運輸結構對交通運輸碳排放影響的實證分析

田春林，楊 東

（交通運輸部科學研究院，北京 100029）

0 引言

交通運輸行業是能源消費的重點領域，其能源消耗和碳排放已成為全球普遍關注的問題。根據國際能源署的測算，全球近1/4 的碳排放來自公路、航空、水運和鐵路運輸[1]。近年來，中國在交通運輸節能減排方面作出了諸多努力，優化調整運輸結構已成為其中一項重點工作。2017年12月，中央經濟工作會議提出“要調整運輸結構，減少公路貨運量，增加鐵路貨運量”。2018年9月，國務院辦公廳印發《推進運輸結構調整三年行動計劃（2018—2020年）》[2]。統計資料顯示，自政策實施以來，2019年鐵路貨運量與貨物周轉量較2017年分別增長19%和14.7%，實現了運輸量從高碳排放的公路運輸向低碳排放的鐵路運輸轉換，有效降低了交通運輸行業的碳排放。在政策實施階段，客觀評估政策的有效性是進一步完善政策、推進政策深化實施的關鍵。因此，針對運輸結構調整，有必要對其碳減排成效進行定量評估，為管理部門把握尺度、明確重點、細化任務提供數據支撐。

國內外學者對交通運輸碳排放的影響因素開展了較多研究，主要研究方法包括指數分解法、時間序列計量經濟學方法、面板數據計量經濟學方法等。其中，指數分解法較早被用來研究碳排放問題，具體包括拉氏指數法、迪氏指數法、平均迪氏指數法（Logarithmic Mean Divisia Index,LMDI）等。Greening 等人利用迪氏指數對影響碳排放強度的因素進行分解，其研究認為，優化貨物運輸結構、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、加勒比地區以及歐盟等地的交通運輸碳排放影響因素，指出經濟增長是交通碳排放的重要驅動因素，而運輸結構、運輸強度、人口規模也是主要的影響因素[4-5]。國內的李艷紅等人基于LMDI 法對中國2010—2020年交通運輸行業碳排放變化進行了分析，指出運輸結構、交通運輸碳排放系數、換算周轉量是驅動中國交通運輸行業碳排放的關鍵因素[6]。采用類似方法開展研究的還包括尚玲宇[7]、丁學金[8]、盧建鋒等人[9]。雖然側重角度有所不同，但這些研究普遍認為運輸結構對碳排放具有重要影響。隨著變量間因果分析不斷受到重視，計量經濟學方法逐漸被用來研究運輸結構對碳排放的影響[10-14]。魏慶琦等人使用時間序列模型量化分析了運輸結構變化對碳排放的影響，指出運輸結構是影響交通運輸碳排放的一個重要因素，僅次于經濟發展因素，并進一步提出經濟的交通依存度降低有助于減少交通運輸碳排放，而運輸結構優化有助于降低經濟的交通依存度且這一影響具有長期持續性[10-11]。許暢然建立了貨運結構與貨運碳排放效率之間的面板數據回歸模型，針對貨運結構對貨運碳排放效率的影響進行了實證分析，結果表明貨運結構對貨運碳排放效率的影響存在區域差異[12]。諸立超等人通過構建綜合考慮社會經濟變量與貨運特征變量的偏最小二乘回歸模型，分析貨運結構對碳排放的影響效應，并利用邏輯回歸模型模擬分析未來貨運結構優化的碳減排效應[13]。

從既有研究可以看出，雖然不同地區的經濟和交通運輸發展水平存在差異，但是影響交通運輸碳排放的因素具有相似性，而且運輸結構是影響交通運輸碳排放的重要因素。從研究方法上看，計量經濟學模型已經成為研究交通運輸碳排放問題的主流方法之一，但仍有很多研究采用時間序列分析方法，這類研究僅能辨別出變量間的統計學關系而非因果關系。雖然也有著眼于探究運輸結構與交通運輸碳排放因果關系的研究，但其對于影響效應的區域和時間異質性分析不足，缺乏運輸結構影響交通運輸碳排放具體機制的實證分析。為探究運輸結構調整對交通運輸行業碳減排的影響效應，深入分析運輸結構對碳排放影響的區域和時間異質性，本文選取2011—2020年全國除西藏、港澳臺以外的30個省、市、自治區交通運輸部門終端各類能源消費數據，結合我國區域發展空間布局，采用“自上而下”的方法計算東部地區、中部地區、西部地區和東北地區（簡稱“四大板塊”）的交通運輸碳排放量，通過構建面板數據計量經濟學模型，分析運輸結構變化對碳排放量的影響。在此基礎上，本文將進一步研究運輸結構的調整是否通過降低交通運輸行業的能耗強度進而減少碳排放，以揭示運輸結構對碳排放的影響機制。

