呂雁琴，范天正，張晉寧

（1. 新疆大學(xué) 經(jīng)濟(jì)與管理學(xué)院，新疆 烏魯木齊 830046；2. 山東大學(xué) 商學(xué)院，山東 威海 264209）

氣候變化是當(dāng)今人類面臨的重大全球性挑戰(zhàn)，碳排放量的不斷增加導(dǎo)致海平面上升、干旱期增加、農(nóng)業(yè)產(chǎn)量減少等問(wèn)題的頻發(fā)[1]，故促進(jìn)低碳發(fā)展已然成為人類亟須解決的問(wèn)題之一。為突破資源環(huán)境瓶頸制約、推進(jìn)綠色低碳循環(huán)發(fā)展，中國(guó)政府一直積極對(duì)待二氧化碳排放問(wèn)題，并承諾努力在2030年前實(shí)現(xiàn)碳達(dá)峰、2060年前實(shí)現(xiàn)碳中和，由此可見(jiàn)，中國(guó)政府決心進(jìn)一步推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)變，踐行綠色低碳循環(huán)發(fā)展的理念。此外，隨著交通基礎(chǔ)設(shè)施的不斷完善與發(fā)展，交通運(yùn)輸業(yè)在中國(guó)目前屬于加速擴(kuò)張階段，在大量化石能源的消耗下已然成為中國(guó)碳排放的第二大來(lái)源，據(jù)國(guó)際能源署預(yù)測(cè)，到2035年中國(guó)交通運(yùn)輸業(yè)的碳排放量將占到世界交通運(yùn)輸業(yè)碳排放量的三分之一以上[2]。由此可見(jiàn)，中國(guó)交通運(yùn)輸業(yè)是碳減排工作中應(yīng)重點(diǎn)關(guān)注的部門(mén)，然而，作為我國(guó)經(jīng)濟(jì)發(fā)展的支柱產(chǎn)業(yè)，片面追求碳減排反而不利于交通運(yùn)輸業(yè)的高質(zhì)量發(fā)展，而兼顧經(jīng)濟(jì)增長(zhǎng)與環(huán)境優(yōu)化的高效率發(fā)展才是促進(jìn)交通運(yùn)輸業(yè)高質(zhì)量發(fā)展的價(jià)值旨?xì)w[3]。因此，我們不禁要提出疑問(wèn)，中國(guó)交通運(yùn)輸碳排放效率趨勢(shì)如何？影響中國(guó)交通運(yùn)輸碳排放效率的因素有哪些？以及這些因素又呈現(xiàn)出怎樣的時(shí)空影響特征？對(duì)于如上問(wèn)題的回答，一方面能準(zhǔn)確把握中國(guó)交通運(yùn)輸碳排放效率的時(shí)空足跡，另一方面可以針對(duì)不同影響因素，提出相關(guān)政策建議，以更好地踐行低碳發(fā)展理念，這對(duì)實(shí)現(xiàn)中國(guó)乃至其他發(fā)展中國(guó)家的交通運(yùn)輸業(yè)高質(zhì)量發(fā)展都具有重要的現(xiàn)實(shí)意義。

1 文獻(xiàn)綜述

碳排放效率概念出現(xiàn)已經(jīng)有較長(zhǎng)的時(shí)間，最早時(shí)很多學(xué)者將碳排放效率定義為單位GDP所產(chǎn)生的二氧化碳排放量[4]，以此來(lái)衡量在最小污染下所取得的最大經(jīng)濟(jì)成就。但是最早的碳排放效率定義僅僅只是將碳排放和經(jīng)濟(jì)發(fā)展結(jié)合起來(lái)，忽略了和其他生產(chǎn)要素之間的互動(dòng)聯(lián)系，因此后來(lái)很多學(xué)者基于投入—產(chǎn)出關(guān)系的視角來(lái)定義碳排放效率[5-7]。延續(xù)該思路，隨機(jī)前沿法逐漸被運(yùn)用到交通運(yùn)輸行業(yè)碳排放效率的測(cè)度中，如平智毅等[8]利用SFA模型對(duì)長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省份的交通運(yùn)輸碳排放效率進(jìn)行計(jì)算，并通過(guò)核密度分析各省份效率的動(dòng)態(tài)演進(jìn)。雖然SFA分析方法受特殊點(diǎn)的影響較小，具有一定的穩(wěn)定性，但當(dāng)存在多產(chǎn)出情況時(shí)，SFA分析方法并不如DEA方法簡(jiǎn)便，因此DEA方法在近些年來(lái)被大量學(xué)者用來(lái)對(duì)交通運(yùn)輸碳排放效率進(jìn)行測(cè)度。Park等[9]基于美國(guó)國(guó)家數(shù)據(jù)和SBM模型計(jì)算了美國(guó)50個(gè)州交通部門(mén)的環(huán)境效率，Liu等[10]同樣也使用SBM模型測(cè)算了2009—2012年中國(guó)陸地運(yùn)輸?shù)恼w效率，并對(duì)鐵路運(yùn)輸和公路運(yùn)輸子部門(mén)碳排放效率進(jìn)行評(píng)價(jià)分析。SBM模型會(huì)導(dǎo)致有效率的決策單元之間無(wú)法區(qū)分，很多學(xué)者在此基礎(chǔ)上結(jié)合超效率模型來(lái)解決此問(wèn)題，如周銀香和洪興建[11]利用Super-SBM評(píng)估中國(guó)交通六個(gè)行業(yè)的碳排放效率，基于此探究效率的內(nèi)部驅(qū)動(dòng)與外部沖擊效應(yīng)。

