碳约束下冷链物流效率及其收敛性研究——以生鲜农产品为例

原雅坤，陈久梅, ，但 斌

（1.重庆工商大学管理科学与工程学院，重庆 400067；2.重庆市特色农产品加工储运工程技术研究中心，重庆 400067；3.重庆大学经济与工商管理学院，重庆 400044）

随着我国经济的快速发展，人们生活水平逐渐提高，对食品新鲜度也愈加重视，生鲜农产品市场需求急速增长，冷链物流因此得到快速发展。《2018年中国冷链物流发展报告》数据显示，2017年我国冷链物流需求总量达14 750万t，较2016年同比增长18%，预计未来5年冷链物流需求仍将保持快速增长［1］。但我国冷链物流存在专业化水平低、成本高、运作效率偏低等问题，造成大量的资源浪费；此外，为保证生鲜农产品的新鲜度，冷链物流在制冷过程中消耗大量能源，因此，随着生鲜农产品市场的扩大，冷链物流必将对环境产生更大的负面影响。而党的十八大以来，党中央多次强调生态文明建设，绿色发展成为我国经济发展的基本理念。由此可见，欲加快生态文明体制改革步伐，在约束碳排放的条件下发展生鲜农产品冷链物流是必然趋势；在碳约束下测算生鲜农产品冷链物流效率、判断其空间收敛性，对判断当前我国生鲜农产品冷链物流行业发展水平，并为生鲜农产品冷链物流未来发展指明方向具有重要意义。

1 文献综述

近年来有关生鲜农产品冷链物流的研究成为热点，研究成果颇丰，学者们从不同方面对生鲜农产品冷链物流展开了研究，如，杨路明等［2］总结了生鲜农产品冷链物流断链的成因；Li等［3］针对生鲜农产品冷链物流产品质量控制问题设计了基于射频识别（RFID）技术的质量追溯系统；汪旭晖等［4］针对生鲜农产品冷链物流体系建设问题构建了基于物联网的生鲜农产品冷链物流体系，并分析了其运行机理；丁秋雷等［5］针对运输中的突发性事件构建了生鲜农产品冷链物流的干扰管理模型，并设计了改进蚁群算法求解；张文峰等［6］针对生鲜农产品冷链物流网络网点布局和运输配送问题，提出了以成本最小化为优化目标的非线性混合整数规划模型，并用量子粒子群算法求解；康凯等［7］针对生鲜农产品冷链物流路径优化问题，构建了考虑碳排放的路径优化模型，并设计了改进蚁群算法求解。

随着对生鲜农产品冷链物流的深入研究，一些学者尝试对生鲜农产品冷链物流效率进行研究，如，胡滢［8］从绿色供应链角度对我国生鲜农产品冷链物流效率进行研究，发现我国生鲜农产品冷链物流的运输损耗率较高；孙健［9］利用两阶段网络DEA及Tobit模型测算了我国东北地区生鲜农产品冷链物流效率及其影响因素，结果显示效率值最高的行业是乳制品冷链物流，效率值最低的是渔类产品冷链物流，指出合作意愿对物流效率提升产生显著影响；张旭［10］利用三阶段DEA对广东省生鲜农产品冷链物流效率进行了评价，结果显示，2012—2015年广东省生鲜农产品冷链物流技术效率逐年上升，但整体水平偏低。当前尚未有相关文献对碳约束下生鲜农产品冷链物流效率进行研究，而在生鲜农产品冷链物流运作过程中，制冷需求不仅消耗大量能源也排放大量的CO2，加速全球变暖进程，因此，有必要在约束碳排放的条件下对生鲜农产品冷链物流效率加以研究。

