基于Super-PEBM模型的中國省域物流業(yè)碳排放效率測度研究

摘 要：對省域物流業(yè)碳排放效率的準(zhǔn)確測度是各省制定物流業(yè)減排策略的基礎(chǔ)?；?010—2017年面板數(shù)據(jù)，結(jié)合環(huán)境DEA技術(shù)，構(gòu)建Super-PEBM模型對我國省域物流業(yè)碳排放效率進行測度，并分析省物流業(yè)碳排放效率的時序變化和空間分布特征。實證結(jié)果表明，我國物流業(yè)碳排放效率總體偏低，呈緩慢上升趨勢，有較大的提升空間。在空間分布上，呈現(xiàn)東部最高、中部地區(qū)次之、西部地區(qū)最低的分布格局，東、西部物流業(yè)碳排放效率相差較大，但差距呈現(xiàn)縮小的趨勢。

關(guān)鍵詞：碳排放效率;Super-PEBM模型;數(shù)據(jù)包絡(luò)分析;物流業(yè)

中圖分類號：F124.5? ? ? ? 文獻標(biāo)志碼：A? ? ? 文章編號：1673-291X（2022）13-0038-05

引言

國際能源署（IEA）統(tǒng)計數(shù)據(jù)顯示，受能源需求上升的推動，近年來，全球碳排放量呈反彈趨勢，減少碳排已成為全球共識。2019年，中國碳排放量達到近百億噸，占世界碳排放總量的30%左右，且呈現(xiàn)持續(xù)上升的趨勢。作為世界上最大的能源消耗國和碳排放國，我國面臨著巨大的減排壓力。在國際氣候問題應(yīng)對上，我國也積極貢獻了中國方案。2020年9月，國家主席習(xí)近平在第七十五屆聯(lián)合國大會的講話中承諾：“CO2排放力爭于2030年前達到峰值，努力爭取2060年前實現(xiàn)碳中和?！毙袠I(yè)減排是支撐我國控制溫室氣體排放總量的重要手段，而物流業(yè)是第二大碳排放行業(yè)，將成為未來能源需求和碳排放增長的主要推動者，是我國碳減排的重點行業(yè)。

一、研究綜述

碳排放問題是當(dāng)下的研究熱點，已有研究主要集中在對碳排放效率內(nèi)涵、評價方法的研究上。在碳排放效率內(nèi)涵的界定上，主要分為單要素與全要素碳排放效率。Kaya（1997）認為，碳生產(chǎn)率是用來衡量碳排放的指標(biāo)，通過碳排放量與GDP的比值來確定[1]。Mielnik（1999）則將碳排放效率定義為兩個變量的比值[2]。上述學(xué)者的觀點是從單要素的視角出發(fā)，并不能全面刻畫碳排放效率的內(nèi)涵。因此，有學(xué)者從全要素的角度展開了研究。李小勝等（2018）利用共同前沿分析方法，對我國“十二五”時期全要素碳排放效率進行了測算[3]。郭海紅等（2020）利用Malmquist指數(shù)，測度了我國農(nóng)業(yè)綠色全要素生產(chǎn)率[4]。在評價方法方面，效率評估最早由Farrell（1957）提出，他將生產(chǎn)率的概念拓展為生產(chǎn)效率，主要分為參數(shù)法和非參數(shù)法[5]。隨機前沿法（SFA）是經(jīng)典的參數(shù)方法，主要是通過隨機誤差項來衡量效率的有效性。錢浩祺等人（2019）基于消費側(cè)和生產(chǎn)側(cè)碳排放視角，利用SFA方法測算了各地區(qū)的碳排放效率[6]。Khan（2020）采用SFA方法測算了2012—2016年南亞農(nóng)業(yè)部門的環(huán)境生產(chǎn)效率[7]，但SFA方法也存在前沿面隨機，且要求被解釋變量相互獨立等缺陷。作為非參數(shù)方法，數(shù)據(jù)包絡(luò)分析（DEA）方法因其不需要設(shè)定參數(shù)，在處理多投入、多產(chǎn)出的碳排放效率評價問題上得到了廣泛的運用[8]。Wang（2015）采用非徑向SBM分析法對中國碳排放效率和碳減排的成本進行了研究[9]。李慧等人（2019）運用BCC-DEA模型對“絲綢之路經(jīng)濟帶”沿線9個省市物流業(yè)碳排放效率進行計算和評價[10]。通過對文獻的梳理和總結(jié)，筆者發(fā)現(xiàn)已有研究還存在以下幾點不足。第一，在模型的選擇上沒有克服徑向模型與非徑向模型的缺陷。徑向方法只能提供同比例效率改進，而非徑向方法損失了前沿投影值的原始比例信息。第二，測算結(jié)果沒有做到對決策單元（DMU）充分排序。第三，針對“碳排放”這一非期望產(chǎn)出，現(xiàn)有研究主要將非期望產(chǎn)出作為投入或取非期望產(chǎn)出的倒數(shù)作為期望產(chǎn)出，但上述方法與實際生產(chǎn)過程不符。因此，本文利用環(huán)境DEA技術(shù)，在EBM模型的基礎(chǔ)上，結(jié)合超效率DEA的研究方法，并利用Pearson系數(shù)調(diào)整確定EBM模型中的參數(shù)，構(gòu)建考慮非期望產(chǎn)出的非徑向、非導(dǎo)向的Super-PEBM模型，對我國省域物流業(yè)碳排放效率進行測度研究。

