羅 清 (南通理工學(xué)院 商學(xué)院,江蘇 南通 226000)
隨著經(jīng)濟(jì)的高速發(fā)展以及信息化水平的不斷提升,中國物流業(yè)規(guī)模迅速擴(kuò)大。然而物流業(yè)快速發(fā)展所帶來的能源消耗與環(huán)境污染一直是行業(yè)亟待解決的難點(diǎn)與痛點(diǎn),物流業(yè)高耗能、高排放、低效率式的運(yùn)作模式已不能滿足新常態(tài)下的發(fā)展趨勢。在“雙碳”背景下,如何提高物流業(yè)的能源效率,有效實(shí)施節(jié)能減排策略,推動(dòng)中國物流業(yè)綠色、可持續(xù)、高質(zhì)量發(fā)展,成為了社會(huì)各界關(guān)注的焦點(diǎn)。長江經(jīng)濟(jì)帶包括長江上、中、下游11 個(gè)省市,橫跨東、中、西三大經(jīng)濟(jì)區(qū),水陸空四通八達(dá)、物流產(chǎn)業(yè)規(guī)模龐大,但由于橫跨范圍大以及區(qū)域經(jīng)濟(jì)與技術(shù)水平等影響,物流產(chǎn)業(yè)績效并不理想。因此,研究長江經(jīng)濟(jì)帶的物流業(yè)能源效率及其影響因素顯得尤為重要[1]。
已有研究采用數(shù)據(jù)包絡(luò)分析法(DEA)對能源效率進(jìn)行評價(jià),如郭淑芬等[2]運(yùn)用CCR-DEA、BCC-DEA 和Malmquist-DEA模型對31 省市的科技創(chuàng)新效率及其變動(dòng)情況進(jìn)行了實(shí)證研究;張澤華等[1]采用超效率DEA 模型和Malmquist 指數(shù)分別從靜態(tài)、動(dòng)態(tài)視角對長江經(jīng)濟(jì)帶 11 個(gè)省市的物流產(chǎn)業(yè)效率進(jìn)行實(shí)證研究,最后利用Tobit 模型分析物流產(chǎn)業(yè)效率的影響因素及影響程度;吳傳清等[3]運(yùn)用DEA-Malmquist 指數(shù)和面板Tobit 模型對長江經(jīng)濟(jì)帶技術(shù)創(chuàng)新效率進(jìn)行了測度及影響因素分析;胡艷等[4]運(yùn)用DEA 和Malmquist 指數(shù)法從靜態(tài)和動(dòng)態(tài)兩個(gè)方面測算了長江經(jīng)濟(jì)帶高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率,并探究了其影響因素;廖諾等[5]借助SBM 模型測算中國物流業(yè)全要素能源效率,使用K-Means 聚類對物流業(yè)GDP、能源消耗和能源效率進(jìn)行聚類,然后結(jié)合協(xié)整檢驗(yàn)研究物流業(yè)GDP、能源消耗和能源效率之間的關(guān)系;江雨珊等[6]利用超效率非期望SBM 模型以測度物流業(yè)全要素能源效率,利用GML 指數(shù)及分解動(dòng)態(tài)分析能源效率的變化情況;蘇貴影等[7]運(yùn)用三階段DEA 模型對物流業(yè)效率進(jìn)行評價(jià);張瑞等[8]利用超效率SBM 模型對中國30 個(gè)省市物流業(yè)的能源生態(tài)效率進(jìn)行測度,并構(gòu)建PVAR 模型考察能源生態(tài)效率與其影響因素之間的動(dòng)態(tài)均衡關(guān)系。
本文選取2008—2020年長江經(jīng)濟(jì)帶11 個(gè)省市面板數(shù)據(jù),運(yùn)用考慮非期望產(chǎn)出的超效率SBM 模型和GML 指數(shù)從靜態(tài)和動(dòng)態(tài)視角評價(jià)長江經(jīng)濟(jì)帶的物流業(yè)能源效率,并探究其影響因素,為物流業(yè)節(jié)能減排政策的制定提供理論依據(jù)。
