王 健 李敏杰

(福州大學經(jīng)濟與管理學院， 福建福州 350108)

一、引言

新中國成立以來，物流業(yè)從萌芽起步到快速發(fā)展，物流市場規(guī)模在2013年首次居世界第一，現(xiàn)已進入轉(zhuǎn)型升級階段。然而目前中國物流費用占GDP比重與發(fā)達國家相比居高不下，物流企業(yè)盈利能力和競爭力弱，與建設(shè)現(xiàn)代化“物流強國”存在一定差距。因此，如何推動物流業(yè)高質(zhì)量發(fā)展成為亟待解決的問題。大部分文獻對“高質(zhì)量發(fā)展”的理解是從全要素生產(chǎn)率的視角展開分析，忽略了經(jīng)濟活動的外部環(huán)境成本。事實上，考慮資源與環(huán)境約束的綠色全要素生產(chǎn)率(Green Total Factor Productivity，GTFP)才更能夠體現(xiàn)高質(zhì)量發(fā)展的核心內(nèi)涵和本質(zhì)。[1]特別是，物流業(yè)作為生產(chǎn)性服務(wù)業(yè)，卻是中國能源消耗和二氧化碳排放占比較大的行業(yè)，對環(huán)境的負面影響日益突出。2018年，中國物流業(yè)能源消耗占總消耗量的10%。因此，物流業(yè)不能再延續(xù)“小規(guī)模、低效率、高能耗、高污染”的發(fā)展方式和發(fā)展路徑，需要走低碳發(fā)展之路。黨的十九大報告也為高質(zhì)量發(fā)展指明了方向，即“建立健全綠色低碳循環(huán)發(fā)展的經(jīng)濟體系”。“低碳發(fā)展”意味著在促進物流業(yè)增長的同時減少對環(huán)境的破壞，實現(xiàn)經(jīng)濟績效和環(huán)境績效的統(tǒng)一。[2]因此，中國物流業(yè)迫切需要轉(zhuǎn)向以提升GTFP為核心的高質(zhì)量發(fā)展階段。

既有文獻對物流業(yè)GTFP的研究主要從測算及其驅(qū)動因素兩個方面展開。第一，關(guān)于物流業(yè)GTFP的測算。馬越越和王維國把物流業(yè)能源消耗納入投入指標，將碳排放作為非期望產(chǎn)出，采用共同前沿ML指數(shù)(Malmquist—Luenberger)測算物流業(yè)GTFP。[3]劉戰(zhàn)豫和孫夏令、曹炳汝和鄧莉娟均采用考慮非期望產(chǎn)出的Super-SBM模型和Malmquist指數(shù)分別測算了中國長江經(jīng)濟帶和31個省份的物流業(yè)GTFP。[4][5]除此之外，李健和劉戀結(jié)合三階段Super-SBM模型和M指數(shù)測算物流業(yè)GTFP。[6]張瑞和孫夏令則結(jié)合SBM模型和ML指數(shù)對物流業(yè)GTFP進行測度。[7]第二，關(guān)于物流業(yè)GTFP的驅(qū)動因素。俞佳立和錢芝網(wǎng)通過構(gòu)建Tobit模型實證檢驗得出對外開放程度和信息化水平顯著促進了物流業(yè)技術(shù)效率。[8]劉承良和管明明、李健等均引入SBM模型、空間自相關(guān)和空間計量模型，基于格局—過程—機理的思路探討了低碳約束下中國30個省份物流業(yè)TFP時空演化及其驅(qū)動機制，前者實證結(jié)果顯示GDP、信息化與產(chǎn)業(yè)集聚水平、政府調(diào)控以及外部市場環(huán)境與物流業(yè)GTFP正相關(guān)，后者則認為對外開放程度和物流市場需求是影響物流業(yè)GTFP的關(guān)鍵因素。[9][10]另外，外商直接投資(FDI)、環(huán)境規(guī)制、經(jīng)濟發(fā)展水平、人力資本水平、綠色物流政策也會對物流業(yè)GTFP產(chǎn)生影響。[11][12][13][14]

