供給側改革視域下物流業碳脫鉤政策建議

劉戰豫,孫夏令

(河南理工大學 a.工商管理學院 能源經濟研究中心;b.太行發展研究院 河南 焦作 454000)

1 引言

供給側改革是解決我國經濟結構性矛盾、提高供給質量、實現綠色發展的重要戰略部署。物流業作為連接供需兩端的橋梁,對中國經濟持續健康發展具有重要支撐作用,理應是供給側改革的重點。同時物流業作為能源消耗大戶,CO2排放量以遠高于其他行業的增速持續增加,國家“十三五”規劃將物流業確定為重點實施低碳轉型的行業,為物流業的供給側改革提供了新思路。

CO2排放量持續增加,且增長速度遠高于其他行業。目前,國內外學者針對物流業CO2排放的研究已取得了較多成果,主要集中在:一是對CO2排放量測算。如馬越越等對物流業CO2排放及其分布的極化程度進行了測算[1];歐陽斌等提出一種省級交通運輸能耗與CO2排放測算方法,并對江蘇省進行了測評[2];張秀媛等基于城市交通CO2測算方法,對北京市公共交通系統的CO2排放進行了測度[3]。二是對CO2排放影響因素的研究。如張立國基于LMDI分解,對我國省域物流業CO2排放進行了實證分析[4];盧升榮等根據長江經濟帶九省的面板數據,結合LMDI分解分析了交通運輸業CO2排放的影響因素[5];Lin等基于分位數回歸模型對中國運輸業碳排放的影響因素進行了研究[6];Fan等基于擴展的KAYA模型,探究了北京市快速發展背景下交通領域碳排放的潛在影響因素[7]。三是對物流業能源消耗、CO2排放與行業發展關系的研究。如曹翠珍等基于經濟增長理論,對物流業行業發展與能源消耗進行了研究,得到物流業發展能夠提高能源利用效率,即能源強度與物流業發展水平呈負相關[8];周銀香等基于LMDI分解和脫鉤理論,對交通運輸業CO2排放與行業經濟增長之間的響應關系進行了研究[9];Menezes等對巴西大都市交通運輸碳排放進行了研究,評價了低碳發展戰略的有效性,提出了更好的政策組合[10]。

綜上所述,當前物流業CO2排放的研究多集中在測算排放量、尋找影響因素、探究響應關系等方面,較少結合經濟環境、聯系行業前景對CO2排放進行系統分析,尤其是供給側改革視域下的物流業低碳轉型仍需進一步研究與探討。為此,本文通過分析物流業CO2排放的時空演變差異和驅動因素,構建脫鉤努力指數,提出供給側改革視域下物流業實現CO2排放有效脫鉤的政策建議,為物流業低碳轉型明確方向。

2 研究方法與數據來源

2.1 研究方法

物流業CO2排放測算:關于CO2排放測算有“自上而下”和“自下而上”兩類方法,鑒于后者需考慮車輛車型、單位行駛能耗等難以確定的因素[11,12],本文選取“自上而下”的計算方法,即通過各類能源消耗乘以相應系數得到CO2排放量:

(1)

式中,Ei為第i種能源的消耗量(i=1,2,…，8);NCVi為每種能源的平均低位發熱量;CEFi為每種能源的CO2排放參考系數;COFi為CO2氧化因子;44與12為CO2與C的分子量。8種能源分別為原煤、汽油、煤油、柴油、燃料油、液化石油氣、天然氣和電力。由于電力屬于二次能源,并不直接產生CO2排放，為了保證研究的嚴謹性,通過加權平均方法計算電能排放因子[13]。即通過電能生產部門對不同能源的消耗比例與各自能源的排放因子加權平均得到。

Theil指數:Theil指數又稱“泰爾指數”或“錫爾指數”,由Theil、Henri于1967年提出,是衡量個人之間或區域之間差異的重要指標。本文運用Theil指數衡量物流業CO2排放的區域差異,具體計算公式為:

(2)

式中,Cj為第j個區域的物流業CO2排放量;C為所有區域的物流業CO2排放量;Xj為第j個區域人口數、物流業增加值或綜合周轉量;X為區域人口數、物流業增加值或綜合周轉量。計算得到的結果分別為人均CO2排放、單位增加值和單位周轉量CO2排放的Theil指數,分別以Tp、Ta、Tt表示。指數數值介于0—1,數值的大小反映區域差異的大小。

