汪銀月，傅忠寧，梅 鎮(zhèn)，陳國鵬，李麗園

(1.蘭州交通大學 交通運輸學院，甘肅 蘭州 730070；2.中國鐵路蘭州局集團有限公司 科技和信息化部， 甘肅 蘭州 730000；3.中鐵二院工程集團有限責任公司 土建一院，四川 成都 610031)

0 引言

2019年9月，黃河流域生態(tài)保護和高質(zhì)量發(fā)展被列為重大國家戰(zhàn)略。區(qū)域經(jīng)濟的發(fā)展離不開交通運輸業(yè)。鐵路運輸在減少污染、降低能源消耗等方面與公路、航空運輸相比具有明顯優(yōu)勢。作為一種綠色環(huán)保的運輸方式，鐵路貨運對黃河流域的生態(tài)環(huán)境會產(chǎn)生多種影響。鑒于此，為實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展和生態(tài)保護雙贏，有必要開展鐵路貨運對黃河流域生態(tài)環(huán)境影響的研究。

世界可持續(xù)發(fā)展工商理事會(WBCSD)于1992年提出生態(tài)效率的概念，認為其由資源效率和環(huán)境績效2部分組成。其中，環(huán)境績效被界定為系統(tǒng)所創(chuàng)造的單位價值與產(chǎn)生的環(huán)境影響之比，是測度可持續(xù)發(fā)展的標準之一。目前國內(nèi)外對于環(huán)境績效的研究分為2大類，一類是以企業(yè)為主體，研究企業(yè)環(huán)境績效及其影響因素；另一類是以區(qū)域為主體，研究城市、省份或國家環(huán)境績效及其影響因素。在此，所研究的黃河流域環(huán)境績效屬于第二類。

環(huán)境績效測算方面，國外研究起步較早，2001年Dyckhoff等[1]就提出運用數(shù)據(jù)包絡分析法(DEA)來測算環(huán)境績效以衡量生態(tài)效率?；趪庋芯砍晒瑖鴥?nèi)衍生了多種環(huán)境績效測算方法。董戰(zhàn)峰等[2]在環(huán)境績效評估系統(tǒng)框架構(gòu)建中引入熵權(quán)法，測算了我國30個省(區(qū)市)的環(huán)境績效指數(shù)；周智玉[3]采用改進的數(shù)據(jù)包絡分析法測算了長株潭城市群和武漢城市圈9個地級市的環(huán)境保護績效并進行了動態(tài)分析；馮雨等[4]利用主成分分析法評估了長江經(jīng)濟帶11個省市的環(huán)境績效。

環(huán)境績效影響因素方面，Valeria等[5]對意大利20個地區(qū)進行實證研究，發(fā)現(xiàn)地區(qū)的部門創(chuàng)新、環(huán)境政策以及區(qū)域溢出效應都會影響該地區(qū)的環(huán)境績效；鄭義等[6]探討了環(huán)境技術(shù)效率、污染治理對環(huán)境績效的影響，通過實證表明環(huán)境技術(shù)效率及污染治理投資均能提升省級環(huán)境績效；張子龍等[7]研究發(fā)現(xiàn)，產(chǎn)業(yè)結(jié)構(gòu)、人口規(guī)模和經(jīng)濟增長會抑制城市環(huán)境績效的提升；國涓等[8]通過分解潛在環(huán)境績效發(fā)現(xiàn)，要素配置效率和技術(shù)創(chuàng)新能力會在不同程度上影響環(huán)境績效。從研究方法上來看，學者們多采用面板回歸模型探討環(huán)境績效的影響因素，忽略了環(huán)境績效可能存在的空間特征。從理論上來看，與傳統(tǒng)的面板回歸模型相比，空間計量模型更能準確地把握各個因素對環(huán)境績效的空間沖擊。

