呂雁琴，范天正，張晉寧

（1. 新疆大學(xué) 經(jīng)濟(jì)與管理學(xué)院，新疆 烏魯木齊 830046；2. 山東大學(xué) 商學(xué)院，山東 威海 264209）

氣候變化是當(dāng)今人類面臨的重大全球性挑戰(zhàn)，碳排放量的不斷增加導(dǎo)致海平面上升、干旱期增加、農(nóng)業(yè)產(chǎn)量減少等問題的頻發(fā)[1]，故促進(jìn)低碳發(fā)展已然成為人類亟須解決的問題之一。為突破資源環(huán)境瓶頸制約、推進(jìn)綠色低碳循環(huán)發(fā)展，中國政府一直積極對待二氧化碳排放問題，并承諾努力在2030年前實現(xiàn)碳達(dá)峰、2060年前實現(xiàn)碳中和，由此可見，中國政府決心進(jìn)一步推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)變，踐行綠色低碳循環(huán)發(fā)展的理念。此外，隨著交通基礎(chǔ)設(shè)施的不斷完善與發(fā)展，交通運輸業(yè)在中國目前屬于加速擴(kuò)張階段，在大量化石能源的消耗下已然成為中國碳排放的第二大來源，據(jù)國際能源署預(yù)測，到2035年中國交通運輸業(yè)的碳排放量將占到世界交通運輸業(yè)碳排放量的三分之一以上[2]。由此可見，中國交通運輸業(yè)是碳減排工作中應(yīng)重點關(guān)注的部門，然而，作為我國經(jīng)濟(jì)發(fā)展的支柱產(chǎn)業(yè)，片面追求碳減排反而不利于交通運輸業(yè)的高質(zhì)量發(fā)展，而兼顧經(jīng)濟(jì)增長與環(huán)境優(yōu)化的高效率發(fā)展才是促進(jìn)交通運輸業(yè)高質(zhì)量發(fā)展的價值旨?xì)w[3]。因此，我們不禁要提出疑問，中國交通運輸碳排放效率趨勢如何？影響中國交通運輸碳排放效率的因素有哪些？以及這些因素又呈現(xiàn)出怎樣的時空影響特征？對于如上問題的回答，一方面能準(zhǔn)確把握中國交通運輸碳排放效率的時空足跡，另一方面可以針對不同影響因素，提出相關(guān)政策建議，以更好地踐行低碳發(fā)展理念，這對實現(xiàn)中國乃至其他發(fā)展中國家的交通運輸業(yè)高質(zhì)量發(fā)展都具有重要的現(xiàn)實意義。

1 文獻(xiàn)綜述

碳排放效率概念出現(xiàn)已經(jīng)有較長的時間，最早時很多學(xué)者將碳排放效率定義為單位GDP所產(chǎn)生的二氧化碳排放量[4]，以此來衡量在最小污染下所取得的最大經(jīng)濟(jì)成就。但是最早的碳排放效率定義僅僅只是將碳排放和經(jīng)濟(jì)發(fā)展結(jié)合起來，忽略了和其他生產(chǎn)要素之間的互動聯(lián)系，因此后來很多學(xué)者基于投入—產(chǎn)出關(guān)系的視角來定義碳排放效率[5-7]。延續(xù)該思路，隨機(jī)前沿法逐漸被運用到交通運輸行業(yè)碳排放效率的測度中，如平智毅等[8]利用SFA模型對長江經(jīng)濟(jì)帶11個省份的交通運輸碳排放效率進(jìn)行計算，并通過核密度分析各省份效率的動態(tài)演進(jìn)。雖然SFA分析方法受特殊點的影響較小，具有一定的穩(wěn)定性，但當(dāng)存在多產(chǎn)出情況時，SFA分析方法并不如DEA方法簡便，因此DEA方法在近些年來被大量學(xué)者用來對交通運輸碳排放效率進(jìn)行測度。Park等[9]基于美國國家數(shù)據(jù)和SBM模型計算了美國50個州交通部門的環(huán)境效率，Liu等[10]同樣也使用SBM模型測算了2009—2012年中國陸地運輸?shù)恼w效率，并對鐵路運輸和公路運輸子部門碳排放效率進(jìn)行評價分析。SBM模型會導(dǎo)致有效率的決策單元之間無法區(qū)分，很多學(xué)者在此基礎(chǔ)上結(jié)合超效率模型來解決此問題，如周銀香和洪興建[11]利用Super-SBM評估中國交通六個行業(yè)的碳排放效率，基于此探究效率的內(nèi)部驅(qū)動與外部沖擊效應(yīng)。

