碳强度约束下的区域物流产业效率测算

陈洁

摘 要：基于2004-2011年中国30个省区物流业的面板数据，应用环境DEA技术和方向距离函数方法，对碳强度约束下中国物流业全要素生产率的增长来源与区域差异进行实证分析。结果表明：碳强度约束下的物流业全要素生产率年均增长率达1.9%，高于不考虑碳约束情形；碳强度约束下的物流业生产率指数与碳强度目标吻合，物流业全要素生产率改进，碳强度下降；物流业生产率的提升主要依赖物流技术进步和创新；碳强度约束下东部地区物流业生产率存在趋同性，中部地区差异在扩大，西部地区则在缩小。

关键词：物流业全要素生产率；碳强度；环境DEA技术；技术进步

中图分类号：F253 文献标识码：A 文章编号：1003-3890（2014）03-0062-06

一、引言

物流业是国民经济发展的重要服务行业，其发展水平已成为衡量一个国家或地区综合实力的重要标志之一。同时，物流业对汽油、煤油等能源的消耗量较大，成为中国能源消耗的主要行业之一。例如，2011年，物流业消耗煤油量和汽油量为1 646.35万吨和3 373.52万吨，分别占总消耗量的90.6%和45.6%；可以说，物流业已成为二氧化碳气体排放的重要来源。伴随着物流业在国民经济发展中地位的日益提升，如何通过环境管制理念和先进的物流技术，在促进物流业效率增长的同时将环境污染影响降至最小，合理地规划、统筹和管理物流系统显得非常重要。

全要素生产率分析是研究经济增长的重要工具，可以从整体上反映一个产业的生产率状况。自Chow（1993）[1]首次提出该研究方法以来，目前已成为热点，关于中国全要素生产率的研究主要集中在三个方面：一是主要集中于工业和农业部门等具体部门的全要素生产率研究；二是运用加总时间序列数据研究中国全要素生产率随时间的波动和变化态势；三是运用面板数据对中国各省份的全要素生产率的差异化进行实证研究。

早期物流产业效率的文献研究集中于对运输业效率进行分析，Oum等（1992）[2]提出了交通生产率的概念并提出测算方法，国内学者余思勤等（2004）[3]测算了中国交通各部门1990—2000年的生产率，但并未测算交通全行业的生产率。刘玉海等（2008）[4]分析了2000—2004年中国道路运输业生产率。随着物流业的快速发展，对物流产业效率问题的研究也逐渐增多。Barros（2003）[5]运用生产率指数测算了1990—2000年葡萄牙10个港口的技术进步与技术效率。张越等（2006）[6]考察了1995—2005年中国9个民用机场的生产率，分析了机场业务量增长和下降的原因。于剑（2007）[7]测算了中国5个主要航空公司2002—2006年的全要素生产率，认为生产率总体上有所提高，且增长受到技术效率改善与技术进步的共同影响。田刚等（2009）[8]运用超越对数随机前沿模型方法，分析了1991—2007年我国29个省级地区的物流业全要素生产率，并分析了其增长来源。王维国等（2012）[9]利用Malmquist-luenberger生产率指数方法测算了1997—2009年我国30个省级地区的物流产业效率，并首次将碳排放纳入非期望产出考虑，发现物流产业效率受外部环境因素影响显著。唐建荣等（2013）[10]综合考虑环境负荷与经济增长之间的关系，将非期望产出的二氧化碳排放量作为投入变量，运用DEA模型衡量了物流业的纯技术效率、规模效率和综合效率，发现不过滤碳排放的影响，物流业的纯技术效率值被低估，而规模效率值被高估。

综上所述，现有关于物流产业效率方面的研究成果颇丰，但仍然存在不足：一是诸多学者主要集中于从行业层面或企业层面考察和比较物流业全要素生产率的变化，缺乏从区域角度考虑物流产业的研究，也未能考察区域物流生产率的差异和变动；二是目前研究方法中基本都是将物流资本、物流业从业人员和物流业能源消耗等生产要素作为投入要素和期望产出考虑，未将环境污染等非期望因素纳入度量。因此，本文研究将碳排放作为非期望产出纳入模型度量，并运用基于环境DEA技术的Malmquist-luenberger指数方法测算物流业全要素生产率。

