劉戰(zhàn)豫,孫夏令

(河南理工大學(xué) a.工商管理學(xué)院 能源經(jīng)濟(jì)研究中心;b.太行發(fā)展研究院 河南 焦作 454000)

1 引言

供給側(cè)改革是解決我國經(jīng)濟(jì)結(jié)構(gòu)性矛盾、提高供給質(zhì)量、實(shí)現(xiàn)綠色發(fā)展的重要戰(zhàn)略部署。物流業(yè)作為連接供需兩端的橋梁,對中國經(jīng)濟(jì)持續(xù)健康發(fā)展具有重要支撐作用,理應(yīng)是供給側(cè)改革的重點(diǎn)。同時物流業(yè)作為能源消耗大戶,CO2排放量以遠(yuǎn)高于其他行業(yè)的增速持續(xù)增加,國家“十三五”規(guī)劃將物流業(yè)確定為重點(diǎn)實(shí)施低碳轉(zhuǎn)型的行業(yè),為物流業(yè)的供給側(cè)改革提供了新思路。

CO2排放量持續(xù)增加,且增長速度遠(yuǎn)高于其他行業(yè)。目前,國內(nèi)外學(xué)者針對物流業(yè)CO2排放的研究已取得了較多成果,主要集中在:一是對CO2排放量測算。如馬越越等對物流業(yè)CO2排放及其分布的極化程度進(jìn)行了測算[1];歐陽斌等提出一種省級交通運(yùn)輸能耗與CO2排放測算方法,并對江蘇省進(jìn)行了測評[2];張秀媛等基于城市交通CO2測算方法,對北京市公共交通系統(tǒng)的CO2排放進(jìn)行了測度[3]。二是對CO2排放影響因素的研究。如張立國基于LMDI分解,對我國省域物流業(yè)CO2排放進(jìn)行了實(shí)證分析[4];盧升榮等根據(jù)長江經(jīng)濟(jì)帶九省的面板數(shù)據(jù),結(jié)合LMDI分解分析了交通運(yùn)輸業(yè)CO2排放的影響因素[5];Lin等基于分位數(shù)回歸模型對中國運(yùn)輸業(yè)碳排放的影響因素進(jìn)行了研究[6];Fan等基于擴(kuò)展的KAYA模型,探究了北京市快速發(fā)展背景下交通領(lǐng)域碳排放的潛在影響因素[7]。三是對物流業(yè)能源消耗、CO2排放與行業(yè)發(fā)展關(guān)系的研究。如曹翠珍等基于經(jīng)濟(jì)增長理論,對物流業(yè)行業(yè)發(fā)展與能源消耗進(jìn)行了研究,得到物流業(yè)發(fā)展能夠提高能源利用效率,即能源強(qiáng)度與物流業(yè)發(fā)展水平呈負(fù)相關(guān)[8];周銀香等基于LMDI分解和脫鉤理論,對交通運(yùn)輸業(yè)CO2排放與行業(yè)經(jīng)濟(jì)增長之間的響應(yīng)關(guān)系進(jìn)行了研究[9];Menezes等對巴西大都市交通運(yùn)輸碳排放進(jìn)行了研究,評價了低碳發(fā)展戰(zhàn)略的有效性,提出了更好的政策組合[10]。

綜上所述,當(dāng)前物流業(yè)CO2排放的研究多集中在測算排放量、尋找影響因素、探究響應(yīng)關(guān)系等方面,較少結(jié)合經(jīng)濟(jì)環(huán)境、聯(lián)系行業(yè)前景對CO2排放進(jìn)行系統(tǒng)分析,尤其是供給側(cè)改革視域下的物流業(yè)低碳轉(zhuǎn)型仍需進(jìn)一步研究與探討。為此,本文通過分析物流業(yè)CO2排放的時空演變差異和驅(qū)動因素,構(gòu)建脫鉤努力指數(shù),提出供給側(cè)改革視域下物流業(yè)實(shí)現(xiàn)CO2排放有效脫鉤的政策建議,為物流業(yè)低碳轉(zhuǎn)型明確方向。

2 研究方法與數(shù)據(jù)來源

2.1 研究方法

物流業(yè)CO2排放測算:關(guān)于CO2排放測算有“自上而下”和“自下而上”兩類方法,鑒于后者需考慮車輛車型、單位行駛能耗等難以確定的因素[11,12],本文選取“自上而下”的計算方法,即通過各類能源消耗乘以相應(yīng)系數(shù)得到CO2排放量:

(1)

式中,Ei為第i種能源的消耗量(i=1,2,…，8);NCVi為每種能源的平均低位發(fā)熱量;CEFi為每種能源的CO2排放參考系數(shù);COFi為CO2氧化因子;44與12為CO2與C的分子量。8種能源分別為原煤、汽油、煤油、柴油、燃料油、液化石油氣、天然氣和電力。由于電力屬于二次能源,并不直接產(chǎn)生CO2排放，為了保證研究的嚴(yán)謹(jǐn)性,通過加權(quán)平均方法計算電能排放因子[13]。即通過電能生產(chǎn)部門對不同能源的消耗比例與各自能源的排放因子加權(quán)平均得到。

Theil指數(shù):Theil指數(shù)又稱“泰爾指數(shù)”或“錫爾指數(shù)”,由Theil、Henri于1967年提出,是衡量個人之間或區(qū)域之間差異的重要指標(biāo)。本文運(yùn)用Theil指數(shù)衡量物流業(yè)CO2排放的區(qū)域差異,具體計算公式為:

(2)

式中,Cj為第j個區(qū)域的物流業(yè)CO2排放量;C為所有區(qū)域的物流業(yè)CO2排放量;Xj為第j個區(qū)域人口數(shù)、物流業(yè)增加值或綜合周轉(zhuǎn)量;X為區(qū)域人口數(shù)、物流業(yè)增加值或綜合周轉(zhuǎn)量。計算得到的結(jié)果分別為人均CO2排放、單位增加值和單位周轉(zhuǎn)量CO2排放的Theil指數(shù),分別以Tp、Ta、Tt表示。指數(shù)數(shù)值介于0—1,數(shù)值的大小反映區(qū)域差異的大小。

物流業(yè)CO2排放因素分解模型:KAYA在聯(lián)合國舉辦的研討會上最早提出了Kaya恒等式[14],他將CO2排放分解為與人類生活息息相關(guān)的四個因素,包括CO2排放強(qiáng)度、能源強(qiáng)度、人均GDP、人口規(guī)模,其基本表達(dá)式為:

(3)

物流業(yè)作為國民經(jīng)濟(jì)發(fā)展的基礎(chǔ)產(chǎn)業(yè),與日常生產(chǎn)、生活密切相關(guān),行業(yè)CO2排放勢必會受到以上關(guān)鍵因素的影響,參照Fan[17]、Wang[15]、盧升榮等[5]的分析思路,在此基礎(chǔ)上結(jié)合物流業(yè)自身特點(diǎn),將CO2排放擴(kuò)展表示為:

(4)

(5)

式中,fi為各類能源CO2排放系數(shù),由于系數(shù)為定值,實(shí)際計算中不列入分解項目;si為各類能源在物流業(yè)能源消耗中的比重,即能源消費(fèi)結(jié)構(gòu);e為物流業(yè)單位增加值能耗,反映物流能源消耗強(qiáng)度;l為單位周轉(zhuǎn)量帶來的物流增加值,反映物流效率;d為單位GDP增長所需的物流綜合周轉(zhuǎn)量,反映物流產(chǎn)業(yè)對地區(qū)經(jīng)濟(jì)的拉動作用,也稱為運(yùn)輸強(qiáng)度;g為人均GDP,表示經(jīng)濟(jì)增長因素;p為人口規(guī)模因素。

近年來,指數(shù)因素分解技術(shù)在CO2排放研究領(lǐng)域得到廣泛應(yīng)用,根據(jù)Ang對幾種常用分解方法的比較分析,對數(shù)平均指數(shù)分解法(LMDI)更具適用性[16]。文中采用LMDI的“加和分解”方法對式(4)進(jìn)一步分解:

(6)

