絲綢之路經濟帶沿線區域低碳物流效率測度及影響因素研究

李鳳 郭燁鋒

摘要：實現“雙碳”目標，發展低碳物流是必由之路。文章選取2010—2020年絲綢之路經濟帶沿線的我國12個省、自治區、直轄市相關數據，采用三階段DEA模型和全局Malmquist指數分析沿線區域低碳物流效率，并采用Tobit回歸分析影響因素。結果表明：研究期內，絲綢之路經濟帶沿線區域低碳物流效率呈波浪式變化態勢；地區科技水平越高越能有效減少低碳物流投入冗余，產業結構越合理越能有效減少人力資源浪費；加強融合基礎設施建設、提升貨物進口額和能源利用效率對提高低碳物流效率有促進作用，傳統基礎設施建設和純新型基礎設施建設則對低碳物流效率的提高有抑制作用。今后應積極推動傳統物流產業數字化轉型，進一步優化能源結構，助推低碳物流高質量發展。

關鍵詞：絲綢之路經濟帶；低碳物流效率；SBM模型；全局Malmquist指數；Tobit回歸

中圖分類號：F503；C812???? 文獻標志碼：A? 文章編號：1007-8576（2024）02-0070-11

DOI：10.16716/j.cnki.65-1030/f.2024.02.007

On Low-Carbon Logistics Efficiency of Regions

along the Silk Road Economic Belt

LI? Feng， GUO? Yefeng

（Xinjiang University of Finance and Economics， Urumqi 830012， China）

Abstract： In the context of China's carbon peaking and carbon neutrality goals， the low-carbon logistics efficiency along the Silk Road Economic Belt has become an issue worth studying. This study selected data from provinces along the Silk Road Economic Belt from 2010 to 2020， analyzed their low-carbon logistics efficiency from both static and dynamic perspectives by using three-stage DEA and global Malmquist index and analyzed its influencing factors by using Tobit regression. The research has found that excellent regional technological level can effectively reduce redundancy in low-carbon logistics investment， and a reasonable industrial structure can effectively reduce waste of manpower investment. The overall low-carbon logistics efficiency along the Silk Road Economic Belt shows a wave like development trend. The integration of infrastructure construction， import value of goods， and energy utilization all play a role in promoting low-carbon logistics efficiency. Traditional infrastructure construction and purely new-type infrastructure have an inhibitory effect on low-carbon logistics efficiency. In the future， it is of great necessity to actively promote the digital transformation of the traditional logistics industry， further optimize the energy structure， and promote the high-quality development of low-carbon logistics.

Key words： the Silk Road Economic Belt; low-carbon logistics efficiency; SBM model; global malmquist index; Tobit regression

一、問題的提出

2020年9月22日，國家主席習近平在第七十五屆聯合國大會一般性辯論上發表重要講話時說：“中國將提高國家自主貢獻力度，采取更加有力的政策和措施，二氧化碳排放力爭于 2030年前達到峰值，努力爭取2060年前實現碳中和。”2022年10月，黨的二十大報告指出，“推動經濟社會發展綠色化、低碳化是實現高質量發展的關鍵環節”。物流業作為聯結國家貿易的重要紐帶，能夠協調各區域共同發展，促進產業分工合作，是經濟發展的支柱產業?！笆濉睍r期，我國物流業迅速發展，但因傳統物流業具有高投入、高能耗、高排放特點，故對環境造成了很大負擔。2020年，我國物流業能源消耗量達3.85億噸標準煤，占能源消耗總量的7.73%1，大力發展節能高效的低碳物流已成為實現碳達峰、碳中和的必由之路。同時，自共建“一帶一路”倡議提出以來，絲綢之路經濟帶物流業發展極大地促進了中國與沿線國家的貿易合作。因此，在“雙碳”目標背景下，研究絲綢之路經濟帶沿線區域低碳物流效率的提升路徑對物流業綠色發展具有非常重要的意義。