二、研究方法与模型

（一）曼奎斯特-鲁恩博格生产率指数模型

Chung et al.（1997）[11]在环境DEA技术与方向距离函数的基础上，提出了曼奎斯特-鲁恩博格生产率指数（简称LP），解决了减少非期望产出情形下测算全要素生产率的问题。

考虑一个地区物流产业总值生产函数F（X），其中X表示要素投入，并假设要素投入X=（K，L，E）∈R+N，K表示资本投入，L为劳动力投入，E为能源投入。通过生产得到Y和C。其中Y对物流产业增长发展有利，是一种期望产出，期望其越大越好；而C是一种伴随生产过程产生的非期望产出，期望其越小越好。所有可能的包括期望产出与非期望产出的产出构成的集合称为生产可行集，记为P，基于环境DEA技术的非参数分析框架，假设一共有i=1，…I个地区作为决策单元，第i=1，…I个地区的投入和产出值为（Ki，Li，Ei，Yi，Ci），强度变量？覣i是在构造生产前沿时分配给每个决策单元的权重，可以采用以下的线性规划来表示。

P={（K，L，E，Y，C）：■？覣iKi？燮K；

■？覣iLi？燮L；

■？覣iEi？燮E；

■？覣iYi？叟Y；

■？覣iCi=C；？覣i？叟0，i=1，…I}（1）

方向性距离函数是指在某种生产技术水平下，基于固定的投入（或产出），描述产出指标变量（或投入指标变量）最优比例的一种代表性函数，可以用式（2）表示：

■0（K，L，E，Y，C；dY，-dC）=sup{？姿：（Y+？姿dY，C-？姿dC）∈P（K，L，E，Y，C）}（2）

式（2）中，距离函数值？姿表示决策单元观测值（Y，C）与其在生产前沿面上投影（Y+？姿dY，C-？姿dC）之间的距离。方向向量d=（dY，-dC）决定了效率测度的方向，即产出扩张或减少的方向，其中期望产出（Y）扩张的方向为dY，而非期望产出（C）下降的方向向量-dC，方向距离函数实现在非期望产出约束下期望产出的最大扩张。根据方向向量d=（dY，-dC）的不同取值，本文设定了两种方向距离函数情形。

情形一：假设d=（Y，0），不考虑非期望产出（C）的影响，可以用数学规划式（3）表示：

■t0（Kti，Lti，Eti，0；Yti，0）=Max？姿

s.t. ■？覣tiKti？燮Kti

■？覣tiLti？燮Lti

■？覣tiEti？燮Eti

■？覣tiYti？叟（1+？姿）Yti

？覣i？叟0，i=1，…M（3）

情形二：假设d=（Y，-C），并且非期望产出（C）具有弱处置性，方向向量d=（Y，-C）要求同比例的增加物流业增加值而降低二氧化碳排放，可以用数学规划式（4）表示：

■t0（Kti，Lti，Eti，0；Yti，-Cti）=Max？姿

s.t. ■？覣tiKti？燮Kti

■？覣tiLti？燮Lti

■？覣tiEti？燮Eti

■？覣tiYti？叟（1+？姿）Yti

■？覣tiCti=（1-？姿）Cti

？覣i？叟0，i=1，…M（4）

式（4），关于要素投入（K，L，E）和期望产出（Y）的不等式表示它们是可自由处置的。而关于非期望产出（C）的等式表明非期望产出（C）的弱处置性。函数值？姿=0意味着该决策单元处于生产前沿面上，其生产是有效率的。函数值越大，表明决策单元离生产前沿面越远，效率越低。

在低碳约束情形下，第i个决策变量的曼奎斯特-鲁恩博格生产率指数LP可以表示为：

LPt+1i，t={■×

■}■（5）

全要素生产率指数LP可以被分解为效率变化（EF）和技术进步变化（TE）的连乘积：

LP=EF×TE（6）

EFi，tt+1=■（7）

TEi，tt+1={■×

■}（8）

（二）收敛性分析

？滓收敛分析是研究随着时间的推移，不同地区之间物流业全要素生产率LP的离差随时间推移而变化的情况。若离差逐渐变小，则表示生产率的离散程度在缩小，趋于？滓收敛。若离差变大，则表示生产率的离散程度在扩大，趋于发散。本文研究的碳强度约束下全要素生产率？滓收敛分析可以用式（9）表示：

