西部陆海新通道低碳物流高效率发展研究

期刊菜单

西部陆海新通道低碳物流高效率发展研究
Research on the High-Efficiency Development of Low-Carbon Logistics along the New Western Land-Sea Corridor

DOI: 10.12677/sd.2025.152059, PDF, HTML, XML, 科研立项经费支持
作者: 曾丽碧, 魏锋^*, 谭俊涛, 郭胜浩：广西科技大学经济与管理学院，广西柳州
关键词: 西部陆海新通道；低碳；物流效率；提升路径；The New Western Land-Sea Corridor； Low Carbon； Logistics Efficiency； Improvement Path

摘要: 西部陆海新通道作为我国西部重要的物流通道，其物流低碳高效运行具有重要意义。本文以2011~2022年西部陆海新通道沿线14个省市为研究对象，运用超效率SBM模型和GML指数法评价新通道低碳物流效率，选用fsQCA分析法探索效率提升路径。结果表明：1) 效率方面，新通道整体低碳物流效率提升空间较大但区域发展不均衡，广东、内蒙古、宁夏等省域起引领作用；GML指数波动上升，绿色技术进步是核心因素。2) 路径方面，新通道低碳物流效率受经济发展水平、环保重视程度等多种影响因素组合作用，形成效率提升路径：经济发展与对外开放协同驱动路径、资源约束型路径、政府制约型路径、科技低端型路径和政产研协同驱动路径。

Abstract: As an important logistics channel in western China, the new western land-sea corridor is of great significance for its low-carbon and efficient operation of logistics. In this paper, taking 14 provinces and cities along the new western land-sea corridor from 2011 to 2022 as the research object, the ultra-efficiency SBM model and GML index method are used to evaluate the low-carbon logistics efficiency of the new corridor, and the fsQCA analysis method is selected to explore the efficiency improvement path. The results show that: 1) In terms of efficiency, the overall low-carbon logistics efficiency improvement space of the new corridor is large, but the regional development is uneven, and Guangdong, Inner Mongolia, Ningxia and other provinces play a leading role; the GML index fluctuation is rising, and the progress of green technology is the core factor. 2) In terms of path, the low-carbon logistics efficiency of the new corridor is influenced by a variety of influencing factors such as the level of economic development and the degree of attention to environmental protection, forming an efficiency improvement path: the collaborative driving path of economic development and opening up to the outside world, the resource-constrained path, the government-restrained path, the low-end path of science and technology, and the collaborative driving path of government, production and research.

文章引用：曾丽碧, 魏锋, 谭俊涛, 郭胜浩. 西部陆海新通道低碳物流高效率发展研究[J]. 可持续发展, 2025, 15(2): 238-247. https://doi.org/10.12677/sd.2025.152059

1. 引言

新质生产力以绿色发展为引领，要求包括物流业在内的各行业向绿色化方向发展。西部陆海新通道作为连接我国西部与东盟国家的重要物流通道，辐射和带动作用不断增强。二十大报告强调要加速推进西部陆海新通道的建设。“扩大现有通道能力，显著提升物流效率”被设定为2025年新通道总体规划发展目标之一。研究西部陆海新通道物流业如何走上低碳且高效的发展道路已成为现实问题。

现有研究极具参考价值，但仍需进一步探讨：首先，国内对低碳物流的研究重点多放在物流局部环节低碳化，物流系统整体低碳化研究需要加强。其次，西部陆海新通道现有研究聚焦于建设成效[1] [2]、发展策略[3] [4]、协同机理[5]等方面，尚未有学者从组态思维出发研究新通道低碳物流效率的多因素组合影响及优化途径。

综上，本研究采用超效率SBM模型和GML指数对2011~2022年西部新通道低碳物流效率进行静态和动态评价，运用fsQCA法分析包括经济发展水平在内的多个影响因素对低碳物流效率的组合作用，据此提出效率提升路径。

2. 低碳物流效率评价

2.1. 方法选择与数据处理

2.1.1. SBM模型

超效率SBM模型适用于区分含有非期望投入或产出的有效决策单元之间的效率差异，能更准确地反映实际生产过程。选用超效率SBM模型测度低碳物流效率，线性规划公式如下：

$C o n s i s t e n c y (X) = \frac{\min (Π_{j = 1}^{n} X_{i})}{Π_{j = 1}^{n} X_{i}}$ (1)

