查建平 戴家權(quán) 劉珂吉 余喬 周志堅(jiān)

[摘 ? ?要]全面厘清旅游增長(zhǎng)與碳排放的動(dòng)態(tài)脫鉤關(guān)系及其背后的驅(qū)動(dòng)因素，對(duì)于制定科學(xué)合理的低碳旅游發(fā)展政策、實(shí)現(xiàn)旅游產(chǎn)業(yè)可持續(xù)發(fā)展具有重要的理論與現(xiàn)實(shí)意義。文章將對(duì)數(shù)平均迪氏指數(shù)法（LMDI）分解技術(shù)與基于向量自回歸（VAR）模型的動(dòng)態(tài)效應(yīng)分析法引入脫鉤指數(shù)模型中，對(duì)傳統(tǒng)脫鉤指數(shù)分析進(jìn)行了改進(jìn)，構(gòu)建了新型的旅游增長(zhǎng)與碳排放脫鉤關(guān)系分析模型，嘗試對(duì)旅游增長(zhǎng)與碳排放脫鉤關(guān)系展開(kāi)系統(tǒng)深入研究，并以成都市為例進(jìn)行了實(shí)證分析。研究結(jié)果顯示：（1）旅游增長(zhǎng)與碳排放脫鉤狀態(tài)具有明顯的階段性特征，總體脫鉤指數(shù)值為0.806，雖實(shí)現(xiàn)了整體上的弱脫鉤狀態(tài)，但旅游增長(zhǎng)與碳排放之間仍呈現(xiàn)顯著的正向關(guān)聯(lián)，旅游業(yè)距離實(shí)現(xiàn)強(qiáng)脫鉤目標(biāo)仍有較大差距。（2）能源強(qiáng)度效應(yīng)是旅游業(yè)脫鉤過(guò)程中唯一的正向影響因素，游客規(guī)模效應(yīng)和消費(fèi)水平效應(yīng)則是脫鉤實(shí)現(xiàn)的主要抑制因素，而能源結(jié)構(gòu)效應(yīng)與收入結(jié)構(gòu)效應(yīng)的作用則不大。（3）不同驅(qū)動(dòng)因素之間存在復(fù)雜的交互影響機(jī)制，表明未來(lái)旅游業(yè)脫鉤工作在聚焦如何降低能源強(qiáng)度、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)與轉(zhuǎn)變消費(fèi)方式的同時(shí)，更需要注重保持各驅(qū)動(dòng)因素之間穩(wěn)定均衡關(guān)系與動(dòng)態(tài)作用機(jī)制，以實(shí)現(xiàn)最大效用的協(xié)同脫鉤。

[關(guān)鍵詞]旅游碳排放;脫鉤指數(shù)模型;LMDI分解法;動(dòng)態(tài)效應(yīng)分析;成都

[中圖分類號(hào)]F59

[文獻(xiàn)標(biāo)識(shí)碼]A

[文章編號(hào)]1002-5006（2022）04-0013-12

Doi： 10.19765/j.cnki.1002-5006.2022.04.008

引言

作為世界上最大和發(fā)展速度最快的產(chǎn)業(yè)部門之一，旅游業(yè)在促進(jìn)地區(qū)發(fā)展、增加就業(yè)和增進(jìn)人民福祉等方面具有重要作用[1]。然而，隨著社會(huì)環(huán)境保護(hù)意識(shí)的增強(qiáng)，旅游業(yè)不再被視為一個(gè)完全的“無(wú)煙產(chǎn)業(yè)”[2]，大規(guī)模的游客活動(dòng)及其輔助、配套設(shè)施運(yùn)營(yíng)所產(chǎn)生的能源消耗與碳排放已受到旅游業(yè)界與學(xué)術(shù)界的廣泛關(guān)注[3-4]。因此，旅游業(yè)正面臨著資源-環(huán)境-發(fā)展的多重壓力與矛盾，承受著保持增長(zhǎng)與減少排放之間沖突控制、化解耦合的巨大壓 ?力[5]。在此背景下，厘清旅游增長(zhǎng)與碳排放的動(dòng)態(tài)關(guān)系及其背后的驅(qū)動(dòng)因素，對(duì)于制定科學(xué)合理的低碳旅游發(fā)展政策，實(shí)現(xiàn)旅游產(chǎn)業(yè)可持續(xù)發(fā)展具有重要的理論與現(xiàn)實(shí)意義。

自20世紀(jì)90年代以來(lái)，有關(guān)國(guó)際組織與學(xué)者就開(kāi)始關(guān)注旅游業(yè)發(fā)展所引致的能源與環(huán)境問(wèn)題，并認(rèn)為資源管理與能源節(jié)約是實(shí)現(xiàn)旅游產(chǎn)業(yè)可持續(xù)發(fā)展的關(guān)鍵步驟[6-7]。隨著全球氣候變化問(wèn)題凸顯以及二氧化碳減排壓力劇增，碳排放議題逐漸成為旅游資源與環(huán)境研究的焦點(diǎn)之一[8]。相關(guān)學(xué)者認(rèn)為，旅游業(yè)碳排放量是衡量旅游產(chǎn)業(yè)對(duì)生態(tài)環(huán)境質(zhì)量影響的重要指標(biāo)，其表征了游客活動(dòng)以及滿足游客需求的旅游產(chǎn)業(yè)活動(dòng)對(duì)當(dāng)?shù)厣鷳B(tài)環(huán)境系統(tǒng)造成的壓力[9-10]。迄今為止，學(xué)者們主要圍繞與旅游相關(guān)碳排放量測(cè)度、不同時(shí)空尺度下旅游碳排放演變及其驅(qū)動(dòng)機(jī)制、不同視角下旅游碳減排潛力評(píng)估、績(jī)效測(cè)算與路徑設(shè)計(jì)等主題展開(kāi)研究[5，11-12]。其中多數(shù)研究認(rèn)為，在推進(jìn)碳減排的同時(shí)不損害旅游經(jīng)濟(jì)的持續(xù)增長(zhǎng)能力，維持旅游增長(zhǎng)與碳減排之間的平衡，是低碳旅游發(fā)展的恒定原則[5]。因此，關(guān)于旅游增長(zhǎng)與碳排放之間關(guān)系的研究逐漸受到了學(xué)界的關(guān)注。

當(dāng)前，關(guān)于旅游增長(zhǎng)與碳排放之間關(guān)系的研究主要集中在以下幾個(gè)方面：一是利用環(huán)境庫(kù)茲涅茨曲線（Environment Kuznets Curve，EKC）來(lái)研究旅游增長(zhǎng)與碳排放之間的關(guān)系[13-14];二是通過(guò)計(jì)量手段檢驗(yàn)旅游增長(zhǎng)與碳排放的因果關(guān)系[15-16];三是通過(guò)指數(shù)分解方法對(duì)碳排放相關(guān)影響因素進(jìn)行量化分析，以此為基礎(chǔ)探究產(chǎn)出規(guī)模變化對(duì)旅游碳排放的貢獻(xiàn)[17-18];四是構(gòu)建脫鉤指數(shù)測(cè)量旅游增長(zhǎng)與環(huán)境問(wèn)題的關(guān)系[2，19-20]。其中，“脫鉤”分析因其可以用來(lái)反映經(jīng)濟(jì)增長(zhǎng)與環(huán)境壓力之間相鄰年份的實(shí)時(shí)動(dòng)態(tài)關(guān)系，且能定量地計(jì)算出經(jīng)濟(jì)增長(zhǎng)對(duì)碳排放的依賴程度，有效識(shí)別經(jīng)濟(jì)增長(zhǎng)與環(huán)境壓力之間關(guān)系演化的具體階段與實(shí)時(shí)狀況，被廣泛應(yīng)用于旅游增長(zhǎng)與環(huán)境問(wèn)題的研究之中[21]。譬如，Tang等[2]、趙先超和朱翔[19]運(yùn)用脫鉤模型分別對(duì)中國(guó)、湖南省旅游業(yè)發(fā)展與碳排放的脫鉤關(guān)系進(jìn)行探索，其結(jié)果表明旅游業(yè)脫鉤狀態(tài)存在明顯的時(shí)間與空間差異;王凱等結(jié)合脫鉤模型與協(xié)整分析對(duì)中國(guó)旅游經(jīng)濟(jì)增長(zhǎng)與碳排放的耦合關(guān)系進(jìn)行辨識(shí)與分析[22];而Chen等則在明晰長(zhǎng)江三角洲旅游增長(zhǎng)與能源消費(fèi)以及碳排放之間脫鉤關(guān)系的基礎(chǔ)上，利用對(duì)數(shù)平均迪氏指數(shù)法（Logarithmic Mean Divisia Index，LMDI）分解技術(shù)深入分析了影響碳排放的關(guān)鍵因素[20]。同時(shí)，隨著經(jīng)濟(jì)-環(huán)境脫鉤研究的深入，部分學(xué)者指出，由于經(jīng)濟(jì)增長(zhǎng)源泉的多樣性，加之環(huán)境的外部性效應(yīng)，使得脫鉤演化過(guò)程中不可避免存在著復(fù)雜的內(nèi)在作用機(jī)制[23]。然而，多數(shù)旅游-環(huán)境脫鉤研究卻止步于回答“脫鉤與否”的問(wèn)題，缺乏對(duì)脫鉤演化背后內(nèi)在機(jī)制的探索，既沒(méi)有明晰脫鉤狀態(tài)動(dòng)態(tài)變化的原因，亦無(wú)法識(shí)別驅(qū)動(dòng)因素間的互動(dòng)效應(yīng)、沖擊程度和貢獻(xiàn)程度。

