劉輝 范林榜 呂墨子

摘? 要：物流業(yè)的發(fā)展對(duì)經(jīng)濟(jì)、環(huán)境和能源有重大的影響，因此中國(guó)若要實(shí)現(xiàn)經(jīng)濟(jì)內(nèi)循環(huán)和高質(zhì)量發(fā)展必須重視物流業(yè)發(fā)展。文章基于2010～2019年中國(guó)31個(gè)省的面板數(shù)據(jù)，運(yùn)用PVAR模型對(duì)物流業(yè)與能源、環(huán)境和經(jīng)濟(jì)之間關(guān)系進(jìn)行實(shí)證研究。研究表明：（1）中國(guó)不同地區(qū)的物流業(yè)發(fā)展是不均衡的?！懊餍恰毕笙薜难睾恿饔?，物流業(yè)發(fā)展?jié)摿^高，經(jīng)濟(jì)增長(zhǎng)動(dòng)力也較高;“金牛”象限的沿海地區(qū)，物流業(yè)發(fā)展?jié)摿^低，但經(jīng)濟(jì)增長(zhǎng)動(dòng)力較高;“問題”象限的東北地區(qū)，物流業(yè)發(fā)展?jié)摿^高，但經(jīng)濟(jì)增長(zhǎng)動(dòng)力較低;“瘦狗”象限的西部地區(qū)，物流業(yè)發(fā)展?jié)摿^低，經(jīng)濟(jì)增長(zhǎng)動(dòng)力也較低。（2）能源消耗與物流需求為雙向影響效應(yīng);經(jīng)濟(jì)發(fā)展是導(dǎo)致物流業(yè)發(fā)展的原因;物流業(yè)發(fā)展與物流需求為雙向影響效應(yīng)。最后，對(duì)中國(guó)物流業(yè)如何高質(zhì)量發(fā)展給出一些意見和建議。

關(guān)鍵詞：PVAR;經(jīng)濟(jì)內(nèi)循環(huán);物流產(chǎn)業(yè);高質(zhì)量發(fā)展

中圖分類號(hào)：F250? ? 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract： The development of the logistics industry has a significant impact on the economy， environment and energy， so China must pay attention to the development of the logistics industry if it wants to realize the internal circulation of the economy and high-quality development. Based on the panel data of 31 provinces in China from 2010 to 2019， this paper uses the PVAR model to conduct an empirical study on the relationship between the development of China's logistics industry and energy， environment and economy. The research shows that：（1）The development of logistics industry in different regions of China is not balanced. Along the river basin in the“star”quadrant， the development potential of logistics industry is high， and the economic growth power is also high. In the coastal areas in the“jinniu”quadrant， the development potential of logistics industry is low， but the economic growth power is high. In the“problem”quadrant of Northeast China， the development potential of logistics industry is high， but the impetus of economic growth is low. In the western part of the“thin dog”quadrant， the development potential of the logistics industry is low， and the impetus for economic growth is also low.（2）Energy consumption and logistics demand is a two-way effect; economic development is the cause of the development of logistics industry; logistics industry development and logistics demand for a two-way effect. Finally， this paper gives some opinions and suggestions on how to develop Chinese logistics industry with high quality.

Key words： PVAR; internal circulation of economy; logistics industry; high quality development

隨著全球新冠肺炎疫情進(jìn)一步蔓延的影響，全球經(jīng)濟(jì)受到前所未有的巨大沖擊，中美貿(mào)易摩擦不斷升級(jí)，自疫情以來中國(guó)國(guó)內(nèi)失業(yè)人口也在持續(xù)增加，2020年1～3季度中國(guó)國(guó)民生產(chǎn)總值比上年同期增長(zhǎng)僅為0.7%。中國(guó)的經(jīng)濟(jì)發(fā)展受到嚴(yán)重的沖擊。中國(guó)作為制造業(yè)大國(guó)，當(dāng)前正處于經(jīng)濟(jì)綠色轉(zhuǎn)型升級(jí)的關(guān)鍵時(shí)期，中國(guó)的制造業(yè)面臨能源消耗與環(huán)境保護(hù)的雙重壓力。同時(shí)，中國(guó)的經(jīng)濟(jì)發(fā)展要想實(shí)現(xiàn)經(jīng)濟(jì)內(nèi)循環(huán)，通過國(guó)內(nèi)消費(fèi)拉動(dòng)經(jīng)濟(jì)增長(zhǎng)就必須重視物流業(yè)的發(fā)展，因?yàn)槲锪鳂I(yè)發(fā)展程度對(duì)企業(yè)的降本增效有顯著的影響。經(jīng)濟(jì)內(nèi)循環(huán)的實(shí)現(xiàn)更需要完善的產(chǎn)業(yè)鏈和不同地區(qū)之間的經(jīng)濟(jì)協(xié)調(diào)發(fā)展與優(yōu)勢(shì)互補(bǔ)。而物流業(yè)無疑是實(shí)現(xiàn)這一遠(yuǎn)景的重要支柱。因此，我們既要研究物流業(yè)與經(jīng)濟(jì)發(fā)展的關(guān)系，同時(shí)也要研究它們與能源消耗和環(huán)境污染的關(guān)系。

