田春林,楊 東
(交通運(yùn)輸部科學(xué)研究院,北京 100029)
交通運(yùn)輸行業(yè)是能源消費(fèi)的重點(diǎn)領(lǐng)域,其能源消耗和碳排放已成為全球普遍關(guān)注的問(wèn)題。根據(jù)國(guó)際能源署的測(cè)算,全球近1/4 的碳排放來(lái)自公路、航空、水運(yùn)和鐵路運(yùn)輸[1]。近年來(lái),中國(guó)在交通運(yùn)輸節(jié)能減排方面作出了諸多努力,優(yōu)化調(diào)整運(yùn)輸結(jié)構(gòu)已成為其中一項(xiàng)重點(diǎn)工作。2017年12月,中央經(jīng)濟(jì)工作會(huì)議提出“要調(diào)整運(yùn)輸結(jié)構(gòu),減少公路貨運(yùn)量,增加鐵路貨運(yùn)量”。2018年9月,國(guó)務(wù)院辦公廳印發(fā)《推進(jìn)運(yùn)輸結(jié)構(gòu)調(diào)整三年行動(dòng)計(jì)劃(2018—2020年)》[2]。統(tǒng)計(jì)資料顯示,自政策實(shí)施以來(lái),2019年鐵路貨運(yùn)量與貨物周轉(zhuǎn)量較2017年分別增長(zhǎng)19%和14.7%,實(shí)現(xiàn)了運(yùn)輸量從高碳排放的公路運(yùn)輸向低碳排放的鐵路運(yùn)輸轉(zhuǎn)換,有效降低了交通運(yùn)輸行業(yè)的碳排放。在政策實(shí)施階段,客觀評(píng)估政策的有效性是進(jìn)一步完善政策、推進(jìn)政策深化實(shí)施的關(guān)鍵。因此,針對(duì)運(yùn)輸結(jié)構(gòu)調(diào)整,有必要對(duì)其碳減排成效進(jìn)行定量評(píng)估,為管理部門(mén)把握尺度、明確重點(diǎn)、細(xì)化任務(wù)提供數(shù)據(jù)支撐。
國(guó)內(nèi)外學(xué)者對(duì)交通運(yùn)輸碳排放的影響因素開(kāi)展了較多研究,主要研究方法包括指數(shù)分解法、時(shí)間序列計(jì)量經(jīng)濟(jì)學(xué)方法、面板數(shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)方法等。其中,指數(shù)分解法較早被用來(lái)研究碳排放問(wèn)題,具體包括拉氏指數(shù)法、迪氏指數(shù)法、平均迪氏指數(shù)法(Logarithmic Mean Divisia Index,LMDI)等。Greening 等人利用迪氏指數(shù)對(duì)影響碳排放強(qiáng)度的因素進(jìn)行分解,其研究認(rèn)為,優(yōu)化貨物運(yùn)輸結(jié)構(gòu)、使用綠色清潔能源、減少擁堵能夠有效降低碳排放[3]。Timilsina 和Fernández González采用LMDI法分別研究了拉丁美洲、加勒比地區(qū)以及歐盟等地的交通運(yùn)輸碳排放影響因素,指出經(jīng)濟(jì)增長(zhǎng)是交通碳排放的重要驅(qū)動(dòng)因素,而運(yùn)輸結(jié)構(gòu)、運(yùn)輸強(qiáng)度、人口規(guī)模也是主要的影響因素[4-5]。國(guó)內(nèi)的李艷紅等人基于LMDI 法對(duì)中國(guó)2010—2020年交通運(yùn)輸行業(yè)碳排放變化進(jìn)行了分析,指出運(yùn)輸結(jié)構(gòu)、交通運(yùn)輸碳排放系數(shù)、換算周轉(zhuǎn)量是驅(qū)動(dòng)中國(guó)交通運(yùn)輸行業(yè)碳排放的關(guān)鍵因素[6]。采用類似方法開(kāi)展研究的還包括尚玲宇[7]、丁學(xué)金[8]、盧建鋒等人[9]。