物流業(yè)CO2排放脫鉤努力指數(shù)構(gòu)建:物流業(yè)的CO2排放分解有助于了解行業(yè)CO2排放變動情況及其關(guān)鍵致因,但并不能客觀地反映出政府一系列節(jié)能減排努力所產(chǎn)生的實(shí)際減排效果[18],如優(yōu)化能源消費(fèi)結(jié)構(gòu)、提高能源效率及控制人口數(shù)量等[19],而且只有當(dāng)CO2減排努力對CO2排放的抑制足以抵消經(jīng)濟(jì)增長對CO2排放的拉動時,這種努力才是有效的。因此,扣除經(jīng)濟(jì)增長或規(guī)模擴(kuò)張導(dǎo)致的CO2排放量,將政府減排努力(△F)間接表示為:

△F=△C-△Cd-△Cg=△Cs+△Ce+△Cl+△Cp

(7)

=Ds+De+Dl+Dp

(8)

式中,Ds為調(diào)整能源結(jié)構(gòu)導(dǎo)致的脫鉤效應(yīng);De為降低能源強(qiáng)度導(dǎo)致的脫鉤效應(yīng);Dl為推進(jìn)物流發(fā)展導(dǎo)致的脫鉤效應(yīng);Dp為控制人口數(shù)量導(dǎo)致的脫鉤效應(yīng)。

2.2 數(shù)據(jù)來源

當(dāng)前,關(guān)于物流業(yè)的統(tǒng)計尚不完善,考慮數(shù)據(jù)可獲取性,同時由于交通運(yùn)輸、倉儲和郵政業(yè)三者增加值占物流業(yè)的以上,能反映物流業(yè)發(fā)展實(shí)際情況,因此文中物流業(yè)相關(guān)數(shù)據(jù)均以交通運(yùn)輸、倉儲和郵政業(yè)替代[22]。物流業(yè)周轉(zhuǎn)量主要考慮鐵路、公路、水運(yùn)和航空四種運(yùn)輸方式,并借鑒宋京妮等[23]、盧升榮等[5]的計算方法進(jìn)行折算,將旅客周轉(zhuǎn)量與貨物周轉(zhuǎn)量折算為綜合周轉(zhuǎn)量。此外,為剔除價格變動因素的干擾,文中的經(jīng)濟(jì)增加值均以2004年的不變價進(jìn)行調(diào)整。各類能源的具體CO2排放系數(shù)來源于《2006年IPCC國家溫室氣體清單指南》,其他經(jīng)濟(jì)數(shù)據(jù)來源于各地區(qū)2005—2015年的《統(tǒng)計年鑒》和《中國能源統(tǒng)計年鑒》。

3 實(shí)證結(jié)果分析

3.1 物流業(yè)CO2排放的時空差異分析

物流業(yè)CO2排放的可視化描述:根據(jù)物流業(yè)CO2排放的測算結(jié)果,選取2004年、2009年、2014年3個時間截面數(shù)據(jù)和歷年平均數(shù)據(jù),通過系統(tǒng)聚類把我國30個省區(qū)的物流業(yè)CO2排放分為四個梯隊,繪制出空間格局分布圖(圖1)。由圖1可見,各省區(qū)物流業(yè)CO2排放的時空差異顯著。從時序角度來看,各省區(qū)CO2排放量均表現(xiàn)出增加趨勢,物流業(yè)能耗嚴(yán)重的問題未得到明顯改善。但從橫向比較而言,地區(qū)CO2排放量遞增速度不同,即各階段CO2排放量的省域排名存在差異。2004年CO2排放最突出的省份是上海與廣東,2009年是上海、廣東與山東,到2014年江蘇與遼寧也加入第一梯隊;而青海、寧夏、海南、吉林、貴州、甘肅、新疆則一直穩(wěn)定處在第四梯隊,屬于國內(nèi)物流業(yè)CO2排放最低的地區(qū)。從變動速度來看,云南省是增速最快的省份,每個階段所處梯隊都不相同。數(shù)據(jù)顯示，云南省從2004年的倒數(shù)第4位,躍升為2014年的全國第12位;從變動位次來看,安徽、內(nèi)蒙古、黑龍江、河南、湖南表現(xiàn)出了排位的上升,而陜西、江西、天津表現(xiàn)出排位的下滑,其余省份排名變化不大。

