我国物流产业绿色效率及区域空间特征——基于非期望产出的SBM模型

易 燕

（广州航海学院 广东广州 510725）

改革开放以来，随着对外开放和国内地区之间的经济联系度加强，物流产业的规模和体量不断壮大。2018年，我国社会物流规模达到283.1万亿元，增长率为6.4%，与国民经济增长速度持平。从物流总规模来看，物流产业已经成为国民经济的支柱产业和重要的现代服务业。从构成来看，物流的主体是工业品物流，占到总物流规模的90%。从物流费用来看，2018年我国全社会物流产业总费用13.3万亿元，占到GDP的14.8%，同2017年相比，物流产业总费用占GDP的比重上升了0.2%。工业品物流占主体，而物流费用居高不下，说明我国的物流产业效率需要进一步改善。物流业是包括运输业、仓储业、货运业和信息业等的复合型服务产业，对解决就业、拉动消费、促进生产、调整产业结构、转变经济增长方式和增强国民经济竞争力等方面起到重要作用。物流产业的效率也是决定国民经济进一步增长的重要因素。因此，有必要对物流产业效率展开系统研究。

文献综述

目前学术界测算效率最常用的模型方法有数据包络分析（DEA）、随机前沿分析、Malmquist模型等。关于物流产业效率的测算，也有不少学者展开了相关研究。高月娜（2015）运用非径向和非角度的SBM超效率DEA模型测度物流业技术效率，结果发现省域的物流技术效率呈从东向西递减态势。曲丽（2016）采用DEA测算了省域的物流产业技术效率，并用普通最小二乘法对影响因素进行回归。莫小泉（2017）从区域视角对我国物流产业的效率进行分析，但并没有得出很好的物流产业效率测算模型。于丽英等（2018）采用DEA-Malmquist指数模型对长江经济带的物流效率及影响因素进行分解，发现长江经济带下游地区物流效率情况较好，中上游地区物流效率相对滞后。刘明等（2019）对277个地市级城市的2007-2017年物流效率进行了测算，将所有城市的物流效率总结为极化型、追赶型、锁定型以及收敛型四种类型。刘岩和田强（2019）采用DEA-BCC模型测度2016年全国31个省市区的物流效率，并分析了对外开放程度、技术水平、产业结构等因素对物流产业效率的影响。曹炳汝等（2020）采用DEA模型、ArcGIS和空间自相关分析方法测算了长江经济带的物流效率，发现综合效率平均值为0.830。

上述研究基本采用DEA的思路测算物流产业效率，但是运用的方法各异，并且均没有考虑物流产业的非期望产出。随着全球对温室气体排放的关注，针对物流行业的二氧化碳排放也受到学术界的重视。物流产业在经营过程中，将使用大量的化石能源作为动力，并排放出大量的二氧化碳，是产生温室气体的主要产业之一。因此，单纯地考虑期望产出，而不考虑非期望产出，测算出的物流产业效率比较片面，而且无法体现出绿色发展的要求，因此将二氧化碳排放纳入研究是很有必要的。综合上述研究，本文采用非径向、非角度的SBM方向性距离函数测算物流产业的绿色效率，将二氧化碳排放纳入研究，在一定程度体现绿色发展要求，同时也更加全面地反映效率。与已有的研究成果相比，本文的主要贡献有三点：第一，首次采用带有非期望产出的非径向、非角度SBM方向性距离函数测算物流产业的绿色效率；第二，文章通过对全国及各区域之间的比较，可以很好地分析各地区不同时期物流产业的绿色效率变化趋势；第三，对全国31个省份物流产业的绿色效率的空间分布进行分析，可以较为清楚地了解物流产业的空间相互关系。

模型方法与变量数据

（一）模型方法

相比之下，DEA和Malmquist对变量相关性的要求较低，本文以DEA模型为基础，考虑传统DEA中可能存在非零松弛的问题，因此采用非期望产出的SBM方向性距离函数测算Malmquist-Luenberger（简称ML指数），以此作为物流产业绿色效率的指标。

首先，构建非期望物流产出的生产边界函数为：

其中i=1，…，I，用x表示要素的投入量，假定有N种要素投入，xni∈R+，其中n=1,…,N；假定有M种期望产出（m=1，…，M），ygmi∈R+，同时有P种“坏”的非期望产出（p=1，…，M），ybpi∈R+。x、yg、yb分别代表x=(x1,…,xN)、yg=(yg1,…,ygM)、yb=(yb1,…,ybp)三个向量，λti表示每个横截面观测值的权重，根据可变规模报酬（VRS）的约束条件，还需要满足≥0，i。

根据包括非期望产出的SBM方向性距离函数为：

式中，表示基于规模不变的方向性距离函数；(xti`,ygti`,ybti`)(gx,gyg,gyb)(sx,syg,syb)三个向量分别表示地区i的投入向量、产出向量和松弛向量。(sx,syg,syb)表示过度使用、非期望产出及期望产出不足的量。

