物流产业发展与能源消费关系的实证研究

洪 帅， 吕荣胜,2

(1.天津大学 管理与经济学部，天津 300072； 2.天津理工大学 管理学院，天津 300384)



物流产业发展与能源消费关系的实证研究

洪 帅1， 吕荣胜1,2

(1.天津大学 管理与经济学部，天津 300072； 2.天津理工大学 管理学院，天津 300384)

基于我国1995～2014年相关统计数据，采用计量经济学方法检验物流产业发展与物流能源消费间的关系。研究表明：我国物流产业发展与能源消费间存在着长期稳定的均衡关系，客货周转量和全社会固定资产投资对能源消费有负向影响，物流产业增加值与能源消费同向变动。能源消费和产业增加值是客货周转量的格兰杰原因、客货周转量是全社会固定资产投资的格兰杰原因。客货周转量、产业增加值和全社会固定资产投资对物流能源消费均有正向冲击。能源消费对客货周转量、产业增加值和全社会固定资产投资的贡献率均持续上升。

物流产业；能源消费；格兰杰因果检验；脉冲响应函数；方差分解

1 引言

能源是人类赖以生存和发展不可或缺的物质基础，也是一个国家国民经济发展和人民生活水平提高的重要战略保障。正确认识能源消费与产业发展的关系问题对于缓解能源需求压力和保证产业可持续发展具有重要的现实意义。

有关产业发展与能源消费的研究多集中于国家、省际间、省市等宏中观层面，且已取得了较为丰富的研究成果。就国家层面，马宏伟和马开平选取1978～2006年数据探讨能源消费与国内生产总值以及三次产业间的协整性和格兰杰因果关系[1]。朱俏俏等采用1994～2011年数据计算资源型产业与制造业碳排放量，分析资源型产业与制造业的碳排放量对工业经济发展的影响程度[2]。王富忠和卢启程选取2000～2012年能源统计数据，分析物流业发展与能源消费、能源产出增长率，能源依赖和能耗效应的关系[3]。刘凤朝等，张欢等[4,5]也从国家层面探讨了产业发展与能源消费的关系。就省际间层面，王雪青等基于30个省份2005～2008年数据，利用DEA方法对各省建筑业能源效率进行测试和评价[6]。曹翠珍和赵国浩采用1999～2013年省际数据，分析区域物流发展，经济增长与能源消费三者之间的关系[7]。周叶等根据2008年省域物流作业直接能耗核算二氧化碳排放量和单位货物周转二氧化碳排放量及排放系数[8]。就具体省市层面，冯碧梅和刘传江针对湖北省1989～2009年能源消耗情况计算城市碳排放量，以此分析湖北省城市圈碳轨迹[9]。姚永玲选取北京市市辖区1986～2008年统计数据分析经济规模、单位产值能耗、人均能耗、人口密度和能源空间支持系数等五项指标对城市能源消耗的贡献[10]。刘小军和涂俊依据天津市1990～2009年统计数据分析经济增长与能源消费的关系，以产业能源消耗强度、结构效应与强度效应、单位国内生产总值能耗等指标考查产业结构对能源消费的影响[11]。纵观已有研究成果发现，产业发展与能源消费的研究多集中于国家、省际间、具体省市等宏中观层面，对特定产业发展与能源消费关系的研究尤其是作为能源消耗大户的物流产业发展与能源消费关系的研究鲜有探讨。

鉴于此，本文依据我国1995～2014年相关统计数据，采用单位根、协整、格兰杰因果关系检验、脉冲响应函数以及方差分解等计量经济学方法检验反映我国物流产业发展的客货周转量、产业增加值、全社会固定资产投资与物流能源消费间的关系。研究结论将丰富和完善有关能源消费与产业发展关系的研究成果，为推进物流产业可持续发展和缓解我国能源需求压力提供理论支撑，为物流产业能源消费的管理实践提供重要启示。

