基于SBM和Malmquist指數(shù)的我國物流業(yè)能源效率評價

雷盟 陳焰 王藝

[摘要]基于2003-2017年我國30個?。ㄊ?、區(qū)）的面板數(shù)據(jù)，通過SBM模型和Malmquist指數(shù)，從靜態(tài)和動態(tài)兩個視角分析我國物流業(yè)能源效率。研究發(fā)現(xiàn)，就靜態(tài)角度而言，我國物流業(yè)能源總體效率為0.62，還處于較低的水平，各地區(qū)之間差異明顯，在觀測期內(nèi)東部沿海地區(qū)一直處于全國領(lǐng)先水平，西南地區(qū)效率最低。從動態(tài)角度來看，我國Malmquist指數(shù)均值為0.988，說明物流能源全要素生產(chǎn)率下降了1.2%，下降的原因是技術(shù)效率與技術(shù)進(jìn)步共同作用的結(jié)果;全國八大區(qū)域中除北部沿海、東部沿海和南部沿海的Malmquist指數(shù)呈上升趨勢外，其余地區(qū)均呈現(xiàn)不同程度的下降，技術(shù)進(jìn)步是導(dǎo)致區(qū)域差異的主要原因。為此，提出優(yōu)化物流產(chǎn)業(yè)結(jié)構(gòu)、提高物流技術(shù)水平、因地制宜出臺相關(guān)物流政策等措施，可進(jìn)一步提升我國物流業(yè)能源效率。

[關(guān)鍵詞]物流業(yè);能源效率;SBM模型;Malmquist指數(shù)

[中圖分類號]F259.2

[文獻(xiàn)標(biāo)識碼]A

[文章編號]1005-152X（2022）02-0038-06

[收稿日期]2021-08-22[作者簡介]雷盟（1998-），女，湖北孝感人，碩士研究生，研究方向：物流系統(tǒng)規(guī)劃;陳焰（1973-），女，湖北武漢人，博士，副教授，研究方向：物流與供應(yīng)鏈管理;王藝（1977-），女，陜西咸陽人，博士，副教授，研究方向：物流系統(tǒng)規(guī)劃與仿真。

0引言

物流業(yè)是我國能源消費的主要行業(yè)，其中大量的能源消耗和CO2污染物的排放使物流業(yè)成為導(dǎo)致環(huán)境負(fù)外部效應(yīng)的主要來源之一[1]。在綠色發(fā)展趨勢成為全社會普遍認(rèn)可的大背景下，如何在自然資源與環(huán)境保護兩者的約束下共同實現(xiàn)我國物流業(yè)持續(xù)高質(zhì)量發(fā)展，就成了社會各界密切關(guān)注的熱點話題。因此，本文聚焦我國物流業(yè)能源效率，從動態(tài)與靜態(tài)兩方面對其展開深入分析，為提升物流效率、推動物流業(yè)高質(zhì)量發(fā)展提出合理建議。

隨著物流業(yè)在國民經(jīng)濟中的重要性日益提高，國內(nèi)外學(xué)者對物流業(yè)能源效率的相關(guān)研究也越來越多，目前的研究主要集中在物流業(yè)能源效率評價和物流業(yè)能源效率的影響因素兩大方面。關(guān)于物流業(yè)能源效率的評價，國內(nèi)外學(xué)者主要采用隨機前沿分析法（SFA）和數(shù)據(jù)包絡(luò)分析法（DEA）展開研究。樊元、馬麗梅[2]通過隨機前沿分析法（SFA）測算了我國的物流生產(chǎn)效率并分析了東中西部區(qū)域物流效率間的差異;于麗靜、陳忠全[3]利用改進(jìn)的隨機前沿分析法（SFA）測算了2008-2014年我國30個省份的物流效率，并對其外生影響因素如環(huán)境規(guī)制強度、經(jīng)濟發(fā)展水平等進(jìn)行了分析。Markovits-Somogyi，等[4]利用數(shù)據(jù)包絡(luò)分析法（DEA）測算了歐洲29個國家的物流能源效率，并對測算結(jié)果進(jìn)行了有效評價;商傳磊，等通過數(shù)據(jù)包絡(luò)分析法（DEA）和Malmquist指數(shù)法對我國30個省份的物流全要素能源效率進(jìn)行了測度分析，并對其從靜態(tài)和動態(tài)兩個角度展開了深入研究;周小鴻[6]基于2007-2016年長江經(jīng)濟帶11省市的面板數(shù)據(jù)，通過DEA-Malmquist指數(shù)測算了各省市物流業(yè)綠色全要素生產(chǎn)率，同時分析了其主要影響因素，如對外開放度、環(huán)境規(guī)制等;殷風(fēng)朝[7]通過DEA-Malmquist模型測算了山東省7地市在低碳約束下的物流效率變化情況。對于物流業(yè)能源效率的影響因素研究，林佳琳[8]在測度我國物流能源效率的基礎(chǔ)上，分析了FDI對我國物流能源效率的影響，并得出結(jié)論FDI對我國物流能源效率的影響存在區(qū)域異質(zhì)性;章忠亮[9]從環(huán)境規(guī)制角度對我國物流業(yè)能源效率進(jìn)行實證研究，結(jié)果表明環(huán)境規(guī)制與物流業(yè)能源效率之間呈“U”型關(guān)系;Aronsson，等.[10]通過分析企業(yè)的具體案例研究了物流能源效率與環(huán)境之間的關(guān)系。

