中國(guó)物流業(yè)綠色發(fā)展效率時(shí)空演化及因素分解研究

劉小蘭 朱穎

摘?要：在考慮物流業(yè)能耗和碳排放的基礎(chǔ)上，運(yùn)用DEA模型和Malmquist指數(shù)模型對(duì)中國(guó)30個(gè)省市區(qū)2003—2018年的物流業(yè)綠色發(fā)展效率、綠色全要素生產(chǎn)率及其分解情況進(jìn)行測(cè)度分析。研究發(fā)現(xiàn)：中國(guó)物流業(yè)綠色發(fā)展效率總體呈現(xiàn)出“U”字形趨勢(shì)，中國(guó)各省市物流業(yè)綠色全要素生產(chǎn)率指數(shù)均小于1，呈現(xiàn)負(fù)增長(zhǎng)態(tài)勢(shì)，其中技術(shù)退步是導(dǎo)致中國(guó)物流業(yè)綠色發(fā)展效率下降的最主要原因。為提高物流業(yè)綠色發(fā)展效率，從積極落實(shí)碳交易政策、加大技術(shù)及教育投入、加強(qiáng)區(qū)域協(xié)作以及因地制宜地制定政策和進(jìn)行投資等方面提出對(duì)策建議。

關(guān)鍵詞：低碳；物流效率；數(shù)據(jù)包絡(luò)分析；Malmquist指數(shù)

中圖分類號(hào)：F259.27???文獻(xiàn)標(biāo)識(shí)碼：A?文章編號(hào)：1005-6432（2023）25-0168-05

DOI：10.13939/j.cnki.zgsc.2023.25.168

1?引言

當(dāng)前我國(guó)物流業(yè)發(fā)展仍屬于要素投入型，存在能源消耗過快、環(huán)境污染嚴(yán)重、運(yùn)作效率低等問題，是碳減排的重點(diǎn)行業(yè)，因此，加快發(fā)展綠色物流，整合運(yùn)輸資源，提高利用效率，成為現(xiàn)階段發(fā)展目標(biāo)。就學(xué)術(shù)界現(xiàn)有研究動(dòng)態(tài)來看，關(guān)于物流業(yè)發(fā)展效率的研究方法主要有參數(shù)法和非參數(shù)法。在參數(shù)法方面，韓東亞等［1］選擇80家物流上市公司為樣本，運(yùn)用SFA模型對(duì)物流業(yè)效率進(jìn)行實(shí)證研究。樊元等［2］運(yùn)用SFA模型選擇我國(guó)30個(gè)省市地區(qū)對(duì)不同區(qū)域物流效率進(jìn)行測(cè)算。劉瑞娟等［3］采用SFA模型測(cè)算物流產(chǎn)業(yè)效率并檢驗(yàn)交通基礎(chǔ)設(shè)施對(duì)其的空間溢出效應(yīng)。在非參數(shù)法方面，鄭金娥等［4］運(yùn)用DEA-BCC模型對(duì)長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省份的物流效率進(jìn)行分析。李玥等［5］運(yùn)用DEA方法和Malmquist生產(chǎn)率指數(shù)法對(duì)長(zhǎng)江經(jīng)濟(jì)帶物流全要素生產(chǎn)率進(jìn)行測(cè)定。姚山季等［6］運(yùn)用三階段DEA和Malmquist模型，以“一帶一路”沿線省份為研究對(duì)象，將二氧化碳排放量納入評(píng)價(jià)體系對(duì)其物流業(yè)效率進(jìn)行測(cè)度。

基于此，文章選擇我國(guó)30個(gè)省市區(qū)為研究對(duì)象，從靜態(tài)及動(dòng)態(tài)視角運(yùn)用DEA模型和Malmquist指數(shù)法測(cè)算物流業(yè)發(fā)展效率和綠色全要素生產(chǎn)率，從不同角度進(jìn)行更全面的分析，最后結(jié)合我國(guó)發(fā)展現(xiàn)狀提出針對(duì)性的建議。

