中国物流业二氧化碳排放变化驱动因素分析

张立国

（桂林航天工业学院广西航空物流研究中心，广西桂林541004）

中国物流业二氧化碳排放变化驱动因素分析

张立国

（桂林航天工业学院广西航空物流研究中心，广西桂林541004）

物流业二氧化碳排放问题是当前我国碳减排工作的重中之重，正确评估各驱动因素在碳排放中的贡献度对于促进行业碳减排意义重大。可基于LMDI分解技术，构建物流业二氧化碳排放变化驱动因素分解分析模型，将物流业碳排放变化驱动因素分解为碳排放因子效应、能源结构效应、能源强度效应、物流产出效应、经济发展效应、人口规模效应等六个方面，并利用2003—2014年我国30个省市区物流业面板数据进行实证分析。研究样本年内各驱动因素动态变动和区域差异情况可以发现，我国物流业二氧化碳排放强度基本呈逐年上升趋势；经济发展效应是物流业二氧化碳排放持续高速增长最主要的驱动因素，物流业产出的提高是抑制二氧化碳排放增长最主要的驱动因素；东部地区能源结构的变化对物流业二氧化碳排放有抑制作用，而中西部地区能源结构需要进一步优化。此外，对各省市区情况的分析表明，广西能源结构效应表现最好，宁夏能源强度效应表现最好，江西物流产出效应表现最好，河北经济发展效应表现最好，四川人口规模效应表现最好。

物流业；二氧化碳排放；驱动因素；动态变动；区域差异

一、引言

2014年11月12日亚洲太平洋经济合作组织（APEC）领导人峰会上，中美双方共同发表《中美气候变化联合声明》，我国在该声明中承诺最晚于2030年达到二氧化碳气体排放的峰值。这是我国作为最大的发展中国家对世界的一个庄严承诺，充分展现了我国作为负责任大国的良好形象。

物流业作为融合运输、仓储、货代、信息等产业的复合型服务业，是支撑国民经济发展的基础性、战略性产业。加快发展现代物流业，对于促进产业结构调整、转变经济发展方式、提高国民经济竞争力、建设生态文明具有重要意义。物流业是我国二氧化碳排放主要的来源行业之一，特别是燃油消耗占总消耗的34%左右，二氧化碳排放量占全国碳排放总量的18.9%。[1]物流业是我国能源消耗增长最快的行业之一，年平均增长速度接近8%，远远高于同期我国能源消费总量5.71%的年平均增长速度。此外，物流业还是目前我国唯一一个二氧化碳排放强度持续增加的行业，其二氧

化碳排放量占各行业的比重近年来呈现出快速增长的趋势。[2]2016年3月，国家“十三五”规划明确将物流业作为有效控制温室气体排放、重点实施低碳发展的四个行业之一。因此，研究物流业二氧化碳排放变化，寻找我国物流业二氧化碳排放变化驱动因素，对于找准政策切入点、有效利用有限资源解决二氧化碳排放问题、履行碳减排承诺具有重要现实意义。

目前有关物流业二氧化碳排放变化驱动因素的研究大多集中于交通运输业碳排放问题。拉克什曼南（Lakshmanan T R）[3]的研究表明，居民旅行意愿、人口和GDP是影响美国交通运输业二氧化碳排放的重要因素；安德里尼（Andreoni V）等[4]认为，碳排放强度、能源强度、产业结构、经济增长等因素会对水路运输和航空运输的二氧化碳排放产生影响；利马泰宁（Liimatainen H）等[5]认为，经济活动、交通需求、能源效率等因素会对道路运输的二氧化碳排放产生影响；查德兰（Chandran V G R）等[6]认为，经济增长、能源消耗、外商直接投资等因素会对交通运输业二氧化碳排放产生影响；陆（Loo B P Y）等[7]的研究表明，机场作业、飞行距离、飞机上座率等因素会对航空运输的二氧化碳排放产生影响；林伯强（Lin B）等[8]认为，交通运输业二氧化碳排放受GDP、城市化率、能源强度、碳排放强度等因素影响；王云静（Wang Y）等[9]认为，城市物流二氧化碳排放会受到人们交通需求与出行比例两个因素的影响，并基于2000—2009年北京市数据进行了实证分析。从国内文献看，影响低碳物流发展的因素近年来开始逐渐受到了学者们的关注。比如，肖丁丁等[10]利用决策试验和评价实验室分析方法（DEMATEL），从政府、企业、环境三个维度分析绿色物流发展各影响因素，进而探讨各因素之间的影响关系；崔强等[11]构建了径向基函数神经网络与决策试验和评价实验室法相结合的分析方法（RBF—DEMATEL），利用技术驱动力、管理驱动力、产业实力三个指标对我国交通运输低碳化能力进行了分析；王华强等[12]指出，企业、技术、政府是影响物流业低碳化发展的三个重要因素。

