“双碳”背景下区域物流效率研究——以“一带一路”重点区域为例.pdf

第 33 卷第 4 期河北环境工程学院学报Vol.33 No.42023 年 8 月Journal of Hebei University of Environmental EngineeringAug.2023“双碳”背景下区域物流效率研究 以“一带一路”重点区域为例谷子硕1,周书灵2(1.安徽理工大学 经济与管理学院,安徽 淮南 232001;2.宿州学院 商学院,安徽 宿州 234000)摘 要:为实现国家“双碳”战略目标,推动物流业低碳可持续发展,将二氧化碳排放量作为投入变量,运用 DEA-BCC 模型与 Malmquist 指数模型对 20162020 年“一带一路”17 个重点区域的物流效率进行分析,并借助 Tobit 回归模型对其影响因素进行研究。结果表明,“一带一路”各重点区域的物流效率存在较大差距;技术进步是推动物流业全要素生产率上升的主要因素;除城镇化水平外,产业结构等因素与物流效率呈负相关关系。基于上述结论,提出加大科技投入力度,提高技术应用能力;贯彻低碳发展理念,走可持续发展之路等建议,以推动“一带一路”重点省份物流业低碳可持续发展。关键词:双碳;可持续发展;物流效率;一带一路DOI:10.13358/j.issn.2096-9309.2023.0419.04中图分类号:X322文献标识码:A文章编号:2096-9309(2023)04-0013-07引用格式:谷子硕,周书灵.“双碳”背景下区域物流效率研究 以“一带一路”重点区域为例J.河北环境工程学院学报,2023,33(4):13-19.收稿日期:2023-04-19 基金项目:安徽省高校人文社会科学研究重大项目(SK2021ZD0092)作者简介:谷子硕(1996-),男,山东德州人,安徽理工大学工业工程与管理专业硕士研究生在读,主要从事物流与供应链管理方面的研究工作。通讯作者:周书灵(1974-),女,安徽灵璧人,毕业于安徽大学经济学专业,博士,教授,硕士生导师,主要从事物流与供应链管理方面的研究工作。物流业作为战略性、先导性产业,是推动社会经济发展的重要动力1。但在物流业的发展过程中会消耗大量的能源,产生大量有害气体2。为展现负责任大国担当,实现经济的低碳可持续发展,习近平主席在2020 年9 月向世界作出“双碳”目标的中国承诺,我国将争取在 2030 年前实现碳达峰,争取在 2060 年之前实现碳中和3。“双碳”目标的提出加快了物流业的低碳发展步伐,通过对“一带一路”重点区域低碳物流效率的测算并对影响因素进行分析,有助于发现其物流业低碳发展过程中存在的问题,并据此提出针对性发展建议,对“一带一路”重点区域物流业的低碳发展具有重要意义。随着双碳进程的不断推进,低碳物流效率引起了越来越多学者专家的关注。在研究地域方面:闫妍4对我国“一带一路”沿线区域低碳物流效率及影响因素进行探究,发现自“一带一路”倡议启动以来,东西部地区的效率差距逐渐缩小,物流专业化程度对物流效率的正向作用显著;杜晖5选取了我国 30 个省(市、区)的数据样本,分析了物流业的低碳效率,结果发现我国物流业低碳效率总体水平较高,但区域间效率差距不断扩大;刘聪等6以长三角地区为研究对象,对其低碳物流效率进行了剖析,发现长三角低碳物流效率31投稿平台2023 年第 4 期https:/ 年 8 月在动态中向好发展;何景师等7研究我国三大湾区城市群的低碳物流效率及影响因素,发现物流运输强度等对绿色物流效率具有显著正影响;郑金娥等8对长江经济带的低碳物流业效率进行比较分析,结果发现,全带技术效率值有较大上升空间,规模效率上升空间非常有限。在研究方法上:李妍等9采用 SBM-DEA 模型评估了我国物流业效率的总体水平并结合 To-bit 模型进行回归分析,发现能源结构和政府影响与物流效率呈负相关;姚山季等10运用三阶段DEA 和曼奎斯特模型,分别从静态和动态对一带一路沿线省份的物流业效率进行测度;原雅坤等11利用三阶段数据包络分析模型对长江经济带生鲜农产品冷链物流低碳效率进行测度,并运用、收敛模型分析省际效率差异的收敛性;刘承良等12借助 SBM-Undesirable 模型对中国各省份的低碳物流业效率进行测算;王燕等13运用包含非期望产出的 SBM 模型,对全国 30 个省(市、区)碳约束下的物流效率进行了测度,并运用截尾样本模型分析我国区域物流效率的影响因素。综上可知,基于“双碳”背景的物流效率研究成果较为丰富,但多关注于经济发达省份或城市群,针对“一带一路”重点省份的研究较少并且基本以效率测算为主,对影响因素的研究相对缺乏。鉴于此,以“一带一路”重点区域为研究对象,将物流业能源消耗产生的二氧化碳排放量作为投入变量之一构建相应评价指标体系,采用 DEA-BCC 模型与 Malmquist 指数模型对其物流效率进行分析,并借助 Tobit 回归模型对其影响因素进行研究,针对研究结果提出针对性建议以期为促进“一带一路”重点省份物流业的低碳可持续发展提供参考。