左大杰，戴文濤

(西南交通大學(xué)a.交通運輸與物流學(xué)院；b.綜合交通運輸智能化國家地方聯(lián)合工程實驗室；c.中國高鐵發(fā)展戰(zhàn)略研究中心，成都610031)

0 引言

交通運輸行業(yè)是碳排放流動的源頭或發(fā)散部門之一，深入細(xì)致地分析其碳排放的驅(qū)動機理，從中尋求更為合理有效的減排路徑及政策，是當(dāng)前行業(yè)研究領(lǐng)域不容忽視的一點[1].為廓清節(jié)能減排重點，需要科學(xué)測算、分析驅(qū)動行業(yè)碳排放的關(guān)鍵因子及其效應(yīng)，目前主流的方法有因素分解分析、計量經(jīng)濟(jì)分析和灰色關(guān)聯(lián)分析等.因素分解的代表為對數(shù)平均迪氏分解法(LMDI)和Refined-Laspeyres指數(shù)法，喻潔[2]、Mendiluce[3]基于 LMDI方法分別測度了中國及西班牙交通運輸行業(yè)碳排放的拉動和抑制因素，結(jié)果表明能源強度和運輸結(jié)構(gòu)惡化等是行業(yè)碳排放總量增長的主要誘因，還有少許學(xué)者將復(fù)雜的投入—產(chǎn)出數(shù)據(jù)與結(jié)構(gòu)分解分析(SDA)聯(lián)用來探討行業(yè)碳排放的波及特性；計量分析的應(yīng)用則主要依賴于各類協(xié)整、回歸、因果等關(guān)系的建立，年江[4]運用隨機影響方程(STIPRAT)分析了我國客貨運與碳排放增長的聯(lián)系及區(qū)域間經(jīng)濟(jì)增長對運輸部門碳排放增長產(chǎn)生的交叉效應(yīng)，Poumanyvong[5]利用STIPRAT方法證實城市化對交通能耗及碳排放會產(chǎn)生促進(jìn)作用且在高收入國家尤為明顯，蔡婉華[6]應(yīng)用基于面板數(shù)據(jù)的向量自回歸模型(PVAR)探討了我國不同經(jīng)濟(jì)區(qū)交通運輸、經(jīng)濟(jì)增長及碳排放三者間相互影響的動態(tài)關(guān)系；張毅[7]利用灰色關(guān)聯(lián)分析方法證實運輸業(yè)能源強度與三大產(chǎn)業(yè)中的第三產(chǎn)業(yè)關(guān)聯(lián)度最大，此外像環(huán)境庫茲涅茨(EKC)曲線和Tapio脫鉤理論這類分析經(jīng)濟(jì)發(fā)展與環(huán)境效應(yīng)互動關(guān)系的理論也逐漸應(yīng)用到行業(yè)碳排放的內(nèi)在影響機理研究中.

既有研究在協(xié)調(diào)行業(yè)發(fā)展與節(jié)能減排的矛盾上已取得一定成果，在為我們提供方法借鑒的同時在某種程度上揭示出行業(yè)的一些基本特性，但這些研究仍主要存有以下2點不足：

(1)在碳排放影響源選取上，既有研究得出的驅(qū)動因子難成體系或信息重疊問題突出，部分研究甚至很難證實因子設(shè)置本身與碳排放存在因果關(guān)系；

(2)在碳排放驅(qū)動力認(rèn)識上，多數(shù)研究將驅(qū)動因子按平行參照處理(以LMDI和STIRPAT模型最為突出)，僅計算單因子對碳排放的直接貢獻(xiàn)或彈性系數(shù).

鑒于驅(qū)動因子間可能存在較強相關(guān)性，影響路徑具有多通道和多反饋特點，而傳統(tǒng)研究手段很難反映這種替代、誘導(dǎo)關(guān)系，本文考慮因子的兩兩交互影響，引入通徑分析理論對交通運輸碳排放的內(nèi)在驅(qū)動機理展開進(jìn)一步探究，為設(shè)計適應(yīng)四川省交通運輸發(fā)展特點的具體碳減排工具和政策提供參考是本文的主要研究目的.