目前國內學界對物流效率的研究成果較為豐富，學者們基于不同的視角、采用不同的方法、選取不同的區域測度物流效率。如：杜暉等［1- 2］基于全國視角探討物流效率提升路徑；鄭金娥等［3-4］從省域視角研究特殊城市群物流效率情況；秦雯等［5-6］基于傳統BCC模型探討粵港澳大灣區和環渤海區域物流效率；龔雅玲等［7-8］基于DEA模型對區域物流效率進行測度；鄧紅星等［9-10］引入Malmquist指數研究區域物流效率的時空動態變化。此外，在有關“一帶一路”的研究中，黃慶華等［11-13］通過構建數據包絡模型探討“一帶一路”節點城市物流效率，楊雪［14］利用三階段DEA方法探討了“一帶一路”沿線區域低碳物流效率問題，姚山季［15］采用Malmquist指數模型分析“一帶一路”沿線區域低碳物流效率問題。

從現有文獻來看，相關研究還需進一步拓展：一是多數研究著眼于全國、其他城市群的物流效率，而關于絲綢之路經濟帶的相關研究較為缺乏；二是既有關于“一帶一路”的研究著重于分析沿線地區物流效率，鮮有文章探究區域物流效率的前置影響因素。本文基于時空動態視角，選取2010—2020年絲綢之路經濟帶沿線的我國12個省、自治區、直轄市2相關數據，采用三階段DEA模型對區域低碳物流效率進行測度，并選取全局Malmquist指數進行分析。

二、研究方法、指標選取與數據來源

（一）研究方法

1.三階段DEA模型。本文采用三階段DEA模型測度2010—2020年絲綢之路經濟帶沿線區域中我國12個省、自治區、直轄市的低碳物流效率。第一階段構建了帶有非期望產出的SBM模型［16］，模型具體形式如下：

[ρ=min1?1mi=1msxixi01+1s1+s2k=1s1sykyk0+l=1s2szlzl0] （1）

模型（1）中：[ρ]代表低碳物流效率，當[ρ=1]時，表明低碳物流效率達到了有效狀態；[m]、[s1]、[s2]分別表示投入指標、產出指標和非期望產出指標的個數；[sx]、[sy]、[sz]分別表示投入指標、產出指標和非期望產出指標的松弛值；[x]、[y]、[z]分別為投入指標、產出指標和非期望產出指標。同時，模型（1）還滿足如下約束條件：[xi0=j=1nλjxj+sxi]，[yk0=j=1nλjyj?syk]，[zl0=j=1nλjzj+szl]。

第二階段本文采用SFA回歸方法確定環境變量，即以各地區環境變量對投入松弛值進行SFA回歸分析，并根據回歸結果剔除各地區環境影響因素與隨機擾動項。本文構造的SFA回歸函數為：[Sni= f（Zi;βn）+νni+μni]。其中，[Sni]為第[i]個沿線地區第[n]項投入的松弛值，[Zi]為環境變量，[βn]為環境變量的系數，[νni]為隨機干擾項，[μni]為管理無效率項。為將所有決策單元置于同一外部環境中進行評價，需將[νni]與[μni]進行分離，分離出[νni]后，再剔除環境因素、隨機誤差因素對決策單元的影響，將研究區域外部環境調整至同一水平。

第三階段本文采用帶有非期望產出的SBM模型對調整后的投入值進行測算，得到剔除環境影響因素后的絲綢之路經濟帶沿線區域低碳物流效率值。

2.全局Malmquist指數及分解。本文運用全局Malmquist指數及分解方法對絲綢之路經濟帶沿線12個區域低碳物流效率進行評價。全局Malmquist指數可分解為技術效率變動（EC）和技術進步變動（BPC）兩部分，即[MLGc=MLECc×MLBPCc]，[MLGc]是將低碳物流效率置于同一前沿面進行評價的Malmquist指數，指數值大于1說明效率提升。

3.Tobit回歸模型。本文采用Tobit回歸模型對低碳物流效率進行影響因素分析，模型形式為：

[Yij=1α0+α1Xij+α2Yij+α3Zij+…+uij0]???? （2）

模型（2）中，[Yij]表示[i]地區[j]年低碳物流效率值，[X]、[Y]、[Z]為解釋變量，[α0]為常數項，[α1、α2、α3]為各解釋變量的待估參數，[uij]為殘差項。

