中国城市数字经济对物流业碳排放的影响效应及传导机制

钟 文,杨 俊,郑明贵,董 娟,严芝清(江西理工大学经济管理学院,江西 赣州 341000)

碳排放及其引发的气候问题已成为全球关注的焦点.中国于2020年9月提出了2030年碳达峰、2060年碳中和的战略目标.推动构建人类命运共同体、人与自然和谐相处是中国的积极担当,这也是中国经济实现绿色可持续发展的内在要求[1].在经济活动中,物流业不仅会消耗能源产生直接碳排放,也会通过中间品的使用产生间接碳排放[2].推动物流业碳减排是中国“双碳”目标的重要组成部分,有利于物流业的高效发展,也有利于构建绿色低碳的循环经济体系和高质量发展[3].数字经济作为一种新型经济,已成为推动经济转型的重要力量和未来经济发展的方向,也成为物流业碳减排新动能和实现“双碳”目标的重要途径[4-5].通过数字经济促进物流业碳减排具有重要的现实意义.那么,数字经济影响物流业碳排放的机制是什么？它有正面影响还是负面影响？数字经济对中国物流业碳排放有多大影响？

国内外有关数字经济对物流业碳排放影响的研究主要集中在以下几个方面:首先,有关数字经济的研究.数字经济是一种新型经济类型,加速了经济发展转型,主要指以数据资源为关键生产要素,以现代信息网络为重要载体,有效利用信息通信技术作为提高效率、优化经济结构的重要动力的一系列经济活动[6-7].在数字经济测度与评价方面.有学者基于“钻石模型”构建了国际数字竞争力评价体系,系统测度了全球139 个国家的数字竞争力状况,以及测算了中国数字经济增加值规模及结构分析,评价了我国城市数字经济发展水平[8-10].近些年,较多研究聚焦数字经济的城市碳减排效应[11].

其次,有关物流业碳排放研究.物流业是集运输、仓储、货运、信息等产业为一体的复合型服务业,是支撑国民经济发展的基础性、战略性、先导性产业[12].物流业碳排放是物流活动中温室气体排放的总称,主要来源于运输过程中的能源消耗[13].许多学者采用IPCC 碳排放系数法、投入产出法、数据包络分析法、因子分解法、计量经济分析法等对物流业碳排放及其影响因素进行了研究.如使用GDIM 分解方法与PCA-DEA-Tobit 方法分析了物流业的碳排放量及其影响因素[14].目前,学者主要研究物流业碳排放效率[2],以及城镇化、FDI 等重要因素对物流业碳排放的影响[15-16],但对物流业数字化转型的碳减排效应关注不够.

最后,有关数字经济影响物流业碳排放的研究.从数字产业化的角度来看,虽然数字产业的发展会产生一定的能源消耗,但数字产业是技术密集型、环境友好型产业,其对环境的影响相对于其他产业较小[17].从产业数字化看,数字经济正在成为驱动低碳产业发展的重要引擎[18],促进区域经济绿色低碳循环发展[19],实现节能、降耗减排、减排、增效[20].物流互联网、大数据、云服务和人工智能通过智能规划和资源共享,推动智慧物流和现代物流的发展,推动物流行业节能减碳[21].现有研究涉及数字经济对物流业高质量发展的影响[22],但直接探讨数字经济对物流业碳排放的研究不充分.

综上所述,国内外学者关于数字经济、物流业碳排放以及数字经济影响碳排放的研究已经相对丰富,但聚焦于数字经济影响物流业碳排放的系统研究成果却比较缺乏,尤其缺少针对中国城市层面的研究,与中国碳减排的迫切需求不匹配.因此,本文可能的边际贡献如下:第一,在研究视角上,本文探讨了数字经济视角下中国物流业碳减排问题,从发展基础、效率和动能等方面对我国城市数字经济发展水平进行了评价.第二,在研究方法上,本文构建了中国地级市层面的数字经济发展水平评价指标体系,并采用熵权法进行测度;采用分位数回归模型分析数字经济对物流业碳排放的边际影响.第三,在研究内容上,本文在理论分析数字经济影响物流业碳排放机制的基础上,以2011～2021年全国278 个地级及以上城市的数据为样本,实证验证了数字经济对物流业碳排放的影响大小及实现机制.第四,得到的研究结论,即数字经济与物流业碳排放之间呈U 型关系,对当下政策制定具有参考价值.

