江苏省物流业碳排放效率与经济增长的耦合协调

II第一章绪论1.1.研究背景碳排放是现在社会上的一个热点问题，以江苏省为例，江苏省经济发展速度加快，互联网电子商务发展速度加快，物流行业已经成为江苏省经济发展的支柱性产业，所以对物流碳排放效率与经济增长的协调关系研究越来越重要。目前江苏省在碳排放工作上已经初步形成了交通运输领域的碳排放监测、预测、评估体系。据不完全统计，交通运输碳排放主要以公路运输领域为主(约占31.57%)，其次为社会车辆(约占29.55%)，再次为邮政仓储(约占10.38%)。2024年7月前，江苏营运性质的轻型货车即城市物流配送车辆共有22655辆，其中新能源轻型货车有14267辆，城市物流配送车辆中新增和更新车辆电动化比例已经达到63%，所以，研究江苏省物流业碳排放效率和经济增长的耦合协调，不仅有利于发现两者之间的关系，还能够为江苏省乃至全国物流业的可持续发展提供理论和实践依据。本文以物流业碳排放效率与经济增长的耦合协调作为切入点，通过探讨二者的内在联系，可以更好地表现出物流业碳排放效率与经济增长彼此影响的新规律，文章的研究探讨有益于加深对物流业碳排放与经济增长之间繁杂关联的梳理，也能促使形成更为科学恰当的物流业发展形式以及碳排放经营策略，而且，本文利用到了耦合协调模型，这个研究经过对耦合协调度模型的使用和扩展，会更进一步加强对物流与环境经济学，可持续发展理论等内容的探究，从而给江苏怎样改善自身经济发展给予一些启发。1.2研究意义（1）理论意义本文对江苏省物流业碳排放效率以及物流业碳排放效率同经济增长之间的耦合协作展开研究，丰富并充实了物流效率同经济增长的耦合协作理论体系，给物流运作、物流策划和物流操作抉择赋予理论引导，探讨物流业碳排放效率同其它有关范畴的联系，比如环保，可持续发展等，能够拓宽物流研究的多学科交叉性，促使学科沟通学问更新，而且，本项研究引进耦合协调度模型，熵值法等方式，给评价物流业碳排放效率同经济增长的耦合关联给予新的理论手段和剖析办法，从而推进物流同经济耦合研究的理论进步。（2）实际应用对江苏省物流业碳排放效率及其与经济增长耦合协作展开研究，可以给江苏省的物流企业给予改良物流运作的策略和办法，通过改良碳排放效率，削减能源耗费和环境污染，提升企业的竞争力和经济效益，给政府和企业制订物流政策，推动绿色物流发展，达成可持续发展目的给予科学依照，而且，研究成果有益于找出江苏省物流业在碳排放效率与经济增长耦合进程中的重要影响要素，为制订针对的政策和举措给予参照，促使江苏省物流业同经济高质量协同发展。1.3.研究内容与研究目标根据上述的研究目标，本研究明确了以下研究内容：第一部分，江苏省物流业碳排放效率与经济增长耦合协作的背景与现状分析，明确此次的研究意义、研究内容和具体的研究方法。第二部分，对江苏省物流业碳排放效率与经济增长耦合协作的背景与现状进行阐述，综合叙述国内外学者对物流业碳排放效率及其与经济增长耦合关系的研究情况。从理论与现实两个维度阐述本研究的重要性和意义，引出本文的主要研究观点和视角。第三部分，对江苏省物流业碳排放效率与经济增长耦合协作的指标体系构建，根据相关文献，结合江苏省物流业碳排放效率与经济增长的现状，确定合适的输入指标和输出指标，如能源消耗、碳排放量、经济增长率、产业结构等；选取合适的指标体系，建立数据包络分析模型对江苏省近年的物流业碳排放效率与经济增长进行评价。第四部分，江苏省物流业碳排放效率与经济增长耦合协作的实证分析，收集数据并计算指标值，根据选取的指标和建立的评价模型，计算江苏省物流业碳排放效率及其与经济增长耦合协作的指标值。第五部分，分析指标结果，通过对比不同指标值，找出影响物流业碳排放效率与经济增长耦合协作的主要因素，针对江苏省发展现状，提出优化建议。1.4.研究方法要想保障研究具备科学性与系统性，本研究把文献分析法，统计分析法以及案例研究法结合起来使用，这些方法相互补充，一方面给理论分析给予了丰富的学术支撑，另一方面又为实证研究创建起数据及案例根基。(1)文献分析法文献分析法是本研究的重要理论支撑手段，通过梳理国内外有关物流碳排放、耦合协调模型以及物流业碳排放与经济增长耦合之间关系的相关研究文献，全面总结已有研究成果和理论框架，把握物流碳排放与经济发展关系研究的关键问题和不足，通过文献的整理，区域实证研究中相关案例及数据也给研究方法设计和内容深化提供重要参考。(2)耦合协调度模型耦合协调度模型是用以衡量两个或者两个以上系统之间的协调程度的一种分析模型，本研究将建立江苏省物流业碳排放效率与经济增长的耦合协调度模型，通过耦合协调度的计算来分析江苏省物流业碳排放效率与经济增长的协调程度。通过耦合协调度的计算来分析江苏省各个地区物流业碳排放效率与经济增长的耦合协调水平。(3)Tobit回归模型Tobit模型是一种适合隐性截断或者限制的数据的回归分析。在江苏省物流业碳排放效率与经济增长耦合协作研究中，可能存在着一些隐性的限制或者截断现象，如效率值受到技术的限制、政策的要求等，通过收集江苏省物流业碳排放效率与经济增长的相关数据建立Tobit模型，使用相关软件对模型进行估计得到参数结果，对结果进行分析得出江苏省物流业碳排放效率与经济增长耦合协作及其影响因素的结论，并进行讨论和推断。(4)案例分析法案例研究法通过剖析典型地区的实践经验，对本研究的理论与对策进行实践检验，本研究选取江苏省，分析江苏省物流碳排放现状及具体做法。1.5.研究技术路线本研究围绕江苏省物流业碳排放效率与经济增长的耦合协调关系展开，采用系统化的研究思路和方法，技术路线如图1.1所示：图1.1技术路线图1.6.核心概念界定为确保研究的科学性和准确性，本节对论文中的核心概念进行明确界定：（1）物流业碳排放效率：指物流业经济活动中单位产出所对应的碳排放量，是衡量物流业绿色发展水平的重要指标。与碳排放强度（单位GDP或增加值的二氧化碳排放量）不同，物流业碳排放效率是一个综合性指标，不仅考虑碳排放量与经济产出的比值，还纳入了物流活动的资源投入因素。本研究采用SBM-Undesirable模型测算的物流业碳排放效率值介于0-1之间，值越接近1表示效率越高。（2）经济增长：指一个国家或地区在一定时期内物质产品和服务的增加，通常用GDP或特定产业增加值的增长来衡量。本研究中的经济增长特指物流业的经济增长，用人均物流业增加值来表示，反映物流业经济活动的规模和质量。（3）耦合：源自物理学概念，指两个或多个系统之间通过相互作用而彼此影响的现象。在本研究中，耦合指物流业碳排放效率系统与经济增长系统之间的相互关联和影响程度，反映两个系统间的依存关系强度。（4）耦合协调度：是在耦合概念基础上发展而来的，用以衡量两个系统不仅相互关联，而且协调发展的程度。与简单的耦合度不同，耦合协调度同时考虑了系统间的关联强度和系统整体发展水平，能够更全面地反映物流业碳排放效率与经济增长的协同发展状态。（5）协同发展：指两个或多个系统在发展过程中相互促进、良性互动，共同达到更高发展水平的状态。与耦合协调相比，协同发展更强调系统演化的动态过程和长期效应。在本研究中，物流业碳排放效率与经济增长的协同发展是耦合协调关系在时间维度上的延伸，体现了可持续发展的长期目标。1.7.创新之处理论框架创新：本研究将系统论、耦合协调理论与物流经济学相融合，构建了一个包含物流业碳排放效率子系统和经济增长子系统的耦合协调分析框架。该框架不仅考虑了两个子系统间的相互影响机制，还纳入了熵值客观赋权法，使评价结果更加客观可靠，为研究物流业绿色低碳发展与经济增长协调机制提供了新的理论视角。研究方法创新：本研究采用SBM-Undesirable模型测算江苏省物流业碳排放效率，克服了传统DEA模型无法处理非期望产出的局限；同时，结合耦合协调度模型、空间自相关分析和Tobit回归模型，构建了一个多维度、多层次的分析框架，实现了对物流业碳排放效率与经济增长耦合协调关系的全方位剖析。时空演变分析：测算江苏省2005-2022年的物流业碳排放效率与经济增长耦合协调度，通过长时间序列的纵向评价和横向评价，系统揭示了江苏省物流业碳排放效率与经济增长协调关系的演变规律和空间分异特征，弥补了现有研究中时空尺度较小的不足。影响机制识别：探究各影响因素与江苏省物流业碳排放效率及经济增长耦合协调度的相关程度。本研究不仅从宏观层面识别了关键影响因素，还通过区域差异分析揭示了苏南、苏中、苏北三大区域的影响机制异质性，为制定差异化政策提供了科学依据。政策建议精准化：基于实证研究结果，从碳排放管理制度、产业结构优化、技术创新与管理优化等多角度提出提升物流业碳排放效率及促进经济增长耦合协调的建议，并构建差异化实施策略与多主体协同机制，增强了研究成果的实践指导价值。

