中国绿色物流效率评价与提升路径研究_武佩剑.pdf

第 24 卷第 6 期安徽理工大学学报(社会科学版)Vol24No62022 年 11 月Journal of Anhui University of Science and Technology(Social Science)Nov2022中国绿色物流效率评价与提升路径研究武佩剑，薛建涛，朱岚岚(安徽财经大学 工商管理学院，安徽蚌埠233000)摘要:基于非期望产出的超效率 SBM 模型，对 20122018 年中国 30 个省区市的绿色物流效率进行测度，并将测度结果用于模糊集定性比较分析(fsQCA)。研究发现，中国近年绿色物流效率呈现“W”型波动态势，东部效率最高，中部其次，西部最差，上海、河北和安徽是绿色物流高效率地区。全国视角下绿色物流高效率组态形式有 6 种，依据变量的组合形式分为技术经济型、产业主导型、政府干预型和全面型高效率路径。从区域视角下组态路径探索中发现，东部地区高效率源自经济环境的富足和良好的技术创新环境，中部地区得益于优质的产业环境和技术环境。此研究为绿色物流定量评价提供了新的视角，研究结论可为区域绿色物流高效率发展提供支持性证据，为中国绿色物流实践提供有益启示。关键词:绿色物流效率;超效率 SBM;组态路径;定性比较分析中图分类号:F2592文献标识码:A文章编号:1672-1101(2022)06-0010-12收稿日期:20220403基金项目:安徽财经大学研究生科研创新基金项目(ACYC2021133)作者简介:武佩剑(1978)，男，安徽蚌埠人，副教授，博士，硕士生导师，研究方向:区域物流。esearch on Efficiency Evaluation and Promotion Pathof Green Logistics in ChinaWU Peijian，XUE Jiantao，ZHU Lanlan(School of Business Administration，Anhui University of Finance and Economics，Bengbu，Anhui 233030，China)Abstract:Using the superefficiency SBM model based on undesired output，the green logistics efficiency of 30provinces and cities in China from 2012 to 2018 was measured，and the measurement results were used for fuzzyset qualitative comparative analysis(fsQCA)The results show that the efficiency of green logistics in China pres-ents a“W”fluctuation trend in recent years，with the highest efficiency in the East，the second in the middle andthe worst in the WestShanghai，Hebei and Anhui are the regions with high efficiency of green logisticsFrom thenational perspective，there are six configuration forms of high efficiency development of green logisticsAccordingto the configuration forms of variables，there are four high efficiency paths:technology economy，industry leading，government intervention and comprehensive typeIn the exploration of configuration path from the regional per-spective，it is found that the reason for the high efficiency of the eastern region