上述文獻(xiàn)豐富了物流能源效率領(lǐng)域的研究成果，但仍存在不足之處：一是研究物流能源效率時大多采用靜態(tài)分析方法，動態(tài)角度的研究成果較為缺乏;二是研究中對于區(qū)域的劃分，多采用傳統(tǒng)的東、中、西三大經(jīng)濟帶劃分法，由于我國這三大經(jīng)濟帶長期以來發(fā)展水平存在較大的差異，這種區(qū)域劃分的研究結(jié)果較為籠統(tǒng)，難以因地制宜地提出相關(guān)對策。因此，本文綜合以往學(xué)者的研究，從靜態(tài)和動態(tài)結(jié)合的角度，以及從總體、區(qū)域和省域的層面，提出針對我國物流能源效率的評價方法。

1研究方法

1.1SBM模型

為解決效率評價過程中的非期望產(chǎn)出問題，Tone，等[11]提出了非徑向和非角度的SBM（Slack-Based Measure）方向性距離函數(shù)，SBM模型在目標(biāo)函數(shù)中加入非零松弛變量，可以更有效地評價非期望產(chǎn)出下的效率問題，同時更真實的反映實際效率，其模型可表示為：

式（1）中，sx-與sy+分別表示投入、期望產(chǎn)出的松弛變量，sb-表示非期望產(chǎn)出的松弛變量;式（2）中，λ為權(quán)重向量，ρ為各決策單元的效率值，且滿足0≤ρ≤1;對于特定的決策單元，當(dāng)ρ=1時，說明該決策單元處于生產(chǎn)前沿，是完全有效率的狀態(tài)。

1.2Malmquist指數(shù)

由Malmquist[12]提出的Malmquist指數(shù)法，后經(jīng)Fare，等[13]構(gòu)建的Malmquist方法用于測算全要素能源效率的變化情況，其表達(dá)形式如下：

式（3）中，x，y和x，y分別表示t+1時期與t時期的投入與產(chǎn)出，Dt與Dt+1分別表示第t期與第t+1期的距離函數(shù)。從第t期到t+1期內(nèi)，當(dāng)M>1時，全要素生產(chǎn)率呈現(xiàn)上升趨勢;當(dāng)M<1時，全要素生產(chǎn)率呈下降趨勢;當(dāng)M=1時，全要素生產(chǎn)率不變。

2評價指標(biāo)體系構(gòu)建

本文選取2003-2017年我國30個?。ú话鞑?、香港、澳門和臺灣地區(qū)）的面板數(shù)據(jù)，參考以往大多數(shù)文獻(xiàn)[5，18]的方法，用交通運輸、倉儲和郵政業(yè)的數(shù)據(jù)代替我國物流業(yè)數(shù)據(jù)，將每一個省（市、區(qū)）作為一個決策單元，采用國務(wù)院發(fā)展研究中心提出的方法將中國（大陸）分為八大區(qū)域，即東北地區(qū)、北部沿海地區(qū)、東部沿海地區(qū)、南部沿海地區(qū)、長江中游地區(qū)、黃河中游地區(qū)、西南地區(qū)、西北地區(qū)[14]研究我國物流能源效率。0D79B62C-9DB2-4857-A4C1-F7BF93609B3A

