王靖添 馬曉明,?

中國(guó)交通運(yùn)輸碳排放影響因素研究——基于雙層次計(jì)量模型分析

王靖添1,2馬曉明1,2,?

1.北京大學(xué)深圳研究生院環(huán)境與能源學(xué)院, 深圳 518055; 2.北京大學(xué)環(huán)境科學(xué)與工程學(xué)院, 北京 100871; ?通信作者, E-mail: xmma@pku.edu.cn

構(gòu)建中國(guó)交通運(yùn)輸碳排放總量層次和強(qiáng)度層次影響因素模型, 使用 Johansen 協(xié)整分析和誤差修正模型等計(jì)量模型進(jìn)行實(shí)證分析。研究結(jié)果表明, 交通運(yùn)輸碳排放主要受經(jīng)濟(jì)發(fā)展水平、交通運(yùn)輸結(jié)構(gòu)、運(yùn)輸裝備能效水平、運(yùn)輸組織水平和基礎(chǔ)設(shè)施密度等因素影響。實(shí)證結(jié)果顯示, 國(guó)內(nèi)生產(chǎn)總值、鐵路運(yùn)輸占比、乘用車燃料消耗量、百人電話擁有量和公路路網(wǎng)長(zhǎng)度對(duì)交通運(yùn)輸碳排放影響的彈性系數(shù)分別為 0.74%, ?2.60%, 2.01%, ?0.68%和 0.17%。因此, 在經(jīng)濟(jì)正常發(fā)展情景下, 提升鐵路等低碳運(yùn)輸方式的比例, 推進(jìn)降低傳統(tǒng)汽車燃油消耗水平, 推廣純電動(dòng)汽車等新能源汽車, 加快智慧交通發(fā)展, 有助于控制交通運(yùn)輸碳排放水平。

交通運(yùn)輸; 碳排放; 影響因素; 協(xié)整分析; 雙層次模型

氣候變化是當(dāng)今人類社會(huì)面臨的共同挑戰(zhàn)。工業(yè)革命以來的人類活動(dòng), 特別是發(fā)達(dá)國(guó)家大量消費(fèi)化石能源所產(chǎn)生的 CO2累積排放, 導(dǎo)致大氣中溫室氣體濃度顯著增加, 加劇以變暖為主要特征的全球氣候變化。為積極應(yīng)對(duì)氣候變化, 中國(guó)明確了自主行動(dòng)目標(biāo): CO2排放 2030 年左右達(dá)到峰值, 并爭(zhēng)取盡早達(dá)峰, 爭(zhēng)取在 2060 年前實(shí)現(xiàn)碳中和。國(guó)家統(tǒng)計(jì)局公布的數(shù)據(jù)顯示, 2017 年交通運(yùn)輸倉儲(chǔ)和郵政業(yè)能源消費(fèi)占全國(guó)總量的比例為 9.41%。交通運(yùn)輸行業(yè)是能源消耗及碳排放三大行業(yè)之一, 是應(yīng)對(duì)氣候變化的重點(diǎn)領(lǐng)域。同時(shí), 作為國(guó)民經(jīng)濟(jì)發(fā)展的先導(dǎo)性和基礎(chǔ)性行業(yè), 交通運(yùn)輸行業(yè)在 2030 年前仍將保持快速發(fā)展態(tài)勢(shì), 交通運(yùn)輸行業(yè)碳排放總量控制將是我國(guó) 2030 年碳排放達(dá)峰的重要影響因素。因此, 加快研究和識(shí)別中國(guó)交通運(yùn)輸碳排放的影響因素, 支撐制定具有針對(duì)性的低碳交通政策措施, 具有重要的理論和現(xiàn)實(shí)意義。

目前, 學(xué)術(shù)界主要通過因素分解模型、計(jì)量經(jīng)濟(jì)模型及綜合類模型, 研究交通運(yùn)輸碳排放的影響因素。因素分解模型是基于數(shù)學(xué)邏輯關(guān)系識(shí)別直接影響因素的方法。例如, Guo 等[1]采用對(duì)數(shù)平均迪氏分解法(LMDI), 分析我國(guó)京津冀地區(qū)交通部門CO2排放的驅(qū)動(dòng)因素。Lv 等[2]應(yīng)用人口、富裕程度和技術(shù)(STIRPAT)模型以及地理加權(quán)回歸(GWR)模型, 分析我國(guó)貨運(yùn)碳排放的驅(qū)動(dòng)因素以及城市化對(duì)貨運(yùn)碳排放的影響。Lim 等[3]分析城市空間分布對(duì)交通運(yùn)輸碳排放的影響。Engo[4]基于擴(kuò)展的 Kaya等式, 采用 Tapio 和 LMDI 方法, 分析 1990—2016年喀麥隆交通部門與能源相關(guān)的 CO2排放和增長(zhǎng)之間的脫鉤關(guān)系。Solaymani[5]運(yùn)用 LMDI 方法, 研究7 個(gè)交通運(yùn)輸 CO2排放大國(guó)的碳排放影響因素。Huang 等[6]將指標(biāo)分解分析(IDA)、生產(chǎn)理論分解分析(PDA)和歸因分析(AA)相結(jié)合, 把 CO2運(yùn)輸強(qiáng)度的變化分解為 9 個(gè)因子, 確定不同區(qū)域?qū)Ω饕蜃拥呢暙I(xiàn)。Li 等[7]利用中國(guó) 30 個(gè)省的數(shù)據(jù), 采用 Tapio脫鉤指數(shù), 從省份的尺度分析交通行業(yè)發(fā)展與 CO2排放的關(guān)系。喻潔等[8]基于 LMDI 方法, 分析中國(guó)交通運(yùn)輸行業(yè)碳排放的變化情況。Andreoni 等[9]對(duì)歐洲水運(yùn)和航空運(yùn)輸部門 CO2排放趨勢(shì)進(jìn)行分解分析。丁金學(xué)[10]基于交通運(yùn)輸碳排放因素分解模型, 定量地分析 1991—2010 年交通能源效率、交通運(yùn)輸結(jié)構(gòu)和交通發(fā)展水平等因素對(duì)交通運(yùn)輸排放的影響。LMDI 方法在交通運(yùn)輸碳排放影響因素的研究中相對(duì)簡(jiǎn)易, 解釋影響因素的說服力比較強(qiáng)。

