長江經濟帶物流業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 管理學院，江蘇 南京 210000）

0 引 言

物流業作為中國近年來發展速度較快的行業之一，在推動國民經濟高質量發展進程中發揮著重要作用，物流行業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之一。長江經濟帶作為中國重要的經濟發展帶，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，是中國經濟發展具活力和潛力的地區之一。長江經濟帶地區具有資源優勢、區位優勢明顯，在物流業發展過程中更應該注重生態文明建設，切實抓緊抓好，助力物流業高質量發展。

隨著電子信息和電子商務行業的飛速發展，物流業碳排放逐漸成為國內學者研究的熱點，國外學者對這方面的研究較少。國內學者研究主要集中在碳排放的核算、碳排放與經濟發展的脫鉤、碳排放的影響因素等方面。許多學者利用實測法、物料衡量法、模型分析法和碳排放系數法等對碳排放進行測量，其中碳排放系數法最為常見。張晶等（2014），劉丙泉等（2016），胡小飛等（2021）在進行物流業碳排放測算時采用了碳排放系數法；劉龍政（2012）運用IPCC的碳排放核算方法估算了1996—2009年各省市物流業的碳排放總量，得出總體呈現增長趨勢。有關物流業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碳排放的脫鉤狀態和中國能源碳排放的脫鉤狀態。

在碳排放影響因素的研究方面，學者大多采用指數分解法，其中包括拉式指數分解法和迪氏指數分解法，其中，學者普遍采用的是對數平均迪氏指數分解法（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構、能源效率、產業結構、經濟增長和人口對物流業碳排放規模均有影響。江純霞（2020）通過研究指出經濟發展水平、城鎮化、社會消費、能源效率、基礎設施投資額和產業結構均對物流業碳排放增加也有影響。Peng（2019）利用經典的STIRPAT（隨機影響回歸對人口、收入和技術）模型對影響碳排放的因素進行測度。

本文以長江經濟帶11個省市的物流業為研究樣本，估算其在2010—2019年間物流業的碳排放量，運用脫鉤模型分析11個省市物流業碳排放的脫鉤狀態，并利用回歸模型分析影響物流業碳排放的相關因素，以了解長江經濟帶物流業碳排放的發展態勢，為低碳物流的發展戰略提供合理的科學依據。

2 研究方法與模型構建

2.1 碳排放測算

由于目前還沒有物流產業二氧化碳排放量的具體觀測數據，本文采用聯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，以長江經濟帶各省的物流業能源消費量來估算長江經濟帶各省的物流業碳排放量，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，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，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采用《中國能源統計年鑒》中規定的數值。

2.2 脫鉤模型

Tapio模型在避免基期選擇帶來的不穩定性的同時，還可以基于彈性值的變化范圍為依據判定多種類型的脫鉤狀態，以更加精細與明確地劃分脫鉤狀態，是環境經濟研究中學者普遍采用的劃分脫鉤狀態標準。根據Tapio、田云、劉愛東和苑清敏等的研究，本文設定式（2）Tapio脫鉤指數。

式中，表示的是物流業碳排放與物流業總產值之間的脫鉤指數；表示物流業的碳排放總量（萬噸）；為物流業總產值（億元）。根據Tapio對彈性值變化范圍的劃分，脫鉤狀態可以分為脫鉤、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細分劃為八種類型，如表1所示。

表1 物流業總產值與碳排放脫鉤程度判定標準

2.3 回歸模型

影響長江經濟帶物流碳排放的影響因素有很多，結合現有研究，本文選取物流規模（GDP）、能源結構（ERS）、城鎮化水平（UR）、科技水平（TECH）、產業結構（IND）、碳排放效率（EE）為解釋變量。其中，物流規模以物流業GDP的對數表示；能源結構以煤炭消費量占能源消費總量的比例表示；城鎮化水平使用城鎮人口占總人口的比例進行表示；科技水平以政府科技支出占政府一般預算支出的比例表示；產業結構以物流業GDP與總GDP的比值表示；碳排放效率用碳排放量與物流業GDP表示。

基于此，本研究提出研究假設。

假設一：物流規模、能源結構、城鎮化水平、科技水平、產業結構和碳排放效率均與長江經濟帶的物流碳排放有正相關關系。并構建對長江經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 數據來源

本研究所使用的數據來源于《中國統計年鑒》《中國能源統計年鑒》《中國第三產業統計年鑒》《中國物流年鑒》。

3 實證分析

3.1 碳排放及其脫鉤效應

利用公式（1）估算2010—2019年間長江經濟帶11個省物流業每年的碳排放量，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）計算長江經濟帶11個省物流業碳排放脫鉤系數。結果見表2。

