近年来，关于生鲜农产品物流的研究，主要集中在冷链物流的发展方面。生鲜农产品从采摘到送达消费者手中都离不开冷链物流的应用，有学者认为我国生鲜农产品冷链物流最主要的薄弱点出现在进行冷链运输前的产地保存，可以通过建立冷库等方式进行解决(
超效率SBM模型相较于DEA模型，考虑了非期望产出因素的影响，可以测算评价指标中包含碳排放量的生鲜农产品绿色物流效率，同时可以解决多个效率值为1的情况。考虑非期望产出影响的超效率SBM模型计算公式如下：
其中，目标函数值ρ*为生鲜农产品绿色物流效率，
Dagum基尼系数反映了指标在各地区上的空间差异性大小，Dagum基尼系数越大，则空间差异性越大。Dagum基尼系数及其子群分解法是传统基尼系数的升级，分解为区域内系数(Gw)、区域间系数(Gb)和超变密度系数(Gt)，即总基尼系数(G)为区域内系数(Gw)、区域间系数(Gb)以及超变密度系数(Gt)三者的和。区域内系数(Gw)可以体现各地区内部水平的差距，区域间系数(Gb)可以体现各区域之间水平的差距，超变密度系数(Gt)则可以体现各区域交叉重合现象，从而反映相对差距状况。Dagum基尼系数弥补了其他测度地区差距的方法中无法考察数据交重叠情况的问题，从而可以更好地识别区域差距来源情况。
用以下公式表示为：
G=Gw+Gb+Gt (2)
将其进行子群分解成为如下公式：
式中，n表示总区域数量；a、b表示n个区域内的不同区域；i、j表示a或b区域内的不同省份；ma、mb分别表示a、b区域内的省份数量；yai、ybj分别表示a、b区域内省份的效率；
以超效率SBM模型测算得到的生鲜农产品绿色物流效率为因变量，以影响生鲜农产品绿色物流效率的因素为回归变量，Tobit回归模型的计算公式为：
式中，ρi表示不同省份的超效率SBM值；i表示不同的省份；Fi表示影响因素变量；βT表示回归向量；εi为误差项。
所有统计资料均来源于《中国统计年鉴》《中国固定资产投资统计年鉴》《中国能源统计年鉴》及全国各地方政府各年份的统计年鉴，测度我国30个省(市、自治区)(不含西藏、港澳台地区)的生鲜农产品绿色物流效率。
从投入和产出两个方面选取指标，采用交通运输、仓储与邮政业的数据代表物流业。由于没有生鲜农产品物流指标单独的统计量，引入生鲜农产品货运量占物流总货运量的比率，用该比率乘以各变量来近似表示生鲜农产品物流的投入与产出，其中生鲜农产品货运量用生鲜农产品的产量表示(
采用生鲜农产品物流固定资产投入额、生鲜农产品物流从业人数、生鲜农产品物流能源消耗量、物流网络里程和生鲜农产品产量分别作为资产投入、劳动投入、能源投入以及基础设施投入。根据指标选取的可获得性原则，物流网络里程选取铁路与公路的总和来表示。根据《中国冷链物流发展报告》生鲜农产品的统计标准，采用各地区禽蛋、水产品、蔬菜、肉类、水果、茶叶、牛奶的总产量来表示生鲜农产品产量。以汽油、煤油、柴油、天然气为主要能耗类型，按标准煤转换系数将其转换成万吨标椎煤，并求和计算得到能耗。
采用碳排放量作为非期望产出，采用生鲜农产品物流总产值作为期望产出，采用货物周转量作为规模产出。以IPCC2006的碳排放系数为依据，进行CO2排放量的测算：
式中，Ei为第i种能源的消耗量，NCVi为第i种能源的平均低位发热量，CEFi为碳排放系数，COFi为碳氧化因子，12为C的分子量，44为CO2的分子量。生鲜农产品绿色物流效率评价指标体系如表1所示。
为了分析我国各区域生鲜农产品绿色物流效率的变化趋势，按照省级行政区划分标准，将30个省、市、自治区划分成3个区域，其中东部地区包括北京、天津、上海、河北、江苏、辽宁、浙江、海南、福建、广东、广西和山东；中部地区包括山西、吉林、黑龙江、湖北、湖南、内蒙古、河南、安徽和江西；西部地区包括四川、重庆、云南、贵州、陕西、甘肃、宁夏、青海和新疆。全国及各区域生鲜农产品绿色物流效率如表2所示。
