翟丹妮 牛芳

文章编号：1002-3100（2024）03-0022-05

摘  要：考虑到物流业投入和产出之间的时滞效应，以中国30个省（市、区）为研究对象，构建DEA模型处理非期望产出的聚合问题、投入和产出之间的时滞效应问题，有效测算出2014—2021年中国30个省（市、区）物流业绿色效率。结果表明：从整体角度看，八年间绿色效率呈先升后降的趋势，整体效率水平较低；从省域角度看，北京、上海和海南的绿色效率排名最好，河北、内蒙古、山东和新疆的绿色效率排名较低；从地区角度看，不同区域之间绿色效率水平差距较大，其中黄河中游地区、东北地区绿色效率排名居于后两位。最后根据研究结果提出改进物流业绿色效率现状的建议。

关键词：物流业绿色效率；数据包络分析；非期望产出；时滞效应

中图分类号：F253    文献标志码：A

DOI：10.13714/j.cnki.1002-3100.2024.03.005

Abstract： Considering the time lag effect between the input and output of the logistics industry， taking 30 provinces（cities， districts）in China as the research object， a DEA model is constructed to deal with the aggregation problem of unexpected output and the time lag effect problem. The model can effectively calculate the green efficiency of the logistics industry in 30 provinces（cities， districts）in China from 2014 to 2021. The research results are as follows： First， from the overall perspective， the green efficiency showed a trend of rising first and then falling in the past eight years， and the overall efficiency level was low. Second， from a provincial perspective， Beijing， Shanghai and Hainan rank the best in green efficiency， while Hebei， Inner Mongolia， Shandong and Xinjiang rank lower in green efficiency. Third， from a regional perspective， there is a large gap in green efficiency between different regions. Among them， the middle reaches of the Yellow River and the Northeast region rank the last two in terms of green efficiency. Finally， according to the research results， some suggestions are put forward to improve the green efficiency of the logistics industry.

Key words： green efficiency of logistics industry; data envelopment analysis; undesirable outputs; time lag effects

0  引  言

改革开放以来，我国物流业发展迅速，尤其是2001年，我国加入世界贸易组织之后，出台了一系列政策法规推动物流业规模扩张，物流业逐渐成为国民经济的重要支柱产业。近年来，国家和政府推动发展现代物流和绿色物流，物流业服务水平大大提升，但同时也暴露出了一些问题。2022年，《“十四五”现代物流发展规划》印发，指出当前我国物流业仍存在运输成本较高、资源要素配置不合理、碳排放制约不足等问题，造成了一定的资源浪费和环境污染，因此要将绿色环保理念贯彻到现代物流发展体系中，推进实现物流业可持续健康发展。

物流业是对物品的运输、仓储、包装、配送等环节进行统筹和管理的复合产业，可以通过一定生产技术条件下所创造的产出价值总量与资源投入价值总量的比值来衡量物流业绿色效率。数据包络分析（DEA）方法能够对系统的多投入多产出进行有效评估，国内外学者主要采用DEA方法对物流业效率进行测算^[1-2]。多数学者在采用DEA方法研究物流业效率时较少考虑到资源损耗和污染排放问题^[3-4]。少部分学者在研究物流业效率时兼顾经济与环境，比如易燕等^[5]认为物流业为实现一定经济、社会和生态目标而付出的最少资源代价即为物流业绿色效率。李健等、王强等^[6-7]将环境污染排放量作为非期望产出，从经济发展、物流环境、绿色成效等多方面构建物流业绿色效率测度指标体系。将资源与环境要素纳入效率测度体系，研究物流业绿色效率更加符合我国的绿色发展理念。

物流业的发展周期较为漫长且运转机制复杂，某时期的投入要经历多个时期后才能完全转化为产出，即投入和产出之间存在时滞效应。国内外已有关于时滞效应的DEA研究，如Khalili Damghani^[8]和Lee等^[9]提出了具有特定時滞权重系数的DEA模型。范德成等^[10]通过复相关系数R来确定时滞期长度。范建平等^[11]分析了两阶段系统中中间产出变量具有时滞效应的情况。陈伟等^[12]构建了考虑时滞效应的三阶段DEA模型评价研发效率。结合物流业发展特征，考虑时滞效应可以更加真实地反映物流业的内部运转机制。

