中國物流業二氧化碳排放變化驅動因素分析

張立國

（桂林航天工業學院廣西航空物流研究中心，廣西桂林541004）

中國物流業二氧化碳排放變化驅動因素分析

張立國

（桂林航天工業學院廣西航空物流研究中心，廣西桂林541004）

物流業二氧化碳排放問題是當前我國碳減排工作的重中之重，正確評估各驅動因素在碳排放中的貢獻度對于促進行業碳減排意義重大。可基于LMDI分解技術，構建物流業二氧化碳排放變化驅動因素分解分析模型，將物流業碳排放變化驅動因素分解為碳排放因子效應、能源結構效應、能源強度效應、物流產出效應、經濟發展效應、人口規模效應等六個方面，并利用2003—2014年我國30個省市區物流業面板數據進行實證分析。研究樣本年內各驅動因素動態變動和區域差異情況可以發現，我國物流業二氧化碳排放強度基本呈逐年上升趨勢；經濟發展效應是物流業二氧化碳排放持續高速增長最主要的驅動因素，物流業產出的提高是抑制二氧化碳排放增長最主要的驅動因素；東部地區能源結構的變化對物流業二氧化碳排放有抑制作用，而中西部地區能源結構需要進一步優化。此外，對各省市區情況的分析表明，廣西能源結構效應表現最好，寧夏能源強度效應表現最好，江西物流產出效應表現最好，河北經濟發展效應表現最好，四川人口規模效應表現最好。

物流業；二氧化碳排放；驅動因素；動態變動；區域差異

一、引言

2014年11月12日亞洲太平洋經濟合作組織（APEC）領導人峰會上，中美雙方共同發表《中美氣候變化聯合聲明》，我國在該聲明中承諾最晚于2030年達到二氧化碳氣體排放的峰值。這是我國作為最大的發展中國家對世界的一個莊嚴承諾，充分展現了我國作為負責任大國的良好形象。

物流業作為融合運輸、倉儲、貨代、信息等產業的復合型服務業，是支撐國民經濟發展的基礎性、戰略性產業。加快發展現代物流業，對于促進產業結構調整、轉變經濟發展方式、提高國民經濟競爭力、建設生態文明具有重要意義。物流業是我國二氧化碳排放主要的來源行業之一，特別是燃油消耗占總消耗的34%左右，二氧化碳排放量占全國碳排放總量的18.9%。[1]物流業是我國能源消耗增長最快的行業之一，年平均增長速度接近8%，遠遠高于同期我國能源消費總量5.71%的年平均增長速度。此外，物流業還是目前我國唯一一個二氧化碳排放強度持續增加的行業，其二氧

化碳排放量占各行業的比重近年來呈現出快速增長的趨勢。[2]2016年3月，國家“十三五”規劃明確將物流業作為有效控制溫室氣體排放、重點實施低碳發展的四個行業之一。因此，研究物流業二氧化碳排放變化，尋找我國物流業二氧化碳排放變化驅動因素，對于找準政策切入點、有效利用有限資源解決二氧化碳排放問題、履行碳減排承諾具有重要現實意義。

目前有關物流業二氧化碳排放變化驅動因素的研究大多集中于交通運輸業碳排放問題。拉克什曼南（Lakshmanan T R）[3]的研究表明，居民旅行意愿、人口和GDP是影響美國交通運輸業二氧化碳排放的重要因素；安德里尼（Andreoni V）等[4]認為，碳排放強度、能源強度、產業結構、經濟增長等因素會對水路運輸和航空運輸的二氧化碳排放產生影響；利馬泰寧（Liimatainen H）等[5]認為，經濟活動、交通需求、能源效率等因素會對道路運輸的二氧化碳排放產生影響；查德蘭（Chandran V G R）等[6]認為，經濟增長、能源消耗、外商直接投資等因素會對交通運輸業二氧化碳排放產生影響；陸（Loo B P Y）等[7]的研究表明，機場作業、飛行距離、飛機上座率等因素會對航空運輸的二氧化碳排放產生影響；林伯強（Lin B）等[8]認為，交通運輸業二氧化碳排放受GDP、城市化率、能源強度、碳排放強度等因素影響；王云靜（Wang Y）等[9]認為，城市物流二氧化碳排放會受到人們交通需求與出行比例兩個因素的影響，并基于2000—2009年北京市數據進行了實證分析。從國內文獻看，影響低碳物流發展的因素近年來開始逐漸受到了學者們的關注。比如，肖丁丁等[10]利用決策試驗和評價實驗室分析方法（DEMATEL），從政府、企業、環境三個維度分析綠色物流發展各影響因素，進而探討各因素之間的影響關系；崔強等[11]構建了徑向基函數神經網絡與決策試驗和評價實驗室法相結合的分析方法（RBF—DEMATEL），利用技術驅動力、管理驅動力、產業實力三個指標對我國交通運輸低碳化能力進行了分析；王華強等[12]指出，企業、技術、政府是影響物流業低碳化發展的三個重要因素。