物流業CO2排放因素分解模型:KAYA在聯合國舉辦的研討會上最早提出了Kaya恒等式[14],他將CO2排放分解為與人類生活息息相關的四個因素,包括CO2排放強度、能源強度、人均GDP、人口規模,其基本表達式為:

(3)

物流業作為國民經濟發展的基礎產業,與日常生產、生活密切相關,行業CO2排放勢必會受到以上關鍵因素的影響,參照Fan[17]、Wang[15]、盧升榮等[5]的分析思路,在此基礎上結合物流業自身特點,將CO2排放擴展表示為:

(4)

(5)

式中,fi為各類能源CO2排放系數,由于系數為定值,實際計算中不列入分解項目;si為各類能源在物流業能源消耗中的比重,即能源消費結構;e為物流業單位增加值能耗,反映物流能源消耗強度;l為單位周轉量帶來的物流增加值,反映物流效率;d為單位GDP增長所需的物流綜合周轉量,反映物流產業對地區經濟的拉動作用,也稱為運輸強度;g為人均GDP,表示經濟增長因素;p為人口規模因素。

近年來,指數因素分解技術在CO2排放研究領域得到廣泛應用,根據Ang對幾種常用分解方法的比較分析,對數平均指數分解法(LMDI)更具適用性[16]。文中采用LMDI的“加和分解”方法對式(4)進一步分解:

(6)

物流業CO2排放脫鉤努力指數構建:物流業的CO2排放分解有助于了解行業CO2排放變動情況及其關鍵致因,但并不能客觀地反映出政府一系列節能減排努力所產生的實際減排效果[18],如優化能源消費結構、提高能源效率及控制人口數量等[19],而且只有當CO2減排努力對CO2排放的抑制足以抵消經濟增長對CO2排放的拉動時,這種努力才是有效的。因此,扣除經濟增長或規模擴張導致的CO2排放量,將政府減排努力(△F)間接表示為:

△F=△C-△Cd-△Cg=△Cs+△Ce+△Cl+△Cp

(7)

=Ds+De+Dl+Dp

(8)

式中,Ds為調整能源結構導致的脫鉤效應;De為降低能源強度導致的脫鉤效應;Dl為推進物流發展導致的脫鉤效應;Dp為控制人口數量導致的脫鉤效應。

2.2 數據來源

當前,關于物流業的統計尚不完善,考慮數據可獲取性,同時由于交通運輸、倉儲和郵政業三者增加值占物流業的以上,能反映物流業發展實際情況,因此文中物流業相關數據均以交通運輸、倉儲和郵政業替代[22]。物流業周轉量主要考慮鐵路、公路、水運和航空四種運輸方式,并借鑒宋京妮等[23]、盧升榮等[5]的計算方法進行折算,將旅客周轉量與貨物周轉量折算為綜合周轉量。此外,為剔除價格變動因素的干擾,文中的經濟增加值均以2004年的不變價進行調整。各類能源的具體CO2排放系數來源于《2006年IPCC國家溫室氣體清單指南》,其他經濟數據來源于各地區2005—2015年的《統計年鑒》和《中國能源統計年鑒》。

3 實證結果分析

3.1 物流業CO2排放的時空差異分析

物流業CO2排放的可視化描述:根據物流業CO2排放的測算結果,選取2004年、2009年、2014年3個時間截面數據和歷年平均數據,通過系統聚類把我國30個省區的物流業CO2排放分為四個梯隊,繪制出空間格局分布圖(圖1)。由圖1可見,各省區物流業CO2排放的時空差異顯著。從時序角度來看,各省區CO2排放量均表現出增加趨勢,物流業能耗嚴重的問題未得到明顯改善。但從橫向比較而言,地區CO2排放量遞增速度不同,即各階段CO2排放量的省域排名存在差異。2004年CO2排放最突出的省份是上海與廣東,2009年是上海、廣東與山東,到2014年江蘇與遼寧也加入第一梯隊;而青海、寧夏、海南、吉林、貴州、甘肅、新疆則一直穩定處在第四梯隊,屬于國內物流業CO2排放最低的地區。從變動速度來看,云南省是增速最快的省份,每個階段所處梯隊都不相同。數據顯示，云南省從2004年的倒數第4位,躍升為2014年的全國第12位;從變動位次來看,安徽、內蒙古、黑龍江、河南、湖南表現出了排位的上升,而陜西、江西、天津表現出排位的下滑,其余省份排名變化不大。

