中國城市數(shù)字經(jīng)濟對物流業(yè)碳排放的影響效應(yīng)及傳導(dǎo)機制

鐘 文,楊 俊,鄭明貴,董 娟,嚴芝清(江西理工大學(xué)經(jīng)濟管理學(xué)院,江西 贛州 341000)

碳排放及其引發(fā)的氣候問題已成為全球關(guān)注的焦點.中國于2020年9月提出了2030年碳達峰、2060年碳中和的戰(zhàn)略目標.推動構(gòu)建人類命運共同體、人與自然和諧相處是中國的積極擔(dān)當,這也是中國經(jīng)濟實現(xiàn)綠色可持續(xù)發(fā)展的內(nèi)在要求[1].在經(jīng)濟活動中,物流業(yè)不僅會消耗能源產(chǎn)生直接碳排放,也會通過中間品的使用產(chǎn)生間接碳排放[2].推動物流業(yè)碳減排是中國“雙碳”目標的重要組成部分,有利于物流業(yè)的高效發(fā)展,也有利于構(gòu)建綠色低碳的循環(huán)經(jīng)濟體系和高質(zhì)量發(fā)展[3].數(shù)字經(jīng)濟作為一種新型經(jīng)濟,已成為推動經(jīng)濟轉(zhuǎn)型的重要力量和未來經(jīng)濟發(fā)展的方向,也成為物流業(yè)碳減排新動能和實現(xiàn)“雙碳”目標的重要途徑[4-5].通過數(shù)字經(jīng)濟促進物流業(yè)碳減排具有重要的現(xiàn)實意義.那么,數(shù)字經(jīng)濟影響物流業(yè)碳排放的機制是什么？它有正面影響還是負面影響？數(shù)字經(jīng)濟對中國物流業(yè)碳排放有多大影響？

國內(nèi)外有關(guān)數(shù)字經(jīng)濟對物流業(yè)碳排放影響的研究主要集中在以下幾個方面:首先,有關(guān)數(shù)字經(jīng)濟的研究.數(shù)字經(jīng)濟是一種新型經(jīng)濟類型,加速了經(jīng)濟發(fā)展轉(zhuǎn)型,主要指以數(shù)據(jù)資源為關(guān)鍵生產(chǎn)要素,以現(xiàn)代信息網(wǎng)絡(luò)為重要載體,有效利用信息通信技術(shù)作為提高效率、優(yōu)化經(jīng)濟結(jié)構(gòu)的重要動力的一系列經(jīng)濟活動[6-7].在數(shù)字經(jīng)濟測度與評價方面.有學(xué)者基于“鉆石模型”構(gòu)建了國際數(shù)字競爭力評價體系,系統(tǒng)測度了全球139 個國家的數(shù)字競爭力狀況,以及測算了中國數(shù)字經(jīng)濟增加值規(guī)模及結(jié)構(gòu)分析,評價了我國城市數(shù)字經(jīng)濟發(fā)展水平[8-10].近些年,較多研究聚焦數(shù)字經(jīng)濟的城市碳減排效應(yīng)[11].

其次,有關(guān)物流業(yè)碳排放研究.物流業(yè)是集運輸、倉儲、貨運、信息等產(chǎn)業(yè)為一體的復(fù)合型服務(wù)業(yè),是支撐國民經(jīng)濟發(fā)展的基礎(chǔ)性、戰(zhàn)略性、先導(dǎo)性產(chǎn)業(yè)[12].物流業(yè)碳排放是物流活動中溫室氣體排放的總稱,主要來源于運輸過程中的能源消耗[13].許多學(xué)者采用IPCC 碳排放系數(shù)法、投入產(chǎn)出法、數(shù)據(jù)包絡(luò)分析法、因子分解法、計量經(jīng)濟分析法等對物流業(yè)碳排放及其影響因素進行了研究.如使用GDIM 分解方法與PCA-DEA-Tobit 方法分析了物流業(yè)的碳排放量及其影響因素[14].目前,學(xué)者主要研究物流業(yè)碳排放效率[2],以及城鎮(zhèn)化、FDI 等重要因素對物流業(yè)碳排放的影響[15-16],但對物流業(yè)數(shù)字化轉(zhuǎn)型的碳減排效應(yīng)關(guān)注不夠.

最后,有關(guān)數(shù)字經(jīng)濟影響物流業(yè)碳排放的研究.從數(shù)字產(chǎn)業(yè)化的角度來看,雖然數(shù)字產(chǎn)業(yè)的發(fā)展會產(chǎn)生一定的能源消耗,但數(shù)字產(chǎn)業(yè)是技術(shù)密集型、環(huán)境友好型產(chǎn)業(yè),其對環(huán)境的影響相對于其他產(chǎn)業(yè)較小[17].從產(chǎn)業(yè)數(shù)字化看,數(shù)字經(jīng)濟正在成為驅(qū)動低碳產(chǎn)業(yè)發(fā)展的重要引擎[18],促進區(qū)域經(jīng)濟綠色低碳循環(huán)發(fā)展[19],實現(xiàn)節(jié)能、降耗減排、減排、增效[20].物流互聯(lián)網(wǎng)、大數(shù)據(jù)、云服務(wù)和人工智能通過智能規(guī)劃和資源共享,推動智慧物流和現(xiàn)代物流的發(fā)展,推動物流行業(yè)節(jié)能減碳[21].現(xiàn)有研究涉及數(shù)字經(jīng)濟對物流業(yè)高質(zhì)量發(fā)展的影響[22],但直接探討數(shù)字經(jīng)濟對物流業(yè)碳排放的研究不充分.