2 理论分析与研究假设

当前，物流产业蓬勃发展，对能源的消费在同期各产业中排名第二，仅次于制造业，是名副其实的耗能大户，厘清物流产业发展与能源消费的关系已经十分必要。物流产业发展的研究多围绕物流客货周转量[7]，物流产业增加值[12]，物流产业全社会固定资产投资[13]等指标展开，因此讨论物流产业发展与能源消费的关系实质表现为物流客货周转量、物流产业增加值、物流产业全社会固定资产投资与能源消费的关系。

物流产业作为新兴的生产性服务产业对轻工业、制造业、电子信息业、金融业等众多产业有着重大的拉动、辐射和影响作用[14]。物流产业发展增强了产业间的融合与渗透，深化和细化产业间分工，促进了产业生产流程的改变和改造，加速了产业结构调整与技术升级创新[15]，从而实现能源效率的提升和资源、能源消费的节约[7]。基于此，提出以下研究假设：

H1 物流产业发展与能源消费存在着长期稳定的均衡关系。

物流客货周转量是指各种运输工具在报告期内实际运送的货物重量和旅客数量分别乘其运送距离的累计数，是考核运输业综合性的产量指标，该指标综合考虑运送距离、重量、数量等因素。假定单位时间内客货总量一定，若在运输过程中仅考虑能源消耗，则存在客货周转量越大，能源消费量越小的关系。基于此，提出以下研究假设：

H2 物流客货周转量对能源消费有负向影响。

物流产业增加值由交通运输业物流增加值、仓储物流业增加值、批发物流业增加值、配送加工包装物流业增加值和邮政业物流增加值构成，是反映物流业发展的核心指标。物流产业增加值取决于物流产业提供的服务及相应的附加值，假定物流产业提供服务过程中仅投入能源，则存在物流产业增加值越大，能源消费越多的关系。基于此，提出以下研究假设：

H3 物流产业增加值与能源消费同向变动。

物流产业全社会固定资产投资是以货币表现的建造和购置固定资产活动的工作量，是反映物流业固定资产投资规模、速度、比例关系和使用方向的综合性指标。物流产业全社会固定资产投资越多，其发展程度越高。随着投资的增加，物流业基础设施更完善，相应物流效率不断提高，则存在物流产业在全社会固定资产投资越多，能源消费越少的关系。基于此，提出以下研究假设：

H4 物流产业全社会固定资产投资对能源消费有负向影响。

3 变量选取及数据来源

3.1 变量选取

鉴于物流产业发展的自身特性以及相关统计数据的可得性和有效性，考虑到运输和邮电是物流业主要构成部分，本文选取我国1995～2014年运输和邮电客货周转量(亿吨公里)，交通运输、仓储和邮政业增加值指数，全社会固定资产投资(亿元)作为衡量城市物流产业发展水平的指标。为方便计算，将货运周转量(亿吨公里)、旅客周转量(亿人公里)换算为客货周转量(亿吨公里)。客货换算系数[16]按照铁路、远洋、沿海、内河运输换算系数为1，公路换算系数为0.1计算。选取我国交通运输、仓储和邮政业能源消费量(万吨标准煤)作为衡量我国物流能源消费的指标。

运用EViews 8.0软件考察反映我国物流产业发展的客货周转量(T)、产业增加值(Z)、全社会固定资产投资(F)与能源消费(E)等指标间是否具有长期的均衡关系，定量分析相关变量间的关系，并检验相关变量间是否存在格兰杰因果关系。

3.2 数据来源

有关我国1995～2014年物流产业发展、能源消费等指标的数据均来自于相应年度的《中国统计年鉴》、《中国能源统计年鉴》或据此经计算得到。运输和邮电客货周转量在1995年为39359.9亿吨公里，到2014年增长为194159.3亿吨公里，总体上呈现逐年增长趋势，个别年份有小幅回落；交通运输、仓储和邮政业增加值指数在1994年为100，1995年为111，到2014年为106.5，总体上呈现波动趋势；全社会固定资产投资在1995年为2306.54亿元，到2014年为43215.67亿元，总体上呈现逐年增长趋势，仅在2011年出现小幅减少；交通运输、仓储和邮政业能源消费量在1995年为5863万吨标准煤，到2014年增长为36336万吨标准煤，呈现逐年增长趋势。

