雙碳視域下碳排放試點省市物流產業績效評估研究

張赫 龔振庭

(湛江幼兒師范專科學校 廣東湛江 524000)

物流業是維系社會經濟發展的重要產業，隨著綠色物流概念的提出，物流業在新的發展階段被賦予了新的任務。2021年10月24日國務院發布的《2030年前碳達峰行動方案》提出，交通運輸行業要持續推進綠色交通基礎設施建設，不斷優化調整交通運輸結構，取得節能減排積極成效，加快形成綠色低碳運輸方式。

這預示著，在有效控制碳排放的前提下，繼續發揮物流業對社會經濟發展的基礎性、核心性、支撐性作用是國家發展戰略的重中之重。因此，對6個國家設立的碳交易試點省市的投入與產出數據進行分析、評價，對今后我國綠色物流業的發展和綠色物流政策的制定與開展有著積極的現實和指導意義。

物流產業績效作為度量物流產業發展程度的核心指標，現有的研究已對其進行了廣泛分析。

從影響因素的角度出發，有學者分別分析了規模、融資和能源因素變動給物流產業產出帶來的影響(鐘群英和朱順東，2019；周磊和安燁，2019；苑清敏等，2016)[1-3]；陶婷婷(2017)[4]和周燁(2018)[5]將產業集聚、經濟密度等作為影響因素納入研究當中；N.A. Hong、DI Xu(2015)[6]以物流公司的運營效率為主要變動因素，討論其與物流產業發展的相關關系；方曦(2012)[7]選取成本、客戶、效率和技術構建環保因素，在研究影響因素與物流產業發展的領域中引入了綠色思路。

從空間尺度的角度來看，文獻研究了國家、區域及企業以空間為代表因素對物流效率的影響(Srisawat等，2017、Weijie Zheng等，2020和Hokey Min Seong Jone JOO，2006)[8-10]。

從研究方法角度看，Min-Chun Yu(2016)[11]采用灰色預測方法，研究了物流企業在外部環境因素的影響下如何優化企業發展；王東方等(2018)[12]通過改進熵權法修正了引力模型并測算節點城市間的物流聯系強度，測算城市物流業發展水平；楊傳明等(2021)[13]通過構建DEA-Malmquis模型導入時間因素，對區域物流產業產出進行了進一步的動態分析；龍開平等(2013)[14]采用經濟學博弈論判斷表法統計各指標的權重，選擇適合其物流系統的評價指標體系對物流企業進行評估；賈晉(2021)[15]采用層次分析法對物流企業的績效體系提出了重構建議；代劍環等(2017)[16]，采用AHP-熵值法模型為指標賦予綜合權重，實現對物流企業績效水平的評估。

由此可見，在研究物流產業效率的領域已經有了一定的成果積累。本文在此基礎上，將DEA-BCC指數和DEAMalmquist指數相結合，對物流產業績效進行研究。相較其他有效的研究方法，其有著以下優點：首先，它可以避免先驗條件的假設；其次，它不需要所有的變量都采用相同的測量單位，并且可以清楚地識別基準技術；再次，DEA-BCC方法只能捕獲靜態的才物流產業績效，結合DEA-Malmquist指數可以從靜態和動態兩個角度衡量績效；最后，DEAMalmquist指數可以進一步分解成技術效率變動指數和技術進步指數，可以識別績效變化的因素[17]。

1 模型建立與指標設定

1.1 模型建立

本文通過DEA-BCC模型對碳試點省市的績效進行比較靜態分析，再進一步地基于 DEA-Malmquist 指數分析方法對碳試點省市進行動態評價，對其全要素生產率及其解析結構的實際狀況從多方面進行分析。

1.1.1 D EA-BCC模型

數據包絡法(Data Envelopment Analysis，DEA)效率評估采用線性規劃技術進行非參數分析，引入多個指標在多投入、多產出的模型中對若干各決策單元(DMU)進行效率度量。BCC模型是數據包絡分析法中的經典模型，它的基本前提是假定規模報酬可變，將技術效率分為純技術效率和規模效率。規模報酬可變(VRS)模式下的DEA分析是對規模報酬不變模式下線性規劃問題(CCR)的改進，也就是在CCR模式的基礎上增加凸面條件 ' 1λ∏ = ，從而得到：

假設決策單元(DMU)的總數量為 n，每個決策單元 DMUj的投入數量用m表示，產出數量用q表示，即Xj= ( X1j,X2j…, Xmj)、Yj= ( Ylj,Y2j, …, Yqj)， 則可得到具體模型的表達公式如下：

式(2)中：θ為DMU的效率值，0≤θ≤1，當θ=1時，則表示決策單元與有效前沿面無偏離，即 DMUj處于 DEA 有效狀態，表明地級市政府公共服務投入與產出狀況良好；反之，則表示決策單元與有效前沿面存在一定程度的偏離，即 DMUj處于DEA無效狀態，表明碳交易試點省市投入與產出可能存在一定的冗余或不足，兩者的關系還未達到最優狀態。

