1、现代营销下旬刊2023.07XDYX产 业一、引言黄河流域是中华文明的发祥地,也是我国重要的生态屏障和经济重地。保护黄河流域生态平衡,促进其高质量发展是当前国家关注的重点。2020年8月,中共中央、国务院在黄河流域生态保护和高质量发展规划纲要 中,对黄河流域发展做出全面部署,指出要加速推进黄河流域能源绿色化低碳转型,聚焦解决黄河流域突出的生态环境问题。与此同时,在改革开放和“一带一路”倡议的推进下,我国已拥有全球最大的物流市场,物流业成为国民经济增长的重要引擎和新的增长点。然而,物流业高碳高污的发展特点与黄河流域生态环境保护的初衷相违背,如何保障黄河流域物资的高效流通与经济、生态效益的同步发展
2、,是当下亟待解决的问题。结合目前政策导向及现实因素,本文以黄河流域九省作为研究对象,评价其20132020年物流业的效率变化,并进一步探究黄河上中下游地区间的区域差异性和时空演化特征,以期为促进黄河流域绿色经济发展,提升区域物流业的效率提供参考。二、相关文献梳理现有文献资料大多采用数据包络分析模型及其优化模型,对区域间物流效率进行研究。DEA模型最初于1987年由运筹学家Charnes提出,该方法的诞生为评价多投入产出的企业间绩效的相对有效性提供了良好的思路。在后续学者的不断实践中,DEA模型由最初的BCC模型、CCR模型逐渐演变出了三阶段DEA模型,Malmquist指数模型等优化模型。例如
3、,张璇(2016)等人以新丝绸之路经济带为背景切入,利用三阶段DEA模型,对比分析我国西部主要省域和周边国家20092014年的物流效率变化情况;于丽英(2018)等人以生态发展为主要考量,将物流业碳排放量作为投入指标,基于DEA-Malmquist指数模型对长江经济带物流效率开展动态研究;苏贵影和乔竹(2020)基于低碳经济发展理念,将能源消耗量和碳排放量引入投入变量,采用三阶段DEA模型对30个省(自治区、直辖市)物流业效率进行评价,并结合K-means聚类法进一步分析;还有部分学者(2019)(2020)(2022)采用DEATobit模型比较全国各省间物流效率差异并探索其背后的影响因素
4、。对上述文献进行梳理后发现,学者往往采用综合评价方法进行分析,且多数学者已逐渐考虑环境因素,有意识地在效率测度时考虑二氧化碳排放量这一重要指标。总体而言,使用数据包络进行区域间物流效率分析已相当普遍和广泛,但仍存在以下两点局限。其一,大多数学者依旧将碳排放指标单纯作为投入变量进行效率测算,这种方式易使效率测算结果产生偏差,难以保证研究的正确性;其二,当前主流的DEA方法,并未充分考虑变量的松弛程度,可能导致效率测度不准确,且无法对多个DMU效率值为1的情况进行有效区分和排序。鉴于前述背景,本文采用Super-SBM模型,以物流业碳排放量作为非期望产出,对黄河流域各省区20132020年间的物流
5、效率进行评价分析。此外,本文还将从时空双向的维度进一步探讨黄河流域的效率演化特征。三、研究内容(一)研究范围本文将黄河流域流经省份作为研究区域(如图1所示),以地形地貌、河道特征、水文情势等为依据,将其作了上、中、下游的划分。整个区域西起青海、东至山东。具体而言,上游地区包括青海、四川、甘肃、宁夏;中游地区包括内蒙古、陕西、山西;下游地区包括河南、山东。图黄河流域上中下游各省区位图(二)测算方法考虑非期望产出的Super-SBM模型2001年 Tone提出了一种非径向、非角度的效率测度方考虑碳排放约束的黄河流域物流业效率评价及空间演化研究何楚玥(西安财经大学陕西西安710100)摘要:本文将碳
