基于SBM和Malmquist指數的我國物流業能源效率評價

雷盟 陳焰 王藝

[摘要]基于2003-2017年我國30個?。ㄊ?、區）的面板數據，通過SBM模型和Malmquist指數，從靜態和動態兩個視角分析我國物流業能源效率。研究發現，就靜態角度而言，我國物流業能源總體效率為0.62，還處于較低的水平，各地區之間差異明顯，在觀測期內東部沿海地區一直處于全國領先水平，西南地區效率最低。從動態角度來看，我國Malmquist指數均值為0.988，說明物流能源全要素生產率下降了1.2%，下降的原因是技術效率與技術進步共同作用的結果;全國八大區域中除北部沿海、東部沿海和南部沿海的Malmquist指數呈上升趨勢外，其余地區均呈現不同程度的下降，技術進步是導致區域差異的主要原因。為此，提出優化物流產業結構、提高物流技術水平、因地制宜出臺相關物流政策等措施，可進一步提升我國物流業能源效率。

[關鍵詞]物流業;能源效率;SBM模型;Malmquist指數

[中圖分類號]F259.2

[文獻標識碼]A

[文章編號]1005-152X（2022）02-0038-06

[收稿日期]2021-08-22[作者簡介]雷盟（1998-），女，湖北孝感人，碩士研究生，研究方向：物流系統規劃;陳焰（1973-），女，湖北武漢人，博士，副教授，研究方向：物流與供應鏈管理;王藝（1977-），女，陜西咸陽人，博士，副教授，研究方向：物流系統規劃與仿真。

0引言

物流業是我國能源消費的主要行業，其中大量的能源消耗和CO2污染物的排放使物流業成為導致環境負外部效應的主要來源之一[1]。在綠色發展趨勢成為全社會普遍認可的大背景下，如何在自然資源與環境保護兩者的約束下共同實現我國物流業持續高質量發展，就成了社會各界密切關注的熱點話題。因此，本文聚焦我國物流業能源效率，從動態與靜態兩方面對其展開深入分析，為提升物流效率、推動物流業高質量發展提出合理建議。

隨著物流業在國民經濟中的重要性日益提高，國內外學者對物流業能源效率的相關研究也越來越多，目前的研究主要集中在物流業能源效率評價和物流業能源效率的影響因素兩大方面。關于物流業能源效率的評價，國內外學者主要采用隨機前沿分析法（SFA）和數據包絡分析法（DEA）展開研究。樊元、馬麗梅[2]通過隨機前沿分析法（SFA）測算了我國的物流生產效率并分析了東中西部區域物流效率間的差異;于麗靜、陳忠全[3]利用改進的隨機前沿分析法（SFA）測算了2008-2014年我國30個省份的物流效率，并對其外生影響因素如環境規制強度、經濟發展水平等進行了分析。Markovits-Somogyi，等[4]利用數據包絡分析法（DEA）測算了歐洲29個國家的物流能源效率，并對測算結果進行了有效評價;商傳磊，等通過數據包絡分析法（DEA）和Malmquist指數法對我國30個省份的物流全要素能源效率進行了測度分析，并對其從靜態和動態兩個角度展開了深入研究;周小鴻[6]基于2007-2016年長江經濟帶11省市的面板數據，通過DEA-Malmquist指數測算了各省市物流業綠色全要素生產率，同時分析了其主要影響因素，如對外開放度、環境規制等;殷風朝[7]通過DEA-Malmquist模型測算了山東省7地市在低碳約束下的物流效率變化情況。對于物流業能源效率的影響因素研究，林佳琳[8]在測度我國物流能源效率的基礎上，分析了FDI對我國物流能源效率的影響，并得出結論FDI對我國物流能源效率的影響存在區域異質性;章忠亮[9]從環境規制角度對我國物流業能源效率進行實證研究，結果表明環境規制與物流業能源效率之間呈“U”型關系;Aronsson，等.[10]通過分析企業的具體案例研究了物流能源效率與環境之間的關系。

