区域物流效率评价及其空间效应研究

唐建荣，徐媛媛，杜　聪

(江南大学 商学院，江苏 无锡 214122)



管理天地

区域物流效率评价及其空间效应研究

唐建荣，徐媛媛，杜聪

(江南大学 商学院，江苏 无锡 214122)

摘要：基于城市物流的投入产出指标，借助Malmquist非参数指数模型和ESDA探索性数据分析，从时空分布上对2006—2013年江苏省13个地级市的物流业全要素生产率进行实证分析。研究结果表明：在时间分布上，考察期内江苏省城市物流全要素生产率实现了平均6.2%的负向增长率，技术进步-7%的负向“增长效应”是其下降的源头，纯技术效率和规模效率分别提升0.1%和0.8%，共同促进效率改善的“追赶效应”达到0.9%的正向增长力。在空间分布上，苏南、苏北和苏中等三大区域的全要素生产率差异显著，呈中部“塌陷”南北梯度下降趋势；区域物流全要素生产率在空间地理分布上有严重的路径依赖性，具有明显的集聚性和低流动性的特征，各个市域若要脱离原来的集群存在一定的困难。据此提出撬动城市物流业可持续发展的可行性措施。

关键词：区域物流；效率；DEA-Malmquist；ESDA

一、引言

2014年是中国物流行业转型升级的利好一年，《物流业中长期发展规划》的颁布实施是物流行业主动适应“新常态”经济发展实行变革的里程碑。物流业是国民经济发展的支柱产业群。2014年我国社会物流费用支出占GDP的比率为16.6%，远高于全球平均水平约6.5个百分点[1]，粗放和低效率的物流运作模式，造成了资源的浪费、成本的增加和环境的破坏，低碳引导下提高物流业效率已被提到议事日程上。“最后一公里”的竞合互动使得城市物流业效率颇受关注。所以，城市物流业将根植于可持续发展的趋势一直伴随中国经济低碳转轨的始终。

近年来，不少学者利用不同的方法对物流业效率进行了大量的理论和实证研究。刘满芝[2](2009)运用DEA对江苏省13个地级市2006年的城市物流效率进行了分析，从投入冗余和产出不足两个方面分析其城市物流存在的问题；余永泽等[3](2010)利用SFA模型评价了我国区域物流的整体技术效率和TFP，指出技术进步和效率改善是提高全要素生产率的双重动力；王维国等[4](2012)基于三阶段DAE模型的Malmquist-Luenberger指数方法测算了1997—2009年我国30个省(自治区、直辖市)的物流产业效率，说明物流业存在技术不环保现象导致包含非期望产出的ML指数远低于传统Malmquist指数；高秀丽等[5](2013)运用索罗残值法测算了1997—2010年我国31个省的物流业TFP，并构建空间计量模型对物流业TFP的影响因素进行实证研究；张定[6](2014)基于城市物流的投入产出指标，借助DEA方法分析了2002—2011年间的长三角城市物流发展效率的总体演化趋势、结构和空间格局的演化过程及机制，分析表明城市物流总体发展效率不断上升，但生产要素存在较大的挖掘空间。

通过文献梳理发现，目前物流业效率方面的研究主要侧重于研究区域和企业层面的物流，关于城市物流效率尤其是考虑非期望产出的全要素生产率的研究很少。本文尝试从中观的城市物流入手，采用定量的办法，对我国目前城市物流全要素生产率的时空差异进行研究，为实现物流业的节能减排提供新思路。2014年江苏省社会物流总额达到21.4万亿元左右，同比增长10.9%，物流增加值4 339.86亿元，同比增长10.2%左右，社会物流总费用与GDP的比率为15.1%左右[7]。2014年国家“一带一路”战略中江苏省作为交汇点的地理位置使得物流需求明显增强，所以选择江苏省作为实证对象具有典型性。

二、研究方法和模型设定

本文在利用Malmquist指数方法从时间上测算城市物流效率值的基础上，运用ESDA探索性数据方法从空间上分析地域间的集聚现象，从而对城市物流业进行时空差异分析。

(一)DEA-Malmquist测算方法

DEA方法是应用数学规划模型测量多投入多产出决策单元相对效率的非参数方法。但是，传统DEA假设投入产出指标具有相同重要性使得各决策单元在不同期间的经营效率缺乏可比性。所以，本文利用DEA方法对同一期间决策单元静态效率的有效分析，融入了在效率动态变化分析上具有优势的Malmquist方法，建立了DEA-Malmquist测算方法，从而无需假设生产函数形式和分布，直接利用线性优化给出的边界生产函数与距离函数进行估算。

