京津冀一體化下交通運輸業碳排放核算及其影響因素研究

朱潛挺，王 萌，周芳妮，徐 瑞

(中國石油大學(北京) 經濟管理學院， 北京 102249)

十九大報告指出，構建生態文明是中華民族永續發展的千年大計，低碳發展已成為中國新的戰略機遇。北京作為國家的政治中心、文化中心，京津冀地區作為北方的經濟核心，京津冀城市群在貫徹落實生態文明低碳發展的國家戰略方面必然要率先開展碳減排，而交通運輸業作為京津冀地區的一個重要產業尤其值得關注。目前，京津冀地區交通運輸業在碳減排方面仍面臨一系列問題亟待解決。例如，當前的碳排放情況如何？是否具有某種變化規律？有哪些因素會對其帶來影響，影響程度如何？這種影響是否與京津冀地區的一體化發展戰略相關？以及如何制定城市碳減排政策？等等。基于此，本研究將首先對京津冀地區交通運輸業碳排放進行核算，并對其影響因素進行單個與整體的比較研究，探索不同影響因素在不同階段對碳排放量的影響程度，最終提出相應的政策建議。

一、國內外研究進展

城市在碳減排與實現經濟發展中扮演著重要角色，關于城市尺度的碳排放核算方法已得到許多學者和科研機構的關注。Mi等利用投入產出模型計算了中國13個城市基于消費的碳排放情況,發現基于消費和基于生產的兩種核算結果不論在總量和人均水平上均有明顯差異[1]; Shan等基于能源平衡表構建了包含47個社會經濟部門、17種化石燃料和9個基礎生產部門在內的中國城市碳排放數據估算方法[2]；全球大氣研究排放數據庫 (EDGAR) 、美國橡樹嶺國家實驗室CO2信息分析中心(CDIAC) 、歐盟聯合研究中心(JRC)等研究機構利用碳衛星數據或其他空間數據來反映不同地區的碳排放量。

在碳排放影響因素和控制策略方面，國內外有關學者也開展了相關探討。如1989 年日本學者Kaya首次用 IPAT模型研究了碳排放量的驅動因素[3]。繼Kaya后，Dietz 等將IPAT模型擴展為STIRPAT模型，并用此模型進行碳排放影響因素研究[4]。Shi采用STIRPAT模型驗證了人口規模對碳排放的影響巨大[5]。Shahbaz等指出城市化水平是馬來西亞能源消費的主要影響因素[6]。Wang等基于STIRPAT的拓展模型，在原有經濟水平、城市化水平、能源強度、產業比例等驅動因素的基礎上，增加第三產業比例和R&D投入作為評估科技實力的變量，對北京市的碳排放影響因素進行關聯分析[7]。Li等以天津市為例，利用拓展的STIRPAT模型，探索了天津市碳排放的主要影響因素[8]。黃蕊等探討了江蘇省能源消費碳排放的影響因素，選取人均GDP、能源強度和人口數量進行嶺回歸分析[9]。王立猛等采用STIRPAT模型驗證了人口數量是能源消費量的主要影響因素[10]。陳永國等基于STIRPAT-Regression模型，建立京津冀及周邊地區的區域模型，結果顯示經濟的增速對碳排放的增長起到了正向貢獻作用[11]。此外，不同學者對于碳排放模型的擬合方法不同，如時兆會基于STIRPAT模型采用偏最小二乘回歸對北京地區碳排放影響因素進行分析，討論了各個影響因素對碳排放的貢獻程度[12]；徐雪藝構建京津冀區域交通運輸業碳排放的系統動力學模型，模型預測結果表明發展城市軌道交通可以減少交通運輸碳排放量[13]；馮悅怡等采用LEAP模型以北京市為例對城市節能與碳排放政策進行情景分析[14]；呂倩等利用多元線性回歸分析與逐步回歸分析建立了碳排放驅動因素模型[15]。

