前言
近年来，碳排放是国内外研究的热点问题。受新冠疫情的影响，2020年4月，全球二氧化碳日排量同比下降了17%，短期内经济发展速度的减缓，有利于环境气候，但在后期各国在致力于恢复经济复苏过程中，在能源和碳排放量的双重约束下，还需要协调资源和环境[1]。中国于2009年12月向世界宣布了“2020年碳排放强度减排目标”，温室气体成为重点的减排工作。同时，承诺到2020年单位国内生产总值碳排放量较2005年降低40%-50%, 2030年左右达到碳峰值[2]。作为世界上最大的能源消耗和CO2排放国，中国主导着全球碳排放趋势，面临着巨大的减排压力。为了实现这些目标，中国需要优化经济发展模式，发展低碳经济。
物流业作为国民经济和社会发展的基础性行业，已成为衡量一个国家或地区综合实力的重要指标之一。因此，中国政府为了构建高效、绿色的物流体系，借助多项政策与措施为物流业发展保驾护航。《推进运输结构调整三年行动计划(2018-2020年)》中指出，要明确铁路运能提升、水运系统升级、公路货运治理、多式联运提速、城市绿色配送行动等任务，更好服务建设交通强国和决胜全面建成小康社会。另外，在《打赢蓝天保卫战三年行动计划》中指出，持续开展大气污染防治行动，协同减少温室气体的排放，实现经济、环境和社会效益。同时，中共中央、国务院于2019年9月印发实施《交通强国建设纲要》，致力于打造绿色交通型体系，势必会给物流行业带来深远的影响。因此，要正确处理好能源消耗、经济增长和CO2排放之间的关系，将物流业作为节能减排的重点目标。由于，国内外学者对于物流碳排放测量和效率的研究主要集中于国家级、省级或者区域的层面，对于具体的物流企业研究过少，因此研究物流企业碳排放核算方法和绩效分析方法，可以为物流企业提出针对性的绿色减排方案。现代物流企业的发展不仅起到促进就业、调整产业结构等作用，同时可提高整个社会经济运行效率。
2.国外研究现状
2.1关于物流碳排放的研究
国外文献对于物流企业碳排放的研究过少，主要是集中于整个行业或者区域碳排放量的测算、影响因素、发展对策与建议等方面。如Zadek Hartmut（2010）介绍了物流活动中二氧化碳排放量计算方法、计算模型和一些可用的软件，该计算公式主要用于公路运输和铁路运输，同时也列出了不同类型燃料的二氧化碳排放系数和不同运输载体的部分平均值。研究结果表明物流部门二氧化碳排放量计算的相关性，以及物流行业可持续发展的重要性[3]。Ahm Shamsuzzoha（2020）采用定性和定量相结合的研究方法，提供离散事件模拟和供应链建模，来探讨供应链断裂的原因及减轻这些影响的方法，最大限度地减少二氧化碳排放，精益分销渠道[4]。研究结果表明，一个集中的管道系统可以提供更好的信息流，更高的货运能力和减少二氧化碳排放，以支持环境友好和可持续的供应链和物流过程[5]。另外，Syed Abdul Rehman Khan（2019）采用广义矩量法，研究全球43个不同国家的绿色物流需求与经济增长之间关系。结果表明，物流活动消耗的主要能源是化石燃料，与运输有关的基础设施和物流服务是二氧化碳和温室气体排放总量的主要贡献者。可再生能源和绿色实践可以减轻物流运营对环境可持续性的有害影响，并刺激一个地区经济活动[6]。Filip Johnsson（2017）比较了北欧地区的船舶二氧化碳和管道运输成本，此外通过计算管道体积的盈亏平衡点，得出特定地点所需的最小CO2体积，从而得出管道是运输成本最低的运输方式成[7]。Delivand提出将多标准分析整合到地理信息系统模型中，同时开发了物流成本分析和生命周期评估工具，估算单位物流成本和单位能源产出的二氧化碳排放量，同时利用物流绩效的生态效率来确定物流成本和温室气体排放最小的候选地点，因此来选择最佳工厂位置[8]。
