薛陽　段淏文　馮銀虎

關鍵詞：物流效率；山東??；Malmquist指數模型；組態(tài)路徑

中圖分類號：F251 文獻標識碼：A 文章編號：2096-7934（2024）04-0053-10

一、引言

物流業(yè)作為聯系生產與消費的紐帶，在促進產業(yè)結構升級、擴大就業(yè)、實現經濟高質量發(fā)展等方面起到了至關重要的作用。加快物流業(yè)發(fā)展，促進物流業(yè)降本增效，對提升國民經濟整體運行效率，推動我國經濟實現高質量轉型發(fā)展具有重要意義。山東擁有青島、日照、煙臺3個超3億噸的大港，2022年人均國民生產總值達到85973元，人口密度達到677人/平方公里，是我國重要的經濟活躍區(qū)和人口密集區(qū)，具備實現物流業(yè)大發(fā)展、大繁榮的基礎條件。然而，山東物流業(yè)發(fā)展仍面臨著單位產值能耗水平偏高、應對市場風險能力不足以及產業(yè)鏈供應鏈安全保障能力不強等挑戰(zhàn)，亟需以低碳化為突破口，加快提升物流業(yè)效率，奮力推動山東物流業(yè)智慧化、信息化水平不斷攀升，持續(xù)引領山東經濟社會發(fā)展在高質量跨越中行穩(wěn)致遠，不斷向更高水平邁進。

近年來，國內外諸多學者圍繞低碳物流效率和區(qū)域物流等方面形成了較為豐富研究成果。低碳物流效率方面：浦田友之（Tomoyuki Urata）［1］研究全球供應鏈網絡中成本和成本控制對碳排放的影響；張云鳳等［2］分析低碳約束等外部環(huán)境變量對物流效率的影響；劉聰等［3］從經濟視角分析了低碳物流與區(qū)域經濟的關系；高輝［4］從文化視角提出促進低碳物流發(fā)展的文化手段；李金鎧［5］從動態(tài)和靜態(tài)兩個視角來測度2000-2017年中國八大綜合經濟區(qū)的能源碳排放效率；區(qū)域物流方面：楊傳明等［6］分別從靜態(tài)和動態(tài)角度對江蘇省物流產業(yè)的運作效率展開測量；于麗靜等［7］發(fā)現山東省各地市的物流發(fā)展存在不平衡現象，且東西部物流發(fā)展水平差距較大；汪欣［8］基于長三角及中部地區(qū)8省1市探究區(qū)域物流低碳發(fā)展能力及推進策略；梁子婧等［9］分析了江蘇省物流生產率成長空間差異，探究江蘇省物流高質量發(fā)展新格局；李慧［10］等研究絲綢之路9個省的物流碳排放效率。

縱觀現有文獻，關于物流效率的文章主要存在以下兩點不足：①在研究對象選取方面，大多數文章選擇某一特定區(qū)域作為物流效率的研究對象，但對區(qū)域內部組成單元之間物流效率的差異性、提升路徑與機制分析重視不足。②在解決問題方面，多數文章采用還原論方法討論效率較低的表象，而這將難以從整體論框架下揭示其中的根本癥結所在。

基于上述討論，較之于現有研究，本文的創(chuàng)新點為：①投入產出指標方面，不僅結合了傳統(tǒng)指標體系下的物流投入產出指標，而且將物流碳消耗指標納入到投入指標體系中來，擴展了雙碳目標下對于物流業(yè)實現碳減排的作用機制研究。②在研究對象選取方面，選取一個省份作為研究對象，因地制宜匹配出適合省域內部不同類型城市物流業(yè)效率提升的路徑并解釋了相應的實現機制，克服了以往研究省域視角下物流效率問題過程中，對區(qū)域內部不同城市考察重視不足的弊端，有利于各地提升物流效率的政策制定更加精準、高效。③解決問題方面，從整體論出發(fā)，基于組態(tài)視角，遵循效率測算分析與優(yōu)化路徑相結合分析范式。將影響物流效率的因素從單一條件轉向聯動分析的組態(tài)視角，揭示了各前置條件和區(qū)域物流效率之間存在的多元互動關系，較好地避免了傳統(tǒng)二元分析的單一性。避免了以往還原論方法下簡單分割造成物流效率研究過程中，信息損耗過大而導致失真的問題。

