碳約束下冷鏈物流效率及其收斂性研究
——以生鮮農產品為例

原雅坤，陳久梅, ，但 斌

（1.重慶工商大學管理科學與工程學院，重慶 400067；2.重慶市特色農產品加工儲運工程技術研究中心，重慶 400067；3.重慶大學經濟與工商管理學院，重慶 400044）

隨著我國經濟的快速發展，人們生活水平逐漸提高，對食品新鮮度也愈加重視，生鮮農產品市場需求急速增長，冷鏈物流因此得到快速發展。《2018年中國冷鏈物流發展報告》數據顯示，2017年我國冷鏈物流需求總量達14 750萬t，較2016年同比增長18%，預計未來5年冷鏈物流需求仍將保持快速增長［1］。但我國冷鏈物流存在專業化水平低、成本高、運作效率偏低等問題，造成大量的資源浪費；此外，為保證生鮮農產品的新鮮度，冷鏈物流在制冷過程中消耗大量能源，因此，隨著生鮮農產品市場的擴大，冷鏈物流必將對環境產生更大的負面影響。而黨的十八大以來，黨中央多次強調生態文明建設，綠色發展成為我國經濟發展的基本理念。由此可見，欲加快生態文明體制改革步伐，在約束碳排放的條件下發展生鮮農產品冷鏈物流是必然趨勢；在碳約束下測算生鮮農產品冷鏈物流效率、判斷其空間收斂性，對判斷當前我國生鮮農產品冷鏈物流行業發展水平，并為生鮮農產品冷鏈物流未來發展指明方向具有重要意義。

1 文獻綜述

近年來有關生鮮農產品冷鏈物流的研究成為熱點，研究成果頗豐，學者們從不同方面對生鮮農產品冷鏈物流展開了研究，如，楊路明等［2］總結了生鮮農產品冷鏈物流斷鏈的成因；Li等［3］針對生鮮農產品冷鏈物流產品質量控制問題設計了基于射頻識別（RFID）技術的質量追溯系統；汪旭暉等［4］針對生鮮農產品冷鏈物流體系建設問題構建了基于物聯網的生鮮農產品冷鏈物流體系，并分析了其運行機理；丁秋雷等［5］針對運輸中的突發性事件構建了生鮮農產品冷鏈物流的干擾管理模型，并設計了改進蟻群算法求解；張文峰等［6］針對生鮮農產品冷鏈物流網絡網點布局和運輸配送問題，提出了以成本最小化為優化目標的非線性混合整數規劃模型，并用量子粒子群算法求解；康凱等［7］針對生鮮農產品冷鏈物流路徑優化問題，構建了考慮碳排放的路徑優化模型，并設計了改進蟻群算法求解。

隨著對生鮮農產品冷鏈物流的深入研究，一些學者嘗試對生鮮農產品冷鏈物流效率進行研究，如，胡瀅［8］從綠色供應鏈角度對我國生鮮農產品冷鏈物流效率進行研究，發現我國生鮮農產品冷鏈物流的運輸損耗率較高；孫健［9］利用兩階段網絡DEA及Tobit模型測算了我國東北地區生鮮農產品冷鏈物流效率及其影響因素，結果顯示效率值最高的行業是乳制品冷鏈物流，效率值最低的是漁類產品冷鏈物流，指出合作意愿對物流效率提升產生顯著影響；張旭［10］利用三階段DEA對廣東省生鮮農產品冷鏈物流效率進行了評價，結果顯示，2012—2015年廣東省生鮮農產品冷鏈物流技術效率逐年上升，但整體水平偏低。當前尚未有相關文獻對碳約束下生鮮農產品冷鏈物流效率進行研究，而在生鮮農產品冷鏈物流運作過程中，制冷需求不僅消耗大量能源也排放大量的CO2，加速全球變暖進程，因此，有必要在約束碳排放的條件下對生鮮農產品冷鏈物流效率加以研究。

