电子商务发展对物流业碳排放的影响研究

DOI：10.13216/j.cnki.upcjess.2025.01.0002

摘要：基于2013—2021年中国省域面板数据探讨电子商务发展对物流业碳排放的影响效应，采用全局熵值法测度中国省域电子商务发展水平，利用空间杜宾模型实证分析电子商务发展对物流业碳排放影响效应。研究结果表明：近年来中国省域电子商务发展水平逐渐提升并存在明显的空间集聚效应，总体上呈现出“东强西弱”的发展特征；电子商务发展与物流业碳排放之间呈“倒U”型非线性相关关系，且当前处于“倒U”型曲线的前半部分；电子商务发展在对本省域物流业碳排放产生影响的同时，对邻近地区亦会产生正向溢出效应。

关键词：电子商务；物流业；碳排放；空间杜宾模型

中图分类号：F724.6;X32;F490

文献标识码：A

文章编号：1673-5595（2025）01-0011-08

收稿日期： 2024-07-18

修回日期： 2024-10-22

基金项目： 国家社会科学基金项目（22BGL221）

作者简介： 丁" 刚（1974—），男，河南开封人，福州大学经济与管理学院教授，博士生导师，研究方向为公共政策及区域可持续发展。

一、引言

随着中国“双碳”战略的深化实施，各行业如何践行“双碳”战略并推动行业绿色发展已成为一个不容忽视的现实问题。近年来，中国电子商务发展成就令人瞩目。《中国电子商务报告（2022）》数据显示，2022年中国电子商务交易规模达43.83万亿元，较2021年的42.30万亿元同比增长3.6%。电子商务的快速发展在引致传统消费模式变革、催生新的市场需求的同时，亦成为物流行业新的碳排放来源。

文献检索发现，电子商务的研究较多关注于其产生的经济效益。在宏观层面，电子商务发展能够影响出口贸易规模［1］、促进共同富裕［2］；在微观层面，电子商务发展能缓解城乡居民消费差距［3］、优化产业结构［4］、提升创业活跃度［5］。近年来，探讨电子商务发展与环境保护之间关系的文献亦逐渐涌现。相关研究证实，电子商务示范城市较之非示范城市更有助于促进城市绿色高质量发展。［6］一方面，可以借助其信息技术优势简化传统商务流程，减少人员与物质损耗，提高资源利用率；另一方面，可以突破距离限制，打破信息不对称给交易双方带来的阻碍，提高贸易活动效率［7］，可通过产品生产、产品销售与居民消费三条渠道降低碳排放总量和强度［8］。关于电子商务发展与物流业碳排放之间的关系，虽有文献已展开研究，但尚未达成共识。李璇［9］认为电子商务发展将增加物流业碳排放，其中物流运输与包装环节是增加碳排放的两大主要环节。相反，也有观点认为电子商务发展将抑制物流业碳排放，且主要表现在三个方面：一是通过改变商品渠道的结构减少贸易流通量和交通量，以减少环境污染发生的可能性［10］；二是通过供给侧绿色化改革与引导绿色消费两种方式来降低碳排放［11］；三是电子商务的网络零售方式较之传统零售而言，更利于降低物流在运输、仓储以及包装环节中的碳排放［12］。本研究认为，电子商务是数字经济的重要组成部分，由于数字经济与物流业碳排放之间可能存在着“倒U”型关系［13］，因此电子商务与物流业碳排放之间亦可能存在非线性的“倒U”型关系。此外，区域间的商贸往来并非孤立存在，电子商务发展在对本地区的物流业碳排放产生影响的同时，对邻近地区亦可能会产生一定程度的空间溢出效应。为此，本研究以中国30个省份为研究对象，旨在厘清电子商务与物流业碳排放之间的关系，并考察这一关系是否具有区域间的空间溢出效应。本研究的边际贡献主要体现在两个方面：一是在空间杜宾模型（SDM）中引入电子商务发展水平的二次项，证实了“倒U”型关系的存在，并验证其稳健性；二是定性剖析了电子商务发展对物流业碳排放的影响机理，并定量分析了其影响效应。

