京津冀作为中国的“首都经济圈”, 是继珠江三角洲、长江三角洲之后的第三大经济增长极, 也是交通物流网络最密集的区域之一。伴随着城镇化的不断推进, 大量人口涌入, 大大推进了物流业的发展。但是伴随交通设施的建设、机动车的增加和其他经济活动的扩张, 京津冀物流业能源消费总量不断上升, 2016年达到3 129.11万吨标准煤, 占京津冀能源消费总量的近10%。因此, 深入研究城镇化发展对京津冀物流业能耗变动的影响机理, 对于从城镇化发展的视角合理制定物流业节能策略, 科学推进京津冀城市群发展规划具有重要的现实意义。

挖掘能耗强度变动的驱动因素是提出节能策略、提升能源效率的关键环节, 长期以来一直深受学者们的关注。目前, 已有的研究主要从两个视角探讨能耗变动背后的驱动因素。其一, 从因素关联的视角, 探讨驱动因素与能源消耗变动的关系。^[1-3]该视角下一般以能源消耗为被解释变量, 以可能的驱动因素为解释变量, 通过回归分析、关联分析解释驱动因素对能源消耗的影响大小及方向。目前学者们关注的可能驱动因素集中在区域经济增长、工业化进程、对外开放程度、技术进步、区域产业结构变动等。^[4-9]该思路以开放的探索性研究为指导思想, 理论上能够挖掘出所有可能的驱动因素, 但是该思路的研究结论往往受研究时间、因素集选择、研究对象选择的影响, 容易出现研究结论不一致的现象。其二, 从总量分解的视角, 探讨不同因素对能源消耗的贡献。该视角往往以能源消耗总量或能耗变动为待分解对象, 早期常用的分解法主要有拉式(Laspeyres)指数分解法和迪氏(Divisia)指数分解法两种方法。吴巧生、佟金萍等学者通过拉式指数分解法对中国能源消耗强度进行了分解, 并对其影响因素进行了探究^[10-11]; 师博通过拉式指数分解法分析和研究了中国能耗强度变动的主导效应^[12]; 史红亮等利用拉式指数分解模型将能耗强度分解成结构份额和效率份额, 研究这两个因素对中国钢铁业能耗强度的影响程度。^[13]拉式指数分解和迪氏指数分解均存在分解剩余项等问题, 为改进此缺陷, B.W.Ang等通过对不同分解方法进行分析提出了能够对余项完全分解的对数平均迪氏指数法(LMDI), 并指出该方法是相对其他方法更为合理的一种^[14-15]; Ma、李国璋、郑义、王群伟等学者都利用LMDI方法研究了结构效应、技术效应等因素对中国能耗强度变动的影响程度。^[16-19]

综上可以看出:(1)已有研究更多关注了国家、区域、省市等不同尺度, 或者工业、制造业等能源消耗重点行业, 但对近年来能源消耗持续增长的物流业的关注并不多; (2)已有研究更多关注经济增长、产业结构、对外开放等因素对能源消耗变动的影响, 实际上对京津冀等城市群地区而言城镇化的蓬勃发展是驱动能源消耗变动的重要因素, 尤其是伴随城镇化的发展, 京津冀城市群地区城市空间结构变化、人口密度变化、产业结构变化、交通拥堵加剧等对物流业能源消耗变动必将产生深远的影响。鉴于此, 本文以京津冀地区物流业为研究对象, 以城镇化对其物流业能耗变动影响为研究视角, 分析城镇化对京津冀地区物流业能源消耗变动的影响机理, 为该地区物流业降低能源消耗、合理规划城镇化发展布局提供决策依据。

本研究沿用环境经济领域广泛应用的IPAT恒等式为基础, 构建城镇化对物流业能耗变动影响的实证模型。

IPAT恒等式指出能源消耗主要受技术水平$\left(\frac{E}{\text{GDP}} \right)$、经济发展程度$\left(\frac{\text{GDP}}{P} \right)$和人口规模(P)的影响。