雖然側(cè)重角度有所不同,但這些研究普遍認(rèn)為運(yùn)輸結(jié)構(gòu)對(duì)碳排放具有重要影響。隨著變量間因果分析不斷受到重視,計(jì)量經(jīng)濟(jì)學(xué)方法逐漸被用來(lái)研究運(yùn)輸結(jié)構(gòu)對(duì)碳排放的影響[10-14]。魏慶琦等人使用時(shí)間序列模型量化分析了運(yùn)輸結(jié)構(gòu)變化對(duì)碳排放的影響,指出運(yùn)輸結(jié)構(gòu)是影響交通運(yùn)輸碳排放的一個(gè)重要因素,僅次于經(jīng)濟(jì)發(fā)展因素,并進(jìn)一步提出經(jīng)濟(jì)的交通依存度降低有助于減少交通運(yùn)輸碳排放,而運(yùn)輸結(jié)構(gòu)優(yōu)化有助于降低經(jīng)濟(jì)的交通依存度且這一影響具有長(zhǎng)期持續(xù)性[10-11]。許暢然建立了貨運(yùn)結(jié)構(gòu)與貨運(yùn)碳排放效率之間的面板數(shù)據(jù)回歸模型,針對(duì)貨運(yùn)結(jié)構(gòu)對(duì)貨運(yùn)碳排放效率的影響進(jìn)行了實(shí)證分析,結(jié)果表明貨運(yùn)結(jié)構(gòu)對(duì)貨運(yùn)碳排放效率的影響存在區(qū)域差異[12]。諸立超等人通過(guò)構(gòu)建綜合考慮社會(huì)經(jīng)濟(jì)變量與貨運(yùn)特征變量的偏最小二乘回歸模型,分析貨運(yùn)結(jié)構(gòu)對(duì)碳排放的影響效應(yīng),并利用邏輯回歸模型模擬分析未來(lái)貨運(yùn)結(jié)構(gòu)優(yōu)化的碳減排效應(yīng)[13]。
從既有研究可以看出,雖然不同地區(qū)的經(jīng)濟(jì)和交通運(yùn)輸發(fā)展水平存在差異,但是影響交通運(yùn)輸碳排放的因素具有相似性,而且運(yùn)輸結(jié)構(gòu)是影響交通運(yùn)輸碳排放的重要因素。從研究方法上看,計(jì)量經(jīng)濟(jì)學(xué)模型已經(jīng)成為研究交通運(yùn)輸碳排放問(wèn)題的主流方法之一,但仍有很多研究采用時(shí)間序列分析方法,這類研究?jī)H能辨別出變量間的統(tǒng)計(jì)學(xué)關(guān)系而非因果關(guān)系。雖然也有著眼于探究運(yùn)輸結(jié)構(gòu)與交通運(yùn)輸碳排放因果關(guān)系的研究,但其對(duì)于影響效應(yīng)的區(qū)域和時(shí)間異質(zhì)性分析不足,缺乏運(yùn)輸結(jié)構(gòu)影響交通運(yùn)輸碳排放具體機(jī)制的實(shí)證分析。為探究運(yùn)輸結(jié)構(gòu)調(diào)整對(duì)交通運(yùn)輸行業(yè)碳減排的影響效應(yīng),深入分析運(yùn)輸結(jié)構(gòu)對(duì)碳排放影響的區(qū)域和時(shí)間異質(zhì)性,本文選取2011—2020年全國(guó)除西藏、港澳臺(tái)以外的30個(gè)省、市、自治區(qū)交通運(yùn)輸部門(mén)終端各類能源消費(fèi)數(shù)據(jù),結(jié)合我國(guó)區(qū)域發(fā)展空間布局,采用“自上而下”的方法計(jì)算東部地區(qū)、中部地區(qū)、西部地區(qū)和東北地區(qū)(簡(jiǎn)稱“四大板塊”)的交通運(yùn)輸碳排放量,通過(guò)構(gòu)建面板數(shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型,分析運(yùn)輸結(jié)構(gòu)變化對(duì)碳排放量的影響。在此基礎(chǔ)上,本文將進(jìn)一步研究運(yùn)輸結(jié)構(gòu)的調(diào)整是否通過(guò)降低交通運(yùn)輸行業(yè)的能耗強(qiáng)度進(jìn)而減少碳排放,以揭示運(yùn)輸結(jié)構(gòu)對(duì)碳排放的影響機(jī)制。