二、理论分析与研究假设

（一）电子商务发展对物流业碳排放的影响

经济增长与环境保护之间的关系是学术界长期探讨的话题之一，环境库兹涅茨曲线（EKC）最早便来源于经济增长与环境压力的争论。［14］本研究认为，电子商务作为数字经济的重要组成部分，其发展水平对物流业碳排放的影响亦适用EKC假说。具体影响机理体现在两个方面。

第一，电子商务在融入物流业发展的初期，将带动快递业务量大幅增加，且部分电商产品具备特定物流要求，二者将显著增加物流压力，导致碳排放增加。具体增碳渠道如图1所示。

（1）运输环节。这一环节所涉及的碳排放在物流各环节中占比最大，主要体现在三个方面：其一，传统能源交通运输工具的尾气排放和高污染的化学燃料的使用；其二，为保证物流配送的时效性，企业多倾向于使用快速但能耗高的公路与航空运输，但这种选择在短时间内难以精确规划运输路线，从而导致不必要的能源耗费；其三，生鲜电商需求激增使得冷链运输成为必要，其在使用制冷剂或冷冻柜车来维持恒温期间必将额外产生更多的碳排放［15］。

（2）包装环节。包装环节所产生的碳排放量仅次于运输环节，主要通过两种途径来呈现：一是为保证商品原有价值将增加包装用材量，二是商品的过度包装。这二者都将带来更多的难降解包装材料与更严重的资源损耗。同时，物流企业包装回收率低、回收难度大等问题亦会阻滞碳减排进程。

（3）仓储环节。货物储存所占用的土地资源、养护产品所使用的化学剂、装卸工具的使用、易腐易碎和存在时效性的产品需要另行处置，这无疑会增加该环节的碳排放。

除运输、包装、仓储这三条主要影响渠道以外，上下游和同层级的信息渠道阻滞或是理解失误、电商商品退货量的增加，这两条路径亦将造成额外的产能浪费和商品闲置以及运输路线规划设计、包装设计的不合理现象，由此加剧碳排放。

第二，电子商务发展水平持续攀升，在其进入一定阶段后可能将产生降碳效应。在数字经济时代，电子商务与传统产业的融合已成为大势所趋，其融合程度呈逐步加深态势并持续累积，最终为绿色发展提供有力支撑，具体可通过创新绿色物流技术、构建数字平台、刺激物流行业竞争、改进传统物流模式等方式降低物流业碳排放。首先，电子商务发展可显著降低服务业交易成本，间接增加企业技术创新试错机会，激励企业绿色技术创新［16］；直接通过内部创新活动的产出成果改造高碳排放企业，优化企业碳排放管理策略，实现节能减排［17］。物流业作为高碳排放服务业之一，正是电子商务施加降碳效应的作用对象。电子商务发展既可加速物流业数智化、低碳化进程，推动企业进行技术改造与创新，亦可直接将新能源技术应用于物流全链条。其次，电子商务提供了数字化商业平台，有助于减少运输、包装等物流环节中的碳排放，赋能平台生态减排目标。［18］再次，电子商务发展降低了行业准入门槛［19］，物流市场竞争加剧，高耗能、低效率的物流企业将被挤出市场，这将倒逼物流企业采取绿色创新、优化资源配置等手段，加快推进降碳减排，以此提升其竞争力。最后，电子商务发展在创设冷链物流、定制物流等物流新业态的同时，也促使企业对物流系统进行数字化、智能化升级，优化物流微观作业流程和管理模式，提高配置效率以适配电商产业发展需要，促进物流行业整体发展的“有序”性。基于上述分析，本研究提出第一个假设。