对数平均迪氏指数分析方法（Logarithmic Mean Divisia Index Method，LMDI）是国内外学者研究二氧化碳排放驱动因素经常采用的一种方法，近年来在物流业中也有应用。比如，特姆斯纳（Timilsina G R）等[13-14]利用LMDI方法对拉丁美洲和加勒比海地区以及12个亚洲国家进行分析发现，能源结构、运输方式、能源强度、人口等因素都会对物流业二氧化碳排放产生影响；王（Wang W W）等[15]利用LMDI分析方法研究了碳排放系数、运输服务份额、运输方式、运输强度、人均经济活动以及人口等因素对我国交通运输业二氧化碳排放量增长的影响；刘龙政等[16]利用LMDI分析方法从能源结构、能源效率、经济增长三方面入手分析了我国物流业二氧化碳排放驱动因素；马越越等[17]利用LMDI方法从能源结构、能源效率、运输方式、物流发展、经济增长、人口等方面入手分析了我国人均二氧化碳排放的影响因素。

物流业是一个较为复杂的系统，交通运输仅仅是其中的一部分。近年来，我国交通基础设施的不断完善并没有使物流业二氧化碳排放问题得到改观，单纯研究交通运输能否解决我国物流业二氧化碳排放难题仍然存在一定疑问。同时，我国是一个大国，区域间社会经济发展存在差异，立足于区域和省域视角，针对不同地区提出相应的物流业减排政策对于解决我国的实际问题更为有效。然而，这方面的研究并不多见。本研究将基于对数平均迪氏指数分析方法，研究我国物流业二氧化碳排放变化驱动因素的动态变化和区域差异问题，为行业碳减排提供借鉴。

二、研究方法

分解分析方法是研究导致某种结果产生因素的一种重要方法。近年来，在能源和环境问题研究中，比较常用的分解分析方法有结构分解分析方法和指数分解分析方法。其中，结构分解分析方法（Structural Decomposition Analysis，SDA）依托投入产出表，将某一变量分解为多个影响因素的乘积，进而分析各影响因素对变量的贡献程度。该方法所需要的信息量比较大，而且会因统计口径或方法的变动产生分析结果的偏差。指数分解分析方法（Index Decomposition Analysis，IDA）是运用指数体系测定和研究现象总变动中各因素变动对总变动影响方向与程度的分析方法。指数分解分析方法早期主要有拉氏指数分解法（Laspeyres

Index）、帕氏指数分解法（Paasche Index）、马歇尔-埃奇沃斯指数分解法（Marshall-Edgeworth Index）等，其中以拉氏指数分解法最为常用。后来，雷特乐（Reitler W）等、[18]波伊德（Boyd G A）等[19-20]提出了迪氏指数分解法（Divisia Index），刘（Liu X Q）等、[21]洪明华（Ang B W）等[22-23]继而基于不同视角对该方法加以完善，其中又以洪明华和崔（Ang B W&Choi K H）[24]提出的对数平均迪氏指数分析方法（Logarithmic Mean Divisia Index Method，LM⁃DI）应用最为广泛。

LMDI法的分解形式有加法和乘法两种，[25]在现有文献中，两种形式基本各占一半，都得到了很好的应用，[26]本文选取LMDI的加法分解形式作为基础方法。目前，有关能源消耗碳排放的研究所选取的大多是两层分解分析方法，但由于物流业能源消耗碳排放不仅不同区域间存在差异，不同能源类型、不同运输方式之间也存在差异，因此不能利用两层分解分析方法对物流业进行分解分析。根据吴立波（Wu L）等[27-28]的研究，本文应用三层分解分析方法构建我国物流业LMDI分解分析模型。具体如下：

其中，i表示省份，j表示运输方式，r表示能源类型，Ct表示我国物流业在t年的二氧化碳排放量，表示第i省第j种运输方式第r种能源在t年的二氧化碳排放量，表示第i省第j种运输方式第r种能源在t年的消耗量，表示第i省第j种运输方式在t年的能源消耗量，表示第i省第j种运输方式在t年提供的物流服务量，表示第i省在t年的地区生产总值，表示第i省在t年的人口数。我国物流业LMDI分解分析模型还可进一步表示为：

