王漫漫 劉戰(zhàn)豫 朱康文

摘 要：運用非期望產(chǎn)出的Super-SBM與Malmquist指數(shù)對河南省18個市區(qū)2007—2017年物流業(yè)綠色全要素生產(chǎn)率進行測度，構(gòu)建以環(huán)境規(guī)制為門檻變量的面板門檻模型，檢驗創(chuàng)新質(zhì)量對河南省物流業(yè)綠色全要素生產(chǎn)率的影響。結(jié)果表明：物流業(yè)綠色全要素生產(chǎn)率、技術(shù)進步、技術(shù)效率都呈現(xiàn)波動趨勢，歷年技術(shù)效率波動幅度較小，并且對綠色全要素生產(chǎn)率作用不大，而技術(shù)進步對綠色全要素生產(chǎn)率作用較大;不同地區(qū)之間物流業(yè)綠色全要素生產(chǎn)率存在差距;進一步研究表明，環(huán)境規(guī)制下，創(chuàng)新質(zhì)量對物流業(yè)綠色全要素生產(chǎn)率的影響具有促進作用。

關(guān)鍵詞：綠色全要素生產(chǎn)率;Super-SBM模型;Malmquist-Luenberger指數(shù);面板門檻;環(huán)境規(guī)制

中圖分類號：F259.27? ? 文獻標識碼：A? ? 文章編號：1671-0037（2019）12-9-8

DOI：10.19345/j.cxkj.1671-0037.2019.12.002

黨的十九大報告明確指出：“以供給側(cè)結(jié)構(gòu)性改革為主線，推動經(jīng)濟高質(zhì)量變革、效率變革、動力變革，提高全要素生產(chǎn)率”，從而增強中國經(jīng)濟發(fā)展的創(chuàng)新力和競爭力。綠色全要素生產(chǎn)率已成為衡量產(chǎn)業(yè)發(fā)展的重要指標，因此提高綠色全要素生產(chǎn)率是“新常態(tài)”發(fā)展的核心要義。河南省地處中原，擁有完善的交通設(shè)施及物流網(wǎng)絡(luò)，“三區(qū)一群”的建設(shè)加快了河南省物流業(yè)的發(fā)展，“一帶一路”的深度融合，為河南省物流業(yè)發(fā)展營造了良好的環(huán)境。河南省物流業(yè)經(jīng)過多年的粗放式增長已具有一定的規(guī)模，2018年河南省社會物流總額達到13.09萬億元，相比2017年增長9%，高于全國2.6%，全省社會物流費用7 371.08億元，社會物流費用與GDP的比率為15.3%，比去年下降0.4個百分點，從數(shù)據(jù)中可以看出河南省大力推進的物流降本增效雖然取得了一定效果，但在資源配置、技術(shù)效率以及綠色理念等方面與發(fā)達國家仍然還有較大差距，如何提高物流效率，進而提高全要素生產(chǎn)率，使物流業(yè)健康發(fā)展已成為當前熱點。

1 文獻綜述

經(jīng)濟增長方式轉(zhuǎn)型和全要素生產(chǎn)率的提高是當前國民經(jīng)濟研究的熱點，而物流業(yè)作為國民經(jīng)濟的“加速器”和“潤滑劑”，有利于提高中國經(jīng)濟高質(zhì)量發(fā)展。熊彼特認為創(chuàng)新是經(jīng)濟持續(xù)增長的動力?，F(xiàn)代內(nèi)生增長理論認為，技術(shù)進步不受資本積累的影響，是推動經(jīng)濟長期增長的源泉。索羅通過實證檢驗，認為發(fā)達國家的經(jīng)濟增長很大程度上是由技術(shù)促進的。國內(nèi)外學(xué)者從信息化水平[1-2]、基礎(chǔ)設(shè)施[3]、貿(mào)易開放度[4]以及投入要素利用率[5]等角度對物流業(yè)全要素生產(chǎn)率進行研究。王健[6]認為信息化水平對物流業(yè)TFP具有顯著的正向影響;馬越越[7]認為交通物流設(shè)施通過提高物流資源配置效率和規(guī)模效率進而提高物流生產(chǎn)率;余泳澤[8]認為物流資源利用率能有效提高地區(qū)物流效率。

