我國(guó)鐵路貨運(yùn)效率與綠色物流發(fā)展耦合協(xié)調(diào)研究

葉善椿，何景師，肖 斌

(東莞職業(yè)技術(shù)學(xué)院 商貿(mào)學(xué)院，廣東 東莞 523808)

0 引言

隨著我國(guó)交通強(qiáng)國(guó)建設(shè)的推進(jìn)，交通基礎(chǔ)設(shè)施互聯(lián)互通水平不斷提升，鐵路基礎(chǔ)設(shè)施建設(shè)也得到了不斷加強(qiáng)。2022 年我國(guó)鐵路營(yíng)業(yè)里程達(dá)到15.5 萬(wàn)km，鐵路貨運(yùn)量達(dá)到49.3 億t，鐵路貨物運(yùn)輸能力不斷提升。在此背景下，鐵路貨運(yùn)堅(jiān)持綠色高效的發(fā)展方式，實(shí)現(xiàn)與綠色物流的耦合共生、協(xié)調(diào)發(fā)展，將有助于促進(jìn)我國(guó)鐵路運(yùn)輸?shù)母哔|(zhì)量發(fā)展。

目前，學(xué)者圍繞鐵路運(yùn)輸效率開展了大量的研究，徐吉霖[1]用傳統(tǒng)DEA模型評(píng)價(jià)了我國(guó)鐵路貨物運(yùn)輸效率；楊佳佳[2]運(yùn)用DEA-Malmquist 指數(shù)測(cè)度了1998—2017 年我國(guó)鐵路運(yùn)輸業(yè)的客貨運(yùn)輸效率；田強(qiáng)等[3]采用BCC-DEA 模型綜合測(cè)度了我國(guó)31 個(gè)省(市、自治區(qū))的鐵路運(yùn)輸效率；劉斌全等[4]運(yùn)用SBM-Malmquist 指數(shù)測(cè)算了2005—2013 年我國(guó)18個(gè)鐵路局的鐵路運(yùn)輸效率；李雪晗[5]運(yùn)用傳統(tǒng)DEA和Malmquist指數(shù)法分析了2015—2017年我國(guó)44家高速鐵路公司的運(yùn)營(yíng)效率。關(guān)于綠色物流方面的研究，楊海濤[6]提出了天津市綠色物流體系建設(shè)方案；劉戰(zhàn)豫等[7]指出了我國(guó)綠色物流發(fā)展面臨政策法規(guī)不健全、基礎(chǔ)設(shè)施薄弱等問(wèn)題；朱芳陽(yáng)等[8]測(cè)度我國(guó)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、技術(shù)創(chuàng)新與綠色物流的關(guān)系；何景師等[9]評(píng)價(jià)了我國(guó)沿海三個(gè)灣區(qū)城市群的綠色物流全要素生產(chǎn)率；刑曉夢(mèng)[10]運(yùn)用灰色關(guān)聯(lián)度評(píng)價(jià)了大連市綠色物流發(fā)展水平；張鵬等[11]運(yùn)用層次分析法分析了快遞行業(yè)綠色物流發(fā)展水平。綜上，目前相關(guān)研究多是從全國(guó)或各鐵路局集團(tuán)公司的角度評(píng)價(jià)鐵路運(yùn)輸效率，且大部分是對(duì)客運(yùn)和貨運(yùn)的綜合評(píng)價(jià)，從省域角度評(píng)價(jià)鐵路貨運(yùn)效率較少，評(píng)價(jià)方法上較多采用的是傳統(tǒng)DEA 模型，未能對(duì)DEA 有效的決策單元(DMU)進(jìn)行排序；近年定量評(píng)價(jià)綠色物流發(fā)展的研究雖然較多，但對(duì)省域綠色物流發(fā)展水平測(cè)度的較少。

