jià)行業(yè)效率時(shí)，考慮到了現(xiàn)實(shí)生產(chǎn)過程中帶有明顯的副產(chǎn)品，其中很多不是我們所期望的產(chǎn)出，比如污染物[3]。對(duì)于環(huán)境效率的測(cè)算國內(nèi)有很多，比如卞亦文[4]提出非合作博弈兩階段生產(chǎn)系統(tǒng)的環(huán)境效率評(píng)價(jià)模型，并應(yīng)用于我國各地區(qū)工業(yè)系統(tǒng)的環(huán)境效率評(píng)價(jià)。盧永琴等[5]運(yùn)用非合作博弈兩階段系統(tǒng)對(duì)我國產(chǎn)業(yè)園區(qū)的環(huán)境效率進(jìn)行了測(cè)算。董峰等[6]利用三階段DEA模型測(cè)算了低碳約束下我國省際物流業(yè)效率，對(duì)被測(cè)省份按高、中、低三種效率進(jìn)行區(qū)分分析。任陽軍和汪傳旭[7]將碳排放量作為一種投入，利用超效率DEA模型對(duì)我國2007-2014年29個(gè)省份的商貿(mào)流通業(yè)效率進(jìn)行了評(píng)價(jià)。學(xué)者們利用模型算法對(duì)環(huán)境影響下行業(yè)效率的變動(dòng)做出了有益的探討。本文借鑒并優(yōu)化了DEA模型對(duì)于環(huán)境效率的測(cè)度，并運(yùn)用在低碳視角下長(zhǎng)江經(jīng)濟(jì)帶的物流業(yè)環(huán)境效率的研究。

2 模型設(shè)定與指標(biāo)選取

2.1 模型簡(jiǎn)介

數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，DEA）作為一種重要的非參數(shù)分析方法，最早由Charnes等提出[8]，傳統(tǒng)的DEA評(píng)價(jià)模型的分析結(jié)果中，常常會(huì)出現(xiàn)多個(gè)決策單元（DMU，Decision Making Units）都是有效的情況，對(duì)于有效的決策單元無法做出進(jìn)一步的區(qū)分。為了解決這一問題，Anderson等[9]提出了超效率DEA模型。它的核心思想就是將被評(píng)價(jià)DMU從參考集中剔除，也就是說，被評(píng)價(jià)DMU的效率是參考其他DMU構(gòu)成的前沿得出的，有效DMU的超效率值一般會(huì)大于1，從而可以對(duì)有效DMU進(jìn)行區(qū)分，無效DMU效率值仍然不變。另一方面，傳統(tǒng)的DEA評(píng)價(jià)模型在評(píng)價(jià)物流效率時(shí)，多把被評(píng)價(jià)DMU當(dāng)做是一個(gè)黑匣子，沒有考慮物流過程中的中間產(chǎn)品。對(duì)于一個(gè)完整的物流過程，每個(gè)環(huán)節(jié)是相互銜接的，即上一環(huán)節(jié)的產(chǎn)出很多時(shí)候則是下一階段的投入。因此，本文在進(jìn)行物流環(huán)境效率測(cè)度時(shí)，將超效率DEA模型引入兩階段DEA模型計(jì)算。介于有關(guān)超效率DEA模型和兩階段DEA模型相關(guān)研究已有較多，此處就模型規(guī)劃式等不再贅述。