为了保证相关时间序列数据的可比性以及降低异方差的影响，在讨论和分析过程中对相关时间序列数据进行取自然对数处理，变换后的时间序列分别为：lnTt、lnZt、lnFt和lnEt。四个对数序列的变化趋势呈现出高度的一致性，因此可能存在协整关系。

4 实证分析

4.1ADF单位根检验

经典计量经济学理论是建立在时间序列平稳的基础上的，所假设的变量间的相关系数服从的是正态分布。研究发现，大部分经济变量是非平稳的[17]，用非平稳变量进行回归分析，尤其在大样本和较高单整除数的情况下，结论全部都是变量之间具有相关关系，将实际上不相关的两个非平稳变量用来回归分析[18]，是一种虚假回归。因此，对非平稳变量间进行回归分析，首先应考虑和检验变量的平稳性[19]，即对变量必须做单位根检验。本文选用ADF单位根检验法对lnT、lnZ、lnF和lnE等变量进行平稳性检验[20]。lnT、lnZ、lnF和lnE四个变量中仅有lnE是一次差分序列平稳，而lnT、lnZ和lnF都是二次差分序列平稳。ADF单位根检验结果表明，lnT、lnZ、lnF和lnE变量差分后都在5%的显著水平上通过了ADF平稳性检验。

4.2 协整关系检验

没有协整关系的单整变量的回归仍然是伪回归，因此必须做协整检验。鉴于被解释变量lnE是一次差分序列平稳，而解释变量lnT、lnZ和lnF都是二次差分序列平稳，符合被解释变量的单整阶数要小于或者等于解释变量的单整阶数以及两个以上解释变量的单整阶数要相同的协整检验要求。通过EViews 8.0软件，运用Johansen协整检验方法进行检验，检验结果表明，lnTt、lnZt、lnFt和lnEt四个时间序列之间存在长期均衡关系，且在5%显著水平下存在协整关系，有协整关系的四变量回归结果如(1)式所示

(1)

其中括号内为t统计量，与方程估计参数上下一一对应；R2=0.994519；F=907.1718；D.W.=2.268；T=19。

从(1)式可以看出，各估计参数t统计量绝对值均大于1.645，通过了显著性水平检验，回归模型估计值对实际值的拟合程度也较好，这表明1995～2014年我国物流产业发展与能源消费之间存在着长期稳定的均衡关系，假设H1成立。物流产业增加值与能源消费同向变动，假设H3成立，即物流产业增加值每增加1个百分点，能源消费将增加1.711个百分点，说明我国物流产业的发展对能源消费的依赖程度较高，且物流产业能源效率还有很大的提升空间。物流产业客货周转量和全社会固定资产投资对能源消费具有负向影响，假设H2和H4成立，即物流产业客货周转量和全社会固定资产投资每增加1个百分点，能源消费将分别减少0.218和0.185个百分点，说明随着我国物流产业客货周转效率和全社会固定资产投资的增加，物流产业能源效率将进一步提高。

4.3 格兰杰因果关系检验

协整检验结果说明我国物流产业发展与能源消费间存在着长期均衡关系，但不能说明变量间的先后顺序是否存在一个变量前期信息会影响到另一变量当期，即物流产业发展的变动引起能源消费的变动，还是能源消费的变动引起物流产业发展的变动，因此需要通过格兰杰因果关系检验做验证。运用EViews 8.0软件根据赤池信息准则(AIC)确定滞后阶数[21]，对反映我国物流产业发展的客货周转量、产业增加值、全社会固定资产投资与能源消费的关系进行格兰杰因果关系检验，检验结果如表1所示。