其中，x_ij和x_ik表示省市j和省市k物流业的i类投入量，y_rj和y_rk为省市j和省市k物流业的r类产出，s_i和s_r表示i类投入过剩和r类产出不足，λ为线性组合系数，ρ为低碳物流效率值。

2.1.2. GML指数模型

GML指数可用于衡量多时期决策单元的全要素生产率变化，以解决传统Malmquist指数在处理环境污染等非期望产出时的局限性。GML指数可分解为绿色技术效率变化指数和绿色技术进步变化指数，以此找到生产率变动的主要原因。采用GML指数模型对新通道沿线低碳物流效率进行动态变化分析，以揭示不同时段区域低碳物流效率变化情况。

2.1.3. 指标构建

借鉴相关研究[6]-[9]，构建新通道低碳物流效率评价指标体系，见表1。

Table 1. Low-carbon logistics efficiency evaluation index system

表1. 低碳物流效率评价指标体系

类别	一级指标	二级指标	单位
投入指标	人力	物流就业人数	人
	资本	物流业固定资产投资额	亿元
	资产	物流业网络里程数	万公里
期望产出	产出水平	物流业增加值	亿元
期望产出	服务能力	货物周转量	亿吨公里
非期望产出	环境绩效	物流业碳排放量	万吨

2.1.4. 数据处理

选取2011~2022年新通道沿线14个省市物流数据作为原始数据，根据地理位置可将新通道分为北部(新疆、内蒙古、甘肃、宁夏)、中部(青海、四川、重庆、湖南、陕西)和南部(云南、贵州、广东、广西、海南)。采用邮政业、仓储业及运输业的数据代替物流业的数据。数据来源于《中国物流统计年鉴》《中国能源统计年鉴》及地方统计年鉴。物流业碳排放量根据《2006年IPCC国家温室气体清单指南》及《物流企业温室气体排放核算与报告要求》(WB/T 1135-2023)提供的关于碳排放计算方法测算，公式如下：

$K = \sum_{i = 1}^{n} E_{i} * η_{i} * N C F_{i} * C E F_{i} * C O F_{i} * \frac{44}{12}$ (2)

其中，i指代各类能源，E_i、η_i、NCF_i、CEF_i和COF_i依次对应第i类能源的总消耗量、折标煤系数、单位能源的平均低位热值、碳排放系数以及碳氧化率。

2.2. 低碳物流效率静动态分析

2.2.1. 静态分析

经测算得到新通道沿线低碳物流效率值，见表2。2011~2022年期间，新通道整体低碳物流均值为0.61，尚存在发展空间。各省市低碳物流效率大致呈上升趋势，符合绿色发展理念。广东、宁夏、内蒙古、海南、湖南和青海的效率值优于整体均值，处于引领地位。

新通道各区域效率变化情况见图1。新通道整体低碳物流效率在2011~2022年间有所提升，2020年后上升趋势明显。通道南部低碳物流效率表现最佳，北部和中部效率水平相似且较低。未来需关注如何缩小区域间的效率差距，推动新通道物流整体可持续发展。

