長江經(jīng)濟(jì)帶物流業(yè)碳排放的脫鉤及影響因素研究

龐欣玥，仲云云 （南京郵電大學(xué) 管理學(xué)院，江蘇 南京 210000）

0 引 言

物流業(yè)作為中國近年來發(fā)展速度較快的行業(yè)之一，在推動(dòng)國民經(jīng)濟(jì)高質(zhì)量發(fā)展進(jìn)程中發(fā)揮著重要作用，物流行業(yè)也是中國消耗能源量最大、二氧化碳排放增長最快的主要來源行業(yè)之一。長江經(jīng)濟(jì)帶作為中國重要的經(jīng)濟(jì)發(fā)展帶，涵蓋中國長江沿岸的9個(gè)省份和2個(gè)直轄市，橫貫東中西三個(gè)地區(qū)，是中國經(jīng)濟(jì)發(fā)展具活力和潛力的地區(qū)之一。長江經(jīng)濟(jì)帶地區(qū)具有資源優(yōu)勢(shì)、區(qū)位優(yōu)勢(shì)明顯，在物流業(yè)發(fā)展過程中更應(yīng)該注重生態(tài)文明建設(shè)，切實(shí)抓緊抓好，助力物流業(yè)高質(zhì)量發(fā)展。

隨著電子信息和電子商務(wù)行業(yè)的飛速發(fā)展，物流業(yè)碳排放逐漸成為國內(nèi)學(xué)者研究的熱點(diǎn)，國外學(xué)者對(duì)這方面的研究較少。國內(nèi)學(xué)者研究主要集中在碳排放的核算、碳排放與經(jīng)濟(jì)發(fā)展的脫鉤、碳排放的影響因素等方面。許多學(xué)者利用實(shí)測法、物料衡量法、模型分析法和碳排放系數(shù)法等對(duì)碳排放進(jìn)行測量，其中碳排放系數(shù)法最為常見。張晶等（2014），劉丙泉等（2016），胡小飛等（2021）在進(jìn)行物流業(yè)碳排放測算時(shí)采用了碳排放系數(shù)法；劉龍政（2012）運(yùn)用IPCC的碳排放核算方法估算了1996—2009年各省市物流業(yè)的碳排放總量，得出總體呈現(xiàn)增長趨勢(shì)。有關(guān)物流業(yè)碳排放量的脫鉤分析，劉渝等（2018）、王辛芝等（2021）分別使用Tapio脫鉤模型分析物流業(yè)碳排放的脫鉤狀態(tài)和中國能源碳排放的脫鉤狀態(tài)。

在碳排放影響因素的研究方面，學(xué)者大多采用指數(shù)分解法，其中包括拉式指數(shù)分解法和迪氏指數(shù)分解法，其中，學(xué)者普遍采用的是對(duì)數(shù)平均迪氏指數(shù)分解法（LMDI）。齊豫等（2022）使用LMDI因素分解方法對(duì)影響河南省物流業(yè)碳排放因素的貢獻(xiàn)率進(jìn)行分析。Quan等（2020）、鄧榮榮等（2020）使用分解模型對(duì)碳排放影響因素進(jìn)行分解與分析。曹俊文等（2021）運(yùn)用分解模型和-分解模型分析碳排放時(shí)間分布和空間分布的影響因素。除此之外，也有一些學(xué)者使用其他方法研究影響因素。包耀東等（2020）使用定量分析方法指出能源結(jié)構(gòu)、能源效率、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)增長和人口對(duì)物流業(yè)碳排放規(guī)模均有影響。江純霞（2020）通過研究指出經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化、社會(huì)消費(fèi)、能源效率、基礎(chǔ)設(shè)施投資額和產(chǎn)業(yè)結(jié)構(gòu)均對(duì)物流業(yè)碳排放增加也有影響。Peng（2019）利用經(jīng)典的STIRPAT（隨機(jī)影響回歸對(duì)人口、收入和技術(shù)）模型對(duì)影響碳排放的因素進(jìn)行測度。