2.2 投入與產(chǎn)出變量選取

國內(nèi)對(duì)于物流業(yè)一直都沒有較為明確的界定，因此本文參考大多數(shù)學(xué)者的研究，選擇了交通運(yùn)輸倉儲(chǔ)與郵政行業(yè)。并將物流運(yùn)作過程看作兩個(gè)階段：在第I階段，從資產(chǎn)、人力以及能源消耗考慮。以固定資產(chǎn)投入、物流業(yè)從業(yè)人數(shù)、公路營運(yùn)汽車擁有量和民用機(jī)動(dòng)運(yùn)輸船數(shù)作為投入變量。貨物周轉(zhuǎn)量與年能源消耗量作為這一階段的中間產(chǎn)出變量;在第II階段中，考慮到通過第I階段的投入提高了貨物周轉(zhuǎn)量促進(jìn)了物流業(yè)產(chǎn)值的增加，所以將物流產(chǎn)業(yè)增加值為輸出指標(biāo)。另外，行業(yè)的發(fā)展也會(huì)為從業(yè)人員帶來薪酬上的增長(zhǎng)，出于對(duì)數(shù)據(jù)收集可得性與統(tǒng)計(jì)口徑的考慮，以物流業(yè)從業(yè)人員的平均工資為輸出指標(biāo)。能源消耗對(duì)環(huán)境影響較大的是碳排放，所以以碳排放量為最終的非期望產(chǎn)出（見表1）。

關(guān)于年能源消費(fèi)量和碳排放量的統(tǒng)計(jì)參考的是已有的處理方法[10]。能源消費(fèi)量的確定是選取原煤、柴油、汽油、燃料油、電力、液化石油氣和天然氣這七種能源，按照各自能源標(biāo)準(zhǔn)系數(shù)折算為萬噸標(biāo)準(zhǔn)煤后加總。物流業(yè)二氧化碳排放量的統(tǒng)計(jì)則是以上六種能源消耗量（電力除外）分別乘以各自的碳排放系數(shù)然后加總得到（標(biāo)準(zhǔn)煤折算系數(shù)表與碳排放系數(shù)見表2）。

3 長(zhǎng)江經(jīng)濟(jì)帶物流環(huán)境效率分析

本文研究的是長(zhǎng)江經(jīng)濟(jì)帶的11個(gè)省市在2015-2019年的物流業(yè)環(huán)境效率。數(shù)據(jù)主要來源于中國國家統(tǒng)計(jì)局、《中國能源統(tǒng)計(jì)年鑒》、各省市統(tǒng)計(jì)網(wǎng)站等。根據(jù)相關(guān)指標(biāo)的數(shù)據(jù)，運(yùn)用MyDEA1.0.5軟件，得到各省市的物流效率，計(jì)算結(jié)果見表3、表4、表5。

3.1 傳統(tǒng)效率模型與兩階段超效率DEA模型的對(duì)比分析

從表中數(shù)據(jù)可以看出，在考慮了非期望產(chǎn)出的影響后，長(zhǎng)江經(jīng)濟(jì)帶各省市的效率值，整體呈下滑趨勢(shì)。就2019年來看，江蘇（1.39;0.65）、浙江（1.24;0.8）、江西（1.13;0.74）、湖南（1;0.52）、四川（1.2;0.69）、云南（1.38;0.59）、貴州（1.91;0.88）在傳統(tǒng)效率評(píng)價(jià)模型下皆處于前沿面上，但在考慮了非期望產(chǎn)出的兩階段超效率DEA評(píng)價(jià)模型下都為DEA無效（見圖1），造成上述現(xiàn)象的原因主要是以碳排放為主的環(huán)境污染對(duì)物流業(yè)效率提升有著重要的影響。整體下滑的背景下，我們也能看到諸如上海（2.59;4.92）、安徽（0.71;0.96）在兩階段超效率DEA模型評(píng)價(jià)下效率值不降反升。這說明上海、安徽實(shí)行了有效的低碳循環(huán)經(jīng)濟(jì)發(fā)展模式，進(jìn)行了生態(tài)文明建設(shè)。從實(shí)線的起伏程度來看，東部地區(qū)波動(dòng)幅度最大，原因在于數(shù)值層面上上海環(huán)境效率比較高，社會(huì)經(jīng)濟(jì)發(fā)展層面來看，上海經(jīng)濟(jì)更為發(fā)達(dá)，且環(huán)境保護(hù)做得更好。西部地區(qū)波動(dòng)最小，原因在于相對(duì)東中部而言，西部地區(qū)4省市物流業(yè)發(fā)展差異小和物流業(yè)發(fā)展相對(duì)滯后，對(duì)環(huán)境的影響相對(duì)較小。就地域劃分來看，東、中部省市的環(huán)境效率值從左至右逐漸下降，而西部地區(qū)從左至右是緩慢上升。這表明長(zhǎng)江經(jīng)濟(jì)帶內(nèi)除傳統(tǒng)意義的東中西發(fā)展差異外，三個(gè)地區(qū)內(nèi)部仍然存在發(fā)展較大的發(fā)展差異。其中緣由主要是經(jīng)濟(jì)發(fā)展水平與環(huán)境容量的影響（見圖2、圖3）。