根據(jù)評價的主體或評價目的的不同，所選取的評價指標(biāo)體系也有所差別。本文在前人研究的基礎(chǔ)上[15-17]，建立我國物流業(yè)能源效率評價指標(biāo)體系，見表1。

2003-2017年我國30個?。ㄊ小^(qū)）物流業(yè)投入和產(chǎn)出變量的描述性統(tǒng)計結(jié)果見表2。

3實證結(jié)果分析

3.1基于SBM模型的靜態(tài)分析

將各?。ㄊ小^(qū)）的投入、產(chǎn)出面板數(shù)據(jù)代入SBM模型，應(yīng)用DEA-solverPro5.0軟件，得到2003-2017年我國物流能源效率，并對我國八大區(qū)域的物流能源效率的平均值進(jìn)行統(tǒng)計，見表3。

3.1.1全國總體分析。從圖1中可以看出，在本文研究期內(nèi)，我國物流業(yè)能源效率總體水平不高。2003-2017年，全國物流業(yè)能源效率僅在0.5-0.7之間波動，物流業(yè)能源效率平均值為0.62，該數(shù)據(jù)表明我國物流業(yè)能源效率仍有很大的提升空間。通過政府環(huán)境規(guī)制、引導(dǎo)使用清潔能源、引進(jìn)高效物流企業(yè)的高新技術(shù)和設(shè)備、提高企業(yè)內(nèi)部管理水平等方式，從理論上分析我國物流業(yè)能源效率在維持既定產(chǎn)出不變的情況下，我國物流業(yè)能源投入可以節(jié)省目前水平的38%。

3.1.2區(qū)域差異分析。圖2是2003-2017年我國八大區(qū)域物流業(yè)能源效率均值變化情況，結(jié)合表3和圖2可知，八大區(qū)域中物流能源效率均值由低到高依次為西南地區(qū)<東北地區(qū)<黃河中游<長江中游<西北地區(qū)<北部沿海<南部沿海<東部沿海。西南地區(qū)、東北地區(qū)、黃河中游和長江中游的物流能源效率均值低于全國平均水平，其中西南地區(qū)的物流能源效率值最低;東部沿海、南部沿海、北部沿海和西北地區(qū)的物流能源效率均值高于全國平均水平，其中東部沿海的物流能源效率值最高，接近生產(chǎn)前沿，這說明東部沿海物流業(yè)的能源利用情況接近最優(yōu)，反映出各區(qū)域物流業(yè)整體發(fā)展水平與區(qū)域經(jīng)濟發(fā)展水平基本一致[18]。

3.1.3省域差異分析。從各?。ㄊ小^(qū)）物流能源效率均值（表3）來看，2003-2017年間，物流能源效率高于全國平均水平的有13個省（市、區(qū)）;介于0.3和全國平均水平0.62的有15個?。ㄊ小^(qū)），其中天津、江蘇、青海的物流能源效率一直處于較高水平;低于0.3的有2個省份，分別是云南和四川。近幾年，江蘇、安徽、江西、內(nèi)蒙古和陜西等省份物流能源效率值有不同程度的提升，說明當(dāng)?shù)匚锪髂茉凑{(diào)控情況越來越好，其物流能源利用水平逐漸提高;北京、遼寧、浙江等省份物流能源效率值在觀測前期為1，但隨著時間的推移，效率值呈現(xiàn)不同程度的下降，說明這些省份在不同程度上遠(yuǎn)離生產(chǎn)前沿，物流業(yè)的能源利用情況趨于惡化。其中，北京這座超級城市的平均效率是0.5784，低于全國平均水平，說明北京的物流業(yè)能源利用水平與經(jīng)濟發(fā)展水平不相符合，物流業(yè)能源效率與經(jīng)濟發(fā)展水平之間可能存在非線性關(guān)系，這可能是因為發(fā)達(dá)地區(qū)物流需求旺盛，大批規(guī)模較小且低效的企業(yè)在我國低環(huán)境規(guī)制強度下涌入物流市場，物流業(yè)呈現(xiàn)出粗獷式發(fā)展，暴露出高消耗、高成本、高污染、低效益的問題，降低了物流能源效率。3.2基于Malmquist指數(shù)法的動態(tài)分析