(1)

在一般情况下，TFPt≠TFPt+1。Fareetal.[8]使用基于产出距离函数以相邻两期的TFP增长指数的几何平均值衡量t到t+1时期的全要素生产率的变化，具体计算公式如下：

(2)

将(2)式进行变形，得到结果如下：

(3)

(4)

(二)探索性数据分析方法(ESDA)

探索性空间数据分析(ExploratorySpatialDataAnalysis)是通过一系列图形工具和适用于数据的插值方法对事物和现象空间分布格局的描述与可视化，发现空间集聚、全局和局部异常，揭示研究对象之间的空间相互作用机制[10]。本文引入全局Moran’sI指数，以空间权重为基础，通过测度市域间的相似性或差异性来分析江苏省城市物流全要素生产率的空间分布规律。计算公式如下：

(5)

三、变量选择和数据来源

通过模型的构建过程我们发现，确定城市物流全要素生产率的关键在于投入产出指标的选取。目前，对于产业层面的效率测度，Strassner等提出了基于总产出口径的KLEMS生产率测度方法，该方法将总投入分解为资本(K)、劳动(L)、能源(E)、材料(M)和服务(S)等五大类[11]。本文选取2006—2013年江苏省13个城市物流从业人数、物流业固定资产投资和运输车辆能源消耗量作为投入要素，物流业的增加值和货运汽车二氧化碳的排放量作为期望和非期望产出指标。但由于至今“物流产业”统计不够完善，即使是最先进的北美产业分类体系(NALS)也没有“物流业”的分类。2006年《中国第三产业统计年鉴》的统计数据表明交通运输、仓储和邮政业占据了物流业83%以上的份额，是反映整个物流业发展状况最有力的类别。江苏省是我国有代表性的经济大省，而物流业作为经济的一个动脉系统，在环境的约束下迫切需要提高全要素生产率。2006—2010年的数据来源于《2011年江苏省物流指数研究报告》，其余年份的数据来源于江苏省统计年鉴、江苏省交通统计年鉴和各城市统计年鉴，指标构建如表1所示。

表1　样本投入产出变量一览表(2006—2013)

(1)人的投入(X1)。用样本年份各市交通运输、仓储和邮政业从业人数表征。

(2)财的投入(X2)。资本投入用样本年份各市物流业资本存量衡量。选取各市交通运输、仓储和邮政业固定资产投资额为基本数据。根据1951年Goldsmith[12]提出的永续盘存法估计按可比价格计算的物流业资本存量。计算公式为：Ki,t=Ki,t-1(1-δi,t)+Ii,t，其中Ki,t为i市t年的资本存量；Ki,t-1为i市t-1年的的资本存量；δi,t和Ii,t分别为i市t年的折旧率和固定资产投资。借鉴张军等[13]的估计方法，基年资本存量通过各市2006年固定资产投资额除以10%得到,折旧率同样为10%。为了消除价格因素，以2006年为基期，用GDP平减指数对各市固定资产投资额进行平减。

(3)物的投入(X3)。物流业的发展需使用各种交通工具，如汽车，船舶，飞机等，在城市物流中公路运输是最重要的运输方式，所以采用汽车数量表示实物的投入。

(4)能源的投入(X4)。物流业的运输环节要消耗大量的能源，所产生的二氧化碳绝对值最大，在交通运输行业，柴油和汽油是高碳能源燃料，其消耗量占全国消费量的比重已达54%以上[14]。因此，本文选取运输车辆柴油、汽油消耗量的总和来代表物流业的能源消耗量，利用能源转化系数将能源消耗全部转化为标准煤。

(5)期望产出(Y)：选取各市交通运输、仓储和邮政业增加值表征物流业发展水平，同时以2006年为基期，利用GDP平减指数对其数据进行平减以消除价格干扰。

C=ΣCt=ΣεtEt=εeEe+εfEf

(6)

C为碳排放量，εe为运输车辆柴油消耗的碳排放转换系数，Ee为柴油消耗标准煤量；εf为汽油消耗的碳排放转换系数,Ef为汽油消耗标准煤量。根据IPCC标准，柴油和汽油的碳排放系数分别为0.5921、0.5538，通过这两种能源的消费量乘以相应的碳排放系数得到各城市的货运汽车二氧化碳排放量。