假设1：电子商务发展与物流业碳排放之间存在“倒U”型关系。

（二）电子商务发展对物流业碳排放的空间溢出效应

电子商务的蓬勃发展使得区域间的贸易协作壁垒被逐渐打破，各种要素流动更加便利，因此不能忽视其可能会产生的空间溢出效应。电子商务发展具备技术溢出与知识溢出效应，可通过地区间、企业间的信息化传播，破除体制壁垒和制度障碍，实现区域一体、协同发展。［20］协作壁垒的打破可增强电子商务发展的互动关系，实现要素资源和科技成果的自由流动和共享，区域之间电子商务发展存在明显的空间关联关系。［21］

由此观之，在探析电子商务发展对物流业碳排放的影响时，必须考虑地区间的空间集聚、空间关联性及可能存在的空间溢出效应。一方面，电子商务发展使得本地区的绿色低碳循环发展相关知识与技术在邻接省域间扩散，推动省域间形成密切的空间关联互动关系，进而对本省和相邻省域的物流业碳排放产生影响。另一方面，电子商务发展为不同省域之间的产业合作、科技成果转移转化提供了平台与载体，能够促进省域之间的交流与合作，并有效带动知识与经验作用于其他省域的生产、生活过程，有助于相邻省域的物流业绿色发展。［22］基于上述分析，本研究提出第二个假设。

假设2：电子商务发展与物流业碳排放间具有显著的空间溢出效应。

三、模型构建与变量选取

（一）模型构建

本研究选择空间计量模型探析电子商务发展对物流业碳排放影响的直接效应和溢出效应。由于空间杜宾模型充分考虑了被解释变量与解释变量的空间相关性，可对空间溢出效应和空间滞后变量的影响进行系统反映，故采用空间杜宾模型达成分析目的，将模型设定为：

Cit=c0+ρW×Cit+β1edit+β2ed2it+β3TEit+β4GEit+β5EIit+β6Eduit+β7Tit+β9W×edit+β10W×ed2it+β11W×TEit+β12W×GEit+β13W×EIit+β14W×Eduit+β15W×Tit+μi+νt+εit（1）

式中：Cit为被解释变量，表示在t年份i省域物流业碳排放量；ed、ed2为核心解释变量，分别表示省域电子商务发展水平、电子商务发展水平二次项；TE、GE、EI、Edu、T为控制变量，分别表示省域科技水平、政府财政支出、能源结构优化、教育水平、交通基础设施水平；c0为常数项；ρ为被解释变量的空间滞后项系数；β为待估计系数；W为空间权重矩阵。这里使用空间邻接权重矩阵作为空间权重矩阵，对于空间邻接权重矩阵来说，设定规则为：

W=1，当i和j相邻时，空间相关i≠j

0，其他（2）

（二）变量选取与数据来源

1.被解释变量

被解释变量为物流业碳排放量（C）。目前国内尚未明确物流业碳排放核算的国家标准，核算方式较为分散，且在与物流业务密切相关的物流站点、包装耗材等细分领域，以及冷链运输等特殊的物流业务模式方面，缺乏专门的碳排放核算方法。［23］其中运输环节在物流各环节中碳排放量占比最大［24］，本文使用MEIC［25-26］所发布的中国省域二氧化碳排放清单中，与物流业紧密相关且具有具体核算标准的交通部门碳排放的统计数据来替代。

2.核心解释变量

本文的核心解释变量是省域电子商务发展水平（ed）。在借鉴已有文献研究的基础上，本研究构建了如表1所示的评价指标体系［27-28］，运用全局熵值法［29］测算出2013—2021年30个省份的电子商务发展水平综合得分。结果显示，中国省域电子商务发展水平在2013—2021年间呈逐年增长态势，电子商务发展水平较高的地区主要分布在沿海地带，整体呈现出“东强西弱”的特征。图2列示了评价期初2013年和评价期末2021年的测算结果。

