基于三階段DEA的樞紐城市低碳物流績效分析

0 引 言

2021年，我國碳排放量占全球的30%，而物流行業的碳排放量約占全國碳排放量的33%，因此低碳物流是發展的必然趨勢，而融入低碳理念與技術的物流績效能得到怎樣的發展則是現階段學者的研究重點。

從物流績效方面的研究內容來看，更多學者還是聚集于出口貿易方面的影響[1-2]、不同國家或省份間的相互比較[3]等方面的研究。柳鍵等[4]評價了中國省市區域的低碳經濟發展績效。雖然已有關于低碳物流績效的研究，但是較少。所以本文將研究重點放在對樞紐城市的低碳物流績效的研究上。

目前已有較為成熟的物流績效研究方法，例如葛世帥等[5]在測度綠色創新績效時選擇應用DEA-Malmquist方法；丁俊琦等[6]構建了生物產業上市企業績效評估DEA模型對上市企業的投入產出效率情況進行評估；劉宏笪等[7]構建了廣義面板三階段DEA模型實證。

從上述學者的研究中可以發現，績效評定的主要方法有DEA-Malmquist、引力模型、灰色相加比率等。本文基于前人的研究成果，通過構建三階段DEA模型，將碳排放及能源消耗加入投入產出指標中，同時剔除了相關外部環境與隨機因素的影響，以此更加客觀地對樞紐城市的物流低碳城市進行測量，通過得出的綜合技術效率、純技術效率和規模效率來分析樞紐城市低碳績效的發展現狀及可以改進的地方。

1 相關理論模型

2002年H.O.Fried就發現傳統DEA模型沒有考慮環境因素和隨機噪聲對決策單元效率評價的影響，因此他提出了一種能夠更好地評價決策單元效率的三階段DEA 模型，使得計算的結果能夠更加真實地反映決策單元的內部管理水平，其過程包含三個階段。

第一階段為投入導向的BCC規模收益可變模型。

其中，λj，S-，S+均≥0。j代表決策單元，X和Y分別是投入和產出，若θ=1，則決策單元有效；若θ＜1，則代表決策單元非DEA有效；并且BCC模型可以通過得出的綜合技術效率（TE）作為效率值進行分析，綜合技術效率可以分解為純技術效率（PTE）和規模技術效率（SCE），三者之間的關系為TE=PTE*SCE。

第二階段為類似SFA回歸模型。H.O.Fried認為，因為受到環境因素和統計噪聲的影響，第一階段中DEA計算的決策單元的績效并不能客觀反映決策單元的真正管理效率，所以第二階段的主要目標是將第一階段的松弛變量分解成以上三種效應進行分析，通常借助于SFA回歸。在SFA回歸中，通過第一階段的松弛變量對環境變量和混合誤差項進行回歸。

根據Fried等的想法，構建如下類似SFA回歸函數（投入導向為例）。

其中，Sni是第i個決策單元第n項投入的松弛值；Zi是環境變量，βn是環境變量的系數；Vni+μni是混合誤差項，Vni表示隨機干擾，μni表示管理無效率。其中，v～N（0，σv2）是隨機誤差項，表示隨機干擾因素對投入松弛變量的影響；μ是管理無效率，表示管理因素對投入松弛變量的影響，假設其服從在零點截斷的正態分布，即v～N+（0，σv2）。

SFA回歸的目的是剔除環境因素和隨機因素對效率測度的影響，以便將所有決策單元調整于相同的外部環境中。調整公式如下。

其中，XAm是調整后的投入；Xni是調整前的投入；[max（f（Zi；βn））-f（Zi；βn）]是對外部環境因素進行調整；max（Vni）-Vni是將所有決策單元置于相同水平下。

第三階段為調整后的投入數據和原始產出數據的傳統DEA。將第二階段已經剔除環境因素和隨機因素影響的投入數據代替原始投入數據，產出數據不變，重復第一階段的步驟。

2 變量選取

2.1 投入產出

首先物流業的投入分為成本投入與資產投入兩方面，而選取物流業增加值、物流業的從業人數作為物流業的成本投入，物流業的固定資產投入作為資產投入，并放入第三產業能源消耗作為環境方面的影響因素；在產出方面主要選取生產總值作為期望產出指標，物流行業二氧化碳排放量作為非期望產出指標。6個指標構成了物流績效評價的體系指標；而針對非期望產出，采取最普通的線性數據轉換函數進行處理。

設決策單元DMUj在第j年排放的二氧化碳總量為Fij，通過使用線性數據轉換函數將物流行業排放的二氧化碳總量Fij轉化為期望產出：F'ij=-Fij+ε，其中F'ij＞0，F'ij且越大，代表其期望產出越大。

