基于超效率SBM-GML指數(shù)模型的冷鏈物流綠色發(fā)展效率

摘 要：【目的】將環(huán)境規(guī)制納入冷鏈物流效率分析框架，對我國冷鏈物流綠色低碳發(fā)展效率展開綜合測度，為促進冷鏈物流綠色、高效、可持續(xù)發(fā)展提供理論參考。【方法】本研究運用非期望產(chǎn)出超效率SBM模型方法和Global Malmquist-lunberger指數(shù)法對2012—2020年全國30個省區(qū)（市）的冷鏈物流綠色發(fā)展效率進行靜態(tài)測度與動態(tài)分析，并構(gòu)建“綠色發(fā)展效率-全要素生產(chǎn)率GML指數(shù)”矩陣，綜合比較各省份冷鏈物流綠色發(fā)展效率的優(yōu)勢與不足?！窘Y(jié)果】我國的冷鏈物流綠色發(fā)展效率水平整體不高，2020年達到有效的僅有河北、山西、遼寧和上海，并且差距逐漸拉大。分區(qū)域看，我國東中西3大區(qū)域冷鏈物流綠色發(fā)展效率整體上呈東部地區(qū)>中部地區(qū)>西部地區(qū)的態(tài)勢。東中部地區(qū)冷鏈物流綠色發(fā)展效率呈小幅波動上升趨勢，西部地區(qū)呈小幅波動下降趨勢；現(xiàn)階段各省份冷鏈物流綠色發(fā)展效率的提升主要依賴技術(shù)進步，不同的效率水平對純技術(shù)效率和規(guī)模效率的依賴程度不同；通過矩陣分析，全國30個省份被分為穩(wěn)定型、活躍型、低谷型和潛力型4類。【結(jié)論】降低我國冷鏈物流行業(yè)碳排放，提升冷鏈物流綠色發(fā)展效率，應(yīng)采取以下措施：1）加快綠色技術(shù)創(chuàng)新，推動冷鏈物流業(yè)綠色轉(zhuǎn)型；2）統(tǒng)籌發(fā)展規(guī)劃，實現(xiàn)區(qū)域協(xié)調(diào)發(fā)展；3）貫徹綠色發(fā)展理念，引導(dǎo)各環(huán)節(jié)落實；4）完善基礎(chǔ)設(shè)施建設(shè)，優(yōu)化冷鏈物流網(wǎng)絡(luò)。

關(guān)鍵詞：超效率SBM；非期望產(chǎn)出；Global Malmquist-lunberger指數(shù)；綠色發(fā)展效率

中圖分類號：S731；F542 文獻標(biāo)志碼：A 文章編號：1673-923X（2024）04-0189-12

基金項目：國家社會科學(xué)基金一般項目（22BGL173）；湖南省社會科學(xué)評審委員會重大項目（XSP22ZDA006）。

Green development efficiency of cold chain logistics based on the super-SBM-GML index model

DENG Mengjie1a， LI Yihua1a， WU Luqing1a， HUANG Wenjing1b， ZENG Xuewu2

（1.a. School of Logistic and Traffic； b. School of Materials Science and Engineering， Central South University of Forestry Technology， Changsha 410004， Hunan， China； 2. Hunan Hetian Construction Project Manages Ltd.， Changsha 410006， Hunan， China）

Abstract：【Objective】By incorporating environmental regulation into the analytical framework of cold chain logistics efficiency， this paper provides a comprehensive measurement of the efficiency of green and low-carbon development of cold chain logistics in China， and provides theoretical references for promoting the green， efficient and sustainable development of cold chain logistics.【Method】This paper used the super-SBM model and the Global Malmquist-lunberger index method to statically measure and dynamically analyze the green development efficiency of cold chain logistics in 30 provinces， autonomous regions and municipalities across China from 2012 to 2020. The “green development efficiency-total factor productivity GML index” matrix was constructed to comprehensively compare the advantages and disadvantages of the green development efficiency of cold chain logistics in each province.【Result】The overall efficiency level of green development in cold chain logistics in China was not high. In 2020， only Hebei， Shanxi， Liaoning， and Shanghai provinces reached the effective level， and the gap between provinces was gradually widening. From a regional perspective， the green development efficiency of cold chain logistics in China’s three major regions including Eastern， Central and Western， was in a trend of eastern region>central region>western region. The green development efficiency of cold chain logistics in the central and eastern regions showed a slight upward trend， while the western regions showed a slight downward trend； By decomposing the total factor productivity GML index ， it was found that the improvement of green development efficiency of cold chain logistics in each provinces at this stage mainly relied on technological progress， and different efficiency levels had varying degrees of dependence on pure technological efficiency and scale efficiency； According to matrix analysis， 30 provinces could be divided into four categories： stable， active， trough， and potential.【Conclusion】To reduce the carbon emission of China’s cold chain logistics industry and enhance the efficiency of green development of cold chain logistics， four measures should be taken. Firstly， accelerating green technology innovation and promoting green transformation of cold chain logistics industry. Secondly， integrating development planning for coordinated regional development. Thirdly， implementing the concept of green development and guiding the implementation of all aspects. Fourthly， improving infrastructure construction and optimizing cold chain logistics network.