對數平均迪氏指數分析方法（Logarithmic Mean Divisia Index Method，LMDI）是國內外學者研究二氧化碳排放驅動因素經常采用的一種方法，近年來在物流業中也有應用。比如，特姆斯納（Timilsina G R）等[13-14]利用LMDI方法對拉丁美洲和加勒比海地區以及12個亞洲國家進行分析發現，能源結構、運輸方式、能源強度、人口等因素都會對物流業二氧化碳排放產生影響；王（Wang W W）等[15]利用LMDI分析方法研究了碳排放系數、運輸服務份額、運輸方式、運輸強度、人均經濟活動以及人口等因素對我國交通運輸業二氧化碳排放量增長的影響；劉龍政等[16]利用LMDI分析方法從能源結構、能源效率、經濟增長三方面入手分析了我國物流業二氧化碳排放驅動因素；馬越越等[17]利用LMDI方法從能源結構、能源效率、運輸方式、物流發展、經濟增長、人口等方面入手分析了我國人均二氧化碳排放的影響因素。

物流業是一個較為復雜的系統，交通運輸僅僅是其中的一部分。近年來，我國交通基礎設施的不斷完善并沒有使物流業二氧化碳排放問題得到改觀，單純研究交通運輸能否解決我國物流業二氧化碳排放難題仍然存在一定疑問。同時，我國是一個大國，區域間社會經濟發展存在差異，立足于區域和省域視角，針對不同地區提出相應的物流業減排政策對于解決我國的實際問題更為有效。然而，這方面的研究并不多見。本研究將基于對數平均迪氏指數分析方法，研究我國物流業二氧化碳排放變化驅動因素的動態變化和區域差異問題，為行業碳減排提供借鑒。

二、研究方法

分解分析方法是研究導致某種結果產生因素的一種重要方法。近年來，在能源和環境問題研究中，比較常用的分解分析方法有結構分解分析方法和指數分解分析方法。其中，結構分解分析方法（Structural Decomposition Analysis，SDA）依托投入產出表，將某一變量分解為多個影響因素的乘積，進而分析各影響因素對變量的貢獻程度。該方法所需要的信息量比較大，而且會因統計口徑或方法的變動產生分析結果的偏差。指數分解分析方法（Index Decomposition Analysis，IDA）是運用指數體系測定和研究現象總變動中各因素變動對總變動影響方向與程度的分析方法。指數分解分析方法早期主要有拉氏指數分解法（Laspeyres

Index）、帕氏指數分解法（Paasche Index）、馬歇爾-埃奇沃斯指數分解法（Marshall-Edgeworth Index）等，其中以拉氏指數分解法最為常用。后來，雷特樂（Reitler W）等、[18]波伊德（Boyd G A）等[19-20]提出了迪氏指數分解法（Divisia Index），劉（Liu X Q）等、[21]洪明華（Ang B W）等[22-23]繼而基于不同視角對該方法加以完善，其中又以洪明華和崔（Ang B W&Choi K H）[24]提出的對數平均迪氏指數分析方法（Logarithmic Mean Divisia Index Method，LM?DI）應用最為廣泛。

LMDI法的分解形式有加法和乘法兩種，[25]在現有文獻中，兩種形式基本各占一半，都得到了很好的應用，[26]本文選取LMDI的加法分解形式作為基礎方法。目前，有關能源消耗碳排放的研究所選取的大多是兩層分解分析方法，但由于物流業能源消耗碳排放不僅不同區域間存在差異，不同能源類型、不同運輸方式之間也存在差異，因此不能利用兩層分解分析方法對物流業進行分解分析。根據吳立波（Wu L）等[27-28]的研究，本文應用三層分解分析方法構建我國物流業LMDI分解分析模型。具體如下：

其中，i表示省份，j表示運輸方式，r表示能源類型，Ct表示我國物流業在t年的二氧化碳排放量，表示第i省第j種運輸方式第r種能源在t年的二氧化碳排放量，表示第i省第j種運輸方式第r種能源在t年的消耗量，表示第i省第j種運輸方式在t年的能源消耗量，表示第i省第j種運輸方式在t年提供的物流服務量，表示第i省在t年的地區生產總值，表示第i省在t年的人口數。我國物流業LMDI分解分析模型還可進一步表示為：

