供给侧改革视域下物流业碳脱钩政策建议

刘战豫,孙夏令

(河南理工大学 a.工商管理学院 能源经济研究中心;b.太行发展研究院 河南 焦作 454000)

1 引言

供给侧改革是解决我国经济结构性矛盾、提高供给质量、实现绿色发展的重要战略部署。物流业作为连接供需两端的桥梁,对中国经济持续健康发展具有重要支撑作用,理应是供给侧改革的重点。同时物流业作为能源消耗大户,CO2排放量以远高于其他行业的增速持续增加,国家“十三五”规划将物流业确定为重点实施低碳转型的行业,为物流业的供给侧改革提供了新思路。

CO2排放量持续增加,且增长速度远高于其他行业。目前,国内外学者针对物流业CO2排放的研究已取得了较多成果,主要集中在:一是对CO2排放量测算。如马越越等对物流业CO2排放及其分布的极化程度进行了测算[1];欧阳斌等提出一种省级交通运输能耗与CO2排放测算方法,并对江苏省进行了测评[2];张秀媛等基于城市交通CO2测算方法,对北京市公共交通系统的CO2排放进行了测度[3]。二是对CO2排放影响因素的研究。如张立国基于LMDI分解,对我国省域物流业CO2排放进行了实证分析[4];卢升荣等根据长江经济带九省的面板数据,结合LMDI分解分析了交通运输业CO2排放的影响因素[5];Lin等基于分位数回归模型对中国运输业碳排放的影响因素进行了研究[6];Fan等基于扩展的KAYA模型,探究了北京市快速发展背景下交通领域碳排放的潜在影响因素[7]。三是对物流业能源消耗、CO2排放与行业发展关系的研究。如曹翠珍等基于经济增长理论,对物流业行业发展与能源消耗进行了研究,得到物流业发展能够提高能源利用效率,即能源强度与物流业发展水平呈负相关[8];周银香等基于LMDI分解和脱钩理论,对交通运输业CO2排放与行业经济增长之间的响应关系进行了研究[9];Menezes等对巴西大都市交通运输碳排放进行了研究,评价了低碳发展战略的有效性,提出了更好的政策组合[10]。

综上所述,当前物流业CO2排放的研究多集中在测算排放量、寻找影响因素、探究响应关系等方面,较少结合经济环境、联系行业前景对CO2排放进行系统分析,尤其是供给侧改革视域下的物流业低碳转型仍需进一步研究与探讨。为此,本文通过分析物流业CO2排放的时空演变差异和驱动因素,构建脱钩努力指数,提出供给侧改革视域下物流业实现CO2排放有效脱钩的政策建议,为物流业低碳转型明确方向。

2 研究方法与数据来源

2.1 研究方法

物流业CO2排放测算:关于CO2排放测算有“自上而下”和“自下而上”两类方法,鉴于后者需考虑车辆车型、单位行驶能耗等难以确定的因素[11,12],本文选取“自上而下”的计算方法,即通过各类能源消耗乘以相应系数得到CO2排放量:

(1)

式中,Ei为第i种能源的消耗量(i=1,2,…，8);NCVi为每种能源的平均低位发热量;CEFi为每种能源的CO2排放参考系数;COFi为CO2氧化因子;44与12为CO2与C的分子量。8种能源分别为原煤、汽油、煤油、柴油、燃料油、液化石油气、天然气和电力。由于电力属于二次能源,并不直接产生CO2排放，为了保证研究的严谨性,通过加权平均方法计算电能排放因子[13]。即通过电能生产部门对不同能源的消耗比例与各自能源的排放因子加权平均得到。

Theil指数:Theil指数又称“泰尔指数”或“锡尔指数”,由Theil、Henri于1967年提出,是衡量个人之间或区域之间差异的重要指标。本文运用Theil指数衡量物流业CO2排放的区域差异,具体计算公式为:

(2)

式中,Cj为第j个区域的物流业CO2排放量;C为所有区域的物流业CO2排放量;Xj为第j个区域人口数、物流业增加值或综合周转量;X为区域人口数、物流业增加值或综合周转量。计算得到的结果分别为人均CO2排放、单位增加值和单位周转量CO2排放的Theil指数,分别以Tp、Ta、Tt表示。指数数值介于0—1,数值的大小反映区域差异的大小。