除此之外，也有一部分學(xué)者的研究圍繞著交通碳排放效率的影響因素來(lái)展開(kāi)。袁長(zhǎng)偉等[12]指出政府干預(yù)對(duì)交通碳排放效率的影響是個(gè)動(dòng)態(tài)變化過(guò)程，前期政府干預(yù)會(huì)對(duì)交通行業(yè)的創(chuàng)新具有“補(bǔ)償效應(yīng)”，促進(jìn)碳排放效率的提高，而當(dāng)交通運(yùn)輸業(yè)發(fā)展到一定程度時(shí)，“創(chuàng)新補(bǔ)償效應(yīng)”會(huì)轉(zhuǎn)變?yōu)椤白裱杀拘?yīng)”，造成大量不必要投入資源的浪費(fèi)，抑制交通碳排放效率。同時(shí)，袁長(zhǎng)偉等[13]還認(rèn)為人口規(guī)模的擴(kuò)大帶來(lái)了更多碳排放，不利于效率的提升，而科技的進(jìn)步能大量降低碳排放，使付出的成本被收益沖銷，拉動(dòng)效率的提升。董夢(mèng)如等[14]基于Tobit模型分析了海洋運(yùn)輸業(yè)碳排放效率的驅(qū)動(dòng)因素，認(rèn)為能源利用效率的提升與能源結(jié)構(gòu)的優(yōu)化能降低對(duì)化石能源的依賴程度，從而減少能源投入和二氧化碳的排放，促進(jìn)海洋運(yùn)輸業(yè)碳排放效率的提升。但逐漸有學(xué)者也注意到了普通面板模型的局限性，逐漸開(kāi)始從空間角度展開(kāi)影響因素分析。如Peng等[15]通過(guò)中國(guó)2004—2016的省級(jí)數(shù)據(jù)研究發(fā)現(xiàn)，中國(guó)交通運(yùn)輸業(yè)處于庫(kù)茨涅茲曲線的下行階段，本地GDP的增長(zhǎng)會(huì)使得人們重視環(huán)境保護(hù)，促進(jìn)交通碳排放效率的提升，但周邊地區(qū)人均GDP的提高會(huì)掠奪本地資源，抑制本地碳排放效率，具有負(fù)外部性。

目前學(xué)術(shù)界對(duì)于交通運(yùn)輸碳排放效率的測(cè)度及影響因素研究較多且較為全面，但值得注意的是，測(cè)度各省域交通運(yùn)輸碳排放效率是為了更好地協(xié)調(diào)產(chǎn)業(yè)發(fā)展和環(huán)境污染之間的關(guān)系，碳排放作為非期望產(chǎn)出則需單獨(dú)考慮。雖然目前學(xué)術(shù)界已有學(xué)者注意到此問(wèn)題[16-17]，但是卻很少有學(xué)者將非期望產(chǎn)出納入模型的同時(shí)讓有效率的決策單元之間也能夠被區(qū)分。因此，本文選用非期望產(chǎn)出的超效率SBM模型能更加準(zhǔn)確地對(duì)交通運(yùn)輸碳排放效率進(jìn)行測(cè)度。除此之外，多數(shù)研究成果僅限于不同因素對(duì)交通運(yùn)輸碳排放效率的全局回歸分析，極少有學(xué)者停留在對(duì)影響因素時(shí)空異質(zhì)性的分析上。中國(guó)各地區(qū)的經(jīng)濟(jì)社會(huì)、交通運(yùn)輸產(chǎn)業(yè)、能源使用狀況等差距迥異，對(duì)交通運(yùn)輸行業(yè)減碳政策的制定需要充分考慮影響因素在時(shí)間上和空間上的差異性，而本文的研究則能在一定程度上彌補(bǔ)現(xiàn)有研究的不足。同時(shí)，本文利用GTWR模型能與效率測(cè)度的結(jié)果進(jìn)行一定的銜接，從而更好地解釋交通運(yùn)輸碳排放效率在中國(guó)分布不均的原因，使得本文的研究更為完整。

2 研究方法與數(shù)據(jù)來(lái)源

2.1 非期望產(chǎn)出的超效率SBM模型

由于傳統(tǒng)的SBM模型將效率超過(guò)1的DMU取值為1，導(dǎo)致有效率的DMU之間無(wú)法區(qū)分，并且SBM模型還忽視了負(fù)外部效應(yīng)的非期望產(chǎn)出問(wèn)題[18]，因此傳統(tǒng)的SBM模型并不適合本文效率的測(cè)度。Tone[19]在此基礎(chǔ)上綜合了超效率模型和SBM模型的優(yōu)勢(shì)，將非期望產(chǎn)出納入的同時(shí)將有效率的DMU之間進(jìn)行區(qū)分。模型如下：

式中：ρ為各省份交通運(yùn)輸碳排放效率值，n為決策單元DMU的數(shù)量，m、r1、r2分別為每個(gè)DMU的投入、期望產(chǎn)出和非期望產(chǎn)出；x、yd、yu分別對(duì)應(yīng)為DMU的投入矩陣、期望產(chǎn)出矩陣和非期望產(chǎn)出矩陣的元素。

2.2 時(shí)空地理加權(quán)回歸模型（GTWR）

GWR模型關(guān)注某個(gè)時(shí)點(diǎn)空間非平穩(wěn)性，因此在截面數(shù)據(jù)樣本量的限制下極易影響解釋的穩(wěn)定性，同時(shí)GWR模型忽視了時(shí)間維度的變化趨勢(shì)，當(dāng)時(shí)間非平穩(wěn)性較為嚴(yán)重時(shí)會(huì)降低模型的效率和精度[20]。時(shí)空地理加權(quán)回歸模型（GTWR）突破這些局限性，在GWR模型中引入了時(shí)間維度，同時(shí)解決空間和時(shí)間非平穩(wěn)性問(wèn)題，模型如式（3）：

式中：i為樣本地區(qū)；u與v為樣本地區(qū)的坐標(biāo)；t為所需要測(cè)度的時(shí)間；β0(ui,vi,ti)為截距項(xiàng)；βk(ui,vi,ti)為解釋變量的估計(jì)系數(shù)。當(dāng)β＞0時(shí)，說(shuō)明解釋變量與被解釋變量之間呈正相關(guān)，反之則呈負(fù)相關(guān)。

Huang等[21]構(gòu)建時(shí)空窗寬和時(shí)空權(quán)重矩陣來(lái)刻畫(huà)不同區(qū)域間的最優(yōu)鄰近關(guān)系，有效反映不同變量間的時(shí)空非平穩(wěn)性。本文所采用的GTWR模型基于Huang等[21]所提出的高斯函數(shù)法時(shí)空權(quán)函數(shù)和時(shí)空距離，將時(shí)空二維度相結(jié)合，公式如下：