除此之外，也有一部分學(xué)者的研究圍繞著交通碳排放效率的影響因素來展開。袁長偉等[12]指出政府干預(yù)對交通碳排放效率的影響是個動態(tài)變化過程，前期政府干預(yù)會對交通行業(yè)的創(chuàng)新具有“補(bǔ)償效應(yīng)”，促進(jìn)碳排放效率的提高，而當(dāng)交通運輸業(yè)發(fā)展到一定程度時，“創(chuàng)新補(bǔ)償效應(yīng)”會轉(zhuǎn)變?yōu)椤白裱杀拘?yīng)”，造成大量不必要投入資源的浪費，抑制交通碳排放效率。同時，袁長偉等[13]還認(rèn)為人口規(guī)模的擴(kuò)大帶來了更多碳排放，不利于效率的提升，而科技的進(jìn)步能大量降低碳排放，使付出的成本被收益沖銷，拉動效率的提升。董夢如等[14]基于Tobit模型分析了海洋運輸業(yè)碳排放效率的驅(qū)動因素，認(rèn)為能源利用效率的提升與能源結(jié)構(gòu)的優(yōu)化能降低對化石能源的依賴程度，從而減少能源投入和二氧化碳的排放，促進(jìn)海洋運輸業(yè)碳排放效率的提升。但逐漸有學(xué)者也注意到了普通面板模型的局限性，逐漸開始從空間角度展開影響因素分析。如Peng等[15]通過中國2004—2016的省級數(shù)據(jù)研究發(fā)現(xiàn)，中國交通運輸業(yè)處于庫茨涅茲曲線的下行階段，本地GDP的增長會使得人們重視環(huán)境保護(hù)，促進(jìn)交通碳排放效率的提升，但周邊地區(qū)人均GDP的提高會掠奪本地資源，抑制本地碳排放效率，具有負(fù)外部性。

目前學(xué)術(shù)界對于交通運輸碳排放效率的測度及影響因素研究較多且較為全面，但值得注意的是，測度各省域交通運輸碳排放效率是為了更好地協(xié)調(diào)產(chǎn)業(yè)發(fā)展和環(huán)境污染之間的關(guān)系，碳排放作為非期望產(chǎn)出則需單獨考慮。雖然目前學(xué)術(shù)界已有學(xué)者注意到此問題[16-17]，但是卻很少有學(xué)者將非期望產(chǎn)出納入模型的同時讓有效率的決策單元之間也能夠被區(qū)分。因此，本文選用非期望產(chǎn)出的超效率SBM模型能更加準(zhǔn)確地對交通運輸碳排放效率進(jìn)行測度。除此之外，多數(shù)研究成果僅限于不同因素對交通運輸碳排放效率的全局回歸分析，極少有學(xué)者停留在對影響因素時空異質(zhì)性的分析上。中國各地區(qū)的經(jīng)濟(jì)社會、交通運輸產(chǎn)業(yè)、能源使用狀況等差距迥異，對交通運輸行業(yè)減碳政策的制定需要充分考慮影響因素在時間上和空間上的差異性，而本文的研究則能在一定程度上彌補(bǔ)現(xiàn)有研究的不足。同時，本文利用GTWR模型能與效率測度的結(jié)果進(jìn)行一定的銜接，從而更好地解釋交通運輸碳排放效率在中國分布不均的原因，使得本文的研究更為完整。

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

由于傳統(tǒng)的SBM模型將效率超過1的DMU取值為1，導(dǎo)致有效率的DMU之間無法區(qū)分，并且SBM模型還忽視了負(fù)外部效應(yīng)的非期望產(chǎn)出問題[18]，因此傳統(tǒng)的SBM模型并不適合本文效率的測度。Tone[19]在此基礎(chǔ)上綜合了超效率模型和SBM模型的優(yōu)勢，將非期望產(chǎn)出納入的同時將有效率的DMU之間進(jìn)行區(qū)分。模型如下：

式中：ρ為各省份交通運輸碳排放效率值，n為決策單元DMU的數(shù)量，m、r1、r2分別為每個DMU的投入、期望產(chǎn)出和非期望產(chǎn)出；x、yd、yu分別對應(yīng)為DMU的投入矩陣、期望產(chǎn)出矩陣和非期望產(chǎn)出矩陣的元素。

2.2 時空地理加權(quán)回歸模型（GTWR）

GWR模型關(guān)注某個時點空間非平穩(wěn)性，因此在截面數(shù)據(jù)樣本量的限制下極易影響解釋的穩(wěn)定性，同時GWR模型忽視了時間維度的變化趨勢，當(dāng)時間非平穩(wěn)性較為嚴(yán)重時會降低模型的效率和精度[20]。時空地理加權(quán)回歸模型（GTWR）突破這些局限性，在GWR模型中引入了時間維度，同時解決空間和時間非平穩(wěn)性問題，模型如式（3）：

式中：i為樣本地區(qū)；u與v為樣本地區(qū)的坐標(biāo)；t為所需要測度的時間；β0(ui,vi,ti)為截距項；βk(ui,vi,ti)為解釋變量的估計系數(shù)。當(dāng)β＞0時，說明解釋變量與被解釋變量之間呈正相關(guān)，反之則呈負(fù)相關(guān)。

Huang等[21]構(gòu)建時空窗寬和時空權(quán)重矩陣來刻畫不同區(qū)域間的最優(yōu)鄰近關(guān)系，有效反映不同變量間的時空非平穩(wěn)性。本文所采用的GTWR模型基于Huang等[21]所提出的高斯函數(shù)法時空權(quán)函數(shù)和時空距離，將時空二維度相結(jié)合，公式如下：

式中：i、j為不同樣本地區(qū)；λ、μ為比例因子，用來衡量不相關(guān)比例系統(tǒng)中的空間與時間距離的不同影響；bst為時空權(quán)函數(shù)的帶寬。

