陈 豪 博士
(许昌学院商学院 河南许昌 461000)
物流产业在促进经济结构调整、转变经济发展方式和提升国家经济竞争力方面发挥着重要作用。2019年全国社会物流总额298万亿元,同比增长5.9%;社会物流总费用与GDP的比率为14.7%,比上年同期下降0.1个百分点;单位与居民物流总额同比增长16.1%,增速比社会物流总额高出10.2个百分点,这些数据均表明物流业总体运行良好。然而物流作为生产和消费之间的重要纽带,却消耗大量的一次和二次能源,如煤炭、汽油、柴油、燃料油、天然气、热能以及电力。从“十三五”时期来看,我国的物流业一直保持着迅猛的发展态势,2016-2019年社会物流总额平均增速均保持在6.1%-6.7%,因此该行业的能源消耗巨大。根据IPCC第五次评估报告,如果物流业不改变其现有的高能耗发展模式,到2030年其能耗将比现在高80%。尽管物流业在驱动国民经济中的作用逐渐增强,但物流中的高能耗导致的碳排放激增却引起了一系列环境问题,如PM2.5和全球变暖。因此,制定有效的环境政策以遏制国内二氧化碳排放是我国政府的当务之急。
传统物流向智慧物流的转变直接影响着我国经济发展的质量和速度(郑秋丽,2019)。智慧物流的发展可以增强各个行业之间的整合和渗透,促进工业生产流程的转变以及加快产业结构的调整和技术升级与创新,从而提高能源效率和节约资源。“智慧物流”的概念可以追溯到IBM在2009年首次提出的“智慧供应链”,它主要是指通过智慧技术和手段来提高整个物流系统的自动化水平。随着对“工业4.0”战略研究的开始,学者们已经开始对智慧物流进行全方位定义。何黎明(2017)和李佳(2019)提出智慧物流是基于物流互联网和物流大数据,通过协同共享创新模式与人工智慧先进技术,重塑产业分工、再造产业结构和转变产业发展方式的新生态。智慧物流在经济实践中的应用包括信息共享、资源利用协同化、供应链一体化。从最终用户的角度来看,基于终端设备、接入网和后端基础架构生成的数据和服务是智慧物流的最大价值。许多文献也研究了智慧物流建设对运输效率和供应链绩效的影响,智慧物流的建设被认为是解决当前运输效率问题的有效措施。Costa et al.(2016年)引入了智慧货运的概念,它可以查找和理解替代方案,计算适应性行为并优化自己的决策。智慧货运还允许多式联运,以实现实时态势感知和响应。从供应链绩效的角度来看,一些学者探讨了如何采用智慧物流来支持供应链绩效的提升。先进的供应链将传统系统转变为智慧系统,并使用国际标准的建模方法来开发业务流程和信息模型,这使供应链中的所有各方都可以通过引用这些模型来提高其工作效率(Ahn et al.,2016)。关于物流的碳排放影响因素研究,王丽萍等(2018)的研究结果表明经济规模对物流业碳排放的正向驱动效应最大,其次是服务业;低碳技术和行业效率抑制碳排放的增加。2015年,商务部制定了《商务部关于智慧物流配送系统实施方案的通知》,并宣布了首批智慧物流配送示范城市。建立智慧物流示范城市的目的是加快智慧物流配送系统的建设,降低物流成本,提高能源效率,从而减少碳排放。
通过上述文献分析可以看到,目前对智慧物流的研究主要集中在智慧物流的概念、研究运输效率和供应链绩效的影响以及分析物流业的碳排放影响因素。尽管关于智慧物流的文献越来越多,但对于智慧物流政策对我国地级市碳排放的影响的研究却很少,而且尚不清楚建设智慧物流城市是否可以在抑制碳排放的增长中发挥作用。基于此,本文主要探讨了城市智慧物流建设的动因及城市智慧物流建设的绿色减排效应。
由于城市智慧物流建设受多种因素的影响,而建设智慧物流城市是一个二元选择问题,因此无法通过简单的线性回归进行分析。因此,本文采用面板二元选择模型对影响智慧物流示范城市建设的关键驱动因素进行了分析。首先建立Logit回归模型,分析了建设智慧物流示范城市的原因;其次,采用Probit模型测试了模型的稳健性。
为了考虑建设示范城市的主要原因,构建了二进制选择模型:
式(1)中,因变量smart表示是否要建设智慧物流示范城市,x是影响示范城市建设的因素。根据国务院智慧物流城市的指导文件,自变量包括碳强度、碳排放、GDP、财政收入、货运量、物流行业从业人员数、社会零售总额、贸易开放度、人口和贸易出口占GDP比重。
双重差分模型有效的前提是公共政策的变化必须是外生的,政策变量的内生性破坏了模型分析的基础。因此,有必要验证碳排放是否是城市建设智慧物流系统的原因。通过式(1)的检验之后,由于实验组中政策时点的不同,本研究考虑双重差分法的固定效应模型来控制城市和时间对政策效果的影响。计量模型如下:
式(2)中,因变量yit是碳排放,其中xit代表智慧物流政策虚拟变量,本文选择商务部办公厅批准智慧物流项目的时间代表城市智慧物流政策的实施;β1是揭示公共政策净效应的系数,μi是区域固定效应,γt是时间固定效应,zit代表其它控制变量包括城市人口、人均GDP、产业结构、外国直接投资和技术水平。
本文选定2007-2018年我国30个省份(未包括西藏和港澳台地区)的229个地级市。其中,人口、实际GDP、人均GDP、产业结构、外国直接投资、财政收入、物流行业从业人员数、技术进步、货运量和总零售额以及贸易开放度等数据均来源《中国城市统计年鉴》《中国统计年鉴》和《中国电力年鉴》以及地级市所对应的各省统计年鉴,个别缺失数据采用插值法处理。
本文选择碳排放量和碳强度来衡量每个城市的绿色减排效应,计算方法参考马彩虹等(2015)的研究。碳排放系数基于IPCC 2006年版的《国家温室气体排放清单指南》。本文中主要变量定义如表1所示。
首先,分析城市智慧物流建设的动因,具体回归结果如表2所示。可以看出,货运量、物流行业从业人员数和社会零售总额均显著,表明这三个指标是决定城市建立智慧物流配送系统的重要动因;然而,GDP、城市人口和财政收入并不显著。一方面,本研究中已建立智慧物流配送系统的城市只是该项目获得批准的年份。随着经济的发展,建立城市智慧物流配送系统对GDP的要求也可能随着时间的推移而增长,这可能导致GDP对智慧物流的建立没有重大影响。另一方面,城市智慧物流建设的投资很大,以往的城市基建投资基本上依靠政府对国内银行贷款。随着融资的日益灵活,城市智慧物流的建设可以采用公司债券、保险融资等多种融资渠道来解决融资问题。因此,城市智慧物流配送系统的建立更多地取决于刚性需求因素,如货运量、物流行业从业人员数和社会零售总额。如果急需建立城市智慧物流配送系统,政府可以采取更灵活的方法进行投资以解决融资问题。因此,一定水平的GDP是城市智慧物流建设的充分非必要条件。此外,这三个模型中碳排放的系数均不显著,这表明碳排放是建立智慧物流城市的外在政策变量,这也为后文双重差分的分析奠定了基础。Probit模型和Logit模型的结果相似,表明模型结果相对可靠。
表1 变量定义说明
表2 二元选择模型回归结果
表3 DID模型的回归结果
2015年6月27日,商务部发布了第一批智慧物流配送示范单位名单。因此,本文确立如果批准日期为6月30日之前,则本文假设该年的智慧物流政策的实施可能会对当年碳排放发生冲击。但是,如果批准日期在6月30日之后,则假定发生政策冲击的年份是次年;经过筛选后,最终进入实施组的有五个城市,分别为重庆、太原、南昌、无锡和临沂。在选择对照组时,选取的样本特征尽量适应实施组,因此根据二元选择模型的结果,货运量、物流行业从业人员数和社会零售总额是决定城市建立智慧物流的重要动因。考虑到商务部在2015年发布的“建设智慧物流配送系统的实施计划”以及实施组的具体特点,本文为对照组设定了以下标准:在实施组中,货运量、物流行业从业人员数和零售总额这三个指标的最小值分别为127.09 Mt、25491和1540.80亿元,因此本文将这些值设置为对照组的筛选条件,这三个指标达到最小值的城市被选为对照组,筛选后对照组中有28个城市。双重差分模型可在实施组和对照组之间观察到不同的特征。尽管存在差异,但如果我们能够在两组之间模拟相似的实验前趋势,则会预测实验后的效果。基本的识别假设是在不进行实验的情况下,实施组和对照组之间存在平行趋势。本文使用2007-2018年的样本数据,将xit和时间虚拟变量Dit向相交项添加至模型(1)进行平行趋势检验。结果表明,相交项的系数不显著,表明在实施该政策前后,实施组和对照组均无显著差异。基于以上模型,本文使用固定效应回归模型对面板数据进行估计。为了消除异质性,本文对每个变量取自然对数。