關(guān)于全要素生產(chǎn)率的研究主要采用參數(shù)方法與非參數(shù)方法，參數(shù)方法主要采用索羅余值[9]、隨機前沿分析法（SFA）[10]和傳統(tǒng)DEA等，但這些方法在核算全要素生產(chǎn)率的過程中只考慮到“好”產(chǎn)出，而忽略了能源投入和非期望產(chǎn)出，從而使測算結(jié)果“虛高”，不能體現(xiàn)出經(jīng)濟發(fā)展的真實水平，因此將環(huán)境污染納入全要素生產(chǎn)率測算的框架中，得到的綠色全要素生產(chǎn)率是比較科學(xué)的。為了使測算結(jié)果更加準確，學(xué)術(shù)界對綠色全要素生產(chǎn)率的測算方法進行了改進，目前學(xué)者多采用非參數(shù)方法進行測算，非參數(shù)方法主要是以數(shù)據(jù)包絡(luò)分析（DEA）及其組合模型，如DEA-Malmquist方法[11]、Malmquist-Luenberger模型[12]、SBM-Luenberger模型[13]、三階段DEA[14]、DDF-ML指數(shù)[15]以及SBM-DDF-Luenberger模型[16]等。如唐建榮等[17]運用非參數(shù)方法基于城市物流的投入產(chǎn)出指標，對江蘇省13個地級市的物流業(yè)全要素生產(chǎn)率進行實證分析。何琴清等[18]運用DEA法測算珠三角地區(qū)物流業(yè)全要素生產(chǎn)率、技術(shù)進步指數(shù)和技術(shù)效率指數(shù)，發(fā)現(xiàn)珠三角地區(qū)總體全要素生產(chǎn)率偏低且波動幅度不穩(wěn)定。李健[19]等以碳排放為非期望產(chǎn)出，利用SBM模型測算中國30個?。ㄊ校┑奈锪鳟a(chǎn)業(yè)效率，研究中國區(qū)域物流產(chǎn)業(yè)效率的空間效應(yīng)及其影響因素。將環(huán)境納入到全要素生產(chǎn)率的測算中，得到的測算的結(jié)果低于傳統(tǒng)的測算值[20]，綠色全要素生產(chǎn)率的演變特征受多種因素的影響，如技術(shù)創(chuàng)新[21]、制度創(chuàng)新[22]等。張虎[23]等認為短期內(nèi)技術(shù)創(chuàng)新對工業(yè)綠色全要素生產(chǎn)率的促進作用較弱。

隨著創(chuàng)新活動的增加，創(chuàng)新質(zhì)量成了學(xué)者們關(guān)注的熱點，知識產(chǎn)權(quán)是創(chuàng)新驅(qū)動的有力支撐，專利能力代表技術(shù)創(chuàng)新能力和核心競爭力。對創(chuàng)新質(zhì)量的測算，已有研究者從專利數(shù)量[24]來衡量專利質(zhì)量，但這種方法只是注重在“量”，而并不能完全體現(xiàn)出“質(zhì)”。從專利長度與專利寬度兩個角度分析，專利長度指專利的保護期限，而專利寬度則指專利產(chǎn)品與競爭產(chǎn)品之間的最小差異化程度，代表著專利被保護的范圍。Hsu[25]采用專利被引頻次衡量創(chuàng)新質(zhì)量;Akcigit和Aghion等運用專利知識寬度衡量專利質(zhì)量;基于此，本文在以往研究的基礎(chǔ)上從專利質(zhì)量的角度來衡量創(chuàng)新質(zhì)量，將創(chuàng)新質(zhì)量與物流業(yè)綠色全要素生產(chǎn)率作為研究對象，將環(huán)境規(guī)制作為門檻變量，利用門檻模型，檢驗不同環(huán)境規(guī)制水平下創(chuàng)新質(zhì)量對物流業(yè)綠色全要素生產(chǎn)率的影響，尋找最優(yōu)綠色發(fā)展的環(huán)境規(guī)制策略，以期為河南省物流業(yè)持續(xù)健康發(fā)展提供參考。

2 研究方法與數(shù)據(jù)說明

2.1 含有非期望產(chǎn)出的Super-SBM模型

為了使測算結(jié)果更加準確，Tone采用主觀賦權(quán)的思路，基于松弛變量，提出了非徑向、非角度的SBM模型[9]，削弱了問題的主觀性，從而增加了研究的客觀性。在現(xiàn)實生產(chǎn)中，非期望產(chǎn)出往往伴隨著期望產(chǎn)出而產(chǎn)生，例如廢物排放、壞賬損失等。只考慮期望產(chǎn)出會使測量結(jié)果“虛高”，無法反映真實的效率。為解決這一問題，Tone基于SBM提出了一種包含非期望產(chǎn)出的拓展模型，針對特定決策單元[X0，yg0，yb0]模型[10]表達為：

[P*=min1-1mi=1ms-ixi01+1s1+s2r=1s1Sgrygr0+r=1s2Sbrybr0]

[S.tx0=Xλ+S-yg0=Ygλ-Sgyb0=Ybλ+SbS-≥0，Sg≥0，Sb≥0，λ≥0]? ? ? ? ? ? ? ? ? ? ?（1）

式（1）中，每個DMU有m個投入、[S1]種期望產(chǎn)出為[yg]，[S2]種非期望產(chǎn)出為[yb]，[λ]為權(quán)重。且目標函數(shù)P關(guān)于[S-]、[Sg]、[Sb]嚴格遞減，[0≤p≤1]，當且僅當[S-=Sg=Sb]時，決策單元充分有效。

