安徽省物流业碳排放与城镇化、经济增长关系实证研究

（安徽大学，安徽 合肥 230601）

随着我国社会经济不断发展，二氧化碳排放成为日益凸显的社会问题与环境问题。“十三五”规划中强调要坚持绿色发展，着力改善生态坏境，推动低碳循环发展方式，加快能源革命。习近平在2015年巴黎世界大会开幕式讲话中提出“到2030年国内生产总值二氧化碳排放比2005年下降60%～65%，中国碳排放达到峰值”承诺。发展低碳经济已成为转变经济发展方式，全面建成小康社会的重要体现，也是中国树立负责任大国形象的主要标志之一。物流业属高能耗、高排放行业，推动物流业实现“低能耗、低污染、低排放”目标对实现我国低碳经济持续、健康、跨越式发展意义重大。《商贸物流发展“十三五”规划》提出，深入推广、使用绿色物流设备与包装，推进物流设施设备循环共用，创新绿色物流运作模式，提高能源资源使用效率。

近年来，安徽省凭借优越区位条件、人口红利与政策支持，物流业得到快速发展。据相关资料显示，“十二五”期间，安徽省物流业增加值由2010年670亿元增长到2015年1 280亿元，年平均增长率为13.8%；物流业总费用由2010年占GDP比重18.1%下降到2015年16.8%；2015年物流业增加值占GDP比重为5.8%，占第三产业增加值15.6%。从安徽省物流业发展相关数据可见，安徽省物流业发展态势良好，但由于物流运作模式较粗放、低效，导致物流成本居高不下，造成能源消耗增加及产能过剩。因此，安徽省要实现低碳物流，促进低碳经济健康发展，必须改变过度消耗能源增长方式，形成经济效应与环境效应相协调的低碳、绿色发展模式。本文通过对安徽省物流业碳排放与城镇化、经济增长间动态关系研究，为安徽省及其他区域制定合理低碳物流发展规划提供参考。

一、文献综述

（一）城镇化与物流业碳排放

城镇化与物流业碳排放关系研究较早开始于城镇化对区域及行业碳排放影响研究。Jones利用1980年59个发展中国家截面数据回归分析，结果表明城镇化使个人交通方式得到改变，从而提高交通运输业能源消耗，即城镇化对交通运输业碳排放具有促进作用[1]。Parikh等在分析城镇化与能源消耗增加基础上，利用固定效应模型实证分析城镇化与碳排放关系，认为发展中国家城镇化对碳排放有重大影响[2]。Poumanyvong等认为以往城镇化与碳排放关系研究中忽略了城镇化发展进程及城镇人口收入水平，因此基于STIRPST模型分析1975—2015年99个国家平衡面板数据，结果表明城镇人口收入水平对碳排放影响显著[3]。国内学者物流业碳排放研究主要有物流业碳排放特征[4]、区域差异[5-6]、驱动因素[7-8]、脱钩效应研究[9-10]等，城镇化与物流业碳排放关系研究成果较少。杨建华等基于通径分析模型研究北京市物流业碳排放驱动因素发现，城镇化是物流业碳排放正向影响因素。刘丙泉等扩展Kaya恒等式，在应用LMDI基础上将城镇化对物流业碳排放影响效应分为四部分，并利用我国29个省市面板数据实证分析表明，城镇化对我国各区域物流业碳排放变动影响作用超过其他非城镇化因素[11]。