由表2可知，長江下游地區中，上海市從2010—2013年間的強脫鉤狀態轉變為2013—2016年的弱脫鉤狀態并一直保持，這表明上海市在此期間物流業的發展速度快于物流業的碳排放速度，即物流業碳排放的速度加快，但2016—2019年間脫鉤系數變小，說明在此期間低碳發展取得了一些進步。江蘇省從2010—2013年間的弱脫鉤狀態轉變為2013—2016年間的擴張負脫鉤狀態并于2016—2019年間繼續保持這種狀態，這表明江蘇省的物流業發展速度低于物流業碳排放速度，換言之，物流業碳排放在飛速發展，且沒有下降趨勢。浙江省在2010—2019年間內的脫鉤狀態由增長連接轉變為弱脫鉤狀態，且脫鉤系數保持下降趨勢，說明浙江省物流業低碳發展取得了不錯的成果。安徽省在2010—2019年間內的脫鉤狀態由擴張負脫鉤轉變為增長連接而后轉變為弱脫鉤狀態，脫鉤系數一直在下降，并且在2016—2019年間脫鉤系數的下降幅度較大，這說明安徽省物流業經濟發展速度加快且高于物流業碳排放速度，低碳發展狀態很好，且在2016—2019年間取得較大進展。

表2 2010—2019年三個時間段內長江經濟帶11個省物流業碳排放的脫鉤狀

長江中游地區中，江西省在2010—2016年間雖然一直保持增長連接狀態，但是脫鉤系數增加了，這表明在此期間物流業發展速度低于碳排放增長速度，其在2016—2019年間轉為弱脫鉤狀態，江西省物流業的碳排放速度降低。湖北省在2010—2019年間的脫鉤狀態由弱脫鉤狀態轉變為擴張負脫鉤而后又轉變為弱脫鉤狀態，這表明湖北省物流業的碳排放速度先加快而后又低于物流業的經濟發展速度，低碳發展在2016—2019年取得一定進展。湖南省在2010—2019年間由弱脫鉤狀態轉變為擴張負脫鉤的狀態并保持，說明湖南省的物流業碳排放速度在逐步高于物流業經濟發展速度，碳排放速度明顯加快。

在長江上游地區，重慶市在2010—2019年間脫鉤系數持續下降，表明重慶市物流業碳排放速度低于物流業經濟發展速度，在此期間物流業的低碳發展態勢較好。四川省在2010—2016年間由強脫鉤狀態轉為增長連接，物流業的碳排放速度明顯加快，2016—2019年間為強負脫鉤狀態，表明四川省物流業的經濟發展水平降低。貴州省2010—2016年間由弱脫鉤轉變為增長連接狀態，物流業的碳排放發展速度逐漸上升，而后在2016—2019年間轉變為強負脫鉤狀態，說明貴州省在這一時期物流業的經濟發展水平下降。云南省在2010—2019年間脫鉤系數先上升后下降，由弱脫鉤轉變為增長連接又轉變回弱脫鉤狀態，表明物流業的碳排放速度先上升后下降。

3.2 物流業碳排放影響因素

根據上文構建的計量模型，考察物流業碳排放的影響因素，即物流規模、能源結構、城鎮化水平、科技水平、產業結構和碳排放效率是否與物流業碳排放有相關關系。本研究的豪斯曼檢驗結果顯示應選用隨機效應模型進行回歸檢驗。結果如表3所示。

表3 回歸分析結果

在回歸結果中，長江經濟帶物流業的經濟規模與物流業碳排放在1%的水平上顯著正相關，說明物流規模的擴張將有效提高長江經濟帶的物流業碳排放水平。除此之外，能源結構和城鎮化水平與物流業碳排放也在1%的水平上呈顯著正相關的關系。可以認為，煤炭消費量占能源消費總量的比例越大，越容易提升物流業碳排放水平；城鎮化水平的提升，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碳排放增加，同時，城鎮化發展也將會使消費模式發生變化，物流數量增加與物流水平的提高也促進了碳排放量的增加。科技水平在5%的水平上與物流業碳排放水平呈顯著正相關關系，說明科技水平的提高會使得物流業的碳排放水平上升。產業結構和能源效率與物流業碳排放在5%的水平上呈顯著負相關的關系，這表明物流業在長江經濟帶產業中所占比例越大，物流業的碳排放就越可能降低；單位能源消耗量所帶來的物流業規模越大，物流業的碳排放就可能越低，故研究假設一部分成立。