通过以上分析可知，关于生鲜农产品冷链物流的研究虽取得丰富成果，但仍存在以下不足：其一，国内外学者主要以断链、产品质量追溯、物流体系构建等作为切入点，对生鲜农产品冷链物流系统展开研究，但对生鲜农产品冷链物流效率的研究较少；其二，罕有文献在碳约束下对生鲜农产品冷链物流效率进行研究，文献［5］在考虑碳排放的基础上针对生鲜农产品冷链物流路径优化问题进行研究，并未探究生鲜农产品冷链物流效率，而文献［8］至文献［10］仅对生鲜农产品冷链物流效率进行研究，三者均未在约束碳排放情况下对生鲜农产品冷链物流进行研究；其三，现有文献对生鲜农产品冷链物流效率省际差异收敛性的深入分析有所欠缺，文献［9］在分析我国东北地区生鲜农产品物流效率的基础上对影响效率的因素进行了分析，并未对东北地区生鲜农产品物流效率省际差异的收敛性进行探索。因此，本文在已有文献基础上，采用三阶段数据包络分析（DEA）方法，对碳约束下长江经济带11个省市生鲜农产品冷链物流效率进行测算，同时利用σ收敛和β收敛对其省际差异的空间收敛性进行分析，最后根据实证结果对长江经济带生鲜农产品冷链物流发展提出政策建议。

2 研究方法与数据来源

2.1 三阶段DEA模型

三阶段DEA是Fried等［11］于2002年提出的一种计算决策单元效率方法。其基本思路为：第一阶段，利用传统DEA模型求得各决策变量的效率值与投入差额值；第二阶段，利用随机前沿分析模型（SFA）调整各决策单元的投入量，以排除环境和误差因素对效率值的影响；第三阶段，采用调整后的投入量与初始产出量，再次利用DEA模型，得出剔除环境因素与随机误差影响的纯管理效率值。

2.2 收敛性分析模型

本研究为了进一步考察长江经济带生鲜农产品冷链物流省际差异的演变趋势，参考文献［12］，从σ收敛和β收敛两个层面对其加以检验。其中，σ收敛是基于样本研究期末效率水平的描述，β收敛则是针对样本观察期内效率增量而言。

（1）σ收敛。σ收敛是指不同地区生鲜农产品冷链物流效率差距随时间变化呈现下降态势。本文参考文献［13］采用标准差衡量σ收敛，计算公式如下：

式（1）中：σt为t年时样本区域农产品冷链物流综合技术效率的标准差；TEi,t为i地区t年生鲜农产品冷链物流的综合技术效率。若σt值随着年份t增大而减小，则表明该区域内具有σ收敛。

（2）β收敛。β收敛可分为绝对β收敛和条件β收敛。其中，绝对β收敛是指在不考虑外在影响因素的条件下，各地区生鲜农产品冷链物流效率的增长速度与其初始效率水平呈负相关。本文基于三阶段DEA得出的数据，参考文献［13］构建绝对β收敛模型为：

式（2）中：t和T分别为样本研究期初和期末；α、β、ε分别为常数项、收敛系数和随机误差项；其他参数含义同上。若β显著大于1，则表明该样本区域内生鲜农产品冷链物流效率发展处于收敛状态；反之，则处于发散状态。

条件β收敛是指在考虑外在影响因素的条件下，生鲜农产品冷链物流效率较低地区与效率较高地区之间存在赶超趋势，并随着时间推移逐步趋于稳定。参考文献［14］构建条件β收敛模型为：

2.3 指标选取与数据来源

三阶段DEA评价指标由投入变量、产出变量和外部环境变量构成。根据柯布-道格拉斯生产函数的思想，生产过程中的投入主要包括劳动投入、资本投入和技术水平，由于技术水平难以量化，因此本文在选取投入变量时主要考虑劳动和资本的投入。综合分析已有文献并结合本文研究内容，碳约束下生鲜农产品冷链物流效率评价指标选取情况如表1所示。以长江经济带11省市2012—2017年的数据为样本分析生鲜农产品冷链物流效率，基础数据来源于《中国统计年鉴》《中国人口和就业统计年鉴》《中国能源统计年鉴》以及各省市历年统计年鉴以及国家统计局网站，并进行必要整理与计算。

（1）投入变量。

1）冷链物流作为一个高耗能行业，能源费用在资本投入中占据很大比例，所以在已有文献中能源消耗量是反映资本投入的重要指标，但是，在计算考虑碳约束下生鲜农产品冷链物流效率时，能源消耗量与碳排放量存在线性关系，此外，碳排放量作为衡量物流运作中污染物排放的指标，社会希望它尽可能少，符合DEA选取投入指标的标准，因此，参考文献［15］采用碳排放量作为反映能源方面资本投入的指标。

