高丽艳
（天津商业大学宝德学院 工商管理系，天津 300384）
物流的高效运作是区域经济发展的基础和保障，物流的协同发展可以有效带动其他生产要素的有效流动，进而实现区域经济的协同发展。但物流业迅速发展的过程中往往伴随着能源消耗过快，自然环境严重污染等问题。十九大报告中提出了“绿色低碳发展”的经济体系，“碳达峰”“碳中和”被写入2021年全国两会政府工作报告。在新经济发展模式下，为实现京津冀地区可持续发展，低碳物流成为必然选择。京津冀协同发展是我国重要的战略举措，通过对京津冀地区的低碳物流效率进行测度，研究京津冀地区低碳物流的发展情况，并据此提出对策建议，对京津冀地区物流产业实现低碳可持续发展具有重要意义。
近些年，低碳物流效率的研究受到学者们广泛重视。如董锋等对低碳约束下我国省际物流业效率进行测算，并解释了环境变量对各地区低碳物流效率的影响[1]86。刘承良等揭示了30个地区的低碳物流效率空间演化特征及影响因素[2]1805。柳键等则对产业结构与低碳物流效率的关系进行研究，并指出产业结构调整对低碳物流效率的影响[3]130。一些学者针对区域或行业的低碳物流效率进行测度研究，如杨传明研究低碳约束下的江苏物流产业效率[4]27；
原雅坤等对碳排放约束下长江经济带生鲜农产品冷链物流效率进行测度[5]253；
姚山季等对“一带一路”沿线省份的低碳物流效率进行测度[6]18。
京津冀地区物流效率的研究成果主要有：唐鑫[7]50和郭子雪等人[8]41采用传统DEA模型分别测算京津冀三省市及京津冀地区的物流效率值，分析原因并提出对策建议。前者测算的年度是2009—2013年，后者测算的年度是2011—2015年。裴恺程等使用ML模型测算了2009—2019年京津冀地区13个城市的物流业绿色全要素生产率，且分析了环境规制对绿色全要素生产率的影响[9]107。尽管京津冀地区的物流效率研究已取得一定的成果，但鲜有从京津冀地区整体视角并同时考虑碳约束指标的物流效率测度研究。有鉴于此，本文的边际贡献在于增加了碳排放指标，以此测度京津冀地区整体及三地的低碳物流效率。
在已有文献基础上，本文选取了京津冀地区2014年至2019年的相关数据，采用三阶段DEA模型及Malmquist模型，分别从静态维度和动态维度对京津冀三省市及京津冀地区的低碳物流效率进行测度分析。三阶段DEA模型是从静态空间维度进行的测度，传统的DEA模型忽略了环境因素和随机变量对结果的影响，测算结果有被低估或高估的可能，而三阶段DEA模型可有效剔除环境因素对效率模型的影响，能够客观科学地呈现真实低碳物流效率。因此选择三阶段DEA模型对京津冀地区的低碳物流效率进行静态测度。
三阶段DEA的分析步骤是：第一阶段，选用BCC模型，采用DEAP2.1分析软件，测算低碳物流的综合效率、纯技术效率与规模效率；
第二阶段，为了消除环境影响因素，对投入变量进行SPA分析，利用Frontier4.1软件分离环境变量，对投入变量进行调整；
第三阶段，利用调整后的投入变量重新进行DEA的BCC模型分析，进行比较，得出环境因素对测度结果的影响。正是特有的对环境因素和随机变量的处理方式，使用三阶段DEA模型更能准确地反映其对评估结果的影响。Malmquist模型是从动态时间维度进行的测度，可以测度出低碳物流效率的动态发展趋势，选用三阶段DEA模型中调整后的投入数据与原始产出数据，利用DEAP2.1运行Malmquist模型，得出结论，分析原因。最后，根据分析结果提出对策建议，以期对京津冀地区物流业的可持续发展有一定的启示意义。
低碳物流效率的现有研究对二氧化碳排放量有三种处理方式：一是将CO2排放量作为投入指标[1]89，[3]131，[5]255，[6]20；
二是将CO2排放量作为产出指标，有的是直接作为产出指标[4]29，有的是作为非期望的产出指标处理[2]1806，[9]109；
三是将CO2排放量作为外生环境变量用以考察对物流效率的影响[10]。结合本文采用的测度模型，考虑到碳排放量越少越好，采用第一种CO2排放量的处理方式，也就是将CO2排放量作为投入指标，其数值越小低碳物流效率值越高。选取《中国能源统计年鉴》中原煤、汽油、煤油、柴油、燃料油和天然气6种终端能源消耗量来计算CO2排放量，计算公式是：能源消耗量*能源燃烧发热值*碳排放系数*碳氧化因子*（44/12），各个系数来自《2006年IPCC国家温室气体清单指南》。
