董 博，段满珍，李珊珊，轧红颖

（华北理工大学 建筑工程学院，河北 唐山 063009）

基于 DEA 的区域物流低碳绩效评价

董 博，段满珍，李珊珊，轧红颖

（华北理工大学 建筑工程学院，河北 唐山 063009）

我国物流业发展规模快速增长，物流业碳排放状况日益严重。在构建区域物流低碳绩效评价指标体系的基础上，通过将非期望产出指标转为投入指标，建立包含非期望产出指标的区域物流低碳绩效 DEA 评价模型。以我国 28 个省、自治区和直辖市的区域物流低碳绩效评价为例进行计算，获得以各区域为决策单元的区域物流低碳绩效的效率值，并结合评价结果提出区域物流低碳运营策略。

区域物流；低碳绩效评价；DEA

全球气候变暖和能源短缺已经成为人类共同面临的问题和挑战。在此背景下，低碳经济应运而生，成为应对气候变化、构建全球责任共同体的重要途径。近年来我国物流业发展快速，已经成为继制造业之后的第 2 大碳排放大户[1-2]。低碳经济背景下，低碳物流指物流活动中将环境作为重要考虑因素，一方面注重运输、仓储、流通加工、包装和废弃物回收等物流环节的低碳化；另一方面，注重物流管理的低碳化，实现减少碳排放与节约资源并重，形成一个与环境共生的物流系统。构建低碳经济背景下区域物流低碳绩效评价体系，全面衡量区域物流低碳经营方式，引导物流业走低碳发展之路，对于我国经济低碳化发展十分重要。

1基于DEA的区域物流低碳绩效评价模型

数据包络分析 (Data Envelopment Analysis，DEA) 模型是由 Charnes，Cooper 和 Rhodes 在 Farrell的效率评价理论基础上提出来的，在实际问题应用中，DEA 方法具有明显的经济和管理意义。DEA模型用于评价具有多指标投入与多指标产出特点的相同类型决策单元的相对效率，所需指标少，可以对无法价格化甚至难以轻易确定权重的指标进行分析，不需要任何变量间的函数假设，具有较高的灵敏度与可靠性，适合性质相同的决策单元之间的评估比较。为此，采用 DEA 方法对区域物流低碳绩效评价进行研究。

1.1构建区域物流低碳绩效评价指标体系

区域物流通过资源投入进行生产，获得相应的产出及经济效益，生产过程中消耗的资源与产生的污染物对环境产生影响。低碳经济背景下，区域物流低碳绩效评价指标要为地方政府和物流企业决策提供必要的信息和依据，指标选择应突出资源、环境、经济指标，体现概括性、动态性、可比性与可操作性原则。根据区域物流低碳绩效评价指标的基本原则，将评价指标分为 3 大类。其中，生产过程中消耗的资源被称为“投入”指标，产出的产品和获得的经济效益被称为“期望产出”指标，产出的污染物则被称为“非期望产出”指标。结合投入与产出属性对所筛选的区域物流低碳绩效指标进行归类，将固定资产总额、人员总数、能源消费总量、电力消费总量 4 个影响指标归为投入指标，指标数值越小越好；将生产总值、单位碳的绿地密度、绿地覆盖率、货运量、货物周转量 5 个影响指标归为期望产出指标，指标数值越大越好；将碳排放总量、碳排放强度、综合碳排放系数、固体废弃物总量 4 个指标归为非期望产出指标，指标数值越小越好。构建区域物流低碳绩效评价指标体系如图 1 所示。

图1　区域物流低碳绩效评价指标体系

1.2构建基于 DEA 的区域物流低碳绩效评价模型

1.2.1DEA 模型

在对一组决策单元进行效率评价时，DEA 方法需要生产过程的投入与产出数据，得出输入、输出数据形成包络面的有效部分即生产前沿面，通过构建最优的生产前沿面，测算决策单元的相对效率值[3-4]。Charnes 等基于投入产出分析原理，通过DEA-CCR 模型对决策单元的有效性进行评价。基于投入产出的 DEA-CCR 对偶模型为[5]

式中：θ*目标函数最优解，θ*∈ [0，1]；θ 为决策单元的效率值；xij为第 j 个决策单元的第 i 种投入指标的值；yrj为第 j 个决策单元的第 r 种期望产出指标的值；xik为第 k 个决策单元的第 i 种投入指标的值；yrk为第 k 个决策单元的第 r 种期望产出指标的值；λj为第 j 个决策单元的参考标杆系数；为第 i 种投入指标的松弛量；为第 r 种期望产出指标的松弛量；m 为投入指标个数；s 为期望产出指标个数；n 为决策单元个数。