第二章国内外研究现状2.1.国外研究现状2.1.1.物流业碳排放效率研究物流业碳排放效率属于衡量物流业发展期间资源利用效率与环境影响的一项关键指标，近些年来，国内外学者针对该领域展开了广泛性探究，国外学者重点从技术，政策以及市场机制等层面入手，探寻物流业的绿色变革之路，并探究其给经济增长带来的影响，诸如KabiruIM（2023）通过研究识别，物流运作种类和行业经历年数会径直左右绿色物流举动及可持续性指数，突出显示出行业经历和运作形式对于绿色物流效率具有重要意义REF_Ref7661\r\h[1]。FangL（2022）觉得绿色技术改善乃是绿色物流效率增长的核心要素，国内学者更多着眼于政策引导，地区差别以及实证研究REF_Ref7789\r\h[3]。2.1.2.耦合协调理论溯源与发展耦合协调理论起源于物理学领域，最初用于描述两个或多个系统间的相互作用和影响。随着学科交叉融合的深入，该理论逐步被引入社会经济系统研究中。HyltonJP和RossLC（2017）从区域经济学角度出发，将耦合理论应用于物流集群与区域经济增长的互动研究，构建了较为完善的耦合评价体系REF_Ref1673\r\h[7]。KumarI等（2016）深入探讨了运输物流集群与区域经济发展的耦合协调机制，为区域可持续发展提供了理论支撑REF_Ref1722\r\h[6]。在理论发展方面，CherenkovIV等（2020）提出了物流基础设施与循环经济耦合协调的概念框架，强调物流系统与经济环境系统之间存在着复杂的非线性耦合关系，只有保持适度的相互作用才能实现可持续发展REF_Ref1902\r\h[8]。ShengX和HaonanD（2023）则从绿色金融与产业结构升级角度，构建绿色发展-经济增长-环境规制三维耦合协调理论框架，为研究物流业低碳发展与经济增长的协同机制提供了理论基础REF_Ref1921\r\h[9]。物流经济学与耦合协调理论的融合为解释物流业碳排放效率与经济增长的互动机制提供了新的视角。ButtonK和TaylorS（2000）将物流经济学中的规模经济、网络外部性等核心概念与区域发展理论相结合，解释了物流业发展与经济增长之间的非线性关系REF_Ref20159\r\h[4]。LeanHH等（2014）从可持续发展理论视角，分析了中国物流业与经济增长的耦合关系，构建了物流业可持续发展的理论模型REF_Ref1833\r\h[5]。BinC等（2022）进一步将绿色物流效率与经济发展纳入耦合协调分析框架，为本研究提供了重要的理论参考REF_Ref19525\r\h[2]。2.1.3.耦合协调理论在物流-经济系统中的应用耦合协调理论源于物理学中描述两个或多个系统间相互作用的概念，已逐渐发展成为研究复杂系统协同发展的重要理论工具。在物流与经济系统的研究中，耦合协调理论提供了一个分析二者互动关系的系统性框架。从系统论视角来看，物流业碳排放效率系统与经济增长系统构成了一个开放的复合系统，两个子系统之间存在着物质流、能量流、信息流和价值流的交换与互动。Hylton和Ross(2017)指出，物流系统作为区域经济系统的基础设施支撑，其效率变化会通过成本传导、资源配置和技术扩散等机制影响经济增长；而经济增长反过来通过市场需求、投资规模和技术创新等路径影响物流系统的发展和效率提升REF_Ref1673\r\h[7]。可持续发展理论为物流-经济系统耦合提供了评价标准。Cherenkov等(2020)强调，物流业碳排放效率与经济增长的协调发展应遵循"三重底线"原则，即在经济效益、社会效益和生态效益之间寻求平衡。物流业碳排放效率的提高反映了生态效益的实现，而经济增长则体现了经济效益的创造，两者的协调发展是实现可持续发展目标的必然要求REF_Ref1902\r\h[8]。2.2.国内研究现状2.2.1.江苏省物流业碳排放效率现状江苏省属于中国经济、物流行业发展前沿省份，其物流业在带动经济增长的同时，也承担着极大的能源消耗及碳排放量压力，而物流业碳排放效率则是其绿色发展水平的重要指标，即每单位经济产出（如物流业增加值）所产生的二氧化碳量，代表着物流活动中资源利用效率和环境影响的权衡关系，据有关统计数据显示，截至到2024年，江苏省物流业碳排放主要来自于公路运输，占据了交通运输业碳排放的31.57%左右，其后分别为社会车辆（29.55%）以及邮政仓储（10.38%），之所以公路运输会占有如此高的比重，很大程度上是由于江苏较为发达的制造业以及电商产业导致货运需求较大，尤其是长途运输过程中经常会用到重型货车。2.2.2.耦合协调研究方法耦合协调是用来考察两个或者更多系统彼此影响以及协同发展的主要手段，在物流业碳排放效率同经济增长的耦合协调研究当中被广泛性采纳，耦合协调度模型属于探究两个或者更多系统之间协调状况的一种剖析工具，这个模型通过算出耦合协调度来定量分析二者之间的协调联系，张玲和朱柳（2024年）就依靠耦合协调度模型对广西制造业和物流业的耦合协调水平加以度量，并识别出二者存在明显的协调关系，郭沛和梁栋（2022年）则运用超效率SBM模型，把能源消耗归入投入指标里面，将碳排放量当作非预期产出实施城市碳排放效率的计算，灰色关联分析致力于探寻系统内部各个要素之间的动态关联性，并给予它们之间的关联强度以量化体现REF_Ref20864\r\h[13]。这种办法依靠各个因素动态改变的一致性或者差别来推测它们之间的联系，比如说，林秀群等（2022）用灰色关联分析去研究长江经济带物流业碳排放效率的时空改变特点。(3)物流业碳排放效率同经济增长的耦合联系物流业碳排放效率同经济增长的耦合联系是近些年来研究的热门话题，国内外学者从不同的视角对这一联系展开了研究，像宋爱华等（2020）凭借VAR模型和复合系统模型，得出物流业发展可以有效地推动地区经济的增长REF_Ref21259\r\h[18]。而且，张清华等（2023）也表明物流业和经济增长的耦合协调程度虽然总体处在低水平上，不过从轻微失调慢慢变成勉强协调，在耦合协调方法的应用方面，国内学者联系实际的数据做了许多实证研究REF_Ref21194\r\h[19]。2.2.3.物流业碳排放效率与经济增长耦合关系研究物流业碳排放效率与经济增长的耦合关系是近年来研究的热点。国内外学者从不同角度对这一关系进行了探讨。例如，张爱华等（2020）通过VAR模型和复合系统模型，得出物流业发展能够有效推动地区经济的增长REF_Ref20495\r\h[36]。此外，张立国等（2023）发现物流业与经济增长的耦合协调水平虽然总体处于较低阶段，但从轻微失调上升到勉强协调REF_Ref20577\r\h[63]。在耦合协调方法的应用方面，国内学者结合实际数据进行了大量实证研究。在2006-2019年间，能源结构弹性数值偏小，大多数值小于0.8或者为负值，表明单位GDP对碳排放起到一定的抑制作用，碳排放与经济增长处于良性发展阶段REF_Ref20642\r\h[49]。2.3文献评述回看国内外有关物流业碳排放效率及经济增长的研究之后，能察觉一些明显的研究走向与特点，第一，国外研究在谈论物流业碳排放效率的时候，较多从技术革新，政策引领，市场机制等宏观角度出发，着重突出绿色转型的意义，国内研究却比较重视政策引导的详细执行情况，不同地区之间的差别以及实证剖析，在财税政策，能源转型等领域提出不少看法。国内外对物流业碳排放效率与经济增长方面的研究已有诸多成果，但是仍有许多需要进一步探究之处，比如怎样更为准确地测度出物流业碳排放效率与经济增长间的耦合关系？怎样更好地制定相关政策推动物流业完成绿色化转型等问题都是日后研究的重点方向。

