長三角低碳物流對區域經濟發展的影響分析

劉 聰，李珍珍

（遼寧工程技術大學 營銷管理學院，遼寧 葫蘆島 125105）

“雙碳”時代的到來意味著我國經濟正由高速增長逐步向高質量發展階段過渡轉型，而物流業作為新興的復合服務型產業，是我國經濟增長的重要驅動力之一［1］。為此，國家“十四五”節能減排綜合工作方案中明確指出，要落實交通運輸的降碳減排工作、加快低碳循環經濟體系建設等［2］。長三角作為全國經濟發展的領頭羊，地區物流業的發展潛力不可估量。根據長三角三省一市統計局發布的數據，2020年長三角物流產業增加值為8 653.51億元，約占第三產業增加值的6.3%，可見長三角物流業對區域經濟的貢獻力度不容小覷。然而，在加快區域經濟升級轉型過程中，長三角物流業的運作模式尚未擺脫能源損耗嚴重、污染環境等問題。2018年長三角一體化發展上升為國家戰略，為長三角區域經濟發展提供了新機遇。基于此，客觀評價低碳物流的運行效率，衡量低碳物流的發展水平，對于加快長三角區域經濟發展具有重要的實踐意義。

低碳物流是從綠色物流引申而來的概念，其本質是在保護環境的前提下，力圖實現能源消耗最小的同時達到效率最優。隨著近年來全球氣候逐漸變暖、極端天氣頻發，生態環境問題愈發不容小覷，低碳物流逐漸引起學界重視。目前有關低碳物流的研究主要分為兩方面，包括低碳物流運作模式和低碳約束下物流業效率及其影響因素。前者主要探討低碳約束下物流車輛配送路徑優化和選址方面的問題，如康凱等、寧濤等［3-4］均以生鮮農產品為研究對象，圍繞冷鏈物流車輛的配送路徑進行仿真優化，努力降低碳排放成本；與之不同的是，冷龍龍等［5］則將選址和路徑問題一并考慮，通過算法模擬來實現碳排放量最小的目的。后者有關低碳物流效率方面的研究，眾多學者主要針對低碳約束下的物流產業效率進行定量分析。如劉承良和管明明［6］從空間分布特征對中國物流業的效率及影響因素進行分析；而楊傳明［7］則分別從靜態和動態角度對江蘇省物流產業的運作效率展開測量，并據此提出改進建議。

既有研究從不同角度梳理了低碳物流的發展水平和影響因素，但在探究長三角低碳物流效率與經濟發展關系這一領域仍有拓展空間，具體存在以下三點不足：①目前圍繞低碳物流的研究對象主要集中在單獨省份或全國范圍，而針對長三角低碳物流效率開展研究的文獻少之又少，這不利于“雙碳”背景下加快長三角一體化發展；②現有研究多從宏觀視角分析區域物流與區域經濟的關系［8-10］，尚未有學者進一步探究低碳物流與區域經濟的關系；③從已有文獻的研究方法來看，大多應用單一的方法模型，諸如隨機前沿分析法［11］、三階段DEA模型等［12］，其對物流業效率的分析難以透徹，也無法系統全面地梳理物流與經濟之間的復雜關系。基于此，本文以長三角地區為研究對象，探究低碳物流與區域經濟之間的關系。

本文的研究貢獻主要有：①選取全國經濟發展最為活躍的區域——長三角地區作為研究樣本，使研究更具有代表性；②以低碳物流-區域經濟為研究框架，充分討論長三角低碳物流對區域經濟的影響；③為能精準全面地證明低碳物流對區域經濟確有影響，本文綜合應用DEA-BCC模型、固定效應模型以及灰色關聯分析，層層梳理兩者之間的關系。

二、研究方法

（一）指標體系構建

考慮指標體系的科學性與可獲得性，以低碳物流理論為指導，借鑒已有的研究成果［13-14］，從投入與產出兩方面建立低碳物流的指標體系，具體見表1所列。

表1 低碳物流指標體系

在物流投入方面，眾多研究主要從人力投入和財力投入兩方面建立，而本文則從四個方面對物流投入進行分析，具體為CO2的排放量、物流從業人數、物流固定資產投資和等級公路里程，從而更加直觀全面地體現低碳物流產業的發展基礎；在物流產出方面，分別從物流產業增加值、貨運量和貨物周轉量三個維度進行綜合考量，從而反映低碳物流的運行成果。

