李銘泓，黃 羿，朱偉俊，張發(fā)根，常向陽

(廣州大學環(huán)境科學與工程學院，廣東廣州 510006)

交通運輸業(yè)是我國能源消費碳排放的第二大來源［1］。近年來，我國交通運輸業(yè)碳排放總量呈現上升趨勢，據預測其在2030 年將達到2000 年的4 倍多，如何有效控制交通運輸業(yè)碳排放已成為我國節(jié)能減排工作的重要內容之一［2］。中國作為世界上最大的發(fā)展中國家，發(fā)展的中心任務仍以經濟建設和改善民生為主［3］，相對于采用減少碳排放絕對量的減排方式，提高碳排放效率更能保障行業(yè)間的分配公平并降低對經濟發(fā)展造成的影響［4］。因此，碳排放效率常用于以投入產出為基礎的碳排放量變化研究中，而科學全面地探討區(qū)域交通運輸業(yè)碳排放效率以及其影響因素，為推動行業(yè)碳排放生產率最優(yōu)化提供基礎依據，是促進交通運輸業(yè)可持續(xù)發(fā)展和區(qū)域低碳經濟建設的關鍵［5-7］。

國內外學者主要從單要素和全要素兩個角度進行碳排放效率的研究［4,8-10］。單要素碳排放效率僅評價碳排放量與某一要素的比例關系，雖然有易于理解和應用的優(yōu)點，但是缺乏對相關要素指標耦合性的考慮。而全要素生產率最早由美國經濟學家Robert［11］提出，指的是單位總投入所帶來的總產量，其結果比單要素評價更為全面和客觀，因此常作為衡量地區(qū)經濟效率變化的重要指標，對環(huán)境質量評價具有重要意義。目前國內對交通運輸業(yè)碳排放全要素生產率的研究較少。其中，將碳排放作為非期望產出的全要素生產率評價以靜態(tài)分析為主，一般采用數據包絡分析方法中的Super-SBM 和RAM等模型，根據多個不同行業(yè)或省市的數據，逐年建立生產前沿面，對交通運輸業(yè)碳排放全要素生產率進行測算［6,12-13］，也有研究進一步運用計量經濟分析方法探討了社會經濟因素對碳排放全要素生產率的影響［14-15］。在考慮非期望產出分析交通運輸業(yè)碳排放全要素生產率動態(tài)變化方面，已有研究結合研究期間投入產出要素面板數據，基于數據包絡分析方法中的Malmquist-Luenberger（ML）指數、Global Malmquist-Luenberger（GML）指數等測算碳排放全要素生產率的變化率，并通過指數分解分析其影響因素。其研究范圍主要為部分省市和經濟區(qū)域［7,16-17］，以國家層面開展的省域對比研究少之又少［18-19］，而且缺少對交通運輸業(yè)碳排放全要素生產率變化空間差異性的詳細分析，不利于在全國統(tǒng)一生產前沿面的基礎上深入地分析其動態(tài)變化與空間特征。同時，歸納已有研究中的投入產出指標后發(fā)現，期望產出指標主要為交通運輸量和行業(yè)增加值，投入指標包括資本存量、勞動力、能源、運行車輛、路線長度等，而對交通碳排放強度有顯著正向影響的城市化水平和交通用地面積［20-21］，卻暫未被考慮在內，這在一定程度上影響了碳排放效率的評價結果。

因此，本文根據數據可獲取情況，以我國30 個省級行政區(qū)（不包括西藏、香港、澳門和臺灣，下同）作為研究對象，在常用投入產出指標中增加城市化水平與交通用地面積，同時為了在考慮非期望產出的情況下避免ML 指數可能出現的線性規(guī)劃無解等問題，采用GML 指數評價2009—2016 年我國與四大經濟區(qū)域交通運輸業(yè)碳排放全要素生產率的動態(tài)變化及其影響因素，并結合泰爾指數和變異系數對其空間差異性進行分析，從而更加全面地探討提升交通運輸業(yè)碳排放效率的思路，為制定差異化的區(qū)域碳減排政策提供科學的實證依據，為各區(qū)域協(xié)同發(fā)展低碳交通提供指導方向。