物流業CO2排放的Theil指數:根據Theil指數計算方法,分別測算出各年物流業的人均CO2排放、單位增加值和單位換算周轉量CO2排放的Theil指數(表1)。由表1可知,三種Theil指數的最大值分別出現在2004年、2006年、2007年,最小值分別出現在2014年、2013年、2013年。從歷年均值看,單位增加值CO2排放Theil指數最小,僅為0.059,表明各省單位增加值物流業的CO2排放量差異較小;而人均CO2排放和單位換算周轉量CO2排放的Theil指數相對較大,分別為0.159和0.187,表明從這兩個角度觀察,各省物流業CO2排放的差異更顯著。

圖1 物流業CO2排放空間分布

年份20042005200620072008200920102011201220132014均值Tp0．2140．1860．1930．1870．1810．1600．1460．1350．1300．1130．1010．159Ta0．0630．0650．0690．0670．0610．0590．0580．0530．0550．0500．0530．059Tt0．2060．2260．2180．2460．1510．1900．1880．1850．1610．1360．1450．187

圖2 物流業CO2排放Theil指數變化趨勢

從區域差異變化趨勢(圖2)來看,單位增加值CO2排放Theil指數相對最為平穩,單位換算周轉量CO2排放的Theil指數波動最大,而人均CO2排放Theil指數變動速度最為均勻?？傮w來看,樣本年內三種差異指數均呈現出了下降趨勢,表明國內物流業CO2排放區域之間的差異變小,這與國內地區間較為統一的發展規劃有關。值得注意的是,在樣本末期單位增加值和單位換算周轉量CO2排放Theil指數同時出現回升趨勢,未來地區間物流業CO2排放的差異程度可能出現回升,原因是近些年環境規制力度加大,各省市物流產業的綠色技術、綠色理念和發展基礎不同,導致區域CO2排放差異增大。

3.2 物流業CO2排放的關鍵致因分析

以2004年為基期,根據擴展的KAYA模型和LMDI分解方法對物流業CO2排放進行分解,得到能源結構、能源強度、物流效率、運輸強度、經濟發展及人口規模等因素分別對應的貢獻值(表2)。根據表2可知,2004—2014年物流業CO2排放總量增加了35014.379萬t,由2004年消耗25900.031萬t增加為2014年的60914.411萬t,增長了135.191%,年均增長率為8.929%。除2012—2013年物流業CO2排放總量出現下降外,其他各年為穩定增長。

表2 2004—2014年物流業CO2排放變動效應因素分解(104t)

能源結構的累計貢獻為143.864萬t,累計效應占CO2排放變動總效應的0.411%,對物流業CO2排放有一定的促進作用,表明能源結構依舊有較大改善空間。2004—2014年我國物流業柴油消耗占比上升,由40.93%升為43.57%,而煤炭、電力、汽油等消耗略微下降,意味著物流業對柴油等高CO2排放的能源消耗依賴程度加大,同時低CO2排放的能源也未得到充分利用,這樣的不利變化抵消了新能源應用所帶來的CO2排放減少,致使能源結構對物流業CO2排放影響不顯著。能源強度效應是物流業CO2排放增加的主要抑制因素,2004—2014年累計抑制了CO2排放量7391.108萬t,負向影響占到總效應的21.109%。主要是由于物流業作為國民經濟的重要支撐系統,貫穿于不同行業之間,加深了區域之間的聯系,改善著經濟的運轉質量,由此帶來的經濟效益抵消了物流業能源消耗帶來的負面效應,整體表現出了負向驅動。

物流效率反映的是單位周轉量帶來的物流增加值,與各效應相比物流效率每年的貢獻波動最大,其中2004—2005年、2009—2011年、2013—2014年度為負值,剩余年度均為正值,但總體上表現出了對CO2排放的拉動作用,拉動作用微弱。這不僅與水平較為低下的物流協作技術有關,也與交通運輸方式占比有關。未來伴隨“八縱八橫”高速鐵路網及城市間高速鐵路網的建設,將逐漸形成鐵路等低能耗運輸為主,高污染運輸為輔的綜合運輸體系,不斷實現干線運輸與支線運輸的高度統一,從而物流效率會逐漸提高。