2.3 數(shù)據(jù)來源與指標(biāo)選取

鑒于數(shù)據(jù)的可獲得性，本文剔除西藏和港澳臺地區(qū)，以中國30個省份為樣本進(jìn)行研究。在指標(biāo)的選取上，結(jié)合目前學(xué)界關(guān)于交通運輸碳排放效率的已有研究[3,12-13]，本文選取表1所示的投入產(chǎn)出指標(biāo)。需要注意的是：（1）由于交通運輸行業(yè)數(shù)據(jù)的缺失，且倉儲和郵政業(yè)所占的份額較少，因此交通運輸行業(yè)相關(guān)指標(biāo)數(shù)據(jù)皆由交通運輸、倉儲和郵政業(yè)所替代。（2）交通運輸行業(yè)固定資本投資額以2007年為基期，利用單豪杰的永續(xù)盤存法（PIA）將其換算成相應(yīng)的價值[18]。（3）本文中的能源消耗總量和碳排放核算主要包括原煤、汽油、煤油、柴油、燃料油、天然氣和電力七種能源，各能源消耗量按標(biāo)準(zhǔn)煤系數(shù)統(tǒng)一折合成標(biāo)準(zhǔn)煤，以此來計算交通運輸行業(yè)的能源消耗總量[22]。（4）二氧化碳排放量的計算公式如式（6）：

表1 交通運輸碳排放效率的投入產(chǎn)出指標(biāo)

式中：CT為交通運輸行業(yè)各能源消耗所產(chǎn)生的碳排放總量，F(xiàn)C為六種化石燃料消耗量，ALC為能源的平均低熱值，C為含碳量，R表示氧化率，EC代表電力的消耗量，EF為電力碳排放因子。各能源的詳情參數(shù)值請參照《中國能源統(tǒng)計年鑒》和國家發(fā)改委所發(fā)表的省級溫室氣體清單編制指南。

3 實證結(jié)果與分析

3.1 總體特征

通過Matlab軟件測算出中國各省域2010—2019年交通運輸碳排放效率值，表2給出了各省域10年間碳排放效率值的測算結(jié)果。

表2 2010—2019中國各省域交通運輸碳排放效率測算結(jié)果

從地區(qū)層面來看，全國碳排放效率的年均值為0.433，各省域中年均值最低為0.155，最高為1.235，兩者之間相差8倍，說明了交通運輸碳排放效率水平在各省域之間的差異較大。碳排放效率年均值排名前五的省份依次為河北、江蘇、山東、河南、天津，河北省處于生產(chǎn)效率前沿面主要是因為其地處連接南北的重要通道，是通往北京的交通要道和周圍港口的物資集散要地，優(yōu)越的地理位置使得河北省交通運輸行業(yè)發(fā)展速度較快、產(chǎn)業(yè)增加值較高。再者，河北省毗鄰港口，鐵路和水路運輸較為發(fā)達(dá)，這兩種運輸方式所產(chǎn)生的碳排放較低，導(dǎo)致了河北省交通運輸年均碳排放效率位于全國第一。而排名后五位的省份依次為遼寧、黑龍江、海南、青海和云南，云南省省內(nèi)屬于喀斯特地貌，且東部還處于云貴高原上，地形起伏較大、河流較多，不利的地形地貌使得云南省交通運輸業(yè)產(chǎn)業(yè)增加值一直處于全國中下游水平。云南省發(fā)展交通運輸業(yè)必須加大對基礎(chǔ)設(shè)施的投資，在高投入、低產(chǎn)出的影響下云南省交通運輸碳排放效率位于較低水平。從時間層面來看，全國碳排放效率的年均增長率為0.858%，說明在國家出臺的優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和“美麗中國”等政策下，中國交通運輸?shù)奶寂欧判收w表現(xiàn)為上升趨勢。在各省域中，云南省的碳排放效率增長速度最快，年均增長率達(dá)到14.646%，這主要是因為云南省交通運輸?shù)幕A(chǔ)設(shè)施較差，因此在近些年的不斷完善下展現(xiàn)出一定的后發(fā)優(yōu)勢使得交通運輸業(yè)的產(chǎn)值增長較快，從而拉動碳排放效率的快速增長。值得注意的是，也有一些省域呈現(xiàn)出負(fù)增長的態(tài)勢，在所有省域中貴州省碳排放效率降低速度最快，年均負(fù)增長4.801%，原因可能在于近兩年來貴州的交通完善度已經(jīng)發(fā)展到了一定程度，以往依托交通基礎(chǔ)設(shè)施的建設(shè)來拉動產(chǎn)值的增長，從而促進(jìn)碳排放效率的發(fā)展方式已達(dá)到瓶頸期，在期望產(chǎn)出增速放緩而非期望產(chǎn)出和投入依舊增長的情況下，貴州交通碳排放效率呈下降趨勢。

3.2 GTWR模型估計

3.2.1 模型計算和相關(guān)檢驗

通過上文分析可知，交通運輸碳排放效率的時空差異明顯，從而使得影響因素的選取十分復(fù)雜。首先，參考目前已有文獻(xiàn)的研究[12,23-25]，選取10個可能影響中國交通運輸碳排放效率的因素，詳情請見表3。其次，由于變量的選取方式會對GTWR模型的實證結(jié)果產(chǎn)生重要的影響，因此本文以AIC為評價準(zhǔn)則來對10個變量進(jìn)行逐步回歸[26]，最終選取出人均GDP、人口規(guī)模、科技水平、能源利用效率、政府干預(yù)和能源結(jié)構(gòu)這六個驅(qū)動因素，實現(xiàn)模型同時達(dá)到局部和全局最優(yōu)，使得本文實證結(jié)果更為可信。

