數字經濟對長江經濟帶物流業能源效率的影響

羅 清

(南通理工學院商學院, 江蘇 南通 226002)

2020年我國提出要實現“雙碳”目標,力爭在2030年前實現碳達峰,2060年前實現碳中和。2021年中央明確把碳達峰、碳中和納入生態文明建設規劃中,優化能源結構、提升能源效率迫在眉睫。作為國家重要的支撐帶戰略之一的長江經濟帶,是橫跨我國東、中、西部三大區域、產業規模最大的“黃金經濟帶”,以物流業為支柱行業推動了長江經濟帶經濟快速發展,但與此同時其環境問題也層出不窮。物流業作為我國重要的能源消耗和碳排放行業,在“雙碳”背景下,推動物流業能源效率的提升,乃至推動經濟社會綠色、環保、可持續發展已然成為一項重要任務。

伴隨著新一輪科技革命和產業變革的不斷推進,數字經濟已成為最具活力、最具創新性、輻射最廣泛的經濟形式,成為國民經濟核心增長極之一。在新的經濟發展格局下,數字經濟能否促進物流業能源效率的提升,其作用機制是什么?效果如何?對這些問題展開研究,有利于充分發揮數字經濟的作用,驅動物流業能源效率提升,對物流業高質量發展具有重要的理論價值和實踐價值。

1 文獻綜述

從既有研究來看,與本研究密切相關的文獻主要包括以下3個方面。

(1)數字經濟方面的研究。數字經濟的相關理論最早是由Tapscott[1]提出,隨后由美國商務部推廣了數字經濟這一概念,20國峰會對數字經濟進行了定義:數字經濟是指以使用數字化知識和信息作為關鍵要素、以現代信息網絡作為重要載體、以信息通信技術的有效使用作為效率提升和經濟結構優化的重要推動力的一系列經濟活動。劉軍等[2]從信息化發展、數字交易發展和互聯網發展3個維度評價數字經濟發展指數。紀圓圓和朱平芳[3]從基礎設施水平、互聯網發展水平、數字化產業發展和數字化交易發展4個維度評價數字經濟發展。

(2)數字經濟對全要素能源效率的影響研究。夏子惠和古麗娜爾·玉素甫[4]運用雙固定面板模型、中介效應模型和門檻效應模型檢驗了數字經濟對能源效率的影響及其作用機制。程云潔等[5]使用超效率(slacks-based measurement,SBM)模型測算我國綠色能源效率,并使用系統高斯混合模型(Gaussian mixture model,GMM)實證分析數字經濟對我國綠色能源效率的影響。李思琦[6]對數字經濟影響中國工業能源效率的作用機制進行了定性分析。趙巍[7]研究了數字經濟對綠色全要素生產率影響的作用機制與門檻效應。李濤和沙瑋華[8]采用Tobit、GMM實證回歸檢驗了數字經濟對能源效率的作用機制和影響渠道。

(3)關于物流業能源效率影響方面的研究。黃超然和周國華[9]基于超效率SBM模型測算了我國物流業能源效率。王燕和劉婷[10]對我國區域物流能源效率的影響因素進行了研究,發現物流產業規模、能源價格與物流業能源效率之間存在負向關系,而優化能源消耗結構能夠推動物流業能源效率的提升。張瑞等[11]對我國物流業能源生態效率的影響因素進行了研究,發現地區經濟水平和政府投入與物流業能源效率之間存在顯著的正相關關系。陳奮[12]基于2003—2020年我國省級面板數據,研究進出口貿易對中國物流業能源效率的影響。車國旺和楊淑萍[13]研究了我國貿易自由化對物流業能源經濟效率的影響,重點考察了總體影響效應及分段式影響效應。廖名巖和田煒[14]用全國2010—2020年省級面板數據,運用基準回歸、空間計量模型以及門檻回歸探討數智化發展對物流業碳排放量的影響。

