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)
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2012—2018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)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DEMATEL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CCR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。
(一)指标选择与说明
与大部分研究一致[1-2,15]，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Super-SBM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：
(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
(二)评价结果
使用基于非期望产出的Super-SBM模型，使用Matlab R2016对中国2012—2018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(1)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。，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2 2012—2018年中国各省区市绿色物流效率值
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。2012—2018年中国绿色物流均值为0.493，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)，2012—2018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0.552；
2015年最低，效率均值为0.458，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
从区域视角来看(见图2)，东部11省份2012—2018年间的绿色物流效率在0.7左右波动，中部8省绿色物流效率在0.5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2012—2016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。
图2 2012—2018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，2012—2015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0.2，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。
(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[14-16]，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：
(2)
Rij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Rij>1时，具有区位比较优势和竞争力；
Rij=1表示均势，产业优势不明显；
Rij<1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R&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。R&D经费投入强度用R&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。
表3 条件变量及结果变量指标描述
(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0～1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0.9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0.9，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
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0.75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1[21-23]。本文对于全国视角的路径分析使用了2012—2018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0.85。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0.8。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。
表5 全国绿色物流高效率水平组态路径
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86.38%，总体解的覆盖率为66.13%。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。
表6 东、中、西部区域绿色物流高效率组态
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0.898 7，原始覆盖率为0.496 1，独特覆盖率为0.326 3，表示所有满足该条路径的案例中有89.87%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32.63%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14.36%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22.8%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0.16，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2012—2018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83.3%，总体一致率83.5%，路径E1、E2的覆盖度和可信度都较高，路径E1的表达式为～ER*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：～PGDP*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0.804，总体一致率为0.802。与东部地区相比，中部地区在经济环境较弱的情况下，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年就形成雄厚的产业集聚区，河南自2008年就开始实施集聚区战略，产业集聚成为两省经济的重要增长极，在集聚效应下，设备、人才、信息等资源得到进一步优化配置，加之科技创新注入的发展动力，推动了两省物流的高质量发展。路径M3：～ER*～OPEN*IS*TE，表示在环境规制宽松，对外开放度偏低时，注重引导产业结构优化和加大技术创新力度可提高绿色物流效率，路径覆盖度达55.5%。此条路径是中部区域大部分省市绿色物流产生高效率的原因，解释力强，比较典型的发展案例有安徽和湖北。路径M4:ER*～PGP*～OPEN*～IG*TE，表示以环境规制下的技术创新为核心实现绿色物流高效率发展，安徽和湖南采取这种方式。安徽的合肥跻身综合性国家科学中心，为安徽科技创新提供了发展动力，促进了绿色物流技术的推广与应用。伴随经济与科技实力的高速增长，长株潭城市群作为东部崛起的“引擎”和国家改革实验区，其绿色物流效率水平也得到稳步提升。组态M5：ER*～PGDP*OPEN*～IG*IS*～TE，表示在经济实力薄弱、技术环境欠佳、产业分散时，把加强环境规制、扩大对外开放及优化产业结构作为核心条件，可实现绿色物流高效率发展，江西省是走此路径的典型。