Keywords： super-SBM； unexpected output； global Malmquist-lunberger index； green development efficiency

繼“雙碳”目標(biāo)的提出，黨的二十大報告強調(diào)要加快發(fā)展方式綠色轉(zhuǎn)型、發(fā)展綠色低碳產(chǎn)業(yè)。目前，各行各業(yè)都在積極落實國家綠色低碳發(fā)展要求。冷鏈物流作為物流業(yè)的一個重要分支，承載著經(jīng)濟社會的發(fā)展，關(guān)系著國家安全和食品醫(yī)藥安全[1]，但冷鏈物流屬于能源密集型產(chǎn)業(yè)，其存在的高能耗、高排放、低效率等問題引起廣泛關(guān)注，國務(wù)院辦公廳印發(fā)《“十四五”冷鏈物流發(fā)展規(guī)劃》明確提出要加速冷鏈物流綠色化發(fā)展進程，提高冷鏈物流設(shè)施節(jié)能水平并加大綠色冷鏈裝備研發(fā)應(yīng)用，全面提升冷鏈物流發(fā)展水平?？梢姡纳评滏溛锪骶G色化發(fā)展效率是符合我國社會經(jīng)濟發(fā)展要求，也是實現(xiàn)我國“雙碳”目標(biāo)的重點領(lǐng)域，更是冷鏈物流實現(xiàn)高質(zhì)量發(fā)展的關(guān)鍵所在。

目前，綠色發(fā)展效率作為衡量綠色發(fā)展的關(guān)鍵性指標(biāo)，綜合反映了社會-經(jīng)濟-環(huán)境三維系統(tǒng)的協(xié)調(diào)發(fā)展情況，是考慮了環(huán)境因素和資源環(huán)境消耗的綜合發(fā)展效率[2]，除關(guān)注經(jīng)濟活動產(chǎn)出的環(huán)境影響外，同時注重資源要素投入產(chǎn)出過程的綠色化[3]。但現(xiàn)有關(guān)于發(fā)展效率的測度研究往往會忽視環(huán)境與能源約束及非期望產(chǎn)出對測度結(jié)果科學(xué)性、真實性的影響，與綠色低碳的發(fā)展趨勢不符，未體現(xiàn)綠色發(fā)展要求。國內(nèi)外學(xué)者采取多種方法從不同角度，構(gòu)建不同的評價指標(biāo)體系展開物流發(fā)展效率的測度與評價。Martinez等[4]從企業(yè)視角以港口利潤等作為產(chǎn)出指標(biāo)，通過運用數(shù)據(jù)包絡(luò)法對一些私營物流企業(yè)的運行效率進行了分析；Barilla等[5]從國家視角對意大利的全要素物流生產(chǎn)率展開測度研究；Park等[6]運用Super-SBM模型分析了國際集裝箱港口物流效率；Zhang等[7]從省域視角用超效率DEA模型對山東省2017年的物流效率進行了分析和評價，并通過構(gòu)建物流效率網(wǎng)絡(luò)空間模型分析其溢出效應(yīng)；龔雪[8]使用DEA-Malmquist指數(shù)模型分析我國中部六省的物流效率，認(rèn)為物流業(yè)全要素生產(chǎn)率變動主要源自技術(shù)進步，技術(shù)效率對物流效率的影響并不顯著。還有其他學(xué)者也分別對長江經(jīng)濟帶[9]、環(huán)渤海地區(qū)[10]、三大灣區(qū)城市群[11]等區(qū)域的物流效率展開了測度研究?？梢姡壳瓣P(guān)于物流發(fā)展效率的評價國內(nèi)外研究已較為成熟，但其測度時忽略了“碳排放”這一非期望產(chǎn)出指標(biāo)，未體現(xiàn)綠色發(fā)展要求，并且已有的研究成果大多集中在傳統(tǒng)物流行業(yè)，對冷鏈物流效率展開測度的研究較少，針對冷鏈物流效率提升的研究視角相對單一，大多數(shù)仍停留在宏觀的定性分析或單一環(huán)節(jié)優(yōu)化（倉儲或配送路徑優(yōu)化）方面；從整體層面入手，對冷鏈物流效率展開定量化綜合測度的研究還有待補充。

冷鏈物流綠色發(fā)展效率的內(nèi)涵是將碳排放這一非期望產(chǎn)出考慮進來，在綜合考慮資源環(huán)境消耗的基礎(chǔ)上，反映冷鏈物流活動投入與產(chǎn)出之間的內(nèi)在聯(lián)系，其中冷鏈物流綠色發(fā)展效率值越高，表明冷鏈物流綠色發(fā)展水平也越高。對冷鏈物流綠色發(fā)展效率進行測度有利于冷鏈物流業(yè)向低投入、低排放及高效益的綠色發(fā)展模式轉(zhuǎn)變。因此，本研究利用超效率SBM-GML指數(shù)模型開展全國30個省（區(qū)、市）（不包括港澳臺、西藏地區(qū)）冷鏈物流綠色發(fā)展效率研究，把具有多項投入和產(chǎn)出的決策單元投影到生產(chǎn)前沿面進行時空交互視角下的全面性效率評價，探究出具有針對性的提升策略及建議，為我國冷鏈物流綠色、低碳、高效發(fā)展以及相關(guān)政策及戰(zhàn)略的制定提供重要的參考依據(jù)。

1 冷鏈物流綠色發(fā)展效率測算

1.1 指標(biāo)選取與數(shù)據(jù)來源

1.1.1 指標(biāo)選取

根據(jù)柯布-道格拉斯生產(chǎn)函數(shù)的思想，生產(chǎn)過程中的投入主要包括資本投入、勞動投入和綜合技術(shù)水平，但冷鏈運輸主要涉及的冷鏈運輸載具、新能源技術(shù)以及制冷技術(shù)等難以量化，因此本研究不考慮技術(shù)投入。此外，冷鏈物流的綠色發(fā)展效率測度需充分將能源要素納入考慮，所以本研究在選取投入指標(biāo)時主要考慮勞動、資本和能源的投入，選取產(chǎn)出指標(biāo)時考慮期望產(chǎn)出指標(biāo)和非期望產(chǎn)出兩個指標(biāo)。通過綜合分析文獻和本研究的具體內(nèi)容，冷鏈物流綠色發(fā)展效率評價指標(biāo)選取如圖1所示。

1）投入指標(biāo)