綜上所述,國內(nèi)外學(xué)者關(guān)于數(shù)字經(jīng)濟、物流業(yè)碳排放以及數(shù)字經(jīng)濟影響碳排放的研究已經(jīng)相對豐富,但聚焦于數(shù)字經(jīng)濟影響物流業(yè)碳排放的系統(tǒng)研究成果卻比較缺乏,尤其缺少針對中國城市層面的研究,與中國碳減排的迫切需求不匹配.因此,本文可能的邊際貢獻如下:第一,在研究視角上,本文探討了數(shù)字經(jīng)濟視角下中國物流業(yè)碳減排問題,從發(fā)展基礎(chǔ)、效率和動能等方面對我國城市數(shù)字經(jīng)濟發(fā)展水平進行了評價.第二,在研究方法上,本文構(gòu)建了中國地級市層面的數(shù)字經(jīng)濟發(fā)展水平評價指標體系,并采用熵權(quán)法進行測度;采用分位數(shù)回歸模型分析數(shù)字經(jīng)濟對物流業(yè)碳排放的邊際影響.第三,在研究內(nèi)容上,本文在理論分析數(shù)字經(jīng)濟影響物流業(yè)碳排放機制的基礎(chǔ)上,以2011～2021年全國278 個地級及以上城市的數(shù)據(jù)為樣本,實證驗證了數(shù)字經(jīng)濟對物流業(yè)碳排放的影響大小及實現(xiàn)機制.第四,得到的研究結(jié)論,即數(shù)字經(jīng)濟與物流業(yè)碳排放之間呈U 型關(guān)系,對當下政策制定具有參考價值.

1 理論假說

1.1 數(shù)字經(jīng)濟對物流業(yè)碳排放的非線性影響

數(shù)字經(jīng)濟對物流業(yè)碳排放的影響是復(fù)雜的.(1)數(shù)字經(jīng)濟增加了物流業(yè)的碳排放.數(shù)字技術(shù)和數(shù)字平臺的應(yīng)用是以消耗一定的能源為前提的[23].而物流大數(shù)據(jù)、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、人工智能、電子商務(wù)系統(tǒng)、地理信息系統(tǒng)、多式聯(lián)運系統(tǒng)、網(wǎng)上零售信息系統(tǒng)的挖掘、生成、計算、存儲、傳輸和處理、智能配送系統(tǒng)、配送管理系統(tǒng)、供應(yīng)鏈管理系統(tǒng)、運輸管理系統(tǒng)等應(yīng)用都是以功耗為前提和保障.(2)數(shù)字經(jīng)濟通過發(fā)揮網(wǎng)絡(luò)效應(yīng)、創(chuàng)新效應(yīng)和效率提升效應(yīng)減少了物流業(yè)的碳排放.首先,數(shù)字經(jīng)濟的網(wǎng)絡(luò)效應(yīng)減少了部分物流活動,降低了物流行業(yè)的碳減排,具體而言,數(shù)字經(jīng)濟通過網(wǎng)絡(luò)效應(yīng)促進物流各環(huán)節(jié)的融合和網(wǎng)絡(luò)協(xié)同,實現(xiàn)物流供需動態(tài)匹配,推動物流業(yè)精準化、智能化、綠色低碳發(fā)展,減少物流行業(yè)碳減排.數(shù)字網(wǎng)絡(luò)的應(yīng)用既可以使企業(yè)能夠?qū)崿F(xiàn)物流信息的超前規(guī)劃、實時共享、精準對接,實現(xiàn)物流活動靈活、高效、精準的管控,從而減少大量不必要的物流活動,也便于消費者能夠及時瀏覽、修改和共享物流信息,減少線下物流活動,降低物流行業(yè)的碳排放[24-25].其次,數(shù)字經(jīng)濟驅(qū)動物流技術(shù)的發(fā)展與應(yīng)用,提升綠色、低碳、節(jié)能技術(shù)水平,降低物流業(yè)碳排放.數(shù)字技術(shù)能夠增進知識積累、信息整合和資源共享,降低知識搜索、存儲、處理和傳輸?shù)某杀?為科技減碳奠定基礎(chǔ),利用數(shù)字平臺和數(shù)字技術(shù)優(yōu)化創(chuàng)新資源配置,減少技術(shù)研發(fā)的非理性行為,預(yù)測創(chuàng)新風(fēng)險,降低創(chuàng)新成本,提高創(chuàng)新速度和研發(fā)成功率,促進技術(shù)進步,并通過技術(shù)聯(lián)動和技術(shù)溢出驅(qū)動物流行業(yè)碳減排[26].最后,數(shù)字經(jīng)濟可以實現(xiàn)資源的優(yōu)化配置,從而減少能源消耗,實現(xiàn)碳減排.數(shù)字經(jīng)濟主要通過利用數(shù)據(jù)要素實現(xiàn)數(shù)字產(chǎn)業(yè)化,暢通信息的有序流動與傳遞,提高行業(yè)間資源配置效率.同時,數(shù)字經(jīng)濟也能通過數(shù)據(jù)平臺對數(shù)據(jù)要素的融合實現(xiàn)物流產(chǎn)業(yè)數(shù)字化與智能化[27-28].

