“雙碳”背景下淮海經(jīng)濟(jì)區(qū)物流業(yè)效率評(píng)價(jià)研究

關(guān)鍵詞：“雙碳”；物流業(yè)效率評(píng)價(jià)；三階段DEA模型；Malmquist指數(shù)模型中圖分類號(hào)：F259.27 文獻(xiàn)標(biāo)志碼：A DOI： 10.13714/j.cnki.1002-3100.2025.12.016

Abstract：Therapiddevelopmentof thelogisticsindustryhascausedmanyenvironmentalproblemssuchashigh polutionand highcarbonemisions.AsoneoftheregionaleconomiccooperationorganizationsinChina，HuaihaiEconomicZoneplaysan importantroleinpromotingthegrenandlow-carbondevelopmentofthelogisticsindustryBasedonthebackgroundof\"Dual Carbon\"，thisarticlecollctsandorganizesdatatoconstructanindicatorsystem，andusesathree-stageDEAmodeland Malmquistindexmodeltoconductstaticanddynamicevaluationresearchontheeficiencyoflogisticsindustryintencore prefecturelevelcitiesinfourprovincesofHuaihaiEconomicZnefrom2018to2O22.Theresearchresultsindicatethatstaticaly speaking，comparedwiththefirstandthirdstages，theoverallcomprehensivetechnicaleficiencydecreases，andenvironmental factorsadrandomerorshaveapositiveimpactontheinputof logisticsindustryfactorsandotherresourcesintheregion. Dynamically，thegrowthof technologicalprogressinthelogisticsindustryofHuaihaiEconomicZonefrom2018to22offset thedeclineintechnicaleficiencyandthetotalfactorproductivityidexshowedanupwardtrend.Finallytproposselevant suggestions based on the existing problems and the actual situation.

Keywords：\"DualCarbon\";eficiencyevaluationof logisticsindustry;three-stageDEAmodel;Malmquistindexmode

0引言

我國將于2030年前實(shí)現(xiàn)“碳達(dá)峰”，并努力爭取在2060年之前達(dá)成“碳中和”的目標(biāo)。這一目標(biāo)彰顯了中國作為全球大國，在應(yīng)對(duì)氣候變化問題上的決心和擔(dān)當(dāng)。黨的十九大后，我國更加重視生態(tài)環(huán)境保護(hù)，推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，改善經(jīng)濟(jì)發(fā)展方式，實(shí)現(xiàn)經(jīng)濟(jì)與環(huán)境協(xié)調(diào)發(fā)展。步人“十四五”階段，達(dá)成“碳達(dá)峰”與“碳中和”目標(biāo)成為各行各業(yè)關(guān)注的核心議題。然而物流需求量的持續(xù)增長以及物流基礎(chǔ)設(shè)施和各類能源消耗設(shè)施的大規(guī)模運(yùn)用，對(duì)生態(tài)環(huán)境產(chǎn)生嚴(yán)重負(fù)面影響。目前我國物流運(yùn)輸?shù)哪茉聪囊颜既鐣?huì)總能耗的 20% 以上，而在物流運(yùn)輸領(lǐng)域，碳排放總量也已占全國碳排放總量的 10% 。我國政府工作報(bào)告強(qiáng)調(diào)，必須認(rèn)識(shí)到生態(tài)環(huán)境向綠色、文明轉(zhuǎn)型的重要性，并采取切實(shí)措施推進(jìn)其轉(zhuǎn)型。

通過文獻(xiàn)梳理，相關(guān)學(xué)者已采用不同評(píng)價(jià)方法對(duì)不同區(qū)域物流業(yè)效率等問題進(jìn)行研究。章麗（2020）利用DEA-BCC模型，對(duì)2005—2018年徐州市物流效率進(jìn)行了縱向評(píng)價(jià)m]。武佩劍等（2022）使用基于非期望產(chǎn)出的超效率SBM模型，研究2012—2018年中國30個(gè)省（自治區(qū)、直轄市）綠色物流效率2。原一鳴（2023）通過Malmquist指數(shù)法，分析2014—2021年河南省地級(jí)市效率的均值及其分解指標(biāo)，包括綜合技術(shù)效率、技術(shù)進(jìn)步、純技術(shù)效率、規(guī)模效率以及全要素生產(chǎn)率。孔雅婕（2023）使用超效率SBM-DEA模型以及DEA-Malmquist指數(shù)，測算中國52個(gè)沿海城市物流業(yè)綠色效率[4。徐超毅等（2023）采用超效率SBM模型研究長三角地區(qū)農(nóng)村低碳物流效率及影響因素。劉園等（2024）采用三階段DEA模型對(duì)我國西部地區(qū)低碳物流效率進(jìn)行評(píng)價(jià)研究。

