基于SE-DEA的省域物流行业生态效率研究

      中图分类号：F250 文献标识码：A 文章编号：1672-8106(2015)04-0099-08

      生态效率(Eco-efficiency)的概念最早是由德国学者Schaltegger和Sturm于1990年提出的[1]，1996年世界可持续发展商业理事会(WBCSD)将其定义为：“生态效率是通过提供能满足人类需要和提高生活质量的竞争性定价商品和服务，同时使整个寿命周期的生态影响与资源强度逐渐减低到一个至少与地球的估计承载能力一致的水平来实现的”[2]。物流行业的生态效率反映了物流行业投入(资源的消耗及所带来的环境负荷)与产出(所提供的物流服务)的比值，是衡量物流行业经济效益和环境效益的有效工具。从当前的文献资料来看，生态效率的研究主要集中在生态效率评价指标体系的研究[3-4]和评价方法的研究[5-6]上，所研究的对象主要是区域的生态效率问题[7]，也有少量的文献涉及具体行业的生态效率问题[8]，而对于物流行业的生态效率问题则比较少见。另外，物流行业生态效率评价是一个多投入、多产出的复杂系统，应用超效率数据包络分析方法(Super-Efficiency Data Envelopment Analysis，简称SE-DEA)，一方面可以使评价过程更为全面，考虑到决策单元之间的相互影响；另一方面，对那些同为DEA有效的决策单元可以做出进一步的评价和比较。为此，本文应用SE-DEA方法，以2006-2011年的省域物流产业的统计数据为实证对象，研究我国省域物流产业的生态效率问题。

      一、研究方法与模型建立

      DEA方法是由运筹学家A.Charnes和W.W.Cooper等在“相对效率评价”概念基础上，发展起来的一种效率评价方法。它以决策单元(Decision Making Unit，DMU)的投入、产出指标的权重系数为优化变量，借助于数学规划方法将DMU投影到DEA前沿面上，通过比较决策单元偏离DEA前沿面的程度来对决策单元的相对有效性做出综合评价[9]。但一般的DEA方法无法对多个同时有效的DMU做出进一步的评价和比较，为了解决这个问题，Andersen和Petersen(1993)提出了SE-DEA模型[10]，该模型的特点是：在评价某一具体DMU时，以其他所有的评价单元构成参考集而不考虑被评价单元本身，这样评价结果的效率值有可能大于1，从而可以对那些同为DEA有效的DMU做出进一步的评价和比较。

      SE-DEA的数学模型见式(1)所示。

      

      二、指标选取与数据来源

      生态效率的基本思想是以最少的资源投入和环境代价(损失)来获得最大的经济价值，这与DEA方法对投入与产出指标的要求一致。众多已有的实证研究表明，DEA投入、产出指标的选取与数据来源是导致研究结果差异的重要原因之一。王舒鸿等[11]选择公路里程、铁路里程和能源指标作为投入指标，物流业的产值作为产出指标对各省域物流资源利用效率进行分析；宋英杰[12]选择物质资本和人力资本作为投入指标，货运服务量、邮政服务量和仓储业服务量作为产出指标针对物流业的效率进行评价；田丽[13]选择物流业投入的固定资产以及物流从业人数作为投入指标，货物周转量以及物流业增值作为产出指标评价了河南省物流产业的效率。对于生态效率评价方面，张炳[14]选取总物质投入、物质需求总量、废水、废气、固废、二氧化碳作为投入变量，国内生产总值作为产出指标评价了区域生态效率；吴小庆等[15]以经济收入、经济成本两方面作为投入变量，光合效率、土壤固碳量、有毒气体挥发量等因素作为产出指标对农业生态效率进行了评价。

      为此，本文在参考以上物流行业效率与生态效率评价指标的基础上，结合本文的特点，在兼顾样本数据的可比性、可得性和科学性的基础上构建了我国省域物流产业生态效率的评价指标体系，见表1所示。

      

      在DEA投入和产出指标的确定上，本文采用五要素投入(资本、劳动、能源、二氧化碳排放量、二氧化硫排放量)和两要素产出(年总产值和年物流周转量)模型。文中用交通运输、仓储、邮电行业的数据作为衡量物流效率的标准，由于河北、浙江、重庆、宁夏、广西、云南以及新疆这七个省域的统计年鉴中，缺少交通运输、仓储、邮电行业能源消费数据，本文分析使用的样本为2006-2011年，中国23个省、直辖市和自治区的能源投入和产出数据，基本数据主要来源于2007-2012年《中国统计年鉴》及中国各省的统计年鉴。

      1.投入指标

      物流行业生态效率的投入指标主要包括资源投入和环境污染两大类。资源投入主要选取能源投入、劳动力投入和资本投入这三类指标；环境污染则主要选取碳排放量和硫排放量这两类指标，而对于废水、固体废弃物(包括PM2.5)、噪音等环境污染因为数据原因则没有考虑。