comes from the rich economic en-vironment and good technological innovation environment，while the central region benefits from its highqualityindustrial environment and technological environmentThis study provides a new perspective for the quantitativeresearch and evaluation of green logisticsThe research conclusions provide supporting evidence for the regionalrealization of green logistics efficiency，and provide beneficial enlightenment for Chinas green logistics practiceKey words:green logistics efficiency;super efficiency SBM;configuration path;QCA经济增长、能源消耗与环境污染间的矛盾日趋尖锐，为实现经济与社会的可持续发展，中国政府在“十四五”规划纲要中明确现阶段控制碳强度和实现碳中和的目标，深入推进工业、交通等领域的低碳和绿色转型，实现积极发展。物流业作为支撑国民经济的基础和战略产业，其发展模式存在着“高能耗、高投入、低效率与区域发展不均衡”等弊端，不利于未来经济的绿色转型。而绿色物流是物流高质量发展核心作用力的体现，提高绿色物流发展水平是实现经济高质量发展的关键。在此背景下，测度绿色物流效率，探索提高绿色物流效率的路径，识别影响绿色物流发展的关键影响因素，对推动物流业持续健康快速发展具有重要的意义。目前，学术界对绿色物流发展水平评价及提升路径的研究还集中在理论探讨和经验总结上，缺少实证方面的数据支撑和分析。在物流产业效率评价研究中，大多数基于传统 DEA 模型，考虑“绿色”投入的物流产业效率评价的相关研究不多1。从研究角度看，研究落点多集中于微观层面，如物流环节的绿色化、绿色物流意识研究等，而宏观角度的研究较少，因宏观环境对绿色物流产生的影响可能更加持久，纳入宏观经济系统的绿色物流评价因素分析更能真实定位绿色物流发展状况。学者在分析物流产业效率的影响因素时，仍处于单因素分析“净效应”的阶段，忽视多因素给物流业带来的“综合效应”2，更缺乏区域层面异质性分析，绿色物流的发展源自经济和环境的双重驱动，这种因果复杂性是回归分析或调节效应无法完全解释的3。鉴于上述研究局限，本文将非期望产出的超效率 SBM 模型与模糊集定性比较(fsQCA)分析相结合，使用 20122018 年中国省域物流行业面板数据来揭示中国绿色物流发展状况并探讨绿色物流高效率发展路径。一、文献述评与方法选择(一)绿色物流研究绿色物流是以经济学原理为基础，建立在可持续发展理论、外部成本内部化理论、生态伦理学和经济学理论以及物流绩效评估基础上的物流科学发展观，具有学科交叉性、多目标性、多层次性、时域性和地域性等特征4。现阶段绿色物流的研究多集中在理论层面的内涵及特征解读，经验层面路径提升、指标体系构建和绩效评价等5。如王长琼从目标、行为主体、活动范围及理论基础剖析绿色物流的内涵，认为绿色物流的研究具有多学科交叉的特点4。周茂春和连洁运用 AHP 和 FCE 构建了煤炭企业的绿色物流绩效评价模型6。郭毓东和郝祖涛从政策、经济、资源、环境 4 个层面构建绿色物流评价指标体系，以长株潭城市群为例进行分析7，蒋鹏和刘广东以辽宁省为例，应用 DEMA-TEL 和 ANP 来评价绿色物流发展的关键因素，结合重要性绩效值结果分析了关键绩效，并提出改善措施8。随着研究的深入，对绿色物流的研究已从定性研究转向定量研究，从绿色物流技术使用向经济社会更深层面渗透，特别是随着绿色政策落实和绿色经济发展，关于绿色物流的研究已经从单向经济层面转向经济社会系统性层面。(二)绿色物流效率评价方法选择绿色效率被广泛用作经济与环境协调发展的度量指标，在现有文献中，对绿色物流效率评价还没有明确其衡量方式，但有关绿色发展效率的研究，已取得了较多的成果，学者们围绕绿色生产效率9、绿色经济效率10 等内容，实证分析了不同产业部门的绿色发展效率问题。