3.2 跨期數(shù)據(jù)分析

參考傳統(tǒng)意義上的東中西地域觀念，選取了上海、江蘇、安徽、江西、重慶，貴州6個(gè)省市進(jìn)行縱向效率值對(duì)比分析 。從2015至2019年，上述6個(gè)省市僅安徽和貴州出現(xiàn)DEA有效性的變動(dòng)。安徽在2016與2017年變?yōu)镈EA有效，但是在隨后的2年又變?yōu)镈EA無效。造成這一現(xiàn)象的原因是沒有完全處理好物流業(yè)發(fā)展與碳排放控制的關(guān)系。當(dāng)經(jīng)濟(jì)規(guī)模擴(kuò)大和增速提升時(shí)，相應(yīng)的污染物治理政策方針制定更新不匹配，以及污染物治理設(shè)施的不完備和不完善。貴州在這5年間從DEA有效變?yōu)闊o效，造成這一結(jié)果的原因主要是貴州在謀求物流業(yè)發(fā)展的時(shí)候，存在過分追求物流規(guī)模擴(kuò)大而未注重節(jié)能減排的可能。比如，引進(jìn)一些經(jīng)濟(jì)實(shí)力強(qiáng)，但同時(shí)也伴隨著較大環(huán)境負(fù)荷的企業(yè)。上海物流環(huán)境效率雖然波動(dòng)明顯，但都是處于生產(chǎn)前沿面上，物流業(yè)發(fā)展比較合理。江蘇、江西、重慶都為DEA無效，5年間效率值波動(dòng)幅度不大。究其原因主要是江蘇、江西、重慶污染物排放的控制與治理落后于物流業(yè)的發(fā)展，對(duì)于污染物的排放、治理仍未有較大改善。

3.3 投入冗余與產(chǎn)出不足分析

本文兩階段超效率DEA模型的綜合效率是由兩個(gè)子階段效率值加權(quán)平均和構(gòu)成，所以基于兩個(gè)子階段去考慮投入冗余與產(chǎn)出不足，結(jié)果見表6。

以上表2018年的計(jì)算結(jié)果為對(duì)象，對(duì)除上海以外的10個(gè)DEA無效省市進(jìn)行投入冗余與產(chǎn)出不足分析。在現(xiàn)有產(chǎn)出不變的情況下，第一子階段中DEA無效地區(qū)固定資產(chǎn)投入、從業(yè)人數(shù)、營運(yùn)汽車擁有量、民用機(jī)動(dòng)運(yùn)輸船數(shù)和年能源消耗量都出現(xiàn)了不同程度的冗余。特別地，江蘇民用機(jī)動(dòng)運(yùn)輸船冗余量接近其他9省市的船舶冗余量。作為內(nèi)外河航運(yùn)的承接地區(qū)，船舶投入量大但并未實(shí)現(xiàn)合理的產(chǎn)能轉(zhuǎn)化。總體冗余程度從高到低依次為西部地區(qū)、中部地區(qū)、東部地區(qū)。以固定資產(chǎn)為例，西部地區(qū)固定資產(chǎn)投入冗余和為8985.61億元，中東部地區(qū)分別為4432.58億元、 3564.18億元。造成這一現(xiàn)象的原因主要是東中西冗余程度與DEA無效省市的數(shù)量以及經(jīng)濟(jì)發(fā)展水平呈正相關(guān)。

