长江经济带物流业环境效率与环境全要素生产率分析

程长明，陈学云

（滁州学院 经济与管理学院，安徽 滁州 239000）

0 引言

长江经济带作为横跨我国东、中、西部三大区域，覆盖11个省市，占地205万平方公里，人口和生产总值占据全国的40%以上，区域内物资流通频繁，要实现经济转型的支撑地位，需要优化物流业发展结构，提升物流效率。2014年9月，国务院印发《关于依托黄金水道推动长江经济带发展的指导意见》，明确提出优化物流资源，提高物流效率，降低物流成本，发展现代物流，构建生态文明建设的先行示范带。2016年交通运输部发布《关于推进供给侧结构性改革促进物流业“降本增效”的若干意见》更加强化物流供给侧改革，切实细化“降本增效”的具体措施。在切实提升物流效率水平基础上，需要注重长江经济带生态文明的建设，有效实现物流业经济、资源、环境三者协调发展。在此背景下，研究资源环境约束下的长江经济带物流业环境效率和环境全要素生产率具有重要的理论和现实意义。

1 研究模型与数据来源

1.1 超效率SBM模型

DEA是由Charnes等（1978）[1]提出并创建的非参数评估方法，其原理是依据数学规划确定的生产前沿面与各DMU（决策单元）投影的偏离程度核算效率得分，偏离程度越小代表越接近前沿水平，即效率水平越高。DEA对于判定要素间的相对有效性具有重要价值。但是物流业化石能源的使用，不可避免产生CO2等非期望产出，传统DEA模型难以有效处理非期望产出问题，Tone（2001）[2]提出考虑非期望产出的SBM模型，该模型为非径向的，可以有效处理非期望产出的冗余和松弛问题。考虑非期望产出的非经向、非角度SBM模型计算的效率有效时，其值为1，对于决策单元较多且有效的问题，难以通过直观效率水平进行对比和研究。基于此，Tone（2002）[3]定义超效率SBM模型，弥补不能对有效单元进行比较的缺陷。超效率SBM模型评价长江经济带物流效率时需要先进行SBM模型评价，对于SBM模型本文不再赘述，而对于效率值为1的决策单元再运用超效率SBM进行评价。

考虑长江经济带物流业发展水平、转型升级诉求和供给侧改革背景，注重效率水平提升和资源环境约束，对物流业环境效率进行测度和评价，假设长江经济带物流业效率评价中有n个DMUs，在实际运作过程中包含m个投入、r1个期望产出和r2个非期望产出三个投入产出要素。则向量形式为x∈Rm，yd∈Rr1，yu∈Rr2；X 、Yd和Yu表示三个要素的矩阵定义数据都是正数，本文定义长江经济带物流业的DMUk的DMU都是SBM有效的，综合考虑物流业运营过程中的碳排放因素，超效率SBM的模型如下：

1.2 ML生产率指数模型

超效率SBM模型可以对有效单元进行重新测度和排序，对于某一时期供给侧改革背景下长江经济带物流业环境效率水平的评价具有重要的意义。但是，该模型方法属于静态效率对比，缺乏跨期的效率变化分析，Chung等（1997）[4]提出同时处理“好”产出和“坏”产出的环境全要素生产率，可以进行动态的效率评价。基于此，构建ML指数模型，测度2004—2014年的物流业环境全要素生产率，以期与超效率SBM模型测度结果一起对长江经济带物流水平进行综合评价。将方向性距离函数运用到Malmquist指数，得出基于t期到t+1期技术的ML生产率指数为：

通过对物流业环境全要素生产率的进一步分解，根据式（2）可以分解为技术效率指数（EFFCHtt+1）和技术进步指数（TECHtt+1），具体表示为：

表明t+1期较t期的环境全要素生产率的变化情况，其值大于1，表明相较前期有进步，反之则效率出现了退步趋势；通过效率的分解，技术效率指数()则是表明产业技术效率的变化情况，其值大于1表明向前沿面迫近，反映技术落后者向先进者追赶的速度；而技术进步指数()表明的是产业技术进步或生产前沿面的移动，是产业技术水平外扩张的动态反映，其值大于1则是一定的投入下可以产出更多的期望产出和较少的非期望产出[5，6]。