在上述绿色发展效率评价指标构建思路上，学者均将资源与环境要素纳入生产效率、经济效率和创新效率中作为绿色发展效率的度量。绿色物流效率作为反映物流业环境影响的定量评价指标，其评价指标沿用上述绿色发展效率的构建方式，将资源与环境两个核心系统纳入物流效率核算中。综上，本文采用基于非期望产出的超效率 SBM 模型测度绿色物流效率，选择上述模型主要基于以下几点考虑:(1)相比于传统BCC 和 CC 模型，SBM 模型充分考虑了投入产出全部松弛变量，对效率值得评估更为准确。(2)超效率模型能对同为 DEA 有效决策单元作出进一步区分，便于比较高效率省市间排序问题。(3)完美融合了超效率模型与定性比较分析方法。超效率模型可以区分多个决策单元效率同时为 1 的情况，突破效率为 1 的限制，而在模糊集定性比较分析方法的校准上，它不至于损失掉更高效率决策单元的隶属度，从而增强了路径结果的解释力。(4)基于非期望产出的超效率 SBM 模型具备 SBM 模型与11第 6 期武佩剑，等:中国绿色物流效率评价与提升路径研究超效率模型的优点，且充分考虑非期望产出的纳入，将资源和环境要素纳入模型评价体系，是融入绿色与可持续发展理念的产业效率评价模型，其评价结果一定程度上可以反映产业的发展状况。(三)QCA 方法适用性定性比较分析(QCA)是融合定性与定量思维的组态比较方法，是通过布尔逻辑和代数来识别不同案例场景下差异化结果的驱动机制，进而探索引致特定结果产生的前因现象的条件组合11。定性比较分析包括清晰集定性比较分析(csQCA)、模糊集定性比较分析(fsQCA)及多值集定性比较分析(mvQCA)3 个基本类别，相较于 csQCA 及 mvQCA，fsQCA 突破 0，1 及整数变量的限制，以隶属度方式将因果条件转变为连续变量，更充分捕捉了因果条件间的细微变化带来的影响12。绿色物流是融入经济和环境要素的复杂系统，它产生高效率的原因或条件是复杂的，而对于复杂多因素之间的联合及互动效应的探索，fsQCA 作为一种案例导向的研究方法，为解决此类问题提供了新的思路13。在本文中，我们将不同时点(不同时间不同省份)作为一个案例点，将绿色物流效率作为探索绿色物流高绩效路径的结果变量，把不同时点的高绿色物流效率值视为案例高水平发展的结果，进而通过模糊集定性比较分析，识别影响绿色物流发展的关键影响因素，探索提高绿色物流效率的最佳路径。二、绿色物流效率评价(一)指标选择与说明与大部分研究一致12，15，以统计年鉴中交通运输、仓储、邮政业的数据作为物流业的数据进行统计分析。其中，港澳台、西藏的部分数据存在缺失，故未列入。投入指标。(1)资本投入，国内学者通常采用永续盘存法估算资本存量，但这种方法测算受到基年资本存量、固定资产价格指数、折旧率等多个变量的影响。就折旧率而言，不同学者对其选择不同，其他 3 个因素的指标选取目前也没有统一的定论，这种大致测算可能会造成较大误偏差1，因本文使用 SuperSBM 模型核算相对效率，只要研究对象一致，其结果不会出现较大偏差，故以物流业固定资产投资作为资本存量替代，并用固定资产投资指数折算为 2012 年可比价。(2)劳动投入采用物流从业人员数量来衡量。(3)能源投入选取各省市物流相关一次性能源消耗比例最大的 7 项能源，并统一转换成标准煤后再加和得到，计算方式:标准煤量=能源消耗实物量折算系数。其具体折算系数见表 1。产出指标。(1)经济产出选取物流的行业增加值作为衡量指标，为消除价格影响，使用 GDP平减指数对物流产业增加值进行平减，将名义价格换算为 2012 年为基期的不变价格。(2)规模产出能力以物流活动的货运周转量与客运周转量换算的综合周转量来衡量。(3)非期望产出主要考虑物流活动过程中的 CO2的排放量，根据 2006年IPCC 碳排放计算指南，CO2排放量的测算公式为:CO2=ni=1Ei CFi CCi COFi(44/12)(1)其中，Ei表示i种能源的消耗量，CF 为平均低位发热量，CC 单位热值含碳量，COF 为能源的碳氧化因子，物流业 7 种主要能耗燃料系数值见表 1。