表3 中國交通運輸碳排放效率影響因素指標(biāo)體系

為避免各影響因素之間存在多重共線性問題，本文運用Stata軟件對各解釋變量進(jìn)行方差膨脹因子（VIF）檢驗，結(jié)果顯示各解釋變量的VIF值均小于7.5，不具有明顯的多重共線性問題。本文在GTWR模型回歸前還需要檢驗各變量的空間相關(guān)性，如果忽視了各變量之間的空間互動關(guān)系，回歸結(jié)果則會產(chǎn)生偏誤，各變量的全局Moran’s I指數(shù)如表4所示。結(jié)果顯示，無論是基于鄰接矩陣還是地理距離矩陣，大部分的變量均具有空間自相關(guān)性，因此從空間角度進(jìn)行交通碳排放效率的影響因素分析能更貼合實際。在對空間模型進(jìn)行選擇時，由于交通碳排放效率和各影響因素之間的關(guān)系處于動態(tài)變化之中，回歸的系數(shù)會因時間和省份而產(chǎn)生不同，而傳統(tǒng)的空間計量模型均值回歸的結(jié)果則無法對這種變化進(jìn)行有效捕捉?；诖?，本文利用GTWR局部空間回歸模型進(jìn)行實證分析，探究各解釋變量回歸系數(shù)的時空異質(zhì)性。另外，需對面板數(shù)據(jù)進(jìn)行時空非平穩(wěn)性檢驗，基于AIC值和擬合優(yōu)度R2將時空地理加權(quán)回歸（GTWR）模型與最小二乘（OLS）、地理加權(quán)回歸（GWR）和時間加權(quán)回歸（TWR）四種模型進(jìn)行對比[27-28]，若AIC值越小且R2越大，則該模型就會越優(yōu)。當(dāng)GTWR模型優(yōu)于OLS模型時，回歸系數(shù)將具有局部非平穩(wěn)性；當(dāng)GTWR模型優(yōu)于GWR模型時，回歸系數(shù)則具有時間非平穩(wěn)性；當(dāng)GTWR模型優(yōu)于TWR模型時，回歸需要考慮空間非平穩(wěn)性對被解釋變量的影響。非平穩(wěn)性檢驗結(jié)果見表5，由模型之間的比較可知，GTWR模型的R2和AIC值均優(yōu)于其他模型，數(shù)據(jù)在時間距離和空間距離上的非平穩(wěn)性均存在，表明GTWR模型在分析時空數(shù)據(jù)上具有更好的效果。

表4 全局Moran’s I指數(shù)結(jié)果

表5 非平穩(wěn)性檢驗結(jié)果

本文基于2010—2019年中國30個省域的面板數(shù)據(jù)，構(gòu)建時空地理加權(quán)回歸模型（GTWR），計算出6個變量在歷年對各個省域交通運輸碳排放效率影響的回歸系數(shù)，從而更直觀地揭示各個變量的影響力在時間和空間上的差異性，影響因素回歸系數(shù)描述統(tǒng)計結(jié)果如表6所示。借鑒李英利[29]的方法來考察各解釋變量的顯著性問題，由表中數(shù)據(jù)可知，各解釋變量的顯著性占比遠(yuǎn)超50%，本文認(rèn)為在高斯權(quán)重下各解釋變量均具有較強(qiáng)解釋力。從最小值和最大值來看，除人口規(guī)模外其余影響因素的回歸系數(shù)跨度較大，這說明了影響因素在時空上的不穩(wěn)定性，時空異質(zhì)性明顯。從回歸系數(shù)的平均值來看，政府干預(yù)對碳排放效率的影響最大，其次是能源結(jié)構(gòu)、人均GDP和能源利用效率，相比而言，人口規(guī)模和科技水平的影響程度相對較小。因此，本文接下來分別從時間維度和空間維度來探討各影響因素的異質(zhì)性問題。

表6 影響因素回歸系數(shù)描述統(tǒng)計

3.2.2 影響因素的時間演化分析

整理各驅(qū)動因素在不同時空位置上對交通運輸碳排放效率的貢獻(xiàn)系數(shù)，進(jìn)而通過箱線圖的方式繪制出各系數(shù)在時間維度上的變化趨勢，詳見圖1，具體到各因素而言：

圖1 GTWR回歸系數(shù)的時間序列變化趨勢

（1）人均GDP對交通運輸碳排放效率的負(fù)向影響表現(xiàn)在中國的絕大多數(shù)地區(qū)，僅有少數(shù)幾個省域的回歸系數(shù)為正，且負(fù)向影響的作用隨著時間的推移正在不斷地降低。這主要是因為人均GDP較高的地區(qū)人們出行活動就會增多，對商品、資源的交換需求相對較為旺盛，從而導(dǎo)致交通運輸時排出的碳排放量較多，人均GDP對交通運輸碳排放效率從整體上看呈現(xiàn)出負(fù)向作用。但是，出行活動的增多也能刺激當(dāng)?shù)亟煌ㄟ\輸業(yè)產(chǎn)值的增加，再加上近些年來在中國節(jié)能減排的號召下越來越多人選擇較為綠色的出行方式，在兩者的互相作用下，回歸系數(shù)的負(fù)向作用隨時間推移在不斷降低。

