王 惠，喬美華

（1.淮陰工學(xué)院，江蘇 淮安 223003；2.聊城大學(xué)，山東 聊城 252000）

1 引言

物流業(yè)作為融合倉儲、運(yùn)輸和信息服務(wù)等產(chǎn)業(yè)的復(fù)合型服務(wù)行業(yè)，隸屬于第三產(chǎn)業(yè)的復(fù)合行業(yè)，是中國經(jīng)濟(jì)發(fā)展的基礎(chǔ)性和戰(zhàn)略性產(chǎn)業(yè)。物流業(yè)也是中國能源消耗的重要行業(yè)，尤其是對成品油的消耗，穩(wěn)居各行業(yè)首位[1]。統(tǒng)計(jì)數(shù)據(jù)顯示了中國物流業(yè)消耗了全國超過60%的柴油和90%的汽油，可以說是名副其實(shí)的碳排放大戶。隨著環(huán)境污染加劇和能源價(jià)格攀升，國家對于企業(yè)節(jié)能減排工作提出了更為嚴(yán)苛的要求。研究高耗能、高污染的物流行業(yè)環(huán)境效率如何與低碳經(jīng)濟(jì)發(fā)展密切相關(guān)，需科學(xué)地測度中國物流業(yè)環(huán)境效率，探究環(huán)境效率影響因素的作用機(jī)制，具有重要的現(xiàn)實(shí)指導(dǎo)意義。

近年來，國內(nèi)外學(xué)者對物流業(yè)技術(shù)效率進(jìn)行了廣泛的研究，但鮮見將CO2排放納入物流業(yè)生產(chǎn)效率的研究?，F(xiàn)有的物流業(yè)技術(shù)效率研究成果集中在以下三個(gè)方面：一是沒有考慮環(huán)境污染對物流業(yè)技術(shù)效率的評價(jià)。如：李蘭冰等[2]利用數(shù)據(jù)包絡(luò)分析方法度量中國52家上市物流企業(yè)的綜合效率；張春民（2016）[3]基于DEA方法測定鐵路貨場的技術(shù)效率；王書靈[4]等運(yùn)用三階段DEA方法研究江浙滬地區(qū)2009-2014年物流產(chǎn)業(yè)效率。二是考慮污染對物流業(yè)技術(shù)效率的評價(jià)。如：李麗[5]構(gòu)建了低碳物流評價(jià)指標(biāo)評價(jià)體系，利用模糊物元分析京津冀地區(qū)物流運(yùn)行效率；張誠[6]運(yùn)用數(shù)據(jù)包絡(luò)分析模型對低碳環(huán)境下的物流業(yè)效率進(jìn)行評價(jià)；朱連毅[7]構(gòu)建物流業(yè)DEA基本模型，應(yīng)用環(huán)境生產(chǎn)技術(shù)構(gòu)建了環(huán)境規(guī)制下的物流效率評價(jià)模型。三是沒有考慮非期望產(chǎn)出碳排放的物流業(yè)全要素生產(chǎn)率的研究。如：張立國等[8]基于DEA-Malmquist生產(chǎn)率指數(shù)分析方法，構(gòu)建了物流業(yè)全要素能源效率的測度模型，考察了中國物流業(yè)全要素能源效率的動態(tài)變動和區(qū)域差異情況。

綜上所述，已有文獻(xiàn)針對物流行業(yè)的靜態(tài)效率的評價(jià)居多，對考慮物流碳排放的動態(tài)全要素生產(chǎn)率的研究相當(dāng)匱乏，研究方法也存在一定的改進(jìn)空間。據(jù)此，本文試圖在以下幾個(gè)方面進(jìn)行拓展：①考慮物流行業(yè)生產(chǎn)過程中產(chǎn)生的負(fù)外部效應(yīng)；②基于Tobit模型，實(shí)證解析產(chǎn)業(yè)結(jié)構(gòu)、區(qū)域經(jīng)濟(jì)、人力資源、外商投資和物流專業(yè)化程度對物流業(yè)環(huán)境全要素生產(chǎn)率的作用機(jī)制，以期為提高物流行業(yè)的環(huán)境效率和制定相關(guān)政策提供科學(xué)依據(jù)。