結(jié)合物流行業(yè)特征以及物流能源利用中的經(jīng)濟(jì)效益和生態(tài)效益,考慮數(shù)據(jù)的可獲得性、完整性及科學(xué)性等,借鑒相關(guān)參考文獻(xiàn),采用交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)的數(shù)據(jù)代替物流業(yè)進(jìn)行分析,選取2008—2020年長江經(jīng)濟(jì)帶11 個(gè)省市的面板數(shù)據(jù)為評價(jià)樣本,原始數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》以及長江經(jīng)濟(jì)帶相關(guān)省市統(tǒng)計(jì)年鑒,部分缺失數(shù)據(jù)采用插值法計(jì)算。
投入指標(biāo)主要從勞動(dòng)力、資本和能源三方面來考慮,勞動(dòng)力投入方面選用交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)年末從業(yè)人員數(shù)作為人力評價(jià)指標(biāo)。物流業(yè)運(yùn)營效率受到資本要素投入的影響較大,資本投入方面以物流業(yè)固定資產(chǎn)投資額作為財(cái)力評價(jià)指標(biāo),為剔除價(jià)格變動(dòng)因素影響,采用價(jià)格指數(shù)縮減法,在計(jì)算前將各省份的物流業(yè)固定資產(chǎn)投資額乘以固定資產(chǎn)投資定基指數(shù),計(jì)算出基期資本存量。能源投入方面以原煤、煤油、汽油、柴油、燃料油、液化石油氣、天然氣、電力等8 種物流業(yè)主要能源消耗作為衡量指標(biāo),參考各種能源折標(biāo)準(zhǔn)煤系數(shù),折算為標(biāo)準(zhǔn)煤后加總得到最終能源投入指標(biāo)量(單位:萬噸標(biāo)準(zhǔn)煤)。
能源生態(tài)產(chǎn)出指標(biāo)的選取不僅要涵蓋經(jīng)濟(jì)增長指標(biāo),還要包括生態(tài)環(huán)境影響指標(biāo),結(jié)合物流業(yè)特征,設(shè)計(jì)期望產(chǎn)出和非期望產(chǎn)出。期望產(chǎn)出用交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)增加值表示,剔除價(jià)格變動(dòng)因素的影響,采用第三產(chǎn)業(yè)GDP 價(jià)格指數(shù)代替物流業(yè)GDP 價(jià)格指數(shù)。非期望產(chǎn)出用物流業(yè)的CO2排放量來表示,根據(jù)IPCC 對應(yīng)的能源碳排放系數(shù),參考《國家溫室氣體排放清單指南》中的方法進(jìn)行估算。
環(huán)境變量對物流業(yè)能源效率有顯著影響,但其不是在樣本主觀可控范圍內(nèi)的因素。物流業(yè)能源效率EE 不僅受投入產(chǎn)出指標(biāo)的影響,還可能受其他因素影響,借鑒相關(guān)參考文獻(xiàn),本文從能源結(jié)構(gòu)ES、環(huán)境規(guī)制ER、經(jīng)濟(jì)發(fā)展水平PGDP、產(chǎn)權(quán)結(jié)構(gòu)LCR、物流資源利用率LRR、政府投入FI 及信息化水平IL 等出發(fā)探究各因素對物流業(yè)能源效率的影響方向和強(qiáng)度。能源結(jié)構(gòu)指標(biāo)用油類能源消耗占物流業(yè)能源消耗總量的比值來衡量;環(huán)境規(guī)制指標(biāo)用物流業(yè)二氧化碳排放量占物流業(yè)增加值的比值來衡量;經(jīng)濟(jì)發(fā)展水平用地區(qū)人均GDP 來衡量;產(chǎn)權(quán)結(jié)構(gòu)用物流業(yè)增加值占地區(qū)GDP 的比值來衡量;物流資源利用率用貨物周轉(zhuǎn)量占物流業(yè)增加值的比重來衡量;政府投入用交通運(yùn)輸財(cái)政支出占總財(cái)政支出的比值來衡量;信息化水平用信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)固定資產(chǎn)投資占全社會(huì)固定資產(chǎn)投資的比值來衡量。
