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

推进数字化和绿色化的深度融合发展是当今世界的重要议题。本文提出,数字经济对具体行业碳排放的影响既存在由碳效率提升带来的“低熵”效应,又存在由总需求扩张带来的“增耗”效应。数字经济对具体行业碳排放的影响总体由两类效应共同决定,并可能对行业碳排放产生正向影响。以物流业为例,本文以DEA等综合评价方法系统测算了区域数字经济发展水平,采用基于工具变量的GMM面板数据模型进行了实证分析,并创新性引入引力模型形式,设计了带有固定项和时变项外生变量的数字经济工具变量,提供了基于模型形式和变量外生性合力构建工具变量的新思路。同时,本文对数字经济影响物流业碳排放的机制进行了验证。结果表明,样本期内数字经济发展水平与物流业碳排放之间存在显著的正相关关系,现阶段数字经济对物流业的增耗效应更强,且在进行替换核心变量、采用异质性分析、数字经济维度分解、城市级样本数据扩展的稳健性检验之后,该结论仍然成立。此外,本文从行业要素配置效率和能源效率两个渠道验证了低熵效应机制的显著性,从货运周转量、城镇消费物流需求两个渠道验证了增耗效应机制的显著性。本文提出,不同行业碳减排需要根据自身低熵效应和增耗效应特点实施差异化的策略。

经济增长、产业集中度与建筑业碳排放——基于VAR模型的实证研究

为探究经济增长与产业集中度对建筑业碳排放的因果关系与动态影响关系,结合环境库兹涅茨曲线理论,本文采用江苏省2005年—2019年的时间序列数据,构建VAR模型对3个变量进行动态计量分析。研究结果表明:经济增长与建筑业碳排放呈现“倒U形”关系,同时产业集中度的提高有助于减少建筑业碳排放。此外,建筑业碳排放惯性很大,表明其存在较强的路径依赖。研究结论为政策制定者借助市场手段与产业结构调整手段实现建筑业减排降碳提供了理论依据。

中国物流业全要素碳排放效率测算及影响因素研究

“双碳”目标下,国家高度重视物流业的节能降碳.基于2007—2021年中国30个省份物流业的样本数据,采用超效率SBM模型测算全要素碳排放效率,进一步构建空间杜宾模型分析其影响因素.研究发现:①中国物流业全要素碳排放效率整体水平不高,省份、区域间差距较大,相邻省份空间正相关性显著;②选取经济发展水平、节能技术水平、产业结构、要素禀赋和城镇化水平为碳排放效率的主要影响因素,采用双固定空间杜宾模型分析其影响程度;③效应结果显示,经济发展水平、节能技术水平和要素禀赋对邻近地区的碳排放效率具有负向溢出效应,其他因素的影响具有正向溢出效应.最后,提出了提高我国物流业碳排放效率的对策建议.

基于Logistic模型的江苏林业产业碳排放研究

Logistic模型突破以往的对于碳计量的静态评估,可对数据进行动态预测。根据江苏林业产业的发展现状,将江苏林业产业分为18个小类,基于Logistic模型对江苏各林业产业碳排量进行动态预测,指出江苏林业的碳排放水平总体处于上升阶段,但增幅趋缓。江苏可以通过产业结构调整特别是通过林业第二产业结构的优化来降低碳排放水平,林业新技术的应用将提高产业碳减排效率,从而为江苏提出林业产业的低碳发展战略提供决策依据。

基于VAR模型的物流业与碳排放动态关系研究——以安徽省为例

利用Granger因果关系检验、脉冲响应与方差分解方法,基于1995—2013年的安徽省样本数据,通过构建VAR模型对安徽省碳排放与物流业之间的动态响应关系进行实证研究。结果表明:物流业发展是碳排放量增加的格兰杰原因;安徽省物流业发展水平的迅速提高,引起能源消耗量的快速增加,使碳排放量不可避免地增加;但物流业发展水平达到一定阶段之后,人们的环保意识逐渐加强,碳排放量会出现下降。根据以上结论,提出促进物流产业低碳化发展的对策建议。

