低碳约束下的我国省际物流业效率研究

董　锋，徐喜辉，韩　宇

（1.中国矿业大学 管理学院，江苏 徐州 221116；2.中国农业银行延安分行甘泉县支行，陕西 延安 716100）

低碳约束下的我国省际物流业效率研究

董锋1，徐喜辉2，韩宇1

（1.中国矿业大学 管理学院，江苏 徐州 221116；2.中国农业银行延安分行甘泉县支行，陕西 延安 716100）

以往对于物流效率的研究都是基于传统DEA模型，而且没有考虑物流业碳排放问题，文章基于超效率DEA模型同时引入Ruggiero三阶段方法构建低碳约束下的我国省际物流业效率测算体系，该方法解决了传统DEA模型在测算物流效率时部分省区效率值同为DEA有效无法排序的问题，同时消除了外部环境因素对于技术效率测算的影响。研究结果表明：消除环境因素后第三阶段测算的低碳约束下的我国各省区物流业效率与第一阶段测算的各省区物流业效率有显著差异，我国物流业高效率地区共有天津等11省区，中效率地区共有北京等12省区，低效率地区共有吉林等7省区。研究发现外生环境因素对中部和西部地区物流效率测算影响较为明显，对东部地区的影响较弱。

低碳约束；物流业效率；DEA；Ruggiero三阶段超效率DEA

［DOI］10.3969/j.issn.1007-5097.2016.05.014

一、引　言

2014年11月的APEC峰会上，中国和美国签署《中美气候变化联合声明》，在声明中我国承诺将在2030年左右碳排放到达峰值，这是我国首次就碳排放总量减排做出国际承诺。物流在低碳经济发展中占有特殊地位，物流业能源消耗大、运作效率低，是我国碳减排的重点行业，随着我国物流需求的不断增加，节能减排任务也会不断加重，高投入、高产出的粗放型物流发展道路已不能继续，大力发展健康、高效的低碳物流，已成为我国物流业可持续发展的必然趋势。

低碳物流概念是低碳经济派生出来的子概念，它是以“低碳经济”、“绿色物流”［1］为思想前提，将可持续发展与碳减排观念融入物流各个环节［2］。低碳物流的本质是物流的合理化问题，在提供低成本、高质量物流服务的同时，实现资源节约、环境污染减少、经济循环发展（王艳，李作聚）［3］。从绿色物流引申出低碳物流的定义，认为低碳物流是一种为了达到物流效率最高、排放温室气体最少的低能耗、低污染的物流模式。《中华人民共和国国家标准：物流术语》从绿色物流引申出低碳物流的定义，认为低碳物流是一种为了达到物流效率最高、排放温室气体最少的低能耗、低污染的物流模式［4］。王国文认为低碳物流、绿色供应链的概念，就是将低碳与环境保护思想融入所有的物流环节中，形成一套完整的绿色物流体系［5］。从学者们对低碳物流的定义，我们可以发现低碳物流的一些特征，即环保性、整体性、标准性、技术领先性、示范性。

低碳物流的研究已引起学者们的日益重视，取得了一些研究成果，如任倩倩、吴艳芳从低碳物流的含义及其必要性方面介绍了国内外节能减排的措施和手段，结合物流活动的各个环节，提出了具体的、有针对性的低碳手段［6］；范璐论述了我国低碳物流发展现状、国外低碳物流发展现状和我国物流业所面临的巨大减碳压力，从中得到低碳物流发展策略，建立了一个实现低碳物流的基本框架［7］；周叶运用省域物流业二氧化碳排放量测量模型，用直接能耗法核算我国各省区物流业二氧化碳排放指标［8］。学者们对于低碳物流的研究多从发展低碳物流的政策、手段、路径等定性角度入手，比较定量化的是周叶测算各省区物流业所产生的二氧化碳等研究，如何通过构建低碳物流效率评价体系测算低碳约束下的我国省际物流业效率是进一步研究的重点。而目前对于物流业效率的研究我国绝大部分学者只考虑了经济产出，忽视了低碳约束［9-11］。本文正是基于低碳物流、物流效率目前的研究现状，将物流业二氧化碳排放量指标引入到物流效率测算模型的相关投入产出指标中，构建低碳约束下的我国省际物流业效率（Logistics Industry Efficiency under the Restriction of Low Carbon，LIEURL）测算模型，为改善我国物流业效率和低碳物流建设提供决策参考。