式(1)中:C為交通運(yùn)輸碳排放量(kg);Ei為第i種能源的消耗量(kg);NCVi為第i種能源的低位發(fā)熱量(kJ/kg);CEFi為第i種能源單位熱值的含碳量(kg/GJ);COFi為第i種能源燃燒時(shí)的氧化率;為碳轉(zhuǎn)變?yōu)槎趸嫉霓D(zhuǎn)化系數(shù);n為消耗的能源種類。
交通運(yùn)輸消耗的能源主要來(lái)自公路、鐵路、水運(yùn)和航空運(yùn)輸(不考慮管道運(yùn)輸方式),其中:公路運(yùn)輸主要消耗汽油、柴油、液化石油氣、天然氣和電力;鐵路運(yùn)輸主要消耗原煤、柴油和電力;水運(yùn)主要消耗柴油和燃料油;航空運(yùn)輸主要消耗煤油。將上述運(yùn)輸方式消耗的8 類能源納入交通運(yùn)輸碳排放的計(jì)算中。本文統(tǒng)計(jì)了2011—2020年除西藏、港澳臺(tái)以外的30個(gè)省、市、自治區(qū)的交通運(yùn)輸終端能源消費(fèi)量,數(shù)據(jù)來(lái)源于歷年《中國(guó)能源統(tǒng)計(jì)年鑒》。統(tǒng)計(jì)得到的交通運(yùn)輸終端能源消費(fèi)量數(shù)據(jù)不包括公路非營(yíng)運(yùn)車輛的能源消費(fèi)量。各類能源的碳排放系數(shù)有關(guān)指標(biāo)見(jiàn)表1,其中低位發(fā)熱量來(lái)源于《綜合能耗計(jì)算通則》(GB/T 2589—2008)[16],單位熱值含碳量和氧化率來(lái)源于《省級(jí)溫室氣體清單編制指南(試行)》(發(fā)改辦氣候〔2011〕1041 號(hào))[17]。交通運(yùn)輸消耗電能產(chǎn)生的碳排放按照電力生產(chǎn)時(shí)的碳排放計(jì)算,通過(guò)交通運(yùn)輸終端電力消費(fèi)量乘以區(qū)域電網(wǎng)基準(zhǔn)線排放因子(見(jiàn)表2)計(jì)算得出,排放因子來(lái)源于中國(guó)生態(tài)環(huán)境部2011—2019 年的統(tǒng)計(jì)數(shù)據(jù),2020 年取2011—2019 年的平均值。按照式(1),計(jì)算得出各省、市、自治區(qū)的交通運(yùn)輸碳排放量。根據(jù)各省、市、自治區(qū)所屬的板塊區(qū)域,匯總得到2011—2020 年“四大板塊”交通運(yùn)輸碳排放量(見(jiàn)圖1),其數(shù)值從高到低依次為東部地區(qū)、西部地區(qū)、中部地區(qū)、東北地區(qū)。
表1 各類能源的碳排放系數(shù)及相關(guān)指標(biāo)
表2 區(qū)域電網(wǎng)基準(zhǔn)線排放因子 單位:t/(MW·h)
圖1 2011—2020年我國(guó)分區(qū)域交通運(yùn)輸碳排放量變化趨勢(shì)圖
鑒于計(jì)量經(jīng)濟(jì)學(xué)模型在量化分析各因素對(duì)交通運(yùn)輸碳排放的影響方面具有優(yōu)勢(shì)[18],本文選用計(jì)量經(jīng)濟(jì)學(xué)模型和估計(jì)方法,量化分析運(yùn)輸結(jié)構(gòu)變化對(duì)交通運(yùn)輸碳排放的影響機(jī)制、影響程度及其區(qū)域異質(zhì)性特征。根據(jù)測(cè)算得出的各省份交通運(yùn)輸碳排放結(jié)果,計(jì)算其莫蘭指數(shù),發(fā)現(xiàn)各省份交通運(yùn)輸碳排放沒(méi)有呈現(xiàn)顯著的空間相關(guān)性。因此,在構(gòu)建運(yùn)輸結(jié)構(gòu)與交通運(yùn)輸碳排放關(guān)系的檢驗(yàn)?zāi)P蜁r(shí),不考慮空間相關(guān)性,采用具有個(gè)體效應(yīng)和時(shí)間效應(yīng)的面板數(shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)模型,如式(2)所示。
