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，在推動國民經(jīng)濟高質(zhì)量發(fā)展進程中發(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)濟帶作為中國重要的經(jīng)濟發(fā)展帶，涵蓋中國長江沿岸的9個省份和2個直轄市，橫貫東中西三個地區(qū)，是中國經(jīng)濟發(fā)展具活力和潛力的地區(qū)之一。長江經(jīng)濟帶地區(qū)具有資源優(yōu)勢、區(qū)位優(yōu)勢明顯，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，國外學(xué)者對這方面的研究較少。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)者利用實測法、物料衡量法、模型分析法和碳排放系數(shù)法等對碳排放進行測量，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）在進行物流業(yè)碳排放測算時采用了碳排放系數(shù)法；劉龍政（2012）運用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。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因素分解方法對影響河南省物流業(yè)碳排放因素的貢獻率進行分析。Quan等（2020）、鄧榮榮等（2020）使用分解模型對碳排放影響因素進行分解與分析。曹俊文等（2021）運用分解模型和-分解模型分析碳排放時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)濟增長和人口對物流業(yè)碳排放規(guī)模均有影響。江純霞（2020）通過研究指出經(jīng)濟發(fā)展水平、城鎮(zhèn)化、社會消費、能源效率、基礎(chǔ)設(shè)施投資額和產(chǎn)業(yè)結(jié)構(gòu)均對物流業(yè)碳排放增加也有影響。Peng（2019）利用經(jīng)典的STIRPAT（隨機影響回歸對人口、收入和技術(shù)）模型對影響碳排放的因素進行測度。

本文以長江經(jīng)濟帶11個省市的物流業(yè)為研究樣本，估算其在2010—2019年間物流業(yè)的碳排放量，運用脫鉤模型分析11個省市物流業(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)濟帶物流業(yè)碳排放的發(fā)展態(tài)勢，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（Intergovernmental Panel on Climate Change，簡稱IPCC）提供的估算方法，以長江經(jīng)濟帶各省的物流業(yè)能源消費量來估算長江經(jīng)濟帶各省的物流業(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是第種能源的折標準煤系數(shù)，即單位能源折算成標準煤的量；E為第種能源的消耗量。其中，化石能源對標準煤的折算系數(shù)采用《中國能源統(tǒng)計年鑒》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，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)，以更加精細與明確地劃分脫鉤狀態(tài)，是環(huán)境經(jīng)濟研究中學(xué)者普遍采用的劃分脫鉤狀態(tài)標準。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準

2.3 回歸模型

影響長江經(jīng)濟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的對數(shù)表示；能源結(jié)構(gòu)以煤炭消費量占能源消費總量的比例表示；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)濟帶的物流碳排放有正相關(guān)關(guān)系。并構(gòu)建對長江經(jīng)濟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)計年鑒》《中國能源統(tǒng)計年鑒》《中國第三產(chǎn)業(yè)統(tǒng)計年鑒》《中國物流年鑒》。

3 實證分析

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)濟帶11個省物流業(yè)每年的碳排放量，再將2010—2019年這個時間段劃分為2010—2013年、2013—2016年和2016—2019年三個時間段，運用公式（2）計算長江經(jīng)濟帶11個省物流業(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年間的擴張負脫鉤狀態(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。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，說明浙江省物流業(yè)低碳發(fā)展取得了不錯的成果。安徽省在2010—2019年間內(nèi)的脫鉤狀態(tài)由擴張負脫鉤轉(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)濟發(fā)展速度加快且高于物流業(yè)碳排放速度，低碳發(fā)展狀態(tài)很好，且在2016—2019年間取得較大進展。