1? 文獻(xiàn)綜述

Lan S等（2017）[1]認(rèn)為隨著經(jīng)濟(jì)全球化和一體化的發(fā)展，物流業(yè)已成為推動(dòng)國(guó)民經(jīng)濟(jì)和區(qū)域經(jīng)濟(jì)快速發(fā)展的新動(dòng)力。經(jīng)濟(jì)發(fā)展與物流發(fā)展之間的密切關(guān)系受到學(xué)術(shù)界的廣泛關(guān)注。Fang C & Zhang J（2018）[2]認(rèn)為環(huán)境的可持續(xù)發(fā)展驅(qū)使企業(yè)開展內(nèi)部綠色活動(dòng)，并向綠色供應(yīng)鏈管理擴(kuò)展，研究表明綠色供應(yīng)鏈管理對(duì)提高公司績(jī)效具有積極影響。Liu X等（2019）[3]認(rèn)為隨著全球?qū)Νh(huán)境保護(hù)重要性的認(rèn)識(shí)不斷提高，亞洲見證了綠色物流和供應(yīng)鏈綠色化的重要趨勢(shì)，迫切需要發(fā)展環(huán)境可持續(xù)的供應(yīng)鏈，以保護(hù)當(dāng)?shù)睾腿颦h(huán)境。Khan S A R等（2019）[4]從亞洲新興經(jīng)濟(jì)體的角度研究了綠色物流指數(shù)、經(jīng)濟(jì)、環(huán)境和社會(huì)因素之間的關(guān)系。結(jié)果表明，物流業(yè)務(wù)與社會(huì)和環(huán)境問題呈顯著負(fù)相關(guān)。

以上學(xué)者皆從兩個(gè)或三個(gè)維度研究物流業(yè)發(fā)展與經(jīng)濟(jì)的關(guān)系，本文從物流業(yè)發(fā)展、經(jīng)濟(jì)、能源和環(huán)境這四個(gè)維度探討物流業(yè)可持續(xù)發(fā)展問題。

2? 變量說明與數(shù)據(jù)來源

2.1? 變量說明

2.1.1? 物流業(yè)發(fā)展水平

本文采用中國(guó)部分地區(qū)（31個(gè)省）的貨運(yùn)量作為物流業(yè)發(fā)展程度的指標(biāo)。貨運(yùn)量是在貨物運(yùn)輸中完成或需要完成運(yùn)輸?shù)呢浳飻?shù)量。Hidayatno A等（2019）[5]使用貨運(yùn)量指標(biāo)來研究雅加達(dá)的電子商務(wù)發(fā)展，他們認(rèn)為在過去的幾年中交通部門的能源使用對(duì)城市發(fā)展有重大影響。Baydar A M等（2019）[6]研究了土耳其的貨運(yùn)村，他們認(rèn)為貨運(yùn)村是一個(gè)物流集群，在這個(gè)物流集群中實(shí)現(xiàn)了與貨運(yùn)量有關(guān)的所有活動(dòng)。

2.1.2? 物流需求

本文采用快遞業(yè)務(wù)量作為物流需求的指標(biāo)。一個(gè)地方的快遞業(yè)務(wù)量可以較好地反映該地區(qū)對(duì)物流服務(wù)的需求量。Duan H等（2019）[7]認(rèn)為快遞在現(xiàn)代經(jīng)濟(jì)中起著至關(guān)重要的作用。Kang P等（2020）[8]認(rèn)為由于電子商務(wù)和物流業(yè)的蓬勃發(fā)展，快遞服務(wù)已成為我們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠帧?/p>

2.1.3? 經(jīng)濟(jì)發(fā)展

本文采用國(guó)內(nèi)生產(chǎn)總值作為經(jīng)濟(jì)發(fā)展的指標(biāo)，國(guó)內(nèi)生產(chǎn)總值是按市場(chǎng)價(jià)格計(jì)算的一個(gè)國(guó)家或地區(qū)所有常住單位在一定時(shí)期內(nèi)生產(chǎn)活動(dòng)的全部最終產(chǎn)品和服務(wù)價(jià)值的總和。Rashidi K & Cullinane K（2019）[9]認(rèn)為在大多數(shù)國(guó)家中，物流業(yè)在國(guó)內(nèi)生產(chǎn)總值（GDP）的增長(zhǎng)中也占很大的份額，常被認(rèn)為是衡量國(guó)家或地區(qū)經(jīng)濟(jì)狀況的指標(biāo)之一。Wu Q & Qiu Y（2019）[10]探討了影響中國(guó)物流業(yè)發(fā)展的因素，對(duì)中國(guó)物流業(yè)產(chǎn)值進(jìn)行了多元回歸分析。結(jié)果表明，物流產(chǎn)值作為中國(guó)GDP的重要組成部分，對(duì)中國(guó)GDP的發(fā)展具有重要的貢獻(xiàn)。因此需要研究它們之間的關(guān)系，以使物流業(yè)科學(xué)發(fā)展。

2.1.4? 能源消耗

本文變量能源消耗是通過2010～2019年中國(guó)部分地區(qū)（31個(gè)省）的載貨汽車數(shù)量car年度統(tǒng)計(jì)量計(jì)算所得。

car—代表不同省份在不同年份載貨汽車數(shù)量;

m—代表載貨汽車每消耗1升汽油的質(zhì)量;

x—代表載貨汽車每行駛一百公里消耗汽油量;