2）在农产品冷链物流中，不仅从业人员数是反映劳动力投入的主要因素，劳动力质量也是影响生鲜农产品冷链物流顺畅运转的关键因素，因此本文选取人力资本作为劳动投入指标。为了更准确地表征生鲜农产品冷链物流中固定资产投入量，参考文献［16］选取固定资产投资存量作为反映资本投入指标。

3）鉴于在现有统计标准下无法获取物流业的具体数据，参考国内其他学者研究中的做法，选用交通运输、仓储及邮政业有关数据来界定物流业［16］。由于本文研究生鲜农产品冷链物流效率，考虑到数据准确性，对投入变量分别乘以生鲜冷链产品货运量占总货运量的比值，以此表示生鲜农产品冷链物流运作中实际劳动与资本投入。

（2）产出变量。由于缺少生鲜农产品冷链物流的相关数据，本文结合《中国冷链物流发展报告》中对农产品冷链产品的统计标准，将各地区肉类、禽蛋、水产品、蔬菜、水果、牛奶、茶叶产量之和作为冷链生鲜农产品货运量［1］，从而更加准确反映农产品冷链物流系统的实际产出。

（3）外部环境变量。外部环境变量应选取对生鲜农产品冷链物流效率产生影响但又不在样本可控范围内的因素，例如地区发展水平、政府对交通运输的支持力度等。一个地区经济发展水平对该地区农产品冷链物流业发展有着较为显著的影响，地区生产总值（GDP）作为反映地区经济发展的重要指标，在选取外部环境变量时应优先考虑。此外，政府对交通运输的大力支持也是农产品冷链物流快速发展的原因之一，本文选择地方财政交通运输支出占地方财政一般预算支出的比例来衡量政府对交通运输的支持力度。

表1 生鲜农产品冷链物流效率评价指标选取

3 实证分析

在进行实证分析时，首先，需要对数据的同向性进行检验，验证指标选取是否符合使用DEA模型测度效率的前提条件；其次，利用三阶段DEA模型对长江经济带生鲜农产品冷链物流效率进行计算；最后，利用σ收敛、β收敛模型对长江经济带生鲜农产品冷链物流效率省际差异的收敛性进行检验。

3.1 同向性检验

使用DEA测度效率时，投入与产出必须满足同向性要求，即投入增加必然导致产出增加。本文选用皮尔逊相关系数对变量的同向性进行检验［17］。利用SPSS 20.0软件分析变量相关系数，结果见表2，可知每年各投入变量与产出变量均在10%显著性水平下呈正相关关系，投入与产出变量满足同向性要求。其中，2014年X3与Y的皮尔逊相关系数为0.390，为弱相关；2015年和2016年X3与Y的皮尔逊相关系数在0.4～0.6之间，为中等强度相关；其他投入变量与Y的皮尔逊相关系数均大于0.6，为强相关。因此，可以推断根据本文收集的数据具有同向性，满足使用DEA模型测度效率的前提条件。

表2 长江经济带生鲜农产品冷链物流系统中投入产出变量的皮尔逊相关系数

3.2 三阶段DEA处理结果

3.2.1 第一阶段BCC模型实证结果

运用DEAP 2.1软件计算长江经济带11个省市生鲜农产品冷链物流效率，结果包括综合技术效率（TE）、纯技术效率（PTE）和规模效率（SE）。以年为单位，对长江经济带11省市生鲜农产品物流效率求平均值，结果详见图1所示。

由图1可知，在不考虑随机误差以及外部环境影响情况下，长江经济带生鲜农产品冷链物流综合技术效率平均值在0.353～0.474之间，整体偏低，纯技术效率平均值呈波动下降趋势，规模效率平均值随时间呈波动增长趋势，其中2017年相较于2012年，综合技术效率与规模效率分别提高了0.040、0.107，而纯技术效率降低0.027，表明起综合技术效率平均值提高的主要原因是规模技术效率提高。此外，连续6年规模效率平均值均小于纯技术效率平均值，这表明虽然近几年规模效率逐步提高，但规模效率较低仍是制约综合技术效率提高的主要原因。