表 1物流业消耗主要燃料折标准煤系数及折算 CO2排放系数能源类型原煤汽油煤油柴油燃料油液化石油气天然气折算系数(kg 标准煤/kg)0714 3147 141471 41457 1142861714 31330 0平均低位发热(CF)(kJ/kg)20 90843 07043 07042 65241 81650 71935 585碳含量(CC)(kg/GJ)268189195202211172153碳氧化因子(COF)1111111CO2排放系数(kgCO2/kg(m3)2055 32984 830 7953160 53236 63166 319 963资料来源:折算系数来源于 中国统计年鉴;CF 来源于 中国能源统计年鉴;CC、COF 均来自 2006 年 IPCC 国家温室气体清单指南。说明:天然气的平均低位发热量 3 22838 931KJ/m3，本文取中间值。21安徽理工大学学报(社会科学版)第 24 卷(二)评价结果使用基于非期望产出的 SuperSBM 模型，使用 Matlab 2016 对中国 20122018 年 30 个省区市绿色物流效率进行测度，并将测算结果按照东部、中部、西部划分规则，分析不同年份、不同区域、不同省份的绿色物流效率及演化趋势，基于规模报酬不变假定下的非导向绿色物流综合效率测算结果如表 2 所示。表 220122018 年中国各省区市绿色物流效率值区域省份2012201320142015201620172018均值排序东部北京0185024901920194018801500130018428天津108807690562051505451000074807475河北116212841421152112231538138713621辽宁062105920539102111951137071008314上海138713341673125610561100106012672江苏102710370530047304760426120007386浙江055205560522050105140419029804812福建043804340428045605090437022041816山东062107760459044204840420116706247广东044604150437043106260571043604812海南047902310372028402640224045703319东部平均07280698064906450643067507106781中部山西036704420404041604651033037503028吉林0321034902870256027102530568032125黑龙江032403640282023802450227046208722安徽104711491122104607230543050805573江西065508230491045804700492033305019河南0727054205100447050904380366031211湖北0330033503110307028302520587043723湖南0470046104130381039403550307046915中部平均053005580477044404200449043804732西部内蒙古0482051204710438053105450260033314广西0371038603300337034703140174026418重庆0301026302670250027102360203327四川0213023202010220108901810190030819贵州0373036503270307031402720320012824云南0134013401130118011400960352032330陕西0338036803270285033802830159035421甘肃0545043503050299027702650321018217青海0246019801820178017101380274051929宁夏1006072004440414039803280130026710新疆0297030002580245029502010747033326西部平均039103560293028103770260047703483全国平均0552053504730458048604620487049331第 6 期武佩剑，等:中国绿色物流效率评价与提升路径研究中国国家统计局按地理位置和经济发展水平将我国 31 个省、自治区、直辖市(不含港澳台地区)划分成三大区域。东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南，中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆。由表 2 可知，全国各地区绿色物流效率差异较大，呈现发展水平不均衡、多级分化严重的现象。20122018 年中国绿色物流均值为 0493，效率总体偏低，绿色物流效率提升还有很大的空间。从全国视角来看(见图 1)，20122018 年中国绿色物流效率均值呈现“W”型波动态势，总体呈下降趋势;2012 年绿色物流效率均值最高，效率均值为0552;2015 年最低，效率均值为 0458，效率均值小幅波动，整体发展态势较为稳定。图 1绿色物流效率均值趋势图图 220122018 年区域绿色物流变动情况图 3各省区市绿色物流效率均值对比图从区域视角来看(见图 2)，东部 11 省份20122018 年间的绿色物流效率在 07 左右波动，中部 8 省绿色物流效率在 05 附近波动，而西部效率均值小于 0 4，东部、中部区域效率均值在20122016 年呈现微弱下降趋势，2017 年后出现回升，波动范围较小，西部地区除 2016 年异常高外，整体也呈下降趋势。绿色物流效率均值在东部最高，中部其次，西部最低，且绿色物流效率呈现从东到西递减的变化态势，与各区域经济发展水平、发展差异态势相一致。究其原因，东部地区经济发展水平较高，市场竞争激烈，物流基础设施装备水平高，物流产业市场机制较为完善，其物流的发展已走向集约式高质量发展模式;中部和西部区域经济发展水平较低，物流资源利用效率低，绿色水平欠佳，且因市场机制不完善，资源利用效率不足，故而产业绿色效率水平低下，绿色物流效率相应较差。从省区市视角来看(见图 3)，排名靠前的 5 个省市分别是:河北、上海、安徽、辽宁与天津，这些省市的绿色物流效率均为 DEA 有效地区。河北和上海历年绿色物流效率值始终处于效率的前沿面上，两个省市的物流资源利用效率较高，物流绿色化水平较高，是绿色物流发展的典型示范地区。安徽效率均值接近前沿面，处于弱有效状态，进一步观察其效率变动趋势可以发现，20122015 年安徽的绿色物流效率都处于强有效状态，近些年才出现效率下滑。青海、云南、北京均为绿色物流效率缺乏地区，研究时段内上述省市的总体绿色物流效率不足 02，其中，北京地区的绿色物流效率水平与其实际经济发展水平差异较大，可能的原因是:一方面，北京的城市道路资源满足不了其物流快速发展的需求，有限的道路资源难以承载交通运输量的快速增长，道路运输资源分配困难，造成物流效率下降。另一方面，北京在物流业上的资本投入(固定资产投资额)较少，且大量投入人力资本与能源，投入要素的配置比例并非最优，能源要素的大量投入与资本要素发生替代，致使能耗水平较高，存在资源浪费、利用不充分等现象，因而其绿色物流效率不高。最后，从区域相对水平来看，东部地区的上海和河北，中部地区的安徽和西部地区的宁夏、内蒙41安徽理工大学学报(社会科学版)第 24 卷古相对于所在区域其他省区市而言都属于效率值较高的地区。三、绿色物流发展组态路径分析(一)条件变量说明绿色物流的宏观环境包括多个方面，借鉴其他学者对可持续发展及绿色效率的研究维度，本文对绿色物流的宏观环境分析从政治、经济、产业和技术四个环境维度展开1416，梳理可能影响我国绿色物流宏观环境的因素。政治环境。政府作为“看得见的手”，对企业的干预及补贴有着双向作用，本文基于政府规制中的环境规制行为来分析其对绿色物流的影响。环境规制根据“遵循成本”和“创新补偿”两种观点产生两种不同的效应，前者认为环境规制增加额外成本，且由于生产性投资的排挤效应会降低企业创新效率，后者认为环境规制会带来创新投入，增加企业竞争力和提升效率。同样，政府环境规制政策作用于不同区域的物流产业中，也会产生不同效应15。环境规制的测量基于 Levinson 和 Taylor 的思想，选择污染物排放量与地区总产值的比值来度量，选取工业废水、工业废气及工业固体废物 3 种污染物排放量建立环境污染排放量综合指数16，通过加权平均建立环境规制强度指标，具体测算步骤参考傅京燕等学者的研究成果17。经济环境。对内从区域经济发展水平，对外从开放度来探寻经济环境对绿色物流的影响。区域经济发展水平从需求和供给两方面推动绿色物流效率提高。需求方面，经济水平高的区域，内部生产、消费与流通也更频繁，能极大刺激物流需求;供给方面，强大的经济基础能为物流发展提供物质条件，有利于完善物流设施体系建设，从而提高绿色物流效率。