V—代表載貨汽車的速度;

h—代表載貨汽車每天行駛的時(shí)間;

d—代表載貨汽車每年工作的天數(shù)。

lnEC=lnm·x·v·h·d·car? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

其中：i=1，2，…，n，代表中國(guó)各個(gè)省;t=1，2，…，t，代表年份。為了簡(jiǎn)化計(jì)算，本文數(shù)據(jù)均采用各數(shù)據(jù)的歷年均值。詳細(xì)計(jì)算過程[11]如下：假設(shè)汽車百公里油耗為10L，汽油的質(zhì)量為0.74kg/L，載貨汽車平均速度為70km/h，以每輛汽車每天工作10小時(shí)計(jì)算，然后將其代入公式（1），求出最終的結(jié)果能源消耗。Yang J等（2019）[12]認(rèn)為基于中國(guó)的能源結(jié)構(gòu)，物流業(yè)已成為最重要的能源消耗者和碳排放貢獻(xiàn)者之一。

2.1.5? 環(huán)境污染

Deng F等（2020）[13]認(rèn)為中國(guó)的物流業(yè)最近發(fā)展迅速，但也面臨著成本高、效率低和碳排放過多等問題，給環(huán)境造成了沉重負(fù)擔(dān)。本文變量環(huán)境污染采用燃油載貨汽車所排放的氮氧化物表示，該指標(biāo)是通過2010～2019年中國(guó)31個(gè)省的載貨汽車數(shù)量年度統(tǒng)計(jì)量計(jì)算所得。Cohen G & Jalles J T（2019）[14]使用匯總數(shù)據(jù)和省級(jí)數(shù)據(jù)對(duì)中國(guó)溫室氣體排放量與GDP之間的關(guān)系進(jìn)行了綜合分析。中國(guó)的庫(kù)茲涅茨彈性約為0.6，高于發(fā)達(dá)國(guó)家，但低于主要新興市場(chǎng)。

nox—代表載貨汽車每行駛一百公里氮氧化物排放量。

lnEP=lnv·h·d·nox·car? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

其中：i=1，2，…，n，代表中國(guó)各個(gè)省;t=1，2，…，t，代表年份;為了簡(jiǎn)化計(jì)算，本文數(shù)據(jù)均采用各數(shù)據(jù)的歷年均值。計(jì)算過

程[15]如下：假設(shè)汽車百公里排放氮氧化物為14.36g/km[16]，載貨汽車平均速度為70km/h，以每輛汽車每天工作10小時(shí)計(jì)算，將其代入公式（2），求出最終的結(jié)果環(huán)境污染lnEP。

2.2? 數(shù)據(jù)來源

本文數(shù)據(jù)來源于國(guó)泰安數(shù)據(jù)庫(kù)（CSMAR）和中國(guó)統(tǒng)計(jì)年鑒2010～2019年中國(guó)大陸地區(qū)（31個(gè)?。┑拿姘鍞?shù)據(jù)，運(yùn)用面板向量自回歸（PVAR）模型，使用STATA軟件得出模型擬合結(jié)果。為了消除各變量之間的內(nèi)生性問題，本文在兩個(gè)模型中分別增加了兩個(gè)不同的工具變量。為了消除時(shí)間序列數(shù)據(jù)的慣性問題，所有變量均采用一階差分形式。由于數(shù)據(jù)統(tǒng)計(jì)缺失的原因，未收集到中國(guó)香港、澳門和中國(guó)臺(tái)灣地區(qū)的相關(guān)數(shù)據(jù)，暫不做相關(guān)研究。

3? 實(shí)證研究

3.1? 模型構(gòu)建

Sims等（1980）[17]創(chuàng)立了向量自回歸（VAR）模型，其特點(diǎn)就是將所有變量作為內(nèi)生變量，以真實(shí)反映各變量之間的關(guān)系，Holtz-Eakin等（1988）[18]將其拓展到面板數(shù)據(jù)，提出了面板自回歸（PVAR）模型。

對(duì)物流業(yè)發(fā)展與經(jīng)濟(jì)、能源和環(huán)境之間關(guān)系的研究，以往的學(xué)者一般采用固定效應(yīng)模型或隨機(jī)效應(yīng)模型研究，但是忽視了模型變量之間可能存在的內(nèi)生性問題。為了能全面了解它們之間的關(guān)系，本文依次構(gòu)建了兩個(gè)模型。如下所示：

D.Y=μ+μ·D.Y+Ω+ε? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

D.Y=μ+μ·D.Y+Φ+ε? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（4）

其中：i=1，2，…，n，代表中國(guó)各個(gè)省;t=1，2，…，t，代表年份;D.Y=lnGDP lnEP lnLDL為一個(gè)包含經(jīng)濟(jì)發(fā)展水平lnGDP、環(huán)境污染程度lnEP、物流發(fā)展水平lnLDL的三維列向量;D.Y=lnEC lnLD lnLDL為一個(gè)包含能源消耗量lnEC、物流需求lnLD、物流發(fā)展水平lnLDL的三維列向量;Ω=lnEC lnLD為一個(gè)包含能源消耗lnEC和快遞業(yè)務(wù)量lnLD的二維行向量;Φ=lnGDP lnEP為一個(gè)包含經(jīng)濟(jì)發(fā)展lnGDP、環(huán)境污染lnEP的二維行向量。μ表示截距項(xiàng)向量;k表示滯后期數(shù);μ表示滯后第j階的參數(shù)矩陣;ε為隨機(jī)擾動(dòng)項(xiàng)。

