羅 清 （南通理工學(xué)院 商學(xué)院，江蘇 南通 226000）

0 引 言

隨著經(jīng)濟(jì)的高速發(fā)展以及信息化水平的不斷提升，中國物流業(yè)規(guī)模迅速擴(kuò)大。然而物流業(yè)快速發(fā)展所帶來的能源消耗與環(huán)境污染一直是行業(yè)亟待解決的難點(diǎn)與痛點(diǎn)，物流業(yè)高耗能、高排放、低效率式的運(yùn)作模式已不能滿足新常態(tài)下的發(fā)展趨勢。在“雙碳”背景下，如何提高物流業(yè)的能源效率，有效實(shí)施節(jié)能減排策略，推動(dòng)中國物流業(yè)綠色、可持續(xù)、高質(zhì)量發(fā)展，成為了社會(huì)各界關(guān)注的焦點(diǎn)。長江經(jīng)濟(jì)帶包括長江上、中、下游11 個(gè)省市，橫跨東、中、西三大經(jīng)濟(jì)區(qū)，水陸空四通八達(dá)、物流產(chǎn)業(yè)規(guī)模龐大，但由于橫跨范圍大以及區(qū)域經(jīng)濟(jì)與技術(shù)水平等影響，物流產(chǎn)業(yè)績效并不理想。因此，研究長江經(jīng)濟(jì)帶的物流業(yè)能源效率及其影響因素顯得尤為重要[1]。

已有研究采用數(shù)據(jù)包絡(luò)分析法（DEA）對能源效率進(jìn)行評價(jià)，如郭淑芬等[2]運(yùn)用CCR-DEA、BCC-DEA 和Malmquist-DEA模型對31 省市的科技創(chuàng)新效率及其變動(dòng)情況進(jìn)行了實(shí)證研究；張澤華等[1]采用超效率DEA 模型和Malmquist 指數(shù)分別從靜態(tài)、動(dòng)態(tài)視角對長江經(jīng)濟(jì)帶 11 個(gè)省市的物流產(chǎn)業(yè)效率進(jìn)行實(shí)證研究，最后利用Tobit 模型分析物流產(chǎn)業(yè)效率的影響因素及影響程度；吳傳清等[3]運(yùn)用DEA-Malmquist 指數(shù)和面板Tobit 模型對長江經(jīng)濟(jì)帶技術(shù)創(chuàng)新效率進(jìn)行了測度及影響因素分析；胡艷等[4]運(yùn)用DEA 和Malmquist 指數(shù)法從靜態(tài)和動(dòng)態(tài)兩個(gè)方面測算了長江經(jīng)濟(jì)帶高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率，并探究了其影響因素；廖諾等[5]借助SBM 模型測算中國物流業(yè)全要素能源效率，使用K-Means 聚類對物流業(yè)GDP、能源消耗和能源效率進(jìn)行聚類，然后結(jié)合協(xié)整檢驗(yàn)研究物流業(yè)GDP、能源消耗和能源效率之間的關(guān)系；江雨珊等[6]利用超效率非期望SBM 模型以測度物流業(yè)全要素能源效率，利用GML 指數(shù)及分解動(dòng)態(tài)分析能源效率的變化情況；蘇貴影等[7]運(yùn)用三階段DEA 模型對物流業(yè)效率進(jìn)行評價(jià)；張瑞等[8]利用超效率SBM 模型對中國30 個(gè)省市物流業(yè)的能源生態(tài)效率進(jìn)行測度，并構(gòu)建PVAR 模型考察能源生態(tài)效率與其影響因素之間的動(dòng)態(tài)均衡關(guān)系。

本文選取2008—2020年長江經(jīng)濟(jì)帶11 個(gè)省市面板數(shù)據(jù)，運(yùn)用考慮非期望產(chǎn)出的超效率SBM 模型和GML 指數(shù)從靜態(tài)和動(dòng)態(tài)視角評價(jià)長江經(jīng)濟(jì)帶的物流業(yè)能源效率，并探究其影響因素，為物流業(yè)節(jié)能減排政策的制定提供理論依據(jù)。