（2）人口規(guī)模箱線圖的中位數(shù)線在考察期內(nèi)基本在0值上，說明人口規(guī)模對碳排放效率的影響在正負(fù)之間徘徊，結(jié)合上下四分線和邊緣線可知，兩者在前期主要是負(fù)相關(guān)關(guān)系，后期負(fù)相關(guān)性在不斷減弱而正向影響則在不斷加強(qiáng)。在前期，人口規(guī)模的擴(kuò)大促使交通運輸活動增多，碳排放的基數(shù)也隨之增大，降低了碳排放效率。而在后期，人口的增長也會對交通運輸業(yè)提出更高的發(fā)展要求，交通運輸業(yè)的產(chǎn)業(yè)增加值也會隨之提升，當(dāng)交通運輸基礎(chǔ)設(shè)施發(fā)展到一定程度時，人口的相對集中會發(fā)揮成本優(yōu)化效應(yīng)，通過共享基礎(chǔ)設(shè)施來提升能源和資源的利用效率，方便相關(guān)部門集中治理從而節(jié)約減排成本。

（3）能源結(jié)構(gòu)對交通運輸碳排放效率的影響大多呈現(xiàn)出正相關(guān)性，但回歸系數(shù)表現(xiàn)出波動下降的趨勢。天然氣、電力相比于煤類和油類能源來說具有更少的污染性，清潔能源的消費比重越大即能源結(jié)構(gòu)越合理，碳排放效率也就越高。正向作用的減弱主要由于中國的能源結(jié)構(gòu)是以煤炭為主，若想發(fā)展清潔能源勢必需要大量的資金投入。從投入產(chǎn)出的角度來看，能源結(jié)構(gòu)的優(yōu)化使得交通運輸業(yè)資本投入隨著年份不斷增加，抵消了非期望產(chǎn)出的減少所帶來的部分作用，在箱線圖上表現(xiàn)為回歸系數(shù)基本為正，但處于波動下降的趨勢。

（4）類似于能源結(jié)構(gòu)，能源利用效率對大部分省域交通運輸碳排放效率的影響為正，且回歸系數(shù)隨著時間的推移離散程度在不斷增強(qiáng)。能源利用效率越高則意味著單位能源消耗能帶來的周轉(zhuǎn)量也就越多，在產(chǎn)出不變的情況下能源消費投入的減少會促進(jìn)交通運輸碳排放效率的提高。離散程度的增強(qiáng)得益于消費需求的轉(zhuǎn)變，出于節(jié)約成本的意圖，人們購買機(jī)動車時會傾向于更加節(jié)能的車型，廠商對節(jié)能裝備的升級會越來越迅速，從而促使能源利用效率對交通運輸碳排放效率的影響越來越大。

（5）政府干預(yù)與交通運輸碳排放效率的回歸系數(shù)在研究期間基本為負(fù)，說明政府的干預(yù)并不利于效率的提高，并且負(fù)向作用隨時間先下降后上升。出現(xiàn)這種現(xiàn)象主要是因為中國的經(jīng)濟(jì)發(fā)展到了一定階段，政府干預(yù)這種帶有強(qiáng)制屬性的管理工具會使得交通運輸業(yè)在原有的技術(shù)水平上附加新的目標(biāo)約束，限制了交通運輸業(yè)產(chǎn)值的增長，反而對碳排放效率產(chǎn)生了消極作用。而負(fù)向作用先下降后上升是由于政府干預(yù)對碳排放效率也有其積極的一面，政府干預(yù)能矯正交通運輸業(yè)的經(jīng)濟(jì)發(fā)展方式和提供資源環(huán)境的約束，在一定程度上能提高交通運輸業(yè)的碳排放效率[30]，但有學(xué)者認(rèn)為這種作用隨著政府干預(yù)度達(dá)到一定高度后便會產(chǎn)生衰減[31]。在這兩種作用的影響下，政府干預(yù)度的負(fù)向作用呈現(xiàn)出先上升后下降的趨勢。

（6）科技水平對交通運輸碳排放效率的影響從時間維度上來看變化幅度不大，基本是正向作用?？萍妓降奶岣吣芡苿蛹儎恿Α淠艿刃履茉磻?yīng)用的發(fā)展和節(jié)能技術(shù)水平的提升，從而促進(jìn)交通運輸?shù)奶寂欧判?。時間上的變化不大說明了科技水平對碳排放效率的影響并不是一個短期的過程，目前階段想要通過科技途徑來提高碳排放效率具有一定的難度。

3.2.3 影響因素的空間異質(zhì)性分析

根據(jù)GTWR的回歸結(jié)果，本文將每個地區(qū)各年份的回歸系數(shù)取平均數(shù)，并通過自然斷點法繪制出影響因素的空間分布圖，以便能更直觀地反映各驅(qū)動因子對交通運輸碳排放效率影響的空間異質(zhì)性，詳見圖2。