為了使最優(yōu)單元之間進行有效對比，接下來將采用超效率SBM模型[12]，假設(shè)[n]個決策單元，每個決策單元有[m]種投入（[x]），其中[X=x1，x2，…，xn]，[Yg=yg1，yg2，…，ygn]，

[Yb=yb1，yb2，…，ybn]，在規(guī)模報酬可變的情況下生產(chǎn)可能性集為

[P=x，yg，ybx≤Xλ，yg≤Ygλ，yb≤Ybλ]，非期望產(chǎn)出的Super-SBM模型[13]為：

[a*=min1mi=1mxxik1s1+s2r=1s1sgrygrk+r=1s2sbrybrk]

[s.tj=1，j≠knxijλj-s-ixikj=1，j≠knyrjλj+sgrygrkj=1，j≠knybtj-sbtybtk1-1s1+s2r=1s1sgrygrk+r=1s2sbrybrk>0s-0，sg0，sb0，λ0i=1，2，…m，r=1，2，…s，j=1，2，…nj≠k]? ?（2）

為了使得到的結(jié)果更加準確，本文將選取包含非期望產(chǎn)出的Super-SBM模型來測度河南省物流業(yè)綠色全要素生產(chǎn)率。

2.2 Malmquist—Luenberger指數(shù)

在生產(chǎn)的過程中，為了使效益最大或成本最小，期望以較少的投入獲得較大的產(chǎn)出，而Super-SBM方法可以用來測算DMU的相對效率，但不能找出限制效率的具體因素，為了同時考慮減少投入增加產(chǎn)出且各變量無須等比例變動，因此，繼續(xù)使用含有非期望產(chǎn)出的ML（Malmquist-Luenberger）指數(shù)，即：

[MLt+1t=1+Dt0xt，yt，zt;yt，-zt1+Dt0xt+1，yt+1，zt+1;yt+1，-zt+1，]

[*1+Dt+10xt，yt，zt;yt，-zt1+Dt+10xt+1，yt+1，zt+1;yt+1，-zt+1，]

（3）

ML指數(shù)又可分解為技術(shù)進步指數(shù)（TECH）與技術(shù)效率指數(shù)（EFFCH），即：

[MLt+1t=EFFCHt+1t*TECHt+1t]，其中：

[TECHt+1t=1+Dt+10xt，yt，zt;yt，-zt1+Dt0xt+1，yt+1，zt+1;yt+1，-zt+1，]

[*1+Dt+10xt+1，yt+1，zt+1;yt+1，-zt+11+Dt0xt+1，yt+1，zt+1;yt+1，-zt+1，]

（4）

[EFFCHt+1t=1+Dt0xt，yt，zt;yt，-zt1+Dt0xt+1，yt+1，zt+1;yt+1，-zt+1，]（5）

上式中，[MLt+1t]為綠色全要素生產(chǎn)率從t期到t+1期的變化指數(shù)，[TEHHt+1t]為技術(shù)進步從t期到t+1期的變化指數(shù)，[EFFCHt+1t]為技術(shù)效率從t期到t+1期的變化指數(shù)。三者大于1分別表示綜合效率的改善、技術(shù)的改進以及技術(shù)效率的提高;反之，表明相應(yīng)惡化，即離目標值越來越遠[14]。

2.3 指標選取與數(shù)據(jù)處理

物流過程包含運輸、儲存、裝卸、搬運、包裝、流通加工、配送、信息處理等一系列環(huán)節(jié)，在整個物流過程中涉及的環(huán)節(jié)較多，并且統(tǒng)計尚不完善，但由于交通運輸、倉儲和郵政業(yè)占物流業(yè)增加值的85%以上，因此選取交通運輸、倉儲和郵政業(yè)務(wù)替代物流相關(guān)數(shù)據(jù)，以此作為物流業(yè)的指標數(shù)據(jù)，構(gòu)建物流業(yè)綠色全要素生產(chǎn)率評價指標體系（見表1）。

①投入指標

資本投入采用物流業(yè)固定資本存量衡量，采用“永續(xù)盤存法”計算2007—2017年河南省各市物流業(yè)實際資本存量;勞動力選取年末物流業(yè)從業(yè)人數(shù);能源投入選取行業(yè)一次性能源消耗最多的7種能源統(tǒng)一轉(zhuǎn)換為標準煤后加總得到行業(yè)能源消耗總量。

②產(chǎn)出指標

期望產(chǎn)出：選取物流業(yè)增加值與綜合周轉(zhuǎn)量，分別表示經(jīng)濟產(chǎn)出和規(guī)模產(chǎn)出。物流業(yè)增加值采用第三產(chǎn)業(yè)增加值;物流業(yè)周轉(zhuǎn)量主要考慮鐵路、水路、公路3種運輸方式，并將旅客周轉(zhuǎn)量與貨物周轉(zhuǎn)量折算為綜合周轉(zhuǎn)量。

