中國(guó)城市數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放的影響效應(yīng)及傳導(dǎo)機(jī)制

鐘 文,楊 俊,鄭明貴,董 娟,嚴(yán)芝清(江西理工大學(xué)經(jīng)濟(jì)管理學(xué)院,江西 贛州 341000)

碳排放及其引發(fā)的氣候問題已成為全球關(guān)注的焦點(diǎn).中國(guó)于2020年9月提出了2030年碳達(dá)峰、2060年碳中和的戰(zhàn)略目標(biāo).推動(dòng)構(gòu)建人類命運(yùn)共同體、人與自然和諧相處是中國(guó)的積極擔(dān)當(dāng),這也是中國(guó)經(jīng)濟(jì)實(shí)現(xiàn)綠色可持續(xù)發(fā)展的內(nèi)在要求[1].在經(jīng)濟(jì)活動(dòng)中,物流業(yè)不僅會(huì)消耗能源產(chǎn)生直接碳排放,也會(huì)通過中間品的使用產(chǎn)生間接碳排放[2].推動(dòng)物流業(yè)碳減排是中國(guó)“雙碳”目標(biāo)的重要組成部分,有利于物流業(yè)的高效發(fā)展,也有利于構(gòu)建綠色低碳的循環(huán)經(jīng)濟(jì)體系和高質(zhì)量發(fā)展[3].數(shù)字經(jīng)濟(jì)作為一種新型經(jīng)濟(jì),已成為推動(dòng)經(jīng)濟(jì)轉(zhuǎn)型的重要力量和未來經(jīng)濟(jì)發(fā)展的方向,也成為物流業(yè)碳減排新動(dòng)能和實(shí)現(xiàn)“雙碳”目標(biāo)的重要途徑[4-5].通過數(shù)字經(jīng)濟(jì)促進(jìn)物流業(yè)碳減排具有重要的現(xiàn)實(shí)意義.那么,數(shù)字經(jīng)濟(jì)影響物流業(yè)碳排放的機(jī)制是什么？它有正面影響還是負(fù)面影響？數(shù)字經(jīng)濟(jì)對(duì)中國(guó)物流業(yè)碳排放有多大影響？

國(guó)內(nèi)外有關(guān)數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放影響的研究主要集中在以下幾個(gè)方面:首先,有關(guān)數(shù)字經(jīng)濟(jì)的研究.數(shù)字經(jīng)濟(jì)是一種新型經(jīng)濟(jì)類型,加速了經(jīng)濟(jì)發(fā)展轉(zhuǎn)型,主要指以數(shù)據(jù)資源為關(guān)鍵生產(chǎn)要素,以現(xiàn)代信息網(wǎng)絡(luò)為重要載體,有效利用信息通信技術(shù)作為提高效率、優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)的重要?jiǎng)恿Φ囊幌盗薪?jīng)濟(jì)活動(dòng)[6-7].在數(shù)字經(jīng)濟(jì)測(cè)度與評(píng)價(jià)方面.有學(xué)者基于“鉆石模型”構(gòu)建了國(guó)際數(shù)字競(jìng)爭(zhēng)力評(píng)價(jià)體系,系統(tǒng)測(cè)度了全球139 個(gè)國(guó)家的數(shù)字競(jìng)爭(zhēng)力狀況,以及測(cè)算了中國(guó)數(shù)字經(jīng)濟(jì)增加值規(guī)模及結(jié)構(gòu)分析,評(píng)價(jià)了我國(guó)城市數(shù)字經(jīng)濟(jì)發(fā)展水平[8-10].近些年,較多研究聚焦數(shù)字經(jīng)濟(jì)的城市碳減排效應(yīng)[11].

其次,有關(guān)物流業(yè)碳排放研究.物流業(yè)是集運(yùn)輸、倉儲(chǔ)、貨運(yùn)、信息等產(chǎn)業(yè)為一體的復(fù)合型服務(wù)業(yè),是支撐國(guó)民經(jīng)濟(jì)發(fā)展的基礎(chǔ)性、戰(zhàn)略性、先導(dǎo)性產(chǎn)業(yè)[12].物流業(yè)碳排放是物流活動(dòng)中溫室氣體排放的總稱,主要來源于運(yùn)輸過程中的能源消耗[13].許多學(xué)者采用IPCC 碳排放系數(shù)法、投入產(chǎn)出法、數(shù)據(jù)包絡(luò)分析法、因子分解法、計(jì)量經(jīng)濟(jì)分析法等對(duì)物流業(yè)碳排放及其影響因素進(jìn)行了研究.如使用GDIM 分解方法與PCA-DEA-Tobit 方法分析了物流業(yè)的碳排放量及其影響因素[14].目前,學(xué)者主要研究物流業(yè)碳排放效率[2],以及城鎮(zhèn)化、FDI 等重要因素對(duì)物流業(yè)碳排放的影響[15-16],但對(duì)物流業(yè)數(shù)字化轉(zhuǎn)型的碳減排效應(yīng)關(guān)注不夠.

最后,有關(guān)數(shù)字經(jīng)濟(jì)影響物流業(yè)碳排放的研究.從數(shù)字產(chǎn)業(yè)化的角度來看,雖然數(shù)字產(chǎn)業(yè)的發(fā)展會(huì)產(chǎn)生一定的能源消耗,但數(shù)字產(chǎn)業(yè)是技術(shù)密集型、環(huán)境友好型產(chǎn)業(yè),其對(duì)環(huán)境的影響相對(duì)于其他產(chǎn)業(yè)較小[17].從產(chǎn)業(yè)數(shù)字化看,數(shù)字經(jīng)濟(jì)正在成為驅(qū)動(dòng)低碳產(chǎn)業(yè)發(fā)展的重要引擎[18],促進(jìn)區(qū)域經(jīng)濟(jì)綠色低碳循環(huán)發(fā)展[19],實(shí)現(xiàn)節(jié)能、降耗減排、減排、增效[20].物流互聯(lián)網(wǎng)、大數(shù)據(jù)、云服務(wù)和人工智能通過智能規(guī)劃和資源共享,推動(dòng)智慧物流和現(xiàn)代物流的發(fā)展,推動(dòng)物流行業(yè)節(jié)能減碳[21].現(xiàn)有研究涉及數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)高質(zhì)量發(fā)展的影響[22],但直接探討數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放的研究不充分.