1 指標(biāo)選取與數(shù)據(jù)說明

結(jié)合物流行業(yè)特征以及物流能源利用中的經(jīng)濟(jì)效益和生態(tài)效益，考慮數(shù)據(jù)的可獲得性、完整性及科學(xué)性等，借鑒相關(guān)參考文獻(xiàn)，采用交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)的數(shù)據(jù)代替物流業(yè)進(jìn)行分析，選取2008—2020年長江經(jīng)濟(jì)帶11 個(gè)省市的面板數(shù)據(jù)為評價(jià)樣本，原始數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》以及長江經(jīng)濟(jì)帶相關(guān)省市統(tǒng)計(jì)年鑒，部分缺失數(shù)據(jù)采用插值法計(jì)算。

1.1 投入指標(biāo)選取

投入指標(biāo)主要從勞動(dòng)力、資本和能源三方面來考慮，勞動(dòng)力投入方面選用交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)年末從業(yè)人員數(shù)作為人力評價(jià)指標(biāo)。物流業(yè)運(yùn)營效率受到資本要素投入的影響較大，資本投入方面以物流業(yè)固定資產(chǎn)投資額作為財(cái)力評價(jià)指標(biāo)，為剔除價(jià)格變動(dòng)因素影響，采用價(jià)格指數(shù)縮減法，在計(jì)算前將各省份的物流業(yè)固定資產(chǎn)投資額乘以固定資產(chǎn)投資定基指數(shù)，計(jì)算出基期資本存量。能源投入方面以原煤、煤油、汽油、柴油、燃料油、液化石油氣、天然氣、電力等8 種物流業(yè)主要能源消耗作為衡量指標(biāo)，參考各種能源折標(biāo)準(zhǔn)煤系數(shù)，折算為標(biāo)準(zhǔn)煤后加總得到最終能源投入指標(biāo)量（單位：萬噸標(biāo)準(zhǔn)煤）。

1.2 產(chǎn)出指標(biāo)選取

能源生態(tài)產(chǎn)出指標(biāo)的選取不僅要涵蓋經(jīng)濟(jì)增長指標(biāo)，還要包括生態(tài)環(huán)境影響指標(biāo)，結(jié)合物流業(yè)特征，設(shè)計(jì)期望產(chǎn)出和非期望產(chǎn)出。期望產(chǎn)出用交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)增加值表示，剔除價(jià)格變動(dòng)因素的影響，采用第三產(chǎn)業(yè)GDP 價(jià)格指數(shù)代替物流業(yè)GDP 價(jià)格指數(shù)。非期望產(chǎn)出用物流業(yè)的CO2排放量來表示，根據(jù)IPCC 對應(yīng)的能源碳排放系數(shù)，參考《國家溫室氣體排放清單指南》中的方法進(jìn)行估算。

1.3 環(huán)境變量

環(huán)境變量對物流業(yè)能源效率有顯著影響，但其不是在樣本主觀可控范圍內(nèi)的因素。物流業(yè)能源效率EE 不僅受投入產(chǎn)出指標(biāo)的影響，還可能受其他因素影響，借鑒相關(guān)參考文獻(xiàn)，本文從能源結(jié)構(gòu)ES、環(huán)境規(guī)制ER、經(jīng)濟(jì)發(fā)展水平PGDP、產(chǎn)權(quán)結(jié)構(gòu)LCR、物流資源利用率LRR、政府投入FI 及信息化水平IL 等出發(fā)探究各因素對物流業(yè)能源效率的影響方向和強(qiáng)度。能源結(jié)構(gòu)指標(biāo)用油類能源消耗占物流業(yè)能源消耗總量的比值來衡量；環(huán)境規(guī)制指標(biāo)用物流業(yè)二氧化碳排放量占物流業(yè)增加值的比值來衡量；經(jīng)濟(jì)發(fā)展水平用地區(qū)人均GDP 來衡量；產(chǎn)權(quán)結(jié)構(gòu)用物流業(yè)增加值占地區(qū)GDP 的比值來衡量；物流資源利用率用貨物周轉(zhuǎn)量占物流業(yè)增加值的比重來衡量；政府投入用交通運(yùn)輸財(cái)政支出占總財(cái)政支出的比值來衡量；信息化水平用信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)固定資產(chǎn)投資占全社會(huì)固定資產(chǎn)投資的比值來衡量。

2 研究方法

2.1 非期望產(chǎn)出的超效率SBM 模型

Tone（2007）定義了包括非期望產(chǎn)出的非徑向非導(dǎo)向SBM 模型，假設(shè)有n個(gè)DMU，每個(gè)DMUk（k=1,2,…,n）由m項(xiàng)投入（X1,X2,…,Xm），q1項(xiàng)期望產(chǎn)出（Y1,Y2,…,Yr）和q2項(xiàng)非期望產(chǎn)出（B1,B2,…,Bt）構(gòu)成，該模型的描述如下[5]：