勞動要素投入，從業(yè)人員數(shù)作為反映勞動力投入的主要因素，本研究以各地區(qū)冷鏈物流行業(yè)從業(yè)人員數(shù)衡量勞動投入；資本要素投入，借鑒張云寧等[12]的研究，以冷鏈物流產(chǎn)業(yè)固定資產(chǎn)投資額作為評價指標(biāo)，為消除價格因素影響，將各年份冷鏈物流業(yè)固定資產(chǎn)投資額換算成以2012年為基期的可比價。由于自2020年起國家統(tǒng)計局取消固定資產(chǎn)投資價格的統(tǒng)計，對于2020年各地區(qū)固定資產(chǎn)投資價格指數(shù)的缺失，本研究用2016—2019年這4年間增長率的平均值作為2020年固定資產(chǎn)價格指數(shù)的增長率。能源要素投入，冷鏈物流作為一個高耗能行業(yè)，能源費用在資本投入中占據(jù)很大比例，所以能源消耗量是反映資本投入的重要指標(biāo)，故本研究中能源投入以各地區(qū)的一次能源消費量衡量，能源消費量是統(tǒng)一折算為標(biāo)準(zhǔn)煤后的數(shù)量。

2）產(chǎn)出指標(biāo)

期望產(chǎn)出指標(biāo)：經(jīng)濟產(chǎn)出指標(biāo)以冷鏈物流產(chǎn)業(yè)增加值衡量，使用計算的分地區(qū)GDP縮減指數(shù)對冷鏈物流產(chǎn)業(yè)增加值進行平減，將名義價格換算成2012年為基期的不變價格，消除價格影響；規(guī)模產(chǎn)出能力方面用貨運周轉(zhuǎn)量來衡量，貨運周轉(zhuǎn)量在貨運量中引入了人平均運輸距離，考慮距離因素，可以更加全面的反映各省域冷鏈物流的運輸能力。非期望產(chǎn)出指標(biāo)：非期望產(chǎn)出主要考慮冷鏈物流作業(yè)中的CO2排放。對于各省份冷鏈物流行業(yè)的碳排放量，本研究從中國碳核算數(shù)據(jù)庫（Carbon emission accounts datasets CEADs）收集2012—2020年全國30個?。▍^(qū)、市）的交通運輸、倉儲及郵政業(yè)碳排放量數(shù)據(jù)，對收集到的數(shù)據(jù)乘以相應(yīng)的因子作為各省份冷鏈物流行業(yè)碳排放量數(shù)據(jù)。

1.1.2 數(shù)據(jù)來源

鑒于在現(xiàn)有統(tǒng)計標(biāo)準(zhǔn)下無法獲取物流業(yè)的具體數(shù)據(jù)，參考國內(nèi)其他學(xué)者的做法[13]，選用交通運輸、倉儲及郵政業(yè)有關(guān)數(shù)據(jù)來代替物流業(yè)產(chǎn)業(yè)數(shù)據(jù)進行實證研究。由于本研究的研究對象是冷鏈物流綠色發(fā)展效率，考慮到數(shù)據(jù)準(zhǔn)確性，將投入產(chǎn)出變量乘以該年冷鏈物流總額占中國社會物流總額的比值，以此表示冷鏈物流運作中實際投入與產(chǎn)出。基礎(chǔ)數(shù)據(jù)來源于《中國統(tǒng)計年鑒》及各?。▍^(qū)、市）歷年統(tǒng)計年鑒、《中國能源統(tǒng)計年鑒》《中國物流年鑒》《中國冷鏈物流發(fā)展報告》，并進行必要整理與計算，投入產(chǎn)出變量描述性統(tǒng)計見表1。

1.2 測算模型方法

1.2.1 非期望產(chǎn)出超效率SBM模型

綠色發(fā)展效率的研究方法有很多，傳統(tǒng)的DEA模型只能基于徑向和角度來測度決策單元的相對效率，不能充分考慮投入產(chǎn)出松弛問題，還未將非期望產(chǎn)出納入考慮之中。2001年Tone[14]將松弛變量引入目標(biāo)函數(shù)中，提出了非徑向非角度的效率評價模型—SBM模型，SBM模型的優(yōu)點在于將投入和產(chǎn)出指標(biāo)進行無量綱化處理，進而消除對效率值的影響，并使投入和產(chǎn)出的松弛程度變量按照嚴(yán)格單調(diào)遞減條件變化。但SBM模型中存在著DMU效率同為1的情況，即完全效率，不利于進一步比較，為了解決此問題，并實現(xiàn)對非期望產(chǎn)出進行處理，Tone對模型進行了改進，改進后的非期望產(chǎn)出超效率SBM模型有以下3個優(yōu)點：一是當(dāng)多個決策單元同時完全有效時，模型能夠有效地解決這些決策單元的區(qū)分和排序問題；二是能夠有效地解決變量的松弛性問題；三是充分考慮了非期望產(chǎn)出問題[15]。鑒于此，本研究選用考慮非期望產(chǎn)出的超效率SBM模型對冷鏈物流綠色發(fā)展效率進行測算。具體構(gòu)建出的效率值計算公式為：

GML指數(shù)大于1，代表全要素生產(chǎn)率增長，反之下降。

GML指數(shù)可分解為全域技術(shù)效率變化指數(shù)（GEFFCH）和全域技術(shù)變化指數(shù)（GTECH），從而可以進一步討論生產(chǎn)率變動的主要原因。GEFFCH大于1表示技術(shù)效率改進并對全要素生產(chǎn)率增長有貢獻，GTECH大于1表示技術(shù)進步對全要素生產(chǎn)率增長有貢獻。但這種分解方法沒有考慮規(guī)模效率問題，當(dāng)考慮規(guī)模效率時，文獻中還有3種常用的MI分解方法，包括FGNZ、RD、Zofio。FGNZ分解方法利用規(guī)模報酬可變（VRS）下和規(guī)模報酬不變（CRS）下得出的不同Malmquist效率變化值，從而將技術(shù)效率變化指數(shù)（EFFCH）進一步分解為純技術(shù)效率變化（PECH）和規(guī)模效率變化（SECH）。本研究參考該思想，將CRS下全域全要素生產(chǎn)率中的GEFFCH進一步分解為全域純技術(shù)效率變化（GPECH）和全域規(guī)模效率變化（GSECH），即：

GTFPCH=CEFFCH×GTECH=（GPECH×GSECH）×GTECH。 （3）

當(dāng)GPECH大于1時表示技術(shù)效率變化中起主要作用的是純技術(shù)效率，當(dāng)GSECH大于1時表示技術(shù)效率變化中起主要作用的是規(guī)模效率。

2 冷鏈物流綠色發(fā)展效率分析

2.1 綠色發(fā)展效率靜態(tài)分析

本研究采用Dearun軟件對2012—2020年我國30個省（區(qū)、市）的冷鏈物流綠色發(fā)展效率進行測算。綜合具體測算結(jié)果，模型設(shè)定為非導(dǎo)向、規(guī)模報酬不變，結(jié)果選用SBM超效率-全局（非指數(shù)值），具體的測算結(jié)果如表2所示。

2.1.1 冷鏈物流綠色發(fā)展效率現(xiàn)狀分析

為了比較省份間冷鏈物流綠色發(fā)展效率情況，計算了30個?。▍^(qū)、市）的效率均值并按年份計算了全國及三大區(qū)域效率均值，整理結(jié)果展示在表2中。

從表2測算結(jié)果可以看出，整體上，我國冷鏈物流綠色發(fā)展效率不高，從效率均值來看，最高的是河北省，為0.894 1；最低的是北京市，僅0.073 8。超效率SBM值大于1的在2012、2017、2018、2019、2020年，這5年僅分別有2、2、1、2、4個省份，說明這些省份冷鏈物流綠色發(fā)展效率達到了有效，效率水平較高。此外，絕大多數(shù)省份冷鏈物流綠色發(fā)展效率均值低于0.5。2012—2020年我國30個?。▍^(qū)、市）的冷鏈物流綠色發(fā)展效率均值為0.356 1，東中西部冷鏈物流綠色發(fā)展效率均值分別為0.465 6、0.362 4、0.215 1，這說明整體冷鏈物流綠色發(fā)展效率未達到有效狀態(tài)，沒有實現(xiàn)冷鏈物流與生態(tài)環(huán)境的協(xié)調(diào)發(fā)展，并且區(qū)域之間存在一定差距。

2.1.2 冷鏈物流綠色發(fā)展效率時空演化分析

為了比較地區(qū)間差異，根據(jù)測算結(jié)果繪制出2012—2020年全國冷鏈物流綠色發(fā)展效率情況時空對比圖（圖2），并繪制全國及東中西部3大區(qū)域冷鏈物流綠色發(fā)展超效率SBM均值變化趨勢圖（圖3）。

從圖3看出，在2012—2020這9年里，全國效率均值總體水平較低，上下波動幅度較小，總體呈緩慢增長趨勢。分區(qū)域看，我國東中西3大區(qū)域冷鏈物流綠色發(fā)展效率東部地區(qū)始終高于其他兩個地區(qū)，整體上呈現(xiàn)東部地區(qū)>中部地區(qū)>西部地區(qū)的態(tài)勢。東部和中部地區(qū)冷鏈物流綠色發(fā)展效率呈小幅波動上升趨勢，而西部地區(qū)呈小幅波動下降趨勢，下降幅度較小。東部地區(qū)冷鏈物流綠色發(fā)展效率值由2012年的0.511 0上升到 2020年的0.675 9，中部地區(qū)由2012年的0.347 4上升到2020年的0.474 9，西部地區(qū)由2012年的0.239 5下降到2020年的0.242 8。分省份看，9年里天津市冷鏈物流綠色發(fā)展效率全國排名降幅最大，從全國第4名下降到第12名，山西省全國排名增幅最大，從全國第19名升高到第4名，而北京市始終位于全國末位。由圖2可知，內(nèi)蒙古、吉林、陜西、山西、湖北、湖南、遼寧、河北、上海、海南這幾個省份冷鏈物流綠色發(fā)展效率值2020年較2012年實現(xiàn)了跨效率區(qū)間的增長，江蘇、甘肅2020年冷鏈物流綠色發(fā)展效率值較2012年跨效率區(qū)間減少，效率值波動幅度較大，其余省份2020年效率值與2012年的效率值屬于同一效率區(qū)間，效率值波動幅度不大。此外，可以直觀看出，截至2020年全國30個?。▍^(qū)、市）冷鏈物流綠色發(fā)展效率達到有效狀態(tài)的省份極少，僅有山西、河北、遼寧、上海4個。

2.2 綠色發(fā)展效率動態(tài)分析

為進一步分析冷鏈物流綠色發(fā)展效率的動態(tài)變化趨勢及分解指標(biāo)特征，本研究利用Dearun軟件對2012—2020年全國30個?。▍^(qū)、市）的投入產(chǎn)出數(shù)據(jù)在考慮非期望產(chǎn)出情況下進行冷鏈物流全要素生產(chǎn)率GML指數(shù)測算和分解。具體測算和分解的結(jié)果如表3～4所示。為更直觀觀察其動態(tài)變化情況，繪制出了全國30個省（區(qū)、市）冷鏈物流全要素生產(chǎn)率GML指數(shù)及其分解指數(shù)變化趨勢圖（圖4）。

從表3可見，研究期間各省份冷鏈物流全要素生產(chǎn)率GML指數(shù)值呈波動態(tài)勢，2012—2013年及2015—2016年期間全國冷鏈物流全要素生產(chǎn)率GML指數(shù)均值小于1，說明全國大部分省份冷鏈物流全要素生產(chǎn)率處于下降狀態(tài)，其余年份全國冷鏈物流全要素生產(chǎn)率GML指數(shù)均值均大于1，說明全國大部分省份冷鏈物流全要素生產(chǎn)率處于增長狀態(tài)。而2016—2017年期間全國冷鏈物流全要素生產(chǎn)率指數(shù)均值為1.147 0，達研究期間最大值，說明這一時期內(nèi)全國大部分省份的冷鏈物流全要素生產(chǎn)率處于增長狀態(tài)，從各省份詳細(xì)數(shù)據(jù)也可以印證這一結(jié)論。