表1 格兰杰因果关系检验结果

表1格兰杰因果检验结果表明，在5%的显著性水平下，能源消费和产业增加值对客货周转量、客货周转量对全社会固定资产投资的格兰杰检验都拒绝了原假设，呈现出能源消费和产业增加值对客货周转量、客货周转量对全社会固定资产投资的单向影响，即能源消费和产业增加值是客货周转量的格兰杰原因、客货周转量是全社会固定资产投资的格兰杰原因。在10%的显著性水平下，能源消费对产业增加值和全社会固定资产投资、产业增加值对全社会固定资产投资的格兰杰检验都拒绝了原假设，呈现出能源消费对产业增加值和全社会固定资产投资、产业增加值对全社会固定资产投资的单向影响，即能源消费是产业增加值和全社会固定资产投资的格兰杰原因、产业增加值是全社会固定资产投资的格兰杰原因。

4.4 无约束VAR模型

由于lnT、lnZ、lnF和lnE之间存在格兰杰因果关系，故lnT、lnZ、lnF和lnE可以做为VAR模型的因变量。假定无约束的VAR模型有4个变量，滞后阶数为2，如(2)式所示

Xt=A0+A1Xt-1+A2Xt-2+ut

(2)

其中Xt=(lnEt,lnZt,lnFt,lnTt)′，Xt-1=(lnEt-1,lnZt-1,lnFt-1,lnTt-1)′，Xt-2=(lnEt-2,lnZt-2,lnFt-2,lnTt-2)′，A0=(c1,c2,c3,c4)′，A1=(αij)4×4，A2=(βij)4×4，(i,j=1,2,3,4)，ut=(u1t,u2t,u3t,u4t)′。由此，可得到关于lnT、lnZ、lnF和lnE的向量自回归模型的估计(3)式

(3)

VAR理论不看重个别检验结果，不分析各子方程的意义，而是更注重模型的整体效果。AR根的图表检验结果显示所有单位根的倒数的模都小于1，即所有单位根的倒数的模都落在单位圆之内，可推断所建VAR模型满足稳定性条件。

4.5 脉冲响应函数

脉冲响应函数描述的是VAR模型中每一个内生变量的冲击对自身与其它内生变量带来的影响，或者说脉冲响应函数是随着时间的推移，观察模型中的各变量对于冲击的响应。基于所建VAR模型，分别给能源消费(lnE)以及反映物流产业发展的客货周转量(lnT)、产业增加值(lnZ)、全社会固定资产投资(lnF)一个正的冲击，得到关于能源消费和物流产业发展的脉冲响应函数图形输出结果，如图1所示，其中横轴表示滞后期数，纵轴表示响应程度，实线表示1单位脉冲冲击的脉冲响应函数的时间路径，两边虚线表示2个标准差的置信区间。

图1 脉冲响应函数

图1(1)表示lnE对自身的响应函数时间路径一直为正，脉冲影响在第1期约为0.061，以后逐期下降，6期以后趋于稳定，说明物流能源消费的增长会引起后面各时期物流能源消费的增长，且增长的弹性系数呈现减小后趋于稳定的规律。

图1(2)表示lnZ对lnE实施冲击，lnE的响应函数时间路径一直为正，脉冲影响在第1期约为0.018，前3期呈现增长趋势，4期以后趋于稳定，说明产业增加值的增长会引起后面各时期物流能源消费的增长，且增长的弹性系数呈现增长后趋于稳定的规律。

图1(3)表示lnF对lnE实施冲击，lnE的响应函数时间路径一直为正，前5期总体呈现上升趋势，5期以后呈现下降趋势，说明全社会固定资产投资的增长会引起后面各时期物流能源消费的增长，且增长的弹性系数呈现先增长后下降的规律。

图1(4)表示lnT对lnE实施冲击，lnE的响应函数时间路径一直为正，脉冲影响在第1期约为0.043，前6期趋于稳定，6期以后呈现持续下降趋势，说明客货周转量的增长会引起后面各时期物流能源消费的增长，且增长的弹性系数呈现稳定后持续减小的规律。

4.6 方差分解

方差分解是评价各内生变量对预测方差的贡献度，是分析预测残差的标准差由不同信息冲击影响的比例，即对应内生变量对标准差的贡献比例。对所建立的VAR模型中能源消费、客货周转量、产业增加值、全社会固定资产投资等变量进行方差分解。方差分解结果表明：当期物流能源消费对后面各时期物流能源消费的贡献率维持在95%以上，且几乎保持不变。当期物流能源消费对后面各时期客货周转量的贡献率维持在40%以上，且越来越大。当期物流能源消费对后面各时期产业增加值的贡献率维持在80%以上，且最终在90%左右小幅波动。当期物流能源消费对后面各时期全社会固定资产投资的贡献率从0%不断上升到60%后趋于平稳。

