馬若男,桂海霞,趙京成,汪 虎

(安徽理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院,安徽 淮南 232001)

物流業(yè)是支撐國(guó)民經(jīng)濟(jì)發(fā)展的基礎(chǔ)性、先導(dǎo)性產(chǎn)業(yè),是促進(jìn)經(jīng)濟(jì)可持續(xù)發(fā)展的戰(zhàn)略性產(chǎn)業(yè)。根據(jù)《全國(guó)物流運(yùn)行情況通報(bào)》中的數(shù)據(jù),2015年全國(guó)社會(huì)物流總額由219.2萬(wàn)億元上升至2020年的300.1萬(wàn)億元;截至2020年我國(guó)社會(huì)物流總費(fèi)用與國(guó)內(nèi)生產(chǎn)總值的比重為14.7%。可見(jiàn)物流業(yè)在推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展過(guò)程中處于不可或缺的地位,然而,當(dāng)前我國(guó)物流產(chǎn)業(yè)取得成果是在要素大量投入的基礎(chǔ)上實(shí)現(xiàn)的,并且發(fā)展水平較低、發(fā)展方式為粗放型[1],使得物流企業(yè)在生產(chǎn)中產(chǎn)生了一系列環(huán)境污染問(wèn)題,逐漸超出了區(qū)域生態(tài)環(huán)境的自我調(diào)節(jié)能力。

長(zhǎng)江經(jīng)濟(jì)帶作為跨越我國(guó)東中西三大區(qū)域的高質(zhì)量戰(zhàn)略發(fā)展區(qū)域,在綠色物流生態(tài)發(fā)展中具有引領(lǐng)導(dǎo)向的作用,2020年長(zhǎng)江經(jīng)濟(jì)帶GDP總額為471580億元,占全國(guó)GDP的46.53%,由此可見(jiàn),長(zhǎng)江經(jīng)濟(jì)帶在我國(guó)區(qū)域經(jīng)濟(jì)發(fā)展中占據(jù)重要位置。因此,研究長(zhǎng)江經(jīng)濟(jì)帶低碳物流效率并提出相關(guān)建議,對(duì)輻射帶動(dòng)全國(guó)區(qū)域的物流產(chǎn)業(yè)可持續(xù)發(fā)展具有深刻的現(xiàn)實(shí)意義。

一、文獻(xiàn)綜述

物流產(chǎn)業(yè)效率研究一直是國(guó)內(nèi)外學(xué)者關(guān)注的熱點(diǎn)話題,主要從兩個(gè)視角進(jìn)行探討:在非參數(shù)方法(以DEA為代表)方面,Markovits-Somogyi[2]等構(gòu)建DEA-PC模型并測(cè)算29個(gè)歐洲國(guó)家物流行業(yè)的物流效率;J Kozlowska[3]將DEA模型與Malmquist指數(shù)模型相結(jié)合,從技術(shù)效率的角度評(píng)估波蘭快遞公司的發(fā)展?fàn)顩r;徐曉敏[4]等采用DEA-熵權(quán)法方法對(duì)研究區(qū)域給予物流效率分析評(píng)價(jià);龔雪[5]利用DEA-Malmquist指數(shù)模型對(duì)中部六省的物流效率進(jìn)行分析和評(píng)價(jià);葉堂林[6]等應(yīng)用超效率BCC模型和Tobit模型,對(duì)我國(guó)東部三大城市群進(jìn)行創(chuàng)新效率測(cè)度和影響因素分析;蔣隨[7]應(yīng)用DEA模型對(duì)我國(guó)29個(gè)節(jié)點(diǎn)城市2013—2018年的物流效率進(jìn)行測(cè)度研究;從參數(shù)方法(以SFA為代表)方面,Li[8]等對(duì)2005—2009年23家省級(jí)電力公司應(yīng)用SFA模型進(jìn)行成本效益評(píng)價(jià)分析;劉俊[9]等對(duì)中國(guó)30個(gè)省份的面板數(shù)據(jù)進(jìn)行SFA模型分析,研究城市化對(duì)中國(guó)創(chuàng)新效率的影響;韓東亞[10]等采用SFA模型,對(duì)我國(guó)物流業(yè)效率進(jìn)行實(shí)證研究。

