陳子揚(yáng)

安徽大學(xué)紐約石溪學(xué)院 安徽 合肥 230039

近年來全球溫室氣體的持續(xù)增長引起了全球各國的關(guān)注，很多國家已經(jīng)制定了長期的減排計劃。作為全球第二大經(jīng)濟(jì)體，中國積極承擔(dān)解決氣候變換的大國責(zé)任。國家主席習(xí)近平在第七十五屆聯(lián)合國大會上宣布中國“雙碳目標(biāo)”。針對如何減少碳排放這一重要議題，已有眾多學(xué)者分析了數(shù)字經(jīng)濟(jì)、綠色經(jīng)濟(jì)、技術(shù)創(chuàng)新等對抑制碳排放的作用效果和機(jī)制，但鮮有從智慧物流視角分析其對減少碳排放的作用效果和理論邏輯。

1 文獻(xiàn)綜述

隨著國際上對“工業(yè)4.0”戰(zhàn)略研究的開始，學(xué)者們開始重新定義智慧物流并研究其影響。智慧物流是指以物流互聯(lián)網(wǎng)和物流大數(shù)據(jù)為依托，通過協(xié)同共享創(chuàng)新模式與人工技能創(chuàng)新技術(shù)，重塑產(chǎn)業(yè)分工，再造產(chǎn)業(yè)結(jié)構(gòu)，轉(zhuǎn)變產(chǎn)業(yè)發(fā)展方式的新生態(tài)，其最大價值在于提供了終端設(shè)備、接入網(wǎng)和后端基礎(chǔ)設(shè)施產(chǎn)生的數(shù)據(jù)和新服務(wù)，同時也是未來物流業(yè)的發(fā)展趨勢和競爭制高點1-3]。

現(xiàn)有針對智慧物流建設(shè)的文獻(xiàn)主要研究了其對運輸效率和供應(yīng)鏈績效方面的影響。通過對33個歐盟框架項目進(jìn)行審查，指出大數(shù)據(jù)、物聯(lián)網(wǎng)等新一代數(shù)字技術(shù)會對多式聯(lián)運產(chǎn)生積極影響，智慧物流可以促進(jìn)貨運網(wǎng)絡(luò)一體化，提高運輸效率。引入智慧物流體系中的智慧貨運概念，構(gòu)建霧計算模型分析智慧貨運的作用并指出其能夠自主對環(huán)境作出反應(yīng)，計算并優(yōu)化決策，查找替代方案，從而提高運輸效率。從供應(yīng)鏈績效的方面來看，使用服務(wù)業(yè)和制造業(yè)的樣本數(shù)據(jù)對RFID模型進(jìn)行評估，研究發(fā)現(xiàn)RFID可以改善供應(yīng)鏈成員之間的信息共享，從而導(dǎo)致供應(yīng)鏈績效的提高。構(gòu)建指標(biāo)體系研究智慧物流對供應(yīng)鏈的作用機(jī)理，指出智能物流能夠促進(jìn)信息交換，提高物流的可視性，掌握整個供應(yīng)鏈。構(gòu)建結(jié)構(gòu)方程模型檢驗智慧物流結(jié)構(gòu)與可持續(xù)績效之間的假設(shè)關(guān)系，指出以技術(shù)為基礎(chǔ)的智慧物流對智慧城市環(huán)境產(chǎn)生直接的積極影響，進(jìn)而對社會和經(jīng)濟(jì)績效產(chǎn)生積極影響。

由此可見，盡管智慧物流已經(jīng)成為一個新的熱點話題，但是，學(xué)者大都集中在研究智慧物流的發(fā)展體系、對運輸效率和供應(yīng)鏈績效的影響等方面上，少有研究智慧物流對環(huán)境特別是碳排放的影響。已有少數(shù)分析其減排效應(yīng)的研究僅簡單實證了智慧物流政策對碳排放的影響，但未詳細(xì)剖析其具體作用機(jī)制。需要強(qiáng)調(diào)的是，在中國力爭達(dá)到“雙碳”目標(biāo)的大背景下，智慧物流對碳排放的影響更值得我們關(guān)注和研究。那么，“雙碳”目標(biāo)背景下的智慧物流對抑制碳排放是否有顯著影響？潛在作用機(jī)制是什么？其作用效果是否因地域差異而存在異質(zhì)性？為了回答這些問題，本文構(gòu)建雙重差分模型實證分析智慧物流對碳排放的政策效應(yīng)，對“雙碳”目標(biāo)背景下智慧物流的建設(shè)提出相關(guān)建議[4]。

