文獻綜述

近年來，關于生鮮農產品物流的研究，主要集中在冷鏈物流的發展方面。生鮮農產品從采摘到送達消費者手中都離不開冷鏈物流的應用，有學者認為我國生鮮農產品冷鏈物流最主要的薄弱點出現在進行冷鏈運輸前的產地保存，可以通過建立冷庫等方式進行解決(謝蕊蕊，2022；張喜才等，2021)。電子商務的出現，使得冷鏈物流的發展出現更大機遇，冷鏈物流的發展促進了居民對生鮮農產品的消費(王奧，2023；倪衛紅等，2021；王林等，2023)，但是冷鏈物流從倉儲、加工包裝、運輸等各方面都會造成能源的損耗，對環境造成不利影響，有學者認為應基于低碳視角發展生鮮農產品冷鏈物流，提高冷鏈物流效率(原雅坤等，2020；朱玉等，2023；寧濤等，2022)。低碳發展的核心理念就是綠色發展，有學者從減少碳排放量角度構建生鮮農產品綠色物流效率，并研究其影響因素(楊博，2023)。基于以上分析，發現我國生鮮農產品綠色物流效率的研究處于起步階段，生鮮農產品物流朝綠色化發展是必然趨勢，提高生鮮農產品綠色物流效率是其綠色化發展的應有之義。鑒于此，本文基于超效率SBM模型測算以碳排放量為非期望產出的生鮮農產品綠色物流效率，運用Dagum基尼系數及其子群分析法分析其空間差異及主要來源，并運用Tobit模型對生鮮農產品綠色物流效率空間差異的影響因素進行研究，以期縮小我國生鮮農產品綠色物流效率的空間差異，提高我國生鮮農產品整體綠色物流效率，促進物流業高質量發展。

研究方法與數據來源

(一)研究方法

1.超效率SBM模型。

超效率SBM模型相較于DEA模型，考慮了非期望產出因素的影響，可以測算評價指標中包含碳排放量的生鮮農產品綠色物流效率，同時可以解決多個效率值為1的情況。考慮非期望產出影響的超效率SBM模型計算公式如下：

其中，目標函數值ρ*為生鮮農產品綠色物流效率，x—$\stackrel{—}{?}$、yrg、ylb為松弛向量，k為被決策單元，λ為權重向量。當ρ*>1時，則代表決策單元是有效率的；當ρ*<1時，則代表決策單元效率有所欠缺，需要通過減少投入量、非期望產出或增加期望產出進行改善。

2.Dagum基尼系數及其子群分解法。

Dagum基尼系數反映了指標在各地區上的空間差異性大小，Dagum基尼系數越大，則空間差異性越大。Dagum基尼系數及其子群分解法是傳統基尼系數的升級，分解為區域內系數(Gw)、區域間系數(Gb)和超變密度系數(Gt)，即總基尼系數(G)為區域內系數(Gw)、區域間系數(Gb)以及超變密度系數(Gt)三者的和。區域內系數(Gw)可以體現各地區內部水平的差距，區域間系數(Gb)可以體現各區域之間水平的差距，超變密度系數(Gt)則可以體現各區域交叉重合現象，從而反映相對差距狀況。Dagum基尼系數彌補了其他測度地區差距的方法中無法考察數據交重疊情況的問題，從而可以更好地識別區域差距來源情況。

用以下公式表示為：

G=Gw+Gb+Gt (2)

將其進行子群分解成為如下公式：

式中，n表示總區域數量；a、b表示n個區域內的不同區域；i、j表示a或b區域內的不同省份；ma、mb分別表示a、b區域內的省份數量；yai、ybj分別表示a、b區域內省份的效率；y—$\stackrel{—}{?}$表示各省份效率的算數平均值。

3.Tobit回歸模型。

以超效率SBM模型測算得到的生鮮農產品綠色物流效率為因變量，以影響生鮮農產品綠色物流效率的因素為回歸變量，Tobit回歸模型的計算公式為：

式中，ρi表示不同省份的超效率SBM值；i表示不同的省份；Fi表示影響因素變量；βT表示回歸向量；εi為誤差項。

(二)數據來源

所有統計資料均來源于《中國統計年鑒》《中國固定資產投資統計年鑒》《中國能源統計年鑒》及全國各地方政府各年份的統計年鑒，測度我國30個省(市、自治區)(不含西藏、港澳臺地區)的生鮮農產品綠色物流效率。

