陳文新　潘　宇（石河子大學(xué)，五家渠 831300）（兵團(tuán)經(jīng)濟(jì)研究所，烏魯木齊 830000）

低碳約束下物流產(chǎn)業(yè)全要素生產(chǎn)率的空間分異及時(shí)空演化

陳文新1，2潘宇11
（石河子大學(xué)，五家渠 831300）2（兵團(tuán)經(jīng)濟(jì)研究所，烏魯木齊 830000）

本文基于非參數(shù)DEA-Malmquist指數(shù)方法，對(duì)我國(guó)30個(gè)省2005～2014年低碳約束下物流業(yè)全要素生產(chǎn)率（TFP）進(jìn)行測(cè)度，分析其結(jié)構(gòu)及總體演化趨勢(shì)，并運(yùn)用探索性空間數(shù)據(jù)分析（ESDA）方法及時(shí)空躍遷測(cè)度法描述其在空間格局上的演化過(guò)程，最后運(yùn)用證實(shí)性空間數(shù)據(jù)分析（CSDA）方法進(jìn)行影響因素分析。研究表明:樣本年內(nèi)我國(guó)低碳物流全要素生產(chǎn)率的增長(zhǎng)呈螺旋式緩慢上升，但各生產(chǎn)要素存在較大提升空間，進(jìn)步緩慢的原因主要在于技術(shù)進(jìn)步，能源結(jié)構(gòu)等生產(chǎn)要素的利用效率無(wú)明顯改善。從空間上看，各省低碳物流效率存在顯著關(guān)聯(lián)性特征，但其與能源投入水平未能一致，存在空間異質(zhì)性。因此調(diào)整能源消費(fèi)結(jié)構(gòu)，實(shí)施差異化物流減排策略是當(dāng)務(wù)之急。

低碳約束 非參數(shù)DEA-Malmquist指數(shù) 探索性空間數(shù)據(jù)分析 全要素生產(chǎn)率

引 言

近年來(lái)，我國(guó)能源環(huán)境壓力不斷增大，為了實(shí)現(xiàn)能耗少、排放低的可持續(xù)發(fā)展模式，社會(huì)各界開(kāi)始重視發(fā)展低碳經(jīng)濟(jì)。我國(guó)“十三五”規(guī)劃中明確提出要大力提高能源開(kāi)發(fā)利用率，降低碳排放強(qiáng)度，主張生產(chǎn)生活方式綠色化。在經(jīng)濟(jì)發(fā)展的轉(zhuǎn)型期，作為國(guó)家十大振興規(guī)劃產(chǎn)業(yè)之一的物流業(yè)，是我國(guó)目前能源消耗和碳排放的大戶。根據(jù)國(guó)家統(tǒng)計(jì)局公布的分行業(yè)能源消費(fèi)數(shù)據(jù)來(lái)看，2005～2014年物流業(yè)一次能源消耗量從17449.91萬(wàn)噸標(biāo)準(zhǔn)煤增長(zhǎng)到31213.95萬(wàn)噸標(biāo)準(zhǔn)煤，平均增長(zhǎng)79%，與同期物流業(yè)增加值年均增速基本持平。其中各類油品的消耗居各行業(yè)之首，全國(guó)90%以上的汽油和60%以上的柴油均被物流業(yè)所消耗［1］。高能源消耗必然帶來(lái)更多高污染等溫室氣體的排放，我國(guó)碳排放量從2005年7258.98萬(wàn)噸增長(zhǎng)到2014年的12739.69萬(wàn)噸，增長(zhǎng)率高達(dá)76%。我國(guó)五大行業(yè)的碳強(qiáng)度都有不同程度的下降，而物流業(yè)卻呈現(xiàn)出持續(xù)上升的趨勢(shì)，該行業(yè)已經(jīng)成為五大行業(yè)中唯一碳排放比例持續(xù)上升的部門［2］。

2015年《政府工作報(bào)告》及中央財(cái)經(jīng)領(lǐng)導(dǎo)小組會(huì)議中多次強(qiáng)調(diào)提高全要素生產(chǎn)率是供給側(cè)改革的核心，通過(guò)“增加研發(fā)投入，提高全要素生產(chǎn)率”。據(jù)此如何提高我國(guó)各行業(yè)全要素生產(chǎn)率，成為中外專家探討的重要議題。而作為經(jīng)濟(jì)發(fā)展“加速器”的物流業(yè)，在“供給側(cè)”改革的大潮中勢(shì)必要積極進(jìn)行產(chǎn)業(yè)升級(jí)，物流業(yè)要持續(xù)健康穩(wěn)定發(fā)展，不能一再的走“高投入，高產(chǎn)出，高污染”的老套路，如何結(jié)合我國(guó)目前的國(guó)情在能源消耗與碳排放的約束下改善物流活動(dòng)的技術(shù)效率、提高規(guī)模效率，提升我國(guó)整體物流活動(dòng)的全要素生產(chǎn)率，推進(jìn)“低碳物流”的快速發(fā)展就顯得尤為重要。