縱觀上述研究成果，仍存在兩個方面的改進空間：一方面是關(guān)于物流業(yè)GTFP的測算方法，現(xiàn)有文獻多采用M指數(shù)或ML指數(shù)。實際上，傳統(tǒng)的M指數(shù)是基于產(chǎn)出距離函數(shù)計算的，無法適用于考慮非期望產(chǎn)出的情況，而ML指數(shù)雖然能夠測算GTFP，但目標函數(shù)可能出現(xiàn)無解的情況。另一方面是在關(guān)于物流業(yè)GTFP影響因素的探討中，大部分文獻忽視了各因素驅(qū)動作用的時序變化及其之間的相互交互作用?；诖耍疚牟捎每紤]非期望產(chǎn)出的超效率SBM模型，結(jié)合全局ML(Global-ML，GML)指數(shù)測算物流業(yè)GTFP，在刻畫物流業(yè)GTFP時空分異的基礎(chǔ)上，利用地理探測器挖掘物流業(yè)GTFP空間分異的主導驅(qū)動因素，同時對各驅(qū)動因素之間的交互作用進行分析，以期在環(huán)境和資源雙重約束下，最大限度地提高物流業(yè)GTFP。

二、研究方法與指標選取

(一)研究方法

1. 超效率SBM模型

SBM作為一種非徑向距離函數(shù)，在2001年被Tone提出以后廣泛用于各行業(yè)GTFP的測算。[15]在評價單元效率都為1的情況下，SBM模型無法進行有效區(qū)分，從而很難進一步分析各評價單元效率值的差異性。因此，Tone又提出超效率SBM模型，用于評價SBM多個有效的決策單元，確保產(chǎn)生更合理的效率評價值。[16]借鑒黃磊和吳傳清的做法[17]，本文在考慮非期望產(chǎn)出的基礎(chǔ)上，對超效率SBM模型進行擴展：

(2)

2. GML指數(shù)

超效率SBM模型測算出的是靜態(tài)效率，難以刻畫物流業(yè)GTFP的動態(tài)變化情況。M指數(shù)與DEA模型相結(jié)合可以反映生產(chǎn)效率的變化狀態(tài)，但在考慮非期望產(chǎn)出的情況下，傳統(tǒng)的M指數(shù)無法適用，Chung等將M指數(shù)拓展為ML指數(shù)。然而ML指數(shù)在形式上不滿足傳遞性和循環(huán)性的要求[18], 為彌補這一缺陷，Oh提出了全局ML即GML指數(shù)[19]，表達式如下：

(3)

3. Dagum基尼系數(shù)

本文采用Dagum基尼系數(shù)測度物流業(yè)綠色GTFP的地區(qū)差異，并通過對其分解剖析地區(qū)差異來源。首先，計算所有研究單元的總體基尼系數(shù)：

(5)

對總體基尼系數(shù)G按照子群分解的方法分解為地區(qū)內(nèi)差異Gw、地區(qū)間差異凈值Gnb以及地區(qū)間超變密度Gt。

G=Gw+Gnb+Gt

(6)

(7)

(8)

(9)

(10)

(11)

Djh=(djh-pjh)/(djh+pjh)

(12)

4. 地理探測器

地理探測器是由Wang等開發(fā)的用于探尋變量Y的空間異質(zhì)性及其驅(qū)動機制的分析軟件，其理論的核心思想是：如果某個因子X對變量Y有重要影響，那么兩者應(yīng)該具有相似的空間分布。[20]本文通過地理探測器中的因子探測和交互探測識別不同省份物流業(yè)GTFP時空變化的驅(qū)動因素及其交互作用，探尋影響物流業(yè)GTFP的主要因素。主要模型如下：

因子探測器用于分析因子X多大程度上可以解釋Y的空間分布異質(zhì)性，用q值度量。

(13)

交互作用探測器用于識別不同因子空間疊加交互效應(yīng)，即分析因子X1和因子X2對Y的作用力是否相互獨立，或者是共同作用于Y時對Y的解釋程度是否增強或減弱。評估的方法是比較q(X1)、q(X2)和兩者交互q(X1∩X2)值的大小，根據(jù)評估結(jié)果可以把因子X1和X2分為如表1所示的幾類。