在“雙碳”背景下，將低碳指標(biāo)納入物流業(yè)效率評(píng)價(jià)的研究較少且模型單一。淮海經(jīng)濟(jì)區(qū)地理優(yōu)越但經(jīng)濟(jì)發(fā)展緩慢，本文采用三階段DEA模型和Malmquist指數(shù)模型，從靜態(tài)與動(dòng)態(tài)角度評(píng)估該區(qū)域物流業(yè)綠色效率及演變趨勢，提供提升綠色物流效率的建議，具有重要的理論與現(xiàn)實(shí)意義。

1研究方法介紹

1.1三階段DEA模型

DEA（Data Envelopment Analysis），即數(shù)據(jù)包絡(luò)分析方法，是評(píng)價(jià)相對(duì)效率的非參數(shù)分析方法[7-8]。Friedet al.（2002）提出三階段DEA模型，彌補(bǔ)傳統(tǒng)DEA模型的不足，詳細(xì)方法如下]

1.1.1第一階段：傳統(tǒng)DEA模型評(píng)價(jià)初始效率

DEA模型包括CCR和BCC兩種基本的模型。CCR模型以固定規(guī)模報(bào)酬為假設(shè)，要求生產(chǎn)規(guī)模達(dá)到最佳，然而在實(shí)際中由于各種因素影響，很難達(dá)到最佳規(guī)模。為彌補(bǔ)CCR模型的不足，Banker et al.（1984）基于規(guī)模報(bào)酬可變的BCC模型，提出投人導(dǎo)向型模型。

其中， e^T=（1，1，…，1）∈E_m，e^T=（1，1，…，1）∈E_s ○

在公式（1）中， i=1，2，…，n 為決策單元， X ， Y 為投入、產(chǎn)出向量， θ 為決策i的綜合效率值， ε 為非阿基米德無窮小量，E 為單位矩陣， S^- 、 S⁺ 分別代表產(chǎn)出的松弛變量和投入的松弛變量[]。

設(shè)該模型的最優(yōu)解為 θ^* 、 S^-* 、 s^** 、 λ^* ，判定評(píng)價(jià)結(jié)果依據(jù)如下。

當(dāng) θ^*lt;1 時(shí)，該決策單元 i₀ 為DEA無效；

當(dāng) 或 S^+*=0 時(shí)，該決策 i₀ 單元為DEA有效；

當(dāng) θ^*=1，S^-*≠0 或 S^+*≠0 時(shí)，該決策單元 i₀ 為弱DEA有效。

綜合技術(shù)效率 規(guī)模效率*純技術(shù)效率]。有學(xué)者認(rèn)為決策單元效率受管理無效率、環(huán)境因素和統(tǒng)計(jì)噪聲影響，需在同一條件下進(jìn)行評(píng)估，故第二階段用于分離這些影響因素[12-13]。

1.1.2第二階段：構(gòu)建SFA模型剔除環(huán)境影響[14]

因第一階段采用了投入導(dǎo)向的BCC模型，本文僅對(duì)投入松弛變量進(jìn)行SFA回歸分解。

根據(jù)Friedetal.（2002）的觀點(diǎn)，構(gòu)建如下SFA回歸函數(shù)。

S_ni=f（Z_i;β_n）+v_ni+μ_ni，i=1，2，…，I;n=1，2，…，N

其中， S_ni 是第 i 個(gè)決策單元第 n 項(xiàng)投入的松弛值， Z_i 是環(huán)境變量， β_n 是環(huán)境變量系數(shù)， v_ni+μ_ni 是混合誤差項(xiàng)， v_ni 是隨機(jī)干擾， μ_ni 是管理無效率。 v～N（0，σ_v²） 是隨機(jī)誤差項(xiàng)，表示隨機(jī)干擾對(duì)投入松弛變量的影響。 μ 是管理無效率，表示管理因素對(duì)投人松弛變量的影響，假設(shè)其服從在零點(diǎn)截?cái)嗟恼龖B(tài)分布，即 μ～N（0，σ_μ²）^[15-17] ○