綜上所述,雖然大部分學(xué)者在物流效率研究上取得了很多成就,但還存在以下不足:一是當(dāng)前對(duì)于物流產(chǎn)業(yè)效率研究大多選用DEA模型進(jìn)行基本分析,但是傳統(tǒng)數(shù)據(jù)包絡(luò)分析忽視了外部環(huán)境和隨機(jī)因素對(duì)效率測(cè)算的影響,導(dǎo)致部分研究所得的效率值存在一定的誤差;二是大多數(shù)研究?jī)H從經(jīng)濟(jì)角度考慮人力、財(cái)力等指標(biāo),而忽略了物流業(yè)碳排放量這一低碳約束指標(biāo)。因此,本文從低碳環(huán)保的視角出發(fā),創(chuàng)新的選擇三階段DEA模型和K-means聚類方法對(duì)長(zhǎng)江經(jīng)濟(jì)帶2015—2020年物流產(chǎn)業(yè)進(jìn)行測(cè)度研究,以期為長(zhǎng)江經(jīng)濟(jì)帶物流綠色化發(fā)展提供理論支持。

二、研究方法與數(shù)據(jù)來(lái)源

1.三階段DEA模型

(1)第一階段DEA-BCC模型

DEA模型及方法由Charnes[11]等人在1978年提出,在處理多投入多產(chǎn)出方面有很大的成就。選擇以投入導(dǎo)向?yàn)橹鞯腄EA-BCC模型(規(guī)模報(bào)酬可變模型)進(jìn)行數(shù)據(jù)包絡(luò)分析,鑒于此模型研究成果已有眾多學(xué)者[12-13]進(jìn)行整理和應(yīng)用,對(duì)該計(jì)算過(guò)程不進(jìn)行過(guò)多的贅述。

(2)第二階段SFA結(jié)果

構(gòu)建相似隨機(jī)前沿模型(SFA)對(duì)投入數(shù)據(jù)進(jìn)行處理,將投入松弛變量和環(huán)境因素進(jìn)行回歸,剔除因外部影響帶來(lái)的投入冗余并得到準(zhǔn)確的投入量。借鑒Fried等[14]所采用的外部因素剝離的方法,得到的SFA回歸方程如式(1)所示。

(1)

式(1)中,Sin是第i個(gè)決策單元第n項(xiàng)投入的松弛變量;zi是環(huán)境解釋變量;βn是環(huán)境解釋變量的系數(shù);vin+μin是混合誤差項(xiàng)。調(diào)整公式如式(2)所示。

(2)

(3)第三階段調(diào)整后的DEA模型

運(yùn)用第二階段SFA調(diào)整后的投入產(chǎn)出變量數(shù)據(jù)代替原有的數(shù)據(jù),再次運(yùn)行DEA-BBC模型對(duì)決策單元進(jìn)行回歸求解,得到剔除環(huán)境影響因素和隨機(jī)誤差因素后的效率值。

2.K-means聚類分析

聚類分析包括K-means聚類法、系統(tǒng)聚類分析、模糊聚類法等方面,用于研究樣本或指標(biāo)的分類問(wèn)題[15-16]。K-means聚類方法作為一種無(wú)監(jiān)督的聚類算法,其計(jì)算簡(jiǎn)單并且算法的可解釋度較強(qiáng),本文對(duì)區(qū)域低碳物流產(chǎn)業(yè)效率測(cè)度進(jìn)行聚類分析,目的在于找到影響長(zhǎng)江經(jīng)濟(jì)帶區(qū)域之間物流業(yè)效率差異的原因。