四、实证研究及结果分析

本文以江苏省13个地级市的物流业为样本，通过DEA-Malmquist方法测算了2006—2013年间的全要素生产率值(TFP)，并将Malmquist指数分解为技术效率指数(TE)、技术进步指数(TP)、纯技术效率指数(PTE)和规模效率指数(SE)，以考察物流业效率增长的主要来源。最后应用ESDA方法探索了江苏省市域效率的空间差异和格局演化特征。

(一)全省层面

借助软件DEAP2.1分析得到表2结果,总体来说，考察期内江苏省城市物流全要素生产率均表现为负向增长且整体呈下滑态势。具体说来，年均全要素生产率为0.938，年均技术进步为0.930，年均效率改善为1.009，即样本期内江苏省TFP平均增长率为-6.2%，技术进步的平均增长率为-7%，技术效率的平均增长率为0.9%。负向的“增长效应”大于正向的“追赶效应”导致城市物流TFP的变动呈负向增长。与此同时，在对技术效率的分解中纯技术效率和规模效率的平均增长率分别为0.1%和0.8%,共同推动了技术效率“追赶效应”的正向增长。高詹[16](2013)通过对2001—2010年中原经济区29个地级市的物流产业效率进行分析，发现规模效率和纯技术效率都出现了上升的趋势，共同促进了城市物流效率的提高。

从时间纵向维度看， 2008—2009年、2010—2011年、2011—2012年三个时间段的TFP低于样本年份的年均值。2008—2009年相对于纯技术效率有0.4%的负向增长作用，规模效率1.8%的正向增长作用推进江苏省物流业技术效率有1.3%的正向“追赶效应”，但由于技术进步-7.7%的“增长效应”最终羁绊全要素生产率有-6.5%的负向增长率。说明2008—2009年间江苏省物流业资源未得到有效配置，低碳技术进步力度不够。2008年金融危机敲响警钟，这对经济的影响不容小觑，从而使得全国着力开展保增长的刺激政策，力求扩大物流规模以此推动经济的发展，资源浪费、技术粗放、效率低下的物流项目得到盲目投资，不仅破坏了环境也制约了行业本身的集约化发展。2010—2011年纯技术效率的增长率为-1%和规模效率的增长率为-5.1%共同牵制物流业技术效率导致其“追赶效应”出现6%的负增长，与此同时技术进步的“增长效应”也出现6.2%的负增长，共同作用使其TFP出现-11.8%的增长率。2010年《国务院关于加快培育和发展战略性新兴产业的决定》出台，江苏省积极应对各项挑战，创新各种发展思路。但由于只是摸索阶段，物流业在不合理的规模基础上利用不先进的技术使得发展偏离资源禀赋路径，导致效率值均未有明显的趋利效果。相比2010—2011年、2011—2012年间纯技术效率和规模效率分别增长1.2%和2.8%共同拉动江苏省物流业技术效率增长了4%，但由于“增长效应”12.1%的负增长对TFP的促降作用最大，导致其增长率为-8.6%。2011年是“十二五”开局之年，面对纷繁复杂的国际环境和国内经济情况，江苏省在物流业合理规模内有效配置资源，积极促进技术效率的提高。但环境问题的日益突出，使其物流业非环保技术不再适应低碳的要求，技术进步指数的大幅下降是促成TFP负增长的唯一主要因素。

与此同时，同样是中国老字号的谢馥春、金芭蕾、红灯、双妹等仍然在苦觅突破之路，解构百雀羚老树开花的终极元素将会产生行业启迪意义不言自明。那么，百雀羚老树开花的秘诀何在呢？

表2　江苏省物流业全要素生产率Malmquist指数及其分解

(二)三大区域层面

江苏省因地理位置和经济社会发展程度不同，目前形成三大区域：苏南(南京、镇江、苏州、无锡、常州)、苏中(扬州、泰州、南通)、苏北(徐州、淮安、盐城、连云港、宿迁)。从三大区域的角度来分析江苏省物流业全要素生产率的差异，结果得到表3。总体上，研究期内三大区域TFP的平均增长率虽均为负值，但苏南地区改善情况最为显著，TFP增长率为-0.1%基本达到有效值；因技术进步“增长效应”7.4%的负向增长率导致TFP具有同等的负向增长率，苏北地区位居第二；同样因技术进步“增长效应11.1%的负向增长率使其TFP的增长率也为-11.1%，苏中地区名列第三。苏中的“塌陷”是因为“增长效应”严重滞后，其技术进步的负增长率超过了10%，在考虑非期望产出的情况下，低碳技术进步水平低是阻碍苏中TFP提升的最大瓶颈。三大区域的纯技术效率和规模效率都达到有效值，共同促进江苏省物流业技术效率“追赶效应”的极大发挥。