第三章江苏省物流业碳排放效率与经济增长现状分析本章节运用非理想产出的SBM模型，建立一个较为全面的碳排放效率评估指标体系，包括物流行业资本投入、人力资源、能源消耗等多方面，来衡量其碳排放效率。然后对2010-2022年江苏省内13个市的物流产业碳排放效率进行计算，分别计算出物流产业的综合碳排放效率以及其中的纯技术效率和规模效率，并从时间和空间的角度出发，对全省以及各城市之间的效率差异进行深入分析。还对近期各市物流业经济增长情况进行了评价。3.1.SBM-Undesirable模型构建SBM-Undesirable模型处理非期望产出的关键在于松弛变量的设定。与传统DEA模型不同，该模型在目标函数中同时考虑了投入松弛、期望产出松弛和非期望产出松弛三种松弛变量。模型假设非期望产出（如碳排放）与期望产出（如物流业增加值）是同时产生的，且强处置性假设不再适用，而是采用弱处置性假设。这意味着减少非期望产出必然导致期望产出的减少或投入的增加，除非通过技术进步或管理优化实现同时改进。这一假设更符合物流业碳排放与经济产出的实际关系，能够更准确地评估物流业碳排放效率。传统数据包络分析（DEA）模型，CCR-DEA和BCC-DEA分别从径向扩张和角度改善两个方面来衡量决策单位的效率，但是没有考虑投入和产出的灵活性因素，无法完全反映资源利用的效率。在运作过程中，物流行业很难避免产生碳排放等非预期后果，而常规的策略往往是在追求产出最大化的同时，非预期后果也会随之增大。继Tone（2001）对经典的数据包络分析（DEA）模型进行创新，提出非径向、非角度的超效率比摩尔（SBM-DEA）模型之后，该理论不断演进，最新的拓展是能够整合非期望产出的SBM模型。该模型的基本原理如下：在所建立的生产系统里，假设有n个独立决策节点，每个节点要处理输入向量x，其元素属于实数空间R^m，对应预期产出y^a，还有未计划产出y^b，分别处于R^e和R^f维度，用这样的三元组来描述系统行为，就可以构造出相关的矩阵结构：X=x1,ya=y1yb=y1矩阵中，R为实数向量集，m、e、f分别表示投入、期望产出和非期望产出的要素个数。则可定义生产可能集P如下：P=x,故包含非期望产出且规模报酬可变的SBM-Undesirable模型具体表示如下： ρ∗=min1−s.t.{xi0=Xλ+s−y0在公式（3-4）中，P*为评价决策单元碳排放效率指标，这个数值限定在0到1之间，λ是没有限制的权重集合，S−、Sa、Sb分别代表投入、预期产出和非预期产出的余量变量，xi0、yr0a、yℎ0b3.2.碳排放效率评价指标体系构建与数据来源3.2.1.效率评价指标体系根据前人的探索，选取物流行业碳排放效率评估的投入要素，资本投入、人力投入、能源消耗作为物流行业碳排放效率评价的基础，并且将产出分为预期成果与非预期成果两部分，其中物流领域碳排放量被归类于非预期成果中。我们构建的效率评价指标如下表3-1所示。表3-1物流业碳排放效率评价指标体系类别指标具体指标资本投入物流业固定资产投资投入要素劳动投入物流业从业人员能源投入汽油消耗量<br>柴油消耗量<br>电力消耗量产出要素期望产出物流业增加值非期望产出物流碳排放量数据来源：基于本研究构建的指标体系以上碳排放效率评价指标体系所涵盖指标的具体计算方式如下：（1）资本投入。物流业资本投入以江苏省13个城市各自的物流业资本存量表示，本文采用永续盘存法（PIA）进行计算。其基本估算式为：kt=kt−1式（3-6）中，kt为当期的物流业固定资本存量，kt−1则表示上期的物流资本存量，Lt为当期的物流业固定资产投资，μ代表折旧率。（2）劳动投入。劳动投入以物流业从业人员数量来衡量，单位为万人。（3）能源投入。能源投入主要分为汽油、柴油和电力等三个方面，其中汽油和柴油消耗量指各城市在当年物流活动中的实际耗用量，单位分别为万吨。电力消耗量则以当年物流活动中的电力使用量衡量，单位为万千瓦时。（4）产出。物流业生产活动的期望产出以物流业增加值的实际值来衡量，其能在较大程度上反映物流业的生产水平，单位为亿元；非期望产出则以物流业碳排放进行衡量，单位为万吨。3.2.2.数据来源与处理用以形成前述物流业碳排放效率评价指标体系的所有基础数据，涉及2010年至2022年期间，大多取自《江苏统计年鉴》《中国交通年鉴》、各地地方年度统计资料集及江苏省统计局所发布之官方出版物，在构建物流行业相关量化分析模型的过程中，针对某些城市特定年度资本存量数据缺乏的情况，我们按照王小鲁等（2000）学者所采取的处理方式，借助物流业固定资产投资额来完成数据估算与填补工作，从而保证研究的完整性和延续性。对于一些地区没有物流价格数据的，我们使用计算平均数的方法进行补全。由于成本变动对经济的影响，要反映物流业的真实价值，需要以2010年为基期，对物流业的增加价值进行通货膨胀调整，得到物流业的实际规模。3.2.3.物流业碳排放测算方法与局限性本研究采用能源消费量间接计算法测算物流业碳排放量，具体计算公式如下：C=∑Ei×Fi 式中，C表示碳排放总量（万吨）；Ei表示第i种能源的消费量，本研究主要考虑汽油、柴油和电力三类能源；Fi表示第i种能源的碳排放系数，参考国家气候变化专家委员会和IPCC发布的数据，汽油、柴油和电力的碳排放系数分别为2.925吨CO₂/吨、3.096吨CO₂/吨和0.785吨CO₂/兆瓦时。在实际测算过程中，对不同能源的处理方式如下：（1）汽油和柴油消费量：根据江苏省统计年鉴中交通运输、仓储和邮政业的能源消费数据，结合各市物流业增加值占交通运输、仓储和邮政业增加值的比重，计算各市物流业汽油和柴油消费量。（2）电力消费量：基于交通运输、仓储和邮政业的电力消费数据，参考各市物流企业数量比重和规模分布，估算物流业电力消费量。由于缺乏物流业直接的能源消费统计数据，通过行业比例法间接估算可能带来一定误差：未能细分运输、仓储、包装、装卸等不同物流环节的碳排放差异，忽略了不同物流活动环节的能源消费强度差异；未考虑不同运输方式（如公路、铁路、水路、航空）的排放差异，可能导致高排放运输方式占比较大地区的碳排放效率被低估；物流活动中的非能源碳排放（如制冷剂泄漏等）未纳入计算范围，可能导致总体碳排放量被低估。尽管存在上述局限，本研究采用的测算方法仍能在现有数据条件下，相对客观地反映江苏省物流业的碳排放状况及其效率水平。未来研究可在数据获取条件改善后，进一步细化物流环节碳排放测算，提高结果精确性。3.3江苏省物流业碳排放效率测度结果分析3.3.1.基于全省视角的碳排放效率分析基于前一章节建立的碳排放效率评价框架，本研究利用Matlab工具，以规模报酬可变为理论基础，采用SBM-Undesirable模式，对江苏省内13个城市2010-2022年物流行业综合碳排放效率、技术效率、规模效率进行量化分析，由于内容的篇幅限制，我们简略的选取了几个年份的数据，整理于表3-2中，便于直观呈现。