碳約束下省域物流能源效率空間關(guān)聯(lián)效應(yīng)及其影響因素

黃超然，周國華

（西南交通大學(xué)經(jīng)濟(jì)管理學(xué)院，四川成都 610031）

1 研究背景

我國物流業(yè)發(fā)展迅速，但也面臨著成本高、效率低、碳排放超標(biāo)等問題，給環(huán)境帶來沉重的負(fù)擔(dān)［1］。調(diào)查數(shù)據(jù)顯示，我國第三產(chǎn)業(yè)能源消費(fèi)約占能源消費(fèi)總量的30%，而作為物流業(yè)主要形式的運(yùn)輸、倉儲和郵政服務(wù)業(yè)占第三產(chǎn)業(yè)能源消耗的80%以上，物流業(yè)的碳減排壓力與日俱增［2］。隨著我國面臨的資源環(huán)境約束日益嚴(yán)重，傳統(tǒng)粗放的物流發(fā)展方式難以為繼［3］。我國“十四五”規(guī)劃將低碳物流作為發(fā)展方向，因此在研究物流能源效率問題時關(guān)鍵要考慮碳排放。

針對物流業(yè)能源效率的研究，大多數(shù)學(xué)者關(guān)注于能源效率的測量和影響因素探索兩個方面。如，Zaim 等［4］首次提出了“碳排放綜合績效”的概念，將碳排放定義為非期望的輸出變量，隨后，陳星星［5］采用全要素能源效率的方式計算碳排放績效，碳排放績效成為研究的熱點(diǎn)；商傳磊等［6］利用數(shù)據(jù)包絡(luò)分析（DEA）模型和Malmquist 指數(shù)方法，結(jié)合我國2006—2015 年各省份的能源消耗數(shù)據(jù)，從靜態(tài)、動態(tài)以及從總體到局部評價我國物流業(yè)全要素能源效率；李健等［7］考慮非期望產(chǎn)出的三階段超效率SBM模型，并且與Malmquist 指數(shù)結(jié)合，對2007—2017年我國省際物流業(yè)綠色全要素生產(chǎn)率進(jìn)行測算；楊愷鈞等［8］結(jié)合SBM 與GML 指數(shù)模型，測算長江經(jīng)濟(jì)帶在碳約束下全要素能源效率并對其進(jìn)行分解研究；王兆峰等［9］運(yùn)用SBM-DEA 模型分析湖南省碳排放效率的時空差異，以兩階段DEA 模型探索物流效率的宏觀驅(qū)動因素；王燕等［10］同樣考慮用非期望產(chǎn)出的SBM 模型對我國各省份的能源績效進(jìn)行測量，并分析其空間特征變化趨勢，并利用托賓（Tobit）回歸方法探索影響能源效率的驅(qū)動因素。

事實(shí)上，我國經(jīng)濟(jì)發(fā)展具有明顯的區(qū)域特征，區(qū)域物流體系的差異導(dǎo)致能源效率的差異，而且物流能源效率涉及經(jīng)濟(jì)、科技、社會發(fā)展等多個領(lǐng)域，與區(qū)域間、區(qū)域內(nèi)、產(chǎn)業(yè)結(jié)構(gòu)及物流模式等密切相關(guān)，因此省域物流能源效率的空間聯(lián)系非常復(fù)雜，如果孤立地考慮單個省份的能源效率，可能會忽略各省份之間的相互作用［11］。而現(xiàn)有相關(guān)研究更多關(guān)注省際或者經(jīng)濟(jì)帶之間能源效率的地區(qū)差異和不均衡性，如臧新等［12］、張立國等［13］和包耀東等［14］的研究，缺少對系統(tǒng)空間關(guān)聯(lián)關(guān)系的分析，能源效率空間關(guān)聯(lián)研究依然缺乏。鑒于此，本研究將從全要素角度考慮碳約束下的能源效率，引入碳約束情景下能源效率作為引力模型的質(zhì)量因素，將物流碳排放與物流資本、能耗和勞動力聯(lián)系起來；并從整體空間關(guān)聯(lián)的角度出發(fā)，運(yùn)用社會網(wǎng)絡(luò)分析方法分析能源效率的時空演變過程以及各區(qū)域在能源效率空間網(wǎng)絡(luò)中的作用。