1 研究设计1.1 模型介绍1.1.1 DEA-BCC 模型模型数据包络分析法是一种定量分析方法,其特点是可以对具有多投入与多产出的同类决策单元相对有效性进行分析14。物流效率测度中最为常用的有 CCR 模型与 BCC 模型,前者的特点为规模报酬不变,后者特点为规模报酬可变15。为分析物流效率的客观发展情况,选用 BCC 模型对“一带一路”重点省份的物流效率进行测量,具体如公式(1)所示:s.t.min-(eTS-+eTS+)nj=1jXj+s-=Xj0nj=1jXj-s+=Yj0nj=1j=1j0,j=1,2,ns-0,s+0(1)式(1)中:Xj0 初始投入;Yj0 初始产出;j 权重系数;决策单元的效率值;阿基米德无穷小量;s-投入松弛变量;s+输出松弛变量。1.1.2 Malmquist 指数模型在进行低碳物流效率的测度时,为了更加客观分析 17 个重点省(市、区)的物流效率变化情况,借助 Malmquist 指数模型对动态物流效率进行分析16,具体公式如下所示:Mt+1t=Dt+1i(xt+1,yt+1)Dti(xt,yt)Dti(xt+1,yt+1)Dt+1i(xt+1,yt+1)Dti(xt,yt)Dt+1i(xt,yt)(2)M=TFPCH=EFFCHTECH=SECHPECHTECH(3)式(3)中:(xt,yt)t 时期的投入产出向量;(xt+1,yt+1)t+1 时期的投入产出向量;当M1 时意味着物流全要素生产率在升高;当 M0Y=0,Y0(4)式(4)中:Y 物流效率值向量;截距412023 年第 4 期谷子硕 周书灵“双碳”背景下区域物流效率研究 以“一带一路”重点区域为例2023 年 8 月项向量;回归参数;误差项且 N(0,2);X 自变量向量;Y 截断因变量。1.2 指标选择和数据来源1.2.1 指标选择评价指标的选择关系到研究的科学性和结果的准确性,根据对近年来学者们学术成果的研究发现,各学者在选择“双碳”背景下的物流效率评价指标上也有不同的考量,为本研究奠定了基础,部分学者们的评价指标选择如表 1所示:表 1 物流效率评价指标建模统计作者投入指标产出指标刘聪等6CO2排放量、从业人数、固定资产投资、等级公路里程物流产业增加值、货运量、货物周转量何景师等7从业人数、固定资产投资额、能源消耗量、运输线路综合总里程物流业增加值、货运量、货物周转量姚山季等10从业人数、固定资产投资额、CO2排放量、物流网络里程数货运量、物流业产值刘承良等12固定资产投资额、从业人数、物流网络里程数、能源消耗量物流业产值、货物周转量、CO2排放量王晓宇等18从业人数、从业者平均工资、固定资产投入、CO2排放量物流业生产总值、货运量、货物周转量李卫忠等19从业人数、固定资产投资额、能源消耗量货物周转量、生产总值、CO2排放量 根据表 1 的投入产出指标汇总并考虑数据可得性的基础上,本研究选取 CO2排放量、物流业从业人数以及物流业固定资产投资额作为物流效率评价的投入指标,输出指标则选择物流业增加值以及货运量。具体评价指标选取与指标解释如表 2 所示:表 2 投入产出指标体系指标类型指标名称变量单位指标解释说明CO2排放量S1万 t反映区域物流所消耗能源的碳排放情况投入指标物流业从业人数S2万人反映区域物流人力投入情况物流业固定资产投资额S3亿元反映区域物流资本投入情况产出指标物流业增加值C1亿元反映区域物流总体发展情况货运量C2万 t反映区域物流生产成果情况 在进行 CO2排放量统计时,将物流业所需的原煤等 8 种主要能源消耗量进行折标准煤计算,并在此基础上参考 2006 年IPCC 国家温室气体清单指南以及中国能源统计年鉴中的有关数据及方法对能源消耗后的 CO2排放量进行计算,折标准煤系数及碳排放系数如表 3 所示。二氧化碳排放量计算公式如下所示:Tij=mjjijj(5)式(5)中:Tij “一带一路”第 i 个省份第年的 CO2排放量;j 第 i 种能源的标准煤折算系数;ij 第 i 个地区的第 j 种能源的消耗量;j 第 j 种能源的碳排放系数。物流效率会受到诸多因素的影响,在考虑数据可得性基础上结合物流业发展实际情况选取产业结构、经济发展水平、环保重视程度、科技研发能力作为环境变量,具体如表 4 所示。表 3 各类能源折标准煤系数及碳排放系数能源种类标准煤折算系数碳排放系数原煤0.714 3 kgce/kg1.900 3 kg-CO2/kg汽油1.471 4 kgce/kg2.925 1 kg-CO2/kg煤油1.471 4 kgce/kg3.017 9 kg-CO2/kg柴油1.457 1 kgce/kg3.095 9 kg-CO2/kg燃料油1.428 6 kgce/kg3.170 5 kg-CO2/kg液化石油气1.714 3 kgce/kg3.101 3 kg-CO2/kg天然气1.330 0 kgce/m32.162 2 kg-CO2/m3电力0.122 9 kgce/kWh0.714 0 kg-CO2/kWh 注:资料来源于 2006 年IPCC 国家温室气体清单指南和中国能源统计年鉴。