3.指標(biāo)選擇

鑒于物流業(yè)體系數(shù)據(jù)的缺失,郵政業(yè)、倉(cāng)儲(chǔ)業(yè)及運(yùn)輸業(yè)占整個(gè)物流行業(yè)的85%,大部分學(xué)者認(rèn)為選取郵政業(yè)、倉(cāng)儲(chǔ)業(yè)及運(yùn)輸業(yè)作為物流業(yè)的數(shù)據(jù)是符合實(shí)際情況的選擇[17]。因此,從低碳環(huán)保的視角出發(fā),構(gòu)建符合長(zhǎng)三角經(jīng)濟(jì)帶區(qū)域物流特點(diǎn)的投入產(chǎn)出指標(biāo)體系。如表1所示。

表1 長(zhǎng)江經(jīng)濟(jì)帶物流產(chǎn)業(yè)投入產(chǎn)出指標(biāo)體系

(1)投入指標(biāo)

一是物流業(yè)從業(yè)人數(shù)。該指標(biāo)充當(dāng)為人力投入指標(biāo)[18],選取每年年末從事于郵政業(yè)、倉(cāng)儲(chǔ)業(yè)及運(yùn)輸業(yè)的總?cè)藬?shù)。二是物流業(yè)固定資產(chǎn)投資額。王書(shū)靈等[12]選取區(qū)域郵政業(yè)、倉(cāng)儲(chǔ)業(yè)及運(yùn)輸業(yè)固定資產(chǎn)投資額作為財(cái)力投入指標(biāo)。三是物流業(yè)網(wǎng)絡(luò)里程。設(shè)計(jì)為物力投入指標(biāo)[19],選取鐵路、水運(yùn)、公路三種營(yíng)業(yè)里程數(shù)進(jìn)行加和。

(2)產(chǎn)出指標(biāo)

一是物流業(yè)增加值。選取郵政業(yè)、倉(cāng)儲(chǔ)業(yè)和運(yùn)輸業(yè)的增加值[20],以2015年為基期,按第三產(chǎn)業(yè)增加值指數(shù)進(jìn)行平減處理。二是物流業(yè)碳排放量。測(cè)算方式為選取八種能源包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣,根據(jù)IPCC提供的碳排放系數(shù),計(jì)算出各個(gè)省份物流業(yè)的碳排放量,將非期望產(chǎn)出轉(zhuǎn)換為期望產(chǎn)出[21]。

(3)環(huán)境變量

一是人均GDP。從經(jīng)濟(jì)發(fā)展角度來(lái)考慮,選取各個(gè)省市人均國(guó)內(nèi)生產(chǎn)總值,以2015年為基期進(jìn)行平減數(shù)據(jù)處理。二是政府支持。借鑒張娜等[19]人的思路,從政策的角度選取各省郵政業(yè)、倉(cāng)儲(chǔ)業(yè)及運(yùn)輸業(yè)支出占各省財(cái)政支出的比重。

4.數(shù)據(jù)來(lái)源

本文選取長(zhǎng)江經(jīng)濟(jì)帶地區(qū)2015—2020年11個(gè)省市的面板數(shù)據(jù),選取的郵政業(yè)、倉(cāng)儲(chǔ)業(yè)及運(yùn)輸業(yè)指標(biāo)數(shù)據(jù)符合環(huán)境保護(hù)的政策要求,投入、產(chǎn)出變量及環(huán)境變量數(shù)據(jù)來(lái)源于各省市統(tǒng)計(jì)年鑒、2016—2021年《中國(guó)統(tǒng)計(jì)年鑒》及《中國(guó)能源統(tǒng)計(jì)年鑒》。

三、實(shí)證分析

1.三階段DEA分析

(1)第一階段傳統(tǒng)DEA實(shí)證結(jié)果

運(yùn)行Deap2.1軟件,選擇DEA-BCC模型以投入導(dǎo)向?yàn)槟繕?biāo),對(duì)2015—2020年長(zhǎng)江經(jīng)濟(jì)帶地區(qū)物流產(chǎn)業(yè)投入產(chǎn)出指標(biāo)數(shù)據(jù)進(jìn)行測(cè)度研究。結(jié)果如表2所示。