分析各影响因素对物流业能源消耗碳排放的贡献情况，根据洪明华等[22]的对数指数分析方法，可得：

其中，wijr是权重系数，代表各变量的权重，t和0分别代表期末和期初。

以上是在不考虑技术进步的前提下，在现有LMDI二层分解分析方法基础上构建的物流业能源消耗碳排放变化驱动因素三层分解分析模型。在实际研究中，我们大多运用时间序列数据对某行业能源消耗碳排放变化进行分解分析，数据年份越长，技术进步所导致的噪声就越明显，对分析结果所造成的影响就越大。于是，技术差异就开始成为一个研究的重点，洪明华[23]在LMDI二层分解分析方法基础上提出了基于技术差异的LM⁃DI乘法分解分析模型，该模型只考虑两个因素，因此在应用中具有一定的局限性。直到2014年，冈萨雷斯（Gonzalez P F）等[30]对乘法模型进行了三

因素改进，并应用该改进模型分析欧盟27个成员国的能源消耗问题。

在三层分解分析方法基础上，借鉴刘等[21]的相关研究成果，在考虑技术进步的前提下对LMDI加法模型进行多因素改进。具体如下：

对上式的每个驱动因素都做进一步分解，可以得到下面的结果：

其中，k代表技术水平，k-1代表比k低一个等级的技术水平。

以上六个公式所衡量的是物流业能源消耗碳排放变化各驱动因素在t年从技术水平k-1到k的变化。

三、数据来源及处理

20世纪末期，物流业逐渐引起了人们的注意，但各国统计数据中专门针对物流业的统计比较少见，即使目前世界上最先进的北美产业分类体系（NALS）中也没有物流业这个统计类别。2006年以来，国家统计局出版发行了《中国第三产业统计年鉴》，把物流业作为一个独立的类别进行统计。分析该年鉴统计数据可以发现，交通运输、仓储和邮政业占据了整个物流产业83%以上的产业份额，可以在很大程度上反映整个物流产业的发展状况，而当前有关物流业的研究文献也几乎都是采用交通运输、仓储和邮政业的统计数据来代替物流业数据的，因此本研究亦以此作为数据来源，选取2003—2014年我国交通运输、仓储和邮政业统计数据来代表物流业。

近年来，我国物流业增长方式主要是以量为主，整个行业的层次和水平都比较低，技术进步在行业中的体现还不够明显。此外，加之不同年份的物流业技术差异数据难以收集，且本研究时间跨度为12年，可在一定程度上忽略技术差异的影响。因此，考虑到数据的可得性，本研究在实证分析时暂不考虑物流业技术进步的影响。各指标数据选取方式如下：

物流业能源消耗数据：根据《中国能源统计年鉴》的统计口径，选取原煤、型煤、汽油、煤油、柴

油、燃料油、液化石油气、天然气、热力、电力等10种能源，按照《中国能源统计年鉴》附录中的各种能源折标准煤参考系数表，把10种能源全部统一折算成标准煤。[31]

物流业二氧化碳排放量：根据IPCC2006的研究结论，物流业的二氧化碳排放量可以通过各种能源消耗所产生的二氧化碳排放量估算加总得到。各种能源消耗所产生的二氧化碳排放量的具体计算方法是：各种能源消耗原始数据与其平均低位发热量（参见《中国能源统计年鉴》各种能源折标准煤参考系数附表中的“平均低位发热量”一栏）以及单位热值含碳量（参见《省级温室气体清单编制指南》（发改办气候（2011）1041号））三者的乘积。

物流服务量：物流服务量可以理解为物流活动对社会所做出的贡献，目前主要从实用价值形态和价值形态两个视角衡量。[32]实用价值形态的物流业产出指标主要围绕货物周转量进行选取，如萨金斯（Sarkis J）等[33]选取运营收入、专用航空量、客运总数、货运总数、飞机移动地区作为产出指标；冯（Fung M K Y）等[34]选取客流量、货物流量、飞机飞行时间作为产出指标；兰（Lam S W）等[35]选取货运量、航班数量、旅客数作为产出指标；田刚等[36]选取货物周转量作为产出指标；马越越等[17]以综合周转量（由货物周转量和旅客周转量经转化得到）作为产出指标。价值形态视角产出指标的选取主要基于行业成本效率进行分析、比较和测算，其优点是考虑了数据可比性，在物流业产出指标选取中应用较为广泛。根据钟祖昌、[37]张立国等[38]的产出变量选取方法，这里将物流业产值作为行业的服务量，用《中国统计年鉴》中各省市区2003—2014年交通运输、仓储和邮政业的生产总值统计数据表示。