二、研究方法

針對CO2這個非期望產(chǎn)出，本文基于環(huán)境DEA技術(shù)，在規(guī)模效益可變的假設(shè)下，構(gòu)建包含非期望產(chǎn)出的非徑向、非導(dǎo)向Super-EBM模型，在此基礎(chǔ)上，利用Pearson相關(guān)系數(shù)調(diào)整法，對Super-EBM模型的兩個關(guān)鍵參數(shù)？著和？棕進行調(diào)整，構(gòu)建Super-PEBM對我國省域物流業(yè)碳排放效率進行測度，其中P是指Pearson相關(guān)系數(shù)調(diào)整法。

（一）基于環(huán)境DEA技術(shù)的Super-EBM評價模型

本文借鑒F？覿re（2004）的研究[11]，在非期望產(chǎn)出弱可處置性、零結(jié)合性假設(shè)基礎(chǔ)上，提出規(guī)模效益可變（VRS）條件下的環(huán)境DEA技術(shù)生產(chǎn)可能集。假設(shè)有J個決策單元（DMUj），每個DMUj（j=1，…，J）使用P個投入Xpj（p=1，…，P），來生產(chǎn)Q個期望產(chǎn)出Yqj（q=1，…，Q）和R個非期望產(chǎn)出Rmj（m=1，…，M）。則VRS假設(shè)和非期望產(chǎn)出弱可處置度與零結(jié)合性假設(shè)下的環(huán)境生產(chǎn)技術(shù)可以表示為：

TVRS=（X，Y，R）：（？姿j+？滋j）Xpj≤Xp，p=1，…，P;（？姿j+？滋j）Yqj≥Yq，q=1，…，Q;（？姿j+？滋j）Rmj=Rm，m=1，…，M;（？姿j+？滋j）=1，？姿j，？滋j≥0，？坌j

（1）

在定義環(huán)境DEA技術(shù)后，構(gòu)建評價決策單元DMUK的包含非期望產(chǎn)出的非導(dǎo)向Super-EBM模型分式規(guī)劃形式為：

？酌=min

s.t.

？姿jXpj-s=Xpk p=1，…，P

？姿jYqj+s=Yqk q=1，…，Q（2）

？姿jRmj-s=Rmk m=1，…，M

？茲≤1，？漬≥1;？姿j≥0 j=1，2，…，J（k≠j）

s≥0，s≥0，s≥0;Xpk≠0，Yqk≠0，Rmk≠0

其中，？姿j表示強度變量，用于通過凸組合連接投入和產(chǎn)出向量;w、w和w分別表示投入、期望產(chǎn)出和非期望產(chǎn)出的權(quán)重（相對重要性），并且滿足∑w=1，∑w=1和∑w=1（w≥0，w≥0，w≥0，？坌p，q，m）;s和s分別表示投入、期望產(chǎn)出和非期望產(chǎn)出的松弛;，和分別表示投入、期望產(chǎn)出和非期望產(chǎn)出的加權(quán)平均松弛。？著-和？著+是連接徑向效率？茲與？漬和非徑向松弛S，S與S的關(guān)鍵參數(shù)，表示在效率值的計算中非徑向部分的重要程度，取0時相當(dāng)于徑向模型，取1時相當(dāng)于非徑向SBM模型。針對EBM模型投影值會出現(xiàn)的邏輯錯誤，本文中增加？茲≤1，？漬≥1約束。？酌代表物流碳排放效率，當(dāng)且僅當(dāng)？酌≥1時，DMUk為Super-EBM有效。