表2 長(zhǎng)江經(jīng)濟(jì)帶各區(qū)域物流綜合效率及排名

從整體來(lái)看,長(zhǎng)江經(jīng)濟(jì)帶各個(gè)區(qū)域在不同時(shí)期呈現(xiàn)出差異化。第一階段區(qū)域物流綜合效率均值為0.883,在研究區(qū)域范圍內(nèi)處于中下游水平。沿海地區(qū)(上海、江蘇)綜合效率值較穩(wěn)定,在研究期間綜合效率保持在1的效率值上,表明其低碳能力較好,投入產(chǎn)出未顯現(xiàn)冗余狀況。但長(zhǎng)江經(jīng)濟(jì)帶地區(qū)整體水平并未達(dá)到前沿,除上海、江蘇、安徽、湖南這四個(gè)地區(qū)在研究期間物流綜合效率達(dá)到最優(yōu),其余七個(gè)省市均呈現(xiàn)無(wú)效率。

從各個(gè)地區(qū)看,排在第一名的四個(gè)省市表現(xiàn)出較強(qiáng)的投入產(chǎn)出能力,實(shí)現(xiàn)了區(qū)域資源效益最大化,說(shuō)明物流規(guī)模、純技術(shù)效率沒(méi)有對(duì)全要素生產(chǎn)率產(chǎn)生顯著影響。重慶、四川排名靠后,其均值分別為0.636、0.520,可見(jiàn)這兩個(gè)省市拉低了長(zhǎng)江經(jīng)濟(jì)帶整個(gè)區(qū)域的綜合效率值,并且存在較低的效率水平。究其原因,重慶、四川處于內(nèi)陸地區(qū)并且地形復(fù)雜,出現(xiàn)交通運(yùn)輸不便、區(qū)域聯(lián)系不緊密等問(wèn)題,不利于區(qū)域物流業(yè)綜合效率的可持續(xù)發(fā)展。

(2)第二階段SFA實(shí)證結(jié)果

借助SFA方法對(duì)2015—2020年長(zhǎng)江經(jīng)濟(jì)帶物流產(chǎn)業(yè)分別建立回歸方程,并得到調(diào)整后的投入量。運(yùn)行Frontier41軟件進(jìn)行計(jì)算,SFA結(jié)果如表3所示。

表3 第二階段SFA估計(jì)結(jié)果

由表3結(jié)果可知,各LR值自由度均通過(guò)了10%的顯著性水平檢驗(yàn),說(shuō)明選取的數(shù)據(jù)在此模型下存在合理性。人均GDP、政府支持作為外部環(huán)境因素,對(duì)長(zhǎng)江經(jīng)濟(jì)帶物流產(chǎn)業(yè)投入松弛變量的影響較為顯著。因此,借助SFA模型對(duì)隨機(jī)誤差和環(huán)境因素進(jìn)行剝離是有必要的。

人均GDP。SFA結(jié)果顯示,該環(huán)境變量除了與物流業(yè)從業(yè)人數(shù)松弛變量的回歸系數(shù)為負(fù)值外,與另外兩個(gè)松弛變量大多為正相關(guān)。說(shuō)明人均GDP的增加促進(jìn)物流業(yè)從業(yè)人數(shù)的減少,從而提高物流業(yè)生產(chǎn)效率;然而對(duì)其余松弛變量來(lái)說(shuō),人均GDP的增加會(huì)帶來(lái)一定的投入冗余,給物流業(yè)資金使用效率、物流業(yè)基礎(chǔ)網(wǎng)絡(luò)建設(shè)帶來(lái)抑制作用。

政府支持。SFA結(jié)果顯示,該環(huán)境變量與物流業(yè)的三個(gè)松弛變量的回歸系數(shù)基本為正,說(shuō)明政府對(duì)物流業(yè)的支持會(huì)給物流業(yè)從業(yè)人數(shù)、物流業(yè)固定資產(chǎn)投資額、物流業(yè)網(wǎng)絡(luò)里程帶來(lái)大量的投入,但過(guò)多的政府支持會(huì)造成投入使用率低下。這可以解釋為政府長(zhǎng)期過(guò)度干預(yù)不能帶來(lái)相應(yīng)物流效率的提高,相反不利于物流業(yè)的發(fā)展。