对于物流业能源消耗而言, 伴随城镇化进程的不断推进, 城市群地区人口密度越来越高, 人们生产生活对物流的需求也越来越大, 从而推动了物流业的发展, 导致物流业在第三产业中的占比提高, 物流业能源消耗相应增长, 并且, 伴随着人口不断由卫星城市、农村地区涌入城市群城市, 居民的生活方式也发生了较大变化, 网络购物、外卖订餐等成为居民日常生活正常的需求, 这种生活方式的变化也提出了新的物流需求, 推动了物流业的发展, 物流业的发展提高了物流业能源消耗量。与此同时, 城市群城市面积不断扩张, 尤其表现为建成区面积占城市面积的比重不断提高, 这无疑增加了物流配送的距离, 提高了物流业能源消耗。在城市空间不断扩张的同时, 由于人口规模扩张往往超过城市空间扩张, 城市道路等基础设施建设滞后, 导致城市群地区交通拥堵日益严峻, 这也导致物流业运输效率低下, 能源消耗提升。此外, 城市群城市交通建设本身就对物流提出了非常高的需求, 因此, 交通基础设施建设也会大大提高物流业能源消耗。

为反映上述城镇化对物流业能源消耗的影响, 本文将式(1)扩展为:

式中:E_L为物流业能源消耗总量; E_j-L为物流业第j种能源消耗量; E_T为第三产业能源消耗总量; GDP_T为第三产业国内生产总值; GDP为地区国内生产总值; P为地区人口数量; area为地区城市建成区面积; Area为地区面积; R表示地区城市道路面积。

由此, 令$\text{EL}{{\text{C}}_{j}}=\frac{{{E}_{j-L}}}{{{E}_{L}}}$表征地区物流业对第j种能源的消耗, 反映物流业能源消耗结构; $\text{EG}=\frac{{{E}_{T}}}{\text{GD}{{\text{P}}_{T}}}$表征地区第三产业能耗强度, 衡量第三产业技术水平, 该指标值越大说明第三产业能耗强度越高, 第三产业节能技术水平越低; $\text{GDPC}=\frac{\text{GD}{{\text{P}}_{T}}}{\text{GDP}}$表征地区产业结构, 该指标值越大说明第三产业规模越大; $\text{EC}=\frac{{{E}_{L}}}{{{E}_{T}}}$表征地区物流业能耗占第三产业能耗的比重, 衡量物流业能源消耗规模, 该指标值越大说明物流业能耗规模越大; $\text{GP}=\frac{\text{GDP}}{P}$表征人均GDP, 衡量地区经济增长程度, 该指标值越大说明地区居民越富裕; $\text{PD}=\frac{P}{\text{area}}$表征单位建成区面积人口数, 反映地区城市人口密度, 该指标越大说明该地区人口聚集效越明显; $\text{AD=}\frac{\text{area}}{\text{Area}}$表征地区城市建成区面积占总面积的比重, 衡量地区城市空间紧凑程度, 该指标值越大说明该地区城市空间越紧凑; $\text{RD=}\frac{\text{Area}}{R}$表征地区道路建设情况, 衡量地区交通拥堵情况, 该指标值越大说明道路建设较少, 交通拥堵概率越高。

由此, 式(2)可表示为:

分别以0和T表示计算的基期和计算期, 根据Ang and Liu(2003)LMDI加和分解方法^[20], 对式(3)进行因素分解得到:

式中,

能耗结构效应:$\Delta \text{ELC}=\sum\limits_{j=1}^{n}{\frac{{{E}_{L}}^{t}-{{E}_{L}}^{0}}{\text{ln}{{E}_{L}}^{t}-\text{ln}{{E}_{L}}^{0}}~\times \text{ln}\frac{\text{EL}{{\text{C}}_{j}}^{t}}{\text{EL}{{\text{C}}_{j}}^{0}}~}$

能耗规模效应:$\Delta \text{EC}=\frac{{{E}_{L}}^{t}-{{E}_{L}}^{0}}{\text{ln}{{E}_{L}}^{t}-\text{ln}{{E}_{L}}^{0}}~\times \text{ln}\frac{\text{E}{{\text{C}}^{t}}}{\text{E}{{\text{C}}^{0}}}$