物流業(yè)CO2排放的Theil指數(shù):根據(jù)Theil指數(shù)計算方法,分別測算出各年物流業(yè)的人均CO2排放、單位增加值和單位換算周轉(zhuǎn)量CO2排放的Theil指數(shù)(表1)。由表1可知,三種Theil指數(shù)的最大值分別出現(xiàn)在2004年、2006年、2007年,最小值分別出現(xiàn)在2014年、2013年、2013年。從歷年均值看,單位增加值CO2排放Theil指數(shù)最小,僅為0.059,表明各省單位增加值物流業(yè)的CO2排放量差異較小;而人均CO2排放和單位換算周轉(zhuǎn)量CO2排放的Theil指數(shù)相對較大,分別為0.159和0.187,表明從這兩個角度觀察,各省物流業(yè)CO2排放的差異更顯著。

圖1 物流業(yè)CO2排放空間分布

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

圖2 物流業(yè)CO2排放Theil指數(shù)變化趨勢

從區(qū)域差異變化趨勢(圖2)來看,單位增加值CO2排放Theil指數(shù)相對最為平穩(wěn),單位換算周轉(zhuǎn)量CO2排放的Theil指數(shù)波動最大,而人均CO2排放Theil指數(shù)變動速度最為均勻?？傮w來看,樣本年內(nèi)三種差異指數(shù)均呈現(xiàn)出了下降趨勢,表明國內(nèi)物流業(yè)CO2排放區(qū)域之間的差異變小,這與國內(nèi)地區(qū)間較為統(tǒng)一的發(fā)展規(guī)劃有關(guān)。值得注意的是,在樣本末期單位增加值和單位換算周轉(zhuǎn)量CO2排放Theil指數(shù)同時出現(xiàn)回升趨勢,未來地區(qū)間物流業(yè)CO2排放的差異程度可能出現(xiàn)回升,原因是近些年環(huán)境規(guī)制力度加大,各省市物流產(chǎn)業(yè)的綠色技術(shù)、綠色理念和發(fā)展基礎(chǔ)不同,導(dǎo)致區(qū)域CO2排放差異增大。

3.2 物流業(yè)CO2排放的關(guān)鍵致因分析

以2004年為基期,根據(jù)擴(kuò)展的KAYA模型和LMDI分解方法對物流業(yè)CO2排放進(jìn)行分解,得到能源結(jié)構(gòu)、能源強(qiáng)度、物流效率、運(yùn)輸強(qiáng)度、經(jīng)濟(jì)發(fā)展及人口規(guī)模等因素分別對應(yīng)的貢獻(xiàn)值(表2)。根據(jù)表2可知,2004—2014年物流業(yè)CO2排放總量增加了35014.379萬t,由2004年消耗25900.031萬t增加為2014年的60914.411萬t,增長了135.191%,年均增長率為8.929%。除2012—2013年物流業(yè)CO2排放總量出現(xiàn)下降外,其他各年為穩(wěn)定增長。

表2 2004—2014年物流業(yè)CO2排放變動效應(yīng)因素分解(104t)

能源結(jié)構(gòu)的累計貢獻(xiàn)為143.864萬t,累計效應(yīng)占CO2排放變動總效應(yīng)的0.411%,對物流業(yè)CO2排放有一定的促進(jìn)作用,表明能源結(jié)構(gòu)依舊有較大改善空間。2004—2014年我國物流業(yè)柴油消耗占比上升,由40.93%升為43.57%,而煤炭、電力、汽油等消耗略微下降,意味著物流業(yè)對柴油等高CO2排放的能源消耗依賴程度加大,同時低CO2排放的能源也未得到充分利用,這樣的不利變化抵消了新能源應(yīng)用所帶來的CO2排放減少,致使能源結(jié)構(gòu)對物流業(yè)CO2排放影響不顯著。能源強(qiáng)度效應(yīng)是物流業(yè)CO2排放增加的主要抑制因素,2004—2014年累計抑制了CO2排放量7391.108萬t,負(fù)向影響占到總效應(yīng)的21.109%。主要是由于物流業(yè)作為國民經(jīng)濟(jì)的重要支撐系統(tǒng),貫穿于不同行業(yè)之間,加深了區(qū)域之間的聯(lián)系,改善著經(jīng)濟(jì)的運(yùn)轉(zhuǎn)質(zhì)量,由此帶來的經(jīng)濟(jì)效益抵消了物流業(yè)能源消耗帶來的負(fù)面效應(yīng),整體表現(xiàn)出了負(fù)向驅(qū)動。