本研究采用超效率DEA 模型和熵權(quán)TOPSIS 法分別測(cè)度我國(guó)省域鐵路貨運(yùn)效率和綠色物流發(fā)展水平，運(yùn)用耦合協(xié)調(diào)度模型評(píng)價(jià)我國(guó)鐵路貨運(yùn)效率與綠色物流發(fā)展之間的耦合協(xié)調(diào)關(guān)系，用障礙度模型分析其耦合協(xié)調(diào)的障礙因素。深入探討我國(guó)省域鐵路貨運(yùn)效率與綠色物流發(fā)展的耦合協(xié)調(diào)水平，對(duì)于提高鐵路貨運(yùn)資源配置效率、降低鐵路運(yùn)輸碳排放、促進(jìn)綠色物流發(fā)展都有重要意義。

1 指標(biāo)體系構(gòu)建

參考文獻(xiàn)[4，12]關(guān)于鐵路貨運(yùn)效率投入產(chǎn)出評(píng)價(jià)指標(biāo)的設(shè)置方法，投入要素主要包括資本、土地、勞動(dòng)力[13]，以鐵路正線延展里程、鐵路貨車數(shù)代表資本投入，鐵路里程代表土地投入，鐵路職工人數(shù)代表勞動(dòng)力投入，產(chǎn)出要素包括鐵路貨物運(yùn)輸量和鐵路貨物周轉(zhuǎn)量。鐵路貨運(yùn)效率投入產(chǎn)出指標(biāo)體系如表1所示。

表1 鐵路貨運(yùn)效率投入產(chǎn)出指標(biāo)體系Tab.1 Input-output index system of railway freight efficiency

根據(jù)《國(guó)家物流標(biāo)準(zhǔn)術(shù)語(yǔ)》(GB/T 18354—2021)對(duì)綠色物流的定義，參考文獻(xiàn)[9，11]關(guān)于綠色物流評(píng)價(jià)指標(biāo)的設(shè)置方法，在關(guān)注物流經(jīng)濟(jì)效益的同時(shí)注重物流活動(dòng)的環(huán)境友好性，構(gòu)建物流基礎(chǔ)設(shè)施等4個(gè)準(zhǔn)則層和物流業(yè)交通網(wǎng)絡(luò)里程密度等14個(gè)指標(biāo)層綠色物流發(fā)展評(píng)價(jià)體系。綠色物流評(píng)價(jià)指標(biāo)體系如表2 所示。其中，物流業(yè)能耗水平和物流業(yè)CO2排放強(qiáng)度參考文獻(xiàn)[14]的研究，將交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)的一次能源消耗加總并轉(zhuǎn)換成碳排放量。

表2 綠色物流評(píng)價(jià)指標(biāo)體系Tab.2 Evaluation index system of green logistics

鑒于數(shù)據(jù)的可得性，選擇2010—2020 年我國(guó)30 個(gè)省(市、自治區(qū))(港澳臺(tái)地區(qū)和西藏自治區(qū)除外)的鐵路貨運(yùn)和綠色物流面板數(shù)據(jù)。數(shù)據(jù)來(lái)源于各省(市、自治區(qū))統(tǒng)計(jì)年鑒、《中國(guó)交通年鑒》《中國(guó)鐵道年鑒》《中國(guó)物流年鑒》、國(guó)家統(tǒng)計(jì)局網(wǎng)站，對(duì)于個(gè)別缺失值采用線性插值法補(bǔ)齊。

2 研究方法

2.1 超效率DEA模型

由于超效率DEA 具有排序功能，能避免傳統(tǒng)DEA 無(wú)法區(qū)分有效DMU 效率值的缺點(diǎn)，采用超效率DEA 模型測(cè)度鐵路貨運(yùn)效率。對(duì)于決策單元DMUj，每個(gè)DMU 有n種投入xi(i= 1，2，…，n)，q種產(chǎn)出yr(r= 1，2，…，q)，其公式如下。

