低碳视角下长江经济带物流产业效率测度

马若男,桂海霞,赵京成,汪 虎

(安徽理工大学 经济与管理学院,安徽 淮南 232001)

物流业是支撑国民经济发展的基础性、先导性产业,是促进经济可持续发展的战略性产业。根据《全国物流运行情况通报》中的数据,2015年全国社会物流总额由219.2万亿元上升至2020年的300.1万亿元;截至2020年我国社会物流总费用与国内生产总值的比重为14.7%。可见物流业在推动经济高质量发展过程中处于不可或缺的地位,然而,当前我国物流产业取得成果是在要素大量投入的基础上实现的,并且发展水平较低、发展方式为粗放型[1],使得物流企业在生产中产生了一系列环境污染问题,逐渐超出了区域生态环境的自我调节能力。

长江经济带作为跨越我国东中西三大区域的高质量战略发展区域,在绿色物流生态发展中具有引领导向的作用,2020年长江经济带GDP总额为471580亿元,占全国GDP的46.53%,由此可见,长江经济带在我国区域经济发展中占据重要位置。因此,研究长江经济带低碳物流效率并提出相关建议,对辐射带动全国区域的物流产业可持续发展具有深刻的现实意义。

一、文献综述

物流产业效率研究一直是国内外学者关注的热点话题,主要从两个视角进行探讨:在非参数方法(以DEA为代表)方面,Markovits-Somogyi[2]等构建DEA-PC模型并测算29个欧洲国家物流行业的物流效率;J Kozlowska[3]将DEA模型与Malmquist指数模型相结合,从技术效率的角度评估波兰快递公司的发展状况;徐晓敏[4]等采用DEA-熵权法方法对研究区域给予物流效率分析评价;龚雪[5]利用DEA-Malmquist指数模型对中部六省的物流效率进行分析和评价;叶堂林[6]等应用超效率BCC模型和Tobit模型,对我国东部三大城市群进行创新效率测度和影响因素分析;蒋随[7]应用DEA模型对我国29个节点城市2013—2018年的物流效率进行测度研究;从参数方法(以SFA为代表)方面,Li[8]等对2005—2009年23家省级电力公司应用SFA模型进行成本效益评价分析;刘俊[9]等对中国30个省份的面板数据进行SFA模型分析,研究城市化对中国创新效率的影响;韩东亚[10]等采用SFA模型,对我国物流业效率进行实证研究。

综上所述,虽然大部分学者在物流效率研究上取得了很多成就,但还存在以下不足:一是当前对于物流产业效率研究大多选用DEA模型进行基本分析,但是传统数据包络分析忽视了外部环境和随机因素对效率测算的影响,导致部分研究所得的效率值存在一定的误差;二是大多数研究仅从经济角度考虑人力、财力等指标,而忽略了物流业碳排放量这一低碳约束指标。因此,本文从低碳环保的视角出发,创新的选择三阶段DEA模型和K-means聚类方法对长江经济带2015—2020年物流产业进行测度研究,以期为长江经济带物流绿色化发展提供理论支持。

二、研究方法与数据来源

1.三阶段DEA模型

(1)第一阶段DEA-BCC模型

DEA模型及方法由Charnes[11]等人在1978年提出,在处理多投入多产出方面有很大的成就。选择以投入导向为主的DEA-BCC模型(规模报酬可变模型)进行数据包络分析,鉴于此模型研究成果已有众多学者[12-13]进行整理和应用,对该计算过程不进行过多的赘述。

(2)第二阶段SFA结果

构建相似随机前沿模型(SFA)对投入数据进行处理,将投入松弛变量和环境因素进行回归,剔除因外部影响带来的投入冗余并得到准确的投入量。借鉴Fried等[14]所采用的外部因素剥离的方法,得到的SFA回归方程如式(1)所示。

(1)

式(1)中,Sin是第i个决策单元第n项投入的松弛变量;zi是环境解释变量;βn是环境解释变量的系数;vin+μin是混合误差项。调整公式如式(2)所示。

(2)

(3)第三阶段调整后的DEA模型

运用第二阶段SFA调整后的投入产出变量数据代替原有的数据,再次运行DEA-BBC模型对决策单元进行回归求解,得到剔除环境影响因素和随机误差因素后的效率值。

2.K-means聚类分析

聚类分析包括K-means聚类法、系统聚类分析、模糊聚类法等方面,用于研究样本或指标的分类问题[15-16]。K-means聚类方法作为一种无监督的聚类算法,其计算简单并且算法的可解释度较强,本文对区域低碳物流产业效率测度进行聚类分析,目的在于找到影响长江经济带区域之间物流业效率差异的原因。

