碳交易政策对绿色物流效率的影响

DOI：10.16601/j.cnki.issn2096-7330.2025.01.008" " ""文章编号：2096-7330（2025）01-0071-08

摘 要：通过分析2010—2021年中国30个省份的平衡面板数据，采用Super-SBM模型、多期双重差分（Difference-in-Difference，DID）模型和中介效应模型，实证分析碳交易政策对绿色物流效率的影响及其作用机制：碳交易政策显著提升了省域绿色物流效率，主要通过产业结构升级实现，而绿色技术创新在短期内未显现显著效果，甚至在某些情况下还产生了负面影响。异质性分析显示，该政策对东部地区和非资源型省份的促进作用更显著，对中西部及资源型省份效果较弱。继续完善碳交易市场机制、加大对绿色技术创新的支持力度和实施差异化政策，有利于提高实施碳交易政策对省域绿色物流效率的积极影响，推动区域绿色物流效率的提升。该研究为优化碳交易政策和推动绿色物流发展提供了理论支持。

关键词：碳交易政策；绿色物流；技术创新；产业结构；市场机制；差异化政策

中图分类号：F259.2；X322 文献标识码：A

0" "引言

为应对全球气候变化，中国政府提出了“碳达峰”“碳中和”目标，发布了《中共中央 国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》《2030年前碳达峰行动方案》。这2项关键政策文件旨在指导和推进国家的碳达峰和碳中和目标，为各行业的低碳转型提供了明确的方向。这些政策的实施给绿色物流的发展带来了重要影响。绿色物流的核心目标是通过减少物流活动中的能源消耗和碳排放，实现资源的高效利用。王长琼［1］指出，碳排放权交易制度能够激励企业优化物流网络，减少碳排放，提升能源效率。然而，关于碳交易政策对绿色物流效率的具体影响，现有研究并未达成共识。李进等［2］认为，物流业在应对碳排放要求时可能面临成本上升和结构调整的压力；而薛飞等［3］强调，碳交易机制可以激励企业技术创新，提升能源利用效率，进而促进物流效率的提升。

研究碳交易政策，不仅有助于深入理解该政策如何影响物流行业的运营模式和技术创新，而且对推动中国物流业的绿色转型和实现“双碳”目标具有重要意义。基于此，研究碳交易政策不仅有助于深入理解碳交易政策如何通过影响物流行业的运营模式和技术创新，也对推动中国物流业的绿色转型和实现“双碳”目标具有重要意义。本研究利用2010—2021年中国30个省份（不包括西藏自治区和港澳台地区）的面板数据，以碳交易政策试点为“准自然实验”，采用Super-SBM模型、多期双重差分（Difference-in-Difference，DID）模型和中介效应模型，深入分析碳交易政策对绿色物流效率的影响及其作用机制。

1" " 文献综述与理论分析

1.1" "文献综述

1.1.1" "绿色物流效率

当前，关于绿色物流效率的研究较为有限，主要集中在效率评价方法和影响因素上。Qin等［4］采用三阶段DEA模型对西北地区的绿色物流效率进行了评估，发现效率波动显著，绿色物流效率主要受政府支持力度和科技水平的影响。Gan等［5］对江西省11个城市的绿色物流效率进行了分析，结果显示南昌、新余和赣州位居前列。Yao等［6］采用非定向距离函数方法评估中国物流行业的绿色效率。杨粉香［7］则基于CRITIC法-VIKOR模型分析天津市绿色物流效率。杨博等［8］利用Super-SBM模型测算中国30个省份的绿色物流效率，探讨了绿色技术创新的影响。同样，武佩剑和何景师等［9-10］也应用了超效率SBM模型对中国各省的绿色物流效率进行了测度。综上，绿色物流效率的测度方法主要依赖于DEA及其变种模型，影响因素则包括经济发展水平、政府支持力度和技术创新等。

