91精品国产91热久久久久福利,久久久精品国产亚州AV水蜜桃,免费无码黄真人影片在线,中文字幕亚洲一区一区,52色鲁热99一区二区三区,亚洲人成伊人成综合网76,亚洲中文字幕AV一区二区

?

Abstract: 依據(jù)江蘇省13市2010年-2020年物流業(yè)發(fā)展的面板數(shù)據(jù)，將物流運(yùn)營(yíng)過(guò)程中產(chǎn)生的二氧化碳當(dāng)作非期望產(chǎn)出變量，構(gòu)建低碳物流效率評(píng)價(jià)指標(biāo)體系，運(yùn)用三階段Super-SBM模型，剔除環(huán)境因素和隨機(jī)誤差，并引入Malmquist指數(shù)模型，對(duì)江蘇省低碳物流效率進(jìn)行靜態(tài)差異測(cè)度和動(dòng)態(tài)變化分析。研究發(fā)現(xiàn)：外部環(huán)境和隨機(jī)因素對(duì)測(cè)算結(jié)果存在一定的影響，在2010年-2020年，江蘇省13市低碳物流效率呈現(xiàn)出穩(wěn)定上升的發(fā)展?fàn)顟B(tài)，但區(qū)域間低碳物流效率差異逐漸凸顯。同時(shí)，動(dòng)態(tài)分析表明江蘇省低碳物流效率處在較高位置，但技術(shù)進(jìn)步拉動(dòng)還沒(méi)有達(dá)到最佳水平，仍有進(jìn)步的空間，兼顧提高低碳物流技術(shù)效率，降低碳排放的潛力依然很大。這對(duì)推動(dòng)江蘇區(qū)域物流轉(zhuǎn)型升級(jí)，降低能源消耗，提升低碳物流效率和推廣低碳物流可持續(xù)發(fā)展具有重要的參考價(jià)值。 

Keywords: Low-carbon， Logistics efficiency，Three-stage Super-DEA，Malmquist model

I. Introduction

改革開放40多年，中國(guó)物流業(yè)從起步到快速發(fā)展發(fā)生了根本性的變革，取得了舉世矚目的巨大成就^[1]。2015年國(guó)家發(fā)改委發(fā)布《關(guān)于加快實(shí)施現(xiàn)代物流重大工程的通知》提出，到2020年物流業(yè)增加值占國(guó)內(nèi)生產(chǎn)總值的比重達(dá)到7.5%左右，物流業(yè)增加值年均增長(zhǎng)實(shí)現(xiàn)8%左右，第三方物流比重由目前的約60%提高到70%左右。可見，物流業(yè)已經(jīng)成為國(guó)民經(jīng)濟(jì)發(fā)展的基礎(chǔ)性和支柱性產(chǎn)業(yè)，是國(guó)民經(jīng)濟(jì)發(fā)展不可或缺的重要支撐力量。

作為中國(guó)東部地區(qū)物流大省之一，江蘇省物流業(yè)近年來(lái)發(fā)展較快。據(jù)江蘇省現(xiàn)代物流協(xié)會(huì)最新統(tǒng)計(jì)，2019年江蘇省實(shí)現(xiàn)社會(huì)物流總額31.88萬(wàn)億元，完成物流業(yè)增加值5778.79億元，社會(huì)物流總費(fèi)用達(dá)到13749.15億元，與GDP的比率降至13.8%，其中，運(yùn)輸費(fèi)用6575.94億元，同比增長(zhǎng)2.3%，占全省社會(huì)物流總費(fèi)用的比重為47.82%，對(duì)江蘇區(qū)域經(jīng)濟(jì)發(fā)展的地位和作用進(jìn)一步增強(qiáng)。然而在物流業(yè)快速發(fā)展過(guò)程中，其運(yùn)作成本高，生產(chǎn)效率偏低，能源消耗大、碳排放和大氣污染物排放等問(wèn)題面臨著嚴(yán)峻的挑戰(zhàn)。據(jù)《中國(guó)能源大數(shù)據(jù)報(bào)告(2020)—能源綜合篇》和江蘇省能源資源環(huán)境統(tǒng)計(jì)處統(tǒng)計(jì)的資料顯示，2019年全省能源消費(fèi)總量達(dá)到32525.97萬(wàn)噸標(biāo)準(zhǔn)煤，比上年增長(zhǎng)2.8%，原油消費(fèi)量達(dá)到4120.20萬(wàn)噸，比上年增長(zhǎng)1%，液化石油氣消費(fèi)量達(dá)到45.25萬(wàn)噸，比上年增長(zhǎng)26%，原煤消費(fèi)量達(dá)到23297.55萬(wàn)噸，焦炭消費(fèi)量達(dá)到4967.15萬(wàn)噸，比上年增長(zhǎng)16%。其中物流業(yè)（交通運(yùn)輸、倉(cāng)儲(chǔ)及郵電通訊業(yè)）能源消費(fèi)量達(dá)到2594.32萬(wàn)噸，約占全省能源消費(fèi)總量的7.976%，物流業(yè)已經(jīng)成為能源高消耗和環(huán)境重污染的重要推手。如何推動(dòng)物流業(yè)轉(zhuǎn)型升級(jí)，擺脫原本高能耗、粗放型發(fā)展道路，大力發(fā)展綠色、高效的低碳物流將會(huì)成為物流業(yè)可持續(xù)發(fā)展的必然選擇。

