中国省域物流业绿色全要素生产率的演进及溢出

作 者:

作者简介:
张瑞(1977- ),男,山西河曲人,中国矿业大学(北京)管理学院教授,博士生导师,研究方向:能源经济、计量经济;孙夏令(通讯作者)(1994- ),男,山东潍坊人,中国矿业大学(北京)管理学院博士研究生,研究方向:能源经济、低碳物流(北京 100083)。

原文出处:
商业研究

内容提要:

本文运用包含非期望产出的SBM—ML模型对全国30省2004-2016年的物流业绿色全要素生产率进行测度,通过核密度估计和马尔科夫链探讨其时空演进特征,并借助空间面板计量模型分析物流业绿色全要素生产率的影响因素和空间溢出效应。结果表明:物流业绿色全要素生产率具有显著的动态演进规律,省域间物流发展协调度有待提高;物流业绿色全要素生产率存在显著的正空间自相关特征,表现为生产率较高的省份趋于相邻,生产率较低的省份趋于相邻;物流业绿色全要素生产率的主要驱动因素包括交通网络密度、物流能源强度、交通运输强度和人均GDP,各影响因素具有显著的空间溢出效应,其中市场化进程的正向溢出效应最高,对外开放程度和地区产业结构的溢出效应为负。


期刊代号:F14
分类名称:物流管理
复印期号:2020 年 08 期

字号:

      物流业既是经济和社会快速发展的推进剂,也是企业降低成本、提高效益的重要利润源泉,其行业发展质量在供给侧结构性改革背景下备受关注。目前,中国物流业高能耗问题依然严峻:一是过量的物流资源仍然停留在传统物流业务当中,难以满足市场对高端物流的需求;二是增量资源受到了体制机制与转化效率的影响,导致新的创新成果难以完成现实转化,现实经济发展不仅与之带来期望产出差距较大,且产生一定量的“坏”产出。物流业必须坚持高效率的发展模式,而高效发展应以最少的资源投入获得最多的产出,并产生最小的环境损耗[1]。全要素生产率(TFP)包含了难以识别却对经济增长有重要贡献的因素,即发展中难以归因于有形生产的部分,体现了经济增长的质量。绿色全要素生产率(GTFP)将资源消耗和环境污染纳入了评价指标体系,融入了更多绿色思维和可持续发展理念,是评价行业绿色发展水平的重要参考[2-3]。本文尝试将能源消耗与碳排放纳入指标体系,运用含有非期望产出的SBM—ML模型测度和考察2004-2016年中国省域物流业绿色全要素生产率,借助核密度估计、Markov Chain、ESDA方法探讨地理溢出视角下物流业绿色全要素生产率的演化规律,通过空间面板计量模型分析其具体影响因素及溢出效应,以期为优化物流供给结构、推进物流区域协调以及改善物流服务效率提供参考。

      一、研究方法与数据说明

      (一)绿色全要素生产率测算的SBM—ML模型

      由于交通运输、仓储和邮政业占物流业增加值的83%以上,考虑新兴行业统计数据的可获取性及可以替代物流业相关数据[4],依据《国民经济行业分类》(GB/T4754—2017)中产业划分规定,本文选用交通运输、仓储和邮政业为指标数据来源,数据均获取于《中国统计年鉴》和《中国能源统计年鉴》。

      在以往研究中,多以GDP作为产出指标,以资本、劳动力作为投入指标,这不适用于物流业绿色全要素生产率的测度:其一,物流产出不仅仅体现于行业增加值,物流货运周转量综合了货运量和货运里程双重因素,亦是反映物流规模化增长的关键指标,随着客运需求的增加,客、货运换算后的综合周转量是物流产出变动更客观的评价指标。其二,能源消耗与环境污染问题是物流业的痛点,更是发展绿色物流亟须解决的关键点,理应将物流业能源消耗与环境污染纳入指标体系。因此,在指标选定上应充分考虑物流业发展的内在特征与绿色物流理念,兼顾传统测算和物流行业属性指标。本文选取2004-2016年中国30个省(自治区、直辖市)为研究单元(不含西藏和港澳台),构建物流业绿色全要素生产率评价指标体系。其中,投入指标包括资本投入、劳动力投入、能源投入,产出指标包括经济产出、规模产出和非期望产出。

      投入指标方面,资本投入通过固定资产投资来衡量,且根据物价指数对名义值平减,折算为2004年不变价[5];劳动力投入多以行业从业人员总数为主,考虑到物流人才在决策分析、资源调度等方面的优势,采取劳动力质量指标衡量劳动力投入更加合适,参照相关研究,选用物流业从业人数与当地人均受教育年限相乘得到劳动力质量;能源投入选取物流业一次性能源消耗最多的原煤、汽油、煤油、柴油、燃料油、液化石油气、天然气和电力8种能源,并统一转换为标准煤后加总得到能源投入数据[6-7]。

      期望产出方面,同时考虑物流业的经济产出和规模产出,经济产出用物流业增加值衡量,选取交通运输、仓储和邮政业的增加值之和,再采用第三产业增加值指数将名义价换算为2004年的基期不变价;借鉴马越越和王维国[8]的计算方法,物流周转量考虑水路、铁路、公路3种运输方式,并将旅客周转量和货物周转量换算为综合周转量,以此代表物流规模产出。

      非期望产出方面,物流业不同于钢铁、煤炭、化工、纺织等行业拥有多种污染源,其产生的污染物主要是物流作业过程中的碳排放(本文主要指二氧化碳的排放)。本文采用“自上而下”的计算方法,通过各类能源消耗乘以相应碳排放系数,对全国30省13年间物流业碳排放量进行测算,并以此作为非期望产出指标数据。

      目前,关于效率的测算多是采用传统数据包络分析模型,如CCR、BCC等,无法考虑松弛量对效率评价的影响[9]。Tone提出的SBM模型是一种非径向、非角度的效率评价方法,模型在目标函数中引入松弛量,致使得到的效率值更加准确[10-11]。基于此,本文以30个省分别作为生产决策单元,假设各省物流生产存在N种投入X={x[,1],x[,2],…,x[,N]}∈R[N][,+],Q种期望产出Y={y[,1],y[,2],…,y[,Q]}∈R[Q][,+],和L种非期望产出B={b[,1],b[,2],…,b[,L]}∈R[L][,+],则可构建包含期望产出和非期望产出的生产可能性集合P[,t](x)={(y[,t],b[,t])|x[,t]能生产出(y[,t],b[,t])},t=1,2,…,T。假定规模报酬可变,则SBM方向性距离函数可表达为:

      D[t][,V](x[t][,i],y[t][,i],b[t][,i])=p=min1-1/Ns[x][,n]/x[i][,n]/1+1/Q+L(s[y][,q]/y[i][,q]+s[b][,l]/b[i][,l])

相关文章: