“一帶一路”沿線省份綠色物流效率及影響因素研究

賈縣民　徐蓉　譚佳信

關鍵詞：一帶一路；綠色物流效率；超效率SBM；Malmquist指數；Tobit模型

中圖分類號：F 403.3 文獻標志碼：Ａ 文章編號：2096-7934（2024）02-0058-13

一、文獻綜述

黨的二十大明確提出“綠色化、低碳化”是實現經濟高質量發展的關鍵。隨著經濟的高速增長，我國物流需求將會持續增長，物流業作為高污染、高能耗、高排放的“三高”行業，承擔著貫徹落實國家“雙碳”目標的重要任務，急需緊跟時代步伐，加速其綠色化進程。“一帶一路”倡議有利于中國與沿線國家分享優質產能，加深貿易聯系，是我國外循環的重要路徑之一，物流業是其得以互聯互通的支柱力量。但物流業能源消耗量逐年上升，長期處于“高投入、高產出”的粗放型發展模式，加之“一帶一路”沿線區域發展不平衡，極大地影響了“一帶一路”沿線省份綠色物流的發展。習近平總書記在黨的二十大報告中提出，“促進區域協調發展”是我國加快構建新發展格局、實現高質量發展的五大戰略支柱之一。因此，提升“一帶一路”沿線省份綠色物流效率是構建“雙循環”新發展格局的必要之舉，也是實現高質量發展的必由之路。

現階段綠色物流效率相關研究已經取得了豐富成果，但仍有進一步拓展的空間，主要表現在三個方面。一是指標體系構建方面。傳統的物流效率評價指標體系通常僅基于期望產出進行測算［1-2］，但隨著物流業的發展和“雙碳”目標的提出，不考慮環境因素，忽略非期望產出的效率測算結果與客觀事實和發展要求不符。因此，學者們逐漸將碳排放量作為非期望產出納入了指標體系［3-5］，本文也將非期望產出設定為“物流業碳排放量”，構建物流業效率測度指標體系，并將其稱為綠色物流效率。二是研究對象和視角方面。現有文獻大多以我國整體［6-8］、某一經濟帶［9］或地區［10］、城市群［11］作為研究對象，而“一帶一路”作為我國構建“雙循環”新發展格局的關鍵，鮮有學者從其沿線區域協調發展視角來探討其綠色物流效率。三是綠色物流效率影響因素方面。學者們的研究有經濟水平、對外開放程度等宏觀指標；也有產業結構、產業聚集程度等中觀指標；微觀主要集中在對具體物流企業的研究中。但由于影響綠色物流效率的因素非常多，學界對于綠色物流效率影響因素的指標的選取尚未達成一致，同一指標名稱的度量標準也存在分歧，本文在考慮數據可得性的基礎上，充分考慮經濟水平、產業結構、基礎設施水平、物流資源利用率、物流業勞動生產率、能源結構、城鎮化水平、要素稟賦、環境規制以及物流業集聚水平因素。現有文獻的實證分析主要采用Tobit 面板回歸模型［12］、隨機前沿分析（SFA）［13］、空間杜賓模型［14］、面板回歸［15］與LMDI因素分解模型［16］等方法。本文以超效率SBM模型測算出的綠色物流效率作為因變量，其效率值為大于0的截斷值，與Tobit模型運算相契合，因此選用Tobit回歸模型來分析“一帶一路”沿線省份綠色物流效率影響因素。

綜合以上討論，本文擬將“物流業能源消耗量”加入投入變量，將非期望產出設定為“物流業碳排放量”，構建綠色物流效率測度指標體系。以“一帶一路”沿線省份（除西藏自治區）作為研究對象，并將其劃分為四大區域，利用ML指數模型和超效率SBM模型分別對沿線省份綠色物流效率進行動態和靜態分析，同時將超效率SBM值作為被解釋變量，研究各影響因素對“一帶一路”沿線省份綠色物流效率的影響方向和程度。