隨著低碳經(jīng)濟(jì)理念的不斷深入，降低物流成本，提升物流效率漸漸引起政府和學(xué)者們的廣泛關(guān)注。梳理文獻(xiàn)發(fā)現(xiàn)，國(guó)外學(xué)者重點(diǎn)關(guān)注衡量綜合效率的全要素生產(chǎn)率（Total factor productivity）理論研究，其最早可以追溯到Cobb & Douglas (1927)^[2]提出的柯布一道格拉斯生產(chǎn)函數(shù)，隨后Slow (1957)^[3]在柯布道一格拉斯函數(shù)的基礎(chǔ)上提出索羅模型，進(jìn)一步擴(kuò)展了對(duì)全要素生產(chǎn)率的解釋，將全要素生產(chǎn)率定義為在產(chǎn)值增長(zhǎng)中資本與勞動(dòng)無(wú)法解釋的增長(zhǎng)部分，為解釋經(jīng)濟(jì)增長(zhǎng)提供了更廣闊的視角。到了20世紀(jì)60年代，Damson (1967)^[4]首次嘗試使用全要素生產(chǎn)率進(jìn)行產(chǎn)業(yè)效率評(píng)價(jià)，同時(shí)Jorgenson & Griliches (1967)^[5]針對(duì)投入要素測(cè)度存在偏差與投入要素考慮不全面等問(wèn)題，對(duì)索洛模型進(jìn)行了重要補(bǔ)充。由于索羅余值法只能進(jìn)行大致的核算，精確度不高，Meeusen & Broeck (1977)^[6]將SFA(Stochastic Frontier Analysis)引入到生產(chǎn)率的測(cè)算中，開辟了全要素生產(chǎn)率測(cè)算的新領(lǐng)域。90年代，Battese & Coelli (1992,1995)^[7]-[8]對(duì)模型進(jìn)行改進(jìn)，將SFA的應(yīng)用從截面數(shù)據(jù)擴(kuò)展到面板數(shù)據(jù)，研究結(jié)果更加符合現(xiàn)實(shí)。Kutlu&McCarthy (2016)^[9]使用SFA分析了美國(guó)替代機(jī)場(chǎng)所有權(quán)類型的效率差異，發(fā)現(xiàn)所有權(quán)形式對(duì)成本效率很重要，但影響相對(duì)較小。而相對(duì)于SFA，數(shù)據(jù)包絡(luò)法的應(yīng)用更為廣泛，Charnes et al.(1978)^[10]以規(guī)模報(bào)酬不變?yōu)榧僭O(shè)提出DEA（Data Envelopment Analysis）—CCR（Charnes,Cooper and Rhodes）模型；Caves et al. (1982)^[11]在CCR模型的基礎(chǔ)上構(gòu)造了DEA-Malmquist指數(shù)來(lái)進(jìn)行產(chǎn)業(yè)效率的測(cè)度；Banker et al. (1984)^[12]對(duì)DEA模型進(jìn)行了改進(jìn)，提出規(guī)模報(bào)酬可變的DEA模型—BBC（Banker,Charnes and Cooper）模型；Esteller et al. (2010)^[13]將DEA模型進(jìn)行改進(jìn)，加入外生變量的影響形成三階段DEA模型，更全面地對(duì)全要素生產(chǎn)率的變動(dòng)進(jìn)行識(shí)別。隨后，Kabasakal et al.（2012）^[14]，Park&Lee (2015)^[15]，Ding et al. (2015)^[16] ，Schoyen et al. (2018)^[17]運(yùn)用DEA- Malmquist模型對(duì)鐵路公司，物流行業(yè)及港口碼頭等的物流全要素生產(chǎn)率進(jìn)行研究，提出使用供應(yīng)鏈技術(shù)夠促進(jìn)合作伙伴之間的信息共享，得出了一些比較有價(jià)值的結(jié)論。

國(guó)內(nèi)研究主要是借鑒國(guó)外的理論框架基礎(chǔ)，契合當(dāng)前低碳經(jīng)濟(jì)發(fā)展的現(xiàn)實(shí)情況，采用DEA、SFA和AHP（The analytic hierarchy process）等方法結(jié)合對(duì)低碳物流效率（Low-carbon logistics efficiency）進(jìn)行系統(tǒng)分析。如畢志雯(2011)^[18]從低碳和環(huán)境的視角，采用DEA和Meta-Frontier的結(jié)合，對(duì)中國(guó)30個(gè)省份低碳約束下的物流效率進(jìn)行分析，指出低碳和環(huán)保勢(shì)必成為我國(guó)物流業(yè)未來(lái)轉(zhuǎn)型的核心，且二氧化碳排放是促成物流業(yè)無(wú)效率的重要來(lái)源。張璇等（2016）^[19]運(yùn)用Three-stage DEA模型，評(píng)價(jià)新絲綢之路經(jīng)濟(jì)帶沿線中國(guó)西部地區(qū)及俄羅斯等沿線主要國(guó)家的物流業(yè)投入產(chǎn)出情況，得出新絲路沿線地域物流效率不高且差距較大的發(fā)展現(xiàn)狀。李守林等(2017)^[20]利用DEA-Malmquist模型對(duì)2010年- 2016年80家交通運(yùn)輸上市企業(yè)的物流效率變動(dòng)情況進(jìn)行分析，發(fā)現(xiàn)近年來(lái)物流效率的平均水平出現(xiàn)了下降但幅度較小。程長(zhǎng)明和陳學(xué)云(2018)^[21]，采用DEA模型，加入了環(huán)境約束條件，對(duì)長(zhǎng)三角地區(qū)物流業(yè)效率進(jìn)行研究，得出長(zhǎng)三角地區(qū)物流效率呈“U"型趨勢(shì)，且技術(shù)進(jìn)步是提高物流效率的關(guān)鍵。郁蔥籠(2018)^[22]運(yùn)用面板回歸模型，對(duì)1990-2015年我國(guó)各省物流業(yè)資本與勞動(dòng)投入，以及物流業(yè)GDP增加值和CO₂排放量的相對(duì)產(chǎn)出進(jìn)行測(cè)度，得出技術(shù)進(jìn)步是推動(dòng)各省低碳物流業(yè)成長(zhǎng)的主要因素，資本投入對(duì)物流效率的影響并不顯著。李佳澍(2020)^[23]從物流效率和區(qū)域異質(zhì)性兩方面,對(duì)中國(guó)絲綢之路經(jīng)濟(jì)帶沿線10個(gè)省、市、區(qū)2005-2018年面板數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)絲綢之路經(jīng)濟(jì)帶沿線物流業(yè)生產(chǎn)管理方式仍舊以粗放型為主，高投入低產(chǎn)出。李健，劉戀（2020）^[24]基于2007-2017年我國(guó)省際物流業(yè)面板數(shù)據(jù)，構(gòu)建考慮非期望產(chǎn)出的三階段Super-SBM模型（Slack-based Measure）和MPI模型(Malmquist Productivity Index)，得出我國(guó)物流效率水平呈現(xiàn)"M型"波動(dòng)變化，且逐漸趨于收斂態(tài)勢(shì)。