3.控制变量

借鉴已有研究［30-32］，本文选取的控制变量包括科技水平（TE）、政府财政支出（GE）、能源结构优化（EI）、教育水平（Edu）、交通基础设施水平（T）。其中，科技水平用每万人拥有的发明专利数衡量，政府财政支出用政府财政交通支出与地方公共财政总支出的比值衡量，能源结构优化用天然气和电力的能源消耗量占能源消耗总量的比重衡量，教育水平用普通本专科在校学生人数与年末人口比值衡量，交通基础设施水平用路网密度（铁路里程、公路里程、内河航道里程之和与行政区域面积的比值）衡量。考虑到科技水平与教育水平投入需要一定时间才能产生效应，故本文将科技水平与教育水平滞后一期进行测算。

考虑到数据可得性，本研究以中国30个省份（不含港澳台、西藏）为研究对象，时间跨度为2013—2021年，研究样本包含了270个观测值。物流业碳排放量的数据来自MEIC清单，其他数据来自《中国统计年鉴》以及各省份的统计年鉴。本文主要变量的描述性统计如表2所示。

四、实证分析

（一）空间相关性检验与模型选择

观测变量空间相关性的存在是构建空间计量模型的前提。Moran’s I指数能够反映被研究对象在全局空间层面的空间相关性。表3列出了2013—2021年中国30个省份物流业碳排放量的Moran’s I值，结果表明省域物流业碳排放具有较强的空间正相关性，因此有必要运用空间计量模型进行实证分析。

在对空间杜宾模型进行回归分析之前，需要对模型的具体形式进行检验和设定。本文对回归结果依次进行LM检验、Wald检验、LR检验、霍斯曼（Hausman）检验，检验结果如表4所示。

LM检验结果在1%水平下显著，初步说明应该选择空间杜宾模型进行研究。同时，Wald检验和LR检验结果在1%水平下显著，说明SDM模型不能退化为SAR（Spatial Autoregressive Model）模型和SEM（Spatial Errors Model）模型。Hausman检验说明本文应选择固定效应模型。空间杜宾模型固定效应包括个体、时间、双固定三种交互效应模型，从不同固定效应下SDM模型估计结果（见表5）可以看出，时间固定效应的拟合优度R2值为0.370，大于个体固定和双固定效应模型的相应值，说明时间固定效应模型与个体、双固定效应模型相比具有更高的拟合性，因此本研究选择时间固定下的空间杜宾模型进行研究。

（二）空间杜宾模型的回归结果

表6报告了空间杜宾模型下电子商务发展对物流业碳排放的回归结果。表中列（1）展示了主回归估计结果，列（2）展示了各变量的空间滞后项估计结果。从估计结果可以看出，物流业碳排放的空间滞后项回归系数rho在1%的水平下显著为正，说明电子商务发展与物流业碳排放之间确实存在明显的正向空间相关性，由此验证了假设2，同时进一步验证了使用空间计量模型进行分析的合理性。

由表6列（1）可以看出，电子商务发展水平的系数在1%水平下显著为正，其二次项的系数在1%水平下显著为负，表明电子商务发展与物流业碳排放之间呈现“先升后降”的“倒U”型特征，这一结果验证了前文假设1。列（1）的“倒U”型曲线拐点值约为58.93，大于2021年中国电子商务发展水平的均值17.87，说明截至2021年年底中国电子商务发展水平尚处于“倒U”型曲线的前半段，即电子商务发展会增加物流业碳排放的阶段。因此，电子商务发展水平仍需提升，只有当电子商务发展水平跨越拐点后，才能促进物流业碳减排。此外，科技水平、政府财政支出、能源结构优化、教育水平、交通基础设施水平五个控制变量均通过1%显著性检验，且符号均为负，表明这些变量对本地区物流业碳减排均具有显著的促进作用。从控制变量的空间滞后项看，W×TE与W×GE在1%水平下显著为负，表明政府财政支出越多、科技水平越高的地区对周边物流业碳减排的效果可能越好。

由于表6列（1）、列（2）的回归结果尚不能充分体现电子商务发展对物流业碳排放影响的直接效应和间接效应，为此，本研究根据偏微分法将影响效应分解为直接效应、间接效应和总效应［33］，表6列（3）—列（5）为空间效应分解估计结果。从核心解释变量ed的直接效应和间接效应可以看出，其一次项与二次项间接效应的显著性与绝对值均比直接效应低，说明电子商务发展对本地物流业碳排放的影响效应更为明显，而溢出效应相对较弱。