2 物流業(yè)全要素環(huán)境效率測算

2.1 模型設(shè)定

將中國30個(gè)省、市、自治區(qū)的物流業(yè)定義為決策單元，根據(jù)Pastor和Lovell[9]提出的全局參比Malmquist指數(shù)計(jì)算方法，構(gòu)建物流業(yè)環(huán)境全要素生產(chǎn)率測度模型，以所有各期的總和為參考集，各期采用同一前沿，其Malmquist生產(chǎn)率指數(shù)為：

Malmquist指數(shù)可以分解為效率變化和技術(shù)變化：

式（4）中PEC為物流業(yè)的純技術(shù)效率變化，SEC為物流業(yè)規(guī)模效率變化，TC為技術(shù)變化。PEC和SEC的乘積為技術(shù)效率變化（EC）。技術(shù)效率變化（EC）表示從t到t+1時(shí)期，決策單元生產(chǎn)狀況與生產(chǎn)前沿面的接近程度；技術(shù)進(jìn)步（TC）表示從t到t+1時(shí)期，生產(chǎn)前沿面的移動情況。

2.2 投入產(chǎn)出指標(biāo)設(shè)計(jì)

本文選取2005-2014年中國30個(gè)省、市和自治區(qū)的有關(guān)數(shù)據(jù)為樣本，由于西藏、香港、澳門和臺灣地區(qū)部分?jǐn)?shù)據(jù)缺失，因此沒納入研究范圍。選取資本（K）、勞動力（L）和能量消耗（E）為物流效率測算投入指標(biāo)，行業(yè)增加值（WGDP)為期望產(chǎn)出，碳排放量（WT）為非期望產(chǎn)出。鑒于統(tǒng)計(jì)產(chǎn)業(yè)分類中沒有物流產(chǎn)業(yè)，界定物流業(yè)包含交通運(yùn)輸、倉儲和郵政業(yè)，數(shù)據(jù)來源于相應(yīng)年份的《中國統(tǒng)計(jì)年鑒》、《中國能源統(tǒng)計(jì)年鑒》以及各個(gè)省、市的統(tǒng)計(jì)年鑒和統(tǒng)計(jì)公報(bào)數(shù)據(jù)，投入產(chǎn)出指標(biāo)及其數(shù)據(jù)計(jì)算說明如下：

資本（K）采用各地交通運(yùn)輸業(yè)存量指標(biāo)，以固定資產(chǎn)投資作為基本數(shù)據(jù)，選擇資產(chǎn)折舊率為10%，在計(jì)算資本儲量前，用固定資產(chǎn)投資指數(shù)對固定資產(chǎn)投資額進(jìn)行平減，消除價(jià)格干擾因素。勞動力（L）采用各個(gè)地區(qū)的交通運(yùn)輸業(yè)從業(yè)人員作為代理指標(biāo)，單位是萬人。能量消耗（E），以交通運(yùn)輸業(yè)各項(xiàng)能源終端消費(fèi)量折算標(biāo)準(zhǔn)煤來表示，單位是萬噸標(biāo)準(zhǔn)煤。行業(yè)增加值（WGDP）采用交通運(yùn)輸業(yè)增加值，單位為億元。碳排放量（WT）為各省市物流業(yè)的碳排放總量，筆者參考已有學(xué)者的做法，收集地區(qū)交通運(yùn)輸?shù)拿禾俊⑵?、柴油和天然氣四大能源消耗?shù)據(jù)，單位為萬噸二氧化碳，通過IPCC（聯(lián)合國政府間氣候變化專門委員會）提供的各種能源碳排放系數(shù)計(jì)算整理獲得。

2.3 結(jié)果分析

采用窗口法處理數(shù)據(jù)，基于DEA-Malmquist指數(shù)測度物流業(yè)環(huán)境全要素生產(chǎn)率的投入產(chǎn)出數(shù)據(jù)。在本文中，選擇至前沿最遠(yuǎn)距離SBM模型作為距離函數(shù)，Malmquist指數(shù)則采用全局參比指數(shù)，將碳排放設(shè)為非期望產(chǎn)出，利用MAXDEA軟件計(jì)算得到物流業(yè)全要素生產(chǎn)環(huán)境效率，見表1。