基于以上分析,本文認為數(shù)字經(jīng)濟對物流業(yè)碳排放的影響較為復(fù)雜,兩者之間可能存在非線性關(guān)系.數(shù)字經(jīng)濟雖然不可避免地增加了物流業(yè)的碳排放量,但也極大地降低了物流業(yè)碳排放,且后者效應(yīng)大于前者.因此,本文提出以下假設(shè):

假設(shè)1:數(shù)字經(jīng)濟與物流業(yè)碳排放之間呈非線性關(guān)系.

1.2 數(shù)字經(jīng)濟影響物流業(yè)碳排放的作用機制

數(shù)字經(jīng)濟主要通過技術(shù)和產(chǎn)業(yè)的不斷滲透與融合方式影響產(chǎn)業(yè)結(jié)構(gòu)升級,進而提升資源配置效率,間接實現(xiàn)物流業(yè)碳減排.首先,數(shù)字技術(shù)顯著降低了信息傳輸與搜尋成本,促進了信息有效共享,滿足了市場各方的信息獲取度,降低了資源錯配的概率,同時,以數(shù)字信息化技術(shù)為先導(dǎo)的新業(yè)態(tài)變革成為發(fā)展的主流,通過科技創(chuàng)新提升產(chǎn)業(yè)競爭力,以全新模式帶動企業(yè)的時代化發(fā)展,提升了產(chǎn)業(yè)結(jié)構(gòu)合理化水平[29];其次,數(shù)字經(jīng)濟促進了市場經(jīng)濟的高效發(fā)展,不僅降低了物流相關(guān)要素的運輸成本,也提升了物流產(chǎn)業(yè)發(fā)展和要素配置之間的契合度,使得資源要素能夠最大程度流向生產(chǎn)率高的部門[30-31].因此,產(chǎn)業(yè)結(jié)構(gòu)合理化與高級化的縱深發(fā)展,極大地改善了全社會資源配置效率,促使低碳、清潔行業(yè)的迭代更新,從而提高了生態(tài)環(huán)境的正外部性.

數(shù)字經(jīng)濟對科技創(chuàng)新的影響顯而易見,且具有顛覆性作用.第一,數(shù)字信息網(wǎng)絡(luò)強化了區(qū)域間互聯(lián)互通、人員便捷交流與技術(shù)外溢,從而降低了創(chuàng)新成本,有利于技術(shù)創(chuàng)新的跨區(qū)域產(chǎn)出.第二,物聯(lián)網(wǎng)的運用弱化了時空距離約束,使得各創(chuàng)新主體能夠廣泛參與綠色創(chuàng)新活動,提升了區(qū)域綠色技術(shù)水平.第三,數(shù)字經(jīng)濟還可以優(yōu)化市場經(jīng)濟發(fā)展環(huán)境,形成公開透明的市場環(huán)境,從而激勵企業(yè)加大對綠色技術(shù)的研發(fā)投入[32-33].由于技術(shù)創(chuàng)新具有擴散效應(yīng),從而可以促進物流業(yè)高質(zhì)量發(fā)展.由此,本文提出以下研究假設(shè):

假設(shè)2:數(shù)字經(jīng)濟通過提升資源配置效率與促進技術(shù)革新影響物流業(yè)碳排放.

1.3 數(shù)字經(jīng)濟影響物流業(yè)碳排放的空間溢出效應(yīng)

由于數(shù)字經(jīng)濟具備的“平臺型”和“外部性”特征,能夠?qū)︵徑貐^(qū)與關(guān)聯(lián)地區(qū)物流業(yè)碳排放產(chǎn)生空間溢出效應(yīng)[34].第一,數(shù)字經(jīng)濟發(fā)展實現(xiàn)了數(shù)字化交易平臺,突破了地域限制,加劇了區(qū)域內(nèi)與區(qū)域間競爭,促進了協(xié)同物流業(yè)跨時空發(fā)展,強化了物流業(yè)碳減排的空間溢出效應(yīng).第二,數(shù)字經(jīng)濟所具備的獨特外部性特點,促使物流業(yè)及其產(chǎn)業(yè)鏈實現(xiàn)跨區(qū)域、跨領(lǐng)域與跨技術(shù)等方面的深度融合發(fā)展,從而對物流業(yè)碳減排的影響在空間上變現(xiàn)為溢出效應(yīng).基于此,本文提出以下研究假設(shè):

假設(shè)3:數(shù)字經(jīng)濟發(fā)展對物流業(yè)碳排放的影響存在空間溢出效應(yīng).

2 研究設(shè)計

2.1 模型設(shè)定

2.1.1 基準回歸模型 本文基于Chao 等[35]的計量模型,采用面板混合效應(yīng)模型、固定效應(yīng)模型和隨機效應(yīng)模型進行實證檢驗數(shù)字經(jīng)濟對中國物流業(yè)碳排放的影響,基準回歸模型如下:

式中:i 與t 分別代表不同城市和年份,LC 為被解釋變量,即物流業(yè)碳排放量,DE 為核心解釋變量,即數(shù)字經(jīng)濟發(fā)展水平,Control 為控制變量組,τ與u 分別代表城市和年份固定效應(yīng),ε為殘差,α0、α1和λ為待估參數(shù).

為進一步檢驗數(shù)字經(jīng)濟與物流業(yè)碳排放之間是否存在非線性關(guān)系,本文參考已有對數(shù)字經(jīng)濟與碳排放非線性關(guān)聯(lián)的研究成果[36],將數(shù)字經(jīng)濟及其平方項納入模型,構(gòu)建非線性回歸模型如下:

式中:DE2代表數(shù)字經(jīng)濟的平方項,α2為待估參數(shù),其余變量含義與式1 一樣.