鑒于此，本文將LMDI分解技術(shù)與基于向量自回歸模型（vector autoregressive model，VAR）的動(dòng)態(tài)效應(yīng)分析法引入脫鉤指數(shù)模型中，對(duì)傳統(tǒng)脫鉤指數(shù)分析進(jìn)行了延伸，構(gòu)建了較為新型的旅游增長(zhǎng)與碳排放脫鉤關(guān)系分析框架，嘗試對(duì)二者脫鉤關(guān)系展開(kāi)系統(tǒng)深入研究。同時(shí)，選取成都市作為案例地，實(shí)證檢驗(yàn)了這一分析框架的適用性與穩(wěn)健性，以期為制定科學(xué)、合理的旅游業(yè)脫鉤政策提供借鑒與參考。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 旅游業(yè)碳排放計(jì)量方法

目前，主要存在兩大類型的旅游碳排放核算方法，即“自上而下”法與“自下而上”法。前者基于投入產(chǎn)出理論從“生產(chǎn)”視角測(cè)量碳排放，主要適用于國(guó)家這類較大空間尺度碳排放評(píng)估，后者則基于生命周期理論從“消費(fèi)”視角對(duì)碳排放進(jìn)行測(cè)度，主要適用于旅游目的地這類較小尺度碳排放評(píng)估[9，24]?？紤]到旅游數(shù)據(jù)的可獲取性與可信性，參照前人研究[24-25]的核算思路，本文采用“自下而上”法對(duì)成都市旅游業(yè)所產(chǎn)生的碳排放量進(jìn)行測(cè)度。

[C=CT+CH+CF+CA] （1）

式（1）中，[C]代表成都市旅游業(yè)碳排放總量;[CT]、[CH]、[CF]、[CA]分別代表成都市旅游交通、旅游住宿、旅游餐飲與旅游活動(dòng)的碳排放量。

1.1.1 ? ?旅游交通

[CT=s=14DS×FS×βS] （2）

式（2）中，[s]表示運(yùn)輸方式，包括航空、鐵路、公路、水運(yùn)4種類型，[DS]表示第[s]類交通運(yùn)輸方式的客運(yùn)周轉(zhuǎn)量;[FS]表示第[s]類交通運(yùn)輸方式旅游者占比;[βS]表示第[s]類交通方式的碳排放系數(shù)（g/pkm）。在此，本研究參照Qiu等[26]的研究，假定國(guó)內(nèi)游客選擇航空、鐵路、公路和水運(yùn)出行，而入境游客則全部選擇航空出行。同時(shí)，參考Becken[27]、魏艷旭[28]等學(xué)者的相關(guān)研究，最終確定航空、鐵路、公路、水運(yùn)的碳排放系數(shù)分別為396 g/pkm、65 g/pkm、132 g/pkm、63 g/pkm。

1.1.2 ? ?旅游住宿

[CH=i2x=12Gix×δx×ε] （3）

式（3）中，[i]表示游客類型（國(guó)內(nèi)游客、入境游客），[x]表示住宿類型（星級(jí)酒店、其他酒店），[Gix]表示[i]類型游客在[x]類型住宿中的總居住日;[δx]表示[x]類型每床每夜的能源消耗量;[ε]表示單位熱值含碳量。參照G?ssling[11]、汪清蓉[29]等學(xué)者的研究，本文將游客選擇住宿的類型劃分為星級(jí)酒店、其他酒店兩種類型，并將星級(jí)酒店能源消耗系數(shù)設(shè)定為130 MJ/床?夜，其他酒店能源消耗系數(shù)設(shè)定為40 MJ/床?夜，單位熱值含碳量設(shè)定為43.2 gC/MJ。

1.1.3 ? ?旅游餐飲

[CF=k6N×Fk×μk] （4）

式（4）中，[k]表示食用食物類型，包括谷物、豬肉、牛羊肉、家禽、蛋類、奶類，[N]表示旅游總游覽日，[Fk]表示人均每天第[k]類型食物的消耗量;[μk]表示第[k]類型食物碳排放系數(shù)。在此，參照譚秋成[30]的相關(guān)研究，本研究假定游客的平均每日食物消費(fèi)量與城市居民的平均每日食物消費(fèi)量一致，最終確 ?定谷物、豬肉、牛羊肉、家禽、蛋類以及奶類的碳排放系數(shù)分別為1740 g/kg、1670 g/kg、25 080 g/kg、550 g/kg、810 g/kg、1530 g/kg。

1.1.4 ? ?旅游活動(dòng)

[CA=i2y=15Giy×φy] （5）

式（5）中，[i]表示游客類型（國(guó)內(nèi)游客、入境游客），[y]表示旅游活動(dòng)類型（休閑度假、觀光旅游、商務(wù)出差、探親訪友、其他）;[Giy]表示第[i]類型游客參與第[y]類旅游活動(dòng)的人數(shù);[φy]表示第[y]類旅游活動(dòng)的碳排放系數(shù)。根據(jù)Becken[27]、石培華和吳普[31]，本研究設(shè)定休閑度假、觀光旅游、商務(wù)出差、探親訪友以及其他旅游活動(dòng)的碳排放系數(shù)分別為1670 g/p、417 g/p、786 g/p、591 g/p、172 g/p。

1.2 脫鉤指數(shù)分解模型

“脫鉤”起源于物理學(xué)，后被引入環(huán)境經(jīng)濟(jì)學(xué)范疇，是指打破環(huán)境壓力與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)聯(lián)性，資源消費(fèi)不受經(jīng)濟(jì)水平發(fā)展的制約[32]。目前，主流脫鉤指數(shù)模型有經(jīng)濟(jì)合作與發(fā)展組織（Organisation for Economic Co-operation and Development，OECD）脫鉤指數(shù)模型與Tapio脫鉤指數(shù)模型，其中，Tapio脫鉤指數(shù)模型采用脫鉤彈性構(gòu)建脫鉤指標(biāo)，能夠有效地克服OECD脫鉤指數(shù)模型在基期選擇上的困境[2]。基于此，本文選擇Tapio脫鉤指數(shù)模型構(gòu)建旅游增長(zhǎng)與碳排放的脫鉤指數(shù)模型，并在此基礎(chǔ)上對(duì)其進(jìn)行延伸，將LMDI分解技術(shù)與Tapio脫鉤指數(shù)模型融合，構(gòu)建出脫鉤指數(shù)分解模型，探究脫鉤狀態(tài)背后的驅(qū)動(dòng)因素。

第一步，參照Tapio[33]的研究，可構(gòu)建旅游增長(zhǎng)與碳排放的脫鉤指數(shù)模型如下：

[DC，G=ΔC/CΔG/G] （6）

式（6）中，[DC，G]表示旅游業(yè)碳排放脫鉤指數(shù)，[C]表示旅游業(yè)碳排放量，[G]表示旅游業(yè)總收入。[DC，G]狀態(tài)分類與評(píng)價(jià)標(biāo)準(zhǔn)如圖1。

第二步，為了將脫鉤指數(shù)進(jìn)行分解，探究脫鉤狀態(tài)背后的驅(qū)動(dòng)因素，本研究擬利用因素分解法對(duì)Tapio脫鉤指數(shù)展開(kāi)分解。日本學(xué)者Yoichi Kaya于1989年提出Kaya恒等式[34]，隨后學(xué)者們則將其作為探討人類活動(dòng)對(duì)碳排放影響潛在因素的有效工具之一[17]。根據(jù)Kaya恒等式，公式（1）可擴(kuò)展為：

[C=iCiEi×EiYi×YiY×YS×S] （7）

式（7）中，[C]為旅游碳排放量，[Ci]表示旅游業(yè)[i]部門的碳排放量，[Ei]表示旅游業(yè)[i]部門的能耗，[Yi]表示旅游[i]部門的收入，[Y]表示旅游業(yè)總收入，[S]表示旅游人次。

令[ei=CiEi]，[fi=EiYi]，[gi=YiY]，[q=YS]，[r=S]