關(guān)于物流效率的研究，國(guó)內(nèi)近幾年已有越來(lái)越多的學(xué)者開(kāi)始意識(shí)到資源環(huán)境的約束性，何波（2012）［3］通過(guò)構(gòu)建綠色物流網(wǎng)絡(luò)測(cè)算環(huán)境質(zhì)量與物流成本之間的效率邊界。唐建榮等人（2013）［4］運(yùn)用三階段DEA模型在碳排放視角下對(duì)我國(guó)東部十省物流業(yè)技術(shù)效率進(jìn)行測(cè)定。李進(jìn)（2015）［5］提出通過(guò)可信性的低碳物流網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)來(lái)控制碳排放。關(guān)于投入產(chǎn)出變量的選取，大多研究則主要側(cè)重于物質(zhì)資本存量、人力資本存量及產(chǎn)出值［6，7］。關(guān)于物流效率的研究主體，國(guó)內(nèi)外研究主要立足于:物流企業(yè)效率（張毅等（2013）［8］、Min、Joo（2006）［9］）、港口物流效率（李譚等（2012）［10］）以及農(nóng)產(chǎn)品物流效率（汪旭暉等（2015）［11］）上。通過(guò)對(duì)現(xiàn)有研究成果梳理得出:（1）雖然已有不少學(xué)者將資源環(huán)境約束納入物流產(chǎn)業(yè)發(fā)展影響因素考慮，但少有將其納入物流全要素生產(chǎn)率分析框架進(jìn)行核算，并且未將能源投入和碳排放因素計(jì)入其中，難以反映中國(guó)物流業(yè)真實(shí)的生產(chǎn)率現(xiàn)狀。（2）在對(duì)物流產(chǎn)業(yè)效率展開(kāi)研究過(guò)程中，只關(guān)注效率值，沒(méi)有進(jìn)一步對(duì)物流效率值的影響因素進(jìn)行定量分析，更少有文獻(xiàn)進(jìn)行空間維度的分析，使研究?jī)r(jià)值受到極大制約。（3）對(duì)于實(shí)證角度的研究則主要集中于物流活動(dòng)的各項(xiàng)職能，而物流業(yè)的“效益背反”現(xiàn)象需要我們把視角放在整個(gè)物流行業(yè)的角度才更有意義。關(guān)于物流效率的測(cè)定方式，當(dāng)前最常用的是DEA數(shù)據(jù)包絡(luò)分析法、SFA隨機(jī)前沿生產(chǎn)函數(shù)法、超越對(duì)數(shù)法和柯布——道格拉斯生產(chǎn)函數(shù)等方法［12-15］，而較少采用DEA-Malmquist指數(shù)方法，該方法優(yōu)點(diǎn)是不需要對(duì)投入與產(chǎn)出變量、無(wú)效率項(xiàng)、行為目標(biāo)進(jìn)行設(shè)定，適用于多地區(qū)多時(shí)間的面板數(shù)據(jù)分析。

基于上述分析，本文在借鑒前人研究的基礎(chǔ)上，針對(duì)現(xiàn)有文獻(xiàn)的研究不足，嘗試以2005～2014年全國(guó)30個(gè)省、市、自治區(qū)（不包括西藏、港澳臺(tái)地區(qū)）為研究對(duì)象，將能源消耗作為投入變量，碳排放量作為非期望產(chǎn)出運(yùn)用非參數(shù)DEA -Malmquist指數(shù)方法構(gòu)建了在低碳約束下的省域物流產(chǎn)業(yè)全要素生產(chǎn)率（TFP）測(cè)算體系。隨后通過(guò)探索性空間數(shù)據(jù)分析方法，分析省域物流業(yè)TFP在空間上的溢出效應(yīng)，并對(duì)物流業(yè)TFP的空間演化過(guò)程進(jìn)行全局和局部自相關(guān)分析。最后運(yùn)用證實(shí)性空間數(shù)據(jù)分析（CSDA）方法建立空間計(jì)量模型對(duì)物流業(yè)TFP影響因素進(jìn)行分析，期望獲得更科學(xué)合理全面的結(jié)論，推動(dòng)區(qū)域物流持續(xù)高效發(fā)展。

1　研究方法與數(shù)據(jù)來(lái)源

1.1Malmquist生產(chǎn)率指數(shù)模型

為了避免強(qiáng)加的約束或者無(wú)端地選擇兩個(gè)技術(shù)中一個(gè)的需要，依照Fisher（1922）［16］和Caves（1982）［17］的思路Malmquist TFP指數(shù)被定義為兩個(gè)指數(shù)的幾何平均，具體形式如下:

式中，x和y分別表示投入和產(chǎn)出要素在t時(shí)期和t+1時(shí)期的變量，dt0和dt+10分別表示以技術(shù)Tt和Tt+1為參照的t時(shí)期及t+1時(shí)期決策單元的距離函數(shù)。當(dāng)M（xt+1，yt+1，xt，yt）＞1時(shí)，說(shuō)明相對(duì)于前一期來(lái)說(shuō)后一期的全要素生產(chǎn)率是增長(zhǎng)的，反之下降。

在此后的實(shí)證分析中普遍采用Fare等（1994）［18］構(gòu)建的DEA-Malmquist指數(shù)分析方法，假設(shè)規(guī)模報(bào)酬不變，將全要素生產(chǎn)率變化（TFPCH）進(jìn)一步分解為技術(shù)效率變動(dòng)（EFFCH）和技術(shù)進(jìn)步（TECH），其中技術(shù)效率變動(dòng)指數(shù)（EFFCH）又可以表示為純技術(shù)效率（PECH）和規(guī)模效率（SECH）的積，見(jiàn)下式:

其中，M（xt+1，yt+1，xt，yt）＞1生產(chǎn)率水平有所提高，M（xt+1，yt+1，xt，yt）＜1生產(chǎn)率水平下降，EFFCH＞1表示DMU與生產(chǎn)前沿面的距離在t+1期比t期有所減小，距離目標(biāo)值更為接近，效率逐步提升；TECH＞1表示技術(shù)得到改進(jìn)，TECH＜1表示技術(shù)效率下降，PECH＞1表示純技術(shù)效率變化得到改善，管理行為優(yōu)化從而效率提高，SECH＞1表示隨著時(shí)間的推移規(guī)模效率不斷靠近最優(yōu)。為了便于比較，規(guī)模報(bào)酬不變是目前各大行業(yè)TFP測(cè)度采用的主要研究方法，因此，這里采用規(guī)模報(bào)酬不變的投入導(dǎo)向型DEA-Malmquist指數(shù)分析方法。

1.2探索性空間數(shù)據(jù)分析

1.2.1全局空間自相關(guān)分析

本文引用Global Moran’s I指數(shù)，通過(guò)測(cè)度省域?qū)用嫔系南嗨菩曰虿町愋詠?lái)分析物流發(fā)展效率省域單元在空間上的分布規(guī)律和相互作用機(jī)制，其計(jì)算公式如下:

其中n表示空間單元個(gè)數(shù)，當(dāng)區(qū)域i與區(qū)域j相鄰或有共同頂點(diǎn)時(shí)wij=1，否則wij=0，當(dāng)i=j時(shí)，wij也為0。標(biāo)準(zhǔn)化后的Global Moran’s I統(tǒng)計(jì)量為:

Z服從標(biāo)準(zhǔn)正態(tài)分布。在給定顯著性程度時(shí)，當(dāng)Moran’s I＞0時(shí)，表示該地區(qū)總體相關(guān)性為正，相似屬性在地區(qū)內(nèi)呈現(xiàn)空間集聚態(tài)勢(shì)，值越接近于1，總體空間異質(zhì)性越?。划?dāng)Moran’s I＜0時(shí)，則表明該地區(qū)總體相關(guān)性為負(fù)，與其周邊地區(qū)存在顯著的差異，值越趨近負(fù)1，總體空間異質(zhì)性越大。當(dāng)且僅當(dāng)Moran’s I接近期望值-1/（n-1）時(shí)，各觀測(cè)值表現(xiàn)出相互獨(dú)立，且服從空間隨機(jī)分布，此時(shí)該區(qū)域的差異才能用傳統(tǒng)方法度量。Global Moran’s I統(tǒng)計(jì)量只說(shuō)明區(qū)域物流業(yè)效率水平在空間上的平均差異程度，不能反映區(qū)域物流效率水平的局部空間差異。

1.2.2局部空間自相關(guān)分析

通過(guò)分析和測(cè)算空間自相關(guān)空間關(guān)聯(lián)局域指標(biāo)（Local Indicators of Spatial As-sociation，LISA）和顯著性水平，采用Moran散點(diǎn)圖、Local Moran’s I統(tǒng)計(jì)量來(lái)分析每個(gè)省份相對(duì)于周邊地區(qū)的空間模式、差異化水平以及顯著性，它是對(duì)Global Moran’s I統(tǒng)計(jì)量的分解。對(duì)第i個(gè)區(qū)域而言，其形式為:

式中，Xi、Xj為空間單元i、j上的觀測(cè)值，n為空間單元的數(shù)量。

2　指標(biāo)選取與數(shù)據(jù)來(lái)源

物流業(yè)是融合運(yùn)輸業(yè)、倉(cāng)儲(chǔ)業(yè)、郵政、貨代業(yè)和信息業(yè)等復(fù)合型服務(wù)產(chǎn)業(yè)，作為近幾年才取得蓬勃發(fā)展的新興產(chǎn)業(yè)，目前在各國(guó)產(chǎn)業(yè)分類體系中都沒(méi)有涉及。從國(guó)家發(fā)展和改革委公布統(tǒng)計(jì)數(shù)據(jù)來(lái)看，交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)增加值占物流業(yè)增加值的85%以上，基本能代表中國(guó)物流產(chǎn)業(yè)的情況，所以本文以此作為物流業(yè)的代替指標(biāo)具有一定的可靠性，指標(biāo)體系選取（見(jiàn)表1）。

表1　物流業(yè)全要素生產(chǎn)率評(píng)價(jià)指標(biāo)體系

2.1產(chǎn)出指標(biāo)

①經(jīng)濟(jì)產(chǎn)出:物流業(yè)增加值是衡量物流業(yè)發(fā)展水平的首要指標(biāo)。本文選取交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政3個(gè)行業(yè)的GDP增加值匯總作為經(jīng)濟(jì)產(chǎn)出指標(biāo)。

②規(guī)模產(chǎn)出:本文借鑒馬越越［22］計(jì)算方法，將貨物和旅客周轉(zhuǎn)量折算成“綜合周轉(zhuǎn)量”作為規(guī)模產(chǎn)出指標(biāo)，計(jì)算方法見(jiàn)表2，此法已得到普遍的應(yīng)用。

表2　綜合周轉(zhuǎn)量計(jì)算方法

2.2投入指標(biāo)

①資本投入:目前國(guó)內(nèi)大多學(xué)者采用永續(xù)盤存法進(jìn)行測(cè)算，但該方法存在關(guān)鍵指標(biāo)無(wú)統(tǒng)一定論且省域數(shù)據(jù)受限等缺點(diǎn)，測(cè)算結(jié)果難免產(chǎn)生較大偏誤。本文借鑒劉秉鐮（2006）［23］、鄧學(xué)平（2008）［24］的方法，選取物流業(yè)固定資產(chǎn)投資作為資本投入量。

②勞動(dòng)力投入:由于勞動(dòng)收入很難準(zhǔn)確反映勞動(dòng)投入的變化，并且還缺乏相關(guān)的統(tǒng)計(jì)資料。鑒于此本文選用各省交通運(yùn)輸倉(cāng)儲(chǔ)和郵政業(yè)就業(yè)人員數(shù)作為人力資本投入指標(biāo)。

③能源投入:選取交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)中消耗量比例最大的7項(xiàng)能源（煤炭、汽油、煤油、柴油、燃料油、液化石油氣和天然氣）的一次能源消費(fèi)量統(tǒng)一折算成標(biāo)準(zhǔn)煤加總后作為能源投入。

2.3非期望投入

物流業(yè)碳排放:采用物流產(chǎn)業(yè)運(yùn)作過(guò)程中產(chǎn)生的碳排放作為投入指標(biāo)，需要說(shuō)明的是碳排放作為一種“壞”產(chǎn)出本該作為非期望產(chǎn)出指標(biāo)的，但由于在數(shù)據(jù)包絡(luò)分析中一般將“壞”產(chǎn)出作為投入指標(biāo)處理，數(shù)值越小越好。所以此處將非期望產(chǎn)出碳排放作為一種負(fù)向的投入指標(biāo)來(lái)分析。目前各行業(yè)碳排放量大多是通過(guò)估算得到的，根據(jù)IPCC提供的碳排放估算方法，采用下述公式計(jì)算碳排放量:

其中，ei表示第i種能源消費(fèi)量，i=1，2，…，7代表煤炭、汽油、煤油、柴油、燃料油、天然氣和電力，NCVi為各種能源的平均低位發(fā)熱量，CEFi為碳排放系數(shù)，COFi是碳氧化因子（IPCC默認(rèn)值為1），44和12為二氧化碳和碳的分子量。本文的數(shù)據(jù)主要來(lái)自2004～2015年《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)能源統(tǒng)計(jì)年鑒》，上述變量凡是受到價(jià)格因素影響的指標(biāo)，在后面做實(shí)證分析時(shí)都轉(zhuǎn)化為以2005年不變價(jià)格折算后的數(shù)值進(jìn)行統(tǒng)計(jì)和回歸分析。