非期望產(chǎn)出：主要指物流作業(yè)過程中碳排放（即CO2的排放）。本文分別統(tǒng)計物流業(yè)消耗量最高的七種能源（原煤、焦炭、煤油、柴油、汽油、燃料油和液化石油）歷年消耗量，并根據(jù)IPCC2006碳排放計算指南展開測算：

[CO2=i=17CO2i=i=17Ei*NCVi*CEFi*COFi*4412]

（6）

式（6）中，[Ei]表示第[i]種能源的消耗量（[i=1，2，3…7]），NCVi為每種能源的平均低位發(fā)熱量，CEFi為每種能源的碳排放參考系數(shù)，COFi是碳氧化因子，44與12為CO2與C的分子量。

本文中投入產(chǎn)出指標的數(shù)據(jù)來源于歷年《河南省統(tǒng)計年鑒》（2007—2017年）能源欄分行業(yè)能源消耗總量下交通運輸、倉儲及郵政業(yè)務(wù)總能源消耗量和國民經(jīng)濟核算增加值下交通運輸、倉儲及郵政業(yè)務(wù)增加值計算出單位增加值能源消耗量，再根據(jù)各市交通運輸、倉儲及郵政業(yè)務(wù)增加值乘以單位增加值能源消耗量計算出各市的能源消耗量。

3 測算結(jié)果分析

依據(jù)前文構(gòu)建的物流業(yè)綠色全要素生產(chǎn)率評價指標體系，采MAXDEA6.0將整理好的物流業(yè)面板數(shù)據(jù)進行測算，進而來研究河南省物流業(yè)綠色全要素生產(chǎn)率的時間及空間演化特征。

圖1是河南省物流業(yè)2007—2017年綠色全要素生產(chǎn)率、技術(shù)效率和技術(shù)進步歷年的平均值，從圖中可以看出全省綠色效率指數(shù)近年來處于上升狀態(tài)，2011年之后效率值均大于1。2007—2009年全省效率值呈現(xiàn)倒“V”型，2009年效率值最低為0.826 4，原因是受國際金融危機的沖擊，物流行業(yè)發(fā)展受到阻礙，由于河南省地處內(nèi)陸，因此所受沖擊出現(xiàn)一定程度的滯后性;2009年以前效率雖處于上升狀態(tài)，但由于受物流業(yè)長期粗放發(fā)展方式的影響，依舊未達到有效，通過增加資源要素的投入，來拉動產(chǎn)業(yè)規(guī)模的增長，忽略了經(jīng)濟與生態(tài)的協(xié)調(diào)發(fā)展，導(dǎo)致物流業(yè)綠色全要素生產(chǎn)率較低。2009年以后開始出現(xiàn)轉(zhuǎn)機，國務(wù)院于2009年發(fā)布《物流業(yè)調(diào)整和振興規(guī)劃》，河南省響應(yīng)國家號召，開始大力發(fā)展物流，物流業(yè)開始出現(xiàn)“回春”。2013年后開始緩慢上升，這顯示出結(jié)構(gòu)調(diào)整、配置優(yōu)化等措施逐漸起效，物流業(yè)迎來了綠色發(fā)展的機遇。物流業(yè)綠色全要素生產(chǎn)率、技術(shù)進步、技術(shù)效率都呈現(xiàn)波動趨勢，歷年技術(shù)效率波動幅度較小，并且對綠色全要素生產(chǎn)率作用不大，而技術(shù)進步對綠色全要素生產(chǎn)率作用較大。

圖2為各市平均物流業(yè)綠色全要素生產(chǎn)率變化指數(shù)、技術(shù)效率變化指數(shù)和技術(shù)進步變化指數(shù)。采用含非期望產(chǎn)出的ML指數(shù)及其分解公式，計算得出河南省各市物流業(yè)綠色全要素生產(chǎn)率及其分解指數(shù)值。從ML指數(shù)的角度來看，只有鶴壁、南陽、濮陽、三門峽和商丘均值大于1，三門峽達到最大1.104，其余地區(qū)均未達到1，駐馬店最低達到0.93;從技術(shù)效率指數(shù)來看，全省整體而言差距不是很大，波動幅度較為穩(wěn)定，洛陽、三門峽、許昌和鄭州處于全省領(lǐng)先地位，其均值達到1，其余地市雖未達到有效，但都在1附近徘徊，因此需要提高資源利用率，優(yōu)化資源配置進而提高技術(shù)效率;從技術(shù)進步指數(shù)來看，鶴壁、南陽、濮陽、三門峽和商丘最為理想，分別為1.008 13、1.004 69、1.005 7、1.103 52和1.007 55，因此技術(shù)進步的提高需要政府通過政策加大財政投入，引進物流人才，應(yīng)用新技術(shù)，提高經(jīng)營管理水平，進而促進物流業(yè)的均衡發(fā)展。