3.指标选择

鉴于物流业体系数据的缺失,邮政业、仓储业及运输业占整个物流行业的85%,大部分学者认为选取邮政业、仓储业及运输业作为物流业的数据是符合实际情况的选择[17]。因此,从低碳环保的视角出发,构建符合长三角经济带区域物流特点的投入产出指标体系。如表1所示。

表1 长江经济带物流产业投入产出指标体系

(1)投入指标

一是物流业从业人数。该指标充当为人力投入指标[18],选取每年年末从事于邮政业、仓储业及运输业的总人数。二是物流业固定资产投资额。王书灵等[12]选取区域邮政业、仓储业及运输业固定资产投资额作为财力投入指标。三是物流业网络里程。设计为物力投入指标[19],选取铁路、水运、公路三种营业里程数进行加和。

(2)产出指标

一是物流业增加值。选取邮政业、仓储业和运输业的增加值[20],以2015年为基期,按第三产业增加值指数进行平减处理。二是物流业碳排放量。测算方式为选取八种能源包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气,根据IPCC提供的碳排放系数,计算出各个省份物流业的碳排放量,将非期望产出转换为期望产出[21]。

(3)环境变量

一是人均GDP。从经济发展角度来考虑,选取各个省市人均国内生产总值,以2015年为基期进行平减数据处理。二是政府支持。借鉴张娜等[19]人的思路,从政策的角度选取各省邮政业、仓储业及运输业支出占各省财政支出的比重。

4.数据来源

本文选取长江经济带地区2015—2020年11个省市的面板数据,选取的邮政业、仓储业及运输业指标数据符合环境保护的政策要求,投入、产出变量及环境变量数据来源于各省市统计年鉴、2016—2021年《中国统计年鉴》及《中国能源统计年鉴》。

三、实证分析

1.三阶段DEA分析

(1)第一阶段传统DEA实证结果

运行Deap2.1软件,选择DEA-BCC模型以投入导向为目标,对2015—2020年长江经济带地区物流产业投入产出指标数据进行测度研究。结果如表2所示。

表2 长江经济带各区域物流综合效率及排名

从整体来看,长江经济带各个区域在不同时期呈现出差异化。第一阶段区域物流综合效率均值为0.883,在研究区域范围内处于中下游水平。沿海地区(上海、江苏)综合效率值较稳定,在研究期间综合效率保持在1的效率值上,表明其低碳能力较好,投入产出未显现冗余状况。但长江经济带地区整体水平并未达到前沿,除上海、江苏、安徽、湖南这四个地区在研究期间物流综合效率达到最优,其余七个省市均呈现无效率。

从各个地区看,排在第一名的四个省市表现出较强的投入产出能力,实现了区域资源效益最大化,说明物流规模、纯技术效率没有对全要素生产率产生显著影响。重庆、四川排名靠后,其均值分别为0.636、0.520,可见这两个省市拉低了长江经济带整个区域的综合效率值,并且存在较低的效率水平。究其原因,重庆、四川处于内陆地区并且地形复杂,出现交通运输不便、区域联系不紧密等问题,不利于区域物流业综合效率的可持续发展。

(2)第二阶段SFA实证结果

借助SFA方法对2015—2020年长江经济带物流产业分别建立回归方程,并得到调整后的投入量。运行Frontier41软件进行计算,SFA结果如表3所示。

表3 第二阶段SFA估计结果

由表3结果可知,各LR值自由度均通过了10%的显著性水平检验,说明选取的数据在此模型下存在合理性。人均GDP、政府支持作为外部环境因素,对长江经济带物流产业投入松弛变量的影响较为显著。因此,借助SFA模型对随机误差和环境因素进行剥离是有必要的。

人均GDP。SFA结果显示,该环境变量除了与物流业从业人数松弛变量的回归系数为负值外,与另外两个松弛变量大多为正相关。说明人均GDP的增加促进物流业从业人数的减少,从而提高物流业生产效率;然而对其余松弛变量来说,人均GDP的增加会带来一定的投入冗余,给物流业资金使用效率、物流业基础网络建设带来抑制作用。

政府支持。SFA结果显示,该环境变量与物流业的三个松弛变量的回归系数基本为正,说明政府对物流业的支持会给物流业从业人数、物流业固定资产投资额、物流业网络里程带来大量的投入,但过多的政府支持会造成投入使用率低下。这可以解释为政府长期过度干预不能带来相应物流效率的提高,相反不利于物流业的发展。