5 结论与建议

通过对我国1995～2014年物流产业发展和能源消费关系的实证分析，可得到以下基本结论：

第一，我国物流产业发展与其能源消费之间存在着长期稳定的均衡关系，物流产业增加值与能源消费同向变动，说明我国物流产业的发展对能源消费的依赖程度较高，且物流产业能源效率还有很大的提升空间；物流产业客货周转量和全社会固定资产投资对能源消费具有负向影响，说明随着我国物流产业客货周转效率和全社会固定资产投资的增加，物流产业能源效率将进一步提高。

第二，格兰杰因果检验表明：在5%的显著性水平下，能源消费和产业增加值是客货周转量的格兰杰原因、客货周转量是全社会固定资产投资的格兰杰原因，呈现出单向影响；在10%的显著性水平下，能源消费是产业增加值和全社会固定资产投资的格兰杰原因、产业增加值是全社会固定资产投资的格兰杰原因，呈现出单向影响。

第三，所建VAR模型满足稳定性条件，脉冲响应函数输出结果表明，客货周转量、产业增加值和全社会固定资产投资对物流能源消费均有正向冲击，且增长的弹性系数总体呈现出“凸”形趋势，即稳定后减小、增长后稳定、增长后下降的规律；能源消费对自身也有正向冲击，但增长的弹性系数呈现出“凹”形趋势，即减小后稳定的规律。

第四，方差分解结果显示，能源消费对客货周转量、产业增加值和全社会固定资产投资的贡献率均持续上升，其中能源消费对产业增加值贡献率的变化幅度最小，基本维持在80%～90%，能源消费对全社会固定资产投资贡献率的变化幅度最大，从没有贡献率到60%；能源消费对自身的贡献率基本维持在95%以上。

根据上述结论，可以明确反映我国物流产业发展的客货周转量、产业增加值和全社会固定资产投资等指标与能源消费间存在着长期稳定的均衡关系，重视并妥善处理四者间的关系将形成四者相互促进的良性循环。从物流产业客货周转量、产业增加值和全社会固定资产投资等对能源消费均有不同程度的正向冲击，且冲击的弹性系数呈现出凸型趋势，以及能源消费对物流产业客货周转量、产业增加值和全社会固定资产投资的贡献率均持续上升的结果看，物流产业客货周转量、产业增加值、全社会固定资产投资等指标较好地反映了物流产业的发展以及和能源消费间的关系。因此，建议通过引进新能源技术、绿色物流技术，更新物流产业运输工具和硬件设施，完善和变革物流产业相关管理制度和操作流程等形式刺激物流产业发展，以增加物流产业的客货周转量，实现物流产业能源消费总量的降低；通过对物流产业的政策引导和资金扶持，加大对物流产业的全社会固定资产投资，推动物流产业升级和技术创新，促进物流产业发展，提升物流产业能源利用效率；通过创新物流服务理念和形式，提高物流服务的智能化、自动化程度，增加物流产业服务的附加值，减少因能源消费所产生的物流产业增加值的比例，实现物流产业能源消费的节约。只有降低物流产业能源消费总量、提升物流产业能源利用效率，才能真正缓解能源需求压力，保证物流产业的可持续发展。

[1] 马宏伟，马开平.能源消费与产业发展的协整性与因果关系分析[J].数理统计与管理，2010，(3)：473- 479.

[2] 朱俏俏，孙慧，王士轩.中国资源型产业及制造业碳排放与工业经济发展的关系[J].中国人口·资源与环境，2014，(11)：112-119.

[3] 王富忠，卢启程.治霾背景下物流业能耗效应研究[J]. 软科学，2016，(1)：86-90.