本文以長江經(jīng)濟(jì)帶11個(gè)省市的物流業(yè)為研究樣本，估算其在2010—2019年間物流業(yè)的碳排放量，運(yùn)用脫鉤模型分析11個(gè)省市物流業(yè)碳排放的脫鉤狀態(tài)，并利用回歸模型分析影響物流業(yè)碳排放的相關(guān)因素，以了解長江經(jīng)濟(jì)帶物流業(yè)碳排放的發(fā)展態(tài)勢(shì)，為低碳物流的發(fā)展戰(zhàn)略提供合理的科學(xué)依據(jù)。

2 研究方法與模型構(gòu)建

2.1 碳排放測算

由于目前還沒有物流產(chǎn)業(yè)二氧化碳排放量的具體觀測數(shù)據(jù)，本文采用聯(lián)合國政府間氣候變化委員會(huì)（Intergovernmental Panel on Climate Change，簡稱IPCC）提供的估算方法，以長江經(jīng)濟(jì)帶各省的物流業(yè)能源消費(fèi)量來估算長江經(jīng)濟(jì)帶各省的物流業(yè)碳排放量，測算公式為：

式中，表示能源種類，其中包括原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣和電力9種能源類別；表示物流業(yè)碳排放總量；C表示第種能源的碳排放量；δ是第種能源的碳排放系數(shù)，即單位能源消耗所排放的CO量；θ是第種能源的折標(biāo)準(zhǔn)煤系數(shù)，即單位能源折算成標(biāo)準(zhǔn)煤的量；E為第種能源的消耗量。其中，化石能源對(duì)標(biāo)準(zhǔn)煤的折算系數(shù)采用《中國能源統(tǒng)計(jì)年鑒》中規(guī)定的數(shù)值。

2.2 脫鉤模型

Tapio模型在避免基期選擇帶來的不穩(wěn)定性的同時(shí)，還可以基于彈性值的變化范圍為依據(jù)判定多種類型的脫鉤狀態(tài)，以更加精細(xì)與明確地劃分脫鉤狀態(tài)，是環(huán)境經(jīng)濟(jì)研究中學(xué)者普遍采用的劃分脫鉤狀態(tài)標(biāo)準(zhǔn)。根據(jù)Tapio、田云、劉愛東和苑清敏等的研究，本文設(shè)定式（2）Tapio脫鉤指數(shù)。

式中，表示的是物流業(yè)碳排放與物流業(yè)總產(chǎn)值之間的脫鉤指數(shù)；表示物流業(yè)的碳排放總量（萬噸）；為物流業(yè)總產(chǎn)值（億元）。根據(jù)Tapio對(duì)彈性值變化范圍的劃分，脫鉤狀態(tài)可以分為脫鉤、連接和負(fù)脫鉤三種基本類型，這三種類型基于脫鉤彈性的取值范圍還可以繼續(xù)細(xì)分劃為八種類型，如表1所示。

表1 物流業(yè)總產(chǎn)值與碳排放脫鉤程度判定標(biāo)準(zhǔn)

2.3 回歸模型

影響長江經(jīng)濟(jì)帶物流碳排放的影響因素有很多，結(jié)合現(xiàn)有研究，本文選取物流規(guī)模（GDP）、能源結(jié)構(gòu)（ERS）、城鎮(zhèn)化水平（UR）、科技水平（TECH）、產(chǎn)業(yè)結(jié)構(gòu)（IND）、碳排放效率（EE）為解釋變量。其中，物流規(guī)模以物流業(yè)GDP的對(duì)數(shù)表示；能源結(jié)構(gòu)以煤炭消費(fèi)量占能源消費(fèi)總量的比例表示；城鎮(zhèn)化水平使用城鎮(zhèn)人口占總?cè)丝诘谋壤M(jìn)行表示；科技水平以政府科技支出占政府一般預(yù)算支出的比例表示；產(chǎn)業(yè)結(jié)構(gòu)以物流業(yè)GDP與總GDP的比值表示；碳排放效率用碳排放量與物流業(yè)GDP表示。

基于此，本研究提出研究假設(shè)。

假設(shè)一：物流規(guī)模、能源結(jié)構(gòu)、城鎮(zhèn)化水平、科技水平、產(chǎn)業(yè)結(jié)構(gòu)和碳排放效率均與長江經(jīng)濟(jì)帶的物流碳排放有正相關(guān)關(guān)系。并構(gòu)建對(duì)長江經(jīng)濟(jì)帶物流碳排放影響因素的多元回歸方程，基本模型如下。