Tone(2007)定義了包括非期望產(chǎn)出的非徑向非導(dǎo)向SBM 模型,假設(shè)有n個(gè)DMU,每個(gè)DMUk(k=1,2,…,n)由m項(xiàng)投入(X1,X2,…,Xm),q1項(xiàng)期望產(chǎn)出(Y1,Y2,…,Yr)和q2項(xiàng)非期望產(chǎn)出(B1,B2,…,Bt)構(gòu)成,該模型的描述如下[5]:
模型中ρ*表示被評價(jià)DMU的效率值,其范圍界于0-1 之間;λ表示權(quán)重向量,S-、S+、Sb-分別代表投入、期望產(chǎn)出和非期望產(chǎn)出的松弛變量。0 ≤ρ*<1 表示DMU無效,即現(xiàn)有投入產(chǎn)出結(jié)構(gòu)不合理,存在效率損失;若ρ*=1 表示DMU有效。但實(shí)際應(yīng)用中,若存在多個(gè)決策單元同時(shí)有效,SBM 模型無法對這些決策單元作出進(jìn)一步的比較和排序,針對這一問題Tone 對SBM 模型進(jìn)行改進(jìn),提出了超效率SBM 模型,能夠?qū)π手禐? 的決策單元進(jìn)行更為細(xì)致的區(qū)分排序。考慮非期望產(chǎn)出的超效率SBM 模型如下[8]:
超效率SBM 模型在加入時(shí)間因素時(shí),由于各期生產(chǎn)前沿面不同,只適用于截面數(shù)據(jù)的橫向靜態(tài)比較,引入GML 指數(shù)可實(shí)現(xiàn)時(shí)間序列層對物流業(yè)能源效率的動(dòng)態(tài)變化分析[1],指數(shù)大于1 表示效率相比上一年有所上升,小于1 表示效率下降,等于1表示效率不變。t期到t+1 期的效率指數(shù)為:
式中:Eg(xt,yt)為t時(shí)期以研究期間所有DMU為參考集的評價(jià)結(jié)果;Et(xt,yt)為t時(shí)期以當(dāng)期所有DMU為參考集的評價(jià)結(jié)果;GML 指數(shù)可分解為技術(shù)效率變化(EC)和技術(shù)進(jìn)步(TC)。
以超效率SBM 模型求得的物流業(yè)能源效率值作為因變量,以影響物流業(yè)能源效率的因素為回歸自變量構(gòu)建面板數(shù)據(jù)回歸模型,本文使用最常用的固定效應(yīng)回歸模型和隨機(jī)效應(yīng)回歸模型進(jìn)行估計(jì),具體的回歸模型如下[4]:
lnEEit=C+β1lnESit+β1lnERit+β1lnPGDPit+β1lnLCRit+β1lnLRRit+β1lnFIit+β1lnILit+vi+μit
式中,vi是選擇固定效應(yīng)模型下各地區(qū)不隨時(shí)間變化的量,μ是殘差項(xiàng)。
將長江經(jīng)濟(jì)帶11 省市的投入產(chǎn)出面板數(shù)據(jù)代入超效率SBM 模型,應(yīng)用DEARUN 軟件,得到2008—2020年長江經(jīng)濟(jì)帶各省市的物流業(yè)能源效率值,并對長江上、中、下游的物流業(yè)能源效率的幾何平均值進(jìn)行統(tǒng)計(jì),結(jié)果見表1。
表1 2008—2020年長江經(jīng)濟(jì)帶11 省市物流業(yè)能源效率評價(jià)結(jié)果
由表1可知,在考察期內(nèi),長江經(jīng)濟(jì)帶物流業(yè)能源效率總體呈波動(dòng)上升后回落趨勢,物流業(yè)能源效率總均值為0.762,處于中等以上水平,物流業(yè)能源效率仍有一定的提升空間;2008—2012年長江經(jīng)濟(jì)帶物流業(yè)能源效率出現(xiàn)由高到低地波動(dòng)下降趨勢,2013—2020年物流業(yè)能源效率值波動(dòng)上升并逐漸趨于平穩(wěn),2014年物流業(yè)發(fā)展中長期規(guī)劃的提出,帶動(dòng)了物流業(yè)快速增長;但經(jīng)濟(jì)高速發(fā)展所帶來的環(huán)境問題也日益突出,隨著堅(jiān)持生態(tài)優(yōu)先、不搞大開發(fā)的理念提出,長江經(jīng)濟(jì)帶的環(huán)境治理也逐步加強(qiáng),至2020年長江經(jīng)濟(jì)帶物流業(yè)能源效率波動(dòng)較小并逐步趨于平穩(wěn)。
