基于EKC模型的浙江物流服務(wù)碳排放實證研究

段向云

(浙江樹人大學(xué) 現(xiàn)代服務(wù)業(yè)學(xué)院，浙江 杭州 310015)

基于EKC模型的浙江物流服務(wù)碳排放實證研究

段向云

(浙江樹人大學(xué) 現(xiàn)代服務(wù)業(yè)學(xué)院，浙江 杭州 310015)

首先梳理了相關(guān)研究文獻(xiàn)，通過收集1995年—2009年浙江省物流服務(wù)的相關(guān)能耗數(shù)據(jù)，采用系數(shù)法對浙江省物流服務(wù)的碳排放進(jìn)行了測算，然后運用EKC模型對浙江省物流服務(wù)的碳排放狀況進(jìn)行評估，研究發(fā)現(xiàn)15年間物流服務(wù)的碳排放量呈嚴(yán)格的指數(shù)型增長，物流服務(wù)的發(fā)展與碳排放呈直線關(guān)系，物流服務(wù)的發(fā)展增長與碳排放兩者尚未脫鉤、控碳嚴(yán)峻，亟待從高產(chǎn)高碳走向高產(chǎn)低碳區(qū)域。未來減碳之路需要實現(xiàn)向集約型增長方式的轉(zhuǎn)變，應(yīng)加強智慧物流和推進(jìn)融合物流。

物流服務(wù)；碳排放；EKC模型；智慧物流；融合物流

一、相關(guān)文獻(xiàn)研究

對碳排放的測算按照計算的系統(tǒng)程度，主要有兩種方法，分別為生命周期評估法和能源礦物燃料排放量計算法。前者雖然計算結(jié)果更準(zhǔn)確，但由于涉及的環(huán)節(jié)和基礎(chǔ)數(shù)據(jù)較多，在實際測算中存在較多困難，因此少被使用。后者較易操作和實施，且IPCC第四次評估報告公布的研究結(jié)果明確顯示：溫室氣體增加的主要來源是化石燃料燃燒，因此目前常使用后者進(jìn)行測算，即采用系數(shù)法根據(jù)各項能源的消費量來估算碳排放量。

目前國內(nèi)外學(xué)者對碳排放的研究，主要在于探討碳排放與某一國家的經(jīng)濟增長或發(fā)展?fàn)顩r的相關(guān)關(guān)系。如Friedl等(2003)通過測算、考察奧地利的碳排放狀況和規(guī)律，發(fā)現(xiàn)1960年—1999年奧地利的碳排放狀況與經(jīng)濟增長呈“N”型關(guān)系[1]。Grubb等(2004)則測算了人均碳排放量，發(fā)現(xiàn)在工業(yè)化初期，隨著人均收入的增加，人均碳排放量較高，但是跨越這一階段以后，人均碳排放量將在不同水平上趨于飽和[2]。Ankarhem(2005)則著重考察了瑞典1918年—1994年的碳排放趨勢，發(fā)現(xiàn)瑞典1918年—1994年的經(jīng)濟增長與二氧化碳、二氧化硫以及揮發(fā)性有機物的排放狀況呈倒U型曲線分布[3]。

國內(nèi)學(xué)者對我國的碳排放也進(jìn)行了研究。徐國泉等(2006)系統(tǒng)地考察了我國1995年—2004年的人均碳排放量，并探討了影響人均碳排放量的因素[4]。中國現(xiàn)代化戰(zhàn)略研究所等(2007)則放眼國際，測算并研究了1960年—2002年各國人均二氧化碳排放量的變化趨勢，結(jié)果發(fā)現(xiàn)部分國家符合環(huán)境庫茲涅茨曲線，還有部分國家不符合環(huán)境庫茲涅茨曲線[5]。譚丹等(2008)、周常春等(2011)則進(jìn)一步細(xì)化了研究范圍，把研究重心聚集在行業(yè)，如譚丹等考察了近十年來我國工業(yè)各行業(yè)的碳排放量[6]，而周常春等從旅游的衣、住、行、游、購、娛六方面測算了旅游的碳排放[7]。李國志等(2010)、王卉彤等(2011)關(guān)注地區(qū)，測算了我國30個省區(qū)的碳排放，并用相關(guān)統(tǒng)計方法進(jìn)一步劃分和研究了碳排放類型的區(qū)域特征[8][9]。