西部地区仅探索出一条路径：ER*PGDP*～OPEN*IG*TE，其总体覆盖率0.474，案例解释力相对较弱，究其缘由，西部地区产业都较为分散，对外开放水平和技术环境对比东部和中部地区有较大的差距，不利于绿色物流的发展。在这样的环境下，内蒙古通过提高产业集聚水平和经济发展水平，加之政府加大对物流业的环境干预与政策支持，实现了区域绿色物流向好向优发展，其高效率发展模式值得西部其他省区市借鉴。
(四)进一步分析
通过对全国视角下绿色物流高效率组态间的异同比较，我们可以进一步识别绿色物流宏观环境下的条件变量间潜在的替代关系(见图4)，这种替代关系表现为绿色物流的提升路径在选择上的多元化和可替代性。首先，对比组态2a和2b，我们发现，技术创新与产业结构之间存在着明显的替代效应，具体表现为高水平的产业结构和高水平的技术创新在促进绿色物流高效率发展上产生条件的替代作用，即绿色物流发展过程中产业环境上的缺失可以通过技术环境来弥补，这是因为面对复杂的竞争环境，产业结构中第二产业梯度提高作为一种客观条件，各区域政府很难在短期内做到控制第二产业结构及比例，而技术创新作为主管可控因素，区域政府则往往可以通过提高对物流企业的研究开发经费支出来实现物流业技术创新水平的提高，从而产生了技术创新与产业结构之间的替代作用。其次，通过对比组态3a和3b，可以识别出对外开放与经济发展水平之间存在替代效应，即在高强度的环境规制、高产业集聚水平的情况下，与高对外开放水平或者高经济发展水平二者任一共存均能呈现绿色物流高效率水平，这是因为对物流业的发展来说，高经济发展水平可作为一种内部经济刺激推动物流业发展，而对外开放则作为一种外部经济刺激推动物流业的发展，二者推动绿色物流高效率发展的本质都是基于经济层面的提升和促进作用，表现为经济活动对物流业效率提升的辅助作用。
图4 绿色物流宏观环境条件变量的替代效应示意图
全国视角下绿色物流高效率组态路径，从纵向来看，技术经济型高效率路径覆盖率最高，说明其解释力最强，此路径形式是全国大部分省区市的绿色物流产生高效率的原因，也说明技术经济型路径带来绿色物流高效率提升更稳定。从横向来看，产业环境相较于政治环境、经济环境和技术环境，其存在且作为核心条件可带来绿色物流高效率提升的频率更高，即良好的产业环境对绿色物流的发展起核心作用。区域视角下绿色物流高效率组态路径中，对比全国绿色物流高效率路径我们发现，区域路径和全国路径存在高度的匹配相似性，这种相似性正解释了全国视角下探索的路径案例来源，其存在的差异也说明了区域视角下路径的独特性。从各区域路径核心条件特征来看，东部地区高效率的原因很大程度上源于经济环境的富足和良好的技术创新环境，该区域倾向选择技术经济型组态路径，如组态E1、E2、E3。中部地区绿色物流效率的提升得益于其产业环境和技术环境，更倾向于选择产业主导型路径，如组态M1、M2、M3。从案例解释程度(覆盖度)和绿色物流效率水平来看，东部区域绿色物流发展水平高于中西部区域，结合前文区域效率评价结果可以推断，经济实力雄厚带来绿色物流高效率的方式更稳定。
(一)研究结论
本文通过对全国各省域绿色物流效率进行测度发现，首先，中国绿色物流的发展水平差异很大，2012—2018年中国绿色物流效率变化呈现“W”型波动态势，呈总体下降趋势。区域上东部发展最好，中部其次，西部较差，上海、河北和安徽处于绿色物流的效率前沿面上，是DEA有效地区。其次，文章基于政治、经济、产业和技术维度，从组态视角来探索环境规制、经济发展水平、对外开放、产业结构、产业集聚及技术创新6个影响绿色物流发展的关键变量之间的匹配和联合效应，发现中国绿色物流的高效率发展有6种组态形式，归纳为4条路径，分别为技术经济型、产业主导型、政府干预型和全面型高效率路径，在这4条路径中，产业环境作为核心条件且存在的频率较高，即产业环境是对绿色物流发展产生关键影响。在对绿色物流发展作一般性讨论后，鉴于区域发展异质性与区域发展特色，从区域视角看，东部与中部存在5条绿色物流高效率路径，而西部仅一条。区域路径与全国路径之间存在高度相似性，同时也存在部分差异。在路径类型的选择上，东部区域适合走技术经济型路径，中部区域倾向走产业主导型路径。从环境维度来看路径特征，东部地区高效率很大程度上源于经济环境的富足和良好的技术创新环境，中部地区得益于其优质的产业环境及技术环境。本研究揭示了复杂的绿色物流环境间的作用机制，QCA方法的引入，为物流产业高质量发展路径选择提供了开放的视角，丰富了绿色物流的研究内涵。
(二)实践启示
本文的研究结论对于中国绿色物流提升路径选择具有指导意义。我们把所有高效率路径依据环境驱动类型归纳为技术经济型、产业主导型、政府干预型、全面型，一方面说明绿色物流发展需要推进政治、经济、产业、技术环境的有效融合，另一方面启发三大区域政府，绿色物流的发展需结合区域环境现状与区域特性，推动绿色物流环境要素的组合优化，调整发展方式，以实现绿色物流效率水平提高，具体提出如下建议：
1.东部的北京和海南等省市绿色物流效率水平相对较低，应引起当地政府的关注。在提升绿色物流发展水平上，组态E1的覆盖度最高，一方面说明东部区域适合走技术驱动+经济刺激型绿色物流路径。另一方面，北京和海南当地政府应该注重此条高效率路径，进一步扩大对外开放，提高对外开放水平，增加外企数量，同时加强当地企业的R&D投入，提升区域物流现代化水平，提高技术创新水平，以实现绿色物流更高效率的发展。
2.中部的吉林、黑龙江和湖北的绿色物流效率较低，其区域绿色物流发展需围绕产业与技术环境协调联动。区域组态M1和M3的覆盖率较高，路径解释力较强，提醒该区域政府应积极调整和优化产业结构，提高第二产业比重，同时加大区域的科技创新投入来提升绿色物流效率水平。另外，政府可以通过集聚物流产业来提高其资源利用率，促进要素联动。组态M5表明中部区域的绿色物流提升路径可以在国家环境规制政策落实的大环境下得到改善。政府一方面注重限制企业的“高碳”行为，另一方面需要扩大对外开放，引导产业结构调整与升级，在开放环境中提高第二产业梯度比例，刺激物流产业需求，多方面推动物流业发展。
3.西部的新疆、青海和重庆的绿色物流效率水平都亟待提升。西部的发展重点应放在以下两方面：(1)经济发展先行。西部地区受交通、市场资源要素聚集能力等限制，土地、融资、物流、行政等四大成本仍然较高，大部分省份经济欠发达，提高经济水平需先积极扩大内部消费需求，尤其是要大力挖掘农村消费潜力；
中央政府要继续引导西南地区广西、云南等省区提升面向东南亚、南亚地区的通道功能和门户功能，鼓励发展边境贸易，以推动跨境物流体系的建设和经济环境改善。(2)环境规制和产业集聚后升。由于西部地区主要是以政府投资为主导模式的投资体制，在急需经济支撑、结构调整和技术进步的前提下，要将资金重点投资到区域发展和环境保护等过去忽视的范围和领域。同时推动产业转型升级，培育区域物流增长极，建设物流产业集聚基地，以促进物流企业间的交流融通。通过产业集聚发挥创新技术产出和技术升级带动物流企业数字化转型作用，综合提升物流产业效率水平。