于克美，武劍紅，李紅昌

（北京交通大學(xué)經(jīng)濟(jì)管理學(xué)院，北京 100044）

隨著工業(yè)化、城市化的發(fā)展，環(huán)境污染、能源緊缺以及引發(fā)的全球氣候變暖現(xiàn)象成為我們目前亟需解決的難題。根據(jù)國(guó)際能源署的統(tǒng)計(jì)數(shù)據(jù)，中國(guó)二氧化碳排放量在2005 年超過(guò)世界其他國(guó)家，并且在2015 年的二氧化碳排放量達(dá)90.8 億噸，其中交通部門(mén)產(chǎn)生的二氧化碳占比9.3%。在眾多二氧化碳供給的行業(yè)中，交通運(yùn)輸業(yè)的碳排放數(shù)量?jī)H次于工業(yè)與能源領(lǐng)域，排名第三［1］。Li 等［2］認(rèn)為中國(guó)交通行業(yè)的碳排放將來(lái)能夠占總碳排放量的30%～40%，與北美和歐洲國(guó)家目前的比例相似。巴黎協(xié)定規(guī)定協(xié)議的締結(jié)方在2020 年后應(yīng)該主動(dòng)參與該活動(dòng)，將全球氣溫的平均增加值控制在2℃以內(nèi)，據(jù)此，中國(guó)政府承諾到2030 年單位GDP 二氧化碳排放比2005 年下降60%左右［3］。因此，有必要大力發(fā)展低碳交通，為社會(huì)的可持續(xù)發(fā)展進(jìn)行考慮。

在交通運(yùn)輸市場(chǎng)中，主要的交通運(yùn)輸方式包括公路、鐵路、民航、水運(yùn)與管道運(yùn)輸5 種。其中，以2008 年數(shù)據(jù)為例，5 種交通方式碳排放量各自占整個(gè)交通行業(yè)的總排放量約52.3%、15%、11.7%、18.5%、2.5%［4］。相比之下，鐵路是一種相對(duì)環(huán)保低碳的運(yùn)輸方式，公路運(yùn)輸產(chǎn)生的二氧化碳量在整個(gè)交通運(yùn)輸業(yè)中占比最高。從貨物運(yùn)輸來(lái)看，公路與鐵路近5 年來(lái)的貨運(yùn)周轉(zhuǎn)量都呈現(xiàn)出增長(zhǎng)的趨勢(shì)，但是鐵路貨運(yùn)周轉(zhuǎn)量的平均增長(zhǎng)率（1.6%）卻不及公路（5.8%）。在此之后，國(guó)務(wù)院在2018 年印發(fā)《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》政策，明確指出通過(guò)調(diào)整鐵路貨運(yùn)比例來(lái)改善空氣質(zhì)量，減少污染。

在過(guò)去的10 多年中，我國(guó)快速發(fā)展高速鐵路網(wǎng)絡(luò)，到2018 年底，我國(guó)鐵路營(yíng)業(yè)里程超13 萬(wàn)公里，其中高速鐵路達(dá)3.1 萬(wàn)公里。鐵路是促進(jìn)經(jīng)濟(jì)增長(zhǎng)的重要基礎(chǔ)設(shè)施，完善的鐵路網(wǎng)使得貨物、人員、信息、要素等能夠便捷、快速的交流，尤其是高速鐵路的出現(xiàn)，其可達(dá)性對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生重要的作用［5-8］。高速鐵路的出現(xiàn)會(huì)產(chǎn)生兩種不同的效應(yīng)：一方面，高速鐵路提高了可達(dá)性，進(jìn)而轉(zhuǎn)移了部分普通鐵路或其他運(yùn)輸方式的客流量，會(huì)使得交通的碳排放量減少；另一方面，高速鐵路的出現(xiàn)能夠誘增新客流，即使沒(méi)有新客流增加的情況下，高速度帶來(lái)的高能耗會(huì)增加二氧化碳的排放。但是高速鐵路對(duì)鐵路碳排放效率的研究卻是很少。目前國(guó)外鐵路效率分析研究相對(duì)比較成熟，多集中技術(shù)效率或者運(yùn)營(yíng)效率［9-10］，但是很少有文獻(xiàn)以中國(guó)鐵路為研究對(duì)象，分析其碳排放效率變化與主要的影響因素。本文基于中國(guó)18 個(gè)鐵路局集團(tuán)有限公司2006—2014 年的數(shù)據(jù)，計(jì)算鐵路碳排放效率以及主要因素對(duì)其影響的關(guān)系。