通過對已有文獻的梳理發現,物流業能源效率的影響研究較少,大多集中在對物流業能源效率的測度及其直接影響研究上,對于物流業能源效率的作用機制方面的研究不多。另外,探討數字經濟對物流業能源效率的影響研究的相關文獻較少,已有研究多是聚焦于數字經濟對物流業高質量發展方面。與已有研究相比,本研究的邊際貢獻主要體現在:在研究視角上,以數字經濟為研究對象,探討數字經濟對物流業能源效率的線性和非線性特征;從研究內容上,采用中介效應和空間計量模型系統研究數字經濟對物流業能源效率的影響機制。

2 數字經濟發展水平測度

2.1 數字經濟評價指標體系的構建

影響數字經濟發展水平的因素有很多,鑒于目前對于數字經濟評標體系的構建及其測算方法并未統一,考慮到數字經濟評價指標選取的全面性、可得性及科學性原則,借鑒紀圓圓和珠平芳[3]及李思琦[6]的思路構建數字經濟的評價指標體系,從數字經濟基礎設施、數字產業化以及產業數字化3個維度測算數字經濟發展水平(表1)。

表1 數字經濟綜合發展水平的評價指標體系

2.2 數據來源

以長江經濟帶沿線11省市作為研究對象,具體包括上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、貴州以及云南,基礎數據主要來源于2014—2021年《中國統計年鑒》《中國科技統計年鑒》以及各省市統計年鑒,部分缺失數據采用線性插值法計算。

2.3 測度方法

現有文獻對數字經濟發展水平的綜合評價方法有很多,包括主成分分析法、層次分析法、最大方差權數法、熵權法和逼近理想解排序(technique for order preference by similarity to ideal solution,TOPSIS)法等。通過方法的比較分析,采用熵權-TOPSIS法來測算數字經濟發展水平。具體實現步驟如下。

(1)假設有n個評價對象,m個評價指標,y個年份,那么xkij為第k年第i個評價對象的第j個評價指標值。

(2)運用極差變化法對數據進行標準化處理。

(1)

(3)熵權法確定評價指標權重。

計算第i個評價對象的第j項指標所占比重Pkij。

(2)

計算第j項指標的信息熵值ej和效用值gj。

(3)

式中:k=1/ln(yn)>0。

計算第j項指標權重wj。

(4)

(4)TOPSIS法計算數字經濟發展水平。

確定正理想解x+和負理想解x-。

(5)

式中:J1為正向指標;J2為負向指標。

(6)

(7)

2.4 測度結果及分析

利用上述方法對2014—2021年長江經濟帶11省市的數字經濟發展水平進行測度,結果如圖1、圖2所示。從圖1可以看出,2014—2021年長江經濟帶及各區域的數字經濟發展水平平均呈現出穩步上升的趨勢,下游區域的數字經濟平均發展水平遠高于長江經濟帶整體的發展水平,中游和上游地區均低于長江經濟帶的平均水平,流域內數字經濟發展水平均值呈現出下游>上游>中游的空間差異特征。從圖2可以看出,長江經濟帶各省市之間數字經濟發展水平存在著“數字鴻溝”問題,數字經濟的發展存在較為嚴重的“兩級分化”問題。下游的江浙滬3省市區位優勢明顯,良好的社會經濟基礎為其數字經濟發展提供了強有力的支撐,3省市的數字經濟發展水平在長江經濟帶流域內最高。上游重慶市和四川省的成都市作為泛成渝城市圈的核心城市,“虹吸效應”給其周邊地區帶來了大量的人力、物力和財力,從而大力推動了兩省市的數字經濟發展,而云南和貴州的社會經濟基礎相對比較薄弱,且數字技術起步較晚,所以其數字經濟發展狀況在流域內表現欠佳。安徽省借助長三角一體化發展優勢,其數字經濟發展水平處于中等水平。中游的贛湘鄂3省,社會經濟基礎較好,但其高新技術產業基礎薄弱、數字資源配置不合理導致其數字經濟發展水平在流域內相對靠后。