2.1.2 中介效應(yīng)模型 基于前文理論分析,檢驗提升資源配置效率與促進技術(shù)革新的作用機制,進而在基準回歸模型上構(gòu)建中介效應(yīng)模型,其方程式如下:

在式3、4 中,Middle 代表中介變量,借鑒羅瑞等[22],選取以下機制變量:科技創(chuàng)新投入(Inno_in)采用公共預(yù)算支出中科技項目支出衡量、科技創(chuàng)新產(chǎn)出(Inno_out)采用專利申請數(shù)量衡量、勞動力配置效率(Labor)與資本配置效率(Capital)均基于超越對數(shù)形式的生產(chǎn)函數(shù)測算得到.其余變量含義與式1 一樣.

2.1.3 空間溢出效應(yīng)模型 結(jié)合理論分析存在的空間溢出效應(yīng),借鑒Anselin[37]構(gòu)建空間杜賓模型進行檢驗,方程式如下:

式中:w 代表空間權(quán)重矩陣,ρ表示空間自回歸系數(shù),?表示數(shù)字經(jīng)濟空間交互項對物流業(yè)碳排放的彈性系數(shù),κ表示控制變量空間交互系數(shù),其余變量含義與式1 一樣.

2.2 變量說明

本文選取2011-2021年全國278 個地級市作為研究樣本,相關(guān)數(shù)據(jù)主要來源于《中國城市統(tǒng)計年鑒》、《中國物流年鑒》、《中國工業(yè)統(tǒng)計年鑒》、《中國第三產(chǎn)業(yè)統(tǒng)計年鑒》、《中國固定資產(chǎn)投資統(tǒng)計年鑒》、《中國投資統(tǒng)計年鑒》、《中國勞動統(tǒng)計年鑒》、《中國人口與就業(yè)統(tǒng)計年鑒》、各省市統(tǒng)計年鑒,以及EPS 全球數(shù)據(jù)庫、中經(jīng)網(wǎng)等權(quán)威數(shù)據(jù)庫.使用的變量描述如下.

2.2.1 被解釋變量 本文的被解釋變量是物流業(yè)的碳排放量,對其測度借鑒張偉等[38]的研究方法,首先,將物流業(yè)消耗的原煤、汽油、煤油、柴油、燃料油、天然氣、電力等,折合標準煤計入物流業(yè)能源消費總量;其次,利用碳排放量公式計算物流業(yè)的等效二氧化碳排放量作為該行業(yè)的碳排放量值.公式是:

式中:LC 代表物流業(yè)等效二氧化碳排放量,i 是物流行業(yè)消耗的第i 個能源,1≤ i≤7 ,Ai表示物流業(yè)第i種能源的消耗量,Bi表示物流業(yè)第i 種能源的碳排放系數(shù).根據(jù)《IPCC 2006年國家溫室氣體排放清單指南》可知,原煤、汽油、煤油、柴油、燃料油、天然氣和電力的碳排放因子分別為0.7559,0.5538,0.5741,0.5821,0.6185,0.4483 和2.2132kgC/kg 標準煤.

2.2.2 核心解釋變量 本文核心解釋變量為數(shù)字經(jīng)濟(DE).為了分析數(shù)字經(jīng)濟對中國物流業(yè)碳排放的非線性影響,使用數(shù)字經(jīng)濟的平方項(DE2)作為解釋變量.根據(jù)數(shù)字經(jīng)濟的定義和相關(guān)數(shù)據(jù)的可獲得性[39-40],本文從發(fā)展基礎(chǔ)、發(fā)展效率和發(fā)展動力三個方面構(gòu)建了中國數(shù)字經(jīng)濟評價指標體系,如表1所示.具體采用變異系數(shù)法計算各指標權(quán)重,綜合評價法測算數(shù)字經(jīng)濟發(fā)展水平,即各變量的標準化值乘以相應(yīng)權(quán)重,并求和得到二級指標值,最終各二級指標值相加得到數(shù)字經(jīng)濟發(fā)展水平值.評價結(jié)果顯示,我國東部城市數(shù)字經(jīng)濟發(fā)展水平明顯高于中西部城市,與區(qū)域經(jīng)濟發(fā)展水平密切相關(guān);城市數(shù)字經(jīng)濟發(fā)展各具特色,發(fā)展?jié)摿薮?城市群數(shù)字經(jīng)濟與區(qū)域協(xié)同發(fā)展并進.

表1 數(shù)字經(jīng)濟發(fā)展水平評價指標體系Table 1 Digital economy development level evaluation index system

