基于GEEFDEA模型的省际物流业碳排放效率评价

许文芳 林萍 朱卫未

文章编号：1002-3100（2024）03-0030-05

摘  要：物流行业作为能源消费和碳排放大户，是经济高质量发展与“低碳”战略的重要助推器、平衡杠杆，科学客观评价物流活动中碳排放效率是物流业低碳转型顺利进行的前提。文章借鉴已有研究成果构建物流碳排放效率评价指标体系，考虑碳排放作为非期望产出时总量固定的要求，采用GEEFDEA模型对我国30个省份2016—2020年间碳排放效率进行评价。结果显示：物流业整体碳排放效率较好，5年间的效率值呈现出先上升后下降的趋势；碳排放效率与地区的经济发展水平、产业布局密切相关。积极推动能源技术创新、数字化转型是提升物流业碳排放效率的重要途径。

关键词：物流业；数据包络分析；碳排放效率

中图分类号：F403.3    文献标志码：A    DOI：10.13714/j.cnki.1002-3100.2024.03.007

Abstract： As a major consumer of energy and carbon emissions， the logistics industry is an important booster and balance lever for high-quality economic development and the "low-carbon" strategy. Scientific and objective evaluation of carbon emission efficiency in logistics activities is the prerequisite for the smooth implementation of the low-carbon transformation of the logistics industry. This paper uses the existing research results for reference to build the logistics carbon emission efficiency evaluation index system， and takes into account the requirement that the total amount of carbon emissions is fixed when the carbon emissions are not expected output， and uses the GEEFDEA model to evaluate the carbon emission efficiency of 30 provinces in China from 2016 to 2020. The results show that the overall carbon emission efficiency of the logistics industry is good， and the efficiency value in the past five years shows a trend of rising first and then falling; carbon emission efficiency is closely related to regional economic development level and industrial layout. Actively promoting energy technology innovation and digital transformation is an important way to improve the carbon emission efficiency of the logistics industry.

Key words： logistics industry; DEA; carbon emission efficiency

0  引  言

面對复杂环境，国家政策支持引导力度持续强化，物流发展支撑体系不断健全，有力地支撑了产业链供应链循环畅通，有效保障了民生顺畅有序。根据中国物流与采购联合会发布的统计数据，2022年全国社会物流总额为347.6万亿元^[1]，物流需求规模持续稳定增长，是促进国民经济产业链供需衔接和实体商品流通的重要基础。另一方面，作为国家发展战略的“双碳”目标促使社会经济活动的各个领域进行低碳转型，物流行业是能源消耗大户也是碳排放大户，在“双碳”整体目标的实现过程中发挥着举足轻重的作用。因此，科学客观地评价物流行业的碳排放效率是推动物流行业低碳技术发展的重要前提。

1  相关研究述评

物流行业绿色发展在国家绿色发展战略中起到越来越重要的作用，因此，关于物流行业碳排放效率和能源效率的问题引起众多学者的研究，基于投入产出的效率评价是物流碳排放研究的一个重要视角，比如数据包络分析（DEA）、LMDI因素分解法^[2]等，其中，数据包络分析（DEA）因其不需要提前确定各投入产出要素的权重，避免了人为主观因素的影响而被广泛地应用于效率评价和资源分配中。如龚爱清等^[3]使用投入导向型CCR-DEA模型对我国2014年30个省份的物流二氧化碳排放效率进行研究，由于二氧化碳非期望产出的性质，将其做为投入考虑，并得出我国物流碳排放效率呈现东中西依次降低的状态；王燕等^[4]采用非期望产出SBM模型，对我国2006—2015年间物流能源效率进行评价，并通过Tobit回归研究影响我国区域能源效率的关键因素，得出我国能源效率在研究期内并没有提升趋势，并且东西分化较为明显；李妍等^[5]使用SBM模型对碳排放约束下我国物流业运行效率进行了测算；郑琰等^[6]使用Super-SBM模型对顺风企业2016—2021年间的碳排放效率进行测算，并提出要加强物流技术创新的建议。