？滓t=■（9）

其中，LPi，t表示第i个地区在t时期的物流业全要素生产率，而■t是t时期所有M个地区物流业全要素生产率的平均值。当？滓t+1<？滓t时，则说明碳强度约束下中国物流业全要素生产率的离散程度在缩小，存在？滓收敛。

三、数据描述与处理

本文使用的样本为2004—2011年中国各地区物流业的投入和产出数据。所用数据来源有《中国统计年鉴》（2005—2012年）和《中国能源统计年鉴》（2005—2012年），选取和处理的指标如下。

（1）物流资本投入：刘秉镰（2006）、邓学平（2008）[12]在其研究中选取用固定资产投资指标代替资本存量作为资本投入量，本文在研究物流资本投入时借鉴这一方法，并选取以2004年作为基期，以全行业固定资产投资价格指数替代分行业投资价格指数。物流业投资（亿元）本文选取中国统计年鉴（2005—2012年）关于按主要行业分的全社会固定资产投资中的交通运输、仓储和邮政业的投资总额。

（2）劳动力投入：即物流业从业人员，本文选取中国统计年鉴（2005—2012）关于统计各地区交通运输、邮电通信业就业人员数中的统计数据，将铁路运输业、道路运输业、城市公共交通业、航空运输业、管道运输业、装卸搬运、其他运输服务业和邮政业累积加和得到。

（3）能源投入：本文选取交通运输、仓储和邮政业中消耗量比例最大的七项能源，包括煤炭、汽油、煤油、柴油、燃料油、液化石油气和天然气，将《中国能源统计年鉴》（2005—2012）统计的各省市所消耗的一次能源量作为能源投入，并将汽油、煤油、柴油等各类型的消耗量统一转换成标煤，加总即得到总能源消耗量。

（4）物流业产值：即物流GDP，本文选取除西藏以外30省的交通运输、仓储和邮政业增加值，《中国统计年鉴》中按三次产业分地区生产总值（2005—2012）中的交通运输、仓储和邮政业增加值。其中各地区现价的物流业产值数据来自历年统计年鉴，以2004年不变价格折算各年份各地区的物流业产值。

（5）二氧化碳排放量：按照《中国能源统计年鉴》（2005—2012）中分地区各类能源消耗量及二氧化碳信息分析中心公布的各类能源排放系数，计算得到各地区2005—2012年的二氧化碳排放量。样本数据的统计概述如表1所示。

本文将除去西藏在内的30个省或自治区划分为东部地区、中部地区和西部地区三大区域，具体划分标准参考中国统计局的划分标准①。

图1的散点图描述的是按照区域划分的物流业产值与其二氧化碳排放量。其中，纵轴代表各省或自治区的物流业产值，横轴代表各省或自治区的二氧化碳排放量。从图1可以看出，2004—2011年，山东省的物流业平均产值最高，广东省的物流业平均二氧化碳排放量最大，图中散点与原点斜率倒数表示单位物流碳排放（本文称之为物流碳强度），且斜率越大，表明物流碳强度越小。总体看来，东部地区的山东、河北、浙江、江苏、福建等省份的物流碳强度较小。中部地区居中，其中江西、安徽等地区的平均物流碳强度较低，湖北的平均物流碳强度最高；西部地区整体物流业碳强度较高，尤其是新疆、云南等地区的平均物流碳强度较高。

四、物流业全要素生产率测算与收敛性分析

（一）不同情形的物流业生产率比较

本节分别测算了我国物流业2004—2011年不考虑碳约束和考虑碳约束两种情况下的物流业全要素生产率。情形一计算的是传统的物流业生产率（LP表示）。情形二将碳排放作为弱处置的非期望产出纳入方向距离函数计算物流业生产率（CLP表示），产出中包括物流业增长和碳排放两个目标。