1 研究模型

1.1 Malmquist-Luenberger 指數

Malmquist-Luenberger（ML）指數可用于動態(tài)效率的測度。它是Chung 等［22］為解決傳統(tǒng)Malmquist指數未考慮非期望產出的問題，用方向距離函數（Directional Distance Function，DDF）與 傳 統(tǒng)Malmquist 指數結合，構建出的一個帶非期望產出的生產率指數。根據Chung 等的研究思路，Malmquist-Luenberger 指數需要對相鄰兩個不同時期的方向距離函數進行定義。

以某個生產單元為例，設其使用M種投入x=(x1,x2,…,xM)∈RM+，生產出N種期望產出y=(y1,y2,…,yN)∈RN+，和K種非期望產出b=(b1,b2,…,bK)∈則其第t期（t=1,2,…,T）產出可能性集合為：

在產出項存在零結合性、投入與期望產出項為強可處置性和非期望產出為弱處置性的前提下，引入方向距離函數，將“增加期望產出的同時降低非期望產出”這一目標模型化，其函數表達式為：

其中，g為方向向量，當g=(gy,-gb)時，表示期望產出增加，同時非期望產出減少；β為第t期的距離函數值，表示期望產出增加、非期望產出減少的最大可能倍數。

因此，t期到t+1 期的Malmquist-Luenberger 指數函數表達式為：

1.2 Global Malmquist-Luenberger 指數

Oh［23］在Chung 等 的 基 礎 上 構 建 了Global Malmquist-Luenberger（GML）指數，它以所有研究時期的生產技術總集合為參照集，解決了ML 指數存在的不具備循環(huán)傳遞性、線性規(guī)劃無解等缺點，因此可以更加客觀準確地反映我國省域交通運輸業(yè)碳排放全要素生產率的變化情況。Oh 定義了全局生產技術集PG(x)=P1(x1)∪P2(x2)∪…∪PT(xT)，通過它構建出一個單一生產前沿，可用于衡量各時期、各決策單元技術效率與前沿的差距。GML 指數大于（小于）1，代表全要素生產率增長（下降），其函數表達式為：

GML 指數可分解為全域技術效率變化指數（GMLEFFCH）和全域技術變化指數（GMLTECH），其指數數值大于（小于）1 分別代表效率提高（降低）和技術進步（退步），具體函數表達式為：

在規(guī)模報酬不變的情況下，本文參考趙良仕等［24］的研究，將GML 指數進一步分解為式（6）中的純技術效率變化指數（GMLPECH）、規(guī)模效率變化指數（GMLSECH）和技術變化指數（GMLTECH），其中前兩項指數的乘積即為技術效率變化指數。

1.3 泰爾指數和變異系數

泰爾指數可用于評估某一指標的區(qū)域差異，其值越大表示地區(qū)差異水平越高。本文采用泰爾指數測算30 個省級行政區(qū)交通運輸業(yè)碳排放GML 指數的總體差異，并將其分解為四大經濟區(qū)域之間的差異和區(qū)域內部差異，計算公式如式（7）～（10）所示［25］。其中，四大經濟區(qū)域包括東部、東北、中部和西部地區(qū)［26］。

式中，T表示研究范圍內30 個省級行政區(qū)GML指數的總體泰爾指數，可以分解為東部、東北、中部和西部地區(qū)內部省份之間的差異TW和地區(qū)之間的差異TB；Gi為第i個省份的GML 指數值；是各省GML 指數的平均值；n為總省份數，m為地區(qū)數量，np為第p個地區(qū)所包含的省份數；Gpi為第p個地區(qū)中各省份的GML 指數，為其對應的平均值，Tp則為第p個地區(qū)內各省份GML 指數的泰爾指數。

為了比較同一年份不同省份以及同一省份各年份GML 指數的差異程度，在此計算衡量數據離散程度的變異系數，即樣本標準差與平均數的比值，其值水平越高表示離散程度越大，反之則越小，計算公式如下：

式中，C.V為變異系數，k為省份或年份數量；Gj為j省的GML 指數值或同一省份第j年的GML 指數值；則是測算范圍內各省份或各年份GML 指數的平均值。

2 指標選取與數據來源

2.1 指標選取

在前文歸納的交通運輸業(yè)碳排放效率評價指標中，資本存量、勞動力和能源是環(huán)境效率評價常用的三項投入指標［27］。由于能源消耗量可以間接地反映運行車輛、路線長度等投入指標，因此本文不再重復考慮，而是增加對交通運輸業(yè)碳排放有重要影響卻暫未被研究的城市化水平和交通用地面積。綜合考慮數據的可比性與可獲取性等因素后，本文選取全國除西藏、香港、澳門和臺灣以外的30 個省級行政區(qū)為研究對象，以交通運輸業(yè)資本存量、勞動力、能源、城市化率和交通用地占比作為投入指標，交通運輸業(yè)增加值為期望產出指標，交通運輸業(yè)碳排放量為非期望產出指標，對2009—2016 年省域交通運輸業(yè)碳排放全要素生產率的動態(tài)變化進行分析。

2.2 數據來源及處理

本文參考李杰偉等［28］的研究，按永續(xù)盤存法對各地交通運輸業(yè)資本存量進行核算［29］，計算所需的投資額為交通運輸業(yè)固定資產投資額，基期資本存量采用Hall 等［30］提出的方法進行計算，折舊率取值為8.76%［28］。勞動力即交通運輸業(yè)從業(yè)人數，可獲取的統(tǒng)計數據為城鎮(zhèn)單位就業(yè)人員數，這進一步說明了在投入指標中選取代表城市化率的城鎮(zhèn)人口比重的必要性。交通用地占比為各地交通運輸用地與區(qū)域總面積的比例，數據來源于我國土地調查成果共享應用服務平臺。固定資產投資額、從業(yè)人數、城市化率以及交通運輸業(yè)增加值取自2010—2017 年《中國統(tǒng)計年鑒》，且固定資產投資額與行業(yè)增加值均已轉換成2005 年可比價。

投入指標中的能源即交通運輸業(yè)終端能源消耗量，其實物量數據來源于2010—2017 年《中國能源統(tǒng)計年鑒》，具體整理歸納為19 種能源，包括原煤、洗精煤、其他洗煤、型煤、焦炭、焦爐煤氣、其他煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、其他石油制品、天然氣、液化天然氣、其他能源、電力和熱力。根據2010—2017 年《中國電力年鑒》和《2010 中國電力工業(yè)統(tǒng)計數據分析》中各年份供電標準煤耗和供熱標準煤耗數據，可將以煤炭為主要燃料生產的電力和熱力轉換成標準煤耗量［31］；其他類型能源的實物消耗量通過乘以對應的平均低位發(fā)熱量再除以標準煤的低位發(fā)熱量，可折算成便于加總計算的標準煤耗量［32-33］。將各年份所有類型能源的標準煤耗量求和，得到30 個省級行政區(qū)2009—2016 年交通運輸業(yè)的能源消耗量。另一方面，采用IPCC 中將能源消耗量與碳排放系數相乘的方法計算各類能源的碳排放量［34］。其中，因電力與熱力已轉換成供應所需的標準煤耗量，其碳排放系數取國家發(fā)改委建議值0.67kgC/kgce［35］；將取值為平均低位發(fā)熱量的能源單位熱值，與其單位熱值含碳量以及能源燃燒過程的碳氧化率相乘，計算其他各類能源的碳排放系數［36］。在此基礎上，加總得到研究區(qū)各年份的交通運輸業(yè)碳排放量。在國民經濟行業(yè)分類中，交通運輸業(yè)屬于交通運輸、倉儲和郵政業(yè)并以此為口徑進行數據統(tǒng)計，由于倉儲和郵政在行業(yè)中的占比較?。?3］，因此以上涉及的統(tǒng)計年鑒中的交通運輸業(yè)指標數據均近似取值于對應的交通運輸、倉儲和郵政業(yè)數據。

3 結果與分析

3.1 GML 指數值及空間分布

運用MaxDEA 8 Ultra 軟件 對2009—2016 年間我國30 個省級行政區(qū)交通運輸業(yè)碳排放GML 指數進行測算，結果如表1 所示。研究期間，交通運輸業(yè)碳排放全要素生產率上升的省份占測算省份的47%，我國交通運輸業(yè)碳排放GML 指數年均值為0.996 2，即2009—2016 年交通運輸業(yè)碳排放全要素生產率年均下降0.38%。其中，全要素生產率在2011、2012、2013 和2015 年有所上升，表明“十二五”期間實施的低碳發(fā)展政策使全國交通運輸業(yè)碳排放效率總體得到了改善。全要素生產率增長的省份主要集中在東北、東南沿海和西南部，中部省份的全要素生產率則普遍下降，說明區(qū)域間全要素生產率的變化并不均衡，存在一定的空間差異性。GML 指數均值最高的五個省份是四川、河南、上海、新疆和浙江，研究期間全要素生產率的增長率均超過了25%，這也表明效率進步最優(yōu)值在空間分布上并沒有明顯的區(qū)域性?？傮w上看，我國各省份之間的交通運輸業(yè)碳排放全要素生產率變化率具有極大的區(qū)域不平衡性，主要受各省域自身經濟發(fā)展政策影響。