圖2 GTWR回歸系數(shù)的空間分布

（1）人均GDP對交通運輸碳排放效率的回歸系數(shù)空間異質(zhì)性明顯，在空間上并未存在一致的正相關(guān)或者負(fù)相關(guān)，在-0.676 3～0.145 0之間均有分布。人均GDP系數(shù)為負(fù)且絕對值最大的省域依次為內(nèi)蒙古、山西、河北、北京和天津等，表明人均GDP的增長會降低碳排放效率。這些地區(qū)主要是處于京津冀經(jīng)濟(jì)圈以及其輻射范圍內(nèi)，京津冀經(jīng)濟(jì)圈整合了多個省域的交通、物流等基礎(chǔ)設(shè)施，要素和產(chǎn)品在這些地區(qū)的流通會更加暢通，因此人均GDP的提高會使得資源的交換在這些地區(qū)更加明顯，交通運輸?shù)奶寂欧鸥?，人均GDP對交通運輸碳排放效率的負(fù)向作用更大。從整體上看，北方的負(fù)向作用高于南方，這可能是因為北方的經(jīng)濟(jì)集聚高于南方，并且北方空氣干燥、溫度較低，不利于二氧化碳的擴(kuò)散，使得北方經(jīng)濟(jì)發(fā)展的代價高于南方。系數(shù)為正的地區(qū)主要為廣東和廣西，廣東地方政府一直把交通運輸融入?yún)^(qū)域經(jīng)濟(jì)發(fā)展格局中，尤其是近些年來廣東省推動粵港澳大灣區(qū)交通建設(shè)并被列為交通強(qiáng)國試點單位，促進(jìn)了交通經(jīng)濟(jì)的高質(zhì)量發(fā)展。由于經(jīng)濟(jì)的發(fā)展對交通運輸業(yè)產(chǎn)值的影響要大于對碳排放量和能源消耗量的影響，從而表現(xiàn)為人均GDP和交通運輸碳排放效率呈正向變動關(guān)系。廣西主要是因為其交通運輸業(yè)的產(chǎn)值較低，又靠近廣東，在自身后發(fā)優(yōu)勢和廣東省輻射作用的影響下，人均GDP的增長推動了人們交易活動的增加，相比于碳排放和能源消耗的增加，更容易促進(jìn)交通運輸業(yè)產(chǎn)值的增長，從而表現(xiàn)為人均GDP和碳排放效率呈正向變動關(guān)系。

（2）人口規(guī)模對交通運輸碳排放效率的影響程度較小，系數(shù)正負(fù)在各地區(qū)之間均有分布，正相關(guān)主要集中在江蘇、浙江、福建等東部沿海省域以及中國的東北部，沿海這些省域主要由于經(jīng)濟(jì)發(fā)展較好并擁有較完善的交通基礎(chǔ)設(shè)施，大量人口的涌入對交通運輸業(yè)提出了更高的發(fā)展需求，從而促進(jìn)了交通運輸碳排放效率的提高。除此之外，中國沿海地區(qū)經(jīng)濟(jì)發(fā)展程度較高，依托自身經(jīng)濟(jì)優(yōu)勢所產(chǎn)生的“吸虹效應(yīng)”從內(nèi)陸地區(qū)吸引大量的高素質(zhì)人才，因此人口規(guī)模的擴(kuò)大一定程度上能推動交通運輸部門的創(chuàng)新，從而起到提高碳排放效率的作用。作為老工業(yè)基地的中國東北部，具有良好的交通基礎(chǔ)設(shè)施，但近些年來經(jīng)濟(jì)發(fā)展的遲緩導(dǎo)致人口流失嚴(yán)重，人口規(guī)模的擴(kuò)大則有利于東北部發(fā)揮成本優(yōu)化效應(yīng)，促進(jìn)碳排放效率的增長。而負(fù)相關(guān)的地區(qū)主要分布在我國的中西部內(nèi)陸地區(qū)，這些地區(qū)交通基礎(chǔ)設(shè)施相較于東部較為落后，無法承載過多的人口，并且人口的增多還會帶來大量的二氧化碳排放，降低碳排放效率。

（3）能源結(jié)構(gòu)的回歸系數(shù)在全國均呈現(xiàn)正相關(guān)效應(yīng)，高值主要分布在云南與東部沿海省域。鋼鐵、有色金屬等以煤為能源的高能耗產(chǎn)業(yè)是云南經(jīng)濟(jì)發(fā)展的支撐性產(chǎn)業(yè)[32]，這些產(chǎn)業(yè)致使云南整體的能源消費結(jié)構(gòu)較為單一，對煤炭的依賴性較強(qiáng)，掣肘了交通運輸碳排放效率的提升。但云南擁有良好的工業(yè)基礎(chǔ)和生態(tài)環(huán)境，水電裝置設(shè)備齊全、清潔能源蘊藏巨大[33]，能源結(jié)構(gòu)的優(yōu)化能夠給云南交通運輸碳排放效率的提升產(chǎn)生巨大影響。而東部沿海地區(qū)已率先實現(xiàn)了園區(qū)、碼頭和交通樞紐的電氣化改造，并配備了較完備的新能源裝置設(shè)備，因此東部沿海地區(qū)能充分吸收能源結(jié)構(gòu)優(yōu)化帶來的綠色效應(yīng)，從而減少大量的碳排放量，表現(xiàn)出相較于其他地區(qū)擁有更能提升交通運輸碳排放效率的優(yōu)越性。