SFA回歸調(diào)整公式如下。

其中， i=1，2，…，n（n=1，2，…，N） X_ni^A 是調(diào)整后的投入， X_ni 是調(diào)整前的投入， 是對(duì)外部環(huán)境因素進(jìn)行調(diào)整， [max（v_ni）-v_ni] 表示將所有決策單元置于相同環(huán)境水平下。

隨機(jī)誤差項(xiàng) 的計(jì)算步驟如下。

第一步，分離管理無效率項(xiàng) 。

本文SFA回歸采用成本函數(shù)形式，故選用羅登躍等學(xué)者推導(dǎo)的分離公式進(jìn)行計(jì)算。公式如下。

其中，

第二步，計(jì)算隨機(jī)誤差項(xiàng) v ，公式如下。

若SFA模型似然比檢驗(yàn)拒絕無效率項(xiàng)原假設(shè)，則不使用SFA回歸，效率值不受外界環(huán)境變量和隨機(jī)誤差影響[18]

1.1.3第三階段：投入變量調(diào)整后DEA模型效率

利用DEAP2.1將調(diào)整后的投入數(shù)據(jù)帶人BCC模型，第三階段效率排除干擾，數(shù)值更貼合實(shí)際。

1.2Malmquist指數(shù)模型

Malmquist指數(shù)（全要素生產(chǎn)率指數(shù)）用于動(dòng)態(tài)測算多投入、多產(chǎn)出的系統(tǒng)效率，分析全要素生產(chǎn)率隨時(shí)間變化的趨勢。因此，本文選用Malmquist指數(shù)模型對(duì)淮海經(jīng)濟(jì)區(qū)物流業(yè)效率進(jìn)行動(dòng)態(tài)評(píng)價(jià)。

全要素生產(chǎn)率的Malmquist指數(shù)度量公式表示如下。

指數(shù)表示決策單元由 Φ_t 期到 _t+1 期逐漸靠近生產(chǎn)前沿面的程度。關(guān)系為Malmquist指數(shù)=techch*effch=techch*pech*sech。pech 衡量管理和技術(shù)提升對(duì)生產(chǎn)率的貢獻(xiàn)，sech反映生產(chǎn)規(guī)模擴(kuò)大對(duì)效率的作用，techch揭示生產(chǎn)技術(shù)進(jìn)步或落后。全要素生產(chǎn)率（tfpch）表示決策單元的綜合生產(chǎn)能力，反映生產(chǎn)效率隨時(shí)間的變化。全要素生產(chǎn)率的數(shù)值及效率變化情況見表1。

若efch、techch、pech、sech均大于1，這意味著技術(shù)投人適當(dāng)、技術(shù)能力得到提升、投資規(guī)模與當(dāng)前生產(chǎn)需求相匹配，有利于提高生產(chǎn)效率。

2評(píng)價(jià)指標(biāo)體系的構(gòu)建

2.1投入與產(chǎn)出指標(biāo)選取

遵循可行性、科學(xué)性、客觀性、系統(tǒng)性和可比性指標(biāo)選取原則，兼顧“雙碳”背景與淮海經(jīng)濟(jì)區(qū)物流業(yè)特性，對(duì)現(xiàn)有學(xué)者研究進(jìn)行分析，以確立淮海經(jīng)濟(jì)區(qū)物流業(yè)效率評(píng)價(jià)指標(biāo)體系。基于前人研究與區(qū)域物流業(yè)發(fā)展實(shí)際，本文最終選取的物流業(yè)效率評(píng)價(jià)投入、產(chǎn)出指標(biāo)如表2所示。