上述文獻豐富了物流能源效率領域的研究成果，但仍存在不足之處：一是研究物流能源效率時大多采用靜態分析方法，動態角度的研究成果較為缺乏;二是研究中對于區域的劃分，多采用傳統的東、中、西三大經濟帶劃分法，由于我國這三大經濟帶長期以來發展水平存在較大的差異，這種區域劃分的研究結果較為籠統，難以因地制宜地提出相關對策。因此，本文綜合以往學者的研究，從靜態和動態結合的角度，以及從總體、區域和省域的層面，提出針對我國物流能源效率的評價方法。

1研究方法

1.1SBM模型

為解決效率評價過程中的非期望產出問題，Tone，等[11]提出了非徑向和非角度的SBM（Slack-Based Measure）方向性距離函數，SBM模型在目標函數中加入非零松弛變量，可以更有效地評價非期望產出下的效率問題，同時更真實的反映實際效率，其模型可表示為：

式（1）中，sx-與sy+分別表示投入、期望產出的松弛變量，sb-表示非期望產出的松弛變量;式（2）中，λ為權重向量，ρ為各決策單元的效率值，且滿足0≤ρ≤1;對于特定的決策單元，當ρ=1時，說明該決策單元處于生產前沿，是完全有效率的狀態。

1.2Malmquist指數

由Malmquist[12]提出的Malmquist指數法，后經Fare，等[13]構建的Malmquist方法用于測算全要素能源效率的變化情況，其表達形式如下：

式（3）中，x，y和x，y分別表示t+1時期與t時期的投入與產出，Dt與Dt+1分別表示第t期與第t+1期的距離函數。從第t期到t+1期內，當M>1時，全要素生產率呈現上升趨勢;當M<1時，全要素生產率呈下降趨勢;當M=1時，全要素生產率不變。

2評價指標體系構建

本文選取2003-2017年我國30個?。ú话鞑?、香港、澳門和臺灣地區）的面板數據，參考以往大多數文獻[5，18]的方法，用交通運輸、倉儲和郵政業的數據代替我國物流業數據，將每一個?。ㄊ?、區）作為一個決策單元，采用國務院發展研究中心提出的方法將中國（大陸）分為八大區域，即東北地區、北部沿海地區、東部沿海地區、南部沿海地區、長江中游地區、黃河中游地區、西南地區、西北地區[14]研究我國物流能源效率。0D79B62C-9DB2-4857-A4C1-F7BF93609B3A

根據評價的主體或評價目的的不同，所選取的評價指標體系也有所差別。本文在前人研究的基礎上[15-17]，建立我國物流業能源效率評價指標體系，見表1。

2003-2017年我國30個?。ㄊ?、區）物流業投入和產出變量的描述性統計結果見表2。

3實證結果分析

3.1基于SBM模型的靜態分析

將各?。ㄊ?、區）的投入、產出面板數據代入SBM模型，應用DEA-solverPro5.0軟件，得到2003-2017年我國物流能源效率，并對我國八大區域的物流能源效率的平均值進行統計，見表3。

3.1.1全國總體分析。從圖1中可以看出，在本文研究期內，我國物流業能源效率總體水平不高。2003-2017年，全國物流業能源效率僅在0.5-0.7之間波動，物流業能源效率平均值為0.62，該數據表明我國物流業能源效率仍有很大的提升空間。通過政府環境規制、引導使用清潔能源、引進高效物流企業的高新技術和設備、提高企業內部管理水平等方式，從理論上分析我國物流業能源效率在維持既定產出不變的情況下，我國物流業能源投入可以節省目前水平的38%。