3　實(shí)證結(jié)果分析

3.1低碳物流TFP評(píng)價(jià)分析

根據(jù)上述構(gòu)建的物流全要素生產(chǎn)率效率評(píng)價(jià)指標(biāo)體系，利用公式（1）采用我國(guó)30個(gè)省份2005～2014年物流活動(dòng)的投入產(chǎn)出面板數(shù)據(jù)，運(yùn)用Deap2.1測(cè)算我國(guó)各省物流活動(dòng)效率在低碳約束下的變動(dòng)情況（見(jiàn)表3）。

表3　低碳約束下我國(guó)物流業(yè)TFP指數(shù)及其分解結(jié)果

圖1　2005～2014年我國(guó)物流業(yè)TFP年均增長(zhǎng)率變化趨勢(shì)

從表3和圖1可以看出2005～2014年，當(dāng)考慮碳排放時(shí)我國(guó)省域物流業(yè)全要素生產(chǎn)率總體呈現(xiàn)波浪型擺動(dòng)上升趨勢(shì)，說(shuō)明在低碳約束下，我國(guó)物流業(yè)TFP指數(shù)逐年提高。2008～2009年、2012～2013年出現(xiàn)了相對(duì)較大幅度的下降，其主要原因是同年技術(shù)效率和技術(shù)進(jìn)步的下降，使得綜合技術(shù)效率變化指數(shù)下降，原因可能是2008年爆發(fā)全球經(jīng)濟(jì)危機(jī)，整體經(jīng)濟(jì)出現(xiàn)下滑的趨勢(shì)，物流產(chǎn)業(yè)作為各行業(yè)的橋梁，掌握進(jìn)出口的關(guān)鍵環(huán)節(jié)，在經(jīng)濟(jì)危機(jī)中受到?jīng)_擊而使生產(chǎn)率指數(shù)下降。2012～2013年同樣是由于技術(shù)進(jìn)步變化指數(shù)的下降導(dǎo)致整體TFP指數(shù)不理想，其原因是由于2012年物流業(yè)油品終端消費(fèi)量增加使得碳排放量也隨之增長(zhǎng)，最終導(dǎo)致整體物流業(yè)TFP指數(shù)的下滑，可見(jiàn)碳排放對(duì)整體物流業(yè)有顯著影響，其余年份TFP指數(shù)均呈上升趨勢(shì)。

從平均全要素生產(chǎn)率增長(zhǎng)情況來(lái)看，2005～2014年，平均增長(zhǎng)了-0.15%，這主要是由于樣本年內(nèi)兩次大幅度的技術(shù)進(jìn)步增長(zhǎng)率下滑所帶來(lái)的影響。這一定程度上反映出目前我國(guó)各省市可能存在著物流業(yè)能源投入過(guò)多產(chǎn)出不理想的情況，各省區(qū)之間缺乏統(tǒng)一規(guī)劃和統(tǒng)一協(xié)調(diào)，使得行業(yè)整體抵御外部因素干擾的能力較弱。具體分解來(lái)看樣本年內(nèi)，技術(shù)進(jìn)步指數(shù)平均下降了0.575%，可見(jiàn)我國(guó)物流業(yè)技術(shù)進(jìn)步增速緩慢，技術(shù)進(jìn)步已經(jīng)成為阻礙我國(guó)物流活動(dòng)效率改進(jìn)的主要絆腳石，是近年來(lái)我國(guó)物流業(yè)發(fā)展較快卻大而不強(qiáng)的根源，說(shuō)明現(xiàn)階段我國(guó)物流發(fā)展的重心在于技術(shù)創(chuàng)新、優(yōu)化外部運(yùn)營(yíng)環(huán)境、提高綜合管理水平、充分發(fā)揮資源投入的效力。這與劉軍等［25］學(xué)者的研究結(jié)論一致。樣本年內(nèi)，綜合技術(shù)效率年均增長(zhǎng)率為0.475%，但自2011年后不斷下降，說(shuō)明2011年后我國(guó)物流物資投入并沒(méi)有得到充分有效的利用，存在資源配置效率的損失。但由于物流技術(shù)效率增長(zhǎng)幅度不及技術(shù)進(jìn)步的下降幅度，最終我國(guó)樣本年內(nèi)物流活動(dòng)效率整體水平下降。

表4　2005～2014年我國(guó)30個(gè)省物流業(yè)TFP 指數(shù)及其分解結(jié)果

續(xù)表

當(dāng)分地區(qū)具體分析時(shí)，我國(guó)30個(gè)省市2005～2014年低碳物流全要素生產(chǎn)率指數(shù)及其增長(zhǎng)率如表4所示。總體上我國(guó)物流效率值提升的省份占全國(guó)40%，主要集中在我國(guó)東部和西部地區(qū)，東西部TFP指數(shù)平均增長(zhǎng)率為0.064%、0.091%，主要是因?yàn)?005年以來(lái)物流業(yè)進(jìn)入一個(gè)新的政策驅(qū)動(dòng)周期，國(guó)務(wù)院相繼印發(fā)了《關(guān)于物流業(yè)調(diào)整和振興規(guī)劃的通知》和《物流業(yè)發(fā)展中長(zhǎng)期規(guī)劃（2014～2020年）》，出臺(tái)了《關(guān)于促進(jìn)物流業(yè)健康發(fā)展政策措施的意見(jiàn)》，各省也結(jié)合可持續(xù)發(fā)展概況相繼出臺(tái)了本地區(qū)的物流發(fā)展規(guī)劃綱要，相關(guān)政策引致一系列乘數(shù)效應(yīng)，加之近年來(lái)我國(guó)電商的迅猛發(fā)展給物流業(yè)帶來(lái)了新飛躍，促進(jìn)物流業(yè)技術(shù)和效率的提高。全國(guó)及中部地區(qū)平均增長(zhǎng)率呈下降趨勢(shì)，其余各省所處效率區(qū)間相對(duì)穩(wěn)定，增長(zhǎng)率較平穩(wěn)?？梢?jiàn)我國(guó)大部分地區(qū)低碳約束下物流產(chǎn)業(yè)整體發(fā)展水平偏低，存在較大的效率提升空間。