模型中ρ*表示被評價(jià)DMU的效率值，其范圍界于0-1 之間；λ表示權(quán)重向量，S-、S+、Sb-分別代表投入、期望產(chǎn)出和非期望產(chǎn)出的松弛變量。0 ≤ρ*＜1 表示DMU無效，即現(xiàn)有投入產(chǎn)出結(jié)構(gòu)不合理，存在效率損失；若ρ*=1 表示DMU有效。但實(shí)際應(yīng)用中，若存在多個(gè)決策單元同時(shí)有效，SBM 模型無法對這些決策單元作出進(jìn)一步的比較和排序，針對這一問題Tone 對SBM 模型進(jìn)行改進(jìn)，提出了超效率SBM 模型，能夠?qū)π手禐? 的決策單元進(jìn)行更為細(xì)致的區(qū)分排序。考慮非期望產(chǎn)出的超效率SBM 模型如下[8]：

2.2 GML 指數(shù)模型

超效率SBM 模型在加入時(shí)間因素時(shí)，由于各期生產(chǎn)前沿面不同，只適用于截面數(shù)據(jù)的橫向靜態(tài)比較，引入GML 指數(shù)可實(shí)現(xiàn)時(shí)間序列層對物流業(yè)能源效率的動(dòng)態(tài)變化分析[1]，指數(shù)大于1 表示效率相比上一年有所上升，小于1 表示效率下降，等于1表示效率不變。t期到t+1 期的效率指數(shù)為：

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)。

2.3 面板數(shù)據(jù)回歸模型

以超效率SBM 模型求得的物流業(yè)能源效率值作為因變量，以影響物流業(yè)能源效率的因素為回歸自變量構(gòu)建面板數(shù)據(jù)回歸模型，本文使用最常用的固定效應(yīng)回歸模型和隨機(jī)效應(yīng)回歸模型進(jìn)行估計(jì)，具體的回歸模型如下[4]：

lnEEit=C+β1lnESit+β1lnERit+β1lnPGDPit+β1lnLCRit+β1lnLRRit+β1lnFIit+β1lnILit+vi+μit

式中，vi是選擇固定效應(yīng)模型下各地區(qū)不隨時(shí)間變化的量，μ是殘差項(xiàng)。

3 實(shí)證分析

3.1 長江經(jīng)濟(jì)帶物流業(yè)能源效率的靜態(tài)分析

將長江經(jīng)濟(jì)帶11 省市的投入產(chǎn)出面板數(shù)據(jù)代入超效率SBM 模型，應(yīng)用DEARUN 軟件，得到2008—2020年長江經(jīng)濟(jì)帶各省市的物流業(yè)能源效率值，并對長江上、中、下游的物流業(yè)能源效率的幾何平均值進(jìn)行統(tǒng)計(jì)，結(jié)果見表1。

表1 2008—2020年長江經(jīng)濟(jì)帶11 省市物流業(yè)能源效率評價(jià)結(jié)果

由表1可知，在考察期內(nèi)，長江經(jīng)濟(jì)帶物流業(yè)能源效率總體呈波動(dòng)上升后回落趨勢，物流業(yè)能源效率總均值為0.762，處于中等以上水平，物流業(yè)能源效率仍有一定的提升空間；2008—2012年長江經(jīng)濟(jì)帶物流業(yè)能源效率出現(xiàn)由高到低地波動(dòng)下降趨勢，2013—2020年物流業(yè)能源效率值波動(dòng)上升并逐漸趨于平穩(wěn)，2014年物流業(yè)發(fā)展中長期規(guī)劃的提出，帶動(dòng)了物流業(yè)快速增長；但經(jīng)濟(jì)高速發(fā)展所帶來的環(huán)境問題也日益突出，隨著堅(jiān)持生態(tài)優(yōu)先、不搞大開發(fā)的理念提出，長江經(jīng)濟(jì)帶的環(huán)境治理也逐步加強(qiáng)，至2020年長江經(jīng)濟(jì)帶物流業(yè)能源效率波動(dòng)較小并逐步趨于平穩(wěn)。