物流业CO2排放因素分解模型:KAYA在联合国举办的研讨会上最早提出了Kaya恒等式[14],他将CO2排放分解为与人类生活息息相关的四个因素,包括CO2排放强度、能源强度、人均GDP、人口规模,其基本表达式为:

(3)

物流业作为国民经济发展的基础产业,与日常生产、生活密切相关,行业CO2排放势必会受到以上关键因素的影响,参照Fan[17]、Wang[15]、卢升荣等[5]的分析思路,在此基础上结合物流业自身特点,将CO2排放扩展表示为:

(4)

(5)

式中,fi为各类能源CO2排放系数,由于系数为定值,实际计算中不列入分解项目;si为各类能源在物流业能源消耗中的比重,即能源消费结构;e为物流业单位增加值能耗,反映物流能源消耗强度;l为单位周转量带来的物流增加值,反映物流效率;d为单位GDP增长所需的物流综合周转量,反映物流产业对地区经济的拉动作用,也称为运输强度;g为人均GDP,表示经济增长因素;p为人口规模因素。

近年来,指数因素分解技术在CO2排放研究领域得到广泛应用,根据Ang对几种常用分解方法的比较分析,对数平均指数分解法(LMDI)更具适用性[16]。文中采用LMDI的“加和分解”方法对式(4)进一步分解:

(6)

物流业CO2排放脱钩努力指数构建:物流业的CO2排放分解有助于了解行业CO2排放变动情况及其关键致因,但并不能客观地反映出政府一系列节能减排努力所产生的实际减排效果[18],如优化能源消费结构、提高能源效率及控制人口数量等[19],而且只有当CO2减排努力对CO2排放的抑制足以抵消经济增长对CO2排放的拉动时,这种努力才是有效的。因此,扣除经济增长或规模扩张导致的CO2排放量,将政府减排努力(△F)间接表示为:

△F=△C-△Cd-△Cg=△Cs+△Ce+△Cl+△Cp

(7)

=Ds+De+Dl+Dp

(8)

式中,Ds为调整能源结构导致的脱钩效应;De为降低能源强度导致的脱钩效应;Dl为推进物流发展导致的脱钩效应;Dp为控制人口数量导致的脱钩效应。

2.2 数据来源

当前,关于物流业的统计尚不完善,考虑数据可获取性,同时由于交通运输、仓储和邮政业三者增加值占物流业的以上,能反映物流业发展实际情况,因此文中物流业相关数据均以交通运输、仓储和邮政业替代[22]。物流业周转量主要考虑铁路、公路、水运和航空四种运输方式,并借鉴宋京妮等[23]、卢升荣等[5]的计算方法进行折算,将旅客周转量与货物周转量折算为综合周转量。此外,为剔除价格变动因素的干扰,文中的经济增加值均以2004年的不变价进行调整。各类能源的具体CO2排放系数来源于《2006年IPCC国家温室气体清单指南》,其他经济数据来源于各地区2005—2015年的《统计年鉴》和《中国能源统计年鉴》。

3 实证结果分析

3.1 物流业CO2排放的时空差异分析

物流业CO2排放的可视化描述:根据物流业CO2排放的测算结果,选取2004年、2009年、2014年3个时间截面数据和历年平均数据,通过系统聚类把我国30个省区的物流业CO2排放分为四个梯队,绘制出空间格局分布图(图1)。由图1可见,各省区物流业CO2排放的时空差异显著。从时序角度来看,各省区CO2排放量均表现出增加趋势,物流业能耗严重的问题未得到明显改善。但从横向比较而言,地区CO2排放量递增速度不同,即各阶段CO2排放量的省域排名存在差异。2004年CO2排放最突出的省份是上海与广东,2009年是上海、广东与山东,到2014年江苏与辽宁也加入第一梯队;而青海、宁夏、海南、吉林、贵州、甘肃、新疆则一直稳定处在第四梯队,属于国内物流业CO2排放最低的地区。从变动速度来看,云南省是增速最快的省份,每个阶段所处梯队都不相同。数据显示，云南省从2004年的倒数第4位,跃升为2014年的全国第12位;从变动位次来看,安徽、内蒙古、黑龙江、河南、湖南表现出了排位的上升,而陕西、江西、天津表现出排位的下滑,其余省份排名变化不大。

