为了响应《联合国气候变化框架公约》，《公约》缔约方实施了低碳发展战略。2016年加入《巴黎协定》后，我国低碳发展更是面临新的挑战:到2030年，中国单位GDP二氧化碳排放量要比2005年下降60%～65%。为了履行承诺，在十三五规划中，我国计划在接下来的五年里将单位GDP二氧化碳排放量降低18%[1]。 物流业作为能源消耗的主要行业之一，其发展状况对能源效率以及低碳经济发展有直接影响。有研究表明，物流业的经济增长与碳排放和能源消耗之间存在协同增长关系[2]。我国物流业起步于上世纪九十年代，相对较晚，但发展十分迅速。2016年，我国全社会物流总额达到229.7万亿元，物流业的总体规模已经位居全球第一。随着西部大开发战略实施，西部地区经济发展的同时也带动了物流业的蓬勃发展。但与此同时，西部地区物流设备、技术等与东部发达地区相比相对落后，西部地区物流业在发展过程中暴露出诸多问题，比如物流成本偏高、物流效率不高等。因此，在考虑节能减排的前提下对我国物流产业效率进行科学、有效的评价，并据此探索宏观因素对物流效率的影响，对推动西部地区物流产业高效、绿色、可持续发展具有十分重要的意义。 目前国内外学者在评价物流效率的过程中主要采用参数法和非参数法。参数法主要包括随机前沿法(Stochastic Frontier Analysis，SFA)、自由分步法(Distribution Free Approach，DFA)和厚前沿分步法(Thick Frontier Analysis，TFA)三种;非参数法主要包括数据包络分析法(Data Envelopment Analysis，DEA)和无界分析法(Free Disposal Hull，FDH)两种。在众多评价方法中，DEA法可以处理多投入、多产出决策单元的效率评价问题，且不需要事先给定生产函数的具体形式，因而被广泛应用于包括物流业在内的多个行业的效率评价中。根据研究主体的不同，可以将目前运用DEA方法评价物流效率的文献分为物流企业研究和物流行业研究两大类:1)物流企业研究。Maria等[3]从物流活动、物流决策以及物流角色三个维度构建了针对第三方物流服务商的效率评价体系，并运用DEA法进行了实证分析;Park等[4]对14个物流服务商的效率进行了研究，对物流服务的实施效果进行了评估，并指出物流效率较高且运作稳定的行业标杆。2)物流行业研究。Marion等[5]运用DEA方法评价了全球最大的8家航空公司的物流服务效率;Wu等[6]运用平行结构的两阶段DEA模型研究了我国运输系统的效率，并对货运和客运两个系统进行了效率分解;张竟轶[7]、周叶等[8]分别从技术效率、生态效率方面测度了我国物流行业的静态效率;汪旭晖等[9]在对农产品物流效率进行研究的基础上，对区域差异进行了研究。然而，上述研究没有对物流效率的动态变化及其影响因素进行分析。王维国等[10]、王琴梅等[11]、潘涛等[12]从动态角度分析了我国物流效率的变化过程，并对影响物流效率的外部因素进行了实证研究。然而，已有研究较少考虑能源及碳排放约束，且上述研究均以全国物流业为研究对象，缺少对具体区域物流效率的针对性研究。特别地，现有文献鲜少研究碳排放约束下西部地区的物流效率。 根据以上分析，本文以中国西部10个省（区、市)为研究对象，运用非期望SBM模型评价各地区2004—2015年物流效率及其变化。相较现有研究，本研究主要有以下几点不同:1)在关注投入产出的经济效益的同时，考虑能源及环境因素，将能源消耗以及碳排放纳入物流效率评价体系。2)对影响物流效率的宏观因素进行面板分析，探索主要影响因素，为制定相关政策提供科学参考。3)以西部地区物流业为研究对象。西部地区有独特的资源优势，同时具有强大的物流需求。这既对该地区物流业提出了挑战，也为其发展提供了广阔的空间[13]。此外，东南沿海部分产业不断往中西部地区转移，西部地区对物流支撑的需求愈加明显，而研究发现西部地区的物流效率在三大地区中最低[14]。据此，本文在考虑碳排放约束的情况下，对西部地区各省份的物流效率进行研究，并对其效率影响因素进行面板回归分析，以便为加快我国西部地区物流建设提供科学参考。 1 研究方法与数据 1.1 非期望SBM 模型 二氧化碳是物流交通运输过程中不容忽视的排放物，也是测评物流效率的主要非期望产出。自1989年
等[15]提出处理环境污染物的DEA模型以来，非期望产出的处理方法层出不穷，具体来讲可以分为曲线测度法、非期望产出作为投入处理法、数据转换函数法及距离函数法等四种处理方法。上述方法均有各自的科学性，但也有各自的局限性。比如曲线测度法为非线性效率评价方法，计算较为繁琐;非期望产出作为投入处理法难以反映生产实际;数据转换函数法中的非线性转换法不能满足模型的凸性要求等等。因此，本文采用Tone等[16]提出的考虑了非期望要素的SBM模型。该模型是一种非径向、非导向的DEA模型，不仅可以解决投入产出松弛性问题，而且能够有效避免角度选择差异带来的影响。
根据Tone[16]的研究，考虑了非期望产出的SBM模型可以表示为:
