中國省域交通運(yùn)輸全要素碳排放效率時(shí)空變化及影響因素研究

　　摘 要：正確、客觀地測算交通運(yùn)輸全要素碳排放效率有利于推動技術(shù)進(jìn)步與制定差異化碳減排政策。基于 2004-2013年交通運(yùn)輸碳排放數(shù)據(jù)，采用考慮非期望產(chǎn)出超效率SBM模型測度中國省域交通運(yùn)輸全要素碳排放效率，探討中國省域及東、中、西部交通運(yùn)輸碳排放效率空間分布及趨勢變動，分析中國交通運(yùn)輸全要素碳排放效率的空間聚集特性及其主要影響因素。研究結(jié)果顯示：①中國交通運(yùn)輸全要素碳排放效率變動趨勢隨發(fā)展階段符合典型的環(huán)境庫茲涅茨曲線，呈現(xiàn)2005-2009年下降，2009-2013年效率緩慢上升的趨勢;②交通運(yùn)輸全要素碳排放效率呈現(xiàn)東部、中部和西部依次遞減的空間規(guī)律，且相鄰省份之間存在明顯的空間正相關(guān)關(guān)系;③中國交通運(yùn)輸全要素碳排放效率在空間上存在明顯的聚集狀態(tài)，其中河北、山東、江蘇、天津等東部沿海省份形成“H-H”聚集區(qū);廣東、江西、湖南、湖北等中南華南地區(qū)和東北地區(qū)普遍形成“L-L”聚集區(qū);④通過空間計(jì)量模型，發(fā)現(xiàn)影響交通運(yùn)輸碳排放效率的主要因素為人口規(guī)模、收入水平、交通運(yùn)輸強(qiáng)度、要素稟賦、交通運(yùn)輸結(jié)構(gòu)和節(jié)能技術(shù)水平，其中節(jié)能技術(shù)水平與碳排放效率呈現(xiàn)正相關(guān)關(guān)系，其它與碳排放效率呈現(xiàn)負(fù)相關(guān)關(guān)系。

　　關(guān)鍵詞：全要素碳排放效率;交通運(yùn)輸碳減排;超效率SBM模型;空間相關(guān)分析;空間計(jì)量模型

　　袁長偉; 張帥; 焦萍; 武大勇 資源科學(xué) 2017-04-15

　　交通運(yùn)輸行業(yè)是主要的化石能源的消耗行業(yè)，同時(shí)也是主要的碳排放來源，在全球范圍內(nèi)交通運(yùn)輸業(yè)碳排放量占全球碳排放總量的 1/4[1] 。據(jù)國際能 源 署(International Energy Agency，IEA)測 算 ， 2009 年全球交通運(yùn)輸石油消耗量占總消耗量的 23%，2030年和2050年這一比例將分別達(dá)到53%和 80%。中國自 1985 年以來交通運(yùn)輸能源消耗量年平均增長率接近 8%，遠(yuǎn)高于同期能源消耗總量年平均增長5.7%的速度。伴隨著交通運(yùn)輸能源消耗的快速增長，交通運(yùn)輸碳排放同樣日益快速增長。而在快速機(jī)動化、城鎮(zhèn)化過程中，交通運(yùn)輸又是難以找到有效碳減排政策的行業(yè)之一。此外，在中國，各地區(qū)之間經(jīng)濟(jì)發(fā)展階段、城鎮(zhèn)化發(fā)展水平、人口分布、產(chǎn)業(yè)階段等差距迥異，碳減排政策工具設(shè)計(jì)需針對具體的地方特性區(qū)別實(shí)施。因此，測度交通運(yùn)輸全要素碳排放效率，探討中國省域及區(qū)域交通運(yùn)輸碳排放的空間差異特性，明晰交通運(yùn)輸碳排放效率的空間聚集狀態(tài)，識別碳排放的影響因素，對于制定差異化交通運(yùn)輸碳排放政策，推進(jìn)碳減排具有重要的意義。

　　國內(nèi)外學(xué)者針對交通運(yùn)輸碳排放做了眾多的研究。其中，在交通運(yùn)輸碳排放效率測度上，目前主要采用的是單位換算周轉(zhuǎn)量碳排放量、單位交通運(yùn) 輸 行 業(yè) 增 加 值 碳 排 放 量 等 單 要 素 指 標(biāo) ，如 Greening 通過自適應(yīng)權(quán)重方法分析了 10 個(gè) OECD 國家單位貨運(yùn)周轉(zhuǎn)量碳排放量的時(shí)間變化規(guī)律[2] 。池熊偉以單位周轉(zhuǎn)量碳排放量為碳排放效率，分析發(fā)現(xiàn)目前鐵路碳排放效率最高，公路運(yùn)輸碳排放效率低于發(fā)達(dá)國家[3] 。盧建鋒等定義換算周轉(zhuǎn)量與二氧化碳排放量之比作為交通運(yùn)輸業(yè)碳排放效率，在此基礎(chǔ)上，利用分解模型探究了區(qū)域交通碳排放效率的影響因素[4] 。少數(shù)學(xué)者采用全要素碳排放效率進(jìn)行測度分析，如蘭梓睿等基于數(shù)據(jù)包絡(luò)分析法(DEA)測度了中國各省交通運(yùn)輸碳排放全要素效率[5] 。在中國交通運(yùn)輸碳排放的空間特性分析上，王建偉等通過建立碳減排水平評價(jià)指標(biāo)體系，將中國分為優(yōu)化區(qū)域、重點(diǎn)區(qū)域、積極區(qū)域和規(guī)劃區(qū)域[6] 。蘭梓睿等通過對比分析了中國東、中、西部交通運(yùn)輸全要素碳排放效率的差異性[5] 。楊彬等運(yùn)用 ESDA(探索性空間數(shù)據(jù)分析)和 GIS(地理信息系統(tǒng))相結(jié)合的空間分析方法，探索了中國交通運(yùn)輸碳排放的空間差異性和空間聚集規(guī)律[7] ;高潔等通過引入“重心”概念和重心計(jì)算模型，研究分析了 1996-2010年間中國全社會和交通運(yùn)輸碳排放重心演化軌跡及特征，分析發(fā)現(xiàn)兩者重心變動存在差異，全社會碳排放重心呈現(xiàn)向西南移動的趨勢，交通運(yùn)輸碳排放重心無明顯的方向性發(fā)展趨勢[8] 。在交通運(yùn)輸碳排放影響因素的研究領(lǐng)域，Scholl 基于 OECD客運(yùn)交通碳排放量數(shù)據(jù)，研究了交通量、能源強(qiáng)度、交通結(jié)構(gòu)、能源結(jié)構(gòu)與碳排放量之間的關(guān)系，發(fā)現(xiàn)交通量、能源強(qiáng)度、交通結(jié)構(gòu)、能源強(qiáng)度是其主要影響因素[9] ;Tae-Hyeong Kwon 使用 IPAT 恒等式等分解方法分析了英國小汽車碳排放的影響因素[10] ; Timilsina等在亞洲和拉丁美洲20個(gè)國家交通運(yùn)輸碳排放量數(shù)據(jù)基礎(chǔ)上，分析發(fā)現(xiàn)人均GDP、人口增長、能源強(qiáng)度、能源結(jié)構(gòu)、碳排放效率都是影響碳排放的主要因素[11] ;Lisa Ryan在測算碳排放強(qiáng)度的基礎(chǔ)上，發(fā)現(xiàn)車輛和車輛能源稅能夠?qū)μ寂欧艔?qiáng)度產(chǎn) 生顯著的影響[12] ;徐雅楠等測度了 1995-2008 年中國交通運(yùn)輸碳排放量，并運(yùn)用STIRPAT模型研究了人口和經(jīng)濟(jì)因素與交通運(yùn)輸碳排放之間的關(guān)系[13] ;俞潔等基于LMDI模型定量分析得到，人均GDP增加對交通運(yùn)輸碳排放量增長起推動作用，而交通運(yùn)輸能源強(qiáng)度、交通運(yùn)輸強(qiáng)度的下降起抑制作用，公路運(yùn)輸對交通運(yùn)輸碳排放量具有顯著的影響[14] 。

　　以往的研究從不同的視角探索了交通運(yùn)輸碳排放規(guī)律，但是，提升碳排放效率是碳減排行動的關(guān)鍵所在[15- 17] 。對中國而言，一方面，中國的工業(yè)化、城鎮(zhèn)化、機(jī)動化過程交織進(jìn)行，影響交通碳排放的因素紛繁復(fù)雜、相互作用，正如楊紅亮所指，單要素指標(biāo)的測算難以充分反映碳排放效率的多維度特征，同時(shí)能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平等都是影響碳排放的要素，單要素指標(biāo)無法反映各種要素之間的替代、誘導(dǎo)等復(fù)雜作用[18] 。另一方面中國各省域交通運(yùn)輸發(fā)展存在明顯差異，存在著明顯的空間相關(guān)性，但是從碳排放效率去研究交通運(yùn)輸碳排放時(shí)空特性方面存在不足。另外，以往研究主要基于 IPAT等式、STIRPAT和分解模型研究交通運(yùn)輸碳排放的影響因素，較少考慮空間因素，從而在測度交通運(yùn)輸碳排放的影響因素方面存在一定偏差。由此，本文基于 2004-2013 年的交通運(yùn)輸碳排放數(shù)據(jù)，采用非期望產(chǎn)出超效率 SBM 模型(Slack Based Measure，SBM)測度中國各省域交通運(yùn)輸全要素碳排放效率1)，研究中國省域及東、中、西部地區(qū)效率的差異性及變動趨勢，結(jié)合空間分析法探討效率的空間特性，運(yùn)用空間計(jì)量經(jīng)濟(jì)模型分析各種影響因素對中國交通運(yùn)輸全要素碳排放效率的影響程度，為國家制定有針對性的交通碳減排方案提供決策依據(jù)。

　　2 研究方法與數(shù)據(jù)來源

　　2.1 非期望產(chǎn)出的超效率SBM模型

　　全要素碳排放效率的測算方法分為非參數(shù)的數(shù)據(jù)包絡(luò)(Data Envelopment Analysis，DEA)和參數(shù)的隨機(jī)前沿分析(Stochastic Frontier Analysis，SFA)兩種。其中，DEA方法能夠有效解決多投入多產(chǎn)出的問題，SFA方法只能解釋單產(chǎn)出的生產(chǎn)過程。在交通運(yùn)輸碳排放生產(chǎn)過程中，存在著復(fù)雜的投入產(chǎn)出要素，采用 DEA 方法更為合適。對于傳統(tǒng)的 CCR-DEA、BCC-DEA 等徑向 DEA 模型，一方面沒有充分考慮投入產(chǎn)出的松弛性問題，不能準(zhǔn)確度量存在非期望產(chǎn)出時(shí)的效率值，因而難以準(zhǔn)確評價(jià)決策單元(Decision Making Unit，DMU)的效率;另一方面由于效率值具有截尾性，使得測度的交通運(yùn)輸全要素碳排放效率值并不適用于探討其影響因素的空間計(jì)量模型。而超效率SBM模型能有效地避免此類問題。因而，本文將交通運(yùn)輸碳排放量作為非期望產(chǎn)出，采用超效率SBM模型測算交通運(yùn)輸全要素碳排放效率。

　　假設(shè)交通運(yùn)輸碳排放生產(chǎn)過程中有n個(gè)決策單元，每個(gè)決策單元包含m個(gè)生產(chǎn)投入要素、q1 個(gè)期望產(chǎn)出要素和 q2 個(gè)非期望產(chǎn)出要素。本文中 n 表示中國30個(gè)省(直轄市、自治區(qū))，投入要素為交通運(yùn)輸業(yè)資本存量、勞動力、能源消耗，期望產(chǎn)出為交通運(yùn)輸業(yè)增加值，非期望產(chǎn)出為交通運(yùn)輸碳排放量，則測度交通運(yùn)輸全要素碳排放效率的非期望產(chǎn)出超效率SBM模型[19] 為： ì í î ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï min ρ = 1 + 1 m∑i = 1 m s - i xik 1 - 1 q1 + q2 ( ∑r = 1 q1 s - r yrk +∑t = 1 q2 s b - t yb ik) s.t. j = ∑1,j ≠ k n xij λj - s - i ≤ xik j = ∑1,j ≠ k n yb ij λj - s b - r ≤ yrk 1 - 1 q1 + q2 ( ∑r = 1 q1 s - r yrk +∑t = 1 q2 s b - t yb ik)> 0 λ，s - ，s + ≥ 0 (1)式中 ρ 為測度的交通運(yùn)輸全要素碳排放效率;xik 、 yrk 和 yb ik 分別表示第 k 個(gè)省份第 i 個(gè)投入要素、第 b 個(gè)期望產(chǎn)出和第 t 個(gè)非期望產(chǎn)出;i=1，2，3，? ，m; t =1，2，3，?，q2;k =1，2，3，?，n;s - i 、s + r 和 s b - t 分別表示投入要素、期望產(chǎn)出和非期望產(chǎn)出的松弛變量;λj 為約束條件。