物流业CO2排放的Theil指数:根据Theil指数计算方法,分别测算出各年物流业的人均CO2排放、单位增加值和单位换算周转量CO2排放的Theil指数(表1)。由表1可知,三种Theil指数的最大值分别出现在2004年、2006年、2007年,最小值分别出现在2014年、2013年、2013年。从历年均值看,单位增加值CO2排放Theil指数最小,仅为0.059,表明各省单位增加值物流业的CO2排放量差异较小;而人均CO2排放和单位换算周转量CO2排放的Theil指数相对较大,分别为0.159和0.187,表明从这两个角度观察,各省物流业CO2排放的差异更显著。

图1 物流业CO2排放空间分布

年份20042005200620072008200920102011201220132014均值Tp0．2140．1860．1930．1870．1810．1600．1460．1350．1300．1130．1010．159Ta0．0630．0650．0690．0670．0610．0590．0580．0530．0550．0500．0530．059Tt0．2060．2260．2180．2460．1510．1900．1880．1850．1610．1360．1450．187

图2 物流业CO2排放Theil指数变化趋势

从区域差异变化趋势(图2)来看,单位增加值CO2排放Theil指数相对最为平稳,单位换算周转量CO2排放的Theil指数波动最大,而人均CO2排放Theil指数变动速度最为均匀。总体来看,样本年内三种差异指数均呈现出了下降趋势,表明国内物流业CO2排放区域之间的差异变小,这与国内地区间较为统一的发展规划有关。值得注意的是,在样本末期单位增加值和单位换算周转量CO2排放Theil指数同时出现回升趋势,未来地区间物流业CO2排放的差异程度可能出现回升,原因是近些年环境规制力度加大,各省市物流产业的绿色技术、绿色理念和发展基础不同,导致区域CO2排放差异增大。

3.2 物流业CO2排放的关键致因分析

以2004年为基期,根据扩展的KAYA模型和LMDI分解方法对物流业CO2排放进行分解,得到能源结构、能源强度、物流效率、运输强度、经济发展及人口规模等因素分别对应的贡献值(表2)。根据表2可知,2004—2014年物流业CO2排放总量增加了35014.379万t,由2004年消耗25900.031万t增加为2014年的60914.411万t,增长了135.191%,年均增长率为8.929%。除2012—2013年物流业CO2排放总量出现下降外,其他各年为稳定增长。

表2 2004—2014年物流业CO2排放变动效应因素分解(104t)

能源结构的累计贡献为143.864万t,累计效应占CO2排放变动总效应的0.411%,对物流业CO2排放有一定的促进作用,表明能源结构依旧有较大改善空间。2004—2014年我国物流业柴油消耗占比上升,由40.93%升为43.57%,而煤炭、电力、汽油等消耗略微下降,意味着物流业对柴油等高CO2排放的能源消耗依赖程度加大,同时低CO2排放的能源也未得到充分利用,这样的不利变化抵消了新能源应用所带来的CO2排放减少,致使能源结构对物流业CO2排放影响不显著。能源强度效应是物流业CO2排放增加的主要抑制因素,2004—2014年累计抑制了CO2排放量7391.108万t,负向影响占到总效应的21.109%。主要是由于物流业作为国民经济的重要支撑系统,贯穿于不同行业之间,加深了区域之间的联系,改善着经济的运转质量,由此带来的经济效益抵消了物流业能源消耗带来的负面效应,整体表现出了负向驱动。

物流效率反映的是单位周转量带来的物流增加值,与各效应相比物流效率每年的贡献波动最大,其中2004—2005年、2009—2011年、2013—2014年度为负值,剩余年度均为正值,但总体上表现出了对CO2排放的拉动作用,拉动作用微弱。这不仅与水平较为低下的物流协作技术有关,也与交通运输方式占比有关。未来伴随“八纵八横”高速铁路网及城市间高速铁路网的建设,将逐渐形成铁路等低能耗运输为主,高污染运输为辅的综合运输体系,不断实现干线运输与支线运输的高度统一,从而物流效率会逐渐提高。