一、文獻(xiàn)綜述

交通碳排放是關(guān)系到全球氣候變化的重要問(wèn)題，國(guó)外最早進(jìn)行研究的是美國(guó)勞倫斯伯克利國(guó)家實(shí)驗(yàn)室，國(guó)內(nèi)首先進(jìn)行研究的是原國(guó)家計(jì)委宏觀經(jīng)濟(jì)研究院能源研究所［11］?，F(xiàn)在越來(lái)越多的學(xué)者對(duì)交通部門(mén)的碳排放進(jìn)行研究［11-12］。李琳娜和Loo［13］對(duì)客運(yùn)交通市場(chǎng)的碳排放進(jìn)行計(jì)量與分析，發(fā)現(xiàn)公路是碳排放最多的交通方式，再次是民航，而鐵路與水運(yùn)的碳排放量最少。Li 等［3］采用協(xié)整與誤差修正模型研究了各種交通方式在短期與長(zhǎng)期條件下對(duì)碳排放的關(guān)系，發(fā)現(xiàn)公路、民航以及水運(yùn)設(shè)施的擴(kuò)張?jiān)陂L(zhǎng)期中會(huì)增加二氧化碳的排放，鐵路設(shè)施在短期中也使得碳排放增加，但是在長(zhǎng)期中能夠使碳排放量減少。也有學(xué)者以單一交通運(yùn)輸方式進(jìn)行碳排放的分析，如以武廣高鐵為例，指出每公里高鐵比普鐵每年減排二氧化碳2190.55 噸［14］。

除了關(guān)注于碳排放的總量外，很多學(xué)者還研究碳排放的效率。碳排放效率計(jì)算最為簡(jiǎn)單的方法是將單位GDP 的碳排放量取倒數(shù)［15］，但是績(jī)效評(píng)價(jià)應(yīng)用最廣的計(jì)算方法還是非參數(shù)DEA 方法［16-17］。除此之外，參數(shù)方法也是計(jì)算碳排放的另一個(gè)常見(jiàn)方法，雷玉桃和楊娟［18］采用SFA 模型對(duì)我國(guó)1996—2011 年間的碳排放效率進(jìn)行衡量，發(fā)現(xiàn)總體效率處于上升的階段，但是在效率的空間差異性卻越來(lái)越大。目前關(guān)于碳排放效率影響因素分析方法主要有空間計(jì)量回歸、迪氏對(duì)數(shù)指數(shù)分析（LMDI）方法、Laspeyres 完全分解法、STIRPAT 模型、面板向量自回歸等。張宏鈞等［19］選擇公路與鐵路兩種方式，通過(guò)因素分解的方式發(fā)現(xiàn)周轉(zhuǎn)量、人均GDP以及能源強(qiáng)度是主要的影響因素。王少劍和黃永源［20］對(duì)中國(guó)283 個(gè)城市運(yùn)用空間自相關(guān)、面板分位數(shù)回歸等多種方法，分析碳排放的空間溢出效應(yīng)與影響因素。主要的研究結(jié)論表明在低強(qiáng)度碳排放的城市，經(jīng)濟(jì)增長(zhǎng)、技術(shù)進(jìn)步以及人口密度起到重要的減排作用，但是在高強(qiáng)度碳排放的城市，技術(shù)進(jìn)步則沒(méi)有影響，人口密度有減排影響。Timilsina 和Ashish［21］采用LMDI 分解的方法把拉美國(guó)家的碳排放影響因素分解為與燃料混合、模態(tài)轉(zhuǎn)換和經(jīng)濟(jì)增長(zhǎng)以及排放系數(shù)和運(yùn)輸能量強(qiáng)度變化相關(guān)的成分。陳占明等［22］對(duì)傳統(tǒng)的STIRPAT 模型進(jìn)行改進(jìn)后應(yīng)用于我國(guó)的地級(jí)市碳排放研究，發(fā)現(xiàn)人口規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)以及采暖需求與城市二氧化碳量呈現(xiàn)正向關(guān)系，城市化率對(duì)碳排放量的關(guān)系不確定。