在物流业效率测算模型选择方面，现有研究通常运用的是传统DEA模型［9-11］，而传统DEA模型只能将决策单元分为有效和无效，从而产生多个同时处于生产前沿面的决策单元（DEA值均为1），无法满足对所有决策单元进行排序的要求［12-13］，本文采用Anerson and Perterson构建的径向超效率模型（SE-DEA）［14-16］解决这一问题，SE-DEA模型对传统DEA效率值为1的决策单元重新测算，SE-DEA允许大于1，从而实现了对所有决策单元的排序。传统DEA模型在测算省际物流效率时存在的另一个问题就是将区域物流系统作为一个封闭的投入产出系统，没有考虑环境因素的影响。区域系统理论告诉我们，区域系统效率不仅受到系统投入产出的影响，也会受到系统环境因素的影响，不考虑环境因素而仅仅考虑投入产出因素计算省际物流效率必然带来测算结果的偏差，影响各级政府的决策。为了解决这一问题，学者们提出了三阶段DEA模型，三阶段DEA模型能使决策单元非经营因素（外部环境和随机误差）同质化，使每个决策单元都处于相同的环境和随机情况，排除了外在因素的影响。目前国内外学术界在研究时使用的三阶段DEA模型有两种。一是Fried等于2002年提出了三阶段DEA模型，在效率评估过程中环境因素和随机因素被剔除，从而更加真实的反映各决策单元的效率情况。国内学者主要运用Fried三阶段DEA模型来分析产业效率、碳排放效率等［17-21］。二是Ruggiero在1998年提出的基于DEA模型的三阶段效率评价模型，该模型同样实现了在技术效率测算过程中环境因素的分离［22］，该模型在国内应用较少［23-24］。以上两种DEA三阶段模型都一定程度上解决了环境对技术效率的影响，但这两种模型也有自身的缺陷，如Ruggiero三阶段模型，第二阶段回归分析中的因变量为第一阶段各决策单元的综合技术效率值，有效决策单元的效率值都为1，只能区别出有效率和无效率的单元，而对于有效率的单元无法进行排序，这也可能会使回归结果失真，Fried三阶段DEA模型同样无法解决多个前沿面同时为1无法排序的问题。本文通过将超效率DEA（SE-DEA）方法引入Ruggiero三阶段模型第一阶段和第三阶段解决这一问题。第一阶段运用SE-DEA模型得出不考虑环境因素的低碳约束下我国省际物流业效率；第二阶段根据第一阶段超效率值运用Ray模型将多个环境变量转变成一个复合环境指数；第三阶段将环境指数作为投入变量之一再次运用SE-DEA模型得出消除了环境因素的更为准确的低碳约束下我国省际物流业效率。

与以往研究不同，首先从研究视角来看，本文所研究的是低碳约束下的我国省际物流业效率，而非传统的物流效率，其次从研究方法来看本文所使用Ruggiero三阶段超效率DEA解决了传统DEA方法生产前沿面同时为1无法排序的问题，同时消除了环境因素，以期对我国省际物流效率进行更为准确的评估。

二、研究方法

本文基于Ruggiero三阶段模型［22］，采用超效率DEA（SE-DEA）方法对低碳约束下我国省际物流业效率进行分析。

（一）第一阶段：超效率DEA模型（SE-DEA）

DEA方法最早是由美国运筹学家Charnes等（1978）［25］提出的，随后由Banker［26］等提出了更加严谨的修正模型，运用最广的是BC2模型。

假设有n个受评估单元，每个评估单元共有m种投入要素，s种产出，用xij代表第i个评估单元对第j种投入要素的投入量，yir为第i个决策单元对第r种产出的产出量。对决策单元O进行效率评价所使用的模型为：