1.2.2基于 DEA 的区域物流低碳绩效评价模型

DEA-CCR 模型能够解决只涉及投入指标与产出指标的传统效率评价问题[6]。区域物流低碳绩效评价指标体系中包含投入、期望产出与非期望产出3 类指标，超出了传统效率评价问题的范围。通过将非期望产出指标作为投入指标的方法，对原有模型添加新的约束条件，将问题转化为传统效率评价问题。将非期望产出指标作为投入指标处理后得出的效率评价模型为

式中：h*为目标函数最优解，h*∈ [0，1]；h 为决策单元的效率值；btj为第 j 个决策单元的第 t 种非期望产出指标的值；btk为第 k 个决策单元的第 t 种非期望产出指标的值；为第 t 种非期望产出指标的松弛量；t 为非期望产出指标个数。

2案例分析

2.1数据计算

应用基于 DEA 的区域物流低碳绩效评价模型对全国 28 个省、自治区和直辖市的区域物流低碳绩效进行评价，将各省、自治区和直辖市看成决策单元，根据区域物流低碳绩效评价指标体系，选取2002 年、2014 年全国 28 个省、自治区和直辖市的区域物流投入指标、期望产出指标和非期望产出指标数据，利用 MaxDEA 软件进行求解[7-8]，得到各地区物流低碳绩效的效率值数据，如表1所示。

表1　各地区 2002 年与 2014 年物流低碳绩效的效率值汇总

为方便进行数值分析，根据表1数据绘制区域物流低碳绩效的效率值折线图，如图2所示。

2.2区域物流低碳绩效评价结果分析

根据模型 ⑵，h*∈ [0，1]；h 越小表示投入可以缩减的幅度越大，效率越低。当 h*= 1 时说明被评价决策单元位于前沿面上，处于有效状态。由图2中 2 条曲线的走向可以看出，2002—2014 年我国华北、东北、西南、西北地区物流低碳绩效的效率值波动较大。

（1）华北地区的河北、山西、内蒙古 3 省区2014 年效率值较 2002 年有大幅度降低，表明在这些地区的区域物流发展中，物流低碳绩效降低。该区域人口密集、重工业发达，作为我国重要的钢铁、煤炭生产及输出基地，物流运输各环节对环境影响较大，特别是以煤炭、油料等非再生能源为主的物流能源结构对环境造成严重影响。因此，该区域亟待改善物流企业能源消费结构，通过发展可再生能源技术与节能减排技术改善能源结构，逐步建立低碳能源系统，推动物流企业低碳化发展。走低碳发展之路成为该区域物流发展的重点。

图2　各地区 2002 年与 2014 年效率值

（2）东北地区的黑龙江、吉林、辽宁 3 省区域物流低碳发展水平不均衡，黑龙江、辽宁 2 省的区域物流低碳绩效的效率值 2014 年较 2002 年有所下降。东北地区作为我国老工业基地，其物流特点为大进大出。近年来东北地区商贸物流发展迅速，潜力较大，但该区域物流仍处于高成本、低效率的发展阶段，存在物流节点设置不合理、物流标准化程度低、多式联运发展缓慢等情况。因此，该区域在物流发展过程中应制定与实施低碳运营策略，明确区域低碳物流发展目标，积极引导区域低碳物流有序发展。①优化区域物流节点设置。物流节点对于整个物流活动具有重要的意义，物流节点的设置是否优化能够决定物流系统的运作效率。区域物流节点的优化不仅有利于实现物流企业的低碳化运营，而且能够促进经济的可持续发展。②提高区域物流标准化程度，推进物流标准化建设，提高物流企业间的联合及各物流环节的衔接水平。③推动多式联运的发展，充分利用公路、铁路、水路、航空等各种运输线路和基础设施资源，发挥不同运输方式的优势，使物流企业的集疏运更节约、高效和环保，在加快物流运输、降低物流成本的同时实现低碳目标。