二、方法與模型

（一）DEA模型

目前進行效率評價的方法主要有參數分析法和非參數分析法兩種。DEA模型作為主要的非參數分析法，相比于參數分析法，避免了提前設置權重，最大程度上消除了主觀因素的影響，且DEA模型具有對多個投入、多個產出的決策單元之間的相對有效性進行分析的特性，對于物流效率的研究具有較高的適配性，并參考馬文斌［11］、顧江寒［12］等學者對于效率的研究，本文選用DEA模型，具體計算式如下。

式（1）中：ε為非阿基米德無窮小量；e表示所有元素均為1的行向量；i=1，2，…，n，表示待評估決策單元；λi表示第i個單元所占權重系數；Xi表示第i個決策單元的投入向量；Yi表示第i個決策單元的產出向量；Xi0表示實際投入值；Yi0表示實際產出值；S-為產出松弛變量；S+為投入松弛變量；θ為第i個決策單元的效率值。當θ=1，S+=0，S-=0時，表示決策單元DEA有效；當θ＜1時，表示決策單元DEA無效。

（二）DEA-Malmquist指數模型

考慮到DEA模型雖然能夠判斷效率是否有效，但是無法得出已達到有效的城市物流效率值，并且只能對城市的效率值進行靜態(tài)分析，無法確定效率值動態(tài)變化情況。而DEA-Malmquist模型不但能夠清晰地得出不同城市物流效率的變動情況，而且還能通過對具體效率的分解，得出效率變化的原因，基于上述原因，并參考申晨［13］、宗曉華［14］等學者的研究，本文運用DEA模型和DEA-Malmquist指數模型相結合的方法全面測度山東省16地市物流效率的變化情況，具體計算式如下。

式（2）中：t表示時期；Xt表示第t期的投入向量；Xt+1表示第t+1期的投入向量；Yt表示第t期的產出向量；Yt+1表示第t+1期的產出向量；Dt和Dt+1分別表示第t期和第t+1期決策單元實際生產點與物流效率前沿面的距離函數值。若m0＞1，表示決策單元的物流效率正在提高；若m0＜1，表示決策單元的物流效率正在降低。

（三）定性比較分析（以下簡稱“QCA”）

采用QCA方法探討物流效率的因果組態(tài)路徑機制，其原因在于：第一，物流效率這一研究對象是一個典型的“多因素、復雜性、動態(tài)性”系統(tǒng)問題，存在著多種因素組合的多重并發(fā)因果關系，而以往傳統(tǒng)的回歸分析聚焦于單個變量的凈效應及相關性，對于多變量間相互依賴及其構成的組態(tài)路徑解釋較為困難。相對比之下，QCA則假定因果關系是非對稱的，其方法核心注重于挖掘導致結果的原因路徑組合，更有助于分析復雜機理下不同城市物流效率的差異化驅動路徑［15］。第二，物流效率是一個復雜的多情況下的過程，受限于傳統(tǒng)計量方法，以往研究大多數只能得出因果變量的二元關系，難以得出不同指標組合下的具體成功案例，QCA則在傳統(tǒng)計量方法基礎上，通過QCA方法采用案例結果導向，通過給出案例的具體信息，實現與具體實證信息的觀察對照［16］。通過比較不同案例出現的場景，擴展具體案例下路徑的解釋寬度與廣度，增加文章研究結論的可靠性。這不僅可以揭示多元因素下物流效率提升的“殊途同歸”效應，同時可以深入探究某一地區(qū)物流效率提升的多樣化經驗，歸納可推廣的區(qū)域發(fā)展策略。