運用DEAP2.1對我國2003-2017年各地區(qū)投入與產(chǎn)出數(shù)據(jù)進(jìn)行Malmqusit指數(shù)測算，得到各地區(qū)歷年的物流業(yè)能源Malmqusit指數(shù)及其分解情況。其中，Effch代表“技術(shù)效率變化指數(shù)”，Techch代表“技術(shù)進(jìn)步變化指數(shù)”，Pech代表“純技術(shù)效率變化指數(shù)”，Sech代表“規(guī)模效率變化指數(shù)”，Tfpch代表“全要素生產(chǎn)率指數(shù)”[5]。

3.2.1動態(tài)變動總體分析。從表4中可以清楚看到，2003-2017年我國物流能源全要素生產(chǎn)率平均下降了1.2%，其中，技術(shù)效率平均下降了0.8%，技術(shù)進(jìn)步平均下降了0.3%，該數(shù)據(jù)說明兩者共同作用導(dǎo)致物流能源效率下降。除2005年我國物流能源全要素生產(chǎn)率上升了1.1%，2003-2012年Malmquist指數(shù)均小于1，說明這期間我國物流業(yè)能源利用水平較低;2012-2017年間除了2016年Malmquist指數(shù)小于1，其他年份Malmquist指數(shù)均大于1，且呈現(xiàn)增長趨勢，說明我國物流業(yè)能源效率有所提升，能源過度投入問題得到改善。

從我國物流業(yè)各年份Malmquist指數(shù)及分解的變化趨勢來看（如圖3所示），2003-2008年，全要素生產(chǎn)率指數(shù)與技術(shù)進(jìn)步指數(shù)的走勢大致相同;2008-2009年，全要素生產(chǎn)率小幅下降，但技術(shù)進(jìn)步指數(shù)在上升，說明純技術(shù)效率指數(shù)下降導(dǎo)致了全要素生產(chǎn)率的下降;2009-2012年全要素生產(chǎn)率逐年上升主要得益于技術(shù)效率指數(shù)的上升;2012-2017年全要素生產(chǎn)率與技術(shù)效率指數(shù)的變化趨勢基本相同，均大致呈“Z”字型波動，說明近幾年技術(shù)效率變化與物流業(yè)總體發(fā)展水平密切相關(guān)。與此同時，技術(shù)進(jìn)步指數(shù)呈現(xiàn)出增長和降低相互交替的態(tài)勢，但總體上仍呈增長趨勢，說明近年來由于我國創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的大力實施，物流業(yè)加快推廣應(yīng)用先進(jìn)技術(shù)，實現(xiàn)了技術(shù)水平的不斷提升。

3.2.2區(qū)域動態(tài)變動分析。從表5可知，2003-2017年我國八大區(qū)域物流能源效率Malmquist指數(shù)均值情況分別是：東北地區(qū)0.955，北部沿海1.016，東部沿海1.013，南部沿海1.045，黃河中游0.969，長江中游0.988，西南地區(qū)0.984，西北地區(qū)0.956，全國均值0.988。其中，北部沿海、東部沿海、南部沿海地區(qū)Malmquist指數(shù)增長率高于全國平均水平，長江中游地區(qū)Malmquist指數(shù)增長率與全國平均水平一致，其他四個地區(qū)均低于全國平均水平。按照Malmquist指數(shù)由高到低進(jìn)行排名，八大區(qū)域依次為南部沿海、北部沿海、東部沿海、長江中游、西南地區(qū)、黃河中游、西北地區(qū)、東北地區(qū)。除南部沿海、北部沿海、東部沿海地區(qū)Malmquist指數(shù)呈上升趨勢外，其余五大區(qū)域均呈下降趨勢，說明我國部分區(qū)域物流業(yè)能源利用水平有待提高。0D79B62C-9DB2-4857-A4C1-F7BF93609B3A