2.4 數(shù)據(jù)來源

本研究所使用的數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》《中國第三產(chǎn)業(yè)統(tǒng)計(jì)年鑒》《中國物流年鑒》。

3 實(shí)證分析

3.1 碳排放及其脫鉤效應(yīng)

利用公式（1）估算2010—2019年間長江經(jīng)濟(jì)帶11個(gè)省物流業(yè)每年的碳排放量，再將2010—2019年這個(gè)時(shí)間段劃分為2010—2013年、2013—2016年和2016—2019年三個(gè)時(shí)間段，運(yùn)用公式（2）計(jì)算長江經(jīng)濟(jì)帶11個(gè)省物流業(yè)碳排放脫鉤系數(shù)。結(jié)果見表2。

由表2可知，長江下游地區(qū)中，上海市從2010—2013年間的強(qiáng)脫鉤狀態(tài)轉(zhuǎn)變?yōu)?013—2016年的弱脫鉤狀態(tài)并一直保持，這表明上海市在此期間物流業(yè)的發(fā)展速度快于物流業(yè)的碳排放速度，即物流業(yè)碳排放的速度加快，但2016—2019年間脫鉤系數(shù)變小，說明在此期間低碳發(fā)展取得了一些進(jìn)步。江蘇省從2010—2013年間的弱脫鉤狀態(tài)轉(zhuǎn)變?yōu)?013—2016年間的擴(kuò)張負(fù)脫鉤狀態(tài)并于2016—2019年間繼續(xù)保持這種狀態(tài)，這表明江蘇省的物流業(yè)發(fā)展速度低于物流業(yè)碳排放速度，換言之，物流業(yè)碳排放在飛速發(fā)展，且沒有下降趨勢(shì)。浙江省在2010—2019年間內(nèi)的脫鉤狀態(tài)由增長連接轉(zhuǎn)變?yōu)槿趺撱^狀態(tài)，且脫鉤系數(shù)保持下降趨勢(shì)，說明浙江省物流業(yè)低碳發(fā)展取得了不錯(cuò)的成果。安徽省在2010—2019年間內(nèi)的脫鉤狀態(tài)由擴(kuò)張負(fù)脫鉤轉(zhuǎn)變?yōu)樵鲩L連接而后轉(zhuǎn)變?yōu)槿趺撱^狀態(tài)，脫鉤系數(shù)一直在下降，并且在2016—2019年間脫鉤系數(shù)的下降幅度較大，這說明安徽省物流業(yè)經(jīng)濟(jì)發(fā)展速度加快且高于物流業(yè)碳排放速度，低碳發(fā)展?fàn)顟B(tài)很好，且在2016—2019年間取得較大進(jìn)展。

表2 2010—2019年三個(gè)時(shí)間段內(nèi)長江經(jīng)濟(jì)帶11個(gè)省物流業(yè)碳排放的脫鉤狀

長江中游地區(qū)中，江西省在2010—2016年間雖然一直保持增長連接狀態(tài)，但是脫鉤系數(shù)增加了，這表明在此期間物流業(yè)發(fā)展速度低于碳排放增長速度，其在2016—2019年間轉(zhuǎn)為弱脫鉤狀態(tài)，江西省物流業(yè)的碳排放速度降低。湖北省在2010—2019年間的脫鉤狀態(tài)由弱脫鉤狀態(tài)轉(zhuǎn)變?yōu)閿U(kuò)張負(fù)脫鉤而后又轉(zhuǎn)變?yōu)槿趺撱^狀態(tài)，這表明湖北省物流業(yè)的碳排放速度先加快而后又低于物流業(yè)的經(jīng)濟(jì)發(fā)展速度，低碳發(fā)展在2016—2019年取得一定進(jìn)展。湖南省在2010—2019年間由弱脫鉤狀態(tài)轉(zhuǎn)變?yōu)閿U(kuò)張負(fù)脫鉤的狀態(tài)并保持，說明湖南省的物流業(yè)碳排放速度在逐步高于物流業(yè)經(jīng)濟(jì)發(fā)展速度，碳排放速度明顯加快。

