姚冠新 ，趙子琪 ，胡百靈

（1.江蘇大學(xué) 管理學(xué)院，江蘇 鎮(zhèn)江 212013；2.揚(yáng)州大學(xué) 農(nóng)學(xué)院，江蘇 揚(yáng)州 225000）

中國(guó)農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)增長(zhǎng)的脫鉤趨勢(shì)研究

姚冠新1，2，趙子琪1，胡百靈1

（1.江蘇大學(xué) 管理學(xué)院，江蘇 鎮(zhèn)江 212013；2.揚(yáng)州大學(xué) 農(nóng)學(xué)院，江蘇 揚(yáng)州 225000）

文章是在測(cè)算我國(guó)2000-2015年農(nóng)村物流碳排放的基礎(chǔ)上，通過STIRPAT隨機(jī)模型研究影響農(nóng)村物流碳排放的因素，并利用TAPIO模型從中國(guó)八大經(jīng)濟(jì)區(qū)視角分析了農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)增長(zhǎng)的脫鉤趨勢(shì)。結(jié)果表明：地區(qū)經(jīng)濟(jì)是影響農(nóng)村物流碳排放的首要因素，2006年之前中國(guó)整體呈現(xiàn)擴(kuò)張負(fù)脫鉤的狀態(tài)，主要原因是“十五”期間國(guó)家通過各種措施大力發(fā)展經(jīng)濟(jì)，伴隨著物流業(yè)及電子商務(wù)的發(fā)展，農(nóng)村物流碳排放增長(zhǎng)速率大于經(jīng)濟(jì)增長(zhǎng)速度；2006年之后除了大西北、西南地區(qū)部分省份處于增長(zhǎng)連接狀態(tài)，大部分地區(qū)都實(shí)現(xiàn)了弱脫鉤。

農(nóng)村物流；碳排放；地區(qū)經(jīng)濟(jì)；脫鉤趨勢(shì)

一、問題提出及文獻(xiàn)綜述

從1997年各國(guó)在日本簽訂《京都議定書》到2009年的“哥本哈根世界氣候大會(huì)”，再到2015年的“巴黎氣候大會(huì)”，國(guó)際上對(duì)碳排放的關(guān)注度越來越高，在對(duì)碳排放總量進(jìn)行測(cè)量的基礎(chǔ)上，氣候大會(huì)組織對(duì)各個(gè)成員國(guó)提出了減排量的目標(biāo)。中國(guó)在國(guó)際減排的大背景下與美國(guó)共同發(fā)表《中美氣候變化聯(lián)合聲明》，并提出到2030年中國(guó)二氧化碳排放達(dá)到峰值，單位國(guó)內(nèi)生產(chǎn)總值二氧化碳排放相比2005年下降60%～65%。農(nóng)村物流作為農(nóng)村碳排放量的首要貢獻(xiàn)者，連接著農(nóng)村向城市輸送新鮮農(nóng)產(chǎn)品、城市供給農(nóng)村日用生活用品及農(nóng)資生產(chǎn)資料雙向流通渠道，對(duì)地區(qū)經(jīng)濟(jì)發(fā)展起著不可忽略的作用。同樣，地方經(jīng)濟(jì)的發(fā)展也會(huì)擴(kuò)大農(nóng)村物流碳排放規(guī)模，影響中國(guó)整體碳減排目標(biāo)的實(shí)現(xiàn)。因此，研究中國(guó)農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)增長(zhǎng)的脫鉤趨勢(shì)意義深遠(yuǎn)且非常必要。

大部分基于脫鉤理論對(duì)碳排放與經(jīng)濟(jì)增長(zhǎng)進(jìn)行研究的文章多聚焦于整個(gè)國(guó)家或某個(gè)省市，如馮宗憲（2015）［1］等人從中國(guó)中東西部、省際地區(qū)的視角分析了國(guó)家碳排放與地區(qū)經(jīng)濟(jì)的脫鉤趨勢(shì)，并通過LM?DI方法證實(shí)了能源是進(jìn)行脫鉤的關(guān)鍵因素；王淑納（2014）［2］等人研究了中國(guó)河南、山東、甘肅等省份的碳排放與經(jīng)濟(jì)增長(zhǎng)的脫鉤狀態(tài)，結(jié)果表明各個(gè)省份所處的脫鉤階段有很大差別，如河南按照時(shí)間推移整體上呈弱脫鉤狀態(tài)，而山東省則經(jīng)歷了脫鉤的四個(gè)階段，這提示我們考慮全國(guó)農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)關(guān)系的時(shí)候不能一刀切，要從不同地區(qū)實(shí)際發(fā)展情況來分析。

