1.引言
数字经济是全球经济未来的发展趋势，也是中国经济高质量发展的新动能。《数字中国发展报告2021》显示，2021年我国数字经济规模达45.5万亿元，总量稳居世界第二，成为推动经济增长的主要引擎之一[1]。数字经济的发展带动了物流业的深刻变革，推动物流业规模持续壮大，物流信息化水平持续提升，物流效率大幅度提高，成为经济社会发展的重要动力[2]。数字经济推动了物流业的高速发展，同时对生态环境的负面影响也越来越明显，二氧化碳等温室气体排放在很大程度上是由物流的快速发展造成的，化石能源消费和二氧化碳排放量对经济可持续发展和节能减排目标的实现有重大影响[3]。低碳经济发展模式因其具有低能耗、低排放、低污染的特征，已成为世界各国的迫切需要，在低碳约束背景下，数字经济推动物流业快速发展的同时还必须保护生态环境，减少能源消耗，担负起节能减排的责任[4]。因此，在低碳约束环境下正确认识区域物流数字化发展状况，分析影响区域数字物流发展水平的促进因素和制约因素，对于指导和规划数字物流朝着高能效、低排放的低碳物流模式发展具有重要意义。
2.评价指标体系构建
在遵循系统性、科学性、可比性、客观性及可操作性等原则基础上，从物流发展、数字化水平以及低碳生态发展三个方面出发，参考相关文献资料，构建了一个包含系统层、子系统层、指标层三个层次，共29项指标的低碳数字物流能力指标体系，如表1所示。
表1 低碳数字物流能力评价指标体系
注：主成分系数是利用SPSS软件进行主成分分析求得，从而计算得出每个评价指标的权重值，具体计算过程体现在全局主成分分析的内容中。
在低碳生态发展子系统中，指标“物流业能耗强度”和“物流业碳排放强度”的界定及计算公式参考周泰的相关文献[5]。
3.实证分析
3.1数据来源与处理
3.1.1指标数据来源
本文以江苏省作为研究对象，借鉴以往文献及其他国家学者研究，将“交通运输、仓储及邮政业”作为物流业，选取2013-2020年江苏省相关时间序列数据来进行研究，表1中所有指标计算需要的原始数据均来源于《江苏省统计年鉴》、《中国统计年鉴》、《中国能源统计年鉴》以及物流业运行发展报告等。
3.1.2指标数据的计算
根据 “物流业能耗强度”和“物流业碳排放强度”的计算公式可知，要得到这两个指标数据，需要先测算出区域物流业的能源消费总量和物流业碳排放总量。
（1）物流业能源消费总量的计算
根据《中国能源统计年鉴》可知，江苏省2013-2020年物流业能源消费种类主要有原煤、汽油、煤油、柴油、燃料油、液化石油气、天然气、液化天然气、热力和电力共10种能源类型，各类型能源的消费量原始数据如表2所示。
表2 2013-2020年江苏省物流业各类型能源消费量原始数据
将物流业对这10种能源的消费量，乘算各种能源的标准煤系数再汇总加和，即得到物流业的能源消费总量，各类型能源的折标准煤系数见表3。
表3 各类型能源的折标准煤系数
根据表2和表3计算出2013-2020年江苏省物流业各类型能源折算为标准煤后的消费量及能源消费总量，见表4。
表4 2013-2020年江苏省物流业各类型能源折算为标准煤后的消费量（万吨标煤）
（2）物流业碳排放总量的计算
物流业中车辆运输离不开化石能源、电力、天然气等提供动力，这些能源的消耗必将排放CO2，本文参考李妍等[6]的方法来核算碳排放量，各类型能源的CO2排放系数见表5。
表5 各类型能源的CO2排放系数
根据表2和表5计算出2013-2020年江苏省物流业各类型能源的CO2排放量以及碳排放总量，见表6。
表6 2013-2020年江苏省物流业各类型能源CO2排放量（万吨CO2）
在测算出区域物流业的能源消费总量和碳排放总量后，再结合统计年鉴查得的“物流业增加值”数据，就可以计算出“物流业能耗强度”和“物流业碳排放强度”的指标数据。
3.2全局主成分分析
3.2.1数据的无量纲化
为了消除变量间的量纲关系，需要对各个指标的原始数据进行标准化处理，本文进行标准化处理的公式如下：
，
分别为标准化处理前后的数据；
为第i个指标的均值；
为第i个指标的标准差。
3.2.2 KMO和Bartlett检验
在进行全局主成分分析之前，分别对六个子系统的指标进行KMO和Bartlett检验，KMO统计量值，通常用KMO≥0.5表示各指标变量之间的主成分比较适宜。Bartlett检验结果的显著性值P＜0.05时，则认为该指标数据适宜做全局主成分分析。本文利用SPSS分析软件对数据进行分析，分析结果表明各子系统的KMO值和Bartlett检验值均通过了检验，适宜做全局主成分分析，检验结果见表7。