图1 长江经济带生鲜农产品冷链物流效率平均值

3.2.2 第二阶段SFA回归结果

以第一阶段中得到的投入变量松弛量为因变量，以地区生产总值（Z1）、政府支持力度（Z2）两个外部环境变量为自变量，运用Frontier4.1软件进行SFA模型分析，结果见表3所示。

由表3可知，尽管存在环境变量与个别投入变量回归系数不显著的情况，但从LR检验值可知，除2017年的X3松弛量外，其他投入变量松弛量均通过了10%显著性水平下的似然比检验，说明环境变量对投入变量冗余存在显著性影响；γ值均高于0.9，并达到1%的显著性水平，说明管理因素对各投入变量冗余的影响占主导地位，随机因素次之。因此，仅仅使用DEA模型计算农产品冷链物流效率存在偏差，有必要利用SFA模型分离外部环境因素与随机因素对效率造成的影响。首先，从Z1的回归系数来看，若回归系数小于0，则表示地区发展水平越高越有利于降低投入变量冗余，提高生鲜农产品冷链物流效率；反之，表示地区发展水平的提高反而增大投入变量冗余量，降低生鲜农产品冷链物流效率。由表3可知，地区生产总值与3种投入变量的系数偏小且显著性较差，但总体来看与投入变量松弛量呈负相关关系，即地区经济发展水平越高越有利于降低资源浪费，提高生鲜农产品冷链物流效率。其次，从Z2的系数来看，该变量与3种投入变量松弛量系数均为负，这表明政府支持力度的加大会导致投入变量冗余减少，有利于实现生鲜农产品冷链物流行业的规模效率；政府对交通运输业支持力度较大的地区，整个物流行业发展更好，更有利于生鲜农产品冷链物流的长足发展。

表3 长江经济带生鲜农产品冷链物流效率测算第二阶段SFA回归结果

3.2.3 第三阶段BCC模型实证结果

根据式（1）对投入变量进行调整，再次使用DEAP 2.1软件，以调整后的投入变量和原产出变量为依据测算农产品冷链物流效率，计算结果见表4所示。

由表4可知，去除外部环境及随机因素影响后，对比各省市的3项效率值可以发现省际生鲜农产品冷链物流效率差异较大：2012年综合技术效率最大与最小值之间的差距为0.818。其中，安徽3项效率值均为1.000，达到强DEA有效，处于技术效率前沿面；上海虽纯技术效率为1.000，但规模效率偏低致使其综合技术效率仅为0.165，在11个省市中效率值最小，这是由于上海市生鲜农产品主要依靠周边省份输送，使用生鲜农产品产量作为货运量导致生鲜农产品冷链物流的实际货运量被低估，因此上海市规模效率较低。随后几年，省际生鲜农产品冷链物流综合技术效率最大与最小值之间的差距波动不大，均在0.846左右徘徊。虽然长江经济带各省市综合技术效率极差并趋于稳定，但除安徽外其他省市的综合技术效率均在逐年变化，所以2012年以来长江经济带11个省市的农产品冷链物流效率差异是否存在收敛有待进一步验证。在样本观察期内，长江经济带生鲜农产品冷链物流的综合效率均值为0.461，纯技术效率均值为0.745，规模效率均值为0.621。由此可见，造成长江经济带生鲜农产品冷链物流综合效率偏低的主要原因是规模效率偏低，这与文献［18］中长江经济带整体物流业3项效率值间的关系相一致。