從上面的國(guó)內(nèi)外研究綜述中可以看出，論文多是以省域或者市域數(shù)據(jù)進(jìn)行分析某種（或者幾種）交通方式碳排放效率［23-25］，從中國(guó)國(guó)家鐵路集團(tuán)有限公司下屬的鐵路局集團(tuán)有限公司角度進(jìn)行鐵路碳排放效率的研究卻相對(duì)較少。

二、鐵路碳排放效率的估計(jì)與數(shù)據(jù)

（一）非期望產(chǎn)出DEA 模型

鐵路運(yùn)輸活動(dòng)涉及多投入、多產(chǎn)出，運(yùn)用非參數(shù)DEA 模型對(duì)碳排放效率評(píng)價(jià)是較為合適的方法。傳統(tǒng)的DEA 模型包括CCR 和BCC 兩種基本模型，兩者的區(qū)別在于規(guī)模報(bào)酬變化的情況。若是規(guī)模報(bào)酬不變，那么該效率模型被稱(chēng)為CCR 模型，在規(guī)模報(bào)酬可變情況進(jìn)行計(jì)算的效率模型被稱(chēng)為BCC 模型。

傳統(tǒng)的DEA 模型的思想是要求用最少的投入，生產(chǎn)盡可能多的產(chǎn)出。但是在現(xiàn)實(shí)生活中，生產(chǎn)過(guò)程往往伴隨著一定的不好的產(chǎn)出，如廢氣、廢水等。如果生產(chǎn)過(guò)程中存在這樣非期望的產(chǎn)出，那么再應(yīng)用傳統(tǒng)的DEA 模型進(jìn)行求解就不合適了。這時(shí)，需求考慮擴(kuò)展的DEA 模型。

假設(shè)有m個(gè)決策單元DMU，第j個(gè)決策單元為DMU（jj=1，2，…，m），每個(gè)決策單元采用n種投入生產(chǎn)出s種期望產(chǎn)出，k種非期望產(chǎn)出，記xij、yrj、ztj為第j個(gè)決策單元的第i種投入、第r種期望產(chǎn)出以及第k種非期望產(chǎn)出，則有

則含有非期望產(chǎn)出的生產(chǎn)可能集為

那么在期望產(chǎn)出不減少的情況下，使得投入與非期望產(chǎn)出盡可能最小，那么該約束條件下的目標(biāo)函數(shù)為

其中：θ、α、λ表示要求解的參數(shù)；表示松弛變量。

（二）基尼系數(shù)

在經(jīng)濟(jì)學(xué)中，基尼系數(shù)最初用來(lái)刻畫(huà)人們收入水平的差異情況。其范圍為0～1，越是接近0，差異水平就越低，越是接近于1，差異水平就越大。本文則是用基尼系數(shù)指標(biāo)來(lái)描述鐵路集團(tuán)公司間碳排放效率的差異程度。其計(jì)算公式如式（3）所示：