综上，本文以2014—2021年中国30个省（市、区）为研究对象，利用DEA模型处理非期望产出的聚合问题、投入和产出的时滞效应问题，有效测算出物流业绿色效率。深入探索物流业绿色效率的区域分布特点和时期演化特征，对于实现物流业绿色转型、建设更加完善的现代物流体系具有重要意义。

1  指标选取与数据来源

1.1  中国物流业绿色效率测度指标体系

本文在构建指标体系时，以交通运输业、仓储业和邮政业的指标代表物流业的相关指标，构建的指标体系能够综合反映经济发展、资源消耗、社会效益和生态环保这四个维度。

投入指标包括资本、人力、基础设施和信息四个要素，其中资本为生产建设、交通运输、仓储管理和资源调配提供支持。人力是物流业生产活动的主体，基础设施为地区物流业提供物质和环境基础，通信能力是交通运输、仓库存储的重要载体和前提条件。产出指标分为期望产出和非期望产出，期望产出包括经济和社会效益，非期望产出能够反映物流业发展引发的严重二氧化碳环境污染问题。具体指标体系如表1所示，指标的选取具有代表性、客观性和数据可获得性^[13]。

1.2  数据来源与说明

本文研究对象为中国30个省（市、区），研究时期为2014—2021年，由于西藏以及港澳台地区的指标数据缺失较为严重，暂不研究这几个地区。基础数据来源于2013—2022年《中国统计年鉴》、《中国城市统计年鉴》、《中国能源统计年鉴》和《中国物流年鉴》。

2  中国物流业绿色效率测度模型构建

在测算物流业绿色效率时，将分两阶段进行，第一阶段是通过DEA模型将非期望产出聚合到期望产出中；第二階段是在第一阶段得到的指标数据基础上，构建考虑时滞效应的DEA模型。

（1）第一阶段：非期望产出聚合的DEA模型

本文借鉴文献^[14]对非期望产出的处理方式，利用公共权重集的方法测出非期望产出的惩罚系数，将惩罚系数与非期望产出相乘得到惩罚参数，进而将非期望产出聚合到期望产出中。

（2）第二阶段：考虑投入和产出时滞效应的DEA模型

在物流业活动中，某一时期的投入会导致连续多个不同时期的产出，将投入完全转化为产出的过程被称为投入的时滞效应。本文认为t时期的产出受到ｔ，ｔ-１，…，ｔ-Ｄ连续D+1个时期投入的共同作用（其中D为时滞效应的时滞期），而D+1个时期的投入对t时期产出的滞后作用是不同的，可以通过滞后影响系数来反映不同时期投入对产出的滞后影响程度。根据现有研究，物流业某一年的投入完全转化为产出需要两年以上的时间，再考虑到观测期的长度和数据的可获得性，将时滞期设置为2年，物流业的时滞效应结构图如图1所示。

构建考虑投入和产出时滞效应DEA模型的具体步骤如下所述。

3  中国物流业绿色效率测度结果分析

基于前文构建的效率测度指标体系和DEA模型，运用Lingo软件测算出2014—2021年的物流业绿色效率，从整体、省域和地区角度分析30个省（市、区）物流业绿色效率的空间分布特征和时期变化趋势。

3.1  整体角度分析

由图2可知，2014—2021年，物流业绿色效率总体呈现先升后降的趋势。在2014—2017年间，效率逐年增长；在2017年效率达到峰值，为0.523；在2017—2021年间，效率值开始逐年降低。