（三）内生性与稳健性检验

1.内生性检验

为了缓解模型中因测量误差与遗漏变量等可能导致的内生性问题，本文参考已有文献的做法［34］，考虑到面板工具变量的时间变化趋势，选取了 2004—2012 年的互联网上网人数作为电子商务发展的工具变量。一方面，互联网上网人数的增长会影响电子商务的发展，满足工具变量相关性的条件；另一方面，本文研究期从2013年开始且时间跨度为9年，选取前9年数据是因为历史上的互联网使用人数对现在的物流业碳排放影响较小，满足工具变量外生性的条件。因此，该工具变量的选取均符合内生性与外生性的双向要求。经检验，不存在不可识别与弱工具变量的问题，并且第二阶段回归结果显示，电子商务发展一次项系数为8.136、二次项系数为-0.100，且均在1%的水平下显著，说明在构建工具变量之后，电子商务发展对物流业碳排放仍具有显著的“倒U”型影响，结果依然稳健。

2.稳健性检验

一是替换空间权重矩阵。考虑省域间经济关系的影响，将相邻矩阵替换为经济距离空间矩阵，将不同省域间人均GDP之差的绝对值作为权重。二是剔除直辖市样本数据。本文借鉴唐凯桃等［35］的做法，考虑直辖市与普通省份之间存在差异，故剔除北京、天津、上海、重庆4个直辖市后，将26个省域样本重新带入模型进行回归分析。三是替换核心解释变量测算方法。前文的核心解释变量电子商务发展水平是由全局熵值法测算而得，本研究参考曲浩等［36］的做法，采用全局主成分分析法重新测算电子商务发展水平并再次进行回归。上述三种稳健性检验皆通过，回归结果的正负号及显著性与前文结果之间并无明显差异，表明本文研究结果是稳健的。限于篇幅原因，本文的稳健性与内生性结果未作披露。

五、结论与建议

本文基于中国30个省份2013—2021年的面板数据，利用ArcGIS软件分析电子商务发展的时空演变特征，并采用空间杜宾模型实证检验电子商务发展对物流业碳排放的影响，得到如下四点结论。

（1）中国电子商务发展与物流业碳排放之间呈“倒U”型相关关系，符合环境库兹涅茨曲线的假定，且目前电商发展水平正处于“倒U”型曲线的前半段，降碳效果亟待提升。

（2）总体而言，中国电子商务发展水平逐渐提升，但目前存在一定程度的地域差异，呈现出典型的“东强西弱”分布态势。

（3）电子商务发展对物流业碳排放的影响具有空间溢出效应，不仅可对本地区物流业碳排放产生影响，还会对邻近地区产生影响。

（4）加大针对物流行业的政府财政支出与提升其科学技术水平，能够在一定程度上促进本省与邻近地区的碳减排。

为此，本文提出如下政策建议。

（1）由于电子商务发展与物流业碳排放之间呈“倒U”型相关关系，且目前中国电子商务发展水平尚处于“倒U”型的前半段曲线，对于物流业的增排效果仍然显著，因此应加快提升电子商务发展水平以促进其实现对物流业的碳减排，支持电商企业充分发挥数字平台优势，将环境治理融入企业的治理架构，设计合理的激励机制，协同上下游价值链，以全面助力物流业碳减排。

（2）地方政府应在其能力范围内大力发展新质生产力，培育绿色生产力质态，为辖区内电商企业提供绿色转型的政策支持。与此同时，考虑到中国电子商务发展水平的区域差异明显，故在制定区域电子商务发展战略时不能一概而论，应综合考虑各省域的区位禀赋、功能定位、经济基础等因素，根据各地区的特点精准施策。

（3）各地区在制定电子商务发展战略时应考虑到省际间的空间非均衡性与关联性。东部各省的电商发展水平较高，可发挥其示范效应与扩散效应，带动周边省域电商发展水平的提升；而中西部各省，则应学习借鉴东部各省的典型经验，以区域协作推进省域电子商务共同发展。

参考文献：

［1］ 马淑琴，陈红，俞春晓.电子商务发展对出口贸易规模扩张的U型调节——来自中国的经验实证［J］.财经论丛，2018（7）：9-18.