（二）经济增长与物流业碳排放

Grossman等提出的环境库兹涅茨曲线为经济增长与碳排放关系研究提供理论基础[12]。Glaser基于环境库兹涅茨曲线检验奥地利经济发展与碳排放关系，研究发现1960—1999年经济增长与碳排放间关系曲线呈现“N”型[13]。国内学者在经济增长与物流业碳排放关系研究中大多将经济增长作为物流业碳排放众多驱动因素之一加以分析。刘龙政等基于LMDL分解法分析我国1996—2009年时间序列数据表明，影响我国物流业碳排放最重要因素是经济增长，经济增长拉动物流需求，需求扩大带来能源消耗增加即碳排量增加[14]。马越越在阐述我国物流业碳排放特征基础上，定量分析1991—2010年物流业碳排放影响因素，结果表明经济增长对物流业碳排放影响最显著，在研究年份间呈指数增长趋势[4]。张立国构建物流业碳排放变化驱动因素分解分析模型，将物流业碳排放驱动因素分解为六种不同效应，通过我国2003—2014年30个省面板数据实证分析表明，经济增长效应是物流业碳排放持续增高的最主要动力，东西部地区物流业碳排放驱动因素不同[6]。汪欣等运用能源系数法分析安徽、上海、江苏与浙江四省市物流业碳排放表明，经济增长对物流业碳排放促进作用在影响因素中占比最大，对安徽省物流业碳排放累计效应最大[15]。

（三）城镇化与经济增长

Hoselitz较早研究城镇化与经济增长关系，以亚洲城市发展为例检验二者是否存在相关性[16]。Berry通过对城市发展分析认为城镇化与经济增长间存在密切联系[17]，之后一些学者实证分析城镇化与经济增长关系[18]。我国城镇化发展比国外起步晚，与城镇化相关研究始于20世纪80年代。王时福在分析城镇化与区域经济发展关系基础上，认为我国必须坚持走区域经济全面发展的城镇化道路，并对当前城镇化发展过程中问题给出系统建议[19]。张世晴建立“城镇人口—经济增长的动态模型”，将区域城镇化发展速度与经济发展速度动态比较表明，东西部地区城镇化对经济的影响作用大于经济增长对城镇化的影响[20]。周小刚等江西省城镇化与经济增长协整关系分析表明，若城镇化率每提高一个百分点则人均增加515元[21]。朱孔来等通过建立VAR模型，利用脉冲响应函数与方差分解实证分析1978—2009年我国城镇化与经济增长动态关系，运用面板数据单位根检验与协整检验表明，城镇化与经济增长之间存在长期稳定均衡关系[22]。刘洪等基于非参数法和二次多项式模型分析湖北省城镇化与经济增长间关系，结果表明城镇化与经济增长间存在协整关系且城镇化率与经济发展之间存在促进作用[23]。

综上所述，学者探讨城镇化、经济增长与物流业碳排放关系往往基于两者间视角研究，很少探讨三者间整体关系。因此，本文以安徽省为例，在建立向量自回归模型基础上，运用Johansen协整检验、Granger因果关系检验以及脉冲响应定量分析城镇化、经济增长与物流业碳排放三者间关系。

二、变量选取、数据处理与计量模型

（一）变量选取、数据处理

1.物流业碳排放。物流行业在运输、仓储、流通加工、包装、装卸搬运等活动过消耗大量化石燃料，成为物流业碳排放的主要来源。因此，本文参照刘龙政等相关研究[14]，以物流业能源消费量估算碳排放量。将物流业不同能源消费量乘以各自折合标准煤系数、碳排放系数，由此估算出物流业碳排放量，测算公式为：

式（1）中，C表示物流业碳排放总量；i表示第i种能源类别，其中包括煤炭、柴油、汽油、煤油、燃料油、其他石油制品、天然气和电力8种能源类别[6]；Ci表示第i种能源碳排放量；Ei表示物流业第i种能源消费量；θi与δi分别表示第i种能源折合标准煤标准系数与碳排放系数。在现有统计口径中无针对物流业统计类别，因此本文以交通运输、仓储和邮政业能源消耗量作为物流业能源消耗量。能源消耗量数据来源历年《中国能源统计年鉴》，折合标准煤标准系数与碳排放系数来源于2016年《中国能源统计年鉴》，并根据式（1）测算1995—2015年安徽省物流业碳排放量。

2.城镇化。目前我国还没有直接量化指标测度城镇化水平，学者衡量城镇化水平常用方法有五种，即人口比重法、城镇土地利用比重法、调整系数法、农村城镇化指标体系法与现代城市化指标体系法[24]。其中，人口比重法包括城镇人口比重法与非农业人口比重法，而城镇人口比重法以城镇人口占总人口比重衡量某地区或国家城镇化水平。综合考虑数据可得性与研究需要，本文选取城镇人口比重法衡量1995—2015年安徽省城镇化发展水平，相关数据来源于历年《安徽省统计年鉴》。