根据京津冀地区物流业发展特点，遵循指标选取的代表性和数据可获性原则，综合相关文献选取物流业效率分析指标。从人、财、物三个生产要素角度选取投入指标，分别用物流业从业人数、物流业固定资产投资额和物流里程数来衡量，由于是对低碳物流效率进行测度，所以加入低碳约束的二氧化碳排放量。从经济效益和社会效益两个角度选取产出指标，经济效益用物流业产值衡量，社会效益用货运量和货物周转量两个指标衡量。从经济水平、消费水平、科技水平、政府支持四个角度选取环境指标，分别用地区生产总值、居民人均消费支出、R&D经费、物流业财政支出来衡量。京、津、冀三地各自的指标数据直接或间接来源于《中国统计年鉴》《北京统计年鉴》《天津统计年鉴》和《河北经济年鉴》，京津冀地区整体的指标数据借鉴部分学者的处理方法[7]52，[8]45由三地指标数据相加而得，指标说明如表1所示：
表1 低碳物流效率分析指标
（一）第一阶段传统DEA分析结果
利用所获取的指标数据，采用DEAP2.1分析软件选择BCC模型，得出未剔除环境因素与随机干扰误差项的京津冀地区的低碳物流业综合效率、纯技术效率与规模效率值，如表2所示。为了方便比较，计算表2中京津冀三地及京津冀地区2014—2019年低碳物流综合效率、纯技术效率、规模效率的平均值，结果见表3。
表2 第一阶段DEA分析低碳物流效率结果
表3 第一阶段DEA分析低碳物流效率平均值
从综合效率来看，北京市呈逐年上升的趋势，最高为2019年的0.926仍未达到生产前沿面；
天津市呈先降后升的趋势，其中2014、2018、2019三年达到了1；
河北省在三地的综合效率值最高，除2015、2016两年其余各年份均为1，达到了生产前沿面；
京津冀地区的综合效率值呈波动状态，相较于各省市数值较低，最高值是2014年的0.874。从综合效率的平均值来看，北京相对较低为0.793；
天津为0.965、河北为0.988，津、冀均接近生产前沿面；
京津冀地区0.784，低于津、冀的平均综合效率值。结合纯技术效率和规模效率的平均值，京津冀地区综合效率为非DEA有效的原因来源于物流规模效率不高。
从纯技术效率来看，北京、天津、河北三省市及京津冀地区的物流纯技术效率基本呈先降后升的趋势，且到2019年效率值为1达到了生产前沿面为DEA有效，说明三地及地区整体物流资源投入被充分利用。
从规模效率来看，北京的规模效率值呈先上升后下降的趋势，持续为非DEA有效，前三年规模效率递增后三年规模效率递减；
天津的规模效率值是先降后升，其中有2014、2018、2019三年效率值为1，达到了生产前沿面为DEA有效，规模效率由规模递减转为规模不变；
河北的规模效率值除2015、2016两年其余各年均为1达到了DEA有效；
京津冀地区的规模效率基本呈逐年递减的趋势，只有2019年有上升趋势，且一直处于规模递减状态。说明天津市和河北省的物流产业规模逐渐走向合理，北京的物流规模已超出实际需要，京津冀地区的物流规模效率整体走低主要源于北京市。
（二）第二阶段SFA模型回归
为了剔除环境因素对低碳物流效率的影响，采用SFA回归模型，因变量分别为第一阶段DEA分析计算后的物流从业人员、物流业固定资产投资、物流里程数、二氧化碳排放量的松弛变量，自变量为分别代表区域经济水平、消费水平、科技水平、政府支持的地区生产总值、居民人均消费支出、R&D经费以及物流业财政支出。借助Frontier4.1软件进行SFA回归，若回归系数为正说明环境变量值的增加会引起投入变量的冗余造成浪费，回归系数为负则表示环境变量值的增加会降低投入变量减少浪费，模型回归结果如表4。
表4 第二阶段SFA模型回归结果
由表4可知，gamma值大于0.5且在1%的水平上通过了显著性检验，LR单边似然比检验有效拒绝了OLS估计结果，因此可以得出SFA估计结果可信。gamma值均为0.999，无限接近1，表明内部无效管理极大影响了松弛变量，随机误差项的影响可忽略不计。
环境变量对投入变量的影响如下：
（1）地区生产总值。计算结果显示，地区生产总值与物流从业人员松弛变量和物流业固定资产投资松弛变量的回归系数为负且在1%显著水平下显著，与物流里程数松弛变量的回归系数为正且不显著，与二氧化碳排放量松弛变量的回归系数为负且不显著。说明地区生产总值的增加会减少物流从业人员和物流业固定资产投资的投入冗余且效果显著，也就是说地区经济水平的提升可以促使劳动力和资产得到有效利用，进而提高低碳物流效率。