1 理论假说

1.1 数字经济对物流业碳排放的非线性影响

数字经济对物流业碳排放的影响是复杂的.(1)数字经济增加了物流业的碳排放.数字技术和数字平台的应用是以消耗一定的能源为前提的[23].而物流大数据、互联网、物联网、车联网、人工智能、电子商务系统、地理信息系统、多式联运系统、网上零售信息系统的挖掘、生成、计算、存储、传输和处理、智能配送系统、配送管理系统、供应链管理系统、运输管理系统等应用都是以功耗为前提和保障.(2)数字经济通过发挥网络效应、创新效应和效率提升效应减少了物流业的碳排放.首先,数字经济的网络效应减少了部分物流活动,降低了物流行业的碳减排,具体而言,数字经济通过网络效应促进物流各环节的融合和网络协同,实现物流供需动态匹配,推动物流业精准化、智能化、绿色低碳发展,减少物流行业碳减排.数字网络的应用既可以使企业能够实现物流信息的超前规划、实时共享、精准对接,实现物流活动灵活、高效、精准的管控,从而减少大量不必要的物流活动,也便于消费者能够及时浏览、修改和共享物流信息,减少线下物流活动,降低物流行业的碳排放[24-25].其次,数字经济驱动物流技术的发展与应用,提升绿色、低碳、节能技术水平,降低物流业碳排放.数字技术能够增进知识积累、信息整合和资源共享,降低知识搜索、存储、处理和传输的成本,为科技减碳奠定基础,利用数字平台和数字技术优化创新资源配置,减少技术研发的非理性行为,预测创新风险,降低创新成本,提高创新速度和研发成功率,促进技术进步,并通过技术联动和技术溢出驱动物流行业碳减排[26].最后,数字经济可以实现资源的优化配置,从而减少能源消耗,实现碳减排.数字经济主要通过利用数据要素实现数字产业化,畅通信息的有序流动与传递,提高行业间资源配置效率.同时,数字经济也能通过数据平台对数据要素的融合实现物流产业数字化与智能化[27-28].

基于以上分析,本文认为数字经济对物流业碳排放的影响较为复杂,两者之间可能存在非线性关系.数字经济虽然不可避免地增加了物流业的碳排放量,但也极大地降低了物流业碳排放,且后者效应大于前者.因此,本文提出以下假设:

假设1:数字经济与物流业碳排放之间呈非线性关系.

1.2 数字经济影响物流业碳排放的作用机制

数字经济主要通过技术和产业的不断渗透与融合方式影响产业结构升级,进而提升资源配置效率,间接实现物流业碳减排.首先,数字技术显著降低了信息传输与搜寻成本,促进了信息有效共享,满足了市场各方的信息获取度,降低了资源错配的概率,同时,以数字信息化技术为先导的新业态变革成为发展的主流,通过科技创新提升产业竞争力,以全新模式带动企业的时代化发展,提升了产业结构合理化水平[29];其次,数字经济促进了市场经济的高效发展,不仅降低了物流相关要素的运输成本,也提升了物流产业发展和要素配置之间的契合度,使得资源要素能够最大程度流向生产率高的部门[30-31].因此,产业结构合理化与高级化的纵深发展,极大地改善了全社会资源配置效率,促使低碳、清洁行业的迭代更新,从而提高了生态环境的正外部性.