1.1.2" "碳交易政策

关于碳交易政策的研究逐渐从理论转向实证。任松彦等［11］指出，碳交易政策在广东省显著减少了碳排放。陆敏等［12］认为，碳交易机制通过优化能源结构和技术创新强化了环境治理。袁晓玲等［13］的研究则揭示了碳减排与经济增长之间的协同效应。此外，Streimikiene等［14］分析了欧洲碳交易政策的效果，发现其限制碳排放的作用有限，Ji等［15］认为碳税在减排效率上优于碳交易。Dong等［16］的研究显示，中国的碳交易政策有效降低了碳排放，并改善了空气质量。

1.1.3" "碳交易政策对绿色物流的影响

近年来，越来越多的研究开始关注碳交易政策与绿色物流的关系。Liu等［17］提出了联合配送与碳交易机制相结合的冷链物流模型。Zhu等［18］通过综合方法分析了碳交易机制对绿色发展的积极影响，并探讨了中国碳排放权交易对绿色发展效率的影响，结果表明区域碳平等和绿色效率均有改善。Wu等［19］研究了中国碳交易试点市场对区域绿色发展的影响，强调了协同减排的重要性。总体而言，碳交易政策有利于促进企业的绿色技术创新和产业结构优化，从而提高物流业的绿色效率。

综上，碳交易政策的实施在试点区域带动了工业互联网、新能源和新材料等新兴产业的快速发展，同时结合大数据和5G技术，提升了能源与环境管理能力，显著优化了绿色物流的效率。Porter等［20］提出，环境规制可以促使企业创新，从而提高生产效率。通过激励企业对低碳技术的投资，碳交易政策能够有效促进绿色物流效率的提升。此外，碳交易政策推动了传统产业的转型升级，并通过技术溢出效应提高了周边区域的物流效率与全要素生产率，不仅促进了技术扩散与产业优化，还显著提升了绿色物流效率，尤其是在高附加值产业与现代信息技术结合的领域表现尤为突出。Jaffe等［21］的创新激励理论指出，环境规制可通过技术创新降低企业运营成本，提高效率。碳交易政策从长期来看对绿色技术创新具有积极作用，尽管其短期成本较高。产业结构优化理论认为，淘汰高能耗产业、发展高新技术产业有助于提升物流效率。碳交易政策优化了物流产业结构，提升了绿色物流效率，并增强了区域协同效应。基于上述分析，提出以下假设：

H1：碳交易政策对绿色物流效率具有提升作用。

H2：碳交易政策通过绿色技术创新推动绿色物流效率的提高。

H3：碳交易试点政策优化产业结构并提升了绿色物流效率。

2" " 研究设计

2.1" "模型构建

依据《碳排放权交易管理暂行条例》《碳排放权交易管理试行办法》《全国碳排放权交易市场发展计划（针对发电业）》等相关法规，自2011年开始，中国在不同地区和城市分阶段推行了碳排放权的试验性项目。这一进程分为3个阶段：首批试点于2013年11月28日启动，北京市与其他4个省市同步开始试行；第二批试点于2014年4月2日由湖北省和重庆市共同牵头；第三批试点则在2016年于福建省和四川省启动。随着时间的推移，中国在不同的经济社会发展阶段面临不同的挑战和任务，因此，每一批碳交易政策的具体目标都有所区别，以适应当时的实际情况。

2.1.1" "基准模型构建

本项研究采用碳排放权交易政策的实施作为自然实验的契机，将执行该政策的城市划分为实验组，而未执行政策的城市则作为对照组。通过构建多时段双重差分（DID）模型，旨在揭示碳排放权交易政策对提升绿色物流效率的因果效应。

式中：egreen，it为省份i在年份t的绿色物流效率；pi pt为衡量政策实施效果的解释变量；Xit为控制变量；μi为省份固定效应；δt为年份固定效应；εit为随机误差项；β2为控制变量系数；β1为核心系数，旨在揭示碳交易政策对物流效率的影响；[β0]为常数。若β1gt;0且统计显著，则政策有效提升了效率；若β1=0，则政策影响不显著；若β1lt;0且显著，则政策抑制了效率提升。