3.2空間自相關(guān)檢驗(yàn)

3.2.1全局空間自相關(guān)結(jié)果分析

本文利用Geoda 1.6.0和ArcGis 10.0軟件對(duì)數(shù)據(jù)進(jìn)行分析，選擇蒙塔卡羅999次模擬檢驗(yàn)全局Moran’s I指數(shù)的顯著性，表5列示了全局Moran指數(shù)計(jì)算結(jié)果。

表5　2005～2014年我國(guó)省域物流業(yè)全局自相關(guān)檢驗(yàn)結(jié)果

從表5可以得出，樣本年內(nèi)我國(guó)省域物流業(yè)TFP的全局Moran’s I指數(shù)均是正數(shù)，且全部通過(guò)5%顯著性檢驗(yàn)，除了2008～2009年、2012～2013年、2013～2014年外其余年份Moran’s I均在0.2以上波動(dòng)，顯著偏離隨機(jī)分布。這說(shuō)明在樣本年內(nèi)我國(guó)物流業(yè)在低碳約束下全要素生產(chǎn)率呈現(xiàn)出顯著的全局空間正相關(guān)，樣本值趨于空間集聚。同時(shí)，根據(jù)時(shí)間序列變化可以看出，全局Moran’s I指數(shù)在樣本年內(nèi)，大致呈現(xiàn)螺旋上升的趨勢(shì)，由2005年的0.1745增加至2014年的0.2123。這表明樣本年內(nèi)我國(guó)物流業(yè)全要素生產(chǎn)率整體上空間自相關(guān)性不斷增強(qiáng)。

從空間分布上看，根據(jù)全局Moran’s I分布的各時(shí)間段特征，按照各省域TFP指數(shù)用自然間斷點(diǎn)分級(jí)法（Jenks）進(jìn)行分級(jí)，繪制2005～2006年和2013～2014年我國(guó)省區(qū)物流業(yè)的全要素生產(chǎn)率指數(shù)的空間分布圖（圖略）。中國(guó)省區(qū)物流業(yè)TFP指數(shù)空間差異明顯，總體呈南高北底的特征: 2005年上海、江蘇、浙江、北京物流全要素生產(chǎn)率較高，主要分布在長(zhǎng)三角、京津冀地區(qū)，華南、華中地區(qū)次之，西北地區(qū)最低。2014年除了原有效率值較高地區(qū)外，新增云南、廣西、重慶、海南四省物流全要素生產(chǎn)效率值有所增長(zhǎng)，西北地區(qū)效率值最低。

3.2.2局部空間自相關(guān)結(jié)果分析

為了進(jìn)一步揭示我國(guó)省域物流業(yè)全要素生產(chǎn)率的空間集聚狀態(tài)及其空間分布高低水平，利用研究局域空間的相關(guān)性的局部Moran散點(diǎn)圖（見(jiàn)圖2）和時(shí)空躍遷測(cè)度法對(duì)該指標(biāo)進(jìn)行局部空間自相關(guān)分析。

圖2　2005～2014年我國(guó)物流業(yè)TFP指數(shù)Moran’s I散點(diǎn)圖

通過(guò)對(duì)Moran散點(diǎn)圖的觀察，可以發(fā)現(xiàn)我國(guó)物流業(yè)全要素生產(chǎn)率集群被分成了4個(gè)相互關(guān)聯(lián)的空間模式。大部分省份位于第一象限（HH）和第三象限（LL），說(shuō)明大部分省份間存在正向的空間自相關(guān)性，即物流TFP值高的地區(qū)被其余高TFP值地區(qū)環(huán)繞，反之低低省域環(huán)繞。從2005～2014年Moran散點(diǎn)圖的變化來(lái)看，Moran散點(diǎn)擬合直線的斜率在逐年增加，說(shuō)明各省市之間的空間自相關(guān)性在隨時(shí)間的變化逐漸增強(qiáng)。

為了進(jìn)一步發(fā)現(xiàn)我國(guó)物流業(yè)全要素生產(chǎn)率的空間動(dòng)態(tài)躍遷及時(shí)空演化過(guò)程，本文采用Rey［26］使用的時(shí)空躍遷測(cè)度法，將全國(guó)30個(gè)省份劃分為4類，通過(guò)對(duì)各省市在不同時(shí)間對(duì)應(yīng)類型所包含省市數(shù)量的變化來(lái)展現(xiàn)其在時(shí)空上的躍遷規(guī)律。其中Ⅰ型表示某一省區(qū)的相對(duì)位移的躍遷即自身效率值的變動(dòng)，如HH→LH；Ⅱ型表示相關(guān)空間上相鄰省域的躍遷即某一省份周邊地區(qū)效率值發(fā)生變動(dòng)，如LH→LL；Ⅲ型表示某一省區(qū)及其相鄰省區(qū)同時(shí)發(fā)生躍遷即效率值同時(shí)發(fā)生變動(dòng)，如HL→LH；Ⅳ型表示均保持穩(wěn)定即效率值不變，如HH→HH。整個(gè)躍遷變動(dòng)過(guò)程可用時(shí)空躍遷矩陣來(lái)表示（見(jiàn)表6）。

表6　2005～2014年我國(guó)省域物流TFP 指數(shù)時(shí)空躍遷類型

從表6可以看出，2005～2014年的3個(gè)時(shí)段里，最具代表性的躍遷類型是Ⅳ類型，該類型省市數(shù)量所占比重較大平均占比40%以上，這表明我國(guó)各省市物流業(yè)全要素生產(chǎn)率的分布具有較明顯的空間鎖定及路徑依賴性。3個(gè)時(shí)段中躍遷至LL類型的省區(qū)數(shù)量不斷增加，從10%增長(zhǎng)到30%，說(shuō)明在低碳約束下我國(guó)物流業(yè)全要素生產(chǎn)率偏低的省份有進(jìn)一步聚集的趨勢(shì)。相比之下，躍遷至HH類型的省市數(shù)量明顯較多，比重分別達(dá)到47%、40%、57%，表明我國(guó)物流業(yè)全要素生產(chǎn)率高的省市集聚程度也較大。