在引入阿基米德无穷小量ε，投入松弛变量s-，产出松弛变量s+后，第O个受评估单元的BCC模型最终为：

若θ=1，且S+=S-=0，则决策单元DEA有效；若θ=1，且S+≠0或S-≠0，则决策单元为弱DEA有效；若θ＜1，则决策单元非DEA有效。但是BC2模型得到结果往往是多个决策单元均为DEA有效，这就很难区分这些DEA有效决策单元的效率高低，无法对这些决策单元进行排序。

针对这一问题Andersen、Peterson提出超效率DEA（SE-DEA）方法［14］，SE-DEA方法是在传统DEA方法的基础上发展而来，它可以对有效决策单元进行排序，其值不再局限于0-1，计算出的效率值允许超过1。超效率DEA模型的基本思想是在评价某个决策单元效率时，用其他所有决策单元投入、产出的线性组合替代该决策单元的投入和产出，从而排除该决策单元的自身影响。决策单元的超效率值是指效率保持不变的情况下，其投入增加或减少的比例。没有达到效率有效的决策单元，其生产前沿面不会发生改变，评价结果与传统DEA模型相同；达到效率有效的决策单元，其生产前沿面将进行重新计算，最终测算出来的超效率值大于传统DEA模型效率值，该效率值允许超过1，即对有效决策单元进行了排序。

如图1所示，有A、B、C、D、E 5个决策单元，其中A、B、C、D构成生产前沿面。采用超效率BCC模型评价B效率值时，将B点从参考集中移除，新的生产前沿面为ACD，B在新生产前沿面的投影为B1，此时B点的效率值为MB1/MB＞1。而原来就是DEA无效的E点，其生产前沿面仍然是ABCD，效率值与BCC模型一致，仍为NE1/NE＜1。

图1　单输入单输出超效率BCC模型图解

SE-DEA对偶求解模型如下：

其中，e∧=（1，1，…，1）T∈Em；e=（1，1，…，1）T∈Es；Θ，Ξ分别为投入、产出集。

（二）第二阶段：Ray回归分析

Ray模型中的回归分析方法对第一阶段SE-DEA求解出的效率值进行环境因素分解，将多个环境变量转变成一个复合变量，计算环境指数。假若有q个环境变量，n个地区，则Ray回归模型如下：

其中，θi是第i个地区第一阶段物流业效率值；βp是环境因素zip的回归系数；是环境因素对第i个地区物流业效率的影响。

（三）第三阶段：调整后的SE-DEA分析

依据环境变量的具体值我们可以得到各个地区环境因素对效率影响的预测值，该预测值定义为该地区物流效率测算中的环境指数，环境指数计算公式为：

具有最大环境指数值的地区所面临物流环境是最有利的，因此在第三阶段中将环境指数作为投入变量之一。重新进行SE-DEA分析，所计算出的效率值消除了环境因素对技术效率的影响，第三阶段每个地区在物流效率测算中都处于同样的物流环境。

三、指标选择与数据来源

（一）指标选取

（1）投入和产出指标。投入指标为物流业从业人员、物流业职工工资总额、物流业固定资产投入、物流业二氧化碳排放量。物流业从业人员在劳动指标中只能反映劳动力的数量，只代表了劳动力成本的一部分，因此，本文用物流业职工工资总额弥补其不足；在低碳约束下物流业效率研究中，低碳约束是重点，因此本文选取物流业二氧化碳排放量作为投入指标之一，产出指标为货运量、货物周转量和物流业生产总值。

（2）环境指标。Zhang等将环境变量定义为对决策单元的物流业环境或物流业效率有重要影响的因素，并且这些因素短期内又不在样本主观可控范围内［27］。结合低碳物流业发展特征，本文选取经济发展、政府支持、科技水平、产业结构作为环境指标，用GDP来衡量经济发展水平，交通运输支出作为政府支持指标，科技支出占GDP比重来表征科技水平，第三产业比重表征产业结构。

