中國公路運輸業(yè)碳排放影響因素研究

文/謝萌 朱長征

為了分析我國公路運輸業(yè)碳排放的影響因素，本文通過測算1988-2017年公路運輸業(yè)CO2排放量，運用協(xié)整關系和誤差修正模型，對中國公路運輸業(yè)碳排放影響因素進行了分析。結(jié)果表明：公路貨運量占比、城市化率和高速公路里程對公路運輸業(yè)碳排放起著正向作用。因此，為了有效控制公路運輸業(yè)碳排放，需要合理控制城市化引起的公路運輸業(yè)碳排放，優(yōu)化調(diào)整運輸結(jié)構(gòu)，提升清潔能源利用率，鼓勵清潔能源汽車的使用。

1.引言

二氧化碳等溫室氣體超量排放引發(fā)的全球氣候變暖問題，是21世紀人類面臨的最重大挑戰(zhàn)之一。《2017全球碳預算報告》指出，2017年由人類活動導致的全球二氧化碳排放量達410億噸。其中，中國的碳排放占全球總量的28%，碳減排壓力巨大。作為現(xiàn)代服務業(yè)的重要組成部分，交通運輸業(yè)為高能耗產(chǎn)業(yè)，公路運輸是重中之重。課題組根據(jù)中國能源統(tǒng)計年鑒相關數(shù)據(jù)進行粗略測算，交通運輸業(yè)碳排放占全行業(yè)碳排放8.9%，公路運輸業(yè)產(chǎn)生的碳排放占中國交通運輸業(yè)82.1%。由此可見，研究中國公路運輸業(yè)碳排放的主要影響因素，對于政府制定碳減排政策具有重要的作用。

2.模型建立

一般地，如果序列 X1t，X1t，…，Xkt在成為穩(wěn)定序列之前必須經(jīng)過d次差分，即都是d階單整的，且存在向量α=（α1，α2，…，αk），使得Yt=αX't～I（d-b），其中b＞0，Xt=（X1t，X2t，…，Xkt）'，則認為序列 X1t，X2t，…，Xkt是（d，b）階協(xié)整。假設變量 X與 Y之間存在長期的“均衡關系”，建立如下模型：Yt=α0+α1Xt+μt（1）

其中Yt表示被解釋變量，Xt表示解釋變量，μt表示隨機干擾項，α0表示常數(shù)項，α1表示變量的系數(shù)，t表示年份。

根據(jù)格蘭杰定理可知，如果若干個非平穩(wěn)變量存在協(xié)整關系，則這些變量之間肯定存在誤差修正模型。設Yt，Xt～I，并存在協(xié)整關系，則最簡單的誤差修正模型表達式如公式（2）所示：

其中ECMt=Yt-α0-α1Xt，表示非均衡誤差；β1ECMt-1表示誤差修正項；β1是修正系數(shù)，表示誤差修正項對DYt的修正速度，可以理解為Y關于X的短期彈性。

3.數(shù)據(jù)來源及處理。

本文公路運輸業(yè)的能源消耗量來自于國際能源署（IEA）[1]，其余數(shù)據(jù)均來自歷年《中國統(tǒng)計年鑒》[2]。綜合公開出版的歷年《中國統(tǒng)計年鑒》我們選取的樣本區(qū)間為1988-2017年，時間跨度為30年，滿足協(xié)整分析的要求。

3.1 被解釋變量

由于目前還沒有專門的機構(gòu)發(fā)布公路運輸業(yè)碳排放數(shù)據(jù)，大部分學者都通過收集能源消耗量并通過計算公式來獲得碳排放量數(shù)據(jù)。本文采用的碳排放具體表達公式如下：

其中，CE表示公路運輸業(yè)的二氧化碳排放量；i表示化石燃料種類，IEA數(shù)據(jù)庫將公路運輸業(yè)消耗的燃料分為石油制品、生物質(zhì)能、天然氣、電力四類；Ei表示能源的能源消耗量；為含碳能源的二氧化碳排放系數(shù)；NCVi為能源i的平均低位發(fā)熱量；CEFi為能源i的碳排放系數(shù)，即單位熱量的含碳量；COFi為碳氧化因子，即能源i燃燒時的碳氧化率；44和12分別為二氧化碳和碳的分子量。通過測算，1988年公路運輸業(yè)碳排放量為50.57百萬噸，2017年碳排放量為736.27百萬噸，呈現(xiàn)大幅度增長。

3.2 解釋變量。本文選取城市化率、高速公路里程和公路貨運量占比三個指標作為解釋變量。城市化率是衡量城市化發(fā)展程度的數(shù)量指標，用城鎮(zhèn)人口占總?cè)丝诘谋壤齺肀硎尽８鶕?jù)歷年《中國統(tǒng)計年鑒》的統(tǒng)計數(shù)據(jù)測算，1988-2017年城市化率呈現(xiàn)持續(xù)增長的趨勢。公路貨運量占比是指公路運輸業(yè)的貨運量占交通運輸業(yè)總貨運量的比重，歷年增加的幅度較小，但是總體占比較大。高速公路是根據(jù)技術(shù)等級劃分出來的公路類型。1988年高速公路里程只有0.01萬公里，到2017年高速公路里程達到了13.64萬公里，呈現(xiàn)了大幅度增長。