二、沿線省份綠色物流效率測度

（一）測度方法

效率評價一般采用生產前沿分析方法，主要包括隨機前沿分析（stochastic fonter analysis，以下簡稱“SFA”）和數據包絡分析法（data development analysis，以下簡稱“DEA”）。超效率SBM（slack based wodel，以下簡稱“SBM”）模型對傳統的DEA模型進行優化，其主要優勢有：考慮了投入產出的松弛問題，更符合現實；解決了幾個DMU的效率同時等于1的問題，便于比較和排序。但由于此模型計算結果為靜態的，未能測度綠色物流效率的動態變化，因此再選用Malmquist指數模型對各DMU的全要素生產率進行測算，以研究綠色物流效率動態的變化。

1.超效率SBM模型

靜態綠色物流效率測度模型，超效率SBM模型如式（1）所示。其中，ρ*為目標效率值；n為決策單元個數；q為決策單元投入數量；u1為期望產出；u2為非期望產出；xi，ygr，ybl分別為相應的投入矩陣、期望產出矩陣和非期望產出矩陣中的元素；λj為權重向量；下標為“k”的變量為被評價單元；（x，yg，yb）為剔除第k個決策單元的決策變量參考點。

2.Malmquist指數模型

Malmquist指數也被稱為全要素生產力指數，其通過距離函數來衡量DMU的動態效率，以及它們之間的相對比例。通過將2個DMU作為基準，可以比較出是否有所改善。在特定期間生產技術不變的前提下，對具有多個輸入、輸出變量的DMU，用距離函數的比率來衡量投入產出的效率。將每個省份看作一個DMU，第t+1年、第t年的投入產出量分別為（xt+1，yt+1）、（xt，yt），則碳排放效率變化的Malmquist指數可以表示為：

當（xt+1，yt+1）<1時，說明第t+1期的碳排放效率相對于第t期有所降低；反之，則說明第t+1期的碳排放效率相對于第t期有所提高。規模報酬不變時，ML指數可以分解為技術效率變化指數（EC）和技術進步指數（TC）；規模報酬可變時，EC又可分解為純技術效率變化指數（PEC）及規模效率變化指數（SEC）。PC反映了DMU內部管理水平的變動情況；SC反映了DMU規模報酬的變動情況；TC反映了效率邊界的移動程度，用來衡量DMU對于新技術、新產品的應用情況。

（二）指標體系構建與數據來源

1.指標體系

在構建物流效率測度指標體系時，針對投入指標，絕大部分學者是從資本與勞動兩個角度選擇物流業固定資產投資額與物流業從業人數為投入指標。針對不同研究背景，各學者對物力投入指標的選擇標準不一：一部分學者選擇運輸路線長度，另一部分選擇物流網絡里程、等級公路的總里程或二氧化碳排放量。在產出指標的選取上，學者們往往會根據實際情況，從物流業的生產總值、增加值、貨運量及貨運周轉量4個指標中進行權衡，基于現有文獻資料，并考慮到本文研究對象及其背景，構建了綠色物流效率測度指標體系如表1所示。

表1 綠色物流效率測度指標體系

2.數據來源

物流業的相關數據很難從《國民經濟行業分類》（GB/T4754—2011）中直接獲取，由于交通運輸、倉儲和郵政業占物流業增加值比重達80%以上，學界普遍以三者數據代替物流業進行分析研究，本文也以交通運輸、倉儲和郵政業的數據代替物流業。

鑒于西藏自治區數據不足，本文選擇了我國“一帶一路”沿線其余17個重點省份作為研究對象。交通運輸、倉儲和郵政業增加值、固定資產投資額、從業人員數量和貨物周轉量相關數據來源于2011年至2020年《中國統計年鑒》，交通運輸、倉儲和郵政業能源消費量相關數據來源于2011年至2020年《中國能源統計年鑒》。

2015年3月，中國政府制定并發布了《推動共建絲綢之路經濟帶和21世紀海上絲綢之路的愿景與行動》將“一帶一路”國內區域劃分為西北、東北、西南、沿海和港澳臺地區以及內陸五大板塊，為各自的功能定位和發展方向提供了明確的指導，本文據此將“一帶一路”劃分為東北區域（包括遼寧、吉林、黑龍江）、西北區域（包括內蒙古、陜西、甘肅、青海、寧夏、新疆）、西南區域（包括廣西、云南、重慶）和東南區域（包括上海、浙江、福建、廣東、海南）。