[4] 刘凤朝，潘雄锋，徐国泉.基于结构份额与效率份额的中国能源消费强度研究[J].资源科学，2007，(4)：2- 6.

[5] 张欢，成金华，王来峰.中国工业化进程与能源矿产供需均衡的研究[J].中国人口·资源与环境，2011，(3)：165-170.

[6] 王雪青，娄香珍，杨秋波.中国建筑业能源效率省际差异及其影响因素分析[J].中国人口·资源与环境，2012，(2)：56- 61.

[7] 曹翠珍，赵国浩.区域物流发展、经济增长与能源消费——基于中国省际面板数据的实证分析[J].财贸研究，2015，(2)：44-52.

[8] 周叶，王道平，赵耀.中国省域物流作业的CO2排放量测评及低碳化对策研究[J].中国人口·资源与环境，2011，(9):81- 87.

[9] 冯碧梅，刘传江.全球价值链视角的武汉城市圈产业体系构建——推动武汉城市圈低碳经济发展[J]. 中国人口·资源与环境，2010，(3)：67-72.

[10] 姚永玲.北京城市发展中的能源消耗影响因素分析[J].中国人口·资源与环境，2011，(7)：40- 45.

[11] 刘小军，涂俊.天津市产业结构与能源消费强度分析[J].城市问题，2011，(7)：43- 48.

[12] 刘南，李燕.现代物流与经济增长的关系研究——基于浙江省的实证分析[J].管理工程学报，2007，(1)：151-154.

[13] 李瑞，张悟移.基于RBF神经网络的物流业能源需求预测[J].资源科学，2016，(3)：450- 460.

[14] 宋则，常东亮.现代物流业的波及效应研究[J].商业经济与管理，2008，(1)：3-9.

[15] 张红波，彭焱.现代物流与区域经济增长关系的实证研究[J].工业工程与管理，2009，(1)：122-126.

[16] 张树伟，姜克隽，刘德顺.中国交通发展的能源消费与对策研究[J].中国软科学，2006，(5)：58- 62.

[17] Nelson C R, Plosser C I. Trends and random walks in macroeconomic time series[J]. Monetary Economics, 1982, 10(2): 139-162.

[18] 陈昭，刘巍，茹纯子.中国经济增长与环境污染的关系——基于分省的面板协整模型分析[J].当代财经，2008,(11)：18-23.

[19] Stock J H, Watson M. Interpreting the evidence on money-income causality[J]. Econometrics, 1989, 40(1): 161-181.

[20] Dickey D A, Fuller W A. Distribution of the estimators for autoregressive time series with a unit root[J]. Journal of the American Statistical Association, 1979, 74: 427- 431.

[21] Akaike H. A new look at the statistical model identification [J]. IEEE Transactions on Automatic Control, 1974, 19(6): 716-723.

An Empirical Research on the Relationship between the Development of Logistics Industry and the Energy Consumption

HONG Shuai1, LV Rong-sheng1,2

(1.CollegeofManagementandEconomics,TianjinUniversity,Tianjin300072,China; 2.SchoolofManagement,TianjinUniversityofTechnology,Tianjin300384,China)

Based on the relevant statistical data in the period of 1995～2014 in China, this paper uses the econometric methods to analyze the relationship between the energy consumption and the development of logistics industry. There is a long-term, stable and equilibrium relationship between the energy consumption and the development of logistics industry in China. The passenger and cargo turnover volume and the total investment in fixed assets have a negative impact on the energy consumption. The added value of logistics industry and the energy consumption change in the same direction. The energy consumption and the added value of logistics industry are the Granger cause of the passenger and cargo turnover volume, while the passenger and cargo turnover volume is the Granger cause of the total investment in fixed assets. The passenger and cargo turnover volume, the added value of logistics industry and the total investment in fixed assets have a positive response on the energy consumption. The contribution rate of energy consumption reflects a continued upward trend.

logistics industry; energy consumption; Granger causality test; impulse response function; variance decomposition

2016- 07- 09

国家社会科学基金资助项目(15BGL013)

F252

A

1003-5192(2017)03- 0056- 06

10.11847/fj.36.3.56