GDP：用《中国统计年鉴》中各省市区2003— 2014年的国内生产总值统计数据表示。

人口：用《中国统计年鉴》中各省市区2003—2014年的年末人口数统计数据表示。

把GDP和物流服务量统一转化成1978年的价格，因统计数据缺失，每年选取我国除香港、澳门、台湾和西藏以外30个省市区的数据，2003—2014年共计12年，每个指标有360个样本。

相关数据的描述性统计如表1所示。

四、我国物流业碳排放强度

这里把物流业碳排放强度定义为单位物流业产值的二氧化碳排放量。物流业二氧化碳排放强度的大小与物流业务共同化水平、新能源及新技术使用情况等有关。2013—2014年我国物流业碳排放强度变化情况可参见表2。

可以根据表2分析我国物流业二氧化碳排放强度变化趋势，2003—2014年我国物流业二氧化碳排放强度基本呈逐年上升趋势，这与陈诗一等[2]的研究结论一致。物流业作为我国二氧化碳排放强度依然呈上升趋势的行业，其碳排放与我国2030年的减排承诺是背道而驰的，需要加强对物流业二氧化碳排放的控制。

2003—2014年，我国物流业二氧化碳排放强度呈现出三个阶段的特征。2007年以前，物流业二氧化碳排放强度增长较快，表明此阶段行业无序发展情况较为严重，物流业处于一种粗放式发展状态；2008年以后，物流业二氧化碳排放强度增长趋势放缓，可能是受到了当时我国提出的科学发展观思想的影响。2009年国家重点产业调整和振兴规划的颁布，特别是《物流业调整和振兴规划》的发布，使得物流业发展进入了国家层面的顶层设计和布局，整个社会资源开始被引入物流业发展的重点工程，资源无效投入状况得到了一定程度的改善。同时，伴随着物流基础设施的不断完善，现代信息技术在物流业中逐渐推广应用，有效遏制了物流业二氧化碳排放强度快速增长的势头，整个物流业开始进入一个新的发展阶段。2012年以后，随着我国经济进入新常态以及绿色物流理念的不断深入人心，我国物流业二氧化碳排放强度进入了震荡调整时期。

表1 2003—2014年我国物流业碳排放变化驱动因素数据描述性统计（360个样本）

表2 2003—2014年我国物流业碳排放强度变化 吨二氧化碳∕万元

五、结果分析

（一）我国物流业二氧化碳排放变化驱动因素动态变化分析

这里所探讨的碳排放因子效应主要是指单位能源消耗所产生的二氧化碳排放量，在理论界这个数值一般用碳排放系数或碳排放因子表示，从现有研究文献[16，39]以及近年来的IPCC研究报告看，这个数值并没有发生变化，基于数据的可得性，这里假定物流业碳排放因子效应不变。因此，本文所研究的我国物流业二氧化碳排放变化驱动因素主要包括能源结构效应、能源强度效应、物流产出效应、经济发展效应、人口规模效应等五个指标。利用物流业二氧化碳排放变化驱动因素分解分析模型，对2003—2014年我国物流业二氧化碳排放变化驱动因素进行分解，具体结果参见表3。

由表3可以看出，2003—2014年驱动我国物流业二氧化碳排放变化的五个因素，按贡献度从大到小的顺序排列依次是经济发展效应、物流产出效应、能源强度效应、能源结构效应、人口规模效应。其中，经济发展效应、能源强度效应、能源结构效应、人口规模效应对我国物流业二氧化碳排放变化具有推动作用，而物流产出效应对物流业二氧化碳排放具有抑制作用。该结论与王等、[15]马越越等[17]的研究结论一致。接下来，对影响程度较大的经济发展效应、能源强度效应、能源结构效应、物流产出效应进行讨论。

经济发展效应一般用人均GDP水平来衡量，2003—2014年这一因素对我国物流业二氧化碳排放的驱动程度达到77.56%。究其原因，可能在于两个方面：一是随着人们收入水平的提高，出行需求增加，使得对交通工具的需求也相应增加。在公共交通需求增加的同时，不少家庭还购置了私家车，使得经济发展水平对物流业二氧化碳排放起到了很大的推动作用。二是随着电子商务的发

展，电商成为一种新的模式，快递物流也得以迅速发展起来，大量快递公司以及城市快递配送的无序发展亦在一定程度上导致了物流业二氧化碳排放量的增加。

表3 2003—2014年我国物流业能源消耗碳排放变化驱动因素分解%

能源强度效应反映单位物流产出的能源消耗量，2003—2014年间这一因素对我国物流业二氧化碳排放的驱动程度达到43.70%，说明我国物流业目前存在能源消耗的浪费现象，能源并未得到最大化的利用。这与我国当前机动车保有量的快速上升有关，2003—2014年我国机动车的数量由9 491.83万辆增加到24 450.51万辆，增长率达到158%，给我国的道路（特别是城市内部道路）带来了严重的拥堵问题，制约了物流业能源效率的提升，大大增加了物流业的二氧化碳排放量。