表1 因子交互表達關(guān)系

(二)數(shù)據(jù)說明與指標選取

1. 數(shù)據(jù)說明

作為新興復合型產(chǎn)業(yè)，物流業(yè)并沒有被涵蓋在中國《國民經(jīng)濟行業(yè)分類》體系中。參考大多數(shù)文獻的做法，以交通運輸、倉儲和郵政業(yè)的數(shù)據(jù)代替物流業(yè)。本文選取除西藏、香港、澳門、臺灣外的中國30個省份作為研究對象，時間跨度為2005—2017年。

2. 物流業(yè)GTFP測算的指標選取

投入指標：選取物流業(yè)從業(yè)人員數(shù)、資本存量、交通基礎(chǔ)設(shè)施和能源作為投入變量。資本存量的具體估算方式為永續(xù)盤存法，折舊率取值5.65%；[21]交通基礎(chǔ)設(shè)施以鐵路營運里程+內(nèi)河航道里程+公路里程衡量；能源投入以物流業(yè)消耗最多的8種能源統(tǒng)一轉(zhuǎn)換為標準煤后加總得到。[22]

合意產(chǎn)出：選取增加值和貨物周轉(zhuǎn)量分別作為物流業(yè)發(fā)展過程中合意的經(jīng)濟產(chǎn)出和服務(wù)產(chǎn)出，并以2005年為基期，利用全國層面的交通運輸、倉儲與郵政業(yè)價格指數(shù)對物流產(chǎn)業(yè)增加值進行平減。

非期望產(chǎn)出：物流業(yè)的污染物主要來源于運輸中CO2的排放，以8種能源消耗量為基準，依據(jù)IPCC(2006)提供的公式計算CO2排放量。[23]

3. 物流業(yè)GTFP驅(qū)動因素的選取

本文在已有研究的基礎(chǔ)上，從區(qū)域經(jīng)濟驅(qū)動、產(chǎn)業(yè)環(huán)境驅(qū)動和物流政策驅(qū)動三個層面選取影響物流業(yè)GTFP的驅(qū)動因素。(1)區(qū)域經(jīng)濟驅(qū)動體現(xiàn)在地區(qū)經(jīng)濟的不斷發(fā)展提出了更多數(shù)量和質(zhì)量的物流服務(wù)需求，從經(jīng)濟發(fā)展水平和第二產(chǎn)業(yè)增加值強度兩個指標闡釋。(2)產(chǎn)業(yè)環(huán)境驅(qū)動主要體現(xiàn)在區(qū)域的市場環(huán)境對物流業(yè)規(guī)模擴大、新能源技術(shù)研發(fā)及使用等方面的影響，包括物流業(yè)信息化水平、產(chǎn)業(yè)集聚水平、人力資本水平、對外開放程度和營商環(huán)境五個指標。(3)物流政策驅(qū)動表現(xiàn)在政府對教育、財政等方面的投入，可以同時為物流產(chǎn)業(yè)規(guī)模的擴大和技術(shù)進步提供資金保障和優(yōu)良的外部環(huán)境，包括政府調(diào)控、環(huán)境規(guī)制和研發(fā)投入強度三個指標。各指標具體的含義和測算方法如表2所示。