此外，為具化鐵路貨物運輸?shù)挠幸嬷?，提出鐵路綠色貨運這一概念。目前尚未有對于鐵路綠色貨運的定性研究。借鑒綠色物流及綠色列車[9]的含義，將鐵路綠色貨運定義為以高效、節(jié)能、環(huán)保為目標，采用綠色創(chuàng)新技術(shù)實現(xiàn)鐵路貨運對區(qū)域環(huán)境影響最小化、運輸資源利用最大化的過程。在鐵路貨運綠色環(huán)保的表現(xiàn)方面，陶學宗等[10]通過實例研究了義烏—寧波港域集裝箱貨運“公轉(zhuǎn)鐵”的減排潛力，定量證明了鐵路貨運的碳排放效率優(yōu)勢對綠色交通的推動作用；王勇等[11]通過分析2006—2017年碳排放量的變化趨勢，表明我國鐵路運輸正朝著低碳綠色方向發(fā)展。多項研究表明，植被屏障可以有效減少污染物排放從而改善環(huán)境質(zhì)量。為了打造生態(tài)鐵路、建造綠色長廊，沿線綠化也是近年來鐵路生態(tài)修復的重點。由此可見，鐵路貨運的綠色環(huán)保主要體現(xiàn)在碳排放及沿線綠化程度上。

總體而言，學者們普遍認為相較其他運輸方式，鐵路貨物運輸對環(huán)境更友好。在此，借鑒已有研究成果，選取2008—2019年黃河流域各省(區(qū))面板數(shù)據(jù)，利用空間計量模型分析鐵路綠色貨運及其交互項對環(huán)境績效的影響，以期為黃河流域鐵路貨運的發(fā)展規(guī)劃以及與環(huán)境的協(xié)同政策提供參考。

1 研究設計

1.1 模型設定

擬基于黃河流域山西、陜西、河南、山東、甘肅、青海、寧夏和內(nèi)蒙古等8省(區(qū)) 2008—2019年的面板數(shù)據(jù)構(gòu)造空間計量模型。由于模型設置錯誤會影響模型估計的有效性，因此空間計量模型的選擇至關重要。空間分析的標準方法主要側(cè)重于空間依賴性和空間異質(zhì)性2個問題?？臻g滯后模型(SLM)可以通過考慮被解釋變量的內(nèi)生交互作用來衡量空間依賴程度。換言之，該模型可以反映本區(qū)域環(huán)境績效對周邊區(qū)域環(huán)境績效的間接影響(即空間溢出)?？臻g誤差模型(SEM)通過考慮空間誤差項之間的交互作用來衡量相鄰區(qū)域一些不可觀測因素對本區(qū)域環(huán)境績效的影響。而空間杜賓模型(SDM)作為上述2種模型的組合擴展形式，既考慮了被解釋變量的空間相關性，又考慮了解釋變量的空間相關性。

由于空間杜賓模型相較于空間滯后模型和空間誤差模型有明顯優(yōu)勢，初步選擇其為實證分析的基本模型，后續(xù)將通過相關檢驗判斷其是否為最優(yōu)模型。模型公式如下。

式中：EPit為被解釋變量，表示i省市在t年的環(huán)境績效；Xit為解釋變量，表示i省市在t年的鐵路綠色貨運；Zit為控制變量，包括環(huán)保投資(EI)、產(chǎn)業(yè)結(jié)構(gòu)(IS)、技術(shù)創(chuàng)新(TE)；Wij表示省市i對省市j的空間權(quán)重；μi為不隨時間變化的個體差異；λi為不隨個體變化的時間差異；εit為隨機擾動項；n為樣本中的省份數(shù)8；δ為環(huán)境績效的空間溢出效應強度；β1，β2分別表示解釋變量和控制變量對環(huán)境績效的直接影響系數(shù)；θ1，θ2分別表示解釋變量和控制變量對環(huán)境績效的空間影響系數(shù)。

1.2 樣本與數(shù)據(jù)來源

1.2.1 研究變量

（1）被解釋變量——環(huán)境績效?；谝延形墨I研究結(jié)論[12]，構(gòu)建環(huán)境績效指標體系如表1所示。環(huán)境績效由環(huán)境健康、資源消耗、環(huán)境治理、環(huán)境綠化及資源循環(huán)5個部分組成。其中，環(huán)境健康用單位GDP廢氣排放量(廢氣排放量包括廢氣中氮氧化物排放量、二氧化硫排放量及煙粉塵排放量)和單位GDP廢水排放量衡量，排放量越高環(huán)境健康水平越低，環(huán)境績效越低；資源消耗用人均用水量、人均電力消耗量衡量，消耗量越高資源消耗越高，環(huán)境績效越低；環(huán)境治理用城市垃圾及污水處理率衡量，處理率越高環(huán)境治理越強，環(huán)境績效越高；環(huán)境綠化用造林面積衡量，造林面積越大環(huán)境綠化越好，環(huán)境績效越高；資源循環(huán)用工業(yè)固廢利用率衡量，處理率越高資源循環(huán)越好，環(huán)境績效越高。