結(jié)合表4和圖4可知，研究期內(nèi)我國30個省區(qū)（市）冷鏈物流全要素生產(chǎn)率GML指數(shù)值呈現(xiàn)上下波動態(tài)勢，但總體上表現(xiàn)出增長趨勢。全國冷鏈物流全要素生產(chǎn)率GML指數(shù)均值為1.029 3，表示整體上看我國冷鏈物流全要素生產(chǎn)率處于增長狀態(tài)，平均增長率4.942%，全域純技術(shù)效率變化指數(shù)（GPECH）均值為0.980 1，平均增長率為1.808%，全域規(guī)模效率變化指數(shù)（GSECH）均值為1.000 6，平均增長率為-0.861%，全域技術(shù)變化指數(shù)（GTECH）均值為1.053 6，平均增長率為5.592%。其中2014年是冷鏈物流全要素生產(chǎn)率增長最大的年份，原因在于此時GPECH和GTECH共同促進了冷鏈物流全要素生產(chǎn)率的增長。從圖4中可以看出，全要素生產(chǎn)率GML指數(shù)與GTECH變動趨勢較為一致，所以可以認(rèn)為冷鏈物流全要素生產(chǎn)率的增長動因主要來自于冷鏈相關(guān)科學(xué)技術(shù)的發(fā)展。此外，從表4看出，除河北省以外其余29個省份冷鏈物流全要素生產(chǎn)率增長均需要技術(shù)進步的貢獻，而對于GPECH和GSECH的需求不同省份情況不一，結(jié)合表2數(shù)據(jù)，得出的大致規(guī)律是：冷鏈物流綠色發(fā)展效率SBM值在0.3以下的省份，冷鏈物流全要素生產(chǎn)率提高主要依靠GSECH改進，SBM值在0.3～0.4區(qū)間的，主要依靠GPECH改進，超效率SBM值大于0.4的主要依靠不在于GEFFCH改進，而是GTECH進步。而河北省較為特殊，其冷鏈物流全要素生產(chǎn)率增長不依賴于全域技術(shù)變化而是全域純技術(shù)效率和規(guī)模效率的作用，結(jié)合前文分析河北位于全國冷鏈物流綠色發(fā)展前列，可以認(rèn)為河北冷鏈相關(guān)技術(shù)發(fā)展較為成熟，而實現(xiàn)其冷鏈物流全要素增長的關(guān)鍵點在于提高其純技術(shù)效率和規(guī)模效率。

2.3 動態(tài)靜態(tài)結(jié)合分析

基于上述測算結(jié)果，以2012—2020年30個省區(qū)（市）的冷鏈物流綠色發(fā)展效率值為縱坐標(biāo)，以冷鏈物流全要素生產(chǎn)率GML指數(shù)值為橫坐標(biāo)，并以各自均值為界，構(gòu)建冷鏈物流的“綠色發(fā)展效率-全要素生產(chǎn)率GML指數(shù)”矩陣，將全國30個省份分為4個組群，如圖5所示，從靜態(tài)和動態(tài)兩個維度綜合比較各省份冷鏈物流發(fā)展效率的優(yōu)勢和不足，為未來各省份冷鏈物流發(fā)展決策提供戰(zhàn)略導(dǎo)向參考。

組群Ⅰ有江蘇、安徽、天津、山東、江西、河南、浙江和寧夏8個省（區(qū)、市），其冷鏈物流綠色發(fā)展效率大于均值，全要素生產(chǎn)率GML指數(shù)小于均值，屬于穩(wěn)定型省份。說明這類省份冷鏈物流綠色發(fā)展水平較高但增長速度慢，憑借區(qū)位優(yōu)勢擁有一定的競爭力，但缺乏進一步發(fā)展的新動力。應(yīng)提高管理水平，提高資源整合與利用能力，推動技術(shù)進步，促進發(fā)展效率可持續(xù)增長。

組群Ⅱ有河北、遼寧、上海、山西、內(nèi)蒙古、廣東和福建7個?。▍^(qū)、市），其冷鏈物流綠色發(fā)展效率和全要素生產(chǎn)率GML指數(shù)均大于均值，屬于活躍型省份。說明這類省份冷鏈物流綠色發(fā)展水平高且增長速度快，是冷鏈物流綠色化發(fā)展較成功的省份，具有長期競爭能力，要素投入可以高效率利用且發(fā)展過程中充分考慮環(huán)境因素，值得其他省份借鑒。

組群Ⅲ有湖南、貴州、甘肅、廣西、湖北、陜西、重慶、新疆、黑龍江、四川和青海11個?。▍^(qū)、市），其冷鏈物流綠色發(fā)展效率和全要素生產(chǎn)率GML指數(shù)均小于均值，屬于低谷型省份。說明這類省份冷鏈物流綠色發(fā)展水平低且增長速度慢，地理區(qū)位不占優(yōu)勢，投資分散，存在一定的資源浪費現(xiàn)象。未來需明確發(fā)展定位，減少資源浪費，從質(zhì)和量兩個方面考慮，提高發(fā)展效率。

組群Ⅳ有北京、云南、海南和吉林4個?。ㄊ校?，其冷鏈物流綠色發(fā)展水平小于均值，但全要素生產(chǎn)率GML指數(shù)大于均值，屬于潛力型省份。說明這類省份冷鏈物流綠色發(fā)展水平較低但發(fā)展速度較快，發(fā)展前期資源投入較多但發(fā)展過程中采用粗獷的發(fā)展方式，不考慮對環(huán)境的污染，這類省份應(yīng)注意資源利用和環(huán)境保護，未來效率提升潛力較大。

3 結(jié)論與建議

3.1 研究結(jié)論

本研究運用超效率SBM模型方法揭示了我國 30個?。▍^(qū)、市）冷鏈物流綠色發(fā)展效率總體特征，利用GML指數(shù)分析了綠色發(fā)展效率動態(tài)變化趨勢，構(gòu)建了冷鏈物流的“綠色發(fā)展效率-全要素生產(chǎn)率GML指數(shù)”矩陣進行靜態(tài)與動態(tài)相結(jié)合的分析，并將30個省份分為“穩(wěn)定型”“活躍型”“低谷型”“潛力型”4類。研究結(jié)果表明：