1 通徑分析理論

通徑分析是由數(shù)量遺傳學(xué)家Sewall Wright提出的一種多元統(tǒng)計技術(shù).當(dāng)解釋變量數(shù)目較多且相互關(guān)系復(fù)雜，或解釋變量交互作用對響應(yīng)變量產(chǎn)生影響時，通徑分析將極具優(yōu)勢，它將標(biāo)準(zhǔn)化變量的偏回歸系數(shù)拆分為附加方向性的系數(shù)，能使已掌握的相關(guān)和因果關(guān)系等方面的定性信息相結(jié)合.設(shè)解釋變量x1,x2,…xk同響應(yīng)變量y滿足線性關(guān)系，作偏差變換有[8]

式中：,σy分別為y的均值和標(biāo)準(zhǔn)差；,σxi分別為xi的均值和標(biāo)準(zhǔn)差；βi為xi的偏回歸系數(shù).

以rij,riy分別表示xi同xj,y的相關(guān)系數(shù)，由最小二乘原理求出βi的值，再由相關(guān)系數(shù)的定義及性質(zhì)可將riy分解為piy和兩部分，其正規(guī)方程組形式為

實際模型設(shè)定中很難將響應(yīng)變量的所有影響因素都考慮在內(nèi)，故須進(jìn)一步核算遺漏變量和隨機誤差對y的影響，即剩余通徑pεy，若該值很小表明通徑分析已經(jīng)把握主要變量，否則可能遺漏某些主要解釋變量，需進(jìn)一步查找分析，其計算式為

2 指標(biāo)選取及數(shù)據(jù)來源

2.1 碳排放估算

由于國內(nèi)尚無權(quán)威機構(gòu)統(tǒng)計公布地區(qū)和行業(yè)的碳排放量，所以估算該值就成為一切碳排放研究開展的基礎(chǔ).目前國際上可查的且較為成熟的碳排放測算方法為IPCC推薦計算法，它包括基于終端能源消費對象的“自下而上法”和整體能源消耗數(shù)據(jù)的“自上而下法”.結(jié)合交通運輸行業(yè)(移動源)碳排放特點和已有統(tǒng)計基礎(chǔ)，本文選用后者測算其運營過程中的碳排放量為

式中：EC為碳排放總量；i為能源類型；Ei,Fi分別為第i類能源的終端消費量(按折算標(biāo)煤計)和碳排放系數(shù)；44/12為碳與CO2的轉(zhuǎn)換系數(shù).

2.2 備選因子

邏輯上，影響交通碳排放的因子眾多且各自對碳排放的貢獻(xiàn)程度不同，如經(jīng)濟(jì)水平、運輸規(guī)模多被驗證為正向驅(qū)動因子，而能耗效率常被視為負(fù)向驅(qū)動因子，因此，對驅(qū)動行業(yè)碳排放的關(guān)鍵因子需要科學(xué)識別.根據(jù)IAEA(國際原子能機構(gòu))的MAED模型中的ASIF數(shù)據(jù)構(gòu)造原理[9]，兼顧數(shù)據(jù)可得性及指標(biāo)層次性，選取人均GDP(AG:元·人-1)、單位GDP運輸周轉(zhuǎn)量(YS:t·km·10-4元-1)、公路與鐵路周轉(zhuǎn)量的相對比值(RR:1)、單位周轉(zhuǎn)量的能耗量(NH:kg standard coal·10-4t-1·km-1)、城鎮(zhèn)化率(CZ:100%)、客貨周轉(zhuǎn)量的相對比值(KH:1)等6個解釋變量作為驅(qū)動交通碳排放的備選因子，運用逐步回歸方法篩選其中隱含的關(guān)鍵因子.響應(yīng)變量選取人均交通碳排放量(AC:kg·人-1).為降低序列異方差性影響，對上述所有變量均作對數(shù)化處理并分別記為：

2.3 數(shù)據(jù)來源

本文以四川省為例，樣本期選定為1995—2014年，終端能源消費量及能源碳排放系數(shù)來源于歷年《中國能源統(tǒng)計年鑒》中的“分地區(qū)能源平衡表”部分，其他數(shù)據(jù)取自《四川統(tǒng)計年鑒》，為消除價格因素變動影響，實際GDP均以1995年為不變價進(jìn)行平減，部分?jǐn)?shù)據(jù)已結(jié)合《重慶統(tǒng)計年鑒》進(jìn)行相應(yīng)扣除.相關(guān)時間序列組如圖1所示.