3.2? 平穩(wěn)性檢驗(yàn)

PVAR模型要求變量是平穩(wěn)序列，通過平穩(wěn)性檢驗(yàn)可以有效避免模型的偽回歸現(xiàn)象[19]。由于本文使用大N小T的短面板數(shù)據(jù)，為了增強(qiáng)檢驗(yàn)結(jié)果的穩(wěn)健性，本文采用IPS（異質(zhì)根檢驗(yàn)）、LLC（同質(zhì)根檢驗(yàn)）、ADF-Fisher檢驗(yàn)、PP-Fisher 4種檢驗(yàn)進(jìn)行單位根檢驗(yàn)（見表1）。5個(gè)序列l(wèi)nGDP， lnEC， lnEP， lnLD， lnLDL在4個(gè)檢驗(yàn)中均拒絕變量平穩(wěn)性的原假設(shè)且全部在1%水平上顯著，表明具有良好的平穩(wěn)性，可以進(jìn)行PVAR模型估計(jì)。

3.3? 最優(yōu)滯后期數(shù)的選擇

為保證PVAR模型參數(shù)估計(jì)的有效性，應(yīng)先確定PVAR模型的最優(yōu)滯后期數(shù)，一般選擇信息準(zhǔn)則最小值所在的滯后期數(shù)為最優(yōu)滯后期數(shù)[20]。分別采用AIC、BIC和HQIC準(zhǔn)則進(jìn)行最優(yōu)滯后期數(shù)的選擇（見表2）?；谀Ｐ头€(wěn)定性與Granger因果檢驗(yàn)結(jié)果的考慮，模型（3）和模型（4）在滯后4期時(shí)，擬合效果最顯著。因此，本文最終將滯后4期作為模型（3）和模型（4）的滯后期數(shù)。

3.4? 中國(guó)部分地區(qū)PVAR模型回歸

為了增加模型的可靠性，本文在模型（3）的基礎(chǔ)上增加了能源消耗lnEC和物流需求lnLD兩個(gè)工具變量;在模型（4）的基礎(chǔ)上增加經(jīng)濟(jì)發(fā)展lnGDP和環(huán)境污染lnEP兩個(gè)工具變量。31個(gè)省進(jìn)行PVAR模型的GMM估計(jì)的結(jié)果（見圖1）。董梅、李存芳（2020）[21]在研究中國(guó)的低碳化進(jìn)程時(shí)將30個(gè)省分為8個(gè)區(qū)，本文亦采用類似方法將中國(guó)部分地區(qū)（不包括港、澳、臺(tái)）31個(gè)省分為4個(gè)大地區(qū)（9個(gè)細(xì)分區(qū)域）進(jìn)行比較。

由圖1可以清晰地看出，物流業(yè)發(fā)展與經(jīng)濟(jì)、能源、環(huán)境之間的影響系數(shù)在不同省份之間的差異?；诓ㄊ款D矩陣和通用矩陣的特點(diǎn)，本文提出了中國(guó)不同地區(qū)發(fā)展矩陣構(gòu)想圖（見圖2），縱軸表示物流業(yè)發(fā)展?jié)摿?，橫軸表示經(jīng)濟(jì)發(fā)展動(dòng)力。圖3中縱軸表示物流業(yè)發(fā)展水平，橫軸表示經(jīng)濟(jì)發(fā)展水平。

處于“明星”象限的沿河流域，物流業(yè)發(fā)展?jié)摿^高，經(jīng)濟(jì)增長(zhǎng)動(dòng)力也較高;處于“金?！毕笙薜难睾５貐^(qū)，物流業(yè)發(fā)展?jié)摿^低，經(jīng)濟(jì)增長(zhǎng)動(dòng)力卻較高。部分沿海地區(qū)已經(jīng)進(jìn)入瓶頸期，負(fù)外部性逐漸顯現(xiàn);處于“問題”象限的東北地區(qū)，物流業(yè)發(fā)展?jié)摿^高，經(jīng)濟(jì)增長(zhǎng)動(dòng)力卻較低。這就決定了東北地區(qū)“高增長(zhǎng)但弱競(jìng)爭(zhēng)”的尷尬地位;處于“瘦狗”象限的西部地區(qū)，物流業(yè)發(fā)展?jié)摿^低，經(jīng)濟(jì)增長(zhǎng)動(dòng)力也較低。

由模型（3）和圖1至圖3可以得出，當(dāng)前中國(guó)部分地區(qū)（31個(gè)省）物流發(fā)展水平與經(jīng)濟(jì)發(fā)展和環(huán)境污染之間的關(guān)系存在顯著差異。

（1）經(jīng)濟(jì)發(fā)展對(duì)物流發(fā)展水平有顯著促進(jìn)作用的地區(qū)有沿海地區(qū)、沿河流域等，省份有北京、天津、河北、山西、遼寧、湖南、云南、寧夏。經(jīng)濟(jì)發(fā)展對(duì)物流業(yè)發(fā)展有顯著抑制作用的地區(qū)是西部地區(qū)，省份有重慶、陜西、新疆。

