江雨珊 戢曉峰* 李杰梅

(昆明理工大學(xué)交通工程學(xué)院1) 昆明 650500) (云南綜合交通發(fā)展與區(qū)域物流管理智庫2) 昆明 650500)

0 引 言

物流業(yè)是我國能源消費(fèi)的主要行業(yè)，大量的能源消耗和CO2排放使物流業(yè)成為導(dǎo)致環(huán)境負(fù)外部效應(yīng)的主要源頭之一.研究當(dāng)前我國物流業(yè)的能源消耗情況，并對其動(dòng)態(tài)變動(dòng)和區(qū)域差異進(jìn)行分析，進(jìn)一步探究其關(guān)鍵影響因素，有利于實(shí)現(xiàn)物流業(yè)節(jié)能減排目標(biāo).

目前，已有研究多采用數(shù)據(jù)包絡(luò)分析方法(data envelopment analysis, DEA)評價(jià)能源效率，如王群偉等[1-2]利用DEA-Malmquist分別對中國全要素能源效率、物流業(yè)能源效率的變動(dòng)進(jìn)行了實(shí)證研究；魏楚等[3]基于DEA方法構(gòu)建出相對前沿的能源效率指標(biāo)，計(jì)算了中國省際能源效率.然而，上述研究都未考慮化石能源消耗產(chǎn)生的CO2等非期望產(chǎn)出，這會(huì)導(dǎo)致效率得分的偏差.Zhou等[4]第一次提出包含非期望產(chǎn)出的DEA效率評價(jià)模型；汪克亮等[5]選取基于投入導(dǎo)向的BCC-DEA模型，測算包含環(huán)境效應(yīng)的中國省際全要素能源效率；郭文等[6]利用改進(jìn)的非期望SBM模型(Slack-based Model)系統(tǒng)評價(jià)了中國28個(gè)省(市、區(qū))的能源效率.同時(shí)，為更加精準(zhǔn)地測度能源效率，需將所有決策單元進(jìn)行全部排序，如吳琦等[7]使用超效率DEA方法和主成分分析法對中國30個(gè)行政區(qū)域進(jìn)行能源效率評價(jià)；孫秀梅等[8]將三階段DEA模型和超效率SBM相結(jié)合來測算中國東西地區(qū)的碳排放效率.

針對現(xiàn)有研究未考慮非期望產(chǎn)出導(dǎo)致的能源效率得分偏差，以及無法將所有決策單元物流業(yè)能源效率進(jìn)行全排序的問題，本文利用2006—2015年中國省際面板數(shù)據(jù)，首先采用超效率非期望SBM模型評價(jià)各省物流業(yè)的能源效率；其次，為進(jìn)一步探究物流能源效率變化的內(nèi)在驅(qū)動(dòng)因素，使用GML指數(shù)(global malmquist luenberger)從技術(shù)效率和技術(shù)進(jìn)步對其進(jìn)行分解，全面反映各地區(qū)物流業(yè)能源效率差異變化的演進(jìn)軌跡及趨勢特征，以期為制定物流碳減排政策提供理論依據(jù).

1 模型構(gòu)建

1.1 超效率非期望SBM模型

考慮到超效率非期望SBM模型兼顧了投入產(chǎn)出的松弛性以及全排序的問題，本文將物流業(yè)CO2排放量作為非期望產(chǎn)出，采用該模型測算物流業(yè)全要素能源效率.考慮 個(gè)決策單元(DMU)，每個(gè)DMU由投入m，期望產(chǎn)出r1和非期望產(chǎn)出r2構(gòu)成，向量形式表示為x∈Rm，yd∈rr1，yu∈Rr2.構(gòu)建超效率非期望SBM模型為[9]

(1)

λk>0j=1,2,…,nj≠0

1.2 GML指數(shù)

引入Pastor等[10]提出的GML指數(shù)，測算物流業(yè)能源效率變動(dòng)情況，指數(shù)大于1表示效率比上一年提升，反之下降.t期到t+1期的效率指數(shù)為[11]

(2)

式中：Eg(xt,yt)為t時(shí)期以研究期間所有DMU為參考集的評價(jià)結(jié)果；Et(xt,yt)為t時(shí)期以當(dāng)期所有DMU為參考集的評價(jià)結(jié)果.GML指數(shù)可分解為技術(shù)效率變化(EC)和技術(shù)進(jìn)步(TC).