2.2環(huán)境變量選取

物流業(yè)效率受內(nèi)外因素影響。本文綜合考慮選取以下3個(gè)環(huán)境變量進(jìn)行研究，指標(biāo)體系如表3所示。

2.3 數(shù)據(jù)確定及來源

由于我國缺乏專門的物流業(yè)數(shù)據(jù)，本文使用統(tǒng)計(jì)年鑒中的“交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)”數(shù)據(jù)代表物流業(yè)數(shù)據(jù)。指標(biāo)數(shù)據(jù)來源于2019—2023年末淮海經(jīng)濟(jì)區(qū)10個(gè)核心地級(jí)市的統(tǒng)計(jì)年鑒、《中國城市統(tǒng)計(jì)年鑒》，碳排放數(shù)據(jù)通過能源消耗估算獲得，能源消耗數(shù)據(jù)來自《中國能源統(tǒng)計(jì)年鑒》20]。部分缺失數(shù)據(jù)通過官方網(wǎng)站發(fā)布數(shù)據(jù)、預(yù)測和插補(bǔ)法填充。研究在“雙碳”背景下，選取物流業(yè)從業(yè)人數(shù)、固定資產(chǎn)投資和等級(jí)公里路程為投入指標(biāo)，貨運(yùn)量和物流業(yè)生產(chǎn)總值為產(chǎn)出指標(biāo)。環(huán)境變量為地區(qū)經(jīng)濟(jì)水平、政府支持力度和科技發(fā)展水平。

3淮海經(jīng)濟(jì)區(qū)物流業(yè)效率的實(shí)證分析

3.1基于三階段DEA模型的靜態(tài)評(píng)價(jià)分析

3.1.1第一階段傳統(tǒng)DEA模型分析

將2018—2022年10個(gè)地區(qū)物流業(yè)指標(biāo)數(shù)據(jù)導(dǎo)入DEAP2.1軟件，采用投入導(dǎo)向的BBC模型得到第一階段效率。

3.1.1.1 綜合技術(shù)效率分析

表4展示了2018—2020年我國10個(gè)地區(qū)物流業(yè)綜合技術(shù)效率及排名情況。第一階段，地區(qū)綜合技術(shù)效率均值為0.920，除棗莊、菏澤外，其他8個(gè)地區(qū)超過均值。徐州、連云港、宿遷、淮北、商丘、臨沂效率為1，達(dá)到綜合技術(shù)有效，表明這些地區(qū)已實(shí)現(xiàn)較高產(chǎn)出效率。棗莊、菏澤效率低于平均水平，需優(yōu)化資源配置以提升產(chǎn)出。

3.1.1.2純技術(shù)效率分析

表5顯示，2018—2022年該地區(qū)純技術(shù)效率均值為 0.973 徐州、連云港、宿遷、淮北、商丘、臨沂的純技術(shù)效率為1，達(dá)DEA有效；濟(jì)寧、宿州、棗莊為弱有效；菏澤市效率無效。

3.1.1.3 規(guī)模效率分析

表6顯示，2018—2022年該地區(qū)規(guī)模效率均值為0.942，8個(gè)省份超過該均值。徐州、連云港、宿遷、淮北、商丘、臨沂規(guī)模效率為1，達(dá)DEA有效，說明這些地區(qū)要素資源得到了有效利用。濟(jì)寧、宿州規(guī)模效率在0.9和1之間，屬于弱有效；菏澤、棗莊為DEA無效。

根據(jù)表7可得，棗莊、菏澤連續(xù)5年規(guī)模報(bào)酬呈現(xiàn)遞增，表明這兩個(gè)地區(qū)在投入要素等資源一定情況下仍未達(dá)到最優(yōu)產(chǎn)出，需進(jìn)一步因地制宜地優(yōu)化資源配置，提高物流業(yè)效率。其中，“irs”表示規(guī)模報(bào)酬遞增，‘ ?_drs ”表示規(guī)模報(bào)酬遞減，“一”表示規(guī)模報(bào)酬不變。

3.1.2第二階段SFA回歸結(jié)果分析

將第一階段投入松弛變量作為因變量，環(huán)境因素作為自變量，利用 Frontier4.1 軟件進(jìn)行SFA回歸，分析環(huán)境變量對(duì)投入的影響[16]。

根據(jù)表8可得，LR檢驗(yàn)結(jié)果均通過顯著性檢驗(yàn)，表明本文剔除環(huán)境變量和隨機(jī)干擾項(xiàng)是有必要的。松弛變量 σ² 通過顯著性檢驗(yàn)，表明本文所選取的環(huán)境變量均對(duì)投入產(chǎn)生了較大影響。回歸系數(shù)揭示環(huán)境變量對(duì)松弛變量的影響程度和方向。若回歸系數(shù)為負(fù)，環(huán)境變量的增加會(huì)減少資源浪費(fèi)，促進(jìn)效率提升；若為正，則不利于效率提高。