表3-22010-2023年江苏省13个市物流碳排放综合效率结果城市201020132016201920222023排序年均增速(%)南京0.7380.8120.8560.9251.0001.00012.33无锡0.6930.7540.8050.8340.8710.88331.88徐州0.3360.3750.3920.4320.4610.47582.68常州0.4660.5300.5750.6330.7050.72253.39苏州0.7090.7900.8270.8930.9360.95222.29南通0.4150.4780.5260.5620.5890.60362.91淮安0.2470.2650.2800.3070.3270.342102.54盐城0.2650.2790.2900.3150.3500.36292.41扬州0.4010.4470.4780.5090.5230.53872.27镇江0.2250.2550.2770.2930.3080.315122.62泰州0.3580.3780.4060.4750.8130.85747.00宿迁0.2050.2190.2360.2570.2730.285132.56均值0.4080.4490.4780.5170.5740.589--2.88数据来源：基于《江苏统计年鉴》、《中国交通年鉴》和各地方统计年报的数据，采用SBM-Undesirable模型计算得出物流业碳排放综合效率主要衡量的是物流活动过程中投入实现碳排放产出的效率高低，受到技术要素投入和规模结构变动双重因素的影响。表3-2中仅列示了主要年份的综合效率结果，并对2022年各市的综合效率数值进行排序。可以发现，从全省主要年份的碳排放效率均值变化来看，其呈现出稳步上升的趋势，整体由2010年的0.408上升至2022年的0.574，年均增长率为2.92%。2022年效率值为0.574表明到该年江苏省物流业仍存在着较大的减排潜力，可通过调整技术条件和投入要素等方式减少碳排放量。。2023年数据显示，江苏省物流业碳排放效率继续保持增长态势，南京市继续保持最高效率水平，苏州市和无锡市紧随其后，泰州市则保持了较高的增长势头。具体到各个城市，可以看出大部分城市的效率值总体随时间发展而上升，但同时城市间效率值的大小差距明显。到2022年南京的效率值上升至1，为有效状态，即效率值处于生产最佳前沿面，其他城市效率值虽未增长至有效状态，但也在稳步上升。从年均增速来看，泰州的碳排放效率增长最为显著，研究期间的平均增长速率达7.05%，这说明泰州市近年来的物流业低碳发展取得了较为显著的成效。通过对各城市2022年的碳排放综合效率数值进行排序，可以看出效率排名前三的城市分别为南京、苏州和无锡，而效率值排名倒数的三个城市则为宿迁、镇江和连云港。为了探究各个城市的效率变化原因，我们将碳排放综合效率细分为PTE和SE这两个主要方面，具体分析结果见表3-3。表3-32010-2023年江苏省13个市物流业碳排放效率分解城市2010201620222023PTESEPTESEPTESEPTESE南京0.8270.8920.9000.9511.0001.0001.0001.000无锡0.8500.8150.9000.8940.9500.9170.9610.919徐州0.4380.7670.5000.7840.5500.8380.5630.844常州0.5570.8360.6260.9180.7500.9400.7650.944苏州0.9010.7870.9370.8821.0000.9361.0000.952南通0.5130.8090.6000.8770.6500.9060.6650.907连云港0.2650.8870.2780.9530.2911.0750.3031.079淮安0.2650.9320.2781.0070.3011.0860.3151.086盐城0.3000.8830.3500.8290.4070.8600.4200.862扬州0.4250.9440.5260.9090.5500.9510.5650.952续表3-32010-2023年江苏省13个市物流业碳排放效率分解城市2010201620222023镇江0.3120.7210.3730.7430.4070.7570.4170.755泰州0.3790.9440.4310.9420.8470.9600.8900.963宿迁0.2350.8720.2760.8550.3280.8320.3400.838均值0.4820.8530.5370.8880.6180.9280.6310.931数据来源：基于《江苏统计年鉴》、《中国交通年鉴》的数据，使用SBM-Undesirable模型分解计算得出。图3-12010-2022年江苏省物流业碳排放综合效率、纯技术效率与规模效率变动趋势数据来源：基于表3.3数据绘制表3-3和图3-1的数据可知，2023年继续保持增长态势，分别达到0.631和0.931。与2022年相比，纯技术效率提升了0.013个百分点，规模效率提升了0.003个百分点，表明江苏省物流业在技术应用和管理优化方面取得了新的进展，同时规模效率已经接近最优水平。2023年数据进一步显示，南京和苏州继续保持技术前沿地位，泰州市在纯技术效率方面取得了较大提升，连云港和淮安的规模效率超过1，但纯技术效率仍有较大提升空间。在本研究里，纯技术效率的提升明显推动了整体效率的改善，纯技术效率的增加快于规模效率的提升速度，江苏省物流行业现代化转型显示，物流企业普遍采用先进科技之后，其技术力量和管理效能得到明显加强，资源调配趋向合理化，技术效率大幅增长，江苏省物流业在规模化、集约化方面确实取得进步，效率稳步上升，这更多归因于管理改进而非技术革新，江苏省最近推动物流行业革新升级，重视提高物流领域的信息化水平，这种做法符合当下的发展潮流。3.3.2.基于区域视角的碳排放效率分析考虑到江苏省区域发展的不平衡性，根据地理位置和经济发展水平，将江苏省13个城市划分为苏南地区（南京、无锡、常州、苏州、镇江）、苏中地区（南通、扬州、泰州）和苏北地区（徐州、连云港、淮安、盐城、宿迁）三个区域，对各区域的物流业碳排放综合效率进行分析，2010-2022年综合效率的变动状况如图3-2所示，主要年份的效率分解值则如表3-4所示。从图3-2可以看出，三个区域物流业碳排放效率的变动趋势大体上是相似的，均呈现稳步上升态势。苏南地区的效率值一直最高，苏中地区次之，苏北地区效率值最低。2010-2022年，三个区域的碳排放效率值都呈现出持续上升的趋势，其中苏南地区效率值由0.567上升至0.764，苏中地区由0.391上升至0.642，苏北地区由0.255上升至0.345。图3-22010-2022年江苏省分区域物流业碳排放综合效率变动趋势数据来源：基于《江苏统计年鉴》数据计算和分区域整理所得结合表3-4可以发现，苏南地区的纯技术效率和规模效率均高于另外两个区域，这主要是因为苏南地区经济发达，物流业信息化程度高，现代物流技术和管理模式应用广泛。苏中地区的规模效率高于纯技术效率，表明该区域物流业规模经济效应明显，但在技术应用方面仍有提升空间。苏北地区纯技术效率较低，说明该区域在物流技术创新和应用方面相对落后，需要进一步加强物流现代化建设。表3-42010-2023年江苏省分区域物流业碳排放效率分解区域2010201620222023PTESEPTESEPTESEPTESE苏南地区0.6890.8220.7510.8720.8210.9300.8290.934苏中地区0.4390.8990.5190.9090.6820.9390.7070.941苏北地区0.3010.8470.3360.8860.3750.9180.3880.922数据来源：基于《江苏统计年鉴》和《中国交通年鉴》的数据，按区域分类计算整理整体来看，三个区域的效率差距呈现缩小趋势，表明江苏省物流业区域协调发展取得了一定成效。随着江苏省物流一体化进程的推进，区域间物流资源整合和协同效应将进一步显现，有助于提升全省物流业的整体碳排放效率。3.3.3.基于城市视角的碳排放效率分析前文主要从全省和区域两个层面对物流业碳排放效率进行分析，接下来将从城市层面出发，对主要城市的碳排放效率现状及成因展开探究。从表3-2可知，2022年碳排放效率排名前三的城市为南京、苏州和无锡。南京市的效率分解值均于2022年达到最优，一方面是因为南京物流现代化发展水平高，物流信息化程度领先全省，另一方面南京实施绿色物流发展战略，优化运输结构，大力发展多式联运，减少碳排放，从而实现了效率的双重提升。