其中，[ei]表示能源結(jié)構(gòu)效應(yīng)，[fi]表示能源強(qiáng)度效應(yīng)，[gi]表示收入結(jié)構(gòu)效應(yīng)，[q]表示消費(fèi)水平效應(yīng)，[r]表示游客規(guī)模效應(yīng)。據(jù)此，可對(duì)比較期[t]與基期0之間旅游業(yè)碳排放量變化展開(kāi)如下分解：

[ΔC=Ct-C0=ieti×fti×gti×qt×rt- ? ?ie0i×f0i×g0i×q0×r0= ? ?ΔCe+ΔCf+ΔCg+ΔCq+ΔCr] （8）

式（8）中，[ΔCe]、[ΔCf]、[ΔCg]、[ΔCq]、[ΔCr]分別為能源結(jié)構(gòu)效應(yīng)、能源強(qiáng)度效應(yīng)、收入結(jié)構(gòu)效應(yīng)、消費(fèi)水平效應(yīng)以及游客規(guī)模效應(yīng)對(duì)旅游業(yè)碳排放量變化的貢獻(xiàn)。值得注意的是，因素分解方法已經(jīng)被廣泛應(yīng)用于分析不同因素對(duì)碳排放變化的影響，目前主流的因素分解方法包括結(jié)構(gòu)分解分析（structural decomposition analysis，SDA）和指數(shù)分解分析（index decomposition analysis，IDA）。Su和Ang[35]對(duì)這兩種分解方法進(jìn)行了比較分析，認(rèn)為SDA是基于Leontief分析框架的投入產(chǎn)出模型延伸，對(duì)數(shù)據(jù)要求較為嚴(yán)格，而IDA對(duì)數(shù)據(jù)要求較為寬松，適用于時(shí)間序列數(shù)據(jù)分解分析，因而被廣泛應(yīng)用于能源消耗和環(huán)境保護(hù)研究領(lǐng)域。IDA分解法主要包括Laspeyres指數(shù)分解與Divisia指數(shù)分解兩種類型，其中LMDI分解法因其成熟的技術(shù)，形式靈活，易于計(jì)算以及不存在分解殘余等優(yōu)勢(shì)而成為IDA分解中的首選[36]。鑒于此，本研究采用LMDI分解法對(duì)旅游業(yè)碳排放量進(jìn)行分解，所得分解結(jié)果如下：

[ΔCe=iCti-C0iln（Cti）-ln（C0i）lnetie0iΔCf=iCti-C0iln（Cti）-ln（C0i）lnftif0iΔCg=iCti-C0iln（Cti）-ln（C0i）lngtig0iΔCq=iCti-C0iln（Cti）-ln（C0i）lnqtq0ΔCr=iCti-C0iln（Cti）-ln（C0i）lnrtr0] （9）

在此基礎(chǔ)上，結(jié)合Tapio脫鉤指數(shù)模型和LMDI分解法，本研究公式（6）中的脫鉤指數(shù)做出如下分解：

[DC，G=ΔC/CΔG/G=ΔCC×GΔG=ΔC×GC×ΔG= ? ?（ΔCe+ΔCf+ΔCg+ΔCq+ΔCr）×GC×ΔG= ? ?ΔCe/CΔG/G+ΔCf/CΔG/G+ΔCg/CΔG/G+ΔCq/CΔG/G+]

[ ? ?ΔCr/CΔG/G=De+Df+Dg+Dq+Dr] （10）

[De]、[Df]、[Dg]、[Dq]、[Dr]分別表示能源結(jié)構(gòu)效應(yīng)、能源強(qiáng)度效應(yīng)、收入結(jié)構(gòu)效應(yīng)、消費(fèi)水平效應(yīng)以及游客規(guī)模效應(yīng)的脫鉤指數(shù)。

1.3 基于VAR模型的動(dòng)態(tài)效應(yīng)分析法

由脫鉤指數(shù)分解模型可知，旅游業(yè)脫鉤系統(tǒng)是由多個(gè)相互影響的子系統(tǒng)構(gòu)成，當(dāng)其中一個(gè)子系統(tǒng)變動(dòng)時(shí)，不僅自身會(huì)受到影響，還會(huì)連帶影響其他子系統(tǒng)的運(yùn)行[37]。因此，本研究選擇將VAR模型中的預(yù)測(cè)誤差方差分解和脈沖響應(yīng)函數(shù)引入到脫鉤指數(shù)分解框架，將上述Tapio脫鉤指標(biāo)分解項(xiàng)納入一個(gè)統(tǒng)一的分析框架下，探究驅(qū)動(dòng)因素間的動(dòng)態(tài)交互關(guān)系，以期對(duì)其在未來(lái)旅游業(yè)脫鉤過(guò)程的作用與角色有更清晰與深刻的認(rèn)識(shí)。

VAR模型作為處理多個(gè)相關(guān)時(shí)間序列變量與預(yù)測(cè)分析的有效計(jì)量模型，常用于研究不同時(shí)間序列系統(tǒng)和分析隨機(jī)誤差項(xiàng)對(duì)時(shí)間序列系統(tǒng)的動(dòng)態(tài)沖擊，從而解釋這種動(dòng)態(tài)沖擊對(duì)每個(gè)時(shí)間序列變量的影響[38]。本研究將脫鉤指標(biāo)分解項(xiàng)放入VAR系統(tǒng)中對(duì)其分解項(xiàng)之間的動(dòng)態(tài)交互關(guān)系進(jìn)行研究，表達(dá)式為：

[yt=A1yt-1+…+Apyt-p+εt] （11）

式（11）中，[{yt}=[Det Dft Dgt Dqt Drt]]為給定[t]時(shí)刻的平穩(wěn)隨機(jī)過(guò)程;[A]為常數(shù)向量;[p]為滯后期階數(shù);[εt]為良好的白噪聲時(shí)間序列。

其中，預(yù)測(cè)誤差方差分解（forecast error variance decomposition，F(xiàn)EVD）可以測(cè)量VAR系統(tǒng)中每種沖擊對(duì)不同時(shí)間范圍內(nèi)預(yù)測(cè)誤差方差的貢獻(xiàn)，并估計(jì)源于其他變量的同時(shí)沖擊的貢獻(xiàn)。其中，第[h]步的預(yù)測(cè)誤差為：

[xt+h-Etxt+h=i=0∞ψi（εt+h-i-Etxt+h-i）=i=0h-1ψiεt+h-i]（12）

因此，預(yù)測(cè)誤差方差可表示為：

[E（xt+h-Etxt+h）2=i=0h-1ψiψi′= ? ?i=1m（pjpj′+ψ1pjpj′ψ1′+…+ψp-1pjpj′ψp-1′）]

[ψi=k=1pψi-kAk，Φi=ψiΓ0，ψi=In，Φn=（φn，ij）] （13）

式（13）中，[pjpj′+ψ1pjpj′ψ1′+…+ψp-1pjpj′ψp-1′]為第[i]個(gè)變量對(duì)第[h]期對(duì)預(yù)測(cè)誤差的貢獻(xiàn)率。

脈沖響應(yīng)函數(shù)（Impulse Response Functions，IRFs）能夠確定脫鉤狀態(tài)背后各驅(qū)動(dòng)因素如何因其自身和其他因素的沖擊而產(chǎn)生響應(yīng)，同時(shí)還可粗略分析在長(zhǎng)期關(guān)系受到?jīng)_擊的情況下，相關(guān)變量恢復(fù)平衡所需的時(shí)間。其表達(dá)如下式：

[Φn（φik，n）=j=1nΦn-jAj，n=1，2，…] （14）

式（14）中，[Φ0=Im]，對(duì)[j>p]，[Aj=0]。[φik，n]是[Φn]的第[ik]個(gè)元素，表示變量[yi]對(duì)變量的一個(gè)初始波動(dòng)[n]期前的反應(yīng)。

1.4 數(shù)據(jù)來(lái)源

基于數(shù)據(jù)的可獲取性與可信性，本文選取1991―2018年作為研究區(qū)間。旅游業(yè)碳排放量估算時(shí)所涉及的相關(guān)數(shù)據(jù)來(lái)源如下：成都市旅客交通運(yùn)輸量、旅游交通周轉(zhuǎn)量等旅游交通數(shù)據(jù)來(lái)源于《四川省統(tǒng)計(jì)年鑒》（1992―2019）與《成都市統(tǒng)計(jì)年鑒》（1992―2019）;國(guó)內(nèi)（入境）游客平均逗留時(shí)間、國(guó)內(nèi)（入境）游客選擇不同住宿類型比例、一日游與過(guò)夜游客比例、不同旅游活動(dòng)游客比例等相關(guān)數(shù)據(jù)主要根據(jù)《四川省旅游統(tǒng)計(jì)便覽》《成都市國(guó)內(nèi)旅游抽樣調(diào)查報(bào)告》《成都市入境旅游抽樣調(diào)查報(bào)告》推算得到。旅游業(yè)增長(zhǎng)與碳排放之間脫鉤狀態(tài)及其分解計(jì)算所需數(shù)據(jù)如下：成都市旅游業(yè)消費(fèi)結(jié)構(gòu)比例則主要依據(jù)《四川省旅游統(tǒng)計(jì)便覽》估算得到;成都市國(guó)內(nèi)（入境）游客人次、國(guó)內(nèi)（入境）旅游收入等數(shù)據(jù)來(lái)源于《四川省統(tǒng)計(jì)年鑒》（1992―2019）與《成都市統(tǒng)計(jì)年鑒》（1992―2019）。為保證研究的真實(shí)性與連續(xù)性，部分年份缺失數(shù)據(jù)采用鄰近年份數(shù)值進(jìn)行線性插補(bǔ)。