（三）結果分析

本文利用軟件MaxDEA Ultra 8對我國2011年至2020年間“一帶一路”沿線17個省份的綠色物流靜態和動態效率進行測算，并且依據前文劃分的四大區域，對其綠色物流效率進行比較分析。

1.綠色物流靜態效率分析

“一帶一路”沿線省份綠色物流效率及其排名如表2所示。

表2 2011年至2020年“一帶一路”沿線省份綠色物流效率

依據表2結果，可以看出2011年至2020年10年間，“一帶一路”沿線各省份的綠色物流效率呈螺旋式增長態勢，但效率值總體較低。分省（市）來看，上海、浙江綠色物流效率最高，效率值分別為1.2751和0.9742，遼寧、內蒙古、寧夏和福建綠色物流效率處于中間水平，都在0.8以上。新疆、青海、黑龍江綠色物流效率實測結果最小，黑龍江省綠色物流效率值低至0.2425。從現實來看，上海、浙江等綠色物流效率相對較高的省（市），經濟較發達，而綠色物流效率低下的新疆、青海、黑龍江的經濟發展則相對落后。經濟較發達省份，物流規模經濟效應明顯，單位物流量能耗水平越小，隨著經濟的發展，運輸工具和物流設施的利用率也會提高，這樣，綠色物流的效率就會得到極大的提升。反觀經濟欠發達省份，某些經濟發達省份之所以綠色物流效率不高，或許是因為雖然有先進技術、豐厚的資金基礎和人才儲備，但是缺乏整合資源的能力。

圖1 2011年至2020 年“一帶一路”沿線分區域綠色物流效率

分區域來看，如圖1所示，除2018年至2020年外，東南地區的綠色物流效率平均水平一直領先。東北區域的綠色物流效率均值在2011年至2018年為上升趨勢，并在2018年成為各區域最高，之后呈下降趨勢。西北區域的綠色物流效率均值整體波動較為平緩，在2011年至2017年呈上升趨勢，2018和2019年均下降，2020年又上升。西南地區的綜合效率均值在2011年至2013年的變化趨勢為正，并在2013年達到峰值，2013年以后呈下降趨勢且2016年至2020年均為各區域最低。東北區域綠色物流效率在2011年至2018年呈上升趨勢，可能是由于東北區域原先以重工業為主，技術效率相對最低，在過去的10年中，鼓勵企業進行數字化轉型，增強科技創新能力，積極借鑒先進物流管理方法，推動了純技術效率的提升，從而提升其綠色物流效率。

各區域綠色物流效率的整體均值為東南區域＞西北區域＞東北區域＞西南區域。究其原因，東南區域多是沿海發達省份，其綠色物流效率值在2016年前遙遙領先，隨著“一帶一路”倡議的貫徹落實和中歐班列的開行，內陸地區的物流業規模逐漸擴大，占據了一定的市場份額。因此2017年以后東南區域綠色物流效率出現下降。由于地理位置和經濟發展較為落后，西北區域的綠色物流效率變化最為平緩。西南區域從2013年起綠色物流效率呈下降趨勢，可能是因為其現有的技術設備、人員素質和管理水平無法滿足電商及國內貿易快速發展帶來物流需求的激增，使技術效率下降，從而導致其綠色物流效率的下降。

2.綠色物流動態效率分析

“一帶一路”沿線省份綠色物流效率指數均值及其分解情況如表3所示。其中，TFP指數表示全要素生產率的變化情況，EC指數代表技術效率變化情況，TC指數表示生產技術變化情況，即TFP=EC×TC 。當TFP生產率指數大于1，表明生產率是提高的，越大表示提升的越多，小于1表示生產率的下降，越小表明下降的幅度越大；TC指數大于1，表示技術效率在進步，EC大于1，則表明配置水平進步，反之亦然。