1 交通運輸碳排放量測算

式（1）中：C為交通運輸碳排放量（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種能源燃燒時的氧化率；為碳轉變為二氧化碳的轉化系數；n為消耗的能源種類。

交通運輸消耗的能源主要來自公路、鐵路、水運和航空運輸（不考慮管道運輸方式），其中：公路運輸主要消耗汽油、柴油、液化石油氣、天然氣和電力；鐵路運輸主要消耗原煤、柴油和電力；水運主要消耗柴油和燃料油；航空運輸主要消耗煤油。將上述運輸方式消耗的8 類能源納入交通運輸碳排放的計算中。本文統計了2011—2020年除西藏、港澳臺以外的30個省、市、自治區的交通運輸終端能源消費量，數據來源于歷年《中國能源統計年鑒》。統計得到的交通運輸終端能源消費量數據不包括公路非營運車輛的能源消費量。各類能源的碳排放系數有關指標見表1，其中低位發熱量來源于《綜合能耗計算通則》（GB/T 2589—2008）[16]，單位熱值含碳量和氧化率來源于《省級溫室氣體清單編制指南（試行）》（發改辦氣候〔2011〕1041 號）[17]。交通運輸消耗電能產生的碳排放按照電力生產時的碳排放計算，通過交通運輸終端電力消費量乘以區域電網基準線排放因子（見表2）計算得出，排放因子來源于中國生態環境部2011—2019 年的統計數據，2020 年取2011—2019 年的平均值。按照式（1），計算得出各省、市、自治區的交通運輸碳排放量。根據各省、市、自治區所屬的板塊區域，匯總得到2011—2020 年“四大板塊”交通運輸碳排放量（見圖1），其數值從高到低依次為東部地區、西部地區、中部地區、東北地區。

表1 各類能源的碳排放系數及相關指標

表2 區域電網基準線排放因子 單位：t/（MW·h）

圖1 2011—2020年我國分區域交通運輸碳排放量變化趨勢圖

2 計量模型設定和變量選取

2.1 模型設定

鑒于計量經濟學模型在量化分析各因素對交通運輸碳排放的影響方面具有優勢[18]，本文選用計量經濟學模型和估計方法，量化分析運輸結構變化對交通運輸碳排放的影響機制、影響程度及其區域異質性特征。根據測算得出的各省份交通運輸碳排放結果，計算其莫蘭指數，發現各省份交通運輸碳排放沒有呈現顯著的空間相關性。因此，在構建運輸結構與交通運輸碳排放關系的檢驗模型時，不考慮空間相關性，采用具有個體效應和時間效應的面板數據計量經濟學模型，如式（2）所示。

式（2）中：Cit為i省（市、自治區）在第t年的交通運輸碳排放量；rrfreightit為鐵路貨運量和公路貨運量的比值，代表交通運輸結構；β1是rrfreightit對被解釋變量的影響系數；Control 為控制變量組成向量；τ為Control 對被解釋變量的影響系數；ui,λt和ξit分別代表個體效應、時間效應和隨機誤差項。

同時，構建運輸結構與交通運輸能耗強度關系的檢驗模型，分析運輸結構變化對交通運輸碳排放的影響機制，如式（3）所示。

式（3）中：EIit為i省（市、自治區）在第t年的交通運輸能耗強度；δ1為rrfreightit對被解釋變量的影響系數；其他參數含義同前。

2) 移動基站。通過獲取手機連接的基站信息在運營商的庫中轉換成對應的經緯度，將經緯度對應到地圖上。基站定位的優點是只要有手機信號就能定位，在室內和室外均可，無成本；缺點是定位誤差大，無法在室內進行精準定位。

為了判斷模型中的個體效應是固定效應還是隨機效應，需要進行豪斯曼（Hausman）檢驗。檢驗的原假設是：面板數據模型中的個體效應是隨機效應，需要用到的檢驗統計量如式（4）所示。

式（4）中：為固定效應模型的估計量；為隨機效應模型的估計量；分別為的方差；自由度K為模型中隨時間變化的解釋變量的個數。

2.2 變量選取

（1）被解釋變量

交通運輸行業碳排放量為式（2）模型中的被解釋變量，對被解釋變量進行對數處理，以避免可能存在的異方差性問題，保證回歸參數估計量具有良好的統計性質。

交通運輸行業的能耗強度為式（3）模型中的被解釋變量，通過交通運輸行業單位增加值的能源消耗量計算得出。文中對交通運輸行業的增加值以1978年為基期的價格指數進行調整，得到不變價的增加值。

（2）核心解釋變量

本文使用鐵路貨運量和公路貨運量的比值作為核心解釋變量，用以反映交通運輸結構。考慮到中部地區部分省份水運較為發達的實際情況，在進行分區域的異質性分析時，引入水運貨運量和公路貨運量的比值作為測度運輸結構的變量。