数字经济对科技创新的影响显而易见,且具有颠覆性作用.第一,数字信息网络强化了区域间互联互通、人员便捷交流与技术外溢,从而降低了创新成本,有利于技术创新的跨区域产出.第二,物联网的运用弱化了时空距离约束,使得各创新主体能够广泛参与绿色创新活动,提升了区域绿色技术水平.第三,数字经济还可以优化市场经济发展环境,形成公开透明的市场环境,从而激励企业加大对绿色技术的研发投入[32-33].由于技术创新具有扩散效应,从而可以促进物流业高质量发展.由此,本文提出以下研究假设:

假设2:数字经济通过提升资源配置效率与促进技术革新影响物流业碳排放.

1.3 数字经济影响物流业碳排放的空间溢出效应

由于数字经济具备的“平台型”和“外部性”特征,能够对邻近地区与关联地区物流业碳排放产生空间溢出效应[34].第一,数字经济发展实现了数字化交易平台,突破了地域限制,加剧了区域内与区域间竞争,促进了协同物流业跨时空发展,强化了物流业碳减排的空间溢出效应.第二,数字经济所具备的独特外部性特点,促使物流业及其产业链实现跨区域、跨领域与跨技术等方面的深度融合发展,从而对物流业碳减排的影响在空间上变现为溢出效应.基于此,本文提出以下研究假设:

假设3:数字经济发展对物流业碳排放的影响存在空间溢出效应.

2 研究设计

2.1 模型设定

2.1.1 基准回归模型 本文基于Chao 等[35]的计量模型,采用面板混合效应模型、固定效应模型和随机效应模型进行实证检验数字经济对中国物流业碳排放的影响,基准回归模型如下:

式中:i 与t 分别代表不同城市和年份,LC 为被解释变量,即物流业碳排放量,DE 为核心解释变量,即数字经济发展水平,Control 为控制变量组,τ与u 分别代表城市和年份固定效应,ε为残差,α0、α1和λ为待估参数.

为进一步检验数字经济与物流业碳排放之间是否存在非线性关系,本文参考已有对数字经济与碳排放非线性关联的研究成果[36],将数字经济及其平方项纳入模型,构建非线性回归模型如下:

式中:DE2代表数字经济的平方项,α2为待估参数,其余变量含义与式1 一样.

2.1.2 中介效应模型 基于前文理论分析,检验提升资源配置效率与促进技术革新的作用机制,进而在基准回归模型上构建中介效应模型,其方程式如下:

在式3、4 中,Middle 代表中介变量,借鉴罗瑞等[22],选取以下机制变量:科技创新投入(Inno_in)采用公共预算支出中科技项目支出衡量、科技创新产出(Inno_out)采用专利申请数量衡量、劳动力配置效率(Labor)与资本配置效率(Capital)均基于超越对数形式的生产函数测算得到.其余变量含义与式1 一样.

2.1.3 空间溢出效应模型 结合理论分析存在的空间溢出效应,借鉴Anselin[37]构建空间杜宾模型进行检验,方程式如下:

式中:w 代表空间权重矩阵,ρ表示空间自回归系数,∂表示数字经济空间交互项对物流业碳排放的弹性系数,κ表示控制变量空间交互系数,其余变量含义与式1 一样.

2.2 变量说明

本文选取2011-2021年全国278 个地级市作为研究样本,相关数据主要来源于《中国城市统计年鉴》、《中国物流年鉴》、《中国工业统计年鉴》、《中国第三产业统计年鉴》、《中国固定资产投资统计年鉴》、《中国投资统计年鉴》、《中国劳动统计年鉴》、《中国人口与就业统计年鉴》、各省市统计年鉴,以及EPS 全球数据库、中经网等权威数据库.使用的变量描述如下.