2?方法與數(shù)據(jù)

2.1?研究方法

2.1.1?靜態(tài)效率評(píng)價(jià)模型及因素分解

數(shù)據(jù)包絡(luò)分析法（DEA）是一種運(yùn)用線性規(guī)劃測(cè)度和評(píng)價(jià)決策單元（DMU）效率的方法，適合于多投入、多產(chǎn)出的DMU效率評(píng)價(jià)。文章選擇投入導(dǎo)向下的DEA模型對(duì)我國(guó)物流綠色發(fā)展效率進(jìn)行靜態(tài)評(píng)價(jià)。

假設(shè)有n個(gè)DMU，每個(gè)DMUj（j=1，?2，?…，?n）均包含m種投入要素，記為xij（i=1，…，m）；?s種產(chǎn)出要素，記為yrj（r=1，?…，?s）；每個(gè)DMU都保持規(guī)模報(bào)酬不變，構(gòu)建DEA-CCR模型如下：

minθ

s.t.nj=1λjxij+s-i=θxijo

nj=1λjyrj-s+r=yrjo

λj≥0，?j=1，?2，?…，?n

s-i≥0，?s+r≥0（1）

式中，目標(biāo)函數(shù)值θ為DMU物流業(yè)綠色發(fā)展效率，0≤θ≤1；?λj為權(quán)重向量；si-，?sr+為松弛變量。

在DEA-CCR模型的基礎(chǔ)上增加∑nj=1λj=1的約束條件，生成DEA-BCC模型，用于評(píng)價(jià)物流業(yè)綠色純技術(shù)效率，且規(guī)模效率=綠色發(fā)展效率/綠色純技術(shù)效率。

2.1.2?動(dòng)態(tài)效率評(píng)價(jià)模型及因素分解

Malmquist指數(shù)用于表示跨期生產(chǎn)率效率的變動(dòng)。在DEA-CCR和DEA-BCC模型的基礎(chǔ)上得到Malmquist指數(shù)的距離函數(shù)Dtc（xtr，?ytr）和Dtv（xtr，?ytr），則從t時(shí)期到t+1時(shí)期的全要素生產(chǎn)率（tfpch）為：

tfpch=effch×techch=pech×sech×techch=Dt+1c（xt+1r，?yt+1r）Dtc（xtr，?ytr）×Dtc（xt+1r，?yt+1r）Dt+1c（xt+1r，?yt+1r）×Dtc（xtr，?ytr）Dt+1c（xtr，?ytr）12=Dt+1v（xt+1r，?yt+1r）Dtv（xtr，?ytr）×Dt+1c（xt+1r，?yt+1r）/Dt+1v（xt+1r，?yt+1r）Dt+1c（xtr，?ytr）/Dt+1v（xtr，?ytr）×Dtc（xt+1r，?yt+1r）Dt+1c（xt+1r，?yt+1r）×Dtc（xtr，?ytr）Dt+1c（xtr，?ytr）12（2）

全要素生產(chǎn)率（tfpch）可以分解為技術(shù)效率變化（effch）和技術(shù)進(jìn)步變化（techch），在規(guī)模報(bào)酬不變的假設(shè)條件下，技術(shù)效率變化（effch）又可以分解為純技術(shù)效率變化（pech）和規(guī)模效率變化（sech）。

2.2?評(píng)價(jià)指標(biāo)體系構(gòu)建及數(shù)據(jù)來源

2.2.1?評(píng)價(jià)指標(biāo)體系構(gòu)建

在考慮指標(biāo)科學(xué)性、完備性以及數(shù)據(jù)可獲得性的基礎(chǔ)上，選取除中國(guó)西藏自治區(qū)、中國(guó)香港特區(qū)、中國(guó)澳門特區(qū)、中國(guó)臺(tái)灣之外的30個(gè)省市區(qū)作為研究對(duì)象，構(gòu)建中國(guó)物流業(yè)綠色發(fā)展效率評(píng)價(jià)指標(biāo)體系，如表1所示。