从表2可以看出，情形一中未考虑物流碳强度约束，2004—2011年物流业生产率指数为1.008，表示该时期中国30个省和自治区物流业生产率平均年增长为0.8%。情形二考虑碳约束，2004—2011年物流业生产率指数为1.019，表示该时期中国物流业生产率平均年增长1.9%，高于未考虑碳约束的情形。这表明了强调环境管制的物流业生产率要高于不考虑环境管制的物流业生产率。

图2是2005—2011年碳强度与累积的物流业生产率之间的变化趋势。累积的CLP可以直观地反映t+1期生产率是提高还是倒退，若t+1期累积的CLP较第t期大，表明t+1期的物流业生产率较上一期有所提高。2005—2007年单位物流GDP（以2004年不变价计算）碳排放由0.867吨/万元减少至0.755吨/万元，2007—2009年出现暂时性的增长，增至0.836吨/万元，2010—2011年又呈现下降趋势，2011年减少为0.724吨/万元，从整体趋势来看，近年来单位物流GDP碳排放量呈现下降趋势。通过比较2005—2011年的碳强度和累积的物流业生产率可以发现，两者存在明显的变化趋势，累积的CLP可以较好地解释碳强度的变化，CLP得到改进，碳强度下降，反之，则上升。

（二）碳强度约束下物流业生产率分解

根据公式（6），对碳强度约束下的物流业生产率分解为效率变化指数（EF）和技术进步指数（TE）。从表2和表3可以发现，2005—2011年物流业生产率年均增长1.9%，主要来源于物流业技术的进步，其中技术进步年均增长1.5%，而物流效率的改进对碳约束下的物流业生产率增长的贡献不大，年均增长率约0.4%。主要原因是2000年以来，中国工业化和城市化快速发展，产业结构不断升级，刺激了物流需求的强劲增长，加上各级政府对物流业大量资金和人力的投入，物流相关政策的出台，物流技术创新效果明显。2005年以来，中国提出低碳经济转型战略，发展以节能为主，物流业作为能源消耗的主要产业之一，各区域在追求提高物流业产值的同时注重节能和低碳技术，物流信息技术的不断创新有效地推动了物流业全要素生产率进步。伴随着物流业进一步发展，物流基础设施投资快速增长，必须注重节能与低碳技术的创新与利用。

（三）碳强度约束下区域物流业生产率

按照区域划分，比较东部、中部和西部三大区域的物流业生产率，如表4所示。不考虑低碳约束和低碳约束下的各区域物流业生产率均大于1，这表明近年来随着各地大力发展物流业，技术创新效果明显。比较东部、中部和西部三大区域的物流业生产率，发现东部地区最高，西部居中略高于中部，这也表明2000年以来我国西部大开发战略提出以来，西部地区经济发展刺激了西部地区物流需求，加上近年来国家对西部地区物流基础设施的投资建设，有效地促进了西部地区物流产业效率的提升。比较各区域的物流效率变化指数，东部地区最高，西部居中，中部最低；以及各地区的技术进步指数，东部最高，中部居中，西部最低，这也表明了西部地区在物流技术创新方面落后于东部和中部地区，西部地区物流业生产率的提升依赖于引发效率变化的规模指数变化，而并非纯技术效率的提升。另外，值得注意的是，低碳约束下各区域的技术进步指数较未考虑低碳约束都有大幅提升，这也再次验证近年来物流业生产率的提升主要依赖于物流技术进步和创新，低碳物流经济的发展必须依赖于低碳技术的创新。

（四）收敛性分析

计算2005—2011年全国及东部、中部和西部三大地区的碳约束下物流业生产率的值。图3显示的是我国总体及东部、中部和西部三大区域物流业生产率标准差随时间变化的情况。

从全国整体来看，2004—2011年呈现先下降，再小幅上升并趋于平稳的状态。东部和中部地区的低碳约束下物流业生产率标准差明显高于西部地区，这表明东部和中部地区低碳约束下的各省物流业生产率相差较西部地区大。从分地区来看，三大区域2005—2008年均有大幅下降的趋势，在2009年出现小幅回升。2009年以后中部地区呈现明显发散趋势，地区间低碳约束物流业生产率差异程度在扩大；东部地区的碳强度约束下的物流生产率存在趋同性；西部地区的碳强度约束下的物流生产率存在收敛性，表明西部地区各省份直接的物流业生产率差距在逐步减小。