式(2)中:Cit為i?。ㄊ?、自治區(qū))在第t年的交通運(yùn)輸碳排放量;rrfreightit為鐵路貨運(yùn)量和公路貨運(yùn)量的比值,代表交通運(yùn)輸結(jié)構(gòu);β1是rrfreightit對(duì)被解釋變量的影響系數(shù);Control 為控制變量組成向量;τ為Control 對(duì)被解釋變量的影響系數(shù);ui,λt和ξit分別代表個(gè)體效應(yīng)、時(shí)間效應(yīng)和隨機(jī)誤差項(xiàng)。
同時(shí),構(gòu)建運(yùn)輸結(jié)構(gòu)與交通運(yùn)輸能耗強(qiáng)度關(guān)系的檢驗(yàn)?zāi)P?,分析運(yùn)輸結(jié)構(gòu)變化對(duì)交通運(yùn)輸碳排放的影響機(jī)制,如式(3)所示。
式(3)中:EIit為i?。ㄊ?、自治區(qū))在第t年的交通運(yùn)輸能耗強(qiáng)度;δ1為rrfreightit對(duì)被解釋變量的影響系數(shù);其他參數(shù)含義同前。
2) 移動(dòng)基站。通過(guò)獲取手機(jī)連接的基站信息在運(yùn)營(yíng)商的庫(kù)中轉(zhuǎn)換成對(duì)應(yīng)的經(jīng)緯度,將經(jīng)緯度對(duì)應(yīng)到地圖上?;径ㄎ坏膬?yōu)點(diǎn)是只要有手機(jī)信號(hào)就能定位,在室內(nèi)和室外均可,無(wú)成本;缺點(diǎn)是定位誤差大,無(wú)法在室內(nèi)進(jìn)行精準(zhǔn)定位。
為了判斷模型中的個(gè)體效應(yīng)是固定效應(yīng)還是隨機(jī)效應(yīng),需要進(jìn)行豪斯曼(Hausman)檢驗(yàn)。檢驗(yàn)的原假設(shè)是:面板數(shù)據(jù)模型中的個(gè)體效應(yīng)是隨機(jī)效應(yīng),需要用到的檢驗(yàn)統(tǒng)計(jì)量如式(4)所示。
式(4)中:為固定效應(yīng)模型的估計(jì)量;為隨機(jī)效應(yīng)模型的估計(jì)量;分別為的方差;自由度K為模型中隨時(shí)間變化的解釋變量的個(gè)數(shù)。
(1)被解釋變量
交通運(yùn)輸行業(yè)碳排放量為式(2)模型中的被解釋變量,對(duì)被解釋變量進(jìn)行對(duì)數(shù)處理,以避免可能存在的異方差性問(wèn)題,保證回歸參數(shù)估計(jì)量具有良好的統(tǒng)計(jì)性質(zhì)。
交通運(yùn)輸行業(yè)的能耗強(qiáng)度為式(3)模型中的被解釋變量,通過(guò)交通運(yùn)輸行業(yè)單位增加值的能源消耗量計(jì)算得出。文中對(duì)交通運(yùn)輸行業(yè)的增加值以1978年為基期的價(jià)格指數(shù)進(jìn)行調(diào)整,得到不變價(jià)的增加值。
(2)核心解釋變量
本文使用鐵路貨運(yùn)量和公路貨運(yùn)量的比值作為核心解釋變量,用以反映交通運(yùn)輸結(jié)構(gòu)??紤]到中部地區(qū)部分省份水運(yùn)較為發(fā)達(dá)的實(shí)際情況,在進(jìn)行分區(qū)域的異質(zhì)性分析時(shí),引入水運(yùn)貨運(yùn)量和公路貨運(yùn)量的比值作為測(cè)度運(yùn)輸結(jié)構(gòu)的變量。