一些學(xué)者采取計(jì)量經(jīng)濟(jì)模型, 研究交通運(yùn)輸碳排放的影響因素。例如, Xu 等[11]運(yùn)用分位數(shù)計(jì)量經(jīng)濟(jì)回歸模型, 探討驅(qū)動(dòng)交通運(yùn)輸行業(yè) CO2排放的因素, 研究結(jié)果顯示主要影響因素包括人口規(guī)模、人均 GDP、交通能源強(qiáng)度、城鎮(zhèn)化水平、貨運(yùn)周轉(zhuǎn)量和客運(yùn)周轉(zhuǎn)量。Lo 等[12]使用計(jì)量經(jīng)濟(jì)學(xué)模型, 研究航空 CO2排放的決定因素, 主要影響因素包括航空燃料價(jià)格、飛行距離和飛機(jī)型號(hào)等。Lin 等[13]采用分位數(shù)分析方法, 研究 1980—2010 年中國(guó)交通運(yùn)輸業(yè)人均 GDP、能源強(qiáng)度、碳強(qiáng)度、總?cè)丝诤统擎?zhèn)化率對(duì) CO2排放的影響。Talbi[14]采用向量自回歸(VAR)模型, 分析 1980—2014 年突尼斯交通部門 CO2排放變化的影響因素, 包括經(jīng)濟(jì)增長(zhǎng)、城鎮(zhèn)化率和能源強(qiáng)度等因素。Xu 等[15]采用向量自回歸模型, 分析交通運(yùn)輸行業(yè) CO2排放變化的影響因素。Alshehry 等[16]驗(yàn)證了沙特阿拉伯 1971—2011 年的環(huán)境庫茲涅茨曲線假說, 發(fā)現(xiàn)在沙特阿拉伯交通運(yùn)輸 CO2排放與經(jīng)濟(jì)增長(zhǎng)之間不存在倒 U型關(guān)系。Xu 等[17]采用 2000—2012 年省級(jí)面板數(shù)據(jù)和非參數(shù)相加回歸模型, 研究我國(guó)交通運(yùn)輸行業(yè) CO2排放的關(guān)鍵影響因素。Saboori 等[18]采用協(xié)整方法, 得出經(jīng)濟(jì)增長(zhǎng)和能源消耗是影響 OECD 國(guó)家道路交通碳排放主要因素的結(jié)論。Lin 等[19]采用協(xié)整方法, 研究交通運(yùn)輸業(yè) CO2排放與 GDP、城鎮(zhèn)化率、能源強(qiáng)度和碳強(qiáng)度等影響因素之間的長(zhǎng)期關(guān)系。從這些研究可以看出, OLS 回歸模型、協(xié)整分析和向量自回歸模型等方法能夠在定性分析判斷的基礎(chǔ)上, 通過對(duì)時(shí)間序列的研究, 量化識(shí)別交通運(yùn)輸碳排放的影響因素。

此外, 部分學(xué)者采用投入產(chǎn)出模型、可計(jì)算一般均衡模型(CGE 模型)和綜合評(píng)估模型(AIM 模型)等方法, 對(duì)交通運(yùn)輸碳排放影響因素進(jìn)行量化研究。例如, Du 等[20]利用中國(guó)投入產(chǎn)出表的數(shù)據(jù), 采用假設(shè)提取法(HEM), 對(duì)各個(gè)運(yùn)輸子部門(包括鐵路、公路、水運(yùn)和航空)的 CO2排放量進(jìn)行研究。Mittal 等[21]提出一種基于行為參數(shù)和交通技術(shù)細(xì)節(jié)的自底向上的客運(yùn)模型 AIM (Asia-pacific Integrated model/transport model), 研究結(jié)果表明出行速度和土地利用方式對(duì)出行需求有顯著影響。Edelenbosch等[22]量化了活動(dòng)增長(zhǎng)、模式結(jié)構(gòu)、能源強(qiáng)度和燃料組合的變化對(duì)客運(yùn)碳排放路徑的影響。Zhang 等[23]開發(fā)了亞太綜合運(yùn)輸模型(AIM), 將旅客的選擇模式與運(yùn)輸技術(shù)細(xì)節(jié)結(jié)合起來。Selvakkumaran 等[24]構(gòu)建 AIM/Enduse 模型, 研究泰國(guó)交通運(yùn)輸行業(yè)碳排放。

綜上所述, 交通運(yùn)輸碳排放的影響因素主要有經(jīng)濟(jì)發(fā)展水平、人口規(guī)模、交通運(yùn)輸總周轉(zhuǎn)量、交通能源強(qiáng)度、交通運(yùn)輸碳強(qiáng)度、城鎮(zhèn)化率、城市空間分布、土地利用方式、運(yùn)輸運(yùn)輸結(jié)構(gòu)、交通運(yùn)輸效率、產(chǎn)業(yè)結(jié)構(gòu)、私家車保有量規(guī)模和交通燃料價(jià)格等。

現(xiàn)有研究存在如下不足之處: 1)系統(tǒng)性解釋影響交通運(yùn)輸碳排放影響因素的研究總體上偏宏觀層面, 大部分研究只闡述經(jīng)濟(jì)水平、人口規(guī)模、交通運(yùn)輸總量、城鎮(zhèn)化率和交通能源強(qiáng)度等宏觀因素, 對(duì)進(jìn)一步提出精準(zhǔn)碳減排措施的支撐意義不足; 2)部分研究闡述的影響因素存在重復(fù)解釋問題, 如經(jīng)濟(jì)水平和交通運(yùn)輸量、交通能耗強(qiáng)度和能源強(qiáng)度等因素同時(shí)出現(xiàn), 產(chǎn)生多重共線性問題; 3)對(duì)部分重要影響因素的量化分析不足, 如從交通運(yùn)輸要素來看, 針對(duì)運(yùn)輸結(jié)構(gòu)、運(yùn)輸裝備、運(yùn)輸組織和基礎(chǔ)設(shè)施等因素對(duì)碳排放的影響量化研究還需要進(jìn)一步深入。因此, 需要構(gòu)建一個(gè)具有邏輯思維的分析框架來識(shí)別重要的影響因素, 既要避免重復(fù)因素解釋, 同時(shí)能夠挖掘深層次的影響因素。

我們認(rèn)為因素分解模型具有嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)邏輯關(guān)系, 是一種識(shí)別影響因素的適當(dāng)方法, 同時(shí), 計(jì)量經(jīng)濟(jì)學(xué)方法在量化分析各因素對(duì)交通運(yùn)輸碳排放方面具有優(yōu)勢(shì)。因此, 本研究擬采用因素分解方法識(shí)別中國(guó)交通運(yùn)輸碳排放影響因素, 結(jié)合交通運(yùn)輸行業(yè)維度邏輯分析, 構(gòu)建中國(guó)交通運(yùn)輸碳排放總量層次和強(qiáng)度層次影響因素模型, 使用 Johansen 協(xié)整分析、誤差修正模型(VEC)等計(jì)量經(jīng)濟(jì)學(xué)方法進(jìn)行實(shí)證研究, 量化分析各主要因素對(duì)交通運(yùn)輸碳排放的影響程度。

1 方法與數(shù)據(jù)

1.1 雙層次計(jì)量模型性構(gòu)建思路

1.1.1基于LMDI模型的影響因素識(shí)別

定量研究 CO2排放影響因素的方法主要有指數(shù)分解方法(Index Decomposition Analysis, IDA)和結(jié)構(gòu)分解方法(Structural Decomposition Analysis, SDA)。IDA 中的迪氏分解法(Logarithmic Mean Divisia Index, LMDI)因運(yùn)用指數(shù)平均權(quán)重方程, 可實(shí)現(xiàn)完全分解。本研究采用以下因素分解式:

式中, TCE 表示交通運(yùn)輸碳排放量; TCE,j表示第種交通運(yùn)輸方式使用第中能源燃料產(chǎn)生的碳排放, 其中交通運(yùn)輸方式為公路、鐵路、水路和民航, 能源燃料包括汽油、柴油、燃料油、煤油、原油、天然氣、電力、煤炭和焦炭; TE,j表示為第種交通方式的第種能源燃料消耗量;F表示為第種能源燃料的碳排放系數(shù)。

基于以上交通運(yùn)輸碳排放核算方法, 對(duì)其進(jìn)行分解:

式中, GDP 為國(guó)內(nèi)生產(chǎn)總值, 反映經(jīng)濟(jì)發(fā)展水平; TT 為交通運(yùn)輸總周轉(zhuǎn)量; TT為第種交通運(yùn)輸方式的運(yùn)輸周轉(zhuǎn)量?；谝陨戏治? 經(jīng)濟(jì)發(fā)展水平(GDP)、交通效能(單位 GDP的交通運(yùn)輸周轉(zhuǎn)量)、運(yùn)輸結(jié)構(gòu)(不同交通運(yùn)輸方式占比)、交通運(yùn)輸?shù)奶寂欧艔?qiáng)度(單位交通運(yùn)輸周轉(zhuǎn)量的碳排放量)是影響交通運(yùn)輸碳排放因素。

本研究分兩個(gè)層次進(jìn)行分析, 第一個(gè)層次為總量層次, 也就是基于 LMDI 識(shí)別出來的影響因素: 經(jīng)濟(jì)發(fā)展水平(GDP)、交通運(yùn)輸效能(TTP)、交通運(yùn)輸結(jié)構(gòu)(RS)和交通運(yùn)輸碳排放強(qiáng)度(TCI):

TCE=(GDP, TTP, RS, TCI); (3)

第二個(gè)層次重點(diǎn)對(duì)交通運(yùn)輸碳排放強(qiáng)度的影響因素進(jìn)行識(shí)別, 包括交通運(yùn)輸裝備、運(yùn)輸組織管理和交通基礎(chǔ)設(shè)施等 3 個(gè)維度。我們認(rèn)為運(yùn)輸裝備燃料消耗效率(VE)、運(yùn)輸組織效率水平(IT)和交通基礎(chǔ)設(shè)施網(wǎng)絡(luò)密度(RL)都對(duì)碳排放強(qiáng)度產(chǎn)生影響:

TCI =(VE, IT, RL)。 (4)

綜上所述, 本研究構(gòu)建的雙層次模型初步識(shí)別影響因素包括經(jīng)濟(jì)發(fā)展水平、交通運(yùn)輸效能、交通運(yùn)輸結(jié)構(gòu)、運(yùn)輸裝備燃料消耗效率、運(yùn)輸組織效率和交通基礎(chǔ)設(shè)施路網(wǎng)密度等。雙層次模型構(gòu)建邏輯是通過將交通運(yùn)輸碳排放強(qiáng)度變量分別作為總量層次模型的解釋變量和強(qiáng)度層次模型的被解釋變量, 將影響因素分層進(jìn)行量化分析, 一方面解釋了經(jīng)濟(jì)水平(交通運(yùn)輸發(fā)展水平)、交通運(yùn)輸結(jié)構(gòu)和交通運(yùn)輸碳強(qiáng)度對(duì)碳排放的影響彈性, 同時(shí)進(jìn)一步將交通運(yùn)輸碳強(qiáng)度的影響因素進(jìn)行量化識(shí)別, 量化了運(yùn)輸裝備、運(yùn)輸組織和交通設(shè)施等交通運(yùn)輸行業(yè)維度因素對(duì)碳排放的影響彈性。

1.1.2總量層次影響因素分析與變量選取

1)從變化趨勢(shì)看, 經(jīng)濟(jì)發(fā)展水平(GDP)與交通運(yùn)輸總周轉(zhuǎn)量(TT)具有一致性的關(guān)系, 且存在高度相關(guān)性。從定性分析結(jié)果看, 經(jīng)濟(jì)水平和交通運(yùn)輸發(fā)展水平顯然是影響交通運(yùn)輸碳排放的重要因素。本文選擇 1980—2019 年國(guó)家統(tǒng)計(jì)局發(fā)布的GDP (不變價(jià))和交通運(yùn)輸換算周轉(zhuǎn)量(加權(quán)求和客運(yùn)周轉(zhuǎn)量和貨運(yùn)周轉(zhuǎn)量)(圖 1), 在進(jìn)行一階差分計(jì)算并確認(rèn)數(shù)據(jù)平穩(wěn)后, 采用一元協(xié)整方法研究?jī)烧叩年P(guān)系。實(shí)證結(jié)果顯示, 具有高度相關(guān)性(調(diào)整系數(shù)2為0.98), 方程結(jié)果顯示 GDP 每增長(zhǎng) 1%, 交通運(yùn)輸量將增長(zhǎng) 0.51%。因此, 在研究交通運(yùn)輸碳排放的影響因素中, 經(jīng)濟(jì)發(fā)展水平和交通運(yùn)輸需求量只能選擇其中之一, 避免多重共線性問題。本模型選擇經(jīng)濟(jì)發(fā)展水平(GDP)作為主要解釋變量之一。

2)由于不同交通運(yùn)輸方式的能耗強(qiáng)度和碳排放強(qiáng)度有差異, 鐵路運(yùn)輸占比變化影響交通運(yùn)輸碳排放總量。交通運(yùn)輸部公布的數(shù)據(jù)顯示, 鐵路運(yùn)輸能耗強(qiáng)度和碳排放強(qiáng)度在各種交通運(yùn)輸方式中最低。以碳排放強(qiáng)度為例, 客運(yùn)方面, 公路、水路(郵輪)和民航分別是鐵路的 7.1 倍、47.7 倍和 19.1 倍; 貨運(yùn)方面, 公路、水路和民航分別是鐵路的 9.5倍、1.9倍和 88.2 倍(表 1)?？梢? 在交通運(yùn)輸發(fā)展規(guī)模不變的情況下, 運(yùn)輸結(jié)構(gòu)差異對(duì)交通運(yùn)輸碳排放產(chǎn)生較大的影響, 因此本研究選擇鐵路運(yùn)輸占比作為主要解釋變量之一。

3)交通運(yùn)輸碳排放與能源消費(fèi)之間關(guān)系的主要差異在能源結(jié)構(gòu)方面, 主要受能源消耗品種的結(jié)構(gòu)影響(圖 2)。由于不同能源的碳排放因子具有差異性, 因此提升低碳能源比例可以降低交通運(yùn)輸系統(tǒng)碳排放水平。通常, 若以直接排放為對(duì)比口徑, 則電力的碳排放為零, 因此電動(dòng)化和電氣化成為交通運(yùn)輸?shù)吞及l(fā)展重要方向, 推廣純電動(dòng)汽車、鐵路電氣化以及交通機(jī)械設(shè)備油改電等成為重要措施。

