基于SE-DEA的省级物流产业生态效率研究_松弛变量论文

基于SE-DEA的省域物流行业生态效率研究，本文主要内容关键词为：效率论文,生态论文,物流论文,行业论文,SE论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      中图分类号：F250 文献标识码：A 文章编号：1672-8106(2015)04-0099-08

      生态效率(Eco-efficiency)的概念最早是由德国学者Schaltegger和Sturm于1990年提出的[1]，1996年世界可持续发展商业理事会(WBCSD)将其定义为：“生态效率是通过提供能满足人类需要和提高生活质量的竞争性定价商品和服务，同时使整个寿命周期的生态影响与资源强度逐渐减低到一个至少与地球的估计承载能力一致的水平来实现的”[2]。物流行业的生态效率反映了物流行业投入(资源的消耗及所带来的环境负荷)与产出(所提供的物流服务)的比值，是衡量物流行业经济效益和环境效益的有效工具。从当前的文献资料来看，生态效率的研究主要集中在生态效率评价指标体系的研究[3-4]和评价方法的研究[5-6]上，所研究的对象主要是区域的生态效率问题[7]，也有少量的文献涉及具体行业的生态效率问题[8]，而对于物流行业的生态效率问题则比较少见。另外，物流行业生态效率评价是一个多投入、多产出的复杂系统，应用超效率数据包络分析方法(Super-Efficiency Data Envelopment Analysis，简称SE-DEA)，一方面可以使评价过程更为全面，考虑到决策单元之间的相互影响；另一方面，对那些同为DEA有效的决策单元可以做出进一步的评价和比较。为此，本文应用SE-DEA方法，以2006-2011年的省域物流产业的统计数据为实证对象，研究我国省域物流产业的生态效率问题。

      一、研究方法与模型建立

      DEA方法是由运筹学家A.Charnes和W.W.Cooper等在“相对效率评价”概念基础上，发展起来的一种效率评价方法。它以决策单元(Decision Making Unit，DMU)的投入、产出指标的权重系数为优化变量，借助于数学规划方法将DMU投影到DEA前沿面上，通过比较决策单元偏离DEA前沿面的程度来对决策单元的相对有效性做出综合评价[9]。但一般的DEA方法无法对多个同时有效的DMU做出进一步的评价和比较，为了解决这个问题，Andersen和Petersen(1993)提出了SE-DEA模型[10]，该模型的特点是：在评价某一具体DMU时，以其他所有的评价单元构成参考集而不考虑被评价单元本身，这样评价结果的效率值有可能大于1，从而可以对那些同为DEA有效的DMU做出进一步的评价和比较。

      SE-DEA的数学模型见式(1)所示。

      

      二、指标选取与数据来源

      生态效率的基本思想是以最少的资源投入和环境代价(损失)来获得最大的经济价值，这与DEA方法对投入与产出指标的要求一致。众多已有的实证研究表明，DEA投入、产出指标的选取与数据来源是导致研究结果差异的重要原因之一。王舒鸿等[11]选择公路里程、铁路里程和能源指标作为投入指标，物流业的产值作为产出指标对各省域物流资源利用效率进行分析；宋英杰[12]选择物质资本和人力资本作为投入指标，货运服务量、邮政服务量和仓储业服务量作为产出指标针对物流业的效率进行评价；田丽[13]选择物流业投入的固定资产以及物流从业人数作为投入指标，货物周转量以及物流业增值作为产出指标评价了河南省物流产业的效率。对于生态效率评价方面，张炳[14]选取总物质投入、物质需求总量、废水、废气、固废、二氧化碳作为投入变量，国内生产总值作为产出指标评价了区域生态效率；吴小庆等[15]以经济收入、经济成本两方面作为投入变量，光合效率、土壤固碳量、有毒气体挥发量等因素作为产出指标对农业生态效率进行了评价。

      为此，本文在参考以上物流行业效率与生态效率评价指标的基础上，结合本文的特点，在兼顾样本数据的可比性、可得性和科学性的基础上构建了我国省域物流产业生态效率的评价指标体系，见表1所示。

      