2.2 環境變量

對于環境變量的研究，汪文生等[8]選擇地區GDP與R＆D內部經費支出作為研究物流績效的環境因素。通過研究，選擇高等教育水平、基礎設施結構、技術支持強度三個因素作為外部環境變量。高等教育水平代表將來為低碳能做的貢獻；基礎設施結構用基礎設施投入來反映，基礎設施的投入越多則代表將來更快地向低碳模式轉型；基礎設施投入用R＆D經費支出占GDP的比例來衡量。

3 實證與分析

3.1 第一階段傳統DEA實證與分析

本文通過使用DEAP2.1軟件對國家發展改革委、交通運輸部聯合印發的《關于做好2019年國家物流樞紐建設工作的通知》中的21座樞紐城市（見表1）2013—2020年的低碳物流績效進行了初步測算，其結果如表2所示。

表1 21個國內樞紐城市

表2 一階段DEA 2013—2020年各城市物流績效

如表2所示，樞紐城市低碳物流的發展水平已處于相對較高的階段，但是多數樞紐城市的低碳物流績效并沒有達到最優。其中，臨沂、寧波、深圳、太原、贛州和營口這6座樞紐城市在研究階段的8年間都達到了DEA有效，而相對的，如表3所示，天津市是所有樞紐城市中低碳物流績效最低的，其平均技術效率值為0.48。

表3 一階段DEA 2013—2020年天津市物流績效

從整體來看，物流樞紐城市在八年來的綜合技術效率平均值達到0.86，代表八年間的平均綜合技術效率達到生產前沿面的86%，仍有一定的提升空間；純技術效率的平均值為0.9，表明樞紐城市的低碳物流績效在近幾年的發展中仍然有發展空間；規模效率平均值為0.95，表明我國樞紐城市的低碳物流績效在資源配置方面相對來說較為合理。

3.2 第二階段SFA回歸實證與分析

將第一階段DEA模型四個投入變量的松弛變量作為被解釋變量，使用Frontier4.1軟件對四項投入值的松弛變量進行最大似然值回歸分析，得到表4所示的結果。

表4 SFA回歸結果

從表4可知，大部分都通過了T檢驗，只有少部分沒有通過，并且γ值為0.95，0.92，0.92和0.86，通過了1%的顯著性水平，由此可見，管理水平占據了主導影響地位。由于回歸系數為負數，環境變量的增加有利于投入松弛變量的減少。

高等教育水平對物流業固定資產投入的松弛變量是負影響，而對物流業增加值、物流業從業人數和能源消耗松弛變量都是正影響，其中除了能源消耗通過了10%的顯著水平，其余物流業固定資產投入、物流業增加值和物流業從業人數都通過了5%的顯著水平，表明了高等教育水平越高，物流行業固定資產的冗余就越少，有利于提高樞紐城市的物流低碳績效；但高等教育水平越高，物流業增加值、物流業從業人數和能源消耗的冗余反而越高，降低了樞紐城市的低碳物流績效，說明樞紐城市在物流業增加值、物流業從業人數和能源消耗等方面存在不合理性。

基礎設施水平對物流增加值松弛變量系數通過了5%的顯著性檢驗，對物流業固定資產投入和能源消耗的松弛變量系數通過了1%的顯著性檢驗，而物流從業人數松弛變量的回歸系數不顯著，表明基礎設施水平對物流從業人數沒有影響。基礎設施水平對物流增加值、物流業固定資產投入、物流從業人數和能源消耗的松弛變量的回歸系數都是正影響，表明物流基礎設施水平的提升需要四項投入值共同增加，而其中人力的投入相對較少，能源的投入相對較大。

技術水平和物流業固定資產松弛值在5%的顯著性水平下呈負相關，與能源消耗松弛值在1%的顯著性水平下呈負相關，表明技術水平的提升能夠大大減少能源的消耗。技術水平和物流行業增加值的松弛值以及技術水平和物流從業人數的松弛值回歸系數不顯著，都呈現出負相關，表明技術水平在物流行業增加值及物流從業人數方面沒有發揮明顯的作用。因此，快速提升技術水平會使得能耗快速下降，人力也可以因此而下降。