式中：i、j為不同樣本地區(qū)；λ、μ為比例因子，用來(lái)衡量不相關(guān)比例系統(tǒng)中的空間與時(shí)間距離的不同影響；bst為時(shí)空權(quán)函數(shù)的帶寬。

2.3 數(shù)據(jù)來(lái)源與指標(biāo)選取

鑒于數(shù)據(jù)的可獲得性，本文剔除西藏和港澳臺(tái)地區(qū)，以中國(guó)30個(gè)省份為樣本進(jìn)行研究。在指標(biāo)的選取上，結(jié)合目前學(xué)界關(guān)于交通運(yùn)輸碳排放效率的已有研究[3,12-13]，本文選取表1所示的投入產(chǎn)出指標(biāo)。需要注意的是：（1）由于交通運(yùn)輸行業(yè)數(shù)據(jù)的缺失，且倉(cāng)儲(chǔ)和郵政業(yè)所占的份額較少，因此交通運(yùn)輸行業(yè)相關(guān)指標(biāo)數(shù)據(jù)皆由交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)所替代。（2）交通運(yùn)輸行業(yè)固定資本投資額以2007年為基期，利用單豪杰的永續(xù)盤(pán)存法（PIA）將其換算成相應(yīng)的價(jià)值[18]。（3）本文中的能源消耗總量和碳排放核算主要包括原煤、汽油、煤油、柴油、燃料油、天然氣和電力七種能源，各能源消耗量按標(biāo)準(zhǔn)煤系數(shù)統(tǒng)一折合成標(biāo)準(zhǔn)煤，以此來(lái)計(jì)算交通運(yùn)輸行業(yè)的能源消耗總量[22]。（4）二氧化碳排放量的計(jì)算公式如式（6）：

表1 交通運(yùn)輸碳排放效率的投入產(chǎn)出指標(biāo)

式中：CT為交通運(yùn)輸行業(yè)各能源消耗所產(chǎn)生的碳排放總量，F(xiàn)C為六種化石燃料消耗量，ALC為能源的平均低熱值，C為含碳量，R表示氧化率，EC代表電力的消耗量，EF為電力碳排放因子。各能源的詳情參數(shù)值請(qǐng)參照《中國(guó)能源統(tǒng)計(jì)年鑒》和國(guó)家發(fā)改委所發(fā)表的省級(jí)溫室氣體清單編制指南。

3 實(shí)證結(jié)果與分析

3.1 總體特征

通過(guò)Matlab軟件測(cè)算出中國(guó)各省域2010—2019年交通運(yùn)輸碳排放效率值，表2給出了各省域10年間碳排放效率值的測(cè)算結(jié)果。

表2 2010—2019中國(guó)各省域交通運(yùn)輸碳排放效率測(cè)算結(jié)果

從地區(qū)層面來(lái)看，全國(guó)碳排放效率的年均值為0.433，各省域中年均值最低為0.155，最高為1.235，兩者之間相差8倍，說(shuō)明了交通運(yùn)輸碳排放效率水平在各省域之間的差異較大。碳排放效率年均值排名前五的省份依次為河北、江蘇、山東、河南、天津，河北省處于生產(chǎn)效率前沿面主要是因?yàn)槠涞靥庍B接南北的重要通道，是通往北京的交通要道和周圍港口的物資集散要地，優(yōu)越的地理位置使得河北省交通運(yùn)輸行業(yè)發(fā)展速度較快、產(chǎn)業(yè)增加值較高。再者，河北省毗鄰港口，鐵路和水路運(yùn)輸較為發(fā)達(dá)，這兩種運(yùn)輸方式所產(chǎn)生的碳排放較低，導(dǎo)致了河北省交通運(yùn)輸年均碳排放效率位于全國(guó)第一。而排名后五位的省份依次為遼寧、黑龍江、海南、青海和云南，云南省省內(nèi)屬于喀斯特地貌，且東部還處于云貴高原上，地形起伏較大、河流較多，不利的地形地貌使得云南省交通運(yùn)輸業(yè)產(chǎn)業(yè)增加值一直處于全國(guó)中下游水平。云南省發(fā)展交通運(yùn)輸業(yè)必須加大對(duì)基礎(chǔ)設(shè)施的投資，在高投入、低產(chǎn)出的影響下云南省交通運(yùn)輸碳排放效率位于較低水平。從時(shí)間層面來(lái)看，全國(guó)碳排放效率的年均增長(zhǎng)率為0.858%，說(shuō)明在國(guó)家出臺(tái)的優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和“美麗中國(guó)”等政策下，中國(guó)交通運(yùn)輸?shù)奶寂欧判收w表現(xiàn)為上升趨勢(shì)。在各省域中，云南省的碳排放效率增長(zhǎng)速度最快，年均增長(zhǎng)率達(dá)到14.646%，這主要是因?yàn)樵颇鲜〗煌ㄟ\(yùn)輸?shù)幕A(chǔ)設(shè)施較差，因此在近些年的不斷完善下展現(xiàn)出一定的后發(fā)優(yōu)勢(shì)使得交通運(yùn)輸業(yè)的產(chǎn)值增長(zhǎng)較快，從而拉動(dòng)碳排放效率的快速增長(zhǎng)。值得注意的是，也有一些省域呈現(xiàn)出負(fù)增長(zhǎng)的態(tài)勢(shì)，在所有省域中貴州省碳排放效率降低速度最快，年均負(fù)增長(zhǎng)4.801%，原因可能在于近兩年來(lái)貴州的交通完善度已經(jīng)發(fā)展到了一定程度，以往依托交通基礎(chǔ)設(shè)施的建設(shè)來(lái)拉動(dòng)產(chǎn)值的增長(zhǎng)，從而促進(jìn)碳排放效率的發(fā)展方式已達(dá)到瓶頸期，在期望產(chǎn)出增速放緩而非期望產(chǎn)出和投入依舊增長(zhǎng)的情況下，貴州交通碳排放效率呈下降趨勢(shì)。

3.2 GTWR模型估計(jì)

3.2.1 模型計(jì)算和相關(guān)檢驗(yàn)