（2）經(jīng)濟(jì)發(fā)展對(duì)環(huán)境污染有顯著作用的省份沿海地區(qū)和西南地區(qū)，有北京、上海、浙江、福建、湖南、廣東、重慶、四川、新疆。經(jīng)濟(jì)發(fā)展對(duì)環(huán)境污染有顯著抑制作用的省份有山西、內(nèi)蒙古、安徽、江西、山東、海南、寧夏。

（3）經(jīng)濟(jì)發(fā)展對(duì)自身發(fā)展有顯著促進(jìn)作用的地區(qū)是北部沿海、沿河流域和東北地區(qū)，省份有北京、天津、吉林、黑龍江、安徽、山東、河南、湖北、湖南、海南、貴州、云南、西藏、陜西、青海、寧夏。經(jīng)濟(jì)發(fā)展對(duì)自身發(fā)展有顯著抑制作用的是東部沿海和西北地區(qū)，省份有山西、上海、浙江、甘肅、新疆。

由模型（4）和圖1至圖3可以得出，當(dāng)前中國(guó)部分地區(qū)（31個(gè)?。┪锪鳂I(yè)發(fā)展水平與物流需求、能源消耗之間的關(guān)系存在顯著差異。

（1）物流需求對(duì)能源消耗有顯著促進(jìn)作用的是西部地區(qū)，省份有湖北、重慶、西藏。物流需求對(duì)能源消耗有顯著抑制作用的地區(qū)是沿海地區(qū)和沿河流域，省份有天津、河北、吉林、江蘇、云南、陜西、新疆。

（2）能源消耗對(duì)物流需求有顯著促進(jìn)作用的地區(qū)是沿海地區(qū)和西部地區(qū)，省份有北京、江蘇、福建、江西、湖南、貴州、西藏、新疆。能源消耗對(duì)物流需求有顯著抑制作用的地區(qū)是沿河流域，省份有山西、上海、安徽、山東、青海。

（3）物流需求對(duì)物流發(fā)展水平有顯著促進(jìn)作用的地區(qū)主要集中在黃河流域和西南地區(qū)，省份有河北、山西、內(nèi)蒙古、福建、海南、四川、寧夏、新疆。物流需求對(duì)物流業(yè)發(fā)展有顯著抑制作用的地區(qū)主要在長(zhǎng)江流域和西南地區(qū)，省份有浙江、河南、湖南、重慶、西藏、陜西。

（4）物流發(fā)展水平對(duì)物流需求有顯著促進(jìn)作用的地區(qū)主要在黃河流域和西南地區(qū)，省份有北京、山西、福建、海南、貴州、新疆。物流業(yè)發(fā)展對(duì)物流需求有顯著抑制作用的地區(qū)主要在東北和長(zhǎng)江流域，省份有遼寧、黑龍江、上海、江蘇、浙江、安徽、湖北、重慶、西藏、青海。能源消耗對(duì)自身發(fā)展有顯著促進(jìn)作用的地區(qū)主要在沿海地區(qū)和西部地區(qū)，省份有江蘇、廣東、廣西、海南、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆。能源消耗對(duì)自身發(fā)展有顯著抑制作用，省份有河北、重慶、西藏。

3.5? 模型的穩(wěn)定性與Granger因果檢驗(yàn)

對(duì)PVAR模型進(jìn)行穩(wěn)定性檢驗(yàn)，即要求伴隨矩陣所有特征根的模均小于1。分別對(duì)模型（3）和模型（4）進(jìn)行模型的穩(wěn)定性檢驗(yàn)，結(jié)果表明兩個(gè)模型的所有特征根均落在單位圓內(nèi)（見圖4和圖5）。此外，還需要對(duì)各變量之間進(jìn)行Granger因果關(guān)系驗(yàn)證（見表3）。

由模型（3）和模型（4）的結(jié)果表明：

（1）環(huán)境污染不是導(dǎo)致經(jīng)濟(jì)發(fā)展的原因，但是經(jīng)濟(jì)發(fā)展卻是導(dǎo)致環(huán)境污染的原因。物流業(yè)的發(fā)展不是導(dǎo)致經(jīng)濟(jì)發(fā)展的原因，但是經(jīng)濟(jì)發(fā)展卻是導(dǎo)致物流業(yè)發(fā)展的原因。物流需求是導(dǎo)致能源消耗的原因，能源消耗也是導(dǎo)致物流需求的原因，即能源消耗與物流需求為雙向效應(yīng)。

（2）物流業(yè)發(fā)展不是導(dǎo)致能源消耗的原因，能源消耗也不是導(dǎo)致物流業(yè)發(fā)展的原因。物流業(yè)發(fā)展是導(dǎo)致物流需求的原因，物流需求也是導(dǎo)致物流業(yè)發(fā)展的原因，即物流業(yè)發(fā)展與物流需求為雙向效應(yīng)。經(jīng)濟(jì)發(fā)展和物流業(yè)發(fā)展是導(dǎo)致環(huán)境污染的原因，經(jīng)濟(jì)發(fā)展和環(huán)境污染是導(dǎo)致物流業(yè)發(fā)展的原因。

（3）物流需求和物流業(yè)發(fā)展是導(dǎo)致能源消耗的原因;能源消耗和物流業(yè)發(fā)展是導(dǎo)致物流需求的原因;能源消耗和物流需求是導(dǎo)致物流業(yè)發(fā)展的原因。