（3）西南地区四川、云南 2 省区域物流低碳绩效的效率值较低，特别是四川省 2002 年、2014 年的物流低碳绩效效率值均低于 1。这 2 个省地处西南，人口分布较密集，物流基础较为薄弱，物流信息化建设水平低，部分物流企业经营者缺乏低碳运营意识。第一，应提升物流企业经营者的低碳运营意识，积极倡导低碳物流的发展方式，加快现代物流发展进程，力争缩小与沿海发达地区经济发展差距，并在发展过程中注重对环境的影响。第二，应重视在流通过程中的低碳化，如运输和仓储等活动中主动减少废气排放、降低噪声污染和交通阻塞等问题，让物流企业经营者意识到只有经济效益、社会效益和生态效益的同步，才能实现企业的长远发展。第三，应推进区域物流信息化建设。物流信息化可以大大地提高物流管理效率和水平，提升物流服务质量，同时降低物流能源消耗，促进物流企业节能减排，实现物流成本节约，践行区域物流低碳运营要求。

（4）西北地区的陕西、甘肃、新疆各省区 2014年较 2002 年区域物流低碳绩效效率值有所上升，表明该区域近年来注重发展低碳物流，已经取得良好效果，但由于区域经济发展水平的影响，仍存在物流经济欠发达、物流发展不均衡等问题。鉴于西北地区身居内陆，拥有“丝绸之路经济带”的特殊区位优势，应进一步加强区域低碳物流发展，完善物流功能，实现地方政府、内陆城市、港口、物流企业等多方共赢的局面。

3结束语

在区域物流低碳绩效评价中，将非期望产出指标转换为投入指标，建立基于 DEA 的区域物流低碳绩效评价模型，并通过区域物流低碳绩效的效率值分析，验证模型的合理性和科学性，为区域物流

(  )(  )低碳发展提供重要衡量指标。各区域应结合地区特点和物流发展实际情况，在促进物流发展的同时，兼顾生态环境与经济效益的平衡，借鉴各地区低碳物流发展经验，探索低碳物流发展方式，制定和实施低碳物流发展策略，走可持续的低碳物流发展之路。

[1] 刘 楠. 城市物流业碳排放测算及影响因素分析：以天津市为例[D]. 西安：长安大学，2013.

[2] 宋伯慧. 基于大物流要素理论的物流系统研究[D]. 北京：北京交通大学，2013.

[3] 吴 琦，武春友. 基于 DEA 的能源效率评价模型研究[J].管理科学，2009，22(1)：103-112.

WU Qi，WU Chun-you. Research of Energy Efficiency Evaluation Model based on Data Envelopment Analysis[J]. Management Science，2009，22(1)：103-112.

[4] 魏权龄. 数据包络分析[M]. 北京：科学出版社，2004.

[5] 成 刚. 数据包络分析方法与 MaxDEA 软件[M]. 北京：知识产权出版社，2014.

[6] CHARNES A，COOPER W W. Programming with Linear Fractional Functional[J]. Naval Research Logistics Quarterly，1962(9)：181-185.

[7] COOPER W W，SEIFORD L M，TONE K. Data Envelopment Analysis：A Comprehensive Text with Models，Applications，References and DEA-Solver Software[M]. Boston：Kluwer Academic Publishers，2000.

[8] PARADI J C，SCHAFFNIT C. Commercial Branch Performance Evaluation and Results Communication in a Canadian Bank：A DEA Application[J]. European Journal of Operations Research，2004，156(3)：719-735.

责任编辑：王 静

Low-Carbon-Oriented Performance Evaluation of Regional Logistic Activities by DEA Model

DONG Bo, DUAN Man-zhen, LI Shan-shan, YA Hong-ying

(College of Civil and Architectural Engineering, North China University of Science and Technology, Tangshan 063009，Hebei，China)

Low-carbon-oriented logistic performance evaluation causes growing attention as the logistic industry develops fast and its scale increases quickly. Focused on the construction of carbon footprint evaluation indices system on regional logistic activities, the paper establishes the DEA evaluation model which includes unexpected output indices by transforming the unexpected output indices into input indices, and uses the data of 28 provinces which can be regarded as independent decision making units to calculate and measure the efficiency value of regional efforts to decrease the carbon emissions and puts forward regional low-carbon-oriented strategies based on low-carbon-oriented performance evaluation results.

Regional Logistic Activities; Low-Carbon-Oriented Performance Evaluation; DEA

1003-1421(2016)10-0018-04

F259.27

A

10.16668/j.cnki.issn.1003-1421.2016.10.04

2015-12-03

2016-07-29

国家自然科学基金项目(51378171；61374157)；华北理工大学青年基金项目(S201417)