表2 2010—2019年三個時間段內(nèi)長江經(jīng)濟帶11個省物流業(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張負脫鉤而后又轉(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)濟發(fā)展速度，低碳發(fā)展在2016—2019年取得一定進展。湖南省在2010—2019年間由弱脫鉤狀態(tài)轉(zhuǎn)變?yōu)閿U張負脫鉤的狀態(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)濟發(fā)展速度，在此期間物流業(yè)的低碳發(fā)展態(tài)勢較好。四川省在2010—2016年間由強脫鉤狀態(tài)轉(zhuǎn)為增長連接，物流業(yè)的碳排放速度明顯加快，2016—2019年間為強負脫鉤狀態(tài)，表明四川省物流業(yè)的經(jīng)濟發(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)閺娯撁撱^狀態(tài)，說明貴州省在這一時期物流業(yè)的經(jīng)濟發(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結(jié)果顯示應(yīng)選用隨機效應(yīng)模型進行回歸檢驗。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)濟帶物流業(yè)的經(jīng)濟規(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)模的擴張將有效提高長江經(jīng)濟帶的物流業(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為，煤炭消費量占能源消費總量的比例越大，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將會使物流業(yè)碳排放增加，同時，城鎮(zhèn)化發(fā)展也將會使消費模式發(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%的水平上呈顯著負相關(guān)的關(guān)系，這表明物流業(yè)在長江經(jīng)濟帶產(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，所以煤炭消費量在能源消費總量的比例越大，就會降低物流業(yè)碳排放水平；科技發(fā)展越快，所帶來的物流業(yè)碳排放可能就會越低，科技發(fā)展可能會帶來減排新技術(shù)。

在長江中游地區(qū)，物流業(yè)經(jīng)濟規(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；煤炭消費量在能源消費中所占的比例越大，物流業(yè)碳排放就會越多，這可能是由于在物流業(yè)能源消費中煤炭占比相對較大引起的；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)展狀況。

在長江上游地區(qū)，物流業(yè)經(jīng)濟規(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)濟帶11個省市物流業(yè)的碳排放量，運用Tapio脫鉤模型分析長江經(jīng)濟帶物流業(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)和碳排放效率對物流業(yè)碳排放的影響。結(jié)果表明：長江經(jīng)濟帶各省之間脫鉤狀態(tài)具有明顯差異；長江經(jīng)濟帶的物流規(guī)模、能源結(jié)構(gòu)、城鎮(zhèn)化水平、科技水平對該地區(qū)物流業(yè)碳排放水平有正向促進作用，產(chǎn)業(yè)結(jié)構(gòu)和碳排放效率對長江經(jīng)濟帶物流業(yè)碳排放水平有負向作用；影響因素對長江上中下游三個地區(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。長江經(jīng)濟帶大多省市在2010—2013年間保持強脫鉤或者弱脫鉤的狀態(tài)，在2013—2016年間轉(zhuǎn)變?yōu)樵鲩L連接或擴張負脫鉤狀態(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擴張負脫鉤狀態(tài)，表明長江經(jīng)濟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)保持這種趨勢并且加大物流業(yè)碳減排工作力度，可以實現(xiàn)物流業(yè)碳減排與物流總產(chǎn)值的完全脫鉤。仍保持擴張負脫鉤狀態(tài)的省份是未來物流行業(yè)減排的重點。長江經(jīng)濟帶各省份物流業(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)濟帶物流業(yè)碳排放的影響因素方面，從整個流域狀況來說，物流規(guī)模、能源結(jié)構(gòu)、城鎮(zhèn)化水平、科技水平對該地區(qū)物流業(yè)碳排放水平有正向促進作用，產(chǎn)業(yè)結(jié)構(gòu)和碳排放效率對長江經(jīng)濟帶的物流業(yè)碳排放水平有負向作用，對此，應(yīng)適當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，促進物流業(yè)能源結(jié)構(gòu)的轉(zhuǎn)型升級，在交通運輸中可以使用清潔能源和可再生能源的新型電動與混合動力車輛。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向作用為主，且碳排放效率與物流業(yè)碳排放呈負向相關(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)能效和碳排放的標準，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)濟帶整體流域與上中下三個流域的物流碳排放的影響因素，探討各個省份物流業(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)和碳排放效率對物流碳排放的影響狀況，其他影響因素還需要做進一步研究討論。