表1 環(huán)境績效指標體系Tab.1 Indicator system of environmental performance

（2）解釋變量——鐵路綠色貨運。根據(jù)前文討論的結(jié)果，選用碳排放效率及綠化里程數(shù)來量化鐵路綠色貨運，鐵路綠色貨運測度指標如表2所示。其中，鐵路碳排放效率無直接數(shù)據(jù)來源。參考盧建鋒等[13]對于交通碳排放效率的研究，從單要素角度出發(fā)，將其定義為“鐵路貨物周轉(zhuǎn)量與鐵路碳排放總量的比值”。

表2 鐵路綠色貨運測度指標Tab.2 Measurement indicators for green railway freight transport

式中：Cp為鐵路碳排放效率，t·km/kg；Y為鐵路貨物周轉(zhuǎn)量，t·km；C為鐵路碳排放量，kg。

根據(jù)國家標準煤熱值轉(zhuǎn)換，得到鐵路碳排放量計算公式如下。

式中：為內(nèi)燃機車和電力機車的平均能耗，kg/(t·km)；CE為標準煤熱值，取29.307 6 GJ/kg；p為CO2排放系數(shù)，取94.9 kg/GJ。

最終鐵路碳排放效率公式簡化如下。

從公式 ⑷ 可以看出，機車平均能耗越小，鐵路碳排放效率越高。由于電力機車占比越大，機車平均能耗越小，因此提高電力機車占比可以有效提高碳排放效率。

（3）控制變量。基于對現(xiàn)有文獻的研究，選用環(huán)保投資、產(chǎn)業(yè)結(jié)構(gòu)及技術(shù)創(chuàng)新作為模型的控制變量。其中，環(huán)保投資選用工業(yè)污染治理投資額來衡量。目前我國仍處于工業(yè)化發(fā)展階段，雖然工業(yè)化的快速發(fā)展創(chuàng)造了高經(jīng)濟效益，但是也增加了污染物排放，影響環(huán)境績效。而工業(yè)污染治理投資可以加大工業(yè)環(huán)境基礎設施建設，有效降低工業(yè)生產(chǎn)對環(huán)境造成的污染。技術(shù)創(chuàng)新的測度為國內(nèi)專利授權(quán)數(shù)。國內(nèi)專利中包含綠色環(huán)保專利。綠色環(huán)保專利的應用可以從2方面改善環(huán)境質(zhì)量，一是直接減少部分污染物排放，二是提高企業(yè)生產(chǎn)效率，減少能源消耗，進而提高環(huán)境績效。參考陳曉通等[14]的研究，將產(chǎn)業(yè)結(jié)構(gòu)用構(gòu)造的產(chǎn)業(yè)結(jié)構(gòu)指數(shù)來衡量，具體公式如下。

式中：IS為產(chǎn)業(yè)結(jié)構(gòu)指數(shù)，數(shù)值越大表示產(chǎn)業(yè)結(jié)構(gòu)越高級；I1，I2，I3分別為第一、第二、第三產(chǎn)業(yè)產(chǎn)值占GDP比重。

1.2.2 數(shù)據(jù)來源及預處理

鑒于黃河流域在四川省的徑流面積較小，且四川省已經(jīng)整體納入長江經(jīng)濟帶中，考慮數(shù)據(jù)可獲取性、連續(xù)性與科學性，所研究的黃河流域范圍包括山西、陜西、河南、山東、甘肅、青海、寧夏和內(nèi)蒙古8省(區(qū))，研究樣本為2008—2019年間黃河流域8個省(區(qū))形成的面板數(shù)據(jù)。在數(shù)據(jù)收集過程中，廢氣指標中氮氧化物排放量最早統(tǒng)計年限為2011年，因此將面板數(shù)據(jù)中廢氣排放指標統(tǒng)計為二氧化硫排放量和煙粉塵排放量總和。研究所有基礎數(shù)據(jù)均來自《中國環(huán)境統(tǒng)計年鑒》《中國鐵路年鑒》，以及省級統(tǒng)計年鑒和國家統(tǒng)計局網(wǎng)站。