綜上所述,國(guó)內(nèi)外學(xué)者關(guān)于數(shù)字經(jīng)濟(jì)、物流業(yè)碳排放以及數(shù)字經(jīng)濟(jì)影響碳排放的研究已經(jīng)相對(duì)豐富,但聚焦于數(shù)字經(jīng)濟(jì)影響物流業(yè)碳排放的系統(tǒng)研究成果卻比較缺乏,尤其缺少針對(duì)中國(guó)城市層面的研究,與中國(guó)碳減排的迫切需求不匹配.因此,本文可能的邊際貢獻(xiàn)如下:第一,在研究視角上,本文探討了數(shù)字經(jīng)濟(jì)視角下中國(guó)物流業(yè)碳減排問題,從發(fā)展基礎(chǔ)、效率和動(dòng)能等方面對(duì)我國(guó)城市數(shù)字經(jīng)濟(jì)發(fā)展水平進(jìn)行了評(píng)價(jià).第二,在研究方法上,本文構(gòu)建了中國(guó)地級(jí)市層面的數(shù)字經(jīng)濟(jì)發(fā)展水平評(píng)價(jià)指標(biāo)體系,并采用熵權(quán)法進(jìn)行測(cè)度;采用分位數(shù)回歸模型分析數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放的邊際影響.第三,在研究?jī)?nèi)容上,本文在理論分析數(shù)字經(jīng)濟(jì)影響物流業(yè)碳排放機(jī)制的基礎(chǔ)上,以2011～2021年全國(guó)278 個(gè)地級(jí)及以上城市的數(shù)據(jù)為樣本,實(shí)證驗(yàn)證了數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放的影響大小及實(shí)現(xiàn)機(jī)制.第四,得到的研究結(jié)論,即數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放之間呈U 型關(guān)系,對(duì)當(dāng)下政策制定具有參考價(jià)值.

1 理論假說

1.1 數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放的非線性影響

數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放的影響是復(fù)雜的.(1)數(shù)字經(jīng)濟(jì)增加了物流業(yè)的碳排放.數(shù)字技術(shù)和數(shù)字平臺(tái)的應(yīng)用是以消耗一定的能源為前提的[23].而物流大數(shù)據(jù)、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、人工智能、電子商務(wù)系統(tǒng)、地理信息系統(tǒng)、多式聯(lián)運(yùn)系統(tǒng)、網(wǎng)上零售信息系統(tǒng)的挖掘、生成、計(jì)算、存儲(chǔ)、傳輸和處理、智能配送系統(tǒng)、配送管理系統(tǒng)、供應(yīng)鏈管理系統(tǒng)、運(yùn)輸管理系統(tǒng)等應(yīng)用都是以功耗為前提和保障.(2)數(shù)字經(jīng)濟(jì)通過發(fā)揮網(wǎng)絡(luò)效應(yīng)、創(chuàng)新效應(yīng)和效率提升效應(yīng)減少了物流業(yè)的碳排放.首先,數(shù)字經(jīng)濟(jì)的網(wǎng)絡(luò)效應(yīng)減少了部分物流活動(dòng),降低了物流行業(yè)的碳減排,具體而言,數(shù)字經(jīng)濟(jì)通過網(wǎng)絡(luò)效應(yīng)促進(jìn)物流各環(huán)節(jié)的融合和網(wǎng)絡(luò)協(xié)同,實(shí)現(xiàn)物流供需動(dòng)態(tài)匹配,推動(dòng)物流業(yè)精準(zhǔn)化、智能化、綠色低碳發(fā)展,減少物流行業(yè)碳減排.數(shù)字網(wǎng)絡(luò)的應(yīng)用既可以使企業(yè)能夠?qū)崿F(xiàn)物流信息的超前規(guī)劃、實(shí)時(shí)共享、精準(zhǔn)對(duì)接,實(shí)現(xiàn)物流活動(dòng)靈活、高效、精準(zhǔn)的管控,從而減少大量不必要的物流活動(dòng),也便于消費(fèi)者能夠及時(shí)瀏覽、修改和共享物流信息,減少線下物流活動(dòng),降低物流行業(yè)的碳排放[24-25].其次,數(shù)字經(jīng)濟(jì)驅(qū)動(dòng)物流技術(shù)的發(fā)展與應(yīng)用,提升綠色、低碳、節(jié)能技術(shù)水平,降低物流業(yè)碳排放.數(shù)字技術(shù)能夠增進(jìn)知識(shí)積累、信息整合和資源共享,降低知識(shí)搜索、存儲(chǔ)、處理和傳輸?shù)某杀?為科技減碳奠定基礎(chǔ),利用數(shù)字平臺(tái)和數(shù)字技術(shù)優(yōu)化創(chuàng)新資源配置,減少技術(shù)研發(fā)的非理性行為,預(yù)測(cè)創(chuàng)新風(fēng)險(xiǎn),降低創(chuàng)新成本,提高創(chuàng)新速度和研發(fā)成功率,促進(jìn)技術(shù)進(jìn)步,并通過技術(shù)聯(lián)動(dòng)和技術(shù)溢出驅(qū)動(dòng)物流行業(yè)碳減排[26].最后,數(shù)字經(jīng)濟(jì)可以實(shí)現(xiàn)資源的優(yōu)化配置,從而減少能源消耗,實(shí)現(xiàn)碳減排.數(shù)字經(jīng)濟(jì)主要通過利用數(shù)據(jù)要素實(shí)現(xiàn)數(shù)字產(chǎn)業(yè)化,暢通信息的有序流動(dòng)與傳遞,提高行業(yè)間資源配置效率.同時(shí),數(shù)字經(jīng)濟(jì)也能通過數(shù)據(jù)平臺(tái)對(duì)數(shù)據(jù)要素的融合實(shí)現(xiàn)物流產(chǎn)業(yè)數(shù)字化與智能化[27-28].