（四）指標及變量選取

1.DEA評價體系構建

結合現有研究，根據山東省物流業(yè)發(fā)展特點，本文從人、財、物三方面構建物流投入指標體系：在人力投入方面，參照秦雯［17］等學者的做法，采用物流從業(yè)人員數來表示；在政策支持方面，參照龔雪［18］、汪文生［19］等學者的研究，采用交通運輸財政支出占總財政支出比重來表示；在物力投入方面，參照潘立軍［20］等的研究，采用總貨運量和貨運周轉率來表示，同時從低碳視角出發(fā)，將物流業(yè)碳消耗加入投入指標中。產出指標方面：從經濟效益和社會效益兩個角度出發(fā)選取產出指標，選取總貨運量和貨物周轉量兩個指標衡量物流業(yè)社會效益，選取物流行業(yè)增加值衡量物流業(yè)經濟效益。具體投入產出指標體系如表1所示。

表1 低碳視角下物流投入產出指標體系

2.QCA變量選取

參考孫嘉?。?1］和吳灼亮［22］等學者的研究及對山東省物流發(fā)展現狀進行綜合分析，選取物流業(yè)固定資產投資、經濟發(fā)展水平、物流產業(yè)集聚水平等7個指標作為QCA分析的條件變量，DEA-Malmquist效率測度結果作為QCA分析的結果變量。條件變量具體選擇解釋如下。

保證物流運輸的暢通需要建設復雜交錯且高效的“陸、水、空”立體交互網絡。隨著現代物流業(yè)轉型升級，各種新式的物流倉儲設備、運輸設備、包裝設備、裝卸搬運設備競相涌現，因此物流業(yè)固定資產投資也是影響物流效率的關鍵因素。經濟越發(fā)達的地區(qū)，會使得包括生產和消費在內的一系列物流關鍵環(huán)節(jié)活躍度越高，物流各環(huán)節(jié)會產生外溢效應，帶動物流在管理和技術裝備等方面的創(chuàng)新，因此經濟發(fā)展水平成為影響區(qū)域物流效率的關鍵因素。借鑒馬歇爾外部性理論，產業(yè)集聚會產生正向規(guī)模效應，帶動物流企業(yè)間的溝通與合作，促進該區(qū)域內部物流業(yè)協(xié)同發(fā)展，從而提升物流效率。數字經濟時代，較高的信息化水平可以對物流產供銷全過程中進行可視化表達、數字化顯示和信息化管理，將信息化貫穿于物流生產、加工、流通、銷售的全過程，利用信息化賦能物流產業(yè)，能夠在數字生產、物流技術創(chuàng)新等多方面實現物流效率的提升。隨著以現代服務業(yè)為重要內容的第三產業(yè)所占比重逐漸增加，帶動了一大批物流增值服務，在此基礎上對于物流各環(huán)節(jié)提出了更高的要求。如作業(yè)條件更便利、服務范圍更廣、反應速度更快等要求，從而帶動了物流效率的提升。市場化水平可以提高各行業(yè)的資源配置效率，增加區(qū)域內市場主體的活躍程度，因此，也成為影響物流效率的關鍵因素。人均可支配收入能夠直接影響居民的消費水平，對物流業(yè)的升級起到了不容忽視的作用，也會影響物流效率的提升。QCA具體指標體系及解釋如表2所示。

表2 QCA變量指標體系

（五）數據來源與數據處理

1.數據來源

本文所用數據主要來自2017年至2021年間《山東省統(tǒng)計年鑒》。鑒于《國民經濟行業(yè)分類與代碼》中沒有將物流產業(yè)納入其中，而目前也缺少完善的數據統(tǒng)計體系，參考曹文彬［23］以及張立國［24］的做法，以交通運輸、倉儲和郵政業(yè)的統(tǒng)計數據來代替物流業(yè)進行實證分析。

2.碳消耗測算方法

借鑒劉承良［25］和周葉［26］等人的研究，采用各種運輸方式的能源消耗系數、碳排放系數和貨運周轉數據轉化碳消耗量，計算碳消耗量。物流業(yè)產生的碳消耗量計算公式如下。

其中，Ei代表第i種運輸方式（公路、鐵路、航空和水路）的碳排放量，單位是萬噸；j代表燃料種類；Tij代表第i種運輸方式在消耗第j類燃料時，每公里的貨物周轉量；Fij代表了第i種運輸方式在消耗第j類燃料時，每公里的能量消耗；Cj代表第j類燃料的碳排放系數，它反映了每1千克能源燃燒所產生的碳排放量。其中各類能源折標準煤系數數據來源于《中國能源統(tǒng)計年鑒》。