2 理論分析與研究假設(shè)

智慧物流建設(shè)是在充分利用新一代信息技術(shù)和數(shù)字平臺的基礎(chǔ)上蓬勃發(fā)展起來的，就智慧物流建設(shè)本身來看，更多是依托于數(shù)字技術(shù)的一種物流運輸方式創(chuàng)新、物流倉儲管理模式創(chuàng)新。

一方面，智慧物流通過數(shù)字技術(shù)建立的統(tǒng)一互聯(lián)、融合互通的互聯(lián)網(wǎng)平臺，可以實現(xiàn)物流大數(shù)據(jù)的采集、治理與智能分析，以更加精細(xì)、動態(tài)的方式管控運輸環(huán)節(jié)。通過這種方式，可以有效降低貨運車輛的空載率和低載率，減少了車輛的無效和低效駕駛。更重要的是，智慧物流通過AI、云計算等前沿技術(shù)創(chuàng)新應(yīng)用，以技術(shù)賦能交通，應(yīng)用5G技術(shù)，把單車的小交通，演變成所有車輛和道路網(wǎng)聯(lián)化的大交通，改變傳統(tǒng)的運輸方式，提高運輸效率，從而有效減少碳排放[5]。

另一方面，數(shù)字技術(shù)賦能下的智能倉儲可以提高空間利用率、降低人工成本、提高作業(yè)效率，其中的無人倉庫、無人車、無人機(jī)、物流機(jī)器人，能適應(yīng)黑暗、低溫、高層、炎熱等特殊環(huán)境作業(yè)，大大降低了電能能耗。此外，智能倉儲可以實現(xiàn)生產(chǎn)數(shù)據(jù)和物流數(shù)據(jù)的實時交互，打破信息孤島，基于最短作業(yè)路徑，控制自動化設(shè)備完成柔性倉儲管理，達(dá)到利用率最大化，降低設(shè)備能耗，實現(xiàn)碳減排[6]。

基于此，本文提出以下假設(shè)：

H1：智慧物流建設(shè)可以有效降低碳排放。

H2：智慧物流可以通過促進(jìn)物流運輸?shù)臄?shù)字化轉(zhuǎn)型從而降低碳排放。

H3：智慧物流可以通過促進(jìn)物流倉儲的數(shù)字化轉(zhuǎn)型從而降低碳排放。

3 研究設(shè)計

3.1 變量選取與處理

（1）被解釋變量。本文選取的被解釋變量為城市的碳排放量(CE)。為了保證數(shù)據(jù)的平穩(wěn)性，克服數(shù)據(jù)間的非線性問題，并在一定程度上消除量綱影響。本文對碳排放量取自然對數(shù)處理。

（2）解釋變量。本文以2015年商務(wù)部辦公廳印發(fā)的《關(guān)于智慧物流配送體系建設(shè)的實施方案》作為準(zhǔn)自然實驗，其中發(fā)布的首批智慧物流示范城市包括無錫、重慶、臨沂、太原、南昌。因此研究的核心解釋變量為，其系數(shù)的大小和符號表示該智慧物流政策對碳排放影響的凈效應(yīng)。

（3）控制變量。本文選取對碳排放影響較大的因素：人均GDP(perGDP)、人口(population)、城鎮(zhèn)化水平(urban)、綠色投資(green)、煤炭占比(coal)作為控制變量。為了消除量綱影響和異質(zhì)性，本文作取對數(shù)處理。

（4）機(jī)制變量。本文選取數(shù)字運輸水平(DT)和數(shù)字倉儲化水平(DW)作為機(jī)制變量。

3.2 數(shù)據(jù)來源

本文選定2009-2019年我國30個省的283個地級市(不包含西藏和新疆)。其中，碳排放量、人均GDP、人口、煤炭占比等數(shù)據(jù)來源于《中國統(tǒng)計年鑒》和《中國城市統(tǒng)計年鑒》，個別缺失數(shù)據(jù)采用插值法處理。