基于以上分析,本文認(rèn)為數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放的影響較為復(fù)雜,兩者之間可能存在非線性關(guān)系.數(shù)字經(jīng)濟(jì)雖然不可避免地增加了物流業(yè)的碳排放量,但也極大地降低了物流業(yè)碳排放,且后者效應(yīng)大于前者.因此,本文提出以下假設(shè):

假設(shè)1:數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放之間呈非線性關(guān)系.

1.2 數(shù)字經(jīng)濟(jì)影響物流業(yè)碳排放的作用機(jī)制

數(shù)字經(jīng)濟(jì)主要通過技術(shù)和產(chǎn)業(yè)的不斷滲透與融合方式影響產(chǎn)業(yè)結(jié)構(gòu)升級(jí),進(jìn)而提升資源配置效率,間接實(shí)現(xiàn)物流業(yè)碳減排.首先,數(shù)字技術(shù)顯著降低了信息傳輸與搜尋成本,促進(jìn)了信息有效共享,滿足了市場(chǎng)各方的信息獲取度,降低了資源錯(cuò)配的概率,同時(shí),以數(shù)字信息化技術(shù)為先導(dǎo)的新業(yè)態(tài)變革成為發(fā)展的主流,通過科技創(chuàng)新提升產(chǎn)業(yè)競(jìng)爭(zhēng)力,以全新模式帶動(dòng)企業(yè)的時(shí)代化發(fā)展,提升了產(chǎn)業(yè)結(jié)構(gòu)合理化水平[29];其次,數(shù)字經(jīng)濟(jì)促進(jìn)了市場(chǎng)經(jīng)濟(jì)的高效發(fā)展,不僅降低了物流相關(guān)要素的運(yùn)輸成本,也提升了物流產(chǎn)業(yè)發(fā)展和要素配置之間的契合度,使得資源要素能夠最大程度流向生產(chǎn)率高的部門[30-31].因此,產(chǎn)業(yè)結(jié)構(gòu)合理化與高級(jí)化的縱深發(fā)展,極大地改善了全社會(huì)資源配置效率,促使低碳、清潔行業(yè)的迭代更新,從而提高了生態(tài)環(huán)境的正外部性.

數(shù)字經(jīng)濟(jì)對(duì)科技創(chuàng)新的影響顯而易見,且具有顛覆性作用.第一,數(shù)字信息網(wǎng)絡(luò)強(qiáng)化了區(qū)域間互聯(lián)互通、人員便捷交流與技術(shù)外溢,從而降低了創(chuàng)新成本,有利于技術(shù)創(chuàng)新的跨區(qū)域產(chǎn)出.第二,物聯(lián)網(wǎng)的運(yùn)用弱化了時(shí)空距離約束,使得各創(chuàng)新主體能夠廣泛參與綠色創(chuàng)新活動(dòng),提升了區(qū)域綠色技術(shù)水平.第三,數(shù)字經(jīng)濟(jì)還可以優(yōu)化市場(chǎng)經(jīng)濟(jì)發(fā)展環(huán)境,形成公開透明的市場(chǎng)環(huán)境,從而激勵(lì)企業(yè)加大對(duì)綠色技術(shù)的研發(fā)投入[32-33].由于技術(shù)創(chuàng)新具有擴(kuò)散效應(yīng),從而可以促進(jìn)物流業(yè)高質(zhì)量發(fā)展.由此,本文提出以下研究假設(shè):

假設(shè)2:數(shù)字經(jīng)濟(jì)通過提升資源配置效率與促進(jìn)技術(shù)革新影響物流業(yè)碳排放.

1.3 數(shù)字經(jīng)濟(jì)影響物流業(yè)碳排放的空間溢出效應(yīng)

由于數(shù)字經(jīng)濟(jì)具備的“平臺(tái)型”和“外部性”特征,能夠?qū)︵徑貐^(qū)與關(guān)聯(lián)地區(qū)物流業(yè)碳排放產(chǎn)生空間溢出效應(yīng)[34].第一,數(shù)字經(jīng)濟(jì)發(fā)展實(shí)現(xiàn)了數(shù)字化交易平臺(tái),突破了地域限制,加劇了區(qū)域內(nèi)與區(qū)域間競(jìng)爭(zhēng),促進(jìn)了協(xié)同物流業(yè)跨時(shí)空發(fā)展,強(qiáng)化了物流業(yè)碳減排的空間溢出效應(yīng).第二,數(shù)字經(jīng)濟(jì)所具備的獨(dú)特外部性特點(diǎn),促使物流業(yè)及其產(chǎn)業(yè)鏈實(shí)現(xiàn)跨區(qū)域、跨領(lǐng)域與跨技術(shù)等方面的深度融合發(fā)展,從而對(duì)物流業(yè)碳減排的影響在空間上變現(xiàn)為溢出效應(yīng).基于此,本文提出以下研究假設(shè):

假設(shè)3:數(shù)字經(jīng)濟(jì)發(fā)展對(duì)物流業(yè)碳排放的影響存在空間溢出效應(yīng).

2 研究設(shè)計(jì)

2.1 模型設(shè)定

2.1.1 基準(zhǔn)回歸模型 本文基于Chao 等[35]的計(jì)量模型,采用面板混合效應(yīng)模型、固定效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行實(shí)證檢驗(yàn)數(shù)字經(jīng)濟(jì)對(duì)中國(guó)物流業(yè)碳排放的影響,基準(zhǔn)回歸模型如下:

式中:i 與t 分別代表不同城市和年份,LC 為被解釋變量,即物流業(yè)碳排放量,DE 為核心解釋變量,即數(shù)字經(jīng)濟(jì)發(fā)展水平,Control 為控制變量組,τ與u 分別代表城市和年份固定效應(yīng),ε為殘差,α0、α1和λ為待估參數(shù).