其中：G表示基尼系數(shù)；n表示鐵路局集團(tuán)有限公司的數(shù)量；xi表示鐵路局集團(tuán)有限公司的碳排放效率，符號(hào)i是按照鐵路集團(tuán)公司碳排放效率的大小進(jìn)行排序的；Cx表示碳排放效率的平均值。

（三）數(shù)據(jù)說(shuō)明

本文選擇2006—2014 年中國(guó)鐵路下屬的18 個(gè)鐵路局集團(tuán)有限公司（原鐵路局）為研究對(duì)象。DEA 模型通常的投入變量有勞動(dòng)、資本，在鐵路運(yùn)輸中，由于消耗大量的燃料，因而本文的投入變量中加入能源變量。具體來(lái)說(shuō)，勞動(dòng)變量用鐵路從業(yè)人員數(shù)量表示；資本變量用固定資產(chǎn)投資的存量表示，但是該變量在研究時(shí)間窗口中有所缺失，考慮到鐵路固定資產(chǎn)投資主要用于移動(dòng)設(shè)備和線網(wǎng)投資，本文決定用客車(chē)車(chē)輛數(shù)量、貨車(chē)車(chē)輛數(shù)量、鐵路線網(wǎng)營(yíng)業(yè)里程來(lái)表示；鐵路運(yùn)輸中涉及的能源包括電力、石油、煤炭等多種燃料，為了方便計(jì)算，本文根據(jù)相應(yīng)的折算標(biāo)準(zhǔn)將消耗的能源折算為標(biāo)準(zhǔn)煤數(shù)量。產(chǎn)出變量中的期望產(chǎn)出變量用客運(yùn)周轉(zhuǎn)量、貨運(yùn)周轉(zhuǎn)量來(lái)表示。非期望產(chǎn)出則是用二氧化碳排放量來(lái)表示。

目前關(guān)于二氧化碳排放量的數(shù)據(jù)無(wú)法直接獲得，都是通過(guò)間接的計(jì)算公式計(jì)算而來(lái)，其公式為

其中：ECO2表示二氧化碳的排放量；E表示折標(biāo)煤的消耗量；f表示折標(biāo)煤的碳排放系數(shù)。

根據(jù)日本能源經(jīng)濟(jì)研究所的參考值，本文f=0.68，剩余所有的數(shù)據(jù)都來(lái)源于《中國(guó)鐵路統(tǒng)計(jì)資料匯編》。變量的描述性統(tǒng)計(jì)分析見(jiàn)表1。

表1 投入產(chǎn)出變量的描述性分析

三、碳排放效率估計(jì)

表2 總結(jié)了我國(guó)18 個(gè)鐵路局集團(tuán)有限公司碳排放效率結(jié)果，并根據(jù)其平均效率值進(jìn)行排序，具體見(jiàn)表2的第2 列。廣鐵鐵路局集團(tuán)有限公司、濟(jì)南鐵路局集團(tuán)有限公司、太原鐵路局集團(tuán)有限公司三者的碳排放效率并列第一，而青藏鐵路局集團(tuán)有限公司、烏魯木齊鐵路局集團(tuán)有限公司以及哈爾濱鐵路局集團(tuán)有限公司位居后三名。到2010 年后，DEA 有效的公司數(shù)量增加到5 個(gè)，新增呼和浩特鐵路局集團(tuán)有限公司與蘭州鐵路局集團(tuán)有限公司。

可以看出，鐵路局集團(tuán)有限公司間碳排放效率的空間差異是比較明顯的。太原鐵路局集團(tuán)有限公司位于鐵路交通網(wǎng)絡(luò)的中部，連接幾個(gè)重要的鐵路走廊。其次，它所管轄區(qū)域，山西省具有豐富的煤炭資源，需要通過(guò)鐵路運(yùn)輸?shù)狡渌∈?。廣鐵鐵路局集團(tuán)有限公司服務(wù)于珠江三角洲地區(qū)，經(jīng)濟(jì)、人員交流頻繁。哈爾濱與青藏鐵路局集團(tuán)有限公司所管轄區(qū)域地理位置與天氣條件較差，因而投入與運(yùn)營(yíng)成本等較高，需求產(chǎn)出較低［26］。碳排放效率與外部環(huán)境間的詳細(xì)關(guān)系將在下文進(jìn)行檢驗(yàn)。