基于DEA的物流业碳排放效率研究取得了较为丰硕的研究成果，但仍存在以下问题：（1）未考虑碳排放总量固定的问题，世界范围内的环境问题日益严重，各国政府都在通过控制碳排放量来遏制气候变化，国家内部通过一定的碳排放控制框架，将碳排放量控制在一定的总量水平上^[7]，这就决定了在使用DEA模型进行效率评价时，碳排放在各决策单元间的调整是受到限制的。（2）未对碳排放这一非期望产出进行变换处理，直接作为产出处理不符合低碳减排的政策要求。

2  模型构建

针对零和博弈DEA模型的不足，Yang等^[8]在2011年提出固定和产出（FSODEA）模型，根据最小调整量构建新前沿面，以新前沿面为基准进行效率评价。针对FSODEA模型中前沿面不统一的问题，Yang等^[9]提出构建公共有效前沿面（EEFDEA）来评价，但该方法存在如下不足：一是前沿面的构建与DMU的顺序相关；其次，当DMU的数量较多时，计算过于繁琐。为了减少计算，Yang等^[10]提出构建一种均衡有效前沿面（GEEFDEA），该模型解决了EEFDEA模型中的评估顺序与计算量的问题，并得到了广泛的应用与延伸，An等^[11]基于GEEFDEA模型评价了大数据环境下决策单元的效率，并结合最小成本对我国各省的碳排放量进行分配，大量研究表明GEEFDEA模型在碳排放总量固定这一情景中的适用性。

3  指标选取和数据来源

3.1  指标选取

借鉴已有研究成果（见表1），考虑数据的可获得性和可操作性，选取物流业从业人员、能源消耗、固定资产投资作为投入指标，物流业营业收入作为期望产出，二氧化碳排放量作为非期望产出。由于二氧化碳是导致全球气候变暖最主要的温室气体，为了控制全球碳排放量，每年的二氧化碳的排放总量是固定的，因此选用二氧化碳作为固定和产出。

3.2  数据来源

能源数据目前只更新到2020年，本文选取我国2016—2020年30个省（含省、自治区、直辖市）的数据进行分析，由于部分数据缺失，本文暂不考虑西藏自治区、台湾省、香港特别行政区和澳门特别行政区。

（1）目前关于物流业相关指标没有可以直接获取的数据，而交通运输、仓储和邮政业占物流增加值的85%以上，能在很大程度上反应物流业发展状况，因此本文借鉴前人经验使用交通运输、仓储和邮政业相关数据表示物流业相关指标^[15]。其中物流业从业人员、固定资产投资、物流业营业收入数据来源于《中国第三产业统计年鉴》（2017—2021）中的7-5-1子栏目“交通运输、仓储和邮政业企业法人单位分地区主要指标”。

（2）各省份物流行业能源消耗数据主要包括原煤、洗精煤、焦炭、汽油、煤油、柴油、燃料油、天然气等20多种类型，通过收集数据可知，其中原煤、其他洗煤、煤制品、汽油、煤油、柴油、燃料油、润滑油、石油沥青、液化石油气、其他石油制品、天然气、液化天然气、电力、热力15种能源消耗占据物流业能源消耗99%以上份额，为方便计算，本文采用这15种能源进行计算能源消耗总量，借鉴张立国相关研究^[16]，采用能源计算公式如下：