從空間區(qū)域視角看(如圖1所示),各區(qū)域物流業(yè)能源效率存在顯著的地域差異,下游地區(qū)效率最高,整體呈波動(dòng)上升后回落并逐步趨于平穩(wěn)的趨勢,到2018年物流業(yè)能源效率達(dá)到有效,高于長江經(jīng)濟(jì)帶平均水平;中游次之,物流業(yè)能源效率穩(wěn)步上升后回落,2018年能源效率值達(dá)到最大,效率水平達(dá)到有效,基本與長江經(jīng)濟(jì)帶物流業(yè)能源效率水平保持一致;上游地區(qū)整體效率最低,低于長江經(jīng)濟(jì)帶的平均水平,在研究期內(nèi),上游地區(qū)的物流業(yè)能源效率一直處于無效狀態(tài),下、中、上游在空間上呈現(xiàn)“階梯狀”分布。但從整體數(shù)據(jù)來看,上中下游的物流業(yè)能源效率均值均小于1,處于無效狀態(tài),說明長江經(jīng)濟(jì)帶物流業(yè)高耗能、高排放、低效率的問題仍然突出,通過高新技術(shù)和設(shè)備的引進(jìn)、清潔能源的普及、政府環(huán)境規(guī)制以及提高物流企業(yè)內(nèi)部管理水平等方式以實(shí)現(xiàn)物流業(yè)高效率、低能耗、低排放的發(fā)展。
從各省市物流業(yè)能源效率值(如圖2所示)來看,在研究期內(nèi),江蘇、江西、貴州一直處于物流能源效率有效水平,其中江西位居長江經(jīng)濟(jì)帶第一位,物流能源效率均值為1.368;貴州和江蘇緊隨其后,分別為1.281 和1.249。物流業(yè)能源效率接近有效的省市有上海、安徽,效率均值分別為0.907 和0.858,上海市2008—2010年效率值較低,2011—2020年效率值均達(dá)到有效;安徽省物流業(yè)能源效率值從有效-無效-有效演變,導(dǎo)致研究期內(nèi)效率均值處于無效水平。物流業(yè)能源效率排名倒數(shù)三位是云南、四川和湖北,其效率值較低,分別為0.408、0.436 和0.501,湖北省雖處于長江中游,位于九省通衢之處,是南北的交通樞紐,水路條件優(yōu)越,但與下游地區(qū)相比,此地區(qū)高端人才的匱乏、設(shè)施設(shè)備及科學(xué)技術(shù)的落后成為了阻礙其物流能源效率提升的重要阻力。
為進(jìn)一步對長江經(jīng)濟(jì)帶的物流業(yè)能源效率進(jìn)行動(dòng)態(tài)分析,利用DEARUN 軟件測算出物流業(yè)能源效率的GML 指數(shù)及其分解,結(jié)果見表2。
表2 2008—2020年長江經(jīng)濟(jì)帶物流業(yè)能源效率指數(shù)及其分解
續(xù) 表
根據(jù)年均GML 指數(shù)及其分解結(jié)果來看,長江經(jīng)濟(jì)帶GML 均值為1.004,年均增長率為0.4%,進(jìn)一步觀察可以發(fā)現(xiàn),技術(shù)效率和技術(shù)進(jìn)步分別為1.004 和1,說明長江經(jīng)濟(jì)帶技術(shù)效率的提高帶動(dòng)了物流業(yè)能源效率的提高;從區(qū)域角度看,長江下游GML 均值最大,為1.013,年均增長率為1.3%,技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)分別為0.998 和1.015,說明長江下游的物流業(yè)能源效率提升主要得益于該區(qū)域的技術(shù)進(jìn)步,有先進(jìn)的物流技術(shù)做支撐,但還需進(jìn)一步提升物流效率。長江中游GML 均值為1.001,年均增長率為0.1%,接近長江經(jīng)濟(jì)帶的平均水平,技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)分別為1.003 和0.999,該區(qū)域的物流技術(shù)水平還有一定的提升空間。長江上游GML 均值為0.998,年均物流業(yè)能源效率下降0.2%,進(jìn)一步觀察發(fā)現(xiàn)技術(shù)效率和技術(shù)進(jìn)步指數(shù)分別為1.011 和0.987,說明長江上游技術(shù)進(jìn)步的減緩是導(dǎo)致該區(qū)域物流業(yè)能源效率下降的主要原因,要想實(shí)現(xiàn)上游物流業(yè)高效率、低能耗、低排放、高質(zhì)量發(fā)展,亟需提高該區(qū)域的物流技術(shù)水平。