Table 2. Low-carbon logistics efficiency of the new corridor from 2011 to 2022

表2. 2011~2022年新通道低碳物流效率

省域/年份	2011	2012	2013	2014	2015	2016	2017	2018	2019	2020	2021	2022	均值
内蒙古	0.49	0.61	0.52	0.52	0.55	0.56	0.76	1.02	1.01	1.01	1.00	1.00	0.80
湖南	0.51	0.50	0.46	0.52	0.51	0.57	0.75	1.01	1.00	0.63	1.03	1.01	0.75
广东	0.66	0.78	0.74	1.03	0.66	1.00	1.00	1.01	1.01	0.91	1.08	1.05	0.95
广西	0.49	0.46	0.45	0.44	0.47	0.47	0.48	0.50	0.47	0.48	0.69	0.73	0.52
海南	0.81	0.78	1.02	0.92	0.71	0.68	0.63	0.60	0.67	0.79	1.23	0.84	0.81
重庆	0.39	0.42	0.50	0.47	0.39	0.40	0.42	0.47	0.49	0.47	0.64	0.51	0.48
四川	0.27	0.27	0.25	0.26	0.27	0.27	0.28	0.31	0.32	0.30	0.31	0.45	0.30
贵州	0.32	0.33	0.34	0.36	0.33	0.37	0.38	0.43	0.46	0.46	0.56	0.67	0.44
云南	0.31	0.31	0.29	0.32	0.31	0.32	0.43	0.58	0.68	0.60	1.04	1.01	0.56
陕西	0.38	0.38	0.40	0.41	0.39	0.43	0.45	0.46	0.46	0.49	1.01	0.88	0.54
甘肃	0.44	0.39	0.47	0.48	0.38	0.33	0.40	0.43	0.43	0.41	0.44	0.49	0.43
青海	0.82	0.78	1.06	0.91	0.71	0.62	0.56	0.55	0.56	0.55	0.52	0.56	0.66
宁夏	0.85	0.82	1.05	1.00	0.81	0.84	0.80	0.78	0.79	0.80	0.78	0.83	0.85
新疆	0.35	0.35	0.40	0.39	0.33	0.56	0.35	0.52	0.53	0.43	0.42	0.55	0.45

Figure 1. Comparison of low-carbon logistics efficiency of new corridor from 2011 to 2022

图1. 2011~2022年新通道低碳物流效率区域对比

2.2.2. 动态分析

通过GML指数及其分解值分析新通道整体、省域及区域的低碳物流效率动态变化。

整体维度：见图2，新通道整体低碳物流效率GML指数呈波动上升的趋势。2012~2015年GML指数 < 1，效率逐年下降。2015~2020年GML指数持续上升至超过1，效率逐年上升。研究期间内GML指数显著低于其他年份对应时期内GML指数与技术进步指数变化方向趋同，即新通道整体低碳物流技术进步是低碳物流效率变化的主要驱动力。

Figure 2. Changes in GML index and decomposition index of new corridor from 2011 to 2022

图2. 2011~2022年新通道GML指数及分解指数变化

省域维度：见图3，新通道沿线有9个省市的GML指数 > 1，低碳物流效率整体向好，但省际差异明显，甘肃、陕西及新疆物流低碳绿色转型成效显著。而云南、青海及广西物流低碳绿色转型进程相对缓慢。海南、云南、宁夏和青海技术进步指数均值 < 1，物流技术发展相对退步。大多数省市物流技术效率变化指数均值 > 1，表明该些省市坚持优化物流资源配置及运营效率。广西技术效率变化指数最低，优化物流科技以提升效率潜力尚待挖掘。

Figure 3. Changes in GML index and its decomposition index in each province along new corridor from 2011 to 2022

图3. 2011~2022年新通道沿线各省GML指数及其分解指数变化

区域维度：见图4，新通道三大区域低碳物流效率GML指数均值均 > 1，即三大区域低碳物流效率均提升，但提升速度不一致，北部区域表现最为突出。三大区域GML指数提升动力存在差异，北部和中部以技术效率和技术进步共同作用，南部由技术进步推动，技术效率略微阻碍该区域GML指数增长。不同区域需要根据区域特点和优势，采取不同的低碳物流效率发展策略。

Figure 4. Changes in the GML index and its decomposition index in the sub-region along new corridor from 2011 to 2022

图4. 2011~2022年新通道沿线分区域GML指数及其分解指数变化

3. 低碳物流效率提升路径

通过fsQCA模型对新通道低碳物流效率影响因素进行必要性和组态分析，以揭示效率提升路径。

3.1. fsQCA法

模糊集定性比较分析(fsQCA)能处理连续变量和模糊性，将案例特征以0到1之间的任意数值进行描述[10]。相较于传统的回归分析或聚类分析，fsQCA优势在于其适用于中小样本量的研究，能够揭示事件成因及各影响因子之间的相互关系、等效性和因果的非对称性，聚焦多个要素的组合效应[11]。