3.3 模型構(gòu)建

近年來，基于自然實驗的DID方法被廣泛用于評估政策效果。該方法利用差異中的差異避免了其他因素的影響。因此，本文構(gòu)建雙重差分模型分析智慧物流城市建設(shè)對碳排放的影響。

為了保證對照組的樣本特征和實驗組的大致相似，我們建立了以下標(biāo)準(zhǔn)來篩選對照組：碳排放量不得小于實驗組的下限的80%，不得高于實驗組上限的120%；同時，考慮到實驗組的城市均是二線城市或新一線城市，本文也根據(jù)該標(biāo)準(zhǔn)選取對照組城市。隨后，構(gòu)造模型如下：

此外，為了解決自主選擇偏差帶來的內(nèi)生性問題，本文進(jìn)一步構(gòu)建PSM-DID模型，如下：

其中變量的設(shè)置方式與模型(1)相同。

4 實證結(jié)果分析

4.1 基準(zhǔn)回歸分析

根據(jù)回歸模型的公式(1)，本文采用雙重差分模型估計智慧物流政策對城市碳排放的影響。表1的第(1)至第(2)列報告了基準(zhǔn)回歸結(jié)果。

表1 基準(zhǔn)回歸結(jié)果

回歸結(jié)果顯示，無論控制變量與否，城市智慧物流建設(shè)交互項系數(shù)顯著為負(fù)，這表明智慧物流試點政策能夠顯著降低城市的碳排放水平。由此，本文假說H1得以驗證。同時，表中第(2)列中的控制變量的回歸結(jié)果表明，煤炭占能源產(chǎn)業(yè)結(jié)構(gòu)的比重增長對碳排放具有顯著正效應(yīng)。這主要是因為煤炭是我國重要的能源支柱，但也是二氧化碳排放的主要來源。煤炭能源在產(chǎn)業(yè)結(jié)構(gòu)的占比越大，碳排放量越大。

4.2 穩(wěn)健性檢驗

4.2.1 平行趨勢檢驗

DID模型檢驗的前提是在政策實行前，實驗組和對照組的碳排放量具有相同變化趨勢。為了檢驗平行趨勢假定成立，本文繪制了實驗組和對照組平均碳排放量的時間趨勢圖，以直觀地揭示出兩組城市碳排放量的變化差異，如圖1所示?？梢园l(fā)現(xiàn)，在2015年智慧物流試點城市政策出臺之前，實驗組和對照組城市的碳排放量均呈現(xiàn)出上升的趨勢，兩組城市維持著基本平行的時間趨勢。但在2015年政策出臺之后，兩組城市的碳排放量展現(xiàn)出截然相反的變化趨勢，這證實通過了平行趨勢檢驗[7-9]。

圖1 實驗組和對照組的碳排放量時間趨勢

4.2.2 安慰劑檢驗

為了檢驗上述結(jié)果沒有受到隨機(jī)變量、遺漏變量等的影響，本文通過隨機(jī)產(chǎn)生政策施行時間以及隨機(jī)篩選智慧物流試點城市，構(gòu)造了城市——時間兩個層面的隨機(jī)試驗，據(jù)模型(1)重新回歸并重復(fù)上述結(jié)果500次，繪制出的估計系數(shù)分布圖。若虛假實驗下的交互項系數(shù)分布在0附近，表明模型并沒有遺漏掉重要的因素，基準(zhǔn)回歸分析中的智慧物流政策凈效應(yīng)是準(zhǔn)確的。結(jié)果如圖2所示，證實了本文基準(zhǔn)回歸得出的核心結(jié)論是穩(wěn)健的，不存在嚴(yán)重的遺漏變量問題和隨機(jī)因素的影響。

圖2 安慰劑檢驗

4.2.3 PSM-DID

傳統(tǒng)的DID模型中，需要在實驗組和對照組之間進(jìn)行完全隨機(jī)選擇，否則結(jié)果可能產(chǎn)生很大偏差。但是政策實行過程中，難免會有人為選擇的主觀性所導(dǎo)致的政策評估偏差，例如智慧物流城市建設(shè)可能會選擇在碳排放量較高或經(jīng)濟(jì)水平較高的城市。為了緩解自選擇偏差可能導(dǎo)致的內(nèi)生性問題，本文將傾向得分匹配法和DID納入統(tǒng)一分析框架，以確保對政策效應(yīng)的準(zhǔn)確估計。具體步驟如下：