效率測度及空間差異

(一)評價指標體系構建

從投入和產出兩個方面選取指標，采用交通運輸、倉儲與郵政業的數據代表物流業。由于沒有生鮮農產品物流指標單獨的統計量，引入生鮮農產品貨運量占物流總貨運量的比率，用該比率乘以各變量來近似表示生鮮農產品物流的投入與產出，其中生鮮農產品貨運量用生鮮農產品的產量表示(萬鳳嬌，2022)。

1.投入指標。

采用生鮮農產品物流固定資產投入額、生鮮農產品物流從業人數、生鮮農產品物流能源消耗量、物流網絡里程和生鮮農產品產量分別作為資產投入、勞動投入、能源投入以及基礎設施投入。根據指標選取的可獲得性原則，物流網絡里程選取鐵路與公路的總和來表示。根據《中國冷鏈物流發展報告》生鮮農產品的統計標準，采用各地區禽蛋、水產品、蔬菜、肉類、水果、茶葉、牛奶的總產量來表示生鮮農產品產量。以汽油、煤油、柴油、天然氣為主要能耗類型，按標準煤轉換系數將其轉換成萬噸標椎煤，并求和計算得到能耗。

2.產出指標。

采用碳排放量作為非期望產出，采用生鮮農產品物流總產值作為期望產出，采用貨物周轉量作為規模產出。以IPCC2006的碳排放系數為依據，進行CO2排放量的測算：

式中，Ei為第i種能源的消耗量，NCVi為第i種能源的平均低位發熱量，CEFi為碳排放系數，COFi為碳氧化因子，12為C的分子量，44為CO2的分子量。生鮮農產品綠色物流效率評價指標體系如表1所示。

(二)測度結果分析

為了分析我國各區域生鮮農產品綠色物流效率的變化趨勢，按照省級行政區劃分標準，將30個省、市、自治區劃分成3個區域，其中東部地區包括北京、天津、上海、河北、江蘇、遼寧、浙江、海南、福建、廣東、廣西和山東；中部地區包括山西、吉林、黑龍江、湖北、湖南、內蒙古、河南、安徽和江西；西部地區包括四川、重慶、云南、貴州、陜西、甘肅、寧夏、青海和新疆。全國及各區域生鮮農產品綠色物流效率如表2所示。

由表2、圖1可知，從我國整體生鮮農產品綠色物流效率來看，生鮮農產品綠色物流效率水平起伏較大，總體呈現大幅下降趨勢，大致可以分為三個階段：驟然下降階段，2011-2013年為驟然下降階段，從1.454下降到0.178，此時為最低點。原因可能是此時處于我國加入世貿組織后的物流行業創立階段，物流行業快速發展，碳排放量增加；大幅上升階段，2014-2018年我國生鮮農產品綠色物流效率大幅上升，從0.323上升至1.033。原因可能是自2014年起，我國部分產業結構性產能過剩，且外部環境問題加重，我國整體進入中速增長階段，在政府出臺各項促進物流行業發展政策的同時，在2015年10月首次提出了綠色發展理念，促進經濟與環境協調發展；再次下降階段，2019-2021年我國生鮮農產品綠色物流效率再次下降，達到0.284。原因可能是美國等發達國家開始對我國經濟進行集體壓制并改變貿易策略，加之新冠疫情的爆發導致農業、物流業發展受阻。總的來看，我國生鮮農產品綠色物流效率處于下降趨勢，均值為0.567，整體效率比較低。

從區域劃分結果來看，東部地區生鮮農產品綠色物流效率遙遙領先，其次是中部地區，西部地區的效率最低，原因可能是東部地區經濟發展水平高，綠色發展理念實施程度高，綠色技術創新程度高，中部地區各方面發展相對落后，西部地區除了這些方面發展水平相對落后外，可能與其特殊的地形特征有關。東部地區效率整體呈現上升趨勢，從2011年的0.769上升至2018年的0.977，隨后小幅下降至2021年的0.938，年均增長率為0.355%。中部地區效率整體也呈現上升趨勢，2011年的效率最低為0.210，中間起伏幅程度不大，到2020年達到最高點為0.449，隨后下降到0.408，年均增長率為2.172%。西部地區效率整體呈現下降趨勢，從2011年的0.173上升至最高點2012年的0.377，后逐漸下降到2021年的0.111，年均降幅為0.564%。