圖1 序列組趨勢圖(對數(shù)化處理)Fig.1 Trend chart of sequence group(Logarithmic processing)

3 實例分析

區(qū)域交通運輸碳排放的驅(qū)動因子間可能彼此相關(guān)，鑒于通徑分析的主要優(yōu)點在于運用標(biāo)準(zhǔn)化的通徑系數(shù)將響應(yīng)變量與解釋變量的表面相關(guān)性進(jìn)行分解，本文選其探究驅(qū)動因子對行業(yè)碳排放的作用機理.同時，為便于比較各指標(biāo)的階段性特征對碳排放的影響，根據(jù)RR數(shù)值大小，將樣本劃分出1995—2007年(公＜鐵)及2008—2014年(公＞鐵)2個階段.

3.1 對變量的檢驗和識別

通徑分析是一類特殊的多元回歸問題，因此必須對響應(yīng)變量做正態(tài)檢驗，結(jié)果如表1所示.小樣本時選取S-W檢驗結(jié)果，由各顯著性概率P值可知，不應(yīng)拒絕原假設(shè)H0：各階段響應(yīng)變量近似服從正態(tài)分布，可進(jìn)行逐步回歸分析.

表1 正態(tài)檢驗結(jié)果Table 1 Normal test results

以全樣本為例，將解釋變量逐一引入回歸過程，結(jié)果如表2所示，可知模型6對排放強度的解釋力最佳.因此，前4個指標(biāo)可構(gòu)成樣本期內(nèi)驅(qū)動四川省人均交通碳排放量的有效因子，它們能用于解釋行業(yè)碳排放的主要影響路徑且相互之間信息不重疊，為便于后續(xù)分析分別命名為經(jīng)濟(jì)強度、運輸強度、相對結(jié)構(gòu)、能耗強度，響應(yīng)變量視作排放強度.

3.2 回歸結(jié)果

各階段回歸方程如式(6)～式(8).由全樣本回歸結(jié)果可知，經(jīng)濟(jì)強度、運輸強度、能耗強度均是促進(jìn)排放強度增長的因子，其比例每提高1%，排放強度分別增加1.039%、1.082%、0.977%，而相對結(jié)構(gòu)的回歸系數(shù)似乎與實際經(jīng)驗不符，作者認(rèn)為可能存在如下兩方面原因：一是收入增長會帶來居民消費理念的改善，出行和貨運方式日趨合理、集約、高效從而重構(gòu)了排放強度的增長軌跡；二是相關(guān)部門出臺的一些獎懲措施和環(huán)境規(guī)制在公路運輸上得到有效實施從而抵減了排放強度的上升幅度.另外，從階段回歸結(jié)果來看，通過調(diào)整運輸結(jié)構(gòu)對排放強度增長的抑制作用正在減小，應(yīng)側(cè)重發(fā)揮能耗強度下降對碳減排的效用.

表2 逐步回歸結(jié)果Table 2 Results of stepwise regression

3.3 通徑分析結(jié)果

傳統(tǒng)回歸分析并不能準(zhǔn)確揭示行業(yè)碳排放驅(qū)動機理，本文將嘗試從通徑分析角度解釋其原因.囿于篇幅限制，本文主要以全樣本為例討論，由上述通徑分析原理獲取各有效驅(qū)動因子交互作用下對排放強度產(chǎn)生的效應(yīng)，其結(jié)果如表3所示.剩余通徑系數(shù)pεy≈0，表明該通徑分析過程已經(jīng)把握主要因子.各有效驅(qū)動因子對排放強度的決策系數(shù)按降序排列為：，表明經(jīng)濟(jì)強度和能耗強度對排放強度起主要增進(jìn)作用，運輸強度和相對結(jié)構(gòu)則由于受到顯著間接影響而偏離預(yù)期效用，具體分析如下：

(1)經(jīng)濟(jì)強度為主要決策因子，它對排放強度的正向拉動最大(直接效應(yīng)1.133)，總間接效應(yīng)(-0.197)對其直接效應(yīng)的緩沖有限，致使經(jīng)濟(jì)增長與交通碳排放呈高度正相關(guān).經(jīng)濟(jì)強度對運輸強度和相對結(jié)構(gòu)在排放強度的間接貢獻(xiàn)上分別具有很強的抑制和推動作用，其與運輸強度的互動表明四川省經(jīng)濟(jì)增長與交通發(fā)展整體的低依存度有助于降低碳排放.