运输强度效应也是物流业CO2排放增加的主要贡献因素,2004—2014年累计贡献CO2排放为2404.549万t,贡献率为6.867%,且大多数年份都表现为CO2排放的拉动效应。我国经济规模庞大,加之幅员辽阔,多项物流指标已经位居世界前列,但由于多种运输方式衔接性差、标准化程度低、网络化程度不足等因素导致运输压力远高于其他国家,单位GDP的货运周转量相当于美国的6.3倍与日本的14.3倍。

经济发展效应是物流业CO2排放最主要的致因,研究期内始终起到显著的正向驱动作用,累计贡献量达到36894.935万t,远高于其他影响因素。这表明经济发展与物流业能源消耗紧密相关,随着经济的发展,物流规模不断扩大,货运、客运周转量显著增加,同时人们对出行需求和物流服务都有了更高的要求,致使物流业能源消耗量不断上升,CO2排放量居高不下。

表3 2004—2014年物流业CO2排放脱钩效应

人口规模效应相对稳定,波动幅度较小,对物流业CO2排放一直起到正向的拉动作用,累计贡献CO2排放量为2077.257万t,贡献率为5.933%。由于人口规模的扩大,交通出行量、人均消费量都会有显著的增加,相应的人均CO2排放量也会增加,这也成为物流业低碳转型的重要阻力。

3.3 物流业CO2排放的脱钩有效性分析

通过对物流业CO2排放进行驱动因素分解,寻找到了物流业CO2排放增长的关键因素。为了进一步反映物流业实现经济发展与节能减排“双赢”的客观情况和政府减排努力带来的实际效果,构建脱钩努力指标,对物流业CO2排放脱钩有效性进行分析(表3)。

从表3可见出,物流业CO2排放脱钩状态存在波动性,呈现“未脱钩—弱脱钩—未脱钩—弱脱钩”的变化趋势,其中2004—2006年和2011—2012年两个阶段出现未脱钩,2006—2011年和2012—2014年两个阶段出现弱脱钩。研究期内没有出现强脱钩状态,脱钩指数最大值为2012—2013年的0.957,其他年份相差较多,可见要实现物流业CO2排放的强脱钩有效状态仍任重道远。这主要是因为政府促进物流业CO2减排的努力不够充分,由此带来的CO2排放减少量不足以抵消由经济规模扩大带来的CO2排放增加量。

从分指数来看,各因素对物流业CO2减排的贡献程度从大到小依次是能源强度效应>物流发展效应>能源结构效应>人口规模效应。能源强度对应的脱钩效应最为理想,除2004—2005年以外,其他各期脱钩指数均大于0,尤其是2012—2013年达到了1.893,是目前决定物流业CO2排放有效脱钩的最主要因素。物流发展效应是由物流效率的提高决定的,可见其在物流CO2减排方面贡献程度不够稳定,相应的脱钩指数除2004—2005年、2009—2011年和2013—2014年三个阶段大于0以外,其他各期均小于0,这种波动与经济刺激计划及物流相关规划有关,未来应更注重科技创新对物流效率提升的驱动作用。能源结构与人口规模对应的脱钩努力指数基本都在0以下,表明政府在优化物流业用能结构上所作的CO2减排努力意义不大,同时控制人口规模方面的努力对物流业实现CO2排放脱钩呈现出无效状态。主要原因是:近年来国内物流业以柴油等高CO2排放能耗为主的消费结构没有大的改变,同时人口规模的控制也难以抑制人均消费增加带来的CO2排放上升。

