低碳约束下区域物流产业效率测算

陈 洁

(1.招商局集团 博士后科研工作站，广东 深圳 518067;2.中国社会科学院 工业经济所，北京 100836)

一、引 言

物流业是国民经济发展的重要服务行业，其发展水平已成为衡量一个国家或地区综合实力的重要标志之一。同时，物流业也是中国能源消耗的主要行业，在低碳经济中占据着特殊位置。近年来物流业对汽油、煤油和柴油等能源的依赖逐年上升，如何减少物流领域的碳排放量，是促进低碳物流经济发展的必然要求。早期物流产业效率的文献研究集中于对运输业效率的分析，Oum等(1992)［1］提出了交通生产率的概念并提出测算方法，国内学者余思勤等(2004)［2］测算了中国交通各部门1990—2000年的生产率，刘玉海等(2008)［3］分析了2000—2004年中国道路运输业生产率。随着物流业的快速发展，近年来对物流产业效率问题的研究也逐渐增多。田刚等(2009)［4］、王维国等(2012)［5］构建了中国省级地区物流业面板数据，分析了各地区物流业全要素生产率及其增长动力来源。唐建荣等(2013)［6］首次将非期望产出的二氧化碳排放量作为投入变量，衡量了物流业的纯技术效率、规模效率和综合效率。但是，目前研究模型的产出中均未将环境污染等非期望因素纳入度量。因此，本研究将碳排放作为非期望产出纳入模型度量，运用方向距离函数和环境DEA技术测算物流业全要素生产率。

二、方法与模型

1.曼奎斯特-鲁恩博格生产率指数模型

Chung等(1997)［7］在环境 DEA技术与方向距离函数的基础上，提出了曼奎斯特-鲁恩博格生产率指数(简称LP)，解决了减少非期望产出情形下测算全要素生产率的问题。

考虑一个地区物流产业总值生产函数F(X)，其中X表示要素投入，并假设要素投入X=(K，L，E)∈，K为资本投入，L为劳动力投入，E为能源投入，通过生产得到Y和C。其中Y对物流产业增长发展有利，是一种期望产出，期望其越大越好;而C是一种伴随Y生产过程产生的非期望产出，期望其越小越好。所有可能的包括期望产出与非期望产出的产出构成的集合称为生产可行集，记为P。基于环境DEA技术的非参数分析框架，假设一共有i(i=1，2，…，I)个地区作为决策单元，第i个地区的投入和产出值为(Ki，Li，Ei，Yi，Ci)，强度变量 ωi是在构造生产前沿时分配给每个决策单元的权重，可以采用以下的线性规划来表示:

方向性距离函数是指在某种生产技术水平下，基于固定的投入(或产出)，描述产出指标变量(或投入指标变量)最优比例的一种代表性函数，可以用下式表示:

式(2)中，距离函数值λ表示决策单元观测值(Y，C)与其在生产前沿面上投影(Y+λdY，C-λdC)之间的距离。方向向量d=(dY，-dC)决定了效率测度的方向，即产出扩张或减少的方向，其中期望产出(Y)扩张的方向向量为dY，而非期望产出(C)下降的方向向量为-dC，方向距离函数实现在非期望产出约束下期望产出的最大扩张。根据方向向量d=(dY，-dC)的不同取值，本文设定了两种方向距离函数情形。

情形一:假设d=(Y，0)，不考虑非期望产出(C)的影响，可以用以下数学规划式表示:

情形二:假设d=(Y，-C)，并且非期望产出(C)具有弱处置性，方向向量d=(Y，-C)要求同比例增加物流业增加值而降低二氧化碳排放，可以用以下数学规划式表示:

上式中，关于要素投入(K，L，E)和期望产出(Y)的不等式表示它们是可自由处置的，而关于非期望产出(C)的等式表明非期望产出(C)的弱处置性。函数值λ=0意味着该决策单元处于生产前沿面上，其生产是有效率的。函数值λ越大，表明决策单元离生产前沿面越远，效率越低。

在低碳约束情形下，第i个决策变量的曼奎斯特-鲁恩博格生产率指数LP可以表示为

2.收敛性分析

σ收敛分析是研究随着时间的推移，不同地区之间物流业全要素生产率LP的离差随时间推移而变化的情况。若离差逐渐变小，则表示生产率的离散程度在缩小，趋于σ收敛;若离差变大，则表示生产率的离散程度在扩大，趋于发散。本文研究的碳强度约束下全要素生产率σ收敛分析可以用下式表示:

式中，LPi，t表示第i个地区在t时期的物流业全要素生产率，而是t时期所有M个地区物流业全要素生产率的平均值。当σt+1＜σt时，则说明碳强度约束下中国物流业全要素生产率的离散程度在缩小，存在σ收敛。

三、模型指标与数据

本文收集2005—2012年中国30个省区的物流业要素投入(物流业资本投入、物流业从业人数和物流业能源消耗量)、期望产出(物流业增加值)与非期望产出(二氧化碳排放量)。

物流业资本投入是按主要行业分的全社会固定资产投资中的交通运输、仓储和邮政业的投资总额计算，采用刘秉镰(2009)［8］所采用的固定资产投资作为资本存量替代的方法，并以2005年为基期(2005年=100)的固定资产投资价格指数折算为不变价。物流业从业人数的计算选取《中国统计年鉴》(2006—2013年)划分数据，将铁路运输业、道路运输业、城市公共交通业、航空运输业、管道运输业、装卸搬运、其他运输服务业和邮政业累积加和得到。关于物流业能源消耗量指标，本文选取交通运输、仓储和邮政业中消耗量比例最大的7项能源，包括煤炭、汽油、煤油、柴油、燃料油、液化石油气和天然气，将《中国能源统计年鉴》(2006—2013年)统计的各地区一次能源消费量作为能源投入，并将不同类型的能源消费量统一转换成标准煤后加总而成。

关于产出指标，本文计算的物流业增加值(物流业GDP)选取《中国统计年鉴》(2006—2013年)中按三次产业分地区生产总值的交通运输、仓储和邮政业增加值，并以2004年不变价格折算各年份各地区的物流业产值。二氧化碳排放量是按照《中国能源统计年鉴》(2006—2013年)中分地区各类能源消耗量以及二氧化碳信息分析中心上各类能源排放系数计算得到。

样本数据的统计概述如表1所示。

表1 数据的统计概述

按照中国统计局的划分标准，将除去西藏的30个省、自治区或直辖市划分成三大区域。东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省或直辖市，中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个省份，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆11个省、自治区或直辖市。图1是样本数据期间30个省、自治区或直辖市的物流业产值与二氧化碳排放的散点图。各地区的物流业碳强度由各散点与原点连线斜率的倒数表示，斜率越大，表明物流业碳强度越小。可见，东部地区的平均物流业碳强度较低，特别是山东、河北、江苏、福建等省份;中部地区居中，其中江西、安徽等地区的平均物流碳强度较低;西部地区整体物流业碳强度较高，尤其是新疆、云南等地区的平均物流碳强度较高。

图1 各省、自治区或直辖市物流GDP与二氧化碳排放量散点图

四、物流业全要素生产率测算

1.不同情形下物流业生产要素比较

测算两种情形下2006—2012年的物流业生产率，分别用LP和CLP表示，结果见表2。

表2 2006—2012年物流业生产率比较

由表2可以看出，不考虑物流碳强度约束，2006—2012年期间中国30个地区物流业生产率平均年增长为0.8%，加入二氧化碳排放约束，2006—2012年期间物流业生产率平均年增长为2%，高于情形一不考虑碳强度约束的情形。这表明碳强度约束下的物流业生产率要高于不考虑碳约束情形。因为前者将生产过程对环境改善的贡献作为对生产率的供需考虑进去，而后者在生产率评价中则忽视了环境目标。

图2是2006—2012年碳强度与累积的物流业生产率之间的变化趋势。累积的CLP可以直观地反映t+1期生产率是提高还是倒退，若t+1期累积的CLP较第t期大，表明t+1期的物流业生产率较上一期有所提高。2006—2008年单位物流GDP碳强度由 0.867 t/万元减少至 0.755 t/万元，2008—2010年出现暂时性的增长，增至0.836 t/万元，2010—2012年又呈现下降趋势，2012年减少为0.724 t/万元。从整体趋势来看，近年来单位物流GDP碳排放量呈现下降趋势。通过比较2005—2012年的碳强度和累积的物流业生产率可以发现，累积的CLP可以较好地解释碳强度的变化，CLP得到改进，碳强度下降，反之，则上升。

图2 2006—2012年碳强度与累积的CLP变化

2.碳强度约束下物流业生产率分解

将碳强度约束下的物流业生产率分解为效率变化指数(EF)和技术进步指数(TE)。从表2和表3可以发现，2005—2012年物流业生产率年均增长1.9%，主要来源于物流业技术的进步，其中技术进步年均增长1.5%，而物流效率的改进对碳约束下的物流业生产率增长的贡献不大，年均增长率约0.4%。主要原因是2000年以来，中国工业化和城市化快速发展，产业结构不断升级，刺激了物流需求的强劲增长，加上各级政府对物流业大量资金和人力的投入，物流相关政策的出台，物流技术创新效果明显。2005年中国提出低碳经济转型战略，发展以节能为主，物流业作为能源消耗的主要产业之一，各区域在提高物流业产值的同时注重节能和低碳技术，减少二氧化碳排放，信息技术的创新有效地推动了物流业全要素生产率的进步。