表2 物流業(yè)GTFP的驅(qū)動因素及其測度

三、物流業(yè)GTFP測度結(jié)果與分析

(一)物流業(yè)GTFP的時序變化

結(jié)合超效率SBM和GML指數(shù)，計算2005—2017年中國30個省份的物流業(yè)GTFP。從全國物流業(yè)GTFP的平均值看，2005—2017年中國物流業(yè)GTFP平均值為0.986，并沒有達到有效水平，有待提升。圖1顯示了2005—2017年中國以及三大區(qū)域物流業(yè)GTFP的時序變化。由圖1可知，2005—2017年中國和三大區(qū)域物流業(yè)GTFP的均值總體呈現(xiàn)先上升、再降低、然后波動發(fā)展的趨勢。從中國整體的視角看，大致可以分為幾個階段：2005—2008年呈持續(xù)上升趨勢，物流業(yè)GTFP由2005年的0.818上升為2008年的1.192，這一時期中國現(xiàn)代物流業(yè)剛剛興起，得益于國家出臺的有力措施獲得發(fā)展，對資源和能源的消耗量小，減排壓力和成本較小。受國際金融危機的影響，2009年物流業(yè)GTFP下降幅度高達20.35%。2010—2012年物流業(yè)GTFP較2009年有所提升，雖并未恢復到2008年水平，但均值超過1，說明該時期中國物流業(yè)已經(jīng)逐漸擺脫國際金融危機的影響并穩(wěn)步發(fā)展。2013年物流業(yè)GTFP再次出現(xiàn)大幅度下降，甚至低于2005年的物流業(yè)GTFP水平。物流業(yè)快速發(fā)展所帶來的環(huán)境問題已不容忽視，資源與環(huán)境的約束已成為物流業(yè)GTFP提升的硬性制約條件。隨著國家采取嚴格的環(huán)境規(guī)制政策以及節(jié)能減排技術(shù)的推廣使用，物流業(yè)GTFP有所提升?？傮w而言，2013—2017年物流業(yè)GTFP呈“N”型變化趨勢，雖然2015年出現(xiàn)下降，但這一時期物流業(yè)GTFP還是有所上升的，且2017年物流業(yè)GTFP超過1。從分區(qū)域的視角看，物流業(yè)GTFP平均值呈現(xiàn)“東部—中部—西部”依次遞減的特征。其中，東部和中部的物流業(yè)GTFP平均值高于全國平均水平，分別為1.016、1.000，西部地區(qū)的物流業(yè)GTFP平均值則低于平均水平，為0.946。東部和中部地區(qū)物流業(yè)相對發(fā)達，特別是東部為中國人口與產(chǎn)業(yè)集聚的區(qū)域，物流業(yè)已形成一定的規(guī)模經(jīng)濟，同時東部匯聚了一大批國內(nèi)外實力雄厚的科研機構(gòu)、高校和企業(yè)，創(chuàng)新能力與節(jié)能減排技術(shù)也領(lǐng)先于其他地區(qū)。西部地區(qū)物流業(yè)發(fā)展仍依靠大規(guī)模投入資源，污染治理技術(shù)和水平較低，物流業(yè)發(fā)展的資源環(huán)境壓力較大。

圖1 全國及三大區(qū)域物流業(yè)GTFP平均值的時序變化

(二)物流業(yè)GTFP的地區(qū)差異

圖2(上)顯示了全國及三大區(qū)域物流業(yè)GTFP的基尼系數(shù)及其變化。2005—2017年物流業(yè)GTFP的總體基尼系數(shù)G整體呈下降的趨勢，下降幅度為57.08%，僅個別年份輕微上升，說明中國物流業(yè)GTFP的總體差異在逐漸縮小。三大區(qū)域中，東部地區(qū)基尼系數(shù)有所提高，上升幅度為41.84%，這表明東部地區(qū)物流業(yè)GTFP的差距在不斷拉大?？赡艿脑蚴?，東部地區(qū)存在廣東、浙江、上海等物流業(yè)GTFP位于全國前沿的省份，但同樣存在物流業(yè)GTFP位于全國中下游的省份，如海南，使東部地區(qū)內(nèi)物流業(yè)發(fā)展出現(xiàn)一定程度的斷層。中部和西部地區(qū)的基尼系數(shù)變化趨勢較為一致，均呈現(xiàn)波動中下降趨勢。

三大區(qū)域物流業(yè)GTFP的區(qū)域間差異的演變?nèi)鐖D2(下)所示。從數(shù)值大小看，考察期內(nèi)東部—西部、東部—中部、中部—西部基尼系數(shù)均值分別為0.098、0.082、0.077，表明東部與其他兩大區(qū)域物流業(yè)GTFP存在明顯差異。從時間演變看，區(qū)域間基尼系數(shù)呈現(xiàn)波動中下降的趨勢，比如東部與中部的差異從2005年的0.116降至2017年的0.088。東—西、東—中的基尼系數(shù)走勢基本相同，2008年、2013年和2017年有較大幅度上漲，其余年份小幅度升降；中—西的基尼系數(shù)在2007—2008年急劇上升，上升幅度達70.65%，其余年份小幅度升降。