表1 2005-2014年中國物流業(yè)全要素環(huán)境生產(chǎn)率以及構(gòu)成變化

由表1可以看出，中國物流業(yè)全要素環(huán)境生產(chǎn)率（TFP）平均增長了0.65%，受到技術(shù)進(jìn)步影響較大。除2005-2006年、2008-2009年和2012-2013年的TFP有所下降以外，其他各年均呈現(xiàn)不同比例的增長，其中2008-2009年降幅最大，降低了18.1%，技術(shù)退化是導(dǎo)致該年份全要素環(huán)境生產(chǎn)率下降的主要原因。2010-2011年TFP增幅最大，增長了20.65%，技術(shù)進(jìn)步對環(huán)境全要素生產(chǎn)率的貢獻(xiàn)較大。2013-2014年TFP的漲幅較小，僅為1.02%。TFP在2006-2008年期間呈現(xiàn)下降態(tài)勢；2012-2014年呈現(xiàn)快速上升趨勢，變化軌跡上表現(xiàn)倒“U”型特征，與鐘祖昌[10]、田剛[11]等研究的物流業(yè)績效發(fā)展態(tài)勢相吻合。樣本期內(nèi)，純技術(shù)效率是影響環(huán)境全要素生產(chǎn)率的主要因素，中國“物流熱”使得各區(qū)域物流業(yè)投入劇增，導(dǎo)致能源投入過度，非期望產(chǎn)出碳排放量的增加，引發(fā)了物流業(yè)產(chǎn)出不理想的情況。

分區(qū)域來看，東北、東部、西部、中部四大區(qū)域物流業(yè)的環(huán)境全要素生產(chǎn)率演化軌跡差異性顯著，結(jié)果見表2。西部地區(qū)的物流行業(yè)環(huán)境全要素生產(chǎn)率年均增長最高，東部其次，中部和東北較低，這與王維國[12]研究結(jié)論相一致。中國四大經(jīng)濟(jì)區(qū)物流業(yè)環(huán)境全要素生產(chǎn)率升降有所不同，除了東北地區(qū)TFP年均出現(xiàn)小幅下降之外，東部、西部和中部均有不同程度的漲幅，分別為1.09%、1.12%和0.33%，究其原因可能受到中國“西部大開發(fā)”戰(zhàn)略實(shí)施的影響，雖然西部各省的物流業(yè)基礎(chǔ)設(shè)施起點(diǎn)不高，卻呈現(xiàn)“后發(fā)優(yōu)勢”。

表2 2005-2014年四大經(jīng)濟(jì)區(qū)物流業(yè)環(huán)境全要素生產(chǎn)率變化

3 影響因素與機(jī)制分析

3.1 模型建立和變量選取

物流業(yè)環(huán)境全要素生產(chǎn)率區(qū)域差異性是多種因素共同作用的結(jié)果，結(jié)合前人已有研究主要考察產(chǎn)業(yè)結(jié)構(gòu)（STR）、區(qū)域經(jīng)濟(jì)（GDP）、人力資源（EDU）、外商投資（FDI）和物流專業(yè)化程度（SPE）對物流業(yè)環(huán)境全要素生產(chǎn)率的影響，基于Tobit模型探究外部因素的作用機(jī)制，構(gòu)建Tobit模型如下：

式（5）中YI表示第i個(gè)區(qū)域物流業(yè)環(huán)境全要素生產(chǎn)率，β0表示回歸式的常數(shù)項(xiàng)；β1到 β5表示各自變量的回歸系數(shù)；μi表示表示回歸式的誤差項(xiàng)。產(chǎn)業(yè)結(jié)構(gòu)（STR）選擇第三產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值的比重表示；區(qū)域經(jīng)濟(jì)（GDP）采用地區(qū)生產(chǎn)總值表示，單位億元；人力資源（EDU），以地區(qū)大專以上受教育人數(shù)占地區(qū)總?cè)丝诘谋壤硎?；外商投資（FDI）為區(qū)域?qū)嶋H利用外商投資額，單位萬美元；物流專業(yè)化程度（SPE）為物流產(chǎn)值占總產(chǎn)值的比例。相關(guān)數(shù)據(jù)來自相關(guān)年份《中國統(tǒng)計(jì)年鑒》、《中國教育年鑒》和《中國對外經(jīng)濟(jì)貿(mào)易年鑒》。

3.2 影響因素實(shí)證分析

在決定使用空間面板數(shù)據(jù)模型或者普通面板模型之前，需要對主要變量進(jìn)行空間依賴性檢驗(yàn)，本文采用實(shí)證常用的全局Moran指數(shù)I，以判斷物流業(yè)環(huán)境全要素生產(chǎn)率是否具有空間外溢性。通過莫蘭檢驗(yàn)結(jié)果（見表3）可以看出TFP不存在空間相關(guān)性。據(jù)此，接下來實(shí)證分析將采取平衡面板數(shù)據(jù)進(jìn)行探討。