表 4 环境变量选取变量名称定义单位产业结构第三产业生产值与地区生产总值比值%环保重视程度节能环保财政支出占财政总支出比重%城镇化水平城镇人口占总人口比重%政府支持程度物流业财政支出占财政总支出比重%(1)产业结构。第三产业的发展离不开物流业的支持,产品的运输与服务的提供均需借助物流输送至消费者,因此产业结构对于物流效率表现有一定程度影响。(2)环保重视程度。目前,国家对于环保的重视程度持续加强,环保工作力度不断加大,从而对高度依赖传统能源的物流业造成一定影响。51投稿平台2023 年第 4 期https:/ 年 8 月(3)城镇化水平。随着城镇化进程的不断加快,大量人口涌入城市,随之带来的是消费活跃度的提升与商品消费量的增长,物流活动也会愈加密集,因此,物流效率在一定程度上也会受到城镇化水平的影响。(4)政府支持程度。我国实行的是以市场为导向,以政府调节为辅助的社会主义市场经济体制,政府的支持在一定程度上会影响物流效率。1.2.2 数据来源由于西藏自治区的相关数据缺失较多,顾将其数据剔除,最终选择上海、福建、浙江、广东、海南、重庆、广西、云南、黑龙江、吉林、辽宁、新疆、陕西、宁夏、甘肃、青海以及内蒙等 17 个省(市、区)作为研究研本。各环境变量与 CO2排放量为笔者根据 20172021 年中国统计年鉴中国能源统计年鉴所公布数据经计算而得,其余变量均直接采用上述各年鉴公布数据。2 实证研究2.1 基于 DEA-BCC 模型的静态物流效率分析借助 DEAP2.1 软件,将“一带一路”17 个重点省(市、区)的数据进行测算,得出各省(市、区)的物流效率值,测算结果如表 5 所示:表 5 20162020 年“一带一路”重点区域低碳物流效率值地区综合效率纯技术效率规模效率规模报酬上海0.7520.7521.000福建1.0001.0001.000浙江0.9541.0000.954drs广东0.9601.0000.960drs海南0.5310.7870.675irs重庆0.6350.6470.982irs广西0.7810.9970.783drs云南0.5710.7700.742drs黑龙江0.6860.7180.955irs吉林0.6550.6940.943irs辽宁1.0001.0001.000新疆0.7130.7470.955irs陕西0.8520.8540.997irs宁夏1.0001.0001.000甘肃0.5110.5150.991irs青海0.4151.0000.415irs内蒙古1.0001.0001.000平均值0.7660.8520.903 注:irs 表示规模报酬递增;drs 表示规模报酬递减;表示规模报酬不变。2.1.2 纯技术效率分析在纯技术效率表现上,福建、浙江、广东、辽宁、宁夏、青海以及内蒙古均达到纯技术效率有效,原因是上述地区的物流技术得到了良好的发展并实现了有效利用。纯技术效率均值为 0.852,未能达到平均水平的省(市、区)有上海、海南、重庆、云南、黑龙江、吉林、新疆以及甘肃,可以看出,其中有上海等经济发达地区,说明经济发展并不一定能使地区低碳物流纯技术效率得到提升。这种现象可能是发达地区对于低碳物流技术的投入欠佳造成的,应进一步关注低碳物流技术的发展与利用。2.1.3 规模效率分析在规模效率方面,“一带一路”重点区域的物流规模效率均值为 0.903,略高于 0.852 的纯技术效率均值,说明在综合效率的发展过程中,规模效率的带动能力要高于纯技术效率。达到规模效率均值的有上海、福建、浙江等 13 个省(市、区),占比超过七成,说明各重点区域的规模效率发展较为理想。海南、广西、云南及青海这 4 个地区的规模效率要低于纯技术效率,原因可能是存在物流业生产规模与自身发展水平不符,所以未能有良好的规模效率表现。2.2基于 Malmquist 指数模型的动态物流效率分析为更好地反映出“一带一路”重点区域的物流效率动态发展情况,使用 Malmquist 指数模型对其 20162020 年的低碳物流效率进行动态测算,具体结果如表 6 所示:表 6 20162020 年“一带一路”重点区域物流效率变动趋势年份技术效率技术进步纯技术效率规模效率全要素生产率201620171.0131.030.9851.0281.044201720180.9781.0921.0170.9621.069201820191.0371.0151.0241.0131.052201920200.9751.0170.9770.9980.992均值1.0011.0381.0011.0001.0392.2.1 各年份全要素生产率分析由表 6 可以看出,20162020 年各重点区域的物流全要素生产率均值为 1.039,年平均增幅达3.9%,呈小幅增长趋势。