從空間區(qū)域視角看（如圖1所示），各區(qū)域物流業(yè)能源效率存在顯著的地域差異，下游地區(qū)效率最高，整體呈波動(dòng)上升后回落并逐步趨于平穩(wěn)的趨勢，到2018年物流業(yè)能源效率達(dá)到有效，高于長江經(jīng)濟(jì)帶平均水平；中游次之，物流業(yè)能源效率穩(wěn)步上升后回落，2018年能源效率值達(dá)到最大，效率水平達(dá)到有效，基本與長江經(jīng)濟(jì)帶物流業(yè)能源效率水平保持一致；上游地區(qū)整體效率最低，低于長江經(jīng)濟(jì)帶的平均水平，在研究期內(nèi)，上游地區(qū)的物流業(yè)能源效率一直處于無效狀態(tài)，下、中、上游在空間上呈現(xiàn)“階梯狀”分布。但從整體數(shù)據(jù)來看，上中下游的物流業(yè)能源效率均值均小于1，處于無效狀態(tài)，說明長江經(jīng)濟(jì)帶物流業(yè)高耗能、高排放、低效率的問題仍然突出，通過高新技術(shù)和設(shè)備的引進(jìn)、清潔能源的普及、政府環(huán)境規(guī)制以及提高物流企業(yè)內(nèi)部管理水平等方式以實(shí)現(xiàn)物流業(yè)高效率、低能耗、低排放的發(fā)展。

從各省市物流業(yè)能源效率值（如圖2所示）來看，在研究期內(nèi)，江蘇、江西、貴州一直處于物流能源效率有效水平，其中江西位居長江經(jīng)濟(jì)帶第一位，物流能源效率均值為1.368；貴州和江蘇緊隨其后，分別為1.281 和1.249。物流業(yè)能源效率接近有效的省市有上海、安徽，效率均值分別為0.907 和0.858，上海市2008—2010年效率值較低，2011—2020年效率值均達(dá)到有效；安徽省物流業(yè)能源效率值從有效-無效-有效演變，導(dǎo)致研究期內(nèi)效率均值處于無效水平。物流業(yè)能源效率排名倒數(shù)三位是云南、四川和湖北，其效率值較低，分別為0.408、0.436 和0.501，湖北省雖處于長江中游，位于九省通衢之處，是南北的交通樞紐，水路條件優(yōu)越，但與下游地區(qū)相比，此地區(qū)高端人才的匱乏、設(shè)施設(shè)備及科學(xué)技術(shù)的落后成為了阻礙其物流能源效率提升的重要阻力。

3.2 長江經(jīng)濟(jì)帶物流業(yè)能源效率的動(dòng)態(tài)分析

為進(jìn)一步對長江經(jīng)濟(jì)帶的物流業(yè)能源效率進(jìn)行動(dòng)態(tài)分析，利用DEARUN 軟件測算出物流業(yè)能源效率的GML 指數(shù)及其分解，結(jié)果見表2。

表2 2008—2020年長江經(jīng)濟(jì)帶物流業(yè)能源效率指數(shù)及其分解

續(xù) 表

根據(jù)年均GML 指數(shù)及其分解結(jié)果來看，長江經(jīng)濟(jì)帶GML 均值為1.004，年均增長率為0.4%，進(jìn)一步觀察可以發(fā)現(xiàn)，技術(shù)效率和技術(shù)進(jìn)步分別為1.004 和1，說明長江經(jīng)濟(jì)帶技術(shù)效率的提高帶動(dòng)了物流業(yè)能源效率的提高；從區(qū)域角度看，長江下游GML 均值最大，為1.013，年均增長率為1.3%，技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)分別為0.998 和1.015，說明長江下游的物流業(yè)能源效率提升主要得益于該區(qū)域的技術(shù)進(jìn)步，有先進(jìn)的物流技術(shù)做支撐，但還需進(jìn)一步提升物流效率。長江中游GML 均值為1.001，年均增長率為0.1%，接近長江經(jīng)濟(jì)帶的平均水平，技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)分別為1.003 和0.999，該區(qū)域的物流技術(shù)水平還有一定的提升空間。長江上游GML 均值為0.998，年均物流業(yè)能源效率下降0.2%，進(jìn)一步觀察發(fā)現(xiàn)技術(shù)效率和技術(shù)進(jìn)步指數(shù)分別為1.011 和0.987，說明長江上游技術(shù)進(jìn)步的減緩是導(dǎo)致該區(qū)域物流業(yè)能源效率下降的主要原因，要想實(shí)現(xiàn)上游物流業(yè)高效率、低能耗、低排放、高質(zhì)量發(fā)展，亟需提高該區(qū)域的物流技術(shù)水平。