2 指標(biāo)選取和數(shù)據(jù)說明

2.1 投入指標(biāo)

資本投入：將固定資產(chǎn)投資代替資本存量作為資本投入量，以2006年為基期的固定資產(chǎn)投資價(jià)格指數(shù)折算為不變價(jià).

勞動(dòng)力投入：選取交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)職工人數(shù)作為勞動(dòng)力投入.

能源投入：將交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)的煤炭、油品、天然氣、電力消費(fèi)總量作為能源投入.

2.2 產(chǎn)出指標(biāo)

期望產(chǎn)出為交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)增加值，以2006年為基期按GDP平減指數(shù)進(jìn)行可比價(jià)格處理.

非期望產(chǎn)出為物流業(yè)CO2排放量，采取如下公式計(jì)算物流業(yè)CO2排放量：

(3)

式中：Ei為第 種能源消費(fèi)量(折標(biāo)準(zhǔn)煤)，i=1,2，…，8分別為煤炭、油品、天然氣、電能等8種主要能源；δi為本文估算的第i種能源CO2排放系數(shù).

3 實(shí)證分析

3.1 低碳約束下能源效率評價(jià)

3.1.1時(shí)序演變特征

運(yùn)用式(1)測算出2006—2015年中國物流能源效率值，見圖1.由圖1可知，研究期間全國物流業(yè)能源效率波動(dòng)下降.其中，東部地區(qū)的能源效率值遠(yuǎn)高于中、西部地區(qū)，效率值波動(dòng)范圍為0.5～0.65，呈現(xiàn)出波動(dòng)上升趨勢.中部地區(qū)效率值波動(dòng)范圍為0.35～0.55，總體呈下降趨勢.西部地區(qū)效率值波動(dòng)范圍為0.39～0.49，與中部地區(qū)共同呈現(xiàn)出相互交替的波動(dòng)下降趨勢.此外，通過計(jì)算三大地區(qū)物流能源效率的方差得知，中部地區(qū)方差最小(0.016)，表示中部地區(qū)物流業(yè)能源效率值的空間差異較小；東部地區(qū)方差最大(0.054)，表示東部地區(qū)內(nèi)部各省物流能源效率值存在較大差異.

圖1 中國物流能源效率時(shí)序演變圖

3.1.2空間演變特征

為進(jìn)一步分析物流業(yè)能源效率空間分布格局的演變特征，選取2006年和2015年為研究截面，將中國30個(gè)省(市、區(qū))的物流能源效率分為高水平、中等水平和低水平三種類型，見圖2.

a) 2006年

b) 2015年

由圖2可知，物流業(yè)能源效率總體呈現(xiàn)出東高西低的空間分布格局.高水平型分布在東部沿海地區(qū)和寧夏，數(shù)量呈減少趨勢，范圍由東部逐漸向東南部延伸.主要得益于東部沿海等發(fā)達(dá)地區(qū)的區(qū)位優(yōu)勢和政策優(yōu)勢，這些地區(qū)在產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化調(diào)整和生態(tài)環(huán)境治理方面均取得重大成效，技術(shù)創(chuàng)新逐漸成為經(jīng)濟(jì)增長的內(nèi)生動(dòng)力.中等水平型主要分布在中西部地區(qū)，數(shù)量呈減少趨勢.這些地區(qū)大部分處于工業(yè)化中期階段，受區(qū)位條件和資源稟賦約束，高耗能的物流業(yè)易產(chǎn)生環(huán)境污染等負(fù)外部效應(yīng)；同時(shí)，產(chǎn)業(yè)結(jié)構(gòu)不均衡導(dǎo)致創(chuàng)新能力不足和產(chǎn)業(yè)活力不高，要素投入帶來的經(jīng)濟(jì)效益無法補(bǔ)償對資源索取帶來的生態(tài)破壞.低水平型主要集中在西部，且向東北部和中部蔓延，數(shù)量呈增加趨勢.西部地區(qū)工業(yè)化起步晚，資本吸引力不強(qiáng)，產(chǎn)業(yè)結(jié)構(gòu)不合理，雖然“西部大開發(fā)”等戰(zhàn)略構(gòu)建了良好的政策環(huán)境并吸引了巨額投資，但資本主要用于基礎(chǔ)設(shè)施的大規(guī)模建設(shè)，不僅能源未得到有效利用，還加劇了環(huán)境污染.