而基于具體行業(yè)分析其運(yùn)作過程的碳排放與地區(qū)經(jīng)濟(jì)增長(zhǎng)關(guān)系的相對(duì)較少，尤其是農(nóng)村地區(qū)，由于數(shù)據(jù)的可得性及調(diào)查的難度鮮有人研究。唐建榮（2014）［3］基于脫鉤理論從時(shí)間和空間兩個(gè)方面研究了物流業(yè)低碳遂穿路徑行為，并根據(jù)庫茲涅曲線對(duì)物流業(yè)實(shí)現(xiàn)遂穿提出可行性意見；苑清敏（2016）［4］以京津冀物流業(yè)為對(duì)象，基于OECD脫鉤指數(shù)模型得到京津冀物流業(yè)碳排放與經(jīng)濟(jì)發(fā)展的脫鉤程度具有階段性，且能源效應(yīng)對(duì)強(qiáng)弱脫鉤的轉(zhuǎn)變起關(guān)鍵作用；金鳳花（2016）［5］在對(duì)比發(fā)達(dá)國(guó)家碳排放影響效應(yīng)的基礎(chǔ)上采用脫鉤彈性理論分析了我國(guó)1997-2014年間區(qū)域物流碳排放脫鉤狀態(tài)。

綜上所述，研究農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)發(fā)展關(guān)系的文獻(xiàn)相對(duì)較少，且時(shí)間序列數(shù)據(jù)解釋力較弱。大多數(shù)研究集中于國(guó)家或省市層面的碳排放與地區(qū)經(jīng)濟(jì)增長(zhǎng)關(guān)系，這些研究對(duì)探討經(jīng)濟(jì)發(fā)展與碳排放的脫鉤關(guān)系提供了一些建設(shè)性意見。農(nóng)村物流作為地區(qū)經(jīng)濟(jì)發(fā)展的重要指標(biāo)，對(duì)經(jīng)濟(jì)發(fā)展起著不可忽略的作用，研究?jī)烧叩拿撱^趨勢(shì)可以有效緩解經(jīng)濟(jì)發(fā)展與生態(tài)環(huán)保的矛盾，同時(shí)促進(jìn)地區(qū)經(jīng)濟(jì)結(jié)構(gòu)化進(jìn)程，早日實(shí)現(xiàn)農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)的強(qiáng)脫鉤。

二、數(shù)據(jù)來源及碳排放測(cè)算

（一）數(shù)據(jù)來源

本文2000-2015年碳排放測(cè)算相關(guān)數(shù)據(jù)來自“中華人民共和國(guó)統(tǒng)計(jì)局統(tǒng)計(jì)數(shù)據(jù)”，其中平均低位發(fā)熱值、碳排放因子等來自《中華人民共和國(guó)國(guó)家標(biāo)準(zhǔn)GB/T2008綜合能耗計(jì)算通則》；農(nóng)村物流碳排放影響因素中鄉(xiāng)村人口、地區(qū)經(jīng)濟(jì)、能源消耗規(guī)模等值來源于《國(guó)家統(tǒng)計(jì)年鑒》，其中地區(qū)經(jīng)濟(jì)以農(nóng)林牧漁業(yè)總產(chǎn)值代替，農(nóng)村物流能源消費(fèi)總量由交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)能源消費(fèi)總量代替。由于部分年份及港澳臺(tái)地區(qū)數(shù)據(jù)缺失，本文在分析八大地區(qū)經(jīng)濟(jì)與碳排放關(guān)系時(shí)只考慮2004-2015年的脫鉤彈性指標(biāo)。

（二）農(nóng)村物流碳排放計(jì)算

其中，C總表示農(nóng)村物流碳排放總量（萬噸）；Ei表示農(nóng)村物流運(yùn)輸、倉(cāng)儲(chǔ)過程中各能源消耗量；ηi為各能源的標(biāo)準(zhǔn)煤轉(zhuǎn)化系數(shù)；表示能源i的碳排放系數(shù)（kg-CO2/kg）：其中CFi表示能源i的碳排放因子（kgCO2/TJ/103）；Oi為能源i的氧化率，Hi是平均低位發(fā)熱值。各能源碳排放系數(shù)計(jì)算參數(shù)見表1所列。

表1 能源碳排放系數(shù)

將各因子參數(shù)與各能源消費(fèi)總量代入公式（1）計(jì)算可得到2000-2015年間農(nóng)村物流的碳排量，結(jié)果見表2所列。從表中可以看出，從2000年到2015年間農(nóng)村物流碳排放總體呈上升趨勢(shì)，盡管我國(guó)一直在提倡節(jié)能減排、鼓勵(lì)創(chuàng)新技術(shù)減少各環(huán)節(jié)的碳排放量，但在農(nóng)村物流方面的減排效果不甚明顯，因此有必要找出驅(qū)動(dòng)農(nóng)村物流碳排放的因素，從根本上解決問題。