(2)運輸強度為主要限制因子，它對排放強度的直接效應(yīng)為0.292，表明運輸強度的上升會促進(jìn)排放強度的增長，但總間接效應(yīng)為-1.117，使其與排放強度的相關(guān)性為-0.825，這主要源于運輸強度對經(jīng)濟(jì)強度有較大的負(fù)向依賴.其余因子通過運輸強度對排放強度的間接影響均為負(fù)值，表明四川省運輸效率已有一定程度提升，保證經(jīng)濟(jì)強度上行所引致的運輸結(jié)構(gòu)調(diào)整的同時使運輸強度下降才能使行業(yè)在運輸化轉(zhuǎn)型過程中單位碳排放逐漸得以控制.

(3)相對結(jié)構(gòu)對排放強度的直接效應(yīng)和總間接效應(yīng)分別為-0.023和0.806，表明相對結(jié)構(gòu)對排放強度的直接影響并不顯著，公路和鐵路等運用結(jié)構(gòu)上的變化通過為經(jīng)濟(jì)發(fā)展服務(wù)間接推動排放強度的快速增長.樣本期內(nèi)，盡管四川省公路運輸?shù)谋戎卦谏仙?，但其整體上是與運輸強度和能耗強度良性互動的，其余因子很難通過相對結(jié)構(gòu)對排放強度產(chǎn)生間接影響.當(dāng)前排放強度對運輸結(jié)構(gòu)調(diào)整的直接響應(yīng)尚不敏感，相對結(jié)構(gòu)自身仍非常依賴于經(jīng)濟(jì)強度的傳導(dǎo).

(4)能耗強度對排放強度的直接效應(yīng)(0.449)和總體效應(yīng)(0.442)相差不大，表明能耗強度的變化可直接作用于排放強度的大小.運輸強度及相對結(jié)構(gòu)通過能耗強度的間接影響均對排放強度的增長產(chǎn)生抑制，表明四川省運輸活動水平與能源使用效率間的關(guān)系有一定程度緩和，而經(jīng)濟(jì)強度同能耗強度的互動則促進(jìn)了碳排放的增長.因此，要降低行業(yè)碳排放強度，必須在保證經(jīng)濟(jì)強度增長的同時，致力于降低運輸強度和能耗強度，擺脫工業(yè)化和城鎮(zhèn)化對運輸活動和能源消費的高強度依賴，公路與鐵路運輸相對結(jié)構(gòu)的比值則可以基本保持穩(wěn)定或有一定程度下降.

(5)排放強度與備選因子的相關(guān)性如表4所示.定性地看，由偏相關(guān)性給出的信息更符合實際，排放強度與經(jīng)濟(jì)強度、運輸強度和能耗強度均呈顯著正相關(guān)，相對結(jié)構(gòu)較其余有效因子影響小，被篩除的指標(biāo)與排放強度的偏相關(guān)性均不顯著.因此，在做多因子分析時，僅從回歸結(jié)果做出判斷很可能會得到錯誤的結(jié)論，結(jié)合通徑分析與偏相關(guān)分析則能在一定程度上避免此種問題.由階段通徑分析結(jié)果，如圖2所示，可知經(jīng)濟(jì)強度和能耗強度對碳排放的作用無論在直接還是間接效應(yīng)上均隨時間放大，而相對結(jié)構(gòu)對排放強度的直接效應(yīng)及其對其他因子的間接影響始終有限，證實當(dāng)前四川省的運輸活動水平實際仍滯后于經(jīng)濟(jì)發(fā)展的需要.

表3 通徑分析結(jié)果Table 3 Path analysis results

表4 排放強度與備選因子的相關(guān)性Table 4 Correlation between emission intensity and alternative factors

圖2 驅(qū)動因子對排放強度的通徑系數(shù)分解Fig.2 Driving factor decomposition of path coefficient on emission intensity

4 結(jié)論

本文以四川省有關(guān)數(shù)據(jù)為依據(jù)，運用逐步回歸和通徑分析方法探討了區(qū)域交通運輸碳排放的內(nèi)在驅(qū)動機理，主要研究結(jié)論包括：

(1)相比其他指標(biāo)，經(jīng)濟(jì)強度、運輸強度、相對結(jié)構(gòu)、能耗強度是驅(qū)動四川省人均交通碳排放量的關(guān)鍵因子，公路運輸結(jié)構(gòu)比例的上升主要依賴顯著的間接作用去驅(qū)動個體交通碳排放的增加，調(diào)整運輸結(jié)構(gòu)對排放強度增長的抑制作用正在減小.