分析各影響因素對物流業能源消耗碳排放的貢獻情況，根據洪明華等[22]的對數指數分析方法，可得：

其中，wijr是權重系數，代表各變量的權重，t和0分別代表期末和期初。

以上是在不考慮技術進步的前提下，在現有LMDI二層分解分析方法基礎上構建的物流業能源消耗碳排放變化驅動因素三層分解分析模型。在實際研究中，我們大多運用時間序列數據對某行業能源消耗碳排放變化進行分解分析，數據年份越長，技術進步所導致的噪聲就越明顯，對分析結果所造成的影響就越大。于是，技術差異就開始成為一個研究的重點，洪明華[23]在LMDI二層分解分析方法基礎上提出了基于技術差異的LM?DI乘法分解分析模型，該模型只考慮兩個因素，因此在應用中具有一定的局限性。直到2014年，岡薩雷斯（Gonzalez P F）等[30]對乘法模型進行了三

因素改進，并應用該改進模型分析歐盟27個成員國的能源消耗問題。

在三層分解分析方法基礎上，借鑒劉等[21]的相關研究成果，在考慮技術進步的前提下對LMDI加法模型進行多因素改進。具體如下：

對上式的每個驅動因素都做進一步分解，可以得到下面的結果：

其中，k代表技術水平，k-1代表比k低一個等級的技術水平。

以上六個公式所衡量的是物流業能源消耗碳排放變化各驅動因素在t年從技術水平k-1到k的變化。

三、數據來源及處理

20世紀末期，物流業逐漸引起了人們的注意，但各國統計數據中專門針對物流業的統計比較少見，即使目前世界上最先進的北美產業分類體系（NALS）中也沒有物流業這個統計類別。2006年以來，國家統計局出版發行了《中國第三產業統計年鑒》，把物流業作為一個獨立的類別進行統計。分析該年鑒統計數據可以發現，交通運輸、倉儲和郵政業占據了整個物流產業83%以上的產業份額，可以在很大程度上反映整個物流產業的發展狀況，而當前有關物流業的研究文獻也幾乎都是采用交通運輸、倉儲和郵政業的統計數據來代替物流業數據的，因此本研究亦以此作為數據來源，選取2003—2014年我國交通運輸、倉儲和郵政業統計數據來代表物流業。

近年來，我國物流業增長方式主要是以量為主，整個行業的層次和水平都比較低，技術進步在行業中的體現還不夠明顯。此外，加之不同年份的物流業技術差異數據難以收集，且本研究時間跨度為12年，可在一定程度上忽略技術差異的影響。因此，考慮到數據的可得性，本研究在實證分析時暫不考慮物流業技術進步的影響。各指標數據選取方式如下：

物流業能源消耗數據：根據《中國能源統計年鑒》的統計口徑，選取原煤、型煤、汽油、煤油、柴

油、燃料油、液化石油氣、天然氣、熱力、電力等10種能源，按照《中國能源統計年鑒》附錄中的各種能源折標準煤參考系數表，把10種能源全部統一折算成標準煤。[31]

物流業二氧化碳排放量：根據IPCC2006的研究結論，物流業的二氧化碳排放量可以通過各種能源消耗所產生的二氧化碳排放量估算加總得到。各種能源消耗所產生的二氧化碳排放量的具體計算方法是：各種能源消耗原始數據與其平均低位發熱量（參見《中國能源統計年鑒》各種能源折標準煤參考系數附表中的“平均低位發熱量”一欄）以及單位熱值含碳量（參見《省級溫室氣體清單編制指南》（發改辦氣候（2011）1041號））三者的乘積。

物流服務量：物流服務量可以理解為物流活動對社會所做出的貢獻，目前主要從實用價值形態和價值形態兩個視角衡量。[32]實用價值形態的物流業產出指標主要圍繞貨物周轉量進行選取，如薩金斯（Sarkis J）等[33]選取運營收入、專用航空量、客運總數、貨運總數、飛機移動地區作為產出指標；馮（Fung M K Y）等[34]選取客流量、貨物流量、飛機飛行時間作為產出指標；蘭（Lam S W）等[35]選取貨運量、航班數量、旅客數作為產出指標；田剛等[36]選取貨物周轉量作為產出指標；馬越越等[17]以綜合周轉量（由貨物周轉量和旅客周轉量經轉化得到）作為產出指標。價值形態視角產出指標的選取主要基于行業成本效率進行分析、比較和測算，其優點是考慮了數據可比性，在物流業產出指標選取中應用較為廣泛。根據鐘祖昌、[37]張立國等[38]的產出變量選取方法，這里將物流業產值作為行業的服務量，用《中國統計年鑒》中各省市區2003—2014年交通運輸、倉儲和郵政業的生產總值統計數據表示。