燃料数据来源于《中国能源统计年鉴》中各省份能源平衡表中的交通运输、仓储和邮政业一栏。能源系数采用IPCC最新公布的相关数据进行计算，如表2所示。

4  结论与建议

4.1  数据分析

使用公式（2）和公式（3）进行效率计算，结果如表5、图1所示。

表5给出的是各省份5年间的效率平均值，从效率值结果来看，存在大于1的现象，这是由模型的特性决定的，能增大结果的区分度，避免多个决策单元效率值为1从而无法排序。（1）整体来看，物流业碳排放效率较好，平均值达到1.45。从图1的整体均值变化趋势来看，2018年达到最大值，随后逐年下降。有18个省份的效率值大于1，属于效率有效，包括：北京、天津、河北、山西、内蒙古、吉林、黑龙江、上海、安徽、江西、海南、重庆、贵州、陕西、甘肃、青海、宁夏、新疆，有12个省份的效率值未达到1，效率暂时落后，包括：辽宁、福建、江苏、浙江、山东、河南、湖北、湖南、广东、广西、四川、云南。（2）排名前三的是宁夏、青海、海南，碳排放效率最高，通过查看投入产出数据可知，虽然这3个省份的营业收入比较靠后，但是这3个省份的固定资产投资、从业人员数、能源消耗、二氧化碳排放都比较少，从效率来看是值得学习的。其可能存在的原因是，宁夏、青海的工业产业布局较为薄弱、与当地的资源分布有密切的关系，比如青海肩负保护黄河、长江水源的重任，人口密度较低、分布较为分散，其工业物流需求较低，碳排放效率相对较高。比如海南，以旅游产业布局为主、工业物流需求相对较低，但随着海南对標国际先进自贸港建设外向型特色的岛屿经济体，其国际物流将会快速增长，寻求经济发展与碳排放平衡的任务仍然艰巨。（3）物流业营业收入靠前的上海、广东、山东、江苏、浙江，在考虑碳排放因素后效率比较靠后，这几个省份在能源消耗和二氧化碳排放方面都比较靠前，与当地经济高速发展密切相关，体现了物流发展在促进实体经济发展、提高产业链供应链韧性方面的重要性，因此，这些省份的物流业在今后的低碳转型中任务比较艰巨。

4.2  建  议

物流具有显著的跨域特征，是连接各地区经济协同发展的重要纽带，积极推动国内循环为主的发展战略，为我国制造产业链高质量发展提供强有力的服务支持。同时，物流也是推动我国高质量产业融入世界经济、实现国内国际双循环的重要臂膀。因此物流业逐步实现低碳发展，需要积极探索能源技术创新路径、数字化转型路径。

（1）调整能源结构。我国物流企业能源结构以油品、煤炭为主^[18]，煤炭、石油、天然气等化石燃料是二氧化碳的主要排放源，基于政策支持、引导鼓励相关物流企业加强清洁能源的使用力度，积极使用可再生能源。

（2）推广低碳技术。在物流行业更多地使用低碳技术，注重低碳技术在物流行业的成果转化，把创新、协调、绿色、开放、共享的新发展理念融入到我国绿色物流体系中^[19]。注意物流体系各个环节的碳排放问题，如在运输过程中使用低碳新能源汽车运输、包装方面推广使用绿色包装、对产生的污染肥料及时处理、加大废旧设施的循环利用力度等。

（3）促进物流体系数字化转型。传统物流过于依赖人力，成本高、效率低。2023年2月中共中央、国务院印发了《数字中国建设整体布局规划》，以数字化驱动生产生活和治理方式变革。物流业应紧紧抓住数字化发展机遇，通过数字化转型减少物流活动中的浪费、提升行业运行效率，助力低碳发展。

参考文献：

[1] 王晶. 2022年全国社会物流总额为347.6万亿元同比增长3.4%[EB/OL]. （2023-02-24）[2023-03-14]. https：//news.cnr.cn/native/gd/20230224/t20230224_526163243.shtml.

[2] 姜乐平. 基于LMDI的安徽省物流业碳排放测算及影响因素研究[J]. 物流技术与应用，2022，27（6）：173-177.

[3] 龔爱清，张立国. 中国物流业二氧化碳排放效率测度与分析[J]. 物流科技，2018，41（12）：1-4，10.