4 结论与建议

4.1 结论

本文的研究结果表明:①各省区物流业CO2排放的时空差异显著,不仅体现在CO2排放量的不均衡,在CO2排放增长速度方面还有较大差异,导致历年各省区CO2排放总量的排名波动较大。物流业的人均CO2排放、单位增加值和单位换算周转量CO2排放的Theil指数均表现出了下降趋势,表明各地区物流业CO2排放的差异在逐渐缩小。②2004—2014年物流业CO2排放总量增加了35014.379万t,年均增长率达到8.929%。其中,经济发展效应是物流业CO2排放增加的最主要贡献因素,能源强度效应是物流业CO2排放增加的主要抑制因素。此外,运输强度、人口规模、物流效率、能源结构等效应也对物流业CO2排放有一定促进作用,贡献率依次为6.867%、5.933%、2.527%、0.411%。③研究期内物流业CO2排放的脱钩状态呈现“未脱钩—弱脱钩—未脱钩—弱脱钩”的变化趋势,未出现强脱钩状态,脱钩指数最大值为2012—2013年的0.957。各因素对物流业CO2减排的贡献程度从大到小依次是能源强度效应>物流发展效应>能源结构效应>人口规模效应,其中能源强度是目前决定物流业CO2排放有效脱钩的最主要因素,物流效率也有一定贡献,但能源结构与人口规模的调整对CO2脱钩有效性的作用有限。

4.2 政策建议

主要政策建议：①调整产业空间布局,构建共享发展模式。物流业低碳发展空间失衡问题的解决关键在于强化战略布局,推动区域物流的协调与合作,实现区域间共同开展供应链管理,使产业价值链不断向更高层次延伸。这就需要充分发挥全国性和区域性物流节点城市的辐射拉动作用,按照丝绸之路经济带、长江经济带、中原经济区等战略规划,加强国际、省际的交流与合作,构建共享互赢的经济发展模式:东部地区要适应供需关系的发展,提高内外贸的服务意识,加强国际、国内物流的统一运作能力;西部地区要顺应丝绸之路经济带建设,改善物流基础条件,打造物流新通道,发挥特色大宗商品优势与区位优势,提高资源输送与产品中转的服务能力;中部地区要贯穿南北、承东启西,加快陆港、航空港等物流枢纽的建设,打造合作平台,提高物流供给能力。②优化能源消费结构,提高能源利用效率。为实现物流业碳排放的有效脱钩,在降低能源强度、调整能源结构、提高能源效率方面的努力必不可少。首先,合理配置运输方式,提高铁路、水路运输占比,加强规模运输与统一配送,减少迂回运输、空返运输等不合理现象;其次,加强物流基础设施网络化的建设,合理规划运输体系,建设多式联运工程,使多种运输方式能够高效中转和顺畅衔接;第三,借鉴发达国家经验,建立合理的绿色物流评估体系,改善能耗检测水平,加强监管力度,鼓励低碳运输方式,促进节能减排;第四,强化大中城市周边配送中心的建设,加快完善城乡配送网络,在商业区、大型社区建设末端网点,形成层级合理、需求匹配的高效物流体系。③深化制度变革,鼓励创新发展。为实现物流业的碳排放脱钩,要以供给侧改革为支撑点,坚持政府主导和市场运作,同时发挥市场在资源配置中的决定性作用和政府的监管作用,不断强化企业的市场主体地位,合力推进物流业高能耗、高碳排放问题的改善。第一,按照简政放权、简化审批的要求,加快推进物流管理体制创新,完善各层级政策的配套与协调;第二,加快修订仓储管理及交通运输管理方面的法律法规,明确物流作业类别,强化监管的针对性,规范市场秩序;第三,鼓励物流企业的网络化经营和跨区域经营,进而提高运作效益、缩小区域之间的差异;第四,通过市场上企业的有序竞争,倒逼技术创新,实现物流业的优胜劣汰,提升物流供给质量。④加速要素升级,提高供给效率。物流业受环境约束、交通压力等因素的影响,过去的粗放式增长已难以为继,必须强化创新的核心地位,提高绿色全要素生产率。首先,加强物流新技术的研发与应用,推广智能交通、快速分拣、精准定位等现代化技术,完善货品编码体系和在线调度管理系统,提高物流业的运作水平;其次,加强人才队伍建设,实现学历教育与非学历教育并行,加快培养吃苦耐劳、懂管理、懂技术的复合型人才,不断提高劳动力的供给质量和供给数量;第三,整合物流信息资源,搭建跨行业、跨区域的综合信息服务平台,加强车源、货源和物流服务等信息的高效匹配,充分利用社会资源,实现碳排放减少与经济效益增长的双丰收。

[1]马越越,王维国.中国物流业碳排放的空间非均衡与极化研究[J].社会科学辑刊,2015,29(1)∶103-110.