2 實(shí)證結(jié)果分析

2.1 成都旅游業(yè)碳排放量測(cè)度

由圖2可知，研究時(shí)期內(nèi)，成都旅游業(yè)碳排放 ?增長(zhǎng)態(tài)勢(shì)具有明顯的階段性：1991―2008年的緩慢增長(zhǎng)階段和2009―2018年的快速增長(zhǎng)階段。其中，1991―2008年，年均增幅為13.75%，而在2009―2018年，年均增速達(dá)25.80%，最終達(dá)到1374.34萬(wàn)t。旅游碳排放的增長(zhǎng)軌跡基本符合我國(guó)旅游業(yè)發(fā)展的歷史趨勢(shì)。近年來(lái)，隨著居民生活水平的提高、交通基礎(chǔ)設(shè)施的改善以及假日制度的完善，國(guó)民 ?出游需求被極大地激發(fā)，旅游業(yè)得到了長(zhǎng)足的發(fā)展，從而引致了旅游系統(tǒng)中碳排放量持續(xù)增長(zhǎng)。此外，旅游碳排放存在著顯著的部門差異性，其中，交通部門是旅游業(yè)碳排放中的主要貢獻(xiàn)者，占排放總量的88.77%;相比之下，住宿、餐飲和旅游活動(dòng)在 ?排放總量中的占比相對(duì)較小，分別占5.80%、3.30%和2.13%。這一結(jié)果與現(xiàn)有研究的結(jié)論基本保持一致[29，31]，既充分說(shuō)明了本文旅游碳排放估算環(huán)節(jié)的科學(xué)性與合理性，同時(shí)也再次印證了在旅游產(chǎn)業(yè)系統(tǒng)碳減排工作中，各部門需要有所側(cè)重，相互配合。

2.2 碳排放與旅游增長(zhǎng)脫鉤關(guān)系測(cè)度

基于Tapio脫鉤指數(shù)模型，本文對(duì)成都市旅游增長(zhǎng)與碳排放之間的脫鉤狀態(tài)進(jìn)行了測(cè)度，表1展示了研究時(shí)期內(nèi)分部門與總體脫鉤狀態(tài)。就旅游業(yè)分部門脫鉤狀態(tài)而言，分部門的脫鉤狀態(tài)均以弱脫鉤與擴(kuò)張性負(fù)脫鉤為主，交通、住宿、餐飲以及旅游活動(dòng)平均脫鉤指數(shù)值分別為0.655、0.504、0.589和0.398。而從脫鉤指數(shù)變化趨勢(shì)來(lái)看，4部門的脫鉤指數(shù)在研究時(shí)期內(nèi)并未保持穩(wěn)定，其中，交通部門脫鉤指數(shù)的波動(dòng)幅度相比于其他部門更為劇烈，且演化趨勢(shì)與總體脫鉤指數(shù)基本保持一致。

總體脫鉤狀態(tài)亦以弱脫鉤與擴(kuò)張性負(fù)脫鉤為主，平均脫鉤指數(shù)值為0.806，實(shí)現(xiàn)了總體上的弱脫鉤，即旅游增長(zhǎng)速度略高于碳排放增長(zhǎng)速度。同時(shí)，脫鉤狀態(tài)演化呈現(xiàn)出明顯的階段性特征：（1）1991―2003年，成都市旅游接待業(yè)處于起步階段，旅游業(yè)總量較小，旅游碳排放亦處于緩慢增長(zhǎng)階段，旅 ? ?游增長(zhǎng)與碳排放脫鉤狀態(tài)以弱脫鉤狀態(tài)為主。 ?（2）2004―2012年，中國(guó)加入世界貿(mào)易組織，國(guó)內(nèi)經(jīng)濟(jì)得以快速發(fā)展以及國(guó)際交流日益頻繁，中國(guó)旅游業(yè)呈現(xiàn)快速增長(zhǎng)態(tài)勢(shì)。然而，這一時(shí)期旅游業(yè)節(jié)能減排工作未能得到有效的重視，旅游業(yè)發(fā)展模式 ?較為粗放，致使旅游收入高速增長(zhǎng)的同時(shí)，碳排放量也迅速攀升，脫鉤狀態(tài)以擴(kuò)張性負(fù)脫鉤為主。 ?（3）2013―2018年，中國(guó)經(jīng)濟(jì)發(fā)展總體進(jìn)入新時(shí)期，追求低碳經(jīng)濟(jì)和綠色發(fā)展成為社會(huì)發(fā)展的主要目標(biāo)。隨著旅游業(yè)節(jié)能減排措施的制定以及游客節(jié)能環(huán)保意識(shí)的提升，脫鉤狀態(tài)由擴(kuò)張性負(fù)脫鉤轉(zhuǎn)變?yōu)槿趺撱^，脫鉤指數(shù)呈現(xiàn)出一定的下降趨勢(shì)。

2.3 碳排放與旅游增長(zhǎng)脫鉤指數(shù)演變的驅(qū)動(dòng)因素探究

Tapio脫鉤指數(shù)雖能刻畫出旅游增長(zhǎng)與碳排放脫鉤指數(shù)的變化趨勢(shì)，卻無(wú)法揭示變化背后的驅(qū)動(dòng)因素。因此，本文通過(guò)將Tapio脫鉤指數(shù)模型與LMDI分解技術(shù)結(jié)合對(duì)總體脫鉤指數(shù)進(jìn)行分解，探討各驅(qū)動(dòng)因素在不同階段對(duì)脫鉤狀態(tài)的作用方向與影響程度，圖3展示了脫鉤指數(shù)的分解結(jié)果。

2.3.1 ? ?波動(dòng)變化的弱脫鉤時(shí)期：1991—2003年

這一時(shí)期由于缺乏技術(shù)創(chuàng)新與制度約束，旅游業(yè)碳解鎖難以推進(jìn)，粗放發(fā)展的旅游消費(fèi)方式成為抑制旅游業(yè)強(qiáng)脫鉤狀態(tài)實(shí)現(xiàn)的主要因素。同時(shí)，游客規(guī)模效應(yīng)與能源強(qiáng)度效應(yīng)對(duì)脫鉤的影響相當(dāng)，但作用方向相反。其中，能源強(qiáng)度的降低能夠很好地促進(jìn)脫鉤的實(shí)現(xiàn)，而游客規(guī)模的增長(zhǎng)則表現(xiàn)為脫鉤的抑制因素。此外，能源結(jié)構(gòu)效應(yīng)與收入結(jié)構(gòu)效應(yīng)對(duì)于脫鉤的作用相對(duì)較小。

2.3.2 ? ?擴(kuò)張性負(fù)脫鉤時(shí)期：2004—2012年

游客規(guī)模效應(yīng)脫鉤指數(shù)值的上升是這一時(shí)期擴(kuò)張性負(fù)脫鉤狀態(tài)出現(xiàn)的主要原因，這說(shuō)明旅游規(guī)模的增長(zhǎng)既是旅游經(jīng)濟(jì)增長(zhǎng)的動(dòng)力，也是旅游業(yè)碳排放攀升的主要原因。具體而言，在這一時(shí)期，隨著交通基礎(chǔ)設(shè)施條件的改善，多數(shù)旅游景區(qū)盲目鼓勵(lì)游客到訪，雖然實(shí)現(xiàn)了旅游收入的快速增長(zhǎng)，但也導(dǎo)致旅游接待規(guī)模超過(guò)其環(huán)境承載容量，致使旅游業(yè)碳排放呈現(xiàn)攀升態(tài)勢(shì)[39]。同時(shí)，游客對(duì)于旅游消費(fèi)與生態(tài)保護(hù)間的沖突認(rèn)識(shí)不夠深入，旅游環(huán)保意識(shí)不足，導(dǎo)致消費(fèi)水平效應(yīng)成為這一時(shí)期抑制脫鉤的重要因素[18]。值得注意的是，雖然能源結(jié)構(gòu)效應(yīng)、能源強(qiáng)度效應(yīng)與收入結(jié)構(gòu)效應(yīng)作用效果不大，但在此時(shí)期均為抑制脫鉤的影響因素。