2.1.2" "机制检验模型

为了验证碳交易政策对绿色物流效率的影响机制，本文参考了Baron等［22］的研究方法，并构建了以下机制检验模型

式中：Mit为中介变量（涵盖技术创新和产业升级）；γ1为核心系数；γ2、λ3为控制变量系数；λ1、λ2为影响系数；γ1表示碳交易政策对中介变量的影响程度；γ2表示碳交易政策对绿色物流效率的直接影响；λ2表示中介变量Mit对被解释变量egreen，it的影响；[γ0]、[λ0]为常数。

若在式（2）、式（3）中λ1显著，即表明核心解释变量pi pt对被解释变量egreen，it有显著影响；若λ2显著，则中介变量Mit对egreen，it有显著影响；当λ1和λ2均显著时，说明核心解释变量pi pt通过中介变量Mit对egreen，it产生显著影响，

2.2" "变量设定

2.2.1" "被解释变量

根据杨乐乐等［23］的研究，如表1所示，本研究选取“物流行业固定资产投资”“物流业从业人员数量”“物流业能源消耗量”作为投入类指标，“物流业增加值”“货运周转量”作为期望产出类指标，“碳排放量”则作为非期望产出类指标，进一步发展了一套评估绿色物流效率的指标体系。利用这一体系，通过应用SBM-GML方法论，对绿色物流的效率进行了量化分析。

2.2.2" "解释变量

本研究的核心解释变量为pi pt，其取值依据由省份是否实施了碳交易政策来确定。当某一省份实施了碳交易政策时，该变量取值为1，反之为0。中国的碳交易政策自2013年11月开始实施，首先在北京市试点，随后逐步扩展至其他7个省份。因此，本研究选择2014年作为基准时间点。由于福建省和四川省于2016年引入了碳交易政策，所以本研究将从2016年起的变量pi pt在这些省份的取值为1。

2.2.3" "控制变量

绿色物流效率受多种因素的影响，根据Chen等［24］的研究，选取如下变量作为控制变量：

1） 经济发展水平：人均GDP作为衡量地区经济发展的关键指标，其提升在物流领域内通常与增加的消费能力和物流需求相关，进而推动物流业发展。然而，物流业的绿色转型需与经济增长同步，以防资源过度消耗和环境污染问题恶化。因此，为实现可持续发展，人均GDP增长应与绿色物流进步并行［23］。

2） 物流环境规制强度：物流环境规制强度可通过碳排放量与物流产业增加值的比率进行衡量，反映物流行业在增加值创造过程中的环境影响。较高的环境规制强度能够有效促使物流企业采用清洁高效的技术与管理措施，从而降低碳排放。研究表明，环境规制对物流业的绿色全要素生产率具有显著的正向作用，尤其在滞后期，规制效果更加明显。

3） 物流业能源生产率：物流业能源生产率是物流业产出与能源消耗的比值，反映能源使用效率。高能源生产率意味着在相同产出下能源消耗减少，体现节能减排的进展。本研究采用该比值衡量物流业能源生产率。

4） 物流运输强度：物流运输强度通过货运周转量与地区生产总值的比值衡量，反映物流活动在经济中的占比。《“十四五”现代物流发展规划》指出，较高的运输强度表明物流业的重要性及运输效率提升的需求。本研究采用该比值作为物流运输强度的指标。

5） 国内专利申请授权量：国内专利申请授权量作为国家或地区创新活动强度的度量，对于物流领域而言，体现了物流技术创新与管理模式创新的能力。

6） 中介变量：M1为绿色技术进步衡量指标。绿色技术进步涉及生产与消费环节中减少环境负面影响、提升资源效率、降低能耗和减排的技术革新。其衡量指标包括专利授权量、绿色产品数量和清洁能源使用比率等［25-26］。本研究通过国际专利分类中环境技术领域的绿色发明专利授权量来量化绿色技术发展水平。M2为产业结构调整衡量指标，产业结构调整可通过第二产业占GDP产值的比重来衡量，此比值显示工业部门在经济中的比重及其对增长的贡献。

