温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,汇文网负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
网站客服:3074922707
经济
视角
我国
北部
区域
基于
SBM
ML
模型
李胜
2023 年 3 月下南方论坛39South Forum低碳经济视角下我国北部区域农产品电商物流效率测度基于 SBM-ML 模型李胜1,张思雨2,于世强2,冯志威3(1.中国农业科学院财务局,北京 100081;2.哈尔滨商业大学管理学院,黑龙江 哈尔滨 150028;3.哈尔滨商业大学会计学院,黑龙江 哈尔滨 150028)摘要:随着电子商务在农村的普及,加之我国农业大国的基本国情,农产品物流产业成为基础产业之一。面对世界资源日趋紧张的局面,结合碳排放对我国农产品电商物流效率进行评价,对物流业的可持续发展具有重大意义。本研究运用含有非期望产出的SBM模型对我国北部16个省区市20162020年的农产品电商物流效率进行了静态测度,并采用Malmquist指数模型对20182019年全要素生产率下降的原因进行了动态分析。研究结果表明:我国北部区域农产品电商物流效率总体水平较低,地区差异性较大。鉴于分析结果,提出了发展低碳物流、紧抓技术发展、提高农产品电商物流效率等发展措施,并建议重点在不同省份之间进行经验借鉴,相互学习,共同促进我国绿色物流的发展。关键词:碳排放;北部区域;农产品;电商物流;SBM-ML模型中图分类号:H319.3 文献标志码:A DOI:10.3969/j.issn.1672-3872.2023.06.0110 引言物流业作为支撑国民经济发展的基础产业,不仅保障了群众的基础生活,同时也促进了产业链供应链的稳定发展。物流效率是物流业发展水平的重要体现,对于物流效率的测度方面,国内多数学者采用DEA或Tobit模型,或将两者结合进行研究。张竟轶等1借鉴三阶段DEA评价模型,选取我国31个省区市20102014年物流业中的交通运输、仓储和邮政业作为指标,对我国目前总体物流水平进行评价研究。王东方等2通过DEA模型,对我国产业效率的空间差异及成因进行分析,研究发现国内物流业技术效率低下且不同地区间物流效率差异大。张娜等3基于三阶段 DEA 模型对西部地区 20112014年的物流产业效率进行测度,研究发现,西部地区物流产业整体效率较低,资源没有得到合理配置。陶婷婷4利用Tobit回归模型分析产业集聚对物流业效率的影响,结果表明专业化集聚对产业效率产生正向影响,多样化集聚则表现为U型非线性关系。徐良培和李淑华5利用SFA方法对我国农产品物流技术效率进行了测算,研究了环境因素对农产品物流技术效率的影响。从上述学者的研究中不难看出:1)多数文献是对全国区域或是经济较为发达区域进行效率测度,缺乏对我国北部省份近5年的研究。2)采用DEA原始方法的学者较多,多数学者没有采用含有非期望产出的SBM模型进行测度。3)鲜少文献能综合农产品物流和电子商务进行探讨。基于上述原因,本文以我国北方省份的物流产业为例,结合前人研究成果和电商特征选取更加完善的评价指标构建SBM模型,对我国北部区域省份农产品电商物流效率进行测度,同时依据测量结果,利用ML模型进行动态分析,进而提出相关建议。1 研究方法及指标构建、选取1.1 基于“三非”非期望产出、非径向、非角度的SBM-DEA模型SBM-DEA模型中有L个决策单元(DMU),每个DMU有H项投出,M1项期望产出,M2项非期望产出。显然,投入向量集:x=X1,X2,X3,.,XLR+LH;期望产出向量集:Yg=Y1g,Y2g,Y3g,.,YLgR+LM1;非期望产出向量集:Yb=Y1b,Y2b,Y3b,.,YLbR+LM2。在环境约束下该模型可以表示为:Q=(x,Y1,Yk)|x x,Y1Y1,Yk=Yk,Li=1=1,0(1)式中,等式表示期望产出与非期望产出的联合弱可处置性和零结合性,不等式表示投入与期望产出的强可处置性,表示横截面观察值的非负权重。