圖2 物流業(yè)GTFP總體基尼系數(shù)及其分解

(三)物流業(yè)質(zhì)量與數(shù)量的關(guān)系分析

借鑒聶長飛和簡新華的做法，對物流業(yè)高質(zhì)量發(fā)展與數(shù)量增長的一致性進行分析。[25]質(zhì)量即物流業(yè)GTFP，數(shù)量即人均物流業(yè)增加值。具體設(shè)定：考察期內(nèi)若物流業(yè)質(zhì)量排名等于數(shù)量排名，稱該省份為質(zhì)量“同步型”；物流業(yè)質(zhì)量排名大于數(shù)量排名，稱該省份為質(zhì)量“超前型”；物流業(yè)質(zhì)量排名小于數(shù)量排名，稱該省份為質(zhì)量“滯后型”。質(zhì)量排名與數(shù)量排名之差的絕對值越小，表明該省份物流業(yè)高質(zhì)量發(fā)展與數(shù)量增長的一致性越強。

根據(jù)表3可知，物流業(yè)質(zhì)量同步型的省份個數(shù)為0，質(zhì)量超前型的省份有12個，質(zhì)量滯后型的省份有18個。東部地區(qū)，僅廣東、江蘇、浙江三省為質(zhì)量超前型，其他8個省份均為質(zhì)量滯后型。中部地區(qū)，江西、湖北等5個省份為質(zhì)量超前型，山西、吉林和黑龍江三省屬于質(zhì)量滯后型。西部地區(qū)，廣西、云南、四川和甘肅四省屬于質(zhì)量超前型，內(nèi)蒙古、貴州等7個省份屬于質(zhì)量滯后型。從排名之差看，物流業(yè)質(zhì)量與數(shù)量排名差的絕對值不大于3的省份僅上海、山東、甘肅，說明這三個省份物流業(yè)高質(zhì)量發(fā)展與數(shù)量增長的一致性較強。其他27個省份的物流業(yè)質(zhì)量與數(shù)量排名差的絕對值均大于3，說明這些省份物流業(yè)高質(zhì)量發(fā)展與數(shù)量增長的一致性較差。江西、廣西、四川、天津和寧夏5個省份的質(zhì)量與數(shù)量排名之差的絕對值甚至超過了15。物流業(yè)高質(zhì)量發(fā)展不是完全摒棄“量”，而是使數(shù)量與質(zhì)量同步提升。因此，這些省份必須在未來物流業(yè)發(fā)展過程中協(xié)調(diào)好數(shù)量與質(zhì)量的關(guān)系。

表3 物流業(yè)質(zhì)量與數(shù)量排名比較

四、地理探測器測度結(jié)果與分析

(一)因子探測結(jié)果與分析

表4匯報了2005年和2017年因子地理探測結(jié)果。

表4 因子探測結(jié)果

從全國總體看，2005年，經(jīng)濟發(fā)展水平和第二產(chǎn)業(yè)增加值強度是影響物流業(yè)GTFP的主要因素，說明良好的經(jīng)濟基礎(chǔ)和產(chǎn)業(yè)基礎(chǔ)有利于提高物流業(yè)效率。2017年，對外開放程度上升為影響物流業(yè)GTFP的最主要因素，外資的引入可以顯著減少物流業(yè)CO2的排放強度[26]，因此有利于物流業(yè)GTFP提升。

從東部地區(qū)看，2005年，市場化程度是推動物流業(yè)GTFP的主要因素。另外，環(huán)境規(guī)制和研發(fā)投入強度也在很大程度上推動了物流業(yè)GTFP的提升，說明東部地區(qū)在2005年物流業(yè)發(fā)展軟環(huán)境的改善對物流業(yè)GTFP起到了正向促進作用。2017年，F(xiàn)DI對物流業(yè)GTFP的影響較小，推動物流業(yè)GTFP的因素主要是產(chǎn)業(yè)集聚水平與經(jīng)濟發(fā)展水平。經(jīng)濟新常態(tài)下，中國物流業(yè)增速呈放緩態(tài)勢，因此物流業(yè)GTFP的提高要從依靠外資、外需轉(zhuǎn)向內(nèi)需。一方面注重提高自身經(jīng)濟發(fā)展水平，擴大對物流業(yè)的需求；另一方面促進物流業(yè)集聚發(fā)展，利用規(guī)模經(jīng)濟效應(yīng)提高投入產(chǎn)出比，降低物流成本。