五、结论与建议

本文运用方向距离函数和环境DEA技术，考虑将非期望产出碳强度纳入模型，构建碳强度约束下中国物流业生产率，与传统的物流业生产率比较。并进一步分析了影响物流业生产率变化的重要因素，比较区域物流业生产率变化，并进行收敛性分析，得到以下主要结论：

1. 未考虑物流碳强度约束，2004—2011年中国30个省和自治区物流业生产率平均年增长为0.8%，考虑二氧化碳排放约束，物流业生产率平均年增长为2%，高于不考虑碳强度约束。这表明了强调环境管制的物流业生产率要高于不考虑环境管制的情形。

2. 低碳物流经济的发展兼顾物流业增长和碳减排两个目标。本文对物流业生产率的测算能够与碳强度目标吻合。累积的物流业生产率可以较好地解释碳强度的变化，物流业生产率得到改进，碳强度下降；物流业生产率倒退，碳强度上升。

3. 2005—2011年物流业生产率年均增长1.9%，其中物流技术进步年均增长1.5%，而物流效率的改进对碳约束下的物流业生产率增长的贡献不大，年均增长率约0.4%。物流业生产率的提升主要依赖于物流技术进步和创新。

4. 从物流业生产率比较看，东部地区高于西部地区高于中部地区；从物流效率变化指数比较，也是东部地区高于西部地区高于中部最低；从物流技术进步指数比较看，东部最高，中部居中，西部最低；西部地区在物流技术创新方面落后于东部和西部地区，物流业生产率的提升依赖于引发效率变化的物流规模指数变大。

5. 在碳强度约束下，东部地区的物流业生产率存在趋同性；中部地区的物流业生产率呈现发散趋势，地区间差异程度在扩大；而西部地区的物流业生产率存在收敛性，地区差异程度在缩小。

本文的政策建议有如下几点：

1. 低碳物流经济的发展目标是双重的，不仅仅关注于物流经济的增长，更重要的是考虑低碳转型的要求，必须保证在实现物流业生产效率提升的前提下尽可能减少二氧化碳的排放，在评估物流产业效率和区域差异时，应重新审视评价物流产业效率的重要指标。

2. 2000年以来，中国工业化和城市化快速发展，刺激了物流需求的强劲增长，各级政府对物流业大量资金和人力的投入，物流相关政策的出台，对物流业的发展起到明显的推动作用。然而，低碳物流经济的发展不仅仅只是依赖物流规模的盲目扩张，现阶段应以物流效率增长和节能减排为目标，鼓励物流信息技术创新和物流节能技术创新。

3. 西部地区是我国物流业发展的重要地区，相对东部地区和中部地区，具有更高的碳强度，物流信息技术水平也较为落后。因此，政府在制定和引导未来区域物流发展时，应一方面加大节能减排的政策引导，另一方面加强西部地区物流基础设施硬件和物流信息技术软件的资金投入，促进物流技术创新，促进西部地区在新一轮西部大开发和承接中东部产业转移过程中抓住机遇，追赶中东部地区，提高物流生产率。

注释：

①中国统计局按地理位置和经济发展水平划分成三大区域。东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省份，中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个省份，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆11个省或自治区。

参考文献：

[1]Chow G. Capital Formation and Economic Growth in China[J].Quarterly Journal of economics，1993，108：809-842.

[2]Oum T， M Tretheway， W Waters II. Concepts，Methods and Purposes of Productivity Measurement in Transportation[J].Transportation Research Part A：Policy and Practice，1992，26（6）：493-505.

[3]余思勤，蒋迪娜，卢剑超.我国交通运输业全要素生产率变动分析[J].同济大学学报（自然科学版），2004，（6）：32-39.

[4]刘玉海，林建兵，翁嘉辉.中国道路运输业营运效率动态分析术——基于Malmquist生产力指数[J].产业经济研究，2008，（1）：56-64.