運(yùn)用超效率SBM 模型獲取2020年各省市的超效率值及投入產(chǎn)出松弛改進(jìn)量,結(jié)果見表3。對于效率值<1 的DMU,slack(松弛改進(jìn)量)全部為正,投入slacks代表投入需要減少的量,產(chǎn)出slacks代表產(chǎn)出需要增加的量,非期望產(chǎn)出slacks代表非期望產(chǎn)出需要減少的量;對于效率值≥1 的DMU,slack全部為負(fù),代表超出前沿的量,投入slacks代表投入可以增加的量,產(chǎn)出slacks代表產(chǎn)出可以減少的量,非期望產(chǎn)出slacks代表非期望產(chǎn)出可以增加的量,經(jīng)過這樣的變化后,DMU仍然有效,體現(xiàn)一種“超”效率的思想。
表3 2020年長江經(jīng)濟(jì)帶11 省市投入產(chǎn)出松弛改進(jìn)表
由表3可知,2020年上海、江蘇、安徽、江西、重慶、貴州的物流業(yè)能源效率均為有效,且SBM 超效率值大于1,超過生產(chǎn)前沿面。而浙江、湖北、湖南、四川和云南處于非DEA 有效水平,效率值小于1,這些地區(qū)的投入指標(biāo)和非期望產(chǎn)出都存在不同程度的冗余,表明這些指標(biāo)的投入和非期望產(chǎn)出應(yīng)減少才能達(dá)到最優(yōu)生產(chǎn)前沿面。勞動(dòng)力投入方面,四川和浙江在減少勞動(dòng)力冗余方面有較大改進(jìn)空間;固定資產(chǎn)投資方面,四川固定資產(chǎn)投資過剩比重高達(dá)73.25%;節(jié)能減排方面,湖北、湖南、四川節(jié)能減排潛力最大,均達(dá)到40%左右。總體來看,非DEA 有效的省份均存在投入冗余、CO2排放過量的情況,反映了要素投入規(guī)模和結(jié)構(gòu)不合理,能源浪費(fèi),CO2排放過多等問題,這些省市需進(jìn)一步精簡人員,調(diào)整固定資產(chǎn)投資規(guī)模,嚴(yán)格把控資金流向和用途,優(yōu)化能源結(jié)構(gòu),提高能源利用率,同時(shí)有效落實(shí)環(huán)保政策,減少CO2排放量,促進(jìn)物流業(yè)高效、節(jié)能減排、高質(zhì)量的發(fā)展。
由于長江經(jīng)濟(jì)帶上中下游地區(qū)的物流業(yè)能源效率差異顯著,進(jìn)行整體回歸并不能分清各指標(biāo)對長江經(jīng)濟(jì)帶物流能源效率的真實(shí)影響程度,所以本文不對長江經(jīng)濟(jì)帶整體物流業(yè)能源效率影響因素進(jìn)行分析,而是分別對長江上中下游的物流業(yè)能源效率影響因素進(jìn)行分析。為了降低時(shí)間序列異方差的影響,對指標(biāo)數(shù)據(jù)取自然對數(shù)處理,為了避免偽回歸,建立模型前對面板數(shù)據(jù)進(jìn)行了單位根檢驗(yàn),所有變量均通過了單位根檢驗(yàn)。采用SPSSAU 軟件對長江上中下游的面板數(shù)據(jù)進(jìn)行回歸分析,對混合模型、固定效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行了F 檢驗(yàn)、BP 檢驗(yàn)以及Hausman 檢驗(yàn),根據(jù)檢驗(yàn)結(jié)果可知,長江中游面板數(shù)據(jù)支持固定效應(yīng)模型,長江上游和下游選擇隨機(jī)效應(yīng)模型,結(jié)果如表4。
表4 長江經(jīng)濟(jì)帶上中下游物流業(yè)能源效率影響因素回歸結(jié)果