6、排放量作为非期望产出,运用Super-SBM模型,对黄河流域九省份20132020年的物流效率进行评价,并进一步对其效率、整体变化趋势、时空演化特征、区域演化差异进行了对比分析。研究结果表明,从区域演化差异来看,黄河流域区域间物流发展呈现上游低、中游一般、下游高的特征,时间序列上物流效率呈现波动上升的W型走势;从空间布局来看,上下游呈现明显两极分化,效率由西向东逐渐升高。上游物流效率高值集聚于四川、宁夏,中下游高值集聚于内蒙古、山东,应以中下游为发展主力,扶持带动上游物流业发展。关键词:黄河流域;碳排放约束;物流业;效率评价;空间演化中图分类号:F2文献识别码:ADOI:10.19932/ki
7、.22-1256/F.2023.07.083083现代营销下旬刊2023.07XDYX产 业法,即SBM模型。紧接着,Tone(2002)在原模型基础上,又提出了一种优化的改进模型,即超效率SBM模型,该模型能保障多个决策单元效率值均为1时的区分度,有效地解决了传统DEA模型中未考虑非期望产出所导致的评价结果失真问题。假设需要测算黄河流域n个决策单元的物流效率,记作DMUj(j=1,2,n),每一个 DMU 有 m 种投入,记作xi(i=1,2,m);每一个DMU有q种产出,其中期望产出记作yr(r=1,2,q1),非期望产出记作bt(t=1,2,q2),则非期望产出的超效率SBM-DEA模型
8、为:min=1+1mi=1ms-ixi01-1q1+q2()r=1q1s+ryr0+r=1q2sb-tbt0s.tj=1nxjj-s-x0()i=1,.,mj=1nyjj+s+y0()i=1,.,q1j=1nbjj-sb-b0()i=1,.,q21-1q1+q2()r=1q1s+ryr0+r=1q2sb-tbt0 0j,s-i,s+r,sb-t 0()j=1,.,n,j j0其中,j为各决策单元,n为DMU个数,为效率值,s-i、s+r、sb-t分别表示投入指标、期望产出指标和非期望产出指标的松弛变量,为权重向量。(三)指标筛选及数据参考来源现代物流业是一种复合型的新兴产业,融合了交通运输、仓
9、储、邮电等多个领域。根据历年的数据统计结果,交通运输业、仓储业和邮政业这三个主要部门对物流业增加值的贡献在85%以上。因此,本文选择交通运输业、仓储业和邮政业的相关数据来近似反映物流产业的发展水平。在已有的文献研究中,物流业从业人员数、物流业固定资产投资额,以及物流业货运量的数据出现频率较高,因此本文中将继续沿用。表1黄河流域九省区物流效率评价指标体系一级指标投入产出非期望产出二级指标物流业从业人员数(X1)物流业能源消费总量(X2)物流业固定资产额(X3)地方财政环保支出(X4)物流业货运量(Y1)物流业增加值(Y2)专利授权数(Y3)二氧化碳排放量(b1)指标说明劳动力投入能源投入资本投入
10、政府环境规制运输能力经济发展科技创新水平可持续发展能力数据来源以 中国统计年鉴 和 能源统计年鉴 为准四、实证分析本文根据上述模型,使用 MAXDEA软件对数据进行处理,以估算黄河流域九个省区的物流效率水平。(一)黄河流域区域间物流效率差异分析表2以黄河流域上中下游作为区分,代表碳排放约束下的九省区历年物流效率值。从表2可以得出以下信息,黄河上游均值为0.55,中游均值为0.81,下游均值为0.93。总体呈现明显的上游低、中游一般、下游高的特征,这一点恰好契合当前黄河流域“下强上弱”的经济发展格局。从上游观察,青海和甘肃效率值相对较低,均值仅为0.2和0.4,四川和宁夏效率相对较高。根据松弛变
11、量可知,青海和甘肃效率值长期在低位徘徊的可能是由于劳动力资源、固定资产出现冗余,而物流业产值还有较大增长空间,科技投入比例不足,同时对于生态环境的治理成效尚不显著。宁夏的效率值呈现W型走势,在2013年、2016年、2019年、2020年均达到有效。四川在20132015年效率表现较优,但随后出现较明显的下滑趋势;从中游观察,内蒙古效率增长趋势明显,从2015年往后,效率值均达到有效状态。2016年成为陕西效率的拐点,自此陕西效率出现明显下降,最终在2020年恢复到有效状态。山西的效率波动下降,但均值仍为中游省区里第一位。从下游观察,河南效率也呈现U型走势,山东效率表现最佳,除2016年,其余