(3)第三階段實(shí)證結(jié)果

將第二階段調(diào)整過(guò)后的投入產(chǎn)出數(shù)據(jù)重新運(yùn)行Deap2.1進(jìn)行計(jì)算,得到第三階段的結(jié)果。這11個(gè)省市在研究時(shí)期內(nèi)存在效率調(diào)整的變化,結(jié)果如表4所示。

表4 第三階段區(qū)域物流綜合效率及排名

第三階段區(qū)域物流綜合效率均值范圍在0.857～0.892,較第一階段有所下降;區(qū)域物流綜合效率均值為0.875,說(shuō)明長(zhǎng)三角經(jīng)濟(jì)帶整體水平受地區(qū)發(fā)展不均衡的影響較大。其中,上海、江蘇、安徽、湖南效率值為1,處于效率前沿面的現(xiàn)狀沒(méi)有改變。江西的綜合效率值從原來(lái)的0.933降到0.774,表明在第一階段物流產(chǎn)業(yè)綜合效率處于被高估的狀態(tài)。究其原因,上海、江蘇發(fā)揮沿海地區(qū)優(yōu)勢(shì),具備優(yōu)良港口運(yùn)輸條件且不斷完善物流網(wǎng)絡(luò)基礎(chǔ)建設(shè);注重物流技術(shù)變革和優(yōu)化運(yùn)輸結(jié)構(gòu),在物流源頭、環(huán)節(jié)中約束物流成本,不斷實(shí)現(xiàn)投入資源的高效利用。

存在湖北、貴州、云南等三個(gè)區(qū)域綜合效率有所提高,說(shuō)明在調(diào)整前物流綜合效率在一定程度下被低估。與其他省份相比,這三個(gè)省份更重視物流技術(shù)的提升,在內(nèi)部建設(shè)完善的物流系統(tǒng),以期解決整體大環(huán)境的資源落差。究其原因,湖北作為工業(yè)大省,其發(fā)展與低碳物流的實(shí)施處于難以平衡的狀態(tài),但2019年頒布的《湖北省推進(jìn)運(yùn)輸結(jié)構(gòu)調(diào)整實(shí)施方案》積極推進(jìn)物流產(chǎn)業(yè)園的聚集,推動(dòng)物流智能化發(fā)展;貴州省、云南省的物流中心建設(shè)較落后,但在“十三五”規(guī)劃實(shí)施背景下積極建設(shè)物流大格局,把握現(xiàn)有資源投入。

根據(jù)表5調(diào)整前后綜合效率值對(duì)比結(jié)果可知,上游地區(qū)(重慶、四川、貴州、云南)在2015年效率水平最好的區(qū)域?yàn)橘F州,其余省市的綜合效率在調(diào)整后變化不一;2015年云南第三階段的綜合效率值為0.974轉(zhuǎn)變到2020年綜合效率值為1,說(shuō)明在之前時(shí)段受外部影響因素較大,純技術(shù)效率的提升是很有必要的。

表5 調(diào)整前后長(zhǎng)江經(jīng)濟(jì)帶物流產(chǎn)業(yè)效率值

中游地區(qū)(江西、湖北、湖南)平均綜合效率水平較高,湖南在2015年和2020年TE、PTE、SE均為1,表明純技術(shù)效率和規(guī)模效率高,物流業(yè)發(fā)展水平好;江西受物流規(guī)模效率影響較大;湖北在技術(shù)效率和規(guī)模效率共同作用下,2020年調(diào)整后的TE值為1。