3.经济增长。为更加确切反映物流业经济增长速度与增长效应，以物流行业增加值作为衡量物流业经济增长指标。同样由于在现有统计口径中没有针对物流业统计类别，即以交通运输、仓储和邮政业的增加值替代物流业增加值，并按照1995年可比价格换算以剔除价格因素影响。交通运输、仓储和邮政业增加值数据来源于历年《安徽省统计年鉴》。

由于时间序列数据可能会出现异方差问题和多重共线性等情况，本文对交通运输、仓储和邮政业碳排放量、城镇化与交通运输、仓储和邮政业增加值三组时间序列取自然对数，分别表示为LNC、LNURB、LNZ，利用Eviews8.0软件对安徽省1995—2015年物流业碳排放、城镇化与经济增长相关变量实证分析。

（二）计量模型

在式（2）中，yt为k维内生变量列向量，xt为d维外生变量列向量，ρ为滞后阶数，T为样本个数;α1，…，αρ为k×k维待估计系数矩阵，β为k×d维待估计系数矩阵；εt为k维扰动列向量。

三、物流业碳排放与城镇化、经济增长的实证分析

（一）平稳性检验

为防止模型出现伪回归现象，对所选取时间序列平稳性检验，本文采用ADF法检验时间序列是否存在单位根，若时间序列存在单位根，则表明原序列非平稳序列，反之则说明原时间序列为平稳序列，结果见表1。由表1可知，原序列LNC、LNURB、LNZ的ADF检验值均大于各相应水平下临界值，不能拒绝序列有单位根原假设，表明时间序列LNC、LNUR、LNZ含有单位根，为非平稳序列。对原序列LNC一阶差分（DLNC）、原序列LNURB一阶差分（DLNURB）和原序列LNZ的一阶差分（DLNZ）ADF检验，结果表明差分序列DLNC在5%显著性水平下拒绝序列有单位根原假设，差分序列DLNURB和DLNZ在1%显著性水平下拒绝序列由单位根原假设，因此DLNC、DLNURB和DLNZ均为平稳序列。

（二）Johansen协整检验

为检验时间序列LNC、LNURB、LNZ是否存在长期稳定关系，对其协整检验。由平稳性检验可知，LNC、LNUR与LNZ均为一阶单整时间序列，满足协整检验前提条件。协整检验滞后阶数一般为无约束VAR模型最优滞后阶数减1，因此确定协整检验滞后阶数为1，检验结果见表2。

表1 变量的ADF检验

表2 Johansen协整检验结果

由表2可知，原假设None表示序列间不存在协整关系，该假设下迹检验值46.006，大于5%显著性水平下临界值29.797，概率p值为0.0003，拒绝不存在协整关系原假设；原假设At most 1表示序列间至多存在一个协整关系，该假设下迹检验值18.464，大于5%显著性水平下的临界值15.495，概率p值为0.0173，拒绝至多存在一个协整关系原假设；原假设At most 2表示序列间至多存在两个协整关系，该假设下迹检验值1.391，小5%显著性水平下临界值3.841，概率p值为0.2382，不拒绝至多存在两个协整关系原假设，确定序列间存在两个协整关系，即物流业碳排放、城镇化与经济增长间存在长期稳定均衡关系。根据Johansen协整检验结果得到标准化协整方程如式（3）所示：

从式（3）中可看出，城镇化对物流业碳排放长期弹性为3.563，即长期内城镇化水平每提高1%，物流业碳排放增加3.563%；经济增长对物流业碳排放长期弹性为0.524，长期内经济增长水平没提高1%，物流业碳排放增加0.524%。从长期来看，城镇化对物流业碳排放正向影响大于经济增长对物流业碳排放正向影响。