表7 KMO和Bartlett检验结果
3.2.3提取主成分
SPSS软件进行主成分分析得到的各子系统的主成分统计特征见表。
表8 特征值与方差贡献率
3.2.4权重确定
将每个子系统下的指标综合得分系数进行归一化处理，得出每个指标的归一化权重值，结果见表1。
3.2.5子系统综合得分测算
将各子系统的指标权重值与对应指标的标准化数据进行乘积和的计算，即得到该子系统的综合得分值，计算结果见表9。
表9 江苏省低碳数字物流能力各子系统综合得分
3.3低碳数字物流发展水平综合得分测算及结果分析
在确定了低碳数字物流六个子系统的综合得分值后，将六个子系统作为变量进行一次全局主成分分析。根据KMO和Bartlett检验结果可知，KMO=0.711，显著性P=0.000，适合做全局主成分分析。根据方差贡献率和特征值，提取出一个主成分，其特征值为5.414，方差贡献率为90.234，计算主成分系数得到各子系统指标权重值，结果见表10，从而计算出低碳数字物流能力的综合得分，结果如图1所示。
表10 各子系统指标权重
图1 江苏省2013-2020年低碳数字物流发展综合得分趋势
由图1可知，研究期内江苏省低碳数字物流发展水平整体呈现上升趋势，表明在倡导低碳、绿色、环保的发展理念下，江苏省数字物流发展态势良好，综合发展水平越来越高。从曲线变动趋势来看，低碳数字物流指数的年增长率分别为46%、35%、29%、80%、734%、138%、54%，2014-2017年的增长幅度较为稳定，2018年的低碳数字物流指数大幅度增长。从表也可以看出，低碳数字物流发展综合得分与物流基础设施、物流运作规模、数字化发展前景以及创新发展能力的变动趋势基本保持相似走势，均呈现稳步上升趋势；从各指标权重来看，物流基础设施、物流运作规模、数字化发展前景以及创新发展能力这四个指标是影响数字物流发展水平的主要指标，这表明2013-2020年间江苏省低碳数字物流发展水平的提高主要是由物流基础设施的完善、物流运作规模的扩大、电子商务及ICT产业的蓬勃发展和科研创新能力的提升所带来的。数字经济基础指数得分呈现较大幅度的波动上升趋势，2017年的增长幅度最大；相较于其他五个子系统的整体上升趋势，低碳生态发展指数得分值整体呈现下降趋势，2017年出现了一次较大幅度的增长，随后又开始下降，直到2020年生态发展水平得到了小幅度的提升，但与2013年相比，低碳生态发展指数值大幅度下降，符合物流业快速发展所带来的环境污染这一现象，也是区域低碳数字物流发展的制约因素和短板，应加强环境治理并大力实施物流业各项节能减排措施，努力促使江苏省物流业朝着高能效、低排放的低碳物流发展模式迈进。
4.结论
本文选取2013-2020年江苏省的面板数据为样本，以低碳数字物流能力复合系统为研究对象，从物流基础设施、物流运作规模、数字经济基础、数字化发展前景、创新发展能力以及低碳生态发展六个维度构建能反映低碳数字物流能力的评价指标体系，运用全局主成分分析法测算各维度的得分值以及低碳数字物流能力的综合得分值，根据测算结果可知，江苏省低碳数字物流发展水平的提高主要是由物流基础设施的完善、物流运作规模的扩大、电子商务及ICT产业的蓬勃发展和科研创新能力的提升所带来的，而低碳生态发展水平，尤其是物流业能耗强度和物流业碳排放强度这两个指标在很大程度上制约了江苏省数字物流发展。
参考文献：
[1]王术峰,何鹏飞,吴春尚.数字物流理论、技术方法与应用[J].中国流通经济,2021(6):3-16.
[2]吴谢玲.数字经济时代物流业高质量发展问题研究[J].商业经济研究,2022(2):134-136.
[3]李晓梅,崔靓.数字物流、区域经济与碳环境治理耦合及影响因素[J].中国流通经济,2022(2):11-22.
[4]周泰,陈煜,杨嘉铃.区域低碳物流能力协调发展水平测度研究[J].中南林业科技大学学报 (社会科学版),2021,15(4):34-42.
[5]周泰.低碳视角下区域物流与生态环境协调发展研究[J].统计与信息论坛.2021,36(6):62-72.
[6]李妍,孙振清.碳排放约束下我国物流业运行效率测算及其影响因素分析[J].商业经济研究,2021(8):75-78.