式中：θ為超效率值；λ為參考DMU 的系數(shù)，λ≥0；xij，yrj分別為第j個(gè)DMU 的第i個(gè)投入值和第r個(gè)產(chǎn)出值，j= 1，2，… ，m(j≠h)；xih，yrh分別為被評(píng)價(jià)的DMUh的實(shí)際投入值和實(shí)際產(chǎn)出值；n為投入指標(biāo)個(gè)數(shù)；q為產(chǎn)出指標(biāo)個(gè)數(shù)；m為DMU的個(gè)數(shù)。

2.2 熵權(quán)TOPSIS法

熵權(quán)TOPSIS 法綜合了熵權(quán)法的客觀賦權(quán)和TOPSIS 法能對(duì)評(píng)價(jià)值和理想值相對(duì)距離排序的優(yōu)點(diǎn)，具有客觀性強(qiáng)和結(jié)構(gòu)合理的特點(diǎn)。先用極差法對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，然后采用熵權(quán)TOPSIS法計(jì)算綠色物流水平。

計(jì)算加權(quán)矩陣。

式中：bij為標(biāo)準(zhǔn)化處理后的值；pij為第i個(gè)評(píng)價(jià)對(duì)象第j個(gè)指標(biāo)的特征比重；ej為第j個(gè)指標(biāo)的熵值；wj為各評(píng)價(jià)指標(biāo)的權(quán)重，wj∈[0，1]；Z為加權(quán)矩陣。

計(jì)算最優(yōu)解和最劣解。

式中：為最優(yōu)解；為最劣解。

計(jì)算綠色物流發(fā)展水平。

式中：，為被評(píng)價(jià)對(duì)象與最優(yōu)方案和最劣方案的距離；fi為綠色物流發(fā)展水平，fi∈[0，1]，fi值越大，表明綠色物流發(fā)展水平越高，反之則越低。

2.3 耦合協(xié)調(diào)度模型

耦合協(xié)調(diào)度模型是計(jì)算兩系統(tǒng)之間的協(xié)調(diào)發(fā)展程度，以測(cè)算系統(tǒng)之間的緊密配合狀態(tài)。其計(jì)算過(guò)程如下。

式中：C為耦合度，C∈[0，1]，C越大，系統(tǒng)之間的耦合度越高；Uk為系統(tǒng)評(píng)價(jià)得分，k=1，2，…K，此處采用K=2，即U1為鐵路貨運(yùn)效率，U2綠色物流發(fā)展水平；T為系統(tǒng)之間的綜合協(xié)調(diào)指數(shù)；αk為第k個(gè)子系統(tǒng)的權(quán)重，取α1=α2= 0.5；D為耦合協(xié)調(diào)度，D∈[0，1]，D越大，表示系統(tǒng)之間的協(xié)調(diào)效應(yīng)越顯著，耦合協(xié)調(diào)水平越高。

參考文獻(xiàn)[15]關(guān)于耦合協(xié)調(diào)等級(jí)劃分方法，將耦合協(xié)調(diào)水平劃分為10 個(gè)等級(jí)。耦合協(xié)調(diào)度等級(jí)劃分標(biāo)準(zhǔn)如表3所示。

2.4 障礙度模型

為更好識(shí)別影響鐵路貨運(yùn)效率與綠色物流發(fā)展水平耦合協(xié)調(diào)的主要障礙因素及其影響程度，引入障礙度模型，其函數(shù)形式如下。

式中：oj為第j個(gè)指標(biāo)對(duì)鐵路貨運(yùn)效率與綠色物流耦合協(xié)調(diào)的障礙度；Fj為各子系統(tǒng)對(duì)兩者耦合協(xié)調(diào)的障礙度；vij為指標(biāo)偏離度；wj為指標(biāo)權(quán)重。

3 實(shí)證分析

3.1 鐵路貨運(yùn)效率測(cè)度

利用MaxDEA軟件測(cè)度2010—2020年我國(guó)30個(gè)省(市、自治區(qū))的鐵路貨運(yùn)投入產(chǎn)出效率，可以得到每年全國(guó)鐵路貨運(yùn)效率平均值和各省(市、自治區(qū))的2010—2020 年平均值。2010—2020 年全國(guó)鐵路貨運(yùn)效率變化趨勢(shì)如圖1 所示。各省(市、自治區(qū))的鐵路貨運(yùn)效率平均值如圖2所示。