1）超效率SBM模型分析顯示，研究期間全國冷鏈物流綠色發(fā)展效率整體水平不高，冷鏈物流綠色發(fā)展未達到有效狀態(tài)，沒有實現(xiàn)與生態(tài)環(huán)境的協(xié)調(diào)發(fā)展。分區(qū)域看，我國東中西3大區(qū)域冷鏈物流綠色發(fā)展效率整體上呈東部地區(qū)>中部地區(qū)>西部地區(qū)的態(tài)勢。研究期間全國冷鏈物流綠色發(fā)展效率均值上下波動幅度較小，總體呈緩慢增長趨勢，東部和中部地區(qū)和全國波動趨勢較為一致，而西部地區(qū)呈現(xiàn)出小幅波動下降趨勢，但下降幅度較小。分省份看，各省份間冷鏈物流綠色發(fā)展效率差異越來越明顯。

2）GML指數(shù)分析顯示，技術(shù)變化和純技術(shù)效率對冷鏈物流全要素生產(chǎn)率提升有正向作用，但作用最大的是技術(shù)進步，規(guī)模效率對冷鏈物流全要素生產(chǎn)率提升有一定的負(fù)向作用。除技術(shù)進步對冷鏈物流綠色發(fā)展效率有貢獻外，不同情況對純技術(shù)效率和規(guī)模效率的需求情況不一。當(dāng)冷鏈物流綠色發(fā)展水平較低時需要通過提高技術(shù)效率來實現(xiàn)全要素生產(chǎn)率的增長，當(dāng)冷鏈物流綠色發(fā)展水平較高時，需要通過技術(shù)進步才能實現(xiàn)全要素生產(chǎn)率的增長。

3）通過靜態(tài)效率和動態(tài)生產(chǎn)率聯(lián)合分析，得出江蘇、安徽、天津、山東、江西、河南、浙江、寧夏屬于穩(wěn)定型省份，河北、遼寧、上海、山西、內(nèi)蒙古、廣東、福建屬于活躍型省份，湖南、貴州、甘肅、廣西、湖北、陜西、重慶、新疆、黑龍江、四川、青海屬于低谷型省份，北京、云南、海南、吉林屬于潛力型省份。

3.2 政策建議

基于以上的研究結(jié)論，結(jié)合中國的實際情況，本研究認(rèn)為提高各省份冷鏈物流綠色發(fā)展效率應(yīng)采取以下4點措施。

1）加快綠色技術(shù)創(chuàng)新，推動冷鏈物流業(yè)綠色轉(zhuǎn)型。加快冷鏈物流業(yè)綠色轉(zhuǎn)型，在冷鏈物流發(fā)展過程中不能一味地追求產(chǎn)值的增長，要重點關(guān)注發(fā)展過程中的環(huán)境污染問題，尤其是碳排放問題。重點推動綠色技術(shù)創(chuàng)新進步，加大科技投入，提高冷鏈物流全要素生產(chǎn)率。例如研發(fā)智能節(jié)能的移動式冷藏箱，并開發(fā)設(shè)計冷藏箱的綜合管理系統(tǒng)，以實現(xiàn)節(jié)能減排和資源最大化利用。加大數(shù)字經(jīng)濟與冷鏈物流業(yè)的融合，提升冷鏈物流作業(yè)的數(shù)字智能化水平，從而提高冷鏈物流全要素生產(chǎn)率?，F(xiàn)階段大力推進綠色技術(shù)創(chuàng)新來提高冷鏈物流綠色發(fā)展效率的手段適用于全國90%的省份，而對于冷鏈物流綠色化走在發(fā)展前列的省份，提高現(xiàn)有技術(shù)的使用效率才是其今后發(fā)展的著力點。穩(wěn)定型省份更應(yīng)該抓住技術(shù)創(chuàng)新這一重要抓手，實現(xiàn)冷鏈物流綠色發(fā)展效率的突破。

2）統(tǒng)籌發(fā)展規(guī)劃，實現(xiàn)區(qū)域協(xié)調(diào)發(fā)展。區(qū)域冷鏈物流水平的提高有賴于各經(jīng)濟區(qū)域進行科學(xué)合理的冷鏈物流系統(tǒng)規(guī)劃[21-22]。針對目前全國冷鏈物流業(yè)發(fā)展現(xiàn)狀，國家應(yīng)統(tǒng)籌制訂相應(yīng)綠色發(fā)展規(guī)劃，搭建便利的交流協(xié)作平臺，帶動區(qū)域間協(xié)調(diào)發(fā)展，避免不必要的競爭，實現(xiàn)有限資源的最大化利用。冷鏈物流綠色發(fā)展效率高的省份應(yīng)發(fā)揮帶頭作用，落后省份也要激發(fā)優(yōu)勢，縮小與發(fā)達地區(qū)的差距。此外，各省份應(yīng)充分考慮自身條件，實施差異化的發(fā)展戰(zhàn)略，要善于借力本省優(yōu)勢產(chǎn)業(yè)，實現(xiàn)產(chǎn)業(yè)之間集群發(fā)展。東部地區(qū)應(yīng)逐漸輻射帶動中部和西部地區(qū)發(fā)展，積極承擔(dān)起發(fā)展責(zé)任，主動將發(fā)展落后地區(qū)考慮進自己的發(fā)展規(guī)劃中，東部地區(qū)應(yīng)以上海和河北為核心，中部地區(qū)以山西為核心，搭建起便利的交流平臺讓綠色發(fā)展效率高的省份將資源輻射出去以實現(xiàn)全國冷鏈物流的共同發(fā)展?；钴S型省份應(yīng)承擔(dān)起自身責(zé)任，及時向其他省份提供幫扶，以實現(xiàn)區(qū)域的協(xié)調(diào)發(fā)展。