從中部地區(qū)看，2005年，第二產(chǎn)業(yè)增加值強度與產(chǎn)業(yè)集聚水平是影響物流業(yè)GTFP的最主要因素，說明大力發(fā)展第二產(chǎn)業(yè)對提高中部地區(qū)物流業(yè)GTFP至關(guān)重要。2017年，產(chǎn)業(yè)集聚水平和市場化程度成為物流業(yè)GTFP的主要推動因子，說明這一時期營造良好的行業(yè)環(huán)境更有利于物流業(yè)綠色健康發(fā)展。

從西部地區(qū)看，2005年，環(huán)境規(guī)制和產(chǎn)業(yè)集聚是物流業(yè)GTFP的主要推動因子?？赡艿脑蚴俏鞑康貐^(qū)經(jīng)濟基礎(chǔ)與產(chǎn)業(yè)基礎(chǔ)較為薄弱，未成為提升物流業(yè)GTFP的主導因素。2017年，經(jīng)濟發(fā)展水平與政府調(diào)控對物流業(yè)GTFP的影響仍較高，均超過0.3，但不是最重要因素。產(chǎn)業(yè)集聚再次成為影響物流業(yè)GTFP的主導因素。此外，信息化水平很大程度上也帶動了物流業(yè)GTFP提升。

(二)因子交互探測結(jié)果與分析

交互探測器用于考察驅(qū)動因子對物流業(yè)GTFP空間分異的影響是否存在交互作用，表5匯報了交互探測器的測度結(jié)果。根據(jù)表5，因子兩兩交互的類型均表現(xiàn)為非線性增強或雙因子增強，說明任意兩個因子的交互作用大于單個因子的影響，進而表明物流業(yè)GTFP的空間分異是由多個因素協(xié)同增強效應(yīng)共同作用的結(jié)果，而不是由單一因素導致的。2005年，政府調(diào)控與環(huán)境規(guī)制的交互作用對物流業(yè)GTFP空間分異的影響最大為0.877，經(jīng)濟發(fā)展水平與產(chǎn)業(yè)集聚水平的交互作用、經(jīng)濟發(fā)展水平與政府調(diào)控的交互作用、第二產(chǎn)業(yè)增加值強度與市場化程度的交互作用、第二產(chǎn)業(yè)增加值強度與政府調(diào)控的交互作用以及人力資本水平與環(huán)境規(guī)制的交互作用對物流業(yè)GTFP空間分異的影響也較大，均超過0.8。2017年，產(chǎn)業(yè)集聚水平與對外開放程度的協(xié)同效果明顯增強，因子交互探測器的q值為0.805，解釋力超過80%。此外，第二產(chǎn)業(yè)增加值強度與信息化水平、第二產(chǎn)業(yè)增加值強度與對外開放程度、產(chǎn)業(yè)集聚水平與環(huán)境規(guī)制、對外開放程度與環(huán)境規(guī)制交互作用后對物流業(yè)GTFP空間分異的影響也較大，因子交互探測器的q值均超過0.7。

表5 因子交互作用下對物流業(yè)GTFP的影響力

五、結(jié)論與建議

(一)結(jié)論

本文運用超效率SBM模型、GML指數(shù)和地理探測器等方法，測度2005—2017年中國30個省份的物流業(yè)GTFP。在此基礎(chǔ)上，分析物流業(yè)GTFP的時序變化、地區(qū)差異以及質(zhì)量與數(shù)量之間的關(guān)系，考察物流業(yè)GTFP空間分異的驅(qū)動因素。結(jié)論如下：(1)2005—2017年中國物流業(yè)GTFP平均值為0.986，并沒有達到有效水平，且省際差異顯著，但差距呈現(xiàn)不斷縮小的趨勢。(2)從時序變化看，考察期內(nèi)物流業(yè)GTFP呈波動中上升態(tài)勢，2009年與2013年形成低谷；從空間分布看，低效率區(qū)普遍分布在西部，高效率區(qū)則集中于東部。(3)考察期內(nèi)物流業(yè)質(zhì)量發(fā)展與數(shù)量發(fā)展的一致性較差，質(zhì)量超前型的省份有12個，質(zhì)量滯后型的省份有18個，有5個省份的質(zhì)量與數(shù)量排名之差絕對值超過15。(4)全國物流業(yè)GTFP提升由經(jīng)濟與第二產(chǎn)業(yè)驅(qū)動轉(zhuǎn)為FDI驅(qū)動，東部地區(qū)物流業(yè)GTFP由外部軟環(huán)境驅(qū)動轉(zhuǎn)為產(chǎn)業(yè)集聚與經(jīng)濟發(fā)展驅(qū)動，中部地區(qū)則由第二產(chǎn)業(yè)驅(qū)動轉(zhuǎn)向產(chǎn)業(yè)集聚驅(qū)動與FDI驅(qū)動，西部地區(qū)由政府驅(qū)動轉(zhuǎn)向產(chǎn)業(yè)集聚驅(qū)動與技術(shù)驅(qū)動。另外，驅(qū)動因子兩兩交互作用均表現(xiàn)為非線性或雙因子增強。