能源结构效应对我国物流业二氧化碳排放的驱动程度达到18.87%，表明我国物流业目前能源结构不合理。2003—2014年我国物流业能源消耗数据显示，煤炭、汽油、电力消耗占能源总体消耗的比重由6.61%、27.97%、4.22%下降到了4.03%、19.21%、3.588%，而柴油消耗所占比重由40.82%上升到了43.57%。尽管煤炭消耗比重的下降可以降低二氧化碳排放量，但汽油、电力消耗的减少以及柴油消耗的增加都会推动物流业二氧化碳排放量的增加。对我国物流业而言，目前能源结构不够合理，且不合理趋势日益加重，对行业碳减排造成了严重的影响。

物流产出效应反映物流业产值占整个国民经济的比重，2003—2014年间这个因素对我国物流业二氧化碳排放的驱动程度达到-44.55%，与王等、[15]马越越等[17]的研究结论一致，表明我国物流业产出效应能够对行业二氧化碳排放量产生抑制作用。物流业是服务性行业，衡量一个国家的发展水平经常会采用服务业占GDP的比重这个指标。中国物流与采购联合会的数据显示，我国物流业产值占国内生产总值的比重由2005年的6.6%提高到了2013年的6.8%。物流业产值的增加使得物流业规模效应能够更加容易地体现出来，对车辆与物流设施的利用率进一步提高，进而降低了行业的二氧化碳排放量。

（二）我国物流业二氧化碳排放变化驱动因素区域差异分析

考虑到我国区域经济发展的不平衡性，需要从区域视角分析我国物流业二氧化碳排放各驱动因素。本研究基于东部地区、中部地区、西部地区三个区域对各驱动因素进行分解分析，各因素对二氧化碳排放的贡献度可参见表4。

分析2003—2014年三大区域总体情况可以发现，经济发展效应在三个地区均是贡献率最大的因素，对物流业二氧化碳排放的增加均呈现出较强的推动作用，说明该因素在全国范围内是一个

共性的问题，三大地区都要集中精力优先考虑经济发展所带来的二氧化碳排放的增加，解决好经济可持续发展问题；物流产出效应在三个地区均呈现出抑制物流业二氧化碳排放增加的特点，说明三大地区都应大力发展物流业，提高物流业占GDP的比重，这有利于我国物流业实现碳减排；能源强度效应在三大地区都呈现出促进物流业二氧化碳排放的特点，说明我国物流业能源利用率不高，各地区都需要把提高能源强度作为促进物流业碳减排的一项重要政策；能源结构效应在东部地区呈现出抑制二氧化碳排放的特点，而在中西部地区却呈现出相反的趋势，说明东部发达地区近年来率先在国内推行的一些新能源政策取得了一定效果，需要在中部和西部地区进一步推广；人口规模效应在三个地区的影响均是最小的。

表4 2003—2014年我国物流业能源消耗碳排放变化区域驱动因素分解%

东部地区物流业二氧化碳排放各驱动因素按贡献度从大到小的顺序排列依次是经济发展效应、能源强度效应、物流产出效应、能源结构效应、人口规模效应。其中，经济发展效应、能源强度效应、人口规模效应对物流业二氧化碳排放具有推动作用，而能源结构效应、物流产出效应对物流业二氧化碳排放具有抑制作用。经济发展效应是东部地区最主要的驱动因素，其对二氧化碳排放的贡献率达到169.77%；能源结构效应是东部地区最主要的抑制因素之一，其对物流业二氧化碳排放有抑制作用（-108.3%）。王平等[40]研究了能源结构优化对广东省二氧化碳排放强度的贡献，认为能源结构优化对广东省碳排放强度的优化最为有效，其研究结论与本文基本一致。

中部地区和西部地区特点相同，其物流业二氧化碳排放驱动因素按贡献度从大到小的顺序排列依次是经济发展效应、物流产出效应、能源强度效应、能源结构效应、人口规模效应。其中，经济发展效应、能源强度效应、能源结构效应、人口规模效应对物流业二氧化碳排放具有推动作用，而物流产出效应对物流业二氧化碳排放具有抑制作用。与东部地区相比，中西部地区能源结构效应呈现正值，说明中西部地区物流业能源结构不理想，需要进一步优化。