為進(jìn)一步檢驗(yàn)數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放之間是否存在非線性關(guān)系,本文參考已有對(duì)數(shù)字經(jīng)濟(jì)與碳排放非線性關(guān)聯(lián)的研究成果[36],將數(shù)字經(jīng)濟(jì)及其平方項(xiàng)納入模型,構(gòu)建非線性回歸模型如下:

式中:DE2代表數(shù)字經(jīng)濟(jì)的平方項(xiàng),α2為待估參數(shù),其余變量含義與式1 一樣.

2.1.2 中介效應(yīng)模型 基于前文理論分析,檢驗(yàn)提升資源配置效率與促進(jìn)技術(shù)革新的作用機(jī)制,進(jìn)而在基準(zhǔn)回歸模型上構(gòu)建中介效應(yīng)模型,其方程式如下:

在式3、4 中,Middle 代表中介變量,借鑒羅瑞等[22],選取以下機(jī)制變量:科技創(chuàng)新投入(Inno_in)采用公共預(yù)算支出中科技項(xiàng)目支出衡量、科技創(chuàng)新產(chǎn)出(Inno_out)采用專利申請(qǐng)數(shù)量衡量、勞動(dòng)力配置效率(Labor)與資本配置效率(Capital)均基于超越對(duì)數(shù)形式的生產(chǎn)函數(shù)測(cè)算得到.其余變量含義與式1 一樣.

2.1.3 空間溢出效應(yīng)模型 結(jié)合理論分析存在的空間溢出效應(yīng),借鑒Anselin[37]構(gòu)建空間杜賓模型進(jìn)行檢驗(yàn),方程式如下:

式中:w 代表空間權(quán)重矩陣,ρ表示空間自回歸系數(shù),?表示數(shù)字經(jīng)濟(jì)空間交互項(xiàng)對(duì)物流業(yè)碳排放的彈性系數(shù),κ表示控制變量空間交互系數(shù),其余變量含義與式1 一樣.

2.2 變量說明

本文選取2011-2021年全國(guó)278 個(gè)地級(jí)市作為研究樣本,相關(guān)數(shù)據(jù)主要來源于《中國(guó)城市統(tǒng)計(jì)年鑒》、《中國(guó)物流年鑒》、《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》、《中國(guó)第三產(chǎn)業(yè)統(tǒng)計(jì)年鑒》、《中國(guó)固定資產(chǎn)投資統(tǒng)計(jì)年鑒》、《中國(guó)投資統(tǒng)計(jì)年鑒》、《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》、《中國(guó)人口與就業(yè)統(tǒng)計(jì)年鑒》、各省市統(tǒng)計(jì)年鑒,以及EPS 全球數(shù)據(jù)庫、中經(jīng)網(wǎng)等權(quán)威數(shù)據(jù)庫.使用的變量描述如下.

2.2.1 被解釋變量 本文的被解釋變量是物流業(yè)的碳排放量,對(duì)其測(cè)度借鑒張偉等[38]的研究方法,首先,將物流業(yè)消耗的原煤、汽油、煤油、柴油、燃料油、天然氣、電力等,折合標(biāo)準(zhǔn)煤計(jì)入物流業(yè)能源消費(fèi)總量;其次,利用碳排放量公式計(jì)算物流業(yè)的等效二氧化碳排放量作為該行業(yè)的碳排放量值.公式是:

式中:LC 代表物流業(yè)等效二氧化碳排放量,i 是物流行業(yè)消耗的第i 個(gè)能源,1≤ i≤7 ,Ai表示物流業(yè)第i種能源的消耗量,Bi表示物流業(yè)第i 種能源的碳排放系數(shù).根據(jù)《IPCC 2006年國(guó)家溫室氣體排放清單指南》可知,原煤、汽油、煤油、柴油、燃料油、天然氣和電力的碳排放因子分別為0.7559,0.5538,0.5741,0.5821,0.6185,0.4483 和2.2132kgC/kg 標(biāo)準(zhǔn)煤.

2.2.2 核心解釋變量 本文核心解釋變量為數(shù)字經(jīng)濟(jì)(DE).為了分析數(shù)字經(jīng)濟(jì)對(duì)中國(guó)物流業(yè)碳排放的非線性影響,使用數(shù)字經(jīng)濟(jì)的平方項(xiàng)(DE2)作為解釋變量.根據(jù)數(shù)字經(jīng)濟(jì)的定義和相關(guān)數(shù)據(jù)的可獲得性[39-40],本文從發(fā)展基礎(chǔ)、發(fā)展效率和發(fā)展動(dòng)力三個(gè)方面構(gòu)建了中國(guó)數(shù)字經(jīng)濟(jì)評(píng)價(jià)指標(biāo)體系,如表1所示.具體采用變異系數(shù)法計(jì)算各指標(biāo)權(quán)重,綜合評(píng)價(jià)法測(cè)算數(shù)字經(jīng)濟(jì)發(fā)展水平,即各變量的標(biāo)準(zhǔn)化值乘以相應(yīng)權(quán)重,并求和得到二級(jí)指標(biāo)值,最終各二級(jí)指標(biāo)值相加得到數(shù)字經(jīng)濟(jì)發(fā)展水平值.評(píng)價(jià)結(jié)果顯示,我國(guó)東部城市數(shù)字經(jīng)濟(jì)發(fā)展水平明顯高于中西部城市,與區(qū)域經(jīng)濟(jì)發(fā)展水平密切相關(guān);城市數(shù)字經(jīng)濟(jì)發(fā)展各具特色,發(fā)展?jié)摿薮?城市群數(shù)字經(jīng)濟(jì)與區(qū)域協(xié)同發(fā)展并進(jìn).