（二）数据来源

本文选取我国30个省、市、直辖市（缺西藏、中国香港、中国澳门、中国台湾数据）数据进行分析，数据主要来源于各年度《中国统计年鉴》和《中国能源统计年鉴》。

四、实证分析

（一）第一阶段测算结果

从我国30个省区第一阶段运用超效率DEA模型测算出的低碳约束下的我国省际物流业效率值（LIEURL）分布上可看出，高效率地区效率值为＞1，中效率地区效率值为0.6～1，低效率地区效率值为0～0.6。从整体分析，我国LIEURL平均值为0.832 7，未达到SE-DEA相对有效，其中东部地区效率平均值为1.090 4，中部地区效率平均值为0.7898，西部地区效率平均值为0.606 2。

从数值上看，各区域LIEURL存在显著差异，主要表现为东部地区效率较高，中部地区其次，最低的是西部地区。同时，只有东部地区效率平均值达到了SE-DEA相对有效，中部和西部地区均未达到。具体到各个省区，我国物流业高效率地区为7个，中效率和低效率省份数大致相当，分别为12个和11个。高效率地区包括天津、河北、上海、江苏、山东、安徽、宁夏，中效率地区包括北京、辽宁、浙江、福建、广东、海南、江西、河南、湖南、内蒙古、贵州、甘肃，低效率地区包括山西、吉林、黑龙江、湖北、广西、重庆、四川、云南、陕西、青海、新疆。

（二）第二阶段Ray回归分析结果

Ray模型中的回归分析方法是对第一阶段SEDEA求解出的效率值进行环境因素分解，将多个环境变量转变成一个复合变量，计算环境指数。以效率值为因变量，环境指标为自变量，进行Ray回归分析。此阶段目的是消除环境因素对技术效率的影响，突出各省区LIEURL差异只由经营效率水平影响，能够更准确地测算出我国各省区实际LIEURL水平。本文选取经济发展、政府支持、科技水平、产业结构作为环境指标。表1报告了Ray回归分析计算结果。

表1　Ray回归分析计算结果

从计算结果可以看出，外部不可控的环境变量对LIEURL水平具有一定程度的影响。GDP、科技支出占GDP比重对LIEURL水平的影响显著，其P值＜0.05；交通运输支出、第三产业比重对LIEURL的影响不太显著，但也通过了10%显著性水平。因此，在测算我国各省区LIEURL时必须消除外部不可控的环境变量对效率水平的影响。

GDP与LIEURL显著正相关说明经济发展水平的提高能够有效地推动物流业效率提高；科技支出占GDP比重与LIEURL同样显著正相关，说明各省区科技水平对物流业效率有密切联系，科技水平的提高可以使资源得到充分利用，这样可以节约资源，有效地降低能源消耗量，减小对环境造成的影响，从而提高物流业效率水平；交通运输支出、第三产业比重显著性水平虽然没有GDP和科技支出占GDP比重显著性高，但也对LIEURL有一定影响。

根据计算结果，应将GDP、科技支出占GDP比重、交通运输支出和第三产业比重四个环境变量代入环境指标公式（5），使其转变成一个复合环境变量①。

（三）第三阶段测算结果

此阶段将第二阶段计算出的环境指数作为投入变量之一，重新调整投入产出变量进行SE-DEA分析，这样所计算出的效率值消除了环境因素对技术效率的影响，能更加准确地测算低碳约束下的物流业效率值。表2报告了第三阶段SE-DEA计算得到的各省区效率值。

表2　第三阶段各省区LIEURL值

我们用配对样本t检验来考察第一阶段测算LIEURL和第三阶段测算LIEURL是否有显著性差异，配对样本t检验统计量为：

其中d-为两配对样本差值的均值，μ1-μ2为两总体均值之差。检验结果t=-4.721，显著性概率0.000，检验结果表明第一阶段测算LIEURL值与第三阶段测算值有显著差异，这再次说明只有有效控制环境因素变量，使各决策单元处于相等的环境因素下，测算的低碳约束下的省际物流业效率才能真实准确反映各省区物流发展水平。