2014年，《物流业发展中长期规划（2014—2020年）》文件印发，针对我国物流业发展方式较为粗放的现状，制定和发布了一系列促进物流业健康发展的措施。2016年，我国从电子商务、调整物品进口税、整治公路货物运输等方方面面着手，旨在降低物流成本，提升物流运输效率。由于国家的重视，2014—2017年间绿色效率逐年提升，并于2017年达到峰值。由于物流业前期发展速度过快，对生态资源的需求量逐年增加，同时运输、发电、工厂建设等活动也会产生大量的二氧化碳污染，因此从2017年开始绿色效率逐年降低。近年来，中国经济增长速度开始逐渐放缓，物流业总体运营规模减少，再加上全球遭受新型冠状病毒疫情的侵害，从2020到2021年绿色效率呈现较为明显的下降趋势。

3.2  省域角度分析

2014—2021年我国各省（市、区）物流业绿色效率变化情况如图3所示，可以看出，北京、上海、海南的效率表现最好，效率值一直为1；其次是天津和青海；河北、内蒙古、山东和新疆的效率表现居于末位，效率值主要介于0.000到0.200之间。

北京和上海作为中国政治、经济、文化的中心，有着完善的交通运输基础，地区政府积极推进“绿色物流”、“清洁能源”有关措施；海南作为中国对外开放的重要窗口，对外商品贸易促进了地区物流业的发展，因此北京、上海和海南的绿色效率表现最好。近年来我国高度重视青海地区绿色智慧物流的发展，努力打造对接国际的青藏高原现代化物流体系，因此青海的绿色效率表现较好。内蒙古和新疆距离经济中心较远，交通设施相对落后，两地虽然具有丰富的自然资源，但由于科技水平的限制，存在一定的资源浪费情况，因此内蒙古和新疆的绿色效率表现较差。河北和山东以工业经济为主，地区物流信息化和智能化水平相对较弱，会产生较多的碳排放量，因此河北和山东的绿色效率水平较低。

3.3  地区角度分析

为进一步分析我国物流业绿色效率的空间分布特点，根据经济学领域的做法，将我国30个省（市、区）划分成为八大经济区域：北部沿海地区（包括北京、天津、河北、山东）、东部沿海地区（包括上海、江苏、浙江）、南部沿海地区（包括福建、广东、海南）、东北地区（包括辽宁、吉林、黑龙江）、西南地区（包括广西、重庆、四川、贵州、云南）、西北地区（包括青海、甘肃、宁夏、新疆）、黄河中游地区（包括陕西、内蒙古、河南、山西）和长江中游地区（包括安徽、湖北、湖南、江西）。八大区域物流业绿色效率如表2所示。

由表2和图4可以看出，区域之间绿色效率水平差距较大，其中黄河中游地区绿色效率排名最低，东北地区绿色效率排名居于倒数第二位，两者绿色效率都呈先升后降的变化趋势；其它地区的绿色效率主要在0.409和0.666之间波动变化。黄河中游地区绿色效率最低的原因可能是地区物流基础设施相对落后，内部交通网络不够完善，并且有关部门的环保意识较弱，物流发展导致了较为严重的环境污染问题。东北地区相较于其它沿海地区对外开放程度较低，地区经济主要依赖煤炭、石油、钢铁等资源型产业，物流运输多采用高消耗、高排放的方式，带来了沉重的环境负担和资源压力，导致绿色效率表现较差。北部沿海地区、东部沿海地区、南部沿海地区和长江中游地区地理位置优越，船舶运输便捷，产品的货运量和货物周转量相对较高，因此绿色效率表现较好。

4  结论与建议

随着经济发展和环境稳定之间的矛盾日益激化，我国物流业未来必将面对更加严峻的生态环境压力，研究物流业绿色效率的空间分布特点和时期演化规律，对促进物流业绿色转型具有重要现实意义。针对研究结果，提出以下建议：第一，加快投入和产出之间的转化效率。通过技术创新水平的提升对影响产出时滞期的因素加以优化和调整，缩短从投入到产出的时滞期，形成投入到产出的良性循环，提升物流业的新陈代谢活力。有关部门应该制定更为严格的环保政策和监管措施，限制污染物的排放数量并提高污染物的可循环利用水平，使物流业的生产活动在生态环境可承载范围内。第二，进一步发挥邻近地区之间的集聚效应。鼓励高效率地区发挥带头引领作用，低效率地区学习高效率地区的物流管理经验和交通运输规划。搭建不同地区之间的科研共享平台，定期进行跨区域人才合作，进而促进绿色物流技术的研发和生产，提高资源的分配效率，实现低消耗、高产出物流生产方式。第三，促进物流智慧化改造，加强物流数字化转型。将通信技术、大数据、人工智能等与物流业进行深度融合，推进立体仓储设施建设，促进绿色产业和新能源技术的发展。针对物流设施、人员知识、信息技术进行定期更新，改善城市物流交通布局，降低物流运输成本和自然消耗。