(3)第三阶段实证结果

将第二阶段调整过后的投入产出数据重新运行Deap2.1进行计算,得到第三阶段的结果。这11个省市在研究时期内存在效率调整的变化,结果如表4所示。

表4 第三阶段区域物流综合效率及排名

第三阶段区域物流综合效率均值范围在0.857～0.892,较第一阶段有所下降;区域物流综合效率均值为0.875,说明长三角经济带整体水平受地区发展不均衡的影响较大。其中,上海、江苏、安徽、湖南效率值为1,处于效率前沿面的现状没有改变。江西的综合效率值从原来的0.933降到0.774,表明在第一阶段物流产业综合效率处于被高估的状态。究其原因,上海、江苏发挥沿海地区优势,具备优良港口运输条件且不断完善物流网络基础建设;注重物流技术变革和优化运输结构,在物流源头、环节中约束物流成本,不断实现投入资源的高效利用。

存在湖北、贵州、云南等三个区域综合效率有所提高,说明在调整前物流综合效率在一定程度下被低估。与其他省份相比,这三个省份更重视物流技术的提升,在内部建设完善的物流系统,以期解决整体大环境的资源落差。究其原因,湖北作为工业大省,其发展与低碳物流的实施处于难以平衡的状态,但2019年颁布的《湖北省推进运输结构调整实施方案》积极推进物流产业园的聚集,推动物流智能化发展;贵州省、云南省的物流中心建设较落后,但在“十三五”规划实施背景下积极建设物流大格局,把握现有资源投入。

根据表5调整前后综合效率值对比结果可知,上游地区(重庆、四川、贵州、云南)在2015年效率水平最好的区域为贵州,其余省市的综合效率在调整后变化不一;2015年云南第三阶段的综合效率值为0.974转变到2020年综合效率值为1,说明在之前时段受外部影响因素较大,纯技术效率的提升是很有必要的。

表5 调整前后长江经济带物流产业效率值

中游地区(江西、湖北、湖南)平均综合效率水平较高,湖南在2015年和2020年TE、PTE、SE均为1,表明纯技术效率和规模效率高,物流业发展水平好;江西受物流规模效率影响较大;湖北在技术效率和规模效率共同作用下,2020年调整后的TE值为1。

下游地区(上海、江苏、浙江、安徽)在2015年的调整前后效率值均为1,即在效率前沿面,说明物流投入产出效率高;然而,2020年四个地区除浙江处于无效率状态下,其余省市在调整前后均达有效,之所以浙江省未达到效率前沿面,是因为受物流规模效率的影响造成综合效率的下降。

从长江经济带11个省市的均值角度来分析,2015年物流综合效率平均值从原来的0.873下降到0.870,物流纯技术效率平均值从0.935下降到0.932,规模效率平均值从0.928提高到0.929,规模效率有所提高但综合效率、纯技术效率变低;2020年TE均值从0.893下降到0.881,PTE均值从0.962提高到0.967,SE均值从0.929下降到0.912,表明第三阶段调整后得出的效率值更准确、更客观。

2.K-means聚类分析

运用SPSS软件对长江经济带共11个省市物流业效率进行K-means聚类分析,应用三阶段DEA调整后的数据,并选择没有交叉影响的纯技术效率和规模效率作为分类变量,结果如表6所示。

表6 长江经济带物流业效率聚类分组结果

以规模效率为基准从高到低进行排列,聚类结果共被分为四类。第一类为“双高型”,即纯技术效率和规模效率都很高;第二类为“低高型”,纯技术效率很低,但规模效率较高;第三类为“高中型”,纯技术效率为1,规模效率处于居中水平;第四类为“高低型”,纯技术效率处于较高水平,规模效率较低。从地区数量分布情况来看,长江经济带地区多集中在第一类“双高型”,说明该区域总体上物流业发展前景较好,在剔除了外部环境因素后依旧保持着高效率。

“双高型”地区多集中在中下游,部分省市纯技术效率和规模效率为1。说明长三角经济带中下游区域物流产业效率水平较高,这一类型地区较少产生投入冗余和实际效率水平被低估的现象。当出现高投入高产出和规模效率的局面时,短期内很难造成效率上升或下降的改变。

“低高型”地区表现为纯技术效率水平低但规模效率高,四川作为这一类型的代表,其低碳物流效率发展受纯技术效率影响较大。究其原因,该地区物流创新技术不足,物流成本管理意识薄弱,同时因物流基础设施、仓储设施不够完善,导致出现运输路线规划不当、配送时间延迟等问题。因此,需要通过引进复合型技术性人才、设立物流信息交互平台等手段进行投入调整,从而提高纯技术效率水平。