綜上所述，國(guó)內(nèi)外學(xué)者們對(duì)低碳物流效率的研究取得了一定成果，并一致認(rèn)為在當(dāng)前低碳經(jīng)濟(jì)中，大力發(fā)展綠色、高效的低碳物流是物流業(yè)可持續(xù)發(fā)展的必然要求，這為本文進(jìn)一步的研究奠定了堅(jiān)實(shí)的理論基礎(chǔ)和戰(zhàn)略目標(biāo)。但也存在一些遺憾，如多數(shù)研究運(yùn)用傳統(tǒng) DEA 方法忽視了外部環(huán)境和隨機(jī)因素的影響，導(dǎo)致所得到的效率評(píng)估值可能存在一定的誤差。也有部分研究更重視從物流經(jīng)濟(jì)視角出發(fā)，未充分考慮能源、碳排放等低碳指標(biāo)，較少把物流業(yè)二氧化碳排放量作為非期望產(chǎn)出指標(biāo)納入低碳物流效率的評(píng)價(jià)體系中，這樣就不能全面反映物流業(yè)低碳發(fā)展的實(shí)際狀況。當(dāng)然，以低碳視角運(yùn)用三階段SBM模型和Malmquist指數(shù)模型相結(jié)合對(duì)江蘇省物流效率進(jìn)行評(píng)價(jià)和對(duì)比分析的文獻(xiàn)更是缺少。

因此，本文在現(xiàn)有研究成果基礎(chǔ)之上，從低碳經(jīng)濟(jì)視角出發(fā)，以低碳物流效率為突破口，依據(jù)江蘇省13市2010-2020年物流業(yè)發(fā)展的面板數(shù)據(jù)，將物流業(yè)二氧化碳排放量作為非期望產(chǎn)出，運(yùn)用三階段SBM模型和Malmquist指數(shù)模型相結(jié)合，對(duì)其低碳物流效率進(jìn)行靜態(tài)測(cè)度和動(dòng)態(tài)變化分析，深入挖掘低碳物流發(fā)展的內(nèi)部潛力，把握江蘇區(qū)域物流發(fā)展的低碳物流效率特征和真實(shí)水平，對(duì)推動(dòng)江蘇低碳物流可持續(xù)發(fā)展具有重要的指導(dǎo)意義。

1. 模型設(shè)計(jì)

2. 模型建立與說(shuō)明

   模型1：三階段Super-SBM模型

   三階段Super-SBM模型是Super-SBM model 的進(jìn)一步延伸。Super-SBM 模型是將超效率和SBM模型結(jié)合起來(lái)的一種模型方法，源于著名學(xué)者Tone^[29]-[30]在對(duì)傳統(tǒng)DEA模型基礎(chǔ)上提出的，是各個(gè)領(lǐng)域發(fā)展中效率衡量的重要工具之一。本文首先構(gòu)建考慮物流業(yè)二氧化碳排放量即考慮非期望物流業(yè)產(chǎn)出的Super-SBM模型如下：

   假設(shè)有個(gè)決策單元，每個(gè)決策單元有個(gè)投入指標(biāo)、個(gè)期望性產(chǎn)出指標(biāo)、個(gè)非期望性產(chǎn)出指標(biāo)。

Subject to:

           （3）

其中，為Target efficiency value，為Expectant output Slack variable，為Unexpectant output Slack variable，為投入的松弛變量（Slack variable），為權(quán)重。權(quán)重向量關(guān)于松弛變量、和單調(diào)遞減。

定義：當(dāng)時(shí)，表示當(dāng)前該決策單元無(wú)效，當(dāng)時(shí)，表示當(dāng)前該決策單元有效。如果或或時(shí)，表明該決策單元有效性弱有效，當(dāng)且僅當(dāng)時(shí)，表示該決策單元處于完全有效狀態(tài)。

基于Super-SBM模型，再進(jìn)一步考慮環(huán)境影響和隨機(jī)誤差對(duì)測(cè)定結(jié)果造成的影響，將環(huán)境因素、無(wú)效率管理和統(tǒng)計(jì)噪聲三者同時(shí)納入低碳物流效率的評(píng)價(jià)體系中，構(gòu)建以下三階段Super-SBM模型。

First stage：Basic Super-SBM model

該階段為input-oriented model，對(duì)決策單元的投入與產(chǎn)出數(shù)據(jù)進(jìn)行Super-SBM分析，得到各個(gè)決策單元的效率值，以及決策單元實(shí)際的投入量與最佳投入量之間的差額值，即松弛變量。