（三）VAR模型与Granger因果关系检验

Johansen协整检验表明安徽省物流业碳排放、城镇化与经济增长间存在长期均衡关系，但变量间是否存在因果关系以及三者间因果关联需通过Granger因果关系检验分析，而时间序列Granger因果关系检验建立在VAR模型基础上，且稳定VAR模型为脉冲分析和方差分解基础。在建立VAR模型时滞后阶数选择非常重要，若滞后阶数太小，可能会出现待估参数非一致性问题；若滞后阶数太大，可能影响待估参数及有效性[25]。由于样本限制，VAR模型滞后阶数选择在1至4阶间选择，根据AIC、SC最小原则及多次试验，最终选择VAR模型滞后阶数为2，此时AR根均处于单位圆内，满足VAR模型稳定性条件要求，检验结果如图1所示。

在构建VAR模型基础上检验时间序列Granger因果关系，结果见表3。首先，城镇化LNURB在5%显著性水平下构成对物流业碳排放LNC单向Granger原因。安徽省2017年常住人口城镇化率已达到50.5%，年平均增长率为1.5%。随着安徽省城镇化不断发展，大量农村人口向城镇转移，而农村人口市民化伴随城镇医疗、教育、住房、交通等基础设施增加以及城镇居民消费需求扩大，这些社会经济活动开展均离不开物流业支撑，如生鲜物流、冷链物流、城市物流和生产资料物流等。因此，城镇化发展刺激物流业潜在市场消费需求，促进物流业市场规模扩大，从而增加物流产业能源消耗，导致物流业碳排放量增加。其次，经济增长LNZ在5%显著性水平下构成对物流业碳排放LNC单向Granger原因。说明安徽省物流业发展会导致产业碳排放量增加，但物流业碳排放与物流产业发展态势无关联。安徽省近年来物流产业发展迅速，“十二五”期间全省物流业增加值由2010年的670亿元增长到2015年的1 280亿元，年平均增长率达到13.8%，物流业总费用虽有所下降但仍占生产总值比率较大，如2015年安徽省社会物流业总费用占生产总值比率为16.8%，高于全国同期平均水平16%。但安徽省目前物流业发展仍较粗放，尚未真正实现低碳物流、绿色物流发展目标。因此，现行物流产业发展必然导致碳排放量增加。另外，经济增长LNZ在5%显著性水平下构成对城镇化LNURB单向Granger原因。物流业发展对城镇化建设过程中就业、基础设施建设及产业联动等发挥重要作用。如物流业发展吸收大量劳动力，减轻农业转移人口就业压力；改善城镇交通基础设施，促进城镇化进程中基础服务体系建设；物流业作为第三产业，有助于城镇化建设过程中形成以服务经济为主的产业结构，促进产业联动发展。因此，物流产业发展对城镇化水平、质量提升具有重要影响。

图1 AR根图

表3 Granger因果关系检验

（四）脉冲响应函数分析

脉冲响应函数描述被解释变量对解释变量一标准差冲击后响应变化反应，基于Granger因果关系检验，可利用脉冲响应函数进一步研究变量间短期动态响应关系。为探析城镇化与经济增长对物流业碳排放以及经济增长对城镇化的短期动态影响，根据上述建立VAR（2）模型，对变量LNC、LNURB、LNZ做脉冲响应函数分析，将VAR（2）模型冲击作用追踪期设为10期，结果如图2所示。