表4 长江经济带11省市生鲜农产品冷链物流效率

为进一步对比分析投入变量调整前后长江经济带生鲜农产品冷链物流效率的变化情况，以年为单位分别计算调整前后长江经济带11个省市的效率平均值，绘制对比图如图2所示。

由图2可知，剔除外部环境和随机误差因素的影响后，长江经济带各年份生鲜农产品冷链物流效率平均值有明显变化，总体来看，2012—2016年调整后的综合技术效率均有所提升：2012年综合技术效率提升幅度最小，为3.69%；2014年综合技术效率提升幅度最大，为37.68%；而2017年综合技术效率调整后相比调整前下降了7.88%。调整后纯技术效率在2014年有所上升，其他年份均相较调整前有所下降，每年平均降低5.18%。自2012—2017年，调整后的规模效率与调整前相比均有所进步：2014年规模效率相比调整前增加0.107，提升幅度达20.66%，增幅最大；而2017年规模效率相比调整前增加0.035，提升幅度为5.20%，增幅最小。由此可见，调整后综合技术效率的提升主要是因为规模效率的提升，这表明外部环境与随机误差因素制约了纯技术效率提升，却对规模效率提升具有积极作用。

图2 长江经济带生鲜农产品冷链物流效率平均值调整前后对比

3.3 收敛性分析

3.3.1 长江经济带生鲜农产品冷链物流效率的σ收敛性分析

本文采用标准差作为σ收敛的检验方法，对长江经济带整体及其上中下游各省市农产品冷链物流综合技术效率差异的收敛性进行评判，结果见图3所示。

由图3可知，虽然在2014、2016年整体物流效率的σ值相较于前一年出现上升，但没有改变长江经济带各省市生鲜农产品冷链物流效率σ值在样本期内的下降趋势，即各省市间生鲜农产品冷链物流效率差异呈收敛状态。在此，将长江经济带分为上游、中游、下游3个区域，进一步分析引起σ值波动上升的具体区域。参考文献［19］，上游地区界定为云南、贵州、四川和重庆；中游地区界定为湖北、湖南、江西和安徽；下游地区界定为江苏、浙江和上海。在2012—2016年间，上游地区的σ值逐年增加，从0.101上升到0.213，这说明上游地区各省市效率差异在这期间呈发散状态；到了2017年，上游地区的σ值下降为0.085，这表明随着省际贸易往来的加深，长江上游4个省市的生鲜农产品冷链物流发展相互影响，效率差异开始减小。而中游地区，各省间生鲜农产品冷链物流效率σ值从0.292下降至0.276，在样本观测期内呈现收敛趋势，这说明中，4省生鲜农产品冷链物流发展呈现均衡发展态势，省际差异逐步缩小。下游地区σ值升降趋势同长江经济带整体一致。由此可以推断，中游及下游地区是引起长江经济带整体生鲜农产品冷链物流效率收敛的主要地区。

图3 长江经济带生鲜农产品冷链物流效率各年份σ值

3.3.2 长江经济带生鲜农产品冷链物流效率的β收敛性分析

σ收敛性分析仅从当前效率分析了长江经济带各区域效率差异的收敛性，为进一步分析省域效率差异的演进趋势，需要采用β收敛进行检验。从2012—2017年，长江经济带生鲜农产品冷链物流效率的绝对β收敛结果如表5所示。

由表5可知：从长江经济带整体层面上来看，β收敛系数显著小于1，具有明显绝对β收敛特征，即农产品冷链物流效率水平相对较低的地区加快赶超效率水平相对较高的地区；从三大区域来看，中游与下游地区β收敛系数在5%的显著性水平下小于1，具有明显绝对β收敛特征，而上游地区虽显著性较差，但β收敛系数仍远小于1，这表明长江经济带上游地区农产品冷链物流效率的省际差异无明显扩大或缩小，因此，在不考虑外在因素条件下，中游及下游地区呈绝对β收敛，是引起长江经济带整体呈β收敛的主要原因。

表5 2012—2017年长江经济带生鲜农产品冷链物流效率绝对β收敛结果

参考已有文献，本文引入产业结构（Industry）、物流专业化水平（Specialization）作为控制变量，检验长江经济带生鲜农产品冷链物流效率的条件β收敛特征。其中，产业结构采用第三产业占GDP的比重来衡量，通常来说产业结构优化升级可以加快物流业生产要素集聚，进而导致农产品冷链物流效率的提升；物流专业化水平以物流业产值占GDP的比重来衡量，物流专业化水平的提高可以降低农产品冷链物流的运作成本，促进效率提升。2012—2017年长江经济带整体和上中下游3个区域生鲜农产品冷链物流效率的条件β收敛结果如表6所示。