2.2.4" "数据来源与描述性统计

鉴于省际数据的研究中，西藏自治区和港澳台地区数据缺失与数据统计口径不一，因此对这些地区不进行考察。同时，鉴于部分省份和城市在2022年的相关数据还未对外发布，本研究决定采用中国30个省份2010—2021年的面板数据作为研究对象。关于绿色物流效率的指标数据，本研究主要依据《中国统计年鉴》、《中国能源年鉴》、中国经济社会大数据研究平台等权威资料。此外，数据来源同样涵盖了各省份的年度统计报告、地方统计局公布的数据，以及由马克数据网供应的信息。针对数据中的空缺，本研究运用了插值技术来填补。各变量的描述性统计分析如表2所示。

3" " 实证结果分析

3.1" "基准回归结果

本研究对样本数据进行了多期双重差分（DID）实证分析，并结合Stata数据分析软件，得出碳交易政策对各省绿色物流效率的基准回归结果，如表3所示。

表3表示2种基准回归模型（高维回归和面板回归模型）的回归结果，这2种回归模型的主要区别是面板回归模型额外控制了年份虚拟变量，也就意味着面板回归模型较高维回归模型更多控制了年份的影响。而对于核心解释变量pi pt，其估计系数为0.355，并且该系数在10%的显著性水平下是统计显著的。这说明，碳交易政策能显著提高绿色物流效率，在充分考虑了其他因素的情况下，该政策使得试点省域的绿色物流效率比非试点省域平均提高0.355个单位。

3.2" "平行趋势检验

多期双重差分模型的核心前提为平行趋势假说，即在低碳交易政策执行前后，试点地区与非试点地区之间的绿色交通趋势应一致。根据这一假定，本研究还开展了平行方向试验，其研究模式表示如下

式中：α为常数项；β-3—β-1、β-1—β3分别为碳交易政策执行的前3年到后3年的系数；当j = 0时，β0为地方政府当年系数（实施政策的那一年）。平行趋势检验的结果如图1所示。

碳交易政策实施前3年到实施后第1年的回归系数并未达到显著水平，这表明在政策引入之前，控制组与处理组在省域绿色物流效率的变化趋势上没有显著差异，满足了平行趋势检验的基本要求。然而，政策的效果存在一定的滞后性。在政策实施之后，每年的政策效应均显著为正，且呈现逐年递增的态势，这说明碳交易试点政策对省域绿色物流效率的提升作用随着时间的推移而逐步加强。

3.3" "稳健性检验

为了进一步检验结果的可靠性，本研究进行一系列稳健性检验。

3.3.1" "安慰剂检验

为确保本研究的结果不受时间变化因素的影响，本研究执行了时间安慰剂检验，以排除控制组和对照组间因时间变换引起的绿色物流效率差异。基于平行趋势检验的初步结果，人为设定了虚假的政策实施时间，将碳交易政策的启动时间分别提前2年和4年进行模拟。在这2种情景下，碳交易政策与绿色物流效率的交互作用均未显示出统计学上的显著性，表明实际观察到的效果不是由其他时间相关因素造成的，从而验证了研究结果的稳健性。这一发现进一步强化了碳交易政策对提升绿色物流效率影响的真实性。

本研究采用2种基准回归模型对部分可观测变量进行了控制，但不可控因素的干扰仍可能导致基准回归结果存在偏差。因此，在本研究中，本文对实验组进行了随机分配并采取了随机抽样的方法。在此基础上，本文执行了500次的回归分析，目的是验证随机分配后的主要解释变量的系数是否趋近于0。回归系数的分布特征如图2所示。

在实施了500次随机抽样的过程后，关键解释变量的估计系数大多聚集在零值附近，且分布形态符合正态分布的特点。这一结果支持了本研究个体层面安慰剂测试的有效性。进一步分析表明，随机抽样处理后，尚未观测的省份特征对回归结果不会造成潜在影响，从而验证了基准回归结果的稳健性。