　　2.2 空間自相關(guān)分析

　　空間自相關(guān)分析能夠有效表示各地區(qū)交通運(yùn)輸全要素碳排放效率在空間上的分布特性及地區(qū)間依賴性，包含全局空間自相關(guān)和局部空間自相關(guān)兩種方法。全局空間自相關(guān)一般采用空間自相關(guān)指數(shù) Moran’s I 衡量，反映的是整個(gè)空間交通運(yùn)輸碳排放效率的空間聚集狀態(tài)，但無法準(zhǔn)確反映各省域間空間關(guān)系，因此，研究中一般結(jié)合空間關(guān)聯(lián)局部 LISA(Local Indications of Spatial Association， LISA)分布圖來分析空間相關(guān)性[20] 。其中，Moran’s I計(jì)算公式為： Moran's I = ∑i = 1 n ∑j = 1 n wij (xi - - x)(xj - - x) s 2 ∑i = 1 n ∑j = 1 n wij (2)式中 s 2 = 1/n ×∑i = 1 n (xi - - x) 2 為中國各省交通運(yùn)輸全要素碳排放效率的方差;wij 為空間權(quán)重矩陣的(i; j)元素，本文采用二進(jìn)制權(quán)重，即當(dāng) i 和 j 地區(qū)相鄰時(shí)，權(quán)重矩陣元素取1，否則取0;∑i = 1 n ∑j = 1 n wij 為所有空間權(quán)重之和;Moran’s I取值區(qū)間為[-1,1]，越接近于 1，表明空間正相關(guān)性越強(qiáng);越接近于-1，空間負(fù)相關(guān)性越強(qiáng);Moran’s I 接近于 0，說明空間分布是隨機(jī)的，不存在相關(guān)性。

　　2.3 空間計(jì)量模型

　　傳統(tǒng)經(jīng)濟(jì)計(jì)量模型對研究對象存在空間均質(zhì)性、獨(dú)立同分布等嚴(yán)格的前提條件，且在呈現(xiàn)明顯空間相關(guān)性的情況下，往往導(dǎo)致估計(jì)結(jié)果不準(zhǔn)確，與實(shí)際存在較大偏差。而空間計(jì)量模型能夠充分考慮經(jīng)濟(jì)社會中地區(qū)之間的空間依賴性和空間相關(guān)性，準(zhǔn)確反映交通運(yùn)輸全要素碳排放效率的影響因素。典型的空間計(jì)量模型包含空間滯后模型(Spatial Lag Model，SLM)和空間誤差模型(Spatial Errors Model，SEM)。其中，SLM 主要探討周邊地區(qū)經(jīng)濟(jì)行為直接對系統(tǒng)中某地區(qū)交通運(yùn)輸碳排放效率產(chǎn)生的影響，即是否存在空間溢出效應(yīng);SEM 主要研究地區(qū)間的相互關(guān)系通過誤差項(xiàng)的結(jié)構(gòu)關(guān)聯(lián)來實(shí)現(xiàn)的情況。根據(jù)Anselin提出的判定準(zhǔn)則[21] ，本文最終選擇構(gòu)建SLM模型研究交通運(yùn)輸碳排放效率的影響因素，為消除異方差的影響，建立雙對數(shù)空間計(jì)量模型為：

　　ln ctei,t = αi + β1 ln popi,t + β2 ln inci,t + β3 ln inti,t +β4 ln ln ti,t + β5 ln faci,t + β6 ln psti,t +δ∑ j Wij ln(ctei,t ) + μi,t (3)式中 ctei,t 為第i省份t年的交通運(yùn)輸全要素碳排放效率;αi 為常數(shù)項(xiàng);β 為回歸參數(shù)，反映了各影響因素對交通運(yùn)輸碳排放全要素效率的影響程度; popi,t 、inci,t 、inti,t 、faci,t 、psti,t 分別表示人口規(guī)模、收入水平、交通運(yùn)輸強(qiáng)度、節(jié)能技術(shù)水平、要素稟賦及交通運(yùn)輸結(jié)構(gòu);δ 為空間回歸相關(guān)系數(shù)，反映的是交通運(yùn)輸碳排放全要素效率的空間依賴性，即相鄰區(qū)域?qū)Ρ緟^(qū)域的影響程度;μi,t 為隨機(jī)擾動項(xiàng)。

　　2.4 變量選取與數(shù)據(jù)來源

　　由于西藏、香港、澳門及臺灣數(shù)據(jù)缺失，未作考慮。同時(shí)考慮到能源數(shù)據(jù)的欠缺，本文選取 2004- 2013 年中國 30 個(gè)省(自治區(qū)、直轄市)為研究單元。在投入指標(biāo)方面，選取交通運(yùn)輸業(yè)資本存量、勞動力、能源消耗為投入要素，其中交通運(yùn)輸資本存量參考張軍[22] 、單豪杰[23] 的研究，采用“永續(xù)盤存法”估算;勞動力選用各省交通運(yùn)輸行業(yè)從業(yè)人員數(shù)來表示;依據(jù)交通運(yùn)輸業(yè)煤炭、汽油、柴油和天然氣等各種能源的消耗總量，采用標(biāo)準(zhǔn)煤系數(shù)統(tǒng)一折合成標(biāo)準(zhǔn)煤，以此表示能源消耗總量。在產(chǎn)出指標(biāo)方面，選取交通運(yùn)輸業(yè)增加值和二氧化碳排放量作為產(chǎn)出要素，其中二氧化碳排放量為非期望產(chǎn)出，根據(jù)聯(lián)合國政府間氣候變化專門委員會2006年公布的二氧化碳排放量估算方法進(jìn)行計(jì)算。在空間計(jì)量模型中，本文在以往研究的基礎(chǔ)上[9-14，27] ，選取人口規(guī)模、收入水平、交通運(yùn)輸強(qiáng)度、節(jié)能技術(shù)水平、要素稟賦和交通運(yùn)輸結(jié)構(gòu)6個(gè)指標(biāo)作為中國交通全要素碳排放效率的影響因素。其中，收入水平采用各省人均收入表示;交通運(yùn)輸強(qiáng)度，采用交通運(yùn)輸行業(yè)綜合換算周轉(zhuǎn)量與各省地區(qū)生產(chǎn)總值的比值表示，反映該省交通運(yùn)輸行業(yè)效率。綜合換算周轉(zhuǎn)量根據(jù)中國統(tǒng)計(jì)制度規(guī)定的客貨換算系數(shù)進(jìn)行換算，換算系數(shù)如表1，其中，考慮到數(shù)據(jù)的可獲得性，水運(yùn)統(tǒng)一采取“1/3”進(jìn)行換算;節(jié)能技術(shù)水平，用能源強(qiáng)度倒數(shù)表示，表示交通運(yùn)輸行業(yè)能源利用效率;要素稟賦采用資本和從業(yè)人員比值衡量;交通運(yùn)輸結(jié)構(gòu)采用旅客換算周轉(zhuǎn)量比 重表示。本文能源數(shù)據(jù)均來源于 2005-2014 年《中國能源統(tǒng)計(jì)年鑒》[24] ，增加值數(shù)據(jù)均來源于《中國國內(nèi)生產(chǎn)總值核算歷史資料1952-1995》[25] 和2005-2014年《中國統(tǒng)計(jì)年鑒》[26] ，其它相關(guān)數(shù)據(jù)均來源于 2005- 2014年《中國統(tǒng)計(jì)年鑒》[26] 。其中，為消除價(jià)格因素的影響，價(jià)值量數(shù)據(jù)均采用第三產(chǎn)業(yè)增加值平減指數(shù)調(diào)整為以1978年為基期的不變價(jià)格數(shù)據(jù)。

　　3 碳排放效率時(shí)間趨勢與空間特征分析

　　3.1 碳排放效率空間差異與趨勢變動

　　通過 MAXDEA 軟件測算中國各省 2004-2013 年交通運(yùn)輸全要素碳排放效率值。表 2 中給出了各省 10 年間平均全要素碳排放效率值，全國碳排放效率平均值為 0.731，最低為 0.437，最高為1.227，兩者相差2.8倍。從區(qū)域上看，東部各省平均值為 0.797，中部碳排放效率平均值為0.694，西部為0.692，東部交通運(yùn)輸碳排放效率高于中、西部。交通運(yùn)輸碳排放效率排名前5的省份為河北、山東、江蘇、青海和寧夏，且都處于生產(chǎn)前沿面及以上;排名后5位的省份依次為浙江、四川、湖北、新疆和云南。其中，接近前沿的以沿海東部省份為主，處于效率低端的主要分布在西部。可以看出中國各區(qū)域間全要素碳排放效率差異顯著，存在明顯的空間異質(zhì)性。值得注意的是，位于中國西部的青海和寧夏的碳排放效率一直處于生產(chǎn)前沿。青海和寧夏人口規(guī)模一直處于最低水平，同時(shí)由于其地理資源環(huán)境限制，交通運(yùn)輸資源稟賦同樣處于較低水平且較為穩(wěn)定，這可能是其交通運(yùn)輸碳排放效率高的主要原因;河北省處于生產(chǎn)前沿面以上是因?yàn)楹颖蹦茉聪闹饕獊碓从谝缘V產(chǎn)開發(fā)為主的工業(yè)行業(yè)，單位生產(chǎn)總值生產(chǎn)的碳排放量較小，交通運(yùn)輸碳排放強(qiáng)度一直處于全國較低水平。而近幾年湖北省公路客、貨周轉(zhuǎn)量分擔(dān)率均呈現(xiàn)持續(xù)上升趨勢，鐵路運(yùn)輸周轉(zhuǎn)量呈下降趨勢，交通結(jié)構(gòu)的持續(xù)變化是導(dǎo)致湖北交通碳排放效率走低的重要原因。