SFA回歸分析顯示，地區(qū)生產(chǎn)總值與從業(yè)人數(shù)等投入松弛變量呈正相關(guān)，表明生產(chǎn)總值提高會(huì)導(dǎo)致資源閑置與浪費(fèi)。政府支持力度與從業(yè)人數(shù)及碳排放量呈負(fù)相關(guān)，提升財(cái)政支持有助于提高資源利用率。科技發(fā)展水平與等級(jí)公里路程、碳排放量呈負(fù)相關(guān)，科技支出提高有助于優(yōu)化資源配置，提升綠色物流效率。

3.1.3第三階段調(diào)整后DEA模型分析

第三階段首先根據(jù)SFA模型回歸結(jié)果調(diào)整原始數(shù)據(jù)，然后通過DEAP2.1軟件代入產(chǎn)出—投入數(shù)據(jù)，得出效率結(jié)果。

3.1.3.1 綜合技術(shù)效率分析

表9顯示，2018—2022年各地級(jí)市物流業(yè)綜合技術(shù)效率均值為0.832。徐州、連云港、臨沂效率為1，排名第一，DEA有效；濟(jì)寧、宿遷效率在0.9和1之間，DEA弱有效；商丘效率大于0.8但小于0.9，DEA無效。宿州、淮北、菏澤、棗莊的效率均低于0.7，需重點(diǎn)關(guān)注。

3.1.3.2純技術(shù)效率分析

表10顯示，2018—2022年各地級(jí)市物流業(yè)純技術(shù)效率均值為 0.981 。徐州、連云港、宿遷、淮北、商丘、濟(jì)寧、臨沂的純技術(shù)效率為1，表明資源投入實(shí)現(xiàn)最優(yōu)配置。其余3個(gè)地區(qū)的純技術(shù)效率在0.9至1之間，需調(diào)整技術(shù)和管理水平以提高效率。

3.1.3.3 規(guī)模效率分析

表11顯示，2018—2022年10個(gè)地區(qū)物流業(yè)規(guī)模效率均值為0.844。徐州、連云港、臨沂的規(guī)模效率為1，DEA有效；濟(jì)寧、宿遷DEA弱有效；商丘等5個(gè)地區(qū)DEA無效，棗莊規(guī)模效率僅為0.5318，需重點(diǎn)關(guān)注。

由表12可知，在2018—2022年間，徐州、連云港、臨沂規(guī)模報(bào)酬不變，表明這3個(gè)地區(qū)在當(dāng)前條件下，投入資源得到有效配置并實(shí)現(xiàn)最優(yōu)產(chǎn)出收益。棗莊、宿州、淮北、菏澤的規(guī)模報(bào)酬呈增長趨勢，有完善空間。

3.1.4第一階段與第三階段對(duì)比分析

3.1.4.1 整體區(qū)域分析

圖1顯示，2018—2022年淮海經(jīng)濟(jì)區(qū)整體物流業(yè)綜合技術(shù)效率從0.920降至0.832，規(guī)模效率從0.942降至0.844，表明環(huán)境因素和隨機(jī)誤差對(duì)資源投人產(chǎn)生正向影響。而純技術(shù)效率從0.973上升至0.981，說明環(huán)境因素和隨機(jī)誤差對(duì)純技術(shù)效率有負(fù)面影響。

3.1.4.2 各地級(jí)市分析

圖2—4顯示，徐州、連云港、濟(jì)寧、臨沂在第一與第三階段的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率均為DEA有效，表明這些地區(qū)物流業(yè)管理、技術(shù)和規(guī)模水平優(yōu)秀，且對(duì)外部環(huán)境敏感度較低。棗莊規(guī)模效率始終處于最低水平，表明其經(jīng)營規(guī)模存在較大問題。

3.2基于Malmquist指數(shù)模型的動(dòng)態(tài)評(píng)價(jià)分析

3.2.1分時(shí)期動(dòng)態(tài)效率分析

將調(diào)整后投入—產(chǎn)出導(dǎo)人DEAP2.1軟件，得到2018—2022年10個(gè)地區(qū)物流業(yè)Malmquist指數(shù)，即全要素生產(chǎn)率指數(shù)。

由表13可知，除宿遷外，其余9個(gè)地區(qū)的全要素生產(chǎn)率指數(shù)均值大于1，表明2018—2022年這些地區(qū)的生產(chǎn)率水平整體增長。宿遷的均值小于1，主要受2021—2022年生產(chǎn)率指數(shù)過低影響。淮北的全要素生產(chǎn)率指數(shù)逐年增長，表明該地區(qū)生產(chǎn)率水平持續(xù)提高。