2.2.1 被解释变量 本文的被解释变量是物流业的碳排放量,对其测度借鉴张伟等[38]的研究方法,首先,将物流业消耗的原煤、汽油、煤油、柴油、燃料油、天然气、电力等,折合标准煤计入物流业能源消费总量;其次,利用碳排放量公式计算物流业的等效二氧化碳排放量作为该行业的碳排放量值.公式是:

式中:LC 代表物流业等效二氧化碳排放量,i 是物流行业消耗的第i 个能源,1≤ i≤7 ,Ai表示物流业第i种能源的消耗量,Bi表示物流业第i 种能源的碳排放系数.根据《IPCC 2006年国家温室气体排放清单指南》可知,原煤、汽油、煤油、柴油、燃料油、天然气和电力的碳排放因子分别为0.7559,0.5538,0.5741,0.5821,0.6185,0.4483 和2.2132kgC/kg 标准煤.

2.2.2 核心解释变量 本文核心解释变量为数字经济(DE).为了分析数字经济对中国物流业碳排放的非线性影响,使用数字经济的平方项(DE2)作为解释变量.根据数字经济的定义和相关数据的可获得性[39-40],本文从发展基础、发展效率和发展动力三个方面构建了中国数字经济评价指标体系,如表1所示.具体采用变异系数法计算各指标权重,综合评价法测算数字经济发展水平,即各变量的标准化值乘以相应权重,并求和得到二级指标值,最终各二级指标值相加得到数字经济发展水平值.评价结果显示,我国东部城市数字经济发展水平明显高于中西部城市,与区域经济发展水平密切相关;城市数字经济发展各具特色,发展潜力巨大;城市群数字经济与区域协同发展并进.

表1 数字经济发展水平评价指标体系Table 1 Digital economy development level evaluation index system

2.2.3 控制变量 本文的控制变量包含经济发展及其平方项、产业结构、环境规制、技术创新和对外开放.一是经济发展及其平方项(PGDP、PGDP2).一方面,经济发展带来的一系列环境影响增加了物流业的碳排放量.另一方面,更高水平的经济发展为加强生态保护、改善环境质量和推进科技减碳奠定了物质基础,为物流业减碳提供技术、资金和制度支持.根据环境库兹涅茨曲线,经济增长与环境污染呈倒U 型关系,故以经济发展及其平方项作为控制变量进行分析.二是产业结构(IS).产业结构优化升级,充分发挥结构红利,促进产业部门合理布局,限制高污染、高耗能、高排放产业发展,促进绿色发展、低碳、循环、高科技产业.它还通过产业联动和区域联动,促进物流业绿色低碳转型,减少物流业的碳排放.三是环境规制(ER).环境监管力度的加大,倒逼环保技术和节能技术的创新,推动绿色清洁能源替代化石能源,推动可再生能源替代化石能源,促进低耗能替代,这种替代倒逼物流业转向绿色低碳,减少碳排放.四是对外开放(OPEN).对外开放扩大了物流市场的边界,有利于物流业在更大的市场范围内优化配置资源,从而减少碳排放.表2 是本文涉及到的变量描述.表3 是变量的描述性统计结果.

表2 变量汇总Table 2 Variable summary

表3 变量描述性统计Table 3 Variable descriptive statistics

3 实证分析

3.1 基准分析

通过绘制数字经济与物流业碳排放关系的散点图可以初步发现,数字经济与物流业碳排放的线性相关性不明显,而非线性相关性更为明显.为进一步量化数字经济与物流业碳排放的关系,本文采用面板混合效应模型、固定效应模型和随机效应模型实证分析数字经济对物流业碳排放的影响.经过F检验与Hausman 检验发现固定效应模型优于随机效应和混合效应模型,基准回归结果见表4.

表4 基准回归结果Table 4 Benchmark regression results

从表4 第(1)至(3)列可以看出,中国数字经济与物流业碳排放的线性相关性不显著.第(1)列表示数字经济(DE)未通过显著性检验,即数字经济与物流业碳排放量之间不存在明显的线性相关关系.在第(2)列和第(3)列的稳健性检验中发现,以人均碳排放量替换被解释变量,以及考虑数字经济发展阶段特点,选取2016-2021年子样本进行稳健性检验回归[41],回归结果显示,数字经济仍然未能通过显著性检验,因此,数字经济与物流业碳排放量之间不存在线性相关关系的结论是稳健的.这表明有必要验证数字经济与物流业碳排放之间的非线性关系.