丝绸之路经济带物流业碳排放效率测度及提升对策研究

为了探究中国丝绸之路经济带物流业碳排放效率及减排对策,本文以2011—2020年丝绸之路经济带中9个省份的物流业面板数据为样本。首先对9个省份物流业的碳排放量进行统计与分析,然后运用包含非期望产出的超效率SBM模型计算碳排放效率,最后提出发展建议。结果表明:样本期内,除了2013年和2020年,丝绸之路经济带沿线省份物流业的碳排放量出现了较为明显的下降,其余年份均呈现增长趋势。碳排放效率的均值为0.756,宁夏、广西效率值最高,青海最低。新疆物流业能源消费量的原始值和目标值的差距最大,青海最小。四川物流业碳排放量的原始值和目标值的差距最大,青海同样最小。建议减少高能耗高碳排放的能源使用,不断优化能源消费结构。进一步优化各项物流资源的配置,促进碳排放效率的提升。立足能源消费和碳排放的差异,做到因地制宜分类决策。

我国物流业对环境影响的动态效应研究——基于非限制性VAR模型的经验

以非限制性VAR模型为基础,考察了我国1990～2010年碳排放量与物流业之间的动态演进关系。由OLS估计协整方程得出我国物流业增加值每增加1%将引起CO2排放增加0.573%;由脉冲响应函数对短期动态关系作进一步分析表明,物流业的快速发展导致能源消耗的增长,从而引起碳排放量上升,而碳排放量的增加也会抑制物流业的发展,但其影响存在一定的滞后期。

江苏省经济增长、产业结构与碳排放关系的实证研究——基于VAR模型和脉冲响应分析

在经济增速放缓和环境问题突出的双重压力下,研究经济增长、产业结构与碳排放的关系对于制定有效的产业政策、转变经济发展方式、落实低碳绿色发展具有重要意义。采用江苏省1987—2015年时间序列数据,通过向量自回归模型(VAR)、格兰杰因果检验、脉冲响应分析、方差分解等工具,分析江苏省经济增长、产业结构与碳排放之间的关系。结果发现,经济增长、产业结构与碳排放之间存在协整关系,产业结构与碳排放、产业结构与经济增长均构成双向格兰杰因果关系,但经济增长与碳排放之间的因果关系并不显著。这表明经济增长并不一定导致高碳排放,碳排放水平主要取决于产业结构特征。为此,应该深入落实绿色发展理念、加快产业结构转型升级步伐、大力发展先进制造业、改变能源消费结构。

京津冀产业结构优化对碳排放的影响研究——基于动态面板的系统GMM模型和VAR模型

京津冀地区作为国家重点战略发展区域,其低碳发展、产业结构优化升级在中国的低碳产业发展中举足轻重,各产业的碳减排成效对地区减排目标的实现具有重要意义。论文利用动态面板的系统GMM模型分析2000—2017年京津冀区域的产业结构合理化与高级化对碳排放的影响程度,构建VAR模型具体分析京津冀三地的产业结构合理化与高级化对碳排放的影响差异,采用多方程联立的形式回归分析相关经济变量间的逻辑因果关系以及短期冲击效应。研究结果表明:1)京津冀地区整体产业结构高级化与合理化会降低碳排放;2)京津冀三地的产业结构的高级化与合理化水平分别对本地区的碳排放影响存在差异。最后,基于京津冀地区产业结构优化对碳排放的影响,分别对各地区的碳减排提出相关政策建议。

物流业碳排放绩效及低碳策略

东部地区是我国经济最发达的地区,其物流业务量在全国地区中占比超过78%,物流业作为高碳能源依赖性产业,其发展必将伴随大量的碳排放.选择物流业能源投入、物流业资本投入和物流业劳动投入作为投入指标,以物流业产值以及物流业碳排放量作为产出指标,采用DEA-BCC模型对我国东部沿海10个地区的物流业静态碳排放绩效、纯技术效率以及规模效率进行评价.以具有持续发展潜力和国家生态战略地位的福建省为例,利用DEA-Malmquist指数模型测算福建省物流业动态碳排放绩效;此外,基于年末常住人口、城镇化率、人均GDP和清洁能源占比等4个因素构建拓展的STIRPAT模型,设定了基准情景、低碳情景与强化低碳情景,模拟不同情景下福建省物流业2011~2035年的碳排放量趋势.结果显示,在基准情景和低碳情景下,福建省物流业碳排放仍处于持续上升趋势,年均碳排放增长率分别达1.68%和1.50%,无法在2030年实现碳达峰;但在强化低碳情景下,福建省物流业的碳排放可在2030年达到峰值.基于研究结论提出福建省物流业绿色低碳的发展建议,为福建省“十四五”规划和2035年远景目标中物流业的低碳绿色发展路线提供借鉴和参考.