原始數據分別來自《中國能源統計年鑒》《中國統計年鑒》《上海統計年鑒》《江蘇統計年鑒》《浙江統計年鑒》《安徽統計年鑒》以及長三角三省一市國民經濟和社會發展統計公報等。

（二）指標數據處理

1.數據不變價處理

為消除價格波動的影響，利用GDP平減指數，將與價格相關的指標平減為2008年為基期的不變價格水平。以人均國內生產總值指標為例，數據預處理的結果見表2所列。

表2 2008—2019年長三角各省份人均國內生產總值不變價處理結果

續表2

2.面板數據熵值法

在構建客觀合理的指標評價體系基礎上，進一步采用熵值法對數據作標準化處理，測算熵值和冗余度，最終得出各指標的權重和各省份低碳物流系統的綜合得分。考慮熵值法已經廣泛應用在學術研究中，此處詳細步驟可參考李曉梅和崔靚［15］的做法。

（三）模型構建

1.低碳物流產業運作效率

數據包絡分析法（DEA）最早由Charnes提出［16］，該方法廣泛應用于對各種產業效率的測度。曹炳汝等［17］以長江經濟帶為例，通過巧妙結合DEABCC模型以期掌握物流效率在時間維度上的變化；梅國平等［18］采用三階段DEA模型對華東地區物流效率展開分析，結果表明，在一定條件下，物流產業效率在空間上呈現由沿海逐漸向內陸遞減的趨勢。

本文選取數據包絡分析法中的BCC模型，對低碳物流產業效率進行測算。一方面是由于BCC模型可以解決投入和產出變量多以及各變量量綱不同的問題；另一方面是由于該模型不僅能測算綜合技術效率，還可以進一步得出純技術效率和規模效率的數值，進而能夠有針對性地提出改進建議，拓寬研究思路。考慮DEA-BCC模型經常被運用，此處具體的推導過程參考了談毅［19］的做法。

2.低碳物流與區域經濟的計量分析

（1）被解釋變量。鑒于人均國內生產總值是衡量區域經濟發展水平比較有代表性的參照指標［20-22］，此處選取人均國內生產總值（pgdp）作為測算經濟增長的標準。

（2）解釋變量。低碳物流（lcl）為本文的關鍵變量，根據面板數據熵值法的處理，將長三角各省份低碳物流產業的綜合得分作為解釋變量。

（3）控制變量。區域經濟發展受多個變量影響，為精準分析低碳物流如何作用于區域經濟發展，本文綜合以往文獻，選取教育支出（edu）、政府規模（gov）和環境規制程度（rate）作為控制變量［23］。其中：教育支出由各省份教育支出占各自GDP的比重來表示，教育支出增加會培養出更多復合型人才，進一步為區域經濟發展注入活力；政府規模用各省份財政支出占各自GDP的比重來表示，表明政府活動對經濟增長的干預程度；環境規制程度用工業固體廢物綜合利用率來表示，經濟的健康發展離不開對環境的管控，該指標數值與環境規制程度成正比。

基于此，對各變量預處理后，再進行固定效應回歸分析，具體公式如下：

其中：pgdpit表示人均國內生產總值；lclit表示低碳物流；control表示控制變量集合；α為常數項；β1、β2均為待估參數；μi表示個體固定效應；εit為隨機誤差項。