表3　三大区域物流全要素生产率Malmquist指数及其分解(2006—2013)

(三)地级市层面

如表4，从13个地级市的角度来看，无锡处于全要素生产率的前沿，其指数为1.019大于1；全要素生产指数在0.9—1之间的城市有徐州、连云港、宿迁、盐城、扬州、泰州、南京、镇江、常州，占样本城市的69%，达到TFP中游水平；全要素生产率指数在0.8—0.9之间的城市有淮安、南通、苏州，物流业的TFP处于下游水平。13个城市中除了徐州、南通、苏州的技术效率的“追赶效应”不足，其余城市的技术效率指数均大于1。通过对技术效率的分解过程中可以看出，南京的规模效率虽有0.5%的负增长率，但纯技术效率2%的正向增长率促使“增长效应”1.5%的正向增长率；苏州纯技术效率达到有效值为1，但由于规模效率的增长率为-6.5%导致其技术效率产生同等的负增长率；常州的规模效率4.3%的增长幅度大于纯技术效率1.1%的下降幅度推进技术效率“追赶效应”达到3.2%的正向增长率。13个城市的技术进步指数都没有达到有效值，导致了全要素生产率除无锡之外都没有达到有效值，这也证明了技术进步是江苏省区域物流全要素生产率提升的主要源动力。

表4　江苏省区域物流全要素生产率Malmquist指数及其分解(2006—2013)

将江苏省13个地级市的效率指数分为三种类型，如表5所示。泰州、镇江、连云港、徐州、宿迁、扬州和淮安物流业的全要素生产率的主要源动力是技术进步：寻求最新技术是其发展全要素生产率的最佳途径。低碳约束下，泰州、镇江、连云港、宿迁、扬州和淮安的物流业发展应大力创新低碳技术，徐州市的物流业技术发展以后的注脚应多停留在物流业的规模和资源的优化配置上；盐城和苏州两座城市的全要素生产率的提高依赖于技术效率的改善：盐城物流业资源配置较为合理但是技术水平有待于进一步的提高；产业规模和低碳物流技术成为了苏州市物流业发展的制约因素，即要在创新管理水平的同时适当合理扩大规模，促进技术与效率同频合拍。南京、无锡、常州和南通的全要素生产率的提高需要技术进步与效率改善的双轮驱动：无锡和常州两个城市的物流发展需要技术和制度革新的共同推动；南京既要扩大物流业规模又要大力创新物流技术以提高物流业的发展水平；南通在有效攻关低碳物流技术的同时，要适当扩大物流规模以及极大地挖掘资源配置的空间以此促进城市物流业全要素生产率的提高。

表5　江苏省13个地级市的效率类型

(四)物流业发展的空间效应

以上分析了江苏省物流业全要素生产率总体特征以及各市域的差异化特征，但未能显示出物流业效率的空间相关性及演化过程。本文选取近三年作为研究的特征年份，以此来探讨江苏省城市物流业发展空间格局的演变过程，运用Geoda软件，选取最常用的简单二分权重矩阵作为空间权重矩阵，空间权重的构建遵循Rook相邻规则，即若两个地区拥有共同边界则视为相邻，在蒙特卡洛999次模拟检验之后得到以2006年为基期的2007—2013年Moran’sI指数及其显著性结果见表5。

表6　2007—2013年江苏省13个区域城市物流TFP Moran's I指数

从表6可知，以2006年为基期,2007—2013年江苏省13个城市物流业TFP的Moran’s I指数均为正值，从2007年的Moran’s I指数为0.1808上升到2013年的0.2861,其中从2007—2010年呈直线上升的趋势,2011年出现下降态势,随即2012年开始上升到2013年时达到最高值。所有年份的显著性水平P值均小于5%，通过了Z值检验。由此得知，江苏省各地区的物流业TFP在地理上具有显著的正的空间自相关性，观测值具有空间集聚性，即区域物流业全要素生产率在空间分布上并不是随机的，在样本期内，江苏省区域物流业全要素生产率的空间分布呈现如下的空间集群模式：相对较高的区域市域物流业TFP水平倾向于与其他具有较高物流TFP的市域相邻近，而较低物流TFP水平的市域倾向于与其他具有低物流TFP水平的市域相邻近。总之，江苏省市域区域物流全要素生产率水平在空间上是相关的，所以不应当将其假定为一个独立的观测值。