苏州市在2022年纯技术效率达到了有效状态，规模效率为0.936，这表明苏州在物流技术应用方面处于领先地位，但在规模结构优化方面仍有小幅提升空间。无锡的纯技术效率和规模效率均处于较高水平，这与无锡市近年来积极推进物流业转型升级，发展互联网+物流新模式有关。排名靠后的宿迁、镇江和连云港，其低效率的主要原因各有不同。宿迁的纯技术效率和规模效率均较低，表明其物流技术水平和规模结构均需进一步优化。镇江的规模效率仅为0.757，远低于其纯技术效率，说明镇江物流业规模结构不合理是导致其综合效率低下的主要原因。连云港虽然规模效率超过1，但纯技术效率仅为0.291，表明其物流技术应用水平严重滞后于其发展规模，亟需加强技术创新和应用。可以发现，2010-2023年多数城市的物流业碳排放效率值发生了层级的变迁。2010年碳排放效率处于高效率层级的城市有南京、无锡和苏州，处于低效率层级的为连云港、淮安、宿迁和盐城，主要集中在苏北地区。到2016年，南通、扬州由中等效率层级上升至中高效率层级，盐城由低效率上升至中等效率层级，其余城市的层级未发生变化。到2022年，南京效率值达到1，进入最高效率层级，常州和泰州由中高效率和中等效率层级分别上升至高效率层级，连云港和淮安由低效率上升至中等效率层级，宿迁仍处于低效率层级。整体来看，2022年仅宿迁一市的效率值处于最低层级，说明该市物流业有效产出不强或无效产出过量，在技术应用和规模结构方面均需进一步改进；处于中等效率层级的城市数量增多，表明江苏省物流业碳排放效率整体发展较为均衡；南京、苏州、无锡、常州和泰州等城市的效率值处于高效率层级，成为全省物流业低碳发展的领先地区。从空间分布特征看，物流业碳排放效率呈现明显的南高北低格局，这与江苏省经济发展的区域差异密切相关。苏南地区经济发达，物流需求旺盛，同时物流基础设施完善，现代物流技术应用广泛，因而碳排放效率较高。苏北地区经济相对落后，物流现代化水平较低，碳排放效率处于较低水平。3.3.4.碳排放冗余状况分析根据创建的SBM（超效率数据包络分析）模型，如果碳排放效率小于1，各个城市碰到的问题包含投入冗余，预期产出短缺以及碳排放冗余，投入冗余就是说跟碳排放效率较高的城市对比起来，倘若要保住当下的产出水平，可以通过缩减资源投入来达成成本节省，而预期产出短缺和碳排放冗余却指向了在保留现有的投入规模之时，可以通过改良达到增多的实际产出和削减的碳排放的潜能空间，由于篇幅有限，本文重点剖析各大城市在综合效率范围内存在的碳排放剩余状况，具体的数据查看表3.5。表3-52010-2023年江苏省13个市物流业碳排放冗余量（万吨）城市201020132016201920222023排序南京45.7938.2632.5321.470.000.0013无锡53.6847.1542.3938.2432.5630.1510徐州109.32102.8996.7891.4589.2787.644常州62.7357.1552.9448.3641.5839.429苏州59.3747.2938.5626.5818.7416.3511南通86.4579.8273.5868.9364.2762.156连云港95.8793.6491.8389.4286.7885.235淮安65.7963.6261.9559.8258.3457.267盐城101.5498.7396.2893.4690.1888.573扬州57.6854.2351.3548.7446.8945.428镇江42.9540.7339.2638.5437.8537.2510泰州56.4353.7950.2445.7816.3514.7212宿迁127.46123.85120.37117.63115.28113.751苏南地区52.9046.1241.1434.6426.1524.63-苏中地区66.8562.6158.3954.4842.5040.76-苏北地区100.0096.5593.4490.3687.9786.49-均值74.2369.3265.2360.6553.7052.15-注：排序指2022年碳排放冗余量/率从大到小的排名数据来源：基于SBM-Undesirable模型测算结果，结合《江苏统计年鉴》的能源消费数据计算得出表3-5的数据信息表明，江苏省物流产业在最近十二年里，它的平均碳排放量多余量一直处于下滑态势，由2010年的74.23万吨降低到2023年的52.15万吨，总体跌幅达29.75%。在时序分析下，三个经济地区的碳排放量冗余量都呈递减走向，2023年数据显示，苏北地区的碳排放冗余量为86.49万吨，苏中地区为40.76万吨，苏南地区最低，仅为24.63万吨。值得注意的是，2022年至2023年，各地区碳排放冗余量减少趋势继续保持，但减少幅度有所放缓，这可能表明减排工作进入了深水区，需要更加有效的技术创新和管理优化措施。各个城市2022年碳排放余量由大到小进行排序，发现宿迁市、盐城市以及徐州市三座城市碳排放余量排在前面，这也符合之前提到的碳排放量排名趋势，南京市是唯一一个碳排放余量为零的城市，由于江苏省大部分城市碳排放量呈现下降趋势，因此仅仅对比碳排放冗余量的变化无法反映出各个城市减排效果的改善情况，接下来会计算碳排放冗余率，也就是各个城市碳排放冗余量占初始碳排放量的比例，以此来进一步了解各个城市减排潜力的大小，如表3-6所示，碳排放冗余率具体数值如下。表3-62010-2023年江苏省13个市物流业碳排放冗余率（%）城市201020132016201920222023南京32.5826.7321.4515.320.000.00无锡35.2730.4526.3822.7518.9617.52徐州72.3568.4365.2861.8458.7657.43常州53.8248.9544.6340.3834.5733.21苏州32.8725.7420.8314.259.868.54南通63.5758.2353.4648.7245.3844.16连云港78.4575.8673.4270.8568.3767.25淮安76.9274.6372.3469.5867.4266.58盐城75.4872.3669.5466.8564.2863.15扬州61.3557.8454.2650.7347.8546.72镇江76.8573.4270.5768.2566.8366.25泰州65.3761.2457.3652.8718.7216.85宿迁82.7580.3678.4276.2873.8572.64苏南地区46.2841.0636.7732.1926.0425.10苏中地区63.4359.1055.0350.7737.3235.91苏北地区77.1974.3371.8069.0866.5465.41均值62.1358.0254.4650.6744.2243.10注：排序指2022年碳排放冗余量/率从大到小的排名数据来源：根据表3.5数据和初始碳排放量计算得出由根据表3-6的数据来看，截至2023年，江苏省物流业碳排放冗余率进一步下降至43.10%，较2010年下降了30.63%。三大区域中，苏南地区冗余率最低，为25.10%；苏中地区次之，为35.91%；苏北地区最高，为65.41%。2023年数据显示，南京市碳排放冗余率继续保持为0，泰州市(16.85%)和苏州市(8.54%)也表现优异，而宿迁(72.64%)、连云港(67.25%)和淮安(66.58%)等苏北城市的冗余率仍然较高，表明这些地区在减排方面还有较大的提升空间。值得注意的是，2022年至2023年间，多数城市碳排放冗余率的降低幅度较前几年有所减小，这可能反映出简单的低碳措施效益已趋于饱和，未来需要更深层次的技术创新和管理变革。