基于SBM模型的江苏省城市物流业环境效率研究

周莹

【摘 要】本文基于松弛变量的测量模型（slack-based measurement，SBM）对江苏省13个地级市在考虑和不考虑非期望产出情况下的物流业环境效率进行测算和分析。在计算考虑非期望产出时，以污水和二氧化碳（carbon dioxide， CO2）作为不合格的产量指标，并根据各地级市对污水和废气的污染专项防治资金，确定不合格品指标的权重。结果显示，江苏省城市物流业环境效率有明显差异，其中连云港市、宿迁市、淮安市的物流业环境效率均低于平均值，是提高江苏省物流业环境效率的突破口；镇江市、南通市与省内其他地级市相比，在物流资源配置和环境污染防治方面尚有欠缺。

【关键词】物流业；环境效率；SBM模型

中图分类号： F259.27 文献标识码： A 文章编号： 2095-2457（2018）36-0149-003

DOI：10.19694/j.cnki.issn2095-2457.2018.36.063

0 引言

江苏省地处长江经济带，是中国经济最活跃的省份之一，下辖13个设区市，是唯一所有地级市都跻身百强的省份，截至2017年，实现地区生产总值85900.9亿元，人均生产总值107189元[1]。江苏省作为全国经济大省，提升经济整体运行效率对国民经济发展有积极促进作用，而物流业作为现代经济结构中的重要组成部分，推动物流业降本增效，对促进全省实体经济发展，深入推进供给侧结构性改革有重要意义。2018年3月6日，江苏省政府办公厅印发《关于进一步推进物流降本增效促进实体经济发展的实施意见》明确提出要进一步推进物流降本增效，营造物流业良好发展环境。在此背景下，研究江苏省城市物流业环境效率有重要的理论和现实意义。

目前国内外很多专家学者都对物流效率进行了研究并取得了丰硕的成果。归纳来说，目前对于生产要素投入产出效率的研究方法有两种：单因素法和全要素法[2]。由于单因素法测算效率只考虑了能源投入与产出的比例关系，没有考虑实际生产中其他因素的影响，因此有很大的局限性[3]。全要素法为生产要素投入产出效率分析提供了一个较全面的视角[4]。但目前运用全要素法对城市产业产出效率进行测算的文献很少，即便使用全要素法进行测算，也很少有考慮两种及以上非期望产出的文献，即便考虑到非期望产出，因为不同的产出物即使都是污染物对环境的影响程度也不同，如果不考虑权重等因素而只是简单的加入也会导致结果失真。

本文将把不考虑非期望产出的全要素视角下江苏省城市物流业环境效率和考虑非期望产出的全要素视角下江苏省城市物流业环境效率纳入相同的计算框架，选择污水和CO2作为非期望产出，并根据污染防治专项资金对两种污染物排放设置不同的权重。

1 模型方法

1.1 通用SBM模型

对区域物流业环境效率的研究方法主要有两种：一种是非参数法，比较有代表性的是数据包络分析法（data envelopment analysis ，DEA），另一种是参数法，常用的有随机前沿分析（stochastic frontier analysis ，SFA），其中DEA模型对多个输入变量、多个输出变量的情况更有效[5]。王蕾等（2014）基于DEA分析法对新疆北疆地区物流效率进行了分析，针对北疆地区物流效率表现出的不足提出相应的对策建议[6]；乐小兵（2014）运用DEA效率评价模型，对广西地区的物流系统的有效性和超效率进行分析[7]；但这些研究都是基于传统DEA模型，只能考虑期望产出指标，如废气排放这类“非期望产出指标”并未考虑在内，对于经济实力雄厚，在追求经济效益的同时追求环境效益的江苏省而言并不适用。董锋等（2016） 基于超效率 DEA 模型同时引入Ruggiero三阶段方法，测算了低碳约束下我国的省际物流业效率[8]。马越越（2016）从低碳角度，研究了中国区域物流业全要素生产率空间溢出效应[9]。Tone（2001）提出考虑非期望产出的SBM模型，该模型为非径向的，可以有效处理非期望产出的冗余和松弛问题，从输入和输出两个角度分析效率，从而对效率的测算更加客观、准确[10]。刘承良等（2017）利用 2003～2014年30个省市区的物流业面板数据，研究了低碳约束下的物流业效率空间演化问题[11]。王燕等（2018）对全国30个省份碳约束下的物流能源效率进行了测度，研究了中国省际区域物流能源效率的空间特征和演化趋势[12]。结果表明，基于松弛变量的模型在评价我国物流效率方面更加有效。

不考虑非期望产出的情况下，本文采用Tone[10]提出的通用SBM模型。令xmk为输入矩阵，m=1，…M为输入指标，yrk期望输出矩阵，r=1，…R为期望输出指标；“κ”是决策单元（decision-making unit ，DMU）的个数；λ是一个非负权重系数向量；S-、S+分别是输入、输出的松弛变量。不考虑非期望输出的SBM模型如式（1）所示。

2 实证研究

2.1 数据来源与处理

本文实证分析所用的数据包括2010～2017年江苏省13个地级市的面板数据。本研究数据来源于《江苏省统计年鉴》、《无锡统计年鉴》、《苏州统计年鉴》、《常州统计年鉴》、《徐州统计年鉴》、《南京统计年鉴》、《南通统计年鉴》、《连云港统计年鉴》、《淮安统计年鉴》、《盐城统计年鉴》、《泰州统计年鉴》、《扬州统计年鉴》、《宿迁统计年鉴》、《镇江统计年鉴》、《中国城市统计年鉴》和《中国能源统计年鉴》。投入指标选择为物流业资本存量、物流业从业人员数量和物流业能源投入量。产出指标包括期望产出和非期望产出。期望产出为各地级市物流业增加值，非期望产出为污水和CO2，并且根据各市污水防治和废气防治专项资金确定两个非期望产出指标的权重。构建如表1的评价指标。