为更清晰地反映出江苏省城市物流业全要素生产率空间差异的变动格局，结合Moran’s I散点图，将局部相关指数的效率空间关系图分为四种类型：HH类型，即区域单元与周边物流效率的水平均比较高，城市物流效率空间差异小，存在较强的空间正相关，即为热点区；LH类型，即区域本身效率较低，但是周边生产率较高，二者的空间差异程度较大，存在空间负相关性，即异质性突出；LL类型，即区域自身和周围物流业效率均较低，二者的空间差异程度小，即为盲点区；HL类型，即区域本身物流业效率较高，周边地区较低，从而二者的空间差异程度大，存在较强的空间负相关。

2007年，无锡、苏州两个市域位于第Ⅰ象限，表现为高物流TFP水平-低空间滞后(H-H)的正自相关关系的集群模式；南通、泰州和常州位于第Ⅱ象限，是低物流TFP水平-高空间滞后(L-H)的负自相关集群；镇江、宿迁、盐城、扬州、徐州、淮安和连云港等7个市域均落在第Ⅲ区域，是低水平物流TFP-低空间滞后(L-L)的正自相关集群；南京位于第Ⅳ象限，是高水平物流TFP-低空间滞后(H-L)的负自相关集群，如图1。

图1　2007年江苏省13个城市物流TFP的Moran散点图

2010年，徐州、宿迁、连云港和盐城位于第Ⅰ象限，表现为高物流TFP水平-低空间滞后(H-H)的正自相关关系的集群模式；淮安位于第Ⅱ象限，是低物流TFP水平-高空间滞后(L-H)的负自相关集群；南通、镇江、泰州、常州、苏州和无锡等6个市域均位于第Ⅲ区域，是低水平物流TFP-低空间滞后(L-L)的正自相关集群；扬州和南京落在第Ⅳ象限，是高水平物流TFP-低空间滞后(H-L)的负自相关集群，如图2。

图2　2010年江苏省13个城市物流TFP的Moran散点图

2013年，南通、泰州、无锡和苏州位于第Ⅰ象限，表现为高物流TFP水平-低空间滞后(H-H)的正自相关关系的集群模式；镇江和常州两个市域位于第Ⅱ象限，是低物流TFP水平-高空间滞后(L-H)的负自相关集群；宿迁、徐州、淮安和连云港落在第Ⅲ区域，是低水平物流TFP-低空间滞后(L-L)的正自相关集群；扬州、盐城和南京位于第Ⅳ象限，是高水平物流TFP-低空间滞后(H-L)的负自相关集群，如图3。

图3　2013年江苏省13个城市物流TFP的Moran散点图

(五)时空跃迁动态分析

借鉴 Rey[17](2001)使用的时空跃迁测度法(Space-time Transitions)，可以对 Moran’s I散点图的时空演化做更进一步的深入刻画。Rey的时空跃迁测度法将时空跃迁分成四种类型(见表6)：类型 I跃迁描述的仅仅是相对位移的省域跃迁；类型 II描述的仅仅是相关空间邻近省域的跃迁；类型 III包括了某省域及其邻近省域均跃迁到其他不同的省域；类型 IV是指某省域及其邻近省域保持了相同水平的情况，即在整个考察期内不变。

对江苏省13个城市2007年和2013年的物流业全要素生产率水平的检测发现了明显的空间非均衡性和持续性特征。以2006年为基期，从2007—2013年七年间，最普遍的跃迁类型是类型Ⅳ省域及其邻近省域保持相同水平，共8个城市属于此类型(跃迁路径为：LL→LL,HH→HH,LH→LH),说明有61.5%的市域的物流业全要素生产率水平表现除了空间上的稳定性。相对而言，物流业全要素生产率时空跃迁的其他三个类型较少，属于类型Ⅰ的有盐城、扬州、泰州和南通四个省域(跃迁路径为: LL→HL,LH→HH)，镇江(LL→LH)是第Ⅱ类型的典型区域，还没有市域属于第Ⅲ类型,见表7。