12、年份均达到了有效,均值为1.05。在九省区之中最优,其中能源消费总量和碳排放已达到最合理水平,无需改进,科技创新水平也较高,这些因素共同使其效率值达到有效前沿面。由此可见,资源要素的合理配置是保障物流效率值有效的主要原因,部分省域要素配比失衡导致了其效率值低下。表2黄河流域九省区20132020年物流效率值年份20132014201520162017201820192020均值综合排名黄河流域上游青海0.140.160.210.220.220.220.200.230.209四川1.040.691.030.690.670.640.550.590.747甘肃0.430.390.360.390.39
13、0.360.420.450.408宁夏1.010.760.781.020.760.591.001.030.872黄河中游内蒙古0.290.370.381.011.011.051.021.010.776陕西0.750.790.751.070.840.650.581.030.815山西0.671.021.000.520.881.140.840.830.863黄河下游河南1.021.030.760.730.760.560.761.000.834山东1.071.031.030.951.091.001.031.201.051(二)黄河流域物流效率时间演化特征图2碳排放约束下20132020年黄河流域物流
14、效率均值以黄河流域时间序列排列的数据整体结果如图2所示。20132020年间,物流效率整体呈现W型走势。20132019年间,效率值始终在0.71波动,2014年和2018年物流效率仅084现代营销下旬刊2023.07XDYX产 业为0.69,处于8年间最低位。20162017年发展速度有所加快,达到了 0.73。2020 年物流效率明显上升,由 2019 年的0.71快速上升至2020年的0.82,同比增长了15%,这主要归功于当年有效决策单元数量增多,宁夏、内蒙古、陕西、山东、河南的效率值均处于有效状态。总体来说,黄河流域的效率处于相对高效的状态,但到达最终有效还有一定的改进距离。碳约束下
15、黄河流域物流效率时间序列分布的特征主要表明以下信息:20142016年间黄河流域逐渐转变粗放型发展模式,在加大了对物流产业规模投入力度时兼顾发展环境友好型社会,与此同时,2016 年作为“十三五”规划的开局之年,黄河流域各省区积极响应国家政策,加大了环境污染的治理力度,PM2.5浓度数值降低、能源消耗大幅度下降,且环保投入占比加大,尤其是山东省和河南省污染治理投资占 GDP 比重较 2015 年同比上涨了 10%,因此,20162017年物流效率相对较高。20182020年间,国家提出黄河流域高质量发展方针,推进黄河流域能源绿色化低碳转型,在物流降本增效的同时,促进实体经济发展,促进物流效率提
16、高。(三)黄河流域物流效率空间演化特征图3为了探讨黄河流域九省区的空间演化差异特征,依据数据结果按照每两年的时间间隔,绘制出黄河流域九省区碳约束下物流效率空间格局图,即将2014年、2016年、2018年和2020年作为代表性年份,具体如图3所示。总体而言,黄河流域物流效率呈现上游偏低、中下游较高、西疏东密的特征。2014 年物流效率有效省区为山西(1.02)、山东(1.03)、河南(1.03);2016 年有效省区为宁夏(1.02)、内蒙古(1.01)、陕西(1.07);2018年有效省区为内蒙古(1.05)、山西(1.14)、山东(1.0),其中,山西在2018年效率值达到了最优,山西致力
