长江经济带物流业碳排放的脱钩及影响因素研究

庞欣玥，仲云云 （南京邮电大学 管理学院，江苏 南京 210000）

0 引 言

物流业作为中国近年来发展速度较快的行业之一，在推动国民经济高质量发展进程中发挥着重要作用，物流行业也是中国消耗能源量最大、二氧化碳排放增长最快的主要来源行业之一。长江经济带作为中国重要的经济发展带，涵盖中国长江沿岸的9个省份和2个直辖市，横贯东中西三个地区，是中国经济发展具活力和潜力的地区之一。长江经济带地区具有资源优势、区位优势明显，在物流业发展过程中更应该注重生态文明建设，切实抓紧抓好，助力物流业高质量发展。

随着电子信息和电子商务行业的飞速发展，物流业碳排放逐渐成为国内学者研究的热点，国外学者对这方面的研究较少。国内学者研究主要集中在碳排放的核算、碳排放与经济发展的脱钩、碳排放的影响因素等方面。许多学者利用实测法、物料衡量法、模型分析法和碳排放系数法等对碳排放进行测量，其中碳排放系数法最为常见。张晶等（2014），刘丙泉等（2016），胡小飞等（2021）在进行物流业碳排放测算时采用了碳排放系数法；刘龙政（2012）运用IPCC的碳排放核算方法估算了1996—2009年各省市物流业的碳排放总量，得出总体呈现增长趋势。有关物流业碳排放量的脱钩分析，刘渝等（2018）、王辛芝等（2021）分别使用Tapio脱钩模型分析物流业碳排放的脱钩状态和中国能源碳排放的脱钩状态。

在碳排放影响因素的研究方面，学者大多采用指数分解法，其中包括拉式指数分解法和迪氏指数分解法，其中，学者普遍采用的是对数平均迪氏指数分解法（LMDI）。齐豫等（2022）使用LMDI因素分解方法对影响河南省物流业碳排放因素的贡献率进行分析。Quan等（2020）、邓荣荣等（2020）使用分解模型对碳排放影响因素进行分解与分析。曹俊文等（2021）运用分解模型和-分解模型分析碳排放时间分布和空间分布的影响因素。除此之外，也有一些学者使用其他方法研究影响因素。包耀东等（2020）使用定量分析方法指出能源结构、能源效率、产业结构、经济增长和人口对物流业碳排放规模均有影响。江纯霞（2020）通过研究指出经济发展水平、城镇化、社会消费、能源效率、基础设施投资额和产业结构均对物流业碳排放增加也有影响。Peng（2019）利用经典的STIRPAT（随机影响回归对人口、收入和技术）模型对影响碳排放的因素进行测度。

本文以长江经济带11个省市的物流业为研究样本，估算其在2010—2019年间物流业的碳排放量，运用脱钩模型分析11个省市物流业碳排放的脱钩状态，并利用回归模型分析影响物流业碳排放的相关因素，以了解长江经济带物流业碳排放的发展态势，为低碳物流的发展战略提供合理的科学依据。

2 研究方法与模型构建

2.1 碳排放测算

由于目前还没有物流产业二氧化碳排放量的具体观测数据，本文采用联合国政府间气候变化委员会（Intergovernmental Panel on Climate Change，简称IPCC）提供的估算方法，以长江经济带各省的物流业能源消费量来估算长江经济带各省的物流业碳排放量，测算公式为：

式中，表示能源种类，其中包括原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然气和电力9种能源类别；表示物流业碳排放总量；C表示第种能源的碳排放量；δ是第种能源的碳排放系数，即单位能源消耗所排放的CO量；θ是第种能源的折标准煤系数，即单位能源折算成标准煤的量；E为第种能源的消耗量。其中，化石能源对标准煤的折算系数采用《中国能源统计年鉴》中规定的数值。

2.2 脱钩模型

Tapio模型在避免基期选择带来的不稳定性的同时，还可以基于弹性值的变化范围为依据判定多种类型的脱钩状态，以更加精细与明确地划分脱钩状态，是环境经济研究中学者普遍采用的划分脱钩状态标准。根据Tapio、田云、刘爱东和苑清敏等的研究，本文设定式（2）Tapio脱钩指数。

式中，表示的是物流业碳排放与物流业总产值之间的脱钩指数；表示物流业的碳排放总量（万吨）；为物流业总产值（亿元）。根据Tapio对弹性值变化范围的划分，脱钩状态可以分为脱钩、连接和负脱钩三种基本类型，这三种类型基于脱钩弹性的取值范围还可以继续细分划为八种类型，如表1所示。

表1 物流业总产值与碳排放脱钩程度判定标准

2.3 回归模型

影响长江经济带物流碳排放的影响因素有很多，结合现有研究，本文选取物流规模（GDP）、能源结构（ERS）、城镇化水平（UR）、科技水平（TECH）、产业结构（IND）、碳排放效率（EE）为解释变量。其中，物流规模以物流业GDP的对数表示；能源结构以煤炭消费量占能源消费总量的比例表示；城镇化水平使用城镇人口占总人口的比例进行表示；科技水平以政府科技支出占政府一般预算支出的比例表示；产业结构以物流业GDP与总GDP的比值表示；碳排放效率用碳排放量与物流业GDP表示。