表6　Moran散点图的时空跃迁类型

表7　2007—2013年江苏省13个城市的跃迁路径

从整个时期检测到的空间集聚的结构中缺乏显著位移的证据，由此可以得到结论：区域物流业全要素生产率在空间地理分布上有严重的路径依赖性，具有明显的集聚性和低流动性的特征，各个市域想要脱离原来的集群存在着一定的困难。具体来说徐州、连云港、宿迁和淮安从2007年的LL跃迁到2013年还是LL类型，无论从自身来说还是从周边城市的物流业来看始终保持着较低的全要素生产率水平，需要加快步伐摆脱这种困局；南京从2007年的HL跃迁到2013年的HL类型，保持了自身物流业的高效发展水平，但是缺乏对周边地区的辐射带动作用，所以南京市应在保障自身物流业发展的同时积极发挥领头羊作用，以拉动周边地区物流业的发展，积极为区域的物流活动注入正向的外部性；苏州和无锡从2007年的HH跃迁到2013年的HH类型，始终保持了较高的发展姿态，起到了排头兵和标杆的作用；常州从2007年的LH跃迁到2013年的LH类型，始终赶不上周边地区的发展，说明常州必须要另辟蹊径以谋取物流业的突破性发展；盐城和扬州从2007年的LL类型跃迁到2013年的HL类型，说明这两个城市通过自身的努力物流业的效率水平得到了提高，并且超越了周边地区的发展；泰州和南通从2007年的LH跃迁到2013年的HH类型，说明泰州和南通的发展不仅吸引了相邻城市的经济资源和要素，而且通过相邻城市的扩散效应从而大大带动了自身的快速发展，从而提高了物流业全要素生产率水平，同时南通市属于沿海城市，凭借地理优势，通过物流活动资金、技术和人员的投入改变了比较优势，促使城市物流业TFP水平的提高；镇江从2007年LL跃迁到2013年的LH类型，由于自身物流业发展的羁绊导致全要素生产率发展水平明显慢于周边地区，因此，镇江需找到落后的突破口，通过内外途径迎头赶上周边地区的发展。

五、结论及政策建议

(一)结论

节能减排提高TFP是改善城市低碳物流水平的最佳突破口，而改善城市低碳物流水平又是提高城市低碳经济运行质量的战略关键。文章用DEA-Malmquist从时间上来测度整体的TFP结果均未达到有效值1，并且呈现下降趋势；用ESDA方法从空间上来测度TFP呈现区域分布的集聚性，从而可以从时空上更加全面和精确地反映城市物流业的全要素生产率。结果表明：

1.技术进步的“增长效应”是发展TFP的核心引擎。从表2可以看出，江苏省物流业全要素生产率与技术进步变化趋势基本相同。技术进步的“增长效应”除了2006—2007年呈正向增长率，其余都是负向增长，说明在低碳约束下，物流业技术出现退化现象，未来还有巨大的挖掘和提升空间。

2.效率改善的“追赶效应”是发展TFP的不竭动力。除了2006—2007年和2010—2011年两个时间段的“追赶效应”为负向增长，其余都为正向增长，从而促进江苏省物流业整体TFP指数都在0.85以上。究其原因是这两个时间段的规模效率负向增长导致，其余年份的规模效率都达到有效值，说明低碳趋势下，江苏省物流业已达到一定的规模，但是合理配置资源是其关键。

3.江苏省物流业TFP指数呈现明显的震荡下降特点。2006—2013年江苏省城市物流全要素生产率呈摆动下降趋势。2006—2009年平稳下降，2009—2010年有所回升，2010—2011年又出现大幅下降趋势，2011—2013年开始逐渐上升，呈现抑扬相伴总体下降的走势。

4.城市物流业TFP差异性与集聚性并存。从图1、图2、图3可以看出，总体来看，苏南城市物流发展态势较好，苏中和苏北的城市物流发展效率相对低下。江苏省城市物流业的全要素生产率存在近效率的空间集聚趋势。

(二)政策建议

通过以上对江苏省城市物流业全要素生产率的分析，去芜存菁，为物流产业发展战略提供政策依据，同时以江苏省为例提出以下城市物流业可持续发展的可行性措施：

1.渠道挖掘，推动低碳技术新突破。从表2可知，江苏省年均TFP-6.2%的负向增长幅度源于年均技术进步“增长效应”-7%的负向增长作用所致。说明低碳技术将是未来全球竞争中的战略制高点。为了推进物流低碳技术的“内涵升级”，既要整合现有的新能源低碳技术，又要积极研发“碳封存”和“碳捕获”等新型低碳衍生技术。加快技术创新，不断挖掘内部潜力，形成多渠道技术投入的格局。