3.3 能源效率改善潛力及途徑分析

運(yùn)用超效率SBM 模型獲取2020年各省市的超效率值及投入產(chǎn)出松弛改進(jìn)量，結(jié)果見表3。對于效率值＜1 的DMU，slack（松弛改進(jìn)量）全部為正，投入slacks代表投入需要減少的量，產(chǎn)出slacks代表產(chǎn)出需要增加的量，非期望產(chǎn)出slacks代表非期望產(chǎn)出需要減少的量；對于效率值≥1 的DMU，slack全部為負(fù)，代表超出前沿的量，投入slacks代表投入可以增加的量，產(chǎn)出slacks代表產(chǎn)出可以減少的量，非期望產(chǎn)出slacks代表非期望產(chǎn)出可以增加的量，經(jīng)過這樣的變化后，DMU仍然有效，體現(xiàn)一種“超”效率的思想。

表3 2020年長江經(jīng)濟(jì)帶11 省市投入產(chǎn)出松弛改進(jìn)表

由表3可知，2020年上海、江蘇、安徽、江西、重慶、貴州的物流業(yè)能源效率均為有效，且SBM 超效率值大于1，超過生產(chǎn)前沿面。而浙江、湖北、湖南、四川和云南處于非DEA 有效水平，效率值小于1，這些地區(qū)的投入指標(biāo)和非期望產(chǎn)出都存在不同程度的冗余，表明這些指標(biāo)的投入和非期望產(chǎn)出應(yīng)減少才能達(dá)到最優(yōu)生產(chǎn)前沿面。勞動(dòng)力投入方面，四川和浙江在減少勞動(dòng)力冗余方面有較大改進(jìn)空間；固定資產(chǎn)投資方面，四川固定資產(chǎn)投資過剩比重高達(dá)73.25%；節(jié)能減排方面，湖北、湖南、四川節(jié)能減排潛力最大，均達(dá)到40%左右。總體來看，非DEA 有效的省份均存在投入冗余、CO2排放過量的情況，反映了要素投入規(guī)模和結(jié)構(gòu)不合理，能源浪費(fèi)，CO2排放過多等問題，這些省市需進(jìn)一步精簡人員，調(diào)整固定資產(chǎn)投資規(guī)模，嚴(yán)格把控資金流向和用途，優(yōu)化能源結(jié)構(gòu)，提高能源利用率，同時(shí)有效落實(shí)環(huán)保政策，減少CO2排放量，促進(jìn)物流業(yè)高效、節(jié)能減排、高質(zhì)量的發(fā)展。

3.4 影響因素分析

由于長江經(jīng)濟(jì)帶上中下游地區(qū)的物流業(yè)能源效率差異顯著，進(jìn)行整體回歸并不能分清各指標(biāo)對長江經(jīng)濟(jì)帶物流能源效率的真實(shí)影響程度，所以本文不對長江經(jīng)濟(jì)帶整體物流業(yè)能源效率影響因素進(jìn)行分析，而是分別對長江上中下游的物流業(yè)能源效率影響因素進(jìn)行分析。為了降低時(shí)間序列異方差的影響，對指標(biāo)數(shù)據(jù)取自然對數(shù)處理，為了避免偽回歸，建立模型前對面板數(shù)據(jù)進(jìn)行了單位根檢驗(yàn)，所有變量均通過了單位根檢驗(yàn)。采用SPSSAU 軟件對長江上中下游的面板數(shù)據(jù)進(jìn)行回歸分析，對混合模型、固定效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行了F 檢驗(yàn)、BP 檢驗(yàn)以及Hausman 檢驗(yàn)，根據(jù)檢驗(yàn)結(jié)果可知，長江中游面板數(shù)據(jù)支持固定效應(yīng)模型，長江上游和下游選擇隨機(jī)效應(yīng)模型，結(jié)果如表4。