3）貫徹綠色發(fā)展理念，引導(dǎo)各環(huán)節(jié)落實。首先各級政府要充分理解冷鏈物流綠色發(fā)展的內(nèi)涵，引導(dǎo)和督促冷鏈物流企業(yè)開展思想文化建設(shè)工作，為有效落實綠色發(fā)展各項相關(guān)措施創(chuàng)建優(yōu)良環(huán)境。其次，建立完善的監(jiān)督機制，借助大數(shù)據(jù)及互聯(lián)網(wǎng)相關(guān)技術(shù)實現(xiàn)冷鏈物流作業(yè)全過程全方位的監(jiān)測，對于不符合綠色低碳發(fā)展要求的作業(yè)環(huán)節(jié)及流程及時給予反饋，從而最高效率地督促相應(yīng)環(huán)節(jié)整改。最后，提供人性化幫扶機制，對于實現(xiàn)綠色轉(zhuǎn)型有困難的冷鏈物流企業(yè)，政府應(yīng)積極整合資源，盡最大能力幫助企業(yè)實現(xiàn)轉(zhuǎn)型。低谷型和潛力型省份更應(yīng)該發(fā)揮政府職能，積極引導(dǎo)與督促冷鏈物流企業(yè)將綠色發(fā)展理念貫穿到全產(chǎn)業(yè)鏈，抓住發(fā)展機會，實現(xiàn)快速發(fā)展。

4）完善基礎(chǔ)設(shè)施建設(shè)，優(yōu)化冷鏈物流網(wǎng)絡(luò)。加強基礎(chǔ)設(shè)施建設(shè)，發(fā)揮其對冷鏈物流業(yè)綠色發(fā)展的正效應(yīng)。冷庫、冷藏車、保溫車等基礎(chǔ)設(shè)施設(shè)備是保障冷鏈物流效率的基礎(chǔ)性工程，積極推動標(biāo)準(zhǔn)化冷庫建設(shè)、發(fā)展鐵路冷藏車廂、航空冷藏中轉(zhuǎn)箱、冷藏箱和保溫箱等運輸設(shè)備，滿足多樣化冷鏈運輸需求。集聚整合冷鏈物流資源，統(tǒng)籌國家層面的冷鏈物流樞紐設(shè)施建設(shè)，提高運輸效率。強化鐵、公、空、水運、郵政等冷鏈物流設(shè)施的完善與有效銜接，形成較為完善的冷鏈物流基礎(chǔ)設(shè)施網(wǎng)絡(luò)。西部地區(qū)基礎(chǔ)設(shè)施建設(shè)落后阻礙了冷鏈物流的發(fā)展，應(yīng)加大基礎(chǔ)設(shè)施建設(shè)投入，積極引入專業(yè)化運輸設(shè)備，逐漸搭建起鐵、公、空運輸網(wǎng)絡(luò)。發(fā)展低谷型和潛力型省份應(yīng)積極接入穩(wěn)定型和活躍型省份的冷鏈物流基礎(chǔ)設(shè)施網(wǎng)絡(luò)，以較小投入成本獲得較多可利用的物流資源，實現(xiàn)資源的最大化利用。

本研究構(gòu)建了投入產(chǎn)出指標(biāo)體系對我國的冷鏈物流綠色發(fā)展效率進行靜態(tài)測度和動態(tài)研究，但對影響我國冷鏈物流綠色發(fā)展效率的因素及其影響程度研究有待進一步深化，下一步研究將通過建立回歸模型，以冷鏈物流綠色發(fā)展效率值為被解釋變量，以主要影響因素為解釋變量進一步研究影響我國冷鏈物流綠色發(fā)展效率的因素及其作用機理，并根據(jù)分析結(jié)果提出更為詳盡且有針對性的政策建議。

參考文獻：

[1] 李義華，鄧夢杰.數(shù)字經(jīng)濟下醫(yī)藥冷鏈物流共同配送體系構(gòu)建研究[J].中南林業(yè)科技大學(xué)學(xué)報（社會科學(xué)版），2022，16（5）： 49-59. LI Y H， DENG M J. Research on the construction of joint distribution system of pharmaceutical cold chain logistics in digital economy[J]. Journal of Central South University of Forestry Technology （Social Sciences），2022，16（5）：49-59.

[2] 劉雨婧，唐健雄.中國旅游業(yè)綠色發(fā)展效率時空演變特征及影響機理[J].自然資源學(xué)報，2022，37（3）：681-700. LIU Y J， TANG J X. Spatio-temporal evolution characteristics and influencing mechanism of green development efficiency of tourism industry in China[J]. Journal of Natural Resources， 2022，37（3）：681-700.

[3] 楊環(huán)宇，黃文靜，李義華，等.基于樹莓派平臺的柑橘智能識別與采摘[J].中南林業(yè)科技大學(xué)學(xué)報，2023，43（8）：192-201. YANG H Y， HUANG W J， LI Y H， et al. Design of citrus identification and picking based on raspberry PI platform[J]. Journal of Central South University of Forestry Technology， 2023，43（8）：192-201.

[4] MARTINEZ-BUDRIA E， DIAZ-ARMAS R， NAVARROIBANEZ M， et al. A study of the efficiency of Spanish port authorities using data envelopment analysis[J]. International Journal of Transport Economics/Rivista Internazionale di Economia dei Trasporti，1999，26（2）：237-253.

[5] BARILLA D， CARLUCCI F， CIRà A， et al. Total factor logistics productivity： a spatial approach to the Italian regions[J]. Transportation Research Part A： Policy and Practice， 2020，136：205-222.

[6] PARK J， JEON J， YEO G. A study on efficiency of resident logistics companies in port hinterland using super-SBM[J]. Journal of Navigation and Port Research，2015，39（6）：507-514.

[7] ZHANG S， CUI R. Logistics efficiency network spatial structure based on coastal city Shandong[J]. Journal of Coastal Research，2020，104（SI）：322-327.