可以定义第t期和t+1期之间的ML生产率，即绿色效率：

该公式的经济学含义为：当ML＞0时，说明该地区从第t期到第t+1期物流产业的绿色效率得到提高，否则，该地区的物流产业的绿色效率处于下降趋势。进一步可以将ML指数分解为技术变化指数（MLTC）和技术效率变化指数（MLTEC）：

（二）变量指标与数据

1.投入指标。物流产业的投入可以通过物流生产过程中的人力和物力投入两个方面进行表征。具体来说，物流产业的人力投入是用交通运输、仓储和邮政业的从业人员数来衡量。至于物流产业的资本投入，从目前的统计数据中无法获得准确的物流产业资本投入，但是物流产业是一个综合性产业，与国民经济整体水平有关。因此，可以采用全社会的固定资产投资总额来近似替代，该数据采用永续盘存法测算出固定资产存量。除了资本投入外，还考虑了物质资本投入，采用民用载货车辆数代表物流产业的物质资本。此外，物流产业与这个地区的公路里程有关，分别考虑了所有公路里程和等级公路里程两个指标。

2.产出指标。基于非期望产出SBM模型，产出指标包括期望产出和非期望产出。其中，物流产业的期望产出主要指物流产业的产值，本文采用交通运输、仓储和邮政业增加值来表示。除此之外，认为货运量和货物周转量也是物流产业的产出指标。物流产业的非期望产出主要指货物运输过程中使用了化石能源而产生大量的二氧化碳等非期望产出，这也体现了绿色发展的要求。据此，分别获得了每个省每年消费的原油总量和单位原油产生的二氧化碳数量，将两个数据相乘后测算出每个省每年物流产业产生的二氧化碳总量，用于近似衡量物流产业的非期望产出。

表1 物流产业的绿色效率测算指标体系

3.数据来源。基于数据可得性，本文选取的数据涵盖中国31个省份2004-2017年。以上指标的大部分数据来源于《中国统计年鉴》，就业人数来自《中国劳动统计年鉴》，二氧化碳的数据由笔者自行测算得到，ML指数是两个年份之间比较而得到的后一年的绿色效率值。因此，最后得到2004-2017年全国31个省份的物流产业绿色效率值。

实证结果及分析

（一）全国总体测算结果

根据公式（1）-公式（5），以及表1的相关指标，通过MATLAB编程测算得到31个省级行政区的物流产业的绿色效率值。为分析全国物流产业绿色效率的变化趋势，将31个省级行政区的相应指标取平均值，即可得到历年中国物流产业绿色效率值，图1为2004-2017年的全国物流产业平均效率变化趋势图。从ML指数可以看出，就全国平均水平而言，我国物流产业的绿色效率呈现波动变化规律，2004-2017年期间总体上呈现“W”型波动态势。整体来看，ML指数只有少部分年份小于1（2009年、2013年和2015年），说明物流产业的绿色效率在大多数年份均呈现提高趋势。呈现下降的几个年份中，2008年受金融危机的影响，2009年物流产业的效率下降；2013年和2015年，空气污染严重以及国家对石油价格的调控，导致物流产业的绿色效率出现下降趋势。

从物流产业绿色效率的分解来看，物流产业的绿色效率技术变化（MLTC）与物流产业的绿色效率基本上呈现出同步的变化趋势，但是2014年MLTC值小于1，对整个物流产业的绿色效率带来了一定的拉低作用。物流产业技术效率（MLTEC）的变化相对比较平缓，且大多数年份都处于1以下，2014年以后呈现提高并超过1，说明物流产业技术效率总体向好，但趋势不够明显。

（二）区域特征分析

图2为分东、中、西部的ML指数值变化趋势图。从图2可以看出，东部地区物流产业的绿色效率总体上大于中西部地区，但有部分年份还是低于中西部地区物流产业的绿色效率。东部地区物流产业的绿色效率经历两次明显下滑，其中第一次明显下滑的时间是在2008年，这可能与2008年爆发的金融危机存在关联；另一次明显下滑的时间是2013年，这可能与当时的环境问题和国际原油价格波动有关，其它年份均处于1附近或者1以上，说明东部地区物流产业的绿色效率总体上是处于不断提升的良好状态。

中部地区物流产业的绿色效率值和西部地区物流产业的绿色效率值基本是提升与下降各占一半的趋势。如果将三大地区物流产业的绿色效率看成是波动图形式，那么有一个显著的特点就是每一次东部出现波峰和波谷时，中西部地区的波峰和波谷会滞后1到2年相继出现。比如东部地区在2008年受到金融危机影响，但中西部地区具有时间滞后性，物流产业的绿色效率在2009年开始体现；东部地区2010年出现波峰，而中西部地区在2011年出现波峰；东部地区在2013年出现波谷，而中西部地区在2015年出现波谷。由此可以初步推测，我国区域之间物流产业的绿色效率变化存在着一定的空间相互影响关系。