Second stage：SFA回歸模型

該階段重點(diǎn)考慮到環(huán)境因素和隨機(jī)誤差都有可能對(duì)松弛變量產(chǎn)生影響，故采用SFA模型對(duì)基礎(chǔ)Super-SBM模型進(jìn)行改進(jìn)，即分解第一階段Super-SBM模型計(jì)算得出的投入差額（松弛變量），且變量受到環(huán)境因素、管理無(wú)效率和隨機(jī)誤差共同的影響。

對(duì)于個(gè)決策單元種不同投入要素，可以得到個(gè)回歸模型，         ，

，，表示第個(gè)決策單元第種投入的差額值，表示第個(gè)決策單元的第種投入的最佳值。 

假設(shè)有個(gè)可觀察的環(huán)境變量，則種不同投入要素的SFA回歸模型為：

                      （4）

其中，是環(huán)境變量的待估參數(shù)；表示環(huán)境變量對(duì)松弛變量的影響參數(shù)；表示隨機(jī)誤差，表示管理無(wú)效率，且與不相關(guān)。

本文選取3個(gè)可觀察的環(huán)境變量，則種不同投入要素的SFA回歸模型為：

               （5）

其中，是環(huán)境變量的待估參數(shù)；代表選取的物流產(chǎn)業(yè)密度變量；代表城鎮(zhèn)化水平變量；代表物流業(yè)專業(yè)化水平變量；表示隨機(jī)誤差，表示管理無(wú)效率，且與不相關(guān)。

由于第一階段Super-SBM模型估計(jì)出來(lái)的差額變量值最小為零，會(huì)有數(shù)據(jù)截?cái)啵?/span>Censored data）問(wèn)題的產(chǎn)生。因此，本文在第二階段使用Tobit截?cái)?/span>回歸模型進(jìn)行松弛變量的分解，并假定截?cái)帱c(diǎn)是0，且只有以上的部分才與計(jì)算相關(guān)。

                          （5）

若

若

為潛變量，為觀測(cè)到的變量，表示第個(gè)決策單元第種投入的松弛變量的潛變量，表示第個(gè)決策單元第種投入的松弛變量的原始變量，為環(huán)境變量，為需要估計(jì)的參數(shù)。

如果對(duì)決策單元進(jìn)行調(diào)整，則針對(duì)最有效的決策單元，并且以最有效的決策單元為基準(zhǔn)，得到調(diào)整后決策單元的投入值為：

   （6）

前者代表將所有決策單元調(diào)整至相同的環(huán)境，即處于相同的環(huán)境因素，后者表示將所有決策單元的統(tǒng)計(jì)誤差調(diào)整至相同的情況。

Third stage : Adjusted Super-SBM model

將第二階段得到的調(diào)整后的和初始產(chǎn)出變量，使用投入與產(chǎn)出數(shù)據(jù)進(jìn)行Super-SBM分析，得到各決策單元的效率值。由于該階段的效率估計(jì)剔除了環(huán)境變量和隨機(jī)變量的影響，能反映出低碳物流效率的真實(shí)水平，更加接近現(xiàn)實(shí)情況。

模型2：Malmquist指數(shù)模型

基于模型1對(duì)低碳物流效進(jìn)行靜態(tài)評(píng)價(jià)的基礎(chǔ)上，為了更真實(shí)的體現(xiàn)江蘇區(qū)域低碳物流效率隨時(shí)間動(dòng)態(tài)變化的規(guī)律，本文再選用Malmquist 指數(shù)模型進(jìn)一步分析^[31]。

本文將模型1中第三階段Super-SBM模型所得的投入產(chǎn)出數(shù)據(jù)，代入Malmquist指數(shù)模型中，用距離函數(shù)的比率衡量投入產(chǎn)出的效率。根據(jù)模型定義，在t時(shí)期的技術(shù)水平下，從t時(shí)期至t+1時(shí)期的Malmquist生產(chǎn)率變化用如下公式表示：

                         （7）

其中，代表決策單元的投入產(chǎn)出向量，為時(shí)期的決策單元在時(shí)期與效率前沿（Efficient frontier）界面的距離，表示時(shí)的決策單元在時(shí)與效率前沿界面的距離。

在時(shí)期的技術(shù)條件下，從時(shí)期到時(shí)期的Malmquist生產(chǎn)率變化可以用以下公式表示：

                       （8）

由于時(shí)期和時(shí)期的技術(shù)水平是不同的，在實(shí)證研究中，考慮到技術(shù)是不斷發(fā)生變化的，為了避免任意選擇參照點(diǎn)可能導(dǎo)致的測(cè)量差異，研究中大多采用和的幾何平均值來(lái)計(jì)算Malmquist指數(shù)：

           （9）

Malmquist指數(shù)反映決策單元從時(shí)期到時(shí)期生產(chǎn)率的動(dòng)態(tài)變化情況，當(dāng)指數(shù)大于1時(shí)，表示生產(chǎn)率呈上升趨勢(shì)，當(dāng)指數(shù)小于1時(shí)，表明生產(chǎn)率水平呈現(xiàn)不變或者衰減的趨勢(shì)。

         （10）

其中為Total factor productivity Change，即Technical Efficiency Change，即Technical  Change，即Pure Technical Efficiency Change，即Scale Efficiency Change，且=×。若，則效率提高，若則效率不變，則效率降低。effch、techch、pech、sech大于1，則表示技術(shù)投入合理、技術(shù)水平有所提高，投資規(guī)模與當(dāng)前生產(chǎn)狀況相適應(yīng)，對(duì)效率的提高有促進(jìn)作用。

1. 指標(biāo)選取與數(shù)據(jù)處理

   投入與產(chǎn)出指標(biāo)：研究低碳物流效率，首先要選取合理有效的投入與產(chǎn)出指標(biāo)。指標(biāo)選取既要能夠充分反映物流業(yè)的運(yùn)營(yíng)情況又要符合指標(biāo)數(shù)據(jù)的可獲取性，且還要滿足低碳物流效率評(píng)價(jià)目標(biāo)。依據(jù)指標(biāo)選取的科學(xué)性、系統(tǒng)性、可量化和獨(dú)立性原則，并結(jié)合相關(guān)學(xué)者們研究，本文選取以下投入和產(chǎn)出指標(biāo)：