物流效率反映的是單位周轉(zhuǎn)量帶來的物流增加值,與各效應(yīng)相比物流效率每年的貢獻(xiàn)波動最大,其中2004—2005年、2009—2011年、2013—2014年度為負(fù)值,剩余年度均為正值,但總體上表現(xiàn)出了對CO2排放的拉動作用,拉動作用微弱。這不僅與水平較為低下的物流協(xié)作技術(shù)有關(guān),也與交通運(yùn)輸方式占比有關(guān)。未來伴隨“八縱八橫”高速鐵路網(wǎng)及城市間高速鐵路網(wǎng)的建設(shè),將逐漸形成鐵路等低能耗運(yùn)輸為主,高污染運(yùn)輸為輔的綜合運(yùn)輸體系,不斷實(shí)現(xiàn)干線運(yùn)輸與支線運(yùn)輸?shù)母叨冉y(tǒng)一,從而物流效率會逐漸提高。

運(yùn)輸強(qiáng)度效應(yīng)也是物流業(yè)CO2排放增加的主要貢獻(xiàn)因素,2004—2014年累計貢獻(xiàn)CO2排放為2404.549萬t,貢獻(xiàn)率為6.867%,且大多數(shù)年份都表現(xiàn)為CO2排放的拉動效應(yīng)。我國經(jīng)濟(jì)規(guī)模龐大,加之幅員遼闊,多項物流指標(biāo)已經(jīng)位居世界前列,但由于多種運(yùn)輸方式銜接性差、標(biāo)準(zhǔn)化程度低、網(wǎng)絡(luò)化程度不足等因素導(dǎo)致運(yùn)輸壓力遠(yuǎn)高于其他國家,單位GDP的貨運(yùn)周轉(zhuǎn)量相當(dāng)于美國的6.3倍與日本的14.3倍。

經(jīng)濟(jì)發(fā)展效應(yīng)是物流業(yè)CO2排放最主要的致因,研究期內(nèi)始終起到顯著的正向驅(qū)動作用,累計貢獻(xiàn)量達(dá)到36894.935萬t,遠(yuǎn)高于其他影響因素。這表明經(jīng)濟(jì)發(fā)展與物流業(yè)能源消耗緊密相關(guān),隨著經(jīng)濟(jì)的發(fā)展,物流規(guī)模不斷擴(kuò)大,貨運(yùn)、客運(yùn)周轉(zhuǎn)量顯著增加,同時人們對出行需求和物流服務(wù)都有了更高的要求,致使物流業(yè)能源消耗量不斷上升,CO2排放量居高不下。

表3 2004—2014年物流業(yè)CO2排放脫鉤效應(yīng)

人口規(guī)模效應(yīng)相對穩(wěn)定,波動幅度較小,對物流業(yè)CO2排放一直起到正向的拉動作用,累計貢獻(xiàn)CO2排放量為2077.257萬t,貢獻(xiàn)率為5.933%。由于人口規(guī)模的擴(kuò)大,交通出行量、人均消費(fèi)量都會有顯著的增加,相應(yīng)的人均CO2排放量也會增加,這也成為物流業(yè)低碳轉(zhuǎn)型的重要阻力。

3.3 物流業(yè)CO2排放的脫鉤有效性分析

通過對物流業(yè)CO2排放進(jìn)行驅(qū)動因素分解,尋找到了物流業(yè)CO2排放增長的關(guān)鍵因素。為了進(jìn)一步反映物流業(yè)實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展與節(jié)能減排“雙贏”的客觀情況和政府減排努力帶來的實(shí)際效果,構(gòu)建脫鉤努力指標(biāo),對物流業(yè)CO2排放脫鉤有效性進(jìn)行分析(表3)。

從表3可見出,物流業(yè)CO2排放脫鉤狀態(tài)存在波動性,呈現(xiàn)“未脫鉤—弱脫鉤—未脫鉤—弱脫鉤”的變化趨勢,其中2004—2006年和2011—2012年兩個階段出現(xiàn)未脫鉤,2006—2011年和2012—2014年兩個階段出現(xiàn)弱脫鉤。研究期內(nèi)沒有出現(xiàn)強(qiáng)脫鉤狀態(tài),脫鉤指數(shù)最大值為2012—2013年的0.957,其他年份相差較多,可見要實(shí)現(xiàn)物流業(yè)CO2排放的強(qiáng)脫鉤有效狀態(tài)仍任重道遠(yuǎn)。這主要是因為政府促進(jìn)物流業(yè)CO2減排的努力不夠充分,由此帶來的CO2排放減少量不足以抵消由經(jīng)濟(jì)規(guī)模擴(kuò)大帶來的CO2排放增加量。