2.2.3 控制變量 本文的控制變量包含經(jīng)濟發(fā)展及其平方項、產(chǎn)業(yè)結(jié)構(gòu)、環(huán)境規(guī)制、技術(shù)創(chuàng)新和對外開放.一是經(jīng)濟發(fā)展及其平方項(PGDP、PGDP2).一方面,經(jīng)濟發(fā)展帶來的一系列環(huán)境影響增加了物流業(yè)的碳排放量.另一方面,更高水平的經(jīng)濟發(fā)展為加強生態(tài)保護、改善環(huán)境質(zhì)量和推進科技減碳奠定了物質(zhì)基礎(chǔ),為物流業(yè)減碳提供技術(shù)、資金和制度支持.根據(jù)環(huán)境庫茲涅茨曲線,經(jīng)濟增長與環(huán)境污染呈倒U 型關(guān)系,故以經(jīng)濟發(fā)展及其平方項作為控制變量進行分析.二是產(chǎn)業(yè)結(jié)構(gòu)(IS).產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級,充分發(fā)揮結(jié)構(gòu)紅利,促進產(chǎn)業(yè)部門合理布局,限制高污染、高耗能、高排放產(chǎn)業(yè)發(fā)展,促進綠色發(fā)展、低碳、循環(huán)、高科技產(chǎn)業(yè).它還通過產(chǎn)業(yè)聯(lián)動和區(qū)域聯(lián)動,促進物流業(yè)綠色低碳轉(zhuǎn)型,減少物流業(yè)的碳排放.三是環(huán)境規(guī)制(ER).環(huán)境監(jiān)管力度的加大,倒逼環(huán)保技術(shù)和節(jié)能技術(shù)的創(chuàng)新,推動綠色清潔能源替代化石能源,推動可再生能源替代化石能源,促進低耗能替代,這種替代倒逼物流業(yè)轉(zhuǎn)向綠色低碳,減少碳排放.四是對外開放(OPEN).對外開放擴大了物流市場的邊界,有利于物流業(yè)在更大的市場范圍內(nèi)優(yōu)化配置資源,從而減少碳排放.表2 是本文涉及到的變量描述.表3 是變量的描述性統(tǒng)計結(jié)果.

表2 變量匯總Table 2 Variable summary

表3 變量描述性統(tǒng)計Table 3 Variable descriptive statistics

3 實證分析

3.1 基準分析

通過繪制數(shù)字經(jīng)濟與物流業(yè)碳排放關(guān)系的散點圖可以初步發(fā)現(xiàn),數(shù)字經(jīng)濟與物流業(yè)碳排放的線性相關(guān)性不明顯,而非線性相關(guān)性更為明顯.為進一步量化數(shù)字經(jīng)濟與物流業(yè)碳排放的關(guān)系,本文采用面板混合效應(yīng)模型、固定效應(yīng)模型和隨機效應(yīng)模型實證分析數(shù)字經(jīng)濟對物流業(yè)碳排放的影響.經(jīng)過F檢驗與Hausman 檢驗發(fā)現(xiàn)固定效應(yīng)模型優(yōu)于隨機效應(yīng)和混合效應(yīng)模型,基準回歸結(jié)果見表4.

表4 基準回歸結(jié)果Table 4 Benchmark regression results

從表4 第(1)至(3)列可以看出,中國數(shù)字經(jīng)濟與物流業(yè)碳排放的線性相關(guān)性不顯著.第(1)列表示數(shù)字經(jīng)濟(DE)未通過顯著性檢驗,即數(shù)字經(jīng)濟與物流業(yè)碳排放量之間不存在明顯的線性相關(guān)關(guān)系.在第(2)列和第(3)列的穩(wěn)健性檢驗中發(fā)現(xiàn),以人均碳排放量替換被解釋變量,以及考慮數(shù)字經(jīng)濟發(fā)展階段特點,選取2016-2021年子樣本進行穩(wěn)健性檢驗回歸[41],回歸結(jié)果顯示,數(shù)字經(jīng)濟仍然未能通過顯著性檢驗,因此,數(shù)字經(jīng)濟與物流業(yè)碳排放量之間不存在線性相關(guān)關(guān)系的結(jié)論是穩(wěn)健的.這表明有必要驗證數(shù)字經(jīng)濟與物流業(yè)碳排放之間的非線性關(guān)系.

如表4 第(4)列所示,數(shù)字經(jīng)濟(DE)降低了中國物流業(yè)的碳排放.數(shù)字經(jīng)濟及其平方項在1%的置信水平下通過了顯著性檢驗,表明數(shù)字經(jīng)濟與中國物流業(yè)碳排放量存在顯著的非線性相關(guān)關(guān)系.數(shù)字經(jīng)濟系數(shù)為負,數(shù)字經(jīng)濟平方項系數(shù)為正,表明數(shù)字經(jīng)濟與物流業(yè)碳排放量之間存在顯著的“U 型”趨勢,即隨著數(shù)字經(jīng)濟的提升,物流行業(yè)的碳排放呈現(xiàn)出先減后增的“U 型”特征.采用拐點公式和反歸一化公式計算拐點值為0.3982,即當數(shù)字經(jīng)濟發(fā)展低于0.3982 時,數(shù)字經(jīng)濟對物流業(yè)碳排放具有顯著抑制作用.通過數(shù)據(jù)篩選發(fā)現(xiàn),94%的數(shù)字經(jīng)濟價值位于拐點左側(cè),0.2011的數(shù)字經(jīng)濟發(fā)展均值遠低于拐點值,說明數(shù)字經(jīng)濟處于拐點左側(cè),現(xiàn)階段數(shù)字經(jīng)濟與物流業(yè)碳排放呈單調(diào)遞減負相關(guān)關(guān)系,數(shù)字經(jīng)濟對物流業(yè)碳排放具有顯著抑制作用.這也佐證了已有研究發(fā)現(xiàn),即發(fā)展數(shù)字經(jīng)濟對碳減排具有積極影響[42].