3.1.2區域差異分析。圖2是2003-2017年我國八大區域物流業能源效率均值變化情況，結合表3和圖2可知，八大區域中物流能源效率均值由低到高依次為西南地區<東北地區<黃河中游<長江中游<西北地區<北部沿海<南部沿海<東部沿海。西南地區、東北地區、黃河中游和長江中游的物流能源效率均值低于全國平均水平，其中西南地區的物流能源效率值最低;東部沿海、南部沿海、北部沿海和西北地區的物流能源效率均值高于全國平均水平，其中東部沿海的物流能源效率值最高，接近生產前沿，這說明東部沿海物流業的能源利用情況接近最優，反映出各區域物流業整體發展水平與區域經濟發展水平基本一致[18]。

3.1.3省域差異分析。從各?。ㄊ?、區）物流能源效率均值（表3）來看，2003-2017年間，物流能源效率高于全國平均水平的有13個?。ㄊ?、區）;介于0.3和全國平均水平0.62的有15個?。ㄊ?、區），其中天津、江蘇、青海的物流能源效率一直處于較高水平;低于0.3的有2個省份，分別是云南和四川。近幾年，江蘇、安徽、江西、內蒙古和陜西等省份物流能源效率值有不同程度的提升，說明當地物流能源調控情況越來越好，其物流能源利用水平逐漸提高;北京、遼寧、浙江等省份物流能源效率值在觀測前期為1，但隨著時間的推移，效率值呈現不同程度的下降，說明這些省份在不同程度上遠離生產前沿，物流業的能源利用情況趨于惡化。其中，北京這座超級城市的平均效率是0.5784，低于全國平均水平，說明北京的物流業能源利用水平與經濟發展水平不相符合，物流業能源效率與經濟發展水平之間可能存在非線性關系，這可能是因為發達地區物流需求旺盛，大批規模較小且低效的企業在我國低環境規制強度下涌入物流市場，物流業呈現出粗獷式發展，暴露出高消耗、高成本、高污染、低效益的問題，降低了物流能源效率。3.2基于Malmquist指數法的動態分析

運用DEAP2.1對我國2003-2017年各地區投入與產出數據進行Malmqusit指數測算，得到各地區歷年的物流業能源Malmqusit指數及其分解情況。其中，Effch代表“技術效率變化指數”，Techch代表“技術進步變化指數”，Pech代表“純技術效率變化指數”，Sech代表“規模效率變化指數”，Tfpch代表“全要素生產率指數”[5]。

3.2.1動態變動總體分析。從表4中可以清楚看到，2003-2017年我國物流能源全要素生產率平均下降了1.2%，其中，技術效率平均下降了0.8%，技術進步平均下降了0.3%，該數據說明兩者共同作用導致物流能源效率下降。除2005年我國物流能源全要素生產率上升了1.1%，2003-2012年Malmquist指數均小于1，說明這期間我國物流業能源利用水平較低;2012-2017年間除了2016年Malmquist指數小于1，其他年份Malmquist指數均大于1，且呈現增長趨勢，說明我國物流業能源效率有所提升，能源過度投入問題得到改善。

從我國物流業各年份Malmquist指數及分解的變化趨勢來看（如圖3所示），2003-2008年，全要素生產率指數與技術進步指數的走勢大致相同;2008-2009年，全要素生產率小幅下降，但技術進步指數在上升，說明純技術效率指數下降導致了全要素生產率的下降;2009-2012年全要素生產率逐年上升主要得益于技術效率指數的上升;2012-2017年全要素生產率與技術效率指數的變化趨勢基本相同，均大致呈“Z”字型波動，說明近幾年技術效率變化與物流業總體發展水平密切相關。與此同時，技術進步指數呈現出增長和降低相互交替的態勢，但總體上仍呈增長趨勢，說明近年來由于我國創新驅動發展戰略的大力實施，物流業加快推廣應用先進技術，實現了技術水平的不斷提升。