4　影響因素分析

前述分析表明，我國(guó)物流業(yè)在低碳約束下的全要素生產(chǎn)率在空間上具有顯著的的正向相關(guān)性，說(shuō)明我國(guó)物流效率值在空間上并非是任意分布的，而是表現(xiàn)出明顯的空間依賴性和溢出效應(yīng)。因此結(jié)合物流業(yè)自身特性及我國(guó)物流業(yè)全要素生產(chǎn)率的空間分布情況，選取我國(guó)省域物流業(yè)低碳全要素生產(chǎn)率為被解釋變量，運(yùn)用證實(shí)性空間數(shù)據(jù)分析方法，對(duì)其進(jìn)行影響因素分析。選取物流業(yè)人力資本存量、經(jīng)濟(jì)發(fā)展水平、能源結(jié)構(gòu)、對(duì)外開(kāi)放度、政府干預(yù)度作為影響物流業(yè)TFP的影響因素。具體指標(biāo)選取如下:人力資本利用各省平均受教育年限衡量人力資本存量，計(jì)算過(guò)程如下:

平均受教育年限=（大專以上文化人數(shù)×16+高中文化人數(shù)×12+初中文化人數(shù)×9+小學(xué)文化人數(shù)×6+文盲人數(shù)×1）/6歲以上人口總數(shù)

采用實(shí)際人均GDP反映各地區(qū)經(jīng)濟(jì)運(yùn)行水平與經(jīng)濟(jì)質(zhì)量；選取物流產(chǎn)業(yè)主要能源消費(fèi)總量與全社會(huì)客貨運(yùn)綜合周轉(zhuǎn)量的比值，即物流產(chǎn)業(yè)能源強(qiáng)度，來(lái)衡量物流業(yè)能源結(jié)構(gòu)，由于理論上物流能源強(qiáng)度與物流效率成反比，因此計(jì)算時(shí)取倒數(shù)處理；對(duì)外開(kāi)放水平對(duì)物流業(yè)的發(fā)展具有“雙刃劍”作用，選取進(jìn)出口總額與地區(qū)GDP的比值，來(lái)衡量各省市對(duì)外開(kāi)放度。政府干預(yù)與物流資源的配置有密切的關(guān)系，采用財(cái)政支出占GDP比重作為政府干預(yù)度的代理指標(biāo)。

4.1模型建立與估計(jì)

本文將空間相關(guān)性對(duì)物流全要素生產(chǎn)率的影響納入空間計(jì)量模型，采用低碳約束下的物流TFP作為表征物流業(yè)效率的被解釋變量，并選取2014年數(shù)據(jù)分析以上各因素變量如何影響我國(guó)低碳物流效率及其空間布局。建立空間滯后模型:

式中，Y為低碳物流全要素生產(chǎn)率，W為空間權(quán)重矩陣，ρ為空間效應(yīng)系數(shù)，β=（β1，…，βk）′為參數(shù)向量，ε是隨機(jī)誤差項(xiàng)。

空間誤差模型的表達(dá)式為:

式中，λ為空間誤差相關(guān)系數(shù)，反應(yīng)了相鄰省份針對(duì)被解釋變量的誤差沖擊對(duì)本省觀察值的影響程度，μ是正態(tài)分布的隨機(jī)誤差項(xiàng)，β反映自變量對(duì)因變量的影響水平。

4.2實(shí)證結(jié)果分析

表7給出了OLS及空間計(jì)量模型的估計(jì)結(jié)果，分析發(fā)現(xiàn)空間誤差模型的擬合優(yōu)度為0.9861高于空間滯后模型擬合優(yōu)度0.9842，對(duì)數(shù)似然值也大于SLM模型，且AIC和SC值都最小。根據(jù)空間依賴性檢驗(yàn)結(jié)果顯示，LMERR及R-LMERR檢驗(yàn)顯著，而LMLAG及R-LMLAG檢驗(yàn)不顯著，所以空間誤差模型為最優(yōu)模型。

表7　OLS與空間計(jì)量模型ML估計(jì)結(jié)果

從表7可以看出:人力資本在空間滯后模型及空間誤差模型中對(duì)我國(guó)物流業(yè)效率的正向影響較大，在SEM模型中的系數(shù)為0.2189，可見(jiàn)知識(shí)密集型產(chǎn)業(yè)發(fā)展的關(guān)鍵因素是人力資本。經(jīng)濟(jì)發(fā)展水平為地區(qū)物流業(yè)效率的提升提供資金基礎(chǔ)，對(duì)應(yīng)指標(biāo)是人均實(shí)際GDP，回歸系數(shù)為0.0511通過(guò)了1%的顯著性檢驗(yàn)，說(shuō)明我國(guó)經(jīng)濟(jì)運(yùn)行質(zhì)量與低碳物流效率有直接相關(guān)關(guān)系，經(jīng)濟(jì)發(fā)展水平每提高1個(gè)百分點(diǎn)，低碳物流效率就提高0.0511個(gè)百分點(diǎn)。政府干預(yù)影響因素在空間計(jì)量模型下的系數(shù)沒(méi)有通過(guò)顯著性檢驗(yàn)，表明目前政府干預(yù)對(duì)我國(guó)物流業(yè)效率的影響不大。能源結(jié)構(gòu)和對(duì)外開(kāi)放水平在SEM模型中的系數(shù)都較小，說(shuō)明各地區(qū)的物流業(yè)能源消費(fèi)結(jié)構(gòu)對(duì)物流整體效率值的影響程度較弱。其中對(duì)外開(kāi)放度因素的系數(shù)通過(guò)了1%的顯著性水平，在空間誤差模型和空間滯后模型中的回歸系數(shù)為-0.0243、-0.0241，這與傳統(tǒng)的觀念相悖，原因可能是對(duì)外開(kāi)放水平高的地區(qū)，吸引先進(jìn)技術(shù)、資金的同時(shí)會(huì)使物流業(yè)規(guī)模擴(kuò)大導(dǎo)致能源消耗的增加，進(jìn)而增加了物流業(yè)的碳排放量，最終導(dǎo)致低碳約束下，地區(qū)物流業(yè)效率值下降；但也從另一方面表明對(duì)外開(kāi)放進(jìn)程的推進(jìn)要合理有序的進(jìn)行，不能盲目進(jìn)行，否則會(huì)對(duì)當(dāng)?shù)匚锪鳂I(yè)產(chǎn)生負(fù)向影響，不利于區(qū)域經(jīng)濟(jì)的發(fā)展。