為保證數(shù)據(jù)的完整性和計算的科學性，需要對原始數(shù)據(jù)進行預處理。首先，對于部分缺失值采用預測方法處理。其次，在環(huán)境績效測算中對原始數(shù)據(jù)進行歸一化處理以解決指標量綱及正負向性質(zhì)差異化問題。最后，對于數(shù)據(jù)離散程度較高的數(shù)據(jù)進行取對數(shù)處理以消除數(shù)據(jù)的異方差。通過數(shù)據(jù)分析，對綠化里程數(shù)(GM)、環(huán)保投資(EI)以及技術(shù)創(chuàng)新(TE)等模型變量進行取對數(shù)處理，分別記為lnGM，lnEI和lnTE。變量定義和數(shù)據(jù)描述如表3所示。

表3 變量定義及數(shù)據(jù)描述Tab.3 Variable definition and data description

從數(shù)據(jù)描述可以看出，各項數(shù)據(jù)經(jīng)過預處理已漸近正態(tài)化分布，可以進行實證分析。

2 實證分析

2.1 環(huán)境績效的測算

以往研究中多用一種賦權(quán)方法確定指標權(quán)重，可能會導致權(quán)重之間差距懸殊。因此，采用熵值法[15]與層次分析法組合賦權(quán)的方法對各指標進行權(quán)重分配，從而使權(quán)重分配趨于合理，公式如下。

式中：Wj為組合權(quán)重；W1，W2分別為熵值法、層次分析法的賦權(quán)結(jié)果。

基于此測算出2008—2019年間黃河流域各省(區(qū))環(huán)境績效，環(huán)境績效值介于[0，1]之間，值越大表示環(huán)境績效越好。環(huán)境績效測算結(jié)果如表4所示。

從表4可以看出，2008—2019年環(huán)境績效的發(fā)展趨勢大體上呈現(xiàn)提升狀態(tài)，但由于受各省(區(qū))經(jīng)濟、政策不一致影響，各省(區(qū))環(huán)境績效值增長速度不同。

表4 環(huán)境績效測算結(jié)果Tab.4 Results of environmental performance measurement

2.2 空間適用性檢驗

在使用空間計量方法前，首先要考察數(shù)據(jù)是否存在空間自相關性。空間自相關指數(shù)，如Moran’s I，Geary’s C和General G可以表明一個變量或?qū)ο笫欠裨诮o定的尺度上表現(xiàn)出明顯的空間依賴性。由于學術(shù)界對Moran’s I指數(shù)的研究相對成熟且使用廣泛，在此選用Moran’s I指數(shù)以衡量黃河流域各省(區(qū))的環(huán)境績效是否存在空間相關性，其公式如下。

式中：I為莫蘭指數(shù)；為樣本方差；wij為空間權(quán)重矩陣；xi為第i個省(區(qū))的環(huán)境績效；n為區(qū)域個數(shù)。

Moran’s I值[16]的區(qū)間在[-1，1]之間，在既定的顯著水平下，莫蘭值顯著為正，表示存在空間正相關；莫蘭值顯著為負，表示存在空間負相關。

Moran’s I需要引入空間權(quán)重矩陣進行空間相關性檢驗，常見的空間權(quán)重矩陣有地理鄰接矩陣、經(jīng)濟距離矩陣、地理距離矩陣和經(jīng)濟地理矩陣。經(jīng)過對比，發(fā)現(xiàn)黃河流域環(huán)境績效的空間相關性更符合基于各省(區(qū))經(jīng)緯度距離的地理距離矩陣，因此采用基于地理特征的地理距離矩陣，公式如下。