甘肃省能源产业结构升级的碳排放效应研究

文章采用2007—2021年的省级数据,构建向量自回归模型,通过脉冲响应函数和方差分解方法,探究了甘肃省能源产业结构升级与碳排放强度之间的相互作用.结果表明,相较于能源产业结构高级化、能源产业结构合理化对于减少碳排放强度具有更为显著的影响.同时,碳排放强度的降低对能源产业结构升级具有反向推动作用.此外,产业结构高级化能够促进产业结构合理化,而产业结构合理化在一定程度上对产业结构高级化起到了抑制作用.

碳达峰背景下中国物流业碳排放效率时空演化

为了深入分析中国各地区在物流业碳排放效率方面的表现及其空间关联性,采用非期望产出的超效率SBM模型,并结合莫兰指数与空间杜宾模型,选取中国30个省份,对其2015-2020年的物流业碳排放效率进行了计算,分析了不同地区物流业碳排放效率之间的相似性或差异性,并揭示其在空间上的联系及背后的影响因素。研究结果显示,30个省份的物流业碳排放效率在空间上存在显著相关性,呈现出一定的空间集聚特征。具体表现为东部地区的物流业碳排放效率高于西部地区,南部地区高于北部地区,而中部地区则优于其他地区,这种空间分布特征可能与各地区的从业人数、经济水平、基础设施建设、能源消费结构等因素有关。虽然近年来我国物流业碳排放效率总体呈现上升趋势,但在推进碳达峰的过程中,各地区仍面临着诸多挑战和困难。最后提出了一系列建议和意见,以进一步提高物流业碳排放效率,实现碳达峰目标。

中部地区物流业碳排放时空差异及驱动效应研究

应用LMDI模型和M-R模型从时间和空间两个维度对2006—2020年间中部地区物流业碳排放差异及驱动效应进行分析,结果表明,中部地区物流业碳排放总体呈逐步上升的趋势,2020年首次出现了下降,经济发展水平、能源效率和人口规模对中部地区物流业碳排放具有较强的拉动效应,碳密度、能源强度和物流产业结构占比则是抑制中部地区物流业碳排放的有效因素;较高的碳密度和能源强度以及领先的经济发展水平使得湖北成为中部六省中物流业碳排放最高的省份,安徽省物流业得益于其超低的碳密度水平从而一直保持较低的碳排放,江西省基本处于中部六省中物流业碳排放最低水平,主要原因在于其经济发展水平和人口规模都远低于中部其他省份.文章最后对中部六省物流业低碳发展提出了相关建议.

新质生产力背景下物流业集聚对碳排放的影响

基于2012-2021年中国30个省份的面板数据,测算了物流产业集聚水平及其对物流业碳排放量的影响。采用空间面板数据模型,并引入数字化水平、信息化水平和技术创新能力等控制变量进行实证分析。研究结果表明:我国中部经济带和西部经济带物流产业集聚水平高于东部经济带;2012-2021年全国物流业碳排放呈空间负相关;物流产业集聚会增加本地区和邻近地区的物流业碳排放,其他影响因素中,互联网用户数、软件收益、信息服务收益等新质生产力指标与本地区碳排放有显著的负向关系;中部经济带和西部经济带物流产业集聚会使物流业碳排放量显著增加,但东部经济带物流产业集聚则对物流业碳排放量的影响相对较小。基于此,提出减少物流业碳排放的对策与建议,以实现物流产业的可持续发展。