目前，就交通運輸業而言，雖然相關碳排放問題已得到討論，但是仍有以下幾點不足：一是相關研究大多數集中于公路運輸、客運、貨運和航空運輸等運輸方式，而忽略整個運輸部門；二是多數研究從中國整體進行研究，而對于單個城市、區域整體進行研究的比較缺乏；三是少有研究從時間角度對模型的適用性進行深度探究，以建立更符合實際的多階段模型。為此，本研究以京津冀交通運輸業碳排放核算為起點，采用偏最小二乘法開展驅動因子分析，通過兩階段參數估計評估各影響因素的變化趨勢。

二、研究方法和數據來源

(一)研究方法

1.碳排放量核算

根據《2006年IPCC國家溫室氣體清單指南》給出的能源消耗產生直接交通運輸業碳排放量的核算方法，不包括由交通基礎設施建造過程中間接產生的碳排放量，計算方法如下：

表1 各類能源碳排放系數

(1)

其中：I代表交通運輸業碳排放總量(單位為萬噸)，i為各種燃料，Ei為第i種能源實物消耗量，Ki為第i種能源碳排放系數， 44/12為二氧化碳和碳之間的轉換系數。在本研究中，主要利用消費量較大的煤炭、汽油、煤油和柴油4種能源計算碳排放量，能源碳排放系數如表1所示。

2.兩階段因素分解模型

(1)基礎模型

兩階段因素分解模型的基礎是Dietz等提出的STIRPAT模型[4]，其表達式為：

I=aPbAcTde

(2)

對等式兩邊可取對數：

lnI=a+blnP+clnA+dlnT+e

(3)

其中：I代表碳排放總量;P、A、T分別代表人口規模、富裕程度和科技水平;a為模型的常數系數，b、c、d分別為常數項及P、A、T相對應的彈性系數，e為隨機誤差項。

(2)模型改進

研究將從人口規模、富裕程度和科技水平的視角分別選取人口總量P(萬人)、人均GDP為A(億元/萬人)和能源強度T(噸標準煤/萬元)作為替代，再選取貨物周轉量為H(億噸/公里)，旅客周轉量為L(億人/公里)，民用汽車擁有量為M(萬輛)，選取這些指標作為影響因素，建立交通運輸業碳排放模型：

lnIj=a+blnPj+clnAj+dlnTj+flnHj+glnLj+hlnMj+e

(4)

其中：j為年份，f、g、h為H、L、M相對應的彈性系數。

進一步簡化數學模型

y=β0+β1x1+β2x2+β3x3+β4x4+β5x5+β6x6+ε

(5)

其中：β0～β6為彈性系數。

(3)兩階段因素分解法

在式(5)的基礎上，本研究以2000—2016年為研究時間段，逐個選取期間年份作為兩階段分界點，以此開展影響因素分析。

(二)數據來源

本研究選取北京市、天津市和河北省三省市2000—2016年的時間序列數據，其中能源碳排放系數數據來源于《2006年國家溫室氣體排放清單指南》，能源消耗量來源于國家統計局數據統計與《中國能源統計年鑒》，人口數量、人均GDP、貨物周轉量、旅客周轉量及民用汽車擁有量數據來源于歷年《中國統計年鑒》。

三、模型估計與結果分析

(一)模型估計

采用stata 15軟件對京津冀地區交通運輸業碳排放進行回歸，研究發現變量間的相關系數大于0.9，且大多變量的VIF大于10，說明這些變量之間存在很強的相關關系，具有多重共線性。因此，不能使用一般最小二乘法進行回歸。為解決這個問題，本研究改用SIMCA-P軟件采用偏最小二乘法進行模型參數估計，具體步驟如下：

首先，利用t1/t2橢圓圖(圖1)與t1/u1散點圖(圖2)對偏最小二乘法的適用性進行驗證。其中，t1/t2橢圓圖可識別京津冀地區的數據是否存在特異點，t1/u1散點圖可識別京津冀地區的數據是否存在線性關系。