2 模型構(gòu)建與數(shù)據(jù)來源

2.1 數(shù)據(jù)來源與處理

以2005—2019 年為考察期，選擇我國30 個省、自治區(qū)、直轄市（未含西藏和港澳臺地區(qū)）進(jìn)行研究，相關(guān)數(shù)據(jù)來源于《中國能源統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》以及《中國環(huán)境統(tǒng)計年鑒》。其中，物流業(yè)固定資產(chǎn)投入、增加值和地區(qū)生產(chǎn)總值以2005 年不變價進(jìn)行調(diào)整，消除價格變動的影響。鑒于在各類統(tǒng)計年鑒中未專門列明物流業(yè)，而由曹炳汝等［15］的研究可知，交通運(yùn)輸、倉儲和郵政業(yè)占據(jù)了我國物流業(yè)總值85%以上，因此本研究以此代替物流業(yè)進(jìn)行分析。

2.2 碳約束下物流能源效率測量

選取原煤、汽油、煤油等9 種物流業(yè)主要消耗能源，計算出各省份能源消費(fèi)（E）和碳排放量（C）。計算公式如下：

式（1）（2）中：Eij為i地區(qū)物流業(yè)對j種能源的標(biāo)準(zhǔn)煤消耗量；Qij為i地區(qū)物流業(yè)對j種能源的消耗量；θj為折算標(biāo)準(zhǔn)煤系數(shù)；Ci為i地區(qū)物流業(yè)的碳排放量；δj為能源j的碳排放因子。相關(guān)能源系數(shù)如表1 所示［16］。

表1 常見能源標(biāo)準(zhǔn)煤折算系數(shù)和碳排放系數(shù)

Tone［17］提出了一種非徑向、非角度的SBM 模型，能夠?qū)π手禐? 的決策單元（DMU）進(jìn)行更細(xì)致地區(qū)分排序，據(jù)此，假設(shè)有n個獨(dú)立的決策單元，每個決策單元有m個輸入變量和s個輸出變量，建立Super-SBM 模型表達(dá)式如下：

式（3）中：ρ為評估DMU 效率；s-i和s+r分別為輸入和輸出的松弛變量；λj為輸入、輸出指標(biāo)的權(quán)重；r表示產(chǎn)出指標(biāo)個數(shù)；k表示第k個決策單元。

將勞動力、資本、能源消耗作為輸入變量，分別以物流業(yè)從業(yè)人員數(shù)（萬人）、固定資產(chǎn)投資（億元）、能源消耗量（萬t，按標(biāo)準(zhǔn)煤）來計量；將物流業(yè)增加值作為期望產(chǎn)出，物流碳排放量作為非期望產(chǎn)出，以此測算物流能源效率值。

2.3 空間網(wǎng)絡(luò)模型

碳約束下省域物流能源效率之間的關(guān)系以點(diǎn)、線集合構(gòu)成了空間網(wǎng)絡(luò)，基于萬有引力理論，考慮省際地理、經(jīng)濟(jì)鄰近性，并結(jié)合能源效率受人口和經(jīng)濟(jì)的影響，參考劉華軍等［18］的研究，構(gòu)建改進(jìn)的物流能源效率引力模型如下：

式（4）中：i和w分別為省份i和w；Giw為省份之間的引力；Ti為地區(qū)i的能源效率值；Pi為i地區(qū)的年末總?cè)丝?；Ui為i地區(qū)生產(chǎn)總值；Diw為省份之間的空間距離，借鑒Bai 等［19］的研究，用兩省份的省會（首府）之間的直線距離表示；ei為i地區(qū)人均生產(chǎn)總值。