圖1為2000-2015年農(nóng)村物流能源碳排放量及增長(zhǎng)率。

表2 2000-2015年農(nóng)村物流能源碳排放量 萬噸

圖1 2000-2015年中國(guó)農(nóng)村物流碳排放量及增長(zhǎng)率

從圖1中可以看出，中國(guó)農(nóng)村物流碳排放從2001年的23 430.67萬噸增長(zhǎng)到2015年的73 017.90萬噸，碳排放總量總體上呈上升趨勢(shì)，但增長(zhǎng)的速度圍繞8.64%上下波動(dòng)。2003年碳排放總量相較上一年增加3 632.13萬噸，筆者通過搜集資料發(fā)現(xiàn)，2003年農(nóng)村物流發(fā)展是最為迅速的一年，增長(zhǎng)速率達(dá)到近幾年的峰值，表明“十五”期間我國(guó)總體上還處于“高能耗、高排放、高污染”的階段，而2008年是一個(gè)較為明顯的轉(zhuǎn)折點(diǎn)，碳排放量為49 098.62萬噸，2009年為49 303.41萬噸，農(nóng)村物流碳排放增長(zhǎng)率基本為0，說明北京奧運(yùn)會(huì)的舉辦附帶效應(yīng)是各行各業(yè)為環(huán)保減少碳排放、“十一五”期間國(guó)家制定的節(jié)能減排目標(biāo)取得了一定的成效。2009年到2012年間碳排放增長(zhǎng)率有所回升，但和“十五”期間相比，總體增長(zhǎng)速度比較平緩，一直到近兩年可以看出雖然農(nóng)村物流碳排放仍然在增長(zhǎng)，但增長(zhǎng)速率卻在直線下降，到2015年僅為2.1%，說明國(guó)家節(jié)能減排政策、清潔能源使用及創(chuàng)新技術(shù)的實(shí)施產(chǎn)生了一定的效果，但還有待進(jìn)一步提高。

三、中國(guó)農(nóng)村物流碳排放影響因素分析

（一）STIRPAT隨機(jī)模型

在分析農(nóng)村物流碳排放與經(jīng)濟(jì)增長(zhǎng)間的脫鉤關(guān)系前，需要探討影響中國(guó)農(nóng)村物流碳排放的諸多因素及驗(yàn)證經(jīng)濟(jì)增長(zhǎng)是否為驅(qū)動(dòng)物流碳排放的首要原因。研究二氧化碳排放驅(qū)動(dòng)因素的理論框架主要有日本學(xué)者Yoichi Kaya提出的Kaya恒等式［7］及STIR?PAT理論［8］。Kaya形變恒等式在原有模型的基礎(chǔ)上分析與碳排放相關(guān)的諸因素有操作簡(jiǎn)單、邏輯清晰的優(yōu)勢(shì)，但涉及的相關(guān)變量過少，且更傾向于定性分析，而STIRPAT隨機(jī)模型采用定量方式分析，結(jié)果更為可靠，因此本文采用后者解決我國(guó)農(nóng)村物流碳排放驅(qū)動(dòng)因素的問題。

Ehrlich P R在1971年提出了分析碳排放的驅(qū)動(dòng)因素的IPAT模型，鑒于原始模型只是簡(jiǎn)單地認(rèn)為人口因素P（Population）、人均財(cái)產(chǎn)A（Affluence）、技術(shù)發(fā)展T（Technology）和環(huán)境影響I（Impact）呈普通的彈性關(guān)系，與現(xiàn)實(shí)不符。因此部分學(xué)者提出了改進(jìn)的STIRPAT隨機(jī)模型，結(jié)合本課題，改進(jìn)模型的公式表述如下：

例如：在對(duì)畬族的少數(shù)民族女生進(jìn)行體育教學(xué)時(shí)，我發(fā)現(xiàn)畬族有許多富有民族特色的體育活動(dòng)。我就引入了她們民族特有的“穩(wěn)凳”活動(dòng)，讓女生們兩人為一組，通過不斷的翻轉(zhuǎn)將攜帶的20多個(gè)套圈拋擲指定的旗桿上，以拋擲到準(zhǔn)確位置多的小組獲勝。通過這樣的一次小小的活動(dòng)，畬族的女生們表現(xiàn)了極大的運(yùn)動(dòng)興趣，她們積極的參與，積極性幅度提高。更為重要的是，這種充滿民族特色的運(yùn)動(dòng)，還能夠很好的鍛煉女生們的團(tuán)隊(duì)協(xié)作能力，身體的協(xié)調(diào)、平衡能力和身體的靈敏程度，以及肢體各部位的力量?？芍^是一舉多得的方法。