(2)各驅(qū)動因子對排放強度的直接與總體效應(yīng)排序不完全一致.定性上，運輸強度和相對結(jié)構(gòu)的上升均會對排放強度產(chǎn)生正向驅(qū)動，但受到經(jīng)濟(jì)強度的強誘導(dǎo)后，兩者呈現(xiàn)出截然不同的效應(yīng).決策系數(shù)為排放強度影響路徑信息的綜合決策理順了思路，造成四川省交通運輸碳排放強度快速增長的主要因素是經(jīng)濟(jì)發(fā)展水平的提高且其綜合作用仍很顯著.

當(dāng)前，四川省仍處于經(jīng)濟(jì)穩(wěn)定發(fā)展時期，由此驅(qū)動了行業(yè)碳排放的顯著增加.為保持該省交通和經(jīng)濟(jì)發(fā)展繼續(xù)向著“高增長、低排放”模式演進(jìn)，在相對結(jié)構(gòu)難以有效調(diào)整的情況下應(yīng)致力于降低運輸強度和能耗強度來抑制行業(yè)碳排放強度的增長，因此要盡量減少不必要的出行及不合理的貨運形式(如對流和過遠(yuǎn)運輸?shù)?，同時大力發(fā)展人均能耗較小的公共運輸方式，倡導(dǎo)低碳出行和消費理念；另外，應(yīng)著力推動能源工業(yè)的技術(shù)革新，提高能源利用效率，減少化石燃料在行業(yè)能耗結(jié)構(gòu)中的占比，并通過制定和實施相關(guān)的行業(yè)環(huán)境規(guī)制來有效降低其能耗強度，從而抑制行業(yè)碳排放強度的增長速率.

參考文獻(xiàn)：

[1]Organization for Economic Cooperation and Development(OECD).Cutting Transport CO2Emissions:What progress?[M].Paris:OECD Publications,2007.

[2]喻潔,達(dá)亞彬,歐陽斌.基于LMDI分解方法的中國交通運輸行業(yè)碳排放變化分析[J].中國公路學(xué)報,2015,28(10):112-119.[YU J,DA Y B,OU YANG B.Analysis ofcarbon emission changes in China's transportation industry based on LMDI decomposition method[J].China Journal of Highway and Transport,2015,28(10):112-119.]

[3]MENDILUCE M,SCHIPPER L.Trends in passenger transport and freight energy use in spain[J].Energy Policy,2011,39(10):6466-6475.

[4]年江.中國交通運輸行業(yè)碳排放影響因素研究：基于區(qū)域面板數(shù)據(jù)的STIRPAT模型分析[D].廈門:廈門大學(xué),2014.[NIAN J.Underlying factors for transport sectorCO2emissions:STIRPAT modelbasingon regional panel data in China[D].Xiamen:Xiamen University,2014.]

[5]POUMANYVONG P,KANEKO S,DHAKAL S.Impacts of urbanization on national transport and road energy use:Evidence from low,middle and high income countries[J].Energy Policy,2012,46(3):268-277.

[6]蔡婉華,葉阿忠.交通運輸、經(jīng)濟(jì)增長與碳排放之間的互動關(guān)系研究：基于PVAR模型[J].交通運輸系統(tǒng)工程與信息,2017,17(3):26-31.[CAI W H,YE A Z.Interactive relationship among transportation,economic growth and carbon emissions based on PVAR model[J].Journal of Transportation Systems Engineering and Information Technology,2017,17(3):26-31.]

[7]張毅,張恒奇,歐陽斌,等.綠色低碳交通與產(chǎn)業(yè)結(jié)構(gòu)的關(guān)聯(lián)分析及能源強度的趨勢預(yù)測[J].中國人口,資源與環(huán)境,2014,24(11):5-9.[ZHANG Y,ZHANG H Q,OU YANG B,et al.Analysis and forecast of energy consumption in transportation industry:Based on the grey model[J].China Population,Resources and Environment,2014,24(11):5-9.]

[8]CHEN W,LEI Y.Path analysis of factors in energyrelated CO2emissions from Beijing's transportation sector[J].Transportation Research Part D,2017(50):473-487.

[9]CHANG S Y,HU X J,OU X M,et al.Decomposition analysis of inter-city passenger transportation energy consumption in China[J].China Population,Resources and Environment,2010,20(3):24-29.