考慮投入和產出時滯效應的中國物流業綠色效率測度

翟丹妮 牛芳

文章編號：1002-3100（2024）03-0022-05

摘? 要：考慮到物流業投入和產出之間的時滯效應，以中國30個省（市、區）為研究對象，構建DEA模型處理非期望產出的聚合問題、投入和產出之間的時滯效應問題，有效測算出2014—2021年中國30個省（市、區）物流業綠色效率。結果表明：從整體角度看，八年間綠色效率呈先升后降的趨勢，整體效率水平較低；從省域角度看，北京、上海和海南的綠色效率排名最好，河北、內蒙古、山東和新疆的綠色效率排名較低；從地區角度看，不同區域之間綠色效率水平差距較大，其中黃河中游地區、東北地區綠色效率排名居于后兩位。最后根據研究結果提出改進物流業綠色效率現狀的建議。

關鍵詞：物流業綠色效率；數據包絡分析；非期望產出；時滯效應

中圖分類號：F253? ? 文獻標志碼：A

DOI：10.13714/j.cnki.1002-3100.2024.03.005

Abstract： Considering the time lag effect between the input and output of the logistics industry， taking 30 provinces（cities， districts）in China as the research object， a DEA model is constructed to deal with the aggregation problem of unexpected output and the time lag effect problem. The model can effectively calculate the green efficiency of the logistics industry in 30 provinces（cities， districts）in China from 2014 to 2021. The research results are as follows： First， from the overall perspective， the green efficiency showed a trend of rising first and then falling in the past eight years， and the overall efficiency level was low. Second， from a provincial perspective， Beijing， Shanghai and Hainan rank the best in green efficiency， while Hebei， Inner Mongolia， Shandong and Xinjiang rank lower in green efficiency. Third， from a regional perspective， there is a large gap in green efficiency between different regions. Among them， the middle reaches of the Yellow River and the Northeast region rank the last two in terms of green efficiency. Finally， according to the research results， some suggestions are put forward to improve the green efficiency of the logistics industry.

Key words： green efficiency of logistics industry; data envelopment analysis; undesirable outputs; time lag effects

0? 引? 言

改革開放以來，我國物流業發展迅速，尤其是2001年，我國加入世界貿易組織之后，出臺了一系列政策法規推動物流業規模擴張，物流業逐漸成為國民經濟的重要支柱產業。近年來，國家和政府推動發展現代物流和綠色物流，物流業服務水平大大提升，但同時也暴露出了一些問題。2022年，《“十四五”現代物流發展規劃》印發，指出當前我國物流業仍存在運輸成本較高、資源要素配置不合理、碳排放制約不足等問題，造成了一定的資源浪費和環境污染，因此要將綠色環保理念貫徹到現代物流發展體系中，推進實現物流業可持續健康發展。

物流業是對物品的運輸、倉儲、包裝、配送等環節進行統籌和管理的復合產業，可以通過一定生產技術條件下所創造的產出價值總量與資源投入價值總量的比值來衡量物流業綠色效率。數據包絡分析（DEA）方法能夠對系統的多投入多產出進行有效評估，國內外學者主要采用DEA方法對物流業效率進行測算^[1-2]。多數學者在采用DEA方法研究物流業效率時較少考慮到資源損耗和污染排放問題^[3-4]。少部分學者在研究物流業效率時兼顧經濟與環境，比如易燕等^[5]認為物流業為實現一定經濟、社會和生態目標而付出的最少資源代價即為物流業綠色效率。李健等、王強等^[6-7]將環境污染排放量作為非期望產出，從經濟發展、物流環境、綠色成效等多方面構建物流業綠色效率測度指標體系。將資源與環境要素納入效率測度體系，研究物流業綠色效率更加符合我國的綠色發展理念。

物流業的發展周期較為漫長且運轉機制復雜，某時期的投入要經歷多個時期后才能完全轉化為產出，即投入和產出之間存在時滯效應。國內外已有關于時滯效應的DEA研究，如Khalili Damghani^[8]和Lee等^[9]提出了具有特定時滯權重系數的DEA模型。范德成等^[10]通過復相關系數R來確定時滯期長度。范建平等^[11]分析了兩階段系統中中間產出變量具有時滯效應的情況。陳偉等^[12]構建了考慮時滯效應的三階段DEA模型評價研發效率。結合物流業發展特征，考慮時滯效應可以更加真實地反映物流業的內部運轉機制。