(3)控制變量
根據(jù)已有關(guān)于交通運(yùn)輸碳排放影響因素的研究成果,本文從經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化水平、貿(mào)易發(fā)展水平、工業(yè)發(fā)展水平等4 個(gè)與交通運(yùn)輸碳排放相關(guān)性較強(qiáng)的方面選取控制變量,將其加入模型以避免估計(jì)結(jié)果出現(xiàn)遺漏變量偏差,具體通過(guò)人均GDP、城鎮(zhèn)化率、進(jìn)出口總額占GDP 比重、第二產(chǎn)業(yè)增加值占GDP 比重等4 個(gè)指標(biāo)來(lái)衡量。
面板數(shù)據(jù)模型中各變量的詳細(xì)解釋和測(cè)度方式見(jiàn)表3,其中經(jīng)濟(jì)、人口、城鎮(zhèn)化率、第二產(chǎn)業(yè)增加值占比等數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)庫(kù)。
表3 面板數(shù)據(jù)模型中的變量釋義及測(cè)度方式
為了反映交通運(yùn)輸碳排放及各影響因素現(xiàn)狀,對(duì)模型中的各個(gè)變量進(jìn)行描述性統(tǒng)計(jì)分析。同時(shí),進(jìn)行分樣本的描述性統(tǒng)計(jì)分析,以反映交通運(yùn)輸碳排放和運(yùn)輸結(jié)構(gòu)的區(qū)域異質(zhì)性(統(tǒng)計(jì)分析結(jié)果見(jiàn)表4)。“四大板塊”交通運(yùn)輸碳排放的描述性統(tǒng)計(jì)分析結(jié)果顯示,2011—2021 年碳排放平均水平最高的是東部地區(qū),其次是中部地區(qū),而排名靠后的是東北地區(qū)和西部地區(qū)(見(jiàn)圖2)?!八拇蟀鍓K”交通運(yùn)輸結(jié)構(gòu)的描述性統(tǒng)計(jì)分析結(jié)果顯示,東北地區(qū)的鐵路公路貨運(yùn)比最高,其次是西部地區(qū)和中部地區(qū),東部地區(qū)最低;然而,東部地區(qū)的水路公路貨運(yùn)比最高,其次是中部地區(qū),西部和東北地區(qū)相對(duì)較低(見(jiàn)圖2)。從全樣本數(shù)據(jù)的分析結(jié)果看,不同省份之間交通運(yùn)輸結(jié)構(gòu)的差異較大。鐵路公路貨運(yùn)比最小值為0.010,最大值為1.061;水路公路貨運(yùn)比最小值為0.000,最大值為2.004。交通運(yùn)輸結(jié)構(gòu)在不同區(qū)域存在差異,不僅與地區(qū)的自然稟賦相關(guān),也與地區(qū)的經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化水平以及貿(mào)易發(fā)展水平相關(guān),這也意味著,交通運(yùn)輸結(jié)構(gòu)對(duì)碳排放的影響也可能存在區(qū)域異質(zhì)性特征。
圖2 區(qū)域交通運(yùn)輸碳排放與運(yùn)輸結(jié)構(gòu)指標(biāo)分析結(jié)果
表4 變量數(shù)據(jù)的描述性統(tǒng)計(jì)分析結(jié)果