技術(shù)變化指數(shù)衡量某一時(shí)間段技術(shù)的變化，指數(shù) gt;1 表示技術(shù)進(jìn)步與創(chuàng)新，lt;1表示技術(shù)退步。技術(shù)效率指數(shù)反映在規(guī)模報(bào)酬不變下，各生產(chǎn)要素匹配的效率變化，指數(shù) ^gt;1 表示技術(shù)效率進(jìn)步， ^lt;1 表示效率退步。

表14—15顯示，宿遷全要素生產(chǎn)率指數(shù)均值小于1，主要由于其技術(shù)變化指數(shù)和技術(shù)效率變化指數(shù)在2021—2022年均小于1。

徐州、連云港、宿遷在2021—2022年的技術(shù)變化指數(shù)均小于1，技術(shù)效率變化指數(shù)均等于1，所以造成該3個(gè)地區(qū)全要素生產(chǎn)率指數(shù)下降的原因主要是技術(shù)變化指數(shù)下降。

3.2.2 總體動(dòng)態(tài)效率分析

表16顯示了10個(gè)地區(qū)2018—2022年全要素生產(chǎn)率指數(shù)及其分解指數(shù)。根據(jù)Malmquist指數(shù)分析，2018—2022年全要素生產(chǎn)率指數(shù)總體上升，5年均值為1.054，增長 5.4% 。技術(shù)效率變化下降 0.1% ，技術(shù)變化增長 5.5% ，純技術(shù)效率下降 0.4% ，規(guī)模效率上升 0.3% 。可見，技術(shù)進(jìn)步抵消了技術(shù)效率下滑，而純技術(shù)效率的降低導(dǎo)致整體技術(shù)效率下降。因此，提升技術(shù)效率和規(guī)模效率是提高物流效率的關(guān)鍵。

表17為2018一2022年各地級(jí)市物流業(yè)平均全要素生產(chǎn)率指數(shù)及其分解指數(shù)。

棗莊全要素生產(chǎn)率指數(shù)為1.172，位居前列，表明技術(shù)進(jìn)步顯著提升其物流生產(chǎn)力水平。宿遷全要素生產(chǎn)力指數(shù)最低，表明技術(shù)進(jìn)步對(duì)其物流生產(chǎn)力提升作用有限。技術(shù)效率變化指數(shù)中淮北最高，表明技術(shù)創(chuàng)新意識(shí)較強(qiáng)。宿遷、宿州、淮北技術(shù)效率變動(dòng)指數(shù)小于1，即技術(shù)效率下降，需通過提升規(guī)模和技術(shù)效率來改善物流業(yè)效率。

4結(jié)論與建議

4.1主要結(jié)論

在“雙碳”背景下，本文評(píng)估了淮海經(jīng)濟(jì)區(qū)物流業(yè)效率，分析了環(huán)境因素對(duì)物流投人的影響。結(jié)合三階段DEA模型和Malmquist指數(shù)模型，得出以下結(jié)論。

4.1.1靜態(tài)分析結(jié)果顯示

第一階段，淮海經(jīng)濟(jì)區(qū)綜合技術(shù)效率均值為0.920，除棗莊、菏澤外，其余八市效率超過均值。徐州、連云港、宿遷、淮北、商丘、臨沂效率為1，DEA有效。棗莊、菏澤效率較低，說明其物流業(yè)發(fā)展效率相對(duì)較低，需重點(diǎn)關(guān)注，其主要原因是規(guī)模效率低，物流資源配置和利用不足。第二階段，SFA回歸顯示環(huán)境變量對(duì)松弛變量的影響程度，地區(qū)生產(chǎn)總值與投人資源呈正相關(guān)，表明生產(chǎn)總值提高可能導(dǎo)致投入資源閑置與浪費(fèi)。政府支持力度與從業(yè)人數(shù)及碳排放量負(fù)相關(guān)，增加支持有助于減少浪費(fèi)，提升綠色效率。科技發(fā)展水平與等級(jí)公里路程及碳排放量負(fù)相關(guān)，提高科技水平有助于減少資源浪費(fèi)。第三階段，經(jīng)過第二階段數(shù)據(jù)修正后，整體綜合技術(shù)效率均值從0.920降至0.832，表明環(huán)境因素和隨機(jī)誤差對(duì)資源投入有正向作用。純技術(shù)效率從0.973升至0.981，規(guī)模效率從0.942降至0.844，顯示資源配置不協(xié)調(diào)對(duì)效率影響更大。徐州、連云港、臨沂綜合效率為1，DEA有效，處于前沿；其余七市未達(dá)到有效水平。棗莊、宿州、淮北、商丘四市規(guī)模報(bào)酬增長，需進(jìn)一步優(yōu)化資源利用。

