周瑩

【摘 要】本文基于松弛變量的測量模型（slack-based measurement，SBM）對(duì)江蘇省13個(gè)地級(jí)市在考慮和不考慮非期望產(chǎn)出情況下的物流業(yè)環(huán)境效率進(jìn)行測算和分析。在計(jì)算考慮非期望產(chǎn)出時(shí)，以污水和二氧化碳（carbon dioxide， CO2）作為不合格的產(chǎn)量指標(biāo)，并根據(jù)各地級(jí)市對(duì)污水和廢氣的污染專項(xiàng)防治資金，確定不合格品指標(biāo)的權(quán)重。結(jié)果顯示，江蘇省城市物流業(yè)環(huán)境效率有明顯差異，其中連云港市、宿遷市、淮安市的物流業(yè)環(huán)境效率均低于平均值，是提高江蘇省物流業(yè)環(huán)境效率的突破口；鎮(zhèn)江市、南通市與省內(nèi)其他地級(jí)市相比，在物流資源配置和環(huán)境污染防治方面尚有欠缺。

【關(guān)鍵詞】物流業(yè)；環(huán)境效率；SBM模型

中圖分類號(hào)： F259.27 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2018）36-0149-003

DOI：10.19694/j.cnki.issn2095-2457.2018.36.063

0 引言

江蘇省地處長江經(jīng)濟(jì)帶，是中國經(jīng)濟(jì)最活躍的省份之一，下轄13個(gè)設(shè)區(qū)市，是唯一所有地級(jí)市都躋身百強(qiáng)的省份，截至2017年，實(shí)現(xiàn)地區(qū)生產(chǎn)總值85900.9億元，人均生產(chǎn)總值107189元[1]。江蘇省作為全國經(jīng)濟(jì)大省，提升經(jīng)濟(jì)整體運(yùn)行效率對(duì)國民經(jīng)濟(jì)發(fā)展有積極促進(jìn)作用，而物流業(yè)作為現(xiàn)代經(jīng)濟(jì)結(jié)構(gòu)中的重要組成部分，推動(dòng)物流業(yè)降本增效，對(duì)促進(jìn)全省實(shí)體經(jīng)濟(jì)發(fā)展，深入推進(jìn)供給側(cè)結(jié)構(gòu)性改革有重要意義。2018年3月6日，江蘇省政府辦公廳印發(fā)《關(guān)于進(jìn)一步推進(jìn)物流降本增效促進(jìn)實(shí)體經(jīng)濟(jì)發(fā)展的實(shí)施意見》明確提出要進(jìn)一步推進(jìn)物流降本增效，營造物流業(yè)良好發(fā)展環(huán)境。在此背景下，研究江蘇省城市物流業(yè)環(huán)境效率有重要的理論和現(xiàn)實(shí)意義。

目前國內(nèi)外很多專家學(xué)者都對(duì)物流效率進(jìn)行了研究并取得了豐碩的成果。歸納來說，目前對(duì)于生產(chǎn)要素投入產(chǎn)出效率的研究方法有兩種：單因素法和全要素法[2]。由于單因素法測算效率只考慮了能源投入與產(chǎn)出的比例關(guān)系，沒有考慮實(shí)際生產(chǎn)中其他因素的影響，因此有很大的局限性[3]。全要素法為生產(chǎn)要素投入產(chǎn)出效率分析提供了一個(gè)較全面的視角[4]。但目前運(yùn)用全要素法對(duì)城市產(chǎn)業(yè)產(chǎn)出效率進(jìn)行測算的文獻(xiàn)很少，即便使用全要素法進(jìn)行測算，也很少有考慮兩種及以上非期望產(chǎn)出的文獻(xiàn)，即便考慮到非期望產(chǎn)出，因?yàn)椴煌漠a(chǎn)出物即使都是污染物對(duì)環(huán)境的影響程度也不同，如果不考慮權(quán)重等因素而只是簡單的加入也會(huì)導(dǎo)致結(jié)果失真。

本文將把不考慮非期望產(chǎn)出的全要素視角下江蘇省城市物流業(yè)環(huán)境效率和考慮非期望產(chǎn)出的全要素視角下江蘇省城市物流業(yè)環(huán)境效率納入相同的計(jì)算框架，選擇污水和CO2作為非期望產(chǎn)出，并根據(jù)污染防治專項(xiàng)資金對(duì)兩種污染物排放設(shè)置不同的權(quán)重。

