王 惠，乔美华

（1.淮阴工学院，江苏 淮安 223003；2.聊城大学，山东 聊城 252000）

1 引言

物流业作为融合仓储、运输和信息服务等产业的复合型服务行业，隶属于第三产业的复合行业，是中国经济发展的基础性和战略性产业。物流业也是中国能源消耗的重要行业，尤其是对成品油的消耗，稳居各行业首位[1]。统计数据显示了中国物流业消耗了全国超过60%的柴油和90%的汽油，可以说是名副其实的碳排放大户。随着环境污染加剧和能源价格攀升，国家对于企业节能减排工作提出了更为严苛的要求。研究高耗能、高污染的物流行业环境效率如何与低碳经济发展密切相关，需科学地测度中国物流业环境效率，探究环境效率影响因素的作用机制，具有重要的现实指导意义。

近年来，国内外学者对物流业技术效率进行了广泛的研究，但鲜见将CO2排放纳入物流业生产效率的研究。现有的物流业技术效率研究成果集中在以下三个方面：一是没有考虑环境污染对物流业技术效率的评价。如：李兰冰等[2]利用数据包络分析方法度量中国52家上市物流企业的综合效率；张春民（2016）[3]基于DEA方法测定铁路货场的技术效率；王书灵[4]等运用三阶段DEA方法研究江浙沪地区2009-2014年物流产业效率。二是考虑污染对物流业技术效率的评价。如：李丽[5]构建了低碳物流评价指标评价体系，利用模糊物元分析京津冀地区物流运行效率；张诚[6]运用数据包络分析模型对低碳环境下的物流业效率进行评价；朱连毅[7]构建物流业DEA基本模型，应用环境生产技术构建了环境规制下的物流效率评价模型。三是没有考虑非期望产出碳排放的物流业全要素生产率的研究。如：张立国等[8]基于DEA-Malmquist生产率指数分析方法，构建了物流业全要素能源效率的测度模型，考察了中国物流业全要素能源效率的动态变动和区域差异情况。

综上所述，已有文献针对物流行业的静态效率的评价居多，对考虑物流碳排放的动态全要素生产率的研究相当匮乏，研究方法也存在一定的改进空间。据此，本文试图在以下几个方面进行拓展：①考虑物流行业生产过程中产生的负外部效应；②基于Tobit模型，实证解析产业结构、区域经济、人力资源、外商投资和物流专业化程度对物流业环境全要素生产率的作用机制，以期为提高物流行业的环境效率和制定相关政策提供科学依据。

2 物流业全要素环境效率测算

2.1 模型设定

将中国30个省、市、自治区的物流业定义为决策单元，根据Pastor和Lovell[9]提出的全局参比Malmquist指数计算方法，构建物流业环境全要素生产率测度模型，以所有各期的总和为参考集，各期采用同一前沿，其Malmquist生产率指数为：

Malmquist指数可以分解为效率变化和技术变化：

式（4）中PEC为物流业的纯技术效率变化，SEC为物流业规模效率变化，TC为技术变化。PEC和SEC的乘积为技术效率变化（EC）。技术效率变化（EC）表示从t到t+1时期，决策单元生产状况与生产前沿面的接近程度；技术进步（TC）表示从t到t+1时期，生产前沿面的移动情况。

2.2 投入产出指标设计

本文选取2005-2014年中国30个省、市和自治区的有关数据为样本，由于西藏、香港、澳门和台湾地区部分数据缺失，因此没纳入研究范围。选取资本（K）、劳动力（L）和能量消耗（E）为物流效率测算投入指标，行业增加值（WGDP)为期望产出，碳排放量（WT）为非期望产出。鉴于统计产业分类中没有物流产业，界定物流业包含交通运输、仓储和邮政业，数据来源于相应年份的《中国统计年鉴》、《中国能源统计年鉴》以及各个省、市的统计年鉴和统计公报数据，投入产出指标及其数据计算说明如下：

资本（K）采用各地交通运输业存量指标，以固定资产投资作为基本数据，选择资产折旧率为10%，在计算资本储量前，用固定资产投资指数对固定资产投资额进行平减，消除价格干扰因素。劳动力（L）采用各个地区的交通运输业从业人员作为代理指标，单位是万人。能量消耗（E），以交通运输业各项能源终端消费量折算标准煤来表示，单位是万吨标准煤。行业增加值（WGDP）采用交通运输业增加值，单位为亿元。碳排放量（WT）为各省市物流业的碳排放总量，笔者参考已有学者的做法，收集地区交通运输的煤炭、汽油、柴油和天然气四大能源消耗数据，单位为万吨二氧化碳，通过IPCC（联合国政府间气候变化专门委员会）提供的各种能源碳排放系数计算整理获得。