三、實證研究

（一）DEA效率分析

利用DEA軟件對2017-2021年山東省16地市物流業(yè)的投入產出進行測算，對測算結果取平均值。具體結果如表3所示。

表3 山東省各市物流效率DEA結果分析

（1）濟南、青島等7個城市綜合物流效率均為1，說明7個城市物流投入產出比達到DEA有效，實現了當前投入的最佳回報；棗莊、東營等6個城市的物流效率低于0.9，說明與先進物流效率之間存在明顯差距。

（2）濟南、青島等9個城市純技術效率均保持為1，說明其充分利用了物流業(yè)資源，取得了良好的技術效果；煙臺在5年內效率均未達到平均值，需要物流行業(yè)投入資源，加強物流信息化建設，實現對物流全過程的實時監(jiān)控和及時響應，促進純技術效率的提升。

（3）濟南、青島等7個城市的產業(yè)規(guī)模效率均保持為1，表明這些城市在物流投入方面取得了顯著成效；棗莊、東營等城市的產業(yè)規(guī)模效率均未達到0.9，說明物流資源出現浪費。

（二）山東省低碳物流效率的動態(tài)分析

利用DEA-Malmquist指數模型，從時間和空間兩個角度測算山東省各城市動態(tài)物流效率。對2017-2021年物流Malmquist指數及分解取平均值。具體結果如表4和如表5所示。

表4 2017—2021年山東省16城市物流Malmquist指數及分解

表5 2017—2021年山東省物流Malmquist指數及分解

從山東省整體看，在2017-2018年間，全要素生產率為0.977，技術效率、純技術效率、規(guī)模效率均小于1，說明物流業(yè)投入方式和配比出現了問題，呈現了資源浪費的現象。在2018-2019年間，全要素生產率為1.041，技術效率、純技術效率，規(guī)模效率均大于1，技術效率提高和規(guī)模集聚效應推動了全要素生產率提高。在2019-2020年間，技術進步得到了極大提升，規(guī)模效率同樣促進了全要素生產率，推動了全要素生產率的提升。在2020-2021年間，物流全要素生產率為1.045，保持上升趨勢，且四項分解指標全部處于上升趨勢，促進物流效率進一步提升。

分城市來看，濟南、威海、濱州三個城市由于技術進步的影響，導致了全要素生產率降低，可能的原因是現代物流觀念薄弱，大多數企業(yè)只提供簡單的運輸和倉儲服務，缺乏物流一體化服務，在“互聯網+物流”大背景下，應積極運用大數據、云計算等技術，提高物流行業(yè)信息化水平，促進物流行業(yè)技術進步。其余城市在技術進步的促進作用下，全要素生產率取得了明顯的進步，因此說明技術進步是促進山東省物流效率的持續(xù)穩(wěn)定發(fā)展的關鍵因素。

（三）QCA分析結果及解釋

本研究使用QCA方法分析促進物流效率提升的組態(tài)路徑。參考胡寧寧［27］、劉鳳［28］等學者做法，將一致性閾值設置為0.8，頻率閾值設置為1，得到簡單解、中間解和復雜解。同時在簡單解和中間解出現的條件作為核心條件，只在中間解出現的條件作為邊緣條件。具體分析結果如表6所示。

表6 QCA模糊集分析結果

注：●表示核心條件出現，▲表示邊緣條件出現，○表示核心條件不出現，△表示邊緣條件不出現。

由表7可知，有4條組態(tài)路徑可促進山東省物流效率提升，這4條路徑下條件變量的一致性均大于0.8，解決方案一致性為0.8526，說明這4條路徑都是提升山東省物流效率的充分條件組合。研究發(fā)現，單個變量均無法單獨構成提高山東省物流效率的充分條件，物流效率是多因素非線性綜合作用的結果，避免了單一變量簡單二元分割造成物流效率影響因素損耗而產成的失真問題，有力的證明了該方法對于本研究的適用性。具體的路徑分析如下。