運(yùn)用式（4）可以計算出地區(qū)物流能源效率的引力矩陣，將矩陣各行的平均值作為閾值。如果Giw大于閾值，則取值為1，表示兩省份的能源效率存在相關(guān)性；如果小于閾值，則取值為0，表示兩者之間沒有相關(guān)性。

2.4 空間網(wǎng)絡(luò)的特征指標(biāo)

2.4.1 整體網(wǎng)絡(luò)特征

網(wǎng)絡(luò)密度反映空間網(wǎng)絡(luò)連接的緊密程度，即網(wǎng)絡(luò)完整性的度量。如果N為網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù)，則最大可能的相關(guān)數(shù)為N×(N-1)；如果網(wǎng)絡(luò)中實(shí)際相關(guān)數(shù)量為M，則網(wǎng)絡(luò)密度（Dn）可以表示為：

網(wǎng)絡(luò)連通性反映了空間網(wǎng)絡(luò)的魯棒性和脆弱性。如果網(wǎng)絡(luò)連通性為1，則網(wǎng)絡(luò)結(jié)構(gòu)相對穩(wěn)定，網(wǎng)絡(luò)中任意兩個節(jié)點(diǎn)之間存在關(guān)聯(lián)。設(shè)Cn為連通性，V為網(wǎng)絡(luò)中不可達(dá)點(diǎn)對的數(shù)量，則連通性的公式如下：

網(wǎng)絡(luò)層次結(jié)構(gòu)衡量網(wǎng)絡(luò)中節(jié)點(diǎn)之間的不對稱可達(dá)性，反映每個節(jié)點(diǎn)的層次結(jié)構(gòu)和支配地位。設(shè)K是網(wǎng)絡(luò)中對稱可達(dá)節(jié)點(diǎn)對的數(shù)量，max(K)為對稱可達(dá)節(jié)點(diǎn)對的最大可能數(shù)量，則網(wǎng)絡(luò)層次結(jié)構(gòu)（Hn）可以表達(dá)為：

網(wǎng)絡(luò)效率反映網(wǎng)絡(luò)連接的冗余程度，網(wǎng)絡(luò)效率越低意味著節(jié)點(diǎn)之間的空間關(guān)聯(lián)數(shù)越多。設(shè)L是網(wǎng)絡(luò)中冗余線路的數(shù)量，而max(L)是最大可能的冗余線路數(shù)量，則網(wǎng)絡(luò)效率（Yn）表達(dá)式如下：

2.4.2 中心性分析

網(wǎng)絡(luò)的度數(shù)中心度是衡量節(jié)點(diǎn)處于整個網(wǎng)絡(luò)中心的程度，如果中心度越大，則表明該節(jié)點(diǎn)與網(wǎng)絡(luò)中其他節(jié)點(diǎn)的關(guān)聯(lián)度越大；點(diǎn)出度越大反映該點(diǎn)的溢出程度越大，點(diǎn)入度越大表示該點(diǎn)的受益程度越大。度數(shù)中心度（P）可表示為：

網(wǎng)絡(luò)的中介中心度衡量一個節(jié)點(diǎn)充當(dāng)連接其他節(jié)點(diǎn)的橋梁作用，反映了網(wǎng)絡(luò)中其他省份之間的能源效率在多大程度上需要通過省份i才能建立聯(lián)系。若gab為a與b兩省份之間所有的最短關(guān)聯(lián)的路徑數(shù)量，gab(i)為a與b兩省份之間通過省份i的最短關(guān)聯(lián)路徑的數(shù)量。其中，b≠a≠i，并且a＜b。計算公式如下：

網(wǎng)絡(luò)的接近中心度是衡量一個節(jié)點(diǎn)與網(wǎng)絡(luò)中所有其他節(jié)點(diǎn)之間的捷徑總和。如果某省份與其他省份的距離都很短，則可以認(rèn)為該省份具有較高的接近中心性（JC）。計算公式如下：