從圖2可以看出省會鄭州效率為0.977，作為省會城市其效率卻未達到有效，主要因為近幾年河南省大力發(fā)展高鐵，大量資金投入在鐵路方面，在綠色物流方面投入較少，使得鄭州物流業(yè)綠色全要素生產(chǎn)率發(fā)展緩慢。鶴壁、南陽、濮陽、三門峽和商丘效率較為理想，得益于發(fā)達的物流網(wǎng)絡(luò)。綜合圖1和圖2來看，隨著低碳理念的深入，物流業(yè)綠色全要素生產(chǎn)率逐漸提高，河南省物流業(yè)逐步趨于健康發(fā)展，但是不同地區(qū)之間發(fā)展依舊存在差距。從各市物流業(yè)綠色全要素生產(chǎn)率分解指數(shù)可以看出，各市三個指數(shù)均呈現(xiàn)波動，其中效率指數(shù)波動幅度較小，而綠色全要素生產(chǎn)率指數(shù)隨技術(shù)進步指數(shù)同頻波動，不同地市波動程度差距較大，也進一步說明了不同地區(qū)之間物流業(yè)綠色全要素生產(chǎn)率存在差異，而全要素生產(chǎn)率指數(shù)隨技術(shù)進步指數(shù)同步變化，說明綠色全要生產(chǎn)率的進步得益于技術(shù)的改善。

4 研究設(shè)計

4.1 計量模型構(gòu)建

基于Hansen模型構(gòu)建如下靜態(tài)面板門檻模型：

[GTFP=ai+γiδ1innovi，t+φ1xi，t+ε1i，t qi，t≤θδ2innovi，t+φ2xi，t+ε2i，t qi，t>θ]

（7）

式（7）中，[GTFPi，t]表示綠色全要素生產(chǎn)率，[innovi，t]為核心解釋變量，在本研究中用創(chuàng)新質(zhì)量表示;[xi，t]表示控制變量;[ai]、[λt]和[ε]分別表示截距項、時間固定效應(yīng)和隨機誤差;[δ]、[φ]分別表示各變量系數(shù);[q]為門檻變量，本研究選用環(huán)境規(guī)制強度作為門檻變量;[θ]為門檻值大小。為減少共線性，避免模型存在內(nèi)生性問題，在式（7）的基礎(chǔ)上構(gòu)建GMM動態(tài)面板門檻模型，為了使偏誤性更小，引入因變量滯后一期作為工具變量，基于此，在式（7）基礎(chǔ)上引入因變量一階滯后項構(gòu)建系統(tǒng)GMM門檻模型如下：

[GTFP=ai+γiβ1GTFPi，t-1+δ1innovi，t+φ1xi，t+ε1i，t qi，tθβ2GTFPi，t-1+δ2innovi，t+φ2xi，t+ε1i，t qi，t>θ]

（8）

4.2 變量定義與說明

4.2.1 核心解釋變量：創(chuàng)新質(zhì)量（innov）。在專利被引用次數(shù)方面，中國專利數(shù)據(jù)庫并沒有這方面的詳細信息，理論上可以通過專利的價值賦予其相應(yīng)的權(quán)重，構(gòu)造價值加權(quán)的專利數(shù)量，但在專利價值的測度方面卻是一個難以解決的問題，因此本研究借鑒張杰[26]等的研究方法，利用專利知識寬度衡量創(chuàng)新質(zhì)量，專利包含的知識越復(fù)雜，越不容易被模仿和改善。本文利用赫芬達爾—赫希曼指數(shù)邏輯思維對專利分類數(shù)量進行加權(quán)處理，其計算公式為：[Q=1-a2]。其中[a]表示專利分類號中大組分類所占比重，Q值越大表示專利質(zhì)量越高。首先將搜索范圍劃定為河南省，然后按照不同地市進行分類，之后再對同一市相同年份的每項專利質(zhì)量累計求和，最后用地市專利質(zhì)量總和除以該市專利授權(quán)數(shù)量求得平均專利質(zhì)量，將平均專利質(zhì)量作為創(chuàng)新質(zhì)量以消除因地區(qū)差異而造成的估計誤差：[innovQn]。

4.2.2 門檻變量：環(huán)境規(guī)制強度（ER）。目前，對于環(huán)境規(guī)制的衡量并未形成統(tǒng)一定論，學(xué)者主要從工業(yè)廢水工業(yè)廢氣處理率、CO、SO2達標率以及環(huán)境治理所用費用與GDP的比值等不同角度來測算環(huán)境規(guī)制強度，鑒于物流行業(yè)不同于其他行業(yè)，其整個物流環(huán)節(jié)主要是CO2排放量對環(huán)境造成污染，因此，本文借鑒章忠亮[27]的做法，采用單位物流業(yè)增加值產(chǎn)生的CO2排放量用以衡量環(huán)境規(guī)制的強度。