2.3 结果分析

采用窗口法处理数据，基于DEA-Malmquist指数测度物流业环境全要素生产率的投入产出数据。在本文中，选择至前沿最远距离SBM模型作为距离函数，Malmquist指数则采用全局参比指数，将碳排放设为非期望产出，利用MAXDEA软件计算得到物流业全要素生产环境效率，见表1。

表1 2005-2014年中国物流业全要素环境生产率以及构成变化

由表1可以看出，中国物流业全要素环境生产率（TFP）平均增长了0.65%，受到技术进步影响较大。除2005-2006年、2008-2009年和2012-2013年的TFP有所下降以外，其他各年均呈现不同比例的增长，其中2008-2009年降幅最大，降低了18.1%，技术退化是导致该年份全要素环境生产率下降的主要原因。2010-2011年TFP增幅最大，增长了20.65%，技术进步对环境全要素生产率的贡献较大。2013-2014年TFP的涨幅较小，仅为1.02%。TFP在2006-2008年期间呈现下降态势；2012-2014年呈现快速上升趋势，变化轨迹上表现倒“U”型特征，与钟祖昌[10]、田刚[11]等研究的物流业绩效发展态势相吻合。样本期内，纯技术效率是影响环境全要素生产率的主要因素，中国“物流热”使得各区域物流业投入剧增，导致能源投入过度，非期望产出碳排放量的增加，引发了物流业产出不理想的情况。

分区域来看，东北、东部、西部、中部四大区域物流业的环境全要素生产率演化轨迹差异性显著，结果见表2。西部地区的物流行业环境全要素生产率年均增长最高，东部其次，中部和东北较低，这与王维国[12]研究结论相一致。中国四大经济区物流业环境全要素生产率升降有所不同，除了东北地区TFP年均出现小幅下降之外，东部、西部和中部均有不同程度的涨幅，分别为1.09%、1.12%和0.33%，究其原因可能受到中国“西部大开发”战略实施的影响，虽然西部各省的物流业基础设施起点不高，却呈现“后发优势”。

表2 2005-2014年四大经济区物流业环境全要素生产率变化

3 影响因素与机制分析

3.1 模型建立和变量选取

物流业环境全要素生产率区域差异性是多种因素共同作用的结果，结合前人已有研究主要考察产业结构（STR）、区域经济（GDP）、人力资源（EDU）、外商投资（FDI）和物流专业化程度（SPE）对物流业环境全要素生产率的影响，基于Tobit模型探究外部因素的作用机制，构建Tobit模型如下：

式（5）中YI表示第i个区域物流业环境全要素生产率，β0表示回归式的常数项；β1到 β5表示各自变量的回归系数；μi表示表示回归式的误差项。产业结构（STR）选择第三产业增加值占地区生产总值的比重表示；区域经济（GDP）采用地区生产总值表示，单位亿元；人力资源（EDU），以地区大专以上受教育人数占地区总人口的比例表示；外商投资（FDI）为区域实际利用外商投资额，单位万美元；物流专业化程度（SPE）为物流产值占总产值的比例。相关数据来自相关年份《中国统计年鉴》、《中国教育年鉴》和《中国对外经济贸易年鉴》。

3.2 影响因素实证分析

在决定使用空间面板数据模型或者普通面板模型之前，需要对主要变量进行空间依赖性检验，本文采用实证常用的全局Moran指数I，以判断物流业环境全要素生产率是否具有空间外溢性。通过莫兰检验结果（见表3）可以看出TFP不存在空间相关性。据此，接下来实证分析将采取平衡面板数据进行探讨。

平衡面板数据模型包含随机效应模型和固定效应模型，在个体固定效应不显著为零的假设前提下，通过豪斯曼检验选择何种模型，通过F统计量对个体固定效应的显著性检验结果进行判定。

表3 空间模型的检验结果

从表4的回归结果来看，固定效应和随机效应回归的拟合优度均高于OLS估计，固定效应的对数似然值远远大于OLS估计；豪斯曼检验的伴随概率值（0.597 6）大于0.05，接受随机效应的原假设，所以接下来的实证分析采用面板随机效应模型结果进行探讨。