式中：Wij為第i行、第j列的矩陣元素；dij為各省(區(qū))之間的經(jīng)緯度距離。

使用Stata統(tǒng)計軟件得到環(huán)境績效全局莫蘭值如表5所示。

表5 環(huán)境績效全局莫蘭值Tab.5 Global Moran’s I of environmental performance

從表5可以看出，大部分年份都通過了顯著性為10%的檢驗，即拒絕不存在空間自相關性的原假設。該結(jié)果表明，環(huán)境績效在地理位置上存在著一定的空間相關性，可以進行空間相關性分析。整體來看，最初這種空間相關性表現(xiàn)為正向，即在地理位置上呈現(xiàn)環(huán)境績效的高-高聚集以及低-低聚集，而后幾年相關性表現(xiàn)為負向，即在地理位置上呈現(xiàn)環(huán)境績效的高-低聚集以及低-高聚集，最終相關性又回歸正向。因此，為更全面地探究環(huán)境績效這種空間相關性波動的原因，需要進一步進行空間計量分析。為了確定模型的具體形式[17]，分別進行了Hausman檢驗、LM檢驗、Wald檢驗、LR檢驗以及LR聯(lián)合顯著性檢驗，空間計量模型的檢驗結(jié)果如表6所示。由表6可知，Hausman統(tǒng)計量在1%的置信水平下顯著拒絕原假設，說明應選用基于固定效應的空間計量模型。LM檢驗中SEM模型和SLM模型的P值均在1%的水平下顯著即拒絕了原假設，說明各變量之間不僅存在空間滯后效應，而且還存在空間誤差效應。因此，相較于SEM模型和SLM模型，本研究中SDM模型更為合適。進一步通過Wald檢驗和LR檢驗來確定空間面板模型的具體形式，結(jié)果發(fā)現(xiàn)Wald統(tǒng)計量和LR統(tǒng)計量均在1%的顯著性水平上拒絕了原假設，說明空間杜賓模型為最優(yōu)模型。且LR聯(lián)合顯著性檢驗結(jié)果均在1%的顯著性水平下拒絕了原假設。因此，最終選擇雙固定效應空間杜賓模型(SDM)進行估計。

表6 空間計量模型的檢驗結(jié)果Tab.6 Test results of spatial econometric model

2.3 模型估計結(jié)果分析

空間杜賓面板模型估計結(jié)果如表7所示。根據(jù)模型估計結(jié)果可知，鐵路碳排放效率(CE)和綠化里程數(shù)(lnGM)的回歸系數(shù)分別在5%，10%的顯著性水平下顯著為正，而空間滯后項系數(shù)分別在5%，1%的顯著性水平下顯著為負，說明本省(區(qū))的鐵路碳排放效率及綠化里程數(shù)均對本省(區(qū))環(huán)境績效起著顯著的促進作用，但是均存在負面溢出效應，即對周邊省(區(qū))的環(huán)境績效有負向的傳導作用。由于鐵路碳排放效率(CE)及綠化里程數(shù)(lnGM)均體現(xiàn)鐵路綠色貨運，說明本省(區(qū))的鐵路綠色貨運對自身環(huán)境績效起著顯著的促進作用，而對周邊省(區(qū))有著負面影響。

表7 空間杜賓面板模型估計結(jié)果Tab.7 Estimated results of spatial Durbin panel model

環(huán)保投資(lnEI)的回歸系數(shù)在5%的顯著性水平下顯著為正，說明加大工業(yè)污染治理投資可以有效降低工業(yè)生產(chǎn)對環(huán)境造成的污染，對本省(區(qū))的環(huán)境績效起一定的促進作用。產(chǎn)業(yè)結(jié)構(gòu)(IS)在10%的顯著性水平下顯著為負，說明目前產(chǎn)業(yè)結(jié)構(gòu)不夠優(yōu)化，在一定程度上抑制本省(區(qū))的環(huán)境績效；技術(shù)創(chuàng)新(lnTE)的回歸系數(shù)和空間滯后項系數(shù)分別在1%，10%的顯著性水平下顯著為正，說明隨著新技術(shù)研發(fā)并投入使用，不僅能提高本省(區(qū))的環(huán)境績效而且能促進周邊省(區(qū))環(huán)境績效的提升。其余2個控制變量(lnEI，IS)的空間滯后項系數(shù)在10%的顯著性水平下均不顯著，說明其對環(huán)境績效無明顯溢出效應。