通過(guò)上文分析可知，交通運(yùn)輸碳排放效率的時(shí)空差異明顯，從而使得影響因素的選取十分復(fù)雜。首先，參考目前已有文獻(xiàn)的研究[12,23-25]，選取10個(gè)可能影響中國(guó)交通運(yùn)輸碳排放效率的因素，詳情請(qǐng)見(jiàn)表3。其次，由于變量的選取方式會(huì)對(duì)GTWR模型的實(shí)證結(jié)果產(chǎn)生重要的影響，因此本文以AIC為評(píng)價(jià)準(zhǔn)則來(lái)對(duì)10個(gè)變量進(jìn)行逐步回歸[26]，最終選取出人均GDP、人口規(guī)模、科技水平、能源利用效率、政府干預(yù)和能源結(jié)構(gòu)這六個(gè)驅(qū)動(dòng)因素，實(shí)現(xiàn)模型同時(shí)達(dá)到局部和全局最優(yōu)，使得本文實(shí)證結(jié)果更為可信。

表3 中國(guó)交通運(yùn)輸碳排放效率影響因素指標(biāo)體系

為避免各影響因素之間存在多重共線性問(wèn)題，本文運(yùn)用Stata軟件對(duì)各解釋變量進(jìn)行方差膨脹因子（VIF）檢驗(yàn)，結(jié)果顯示各解釋變量的VIF值均小于7.5，不具有明顯的多重共線性問(wèn)題。本文在GTWR模型回歸前還需要檢驗(yàn)各變量的空間相關(guān)性，如果忽視了各變量之間的空間互動(dòng)關(guān)系，回歸結(jié)果則會(huì)產(chǎn)生偏誤，各變量的全局Moran’s I指數(shù)如表4所示。結(jié)果顯示，無(wú)論是基于鄰接矩陣還是地理距離矩陣，大部分的變量均具有空間自相關(guān)性，因此從空間角度進(jìn)行交通碳排放效率的影響因素分析能更貼合實(shí)際。在對(duì)空間模型進(jìn)行選擇時(shí)，由于交通碳排放效率和各影響因素之間的關(guān)系處于動(dòng)態(tài)變化之中，回歸的系數(shù)會(huì)因時(shí)間和省份而產(chǎn)生不同，而傳統(tǒng)的空間計(jì)量模型均值回歸的結(jié)果則無(wú)法對(duì)這種變化進(jìn)行有效捕捉?；诖?，本文利用GTWR局部空間回歸模型進(jìn)行實(shí)證分析，探究各解釋變量回歸系數(shù)的時(shí)空異質(zhì)性。另外，需對(duì)面板數(shù)據(jù)進(jìn)行時(shí)空非平穩(wěn)性檢驗(yàn)，基于AIC值和擬合優(yōu)度R2將時(shí)空地理加權(quán)回歸（GTWR）模型與最小二乘（OLS）、地理加權(quán)回歸（GWR）和時(shí)間加權(quán)回歸（TWR）四種模型進(jìn)行對(duì)比[27-28]，若AIC值越小且R2越大，則該模型就會(huì)越優(yōu)。當(dāng)GTWR模型優(yōu)于OLS模型時(shí)，回歸系數(shù)將具有局部非平穩(wěn)性；當(dāng)GTWR模型優(yōu)于GWR模型時(shí)，回歸系數(shù)則具有時(shí)間非平穩(wěn)性；當(dāng)GTWR模型優(yōu)于TWR模型時(shí)，回歸需要考慮空間非平穩(wěn)性對(duì)被解釋變量的影響。非平穩(wěn)性檢驗(yàn)結(jié)果見(jiàn)表5，由模型之間的比較可知，GTWR模型的R2和AIC值均優(yōu)于其他模型，數(shù)據(jù)在時(shí)間距離和空間距離上的非平穩(wěn)性均存在，表明GTWR模型在分析時(shí)空數(shù)據(jù)上具有更好的效果。

表4 全局Moran’s I指數(shù)結(jié)果

表5 非平穩(wěn)性檢驗(yàn)結(jié)果

本文基于2010—2019年中國(guó)30個(gè)省域的面板數(shù)據(jù)，構(gòu)建時(shí)空地理加權(quán)回歸模型（GTWR），計(jì)算出6個(gè)變量在歷年對(duì)各個(gè)省域交通運(yùn)輸碳排放效率影響的回歸系數(shù)，從而更直觀地揭示各個(gè)變量的影響力在時(shí)間和空間上的差異性，影響因素回歸系數(shù)描述統(tǒng)計(jì)結(jié)果如表6所示。借鑒李英利[29]的方法來(lái)考察各解釋變量的顯著性問(wèn)題，由表中數(shù)據(jù)可知，各解釋變量的顯著性占比遠(yuǎn)超50%，本文認(rèn)為在高斯權(quán)重下各解釋變量均具有較強(qiáng)解釋力。從最小值和最大值來(lái)看，除人口規(guī)模外其余影響因素的回歸系數(shù)跨度較大，這說(shuō)明了影響因素在時(shí)空上的不穩(wěn)定性，時(shí)空異質(zhì)性明顯。從回歸系數(shù)的平均值來(lái)看，政府干預(yù)對(duì)碳排放效率的影響最大，其次是能源結(jié)構(gòu)、人均GDP和能源利用效率，相比而言，人口規(guī)模和科技水平的影響程度相對(duì)較小。因此，本文接下來(lái)分別從時(shí)間維度和空間維度來(lái)探討各影響因素的異質(zhì)性問(wèn)題。

表6 影響因素回歸系數(shù)描述統(tǒng)計(jì)

3.2.2 影響因素的時(shí)間演化分析

整理各驅(qū)動(dòng)因素在不同時(shí)空位置上對(duì)交通運(yùn)輸碳排放效率的貢獻(xiàn)系數(shù)，進(jìn)而通過(guò)箱線圖的方式繪制出各系數(shù)在時(shí)間維度上的變化趨勢(shì)，詳見(jiàn)圖1，具體到各因素而言：

圖1 GTWR回歸系數(shù)的時(shí)間序列變化趨勢(shì)