2.3.3 ? ?趨于平穩(wěn)的弱脫鉤時(shí)期：2013—2018年

能源強(qiáng)度效應(yīng)分脫鉤指數(shù)值在這一時(shí)期呈現(xiàn)出明顯的下降趨勢(shì)，成為促進(jìn)脫鉤的主要?jiǎng)恿ΑＦ淇赡艿脑蛟谟诮陙?lái)旅游產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化以及技術(shù)的升級(jí)換代，致使能源強(qiáng)度降低，從而有效地促進(jìn)了脫鉤狀態(tài)由擴(kuò)張性負(fù)脫鉤向弱脫鉤的轉(zhuǎn)變[2]。同時(shí)，日益便捷的交通與居民收入水平的不斷提升，極大地刺激了游客的出游與消費(fèi)意愿，消費(fèi)水平效應(yīng)對(duì)于脫鉤的抑制作用則在這一時(shí)期得到強(qiáng)化，旅游消費(fèi)支出的過(guò)度增長(zhǎng)成為阻礙脫鉤實(shí)現(xiàn)的主要因素[20]?？傮w而言，這一時(shí)期擴(kuò)張性負(fù)脫鉤-弱脫鉤的變化趨勢(shì)雖在一定程度上表明旅游增長(zhǎng)與環(huán)境保護(hù)協(xié)同效應(yīng)在不斷強(qiáng)化，但這與實(shí)現(xiàn)行業(yè)強(qiáng)脫鉤的目標(biāo)仍存在較大差距。

2.3.4 ? ?整體研究時(shí)期：1991—2018年

總體而言，消費(fèi)水平效應(yīng)在研究時(shí)期內(nèi)平均脫鉤系數(shù)值為0.56，是阻礙旅游業(yè)脫鉤的主要影響因素。這說(shuō)明近年來(lái)人均旅游消費(fèi)的持續(xù)增長(zhǎng)是旅游碳排放量持續(xù)攀升的主要原因，也從側(cè)面印證了旅游活動(dòng)具有不同于日常活動(dòng)的“高碳”屬性[40]。此外，與相關(guān)研究的結(jié)果保持一致[17-18]，游客規(guī)模效應(yīng)是脫鉤過(guò)程中另一主要負(fù)面影響因素，年均脫鉤指數(shù)值達(dá)到0.47。同時(shí)，值得注意的是，能源強(qiáng)度效應(yīng)是唯一對(duì)脫鉤實(shí)現(xiàn)具有正面效應(yīng)的因素，說(shuō)明降低能源強(qiáng)度是近年來(lái)旅游碳減排政策的主要抓手，而能源強(qiáng)度效應(yīng)波動(dòng)起伏的變化態(tài)勢(shì)，也反映了其在未來(lái)仍具有較大的減排潛力與空間。此外，能源結(jié)構(gòu)效應(yīng)和收入結(jié)構(gòu)效應(yīng)的脫鉤指數(shù)值在研究期間始終都在0值附近徘徊，表明它們?cè)诿撱^中的作用相對(duì)較小，但仍不可忽視其在脫鉤過(guò)程中的潛力。優(yōu)化旅游能源使用結(jié)構(gòu)與促進(jìn)旅游產(chǎn)業(yè)轉(zhuǎn)型升級(jí)、提質(zhì)增效，努力消除二者對(duì)旅游業(yè)脫鉤的抑制效應(yīng)，亦是實(shí)現(xiàn)旅游業(yè)可持續(xù)發(fā)展的關(guān)鍵突破口。

2.4 驅(qū)動(dòng)因素的動(dòng)態(tài)效應(yīng)分析

制定有效的政策或措施以促進(jìn)旅游增長(zhǎng)與碳排放脫鉤，既要求厘清脫鉤狀態(tài)變化的驅(qū)動(dòng)因素，亦需要明確驅(qū)動(dòng)因素之間的交互影響機(jī)制。因此，本文將VAR模型中的預(yù)測(cè)誤差方差分解和脈沖響應(yīng)函數(shù)引入脫鉤指數(shù)分解框架，探究驅(qū)動(dòng)因素間的互動(dòng)效應(yīng)、沖擊程度和貢獻(xiàn)程度。

2.4.1 ? ?數(shù)據(jù)平穩(wěn)性檢驗(yàn)

為避免“偽回歸”的出現(xiàn)，在利用VAR模型進(jìn)行回歸之前，需要對(duì)時(shí)間序列的平穩(wěn)性進(jìn)行檢驗(yàn)，本文使用增廣的迪基-富勒（Augmented Dickey Fuller，ADF）單位根檢驗(yàn)方法進(jìn)行檢驗(yàn)。其結(jié)果表明，每個(gè)變量具有單位根的原假設(shè)在1%顯著水平下被拒絕，說(shuō)明時(shí)間序列數(shù)據(jù)的統(tǒng)計(jì)特性在研究時(shí)期內(nèi)均保持穩(wěn)定。

2.4.2 ? ?VAR模型穩(wěn)定性檢驗(yàn)

本文根據(jù)相關(guān)準(zhǔn)則（LR、FPE、AIC、SC、HQ）確定VAR模型最優(yōu)滯后期，結(jié)果顯示最優(yōu)滯后期為3。此外，格蘭杰因果檢驗(yàn)結(jié)果表明，De、Df、Dq和Dr為系統(tǒng)內(nèi)生變量，而Dg則為系統(tǒng)外生變量。最后，利用AR根圖示法對(duì)滯后3期的VAR模型穩(wěn)定性進(jìn)行檢驗(yàn)，結(jié)果顯示該模型的全部特征根均在單位圓內(nèi)，表明VAR模型是穩(wěn)定可靠的，可用于后續(xù)脈沖響應(yīng)函數(shù)與預(yù)測(cè)誤差方差分解分析。

2.4.3 ? ?動(dòng)態(tài)效應(yīng)結(jié)果及分析

圖4刻畫了脈沖響應(yīng)函數(shù)的結(jié)果，其中，橫軸表示脈沖沖擊后的年份，縱軸則表示響應(yīng)的大小與方向。而表2顯示了10年期間預(yù)測(cè)誤差方差分解的結(jié)果。

由圖4可知，與其他變量相比，能源結(jié)構(gòu)效應(yīng)對(duì)消費(fèi)水平效應(yīng)和游客規(guī)模效應(yīng)沖擊的反應(yīng)更為顯著，反應(yīng)方向較為相似，首先為正向，第三期變?yōu)樨?fù)向，最后在長(zhǎng)期趨于平穩(wěn)。這說(shuō)明，從需求端倡導(dǎo)游客采取低碳消費(fèi)方式在短期內(nèi)就能促進(jìn)能源結(jié)構(gòu)效應(yīng)向脫鉤方向轉(zhuǎn)化。同時(shí)，能源強(qiáng)度效應(yīng)對(duì)大多數(shù)變量的沖擊均有顯著反應(yīng)，其中，對(duì)消費(fèi)水平效應(yīng)沖擊的反應(yīng)方向表現(xiàn)為負(fù)向與正向交替變動(dòng)，并在第八期之后趨于平穩(wěn)，而對(duì)能源結(jié)構(gòu)效應(yīng)沖擊的反應(yīng)則較為平緩，但依然具有較長(zhǎng)的滯后期。這說(shuō)明，當(dāng)下調(diào)整旅游能源利用結(jié)構(gòu)與轉(zhuǎn)變旅游消費(fèi)方式的措施，將會(huì)在較長(zhǎng)時(shí)期內(nèi)促進(jìn)旅游能源強(qiáng)度的下降，進(jìn)而有助于實(shí)現(xiàn)總體脫鉤的目標(biāo)。然而，囿于我國(guó)以煤炭為主的基本能源供應(yīng)結(jié)構(gòu)，旅游行業(yè)能源結(jié)構(gòu)的優(yōu)化亦受到一定程度的剛性約束[41]。因此，如何通過(guò)優(yōu)化旅游產(chǎn)業(yè)結(jié)構(gòu)，從需求端激發(fā)旅游能源結(jié)構(gòu)調(diào)整的減排潛力仍是今后研究關(guān)注的重點(diǎn)問(wèn)題。最后，消費(fèi)水平效應(yīng)與游客規(guī)模效應(yīng)對(duì)能源結(jié)構(gòu)效應(yīng)沖擊的反應(yīng)均相當(dāng)顯著。其中，消費(fèi)水平效應(yīng)對(duì)能源結(jié)構(gòu)效應(yīng)沖擊的反應(yīng)方向在第一期為負(fù)向，到第五期轉(zhuǎn)為負(fù)向，在長(zhǎng)期趨于穩(wěn)定。而游客規(guī)模效應(yīng)對(duì)能源結(jié)構(gòu)效應(yīng)沖擊的反應(yīng)方向則是在第一期為正向，隨即轉(zhuǎn)為負(fù)向，并在第七期后趨于平穩(wěn)。