基于以上分析, 總量層次模型中, 選取國(guó)內(nèi)生產(chǎn)總值、鐵路運(yùn)輸占比和交通運(yùn)輸碳排放強(qiáng)度作為解釋變量進(jìn)行實(shí)證分析。

1.1.3強(qiáng)度層次影響因素分析與變量選取

在總量層次模型基礎(chǔ)上, 進(jìn)一步研究交通運(yùn)輸碳排放強(qiáng)度的影響因素, 構(gòu)建強(qiáng)度層次影響因素模型, 以便更好地解釋影響交通運(yùn)輸碳排放因素。交通運(yùn)輸碳排放強(qiáng)度體現(xiàn)了低碳交通的發(fā)展水平, 按照交通運(yùn)輸框架分析, 運(yùn)輸裝備能效水平、運(yùn)輸組織效率和基礎(chǔ)設(shè)施密度都可能對(duì)低碳交通發(fā)展水平產(chǎn)生影響。

數(shù)據(jù)來自國(guó)家統(tǒng)計(jì)局

數(shù)據(jù)來自中國(guó)能源統(tǒng)計(jì)年鑒(1997—2018)

表1 交通運(yùn)輸能耗和碳排放強(qiáng)度相對(duì)系數(shù)(2012年)

說明: 根據(jù)交通運(yùn)輸部資料整理。

1)選取乘用車燃油消耗值反映運(yùn)輸裝備能效水平。交通運(yùn)輸裝備包括乘用車、貨車、機(jī)車、船舶和飛機(jī)等, 交通運(yùn)輸裝備能源效率影響能耗水平, 進(jìn)而影響碳排放量。根據(jù)數(shù)據(jù)可獲取性, 本研究進(jìn)行簡(jiǎn)化處理, 選擇乘用車的燃油消耗值反映運(yùn)輸裝備能效水平。該指標(biāo)數(shù)值與交通運(yùn)輸行業(yè)能耗變化的總體趨勢(shì)相同(圖 3), 可以反映交通運(yùn)輸裝備技術(shù)水平的變化趨勢(shì)。

2)選擇百人電話擁有率反映信息化水平, 體現(xiàn)運(yùn)輸組織效率水平。運(yùn)輸組織是一個(gè)管理性的概念, 高效率的運(yùn)輸組織可以提高交通運(yùn)輸效率, 降低碳排放強(qiáng)度。本研究用交通信息化水平相關(guān)指標(biāo)來反映運(yùn)輸組織效率。通常, 智慧交通投資額可以作為反映交通信息化水平的變量, 但受限于數(shù)據(jù)可獲得性。本研究選擇百人電話擁有率(圖 4)反映社會(huì)通信水平在交通運(yùn)輸領(lǐng)域的應(yīng)用發(fā)展情況, 進(jìn)而間接地量化反映交通運(yùn)輸信息化水平。

3)選取公路里程數(shù)反映交通基礎(chǔ)設(shè)施發(fā)展水平。交通基礎(chǔ)設(shè)施包括公路、鐵路、機(jī)場(chǎng)、港口和航道等, 完善和高效的現(xiàn)代交通網(wǎng)絡(luò)體系刺激交通需求提升, 進(jìn)而對(duì)碳排放產(chǎn)生影響, 公路里程的變化可以在一定程度上反映基礎(chǔ)設(shè)施規(guī)模發(fā)展趨勢(shì)。

1.2 模型與方法

首先, 采用 ADF 檢驗(yàn)(augmented Dickey-Fuller test)對(duì)時(shí)間序列進(jìn)行平穩(wěn)性檢驗(yàn)。通常, 若原始數(shù)據(jù)時(shí)間序列為非平穩(wěn)數(shù)據(jù), 可采取差分計(jì)算后再進(jìn)行平穩(wěn)性檢驗(yàn)。然后, 采用 Johansen 協(xié)整方法[25]構(gòu)建多元模型。具體檢驗(yàn)過程是通過計(jì)算跡統(tǒng)計(jì)量(Trace)和最大特征值(Max-Eigenvalue)等統(tǒng)計(jì)量進(jìn)行的, 主要解決當(dāng)時(shí)間序列為非平穩(wěn)數(shù)據(jù)時(shí)出現(xiàn)的偽回歸現(xiàn)象。實(shí)際上, “協(xié)整”表示變量間的長(zhǎng)期均衡關(guān)系, 若長(zhǎng)期均衡存在, 則均衡誤差應(yīng)當(dāng)圍繞均衡值 0 波動(dòng), 即均衡誤差μ應(yīng)該是一個(gè)平穩(wěn)序列。協(xié)整檢驗(yàn)分為兩類: 1)一元模型協(xié)整檢驗(yàn), 常用恩格爾–格蘭杰(Engle-Grange, EG)方法; 2)多元模型協(xié)整檢驗(yàn), 常用 Johansen 協(xié)整方法。最后, 使用誤差修正模型進(jìn)行修正。

數(shù)據(jù)來自工業(yè)和信息化部網(wǎng)站、能源與交通創(chuàng)新中心網(wǎng)站

數(shù)據(jù)來源: 國(guó)家統(tǒng)計(jì)局官網(wǎng)

1.3 數(shù)據(jù)來源與描述

1)總量層次模型變量的選取: 被解釋變量為交通運(yùn)輸碳排放(TCE), 解釋變量為經(jīng)濟(jì)發(fā)展水平(GDP)、交通運(yùn)輸結(jié)構(gòu)(RS)和交通運(yùn)輸碳排放強(qiáng)度(TCI)。交通運(yùn)輸碳排放使用《中國(guó)能源統(tǒng)計(jì)年鑒》中 1995—2017 年交通郵政倉儲(chǔ)業(yè)中汽油、柴油、燃料油、煤油、原油、天然氣、電力、煤炭和焦炭的消耗數(shù)據(jù), 加上生活消費(fèi)中汽油消耗量的 80% (反映私家車能源和碳排放部分), 乘以相應(yīng)碳排放系數(shù), 求和加總。經(jīng)濟(jì)發(fā)展水平使用《中國(guó)統(tǒng)計(jì)年鑒》中 1995—2017 年 GDP 不變價(jià)數(shù)據(jù)。交通運(yùn)輸結(jié)構(gòu)使用《中國(guó)統(tǒng)計(jì)年鑒》中 1995—2017年客運(yùn)周轉(zhuǎn)量和貨運(yùn)周轉(zhuǎn)量數(shù)據(jù), 并按照系數(shù)進(jìn)行折算成統(tǒng)一單位(億噸公里)的交通換算周轉(zhuǎn)量, 然后計(jì)算不同方式的占比。本研究選擇鐵路運(yùn)輸占比來反映運(yùn)輸結(jié)構(gòu)。交通運(yùn)輸碳排放強(qiáng)度使用《中國(guó)能源統(tǒng)計(jì)年鑒》中能源數(shù)據(jù)、IPCC 碳排放因子和交通運(yùn)輸換算周轉(zhuǎn)量的數(shù)據(jù)計(jì)算得出。