公式兩邊取自然對(duì)數(shù)：

其中，i代表年份（2000-2015年）；C表示農(nóng)村物流碳排放量；P表示農(nóng)村人口規(guī)模；G表示地區(qū)經(jīng)濟(jì)；E表示能源規(guī)模；a=lnα是常數(shù)項(xiàng)；βi表示各變量的待估系數(shù)；ε=lnr表示隨機(jī)誤差。從國(guó)際氣候大會(huì)召開以來，中國(guó)在應(yīng)對(duì)氣候變化方面實(shí)施了約束措施，并在國(guó)家的“十二五”規(guī)劃中提出“節(jié)能減排”的重大策略，以期加快調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，累計(jì)減排2.8億二氧化碳當(dāng)量，因此國(guó)家政策對(duì)碳排放起一定的抑制作用，為了在計(jì)量分析中反映出國(guó)家政策對(duì)農(nóng)村物流碳排放的影響，引入政策虛擬變量D。中國(guó)正式提出“節(jié)能減排”并落實(shí)到政策和行動(dòng)中是“十一五”期間，并在“十二五”進(jìn)一步加緊落實(shí)，因此本文將2005年之后的政策虛擬變量設(shè)為1，其余時(shí)間設(shè)為0，預(yù)期符號(hào)為負(fù)。改進(jìn)的IPAT模型涵蓋了驅(qū)動(dòng)農(nóng)村物流碳排放各因素之間已知和未知的關(guān)系。

以農(nóng)林牧漁業(yè)總產(chǎn)值代替地區(qū)經(jīng)濟(jì)，交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)能源消費(fèi)總量代替農(nóng)村物流能源消費(fèi)總量，農(nóng)村人口規(guī)模就以國(guó)家統(tǒng)計(jì)局統(tǒng)計(jì)的鄉(xiāng)村人口數(shù)為準(zhǔn)。根據(jù)Kaya和STIRPAT理論模型，結(jié)合農(nóng)村物流的特殊情況對(duì)模型進(jìn)行改進(jìn)以展開調(diào)查，可以得到驅(qū)動(dòng)農(nóng)村物流碳排放的因素為農(nóng)村人口規(guī)模、地區(qū)人均GDP及能源強(qiáng)度。

（二）實(shí)證結(jié)果分析

根據(jù)表達(dá)式（3）中β2、β3、β4的符號(hào)可以判斷農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)的發(fā)展關(guān)系［9］，如果β2＞0,β3＜0,且β4=0,則C與G之間呈倒U型曲線；若β2＜0,β3＞0,且β4=0,則C與Y之間呈 U 型曲線；若β2＞0,β3＜0,且β4＞0,則C與Y之間為正N型關(guān)系；反之，若β2＜0,β3＞0,且β4＜0,則C與Y呈倒N型關(guān)系。本文采用stata軟件對(duì)農(nóng)村物流碳排放及地區(qū)經(jīng)濟(jì)的關(guān)系進(jìn)行回歸分析及hausman檢驗(yàn)，模型運(yùn)行結(jié)果見表3所列。

表3 模型參數(shù)估計(jì)結(jié)果分析

表3中AR值和R2結(jié)果都說明了自變量對(duì)因變量的變化起著不可忽略的作用，從相關(guān)系數(shù)來看，地區(qū)經(jīng)濟(jì)因素對(duì)農(nóng)村物流碳排放影響最大，地區(qū)每增加單位GDP，農(nóng)村物流碳排放量都會(huì)呈正向增長(zhǎng)，且增長(zhǎng)幅度相較其他變量最為“陡峭”，從曲線類型上觀察，4個(gè)模型經(jīng)濟(jì)變量一次方和立方項(xiàng)為正，平方項(xiàng)都為負(fù)，即曲線形式都是正N型曲線，但拐點(diǎn)比較靠近，同樣反映農(nóng)村物流碳排放量隨地區(qū)經(jīng)濟(jì)增長(zhǎng)而增長(zhǎng)的事實(shí)，但具體如何變化將在下文詳細(xì)說明。其次對(duì)農(nóng)村物流碳排放影響最大的是能源消耗規(guī)模，且與人口的參數(shù)估計(jì)符號(hào)一致都為正，即每增加單位的能源消耗，增加單位人口都將引起物流碳排放量的增多，但隨著近年來務(wù)農(nóng)人口減少，進(jìn)城打工的人數(shù)快速增加的現(xiàn)實(shí)，P對(duì)C的影響越來越小，而由于能源消費(fèi)結(jié)構(gòu)的轉(zhuǎn)換，煤炭等一級(jí)能源消耗也慢慢被清潔能源所替代。在對(duì)農(nóng)村物流碳排放的影響因素中，政府的政策因素估計(jì)參數(shù)系數(shù)為負(fù)，與預(yù)期符號(hào)一致，說明中國(guó)在節(jié)能減排工作上取得了一定的成效，政府政策的出臺(tái)加快了經(jīng)濟(jì)結(jié)構(gòu)及能源結(jié)構(gòu)的轉(zhuǎn)換，以期完成節(jié)能減排目標(biāo)。