從技術(shù)進(jìn)步指數(shù)（Techch）看，北部沿海、東部沿海與南部沿海呈增長趨勢（分別增長3.2%、2.4%、4.2%），其中南部沿海增長趨勢最大，說明技術(shù)進(jìn)步是北部沿海、東部沿海與南部沿海物流能源全要素生產(chǎn)率增長的主要因素。沿海地區(qū)經(jīng)濟發(fā)展水平高，對外開放水平高，電商產(chǎn)業(yè)發(fā)展相對成熟，這可能是沿海地區(qū)物流能源效率高于其他地區(qū)的最主要原因。其他五個地區(qū)（東北地區(qū)、黃河中游、長江中游、西南地區(qū)與西北地區(qū)）的技術(shù)進(jìn)步指數(shù)均小于1，且呈下降趨勢，其物流能源效率下降的主要原因是技術(shù)進(jìn)步貢獻(xiàn)率低。

從技術(shù)效率指數(shù)（Effch）看，除南部沿海呈增長趨勢外（增長0.3%），其他地區(qū)技術(shù)效率指數(shù)均小于1，呈下降趨勢。其中東部沿海和黃河中游下降幅度最大（下降1.5%），東北、東部沿海以及長江中游下降1.1%，西南與西北地區(qū)下降幅度最小（下降0.3%）。從純技術(shù)效率指數(shù)（Pech）來看，八大區(qū)域的純技術(shù)效率均小于1，說明我國物流業(yè)普遍存在投資過熱的不良現(xiàn)象。從規(guī)模效率指數(shù)（Sech）來看，除南部沿海呈上升趨勢，其余地區(qū)規(guī)模效率均小于1，呈下降趨勢。3.2.3省域動態(tài)變化分析。從省域角度分析（見表6），樣本年內(nèi)全國有11個省（市、區(qū)）的物流能源Malmquist指數(shù)呈現(xiàn)上升趨勢，有19個?。ㄊ?、區(qū)）呈下降趨勢。其中，廣東、福建、山東3個省的物流能源Malmquist指數(shù)表現(xiàn)最好，增長率分別達(dá)到了10.9%、7.6%、6.4%。廣東省物流能源效率的提高完全得益于技術(shù)進(jìn)步，福建和山東則得益于技術(shù)效率指數(shù)與技術(shù)進(jìn)步指數(shù)的雙重提高。吉林、甘肅、陜西以及天津的物流能源效率下降的比較明顯，分別下降7.9%、7.1%、6.4%、6.3%，其中吉林、甘肅、陜西下降的主要原因是對物流新技術(shù)的運用不足，技術(shù)進(jìn)步貢獻(xiàn)率低，其次是技術(shù)效率下降;天津下降的主要原因是技術(shù)效率嚴(yán)重下降，其次是技術(shù)進(jìn)步。從技術(shù)進(jìn)步的角度分析，大部分沿海地區(qū)以及黃河中游的河南省、內(nèi)蒙古自治區(qū)，長江中游的湖南省、湖北省呈技術(shù)進(jìn)步的趨勢;從技術(shù)效率的角度分析，大部分省（市、區(qū)）呈技術(shù)效率下降的趨勢。

4結(jié)語

本文基于2003-2017年我國30個?。ㄊ?、區(qū)）物流業(yè)面板數(shù)據(jù)，考慮能源投入，以碳排放為非期望產(chǎn)出，基于SBM模型和Malmquist指數(shù)法對我國物流業(yè)能源效率進(jìn)行了靜態(tài)和動態(tài)分析，并從總體、區(qū)域和省域三個角度進(jìn)行具體分析，得到以下結(jié)論：靜態(tài)角度，2003-2017年我國物流業(yè)能源效率還處于較低水平（僅為0.62），各地區(qū)之間差異明顯，東部沿海地區(qū)一直處于全國領(lǐng)先水平，西南地區(qū)效率最低;動態(tài)角度，2003-2017年我國物流能源Malmquist指數(shù)均值為0.988，總體下降了1.2%，技術(shù)效率指數(shù)為0.992，技術(shù)進(jìn)步指數(shù)為0.997，我國物流能源全要素生產(chǎn)率的下降是技術(shù)效率與技術(shù)進(jìn)步綜合效應(yīng)的結(jié)果;八大區(qū)域中，除北部沿海、東部沿海以及南部沿海的物流能源Malmquist指數(shù)呈上升趨勢外，其余地區(qū)均呈現(xiàn)不同程度的下降，技術(shù)進(jìn)步是導(dǎo)致區(qū)域差異的主要原因。