3.2. 变量确定

Table 3. Description of variables

表3. 变量说明

变量类型	变量与符号	具体含义	单位
结果变量	低碳物流效率(Rate)	2011~2022年新通道沿线各省市低碳物流效率值
条件变量	经济发展水平(Eco)	人均生产总值	元/人
	环保重视程度(Env)	政府环境节能环保支出占财政支出的比重	%
	政府支持力度(Gov)	物流固定资产投入占固定资产投入的比重	%
	对外开放程度(Ope)	进出口总额占GDP的比重	%
	产业集聚程度(Dus)	采用区位熵法测度，LQ_i = (h_i/h)/(H_i/H)，h和h_i为i地区就业总人数与物流从业人数，H和H_i为全国就业人数与物流从业人，LQ_i∈(0, 1)
	科技发展水平(Ope)	科技支出占财政支出的比重	%

结合现实情况：良好的经济环境是物流业发展的基础；地区环保意识强度影响物流绿色化发展；物流业发展需要财政支持，政府过度行政管制可能会抑制物流发展；对外贸易越活跃，外商带来的技术和管理外溢效应越能影响物流业；产业集聚可以促进资源共享、产业链优化和技术创新，为物流业提供良好的发展环境。科技创新是新质生产力的核心要素，低碳物流的发展需依靠可再生能源技术等技术支持。并参考物流效率影响因素选择的相关研究[12]-[17]，确定变量见表3。

3.3. 数据校准

设定数据校准点：完全隶属点为0.95、交叉点为0.5、完全不隶属点为0.05，经PERCENTILE函数完成校准，见表4。依据校准点，通过fsQCA 3.0软件将各变量初始数据转换为介于0至1的模糊集隶属度。

Table 4. Calibration points for the outcome and conditional variables

表4. 结果变量与条件变量校准点

变量类型	变量	完全隶属(0.95)	交叉隶属(0.5)	完全不隶属(0.05)
结果变量	Rate	1.02	0.51	0.30
条件变量	Eco	8.77	4.52	2.42
	Env	2.52	1.94	1.48
	Gov	20.80	10.79	6.04
	Dus	1.85	1.17	0.60
	Tec	3.83	1.17	0.66
	OPe	66.40	11.21	3.16

3.4. 单一条件必要性分析

若条件变量一致性分数 > 0.9，则认为该条件变量是结果变量的必要条件。通过fsQCA 3.0软件计算单项条件变量一致性与覆盖度，见表5，一致性分数均 < 0.9，即新通道低碳物流效率并非由单一条件所影响，受多条件组合作用。

Table 5. Single condition variable necessity analysis

表5. 单项条件变量必要性分析

条件变量	一致性	覆盖度	条件变量	一致性	覆盖度
Eco	0.622901	0.639946	~Eco	0.661098	0.641012
Env	0.725415	0.780575	~Env	0.59295	0.551393
Gov	0.558846	0.594999	~Gov	0.729091	0.684295
Dus	0.685787	0.708285	~Dus	0.54189	0.522824
Tec	0.599907	0.685651	~Tec	0.705452	0.624428
OPe	0.569944	0.686901	~OPe	0.71513	0.608636

3.5. 组态条件充分性分析

将案例频数设为1以移除矛盾组态。一致性阈值设为0.8即至少80%的案例实施了相似低碳物流效率提升路径时，该路径被认为是有效的。整合fsQCA 3.0软件报备的中间解和简约解，得到可形成新通道低碳物流高效率状态的多条件组合，见表6。

Table 6. Condition configuration for high efficiency of low-carbon logistics

表6. 低碳物流效率较高的条件组态

条件变量	低碳物流效率较高的条件组态
条件变量	组态1	组态2	组态3	组态4	组态5	组态6	组态7
Eco	●	●			●		●
Env	●		●		●	●
Gov				●	◎	●
Dus		●	●	●		●
Tec			◎	◎	●	●	◎
OPe	●	●	◎	◎			●
一致性	0.828	0.815	0.861	0.871	0.862	0.892	0.804
原始覆盖度	0.373	0.388	0.321	0.294	0.319	0.266	0.417
唯一覆盖度	0.018	0.016	0.025	0.032	0.047	0.087	0.032
总体一致性			0.811
总体覆盖度			0.746