在眾多影響因素當(dāng)中，經(jīng)濟(jì)因子的回歸系數(shù)值最大且符號(hào)為正，說明地區(qū)經(jīng)濟(jì)每增加單位值農(nóng)村物流碳排放增加的最多，進(jìn)而表明地區(qū)經(jīng)濟(jì)對(duì)農(nóng)村物流碳排放影響最大，經(jīng)濟(jì)發(fā)展與物流碳排放之間的關(guān)系演變，本文試用耦合—脫鉤模型來證明。

四、農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)增長(zhǎng)的脫鉤狀態(tài)分析

（一）Tapio耦合-脫鉤模型

耦合—脫鉤原本指物理領(lǐng)域兩個(gè)彼此聯(lián)系的兩個(gè)事物不再存在關(guān)系，在經(jīng)濟(jì)領(lǐng)域中，脫鉤指數(shù)與脫鉤因子最早是OECD組織在《由經(jīng)濟(jì)增長(zhǎng)帶來環(huán)境壓力的脫鉤指標(biāo)》中提出［10］，它是一種割斷經(jīng)濟(jì)發(fā)展與環(huán)境污染或資源消耗之間聯(lián)系的理論。耦合—脫鉤模型主要有兩種，分別是OECD脫鉤指數(shù)法和Tapio脫鉤彈性法。OECD方法脫鉤結(jié)果與基期的選擇有很大關(guān)系，脫鉤狀態(tài)可能因基期不同而大相徑庭，不能真實(shí)地反映EP與DF當(dāng)期的狀態(tài)，所以本文采用了Tapio提出的改進(jìn)彈性模型。

Tapio脫鉤模型［11］擺脫了對(duì)基期的依賴，卻更強(qiáng)調(diào)總體變化與相對(duì)變量，因此是一種彈性模型，應(yīng)用范圍較OECD脫鉤模型更為廣泛。參照農(nóng)村物流碳排放驅(qū)動(dòng)因素將彈性脫鉤關(guān)系進(jìn)行因果鏈分解，發(fā)現(xiàn)脫鉤指數(shù)可以表示為農(nóng)村物流消耗單位能源產(chǎn)生的二氧化碳變化率δ(C,E)與能源強(qiáng)度變化率δ(E,GDP)的乘積，即

其中，DE(C,GDP)表示脫鉤指數(shù)；ΔC/C=(Ct-Ct-1)/Ct表示農(nóng)村物流碳排放變化率；ΔE/E=(Et-Et-1)/Et表示能源消耗變化率；ΔGDP/GDP=(GDPt-GDPt-1)/GDPt表示地區(qū)經(jīng)濟(jì)第t年比t-1年的增長(zhǎng)率。因此農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)增長(zhǎng)脫鉤指數(shù)最終可以表示為農(nóng)村物流碳排放變化率%ΔC與地區(qū)經(jīng)濟(jì)變化率%ΔGDP的比值。根據(jù)Tapio對(duì)脫鉤指數(shù)的分類，可以將彈性脫鉤分為8類，結(jié)果如圖2所示。

圖2 Tapio彈性脫鉤指標(biāo)分類標(biāo)準(zhǔn)

（二）實(shí)證結(jié)果分析

根據(jù)農(nóng)村物流碳排放值和地區(qū)經(jīng)濟(jì)水平分別計(jì)算2000-2015年中國(guó)農(nóng)村物流碳排放與經(jīng)濟(jì)的脫鉤彈性指數(shù)，由公式（4）計(jì)算得到表4的結(jié)果。