对外开放，一方面，能通过溢出效应和扩散效应促进区域技术进步和生产率的提高;另一方面，对不发达地区，外商投资和跨国公司的加入，会扩大非外资企业技术水平差异，从而降低整个地区相对前沿面的平均水平，产生负向影响18。在以区域经济发展水平和对外开放度衡量经济环境对绿色物流的影响过程中，经济发展水平采用人均GDP 来表示，对外开放度用贸易依存度(进出口贸易额占 GDP 的比重)作为其代理变量。产业环境。随着第一产业在国民经济中的比重下降，第二、第三产业的比重快速上升，特别是工业化进程的推进，使得第二产业成为物流需求的主要推动方。我国第二产业结构的变化会带来一系列产业的联动，物流业属于复合型的生产服务行业，具有很强的产业关联性，外部产业环境的变化带动的是整个供应链的调整，影响着物流业上下游的联动。从产业自身环境来看，物流业集聚能在帮助企业降低成本、提高生产效率等方面发挥积极作用，使物流业与经济发展的结合更为紧密。物流的产业密集可以增进物流企业的信息交流和人力、物力资源共同利用，有效节约成本，降低能源消耗，显著提升绿色物流效率。同时，产业集聚可以促使物流业朝着集约化、专业化和区域化方向发展，促进物流专业化协作和生产，加快技术创新，提高资源利用率和产业规模，从而提升经济效益。产业环境通过产业结构特征和产业集聚来综合反映。因中国的工业品物流在社会总物流中占 85%的份额，占据物流系统的大部分资源，故同刘浩华和田刚等一致，采用第二产业增加值占 GDP 的比重表示产业结构特征19。产业集聚水平采用物流产业的区位商指数来反映，计算公式为:ij=eij/ejEi/E(2)ij表示 j 区域物流产业的区位商;eij为 j 区域物流产业的产值，ej是 j 区域总产值;Ei为全国物流产业的产值，E 为全国总产值。一般认为，当 ij1时，具有区位比较优势和竞争力;ij=1 表示均势，产业优势不明显;ij1 表示产业处于劣势。技术环境。技术环境的影响主要体现在技术创新对物流技术效率和配置效率的影响。一方面，技术进步促进物流技术革新，物流的技术创新有助于更新装备设施、改善业务流程、削减流通与劳动成本，提供优质、便捷的服务，节约能源和降低环境污染等20，从投入和产出双向提升物流质量和效率。另一方面，技术创新下的物流，能更好地与人工智能、大数据深度融合并协调发展，加快物流现代化步伐，提升绿色供应链整体效率水平。以 D 经费投入强度来反映技术创新水平，作为技术环境的衡量变量。D 经费投入强度用D 经费支出占地区生产总值的比重来表示。变量及指标描述见表 3。51第 6 期武佩剑，等:中国绿色物流效率评价与提升路径研究表 3条件变量及结果变量指标描述条件变量和结果变量代码描述政治驱动环境规制程度E单位产值污染物排放综合指数经济驱动经济发展水平PGDPGDP/总人口对外开放OPEN进出口贸易总额/GDP产业驱动产业集聚IGij=eij/ejEi/E产业结构特征IS第二产业增加值/GDP技术驱动技术创新TED 经费投入强度=D 经费支出/GDP结果变量绿色物流效率值EVUndesirable SuperSBM 结果资料来源:环境污染物数据来自 中国城市统计年鉴;D 经费投入强度数据来自 中国科技统计年鉴;其他数据来自 中国统计年鉴。(二)变量校准给案例赋予集合隶属度的过程就是校准21，校准后的隶属度介于 01 之间。因本文纳入了时间轴，为了保持数据之间的可比性和结果的严谨性，对于含有可比因素(主要指可比价格)的变量的数据校准有两种处理方法，其一是对所有可比价格作可比处理，采用统计年鉴的环比指数以固定年(2012 年)为基期折算后再统一校准;其二是逐年进行校准，同一年份之间互相比较，消除跨年度价格变动带来的差异。本文采取第二种处理方法。对于环境规制强度、经济发展水平、对外开放、产业结构特征和技术创新 5 个变量的完全隶属、完全不隶属和交叉点的选择，运用直接校准法将数据转化为隶属分数，分别以单年份样本数据的 95%、50%和 5%分位数值作为完全隶属、交叉点和完全不隶属的门槛值22。产业集聚锚点的设置依据变量实际意义，将区位商大于 1 视为完全隶属，小于 1 为完全不隶属，交叉点为 1。绿色物流效率值大于等于 1 时其实际意义表示 DEA 有效，故 1 为完全隶属阈值，交叉点和完全不隶属阈值仍然采取常用的50%和 5%分位数值。(三)定性比较分析结果1单一变量必要性分析。检验单个条件是否构成绿色物流高绩效的必要条件，即检验结果变量是否是原因变量的子集，结果用一致性水平来衡量，当一致性水平达到 09 时，认为该条件是结果发生的必要条件21。