(三)空間差異及其來源

為了進一步分析我國生鮮農產品綠色物流效率的空間差異及其差異來源，運用Dagum基尼系數及其子群分解法進行分析，結果如表3所示。

結合圖2可以發現，我國生鮮農產品綠色物流效率總基尼系數在觀測樣本時間內總體差異呈現“W”型發展，且差異有縮小趨勢。總體而言，我國生鮮農產品綠色物流效率總體差異近年來得到緩解，原因可能是我國越來越重視綠色發展，各地區也將綠色發展理念貫徹落實。從區域內基尼系數來看，根據均值可以發現我國生鮮農產品綠色物流效率區域內差異大小為西部地區>東部地區>中部地區。

從區域間基尼系數來看，根據均值可以發現我國生鮮農產品綠色物流效率區域間差異從大到小排列為東-西部>東-中部>中-西部。結合圖3來看，東-中部地區之間的生鮮農產品綠色物流效率差異有縮小趨勢，而東-西部地區、中-西部地區的效率差異均有擴大趨勢。原因可能是西部地區的經濟發展速度跟不上東中部地區，導致其在物流業的發展、技術的創新、人才的培養等方面相對落后。

從差異貢獻率上看，區域內貢獻率、區域間貢獻率和超變密度貢獻率均值分別為23.19%、70.65%和6.16%。結合圖4，從三個貢獻率變化趨勢上看，區域內貢獻率和超變密度貢獻率整體都呈現“U”型變化趨勢，先下降后上升，且2021年的貢獻率低于2011年。區域間貢獻率則呈緩慢上升趨勢，2021年的貢獻率高于2011年。總而言之，區域間差異是我國生鮮農產品綠色物流效率發展不均衡的主要影響因素，且力度在逐漸擴大。

影響因素分析

(一)變量說明

生鮮農產品綠色物流效率受到多種因素的影響，不同地區的影響因素也不盡相同。為了探究我國生鮮農產品綠色物流效率發展的影響因素，總結前人研究的結果，選擇經濟發展水平(EDL)、交通基礎設施(TI)、地區產業結構(RIS)、政府支持(GS)、消費水平(CL)、環境規制(ER)、綠色技術創新(GTI)和對外開放水平(OUL)8個影響因素。有學者認為，一個地區的經濟發展水平與環境效率之間呈現倒“U”型關系，即發展前期經濟發展水平越高，環境效率越高，當經濟發展水平超過某一個值時，便會對環境效率產生負向影響(Gang D和Wendi L，2022)，選用地區人均生產總值表示；交通基礎設施作為物流系統的重要組成部分，其發展水平對物流業發展起著至關重要的作用，由于生鮮農產品綠色物流多使用公路進行運輸，因此選擇公路密度來表示；政府可以通過對交通運輸業的資金投入來干預生鮮農產品綠色物流效率，因此選取地方交通運輸支出占地方財政一般預算支出的比例來表示；綠色技術創新同時兼顧了“綠色”和“創新”，即通過創新的方式提供全新的產品工藝和服務市場，把對環境的傷害和資源的消耗降到最低，以綠色專利申請量來表示綠色技術創新水平(扎恩哈爾·杜曼，2022)；對外開放吸引外商來本地投資，可以拉動當地經濟發展，為當地生鮮農產品綠色物流發展帶來優秀的資本和技術，采用當年實際使用外商直接投資額占地區生產總值的比重來表示；環境規制是一個國家或地方政府出臺保護環境的政策手段，采用地區環境機構從業人員來表示；消費水平會影響物流業的發展，選取社會消費品零售總額的對數來表示。描述性統計如表4所示。