首先，選擇協(xié)變量。由于很難找出同時與被解釋變量碳排放量和實驗組變量都相關(guān)的變量，本文選取控制變量作為協(xié)變量。接著，運用logit模型估計出樣本城市的傾向得分值。隨后，運用卡尺最近鄰匹配并根據(jù)傾向得分值最近原則，選擇與實驗組相近的控制組城市[10]。

基于上述PSM結(jié)果，本文進(jìn)一步根據(jù)式(2)構(gòu)造雙重差分模型對處理過的樣本進(jìn)行回歸分析，結(jié)果如表1的第(3)至(4)列所示?？梢园l(fā)現(xiàn)，交互項對碳排放量的負(fù)向效應(yīng)依舊顯著，進(jìn)一步驗證了基準(zhǔn)回歸模型結(jié)果的穩(wěn)健性和可靠性。

4.3 異質(zhì)性分析

考慮到不同地域的城市在基礎(chǔ)設(shè)施建設(shè)情況、物流業(yè)的行業(yè)發(fā)展條件以及交通運輸?shù)谋憷鹊确矫娲嬖诓町悾赡軐?dǎo)致智慧物流建設(shè)政策效應(yīng)存在異質(zhì)性。本文根據(jù)城市所屬地域?qū)嶒灲M分為以下3組，東部城市包括無錫、臨沂，中部城市包括太原、南昌，西部城市包括重慶，并重新用模型(1)對三個組進(jìn)行回歸?；貧w結(jié)果如表2所示。

表2 城市異質(zhì)性回歸分析結(jié)果

從表2可以看出，智慧物流建設(shè)對東部城市和中部城市的碳排放量具有顯著的負(fù)向作用，但對西部城市的作用并不顯著，并且東部城市的顯著性高于中部城市。主要原因在于，城市智慧物流建設(shè)需要高質(zhì)量的基礎(chǔ)設(shè)施和高質(zhì)量的品牌企業(yè)。東部沿海地區(qū)經(jīng)濟(jì)相對發(fā)達(dá)，具有一定優(yōu)勢的互聯(lián)網(wǎng)基礎(chǔ)設(shè)施和交通基礎(chǔ)設(shè)施，為促進(jìn)協(xié)同共享、萬物互聯(lián)，為全面發(fā)展智慧物流奠定了基礎(chǔ)條件。同時，在電商、快遞、冷鏈、等市場領(lǐng)域的綜合實力強(qiáng)、引領(lǐng)作用大的龍頭骨干企業(yè)主要集中在東部和中部地區(qū)。這些高質(zhì)量的品牌企業(yè)不斷推進(jìn)模式創(chuàng)新、技術(shù)創(chuàng)新、業(yè)態(tài)創(chuàng)新，在智慧物流建設(shè)中起到重要的牽頭作用。因此，東部城市和中部城市建設(shè)智慧物流的條件相較于西部會更加成熟，發(fā)展速度會更快，對碳排放的抑制作用會更加顯著。相比之下，西部城市的智慧物流建設(shè)發(fā)展稍緩慢，這主要是由于西部城市的基礎(chǔ)設(shè)施建設(shè)不完善，品牌企業(yè)的牽頭作用不明顯，因此對碳排放的政策效應(yīng)并不顯著[11]。

4.4 機(jī)制分析

4.4.1 數(shù)字運輸

智慧物流政策的推出，刺激了物流運輸?shù)臄?shù)字化轉(zhuǎn)型，改善了傳統(tǒng)的高能耗駕駛和低效運輸?shù)臓顩r，從而實現(xiàn)碳排放的減排效應(yīng)[12]。為了檢驗這一機(jī)制是否存在，本文引入中介變量數(shù)字運輸水平(DT)構(gòu)建中介效應(yīng)模型，如下：

結(jié)果如表3所示，表中第(1)列和第(2)列的被解釋變量分別為數(shù)字運輸水平和碳排放量。結(jié)果顯示，顯著為正，智慧物流可以顯著促進(jìn)數(shù)字運輸水平的提升。同時，顯著為負(fù)，表明存在顯著的中介效應(yīng)。由此可見，智慧物流通過促進(jìn)傳統(tǒng)運輸方式向數(shù)字運輸?shù)霓D(zhuǎn)型，有效降低了碳排放，驗證了假設(shè)H2成立。