（二）Pearson相關(guān)系數(shù)調(diào)整法

？著和？棕是Super-EBM模型的兩個關(guān)鍵參數(shù)，參數(shù)的設(shè)置直接影響到測度結(jié)果的科學(xué)性。本文在Tone（2010）的處理方法的基礎(chǔ)上[12]，結(jié)合Pearson相關(guān)系數(shù)調(diào)整法來確定？著和？棕，以投入指標(biāo)a和b為例，主要分為以下四個步驟。

1.通過SBM模型獲得各項投入的投影值，分別記為Pa和Pb。兩個指標(biāo)投影值之間的關(guān)聯(lián)性代表著在該項生產(chǎn)技術(shù)中兩項投入數(shù)量的比例關(guān)系，從而可以得出二者在生產(chǎn)過程中的可替代性。如果呈現(xiàn)高度線性正相關(guān)，則可替代性差，應(yīng)以徑向測量為主，？著（0≤？著≤1）宜取偏向或等于0的較小數(shù)值，反之，應(yīng)以非徑向測量為主，？著應(yīng)取偏向或等于1的較大數(shù)值。

2.建立投入指標(biāo)投影值的關(guān)聯(lián)矩陣，矩陣的元素為各項投入指標(biāo)投影值兩兩之間的關(guān)聯(lián)指數(shù)。S是投影值Pa和Pb之間關(guān)聯(lián)指數(shù)的函數(shù)，應(yīng)符合Tone（2010）提出的規(guī)則。

3.不同于Tone采用離散指數(shù)函數(shù)計算指標(biāo)關(guān)聯(lián)指數(shù)，本文采用表示兩個指標(biāo)相似性的Pearson相關(guān)系數(shù)，并通過S（a，b）=0.5+0.5R（a，b）轉(zhuǎn)換使其滿足以上性質(zhì)。

（3）

4.利用建立的關(guān)聯(lián)指數(shù)矩陣，計算EBM模型的參數(shù)，其中，？籽是關(guān)聯(lián)指數(shù)矩陣的最大特征根，？自是其對應(yīng)的特征向量。

（4）

（5）

三、基于Super-PEBM模型的實證結(jié)果分析

（一）數(shù)據(jù)來源及處理

本文以中國30個省級行政單位為DMU，以物流業(yè)碳排放效率為研究對象，選取2010—2017年的面板數(shù)據(jù)展開研究，且由于西藏與港澳臺的數(shù)據(jù)缺失，將其排除。在我國現(xiàn)有統(tǒng)計口徑中，沒有專門針對物流業(yè)的統(tǒng)計類別，故本文采用大部分學(xué)者的做法，選取“交通運輸、倉儲和郵政業(yè)”作為物流業(yè)。通過文獻總結(jié)，并結(jié)合我國物流業(yè)發(fā)展的實際情況，本文在投入指標(biāo)的選擇上，參考孟魁[13]（2014）的做法：首先，物流業(yè)從業(yè)人員方面，由于勞動時間、勞動強度等指標(biāo)難以統(tǒng)計，本文選取各省物流業(yè)從業(yè)人員作為勞動力投入指標(biāo)。其次，物流業(yè)固定資產(chǎn)投資額。在產(chǎn)出指標(biāo)的選擇上，本文將產(chǎn)出指標(biāo)分為期望產(chǎn)出與非期望產(chǎn)出，即經(jīng)濟產(chǎn)出和環(huán)境因素。其中，期望產(chǎn)出用各省物流業(yè)GDP來表示，非期望產(chǎn)出用各省物流業(yè)CO2排放量來表示。本文對碳排放量的測算過程如下所示。本文運用碳排放系數(shù)法對我國30個省份的物流業(yè)碳排放量進行測算。測算公式如下：

（6）

其中，C表示總的物流業(yè)二氧化碳排放量，i表示第i種能源i=1，…，n，Ei表示第i種能源的消耗量，NCVi、CEFi、COFi分別表示第i種能源的平均低位發(fā)熱量、單位熱值含碳量及碳氧化，44/12為CO2中碳元素的分子量。投入、產(chǎn)出數(shù)據(jù)均出自2011—2018年《中國統(tǒng)計年鑒》與《中國能源統(tǒng)計年鑒》，投入、產(chǎn)出數(shù)據(jù)描述如表1所示。