運輸強度效應也是物流業CO2排放增加的主要貢獻因素,2004—2014年累計貢獻CO2排放為2404.549萬t,貢獻率為6.867%,且大多數年份都表現為CO2排放的拉動效應。我國經濟規模龐大,加之幅員遼闊,多項物流指標已經位居世界前列,但由于多種運輸方式銜接性差、標準化程度低、網絡化程度不足等因素導致運輸壓力遠高于其他國家,單位GDP的貨運周轉量相當于美國的6.3倍與日本的14.3倍。

經濟發展效應是物流業CO2排放最主要的致因,研究期內始終起到顯著的正向驅動作用,累計貢獻量達到36894.935萬t,遠高于其他影響因素。這表明經濟發展與物流業能源消耗緊密相關,隨著經濟的發展,物流規模不斷擴大,貨運、客運周轉量顯著增加,同時人們對出行需求和物流服務都有了更高的要求,致使物流業能源消耗量不斷上升,CO2排放量居高不下。

表3 2004—2014年物流業CO2排放脫鉤效應

人口規模效應相對穩定,波動幅度較小,對物流業CO2排放一直起到正向的拉動作用,累計貢獻CO2排放量為2077.257萬t,貢獻率為5.933%。由于人口規模的擴大,交通出行量、人均消費量都會有顯著的增加,相應的人均CO2排放量也會增加,這也成為物流業低碳轉型的重要阻力。

3.3 物流業CO2排放的脫鉤有效性分析

通過對物流業CO2排放進行驅動因素分解,尋找到了物流業CO2排放增長的關鍵因素。為了進一步反映物流業實現經濟發展與節能減排“雙贏”的客觀情況和政府減排努力帶來的實際效果,構建脫鉤努力指標,對物流業CO2排放脫鉤有效性進行分析(表3)。

從表3可見出,物流業CO2排放脫鉤狀態存在波動性,呈現“未脫鉤—弱脫鉤—未脫鉤—弱脫鉤”的變化趨勢,其中2004—2006年和2011—2012年兩個階段出現未脫鉤,2006—2011年和2012—2014年兩個階段出現弱脫鉤。研究期內沒有出現強脫鉤狀態,脫鉤指數最大值為2012—2013年的0.957,其他年份相差較多,可見要實現物流業CO2排放的強脫鉤有效狀態仍任重道遠。這主要是因為政府促進物流業CO2減排的努力不夠充分,由此帶來的CO2排放減少量不足以抵消由經濟規模擴大帶來的CO2排放增加量。

從分指數來看,各因素對物流業CO2減排的貢獻程度從大到小依次是能源強度效應>物流發展效應>能源結構效應>人口規模效應。能源強度對應的脫鉤效應最為理想,除2004—2005年以外,其他各期脫鉤指數均大于0,尤其是2012—2013年達到了1.893,是目前決定物流業CO2排放有效脫鉤的最主要因素。物流發展效應是由物流效率的提高決定的,可見其在物流CO2減排方面貢獻程度不夠穩定,相應的脫鉤指數除2004—2005年、2009—2011年和2013—2014年三個階段大于0以外,其他各期均小于0,這種波動與經濟刺激計劃及物流相關規劃有關,未來應更注重科技創新對物流效率提升的驅動作用。能源結構與人口規模對應的脫鉤努力指數基本都在0以下,表明政府在優化物流業用能結構上所作的CO2減排努力意義不大,同時控制人口規模方面的努力對物流業實現CO2排放脫鉤呈現出無效狀態。主要原因是:近年來國內物流業以柴油等高CO2排放能耗為主的消費結構沒有大的改變,同時人口規模的控制也難以抑制人均消費增加帶來的CO2排放上升。