（二）指標選取

1.投入產出與環境變量指標。本文借鑒秦雯等人［5-6，17-19］的研究，構建絲綢之路經濟帶低碳物流效率投入產出與環境變量指標體系。其中：投入指標以人力投入、財力投入和能源投入來衡量，期望產出指標以物流業貨運量和物流業增加值來衡量，非期望產出指標以碳排放量來衡量，環境變量包括地區科技水平、地區經濟水平和地區產業結構。本文構建的絲綢之路經濟帶低碳物流效率投入產出與環境變量指標體系如表1所示。

2.低碳物流效率影響因素評價指標。借鑒既有研究，本文從基礎設施建設、對外貿易、低碳物流3個維度測度低碳物流效率影響因素。對于基礎設施建設，本文借鑒孔芳霞［20］的研究方法，將基礎設施建設劃分為傳統基礎設施建設、純新型基礎設施建設和融合基礎設施建設。對于對外貿易，既有研究多以進出口貿易額占地區生產總值的比重來衡量地區對外開放度［10， 21-22］。對于低碳物流，因能源利用率能夠衡量地區利用1個單位能源所能產生的物流業經濟收益，能源利用率高的地區能夠在碳減排約束下獲得更多的物流業產出，因此本文以交通運輸、倉儲和郵政業的增加值與其能源消耗量之比來衡量能源利用率［23］。政府支持對低碳物流業發展有較大的激勵作用，因而本文以地方財政支出中交通運輸支出和環境保護支出占地方財政一般預算支出的比重來衡量地方政府對當地低碳物流業的支持力度［24］。本文構建的絲綢之路經濟帶低碳物流效率影響因素指標體系如表2 所示。

（三）數據來源與處理

本文選取2010—2020年新疆、寧夏、甘肅、陜西、重慶、云南、青海、內蒙古、廣西、黑龍江、吉林和遼寧共12個研究區域的相關數據進行低碳物流效率測度。研究中的原始數據來自歷年《中國統計年鑒》《中國第三產業統計年鑒》和各地區統計年鑒以及EPS數據庫。同時，為確保數據的真實性，對各類經濟數據均以2009年為基期進行平減處理。

三、實證分析

（一）三階段非期望產出SBM模型分析

1.第一階段——SBM模型對低碳物流效率的初步測度。本文運用MATLAB軟件中帶有非期望產出的SBM模型初步測算了2010—2020年絲綢之路經濟帶沿線的我國12個區域整體低碳物流效率值，其值由2010年的0.459波動上升至2020年的0.645，呈先升后降再升的變化態勢，2012—2013年整體低碳物流效率出現一定程度的下降，其余年份呈上升態勢。2010—2020年絲綢之路經濟帶分地區低碳物流效率初步測度結果如表3所示。由表3可知，寧夏、內蒙古低碳物流效率相對較高，而新疆、黑龍江低碳物流效率相較于其他地區有一定差距。為將研究區域置于同一外部環境，在最終測算時需剔除環境變量和隨機擾動項。

2.第二階段——SFA回歸分析。為剔除環境變量對低碳物流效率的影響，本文將由SBM模型測算出的投入指標松弛值作為因變量，將地區科技水平、地區經濟水平和地區產業結構作為自變量，對2010—2020年絲綢之路經濟帶沿線區域環境變量數據進行SFA回歸分析，結果如表4所示。

由表4可知：LR值在1%水平顯著為正，說明環境變量對投入指標有顯著影響；gamma值在1%水平顯著為正，說明環境變量導致了投入冗余，需剔除環境變量以避免干擾。由表4還可以看出：地區科技水平對從業人數、固定資產投資、能源消耗3個投入變量松弛值的系數均顯著為負，說明提升地區科技水平能夠有效減少當地物流業投入冗余，提高當地低碳物流效率。地區產業結構對物流業從業人數投入松弛的系數在1%水平顯著為負，對固定資產投資投入松弛和能源消耗投入松弛的影響不顯著，說明合理的產業結構能夠有效降低當地物流產業對人力資源的浪費，但對資金投入和能源消耗則未表現出顯著影響。地區經濟水平對固定資產投資投入松弛、能源消耗投入松弛的系數顯著為正，對從業人數投入松弛系數為正但不顯著，說明在經濟發展水平較高地區，物流業造成的資金和能源浪費現象更嚴重?？赡艿脑蚴牵?010—2020年間，絲綢之路經濟帶沿線區域經濟快速發展，物流業需要借助更多投資、更多能源才能匹配自身發展速度，因此容易造成物流產業資金和能源的浪費，從而降低低碳物流效率。綜上，地區科技水平、產業結構和經濟水平會導致初步測量的低碳物流效率與實際值出現一定偏差，因此需剔除這3個環境變量。