2.量身定制，建立低碳物流新标准。从实证分析结果可知，江苏省城市物流TFP指数存在一定的差异，因此急需国家用制度规范“倒逼”物流业向低碳化转型。首先，政府要充分发挥中流砥柱作用，制定有关低碳物流的法律法规，使物流业在低碳隧穿路径上有法可依。其次，要建立节能减排考核制度与激励约束机制，落实碳税征收政策，优化运作体系。江苏省可借鉴国际经验，并结合自身物流业发展情况，制定低碳物流标准，设定低碳物流园区试点，积极打造生态宜居城市。

3.多式联运，构建城市共生新平台。本文运用ESDA方法分析了各城市物流业TFP水平的空间格局演变，表明各地物流业发展不均衡但存在集聚性，这就需要各城市的协同发展以及博采众长作为依托。市级政府在制定本市的物流发展政策时，应以城市间的协同共生为基础，发展多式联运，提高区域内物流网络的畅通性和物流设施的兼容性，实现汽车、火车、飞机等多种运输方式的联运发展，加快铁路、港口码头、机场及公路之间的无缝对接。江苏省应建立产业互动机制，整合区域物流资源，增强区域物流群落聚集与辐射功能，培育优势种群，提升区域物流群落生态品牌效应。

4.智慧感知，完善物流信息新网络。“互联网+”时代，利用物联网技术建立感知物流已成为建设智慧型城市的一条蹊径。首先，将RFID、传感器、GPS等物联网技术通过信息处理和网络通信技术平台应用于构建城际物流4.0网络，对物流运作进行全程的追踪与监测，整合运力实现其智能化对接，减少空载率和低效率的能源消耗。其次，利用“云物流”全面整合区域物流资源，建立跨区域的生产要素信息需求平台，掌握和了解最新动态信息，打造全新物流网络化运作的智慧运营模式。

5.清洁转型，营造生态能源新氛围。物流业的二氧化碳排放量与物流业的能源消耗量成正比。研究结果显示，淮安市的物流业全要素生产率相比其他城市之所以比较低，在很大程度上与该城市能源消耗量持续增长息息相关。因此，提高能源效率是物流业实现碳减排目标的根本之道。首先，要合理调整能源结构，推广清洁能源的使用，提高新型能源在能源消耗总量中的比重。由于我国能源结构十分稳定，能源结构对碳排放脱钩产生积极作用，但作用力度不够大，而煤炭的碳排放系数远高于其他能源，所以改善能源结构对物流业碳减排有不可或缺的作用[18]；其次，要优化资源配置，提高物流业的能源效率，降低物流业二氧化碳的排放。以公路运输为主的城市物流业，应以新能源汽车为载体，建立新能源配送生态圈，为城市低碳物流的发展营造生态能源新氛围。

6.产业融合，寻找节能减排新契机。物流业是集运输、储存、装卸搬运、包装、流通加工和信息处理为一体的复合型产业，因此在努力实现物流内部环节低碳转变的同时要加强与其他产业的深度融合。首先，要积极建立低碳物流园区，从合理布局仓储、循环减量包装、重视逆向物流等环节提高物流效率；其次，城市物流要以公路运输业为载体，以信息产业为武装，线上线下助力推进物流业低碳转型；最后，要发挥金融杠杆作用，为物流业的节能减排举措提供融资渠道支持，实现物流业与金融业的效率配合，夯实生态文明城市低碳物流发展的经济基础。

参考文献

[1] 何黎明. 2014年物流运行情况分析与2015年展望[J].中国物流与采购,2015，(10):64-65.

[2]刘满芝，周梅华，杨娟.基于DEA的城市物流效率评价模型及实证[J].统计与决策，2009，(6)：50-52.

[3]余泳泽，吴鹏.我国物流业效率及其影响因素的实证研究——基于中国省级的随机前沿生产函数分析[J].产业经济研究，2010，(1)：65-71.

[4]王维国，马越越.环境约束下中国地区物流业全要素生产率重估和收敛性研究[J].数学的实践与认识，2012,42(11):38-49.