如表4 第(4)列所示,在控制變量中,第一,經(jīng)濟發(fā)展(PGDP)對物流業(yè)碳排放有顯著抑制作用.經(jīng)濟發(fā)展及其平方項(PGDP2)均通過了1%的顯著性水平檢驗,系數(shù)一負一正,表明經(jīng)濟發(fā)展與物流業(yè)碳排放量之間存在顯著的“U 型”相關(guān).經(jīng)濟發(fā)展系數(shù)的絕對值顯著大于其二次系數(shù),表明經(jīng)濟發(fā)展對物流業(yè)碳排放具有顯著的線性和非線性抑制作用,且線性抑制作用更為突出.通過數(shù)據(jù)篩選發(fā)現(xiàn),近100%的經(jīng)濟發(fā)展值位于拐點14.6963 的左側(cè),經(jīng)濟發(fā)展平均值為4.0582,遠低于拐點值,說明經(jīng)濟發(fā)展呈“U 型上半場”,即經(jīng)濟發(fā)展減少了物流業(yè)的碳排放量.第二,產(chǎn)業(yè)結(jié)構(gòu)(IS)通過顯著性檢驗,但系數(shù)為正,說明產(chǎn)業(yè)結(jié)構(gòu)與物流業(yè)碳排放量呈正相關(guān)關(guān)系,即當前產(chǎn)業(yè)結(jié)構(gòu)并未有利于物流業(yè)碳減排,這可能是產(chǎn)業(yè)結(jié)構(gòu)不合理造成的.第三,環(huán)境規(guī)制(ER)和對外開放(OPEN)對物流業(yè)碳排放影響不顯著,這可能的原因是環(huán)境監(jiān)管力度不足與物流業(yè)開放深度不夠.

表4 第(5)列和第(6)列中,雖然與第(4)列的回歸結(jié)果在系數(shù)值和顯著性水平上存在差異,但核心變量之間的關(guān)系沒有發(fā)生顯著變化,因此,仍然支持數(shù)字經(jīng)濟對物流業(yè)碳減排具有顯著影響的結(jié)論.至此,本文驗證了假設(shè)1.

3.2 作用機制檢驗

前文機制分析發(fā)現(xiàn)提升資源配置效率與促進技術(shù)革新是數(shù)字經(jīng)濟影響物流業(yè)碳排放的重要途徑,因此,本文構(gòu)建中介效應(yīng)模型檢驗機制的存在性.回歸結(jié)果見表5.結(jié)果顯示,數(shù)字經(jīng)濟對勞動力配置效率、資本配置效率的影響在5%水平上顯著,對科技創(chuàng)新投入與產(chǎn)出的影響在10%水平上顯著,同時,將機制變量放入模型中均對物流業(yè)碳排放影響顯著為負,說明作用機制有效.

表5 作用機制檢驗結(jié)果Table 5 Mechanism of action test results

3.3 空間溢出效應(yīng)檢驗

本文采用經(jīng)濟距離構(gòu)建空間權(quán)重矩陣,并以Moran’I 指數(shù)檢驗數(shù)字經(jīng)濟、物流業(yè)碳排放的空間自相關(guān)分析,結(jié)果見表6.

表6 空間自相關(guān)檢驗結(jié)果Table 6 Spatial autocorrelation test results

表6 結(jié)果顯示,2011～2020年期間,城市數(shù)字經(jīng)濟與物流業(yè)碳排放在經(jīng)濟距離權(quán)重矩陣下存在空間自相關(guān)性,因此,本文所構(gòu)建的空間杜賓模型檢驗數(shù)字經(jīng)濟對物流業(yè)碳排放影響的空間溢出效應(yīng)是合理的,回歸結(jié)果見表7.第(1)列顯示,數(shù)字經(jīng)濟一次項系數(shù)在5%水平上顯著為負,其平方項也在5%水平上顯著為正,數(shù)字經(jīng)濟與物流業(yè)碳排放之間存在顯著的U 型的非線性關(guān)系,與前文實證結(jié)果一致.由第(2)列可知,數(shù)字經(jīng)濟的空間滯后項的回歸系數(shù)具備U 型的非線性關(guān)系,但不顯著,表明在研究期間內(nèi),中國城市數(shù)字經(jīng)濟發(fā)展對周邊城市物流業(yè)碳排放的空間溢出效應(yīng)不明顯.第(3)至(5)列為數(shù)字經(jīng)濟對物流業(yè)碳排放影響的空間效應(yīng)分解結(jié)果,結(jié)果顯示,數(shù)字經(jīng)濟一次項、平方項的直接效應(yīng)和總效應(yīng)均在5%水平上顯著,表明數(shù)字經(jīng)濟與物流業(yè)碳排放之間在本地區(qū)和總體上呈U 型非線性關(guān)系,而在間接效應(yīng)方面,僅有數(shù)字經(jīng)濟的平方項在10%水平上顯著,進一步說明數(shù)字經(jīng)濟影響物流業(yè)碳排放的空間溢出效應(yīng)較小,基于此,本文驗證了假設(shè)3.