就各城市在2022年的碳排放情况进行分析，南京有着最好的碳排放缩减成果，它的碳排放冗余率降为零，这表现出其碳减排策略是有效的，同南京相比，苏州和泰州的碳排放冗余率被控制在20%以内，这显示这两个城市在缩减碳排放方面有着较为明显的进展，减排空间比较小，宿迁，连云港，淮安，镇江等城市的冗余率大多超出65%，这就体现出这些地方在碳减排方面存在很大的改善余地，依照之前对于碳排放效率所作的研究，以后城市在物流方面的增长策略应当重视创新技术的应用以及合理的规模扩大，目的就是提升经济产出效率，而且还要回应国家政策，加快物流科技更新速度，加大各种运输手段整合和资源优化的力度，从而促使城市走上可持续，低排放的发展道路。从区域布局看，苏南地区的碳排放冗余率明显低于苏中和苏北地区，体现了明显的南低北高格局，与物流业经济发展水平呈现负相关。这主要是因为苏南地区经济发达，物流需求旺盛，同时物流设施完善，现代物流技术和管理模式应用广泛，碳排放效率较高。而苏北地区经济相对落后，物流现代化水平较低，多依赖传统的高碳运输方式，导致碳排放效率处于较低水平。不过随着时间推移，区域差距有所缩小，表明江苏省在促进物流业绿色低碳发展方面取得了一定成效。3.4.物流业经济增长分析3.4.1.基于时间角度的经济增长分析为了后面章节研究物流业碳排放效率与经济增长的耦合协调程度，先用量化的方式评价碳排放效率并进行细致分析，之后本研究对2010-2023年江苏省十三个市的物流业经济增长情况加以分析，利用物流业实际增值（以2010年为基年）与物流业从业人数之比表示物流业经济增长，其统计资料如表3-7所示。表3-72010-2023年江苏省13个市人均物流业增加值（元）城市201020132016201920222023排序南京12877.9116432.5420936.8225738.4730542.3532785.681无锡10543.7414268.4518762.3622853.6826984.6728765.423常州9066.3112465.3216235.4220546.3723956.4625487.325苏州11543.5215678.2420354.6824685.3228764.9230852.472南通7173.919645.3712847.5615968.4318754.3220126.857连云港3577.284658.936253.477986.549452.3710235.6413淮安3700.654895.426527.848346.5210236.4511354.2812盐城4335.985786.547654.289852.3712167.4513285.639扬州6505.368742.5711625.4314853.6217965.3419358.728镇江8382.8310975.3614538.6218264.5321574.6823184.576泰州6765.369154.7212354.6815875.4324352.7426437.854宿迁3045.874132.565643.527325.4610564.2811824.5311均值7051.929423.7912406.0315609.6419005.3620502.59- 数据来源：基于《江苏统计年鉴》的物流业增加值和从业人员数据计算得出由表3-7数据显示可知，江苏省人均物流业增加值呈现明显的递增趋势，江苏省人均物流业增加值继续保持增长态势，从2010年的7051.92元增加到2023年的20502.59元，增长了190.7%。在2022年至2023年间，全省平均人均物流业增加值增长7.88%，增速略有放缓但仍保持稳健。2023年数据显示，南京市以32785.68元位居首位，苏州市以30852.47元紧随其后，无锡市以28765.42元位列第三。泰州市近年来发展迅速，以26437.85元跃居第四位。分地区来看，苏南地区的人均物流业增加值明显高于苏中和苏北地区，但苏北地区的增长速度相对较快，体现了区域协调发展战略的积极成效。按研究阶段中人均物流业增益排序，南京，苏州，无锡位居前三，尤其南京，作为省会，长三角北部物流枢纽，年均物流业增益增长率达8.24%，反观苏北地区连云港，淮安，宿迁三市物流设施建设和信息化程度滞后，排名靠后，不过发展势头同样不容小觑，这也体现出江苏在推进区域物流均衡发展方面已有一定成果。3.4.2.基于空间角度的经济增长分析按照表4.1所给出的耦合协调度等级划分标准，对特定年份的区域耦合协调度分布情况展开细致分析，再借助图3-3形象展示出来，从而显示出各个时段市域之间协调状况变动的趋势。图3-32000-2019年江苏省三大区域人均物流业增加值变动趋势数据来源：基于《江苏统计年鉴》数据计算整理可以发现，三个区域的人均物流业增加值均呈现稳定持续的上升趋势，其中苏北地区的数值最小且增长速度也较缓慢，苏南地区数值最大而苏中地区居中。苏北地区的人均物流业增加值最小主要是因为该地区经济发展相对落后，物流需求不足，且物流服务质量和效率较低；苏南地区的人均物流业增加值一直领先，主要由于该区域制造业发达，外贸活跃，物流需求旺盛，同时物流基础设施完善，现代物流技术和管理模式应用广泛，从业人员素质较高；苏中地区介于两者之间，其物流业正在加速发展，尤其是泰州近年来通过积极引入现代物流技术和管理方法，物流效率显著提升，增长速度明显加快。本文将人均物流业增加值划分为五个层级，即最低级、次低级、中间级、次高级和最高级。2010年，处于最高级的城市有南京、苏州和无锡，处于最低级的城市为连云港、淮安和宿迁，体现出明显的南高北低格局。到2016年，城市间的差距进一步拉大，但各层级的城市分布基本稳定，仅有淮安和连云港由最低级上升至次低级。2022年，各城市的人均物流业增加值显著增长，泰州由中间级跃升至次高级，宿迁由最低级上升至次低级，连云港则成为唯一处于最低级的城市。从空间分布特征看，江苏省物流业经济增长始终呈现南高北低的空间格局，这与区域经济发展水平高度相关。苏南地区作为江苏省经济最发达的区域，制造业集聚，进出口贸易活跃，拥有完善的物流基础设施和高效的物流服务体系，物流业发展水平领先全省。苏北地区经济相对落后，物流需求有限，且物流设施和服务水平较低，物流业发展相对滞后。随着时间推移，各城市间的差距在不断扩大，表明物流业发展存在明显的马太效应，即发达地区的物流业发展更加迅速，落后地区的发展相对缓慢，区域协调发展仍然面临挑战。3.5.本章小结本章在构建碳排放效率测度指标体系的基础上，这一章节对2010到2023年江苏省13个行政区物流行业碳排放效率展开量化分析，并仔细剖析了其间的变化趋向，此研究还深入探究了这段时间物流业的经济成长状况，归纳总结之后，我们通过对上述分析加以综合考量，就找到了物流业推动经济发展时，其碳排放效率改善的明显之处以及可能存在的影响要素：（1）研究时段里，江苏省物流行业的碳排放效率保持着稳定的提升趋势，从地理角度看，苏南、苏中和苏北这三个区域的物流业碳排放效率均呈增长曲线，苏南地区效率一直领先，苏北地区效率偏低。（2）从城市角度看，南京在2022年的碳排放效率上进步较大，其他地方也维持着增长趋势，宿迁，镇江，连云港这些地方的排名比较靠后，背后的原因包含各地资源基础不同，物流产业现代化，规模化发展的程度也不一样，物流业碳排放效率有着明显的地域差别，存在南高北低的空间分布特点。（3）江苏省物流行业的碳排放减量方面取得了不小的成果，平均碳排放冗余量在不断减少，碳排放冗余率也在下滑，由此可见该地区在环保可持续发展的成效是较为明显的，在三个区域当中，苏南地区的资源重复利用率相对来说比较高，而苏北地区的资源重复利用率相对来说比较低，这说明苏北地区存在着大量的节能减排空间。（4）经济指标当中，江苏省各个地方人均物流业产出有着明显的增长趋势，南京，苏州，无锡占据前列，连云港，淮安，宿迁则表现得相对低些，物流产业的增长方式存在明显的地域差别，南方地区的经济活动比较活跃，和北方地区形成对比，这种空间上的分布状况还表现出区域间增长差距正在拉大。