從分指數(shù)來看,各因素對物流業(yè)CO2減排的貢獻(xiàn)程度從大到小依次是能源強(qiáng)度效應(yīng)>物流發(fā)展效應(yīng)>能源結(jié)構(gòu)效應(yīng)>人口規(guī)模效應(yīng)。能源強(qiáng)度對應(yīng)的脫鉤效應(yīng)最為理想,除2004—2005年以外,其他各期脫鉤指數(shù)均大于0,尤其是2012—2013年達(dá)到了1.893,是目前決定物流業(yè)CO2排放有效脫鉤的最主要因素。物流發(fā)展效應(yīng)是由物流效率的提高決定的,可見其在物流CO2減排方面貢獻(xiàn)程度不夠穩(wěn)定,相應(yīng)的脫鉤指數(shù)除2004—2005年、2009—2011年和2013—2014年三個階段大于0以外,其他各期均小于0,這種波動與經(jīng)濟(jì)刺激計劃及物流相關(guān)規(guī)劃有關(guān),未來應(yīng)更注重科技創(chuàng)新對物流效率提升的驅(qū)動作用。能源結(jié)構(gòu)與人口規(guī)模對應(yīng)的脫鉤努力指數(shù)基本都在0以下,表明政府在優(yōu)化物流業(yè)用能結(jié)構(gòu)上所作的CO2減排努力意義不大,同時控制人口規(guī)模方面的努力對物流業(yè)實(shí)現(xiàn)CO2排放脫鉤呈現(xiàn)出無效狀態(tài)。主要原因是:近年來國內(nèi)物流業(yè)以柴油等高CO2排放能耗為主的消費(fèi)結(jié)構(gòu)沒有大的改變,同時人口規(guī)模的控制也難以抑制人均消費(fèi)增加帶來的CO2排放上升。

4 結(jié)論與建議

4.1 結(jié)論

本文的研究結(jié)果表明:①各省區(qū)物流業(yè)CO2排放的時空差異顯著,不僅體現(xiàn)在CO2排放量的不均衡,在CO2排放增長速度方面還有較大差異,導(dǎo)致歷年各省區(qū)CO2排放總量的排名波動較大。物流業(yè)的人均CO2排放、單位增加值和單位換算周轉(zhuǎn)量CO2排放的Theil指數(shù)均表現(xiàn)出了下降趨勢,表明各地區(qū)物流業(yè)CO2排放的差異在逐漸縮小。②2004—2014年物流業(yè)CO2排放總量增加了35014.379萬t,年均增長率達(dá)到8.929%。其中,經(jīng)濟(jì)發(fā)展效應(yīng)是物流業(yè)CO2排放增加的最主要貢獻(xiàn)因素,能源強(qiáng)度效應(yīng)是物流業(yè)CO2排放增加的主要抑制因素。此外,運(yùn)輸強(qiáng)度、人口規(guī)模、物流效率、能源結(jié)構(gòu)等效應(yīng)也對物流業(yè)CO2排放有一定促進(jìn)作用,貢獻(xiàn)率依次為6.867%、5.933%、2.527%、0.411%。③研究期內(nèi)物流業(yè)CO2排放的脫鉤狀態(tài)呈現(xiàn)“未脫鉤—弱脫鉤—未脫鉤—弱脫鉤”的變化趨勢,未出現(xiàn)強(qiáng)脫鉤狀態(tài),脫鉤指數(shù)最大值為2012—2013年的0.957。各因素對物流業(yè)CO2減排的貢獻(xiàn)程度從大到小依次是能源強(qiáng)度效應(yīng)>物流發(fā)展效應(yīng)>能源結(jié)構(gòu)效應(yīng)>人口規(guī)模效應(yīng),其中能源強(qiáng)度是目前決定物流業(yè)CO2排放有效脫鉤的最主要因素,物流效率也有一定貢獻(xiàn),但能源結(jié)構(gòu)與人口規(guī)模的調(diào)整對CO2脫鉤有效性的作用有限。