1 模型方法

1.1 通用SBM模型

對(duì)區(qū)域物流業(yè)環(huán)境效率的研究方法主要有兩種：一種是非參數(shù)法，比較有代表性的是數(shù)據(jù)包絡(luò)分析法（data envelopment analysis ，DEA），另一種是參數(shù)法，常用的有隨機(jī)前沿分析（stochastic frontier analysis ，SFA），其中DEA模型對(duì)多個(gè)輸入變量、多個(gè)輸出變量的情況更有效[5]。王蕾等（2014）基于DEA分析法對(duì)新疆北疆地區(qū)物流效率進(jìn)行了分析，針對(duì)北疆地區(qū)物流效率表現(xiàn)出的不足提出相應(yīng)的對(duì)策建議[6]；樂小兵（2014）運(yùn)用DEA效率評(píng)價(jià)模型，對(duì)廣西地區(qū)的物流系統(tǒng)的有效性和超效率進(jìn)行分析[7]；但這些研究都是基于傳統(tǒng)DEA模型，只能考慮期望產(chǎn)出指標(biāo)，如廢氣排放這類“非期望產(chǎn)出指標(biāo)”并未考慮在內(nèi)，對(duì)于經(jīng)濟(jì)實(shí)力雄厚，在追求經(jīng)濟(jì)效益的同時(shí)追求環(huán)境效益的江蘇省而言并不適用。董鋒等（2016） 基于超效率 DEA 模型同時(shí)引入Ruggiero三階段方法，測算了低碳約束下我國的省際物流業(yè)效率[8]。馬越越（2016）從低碳角度，研究了中國區(qū)域物流業(yè)全要素生產(chǎn)率空間溢出效應(yīng)[9]。Tone（2001）提出考慮非期望產(chǎn)出的SBM模型，該模型為非徑向的，可以有效處理非期望產(chǎn)出的冗余和松弛問題，從輸入和輸出兩個(gè)角度分析效率，從而對(duì)效率的測算更加客觀、準(zhǔn)確[10]。劉承良等（2017）利用 2003～2014年30個(gè)省市區(qū)的物流業(yè)面板數(shù)據(jù)，研究了低碳約束下的物流業(yè)效率空間演化問題[11]。王燕等（2018）對(duì)全國30個(gè)省份碳約束下的物流能源效率進(jìn)行了測度，研究了中國省際區(qū)域物流能源效率的空間特征和演化趨勢[12]。結(jié)果表明，基于松弛變量的模型在評(píng)價(jià)我國物流效率方面更加有效。

不考慮非期望產(chǎn)出的情況下，本文采用Tone[10]提出的通用SBM模型。令xmk為輸入矩陣，m=1，…M為輸入指標(biāo)，yrk期望輸出矩陣，r=1，…R為期望輸出指標(biāo)；“κ”是決策單元（decision-making unit ，DMU）的個(gè)數(shù)；λ是一個(gè)非負(fù)權(quán)重系數(shù)向量；S-、S+分別是輸入、輸出的松弛變量。不考慮非期望輸出的SBM模型如式（1）所示。

2 實(shí)證研究

2.1 數(shù)據(jù)來源與處理

本文實(shí)證分析所用的數(shù)據(jù)包括2010～2017年江蘇省13個(gè)地級(jí)市的面板數(shù)據(jù)。本研究數(shù)據(jù)來源于《江蘇省統(tǒng)計(jì)年鑒》、《無錫統(tǒng)計(jì)年鑒》、《蘇州統(tǒng)計(jì)年鑒》、《常州統(tǒng)計(jì)年鑒》、《徐州統(tǒng)計(jì)年鑒》、《南京統(tǒng)計(jì)年鑒》、《南通統(tǒng)計(jì)年鑒》、《連云港統(tǒng)計(jì)年鑒》、《淮安統(tǒng)計(jì)年鑒》、《鹽城統(tǒng)計(jì)年鑒》、《泰州統(tǒng)計(jì)年鑒》、《揚(yáng)州統(tǒng)計(jì)年鑒》、《宿遷統(tǒng)計(jì)年鑒》、《鎮(zhèn)江統(tǒng)計(jì)年鑒》、《中國城市統(tǒng)計(jì)年鑒》和《中國能源統(tǒng)計(jì)年鑒》。投入指標(biāo)選擇為物流業(yè)資本存量、物流業(yè)從業(yè)人員數(shù)量和物流業(yè)能源投入量。產(chǎn)出指標(biāo)包括期望產(chǎn)出和非期望產(chǎn)出。期望產(chǎn)出為各地級(jí)市物流業(yè)增加值，非期望產(chǎn)出為污水和CO2，并且根據(jù)各市污水防治和廢氣防治專項(xiàng)資金確定兩個(gè)非期望產(chǎn)出指標(biāo)的權(quán)重。構(gòu)建如表1的評(píng)價(jià)指標(biāo)。