在長江上游地區(qū)，重慶市在2010—2019年間脫鉤系數(shù)持續(xù)下降，表明重慶市物流業(yè)碳排放速度低于物流業(yè)經(jīng)濟(jì)發(fā)展速度，在此期間物流業(yè)的低碳發(fā)展態(tài)勢(shì)較好。四川省在2010—2016年間由強(qiáng)脫鉤狀態(tài)轉(zhuǎn)為增長連接，物流業(yè)的碳排放速度明顯加快，2016—2019年間為強(qiáng)負(fù)脫鉤狀態(tài)，表明四川省物流業(yè)的經(jīng)濟(jì)發(fā)展水平降低。貴州省2010—2016年間由弱脫鉤轉(zhuǎn)變?yōu)樵鲩L連接狀態(tài)，物流業(yè)的碳排放發(fā)展速度逐漸上升，而后在2016—2019年間轉(zhuǎn)變?yōu)閺?qiáng)負(fù)脫鉤狀態(tài)，說明貴州省在這一時(shí)期物流業(yè)的經(jīng)濟(jì)發(fā)展水平下降。云南省在2010—2019年間脫鉤系數(shù)先上升后下降，由弱脫鉤轉(zhuǎn)變?yōu)樵鲩L連接又轉(zhuǎn)變回弱脫鉤狀態(tài)，表明物流業(yè)的碳排放速度先上升后下降。

3.2 物流業(yè)碳排放影響因素

根據(jù)上文構(gòu)建的計(jì)量模型，考察物流業(yè)碳排放的影響因素，即物流規(guī)模、能源結(jié)構(gòu)、城鎮(zhèn)化水平、科技水平、產(chǎn)業(yè)結(jié)構(gòu)和碳排放效率是否與物流業(yè)碳排放有相關(guān)關(guān)系。本研究的豪斯曼檢驗(yàn)結(jié)果顯示應(yīng)選用隨機(jī)效應(yīng)模型進(jìn)行回歸檢驗(yàn)。結(jié)果如表3所示。

表3 回歸分析結(jié)果

在回歸結(jié)果中，長江經(jīng)濟(jì)帶物流業(yè)的經(jīng)濟(jì)規(guī)模與物流業(yè)碳排放在1%的水平上顯著正相關(guān)，說明物流規(guī)模的擴(kuò)張將有效提高長江經(jīng)濟(jì)帶的物流業(yè)碳排放水平。除此之外，能源結(jié)構(gòu)和城鎮(zhèn)化水平與物流業(yè)碳排放也在1%的水平上呈顯著正相關(guān)的關(guān)系?？梢哉J(rèn)為，煤炭消費(fèi)量占能源消費(fèi)總量的比例越大，越容易提升物流業(yè)碳排放水平；城鎮(zhèn)化水平的提升，增加城市人口與資源，城市間的人口及資源的流動(dòng)將會(huì)使物流業(yè)碳排放增加，同時(shí)，城鎮(zhèn)化發(fā)展也將會(huì)使消費(fèi)模式發(fā)生變化，物流數(shù)量增加與物流水平的提高也促進(jìn)了碳排放量的增加?？萍妓皆?%的水平上與物流業(yè)碳排放水平呈顯著正相關(guān)關(guān)系，說明科技水平的提高會(huì)使得物流業(yè)的碳排放水平上升。產(chǎn)業(yè)結(jié)構(gòu)和能源效率與物流業(yè)碳排放在5%的水平上呈顯著負(fù)相關(guān)的關(guān)系，這表明物流業(yè)在長江經(jīng)濟(jì)帶產(chǎn)業(yè)中所占比例越大，物流業(yè)的碳排放就越可能降低；單位能源消耗量所帶來的物流業(yè)規(guī)模越大，物流業(yè)的碳排放就可能越低，故研究假設(shè)一部分成立。