基于此，本研究提出研究假设。

假设一：物流规模、能源结构、城镇化水平、科技水平、产业结构和碳排放效率均与长江经济带的物流碳排放有正相关关系。并构建对长江经济带物流碳排放影响因素的多元回归方程，基本模型如下。

2.4 数据来源

本研究所使用的数据来源于《中国统计年鉴》《中国能源统计年鉴》《中国第三产业统计年鉴》《中国物流年鉴》。

3 实证分析

3.1 碳排放及其脱钩效应

利用公式（1）估算2010—2019年间长江经济带11个省物流业每年的碳排放量，再将2010—2019年这个时间段划分为2010—2013年、2013—2016年和2016—2019年三个时间段，运用公式（2）计算长江经济带11个省物流业碳排放脱钩系数。结果见表2。

由表2可知，长江下游地区中，上海市从2010—2013年间的强脱钩状态转变为2013—2016年的弱脱钩状态并一直保持，这表明上海市在此期间物流业的发展速度快于物流业的碳排放速度，即物流业碳排放的速度加快，但2016—2019年间脱钩系数变小，说明在此期间低碳发展取得了一些进步。江苏省从2010—2013年间的弱脱钩状态转变为2013—2016年间的扩张负脱钩状态并于2016—2019年间继续保持这种状态，这表明江苏省的物流业发展速度低于物流业碳排放速度，换言之，物流业碳排放在飞速发展，且没有下降趋势。浙江省在2010—2019年间内的脱钩状态由增长连接转变为弱脱钩状态，且脱钩系数保持下降趋势，说明浙江省物流业低碳发展取得了不错的成果。安徽省在2010—2019年间内的脱钩状态由扩张负脱钩转变为增长连接而后转变为弱脱钩状态，脱钩系数一直在下降，并且在2016—2019年间脱钩系数的下降幅度较大，这说明安徽省物流业经济发展速度加快且高于物流业碳排放速度，低碳发展状态很好，且在2016—2019年间取得较大进展。

表2 2010—2019年三个时间段内长江经济带11个省物流业碳排放的脱钩状

长江中游地区中，江西省在2010—2016年间虽然一直保持增长连接状态，但是脱钩系数增加了，这表明在此期间物流业发展速度低于碳排放增长速度，其在2016—2019年间转为弱脱钩状态，江西省物流业的碳排放速度降低。湖北省在2010—2019年间的脱钩状态由弱脱钩状态转变为扩张负脱钩而后又转变为弱脱钩状态，这表明湖北省物流业的碳排放速度先加快而后又低于物流业的经济发展速度，低碳发展在2016—2019年取得一定进展。湖南省在2010—2019年间由弱脱钩状态转变为扩张负脱钩的状态并保持，说明湖南省的物流业碳排放速度在逐步高于物流业经济发展速度，碳排放速度明显加快。

在长江上游地区，重庆市在2010—2019年间脱钩系数持续下降，表明重庆市物流业碳排放速度低于物流业经济发展速度，在此期间物流业的低碳发展态势较好。四川省在2010—2016年间由强脱钩状态转为增长连接，物流业的碳排放速度明显加快，2016—2019年间为强负脱钩状态，表明四川省物流业的经济发展水平降低。贵州省2010—2016年间由弱脱钩转变为增长连接状态，物流业的碳排放发展速度逐渐上升，而后在2016—2019年间转变为强负脱钩状态，说明贵州省在这一时期物流业的经济发展水平下降。云南省在2010—2019年间脱钩系数先上升后下降，由弱脱钩转变为增长连接又转变回弱脱钩状态，表明物流业的碳排放速度先上升后下降。

3.2 物流业碳排放影响因素

根据上文构建的计量模型，考察物流业碳排放的影响因素，即物流规模、能源结构、城镇化水平、科技水平、产业结构和碳排放效率是否与物流业碳排放有相关关系。本研究的豪斯曼检验结果显示应选用随机效应模型进行回归检验。结果如表3所示。

表3 回归分析结果

在回归结果中，长江经济带物流业的经济规模与物流业碳排放在1%的水平上显著正相关，说明物流规模的扩张将有效提高长江经济带的物流业碳排放水平。除此之外，能源结构和城镇化水平与物流业碳排放也在1%的水平上呈显著正相关的关系。可以认为，煤炭消费量占能源消费总量的比例越大，越容易提升物流业碳排放水平；城镇化水平的提升，增加城市人口与资源，城市间的人口及资源的流动将会使物流业碳排放增加，同时，城镇化发展也将会使消费模式发生变化，物流数量增加与物流水平的提高也促进了碳排放量的增加。科技水平在5%的水平上与物流业碳排放水平呈显著正相关关系，说明科技水平的提高会使得物流业的碳排放水平上升。产业结构和能源效率与物流业碳排放在5%的水平上呈显著负相关的关系，这表明物流业在长江经济带产业中所占比例越大，物流业的碳排放就越可能降低；单位能源消耗量所带来的物流业规模越大，物流业的碳排放就可能越低，故研究假设一部分成立。