3.低碳物流對區域經濟發展的灰色關聯分析

采用灰色關聯分析方法剖析長三角低碳物流系統各指標對區域經濟發展的影響。依據灰色關聯分析的步驟［24］，具體如下：

首先，建立參考序列和比較序列。本文選取長三角人均國內生產總值作為參考序列，選取低碳物流各個指標構成比較序列。

其次，對原始數據序列進行去量綱處理，此處選用初值化法，即

最后，計算關聯系數和關聯度大小，并對各指標關聯度大小進行排序，以便后續分析。

其中：k=1,2,…,m；δi()k為關聯系數；ρ為分辨系數，取值范圍為（0，1），通常取0.5；γ0i表示兩個數列之間的關聯度。

三、實證分析

（一）長三角各省份低碳物流產業效率分析

運用DEAP2.1軟件對長三角各省份低碳物流產業效率進行測度，具體分析結果見表3—表5所列。

綜合技術效率分析結果見表3所列。2008—2019年，長三角三省一市低碳物流綜合技術效率的取值范圍為0.821～1.000，并且在2015年達到最小值0.926，平均值為0.971，此后呈現持續上升趨勢，說明長三角低碳物流發展水平整體上在波動狀態中向好發展，各省份低碳物流綜合技術效率相差甚微。具體來看：浙江和江蘇兩地低碳物流綜合技術效率水平的平均值最高，分別為0.992和0.984；上海低碳物流綜合技術效率雖然波動幅度相對較大，但最小值也達到了0.871；安徽低碳物流綜合技術效率在0.821～1.000之間，其中，2008—2014年均處于DEA有效狀態，2015—2019年又呈現出較為明顯的上升趨勢。整體來看，長三角三省一市低碳物流綜合技術效率的均值均在0.9以上，最小值也保持在0.8以上，這表明長三角低碳物流的資源配置和管理效率比較合理。

表3 2008—2019年長三角各省份低碳物流綜合技術效率

純技術效率分析結果見表4所列。2008—2019年，長三角三省一市低碳物流純技術效率為1的決策單元有33個，占比68.75%。其中：浙江、江蘇、上海和安徽的DEA有效年份分別為10個、8個、7個和8個。浙江和江蘇純技術效率的平均值均為0.997，排名并列第一。除2013年和2015年外，浙江純技術效率長期處于DEA有效狀態；江蘇純技術效率取值介于0.986～1.000之間，取值均在0.9以上較高水平，可見江蘇物流產業的資源利用效率比較理想；緊隨兩省排名之后的便是上海，上海純技術效率的平均值為0.989，高于其規模效率的平均值，說明上海綜合技術效率水平更多地受到規模效率的影響，未來上海應進一步優化低碳物流的規模結構；位居末尾的安徽，雖然純技術效率的平均值低于其他三個省份，但整體水平也均能達0.8以上，說明其進一步提升的空間還有待拓展。

表4 2008—2019年長三角各省份低碳物流純技術效率

規模效率分析結果見表5所列。2008—2019年，長三角物流規模效率最大值為1.000，最小值為0.884，平均值達到0.986。浙江在各地區低碳物流平均規模效率中排名第一，緊隨其后的分別是安徽、江蘇和上海。浙江除2009年、2013年和2015年外，規模效率均處于DEA有效狀態；安徽則在2008—2014年期間，規模效率持續穩定為1；而江蘇和上海的規模效率則處于不斷波動狀態，規模效率未達到1的年份說明投入與產出沒有達到最優規模，有待繼續降本增效，提高低碳物流的規模效率，進而提升長三角低碳物流綜合技術效率。

表5 2008—2019年長三角各省份低碳物流規模效率

續表5

（二）低碳物流與區域經濟發展的計量分析

1.描述性統計

本文采用Stata15計量經濟軟件對模型進行描述性統計分析，表6詳細列出2008—2019年被解釋變量、解釋變量以及控制變量的樣本數、均值、標準差、最小值及最大值。由表6數據可知，人均國內生產總值(pgdp)的最小值為14 485，最大值為116 344，表明長三角三省一市的經濟發展水平顯著不同；低碳物流(lcl)的均值為0.345，最小值為0.117，最大值為0.796，說明三省一市的低碳物流發展水平差異略大。在控制變量中，教育支出(edu)的標準差最小，為0.006；相比之下，政府規模(gov)和環境規制程度(rate)的標準差分別為0.048和0.052，波動幅度明顯大于教育支出(edu)。

表6 變量描述性統計結果

2.相關系數矩陣

本文通過測算相關系數矩陣和方差膨脹因子，以此判斷解釋變量與控制變量之間是否存在多重共線性問題，具體見表7、表8所列。由運行結果可知VIF＜5，根據經驗判斷各變量之間存在多重共線性的可能性很低［25］，可以進行回歸分析。