綜上，根據(jù)目前國內(nèi)外學(xué)者的研究，可以發(fā)現(xiàn)對碳排放的測算與研究，無論用碳排放量還是人均碳排放量等指標(biāo)，但主要集中在對某一國家、行業(yè)和地區(qū)的研究，尚未探討物流服務(wù)的碳排放量。眾所周知，物流業(yè)是能源消耗大戶，對石油化石能源的依賴性與日俱增，根據(jù)浙江統(tǒng)計局公布的能源分行業(yè)消費數(shù)據(jù)來看，近10年來我省物流能源消耗量占省能源消耗量的比重均在6%上下波動，僅2003年至2009年7年間，物流能源消耗量就從2003年的546.77萬噸標(biāo)準(zhǔn)煤上升至2009年的1 009.17萬噸標(biāo)準(zhǔn)煤，增速達(dá)84.57%①，年均增長速度為12.08%。具體到能源品種，浙江省物流服務(wù)的能源消耗以油料非再生能源為主，僅次于制造業(yè)，近15年物流油料消耗量占物流能源消耗量的比重在90%②高位波動，近5年已高居99%，油料消耗又以柴油和汽油高污染型能源為主，其中汽油消耗量占省汽油消耗量的比例在50%③上下波動。高污染能源消耗勢必高溫室氣體和大氣污染排放，因此明確浙江省物流服務(wù)的碳排放狀況顯得尤為重要。

二、浙江省物流服務(wù)的碳排放測算

(一)測算方法

由于目前對碳排放的測算研究是采用系數(shù)法、基于對能源消費量的估算得來的，因此通過查找歷年《中國能源統(tǒng)計年鑒》、《浙江統(tǒng)計年鑒》以及《中國物流年鑒》等，首先收集了1995年—2009年浙江省物流服務(wù)的能源消耗量基礎(chǔ)數(shù)據(jù)，然后按照統(tǒng)計局公布的各能源折標(biāo)準(zhǔn)煤參考系數(shù)將能源消費實物統(tǒng)計量轉(zhuǎn)換為標(biāo)準(zhǔn)統(tǒng)計量，最后采用公認(rèn)的估算公式和能源消耗碳排放系數(shù)的取值數(shù)據(jù)對浙江省物流服務(wù)的碳排放進(jìn)行了測算，各類能源的碳排放系數(shù)見表1。具體公式和能源消耗的碳排放系數(shù)如下：

式中C為碳排放量，Ci為第i種能源的碳排放量，E為一次能源的總消費量，Ei為i種能源的消費量。相應(yīng)，Si代表i類能源在總能源中所占的比重，F(xiàn)i為i類能源的碳排放系數(shù)。

表1 各類能源的碳排放系數(shù)

資源來源：中國科學(xué)院可持續(xù)發(fā)展戰(zhàn)略研究組.2009中國可持續(xù)發(fā)展戰(zhàn)略報告——探索中國特色的低碳道路[M].北京：科學(xué)出版社，2009：69.

(二)浙江省物流服務(wù)的碳總排放量

基于能源消耗的基礎(chǔ)數(shù)據(jù)，根據(jù)以上碳估算方法和公式，初步測算了1995年—2009年浙江省物流服務(wù)歷年的碳排放量，具體測算結(jié)果見圖1。

從浙江省物流服務(wù)的碳排放量變化趨勢圖來看，15年間物流服務(wù)的碳排放量呈逐年上升趨勢，從上升速度來看大致經(jīng)歷兩個階段的變化：平穩(wěn)上升和大幅持續(xù)遞增調(diào)整。具體來說，自1995至2001年7年間物流服務(wù)的碳排放量呈逐年平穩(wěn)上升趨勢，雖然增長幅度不大，但是經(jīng)歷的是7年的連續(xù)增長，由1995年的111.04萬噸增長至2001年199.15萬噸，增長了88.11萬噸；7年穩(wěn)步前進(jìn)后，2002年開始碳排放出現(xiàn)大幅攀升，碳排放突破200萬噸，3年后碳排放一舉進(jìn)入300萬噸大關(guān)，2005年升至304.61萬噸，之后仍是3年的飚升并肆意打破400萬關(guān)口，2009年達(dá)433.76萬噸，8年間碳排放增長215.93萬噸，年均增速高達(dá)12.39%?？傮w來說，15年間浙江省物流服務(wù)的碳排放量呈增長變化趨勢，總趨勢呈遞增變化，增幅略有不同，呈現(xiàn)出的是一幅平穩(wěn)增長繼而大幅增長的變化趨勢圖。