使用Hausman 方法檢驗(yàn)?zāi)P椭械膫€(gè)體效應(yīng)是否屬于隨機(jī)效應(yīng),檢驗(yàn)得到卡方統(tǒng)計(jì)量的值為23.20,對(duì)應(yīng)的P值為0.000 3,檢驗(yàn)結(jié)果拒絕了個(gè)體效應(yīng)屬于隨機(jī)效應(yīng)的原假設(shè),因此本文使用雙向固定效應(yīng)模型進(jìn)行估計(jì),估計(jì)結(jié)果如表5所示。全樣本的估計(jì)結(jié)果顯示,代表運(yùn)輸結(jié)構(gòu)的鐵路公路貨運(yùn)比對(duì)各省份交通運(yùn)輸碳排放的影響系數(shù)為-0.262,并且在10%的顯著性水平下是顯著的,說(shuō)明從全國(guó)范圍來(lái)看,公路貨運(yùn)向鐵路貨運(yùn)轉(zhuǎn)換,確實(shí)有助于降低交通運(yùn)輸碳排放水平??刂谱兞糠矫妫珮颖緮?shù)據(jù)的估計(jì)結(jié)果顯示人均GDP 的影響系數(shù)是顯著為正的,表明經(jīng)濟(jì)發(fā)展水平越高,交通運(yùn)輸碳排放越多。
表5 模型估計(jì)結(jié)果
分區(qū)域樣本估計(jì)結(jié)果顯示,“四大板塊”中東北地區(qū)鐵路公路貨運(yùn)比的影響系數(shù)的絕對(duì)值最大(1.201),其次是東部地區(qū)(1.087),兩個(gè)區(qū)域運(yùn)輸結(jié)構(gòu)變化對(duì)交通運(yùn)輸碳排放的影響均非常顯著;而西部地區(qū)和中部地區(qū)的影響系數(shù)較小,并且是不顯著的。從全樣本數(shù)據(jù)來(lái)看,鐵路公路貨運(yùn)比每提升1 個(gè)標(biāo)準(zhǔn)差,即該比例每提升0.182(參考表4 的描述性統(tǒng)計(jì)分析結(jié)果),交通運(yùn)輸碳排放預(yù)計(jì)降低4.77%。對(duì)于影響系數(shù)更顯著的東北地區(qū)和東部地區(qū)而言,鐵路公路貨運(yùn)比每提升1 個(gè)標(biāo)準(zhǔn)差,碳排放預(yù)計(jì)分別降低10.69%和8.48%。分區(qū)域樣本的估計(jì)結(jié)果說(shuō)明,運(yùn)輸結(jié)構(gòu)對(duì)碳排放的影響具有明顯的區(qū)域異質(zhì)性。東北地區(qū)和東部地區(qū)的交通運(yùn)輸碳排放對(duì)于運(yùn)輸結(jié)構(gòu)變化的敏感性較高,公路貨運(yùn)向鐵路貨運(yùn)轉(zhuǎn)換,有助于降低交通運(yùn)輸碳排放;對(duì)于西部地區(qū),衡量經(jīng)濟(jì)發(fā)展水平的人均GDP 和衡量貿(mào)易發(fā)展水平的進(jìn)出口總額/GDP的影響系數(shù)均非常顯著,而碳排放對(duì)運(yùn)輸結(jié)構(gòu)變化的響應(yīng)是不敏感的,充分說(shuō)明經(jīng)濟(jì)增長(zhǎng)是交通碳排放的首要驅(qū)動(dòng)因素。
考慮到中部地區(qū)各省份的運(yùn)輸結(jié)構(gòu)存在較大差異,湖北、湖南、江西等省份的水運(yùn)貨運(yùn)量高于鐵路貨運(yùn)量(見(jiàn)圖3),可能會(huì)導(dǎo)致交通運(yùn)輸碳排放對(duì)于鐵路公路貨運(yùn)比變化不敏感的情況。因此,本文對(duì)這3 個(gè)省份水路公路貨運(yùn)比的變化對(duì)交通運(yùn)輸碳排放的影響進(jìn)行了分析。估計(jì)結(jié)果顯示,湖北、湖南、江西3 個(gè)省份的交通運(yùn)輸碳排放對(duì)水路公路貨運(yùn)比的變化更為敏感。這表明,對(duì)于中部地區(qū)的部分省份而言,可以通過(guò)公路貨運(yùn)向水路貨運(yùn)轉(zhuǎn)變來(lái)降低交通運(yùn)輸碳排放。
圖3 中部三省鐵路與水路貨運(yùn)量比重對(duì)比圖