参考文献：

[1] 唐建荣，田雨. 中国区域物流产业的效率分析及高质量发展路径研究[J]. 物流科技，2022，45（1）：108-115.

[2]  DENG F， XU L， FANG Y， et al. PCA-DEA-tobit regression assessment with carbon emission constraints of China's logistics industry[J]. Journal of Cleaner Production， 2020，271（8）：122548.

[3] 曹炳汝，孔泽云，邓莉娟. 长江经济带省域物流效率及时空演化研究[J]. 地理科学，2019，39（12）：1841-1848.

[4] 曹允春，李彤，林浩楠. 我国区域物流业高质量发展实现路径——基于中国31个省市区的实证分析[J]. 商业研究，2020，524（12）：66-74.

[5] 易燕. 我国物流产业绿色效率及区域空间特征——基于非期望产出的SBM模型[J]. 商业经济研究，2020（20）：104-107.

[6] 李健，刘恋. 省际物流业绿色全要素生产率时空差异及空间收敛性研究[J]. 长江流域资源与环境，2020，29（4）：799-812.

[7] 王强，姚正海. 长江经济带物流产业高质量发展水平的评价及其空间布局分析[J]. 物流科技，2022，45（8）：6-10，20.

[8]  KHALILI-DAMGHANI K， TAVANA M， SANTOS-ARTEAGA F J， et al. A dynamic multi-stage data envelopment analysis model with application to energy consumption in the cotton industry[J]. Energy Economics， 2015，51（4）：320-328.

[9]  TAEHAN LEE， YANSHUANG ZHANG， BYUNG HO JEONG. A multi-period output DEA model with consistent time lag effects[J]. Computers & Industrial Engineering， 2016，93（8）：267-274.

[10] 范德成，李昊，劉贇. 基于改进DEA——以复相关系数为基准的滞后期的我国产业结构演化效率评价[J]. 运筹与管理，2016，25（3）：195-203.

[11] 范建平，卫媛，吴美琴. 考虑中间变量产出时滞性的两阶段评价[J]. 计算机工程与应用，2018，54（8）：36-43，77.

[12] 陈伟，魏轩，李金秋，等. 上市公司社会网络位置与研发效率研究——基于三阶段DEA模型的方法[J]. 管理评论，2020，32（3）：97-109.

[13]  CHARLES V， APARICIO J， ZHU J. The curse of dimensionality of decision-making units： A simple approach to increase the discriminatory power of data envelopment analysis[J]. European Journal of Operational Research， 2019，279（3）：929-940.

[14]  ZHU W， XU M， CHENG C P. Dealing with undesirable outputs in DEA： An aggregation method for a common set of weights[J]. Journal of the Operational Research Society， 2020，71（4）：579-588.

收稿日期：2023-03-30

基金项目：江苏省研究生科研创新计划项目“基于动态网络DEA的工业企业技术创新效率评价”（KYCX21_0845）；江苏高校哲学社会科学研究项目“江苏省协同创新生态系统的协同度发展水平测评与分析”（2017ZDIXM125）

作者简介：翟丹妮（1973—），女，江苏兴化人，南京邮电大学管理学院，副教授，研究方向：科技创新、效率评价；牛  芳（1997—），女，河南南阳人，南京邮电大学管理学院硕士研究生，研究方向：数据包络分析、效率评价。

引文格式：翟丹妮，牛芳. 考虑投入和产出时滞效应的中国物流业绿色效率测度[J]. 物流科技，2024，47（3）：22-26.