3.3.2" "排除其他政策干扰项

为了排除其他政策对绿色物流效率的干扰，本文引入了绿色金融政策（2015年后）和新能源补贴政策（2016年后）的时间虚拟变量进行控制。稳健性检验结果显示，在控制这些因素后，碳交易政策对绿色物流效率的正向影响方向保持稳定，其系数为0.075 7，虽然未达到统计显著性（P=0.524），但系数保持正向，符合预期。这表明，碳交易政策在提升绿色物流效率方面具有一定的独立性和稳健性。同时，绿色金融政策（系数为-0.080 0，P=0.679）和新能源补贴政策（系数为0.098 5，P=0.606）的影响不显著，这进一步支持了碳交易政策作为影响绿色物流效率的独立因素。

3.3.3" "PSM-DID检验

为降低样本选择偏差导致的潜在内生性问题，本研究采用了倾向得分匹配（Propensity Score Matching， PSM）与双重差分（PSM-DID）相结合的方法进行了深入分析。相关的回归分析结果如表4所示。分析结果揭示，变量pi pt的回归系数达到了0.321 0，且在5%的显著性水平下呈现出显著的正向关联。这表明，碳交易试点政策的实施能够显著提升绿色物流效率，验证了本文研究结果的稳健性。

3.3.4" "异质性检验

在本项研究中，遵循了中国“七五”规划期间确立的地域划分标准，将北京市、天津市、上海市和广东省界定为东部区域，同时将湖北省划归为中部区域，而重庆市被划分至西部地区。在此基础上，本项研究深入分析了碳排放权交易政策在各地区对绿色物流效率的影响。回归结果显示，碳交易政策的实施对东部地区绿色物流效率的正向影响显著，回归系数为0.147 5，并在5%显著性水平（t值为2.24）上显著。这主要由于东部地区集中了大部分碳交易试点省市，因此该地区得益于其较高的经济发展和科技水平，营造了一个有利于物流行业向绿色模式转型的环境，这有助于推动绿色物流的增长及其效率的增强。

但碳交易试点政策对于中部地区绿色物流效率没有明显作用（回归系数为0.070 7，t值为0.86），对西部地区的影响同样未达到统计显著性（回归系数为0.073 1，t值为1.16）。其原因可能在于中、西部地区对于碳交易市场不够重视，再加上两大区域经济发展落后和科技研发投入不到位等，造成先进绿色技术比较匮乏，高素质人才资源匮乏，因此，碳排放权交易试验政策对提升绿色物流效率的效果表现出一定的延迟。

3.3.5" "作用机制检验

为了进一步揭示碳交易政策如何通过具体机制影响绿色物流效率，该研究利用中介效应模型来验证其作用机制，专注于分析碳排放权交易政策如何通过绿色技术革新和产业结构优化2个中介因素来发挥作用。机制检验结果如表5所示。

作用机制的检验结果表明，碳排放权交易政策通过促进产业结构的优化显著提高了绿色物流的效率，然而，在短期内绿色技术的创新尚未显示出明显的正面影响，甚至在一定程度上对绿色物流效率产生了负面影响。在短期内，绿色技术创新可能对绿色物流效率产生负面影响，这主要是因为绿色技术的研发与应用往往需要高额成本，且其实施周期较长，同时技术扩散不足的问题也限制了其效益的发挥。此外，物流行业对绿色技术的吸收能力较弱，配套政策支持的不足，也可能导致绿色技术在短期内难以展现其积极作用。