圖1 2014—2021年長江經濟帶及其上、中、下游數字 經濟發展水平均值

圖2 2014—2021長江經濟帶各省市的數字經濟水平年均值

3 變量選取與模型設定

3.1 變量選取

(1)被解釋變量:物流業能源效率(LE)。綜合反映長江經濟帶11省市物流業能源效率指標。借鑒Tone[15]的方法構建非期望產出的超效率SBM模型來測算長江經濟帶的物流業能源效率,指標體系包括投入和產出兩部分,投入指標主要從勞動力、資本和能源3個方面考慮,產出指標包括期望產出(物流業增加值)和非期望產出(物流業CO2排放量)兩部分。

(2)核心解釋變量:數字經濟發展水平(DE)。用2.4節測算出的結果來表征。

(3)中介變量。借鑒夏子惠和古麗娜爾·玉素甫[4]的思路,從技術創新、物流業產業結構合理化和物流業產業結構高級化3個方面探討數字經濟對物流業能源效率的機制作用。

技術創新(INN)用發明專利授權量占專利授權總量的比值來表征。物流業產業結構合理化(TS)用各地區產業結構偏離度來衡量。產業結構偏離度體現的是各產業產值比重與就業比重的一種差異程度,是衡量產業結構與就業結構是否協調的一個重要指標。對產業結構偏離度取絕對值進行比較,偏離度越趨向于0,說明產業結構與就業結構的關系越合理,值越大說明產業結構就越不合理。

物流業產業結構偏離度=

(8)

物流業產業結構高級化(LTC)是指產業結構重心從第一產業向第二、三產業的逐步轉移。從產業分類的角度,為第一、二、三產業賦予各異權重,然后與各自比重水平加權總值相乘,得到產業結構高級化指標。

(4)控制變量。影響物流業能源效率的因素較多,借鑒廖名巖和田煒[14]的研究思路,選擇經濟發展水平、物流業規模、城鎮化水平、政府支持、對外開放程度、環境規制和人力資本水平作為控制變量。經濟發展水平(PGDP)用各地人均GDP來表征,物流業規模(LS)用物流業增加值占GDP比重來表征,城鎮化水平(UR)用地區城鎮人口比重表征,政府支持(GOV)用政府交通運輸支出占地區GDP比重表征,對外開放程度(OPEN)用各地區進出口總額表征,環境規制(ER)用各地區工業污染治理完成投資額表征,人力資本水平(HCI)用中、高等院校在校學生數表征。

3.2 模型設定

3.2.1 基準回歸模型

為了檢驗數字經濟發展對物流業能源效率的影響,同時考慮除數字經濟外,物流業能源效率還受其他因素的影響,構建如下面板模型:

LEit=α0+α1DEit+βXit+μi+δt+ξit

(9)

式中:i為省份;t為年份;LEit為第i省份第t年的物流業能源效率;DEit為第i省份第t年的數字經濟發展水平;Xit為一系列控制變量;α1反映了數字經濟對物流業能源效率的影響程度;μi為省份個體固定效應;δt為時間固定效應;ξit為隨機擾動項;α0為常數項。

3.2.2 空間面板模型

參考已有文獻可知,全要素能源效率存在一定的空間相關性,而上述基準回歸模型中并未探討物流業能源效率在空間因素上的影響,如果忽略空間相關性,對系數的估計可能會造成一定的偏差,所以引入空間面板模型進一步探討空間因素上的影響。其模型為

(10)

式中:Wij為空間面板權重;ρ、σ為空間自回歸和空間自相關系數;βit為回歸系數;ωit為空間誤差自相關項。如果ρ和θ不為0但σ為0,則模型為空間杜賓模型(SDM);如果ρ不為0但σ和θ為0,則模型為空間滯后模型(SLM);若ρ和θ為0但σ不為0,則模型為空間誤差模型(SEM)。

3.2.3 中介效應模型

為了驗證數字經濟可能通過技術創新(INN)、產業結構合理化(LTS)和產業結構高級化(LTC)3種傳導機制提升物流業能源效率,建立如下中介效應模型:

(11)

式中:α0、β0、η0為常數項;α1、α2、β1、β2、η1、η2、η3為回歸系數。

上述模型考察技術創新在數字經濟與物流業能源效率之間的中介效應。

(12)

上述模型考察產業結構合理化的中介效應。

(13)