4.2 政策建議

主要政策建議：①調(diào)整產(chǎn)業(yè)空間布局,構(gòu)建共享發(fā)展模式。物流業(yè)低碳發(fā)展空間失衡問題的解決關(guān)鍵在于強(qiáng)化戰(zhàn)略布局,推動區(qū)域物流的協(xié)調(diào)與合作,實(shí)現(xiàn)區(qū)域間共同開展供應(yīng)鏈管理,使產(chǎn)業(yè)價值鏈不斷向更高層次延伸。這就需要充分發(fā)揮全國性和區(qū)域性物流節(jié)點(diǎn)城市的輻射拉動作用,按照絲綢之路經(jīng)濟(jì)帶、長江經(jīng)濟(jì)帶、中原經(jīng)濟(jì)區(qū)等戰(zhàn)略規(guī)劃,加強(qiáng)國際、省際的交流與合作,構(gòu)建共享互贏的經(jīng)濟(jì)發(fā)展模式:東部地區(qū)要適應(yīng)供需關(guān)系的發(fā)展,提高內(nèi)外貿(mào)的服務(wù)意識,加強(qiáng)國際、國內(nèi)物流的統(tǒng)一運(yùn)作能力;西部地區(qū)要順應(yīng)絲綢之路經(jīng)濟(jì)帶建設(shè),改善物流基礎(chǔ)條件,打造物流新通道,發(fā)揮特色大宗商品優(yōu)勢與區(qū)位優(yōu)勢,提高資源輸送與產(chǎn)品中轉(zhuǎn)的服務(wù)能力;中部地區(qū)要貫穿南北、承東啟西,加快陸港、航空港等物流樞紐的建設(shè),打造合作平臺,提高物流供給能力。②優(yōu)化能源消費(fèi)結(jié)構(gòu),提高能源利用效率。為實(shí)現(xiàn)物流業(yè)碳排放的有效脫鉤,在降低能源強(qiáng)度、調(diào)整能源結(jié)構(gòu)、提高能源效率方面的努力必不可少。首先,合理配置運(yùn)輸方式,提高鐵路、水路運(yùn)輸占比,加強(qiáng)規(guī)模運(yùn)輸與統(tǒng)一配送,減少迂回運(yùn)輸、空返運(yùn)輸?shù)炔缓侠憩F(xiàn)象;其次,加強(qiáng)物流基礎(chǔ)設(shè)施網(wǎng)絡(luò)化的建設(shè),合理規(guī)劃運(yùn)輸體系,建設(shè)多式聯(lián)運(yùn)工程,使多種運(yùn)輸方式能夠高效中轉(zhuǎn)和順暢銜接;第三,借鑒發(fā)達(dá)國家經(jīng)驗,建立合理的綠色物流評估體系,改善能耗檢測水平,加強(qiáng)監(jiān)管力度,鼓勵低碳運(yùn)輸方式,促進(jìn)節(jié)能減排;第四,強(qiáng)化大中城市周邊配送中心的建設(shè),加快完善城鄉(xiāng)配送網(wǎng)絡(luò),在商業(yè)區(qū)、大型社區(qū)建設(shè)末端網(wǎng)點(diǎn),形成層級合理、需求匹配的高效物流體系。③深化制度變革,鼓勵創(chuàng)新發(fā)展。為實(shí)現(xiàn)物流業(yè)的碳排放脫鉤,要以供給側(cè)改革為支撐點(diǎn),堅持政府主導(dǎo)和市場運(yùn)作,同時發(fā)揮市場在資源配置中的決定性作用和政府的監(jiān)管作用,不斷強(qiáng)化企業(yè)的市場主體地位,合力推進(jìn)物流業(yè)高能耗、高碳排放問題的改善。第一,按照簡政放權(quán)、簡化審批的要求,加快推進(jìn)物流管理體制創(chuàng)新,完善各層級政策的配套與協(xié)調(diào);第二,加快修訂倉儲管理及交通運(yùn)輸管理方面的法律法規(guī),明確物流作業(yè)類別,強(qiáng)化監(jiān)管的針對性,規(guī)范市場秩序;第三,鼓勵物流企業(yè)的網(wǎng)絡(luò)化經(jīng)營和跨區(qū)域經(jīng)營,進(jìn)而提高運(yùn)作效益、縮小區(qū)域之間的差異;第四,通過市場上企業(yè)的有序競爭,倒逼技術(shù)創(chuàng)新,實(shí)現(xiàn)物流業(yè)的優(yōu)勝劣汰,提升物流供給質(zhì)量。④加速要素升級,提高供給效率。物流業(yè)受環(huán)境約束、交通壓力等因素的影響,過去的粗放式增長已難以為繼,必須強(qiáng)化創(chuàng)新的核心地位,提高綠色全要素生產(chǎn)率。首先,加強(qiáng)物流新技術(shù)的研發(fā)與應(yīng)用,推廣智能交通、快速分揀、精準(zhǔn)定位等現(xiàn)代化技術(shù),完善貨品編碼體系和在線調(diào)度管理系統(tǒng),提高物流業(yè)的運(yùn)作水平;其次,加強(qiáng)人才隊伍建設(shè),實(shí)現(xiàn)學(xué)歷教育與非學(xué)歷教育并行,加快培養(yǎng)吃苦耐勞、懂管理、懂技術(shù)的復(fù)合型人才,不斷提高勞動力的供給質(zhì)量和供給數(shù)量;第三,整合物流信息資源,搭建跨行業(yè)、跨區(qū)域的綜合信息服務(wù)平臺,加強(qiáng)車源、貨源和物流服務(wù)等信息的高效匹配,充分利用社會資源,實(shí)現(xiàn)碳排放減少與經(jīng)濟(jì)效益增長的雙豐收。