4 結論與建議

4.1 結論

本文的研究結果表明:①各省區物流業CO2排放的時空差異顯著,不僅體現在CO2排放量的不均衡,在CO2排放增長速度方面還有較大差異,導致歷年各省區CO2排放總量的排名波動較大。物流業的人均CO2排放、單位增加值和單位換算周轉量CO2排放的Theil指數均表現出了下降趨勢,表明各地區物流業CO2排放的差異在逐漸縮小。②2004—2014年物流業CO2排放總量增加了35014.379萬t,年均增長率達到8.929%。其中,經濟發展效應是物流業CO2排放增加的最主要貢獻因素,能源強度效應是物流業CO2排放增加的主要抑制因素。此外,運輸強度、人口規模、物流效率、能源結構等效應也對物流業CO2排放有一定促進作用,貢獻率依次為6.867%、5.933%、2.527%、0.411%。③研究期內物流業CO2排放的脫鉤狀態呈現“未脫鉤—弱脫鉤—未脫鉤—弱脫鉤”的變化趨勢,未出現強脫鉤狀態,脫鉤指數最大值為2012—2013年的0.957。各因素對物流業CO2減排的貢獻程度從大到小依次是能源強度效應>物流發展效應>能源結構效應>人口規模效應,其中能源強度是目前決定物流業CO2排放有效脫鉤的最主要因素,物流效率也有一定貢獻,但能源結構與人口規模的調整對CO2脫鉤有效性的作用有限。

4.2 政策建議

主要政策建議：①調整產業空間布局,構建共享發展模式。物流業低碳發展空間失衡問題的解決關鍵在于強化戰略布局,推動區域物流的協調與合作,實現區域間共同開展供應鏈管理,使產業價值鏈不斷向更高層次延伸。這就需要充分發揮全國性和區域性物流節點城市的輻射拉動作用,按照絲綢之路經濟帶、長江經濟帶、中原經濟區等戰略規劃,加強國際、省際的交流與合作,構建共享互贏的經濟發展模式:東部地區要適應供需關系的發展,提高內外貿的服務意識,加強國際、國內物流的統一運作能力;西部地區要順應絲綢之路經濟帶建設,改善物流基礎條件,打造物流新通道,發揮特色大宗商品優勢與區位優勢,提高資源輸送與產品中轉的服務能力;中部地區要貫穿南北、承東啟西,加快陸港、航空港等物流樞紐的建設,打造合作平臺,提高物流供給能力。②優化能源消費結構,提高能源利用效率。為實現物流業碳排放的有效脫鉤,在降低能源強度、調整能源結構、提高能源效率方面的努力必不可少。首先,合理配置運輸方式,提高鐵路、水路運輸占比,加強規模運輸與統一配送,減少迂回運輸、空返運輸等不合理現象;其次,加強物流基礎設施網絡化的建設,合理規劃運輸體系,建設多式聯運工程,使多種運輸方式能夠高效中轉和順暢銜接;第三,借鑒發達國家經驗,建立合理的綠色物流評估體系,改善能耗檢測水平,加強監管力度,鼓勵低碳運輸方式,促進節能減排;第四,強化大中城市周邊配送中心的建設,加快完善城鄉配送網絡,在商業區、大型社區建設末端網點,形成層級合理、需求匹配的高效物流體系。③深化制度變革,鼓勵創新發展。為實現物流業的碳排放脫鉤,要以供給側改革為支撐點,堅持政府主導和市場運作,同時發揮市場在資源配置中的決定性作用和政府的監管作用,不斷強化企業的市場主體地位,合力推進物流業高能耗、高碳排放問題的改善。第一,按照簡政放權、簡化審批的要求,加快推進物流管理體制創新,完善各層級政策的配套與協調;第二,加快修訂倉儲管理及交通運輸管理方面的法律法規,明確物流作業類別,強化監管的針對性,規范市場秩序;第三,鼓勵物流企業的網絡化經營和跨區域經營,進而提高運作效益、縮小區域之間的差異;第四,通過市場上企業的有序競爭,倒逼技術創新,實現物流業的優勝劣汰,提升物流供給質量。④加速要素升級,提高供給效率。物流業受環境約束、交通壓力等因素的影響,過去的粗放式增長已難以為繼,必須強化創新的核心地位,提高綠色全要素生產率。首先,加強物流新技術的研發與應用,推廣智能交通、快速分揀、精準定位等現代化技術,完善貨品編碼體系和在線調度管理系統,提高物流業的運作水平;其次,加強人才隊伍建設,實現學歷教育與非學歷教育并行,加快培養吃苦耐勞、懂管理、懂技術的復合型人才,不斷提高勞動力的供給質量和供給數量;第三,整合物流信息資源,搭建跨行業、跨區域的綜合信息服務平臺,加強車源、貨源和物流服務等信息的高效匹配,充分利用社會資源,實現碳排放減少與經濟效益增長的雙豐收。

[1]馬越越,王維國.中國物流業碳排放的空間非均衡與極化研究[J].社會科學輯刊,2015,29(1)∶103-110.