3.第三階段——SBM模型對低碳物流效率的最終測度。為保證數據的準確性，本文將剔除環境變量后的物流業從業人數和固定資產投資作為新的投入變量，再將初始產出變量代入帶有非期望產出的SBM模型進行最終測度，得到調整后的絲綢之路經濟帶沿線區域低碳物流效率。圖1顯示了2010—2020年絲綢之路經濟帶沿線12個研究區域整體低碳物流效率最終測度結果，從時間角度來看，12個區域整體低碳物流效率呈波浪式變化態勢。其中，2010—2012年、2016—2018年、2019—2020年低碳物流效率呈上升態勢，2013—2014年呈平穩發展態勢，其余年份則呈下降態勢。整體變化態勢表明，絲綢之路經濟帶低碳物流效率可能存在其他影響因素，需進行Tobit回歸分析。

表5列示了2010—2020年絲綢之路經濟帶沿線區域的我國12個省、自治區、直轄市低碳物流效率的最終測度結果。由表5可知，從空間角度來看，初步測度與最終測度的低碳物流效率發生了變化，說明環境變量和隨機擾動項對低碳物流效率的測算有顯著影響。

根據表5的最終測度結果，可將絲綢之路經濟帶沿線的我國12個研究區域低碳物流效率劃分為3個梯隊：第一梯隊的低碳物流效率均值在0.800～1.000之間，包括寧夏、內蒙古和遼寧。2010—2020年，寧夏和內蒙古的低碳物流效率均大于0.750，排名位居前列；遼寧在2016年后低碳物流效率大幅提升，在2018—2020年達到了效率前沿。第一梯隊區域低碳物流效率較高的原因可能是這些地區普遍注重傳統物流產業的數字化轉型，依托先進物流技術提高物流效率。例如，2020年遼寧省“智慧交通”體系已實現79個客運站、2356條三類以上客運線路聯網售票，全部地級市已實現與全國大部分城市公交一卡通互聯互通，高速公路ETC覆蓋率達到100%1。內蒙古更加注重公共交通的新能源轉型和形成更加合理的能源消費結構，2020年內蒙古新能源公交車占比達63.3%，清潔能源出租車占比達51.5%2。寧夏更加注重提高能源利用率，2020年寧夏新能源裝機突破2500萬千瓦，電力裝機和發電量占比分別達43.5%和17.7%，新能源綜合利用率達到97.6%3，非水電可再生能源電力消納比重位居全國前列。第二梯隊的低碳物流效率均值在0.600～0.800之間，包括陜西、廣西、甘肅、青海、新疆和重慶。其中，青海、新疆和重慶的低碳物流效率總體呈下降態勢，從某種意義上表明近十年來這些地區物流產業以粗放式發展為主，主要通過大量投入傳統化石能源、建設傳統低效物流基礎設施來增加當地物流產值。重慶作為傳統物流產業較發達地區，其低碳物流效率較低的原因需引起高度重視。陜西從2015年開始更加注重物流產業低碳化發展，2020年低碳物流效率已達前沿面。第三梯隊的低碳物流效率均小于0.600，包括吉林、云南和黑龍江。這些地區在今后的發展中應結合自身實際，對低碳物流產業進行整改，進一步優化產業結構，推動數字化轉型，提高區域低碳物流效率。