［2］ 冯苑，聂长飞.数字经济促进共同富裕的机制及异质性研究——来自电子商务示范城市建设的经验证据［J］.首都经济贸易大学学报，2023，25（4）：3-17.

［3］ 熊颖，张旺虎，郭守亭，等.电子商务发展缓解了城乡居民消费差距吗？［J］.农业经济与管理，2022（5）：85-98.

［4］ 赵晓军，刘晓莹，桑义汉，等.电子商务发展对产业结构升级的异质性影响——基于中国省际面板数据的实证分析［J］.工业技术经济，2021，40（7）：134-140.

［5］ 林伟芬，胡耀，何骏.电子商务发展对城市创业活跃度的影响［J］.中国人口科学，2023，37（5）：82-96.

［6］ 刘乃全，邓敏，曹希广.城市的电商化转型推动了绿色高质量发展吗？——基于国家电子商务示范城市建设的准自然实验［J］. 财经研究，2021，47（4）：49-63.

［7］ 裴雪.电子商务发展与低碳经济理念的契合性研析［J］.环境工程，2023，41（4）：246-247.

［8］ 别奥，杨上广，束云霞.城市电商化转型能否促进碳减排？——来自国家电子商务示范城市试点的经验证据［J］.产业经济研究，2023（4）：1-14.

［9］ 李璇.我国电子商务绿色发展绩效评价及影响因素分析［J］.商业经济研究，2021（13）：83-86.

［10］ 郭跃，张永新，徐思，等.电商绿色物流生态体系目标优化实证研究［J］.运筹与管理，2019，28（4）：56-66.

［11］ 赵平，李恺怀，王玉华.电子商务助力绿色经济发展的策略［J］.学术交流，2023（3）：130-141.

［12］ Van Loon P， McKinnon A C， Deketele L， et al. The Growth of Online Retailing： A Review of Its Carbon Impacts［J］.Carbon Management，2014，5（3）：285-292.

［13］ 杨俊，钟文.数字赋能与物流业碳减排：内在机制与经验证据［J］.统计与决策，2023，39（20）：174-178.

［14］ Grossman G M， Krueger A B. Environmental Impacts of a North American Free Trade Agreement［M］.Cambridge：Mass： National Bureau of Economic Research，1991.

［15］ 王锋，张令荣，鲁渤.考虑碳排放的冷链物流多温共配时变路径研究［J/OL］.中国管理科学，1-12［2024-09-27］.https：//doi.org/10.16381/j.cnki.issn1003-207x.2022.2318.

［16］ 金环，于立宏，魏佳丽.国家电子商务示范城市建设对企业绿色技术创新的影响及机制研究［J］.科技进步与对策，2022，39（10）：81-90.

［17］ 张腾，蒋伏心，韦朕韬.数字经济能否成为促进我国经济高质量发展的新动能？［J］.经济问题探索，2021（1）：25-39.

［18］ 王君萍，鲍晶婷.城市电商化转型对碳排放的影响研究——基于技术创新价值链视角［J］.西安石油大学学报（社会科学版），2024，33（1）：18-26.

［19］ Zhang R， Liu H， Xie K， et al. Toward a Low Carbon Path： Do E-Commerce Reduce CO2 Emissions？ Evidence From China［J］.Journal of Environmental Management，2024，351：119805.

［20］ 张俊英，郭凯歌，唐红涛.电子商务发展、空间溢出与经济增长——基于中国地级市的经验证据［J］.财经科学，2019（3）：105-118.

［21］ 夏显力，李晓静.中国电子商务发展的空间关联网络结构特征及其驱动因素分析［J］.贵州社会科学，2021（2）：132-140.