表7 空間溢出效應(yīng)檢驗結(jié)果Table 7 Spatial spillover test results

4 進一步分析

4.1 內(nèi)生性分析

本文基于工具變量的2SLS 進行內(nèi)生性分析,借鑒黃群慧等[43]的研究方法選取歷史上各城市1984年每百人固定電話數(shù)量和每百萬人郵局數(shù)量作為地區(qū)數(shù)字經(jīng)濟的工具變量,兼顧均衡面板數(shù)據(jù)的固定效應(yīng)模型應(yīng)用條件,進一步構(gòu)造各城市1984年每百人固定電話數(shù)量和每百萬人郵局的數(shù)量分別與上一年全國數(shù)字基礎(chǔ)設(shè)施投資額的交互項,作為城市數(shù)字經(jīng)濟的工具變量.選取的原因如下,一方面,電話機歷史數(shù)量對數(shù)字經(jīng)濟影響物流業(yè)碳排放的殘差具有“外生性”;另一方面,電話機歷史數(shù)量可能會影響到當下生產(chǎn)、生活與消費,因此具有“相關(guān)性”,同時,在表8 的第(1)列也驗證了電話機歷史數(shù)量與數(shù)字經(jīng)濟強相關(guān)性.表8 第(2)列是運用工具變量的回歸結(jié)果,回歸結(jié)果顯示,數(shù)字經(jīng)濟與物流業(yè)碳排放之間依然呈U 型趨勢,且影響效應(yīng)比基準回歸更強.

表8 基于工具變量法的內(nèi)生性檢驗Table 8 Endogenous test based on instrumental variable method

4.2 分位數(shù)回歸

分位數(shù)回歸模型是Koenker 和Baset 于1978年提出的,該模型與傳統(tǒng)的OLS 回歸方法相比,具有約束更少、避免異常值、估計結(jié)果更穩(wěn)健等優(yōu)點.為了更全面地分析數(shù)字經(jīng)濟對物流業(yè)碳排放的邊際影響,同時考慮到數(shù)字經(jīng)濟對物流業(yè)碳排放的影響可能不均勻,可采用分位數(shù)回歸模型測度不同碳排放量下數(shù)字經(jīng)濟對物流業(yè)碳排放的不同影響強度.即通過顯著性檢驗和待估計參數(shù)確定數(shù)字經(jīng)濟對不同分位數(shù)的物流業(yè)碳排放的邊際影響,探索數(shù)字經(jīng)濟對物流業(yè)碳排放的演變特征.因此,基于張成思等[44]的方法,設(shè)置如下分位數(shù)回歸模型:

式中:Quantp(LCit|DEit)表示給定數(shù)字經(jīng)濟發(fā)展水平條件下物流業(yè)第p 分位數(shù)的碳排放量,η0與 ηp′是估計參數(shù).為詳細分析數(shù)字經(jīng)濟對物流業(yè)碳排放的邊際影響,本文選取 5 個分位數(shù):0.1000,0.2500,0.5000,0.7500,0.9000.

在表9 的第(1)至(5)列中,數(shù)字經(jīng)濟(DE)對物流業(yè)碳排放具有演化效應(yīng).在五個分位數(shù)上,數(shù)字經(jīng)濟通過了1%的顯著性水平檢驗,系數(shù)均為負值,表明對物流業(yè)碳排放有顯著抑制作用.數(shù)字經(jīng)濟發(fā)展對物流業(yè)碳減排的邊際效應(yīng)正在降低.在 0.1000,0.2500,0.5000,0.7500,0.9000 五個分位數(shù)處,數(shù)字經(jīng)濟發(fā)展水平的系數(shù)分別為-0.8218,-0.8086,-0.7062,-0.4536,-0.3451,系數(shù)的絕對值依次遞減,表明數(shù)字經(jīng)濟發(fā)展水平對不同分位數(shù)物流業(yè)碳排放的影響強度存在差異.此外,隨著分位數(shù)的不斷增加,數(shù)字經(jīng)濟對物流業(yè)碳減排的影響不斷減弱,即邊際影響呈遞減趨勢.

表9 分位數(shù)回歸結(jié)果Table 9 Quantile regression results

4.3 異質(zhì)性分析

本文從城市自身規(guī)模與資源稟賦兩個方面進行異質(zhì)性分析.首先,城市自身規(guī)模會導(dǎo)致數(shù)字經(jīng)濟的低碳治理效應(yīng)不同.相比于中小城市,大城市在產(chǎn)業(yè)結(jié)構(gòu)、環(huán)境治理投入及科技創(chuàng)新等方面具有規(guī)模優(yōu)勢,形成一定的集聚效應(yīng),有利于資源優(yōu)化配置,同時,巨大的能源消費和土地供給需求也導(dǎo)致?lián)頂D效應(yīng),導(dǎo)致城市環(huán)境問題加劇.數(shù)字經(jīng)濟對物流業(yè)低碳治理效應(yīng)是否受到城市集聚效應(yīng)與擁擠效應(yīng)影響？孰輕孰重？這是有意義的探索.本文依據(jù)2014年《國務(wù)院關(guān)于調(diào)整城市規(guī)模劃分標準的通知》,將城區(qū)常住人口小于100 萬劃入中小城市,大于100 萬的納入大城市范疇.表10 第(1)列是城市規(guī)模異質(zhì)性回歸結(jié)果,結(jié)果表明,與中小城市相比,大城市的數(shù)字經(jīng)濟對物流業(yè)低碳治理效應(yīng)更大,這一結(jié)果說明城市數(shù)字經(jīng)濟的高速發(fā)展能夠推動城市綠色變革,既可以有效獲取集聚效應(yīng),也能緩解擁擠效應(yīng)的影響.