從農(nóng)村物流碳排放增長(zhǎng)率和地區(qū)經(jīng)濟(jì)增長(zhǎng)率可以看出，脫鉤彈性指標(biāo)全部落在第一象限，且%△C和%△GDP都大于零，所以脫鉤狀態(tài)表現(xiàn)為三種類型：弱脫鉤，增長(zhǎng)連接，擴(kuò)張負(fù)脫鉤。其中，2000-2001年，脫鉤指標(biāo)為0.593，是2013年之前弱脫鉤效果最優(yōu)的一年，2002-2006年基本表現(xiàn)為擴(kuò)張負(fù)脫鉤，即地區(qū)經(jīng)濟(jì)增長(zhǎng)沒有擺脫農(nóng)村物流碳排放增加的事實(shí)，且后者增加的速度要大于前者，2007-2015年總體上兩者呈現(xiàn)出弱脫鉤的關(guān)系，說明雖然經(jīng)濟(jì)增長(zhǎng)的同時(shí)物流碳排放量仍然在增加，但是后者增長(zhǎng)的幅度要小于經(jīng)濟(jì)增長(zhǎng)。

中國(guó)地大物博，地區(qū)經(jīng)濟(jì)發(fā)展參差不齊，為了更清楚地認(rèn)清中國(guó)農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)之間脫鉤關(guān)系，將國(guó)內(nèi)31個(gè)省市地區(qū)按八大經(jīng)濟(jì)區(qū)劃分，即：東北地區(qū)（遼寧省，吉林省，黑龍江省）、北部沿海（北京市，天津市，河北省，山東?。|部沿海（上海市，江蘇省，浙江?。⒛喜垦睾＃ǜ＝ㄊ?，廣東省，海南?。?、黃河中游（陜西省，河南省，山西省，內(nèi)蒙古自治區(qū)）、長(zhǎng)江中游（安徽省，江西省，湖北省，湖南省）、西南地區(qū)（重慶市，四川省，貴州省，云南省，廣西壯族自治區(qū)）、大西北地區(qū)（甘肅省，青海省，寧夏回族自治區(qū)，新疆維吾爾自治區(qū)，西藏自治區(qū)），由數(shù)據(jù)可得性，本文分析各經(jīng)濟(jì)區(qū)2004-2015年的農(nóng)村物流碳排放增長(zhǎng)率、地區(qū)經(jīng)濟(jì)增長(zhǎng)率和脫鉤彈性，結(jié)果見表5所列。

表4 中國(guó)2000-2015年農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)水平脫鉤關(guān)系

通過比較國(guó)家層面及地區(qū)層面的農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)之間的關(guān)系，可以看出2004-2006年八大經(jīng)濟(jì)區(qū)的整體脫鉤關(guān)系呈現(xiàn)擴(kuò)張負(fù)脫鉤的狀態(tài)，即地區(qū)經(jīng)濟(jì)的增長(zhǎng)速率要快于農(nóng)村物流碳排放增長(zhǎng)率，在2006-2015年“十一五”、“十二五”規(guī)劃期間，各經(jīng)濟(jì)區(qū)農(nóng)村物流碳排放和經(jīng)濟(jì)增長(zhǎng)關(guān)系與國(guó)家整體上保持一致呈弱脫鉤狀態(tài)，表明將“節(jié)能減排”及“綠色環(huán)?！卑l(fā)展的主題提上政策階層對(duì)農(nóng)村物流碳排放起到一定的抑制作用，且地區(qū)經(jīng)濟(jì)在不斷增長(zhǎng)。從國(guó)家層面看，2012年兩者呈現(xiàn)增長(zhǎng)連接狀態(tài)，表5顯示出碳排放與經(jīng)濟(jì)脫鉤效果不佳的原因主要由4個(gè)地區(qū)引起，其中西南地區(qū)、東北地區(qū)呈現(xiàn)擴(kuò)張負(fù)脫鉤狀態(tài)，大西北地區(qū)和長(zhǎng)江中游地區(qū)為增長(zhǎng)連接關(guān)系。“中國(guó)經(jīng)濟(jì)網(wǎng)”統(tǒng)計(jì)數(shù)據(jù)顯示，2012年中國(guó)GDP增速“破8”（7.8%）是繼1999年12年來經(jīng)濟(jì)增速的最低值，地區(qū)經(jīng)濟(jì)也隨之受到影響，但與此同時(shí)，農(nóng)村物流發(fā)展規(guī)模達(dá)到頂峰，導(dǎo)致碳排放量增加速率與經(jīng)濟(jì)增長(zhǎng)率不斷縮小。另外從擴(kuò)張負(fù)脫鉤的區(qū)域來看，東北三省在近幾年經(jīng)濟(jì)增速緩慢，實(shí)體經(jīng)濟(jì)蕭條，結(jié)構(gòu)性矛盾突出，尤其2012年在“十二五”規(guī)劃的大背景下，東北三省著力改革以國(guó)企為主的經(jīng)濟(jì)增長(zhǎng)結(jié)構(gòu)，造成了大批工人失業(yè)，社會(huì)矛盾激增等問題，原本就以工業(yè)發(fā)展起來的城市農(nóng)村發(fā)展相對(duì)緩慢，造成農(nóng)村物流碳排放增多而經(jīng)濟(jì)發(fā)展不景氣，呈現(xiàn)增長(zhǎng)連接的狀態(tài)。