3.2.2區域動態變動分析。從表5可知，2003-2017年我國八大區域物流能源效率Malmquist指數均值情況分別是：東北地區0.955，北部沿海1.016，東部沿海1.013，南部沿海1.045，黃河中游0.969，長江中游0.988，西南地區0.984，西北地區0.956，全國均值0.988。其中，北部沿海、東部沿海、南部沿海地區Malmquist指數增長率高于全國平均水平，長江中游地區Malmquist指數增長率與全國平均水平一致，其他四個地區均低于全國平均水平。按照Malmquist指數由高到低進行排名，八大區域依次為南部沿海、北部沿海、東部沿海、長江中游、西南地區、黃河中游、西北地區、東北地區。除南部沿海、北部沿海、東部沿海地區Malmquist指數呈上升趨勢外，其余五大區域均呈下降趨勢，說明我國部分區域物流業能源利用水平有待提高。0D79B62C-9DB2-4857-A4C1-F7BF93609B3A

從技術進步指數（Techch）看，北部沿海、東部沿海與南部沿海呈增長趨勢（分別增長3.2%、2.4%、4.2%），其中南部沿海增長趨勢最大，說明技術進步是北部沿海、東部沿海與南部沿海物流能源全要素生產率增長的主要因素。沿海地區經濟發展水平高，對外開放水平高，電商產業發展相對成熟，這可能是沿海地區物流能源效率高于其他地區的最主要原因。其他五個地區（東北地區、黃河中游、長江中游、西南地區與西北地區）的技術進步指數均小于1，且呈下降趨勢，其物流能源效率下降的主要原因是技術進步貢獻率低。

從技術效率指數（Effch）看，除南部沿海呈增長趨勢外（增長0.3%），其他地區技術效率指數均小于1，呈下降趨勢。其中東部沿海和黃河中游下降幅度最大（下降1.5%），東北、東部沿海以及長江中游下降1.1%，西南與西北地區下降幅度最?。ㄏ陆?.3%）。從純技術效率指數（Pech）來看，八大區域的純技術效率均小于1，說明我國物流業普遍存在投資過熱的不良現象。從規模效率指數（Sech）來看，除南部沿海呈上升趨勢，其余地區規模效率均小于1，呈下降趨勢。3.2.3省域動態變化分析。從省域角度分析（見表6），樣本年內全國有11個?。ㄊ?、區）的物流能源Malmquist指數呈現上升趨勢，有19個?。ㄊ?、區）呈下降趨勢。其中，廣東、福建、山東3個省的物流能源Malmquist指數表現最好，增長率分別達到了10.9%、7.6%、6.4%。廣東省物流能源效率的提高完全得益于技術進步，福建和山東則得益于技術效率指數與技術進步指數的雙重提高。吉林、甘肅、陜西以及天津的物流能源效率下降的比較明顯，分別下降7.9%、7.1%、6.4%、6.3%，其中吉林、甘肅、陜西下降的主要原因是對物流新技術的運用不足，技術進步貢獻率低，其次是技術效率下降;天津下降的主要原因是技術效率嚴重下降，其次是技術進步。從技術進步的角度分析，大部分沿海地區以及黃河中游的河南省、內蒙古自治區，長江中游的湖南省、湖北省呈技術進步的趨勢;從技術效率的角度分析，大部分?。ㄊ?、區）呈技術效率下降的趨勢。

4結語

本文基于2003-2017年我國30個?。ㄊ?、區）物流業面板數據，考慮能源投入，以碳排放為非期望產出，基于SBM模型和Malmquist指數法對我國物流業能源效率進行了靜態和動態分析，并從總體、區域和省域三個角度進行具體分析，得到以下結論：靜態角度，2003-2017年我國物流業能源效率還處于較低水平（僅為0.62），各地區之間差異明顯，東部沿海地區一直處于全國領先水平，西南地區效率最低;動態角度，2003-2017年我國物流能源Malmquist指數均值為0.988，總體下降了1.2%，技術效率指數為0.992，技術進步指數為0.997，我國物流能源全要素生產率的下降是技術效率與技術進步綜合效應的結果;八大區域中，除北部沿海、東部沿海以及南部沿海的物流能源Malmquist指數呈上升趨勢外，其余地區均呈現不同程度的下降，技術進步是導致區域差異的主要原因。