2)強(qiáng)度層次模型變量的選取: 被解釋變量為交通運(yùn)輸碳排放強(qiáng)度, 解釋變量為乘用車燃料消耗值(VE)、百人電話擁有量(IT)和公路里程(RL)。運(yùn)輸裝備能效選取乘用車燃料消耗值, 數(shù)據(jù)來自能源與交通創(chuàng)新中心提供的 1998—2017 年乘用車工況油耗水平①能源與交通創(chuàng)新中心.中國(guó)乘用車實(shí)際道路行駛與油耗分析年度報(bào)告, 2018。信息化水平選擇百人電話擁有量, 來自《中國(guó)統(tǒng)計(jì)年鑒》中 1998—2017 年數(shù)據(jù)。交通基礎(chǔ)設(shè)施水平選擇全國(guó)公路里程(RL), 來自《中國(guó)統(tǒng)計(jì)年鑒》中 1998—2017 年數(shù)據(jù)。模型使用的數(shù)據(jù)詳見 http://xbna.pku.edu.cn附錄。

2 實(shí)證結(jié)果分析

2.1 單位根檢驗(yàn)

總量層次模型數(shù)據(jù) ADF 檢驗(yàn): 總量層次模型中交通運(yùn)輸碳排放, 國(guó)內(nèi)生產(chǎn)總值、鐵路運(yùn)輸占比和交通運(yùn)輸碳排放強(qiáng)度的原始時(shí)間序列基本上為非平穩(wěn)時(shí)間序列; 經(jīng)過一階差分檢驗(yàn)后, 全部為平穩(wěn)時(shí)間序列。強(qiáng)度層次模型數(shù)據(jù) ADF 檢驗(yàn): 交通運(yùn)輸碳排放強(qiáng)度、百人電話擁有量、公路里程原始時(shí)間序列為非平穩(wěn)序列, 乘用車燃料消耗值為平穩(wěn)時(shí)間序列; 一階差分后, 所有序列為平穩(wěn)時(shí)間序列。詳見表2。

2.2 Johansen協(xié)整檢驗(yàn)

基于時(shí)間序列一階差分后均為平穩(wěn)時(shí)間序列, 本研究采用協(xié)整分析。因?yàn)榇嬖诙嘣绊懸蛩? 總量層次模型和強(qiáng)度層次模型都采用 Johansen 協(xié)整檢驗(yàn)分析。協(xié)整檢驗(yàn)結(jié)果拒絕了 0 個(gè)協(xié)整向量的假設(shè), 總量層次模型時(shí)間序列具備協(xié)整關(guān)系(表 3), 強(qiáng)度層次模型中時(shí)間序列協(xié)整分析顯示同樣具有協(xié)整關(guān)系(表4)。

表2 模型數(shù)據(jù)的ADF檢驗(yàn)結(jié)果

注: ***代表1%的顯著水平, **代表5%的顯著水平。

總量層次模型協(xié)整方程為

LTCE=0.742778 LGDP?2.604426 LRS+

0.599508 LTCI?0.137178。 (5)

總量層次協(xié)整方程實(shí)證結(jié)果分析如下。

1)經(jīng)濟(jì)水平?jīng)Q定碳排放總體水平, 經(jīng)濟(jì)發(fā)展水平與交通運(yùn)輸需求量具有高度相關(guān)性, 交通運(yùn)輸需求量在一定程度上決定碳排放總體規(guī)模。實(shí)證分析結(jié)果顯示, GDP每增長(zhǎng) 1%, 碳排放將增長(zhǎng) 0.74%。

2)在相同的交通運(yùn)輸需求情況下, 運(yùn)輸結(jié)構(gòu)差異會(huì)對(duì)交通碳排放總量產(chǎn)生較大的影響。如提高鐵路運(yùn)輸占比, 將有助于降低交通運(yùn)輸碳排放總量。實(shí)證分析結(jié)果顯示, 鐵路運(yùn)輸占比每提高 1%, 交通運(yùn)輸碳排放將減少2.6%。

3)交通運(yùn)輸碳排放強(qiáng)度是反映低碳交通水平的重要指標(biāo)。實(shí)證分析結(jié)果顯示, 交通運(yùn)輸碳排放強(qiáng)度每下降 1%, 交通運(yùn)輸碳排放總量將下降0.59%。

強(qiáng)度層次模型協(xié)整方程為

TCI = 3.406352 VE?1.162797 IT+0.294279 RL。 (6)

強(qiáng)度層次協(xié)整方程實(shí)證分析如下。

1)交通運(yùn)輸裝備是交通運(yùn)輸領(lǐng)域重要碳排放源, 車輛燃料消耗水平下降, 將有效地降低行業(yè)碳排放強(qiáng)度水平。實(shí)證分析結(jié)果顯示, 乘用車燃料消耗值每下降 1 個(gè)單位, 行業(yè)碳排放強(qiáng)度將下降 3.41個(gè)單位。因此, 加快降低運(yùn)輸裝備工具的燃料消耗值將對(duì)交通運(yùn)輸?shù)吞嫁D(zhuǎn)型具有重要的意義。通過總量層次模型與強(qiáng)度層面模型轉(zhuǎn)化結(jié)果可以得出, 乘用車燃料消耗值每下降 1%, 交通運(yùn)輸碳排放將減少2.01%。

2)交通運(yùn)輸組織與管理對(duì)碳排放強(qiáng)度有直接的影響。提高交通信息化水平, 發(fā)展智慧交通, 有助于提高運(yùn)輸效率, 降低碳排放強(qiáng)度。實(shí)證分析結(jié)果顯示, 信息化水平每提升 1 個(gè)單位, 交通運(yùn)輸碳排放強(qiáng)度降低 1.16 個(gè)單位。通過總量層次模型與強(qiáng)度層面模型轉(zhuǎn)化結(jié)果可以得出, 信息化水平每提升1%, 交通運(yùn)輸碳排放降低 0.68%。

3)交通基礎(chǔ)設(shè)施水平對(duì)碳排放強(qiáng)度也有直接的影響。交通基礎(chǔ)設(shè)施完善, 綜合交通網(wǎng)絡(luò)健全, 公路路網(wǎng)密度完善, 有助于各個(gè)區(qū)域、省份、城鎮(zhèn)以及鄉(xiāng)村的鏈接。實(shí)證分析結(jié)果顯示, 公路里程每提升 1 個(gè)單位, 交通運(yùn)輸碳排放強(qiáng)度提升 0.29 個(gè)單位。主要原因可能是路網(wǎng)更加便捷, 刺激交通需求增加, 且末端節(jié)點(diǎn)的變動(dòng)影響了碳排放強(qiáng)度變化。通過總量層次模型與強(qiáng)度層面模型轉(zhuǎn)化結(jié)果可得, 交通基礎(chǔ)設(shè)施水平每提升 1%, 碳排放提升 0.17%。