（3）控制變量

根據已有關于交通運輸碳排放影響因素的研究成果，本文從經濟發展水平、城鎮化水平、貿易發展水平、工業發展水平等4 個與交通運輸碳排放相關性較強的方面選取控制變量，將其加入模型以避免估計結果出現遺漏變量偏差，具體通過人均GDP、城鎮化率、進出口總額占GDP 比重、第二產業增加值占GDP 比重等4 個指標來衡量。

面板數據模型中各變量的詳細解釋和測度方式見表3，其中經濟、人口、城鎮化率、第二產業增加值占比等數據來源于國家統計局數據庫。

表3 面板數據模型中的變量釋義及測度方式

2.3 變量數據的描述性統計分析

為了反映交通運輸碳排放及各影響因素現狀，對模型中的各個變量進行描述性統計分析。同時，進行分樣本的描述性統計分析，以反映交通運輸碳排放和運輸結構的區域異質性（統計分析結果見表4）。“四大板塊”交通運輸碳排放的描述性統計分析結果顯示，2011—2021 年碳排放平均水平最高的是東部地區，其次是中部地區，而排名靠后的是東北地區和西部地區（見圖2）。“四大板塊”交通運輸結構的描述性統計分析結果顯示，東北地區的鐵路公路貨運比最高，其次是西部地區和中部地區，東部地區最低；然而，東部地區的水路公路貨運比最高，其次是中部地區，西部和東北地區相對較低（見圖2）。從全樣本數據的分析結果看，不同省份之間交通運輸結構的差異較大。鐵路公路貨運比最小值為0.010，最大值為1.061；水路公路貨運比最小值為0.000，最大值為2.004。交通運輸結構在不同區域存在差異，不僅與地區的自然稟賦相關，也與地區的經濟發展水平、城鎮化水平以及貿易發展水平相關，這也意味著，交通運輸結構對碳排放的影響也可能存在區域異質性特征。

圖2 區域交通運輸碳排放與運輸結構指標分析結果

表4 變量數據的描述性統計分析結果

3 模型估計結果分析

3.1 全樣本估計結果

使用Hausman 方法檢驗模型中的個體效應是否屬于隨機效應，檢驗得到卡方統計量的值為23.20，對應的P值為0.000 3，檢驗結果拒絕了個體效應屬于隨機效應的原假設，因此本文使用雙向固定效應模型進行估計，估計結果如表5所示。全樣本的估計結果顯示，代表運輸結構的鐵路公路貨運比對各省份交通運輸碳排放的影響系數為-0.262，并且在10%的顯著性水平下是顯著的，說明從全國范圍來看，公路貨運向鐵路貨運轉換，確實有助于降低交通運輸碳排放水平。控制變量方面，全樣本數據的估計結果顯示人均GDP 的影響系數是顯著為正的，表明經濟發展水平越高，交通運輸碳排放越多。

表5 模型估計結果

3.2 分區域樣本估計結果

分區域樣本估計結果顯示，“四大板塊”中東北地區鐵路公路貨運比的影響系數的絕對值最大（1.201），其次是東部地區（1.087），兩個區域運輸結構變化對交通運輸碳排放的影響均非常顯著；而西部地區和中部地區的影響系數較小，并且是不顯著的。從全樣本數據來看，鐵路公路貨運比每提升1 個標準差，即該比例每提升0.182（參考表4 的描述性統計分析結果），交通運輸碳排放預計降低4.77%。對于影響系數更顯著的東北地區和東部地區而言，鐵路公路貨運比每提升1 個標準差，碳排放預計分別降低10.69%和8.48%。分區域樣本的估計結果說明，運輸結構對碳排放的影響具有明顯的區域異質性。東北地區和東部地區的交通運輸碳排放對于運輸結構變化的敏感性較高，公路貨運向鐵路貨運轉換，有助于降低交通運輸碳排放；對于西部地區，衡量經濟發展水平的人均GDP 和衡量貿易發展水平的進出口總額/GDP的影響系數均非常顯著，而碳排放對運輸結構變化的響應是不敏感的，充分說明經濟增長是交通碳排放的首要驅動因素。

考慮到中部地區各省份的運輸結構存在較大差異，湖北、湖南、江西等省份的水運貨運量高于鐵路貨運量（見圖3），可能會導致交通運輸碳排放對于鐵路公路貨運比變化不敏感的情況。因此，本文對這3 個省份水路公路貨運比的變化對交通運輸碳排放的影響進行了分析。估計結果顯示，湖北、湖南、江西3 個省份的交通運輸碳排放對水路公路貨運比的變化更為敏感。這表明，對于中部地區的部分省份而言，可以通過公路貨運向水路貨運轉變來降低交通運輸碳排放。