從時(shí)間角度來(lái)看，2006—2014 年我國(guó)鐵路局集團(tuán)有限公司的碳排放平均效率在0.64～0.81?；嵯禂?shù)（圖1）大致呈現(xiàn)水平的S 形狀，說(shuō)明碳排放效率差異隨時(shí)間在縮小。所有的碳排放效率結(jié)果均是采用DEA Slover Pro5 軟件計(jì)算得出。

表2 18 個(gè)鐵路集團(tuán)公司2006—2014 年碳排放效率

圖1 鐵路集團(tuán)公司基尼系數(shù)變化圖

四、碳排放效率影響因素分析

（一）回歸模型介紹

將上文估計(jì)的碳排放效率作為被解釋變量，與幾個(gè)解釋變量進(jìn)行回歸，包括社會(huì)經(jīng)濟(jì)因素、市場(chǎng)競(jìng)爭(zhēng)因素等外部因素以及鐵路內(nèi)部因素?；貧w分析能夠更清晰明了地識(shí)別鐵路碳排放效率的主要影響因素，為以后鐵路行業(yè)的減排工作提供一定的幫助。

根據(jù)以往的文獻(xiàn)，鐵路碳排放量被分解為人均GDP、人口、能源結(jié)構(gòu)與能耗強(qiáng)度等。因而本文將選擇內(nèi)燃機(jī)車(chē)數(shù)量與電力機(jī)車(chē)數(shù)量的比值來(lái)表示鐵路的能源結(jié)構(gòu)變化，雷玉桃和楊娟［18］指出在1991 年之前，鐵路的運(yùn)輸80%主要依靠燃煤機(jī)車(chē)，在2010 年該數(shù)值下降到26%，并發(fā)現(xiàn)碳排放從之前的正負(fù)交替效應(yīng)轉(zhuǎn)變?yōu)樨?fù)效應(yīng)。

高速鐵路是我國(guó)鐵路近十幾年來(lái)出現(xiàn)的重要?jiǎng)?chuàng)新成果，短短的十幾年，高速鐵路網(wǎng)絡(luò)四通八達(dá)，其從安全、速度、以及環(huán)境污染上較之前普通列車(chē)有明顯的差異，對(duì)鐵路碳排放效率有正向的影響。但是Wu 等［27］認(rèn)為我國(guó)“被高鐵”現(xiàn)象較為嚴(yán)重，高速鐵路的運(yùn)力不能有效地被利用，在長(zhǎng)期中大規(guī)模修建高鐵將使得其碳排放效率下降。本文為驗(yàn)證高速鐵路與碳排放效率之間是否存在“倒U 型”關(guān)系，在回歸方程中引入高速鐵路的營(yíng)業(yè)里程變量以及該變量的平方項(xiàng)。

在社會(huì)經(jīng)濟(jì)因素中，本文選擇采用GDP、人口以及產(chǎn)業(yè)結(jié)構(gòu)變量。GDP 和人口數(shù)值越大的地區(qū)，區(qū)域間人流以及貨流的交流就愈頻繁［28］，張宏鈞等［19］也指出GDP 是鐵路換算周轉(zhuǎn)量增加的主要原因，進(jìn)而是減少碳排放的有效途徑。還有的學(xué)者認(rèn)為在GDP 發(fā)達(dá)的地區(qū)，其技術(shù)以及觀念等較落后的地區(qū)存在一定的先進(jìn)性，也會(huì)有利于減少二氧化碳的排放。魏梅等［29］采用誤差修正的模型得到產(chǎn)業(yè)結(jié)構(gòu)與碳排放效率兩者之間存在負(fù)向的關(guān)系，本文將采用第二產(chǎn)業(yè)占比表示產(chǎn)業(yè)結(jié)構(gòu)來(lái)驗(yàn)證該結(jié)論在鐵路行業(yè)是否成立。

