论文部分内容阅读
摘 要：本文采用非期望产出的SBM和Malmquist指数模型，测算湖北省2008-2017年物流业绿色全要素生产率，并利用Tobit模型对影响湖北省物流业绿色全要素生产率的各因素进行回归分析。研究结果表明：湖北省物流业绿色全要素生产率保持在一个相对稳定的状态，整体呈现出波动递增的趋势;人均GDP、城镇化率、产业结构、能源强度对湖北省物流业绿色全要素生产率有着显著性影响。湖北省政府要鼓励并引导高能耗、高污染物流产业转型升级，提高行业二氧化碳排放效率;优化第三产业，注重服务业、交通运输业的发展;进一步扩大城镇化覆盖率，重视环境规制在物流业发展中的重要性。
关键词： 物流业;SBM模型;Tobit模型;绿色全要素生产率;湖北省
一、引言
随着网络信息时代的到来，各大电商平台快速发展，互联网购物方式得到广大公众的青睐，这使得物流行业迅速成长并发展壮大。中国是世界上公认的物流大国，拥有世界上最大的物流市场，但物流行业在成为我国国民经济主要动力的同时也产生了不少问题，主要体现在物流行业分工不合理、基础设施重复建设、资源消耗率高等方面。在管理方式、技术应用、资源效率以及循环绿色环保方面与发达国家相比还是有很大的差距。 “十三五”以来，中国的工业化、信息化、市场化、城镇化、绿色化、全球化进程深入推进，物流业发展的需求、技术供给、制度、资源环境以及国际格局时刻发生着变化。一方面，国家和政府强调可持续发展战略;另一方面，国际形势变化要求中国的物流业向着安全、高效、低污染方向发展。因此，提高物流业绿色全要素生产率成为我国传统物流业向绿色物流业转型的关键所在，这是新经济形势下减少环境污染和资源消耗的必然要求，也是新常态下能源需求与资源约束日益增强的现实需求。
湖北省作为中国中部省份之一，东部邻接安徽，西部邻接重庆，西北部与陕西交界，南部邻接江西、湖南，北部与河南交界。依托长江兴起了大规模的航运，同时又有京广线、京九线等多条铁路经过，其物流业发展具有得天独厚的地理条件，要实现物流业高质、低耗的发展，加快湖北省经济高质量发展，必须要提高其物流业绿色全要素生产率。因此，本文通过对湖北省物流业绿色全要素生产率及影响因素进行分析，为湖北省构建绿色物流体系提供理论支持和实践指导，同时也为中国其他有着类似情况的地区在发展绿色物流方面提供借鉴，共同促进中国物流业绿色发展。
二、文献综述
绿色物流（Green Logistics），是指在物流活动中减少物品在储存、包装、运送等环节对环境产生的危害，以实现保护环境、降低能源消耗的目的。1990年初，大氣污染和环境恶化问题引起国外政府的高度关注，学术界也掀起了对环境保护的热议。先是日本、加拿大和美国等国家政府决定采取立法形式来减轻物流活动对环境的损害，紧接着发达国家陆续提出发展循环经济的要求，鼓励逆向物流的发展，并且联合制定了国际环保标准和绿色物流服务标准来推广绿色物流的先进理念。欧盟“地平线”2020研究计划表示，智能、绿色及综合运输是保证欧洲物流运输领域技术领先的关键所在。国外许多学者对绿色物流展开了深入研究，如Sun（2005）基于单要素生产率框架下的碳强度指标对绿色物流进行了研究[1];Hong 和 Yong（2015）分析了韩国大型物流供应商服务效率与生产力之间的关系[2];Li 和 Shi（2014）通过Super-SBM模型对中国工业部门进行了能效分析[3];Zhang（2018）提出物流业转型升级的发展方向，即运用新技术使物流业实现资源的共享和整合[4];Zhang（2018）对传统的LMDI模型进行了改进，关注技术进步和结构调整，分析了影响北京市、天津市和河北省的碳排放强度的因素[5];Fan（2019）使用基于宽松度的方向距离函数产生的伦伯格指数测量了1997-2013年中国所有省份和主要城市的物流业传统全要素生产率[6];Yi（2019）认为提高回收效率的能力比减少废物产生的能力更重要，绿色物流对实现可持续供应链管理具有重要意义[7];Zhang 等（2020）提出GLP有效性前因的整合模型，通过提升GLP的效能，实现绿色物流的发展[8]。
绿色全要素生产率（Green Total Factor Productivity）是在全要素生产率测算的基础上，将二氧化碳指标作为非期望产出纳入测算指标体系中进行测算得出的。国内不少学者对物流业绿色全要素生产率进行了研究，主要有以下三个方面：一是传统的效率评测，如余泳泽和武鹏（2010）运用随机前沿分析测算了物流业的绿色全要素生产率[9];周业旺（2012）使用DEA模型测量了武汉城市圈内物流业的实际绿色全要素生产率水平，并结合研究结果提出改进措施[10];王蕾等（2014）基于CCR模型对新疆北疆8个地区的现代物流效率进行了分析[11];周叶等（2015）采用超效率DEA分析法测量了我国全部省份物流业绿色全要素生产率，采用前沿面分析找出相应资源投入过高的区域，并分析影响这些区域物流业绿色全要素生产率的原因[12]。二是基于产业联动发展的研究，如李谭等（2012）以辽宁省港口为研究对象，采用CCR与复合系统协同度模型度量了港口物流效率[13];刘杰（2013）以长春市欧亚集团为例，使用数据包络分析法和层次分析法测量了物流配送效率，并设计出最佳物流配送模式[14];孙健（2016）利用DEA模型，对我国东北地区农产品冷链物流效率进行测量和分析，创新性地考虑合作因素，提出促进农产品冷链可持续发展的建议[15];王珍珍（2017）运用DEA模型——超效率CCR对制造业与物流业联动发展的系统运作效率进行了测评[16]。三是科学发展角度的分析，如范璐（2015）采用基于SFA的多投入-单产出模型和SEDEA方法对中国物流业绿色全要素生产率及其变动进行实证研究[17];刘战豫和孙夏令（2018）运用Super-SBM模型和Malmquist指数对物流业绿色全要素生产率进行测度，并对跨时期、跨地区的演变特征进行刻画，在此基础上对物流业绿色全要素生产率演化阶段及动因进行分析[18];王燊和程云鹤（2018）运用SBM模型测算长江经济带流域物流业绿色全要素生产率，运用纯技术效率和规模效率，从省市和区域层面分析了物流业绿色全要素生产率的变化规律，最后用SML指数模型对长江流域物流业绿色全要素生产率进行了测量分析[19]。 综合来看，学者们对物流业绿色全要素生产率的研究主要基于期望产出或者采用传统的DEA模型，没有进行动态分析。基于此，本文做出了两点创新：一是以非期望产出二氧化碳排放量作为指标，选取中部六省相关数据并运用SBM和Malmquist指数模型进行比较，测算出湖北省2008-2017年物流业绿色全要素生产率值及其变化规律，分析湖北省近十年来物流业发展的结构转变及绩效问题;二是基于Tobit模型对人均GDP、能源强度、产业结构、城镇化率、环境规制等进行实证分析，探讨湖北省物流业绿色全要素生产率的影响因素。
三、研究方法
（一）SBM模型
同基础DEA模型的投入和产出要素不同，绿色全要素生产率有比较繁杂的投入和产出指标，本文选取分析区域的静态生产效率测度方法——SBM模型，该模型由Tone（2003）[20]提出，是一类基于松弛变量的非径向、非角度的效率测度模型，不仅可以减小选用不同角度和径向的投入产出指标所导致的偏离和误差，而且基础DEA模型中存在的指标松弛性问题也得到了较好解决[21]。
SBM模型假定生产系统中有n个决策单元DMU_j （j=1，2，…，n） ，输入变量x有m个，输出变量y有n个，其中有S_1个期望输出y^g，S_2个非期望输出y^b。S_i为松弛变量，表示输入超量，X=[x_1，x_2，…x_m ]?R_（m×n），y^g=[y_1^g，y_2^g，〖…，y〗_n^g ]?R_（s1×n），y^b=[y_1^b，y_2^b，〖…，y〗_n^b ]?R_（s2×n），且X>0，y^g>0，y^b>0。生产集为：P={（x，y^g，y^b ）│x≥xλ，y^g≤y^g λ，y^b≥y^b λ，λ≥0}。
根据该模型，可得到考虑非期望产出的DEA-SBM模型公式为：
（1）
s.t. x_0=xλ+s^-;y_0^g=y^g λ-s^g;y_0^b=y^b λ+s^b;s^-≥0，s^g≥0，s^b≥0，λ≥0
上式中，目标函数S^-为投入松弛量、S^g为期望产出松弛量、S^b为非期望产出松弛量，且s^-≥0，s^g≥0，s^b≥0;"λ" 表示投入产出指标权重，且λ_j≥0;ρ^*表示决策单元的效率值，关于S^-、S^g、S^b严格单减，且0≤ρ^*≤1。决策单元DMU_j目标函数取得最优值时，S^-、S^g、S^b三者同时为 ，即仅当目标函数ρ^*=1且s^-=0，s^g=0，s^b=0时，决策单元DMU_j有效且位于生产前沿;当0≤ρ^*<1时，此时的决策单元并非是有效单元，仍然存在改进的空间，为使其是有效的决策单元可通过调整投入、产出指标的比重来达到预期。
（二） Malmquist指数
SBM模型不可测算动态效率，只可分析区域静态效率。因此本文采用Malmquist指数测量中部六省2008-2017年动态效率，在此基础上考虑的内容不仅为非期望产出，而且还包括非期望产出的减小和期望产出的增多。Malmquist指数从t到t+1时的表达式为：
MI_t^（t+1）=[（1+D_0^t （x^t，y^t，c^t，g^t））/（1+D_0^t （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））×（1+D_0^（t+1） （x^t，y^t，c^t，g^t））/（1+D_0^（t+1） （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））]^（1/2） （2）
式中，x为投入要素，y为产出要素，c为非期望产出，g为各要素的松弛向量;D_0^t （x^t，y^t，c^t，g^t）与D_0^（t+1） （x^（t+1），y^（t+1），c^（t+1），g^（t+1））分别为t期与t+1期的距离函数;D_0^t （x^（t+1），y^（t+1），c^（t+1），g^（t+1））表示以t期的技术为参考的t+1期混合距离函数;D_0^（t+1） （x^t，y^t，c^t，g^t）表示以t+1期的技术为参考的t期混合距离函数。
绿色全要素生产率变化指数（MI指数）同两个指标有关，是由技术变化指数（TC）和技术效率变化指数（EC）组成的，即MI=EC×TC，其中：
EC_t^（t+1）=[（1+D_0^t （x^t，y^t，c^t，g^t））/（1+D_0^（t+1） （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））] （3）
TC_t^（t+1）=[（1+D_0^（t+1） （x^t，y^t，c^t，g^t））/（1+D_0^t （x^t，y^t，c^t，g^t））×（1+D_0^（t+1） （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））/（1+D_0^t （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））]^（1/2） （4）
當EC>1时，代表技术效率的提高，而 EC<1，则代表技术效率的下降;当TC>1时，代表改进了技术，而TC<1，则代表此时技术落后;当MI>1时，代表绿色全要素生产率的上升，而MI<1，则代表绿色全要素生产率的下降。
四、数据的选取、测算和分析 （一）相关指标说明
由于无法直接获取有关物流业的各类数据，与之最相关的是交通运输、仓储和邮政业的总和，并且交通运输、仓储和邮政业在现代物流业中的比重较大，所以本文选取各个统计年鉴中交通运输、仓储和邮政业的总和来指代物流业的数值。为了对湖北省物流业绿色全要素生产率进行趋势分析，本文选取中部六省（山西省、河南省、安徽省、江西省、湖南省、湖北省）2008-2017年的数据进行横向和纵向的对比，将固定资产、劳动力以及能源消耗量设为投入指标，物流业产值作为期望产出指标，二氧化碳排放量设置为非期望产出指标。由于动态效率是针对前一年而言的，所以具体数值从2009年开始，固定资产选取的数据是各省份物流业固定资产投入总量，以亿元为单位;劳动力选取的是物流业各省份城镇从业人数，以万人为单位;能源消耗量指的是在物流业生产过程中消耗的各类能源总量，通过能源折算系数折算为标准煤，以万吨标准煤为单位;物流业产值指的是各省份物流业的总产值，以亿元为单位;二氧化碳排放量指的是各省份物流业运作过程中排放的二氧化碳总量，以万吨标准煤为单位。样本投入产出变量统计描述如表1所示。
（二）能源消耗量和二氧化碳排放量的计算
根据《中国能源统计年鉴》，交通运输、仓储和邮政业的物流业能源终端消费种类包括原煤、原油、液化石油气、天然气、炼厂干气、焦炭、汽油、煤油、柴油、燃料油、热力、电力以及其他能源。由于这些能源种类繁多且计量单位不统一，但在计算地区能源消耗量时，必须选取某种计算方法将其统一成一个单位。因此本文选取《中国能源统计年鉴》附录中的各种能源折标准煤参考系数，将不同种类的能源折算成标准煤，计算公式为：
E=∑_i^n?〖C_i*e_i 〗 （5）
其中，E为折算标准煤总量，C_i为第i种能源所对应的折标准煤参考系数，e_i为第i种能源所对应的消耗量，将参考折算系数与消耗量相乘并求和即可得出标准煤消耗量。
二氧化碳排放量与能源消耗量具有一定的线性关系。通过碳排放折算系数、二氧化碳折算公式可得出二氧化碳排放量，计算公式为：
〖CO〗_2=∑_i^n?〖〖CI〗_i*E_i 〗 （6）
其中〖CO〗_2为二氧化碳排放总量，〖CI〗_i为第i种能源所对应的碳排放折算系数，E_i为第i种能源折算标准煤的消耗量。将碳排放折算系数与消耗量相乘并加总可得出与之对应的二氧化碳排放量。能源折算标准煤参考系数和二氧化碳排放量折算系数见表2。
（三）湖北省物流业能源消耗量及二氧化碳排放量对比分析
为了对湖北省物流业的能源消耗量和二氧化碳排放量进行横向和纵向的比较，本文通过查询《中国能源统计年鉴》获得中部六省2008-2017年的数据进行测算和对比分析。
由于各省份人口规模、经济发展水平、科技先进程度不同，为了对物流业能源消耗量和二氧化碳排放量进行比较，本文根据已有数据折算成物流业的能源强度和碳排放强度，采用各省2008-2017年能源消耗量均值除以物流业产值均值得到能源强度、二氧化碳排放量均值除以物流业产值均值得到碳排放强度，如图1所示。从图中可知，湖北省2008-2017年的能源强度和碳排放强度远高于其他省份，分别为1.45万吨标准煤/亿元和3.38万吨标准煤/亿元，可见湖北省的能源消耗量和二氧化碳排放量与物流业产值之比高于其他中部省份。江西省2008-2017年的能源强度和碳排放强度在六省中最低，分别为0.88万吨标准煤/亿元和2.2万吨标准煤/亿元。十年来，中部各省能源强度和碳排放强度总体呈现出上涨趋势，其中湖北省呈现出稳步增长趋势，且湖北省物流业能源强度和碳排放强度远高于江西省和河南省，由此推测，物流业能源消耗量和二氧化碳排放量可能与人口规模和产业结构有关。
（四）湖北省物流业绿色全要素生产率对比分析
为了更明显地观察湖北省物流业绿色全要素生产率，对中部六省进行综合对比，由SBM模型输出的2008-2017年物流业绿色全要素生产率见图2。比较中部六省十年期间的各项指标发现，山西、河南、安徽、湖南和湖北的物流业绿色全要素生产率都保持在一个相对稳定的状态，每年的变化量都在0.8～1.2浮动且物流业绿色全要素生产率整體变化表现出波动递增的趋势。由图2对比可见，湖北省的三项指标在中部六省中变化趋势是最为稳定的，且变化趋势是最为集中的，其中，MI指数十年间都在1附近小幅度波动，呈现出中部六省中最稳定的状态。
五、实证分析
本文中被解释变量为湖北省2008-2017年物流业的绿色全要素生产率，各影响因素作为解释变量构造计量模型对物流业绿色全要素生产率的影响因素进行实证检验。物流业绿色全要素生产率除了受到投入产出各要素影响外，还受到其他因素的影响。（1）人均GDP：选用湖北省的人均地区生产总值来体现该地域的经济发展程度，且已有研究表明物流业绿色全要素生产率受人均GDP影响较大且主要是正向影响。（2）能源强度：采用湖北省能源消耗量占地区生产总值的比重。从理论上讲能源消耗占GDP的比重对绿色全要素生产率有负向影响。（3）产业结构：使用湖北省的第三产业产业总值同地区生产总值的比例来呈现该地区的产业结构模型，且已有研究显示第三产业占比对绿色全要素生产率有明显促进作用。（4）城镇化率：选取湖北省城镇人口总数同总人口数之比来体现湖北省城镇化发展进程。在一定时期内城镇化率可能对绿色全要素生产率有较为明显的积极影响。（5）环境规制：选取湖北省环境污染物治理投资占地区生产总值的比值描述该区域环境规制程度，且已有研究表明绿色全要素生产率受环境规制的影响主要为正向影响，政府在环境改善方面有决定性作用。相关变量的描述性统计见表3。 本文选取Tobit时间序列模型来检验影响湖北省物流业绿色全要素生产率的因素，其模型表达式为：
Y_t=β_0+β_1 X_1+β_2 X_2+……+β_n X_n+ε_i
其中，因变量Y_t指湖北省第t年的效率值，X_n为各个解释变量，β_0是此模型的截距，β_n是各个解释变量相对应的回归系数，ε_i为模型随机误差项。回归结果见表4。
第一，人均GDP与物流业绿色全要素生产率呈负相关，相关系数为-0.1567且在1%的统计水平上显著。呈现负相关的主要原因是近年来湖北省一方面电商产业得到突飞猛进的发展，另一方面民众的生活质量得到极大的提升，人民对物质需求增加，货物运输和网络购物量的迅猛增加使得物流业进入新的發展阶段。但物流企业缺乏绿色物流管理理念，并且未落实绿色物流运营方针，在包装、运输、装卸、配送等过程中存在高污染、高能耗等问题，产生大量废弃物并增加了二氧化碳排放量，由此降低了物流业绿色全要素生产率。
第二，能源强度与物流业绿色全要素生产率呈现显著的负相关关系，本文选取的能源强度是能源消耗占地区生产总值的比重，即能源消耗值增大，而效率值降低。推动物流业总产值增加的动力之一是能源，但能源在促进物流业发展的同时也会增加对环境的污染。两者呈负相关的主要原因在于湖北省物流链各环节能源消耗量过大，如在供应链构建的过程中，供应商的绿色绩效较低;在产品包装过程中，机械设备的能耗过高;在物流运输过程中，运输工具需消耗能源，且运输量增多会增加二氧化碳的排放值;在物流配送方面，规划安排存在问题，配送效率不高，以上因素都可能造成效率值的降低。
第三，产业结构与物流业绿色全要素生产率呈正相关，产业结构每增长1%，绿色全要素生产率平均增长2.23%。不同于以高能耗高污染工业为主的第二产业，湖北省第三产业主要是以服务业、交通运输业、邮政业、仓储业为主，相较而言能源消耗量和二氧化碳排放量较少，对碳排放效率的提高有积极作用，可帮助提升绿色全要素生产率。
第四，城镇化率与物流业绿色全要素生产率呈现出正相关关系且在1%的统计水平上显著。随着湖北省城镇化进程的推进，城市经济发展迅猛，相关的基础设施也不断完善，近年来湖北省电商行业的不断发展推动了物流业的快速崛起。与此同时，经济发达的地区往往伴随着先进的科学技术和较高的人民受教育水平，人们对环境质量的要求更高，物流企业不断更新生产模式，线下设立菜鸟驿站、快递存放柜等，一定程度上免去了逐户上门带来的资源浪费，有助于物流业绿色全要素生产率的提高。
第五，环境规制与物流业绿色全要素生产率存在正向关系，通过模型得出回归系数为0.0542，但P值为0.185，没有通过显著性检验。说明湖北省相关政策对绿色全要素生产率有着正向的影响作用，但政府污染治理投资目前大部分投入于重污染化工产业，对物流业重视程度不够。
六、结论与建议
本文运用包含非期望产出的SBM模型研究了湖北省2008-2017年物流业绿色全要素生产率，并利用Tobit模型对影响湖北省物流业绿色全要素生产率的各因素进行回归分析，测算其影响程度。从SBM模型输出的测度结果来看，横向对比中部六省的物流业绿色全要素生产率，可以明显看出湖北省的变化趋势是中部地区最为稳定的，并且是绿色全要素生产率表现最良好、最突出的省份。纵向对比物流业绿色全要素生产率在2008-2017年的变化，湖北省呈现出稳定且波动递增的变化特征。（1）人均GDP与物流业绿色全要素生产率呈负相关。人均GDP的不断发展虽然带动了物流业的发展，但是物流业的管理方式和运行模式并没有达到绿色、低碳的要求。（2）能源强度与物流业绿色全要素生产率负相关。单位物流业GDP能耗越大，物流业绿色全要素生产率越低。（3）产业结构与物流业绿色全要素生产率正相关。（4）城镇化的推进使得湖北省经济不断发展，基础设施逐步完善，并且企业工业技术水平开始提升，高能耗企业模式发生转变，这些改善和提升引导湖北省的物流业绿色全要素生产率向正向发展。（5）环境规制与物流业绿色全要素生产率正相关，但没有通过显著性检验。
根据以上研究结论，本文提出以下建议：（1）湖北省政府在保持自身经济发展水平的情况下，鼓励并引导高能耗、高污染产业转型升级，提高行业二氧化碳的排放效率。重视低碳物流技术的研发及推广，最终形成绿色、低碳的物流市场。激励企业积极开发并使用新能源，研发高能效、低污染产业技术，并将其广泛用于各产业中，使湖北省物流业绿色全要素生产率得以进一步提高。（2）不断发展和优化湖北省第三产业，尤其注重服务业、交通运输业，并把湖北省经济发展重点转移到第三产业。发挥湖北省在地理位置上“九省通衢”的中心优势，将其打造为重要的海陆空物流枢纽，推动湖北省物流业绿色发展。（3）推进湖北省城镇化覆盖率进一步扩大。一方面，城镇化不仅带动湖北省经济水平的持续提升，同时可以扩大湖北省物流业的市场，促进物流业发展;另一方面，城镇化过程中可以进一步完善物流交通的配套基础设施，从而减少流通过程中发生的环境问题，以促进湖北省物流业朝着绿色、低碳的方向发展。（4）湖北省政府应该发挥环境规制在物流业中的重要作用。一方面，实施命令控制型环境规制，通过地方行政机关及其相关环境部门发布规章或命令以规范物流业碳排放行为，制定排放标准以完成物流业的环境质量目标;另一方面，实行市场激励型环境规制，使物流业价格能反映环境成本，从而激励物流业减少耗能。政府应积极运用环境规制引导物流业绿色发展，提高湖北省物流业绿色全要素生产率。
参考文献：
[1] Sun J W.The Decrease of CO2 Emission Intersity is Decarbonization at National and Global Levers[J].Energy Policy，2005，3（8）：975-978. [2] Hong G P，Yong J.The Efficiency and Productivity Analysis of Large Logistics Providers Services in Korea[J].Asian Journal of Shipping & Logistics，2015，31（4）：469-476.
[3] Li H，Shi J.Energy Efficiency Analysis on Chinese Industrial Sectors： An Improved Super-SBM Model with Undesirable Outputs[J].Journal of Cleaner Production，2014，（65）：97-107.
[4] Zhang L C. Research on Logistics Industry Transformation and Upgrading based on Resource Integration and Sharing[R].Institute of Physics Publishing， 2018.
[5] Zhang S Q.Impacts of Technological Progress， Structural Adjustment on Energy-Related Carbon Emissions Intensity in Logistics Industry： Empirical Research on Beijing-Tianjin-Hebei Region[R]. American Society of Civil Engineers （ASCE），2018.
[6] Fan L.The Spatial-temporal Analysis of the Green Total Factor Productivity of Logistics Industry in China[R].Institute of Electrical and Electronics Engineers Inc， 2019.
[7] Yi M W.An AHP-based Methodology for Determinants of Green Logistics Solution Management in China[R].Computers and Industrial Engineering，2019.
[8] Zhang W， Zhang MY， Zhang WY， Zhou Q， Zhou XX. What Influences the Effectiveness of Green Logistics Policies？[R].Elsevier B.V，2020.
[9] 余泳澤，武鹏.我国物流产业效率及其影响因素的实证研究——基于中国省际数据的随机前沿生产函数分析[J].产业经济研究，2010，（1）：65-71.
[10] 周业旺.基于DEA的武汉城市圈物流效率差异性比较分析[J].物流工程与管理，2012，34（10）：20-22.
[11] 王蕾，薛国梁，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（7）：1425-1433.
[12] 周叶，张孟晓，杨洁.基于SE-DEA的省域物流行业生态效率研究[J].北京交通大学学报（社会科学版），2015，14（4）：99-106.
[13] 李谭，王利，王瑜.辽宁省港口物流效率及其与腹地经济协同发展研究[J].经济地理，2012，32（9）：108-113.
[14] 刘杰.电子商务环境下连锁经营企业物流配送模式选择研究[D].长春：吉林大学，2013.
[15] 孙健.东北地区农产品冷链效率测度及其影响因素分析[D].沈阳：沈阳农业大学，2016.
[16] 王珍珍.我国制造业与物流业联动发展效率评——基于超效率CCR-DEA模型[J].中国流通经济，2017，31（2）：20-30.
[17] 范璐.中国物流业绿色全要素生产率与成本效率理论模型与实证研究[D].广州：华南理工大学，2015.
[18] 刘战豫，孙夏令.中国物流业绿色全要素生产率的时空演化及动因分析[J].软科学，2018，（4）：77-81.
[19] 王燊，程云鹤.长江经济带物流业绿色绩效测度及其影响因素分析[J].黑龙江工业学院学报（综合版），2018，（8）：87-92.
[20] Tone K.Dealing with Undesirable Outputs in DEA： A S
lacks-baded Measure （SBM） Approach [R]. GRIPS Research Report Series，2003.
[21] 孙金岭，朱沛宇.基于SBM-Malmquist-Tobit的“一带一路”重点省份绿色经济效率评价及影响因素分析[J].科技管理研究，2019，（2）：230-237.
Measurement of Green Total Factor Productivity in Logistics Industry and Analysis of Its Influencing Factors
——Based on the empirical research of Hubei Province
Liu Xiping[1][2] Jin Xinyue[2] （[1]Center of Hubei Cooperative Innovation for Emissions Trading System，Hubei University
of Economics，Wuhan ，430205;[2] School of Low Carbon Economics，Hubei University
of Economics，Wuhan， 430205）
Abstract： The SBM and Malmquist index models of undesired output are used to calculate the green total factor productivity of the logistics industry in Hubei Province from 2008 to 2017， and the model is used to perform regression analysis on the factors affecting the green total factor productivity of the logistics industry in Hubei Province. The research results show that the green total factor productivity of the logistics industry in Hubei Province remains in a relatively stable state， and the overall trend is increasing. Per capita GDP， urbanization rate， industrial structure， and energy intensity have a significant impact on the green total factor productivity of the logistics industry in Hubei Province. The Hubei Provincial Government should encourage and guide the transformation and upgrading of logistic enterprises with high energy consumption and high pollution industries， and improve the efficiency of carbon dioxide emissions; optimize the tertiary industry， pay attention to the development of the service industry and transportation industry; further expand the coverage of urbanization; pay attention to environmental regulations in the logistics industry Importance in development.
Keywords： Logistics industry; SBM model; Tobit model; green total factor productivity
来稿日期：2020-08-14
基金项目：教育部人文社会科学青年基金项目（18YJC790103）;湖北省技术创新专项软科学研究项目（2019ADC140 ）
作者简介：劉习平（1984-），男，湖北公安人，湖北经济学院副教授，经济学博士，研究方向为资源环境经济学。
关键词： 物流业;SBM模型;Tobit模型;绿色全要素生产率;湖北省
一、引言
随着网络信息时代的到来，各大电商平台快速发展，互联网购物方式得到广大公众的青睐，这使得物流行业迅速成长并发展壮大。中国是世界上公认的物流大国，拥有世界上最大的物流市场，但物流行业在成为我国国民经济主要动力的同时也产生了不少问题，主要体现在物流行业分工不合理、基础设施重复建设、资源消耗率高等方面。在管理方式、技术应用、资源效率以及循环绿色环保方面与发达国家相比还是有很大的差距。 “十三五”以来，中国的工业化、信息化、市场化、城镇化、绿色化、全球化进程深入推进，物流业发展的需求、技术供给、制度、资源环境以及国际格局时刻发生着变化。一方面，国家和政府强调可持续发展战略;另一方面，国际形势变化要求中国的物流业向着安全、高效、低污染方向发展。因此，提高物流业绿色全要素生产率成为我国传统物流业向绿色物流业转型的关键所在，这是新经济形势下减少环境污染和资源消耗的必然要求，也是新常态下能源需求与资源约束日益增强的现实需求。
湖北省作为中国中部省份之一，东部邻接安徽，西部邻接重庆，西北部与陕西交界，南部邻接江西、湖南，北部与河南交界。依托长江兴起了大规模的航运，同时又有京广线、京九线等多条铁路经过，其物流业发展具有得天独厚的地理条件，要实现物流业高质、低耗的发展，加快湖北省经济高质量发展，必须要提高其物流业绿色全要素生产率。因此，本文通过对湖北省物流业绿色全要素生产率及影响因素进行分析，为湖北省构建绿色物流体系提供理论支持和实践指导，同时也为中国其他有着类似情况的地区在发展绿色物流方面提供借鉴，共同促进中国物流业绿色发展。
二、文献综述
绿色物流（Green Logistics），是指在物流活动中减少物品在储存、包装、运送等环节对环境产生的危害，以实现保护环境、降低能源消耗的目的。1990年初，大氣污染和环境恶化问题引起国外政府的高度关注，学术界也掀起了对环境保护的热议。先是日本、加拿大和美国等国家政府决定采取立法形式来减轻物流活动对环境的损害，紧接着发达国家陆续提出发展循环经济的要求，鼓励逆向物流的发展，并且联合制定了国际环保标准和绿色物流服务标准来推广绿色物流的先进理念。欧盟“地平线”2020研究计划表示，智能、绿色及综合运输是保证欧洲物流运输领域技术领先的关键所在。国外许多学者对绿色物流展开了深入研究，如Sun（2005）基于单要素生产率框架下的碳强度指标对绿色物流进行了研究[1];Hong 和 Yong（2015）分析了韩国大型物流供应商服务效率与生产力之间的关系[2];Li 和 Shi（2014）通过Super-SBM模型对中国工业部门进行了能效分析[3];Zhang（2018）提出物流业转型升级的发展方向，即运用新技术使物流业实现资源的共享和整合[4];Zhang（2018）对传统的LMDI模型进行了改进，关注技术进步和结构调整，分析了影响北京市、天津市和河北省的碳排放强度的因素[5];Fan（2019）使用基于宽松度的方向距离函数产生的伦伯格指数测量了1997-2013年中国所有省份和主要城市的物流业传统全要素生产率[6];Yi（2019）认为提高回收效率的能力比减少废物产生的能力更重要，绿色物流对实现可持续供应链管理具有重要意义[7];Zhang 等（2020）提出GLP有效性前因的整合模型，通过提升GLP的效能，实现绿色物流的发展[8]。
绿色全要素生产率（Green Total Factor Productivity）是在全要素生产率测算的基础上，将二氧化碳指标作为非期望产出纳入测算指标体系中进行测算得出的。国内不少学者对物流业绿色全要素生产率进行了研究，主要有以下三个方面：一是传统的效率评测，如余泳泽和武鹏（2010）运用随机前沿分析测算了物流业的绿色全要素生产率[9];周业旺（2012）使用DEA模型测量了武汉城市圈内物流业的实际绿色全要素生产率水平，并结合研究结果提出改进措施[10];王蕾等（2014）基于CCR模型对新疆北疆8个地区的现代物流效率进行了分析[11];周叶等（2015）采用超效率DEA分析法测量了我国全部省份物流业绿色全要素生产率，采用前沿面分析找出相应资源投入过高的区域，并分析影响这些区域物流业绿色全要素生产率的原因[12]。二是基于产业联动发展的研究，如李谭等（2012）以辽宁省港口为研究对象，采用CCR与复合系统协同度模型度量了港口物流效率[13];刘杰（2013）以长春市欧亚集团为例，使用数据包络分析法和层次分析法测量了物流配送效率，并设计出最佳物流配送模式[14];孙健（2016）利用DEA模型，对我国东北地区农产品冷链物流效率进行测量和分析，创新性地考虑合作因素，提出促进农产品冷链可持续发展的建议[15];王珍珍（2017）运用DEA模型——超效率CCR对制造业与物流业联动发展的系统运作效率进行了测评[16]。三是科学发展角度的分析，如范璐（2015）采用基于SFA的多投入-单产出模型和SEDEA方法对中国物流业绿色全要素生产率及其变动进行实证研究[17];刘战豫和孙夏令（2018）运用Super-SBM模型和Malmquist指数对物流业绿色全要素生产率进行测度，并对跨时期、跨地区的演变特征进行刻画，在此基础上对物流业绿色全要素生产率演化阶段及动因进行分析[18];王燊和程云鹤（2018）运用SBM模型测算长江经济带流域物流业绿色全要素生产率，运用纯技术效率和规模效率，从省市和区域层面分析了物流业绿色全要素生产率的变化规律，最后用SML指数模型对长江流域物流业绿色全要素生产率进行了测量分析[19]。 综合来看，学者们对物流业绿色全要素生产率的研究主要基于期望产出或者采用传统的DEA模型，没有进行动态分析。基于此，本文做出了两点创新：一是以非期望产出二氧化碳排放量作为指标，选取中部六省相关数据并运用SBM和Malmquist指数模型进行比较，测算出湖北省2008-2017年物流业绿色全要素生产率值及其变化规律，分析湖北省近十年来物流业发展的结构转变及绩效问题;二是基于Tobit模型对人均GDP、能源强度、产业结构、城镇化率、环境规制等进行实证分析，探讨湖北省物流业绿色全要素生产率的影响因素。
三、研究方法
（一）SBM模型
同基础DEA模型的投入和产出要素不同，绿色全要素生产率有比较繁杂的投入和产出指标，本文选取分析区域的静态生产效率测度方法——SBM模型，该模型由Tone（2003）[20]提出，是一类基于松弛变量的非径向、非角度的效率测度模型，不仅可以减小选用不同角度和径向的投入产出指标所导致的偏离和误差，而且基础DEA模型中存在的指标松弛性问题也得到了较好解决[21]。
SBM模型假定生产系统中有n个决策单元DMU_j （j=1，2，…，n） ，输入变量x有m个，输出变量y有n个，其中有S_1个期望输出y^g，S_2个非期望输出y^b。S_i为松弛变量，表示输入超量，X=[x_1，x_2，…x_m ]?R_（m×n），y^g=[y_1^g，y_2^g，〖…，y〗_n^g ]?R_（s1×n），y^b=[y_1^b，y_2^b，〖…，y〗_n^b ]?R_（s2×n），且X>0，y^g>0，y^b>0。生产集为：P={（x，y^g，y^b ）│x≥xλ，y^g≤y^g λ，y^b≥y^b λ，λ≥0}。
根据该模型，可得到考虑非期望产出的DEA-SBM模型公式为：
（1）
s.t. x_0=xλ+s^-;y_0^g=y^g λ-s^g;y_0^b=y^b λ+s^b;s^-≥0，s^g≥0，s^b≥0，λ≥0
上式中，目标函数S^-为投入松弛量、S^g为期望产出松弛量、S^b为非期望产出松弛量，且s^-≥0，s^g≥0，s^b≥0;"λ" 表示投入产出指标权重，且λ_j≥0;ρ^*表示决策单元的效率值，关于S^-、S^g、S^b严格单减，且0≤ρ^*≤1。决策单元DMU_j目标函数取得最优值时，S^-、S^g、S^b三者同时为 ，即仅当目标函数ρ^*=1且s^-=0，s^g=0，s^b=0时，决策单元DMU_j有效且位于生产前沿;当0≤ρ^*<1时，此时的决策单元并非是有效单元，仍然存在改进的空间，为使其是有效的决策单元可通过调整投入、产出指标的比重来达到预期。
（二） Malmquist指数
SBM模型不可测算动态效率，只可分析区域静态效率。因此本文采用Malmquist指数测量中部六省2008-2017年动态效率，在此基础上考虑的内容不仅为非期望产出，而且还包括非期望产出的减小和期望产出的增多。Malmquist指数从t到t+1时的表达式为：
MI_t^（t+1）=[（1+D_0^t （x^t，y^t，c^t，g^t））/（1+D_0^t （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））×（1+D_0^（t+1） （x^t，y^t，c^t，g^t））/（1+D_0^（t+1） （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））]^（1/2） （2）
式中，x为投入要素，y为产出要素，c为非期望产出，g为各要素的松弛向量;D_0^t （x^t，y^t，c^t，g^t）与D_0^（t+1） （x^（t+1），y^（t+1），c^（t+1），g^（t+1））分别为t期与t+1期的距离函数;D_0^t （x^（t+1），y^（t+1），c^（t+1），g^（t+1））表示以t期的技术为参考的t+1期混合距离函数;D_0^（t+1） （x^t，y^t，c^t，g^t）表示以t+1期的技术为参考的t期混合距离函数。
绿色全要素生产率变化指数（MI指数）同两个指标有关，是由技术变化指数（TC）和技术效率变化指数（EC）组成的，即MI=EC×TC，其中：
EC_t^（t+1）=[（1+D_0^t （x^t，y^t，c^t，g^t））/（1+D_0^（t+1） （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））] （3）
TC_t^（t+1）=[（1+D_0^（t+1） （x^t，y^t，c^t，g^t））/（1+D_0^t （x^t，y^t，c^t，g^t））×（1+D_0^（t+1） （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））/（1+D_0^t （x^（t+1），y^（t+1），c^（t+1），g^（t+1）））]^（1/2） （4）
當EC>1时，代表技术效率的提高，而 EC<1，则代表技术效率的下降;当TC>1时，代表改进了技术，而TC<1，则代表此时技术落后;当MI>1时，代表绿色全要素生产率的上升，而MI<1，则代表绿色全要素生产率的下降。
四、数据的选取、测算和分析 （一）相关指标说明
由于无法直接获取有关物流业的各类数据，与之最相关的是交通运输、仓储和邮政业的总和，并且交通运输、仓储和邮政业在现代物流业中的比重较大，所以本文选取各个统计年鉴中交通运输、仓储和邮政业的总和来指代物流业的数值。为了对湖北省物流业绿色全要素生产率进行趋势分析，本文选取中部六省（山西省、河南省、安徽省、江西省、湖南省、湖北省）2008-2017年的数据进行横向和纵向的对比，将固定资产、劳动力以及能源消耗量设为投入指标，物流业产值作为期望产出指标，二氧化碳排放量设置为非期望产出指标。由于动态效率是针对前一年而言的，所以具体数值从2009年开始，固定资产选取的数据是各省份物流业固定资产投入总量，以亿元为单位;劳动力选取的是物流业各省份城镇从业人数，以万人为单位;能源消耗量指的是在物流业生产过程中消耗的各类能源总量，通过能源折算系数折算为标准煤，以万吨标准煤为单位;物流业产值指的是各省份物流业的总产值，以亿元为单位;二氧化碳排放量指的是各省份物流业运作过程中排放的二氧化碳总量，以万吨标准煤为单位。样本投入产出变量统计描述如表1所示。
（二）能源消耗量和二氧化碳排放量的计算
根据《中国能源统计年鉴》，交通运输、仓储和邮政业的物流业能源终端消费种类包括原煤、原油、液化石油气、天然气、炼厂干气、焦炭、汽油、煤油、柴油、燃料油、热力、电力以及其他能源。由于这些能源种类繁多且计量单位不统一，但在计算地区能源消耗量时，必须选取某种计算方法将其统一成一个单位。因此本文选取《中国能源统计年鉴》附录中的各种能源折标准煤参考系数，将不同种类的能源折算成标准煤，计算公式为：
E=∑_i^n?〖C_i*e_i 〗 （5）
其中，E为折算标准煤总量，C_i为第i种能源所对应的折标准煤参考系数，e_i为第i种能源所对应的消耗量，将参考折算系数与消耗量相乘并求和即可得出标准煤消耗量。
二氧化碳排放量与能源消耗量具有一定的线性关系。通过碳排放折算系数、二氧化碳折算公式可得出二氧化碳排放量，计算公式为：
〖CO〗_2=∑_i^n?〖〖CI〗_i*E_i 〗 （6）
其中〖CO〗_2为二氧化碳排放总量，〖CI〗_i为第i种能源所对应的碳排放折算系数，E_i为第i种能源折算标准煤的消耗量。将碳排放折算系数与消耗量相乘并加总可得出与之对应的二氧化碳排放量。能源折算标准煤参考系数和二氧化碳排放量折算系数见表2。
（三）湖北省物流业能源消耗量及二氧化碳排放量对比分析
为了对湖北省物流业的能源消耗量和二氧化碳排放量进行横向和纵向的比较，本文通过查询《中国能源统计年鉴》获得中部六省2008-2017年的数据进行测算和对比分析。
由于各省份人口规模、经济发展水平、科技先进程度不同，为了对物流业能源消耗量和二氧化碳排放量进行比较，本文根据已有数据折算成物流业的能源强度和碳排放强度，采用各省2008-2017年能源消耗量均值除以物流业产值均值得到能源强度、二氧化碳排放量均值除以物流业产值均值得到碳排放强度，如图1所示。从图中可知，湖北省2008-2017年的能源强度和碳排放强度远高于其他省份，分别为1.45万吨标准煤/亿元和3.38万吨标准煤/亿元，可见湖北省的能源消耗量和二氧化碳排放量与物流业产值之比高于其他中部省份。江西省2008-2017年的能源强度和碳排放强度在六省中最低，分别为0.88万吨标准煤/亿元和2.2万吨标准煤/亿元。十年来，中部各省能源强度和碳排放强度总体呈现出上涨趋势，其中湖北省呈现出稳步增长趋势，且湖北省物流业能源强度和碳排放强度远高于江西省和河南省，由此推测，物流业能源消耗量和二氧化碳排放量可能与人口规模和产业结构有关。
（四）湖北省物流业绿色全要素生产率对比分析
为了更明显地观察湖北省物流业绿色全要素生产率，对中部六省进行综合对比，由SBM模型输出的2008-2017年物流业绿色全要素生产率见图2。比较中部六省十年期间的各项指标发现，山西、河南、安徽、湖南和湖北的物流业绿色全要素生产率都保持在一个相对稳定的状态，每年的变化量都在0.8～1.2浮动且物流业绿色全要素生产率整體变化表现出波动递增的趋势。由图2对比可见，湖北省的三项指标在中部六省中变化趋势是最为稳定的，且变化趋势是最为集中的，其中，MI指数十年间都在1附近小幅度波动，呈现出中部六省中最稳定的状态。
五、实证分析
本文中被解释变量为湖北省2008-2017年物流业的绿色全要素生产率，各影响因素作为解释变量构造计量模型对物流业绿色全要素生产率的影响因素进行实证检验。物流业绿色全要素生产率除了受到投入产出各要素影响外，还受到其他因素的影响。（1）人均GDP：选用湖北省的人均地区生产总值来体现该地域的经济发展程度，且已有研究表明物流业绿色全要素生产率受人均GDP影响较大且主要是正向影响。（2）能源强度：采用湖北省能源消耗量占地区生产总值的比重。从理论上讲能源消耗占GDP的比重对绿色全要素生产率有负向影响。（3）产业结构：使用湖北省的第三产业产业总值同地区生产总值的比例来呈现该地区的产业结构模型，且已有研究显示第三产业占比对绿色全要素生产率有明显促进作用。（4）城镇化率：选取湖北省城镇人口总数同总人口数之比来体现湖北省城镇化发展进程。在一定时期内城镇化率可能对绿色全要素生产率有较为明显的积极影响。（5）环境规制：选取湖北省环境污染物治理投资占地区生产总值的比值描述该区域环境规制程度，且已有研究表明绿色全要素生产率受环境规制的影响主要为正向影响，政府在环境改善方面有决定性作用。相关变量的描述性统计见表3。 本文选取Tobit时间序列模型来检验影响湖北省物流业绿色全要素生产率的因素，其模型表达式为：
Y_t=β_0+β_1 X_1+β_2 X_2+……+β_n X_n+ε_i
其中，因变量Y_t指湖北省第t年的效率值，X_n为各个解释变量，β_0是此模型的截距，β_n是各个解释变量相对应的回归系数，ε_i为模型随机误差项。回归结果见表4。
第一，人均GDP与物流业绿色全要素生产率呈负相关，相关系数为-0.1567且在1%的统计水平上显著。呈现负相关的主要原因是近年来湖北省一方面电商产业得到突飞猛进的发展，另一方面民众的生活质量得到极大的提升，人民对物质需求增加，货物运输和网络购物量的迅猛增加使得物流业进入新的發展阶段。但物流企业缺乏绿色物流管理理念，并且未落实绿色物流运营方针，在包装、运输、装卸、配送等过程中存在高污染、高能耗等问题，产生大量废弃物并增加了二氧化碳排放量，由此降低了物流业绿色全要素生产率。
第二，能源强度与物流业绿色全要素生产率呈现显著的负相关关系，本文选取的能源强度是能源消耗占地区生产总值的比重，即能源消耗值增大，而效率值降低。推动物流业总产值增加的动力之一是能源，但能源在促进物流业发展的同时也会增加对环境的污染。两者呈负相关的主要原因在于湖北省物流链各环节能源消耗量过大，如在供应链构建的过程中，供应商的绿色绩效较低;在产品包装过程中，机械设备的能耗过高;在物流运输过程中，运输工具需消耗能源，且运输量增多会增加二氧化碳的排放值;在物流配送方面，规划安排存在问题，配送效率不高，以上因素都可能造成效率值的降低。
第三，产业结构与物流业绿色全要素生产率呈正相关，产业结构每增长1%，绿色全要素生产率平均增长2.23%。不同于以高能耗高污染工业为主的第二产业，湖北省第三产业主要是以服务业、交通运输业、邮政业、仓储业为主，相较而言能源消耗量和二氧化碳排放量较少，对碳排放效率的提高有积极作用，可帮助提升绿色全要素生产率。
第四，城镇化率与物流业绿色全要素生产率呈现出正相关关系且在1%的统计水平上显著。随着湖北省城镇化进程的推进，城市经济发展迅猛，相关的基础设施也不断完善，近年来湖北省电商行业的不断发展推动了物流业的快速崛起。与此同时，经济发达的地区往往伴随着先进的科学技术和较高的人民受教育水平，人们对环境质量的要求更高，物流企业不断更新生产模式，线下设立菜鸟驿站、快递存放柜等，一定程度上免去了逐户上门带来的资源浪费，有助于物流业绿色全要素生产率的提高。
第五，环境规制与物流业绿色全要素生产率存在正向关系，通过模型得出回归系数为0.0542，但P值为0.185，没有通过显著性检验。说明湖北省相关政策对绿色全要素生产率有着正向的影响作用，但政府污染治理投资目前大部分投入于重污染化工产业，对物流业重视程度不够。
六、结论与建议
本文运用包含非期望产出的SBM模型研究了湖北省2008-2017年物流业绿色全要素生产率，并利用Tobit模型对影响湖北省物流业绿色全要素生产率的各因素进行回归分析，测算其影响程度。从SBM模型输出的测度结果来看，横向对比中部六省的物流业绿色全要素生产率，可以明显看出湖北省的变化趋势是中部地区最为稳定的，并且是绿色全要素生产率表现最良好、最突出的省份。纵向对比物流业绿色全要素生产率在2008-2017年的变化，湖北省呈现出稳定且波动递增的变化特征。（1）人均GDP与物流业绿色全要素生产率呈负相关。人均GDP的不断发展虽然带动了物流业的发展，但是物流业的管理方式和运行模式并没有达到绿色、低碳的要求。（2）能源强度与物流业绿色全要素生产率负相关。单位物流业GDP能耗越大，物流业绿色全要素生产率越低。（3）产业结构与物流业绿色全要素生产率正相关。（4）城镇化的推进使得湖北省经济不断发展，基础设施逐步完善，并且企业工业技术水平开始提升，高能耗企业模式发生转变，这些改善和提升引导湖北省的物流业绿色全要素生产率向正向发展。（5）环境规制与物流业绿色全要素生产率正相关，但没有通过显著性检验。
根据以上研究结论，本文提出以下建议：（1）湖北省政府在保持自身经济发展水平的情况下，鼓励并引导高能耗、高污染产业转型升级，提高行业二氧化碳的排放效率。重视低碳物流技术的研发及推广，最终形成绿色、低碳的物流市场。激励企业积极开发并使用新能源，研发高能效、低污染产业技术，并将其广泛用于各产业中，使湖北省物流业绿色全要素生产率得以进一步提高。（2）不断发展和优化湖北省第三产业，尤其注重服务业、交通运输业，并把湖北省经济发展重点转移到第三产业。发挥湖北省在地理位置上“九省通衢”的中心优势，将其打造为重要的海陆空物流枢纽，推动湖北省物流业绿色发展。（3）推进湖北省城镇化覆盖率进一步扩大。一方面，城镇化不仅带动湖北省经济水平的持续提升，同时可以扩大湖北省物流业的市场，促进物流业发展;另一方面，城镇化过程中可以进一步完善物流交通的配套基础设施，从而减少流通过程中发生的环境问题，以促进湖北省物流业朝着绿色、低碳的方向发展。（4）湖北省政府应该发挥环境规制在物流业中的重要作用。一方面，实施命令控制型环境规制，通过地方行政机关及其相关环境部门发布规章或命令以规范物流业碳排放行为，制定排放标准以完成物流业的环境质量目标;另一方面，实行市场激励型环境规制，使物流业价格能反映环境成本，从而激励物流业减少耗能。政府应积极运用环境规制引导物流业绿色发展，提高湖北省物流业绿色全要素生产率。
参考文献：
[1] Sun J W.The Decrease of CO2 Emission Intersity is Decarbonization at National and Global Levers[J].Energy Policy，2005，3（8）：975-978. [2] Hong G P，Yong J.The Efficiency and Productivity Analysis of Large Logistics Providers Services in Korea[J].Asian Journal of Shipping & Logistics，2015，31（4）：469-476.
[3] Li H，Shi J.Energy Efficiency Analysis on Chinese Industrial Sectors： An Improved Super-SBM Model with Undesirable Outputs[J].Journal of Cleaner Production，2014，（65）：97-107.
[4] Zhang L C. Research on Logistics Industry Transformation and Upgrading based on Resource Integration and Sharing[R].Institute of Physics Publishing， 2018.
[5] Zhang S Q.Impacts of Technological Progress， Structural Adjustment on Energy-Related Carbon Emissions Intensity in Logistics Industry： Empirical Research on Beijing-Tianjin-Hebei Region[R]. American Society of Civil Engineers （ASCE），2018.
[6] Fan L.The Spatial-temporal Analysis of the Green Total Factor Productivity of Logistics Industry in China[R].Institute of Electrical and Electronics Engineers Inc， 2019.
[7] Yi M W.An AHP-based Methodology for Determinants of Green Logistics Solution Management in China[R].Computers and Industrial Engineering，2019.
[8] Zhang W， Zhang MY， Zhang WY， Zhou Q， Zhou XX. What Influences the Effectiveness of Green Logistics Policies？[R].Elsevier B.V，2020.
[9] 余泳澤，武鹏.我国物流产业效率及其影响因素的实证研究——基于中国省际数据的随机前沿生产函数分析[J].产业经济研究，2010，（1）：65-71.
[10] 周业旺.基于DEA的武汉城市圈物流效率差异性比较分析[J].物流工程与管理，2012，34（10）：20-22.
[11] 王蕾，薛国梁，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（7）：1425-1433.
[12] 周叶，张孟晓，杨洁.基于SE-DEA的省域物流行业生态效率研究[J].北京交通大学学报（社会科学版），2015，14（4）：99-106.
[13] 李谭，王利，王瑜.辽宁省港口物流效率及其与腹地经济协同发展研究[J].经济地理，2012，32（9）：108-113.
[14] 刘杰.电子商务环境下连锁经营企业物流配送模式选择研究[D].长春：吉林大学，2013.
[15] 孙健.东北地区农产品冷链效率测度及其影响因素分析[D].沈阳：沈阳农业大学，2016.
[16] 王珍珍.我国制造业与物流业联动发展效率评——基于超效率CCR-DEA模型[J].中国流通经济，2017，31（2）：20-30.
[17] 范璐.中国物流业绿色全要素生产率与成本效率理论模型与实证研究[D].广州：华南理工大学，2015.
[18] 刘战豫，孙夏令.中国物流业绿色全要素生产率的时空演化及动因分析[J].软科学，2018，（4）：77-81.
[19] 王燊，程云鹤.长江经济带物流业绿色绩效测度及其影响因素分析[J].黑龙江工业学院学报（综合版），2018，（8）：87-92.
[20] Tone K.Dealing with Undesirable Outputs in DEA： A S
lacks-baded Measure （SBM） Approach [R]. GRIPS Research Report Series，2003.
[21] 孙金岭，朱沛宇.基于SBM-Malmquist-Tobit的“一带一路”重点省份绿色经济效率评价及影响因素分析[J].科技管理研究，2019，（2）：230-237.
Measurement of Green Total Factor Productivity in Logistics Industry and Analysis of Its Influencing Factors
——Based on the empirical research of Hubei Province
Liu Xiping[1][2] Jin Xinyue[2] （[1]Center of Hubei Cooperative Innovation for Emissions Trading System，Hubei University
of Economics，Wuhan ，430205;[2] School of Low Carbon Economics，Hubei University
of Economics，Wuhan， 430205）
Abstract： The SBM and Malmquist index models of undesired output are used to calculate the green total factor productivity of the logistics industry in Hubei Province from 2008 to 2017， and the model is used to perform regression analysis on the factors affecting the green total factor productivity of the logistics industry in Hubei Province. The research results show that the green total factor productivity of the logistics industry in Hubei Province remains in a relatively stable state， and the overall trend is increasing. Per capita GDP， urbanization rate， industrial structure， and energy intensity have a significant impact on the green total factor productivity of the logistics industry in Hubei Province. The Hubei Provincial Government should encourage and guide the transformation and upgrading of logistic enterprises with high energy consumption and high pollution industries， and improve the efficiency of carbon dioxide emissions; optimize the tertiary industry， pay attention to the development of the service industry and transportation industry; further expand the coverage of urbanization; pay attention to environmental regulations in the logistics industry Importance in development.
Keywords： Logistics industry; SBM model; Tobit model; green total factor productivity
来稿日期：2020-08-14
基金项目：教育部人文社会科学青年基金项目（18YJC790103）;湖北省技术创新专项软科学研究项目（2019ADC140 ）
作者简介：劉习平（1984-），男，湖北公安人，湖北经济学院副教授，经济学博士，研究方向为资源环境经济学。