下游地區(qū)(上海、江蘇、浙江、安徽)在2015年的調(diào)整前后效率值均為1,即在效率前沿面,說(shuō)明物流投入產(chǎn)出效率高;然而,2020年四個(gè)地區(qū)除浙江處于無(wú)效率狀態(tài)下,其余省市在調(diào)整前后均達(dá)有效,之所以浙江省未達(dá)到效率前沿面,是因?yàn)槭芪锪饕?guī)模效率的影響造成綜合效率的下降。

從長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的均值角度來(lái)分析,2015年物流綜合效率平均值從原來(lái)的0.873下降到0.870,物流純技術(shù)效率平均值從0.935下降到0.932,規(guī)模效率平均值從0.928提高到0.929,規(guī)模效率有所提高但綜合效率、純技術(shù)效率變低;2020年TE均值從0.893下降到0.881,PTE均值從0.962提高到0.967,SE均值從0.929下降到0.912,表明第三階段調(diào)整后得出的效率值更準(zhǔn)確、更客觀。

2.K-means聚類分析

運(yùn)用SPSS軟件對(duì)長(zhǎng)江經(jīng)濟(jì)帶共11個(gè)省市物流業(yè)效率進(jìn)行K-means聚類分析,應(yīng)用三階段DEA調(diào)整后的數(shù)據(jù),并選擇沒(méi)有交叉影響的純技術(shù)效率和規(guī)模效率作為分類變量,結(jié)果如表6所示。

表6 長(zhǎng)江經(jīng)濟(jì)帶物流業(yè)效率聚類分組結(jié)果

以規(guī)模效率為基準(zhǔn)從高到低進(jìn)行排列,聚類結(jié)果共被分為四類。第一類為“雙高型”,即純技術(shù)效率和規(guī)模效率都很高;第二類為“低高型”,純技術(shù)效率很低,但規(guī)模效率較高;第三類為“高中型”,純技術(shù)效率為1,規(guī)模效率處于居中水平;第四類為“高低型”,純技術(shù)效率處于較高水平,規(guī)模效率較低。從地區(qū)數(shù)量分布情況來(lái)看,長(zhǎng)江經(jīng)濟(jì)帶地區(qū)多集中在第一類“雙高型”,說(shuō)明該區(qū)域總體上物流業(yè)發(fā)展前景較好,在剔除了外部環(huán)境因素后依舊保持著高效率。

“雙高型”地區(qū)多集中在中下游,部分省市純技術(shù)效率和規(guī)模效率為1。說(shuō)明長(zhǎng)三角經(jīng)濟(jì)帶中下游區(qū)域物流產(chǎn)業(yè)效率水平較高,這一類型地區(qū)較少產(chǎn)生投入冗余和實(shí)際效率水平被低估的現(xiàn)象。當(dāng)出現(xiàn)高投入高產(chǎn)出和規(guī)模效率的局面時(shí),短期內(nèi)很難造成效率上升或下降的改變。

“低高型”地區(qū)表現(xiàn)為純技術(shù)效率水平低但規(guī)模效率高,四川作為這一類型的代表,其低碳物流效率發(fā)展受純技術(shù)效率影響較大。究其原因,該地區(qū)物流創(chuàng)新技術(shù)不足,物流成本管理意識(shí)薄弱,同時(shí)因物流基礎(chǔ)設(shè)施、倉(cāng)儲(chǔ)設(shè)施不夠完善,導(dǎo)致出現(xiàn)運(yùn)輸路線規(guī)劃不當(dāng)、配送時(shí)間延遲等問(wèn)題。因此,需要通過(guò)引進(jìn)復(fù)合型技術(shù)性人才、設(shè)立物流信息交互平臺(tái)等手段進(jìn)行投入調(diào)整,從而提高純技術(shù)效率水平。