　　從時(shí)間上看，2004-2013 年中國及東、中、西部交通運(yùn)輸全要素碳排放效率的變化趨勢如圖 1 所示。可以看出，整體上中國交通運(yùn)輸全要素碳排放效率變化趨勢符合典型的環(huán)境庫茲涅茨曲線(Environ-mental Kuznets Curve，EKC)，2005年前交通運(yùn)輸碳排放效率增加，隨著中國經(jīng)濟(jì)快速增長， 2005-2009年碳排放效率逐漸降低，2009-2013年交通運(yùn)輸碳排放效率逐漸緩慢上升，總體表現(xiàn)為“U”型變化特征。區(qū)域間空間差異性呈現(xiàn)東部大于中西部的態(tài)勢。具體而言，各省交通運(yùn)輸碳排放效率基本符合 “U”型特征。2005-2009年，交通運(yùn)輸碳排放效率上升的省份有河北、貴州，下降幅度較大有北京和云南。2009-2013 年，碳排放效率上升幅度較大的有上海、新疆，下降幅度較大的為海南和甘肅(見圖 2)。

　　3.2 空間相關(guān)性分析

　　根據(jù) 2004-2013 年全國全要素碳排放效率，在二進(jìn)制權(quán)重矩陣基礎(chǔ)上，運(yùn)用 GEODA 軟件計(jì)算 Moran’s I，如表3。可以看出大部分年份的Moran’s I 在10%顯著性水平下通過檢驗(yàn)，且Moran's I ≥ 0，說明相鄰地區(qū)之間存在空間聚集現(xiàn)象。同時(shí)，全要素碳排放效率空間正相關(guān)性整體上呈現(xiàn)遞減趨勢， Moran’s I適中，說明相鄰地區(qū)之間的空間相關(guān)性較為顯著。為準(zhǔn)確測度各省份交通運(yùn)輸全要素碳排放效率的空間聚集狀態(tài)及時(shí)間變化特征，利用GEODA 繪制2004年、2007年、2010年和2013年LISA圖，如圖3。可以看出，中國各省交通運(yùn)輸全要素碳排放效率主要分布在“低-低”(L-L)象限，少量分布在 “高-低”(H-L)象限，說明中國大部分區(qū)域呈現(xiàn)“低低”聚集。2004年、2007年、2010年和2013年中，分布于“H-H”(H-H)和“L-L”象限的省份數(shù)量和占總省份數(shù)量的比重分別為65.51%、68.97%、72.41%和 62.07%，表明 2004 年至 2013 年中國交通運(yùn)輸全要素碳排放效率在空間上主要體現(xiàn)為“H-H”和“L-L” 聚集，即相鄰省份碳排放效率呈現(xiàn)空間正相關(guān)，且這種正相關(guān)關(guān)系呈先上升后下降的趨勢。通過 LSIA 分析可看出：中國各省交通運(yùn)輸碳排放效率空間分布特性基本處于穩(wěn)定狀態(tài)。H-H 主要分布在河北、山東、江蘇、天津等東部沿海省份;L-L的分布于廣東、江西、四川、湖南、湖北、云南等中南華南片區(qū)和吉林、黑龍江等東北地區(qū)。H-L 的主要分布于青海和寧夏，呈現(xiàn)明顯的區(qū)間異質(zhì)性、區(qū)內(nèi)同質(zhì)性特征。 4 空間計(jì)量模型分析 4.1 模型結(jié)果為科學(xué)選擇 SLM 和 SEM 空間計(jì)量模型，通過 MATLAB軟件對不考慮空間效應(yīng)和時(shí)間效應(yīng)的普通面板數(shù)據(jù)模型進(jìn)行估計(jì)及檢驗(yàn)，如表4所示。結(jié)果顯示，LM-lag 顯著性水平大于 LM-err，且 Robust LM-lag 在 1%顯著性水平下顯著，而 Robust LM-err 在5%顯著性水平下不顯著，依據(jù)Anselin等的判別準(zhǔn)則[21] ，因此采用SLM模型。