“双碳”背景下长三角物流业碳排放脱钩效应及影响因素研究

文章以“双碳”背景下长三角地区为研究对象,利用碳排放计算公式测算2007—2021年物流业碳排放量。基于Tapio脱钩模型探究长三角物流业碳排放和产业生产值之间的关系,并运用LMDI分解法分析影响物流碳排放的因素。研究表明:物流业碳排放与产业经济发展的脱钩状态呈现增长连结—弱脱钩—强脱钩。LMDI分解后的因子能源结构和能源消耗强度对于长三角物流业碳排放具有负向阻碍作用,反之物流业产值和物流就业人员规模的增加,影响二氧化碳的排放。

我国城镇化、工业化与碳排放关系的研究——基于VAR模型的分析

运用VAR模型,利用我国城镇化和工业化发展过程中的碳排放数据,通过协整检验、格兰杰因果关系检验、脉冲响应函数分析等技术指标,分析我国城镇化、工业化与碳排放之间的关系。结果表明,从短期来看,工业化对碳排放有正向促进作用,城镇化对碳排放有反向作用;从长期来看,我国的工业化和城镇化基本实现与碳排放的"脱钩",并不是碳排放的主导因素。

江苏省产业结构升级、城市化与碳排放的动态关系——基于VAR模型的实证研究

在对1995—2014年江苏省产业结构升级、城市化与碳排放的原始数据进行处理与检验的基础上建立VAR模型,并通过Johansen协整检验、脉冲响应函数及方差分解的分析,得出以下结论:江苏省产业结构升级、城市化与碳排放两两间存在双向关系,产业结构升级和城市化对碳排放有一定的滞后效应,产业结构升级可以降低碳排放量的作用不明显.城市化对碳排放有正反两方面的作用,短期内呈负效应但长期内存在正的反馈作用,并且城市化是碳排放的重要原因,健康的城市化能对产业结构的优化升级起到促进作用.

基于VAR模型的河北省三次产业产值与碳排放量关系研究

基于VAR模型及已有研究成果,对河北省1980—2010年间三次产业产值与二氧化碳排放量的内在关联性进行了实证分析,研究结果表明河北省产业结构不合理,三次产业产值存在着很大差距,致使不同产业间的二氧化碳排放量的差异更加明显。

新疆产业结构优化与碳排放的动态关系研究

选取新疆2000-2020年的时间序列数据,从产业结构高级化和产业结构合理化两方面测度产业结构优化水平,构建灰色关联模型分析新疆产业结构与碳排放的关联关系,并通过VAR模型分析新疆产业结构优化与碳排放的动态关系。研究发现,从灰色关联度结果看,产业结构优化与碳排放的关联程度最高。从格兰杰因果检验结果看,产业结构合理化和碳排放强度互为格兰杰因果关系,碳排放强度是产业结构高级化的格兰杰原因。从脉冲响应结果看,产业结构优化对碳排放的影响呈现出阶段性特征,产业结构优化在初期可能会增加碳排放,但从长期看产业结构优化会降低碳排放。从方差分解结果看,产业结构高级化对碳排放的贡献率不高,长期保持在5%左右,产业结构合理化对碳排放的贡献率逐渐上升到42.9%,从长期看产业结构对碳排放的影响主要依赖于产业结构合理化。因此,提出促进产业结构合理化与高级化协同发展,实现产业低碳化转型;调整能源消费结构,提高能源利用效率;设立碳排放权交易市场,倒逼产业结构和能源结构调整等建议,推动新疆经济绿色发展。

基于LMDI及Tapio模型的河北省物流业碳排放驱动因素研究

对河北省2005—2020年物流业的碳排放量进行测算,发现碳排放量主要呈现逐年上升的趋势。利用LMDI因素分解法,对设定的排放强度、能源结构、能源效率、产业结构、人均GDP和人口规模六个影响碳排放的驱动因素进行分解,通过结果分析可得:河北省的能源结构、人均GDP和人口规模这三个影响因素发展情况对河北省物流业减少碳排放起到了负面作用;能源效率和产业结构对物流业碳减排起到了正面作用。采用Tapio脱钩模型来分析物流业碳排放,发现2005—2020年期间除部分年份以外,物流业的经济发展与碳排放之间的脱钩状态大部分呈弱脱钩的状态。最后,提出了优化能源结构、提高能源效率、改善产业结构等建议。