[4] 王燕，刘婷. 碳排放约束下我国区域物流能源效率及影响因素研究[J]. 生态经济，2018，34（10）：14-18，90.

[5] 李妍，孙振清. 碳排放约束下我国物流业运行效率测算及其影响因素分析[J]. 商业经济研究，2021（8）：75-78.

[6] 郑琰，贲宇姝，王康得，等. 物流企业的碳排放效率评价及驱动因素分析[EB/OL]. （2023-02-13）[2023-03-14]. http：//kns.cnki.net/kcms/detail/11.4520.U.20230213.1124.002.html.

[7]  LI Y， HOU W， ZHU W， et al. Provincial carbon emission performance analysis in China based on a Malmquist data envelopment analysis approach with fixed-sum undesirable outputs[J]. Annals of Operations Research， 2021，304：233-261.

[8]  YANG F， WU D D， LIANG L， et al. Competition strategy and efficiency evaluation for decision making units with fixed-sum outputs[J]. European Journal of Operational Research， 2011，212（3）：560-569.

[9]  YANG M， LI Y， CHEN Y， et al. An equilibrium efficiency frontier data envelopment analysis approach for evaluating decision-making units with fixed-sum outputs[J]. European Journal of Operational Research， 2014，239（2）：479-489.

[10]  YANG M， LI Y J， LIANG L. A generalized equilibrium efficient frontier data envelopment analysis approach for evaluating DMUs with fixed-sum outputs[J]. European Journal of Operational Research， 2015，246（1）：209-217.

[11]  AN Q， WEN Y， XIONG B， et al. Allocation of carbon dioxide emission permits with the minimum cost for Chinese provinces in big data environment[J]. Journal of Cleaner Production， 2017，142：886-893.

[12] 雷盟，陈焰，王艺. 基于SBM和Malmquist指数的我国物流业能源效率评价[J]. 物流技术，2022，41（2）：38-43，132.

[13] 郑金娥，关高峰，杜厚维. 长江经济带省域物流业效率差异研究[J]. 统计与决策，2020，36（11）：110-113.

[14] 黄超然，周国华. 碳约束下省域物流能源效率空间关联效应及其影响因素[J]. 科技管理研究，2022，42（24）：184-191.

[15] 张瑞，胡彦勇，郄晓彤. 中国物流业能源生态效率与其影响因素的动态响应研究[J]. 经济问题，2021（8）：9-17.

[16] 张立国. 中国物流业能源消耗与二氧化碳排放效率测度及分析[D]. 南京：南京航空航天大学，2015.

[17]  WU J， ZHU Q， LIANG L. CO2 emissions and energy intensity reduction allocation over provincial industrial sectors in China[J]. Applied Energy， 2016，166：282-291.

[18] 马明明. “双碳”目标下物流业低碳效率测度和绿色发展策略研究[J]. 物流科技，2022，45（14）：61-64，82.

[19] 王常博. 低碳城市视角下我国绿色物流发展研究[J]. 物流科技，2022，45（18）：24-26.

收稿日期：2023-03-14

基金项目：国家自然科学基金面上项目（72171124）；国家自然科学基金面上项目（71771126）；江苏省普通高校研究生科研创新计划项目（KYCX21_0834）

作者简介：许文芳（1997—），女，河南周口人，南京邮电大学管理学院硕士研究生，研究方向：数据包络分析、资源分配；林  萍（1977—），本文通信作者，女，福建惠安人，南京邮电大学管理学院，副教授，研究方向：资源优化配置；朱卫未（1979—），男，江苏盐城人，南京邮电大学高质量发展评价研究院信息产业融合创新与应急管理研究中心，江苏科技大学经济管理学院，教授，研究方向：数据包络分析、系统评价与决策。

引文格式：许文芳，林萍，朱卫未. 基于GEEFDEA模型的省际物流业碳排放效率评价[J]. 物流科技，2024，47（3）：30-34.