3.2 GML指數(shù)分析

運(yùn)用式(2)，測算出我國物流全要素能源效率的GML指數(shù)及其分解，見表1.由表1可知，全國GML指數(shù)有5個(gè)時(shí)期小于1，其平均值小于1，總體呈下降趨勢，這與能耗強(qiáng)度、碳排放強(qiáng)度的上升結(jié)果一致.從區(qū)域視角分析，我國東部地區(qū)物流能源效率指數(shù)平均值為1.016，中部為0.972，西部為0.976.東部地區(qū)物流能源效率總體呈上升趨勢，主要得益于良好的區(qū)位優(yōu)勢和政策條件，形成了較為完善的物流產(chǎn)業(yè)體系，物流行業(yè)效率得到充分發(fā)揮.中、西部地區(qū)總體呈下降趨勢，這是因?yàn)闁|部地區(qū)向內(nèi)陸不斷遷移高耗能工業(yè)制造業(yè)，加劇了中、西部的能源和環(huán)境壓力.

表1 2006—2015年我國物流能源效率指數(shù)及其分解

同時(shí)，我國技術(shù)效率指數(shù)總體呈現(xiàn)出“W形”的波動(dòng)上升趨勢，東部地區(qū)振幅最大；而技術(shù)進(jìn)步指數(shù)卻呈現(xiàn)出波動(dòng)下滑的趨勢.其中，中部地區(qū)技術(shù)進(jìn)步指數(shù)呈增長趨勢，東部和西部地區(qū)呈下降趨勢；主要因?yàn)闁|、西部由于各自存在能源消耗回彈效應(yīng)和技術(shù)型人才流失的問題，造成技術(shù)進(jìn)步分指數(shù)略低于中部地區(qū).總體來看，我國物流業(yè)能源效率呈下降趨勢，下降了1.06%，造成效率下降的原因主要是技術(shù)水平的下降；雖然同期的技術(shù)效率呈增長趨勢，但無法抵消技術(shù)水平下降導(dǎo)致的衰退.

3.3 能源效率改善潛力及途徑分析

針對各省物流業(yè)能源效率現(xiàn)狀，在運(yùn)用式(2)獲取非DEA有效省份的基礎(chǔ)上，計(jì)算出其2015年投入產(chǎn)出要素的改善潛力，見表2.

表2 2015年非DEA有效省份投入產(chǎn)出改善潛力表

注：括號內(nèi)數(shù)據(jù)為投入產(chǎn)出調(diào)整及改善潛力的百分比.

固定資產(chǎn)投資方面，各省份都存在冗余，但具體冗余比例差異很大，如河北固定資產(chǎn)投資過剩比重為4.76%，而云南則高達(dá)89.62%；勞動(dòng)力投入方面，除了河北、江蘇、青海，其他省份在減少勞動(dòng)力冗余方面有很大改進(jìn)空間，如北京的人員投入冗余比例最高，為71.72%，是河北的35倍(2.03%)；能源投入方面，全國平均節(jié)能潛力為52.37%.其中，上海節(jié)能潛力最高，為72.96%，江蘇最低，為17.32%，而河北為0；CO2減排方面，各省份都有很大的減排空間，全國平均碳減排潛力為45.94%，其中上海的碳減排潛力最大(67.69%).

總體來看，非DEA有效省份都存在投入冗余、CO2排放過量的情況.這反映出要素投入規(guī)模和結(jié)構(gòu)不合理，能源浪費(fèi)，非期望產(chǎn)出過多等問題.未來各省需進(jìn)一步調(diào)整固定資產(chǎn)投資規(guī)模，控制資金流向和用途；精簡人員和機(jī)構(gòu)，減少不必要的物流崗位；同時(shí)，優(yōu)化能源消費(fèi)結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)，提高能源資源利用效率.

4 結(jié) 論

1) 中國物流業(yè)能源效率總體呈波動(dòng)下降趨勢；其中，東部地區(qū)的能源效率值一直居于較高水平且呈上升趨勢，中部和西部地區(qū)則呈交替波動(dòng)下降趨勢.

2) 中國物流業(yè)能源效率整體上呈現(xiàn)出東高西低的空間分布特征.同時(shí)，東部地區(qū)各省表現(xiàn)出較大差異性，而中部和西部地區(qū)各省差異較小.

3) 造成我國物流業(yè)能源效率下降的主要原因是技術(shù)水平的下降，而同期的技術(shù)效率呈增長趨勢.

4) 非DEA有效省份存在投入冗余和碳排放過量的現(xiàn)象，各地區(qū)應(yīng)深入了解自身物流業(yè)的碳排放情況，通過測算減排潛力和成本效益，確定減排路徑.