其中，資本投入采用各市物流業(yè)資本存量表示，單位為億元；勞動(dòng)投入使用年末從業(yè)人員來表示，單位為萬人；能源消耗選擇比例最大的7種主要能源消費(fèi)量，并折算成標(biāo)準(zhǔn)煤炭消耗量，單位為萬噸標(biāo)準(zhǔn)煤；期望產(chǎn)出選取物流業(yè)增加值，單位為億元；非期望產(chǎn)出選取污水和CO2排放量，由于統(tǒng)計(jì)年鑒中沒有數(shù)據(jù)，本文根據(jù)IPCC2006的研究結(jié)論，通過各種能源消耗所產(chǎn)生的二氧化碳排放量估算相加得出。相關(guān)數(shù)據(jù)的描述統(tǒng)計(jì)如表2所示。

2.2 結(jié)果分析

分別利用SBM模型計(jì)算不考慮非期望產(chǎn)出情況下和考慮期望產(chǎn)出情況下的江蘇省13個(gè)地級(jí)市物流業(yè)環(huán)境效率。計(jì)算過程選取MAXDEA 6.18軟件進(jìn)行測算，計(jì)算結(jié)果如表3、表4所示。第一列數(shù)據(jù)是不考慮非期望產(chǎn)出的效率值，第二列數(shù)據(jù)是考慮非期望產(chǎn)出的效率值。

通過表3、表4中的數(shù)據(jù)計(jì)算出2010～2017年不考慮非期望產(chǎn)出情況下和考慮期望產(chǎn)出情況下的江蘇省13個(gè)地級(jí)市物流業(yè)環(huán)境效率均值，如圖1所示。

從圖1可得知，無論是否考慮非期望產(chǎn)出，無錫市和蘇州市物流業(yè)環(huán)境效率水平均是最高，而淮安市、連云港市相對(duì)較低。

通過表3、表4的數(shù)據(jù)可得不考慮非期望產(chǎn)出和考慮非期望產(chǎn)出的平均效率的差值，如圖2所示。

從圖2可看出，揚(yáng)州市和常州市是兩種情況下城市物流業(yè)環(huán)境效率相差最大的兩個(gè)城市，這說明這兩個(gè)城市物流產(chǎn)業(yè)污染排放可以合理控制，低碳化和高效化水平在省內(nèi)處于領(lǐng)先，污染較輕；鎮(zhèn)江市、南通市是差異最小的兩個(gè)城市，說明這兩個(gè)城市物流資源未合理配置，環(huán)境污染問題相對(duì)嚴(yán)重。

3 結(jié)論

本文分別運(yùn)用不考慮非期望產(chǎn)出和考慮非期望產(chǎn)出的SBM模型，對(duì)江蘇省13個(gè)地級(jí)市物流業(yè)環(huán)境效率進(jìn)行了測算，可以得出以下結(jié)論：

第一，2010～2017年江蘇省13個(gè)地級(jí)市物流業(yè)環(huán)境效率在不考慮非期望產(chǎn)出時(shí)的平均值為0.615，在考慮非期望產(chǎn)出時(shí)的平均值為0.659，低于國內(nèi)其他行業(yè)平均水平（全國不分行業(yè)總體環(huán)境效率0.895[13]），表明江蘇省城市物流產(chǎn)業(yè)在資源配置、節(jié)能減排問題上還有較大的改善空間，物流業(yè)可作為政府推進(jìn)節(jié)能減排工作的重點(diǎn)行業(yè)，需進(jìn)一步貫徹實(shí)施環(huán)境發(fā)展策略，倡導(dǎo)低碳綠色物流；