1.路徑1：投資產業(yè)市場驅動型路徑

路徑1核心條件為物流業(yè)投資，邊緣條件為物流產業(yè)集聚以及市場化水平，代表城市為棗莊市和德州市。以德州市為例，該市經濟發(fā)展水平在山東省內相對滯后，但近年來，德州市著眼物流業(yè)的長遠發(fā)展，加大對物流業(yè)的投資，保持物流業(yè)固定投資持續(xù)增長，并努力推動跨行業(yè)、跨區(qū)域等形式集聚和整合物流資源和市場，形成區(qū)域比較優(yōu)勢，并出臺了《營商環(huán)境創(chuàng)新提升工作方案》，激發(fā)市場的主體活力，增強了城市的市場化水平，為提升德州市的物流效率帶來了顯著成效。

2.路徑2：產業(yè)結構主導驅動型路徑

路徑2核心條件為產業(yè)結構，邊緣條件為物流業(yè)投資、物流產業(yè)集聚和市場化水平，代表城市為臨沂市。臨沂市作為物流之都和中國北方最大的市場集群和商品集散中心，截至2021年底，擁有3752家物流企業(yè)，物流園區(qū)38處，營運車輛20多萬輛，大型物流園區(qū)20多處，具有高市場化的特征，并形成了規(guī)?；a業(yè)集聚效應，擁有了和物流產業(yè)相配套的成熟產業(yè)結構。此外，臨沂市高度重視物流及其相關經濟發(fā)展水平，加強標準化和信息化建設，為物流專業(yè)人才提供優(yōu)厚待遇，并出臺相應的優(yōu)惠政策，為物流業(yè)效率提升奠定堅實基礎。

3.路徑3：產業(yè)市場主導驅動型路徑

路徑3核心條件為物流產業(yè)集聚、產業(yè)結構和市場化水平，邊緣條件為居民生活水平，代表城市是泰安市。具體來說，泰安市積極引領現代物流產業(yè)集聚，構建“一區(qū)兩港多園”空間布局，推進17個龍頭物流產業(yè)園建設。此外，泰安充分利用泰山國際登山節(jié)等活動載體，積極引進國內外知名物流企業(yè)來泰設立采購中心和物流配送中心，建立多元投資融資渠道，強化資源配置，引導物流企業(yè)高效利用資源，帶動了產業(yè)結構升級和市場化水平提升，為泰安市物流發(fā)展奠定了堅實基礎。

4.路徑4：多因素混合型驅動型路徑

路徑4核心條件為產業(yè)結構，邊緣條件為物流業(yè)投資、經濟發(fā)展水平、市場化水平和居民生活水平，代表城市為濰坊市。濰坊市積極利用現代物流技術貫穿整個物流產業(yè)，整合物流企業(yè)平臺資源，打造濰坊市智慧物流公共信息平臺，形成了農產品物流、“兩業(yè)”融合聯動、醫(yī)藥物流等為支撐的物流節(jié)點。并積極進行物流業(yè)投資，完善提升流通基礎設施，構建“三縱六橫”高速公路骨干網，形成“一縱四橫”高速鐵路網，加快濰坊港專業(yè)化深水泊位建設和濰坊機場遷建，這一系列措施，為濰坊市物流效率提升奠定了堅實的基礎。

四、政策建議

基于上述實證研究分析，本文提出以下四點建議。

（1）充分發(fā)揮核心城市區(qū)域引領帶動作用，提高城市間協(xié)作水平，因地制宜地制定物流發(fā)展方案及策略。其中，濟南、青島等物流核心城市要進一步依據原有較為完善的物流配套設施及《山東省“十四五”現代物流發(fā)展規(guī)劃》等政策優(yōu)勢，加快建設區(qū)域聯動的海陸空鐵多式聯運物流樞紐，引領輻射和帶動山東省物流業(yè)效率的提升。淄博、濟寧、威海等城市在保持原有較高效率優(yōu)勢的基礎上，充分利用好新一輪“新基建”發(fā)展機遇，加強信息服務業(yè)基礎設施的投入，完善物流行業(yè)配套設置，并積極引導市場和社會力量參與共建，減輕政府的財政壓力。鑒于棗莊、東營、煙臺等城市物流規(guī)模效率較低，應支持物流企業(yè)的合并與重組，轉變物流企業(yè)散、小、弱的局面，并積極對接濟南、青島、煙臺等核心城市物流樞紐設施，共建共享海陸空鐵物流通道、物流集散、轉運分撥配送基地。