由t1/u1散點圖(圖2)可以看出，京津冀、北京、天津、河北數據在一開始是正相關關系，但隨后逐漸下降，即函數關系改變，因此研究將碳排放函數分為兩個階段，擬合出京津冀碳排放的分段函數。通過對各個年份進行分開模擬，尋找京津冀各地的最佳擬合函數。基于偏最小二乘法得出的參數估計，結果如表2所示，京津冀、天津、河北在2000—2012年為第一階段，2013—2016年為第二階段時的分段函數擬合效果最佳，而北京在2010年分段得到擬合效果最好的分段函數。其中，R2X或R2Y分別表示從X或Y變量中抽取的主成分相對于原變量X或Y的解釋能力，而Q2表示交叉有效性，說明抽取成分相對于模型精確性的邊際貢獻。從統計理論角度，若R2X(cum)、R2Y(cum)、Q2(cum) 都大于 0.8，則表示模型估計結果完美。由表2可以看出，京津冀地區的這3項指標均大于0.8。因此，模型回歸結果完美達到統計指標要求[16]。

最后，利用簡單算術平均法求出29個細分行業2010—2016年的指數計算主成分平均值及指數計算綜合得分平均值（見表5）。

圖1 橢圓圖

圖2 散點圖

變量京津冀2000—20122013—2016北京2000—20102011—2016天津2000—20122013—2016河北2000—20122013—2016lnP0.173493??-0.228545??-1.314570?-0.118945?0.186720??-0.223642??0.109738?-0.478603??lnA0.182426??-0.219957??0.794064?-0.249735??0.199195??-0.241233??0.397760??-0.021682??lnT-0.172112??0.212127??-0.007288?0.154674??-0.198903??0.245131??0.298115?-0.267980?lnH0.142873?0.079465?1.683540??0.475775??0.0705630.274319??0.387573??-0.141182lnL0.176412??-0.144454-0.042800??-0.0193730.185008??-0.0800470.173120?-0.294278?lnM0.179287??-0.225833-0.350166?-0.116601?0.194166??-0.111268?0.196924?-0.445053??C38.6039190.4020105.730038.134338.5621117.724032.1041239.6190R2X(cum)0.9068030.9068030.9877410.9784580.8220050.9776660.9756360.936244R2Y(cum)0.9609800.9784720.8859400.9873070.9348150.9999040.9857021.000000Q20.9498910.9175120.8212300.9723290.9348150.992940.9715831.000000

注：**代表VIP>1,表示變量影響程度顯著；*代表VIP>0.8,表示變量影響程度較顯著

(二)結果分析

1.京津冀交通運輸業碳排放

圖3 京津冀地區交通運輸業碳排放量

根據式(1)分別計算出京津冀3個地區的交通運輸業碳排放量和3個地區的總量，結果如圖3所示。

圖3顯示，京津冀地區交通運輸業碳排放總量從2000年到2013年一直呈現上升趨勢，2013年碳排放量是2000年的2.28倍，年均增長6.55%。從2013年到2016年，碳排放量開始呈下降趨勢，年均降低率為4.60%。可以看出，在京津冀地區中，北京最先達到碳排放峰值，之后京津冀地區在2013年左右達到碳排放峰值。京津冀地區交通運輸碳排放總量的變化趨勢顯示，京津冀地區實施雙號限行政策、建設市政機構自行車網點、大力發展可再生能源與清潔能源等政策已經有效減少了碳排放量。