图2中前两幅图分别显示城镇化与经济增长一个标准差冲击引起物流业碳排放变动脉冲响应函数图。从第一幅图LNC对LNURB的脉冲响应中可见，当期城镇化LNURB未引起物流业碳排放LNC反应数值的变化；从第二期开始物流业碳排放反应数值有较大幅度提高；从第二期到第四期物流业碳排放反应数值平缓增长，并在第四期物流业碳排放反应数值达到最大0.032；从第五期开始城镇化对物流业碳排放正向效应趋于平缓，在一个冲击周期内，城镇化对物流业碳排放累计响应值为0.233。第一幅图分析结果表明：短期内由于城镇化水平提高，引起物流需求扩张及物流企业集聚，使得物流业碳排放急剧增加；但随着城镇化建设深入发展，如以节约集约、生态宜居、和谐发展等为特征的新型城镇化概念出现，物流业碳排放将会出现一定程度下降，最终趋于平缓。从第二幅图LNC对LNZ的脉冲响应中可见，当期经济增长LNZ未引起物流业碳排放LNC反应数值变化；第二期物流业碳排放反应数值快速增长并达到最大值0.029；从第二期到第六期经济增长对物流业碳排放脉冲响应表现为正负效应交替出现；从第八期开始经济增长对物流业碳排放正向效应趋于平缓，在一个冲击周期内，经济增长对物流业碳排放累计响应值为0.099。第二幅图分析结果表明：短期内经济增长将会引起物流业碳排放增加，但随着经济水平发展到一定程度，人们环保意识逐步提高，物流业碳排放也将出现一定程度下降，最终趋于平缓。图2中第三幅图显示经济增长一个标准差冲击引起城镇化变动脉冲函数图。从第三幅图LNURB对LNZ的脉冲响应中可见，当期经济增长LNZ未引起城镇化LNURB反应数值1变化；第一期到第三期城镇化反应数值增长率约由0.02提高到9.203，并在第三期达到最大值0.019；从第三期到第六期经济增长对城镇化正向效应不断减弱；从第七期开始，经济增长对城镇化的正向效应趋于平缓，在一个冲击周期内，经济增长对城镇化的累计响应值为0.088。第三幅图分析结果表明，经济增长会提高城镇化发展水平，经济增长可有效转移农村劳动力、统筹城乡发展、改善产业结构，为提高城镇化建设水平提供强有力支撑。

图2 脉冲响应函数

四、结论与建议

通过利用安徽省1995—2015年相关数据研究物流业碳排放与城镇化、经济增长关系，基于VAR模型，运用协整检验、Granger因果关系检验以及脉冲响应定量分析城镇化、经济增长与物流业碳排放三者间关系，得出如下结论：①协整检验结果显示，安徽省物流业碳排放、城镇化与经济增长三者之间存在长期均衡关系。从标准化协整方程式可知，城镇化对物流业碳排放长期弹性为3.563，经济增长对物流业碳排放长期弹性为0.524，即从长期来看，城镇化对物流业碳排放正向影响大于经济增长对物流业碳排放正向影响，初步判断城镇化相比经济增长对物流业碳排放影响显著。②Granger因果关系检验表明，城镇化与经济增长是物流业碳排放单向Granger原因，经济增长是城镇化单向Granger原因，即安徽省城镇化水平提高与物流产业发展均会引起物流业碳排放增加，且物流产业发展推动城镇化建设。③从脉冲响应函数来看，城镇化水平提高与经济增长均能引起物流业碳排放增加，且证明城镇化相比经济增长对物流业碳排放影响显著。另外，社会经济发展到一定阶段，在追求经济效益同时也会重视环境效益，城镇化与经济增长对物流业碳排放影响最终趋于平缓。

基于上述结论，为有效降低物流业碳排放，促进低碳经济快速发展，提出以下政策建议：①在城镇化进程中加强人力资本投入，提高科学文化素养和环境保护意识。对城镇居民而言，推广低碳物流与绿色物流发展理念，在满足物流需求过程中尽量选择绿色运输、绿色包装与绿色流通加工等物流企业，倡导低碳物流消费方式；对物流业而言，要优化能源消费结构，提高清洁能源使用效率，把优化能源消费结构作为发展低碳物流重要手段。城镇化进程加快为物流业带来消费需求与发展潜能，加大物流业能源消费，目前安徽省物流业能源消费中主要以原煤、汽油与柴油等高污染、高排放化石燃料为主。因此，物流业要从环境效应与节约资源角度出发，改善物流体系，加大天然气等清洁能源利用率。②经济增长对物流业碳排放具有正向影响，表明安徽省物流业经济发展方式有待转变，未能形成经济效应与环境效应协调发展模式。因此，物流企业要建立低碳物流与绿色物流管理机制，营造低碳环保企业文化氛围，积极承担企业社会责任，把低碳物流、绿色物流等发展理念融入企业经营活动过程。一方面物流企业要加大低碳物流、绿色物流技术研究与开发力度，推动物流企业与高校、科研机构间合作，完善应对新技术、新设备需求机制，为低碳物流、绿色物流发展提供强有力技术支撑；另一方面物流企业要合理开发和优化配置企业内部物流资源，建立经济效益与环境保护等多指标企业综合评价体系，推进企业低碳物流、绿色物流可持续健康发展。③经济增长是城镇化单向Granger原因，且经济增长对城镇化贡献率较大，表明安徽省物流业经济水平提高加快城镇化进程，但城镇化对物流业经济发展促进作用不明显。因此，在进一步发挥物流业吸纳农业转移人口、改善城乡交通基础设施、缩小城乡差距等促进城镇化作用基础上，要以城镇化发展为契机，提高物流经济发展水平。