（1）人均GDP對(duì)交通運(yùn)輸碳排放效率的負(fù)向影響表現(xiàn)在中國(guó)的絕大多數(shù)地區(qū)，僅有少數(shù)幾個(gè)省域的回歸系數(shù)為正，且負(fù)向影響的作用隨著時(shí)間的推移正在不斷地降低。這主要是因?yàn)槿司鵊DP較高的地區(qū)人們出行活動(dòng)就會(huì)增多，對(duì)商品、資源的交換需求相對(duì)較為旺盛，從而導(dǎo)致交通運(yùn)輸時(shí)排出的碳排放量較多，人均GDP對(duì)交通運(yùn)輸碳排放效率從整體上看呈現(xiàn)出負(fù)向作用。但是，出行活動(dòng)的增多也能刺激當(dāng)?shù)亟煌ㄟ\(yùn)輸業(yè)產(chǎn)值的增加，再加上近些年來(lái)在中國(guó)節(jié)能減排的號(hào)召下越來(lái)越多人選擇較為綠色的出行方式，在兩者的互相作用下，回歸系數(shù)的負(fù)向作用隨時(shí)間推移在不斷降低。

（2）人口規(guī)模箱線圖的中位數(shù)線在考察期內(nèi)基本在0值上，說(shuō)明人口規(guī)模對(duì)碳排放效率的影響在正負(fù)之間徘徊，結(jié)合上下四分線和邊緣線可知，兩者在前期主要是負(fù)相關(guān)關(guān)系，后期負(fù)相關(guān)性在不斷減弱而正向影響則在不斷加強(qiáng)。在前期，人口規(guī)模的擴(kuò)大促使交通運(yùn)輸活動(dòng)增多，碳排放的基數(shù)也隨之增大，降低了碳排放效率。而在后期，人口的增長(zhǎng)也會(huì)對(duì)交通運(yùn)輸業(yè)提出更高的發(fā)展要求，交通運(yùn)輸業(yè)的產(chǎn)業(yè)增加值也會(huì)隨之提升，當(dāng)交通運(yùn)輸基礎(chǔ)設(shè)施發(fā)展到一定程度時(shí)，人口的相對(duì)集中會(huì)發(fā)揮成本優(yōu)化效應(yīng)，通過(guò)共享基礎(chǔ)設(shè)施來(lái)提升能源和資源的利用效率，方便相關(guān)部門(mén)集中治理從而節(jié)約減排成本。

（3）能源結(jié)構(gòu)對(duì)交通運(yùn)輸碳排放效率的影響大多呈現(xiàn)出正相關(guān)性，但回歸系數(shù)表現(xiàn)出波動(dòng)下降的趨勢(shì)。天然氣、電力相比于煤類和油類能源來(lái)說(shuō)具有更少的污染性，清潔能源的消費(fèi)比重越大即能源結(jié)構(gòu)越合理，碳排放效率也就越高。正向作用的減弱主要由于中國(guó)的能源結(jié)構(gòu)是以煤炭為主，若想發(fā)展清潔能源勢(shì)必需要大量的資金投入。從投入產(chǎn)出的角度來(lái)看，能源結(jié)構(gòu)的優(yōu)化使得交通運(yùn)輸業(yè)資本投入隨著年份不斷增加，抵消了非期望產(chǎn)出的減少所帶來(lái)的部分作用，在箱線圖上表現(xiàn)為回歸系數(shù)基本為正，但處于波動(dòng)下降的趨勢(shì)。

（4）類似于能源結(jié)構(gòu)，能源利用效率對(duì)大部分省域交通運(yùn)輸碳排放效率的影響為正，且回歸系數(shù)隨著時(shí)間的推移離散程度在不斷增強(qiáng)。能源利用效率越高則意味著單位能源消耗能帶來(lái)的周轉(zhuǎn)量也就越多，在產(chǎn)出不變的情況下能源消費(fèi)投入的減少會(huì)促進(jìn)交通運(yùn)輸碳排放效率的提高。離散程度的增強(qiáng)得益于消費(fèi)需求的轉(zhuǎn)變，出于節(jié)約成本的意圖，人們購(gòu)買(mǎi)機(jī)動(dòng)車時(shí)會(huì)傾向于更加節(jié)能的車型，廠商對(duì)節(jié)能裝備的升級(jí)會(huì)越來(lái)越迅速，從而促使能源利用效率對(duì)交通運(yùn)輸碳排放效率的影響越來(lái)越大。

（5）政府干預(yù)與交通運(yùn)輸碳排放效率的回歸系數(shù)在研究期間基本為負(fù)，說(shuō)明政府的干預(yù)并不利于效率的提高，并且負(fù)向作用隨時(shí)間先下降后上升。出現(xiàn)這種現(xiàn)象主要是因?yàn)橹袊?guó)的經(jīng)濟(jì)發(fā)展到了一定階段，政府干預(yù)這種帶有強(qiáng)制屬性的管理工具會(huì)使得交通運(yùn)輸業(yè)在原有的技術(shù)水平上附加新的目標(biāo)約束，限制了交通運(yùn)輸業(yè)產(chǎn)值的增長(zhǎng)，反而對(duì)碳排放效率產(chǎn)生了消極作用。而負(fù)向作用先下降后上升是由于政府干預(yù)對(duì)碳排放效率也有其積極的一面，政府干預(yù)能矯正交通運(yùn)輸業(yè)的經(jīng)濟(jì)發(fā)展方式和提供資源環(huán)境的約束，在一定程度上能提高交通運(yùn)輸業(yè)的碳排放效率[30]，但有學(xué)者認(rèn)為這種作用隨著政府干預(yù)度達(dá)到一定高度后便會(huì)產(chǎn)生衰減[31]。在這兩種作用的影響下，政府干預(yù)度的負(fù)向作用呈現(xiàn)出先上升后下降的趨勢(shì)。

（6）科技水平對(duì)交通運(yùn)輸碳排放效率的影響從時(shí)間維度上來(lái)看變化幅度不大，基本是正向作用?？萍妓降奶岣吣芡苿?dòng)純動(dòng)力、氫能等新能源應(yīng)用的發(fā)展和節(jié)能技術(shù)水平的提升，從而促進(jìn)交通運(yùn)輸?shù)奶寂欧判?。時(shí)間上的變化不大說(shuō)明了科技水平對(duì)碳排放效率的影響并不是一個(gè)短期的過(guò)程，目前階段想要通過(guò)科技途徑來(lái)提高碳排放效率具有一定的難度。