GDP：用《中國統計年鑒》中各省市區2003— 2014年的國內生產總值統計數據表示。

人口：用《中國統計年鑒》中各省市區2003—2014年的年末人口數統計數據表示。

把GDP和物流服務量統一轉化成1978年的價格，因統計數據缺失，每年選取我國除香港、澳門、臺灣和西藏以外30個省市區的數據，2003—2014年共計12年，每個指標有360個樣本。

相關數據的描述性統計如表1所示。

四、我國物流業碳排放強度

這里把物流業碳排放強度定義為單位物流業產值的二氧化碳排放量。物流業二氧化碳排放強度的大小與物流業務共同化水平、新能源及新技術使用情況等有關。2013—2014年我國物流業碳排放強度變化情況可參見表2。

可以根據表2分析我國物流業二氧化碳排放強度變化趨勢，2003—2014年我國物流業二氧化碳排放強度基本呈逐年上升趨勢，這與陳詩一等[2]的研究結論一致。物流業作為我國二氧化碳排放強度依然呈上升趨勢的行業，其碳排放與我國2030年的減排承諾是背道而馳的，需要加強對物流業二氧化碳排放的控制。

2003—2014年，我國物流業二氧化碳排放強度呈現出三個階段的特征。2007年以前，物流業二氧化碳排放強度增長較快，表明此階段行業無序發展情況較為嚴重，物流業處于一種粗放式發展狀態；2008年以后，物流業二氧化碳排放強度增長趨勢放緩，可能是受到了當時我國提出的科學發展觀思想的影響。2009年國家重點產業調整和振興規劃的頒布，特別是《物流業調整和振興規劃》的發布，使得物流業發展進入了國家層面的頂層設計和布局，整個社會資源開始被引入物流業發展的重點工程，資源無效投入狀況得到了一定程度的改善。同時，伴隨著物流基礎設施的不斷完善，現代信息技術在物流業中逐漸推廣應用，有效遏制了物流業二氧化碳排放強度快速增長的勢頭，整個物流業開始進入一個新的發展階段。2012年以后，隨著我國經濟進入新常態以及綠色物流理念的不斷深入人心，我國物流業二氧化碳排放強度進入了震蕩調整時期。

表1 2003—2014年我國物流業碳排放變化驅動因素數據描述性統計（360個樣本）

表2 2003—2014年我國物流業碳排放強度變化 噸二氧化碳∕萬元

五、結果分析

（一）我國物流業二氧化碳排放變化驅動因素動態變化分析

這里所探討的碳排放因子效應主要是指單位能源消耗所產生的二氧化碳排放量，在理論界這個數值一般用碳排放系數或碳排放因子表示，從現有研究文獻[16，39]以及近年來的IPCC研究報告看，這個數值并沒有發生變化，基于數據的可得性，這里假定物流業碳排放因子效應不變。因此，本文所研究的我國物流業二氧化碳排放變化驅動因素主要包括能源結構效應、能源強度效應、物流產出效應、經濟發展效應、人口規模效應等五個指標。利用物流業二氧化碳排放變化驅動因素分解分析模型，對2003—2014年我國物流業二氧化碳排放變化驅動因素進行分解，具體結果參見表3。

由表3可以看出，2003—2014年驅動我國物流業二氧化碳排放變化的五個因素，按貢獻度從大到小的順序排列依次是經濟發展效應、物流產出效應、能源強度效應、能源結構效應、人口規模效應。其中，經濟發展效應、能源強度效應、能源結構效應、人口規模效應對我國物流業二氧化碳排放變化具有推動作用，而物流產出效應對物流業二氧化碳排放具有抑制作用。該結論與王等、[15]馬越越等[17]的研究結論一致。接下來，對影響程度較大的經濟發展效應、能源強度效應、能源結構效應、物流產出效應進行討論。

經濟發展效應一般用人均GDP水平來衡量，2003—2014年這一因素對我國物流業二氧化碳排放的驅動程度達到77.56%。究其原因，可能在于兩個方面：一是隨著人們收入水平的提高，出行需求增加，使得對交通工具的需求也相應增加。在公共交通需求增加的同時，不少家庭還購置了私家車，使得經濟發展水平對物流業二氧化碳排放起到了很大的推動作用。二是隨著電子商務的發