（2）因地制宜，增強以智慧化、信息化為主要內容的新型物流基礎設施的建設，為物流業(yè)低碳發(fā)展提供硬件支持。根據物流業(yè)的發(fā)展情況和財力條件，有針對性地加大不同物流環(huán)節(jié)科技創(chuàng)新要素的投入，優(yōu)化資源配置，提高整體物流效率。如泰安、濱州、菏澤等經濟條件相對較弱的城市，則應積極實施一些適應于本地區(qū)發(fā)展特點的智慧物流項目，與人工智能、大數據、智慧物流等數字技術相結合，積極應用智能倉儲、智能配送等智能化物流基礎設施。濟南、青島、煙臺等物流基礎環(huán)節(jié)相對完善的城市，要積極應用6G網絡、區(qū)塊鏈、物聯網和人工智能等新一代信息技術，在倉儲、運輸、配送等環(huán)節(jié)融入先進的現代通信技術，引領企業(yè)通過數據共享、技術進步和模式創(chuàng)新降低運營成本，從而進一步提升山東省物流業(yè)技術水平。

（3）加快對物流產業(yè)結構進行調整和優(yōu)化，推動物流產業(yè)向綠色低碳方向發(fā)展。打造物流產業(yè)集聚地，促進山東物流產業(yè)結構的持續(xù)優(yōu)化，充分發(fā)揮物流與其它行業(yè)的聯動作用，促進產業(yè)結構的轉型升級。具體而言，結合山東物流業(yè)水平大而不強、信息化水平較低的特點，可以采用將物流外包給第三方以及第四方物流等方式，提升產業(yè)鏈上各個企業(yè)的專業(yè)化水平，減少各個環(huán)節(jié)中所產生的資源浪費。同時，支持傳統(tǒng)物流企業(yè)拓展和參與電商平臺運營，從遞送、運輸服務升級延伸至產業(yè)鏈多個環(huán)節(jié)，提高定制化物流服務水平。在此基礎上，培育并持續(xù)強化現代物流發(fā)展的新動能、新業(yè)態(tài)、新模式，充分激發(fā)實體經濟新活力。

（4）注重各類新技術開發(fā)應用，優(yōu)化運輸路線與管理方式，建立合理高效的物流業(yè)循環(huán)利用體系，實現全流程低碳化運行。山東人口密度和經濟密度“雙高”的特點，為物流新技術的開發(fā)應用提供了天然優(yōu)勢。充分利用大數據分析技術手段，結合傳統(tǒng)路線的歷史數據，對路線進行精細化規(guī)劃，減少運輸、配送里程和時間，降低化石燃料的使用量，縮減物流成本。通過精準分揀技術，循環(huán)復合包裝材料的使用，實現關鍵物資的循環(huán)利用。采用精準分揀技術，循環(huán)包裝的使用，實現關鍵物資的循環(huán)利用，建立“線上加線下”回收平臺，完善回收平臺，提高回收效率，降低物流業(yè)的碳排放。

五、結語

通過對低碳視角下山東省物流效率進行DEA分析，DEA-Malmquist指數模型分析和QCA分析發(fā)現：①低碳視角下山東省物流效率平均值為0.8928，其中提高規(guī)模效率是提升山東省物流效率的重要途徑。②山東省物流效率的Malmquist指數呈現上升態(tài)勢，其中技術進步是影響山東省物流效率提高的主要原因。③山東省物流效率提升存在投資產業(yè)市場驅動型、產業(yè)結構主導驅動型等4條組態(tài)路徑。其中，提高市場化水平是促進山東省物流效率提升的關鍵因素。區(qū)域物流效率是影響產業(yè)鏈、供應鏈安全的重要因素，關乎國家和區(qū)域產業(yè)市場綜合競爭力。本研究為進一步促進物流業(yè)轉型發(fā)展及物流資源優(yōu)化配置，特別是針對地區(qū)物流效率持續(xù)穩(wěn)步提升具有重大現實意義。

參考文獻：

［1］TOMOYUKI U， TETSUO Y， NORIHIRO I， et al．Modeling and balancing for costs and co 2 emissions in global supply chain network among asian countries［J］.Procedia CIRP，2015（C）．

［2］張云鳳，王雨.物流產業(yè)效率評價及影響因素分析［J］.統(tǒng)計與決策，2018，34（8）：109-112.