圖1 1995年—2009年浙江省物流服務(wù)歷年碳排放量

三、浙江省物流服務(wù)的碳排放現(xiàn)狀評估

(一)評估模型

EKC模型又稱為環(huán)境庫茲涅茨曲線模型，由美國著名經(jīng)濟學(xué)家西蒙·庫茲涅茨于20世紀(jì)50年代提出，由于EKC涉及到環(huán)境與發(fā)展的一般規(guī)律，因此它的提出引起了全球環(huán)境和經(jīng)濟學(xué)家的廣泛關(guān)注，國內(nèi)外學(xué)者紛紛展開實證和計量模型以研究經(jīng)濟增長與環(huán)境之間的函數(shù)關(guān)系，如學(xué)者Grossman(1995)[10]、Shafik(1992)[11]、Selden(1994)[12]等。隨著模型研究范圍的拓展，環(huán)境庫茲涅茨曲線又進(jìn)一步產(chǎn)生了衍生曲線，學(xué)者的研究結(jié)果顯示，經(jīng)濟增長與環(huán)境污染指標(biāo)之間除了呈倒U型曲線的二次方程外，還會顯示出一次方程、N型的三次方程關(guān)系，曲線關(guān)系除了最初的倒U型，還有直線、U型、N型和反N型。模型中參數(shù)值變化與曲線判斷標(biāo)準(zhǔn)如表2所示：

(二)數(shù)據(jù)處理與關(guān)系模擬

在以往的研究中，學(xué)者們多研究某一國家的經(jīng)濟增長與環(huán)境污染之間的關(guān)系，用人均收入反映經(jīng)濟增長，用二氧化碳、煙塵排放等生態(tài)環(huán)境指標(biāo)反映環(huán)境質(zhì)量。經(jīng)濟增長主要反映的是產(chǎn)出的增長，本文用浙江省物流服務(wù)的產(chǎn)值來反映物流服務(wù)的發(fā)展增長，碳排放量反映環(huán)境質(zhì)量狀況。數(shù)據(jù)截取時間段為1995年—2009年共15年間的數(shù)據(jù)。同時為了保持?jǐn)?shù)據(jù)的可比性，分別將當(dāng)年價格的產(chǎn)值折算為以1995年為基期的可比價格產(chǎn)值，以剔除價格變動因素的影響。

表2 模型的參數(shù)值變化與曲線形狀

資源來源：作者整理

由于回歸分析是研究變量間的非確定關(guān)系、構(gòu)造變量間經(jīng)驗公式的常用數(shù)理統(tǒng)計方法，因此使用EKC模型時，學(xué)者們常使用回歸分析統(tǒng)計方法來構(gòu)造變量間的函數(shù)關(guān)系，根據(jù)函數(shù)關(guān)系和因變量的變化趨勢來進(jìn)一步判定變量間的相依關(guān)系。

在關(guān)系模擬之前，要首先觀察具體指標(biāo)值的變動情況，從變化趨勢來看，浙江省物流服務(wù)的碳排放量呈嚴(yán)格的指數(shù)型增長，產(chǎn)值變化趨勢與碳排放量變化趨勢大致相同，也呈指數(shù)型增長態(tài)勢，但浙江省物流服務(wù)的歷年產(chǎn)值呈非嚴(yán)格的指數(shù)型增長態(tài)勢。盡管浙江省物流服務(wù)發(fā)展增長與碳排放演變都呈指數(shù)型增長趨勢，但是上升的步伐并不相同，碳排放一直呈逐年上升趨勢，而產(chǎn)值總體增長但增長中有回落調(diào)整，且兩者出現(xiàn)峰值的時間和歷年增長速度亦存在較大的差異。兩者的相依關(guān)系是否符合環(huán)境庫茲涅茨曲線演變規(guī)律？會呈現(xiàn)何種形態(tài)？有待對兩者的相依關(guān)系進(jìn)行模擬。