由表2、图1可知，从我国整体生鲜农产品绿色物流效率来看，生鲜农产品绿色物流效率水平起伏较大，总体呈现大幅下降趋势，大致可以分为三个阶段：骤然下降阶段，2011-2013年为骤然下降阶段，从1.454下降到0.178，此时为最低点。原因可能是此时处于我国加入世贸组织后的物流行业创立阶段，物流行业快速发展，碳排放量增加；大幅上升阶段，2014-2018年我国生鲜农产品绿色物流效率大幅上升，从0.323上升至1.033。原因可能是自2014年起，我国部分产业结构性产能过剩，且外部环境问题加重，我国整体进入中速增长阶段，在政府出台各项促进物流行业发展政策的同时，在2015年10月首次提出了绿色发展理念，促进经济与环境协调发展；再次下降阶段，2019-2021年我国生鲜农产品绿色物流效率再次下降，达到0.284。原因可能是美国等发达国家开始对我国经济进行集体压制并改变贸易策略，加之新冠疫情的爆发导致农业、物流业发展受阻。总的来看，我国生鲜农产品绿色物流效率处于下降趋势，均值为0.567，整体效率比较低。
从区域划分结果来看，东部地区生鲜农产品绿色物流效率遥遥领先，其次是中部地区，西部地区的效率最低，原因可能是东部地区经济发展水平高，绿色发展理念实施程度高，绿色技术创新程度高，中部地区各方面发展相对落后，西部地区除了这些方面发展水平相对落后外，可能与其特殊的地形特征有关。东部地区效率整体呈现上升趋势，从2011年的0.769上升至2018年的0.977，随后小幅下降至2021年的0.938，年均增长率为0.355%。中部地区效率整体也呈现上升趋势，2011年的效率最低为0.210，中间起伏幅程度不大，到2020年达到最高点为0.449，随后下降到0.408，年均增长率为2.172%。西部地区效率整体呈现下降趋势，从2011年的0.173上升至最高点2012年的0.377，后逐渐下降到2021年的0.111，年均降幅为0.564%。
为了进一步分析我国生鲜农产品绿色物流效率的空间差异及其差异来源，运用Dagum基尼系数及其子群分解法进行分析，结果如表3所示。
结合图2可以发现，我国生鲜农产品绿色物流效率总基尼系数在观测样本时间内总体差异呈现“W”型发展，且差异有缩小趋势。总体而言，我国生鲜农产品绿色物流效率总体差异近年来得到缓解，原因可能是我国越来越重视绿色发展，各地区也将绿色发展理念贯彻落实。从区域内基尼系数来看，根据均值可以发现我国生鲜农产品绿色物流效率区域内差异大小为西部地区>东部地区>中部地区。
从区域间基尼系数来看，根据均值可以发现我国生鲜农产品绿色物流效率区域间差异从大到小排列为东-西部>东-中部>中-西部。结合图3来看，东-中部地区之间的生鲜农产品绿色物流效率差异有缩小趋势，而东-西部地区、中-西部地区的效率差异均有扩大趋势。原因可能是西部地区的经济发展速度跟不上东中部地区，导致其在物流业的发展、技术的创新、人才的培养等方面相对落后。
从差异贡献率上看，区域内贡献率、区域间贡献率和超变密度贡献率均值分别为23.19%、70.65%和6.16%。结合图4，从三个贡献率变化趋势上看，区域内贡献率和超变密度贡献率整体都呈现“U”型变化趋势，先下降后上升，且2021年的贡献率低于2011年。区域间贡献率则呈缓慢上升趋势，2021年的贡献率高于2011年。总而言之，区域间差异是我国生鲜农产品绿色物流效率发展不均衡的主要影响因素，且力度在逐渐扩大。
生鲜农产品绿色物流效率受到多种因素的影响，不同地区的影响因素也不尽相同。为了探究我国生鲜农产品绿色物流效率发展的影响因素，总结前人研究的结果，选择经济发展水平(EDL)、交通基础设施(TI)、地区产业结构(RIS)、政府支持(GS)、消费水平(CL)、环境规制(ER)、绿色技术创新(GTI)和对外开放水平(OUL)8个影响因素。有学者认为，一个地区的经济发展水平与环境效率之间呈现倒“U”型关系，即发展前期经济发展水平越高，环境效率越高，当经济发展水平超过某一个值时，便会对环境效率产生负向影响(Gang D和Wendi L，2022)，选用地区人均生产总值表示；交通基础设施作为物流系统的重要组成部分，其发展水平对物流业发展起着至关重要的作用，由于生鲜农产品绿色物流多使用公路进行运输，因此选择公路密度来表示；政府可以通过对交通运输业的资金投入来干预生鲜农产品绿色物流效率，因此选取地方交通运输支出占地方财政一般预算支出的比例来表示；绿色技术创新同时兼顾了“绿色”和“创新”，即通过创新的方式提供全新的产品工艺和服务市场，把对环境的伤害和资源的消耗降到最低，以绿色专利申请量来表示绿色技术创新水平(扎恩哈尔·杜曼，2022)；对外开放吸引外商来本地投资，可以拉动当地经济发展，为当地生鲜农产品绿色物流发展带来优秀的资本和技术，采用当年实际使用外商直接投资额占地区生产总值的比重来表示；环境规制是一个国家或地方政府出台保护环境的政策手段，采用地区环境机构从业人员来表示；消费水平会影响物流业的发展，选取社会消费品零售总额的对数来表示。描述性统计如表4所示。