表3 2011-2020年“一帶一路”沿線省份綠色物流效率指數均值及其分解

從整體來看，“一帶一路”沿線省份綠色物流TFP指數的均值處于改善狀態。在研究期內，TFP全要素生產率指數均值只有在2013年至2014年和2015年至2016年低于1，表明“一帶一路”沿線省市這兩個階段的綠色物流效率下降，但是這兩個階段的EC指數均大于1，說明技術效率得到改善，綠色物流效率水平下降的主要原因在于TC指數小于1，即技術退步。2011年至2020年間的TFP全要素生產率指數均大于1，說明在這幾個階段“一帶一路”沿線省市綠色物流效率得到改善，其中，2012年至2013年、2017年至2018年和2018年至2019年的EC技術效率變化指數小于1，說明這三個階段綠色物流效率改善的原因主要是生產技術的進步，其余四個階段綠色物流效率的改善是技術效率的提升和技術進步共同作用的結果。TFP全要素生產率指數的總體均值為1.0666，說明“一帶一路”沿線省市整體的綠色物流效率水平得到了改善，其 EC 指數均值和 TC 指數均值分別為 1.0355和1.0402均大于 1，說明“一帶一路”沿線省市綠色物流效率的提升是技術效率提升和技術進步共同作用的結果，且技術進步的作用大于技術效率提升。

分區域來看，2011年至2020年“一帶一路”沿線四大區域綠色物流TFP全要素生產率指數均大于1，說明四大區域的綠色物流生產效率均為改善狀態，從大到小依次為：西南區域、東南區域、東北區域與西北區域。通過比較發現，東南區域不論TFP指數值或EC、TC的指數值都比較高，表明在2011年至2020年間，東南區域綠色物流生產率增長最快（如表4所示）。究其原因，東南區域的經濟規模較大，發展水平較高，產業基礎扎實，經濟發展促進物流業迅猛發展。另外，四大區域EC指數值均大于TC指數值，表明四大區域綠色物流TFP指標提升都以技術效率提升為主，受益于管理水平提升促進了物流業發展，今后應進一步加大對物流技術創新的投資力度。

表4 2011-2020年“一帶一路”沿線四大區域綠色物流效率指數均值及其分解

三、沿線省份綠色物流效率影響因素分析

1.影響因素選擇

影響綠色物流效率的因素很多，學界對于綠色物流效率影響因素指標的選取尚未達成一致，同一指標名稱的度量標準也存在分歧。本文在梳理現有文獻后，考慮指標的科學性和數據可得性，選取了10個影響因素指標，選取的指標及其度量標準如表5所示。

表5 影響因素指標及其度量標準

2.模型構建

Tobit模型，也稱受限因變量模型。使用超效率SBM模型測算出的有效決策單元效率值為大于0的截斷值，0為截斷點，這種情況下，采用普通最小二乘法（OLS）模型會出現結果有偏且不一致，而沿線省份綠色物流效率值為截斷變量，存在下限為零的界限，即被解釋變量為受限制的數據，Tobit模型可以有效避免結果的偏差性。

因此本文根據所選影響因素度量值作為自變量輸入數值，“一帶一路”沿線省份綠色物流效率作為因變量輸入數值，構建基于Tobit模型的沿線省份綠色物流效率影響因素多元線性模型如下：

其中，Y為因變量，表示沿線省份綠色物流效率；β為回歸式的常數項：ω1、ω2、ω3……ω10為各自變量的回歸系數；下標i和t分別為省份序號和年份，常數項、變量的系數和殘差分別為β、ω和δ。

3.結果分析

本文以超效率SBM測算出的綠色物流效率值為因變量，各影響因素指標為自變量，對“一帶一路”沿線省份綠色物流效率的影響因素進行Tobit回歸分析，運用Stata16.0軟件進行求解，結果如表6所示。

依據表6可得，在各影響因素中，基礎設施水平、城鎮化水平、要素稟賦及環境規制對沿線省份綠色物流效率的影響作用不顯著；經濟水平、產業結構及物流資源利用率、物流業勞動生產率、能源結構及物流業集聚水平對沿線省份綠色物流效率均有影響，但是影響方向和程度略有不同。其中經濟水平、產業結構、基礎設施水平、能源結構與物流業集聚水平對沿線省份綠色物流效率的影響最為顯著。對沿線省份綠色物流效率產生正向影響的因素有：經濟水平、產業結構、物流資源利用率、物流業勞動生產率與城鎮化水平。而能源結構、要素稟賦、環境規制和物流業集聚水平則對沿線省份綠色物流效率產生負向影響。

