我國鐵路貨運效率與綠色物流發展耦合協調研究

葉善椿，何景師，肖 斌

(東莞職業技術學院 商貿學院，廣東 東莞 523808)

0 引言

隨著我國交通強國建設的推進，交通基礎設施互聯互通水平不斷提升，鐵路基礎設施建設也得到了不斷加強。2022 年我國鐵路營業里程達到15.5 萬km，鐵路貨運量達到49.3 億t，鐵路貨物運輸能力不斷提升。在此背景下，鐵路貨運堅持綠色高效的發展方式，實現與綠色物流的耦合共生、協調發展，將有助于促進我國鐵路運輸的高質量發展。

目前，學者圍繞鐵路運輸效率開展了大量的研究，徐吉霖[1]用傳統DEA模型評價了我國鐵路貨物運輸效率；楊佳佳[2]運用DEA-Malmquist 指數測度了1998—2017 年我國鐵路運輸業的客貨運輸效率；田強等[3]采用BCC-DEA 模型綜合測度了我國31 個省(市、自治區)的鐵路運輸效率；劉斌全等[4]運用SBM-Malmquist 指數測算了2005—2013 年我國18個鐵路局的鐵路運輸效率；李雪晗[5]運用傳統DEA和Malmquist指數法分析了2015—2017年我國44家高速鐵路公司的運營效率。關于綠色物流方面的研究，楊海濤[6]提出了天津市綠色物流體系建設方案；劉戰豫等[7]指出了我國綠色物流發展面臨政策法規不健全、基礎設施薄弱等問題；朱芳陽等[8]測度我國產業結構升級、技術創新與綠色物流的關系；何景師等[9]評價了我國沿海三個灣區城市群的綠色物流全要素生產率；刑曉夢[10]運用灰色關聯度評價了大連市綠色物流發展水平；張鵬等[11]運用層次分析法分析了快遞行業綠色物流發展水平。綜上，目前相關研究多是從全國或各鐵路局集團公司的角度評價鐵路運輸效率，且大部分是對客運和貨運的綜合評價，從省域角度評價鐵路貨運效率較少，評價方法上較多采用的是傳統DEA 模型，未能對DEA 有效的決策單元(DMU)進行排序；近年定量評價綠色物流發展的研究雖然較多，但對省域綠色物流發展水平測度的較少。

本研究采用超效率DEA 模型和熵權TOPSIS 法分別測度我國省域鐵路貨運效率和綠色物流發展水平，運用耦合協調度模型評價我國鐵路貨運效率與綠色物流發展之間的耦合協調關系，用障礙度模型分析其耦合協調的障礙因素。深入探討我國省域鐵路貨運效率與綠色物流發展的耦合協調水平，對于提高鐵路貨運資源配置效率、降低鐵路運輸碳排放、促進綠色物流發展都有重要意義。

1 指標體系構建

參考文獻[4，12]關于鐵路貨運效率投入產出評價指標的設置方法，投入要素主要包括資本、土地、勞動力[13]，以鐵路正線延展里程、鐵路貨車數代表資本投入，鐵路里程代表土地投入，鐵路職工人數代表勞動力投入，產出要素包括鐵路貨物運輸量和鐵路貨物周轉量。鐵路貨運效率投入產出指標體系如表1所示。

表1 鐵路貨運效率投入產出指標體系Tab.1 Input-output index system of railway freight efficiency

根據《國家物流標準術語》(GB/T 18354—2021)對綠色物流的定義，參考文獻[9，11]關于綠色物流評價指標的設置方法，在關注物流經濟效益的同時注重物流活動的環境友好性，構建物流基礎設施等4個準則層和物流業交通網絡里程密度等14個指標層綠色物流發展評價體系。綠色物流評價指標體系如表2 所示。其中，物流業能耗水平和物流業CO2排放強度參考文獻[14]的研究，將交通運輸、倉儲和郵政業的一次能源消耗加總并轉換成碳排放量。

表2 綠色物流評價指標體系Tab.2 Evaluation index system of green logistics

鑒于數據的可得性，選擇2010—2020 年我國30 個省(市、自治區)(港澳臺地區和西藏自治區除外)的鐵路貨運和綠色物流面板數據。數據來源于各省(市、自治區)統計年鑒、《中國交通年鑒》《中國鐵道年鑒》《中國物流年鑒》、國家統計局網站，對于個別缺失值采用線性插值法補齊。

2 研究方法

2.1 超效率DEA模型

由于超效率DEA 具有排序功能，能避免傳統DEA 無法區分有效DMU 效率值的缺點，采用超效率DEA 模型測度鐵路貨運效率。對于決策單元DMUj，每個DMU 有n種投入xi(i= 1，2，…，n)，q種產出yr(r= 1，2，…，q)，其公式如下。

式中：θ為超效率值；λ為參考DMU 的系數，λ≥0；xij，yrj分別為第j個DMU 的第i個投入值和第r個產出值，j= 1，2，… ，m(j≠h)；xih，yrh分別為被評價的DMUh的實際投入值和實際產出值；n為投入指標個數；q為產出指標個數；m為DMU的個數。