圖1 2010—2020年全國(guó)鐵路貨運(yùn)效率變化趨勢(shì)Fig.1 Trend of railway freight efficiency from 2010 to 2020

圖2 各?。ㄊ?、自治區(qū)）的鐵路貨運(yùn)效率平均值Fig.2 Average railway freight efficiency of different provinces(cities and autonomous regions)

從圖1 可以看出，全國(guó)鐵路貨運(yùn)效率平均值呈先下降再上升的趨勢(shì)，即2016 年之前不斷下降，2017年之后不斷上升。這是由于貨物運(yùn)輸結(jié)構(gòu)的變化，“十二五”期間我國(guó)鐵路貨運(yùn)量不斷下滑，而隨著鐵路貨運(yùn)改革和路網(wǎng)結(jié)構(gòu)的優(yōu)化，“十三五”時(shí)期鐵路貨運(yùn)量不斷提升。從圖2 的鐵路貨運(yùn)效率平均值來(lái)看，各省份的均值都小于1，即投入產(chǎn)出存在不同程度的失衡。其中，海南最低，上海次之，兩省(市)鐵路貨運(yùn)效率均低于0.9，這主要是受運(yùn)輸方式的影響，海南、上海具有發(fā)達(dá)的水路運(yùn)輸業(yè)，水路運(yùn)輸市場(chǎng)占比較高。

3.2 綠色物流發(fā)展水平測(cè)度

對(duì)2010—2020 年綠色物流評(píng)價(jià)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理后，運(yùn)用熵權(quán)TOPSIS法計(jì)算各省(市、自治區(qū))綠色物流發(fā)展水平。各省(市、自治區(qū))綠色物流發(fā)展水平如表4 所示。整體上，我國(guó)省域綠色物流發(fā)展水平不斷提升，這主要是因?yàn)殡S著我國(guó)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、科技創(chuàng)新發(fā)展和新技術(shù)運(yùn)用，物流業(yè)加快綠色轉(zhuǎn)型，傳統(tǒng)物流得到不斷升級(jí)。

表4 各省（市、自治區(qū)）綠色物流發(fā)展水平Tab.4 Development levels of green logistics in different provinces(cities and autonomous regions)

從各省(市、自治區(qū))的熵權(quán)TOPSIS 結(jié)果來(lái)看，綠色物流發(fā)展水平增長(zhǎng)速度最快的是浙江，從2010年的0.382 增長(zhǎng)至2020 年的0.782，十年間增長(zhǎng)了104.71%，這主要是因?yàn)檎憬》e極發(fā)展綠色物流，出臺(tái)了一系列綠色物流發(fā)展政策，如2014年出臺(tái)了《浙江省加快推進(jìn)綠色交通發(fā)展指導(dǎo)意見》，2019發(fā)布了我國(guó)首個(gè)省(市、自治區(qū))綠色物流發(fā)展指數(shù)。從各省綠色物流發(fā)展水平均值來(lái)看，綠色物流發(fā)展水平區(qū)域差異較為明顯，綠色物流發(fā)展水平高的省份集中在經(jīng)濟(jì)發(fā)展水平較高的東部沿海，如上海、廣東、山東；而綠色物流發(fā)展水平低的省份集中在經(jīng)濟(jì)發(fā)展水平較低區(qū)域，如海南、青海、寧夏。