（三）我国各地区物流业二氧化碳排放变化驱动因素差异分析

基于省域视角，2003—2014年我国物流业碳排放变化驱动因素分解情况可参见表5。由表5可以看出，五个因素在各省市区的碳排放贡献率呈现出不同的特点。

在能源结构效应方面，表现得最好的是广西（-107.87%），其能源结构效应对物流业二氧化碳排放产生了很好的抑制作用，这主要是由煤炭消耗占比的大幅减少以及汽油消耗占比的提升所导致的。广西是一个缺煤的省份，其煤炭需求主要通过秦皇岛海运到广西北部湾防城港，然后再经陆路运输到广西各地，运输距离较长，运输成本较高。广西物流业煤炭消耗占能源消耗总量的比重由2003年的2.26%降低到2014年的0.01%，同时广西物流业柴油消耗占比由72.53%降低到59.16%，而汽油消耗占比由2003年的18.24%增加到2012年的19.96%，能源结构持续优化。在能源结构效应上表现得最差的是湖南（36.83%），其能源结构效应对物流业二氧化碳排放起到了促进作用，而导致这种状况的主要原因在于，其汽油消耗所占比重下降较大，由2003年的40.3%下降到了2014年的19.08%。

在能源强度效应方面，表现得最好的是宁夏（-226.86%），表现得最差的是云南（121.01%）。宁夏物流业能源强度效应之所以表现最好，是由其规模效率引起的，2003—2012年该数值达到1.155，在全国表现最好；[41]云南之所以表现最差，主要原因在于2003—2012年其能源消耗量增加了150.85%，而物流业产值仅增加了43.48%，单位物流产值的能耗表现不理想。

在物流产出效应方面，基本上都是负值，表明各省市区物流产出指标均对物流业二氧化碳排放具有抑制作用。其中，在物流产出效应上表现得最好的是江西（-281.73%），表现得最差的是贵州（11.20%）。江西表现较好的原因在于，2003—2014年其物流业占GDP的比重变化较大，且一直呈增加趋势。

在经济发展效应方面，全国各省市区均为正值，意味着所有省市区经济增长均对物流业二氧化碳排放具有促进作用。其中，在经济发展效应上表现得最好的是河北（48.75%），表现得最差的是江西（383.16%）。

在人口规模效应方面，表现得最好的是四川（-6.53%），表现得最差的是天津（68.96%）。

表5 2003—2014年我国物流业能源消耗碳排放变化省域驱动因素分解%

六、结论与政策建议

物流业二氧化碳排放问题是当前我国碳减排工作的重点之一。基于LMDI分解技术，利用本文构建的中国物流业二氧化碳变化驱动因素分解分析模型分析各驱动因素样本年内的动态变动和区域差异情况，得到主要结论如下：

第一，从全国视角分析，物流业二氧化碳排放各驱动因素贡献度按从大到小的顺序排列依次是经济发展效应、物流产出效应、能源强度效应、能源结构效应、人口规模效应。其中，经济发展效应、能源强度效应、能源结构效应、人口规模效应对我国物流业二氧化碳排放具有推动作用，而物流产出效应对物流业二氧化碳排放具有抑制作用。物流产出效应具有负向影响，说明规模经济在物流业中的作用较为显著，我国需要加快物流业发展速度，提高物流业占国民经济的比重。

第二，从区域视角分析，在东部地区能源结构效应和物流产出效应对物流业二氧化碳排放起到抑制作用，而在西部地区只有物流产出效应起到抑制作用。这说明，东部地区需要在继续做好当前工作的前提下，进一步提高能源效率，促进经济可持续发展与转型并有效控制人口规模；而中西部地区还要进一步加强能源结构调整，优化物流业能源消耗。

第三，从省域视角分析，广西能源结构效应和人口规模效应表现最好，宁夏能源强度效应表现最好，江西物流产出效应表现最好，河北经济发展效应表现最好。

根据本文的研究结论，提出如下政策建议：

第一，改变物流业增长方式，实现行业转型升级。我国需要以物流园区为载体，以信息化建设

为手段，优化制造业物流业这一存量物流，做强以电商为引领的快递业这一增量物流，实现物流业转型升级。

第二，优化物流业能源结构。继续在油品上进行科技攻关，不断降低油品的排放量；加强车辆技术攻关，提高车辆能源使用效率；优化城市交通条件，完善限行制度，降低车辆无效行驶率；优化车辆税费制度，继续推行免征制度，探索实行阶梯征税制度，引导能源消耗的低碳化。

第三，提升物流业能源效率。积极引导制造业、农业、物流业联动，实施共同配送，构建车辆配货信息平台，发展并推广移动货运信息服务业务，提高货物周转与集散速度，探索实施快递物流连锁便利店经营模式。

[1]李进，张江华.碳交易机制对物流配送路径决策的影响研究[J].系统工程理论与实践，2014，34（7）：1779-1787.