5　結(jié)論與建議

我國(guó)物流產(chǎn)業(yè)在近幾年發(fā)展中開(kāi)始陸續(xù)受到低碳化瓶頸的遏制，能源環(huán)境壓力不斷增大，面對(duì)未來(lái)國(guó)民經(jīng)濟(jì)低碳化轉(zhuǎn)型的需求，低碳物流必將成為大勢(shì)所趨，如何提高物流業(yè)全要素生產(chǎn)率具有十分重要的研究意義。

本文首先利用DEA-Malmquist指數(shù)方法，對(duì)我國(guó)30個(gè)省、市、自治區(qū)低碳全要素生產(chǎn)率、技術(shù)效率及其分解進(jìn)行橫向縱向的測(cè)度及對(duì)比分析，研究表明在2005～2014年間，我國(guó)低碳物流全要素生產(chǎn)率東西部增長(zhǎng)較快，中部地區(qū)陷入物流發(fā)展停滯期，全國(guó)整體水平偏低，地區(qū)間存在發(fā)展不平衡，物流效率存在非常大的進(jìn)步空間。其次運(yùn)用探索性空間數(shù)據(jù)分析（ESDA）方法，從空間維度對(duì)我國(guó)低碳物流效率的空間溢出效應(yīng)（空間自相關(guān)性）進(jìn)行測(cè)度分析，結(jié)果表明我國(guó)省域低碳物流全要素生產(chǎn)率整體表現(xiàn)出集聚特征，相鄰省份之間呈正相關(guān)居多。第三，在考慮空間溢出效應(yīng)的基礎(chǔ)上，運(yùn)用空間計(jì)量模型分析我國(guó)低碳物流產(chǎn)業(yè)全要素生產(chǎn)率的影響因素，結(jié)果表明受教育程度、區(qū)域經(jīng)濟(jì)、能源消費(fèi)結(jié)構(gòu)、政府干預(yù)度均都對(duì)低碳物流全要素生產(chǎn)率產(chǎn)生促進(jìn)作用，其中受教育程度和地區(qū)經(jīng)濟(jì)發(fā)展有較強(qiáng)影響，能源消費(fèi)結(jié)構(gòu)和對(duì)外開(kāi)放度影響較弱。

基于上述結(jié)論，建議從以下三方面采取措施:（1）調(diào)整我國(guó)物流業(yè)的要素投入模式，建立物流產(chǎn)業(yè)碳減排的長(zhǎng)效機(jī)制。重點(diǎn)從以下幾方面著手:加強(qiáng)物流產(chǎn)業(yè)技術(shù)創(chuàng)新與信息化建設(shè)，積極獲取政府政策與資金支持，推進(jìn)物流設(shè)備研發(fā)改造，提高單位能耗產(chǎn)出，加強(qiáng)與各國(guó)之間的合作與交流，學(xué)習(xí)他國(guó)先進(jìn)管理模式汲取經(jīng)驗(yàn)，并與加強(qiáng)人才儲(chǔ)備并行。（2）調(diào)整優(yōu)化能源消費(fèi)結(jié)構(gòu)，降低能源消費(fèi)強(qiáng)度。延伸物流價(jià)值鏈，提升相關(guān)產(chǎn)品附加值，從而提升物流產(chǎn)業(yè)能源效率。（3）結(jié)合各地的區(qū)域經(jīng)濟(jì)發(fā)展程度、能源消費(fèi)結(jié)構(gòu)、人力資本情況、對(duì)外開(kāi)放水平及政策導(dǎo)向，將各省市物流業(yè)分為“高——高”、“低——高”、“低——低”、“高——低”型，根據(jù)各省市所屬類別，實(shí)施差異化的減排策略，以此促進(jìn)資源合理配置和有效利用，降低碳排放，實(shí)現(xiàn)物流業(yè)可持續(xù)發(fā)展。

［1］王鋒，馮根福.中國(guó)碳強(qiáng)度對(duì)行業(yè)發(fā)展、能源效率及中間投入系數(shù)的彈性研究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2012，（5）:50～62

［2］張立國(guó).物流業(yè)能源消耗與碳排放研究進(jìn)展［J］.技術(shù)經(jīng)濟(jì)與管理研究，2016，（1）:119～123

［3］何波.綠色物流網(wǎng)絡(luò)系統(tǒng)建模與效率邊界分析［J］.中國(guó)管理科學(xué)，2012，（3）:138～144

［4］唐建榮，盧玲珠.低碳約束下的物流效率分析——以東部十省市為例［J］.中國(guó)流通經(jīng)濟(jì)，2013，（1）:40～47

［5］李進(jìn).基于可信性的低碳物流網(wǎng)絡(luò)設(shè)計(jì)多目標(biāo)模糊規(guī)劃問(wèn)題［J］.系統(tǒng)工程理論與實(shí)踐，2015，（6）:1482～1492

［6］王蕾，薛國(guó)梁，張紅麗.基于DEA分析法的新疆北疆現(xiàn)代物流效率分析［J］.資源科學(xué)，2014，（7）:1425～1433

［7］張中強(qiáng).我國(guó)東部地區(qū)區(qū)域物流發(fā)展效率分析——以我國(guó)東部31個(gè)地市級(jí)地區(qū)為例［J］.中國(guó)社會(huì)科學(xué)院研究生院學(xué)報(bào)，2012，（1）:77～81