運(yùn)輸總里程：代表物流業(yè)運(yùn)輸投入指標(biāo)，包括鐵路營(yíng)業(yè)里程、鐵路正線延展長(zhǎng)度、公路通車?yán)锍?、?nèi)河航道里程、輸油管道里程和公路橋梁長(zhǎng)度等。由于公路、鐵路、航路運(yùn)輸占物流運(yùn)輸?shù)慕^大部分，本文選取的運(yùn)輸總里程是指去掉輸油管道里程的其他運(yùn)輸線路長(zhǎng)度，單位為萬(wàn)公里。

資本存量：代表物流業(yè)資本投入指標(biāo)，將郵政業(yè)、倉(cāng)儲(chǔ)業(yè)和交通運(yùn)輸業(yè)三大行業(yè)的總資本存量作為資產(chǎn)投入要素，由于該數(shù)據(jù)無(wú)法直接在統(tǒng)計(jì)數(shù)據(jù)中體現(xiàn)，因此需要采用永續(xù)盤存法對(duì)2010至2020年江蘇省物流行業(yè)資本量進(jìn)行估算，計(jì)算方式如下：

                        （1）

其中，和代表該地區(qū)在時(shí)間和時(shí)間物流業(yè)資本存量，表示地區(qū)在時(shí)間物流業(yè)的固定資產(chǎn)投資額，表示該地區(qū)在時(shí)間內(nèi)的固定資產(chǎn)折舊率，在物流業(yè)可假定為9.6%，單位為億元。

從業(yè)人數(shù)：代表物流業(yè)人力投入指標(biāo)，主要選取該年該地區(qū)郵政業(yè)、倉(cāng)儲(chǔ)業(yè)和交通運(yùn)輸業(yè)的從業(yè)人數(shù)，單位為萬(wàn)人。

貨運(yùn)量：代表物流業(yè)運(yùn)輸生產(chǎn)成果（數(shù)量）的產(chǎn)出指標(biāo)，主要指四大運(yùn)輸方式（公路、鐵路、航空、水路）的總貨運(yùn)量，單位為萬(wàn)噸。

貨物周轉(zhuǎn)量：代表物流業(yè)運(yùn)輸能力的產(chǎn)出指標(biāo)，主要是指實(shí)際運(yùn)輸貨物噸數(shù)與距離的乘積，單位為億噸每公里。

物流業(yè)GDP：代表物流業(yè)經(jīng)濟(jì)發(fā)展水平的質(zhì)量產(chǎn)出指標(biāo)，主要選擇郵政業(yè)、倉(cāng)儲(chǔ)業(yè)和交通運(yùn)輸業(yè)的年生產(chǎn)總值，單位為億元。

二氧化碳排放量：代表物流業(yè)非期望性產(chǎn)出指標(biāo)，主要指郵政業(yè)、倉(cāng)儲(chǔ)業(yè)和交通運(yùn)輸業(yè)的全年不可再生能源排放的二氧化碳排放量，單位為萬(wàn)噸。由于江蘇省的統(tǒng)計(jì)年鑒中二氧化碳排放量為全行業(yè)總量，沒(méi)有對(duì)應(yīng)的物流業(yè)二氧化碳排放量，本文采用二氧化碳排放系數(shù)來(lái)計(jì)算二氧化碳排放量，具體計(jì)算公式如下：

                      （2）

其中，為各類能源，為各類能源消耗量，為各類能源消耗二氧化碳的系數(shù)^[26]。

依據(jù)上面所列出的投入和產(chǎn)出指標(biāo)，建立本文低碳物流效率的評(píng)價(jià)指標(biāo)體系（見圖1）：

Figure 1  Low-carbon logistics efficiency index evaluation system

另外，據(jù)相關(guān)學(xué)者們指出^[27-28]，評(píng)價(jià)指標(biāo)體系中每個(gè)投入項(xiàng)與產(chǎn)出項(xiàng)都應(yīng)該符合“同向性假設(shè)”。因此，運(yùn)用SPSS15.0軟件對(duì)本文選取的物流業(yè)投入指標(biāo)、物流業(yè)期望性產(chǎn)出指標(biāo)、物流業(yè)非期望性產(chǎn)出指標(biāo)的數(shù)據(jù)進(jìn)行Pearson相關(guān)性檢驗(yàn)（見表1）。從表1得出，所有投入與產(chǎn)出指標(biāo)的Pearson系數(shù)都為正，且通過(guò)顯著性檢驗(yàn)要求，說(shuō)明本文選取的指標(biāo)存在一定相關(guān)性，指標(biāo)選擇合理。

表1 江蘇省物流業(yè)投入產(chǎn)出指標(biāo)Pearson系數(shù)表

環(huán)境變量指標(biāo)：環(huán)境變量通常是指對(duì)效率存在實(shí)質(zhì)性影響，但又不在樣本主觀可控范圍內(nèi)，且短期內(nèi)無(wú)法控制的變量。通過(guò)梳理文獻(xiàn)發(fā)現(xiàn)，對(duì)于研究物流效率問(wèn)題選取的環(huán)境變量大多與物流產(chǎn)業(yè)發(fā)展所處的社會(huì)經(jīng)濟(jì)狀況、政府的相關(guān)經(jīng)濟(jì)政策，如區(qū)域經(jīng)濟(jì)發(fā)展速度、發(fā)展質(zhì)量、投資情況、通貨膨脹水平、城鎮(zhèn)化水平、市場(chǎng)化程度、社會(huì)文化、人文環(huán)境因素等。本文結(jié)合江蘇區(qū)域物流發(fā)展情況和特征，考慮數(shù)據(jù)的可收集性，選擇環(huán)境變量指標(biāo)如下：