表1 全國省域交通運輸業(yè)碳排放GML 指數

表1 （續(xù)）

分析比較四大經濟區(qū)域內部各地的GML 指數可知，在東部地區(qū)，東南沿海省份的年均GML 指數幾乎都大于1，而環(huán)渤海地區(qū)省份的全要素生產率則都有所下降。東北地區(qū)各省GML 指數年均值均大于1，其中黑龍江全要素生產率的年均增加幅度最大。西部地區(qū)超過一半省份的全要素生產率年均有所上升，然而各地GML 指數均值的差異較大。中部六省中僅有河南的GML 指數大于1，雖然其僅小于全國GML指數最大的四川，但其他五個省份的全要素生產率均出現下降，導致中部地區(qū)GML 指數的年均值在四個地區(qū)中最小。綜合而言，東部地區(qū)和東北地區(qū)全要素生產率年均分別增長了0.12%和1.69%，而中部和西部地區(qū)則年均分別下降了1.35%和0.86%。

3.2 GML 指數區(qū)域差異及變化

本文根據式（7）～（11）計算泰爾指數和變異系數，進一步分析2009—2016 年我國交通運輸業(yè)碳排放GML 指數的區(qū)域差異及其變化，從而探討區(qū)域差異形成的主要來源。其中，泰爾指數計算結果如表2 所示，某年份的總體泰爾指數為上一年到該年份各省份GML 指數值的總體差異，可以分解為東部、東北、中部和西部地區(qū)之間的差異與四個地區(qū)內部各省份之間的差異。2010—2016 年，各省份交通運輸業(yè)碳排放GML 指數的總體差異呈現出先上升后下降的趨勢，由2010年的0.004 2上升至2013年的0.023 1，隨后下降至2016 年的0.004 9。該變化特征的原因在于地區(qū)間差異和地區(qū)內部差異均出現了先波動上升后總體下降的變化狀態(tài)。2010—2013 年，表示地區(qū)間差異和地區(qū)內部差異的泰爾指數由0.001 2 和0.003 1 分別上升至0.010 0 和0.013 2，隨后又分別變化至2016 年的0.001 9 和0.003 0。研究期間，地區(qū)間差異和地區(qū)內部差異對總體差異的平均貢獻率分別為22.44%和77.56%，且每年地區(qū)內部差異的貢獻率都高于地區(qū)間差異，表明各地區(qū)內部的差異是造成我國交通運輸業(yè)碳排放GML 指數省際差異的主要因素，其中2014 和2015 年GML 指數的差異幾乎全部由地區(qū)內部差異所致。

然而，2010—2016 年間東部、東北、中部與西部地區(qū)內部省份之間的GML 指數差異并不穩(wěn)定，四個地區(qū)內部差異對總體差異的貢獻率均值按大小排序依次為西部、東北、東部和中部地區(qū)。其中，西部地區(qū)貢獻率均值最大的原因在于其省份數量最多，且包含的四川與甘肅是研究范圍內年均GML 指數最高與最低的兩個省份，二者的碳排放全要素生產率年均分別增加5.22%和下降16.42%。研究期間，西部地區(qū)貢獻率波動上升至2014 年的62.67%后逐漸下降，其變異系數也在2014 年后下降并趨于平緩，說明省份之間交通運輸業(yè)碳排放全要素生產率變化率的差異有所減少。東北地區(qū)省份數量在四個地區(qū)中最少，但其對總體差異的平均貢獻率卻僅次于西部地區(qū)。東北地區(qū)的貢獻率在波動變化中與西部地區(qū)呈現出此增彼減的狀態(tài)，且在2011、2013 和2016年的四個地區(qū)內部差異貢獻率中最大。同時，變異系數計算結果顯示，東北地區(qū)的變異系數波動最為劇烈，除2012 和2014 年外其變異系數均為四個地區(qū)中的最大值，進一步印證了東北三省的GML 指數之間存在較為顯著的差異。這主要與黑龍江和吉林全要素生產率的大幅度變化有關，兩地在2010—2016 年間的GML 指數變異系數分別為0.342 6 與0.501 7，遠大于全國平均水平0.106 2。東部與中部地區(qū)貢獻率的變化過程與西部地區(qū)基本一致，雖然東部地區(qū)的貢獻率自2013 年起始終高于中部地區(qū)，但二者在研究期間的平均貢獻率較為接近。東部地區(qū)中，山東和海南的GML 指數變化相對不穩(wěn)定，因而成為造成東部地區(qū)內部GML 指數差異的重要原因。而在中部地區(qū)，地區(qū)內部差異形成的主要因素是湖北省GML 指數的變化及其與其他各省的差異。其中，湖北交通運輸業(yè)碳排放全要素生產率在2011和2012 年分別出現了大幅度的增長與下降，不僅引起中部地區(qū)總體全要素生產率的同步變化，而且導致了地區(qū)GML 指數變異系數的顯著上升。