物流業涉及并貫穿每一個行業，改善提升物流能源效率具有很強的復雜性和系統性。根據本文研究結論，提出以下幾點建議可有助于未來提高我國物流業能源效率：（1）完善物流業基礎設施建設，科學規劃路網、信息網、物流節點等，形成高效、綠色、智慧的物流疏運體系，減少能源消耗，提高物流運行效率;（2）推廣運用物流新技術、新設備，提高我國物流技術水平，創新物流發展模式，培育物流專業人才，培育壯大物流企業，提升規模經濟效益;（3）充分考慮不同地區資源稟賦差異和經濟發展所處階段，在不同區域、省域因地制宜地出臺相關物流支持政策。

[參考文獻]

[1]江雨珊，戢曉峰，李杰梅.低碳約束下中國物流業全要素能源效率評價[J].武漢理工大學學報（交通科學與工程版），2019，43（2）：113-117.

[2]樊元，馬麗梅.中國區域物流發展效率實證分析[J].統計與決策，2012（3）：113-116.

[3]于麗靜，陳忠全.低碳視角下中國區域物流效率研究：基于SFA與PP的實證分析[J].生態經濟，2017（4）.

[4]MARKOVITS-SOMOGYIR，BOKORZ.Assessingthelogis-ticsefficiencyofEuropeancountriesbyusingtheDEA-PCmethodology[J].Transport，2014，29（2）：137-145.

[5]商傳磊，張悟移，陳俊營.基于DEA和Malmquist指數的中國物流業全要素能源效率評價[J].生態經濟，2019，35（3）：51-56.

[6]周小鴻.長江經濟帶物流業綠色全要素生產率測算及影響因素研究[D].重慶：重慶工商大學，2020.

[7]殷鳳朝.碳約束下山東省地市物流業效率測度研究：基于DEA-Malmquis模型[J].上海市經濟管理干部學院學報，2020，18（3）：44-50.

[8]林佳琳.FDI對我國物流業綠色全要素生產率的影響研究[D].濟南：濟南大學，2020.

[9]章忠亮.環境規制對物流業綠色全要素生產率的影響[D].蚌埠：安徽財經大學，2018.

[10]ARONSSON H，BRODIN M H.The environmental impact of changing logistics structures[J].International Journal of Logistics Management，2006，17（3）：394-415.

[11]TONE K，SAHOO B K.Degree of scale economies and congestion：A unified DEA approach[J].European Journal of Operational Research，2004，158（3）：755-772.

[12]MALMQUIST S.Index numbers and indifference surfaces[J].Trabajos De Estadistica，1953，4（2）：209-242.

[13]FARE R，GROSSKOPF S，ZHANG N Z.Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries[J].American Economic Review，1994，84（1）：66-83.

[14]許淑婷.中國能源生態效率的時空演變與影響因素研究[D].大連：遼寧師范大學，2016.

[15]楊愷鈞，毛博偉，胡菡.長江經濟帶物流業全要素能源效率：基于包含碳排放的SBM與GML指數模型[J].北京理工大學學報（社會科學版），2016，18（6）：54-62.

[16]張愛美，郭靜思，吳衛紅，等.物流業全要素能源效率變動及省域差異分析[J].資源開發與市場，2018，34（5）：611-616.

[17]王燕，劉婷.碳排放約束下我國區域物流能源效率及影響因素研究[J].生態經濟，2018（10）：14-18.

[18]龔雪，夏銀.中國物流業全要素生產率實證研究[J].南京財經大學學報，2020（5）：56-67.0D79B62C-9DB2-4857-A4C1-F7BF93609B3A