通過以上分析可知，關于生鮮農產品冷鏈物流的研究雖取得豐富成果，但仍存在以下不足：其一，國內外學者主要以斷鏈、產品質量追溯、物流體系構建等作為切入點，對生鮮農產品冷鏈物流系統展開研究，但對生鮮農產品冷鏈物流效率的研究較少；其二，罕有文獻在碳約束下對生鮮農產品冷鏈物流效率進行研究，文獻［5］在考慮碳排放的基礎上針對生鮮農產品冷鏈物流路徑優化問題進行研究，并未探究生鮮農產品冷鏈物流效率，而文獻［8］至文獻［10］僅對生鮮農產品冷鏈物流效率進行研究，三者均未在約束碳排放情況下對生鮮農產品冷鏈物流進行研究；其三，現有文獻對生鮮農產品冷鏈物流效率省際差異收斂性的深入分析有所欠缺，文獻［9］在分析我國東北地區生鮮農產品物流效率的基礎上對影響效率的因素進行了分析，并未對東北地區生鮮農產品物流效率省際差異的收斂性進行探索。因此，本文在已有文獻基礎上，采用三階段數據包絡分析（DEA）方法，對碳約束下長江經濟帶11個省市生鮮農產品冷鏈物流效率進行測算，同時利用σ收斂和β收斂對其省際差異的空間收斂性進行分析，最后根據實證結果對長江經濟帶生鮮農產品冷鏈物流發展提出政策建議。

2 研究方法與數據來源

2.1 三階段DEA模型

三階段DEA是Fried等［11］于2002年提出的一種計算決策單元效率方法。其基本思路為：第一階段，利用傳統DEA模型求得各決策變量的效率值與投入差額值；第二階段，利用隨機前沿分析模型（SFA）調整各決策單元的投入量，以排除環境和誤差因素對效率值的影響；第三階段，采用調整后的投入量與初始產出量，再次利用DEA模型，得出剔除環境因素與隨機誤差影響的純管理效率值。

2.2 收斂性分析模型

本研究為了進一步考察長江經濟帶生鮮農產品冷鏈物流省際差異的演變趨勢，參考文獻［12］，從σ收斂和β收斂兩個層面對其加以檢驗。其中，σ收斂是基于樣本研究期末效率水平的描述，β收斂則是針對樣本觀察期內效率增量而言。

（1）σ收斂。σ收斂是指不同地區生鮮農產品冷鏈物流效率差距隨時間變化呈現下降態勢。本文參考文獻［13］采用標準差衡量σ收斂，計算公式如下：

式（1）中：σt為t年時樣本區域農產品冷鏈物流綜合技術效率的標準差；TEi,t為i地區t年生鮮農產品冷鏈物流的綜合技術效率。若σt值隨著年份t增大而減小，則表明該區域內具有σ收斂。

（2）β收斂。β收斂可分為絕對β收斂和條件β收斂。其中，絕對β收斂是指在不考慮外在影響因素的條件下，各地區生鮮農產品冷鏈物流效率的增長速度與其初始效率水平呈負相關。本文基于三階段DEA得出的數據，參考文獻［13］構建絕對β收斂模型為：

式（2）中：t和T分別為樣本研究期初和期末；α、β、ε分別為常數項、收斂系數和隨機誤差項；其他參數含義同上。若β顯著大于1，則表明該樣本區域內生鮮農產品冷鏈物流效率發展處于收斂狀態；反之，則處于發散狀態。

條件β收斂是指在考慮外在影響因素的條件下，生鮮農產品冷鏈物流效率較低地區與效率較高地區之間存在趕超趨勢，并隨著時間推移逐步趨于穩定。參考文獻［14］構建條件β收斂模型為：

2.3 指標選取與數據來源

三階段DEA評價指標由投入變量、產出變量和外部環境變量構成。根據柯布-道格拉斯生產函數的思想，生產過程中的投入主要包括勞動投入、資本投入和技術水平，由于技術水平難以量化，因此本文在選取投入變量時主要考慮勞動和資本的投入。綜合分析已有文獻并結合本文研究內容，碳約束下生鮮農產品冷鏈物流效率評價指標選取情況如表1所示。以長江經濟帶11省市2012—2017年的數據為樣本分析生鮮農產品冷鏈物流效率，基礎數據來源于《中國統計年鑒》《中國人口和就業統計年鑒》《中國能源統計年鑒》以及各省市歷年統計年鑒以及國家統計局網站，并進行必要整理與計算。

（1）投入變量。

1）冷鏈物流作為一個高耗能行業，能源費用在資本投入中占據很大比例，所以在已有文獻中能源消耗量是反映資本投入的重要指標，但是，在計算考慮碳約束下生鮮農產品冷鏈物流效率時，能源消耗量與碳排放量存在線性關系，此外，碳排放量作為衡量物流運作中污染物排放的指標，社會希望它盡可能少，符合DEA選取投入指標的標準，因此，參考文獻［15］采用碳排放量作為反映能源方面資本投入的指標。