1.1.2 Malmquist指數模型

Malmquist指數模型能夠從動態視角出發，計算面板數據全要素生產率的變動情況。該模型是基于兩個不同時期距離函數的比值，將不同時期分別設定為t和t+1，指數模型具體如下所示：

此外，全要素生產率(TFPCH)可以分解為綜合技術效率指數(EFFCH)和技術進步指數(TECHCH)，即TFPCH=EFFCH*TECHCH；綜合技術效率指數(EFFCH)又可以分解為生產技術的運用水平(PECH)和生產規模的效用水平(SECH)，即EFFCH=PECH*SECH。該式中，0M為碳交易試點省市物流全要素生產率，Effch為綜合技術效率指數，Techch為技術進步指數。其中，純技術效率指數Pech和規模效率指數Sech表示生產技術的運用水平和生產規模的效用水平，且兩者在變動的過程中共同影響著綜合技術效率指數。當 0M =1時，表明t到t+1時期碳交易試點省市物流全要素生產水平沒有變化；當 0M ＞1時，表明t到t+1時期碳交易試點省市物流全要素生產水平有所提高；當M0＜1時，表明t到t+1時期碳交易試點省市物流全要素生產水平有所下降。

1.2 指標設定

投入與產出是衡量產業經濟發展效率的重要指標，其通過兩者之間的數據對比來觀察產業經濟的發展動態，判定產業經濟發展效率的狀態。在物流產業中，投入與產出不僅能對當前物流產業的發展狀態起到描述和解釋作用，還對今后的發展方向具有很好的指導意義。

近年來，物流產業在我國得到了長足發展，與社會各方面的交互也逐漸增強，但其帶來的外部經濟也成為不可忽視的問題，尤其是對環境的負面影響。碳排放成交量作為子投入指標，可以在新形勢下對物流產業發展進行測度，能夠對優化物流產業結構、加快物流資源整合、促進物流產業適應社會發展需求、加快綠色物流新目標的實現起到堅實的支撐作用。

地方財政支出和產業發展有著密不可分的關系，前者作為基礎和中堅投入，為產業的發展起到了不可替代的賦能作用。地方財政對交通運輸的支出可以影響到物流基礎設施的建設，物流管理水平的提升、物流體系的構建。基于所述支出對物流產業強力的滲透能力，本文選取地方財政對交通運輸的支出作為投入指標，可以全方位地為反映物流產業各要素的發展狀況起到數據支持作用。

物流從業人員作為構建物流產業的基本要素，其基數水平和變動率可以在不同層次上和部門間多角度地解釋物流產業的發展程度。物流行業和交通運輸行業有著強烈的交互性，物流活動的產出需要有交通運輸的支持才能得以實現。

貨運量作為交通運輸方面的重要指標，可以有效反映交通運輸業的綜合運力，設施設備和管理方法的技術水平及運輸規模等方面的狀況，進而等價于貨運量指標對物流產業發展現狀及發展趨勢具有判定和評價能力。

產出是投入效能最直接的表現形式，物流產業產出增加值能夠直觀地反映產出相對投入的彈性，有助于判斷在不同時段物流行業投入對行業發展的正負效應及對行業發展的貢獻程度，進而對產業結構、產業發展戰略做出評價。

本文的研究數據分別來源于W i n d金融數據庫、CSMAR、國家統計局，考慮到各指標間綱量上的差異和通脹帶來的影響，本文對其做了平減處理，具體如表1所示。

表1 投入與產出

1.3 決策單元的選取

目前中國已有9個區域碳交易市場，每個碳市場建立時期不同，市場活躍度和流動性也有所差異。

福建碳市場與四川碳市場作為全國非試點地區碳市場，建立時間較晚，很難與其他碳市場保持數據的一致性。

早期碳試點之一的深圳碳試點，其配額產品與其他地區碳試點間有很大差異，規定碳配額的實施期限為一個自然年，每年履約期都有相應的碳配額產品，每年碳配額產品結算價格也各不相同。

因此，本文選擇重慶、天津、湖北、北京、上海和廣東6個具有代表性的碳市場作為研究對象，這些碳市場不但是中國啟動較早的區域碳試點，而且碳配額成交量位居全國前列[18]。

2 實證分析

2.1 DEA—BBC模型

本文利用DEA-BBC模型對6個碳交易試點省市的決策單元進行比較靜態分析，突出在規模可變的條件下物流產業的效率狀況。其結果包括了規模不變效率(CRS)、規模可變效率(VRS)和規模效率(SE)，具體如表2所示。