鉴于含有非期望产出,对于某一DMU0(X0,Y01,Y0k)的效率测度的SBM模型可构建如下:作者简介:李胜(1991),男,北京人,本科,助理研究员,研究方向为财政专项管理、预算绩效管理。南方论坛402023 年 3 月下South Forum*=1f f i=11-e-ixi01+1z1+z2 z1 r=1egrYgr0+z2 r=1ebrYbr0()(2)s.t.x0=X+e-Yg0=Yg-egYb0=Yb+ebe-0,eg0,eb0,0式中,f为DMU0中包含的投入指标数量,z1、z2分别表示期望产出数和非期望产出数。e-、eg、eb分别表示 DMU0的投入变量、产出变量和非期望产出的松弛变量。X、Yg、Yb分别表示投入、产出和非期望产出矩阵,表示权重向量。*的分子与分母分别表示产出无效率和投入无效率,函数*是关于松弛变量e-、eg、eb的严格单调递减函数。对于特定的决策单元而言,当且仅当e-、eg、eb三者为0时,*=1,即决策单元有效;当 0*1 时,决策单元非有效,存在改进的空间6。1.2 Malmquist指数模型由于各决策单元的生产技术、规模存在时间序列上的变化,若将不同时间段的决策单元置于统一生产前沿面进行效率评价和对比,就无法得到生产技术变化、生产规模变化对决策单元效率变化的贡献度7。于是,本研究在SBM模型上,利用熊巍等8对Malmquist的研究,将Malmquist指数分解为技术效率和技术进步的变化,具体分解如下:Malmquist指数(TFP)=纯技术效率变化指数(PEC)规模效率指数(SEC)技术进步变化指数(TC)(3)2 指标选取与数据来源、处理遵循指标选取的客观性和相关性原则,加之统计年鉴中并没有物流这个产业的分类,考虑到物流业80%以上的产值均来自交通运输、仓储和邮政业,所以本研究将交通运输、仓储和邮政业等同于物流业9。本研究选取我国北部16个省区市20162020年年末交通运输、仓储和邮政业的相关指标,综合反映低碳经济下区域农产品电商物流的建设水平。如表1所示,结合前人文献,主要从基础设施、信息技术和能源消耗三个层面确定投入变量。1)农村投递路线。农村投递路线反映了区域物流业在农产品物流建设上的投入。投递路线越长,代表区域向当地农产品物流建设方面输入的人力、物力和财力就越多,促进区域农村与各省份的物流发展。2)区域农产品电子商务销售额和区域农产品邮电业务总量。物流产业作为经济发展的必然产物,也充分分享了现代信息技术突破性发展带来的前所未有的活力,电子商务、邮电业务与信息技术的发展紧密相关10。首先,由于不存在区域在电子商务上投入的直接指标,故采用电子商务销售额来间接反映。电子商务销售额和邮电业务总量都能有效反映区域物流业在信息技术方面的投入规模。其次,由于测度对象是区域农产品,加之统计年鉴中只显示区域变量数值,故用区域农业总产值占地区GDP总产值的比重来估测区域农产品电子商务销售额和邮电业务总量。3)区域农产品载货汽车拥有量。考虑到农产品物流以公路运输为主,选取区域农产品载货汽车拥有量(剔除非运营状态)作为能源消耗的主要载体,有效反映了区域农产品电商物流的能源投入量。同理,采用区域农业总产值占地区GDP总产值的比重来估测区域农产品载货汽车拥有量。表1我国北部农产品电商物流效率指标选取指标类别决策层面变量名称变量符号单位投入变量基础设施农村投递路线I1km信息技术区域农产品电子商务销售额I2亿元区域农产品邮电业务总量I3万元能源消耗区域农产品载货汽车拥有量I4辆产出变量期望产出区域农产品货物周转量O1万tkm区域农产品快递业务收入O2万元非期望产出 区域农产品碳排放量O3kg期望产出指标的选取:主要选取两类指标代表区域农产品电商物流的经营情况。主要包括:1)区域农产品货物周转量。选择20162020年16个省区市公路的货物周转量,再用区域农业总产值除以地区GDP总产值来估测区域农产品货物周转量可以直观地代表各省区市农产品电商物流的营运成果。2)区域农产品快递业务收入。该指标非常直观地表示了区域农业物流业带来的增收,也能代表经营状况,计算方法同上。