［1］Jones D W.How Urbanization Affects Energy-use in Developing Countries[J].Energy Policy,1991(7)：621-630.

［2］Parikh J,Shukla V.Urbanization,Energy Ise and Greenhouse Effects in Economic Development：Results from a Cross-national Study of Developing Countries[J].Angewandte Chemie,1995(13)：3932-3936.

［3］Poumanyvong P,Kaneko.Does Urbanization Lead to Less Energy use and Lower CO2Emissions?A cross-country Analysis[J].Ecological Economics,2010(2)：434-444.

［4］马越越,王维国.中国物流业碳排放特征及其影响因素分析——基于LMDI分解技术[J].数学的实践与认识,2013(10)：31-42.

［5］张晶,蔡建峰.我国物流业碳排放区域差异测度与分解[J].中国流通经济,2014(8)：25-30.

［6］张立国,李东,周德群.中国物流业二氧化碳排放绩效的动态变化及区域差异——基于省级面板数据的实证分析[J].系统工程,2013(4)：95-102.

［7］张立国.中国物流业二氧化碳排放变化驱动因素分析[J].中国流通经济,2016(12)：29-39.

［8］杨建华,高卉杰.北京城市物流业碳排放及驱动因素研究[J].数学的实践与认识,2016(6)：54-61.

［9］苑清敏,张文龙,宁宁宁.京津冀物流业碳排放驱动因素及脱钩效应研究[J].科技管理研究,2016(5)：222-226.

［10］梁雯,张勤,陈广强.中国物流业经济发展与能源碳排放的脱钩研究[J].广西社会科学,2017(4)：61-67.

［11］刘丙泉,程凯,马占新.城镇化对物流业碳排放变动影响研究[J].中国人口·资源与环境,2016(3)：54-60.

［12］Grossman M G,Krueger B A.Economic Growth and the Environment[J].Quarterly Journal of Economics,1995(2)：353-377.

［13］Glaser M.Determinants of CO2Emissions in a Small Open Economy[J].Ecological Economics,2003,45(1)：133-148.

［14］刘龙政,潘照安.中国物流产业碳排放驱动因素研究[J].商业研究,2012(7)：189-196.

［15］汪欣,万明.安徽省物流业碳排放规模及其影响因素研究——基于长三角四省市比较[J].安徽大学学报（哲学社会科学版）,2017(3)：148-156.

［16］Hoselitz B F.Urbanization and Economic Growth in Asia[J].Economic Development&Cultural Change,1957(1)：42-54.

［17］Berry B J L.City Classification Handbook：Methods and Applications[M].New York：John Wiley&Sons,1970.

［18］Northam R M.Urban Geography[M].New York：John Wiley&Sons,1975.

［19］王时福.城镇化与区域经济发展[J].经济地理,1991(1)：45-50.

［20］张世晴.我国三大区域城镇人口——经济增长速度的比较[J].人口与经济,1993(3)：3-12.

［21］周小刚,陈东有.江西城镇化与经济增长协整关系的实证研究[J].江西社会科学,2008(8)：32-36.

［22］朱孔来,李静静,乐菲菲.中国城镇化进程与经济增长关系的实证研究[J].统计研究,2011(9)：80-87.

［23］刘洪,王江涛.基于非参数方法的城镇化与经济发展的分析[J].统计与决策,2013(22)：92-95.

［24］姜爱林.城镇化水平的五种测算方法分析[J].中央财经大学学报,2002(8)：76-80.

［25］王兵,陈雪梅.产业结构与广东经济增长——基于VAR模型的实证分析[J].暨南学报,2006(4)：46-50.