表5 八大經(jīng)濟(jì)區(qū)2004-2015年農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)脫鉤關(guān)系

2004-2015年我國(guó)八大經(jīng)濟(jì)區(qū)農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)整體上已呈弱脫鉤狀態(tài)，但弱脫鉤的程度有所差異，其中脫鉤程度最強(qiáng)的是北部沿海和東部沿海，這兩個(gè)經(jīng)濟(jì)區(qū)是中國(guó)最早發(fā)展起來的地區(qū)，如北京、上海等地區(qū)不僅農(nóng)村物流行業(yè)最先興起并快速發(fā)展起來，在技術(shù)創(chuàng)新、低碳理念的普及等方面也遙遙領(lǐng)先；其次脫鉤關(guān)系較強(qiáng)的是南部沿海及黃河中游，在綜合實(shí)力排名上雖然兩者相對(duì)靠前，但內(nèi)部省份“貧富差距”較大，如廣東省農(nóng)村物流與經(jīng)濟(jì)發(fā)展比內(nèi)蒙古及海南省脫鉤強(qiáng)度要大，說明廣東省在農(nóng)村物流碳排放及地區(qū)經(jīng)濟(jì)發(fā)展脫鉤貢獻(xiàn)中接近東北部沿海地區(qū)，但海南農(nóng)村物流發(fā)展還建立在高碳排放基礎(chǔ)上；脫鉤指標(biāo)表現(xiàn)最弱的是大西北地區(qū)，這些?。ㄊ?、自治區(qū)）大多數(shù)城鎮(zhèn)化發(fā)展程度較低，由于交通不便、環(huán)境惡劣、福利設(shè)施缺乏導(dǎo)致很多高新技術(shù)、先進(jìn)思想及優(yōu)秀人才未流入大西北農(nóng)村地區(qū)，再加上諸如新疆、青海等地是我國(guó)石油、煤炭等一次能源開采的地方，農(nóng)村物流能源使用結(jié)構(gòu)單一，碳排放量相比使用清潔能源的城市地區(qū)要高很多；脫鉤狀態(tài)一般的經(jīng)濟(jì)區(qū)如東北地區(qū)及西南地區(qū)，缺乏農(nóng)村經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)變的動(dòng)力及有效的監(jiān)督機(jī)制，這提醒有關(guān)部門要緊跟國(guó)家政策，將“節(jié)能減排”及“創(chuàng)新機(jī)制”落實(shí)到農(nóng)村物流方面，加快農(nóng)村經(jīng)濟(jì)結(jié)構(gòu)的轉(zhuǎn)型與物流技術(shù)的提升。

五、結(jié)束語

本文通過分析2000-2015年中國(guó)農(nóng)村物流碳排放與地區(qū)經(jīng)濟(jì)增長(zhǎng)的脫鉤關(guān)系，可以得出：①兩者存在發(fā)展緩慢性及趨勢(shì)漸進(jìn)性。過去十幾年農(nóng)村物流碳排放量整體呈現(xiàn)上升趨勢(shì)，但增長(zhǎng)率卻上下浮動(dòng)，全國(guó)大多數(shù)地區(qū)仍然處于弱脫鉤的狀態(tài)。②兩者存在時(shí)間延遲性與空間差異性。從時(shí)間上看，2006年之前我國(guó)農(nóng)村物流碳排放增長(zhǎng)速度大于地區(qū)經(jīng)濟(jì)增速，呈現(xiàn)不低碳的擴(kuò)張負(fù)脫鉤狀態(tài)；“十一五”、“十二五”規(guī)劃的10年間，各省市自治區(qū)脫鉤指標(biāo)整體呈現(xiàn)為弱脫鉤狀態(tài)。從空間上分析，北部及東部沿海農(nóng)村地區(qū)物流碳排放與經(jīng)濟(jì)之間的脫鉤效果最為顯著，其他地區(qū)要實(shí)現(xiàn)“強(qiáng)脫鉤”的目標(biāo)還需要進(jìn)一步努力。

由以上結(jié)論可知，發(fā)展低碳農(nóng)村物流在全國(guó)范圍內(nèi)不能一概而論，要根據(jù)各個(gè)地方的具體情況制定不同的減排任務(wù)及規(guī)劃。此外，需要政府對(duì)物流鏈上相關(guān)企業(yè)制定碳排放約束條件及激勵(lì)政策，不斷優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，創(chuàng)新新能源技術(shù)，及早從粗放型轉(zhuǎn)入低碳經(jīng)濟(jì)型農(nóng)村物流發(fā)展模式。

［1］馮宗憲，陳志偉.區(qū)域能源碳排放與經(jīng)濟(jì)增長(zhǎng)的脫鉤趨勢(shì)分析［J］.華東經(jīng)濟(jì)管理，2015，29（1）：50-54.