2.2 熵權TOPSIS法

熵權TOPSIS 法綜合了熵權法的客觀賦權和TOPSIS 法能對評價值和理想值相對距離排序的優點，具有客觀性強和結構合理的特點。先用極差法對原始數據進行標準化處理，然后采用熵權TOPSIS法計算綠色物流水平。

計算加權矩陣。

式中：bij為標準化處理后的值；pij為第i個評價對象第j個指標的特征比重；ej為第j個指標的熵值；wj為各評價指標的權重，wj∈[0，1]；Z為加權矩陣。

計算最優解和最劣解。

式中：為最優解；為最劣解。

計算綠色物流發展水平。

式中：，為被評價對象與最優方案和最劣方案的距離；fi為綠色物流發展水平，fi∈[0，1]，fi值越大，表明綠色物流發展水平越高，反之則越低。

2.3 耦合協調度模型

耦合協調度模型是計算兩系統之間的協調發展程度，以測算系統之間的緊密配合狀態。其計算過程如下。

式中：C為耦合度，C∈[0，1]，C越大，系統之間的耦合度越高；Uk為系統評價得分，k=1，2，…K，此處采用K=2，即U1為鐵路貨運效率，U2綠色物流發展水平；T為系統之間的綜合協調指數；αk為第k個子系統的權重，取α1=α2= 0.5；D為耦合協調度，D∈[0，1]，D越大，表示系統之間的協調效應越顯著，耦合協調水平越高。

參考文獻[15]關于耦合協調等級劃分方法，將耦合協調水平劃分為10 個等級。耦合協調度等級劃分標準如表3所示。

2.4 障礙度模型

為更好識別影響鐵路貨運效率與綠色物流發展水平耦合協調的主要障礙因素及其影響程度，引入障礙度模型，其函數形式如下。

式中：oj為第j個指標對鐵路貨運效率與綠色物流耦合協調的障礙度；Fj為各子系統對兩者耦合協調的障礙度；vij為指標偏離度；wj為指標權重。

3 實證分析

3.1 鐵路貨運效率測度

利用MaxDEA軟件測度2010—2020年我國30個省(市、自治區)的鐵路貨運投入產出效率，可以得到每年全國鐵路貨運效率平均值和各省(市、自治區)的2010—2020 年平均值。2010—2020 年全國鐵路貨運效率變化趨勢如圖1 所示。各省(市、自治區)的鐵路貨運效率平均值如圖2所示。

圖1 2010—2020年全國鐵路貨運效率變化趨勢Fig.1 Trend of railway freight efficiency from 2010 to 2020

圖2 各省（市、自治區）的鐵路貨運效率平均值Fig.2 Average railway freight efficiency of different provinces(cities and autonomous regions)

從圖1 可以看出，全國鐵路貨運效率平均值呈先下降再上升的趨勢，即2016 年之前不斷下降，2017年之后不斷上升。這是由于貨物運輸結構的變化，“十二五”期間我國鐵路貨運量不斷下滑，而隨著鐵路貨運改革和路網結構的優化，“十三五”時期鐵路貨運量不斷提升。從圖2 的鐵路貨運效率平均值來看，各省份的均值都小于1，即投入產出存在不同程度的失衡。其中，海南最低，上海次之，兩省(市)鐵路貨運效率均低于0.9，這主要是受運輸方式的影響，海南、上海具有發達的水路運輸業，水路運輸市場占比較高。

3.2 綠色物流發展水平測度

對2010—2020 年綠色物流評價指標進行標準化處理后，運用熵權TOPSIS法計算各省(市、自治區)綠色物流發展水平。各省(市、自治區)綠色物流發展水平如表4 所示。整體上，我國省域綠色物流發展水平不斷提升，這主要是因為隨著我國產業結構升級、科技創新發展和新技術運用，物流業加快綠色轉型，傳統物流得到不斷升級。

表4 各?。ㄊ小⒆灾螀^）綠色物流發展水平Tab.4 Development levels of green logistics in different provinces(cities and autonomous regions)

從各省(市、自治區)的熵權TOPSIS 結果來看，綠色物流發展水平增長速度最快的是浙江，從2010年的0.382 增長至2020 年的0.782，十年間增長了104.71%，這主要是因為浙江省積極發展綠色物流，出臺了一系列綠色物流發展政策，如2014年出臺了《浙江省加快推進綠色交通發展指導意見》，2019發布了我國首個省(市、自治區)綠色物流發展指數。從各省綠色物流發展水平均值來看，綠色物流發展水平區域差異較為明顯，綠色物流發展水平高的省份集中在經濟發展水平較高的東部沿海，如上海、廣東、山東；而綠色物流發展水平低的省份集中在經濟發展水平較低區域，如海南、青海、寧夏。