4" " 研究结论与建议

4.1" "研究结论

本项研究利用了2010—2021年中国30个省份的均衡面板数据，应用了多时段双重差分（DID）分析框架，实证分析了碳交易政策对各省域绿色物流效率的因果影响，以深入探讨政策的具体作用机制及其异质性效应。主要研究结论如下：碳交易政策的实施对省域绿色物流效率产生了显著的正向影响，明显提升了区域绿色物流效率，在政策试点区域中表现尤为显著。检验作用机制的数据揭示，碳排放权交易政策主要通过推动产业结构的优化，进而提高绿色物流的效率。然而，绿色技术创新在短期内未展现出显著的正向作用，反而因技术研发和实施成本较高，短期内对绿色物流效率产生了一定的抑制效应。进一步异质性分析表明，碳排放权交易政策对东部地区和非资源依赖型省份绿色物流效率提升效果较为显著，但在中、西部地区以及资源依赖型省份，其作用相对较弱。这可能与东部地区更高的经济发展水平、技术创新能力以及政策执行力度有关，而中、西部地区在科技投入和政策执行上则相对滞后。

4.2" "建议

1） 继续完善碳交易市场机制。应进一步健全碳交易市场的制度设计，完善绿色物流行业碳排放核算和交易标准，推动更多物流企业参与碳交易市场，实现绿色转型。应进一步优化碳配额的分配方式，增强碳市场的透明度和公平性，激励企业通过优化资源配置和改善物流网络来实现低碳目标。同时，政府应加强对企业碳排放的监督和管理，建立相应的奖惩机制，鼓励企业主动减排。

2） 加大对绿色技术创新的支持力度。政府可以出台相应的政策激励措施，促进物流企业加大对绿色技术的研发投入，尤其要推动清洁能源技术和绿色生产工艺的应用，降低绿色技术实施的成本。政府可以设立专项基金，以支持企业在绿色技术方面的创新和研发，特别是在绿色能源、低碳运输工具和智能化物流管理系统等领域，需要进一步通过税收优惠和提供优惠贷款等措施，为企业提供绿色研发项目的资金援助，旨在降低技术革新的门槛，并保证环保技术被广泛采纳。

3） 实施差异化政策。根据不同地区的经济基础和产业特征，实施更具针对性的碳交易政策。东部地区应继续发挥技术创新优势，加大对先进绿色技术和设备的投资，形成绿色物流的标杆示范作用。而中、西部地区由于经济和技术发展相对滞后，应重点通过政策扶持和资金支持来提升基础设施和技术水平，增强对绿色物流转型的适应能力。政府应鼓励区域间的合作，推动东部地区的先进技术和管理经验向中、西部扩散，实现区域协调发展，最终整体提升全国的绿色物流效率。

参考文献：

［1］ 王长琼.绿色物流的内涵、特征及其战略价值研究［J］.中国流通经济，2004（3）：13-15.

［2］ 李进，张江华.碳交易机制对物流配送路径决策的影响研究［J］.系统工程理论与实践，2014，34（7）：1779-1787.

［3］ 薛飞，周民良.中国碳交易市场规模的减排效应研究［J］.华东经济管理，2021，35（6）：11-21.

［4］ QIN W， QI X L. Evaluation of green logistics efficiency in Northwest China［J］. Sustainability， 2022， 14（11）： 6848.

［5］ GAN W H， YAO W P， HUANG S Y. Evaluation of green logistics efficiency in Jiangxi Province based on Three-Stage DEA from the perspective of high-quality development［J］. Sustainability， 2022， 14（2）： 797.

［6］ YAO X， CHENG Y Y， ZHOU L， et al. Green efficiency performance analysis of the logistics industry in China： based on a kind of machine learning methods［J］. Annals of operations research， 2022， 308： 727-752.

［7］ 杨粉香.基于CRITIC法-VIKOR模型的天津绿色物流效率评价研究［J］.全国流通经济，2024（3）：40-43.

［8］ 杨博，王征兵.绿色技术创新对生鲜农产品绿色物流效率的影响：基于产业集聚的调节效应［J］.中国流通经济，2023，37（1）：60-70.

［9］ 武佩剑，薛建涛，朱岚岚.中国绿色物流效率评价与提升路径研究［J］.安徽理工大学学报（社会科学版），2022，24（6）：10-21.