表6 “一帶一路”沿線省份綠色物流效率影響因素Tobit回歸結果

具體分析如下：

（1）“一帶一路”沿線省市經濟發展水平對綠色物流效率的提高起促進作用，其P值為0.009，回歸系數為11.949，說明其在1%的水平下顯著影響綠色物流效率。經濟發展水平高，既可以拓展物流業市場規模，推動了物流需求猛增，也可以增加對創新研究的投入，鼓勵物流業開展新技術設備、新能源等研究，增加物流業資源利用率。經濟增長與綠色可持續發展是人民追求的目標，也是現代社會進步程度的重要標志之一。2011年至2020年間“一帶一路”沿線省份經濟發展水平較好地推動了綠色物流效率，且促進效果在所有指標中最為明顯。

（2）產業結構與綠色物流效率呈顯著正相關，其回歸系數為13.199，且在 1%的水平下表現為顯著，即第三產業占比值越高，“一帶一路”沿線省份綠色物流效率值越高。從綠色物流效率角度看，一方面第三產業占比的提升，意味著第二產業的占比越小，更少的資源消耗、污染物排放和更多的產品產出；另一方面第三產業占比的提升，意味著技術水平的改善和發展規模的擴大，同樣有利于綠色物流效率提升。

（3）物流資源利用率的回歸系數為0.027，且在10%顯著性水平下表現顯著，說明“一帶一路”沿線省份綠色物流效率受到物流資源利用率的顯著影響，且影響方向為正向，即物流資源利用率越高，綠色物流效率越高。這主要在于，隨著物流資源利用率的提升，一定的物流資源可以將產出最大化，從而節省能源等各種資源的投入，從而提升綠色物流效率。

（4）物流業勞動生產率的回歸系數為25.413，且在10%顯著性水平下表現顯著，說明“一帶一路”沿線省份綠色物流效率受到物流業勞動生產率的顯著影響，且影響方向為正向，即物流業勞動生產率越高，綠色物流效率越高。這表明沿線省份物流企業的生產經營狀況、雇員的工作效率和穩定性，會促進綠色物流效率改善。良好的生產經營狀況和較高的專業技能水平能夠提升物流作業的整體效率及質量，進而對綠色物流效率產生積極影響。

（5）能源結構的回歸系數為-14.359，且在 1%顯著性水平下表現顯著，說明“一帶一路”沿線省份綠色物流效率受到能源結構的顯著影響，且影響為負向影響，即能源消耗中煤炭的占比越低，物流業碳排放效率水平越高。這主要在于煤炭有著不同于其他能源的碳排放系數，一般情況下，在同等條件下，煤炭在使用過程中所產生的 CO2排放量遠高于其他能源。因此，“一帶一路”沿線省份綠色物流業需要對自身的能源結構進行優化，并出臺相應的能源政策，限制煤炭等高污染能源的消耗量，鼓勵物流企業多使用清潔能源。

（6）物流業集聚水平也在1%的顯著性水平下負向影響沿線省份綠色物流效率，這可能是物流業的聚集度發展到一定程度以后的結果，區域內部物流業持續擴張，將出現供過于求，可能導致環境污染，資源浪費等問題，從而對綠色物流效率改善產生負面影響。

四、結論與政策建議

1.結論

本文利用2011年至2020年“一帶一路”沿線省份的面板數據，研究了綠色物流動態和靜態效率，并對其影響因素進行了探究。經過分析得到如下結論：

（1）從“一帶一路”沿線省份靜態綠色物流效率來看，綠色物流效率均值為0.6626，并呈周期性波動，純技術效率低下是影響沿線省份整體綠色效率的主要原因。四大區域中東南區域最高、西北區域次之，東北和西南區域較低。

（2）從“一帶一路”沿線省份動態綠色物流效率來看，綠色物流的TFP生產率指數平均值有一定程度的改善，是技術效率提升和技術進步共同作用的結果，且技術進步的作用大于技術效率提升。四大區域中西南區域最高、東南區域次之、西北區域最低。