17、于科技水平及能源消费量需改进外其余指标配置均衡。同时值得关注的是,2014、2016、2018年黄河流域效率有效单元均为三个,仅占全流域的33%,整体物流效率仍处在较低水平。空间格局上两极分化严重,上下游效率值差异较大。以2014年为例,上游省区均未达到DEA有效,而下游流域有效决策单元数量为100%。这种情况随着时间推移有所改善,区域间差异正在逐步缩小。同时,中游区域整体效率水平得到显著提高,2020年均处于高效或有效状态。从整体空间布局观察,上游物流效率集聚于四川、宁夏,中下游集聚于内蒙古、山东。这背后基于以下原因:一直以来,四川在深入实施西部大开发战略,积极推进物流节能环保措施,有效保护
18、了生态环境;宁夏致力于实施生态优先战略,在建设辐射西部的绿色生态物流圈方面也取得了积极进展;内蒙古则坚持防沙治理,通过发展绿色产业提升经济底气;山东则大力发展新能源,促进能源低碳转型,推动绿色物流建设。而其余省区效率值偏低可能是由于绿色生态治理不到位,且部分省区仍处于传统粗放式物流业,现代物流体系尚未形成,物流人才较为稀缺,物流技术仍需升级。五、结语本文以碳排放作为非期望产出,采用超效率SBM模型,对黄河流域整体物流效率、时空演化及区域演化差异进行了深入分析。主要结论如下:1.黄河流域区域间物流发展呈现上游低、中游一般、下游高的特征,契合黄河流域“下强上弱”的经济发展格局,同时说明资源间有效配
19、置是物流效率提升的关键。2.物流效率时间演化格局呈现W型走势,处于波动上升趋势,物流发展逐步由粗放式向低碳化转变。3.物流效率空间演化格局呈现较明显上下游两极分化、西疏东密的特征,中游地区作为效率的第二梯队,是物流效率改善的着力点,因此,应以中下游发展为主要方向,并扶持上游物流发展。参考文献:1金凤君.黄河流域生态保护与高质量发展的协调推进策略J.改革,2019(11):33-39.2魏际刚.中国物流业发展的现状、问题与趋势J.北京交通大学学报(社会科学版),2019,18(01):1-9.3苏贵影,乔竹.低碳经济下中国省域物流业效率评价基于三阶段DEA及K-means聚类分析法J.湖北农业科
20、学,2020,59(12):206-212+217.4张璇,杨雪荣,王峰.新丝绸之路经济带物流效率评价基于三阶段DEA实证分析J.学习与实践,2016(05):21-32.5龚雪,荆林波.降本增效背景下中国物流产业效率评价及时空差异研究J.商业经济研究,2020(14):100-103.6龚雅玲,万建香,封福育.区域物流效率的测度及其影响因素研究基于 DEA 与 Tobit 模型J.江西社会科学,2019,39(10):72-80.7张永胜.区域物流效率评价及其影响因素分析基于广西地区的实证数据J.商业经济研究,2022(12):111-114.8樊杰,王亚飞,王怡轩.基于地理单元的区域高质量
21、发展研究兼论黄河流域同长江流域发展的条件差异及重点J.经济地理,2020,40(01):1-11.9周清香,何爱平.数字经济赋能黄河流域高质量发展J.经济问题,2020(11):8-17.10于丽英,施明康,李婧.基于DEA-Malmquist指数模型的长江经济带物流效率及因素分解J.商业经济与管理,2018(04):16-25.11Tone,Kaoru.A slacks based-measure of efficiency indata development analysis.J.European Journal of OperationalResearch,2001.12Tone K.A Slacks-Based Measure of Super-Efficiencyin Data Envelopment AnalysisJ.European Journal of Opera-tional Research,2002,143(01):32-41.作者简介:何楚玥(1998),女,汉族,四川省自贡市人,硕士研究生在读,研究方向:区域物流、国际物流。085