表3 效率变化指数和技术进步指数

3.碳强度约束下区域物流业生产率比较

不考虑低碳约束和低碳约束下的各区域物流业生产率均大于1，这表明近年来随着各地大力发展物流业，物流业生产效率得到提升。比较三大区域的物流业生产率(见表4)发现，东部地区最高，西部居中略高于中部，这也表明西部大开发战略的提出，西部地区经济发展刺激了西部地区物流需求，加上国家对西部地区物流基础设施的投资，有效地促进了西部地区物流产业效率的提升。比较三大区域的效率变化指数，发现东部地区最高，西部居中，中部最低;比较各区域的技术进步指数，发现东部最高，中部居中，西部最低。这也表明了西部地区在物流技术创新方面落后于东部和西部地区。此外，低碳约束下的各区域的技术进步指数较未考虑低碳约束都有大幅提升，这也再次验证了近年来物流业生产率的提升主要依赖于物流技术进步和创新，低碳物流经济的发展以低碳技术和物流技术的创新为支撑。

表4 2005—2012年区域物流生产率指数对比

4.收敛性分析

图3显示的是中国总体及东部、中部和西部三大区域物流业生产率标准差随时间变化的情况。从全国整体来看，2006—2012年呈现先下降再小幅上升并趋于平稳的状态。东部和中部地区的低碳约束下物流业生产率标准差明显高于西部地区，这表明东部地区和中部地区低碳约束下的各地物流业生产率差异较西部地区大。从分地区来看，三大区域在2006—2009年期间均有大幅下降的趋势，在2009年出现小幅回升后，中部地区在2009年后呈现明显发散趋势，地区间低碳约束物流业生产率差异程度在扩大，而东部地区的碳强度约束下的物流生产率存在趋同性，西部地区的碳强度约束下的物流生产率存在收敛性，表明西部地区各省份直接的物流业生产率差距在逐步减小。

图3 各区域σ收敛性检验结果

五、结 论

本文运用方向距离函数和环境DEA技术，构建碳强度约束下中国物流业生产率，修正了传统模型里由于忽视碳排放造成的扭曲。本文研究发现，强调环境管制的物流业生产率要高于不考虑环境管制的情形;物流业生产率测算与碳强度目标吻合，累积的物流业生产率可以较好地解释碳强度的变化，物流业生产率得到改进，碳强度下降;2005—2012年物流业生产率年均增长1.9%，其中物流技术进步年均增长1.5%，物流效率的改进年均增长率约0.4%。物流业生产率的提升主要依赖于物流技术进步和创新;东部地区的物流业生产率和物流技术进步指数均最高，而西部地区的物流业生产率居中，物流技术进步指数最低，表明西部地区在物流技术创新方面落后于东部和西部地区;碳强度约束下东部地区物流业生产率存在趋同性，中部地区差异在扩大，西部地区则在缩小。

［1］OUM T，TRETHEWAY M，WATERSW.Concepts，methods and purposes of productivitymeasurement in transportation［J］.Transportation Research Part A:Policy and Practice，1992，26(6):493-505.

［2］余思勤，蒋迪娜，卢剑超.我国交通运输业全要素生产率变动分析［J］.同济大学学报:自然科学版，2004(6):128-132.

［3］刘玉海，林建兵，翁嘉辉.中国道路运输业营运效率动态分析——基于 Malmquist生产力指数［J］.产业经济研究，2008(1):56-64.

［4］田刚，李南.中国物流业技术进步与技术效率研究［J］.数量经济技术经济研究，2009(2):76-87.

［5］王维国，马越越.中国区域物流产业效率——基于三阶段DEA模型的Malquist-luenberger指数方法［J］.系统工程，2012(3):66-75.

［6］唐建荣，卢玲珠.低碳约束下的物流效率分析［J］.中国流通经济，2013(1):40-47.

［7］CHUNG Y H，FARE R，GROSSKOPF S.Productivity and undesirable outputs:a directional distance function approach［J］.Journal of Environmental Management，1997，51(3):229-240.

［8］刘秉镰，李清彬.中国城市全要素生产率的动态实证分析:1990—2006——基于DEA模型的Malmquist指数方法［J］.南开经济研究，2009(3):139-152.