在長江下游地區(qū)，物流業(yè)經(jīng)濟(jì)規(guī)模、城鎮(zhèn)化水平在1%的水平上與物流業(yè)碳排放呈顯著正相關(guān)關(guān)系；能源結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)在1%的水平上與物流業(yè)碳排放呈顯著負(fù)相關(guān)關(guān)系；科技水平在10%的水平上與物流業(yè)碳排放呈顯著負(fù)相關(guān)關(guān)系；能源效率與物流業(yè)碳排放呈正相關(guān)關(guān)系，但結(jié)果并不顯著。這表明，物流規(guī)模發(fā)展越快所帶來的物流業(yè)碳排放就越多；由于長江下游地區(qū)城鎮(zhèn)化仍然處在飛速發(fā)展時(shí)期，所以其城鎮(zhèn)化水平發(fā)展越快，所帶來的物流業(yè)碳排放就越多；由于長江下游地區(qū)物流業(yè)所消耗的煤炭占比較小，所以煤炭消費(fèi)量在能源消費(fèi)總量的比例越大，就會(huì)降低物流業(yè)碳排放水平；科技發(fā)展越快，所帶來的物流業(yè)碳排放可能就會(huì)越低，科技發(fā)展可能會(huì)帶來減排新技術(shù)。

在長江中游地區(qū)，物流業(yè)經(jīng)濟(jì)規(guī)模、能源結(jié)構(gòu)與物流業(yè)碳排放在1%的水平上呈顯著正相關(guān)關(guān)系；產(chǎn)業(yè)結(jié)構(gòu)在5%的水平上與物流碳排放呈顯著正相關(guān)關(guān)系；城鎮(zhèn)化水平與碳排放呈負(fù)相關(guān)關(guān)系，科技水平和能源效率與碳排放呈正相關(guān)關(guān)系，但結(jié)果都不顯著。這表明，長江中游地區(qū)的物流規(guī)模發(fā)展越快，其所帶來的碳排放就越多；煤炭消費(fèi)量在能源消費(fèi)中所占的比例越大，物流業(yè)碳排放就會(huì)越多，這可能是由于在物流業(yè)能源消費(fèi)中煤炭占比相對(duì)較大引起的；物流業(yè)在產(chǎn)業(yè)結(jié)構(gòu)中越重要，所帶來的物流碳排放就會(huì)越多，說明在長江中游地區(qū)還是比較重視物流業(yè)發(fā)展?fàn)顩r。

在長江上游地區(qū)，物流業(yè)經(jīng)濟(jì)規(guī)模、城鎮(zhèn)化水平與物流業(yè)碳排放分別在1%和5%的水平上呈正相關(guān)關(guān)系；產(chǎn)業(yè)結(jié)構(gòu)與能源效率在1%的水平上呈負(fù)相關(guān)關(guān)系；能源結(jié)構(gòu)與物流碳排放呈正相關(guān)關(guān)系，科技水平與碳排放呈負(fù)相關(guān)關(guān)系，但結(jié)果都不顯著。這表明，物流規(guī)模越大、城鎮(zhèn)化水平越高，物流業(yè)碳排放就可能會(huì)越大，長江上游地區(qū)的物流規(guī)模與城鎮(zhèn)化仍在飛速發(fā)展中；物流業(yè)在產(chǎn)業(yè)結(jié)構(gòu)中所占的比例越大，就會(huì)降低物流業(yè)碳排放水平。

4 研究結(jié)論與建議

本文基于2010—2019年數(shù)據(jù)測算出中國長江經(jīng)濟(jì)帶11個(gè)省市物流業(yè)的碳排放量，運(yùn)用Tapio脫鉤模型分析長江經(jīng)濟(jì)帶物流業(yè)碳排放的脫鉤狀態(tài)，并采用回歸分析建立模型，分析物流規(guī)模、能源結(jié)構(gòu)、城鎮(zhèn)化水平、科技水平、產(chǎn)業(yè)結(jié)構(gòu)和碳排放效率對(duì)物流業(yè)碳排放的影響。結(jié)果表明：長江經(jīng)濟(jì)帶各省之間脫鉤狀態(tài)具有明顯差異；長江經(jīng)濟(jì)帶的物流規(guī)模、能源結(jié)構(gòu)、城鎮(zhèn)化水平、科技水平對(duì)該地區(qū)物流業(yè)碳排放水平有正向促進(jìn)作用，產(chǎn)業(yè)結(jié)構(gòu)和碳排放效率對(duì)長江經(jīng)濟(jì)帶物流業(yè)碳排放水平有負(fù)向作用；影響因素對(duì)長江上中下游三個(gè)地區(qū)物流業(yè)碳排放的影響程度不同。