2.3 誤差修正模型

協(xié)整反映長(zhǎng)期的均衡關(guān)系, 本研究對(duì)總量層次模型協(xié)整關(guān)系進(jìn)行誤差修正模型分析。實(shí)證分析結(jié)果顯示, 交通運(yùn)輸碳排放與經(jīng)濟(jì)發(fā)展水平、運(yùn)輸結(jié)構(gòu)和交通碳強(qiáng)度長(zhǎng)期均衡之間的偏差, 在滯后一期(即? 1 期)有 3.17%被修正。強(qiáng)度層次模型是通過傳導(dǎo)機(jī)制影響交通運(yùn)輸碳排放總量, 因此不再做誤差修正。

表3 總量層次模型協(xié)整分析結(jié)果

說明: 跡統(tǒng)計(jì)檢驗(yàn)顯示在5%的水平下存在一個(gè)協(xié)整關(guān)系; *表示在0.05水平上拒絕假設(shè), **表示MacKinnon-Haug-Michelis (1999)值。下同。

表4 強(qiáng)度層次模型協(xié)整分析結(jié)果

2.4 模型不足之處

由于受到相關(guān)變量時(shí)間序列數(shù)據(jù)獲得性的限制, 部分變量選擇采取簡(jiǎn)化處理方式。例如, 因無法獲取智慧交通投資額時(shí)間序列數(shù)據(jù)來反映交通運(yùn)輸信息化水平, 本研究選擇電話普及率, 間接地反映全社會(huì)及交通運(yùn)輸信息化水平, 在一定程度上削弱了模型的解釋力度。今后可以針對(duì)此類問題, 進(jìn)一步識(shí)別和收集更加符合客觀情況的指標(biāo)和數(shù)據(jù), 逐步優(yōu)化模型。

3 討論與建議

基于實(shí)證研究, 我們發(fā)現(xiàn)中國(guó)交通運(yùn)輸碳排放的影響因素為經(jīng)濟(jì)發(fā)展水平(交通運(yùn)輸總需求)、交通運(yùn)輸結(jié)構(gòu)、運(yùn)輸裝備能效、運(yùn)輸組織水平和基礎(chǔ)設(shè)施密度, 分別用國(guó)內(nèi)生產(chǎn)總值、鐵路運(yùn)輸占比、乘用車燃料消耗值、百人電話擁有量和公路路網(wǎng)長(zhǎng)度等指標(biāo)反映, 彈性系數(shù)分別為 0.74%, ?2.60%, 2.01%, ?0.68%和0.17% (表5)。

1)交通運(yùn)輸結(jié)構(gòu)調(diào)整是最具力度的交通運(yùn)輸碳減排措施, 但目前缺乏市場(chǎng)化機(jī)制驅(qū)動(dòng)。我國(guó)在推進(jìn)交通運(yùn)輸結(jié)構(gòu)性碳減排的過程中, 主要經(jīng)歷區(qū)域試點(diǎn)和全國(guó)推廣兩個(gè)階段。2017 年以來, 我國(guó)開始探索引導(dǎo)長(zhǎng)距離大宗貨物運(yùn)輸由公路運(yùn)輸向鐵路運(yùn)輸轉(zhuǎn)移, 環(huán)境保護(hù)部和交通運(yùn)輸部等機(jī)構(gòu)以及京津冀等 6 省市推進(jìn)實(shí)施了“天津、河北及環(huán)渤海所有集疏港煤炭主要由鐵路運(yùn)輸, 禁止環(huán)渤海港口接收柴油貨車運(yùn)輸?shù)募韪勖禾? 大幅提升區(qū)域內(nèi)鐵路貨運(yùn)比例”結(jié)構(gòu)性減排舉措。2018 年 9 月, 國(guó)務(wù)院辦公廳發(fā)布《推進(jìn)運(yùn)輸結(jié)構(gòu)調(diào)整三年行動(dòng)方案(2018—2020 年)》, 明確提出到 2020 年, 全國(guó)鐵路貨運(yùn)量比 2017 年增加 11 億噸, 水路貨運(yùn)量比 2017年增加 5 億噸, 沿海港口大宗貨物公路運(yùn)輸量比2017 年減少 4.4 億噸, 標(biāo)志著基于低碳發(fā)展目標(biāo)的交通運(yùn)輸結(jié)構(gòu)調(diào)整政策全面推廣。經(jīng)過 3 年左右的推進(jìn)實(shí)施, 運(yùn)輸結(jié)構(gòu)調(diào)整取得一些效果。交通運(yùn)輸部發(fā)布的數(shù)據(jù)顯示, 2019 年, 我國(guó)鐵路貨運(yùn)量比2017 年增長(zhǎng) 7 億噸; 10 年來, 水路貨運(yùn)量年均增長(zhǎng)9.5%, 集裝箱鐵水聯(lián)運(yùn)量更是年均增長(zhǎng) 30%左右, 集裝箱鐵水聯(lián)運(yùn)比例由 2016 年的 1.25%增至 2019年的 1.97%。但是, 工作進(jìn)度仍不及預(yù)期, 也反映出交通運(yùn)輸結(jié)構(gòu)調(diào)整是一項(xiàng)系統(tǒng)和復(fù)雜的工程, 核心問題在于鐵路貨物運(yùn)價(jià)的相對(duì)優(yōu)勢(shì)具有不確定性。根據(jù)我們的研究測(cè)算結(jié)果, 大秦線路和包秦線路的鐵路運(yùn)費(fèi)比公路運(yùn)費(fèi)低 8.04%和 22.71%, 朔滄線路和神天線路鐵路的運(yùn)費(fèi)比公路運(yùn)費(fèi)高 21.01%和 17.20%。因此, 在沒有形成市場(chǎng)化驅(qū)動(dòng)機(jī)制的情況下, 通過行政措施推動(dòng), 公路轉(zhuǎn)鐵路的邊際效果會(huì)逐步降低。未來, 我們建議, 加快鐵路領(lǐng)域改革, 釋放鐵路貨運(yùn)企業(yè)的積極性, 形成面向市場(chǎng)的鐵路貨運(yùn)價(jià)格機(jī)制。