（4）能源利用效率對交通運輸碳排放效率的影響既呈現(xiàn)負(fù)相關(guān)也呈現(xiàn)出正相關(guān)，負(fù)相關(guān)主要位于新疆地區(qū)，而正相關(guān)則分布在內(nèi)蒙古、山西、河北等北方地區(qū)和云南。新疆由于地域遼闊，運輸?shù)狞c與點之間的距離較長，鐵路運輸與公路運輸成為疆內(nèi)主要的交通運輸方式。而目前中國清潔能源技術(shù)的推行主要集中于小型汽車上[34]，因此效率的提升難度較大，能源效率的提升只會加重交通運輸業(yè)的投資，從而降低碳排放效率。內(nèi)蒙古、山西、河北等地均環(huán)繞在北京周圍，是進(jìn)京的必經(jīng)之地，周轉(zhuǎn)量較大。由于進(jìn)京里程較短，在新能源和節(jié)能技術(shù)的使用上更加方便，能源利用效率對交通運輸碳排放效率的正相關(guān)明顯。云南則亟須改變能源的消費結(jié)構(gòu)，在能源消耗更少的情況下釋放更多的周轉(zhuǎn)量。

（5）政府干預(yù)的回歸系數(shù)在大多數(shù)地區(qū)為負(fù)相關(guān)關(guān)系，且在東部地區(qū)和中部地區(qū)的影響更大，東部和中部地區(qū)交通經(jīng)濟(jì)發(fā)展較好，政府干預(yù)這種強(qiáng)制性管理工具只會更加不利于交通運輸碳排放效率的提升[35]。而正相關(guān)關(guān)系則主要分布在新疆和東北地區(qū)。由于地域遼闊，新疆的交通完善度長期處在全國的最低水平，交通經(jīng)濟(jì)的發(fā)展需要政府大量的投入來完善基礎(chǔ)設(shè)施建設(shè)，促進(jìn)交通運輸業(yè)產(chǎn)值的增長，因此政府干預(yù)和交通碳排放效率呈正相關(guān)性。東北地區(qū)雖然具有良好的交通基礎(chǔ)設(shè)施，但由于經(jīng)濟(jì)發(fā)展遲緩導(dǎo)致人口流失嚴(yán)重，以人為導(dǎo)向的交通運輸業(yè)發(fā)展受阻，政府對交通運輸業(yè)的支持政策能增加其產(chǎn)值，并且東北地區(qū)礦產(chǎn)資源豐富，新能源消費比重較低，政府干預(yù)能矯正發(fā)展方式，推動交通運輸碳排放效率的增長。

（6）科技對交通運輸碳排放效率的影響系數(shù)為正的地區(qū)主要集中在中國的東中部，這些地區(qū)由于自身交通經(jīng)濟(jì)發(fā)展較好，加大科研的投入能促進(jìn)新能源和新技術(shù)的運用，降低碳排放，從而提高交通運輸碳排放效率[36]。而西部地區(qū)由于自身基礎(chǔ)較為薄弱，科研的投入會加大交通運輸業(yè)的投資額，投入大于產(chǎn)出，從而降低了交通運輸碳排放效率，西部地區(qū)目前應(yīng)選擇其他方式來提高交通碳排放效率會在短期內(nèi)更有成效。

4 結(jié)論與建議

研究交通碳排放效率對中國交通運輸業(yè)高質(zhì)量發(fā)展具有重要意義，本文以2010—2019為研究節(jié)點，通過非期望超效率SBM模型來計算30個省域的交通運輸碳排放效率，利用GTWR模型對影響交通運輸碳排放效率的因素進(jìn)行時空非均衡性分析，可為兼顧交通經(jīng)濟(jì)的發(fā)展和碳減排目標(biāo)的推進(jìn)做出積極探索。主要結(jié)論如下：

（1）交通運輸碳排放效率在空間上和時間上呈現(xiàn)不均衡的特征。從空間角度來看，碳排放效率排名前五的省份依次為河北、江蘇、山東、河南和天津，河北省處于生產(chǎn)效率前沿面，而排名后五位的省份依次為遼寧、黑龍江、海南、青海和云南。從時間角度來看，大部分省域在考察期內(nèi)表現(xiàn)為正增長，云南省碳排放效率的年均增長率最高，而有些省域則表現(xiàn)為負(fù)增長的態(tài)勢，其中貴州省的下降速度最快。

（2）根據(jù)時空地理加權(quán)回歸模型結(jié)果，各驅(qū)動因素對區(qū)域交通運輸碳排放效率的影響呈現(xiàn)出明顯的時空異質(zhì)性。其中各項指標(biāo)對交通運輸碳排放效率的影響既有正相關(guān)效應(yīng)，又有負(fù)相關(guān)效應(yīng)，時空差異明顯。從影響強(qiáng)度來看，政府干預(yù)對效率的影響最大，其次是能源結(jié)構(gòu)、人均GDP和能源利用效率，相比而言，人口規(guī)模和科技水平的影響程度相對較小。