呈现增长趋势的原因是612023 年第 4 期谷子硕 周书灵“双碳”背景下区域物流效率研究 以“一带一路”重点区域为例2023 年 8 月技术进步指数增幅达到 3.8%,要高于技术效率指数 1%的增幅,起到良好的带动作用。纯技术效率也有较小幅度提高,增幅为 1%。规模效率指数均值为 1,呈现出持续稳定状态。2.2.2 各省份全要素生产率差异性分析为剖析“一带一路”各个重点省份 20162020 年期间的物流全要素生产率发展情况及各省份间存在的发展差异,对 17 个省(市、区)的测算数据进行了梳理,具体如表 7 所示:表 7 20162020 年“一带一路”重点区域全要素生产率及其分解地区技术效率技术进步纯技术效率规模效率全要素生产率上海1.0201.0681.0740.9501.090福建1.0000.9831.0001.0000.983浙江0.9961.0021.0000.9960.998广东0.9121.0781.0000.9120.984海南1.0181.0510.9791.0401.070重庆1.0361.0191.0341.0011.056广西1.0450.9961.0011.0441.041云南1.1500.9991.0681.0781.150黑龙江0.8691.1050.8820.9850.960吉林0.9961.0331.0020.9941.029辽宁1.0001.0741.0001.0001.074新疆0.9381.0190.9381.0000.956陕西1.0411.0731.0401.0011.117宁夏1.0001.0001.0001.0001.000甘肃1.0281.0611.0510.9791.091青海0.9881.0220.9581.0311.010内蒙古1.0001.0731.0001.0001.073平均值1.0011.0381.0011.0001.039 由表 7 可知,福建、浙江、广东、黑龙江、吉林、新疆、宁夏、青海的全要素生产率低于 1.039 的平均水平,未能对全要素生产率均值起到推动作用,占到研究总数的 47%。在全要素生产率大于 1 的12 个省(市、区)中,增幅最明显的是云南,其次是陕西与甘肃,增长率分别达到 15%,11.7%以及9.1%。云南全要素生产率提高是受技术效率提高的影响,其中技术效率又主要受规模效率的推动,说明云南在低碳物流发展中重视技术的运用。陕西与甘肃的技术进步效率提升是促成其全要素生产率提升的主要原因。2.3 Tobit 回归结果分析运用 DEA-BCC 模型和 Malmquist 指数模型对“双碳”背景下的“一带一路”重点区域物流效率进行了研究,为了进一步探索物流效率的影响因素,为“一带一路”重点区域的物流业低碳可持续发展提供有针对性的建议,采用 SPSSPRO 软件进行 Tobit 回归分析,结果如表 8 所示:表 8 Tobit 回归分析结果解释变量回归系数标准误差T 值P 值常数项1.2930.1797.2190.000 产业结构-0.0180.004-4.8090.000 环保重视程度-0.1020.024-4.3160.000 城镇化水平0.0120.0034.1930.000 政府支持程度-0.0050.012-0.4170.677 注:、分别表示 1%,5%,10%的显著性水平。由表 8 可知,除政府支持程度未通过显著性检验外,产业结构、环保重视程度以及城镇化水平均通过显著性检验且均为 1%的显著性水平。(1)产业结构对“一带一路”重点区域的物流效率影响系数为-0.018,为负相关关系,说明第三产业的发展未能对“一带一路”重点省份的物流效率发挥积极正向作用。原因可能是物流业的服务范围不只局限于第三产业,仅靠调整第三产业比重难以起到提高物流效率的作用。(2)环保重视程度对物流效率的影响系数为负值,说明环保重视程度对物流效率的发展具有一定制约作用。原因可能是环保力度的加大与环保措施的落实会使过度依赖传统化石能源的物流业发展受到制约,物流业需逐步减少对传统化石能源的依赖,重视低碳发展。(3)城镇化水平对物流效率的影响系数为0.012,城镇化水平每提升 1 个单位,物流效率就会提升 0.012 个单位。可能是因为城镇化进程的不断推进,交通基础设施也得到相应的发展与完善,智能云柜以及无人物流车等具备高新技术的设备的应用也在一定程度上促进了物流效率的提升。(4)政府支持程度所对应的影响系数为-0.005,并且对物流效率的影响不显著。原因可能是政府在对物流业进行帮扶以及对交通基础设施进行改善时可能存在财政投入与实际产出不匹配的问题,投入不当会对物流业的发展产生影响,71投稿平台2023 年第 4 期https:/ 年 8 月从而难以提升物流效率。