      在DEA投入和产出指标的确定上，本文采用五要素投入(资本、劳动、能源、二氧化碳排放量、二氧化硫排放量)和两要素产出(年总产值和年物流周转量)模型。文中用交通运输、仓储、邮电行业的数据作为衡量物流效率的标准，由于河北、浙江、重庆、宁夏、广西、云南以及新疆这七个省域的统计年鉴中，缺少交通运输、仓储、邮电行业能源消费数据，本文分析使用的样本为2006-2011年，中国23个省、直辖市和自治区的能源投入和产出数据，基本数据主要来源于2007-2012年《中国统计年鉴》及中国各省的统计年鉴。

      1.投入指标

      物流行业生态效率的投入指标主要包括资源投入和环境污染两大类。资源投入主要选取能源投入、劳动力投入和资本投入这三类指标；环境污染则主要选取碳排放量和硫排放量这两类指标，而对于废水、固体废弃物(包括PM2.5)、噪音等环境污染因为数据原因则没有考虑。

      (1)能源投入

      物流行业的能源投入主要以汽油、柴油和煤油等石化、煤炭和电力能源为主，以我国各省域的交通运输、仓储、邮电行业每年能源消耗量(均折算成标准煤)作为衡量能源投入的指标，数据来源于2007-2012年的各省市的《统计年鉴》。

      (2)劳动力投入

      严格地说，劳动力投入应该考虑数量和质量两个方面，由于缺乏既能体现劳动者劳动时间，又能体现劳动效率的统计指标，考虑到数据的可得性与可比性，本文参照李廉水衡量劳动力投入的指标选取方法，用我国各省域的交通运输、仓储职工从业人数表示(去除邮电业从业人员)，数据来源同上。

      (3)资本投入

      资本投入由我国省域交通运输、仓储、邮电行业的固定资产投资衡量，其中各地区固定资产价格指数来自于《中国统计年鉴》(2007-2012)。

      (4)

排放量

      本文根据《中国能源统计年鉴》(2007-2012)中交通运输、仓储、邮电行业油类燃料、煤类燃料、天然气类燃料、电力和热力等能源消耗来核算出所产生的

排放量，

排放量的测算模型参阅文献[16]。

      (5)

排放量

      本文根据《中国能源统计年鉴》(2007-2012)中交通运输、仓储、邮电行业油类燃料、煤类燃料、天然气类燃料、电力和热力等能源消耗来核算出所产生的

排放量，

排放量的测算模型参阅文献[17]。

      2.产出指标

      物流行业生态效率的产出指标主要包括反映经济效率的行业生产总值和作业效率的货物周转量两大类。

      (1)行业生产总值

      本文用我国省域交通运输、仓储、邮电行业的生产总值作为衡量物流行业经济效率的产出指标。数据来自于《中国统计年鉴》(2007-2012)。

      (2)货物周转量

      本文用我国省域货物年周转量作为衡量物流行业经济效率的产出指标。数据来自于《中国统计年鉴》(2007-2012)。

      3.指标合理性检验

      指标间呈现线性关系是保障数据包络分析有效的前提，因此对于以上选取的指标变量进行检验。首先对于输入变量进行P值分析，在0.05显著水平下说明变量间相关性较好，经检验选取指标P值为0.683符合要求；然后分析输入输出变量之间是否存在线性关系，此时再通过Cobb Douglas生产函数

来检验。本文存在两个输出变量，因此假设输出变量行业生产总值检验模型为

，货物周转量检验模型

，两边同时取对数得

      

      其中

=0.927，F=12.964，sig=0.0000。由以上可知，选取变量符合数据包络分析条件。

      三、实证结果分析

      1.生态效率分析

      本文应用SE-DEA软件EMS1.3，将相关数据带入求解计算，得到我国各省域物流行业2006-2011年的生态效率评价结果，见表2所示。

      