技术进步效应:$\Delta \text{EG}=\frac{{{E}_{L}}^{t}-{{E}_{L}}^{0}}{\text{ln}{{E}_{L}}^{t}-\text{ln}{{E}_{L}}^{0}}\times \text{ln}\frac{\text{E}{{\text{G}}^{t}}}{\text{E}{{\text{G}}^{0}}}$

产业结构效应:$\Delta \text{GDPC}=\frac{{{E}_{L}}^{t}-{{E}_{L}}^{0}}{\text{ln}{{E}_{L}}^{t}-\text{ln}{{E}_{L}}^{0}}~\times \text{ln}\frac{\text{GDP}{{\text{C}}^{t}}}{\text{GDP}{{\text{C}}^{0}}}$

经济增长效应:$\Delta \text{GP}=\frac{{{E}_{L}}^{t}-{{E}_{L}}^{0}}{\text{ln}{{E}_{L}}^{t}-\text{ln}{{E}_{L}}^{0}}~\times \text{ln}\frac{\text{G}{{\text{P}}^{t}}}{\text{G}{{\text{P}}^{0}}}$

人口聚集效应:$\Delta \text{PD}=\frac{{{E}_{L}}^{t}-{{E}_{L}}^{0}}{\text{ln}{{E}_{L}}^{t}-\text{ln}{{E}_{L}}^{0}}~\times \text{ln}\frac{\text{P}{{\text{D}}^{t}}}{\text{P}{{\text{D}}^{0}}}$

空间结构效应:$\Delta \text{AD}=\frac{{{E}_{L}}^{t}-{{E}_{L}}^{0}}{\text{ln}{{E}_{L}}^{t}-\text{ln}{{E}_{L}}^{0}}~\times \text{ln}\frac{\text{A}{{\text{D}}^{t}}}{\text{A}{{\text{D}}^{0}}}$

交通拥堵效应:$\Delta \text{RD}=\frac{{{E}_{L}}^{t}-{{E}_{L}}^{0}}{\text{ln}{{E}_{L}}^{t}-\text{ln}{{E}_{L}}^{0}}~\times \text{ln}\frac{\text{R}{{\text{D}}^{t}}}{\text{R}{{\text{D}}^{0}}}~$

交通建设效应:$\Delta R=\frac{{{E}_{L}}^{t}-{{E}_{L}}^{0}}{\text{ln}{{E}_{L}}^{t}-\text{ln}{{E}_{L}}^{0}}~\times \text{ln}\frac{{{R}^{t}}}{{{R}^{0}}}$

由此, 城镇化对物流业能源消耗变动的影响可通过上述十大效应进行细致的刻画, 从而更清晰地揭示城镇化对物流业能源消耗变动的影响。

考虑数据可得性, 并且交通运输、仓储、邮电业一直是我国物流业的主要构成, 因此, 本研究所需数据由上述三个行业数据构成, 以2005—2016为研究观察期, 以北京、天津、河北这三个紧密结合的省市为研究对象。基础数据主要来源于国家统计局网站、《中国统计年鉴》《中国能源统计年鉴》、各地市统计信息网等。产业增加值指标以2005年为基准进行平减计算, 能源消耗选取煤炭、汽油、柴油、煤油等物流业四种常用能源为基础进行计算。