[1]馬越越,王維國.中國物流業(yè)碳排放的空間非均衡與極化研究[J].社會科學(xué)輯刊,2015,29(1)∶103-110.

[2]歐陽斌,鳳振華,李忠奎,等.交通運(yùn)輸能耗與碳排放測算評價方法及應(yīng)用——以江蘇省為例[J].軟科學(xué),2015,(1)∶139-144.

[3]張秀媛,楊新苗,閆琰.城市交通能耗和碳排放統(tǒng)計測算方法研究[J].中國軟科學(xué),2014,(6)∶142-150.

[4]張立國.中國物流業(yè)二氧化碳排放變化驅(qū)動因素分析[J].中國流通經(jīng)濟(jì),2016,30(12)∶29-39.

[5]盧升榮,蔣惠園,劉瑤.交通運(yùn)輸業(yè)CO2排放區(qū)域差異及影響因素[J].交通運(yùn)輸系統(tǒng)工程與信息,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,趙國浩.區(qū)域物流發(fā)展、經(jīng)濟(jì)增長與能源消費(fèi)——基于中國省際面板數(shù)據(jù)的實(shí)證分析[J].財貿(mào)研究,2015,(2)∶44-52.

[9]周銀香.交通業(yè)碳排放與行業(yè)經(jīng)濟(jì)增長的響應(yīng)關(guān)系——基于“脫鉤”與“復(fù)鉤”理論和LMDI分解的實(shí)證分析[J].財經(jīng)論叢,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]張偉,張金鎖,鄒紹輝,等.基于LMDI的陜西省能源消費(fèi)碳排放因素分解研究[J].干旱區(qū)資源與環(huán)境,2013,27(9)∶26-31.

[12]梁雯,秦勝杰,張偉.基于VAR模型的物流業(yè)與碳排放動態(tài)關(guān)系研究——以安徽省為例[J].資源開發(fā)與市場,2016,32(9)∶1042-1046.

[13]徐盈之,徐康寧,胡永舜.中國制造業(yè)碳排放的驅(qū)動因素及脫鉤效應(yīng)[J].統(tǒng)計研究, 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]李創(chuàng),昝東亮.基于LMDI分解法的我國運(yùn)輸業(yè)碳排放影響因素實(shí)證研究[J].資源開發(fā)與市場,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,占鵬,等.中國農(nóng)業(yè)能源消費(fèi)碳排放驅(qū)動因素及脫鉤效應(yīng)[J].中國科技論壇,2017,(1)∶136-143.

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

[23]宋京妮,吳群琪,孫啟鵬,等.基于SBM-undesirable模型的綜合運(yùn)輸效率評價[J].交通運(yùn)輸系統(tǒng)工程與信息,2015,15(5)∶32-38.