2.京津冀交通運輸業碳排放的影響因素分析

(1)人口規模

圖4 人口規模對京津冀交通運輸業碳排放的兩階段影響

由表2可知，人口規模對京津冀地區碳排放影響顯著。其中，對北京碳排放影響較顯著；而對天津來說，人口規模是碳排放的顯著驅動因素；河北從第一階段到第二階段，人口規模對碳排放的影響從較顯著變為顯著。人口規模對京津冀交通運輸業碳排放的兩階段影響如圖4所示。可以看出，在第一階段，京津冀、天津、河北的人口規模系數為正，這與往常的認知相符，說明人口的增加會促使碳排放量的增加，為此我們要控制人口數量，積極響應國家的計劃生育政策；而北京的人口規模系數為負，說明北京市控制人口數量效果顯著。在第二階段，京津冀地區的人口規模系數均為負，并且北京的負系數絕對值變小。在京津冀一體化下，京津冀的人口流向發生了變化，近年來由于京津冀一體化的格局逐漸發展，以及京津部分產業向河北轉移、北京控制城市規模和疏解非首都功能等因素的影響，一定程度上減緩了外來人口向京津兩市集聚的速度，導致京津冀區域內人口中心遷移的速度放緩。而京津冀人口流向的變化使對交通運輸業碳排放的影響發生了變化，從長遠來看，這種變化是有益的，緩解了京津冀地區的人口壓力，并且平衡了3個省市間的碳排放量。

(2)富裕程度

圖5 人均GDP對京津冀交通運輸業碳排放的兩階段影響

(3)科技水平

由表2可知，能源強度對京津冀地區碳排放影響顯著。其中，北京從第一階段到第二階段，能源強度對碳排放的影響從較顯著變為顯著；對天津來說，能源強度是碳排放的顯著驅動因素；對河北碳排放有較顯著影響。能源強度對京津冀交通運輸業碳排放的兩階段影響如圖6所示。可以看出，在第一階段，京津冀、北京、天津的能源強度系數均為負。原因在于，雖然政府大力提倡與支持降低能源強度，但對于能源的使用總量沒有加以控制，導致碳排放持續增加；但河北省的能源強度系數為正，能源強度降低對于碳排放有抑制作用。在第二階段，京津冀、北京、天津地區的能源強度系數均為正，能源強度的降低代表單位GDP所使用能源降低，能源使用總量得到了控制，導致碳排放減少；但河北的能源強度系數由正轉為負，說明河北的能源消費總量在第二階段沒有進行控制，致使碳排放增加。此結論支持了李艷梅等學者關于京津冀區域間產業轉移對碳排放影響的結論[17]。在京津冀一體化下，京津尤其是北京的許多高污染產業搬到河北，河北接受了許多落后產能，雖然促進了區域產業的分工與合作，改變了勞動力就業的空間分布，但是導致河北的能源消費上升，碳排放增加，加劇了環境污染。據國家統計局數據顯示，近幾年河北省的霧霾指數居高不下，其中保定、邢臺、石家莊、唐山、邯鄲、衡水、廊坊出現在中國空氣質量最差的10個城市榜單中，顯示河北省的能源消耗需要進行控制。

(4)貨物周轉量

由表2可知，貨物周轉量對京津冀地區碳排放影響從顯著變為較顯著。其中，北京的貨物周轉量對碳排放有顯著影響；對天津來說，第一階段貨物周轉量不顯著，但第二階段對碳排放有顯著影響；對河北碳排放第一階段有顯著影響，但第二階段影響不顯著。貨物周轉量對京津冀交通運輸業碳排放的兩階段影響如圖7所示。可以看出，在對地區碳排放有顯著影響的情況下，貨物周轉量的系數都為正，說明貨物周轉量的增加會增加京津冀地區碳排放。

圖6 能源強度對京津冀交通運輸業碳排放的兩階段影響

圖7 貨物周轉量對京津冀交通運輸業碳排放的兩階段影響

(5)旅客周轉量

由表2可知，旅客周轉量對京津冀地區碳排放影響從顯著變為不顯著。其中，北京與天津的旅客周轉量對碳排放的影響從顯著變為不顯著；對河北碳排放有較顯著影響。旅客周轉量對京津冀交通運輸業碳排放的兩階段影響如圖8所示。可以看出，京津冀、天津、河北地區的旅客周轉量對碳排放的影響系數均由正變為負，北京的系數變化較少，均為負。這表示現在旅客運輸工作量的增加對碳排放的影響由增加變為減少，說明在京津冀一體化下，人們的物質文化水平不斷提高，隨著智能交通系統的出現，客運勞動生產率提高，增加了道路使用率，改善了旅客周轉量對交通碳排放的影響。