（2）居民人均消费支出。计算结果显示，居民人均消费支出与物流从业人员松弛变量，与物流业固定资产松弛变量，与物流里程数松弛变量，与二氧化碳排放量松弛变量的回归系数均数值较小且不显著。说明居民消费水平对投入变量的影响不大。
（3）R&D经费。计算结果显示，R&D经费与物流从业人员松弛变量的回归系数为正且在1%显著水平下显著，与物流业固定资产投资松弛变量的回归系数为正且不显著，与物流里程数松弛变量的回归系数为负且1%显著水平下显著，与二氧化碳排放量松弛变量的回归系数为正且不显著。说明R&D经费的增加除了对物流里程数的投入变量有正向影响，会有效降低浪费，对其他几个投入变量都会造成更多的投入冗余降低低碳物流效率。究其原因可能是用R&D经费表示科技水平有其局限性，R&D经费的高投入不等于科技应用的提高，要将高科技真正赋能物流业才能有效降低投入资源的浪费，切实提高低碳物流效率。
（4）物流业财政支出。计算结果显示，物流业财政支出与物流从业人员松弛变量的回归系数为正且在1%显著水平下显著，与物流业固定资产投资松弛变量的回归系数为正且在1%显著水平显著，与物流里程数松弛变量的回归系数为负且不显著，与二氧化碳排放量松弛变量的回归系数为正且不显著。说明物流业财政支出的增加会带来物流从业人员和物流业固定资产投资松弛变量的增加，也就是说政府如果过度支持的话会引起人员和资产的浪费，导致低碳物流效率降低。
SFA回归分析表明，外部环境对京津冀地区物流业投入因素的松弛变量有一定的显著作用，因此对投入变量的调整尤为重要。
（三）第三阶段DEA分析结果
由第二阶段的分析可知，环境变量对不同的投入松弛变量存在程度各异的影响，环境因素的作用导致低碳物流效率表现较大的偏差，因此需对投入变量进行调整。将调整后的投入变量再次进行DEA分析，与第一阶段进行对比，若效率值增加说明环境因素有负面影响，若效率值降低则环境影响有正面影响，分析结果如表5所示。
由表5数据可知，数据调整后，北京市、天津市、河北省在2018及2019年低碳物流综合效率、纯技术效率、规模效率值均为1，达到DEA有效。京津冀地区整体的低碳物流纯技术效率除2015、2016两年其余4年都为1，但是低碳物流综合效率和规模效率值虽较调整前有一定提高仍未达到1为DEA无效。说明京津冀三地各自的低碳物流效率实现了当前投入的最优产出，物流资源充分利用，物流规模也逐渐合理。但是京津冀地区整体的低碳物流效率并未达到最优，存在上升空间，主要原因是物流业规模不合理。
表5 调整前后低碳物流效率对比
低碳物流综合效率、纯技术效率和规模效率的测算结果在调整前后均有不同程度的变化。其中北京市和京津冀地区所有的综合效率值均有不同程度的提高，说明环境因素对北京市和京津冀地区低碳物流效率的影响有负面作用。这是因为北京区位优势显著，政府支持和科技水平方面相对领先，但是规模效益递减的情况下，积极的外部环境反而不会给物流发展带来促进作用，物流效率值不升反降。河北省2014—2016年综合效率值有不同程度的降低，说明环境因素对河北省低碳物流效率的影响有正面作用。其他数值也存在一定程度的变化，充分说明环境因素对低碳物流效率的测度存在一定影响。
（四）Malmquist分析结果
三阶段DEA模型属于静态分析模型，无法识别测度单元的动态变化，不能揭示其变化原因。为了进一步说明京津冀地区低碳物流效率的动态发展趋势，选用将第二阶段调整后的投入数据与原始产出数据，利用DEAP2.1运行Malmquist模型，得到表6。
表6 2014—2019年Malmquist效率值
由表6可知，2014—2015年，低碳物流全要素生产率的变动为0.948，呈下降趋势，纯技术效率和规模效率的变动均大于1，处于上升趋势，而技术进步变动为0.943呈下降趋势，说明低碳物流的技术进步的下降趋势导致了全要素生产率的降低。2015—2016年，低碳物流全要素生产率的变动为0.977，数值大于上一年度但仍处于下降趋势，技术进步、纯技术效率和规模效率数值均小于1，呈下降趋势，说明整个物流业技术投入的配置出现了问题而且出现了规模不经济现象。2016—2017年，低碳物流全要素生产率的变动为1.101，出现上升趋势，规模效率小于1，技术进步和纯技术效率大于1，说明虽然存在规模不经济现象，但技术进步最终推动了全要素生产率的提高。