從預(yù)測(cè)方差分解的結(jié)果可觀測(cè)到，相對(duì)與其他變量而言，消費(fèi)水平效應(yīng)（15.01%）與收入結(jié)構(gòu)效應(yīng)（15.76%）的沖擊能很好地解釋能源結(jié)構(gòu)效應(yīng)在長(zhǎng)期的變動(dòng)，這凸顯了游客低碳環(huán)保意識(shí)的培養(yǎng)將會(huì)對(duì)旅游能源使用結(jié)構(gòu)的優(yōu)化產(chǎn)生顯著影響，進(jìn)而佐證了上述脈沖效應(yīng)分析的結(jié)果。能源結(jié)構(gòu)效應(yīng)與消費(fèi)水平效應(yīng)是解釋能源強(qiáng)度效應(yīng)變動(dòng)的主要因素，分別為50.31%和25.25%，表明采取旅游能源多樣化策略與先進(jìn)節(jié)能技術(shù)將有效地促進(jìn)旅游能源強(qiáng)度的降低。消費(fèi)水平效應(yīng)與游客規(guī)模效應(yīng)的變動(dòng)均受到多個(gè)因素的影響。其中，對(duì)于消費(fèi)水平效應(yīng)的變動(dòng)，能源結(jié)構(gòu)效應(yīng)、游客規(guī)模效應(yīng)和能源強(qiáng)度效應(yīng)分別貢獻(xiàn)41.56%、14.35%和6.47%;而游客規(guī)模效應(yīng)的變化則可以被消費(fèi)水平效應(yīng)（41.19%）、能源結(jié)構(gòu)效應(yīng)（38.02%）以及能源強(qiáng)度效應(yīng)（7.55%）解釋。綜上可見(jiàn)，各驅(qū)動(dòng)因素之間聯(lián)系緊密，相互影響。因此，旅游業(yè)脫鉤政策的制定應(yīng)更加重視保持各驅(qū)動(dòng)因素之間穩(wěn)定的均衡關(guān)系與動(dòng)態(tài)作用機(jī)制，以實(shí)現(xiàn)最大效用的協(xié)同脫鉤。

3 結(jié)論與討論

在推進(jìn)低碳旅游發(fā)展的同時(shí)不損害旅游經(jīng)濟(jì)持續(xù)增長(zhǎng)能力的低碳旅游恒定發(fā)展原則約束下，對(duì)旅游增長(zhǎng)與碳排放的動(dòng)態(tài)脫鉤關(guān)系進(jìn)行全面排查則顯得尤為迫切與必要[5]。鑒于此，本文以成都市為例，將LMDI分解技術(shù)與基于VAR模型的動(dòng)態(tài)效應(yīng)分析法引入傳統(tǒng)脫鉤指數(shù)模型中，構(gòu)建了新型的旅游增長(zhǎng)與碳排放脫鉤指數(shù)模型，對(duì)二者的動(dòng)態(tài)關(guān)系展開(kāi)系統(tǒng)深入研究，進(jìn)而為確立旅游業(yè)脫鉤的關(guān)鍵路徑與核心標(biāo)靶，促進(jìn)旅游業(yè)實(shí)現(xiàn)強(qiáng)脫鉤目標(biāo)提供詳實(shí)的實(shí)證支撐。相應(yīng)研究結(jié)果如下。

第一，研究時(shí)期內(nèi)，成都市旅游業(yè)碳排放量從9.24萬(wàn)t增長(zhǎng)到1374.32萬(wàn)t，且仍保持著較高的增長(zhǎng)態(tài)勢(shì)，這說(shuō)明實(shí)現(xiàn)旅游可持續(xù)發(fā)展任重而道遠(yuǎn)。此外，旅游業(yè)碳排放存在著顯著的部門差異性，其中，交通、住宿、餐飲和旅游活動(dòng)對(duì)旅游業(yè)碳排放增長(zhǎng)的平均貢獻(xiàn)分別達(dá)到88.77%、5.80%、3.30%與2.13%。這與相關(guān)研究結(jié)論基本保持一致[31]。

第二，就旅游增長(zhǎng)與碳排放脫鉤狀態(tài)而言，研究期間成都市旅游業(yè)分部門與總體脫鉤狀態(tài)以擴(kuò)張負(fù)脫鉤和弱脫鉤為主，均實(shí)現(xiàn)了整體上的弱脫鉤。同時(shí)，總體脫鉤狀態(tài)在研究時(shí)期呈現(xiàn)出弱脫鉤-擴(kuò)張性負(fù)脫鉤-弱脫鉤的演化趨勢(shì)。但是，值得注意的是，整體的弱脫鉤狀態(tài)僅能說(shuō)明旅游增長(zhǎng)對(duì)環(huán)境污染的依賴程度有所下降[42]，且0.806的平均脫鉤指數(shù)值較為接近弱脫鉤與擴(kuò)張性負(fù)脫鉤的臨界值，旅游業(yè)距離實(shí)現(xiàn)強(qiáng)脫鉤目標(biāo)仍存在較大差距。這表明旅游業(yè)脫鉤過(guò)程必然是曲折和艱難的，政 ?府有關(guān)部門必須從宏觀視角出發(fā)，整體把握旅游增長(zhǎng)與碳排放脫鉤階段，制定總體、長(zhǎng)期的旅游業(yè)可持續(xù)發(fā)展規(guī)劃，以實(shí)現(xiàn)旅游經(jīng)濟(jì)與環(huán)境保護(hù)的協(xié)同發(fā)展。

第三，從旅游增長(zhǎng)與碳排放脫鉤指數(shù)分解結(jié)果來(lái)看，能源強(qiáng)度效應(yīng)對(duì)實(shí)現(xiàn)脫鉤具有正向的促進(jìn)作用。因此，有關(guān)部門應(yīng)當(dāng)大力倡導(dǎo)旅游企業(yè)引進(jìn)低碳生產(chǎn)技術(shù)，將低碳理念融入旅游產(chǎn)品生命周期的各個(gè)環(huán)節(jié)（產(chǎn)品研發(fā)設(shè)計(jì)、產(chǎn)品制造與維護(hù)、產(chǎn)品銷售與消費(fèi)），同時(shí)，提高旅游產(chǎn)品中相關(guān)原材料采購(gòu)的環(huán)保準(zhǔn)入標(biāo)準(zhǔn)，構(gòu)建完善的綠色產(chǎn)業(yè)供應(yīng)鏈。此外，引導(dǎo)游客踐行低碳、環(huán)保的消費(fèi)理念，從行為控制層面減少游客對(duì)目的地環(huán)境的影響，亦是當(dāng)下降低旅游行業(yè)能源強(qiáng)度，促使旅游業(yè)實(shí)現(xiàn)脫鉤的一種有效手段。同時(shí)，游客規(guī)模效應(yīng)和消費(fèi)水平效應(yīng)是實(shí)現(xiàn)脫鉤的主要抑制因素，但考慮到旅游業(yè)在國(guó)民經(jīng)濟(jì)中戰(zhàn)略性支柱產(chǎn)業(yè)的地位，在當(dāng)前經(jīng)濟(jì)發(fā)展背景下，通過(guò)大規(guī)模抑制旅游規(guī)模增長(zhǎng)和消費(fèi)水平提升顯然不是實(shí)現(xiàn)脫鉤的明智之舉[18]。但是，在旅游可持續(xù)發(fā)展的背景下，仍需通過(guò)開(kāi)發(fā)替代產(chǎn)品、優(yōu)化出游路徑，實(shí)現(xiàn)從旅游需求側(cè)一端抑制旅游活動(dòng)中“高碳”產(chǎn)品（如航空、奢華配套設(shè)施等）支出規(guī)模的過(guò)度增長(zhǎng)，從而減緩消費(fèi)水平的提升對(duì)于脫鉤 ?實(shí)現(xiàn)的抑制作用。此外，采取財(cái)政手段將碳稅政策引入旅游領(lǐng)域亦被證明是實(shí)現(xiàn)低碳旅游的可取之道[43]。同時(shí)，也可采用碳標(biāo)簽、低碳產(chǎn)品供應(yīng)商證書等市場(chǎng)化政策消除旅游業(yè)碳排放交易市場(chǎng)信息不對(duì)稱弊端，從而達(dá)到促進(jìn)低碳消費(fèi)的目的。此外，能源結(jié)構(gòu)效應(yīng)和收入結(jié)構(gòu)效應(yīng)雖對(duì)脫鉤的影響不大且方向多變，但依然不能忽視其在旅游業(yè)脫鉤過(guò)程中的作用。大力開(kāi)發(fā)符合市場(chǎng)發(fā)展需求且具有低碳生態(tài)特質(zhì)的旅游業(yè)態(tài)，規(guī)劃建設(shè)旅游產(chǎn)業(yè)園以促進(jìn)旅游產(chǎn)業(yè)集群發(fā)展和行業(yè)運(yùn)營(yíng)提質(zhì)增效，加快推進(jìn)旅游產(chǎn)業(yè)清潔能源行動(dòng)計(jì)劃，強(qiáng)化旅游領(lǐng)域清潔能源對(duì)于傳統(tǒng)化石能源的替代效應(yīng)，亦是實(shí)現(xiàn)旅游業(yè)脫鉤的關(guān)鍵突破口。