表1 數(shù)字經(jīng)濟(jì)發(fā)展水平評(píng)價(jià)指標(biāo)體系Table 1 Digital economy development level evaluation index system

2.2.3 控制變量 本文的控制變量包含經(jīng)濟(jì)發(fā)展及其平方項(xiàng)、產(chǎn)業(yè)結(jié)構(gòu)、環(huán)境規(guī)制、技術(shù)創(chuàng)新和對(duì)外開放.一是經(jīng)濟(jì)發(fā)展及其平方項(xiàng)(PGDP、PGDP2).一方面,經(jīng)濟(jì)發(fā)展帶來的一系列環(huán)境影響增加了物流業(yè)的碳排放量.另一方面,更高水平的經(jīng)濟(jì)發(fā)展為加強(qiáng)生態(tài)保護(hù)、改善環(huán)境質(zhì)量和推進(jìn)科技減碳奠定了物質(zhì)基礎(chǔ),為物流業(yè)減碳提供技術(shù)、資金和制度支持.根據(jù)環(huán)境庫茲涅茨曲線,經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染呈倒U 型關(guān)系,故以經(jīng)濟(jì)發(fā)展及其平方項(xiàng)作為控制變量進(jìn)行分析.二是產(chǎn)業(yè)結(jié)構(gòu)(IS).產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí),充分發(fā)揮結(jié)構(gòu)紅利,促進(jìn)產(chǎn)業(yè)部門合理布局,限制高污染、高耗能、高排放產(chǎn)業(yè)發(fā)展,促進(jìn)綠色發(fā)展、低碳、循環(huán)、高科技產(chǎn)業(yè).它還通過產(chǎn)業(yè)聯(lián)動(dòng)和區(qū)域聯(lián)動(dòng),促進(jìn)物流業(yè)綠色低碳轉(zhuǎn)型,減少物流業(yè)的碳排放.三是環(huán)境規(guī)制(ER).環(huán)境監(jiān)管力度的加大,倒逼環(huán)保技術(shù)和節(jié)能技術(shù)的創(chuàng)新,推動(dòng)綠色清潔能源替代化石能源,推動(dòng)可再生能源替代化石能源,促進(jìn)低耗能替代,這種替代倒逼物流業(yè)轉(zhuǎn)向綠色低碳,減少碳排放.四是對(duì)外開放(OPEN).對(duì)外開放擴(kuò)大了物流市場(chǎng)的邊界,有利于物流業(yè)在更大的市場(chǎng)范圍內(nèi)優(yōu)化配置資源,從而減少碳排放.表2 是本文涉及到的變量描述.表3 是變量的描述性統(tǒng)計(jì)結(jié)果.

表2 變量匯總Table 2 Variable summary

表3 變量描述性統(tǒng)計(jì)Table 3 Variable descriptive statistics

3 實(shí)證分析

3.1 基準(zhǔn)分析

通過繪制數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放關(guān)系的散點(diǎn)圖可以初步發(fā)現(xiàn),數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放的線性相關(guān)性不明顯,而非線性相關(guān)性更為明顯.為進(jìn)一步量化數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放的關(guān)系,本文采用面板混合效應(yīng)模型、固定效應(yīng)模型和隨機(jī)效應(yīng)模型實(shí)證分析數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放的影響.經(jīng)過F檢驗(yàn)與Hausman 檢驗(yàn)發(fā)現(xiàn)固定效應(yīng)模型優(yōu)于隨機(jī)效應(yīng)和混合效應(yīng)模型,基準(zhǔn)回歸結(jié)果見表4.

表4 基準(zhǔn)回歸結(jié)果Table 4 Benchmark regression results

從表4 第(1)至(3)列可以看出,中國(guó)數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放的線性相關(guān)性不顯著.第(1)列表示數(shù)字經(jīng)濟(jì)(DE)未通過顯著性檢驗(yàn),即數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放量之間不存在明顯的線性相關(guān)關(guān)系.在第(2)列和第(3)列的穩(wěn)健性檢驗(yàn)中發(fā)現(xiàn),以人均碳排放量替換被解釋變量,以及考慮數(shù)字經(jīng)濟(jì)發(fā)展階段特點(diǎn),選取2016-2021年子樣本進(jìn)行穩(wěn)健性檢驗(yàn)回歸[41],回歸結(jié)果顯示,數(shù)字經(jīng)濟(jì)仍然未能通過顯著性檢驗(yàn),因此,數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放量之間不存在線性相關(guān)關(guān)系的結(jié)論是穩(wěn)健的.這表明有必要驗(yàn)證數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放之間的非線性關(guān)系.

如表4 第(4)列所示,數(shù)字經(jīng)濟(jì)(DE)降低了中國(guó)物流業(yè)的碳排放.數(shù)字經(jīng)濟(jì)及其平方項(xiàng)在1%的置信水平下通過了顯著性檢驗(yàn),表明數(shù)字經(jīng)濟(jì)與中國(guó)物流業(yè)碳排放量存在顯著的非線性相關(guān)關(guān)系.數(shù)字經(jīng)濟(jì)系數(shù)為負(fù),數(shù)字經(jīng)濟(jì)平方項(xiàng)系數(shù)為正,表明數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放量之間存在顯著的“U 型”趨勢(shì),即隨著數(shù)字經(jīng)濟(jì)的提升,物流行業(yè)的碳排放呈現(xiàn)出先減后增的“U 型”特征.采用拐點(diǎn)公式和反歸一化公式計(jì)算拐點(diǎn)值為0.3982,即當(dāng)數(shù)字經(jīng)濟(jì)發(fā)展低于0.3982 時(shí),數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放具有顯著抑制作用.通過數(shù)據(jù)篩選發(fā)現(xiàn),94%的數(shù)字經(jīng)濟(jì)價(jià)值位于拐點(diǎn)左側(cè),0.2011的數(shù)字經(jīng)濟(jì)發(fā)展均值遠(yuǎn)低于拐點(diǎn)值,說明數(shù)字經(jīng)濟(jì)處于拐點(diǎn)左側(cè),現(xiàn)階段數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放呈單調(diào)遞減負(fù)相關(guān)關(guān)系,數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放具有顯著抑制作用.這也佐證了已有研究發(fā)現(xiàn),即發(fā)展數(shù)字經(jīng)濟(jì)對(duì)碳減排具有積極影響[42].