表4 TFP影响因素的回归结果

区域经济（GDP）对TFP影响为负，但是统计性并不显著，回归系数为0.018，表明区域经济对物流业环境全要素生产率影响并不明显。区域经济没有像预期一样促进TFP增长，究其原因是经济发达地区过度重视经济发展，导致资源投资基数较大，重复建设的现象普遍存在。另外，经济发达区域由于自身的经济优势，使得物流业对能源的利用效果关注度较低，事实上本地的能源消耗较大，引发的坏产出碳排放也随之增多，致使TFP并不能与区域经济发展和谐共进。人力资源对TFP影响为负，也没有通过10%的显著性检验，意味着即使大专及以上人数占地区总受教育人数比重提高，并不能促使物流业的TFP改善。物流行业的工作人员知识文化素养提高，在某种程度上有益于物流行业的信息化和技术创新，却可能由于政府部门对国内的物流业CO2排放的监管力度不足，引发了人力资源水平的提高并未正向促进TFP增长。

专业化水平（SPE）的弹性系数显著为正，表明专业化水平对TFP具有显著影响，专业化水平每提高一个单位，TFP也随之提高0.610个单位，物流行业专业化水平不断提高，可以通过前后关联效应和示范效应促进当地物流行业的技术水平提高，关注绿色低碳生产，有益于实现物流行业的可持续良性发展。产业结构（STR）在10%的显著性水平下，对TFP具有显著的负向影响，表明中国的产业结构乃需要进一步调整。外商投资（FDI）的弹性系数为0.085，且通过1%的显著性检验，意味着外商投资每增加1个单位，TFP增加0.085个单位，通过战略引进外资，可以显著提升物流业环境全要素生产率。

4 结论

为了全面展现中国区域环境全要素生产率及其区域差异，本文以2005-2014年中国30个省、市、自治区为研究对象，在考虑物流业能源投入和碳排放的情况下，综合运用非期望产出SBM模型和全局参比Malmquist指数方法测度各个地区物流业的TFP，并通过空间依赖性检验发现TFP并不具有空间溢出效应，构建Tobit模型研究TFP影响因素的作用机制，得到如下结论和启示：

在考察样本期间，中国物流业的TFP年均0.65%，存在较大的改进空间，受技术进步的贡献影响较大，四大区域TFP年均升降有所不同，东北地区下降了1.07%，东部、西部和中部均表现为不同程度的增长。中国政府亟待提高对物流业的重视程度，减少物流业管理方面存在的条块分割、各自为政的现象，引导物流业的区域协调发展。

区域经济对物流业TFP的影响不大，这与经济发达区域过度重视经济发展、忽略了物流行业的资源投资过度问题有关，表明需要严格控制物流行业的单位能耗，降低碳排放总量，促进物流行业的绿色发展，确保环境和经济协调发展。人力资源对TFP的影响为负，但是并没有通过统计性检验，反映出人力资源并未对物流业环境全要素生产率产生较大的影响。产业结构、专业化水平和外商直接投资对物流业TFP具有显著的正向影响，因此通过优化产业结构，加大物流业信息化建设，严格管控物流业的能耗和CO2排放，可以有效促进中国物流业环境全要素生产率的提升。

[1]王锋,冯根福.中国碳强度对行业发展、能源效率及中间投入系数的弹性研究[J].数量经济技术经济研究,2012,(5):50-62.

[2]李兰冰,李春辉.我国上市物流企业效率评价[J].现代物流,2012,(2):33-38.

[3]张春民.铁路货场物流化作业能力效率评价研究[J].铁道货运,2015,(9):30-35.

[4]王书灵,袁汝华.基于三阶DEA的江浙沪地区物流产业效率[J].铁道运输与经济,2015,38(10):1-12.

[5]李丽.京津冀低碳物流能力评价指标体系构建-基于模糊物元法的研究[J].现代财经,2015,(3):43-49.

[6]张诚.低碳环境下中国物流业效率评价研究[J].铁道运输与经济,2014,37,(1):74-79.

[7]朱连毅.考虑碳排放约束的我国中部地区物流效率评价[J].技术与方法,2010,(10):137-138.

[8]张立国,李东.中国物流业全要素能源效率动态变动及区域差异分析[J].资源科学,2015,(4):754-763.

[9]Pastor J T,Lovel C A K.A global malmquist productivity index[J].Ecnomics Letters,2005,88(2):266-271.

[10]钟祖昌.基于三阶段DEA模型的中国物流产业技术效率研究[J].财经研究,2010,36(9):80-90.

[11]田刚,李南.中国物流业技术进步与技术效率研究[J].数量经济与技术经济研究,2009,(2):76-87.

[12]王维国,马越越.中国区域物流产业效率-基于三阶段DEA模型的Malmquist-luenberger指数方法[J].系统工程,2012,30(3):66-75.