2010—2020年間，絲綢之路經濟帶沿線的我國12個地區低碳物流效率發生了從“北高南低、西高東低”到“中間高、兩邊低”的轉變。具體而言：2010年，青海、寧夏的低碳物流效率均為1.000，兩地的低碳物流效率達到前沿面；新疆、陜西、甘肅的低碳物流效率高于黑龍江、吉林、遼寧；云南的低碳物流效率在12個研究區域中最低，僅為0.466。2013年，新疆、甘肅、青海、黑龍江、吉林等地的低碳物流效率相較于2010年出現下降態勢；內蒙古、陜西等地的低碳物流效率則呈現增長態勢。2018年，內蒙古、遼寧、陜西的低碳物流效率值分別為1.000、1.000和0.847，已達較高水平；新疆、甘肅、青海、黑龍江、吉林、云南的低碳物流效率較2014—2017年出現了明顯回升，尤其是云南的低碳物流效率較2017年約提升了38.5%。2020年，內蒙古、寧夏、陜西、遼寧的低碳物流效率值均為1.000，四地達到效率前沿面，但新疆、青海、黑龍江、吉林的低碳物流效率值較低。

4.初步測度與最終測度的對比分析。表6列示了初步測度和最終測度的絲綢之路經濟帶沿線的我國12個省、自治區、直轄市低碳物流效率均值和排名對比結果。對表6進行簡單分析可知：剔除環境變量后，12個研究區域低碳物流效率有所上升，表明外部環境制約了當地低碳物流產業發展。其中：甘肅、新疆在剔除環境變量后低碳物流效率排名明顯上升，說明這兩個地區物流業發展的外部環境較差，制約了低碳物流的發展；青海、吉林在剔除環境變量后低碳物流效率排名明顯下降，說明這兩個地區發展物流業的外部環境較好，但低碳物流體系內部可能存在資源浪費、碳排放量過高等問題，導致低碳物流效率下降，今后應進一步加強物流產業內部管理并控制區域碳排放，以進一步提高低碳物流效率。

（二）低碳物流效率全局Malmquist指數及分解

本文將調整后的投入指標與初始產出指標代入帶有非期望產出的SBM模型求得全局Malmquist指數，再將其分解為技術效率（EC）和技術進步（BPC），可以得到絲綢之路經濟帶沿線的我國12個省、自治區、直轄市低碳物流效率Malmquist指數及分解結果，進而可以更直觀地了解低碳物流效率變化態勢及原因，分解結果如表7和表8所示。

由表7可知，從時間維度來看，12個研究區域整體低碳物流效率呈波浪式上升態勢。具體來說：其一，2010—2012年，整體低碳物流效率呈上升態勢。2010—2011年，技術進步上升的5.9%彌補了技術效率下降的2.7%；2011—2012年，技術效率適應了上一時間段的技術進步，提升了4.2%。其二，2012—2016年，低碳物流效率較低。2012—2013年，技術效率和技術進步分別下降了2.4%和3.1%，說明2012—2013年低碳物流技術與新技術應用水平未達到最優狀態；2013—2015年，技術進步有所增長但技術效率在下降，說明適應新技術需要一定時間；2015—2016年，技術效率獲得了2.1%的提升，而技術進步下降了2.4%。其三，2016—2018年是低碳物流快速發展階段。2016—2017年，技術進步增長了12.9%，抵消了技術效率下降的7.2%；2017—2018年，技術效率適應了技術進步，創造了十年間低碳物流效率的最高增速。其四，2018—2020年，低碳物流效率再次進入波浪式變化階段，最終在2019—2020年間技術效率取得7.4%的增長。

由表8可知，觀測期內，低碳物流效率存在較大的地區差異。2010—2020年，寧夏、甘肅、陜西、云南、內蒙古、廣西和遼寧的低碳物流效率呈上升態勢。甘肅技術進步的上升彌補了技術效率的下降，云南技術效率的上升彌補了技術進步的下降，因而這兩個地區低碳物流效率有所提升。寧夏、陜西、內蒙古、廣西和遼寧低碳物流效率提升的原因在于技術進步和技術效率的共同作用。此外，新疆、重慶、青海、黑龍江和吉林的Malmquist指數值均小于1.000，說明這些地區低碳物流發展較慢，未來還有較大的提升空間。新疆和重慶低碳物流發展情況不佳的原因在于技術效率的下降，青海的技術效率提升遭遇瓶頸，需要依靠技術進步來突破。黑龍江、吉林兩地的技術進步和技術效率在觀測期內雖呈上升態勢，但其低碳物流效率在下降。在10個觀測時間段內，黑龍江和吉林分別有5個和4個時間段的不匹配性達到40%以上，說明這兩個地區還需更加重視物流技術引進的持續性和技術效率的適應性問題。

