低碳制约下的物流功效分析.docVIP

低碳制约下的物流功效分析 研究方法与数据来源 1.研究方法传统DEA模型认为，任何与效率前沿的偏差都是由管理无效率引起的，不考虑评估决策单元所处外部环境、随机误差等对效率值的影响。针对这一缺陷，弗瑞德（Fried）等对传统DEA方法进行了修正，将投入松弛量视为决策单元的机会成本，利用随机边界分析（SFA）模型，将环境因素对投入松弛量回归方程中的随机误差项分解为统计误差项和无效率项。三阶段DEA模型将环境变量、随机误差和管理无效率纳入效率分析框架，将效率评估过程中环境因素和随机因素对相对效率的影响进行有效分离。其基本步骤是：第一阶段：传统DEA方法。本文采用班克、查恩斯、库伯（Banker，CharnesCooper）提出的CRS模型改进方案，即投入导向型规模报酬可变（BCC）模型，假定规模报酬可变，将技术效率（TE）分解为纯技术效率（PTE）和规模效率（SE）。鉴于传统DEA模型已经相当成熟，在此不赘述其原理。第二阶段：SFA方法。在物流效率测度过程中，环境及随机因素的干扰都会导致物流效率达不到最大产出水平，为分离出外部环境及随机误差因素对效率值的影响，必须调整投入量。第二阶段通过构建类似SFA模型分离出环境因素、随机误差、管理无效率三个因素的影响，得到仅由管理无效率造成的决策单元投入冗余。假设以j个省市的物流业作为决策单元（DMU），每个决策单元投入i种资源，xij为第j个省市物流业的第i种投入资源，sij为第一阶段第j个省市物流业的第i种投入资源的松弛变量，那么第一阶段投入松弛变量如公式（1）所示：sij=xij-Xiλ≥0，i=1，2，...，n（1）其中，Xi是X的第i行，Xiλ是xij对应产出向量在投入效率子集上的最优映射。此模型与随机成本边界（StochasticCostFrontier）模型一致。①建立松弛变量与环境解释变量的理论模型，如公式（2）所示：sij=fi（zj，βi）+vij+uij（2）i=1，2，…，m；j=1，2，…，n其中，zj=（z1j，z2j，...，zpj）表示P个影响物流业效率的可观测环境变量，βi为环境变量的待估参数向量。fi（zj，βi）=zjβi是环境变量的函数，表示环境变量对决策单元投入松弛变量sij的影响方式。vij+uij为混合误差项，其中，vij指第j个省市物流j]，并借鉴约翰德罗（Jondrow）等提出的方法得到随机误差的估计：为剥离外部环境和随机误差的影响，本文将运营环境相对有利或相对较好的各省市物流业投入变量进行调整。基于物流效率最有效的省市，以其投入量为基准，对其他省市物流业投入量调整如下：其中，xij*和xij分别是调整后和初始的投入值，βn为环境变量参数的估计值。右边第一个方括号内的式子代表全部省市物流业调整至相同环境下，第二个方括号内的式子代表通过调整使各省市物流业处于共同的自然状态，最终使各省市物流业面临相同的环境和机会。第三阶段：调整后的DEA方法。用调整后的DMU代替原始投入数据，再次运用BCC模型进行效率评估，此时得到的DMU效率值即为剔除了环境因素和随机误差的技术效率。2.指标选择在各国的产业分类体系中，几乎都没有“物流产业”，即使最先进的北美产业分类体系（NAILS）也是如此。国内大部分学者在研究过程中将物流业界定为货物运输业、仓储业、邮政业三个部门，本文采用相同的界定。考虑到投入和产出指标的选取会直接影响评价结果，在指标的选择上应遵循以下几点：首先，选择的指标能够反映物流业竞争力水平并满足物流业效率的评价要求；其次，按照其他学者运用DEA方法评价效率的经验，输入输出指标个数之和应小于决策单元个数之和；其三，要充分考虑指标的重要性和数据的可获得性。根据以上原则并充分考虑既有研究结果，构建以下指标体系：（1）投入指标。污染物投入处理法是评价环境效率的主要思路之一。[8]在生产过程中，期望产出总是对应着一定的资源投入以及污染物排放，期望产出与污染物之间呈现同增同减的关系，这一点类似于传统生产函数中的投入产出关系。在东部十省市物流效率评价中，社会希望污染物的排放量越少越好，符合DEA模型对投入指标的要求。遵循这一思路，本文将碳排放量作为投入要素，参考毕志雯[9]的数据处理方法，将物流业的原煤、原油、汽油、煤油、柴油、燃料油、液化石油气以及天然气的消耗量与化石燃料的CO2排放系数相乘，得到CO2排放量。因此，本文选取CO2排放量（x1j）、物流业城镇单位就业人员数（x2j）、物流业全社会固定资产投资（x3j）作为投入指标。其中，考虑到资金的时间价值，以1978年为基期，按GDP平减指数对固定资产投资额进行可比价格处理。（2）产出指标。本文以东部十省市的物流业国内生产总值（万元）来衡量经济产出，并以1978年为基期，按GDP平减指数进