根據(jù)實(shí)證分析結(jié)果可知,能源結(jié)構(gòu)對長江經(jīng)濟(jì)帶上中下游地區(qū)的物流能源效率的影響有顯著的不同,對長江上游地區(qū)物流業(yè)能源效率在1%的顯著性水平下,回歸系數(shù)值為2.096,有明顯的正向促進(jìn)作用,而對長江中游和下游地區(qū),其回歸系數(shù)分別為-0.271、-1.992,說明能源結(jié)構(gòu)對長江中下游地區(qū)物流業(yè)能源效率提升在1%的顯著性水平下,具有明顯的阻礙作用,下游地區(qū)的阻礙作用更為明顯。環(huán)境規(guī)制對長江經(jīng)濟(jì)帶上中下游地區(qū)物流業(yè)能源效率的影響差異顯著。上游地區(qū)和下游地區(qū)環(huán)境規(guī)制對物流業(yè)能源效率提升具有明顯的阻礙作用,中游地區(qū)則無顯著影響。經(jīng)濟(jì)發(fā)展水平對長江經(jīng)濟(jì)帶上中下游地區(qū)物流業(yè)能源效率的影響差異顯著。經(jīng)濟(jì)發(fā)展水平促進(jìn)了長江中游地區(qū)能源效率的提升,卻抑制了上游地區(qū)能源效率的增長,對長江下游地區(qū)的能源效率無顯著影響。物流業(yè)增加值占GDP 比重越大,對長江中游地區(qū)的物流能源效率的促進(jìn)作用越大,而對長江下游地區(qū)卻顯示出一定的抑制作用,對長江上游地區(qū)的物流能源效率提升并無影響。物流資源利用率對長江中游地區(qū)的物流業(yè)能源效率具有顯著的促進(jìn)作用,對長江上下游地區(qū)物流業(yè)能源效率并無明顯影響。政府投入和信息化水平對長江經(jīng)濟(jì)帶上中下游地區(qū)的物流業(yè)能源效率提升均沒有顯著影響。
通過對2008—2020年長江經(jīng)濟(jì)帶11 省市物流業(yè)能源效率進(jìn)行超效率SBM 和GML 指數(shù)分析,以及運(yùn)用固定效應(yīng)和隨機(jī)效應(yīng)回歸模型探索能源結(jié)構(gòu)、環(huán)境規(guī)制、經(jīng)濟(jì)發(fā)展水平等因素對物流業(yè)能源效率的影響分析,得出如下結(jié)論:a.從靜態(tài)來看,長江經(jīng)濟(jì)帶物流業(yè)能源效率總體呈波動(dòng)上升趨勢,整體能源效率處于中等以上水平,上中下游區(qū)域物流業(yè)能源效率失衡現(xiàn)象嚴(yán)重,空間上呈“階梯狀”分布,下游地區(qū)能源效率最高,中游次之,上游最低。b.從動(dòng)態(tài)來看,長江經(jīng)濟(jì)帶物流業(yè)能源效率水平總體來說有所改善,技術(shù)效率的提升帶動(dòng)了全要素生產(chǎn)率的提升,但上中下游能源效率水平變動(dòng)差異明顯,下游地區(qū)技術(shù)水平的提升促進(jìn)了該地區(qū)物流業(yè)能源效率的增長,中游地區(qū)的物流業(yè)能源效率呈現(xiàn)較小幅度的增長,主要于依賴技術(shù)效率的提升,而上游地區(qū)物流業(yè)能源效率水平有所下降,主要原因是技術(shù)水平下降,而同期的技術(shù)效率呈增長趨勢。c.非DEA 有效省市存在不同程度的投入冗余和碳排放過量現(xiàn)象,各地區(qū)應(yīng)深入了解自身物流業(yè)人力、財(cái)力投入現(xiàn)狀,進(jìn)一步優(yōu)化能源結(jié)構(gòu),確保節(jié)能減排措施的有效實(shí)施。d.根據(jù)面板數(shù)據(jù)回歸分析結(jié)果可知,能源結(jié)構(gòu)對長江上游物流業(yè)能源效率提升具有明顯的促進(jìn)作用,但對中下游地區(qū)具有抑制作用;環(huán)境規(guī)制阻礙了長江上下游地區(qū)物流業(yè)能源效率的提升;經(jīng)濟(jì)發(fā)展水平促進(jìn)了長江中游地區(qū)物流業(yè)能源效率的提高,但在一定程度上抑制了上下游地區(qū)的能源效率提升,物流業(yè)增加值占GDP 比重這一指標(biāo),在一定程度上促進(jìn)了長江中游地區(qū)的能源效率提升,但對長江下游具有較小的阻礙作用;政府投入、信息化水平等因素對長江經(jīng)濟(jì)帶各地區(qū)的物流業(yè)能源效率并無明顯影響。