3.3 鐵路貨運(yùn)效率與綠色物流發(fā)展耦合協(xié)調(diào)度分析

運(yùn)用耦合協(xié)調(diào)度模型計(jì)算我國(guó)30個(gè)省(市、自治區(qū))2010—2020 年鐵路貨運(yùn)效率與綠色物流發(fā)展的耦合協(xié)調(diào)度。鐵路貨運(yùn)效率與綠色物流發(fā)展耦合協(xié)調(diào)測(cè)算結(jié)果如表5 所示。從平均值來(lái)看，鐵路貨運(yùn)效率與綠色物流發(fā)展耦合協(xié)調(diào)水平整體呈不斷上升趨勢(shì)，省域耦合協(xié)調(diào)度平均值由2010 年的勉強(qiáng)協(xié)調(diào)發(fā)展至2020年的初級(jí)協(xié)調(diào)，增長(zhǎng)幅度為17.99%。另一方面，經(jīng)過(guò)10 年發(fā)展，其耦合協(xié)調(diào)平均水平僅上升了一個(gè)等級(jí)至初級(jí)協(xié)調(diào)，鐵路貨運(yùn)效率與綠色物流耦合協(xié)調(diào)水平偏低，與良好協(xié)調(diào)仍存在差距，這主要是因?yàn)槲覈?guó)物流產(chǎn)業(yè)高能耗、高排放等問(wèn)題仍存在，綠色物流發(fā)展水平還不高。

表5 鐵路貨運(yùn)效率與綠色物流發(fā)展耦合協(xié)調(diào)測(cè)算結(jié)果Tab.5 Coupling coordination between railway freight efficiency and green logistics development

基于鐵路貨運(yùn)效率與綠色物流耦合協(xié)調(diào)度結(jié)果，選擇2011 年、2014 年、2017 年和2020 年為代表，分析30個(gè)省(市、自治區(qū))的耦合協(xié)調(diào)時(shí)空演變情況。鐵路貨運(yùn)效率與綠色物流發(fā)展耦合協(xié)調(diào)時(shí)空演化如表6 所示。從表6 可以看出，鐵路運(yùn)貨效率與綠色物流耦合協(xié)調(diào)存在空間分布不均衡特征，耦合協(xié)調(diào)水平較高的省份大部分位于東部和中部地區(qū)。這與區(qū)域經(jīng)濟(jì)發(fā)展水平有緊密關(guān)系。具體來(lái)看，①良好協(xié)調(diào)：北京自2014 年進(jìn)入良好協(xié)調(diào)階段，河北、天津、山東、河南也先后進(jìn)入良好協(xié)調(diào)階段，而廣東僅2017 年為良好協(xié)調(diào)、四川僅2020年進(jìn)入良好協(xié)調(diào)階段，可以看出，良好協(xié)調(diào)的大部分為京津冀及其鄰近省份，這是由于京津冀協(xié)同水平提升，促進(jìn)了區(qū)域內(nèi)及鄰近省份物流發(fā)展，同時(shí)京津冀地區(qū)鐵路物流較為發(fā)達(dá)，有助于鐵路貨運(yùn)效率與綠色物流發(fā)展的耦合協(xié)調(diào)水平提升。②初級(jí)協(xié)調(diào)和中級(jí)協(xié)調(diào)：處于這兩階段的省(市、自治區(qū))占據(jù)了一半以上，表明我國(guó)大部分省(市、自治區(qū))的鐵路貨運(yùn)效率與綠色物流較為協(xié)調(diào)，鐵路貨運(yùn)效率提升與綠色物流發(fā)展相互促進(jìn)作用明顯；③勉強(qiáng)協(xié)調(diào)和瀕臨失調(diào)：2010—2020年間處于勉強(qiáng)協(xié)調(diào)和瀕臨失調(diào)的省(市、自治區(qū))數(shù)量一直在減少，從側(cè)面反映出我國(guó)鐵路貨運(yùn)效率與綠色物流的耦合協(xié)調(diào)水平不斷上升，這是因?yàn)殡S著經(jīng)濟(jì)和科技的發(fā)展，鐵路貨運(yùn)效率和綠色物流發(fā)展水平都將得到不斷提升；④輕度失調(diào)和中度失調(diào)：2010—2020年間僅海南一直處于輕度失調(diào)或中度失調(diào)階段，這與海南地理位置、經(jīng)濟(jì)發(fā)展水平及鐵路貨運(yùn)水平較低有關(guān)。