从整体上分析，全国调整后的超效率LIEURL平均值为0.952 9，已接近SE-DEA相对有效，其中东部地区效率平均值为1.155 8，中部地区效率平均值为0.917 5，西部地区效率平均值为0.775 7，东部地区效率最高，中部地区其次，西部地区最低。东部地区效率平均值达到了SE-DEA相对有效，中部地区效率平均值已接近SE-DEA相对有效，西部地区均效率平均值未达到相对有效。

从计算结果可以看出，我国LIEURL有效区域不仅存在于经济相对发达的地区，还存在于一些欠发达地区。其中贵州、宁夏都达到了SE-DEA相对有效，其LIEURL值分别为1.057 3、1.063 8。我国省际LIEURL差距依然很大，排名第一的省区是安徽，效率值为1.948 3，排名最后的省区是青海，效率值为0.352 6，前者效率值是后者的5.5倍。第三阶段SE-DEA相对有效的省区有11个，他们分别是安徽、上海、河北、天津、内蒙古、江苏、山东、湖南、河南、宁夏和贵州，其余的19个省区均未达到SE-DEA相对有效。

经过调整后的第三阶段LIEURL分布，与第一阶段相比，高效率地区增加为11个，分别为天津、河北、上海、江苏、山东、安徽、河南、湖南、内蒙古、贵州、宁夏，中效率地区保持不变仍为12个，分别为北京、辽宁、浙江、福建、广东、海南、山西、江西、广西、四川、陕西、甘肃，低效率地区减少为7个，分别为吉林、黑龙江、湖北、重庆、云南、青海、新疆。

湖南、四川、陕西的物流效率在剔除环境指数的影响之后大幅度提升，湖南由中效率水平上升到高效率水平；四川、陕西由低效率水平上升到中效率水平。本文中环境指数反映的是经济发展、政府支持、科技水平和产业结构的综合效能，说明这些外生环境因素拉低了上述省市低碳约束下的物流效率，改善外部发展环境，将有助于物流产业效率的提升。安徽、上海、河北、天津的物流效率始终排在全国前列，说明这些地区物流业资源配置合理，技术先进，经营效率水平较高。而新疆、云南、青海、吉林的效率水平与全国平均效率水平差距较大，意味着上述地区物流业管理效率较低，投入产出比例不佳，存在严重的投入冗余或产出不足，造成资源浪费现象，这部分浪费可通过引进专业人才、先进设备等提高生产技术和管理水平来遏制，同时实施规模效应也可以有效改善这些地区物流效率。这种地区间的物流水平差异不仅存在于个体间，也存在于区域间。东部地区率先实现效率有效，中部地区已经接近有效水平，西部地区距离有效还有较大差距，提升空间最大。地区间的物流水平差距过大，会阻碍我国物流整体规模经济的实现。因此，有效地区发挥带头作用带动无效地区实现区域内部和区域间平衡发展，做好物流业发展总体规划有助于平衡我国地区经济发展水平并提高全国经济运行质量。

五、结论与建议

本文同时考虑了经济产出与环境保护，从低碳约束角度出发，建立低碳约束下的我国省际物流业效率测评体系，同时运用Ruggiero三阶段超效率DEA方法消除环境因素对物流效率测算的影响，解决了传统DEA方法多个决策单元同时处于生产前沿面无法排序的问题。测算结果显示在Ruggiero三阶段超效率DEA方法分析中，第一阶段与第三阶段各省区的LIEURL值有显著差异，消除环境因素后全国21个省区LIEURL值有一定程度增加，高效率地区由7个增加为12个。低碳物流的发展需要相应理论的研究和实证分析验证，本文通过运用Ruggiero三阶段超效率DEA方法对低碳约束下我国省际物流业效率进行更为准确的分析，为改善我国物流业效率提供理论支持和决策参考。