3.3 第三階段調整后的DEA實證與分析

對調整后的投入指標、原始的產出指標，再次使用DEAP2.1軟件，分析21座樞紐城市2013—2020年調整后的低碳物流績效，其結果如表5所示。

表5 三階段調整后樞紐城市物流績效

表5所示是三階段調整后樞紐城市2013—2020年的低碳物流績效均值，是已經剔除環境因素和隨機擾動影響后的數值。

通過對比一階段的結果，綜合技術效率在第三階段分別為0.96，0.96，0.95，0.95，0.96，0.96，0.96，0.97，綜合技術效率的平均值達到了0.96，相比于第一階段的綜合技術效率平均值0.86，有了11.14%的增長幅度，如表6所示，八年連續達到了DEA有效的樞紐城市從臨沂、寧波、深圳、太原、贛州和營口這6座城市變為上海、臨沂、寧波、深圳、贛州、長沙、營口這7座城市。其中，上海和長沙在將環境因素和隨機因素剔除后，效率達到DEA有效，表明這兩座樞紐城市的低碳物流績效是高效的。純技術效率值依次為0.97，0.97，0.96，0.97，0.97，0.97，0.97，0.98，純技術效率的平均值達到了0.97，相比于第一階段純技術效率平均值0.90，增長率為7.6%。規模效率值分別為0.99，0.98，0.98，0.98，0.99，0.99，0.98，0.99，規模效率值的平均值為0.99，增長率為3.45%，由此可見，在消除環境影響因素與隨機誤差后，樞紐城市的低碳物流績效值隨著技術水平的提升而提升。

表6 三階段調整后處于效率前沿的樞紐城市

4 結論與啟示

4.1 樞紐城市低碳物流績效總體及分區分析

地區的不同導致環境影響因素、地區發展、資源分配等都存在差異，本文根據地區特性將21座樞紐城市分為南方城市和北方城市進行差異分析，結果如表7所示。

表7 分地區績效對比

從表7可以很明顯看出，南方樞紐城市在綜合技術效率均值、純技術效率均值和規模效率均值方面都是大于北方樞紐城市的。南方樞紐城市在地區經濟發展方面都處在較好水平，并且在物流行業增加值、物流行業固定資產投入方面比北方樞紐城市有著相對較高的數據，而北方樞紐城市在基礎設施方面往往好于南方樞紐城市，但是由上述研究可以發現，基礎設施的增加值并不能帶給低碳物流績效顯著的提升。

從綜合技術效率來看，北方樞紐城市比南方樞紐城市低了0.021，而在純技術效率方面，北方樞紐城市比南方樞紐城市低了0.008，由此可見，北方樞紐城市的主要差距體現在綜合技術效率上，因此相比于技術水平上略微的差距，北方樞紐城市應提升資源配置能力、資源使用效率等多方面能力，加強北方地區樞紐城市的內部技術與人才交流，從而提高北方樞紐城市的低碳物流績效。而與北方樞紐城市相比南方樞紐城市的規模效率都處于較高水平，通過較為合理的資源配置已經使規模效率接近前沿水平，因此通過進一步擴大生產規模，可以同時達到經濟效益的提升、低碳物流績效的發展。

4.2 結論與建議

本文通過三階段DEA分析法對我國21座樞紐城市進行分析，分析過程通過使用SFA隨機前沿分析法剔除了相關環境因素與隨機因素，調整投入指標，得到更加客觀的物流績效，并得到如下結論。

樞紐城市低碳物流績效受外部環境的影響較大，在剔除了環境因素與隨機因素的影響后，規模效率的增長微乎其微，可見環境因素與隨機因素的影響對樞紐城市的物流績效影響較大。

樞紐城市中的低碳物流績效差異較大，整體已經處于相對較高的水平。在將樞紐城市分為南方與北方城市后可以看見南方樞紐城市的平均綜合技術效率、平均純技術效率和平均規模效率都比北方樞紐城市高，且兩地區的數值均未達到1，表明整體仍有提升空間。

隨著低碳政策的逐漸實施，21座樞紐城市的平均綜合技術效率、平均純技術效率和平均規模效率都呈現出不同程度的增長，規模報酬從起初的遞減狀態逐漸變成遞增狀態；說明樞紐城市的低碳物流整體規模仍有發展空間，規模效益相對較低，低碳物流的規模仍有提升空間。

針對以上結論，提出如下三條管理啟示。

第一，調整相關環境因素的實施。環境因素中基礎設施建設投入的增加對低碳物流績效有負影響，而高等教育水平和技術水平對低碳物流績效有正影響，因此可通過降低相關基礎設施的投入、提高技術水平以及高等教育程度來達到對低碳物流績效的提升目標。

第二，細化資源分配。大部分樞紐城市都存在物流固定資產和物流從業人員的投入冗余。針對這些樞紐城市，應做好現有資源的重新合理分配，并整合后投入新增加的資源，從而優化投入產出達到低碳物流績效的提升。

第三，緊密推進相鄰城市的合作。針對南方樞紐城市高于北方樞紐城市的低碳物流績效的特點，除了上述管理啟示，還可以在北方樞紐城市內部進行城市間人才交流、資源的共同分配等，以此來促進樞紐城市低碳物流績效的共同提升。