4.1.2 動(dòng)態(tài)分析結(jié)果顯示

2018—2022年全要素生產(chǎn)率指數(shù)整體上呈現(xiàn)增長趨勢，5年均值為1.054，增長約 5.4% 。其中，技術(shù)效率變化下降 0.1% 技術(shù)變化增加 5.5% ，純技術(shù)效率變化下降 0.4% ，規(guī)模效率增長 0.3% 。因此，2018—2022年技術(shù)進(jìn)步增長成功抵消了技術(shù)效率下降，而技術(shù)效率下降主要原因是純技術(shù)效率下降。故提升技術(shù)效率和規(guī)模效率是提高物流效率重點(diǎn)關(guān)注方面。

4.2 相關(guān)建議

在研究結(jié)論基礎(chǔ)上，針對(duì)淮海經(jīng)濟(jì)區(qū)物流業(yè)綠色低碳發(fā)展提出以下對(duì)策與建議。

4.2.1重視專業(yè)人才培育，提升技術(shù)與管理層次

淮海經(jīng)濟(jì)區(qū)物流業(yè)存在投入與產(chǎn)出不協(xié)調(diào)、資源配置不合理的問題，需進(jìn)一步優(yōu)化。由于物流業(yè)綜合性強(qiáng)，非專業(yè)人員也從事相關(guān)工作，導(dǎo)致培訓(xùn)與管理低效。政府和企業(yè)應(yīng)加大物流人才培養(yǎng)、引進(jìn)與保留力度，提高從業(yè)者素質(zhì)與技能。同時(shí)，運(yùn)用云計(jì)算、大數(shù)據(jù)和互聯(lián)網(wǎng)等技術(shù)，簡化物流業(yè)務(wù)流程，提升行業(yè)效率。

4.2.2深化區(qū)域內(nèi)部協(xié)同發(fā)展，提升物流產(chǎn)業(yè)環(huán)境品質(zhì)

淮海經(jīng)濟(jì)區(qū)地級(jí)市間物流業(yè)效率存在差距，如菏澤、棗莊技術(shù)效率較低，徐州、連云港處于技術(shù)前沿。為此，需加強(qiáng)區(qū)域協(xié)同，制定統(tǒng)一發(fā)展規(guī)劃，優(yōu)化資源配置，實(shí)現(xiàn)共享與環(huán)境改善。同時(shí)，推動(dòng)物流信息平臺(tái)建設(shè)，促進(jìn)物流、商流、信息流的融合，加強(qiáng)基礎(chǔ)設(shè)施建設(shè)，提升物流綠色效率與服務(wù)質(zhì)量。

4.2.3優(yōu)化政府扶持力度，健全相關(guān)法規(guī)體系

政府的支持力度與投入相關(guān)指標(biāo)呈顯著負(fù)相關(guān)，提高政府的支持力度能減少資源浪費(fèi)，進(jìn)而提升物流業(yè)綠色效率水平。政府應(yīng)加大對(duì)物流產(chǎn)業(yè)的財(cái)政支持，推動(dòng)物流企業(yè)實(shí)施綠色化改造升級(jí)。制定相關(guān)稅收政策，對(duì)物流產(chǎn)業(yè)綠色化轉(zhuǎn)型投入實(shí)行稅收減免，激發(fā)企業(yè)積極參與綠色物流發(fā)展。

4.2.4提升物流產(chǎn)業(yè)科技水平，促進(jìn)物流領(lǐng)域可持續(xù)發(fā)展

科技發(fā)展水平與物流業(yè)綠色效率負(fù)相關(guān)，增加科技投入有助于減少資源浪費(fèi)并提高效率。建議淮海經(jīng)濟(jì)區(qū)加大物流信息化投入，推廣信息平臺(tái)應(yīng)用，采用人工智能、大數(shù)據(jù)、云計(jì)算等技術(shù)，推動(dòng)企業(yè)研發(fā)，降低碳排放。加大物流科技人才培養(yǎng)力度，設(shè)立人才計(jì)劃，開展國際合作，引進(jìn)前沿科技和管理經(jīng)驗(yàn)，提升綠色效率，助力實(shí)現(xiàn)“雙碳”目標(biāo)。

參考文獻(xiàn)：

[1]章麗．徐州市物流效率評(píng)價(jià)及政策建議[D].徐州：中國礦業(yè)大學(xué)，2020.