表 4 是对绿色物流高效率的必要条件检验结果，其所有条件的一致性水平均不高于 09，即单独条件变量不构成结果变量的必要条件，有待于通过进一步的充分性分析和组态探索来考量政治、经济、产业和技术环境下多重条件的并发协同效应。表 4必要条件分析条件变量 一致率覆盖率 条件变量 一致率覆盖率E05460662E0790605PGDP07310696PGDP06190574OPEN06990735OPEN06370541IS05040529IS04960422IG07820681IG05780589TE06890747TE06820566说明:E 表示该条件存在，E 表示条件缺席。2条件组态充分性分析。从集合论角度来看，充分性分析是探寻多个条件构成的组态集合是否为结果构成集合的子集，其结果用一致性水平来衡量，一般认为一致性水平大于 075 较为合适12。频数阈值需要根据样本的规模而定，小规模阈值一般为 1，大样本阈值一般大于 12123。本文对于全国视角的路径分析使用了 20122018 年 30 个省区市共 210 个案例，在条件变量数量为 6 的前提下属于大样本研究范畴，故这里同赵云辉一致24，频数阈值设定为 2。一致性水平在充分考虑真值表行、充分涵盖案例、尽可能降低矛盾组态的情况下，最终确定为 085。对于三大区域视角路径的探索，东部和西部 11 省区市案例数量都为 77 个，中部 8省案例数量 56 个，其阈值设定为 1 便可，一致率设置为 08。软件运行会出现 3 种解，基于对反事实假设的程度可分为简约解、中间解和复杂解，同现有主流研究一致，本文报备中间解，辅之以简约解3。最后结果的呈现如表 5 和表 6 所示。61安徽理工大学学报(社会科学版)第 24 卷表 5全国绿色物流高效率水平组态路径条件变量绿色物流高效率组态组态 1组态 2a组态 2b组态 3a组态 3b组态 4政治环境E经济环境PGDPOPEN产业环境IGIS技术环境TE单组态原始覆盖率0496 10279 90143 602280188 80160 6独特覆盖率0326 30038 80002 90028 90003 30001 9一致率0898 70859 40909 50911 30869 30927 4整体总体覆盖率0661 3总体一致率0863 8注:表示条件存在，表示条件缺席;表示核心条件，表示外围条件;空白表示不确定条件是否存在。1全国视角路径探索。表 5 呈现了全国视角下解释绿色物流高效率的 6 种组态形式，总体解的一致率为 8638%，总体解的覆盖率为 6613%。这6 种组态被视为中国绿色物流高效率发展的充分条件组合。根据表 6 的组态结果形式，进一步归纳得出 4 条促进绿色物流高效率发展的组态路径。第一，技术经济型路径。组态 1 说明，绿色物流高效率发展，需要物流的产业环境同经济环境与技术环境的联动来实现，组态 1 中区域经济水平、对外开放、产业结构和技术创新的存在发挥核心作用时，会促进绿色物流效率的提升，该组态的一致率为0898 7，原始覆盖率为 0496 1，独特覆盖率为0326 3，表示所有满足该条路径的案例中有 8987%呈现出较高的效率水平，即该路径能解释半数以上的绿色物流高效率发展路径，其中约3263%的案例仅能被这条路径所解释。相比于其他类型的高效率路径，技术经济型路径的案例覆盖率最高、解释力最强，即技术经济型高效率路径能够被大部分高水平案例所解释，这意味着良好的经济、产业和技术条件是绿色物流高效率的重要条件。第二，产业主导型路径。包含组态 2a 和组态2b。组态 2a 说明，仅仅依靠产业自身环境的调整，也能够推动绿色物流的发展。在经济环境欠佳、技术环境缺乏的条件下，通过优化产业结构和提升产业集聚水平也能够促使绿色物流向高效率发展，其表达的现实意义是对物流产业环境的优化，通过提高第二产业梯度，调整物流需求结构，带动物流需求数量的增加，且在产业结构合理时，产业集聚提高协作效率，实现资源集约利用，提升区域物流的整体效率和效益。组态 2b 说明，当政府环境规制薄弱，区域经济实力和开放水平都较为落后，并且第二产业优势不明显时，便要通过产业集聚和技术创新来实现绿色物流的高效率发展，在此，其仅仅解释了 1436%的案例。和技术经济型路径相比，产业主导型路径覆盖率较低，这表明了经济基础对于上层建筑的重要性，同时也提醒部分经济不发达区域，提升绿色物流效率水平除了从提升产业环境入手，技术环境也不可忽视，通过集聚产业并提高研究经费投入，可带来创新科技知识产出，进而降低碳排放和节约能源，从而促进绿色物流的发展。