上述模型分析產業結構高級化的中介效應。

4 實證結果與分析

4.1 描述性統計與共線性檢驗

變量描述性統計見表2。表2顯示,2014—2021年物流業能源效率的最大值為1.064,最小值僅為0.117,能源效率平均存在較大差異。多重共線性檢驗結果顯示,樣本數據的VIF(方差膨脹因子)平均值為4.51,低于10,說明樣本數據不存在嚴重的多重共線性問題。

表2 變量描述性統計

4.2 數字經濟對物流業能源效率影響的總體分析

對樣本數據進行F檢驗、BP檢驗以及Hausman檢驗,檢驗結果顯示樣本數據適用固定效應回歸模型,總體回歸結果見表3。由表3可知,加入控制變量之后模型的顯著性有明顯提高,可見加入控制變量進行分析是必要的,不僅可以提高模型的估計精度,還能夠對數字經濟的影響效應進行修正。另外無論是否加入控制變量,核心解釋變量數字經濟發展水平的回歸系數均為正,說明長江經濟帶數字經濟發展對物流業能源效率的提升有顯著的促進作用。數字經濟的快速發展不斷完善物流業的資源配置,數據要素的投入、高新技術的推廣應用,不斷提高物流業的數字化聯動水平,形成物流服務智能化、精準化,從而提升物流業發展效率;數字技術的應用可以對物流全過程進行優化,減少物流生產過程中的碳排放和能耗,從而達到節能、減排、增效的目的。另外,從控制變量的回歸結果可知,地區經濟發展水平與物流業能源效率有顯著的正向相關關系,經濟發展水平較好的地區,政府對于節能減排的意識更強,物流企業在運輸、裝卸搬運等能源消耗較大的環節更傾向于用清潔能源替代煤炭等高污染的能源,也更重視物流技術的創新和應用,從而改善物流業的能源結構,減少能源消耗和碳排放,提升物流業的能源效率。物流業規模對物流業能源效率有顯著的正向促進作用,物流業增加值占GDP比重越大,對物流業能源效率的促進作用越顯著。政府干預和環境規制對物流業能源效率提升具有顯著的抑制作用。

表3 總體回歸結果

4.3 區域異質性分析

參考已有研究可知,數字經濟的發展以及其對能效的轉化及影響會因為區域經濟發展水平的不同而存在差異。為研究數字經濟對長江經濟帶不同區域物流業能源效率的影響,進一步對長江經濟帶上、中、下游流域進行區域異質性檢驗。檢驗結果見表4。

表4 數字經濟對不同區域物流業能源效率的影響

回歸結果顯示,長江經濟帶上、中、下游區域數字經濟對其物流業能源效率提升均產生了正向的促進作用。根據不同區域數字經濟的回歸系數可知,下游地區數字經濟發展對提升物流業能源效率的正向促進作用最大,上游次之,中游的促進作用最弱,與前文測算出的數字經濟發展水平結果一致。主要是因為下游地區的江浙滬數字經濟發展迅猛,數字基礎設施完善,擁有豐富的數字創新技術、人才和雄厚的資金支持,從而驅動數字經濟更好地賦能物流業高質量發展;上游區域以成渝經濟圈為核心,通過一系列國家區域發展戰略的實施,使得川渝數字經濟發展水平快速提升,對物流業能源效率的影響略高于中游地區。

4.4 空間自相關分析

4.4.1 空間權重矩陣設定

從數字經濟發展水平測算結果及物流業能源效率的測算結果可知,區域經濟越發達的地區,其對應的數字經濟發展水平和物流業能源效率也相對較高,所以0～1空間權重矩陣難以真實地反映出長江經濟帶11省市數字經濟及物流業能源效率之間的相互聯系和影響,因此從經濟距離dij的角度來構建空間權重矩陣。

dij=|yi-yj|,wij=1/dij

(14)