［10］ 何景师，王术峰，徐兰.碳排放约束下我国三大湾区城市群绿色物流效率及影响因素研究［J］.铁道运输与经济，2021，43（8）：30-36.

［11］ 任松彦，戴瀚程，汪鹏，等．碳交易政策的经济影响：以广东省为例［J］．气候变化研究发展，2015 （1）：61-67．

［12］ 陆敏，徐好，陈福兴. “双碳”背景下碳排放交易机制的减污降碳效应［J］. 中国人口·资源与环境， 2022， 32（11）：121-133.

［13］ 袁晓玲，郗继宏，钟楚潮，等. 中国城市“减污降碳”协同驱动因素及实现路径研究［J］. 管理学刊， 2023，36（4）：26-46.

［14］ STREIMIKIENE D， ROOS I. GHG emission trading implications on energy sector in Baltic States［J］. Renewable and sustainable energy reviews， 2009， 13（4）：854-862.

［15］ JIA Z， LIN B. Rethinking the choice of carbon tax and carbon trading in China［J］. Technological forecasting and social change， 2020 （159）：120187.

［16］ DONG Z， XIA C， FANG K， et al. Effect of the carbon emissions trading policy on the co-benefits of carbon emissions reduction and air pollution control［J］. Energy policy， 2022（165）：112998.

［17］ LIU G， HU J， YANG Y， et al. Vehicle routing problem in cold chain logistics： a joint distribution model with carbon trading mechanisms［J］. Resources， conservation and recycling， 2020， 156： 104715.

［18］ ZHU B， ZHANG M， HUANG L， et al. Exploring the effect of carbon trading mechanism on China’s green development efficiency： a novel integrated approach［J］. Energy economics， 2020， 85： 104601.

［19］ WU Q， TAMBUNLERTCHAI K， PORNCHAIWISESKUL P. Examining the impact and influencing channels of carbon emission trading pilot markets in China［J］. Sustainability， 2021， 13（10）： 5664.

［20］ PORTER M E， LINDE C V D. Toward a new conception of the environment-competitiveness relationship［J］. The journal of economic perspectives， 1995， 9（4）： 97-118.

［21］ JAFFE A B， NEWELL R G，STAVINS R N. Dynamic incentives of environmental regulations： the effects of alternative policy instruments on technology diffusion［J］. Journal of environmental economics and management， 1995， 29（3）： 43-63.

［22］ BARON R M，KENNY D A.The moderator⁃mediator variable distinction in social psychological research：conceptual，strategic，and statistical considerations［J］. Journal of personality and social psychology，1986，51（6）：1173-1182.

［23］ 杨乐乐，徐超毅.物流业绿色效率发展评价研究：以山东省为例［J］.西昌学院学报（自然科学版），2022，36（3）：27-33.

［24］ CHEN B， LIU F， GAO Y， et al. Spatial and temporal evolution of green logistics efficiency in China and analysis of its motivation［J］. Environment， development and sustainability， 2024， 26（2）： 2743-2774.

［25］ 郑茜文，秦琳贵.绿色发展视角下环境规制对京津冀物流业的影响研究［J］.生态经济，2021，37（12）：61-66.

［26］ CHE L， BAI Y P， ZHOU L， et al. Spatial pattern and spillover effects of green development efficiency in China［J］. Scientia geographica sinica， 2018， 38（11）： 1788-1798.

［责任编辑：许春慧］

收稿日期：2024-08-09

基金项目：广西硕士研究生创新项目“‘双碳’目标下碳排放交易机制对减污降碳的协同效应与实现路径研究”（YCSW2024481）；广西哲学社会科学规划研究课题“‘双碳’目标下农产品低碳物流若干决策问题研究”（22FGL036）；高校智慧物流技术重点实验室开放课题“数智化背景下广西航空物流产业生态圈构建研究”（2024-6）

通信作者：胡建平，广东工贸职业技术学院副教授，电子邮箱为290823773@qq.com。