其中，资本投入采用各市物流业资本存量表示，单位为亿元；劳动投入使用年末从业人员来表示，单位为万人；能源消耗选择比例最大的7种主要能源消费量，并折算成标准煤炭消耗量，单位为万吨标准煤；期望产出选取物流业增加值，单位为亿元；非期望产出选取污水和CO2排放量，由于统计年鉴中没有数据，本文根据IPCC2006的研究结论，通过各种能源消耗所产生的二氧化碳排放量估算相加得出。相关数据的描述统计如表2所示。

2.2 结果分析

分别利用SBM模型计算不考虑非期望产出情况下和考虑期望产出情况下的江苏省13个地级市物流业环境效率。计算过程选取MAXDEA 6.18软件进行测算，计算结果如表3、表4所示。第一列数据是不考虑非期望产出的效率值，第二列数据是考虑非期望产出的效率值。

通过表3、表4中的数据计算出2010～2017年不考虑非期望产出情况下和考虑期望产出情况下的江苏省13个地级市物流业环境效率均值，如图1所示。

从图1可得知，无论是否考虑非期望产出，无锡市和苏州市物流业环境效率水平均是最高，而淮安市、连云港市相对较低。

通过表3、表4的数据可得不考虑非期望产出和考虑非期望产出的平均效率的差值，如图2所示。

从图2可看出，扬州市和常州市是两种情况下城市物流业环境效率相差最大的两个城市，这说明这两个城市物流产业污染排放可以合理控制，低碳化和高效化水平在省内处于领先，污染较轻；镇江市、南通市是差异最小的两个城市，说明这两个城市物流资源未合理配置，环境污染问题相对严重。

3 结论

本文分别运用不考虑非期望产出和考虑非期望产出的SBM模型，对江苏省13个地级市物流业环境效率进行了测算，可以得出以下结论：

第一，2010～2017年江苏省13个地级市物流业环境效率在不考虑非期望产出时的平均值为0.615，在考虑非期望产出时的平均值为0.659，低于国内其他行业平均水平（全国不分行业总体环境效率0.895[13]），表明江苏省城市物流产业在资源配置、节能减排问题上还有较大的改善空间，物流业可作为政府推进节能减排工作的重点行业，需进一步贯彻实施环境发展策略，倡导低碳绿色物流；

第二，无论是否考虑非期望产出，无锡、苏州两市物流业环境效率水平均是最高，处于省（下转第146页）（上接第151页）内领先水平，说明无锡市、苏州市物流产业投入与产出比例合理，已达到最优非期望产出。连云港市、宿迁市、淮安市的物流业环境效率低于平均值较多，这三个城市应该作为江苏省提高物流业环境效率的突破口。

第三，通过分析不考虑非期望产出的环境效率和考虑非期望产出的环境效率间的差异，可知南通市、镇江市的效率值差异较小，说明与省内其他地级市相比，南通、镇江两个城市的物流资源尚未合理配置，环境污染问题相对严重，其中南通市尤为严重。南通是“上海大都市圈”中的重要一员，近年来发展迅速，城市GDP在江苏省排名靠前，但经济效益与环境效益并未相得益彰，在低碳排放技术和污染防治方面仍有所欠缺，环境污染在一定程度上造成了环境效率的损失，政府应将其纳入物流业污染治理的重点城市，在供给侧结构性改革的背景下，推进城市物流业产业模式转型，关注投入结构合理性和物流资源有效配置等问题。

【参考文献】

[1]丁莹.2017百强城市榜江苏13市全进[EB/OL].http：//news.yznews.com.cn/2017-11/15/content_6060225.htm，2017-11-15/2018.12.12.

[2]Xiangguo Cheng.Study on Total Factor Energy Efficiency in Three Provinces of Northeast China Based on SBM Model.Energy Procedia.2018；152：131-136.

[3]Wilson B.Luan HT，Bowen B Energy efficiency trends in Australia.ENERG POLICY.1994；22：287-295.

[4]Li B.Chinas industrial environment energy efficiency study：Lanzhou University；2016.

[5]Wu Q.Wu C.Research on energy efficiency evaluation model in China.ENERG POLICY.2012；46：216-224.

[6]王蕾，薛國梁，张红丽.基于DEA分析法的新疆北疆现代物流效率分析[J].资源科学，2014，36（07）：1425-1433.

[7]乐小兵，王瑛.基于DEA模型的广西物流服务效率评价研究[J].科技管理研究，2014，34（05）：54-57.

[8]董锋，徐喜辉，韩宇.低碳约束下的我国省际物流业效率研究[J].华东经济管理，2016，30（05）：86-91.

[9]马越越.低碳视角下中国区域物流产业全要素生产率的空间溢出效应研究[J].宏观经济研究，2016（12）：90-101+144.

[10]Tone K.A slacks-based measure of efficiency in data envelopment analysis.EUR J OPER RES.2001；130：498-509.

[11]刘承良，管明明.低碳约束下中国物流业效率的空间演化及影响因素[J].地理科学，2017，37（12）：1805-1814.

[12]王燕，刘婷.碳排放约束下我国区域物流能源效率及影响因素研究[J].生态经济，2018，34（10）：14-18+90.

[13]相天东.我国区域碳排放效率与全要素生产率研究——基于三阶段DEA模型[J].经济经纬，2017，34（01）：20-25.