式中:yi、yj為各區域的經濟發展水平,采用人均GDP來衡量。

4.4.2 空間自相關檢驗

在進行空間效應分析之前,需要先對物流業能源效率和數字經濟這兩個關鍵變量的空間相關性進行檢驗,一般用全局莫蘭指數(Moran’sI)檢驗結果來衡量,見表5。2014—2021年,物流業能源效率和數字經濟發展水平的I值均為正數,且均通過了10%和5%的顯著性水平檢驗,所以樣本數據均存在一定的空間正相關性,可以進行空間效應分析。

表5 2014—2021年物流業能源效率與數字經濟Moran’s I

4.4.3 模型選擇

在通過Moran’sI檢驗后,還需要進行LM(Lagrange Multiplier)檢驗和穩健的LM檢驗來選擇具體的空間計量模型,檢驗結果見表6。除RLM-error(Robust LM-error)未通過顯著性檢驗之外,其余均通過顯著性檢驗,選擇空間滯后模型進行分析。再進行Wald檢驗和LR檢驗,發現結果均不顯著,說明觀察數據不適合空間杜賓模型進行分析。Hausman檢驗統計量為19.73,P為0.014,最終選空間滯后模型(SLM)來探討數字經濟對物流業能源效率的影響?？臻g滯后模型的回歸結果見表7。

表6 LM和RLM檢驗結果

表7 空間滯后模型回歸結果

從表7可知,空間自回歸系數ρ=0.126,且通過了5%的顯著性檢驗,表明物流業能源效率存在正向的空間溢出效應,與全局莫蘭指數檢驗結果一致,即某一區域物流業能源效率不僅受到本區域的相關因素影響,也受到與之經濟距離近的區域物流業能源效率的影響。另外通過空間回歸模型偏微分的方法,將各解釋變量對物流業能源效率的空間效應分解為直接效應、間接效應和總效應。分解的結果表明,從總效應來看,數字經濟發展水平對物流業能源效率的提升具有顯著的促進作用,總效應為0.796,且通過5%的顯著性水平。從直接效應來看,數字經濟發展對當地的物流業能源效率的提升具有顯著的促進作用,當本地的數字經濟發展水平每上升1個單位,就會促進當地物流業能源效率提升0.69個單位。從間接效應看,數字經濟發展對周邊地區物流業能源效率提升呈現正向促進作用,但未通過顯著性檢驗,說明目前數字經濟發展對物流業能源效率的正向促進作用僅限于本地,尚未表現出顯著的空間溢出效應?？刂谱兞繉ξ锪鳂I能源效率的空間效應與上述基準回歸結果相似,此處不再贅述。

4.5 數字經濟對物流業能源效率的作用機制分析

為了分析數字經濟對物流業能源效率的作用機制,在基準回歸的基礎上,分別引入技術創新、物流業產業結構合理化、物流業產業結構高級化這3種中介變量進行中介效應模型回歸,從而檢驗數字經濟能否通過這3種渠道來提升物流業能源效率?；貧w結果見表8。表8中第(1)列檢驗了數字經濟對中介變量技術創新的影響,其回歸系數為0.365,在5%的水平上顯著,說明數字經濟對技術創新有顯著的正向促進作用。第(2)列檢驗了數字經濟、技術創新同時對物流業能源效率的影響,從技術創新的回歸系數可以看出數字經濟可以通過技術創新渠道來提升物流業能源效率。第(3)列中數字經濟對產業結構合理化的回歸系數為-0.155,在10%的水平上顯著,說明數字經濟能夠提高物流業產業結構合理化水平。第(4)列中物流業產業結構合理化對物流業能源效率的回歸系數為-0.023,在5%的水平上顯著,說明物流業產業結構合理化水平的提升有利于物流業能源效率的改善,與此同時數字經濟仍對物流業能源效率有顯著的正向促進作用,說明數字經濟能夠通過改善物流業產業結構合理化水平間接的促進物流業能源效率的提升。需要說明的是,產業結構合理化指數越小,產業結構越合理,數字經濟就越能通過提高產業結構合理化水平來間接促進物流業能源效率的提升。第(5)列檢驗了數字經濟對物流業產業結構高級化的影響,回歸系數為0.439,在5%的顯著性水平下通過檢驗,說明數字經濟能夠提高物流業產業結構高級化水平。第(6)列檢驗了數字經濟、物流業產業結構高級化同時對物流業能源效率的影響,物流業產業結構高級化的回歸系數為0.116,在10%的顯著性水平通過檢驗,說明物流業產業結構高級化對物流業能源效率有顯著的正向促進作用,數字經濟的回歸系數仍然為正,表明數字經濟能夠通過提高物流業產業結構高級化水平間接地促進物流業能源效率的提升。