3 结论与建议3.1 结论以“双碳”为背景,借助 DEA-BCC 模型和Malmquist 指数模型并将二氧化碳(CO2)排放量作为投入指标构建“一带一路”重点省份物流效率评价指标体系,在对物流效率进行分析后,运用Tobit 回归模型对影响物流效率的因素及其影响的程度进行探究,得出以下结论:(1)根据 DEA-BCC 模型的静态测算结果来看,各重点省份物流效率存在较大差距。东南沿海地区中仅上海的物流效率值略低于平均水平,东南沿海地区整体物流效率发展情况要好于东北地区以及中西部地区,原因是东南沿海地区的物流技术运用与产业规模布局等方面的工作落实到位且水平较高。(2)根据 Malmquist 指数模型的动态测算结果来看,“一带一路”重点省份物流全要素生产率均值为 1.039,呈较为积极的上升趋势。从技术进步指数均值要高于技术效率指数均值可以看出,物流全要素生产率上升的主要是受到技术进步速度加快与创新活力提升的影响。(3)根据 Tobit 回归分析结果来看,城镇化水平对物流效率具有正向影响,说明城镇化进程的不断推进也促使物流效率得到一定程度的提升,产业结构、环保重视程度与物流效率呈负相关关系,产业结构匹配度欠佳以及环保力度的加大对物流效率具有制约作用,政府支持程度对物流效率具有一定影响,但效果不显著,需根据物流业发展需求进行合理投入。3.2 建议根据上述结论,针对“双碳”背景下的“一带一路”重点区域物流效率发展实际情况提出以下发展建议:3.2.1 深化交流与合作,推动共同发展加强区域间的交流互助,如物流效率发展较好的福建可与物流效率欠佳的黑龙江建立对口帮扶关系,黑龙江可在在物流业管理、产业规模布局等方面学习福建成功经验并运用到自身发展中,以弥补自身发展过程中的不足。3.2.2 加大科技投入力度,提高技术运用能力青海等物流技术水平较低的省份要加强对物流业技术的投入力度,大力引进物流业技术研发所需高端人才,增强对高新科技的运用能力,切实发挥“人工智能”等新技术在物流业发展中的作用。3.2.3 贯彻低碳发展理念,走可持续发展之路积极融入国家“双碳”战略,加快“一带一路”物流业由传统粗放型向低碳可持续化发展方式转变。构建清洁、高效的物流业能源体系,逐步减少对煤炭等化石能源的依赖,加快推进光能等新能源在物流业生产中的应用。3.2.4 调整产业结构,优化产业布局研究现有产业结构存在的问题,科学调整优化“一带一路”各重点区域产业结构,把产业结构调整作为提高区域物流效率的重要抓手,适时淘汰高耗能、高排放的落后产业,推动物流效率提升。参考文献1 石福刚.物流业投资经济效应的测度与分析 基于西北地区和全国的对比J.石河子大学学报(哲学社会科学版),2022,36(5):52-60.2 程永伟,穆东.北京市物流业融合发展的低碳效应 基于全产业链的 SDA 分解技术J.北京交通大学学报(社会科学版),2015,14(3):77-83.3 刘伟.中国式现代化与低碳绿色发展J.学术月刊,2023,55(1):39-47.4 闫妍.我国“一带一路”沿线区域物流动态效率测度及其影响因素研究 基于双碳视角J.商业经济研究,2022(13):93-97.5 杜晖.“双碳”目标下我国物流业效率提升的多元化路径探讨J.商业经济研究,2022(4):110-113.6 刘聪,李珍珍.长三角低碳物流对区域经济发展的影响分析J.华东经济管理,2023,37(1):33-40.7 何景师,王术峰,徐兰.碳排放约束下我国三大湾区城市群绿色物流效率及影响因素研究J.铁道运输与经济,2021,43(8):30-36.8 郑金娥,关高峰,杜厚维.长江经济带省域物流业效率差异研究J.统计与决策,2020,36(11):110-113.9 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):75-78.10 姚山季,马琳,来尧静.“一带一路”重点省份低碳物流效率测度J.生态经济,2020,36(11):18-24.11 原雅坤,陈久梅,但斌.碳约束下冷链物流效率及其收敛性研究 以生鲜农产品为例J.科技管理研究,2020,40(14):253-260.12 刘承良,管明明.低碳约束下中国物流业效率的空间演化及影响因素J.地理科学,2017,37(12):1805-1814.812023 年第 4 期谷子硕 周书灵“双碳”背景下区域物流效率研究 以“一带一路”重点区域为例2023 年 8 月13 王燕,刘婷.碳排放约束下我国区域物流能源效率及影响因素研究J.生态经济,2018,34(10):14-18+90.14 李娟,王琴梅.丝绸之路经济带核心区物流业效率及其收敛性分析J.