物流業(yè)涉及并貫穿每一個行業(yè)，改善提升物流能源效率具有很強的復(fù)雜性和系統(tǒng)性。根據(jù)本文研究結(jié)論，提出以下幾點建議可有助于未來提高我國物流業(yè)能源效率：（1）完善物流業(yè)基礎(chǔ)設(shè)施建設(shè)，科學(xué)規(guī)劃路網(wǎng)、信息網(wǎng)、物流節(jié)點等，形成高效、綠色、智慧的物流疏運體系，減少能源消耗，提高物流運行效率;（2）推廣運用物流新技術(shù)、新設(shè)備，提高我國物流技術(shù)水平，創(chuàng)新物流發(fā)展模式，培育物流專業(yè)人才，培育壯大物流企業(yè)，提升規(guī)模經(jīng)濟效益;（3）充分考慮不同地區(qū)資源稟賦差異和經(jīng)濟發(fā)展所處階段，在不同區(qū)域、省域因地制宜地出臺相關(guān)物流支持政策。

[參考文獻(xiàn)]

[1]江雨珊，戢曉峰，李杰梅.低碳約束下中國物流業(yè)全要素能源效率評價[J].武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版），2019，43（2）：113-117.

[2]樊元，馬麗梅.中國區(qū)域物流發(fā)展效率實證分析[J].統(tǒng)計與決策，2012（3）：113-116.

[3]于麗靜，陳忠全.低碳視角下中國區(qū)域物流效率研究：基于SFA與PP的實證分析[J].生態(tài)經(jīng)濟，2017（4）.

[4]MARKOVITS-SOMOGYIR，BOKORZ.Assessingthelogis-ticsefficiencyofEuropeancountriesbyusingtheDEA-PCmethodology[J].Transport，2014，29（2）：137-145.

[5]商傳磊，張悟移，陳俊營.基于DEA和Malmquist指數(shù)的中國物流業(yè)全要素能源效率評價[J].生態(tài)經(jīng)濟，2019，35（3）：51-56.

[6]周小鴻.長江經(jīng)濟帶物流業(yè)綠色全要素生產(chǎn)率測算及影響因素研究[D].重慶：重慶工商大學(xué)，2020.

[7]殷鳳朝.碳約束下山東省地市物流業(yè)效率測度研究：基于DEA-Malmquis模型[J].上海市經(jīng)濟管理干部學(xué)院學(xué)報，2020，18（3）：44-50.

[8]林佳琳.FDI對我國物流業(yè)綠色全要素生產(chǎn)率的影響研究[D].濟南：濟南大學(xué)，2020.

[9]章忠亮.環(huán)境規(guī)制對物流業(yè)綠色全要素生產(chǎn)率的影響[D].蚌埠：安徽財經(jīng)大學(xué)，2018.

[10]ARONSSON H，BRODIN M H.The environmental impact of changing logistics structures[J].International Journal of Logistics Management，2006，17（3）：394-415.

[11]TONE K，SAHOO B K.Degree of scale economies and congestion：A unified DEA approach[J].European Journal of Operational Research，2004，158（3）：755-772.

[12]MALMQUIST S.Index numbers and indifference surfaces[J].Trabajos De Estadistica，1953，4（2）：209-242.

[13]FARE R，GROSSKOPF S，ZHANG N Z.Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries[J].American Economic Review，1994，84（1）：66-83.

[14]許淑婷.中國能源生態(tài)效率的時空演變與影響因素研究[D].大連：遼寧師范大學(xué)，2016.

[15]楊愷鈞，毛博偉，胡菡.長江經(jīng)濟帶物流業(yè)全要素能源效率：基于包含碳排放的SBM與GML指數(shù)模型[J].北京理工大學(xué)學(xué)報（社會科學(xué)版），2016，18（6）：54-62.

[16]張愛美，郭靜思，吳衛(wèi)紅，等.物流業(yè)全要素能源效率變動及省域差異分析[J].資源開發(fā)與市場，2018，34（5）：611-616.

[17]王燕，劉婷.碳排放約束下我國區(qū)域物流能源效率及影響因素研究[J].生態(tài)經(jīng)濟，2018（10）：14-18.

[18]龔雪，夏銀.中國物流業(yè)全要素生產(chǎn)率實證研究[J].南京財經(jīng)大學(xué)學(xué)報，2020（5）：56-67.0D79B62C-9DB2-4857-A4C1-F7BF93609B3A