在長江下游地區，物流業經濟規模、城鎮化水平在1%的水平上與物流業碳排放呈顯著正相關關系；能源結構和產業結構在1%的水平上與物流業碳排放呈顯著負相關關系；科技水平在10%的水平上與物流業碳排放呈顯著負相關關系；能源效率與物流業碳排放呈正相關關系，但結果并不顯著。這表明，物流規模發展越快所帶來的物流業碳排放就越多；由于長江下游地區城鎮化仍然處在飛速發展時期，所以其城鎮化水平發展越快，所帶來的物流業碳排放就越多；由于長江下游地區物流業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，就會降低物流業碳排放水平；科技發展越快，所帶來的物流業碳排放可能就會越低，科技發展可能會帶來減排新技術。

在長江中游地區，物流業經濟規模、能源結構與物流業碳排放在1%的水平上呈顯著正相關關系；產業結構在5%的水平上與物流碳排放呈顯著正相關關系；城鎮化水平與碳排放呈負相關關系，科技水平和能源效率與碳排放呈正相關關系，但結果都不顯著。這表明，長江中游地區的物流規模發展越快，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，物流業碳排放就會越多，這可能是由于在物流業能源消費中煤炭占比相對較大引起的；物流業在產業結構中越重要，所帶來的物流碳排放就會越多，說明在長江中游地區還是比較重視物流業發展狀況。

在長江上游地區，物流業經濟規模、城鎮化水平與物流業碳排放分別在1%和5%的水平上呈正相關關系；產業結構與能源效率在1%的水平上呈負相關關系；能源結構與物流碳排放呈正相關關系，科技水平與碳排放呈負相關關系，但結果都不顯著。這表明，物流規模越大、城鎮化水平越高，物流業碳排放就可能會越大，長江上游地區的物流規模與城鎮化仍在飛速發展中；物流業在產業結構中所占的比例越大，就會降低物流業碳排放水平。

4 研究結論與建議

本文基于2010—2019年數據測算出中國長江經濟帶11個省市物流業的碳排放量，運用Tapio脫鉤模型分析長江經濟帶物流業碳排放的脫鉤狀態，并采用回歸分析建立模型，分析物流規模、能源結構、城鎮化水平、科技水平、產業結構和碳排放效率對物流業碳排放的影響。結果表明：長江經濟帶各省之間脫鉤狀態具有明顯差異；長江經濟帶的物流規模、能源結構、城鎮化水平、科技水平對該地區物流業碳排放水平有正向促進作用，產業結構和碳排放效率對長江經濟帶物流業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物流業碳排放的影響程度不同。

從脫鉤結果來看，上海市、浙江省、重慶市和云南省的脫鉤系數始終小于1，說明這些地區物流業的發展與環境形成良性互動。長江經濟帶大多省市在2010—2013年間保持強脫鉤或者弱脫鉤的狀態，在2013—2016年間轉變為增長連接或擴張負脫鉤狀態，在2016—2019年間又轉變為弱脫鉤狀態，僅有江蘇省和湖南省保持擴張負脫鉤狀態，表明長江經濟帶大部分省份的物流業碳減排工作取得了一定成效，如果繼續保持這種趨勢并且加大物流業碳減排工作力度，可以實現物流業碳減排與物流總產值的完全脫鉤。仍保持擴張負脫鉤狀態的省份是未來物流行業減排的重點。長江經濟帶各省份物流業碳排放的差異在逐漸拉開，需要因地制宜采取物流業的減碳政策。

長江經濟帶物流業碳排放的影響因素方面，從整個流域狀況來說，物流規模、能源結構、城鎮化水平、科技水平對該地區物流業碳排放水平有正向促進作用，產業結構和碳排放效率對長江經濟帶的物流業碳排放水平有負向作用，對此，應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，促進物流業能源結構的轉型升級，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關系，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碳排放呈負向相關關系，故可以依托低碳技術的研發和推廣，構建多元化的低碳技術體系來提高能源效率從而降低物流業的碳排放。物流企業可以在政府協助下積極自主研發低碳能源的核心技術，增加清潔能源的使用。政府方面應該推廣物流環保節能的技術措施，參與制定物流行業能效和碳排放的標準，為物流業低碳轉型提供技術支撐和政策支持。

本文分析長江經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碳排放脫鉤狀態的差異，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模、能源結構、城鎮化水平、科技水平、產業結構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。