2.4.3 塊模塊分析

塊模塊分析是社會網(wǎng)絡(luò)分析空間聚類的主要方法，可以用來更好地分析各省份在空間網(wǎng)絡(luò)中的作用和地位。該方法最早由Scott 等［20］提出，其將空間網(wǎng)絡(luò)劃分為雙向溢出、凈受益、凈溢出和經(jīng)紀(jì)人板塊，具體劃分標(biāo)準(zhǔn)如表2 所示。

表2 塊模型板塊劃分標(biāo)準(zhǔn)

3 碳約束下物流能源效率的空間網(wǎng)絡(luò)特征分析

3.1 總體特征

在2005—2019 年間，受物流業(yè)能源、資本和勞動投入的影響，由于投入與產(chǎn)出效應(yīng)，各省份在碳約束下的物流能源效率呈現(xiàn)波動態(tài)勢，其中重慶（0.28～0.46）、廣西（0.29～0.44）、青海（0.15～0.33）等波動幅度較小，遼寧（0.26～1.32）、貴州（0.26～1.07）、寧夏（0.30～1.10）等波動較為明顯。2005 年，云南（0.20）、新疆（0.25）、貴州（0.30）的物流能源效率值最低，福建（1.24）、山東（1.13）、安徽（1.05）的效率值最高。2019 年物流能源效率最高的3 個省市為遼寧（1.32）、河北（1.15）、天津（1.04），而效率最低的3 個省為青海（0.20）、黑龍江（0.23）、吉林（0.29）。參照張?zhí)禊i等［21］研究中的經(jīng)濟(jì)區(qū)域劃分方法，可見物流能源效率較高的省份普遍位于華東、華北地區(qū)，這些區(qū)域經(jīng)濟(jì)較為發(fā)達(dá)、資本和勞動力較為充足，在碳約束下的能源效率能夠得到保障；效率較低的省份普遍位于東北、西南等地區(qū)，這些省份經(jīng)濟(jì)發(fā)展緩慢、人口流失嚴(yán)重，缺乏有力的資本和勞動力的保障，一次性能源相對比較充裕，粗放型產(chǎn)業(yè)造成大量的碳排放，物流能源效率普遍比較低下。

3.2 整體結(jié)構(gòu)特征演化

為有效表征30 個省份物流能源效率整體空間關(guān)聯(lián)特征的演化規(guī)律，根據(jù)以上有關(guān)公式分別計算出物流能源效率的網(wǎng)絡(luò)密度、連通性、層級和效率。從圖1 可以看出，網(wǎng)絡(luò)密度呈現(xiàn)出先起伏后逐漸減小的趨勢，從2005 年的0.212 減小至2019 年的0.206，其中網(wǎng)絡(luò)密度最大值為2009 年的0.237；網(wǎng)絡(luò)關(guān)聯(lián)數(shù)從2001 年的184 個減少到2019 年的179 個；網(wǎng)絡(luò)層級呈現(xiàn)出先降低后上升的趨勢，2015—2017 年均保持最低值0.432；網(wǎng)絡(luò)效率呈現(xiàn)出下降趨勢，網(wǎng)絡(luò)層級從2005 年的0.475 下降到2019 年的0.437，而網(wǎng)絡(luò)效率在2005—2019 年間均在0.648～0.717之間浮動。另外，2001—2019 年間網(wǎng)絡(luò)連通性均為1，表明各省份之間表現(xiàn)出良好的空間溢出關(guān)系。