根据式(4), 城镇化对京津冀地区物流业能源消耗变动影响分解如表 1所示。

表 1

表 1 京津冀地区物流业能耗变动因素分解 万吨标准煤 年份 ΔEL ΔELC ΔGDPC ΔEG ΔEC ΔGP ΔPD ΔAD ΔRD ΔR 2005—2006 135.82 0.09 -1.03 -48.27 4.86 126.93 -2.81 88.59 -143.96 111.42 2006—2007 133.96 0.13 3.21 -62.89 -9.45 135.74 -5.75 64.77 -80.96 89.16 2007—2008 100.56 0.02 15.44 -63.65 -24.47 87.45 13.79 71.97 -198.19 198.19 2008—2009 33.21 0.00 -6.55 -86.02 -62.09 103.63 32.50 35.35 -31.91 48.29 2009—2010 188.26 0.01 -29.34 -72.59 68.06 127.94 154.54 -41.22 -177.20 158.05 2010—2011 129.58 0.02 -27.01 -33.74 -28.66 151.03 -3.99 50.03 -79.66 101.56 2011—2012 35.37 0.00 -26.36 -51.80 -87.67 131.47 18.52 66.78 -95.51 79.95 2012—2013 6.79 0.01 -9.97 -138.13 -28.58 116.04 15.77 -258.20 217.95 91.91 2013—2014 2.35 0.00 19.65 -86.93 -83.93 95.69 -36.66 -42.05 43.55 93.05 2014—2015 28.50 0.00 34.41 -80.75 -77.28 86.48 -92.99 -622.77 661.91 119.49 2015—2016 200.43 0.14 23.71 -42.44 62.94 96.90 -99.34 -141.03 73.56 225.98 平均 90.44 0.04 -0.35 -69.75 -24.21 114.48 -0.58 -66.16 17.23 119.73

表 1 京津冀地区物流业能耗变动因素分解

由表 1可知, 京津冀地区物流业能耗在考察期内持续增长, 平均年增90.44万吨标准煤, 其中2008—2009、2011—2015年能耗增长缓慢, 其他年份增长迅猛。从城镇化影响来看, 能源消费结构、经济增长、交通拥堵和交通基础设施建设对京津冀地区物流业能耗提高起到了推动作用, 尤其经济增长、交通拥堵和交通基础设施建设推动作用显著; 而能耗规模、技术进步、产业结构、人口集聚、空间结构对该地区物流业能耗降低起到了积极作用, 尤其技术进步、城市空间结构、能耗规模对能耗增长的抑制作用显著, 这说明伴随城镇化的发展, 该地区城市紧凑型城镇结构以及积极推进物流业节能减排技术的应用对物流业降低能耗效果良好。

根据式(4), 可得到城镇化对京津冀地区各省市物流业能耗变动的影响, 如图 1所示。

图 1

图 1 城镇化对京津冀物流业能耗变动的影响

由图 1(a)可以看出, 北京物流业能源消耗在考察期内持续增长, 年均增长54.07万吨标准煤, 其中2005—2008年增长最为迅猛, 年均增长98.12万吨标准煤。从城镇化的影响来看, 伴随城镇化的推进, 能耗规模效应、产业结构效应、经济增长效应、人口集聚效应、交通基础设施建设效应对物流业能耗增长起到推动作用, 但产业结构效应推动作用并不大, 而经济增长效应、人口集聚效应、能耗规模效应和交通基础设施建设效应推动作用显著。值得注意的是, 人口集聚效应和能耗规模效应对京津冀地区整体能耗增长起到抑制作用, 与北京市恰恰相反, 这说明伴随城镇化的深度推进, 北京市人口规模已经严重超标, 从城市核心建成区合理分流部分人口到周边地区, 对物流业能耗下降具有重要作用。同时, 从能耗规模效应也能看出, 北京市物流业能源消耗占第三产业比重较高, 人口众多带来的能耗超标也是导致物流业能耗居高不下的重要原因。

与此同时, 技术进步、空间结构、交通拥堵对物流业能耗增长起到抑制作用, 尤其技术进步在考察期内对物流业能耗增长始终起到抑制作用, 这说明提高物流业技术进步, 降低能耗强度, 对北京物流业能耗下降至关重要。空间结构虽然总体对物流业能耗增长起到了抑制作用, 但在大多数年份依然起到了促进作用, 所以进一步提高城市的紧凑结构, 合理布局城市功能, 对缓解物流业能耗压力也具有显著的作用。有趣的是, 交通拥堵在考察期内多数年份对物流业能耗增长起到了抑制作用, 这可能与近年来北京市采取的机动车限号以及加大道路交通建设有关。