［3］劉聰，李珍珍.長三角低碳物流對區(qū)域經濟發(fā)展的影響分析［J］.華東經濟管理，2023，37（1）：33-40.

［4］高輝.低碳物流發(fā)展的文化思考［J］.科技管理研究，2015，35（12）：247-250.

［5］李金鎧，馬靜靜，魏偉.中國八大綜合經濟區(qū)能源碳排放效率的區(qū)域差異研究［J］.數量經濟技術經濟研究，2020，37（6）：109-129.

［6］楊傳明.低碳約束下江蘇物流產業(yè)效率測度［J］.華東經濟管理，2018，32（1）：27-32.

［7］于麗靜，王海峰，姜永強.基于SFA的山東省區(qū)域物流效率及影響因素分析［J］.物流工程與管理，2017，39（2）：4，16-18.

［8］汪欣.區(qū)域物流低碳發(fā)展能力評價及推進策略——基于長三角及中部地區(qū)8省1市的實證分析［J］.河南社會科學，2018，26（11）：108-112.

［9］梁子婧，馬海燕.區(qū)域物流高質量發(fā)展新格局——基于物流生產力成長空間差異的分析［J］.城市問題，2021（12）：97-103.

［10］李慧，李瑋.物流業(yè)碳排放效率評價及動態(tài)演化分析：以“絲綢之路經濟帶”沿線省區(qū)為例［J］.環(huán)境科學與技術，2019，42（3）：165-171.

［11］馬文斌，朱歡.綠色低碳企業(yè)創(chuàng)新效率測度及影響因素研究——基于三階段DEA與Tobit模型［J］.軟科學.2023（9）：1-12.

［12］顧江寒，柴華奇，葛鵬飛，等.黃河流域省級區(qū)域農旅融合質量研究——基于DEA交叉效率的實證分析［J］.經濟問題，2021（12）：97-103.

［13］申晨，辛雅儒，賈妮莎，等.OFDI對工業(yè)綠色全要素生產率的影響機制——基于兩階段Super-SBM-Malmquist指數模型的分析［J］.中國管理科學，2023，10：1-13.

［14］宗曉華，付呈祥.“雙一流”建設高校科研效率及其變化——基于超效率和Malmquist指數分解［J］.重慶大學學報（社會科學版），2020，26（1）：93-106.

［15］杜運周，李佳馨，劉秋辰等.復雜動態(tài)視角下的組態(tài)理論與QCA方法：研究進展與未來方向［J］.管理世界，2021，37（3）：12-13，180-197.

［16］杜運周，劉秋辰，程建青.什么樣的營商環(huán)境生態(tài)產生城市高創(chuàng)業(yè)活躍度？——基于制度組態(tài)的分析［J］.管理世界，2020，36（9）：141-155.

［17］秦雯，倪容.科技創(chuàng)新對珠江西岸物流產業(yè)效率的影響——基于超效率三階段數據包絡分析模型［J］.科技管理研究，2022，42（20）：89-95.

［18］龔雪.區(qū)域物流效率測度及影響因素分析［J］.統(tǒng)計與決策，2022，38（12）：112-116.

［19］汪文生，考曉璇.高質量發(fā)展視角下環(huán)渤海地區(qū)物流效率測度研究——基于三階段DEA模型［J］.商業(yè)研究，2021（4）：75-84.

［20］潘立軍，譚浩博，劉喜梅.基于超效率DEA的長株潭區(qū)域物流協(xié)同發(fā)展評價研究［J］.湖南社會科學，2020（6）：79-84.

［21］孫嘉俊，葉濤鋒.組態(tài)思維視角下物流效率的建設路徑研究［J］.物流科技，2022，45（19）：11-14.

［22］吳灼亮，劉明德.基于QCA的安徽省物流效率影響因素及作用路徑研究［J］.合肥工業(yè)大學學報（社會科學版），2021，35（4）：20-27.