第二子階段中DEA無效省市的貨物周轉(zhuǎn)量與碳排放量同樣存在不同程度的冗余。冗余量最小的為西部地區(qū)，冗余量最大的為中部地區(qū)，居中為東部地區(qū)。以貨物周轉(zhuǎn)量為例，西部地區(qū)冗余總量為1726.23億噸公里，中部地區(qū)為17633.57億噸公里，東部地區(qū)為9601.19億噸公里。出現(xiàn)這種結(jié)果的原因主要有：貨物運(yùn)輸需求是派生性需求，其大小取決于社會(huì)經(jīng)濟(jì)的發(fā)展水平與經(jīng)濟(jì)實(shí)際發(fā)展程度相關(guān)，中東部的貨物周轉(zhuǎn)量大于西部地區(qū);中東部省市大規(guī)模投入并未得到有效轉(zhuǎn)化。就二氧化碳的排放冗余量來看，中部地區(qū)省市最為突出。中部地區(qū)作為東西貨運(yùn)的交匯地帶，頻繁的貨物運(yùn)輸隨之帶來的是大量的碳排放。另外上游省市的污染物排放擴(kuò)散和東部省市的產(chǎn)業(yè)轉(zhuǎn)移也是部分原因。

在現(xiàn)有投入不變的情況下，第二子階段中DEA無效省市的物流業(yè)增加值、從業(yè)人員工資水平存在不同程度的產(chǎn)出不足。就物流業(yè)增加值來看，云南、江西產(chǎn)出缺額較大，主要是這兩個(gè)省份物流業(yè)發(fā)展水平不高，物流業(yè)產(chǎn)能不足。就從業(yè)人員工資水平來看江蘇、浙江出現(xiàn)產(chǎn)出不足，說明薪酬增長(zhǎng)與地區(qū)物流業(yè)發(fā)展乃至宏觀經(jīng)濟(jì)發(fā)展不同步。企業(yè)的長(zhǎng)足發(fā)展需要注意提升員工滿意度，特別是薪資的增長(zhǎng)。

4 結(jié)論與建議

本文在傳統(tǒng)兩階段DEA模型基礎(chǔ)上設(shè)定兩個(gè)子階段的權(quán)重系數(shù)且將超效率DEA計(jì)算引入子階段效率計(jì)算。基于實(shí)證分析結(jié)論，對(duì)改善長(zhǎng)江經(jīng)濟(jì)帶物流業(yè)環(huán)境效率，吸引外資，促進(jìn)東部地區(qū)的產(chǎn)業(yè)轉(zhuǎn)移，逐步縮小區(qū)域差異，輔助國家相關(guān)部門和長(zhǎng)江經(jīng)濟(jì)帶內(nèi)各個(gè)省市物流發(fā)展決策提出以下幾點(diǎn)建議：

第一，非期望產(chǎn)出對(duì)長(zhǎng)江經(jīng)濟(jì)帶物流業(yè)環(huán)境效率有著明顯的負(fù)面影響。大量的冗余表明，長(zhǎng)江經(jīng)濟(jì)帶內(nèi)諸多省市只考慮經(jīng)濟(jì)的發(fā)展，忽視了環(huán)境污染將制約著物流業(yè)的可持續(xù)發(fā)展。這就要求政府謀求物流業(yè)發(fā)展不能回避污染問題，要注重節(jié)能減排。同時(shí)發(fā)揮政府部門宏觀調(diào)控的權(quán)力，調(diào)節(jié)市場(chǎng)主體行為。從企業(yè)層面來講，要求企業(yè)自覺遵守節(jié)能減排的各項(xiàng)政策法規(guī)，在追求經(jīng)濟(jì)效益的同時(shí)自覺承擔(dān)起企業(yè)的社會(huì)責(zé)任。