2)推廣純電動(dòng)等新能源汽車是我國(guó)低碳交通發(fā)展顯著成果之一。國(guó)家政策的大力支持和引導(dǎo)是我國(guó)新能源汽車推廣應(yīng)用快速發(fā)展的重要原因。從2009 年我國(guó)新能源汽車產(chǎn)業(yè)起步至今, 產(chǎn)業(yè)自身在探索中前進(jìn), 國(guó)家政策也隨著產(chǎn)業(yè)的發(fā)展不斷調(diào)整, 可分為 4 個(gè)階段。第一階段是 2009—2013 年, 為新能源汽車的發(fā)展初期: 我國(guó)新能源汽車發(fā)展起步, 是技術(shù)、產(chǎn)品、用戶、市場(chǎng)的積累期。2009 年 1月, 財(cái)政部、科技部聯(lián)合啟動(dòng)“十城千輛節(jié)能與新能源汽車示范推廣應(yīng)用工程”, 拉開我國(guó)新能源汽車產(chǎn)業(yè)發(fā)展的序幕。第二階段是 2014—2015 年, 為新能源汽車的高速發(fā)展期: 國(guó)家出臺(tái)系列支持政策,給予高額的財(cái)政補(bǔ)貼, 補(bǔ)貼范圍涉及乘用車、商用車、專用車和充電樁等, 制定并頒布一系列國(guó)家標(biāo)準(zhǔn), 嚴(yán)格控制產(chǎn)品的準(zhǔn)入。第三階段是 2016—2018年, 為新能源汽車的持續(xù)發(fā)展期: 國(guó)家繼續(xù)強(qiáng)調(diào)新能源汽車的戰(zhàn)略性地位, 但政策支持方式開始轉(zhuǎn)變, 直接財(cái)政補(bǔ)貼退坡, 呈現(xiàn)向配額方式轉(zhuǎn)變的趨勢(shì), 并開始著力完善新能源汽車配套充電設(shè)施網(wǎng)絡(luò)。第四階段是 2019 年至今, 新能源產(chǎn)業(yè)化和市場(chǎng)化進(jìn)程加速期: 隨著特斯拉中國(guó)工廠投入建設(shè), 比亞迪等國(guó)內(nèi)新能源汽車廠商快速發(fā)展, 我國(guó)構(gòu)建完成新能源汽車全產(chǎn)業(yè)鏈的布局, 為推廣應(yīng)用新能源汽車奠定堅(jiān)實(shí)的基礎(chǔ)。公安部發(fā)布的數(shù)據(jù)①公安部政府信息公開.https://app.mps.gov.cn/gdnps/pc/content.jsp?id=7647257&mtype=顯示, 截至2020 年 6 月, 我國(guó)新能源汽車保有量達(dá) 417 萬輛, 銷量占全球新能源汽車的 55%, 是全球新能源汽車保有量最多的國(guó)家。當(dāng)前, 我國(guó)新能源汽車推廣取得實(shí)質(zhì)性成效, 為低碳交通發(fā)展做出重要貢獻(xiàn)。未來, 我們建議結(jié)合國(guó)情, 進(jìn)一步優(yōu)化完善新能源汽車產(chǎn)業(yè)技術(shù)路線, 確保新能源汽車推廣應(yīng)用優(yōu)勢(shì)的持續(xù)性和領(lǐng)先性。

表5 中國(guó)交通運(yùn)輸碳排放影響因素彈性系數(shù)

3)交通信息化智能化發(fā)展是行業(yè)提質(zhì)增效的必由路徑, 同時(shí)由于效率提升, 會(huì)協(xié)同產(chǎn)生減排效應(yīng)。我國(guó)政府一直都在推進(jìn)交通運(yùn)輸信息化發(fā)展, 2016 年 4 月, 交通運(yùn)輸部印發(fā)《交通運(yùn)輸信息化“十三五”發(fā)展規(guī)劃》, 并于 2018 年開展新一代國(guó)家交通控制網(wǎng)及智慧公路試點(diǎn)工作, 包括基礎(chǔ)設(shè)施數(shù)字化、車路協(xié)同、北斗高精度定位綜合應(yīng)用和“互聯(lián)網(wǎng)+”路網(wǎng)服務(wù)等內(nèi)容, 并選擇延崇高速和京雄高速開展智慧公路建設(shè), 同時(shí)上海港和青島港都建設(shè)運(yùn)營(yíng)自動(dòng)化碼頭。在市場(chǎng)層面, 菜鳥網(wǎng)絡(luò)和滴滴出行等物流和出行互聯(lián)網(wǎng)平臺(tái)發(fā)展迅速, 提高了全社會(huì)的運(yùn)輸組織效率, 為公眾提供了更加便捷的運(yùn)輸服務(wù), 有助于提高交通運(yùn)輸碳排放強(qiáng)度。2019 年 7月, 交通運(yùn)輸部印發(fā)《數(shù)字交通發(fā)展規(guī)劃綱要》, 明確到 2025 年, 交通運(yùn)輸基礎(chǔ)設(shè)施和運(yùn)載裝備全要素、全周期的數(shù)字化升級(jí)邁出新步伐, 數(shù)字化采集體系和網(wǎng)絡(luò)化傳輸體系基本上形成。預(yù)計(jì)未來中國(guó)交通的智能化、信息化和數(shù)字化水平將全面提升, 隨著 5G 技術(shù)的應(yīng)用推廣, 智慧數(shù)字交通產(chǎn)業(yè)將加速發(fā)展。當(dāng)前, 以“互聯(lián)網(wǎng)+交通”為主要內(nèi)容的交通信息化智能化進(jìn)程在中國(guó)持續(xù)深化, 數(shù)字智慧交通將成為未來交通發(fā)展的顯著特征之一, 有助于協(xié)同推進(jìn)交通運(yùn)輸邁向低碳發(fā)展時(shí)代。我們建議研究系統(tǒng)和全面的交通運(yùn)輸信息化的碳排放交易方法, 建立支持協(xié)同減排措施的可持續(xù)激勵(lì)機(jī)制。

4)完善交通基礎(chǔ)設(shè)施網(wǎng)絡(luò), 誘導(dǎo)增量出行物流需求, 促使碳排放有所增加。經(jīng)過 40 多年的改革和發(fā)展, 我國(guó)綜合交通運(yùn)輸網(wǎng)絡(luò)體系正在形成。截至2019 年底, 鐵路營(yíng)業(yè)里程達(dá)到 13.9 萬公里, 高速鐵路里程突破 3.5 萬公里, 高鐵里程超過世界高鐵總里程的 2/3, 居世界第一。公路總里程達(dá)到 501.25萬公里, 全國(guó) 99.99%的鄉(xiāng)鎮(zhèn)和 99.98%的建制村通公路, 高速公路里程達(dá) 14.96 萬公里, 居世界首位。內(nèi)河航道通航里程達(dá) 12.73 萬公里, 規(guī)模以上港口萬噸級(jí)泊位達(dá) 2520 個(gè)。頒證民航運(yùn)輸機(jī)場(chǎng)達(dá)238 個(gè), 全國(guó)取證通用機(jī)場(chǎng)達(dá) 209 個(gè)?；诟咝У慕煌ɑA(chǔ)設(shè)施網(wǎng)絡(luò), 2019 年全社會(huì)客、貨運(yùn)輸量分別達(dá) 176.0 億人次和 470.6 億噸。鐵路旅客周轉(zhuǎn)量和貨運(yùn)量居世界第一, 高鐵旅客周轉(zhuǎn)量超過全球其他國(guó)家和地區(qū)的總和。客運(yùn)服務(wù)水平持續(xù)提升, 鐵路和民航客運(yùn)量年均增長(zhǎng)率達(dá)到逾 8%的水平?？梢? 日益完善的交通基礎(chǔ)設(shè)施網(wǎng)絡(luò)刺激了交通運(yùn)輸需求的上升, 對(duì)碳排放增加具有促進(jìn)作用。因此, 完善綜合交通運(yùn)輸網(wǎng)絡(luò)體系, 在為公眾提供更加便捷和高效運(yùn)輸服務(wù)的基礎(chǔ)上, 更需要在運(yùn)輸結(jié)構(gòu)、運(yùn)輸裝備和運(yùn)輸組織上采取措施, 促進(jìn)交通運(yùn)輸實(shí)現(xiàn)高品質(zhì)、低碳化的高質(zhì)量發(fā)展格局。