5 結論與建議

基于數字經濟的視角,選取2014—2021年長江經濟帶11省市的面板數據為樣本,從數字基礎設施、數字產業化、產業數字化3個維度出發,構建數字經濟發展水平的評價指標體系,利用熵權-TOPSIS法測算各省市的數字經濟發展水平,再進一步結合基準回歸模型、空間面板模型及中介效應模型探討了數字經濟對物流業能源效率的影響及作用機制。研究結論發現,2014—2021年長江經濟帶及各區域的數字經濟發展水平平均呈現出穩步上升的趨勢,流域內數字經濟發展水平均值呈現出下游>上游>中游的空間差異特征?；鶞驶貧w結果顯示,長江經濟帶數字經濟發展對物流業能源效率的提升具有顯著的正向促進作用,同時地區經濟發展水平、物流業規模對物流業能源效率提升有顯著的正向促進作用,而政府干預和環境規制對物流業能源效率提升有明顯的抑制作用。區域異質性分析表明,長江經濟帶上、中、下游區域數字經濟對其物流業能源效率提升均產生了正向的促進作用,且數字經濟對長江經濟帶下游區域物流業能源效率提升作用遠高于上游和中游?？臻g自相關分析的結果表明,長江經濟帶物流業能源效率存在正向的空間溢出效應,結合空間效應分解結果,從總效應和直接效應來看,數字經濟對物流業能源效率的提升有明顯的促進作用,從間接效應來看,數字經濟對周邊地區物流業能源效率提升的促進作用并為通過顯著性檢驗,說明數字經濟對物流業能源效率提升的促進作用僅限于本地,尚未表現出顯著的空間溢出效應。作用機制分析結果顯示,長江經濟帶數字經濟對技術創新、物流業產業結構合理化及物流業產業結構高級化3種中介變量均具有顯著的正向促進作用,檢驗了長江經濟帶數字經濟能夠通過技術創新、物流業產業結構合理化、物流業產業結構高級化渠道間接促進物流業能源效率的提升。研究結論對推進長江經濟帶區域數字經濟發展及提升物流業能源效率具有重要的參考價值?；诒疚牡难芯?提出如下政策建議。

(1)加大力度推進5G基站、大數據中心等數字基礎設施建設,激發數字要素發展潛能,實施動態化、差異化的數字經濟發展戰略,因地制宜,縮小“數字鴻溝”,助力物流業低碳、綠色轉型。長江經濟帶下游區域,社會經濟水平高,人力資源豐富,技術創新動力強,在政策制定方面應著力于數字核心技術突破,聚焦于數字技術與物流產業的深度融合,推動物流系統全鏈條數字化運營。長江經濟帶上、中游區域可依托城府支持和政策引導加快發展新型數字基礎設施建設,建立數字化的物流信息平臺,加強數字技術在物流業內部各環節的應用,充分發揮政策優勢助力數字經濟促進物流業能源效率提升。

(2)優化物流業產業結構,打通物流業能源效率提升渠道。政府應積極出臺相應政策,推動物流企業與數字經濟的深度融合,實現物流業提質增效的目標;同時結合長江經濟帶各區域經濟發展規律,找準其物流業發展定位,合理制定相對應的政策措施,推進數字經濟集群發展,促進物流業產業結構向著高級化、智能化方向發展。

(3)增加技術研發投入,激發技術創新發展潛力,為打造可視化、集成化、智能化的物流生態系統創造條件。為推動物流業技術創新發展,政府應在資金、人才以及制度等方面予以大力支持,主動牽頭,進行資源整合,共同打造資源共享、協同發展的數字產業生態圈。