[2]陈诗一，严法善，吴若沉.资本深化、生产率提高与中国二氧化碳排放变化——产业、区域、能源三维结构调整视角的因素分解分析[J].财贸经济，2010（12）：111-120.

[3]LAKSHMANAN T R.Factors underlying transportation CO2emissions in the USA：a decomposition analysis[J].Transpor⁃tation research part d，1997，2（1）：1-15．

[4]ANDREONI V，GALMARINI S.European CO2emission trends：a decomposition analysis for water and aviation trans⁃port sectors[J].Energy，2012，45（1）：595-602.

[5]LIIMATAINEN H，POLLANEN M.The impact of sectoral economic development on the energy efficiency and CO2emissions of road freight transport[J].Transport policy，2013，27：150-157.

[6]CHANDRAN V G R，TANG C F.The impacts of transport energy consumption，foreign direct investment and income on CO2emissions in ASEAN-5 economies[J].Renewable& sustainable energy reviews，2013，24：445-453.

[7]LOO B P Y，LI L，PSARAKI V，et al.CO2emissions associat⁃ed with hubbing activities in air transport：an international comparison[J].Journal of transport geography，2014，34：185-193.

[8]LIN B，XIE C.Reduction potential of CO2emissions in Chi⁃na's transport industry[J].Renewable&sustainable energy reviews，2014，33：689-700.

[9]WANG Y，HAYASHI Y，CHEN J，et al.Changing urban form and transport CO2emissions：an empirical analysis of Beijing，China[J].Sustainability，2014，6（7）：4558-4579.

[10]肖丁丁，张文峰.基于DEMATEL方法的绿色物流发展关键因素分析[J].工业工程，2010，13（1）：52-57.

[11]崔强，武春友，匡海波.基于RBF-DEMATEL的交通运输低碳化能力影响因素研究[J].科研管理，2013，34（10）：131-137.

[12]王华强，周中林，唐立新.发展低碳物流的影响因素及对策[J].物流技术，2014，33（10）：25-27.

[13]TIMILSINA G R，SHRESTHA A.Factors affecting trans⁃port sector CO2emissions growth in Latin American and ca⁃ribbean countries：an LMDI decomposition analysis[J].In⁃ternational journal of energy research，2009，33（4）：396-414.

[14]TIMILSINA G R，SHRESTHA A.Transport sector CO2emissions growth in Asia：underlying factors and policy op⁃tions[J].Energy policy，2009，37（11）：4523-4539.

[15]WANG W W，ZHANG M，ZHOU M.Using LMDI method to analyze transport sector CO2emissions in China[J].Ener⁃gy，2011，36（10）：5909-5915.

[16]刘龙政，潘照安.中国物流产业碳排放驱动因素研究[J].商业研究，2012（7）：189-196.

[17]马越越，王维国.中国物流业碳排放特征及其影响因素分析——基于LMDI分解技术[J].数学的实践与认识，2013，43（10）：31-42.

[18]REITLER W，RUDOLPH M，SCHAEFER M.Analysis of the factors influencing energy consumption in industry：a revised method[J].Energy economics，1987（9）：145-148.

[19]BOYD G A，MCDONALD J F，ROSS M，HANSON D A. Separating the changing composition of US manufacturing production from energy efficiency improvements：a divisia index approach[J].Energy journal，1987，8（2）：77-96.

[20]BOYD G A，HANSON D A，STERNER T.Decomposition of changes in energy intensity：a comparison of the divisia index and other methods[J].Energy economics，1988（10）：309-312.

[21]LIU X Q，ANG B W，ONG H L.The application of the divi⁃sia index to the decomposition of changes in industrial en⁃ergy consumption[J].Energy journal，1992，13（4）：161-177.

[22]ANG B W，LEE S Y.Decomposition of industrial energy consumption：some methodological and application issues [J].Energy economics，1994，16（2）：83-92.

[23]ANG B W.Decomposition methodology in industrial energy demand analysis[J].Energy，1995，20（11）：1081-1095.

[24]ANG B W，CHOI K H.Decomposition of aggregate energy and gas emission intensities for industry：a refined Divisia index method[J].Energy journal，1997，18（3）：59-73.

[25]ANG B W，ZHANG F Q.A survey of decomposition analy⁃sis in energy and environmental studies[J].Energy，2000，

25（12）：1149-1176.