注：“●”和“◎”分别表示核心条件存在、缺失，“●”和“◎”分别表示边缘条件存在、缺失，“空白”代表前因条件既可存在，也可不存在。

3.6. 提升路径

将一致性阈值由0.8提升至0.85，七种组态路径仍存在，对结果解释并未出现根本性差异，说明针对新通道低碳物流效率所进行的条件组合分析具有较高的稳健性。遵循具有相同核心条件组态进行整合的原则，得到新通道低碳物流效率提升路径：

路径1：经济发展与对外开放协同驱动路径。

该路径依据组态1和组态2，典型案例为重庆和四川。路径特征在于依托坚实的经济基础以及“一带一路”等对外开放条件优势，通过加强环保意识或是提升物流产业聚集程度推动物流需求的增长和服务的国际化与低碳化。路径核心在于：经济基础优势和对外开放条件优势。重庆和四川作为“一带一路”倡议的重要节点，凭借稳健的经济增长和完善的工业体系，利用其地理和政策的优势，为物流行业提供了坚实的物质基础和市场潜力并推动了物流服务的国际化。在此基础上，该路径强调两种策略：一是通过增强物流行业环保意识，推动物流产业向低碳、环保的方向发展。二是优化物流产业结构，提高物流产业的聚集程度。

路径2：资源约束型路径。

该路径依据组态3和组态4，典型案例为青海、宁夏和甘肃。该路径针对资源约束型地区，强调在经济基础和对外开放受限的情况下，通过物流产业聚集、政府支持与环保意识的协同作用，实现低碳物流效率的提升。在该路径中，尽管科技发展水平与对外开放程度作为边缘条件缺失，地区可通过实施“物流产业聚集 + 政府支持”或“物流产业聚集 + 环保意识提升”的复合策略，有效地提高低碳物流效率。具体而言，地区可通过构建综合保税区等基础设施，增强物流产业集聚。此外，政府的积极作用不可或缺，应增加物流基础设施建设投资，为物流可持续发展提供物质基础。同时，地区亦需致力培养环保意识，如通过实施绿色消费方案，如推动新能源汽车在物流领域的应用，提升物流绿色化管理水平。

路径3：政府制约型路径。

该路径依据组态5，典型案例为陕西。该路径强调在政府支持有限的情况下，通过市场机制、技术创新和环保意识的共同作用，实现物流业的低碳化。利用地区经济增长动力，为物流业提供稳定的市场需求和经济基础。通过市场机制激励企业投资低碳物流设施和技术，减少对政府直接支持的依赖。通过社会教育和宣传，提高公众和企业的环保意识，推动物流业向低碳方向发展。加强科技投入，支持物流相关技术研发和应用。虽然政府支持力度有限，但可制定政策和标准，引导物流低碳转型。

路径4：政产研协同驱动路径。

该路径依据组态6，典型案例为广东。该路径强调政府、企业及科研机构协同出力。政府层面，应加强政府支持力度。制定和完善相关政策，加大物流业行业的财政投入，支持基础设施建设和技术研发，加大环境节能环保支出。强化环保监管，确保物流活动符合低碳环保要求。产业层面，优化物流产业布局，提高产业集中度。加强物流企业间包括产业链上下游企业的合作，实现资源整合。科技方面，地方应加大R&D经费投入，支持企业低碳物流关键技术研发和应用。

路径5：科技低端型路径。

该路径依据组态7，典型案例为广西。该路径强调在科技水平不高的情况下，通过经济增长和对外开放的双重作用，结合创新和适应性策略，仍可实现物流业的低碳化和效率提升。首先，依托地区经济增长的推动力，例如广西利用北部湾经济区的快速发展，调整和优化产业结构，从而刺激物流需求的增长。其次，发挥地区对外开放的潜力，如广西作为连接东南亚的关键节点，增强物流业在国际市场的参与度。通过提升对外开放程度，拓展物流业的市场空间，为低碳物流发展提供新机遇。鉴于科技发展水平的局限性，强调创新物流服务模式和提升现有技术应用效率，包括通过非技术手段，如管理优化和流程再造来提高物流效率。

4. 结语

本研究分析了2011~2022年西部陆海新通道沿线地区低碳物流效率并识别了效率提升路径。结论如下：

1) 新通道整体低碳物流效率均值为0.61，发展空间较大。物流业存在投入冗余，资源利用率有待提升。效率水平存在地区差异，广东、海南、宁夏和内蒙古起引领作用，均高于整体效率均值。