(二)建議

根據(jù)以上相關(guān)結(jié)論，本文提出如下建議：(1)根據(jù)地區(qū)資源稟賦，加快清潔能源替代化石燃料，從源頭控制物流業(yè)碳排放。當前，物流業(yè)仍以煤油、柴油等石油產(chǎn)品為主要消耗品，加劇了溫室氣體的排放，增加了物流業(yè)發(fā)展過程中的非期望產(chǎn)出。因此，優(yōu)化能源消費結(jié)構(gòu)是減少碳排放的關(guān)鍵。對于東部沿海地區(qū)，應(yīng)以充分利用核能、海洋能、風能為主；對于擁有豐富的風能和太陽能資源的中西部地區(qū)來說，可以通過打造清潔能源基地，優(yōu)化能源產(chǎn)業(yè)鏈，發(fā)揮可持續(xù)能源潛力。(2)樹立“綠色物流”的發(fā)展理念。物流業(yè)綠色發(fā)展需要政府、企業(yè)和消費者等多方參與主體的共同努力。對于政府而言，可以將“綠色物流”納入政府計劃，并出臺相關(guān)政策規(guī)范物流企業(yè)，敦促物流企業(yè)采取有利于環(huán)境保護的行動。對于企業(yè)而言，應(yīng)積極開展技術(shù)改造和新技術(shù)研發(fā)，不僅在物流設(shè)備制造方面進行創(chuàng)新，還需要提高物流規(guī)劃和管理中的技術(shù)水平，比如智能資源技術(shù)、電子追蹤技術(shù)，依靠科學技術(shù)降低物流能源消耗。對于消費者而言，也要樹立“綠色物流”的意識，倒逼企業(yè)朝著綠色化轉(zhuǎn)型。(3)發(fā)展開放型經(jīng)濟，引進高質(zhì)量外資。FDI可能導致“污染天堂”，也可能發(fā)揮“污染光環(huán)”的作用，因此在積極引進外資的同時需要強調(diào)FDI在促進行業(yè)技術(shù)進步方面的作用，加快引資模式由數(shù)量型向質(zhì)量型轉(zhuǎn)變，吸引“三高三低”的外資企業(yè)入駐，避免地區(qū)之間因爭奪FDI而產(chǎn)生的“逐底競爭”。(4)優(yōu)化物流業(yè)空間布局，提高產(chǎn)業(yè)集聚水平。2017年，產(chǎn)業(yè)集聚水平成為提升東中西部物流業(yè)GTFP的主導因子，因此優(yōu)化物流產(chǎn)業(yè)空間布局對提升物流業(yè)GTFP至關(guān)重要。地方政府應(yīng)該積極培育物流產(chǎn)業(yè)集群，引導集聚區(qū)內(nèi)的企業(yè)通過資源共享、風險分散、合作協(xié)同、技術(shù)溢出等多種途徑來提升物流效率。

注釋：

[1] 秦琳貴、沈體雁：《科技創(chuàng)新促進中國海洋經(jīng)濟高質(zhì)量發(fā)展了嗎——基于科技創(chuàng)新對海洋經(jīng)濟綠色全要素生產(chǎn)率影響的實證檢驗》，《科技進步與對策》2020年第9期。

[2] Zhang W., Zhang M.,Zhang W,et al., “What Influences the Effectiveness of Green Logistics Policies? A Grounded Theory Analysis”,ScienceofTheTotalEnvironment, vol.714,no.1 (2020), p.136731.