其中物流資本存量借鑒張軍等［7］的做法進(jìn)行計(jì)算；物流業(yè)能源消耗量運(yùn)用能源折標(biāo)準(zhǔn)煤系數(shù)折算成標(biāo)準(zhǔn)煤；物流業(yè)CO2排放量運(yùn)用線性數(shù)據(jù)轉(zhuǎn)換函數(shù)法［8］將其轉(zhuǎn)換為期望產(chǎn)出。

2.2.2?數(shù)據(jù)來源

文章采用交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)的相關(guān)數(shù)據(jù)反映我國(guó)物流業(yè)的情況；基礎(chǔ)數(shù)據(jù)主要來源于國(guó)家統(tǒng)計(jì)局、CEADs中國(guó)碳核算數(shù)據(jù)庫(kù)、中國(guó)商務(wù)年鑒、中國(guó)能源統(tǒng)計(jì)年鑒等。

3?實(shí)證分析

3.1?物流業(yè)綠色發(fā)展效率靜態(tài)分析

3.1.1?物流業(yè)綠色發(fā)展效率時(shí)間演進(jìn)分析

按國(guó)家統(tǒng)計(jì)局劃分方式將30個(gè)省市區(qū)分為東部、中部和西部三個(gè)區(qū)域，得到時(shí)間演變趨勢(shì)，如圖1所示。

圖1?區(qū)域劃分及2003—2018年中國(guó)物流業(yè)綠色效率總體特征

研究期內(nèi)，我國(guó)物流業(yè)綠色發(fā)展效率呈現(xiàn)出2003—2008年下降、2009—2013年調(diào)整、2014—2018年上升的“U”字形趨勢(shì)。這是由于在“十一五”期間，物流業(yè)在需求驅(qū)動(dòng)下依靠能源和要素投入取得了迅猛的發(fā)展，但造成大量的能耗以及嚴(yán)重的環(huán)境污染，使得其在2003—2008年不斷下降；直至2008年金融危機(jī)的影響，經(jīng)濟(jì)增速放緩，物流需求減少，且此時(shí)粗放式的物流發(fā)展模式與我國(guó)的發(fā)展不再適用，改變了我國(guó)物流業(yè)綠色發(fā)展效率一路下降的趨勢(shì)，使其在2009—2013年趨于平緩；2013年，國(guó)家堅(jiān)持穩(wěn)中求進(jìn)的工作總基調(diào)，經(jīng)濟(jì)運(yùn)行穩(wěn)中向好、效益持續(xù)提高，清潔能源消費(fèi)比重增加、綠色物流得到良好發(fā)展，使其在2014—2018年有顯著提升。

從分解視角來看，純技術(shù)效率變動(dòng)趨勢(shì)與綠色發(fā)展效率總體一致，表現(xiàn)為東部明顯高于其他地區(qū)和全國(guó)均值，中部和西部總體落后于全國(guó)均值，中部波動(dòng)較大，可以看出純技術(shù)效率是造成各地區(qū)差異顯著的主要原因。規(guī)模效率除東部在2003—2007年波動(dòng)較大外，各地區(qū)均接近最優(yōu)前沿面。

3.1.2?物流業(yè)綠色發(fā)展效率空間差異分析

為進(jìn)一步分析物流業(yè)不同發(fā)展階段中各省市區(qū)間的效率差異，將各省市區(qū)在“U”字形三個(gè)階段的物流業(yè)綠色發(fā)展效率均值進(jìn)行統(tǒng)計(jì)，結(jié)果如表2所示。