[2]歐陽斌,鳳振華,李忠奎,等.交通運輸能耗與碳排放測算評價方法及應用——以江蘇省為例[J].軟科學,2015,(1)∶139-144.

[3]張秀媛,楊新苗,閆琰.城市交通能耗和碳排放統計測算方法研究[J].中國軟科學,2014,(6)∶142-150.

[4]張立國.中國物流業二氧化碳排放變化驅動因素分析[J].中國流通經濟,2016,30(12)∶29-39.

[5]盧升榮,蔣惠園,劉瑤.交通運輸業CO2排放區域差異及影響因素[J].交通運輸系統工程與信息,2017,17(1)∶32-39.

[6]Lin B,Benjamin N I.Influencing Factors on Carbon Emissions in China Transport Industry.A New Evidence from Quantile Regression Analysis[J].Journal of Cleaner Production,2017,150(1)∶175-187.

[7]Fan F,Lei Y.Decomposition Analysis of Energy-related Carbon Emissions from the Transportation Sector in Beijing[J].Transportation Research Part D Transport & Environment,2016,42(1)∶135-145.

[8]曹翠珍,趙國浩.區域物流發展、經濟增長與能源消費——基于中國省際面板數據的實證分析[J].財貿研究,2015,(2)∶44-52.

[9]周銀香.交通業碳排放與行業經濟增長的響應關系——基于“脫鉤”與“復鉤”理論和LMDI分解的實證分析[J].財經論叢,2014,(12)∶9-16.

[10]Menezes E,Maia A G,Carvalho C S D.Effectiveness of Low-carbon Development Strategies：Evaluation of Ppolicy Scenarios for the Urban Transport Sector in a Brazilian Megacity[J].Technological Forecasting & Social Change,2016,114( )∶226-241.

[11]張偉,張金鎖,鄒紹輝,等.基于LMDI的陜西省能源消費碳排放因素分解研究[J].干旱區資源與環境,2013,27(9)∶26-31.

[12]梁雯,秦勝杰,張偉.基于VAR模型的物流業與碳排放動態關系研究——以安徽省為例[J].資源開發與市場,2016,32(9)∶1042-1046.

[13]徐盈之,徐康寧,胡永舜.中國制造業碳排放的驅動因素及脫鉤效應[J].統計研究, 2011,28(7)∶55-61.

[14]Kaya Y.Impact of Carbon Dioxide Emission Control on GNP Growth：Interpretation of Proposed Scenarios[M].Paris：IPCC Energy and Industry Subgroup,Response Strategies Working Group,1990.

[15]Wang W W,Zhang M,Zhou M.Using LMDI Method to Analyze Transport Sector CO2Emissions in China[J].Fuel & Energy Abstracts,2011,36(10)∶5909-5915.

[16]Ang B W.Decomposition Analysis for Policymaking in Energy：Which Is the Preferred Method?[J].Energy Policy,2004,32(9)∶1131-1139.

[17]李創,昝東亮.基于LMDI分解法的我國運輸業碳排放影響因素實證研究[J].資源開發與市場,2016,32(5)∶518-521.

[18]Jiusto S.An Indicator Framework for Assessing US State Carbon Emissions Reduction Efforts(With Baseline Trends from 1990 to 2001)[J].Energy Policy, 2008,36(6)∶2234-2252.

[19]Holt L,Galligan M.Energy Efficiency Policies as Part of Carbon Reduction Efforts：Lessons from the EU for the US[J].Electricity Journal,2013,26(7)∶33-42.

[20]Diakoulaki D,Mandaraka M.Decomposition Analysis for Assessing the Progress in Decoupling Industrial Growth from CO2Emissions in the EU Manufacturing Sector[J].Energy Economics,2007,29(4)∶636-664.

[21]史常亮,郭焱,占鵬,等.中國農業能源消費碳排放驅動因素及脫鉤效應[J].中國科技論壇,2017,(1)∶136-143.

[22]李創,昝東亮.我國物流運輸業碳排放測量及分解模型實證研究[J].資源開發與市場,2015,31(10)∶1197-1199.

[23]宋京妮,吳群琪,孫啟鵬,等.基于SBM-undesirable模型的綜合運輸效率評價[J].交通運輸系統工程與信息,2015,15(5)∶32-38.