3.2.3 影響因素的空間異質(zhì)性分析

根據(jù)GTWR的回歸結(jié)果，本文將每個(gè)地區(qū)各年份的回歸系數(shù)取平均數(shù)，并通過(guò)自然斷點(diǎn)法繪制出影響因素的空間分布圖，以便能更直觀地反映各驅(qū)動(dòng)因子對(duì)交通運(yùn)輸碳排放效率影響的空間異質(zhì)性，詳見(jiàn)圖2。

圖2 GTWR回歸系數(shù)的空間分布

（1）人均GDP對(duì)交通運(yùn)輸碳排放效率的回歸系數(shù)空間異質(zhì)性明顯，在空間上并未存在一致的正相關(guān)或者負(fù)相關(guān)，在-0.676 3～0.145 0之間均有分布。人均GDP系數(shù)為負(fù)且絕對(duì)值最大的省域依次為內(nèi)蒙古、山西、河北、北京和天津等，表明人均GDP的增長(zhǎng)會(huì)降低碳排放效率。這些地區(qū)主要是處于京津冀經(jīng)濟(jì)圈以及其輻射范圍內(nèi)，京津冀經(jīng)濟(jì)圈整合了多個(gè)省域的交通、物流等基礎(chǔ)設(shè)施，要素和產(chǎn)品在這些地區(qū)的流通會(huì)更加暢通，因此人均GDP的提高會(huì)使得資源的交換在這些地區(qū)更加明顯，交通運(yùn)輸?shù)奶寂欧鸥?，人均GDP對(duì)交通運(yùn)輸碳排放效率的負(fù)向作用更大。從整體上看，北方的負(fù)向作用高于南方，這可能是因?yàn)楸狈降慕?jīng)濟(jì)集聚高于南方，并且北方空氣干燥、溫度較低，不利于二氧化碳的擴(kuò)散，使得北方經(jīng)濟(jì)發(fā)展的代價(jià)高于南方。系數(shù)為正的地區(qū)主要為廣東和廣西，廣東地方政府一直把交通運(yùn)輸融入?yún)^(qū)域經(jīng)濟(jì)發(fā)展格局中，尤其是近些年來(lái)廣東省推動(dòng)粵港澳大灣區(qū)交通建設(shè)并被列為交通強(qiáng)國(guó)試點(diǎn)單位，促進(jìn)了交通經(jīng)濟(jì)的高質(zhì)量發(fā)展。由于經(jīng)濟(jì)的發(fā)展對(duì)交通運(yùn)輸業(yè)產(chǎn)值的影響要大于對(duì)碳排放量和能源消耗量的影響，從而表現(xiàn)為人均GDP和交通運(yùn)輸碳排放效率呈正向變動(dòng)關(guān)系。廣西主要是因?yàn)槠浣煌ㄟ\(yùn)輸業(yè)的產(chǎn)值較低，又靠近廣東，在自身后發(fā)優(yōu)勢(shì)和廣東省輻射作用的影響下，人均GDP的增長(zhǎng)推動(dòng)了人們交易活動(dòng)的增加，相比于碳排放和能源消耗的增加，更容易促進(jìn)交通運(yùn)輸業(yè)產(chǎn)值的增長(zhǎng)，從而表現(xiàn)為人均GDP和碳排放效率呈正向變動(dòng)關(guān)系。

（2）人口規(guī)模對(duì)交通運(yùn)輸碳排放效率的影響程度較小，系數(shù)正負(fù)在各地區(qū)之間均有分布，正相關(guān)主要集中在江蘇、浙江、福建等東部沿海省域以及中國(guó)的東北部，沿海這些省域主要由于經(jīng)濟(jì)發(fā)展較好并擁有較完善的交通基礎(chǔ)設(shè)施，大量人口的涌入對(duì)交通運(yùn)輸業(yè)提出了更高的發(fā)展需求，從而促進(jìn)了交通運(yùn)輸碳排放效率的提高。除此之外，中國(guó)沿海地區(qū)經(jīng)濟(jì)發(fā)展程度較高，依托自身經(jīng)濟(jì)優(yōu)勢(shì)所產(chǎn)生的“吸虹效應(yīng)”從內(nèi)陸地區(qū)吸引大量的高素質(zhì)人才，因此人口規(guī)模的擴(kuò)大一定程度上能推動(dòng)交通運(yùn)輸部門(mén)的創(chuàng)新，從而起到提高碳排放效率的作用。作為老工業(yè)基地的中國(guó)東北部，具有良好的交通基礎(chǔ)設(shè)施，但近些年來(lái)經(jīng)濟(jì)發(fā)展的遲緩導(dǎo)致人口流失嚴(yán)重，人口規(guī)模的擴(kuò)大則有利于東北部發(fā)揮成本優(yōu)化效應(yīng)，促進(jìn)碳排放效率的增長(zhǎng)。而負(fù)相關(guān)的地區(qū)主要分布在我國(guó)的中西部?jī)?nèi)陸地區(qū)，這些地區(qū)交通基礎(chǔ)設(shè)施相較于東部較為落后，無(wú)法承載過(guò)多的人口，并且人口的增多還會(huì)帶來(lái)大量的二氧化碳排放，降低碳排放效率。

（3）能源結(jié)構(gòu)的回歸系數(shù)在全國(guó)均呈現(xiàn)正相關(guān)效應(yīng)，高值主要分布在云南與東部沿海省域。鋼鐵、有色金屬等以煤為能源的高能耗產(chǎn)業(yè)是云南經(jīng)濟(jì)發(fā)展的支撐性產(chǎn)業(yè)[32]，這些產(chǎn)業(yè)致使云南整體的能源消費(fèi)結(jié)構(gòu)較為單一，對(duì)煤炭的依賴性較強(qiáng)，掣肘了交通運(yùn)輸碳排放效率的提升。但云南擁有良好的工業(yè)基礎(chǔ)和生態(tài)環(huán)境，水電裝置設(shè)備齊全、清潔能源蘊(yùn)藏巨大[33]，能源結(jié)構(gòu)的優(yōu)化能夠給云南交通運(yùn)輸碳排放效率的提升產(chǎn)生巨大影響。而東部沿海地區(qū)已率先實(shí)現(xiàn)了園區(qū)、碼頭和交通樞紐的電氣化改造，并配備了較完備的新能源裝置設(shè)備，因此東部沿海地區(qū)能充分吸收能源結(jié)構(gòu)優(yōu)化帶來(lái)的綠色效應(yīng)，從而減少大量的碳排放量，表現(xiàn)出相較于其他地區(qū)擁有更能提升交通運(yùn)輸碳排放效率的優(yōu)越性。