3.6? 脈沖響應(yīng)分析

由于本文所使用的數(shù)據(jù)時(shí)間序列較短，因此，將沖擊作用時(shí)期設(shè)置為6期（默認(rèn)10期），通過1 000次蒙特卡洛模擬，得到了95%置信區(qū)間的脈沖響應(yīng)函數(shù)圖。即模型（3）的脈沖響應(yīng)函數(shù)圖（見圖6）和模型（4）的脈沖響應(yīng)函數(shù)圖（見圖7）。

由圖6模型（3）脈沖響應(yīng)圖可以看出：

（1）經(jīng)濟(jì)發(fā)展對(duì)自身的脈沖響應(yīng)前2期有顯著正向影響，并且這種正向影響是在逐漸降低的，反映了中國(guó)的經(jīng)濟(jì)增長(zhǎng)速度平穩(wěn)下滑趨勢(shì)。

（2）環(huán)境污染對(duì)自身的脈沖響應(yīng)前1期有顯著正向影響，并且這種正向影響是在逐漸降低的，反映了中國(guó)的環(huán)境問題依然面臨著嚴(yán)峻的考驗(yàn)。

（3）物流業(yè)發(fā)展對(duì)自身的脈沖響應(yīng)前1期有顯著正向影響，并且這種正向影響是在逐漸降低的，反映了中國(guó)的物流業(yè)發(fā)展慣性對(duì)促進(jìn)自身的發(fā)展有顯著的影響。

由圖7模型（4）脈沖響應(yīng)圖可以看出：

（1）能源消耗對(duì)自身脈沖響應(yīng)前1期有顯著正向影響，并且這種正向影響是在逐漸降低的。能源消耗對(duì)物流需求脈沖響應(yīng)前5期有顯著負(fù)向影響，并且這種負(fù)向影響是先增加后減少的，物流需求對(duì)能源消耗脈沖響應(yīng)前1期有顯著負(fù)向影響，并且這種負(fù)向影響是在逐漸降低的。

（2）物流需求對(duì)自身的脈沖響應(yīng)前5期有顯著正向影響，并且這種正向影響是在逐漸降低的。物流需求對(duì)物流業(yè)發(fā)展脈沖響應(yīng)前1期有顯著負(fù)向影響，并且這種負(fù)向影響是在逐漸增加的。物流業(yè)發(fā)展對(duì)物流需求脈沖響應(yīng)前1期有顯著負(fù)向影響，并且這種負(fù)向影響是先升高后降低的。

（3）物流業(yè)發(fā)展對(duì)自身的脈沖響應(yīng)前1期有顯著正向影響，并且這種正向影響是在逐漸降低的，反映物流業(yè)發(fā)展對(duì)自身的慣性作用比較顯著。

3.7? 方差分解

通過PVAR模型中的方差分解，可以將每個(gè)內(nèi)生變量預(yù)測(cè)誤差的方差按照其成因分解為與各個(gè)內(nèi)生變量相互關(guān)聯(lián)的組成部分，從而評(píng)估各個(gè)沖擊對(duì)系統(tǒng)中內(nèi)生變量解釋力度和相對(duì)重要性。

由表4可以得出，各個(gè)變量對(duì)自身的慣性影響都比較顯著。經(jīng)濟(jì)發(fā)展對(duì)自身的脈沖響應(yīng)在第2期有顯著正向影響，并且這種正向影響是在逐漸降低的，這與圖1得出的結(jié)論基本一致。物流業(yè)發(fā)展水平對(duì)自身的脈沖響應(yīng)在前1期有顯著正向影響。能源消耗對(duì)自身脈沖響應(yīng)在前2期有顯著正向影響，并且這種正向影響是在逐漸降低的。

4? 結(jié)論及建議

4.1? 結(jié)? 論

（1）中國(guó)不同地區(qū)的物流業(yè)發(fā)展水平是不均衡的?！懊餍恰毕笙薜难睾恿饔?，物流業(yè)發(fā)展?jié)摿^高，經(jīng)濟(jì)增長(zhǎng)動(dòng)力也較高;“金牛”象限的沿海地區(qū)，物流業(yè)發(fā)展?jié)摿^低，經(jīng)濟(jì)增長(zhǎng)動(dòng)力卻較高。沿海地區(qū)一直是中國(guó)經(jīng)濟(jì)發(fā)展的領(lǐng)頭羊，但是物流業(yè)的發(fā)展在部分沿海地區(qū)已經(jīng)進(jìn)入瓶頸期，負(fù)外部性逐漸顯現(xiàn)，已經(jīng)阻礙了物流業(yè)可持續(xù)發(fā)展。甚至有些地區(qū)物流業(yè)的發(fā)展給地方帶來了比較嚴(yán)重的環(huán)境問題;“問題”象限的東北地區(qū)，物流業(yè)發(fā)展?jié)摿^高，經(jīng)濟(jì)增長(zhǎng)動(dòng)力卻較低。這就決定了東北地區(qū)“高增長(zhǎng)但弱競(jìng)爭(zhēng)”的尷尬地位;“瘦狗”象限的西部地區(qū)，物流業(yè)發(fā)展?jié)摿^低，經(jīng)濟(jì)增長(zhǎng)動(dòng)力也較低。西部地區(qū)有些省份（比如山西、內(nèi)蒙古、江西、四川、貴州、陜西等）還處在起步階段。