表7 解釋變量和控制變量的相關系數矩陣

表8 各變量的方差膨脹因子

3.固定效應模型分析

為了消除異方差造成的影響，在回歸分析之前，統一對各變量進行對數化處理。通過豪斯曼（Hausman）檢驗可知，應當選擇固定效應模型，分析結果見表9所列。低碳物流所對應的系數為正，即為0.633，且在1%的顯著性水平上顯著，這充分說明低碳物流的發展水平越高，越有利于改善長三角經濟發展質量［26-28］。控制變量中，教育支出系數為0.659，且在1%的顯著性水平上顯著，說明長三角生態文化教育支出有顯著成效，公眾生態文化素養較高，生態意識較強，生態文明知識儲備相對充足，有利于提升長三角區域經濟發展質量［29］；而政府規模和環境規制程度的系數均為負數，分別為-0.725、-1.034，同時，政府規模在1%的顯著性水平上顯著，環境規制程度則在5%的顯著性水平上顯著，說明地方政府可能迫于政績壓力，更注重短期成效，側重把資金投入到對地區經濟增長回報快、貢獻高的生產性領域，造成財政支出結構失衡［23］；在環境管制方面，為了實現經濟量的增長，降低環境管控門檻，加快引進各種產業，最終不可避免地造成環境破壞，也使得經濟發展質量受損［30］。

表9 固定效應模型回歸分析結果

4.穩健性檢驗

為驗證研究結論的穩健性，分別選取替換變量、調整樣本期、核心變量滯后一期以及加入遺漏變量的方法進行檢驗，研究結果見表10、表11所列。

表10 穩健性檢驗

表11 穩健性檢驗（加入遺漏變量）

（1）替換變量。本文主要通過調整被解釋變量人均國內生產總值（lnpgdp）來驗證低碳物流與區域經濟之間的關系，此處使用長三角三省一市各自實際GDP的對數值進行代替［31-32］。表10第1列的結果表明，核心解釋變量低碳物流（lnlcl）通過了1%的顯著性水平檢驗。除此之外，其他控制變量并未發生劇烈變動，這表明研究結論即低碳物流可以促進區域經濟增長是相對穩健的。

（2）調整樣本期。2008年金融危機席卷全球，給我國各地區經濟發展帶來一定的負面沖擊。考慮區域經濟在受到外部沖擊后可能會對研究結論產生影響，本文進一步將研究樣本的時間范圍調整為2009—2019年再次測試，檢驗結果見表10第2列。結果表明，不但核心解釋變量低碳物流（lnlcl）通過了1%的顯著性水平檢驗，而且其他控制變量基本上沒有發生顯著變動，再一次驗證了研究結論的穩健性。

（3）核心變量滯后一期。考慮核心解釋變量可能存在內生性問題，本文對解釋變量即低碳物流（lnlcl）進行滯后一期后再測算，結果見表10第3列。結果表明，低碳物流（lnlcl）系數為0.531，即核心解釋變量的系數與顯著性水平同表10第1、第2列所呈現的結果相差甚微，也相對有效地證明了基準回歸的穩健性。

（4）加入遺漏變量。穩健性檢驗有時也因為遺漏了變量而導致結果偏差，下面將在原有控制變量的基礎上，引入影響區域經濟發展的重要變量，包括固定資產投資（inv）和對外開放水平（tra）［20，23］。其中，固定資產投資（inv）用各地固定資產投資總額與各地GDP之比表示，對外開放水平（tra）用各地進出口貿易額與各地GDP之比表示。具體回歸結果見表11所列，不難發現，在增加可能遺漏的變量后，低碳物流對區域經濟的估計系數與前文基準回歸結果相差無幾，同樣增強了研究結論的說服力。

（三）低碳物流與區域經濟的灰色關聯分析

通過前文計量分析，已知低碳物流能夠正向影響長三角經濟發展，為了剖析低碳物流系統各指標對區域經濟的作用，利用公式（2）—（4）計算得出長三角低碳物流對經濟發展的灰色關聯度，運行結果見表12所列。