展，電商成為一種新的模式，快遞物流也得以迅速發展起來，大量快遞公司以及城市快遞配送的無序發展亦在一定程度上導致了物流業二氧化碳排放量的增加。

表3 2003—2014年我國物流業能源消耗碳排放變化驅動因素分解%

能源強度效應反映單位物流產出的能源消耗量，2003—2014年間這一因素對我國物流業二氧化碳排放的驅動程度達到43.70%，說明我國物流業目前存在能源消耗的浪費現象，能源并未得到最大化的利用。這與我國當前機動車保有量的快速上升有關，2003—2014年我國機動車的數量由9 491.83萬輛增加到24 450.51萬輛，增長率達到158%，給我國的道路（特別是城市內部道路）帶來了嚴重的擁堵問題，制約了物流業能源效率的提升，大大增加了物流業的二氧化碳排放量。

能源結構效應對我國物流業二氧化碳排放的驅動程度達到18.87%，表明我國物流業目前能源結構不合理。2003—2014年我國物流業能源消耗數據顯示，煤炭、汽油、電力消耗占能源總體消耗的比重由6.61%、27.97%、4.22%下降到了4.03%、19.21%、3.588%，而柴油消耗所占比重由40.82%上升到了43.57%。盡管煤炭消耗比重的下降可以降低二氧化碳排放量，但汽油、電力消耗的減少以及柴油消耗的增加都會推動物流業二氧化碳排放量的增加。對我國物流業而言，目前能源結構不夠合理，且不合理趨勢日益加重，對行業碳減排造成了嚴重的影響。

物流產出效應反映物流業產值占整個國民經濟的比重，2003—2014年間這個因素對我國物流業二氧化碳排放的驅動程度達到-44.55%，與王等、[15]馬越越等[17]的研究結論一致，表明我國物流業產出效應能夠對行業二氧化碳排放量產生抑制作用。物流業是服務性行業，衡量一個國家的發展水平經常會采用服務業占GDP的比重這個指標。中國物流與采購聯合會的數據顯示，我國物流業產值占國內生產總值的比重由2005年的6.6%提高到了2013年的6.8%。物流業產值的增加使得物流業規模效應能夠更加容易地體現出來，對車輛與物流設施的利用率進一步提高，進而降低了行業的二氧化碳排放量。

（二）我國物流業二氧化碳排放變化驅動因素區域差異分析

考慮到我國區域經濟發展的不平衡性，需要從區域視角分析我國物流業二氧化碳排放各驅動因素。本研究基于東部地區、中部地區、西部地區三個區域對各驅動因素進行分解分析，各因素對二氧化碳排放的貢獻度可參見表4。

分析2003—2014年三大區域總體情況可以發現，經濟發展效應在三個地區均是貢獻率最大的因素，對物流業二氧化碳排放的增加均呈現出較強的推動作用，說明該因素在全國范圍內是一個

共性的問題，三大地區都要集中精力優先考慮經濟發展所帶來的二氧化碳排放的增加，解決好經濟可持續發展問題；物流產出效應在三個地區均呈現出抑制物流業二氧化碳排放增加的特點，說明三大地區都應大力發展物流業，提高物流業占GDP的比重，這有利于我國物流業實現碳減排；能源強度效應在三大地區都呈現出促進物流業二氧化碳排放的特點，說明我國物流業能源利用率不高，各地區都需要把提高能源強度作為促進物流業碳減排的一項重要政策；能源結構效應在東部地區呈現出抑制二氧化碳排放的特點，而在中西部地區卻呈現出相反的趨勢，說明東部發達地區近年來率先在國內推行的一些新能源政策取得了一定效果，需要在中部和西部地區進一步推廣；人口規模效應在三個地區的影響均是最小的。

表4 2003—2014年我國物流業能源消耗碳排放變化區域驅動因素分解%

東部地區物流業二氧化碳排放各驅動因素按貢獻度從大到小的順序排列依次是經濟發展效應、能源強度效應、物流產出效應、能源結構效應、人口規模效應。其中，經濟發展效應、能源強度效應、人口規模效應對物流業二氧化碳排放具有推動作用，而能源結構效應、物流產出效應對物流業二氧化碳排放具有抑制作用。經濟發展效應是東部地區最主要的驅動因素，其對二氧化碳排放的貢獻率達到169.77%；能源結構效應是東部地區最主要的抑制因素之一，其對物流業二氧化碳排放有抑制作用（-108.3%）。王平等[40]研究了能源結構優化對廣東省二氧化碳排放強度的貢獻，認為能源結構優化對廣東省碳排放強度的優化最為有效，其研究結論與本文基本一致。

中部地區和西部地區特點相同，其物流業二氧化碳排放驅動因素按貢獻度從大到小的順序排列依次是經濟發展效應、物流產出效應、能源強度效應、能源結構效應、人口規模效應。其中，經濟發展效應、能源強度效應、能源結構效應、人口規模效應對物流業二氧化碳排放具有推動作用，而物流產出效應對物流業二氧化碳排放具有抑制作用。與東部地區相比，中西部地區能源結構效應呈現正值，說明中西部地區物流業能源結構不理想，需要進一步優化。