為進一步探究重慶作為物流樞紐為何存在低碳物流效率不佳的問題，本文繪制了如圖2所示的Malmquist指數分解圖。由圖2可知，重慶市低碳物流效率不佳的原因在于技術進步的不連續性和技術效率的不適應性。重慶市在發展低碳物流的過程中，由于未高度重視技術引進的持續性，導致技術進步不穩定、不連貫，進而引發技術效率與先進技術不匹配。兩者的不匹配性可用技術效率指數減去技術進步指數的絕對值來度量，據此可知重慶市在2012—2016年間不匹配性均值達27.89%。因此，今后重慶市應在發展低碳物流的過程中更多關注物流技術的可持續性，以及技術效率與先進技術的適配性。

（三）低碳物流效率影響因素分析

為進一步分析低碳物流效率的影響因素，本文對表2中的7個指標進行了Tobit回歸分析，結果如表9所示。

由表9可知：第一，傳統基礎設施建設對低碳物流效率的回歸系數顯著為負。雖然從長遠角度看，傳統基礎設施建設對區域物流產業發展有積極作用，但在研究期內，傳統基礎設施建設對地區低碳物流效率產生了負向影響。一方面，傳統基礎設施建設本身存在消耗資源多、建設成本難以變現等問題；另一方面，在物流數字化發展浪潮中建設大量傳統基礎設施，顯然缺乏效率。因此，在發展低碳物流產業初期，應統籌規劃，避免不必要的浪費。第二，純新型基礎設施建設對低碳物流效率的回歸系數顯著為負。這說明區域科技成果轉化情況不佳，難以將前沿技術運用到實際生產生活中。第三，融合基礎設施建設對低碳物流效率的回歸系數顯著為正。這說明將先進科學技術應用于傳統基礎設施能夠有效提高地區低碳物流效率。相較于持續推進傳統行業與新興行業建設，今后應更加重視對已有傳統基礎設施的信息化改造和數字化轉型。第四，貨物進口額對低碳物流效率的回歸系數顯著為正，表明開展進口貿易能夠顯著提高區域低碳物流效率。來自俄羅斯等國的能源和基礎原材料可以在不增加碳排放的前提下補充所需資源，且沿線地區也能夠引進先進的科學技術，有效提高當地低碳物流效率。第五，貨物出口額對低碳物流效率的回歸系數為負但不顯著，說明開展出口貿易對提高區域低碳物流效率作用不明顯?？赡艿脑蛟谟冢阂环矫?，目前中歐班列返程空載率較高，導致出口運輸成本偏高；另一方面，大部分粗放型出口產品難以引領低碳物流產業高質量發展，導致出口貿易不能有效提高低碳物流效率［25-27］。第六，能源利用率對低碳物流效率的回歸系數顯著為正，表明提高新型能源結構占比、應用先進能源利用技術等，能夠提高地區低碳物流效率。第七，政府支持對低碳物流效率的回歸系數為正但不顯著，說明政府對低碳物流產業的支持并未對當地低碳物流效率的提高產生明顯的促進作用。這可能是因物流企業會利用虛假信息謀求政府補貼［28］，而實際上并未將政府支持用于提高低碳物流效率；此外，政府支持具有一定的滯后效應［29］，因而也會造成研究期內回歸系數不顯著。