［23］曹文彬，朱勇.物流業(yè)產業(yè)升級對勞動力就業(yè)的影響研究［J］.工業(yè)技術經濟，2019，38（4）：103-108.

［24］張立國.中國物流業(yè)二氧化碳排放變化驅動因素分析［J］.中國流通經濟，2016，30（12）：29-39.

［25］劉承良，管明明.低碳約束下中國物流業(yè)效率的空間演化及影響因素［J］.地理科學，2017，37（12）：1805-1814.

［26］周葉，王道平，趙耀.中國省域物流作業(yè)的CO2排放量測評及低碳化對策研究［J］.中國人口·資源與環(huán)境，2011，21（9）：81-87.

［27］胡寧寧，侯冠宇.區(qū)域創(chuàng)新生態(tài)系統(tǒng)如何驅動高技術產業(yè)創(chuàng)新績效——基于30個省份案例的NCA與fsQCA分析［J］.科技進步與對策，2023，40（10）：100-109.

［28］劉鳳，廖鑫，周賢永.城市營商環(huán)境優(yōu)化的生成邏輯與實現路徑——基于實地調研和QCA的多重分析［J］.科技進步與對策，2023，12：1-10.

［29］ESMAEILI A，SADEGH H A.Efficiency evaluation of customer satisfaction index in e-banking using the fuzzy data envelopment analysis［J］.Management science letters， 2014， 4（1）：71-86.

［30］THANWADEE C.Examination of factors influencing the successful implementation of reverse logistics in the construction industry：pilot study［J］.Procedia engineering， 2017， 182：99-105.

［31］曹炳汝，鄧莉娟.長江經濟帶物流業(yè)效率增長影響因素［J］.經濟地理，2019，39（7）：148-157.

［32］黃薇.中國保險機構資金運用效率研究：基于資源型兩階段DEA模型［J］.經濟研究，2009，44（8）：37-49.

［31］杜運周，劉秋辰，陳凱薇，等.營商環(huán)境生態(tài)、全要素生產率與城市高質量發(fā)展的多元模式——基于復雜系統(tǒng)觀的組態(tài)分析［J］.管理世界，2022，38（9）：127-145.

［33］LEE H.Research on improving logistics efficiency in the Iraqi oil and gas industry［J］.Journal of management and training for industries，2018，5（1）：1-21.

［34］燕翔，馮興元.農村中小銀行的經營效率研究——基于DEA-BCC模型和DEA-Malmquist指數模型的分析［J］.金融監(jiān)管研究，2021（11）：1-17.

Study on the Factors Influencing Logistics Efficiency andOptimization Paths in Shandong Provincefrom the Low Carbon Perspective

XUE Yang，DUAN Hao-wen，FENG Yin-hu

（School of Economics and Management，Inner Mongolia University of Technology，Hohhot，Inner Mongolia 010051）

Absrtact：This paper takes data from 16 cities in Shandong Province from 2017 to 2021 as samples， uses DEA and Malmquist index models to comprehensively measure the efficiency of the logistics industry in these areas， and uses qualitative comparative analysis（QCA）to clarify the influencing factors and optimization paths of logistics efficiency in Shandong Province.The results show that the overall logistics efficiency in Shandong Province is good， but there are significant differences between different cities;the four indicators of technological efficiency and technological progress all play a promoting role in improving logistics efficiency， among which technological progress is the main reason for the growth of logistics efficiency;human capital，logistics industry investment， and economic development level constitute four configuration paths to promote the logistics efficiency in Shandong Province. Based on the results， this paper proposes suggestions to promote the improvement of logistics efficiency.

Keywords：logistics efficiency;Shandong Province; Malmquist index model;configuration path

基金項目：2023年國家自然科學基金地區(qū)科學基金項目“組態(tài)視角下流域產業(yè)轉型升級的驅動機理、政策效果與路徑選擇——以黃河幾字灣為例”（72364028）;2023年內蒙古教育廳“黨的二十大精神研究”哲學社會科學重大專項“內蒙古發(fā)展泛口岸經濟、通道經濟路徑研究”（ESDZX202314）