“高中型”地区受规模效率低下影响较大,但纯技术效率为DEA有效,说明受物流规模效率的影响导致综合技术效率较低。究其原因,一方面可能是区域物流规模较小,在物流作业中很难实现投入产出的平衡转化;另一方面可能是区域物流规模扩张,但物流技术滞后和基础设施的不完备,使得规模扩张带来了更多的不利影响。因此,该区域应把握现有物流资源并提高内部管理能力,从建设基础物流体系到实现物流技术创新变革。

“高低型”地区城市分别为重庆和江西,特点为纯技术效率水平较高但规模效率极低,该地区物流综合效率受两方面的共同影响表现出无效率的状态。说明存在物流技术低下与物流规模较小的现象,重庆和江西需发挥区域优势和政策支持,建立两个区域之间的物流快速通道,实现物流模式一体化、信息共享化、运输多元化的高效衔接。

四、结论与建议

以低碳环境为约束条件,选择2015—2020年作为研究期,应用三阶段DEA模型对长江经济带物流产业进行效率测度研究;并运用K-means聚类分析算法对调整后的物流效率值进行分析,得出以下结论。

首先,从整体角度看,在研究期内长江经济带运行三阶段DEA模型,得到的投入产出数据有较大变化,说明调整前后的物流产业效率评价出现高估或低估的情况,第三阶段的结果更符合上游、中游、下游地区现实发展的要求。K-means聚类算法以调整后的纯技术效率和规模效率为基准对区域进行分类,找到阻碍长江经济带地区物流效率发展的影响因素。

其次,从静态分析看,在剔除各个省市受随机干扰、外部环境影响等因素后,长江经济带地区物流产业综合效率呈现出下游>中游>上游的状况。上海、江苏、安徽、湖南保持最优发展,浙江、云南、湖北处于较高效率水平,贵州、江西在调整后依旧出现物流效率波动变化,重庆、四川效率值处于较低水平。

最后,从聚类分析来看,通过K-means聚类分析算法对长江经济带共11个省市物流产业效率进行分类,划分为“双高型”“低高型”“高中型”和“高低型”共四类地区。从不同类别的实际情况进行有针对性的对比分析,并根据区域低碳物流产业发展现状提出有效解决措施。

根据长江经济带低碳物流产业效率测度结果,现提出以下建议。

第一,连接区域物流产业,促进协同合作。发达地区整合优质资源输送给其他省份,局部推动整体高质量发展;建立智慧物流产业园,发展无接触物流服务,如无人车、自动分拣、无人驾驶等人工智能方式,借助智慧化、数字化手段完善园区运作模式;提高物流基础设施的经营与网络化服务能力,在区域连接的重要干线上设置物流运输通道,完善区域物流枢纽的应急联动协调机制;注重港口集约化管理,整合下游地区港口资源向内部区域扩展,推动区域优质资源的共建共享;充分考虑各自区域条件,如上游地区利用“一带一路”的政策优势,中游地区打造内陆物流城市群,下游地区发挥辐射带动作用,从而提高区域物流整体效率水平。

第二,加快低碳科技创新,提高物流业碳排放效率。制定差异化低碳运输方针,大力宣传绿色环保的可持续发展理念,加快低碳物流环节建设;聚焦科技减碳新技术,减少不可再生能源的使用,针对物流高碳排放产业进行技术开发;以大数据为基础进行数字化应用,注重物流综合技术创新发展;构建物流研发监管部门,保证智慧物流系统建设的有效性,加快物流运作效率;关注物流企业内部碳排放技术研究,挖掘具备自主创新能力的人才,积极探索综合性低碳物流工程;组建产业技术创新战略联盟,提高低碳物流信息水平的流转速度,解决物流技术发展缺陷问题,从而推动物流产业绿色高效发展。

第三,调整物流产业结构,提高物流综合效率。长江经济带地区物流业发展较不均衡,表现为东部大于西部;应加大物流技术创新投入,打造低碳物流产业链方案,减少物流活动终端碳排放量;搭建低碳物流信息交互平台,构建物流网络一体化模式;优化物流运输路线,科学规划物流运输环节,降低物流运输成本;建设标准化仓储库,完善物流环节通讯设备,加强物流基础设施建设,推动长江经济带物流产业合理布局;完善邮政现代物流业务体系,搭建区域点代收、上门取件、货到付费等基础性服务平台,合理设置区域产品分销点,为客户提供定制化服务;多样化产业结构有助于提高区域物流的竞争力,以期在低碳环境下实现资源利用最大化的目标。