2.2采用DEA模型对物流碳排放效率研究
近几十年来，气候变暖主要是由人类活动引起的，遏制全球变暖、减少温室气体排放已成为国际社会的共识。国外学者对于碳排放效率的研究，主要是构建数学模型，采用定量与定性进行数据分析，但研究对象主要是集中于国家或者地区层面，对于具体的物流企业文献研究过少。如Kaoru Tone（2002）采用超效率松弛测度(Super-SBM)模型，即将超效率和SBM模型结合起来的一种模型方法。该模型是非径向的，二氧化碳排放量作为非期望产出，可以将松弛变量引入目标函数[9]，有效的对决策单元进行排序；同时Kaoru Tone（2001）将Super-SBM模型与传统的CCR模型进行了比较，CCR是三个运筹学家名字缩写（A. Charnes amp; W. W. Cooper amp; E. Rhodes）。研究表明非期望产出SBM模型比CCR模型更准确、更可靠[10]。因此，为后期的对于物流企业碳排放效率的研究提供了借鉴与方法。另外，Mariano（2017）采用数据包络分析DEA（Data Envelopment Analysis）方法构建了一个低碳物流绩效指数，研究104个国家碳排放之间的关系[11]，但研究的方向主要是集中于国家层面[11]。
3.国内研究现状
3.1关于物流碳排放的研究
随着中国物流业的快速发展，碳排放量不断增加，带来的环境污染也越来越严重，发展低碳物流已成为当务之急[12]。郑颖（2019）提出在完善我国温室气体核算标准的过程中，更重要的是要注意在现有基础上与国际温室气体排放核算体系标准接轨，注意建立全国统一的温室气体排放核算体系[13]。碳排放核算研究方法主要有排放因子法、质量平衡法和实测法[14]，在以上三个方法中，物流企业使用最广泛的就是排放因子法，不同类型的物流企业都可以进行碳核算。
早期国内对碳排放核算的研究主要集中在化工、制造业等行业，如见逐渐向物流行业拓展，然而研究对象主要是集中于国家级、省级层面，对于具体物流企业碳排放核算标准与方法缺乏重视，使得物流企业排放因子数据库的缺乏, 直接影响物流企业碳减排的效果[15]。顾婷婷（2016）介绍了用于测算碳排放水平的几种方法，如：实测法、物料衡量法和模型分析法，同时运用碳排放系数法对我国物流业的碳排放水平进行了估算，此外通过构建中国30个省市的面板数据计量模型，实证研究了我国对外贸易对物流业碳排放的整体影响和区域影响[16]。针对近年来碳排放领域的核算研究，刘明达、蒙吉军（2014）等人从理论上讨论了IPCC（Intergovernmental Panel on Climate Change）和中国的碳排放项目清单，比较分析了三种主要的碳排放核算方法，即排放因子法、质量平衡法和计量法的优缺点及其适用对象，本文在总结现有研究成果的基础上，总结了碳排放研究的框架[17]。汤中明、周玲（2016）提出在测算中国低碳经济水平和物流业能耗数据的基础上，将低碳经济水平作为因变量、物流碳排放强度和单位GDP物流成本为自变量,构建多元线性回归模型，得出物流碳排放强度均与低碳经济发展水平之间的关系[18]。陈婧（2013）对物流碳排放进行了分析, 并提出碳排放的估算方法。其中，静态的碳排放量主要考虑物流配送中心运营过程中的碳排放，则动态碳排放可以根据不同企业的实际情况进行调整和应用[19]。
3.2采用DEA模型、Malmquist指数对物流碳排放效率研究
碳排放效率（Carbon Emission Efficiency，CEE）是在生产率框架下，对碳排放进行阐述的指标。物流企业碳排放效率指标表示每生产一单元产成品所排放的二氧化碳量，是对企业生产经营过程中对企业的碳排放效率进行衡量。传统的单一类型研究方法主要有情景分析法、指数分解分析法和传统计量法，研究局限于单一影响要素和碳排放效率之间的关系，这样容易忽视其他重要的影响要素。