由表6可知，无论从长江经济带整体角度还是三大区域角度来看，条件β收敛系数值均小于0，并通过了1%显著性水平检验，这表明，长江经济带生鲜农产品冷链物流效率的省际差异呈现显著条件β收敛特征，即长江经济带11个省市生鲜农产品冷链物流效率差异正在缩小，并逐步趋于稳态；通过比较β收敛系数的绝对值可以发现，长江经济带中游及下游地区省际差异缩小速度明显快于上游地区，其中收敛速度最快的是下游地区，其次是中游地区。在未来短期内，长江经济带生鲜农产品冷链物流效率省际差异仍将明显存在。此外，各控制变量在整体和各大区域的实证结果不完全相同。其中，产业结构系数在整体及中游地区存在显著正相关关系，这说明调整产业结构对缩小长江经济带整体及中游4省生鲜农产品冷链物流效率差异有明显促进作用；物流专业化水平系数在下游地区显著为负，而在上游及中游地区没有通过显著性检验，这说明提高物流专业化程度对缩小整体及上中游地区生鲜农产品冷链物流效率省际差异无显著促进作用，但显著促进下游地区省际效率的收敛。

表6 2012—2017年长江经济带生鲜农产品冷链物流效率条件β收敛结果

表6（续）

4 结论与建议

本文运用三阶段DEA模型测算了碳约束下长江经济带生鲜农产品冷链物流效率，并利用σ收敛及β收敛模型对其省际差异的收敛性进行分析。主要结论有：其一，长江经济带生鲜农产品冷链物流效率整体偏低，规模效率较低是制约综合技术效率提升的主要原因。其二，碳约束下长江经济带生鲜农产品冷链物流效率逐年提升，规模效率提升是导致综合技术效率提高的主要因素。其三，σ收敛模型测算结果表明，样本期内长江经济带生鲜农产品冷链物流省际差异处于收敛状态，引起省际差异逐渐缩小的主要原因是中游及下游地区生鲜农产品冷链物流发展水平省际差异逐渐缩小。其四，β收敛模型的测算结果显示，样本期内长江经济带生鲜农产品冷链物流省际差异处于收敛状态：绝对β收敛模型结果显示引起收敛的主要区域是长江经济带上游及中游地区；条件β收敛模型结果显示，无论是长江经济带整体还是三大区域均呈现显著的条件β收敛特征，产业结构调整对缩小长江经济带生鲜农产品冷链物流效率差异有明显促进作用。

结合以上研究结论，本文提出以下几点建议：

第一，加强低碳冷链物流基础设施建设，促进低碳冷链物流健康稳步发展。加强国际合作，学习发达国家先进的碳排放控制技术，引进节能设施设备，做到生鲜农产品冷链物流运作中低耗能、低排碳、低污染；同时大力开发风能、水能、潮汐能、太阳能等清洁能源的收集与储存技术，增加清洁能源在冷链物流能源消耗中的比重。除此之外，冷链物流企业应加强员工的环保教育，提高员工的低碳环保意识，全民推进低碳冷链物流的健康稳步发展。

第二，提升信息技术的应用水平，增强冷链物流各环节的协调性。大力扶持龙头企业研发符合农产品冷链物流运作方式的信息管理系统；鼓励农产品冷链物流企业积极引进现代化信息技术，加强各环节的互联互通，缩短信息处理时间，增强农产品冷链物流运作中的组织协调性，降低断链风险；并给予农产品冷链物流企业财政补贴、减少税收等优惠政策，降低冷链物流运作成本，提高农产品冷链物流规模效率。

第三，长江经济带各地区应加大对外开放程度，加快区域经济发展。通过条件β收敛模型结果可以看出，加大对外开放程度有利于缩小长江经济带上游及中游地区生鲜农产品冷链物流效率省际差异，因此这些地区应根据市场需求积极合理利用外资，加速当地经济发展，缩小农产品冷链物流效率差异，形成长江经济带上中下游生鲜农产品冷链物流效率协调发展的良好局面。