1.3 变量选取和数据说明

在进行长江经济带物流效率的测度时，本文选取2004—2014年物流业投入产出数据[7]，结合相关研究文献，主要选取资本、劳动和能源消耗作为投入变量，以物流业总产值作为期望产出，以CO2排放量作为非期望产出。其中，资本投入采用各省份物流业固定资产净值年均余额[8]表示，单位为亿元；劳动投入使用年末从业人员来表示，单位为万人；能源消耗选择比例最大的7种主要能源消费量，并折算成标准煤炭消耗量，单位为万吨标准煤；期望产出选取物流业总产值，以统计年鉴中的2004年的物流GDP产值，乘以后续各年的第三产业GDP发展速度得出，单位为亿元；非期望产出选取CO2排放量，由于统计年鉴中没有相关数据，本文根据已有的文献成果的基础上，选取《2006年IPCC国家温室气体清单指南》中的碳排放计算方法，以物流业中的7种主要能源碳排放系数计算长江经济带各省份的物流碳排放数据。本文原始数据来源于相应年份的《中国统计年鉴》和《中国能源统计年鉴》。

长江经济带各省份的物流业投入产出变量的统计描述如表1所示。

表1 长江经济带物流业投入产出变量描述

2 计算结果与分析

2.1 长江经济带物流业环境效率分析

供给侧改革背景下，不但要求物流业实现效率提升，资源投入得以有效产出，而且需要实现供给结构合理有效，经济实现可持续增长。根据上述研究方法和数据，基于2004—2014年长江经济带各省份物流业投入产出数据，应用考虑非期望产出的非径向超效率SBM模型，测算2004—2014年期间长江经济带11个省份的物流业环境效率。同时，为了进一步探明资源环境的进一步影响程度和方向，对不考虑资源环境约束的长江经济带物流业效率进行测度和对比研究。计算过程选取MAXDEA软件进行测度，结果分别如下页表2、表3和图1所示。

图1 2004—2014年长江经济带平均物流业效率变化趋势

（1）长江经济带物流业总体环境效率分析

从图1的结果可以看出，2004—2014年，考虑资源环境约束的长江经济带物流业环境效率水平均低于不考虑资源环境约束的效率水平，2004—2014年长江经济带物流业效率均值为0.556，比考虑非期望产出的环境效率（0.463）提高了20.09%。可见，在长江经济带的物流业发展过程中出现了以牺牲环境为代价的粗放型增长，环境污染在一定程度上造成了效率的损失。从长江经济带物流环境效率的变动趋势来看，总体类似“U”型变化趋势，2009年作为物流业效率的拐点，由之前的下降趋势转变为上升趋势，其原因在于我国逐步重视低碳经济的发展，尤其是“十一五”时期积极的节能减排措施，开展新能源汽车示范试点、完善老旧车报废政策等，对于物流业的提质增效具有重要意义，在政策的带动之下，物流环境效率逐年提升，于2013年达到最高点。

（2）长江经济带省际物流业环境效率分析

表2的结果显示，长江下游的物流环境效率（0.575）水平最高，其次是中游物流业环境效率（0.497），环境效率值最低的是长江上游（0.366），长江上、中、下游的物流环境效率差异较大。长江中下游地区地理位置、政策环境优越，经济水平和技术水平处于较高地位，伴随物流业需求量和需求质量的不断提升，运用技术研究实现产业低碳化和高效化，在长江经济带成为效率的领先地位。而对于长江上游地区受到区位因素、政策环境和技术手段的限制，物流业发展过程中较多依赖资源消耗型粗放式的发展模式，物流总量呈现不断上升，但是总体效率较低。因此，考虑到区域环境和物流水平的差异性，应当采用差异化的措施，积极发挥产业转移和融合，提升优势产业和技术向较落后地区传递，从根本上改变产业发展模式，实现供给侧角度的发展创新。

从省际角度来看，上海在2011—2014年、江苏在2010—2012年、江西在2013—2014年物流环境效率值均大于1，表明物流资源利用和污染排放可以合理控制。总体而言，江苏和江西物流环境效率均值大于0.6，发展相对较好；安徽、上海、贵州和浙江物流环境效率均值位于0.5～0.6之间，具有一定的提升空间，尤其是上海在2010年以后增长势头显著；其他省份环境效率水平较为一般，除湖南省效率均值大于长江经济带物流效率均值，其他均在均值线以下，与其他省份差距较大，且主要分布长江上游，可见转变发展模式迫在眉睫。

综合比较表2和表3，长江经济带的环境效率值比技术效率值要低，平均的差值为0.093。同时，资源环境的约束对于长江经济带物流效率的影响程度是有差异的，长江下游的物流环境效率值比技术效率低了0.150，中游为0.100，而上游为0.059。虽然长江经济带中上游的物流环境效率较高，但是从其与技术效率的差异性对比来看，应该要重视物流产业发展中的环境保护问题，尤其是长江下游的物流产业，在供给侧结构性改革发展背景下，更需要转变发展模式，实现要素资源最优化配置。