（3）分別從時間維度和空間維度來看，人均GDP對交通運輸碳排放效率主要為負(fù)向作用且負(fù)向影響的作用隨著時間的推移正在不斷地降低，負(fù)向作用在空間上主要分布在內(nèi)蒙古、山西、河北、北京和天津，而正向作用主要為廣東和廣西。人口規(guī)模對碳排放效率的影響在正負(fù)之間徘徊，前期主要是負(fù)相關(guān)關(guān)系，后期負(fù)相關(guān)性在不斷減弱而正向影響則在不斷加強(qiáng)，空間上正相關(guān)主要集中在江蘇、浙江、福建等東部沿海省域以及中國的東北部，而負(fù)相關(guān)的地區(qū)主要分布在我國的中西部內(nèi)陸地區(qū)。能源結(jié)構(gòu)對交通運輸碳排放效率的影響大多呈現(xiàn)出正相關(guān)性，但回歸系數(shù)表現(xiàn)出波動下降的趨勢，正相關(guān)高值主要分布在云南與東部沿海省域。能源利用效率對大部分省域交通運輸碳排放效率的影響為正向，且回歸系數(shù)隨著時間的推移離散程度在不斷增強(qiáng)，負(fù)相關(guān)主要位于新疆地區(qū)，而正相關(guān)則分布在內(nèi)蒙古、山西、河北等北方地區(qū)和云南省。政府干預(yù)與交通運輸碳排放效率的回歸系數(shù)在研究期間基本為負(fù)，并且回歸系數(shù)隨時間先下降后上升，政府干預(yù)在東部地區(qū)和中部地區(qū)的影響更大。科技水平對交通碳排放效率的影響從時間維度上來看變化幅度不大，基本是正向作用，主要集中在中國的東中部。

由上文分析可知，以上影響因素對提高交通運輸碳排放效率，促進(jìn)交通運輸業(yè)高質(zhì)量發(fā)展具有不可替代的重要作用，因此本文從影響因素入手針對性地提出相應(yīng)建議。另外，由于本文實證結(jié)果顯示人口規(guī)模和科技發(fā)展水平對交通運輸碳排放效率的影響程度較小，因此本文基于其他四項影響因素提出如下建議：

（1）人均GDP在中國絕大多數(shù)地區(qū)呈現(xiàn)出負(fù)向作用，但是在近些年來在環(huán)保政策的推動下，這種負(fù)向作用在不斷減弱，因此，如何同時實現(xiàn)經(jīng)濟(jì)的發(fā)展和碳排放效率的提升是我們亟須解決的問題?；诖?，政府應(yīng)該堅定貫徹“綠水青山就是金山銀山”理念，交通運輸業(yè)的發(fā)展絕不能以犧牲環(huán)境和破壞生態(tài)為代價，各地區(qū)應(yīng)轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式，由粗放式向集約式進(jìn)行轉(zhuǎn)變。經(jīng)濟(jì)發(fā)展往往還會與人口素質(zhì)同向變動，因此政府在發(fā)展經(jīng)濟(jì)的同時應(yīng)大力倡導(dǎo)綠色出行，鼓勵用公共交通來代替私家車的使用，從而達(dá)到碳減排效果。

（2）能源結(jié)構(gòu)對交通碳排放效率的影響雖然在不斷減弱，但目前對中國各省域來說仍具有一定作用。因此，政府應(yīng)推廣清潔能源的使用，多使用水電、風(fēng)電、天然氣等能源，加強(qiáng)綠色煤的開發(fā)使用，盡量使用潔凈煤和優(yōu)質(zhì)煤。中西部地區(qū)清潔能源儲備豐富，應(yīng)加大對中西部地區(qū)園區(qū)、碼頭和交通樞紐能源裝置的改造，保障能充分吸收能源結(jié)構(gòu)調(diào)整帶來的綠色效應(yīng)。對于云南省這種以高能耗、高污染型產(chǎn)業(yè)為主要經(jīng)濟(jì)來源的地區(qū)，能源結(jié)構(gòu)調(diào)整還需要建立在產(chǎn)業(yè)結(jié)構(gòu)合理調(diào)整的基礎(chǔ)之上，注重發(fā)展低排放的高新技術(shù)產(chǎn)業(yè)。

（3）能源利用效率的影響程度在不斷增強(qiáng)，尤其是像在北京及其周邊省域地區(qū)，政府應(yīng)該鼓勵發(fā)展軌道交通和大容量公共交通，推進(jìn)新能源汽車的使用來降低能源消耗，建立完善的綠色交通體系。而對于新疆地區(qū)應(yīng)推廣多式連運、裝箱運輸?shù)冗\輸形式來提高貨物的運轉(zhuǎn)量，完善交通基礎(chǔ)設(shè)施的建設(shè)來提高運輸效率。

（4）政府對交通運輸碳排放效率的干預(yù)應(yīng)該因地制宜來進(jìn)行，對于西部地區(qū)和東北地區(qū)，政府應(yīng)該綜合其自身發(fā)展階段制定差別化的交通運輸碳減排政策，并加大交通基礎(chǔ)設(shè)施的建設(shè)來刺激交通運輸業(yè)產(chǎn)值的增長。但是當(dāng)中西部交通運輸業(yè)發(fā)展到一定程度時，政府也應(yīng)減少一些強(qiáng)制性政策的制定，避免強(qiáng)制屬性的管理工具造成交通運輸業(yè)發(fā)展受阻。