［8］張毅，牛沖槐，龐繼芳.我國(guó)物流上市企業(yè)規(guī)模效率及影響因素研究［J］.數(shù)理統(tǒng)計(jì)與管理，2013，（3）:511～520

［9］Min，H.，Joo，S.J..Benchmarking the Operational Efficiency Logistics Providers Using Data Envelopment Analysis［J］.Supply Chain An Inteinational Journal，2006，11（3）:259～265

［10］李譚，王利，王瑜.遼寧省港口物流效率及其與腹地經(jīng)濟(jì)協(xié)同發(fā)展研究［J］.經(jīng)濟(jì)地理，2012，（9）:108～113

［11］汪旭暉，文靜怡.我國(guó)農(nóng)產(chǎn)品物流效率及其區(qū)域差異——基于省際面板數(shù)據(jù)的SFA分析［J］.當(dāng)代經(jīng)濟(jì)管理，2015，（1）:26～32

［12］李曉梅，白雪飛.基于超效率CCR-DEA的國(guó)有物流企業(yè)績(jī)效實(shí)證分析——基于16家上市物流企業(yè)的樣本數(shù)據(jù)［J］.中國(guó)流通經(jīng)濟(jì)，2016，（4）:26～32

［13］余泳澤，劉秉鐮.中國(guó)區(qū)域物流產(chǎn)業(yè)技術(shù)進(jìn)步及其影響因素研究［J］.上海經(jīng)濟(jì)研究，2010，（10）:3～12

［14］田剛，李南.中國(guó)物流業(yè)技術(shù)效率差異及其影響因素研究——基于省級(jí)面板數(shù)據(jù)的實(shí)證分析［J］.科研管理，2011，（7）:34～44

［15］樊元，馬麗梅.中國(guó)區(qū)域物流發(fā)展效率實(shí)證分析［J］.統(tǒng)計(jì)與決策，2012，（3）:113～116

［16］Fisher，I.The Making of Index Numbers［M］.Boston:Houghton Mifflin，1922

［17］Caves D.W.Christensen L.R.Diewert W.E..The Economic Theory of Index Numbers and the Measurement of Input，Output，and Productivity［J］.Econometrica，1982b，50（6）:1393～1414

［18］FareR.Grosskopf S.Lovell C.A.K..Production Frontier［M］Cambridge.MA:Cambridge University Press，1994

［19］王成金.中國(guó)物流企業(yè)的空間組織網(wǎng)絡(luò)［J］.地理學(xué)報(bào)，2008，63（2）:135～146

［20］武劍，楊愛(ài)婷.基于ESDA和CSDA的京津冀區(qū)域經(jīng)濟(jì)空間結(jié)構(gòu)實(shí)證分析［J］.中國(guó)軟科學(xué)，2010，（3）:111～119

［21］謝守紅，蔡海亞.中國(guó)物流產(chǎn)業(yè)的空間集聚及成因分析［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2015，（4）:51～58

［22］馬越越，王維國(guó).中國(guó)物流業(yè)碳排放特征及其影響因素分析——基于LMDI分解技術(shù)［J］.數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2013，（10）:31～42

［23］劉秉鐮，李清彬.中國(guó)城市全要素生產(chǎn)率的動(dòng)態(tài)實(shí)證分析: 1990～2006——基于DEA模型的Malmquist指數(shù)方法［J］.南開(kāi)經(jīng)濟(jì)研究，2009，（3）:139～152

［24］鄧學(xué)平，等.我國(guó)物流企業(yè)全要素生產(chǎn)率分析［J］.系統(tǒng)工程，2008，26（6）:1～9

［25］劉軍，楊明.我國(guó)物流產(chǎn)業(yè)生產(chǎn)力成長(zhǎng)與技術(shù)效率變動(dòng)探析［J］.北京工商大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2009，（6）:87～91

［26］ReyS.J..Spatial Empirics for Economic Growth and Convergence［J］Geographical Analysis，2001，33:195～214

Logistics Industry Total Factor Productivity Spatial Differentiation and Space-time Evolution at Low Carbon Constraints

Chen Wenxin1，2Pan Yu1
（1.Shihezi University，Wujiaqu 831300，China；2.Bintuan Economic Research Institute，Urumqi 830000，China）

Based on DEA-Malmquist index and nonparametric method，China’s 30 provinces from 2005 to 2014 low carbon logistics industry under the restriction of total factor productivity（TFP）is measured.This paper analyzes its structure and the general evolution trend，using exploratory spatial data analysis（ESDA）method and transition of time and measure method to describe the spatial pattern of evolution process.Finally it uses confirmatory spatial data analysis（CSDA）methods to analyze influencing factors.Research shows that: China’s low-carbon logistics total factor productivity growth spiraled slowly rising in the sample years，but there is a big room to improve，the progress is the reason mainly lies in the technological progress，energy structure and other factors of production efficiency has no obvious improvement.Seen from space，the provinces of low carbon logistics efficiency exist significant correlation characteristics，but its not consistent with the energy input levels，and there are spatial heterogeneity.So adjust the structure of energy consumption，implement differentiation logistics strategies to reduce emissions is a priority.

low carbon constraints；Non-parametric DEA-Malmquist index；exploratory spatial data analysis；total factor productivity

10.3969/j.issn.1004-910X.2016.11.007

F252.5

A

2016—05—03

新疆自治區(qū)人文社科重點(diǎn)研究基地，兵團(tuán)屯墾經(jīng)濟(jì)研究中心2015年度招標(biāo)立項(xiàng)重點(diǎn)項(xiàng)目“新常態(tài)下提升新疆經(jīng)濟(jì)質(zhì)量問(wèn)題研究”（項(xiàng)目編號(hào):XJEDU2015B01）。

陳文新，石河子大學(xué)經(jīng)濟(jì)與管理學(xué)院教授，碩士生導(dǎo)師，兵團(tuán)經(jīng)濟(jì)研究所所長(zhǎng)。研究方向:管理統(tǒng)計(jì)、金融理論與政策。潘宇，石河子大學(xué)經(jīng)濟(jì)與管理學(xué)院碩士研究生。研究方向:管理統(tǒng)計(jì)、物流管理。

（責(zé)任編輯:王 平）