2）在農產品冷鏈物流中，不僅從業人員數是反映勞動力投入的主要因素，勞動力質量也是影響生鮮農產品冷鏈物流順暢運轉的關鍵因素，因此本文選取人力資本作為勞動投入指標。為了更準確地表征生鮮農產品冷鏈物流中固定資產投入量，參考文獻［16］選取固定資產投資存量作為反映資本投入指標。

3）鑒于在現有統計標準下無法獲取物流業的具體數據，參考國內其他學者研究中的做法，選用交通運輸、倉儲及郵政業有關數據來界定物流業［16］。由于本文研究生鮮農產品冷鏈物流效率，考慮到數據準確性，對投入變量分別乘以生鮮冷鏈產品貨運量占總貨運量的比值，以此表示生鮮農產品冷鏈物流運作中實際勞動與資本投入。

（2）產出變量。由于缺少生鮮農產品冷鏈物流的相關數據，本文結合《中國冷鏈物流發展報告》中對農產品冷鏈產品的統計標準，將各地區肉類、禽蛋、水產品、蔬菜、水果、牛奶、茶葉產量之和作為冷鏈生鮮農產品貨運量［1］，從而更加準確反映農產品冷鏈物流系統的實際產出。

（3）外部環境變量。外部環境變量應選取對生鮮農產品冷鏈物流效率產生影響但又不在樣本可控范圍內的因素，例如地區發展水平、政府對交通運輸的支持力度等。一個地區經濟發展水平對該地區農產品冷鏈物流業發展有著較為顯著的影響，地區生產總值（GDP）作為反映地區經濟發展的重要指標，在選取外部環境變量時應優先考慮。此外，政府對交通運輸的大力支持也是農產品冷鏈物流快速發展的原因之一，本文選擇地方財政交通運輸支出占地方財政一般預算支出的比例來衡量政府對交通運輸的支持力度。

表1 生鮮農產品冷鏈物流效率評價指標選取

3 實證分析

在進行實證分析時，首先，需要對數據的同向性進行檢驗，驗證指標選取是否符合使用DEA模型測度效率的前提條件；其次，利用三階段DEA模型對長江經濟帶生鮮農產品冷鏈物流效率進行計算；最后，利用σ收斂、β收斂模型對長江經濟帶生鮮農產品冷鏈物流效率省際差異的收斂性進行檢驗。

3.1 同向性檢驗

使用DEA測度效率時，投入與產出必須滿足同向性要求，即投入增加必然導致產出增加。本文選用皮爾遜相關系數對變量的同向性進行檢驗［17］。利用SPSS 20.0軟件分析變量相關系數，結果見表2，可知每年各投入變量與產出變量均在10%顯著性水平下呈正相關關系，投入與產出變量滿足同向性要求。其中，2014年X3與Y的皮爾遜相關系數為0.390，為弱相關；2015年和2016年X3與Y的皮爾遜相關系數在0.4～0.6之間，為中等強度相關；其他投入變量與Y的皮爾遜相關系數均大于0.6，為強相關。因此，可以推斷根據本文收集的數據具有同向性，滿足使用DEA模型測度效率的前提條件。

表2 長江經濟帶生鮮農產品冷鏈物流系統中投入產出變量的皮爾遜相關系數

3.2 三階段DEA處理結果

3.2.1 第一階段BCC模型實證結果

運用DEAP 2.1軟件計算長江經濟帶11個省市生鮮農產品冷鏈物流效率，結果包括綜合技術效率（TE）、純技術效率（PTE）和規模效率（SE）。以年為單位，對長江經濟帶11省市生鮮農產品物流效率求平均值，結果詳見圖1所示。

由圖1可知，在不考慮隨機誤差以及外部環境影響情況下，長江經濟帶生鮮農產品冷鏈物流綜合技術效率平均值在0.353～0.474之間，整體偏低，純技術效率平均值呈波動下降趨勢，規模效率平均值隨時間呈波動增長趨勢，其中2017年相較于2012年，綜合技術效率與規模效率分別提高了0.040、0.107，而純技術效率降低0.027，表明起綜合技術效率平均值提高的主要原因是規模技術效率提高。此外，連續6年規模效率平均值均小于純技術效率平均值，這表明雖然近幾年規模效率逐步提高，但規模效率較低仍是制約綜合技術效率提高的主要原因。