[2]欧阳斌,凤振华,李忠奎,等.交通运输能耗与碳排放测算评价方法及应用——以江苏省为例[J].软科学,2015,(1)∶139-144.

[3]张秀媛,杨新苗,闫琰.城市交通能耗和碳排放统计测算方法研究[J].中国软科学,2014,(6)∶142-150.

[4]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,2016,30(12)∶29-39.

[5]卢升荣,蒋惠园,刘瑶.交通运输业CO2排放区域差异及影响因素[J].交通运输系统工程与信息,2017,17(1)∶32-39.

[6]Lin B,Benjamin N I.Influencing Factors on Carbon Emissions in China Transport Industry.A New Evidence from Quantile Regression Analysis[J].Journal of Cleaner Production,2017,150(1)∶175-187.

[7]Fan F,Lei Y.Decomposition Analysis of Energy-related Carbon Emissions from the Transportation Sector in Beijing[J].Transportation Research Part D Transport & Environment,2016,42(1)∶135-145.

[8]曹翠珍,赵国浩.区域物流发展、经济增长与能源消费——基于中国省际面板数据的实证分析[J].财贸研究,2015,(2)∶44-52.

[9]周银香.交通业碳排放与行业经济增长的响应关系——基于“脱钩”与“复钩”理论和LMDI分解的实证分析[J].财经论丛,2014,(12)∶9-16.

[10]Menezes E,Maia A G,Carvalho C S D.Effectiveness of Low-carbon Development Strategies：Evaluation of Ppolicy Scenarios for the Urban Transport Sector in a Brazilian Megacity[J].Technological Forecasting & Social Change,2016,114( )∶226-241.

[11]张伟,张金锁,邹绍辉,等.基于LMDI的陕西省能源消费碳排放因素分解研究[J].干旱区资源与环境,2013,27(9)∶26-31.

[12]梁雯,秦胜杰,张伟.基于VAR模型的物流业与碳排放动态关系研究——以安徽省为例[J].资源开发与市场,2016,32(9)∶1042-1046.

[13]徐盈之,徐康宁,胡永舜.中国制造业碳排放的驱动因素及脱钩效应[J].统计研究, 2011,28(7)∶55-61.

[14]Kaya Y.Impact of Carbon Dioxide Emission Control on GNP Growth：Interpretation of Proposed Scenarios[M].Paris：IPCC Energy and Industry Subgroup,Response Strategies Working Group,1990.

[15]Wang W W,Zhang M,Zhou M.Using LMDI Method to Analyze Transport Sector CO2Emissions in China[J].Fuel & Energy Abstracts,2011,36(10)∶5909-5915.

[16]Ang B W.Decomposition Analysis for Policymaking in Energy：Which Is the Preferred Method?[J].Energy Policy,2004,32(9)∶1131-1139.

[17]李创,昝东亮.基于LMDI分解法的我国运输业碳排放影响因素实证研究[J].资源开发与市场,2016,32(5)∶518-521.

[18]Jiusto S.An Indicator Framework for Assessing US State Carbon Emissions Reduction Efforts(With Baseline Trends from 1990 to 2001)[J].Energy Policy, 2008,36(6)∶2234-2252.

[19]Holt L,Galligan M.Energy Efficiency Policies as Part of Carbon Reduction Efforts：Lessons from the EU for the US[J].Electricity Journal,2013,26(7)∶33-42.

[20]Diakoulaki D,Mandaraka M.Decomposition Analysis for Assessing the Progress in Decoupling Industrial Growth from CO2Emissions in the EU Manufacturing Sector[J].Energy Economics,2007,29(4)∶636-664.

[21]史常亮,郭焱,占鹏,等.中国农业能源消费碳排放驱动因素及脱钩效应[J].中国科技论坛,2017,(1)∶136-143.

[22]李创,昝东亮.我国物流运输业碳排放测量及分解模型实证研究[J].资源开发与市场,2015,31(10)∶1197-1199.

[23]宋京妮,吴群琪,孙启鹏,等.基于SBM-undesirable模型的综合运输效率评价[J].交通运输系统工程与信息,2015,15(5)∶32-38.