式(2)的估计结果如表3所示。可以看出,智慧物流的虚拟变量显著为负,表明城市智慧物流的建立可以显著降低碳排放。智慧物流政策的实施可以使碳排放降低16.88%,为了研究智慧物流城市对碳排放的持续影响,模型(2)(3)的结果表明智慧物流的建立对第二年的碳排放量产生了持续的影响,使碳排放降低了14.75%。由于数据周期短,我们无法继续研究政策变量的更长远影响。其它变量的回归结果表明,人口和人均GDP仍然是影响碳排放最重要的因素。人口增加对碳排放具有正向作用,人均GDP的增长显示出与碳排放有关的负向变化,表明当经济发展到一定水平时,人们的环境保护意识将逐渐增强,环境状况将趋于改善。产业结构对降低碳排放具有积极作用,但意义不大,这可能是由于第三产业主要集中于服务业,削弱了物流产业对碳排放的影响。外国投资(TEC和FDI)的回归系数在绿色减排效应方程中均显著为负,说明外国投资对碳减排具有显著的正向作用。这可能是由于外商投资强度高的区域受益于外资企业带来的先进技术和管理方式,因为这不仅可以推动区域物流产业技术进步从而有效降低碳排放,而且还会优化地区物流资源的配置效率以推动地区智慧物流的建设速度。
表4 稳健性测试的回归结果
由于对照组的选择偏差可能会导致政策影响的差异,本文为测试模型的稳健性,扩展了对照组的样本选择标准:将货运量门槛降低到105.13 Mt,物流行业从业人员数阈值降低到21187,零售总额的门槛降低到1239.66亿元。结果对照组样本的数量已上升到39个城市。结果如表4所示,通过稳健性检验,确认了本研究的结论是可靠的。该政策变量在10%的水平上具有显著意义,表明智慧物流政策的实施在一定程度上对碳排放具有抑制作用。城市智慧物流的建设首先促进了区域经济增长,提高了人均收入,居民未来可支配收入的增加使得他们更加追求低碳生活。其次,碳减排的另一个渠道是通过外商投资所带来的技术进步溢出效应来提升城市智慧物流的资源配置,使整个物流环节深度协同一体化,从而减少不必要的的能耗达到减少碳排放目的。
随着移动互联网和大数据快速发展时代的到来,智慧物流将完全颠覆传统物流业增长模式,在不久的将来智慧物流将成为物流业实现可持续发展目标的重要手段。本文使用二元选择模型分析了影响城市智慧物流建设的动因,然后使用DID方法确定了智慧物流政策的绿色减排效应。主要结论如下:首先,货运量、物流行业从业人员数和社会零售总额是决定一个城市建立智慧物流的重要因素,而在二元选择模型中碳排放量并不显著,这表明碳排放是建立智慧物流城市的一个外生的政策变量;其次,城市智慧物流的建立及其政策的实施可以显著抑制碳排放,并在第二年持续产生影响。人均GDP和外商投资抑制了地区碳排放。
鉴于上述结果,可以提供以下政策启示:第一,本文证明了智慧物流政策的实施可以显著减少我国城市碳排放,因此我国政府应在大中城市中广泛推进智慧物流建设,充分发挥试验区的示范作用,进一步完善智慧物流配送系统的经验,促进物流标准化。第二,从城市智慧物流的推广政策来看,首批智慧物流示范城市只有五个,随着智慧物流示范城市的发展,政府应逐步修订智慧物流城市项目的审批标准,根据具体情况和要求,尽可能简化流程,缩短项目周期,最终提高城市智慧物流标准化体系建设的运营效率。第三,进一步完善城市物流基础设施建设,以满足现代物流发展的要求,加快现代仓储和多式联运等基础设施建设,建立高效通畅便捷的综合运输网络。第四,根据“一带一路”倡议,我国与相关国家和地区将会在未来的若干年内搭建四条物流大通道,然而我国智慧物流的发展与发达国家相比仍存在很大差距,因此政府部门应积极借助“一带一路”倡议的实施,积极引进外商投资及先进技术提高我国物流资源的配置效率,从而加快推动我国智慧物流及城市低碳发展。