物流產(chǎn)業(yè)密度：即為區(qū)域物流產(chǎn)業(yè)的密集程度。本文將區(qū)域物流企業(yè)數(shù)量與區(qū)域面積的比重用來(lái)衡量該區(qū)域物流產(chǎn)業(yè)密集程度。

城鎮(zhèn)化水平：城鎮(zhèn)化建設(shè)的加快，能夠擴(kuò)大城市物流的輻射范圍，釋放農(nóng)村、鄉(xiāng)鎮(zhèn)的物流需求，刺激物流產(chǎn)業(yè)快速發(fā)展，良好的城鎮(zhèn)化水平對(duì)物流產(chǎn)業(yè)發(fā)展和效率的提升具有較大的推動(dòng)作用。本文選取城鎮(zhèn)人口占全部人口的比重作為衡量城鎮(zhèn)化水平的高低。

物流專業(yè)化水平：區(qū)位因素同樣是物流產(chǎn)業(yè)發(fā)展的重要先決條件。區(qū)域物流專業(yè)化程度和相對(duì)集中率越高，說(shuō)明物流業(yè)在該區(qū)域發(fā)展具有相對(duì)較高的優(yōu)勢(shì)和地位，有利于物流業(yè)的進(jìn)一步發(fā)展。本文引入物流產(chǎn)業(yè)區(qū)位熵來(lái)衡量區(qū)域物流產(chǎn)業(yè)發(fā)展的專業(yè)化和優(yōu)勢(shì)程度。其物流產(chǎn)業(yè)區(qū)位熵定義如下：                                                         

   （3）數(shù)據(jù)來(lái)源與說(shuō)明

本文的研究對(duì)象為江蘇省13市2010年到2020年低碳物流效率。由于物流業(yè)是一個(gè)新興行業(yè)，尚未被納入各國(guó)的產(chǎn)業(yè)分類體系中，基于交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)占物流業(yè)總份額的83%以上，可以反映整個(gè)物流業(yè)的發(fā)展^[25]。因此，本文研究的數(shù)據(jù)來(lái)源于江蘇省各市統(tǒng)計(jì)年鑒中“交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)”以及江蘇交通年鑒中的統(tǒng)計(jì)數(shù)據(jù)。另外，2020年物流業(yè)統(tǒng)計(jì)數(shù)據(jù)還沒(méi)有全部統(tǒng)計(jì)結(jié)束，只統(tǒng)計(jì)到了2020年第三季度（9月份），為了研究的完整性，借助FORECAST函數(shù)，對(duì)第四季度（10月-12月）的數(shù)據(jù)進(jìn)行了估算。

3、實(shí)證分析

（1）靜態(tài)評(píng)價(jià)結(jié)果分析

Super-SBM模型進(jìn)行計(jì)算分析的基本思路是：從生產(chǎn)集（aggregate）中刪除被評(píng)價(jià)的有效集，然后度量生產(chǎn)集到有效集之間的距離即是超效率集，并根據(jù)距離對(duì)有效集之間進(jìn)行排序，且超效率≥1。

第一階段效率值分析：使用DEA-Solver軟件，對(duì)江蘇省13市2010-2020年物流業(yè)發(fā)展的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行處理，得到江蘇省13市低碳物流效率的測(cè)度結(jié)果并進(jìn)行排序（見表2）。表2數(shù)據(jù)結(jié)果顯示，在2010年至2020年樣本研究期間，除了蘇州、徐州、鹽城、南京和南通五座城市的低碳物流效率值穩(wěn)定在1及以上，城市物流業(yè)發(fā)展在省內(nèi)處于高效程度，其他城市的低碳物流效率值都在1以下，說(shuō)明這些城市的低碳物流效率水平有待進(jìn)一步提高?？傮w來(lái)看，雖然江蘇省的低碳物流效率水平存在地區(qū)性差異，但整體的低碳物流效率水平仍然在逐年提高，物流發(fā)展能力逐漸增強(qiáng)，也越來(lái)越重視減少碳排放水平，走低碳物流發(fā)展的道路勢(shì)在必行。

表2   江蘇省13市低碳物流效率測(cè)度結(jié)果統(tǒng)計(jì)（2010-2020）

續(xù)表

第二階段回歸結(jié)果分析：鑒于第一階段的投入變量存在冗余，尚未剔除外部環(huán)境變量和隨機(jī)因素對(duì)低碳物流效率的影響，測(cè)算所得結(jié)果并不客觀，為了提高結(jié)果的可靠性和合理性，需要在第二階段對(duì)原始投入進(jìn)行調(diào)整。因此，基于第一階段的輸出結(jié)果，將運(yùn)輸總里程、資本存量、從業(yè)人數(shù)三個(gè)投入要素等作為松弛變量，將物流產(chǎn)業(yè)密度、城鎮(zhèn)化水平和物流專業(yè)化水平這三個(gè)指標(biāo)作為解釋變量，使用Frontier進(jìn)行SFA分析，測(cè)算環(huán)境因素對(duì)松弛變量的影響，結(jié)果見表3。

表3 第二階段SFA模型回歸結(jié)果

注：本表的LR為單邊似然比統(tǒng)計(jì)量且服從混合卡方分布；*，**，***分別表示在10%，5%，1%水平下顯著，10%水平顯著臨界值為1.642，5%水平臨界值為2.706.1，1%水平臨界值為5.412。