研究期內(nèi)，河北、內(nèi)蒙古、安徽、青海、寧夏的物流業(yè)綠色發(fā)展效率值始終有效，說明這些地區(qū)物流業(yè)資源配置合理，不存在投入冗余或產(chǎn)出不足；新疆在第二階段加入DEA有效的行列，遼寧、上海在第三階段達(dá)到有效，說明這些地區(qū)對(duì)資源保護(hù)及碳排放的重視程度不斷加深，有較高的物流碳排放績(jī)效水平；貴州、云南、陜西地區(qū)在三個(gè)階段中始終處于低效率行列，說明這些地區(qū)物流業(yè)投入與產(chǎn)出不匹配，應(yīng)加強(qiáng)對(duì)資源的約束并減少物流過程中的碳排放。

3.2?物流業(yè)綠色發(fā)展效率動(dòng)態(tài)分析

3.2.1?物流業(yè)綠色全要素生產(chǎn)率時(shí)間演進(jìn)分析

2003—2018年中國(guó)物流業(yè)全要素生產(chǎn)率指數(shù)的變動(dòng)與分解結(jié)果，如表3所示。我國(guó)物流業(yè)綠色全要素生產(chǎn)率平均下降26.4%，主要是由于技術(shù)進(jìn)步指數(shù)平均下降26.2%所造成。從技術(shù)效率分解項(xiàng)的角度考慮，導(dǎo)致技術(shù)效率下降的主要原因是純技術(shù)效率，因?yàn)榧兗夹g(shù)效率變化指數(shù)平均下降0.6%，而規(guī)模效率變化指數(shù)平均增長(zhǎng)0.4%。不難看出，物流業(yè)綠色全要素生產(chǎn)率在技術(shù)退步和純技術(shù)效率下降的雙重影響下下降了26.4%。

3.2.2?物流業(yè)綠色全要素生產(chǎn)率空間差異分析

2003—2018年中國(guó)各省市區(qū)物流業(yè)全要素生產(chǎn)率指數(shù)的變動(dòng)與分解結(jié)果，如表4所示。

從區(qū)域視角來看，研究期內(nèi)全國(guó)和東中西部物流業(yè)綠色全要素生產(chǎn)率分別為0.736和0.739、0.701、0.763；從分解指標(biāo)來看，造成技術(shù)效率下降的主要原因均為技術(shù)進(jìn)步的貢獻(xiàn)率低，在中部地區(qū)體現(xiàn)尤為顯著，其技術(shù)效率變化、純技術(shù)效率變化、規(guī)模效率變化均大于1，而技術(shù)進(jìn)步下降30.6%，導(dǎo)致綠色全要素生產(chǎn)率下降29.9%；全國(guó)和東中西部規(guī)模效率增長(zhǎng)率為0.4%和0.1%、0.6%、0.3%，增幅極小，表明我國(guó)物流業(yè)的現(xiàn)有規(guī)模仍需進(jìn)一步擴(kuò)大。

從省域視角來看，研究期內(nèi)我國(guó)30個(gè)省市區(qū)的物流業(yè)綠色全要素生產(chǎn)率指數(shù)均小于1，呈現(xiàn)負(fù)增長(zhǎng)態(tài)勢(shì)，可見各省市區(qū)在降低能耗及碳排放方面的措施成效不足。從分解指標(biāo)來看，30個(gè)省市區(qū)中有22個(gè)規(guī)模效率大于等于1，其余降低最多的也僅下降0.2%，究其原因，與我國(guó)近年來對(duì)物流行業(yè)的重視和整頓是分不開的，隨著物流行業(yè)不斷實(shí)現(xiàn)規(guī)模化、專業(yè)化和社會(huì)化，物流業(yè)規(guī)模效應(yīng)顯現(xiàn)，規(guī)模效率得以提升。