圖1 長江經濟帶生鮮農產品冷鏈物流效率平均值

3.2.2 第二階段SFA回歸結果

以第一階段中得到的投入變量松弛量為因變量，以地區生產總值（Z1）、政府支持力度（Z2）兩個外部環境變量為自變量，運用Frontier4.1軟件進行SFA模型分析，結果見表3所示。

由表3可知，盡管存在環境變量與個別投入變量回歸系數不顯著的情況，但從LR檢驗值可知，除2017年的X3松弛量外，其他投入變量松弛量均通過了10%顯著性水平下的似然比檢驗，說明環境變量對投入變量冗余存在顯著性影響；γ值均高于0.9，并達到1%的顯著性水平，說明管理因素對各投入變量冗余的影響占主導地位，隨機因素次之。因此，僅僅使用DEA模型計算農產品冷鏈物流效率存在偏差，有必要利用SFA模型分離外部環境因素與隨機因素對效率造成的影響。首先，從Z1的回歸系數來看，若回歸系數小于0，則表示地區發展水平越高越有利于降低投入變量冗余，提高生鮮農產品冷鏈物流效率；反之，表示地區發展水平的提高反而增大投入變量冗余量，降低生鮮農產品冷鏈物流效率。由表3可知，地區生產總值與3種投入變量的系數偏小且顯著性較差，但總體來看與投入變量松弛量呈負相關關系，即地區經濟發展水平越高越有利于降低資源浪費，提高生鮮農產品冷鏈物流效率。其次，從Z2的系數來看，該變量與3種投入變量松弛量系數均為負，這表明政府支持力度的加大會導致投入變量冗余減少，有利于實現生鮮農產品冷鏈物流行業的規模效率；政府對交通運輸業支持力度較大的地區，整個物流行業發展更好，更有利于生鮮農產品冷鏈物流的長足發展。

表3 長江經濟帶生鮮農產品冷鏈物流效率測算第二階段SFA回歸結果

3.2.3 第三階段BCC模型實證結果

根據式（1）對投入變量進行調整，再次使用DEAP 2.1軟件，以調整后的投入變量和原產出變量為依據測算農產品冷鏈物流效率，計算結果見表4所示。

由表4可知，去除外部環境及隨機因素影響后，對比各省市的3項效率值可以發現省際生鮮農產品冷鏈物流效率差異較大：2012年綜合技術效率最大與最小值之間的差距為0.818。其中，安徽3項效率值均為1.000，達到強DEA有效，處于技術效率前沿面；上海雖純技術效率為1.000，但規模效率偏低致使其綜合技術效率僅為0.165，在11個省市中效率值最小，這是由于上海市生鮮農產品主要依靠周邊省份輸送，使用生鮮農產品產量作為貨運量導致生鮮農產品冷鏈物流的實際貨運量被低估，因此上海市規模效率較低。隨后幾年，省際生鮮農產品冷鏈物流綜合技術效率最大與最小值之間的差距波動不大，均在0.846左右徘徊。雖然長江經濟帶各省市綜合技術效率極差并趨于穩定，但除安徽外其他省市的綜合技術效率均在逐年變化，所以2012年以來長江經濟帶11個省市的農產品冷鏈物流效率差異是否存在收斂有待進一步驗證。在樣本觀察期內，長江經濟帶生鮮農產品冷鏈物流的綜合效率均值為0.461，純技術效率均值為0.745，規模效率均值為0.621。由此可見，造成長江經濟帶生鮮農產品冷鏈物流綜合效率偏低的主要原因是規模效率偏低，這與文獻［18］中長江經濟帶整體物流業3項效率值間的關系相一致。