綜上，本文以2014—2021年中國30個省（市、區）為研究對象，利用DEA模型處理非期望產出的聚合問題、投入和產出的時滯效應問題，有效測算出物流業綠色效率。深入探索物流業綠色效率的區域分布特點和時期演化特征，對于實現物流業綠色轉型、建設更加完善的現代物流體系具有重要意義。

1? 指標選取與數據來源

1.1? 中國物流業綠色效率測度指標體系

本文在構建指標體系時，以交通運輸業、倉儲業和郵政業的指標代表物流業的相關指標，構建的指標體系能夠綜合反映經濟發展、資源消耗、社會效益和生態環保這四個維度。

投入指標包括資本、人力、基礎設施和信息四個要素，其中資本為生產建設、交通運輸、倉儲管理和資源調配提供支持。人力是物流業生產活動的主體，基礎設施為地區物流業提供物質和環境基礎，通信能力是交通運輸、倉庫存儲的重要載體和前提條件。產出指標分為期望產出和非期望產出，期望產出包括經濟和社會效益，非期望產出能夠反映物流業發展引發的嚴重二氧化碳環境污染問題。具體指標體系如表1所示，指標的選取具有代表性、客觀性和數據可獲得性^[13]。

1.2? 數據來源與說明

本文研究對象為中國30個省（市、區），研究時期為2014—2021年，由于西藏以及港澳臺地區的指標數據缺失較為嚴重，暫不研究這幾個地區。基礎數據來源于2013—2022年《中國統計年鑒》、《中國城市統計年鑒》、《中國能源統計年鑒》和《中國物流年鑒》。

2? 中國物流業綠色效率測度模型構建

在測算物流業綠色效率時，將分兩階段進行，第一階段是通過DEA模型將非期望產出聚合到期望產出中；第二階段是在第一階段得到的指標數據基礎上，構建考慮時滯效應的DEA模型。

（1）第一階段：非期望產出聚合的DEA模型

本文借鑒文獻^[14]對非期望產出的處理方式，利用公共權重集的方法測出非期望產出的懲罰系數，將懲罰系數與非期望產出相乘得到懲罰參數，進而將非期望產出聚合到期望產出中。

（2）第二階段：考慮投入和產出時滯效應的DEA模型

在物流業活動中，某一時期的投入會導致連續多個不同時期的產出，將投入完全轉化為產出的過程被稱為投入的時滯效應。本文認為t時期的產出受到ｔ，ｔ-１，…，ｔ-Ｄ連續D+1個時期投入的共同作用（其中D為時滯效應的時滯期），而D+1個時期的投入對t時期產出的滯后作用是不同的，可以通過滯后影響系數來反映不同時期投入對產出的滯后影響程度。根據現有研究，物流業某一年的投入完全轉化為產出需要兩年以上的時間，再考慮到觀測期的長度和數據的可獲得性，將時滯期設置為2年，物流業的時滯效應結構圖如圖1所示。

構建考慮投入和產出時滯效應DEA模型的具體步驟如下所述。

3? 中國物流業綠色效率測度結果分析

基于前文構建的效率測度指標體系和DEA模型，運用Lingo軟件測算出2014—2021年的物流業綠色效率，從整體、省域和地區角度分析30個省（市、區）物流業綠色效率的空間分布特征和時期變化趨勢。

3.1? 整體角度分析

由圖2可知，2014—2021年，物流業綠色效率總體呈現先升后降的趨勢。在2014—2017年間，效率逐年增長；在2017年效率達到峰值，為0.523；在2017—2021年間，效率值開始逐年降低。