（三）分地区空间特征分析

根据各地物流产业绿色效率值，重点比较2004年、2010年和2017年三年的31个省份物流产业的绿色效率空间状态关系。限于篇幅，具体计算结果不单独列出。

在2014年，只有黑龙江、新疆、江西和云南四个地区的物业产业效率小于1，其它地区物流产业的绿色效率均表现为大于1，呈现提升趋势。但是，有17个省份物流产业的绿色效率值并不高，介于1到1.1之间；有6个地区物流产业的绿色效率值介于1.1到1.2之间。但是物流产业的绿色效率值超过1.2的地区只有四个，分别为山东、河北、海南和天津。整体来看，2004年物流产业的绿色效率值在空间上基本上表现为共同提升趋势，而且处于1.1的地区较多，物流产业的绿色效率整体发展态势较好。

在2010年，许多地区物流产业的绿色效率低于1，具体包括新疆、青海、宁夏、甘肃、山西、陕西、江西、福建、吉林和黑龙江。与2004年相比，江西和黑龙江两个年度物流产业的绿色效率均小于1，说明这些地区物流产业的绿色效率处于下降趋势。物流产业的绿色效率提升的地区不多，且有13个地区的绿色效率值介于1到1.1之间。上海、广东、河南、江苏、北京5个地区物流产业的绿色效率高于1.1，且上海物流产业的绿色效率高于1.2，说明这五个地区物流产业绿色效率仍呈现出提升趋势。可以看到，除了广东以外，其余4个地区基本上是连点成片的，这也在一定程度上表明了区域物流产业绿色效率之间存在着微妙的空间集聚现象和空间依赖现象。

图1 全国物流产业绿色效率及分解指数的变化趋势

图2 三大区域物流产业平均效率值

表2 2004、2010和2017年各地区物流产业的绿色效率技术变化值（MLTC）

在2017年，上海和宁夏两个地区物流产业的绿色效率呈现出下滑趋势。有23个地区物流产业的绿色效率处于1到1.1之间，说明这些地区物流产业的绿色效率是有提升趋势的。海南、河南、北京、河北四个地区物流产业的绿色效率提升相对较多，达到1.1到1.2，而且甘肃和山西两个地区物流产业的绿色效率达到1.2以上，相对2016年，物流产业的绿色效率提升幅度较大。

根据物流产业绿色效率的指标分解，下面分析绿色效率的技术变化情况。技术变化主要体现在物流产业中使用的技术复杂性发生变化，其数值更多体现了一种提升或者降低。表2汇报了三个年份的具体结果。整体来看，三个年度的MLTC均大于1的地区较多，达到20个地区。东部地区的MLTC值普遍较高，只有海南、上海、福建和山东有部分年份的MLTC值低于1；中部地区的山西、吉林和黑龙江的MLTC相对较低；西部地区的云南、青海、宁夏和新疆四个地区有部分年份的MLTC值低于1。

结论和政策启示

本文利用非径向、非角度的SBM方向性距离函数测算ML指数，用此指数衡量带有非期望产出物流产业的绿色效率，并将其分解为物流产业的绿色效率技术变化和技术进步两个指标。通过收集31个省份2004到2017年的数据，最后测算出2004到2017年各省物流产业的绿色效率值及其分解指标。通过分析，主要结论可归纳如下：第一，从全国来看，物流产业的绿色效率总体上有所提升，但效率指数呈现波动变化规律；根据指标分解情况，物流产业绿色效率的技术变化与物流产业的绿色效率呈现同步变化的趋势，物流产业绿色效率的技术进步指数波动则比较平缓。第二，从区域特征来看，东部地区物流产业的绿色效率总体好于中西部地区，且中西部地区物流产业的绿色效率的变化与东部地区存在一定关联，基本上滞后于东部地区1-2年。第三，从分地区空间特征来看，大部分省份物流产业的绿色效率处于1到1.1之间，出现空间集聚的现象，但物流产业绿色效率较低的地区呈现空间离散现象。

基于本文分析，可以得到如下的政策启示：首先，物流产业的绿色效率变化依赖于实体经济，只有实体经济得到稳步发展，物流产业的效率才能得到持续提升。因此，我国需要加大对实体经济的政策扶持力度，确保实体经济保持长期的增长潜力。其次，区域物流产业绿色效率之间呈现一定的空间依赖性，处于中间水平的地区之间相对影响较大，因此要探索制定区域一体化的相关政策，促进区域之间的物流互动，打通区域要素互通渠道，促进资源要素不断共享。第三，虽然区域之间物流产业的绿色效率变化存在着一定的空间集聚和依赖性，但是低水平区域的空间离散性特征也较为明显，而且不同时间段物流产业绿色效率的变化也非常显著，因此各地要在围绕全国一盘棋推动物流产业绿色发展的前提下，因地制宜，探索制定符合当地物流产业发展的政策，有效引导区域物流产业健康发展。