第二，發(fā)揮DEA有效省市的示范作用。學(xué)習(xí)DEA有效省市的物流業(yè)發(fā)展經(jīng)驗(yàn)，引進(jìn)先進(jìn)技術(shù)與高層次人才，打造物流公共服務(wù)信息平臺(tái)。引進(jìn)推廣智慧物流、低碳物流等發(fā)展理念。利用國家產(chǎn)業(yè)轉(zhuǎn)移的重大契機(jī)，加快中西部物流業(yè)發(fā)展，并在發(fā)展過程中注重環(huán)境保護(hù)，產(chǎn)業(yè)的轉(zhuǎn)移不應(yīng)該是污染的轉(zhuǎn)移。產(chǎn)業(yè)轉(zhuǎn)移過程中，應(yīng)當(dāng)發(fā)現(xiàn)培育低碳化、網(wǎng)絡(luò)化、智能化的物流增長(zhǎng)新節(jié)點(diǎn)，以提升長(zhǎng)江經(jīng)濟(jì)帶物流業(yè)整體發(fā)展水平。

第三，要想推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶物流業(yè)整體發(fā)展，就得提升“短板”省市的環(huán)境效率，優(yōu)化邊緣省市的物流資源配置。針對(duì)大部分省市普遍存在投入冗余和產(chǎn)出不足的現(xiàn)象，建議各個(gè)省市有關(guān)部門根據(jù)各項(xiàng)具體冗余和不足的指標(biāo)做出相應(yīng)的調(diào)整。適當(dāng)?shù)南鳒p某些冗余指標(biāo)的數(shù)量，遏制盲目擴(kuò)大生產(chǎn)規(guī)模。同時(shí)通過引進(jìn)先進(jìn)的物流技術(shù)和管理模式來提高產(chǎn)出效率。一方面對(duì)于中部DEA無效省份勒令關(guān)停污染嚴(yán)重的企業(yè)，通過稅收、罰款等方式治理污染物輕微排放的企業(yè)。另一方面政府部門應(yīng)該不斷提供新型的融資渠道、稅收優(yōu)惠、財(cái)政支持等幫助區(qū)域內(nèi)西部省市新興物流企業(yè)發(fā)展和物流基礎(chǔ)設(shè)施建設(shè)。

參考文獻(xiàn)：

[1] 卞亦文.非合作博弈兩階段生產(chǎn)系統(tǒng)的環(huán)境效率評(píng)價(jià)[J].管理科學(xué)學(xué)報(bào)，2012，15（07）：11-19.

[2] 祁玉青，趙順，倪衛(wèi)紅.基于DEA模型的揚(yáng)子江城市群城市物流業(yè)效率研究[J].物流技術(shù)，2018（07）：44-49.

[3] 劉勇，李志祥，李靜.環(huán)境效率評(píng)價(jià)方法的比較研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2010，40（01）：84-92.

[4] 同[1].

[5] 盧永琴，項(xiàng)勇，張志盈.基于DEA的產(chǎn)業(yè)園區(qū)生產(chǎn)系統(tǒng)非合作博弈環(huán)境效率分析[J].企業(yè)經(jīng)濟(jì)，2014（08）： 31-35.

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

[7] 任陽軍，汪傳旭.低碳約束下商貿(mào)流通業(yè)效率及其影響因素研究[J].商業(yè)經(jīng)濟(jì)研究，2017（07）：17-19.

[8] 王倩倩.基于DEA-BCC模型的全國公路運(yùn)輸貨物效率評(píng)價(jià)[J].物流技術(shù)與應(yīng)用，2019，24（07）：144-146.

[9] Andersen P，Petersen N C.A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J].Management Science，1993，39（10）：1261-1264.

[10] 楊傳明.低碳約束下江蘇物流產(chǎn)業(yè)效率測(cè)度[J].華東經(jīng)濟(jì)管理，2018（01）：27-32.

3807500338255