4.2.3 控制變量。通過對物流業(yè)綠色全要素生產(chǎn)率的分析發(fā)現(xiàn)，技術(shù)進步對全要素生產(chǎn)率具有較為明顯的促進作用，因此為了更為客觀地找出技術(shù)進步對物流業(yè)綠色全要素生產(chǎn)率的作用，選取以下變量作為控制變量：人力資本（HC），選取地區(qū)物流業(yè)從業(yè)人員受教育水平作為指標，借鑒溫濤的做法設(shè)定小學(xué)為6年，初中為9年，高中和中專為12年，大專及以上為15年，具體計算方法為：Pg=P1×++P2×9+P3×12+P4×15，式中P1、P2、P3、P4分別表示小學(xué)、初中、高中、大專及以上就業(yè)人口比重;產(chǎn)業(yè)結(jié)構(gòu)（Stru），以第二產(chǎn)業(yè)產(chǎn)值占地區(qū)總產(chǎn)值比重表示;研究開發(fā)（R&D），以研究開發(fā)投入費用占地區(qū)財政支出費用比例來表示;外商投資（FDI），以外商直接投資額與地區(qū)生產(chǎn)總值的比值表示;經(jīng)濟發(fā)展水平（PGDP），以地區(qū)人均生產(chǎn)總值表示。

4.3 研究樣本與數(shù)據(jù)來源

本文數(shù)據(jù)通過對《河南省統(tǒng)計年鑒》（2006—2017年）、地方統(tǒng)計年鑒、國家知識產(chǎn)權(quán)局專利數(shù)據(jù)庫以及重點產(chǎn)業(yè)專利信息服務(wù)平臺中物流行業(yè)專利整理得到。

5 檢驗結(jié)果與分析

首先進行面板數(shù)據(jù)單根檢驗，判斷變量是否為平穩(wěn)變量，采用LLC檢驗、HT檢驗和Hadri LM檢驗，若通過兩種檢驗則認為變量為平穩(wěn)變量，表2為變量平穩(wěn)性檢驗的結(jié)果。

①平穩(wěn)性檢驗

在LLC檢驗下，產(chǎn)業(yè)結(jié)構(gòu)（Stru）和經(jīng)濟發(fā)展水平（PGDP）未能通過顯著性水平檢驗，但是卻都通過了HT和Hadri LM檢驗的1%顯著水平，因此可以判定產(chǎn)業(yè)結(jié)構(gòu)（Stru）和經(jīng)濟發(fā)展水平（PGDP）為平穩(wěn)變量。人力資本（HC）和研究開發(fā)（R&D）未能通過HT顯著性水平檢驗，但通過了LLC檢驗和Hadri LM檢驗的1%顯著水平檢驗。外商投資（FDI）在HT檢驗水平上顯著，未通過5%顯著水平檢驗，但通過了LLC檢驗和Hadri LM檢驗的1%顯著水平檢驗，因此判定外商投資（FDI）是平穩(wěn)變量。

②門檻回歸及結(jié)果分析

根據(jù)Hansen門檻模型原理，以環(huán)境規(guī)制為門檻變量，判斷創(chuàng)新質(zhì)量與河南省物流業(yè)綠色全要素生產(chǎn)率之間是否存在門檻效應(yīng)，采用“柵格搜索法”進行OLS回歸，表3為以環(huán)境規(guī)制為門檻，創(chuàng)新質(zhì)量與物流業(yè)綠色全要素生產(chǎn)率之間的非線性關(guān)系。

表3為門檻回歸及估值結(jié)果，第一列為線性O(shè)LS模型下各個變量估計參數(shù)，第二到三列為門檻效應(yīng)下創(chuàng)新質(zhì)量對物流業(yè)綠色全要素生產(chǎn)率的估計參數(shù)。從表中可以看出，門檻范圍為0.744—1.223之間，F(xiàn)E估計結(jié)果顯示，創(chuàng)新質(zhì)量（innov）對物流業(yè)綠色全要素生產(chǎn)率的影響為0.178，在5%水平上顯著;研究開發(fā)（R&D）對物流業(yè)綠色全要素生產(chǎn)率的影響為0.227，在1%水平上顯著;人力資本（HC）、外商投資（FDI）、產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟發(fā)展水平（PGDP）均在5%水平顯著;從SYS-GMM估計結(jié)果中看出，產(chǎn)業(yè)結(jié)構(gòu)（Stru）在10%水平上顯著;創(chuàng)新質(zhì)量（Innov）、人力資本（HC）、外商投資（FDI）和經(jīng)濟發(fā)展水平（PGDP）在1%水平上顯著;研究開發(fā)（R&D）在5%水平上顯著。