表4 長江經濟帶11省市生鮮農產品冷鏈物流效率

為進一步對比分析投入變量調整前后長江經濟帶生鮮農產品冷鏈物流效率的變化情況，以年為單位分別計算調整前后長江經濟帶11個省市的效率平均值，繪制對比圖如圖2所示。

由圖2可知，剔除外部環境和隨機誤差因素的影響后，長江經濟帶各年份生鮮農產品冷鏈物流效率平均值有明顯變化，總體來看，2012—2016年調整后的綜合技術效率均有所提升：2012年綜合技術效率提升幅度最小，為3.69%；2014年綜合技術效率提升幅度最大，為37.68%；而2017年綜合技術效率調整后相比調整前下降了7.88%。調整后純技術效率在2014年有所上升，其他年份均相較調整前有所下降，每年平均降低5.18%。自2012—2017年，調整后的規模效率與調整前相比均有所進步：2014年規模效率相比調整前增加0.107，提升幅度達20.66%，增幅最大；而2017年規模效率相比調整前增加0.035，提升幅度為5.20%，增幅最小。由此可見，調整后綜合技術效率的提升主要是因為規模效率的提升，這表明外部環境與隨機誤差因素制約了純技術效率提升，卻對規模效率提升具有積極作用。

圖2 長江經濟帶生鮮農產品冷鏈物流效率平均值調整前后對比

3.3 收斂性分析

3.3.1 長江經濟帶生鮮農產品冷鏈物流效率的σ收斂性分析

本文采用標準差作為σ收斂的檢驗方法，對長江經濟帶整體及其上中下游各省市農產品冷鏈物流綜合技術效率差異的收斂性進行評判，結果見圖3所示。

由圖3可知，雖然在2014、2016年整體物流效率的σ值相較于前一年出現上升，但沒有改變長江經濟帶各省市生鮮農產品冷鏈物流效率σ值在樣本期內的下降趨勢，即各省市間生鮮農產品冷鏈物流效率差異呈收斂狀態。在此，將長江經濟帶分為上游、中游、下游3個區域，進一步分析引起σ值波動上升的具體區域。參考文獻［19］，上游地區界定為云南、貴州、四川和重慶；中游地區界定為湖北、湖南、江西和安徽；下游地區界定為江蘇、浙江和上海。在2012—2016年間，上游地區的σ值逐年增加，從0.101上升到0.213，這說明上游地區各省市效率差異在這期間呈發散狀態；到了2017年，上游地區的σ值下降為0.085，這表明隨著省際貿易往來的加深，長江上游4個省市的生鮮農產品冷鏈物流發展相互影響，效率差異開始減小。而中游地區，各省間生鮮農產品冷鏈物流效率σ值從0.292下降至0.276，在樣本觀測期內呈現收斂趨勢，這說明中，4省生鮮農產品冷鏈物流發展呈現均衡發展態勢，省際差異逐步縮小。下游地區σ值升降趨勢同長江經濟帶整體一致。由此可以推斷，中游及下游地區是引起長江經濟帶整體生鮮農產品冷鏈物流效率收斂的主要地區。

圖3 長江經濟帶生鮮農產品冷鏈物流效率各年份σ值

3.3.2 長江經濟帶生鮮農產品冷鏈物流效率的β收斂性分析

σ收斂性分析僅從當前效率分析了長江經濟帶各區域效率差異的收斂性，為進一步分析省域效率差異的演進趨勢，需要采用β收斂進行檢驗。從2012—2017年，長江經濟帶生鮮農產品冷鏈物流效率的絕對β收斂結果如表5所示。

由表5可知：從長江經濟帶整體層面上來看，β收斂系數顯著小于1，具有明顯絕對β收斂特征，即農產品冷鏈物流效率水平相對較低的地區加快趕超效率水平相對較高的地區；從三大區域來看，中游與下游地區β收斂系數在5%的顯著性水平下小于1，具有明顯絕對β收斂特征，而上游地區雖顯著性較差，但β收斂系數仍遠小于1，這表明長江經濟帶上游地區農產品冷鏈物流效率的省際差異無明顯擴大或縮小，因此，在不考慮外在因素條件下，中游及下游地區呈絕對β收斂，是引起長江經濟帶整體呈β收斂的主要原因。

表5 2012—2017年長江經濟帶生鮮農產品冷鏈物流效率絕對β收斂結果

參考已有文獻，本文引入產業結構（Industry）、物流專業化水平（Specialization）作為控制變量，檢驗長江經濟帶生鮮農產品冷鏈物流效率的條件β收斂特征。其中，產業結構采用第三產業占GDP的比重來衡量，通常來說產業結構優化升級可以加快物流業生產要素集聚，進而導致農產品冷鏈物流效率的提升；物流專業化水平以物流業產值占GDP的比重來衡量，物流專業化水平的提高可以降低農產品冷鏈物流的運作成本，促進效率提升。2012—2017年長江經濟帶整體和上中下游3個區域生鮮農產品冷鏈物流效率的條件β收斂結果如表6所示。