表10 異質(zhì)性檢驗回歸結(jié)果Table 10 Quantile regression results

其次,資源型城市的“資源詛咒”效應(yīng)已被眾多學(xué)者所證實,那么數(shù)字經(jīng)濟對物流業(yè)低碳治理是否也會受到“資源詛咒”困擾？本研究為了探究這一問題,依據(jù)國務(wù)院《全國資源型城市可持續(xù)發(fā)展規(guī)劃(2013-2020)》的劃分標準,將樣本城市區(qū)分資源型城市與非資源型城市.表10 第(2)列是城市資源稟賦異質(zhì)性回歸結(jié)果,結(jié)果顯示,數(shù)字經(jīng)濟對物流業(yè)低碳治理效應(yīng)在資源型城市不明顯,表現(xiàn)為回歸系數(shù)不顯著,而在非資源型城市則效果明顯.可能的原因是資源型城市具有根深蒂固的發(fā)展路徑依賴與鎖定問題,難于突破現(xiàn)有產(chǎn)業(yè)結(jié)構(gòu)束縛,因此數(shù)字經(jīng)濟的滲透會受到加大阻力,數(shù)字經(jīng)濟對物流業(yè)低碳治理效應(yīng)較弱.反之,非資源型城市的數(shù)字經(jīng)濟接受度高,發(fā)展迅速,容易實現(xiàn)數(shù)字技術(shù)運用、推動產(chǎn)業(yè)結(jié)構(gòu)升級.

5 建議

5.1 強化數(shù)字經(jīng)濟對物流業(yè)碳減排的促進作用,充分發(fā)揮數(shù)字經(jīng)濟的碳減排作用.推動有效市場與有為政府相結(jié)合,大力發(fā)展數(shù)字物流、智慧物流、綠色物流,鼓勵物流企業(yè)數(shù)字化轉(zhuǎn)型,強化龍頭企業(yè)、標桿企業(yè)、骨干企業(yè)在數(shù)字化轉(zhuǎn)型中的示范引領(lǐng)作用,以及提高物流供需匹配能力,從而積極發(fā)揮數(shù)字經(jīng)濟的網(wǎng)絡(luò)效應(yīng);鼓勵綠色物流技術(shù)研發(fā)和應(yīng)用,推動物流業(yè)向數(shù)據(jù)驅(qū)動、信息驅(qū)動、創(chuàng)新驅(qū)動、知識驅(qū)動、管理驅(qū)動發(fā)展數(shù)字經(jīng)濟的創(chuàng)新效應(yīng),實現(xiàn)物流業(yè)高質(zhì)量發(fā)展;加強數(shù)字賦能,強化物流業(yè)發(fā)展節(jié)能減排約束,推動5G、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、大數(shù)據(jù)、區(qū)塊鏈、人工智能在物流行業(yè)的應(yīng)用,鼓勵傳統(tǒng)物流向智慧物流、現(xiàn)代物流、數(shù)字物流、綠色物流轉(zhuǎn)型,高效發(fā)揮數(shù)字經(jīng)濟增效作用.

5.2 暢通數(shù)字經(jīng)濟影響物流業(yè)碳排放的作用路徑.政府應(yīng)推動數(shù)字基礎(chǔ)設(shè)施標準化、集約化、綠色化、低碳化發(fā)展,提高數(shù)字基礎(chǔ)設(shè)施的利用效率,推動不同地區(qū)數(shù)字基礎(chǔ)設(shè)施合作共建共享.同時,要有效推動數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化高效協(xié)調(diào)發(fā)展,培育數(shù)字產(chǎn)業(yè)和高新技術(shù)產(chǎn)業(yè)集群,加強數(shù)字平臺建設(shè),并加強對關(guān)鍵核心技術(shù)的資金支持、人才支持、稅收支持、政策支持,提升數(shù)字技術(shù)創(chuàng)新能力,以市場需求為導(dǎo)向,將學(xué)歷教育、職業(yè)教育和實踐教育相結(jié)合,建立具有大數(shù)據(jù)分析能力、關(guān)鍵技術(shù)研發(fā)能力、數(shù)字技術(shù)運營能力、數(shù)字集成應(yīng)用能力的數(shù)字人才培養(yǎng)機制.

5.3 結(jié)合數(shù)字經(jīng)濟影響物流業(yè)碳排放的地區(qū)差異特點,實施差別化的區(qū)域扶持政策,在資源性城市重點在于轉(zhuǎn)變資源路徑依賴意識,積極宣傳數(shù)字技術(shù)、培育數(shù)字經(jīng)濟發(fā)展?jié)摿?而在非資源城市則要加大數(shù)字經(jīng)濟高質(zhì)量發(fā)展的新基建投入,強化數(shù)字經(jīng)濟的極化效應(yīng).

6 結(jié)論

6.1 數(shù)字經(jīng)濟對中國物流業(yè)碳排放具有非線性影響.數(shù)字經(jīng)濟與物流業(yè)碳排放量之間存在U 型趨勢關(guān)系,且當前處于U 型曲線的上半部分.總體而言,數(shù)字經(jīng)濟的發(fā)展對中國物流業(yè)的碳排放具有顯著抑制作用.

6.2 技術(shù)革新和要素配置效率改進是數(shù)字賦能物流業(yè)碳減排的重要途徑.

6.3 數(shù)字經(jīng)濟對中國物流業(yè)碳減排具有演化效應(yīng).隨著分位數(shù)的增加,數(shù)字經(jīng)濟對物流業(yè)碳減排的邊際影響減小.

6.4 與中小城市相比,大城市的數(shù)字經(jīng)濟對物流業(yè)低碳治理效應(yīng)更大;同時,數(shù)字經(jīng)濟對物流業(yè)低碳治理效應(yīng)在資源型城市不明顯,而在非資源型城市則效果明顯.