表2 碳交易試點城市2015—2020年物流效率均值

由表2可以看出，2015—2020年重慶、天津、湖北和北京4個省市的物流效率達到了有效(測評值為1)，說明在這些年中提及的省市對現有投入做了充分利用，物流人員的配比也達到了均衡狀態，資源配置合理。上海和廣東兩省市物流效率顯示為無效(測評值小于1)，且規模效率值分別為0.876和0.808，可知上海和廣東物流效率無效的原因，一方面來自對物流各要素的投入不足；另一方面歸因于物流資源沒有得到充分利用，存在資源配置不合理的問題。

2.2 Malmquist指數模型

Malmquist指數模型隸屬于動態分析法，考察在時間因素影響下物流產業發展效率的變化，彌補了DEA-BBC模型無法描述連續狀態下效率變動軌跡的不足。Malmquist指數可以分為技術效率變動(EFFCH)和技術進步(TECHCH)兩個部分，如表3所示。

由表3可以看出，6個碳交易試點省市在2015—2020年的全要素生產率指數均在1之下，說明試點省市物流系統中各要素的綜合生產率并沒有得到有效發揮。細分來看不難發現，北京、上海、湖北、重慶和天津5個碳交易試點省市的技術效率值都≥1，說明在現有的技術水平下，各種投入要素之間的協調性已經得到了充分釋放；反觀5個省市的技術進步指數都小于1，可知物流產業方面的技術瓶頸是制約全要素生產率提高的直接因素。再看廣東省的數據發現，其無論是技術效率指數還是技術進步指數均小于1，說明廣東無論是在現有的物流技術使用上還是在物流技術研發上，都存在不足。

試點省市 e f f c h t e c h c h p e c h s e c h t f p c h北京 1.0 0 0 0.9 7 4 1.0 0 0 1.0 0 0 0.9 7 4 上海 1.0 2 7 0.9 3 4 1.0 0 0 1.0 2 7 0.9 5 9 湖北 1.0 0 0 0.9 4 8 1.0 0 0 1.0 0 0 0.9 4 8 廣東 0.9 6 6 0.9 3 5 1.0 0 0 0.9 6 6 0.9 0 3 重慶 1.0 0 0 0.8 8 0 1.0 0 0 1.0 0 0 0.8 8 0 天津 1.0 0 0 0.8 4 1 1.0 0 0 1.0 0 0 0.8 4 1

3 結語

3.1 結論

本文以在新時期下碳排放對物流行業的影響，以碳權交易量為新投入要素，采用DEA-BCC模型和DEAMalmquist指數分析方法對北京、上海、湖北、廣東、重慶、天津6個碳交易試點省市分別進行了靜態和動態分析，得出分析結果：

第一，上海與廣東物流產業規模效率有待提高。從DEA-BCC模型分析結果來看，上海與廣東兩省市物流規模效率值均低于1，說明其物流產業各要素無論是在資源投入方面還是在使用方面，都出現了配比上的不平衡，資源利用沒有達到最優狀態，兩省市在發展規模的過程中，存在物流資源冗余的問題。

第二，碳交易試點省市在物流產業科技發展水平較低。從Malmquist指數中可以看出，6個碳交易試點省市的物流全要素生產率均低于1，其關鍵原因在于科技進步指數偏低，說明物流產業方面的科技創新沒有在試點省市得到足夠重視，制約了物流生產效率的提高。此外，廣東省技術效率值也小于1，說明其現有的物流技術沒有讓物流產業的效率達到最優，存在不足。

3.2 對策

基于上述分析，助力碳排放約束下碳交易試點省市的物流產業發展，本文提出以下幾點建議：

(1)提升上海、廣東兩省市政府部門科學管理的水平，制定切實可行的促進兩省市物流資源整合優化的財政、稅收支持政策，創新物流資源整合的途徑與實現形式。推動交通運輸與倉儲、低碳、新能源等行業的戰略聯合，在現有體制的框架下，推進各種資源的優化組合。積極推進傳統物流企業的改造升級，推動數字化賦能物流產業，促進兩省市物流向高效化、專業化發展。優化兩省市產業結構，通過外引內聯聚集發展，加速產業結構合理化，增強經濟對物流發展的內在驅動。

(2)應對6個碳試點省市科技創新水平不足，一方面，應將物流科技革新作為物流發展的重中之重，制定有利于科學研究的相關政策，加強物流科研人才的培養力度，營造良好的物流科研環境；另一方面，在科技水平尚未提升的情況下，控制投入要素的數量，各試點應結合自身的物流產業實際情況，科學發展、合理投入，從而提高效率。

(3)目前，廣東省現有的物流技術并未得到充分利用，說明管理方面存在著一定的問題，廣東省物流行業管理水平亟須提升。對此，可進一步優化物流行業的管理制度，規范物流行業的業務操作；重視培訓物流從業人員，提高物流從業人員的專業能力與素養；強化對物流市場監管的執行力度，改善物流行業的市場環境。