四、結論與建議

本文測算了2010—2020年絲綢之路經濟帶沿線的我國12個省、自治區、直轄市低碳物流效率，并分析了低碳物流效率的影響因素。研究得出的主要結論如下：第一，2010—2020年12個沿線區域整體低碳物流效率呈波浪式變化態勢。第二，12個沿線區域發展低碳物流的外部環境并不理想，但因外部環境因素對地區低碳物流效率能夠產生顯著影響，因此還應根據各地發展實際，因地制宜優化物流產業環境。第三，提高技術效率成為發展低碳物流產業的關鍵。根據Malmquist指數分解情況來看，技術效率無法適應技術進步導致低碳物流效率倒退的年份居多，低碳物流效率的提升需更加注重技術效率與先進技術的匹配性。第四，傳統基礎設施建設和純新型基礎設施建設對低碳物流效率有負向影響，融合基礎設施建設則對其有正向影響，說明應加快推進區域傳統基礎設施的數字化、信息化轉型。第五，貨物出口額對低碳物流效率影響不顯著，今后區域對外貿易需秉持更加開放包容的態度，進一步提高中歐班列運行效率，減少對政府補貼的依賴。第六，能源利用率對低碳物流效率有顯著的正向影響，各地區應持續引進先進技術，加快新能源研發進程。第七，政府支持對低碳物流效率的影響不顯著，這可從某種意義上表明物流企業可能存在以虛假信息謀取政府補貼的行為，但也可能是因政府支持的滯后效應導致研究期內影響不顯著。

基于以上研究結論，本文提出如下政策建議：一是加速淘汰落后產業，促進傳統物流產業數字化轉型。加快淘汰環保、能耗等不達標或生產、使用淘汰類產品的企業和產能，借助物聯網技術實現運輸低碳化、效率化發展；同時可依托傳感器和大數據技術實現倉儲自動化分揀和維護，以智能運營系統減少內部冗余。二是擴大對外開放，提高跨境物流效率。沿線區域應引進其他國家的先進物流技術，填補國內物流產業所需原材料缺口；出口貿易應向精細化方向發展，實現運輸降本增效。此外，政府應調整相關扶持政策，促進物流企業展開良性競爭，提高低碳物流效率。三是持續提升能源利用水平，推進新能源研發與使用。相關企業需進一步引進新能源技術，加快構建信息化能源管理系統；地方政府應進一步優化地區能源結構，建立健全綠色能源監管體系。四是提高先進技術成果轉化率，提高企業技術效率。物流企業應更加重視對配套技術的學習和運用，定期開展員工培訓，重視內部管理體系革新，為提高低碳物流效率打下堅實的基礎。

參考文獻：

［1］杜暉.“雙碳”目標下我國物流業效率提升的多元化路徑探討［J］.商業經濟研究，2022（4）：110-113.

［2］朱桃杏，頊玉卿，暴斌碩.區域物流發展特征和效率解析：基于碳排放和LMDI方法的分析［J］.技術經濟與管理研究，2021（6）：104-108.

［3］鄭金娥，關高峰，杜厚維.長江經濟帶省域物流業效率差異研究［J］.統計與決策，2020（11）：110-113.

［4］何景師，張智勇，葉善椿.基于三階段超效率SBM-DEA模型的我國沿海五大城市群低碳物流效率研究［J］.上? 海海事大學學報，2023（3）：55-63.

［5］秦雯.粵港澳大灣區物流業效率的時空演化及提升路徑［J］.中國流通經濟，2020（9）：31-40.

［6］汪文生，考曉璇.高質量發展視角下環渤海地區物流效率測度研究：基于三階段DEA模型［J］.商業研究，2021? （4）：75-84.

［7］龔雅玲，萬建香，封福育.區域物流效率的測度及其影響因素研究：基于DEA與Tobit模型［J］.江西社會科學，2019（10）：72-80.

［8］龔雪，荊林波.基于DEA-Malmquist模型的中國省域物流效率研究：來自省際面板數據的實證分析［J］.河北經 貿大學學報，2019（5）：60-69.

［9］鄧紅星，MUNKHTUUL J，劉敏.基于DEA-Malmquist的中蒙公路口岸物流效率分析［J］.重慶理工大學學報（自 然科學），2021（4）：224-230.

［10］王景敏，崔利剛.西部陸海新通道沿線省份物流效率的時空演進及影響因素：基于沿線省份面板數據的實證 分析［J］.重慶理工大學學報（自然科學），2021（12）：243-255.

［11］黃慶華，戴羅肖.“一帶一路”倡議下我國重點省市物流績效評價研究［J］.現代管理科學，2021（1）：61-67.

［12］蔣隨.我國“一帶一路”節點城市物流效率評價與提升策略［J］.商業經濟研究，2020（15）：90-93.