第二，無論是否考慮非期望產(chǎn)出，無錫、蘇州兩市物流業(yè)環(huán)境效率水平均是最高，處于?。ㄏ罗D(zhuǎn)第146頁）（上接第151頁）內(nèi)領(lǐng)先水平，說明無錫市、蘇州市物流產(chǎn)業(yè)投入與產(chǎn)出比例合理，已達(dá)到最優(yōu)非期望產(chǎn)出。連云港市、宿遷市、淮安市的物流業(yè)環(huán)境效率低于平均值較多，這三個(gè)城市應(yīng)該作為江蘇省提高物流業(yè)環(huán)境效率的突破口。

第三，通過分析不考慮非期望產(chǎn)出的環(huán)境效率和考慮非期望產(chǎn)出的環(huán)境效率間的差異，可知南通市、鎮(zhèn)江市的效率值差異較小，說明與省內(nèi)其他地級(jí)市相比，南通、鎮(zhèn)江兩個(gè)城市的物流資源尚未合理配置，環(huán)境污染問題相對(duì)嚴(yán)重，其中南通市尤為嚴(yán)重。南通是“上海大都市圈”中的重要一員，近年來發(fā)展迅速，城市GDP在江蘇省排名靠前，但經(jīng)濟(jì)效益與環(huán)境效益并未相得益彰，在低碳排放技術(shù)和污染防治方面仍有所欠缺，環(huán)境污染在一定程度上造成了環(huán)境效率的損失，政府應(yīng)將其納入物流業(yè)污染治理的重點(diǎn)城市，在供給側(cè)結(jié)構(gòu)性改革的背景下，推進(jìn)城市物流業(yè)產(chǎn)業(yè)模式轉(zhuǎn)型，關(guān)注投入結(jié)構(gòu)合理性和物流資源有效配置等問題。

【參考文獻(xiàn)】

[1]丁瑩.2017百強(qiáng)城市榜江蘇13市全進(jìn)[EB/OL].http：//news.yznews.com.cn/2017-11/15/content_6060225.htm，2017-11-15/2018.12.12.

[2]Xiangguo Cheng.Study on Total Factor Energy Efficiency in Three Provinces of Northeast China Based on SBM Model.Energy Procedia.2018；152：131-136.

[3]Wilson B.Luan HT，Bowen B Energy efficiency trends in Australia.ENERG POLICY.1994；22：287-295.

[4]Li B.Chinas industrial environment energy efficiency study：Lanzhou University；2016.

[5]Wu Q.Wu C.Research on energy efficiency evaluation model in China.ENERG POLICY.2012；46：216-224.

[6]王蕾，薛國梁，張紅麗.基于DEA分析法的新疆北疆現(xiàn)代物流效率分析[J].資源科學(xué)，2014，36（07）：1425-1433.

[7]樂小兵，王瑛.基于DEA模型的廣西物流服務(wù)效率評(píng)價(jià)研究[J].科技管理研究，2014，34（05）：54-57.

[8]董鋒，徐喜輝，韓宇.低碳約束下的我國省際物流業(yè)效率研究[J].華東經(jīng)濟(jì)管理，2016，30（05）：86-91.

[9]馬越越.低碳視角下中國區(qū)域物流產(chǎn)業(yè)全要素生產(chǎn)率的空間溢出效應(yīng)研究[J].宏觀經(jīng)濟(jì)研究，2016（12）：90-101+144.

[10]Tone K.A slacks-based measure of efficiency in data envelopment analysis.EUR J OPER RES.2001；130：498-509.

[11]劉承良，管明明.低碳約束下中國物流業(yè)效率的空間演化及影響因素[J].地理科學(xué)，2017，37（12）：1805-1814.

[12]王燕，劉婷.碳排放約束下我國區(qū)域物流能源效率及影響因素研究[J].生態(tài)經(jīng)濟(jì)，2018，34（10）：14-18+90.

[13]相天東.我國區(qū)域碳排放效率與全要素生產(chǎn)率研究——基于三階段DEA模型[J].經(jīng)濟(jì)經(jīng)緯，2017，34（01）：20-25.