從表3中可以看出，單邊似然比檢驗(yàn)結(jié)果以及各項(xiàng)回歸系數(shù)，在1%，5%，10%水平上的顯著性檢驗(yàn)結(jié)果表明，使用SFA法進(jìn)行分析是合理有效的，說(shuō)明本文選取的外部環(huán)境對(duì)江蘇13市物流業(yè)投入松弛變量具有顯著影響。同時(shí)，γ 都無(wú)限趨向于 1，且顯著水平均達(dá)到 1%，說(shuō)明江蘇區(qū)域低碳物流效率中，管理無(wú)效率的影響大于隨機(jī)干擾項(xiàng)的影響，也體現(xiàn)出不同環(huán)境變量在不同年份對(duì)冗余的影響結(jié)果。

其中，物流產(chǎn)業(yè)密度在2011-2020的前五年對(duì)其他松弛變量的回歸系數(shù)都為正值，運(yùn)輸總里程冗余量的系數(shù)比其他兩項(xiàng)更大，說(shuō)明物流產(chǎn)業(yè)密度的增加會(huì)導(dǎo)致運(yùn)輸總里程冗余的增加。即物流產(chǎn)業(yè)密度的增加會(huì)使運(yùn)輸總里程、資本存量、從業(yè)人數(shù)冗余的增加，且對(duì)運(yùn)輸總里程的影響更大，說(shuō)明物流產(chǎn)業(yè)密度的增加會(huì)直接增加運(yùn)輸里程，提高運(yùn)輸效率。2011-2020的后五年，物流產(chǎn)業(yè)密度對(duì)資本存量的回歸系數(shù)為負(fù)，物流產(chǎn)業(yè)密度的增加使資本存量的冗余減少，說(shuō)明物流產(chǎn)業(yè)密度的增加對(duì)資本存量的積極影響。2011-2016年城鎮(zhèn)化水平對(duì)松弛變量冗余產(chǎn)生負(fù)向影響，說(shuō)明前五年城鎮(zhèn)化水平增加降低了運(yùn)輸總里程、資本存量、從業(yè)人數(shù)的冗余，利于管理效率的提升；而后五年，城鎮(zhèn)化水平對(duì)松弛變量冗余產(chǎn)生正向影響，城鎮(zhèn)化水平的大幅提高增加了運(yùn)輸總里程、資本存量、從業(yè)人數(shù)的冗余，管理效率越來(lái)越低。物流業(yè)專業(yè)化水平對(duì)其他變量的回歸系數(shù)在大部分時(shí)間都為負(fù)值，說(shuō)明物流業(yè)專業(yè)化水平對(duì)物流效率的增加存在很大的改善作用，有助于江蘇省物流發(fā)展效率水平的提升。

第三階段效率值分析：根據(jù)原始產(chǎn)出數(shù)據(jù)和第二階段調(diào)整后的投入數(shù)據(jù)，使用DEA-Solver軟件，對(duì)江蘇省13市2010-2020年物流業(yè)發(fā)展的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行處理，并去除環(huán)境因素和隨機(jī)誤差的影響，得到調(diào)整后江蘇省13市低碳物流效率的測(cè)度結(jié)果并進(jìn)行排序（見表4）。

表4  調(diào)整后江蘇省13市低碳物流效率測(cè)度結(jié)果統(tǒng)計(jì)（2010-2020）

續(xù)表

表4數(shù)據(jù)結(jié)果顯示，在2010年至2015年的這6年間，江蘇省13市整體的低碳物流效率值呈現(xiàn)較低水平，且城市間低碳物流效率值差異較大，兩級(jí)分化嚴(yán)重，如南京市低碳物流效率值是宿遷市的兩倍，但各城市的排名順序變化不大。然而到“十三五”期間，我們明顯發(fā)現(xiàn)，江蘇省13市整體的低碳物流效率水平顯著提高，13個(gè)城市的物流效率水平也都在穩(wěn)步提升，說(shuō)明這些地區(qū)的物流生產(chǎn)力水平逐漸在增強(qiáng)，開始越來(lái)越重視減少碳排放水平，特別是經(jīng)濟(jì)較發(fā)達(dá)的南京市和蘇州市，如在2016年至2017年南京市低碳物流效率值最高，在2018年至2019年蘇州市低碳物流效率值最高，徐州、蘇州、南通、鹽城和南京市等五座城市三階段Super-SBM法測(cè)出的低碳物流效率值常年保持在1及以上，說(shuō)明這些地區(qū)的低碳物流效率值較高，且排在前列，而連云港和宿遷低碳物流效率值較低，且排名靠后，說(shuō)明這兩個(gè)地區(qū)的低碳物流效率水平有待進(jìn)一步提高。在2016年至2020年的五年時(shí)間里，江蘇省整體的低碳物流效率都處于增長(zhǎng)的狀態(tài)，雖然2020年受新型冠狀病毒肺炎疫情影響，物流行業(yè)發(fā)展處于一段時(shí)間的停滯期，導(dǎo)致低碳物流效率水平有所衰減，但江蘇省近五年來(lái)物流業(yè)的輸出型指標(biāo)數(shù)據(jù)（物流業(yè)GDP、貨運(yùn)量水平等）仍呈現(xiàn)增長(zhǎng)態(tài)勢(shì)，物流業(yè)整體低碳物流效率處于穩(wěn)定增長(zhǎng)時(shí)期。

為了更清晰的看出2010年到2020年江蘇省13市低碳物流效率的發(fā)展變化，將第一階段和第三階段效率均值進(jìn)行時(shí)間和空間分析對(duì)比，具體見圖2(a)(b)。