圖3 中部三省鐵路與水路貨運量比重對比圖

3.3 分時段樣本估計結果

考慮到我國于2017年末提出“公轉鐵”運輸結構調整政策，為探究政策實施對交通運輸碳減排的促進作用，本文將研究樣本劃分為2011—2017年和2018—2020年兩個子樣本，進一步分析貨運結構調整的影響效應是否具有時間上的異質性。估計結果表明，根據2018—2020 年的樣本，鐵路公路貨運比的影響系數為-0.364，相較全樣本的估計系數-0.262 而言，影響系數的絕對值更大。同時，從系數的顯著性角度來看，2018 年后系數估計結果的顯著性更高。這說明“公轉鐵”政策實施后，鐵路公路貨運比增大對降低交通運輸碳排放的影響效果更為顯著。

3.4 影響機制分析及穩健性檢驗

本文進一步檢驗了運輸結構對交通運輸碳排放的影響機制，探究其是否會通過降低能耗強度而降低碳排放水平，模型的估計結果如表6所示。全樣本估計結果顯示，代表運輸結構的鐵路公路貨運比對交通運輸能耗強度的影響系數是-0.218，并且在1%的顯著性水平下是顯著的，說明運輸結構的調整可以有效降低交通運輸行業單位增加值的能源消耗。因此，可以通過調整運輸結構來降低交通運輸行業的能耗強度，從而達到減少碳排放的目的。

表6 影響機制及穩健性檢驗的模型估計結果

為了檢驗運輸結構調整的碳減排效應的穩健性，本文在模型中引入更多的控制變量，分區域估計運輸結構對碳排放的影響。在引入代表工業發展水平的第二產業增加值占比后，東北和東部地區運輸結構變化對交通運輸碳排放的影響仍然非常顯著，而西部地區和中部地區的影響效應不顯著。穩健性檢驗的估計結果再次說明，運輸結構對碳排放的影響具有明顯的區域異質性特征。

4 關于運輸結構調整的對策建議

（1）差異化制定運輸結構調整政策

實證分析表明，運輸結構變化對交通運輸碳排放的影響具有區域異質性，各區域需要結合實際情況，在把握區域運輸需求結構的基礎上，因地制宜制定運輸結構調整政策。

對于東北和東部地區而言，公路貨運向鐵路貨運的轉換能夠顯著降低碳排放，因此應當盡可能實現鐵路直通港區和物流園區，優化鐵路運輸兩端至貨物運輸起訖點之間公鐵聯運設施的布局，提供更為豐富的聯運服務產品，通過鐵路運輸組織效率的提高以及運輸貨類的擴展吸引更多的貨物向鐵路運輸轉移，進而提高鐵路貨物運輸占比；對于公路運輸需求集中的區域，承運人需要加快新能源和清潔能源運輸裝備的更新換代。

對于中西部地區而言，運輸結構變化的影響不顯著，而交通運輸碳排放對于社會經濟發展因素變化的敏感性更高。因此，中部地區的湖北、湖南、江西等水運較為發達的省份，應當不斷改善水運基礎設施，發揮沿江港口的樞紐作用，加強港口與產業集聚區、大宗物資主產區之間的交通銜接，大力發展公鐵水聯運以及長江干支流聯動的“水水”中轉運輸。對于西部地區而言，需要加快與社會經濟發展相適應的綜合交通基礎設施網絡的建設，在發展過程中，兼顧低碳高效現代物流系統的建設。

（2）挖潛提升鐵路和水路基礎設施的承載能力

一是開展基礎設施網絡承載能力評估。通過承載能力評估，發掘鐵路與水路基礎設施網絡中的薄弱環節，找準短板，充分挖掘設施網絡的潛能，釋放鐵路和水路運輸能力。

二是加快普速鐵路優化擴能。通過加快普速鐵路建設和既有鐵路擴能改造，推進既有鐵路運能緊張路段能力補強，消除干線瓶頸，提升普速鐵路貨運能力。

三是加大高等級航道建設力度。注重長江干線等內河高等級航道建設，疏浚航道“瓶頸”，提高船舶的平均運輸噸位，提升航運效率。

（3）持續推進運輸結構優化調整

運輸結構是影響交通運輸碳排放的重要因素，影響程度僅次于經濟發展因素。在中國經濟發展長期向好的預期下，可以預見受其影響，交通運輸行業面臨很大的碳排放壓力。本文中的全樣本和分時段樣本估計結果顯示，推進運輸結構優化調整，推動公路貨運向鐵路貨運轉換，有助于降低交通運輸能耗強度，進而減少交通運輸碳排放，并且自2018 年“公轉鐵”政策實施以來，運輸結構調整對降低交通運輸碳排放的影響效果更為顯著。因此，面對空前的交通運輸減碳壓力，運輸結構優化調整應當作為一項持久的交通運輸減碳政策持續推進。