表2 全國交通運輸業(yè)碳排放GML 指數的總體差異及其分解貢獻率

3.3 GML 指數變化的影響因素

為研究各省份交通運輸業(yè)碳排放全要素生產率變化的影響因素，本文將GML 指數進一步分解成純技術效率變化指數（GMLPECH）、規(guī)模效率變化指數（GMLSECH）和技術變化指數（GMLTECH）。其中，GML 指數及各項分解指數的動態(tài)變化如圖1 所示。我國交通運輸業(yè)碳排放純技術效率自2013 年起基本保持上升狀態(tài)，規(guī)模效率在2010—2014 年間呈現總體增長的趨勢，隨后則出現了較為明顯的下降，而技術水平僅在2012 年和2015 有所提高，其余年份均表現出不同幅度的下降，且技術變化在研究的七個時段中有四次是驅動全要素生產率變化的關鍵因素。由于研究期間不存在純技術效率、規(guī)模效率和技術水平同時增加或減少的現象，因此GML 指數的變化幅度相對較小。由此可見，不同的時間段我國交通運輸業(yè)在總體上對碳排放技術效率與技術水平各有側重，在兼顧二者共同發(fā)展方面的成效并不理想，導致全要素生產率無法穩(wěn)定上升。

圖1 全國交通運輸業(yè)碳排放GML 指數及其分解指數變化趨勢

表3 為2009—2016 年各省份交通運輸業(yè)碳排放GML 指數分解結果的年均值。因福建、海南、四川、貴州、寧夏和新疆的純技術效率變化指數小于1，且海南與寧夏純技術效率的下降幅度較大，我國純技術效率平均水平稍有下降，年均降幅為0.18%。除北京、天津、河北、山西、安徽、湖北、廣西、陜西、甘肅和青海以外，其他地區(qū)規(guī)模效率變化指數均值均大于1，這推動了我國規(guī)模效率年均上升2.68%。在純技術效率與規(guī)模效率變化的共同作用下，我國技術效率年均增長幅度為2.50%。技術變化方面，除河北、浙江、福建、廣東、內蒙古和青海以外，其他地區(qū)技術變化指數均值均小于1，導致我國技術水平年均下降2.81%。因此，雖然我國交通運輸業(yè)產業(yè)結構與規(guī)模不斷優(yōu)化，但對應的交通運輸管理能力卻沒有得到同步提升，且行業(yè)技術創(chuàng)新水平的退化在生產率變化中起主導性作用，造成了我國交通運輸業(yè)碳排放效率的總體下降。

表3 2009—2016 年各省份交通運輸業(yè)碳排放GML 指數分解結果年均值

表3 （續(xù)）

在區(qū)域層面上，交通運輸業(yè)碳排放全要素生產率年均有所增加的東部與東北地區(qū)，其各分解指數的變化方向相同但變化幅度存在一定差異。東部地區(qū)純技術效率和規(guī)模效率年均分別增加1.10%和1.30%，技術水平卻年均下降2.24%。東北地區(qū)純技術效率年均增加6.29%，規(guī)模效率的變化則與東部地區(qū)相近，年均增幅為1.03%，但技術水平下降幅度較大，年均下降5.31%。中部地區(qū)純技術效率與規(guī)模效率年均增加幅度分別為2.31%與0.57%，技術水平年均下降4.12%。而西部地區(qū)各項指數的變化與全國情況基本一致，純技術效率與技術水平分別下降4.29%和1.82%，規(guī)模效率年均增加5.61%。綜合而言，純技術效率和規(guī)模效率分別是對東北和西部地區(qū)交通運輸業(yè)碳排放效率變化影響最大的因素，而技術水平變化對東、中部地區(qū)碳排放效率變化的作用最明顯。