表4 長江經(jīng)濟(jì)帶上中下游物流業(yè)能源效率影響因素回歸結(jié)果

根據(jù)實(shí)證分析結(jié)果可知，能源結(jié)構(gòu)對長江經(jīng)濟(jì)帶上中下游地區(qū)的物流能源效率的影響有顯著的不同，對長江上游地區(qū)物流業(yè)能源效率在1%的顯著性水平下，回歸系數(shù)值為2.096，有明顯的正向促進(jìn)作用，而對長江中游和下游地區(qū)，其回歸系數(shù)分別為-0.271、-1.992，說明能源結(jié)構(gòu)對長江中下游地區(qū)物流業(yè)能源效率提升在1%的顯著性水平下，具有明顯的阻礙作用，下游地區(qū)的阻礙作用更為明顯。環(huán)境規(guī)制對長江經(jīng)濟(jì)帶上中下游地區(qū)物流業(yè)能源效率的影響差異顯著。上游地區(qū)和下游地區(qū)環(huán)境規(guī)制對物流業(yè)能源效率提升具有明顯的阻礙作用，中游地區(qū)則無顯著影響。經(jīng)濟(jì)發(fā)展水平對長江經(jīng)濟(jì)帶上中下游地區(qū)物流業(yè)能源效率的影響差異顯著。經(jīng)濟(jì)發(fā)展水平促進(jìn)了長江中游地區(qū)能源效率的提升，卻抑制了上游地區(qū)能源效率的增長，對長江下游地區(qū)的能源效率無顯著影響。物流業(yè)增加值占GDP 比重越大，對長江中游地區(qū)的物流能源效率的促進(jìn)作用越大，而對長江下游地區(qū)卻顯示出一定的抑制作用，對長江上游地區(qū)的物流能源效率提升并無影響。物流資源利用率對長江中游地區(qū)的物流業(yè)能源效率具有顯著的促進(jìn)作用，對長江上下游地區(qū)物流業(yè)能源效率并無明顯影響。政府投入和信息化水平對長江經(jīng)濟(jì)帶上中下游地區(qū)的物流業(yè)能源效率提升均沒有顯著影響。

4 結(jié) 論

通過對2008—2020年長江經(jīng)濟(jì)帶11 省市物流業(yè)能源效率進(jìn)行超效率SBM 和GML 指數(shù)分析，以及運(yùn)用固定效應(yīng)和隨機(jī)效應(yīng)回歸模型探索能源結(jié)構(gòu)、環(huán)境規(guī)制、經(jīng)濟(jì)發(fā)展水平等因素對物流業(yè)能源效率的影響分析，得出如下結(jié)論：a.從靜態(tài)來看，長江經(jīng)濟(jì)帶物流業(yè)能源效率總體呈波動(dòng)上升趨勢，整體能源效率處于中等以上水平，上中下游區(qū)域物流業(yè)能源效率失衡現(xiàn)象嚴(yán)重，空間上呈“階梯狀”分布，下游地區(qū)能源效率最高，中游次之，上游最低。b.從動(dòng)態(tài)來看，長江經(jīng)濟(jì)帶物流業(yè)能源效率水平總體來說有所改善，技術(shù)效率的提升帶動(dòng)了全要素生產(chǎn)率的提升，但上中下游能源效率水平變動(dòng)差異明顯，下游地區(qū)技術(shù)水平的提升促進(jìn)了該地區(qū)物流業(yè)能源效率的增長，中游地區(qū)的物流業(yè)能源效率呈現(xiàn)較小幅度的增長，主要于依賴技術(shù)效率的提升，而上游地區(qū)物流業(yè)能源效率水平有所下降，主要原因是技術(shù)水平下降，而同期的技術(shù)效率呈增長趨勢。c.非DEA 有效省市存在不同程度的投入冗余和碳排放過量現(xiàn)象，各地區(qū)應(yīng)深入了解自身物流業(yè)人力、財(cái)力投入現(xiàn)狀，進(jìn)一步優(yōu)化能源結(jié)構(gòu)，確保節(jié)能減排措施的有效實(shí)施。d.根據(jù)面板數(shù)據(jù)回歸分析結(jié)果可知，能源結(jié)構(gòu)對長江上游物流業(yè)能源效率提升具有明顯的促進(jìn)作用，但對中下游地區(qū)具有抑制作用；環(huán)境規(guī)制阻礙了長江上下游地區(qū)物流業(yè)能源效率的提升；經(jīng)濟(jì)發(fā)展水平促進(jìn)了長江中游地區(qū)物流業(yè)能源效率的提高，但在一定程度上抑制了上下游地區(qū)的能源效率提升，物流業(yè)增加值占GDP 比重這一指標(biāo)，在一定程度上促進(jìn)了長江中游地區(qū)的能源效率提升，但對長江下游具有較小的阻礙作用；政府投入、信息化水平等因素對長江經(jīng)濟(jì)帶各地區(qū)的物流業(yè)能源效率并無明顯影響。