（二）基于Super-PEBM物流業(yè)碳排放效率的時序演變分析

在VRS情形下，構(gòu)建非導(dǎo)向、非期望產(chǎn)出的Super-PEBM模型，利用MAX-DEA軟件所測算出的2010—2017年中國30個省份物流業(yè)碳排放效率值見表2。從計算結(jié)果可以發(fā)現(xiàn)，2010—2017年中國省域物流業(yè)碳排放效率平均值為0.66，效率水平偏低，在未來有較大的提升潛力。2010—2017年，我國物流業(yè)碳排放效率整體上呈現(xiàn)波動上升的趨勢，但是增速較緩。全國平均效率值由2010年的0.61上升到2017年的0.68，提高11%，其中東北地區(qū)增速較快為15%，東部地區(qū)和西部地區(qū)增速大約為10%，中部地區(qū)增長速度較慢為8%見下頁表3。下頁圖1直觀反映了中國四大區(qū)域物流業(yè)碳排放效率隨時間序列波動的階段特征。在2010—2013年，我國物流碳排放效率總體遞增較快，全國效率均值由2010年的0.61到2013年的0.7，增速約達15%，年均增長約5%。這也反映出，黨的十八大以來，我國綠色物流業(yè)得到了一定程度的發(fā)展。第二階段為2014—2017年，全國四大區(qū)域波動逐漸減小，效率基本保持穩(wěn)定，全國效率均值在0.68上下浮動，浮動率不超過2%。此外，在區(qū)域上，東部地區(qū)和中部地區(qū)物流業(yè)碳排放效率隨時間序列波動較平穩(wěn)，而西北地區(qū)和東北地區(qū)物流業(yè)碳排放效率隨時間序列變動差異較大。

（三）基于Super-PEBM物流碳排放效率的空間分異分析

基于Super-PEBM模型的2010—2017年中國省域物流業(yè)碳排放效率均值空間分布分析如下。從區(qū)域?qū)用鎭碚f，我國物流業(yè)碳排放效率值分化較為明顯，按照效率值的高低，可以將全國四大區(qū)域分為三個梯隊。其中，東部區(qū)域?qū)儆诘谝惶蓐?，其物流業(yè)碳排放效率平均值為0.82，遠高于全國平均水平;中部區(qū)域和東北區(qū)域為第二梯隊，其效率平均值分別為0.65與0.64，與全國效率均值大致持平;第三梯隊為西部區(qū)域，其效率平均值為0.53，遠低于全國平均水平。由此可見，我國物流業(yè)碳排放效率呈現(xiàn)東部區(qū)域最高，中部、東北區(qū)域次之，西部區(qū)域最低的分布格局，東、西部物流業(yè)碳排放效率相差較大，但差距呈現(xiàn)縮小的趨勢，這也在一定程度上驗證了環(huán)境庫茲涅茨曲線的存在。從省域上看，高效率區(qū)（效率均值0.90以上）分布較為分散，即北京、天津、江蘇、河北、陜西，呈現(xiàn)散狀分布。效率次高區(qū)（效率均值在0.7—0.9之間）為上海、浙江、廣東、福建、寧夏、遼寧、山東等，主要分布在我國東部、南部沿海地區(qū);中、低效率地區(qū)（均值0.7以下）分布較為集中，主要分布在我國中西部地區(qū)，青海、云南、甘肅、廣西、新疆、重慶、貴州，呈塊狀空間分布格局。其中，西部地區(qū)除陜西、寧夏和貴州外，其余省份均為物流業(yè)碳排放低效率省份，這也印證了陜西作為我國第一批低碳試點省份，低碳物流業(yè)的發(fā)展取得了一定的成果。東北區(qū)域包括了次高效率和低效率省份，區(qū)域內(nèi)部綠色經(jīng)濟效率差異較大，區(qū)域整體效率值較低。作為我國的老工業(yè)基地，東北地區(qū)在“十四五”時期中要增強綠色創(chuàng)新深度，開啟東北全面振興新篇章。以上分析表明，十八大以來，各級政府越來越重視經(jīng)濟發(fā)展質(zhì)量，綠色低碳發(fā)展逐漸深入人心，總體上中國省域物流業(yè)碳排放效率有緩慢上升趨勢。