（三）我國各地區物流業二氧化碳排放變化驅動因素差異分析

基于省域視角，2003—2014年我國物流業碳排放變化驅動因素分解情況可參見表5。由表5可以看出，五個因素在各省市區的碳排放貢獻率呈現出不同的特點。

在能源結構效應方面，表現得最好的是廣西（-107.87%），其能源結構效應對物流業二氧化碳排放產生了很好的抑制作用，這主要是由煤炭消耗占比的大幅減少以及汽油消耗占比的提升所導致的。廣西是一個缺煤的省份，其煤炭需求主要通過秦皇島海運到廣西北部灣防城港，然后再經陸路運輸到廣西各地，運輸距離較長，運輸成本較高。廣西物流業煤炭消耗占能源消耗總量的比重由2003年的2.26%降低到2014年的0.01%，同時廣西物流業柴油消耗占比由72.53%降低到59.16%，而汽油消耗占比由2003年的18.24%增加到2012年的19.96%，能源結構持續優化。在能源結構效應上表現得最差的是湖南（36.83%），其能源結構效應對物流業二氧化碳排放起到了促進作用，而導致這種狀況的主要原因在于，其汽油消耗所占比重下降較大，由2003年的40.3%下降到了2014年的19.08%。

在能源強度效應方面，表現得最好的是寧夏（-226.86%），表現得最差的是云南（121.01%）。寧夏物流業能源強度效應之所以表現最好，是由其規模效率引起的，2003—2012年該數值達到1.155，在全國表現最好；[41]云南之所以表現最差，主要原因在于2003—2012年其能源消耗量增加了150.85%，而物流業產值僅增加了43.48%，單位物流產值的能耗表現不理想。

在物流產出效應方面，基本上都是負值，表明各省市區物流產出指標均對物流業二氧化碳排放具有抑制作用。其中，在物流產出效應上表現得最好的是江西（-281.73%），表現得最差的是貴州（11.20%）。江西表現較好的原因在于，2003—2014年其物流業占GDP的比重變化較大，且一直呈增加趨勢。

在經濟發展效應方面，全國各省市區均為正值，意味著所有省市區經濟增長均對物流業二氧化碳排放具有促進作用。其中，在經濟發展效應上表現得最好的是河北（48.75%），表現得最差的是江西（383.16%）。

在人口規模效應方面，表現得最好的是四川（-6.53%），表現得最差的是天津（68.96%）。

表5 2003—2014年我國物流業能源消耗碳排放變化省域驅動因素分解%

六、結論與政策建議

物流業二氧化碳排放問題是當前我國碳減排工作的重點之一?；贚MDI分解技術，利用本文構建的中國物流業二氧化碳變化驅動因素分解分析模型分析各驅動因素樣本年內的動態變動和區域差異情況，得到主要結論如下：

第一，從全國視角分析，物流業二氧化碳排放各驅動因素貢獻度按從大到小的順序排列依次是經濟發展效應、物流產出效應、能源強度效應、能源結構效應、人口規模效應。其中，經濟發展效應、能源強度效應、能源結構效應、人口規模效應對我國物流業二氧化碳排放具有推動作用，而物流產出效應對物流業二氧化碳排放具有抑制作用。物流產出效應具有負向影響，說明規模經濟在物流業中的作用較為顯著，我國需要加快物流業發展速度，提高物流業占國民經濟的比重。

第二，從區域視角分析，在東部地區能源結構效應和物流產出效應對物流業二氧化碳排放起到抑制作用，而在西部地區只有物流產出效應起到抑制作用。這說明，東部地區需要在繼續做好當前工作的前提下，進一步提高能源效率，促進經濟可持續發展與轉型并有效控制人口規模；而中西部地區還要進一步加強能源結構調整，優化物流業能源消耗。

第三，從省域視角分析，廣西能源結構效應和人口規模效應表現最好，寧夏能源強度效應表現最好，江西物流產出效應表現最好，河北經濟發展效應表現最好。

根據本文的研究結論，提出如下政策建議：

第一，改變物流業增長方式，實現行業轉型升級。我國需要以物流園區為載體，以信息化建設

為手段，優化制造業物流業這一存量物流，做強以電商為引領的快遞業這一增量物流，實現物流業轉型升級。

第二，優化物流業能源結構。繼續在油品上進行科技攻關，不斷降低油品的排放量；加強車輛技術攻關，提高車輛能源使用效率；優化城市交通條件，完善限行制度，降低車輛無效行駛率；優化車輛稅費制度，繼續推行免征制度，探索實行階梯征稅制度，引導能源消耗的低碳化。

第三，提升物流業能源效率。積極引導制造業、農業、物流業聯動，實施共同配送，構建車輛配貨信息平臺，發展并推廣移動貨運信息服務業務，提高貨物周轉與集散速度，探索實施快遞物流連鎖便利店經營模式。

[1]李進，張江華.碳交易機制對物流配送路徑決策的影響研究[J].系統工程理論與實踐，2014，34（7）：1779-1787.