(二)模型設定

將超效率SBM模型測算得到的生鮮農產品綠色物流效率超過1的數據壓縮至1，右側受限點為1，因此采用Tobit模型，構建以下回歸模型：

GLEit=α0+α1EDLit+α2TIit+α3RISit+α4GSit+α5GTIit+α6OULit+α7CL+α8ER+δit (6)

式中，GLE表示生鮮農產品綠色物流效率，EDL表示經濟發展水平，TI表示交通基礎設施，RIS表示地區產業結構，GS表示政府支持，GTI表示綠色技術創新，OUL表示對外開放水平，CL表示消費水平，ER表示環境規制。α0表示常數項，α1-α8表示各變量的回歸系數。δ表示隨機擾動項，i和t分別代表省份和年份。

(三)實證分析

根據表5所示，從全國層面來看，經濟發展水平、對外開放水平和環境規制均在10%的水平上顯著，對我國生鮮農產品綠色物流效率有促進作用；綠色技術創新和消費水平在10%的水平上顯著，對生鮮農產品綠色物流效率有抑制作用；交通基礎設施、地區產業結構和政府支持沒有通過顯著性檢驗，且交通基礎設施、地區產業結構系數為正，政府支持系數為負。原因可能是我國的經濟發展整體嚴格執行了新發展理念中的“綠色”發展，處于經濟發展與環境效率正向相關的階段；對外開放吸引到本地投資的企業大多是環境保護型企業，在提高生鮮農產品物流效率的同時，沒有對環境造成不利影響或產生的污染較小；環境規制下的環境保護措施約束了生鮮農產品物流的碳排放量；我國的綠色技術在生鮮農產品綠色物流行業的創新程度不高，處于前期投入階段，抑制了生鮮農產品綠色物流的發展；居民對生鮮農產品需求量增加，生鮮農產品物流需求增加，但綠色技術創新不夠，污染加大；交通基礎設施和地區產業結構對生鮮農產品綠色物流效率有一定促進作用，政府支持對其有一定抑制作用，但在所選研究期間內并沒有對生鮮農產品綠色物流造成影響。

從地區層面來看，三個地區對生鮮農產品綠色物流產生影響的因素均有所不同。東部地區的經濟發展水平、對外開放水平和環境規制對生鮮農產品綠色物流效率有促進作用，綠色技術創新和消費水平有一定抑制作用；中部地區的經濟發展水平和環境規制對其生鮮農產品綠色物流效率產生促進作用，消費水平對其產生抑制作用；西部地區的交通基礎設施建設和環境規制對生鮮農產品綠色物流效率產生促進作用，經濟發展水平、政府支持和消費水平對其產生抑制作用。可以看出環境規制對三個地區的生鮮農產品綠色物流效率都有促進作用，消費水平則對三個地區的生鮮農產品綠色物流效率有抑制作用，原因可能是國家出臺的綠色發展理念，各地區都將其落實到位；居民對生鮮農產品的需求量增多，導致物流過程中的碳排放量增多。東中部地區經濟發展水平較高，對生鮮農產品綠色物流效率產生促進作用，西部地區經濟發展水平較低，對生鮮農產品綠色物流效率產生抑制作用。東部地區沿海，對外開放程度較高，中部地區處于內陸，西部地區對外開放程度較低，并未對生鮮農產品綠色物流效率產生影響。綠色技術創新僅在東部地區產生抑制作用，說明我國綠色技術創新主要集中在東部地區，且創新水平不高，產生的收益還未與要素成本的投入相抵消。西部地區有著地廣人稀的地理特征，道路建設可以有效促進生鮮農產品物流的發展，而政府對交通方面的投資還不夠支持物流業的發展。

政策建議

第一，協調各地區發展，提高我國生鮮農產品綠色物流整體效率。各地區政府根據當地具體情況及影響因素，制定適合當地提高生鮮農產品綠色物流效率的政策；第二，對發展較弱的地區加強政策幫扶力度。西部地區經濟發展水平較低、基礎設施較差，政府可以制定幫扶政策，對落后地區進行重點管理；第三，加強綠色技術創新的投入。我國目前綠色技術創新水平較低，且集中在東部地區，應加強在綠色技術創新領域人力、物力、財力的投入，使其發揮空間溢出效應。