圖1 我國30 個省份物流能源效率網(wǎng)絡(luò)結(jié)構(gòu)特征

此外，運(yùn)用NetDraw 繪制了2019 年30 個省份碳約束下物流能源效率的空間關(guān)聯(lián)網(wǎng)絡(luò)圖（見圖2），可見呈現(xiàn)出明顯的核心與邊緣結(jié)構(gòu)，以北京、上海、江蘇、浙江、廣東、福建、山東為網(wǎng)絡(luò)中心，接受較多的關(guān)聯(lián)關(guān)系，而青海、新疆、云南、黑龍江、吉林、遼寧等省份處于網(wǎng)絡(luò)的邊緣，發(fā)出較多的關(guān)聯(lián)關(guān)系。

圖2 2019 年我國30 個省份能源效率空間關(guān)聯(lián)網(wǎng)絡(luò)

3.3 個體結(jié)構(gòu)特征演化

從表3 可以看出，2019 年30 個省份的平均點(diǎn)入度、點(diǎn)出度以及總點(diǎn)數(shù)分別為5.97、5.97 和11.93個，總點(diǎn)數(shù)超過平均值的省份有9 個，分別為北京、浙江、江蘇、上海、廣東、福建、山東、河北、河南，其中北京接收關(guān)系數(shù)最高，表明以北京為首的東部發(fā)達(dá)地區(qū)在網(wǎng)絡(luò)中發(fā)揮著核心作用，具有較強(qiáng)的區(qū)域經(jīng)濟(jì)、倉儲物流的帶動能力，資本和勞動力等資源配置相對充足，能源利用效率較高；而且這9 個省份的點(diǎn)出度小于點(diǎn)入度，說明其空間溢出效應(yīng)不明顯，由于地區(qū)經(jīng)濟(jì)發(fā)達(dá)、能源消耗大，但資源相對匱乏，需要依靠西電東送、西氣東輸?shù)裙こ逃枰灾С?。而中介中心度和接近中心度超過平均值的省份普遍位于長三角、珠三角、京津冀等經(jīng)濟(jì)圈，表明經(jīng)濟(jì)發(fā)達(dá)省份是網(wǎng)絡(luò)的中心參與者，其能源效率的空間關(guān)聯(lián)性強(qiáng)于其他省份。

表3 2019 年我國30 個省份能源效率的節(jié)點(diǎn)中心度分析

表3（續(xù)）

2019 年各省份能源效率的節(jié)點(diǎn)中心度分析如圖3 所示。其中，點(diǎn)度數(shù)和接近度處在第一梯隊(duì)的是北京、上海、江蘇、天津及浙江，均地處東部發(fā)達(dá)地區(qū)，處于網(wǎng)絡(luò)的中心位置；而中介度處在第一梯隊(duì)的省份為廣東、山西、北京、新疆及江蘇。其次，點(diǎn)度數(shù)指標(biāo)排在第四梯度的是湖北、重慶、黑龍江、吉林、遼寧、內(nèi)蒙古這6 個省份，大部分分布在東北和西部地區(qū)，在網(wǎng)絡(luò)中扮演邊緣角色。同樣，中介度和接近度在第四梯度的省份廣泛分布在東北、西南、西北等地區(qū)。主要原因分析：一是北京和上海等東部地區(qū)經(jīng)濟(jì)高度發(fā)達(dá)，作為制造業(yè)生產(chǎn)加工的集中區(qū)域，對于能源需求量很大，但其能源自我補(bǔ)充能力較差，常規(guī)能源供應(yīng)不足，需要從中西部地區(qū)轉(zhuǎn)移能源。二是中西部區(qū)域化石能源豐富，粗放型產(chǎn)業(yè)發(fā)達(dá)，其能源消耗碳排放較大，化石能源通過運(yùn)輸至中部省份加工處理后向東部發(fā)達(dá)地區(qū)供應(yīng)，導(dǎo)致東部發(fā)達(dá)省份接收更多的關(guān)聯(lián)關(guān)系。