［13］王博，祝宏輝，劉林.我國“一帶一路”沿線區域物流效率綜合評價：基于三階段DEA模型［J］.華東經濟管理， 2019（5）：76-82.

［14］楊雪，馬粟粟，盧亞麗.碳排放約束下的物流效率評價：以“一帶一路”背景下內陸十省市為例［J］.生態經濟，? 2019（6）：66-71.

［15］姚山季，馬琳，來堯靜.“一帶一路”重點省份低碳物流效率測度［J］.生態經濟，2020（11）：18-24.

［16］TONE K.A slacks-based measure of efficiency in data envelopment analysis［J］.European journal of operational re-?? search，2001（3）：498-509.

［17］劉承良，管明明.低碳約束下中國物流業效率的空間演化及影響因素［J］.地理科學，2017（12）：1805-1814.

［18］馬越越.低碳約束下的中國物流產業全要素生產率研究［D］.大連：東北財經大學，2014.

［19］柳鍵，涂建.中國產業結構調整對低碳物流效率的影響研究：基于超效率DEA低碳物流效率評價模型的實證分析［J］.價格理論與實踐，2017（12）：130-133.

［20］孔芳霞，劉新智，周韓梅，等.新型基礎設施建設與城市綠色發展耦合協調的時空演變特征與影響因素［J］. 經? 濟地理，2022（9）：22-32.

［21］龔雪.區域物流效率測度及影響因素分析［J］.統計與決策，2022（12）：112-116.

［22］閆妍.我國“一帶一路”沿線區域物流動態效率測度及其影響因素研究：基于雙碳視角［J］.商業經濟研究，????? 2022（13）：93-97.

［23］張云寧，劉子琦，歐陽紅祥，等.低碳環境下區域物流產業效率綜合研究：基于長江大保護區域19個省的實證分析［J］.管理現代化，2020（2）：33-40.

［24］盧美麗.中國物流業效率提升是否有路徑顯現？：基于省級數據的定性比較分析［J］.商業經濟與管理，2020??? （7）：27-37.

［25］曲鋒.“雙循環”新發展格局下中歐班列建設的成效、問題及對策［J］.中國流通經濟，2022（6）：108-116.

［26］許英明.高質量發展背景下中歐班列發展現狀、挑戰與對策［J］.國際貿易，2020（5）：28-34.

［27］徐紫嫣，夏杰長，袁航.中歐班列建設的成效、問題與對策建議［J］.國際貿易，2021（9）：45-51+88.

［28］李政，楊思瑩，路京京.政府參與能否提升區域創新效率？［J］.經濟評論，2018（6）：3-14+27.

［29］武咸云，陳艷，李秀蘭，等.戰略性新興產業研發投入、政府補助與企業價值［J］.科研管理，2017（9）：30-34.

［30］于麗靜，陳忠全.低碳視角下中國區域物流效率研究：基于SFA與PP的實證分析［J］.生態經濟，2017（4）：43-48+91.

［31］楊揚，李燕.低碳物流與區域經濟耦合協調研究：以云南省為例［J］.生態經濟，2023（6）：86-92+142.

［32］劉聰，李珍珍.長三角低碳物流對區域經濟發展的影響分析［J］.華東經濟管理，2023（1）：33-40.

［33］張云鳳，王雨.物流產業效率評價及影響因素分析［J］.統計與決策，2018（8）：109-112.

［34］董鋒，徐喜輝，韓宇.低碳約束下的我國省際物流業效率研究［J］.華東經濟管理，2016（5）：86-91.

［35］花均南，胡美佳.考慮非期望產出的我國物流業效率空間關聯網絡結構分析［J］.鐵道運輸與經濟，2024（4）：? 42-50.

［36］張志堅，張智，萬謐宇，等.高質量發展視角下長江經濟帶沿線城市物流業效率綜合評價：基于3階段DEA模 型［J］.江西師范大學學報（自然科學版），2023（4）：350-359+367.

［37］鄒靖.碳排放約束對物流效率的影響分析：基于省域面板數據［J］.商業經濟研究，2023（9）：81-84.

（責任編輯：鄭雅倩）