（3）Tobit模型回歸分析得出，經濟水平、產業結構、基礎設施水平、能源結構及物流業集聚水平對沿線省份綠色物流效率的影響最為顯著，其中經濟水平、產業結構、物流資源利用率與物流業勞動生產率對沿線省份綠色物流效率的提高產生正向影響，能源結構、要素稟賦、環境規制及物流業集聚水平則對沿線省份綠色物流效率產生負向影響。

2.政策建議

為減少二氧化碳排放量、提高資源利用率、提升綠色物流效率，走綠色物流可持續發展道路，建議從以下四個方面進行：

（1）調整物流業能源消費結構，提高能源利用效率。隨著全球變暖的不斷加劇，物流行業的能源消費必須從從傳統的化石燃料轉向可再生的新興能源，這種新興的可再生能源可以有效減少碳排放，并且不會產生溫室氣體。因此，必須積極探索新的可再生能源，并且加大對其的R&D投入，從而促進能源的清潔化。例如，可以對生物資源進行高效的利用，對技術進行改造和應用，對潔凈能源進行推廣。同時應強化流通加工、包裝、倉儲、裝卸搬運及配送各環節數字化、智能化技術，整合產業鏈，強化環境保護意識，避免能源浪費，提高能源利用效率，減少物流產業各環節對非清潔能源的消耗。

（2）搭建物流信息化平臺。搭建一個數字化、信息化的物流平臺，實現物流各項活動、各個環節數據的共享，對商品流通的運輸關系進行協調。物流信息平臺不僅可以減少碳排放，還可以降低企業物流成本，順應綠色物流要求。利用信息化平臺統籌管理運輸路線，大力發展多式聯運，利用信息中心降低空載率，從區域整體角度提前規劃物流業發展，避免資源浪費。“一帶一路”沿線省份的運輸方式包括公路、鐵路、航空和管道運輸，這些方式都是物流業的重要組成部分，對這些資源進行整合，發展多式聯運，可以有效地提高物流效率，實現經濟高速發展。

（3）政府應加強“碳引導”和政策激勵力度。發改委、環保部、財政部等部門，應加快制定完善“碳排放稅”等相關稅收的征收標準，對踐行綠色低碳可持續發展的優秀企業，實施一定的減稅優惠和政策傾斜，對其經營者進行經濟補助和推廣宣傳，以求通過政府的引導和幫扶，促進企業綠色物流發展，提升綠色物流效率。

（4）推動區域物流協調發展。東南、東北、西北和西南區域綠色物流效率差距較大，為了提高四大區域的綠色物流效率，必須加強交流與合作。政府層面應積極推動地域間的協作和溝通，建立信息共享機制，突破地域限制，推進跨省份綠色物流合作模式的構建。加大對物流行業中節能環保的宣傳力度，引導社會大眾積極參與到綠色物流中來，共同推進低碳經濟的發展。與此同時，各地方政府要通過出臺相對應的政策對地區差異進行調節。綠色物流效率較低的省份應積極協作和交流，學習其他省份在碳減排方面的先進經驗與技術；對綠色物流效率高的省份來說，要積極承擔更大減排責任，積極引領其他省份提升綠色物流效率，從而實現區域協調發展、共同進步的目標。

參考文獻：

［1］余泳澤，武鵬.我國物流產業效率及其影響因素的實證研究——基于中國省際數據的隨機前沿生產函數分析［J］.產業經濟研究，2010，44（1）：65-71.

［2］王琴梅，譚翠娥.對西安市物流效率及其影響因素的實證研究——基于DEA模型和Tobit回歸模型的分析［J］.軟科學，2013，27（5）：70-74.

［3］王維國，馬越越.中國區域物流產業效率——基于三階段DEA模型的Malmquist-luenberger指數方法［J］.系統工程，2012，30（3）：66-75.

［4］王燕，劉婷.碳排放約束下我國區域物流能源效率及影響因素研究［J］.生態經濟，2018，34（10）：14-18，90.

［5］黃超然，周國華.碳約束下省域物流能源效率空間關聯效應及其影響因素［J］.科技管理研究，2022，42（24）：184-191.