[2]陳詩一，嚴法善，吳若沉.資本深化、生產率提高與中國二氧化碳排放變化——產業、區域、能源三維結構調整視角的因素分解分析[J].財貿經濟，2010（12）：111-120.

[3]LAKSHMANAN T R.Factors underlying transportation CO2emissions in the USA：a decomposition analysis[J].Transpor?tation research part d，1997，2（1）：1-15．

[4]ANDREONI V，GALMARINI S.European CO2emission trends：a decomposition analysis for water and aviation trans?port sectors[J].Energy，2012，45（1）：595-602.

[5]LIIMATAINEN H，POLLANEN M.The impact of sectoral economic development on the energy efficiency and CO2emissions of road freight transport[J].Transport policy，2013，27：150-157.

[6]CHANDRAN V G R，TANG C F.The impacts of transport energy consumption，foreign direct investment and income on CO2emissions in ASEAN-5 economies[J].Renewable& sustainable energy reviews，2013，24：445-453.

[7]LOO B P Y，LI L，PSARAKI V，et al.CO2emissions associat?ed with hubbing activities in air transport：an international comparison[J].Journal of transport geography，2014，34：185-193.

[8]LIN B，XIE C.Reduction potential of CO2emissions in Chi?na's transport industry[J].Renewable&sustainable energy reviews，2014，33：689-700.

[9]WANG Y，HAYASHI Y，CHEN J，et al.Changing urban form and transport CO2emissions：an empirical analysis of Beijing，China[J].Sustainability，2014，6（7）：4558-4579.

[10]肖丁丁，張文峰.基于DEMATEL方法的綠色物流發展關鍵因素分析[J].工業工程，2010，13（1）：52-57.

[11]崔強，武春友，匡海波.基于RBF-DEMATEL的交通運輸低碳化能力影響因素研究[J].科研管理，2013，34（10）：131-137.

[12]王華強，周中林，唐立新.發展低碳物流的影響因素及對策[J].物流技術，2014，33（10）：25-27.

[13]TIMILSINA G R，SHRESTHA A.Factors affecting trans?port sector CO2emissions growth in Latin American and ca?ribbean countries：an LMDI decomposition analysis[J].In?ternational journal of energy research，2009，33（4）：396-414.

[14]TIMILSINA G R，SHRESTHA A.Transport sector CO2emissions growth in Asia：underlying factors and policy op?tions[J].Energy policy，2009，37（11）：4523-4539.

[15]WANG W W，ZHANG M，ZHOU M.Using LMDI method to analyze transport sector CO2emissions in China[J].Ener?gy，2011，36（10）：5909-5915.

[16]劉龍政，潘照安.中國物流產業碳排放驅動因素研究[J].商業研究，2012（7）：189-196.

[17]馬越越，王維國.中國物流業碳排放特征及其影響因素分析——基于LMDI分解技術[J].數學的實踐與認識，2013，43（10）：31-42.

[18]REITLER W，RUDOLPH M，SCHAEFER M.Analysis of the factors influencing energy consumption in industry：a revised method[J].Energy economics，1987（9）：145-148.

[19]BOYD G A，MCDONALD J F，ROSS M，HANSON D A. Separating the changing composition of US manufacturing production from energy efficiency improvements：a divisia index approach[J].Energy journal，1987，8（2）：77-96.

[20]BOYD G A，HANSON D A，STERNER T.Decomposition of changes in energy intensity：a comparison of the divisia index and other methods[J].Energy economics，1988（10）：309-312.

[21]LIU X Q，ANG B W，ONG H L.The application of the divi?sia index to the decomposition of changes in industrial en?ergy consumption[J].Energy journal，1992，13（4）：161-177.

[22]ANG B W，LEE S Y.Decomposition of industrial energy consumption：some methodological and application issues [J].Energy economics，1994，16（2）：83-92.

[23]ANG B W.Decomposition methodology in industrial energy demand analysis[J].Energy，1995，20（11）：1081-1095.

[24]ANG B W，CHOI K H.Decomposition of aggregate energy and gas emission intensities for industry：a refined Divisia index method[J].Energy journal，1997，18（3）：59-73.

[25]ANG B W，ZHANG F Q.A survey of decomposition analy?sis in energy and environmental studies[J].Energy，2000，

25（12）：1149-1176.