将超效率SBM模型测算得到的生鲜农产品绿色物流效率超过1的数据压缩至1，右侧受限点为1，因此采用Tobit模型，构建以下回归模型：
GLEit=α0+α1EDLit+α2TIit+α3RISit+α4GSit+α5GTIit+α6OULit+α7CL+α8ER+δit (6)
式中，GLE表示生鲜农产品绿色物流效率，EDL表示经济发展水平，TI表示交通基础设施，RIS表示地区产业结构，GS表示政府支持，GTI表示绿色技术创新，OUL表示对外开放水平，CL表示消费水平，ER表示环境规制。α0表示常数项，α1-α8表示各变量的回归系数。δ表示随机扰动项，i和t分别代表省份和年份。
根据表5所示，从全国层面来看，经济发展水平、对外开放水平和环境规制均在10%的水平上显著，对我国生鲜农产品绿色物流效率有促进作用；绿色技术创新和消费水平在10%的水平上显著，对生鲜农产品绿色物流效率有抑制作用；交通基础设施、地区产业结构和政府支持没有通过显著性检验，且交通基础设施、地区产业结构系数为正，政府支持系数为负。原因可能是我国的经济发展整体严格执行了新发展理念中的“绿色”发展，处于经济发展与环境效率正向相关的阶段；对外开放吸引到本地投资的企业大多是环境保护型企业，在提高生鲜农产品物流效率的同时，没有对环境造成不利影响或产生的污染较小；环境规制下的环境保护措施约束了生鲜农产品物流的碳排放量；我国的绿色技术在生鲜农产品绿色物流行业的创新程度不高，处于前期投入阶段，抑制了生鲜农产品绿色物流的发展；居民对生鲜农产品需求量增加，生鲜农产品物流需求增加，但绿色技术创新不够，污染加大；交通基础设施和地区产业结构对生鲜农产品绿色物流效率有一定促进作用，政府支持对其有一定抑制作用，但在所选研究期间内并没有对生鲜农产品绿色物流造成影响。
从地区层面来看，三个地区对生鲜农产品绿色物流产生影响的因素均有所不同。东部地区的经济发展水平、对外开放水平和环境规制对生鲜农产品绿色物流效率有促进作用，绿色技术创新和消费水平有一定抑制作用；中部地区的经济发展水平和环境规制对其生鲜农产品绿色物流效率产生促进作用，消费水平对其产生抑制作用；西部地区的交通基础设施建设和环境规制对生鲜农产品绿色物流效率产生促进作用，经济发展水平、政府支持和消费水平对其产生抑制作用。可以看出环境规制对三个地区的生鲜农产品绿色物流效率都有促进作用，消费水平则对三个地区的生鲜农产品绿色物流效率有抑制作用，原因可能是国家出台的绿色发展理念，各地区都将其落实到位；居民对生鲜农产品的需求量增多，导致物流过程中的碳排放量增多。东中部地区经济发展水平较高，对生鲜农产品绿色物流效率产生促进作用，西部地区经济发展水平较低，对生鲜农产品绿色物流效率产生抑制作用。东部地区沿海，对外开放程度较高，中部地区处于内陆，西部地区对外开放程度较低，并未对生鲜农产品绿色物流效率产生影响。绿色技术创新仅在东部地区产生抑制作用，说明我国绿色技术创新主要集中在东部地区，且创新水平不高，产生的收益还未与要素成本的投入相抵消。西部地区有着地广人稀的地理特征，道路建设可以有效促进生鲜农产品物流的发展，而政府对交通方面的投资还不够支持物流业的发展。
注：*、**、***分别表示通过10%、5%和1%水平的显著性检验，括号内为t值。
第一，协调各地区发展，提高我国生鲜农产品绿色物流整体效率。各地区政府根据当地具体情况及影响因素，制定适合当地提高生鲜农产品绿色物流效率的政策；第二，对发展较弱的地区加强政策帮扶力度。西部地区经济发展水平较低、基础设施较差，政府可以制定帮扶政策，对落后地区进行重点管理；第三，加强绿色技术创新的投入。我国目前绿色技术创新水平较低，且集中在东部地区，应加强在绿色技术创新领域人力、物力、财力的投入，使其发挥空间溢出效应。
沪公网安备 31011202008041号