2) 新通道整体低碳物流效率的GML指数呈现波动上升趋势，发展势头强劲，绿色技术进步是主要驱动力。省域维度，甘肃、陕西和新疆效率提升显著，而云南、青海和广西相对落后。区域维度，北中南三大区域效率均提高，北部最为显著，北中部绿色技术效率和技术进步共同作用，南部则以技术进步为主，技术效率有待提升。需根据区域特点和优势，采取不同的发展策略。

新通道沿线省市低碳物流效率由经济发展水平、环保重视程度、政府支持力度、对外开放程度、产业集聚程度及科技发展水平等多种影响因素组合作用，形成了七种条件组态。据此归纳总结出低碳物流效率提升路径：经济发展与对外开放协同驱动路径、资源约束型路径、政府制约型路径、科技低端型路径和政产研协同驱动路径。

基金项目

2023年度广西科技大学研究生课程思政示范课程项目(005B207)；2023年广西研究生教育创新计划项目《新时代民族地区工业高质量发展水平测度、空间集聚与提升路径研究》(GKYC202341)。

NOTES

^*通讯作者。

参考文献

[1]	胡婷, 陈久梅. 西部陆海新通道物流业与对外贸易协调发展及收敛性研究[J]. 价格月刊, 2021(5): 75-83.
[2]	丛晓男. 西部陆海新通道经济影响及其区域协作机制[J]. 中国软科学, 2021(2): 65-78.
[3]	杨耀源. “双循环”新发展格局下推进西部陆海贸易新通道高质量发展的关键路径[J]. 商业经济研究, 2021(7): 145-150.
[4]	王景敏. “西部陆海新通道”物流系统建设面临的挑战与应对之策[J]. 对外经贸实务, 2019(5): 83-85.
[5]	商务部国际贸易经济合作研究院课题组. 国际陆海贸易新通道发展成效与建议[J]. 国际经济合作, 2022(6): 14-22, 86.
[6]	张云凤, 王雨. 物流产业效率评价及影响因素分析[J]. 统计与决策, 2018, 34(8): 109-112.
[7]	闫妍. 我国“一带一路”沿线区域物流动态效率测度及其影响因素研究——基于双碳视角[J]. 商业经济研究, 2022(13): 93-97.
[8]	谈晓勇, 陈猛. 西部陆海新通道物流业碳排放效率研究[J]. 西安理工大学学报, 2024, 40(4): 471-481.
[9]	何景师, 王术峰, 徐兰. 碳排放约束下我国三大湾区城市群绿色物流效率及影响因素研究[J]. 铁道运输与经济, 2021, 43(8): 30-36.
[10]	Ragin, C.C. (2008) Redesigning Social Inquiry: Fuzzy Sets and Beyond. University of Chicago Press. https://doi.org/10.7208/chicago/9780226702797.001.0001
[11]	杜运周, 李佳馨, 刘秋辰, 赵舒婷, 陈凯薇. 复杂动态视角下的组态理论与QCA方法: 研究进展与未来方向[J]. 管理世界, 2021, 37(3): 180-197.
[12]	刘清华. 安徽省物流产业效率及其影响因素分析[D]: [硕士学位论文]. 合肥: 合肥工业大学, 2019.
[13]	李娟, 王琴梅. 我国西部地区物流业发展质量及其影响因素研究——基于物流业效率视角[J]. 北京工业大学学报(社会科学版), 2020, 20(2): 82-93.
[14]	龚雪. 区域物流效率测度及影响因素分析[J]. 统计与决策, 2022, 38(12): 112-116.
[15]	裴东慧. 粤港澳大湾区城市群物流效率测度及影响因素研究[J]. 商业经济研究, 2023(18): 180-183.
[16]	曹炳汝, 邓莉娟. 长江经济带物流业效率增长影响因素[J]. 经济地理, 2019, 39(7): 148-157.
[17]	俞佳立, 钱芝网. 长江经济带物流产业效率的时空演化及其影响因素[J]. 经济地理, 2018, 38(8): 108-115.

为你推荐

友情链接