第四，驅(qū)動(dòng)因素的動(dòng)態(tài)交互效應(yīng)結(jié)果顯示，能源結(jié)構(gòu)效應(yīng)對(duì)消費(fèi)水平效應(yīng)和游客規(guī)模效應(yīng)沖擊的反應(yīng)十分顯著，同時(shí)，能源結(jié)構(gòu)效應(yīng)與消費(fèi)水平效應(yīng)是解釋能源強(qiáng)度效應(yīng)變動(dòng)的主要因素，各驅(qū)動(dòng)因素之間在短期與長(zhǎng)期內(nèi)聯(lián)系緊密、相互影響，存在著復(fù)雜的交互影響機(jī)制。因此，考慮到旅游業(yè)與其他國(guó)民經(jīng)濟(jì)部門錯(cuò)綜復(fù)雜的關(guān)聯(lián)關(guān)系，為避免不同驅(qū)動(dòng)因素相互關(guān)聯(lián)而削弱整體脫鉤政策的有效性，有必要建立一個(gè)跨部門政策協(xié)同機(jī)制和設(shè)定中長(zhǎng)期旅游業(yè)脫鉤總體目標(biāo)，確保能夠在聚焦于如何實(shí)現(xiàn)降低旅游能源強(qiáng)度、優(yōu)化旅游產(chǎn)業(yè)結(jié)構(gòu)以及改善旅游消費(fèi)方式等方向的同時(shí)，能夠保持各驅(qū)動(dòng)因素之間穩(wěn)定均衡關(guān)系與動(dòng)態(tài)作用機(jī)制，以實(shí)現(xiàn)最大效用的協(xié)同脫鉤。

綜合而言，在旅游增長(zhǎng)與碳排放脫鉤關(guān)系研究領(lǐng)域中，不同于現(xiàn)有研究?jī)H停留在回答“脫鉤與否”的問(wèn)題[2，20]，本文通過(guò)將LMDI分解技術(shù)與基于VAR模型的動(dòng)態(tài)效應(yīng)分析法引入脫鉤指數(shù)模型中，構(gòu)建了新型的脫鉤分析框架，對(duì)旅游增長(zhǎng)與碳排放脫鉤關(guān)系展開(kāi)了系統(tǒng)研究，豐富了旅游業(yè)可持續(xù)發(fā)展研究文獻(xiàn)。然而，本文亦不可避免地存在一些局限。例如，囿于數(shù)據(jù)可獲取性，本文僅選取了單一地區(qū)作為研究靶向，研究結(jié)論豐富程度有所欠缺，后續(xù)研究將在數(shù)據(jù)可獲取的前提下選取更多的旅游城市進(jìn)行比較分析，進(jìn)一步實(shí)證檢驗(yàn)這一新型脫鉤分析框架的穩(wěn)健性與適用性。

參考文獻(xiàn)（References）

[1] WEAVER D， BECKEN S， DING P， et al. Research agenda for tourism and the Chinese dream[J]. Journal of Travel Research， 2014， 54（5）： 578-583.

[2] TANG Z， SHANG J， SHI C， et al. Decoupling indicators of CO2 emissions from the tourism industry in China： 1990-2012[J]. Ecological Indicators， 2014， 46： 390-397.

[3] SCOTT D， HALL C M， G?SSLING S. Global tourism vulnerability to climate change[J]. Annals of Tourism Research， 2019， 77： 49-61.

[4] 查建平， 王挺之， 馮宇. 低碳經(jīng)濟(jì)背景下中國(guó)旅游產(chǎn)業(yè)發(fā)展模式研究[J]. 資源科學(xué)， 2015， 37（3）： 565-572. [ZHA Jianping， WANG Tingzhi， FENG Yu. Tourism industry development patterns in China and a low carbon economy[J]. Resources Science， 2015， 37（3）： 565-572.]

[5] 查建平. 中國(guó)低碳旅游發(fā)展效率、減排潛力及減排路徑[J]. 旅游學(xué)刊， 2016， 31（9）： 101-112. [ZHA Jianping. Reducing carbon emissions in China’s tourism industry[J]. Tourism Tribune， 2016， 31（9）： 101-112.]

[6] TABATCHNAIA-TAMIRISA N， LOKE M K， LEUNG P， et al. Energy and tourism in Hawaii[J]. Annals of Tourism Research， 1997， 24（2）： 390-401.

[7] G?SSLING， S. Global environmental consequences of tourism[J]. Global Environmental Change-Human and Policy Dimensions， 2002， 12（4）： 283-302.

[8] LENZEN M， SUN Y， FATURAY F， et al. The carbon footprint of global tourism[J]. Nature Climate Change， 2018， 8（6）： 522-528.

[9] 曹輝. 城市旅游生態(tài)足跡測(cè)評(píng)——以福建省福州市為例[J]. 資源科學(xué)， 2007， 29（6）： 98-105. [CAO Hui. Evaluation of touristic ecological footprint of city： A case study of Fuzhou city in Fujian province[J]. Resources Science， 2007， 29（6）： 98-105.]

[10] 查建平. 旅游業(yè)能源消費(fèi)、CO2排放及低碳效率評(píng)估[J]. 中國(guó)人口·資源與環(huán)境， 2016， 26（1）： 47-54. [ZHA Jianping. Evaluation of energy consumption， carbon dioxide emission and low-carbon efficiency[J]. China Population， Resources and Enviroment， 2016， 26（1）： 47-54.]

[11] G?SSLING S， INSTITUTIONEN F S M O， DEPARTMENT O S M A， et al. Sustainable tourism development in developing countries： Some aspects of energy use[J]. Journal of Sustainable Tourism， 2000， 8（5）： 410-425.

[12] 鐘永德， 石晟屹， 李世宏， 等. 中國(guó)旅游業(yè)碳排放計(jì)量框架構(gòu)建與實(shí)證研究[J]. 中國(guó)人口·資源與環(huán)境， 2014，24（1）： 78-86. [ZHONG Yongde， SHI Shengyi， LI Shihong， et al. Empirical research on construction of measurement framework for tourism carbon emission in China[J]. China Population， Resources and Enviroment， 2014， 24（1）： 78-86.]

[13] LEE J W， BRAHMASRENE T. Investigating the influence of tourism on economic growth and carbon emissions： Evidence from panel analysis of the European Union[J]. Tourism Management， 2013， 38： 69-76.

[14] ZAMAN K， SHAHBAZ M， LOGANATHAN N， et al. Tourism development， energy consumption and environmental Kuznets curve： Trivariate analysis in the panel of developed and developing countries[J]. Tourism Management， 2016， 54： 275-283.

[15] KATIRCIOGLU S T. International tourism， energy consumption， and environmental pollution： The case of Turkey[J]. Renewable and Sustainable Energy Reviews， 2014， 36： 180-187.

[16] DANISH， WANG Z. Dynamic relationship between tourism， economic growth， and environmental quality[J]. Journal of Sustainable Tourism， 2018， 26（11）： 1928-1943.

[17] LIU J， FENG T， YANG X. The energy requirements and carbon dioxide emissions of tourism industry of Western China： A case of Chengdu city[J]. Renewable and Sustainable Energy Reviews， 2011， 15（6）： 2887-2894.

[18] 陶玉國(guó)， 黃震方， 吳麗敏， 等. 江蘇省區(qū)域旅游業(yè)碳排放測(cè)度及其因素分解[J]. 地理學(xué)報(bào)， 2014，69（10）： 1438-1448. [TAO Yuguo， HUANG Zhenfang， WU Limin， et al. Measuring carbon dioxide emissions for regional tourism and its factor decomposition： A case study of Jiangsu province[J]. Acta Geographica Sinica， 2014， 69（10）： 1438-1448.]

[19] 趙先超， 朱翔. 湖南省旅游業(yè)碳排放的初步估算及脫鉤效應(yīng)分析[J]. 世界地理研究， 2013， 22（1）： 166-175. [ZHAO Xianchao， ZHU Xiang. A rough estimation of CO2 emission and analysis of decoupling effects in tourism sector of Hunan[J]. World Regional Studies， 2013， 22（1）： 166-175.]

[20] CHEN L， THAPA B， YAN W. The Relationship between tourism， carbon dioxide emissions， and economic growth in the Yangtze River Delta， China[J]. Sustainability， 2018， 10（7）： 2118.