2014年，《物流業發展中長期規劃（2014—2020年）》文件印發，針對我國物流業發展方式較為粗放的現狀，制定和發布了一系列促進物流業健康發展的措施。2016年，我國從電子商務、調整物品進口稅、整治公路貨物運輸等方方面面著手，旨在降低物流成本，提升物流運輸效率。由于國家的重視，2014—2017年間綠色效率逐年提升，并于2017年達到峰值。由于物流業前期發展速度過快，對生態資源的需求量逐年增加，同時運輸、發電、工廠建設等活動也會產生大量的二氧化碳污染，因此從2017年開始綠色效率逐年降低。近年來，中國經濟增長速度開始逐漸放緩，物流業總體運營規模減少，再加上全球遭受新型冠狀病毒疫情的侵害，從2020到2021年綠色效率呈現較為明顯的下降趨勢。

3.2? 省域角度分析

2014—2021年我國各省（市、區）物流業綠色效率變化情況如圖3所示，可以看出，北京、上海、海南的效率表現最好，效率值一直為1；其次是天津和青海；河北、內蒙古、山東和新疆的效率表現居于末位，效率值主要介于0.000到0.200之間。

北京和上海作為中國政治、經濟、文化的中心，有著完善的交通運輸基礎，地區政府積極推進“綠色物流”、“清潔能源”有關措施；海南作為中國對外開放的重要窗口，對外商品貿易促進了地區物流業的發展，因此北京、上海和海南的綠色效率表現最好。近年來我國高度重視青海地區綠色智慧物流的發展，努力打造對接國際的青藏高原現代化物流體系，因此青海的綠色效率表現較好。內蒙古和新疆距離經濟中心較遠，交通設施相對落后，兩地雖然具有豐富的自然資源，但由于科技水平的限制，存在一定的資源浪費情況，因此內蒙古和新疆的綠色效率表現較差。河北和山東以工業經濟為主，地區物流信息化和智能化水平相對較弱，會產生較多的碳排放量，因此河北和山東的綠色效率水平較低。

3.3? 地區角度分析

為進一步分析我國物流業綠色效率的空間分布特點，根據經濟學領域的做法，將我國30個省（市、區）劃分成為八大經濟區域：北部沿海地區（包括北京、天津、河北、山東）、東部沿海地區（包括上海、江蘇、浙江）、南部沿海地區（包括福建、廣東、海南）、東北地區（包括遼寧、吉林、黑龍江）、西南地區（包括廣西、重慶、四川、貴州、云南）、西北地區（包括青海、甘肅、寧夏、新疆）、黃河中游地區（包括陜西、內蒙古、河南、山西）和長江中游地區（包括安徽、湖北、湖南、江西）。八大區域物流業綠色效率如表2所示。

由表2和圖4可以看出，區域之間綠色效率水平差距較大，其中黃河中游地區綠色效率排名最低，東北地區綠色效率排名居于倒數第二位，兩者綠色效率都呈先升后降的變化趨勢；其它地區的綠色效率主要在0.409和0.666之間波動變化。黃河中游地區綠色效率最低的原因可能是地區物流基礎設施相對落后，內部交通網絡不夠完善，并且有關部門的環保意識較弱，物流發展導致了較為嚴重的環境污染問題。東北地區相較于其它沿海地區對外開放程度較低，地區經濟主要依賴煤炭、石油、鋼鐵等資源型產業，物流運輸多采用高消耗、高排放的方式，帶來了沉重的環境負擔和資源壓力，導致綠色效率表現較差。北部沿海地區、東部沿海地區、南部沿海地區和長江中游地區地理位置優越，船舶運輸便捷，產品的貨運量和貨物周轉量相對較高，因此綠色效率表現較好。

4? 結論與建議

隨著經濟發展和環境穩定之間的矛盾日益激化，我國物流業未來必將面對更加嚴峻的生態環境壓力，研究物流業綠色效率的空間分布特點和時期演化規律，對促進物流業綠色轉型具有重要現實意義。針對研究結果，提出以下建議：第一，加快投入和產出之間的轉化效率。通過技術創新水平的提升對影響產出時滯期的因素加以優化和調整，縮短從投入到產出的時滯期，形成投入到產出的良性循環，提升物流業的新陳代謝活力。有關部門應該制定更為嚴格的環保政策和監管措施，限制污染物的排放數量并提高污染物的可循環利用水平，使物流業的生產活動在生態環境可承載范圍內。第二，進一步發揮鄰近地區之間的集聚效應。鼓勵高效率地區發揮帶頭引領作用，低效率地區學習高效率地區的物流管理經驗和交通運輸規劃。搭建不同地區之間的科研共享平臺，定期進行跨區域人才合作，進而促進綠色物流技術的研發和生產，提高資源的分配效率，實現低消耗、高產出物流生產方式。第三，促進物流智慧化改造，加強物流數字化轉型。將通信技術、大數據、人工智能等與物流業進行深度融合，推進立體倉儲設施建設，促進綠色產業和新能源技術的發展。針對物流設施、人員知識、信息技術進行定期更新，改善城市物流交通布局，降低物流運輸成本和自然消耗。