4 討論

經濟較發(fā)達且開放程度較高的部分東南沿海省份，帶動了東部地區(qū)交通運輸業(yè)碳排放全要素生產率的增長，其中上海、浙江和江蘇技術效率年均增長幅度最高，對改善地區(qū)全要素生產率的作用較大，這可能和其經濟發(fā)展水平與交通碳排放的關聯(lián)度相較京津冀地區(qū)與廣東省更小有關［37］。北京、天津和河北的規(guī)模效率均有所下降，這可能是由要素過度聚集所引起［38］。除此之外，城市化水平較低的河北，因交通需求的增速不如人口規(guī)模的增長速度［39］，導致擴大交通規(guī)模時可能造成了資源的浪費。同時，河北在京津冀一體化的背景下承接了部分北京與天津轉移的高污染產業(yè)，造成能源消費總量的上升［40］，從而降低了碳排放的規(guī)模效率。

東北地區(qū)全要素生產率的上升，源于其交通運輸管理水平快速進步帶來的技術效率增長。這一提升可能是由于自2012 年起東北地區(qū)通過產業(yè)轉型和節(jié)能減排措施，在總體上改善了碳排放和經濟增長的脫鉤狀態(tài)［41］。然而，因受技術衰退的影響，交通運輸業(yè)碳排放全要素生產率雖然在四個地區(qū)中增長最快，卻很不穩(wěn)定。其中，吉林和黑龍江的全要素生產率都出現了大起大落的現象，且三省間全要素生產率變化率差異較大。因此，為保持交通運輸業(yè)碳排放效率的持續(xù)增長與更大程度的提升，東北地區(qū)應在加快技術創(chuàng)新的基礎上加強區(qū)域間的合作。

中部和西部地區(qū)交通運輸業(yè)碳排放全要素生產率的下降均由技術水平的下滑所致。在中部地區(qū)，河南是研究期間全要素生產率唯一增加的省份，這與其部分年份合理的交通能源結構所推動的技術效率增長密不可分［42］。近年來在“一帶一路”政策的驅動下，為了與“絲綢之路經濟帶”沿線國家建立互聯(lián)互通網絡，西部地區(qū)積極推進交通基礎設施建設、增加路網密度［43］，這或許有效帶動了交通運輸業(yè)碳排放規(guī)模效率總體不斷提高。然而，甘肅的規(guī)模效率卻出現大幅度下降，導致其全要素生產率下降并與其他省份形成明顯差異，這可能是由于其交通運輸業(yè)碳排放受經濟發(fā)展水平影響較大，因此行業(yè)仍處于粗放型發(fā)展階段［44-45］。在促進行業(yè)規(guī)模優(yōu)化發(fā)展的同時，西部地區(qū)各省份還應加快提升交通運輸系統(tǒng)的管理水平，推動純技術效率的進步。

雖然已有研究發(fā)現我國交通運輸業(yè)碳排放效率在空間上存在相關性［13,15］，然而采用全局Moran's I指數分析2009—2016 年各省平均GML 指數的空間關聯(lián)性發(fā)現，Moran's I 指數為－0.116 且P 值為0.21，即各省份GML 指數在空間分布上沒有呈現出聚集的現象，進一步說明各省份全要素生產率的增長率受各地自身交通運輸業(yè)發(fā)展水平以及相關政策的影響更大，與鄰近省份的聯(lián)系則較少。研究期間，四大經濟區(qū)域交通運輸規(guī)模不斷得到改善，但仍需更加重視交通運輸系統(tǒng)節(jié)能減排技術創(chuàng)新，進一步提升資源利用效率。同時，在提高交通運輸業(yè)碳排放效率的過程中，各地并未能同時兼顧技術效率和技術水平的提高，這與其他關于能源、環(huán)境全要素生產率的研究結果相吻合［24,46-47］。因此，各省份在各類資源利用、污染排放控制問題方面，應當將如何使技術效率與技術水平齊頭并進作為研究的重點之一。