  圖2（a)  調(diào)整前后江蘇省低碳物流效率均值對(duì)比（2010-2020）

圖2（b) 調(diào)整前后江蘇省13市低碳物流效率均值對(duì)比（2010-2020）

從圖2（a) 和（b) 來(lái)看，剔除了外部環(huán)境和隨機(jī)因素的影響后，江蘇省13個(gè)城市各年份的低碳物流效率均值在調(diào)整前后都發(fā)生了改變，即第三階段低碳物流效率均值都出現(xiàn)了下降，這說(shuō)明環(huán)境因素與隨機(jī)因素對(duì)低碳物流效率值存在正相關(guān)影響，如果不去除這些因素，會(huì)使得測(cè)量結(jié)果被高估，容易對(duì)考慮碳排放的低碳物流效率水平處于樂(lè)觀態(tài)度。具體從時(shí)間維度看（圖2（a) ），從2010年到2018年，江蘇省整體的低碳物流效率均值都在逐漸增加，在2019年和2020年出現(xiàn)了下降，但調(diào)整后下降的幅度較少。一方面說(shuō)明江蘇省一直貫徹低碳物流發(fā)展理念，非常注重物流基礎(chǔ)設(shè)施建設(shè)，提升城鎮(zhèn)化水平和物流專業(yè)化水平，促進(jìn)低碳物流效率的提升。另一方面說(shuō)明2019年江蘇區(qū)域物流發(fā)展水平趨緩，再加上2020年疫情影響，低碳物流發(fā)展壓力增大，低碳物流效率出現(xiàn)下降。從空間維度看（圖2（b)），江蘇省13市2010年到2020年低碳物流效率均值調(diào)整后也出現(xiàn)了下降，其中下降程度排名為前五的城市為南通、泰州、淮安和鎮(zhèn)江，說(shuō)明這些城市第一階段表現(xiàn)的低物流效率來(lái)源于不利的外部環(huán)境影響，即受環(huán)境因素影響較大，低碳物流的發(fā)展還有很大提升空間。而南京、常州、揚(yáng)州等蘇南城市的低碳物流效率下降不明顯，說(shuō)明這些城市物流業(yè)較為發(fā)達(dá)，處于較有利的外部環(huán)境，契合了江蘇推廣節(jié)能減排和綠色低碳理念，積極把握節(jié)能低碳帶來(lái)的新興發(fā)展機(jī)遇，發(fā)展高效運(yùn)輸組織模式，資源配置比較合理，資源利用較為高效，低碳物流發(fā)展趨勢(shì)較好。

綜上，圖2（a) 和（b) 充分說(shuō)明了外部環(huán)境和隨機(jī)因素對(duì)低碳物流效率的測(cè)度存在一定影響。三階段Super-SBM模型考慮到了投入產(chǎn)出的松弛問(wèn)題，剔除了外部環(huán)境因素和隨機(jī)因素的影響，進(jìn)一步系統(tǒng)有效地分析江蘇區(qū)域物流業(yè)的低碳效率，使得測(cè)量結(jié)果更具有客觀性和合理性，更能真實(shí)的反映江蘇省13市2010年至2020年期間的低碳物流效率情況，為江蘇進(jìn)一步調(diào)整物流資源配置，制定更具有針對(duì)性的低碳物流發(fā)展對(duì)策提供有益參考。

（2）動(dòng)態(tài)評(píng)價(jià)結(jié)果分析

 使用Depa2.2軟件，測(cè)算2010年至2020年江蘇省13市物流業(yè)Malmquist指數(shù)及分解指數(shù)值，得到圖3-圖5：

圖3  江蘇省13市Malmquist生產(chǎn)率指數(shù)變化

    全要素生產(chǎn)率指數(shù)是用來(lái)衡量決策單元由于技術(shù)變動(dòng)和技術(shù)效率變化而引起生產(chǎn)率變化的指標(biāo)。全要素指數(shù)大于1時(shí)表示當(dāng)前時(shí)期內(nèi)生產(chǎn)力水平得到提升，小于1時(shí)表示當(dāng)前時(shí)期內(nèi)生產(chǎn)力水平下降。從圖3可以看出2010-2020年揚(yáng)州、宿遷、連云港全要素指數(shù)均小于1，蘇州、南京、徐州和無(wú)錫在2013-2019年全要素指數(shù)均大于1，在13個(gè)城市中表現(xiàn)較好。總體來(lái)看，江蘇省13市低碳物流效率在逐年增加且提升幅度較大，其均值從2011年的0.773提高到2019年的1.177，表明隨著國(guó)家低碳經(jīng)濟(jì)的不斷發(fā)展和低碳技術(shù)的不斷創(chuàng)新，江蘇省13市物流業(yè)的低碳效率正在逐漸提升。

圖4  江蘇省13市指數(shù)變化

圖5     江蘇省13市指數(shù)變化

對(duì)比圖4、圖5，將全要素生產(chǎn)率指數(shù)分解為技術(shù)效率變動(dòng)指數(shù)和技術(shù)進(jìn)步指數(shù)，從分解結(jié)果來(lái)看，技術(shù)進(jìn)步指數(shù)的推動(dòng)作用更為顯著。如2010至2020年連云港、揚(yáng)州和宿遷市全要素生產(chǎn)力指數(shù)小于1，主要是因?yàn)槠浼夹g(shù)進(jìn)步指數(shù)小于1。其中，宿遷市技術(shù)進(jìn)步指數(shù)小于1，但技術(shù)效率變動(dòng)指數(shù)大于1且保持穩(wěn)定，說(shuō)明2011-2020年宿遷市物流技術(shù)水平的進(jìn)步是其物流業(yè)生產(chǎn)力水平得到提升的重要原因，同時(shí)宿遷市全要素生產(chǎn)力指數(shù)仍小于1，說(shuō)明宿遷市低碳物流效率水平還有很大的進(jìn)步空間。另外，揚(yáng)州近五年有四年的技術(shù)效率變動(dòng)指數(shù)值都為1，說(shuō)明近五年揚(yáng)州物流技術(shù)變動(dòng)效率水平基本保持不變。