（2）能源消耗與物流需求為雙向影響效應(yīng)?，F(xiàn)階段中國(guó)物流業(yè)的發(fā)展依然依賴大量的能源消耗，物流需求是導(dǎo)致能源消耗的原因，物流需求和物流業(yè)發(fā)展也是導(dǎo)致能源消耗的原因。能源消耗和物流需求是導(dǎo)致物流業(yè)發(fā)展的原因。經(jīng)濟(jì)發(fā)展是導(dǎo)致物流業(yè)發(fā)展的原因，物流業(yè)發(fā)展與物流需求為雙向影響效應(yīng)。物流需求是導(dǎo)致物流業(yè)發(fā)展的原因，物流業(yè)發(fā)展也是導(dǎo)致物流需求的原因。

4.2? 建? 議

（1）中國(guó)政府應(yīng)當(dāng)統(tǒng)籌兼顧、合理布局全國(guó)的物流產(chǎn)業(yè)發(fā)展，扭轉(zhuǎn)地區(qū)發(fā)展差異帶來的物流產(chǎn)業(yè)發(fā)展不平衡的現(xiàn)狀?！懊餍恰毕笙薜难睾恿饔?，物流業(yè)發(fā)展?jié)摿^高，經(jīng)濟(jì)增長(zhǎng)動(dòng)力也較高。應(yīng)當(dāng)抓住國(guó)家經(jīng)濟(jì)內(nèi)循環(huán)的機(jī)遇，努力發(fā)展、快速成長(zhǎng)。主動(dòng)學(xué)習(xí)沿海地區(qū)物流業(yè)發(fā)展的經(jīng)驗(yàn)，并引進(jìn)人才。地方政府應(yīng)當(dāng)改變“土地財(cái)政”的城市發(fā)展模式，建立以高新技術(shù)產(chǎn)業(yè)為依托的新型城市群發(fā)展模式。中心城市吸納高新技術(shù)企業(yè)入駐，衛(wèi)星城市以優(yōu)惠政策吸納并發(fā)展相關(guān)的上下游產(chǎn)業(yè)鏈上的配套企業(yè);“金牛”象限的沿海地區(qū)，物流業(yè)發(fā)展?jié)摿^低，經(jīng)濟(jì)增長(zhǎng)動(dòng)力卻較高。應(yīng)當(dāng)追求高質(zhì)量發(fā)展，優(yōu)先發(fā)展高科技物流產(chǎn)業(yè)，淘汰落后的產(chǎn)業(yè)鏈將其轉(zhuǎn)移至西部或者東北地區(qū)。

（2）“問題”象限的東北地區(qū)，物流業(yè)發(fā)展?jié)摿^高，經(jīng)濟(jì)增長(zhǎng)動(dòng)力卻較低。東北地區(qū)擁有中國(guó)比較完善的工業(yè)體系，應(yīng)當(dāng)依靠?jī)?yōu)惠稅收政策，主動(dòng)吸納東部及沿海地區(qū)的淘汰的產(chǎn)能，防止其向東南亞國(guó)家轉(zhuǎn)移，有效實(shí)現(xiàn)經(jīng)濟(jì)內(nèi)循環(huán)。比如在東北地區(qū)實(shí)行“五免五減半”（五年免稅，五年減半征收）;或者學(xué)習(xí)海南省在東北中心城市（比如哈爾濱、大連等）搞免稅自貿(mào)區(qū)。政府更應(yīng)當(dāng)加大優(yōu)惠政策吸引人才，比如優(yōu)惠落戶安置政策、加大公租房與廉租房的投入建設(shè)。給與高新技術(shù)人才更加優(yōu)厚的引進(jìn)待遇，比如更高的住房補(bǔ)貼、妥善解決子女教育、配偶工作等方面的問題?！笆莨贰毕笙薜奈鞑康貐^(qū)，物流業(yè)發(fā)展?jié)摿^低，經(jīng)濟(jì)增長(zhǎng)動(dòng)力也較低。西部地區(qū)有些省份（比如山西、內(nèi)蒙古、江西、四川、貴州、陜西等）還處在起步階段。同時(shí)，西部地區(qū)物流業(yè)發(fā)展緩慢，有待進(jìn)一步提高。

（3）中國(guó)政府應(yīng)當(dāng)鼓勵(lì)和支持發(fā)展新能源產(chǎn)業(yè)，逐漸擺脫經(jīng)濟(jì)發(fā)展和物流業(yè)發(fā)展對(duì)化石能源消耗的依賴，走綠色發(fā)展之路。政府應(yīng)當(dāng)考慮新的發(fā)展模式，比如發(fā)展無人機(jī)、石墨烯電池等新的技術(shù)，或者使用太陽(yáng)能、電能等新能源為動(dòng)力的交通工具逐步取代以石化燃料燃燒為動(dòng)力的機(jī)動(dòng)車，不僅可以節(jié)約能源、減少環(huán)境污染，又可以實(shí)現(xiàn)經(jīng)濟(jì)的綠色可持續(xù)發(fā)展。