表2 考虑资源环境约束的2004—2014年长江经济带物流业环境效率测度结果

表3 不考虑资源环境约束的2004—2014年长江经济带物流业效率测度结果

2.2 长江经济带物流业环境全要素生产率分析

根据公式（2）至公式（5），运用MAXDEA软件对长江经济带环境全要素生产率及其分解指数进行测度，可以得出区域及省市的动态效率水平，具体结果见表4、下页表5和图2、图3、图4。

表4 2004—2014年长江经济带平均环境全要素生产率增长统计

（1）长江经济带总体物流业环境全要素生产率分析

从表4中的EFFCH指数来看，在2004—2014年期间，考虑资源环境约束的长江经济带物流业技术效率指数超过1，说明长江经济带的物流业技术效率有所改善；从不同流域的效率来看，长江下游和中游的物流业技术效率指数分别为1.062和1.016，均超过1，表明其改进效果较好；而长江上游技术效率指数尚未达到1，还有待进一步改善。未来，长江上游应该逐渐追赶技术领先者，逐步缩短差距，从而实现长江经济带整体物流业水平的提升。

从表4中的TECH指数来看，在2004—2014年期间，考虑资源环境约束的长江经济带物流业技术进步指数大于1，表明长江经济带物流业技术改进效果较好；从不同流域的效率来看，长江下游的物流业技术进步指数超过1，而长江中上游的物流业技术进步指数均小于1，尤其是长江上游，表明长江中上游的物流业在技术改进过程中应当将环境因素纳入其重要的一环，同时考虑到长江经济带的产业协同发展，长江下游的先进技术应当向中下游转移，起到带动和促进作用。

图2 2004—2014年长江经济带物流业ML生产率指数变动趋势

图3 2004—2014年长江经济带物流业EFFCH指数变动趋势

图4 2004-2014年长江经济带物流业TECH指数变动趋势

表5 2004—2014年长江经济带省际环境全要素生产率增长统计

从表4中的ML生产率指数来看，样本期内长江经济带物流业环境全要素生产率平均增长率为1.7%，呈现增长趋势，其中技术效率指数贡献程度较高，平均增长率为1.5%，成为物流业环境全要生产率的主要贡献力量，而技术进步指数虽然也有所增长，但是平均增长只有0.2%，未来还需要进一步提升产业技术边界。就具体流域结果而言，长江上游物流业ML生产率指数呈现下降，中下游物流业ML生产率指数呈现上升趋势，这主要受到生产技术的限制。长江下游由于经济较为发达，产业水平和技术水平相对较高，为物流业的资源利用和发掘提供支撑，而长江中上游技术进步指数较低，生产模式较多地依赖资源的投入，造成资源的过度利用和环境的破坏，对于物流业的技术水平研发和推广将是未来物流业污染治理的重点，尤其是长江中上游区域。

从图2中可以看出，长江经济带的物流业ML生产率指数位于0.897～1.226之间，长江下游的物流业环境全要素生产率指数相对较高，但是在2011—2014年较其他流域的优势逐步缩小，表明长江下游在物流业快速发展中要注重环境的保护问题，尤其从供给侧角度实现资源的优化配置。同时，长江经济带发展过程中要充分区间优劣互补，在政策制定和产业发展中对长江上游给予支持，加速推进其追赶速度。

从图3中可以看出，长江经济带的物流业EFFCH指数增长率变动位于0.891～1.136之间，2008年之前各流域物流技术效率指数变化幅度较小，而2008年以后出现较大幅度的波动，尤其是长江中下游流域。从图中的分析结果可以看出，目前长江经济带物流业技术效率指数相对表现较好，长江中上游物流业技术效率指数要比长江下游要低，但是，伴随经济带的规划和实施，给落后地区带来新的发展机遇，近年来中上游地区技术效率指数出现不同程度的上升。值得关注的是，与ML生产率指数相比，在2005—2006年物流业技术效率指数均呈现下降，表明技术进步指数的提升效应一部分被技术效率的下降所削弱。

从图4中可以得出，长江经济带的物流业TECH指数增长率变动位于0.831～1.104之间。除了2012—2013年之外，长江经济带及各流域的物流业技术进步指数变化趋于同步，长江下游的物流业技术进步指数由超越（2004—2008年）到落后（2008—2012年）到超越（2012—2014年）的过程。从具体效率值来看，2004—2005年、2008—2010年、2012—2013年（除长江下游）这三个时间段物流业技术进步指数小于1，其他时间段均大于1，但是总体波动性较大。由此可以看出，长江经济带物流业的发展需要从供给侧角度发力，以技术进步带动产业效率发展，发挥资源的有效配置，提升产业活力。