第三，政府干预型路径。包含组态 3a 和 3b。组态 3a 说明，在技术创新环境欠佳时，若对外开放水平不高，可通过加强环境规制力度与提升区域经济实力的方式提高绿色物流效率水平，这条组态路径解释了 228%的案例绿色物流高效率发展路径。组态 3b 说明，在技术创新环境欠佳时，若区域经济实力薄弱，通过加强政府环境规制力度与扩大对外开放程度也可达到绿色物流高效率发展的结果。政府干预型路径是政治、经济与产业环境的联动，也说明绿色物流高效率发展可以在国家环境规制政策落实的背景下得以实现。第四，全面型路径。通过政治、经济、产业和71第 6 期武佩剑，等:中国绿色物流效率评价与提升路径研究技术环境四方联动的共同作用是产生绿色物流高效率的充分条件，组态 5 解释了政府环境规制之下，经济和技术环境富庶，提高对外开放和产业集聚水平对绿色物流的发展有促进作用。此条组态路径致力于从多环境维度改善区域绿色物流发展现状，在一定程度上说明部分地区试图转变对单一方式的依赖，而采用更加多元化的方式促进绿色物流高效率发展。此路径虽然可行，但其覆盖率仅016，解释性不强，对发展要求较高，大部分区域很难长时间维持。2区域视角路径分析。从绿色物流的区域效率值可以看出，中国东、中、西部地区的绿色物流发展水平差异较大，且因各区域的政治、经济、产业和技术水平差异很大，不同区域发展异质性存在，其绿色物流的发展思路及高效率路径可能也并不一致，故对 20122018 年 30 个省区市构成的 240 个案例进行拆分，将所有样本依据东部、中部和西部区域划分为 3 部分，围绕“绿色物流影响因素联动匹配探索提升路径”这一核心问题，从三大区域视角对绿色物流高效率路径成因进行进一步探索和分析，一方面验证全国视角下路径的稳定性，另一方面针对不同区域的发展特性，分析组态路径特征及区域绿色物流路径提升的参考价值。表 6东、中、西部区域绿色物流高效率组态条件变量东部E1(1)E2(1)E3(4)E4E5中部M1(2a)M2(2b)M3M4M5西部S1(3a)政治环境E经济环境PGDPOPEN产业环境IGIS技术环境TE原始覆盖率0763062202770177 012403802950555 0318 03220474独特覆盖率0133000200040035 0011009600040039 0012 05460474一致率084209580990956 0911080308550887 0930 09290855总体覆盖率083308040474总体一致率083508020855典型案例上海天津山东天津福建辽宁河北海南山西湖南河南安徽湖北湖南安徽江西内蒙古表 6 呈现了三大区域实现绿色物流高效率发展的 5+5+1 条路径，其中，东部区域有 5 条高效率路径，总体覆盖率 833%，总体一致率 835%，路径E1、E2 的覆盖度和可信度都较高，路径 E1 的表达式为E*PGDP*OPEN*TE，表示在缺乏环境规制、高经济水平和技术创新水平时，辅之以对外开放可以实现东部区域绿色物流效率提升，上海和天津就是走此条路径实现高效率发展的。路径 E2(E3):PGDP*OPEN*IS(IG)*TE，表示通过提升经济发展水平和技术创新水平，扩大对外开放，优化产业结构(山东、天津)，推进产业集聚(福建、辽宁)，实现绿色物流的高效率发展。路径 E4:PG-DP*OPEN*IG*IS*TE，表示在经济水平和技术创新水平不高时，需通过优化产业结构并辅之以扩大开放和产业集聚来提升绿色物流效率水平，河北是走此路径的典型。路径 E5 表示在政治、产业和技术都薄弱之时，对外开放可以一定程度提升其绿色物流效率水平，如海南省，但其案例覆盖度较低、偶然性较大，路径相对不稳定。中部地区探索到 5 条高效率路径，这 5 条路径的总体覆盖率为 0804，总体一致率为 0802。与东部地区相比，中部地区在经济环境较弱的情况下，81安徽理工大学学报(社会科学版)第 24 卷可通过提升产业环境和技术环境实现绿色物流高效率发展。路径 M1:PGDP*OPEN*IG*TE，表示在经济技术环境欠缺时，通过产业集聚化发展可以有效促进绿色物流高效率发展，山西省是走这条路径的典型。路径 M2 与全国组态 6 完全一致，这里不作过多阐述。例如，湖南于 2005 年就形成雄厚的产