圖3 我國30 個省份物流能源效率空間關(guān)聯(lián)網(wǎng)絡(luò)平均中心度分布

3.4 塊模型分析

以2019 年的數(shù)據(jù)為例，在UCINET 軟件的CONCOR 工具中將最大切分深度設(shè)置為2，集中標(biāo)準(zhǔn)設(shè)置為0.2，將網(wǎng)絡(luò)劃分為4 個板塊，表4 顯示了四大板塊的溢出效應(yīng)。在社會網(wǎng)絡(luò)中，板塊Ⅰ中實(shí)際內(nèi)部關(guān)系比例小于預(yù)期內(nèi)部關(guān)系比例，接收到119 個聯(lián)系、發(fā)出39 個聯(lián)系，接收的外部關(guān)聯(lián)數(shù)量明顯高于接收的內(nèi)部關(guān)聯(lián)數(shù)量，因此，板塊Ⅰ屬于經(jīng)紀(jì)人板塊。板塊Ⅱ僅有天津，屬于凈受益板塊，經(jīng)濟(jì)發(fā)達(dá)導(dǎo)致物流能源效率溢出效應(yīng)不顯著。板塊Ⅲ作為雙向溢出板塊，大部分為中部省份，充當(dāng)橋梁和中介作用。板塊Ⅳ的內(nèi)部接收關(guān)系遠(yuǎn)低于外部，大部分省份地處偏遠(yuǎn)地區(qū)，充當(dāng)凈溢出的角色。板塊Ⅳ代表石油、煤炭、天然氣儲量豐富的地區(qū)，交通基礎(chǔ)設(shè)施建設(shè)不夠完善，經(jīng)濟(jì)發(fā)展相對緩慢，因此，這些地區(qū)與物流相關(guān)的能源利用率低。2019 年各板塊之間的關(guān)聯(lián)關(guān)系如圖4 所示。

表4 2019 年我國30 個省份物流能源效率空間關(guān)聯(lián)板塊的溢出效應(yīng)

圖4 2019 年我國30 個省份物流能源效率的空間關(guān)聯(lián)關(guān)系

4 我國物流能源效率空間關(guān)聯(lián)的影響因素

根據(jù)張瑞等［22］的研究成果，結(jié)合各省份物流能源效率的特點(diǎn)，將影響空間關(guān)聯(lián)性的因素分為地理因素、經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化率、技術(shù)水平、減排力度等6 項(xiàng)因素進(jìn)行研究。回歸模型設(shè)置如下：

式（12）中：V為物流能源效率空間關(guān)聯(lián)矩陣；SAM、PAG、PTI、UR、RDI、ECI 分別表示各省份空間鄰接關(guān)系、經(jīng)濟(jì)水平差異、產(chǎn)業(yè)結(jié)構(gòu)差異、城鎮(zhèn)化率差異、科研發(fā)展投入差異、環(huán)境建設(shè)投入差異矩陣。

4.1 二次指派程序（QAP）相關(guān)性分析

在進(jìn)行QAP 回歸分析之前，應(yīng)該確定選擇的影響因素是否對能源效率空間關(guān)聯(lián)性產(chǎn)生影響。由表5 可見，經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化率、科研發(fā)展投入和環(huán)境建設(shè)投資均通過了顯著性檢驗(yàn)，而空間鄰接未通過顯著性檢驗(yàn)，說明此因素與空間關(guān)聯(lián)矩陣不相關(guān)。因此，選取除空間鄰接的其他5 個因素作為解釋變量，采用QAP 方法對這5 個因素進(jìn)行相關(guān)性分析，檢驗(yàn)其是否存在多重共線性。

表5 2019 年我國30 個省份物流能源效率空間關(guān)聯(lián)矩陣與影響因素的QAP 相關(guān)性分析結(jié)果

從表6 可以看出，部分變量存在著明顯的多重共線性特征，其中經(jīng)濟(jì)發(fā)展和城鎮(zhèn)化率的相關(guān)系數(shù)達(dá)到了0.535。如果采用傳統(tǒng)的線性規(guī)劃方式，矩陣間的多重共線性會導(dǎo)致結(jié)果出現(xiàn)偽回歸現(xiàn)象，致使結(jié)果不精確，因此采用QAP 回歸法分析碳約束下30個省份能源效率的驅(qū)動因素。