（2）长江经济带省际物流业环境全要生产率分析

从表5中可以看出，长江上游所有省市物流业环境全要素生产率均小于1，重庆、四川、贵州和云南分别下降2.4%、1.8%、5.0%和7.0%，而长江下游的所有省市和长江中游的绝大部分省市（除了滁州下降4.3%）均大于1，其中上海的物流业环境全要素生产率增长最高，为17.1%，其次是江苏省（10.2%），而长江中游的湖南省物流业环境全要素生产率最低，为1.0%；其中，长江下游的物流业技术效率指数和技术进步指数保持一致，均大于1，意味着其物流业经济发展和技术进步具有较强的同步性，在产业过程中不仅仅依赖资源的投入，也关注供给侧角度的技术带动作用；而其他省市均表现为技术效率指数与技术进步指数的不同步性，其技术效率指数均大于1，表明长江中游主要省市在发展的过程中没有发挥技术的内在推动作用，没有实现供给侧的资源有效利用，技术研发和技术引进还需要进一步改善，充分发挥物流业资源结构优化和技术改革，实现物流业的供给侧改革，提升总体效率水平。对于安徽、重庆等物流业环境全要素生产率小于1的省市而言，安徽、四川和云南主要受到技术效率的降低所导致的。综上所述，针对长江经济带物流业的效率发展情况，需要以供给侧角度出发，实现经济与资源环境的同步，保证技术效率和技术进步效率同步开展，积极推行长江下游地区产业向中上游融合，发挥技术引领和区域协同作用。

（3）资源环境约束对生产率的影响差异性

针对供给侧改革对可持续发展的要求，探究资源环境对于长江经济带物流业全要素生产率的影响，结合环境效率的研究思路，对不考虑资源环境的全要素生产率进行测度，并进行对比研究。根据表6可以看出，长江经济带总体及上游和中游物流业环境全要素生产率比其全要素生产率要低，差值分别是-0.006、-0.037和-0.010；而长江经济带下游物流业环境全要素生产率比其全要素生产率要高，其差值达到0.048。因此，需要重视长江经济带物流业的资源约束和环境保护问题，尤其要关注长江中上游的物流业资源、环境问题，着力从技术进步角度实现效率的突破。

表6 长江经济带物流业ML指数和M指数统计

从省际角度的差异来看，考虑资源环境约束后，上海、江苏、浙江、湖北、湖南和四川的物流业的全要素生产率提高，表明这些省市物流业的发展在资源配置和环境保护方面做的较好。而其他省市物流业在考虑资源环境约束后其全要素生产率均出现一定的下降，究其原因，安徽和云南主要受到技术效率指数的限制，江西、重庆和贵州主要受到技术进步指数的限制，未来，针对效率不足地区，还需要“对症下药”，积极探索精准的要素配置，提升供给的有效性。

3 结论

供给侧结构性改革背景下，长江经济带物流业效率的水平反映产业资源配置情况，尤其在资源环境约束下的效率水平对判断投入结构、供给效率、要素资源优化配置是否合理具有重要价值。因此，本文运用超效率SBM和ML模型方法，以动静结合的方式，对长江经济带物流业环境效率和环境全要素生产率进行研究。主要可以得出以下结论：

（1）长江经济带物流业环境效率变动趋势总体类似于“U”型，2004—2014年其效率总体比不考虑非期望产出的效率低20.09%。长江经济带物流业环境效率在2009年处于最低谷，伴随节能减排措施、低碳经济的逐渐重视等，环境效率随后不断提升，并在2013年达到最高峰。按照不同流域的环境效率分析，长江下游的物流业环境效率最高，其次是中游和下游，物流业环境效率的差异性与各流域经济环境、产业技术水平和政策支持等相关。在供给侧结构性改革背景发展背景下，需要重视长江中下游的产业模式转型，更加重视投入结构合理性和资源的有效配置问题。

（2）考虑资源环境约束的长江经济带物流业ML生产率指数、EFFCH指数和TECH指数均大于1，长江中上游除了中游TECH指数未超过1，其他指数均超过1，而长江下游三个指标均未超过1。考虑资源环境的约束力，长江上游的ML生产率指数比M生产率指数要高，而长江经济带总体和中下游ML生产率指数均较低。就省际生产率指数而言，除了长江中游的安徽省和长江下游所有省份物流业环境全要素生产率出现下降，其他省份均呈现增长态势。从长江经济带流域和省际环境全要素生产率来看，长江中下游需要着力从供给侧角度进行改革，提升全要素生产率水平，尤其是考虑资源环境下的效率提升，增强产业的内在增长力。