（4）能源利用效率對(duì)交通運(yùn)輸碳排放效率的影響既呈現(xiàn)負(fù)相關(guān)也呈現(xiàn)出正相關(guān)，負(fù)相關(guān)主要位于新疆地區(qū)，而正相關(guān)則分布在內(nèi)蒙古、山西、河北等北方地區(qū)和云南。新疆由于地域遼闊，運(yùn)輸?shù)狞c(diǎn)與點(diǎn)之間的距離較長(zhǎng)，鐵路運(yùn)輸與公路運(yùn)輸成為疆內(nèi)主要的交通運(yùn)輸方式。而目前中國(guó)清潔能源技術(shù)的推行主要集中于小型汽車上[34]，因此效率的提升難度較大，能源效率的提升只會(huì)加重交通運(yùn)輸業(yè)的投資，從而降低碳排放效率。內(nèi)蒙古、山西、河北等地均環(huán)繞在北京周圍，是進(jìn)京的必經(jīng)之地，周轉(zhuǎn)量較大。由于進(jìn)京里程較短，在新能源和節(jié)能技術(shù)的使用上更加方便，能源利用效率對(duì)交通運(yùn)輸碳排放效率的正相關(guān)明顯。云南則亟須改變能源的消費(fèi)結(jié)構(gòu)，在能源消耗更少的情況下釋放更多的周轉(zhuǎn)量。

（5）政府干預(yù)的回歸系數(shù)在大多數(shù)地區(qū)為負(fù)相關(guān)關(guān)系，且在東部地區(qū)和中部地區(qū)的影響更大，東部和中部地區(qū)交通經(jīng)濟(jì)發(fā)展較好，政府干預(yù)這種強(qiáng)制性管理工具只會(huì)更加不利于交通運(yùn)輸碳排放效率的提升[35]。而正相關(guān)關(guān)系則主要分布在新疆和東北地區(qū)。由于地域遼闊，新疆的交通完善度長(zhǎng)期處在全國(guó)的最低水平，交通經(jīng)濟(jì)的發(fā)展需要政府大量的投入來(lái)完善基礎(chǔ)設(shè)施建設(shè)，促進(jìn)交通運(yùn)輸業(yè)產(chǎn)值的增長(zhǎng)，因此政府干預(yù)和交通碳排放效率呈正相關(guān)性。東北地區(qū)雖然具有良好的交通基礎(chǔ)設(shè)施，但由于經(jīng)濟(jì)發(fā)展遲緩導(dǎo)致人口流失嚴(yán)重，以人為導(dǎo)向的交通運(yùn)輸業(yè)發(fā)展受阻，政府對(duì)交通運(yùn)輸業(yè)的支持政策能增加其產(chǎn)值，并且東北地區(qū)礦產(chǎn)資源豐富，新能源消費(fèi)比重較低，政府干預(yù)能矯正發(fā)展方式，推動(dòng)交通運(yùn)輸碳排放效率的增長(zhǎng)。

（6）科技對(duì)交通運(yùn)輸碳排放效率的影響系數(shù)為正的地區(qū)主要集中在中國(guó)的東中部，這些地區(qū)由于自身交通經(jīng)濟(jì)發(fā)展較好，加大科研的投入能促進(jìn)新能源和新技術(shù)的運(yùn)用，降低碳排放，從而提高交通運(yùn)輸碳排放效率[36]。而西部地區(qū)由于自身基礎(chǔ)較為薄弱，科研的投入會(huì)加大交通運(yùn)輸業(yè)的投資額，投入大于產(chǎn)出，從而降低了交通運(yùn)輸碳排放效率，西部地區(qū)目前應(yīng)選擇其他方式來(lái)提高交通碳排放效率會(huì)在短期內(nèi)更有成效。

4 結(jié)論與建議

研究交通碳排放效率對(duì)中國(guó)交通運(yùn)輸業(yè)高質(zhì)量發(fā)展具有重要意義，本文以2010—2019為研究節(jié)點(diǎn)，通過(guò)非期望超效率SBM模型來(lái)計(jì)算30個(gè)省域的交通運(yùn)輸碳排放效率，利用GTWR模型對(duì)影響交通運(yùn)輸碳排放效率的因素進(jìn)行時(shí)空非均衡性分析，可為兼顧交通經(jīng)濟(jì)的發(fā)展和碳減排目標(biāo)的推進(jìn)做出積極探索。主要結(jié)論如下：

（1）交通運(yùn)輸碳排放效率在空間上和時(shí)間上呈現(xiàn)不均衡的特征。從空間角度來(lái)看，碳排放效率排名前五的省份依次為河北、江蘇、山東、河南和天津，河北省處于生產(chǎn)效率前沿面，而排名后五位的省份依次為遼寧、黑龍江、海南、青海和云南。從時(shí)間角度來(lái)看，大部分省域在考察期內(nèi)表現(xiàn)為正增長(zhǎng)，云南省碳排放效率的年均增長(zhǎng)率最高，而有些省域則表現(xiàn)為負(fù)增長(zhǎng)的態(tài)勢(shì)，其中貴州省的下降速度最快。

（2）根據(jù)時(shí)空地理加權(quán)回歸模型結(jié)果，各驅(qū)動(dòng)因素對(duì)區(qū)域交通運(yùn)輸碳排放效率的影響呈現(xiàn)出明顯的時(shí)空異質(zhì)性。其中各項(xiàng)指標(biāo)對(duì)交通運(yùn)輸碳排放效率的影響既有正相關(guān)效應(yīng)，又有負(fù)相關(guān)效應(yīng)，時(shí)空差異明顯。從影響強(qiáng)度來(lái)看，政府干預(yù)對(duì)效率的影響最大，其次是能源結(jié)構(gòu)、人均GDP和能源利用效率，相比而言，人口規(guī)模和科技水平的影響程度相對(duì)較小。