非期望产出指标的选取:区域农产品碳排放量。2023 年 3 月下南方论坛41South Forum将区域农产品碳排放量纳入产出指标体系,有效反映了区域农产品电商物流能源消耗对环境的影响。先通过计算各省区市各自的货运总量占全国货运总量的比重,再乘以全国能源消耗总量得到各省区市的能源消耗量(换算为万吨标准煤),再乘以碳排放系数将区域碳排放量计算出来,最后利用区域农业总产值占地区GDP总产值的比重来估测区域农产品碳排放量。各变量数据均来源于20172021年度 中国统计年鉴、各省区市统计年鉴及统计公报。数据处理方面,纵观国内多数论文,大部分论文在处理数据时进行离差标准化,是为了避免数据指标量纲不同。本文综合考虑国内多数论文的数据处理方式,采用归一化对数据进行标准化,具体标准化公式如下:ai=a0i-mina0i jmaxa0i j-mina0i j (4)3 区域的划分本研究以省区市为单位进行效率测度,为了方便研究,同时参照地理位置的划分,进一步将新疆、西藏、青海、甘肃、陕西划分为西部地区,将内蒙古、宁夏、山西、河南、河北划分为中部地区,将黑龙江、吉林、辽宁、北京、天津、山东划分为东部地区。4 物流综合效率的分析通过SBM模型,将碳排放量定义为非期望产出,借助MATLAB(2021b)软件得到20162020年我国北部16个省区市农产品电商物流总体效率,详情如表2所示。对于特定的评价单元,测度值为1是最高值,即表示生产单位完全有效;若测度值小于1,说明存在效率损失。由表2可知,在低碳经济引领下,我国北部16个省区市20162020年农产品电商物流效率均值为0.742,西部地区均值为0.587、中部地区均值为0.793、东部地区均值为0.845。可见,我国北部16个省区市农产品电商物流效率总体水平较低,且西部地区远低于中部和东部地区。从个体上分析,宁夏、河北、黑龙江、北京和天津五个地区的物流总体效率始终为1,可知上述地区的物流投入、产出均达到有效状态且比较稳定,即始终处于效率前沿顶端。西藏、内蒙古、吉林、陕西和河南五省份的农产品电商物流效率多数年份为1且各自物流效率均值较高,说明该五省份农产品电商物流发展水平相对较高。新疆、辽宁和山东三省份各自物流效率均值均介于0.50.7之间,说明该三省份农产品电商物流发展水平相对中等。青海、甘肃和山西三省份各自的物流效率均值均小于0.5,与总体农产品电商物流效率均值差距较大,说明上述三省份的资源没有得到合理配置。其次,同一个省份在不同年份之间的物流效率也会产生波动,如青海、陕西等省份的表220162020年我国北部16个省区市农产品电商物流总体效率2016年2017年2018年2019年2020年平均新疆0.790 1.000 1.000 0.371 0.305 0.693 西藏0.500 1.000 1.000 0.192 1.000 0.738 青海1.000 0.273 0.267 0.165 0.167 0.374 甘肃0.457 0.391 0.354 0.334 0.457 0.399 陕西1.000 1.000 0.557 0.568 0.540 0.733 西部地区西部地区0.749 0.733 0.636 0.326 0.494 0.587 内蒙古1.000 1.000 1.000 0.324 0.333 0.731 宁夏1.000 1.000 1.000 1.000 1.000 1.000 山西0.427 0.408 0.312 0.436 0.506 0.418 河南0.694 0.693 1.000 0.691 1.000 0.816 河北1.000 1.000 1.000 1.000 1.000 1.000 中部地区中部地区0.824 0.820 0.862 0.690 0.768 0.793 黑龙江1.000 1.000 1.000 1.000 1.000 1.000 吉林0.756 1.000 1.000 1.000 1.000 0.951 辽宁0.585 0.585 0.574 0.556