如表4 第(4)列所示,在控制變量中,第一,經(jīng)濟(jì)發(fā)展(PGDP)對(duì)物流業(yè)碳排放有顯著抑制作用.經(jīng)濟(jì)發(fā)展及其平方項(xiàng)(PGDP2)均通過了1%的顯著性水平檢驗(yàn),系數(shù)一負(fù)一正,表明經(jīng)濟(jì)發(fā)展與物流業(yè)碳排放量之間存在顯著的“U 型”相關(guān).經(jīng)濟(jì)發(fā)展系數(shù)的絕對(duì)值顯著大于其二次系數(shù),表明經(jīng)濟(jì)發(fā)展對(duì)物流業(yè)碳排放具有顯著的線性和非線性抑制作用,且線性抑制作用更為突出.通過數(shù)據(jù)篩選發(fā)現(xiàn),近100%的經(jīng)濟(jì)發(fā)展值位于拐點(diǎn)14.6963 的左側(cè),經(jīng)濟(jì)發(fā)展平均值為4.0582,遠(yuǎn)低于拐點(diǎn)值,說明經(jīng)濟(jì)發(fā)展呈“U 型上半場(chǎng)”,即經(jīng)濟(jì)發(fā)展減少了物流業(yè)的碳排放量.第二,產(chǎn)業(yè)結(jié)構(gòu)(IS)通過顯著性檢驗(yàn),但系數(shù)為正,說明產(chǎn)業(yè)結(jié)構(gòu)與物流業(yè)碳排放量呈正相關(guān)關(guān)系,即當(dāng)前產(chǎn)業(yè)結(jié)構(gòu)并未有利于物流業(yè)碳減排,這可能是產(chǎn)業(yè)結(jié)構(gòu)不合理造成的.第三,環(huán)境規(guī)制(ER)和對(duì)外開放(OPEN)對(duì)物流業(yè)碳排放影響不顯著,這可能的原因是環(huán)境監(jiān)管力度不足與物流業(yè)開放深度不夠.

表4 第(5)列和第(6)列中,雖然與第(4)列的回歸結(jié)果在系數(shù)值和顯著性水平上存在差異,但核心變量之間的關(guān)系沒有發(fā)生顯著變化,因此,仍然支持?jǐn)?shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳減排具有顯著影響的結(jié)論.至此,本文驗(yàn)證了假設(shè)1.

3.2 作用機(jī)制檢驗(yàn)

前文機(jī)制分析發(fā)現(xiàn)提升資源配置效率與促進(jìn)技術(shù)革新是數(shù)字經(jīng)濟(jì)影響物流業(yè)碳排放的重要途徑,因此,本文構(gòu)建中介效應(yīng)模型檢驗(yàn)機(jī)制的存在性.回歸結(jié)果見表5.結(jié)果顯示,數(shù)字經(jīng)濟(jì)對(duì)勞動(dòng)力配置效率、資本配置效率的影響在5%水平上顯著,對(duì)科技創(chuàng)新投入與產(chǎn)出的影響在10%水平上顯著,同時(shí),將機(jī)制變量放入模型中均對(duì)物流業(yè)碳排放影響顯著為負(fù),說明作用機(jī)制有效.

表5 作用機(jī)制檢驗(yàn)結(jié)果Table 5 Mechanism of action test results

3.3 空間溢出效應(yīng)檢驗(yàn)

本文采用經(jīng)濟(jì)距離構(gòu)建空間權(quán)重矩陣,并以Moran’I 指數(shù)檢驗(yàn)數(shù)字經(jīng)濟(jì)、物流業(yè)碳排放的空間自相關(guān)分析,結(jié)果見表6.

表6 空間自相關(guān)檢驗(yàn)結(jié)果Table 6 Spatial autocorrelation test results

表6 結(jié)果顯示,2011～2020年期間,城市數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放在經(jīng)濟(jì)距離權(quán)重矩陣下存在空間自相關(guān)性,因此,本文所構(gòu)建的空間杜賓模型檢驗(yàn)數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放影響的空間溢出效應(yīng)是合理的,回歸結(jié)果見表7.第(1)列顯示,數(shù)字經(jīng)濟(jì)一次項(xiàng)系數(shù)在5%水平上顯著為負(fù),其平方項(xiàng)也在5%水平上顯著為正,數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放之間存在顯著的U 型的非線性關(guān)系,與前文實(shí)證結(jié)果一致.由第(2)列可知,數(shù)字經(jīng)濟(jì)的空間滯后項(xiàng)的回歸系數(shù)具備U 型的非線性關(guān)系,但不顯著,表明在研究期間內(nèi),中國(guó)城市數(shù)字經(jīng)濟(jì)發(fā)展對(duì)周邊城市物流業(yè)碳排放的空間溢出效應(yīng)不明顯.第(3)至(5)列為數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放影響的空間效應(yīng)分解結(jié)果,結(jié)果顯示,數(shù)字經(jīng)濟(jì)一次項(xiàng)、平方項(xiàng)的直接效應(yīng)和總效應(yīng)均在5%水平上顯著,表明數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放之間在本地區(qū)和總體上呈U 型非線性關(guān)系,而在間接效應(yīng)方面,僅有數(shù)字經(jīng)濟(jì)的平方項(xiàng)在10%水平上顯著,進(jìn)一步說明數(shù)字經(jīng)濟(jì)影響物流業(yè)碳排放的空間溢出效應(yīng)較小,基于此,本文驗(yàn)證了假設(shè)3.