［22］ 焦志伦，李雯雯，刘秉镰.数字经济发展必然减少行业碳排放吗？——来自物流业的新证据［J］.南开经济研究，2024（6）：110-128.

［23］ 刘然，刘哲，赵洁玉，等.国内外物流行业碳排放核算方法研究［J］.交通节能与环保，2023，19（3）：64-71.

［24］ 夏怡雯，李嘉铖，段华波.中国快递行业的碳排放［R］.北京：绿色和平，2023.

［25］ Li M， Liu H， Geng G N， et al. Anthropogenic Emission Inventories in China： A Review［J］.National Science Review，2017，4（6）：834-866.

［26］ Zheng B， Tong D， Li M， et al. Trends in Chinas Anthropogenic Emissions Since 2010 as the Consequence of Clean Air Actions［J］.Atmospheric Chemistry and Physics，2018，18（19）：14095-14111.

［27］ 王金良，王平山.我国电子商务发展水平空间分布特征分析［J］.商业经济研究，2021（3）：71-73.

［28］ 桂学文，王秋博，李君妍.区域电子商务发展水平测度——以中部六省为例［J］.统计与决策，2023，39（10）：76-79.

［29］ 孙玉涛，刘凤朝，李滨.基于专利的中欧国家创新能力与发展模式比较［J］.科学学研究，2009，27（3）：439-444.

［30］ 马飞，胡江艳，孙启鹏，等.中国省际物流业碳排放绩效测度及驱动因素研究［J］.生态经济，2021，37（9）：27-33.

［31］ 张宝凤，蔡林美.数字经济是否影响能源结构转型？［J］.中国矿业大学学报（社会科学版），2024，26（1）：153-168.

［32］ 李晓敏，刘世哲，薛栋.可再生能源发展对碳排放的影响效应研究［J/OL］.软科学，1-13［2024-09-27］.http：//kns.cnki.net/kcms/detail/51.1268.G3.20240827.1153.002.html.

［33］ Elhorst J P， Fréret S. Evidence of Political Yardstick Competition in France Using a Two-Regime Spatial Durbin Model With Fixed Effects［J］.Journal of Regional Science，2009，49（5）：931-951.

［34］ 周韩梅，刘新智，孔芳霞.数字经济发展能否减少中国雾霾污染？——基于空间杜宾模型的检验［J］.当代经济管理，2024，46（4）：1-11.

［35］ 唐凯桃，许婧，李小涛，等.国家审计能够促进城市全要素生产率提升吗？——基于空间杜宾模型分析［J］.财经理论与实践，2022，43（6）：94-100.

［36］ 曲浩，范秋芳，刘浩旻.数字经济与绿色经济效率：作用机制及空间溢出［J］.中国石油大学学报（社会科学版），2024，40（5）：69-78.

责任编辑：曲" 红

Research on the Impact of E-commerce Development on Carbon Emissions in the

Logistics Industry： A Spatial Econometric Analysis Based on Provincial Panel Data

DING Gang， HUANG Shurong

（School of Economics and Management， Fuzhou University， Fuzhou 350108， Fujian， China）

Abstract：This study explores the impact of e-commerce development on carbon emissions in the logistics industry， based on panel data from Chinese provinces spanning 2013 to 2021. Using the global entropy method， the study measures the level of e-commerce development across provinces and employs a spatial Durbin model to analyze its effects on carbon emissions in the logistics sector. The findings reveal that e-commerce development in China has steadily increased in recent years， exhibiting significant spatial clustering with a distinct \"strong in the east， weak in the west\" pattern. Moreover， there is an inverted U-shaped nonlinear relationship between e-commerce development and carbon emissions in the logistics industry， with the current stage positioned in the ascending phase of the curve. Additionally， while e-commerce development directly affects carbon emissions in the logistics industry within its own province， it also exerts positive spillover effects on neighboring regions.

Key words： e-commerce; logistics industry; carbon emissions; spatial Durbin model

英文编校：马志强