近年来，我国能源环境压力不断增大，为了实现能耗少、排放低的可持续发展模式，社会各界开始重视发展低碳经济。我国“十三五”规划中明确提出要大力提高能源开发利用率，降低碳排放强度，主张生产生活方式绿色化。在经济发展的转型期，作为国家十大振兴规划产业之一的物流业，是我国目前能源消耗和碳排放的大户。根据国家统计局公布的分行业能源消费数据来看，2005-2014年物流业一次能源消耗量从17449.91万吨标准煤增长到31213.95万吨标准煤，平均增长79%，与同期物流业增加值年均增速基本持平。其中各类油品的消耗居各行业之首，全国90%以上的汽油和60%以上的柴油均被物流业所消耗[1]。高能源消耗必然带来更多高污染等温室气体的排放，我国碳排放量从2005年的7258.98万吨增长到2014年的12739.69万吨，增长率高达76%。我国五大行业的碳强度都有不同程度的下降，而物流业却呈现出持续上升的趋势，该行业已经成为五大行业中唯一碳排放比例持续上升的部门[2]。 2015年《政府工作报告》及中央财经领导小组会议中多次强调提高全要素生产率是供给侧改革的核心，通过“增加研发投入，提高全要素生产率”。据此如何提高我国各行业全要素生产率，成为中外专家探讨的重要议题。而作为经济发展“加速器”的物流业，在供给侧改革的大潮中势必要积极进行产业升级，物流业要持续健康稳定发展，不能一再的走“高投入，高产出，高污染”的老套路，如何结合我国目前的国情在能源消耗与碳排放的约束下改善物流活动的技术效率、提高规模效率，提升我国整体物流活动的全要素生产率，推进“低碳物流”的快速发展就显得尤为重要。 关于物流效率的研究，国内近几年已有越来越多的学者开始意识到资源环境的约束性，何波(2012)[3]通过构建绿色物流网络测算环境质量与物流成本之间的效率边界。唐建荣等人(2013)[4]运用三阶段DEA模型在碳排放视角下对我国东部十省物流业技术效率进行测定。李进(2015)[5]提出通过可信性的低碳物流网络优化设计来控制碳排放。关于投入产出变量的选取，大多研究则主要侧重于物质资本存量、人力资本存量及产出值[6，7]。关于物流效率的研究主体，国内外研究主要立足于物流企业效率(张毅等(2013)[8]、Min、Joo(2006)[9])、港口物流效率(李谭等(2012)[10])以及农产品物流效率(汪旭晖等(2015)[11])上。通过对现有研究成果梳理得出：(1)虽然已有不少学者将资源环境约束纳入物流产业发展影响因素考虑，但少有将其纳入物流全要素生产率分析框架进行核算，并且未将能源投入和碳排放因素计入其中，难以反映中国物流业真实的生产率现状。(2)在对物流产业效率展开研究过程中，只关注效率值，没有进一步对物流效率值的影响因素进行定量分析，更少有文献进行空间维度的分析，使研究价值受到极大制约。(3)对于实证角度的研究则主要集中于物流活动的各项职能，而物流业的“效益背反”现象需要我们把视角放在整个物流行业的角度才更有意义。关于物流效率的测定方式，当前最常用的是DEA数据包络分析法、SFA随机前沿生产函数法、超越对数法和柯布—道格拉斯生产函数等方法[12-15]，而较少采用DEA-Malmquist指数方法，该方法优点是不需要对投入与产出变量、无效率项、行为目标进行设定，适用于多地区多时间的面板数据分析。 基于上述分析，本文在借鉴前人研究的基础上，针对现有文献的研究不足，尝试以2005-2014年全国30个省、市、自治区(不包括西藏、港澳台地区)为研究对象，将能源消耗作为投入变量，碳排放量作为非期望产出，运用非参数DEA-Malmquist指数方法构建了在低碳约束下的省域物流产业全要素生产率(TFP)测算体系。随后通过探索性空间数据分析方法，分析省域物流业TFP在空间上的溢出效应，并对物流业TFP的空间演化过程进行全局和局部自相关分析。最后运用证实性空间数据分析(CSDA)方法建立空间计量模型对物流业TFP影响因素进行分析，期望获得更科学合理全面的结论，推动区域物流持续高效发展。 1 研究方法与数据来源 1.1 Malmquist生产率指数模型 为了避免强加的约束或者无端地选择两个技术中一个的需要，依照Fisher(1922)[16]和Caves(1982)[17]的思路，Malmquist TFP指数被定义为两个指数的几何平均，具体形式如下：
在此后的实证分析中普遍采用Fare等(1994)[18]构建的DEA-Malmquist指数分析方法，假设规模报酬不变，将全要素生产率变化(TFPCH)进一步分解为技术效率变动(EFFCH)和技术进步(TECH)，其中技术效率变动指数(EFFCH)又可以表示为纯技术效率(PECH)和规模效率(SECH)的积，见下式：
其中，
表示生产率水平有所提高，
表示生产率水平下降，EFFCH＞1表示DMU与生产前沿面的距离在t+1期比t期有所减小，距离目标值更为接近，效率逐步提升；TECH＞1表示技术得到改进，TECH＜1表示技术效率下降，PECH＞1表示纯技术效率变化得到改善，管理行为优化从而效率提高，SECH＞1表示随着时间的推移规模效率不断靠近最优。为了便于比较，规模报酬不变是目前各大行业TFP测度采用的主要研究方法，因此，这里采用规模报酬不变的投入导向型DEA-Malmquist指数分析方法。