2017—2018年，低碳物流全要素生产率的变动为1.021，数值虽小于上一阶段但仍保持上升趋势，其他各指标的变动值均大于1，全部处于上升趋势，说明物流业得到一定好转，规模不经济现象得到了改善，技术投入配置得到优化。2018—2019年，技术进步、纯技术效率、规模效率值均大于1，呈上升趋势，全要素生产率的变动为1.013，同样呈上升趋势，说明物流业得到进一步的发展，内部管理区域协调发展。整体来看，2014—2016年，京津冀地区的低碳物流全要素生产率处于下降阶段，2016—2019年，京津冀地区的低碳物流全要素生产率呈增长趋势。
本文运用了三阶段DEA模型和Malmquist模型对2014—2019年京津冀三省市及京津冀地区的低碳物流效率进行测算，结果显示：
（1）外部环境对低碳物流效率的测度有一定影响。通过对剔除环境因素前后的低碳物流效率值进行比较，除了个别数值保持在效率前沿面数值为1没有变化，其余效率值均有不同程度的变化。地区经济水平的提升可促使劳动力和资产得到有效利用，进而提高低碳物流效率。高科技真正赋能物流业才能有效降低投入资源的浪费，切实提高低碳物流效率。政府过度支持会引起人员和资产的浪费，导致低碳物流效率降低。
（2）从静态空间角度看，京津冀三地各自的低碳物流效率高，京津冀地区整体的低碳物流效率未达到最优。从调整后的数据可知，北京市、天津市、河北省在2018、2019两年的低碳物流综合效率、纯技术效率、规模效率值均达到生产前沿面，说明物流资源得到优化配置，物流产业的协同度较高。京津冀地区整体的低碳物流综合效率和规模效率值未达到生产前沿面，说明京津冀地区整体的低碳物流效率并未达到最优，仍存在上升空间，主要原因是物流业规模不合理。
（3）从动态时间角度看，技术进步推动低碳物流效率的发展。《京津冀协同发展规划纲要》的提出，使得京津冀地区的物流业得到了发展。大规模的投资使得物流业技术水平得到提高，从而促进了京津冀地区的低碳物流全要素生产率由2014—2016年的下降转为2016—2019年的增长趋势。
基于以上结论，得出启示如下：
（1）京津冀三地政府加强合作。建立统一的低碳物流协同发展思想，北京严控增量、疏解存量，津冀发挥承接北京的非首都功能，利用政策工具对物流业实现精准支持。一是打破区域间体制障碍，实现生产要素自由流动；
二是引导发展绿色物流，协调经济增速与物流发展质量的关系，用绿色物流助推绿色经济；
三是优化区域内物流产业布局，提高承接地物流企业的承载能力，有效实现功能疏解和产业升级。
（2）建立健全法律法规，保障政策的顺利执行与贯彻。一是在物流设施的建设、使用、维护等方面提供坚实的法规基础；
二是在财政支出的管理上，细化资金分类，规范支出使用流程，建立全程可追溯的监管体系。
（3）ABCD+5G现代科学技术赋能低碳物流。人工智能在运输、配送、流通加工等环节发挥作用，区块链技术存储物流数据并串联各物流环节，云计算使物流信息实现共享，大数据则可以通过数据深挖精确上溯消费端特征有效预测物流市场，5G技术保障海量的物流信息顺利传输。利用ABCD+5G现代科学技术，改善运输线路规划，优化仓储管理，提高物流基础设施利用率，提高低碳物流效率。
猜你喜欢回归系数测度物流业三个数字集生成的自相似测度的乘积谱数学物理学报(2022年3期)2022-05-25R1上莫朗测度关于几何平均误差的最优Vornoi分划数学物理学报(2022年2期)2022-04-26非等熵Chaplygin气体测度值解存在性数学物理学报(2020年4期)2020-09-07Cookie-Cutter集上的Gibbs测度数学年刊A辑(中文版)(2020年2期)2020-07-25多元线性回归的估值漂移及其判定方法统计与决策(2018年14期)2018-08-22物 流 业江苏年鉴(2018年0期)2018-02-12电导法协同Logistic方程进行6种苹果砧木抗寒性的比较江苏农业科学(2017年10期)2017-07-21多元线性模型中回归系数矩阵的可估函数和协方差阵的同时Ｂａｙｅｓ估计及优良性华东师范大学学报（自然科学版）(2017年1期)2017-02-27我国物流业的供给侧改革的突破口中国制笔(2016年1期)2016-12-01营改增对物流业税负的影响与对策现代企业(2015年4期)2015-02-28