由图 1(b)可以看出, 天津市考察期内物流业能耗增长较小, 年均增长8.4万吨标准煤, 个别年份出现物流业能耗下降, 2008—2012年天津市物流业能耗增长比较迅猛, 年均增长20.3万吨标准煤。从城镇化的影响来看, 伴随京津冀一体化的发展, 天津市作为港口城市的优势逐渐显现, 物流业能耗呈现规模经济效应, 能耗规模对天津市物流业能耗增长的抑制作用呈现增强趋势, 且在考察期内一直比较稳定。此外, 天津市物流业技术水平不断提升, 能耗强度不断下降, 对物流业能耗增长抑制作用也非常显著。需要注意的是, 产业结构、人口聚集、交通拥堵对物流业能耗下降起到了一定的抑制作用, 但作用并不强, 且在部分年份对能耗增长起到了推动作用, 尤其产业结构自2013年以来对天津市物流业能耗增长的推动作用不断增强, 因此, 加大产业结构升级对天津市物流业能耗下降具有一定的现实意义。

与此同时, 经济增长同样是天津市物流业能耗增长最重要的推动因素, 推动作用一直比较强, 因此, 伴随城镇化的发展, 合理引导居民消费, 对天津市物流业能耗下降具有积极作用。此外, 与北京市不同, 空间结构对天津市物流业能耗增长具有较大的推动作用, 这说明强化天津市各区功能定位规划, 合理布局城市空间结构对物流业能耗降低具有一定的积极作用, 而交通基础设施建设对物流业能耗的增长起到了重要的推动作用。

由图 1(c)可以看出, 河北省物流业能耗变动比较剧烈, 2009—2010、2015—2016年能耗增长均超过了100万吨标准煤。而2011—2012、2007—2008年能耗变动均低于1万吨标准煤。从城镇化的影响来看, 产业结构、经济增长、交通拥堵和交通基础设施建设对河北省物流业能耗增长起到推动作用, 其中产业结构的推动作用相对较小。但需要注意的是, 自2014年以来, 产业结构的推动作用正在持续增强, 交通拥堵对河北省物流业能耗增长的推动作用十分显著, 且呈现逐渐增强的趋势, 因此, 合理规划城市布局, 加快道路交通规划, 对物流业能耗降低有显著作用。

与此同时, 伴随城镇化的发展, 河北省物流业能耗规模、人口聚集和空间结构对物流业能耗增长的抑制作用比较明显, 尤其是空间结构作用十分突出, 而人口聚集对物流业能耗增长的平均抑制作用虽然比较小, 但自2014年以来, 人口聚集对物流业能耗增长的抑制作用日趋突出, 因此, 有计划的引导人口聚集, 适度提高人口密度, 对河北省物流业能耗下降能起到积极的规模效应。

本研究在梳理已有研究成果的基础上, 从理论上分析了城镇化发展对城市物流业能耗变动的影响机理, 以京津冀城市群地区为研究对象, 搜集了2005—2016年的相关数据, 拓展了IPAT模型, 应用LMDI对京津冀地区物流业能耗变动进行了因素分解。研究发现:(1)京津冀地区物流业能耗在考察期内持续增长, 经济增长、交通拥堵和交通基础设施建设对京津冀地区物流业能耗提高推动作用明显, 而能耗规模、技术进步、产业结构、人口集聚、空间结构对该地区物流业能耗降低起到了积极作用。(2)城镇化对京津冀各省市物流业能耗变动影响并不完全一致, 经济增长、交通基础设施建设均对各省市物流业能耗增长起到了显著了推动作用, 但城镇化发展带来的人口聚集、产业结构变动、能耗规模变动、城市空间结构变化、交通拥堵等对各省市影响差异显著。(3)综合来看, 合理引导居民消费观念、提高物流业技术水平、降低能耗强度, 对各省市物流业能耗下降具有积极作用, 而合理分流人口、降低人口密度、提高城市紧凑程度对北京市物流业能耗下降作用显著; 适度提高人口密度、提高产业结构高度、合理规划城市功能布局对天津市物流业能耗下降意义明显; 合理规划交通建设、降低城市拥堵、适度提高人口密度、提高城市空间紧凑程度则对河北省物流业能耗下降意义显著。