如表4 第(4)列所示,数字经济(DE)降低了中国物流业的碳排放.数字经济及其平方项在1%的置信水平下通过了显著性检验,表明数字经济与中国物流业碳排放量存在显著的非线性相关关系.数字经济系数为负,数字经济平方项系数为正,表明数字经济与物流业碳排放量之间存在显著的“U 型”趋势,即随着数字经济的提升,物流行业的碳排放呈现出先减后增的“U 型”特征.采用拐点公式和反归一化公式计算拐点值为0.3982,即当数字经济发展低于0.3982 时,数字经济对物流业碳排放具有显著抑制作用.通过数据筛选发现,94%的数字经济价值位于拐点左侧,0.2011的数字经济发展均值远低于拐点值,说明数字经济处于拐点左侧,现阶段数字经济与物流业碳排放呈单调递减负相关关系,数字经济对物流业碳排放具有显著抑制作用.这也佐证了已有研究发现,即发展数字经济对碳减排具有积极影响[42].

如表4 第(4)列所示,在控制变量中,第一,经济发展(PGDP)对物流业碳排放有显著抑制作用.经济发展及其平方项(PGDP2)均通过了1%的显著性水平检验,系数一负一正,表明经济发展与物流业碳排放量之间存在显著的“U 型”相关.经济发展系数的绝对值显著大于其二次系数,表明经济发展对物流业碳排放具有显著的线性和非线性抑制作用,且线性抑制作用更为突出.通过数据筛选发现,近100%的经济发展值位于拐点14.6963 的左侧,经济发展平均值为4.0582,远低于拐点值,说明经济发展呈“U 型上半场”,即经济发展减少了物流业的碳排放量.第二,产业结构(IS)通过显著性检验,但系数为正,说明产业结构与物流业碳排放量呈正相关关系,即当前产业结构并未有利于物流业碳减排,这可能是产业结构不合理造成的.第三,环境规制(ER)和对外开放(OPEN)对物流业碳排放影响不显著,这可能的原因是环境监管力度不足与物流业开放深度不够.

表4 第(5)列和第(6)列中,虽然与第(4)列的回归结果在系数值和显著性水平上存在差异,但核心变量之间的关系没有发生显著变化,因此,仍然支持数字经济对物流业碳减排具有显著影响的结论.至此,本文验证了假设1.

3.2 作用机制检验

前文机制分析发现提升资源配置效率与促进技术革新是数字经济影响物流业碳排放的重要途径,因此,本文构建中介效应模型检验机制的存在性.回归结果见表5.结果显示,数字经济对劳动力配置效率、资本配置效率的影响在5%水平上显著,对科技创新投入与产出的影响在10%水平上显著,同时,将机制变量放入模型中均对物流业碳排放影响显著为负,说明作用机制有效.

表5 作用机制检验结果Table 5 Mechanism of action test results

3.3 空间溢出效应检验

本文采用经济距离构建空间权重矩阵,并以Moran’I 指数检验数字经济、物流业碳排放的空间自相关分析,结果见表6.

表6 空间自相关检验结果Table 6 Spatial autocorrelation test results

表6 结果显示,2011～2020年期间,城市数字经济与物流业碳排放在经济距离权重矩阵下存在空间自相关性,因此,本文所构建的空间杜宾模型检验数字经济对物流业碳排放影响的空间溢出效应是合理的,回归结果见表7.第(1)列显示,数字经济一次项系数在5%水平上显著为负,其平方项也在5%水平上显著为正,数字经济与物流业碳排放之间存在显著的U 型的非线性关系,与前文实证结果一致.由第(2)列可知,数字经济的空间滞后项的回归系数具备U 型的非线性关系,但不显著,表明在研究期间内,中国城市数字经济发展对周边城市物流业碳排放的空间溢出效应不明显.第(3)至(5)列为数字经济对物流业碳排放影响的空间效应分解结果,结果显示,数字经济一次项、平方项的直接效应和总效应均在5%水平上显著,表明数字经济与物流业碳排放之间在本地区和总体上呈U 型非线性关系,而在间接效应方面,仅有数字经济的平方项在10%水平上显著,进一步说明数字经济影响物流业碳排放的空间溢出效应较小,基于此,本文验证了假设3.