为推进我国低碳物流的快速发展，本文提出以下建议：

（1）推广低碳物流理念，强化低碳物流意识。我国物流业基础设施建设水平和运输能力一直增加，物流业不断快速发展，但低碳物流业发展水平很低，物流业二氧化碳排放量不断增加。大多数企业经营者或消费者对低碳物流意识淡薄，没有足够重视，低碳物流理念只是一个口号，并没有切实落实执行。因此，政府应积极推广低碳物流理念，强化低碳物流意识。

（2）结合各区域、省区特点，制定差异化的减排措施。不同区域低碳约束下的物流业效率值差异很大，东部地区效率平均值达到了相对有效，中部地区已接近相对有效，西部地区相对无效，各区域内不同省区效率值也存在很大差异，因此，应结合各区域、省区特点，制定低碳物流业节能减排措施，有效提高物流业效率，促进区域物流业协调发展。

（3）调整能源消费比重，优化物流运输方式。能源消费分析中，物流业消费的能源主要包括煤炭、石油和天然气等，煤炭消费排放的二氧化碳量排名第一，比天然气消费多70%，因此，应调整能源消费比例，降低煤炭在能源消费中的比重；不同运输方式下，民航单位二氧化碳排放量最高，其次是公路，由此可见，在条件允许的情况下，应优化物流运输方式，积极采用铁路、水运等运输方式。

（4）科学规划物流节点，实现各节点低碳化发展。物流业各节点都会消耗能源产生碳排放，物流包装环节选择高排放的材料作为物流包装会增加碳排放；装卸搬运设备使用不合理，设备能耗增加，也会产生额外的碳排放；运输环节是整个物流活动碳排放的主要来源，不合理的运输方式和运输线路，增加了能源消耗量；配送中心选址不合理会增加运输路线的距离和次数。因此应科学合理地规划物流节点，减少节点中能源的浪费，实现各节点低碳化发展。

注释：

①限于篇幅，具体计算结果不再详细列出，读者如需要可向作者索取。

［1］林波峰.绿色物流及其发展策略［J］.经济管理，2007（20）：56-59.

［2］陶晶.低碳经济下的低碳物流探讨［J］.中国经贸导刊，2010（12）：72-72.

［3］王艳，李作聚.浅谈低碳物流的内涵与实现途径［J］.商业时代，2010（14）：32-33.

［4］中华人民共和国国家质量监督检验检疫局，中国国家标准化管理委员会.中华人民共和国标准物流术语（GB/ T18354-2006）［M］.北京：中国标准出版社，2007.

［5］王国文.低碳物流与绿色供应链：概念、流程与政策［J］.开放导报，2010（2）：37-40.

［6］任倩倩，吴艳芳.低碳时代的低碳物流措施［J］.物流工程与管理，2011，33（6）：11-13.

［7］范璐.低碳物流发展路径研究［J］.中国流通经济，2011 （8）：46-51.

［8］周叶，王道平，赵耀.中国省域物流作业的CO2排放量测评及低碳化对策研究［J］.中国人口·资源与环境，2011，21 （9）：81-87.

［9］张诚，张广胜.中部六省物流产业效率分析及政策建议［J］.江西社会科学，2013（2）：57-61.

［10］王琴梅，谭翠娥.对西安市物流效率及其影响因素的实证研究——基于DEA模型和Tobit回归模型的分析［J］.软科学，2013，27（5）：70-74.

［11］覃波.基于DEA模型的我国物流企业经营效率评价研究［D］.长沙：中南大学，2007.

［12］孙立成，周德群，李群.基于非径向超效率DEA聚类模型的FEEEP系统协调发展［J］.系统工程理论与实践，2009，29（7）：139-146.

［13］Allen R，Athanassopoulos A，Dyson R G，et al.Weights restrictions and value judgments in data envelopment analysis：Evolution development and future directions［J］.Annals of Operations Research，1997，73：13-34.

［14］Andersen P，Petersen N C.A Procedure for Ranking Efficient Units in Data Envelopment Analysis［J］.Management Science，1993，39（10）：1261-1264.