统计与信息论坛,2018,33(10):121-128.15 HONG G P,YONG J L.The efficiency and productivity analysis of large logistics providers services in koreaJ.The Asian Jour-nal of Shipping and Logistics,2015,31(4):469-476.16 KYONG H L,SANG Y L.The Impact of Logistics Efficiency and Free Trade Agreements on global trade:Focusing on total trade valueJ.Journal of International Logistics and Trade,2016,14(3):211-218.17 何新安.广东物流效率影响因素实证研究J.铁道运输与经济,2017,39(12):6-11.18 王晓宇,黄铭.低碳视域下皖江城市带物流效率研究J.宿州学院学报,2020,35(3):34-38+42.19 李卫忠,李星星.环境规制下广东省物流业绿色技术效率实证研究J.五邑大学学报(社会科学版),2021,23(3):57-62+93-94.Study on Regional Logistics Efficiency under the Background of Carbon Peaking and Carbon Neutrality Take the Key Areas of the Belt and Road as an ExampleGu Zishuo1,Zhou Shuling2(1.School of Economics and Management,Anhui University of Science and Technology,Huainan Anhui 232001,China;2.School of Business,Suzhou University,Suzhou Anhui 234000,China)Abstract:In order to achieve the carbon peaking and carbon neutralitystrategic goal and promote the low-carbon sustainable development of the logistics industry,carbon emissions are taken as in-put variables,and the logistics efficiency of 17 key provinces of the the Belt and Road from 2016 to 2020 is analyzed by using the DEA-BCC model and the Malmquist index model,and the influencing factors are studied with the help of Tobit regression model.The results show that there is a big gap in logistics efficiency in key provinces of the the Belt and Road.Technological pro-gress is the main factor driving the increase in total factor productivity in the logistics industry.In addition to the level of urbanization,factors such as industrial structure are negatively correlated with logistics efficiency.Based on the above conclusions,it is proposed to increase investment in science and technology and improve technology application capabilities.Implement the concept of low-carbon development and take the road of sustainable development,in order to promote the low-carbon sustainable development of the logistics industry in key provinces of the Belt and Road.Key words:carbon peaking and carbon neutrality,sustainable development,logistics efficiency,the Belt and Road(编辑:程 俊)91