[8] 龔雪.中部六省物流效率評價[J].統(tǒng)計與決策，2019，35（18）： 59-63. GONG X. Evaluation of logistics efficiency in six central provinces[J]. Statistics and decision，2019，35（18）：59-63.

[9] 于麗英，施明康，李婧.基于DEA-Malmquist指數(shù)模型的長江經(jīng)濟帶物流效率及因素分解[J].商業(yè)經(jīng)濟與管理，2018（4）： 16-25. YU L Y， SHI M K， LI J. Logistics efficiency and factor decomposition of Yangtze River Economic Belt based on DEAMalmquist index model[J]. Journal of Business Economics， 2018（4）：16-25.

[10] 汪文生，考曉璇.高質(zhì)量發(fā)展視角下環(huán)渤海地區(qū)物流效率測度研究—基于三階段DEA模型[J].商業(yè)研究，2021（4）： 75-84. WANG W S， KAO X X. Research on the measurement of logistics efficiency in the Bohai Rim Region from the perspective of high-quality development： based on the three-stage DEA model[J]. Commercial Research，2021（4）：75-84.

[11] 何景師，王術(shù)峰，徐蘭.碳排放約束下我國三大灣區(qū)城市群綠色物流效率及影響因素研究[J].鐵道運輸與經(jīng)濟，2021，43（8）： 30-36. HE J S， WANG S F， XU L. Research on the efficiency and influencing factors of green logistics in three bay-area city clusters under the constraint of carbon emission[J]. Railway Transport and Economy，2021，43（8）：30-36.

[12] 張云寧，劉子琦，歐陽紅祥，等.低碳環(huán)境下區(qū)域物流產(chǎn)業(yè)效率綜合研究—基于長江大保護區(qū)域19個省的實證分析[J].管理現(xiàn)代化，2020，40（2）：33-40. ZHANG Y N， LIU Z Q， OUYANG H X， et al. Comprehensive study on regional logistics industry efficiency under low-carbon environment： based on the empirical analysis of 19 provinces in the Yangtze River protection Area[J]. Modernization of Management， 2020，40（2）：33-40.

[13] 李義華，孫雅倫.數(shù)字經(jīng)濟背景下區(qū)域物流與經(jīng)濟高質(zhì)量發(fā)展耦合協(xié)調(diào)研究—基于湖南省2010—2021年的數(shù)據(jù)分析[J].中南林業(yè)科技大學(xué)學(xué)報（社會科學(xué)版），2023，17（1）：39-48. LI Y H， SUN Y L. Research on the coupling and coordination of regional logistics and high-quality economic development under the background of digital economy： analysis based on the 2010-2021 data of Hunan province[J]. Journal of Central South University of Forestry Technology （Social Sciences），2023，17（1）： 39-48.

[14] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research， 2001，130（3）：498-509.

[15] 張逸昕，張杰.創(chuàng)新驅(qū)動、政府規(guī)制與資源型城市轉(zhuǎn)型效率研究—基于Super-SBM模型的實證分析[J].河南師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2020，47（2）：37-44. ZHANG Y X， ZHANG J. Research on innovation driven government regulation and resource-based city transformation efficiency： empirical analysis based on super-SBM model[J]. Journal of Henan Normal University （Philosophy and Social Sciences Edition）， 2020，47（2）：37-44.

[16] 吳遵杰，巫南杰.長江經(jīng)濟帶綠色經(jīng)濟效率測度、分解及影響因素研究—基于超效率SBM-ML-Tobit模型的分析[J].城市問題，2021，306（1）：52-62，89. WU Z J， WU N J. Measurement， decomposition and influencing factors of green economy efficiency in the Yangtze River economic belt： an analysis based on super-efficiency SBM-MLTobit model[J]. Urban Problems，2021，306（1）：52-62，89.

[17] CHUNG Y， FARE R. Productivity and undesirable outputs： a directional distance function approach[J]. Microeconomics， 1995，51（3）：229-240.

[18] OH D H. A global Malmquist-Luenberger productivity index[J]. Journal of Productivity Analysis，2010，34（3）：183-197.

[19] 張珩，羅劍朝，牛榮.產(chǎn)權(quán)改革與農(nóng)信社效率變化及其收斂性： 2008—2014年—來自陜西省107個縣（區(qū)）的經(jīng)驗證據(jù)[J].管理世界，2017（5）：92-106. ZHANG H， LUO J C， NIU R. Property rights reform and efficiency changes of rural credit cooperatives and their convergence： 2008-2014： empirical evidence from 107 counties（districts） in Shaanxi province[J]. Management World，2017（5）： 92-106.

[20] 李銘泓，黃羿，朱偉俊，等.中國交通運輸業(yè)碳排放全要素生產(chǎn)率研究—基于Global Malmquist-Luenberger指數(shù)[J].科技管理研究，2021，41（9）：203-211. LI M H， HUANG Y， ZHU W J， et al. Research on the carbon emission total factor productivity of the transportation industry in China based on the Global Malmquist-Luenberger index[J]. Science and Technology Management Research，2021，41（9）： 203-211.

[21] 呂曉劍，鄧秋瑋.山東省大氣環(huán)境效率時空分異與影響因素分析—基于超效率SBM模型和GML指數(shù)[J].生態(tài)經(jīng)濟， 2020，36（12）：193-199. LYU X J， DENG Q W. Analysis on spatial-temporal difference and influence factors of atmospheric environment efficiency in Shandong province based on Super-SBM model and GML index[J]. Ecological Economy，2020，36（12）：193-199.

[22] 李義華，王沖，文哲，等.基于滑動無偏灰色模型的湖南省農(nóng)產(chǎn)品冷鏈物流需求預(yù)測[J].中南林業(yè)科技大學(xué)學(xué)報，2021，41（8）： 161-168. LI Y H， WANG C， WEN Z， et al. Demand prediction on cold chain logistics of agricultural products in Hunan province based on a new dimension sliding unbiased grey model[J]. Journal of Central South University of Forestry Technology，2021，41（8）： 161-168.

[本文編校：羅 列]