[26]张炎治，聂锐.能源强度的指数分解分析研究综述[J].管理学报，2008，5（5）：647-650.

[27]WU L，KANEKO S，MATSUOKA S.Driving forces behind the stagnancy of china's energy-related CO2emissions from 1996 to 1999：the relative importance of structural change，intensity change and scale change[J].Energy poli⁃cy，2005（33）：319-335.

[28]WU L，KANEKO S，MATSUOKA S.Dynamics of energyrelated CO2emissions in china during 1980 to 2002：the relative importance of energy supply-side and demandside effects[J].Energy policy，2006，34（18）：3549-3572.

[29]ANG B W，LIU N.Handling zero values in the logarithmic mean divisia index decomposition approach[J].Energy poli⁃cy，2007，35：238-246.

[30]GONZALEZ P F，LANDAJO M，PRESNO M J.Multilevel LMDI decomposition of changes in aggregate energy con⁃sumption.a cross country analysis in the EU-27[J].Energy policy，2014，68：576-584.

[31]郭朝先.中国碳排放因素分解：基于LMDI分解技术[J].中国人口·资源与环境，2010，20（12）：4-9.

[32]田刚，李南.中国物流业技术进步与技术效率研究[J].数量经济与技术经济研究，2009（2）：76-87.

[33]SARKIS J，TALLURI S.Performance-based clustering for benchmarking of US airports[J].Transportation research part a，2004，38（5）：329-346.

[34]FUNG M K Y，WAN K K H，HUI Y V，et al.Productivity changes in chinese airports 1995—2004[J].Transportation research part e，2008，44（3）：521-542.

[35]LAM S W，LOW J M，TANG L C.Operational efficiencies across asia pacific airports[J].Transportation research part e，2009，45（4）：654-665.

[36]田刚，李南.中国物流业技术效率差异及其影响因素研究——基于省级面板数据的实证分析[J].科研管理，2011，32（7）：34-44.

[37]钟祖昌.基于三阶段DEA模型的中国物流产业技术效率研究[J].财经研究，2010，36（9）：80-90.

[38]张立国，李东，周德群.中国物流业二氧化碳排放绩效的动态变化及区域差异——基于省级面板数据的实证分析[J].系统工程，2013，31（4）：95-102.

[39]范体军，骆瑞玲，范耀东，等.我国化学工业二氧化碳排放影响因素研究[J].中国软科学，2013（3）：166-174.

[40]王平，刘致秀，朱帮助，等.能源结构优化对广东省碳强度的贡献潜力[J].中国人口·资源与环境，2013，23（4）：49-54.

[41]张立国，李东，龚爱清.中国物流业全要素生产率动态变动及区域差异分析[J].资源科学，2015，37（4）：754-763.

责任编辑：陈诗静

The Dynamic Change and Regional Difference Analysis on the Driving Factors of Changes in Carbon Dioxide Emission in China's Logistics Industry

ZHANG Li-guo
（Guilin University of Aerospace Technology，Guilin，Guangxi541004，China）

Carbon emission of logistics sector is the key to reduce carbon emission nowadays and it is important to evaluate the contributions of driving factors to promoting Dioxide emission reduction in this industry.Basing on the LMDI method，the author construed the model of driving factors for logistics sector dioxide emission growth，and these factors were decomposed in six factors which are carbon intensity，energy structure，energy efficiency，logistics output，economic growth and population size.Using provincial panel date from 2003 to 2014，the contributions of factors to carbon emission were analyzed by national，regional and provincial perspectives.The results show that the carbon intensity of logistics sector has been rising in recent years；economic growth is the most important factor to improve carbon emission growth and logistics output is the most important factor to inhibit carbon emission growth.Energy structure inhibits carbon emission growth in East China，while improves carbon emission growth in the Middle and West China；energy structure of Guangxi is the best，energy efficiency effect of Ningxia is the best，logistics output effect of Jiangxi is the best，economic growth effect of Hebe is the best，and population size effect of Sichuan is the best.

logistics sector；carbon Emission；driving factors；dynamic changes；regional differences

F259.22

A

1007-8266（2016）12-0029-11

2016-10-17

国家社会科学基金项目“新常态下物流园区建设视角的我国西部地区物流业升级研究”（15BGL012）；广西教育厅科研项目“面向东盟的桂北农产品流通体系协同优化研究”（SK13YB119）；桂林航天工业学院科研项目“电子商务驱动下的桂北地区农产品物流信息平台构建研究”（YJ1317）

张立国（1979—），男，河北省阜平县人，桂林航天工业学院广西航空物流研究中心副教授，博士，主要研究方向为物流与供应链管理。