表3 中介效應(yīng)檢驗

4.4.2 數(shù)字化倉儲

智能倉儲系統(tǒng)通過優(yōu)化檢索分配和批次處理分配來減少揀單工作中的無用工作，進(jìn)一步提高工作效率和減少工作時間，從而降低電能消耗和設(shè)備能耗來減少碳排放。那么，智慧物流政策的實施是否可以通過實現(xiàn)倉儲的數(shù)字化轉(zhuǎn)型從而降低碳排放呢？

本文引入中介變量倉儲的數(shù)字化水平(DT)，構(gòu)建中介效應(yīng)模型(5)和(6)。

結(jié)果如表3所示，第(3)列中treat×time的系數(shù)顯著為正，說明智慧物流政策推行后倉儲的數(shù)字化水平明顯提高。第(4)列顯示的系數(shù)在5%的水平下顯著為負(fù)，說明倉儲數(shù)字化水平的提升對碳排放有顯著的負(fù)向影響，這表明了倉儲的數(shù)字化轉(zhuǎn)型是智慧物流政策和碳排放關(guān)系的中介機(jī)制。由此可見，智慧物流政策的實施通過實現(xiàn)物流倉儲的數(shù)字化，抑制了碳排放，驗證了假設(shè)H3成立。

5 結(jié)論與建議

本文以智慧物流城市建設(shè)試點為準(zhǔn)自然實驗，構(gòu)建雙重差分模型研究智慧物流對碳排放的影響。主要結(jié)論如下：第一，智慧物流政策的實施對碳排放具有顯著的抑制作用。第二，智慧物流政策效應(yīng)受城市地域影響表現(xiàn)出異質(zhì)性，對東部城市和中部城市的碳排放抑制作用更明顯，對西部城市沒有顯著影響。第三，上述結(jié)論在PSM-DID等一系列穩(wěn)健性檢驗中依然成立。第四，進(jìn)一步的機(jī)制分析發(fā)現(xiàn)，智慧物流政策依托數(shù)字技術(shù)，促進(jìn)了物流運輸和物流倉儲的數(shù)字化轉(zhuǎn)型，最終降低了碳排放。

基于以上結(jié)論，本文提出以下政策建議：

第一，從智慧物流政策的異質(zhì)性效應(yīng)來看，東部城市和西部城市建設(shè)智慧物流體系的經(jīng)濟(jì)條件、交通運輸條件和技術(shù)條件相對成熟。因此，國家應(yīng)在東部和中部城市廣泛推進(jìn)智慧物流建設(shè)，充分發(fā)揮試驗區(qū)的牽頭作用。同時，政府應(yīng)加大對西部城市的基礎(chǔ)設(shè)施和人才培養(yǎng)的資金投入，以適應(yīng)現(xiàn)代物流發(fā)展的要求。加強(qiáng)互聯(lián)網(wǎng)和交通的基礎(chǔ)設(shè)施建設(shè)，同時促進(jìn)高校和研究部門加強(qiáng)智慧物流相關(guān)的復(fù)合型人才教育工作，為西部城市輸送物流人才，保證智慧物流政策的順利推進(jìn)。

第二，智慧物流城市建設(shè)應(yīng)重視數(shù)字技術(shù)在運輸和倉儲環(huán)節(jié)中的節(jié)能減排作用。一方面，政府應(yīng)制定相應(yīng)政策，通過物聯(lián)網(wǎng)、人工智能等新一代技術(shù)改變傳統(tǒng)的運作方式，幫助企業(yè)更準(zhǔn)確地制定和調(diào)整目標(biāo)，實現(xiàn)物流運輸過程數(shù)據(jù)全流程的信息化、可視化以及調(diào)度優(yōu)化，提高運輸效率，減少運輸時間，從而降低能耗。另一方面，加快物流倉儲的數(shù)字化轉(zhuǎn)型，加大對各類智能硬件設(shè)備的生產(chǎn)投入，應(yīng)用新技術(shù)與新設(shè)備，助力“零碳排”倉庫建設(shè)目標(biāo)的實現(xiàn)。