平衡面板數(shù)據(jù)模型包含隨機(jī)效應(yīng)模型和固定效應(yīng)模型，在個(gè)體固定效應(yīng)不顯著為零的假設(shè)前提下，通過豪斯曼檢驗(yàn)選擇何種模型，通過F統(tǒng)計(jì)量對個(gè)體固定效應(yīng)的顯著性檢驗(yàn)結(jié)果進(jìn)行判定。

表3 空間模型的檢驗(yàn)結(jié)果

從表4的回歸結(jié)果來看，固定效應(yīng)和隨機(jī)效應(yīng)回歸的擬合優(yōu)度均高于OLS估計(jì)，固定效應(yīng)的對數(shù)似然值遠(yuǎn)遠(yuǎn)大于OLS估計(jì)；豪斯曼檢驗(yàn)的伴隨概率值（0.597 6）大于0.05，接受隨機(jī)效應(yīng)的原假設(shè)，所以接下來的實(shí)證分析采用面板隨機(jī)效應(yīng)模型結(jié)果進(jìn)行探討。

表4 TFP影響因素的回歸結(jié)果

區(qū)域經(jīng)濟(jì)（GDP）對TFP影響為負(fù)，但是統(tǒng)計(jì)性并不顯著，回歸系數(shù)為0.018，表明區(qū)域經(jīng)濟(jì)對物流業(yè)環(huán)境全要素生產(chǎn)率影響并不明顯。區(qū)域經(jīng)濟(jì)沒有像預(yù)期一樣促進(jìn)TFP增長，究其原因是經(jīng)濟(jì)發(fā)達(dá)地區(qū)過度重視經(jīng)濟(jì)發(fā)展，導(dǎo)致資源投資基數(shù)較大，重復(fù)建設(shè)的現(xiàn)象普遍存在。另外，經(jīng)濟(jì)發(fā)達(dá)區(qū)域由于自身的經(jīng)濟(jì)優(yōu)勢，使得物流業(yè)對能源的利用效果關(guān)注度較低，事實(shí)上本地的能源消耗較大，引發(fā)的壞產(chǎn)出碳排放也隨之增多，致使TFP并不能與區(qū)域經(jīng)濟(jì)發(fā)展和諧共進(jìn)。人力資源對TFP影響為負(fù)，也沒有通過10%的顯著性檢驗(yàn)，意味著即使大專及以上人數(shù)占地區(qū)總受教育人數(shù)比重提高，并不能促使物流業(yè)的TFP改善。物流行業(yè)的工作人員知識文化素養(yǎng)提高，在某種程度上有益于物流行業(yè)的信息化和技術(shù)創(chuàng)新，卻可能由于政府部門對國內(nèi)的物流業(yè)CO2排放的監(jiān)管力度不足，引發(fā)了人力資源水平的提高并未正向促進(jìn)TFP增長。

專業(yè)化水平（SPE）的彈性系數(shù)顯著為正，表明專業(yè)化水平對TFP具有顯著影響，專業(yè)化水平每提高一個(gè)單位，TFP也隨之提高0.610個(gè)單位，物流行業(yè)專業(yè)化水平不斷提高，可以通過前后關(guān)聯(lián)效應(yīng)和示范效應(yīng)促進(jìn)當(dāng)?shù)匚锪餍袠I(yè)的技術(shù)水平提高，關(guān)注綠色低碳生產(chǎn)，有益于實(shí)現(xiàn)物流行業(yè)的可持續(xù)良性發(fā)展。產(chǎn)業(yè)結(jié)構(gòu)（STR）在10%的顯著性水平下，對TFP具有顯著的負(fù)向影響，表明中國的產(chǎn)業(yè)結(jié)構(gòu)乃需要進(jìn)一步調(diào)整。外商投資（FDI）的彈性系數(shù)為0.085，且通過1%的顯著性檢驗(yàn)，意味著外商投資每增加1個(gè)單位，TFP增加0.085個(gè)單位，通過戰(zhàn)略引進(jìn)外資，可以顯著提升物流業(yè)環(huán)境全要素生產(chǎn)率。