［2］王淑納.山東省碳排放與經(jīng)濟(jì)增長(zhǎng)的脫鉤關(guān)系及驅(qū)動(dòng)因素［J］.科技管理研究，2014，36（16）：242-248.

［3］唐建榮，馬潔純，盧玲珠.基于脫鉤和LMDI理論的物流業(yè)低碳隧穿路徑研究［J］.求索，2014，26（3）：83-89.

［4］苑清敏，張文龍，寧寧寧.京津冀物流業(yè)碳排放驅(qū)動(dòng)因素及脫鉤效應(yīng)研究［J］.科技管理研究，2016，36（5）：222-226.

［5］金鳳花，馬洪偉.1997—2014年我國(guó)區(qū)域物流碳排放的脫鉤效應(yīng)分析［J］.上海電機(jī)學(xué)院學(xué)報(bào)，2016，19（4）：227-232.

［6］李創(chuàng)，昝東亮.我國(guó)物流運(yùn)輸業(yè)碳排放測(cè)量及分解模型實(shí)證研究［J］.資源開發(fā)與市場(chǎng)，2015，31（10）：1197-1199，1213.

［7］Wu Y，Shen J，Zhang X，et al.The impact of urbanization on carbon emissions in developing countries：a Chinese study based on the U-Kaya method［J］.Journal of Cleaner Production，2016，135（1）：589-603.

［8］Dogan E，Aslan A.Exploring the relationship among CO2，emissions，real GDP，energy consumption and tourism in the EU and candidate countries：Evidence from panel mod?els robust to heterogeneity and cross-sectional dependence［J］.Renewable&Sustainable Energy Reviews，2017，77（3）：239-245.

［9］邵帥，楊莉莉，曹建華.工業(yè)能源消費(fèi)碳排放影響因素研究——基于STIRPAT模型的上海分行業(yè)動(dòng)態(tài)面板數(shù)據(jù)實(shí)證分析［J］.財(cái)經(jīng)研究，2010，36（11）：16-27.

［10］Salahuddin M，Alam K，Ozturk I.The effects of Internet usage and economic growth on CO2，emissions in OECD countries：A panel investigation［J］.Renewable&Sustain?able Energy Reviews，2016，62（4）：1226-1235.

［11］Tapio P.Towards a theory of decoupling：degrees of decou?pling in the EU and the case of road traffic in Finland be?tween 1970 and 2001［J］.Transport Policy，2005，12（2）：137-151.

A Study on the Decoupling Trend of Rural Logistics Carbon Emissions and Regional Economic Growth in China

YAO Guan-xin1,2,ZHAO Zi-qi1,HU Bai-ling1
(1.School of Management,Jiangsu University,Zhenjiang 212013,China;2.School of Agriculture,Yangzhou University,Yangzhou 225000,China)

The paper,based on the estimation of carbon emissions of China's rural logistics from 2000 to 2015,and studying the influen?tial factors of rural logistics carbon emissions by STIRPAT stochastic model,analyzes the decoupling trend of rural logistics carbon emis?sions and regional economic growth from the perspective of China's eight economic zones by applying the TAPIO model.The results show that the regional economy is the primary factor affecting rural logistics carbon emissions,China presents a state of expansive negative de?coupling before 2006,the main reason is that the state vigorously develops the economy through various measures during the period of“the 10th Five-Year Plan”,with the development of logistics and e-commerce,the growth rate of carbon emissions in rural logistics is greater than the rate of economic growth;In addition to the Northwest,some provinces in Southwest China are in a state of growth connec?tion,the majority of regions have achieved a weak decoupling after 2006.

rural logistics;carbon emissions;regional economy;decoupling trend

F202；F062.2

A

1007-5097（2017）11-0051-06

10.3969/j.issn.1007-5097.2017.11.007

2017-06-15

國(guó)家自然科學(xué)基金項(xiàng)目（71473213；71773104）；江蘇省社會(huì)科學(xué)基金一般項(xiàng)目（16EYB002）

姚冠新（1961-），男，江蘇啟東人，教授，博士生導(dǎo)師，碩士，研究方向：物流系統(tǒng)規(guī)劃與分析；

趙子琪（1992-），女，河南鄭州人，碩士研究生，研究方向：低碳農(nóng)村物流；

胡百靈（1988-），男，安徽安慶人，碩士研究生，研究方向：低碳金融。

［責(zé)任編輯：余志虎］