通過觀察指標(biāo)值，發(fā)現(xiàn)兩個觀察量指標(biāo)值所使用的時間間隔和長度單位完全統(tǒng)一，因此可以對兩者進(jìn)行多項式模擬。本文使用SPSS19.0對1995年—2009年浙江省物流服務(wù)的碳排放量和產(chǎn)值進(jìn)行了一次多項式、二次多項式和三次多項式模型擬合與選擇。

模擬圖形如圖2所示，從擬合圖來看，二次模型對觀測量的擬合程度要優(yōu)于三次模型和一次模型。當(dāng)然圖形的判斷只是對模型的取舍起輔助作用，而最終的模型判定還是要通過對統(tǒng)計量的分析與研究進(jìn)行。

具體統(tǒng)計量如表3所示，模型概況表列出了線性模型、二次模型與三次模型的復(fù)相關(guān)系數(shù)R、判定系數(shù)R2、R2的修正值以及標(biāo)準(zhǔn)誤等。此外方差分析結(jié)果顯示3個模型的F值概率均小于0.001，表明顯著水平均小于0.001，故都有統(tǒng)計意義，因此通過比較分析模型的R2修正值和F值來判斷模型。由于線性模型的R2修正值最大，為0.793，大于二次模型的R2修正值0.777和三次模型的0.761；線性模型的F=54.505最大，二次模型次之，F(xiàn)=25.437，三次模型的F =15.828最小，所以可以判斷，擬合最好的是線性模型。因此可以判斷線性模型可以較好地描述浙江省物流服務(wù)的碳排放量與產(chǎn)值增長之間的相依關(guān)系。

圖2 浙江省物流服務(wù)碳排放量與產(chǎn)值增長時序數(shù)據(jù)擬合圖

(三)研究結(jié)論

通過回歸方程和因變量的變化趨勢可以判斷曲線形狀。根據(jù)回歸結(jié)果來看，線性模型要優(yōu)于二次模型和三次模型，同時由擬合圖和相關(guān)分析來看，浙江省物流服務(wù)產(chǎn)值不斷上升的過程中，因變量碳排放量呈大幅增加趨勢，兩者的相關(guān)系數(shù)為0.899，顯著性概率水平為0.01，由此可以認(rèn)為我省物流服務(wù)的發(fā)展與碳排放呈直線關(guān)系。

表3 模型概況表

資源來源：作者整理。

由此根據(jù)表4線性模型的回歸系數(shù)表，可以得出回歸方程為：y=-2.690+0.502x。

表4 線性模型的回歸系數(shù)表

資源來源：作者整理。

根據(jù)EKC模型理論，直線關(guān)系且b1>0說明隨著物流服務(wù)量的不斷增加，碳排放也隨之增加，環(huán)境質(zhì)量不斷惡化，表明目前我省物流服務(wù)的發(fā)展與環(huán)境之間存在著不協(xié)調(diào)性，發(fā)展中不能同時兼顧經(jīng)濟效益和環(huán)境效益，仍處于兩難區(qū)間[13]。線性而非倒U型關(guān)系，意味著我省物流服務(wù)的發(fā)展增長與碳排放還未脫鉤、物流服務(wù)的發(fā)展增長與控制碳排放兩者尚未達(dá)到協(xié)同發(fā)展階段，碳排放量還沒有達(dá)到閥值點，未來一段時間碳排放量還會增長，物流服務(wù)面臨著巨大的減排壓力。

借助四象限分析圖法可以明晰地反映出浙江省物流服務(wù)碳排放狀況，具體如圖3所示，按照物流服務(wù)的產(chǎn)值和碳排放兩個不同的程度進(jìn)行了劃分，基本上可以分為四個象限：低產(chǎn)高碳、高產(chǎn)高碳、低產(chǎn)低碳和高產(chǎn)低碳。15年間浙江省物流服務(wù)的產(chǎn)值以年均18%的速度增長，碳排放以年均19%的速度遞增，走的是高產(chǎn)高碳之路，處于四象限圖中的第二象限，未來亟待向第四象限高產(chǎn)低碳理想狀況轉(zhuǎn)變。