“高中型”地區(qū)受規(guī)模效率低下影響較大,但純技術(shù)效率為DEA有效,說(shuō)明受物流規(guī)模效率的影響導(dǎo)致綜合技術(shù)效率較低。究其原因,一方面可能是區(qū)域物流規(guī)模較小,在物流作業(yè)中很難實(shí)現(xiàn)投入產(chǎn)出的平衡轉(zhuǎn)化;另一方面可能是區(qū)域物流規(guī)模擴(kuò)張,但物流技術(shù)滯后和基礎(chǔ)設(shè)施的不完備,使得規(guī)模擴(kuò)張帶來(lái)了更多的不利影響。因此,該區(qū)域應(yīng)把握現(xiàn)有物流資源并提高內(nèi)部管理能力,從建設(shè)基礎(chǔ)物流體系到實(shí)現(xiàn)物流技術(shù)創(chuàng)新變革。

“高低型”地區(qū)城市分別為重慶和江西,特點(diǎn)為純技術(shù)效率水平較高但規(guī)模效率極低,該地區(qū)物流綜合效率受兩方面的共同影響表現(xiàn)出無(wú)效率的狀態(tài)。說(shuō)明存在物流技術(shù)低下與物流規(guī)模較小的現(xiàn)象,重慶和江西需發(fā)揮區(qū)域優(yōu)勢(shì)和政策支持,建立兩個(gè)區(qū)域之間的物流快速通道,實(shí)現(xiàn)物流模式一體化、信息共享化、運(yùn)輸多元化的高效銜接。

四、結(jié)論與建議

以低碳環(huán)境為約束條件,選擇2015—2020年作為研究期,應(yīng)用三階段DEA模型對(duì)長(zhǎng)江經(jīng)濟(jì)帶物流產(chǎn)業(yè)進(jìn)行效率測(cè)度研究;并運(yùn)用K-means聚類分析算法對(duì)調(diào)整后的物流效率值進(jìn)行分析,得出以下結(jié)論。

首先,從整體角度看,在研究期內(nèi)長(zhǎng)江經(jīng)濟(jì)帶運(yùn)行三階段DEA模型,得到的投入產(chǎn)出數(shù)據(jù)有較大變化,說(shuō)明調(diào)整前后的物流產(chǎn)業(yè)效率評(píng)價(jià)出現(xiàn)高估或低估的情況,第三階段的結(jié)果更符合上游、中游、下游地區(qū)現(xiàn)實(shí)發(fā)展的要求。K-means聚類算法以調(diào)整后的純技術(shù)效率和規(guī)模效率為基準(zhǔn)對(duì)區(qū)域進(jìn)行分類,找到阻礙長(zhǎng)江經(jīng)濟(jì)帶地區(qū)物流效率發(fā)展的影響因素。

其次,從靜態(tài)分析看,在剔除各個(gè)省市受隨機(jī)干擾、外部環(huán)境影響等因素后,長(zhǎng)江經(jīng)濟(jì)帶地區(qū)物流產(chǎn)業(yè)綜合效率呈現(xiàn)出下游>中游>上游的狀況。上海、江蘇、安徽、湖南保持最優(yōu)發(fā)展,浙江、云南、湖北處于較高效率水平,貴州、江西在調(diào)整后依舊出現(xiàn)物流效率波動(dòng)變化,重慶、四川效率值處于較低水平。

最后,從聚類分析來(lái)看,通過(guò)K-means聚類分析算法對(duì)長(zhǎng)江經(jīng)濟(jì)帶共11個(gè)省市物流產(chǎn)業(yè)效率進(jìn)行分類,劃分為“雙高型”“低高型”“高中型”和“高低型”共四類地區(qū)。從不同類別的實(shí)際情況進(jìn)行有針對(duì)性的對(duì)比分析,并根據(jù)區(qū)域低碳物流產(chǎn)業(yè)發(fā)展現(xiàn)狀提出有效解決措施。