表6 鐵路貨運(yùn)效率與綠色物流發(fā)展耦合協(xié)調(diào)時(shí)空演化Tab.6 Spatio-temporal evolution of coupling coordination between railway freight efficiency and green logistics development

3.4 耦合協(xié)調(diào)的主要障礙因素分析

利用障礙度模型分析影響鐵路貨運(yùn)效率與綠色物流耦合協(xié)調(diào)的主要因素，有助于針對(duì)性地提出耦合協(xié)調(diào)水平提升策略。為此，借助障礙度模型測(cè)算2010—2020年鐵路貨運(yùn)效率和綠色物流發(fā)展耦合協(xié)調(diào)的障礙度并排序。各年度耦合協(xié)調(diào)度指標(biāo)層主要障礙因素如表7所示。

表7 各年度耦合協(xié)調(diào)度指標(biāo)層主要障礙因素%Tab.7 Main obstacle factors of coupling coordination at indicator level

由表7 可知，2010—2020 年障礙度均值排前五的依次是：鐵路貨運(yùn)量(10.56%)>人均貨物周轉(zhuǎn)量(7.27%)>鐵路貨物周轉(zhuǎn)量(7.25%)>物流設(shè)施用地面積(6.62%)>鐵路里程(6.51%)。鐵路貨運(yùn)量、人均貨物周轉(zhuǎn)量和鐵路貨物周轉(zhuǎn)量是鐵路貨運(yùn)效率與綠色物流發(fā)展耦合協(xié)調(diào)的前三大障礙因素，表明貨運(yùn)產(chǎn)出仍然是決定鐵路貨運(yùn)和綠色物流發(fā)展的重要因素，只有在貨運(yùn)產(chǎn)出達(dá)到一定水平后鐵路貨運(yùn)效率和綠色物流耦合協(xié)調(diào)水平才能得到較為明顯的提升。物流設(shè)施用地面積是兩系統(tǒng)耦合協(xié)調(diào)的第四大障礙因素，這是由于近年土地價(jià)格不斷上漲，造成物流設(shè)施用地成本不斷抬升，影響了物流設(shè)施用地面積的擴(kuò)大。鐵路里程是兩系統(tǒng)耦合協(xié)調(diào)的第五大障礙因素，這是因?yàn)殍F路里程是鐵路貨運(yùn)的基本基礎(chǔ)設(shè)施，直接影響著鐵路貨運(yùn)的投入。

4 結(jié)論

通過(guò)測(cè)算2010—2020 年我國(guó)30 個(gè)省(市、自治區(qū))的鐵路貨運(yùn)效率與綠色物流發(fā)展耦合協(xié)調(diào)度，并分析了耦合協(xié)調(diào)水平的主要障礙因素，發(fā)現(xiàn)：①我國(guó)鐵路貨運(yùn)效率均值在2016 年之前呈下降趨勢(shì)，2017年之后呈上升趨勢(shì)，各省鐵路貨運(yùn)效率均較低；我國(guó)省域綠色物流發(fā)展水平呈增長(zhǎng)趨勢(shì)，但整體發(fā)展水平較低。②我國(guó)鐵路貨運(yùn)效率與綠色物流發(fā)展耦合協(xié)調(diào)水平呈不斷上升趨勢(shì)，由2010 年的勉強(qiáng)協(xié)調(diào)上升至2020 年的初級(jí)協(xié)調(diào)，但耦合協(xié)調(diào)水平不高，仍有較大發(fā)展空間。③鐵路貨運(yùn)效率與綠色物流發(fā)展耦合協(xié)調(diào)排前五的指標(biāo)層障礙因素依次為：鐵路貨運(yùn)量、人均貨物周轉(zhuǎn)量、鐵路貨物周轉(zhuǎn)量、物流設(shè)施用地面積、鐵路里程。