表7 空間溢出效應(yīng)檢驗(yàn)結(jié)果Table 7 Spatial spillover test results

4 進(jìn)一步分析

4.1 內(nèi)生性分析

本文基于工具變量的2SLS 進(jìn)行內(nèi)生性分析,借鑒黃群慧等[43]的研究方法選取歷史上各城市1984年每百人固定電話數(shù)量和每百萬人郵局?jǐn)?shù)量作為地區(qū)數(shù)字經(jīng)濟(jì)的工具變量,兼顧均衡面板數(shù)據(jù)的固定效應(yīng)模型應(yīng)用條件,進(jìn)一步構(gòu)造各城市1984年每百人固定電話數(shù)量和每百萬人郵局的數(shù)量分別與上一年全國(guó)數(shù)字基礎(chǔ)設(shè)施投資額的交互項(xiàng),作為城市數(shù)字經(jīng)濟(jì)的工具變量.選取的原因如下,一方面,電話機(jī)歷史數(shù)量對(duì)數(shù)字經(jīng)濟(jì)影響物流業(yè)碳排放的殘差具有“外生性”;另一方面,電話機(jī)歷史數(shù)量可能會(huì)影響到當(dāng)下生產(chǎn)、生活與消費(fèi),因此具有“相關(guān)性”,同時(shí),在表8 的第(1)列也驗(yàn)證了電話機(jī)歷史數(shù)量與數(shù)字經(jīng)濟(jì)強(qiáng)相關(guān)性.表8 第(2)列是運(yùn)用工具變量的回歸結(jié)果,回歸結(jié)果顯示,數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放之間依然呈U 型趨勢(shì),且影響效應(yīng)比基準(zhǔn)回歸更強(qiáng).

表8 基于工具變量法的內(nèi)生性檢驗(yàn)Table 8 Endogenous test based on instrumental variable method

4.2 分位數(shù)回歸

分位數(shù)回歸模型是Koenker 和Baset 于1978年提出的,該模型與傳統(tǒng)的OLS 回歸方法相比,具有約束更少、避免異常值、估計(jì)結(jié)果更穩(wěn)健等優(yōu)點(diǎn).為了更全面地分析數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放的邊際影響,同時(shí)考慮到數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放的影響可能不均勻,可采用分位數(shù)回歸模型測(cè)度不同碳排放量下數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放的不同影響強(qiáng)度.即通過顯著性檢驗(yàn)和待估計(jì)參數(shù)確定數(shù)字經(jīng)濟(jì)對(duì)不同分位數(shù)的物流業(yè)碳排放的邊際影響,探索數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放的演變特征.因此,基于張成思等[44]的方法,設(shè)置如下分位數(shù)回歸模型:

式中:Quantp(LCit|DEit)表示給定數(shù)字經(jīng)濟(jì)發(fā)展水平條件下物流業(yè)第p 分位數(shù)的碳排放量,η0與 ηp′是估計(jì)參數(shù).為詳細(xì)分析數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳排放的邊際影響,本文選取 5 個(gè)分位數(shù):0.1000,0.2500,0.5000,0.7500,0.9000.

在表9 的第(1)至(5)列中,數(shù)字經(jīng)濟(jì)(DE)對(duì)物流業(yè)碳排放具有演化效應(yīng).在五個(gè)分位數(shù)上,數(shù)字經(jīng)濟(jì)通過了1%的顯著性水平檢驗(yàn),系數(shù)均為負(fù)值,表明對(duì)物流業(yè)碳排放有顯著抑制作用.數(shù)字經(jīng)濟(jì)發(fā)展對(duì)物流業(yè)碳減排的邊際效應(yīng)正在降低.在 0.1000,0.2500,0.5000,0.7500,0.9000 五個(gè)分位數(shù)處,數(shù)字經(jīng)濟(jì)發(fā)展水平的系數(shù)分別為-0.8218,-0.8086,-0.7062,-0.4536,-0.3451,系數(shù)的絕對(duì)值依次遞減,表明數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)不同分位數(shù)物流業(yè)碳排放的影響強(qiáng)度存在差異.此外,隨著分位數(shù)的不斷增加,數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳減排的影響不斷減弱,即邊際影響呈遞減趨勢(shì).

表9 分位數(shù)回歸結(jié)果Table 9 Quantile regression results

4.3 異質(zhì)性分析

本文從城市自身規(guī)模與資源稟賦兩個(gè)方面進(jìn)行異質(zhì)性分析.首先,城市自身規(guī)模會(huì)導(dǎo)致數(shù)字經(jīng)濟(jì)的低碳治理效應(yīng)不同.相比于中小城市,大城市在產(chǎn)業(yè)結(jié)構(gòu)、環(huán)境治理投入及科技創(chuàng)新等方面具有規(guī)模優(yōu)勢(shì),形成一定的集聚效應(yīng),有利于資源優(yōu)化配置,同時(shí),巨大的能源消費(fèi)和土地供給需求也導(dǎo)致?lián)頂D效應(yīng),導(dǎo)致城市環(huán)境問題加劇.數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)低碳治理效應(yīng)是否受到城市集聚效應(yīng)與擁擠效應(yīng)影響？孰輕孰重？這是有意義的探索.本文依據(jù)2014年《國(guó)務(wù)院關(guān)于調(diào)整城市規(guī)模劃分標(biāo)準(zhǔn)的通知》,將城區(qū)常住人口小于100 萬劃入中小城市,大于100 萬的納入大城市范疇.表10 第(1)列是城市規(guī)模異質(zhì)性回歸結(jié)果,結(jié)果表明,與中小城市相比,大城市的數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)低碳治理效應(yīng)更大,這一結(jié)果說明城市數(shù)字經(jīng)濟(jì)的高速發(fā)展能夠推動(dòng)城市綠色變革,既可以有效獲取集聚效應(yīng),也能緩解擁擠效應(yīng)的影響.