[1]Guo M, Meng J.Exploring the driving factors of carbon dioxide emission from transport sector in Beijing-Tianjin-Hebei region.Journal of Cleaner Pro-duction, 2019, 226: 692–705

[2]Lv Qian, Liu Haibin, Yang Dongyang, et al.Effects of urbanization on freight transport carbon emissions in China: common characteristics and regional disparity.Journal of Cleaner Production, 2019, 211: 481–489

[3]Lim J, Kang M, Jung C.Effect of national-level spatial distribution of cities on national transport CO2emissions.Environmental Impact Assessment Review, 2019, 77: 162–173

[4]Engo J.Decoupling analysis of CO2emissions from transport sector in Cameroon.Sustainable Cities and Society, 2019, 51: 101732

[5]Solaymani S.CO2emissions patterns in 7 top carbon emitter economies: the case of transport sector.Ener-gy, 2019, 168: 989–1001

[6]Huang Fei, Zhou Dequn, Wang Qunwei, et al.Decom-position and attribution analysis of the transport sec-tor’s carbon dioxide intensity change in China.Trans-portation Research Part A: Policy and Practice, 2019, 119: 343–358

[7]Li Yi, Du Qiang, Lu Xinran, et al.Relationship be-tween the development and CO2emissions of trans-port sector in China.Transportation Research Part D, 2019, 74: 1–14

[8]喻潔, 達(dá)亞彬，歐陽斌.基于 LMDI 分解方法的中國(guó)交通運(yùn)輸行業(yè)碳排放變化分析.中國(guó)公路學(xué)報(bào), 2015(10): 112–119

[9]Andreoni V, Galmarini S.European CO2emission trends: a decomposition analysis for water and avia-tion transport sectors.Energy, 2012, 45(1): 595–602

[10]丁金學(xué).我國(guó)交通運(yùn)輸業(yè)碳排放及其減排潛力分析.綜合運(yùn)輸, 2012(12): 20–26

[11]Xu B, Lin B.Investigating the differences in CO2emissions in the transport sector across Chinese pro-vinces: evidence from a quantile regression model.Journal of Cleaner Production, 2018, 175: 109–122

[12]Lo P L, Martini G, Porta F, et al.The determinants of CO2emissions of air transport passenger traffic: an analysis of Lombardy (Italy).Transport Policy, 2018, 91: 108–119

[13]Lin B, Benjamin N I.Influencing factors on carbon emissions in China transport industry: a new evidence from quantile regression analysis.Journal of Cleaner Production, 2017, 150: 175–187

[14]Talbi B.CO2emissions reduction in road transport sector in Tunisia.Renewable and Sustainable Energy Reviews, 2017, 69: 232–238

[15]Xu B, Lin B.Differences in regional emissions in China’s transport sector: determinants and reduction strategies.Energy, 2016, 95: 459–470

[16]Alshehry A S, Belloumi M.Study of the environ-mental Kuznets curve for transport carbon dioxide emissions in Saudi Arabia.Renewable and Sustai-nable Energy Reviews, 2017, 75: 1339–1347

[17]Xu B, Lin B.Factors affecting carbon dioxide (CO2) emissions in China’s transport sector: a dynamic nonparametric additive regression model.Journal of Cleaner Production, 2015, 101: 311–322

[18]Saboori B, Sapri M, bin Baba M.Economic growth, energy consumption and CO2emissions in OECD (Organization for Economic Co-operation and Deve-lopment)’s transport sector: a fully modified bi-direc-tional relationship approach.Energy, 2014, 66: 150–161

[19]Lin B, Xie C.Reduction potential of CO2emissions in China’s transport industry.Renewable and Sustaina-ble Energy Reviews, 2014, 33: 689–700

[20]Du Huibin, Chen Zhenni, Peng Binbin, et al.What drives CO2emissions from the transport sector? A linkage analysis.Energy, 2019, 175: 195–204

[21]Mittal S, Dai Hancheng, Fujimori S, et al.Key factors influencing the global passenger transport dynamics using the AIM/transport model.Transportation Re-search Part D: Transport and Environment, 2017, 55: 373–388

[22]Edelenbosch O Y, McCollum D L, van Vuuren D P, et al.Decomposing passenger transport futures: compa-ring results of global integrated assessment models.Transportation Research Part D: Transport and Envi-ronment, 2017, 55: 281–293

[23]Zhang Runsen, Long Yin, Wu Wenchao, et al.How do transport policies contribute to a low carbon city? An integrated assessment using an urban computable general equilibrium model.Energy Procedia, 2018, 152: 606–611

[24]Selvakkumaran S, Limmeechokchai B.Low carbon society scenario analysis of transport sector of an emerging economy — the AIM/Enduse modelling approach.Energy Policy, 2015, 81: 199–214

[25]Johansen S.Likelihood-based Inference in coninte-grated vector autogressive models.Oxford: Oxford University Press, 1995

Influencing Factors of Carbon Emissions from Transportation in China: Empirical Analysis Based on Two-level Econometrics Method

WANG Jingtian1,2, MA Xiaoming1,2,?

1.School of Environment and Energy, Peking University Shenzhen Graduate School, Shenzhen 518055; 2.College of Environmental Sciences and Engineering, Peking University, Beijing 100871; ?Corresponding author, E-mail: xmma@pku.edu.cn

This study constructs a two-level influence factor model on the carbon emission amount and intensity of China’s transport sector.Econometric methods including Johansen co-integration analysis and error correction model are used for empirical analysis.The results show that the transport sector’s emissions are mainly affected by factors including economic development level, transport sector structure, transportation equipment energy efficiency, transportation management, infrastructure system intensity and so forth.Empirical analysis shows that the impact elastic coefficients of gross domestic product, proportion of railway transport, vehicle fuel consumption, telephone ownership rate per one hundred people and road network length are 0.74%, ?2.60%, 2.01%, ?0.68% and 0.17% respectively.Under business as usual scenario in terms of economic development, increasing the proportion of low-carbon transportation modes such as railway, lowering fuel consumption of conventional vehicles, promoting new-energy vehicles and accelerating the development of smart transportation can all contribute to controlling the amount of carbon emissions from the transport sector.

transportation; carbon emissions; influencing factors; co-integration analysis; two-level model

10.13209/j.0479-8023.2021.086

2020–11–03;

2021–03–20

國(guó)家交通運(yùn)輸部交通運(yùn)輸戰(zhàn)略規(guī)劃政策項(xiàng)目(2016-16-1)和國(guó)家交通運(yùn)輸部交通運(yùn)輸節(jié)能減排能力建設(shè)項(xiàng)目(2015-JNJP-007-053, 2013-JNJP-002-011)資助