（4）深入開展 “經(jīng)濟(jì)內(nèi)循環(huán)”，塑造中國(guó)民族品牌，完善物流產(chǎn)業(yè)供應(yīng)鏈，推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展。將“品牌戰(zhàn)略”上升到國(guó)家戰(zhàn)略，鼓勵(lì)一大批民族品牌崛起，支持中國(guó)的企業(yè)走出去，積極參與國(guó)際市場(chǎng)的競(jìng)爭(zhēng)。中國(guó)不應(yīng)該再做歐美等發(fā)達(dá)國(guó)家知名品牌的代工廠，鼓勵(lì)民族企業(yè)進(jìn)行產(chǎn)品升級(jí)和實(shí)施品牌化戰(zhàn)略不僅是經(jīng)濟(jì)高質(zhì)量發(fā)展的必要條件，更是一個(gè)國(guó)家文化自信的表現(xiàn)。

參考文獻(xiàn)：

[1]? Lan S， Yang C， Huang G Q. Data analysis for metropolitan economic and logistics development[J]. Advanced Engineering Informatics， 2017，32：66-76.

[2]? Fang C， Zhang J. Performance of green supply chain management： A systematic review and meta analysis[J]. Journal of Cleaner Production， 2018，183：1064-1081.

[3]? Liu X， McKinnon A C， Wei N. An Analysis of Energy-Related CO2 Emissions from China's Logistics Industry[M] // Environmental Sustainability in Asian Logistics and Supply Chains. Springer， Singapore， 2019：3-19.

[4]? Khan S A R， Sharif A， Golp？觘ra H， et al. A green ideology in Asian emerging economies： Fromenvironmental policy and sustainable development[J]. Sustainable Development， 2019，27（6）：1063-1075.

[5]? Hidayatno A， Destyanto A R， Fadhil M. Model conceptualization on E-commerce growth impact to emissions generated from urban logistics transportation： A case study of Jakarta[J]. Energy Procedia， 2019，156：144-148.

[6]? Baydar A M， Süral H， ？覶elik M. Potential effects of logistics clusters： The case of Turkish Freight Villages[J]. Journal of cleaner production， 2019，233：399-411.

[7]? Duan H， Song G， Qu S， et al. Post-consumer packaging waste from express delivery in China[J]. Resources， Conservation and Recycling， 2019，144：137-143.

[8]? Kang P， Song G， Chen D， et al. Characterizing the generation and spatial patterns of carbon emissions from urban express delivery service in China[J]. Environmental Impact Assessment Review， 2020，80：106336.

[9]? Rashidi K， Cullinane K. Evaluating the sustainability of national logistics performance using Data Envelopment Analysis[J]. Transport Policy， 2019，74：35-46.

[10]? Wu Q， Qiu Y. Analysis of the Influencing Factors of China's Logistics Industry Based on Regression Model[C] // 2019 International Conference on lnEConomic Management and Model Engineering （ICEMME）. IEEE， 2019：265-268.

[11] 李紹春，初永玲，廉靜，等. BP神經(jīng)網(wǎng)絡(luò)在液化天然氣客車能耗估算中的應(yīng)用[J]. 重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，38（10）：133-138.

[12]? Yang J， Tang L， Mi Z， et al. Carbon emissions performance in logistics at the city level[J]. Journal of cleaner production， 2019，231：1258-1266.

[13]? Deng F， Xu L， Fang Y， et al. PCA-DEA-tobit regression assessment with carbon emission constraints of China's logistics industry[J]. Journal of Cleaner Production， 2020，271：122548.

[14]? Cohen G， Jalles J T， Loungani P， et al. DlnECoupling of emissions and lnGDP： Evidence from aggregate and provincial Chinese data[J]. Energy lnEConomics， 2019，77：105-118.

[15] 李博，郭勇，顏燕，等. 重型柴油車在高海拔條件下使用生物柴油的整車性能研究[J]. 小型內(nèi)燃機(jī)與車輛技術(shù)，2020，49（1）：1-5.

[16] 寧艷紅，郭興，劉云崗. 基于運(yùn)行工況的純電動(dòng)車與汽油車能耗排放比較分析[J]. 內(nèi)燃機(jī)與動(dòng)力裝置，2012（3）：5-7，12.

[17]? Christiano L J， Christopher A. Sims and vector autoregressions[J]. The Scandinavian Journal of Economics， 2012，114（4）：1082

-1104.

[18]? Holtz-Eakin D， Newey W， Rosen H S. Estimating vector autoregressions with panel data[J]. Econometrica： Journal of the Econometric Society， 1988，56（6）：1371-1395.

[19] 汪曉文，陳垚. 西北地區(qū)交通基礎(chǔ)設(shè)施與旅游經(jīng)濟(jì)增長(zhǎng)的交互影響研究——基于PVAR模型的實(shí)證分析[J]. 蘭州大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020，48（4）：31-38.

[20] 寧艷紅，郭興，劉云崗. 基于運(yùn)行工況的純電動(dòng)車與汽油車能耗排放比較分析[J]. 內(nèi)燃機(jī)與動(dòng)力裝置，2012（3）：5-7，12.

[21] 董梅，李存芳. 中國(guó)低碳技術(shù)效率、技術(shù)差距與低碳化進(jìn)程研究——基于MinDS-Luenberger方法的實(shí)證分析[J]. 華東經(jīng)濟(jì)管理，2020，34（11）：81-89.