(6)民用汽車擁有量

由表2可知，民用汽車擁有量對京津冀地區碳排放影響從顯著變為不顯著。其中，天津的民用汽車擁有量對碳排放的影響從顯著變為較顯著；對北京與河北的碳排放有較顯著影響。民用汽車擁有量對京津冀交通運輸業碳排放的兩階段影響如圖9所示。可以看出，京津冀、天津、河北地區的民用汽車擁有量對碳排放的影響系數均由正變為負，北京的系數變化較少，均為負。這表示現在民用汽車擁有量的增加對碳排放的影響由增加變為減少，說明在京津冀一體化下，隨著生態文明建設的推進，人們的環保意識不斷提高，即使在擁有小汽車的情況下，大多數人仍改為綠色出行方式，節能環保，有效減少了溫室氣體的排放；另外，新能源汽車的增加減少了化學能源的消費，改善了汽車排放氣體對于環境的破壞。

圖8 旅客周轉量對京津冀交通運輸業碳排放的兩階段影響

圖9 民用汽車擁有量對京津冀交通運輸業碳排放的兩階段影響

四、建議

本研究通過2000—2016年京津冀地區數據分析，針對京津冀地區提出以下低碳減排的政策建議。

(1)人口規模控制可降低城市交通運輸業碳排放。由于京津冀一體化的格局逐漸發展，導致京津冀區域內人口中心遷移的速度放緩。而京津冀人口流向的變化致使其對交通運輸業碳排放的影響發生了變化，從長遠來看，這種變化是有益的，緩解了京津冀地區的人口壓力，并且平衡了3個省市間的碳排放量。

(2)人均GDP對碳排放的影響系數從第一階段到第二階段發生了轉變，表示要加快產業結構調整。當前，經濟發展進入了一個嶄新的時代，不但要追求經濟發展的速度，還要追求經濟發展的質量，經濟的增長要符合經濟發展客觀規律，可加大科技在產業結構中的力度，淘汰落后產能，控制河北地區的能源使用總量，走可持續發展道路。

(3)能源強度系數在京津冀地區發生的轉變說明要在降低能源強度的同時控制能源使用總量。京津冀一體化下將京津地區的落后產能向河北轉移，致使兩地的能源強度系數發生變化，河北要圍繞產業方向設計規劃產業集群，做好科學布局，增強承接產業轉移的科學性、合理性和選擇性，提高承接產業轉移的質量和水平，同時控制好能源使用總量。

(4)旅客周轉量的增加對于碳排放的影響從促進到減弱，說明了提高公共交通出行比例、發展智能交通系統建設的重要性，建立實時、準確、高效的智能交通控制系統，實現資源在最大程度上的合理分配和利用。例如，合理規劃公交車運行路線，減少蛇形、重疊行駛，有效利用道路資源；通過公交智能調度系統，科學安排發車時間和發車間隔。

(5)民用汽車擁有量系數從正變為負，說明要加強人們的環保意識。從結果來看，生態文明建設取得了初步成效，人們的環保意識正在逐步增強，在出行方式等方面更注重環保，對碳減排產生了積極影響。應進一步加大生態文明建設，持續深化生態環境監管體制改革，不斷完善生態環境管理制度，推進治理體系和治理能力現代化。還要大力支持新能源汽車的研發，提高新能源汽車的性能，減少碳排放，提高碳排放效率。考慮新能源汽車面臨的高成本、技術水平不足、充電設施不夠等問題，建議政府加大投資力度，選取合理的地理位置增設充電設施，同時可采取政府采購、控制稅收等配套政策，降低新能源汽車的購買和使用成本，提高能源的利用率。