表12 長三角低碳物流各指標對經濟發展的灰色關聯度

對表12各指標的灰色關聯度大小進行排序，各指標從高到低為：CO2的排放量＞物流產業增加值＞貨運量＞物流從業人員＞貨物周轉量＞等級公路里程＞物流固定資產投資。

低碳物流系統各指標與區域經濟灰色關聯度數值均在0.6以上，表明整體關聯程度比較密切，進一步說明低碳物流能夠推動區域經濟發展。具體來看：首先，二氧化碳排放量與長三角經濟發展呈現強關聯，關聯度達到了0.914，說明二氧化碳排放程度對經濟發展質量起到尤為關鍵的作用，降碳減排不但能加強對區域環境的保護，更是促進經濟長久健康發展的基礎［33］；其次，物流產業增加值與長三角經濟發展呈現強關聯，以2019年為例，長三角三省一市物流產業增加值達到了8 743.68億元，占長三角GDP總量的4%左右，對經濟發展的帶動作用顯而易見；再次，貨運量、貨運周轉量的關聯度分別為0.807和0.774，兩者在一定程度上代表物流的運輸和周轉能力，而物流從業人員數量則又能體現出從事低碳物流產業的人才規模，三者均可以從不同方面反映出低碳物流對區域經濟的帶動作用；最后，就等級公路里程而言，萬物流通公路先行，這是低碳物流發展的前提和基礎，良好的物流基礎設施有助于加快貨物流動，進而加快區域經濟前進的步伐。

四、結論與建議

（一）結論

本文選取2008—2019年長三角三省一市數據為研究樣本，首先，利用DEA-BCC模型對低碳物流產業效率進行初步測算；其次，選取人均國內生產總值為被解釋變量，低碳物流系統的綜合得分為解釋變量，教育支出、政府規模和環境規制程度為控制變量，從經濟視角展開回歸分析；最后，運用灰色關聯剖析了低碳物流各指標對區域經濟發展的影響程度。研究得出以下結論：

第一，效率分析結果表明，長三角低碳物流運行效率比較理想，三省一市綜合技術效率平均值差距較小，處于DEA有效狀態的年份個數均不低于5個。其中，安徽在2008—2014年期間始終處于DEA有效狀態，其余三個省份的低碳物流運行效率動態起伏。

第二，從計量回歸分析結果可知，低碳物流產業的確促進了長三角經濟發展，同時，教育支出對區域經濟發展也起到了正向作用［34］，但政府支出和環境規制程度對區域經濟發展呈現出負面影響。

第三，從灰色關聯分析結果來看，長三角低碳物流與經濟發展的灰色關聯度排序為：CO2的排放量＞物流產業增加值＞貨運量＞物流從業人員＞貨物周轉量＞等級公路里程＞物流固定資產投資。

（二）建議

基于以上研究結果，為了提升長三角低碳物流產業的運作效率，同時加快改善長三角經濟發展質量，提出以下建議：

第一，各省份低碳物流產業效率的均值雖未達到有效狀態，但整體發展形勢良好。安徽低碳物流效率水平主要受純技術效率影響，而其他三個省份低碳物流效率則更多受到規模效率的作用，可見長三角低碳物流的綜合技術效率水平高低，既離不開純技術效率的支持，也與規模效率水平密切相關。應充分關注低碳物流產業的資源利用情況和規模發展狀況，打通區域間的地理障礙，促進要素自由流動，完善低碳物流網絡布局，引導低碳物流實現1+1+1+1＞4的效果。

第二，協調好低碳物流產業與經濟發展之間的關系，不能一味地追求經濟量的增長幅度，而忽略經濟質的轉變，違背了經濟高質量發展的內在要求。建議政府對財政支出結構進行適當調整，而不單單傾向于投向收益見效快的產業［35］。同時，為了推動區域經濟高質量發展，適當提高企業進入長三角地區的門檻，加大環境規制程度，嚴格控制碳排放，平衡好區域經濟發展質量與生態環境之間的關系。

第三，建議加大降碳減排整治力度，推廣物流行業使用節能減排新技術和新能源。對于低碳物流產業而言，應當密切關注物流產業的基礎設施狀況，適時增加對硬件設施的投資力度，提高互聯網普及率，優化運輸路線，盡快從傳統運行方式逐步轉變為節能高效模式。加快物流產業數字化轉型，運用大數據技術實現信息共享，加快長三角物流行業公共信息平臺搭建，真正落實物流資源共享、信息暢通無阻，進而優化運輸結構，提高貨運量和貨運周轉量。此外，還應重視人才引進，增強低碳物流產業發展活力。