第四章江苏省物流业碳排放效率与经济增长耦合协调度分析由于前一部分研究了物流行业在江苏省内不同城市中的碳排放效率以及其与经济成长之间的联系，所以本章节将使用耦合协调度模型作为工具，目的在于衡量和评定物流业碳排放效率同经济发展之间的协同情况。通过创建综合评价指标体系，针对各个市的耦合协调度执行计算并加以归类，进而深入探究不同层次耦合协调度的空间分布状况，从而体现区域间的进展动态及改良途径。4.1.耦合协调度模型构建及结果分析4.1.1.耦合协调度模型构建耦合度模型采用的是物理领域里的容量耦合理论，它目的在于刻画和衡量两个或者更多个系统彼此依存、互相作用的紧密程度，物流领域的碳排放同经济成长之间存在双向互动效应，鉴于这个情况，我们创建起一套涵盖物流业碳排放机制和经济运作的耦合分析架构，希望能够对两者相互依存以及相互影响的机理展开更为深入的研究：W=2X1×X在公式4.1里，：W为耦合度系数；X1表示物流业碳排放效率；X2表示经济增长水平，W被看作两个系统之间的相互联系强度，X1是物流产业碳排放状况，这个数值通过物流产业碳排放效率得出，X2代表着经济体系情况，用人均物流产业增加值来衡量，为了保证对比公平，对X2做了标准化处理，耦合度指标W处于0到1的范围内，W越接近于0，就表明物流业碳排放效率同经济增长之间的相互作用比较小，当W越接近于1的时候，两者的交互作用越大，系统的有序程度也越高。实际上，耦合度模型可以反映出系统组件之间的互动紧密程度，但无法反映出系统中各个元素之间相互协同的程度。我们在此基础上发展了耦合协调度模型，是对耦合度模型的一种拓展，用来更加全面的评价与管理系统之间交互的复杂性和协同性：S=   T=αX1+β式(4.2)中，S为耦合协调度；W为耦合度系数；T为综合评价指数。S表示衡量物流行业碳排放效率与经济成长协同性的指标，T则是衡量两者整体效能的综合分数，α与β是未确定的参数，符合α+β=1这一条件，文中采取等分的形式，即α=β=0.5，耦合度量指标，数值范围被限定在0到1之间，数值越接近于1，碳排放强度与经济产出增长间的协同优化状态就越好，为了直观地表现出各个城市之间的耦合协调度差别，我们采用了等距划分的方法，把耦合协调度指标划分成五个不同的等级，再按照全面评估得到的分数来对城市实施分类，具体的分类情况如表4-1所示。表4-1耦合协调度等级划分耦合协调度耦合协调等级综合评价指数0.0≤S≤0.2严重失调0.2<S≤0.4初级失调X₁<X₂，效率滞后型0.4<S≤0.6中等协调X₁=X₂，同步发展型0.6<S≤0.8良好协调X₁>X₂，经济滞后型0.8<S≤1.0优质协调数据来源：基于耦合协调理论和先前研究成果整理归纳在耦合协调度评价过程中，为确保各指标权重的客观性，本研究采用熵值法确定指标权重。熵值法是一种基于信息熵理论的客观赋权方法，其基本原理是：信息熵越大，指标的不确定性越大，对系统的影响越小，权重也就越小。反之，若信息熵越小，指标的不确定性越小，区分度越高，权重也就越大。熵值法确定权重的计算步骤如下：（1）数据标准化处理对原始数据矩阵进行标准化：X=xijm×n 得到标准化矩阵：Y=yijm×n(4-5)对于正向指标：yij=xij−min对于负向指标：yij=max（2）计算指标比重：p−ij=y−ij / （3）计算第j个指标的熵值：ej=−ki=1m其中，k=1/ln(m)，且当pᵢⱼ=0时，定义pᵢⱼln(pᵢⱼ)=0（4）计算第j个指标的差异系数：gj=1−ej j=（5）计算第j个指标的权重：wj=gj/i=1通过熵值法计算的权重能够客观反映指标间的差异性，避免了主观赋权可能带来的偏差，使得耦合协调度评价结果更具科学性和可靠性。4.1.2.基于时间角度的耦合协调度分析依据上节耦合协调度计算公式，对2010-2023年江苏省13个地级市物流业碳排放效率与经济增长的耦合协调度进行测度，结果如表4.2所示。表4-22010-2023年江苏省各市物流业碳排放效率与经济增长耦合协调度结果地区201020142018202020222023排序年均增速(%)南京0.6930.7820.8050.8230.8460.86531.71无锡0.7120.7680.7900.8370.8650.87821.63徐州0.4580.5120.5640.5930.6180.632102.51常州0.5780.6120.6540.6870.7150.72961.80苏州0.7420.8050.8470.8720.8950.91311.62南通0.5630.6120.6580.6830.7080.71671.87连云港0.4250.4680.5120.5360.5610.572122.32淮安0.4040.4610.4950.5280.5520.568132.67盐城0.4260.4720.5190.5460.5740.585112.47扬州0.5410.5980.6340.6720.6950.70882.10镇江0.6140.6580.6930.7240.7420.75551.60泰州0.5320.5870.6250.6540.6860.70592.19宿迁0.3760.4320.4860.5270.5650.582123.42均值0.5430.5980.6370.6680.6940.708--2.04注：排序指2023年耦合协调度从高到低的排名；年均增速使用2010-2023年复合年增长率计算数据来源：根据熵值法和耦合协调度模型计算得出观察全省范围内数据可知，2010-2023年物流业碳排放效率与经济增长的耦合协调度呈现稳定上升趋势，2010年平均耦合协调度为0.543，属于中等协调范围，2023年平均耦合协调度为0.708，逐渐接近良好协调等级的中心区间。该阶段江苏省物流业碳排放效率与经济增长的耦合协调能力提高30.39%，年均增长率为2.04%。2023年数据显示，苏州市的耦合协调度达到0.913，已进入优质协调区间，无锡市和南京市紧随其后，分别为0.878和0.865，都处于良好协调偏上水平。宿迁市虽然排名靠后，但增长速度最快，年均增速达3.42%，显示出后发地区的赶超态势。4.1.3.基于空间角度的耦合协调度分析（1）区域视角下的耦合协调度分析。按照江苏省的区域差异，将13个市划分为苏南、苏中和苏北三个区域，各区域协调度由区域内各市协调度均值表示，计算结果如表4.3所示。表4-32010-2023年江苏省三大区域物流业碳排放效率与经济增长耦合协调度均值区域201020142018202020222023年均增速(%)苏南地区0.6680.7250.7580.7890.8130.8281.66苏中地区0.5360.5920.6330.6620.6910.7102.21苏北地区0.4180.4690.5150.5460.5740.5892.67数据来源：基于表4-2数据按区域分类整理计算得出就2023年而言，苏南地区物流行业的碳排放效率与经济增长耦合协调发展程度最高，指标值达到了0.828，已进入良好协调级别；其次是苏中地区，达到0.710，处于良好协调边缘；苏北地区的该指标值为0.589，仍处于中等协调水平。各区域内部耦合协调度的发展速度方面，苏北地区的年增长率仍最高，为2.67%；其次是苏中地区，年均增长率为2.21%；相对而言，苏南地区的年均协调度增长最慢，为1.66%。2023年的数据进一步确认了江苏省区域发展不平衡的基本格局，但也表明各地区协调发展水平均有所提升，区域差距正在逐步缩小。探究苏南地区物流业碳排放效率领先的缘由，发现其优势大多归因于区域内高效发展的经济模式，成熟的基础设施和稳定增长的经济状况等，这些因素共同起作用，导致苏南地区物流业发展水平较高，大多数城市已经达到或接近最优运营状态，这就限制了进一步提升效率的可能性，由于苏南地区物流业发展较早，积累了大量实践经验与资源，所以其协调发展的水平位居全国首位，不过，在寻求更高效率时，增长速度可能会比较缓慢。