表6 2019 年我國30 個省份物流能源效率影響因素的

QAP 相關(guān)性分析結(jié)果

4.2 QAP 回歸分析

通過QAP 進(jìn)行回歸分析，對矩陣數(shù)據(jù)進(jìn)行10 000 次隨機(jī)排列，結(jié)果如表7 所示，可見調(diào)整后的R2為0.324，經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化率、科研發(fā)展投入和環(huán)境建設(shè)5 個解釋變量在1%的置信度水平下解釋了32.4%的能源效率空間關(guān)聯(lián)，擬合度較好。其中，經(jīng)濟(jì)發(fā)展和城鎮(zhèn)化率的回歸系數(shù)均在1%的水平上顯著，說明這兩個因素是影響物流能源效率空間關(guān)聯(lián)的關(guān)鍵因素，且表明省域間經(jīng)濟(jì)發(fā)展和城鎮(zhèn)化率差距越大則物流能源效率的溢出越明顯，原因在于經(jīng)濟(jì)發(fā)展水平較高的省份在物流行業(yè)投入的資源越多，對物流網(wǎng)絡(luò)和技術(shù)水平起促進(jìn)作用越大，直接拉大了省域間物流能源效率差距；RDI 的回歸系數(shù)顯著為正，說明物流能源效率的空間關(guān)聯(lián)受科研發(fā)展投入差異的影響較大；ECI在10%的水平上顯著，說明環(huán)境建設(shè)投資差異的擴(kuò)大對空間關(guān)聯(lián)的形成有正向影響，究其原因，環(huán)保投入差異的擴(kuò)大加劇了省域環(huán)保治理水平、人力資本等方面的差距，導(dǎo)致跨區(qū)域物流碳減排差異明顯，空間關(guān)聯(lián)性加強(qiáng)；PTI 不顯著，說明產(chǎn)業(yè)結(jié)構(gòu)不影響能源效率的空間關(guān)聯(lián)關(guān)系。

表7 2019 年我國30 個省份物流能源效率空間關(guān)聯(lián)影響因素的QAP 回歸分析結(jié)果

5 結(jié)論與政策建議

5.1 結(jié)論

本研究得到的主要結(jié)論如下：第一，從整體網(wǎng)絡(luò)結(jié)構(gòu)特征來看，網(wǎng)絡(luò)密度呈現(xiàn)出先起伏后逐漸減小的趨勢，從2005 年的0.212 減小至2019 年的0.206；網(wǎng)絡(luò)層級呈現(xiàn)出先降低后上升的趨勢，2015—2017年均保持最低值0.432；網(wǎng)絡(luò)效率在2005—2019 年間均在0.648～0.717 之間浮動；網(wǎng)絡(luò)層級從2005年的0.475 下降到2019 年的0.437；而網(wǎng)絡(luò)連通性一直穩(wěn)定為1，說明網(wǎng)絡(luò)結(jié)構(gòu)具有良好的可達(dá)性和較強(qiáng)的魯棒性。第二，從個體網(wǎng)絡(luò)特征來看，物流能源效率空間關(guān)聯(lián)網(wǎng)絡(luò)呈現(xiàn)出顯著的核心與邊緣分布格局，中心性與各省份經(jīng)濟(jì)發(fā)達(dá)程度有一定聯(lián)系。其中，點(diǎn)度數(shù)和接近度處在第一梯隊(duì)的是北京、上海、江蘇、天津及浙江，均地處東部發(fā)達(dá)地區(qū)，處于網(wǎng)絡(luò)的中心位置；點(diǎn)度數(shù)指標(biāo)排在第四梯度的是湖北、重慶、黑龍江、吉林、遼寧、內(nèi)蒙古；而中介度和接近度在第四梯度的廣泛分布在東北、西南、西北等地區(qū)。通過將30 個省份劃分為雙向溢出、凈受益、凈溢出和經(jīng)紀(jì)人四大功能板塊可知，大部分地處偏遠(yuǎn)地區(qū)的省份充當(dāng)凈溢出的角色。第三，經(jīng)濟(jì)發(fā)展、城鎮(zhèn)化率、科研發(fā)展投入以及環(huán)境建設(shè)投資與能源效率空間關(guān)聯(lián)呈正相關(guān)，經(jīng)濟(jì)發(fā)展是影響物流能效空間關(guān)聯(lián)的主要因素，而產(chǎn)業(yè)結(jié)構(gòu)對空間關(guān)聯(lián)影響不大。