      由表2可知，平均生态效率有效的省份共有8个，仅占被分析省份的36%，说明中国省域物流生态效率总体偏低。2006-2011年里一直处于效率有效的地区为上海、安徽、福建和山东，说明这4个地区的物流行业整体生态效率是有效的。而其他省域物流的生态效率都存在不稳定性，其中北京、辽宁、吉林、黑龙江、湖北、陕西、青海和贵州的生态效率比较低，贵州的生态效率仅在0.5左右，青海的也不足0.7，而且后4年效率都不足0.5，陕西的生态效率都不足0.6，吉林省的生态效率都不足0.8，而且近2年生态效率低于0.6，这些省域物流行业的生态效率有巨大的空间可以提高；生态效率一直呈下降趋势的有山西、山东、吉林、黑龙江和青海，说明其生态效率形势不容乐观；呈先下降再上升趋势的有内蒙古、湖北、湖南、广东、海南、江西、四川、贵州和陕西；呈先升后降趋势的有天津、河南、海南和甘肃，一直呈上升趋势的有江苏、安徽、福建和上海，这些省域物流行业的绿色发展经验值得其他省域学习。

      2.生态效率的前沿面分析

      从表2还可以看出江苏省和天津市除了2008年，山西省2006年，安徽省、山东省、福建省、上海市2006年到2011年，江西省2006年与2010年，河南省2007年到2010年，湖南省2006年，广东省2009年与2011年，海南省2006、2007与2011年，甘肃省2007年与2009年，DEA有效值均超过1，属DEA有效，说明这几个省、直辖市在相关年份的资本投入、能源消耗量投入、劳动力投入、二氧化碳排放量、二氧化硫排放量与物流行业产值等方面的产出处于相对最佳状态，其投入与产出处于相对平衡状态，生态效率较好。其他省份在这6年当中的DEA有效值小于1，属于DEA无效，说明这些省份各投入与产出量还有进一步调整的空间。对于DEA技术无效率的省份，我们可以根据他们的松弛变量的分布和数值进行改进。有松弛变量分布的地方就是可以做出投入减少和产出增加的地方，松弛变量的数值大小就是可以改进的数值大小，由于选取的是投入导向的CCR模型，可以对能源投入无效省份的各投入指标就其松弛变量的分布和数值大小进行改进。针对6年来各省的能源消耗量、二氧化碳排放量、二氧化硫排放量松弛变量分布见表3～表5所示。

      

      

      根据投入指标松弛变量的分布表，可以知晓各省域物流行业不同环境资源投入的有效性，为进一步的生态宏观调控提供方向和依据。

      (1)关于能源投入。部分省份如天津、吉林、上海、安徽、福建和山东这几个省域在2006-2011年间的松弛变量都为0，说明这些省份的物流产业能源消费与产业发展比较均衡，生态效率较好，没有过多的能源浪费；而北京、山西、广东、陕西、甘肃、贵州几个省份大部分年间的能源消费量的松弛变量不为0，说明存在着与物流产业发展不匹配的能源投入过高的问题，湖北和四川两个省份近六年的能源投入松弛变量都不为零，说明这两个省域的物流产业能源投入与产业发展不均衡，生态效率较低，应该采取相应措施解决这种局面；黑龙江、江苏、河南、青海这几个省域小部分年间的能源投入的松弛变量不为0，同样存在部分年份能源投入过高的问题。

      (2)关于二氧化碳排放量。由表4可以看出二氧化碳排放量为零的松弛变量很少。2006-2011年内，二氧化碳排放量都为零的松弛变量仅有上海、安徽、福建和山东四个省域，天津和江苏的二氧化碳排放量与生态效益也比较适应，而大部分省域的二氧化碳排放量的松弛变量过大。吉林、黑龙江、湖北和陕西的2006-2011年松弛变量均不为零，山西、内蒙古、辽宁、甘肃、贵州还有青海这几个省域也分别只有一个年份的松弛变量为零，这说明从生态效率考察角度来看这些省域的二氧化碳排放量过高，应当采取相应的减碳措施，使二氧化碳排放量与其生态经济效益相适应发展。

      (3)较之二氧化碳排放量的生态效率，二氧化硫的生态效率整体良好，大部分省域二氧化硫排放量的松弛变量为零，表明其生态效益良好。但是北京、内蒙古、吉林、黑龙江和辽宁5个省域的二氧化硫排放量的松弛变量都很高，表明这些省域的二氧化硫排放量相对其生态效率水平过高，应当减少其物流行业的二氧化硫排放量。