（3）分別從時(shí)間維度和空間維度來(lái)看，人均GDP對(duì)交通運(yùn)輸碳排放效率主要為負(fù)向作用且負(fù)向影響的作用隨著時(shí)間的推移正在不斷地降低，負(fù)向作用在空間上主要分布在內(nèi)蒙古、山西、河北、北京和天津，而正向作用主要為廣東和廣西。人口規(guī)模對(duì)碳排放效率的影響在正負(fù)之間徘徊，前期主要是負(fù)相關(guān)關(guān)系，后期負(fù)相關(guān)性在不斷減弱而正向影響則在不斷加強(qiáng)，空間上正相關(guān)主要集中在江蘇、浙江、福建等東部沿海省域以及中國(guó)的東北部，而負(fù)相關(guān)的地區(qū)主要分布在我國(guó)的中西部?jī)?nèi)陸地區(qū)。能源結(jié)構(gòu)對(duì)交通運(yùn)輸碳排放效率的影響大多呈現(xiàn)出正相關(guān)性，但回歸系數(shù)表現(xiàn)出波動(dòng)下降的趨勢(shì)，正相關(guān)高值主要分布在云南與東部沿海省域。能源利用效率對(duì)大部分省域交通運(yùn)輸碳排放效率的影響為正向，且回歸系數(shù)隨著時(shí)間的推移離散程度在不斷增強(qiáng)，負(fù)相關(guān)主要位于新疆地區(qū)，而正相關(guān)則分布在內(nèi)蒙古、山西、河北等北方地區(qū)和云南省。政府干預(yù)與交通運(yùn)輸碳排放效率的回歸系數(shù)在研究期間基本為負(fù)，并且回歸系數(shù)隨時(shí)間先下降后上升，政府干預(yù)在東部地區(qū)和中部地區(qū)的影響更大?？萍妓綄?duì)交通碳排放效率的影響從時(shí)間維度上來(lái)看變化幅度不大，基本是正向作用，主要集中在中國(guó)的東中部。

由上文分析可知，以上影響因素對(duì)提高交通運(yùn)輸碳排放效率，促進(jìn)交通運(yùn)輸業(yè)高質(zhì)量發(fā)展具有不可替代的重要作用，因此本文從影響因素入手針對(duì)性地提出相應(yīng)建議。另外，由于本文實(shí)證結(jié)果顯示人口規(guī)模和科技發(fā)展水平對(duì)交通運(yùn)輸碳排放效率的影響程度較小，因此本文基于其他四項(xiàng)影響因素提出如下建議：

（1）人均GDP在中國(guó)絕大多數(shù)地區(qū)呈現(xiàn)出負(fù)向作用，但是在近些年來(lái)在環(huán)保政策的推動(dòng)下，這種負(fù)向作用在不斷減弱，因此，如何同時(shí)實(shí)現(xiàn)經(jīng)濟(jì)的發(fā)展和碳排放效率的提升是我們亟須解決的問(wèn)題?；诖?，政府應(yīng)該堅(jiān)定貫徹“綠水青山就是金山銀山”理念，交通運(yùn)輸業(yè)的發(fā)展絕不能以犧牲環(huán)境和破壞生態(tài)為代價(jià)，各地區(qū)應(yīng)轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式，由粗放式向集約式進(jìn)行轉(zhuǎn)變。經(jīng)濟(jì)發(fā)展往往還會(huì)與人口素質(zhì)同向變動(dòng)，因此政府在發(fā)展經(jīng)濟(jì)的同時(shí)應(yīng)大力倡導(dǎo)綠色出行，鼓勵(lì)用公共交通來(lái)代替私家車的使用，從而達(dá)到碳減排效果。

（2）能源結(jié)構(gòu)對(duì)交通碳排放效率的影響雖然在不斷減弱，但目前對(duì)中國(guó)各省域來(lái)說(shuō)仍具有一定作用。因此，政府應(yīng)推廣清潔能源的使用，多使用水電、風(fēng)電、天然氣等能源，加強(qiáng)綠色煤的開(kāi)發(fā)使用，盡量使用潔凈煤和優(yōu)質(zhì)煤。中西部地區(qū)清潔能源儲(chǔ)備豐富，應(yīng)加大對(duì)中西部地區(qū)園區(qū)、碼頭和交通樞紐能源裝置的改造，保障能充分吸收能源結(jié)構(gòu)調(diào)整帶來(lái)的綠色效應(yīng)。對(duì)于云南省這種以高能耗、高污染型產(chǎn)業(yè)為主要經(jīng)濟(jì)來(lái)源的地區(qū)，能源結(jié)構(gòu)調(diào)整還需要建立在產(chǎn)業(yè)結(jié)構(gòu)合理調(diào)整的基礎(chǔ)之上，注重發(fā)展低排放的高新技術(shù)產(chǎn)業(yè)。

（3）能源利用效率的影響程度在不斷增強(qiáng)，尤其是像在北京及其周邊省域地區(qū)，政府應(yīng)該鼓勵(lì)發(fā)展軌道交通和大容量公共交通，推進(jìn)新能源汽車的使用來(lái)降低能源消耗，建立完善的綠色交通體系。而對(duì)于新疆地區(qū)應(yīng)推廣多式連運(yùn)、裝箱運(yùn)輸?shù)冗\(yùn)輸形式來(lái)提高貨物的運(yùn)轉(zhuǎn)量，完善交通基礎(chǔ)設(shè)施的建設(shè)來(lái)提高運(yùn)輸效率。

（4）政府對(duì)交通運(yùn)輸碳排放效率的干預(yù)應(yīng)該因地制宜來(lái)進(jìn)行，對(duì)于西部地區(qū)和東北地區(qū)，政府應(yīng)該綜合其自身發(fā)展階段制定差別化的交通運(yùn)輸碳減排政策，并加大交通基礎(chǔ)設(shè)施的建設(shè)來(lái)刺激交通運(yùn)輸業(yè)產(chǎn)值的增長(zhǎng)。但是當(dāng)中西部交通運(yùn)輸業(yè)發(fā)展到一定程度時(shí)，政府也應(yīng)減少一些強(qiáng)制性政策的制定，避免強(qiáng)制屬性的管理工具造成交通運(yùn)輸業(yè)發(fā)展受阻。