表7 空间溢出效应检验结果Table 7 Spatial spillover test results

4 进一步分析

4.1 内生性分析

本文基于工具变量的2SLS 进行内生性分析,借鉴黄群慧等[43]的研究方法选取历史上各城市1984年每百人固定电话数量和每百万人邮局数量作为地区数字经济的工具变量,兼顾均衡面板数据的固定效应模型应用条件,进一步构造各城市1984年每百人固定电话数量和每百万人邮局的数量分别与上一年全国数字基础设施投资额的交互项,作为城市数字经济的工具变量.选取的原因如下,一方面,电话机历史数量对数字经济影响物流业碳排放的残差具有“外生性”;另一方面,电话机历史数量可能会影响到当下生产、生活与消费,因此具有“相关性”,同时,在表8 的第(1)列也验证了电话机历史数量与数字经济强相关性.表8 第(2)列是运用工具变量的回归结果,回归结果显示,数字经济与物流业碳排放之间依然呈U 型趋势,且影响效应比基准回归更强.

表8 基于工具变量法的内生性检验Table 8 Endogenous test based on instrumental variable method

4.2 分位数回归

分位数回归模型是Koenker 和Baset 于1978年提出的,该模型与传统的OLS 回归方法相比,具有约束更少、避免异常值、估计结果更稳健等优点.为了更全面地分析数字经济对物流业碳排放的边际影响,同时考虑到数字经济对物流业碳排放的影响可能不均匀,可采用分位数回归模型测度不同碳排放量下数字经济对物流业碳排放的不同影响强度.即通过显著性检验和待估计参数确定数字经济对不同分位数的物流业碳排放的边际影响,探索数字经济对物流业碳排放的演变特征.因此,基于张成思等[44]的方法,设置如下分位数回归模型:

式中:Quantp(LCit|DEit)表示给定数字经济发展水平条件下物流业第p 分位数的碳排放量,η0与 ηp′是估计参数.为详细分析数字经济对物流业碳排放的边际影响,本文选取 5 个分位数:0.1000,0.2500,0.5000,0.7500,0.9000.

在表9 的第(1)至(5)列中,数字经济(DE)对物流业碳排放具有演化效应.在五个分位数上,数字经济通过了1%的显著性水平检验,系数均为负值,表明对物流业碳排放有显著抑制作用.数字经济发展对物流业碳减排的边际效应正在降低.在 0.1000,0.2500,0.5000,0.7500,0.9000 五个分位数处,数字经济发展水平的系数分别为-0.8218,-0.8086,-0.7062,-0.4536,-0.3451,系数的绝对值依次递减,表明数字经济发展水平对不同分位数物流业碳排放的影响强度存在差异.此外,随着分位数的不断增加,数字经济对物流业碳减排的影响不断减弱,即边际影响呈递减趋势.

表9 分位数回归结果Table 9 Quantile regression results

4.3 异质性分析

本文从城市自身规模与资源禀赋两个方面进行异质性分析.首先,城市自身规模会导致数字经济的低碳治理效应不同.相比于中小城市,大城市在产业结构、环境治理投入及科技创新等方面具有规模优势,形成一定的集聚效应,有利于资源优化配置,同时,巨大的能源消费和土地供给需求也导致拥挤效应,导致城市环境问题加剧.数字经济对物流业低碳治理效应是否受到城市集聚效应与拥挤效应影响？孰轻孰重？这是有意义的探索.本文依据2014年《国务院关于调整城市规模划分标准的通知》,将城区常住人口小于100 万划入中小城市,大于100 万的纳入大城市范畴.表10 第(1)列是城市规模异质性回归结果,结果表明,与中小城市相比,大城市的数字经济对物流业低碳治理效应更大,这一结果说明城市数字经济的高速发展能够推动城市绿色变革,既可以有效获取集聚效应,也能缓解拥挤效应的影响.