　　通過空間相關(guān)性分析和LM檢驗(yàn)，可以發(fā)現(xiàn)普通面板數(shù)據(jù)滯后項(xiàng)存在著明顯的空間相關(guān)性，空間因素對模型產(chǎn)生了重要影響。在此基礎(chǔ)上，本文采用無固定效應(yīng)、空間固定效應(yīng)、時(shí)間固定效應(yīng)、雙固定效應(yīng)和隨機(jī)效應(yīng)SLM模型分別進(jìn)行估計(jì)和統(tǒng)計(jì)檢驗(yàn)，通過對比分析選取最優(yōu)模型，定量甄別交通運(yùn)輸碳排放效率的主要影響因素。表5(見694頁)是嵌套各種效應(yīng)的估計(jì)和檢驗(yàn)結(jié)果，從中可以看出，空間固定效應(yīng)、雙固定效應(yīng)和隨機(jī)效應(yīng)的判定系數(shù)明顯高于無空間效應(yīng)的SLM模型和時(shí)間固定效應(yīng)的 SLM 模型，且雙固定效應(yīng) SLM 模型擬合程度最好(0.898);從對數(shù)似然函數(shù)值(log-likelihood， Log-L)來看，無空間效應(yīng)的 SLM 模型 Log-L 值為 38.946，加入雙固定效應(yīng)后，Log- L 值達(dá)到最高(314.935)，這也說明雙固定 SLM 模型的擬合結(jié)果最好;同時(shí)，雙固定SLM模型中W*dep.var在1%的顯著性水平下通過了檢驗(yàn)，說明相鄰省份之間存在著顯著的空間依賴性。因此，本文依據(jù)雙固定SLM 模型分析交通運(yùn)輸全要素碳排放效率的影響因素。

　　4.2 碳排放效率主要影響因素分析

　　雙固定SLM模型估計(jì)結(jié)果顯示，人口規(guī)模pop 和收入水平inc的系數(shù)分別為-0.442和-0.470，且分別在5%和1%的顯著性水平下通過檢驗(yàn)，這說明人口規(guī)模、收入水平與交通運(yùn)輸碳排放效率之間存在顯著負(fù)相關(guān)關(guān)系。隨著人口規(guī)模的增加和收入水平的提升，社會經(jīng)濟(jì)活動和出行需求隨之增加，私家車數(shù)量急劇增長，交通運(yùn)輸全要素碳排放效率降低。交通運(yùn)輸強(qiáng)度int在1%的顯著性水平上對全要素碳排放效率的影響是負(fù)的。交通運(yùn)輸強(qiáng)度的增大，會相應(yīng)地帶來碳排放效率的降低。節(jié)能技術(shù)水平表示交通運(yùn)輸能源利用效率，估計(jì)結(jié)果顯示，交通運(yùn)輸節(jié)能技術(shù)水平與全要素碳排放效率呈顯著正相關(guān)關(guān)系，節(jié)能技術(shù)水平每上升1%，全要素效率將提高11.86%。目前中國交通運(yùn)輸依舊以汽油、柴油等化石燃料消耗為主，純電動、混合動力、氫能源和生物燃料等新能源應(yīng)用有待推廣，節(jié)能技術(shù)水平的提升有利于提升中國交通運(yùn)輸碳排放效率。估計(jì)結(jié)果也表明隨著要素投入的增大，全要素碳排放效率將會降低。交通運(yùn)輸是高投入行業(yè)，要素投入的增加可能導(dǎo)致投入的無效性增加，從而全要素碳排放效率降低。交通運(yùn)輸結(jié)構(gòu)對交通運(yùn)輸全要素碳排放效率的影響為負(fù)。從交通運(yùn)輸結(jié)構(gòu)來看， 2004 年公路換算周轉(zhuǎn)量比重占總換算周轉(zhuǎn)量的 11.44%，2013 年為 31.56%，增長迅速，這表明中國公路在交通運(yùn)輸中占有重要份額，且呈現(xiàn)逐漸上升趨勢。2004- 2013 年航空旅客周轉(zhuǎn)量比重增加 9.59%，同時(shí)借鑒國外航空運(yùn)輸?shù)陌l(fā)展經(jīng)驗(yàn)，未來航空運(yùn)輸也將會以更快的速度發(fā)展。但是公路和航空運(yùn)輸相較于鐵路、水路運(yùn)輸方式，能源消耗強(qiáng)度高，碳排放效率相對較低，因而，未來交通運(yùn)輸碳減排的一個(gè)重要方向?qū)⑹墙煌ㄟ\(yùn)輸方式結(jié)構(gòu)的優(yōu)化。