[5]Barros CP. The Measurement of Efficiency of Portuguese Seaport Authorities with DEA[J].International Journal of Transport Economics，2003，30（3）：335-354.

[6]张越，胡华清.基于Malmquist生产力指数的中国民用机场运营效率分析[J].系统工程，2006，（12）：44-53.

[7]于剑.基于Malmquist指数的中国航空公司业全要素生产率分析[J].北京理工大学学报（社会科学版），2007，（12）：58-65.

[8]田刚，李南.中国物流业全要素生产率变动与地区差异——基于随机前沿模型的实证分析[J].系统工程，2009，27（11）：62-68.

[9]王维国，马越越.中国区域物流产业效率——基于三阶段DEA模型的Malquist-luenberger指数方法[J].系统工程，2012，（3）：66-75.

[10]唐建荣，卢玲珠.低碳约束下的物流效率分析[J].中国流通经济，2013，（1）：40-47.

[11]Chung YH， Fare R， Grosskopf S，Productivity and Undesirable Outputs： A Directional Distance Function Approach[J]. Journal of Environmental Management，1997，51（3）：229-240.

[12]刘秉镰，李清彬.中国城市全要素生产率的动态实证分析：1990-2006——基于DEA模型的Malmquist指数方法[J].南开经济研究，2009，25（3）：139-152.

责任编辑、校对：张 然

本文的政策建议有如下几点：

1. 低碳物流经济的发展目标是双重的，不仅仅关注于物流经济的增长，更重要的是考虑低碳转型的要求，必须保证在实现物流业生产效率提升的前提下尽可能减少二氧化碳的排放，在评估物流产业效率和区域差异时，应重新审视评价物流产业效率的重要指标。

2. 2000年以来，中国工业化和城市化快速发展，刺激了物流需求的强劲增长，各级政府对物流业大量资金和人力的投入，物流相关政策的出台，对物流业的发展起到明显的推动作用。然而，低碳物流经济的发展不仅仅只是依赖物流规模的盲目扩张，现阶段应以物流效率增长和节能减排为目标，鼓励物流信息技术创新和物流节能技术创新。

3. 西部地区是我国物流业发展的重要地区，相对东部地区和中部地区，具有更高的碳强度，物流信息技术水平也较为落后。因此，政府在制定和引导未来区域物流发展时，应一方面加大节能减排的政策引导，另一方面加强西部地区物流基础设施硬件和物流信息技术软件的资金投入，促进物流技术创新，促进西部地区在新一轮西部大开发和承接中东部产业转移过程中抓住机遇，追赶中东部地区，提高物流生产率。

注释：

①中国统计局按地理位置和经济发展水平划分成三大区域。东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省份，中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个省份，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆11个省或自治区。

参考文献：

[1]Chow G. Capital Formation and Economic Growth in China[J].Quarterly Journal of economics，1993，108：809-842.

[2]Oum T， M Tretheway， W Waters II. Concepts，Methods and Purposes of Productivity Measurement in Transportation[J].Transportation Research Part A：Policy and Practice，1992，26（6）：493-505.

[3]余思勤，蒋迪娜，卢剑超.我国交通运输业全要素生产率变动分析[J].同济大学学报（自然科学版），2004，（6）：32-39.

[4]刘玉海，林建兵，翁嘉辉.中国道路运输业营运效率动态分析术——基于Malmquist生产力指数[J].产业经济研究，2008，（1）：56-64.

[5]Barros CP. The Measurement of Efficiency of Portuguese Seaport Authorities with DEA[J].International Journal of Transport Economics，2003，30（3）：335-354.

[6]张越，胡华清.基于Malmquist生产力指数的中国民用机场运营效率分析[J].系统工程，2006，（12）：44-53.

[7]于剑.基于Malmquist指数的中国航空公司业全要素生产率分析[J].北京理工大学学报（社会科学版），2007，（12）：58-65.

[8]田刚，李南.中国物流业全要素生产率变动与地区差异——基于随机前沿模型的实证分析[J].系统工程，2009，27（11）：62-68.