5.2 政策建議

根據(jù)以上研究結(jié)果，可以得到以下政策建議：

（1）政府應(yīng)當(dāng)關(guān)注各省份物流能源效率的空間關(guān)聯(lián)，實(shí)施跨區(qū)域協(xié)同配合，摒棄地方單獨(dú)提升能源效率的理念。應(yīng)在區(qū)域物流管理部門設(shè)立相關(guān)機(jī)構(gòu)負(fù)責(zé)區(qū)域物流能效的協(xié)同管理，并在國家層面建立完善協(xié)同管理機(jī)制，統(tǒng)籌協(xié)調(diào)跨省份范圍的能效優(yōu)化工作。中央層面應(yīng)當(dāng)建立健全物流碳排放協(xié)同治理的考核問責(zé)機(jī)制，區(qū)域物流管理部門可以定期評估協(xié)同治理效果，對物流能源績效提升較好省份予以獎勵，對協(xié)同治理不力的省份進(jìn)行處罰。

（2）北京、上海、江蘇、天津及浙江等東部發(fā)達(dá)地區(qū)可以作為物流能源績效示范區(qū)，依托資本和科技輻射帶動周邊省份，優(yōu)化調(diào)整能源消耗結(jié)構(gòu)，提高物流減排標(biāo)準(zhǔn)。發(fā)達(dá)省份要發(fā)揮技術(shù)創(chuàng)新優(yōu)勢，發(fā)揮引領(lǐng)帶頭作用，加強(qiáng)與落后地區(qū)在先進(jìn)節(jié)能減排技術(shù)方面的交流合作。對于吉林、遼寧、內(nèi)蒙古等處在網(wǎng)絡(luò)邊緣的省份，應(yīng)當(dāng)加大其交通建設(shè)的投資力度，通過專項(xiàng)資金補(bǔ)貼和財政支持完善信息網(wǎng)絡(luò)和交通網(wǎng)絡(luò)的建設(shè)，弱化地理位置的虹吸效應(yīng)。

（3）各級政府在“十四五”期間需要兼顧經(jīng)濟(jì)發(fā)展和環(huán)境保護(hù)目標(biāo)，通過轉(zhuǎn)變經(jīng)濟(jì)增長方式，大力發(fā)展低碳經(jīng)濟(jì)，支持低能耗、低排放、低污染物流企業(yè)的發(fā)展。網(wǎng)絡(luò)邊緣省份要盡快落實(shí)人才引進(jìn)優(yōu)惠政策，縮小人力資本缺口，為智慧物流配送體系建設(shè)提供充足的配套基礎(chǔ)設(shè)施和人才儲備。平衡各省份對于環(huán)境基礎(chǔ)設(shè)施的建設(shè)投資，特別是增加偏遠(yuǎn)省份對于環(huán)境基礎(chǔ)設(shè)施的投入力度。加大環(huán)境基礎(chǔ)設(shè)施的投資力度，促進(jìn)其相關(guān)設(shè)施不斷提檔升級，減小各省份對于物流碳排放治理的差距。