此外，高鐵和民航在客運(yùn)市場(chǎng)中存在激烈的方式間競(jìng)爭(zhēng)［30］，所以本文在回歸模型中考慮民航的換算周轉(zhuǎn)量來(lái)代表高鐵與民航間的競(jìng)爭(zhēng)。公路在貨運(yùn)市場(chǎng)與鐵路存在同樣激烈的競(jìng)爭(zhēng)，公路運(yùn)輸貨物比較靈活，能夠解決“最后一公里的問(wèn)題”，因而為研究公路與鐵路的競(jìng)爭(zhēng)問(wèn)題，本文將回歸中加入公路的換算周轉(zhuǎn)量。

根據(jù)上面的分析，本文建立的回歸函數(shù)如式（5）所示：

其中：effit表示鐵路局集團(tuán)有限公司i在第t年的碳排放效率值；GDPit表示鐵路局集團(tuán)有限公司i所管轄的省份①在進(jìn)行回歸模型時(shí)，由于解釋變量是省域?qū)用娴臄?shù)據(jù)，因而需要一定的數(shù)據(jù)轉(zhuǎn)換為鐵路局集團(tuán)有限公司層面的數(shù)據(jù)，本文參照文獻(xiàn)［26］。在第t年的國(guó)內(nèi)生產(chǎn)總值；POPit表示鐵路局集團(tuán)有限公司i所管轄的省份在第t年的人口總數(shù)；structureit表示鐵路局集團(tuán)有限公司i所管轄的省份在第t年的第二產(chǎn)業(yè)占比例；vihicleit表示鐵路局集團(tuán)有限公司i在第t年的內(nèi)燃機(jī)車(chē)與電力機(jī)車(chē)的比例；HSRit表示鐵路局集團(tuán)有限公司i所管轄的省份在第t年的高速鐵路營(yíng)業(yè)里程；表示鐵路局集團(tuán)有限公司i所管轄的省份在第t年的高速鐵路營(yíng)業(yè)里程的平方項(xiàng)；airit表示鐵路局集團(tuán)有限公司i所管轄的省份在第t年的民航換算周轉(zhuǎn)量；roadit表示鐵路局集團(tuán)有限公司i所管轄的省份在第t年的公路換算周轉(zhuǎn)量；ait表示鐵路局集團(tuán)有限公司i的時(shí)間固定效應(yīng)項(xiàng)；εit表示隨機(jī)誤差項(xiàng)。

由于被解釋變量為本文所計(jì)算的碳排放效率值，屬于0～1 區(qū)間，因而本文采用Tobit 模型進(jìn)行回歸。但是Simar 和Wilson［31］指出直接將DEA 的效率值應(yīng)用于第二階段回歸會(huì)導(dǎo)致有偏估計(jì)，因而他們提出在第二階段采用bootstrap 方法來(lái)得到一致無(wú)偏的估計(jì)。因而，本文將采用這兩種模型進(jìn)行回歸。

為了估計(jì)上面的回歸公式，本文采用固定效應(yīng)模型來(lái)控制時(shí)不變的誤差項(xiàng)與解釋變量之間的相關(guān)性。本文還進(jìn)行隨機(jī)效應(yīng)模型回歸來(lái)當(dāng)作穩(wěn)健性檢驗(yàn)。在本文的研究中，需注意鐵路碳排放效率與鐵路的車(chē)輛類(lèi)型比重是相互依賴的關(guān)系，應(yīng)該考慮內(nèi)生性問(wèn)題?；貧w所需要的解釋變量來(lái)源于國(guó)家統(tǒng)計(jì)局網(wǎng)站與《中國(guó)鐵路統(tǒng)計(jì)資料匯編》。對(duì)變量進(jìn)行描述性統(tǒng)計(jì)分析，見(jiàn)表3。