在长江下游地区，物流业经济规模、城镇化水平在1%的水平上与物流业碳排放呈显著正相关关系；能源结构和产业结构在1%的水平上与物流业碳排放呈显著负相关关系；科技水平在10%的水平上与物流业碳排放呈显著负相关关系；能源效率与物流业碳排放呈正相关关系，但结果并不显著。这表明，物流规模发展越快所带来的物流业碳排放就越多；由于长江下游地区城镇化仍然处在飞速发展时期，所以其城镇化水平发展越快，所带来的物流业碳排放就越多；由于长江下游地区物流业所消耗的煤炭占比较小，所以煤炭消费量在能源消费总量的比例越大，就会降低物流业碳排放水平；科技发展越快，所带来的物流业碳排放可能就会越低，科技发展可能会带来减排新技术。

在长江中游地区，物流业经济规模、能源结构与物流业碳排放在1%的水平上呈显著正相关关系；产业结构在5%的水平上与物流碳排放呈显著正相关关系；城镇化水平与碳排放呈负相关关系，科技水平和能源效率与碳排放呈正相关关系，但结果都不显著。这表明，长江中游地区的物流规模发展越快，其所带来的碳排放就越多；煤炭消费量在能源消费中所占的比例越大，物流业碳排放就会越多，这可能是由于在物流业能源消费中煤炭占比相对较大引起的；物流业在产业结构中越重要，所带来的物流碳排放就会越多，说明在长江中游地区还是比较重视物流业发展状况。

在长江上游地区，物流业经济规模、城镇化水平与物流业碳排放分别在1%和5%的水平上呈正相关关系；产业结构与能源效率在1%的水平上呈负相关关系；能源结构与物流碳排放呈正相关关系，科技水平与碳排放呈负相关关系，但结果都不显著。这表明，物流规模越大、城镇化水平越高，物流业碳排放就可能会越大，长江上游地区的物流规模与城镇化仍在飞速发展中；物流业在产业结构中所占的比例越大，就会降低物流业碳排放水平。

4 研究结论与建议

本文基于2010—2019年数据测算出中国长江经济带11个省市物流业的碳排放量，运用Tapio脱钩模型分析长江经济带物流业碳排放的脱钩状态，并采用回归分析建立模型，分析物流规模、能源结构、城镇化水平、科技水平、产业结构和碳排放效率对物流业碳排放的影响。结果表明：长江经济带各省之间脱钩状态具有明显差异；长江经济带的物流规模、能源结构、城镇化水平、科技水平对该地区物流业碳排放水平有正向促进作用，产业结构和碳排放效率对长江经济带物流业碳排放水平有负向作用；影响因素对长江上中下游三个地区物流业碳排放的影响程度不同。

从脱钩结果来看，上海市、浙江省、重庆市和云南省的脱钩系数始终小于1，说明这些地区物流业的发展与环境形成良性互动。长江经济带大多省市在2010—2013年间保持强脱钩或者弱脱钩的状态，在2013—2016年间转变为增长连接或扩张负脱钩状态，在2016—2019年间又转变为弱脱钩状态，仅有江苏省和湖南省保持扩张负脱钩状态，表明长江经济带大部分省份的物流业碳减排工作取得了一定成效，如果继续保持这种趋势并且加大物流业碳减排工作力度，可以实现物流业碳减排与物流总产值的完全脱钩。仍保持扩张负脱钩状态的省份是未来物流行业减排的重点。长江经济带各省份物流业碳排放的差异在逐渐拉开，需要因地制宜采取物流业的减碳政策。

长江经济带物流业碳排放的影响因素方面，从整个流域状况来说，物流规模、能源结构、城镇化水平、科技水平对该地区物流业碳排放水平有正向促进作用，产业结构和碳排放效率对长江经济带的物流业碳排放水平有负向作用，对此，应适当降低煤炭在能源消耗总量中的占比，积极使用清洁能源与新能源，促进物流业能源结构的转型升级，在交通运输中可以使用清洁能源和可再生能源的新型电动与混合动力车辆。虽然科技水平总体上与物流碳排放呈正相关关系，但是在上中下流域的具体影响中以负向作用为主，且碳排放效率与物流业碳排放呈负向相关关系，故可以依托低碳技术的研发和推广，构建多元化的低碳技术体系来提高能源效率从而降低物流业的碳排放。物流企业可以在政府协助下积极自主研发低碳能源的核心技术，增加清洁能源的使用。政府方面应该推广物流环保节能的技术措施，参与制定物流行业能效和碳排放的标准，为物流业低碳转型提供技术支撑和政策支持。

本文分析长江经济带整体流域与上中下三个流域的物流碳排放的影响因素，探讨各个省份物流业碳排放脱钩状态的差异，以及影响因素在各流域的影响情况是否存在差异。但是并未针对具体省份开展影响因素分析，且本文只讨论了物流规模、能源结构、城镇化水平、科技水平、产业结构和碳排放效率对物流碳排放的影响状况，其他影响因素还需要做进一步研究讨论。