3.3 鐵路貨運效率與綠色物流發展耦合協調度分析

運用耦合協調度模型計算我國30個省(市、自治區)2010—2020 年鐵路貨運效率與綠色物流發展的耦合協調度。鐵路貨運效率與綠色物流發展耦合協調測算結果如表5 所示。從平均值來看，鐵路貨運效率與綠色物流發展耦合協調水平整體呈不斷上升趨勢，省域耦合協調度平均值由2010 年的勉強協調發展至2020年的初級協調，增長幅度為17.99%。另一方面，經過10 年發展，其耦合協調平均水平僅上升了一個等級至初級協調，鐵路貨運效率與綠色物流耦合協調水平偏低，與良好協調仍存在差距，這主要是因為我國物流產業高能耗、高排放等問題仍存在，綠色物流發展水平還不高。

表5 鐵路貨運效率與綠色物流發展耦合協調測算結果Tab.5 Coupling coordination between railway freight efficiency and green logistics development

基于鐵路貨運效率與綠色物流耦合協調度結果，選擇2011 年、2014 年、2017 年和2020 年為代表，分析30個省(市、自治區)的耦合協調時空演變情況。鐵路貨運效率與綠色物流發展耦合協調時空演化如表6 所示。從表6 可以看出，鐵路運貨效率與綠色物流耦合協調存在空間分布不均衡特征，耦合協調水平較高的省份大部分位于東部和中部地區。這與區域經濟發展水平有緊密關系。具體來看，①良好協調：北京自2014 年進入良好協調階段，河北、天津、山東、河南也先后進入良好協調階段，而廣東僅2017 年為良好協調、四川僅2020年進入良好協調階段，可以看出，良好協調的大部分為京津冀及其鄰近省份，這是由于京津冀協同水平提升，促進了區域內及鄰近省份物流發展，同時京津冀地區鐵路物流較為發達，有助于鐵路貨運效率與綠色物流發展的耦合協調水平提升。②初級協調和中級協調：處于這兩階段的省(市、自治區)占據了一半以上，表明我國大部分省(市、自治區)的鐵路貨運效率與綠色物流較為協調，鐵路貨運效率提升與綠色物流發展相互促進作用明顯；③勉強協調和瀕臨失調：2010—2020年間處于勉強協調和瀕臨失調的省(市、自治區)數量一直在減少，從側面反映出我國鐵路貨運效率與綠色物流的耦合協調水平不斷上升，這是因為隨著經濟和科技的發展，鐵路貨運效率和綠色物流發展水平都將得到不斷提升；④輕度失調和中度失調：2010—2020年間僅海南一直處于輕度失調或中度失調階段，這與海南地理位置、經濟發展水平及鐵路貨運水平較低有關。

表6 鐵路貨運效率與綠色物流發展耦合協調時空演化Tab.6 Spatio-temporal evolution of coupling coordination between railway freight efficiency and green logistics development

3.4 耦合協調的主要障礙因素分析

利用障礙度模型分析影響鐵路貨運效率與綠色物流耦合協調的主要因素，有助于針對性地提出耦合協調水平提升策略。為此，借助障礙度模型測算2010—2020年鐵路貨運效率和綠色物流發展耦合協調的障礙度并排序。各年度耦合協調度指標層主要障礙因素如表7所示。

表7 各年度耦合協調度指標層主要障礙因素%Tab.7 Main obstacle factors of coupling coordination at indicator level

由表7 可知，2010—2020 年障礙度均值排前五的依次是：鐵路貨運量(10.56%)>人均貨物周轉量(7.27%)>鐵路貨物周轉量(7.25%)>物流設施用地面積(6.62%)>鐵路里程(6.51%)。鐵路貨運量、人均貨物周轉量和鐵路貨物周轉量是鐵路貨運效率與綠色物流發展耦合協調的前三大障礙因素，表明貨運產出仍然是決定鐵路貨運和綠色物流發展的重要因素，只有在貨運產出達到一定水平后鐵路貨運效率和綠色物流耦合協調水平才能得到較為明顯的提升。物流設施用地面積是兩系統耦合協調的第四大障礙因素，這是由于近年土地價格不斷上漲，造成物流設施用地成本不斷抬升，影響了物流設施用地面積的擴大。鐵路里程是兩系統耦合協調的第五大障礙因素，這是因為鐵路里程是鐵路貨運的基本基礎設施，直接影響著鐵路貨運的投入。

4 結論

通過測算2010—2020 年我國30 個省(市、自治區)的鐵路貨運效率與綠色物流發展耦合協調度，并分析了耦合協調水平的主要障礙因素，發現：①我國鐵路貨運效率均值在2016 年之前呈下降趨勢，2017年之后呈上升趨勢，各省鐵路貨運效率均較低；我國省域綠色物流發展水平呈增長趨勢，但整體發展水平較低。②我國鐵路貨運效率與綠色物流發展耦合協調水平呈不斷上升趨勢，由2010 年的勉強協調上升至2020 年的初級協調，但耦合協調水平不高，仍有較大發展空間。③鐵路貨運效率與綠色物流發展耦合協調排前五的指標層障礙因素依次為：鐵路貨運量、人均貨物周轉量、鐵路貨物周轉量、物流設施用地面積、鐵路里程。