表3 回歸模型的變量描述性統(tǒng)計(jì)分析

（二）回歸結(jié)果分析

表4 包括了Tobit 固定效應(yīng)回歸、隨機(jī)效應(yīng)回歸以及bootstrap-correction 模型、2SLS 模型回歸結(jié)果。從估計(jì)系數(shù)的大小與符號(hào)來(lái)看，固定效應(yīng)與隨機(jī)效應(yīng)模型的估計(jì)結(jié)果是相似的，bootstrap-correction 模型、2SLS 模型回歸結(jié)果與兩者的估計(jì)也大體是一致的。

本文的研究結(jié)果表明，鐵路的機(jī)車(chē)類(lèi)型比重（內(nèi)燃機(jī)車(chē)與電力機(jī)車(chē)的比例）與碳排放效率負(fù)相關(guān)。顯然，內(nèi)燃機(jī)車(chē)的碳排放要遠(yuǎn)大于電力機(jī)車(chē)的碳排放，若是該變量的比值增大，必然使碳排放量效率下降。隨著鐵路技術(shù)的不斷創(chuàng)新與發(fā)展，我國(guó)鐵路的電氣化水平不斷提高，使得鐵路單位公里碳排放量逐步減少。

高速鐵路變量系數(shù)為正，其平方項(xiàng)系數(shù)為負(fù)，表明碳排放效率與高速鐵路變量之前存在倒“U”型關(guān)系：隨著高速鐵路網(wǎng)的不斷擴(kuò)建，高速鐵路對(duì)民航以及公路運(yùn)輸?shù)奶娲灾鸩皆黾?，這一運(yùn)輸效應(yīng)使得碳排放量減少［32］，但是本文發(fā)現(xiàn)當(dāng)高速鐵路營(yíng)業(yè)里程超過(guò)某一點(diǎn)時(shí)，碳排放效率呈現(xiàn)下降的趨勢(shì)。高速鐵路二等座的運(yùn)價(jià)率是0.45 元，遠(yuǎn)高于普通鐵路的運(yùn)價(jià)率。在我國(guó)這種收入不均衡的國(guó)家，很多人并不能夠支付起高速鐵路的票價(jià)，某些高鐵線出現(xiàn)“上座率不高”的現(xiàn)象。大規(guī)模的修建高速鐵路，使得高速鐵路的利用率不是完全有效，一定程度上造成了資源的浪費(fèi)與錯(cuò)配，所以超過(guò)某一點(diǎn)后，高速鐵路變量相比之前碳排放效率下降。

表4 碳排放效率影響因素估計(jì)結(jié)果

產(chǎn)業(yè)結(jié)構(gòu)對(duì)鐵路碳排放效率有顯著的影響。但是隨著第二產(chǎn)業(yè)占比越來(lái)越大，其碳排放效率出現(xiàn)增加的現(xiàn)象，這主要是因?yàn)榈诙a(chǎn)業(yè)中不同的產(chǎn)業(yè)碳排放不同，本文并沒(méi)有細(xì)分碳排放量高與碳排放低的產(chǎn)業(yè)。同理，GDP 的影響系數(shù)是負(fù)向的。