從脫鉤結(jié)果來看，上海市、浙江省、重慶市和云南省的脫鉤系數(shù)始終小于1，說明這些地區(qū)物流業(yè)的發(fā)展與環(huán)境形成良性互動(dòng)。長江經(jīng)濟(jì)帶大多省市在2010—2013年間保持強(qiáng)脫鉤或者弱脫鉤的狀態(tài)，在2013—2016年間轉(zhuǎn)變?yōu)樵鲩L連接或擴(kuò)張負(fù)脫鉤狀態(tài)，在2016—2019年間又轉(zhuǎn)變?yōu)槿趺撱^狀態(tài)，僅有江蘇省和湖南省保持?jǐn)U張負(fù)脫鉤狀態(tài)，表明長江經(jīng)濟(jì)帶大部分省份的物流業(yè)碳減排工作取得了一定成效，如果繼續(xù)保持這種趨勢(shì)并且加大物流業(yè)碳減排工作力度，可以實(shí)現(xiàn)物流業(yè)碳減排與物流總產(chǎn)值的完全脫鉤。仍保持?jǐn)U張負(fù)脫鉤狀態(tài)的省份是未來物流行業(yè)減排的重點(diǎn)。長江經(jīng)濟(jì)帶各省份物流業(yè)碳排放的差異在逐漸拉開，需要因地制宜采取物流業(yè)的減碳政策。

長江經(jīng)濟(jì)帶物流業(yè)碳排放的影響因素方面，從整個(gè)流域狀況來說，物流規(guī)模、能源結(jié)構(gòu)、城鎮(zhèn)化水平、科技水平對(duì)該地區(qū)物流業(yè)碳排放水平有正向促進(jìn)作用，產(chǎn)業(yè)結(jié)構(gòu)和碳排放效率對(duì)長江經(jīng)濟(jì)帶的物流業(yè)碳排放水平有負(fù)向作用，對(duì)此，應(yīng)適當(dāng)降低煤炭在能源消耗總量中的占比，積極使用清潔能源與新能源，促進(jìn)物流業(yè)能源結(jié)構(gòu)的轉(zhuǎn)型升級(jí)，在交通運(yùn)輸中可以使用清潔能源和可再生能源的新型電動(dòng)與混合動(dòng)力車輛。雖然科技水平總體上與物流碳排放呈正相關(guān)關(guān)系，但是在上中下流域的具體影響中以負(fù)向作用為主，且碳排放效率與物流業(yè)碳排放呈負(fù)向相關(guān)關(guān)系，故可以依托低碳技術(shù)的研發(fā)和推廣，構(gòu)建多元化的低碳技術(shù)體系來提高能源效率從而降低物流業(yè)的碳排放。物流企業(yè)可以在政府協(xié)助下積極自主研發(fā)低碳能源的核心技術(shù)，增加清潔能源的使用。政府方面應(yīng)該推廣物流環(huán)保節(jié)能的技術(shù)措施，參與制定物流行業(yè)能效和碳排放的標(biāo)準(zhǔn)，為物流業(yè)低碳轉(zhuǎn)型提供技術(shù)支撐和政策支持。

本文分析長江經(jīng)濟(jì)帶整體流域與上中下三個(gè)流域的物流碳排放的影響因素，探討各個(gè)省份物流業(yè)碳排放脫鉤狀態(tài)的差異，以及影響因素在各流域的影響情況是否存在差異。但是并未針對(duì)具體省份開展影響因素分析，且本文只討論了物流規(guī)模、能源結(jié)構(gòu)、城鎮(zhèn)化水平、科技水平、產(chǎn)業(yè)結(jié)構(gòu)和碳排放效率對(duì)物流碳排放的影響狀況，其他影響因素還需要做進(jìn)一步研究討論。