5 結論與建議

5.1 結論

本文運用Global Malmquist-Luenberger 指數、泰爾指數和變異系數，測算了我國30 個省級行政區(qū)2009—2016 年交通運輸業(yè)碳排放全要素生產率的變化率，并對其區(qū)域差異和影響因素進行了分析，研究得到以下主要結論：

（1）研究期間，我國交通運輸業(yè)碳排放全要素生產率總體略有下降。其中，東北地區(qū)全要素生產率年均增長幅度最大，東部地區(qū)次之，西部與中部地區(qū)的全要素生產率則有所下降，且中部地區(qū)的下降幅度超過全國平均水平。

（2）我國交通運輸業(yè)碳排放全要素生產率變化情況的區(qū)域差異呈現出先上升后下降的趨勢。四大經濟區(qū)域內部省份之間的差異是全國差異形成的主要原因，其中西部和東北部地區(qū)內部差異的貢獻程度較大，且東北地區(qū)省份之間的差異最為顯著。

（3）四大經濟區(qū)域交通運輸業(yè)碳排放技術效率均有所增長，而技術水平卻均出現了下降。雖然西部地區(qū)純技術效率的下降導致全國純技術效率總體水平稍有降低，但四個地區(qū)規(guī)模效率的提升在整體上推動了我國技術效率的增長。技術水平是造成東部、中部以及全國全要素生產率變化的主要原因，而純技術效率和規(guī)模效率分別對東北和西部地區(qū)全要素產率的影響最大。

5.2 建議

（1）推動碳減排技術的創(chuàng)新與進步，建立與運營管理服務相互促進的有效機制。面對普遍存在的技術水平影響碳排放效率進步問題，一方面應繼續(xù)加大經費投入，支持環(huán)保新設備與工藝技術的研發(fā)，加快科技成果轉化，推進清潔能源在交通領域的應用，并逐步完善配套基礎設施的建設。另一方面，通過發(fā)展智能交通系統(tǒng)優(yōu)化交通路線和資源調配，同時更換高能耗交通工具，降低行業(yè)能源消耗總量與能耗強度；關注企業(yè)管理效率，發(fā)揮規(guī)模效應提高經濟效益，進一步激發(fā)技術創(chuàng)新的驅動力。由此形成技術研發(fā)與管理服務良性互動的有效機制，從而改善技術效率與技術進步難以兼顧的現狀。

（2）明確區(qū)域低碳交通發(fā)展的重點方向，因地制宜科學設計總體改善思路。東部地區(qū)的東南沿海省份在繼續(xù)發(fā)揮技術水平優(yōu)勢的同時，應汲取京津冀的交通運輸管理經驗，而京津冀地區(qū)除提升技術水平外，尤其需要關注交通運輸規(guī)模擴張的合理性，避免因要素過度集中而造成資源的浪費。雖然東北地區(qū)碳排放全要素生產率的進步得益于技術效率的大幅度增長，但仍需尋求保持或突破其目前趨于穩(wěn)定狀態(tài)的策略。西部地區(qū)應加大對交通運輸業(yè)綠色經濟發(fā)展的政策支持，充分結合自身能源資源稟賦，整合資源提升交通運輸管理服務水平。此外，西部地區(qū)可以通過與中部地區(qū)建立跨區(qū)域的交通運輸業(yè)綜合管理機構，加強區(qū)域之間的聯(lián)動，縮小中西部和東部地區(qū)的發(fā)展差距。

（3）加強區(qū)域內部省份之間的交流合作，為行業(yè)綠色生產效率協(xié)同發(fā)展提供保障。加快區(qū)域交通運輸業(yè)“一體化”發(fā)展規(guī)劃的制定與實施，根據實際需求跨省域優(yōu)化交通規(guī)模與資源配置。搭建交流平臺并通過財政、金融和投資等經濟政策，促進資金、技術、管理人才與經驗在區(qū)域內流動，發(fā)揮高效率省份的輻射帶動作用，縮小各區(qū)域內部的效率差異。同時，對于內部差異平均水平最高的東北地區(qū)，在省際優(yōu)勢互補的基礎上，還應合力加強綠色創(chuàng)新技術的發(fā)展與區(qū)域共享，減少技術進步速度與其他區(qū)域的差距。