［6］馬飛，胡江艷，孫啟鵬，等.中國省際物流業碳排放績效測度及驅動因素研究［J］.生態經濟，2021，37（9）：27-33，39.

［7］張瑞，胡彥勇，郄曉彤.中國物流業能源生態效率與其影響因素的動態響應研究［J］.經濟問題，2021，504（8）：9-17.

［8］龔瑞風，薛儉，劉汝麗.中國區域物流效率測度及其時空特征分析［J］.統計與決策，2022，38（10）：141-145.

［9］林秀群，李嘉新，李陽，等.長江經濟帶物流業碳排放效率的測度及時空演化特征研究［J］.生態經濟，2022，38（12）：31-38.

［10］徐超毅，齊豫.我國區域物流業綠色發展效率測度和空間分析——以華東地區為例［J］.生態經濟，2023，39（4）：81-88.

［11］何景師，王術峰，徐蘭.碳排放約束下我國三大灣區城市群綠色物流效率及影響因素研究［J］.鐵道運輸與經濟，2021，43（8）：30-36.

［12］車小英，隋博文，劉興旺.基于Tobit回歸的我國低碳物流發展影響因素實證分析［J］.商業經濟研究， 2021（5）： 101-103.

［13］王海峰，田強，李金華，等.“一帶一路”沿線省份物流效率及其影響因素的隨機前沿分析［J］.公路交通科技， 2020， 37（10）： 151-158.

［14］張大利.我國物流業生態效率測度、空間效應分解與驅動因素研究［J］.商業經濟研究， 2023（2）： 82-85.

［15］唐建榮，戚夢圓.區域物流業競爭力水平測度與影響因素分析［J］.統計與決策， 2022， 38（21）： 72-76.

［16］穆曉央，王力，徐蓉，等.西部省域物流業碳排放脫鉤及影響因素研究［J］.環境科學與技術，2020，43（4）：214-219.

［17］張云寧，劉子琦，歐陽紅祥，等.低碳環境下區域物流產業效率綜合研究——基于長江大保護區域19個省的實證分析［J］.管理現代化，2020，40（2）：33-40.

［18］龔雅玲，萬建香，封福育.區域物流效率的測度及其影響因素研究——基于DEA與Tobit模型［J］.江西社會科學，2019，39（10）：72-80.

Study on Environmental Logistics Efficiency and its Influencing

Factors in Provinces along the Belt and Road

JIA Xian-min，XU Rong，TAN Jia-xin

（School of Management，Xian University of Finance and Economics，Xian，Shaanxi 710100）

Abstract：The logistics industry is a pillar force for the connectivity of ?the Belt and Road ?Initiative， and it is also a high pollution， high energy consumption and high emission industry in China.Based on the data of provinces along the ?Belt and Road from 2011 to 2020， the super efficiency SBM model and Malmquist index model are used to measure the efficiency of green logistics， and Tobit regression model is used to analyze its influencing factors.The results show that the current situation of green logistics development in the provinces along the ?Belt and Road is not optimistic， and there is imbalance in regional development; The southeast region has the highest static efficiency， while the southwest region has the best dynamic improvement; The economic level， utilization rate of logistics resources， industrial structure， and labor productivity of the logistics industry positively affect the improvement of green logistics efficiency in provinces along the route， while energy structure and logistics industry agglomeration level play a restraining role.Based on this， suggestions are proposed to adjust the energy consumption structure， build a logistics information platform， strengthen “carbon guidance” and policy incentives， and promote coordinated development of regional logistics.

Keywords： the Belt and Road; green logistics efficiency; super-SBM;Malmquist; Tobit model

基金項目：西安市社會科學規劃基金項目“西安市物流業雙化協同轉型機制及提升路徑研究”（23JX48）陜西高等教育教學改革研究一般項目“基于融合-創新理念的物流管理一流專業建設研究與實踐”（21BY109）；西安財經大學研究生創新基金項目“數字化驅動商貿流通業創新績效的機理研究”（22YC034）；西安財經大學研究生創新基金項目“數字經濟對新能源產業供應鏈協性影響研究”（23YC032）