由表6可知，無論從長江經濟帶整體角度還是三大區域角度來看，條件β收斂系數值均小于0，并通過了1%顯著性水平檢驗，這表明，長江經濟帶生鮮農產品冷鏈物流效率的省際差異呈現顯著條件β收斂特征，即長江經濟帶11個省市生鮮農產品冷鏈物流效率差異正在縮小，并逐步趨于穩態；通過比較β收斂系數的絕對值可以發現，長江經濟帶中游及下游地區省際差異縮小速度明顯快于上游地區，其中收斂速度最快的是下游地區，其次是中游地區。在未來短期內，長江經濟帶生鮮農產品冷鏈物流效率省際差異仍將明顯存在。此外，各控制變量在整體和各大區域的實證結果不完全相同。其中，產業結構系數在整體及中游地區存在顯著正相關關系，這說明調整產業結構對縮小長江經濟帶整體及中游4省生鮮農產品冷鏈物流效率差異有明顯促進作用；物流專業化水平系數在下游地區顯著為負，而在上游及中游地區沒有通過顯著性檢驗，這說明提高物流專業化程度對縮小整體及上中游地區生鮮農產品冷鏈物流效率省際差異無顯著促進作用，但顯著促進下游地區省際效率的收斂。

表6 2012—2017年長江經濟帶生鮮農產品冷鏈物流效率條件β收斂結果

表6（續）

4 結論與建議

本文運用三階段DEA模型測算了碳約束下長江經濟帶生鮮農產品冷鏈物流效率，并利用σ收斂及β收斂模型對其省際差異的收斂性進行分析。主要結論有：其一，長江經濟帶生鮮農產品冷鏈物流效率整體偏低，規模效率較低是制約綜合技術效率提升的主要原因。其二，碳約束下長江經濟帶生鮮農產品冷鏈物流效率逐年提升，規模效率提升是導致綜合技術效率提高的主要因素。其三，σ收斂模型測算結果表明，樣本期內長江經濟帶生鮮農產品冷鏈物流省際差異處于收斂狀態，引起省際差異逐漸縮小的主要原因是中游及下游地區生鮮農產品冷鏈物流發展水平省際差異逐漸縮小。其四，β收斂模型的測算結果顯示，樣本期內長江經濟帶生鮮農產品冷鏈物流省際差異處于收斂狀態：絕對β收斂模型結果顯示引起收斂的主要區域是長江經濟帶上游及中游地區；條件β收斂模型結果顯示，無論是長江經濟帶整體還是三大區域均呈現顯著的條件β收斂特征，產業結構調整對縮小長江經濟帶生鮮農產品冷鏈物流效率差異有明顯促進作用。

結合以上研究結論，本文提出以下幾點建議：

第一，加強低碳冷鏈物流基礎設施建設，促進低碳冷鏈物流健康穩步發展。加強國際合作，學習發達國家先進的碳排放控制技術，引進節能設施設備，做到生鮮農產品冷鏈物流運作中低耗能、低排碳、低污染；同時大力開發風能、水能、潮汐能、太陽能等清潔能源的收集與儲存技術，增加清潔能源在冷鏈物流能源消耗中的比重。除此之外，冷鏈物流企業應加強員工的環保教育，提高員工的低碳環保意識，全民推進低碳冷鏈物流的健康穩步發展。

第二，提升信息技術的應用水平，增強冷鏈物流各環節的協調性。大力扶持龍頭企業研發符合農產品冷鏈物流運作方式的信息管理系統；鼓勵農產品冷鏈物流企業積極引進現代化信息技術，加強各環節的互聯互通，縮短信息處理時間，增強農產品冷鏈物流運作中的組織協調性，降低斷鏈風險；并給予農產品冷鏈物流企業財政補貼、減少稅收等優惠政策，降低冷鏈物流運作成本，提高農產品冷鏈物流規模效率。

第三，長江經濟帶各地區應加大對外開放程度，加快區域經濟發展。通過條件β收斂模型結果可以看出，加大對外開放程度有利于縮小長江經濟帶上游及中游地區生鮮農產品冷鏈物流效率省際差異，因此這些地區應根據市場需求積極合理利用外資，加速當地經濟發展，縮小農產品冷鏈物流效率差異，形成長江經濟帶上中下游生鮮農產品冷鏈物流效率協調發展的良好局面。