參考文獻：

[1] 唐建榮，田雨. 中國區域物流產業的效率分析及高質量發展路徑研究[J]. 物流科技，2022，45（1）：108-115.

[2]? DENG F， XU L， FANG Y， et al. PCA-DEA-tobit regression assessment with carbon emission constraints of China's logistics industry[J]. Journal of Cleaner Production， 2020，271（8）：122548.

[3] 曹炳汝，孔澤云，鄧莉娟. 長江經濟帶省域物流效率及時空演化研究[J]. 地理科學，2019，39（12）：1841-1848.

[4] 曹允春，李彤，林浩楠. 我國區域物流業高質量發展實現路徑——基于中國31個省市區的實證分析[J]. 商業研究，2020，524（12）：66-74.

[5] 易燕. 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[J]. 商業經濟研究，2020（20）：104-107.

[6] 李健，劉戀. 省際物流業綠色全要素生產率時空差異及空間收斂性研究[J]. 長江流域資源與環境，2020，29（4）：799-812.

[7] 王強，姚正海. 長江經濟帶物流產業高質量發展水平的評價及其空間布局分析[J]. 物流科技，2022，45（8）：6-10，20.

[8]? KHALILI-DAMGHANI K， TAVANA M， SANTOS-ARTEAGA F J， et al. A dynamic multi-stage data envelopment analysis model with application to energy consumption in the cotton industry[J]. Energy Economics， 2015，51（4）：320-328.

[9]? TAEHAN LEE， YANSHUANG ZHANG， BYUNG HO JEONG. A multi-period output DEA model with consistent time lag effects[J]. Computers & Industrial Engineering， 2016，93（8）：267-274.

[10] 范德成，李昊，劉贇. 基于改進DEA——以復相關系數為基準的滯后期的我國產業結構演化效率評價[J]. 運籌與管理，2016，25（3）：195-203.

[11] 范建平，衛媛，吳美琴. 考慮中間變量產出時滯性的兩階段評價[J]. 計算機工程與應用，2018，54（8）：36-43，77.

[12] 陳偉，魏軒，李金秋，等. 上市公司社會網絡位置與研發效率研究——基于三階段DEA模型的方法[J]. 管理評論，2020，32（3）：97-109.

[13]? CHARLES V， APARICIO J， ZHU J. The curse of dimensionality of decision-making units： A simple approach to increase the discriminatory power of data envelopment analysis[J]. European Journal of Operational Research， 2019，279（3）：929-940.

[14]? ZHU W， XU M， CHENG C P. Dealing with undesirable outputs in DEA： An aggregation method for a common set of weights[J]. Journal of the Operational Research Society， 2020，71（4）：579-588.

收稿日期：2023-03-30

基金項目：江蘇省研究生科研創新計劃項目“基于動態網絡DEA的工業企業技術創新效率評價”（KYCX21_0845）；江蘇高校哲學社會科學研究項目“江蘇省協同創新生態系統的協同度發展水平測評與分析”（2017ZDIXM125）

作者簡介：翟丹妮（1973—），女，江蘇興化人，南京郵電大學管理學院，副教授，研究方向：科技創新、效率評價；牛? 芳（1997—），女，河南南陽人，南京郵電大學管理學院碩士研究生，研究方向：數據包絡分析、效率評價。

引文格式：翟丹妮，牛芳. 考慮投入和產出時滯效應的中國物流業綠色效率測度[J]. 物流科技，2024，47（3）：22-26.