相比于其他区域，苏北地区碳排放效率以及物流业人均产值在初期相对落后，造成整体协调发展水平偏缓，通过物流信息系统现代化建设以及产业优化策略，该地区经济的增长速度大幅提高，所以其协调发展水平改善速度最快。（2）从地区层面来看耦合协调度的评价，对在物流业碳排放效率与经济增长之间找到一个平衡点的城市做深入分析，分别针对位于前列及末尾的城市，探究各自的特点，所面临的问题以及可能的解决办法，排名前三位的城市分别是苏州、无锡、南京间，苏州市的耦合发展指数呈现出逐渐上升的趋势，到2022年达到了0.895的水平，耦合发展指数的提高，很大程度上是由于物流业碳排放效率较好，大部分时期效率值都接近最高值1，且人均物流业产出位列第一，经济成长速度明显加快。2010年后无锡市与南京市之间的耦合协调水平有明显上升趋势，无锡市的耦合协调度由2010年的0.712增长到2022年的0.865，南京市的耦合协调度由2010年的0.693提升到2022年的0.846，年均增速分别达到1.63%和1.68%，体现出两市之间合作与整合能力不断加强，无锡、南京两个城市主要采取了对物流园区实施智能化改造，并执行绿色物流战略的方式来改善物流方面的碳排放效益，产业结构的细致化改变也促使经济稳步向前迈进。再看排名后三的城市，即盐城、连云港和淮安，2022年协调度分别为0.574、0.561和0.552，年均增速分别为2.50%、2.34%和2.63%。这些城市物流业碳排放效率和人均增加值排名均靠后，但增长速度较快。分析原因主要是这些城市近年来逐步推进物流业绿色转型，加强基础设施建设，提高物流运作效率，使得协调发展水平有较大提升，但与苏南城市相比仍存在差距。4.1.4.耦合协调度的分类探讨本文不仅详细地探究了物流业碳排放效率与经济增长之间的耦合协调变化轨迹，而且依照表4-1中的综合评价指标，对各个城市之间的协调程度展开细致的划分，针对各个城市而言，其在不同年份之内的分类情况可参见表4-4。表4-42010-2023年江苏省各市物流业碳排放效率与经济增长耦合协调发展类型地区201020142018202020222023南京◆◆◆○○○续表4-42010-2023年江苏省各市物流业碳排放效率与经济增长耦合协调发展类型地区201020142018202020222023无锡◆◆○○○○徐州▽▽▽▽

常州▽

苏州◆○○○●●南通▽

连云港▽▽▽▽▽▽淮安▲▽▽▽▽▽盐城▽▽▽▽▽▽扬州▽▽

镇江◆◆◆

泰州▽▽

宿迁▲▽▽▽▽▽注：■表示严重失调型(经济滞后)；□表示严重失调型(效率滞后)；▲表示轻度失调型(经济滞后)；△表示轻度失调型(效率滞后)；▼表示基本协调型(经济滞后)；▽表示基本协调型(效率滞后)；◆表示良好协调型(经济滞后)；

表示良好协调型(效率滞后)；●表示优质协调型(均衡发展)；○表示良好协调型(均衡发展)；☆表示优质协调型(均衡发展)。数据来源：根据耦合协调度模型和综合评价指数分类整理得出通过对表4-4以及表4-2的数据加以剖析，我们注意到从2010年到2023年期间，江苏省各城市物流业碳排放效率同经济增长之间的协调性等级均呈现了逐步改善的趋势。2023年数据显示，相比2022年，各市的耦合协调发展类型基本保持稳定，南京、无锡和苏州保持高水平协调状态，其中苏州已连续两年处于经济与效率发展较好协调发展的水平。徐州在2022年由效率滞后型转为经济滞后型，2023年继续保持这一状态，表明其碳排放效率的提升速度已超过经济增长速度。连云港、淮安、盐城和宿迁仍然处于效率滞后型，说明这些地区在物流业碳排放效率提升方面仍有较大改进空间。总体来看，2023年江苏省已有9个城市处于较好的协调状态，协调发展趋势进一步巩固。从这一现象来看，一方面，各级地方政府不断加大财政投入力度并鼓励技术创新，使得物流行业信息化、智能化水平得到很大提升，从而推动物流经济高速发展；另一方面，江苏省物流产业正处于结构调整期，虽然也采取了一些节能减排技术，但是面对物流活动带来的碳排放增加，其效率提升速度较慢。江苏省内，物流业碳排放效率与经济成长的协同模式表现出由南向北逐渐减弱的地域特点，苏南地区最先迈步，带动高质化发展进程，苏中地区紧随其后，苏北地区虽然起步较晚，但增长速度最快，这主要是由于地区间的经济底座，产业布局，科技实力以及政策导向等多种因素共同造成的。4.2.空间自相关模型构建及结果分析4.2.1.空间自相关模型构建空间自相关分析属于探索性空间数据分析的重要手段，目的在于体现同一属性在地理空间中的分布情况以及相邻区域之间的联系，探究属性在空间上的聚集状况和差异，包含全面的空间关联度量及局部聚集性评价。（1）全局空间自相关。本研究采用全局莫兰指数（GlobalMoran'sI）检验江苏省各市物流业碳排放效率与经济增长耦合协调度的空间集聚状态，计算方法如下：GMI=i=1nj=X2=1ni此公式里，GMI表示全局莫兰指数，sᵢ和sⱼ分别对应不同城市的物流业碳排放效率与经济增长之间的耦合协调水平，n代表城市总数，wᵢⱼ是空间权重矩阵，根据Queen准则创建的二进制邻接矩阵，其特点是如果两个城市相邻就给定为1，不然就是0，全局莫兰指数的评价值处于[-1，1]区间内，其正值显示在总体层面上各个区域间的耦合协调度表现出正向关联的趋势，负值则表明存在负向关联的现象，当指数为零的时候，就表示没有空间上的相关性。统计检验值ZI的计算公式牵涉到标准化过程，其一般形式为（ZI=(X-μ)/σ），这里X表示样本观测值，μ是总体均值，σ则是总体标准差，这个公式用来度量样本值与平均值的偏离状况，单位是标准差的数量级，如此一来就能方便地比较不同数据集的相对位置：Z1=I−EIVI 其中，E[I]=1/(1-n)，V[I]=E[I²]-E[I]²。（2）局部空间自相关。全局莫兰指数仅能反映整体关联状态，忽略局部区域存在的异质性特征，因此需进一步进行局部空间自相关分析，使用局部莫兰指数（LocalMoran'sI）对局域内属性值的集聚或离散效应进行度量：LMI=Si−Sx2j对于具体城市i，可将上式进一步处理为：LMIi=j=1nW式（4-8）中，LMIᵢ被当作城市i的局部关联度指标，zᵢ和zⱼ是通过规范化处理之后，体现耦合协同水平的具体数值，借助LMIᵢ与zᵢ值的对比，我们可以把城市之间的协调发展状况划分成四类，如果二者都大于零，那就表明这个区域内部以及其周边城市的协调发展水平都处在较高水平，称之为高位协同（H-H）区域，要是LMIᵢ小于零而zᵢ值大于零，这就体现出该城市的发展水平比它周围的地区高，这种情形被称作高位低邻（H-L）集聚特征，当LMIᵢ和zᵢ值都是负数的时候，就表明这个城市及其周边地区的协调发展水平都比较低，这种情况归为低位协同（L-L）区域，如果LMIᵢ大于零而zᵢ值小于零，这显示出该城市的发展水平低于其相邻城市，这种情况被称为低位高位（L-H）集聚模式。4.2.2.全局空间自相关分析运用统计软件对2010-2023年江苏省各市物流业碳排放效率与经济增长耦合协调度的全局莫兰指数进行计算，并对其显著性进行检验，结果如表4-5所示。表4-52010-2023年各市耦合协调度的全局莫兰指数年份20102012201420162018202020222023Moran'sI0.4120.4260.4380.4450.4320.4250.4180.415z值3.2583.3523.4363.4863.4123.3583.3243.305p值0.0010.0010.0000.0000.0000.0010.0010.001数据来源：基于耦合协调度数据，使用GeoDa软件计算得出从表4-5的数据来看，2010到2023年期间，江苏省物流业碳排放效率同经济增长之间的耦合协调度，用全局莫兰指数来衡量，一直处在正值范围之内，具体数值处于0.412到0.445之间。20