[21] CLIMENT F， PARDO A. Decoupling factors on the energy-output linkage： The Spanish case[J]. Energy Policy， 2007， 35（1）： 522-528.

[22] 王凱， 李娟， 席建超. 中國(guó)旅游經(jīng)濟(jì)增長(zhǎng)與碳排放的耦合關(guān)系研究[J]. 旅游學(xué)刊， 2014， 29（6）： 24-33. [WANG Kai， LI Juan， XI Jianchao. Linking between carbon dioxide emission and tourism economic growth in China[J]. Tourism Tribune， 2014， 29（6）： 24-33.]

[23] ? DIAKOULAKI D， MANDARAKA M. Decomposition analysis for assessing the progress in decoupling industrial growth from CO2 emissions in the EU manufacturing sector[J]. Energy Economics， 2007， 29（4）： 636-664.

[24] TSAI K， LIN T， LIN Y， et al. The carbon impact of international tourists to an island country[J]. Sustainability， 2018， 10（5）： 1386.

[25] ? TANG C， ZHONG L， NG P. Factors that influence the tourism industry’s carbon emissions： A tourism area life cycle model perspective[J]. Energy Policy， 2017， 109： 704-718.

[26] QIU X， FANG Y， YANG X， et al. Tourism eco-efficiency measurement， characteristics， and its influence factors in China [J]. Sustainability， 2017， 9（9）： 1634.

[27] BECKEN S， PATTERSON M. Measuring national carbon dioxide emissions from tourism as a key step towards achieving sustainable tourism[J]. Journal of Sustainable Tourism， 2006， 14（4）： 323-338.

[28] 魏艷旭， 孫根年， 馬麗君， 等. 中國(guó)旅游交通碳排放及地區(qū)差異的初步估算[J]. 陜西師范大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2012， 40（2）： 76-84. [WEI Yanxu， SUN Gennian， MA Lijun， et al. Estimating the carbon emissions and regional difference of tourism transport in China[J]. Journal of Shaanxi Normal University （Natural Science Edition）， 2012， 40（2）： 76-84.]

[29] 汪清蓉， 謝飛龍. 城市旅游業(yè)CO2排放態(tài)勢(shì)及旅游業(yè)低碳化發(fā)展模式[J]. 旅游學(xué)刊， 2014， 29（8）： 98-109. [WANG Qingrong， XIE Feilong. Urban tourism situation analysis on CO2 emissions and future low carbon scenarios based on decoupling theory and Kaya identities[J]. Tourism Tribune， 2014， 29（8）： 98-109.]

[30] 譚秋成. 中國(guó)農(nóng)業(yè)溫室氣體排放：現(xiàn)狀及挑戰(zhàn)[J]. 中國(guó)人口·資源與環(huán)境， 2011， 21（10）： 69-75. [TAN Qiucheng. Greenhouse gas emission in China’s agriculture： Situation and challenge[J]. China Population， Resources and Enviroment， 2011， 21（10）： 69-75.]

[31] 石培華， 吳普. 中國(guó)旅游業(yè)能源消耗與CO2排放量的初步估算[J]. 地理學(xué)報(bào)， 2011， 66（2）： 235-243. [SHI Peihua， WU Pu. A rough estimation of energy consumption and CO2 emission in tourism sector of China[J]. Acta Geographica Sinica， 2011， 66（2）： 235-243.]

[32] 梁涵瑋， 倪玥琦， 董亮， 等. 經(jīng)濟(jì)增長(zhǎng)與資源消費(fèi)的脫鉤關(guān)系——基于演化視角的中日韓美比較研究[J]. 中國(guó)人口·資源與環(huán)境， 2018， 28（5）： 8-16. [LIANG Hanwei， NI Yueqi， DONG Liang， et al. Decoupling relationship analysis between economic growth and resource consumption in China， Japan， South Korea and the United States： A transitional perspective[J]. China Population， Resources and Enviroment， 2018， 28（5）： 8-16.]

[33] TAPIO P. Towards a theory of decoupling： Degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J]. Transport Policy， 2005， 12（2）： 137-151.

[34] KAYA Y. Impact of Carbon Dioxide Emission Control on GNP Growth： Interpretation of Proposed Scenarios[R]. Paris： IPCC， 1990： 350-416.

[35] SU B， ANG B W. Structural decomposition analysis applied to energy and emissions： Some methodological developments[J]. Energy Economics， 2012， 34（1）： 177-188.

[36] ROINIOTI A， KORONEOS C. The decomposition of CO2 emissions from energy use in Greece before and during the economic crisis and their decoupling from economic growth[J]. Renewable and Sustainable Energy Reviews， 2017， 76： 448-459.

[37] ROBAINA ALVES M， MOUTINHO V. Decomposition analysis and innovative accounting approach for energy-related CO2 （carbon dioxide） emissions intensity over 1996―2009 in Portugal[J]. Energy， 2013， 57： 775-787.

[38] TODA H Y， YAMAMOTO T. Statistical inference in vector autoregressions with possibly integrated processes[J]. Journal of Econometrics， 1995， 66（66）： 225-250.

[38] ? HAN J. Carrying capacity of low carbon tourism environment in coastal areas from the perspective of ecological efficiency[J]. Journal of Coastal Research， 2018， 83（sp1）： 199-203.

[40] G?SSLING S， MICHL HALL C， INSTITUTIONEN F S M O， et al. Swedish tourism and climate change mitigation： An emerging conflict？[J]. Scandinavian Journal of Hospitality and Tourism， 2008， 8（2）： 141-158

[41] ? 王迪， 聶銳. 江蘇省節(jié)能減排影響因素及其效應(yīng)比較[J]. 資源科學(xué)， 2010， 32（7）： 1252-1258. [WANG Di， NIE Rui. Analysis and comparison of influencing factors on energy-saving and CO2 reductions for Jiangsu province[J]. Resources Science， 2010， 32（7）： 1252-1258.]

[42] 查建平， 唐方方， 傅浩. 中國(guó)能源消費(fèi)、碳排放與工業(yè)經(jīng)濟(jì)增 ?長(zhǎng)——一個(gè)脫鉤理論視角的實(shí)證分析[J]. 當(dāng)代經(jīng)濟(jì)科學(xué)， 2011， 33（6）： 81-89. [ZHA Jianping， TANG Fangfang， FU Hao. Energy consumption， carbon emission and industrial economic growth in China ― An empirical analysis based on decoupling theory[J]. Modern Economic Science， 2011， 33（6）： 81-89.]

[43] ? ZHANG J， ZHANG Y. Carbon tax， tourism CO2 emissions and economic welfare[J]. Annals of Tourism Research， 2018， 69： 18-30.

Decoupling Relationship between Tourism Growth and Carbon Emissions and

the Associated Driving Factors： A Novel Analytic Framework

ZHA Jianping， DAI Jiaquan， LIU Keji， YU Qiao， ZHOU Zhijian

（School of Tourism， Sichuan University， Chengdu 610065， China）

Abstract： In light of climate change， clarifying the dynamic decoupling relationship between tourism growth and carbon emissions in China in addition to identifying the associated driving factors are of great significance toward achieving sustainable tourism. In this paper， we extended the Tapio decoupling index model by adding the logarithmic mean Divisia index decomposition method and vector autoregressive model; in that way， we constructed a new tourism-environment decoupling analytic framework. We adopted that approach with Chengdu： we investigated the dynamic decoupling relationship between tourism growth and carbon emissions in addition to the associated driving factors there for 1991—2018. We obtained the following results. First， tourism-related carbon emissions maintained a relatively high growth trend in the study period， the growth curve of tourism-related carbon emissions can be divided into two phases： a relatively slow growth phase from 1991 to 2008 and a rapid growth phase from 2008 to 2018， and there is a big difference in carbon emissions among four tourism subsectors in the study period. Second， there was an overall weak decoupling of tourism growth from carbon emissions： the average decoupling index was 0.806. We divided the study period into three phases： a fluctuating weak decoupling stage （1991—2003）; an overall expansive negative decoupling stage （2004—2012）; and a stable weak decoupling stage （2013—2018）. Third， during the study period， only the decoupling index of energy intensity consistently played a promoting role in the decoupling process; the decoupling index of consumption level and decoupling index of tourism scale played a restraining role; the decoupling index of energy structure and decoupling index of income structure played an insignificant role. Fourth， various driving factors were markedly linked with one another in both the short and long term. Effective decoupling of growth and carbon emissions in China’s tourism industry requires initiatives with a strategic focus on maintaining the synergistic relationship among different decoupling strategies （e.g.， reducing energy intensity， optimizing industry structure， and improving expenditure patterns）.

Keywords： tourism carbon emissions; decoupling index model; LMDI （logarithmic mean Divisia index） decomposition method; dynamic effect analysis; Chengdu

[責(zé)任編輯：吳巧紅;責(zé)任校對(duì)： 鄭 ? ?果]