　　5 結(jié)論及政策建議

　　5.1 結(jié)論

　　本文基于非期望產(chǎn)出的超效率SBM模型測度了中國各省交通運(yùn)輸全要素碳排放效率，分析了碳排放效率的時(shí)空特征，并基于雙固定SLM模型探討了中國交通運(yùn)輸全要素碳排放效率的主要影響因素。具體結(jié)論如下：

　　(1)交通運(yùn)輸全要素碳排放效率測算結(jié)果顯示，中國交通運(yùn)輸碳排放效率存在明顯的空間差異性，表現(xiàn)為東部高于中、西部。從時(shí)間變化上來看，整體上呈現(xiàn)典型的環(huán)境庫茲涅茨曲線，2005-2009 年呈現(xiàn)碳排放效率下降趨勢，隨著各種交通運(yùn)輸碳減排政策的推行、交通運(yùn)輸方式結(jié)構(gòu)的優(yōu)化、相關(guān)技術(shù)的推廣應(yīng)用等，2009-2013 年交通運(yùn)輸碳排放效率呈現(xiàn)緩慢上升的態(tài)勢。

　　(2)Moran’s I說明中國交通運(yùn)輸全要素碳排放效率整體上呈現(xiàn)明顯的空間正相關(guān)性。通過LISA 圖分析，得出中國交通運(yùn)輸全要素碳排放效率在空間上存在明顯的聚集狀態(tài)。其中，河北、山東、江蘇、天津等東部沿海省份體現(xiàn)為“H-H”聚集;廣東、江西、四川、湖南、湖北、云南等中南華南地區(qū)和東北地區(qū)普遍表現(xiàn)為“L-L”聚集;同時(shí)青海和寧夏地區(qū)表現(xiàn)為“H-L”聚集現(xiàn)象。

　　(3)雙固定SLM模型估計(jì)結(jié)果顯示，人口規(guī)模、收入水平、交通運(yùn)輸強(qiáng)度、要素稟賦和交通運(yùn)輸結(jié)構(gòu)對交通運(yùn)輸碳排放效率的影響為負(fù)，節(jié)能技術(shù)水平對交通運(yùn)輸碳排放效率的影響為正。

　　5.2 政策建議

　　通過以上分析，未來中國交通運(yùn)輸全要素碳排放效率提升應(yīng)注重如下方面：

　　(1)繼續(xù)大力推進(jìn)純電動、混合動力、氫能源等新能源汽車產(chǎn)業(yè)的發(fā)展，推動新能源在公共交通、大型客車貨車等領(lǐng)域的應(yīng)用。

　　(2)優(yōu)化運(yùn)輸組織方式，提高運(yùn)輸組織效率，推進(jìn)多式聯(lián)運(yùn)、甩掛運(yùn)輸?shù)刃滦瓦\(yùn)輸組織方式，推廣集裝箱運(yùn)輸、箱式貨運(yùn)等運(yùn)輸形式，降低單位交通運(yùn)輸強(qiáng)度，提升全要素碳排放效率。

　　(3)優(yōu)化交通運(yùn)輸結(jié)構(gòu)，大力發(fā)展水路運(yùn)輸、重載鐵路貨運(yùn)，大力推動軌道交通、大容量公交等低碳環(huán)保交通方式，推進(jìn)低碳交通運(yùn)輸體系建設(shè)。

　　(4)中國各地區(qū)交通運(yùn)輸碳排放效率存在顯著的差異性，需要綜合考慮各地區(qū)的經(jīng)濟(jì)發(fā)展階段、產(chǎn)業(yè)結(jié)構(gòu)、資源稟賦、交通運(yùn)輸結(jié)構(gòu)等因素，制定差別化的交通運(yùn)輸碳減排政策。