結(jié)語

對我國省域物流業(yè)碳排放效率的準(zhǔn)確測度是發(fā)展綠色物流的前提和要求，也是實現(xiàn)我國2030年碳減排目標(biāo)的有力保障。本文通過環(huán)境DEA技術(shù)下的Super-PEBM模型系統(tǒng)分析了2010—2017年中國省域物流業(yè)碳排放效率的時序演變特征、空間分異特征，研究結(jié)果如下：第一，考慮非期望產(chǎn)出的效率值要低于不考慮非期望產(chǎn)出的，而環(huán)境因素造成了較大程度的效率損失，DEA環(huán)境技術(shù)與Super-PEBM模型的結(jié)合更有效。第二，時序演變方面，2010—2017年中國省域物流碳排放效率平均值處于較低效率水平，總體呈現(xiàn)緩慢增長的趨勢，有較大的提升空間。第三，在區(qū)域?qū)用嫔?，呈現(xiàn)東部最高、中部地區(qū)次之、西部地區(qū)最低的分布格局，也在一定程度上驗證了環(huán)境庫茲涅茨曲線的存在。上述結(jié)論具有重要政策啟示。首先，要樹立綠色價值觀念，充分挖掘物流行業(yè)發(fā)展循環(huán)經(jīng)濟所蘊含的綠色價值。其次，要制定嚴格的行業(yè)環(huán)境標(biāo)準(zhǔn)，規(guī)范行業(yè)管理體系，完善物流企業(yè)的低碳評估體系，通過嚴格的環(huán)境標(biāo)準(zhǔn)倒逼高污染企業(yè)轉(zhuǎn)型升級。最后，要培育低碳經(jīng)濟發(fā)展所需的新型和跨學(xué)科技術(shù)，創(chuàng)新賦能并引領(lǐng)物流業(yè)低碳發(fā)展，大力發(fā)展綠色運輸、綠色倉儲、綠色包裝。

參考文獻：

[1]? Kaya Y.，Yokobori K.Environment，energy，and economy：strategies for sustainability[M].Tokyo：United Nations University Press，1993.

[2]? Mielnik O.，Goldemberg J.Communication The evolution of the “carbonization index” in developing countries[J].Energy Policy，1999，（5）：307-308.

[3]? 李小勝，胡正陶，張娜，宋馬林.“十二五”時期中國碳排放全要素生產(chǎn)率及其影響因素研究[J].南開經(jīng)濟研究，2018，（5）：76-94.

[4]? 郭海紅，劉新民.中國農(nóng)業(yè)綠色全要素生產(chǎn)率時空演變[J].中國管理科學(xué)，2020，（9）：66-75.

[5]? Farrell M.J.The measurement of productive efficiency[J].Journal of the Royal Statistical Society：Series A （General），1957，（3）：253-281.

[6]? 錢浩祺，吳力波，任飛州.從“鞭打快牛”到效率驅(qū)動：中國區(qū)域間碳排放權(quán)分配機制研究[J].經(jīng)濟研究，2019，（3）：86-102.

[7]? Khan D.Technical and environmental efficiency of agriculture sector in South Asia：a stochastic frontier analysis approach[J].Environment，Development and Sustainability，2020：1-20.

[8]? Charnes A.，Cooper W.W.，Rhodes E.Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978，（6）：429-444.

[9]? Wang S.，Chu C.，Chen G.，et al.Efficiency and reduction cost of carbon emissions in China：a non-radial directional distance function method[J].Journal of Cleaner Production，2015：S0959652615017497.

[10]? 李慧，李瑋.物流業(yè)碳排放效率評價及動態(tài)演化分析：以“絲綢之路經(jīng)濟帶”沿線省區(qū)為例[J].環(huán)境科學(xué)與技術(shù)，2019，（3）：165-171.

[11]? ?R.，Grosskopf S.Modeling undesirable factors in efficiency evaluation：Comment[J].European Journal of Operational Research，2004，（1）：242-245.

[12]? Tone K.，Tsutsui M.An epsilon-based measure of efficiency in DEA-A third pole of technical efficiency[J].European Journal of Operational Research，2010，（3）：1554-1563.

[13]? 孟魁.基于三階段DEA方法的中部六省物流效率評價[J].統(tǒng)計與決策，2014，（2）：57-60.

Efficiency Measurement of China’s Regional Carbon Emission Efficiency in Logistics Industry：

A Method based on Super-PEBM Model

XU Wei-gan

（School of Business Jiangnan University，Wuxi 214000，China）

Abstract：The measure of carbon emission efficiency in the logistics industry is the basis for the formulation of emission reduction strategies in the provinces .Based on the panel data from 2010? to 2017，this paper measures the carbon emission efficiency in the logistics of China’s provinces based on the Super-PEBM model under environmental DEA technology，and analyzes the temporal change and spatial distribution of carbon emission efficiency in logistics industry of China’s provinces.The empirical analysis results show that the overall efficiency of China’s green economy is low，there is a slow rising trend，and a greater room for improvement.In spatial distribution，It shows the highest average efficiency in the east，the second in the central region and the lowest in the western region.The carbon emission efficiency of the logistics industry in the east and west is big gap，but the gap is narrowing.

Key words：carbon emission efficiency;Super-PEBM model;data envelopment analysis;logistics industry

收稿日期：2021-03-29

作者簡介：徐衛(wèi)贛（1996-），男，江西豐城人，碩士研究生，從事低碳經(jīng)濟研究。