圖3 浙江省物流服務(wù)碳排放評估四象限分析圖

四、研究小結(jié)與啟示

采用系數(shù)法對浙江省物流服務(wù)的碳排放進(jìn)行了測算，發(fā)現(xiàn)15年間物流服務(wù)的碳排放量呈嚴(yán)格的指數(shù)型增長，增幅略有不同，呈現(xiàn)出的是一幅平穩(wěn)增長繼而大幅增長的變化趨勢圖。根據(jù)統(tǒng)計量的分析和EKC模型理論，發(fā)現(xiàn)浙江省物流服務(wù)的發(fā)展增長與控制碳排放兩者尚未達(dá)到協(xié)同發(fā)展階段，兩者呈一次曲線關(guān)系，隨著物流服務(wù)量的不斷增加，環(huán)境質(zhì)量會進(jìn)一步惡化。目前浙江省物流服務(wù)的碳排放量還沒有達(dá)到閥值點，未來一段時間碳排放量還會增長，亟待從高產(chǎn)高碳走向高產(chǎn)低碳。

本文采用的系數(shù)法比較適用于傳統(tǒng)高能耗行業(yè)或企業(yè)的碳排放估算，與目前國內(nèi)的統(tǒng)計口徑一致，只需采集煤炭、石油、天然氣等的能源消耗量即可對碳排放進(jìn)行測算，但由于可得數(shù)據(jù)有限，只能是粗略測算15年間物流服務(wù)的碳排放，會不同程度影響碳現(xiàn)狀評估。此外，本文采用EKC模型對物流服務(wù)的碳排放現(xiàn)狀進(jìn)行評估也屬于創(chuàng)新性地嘗試，研究結(jié)論有待實踐的進(jìn)一步檢驗。

針對測算和評估結(jié)果來看，我省物流服務(wù)處于粗放型發(fā)展?fàn)顟B(tài)，高消耗高環(huán)境成本、依靠增加生產(chǎn)要素來實現(xiàn)產(chǎn)值增長等特征明顯，未來減碳之路需要實現(xiàn)向集約型增長方式的轉(zhuǎn)變。實現(xiàn)集約型增長，從高產(chǎn)高碳走向高產(chǎn)低碳，需要積極發(fā)展智慧物流、推進(jìn)融合物流。

發(fā)展智慧物流可以提高生產(chǎn)要素的質(zhì)量和利用效率，從而降低單位產(chǎn)值的碳排放強度。智慧物流面向未來，具有先進(jìn)、互聯(lián)和智能三大特征，整合了物聯(lián)網(wǎng)、傳感網(wǎng)和互聯(lián)網(wǎng)的資源優(yōu)勢，通過精細(xì)化管理，實現(xiàn)物流的自動化、可控化和智能化，從而提升資源利用率以實現(xiàn)減碳。目前浙江省已出臺相關(guān)智慧物流專項扶持政策，將助推智慧物流建設(shè)，帶來供應(yīng)鏈的敏捷智能。

融合物流可以改善資源配置效率，以促進(jìn)節(jié)能減排。融合物流通過提升物流的信息化和專業(yè)化，可以促進(jìn)物流的技術(shù)融合、產(chǎn)品融合、業(yè)務(wù)融合以及衍生行業(yè)，從而推動物流技術(shù)創(chuàng)新、增加物流產(chǎn)品的技術(shù)含量、創(chuàng)新物流業(yè)務(wù)以及催生物流相關(guān)的產(chǎn)業(yè)，實現(xiàn)依托供應(yīng)鏈模式以延伸產(chǎn)業(yè)鏈和提升價值鏈，實現(xiàn)物流服務(wù)的全面升級。未來浙江省物流應(yīng)圍繞專業(yè)市場進(jìn)行建設(shè)，提供電子商務(wù)和現(xiàn)代物流全面融合的服務(wù)，從而優(yōu)化物流產(chǎn)品結(jié)構(gòu)，實現(xiàn)三流融合、系統(tǒng)發(fā)展和提高競爭力。

注 釋：

① 根據(jù)浙江統(tǒng)計年鑒相關(guān)年度對交通運輸、倉儲和郵政業(yè)的能源消耗量數(shù)據(jù)整理計算。

② 通過整理浙江統(tǒng)計年鑒相關(guān)年度對交通運輸、倉儲和郵政業(yè)的原油、汽油、煤油、柴油、燃料油消耗量與能源消耗總量數(shù)據(jù)，求兩者的比率計算物流油料消耗量占物流能源消耗量的比重。

③ 通過整理浙江統(tǒng)計年鑒相關(guān)年度對交通運輸、倉儲和郵政業(yè)的汽油消耗量與浙江省汽油總消耗量數(shù)據(jù)，求兩者的比率計算浙江物流業(yè)汽油消耗量占浙江汽油消耗量的比重。

〔1〕 BIRGIT FRIEDL,MICHAEL GETZNER.Determinants of CO2Emissions in a Small Open Economy[J].EcologicalEconomics,2003,45(1):133-148.