［15］李元静，王成璋.资源配置效率的比较分析——以我国区域高等教育资源为例［J］.软科学，2014，28（10）：22-26.

［16］刘国平，朱远.碳排放约束下的中国省域全要素福利绩效研究［J］.软科学，2014，28（8）：88-93.

［17］邱煜，葛智杰.基于三阶段DEA的文化类上市公司经营绩效评价研究［J］.成都理工大学学报：社会科学版，2013，21（2）：93-100.

［18］张家庭，张容.基于三阶段DEA模型的中国文化产业效率研究［J］.中国软科学，2009（9）：75-82.

［19］钟祖昌.基于三阶段DEA模型的中国物流产业技术效率研究［J］.财经研究，2010，36（9）：80-90.

［20］梁芹，陆静.基于三阶段DEA模型的中国寿险市场效率研究［J］.经济管理，2011（7）：149-155.

［21］董锋，刘晓燕，龙如银，等.基于三阶段DEA模型的我国碳排放效率分析［J］.运筹与管理，2014，23（4）：196-205.

［22］Ruggiero J.Non-discretionary inputs in data envelopment analysis［J］.European Journal of Operational Research，1998，111（3）：461-469.

［23］李涛，傅强.中国省际碳排放效率研究［J］.统计研究，2011，28（7）：62-71.

［24］李瑛，崔宇威.地方高校科技创新效率评价研究——基于超效率的三阶段DEA分析［J］.东北师大学报：哲学社会科学版，2011（2）：177-181.

［25］Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units［J］.European Journal of Operation Research，1978，2（6）：429-444.

［26］Banker R D，Charnes A，Cooper W W.Some models for estimating technical and scale inefficiencies in data development analysis［J］.Management Science，1984，30（9）：1078-1092.

［27］Zhang C H，Liu H Y，Bressersc H T A，et al.Productivity growth and environmental regulations-accounting for undesirable outputs：Analysis of china's thirty provincial regions using the malmquist-luenberger index［J］.Ecological Economics，2011，70（12）：2369-2379.

［责任编辑：程靖］

A Study on Interprovincial Logistics Industry Efficiency under the Restriction of Low Carbon in China

DONG Feng1，XU Xi-hui2，HAN Yu1
（1.School of Management，China University of Mining and Technology，Xuzhou 221116，China；2.Agriculture Bank of China，Ganquan Branch of Yan'an，Yan'an 716100，China）

Previous studies on logistics efficiency are based on the traditional DEA model，and carbon emissions from logistics industry have not been considered.In this paper，we introduced Ruggiero three-phrase approach and SE-DEA model to construct the estimation system of interprovincial logistics industry efficiency under the restriction of low carbon （LIEURL）in China.This method solves the problem that some provinces could not be sorted when the efficiency values calculated by traditional DEA model are all one.This approach also eliminates the impact of external environmental factors on measuring technical efficiency.The result shows that the value of LIEURL without environmental factors calculated in the third phrase has a significant difference with the value of LIEURL calculated in the first phrase.There are 11 provincial-level administrative areas with high efficiency of logistics industry including Tianjin，12 areas with middle efficiency including Beijing，and 7 areas with low efficiency including Jilin.The study also finds that the impact of exogenous environmental factors is significant to the logistics efficiency in the central and western regions，but this impact is weak to that in the eastern region.

restriction of low carbon；efficiency of logistics industry；DEA；Ruggiero three-phrase SE-DEA

F127；F252.2

A

1007-5097（2016）05-0086-06

2016-01-06

国家自然科学基金项目（71573254；41101569）；江苏省2014年“青蓝工程”中青年学术带头人人才项目；国家留学基金资助项目（201308320084）；中央高校基本科研业务费专项资金项目（2013W01）；江苏教育科学重点项目（B-b/2015/ 01/027）

董锋（1978-），男，安徽亳州人，副教授，管理学博士，研究方向：资源与环境政策；徐喜辉（1989-），男，陕西西安人，硕士，研究方向：低碳物流；韩宇（1989-），女，辽宁沈阳人，硕士研究生，研究方向：低碳经济。