4.實證分析

4.1 單位根檢驗與滯后階數(shù)確定。由于原始的經(jīng)濟變量大都是不平穩(wěn)的，先給原始序列取對數(shù)，再進行平穩(wěn)性檢驗，可以有效地減少虛假回歸，參考（徐昱東，2016）[3]和（魏冉，2018）[4]的檢驗方法，本文選取ADF檢驗和PP檢驗。檢驗結(jié)果表明，各變量在一階差分后均能拒絕原假設即單位根假設，此時的顯著性水平為1%，即各變量在一階差分后為平穩(wěn)序列。通過LR統(tǒng)計量、FPE、AIC信息準則、SC信息準則及HQ準則確定最優(yōu)滯后階數(shù)，結(jié)果表明，VAR模型的最優(yōu)滯后階數(shù)為3。

4.2 協(xié)整檢驗。本文采用Johansen協(xié)整檢驗，檢驗形式為序列有線性趨勢但協(xié)整方程只有截距項，使用的計量軟件為EVIEWS 8.0。結(jié)果表明，各變量在5%的顯著性水平下拒絕了沒有協(xié)整關系的假設，接受了存在協(xié)整關系的假設。得出Johansen檢驗的協(xié)整方程：LNCE=-0.040292+1.051139LNFT+0.392105LNGST+1.9934558LNUT（4）

其中CE代表公路運輸業(yè)的碳排放量；FT代表公路貨運量占比；GSL代表高速公路里程；UL代表城市化率；LN表示對原始序列取對數(shù)處理。從協(xié)整方程可以看出，公路運輸業(yè)碳排放與城市化率、高速公路里程以及貨運量占比之間存在長期穩(wěn)定的均衡關系。

4.3 誤差修正模型。建立在協(xié)整論基礎上的誤差修正模型，既可以反映不同經(jīng)濟序列間的長期有關信息，又可以反映短期偏離長期均衡的修正機制，是長短期結(jié)合具有高度穩(wěn)定性和可靠性的一種經(jīng)驗模型。把LNCE作為因變量的誤差修正模型從矩陣方程中單獨分離出來，如公式（5）所示：D（LNCE）=-0.

從五個方面對公路運輸業(yè)碳排放的短期變動進行分析：一是當t-1年度LNCE增加一個單位時，本年度LNCE反方向變動0.093705個單位，即短期的彈性為0.093705；當t-2年度LNCE增加一個單位時，本年度LNCE反方向變動0.291123個單位，即短期彈性為0.291123。二是當t-1年度的LNFT增加一個單位時，本年度LNCE反方向變動1.154556個單位；當t-2年度的LNFT增加一個單位時，本年度LNCE同方向變動0.506205個單位。三是當t-1年度的LNGSL增加一個單位時，本年度LNCE反方向變動0.397033個單位；當t-2年度的LNGSL增加一個單位時，本年度LNCE同方向變動0.336993個單位。四是當t-1年度的LNUL增加一個單位時，本年度LNCE反方向變動0.528639個單位；當t-2年度LNUL增加一個單位時，本年度LNCE反方向變動0.008596個單位。五是誤差修正項的系數(shù)為為-0.195893，表明上期公路運輸業(yè)碳排放的短期波動和長期均衡之間的偏差將會在本年度得到19.5893%的修正，即以-0.195893的調(diào)整幅度把非均衡狀態(tài)拉回到均衡狀態(tài)，調(diào)整方向符合誤差修正機制。通過AR根圖表法對VECM模型的穩(wěn)定性進行檢驗，所有特征根的倒數(shù)均在單位圓內(nèi)或圓上，故VECM模型的穩(wěn)定性條件得以滿足。

5.建議

5.1 合理控制城市化引起的公路運輸業(yè)碳排放。城市化對公路運輸業(yè)碳排放的影響較大，因此需要采取合理的措施控制城市化帶來的碳排放量的增加，包括推進公共交通的發(fā)展，形成以公共交通為主導的城市低碳交通發(fā)展模式。

5.2 優(yōu)化調(diào)整運輸結(jié)構(gòu)。由于各種運輸方式對能源的消耗有所差異，目前中國公路運輸業(yè)產(chǎn)生的碳排放占交通運輸業(yè)碳排放的82.1%，優(yōu)化各種運輸方式結(jié)構(gòu)，可以有效降低公路運輸業(yè)的碳排放。例如推進公路運輸向鐵路運輸、水路運輸方式轉(zhuǎn)變，分流部分公路運輸周轉(zhuǎn)量。

5.3 鼓勵并推廣清潔能源在公路運輸業(yè)中的使用。通過政府補貼，鼓勵在公交、出租、公務、環(huán)衛(wèi)和郵政等公共服務領域率先推廣使用清潔能源汽車，推進新能源加氣站、汽車充電站、充電樁等基礎設施建設。

5.4 合理控制民用汽車數(shù)量。根據(jù)國家統(tǒng)計局統(tǒng)計，2016年私人汽車擁有量占全國民用汽車擁有量的87%，因此在控制私人汽車數(shù)量方面應采取一些措施。例如對上路的汽車需要“上路證”，其數(shù)量由政府嚴格控制；通過電子道路計費系統(tǒng)對進入城市中心限制區(qū)的汽車進行收費等。

引用出處

[1]國際能源署.化石能源消耗量 [DB/OL].http://www.iea.org/Sankey/#?c=Brazil&s,2016.

[2]國家統(tǒng)計局.中國統(tǒng)計年鑒[M].北京：中國統(tǒng)計出版社，2016.

[3]徐昱東.FDI、貿(mào)易開放與CO2排放:以山東省為例[J].科研管理，2016,37（8）：77-84.

[4]魏冉.基于STIRPAT改進模型的河南省公路運輸發(fā)展影響碳排放強度統(tǒng)計效應分析[J].河南師范大學學報（自然科學版），2018,46（6）：17-21.