關(guān)于方式間競(jìng)爭(zhēng)對(duì)鐵路碳排放效率的影響，本文發(fā)現(xiàn)民航能夠提高鐵路碳排放效率。鐵路對(duì)民航，尤其是高速鐵路對(duì)民航產(chǎn)生激烈的競(jìng)爭(zhēng)，但是兩者提供的服務(wù)在中長(zhǎng)距離中存在不可替代性［33］，在中國(guó)未來(lái)將發(fā)展兩者間的合作［34］。但是從目前的市場(chǎng)份額占比趨勢(shì)來(lái)看②民航與鐵路市場(chǎng)份額用各自周轉(zhuǎn)量占總運(yùn)輸市場(chǎng)周轉(zhuǎn)量的比例表示，數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局。，兩者之間的競(jìng)爭(zhēng)程度大于合作程度，因而民航的影響系數(shù)為正。同理，公路在短途市場(chǎng)上與鐵路存在激烈的競(jìng)爭(zhēng)，從而使得鐵路碳排放效率增加。

五、研究結(jié)論

環(huán)境與碳排放問(wèn)題越來(lái)越受到學(xué)者與工作部門(mén)的關(guān)注，政府部門(mén)也為減排出臺(tái)了相關(guān)的政策，但是學(xué)術(shù)界從鐵路局集團(tuán)有限公司角度研究鐵路碳排放效率與影響因素的研究比較少。因而，本文采用非期望產(chǎn)出DEA 模型與第二階段的回歸來(lái)分析18 個(gè)鐵路局集團(tuán)有限公司的碳排放效率與可能的影響因素。研究發(fā)現(xiàn)，2006—2014 年鐵路局集團(tuán)有限公司平均碳排放效率在0.64～0.81，且地區(qū)間的差異性越來(lái)越小，碳排放效率最高的是太原鐵路局集團(tuán)有限公司、濟(jì)南鐵路局集團(tuán)有限公司、廣鐵局集團(tuán)有限公司、呼和浩特鐵路局集團(tuán)有限公司與蘭州鐵路局集團(tuán)有限公司。

研究結(jié)果進(jìn)一步表明，市場(chǎng)競(jìng)爭(zhēng)能夠提高鐵路的碳排放效率，對(duì)于這種方式間的競(jìng)爭(zhēng)方法，政府應(yīng)該大力支持。競(jìng)爭(zhēng)能夠促進(jìn)產(chǎn)品創(chuàng)新、服務(wù)升級(jí)，對(duì)于消費(fèi)者的剩余有積極的影響。公路是交通運(yùn)輸方式中碳排量最高的運(yùn)輸方式，鐵路產(chǎn)業(yè)應(yīng)該優(yōu)化其貨運(yùn)體系，銜接好“最后一公里”的問(wèn)題，加大公路貨物向鐵路的轉(zhuǎn)移比例。鐵路產(chǎn)業(yè)中機(jī)車(chē)類(lèi)型比重從側(cè)面反映了其能源結(jié)構(gòu)的變化，通過(guò)調(diào)整能源結(jié)構(gòu)能夠有效的提高碳排放效率。高速鐵路與碳排放效率之間存在著倒“U”型關(guān)系，表明在一定里程范圍內(nèi)高速鐵路確實(shí)能夠提高碳排放的效率，但是超過(guò)某一點(diǎn)后，對(duì)碳排放效率無(wú)益。這主要是大規(guī)模修建高速鐵路，使得資源造成浪費(fèi)，并沒(méi)有完成相應(yīng)的有效產(chǎn)出。外部環(huán)境對(duì)鐵路碳排放效率也有重要的影響，應(yīng)該調(diào)整合理的產(chǎn)業(yè)結(jié)構(gòu)，轉(zhuǎn)換經(jīng)濟(jì)增長(zhǎng)動(dòng)力，減少碳排放。

本文有以下幾點(diǎn)局限性。第一，本文在計(jì)算碳排放效率時(shí)，沒(méi)有區(qū)分客運(yùn)與貨運(yùn)。兩種類(lèi)型的運(yùn)輸所需要的資源與條件相差較大，影響計(jì)算的碳排放效率值。第二，由于鐵路數(shù)據(jù)的可獲得性，本文的時(shí)間窗口相對(duì)陳舊，在以后的研究中盡可能地拓寬時(shí)間窗格。