近年来，组合研究方法的理论模型更具合理性。全要素碳排放效率有静态效率和动态效率两种情形，静态全要素研究碳排放研究效率主要是采用数据包络分析方法 （DEA）和随机前沿函数法 （SFA），动态全要素碳排放效率则是采用Malmquist 生产率指数分析方法[20]。因此，有更多的学者采用多个研究方法，展开对物流行业碳排放效率研究，但研究对象主要是集中于国家级、省级或者多个物流企业层面，对于具体的物流企业文献研究过少。
如张立国教授（2015）以效率和生产效率为理论基础，从全要素角度分析了中国物流业的能源效率及其动态变化，运用CCR-DEA模型和DEA-Malmquist指数分析方法，对我国物流业的能源效率进行了动态测量和分析，研究发现我国物流业全要素能源效率不高的现状。此外通过分解技术，将物流业的碳排放变化驱动因素分解为能源结构、能源强度、物流产出、经济发展和人口规模等五个方面，研究表明，经济发展是物流业二氧化碳排放量持续快速增长的重要因素，而物流产出的提高是抑制碳排放增长的最主要因素[21]。梁雯、方韶晖（2019）则采用DEA-Malmquist模型动态方法，选取物流从业人员和二氧化碳排放量作为投入指标，以物流业生产总值来衡量经济产出，同时考虑到环境变量，综合分析了长江经济带的物流效率。从区域分析和差异分析上看，物流产业的规模是限制长江经济带低碳物流的主要原因，依旧有很大的发展空间[22]。之后杨雪、马粟粟（2019）等人运用朱启荣对二氧化碳排放量的处理方法，将非期望产出的二氧化碳排放量作为投入变量，以内陆十省市的物流业生产总值及货运量, 作为物流业产出的指标，采用三阶段DEA模型对剔除环境因素和随机干扰前后的地区物流效率进行评价。研究结果表明，环境因素和随机干扰对物流效率的评估具有重要影响，内陆地区物流业发展不协调，效率水平差异大[23]。龚爱清（2018）利用非参数DEA 分析方法，也将二氧化碳排放作为物流业的一个投入要素，构建了物流业的二氧化碳排放效率测度模型，对中国物流业的二氧化碳排放效率进行了实证分析，研究了样本年内各驱动因素的区域和省域差异情况[24]。龙仁艳、欧阳汉珍（2018）等人提出将Super-SBM数据包络分析(DEA)模型与Malmquist动态指数相结合，对长江经济带11个省市2004 - 2016年的物流生态效率进行评价，并且利用莫兰指数分析物流生态效率的空间自相关性[25]。杨君爱、唐玲（2019）等学者试图以云南省16个城市为研究对象，分析城市层面物流业的碳排放绩效，特别是从静态和动态两个角度探讨了数据包络分析(DEA)模型和Malmquist指数，同时应用Tobit模型进行回归分析，该模型是指因变量虽然在正值上大致连续分布，但包含一部分以正概率取值为0的观察值的一类模型，通过此模型可进一步捕获物流中碳排放绩效的驱动因素[26]。李慧、李玮（2019）基于“丝绸之路经济带”9个省市2007～2016年物流业的数据, 通过BC2-DEA模型和Malmquist指数, 分别从静态和动态的角度对物流业碳排放效率进行测算和评价，同时利用核密度函数对碳排放效率的动态演进趋势进行分析，研究表明物流业碳排放综合效率的差异主要来自于纯技术效率[27]。陈焰、吕倩（2019）分别运用DEA和Malmquist指数分析方法从总体和不同类型物流企业两个角度，对我国上市物流企业2013-2017年间的运营效率进行静态分析和动态分析[28]。综上所述，国内学者已采用多个研究方法，研究整个物流行业碳排放效率的绩效分析方法，但是针对具体的物流企业的研究文献过少。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