表10 异质性检验回归结果Table 10 Quantile regression results

其次,资源型城市的“资源诅咒”效应已被众多学者所证实,那么数字经济对物流业低碳治理是否也会受到“资源诅咒”困扰？本研究为了探究这一问题,依据国务院《全国资源型城市可持续发展规划(2013-2020)》的划分标准,将样本城市区分资源型城市与非资源型城市.表10 第(2)列是城市资源禀赋异质性回归结果,结果显示,数字经济对物流业低碳治理效应在资源型城市不明显,表现为回归系数不显著,而在非资源型城市则效果明显.可能的原因是资源型城市具有根深蒂固的发展路径依赖与锁定问题,难于突破现有产业结构束缚,因此数字经济的渗透会受到加大阻力,数字经济对物流业低碳治理效应较弱.反之,非资源型城市的数字经济接受度高,发展迅速,容易实现数字技术运用、推动产业结构升级.

5 建议

5.1 强化数字经济对物流业碳减排的促进作用,充分发挥数字经济的碳减排作用.推动有效市场与有为政府相结合,大力发展数字物流、智慧物流、绿色物流,鼓励物流企业数字化转型,强化龙头企业、标杆企业、骨干企业在数字化转型中的示范引领作用,以及提高物流供需匹配能力,从而积极发挥数字经济的网络效应;鼓励绿色物流技术研发和应用,推动物流业向数据驱动、信息驱动、创新驱动、知识驱动、管理驱动发展数字经济的创新效应,实现物流业高质量发展;加强数字赋能,强化物流业发展节能减排约束,推动5G、互联网、物联网、车联网、大数据、区块链、人工智能在物流行业的应用,鼓励传统物流向智慧物流、现代物流、数字物流、绿色物流转型,高效发挥数字经济增效作用.

5.2 畅通数字经济影响物流业碳排放的作用路径.政府应推动数字基础设施标准化、集约化、绿色化、低碳化发展,提高数字基础设施的利用效率,推动不同地区数字基础设施合作共建共享.同时,要有效推动数字产业化和产业数字化高效协调发展,培育数字产业和高新技术产业集群,加强数字平台建设,并加强对关键核心技术的资金支持、人才支持、税收支持、政策支持,提升数字技术创新能力,以市场需求为导向,将学历教育、职业教育和实践教育相结合,建立具有大数据分析能力、关键技术研发能力、数字技术运营能力、数字集成应用能力的数字人才培养机制.

5.3 结合数字经济影响物流业碳排放的地区差异特点,实施差别化的区域扶持政策,在资源性城市重点在于转变资源路径依赖意识,积极宣传数字技术、培育数字经济发展潜力,而在非资源城市则要加大数字经济高质量发展的新基建投入,强化数字经济的极化效应.

6 结论

6.1 数字经济对中国物流业碳排放具有非线性影响.数字经济与物流业碳排放量之间存在U 型趋势关系,且当前处于U 型曲线的上半部分.总体而言,数字经济的发展对中国物流业的碳排放具有显著抑制作用.

6.2 技术革新和要素配置效率改进是数字赋能物流业碳减排的重要途径.

6.3 数字经济对中国物流业碳减排具有演化效应.随着分位数的增加,数字经济对物流业碳减排的边际影响减小.

6.4 与中小城市相比,大城市的数字经济对物流业低碳治理效应更大;同时,数字经济对物流业低碳治理效应在资源型城市不明显,而在非资源型城市则效果明显.