〔2〕 GRUBB M,MULLER B,BUTTER L.The relationship between carbon dioxide emissions and economic growth[R].Oxbridge study on CO2-GDP relationships,Phase I results，2004.

〔3〕 ANKARHEM M.A Dual Assessment of the Environmental Kuznets Curve:The Case of Sweden[R].Umea Economic studies,2005,660,Umea University,Sweden.

〔4〕 徐國泉,劉則淵,姜照華.中國碳排放的因素分解模型及實證分析:1995-2004[J].中國人口·資源與環(huán)境，2006(6):158-161.

〔5〕 中國現(xiàn)代化戰(zhàn)略研究所，中國科學(xué)院中國現(xiàn)代化研究中心.中國現(xiàn)代化報告2007年——生態(tài)現(xiàn)代化研究[M].北京:北京大學(xué)出版社，2007：52.

〔6〕 譚丹,黃賢金,胡初枝.我國工業(yè)行業(yè)的產(chǎn)業(yè)升級與碳排放關(guān)系分析[J].環(huán)境經(jīng)濟，2008(4):56-60.

〔7〕 周常春,袁茜,車震宇.低碳旅游與旅游碳足跡探討[J].未來與發(fā)展，2011(8):39-42.

〔8〕 李國志,李宗植.中國二氧化碳排放的區(qū)域差異和影響因素研究[J].中國人口·資源與環(huán)境，2010(5)：22-27.

〔9〕 王卉彤,王妙平.中國30省區(qū)碳排放時空格局及其影響因素的灰色關(guān)聯(lián)度分析[J].中國人口·資源與環(huán)境，2011(7)：140-145.

〔10〕 GROSSMAN G,KREUGER A.Economic Growth and the Environment[J].QuarterlyJournalofEconomics,1995,110(2):353-377.

〔11〕 SHAFIK N，S BANDYOPADHYAY.Economic Growth and Environmental Quality: Time Series and Cross-Country Evidence[R].Washington DC:Background Paper for the World Development Report the World Bank,1992.

〔12〕 SELDEN T M,SONG D.Environmental Quality and Development:Is there a Kuznets Curve for Air Pollution Emissions? [J].JournalofEnvironmentalEconomicsandManagement,1994(27):147-162.

〔13〕 鄭易生.環(huán)境與經(jīng)濟雙贏烏托邦的誤區(qū)與現(xiàn)實選擇[J].中國人口·資源與環(huán)境，2000(3):112-114.

(責(zé)任編輯 吳 星)

Carbon Emission Calculation and Evaluation of Logistical Service for Zhejiang Province: Based on EKC Model

DUAN Xiang-yun

(Zhejiang Shuren University,Hangzhou,Zhejiang 310015)

Through collecting and sorting the related data of energy consumption range from 1995 to 2009,coefficient method is employed to calculate the carbon emission of logistical service and the EKC model is used to evaluate the carbon emission in Zhejiang province.It is found that carbon emission during 15 years presents exponential growth,and the relationship between logistical service growth and carbon emission is a positive linear relation，which means that they have not achieved coordinated development.It is needed to transfer the growth model from extensive growth to intensive growth.It should strengthen the wisdom logistics and advance the integrated logistics in low-carbon road.

logistical service; carbon emission; EKC model; wisdom logistics; integrated logistics

2013-12-05

浙江省哲學(xué)社會科學(xué)規(guī)劃課題(12YD35YB)；中國物流學(xué)會規(guī)劃課題(2013CSLKT052)；浙江省哲學(xué)社會科學(xué)扶持型研究基地“浙江省現(xiàn)代服務(wù)業(yè)研究中心”資助課題。

段向云(1980—)，女，河南洛陽人，博士，講師，研究方向為：低碳物流、物流運營管理。

F25

A

1007-6875(2014)02-0097-05