表10 異質(zhì)性檢驗(yàn)回歸結(jié)果Table 10 Quantile regression results

其次,資源型城市的“資源詛咒”效應(yīng)已被眾多學(xué)者所證實(shí),那么數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)低碳治理是否也會(huì)受到“資源詛咒”困擾？本研究為了探究這一問題,依據(jù)國(guó)務(wù)院《全國(guó)資源型城市可持續(xù)發(fā)展規(guī)劃(2013-2020)》的劃分標(biāo)準(zhǔn),將樣本城市區(qū)分資源型城市與非資源型城市.表10 第(2)列是城市資源稟賦異質(zhì)性回歸結(jié)果,結(jié)果顯示,數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)低碳治理效應(yīng)在資源型城市不明顯,表現(xiàn)為回歸系數(shù)不顯著,而在非資源型城市則效果明顯.可能的原因是資源型城市具有根深蒂固的發(fā)展路徑依賴與鎖定問題,難于突破現(xiàn)有產(chǎn)業(yè)結(jié)構(gòu)束縛,因此數(shù)字經(jīng)濟(jì)的滲透會(huì)受到加大阻力,數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)低碳治理效應(yīng)較弱.反之,非資源型城市的數(shù)字經(jīng)濟(jì)接受度高,發(fā)展迅速,容易實(shí)現(xiàn)數(shù)字技術(shù)運(yùn)用、推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級(jí).

5 建議

5.1 強(qiáng)化數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳減排的促進(jìn)作用,充分發(fā)揮數(shù)字經(jīng)濟(jì)的碳減排作用.推動(dòng)有效市場(chǎng)與有為政府相結(jié)合,大力發(fā)展數(shù)字物流、智慧物流、綠色物流,鼓勵(lì)物流企業(yè)數(shù)字化轉(zhuǎn)型,強(qiáng)化龍頭企業(yè)、標(biāo)桿企業(yè)、骨干企業(yè)在數(shù)字化轉(zhuǎn)型中的示范引領(lǐng)作用,以及提高物流供需匹配能力,從而積極發(fā)揮數(shù)字經(jīng)濟(jì)的網(wǎng)絡(luò)效應(yīng);鼓勵(lì)綠色物流技術(shù)研發(fā)和應(yīng)用,推動(dòng)物流業(yè)向數(shù)據(jù)驅(qū)動(dòng)、信息驅(qū)動(dòng)、創(chuàng)新驅(qū)動(dòng)、知識(shí)驅(qū)動(dòng)、管理驅(qū)動(dòng)發(fā)展數(shù)字經(jīng)濟(jì)的創(chuàng)新效應(yīng),實(shí)現(xiàn)物流業(yè)高質(zhì)量發(fā)展;加強(qiáng)數(shù)字賦能,強(qiáng)化物流業(yè)發(fā)展節(jié)能減排約束,推動(dòng)5G、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、大數(shù)據(jù)、區(qū)塊鏈、人工智能在物流行業(yè)的應(yīng)用,鼓勵(lì)傳統(tǒng)物流向智慧物流、現(xiàn)代物流、數(shù)字物流、綠色物流轉(zhuǎn)型,高效發(fā)揮數(shù)字經(jīng)濟(jì)增效作用.

5.2 暢通數(shù)字經(jīng)濟(jì)影響物流業(yè)碳排放的作用路徑.政府應(yīng)推動(dòng)數(shù)字基礎(chǔ)設(shè)施標(biāo)準(zhǔn)化、集約化、綠色化、低碳化發(fā)展,提高數(shù)字基礎(chǔ)設(shè)施的利用效率,推動(dòng)不同地區(qū)數(shù)字基礎(chǔ)設(shè)施合作共建共享.同時(shí),要有效推動(dòng)數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化高效協(xié)調(diào)發(fā)展,培育數(shù)字產(chǎn)業(yè)和高新技術(shù)產(chǎn)業(yè)集群,加強(qiáng)數(shù)字平臺(tái)建設(shè),并加強(qiáng)對(duì)關(guān)鍵核心技術(shù)的資金支持、人才支持、稅收支持、政策支持,提升數(shù)字技術(shù)創(chuàng)新能力,以市場(chǎng)需求為導(dǎo)向,將學(xué)歷教育、職業(yè)教育和實(shí)踐教育相結(jié)合,建立具有大數(shù)據(jù)分析能力、關(guān)鍵技術(shù)研發(fā)能力、數(shù)字技術(shù)運(yùn)營(yíng)能力、數(shù)字集成應(yīng)用能力的數(shù)字人才培養(yǎng)機(jī)制.

5.3 結(jié)合數(shù)字經(jīng)濟(jì)影響物流業(yè)碳排放的地區(qū)差異特點(diǎn),實(shí)施差別化的區(qū)域扶持政策,在資源性城市重點(diǎn)在于轉(zhuǎn)變資源路徑依賴意識(shí),積極宣傳數(shù)字技術(shù)、培育數(shù)字經(jīng)濟(jì)發(fā)展?jié)摿?而在非資源城市則要加大數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展的新基建投入,強(qiáng)化數(shù)字經(jīng)濟(jì)的極化效應(yīng).

6 結(jié)論

6.1 數(shù)字經(jīng)濟(jì)對(duì)中國(guó)物流業(yè)碳排放具有非線性影響.數(shù)字經(jīng)濟(jì)與物流業(yè)碳排放量之間存在U 型趨勢(shì)關(guān)系,且當(dāng)前處于U 型曲線的上半部分.總體而言,數(shù)字經(jīng)濟(jì)的發(fā)展對(duì)中國(guó)物流業(yè)的碳排放具有顯著抑制作用.

6.2 技術(shù)革新和要素配置效率改進(jìn)是數(shù)字賦能物流業(yè)碳減排的重要途徑.

6.3 數(shù)字經(jīng)濟(jì)對(duì)中國(guó)物流業(yè)碳減排具有演化效應(yīng).隨著分位數(shù)的增加,數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)碳減排的邊際影響減小.

6.4 與中小城市相比,大城市的數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)低碳治理效應(yīng)更大;同時(shí),數(shù)字經(jīng)濟(jì)對(duì)物流業(yè)低碳治理效應(yīng)在資源型城市不明顯,而在非資源型城市則效果明顯.