從控制變量結(jié)果看，創(chuàng)新質(zhì)量（Innov）對物流業(yè)綠色全要素生產(chǎn)率具有促進作用，嚴格的環(huán)境規(guī)制會使企業(yè)進行轉(zhuǎn)型，促使技術(shù)革新，進而較少能耗，降低污染;產(chǎn)業(yè)結(jié)構(gòu)（Stru）對物流業(yè)綠色全要素生產(chǎn)率的影響具有顯著的抑制作用，原因在于第二產(chǎn)業(yè)目前依舊為耗能大戶，第二產(chǎn)業(yè)比重增加阻礙了綠色發(fā)展。外商投資（FDI）對物流業(yè)綠色全要素生產(chǎn)率的提升具有促進作用，外商投資帶來新的技術(shù)，進而提高物流效率，從而提高物流業(yè)綠色全要素生產(chǎn)率;經(jīng)濟發(fā)展水平（PGDP）系數(shù)為正，意味著現(xiàn)階段經(jīng)濟發(fā)展良好，有利于物流業(yè)綠色全要素生產(chǎn)率的提升;人力資本（HC）系數(shù)為負，說明現(xiàn)階段我國物流從業(yè)人員水平較低，對物流業(yè)綠色全要素生產(chǎn)率影響不明顯。

6 結(jié)論與展望

本文采用非期望產(chǎn)出的Super-SBM與Malmquist指數(shù)對河南省18個市區(qū)2007—2017年物流業(yè)綠色全要素生產(chǎn)率進行測度，通過構(gòu)建以環(huán)境規(guī)制強度為門檻變量的面板門檻模型，進而探究創(chuàng)新質(zhì)量對河南省物流業(yè)綠色全要素生產(chǎn)率的影響，得出以下幾點結(jié)論并給出一些建議：①將傳統(tǒng)的物流模式向現(xiàn)代物流模式轉(zhuǎn)變，通過提高技術(shù)含量、個性化服務(wù)來提高整個物流行業(yè)經(jīng)濟效益;同時大力推廣清潔能源的使用，控制能源消耗，減少CO2排放量。②推動地區(qū)經(jīng)濟與物流業(yè)的協(xié)調(diào)發(fā)展，建立共享平臺，鼓勵和支持物流人才的引進，打破地區(qū)間的壁壘，加強不同區(qū)域之間的聯(lián)動發(fā)展。③調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，優(yōu)化資源配置，增強環(huán)境規(guī)制力度，加大科研投入，制定完善的科研產(chǎn)出考核體系，鼓勵科研成果轉(zhuǎn)化。

參考文獻：

[1] 曾倩琳.信息化發(fā)展對物流業(yè)生產(chǎn)率的空間溢出效應(yīng)[J].中國流通經(jīng)濟，2016（9）：38-48.

[2] Erik Brynjolfsson.The productivity paradox of information technology[J]. Communications of the ACM，1993（12）.

[3] 高秀麗，孟飛榮.我國物流業(yè)全要素生產(chǎn)率及其影響因素分析[J].技術(shù)經(jīng)濟，2013（2）：51-58.

[4] 胡玉洲.論貿(mào)易開放度、人力資本、通貨膨脹率與物流產(chǎn)業(yè)全要素生產(chǎn)率[J].商業(yè)時代，2011（9）：36-38.

[5] 王琴梅，譚翠娥.對西安市物流效率及其影響因素的實證研究：基于DEA模型和Tobit回歸模型的分析[J].軟科學(xué)，2013（5）：70-74.

[6] 王健，梁紅艷.中國物流業(yè)全要素生產(chǎn)率的影響因素及其收斂性分析[J].福州大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2013（3）：16-24.

[7] 馬越越.低碳約束下的中國物流產(chǎn)業(yè)全要素生產(chǎn)率研究[D].大連：東北財經(jīng)大學(xué)，2014.

[8] 劉秉鐮，余泳澤.我國物流業(yè)地區(qū)間效率差異及其影響因素實證研究：基于數(shù)據(jù)包絡(luò)分析模型及托賓模型的分析[J].中國流通經(jīng)濟，2010（9）：18-21.

[9] 劉盼成，楊正勇.全要素生產(chǎn)率視角下的我國漁業(yè)轉(zhuǎn)型發(fā)展研究：基于SFA的實證分析[J].海洋開發(fā)與管理，2017（7）：98-106.

[10] SOLOW R M.A contribution to the theory of economic growth[J].Quarterly Journal of Economics，1956（1）：65-94.

[11] 祝福云，閆鑫.我國輕工業(yè)全要素生產(chǎn)率指數(shù)研究：基于三階段DEA-Malmquist指數(shù)的分析[J].價格理論與實踐，2016（7）：108-111.