4 結(jié)論

為了全面展現(xiàn)中國區(qū)域環(huán)境全要素生產(chǎn)率及其區(qū)域差異，本文以2005-2014年中國30個(gè)省、市、自治區(qū)為研究對象，在考慮物流業(yè)能源投入和碳排放的情況下，綜合運(yùn)用非期望產(chǎn)出SBM模型和全局參比Malmquist指數(shù)方法測度各個(gè)地區(qū)物流業(yè)的TFP，并通過空間依賴性檢驗(yàn)發(fā)現(xiàn)TFP并不具有空間溢出效應(yīng)，構(gòu)建Tobit模型研究TFP影響因素的作用機(jī)制，得到如下結(jié)論和啟示：

在考察樣本期間，中國物流業(yè)的TFP年均0.65%，存在較大的改進(jìn)空間，受技術(shù)進(jìn)步的貢獻(xiàn)影響較大，四大區(qū)域TFP年均升降有所不同，東北地區(qū)下降了1.07%，東部、西部和中部均表現(xiàn)為不同程度的增長。中國政府亟待提高對物流業(yè)的重視程度，減少物流業(yè)管理方面存在的條塊分割、各自為政的現(xiàn)象，引導(dǎo)物流業(yè)的區(qū)域協(xié)調(diào)發(fā)展。

區(qū)域經(jīng)濟(jì)對物流業(yè)TFP的影響不大，這與經(jīng)濟(jì)發(fā)達(dá)區(qū)域過度重視經(jīng)濟(jì)發(fā)展、忽略了物流行業(yè)的資源投資過度問題有關(guān)，表明需要嚴(yán)格控制物流行業(yè)的單位能耗，降低碳排放總量，促進(jìn)物流行業(yè)的綠色發(fā)展，確保環(huán)境和經(jīng)濟(jì)協(xié)調(diào)發(fā)展。人力資源對TFP的影響為負(fù)，但是并沒有通過統(tǒng)計(jì)性檢驗(yàn)，反映出人力資源并未對物流業(yè)環(huán)境全要素生產(chǎn)率產(chǎn)生較大的影響。產(chǎn)業(yè)結(jié)構(gòu)、專業(yè)化水平和外商直接投資對物流業(yè)TFP具有顯著的正向影響，因此通過優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，加大物流業(yè)信息化建設(shè)，嚴(yán)格管控物流業(yè)的能耗和CO2排放，可以有效促進(jìn)中國物流業(yè)環(huán)境全要素生產(chǎn)率的提升。

[1]王鋒,馮根福.中國碳強(qiáng)度對行業(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]李蘭冰,李春輝.我國上市物流企業(yè)效率評價(jià)[J].現(xiàn)代物流,2012,(2):33-38.

[3]張春民.鐵路貨場物流化作業(yè)能力效率評價(jià)研究[J].鐵道貨運(yùn),2015,(9):30-35.

[4]王書靈,袁汝華.基于三階DEA的江浙滬地區(qū)物流產(chǎn)業(yè)效率[J].鐵道運(yùn)輸與經(jīng)濟(jì),2015,38(10):1-12.

[5]李麗.京津冀低碳物流能力評價(jià)指標(biāo)體系構(gòu)建-基于模糊物元法的研究[J].現(xiàn)代財(cái)經(jīng),2015,(3):43-49.

[6]張誠.低碳環(huán)境下中國物流業(yè)效率評價(jià)研究[J].鐵道運(yùn)輸與經(jīng)濟(jì),2014,37,(1):74-79.

[7]朱連毅.考慮碳排放約束的我國中部地區(qū)物流效率評價(jià)[J].技術(shù)與方法,2010,(10):137-138.

[8]張立國,李東.中國物流業(yè)全要素能源效率動態(tài)變動及區(qū)域差異分析[J].資源科學(xué),2015,(4):754-763.

[9]Pastor J T,Lovel C A K.A global malmquist productivity index[J].Ecnomics Letters,2005,88(2):266-271.

[10]鐘祖昌.基于三階段DEA模型的中國物流產(chǎn)業(yè)技術(shù)效率研究[J].財(cái)經(jīng)研究,2010,36(9):80-90.

[11]田剛,李南.中國物流業(yè)技術(shù)進(jìn)步與技術(shù)效率研究[J].數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究,2009,(2):76-87.

[12]王維國,馬越越.中國區(qū)域物流產(chǎn)業(yè)效率-基于三階段DEA模型的Malmquist-luenberger指數(shù)方法[J].系統(tǒng)工程,2012,30(3):66-75.