考慮到我國(guó)于2017年末提出“公轉(zhuǎn)鐵”運(yùn)輸結(jié)構(gòu)調(diào)整政策,為探究政策實(shí)施對(duì)交通運(yùn)輸碳減排的促進(jìn)作用,本文將研究樣本劃分為2011—2017年和2018—2020年兩個(gè)子樣本,進(jìn)一步分析貨運(yùn)結(jié)構(gòu)調(diào)整的影響效應(yīng)是否具有時(shí)間上的異質(zhì)性。估計(jì)結(jié)果表明,根據(jù)2018—2020 年的樣本,鐵路公路貨運(yùn)比的影響系數(shù)為-0.364,相較全樣本的估計(jì)系數(shù)-0.262 而言,影響系數(shù)的絕對(duì)值更大。同時(shí),從系數(shù)的顯著性角度來(lái)看,2018 年后系數(shù)估計(jì)結(jié)果的顯著性更高。這說(shuō)明“公轉(zhuǎn)鐵”政策實(shí)施后,鐵路公路貨運(yùn)比增大對(duì)降低交通運(yùn)輸碳排放的影響效果更為顯著。
本文進(jìn)一步檢驗(yàn)了運(yùn)輸結(jié)構(gòu)對(duì)交通運(yùn)輸碳排放的影響機(jī)制,探究其是否會(huì)通過(guò)降低能耗強(qiáng)度而降低碳排放水平,模型的估計(jì)結(jié)果如表6所示。全樣本估計(jì)結(jié)果顯示,代表運(yùn)輸結(jié)構(gòu)的鐵路公路貨運(yùn)比對(duì)交通運(yùn)輸能耗強(qiáng)度的影響系數(shù)是-0.218,并且在1%的顯著性水平下是顯著的,說(shuō)明運(yùn)輸結(jié)構(gòu)的調(diào)整可以有效降低交通運(yùn)輸行業(yè)單位增加值的能源消耗。因此,可以通過(guò)調(diào)整運(yùn)輸結(jié)構(gòu)來(lái)降低交通運(yùn)輸行業(yè)的能耗強(qiáng)度,從而達(dá)到減少碳排放的目的。
表6 影響機(jī)制及穩(wěn)健性檢驗(yàn)的模型估計(jì)結(jié)果
為了檢驗(yàn)運(yùn)輸結(jié)構(gòu)調(diào)整的碳減排效應(yīng)的穩(wěn)健性,本文在模型中引入更多的控制變量,分區(qū)域估計(jì)運(yùn)輸結(jié)構(gòu)對(duì)碳排放的影響。在引入代表工業(yè)發(fā)展水平的第二產(chǎn)業(yè)增加值占比后,東北和東部地區(qū)運(yùn)輸結(jié)構(gòu)變化對(duì)交通運(yùn)輸碳排放的影響仍然非常顯著,而西部地區(qū)和中部地區(qū)的影響效應(yīng)不顯著。穩(wěn)健性檢驗(yàn)的估計(jì)結(jié)果再次說(shuō)明,運(yùn)輸結(jié)構(gòu)對(duì)碳排放的影響具有明顯的區(qū)域異質(zhì)性特征。
(1)差異化制定運(yùn)輸結(jié)構(gòu)調(diào)整政策
實(shí)證分析表明,運(yùn)輸結(jié)構(gòu)變化對(duì)交通運(yùn)輸碳排放的影響具有區(qū)域異質(zhì)性,各區(qū)域需要結(jié)合實(shí)際情況,在把握區(qū)域運(yùn)輸需求結(jié)構(gòu)的基礎(chǔ)上,因地制宜制定運(yùn)輸結(jié)構(gòu)調(diào)整政策。
對(duì)于東北和東部地區(qū)而言,公路貨運(yùn)向鐵路貨運(yùn)的轉(zhuǎn)換能夠顯著降低碳排放,因此應(yīng)當(dāng)盡可能實(shí)現(xiàn)鐵路直通港區(qū)和物流園區(qū),優(yōu)化鐵路運(yùn)輸兩端至貨物運(yùn)輸起訖點(diǎn)之間公鐵聯(lián)運(yùn)設(shè)施的布局,提供更為豐富的聯(lián)運(yùn)服務(wù)產(chǎn)品,通過(guò)鐵路運(yùn)輸組織效率的提高以及運(yùn)輸貨類的擴(kuò)展吸引更多的貨物向鐵路運(yùn)輸轉(zhuǎn)移,進(jìn)而提高鐵路貨物運(yùn)輸占比;對(duì)于公路運(yùn)輸需求集中的區(qū)域,承運(yùn)人需要加快新能源和清潔能源運(yùn)輸裝備的更新?lián)Q代。