[26]張炎治，聶銳.能源強度的指數分解分析研究綜述[J].管理學報，2008，5（5）：647-650.

[27]WU L，KANEKO S，MATSUOKA S.Driving forces behind the stagnancy of china's energy-related CO2emissions from 1996 to 1999：the relative importance of structural change，intensity change and scale change[J].Energy poli?cy，2005（33）：319-335.

[28]WU L，KANEKO S，MATSUOKA S.Dynamics of energyrelated CO2emissions in china during 1980 to 2002：the relative importance of energy supply-side and demandside effects[J].Energy policy，2006，34（18）：3549-3572.

[29]ANG B W，LIU N.Handling zero values in the logarithmic mean divisia index decomposition approach[J].Energy poli?cy，2007，35：238-246.

[30]GONZALEZ P F，LANDAJO M，PRESNO M J.Multilevel LMDI decomposition of changes in aggregate energy con?sumption.a cross country analysis in the EU-27[J].Energy policy，2014，68：576-584.

[31]郭朝先.中國碳排放因素分解：基于LMDI分解技術[J].中國人口·資源與環境，2010，20（12）：4-9.

[32]田剛，李南.中國物流業技術進步與技術效率研究[J].數量經濟與技術經濟研究，2009（2）：76-87.

[33]SARKIS J，TALLURI S.Performance-based clustering for benchmarking of US airports[J].Transportation research part a，2004，38（5）：329-346.

[34]FUNG M K Y，WAN K K H，HUI Y V，et al.Productivity changes in chinese airports 1995—2004[J].Transportation research part e，2008，44（3）：521-542.

[35]LAM S W，LOW J M，TANG L C.Operational efficiencies across asia pacific airports[J].Transportation research part e，2009，45（4）：654-665.

[36]田剛，李南.中國物流業技術效率差異及其影響因素研究——基于省級面板數據的實證分析[J].科研管理，2011，32（7）：34-44.

[37]鐘祖昌.基于三階段DEA模型的中國物流產業技術效率研究[J].財經研究，2010，36（9）：80-90.

[38]張立國，李東，周德群.中國物流業二氧化碳排放績效的動態變化及區域差異——基于省級面板數據的實證分析[J].系統工程，2013，31（4）：95-102.

[39]范體軍，駱瑞玲，范耀東，等.我國化學工業二氧化碳排放影響因素研究[J].中國軟科學，2013（3）：166-174.

[40]王平，劉致秀，朱幫助，等.能源結構優化對廣東省碳強度的貢獻潛力[J].中國人口·資源與環境，2013，23（4）：49-54.

[41]張立國，李東，龔愛清.中國物流業全要素生產率動態變動及區域差異分析[J].資源科學，2015，37（4）：754-763.

責任編輯：陳詩靜

The Dynamic Change and Regional Difference Analysis on the Driving Factors of Changes in Carbon Dioxide Emission in China's Logistics Industry

ZHANG Li-guo
（Guilin University of Aerospace Technology，Guilin，Guangxi541004，China）

Carbon emission of logistics sector is the key to reduce carbon emission nowadays and it is important to evaluate the contributions of driving factors to promoting Dioxide emission reduction in this industry.Basing on the LMDI method，the author construed the model of driving factors for logistics sector dioxide emission growth，and these factors were decomposed in six factors which are carbon intensity，energy structure，energy efficiency，logistics output，economic growth and population size.Using provincial panel date from 2003 to 2014，the contributions of factors to carbon emission were analyzed by national，regional and provincial perspectives.The results show that the carbon intensity of logistics sector has been rising in recent years；economic growth is the most important factor to improve carbon emission growth and logistics output is the most important factor to inhibit carbon emission growth.Energy structure inhibits carbon emission growth in East China，while improves carbon emission growth in the Middle and West China；energy structure of Guangxi is the best，energy efficiency effect of Ningxia is the best，logistics output effect of Jiangxi is the best，economic growth effect of Hebe is the best，and population size effect of Sichuan is the best.

logistics sector；carbon Emission；driving factors；dynamic changes；regional differences

F259.22

A

1007-8266（2016）12-0029-11

2016-10-17

國家社會科學基金項目“新常態下物流園區建設視角的我國西部地區物流業升級研究”（15BGL012）；廣西教育廳科研項目“面向東盟的桂北農產品流通體系協同優化研究”（SK13YB119）；桂林航天工業學院科研項目“電子商務驅動下的桂北地區農產品物流信息平臺構建研究”（YJ1317）

張立國（1979—），男，河北省阜平縣人，桂林航天工業學院廣西航空物流研究中心副教授，博士，主要研究方向為物流與供應鏈管理。