根據(jù)長(zhǎng)江經(jīng)濟(jì)帶低碳物流產(chǎn)業(yè)效率測(cè)度結(jié)果,現(xiàn)提出以下建議。

第一,連接區(qū)域物流產(chǎn)業(yè),促進(jìn)協(xié)同合作。發(fā)達(dá)地區(qū)整合優(yōu)質(zhì)資源輸送給其他省份,局部推動(dòng)整體高質(zhì)量發(fā)展;建立智慧物流產(chǎn)業(yè)園,發(fā)展無(wú)接觸物流服務(wù),如無(wú)人車(chē)、自動(dòng)分揀、無(wú)人駕駛等人工智能方式,借助智慧化、數(shù)字化手段完善園區(qū)運(yùn)作模式;提高物流基礎(chǔ)設(shè)施的經(jīng)營(yíng)與網(wǎng)絡(luò)化服務(wù)能力,在區(qū)域連接的重要干線上設(shè)置物流運(yùn)輸通道,完善區(qū)域物流樞紐的應(yīng)急聯(lián)動(dòng)協(xié)調(diào)機(jī)制;注重港口集約化管理,整合下游地區(qū)港口資源向內(nèi)部區(qū)域擴(kuò)展,推動(dòng)區(qū)域優(yōu)質(zhì)資源的共建共享;充分考慮各自區(qū)域條件,如上游地區(qū)利用“一帶一路”的政策優(yōu)勢(shì),中游地區(qū)打造內(nèi)陸物流城市群,下游地區(qū)發(fā)揮輻射帶動(dòng)作用,從而提高區(qū)域物流整體效率水平。

第二,加快低碳科技創(chuàng)新,提高物流業(yè)碳排放效率。制定差異化低碳運(yùn)輸方針,大力宣傳綠色環(huán)保的可持續(xù)發(fā)展理念,加快低碳物流環(huán)節(jié)建設(shè);聚焦科技減碳新技術(shù),減少不可再生能源的使用,針對(duì)物流高碳排放產(chǎn)業(yè)進(jìn)行技術(shù)開(kāi)發(fā);以大數(shù)據(jù)為基礎(chǔ)進(jìn)行數(shù)字化應(yīng)用,注重物流綜合技術(shù)創(chuàng)新發(fā)展;構(gòu)建物流研發(fā)監(jiān)管部門(mén),保證智慧物流系統(tǒng)建設(shè)的有效性,加快物流運(yùn)作效率;關(guān)注物流企業(yè)內(nèi)部碳排放技術(shù)研究,挖掘具備自主創(chuàng)新能力的人才,積極探索綜合性低碳物流工程;組建產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟,提高低碳物流信息水平的流轉(zhuǎn)速度,解決物流技術(shù)發(fā)展缺陷問(wèn)題,從而推動(dòng)物流產(chǎn)業(yè)綠色高效發(fā)展。

第三,調(diào)整物流產(chǎn)業(yè)結(jié)構(gòu),提高物流綜合效率。長(zhǎng)江經(jīng)濟(jì)帶地區(qū)物流業(yè)發(fā)展較不均衡,表現(xiàn)為東部大于西部;應(yīng)加大物流技術(shù)創(chuàng)新投入,打造低碳物流產(chǎn)業(yè)鏈方案,減少物流活動(dòng)終端碳排放量;搭建低碳物流信息交互平臺(tái),構(gòu)建物流網(wǎng)絡(luò)一體化模式;優(yōu)化物流運(yùn)輸路線,科學(xué)規(guī)劃物流運(yùn)輸環(huán)節(jié),降低物流運(yùn)輸成本;建設(shè)標(biāo)準(zhǔn)化倉(cāng)儲(chǔ)庫(kù),完善物流環(huán)節(jié)通訊設(shè)備,加強(qiáng)物流基礎(chǔ)設(shè)施建設(shè),推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶物流產(chǎn)業(yè)合理布局;完善郵政現(xiàn)代物流業(yè)務(wù)體系,搭建區(qū)域點(diǎn)代收、上門(mén)取件、貨到付費(fèi)等基礎(chǔ)性服務(wù)平臺(tái),合理設(shè)置區(qū)域產(chǎn)品分銷點(diǎn),為客戶提供定制化服務(wù);多樣化產(chǎn)業(yè)結(jié)構(gòu)有助于提高區(qū)域物流的競(jìng)爭(zhēng)力,以期在低碳環(huán)境下實(shí)現(xiàn)資源利用最大化的目標(biāo)。