4?研究結(jié)論與政策啟示

4.1?研究結(jié)論

從靜態(tài)角度來看，研究期內(nèi)我國(guó)物流業(yè)綠色發(fā)展效率總體呈現(xiàn)出先下降再調(diào)整后上升的“U”字形趨勢(shì)；東部地區(qū)明顯高于其他地區(qū)和全國(guó)平均值，中部和西部地區(qū)總體低于全國(guó)平均值，中部地區(qū)波動(dòng)較大；從分解指標(biāo)來看，我國(guó)物流業(yè)綠色純技術(shù)效率與綠色發(fā)展效率變動(dòng)趨勢(shì)總體一致，綠色純技術(shù)效率是造成各區(qū)域間物流業(yè)綠色發(fā)展效率差異顯著的主要原因。

從動(dòng)態(tài)角度來看，研究期內(nèi)我國(guó)物流業(yè)綠色發(fā)展效率總體呈現(xiàn)下降趨勢(shì)；分省份來看，我國(guó)30個(gè)省市區(qū)的物流業(yè)綠色全要素生產(chǎn)率指數(shù)均小于1，呈現(xiàn)負(fù)增長(zhǎng)態(tài)勢(shì)；從分解指標(biāo)來看，大部分規(guī)模效率變化指數(shù)都大于1，然而技術(shù)進(jìn)步變化指數(shù)卻全部小于1，說明技術(shù)退步是導(dǎo)致我國(guó)物流業(yè)綠色發(fā)展效率下降的最主要原因。

4.2?政策啟示

其一，積極落實(shí)碳交易政策。從包裝、運(yùn)輸、配送等各方面實(shí)現(xiàn)低碳。其二，加大技術(shù)和教育投入。一方面，推動(dòng)綠色生產(chǎn)技術(shù)的研發(fā)與創(chuàng)新，提高技術(shù)進(jìn)步貢獻(xiàn)率；另一方面，增強(qiáng)公民的環(huán)境保護(hù)意識(shí)以及為綠色技術(shù)發(fā)展提供人力資源保證。其三，加強(qiáng)區(qū)域間協(xié)作。實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，優(yōu)化資源配置，以點(diǎn)帶面，最終實(shí)現(xiàn)整體優(yōu)質(zhì)發(fā)展。其四，因地制宜地制定政策和進(jìn)行投資。通過考慮各地區(qū)不同的資源稟賦，從政策、資金、人力和能源上進(jìn)行不同的重點(diǎn)投入。

參考文獻(xiàn)：

［1］韓東亞，劉宏偉.我國(guó)物流業(yè)技術(shù)效率及影響因素：來自上市公司的實(shí)證研究［J］.中國(guó)流通經(jīng)濟(jì)，2019，33（11）：17-26.

［2］樊元，馬麗梅.基于SFA的中國(guó)地區(qū)物流效率研究［J］.商業(yè)時(shí)代，2011（27）：39-40.

［3］劉瑞娟，王建偉，黃澤濱.交通基礎(chǔ)設(shè)施、空間溢出效應(yīng)與物流產(chǎn)業(yè)效率：基于“絲綢之路經(jīng)濟(jì)帶”西北5省區(qū)的實(shí)證研究［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2017，36（6）：21-27.

［4］鄭金娥，關(guān)高峰，杜厚維.長(zhǎng)江經(jīng)濟(jì)帶省域物流業(yè)效率差異研究［J］.統(tǒng)計(jì)與決策，2020，36（11）：110-113.

［5］李玥，李成標(biāo).長(zhǎng)江經(jīng)濟(jì)帶物流全要素生產(chǎn)率測(cè)度及時(shí)空演變［J］.統(tǒng)計(jì)與決策，2018，34（19）：109-113.

［6］姚山季，馬琳，來堯靜.“一帶一路”重點(diǎn)省份低碳物流效率測(cè)度［J］.生態(tài)經(jīng)濟(jì)，2020，36（11）：18-24.

［7］張軍，吳桂英，張吉鵬.中國(guó)省際物質(zhì)資本存量估算：1952—2000［J］.經(jīng)濟(jì)研究，2004（10）：35-44.

［8］卞亦文.基于DEA理論的環(huán)境效率評(píng)價(jià)方法研究［D］.合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2006.