2.4 空間效應分析

由于SDM模型同時包含被解釋變量和解釋變量的空間滯后項，解釋變量空間滯后項會對反饋效應產(chǎn)生影響，因此SDM模型估計的回歸系數(shù)可能存在偏差。為了消除這種潛在誤差，參考Lesage和Pace提出的偏微分法，測算因空間依賴而產(chǎn)生的直接效應、間接效應及總效應。直接效應、間接效應及總效應結(jié)果如表8所示。

表8 直接效應、間接效應及總效應結(jié)果Tab.8 Results of direct effects, indirect effects, and total effects

根據(jù)偏微分法分解結(jié)果可以看出，鐵路碳排放效率(CE)的直接效應為正值而間接效應與總效應均為負值，且直接效應與間接效應的回歸系數(shù)均在5%的顯著性水平下通過檢驗。本省(區(qū))鐵路碳排放效率每增長1個單位，自身環(huán)境績效增長0.601個單位，周邊省(區(qū))的環(huán)境績效減少1.273個單位?？傂伙@著可能是由直接效應和間接效應的兩極分化表現(xiàn)導致。綠化里程數(shù)(lnGM)間接效應通過5%顯著性檢驗，回歸系數(shù)為負，說明存在負面的溢出效應；其直接效應和總效應不明顯。

環(huán)保投資和技術(shù)創(chuàng)新(lnTE)能顯著提升環(huán)境績效，產(chǎn)業(yè)結(jié)構(gòu)(IS)則表現(xiàn)為抑制作用。此外，技術(shù)創(chuàng)新(TE)的直接效應、間接效應和總效應分別在顯著性水平為1%，10%，1%的情況下顯著為正，且各項效應的回歸系數(shù)均為正，說明推動專利技術(shù)的研究不僅對本省(區(qū))的環(huán)境績效有著促進作用，而且存在顯著的正向溢出效應。其余變量(EI，IS)間接效應和總效應不明顯。

3 結(jié)論與建議

研究基于組合賦權(quán)法測算出2008—2019年黃河流域8個省(區(qū))環(huán)境績效，利用Moran’s I指數(shù)分析其空間自相關特征，構(gòu)建空間計量模型就鐵路綠色貨運對環(huán)境績效的影響效應進行實證分析。研究結(jié)果表明，黃河流域環(huán)境績效存在隨時間波動的空間自相關性。鐵路碳排放效率對本省(區(qū))的環(huán)境績效有顯著的促進作用，然而綠化里程數(shù)均呈現(xiàn)負面溢出效應。技術(shù)創(chuàng)新無論對本省(區(qū))還是臨近省(區(qū))的環(huán)境績效都有較好的促進作用。針對這種現(xiàn)象，考慮是由于綠化工作的環(huán)境效益存在嚴重的滯后性，而專利的投入使用在短期內(nèi)有良好的效果。從長期來看，推動沿線綠化能有效改善區(qū)域環(huán)境質(zhì)量。

通過以上檢驗分析結(jié)果，提出以下政策建議。

黃河流域鐵路應不斷加大電力機車投入，進一步調(diào)整電力機車的比例以實現(xiàn)鐵路碳排放效率的提升，推動鐵路沿線綠化以改善生態(tài)環(huán)境，從而達到提升環(huán)境績效的目的。

技術(shù)創(chuàng)新中包括了鐵路綠色貨運環(huán)保技術(shù)方面的創(chuàng)新，間接說明鐵路綠色貨運環(huán)保技術(shù)對環(huán)境績效的影響。技術(shù)創(chuàng)新是實現(xiàn)和推動鐵路綠色發(fā)展的不竭動力，全面加強綠色鐵路技術(shù)創(chuàng)新和應用力度，將會成為推動鐵路及綜合交通綠色發(fā)展的重要方式。因此，黃河流域各地政府在強化環(huán)境政策的同時還應出臺一系列配套支撐政策，加大科技投入，改善投資環(huán)境，引進先進的管理經(jīng)驗和生產(chǎn)工藝，推動技術(shù)共享，為鐵路部門的綠色環(huán)保技術(shù)創(chuàng)新創(chuàng)造良好的外部環(huán)境。