[12] 陳超凡.中國工業(yè)綠色全要素生產(chǎn)率及其影響因素：基于ML生產(chǎn)率指數(shù)及動態(tài)面板模型的實證研究[J].統(tǒng)計研究，2016（3）：53-62.

[13] 原毅軍，謝榮輝.FDI、環(huán)境規(guī)制與中國工業(yè)綠色全要素生產(chǎn)率增長：基于Luenberger指數(shù)的實證研究[J].國際貿(mào)易問題，2015（8）：84-93.

[14] 張純洪，劉海英.地區(qū)發(fā)展不平衡對工業(yè)綠色全要素生產(chǎn)率的影響：基于三階段DEA調(diào)整測度效率的新視角[J].當代經(jīng)濟研究，2014（9）：39-45.

[15] 李琳，劉琛.互聯(lián)網(wǎng)、稟賦結(jié)構(gòu)與長江經(jīng)濟帶工業(yè)綠色全要素生產(chǎn)率：基于三大城市群108個城市的實證分析[J].華東經(jīng)濟管理，2018（7）：5-11.

[16] 黃秀路，韓先鋒，葛鵬飛.“一帶一路”國家綠色全要素生產(chǎn)率的時空演變及影響機制[J].經(jīng)濟管理，2017（9）：6-19.

[17] 唐建榮，類延波.城市化與物流業(yè)協(xié)同發(fā)展的時空演化及驅(qū)動因素研究[J].哈爾濱商業(yè)大學(xué)學(xué)報（社會科學(xué)版），2019（1）：45-56.

[18] 何琴清，吳振鵬，歐欣玲，等.基于DEA的珠三角地區(qū)物流業(yè)全要素生產(chǎn)率研究[J].商業(yè)經(jīng)濟研究，2017（17）：133-135.

[19] 李健，田麗，王穎.考慮非期望產(chǎn)出的區(qū)域物流產(chǎn)業(yè)效率空間效應(yīng)分析[J].干旱區(qū)資源與環(huán)境，2018（8）：67-73.

[20] 劉戰(zhàn)豫，孫夏令.中國物流業(yè)綠色全要素生產(chǎn)率的時空演化及動因分析[J].軟科學(xué)，2018（4）：77-81，114.

[21] 唐建榮，杜聰，李曉靜.中國物流業(yè)經(jīng)濟增長質(zhì)量實證研究：基于綠色全要素生產(chǎn)率視角[J].軟科學(xué)，2016（11）：10-14.

[22] 周小亮.技術(shù)創(chuàng)新與制度創(chuàng)新的互動關(guān)系：理論比較分析與現(xiàn)實理論假說[J].福建論壇（人文社會科學(xué)版），2008（3）：20-24.

[23] 張虎，宮舒文.基于DEA-Malmquist的工業(yè)綠色全要素生產(chǎn)率測算及分析：以湖北省為例[J].江西師范大學(xué)學(xué)報（自然科學(xué)版），2017（5）：531-537.

[24] 張古鵬，陳向東，杜華東.中國區(qū)域創(chuàng)新質(zhì)量不平等研究[J].科學(xué)學(xué)研究，2011（11）：1709-1719.

[25] Po-Hsuan Hsu，Xuan Tian，Yan Xu. Financial development and innovation： Cross-country evidence[J]. Journal of Financial Economics，2014（1）.

[26] 張杰，鄭文平.創(chuàng)新追趕戰(zhàn)略抑制了中國專利質(zhì)量么？[J].經(jīng)濟研究，2018（5）：28-41.

[27] 章忠亮.環(huán)境規(guī)制對物流業(yè)綠色全要素生產(chǎn)率的影響[D].蚌埠：安徽財經(jīng)大學(xué)，2018.

Impacts of Innovation Quality on the Green Total Factor Productivity of Logistics Industry in Henan Province

Wang Manman， Liu Zhanyu， Zhu Kangwen

（Henan Polytechnic University， Jiaozuo Henan 454000）

Abstract： The green total factor productivity of logistics industry in 18 urban areas of Henan Province from 2007 to 2017 was measured by using Super-SBM and Malmquist index of unexpected output. A panel threshold model with environmental regulation as the threshold variable was constructed to test the impacts of innovation quality on the green total factor productivity of logistics industry in Henan Province. The results have showed that the green total factor productivity， technological progress and technological efficiency of logistics industry all show a fluctuating trend， the fluctuation range of technological efficiency is relatively small over the years， and has little effect on the green total factor productivity， while technological progress has a greater effect on the green total factor productivity. There is a gap between different regions in green total factor productivity of logistics industry. Further research has showed that under environmental regulation， innovation quality has a promotive impact on the green total factor productivity of logistics industry.

Key words： green total factor productivity; Super-SBM Model; Malmquist-Luenberger index; panel threshold; environmental regulation