[2]武佩劍，薛建濤，朱嵐嵐．中國綠色物流效率評(píng)價(jià)與提升路徑研究[J].安徽理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022，24（6）：10-21.

[3]原一鳴．河南農(nóng)產(chǎn)品物流效率評(píng)價(jià)及提升路徑研究[D].鄭州：河南財(cái)經(jīng)政法大學(xué)，2023.

[4]孔雅婕．我國低碳試點(diǎn)政策對(duì)沿海城市物流業(yè)綠色效率的影響[D].濟(jì)南：山東財(cái)經(jīng)大學(xué)，2023.

[5]徐超毅，郭銀莉．長三角地區(qū)農(nóng)村低碳物流效率測度及影響因素研究[J].華北理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023，23（6）：43-52.

[6]劉鸝園，李梅，陳嘉鑫．基于三階段DEA-Malmquist模型的我國西部地區(qū)低碳物流效率研究[J]．邊疆經(jīng)濟(jì)與文化，2024（2）：40-47.

[7]丁洋．低碳背景下長江經(jīng)濟(jì)帶物流業(yè)效率評(píng)價(jià)研究[D].南京：南京財(cái)經(jīng)大學(xué)，2023.

[8]CHARNESA，COOPER W W，RHODESE.Measuring theeffciency of decision making units[J].European JournalofOperational Research，1978，2（6）：429-444.

[9]FRIEDOH，LOVELL KAC，SCHMIDETSS，etal.Accounting forenvironmental efectsandstatistical noiseinDataEnvelopment Analysis[J]. Journal of Productivity Analysis，2002，17（1/2）：157-174.

[10] BANKER RD，CHARNESA，COOPER W W.Somemodelsforestimating technicalandscale ineficiencies inDataEnvelopment Analysis[J]. Management Science，1984，30（9）：1078-1092.

[11]張磊．低碳經(jīng)濟(jì)背景下安徽省物流業(yè)效率評(píng)價(jià)研究[D].淮南：安徽理工大學(xué)，2023.

[12]SIMARLWLSONPW.Estimationandinferenceitwostage，sem-parametricmodelsofproductionproceses[J]Jounalof Econometrics，2007，136（1）：31-64.

[13]郝越．低碳經(jīng)濟(jì)視角下膠東半島物流效率評(píng)價(jià)及提升對(duì)策研究[D]．西安：西安工業(yè)大學(xué)，2023.

[14]吳弈天，姚崢嶸，王艷暈，等．基于三階段DEA模型的我國公立中醫(yī)醫(yī)療機(jī)構(gòu)運(yùn)行效率分析[J].南京中醫(yī)藥大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022，23（5）：331-338.

[15]梁星，陳英杰．中國省際水資源利用效率及影響因素分析[J].山東工商學(xué)院學(xué)報(bào)，2019，33（2）：51-60.

[16]劉書源，杜天洋，任海鋒，等．新視角下西部區(qū)域的經(jīng)濟(jì)效率評(píng)價(jià)——基于三階段DEA模型的實(shí)證研究[J].天津科技，2019，46（3）：24-28，32.

[17]謝鑫，陳春曉．2004—2016年我國43所教育部直屬高校辦學(xué)效率研究[J]．黑龍江高教研究，2019，37（12）：18-23.

[18]閣一萌．基于三階段DEA-Malmquist的中國“一帶一路”沿線省域物流效率評(píng)價(jià)[J].物流科技，2024，47（24）：51-56，77.

[19]鄧新，藍(lán)婷．江西省物流發(fā)展水平地區(qū)差異研究[J]．無錫商業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2020，20（3）：7-12.

[20]叢建輝，劉學(xué)敏，趙雪如，城市碳排放核算的邊界界定及其測度方法[J].中國人口·資源與環(huán)境，2014，24（4）：19-26.