[5]高秀丽，孟飞荣.我国物流业全要素生产率及其影响因素分析[J].技术经济，2013,32(2):51-57.

[6]张定，曹卫东，范娇娇，朱胜清，杨迎.长三角城市物流发展效率的时空格局演化特征与机制[J].经济地理，2014，34(8):103-111.

[7]交通物流处.2014年全省物流业运行情况简析[EB/OL].2016-02-25. http://www.jseic.gov.cn/qtbt/cslm/jtwlc/jtwlcsjtj/201502/t20150215_157454.html.

[8]Fare R.,Grosskopf S.,Norris M.(eds).Productivity Growth,Technical Progress and efficiency Change in Industrialized Countries[J],American Economic Review,1994,84(1): 66-83.

[9]金春雨，陈霞，李彩霞.辽吉黑经济圈物流业全要素生产率的追赶效应与增长效应研究[J].现代管理科学,2012,(6):18-21.

[10]David W. S.Wong，Jay Lee. ArcView GIS 与ArcGIS 地理信息系统统计分析[M]. 北京：中国财经经济出版社，2008：302 -384.

[11]Stassner E,Medeirons G,Smith G.Annual Industry Accounts:Introducing KL EMS Input Estimates for 1997-2003[J].Survey of Current Business,2005,85(9):31-651.

[12]GOLDSMITH R.A Perpetual Inventory of National Wealth [R].NBER Working Paper:1951,1143.

[13]张军，吴桂英，张吉鹏.中国省级物质资本存量估算：1952—2000[J].经济研究，2004,(10):35-44

[14]张毅，张恒奇，欧阳斌，达亚彬.绿色低碳交通与产业结构的关联分析及能源强度的趋势预测[J].中国人口资源与环境，2014，24(11)：5-9.

[15]Seiford,L.M.,Zhu,J..Modeling Undesirable Factors in Efficiency Evaluation[J].European Journal of Operational Research ,2002,142(1):16-20.

[16]高詹.中原经济区城市物流效率是时空测度与比较研究[J].商业研究，2013,(12)：171-177.

[17]Rey S J. Spatial Empirics for Economic Growth and Convergence[J]. Geographical Analysis, 2011,33(3):195-214.

[18]唐建荣，陈实.基于随机森林方法的碳足迹及其影响因素研究[J].统计与信息论坛，2013,28(10):70-74.

[责任编辑：邹学慧]

Regional Logistics Efficiency Evaluation and Spatial Effects Study

TANG Jian-rong，XU Yuan-yuan，Du Cong

(School of Business，Jiangnan University, Wuxi 214122, China)

Abstract:Based on the input-output index of the urban logistics, make an empirical analys is about the temporal-spatio distribution of 13 cities in jiangsu province from 2003 to 2012 total factor productivity of the logistics industry by using the method of Malmquist and ESDA .The research results show that from the temporal distribution, the inspection period city logistics achieved an average of 6.2% negative growth in total factor productivity，Technological progress - 7% negative growth effect is the driving force of its decline， pure technical efficiency and scale efficiency increase 0.1% and 0.8% respectively accelerate the "catch-up effect "of the efficiency improvement to achieve positive growth of 0.9%. From the spatial distribution, the southern jiangsu, middle and north jiangsu area have a significant difference in total factor productivity, TFP showed a trend of "collapse" north-south gradient descent in central; Regional Logistics TFP in space geographic distribution serious path dependence, with significant clustering and low flow characteristics of each city region you want from the original cluster, there are some difficulties; From the perspective of tinle and space,proposing leveraging feasible measures for sustainable development of uran logistics.

Key words:regional logistics; efficiency; DEA -Malmquist; ESDA

中图分类号：F713.1

文献标志码：A

文章编号：1671-7112(2016)02-0003-12

作者简介：唐建荣(1964-)，男，江苏无锡人，教授，博士，主要从事低碳经济研究；徐媛媛(1989-)，女，安徽淮南人，硕士研究生，主要从事物流产业规划与设计研究；杜聪(1990-)，男，浙江金华人，硕士研究生，主要从事产业规划与设计研究。

基金项目：国家自然科学基金“小样本非等距灰色预测模型建模及其应用研究”(71301061)；教育部人文社科基金“区域性碳交易平台的系统研究”(11YJAZH084)；中央高校专项(2015JDZD11);江苏省研究生培养创新工程项目(SJLX_0538)

收稿日期：2016-01-10