      四、研究启示

      不同省域物流行业生态效率的分值反映了在特定时间内物流行业各自所投入的资源和环境代价(损失)与经济产出之间的相对比值关系，是物流行业生态效率的外在具体表现，为此，有必要分析影响这些省域物流行业生态效率的深层次原因。下面，分别从4个方面来阐述。

      1.从地理空间因素来看，东部省域的物流行业生态效率高于西部省域。

      由表2可知，生态效率排名前5的省域分别为天津、安徽、上海、山东、福建，这些地区的经济比较发达，物流货运量大，物流企业也相对比较多，而且又大多是沿海港口区域，是国际物流的主要集散地。因此，地域优势是这些东部省域物流行业生态效率较高的一个重要原因。

      2.从能源效率因素来看，物流行业生态效率存在着较强的时空差异性。

      在所研究的23个省域中，只有天津、吉林、上海、安徽、福建和山东这几个省域在2006-2011年间的能源投入松弛变量都为0；湖北和四川两个省份在2006-2011年间的能源投入松弛变量都不为0；其余省域在部分年间的松弛变量为0，部分年间又不为0，表现出动态的时空差异性。通过计算得出，2006-2011年湖北和四川物流行业的能源效率均值分别为5032.87吨标准煤/亿吨公里和6943.71吨标准煤/亿吨公里；而能源效率较高的天津均值为416.75吨标准煤/亿吨公里，安徽为887.73吨标准煤/亿吨公里，上海为1109.45吨标准煤/亿吨公里，山东为2294.06吨标准煤/亿吨公里。因此，可以看出能源效率之间的差异还是很大的，需要相应省域的物流主管部门寻求更深层次的原因(主要涉及物流节能技术、重载技术的应用以及大批量运输方式的应用等等)，来提高能源效率。

      3.从能源结构因素来看，油气类能源是物流行业主要使用的能源。

      由《中国能源统计年鉴》中的能源消耗数据可以看出，物流行业所使用的能源涉及各种油气类、煤类、电力、热力等，油气类能源是物流行业主要使用的能源，是二氧化碳排放量最主要的产生源，油气类和煤类则是二氧化硫排放量的主要来源。2011年的23省域的数据统计得出，油气类能源所产生的二氧化碳量占到80.47%，其次是电力所产生的二氧化碳量占到11.47%，煤类产生的二氧化碳量占到5.82%。同时，数据统计显示，二氧化硫排放的主要来源是油气类和煤类，因此，应该减少物流行业油气类和煤炭类能源的使用，鼓励清洁能源在物流行业的开发与应用，在减少两者使用的同时，尽量使用脱硫能源，也可以大大减少二氧化硫的排放。

      通过前沿面分析，可以找出能源结构不合理的省域。在能源投入松弛变量为0的区域，其二氧化碳或二氧化硫的松弛变量不为0，即表明其能源结构存在问题，例如，2008年的天津就存在着能源结构不合理，其能源投入是有效的，但因为能源结构不合理，导致二氧化碳和二氧化硫的排放过量。

      4.从运输结构因素来看，其对物流行业的生态效率影响作用并不明显。

      理论而言，铁路运输与水路运输由于其运量大，单位货物周转量的能源消耗少，具有较好的生态效率。为此，我们分别以2011年生态效率前5名和后5名省域的运输结构来分析其对物流行业生态效率的影响，计算结果如表6所示。可以看出，运输结构对物流行业的生态效率影响作用不明显。例如，生态效率最好的安徽省的货物周转量72.5%是由公路运输完成的，而铁路货运量较高的北京市却生态效率不高。

      

      在国民经济高速发展的今天，我国物流行业的发展不应该只注重总产值的提高，更应重视其能源消耗及其生态效率问题，要从可持续发展的角度出发，处理好经济、能源、环境三者的协调关系，提高物流行业整体的效率水平，寻求物流行业经济效益和社会效益的最大化。本文是基于宏观层面对各省域的生态效率进行分析的，有利于从宏观上把握我国各省域物流行业生态效率的总体情况，也有利于充分发挥物流行业生态效率较高省域的示范作用，加强物流行业节能技术与能源管理方法在不同省域间的学习与推广，促进我国物流行业与生态环境的协调发展。

标签：松弛变量论文;  能源效率论文;  二氧化碳排放量论文;  dea论文;  能源论文;  效率论文;  变量论文;