對(duì)于中西部地區(qū)而言,運(yùn)輸結(jié)構(gòu)變化的影響不顯著,而交通運(yùn)輸碳排放對(duì)于社會(huì)經(jīng)濟(jì)發(fā)展因素變化的敏感性更高。因此,中部地區(qū)的湖北、湖南、江西等水運(yùn)較為發(fā)達(dá)的省份,應(yīng)當(dāng)不斷改善水運(yùn)基礎(chǔ)設(shè)施,發(fā)揮沿江港口的樞紐作用,加強(qiáng)港口與產(chǎn)業(yè)集聚區(qū)、大宗物資主產(chǎn)區(qū)之間的交通銜接,大力發(fā)展公鐵水聯(lián)運(yùn)以及長(zhǎng)江干支流聯(lián)動(dòng)的“水水”中轉(zhuǎn)運(yùn)輸。對(duì)于西部地區(qū)而言,需要加快與社會(huì)經(jīng)濟(jì)發(fā)展相適應(yīng)的綜合交通基礎(chǔ)設(shè)施網(wǎng)絡(luò)的建設(shè),在發(fā)展過(guò)程中,兼顧低碳高效現(xiàn)代物流系統(tǒng)的建設(shè)。
(2)挖潛提升鐵路和水路基礎(chǔ)設(shè)施的承載能力
一是開(kāi)展基礎(chǔ)設(shè)施網(wǎng)絡(luò)承載能力評(píng)估。通過(guò)承載能力評(píng)估,發(fā)掘鐵路與水路基礎(chǔ)設(shè)施網(wǎng)絡(luò)中的薄弱環(huán)節(jié),找準(zhǔn)短板,充分挖掘設(shè)施網(wǎng)絡(luò)的潛能,釋放鐵路和水路運(yùn)輸能力。
二是加快普速鐵路優(yōu)化擴(kuò)能。通過(guò)加快普速鐵路建設(shè)和既有鐵路擴(kuò)能改造,推進(jìn)既有鐵路運(yùn)能緊張路段能力補(bǔ)強(qiáng),消除干線瓶頸,提升普速鐵路貨運(yùn)能力。
三是加大高等級(jí)航道建設(shè)力度。注重長(zhǎng)江干線等內(nèi)河高等級(jí)航道建設(shè),疏浚航道“瓶頸”,提高船舶的平均運(yùn)輸噸位,提升航運(yùn)效率。
(3)持續(xù)推進(jìn)運(yùn)輸結(jié)構(gòu)優(yōu)化調(diào)整
運(yùn)輸結(jié)構(gòu)是影響交通運(yùn)輸碳排放的重要因素,影響程度僅次于經(jīng)濟(jì)發(fā)展因素。在中國(guó)經(jīng)濟(jì)發(fā)展長(zhǎng)期向好的預(yù)期下,可以預(yù)見(jiàn)受其影響,交通運(yùn)輸行業(yè)面臨很大的碳排放壓力。本文中的全樣本和分時(shí)段樣本估計(jì)結(jié)果顯示,推進(jìn)運(yùn)輸結(jié)構(gòu)優(yōu)化調(diào)整,推動(dòng)公路貨運(yùn)向鐵路貨運(yùn)轉(zhuǎn)換,有助于降低交通運(yùn)輸能耗強(qiáng)度,進(jìn)而減少交通運(yùn)輸碳排放,并且自2018 年“公轉(zhuǎn)鐵”政策實(shí)施以來(lái),運(yùn)輸結(jié)構(gòu)調(diào)整對(duì)降低交通運(yùn)輸碳排放的影響效果更為顯著。因此,面對(duì)空前的交通運(yùn)輸減碳?jí)毫Γ\(yùn)輸結(jié)構(gòu)優(yōu)化調(diào)整應(yīng)當(dāng)作為一項(xiàng)持久的交通運(yùn)輸減碳政策持續(xù)推進(jìn)。