[3] 馬越越、王維國：《異質(zhì)性生產(chǎn)技術(shù)下中國區(qū)域物流產(chǎn)業(yè)全要素生產(chǎn)率》，《系統(tǒng)工程》2015年第10期。

[4] 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》，《軟科學》2018年第4期。

[5] 曹炳汝、鄧莉娟：《長江經(jīng)濟帶物流業(yè)效率增長影響因素》，《經(jīng)濟地理》2019年第7期。

[6] 李 健、劉 戀：《省際物流業(yè)綠色全要素生產(chǎn)率時空差異及空間收斂性研究》，《長江流域資源與環(huán)境》2020年第4期。

[7] 張 瑞、孫夏令：《中國省域物流業(yè)綠色全要素生產(chǎn)率的演進及溢出》，《商業(yè)研究》2020年第3期。

[8] 俞佳立、錢芝網(wǎng)：《長江經(jīng)濟帶物流產(chǎn)業(yè)效率的時空演化及其影響因素》，《經(jīng)濟地理》2018年第8期。

[9][23] 劉承良、管明明：《低碳約束下中國物流業(yè)效率的空間演化及影響因素》，《地理科學》2017年第12期。

[10] 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》，《干旱區(qū)資源與環(huán)境》2018年第8期。

[11] Wang Y., Xin L., “The Impact of China’s Trade with Economies Participating in the Belt and Road Initiative on the Ecological Total Factor Energy Efficiency of China’s Logistics Industry”,JournalofCleanerProduction, vol.276 (2020), p.124196.

[12] Liang Z., Chiu Y., Li X., et al., “Study on the Effect of Environmental Regulation on the Green Total Factor Productivity of Logistics Industry from the Perspective of Low Carbon”,Sustainability, vol.12, no.1 (2020), p.175.

[13] Yang J.,Tang L., Mi Z.,et al., “Carbon Emissions Performance in Logistics at the City Level”,JournalofCleanerProduction, vol.231 (2019), pp.1258-1266.

[14][22] Li M., Wang J., “Spatial-Temporal Distribution Characteristics and Driving Mechanism of Green Total Factor Productivity in China’s Logistics Industry”,PolishJournalofEnvironmentalStudies, vol.30, no.1 (2021), pp.201-213.

[15] Tone K., “A Slacks-Based Measure of Efficiency in Data Envelopment Analysis”,EuropeanJournalofOperationalResearch, vol.130, no.3 (2001), pp.498-509.

[16] Tone K., “A Slacks-Based Measure of Super-Efficiency in Data Envelopment Analysis”,EuropeanJournalofOperationalResearch, vol.143, no.1 (2002), pp.32-41.

[17] 黃 磊、吳傳清：《長江經(jīng)濟帶城市工業(yè)綠色發(fā)展效率及其空間驅(qū)動機制研究》，《中國人口·資源與環(huán)境》2019年第8期。

[18] Chung Y. H., F?re R., Grosskopf S., “Productivity and Undesirable Outputs: A Directional Distance Function Approach”,Microeconomics, vol.53, no.3 (1997), pp.229-240.

[19] Oh D.H., “A Global Malmquist-Luenberger Productivity Index”,JournalofProductivityAnalysis, vol.34, no.3 (2010), pp.183-197.

[20] Wang J.,Li X.,Christakos G.,et al., “Geographical Detectors-Based Health Risk Assessment and Its Application in the Neural Tube Defects Study of the Heshun Region, China”,InternationalJournalofGeographicalInformationScience, vol.24, no.1 (2010), pp.107-127.

[21] 陳昌兵：《可變折舊率估計及資本存量測算》，《經(jīng)濟研究》2014年第12期。

[24] 東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南，中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南，西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆。

[25] 聶長飛、簡新華：《中國高質(zhì)量發(fā)展的測度及省際現(xiàn)狀的分析比較》，《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》2020年第2期。

[26] 臧 新、潘國秀：《FDI對中國物流業(yè)碳排放影響的實證研究》，《中國人口·資源與環(huán)境》2016年第1期。