[9]王维国，马越越.中国区域物流产业效率——基于三阶段DEA模型的Malquist-luenberger指数方法[J].系统工程，2012，（3）：66-75.

[10]唐建荣，卢玲珠.低碳约束下的物流效率分析[J].中国流通经济，2013，（1）：40-47.

[11]Chung YH， Fare R， Grosskopf S，Productivity and Undesirable Outputs： A Directional Distance Function Approach[J]. Journal of Environmental Management，1997，51（3）：229-240.

[12]刘秉镰，李清彬.中国城市全要素生产率的动态实证分析：1990-2006——基于DEA模型的Malmquist指数方法[J].南开经济研究，2009，25（3）：139-152.

责任编辑、校对：张 然

本文的政策建议有如下几点：

1. 低碳物流经济的发展目标是双重的，不仅仅关注于物流经济的增长，更重要的是考虑低碳转型的要求，必须保证在实现物流业生产效率提升的前提下尽可能减少二氧化碳的排放，在评估物流产业效率和区域差异时，应重新审视评价物流产业效率的重要指标。

2. 2000年以来，中国工业化和城市化快速发展，刺激了物流需求的强劲增长，各级政府对物流业大量资金和人力的投入，物流相关政策的出台，对物流业的发展起到明显的推动作用。然而，低碳物流经济的发展不仅仅只是依赖物流规模的盲目扩张，现阶段应以物流效率增长和节能减排为目标，鼓励物流信息技术创新和物流节能技术创新。

3. 西部地区是我国物流业发展的重要地区，相对东部地区和中部地区，具有更高的碳强度，物流信息技术水平也较为落后。因此，政府在制定和引导未来区域物流发展时，应一方面加大节能减排的政策引导，另一方面加强西部地区物流基础设施硬件和物流信息技术软件的资金投入，促进物流技术创新，促进西部地区在新一轮西部大开发和承接中东部产业转移过程中抓住机遇，追赶中东部地区，提高物流生产率。

注释：

①中国统计局按地理位置和经济发展水平划分成三大区域。东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省份，中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个省份，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆11个省或自治区。

参考文献：

[1]Chow G. Capital Formation and Economic Growth in China[J].Quarterly Journal of economics，1993，108：809-842.

[2]Oum T， M Tretheway， W Waters II. Concepts，Methods and Purposes of Productivity Measurement in Transportation[J].Transportation Research Part A：Policy and Practice，1992，26（6）：493-505.

[3]余思勤，蒋迪娜，卢剑超.我国交通运输业全要素生产率变动分析[J].同济大学学报（自然科学版），2004，（6）：32-39.

[4]刘玉海，林建兵，翁嘉辉.中国道路运输业营运效率动态分析术——基于Malmquist生产力指数[J].产业经济研究，2008，（1）：56-64.

[5]Barros CP. The Measurement of Efficiency of Portuguese Seaport Authorities with DEA[J].International Journal of Transport Economics，2003，30（3）：335-354.

[6]张越，胡华清.基于Malmquist生产力指数的中国民用机场运营效率分析[J].系统工程，2006，（12）：44-53.

[7]于剑.基于Malmquist指数的中国航空公司业全要素生产率分析[J].北京理工大学学报（社会科学版），2007，（12）：58-65.

[8]田刚，李南.中国物流业全要素生产率变动与地区差异——基于随机前沿模型的实证分析[J].系统工程，2009，27（11）：62-68.

[9]王维国，马越越.中国区域物流产业效率——基于三阶段DEA模型的Malquist-luenberger指数方法[J].系统工程，2012，（3）：66-75.

[10]唐建荣，卢玲珠.低碳约束下的物流效率分析[J].中国流通经济，2013，（1）：40-47.

[11]Chung YH， Fare R， Grosskopf S，Productivity and Undesirable Outputs： A Directional Distance Function Approach[J]. Journal of Environmental Management，1997，51（3）：229-240.

[12]刘秉镰，李清彬.中国城市全要素生产率的动态实证分析：1990-2006——基于DEA模型的Malmquist指数方法[J].南开经济研究，2009，25（3）：139-152.

责任编辑、校对：张 然