中國(guó)交通運(yùn)輸業(yè)碳排放強(qiáng)度區(qū)域差異研究
——基于面板分位數(shù)回歸模型

（中國(guó)地質(zhì)大學(xué)（武漢）經(jīng)濟(jì)管理學(xué)院，湖北 武漢 430074）

一、引言

改革開(kāi)放以來(lái)，中國(guó)各行業(yè)飛速發(fā)展，化石能源需求量與消耗量急劇增加，伴隨其燃燒產(chǎn)生的二氧化碳排放也逐年增加，目前，中國(guó)已經(jīng)成為全世界最大的能源消費(fèi)國(guó)和二氧化碳排放國(guó)，針對(duì)各行業(yè)能源消耗和碳排放的研究已經(jīng)深入展開(kāi)，其中交通運(yùn)輸業(yè)（后簡(jiǎn)稱(chēng)交通業(yè)）備受矚目。根據(jù)《中國(guó)統(tǒng)計(jì)年鑒》數(shù)據(jù)計(jì)算，2000—2016 年交通業(yè)能源消費(fèi)總量年均增長(zhǎng)率為8.49%，高出全國(guó)能源消費(fèi)增長(zhǎng)率水平1.13%，2016 年交通業(yè)能源消費(fèi)總量達(dá)到39 651.21 萬(wàn)噸，占總能源消費(fèi)量的9.10%，交通業(yè)已經(jīng)成為了石油消費(fèi)最多且消費(fèi)增速最快的部門(mén)（2015）[1]，并且交通業(yè)將成為未來(lái)能源需求和碳排放增長(zhǎng)的主要貢獻(xiàn)者（2014）[2]，因此，設(shè)計(jì)碳排放減排政策時(shí)需優(yōu)先考慮此部門(mén)（2010）[3]，而如何降低交通業(yè)的碳排放強(qiáng)度（后簡(jiǎn)稱(chēng)碳強(qiáng)度）是交通業(yè)減排政策的重點(diǎn)問(wèn)題，分析碳強(qiáng)度的影響因素則是制定解決問(wèn)題方案的關(guān)鍵。

目前國(guó)內(nèi)外學(xué)者針對(duì)碳強(qiáng)度影響因素已經(jīng)進(jìn)行了大量的研究。張友國(guó)（2010）[4]基于投入產(chǎn)出法發(fā)現(xiàn)我國(guó)經(jīng)濟(jì)發(fā)展結(jié)構(gòu)變化使得碳強(qiáng)度在1987—2007 年下降66.02%。虞義華等（2011）[5]運(yùn)用FGLS模型研究發(fā)現(xiàn)人均GDP 與碳強(qiáng)度存在“N”型關(guān)系，王佳和楊?。?014）[6]發(fā)現(xiàn)主要由于各地區(qū)人均GDP不同形成地區(qū)碳強(qiáng)度差異。林伯強(qiáng)和毛東昕（2014）[7]結(jié)合LMDI 方法探究我國(guó)各階段碳強(qiáng)度影響因素的變化特征，發(fā)現(xiàn)生產(chǎn)部門(mén)能源強(qiáng)度下降我國(guó)碳強(qiáng)度變化的主要因素，邵帥等（2019）[8]運(yùn)用空間面板杜賓模型，結(jié)合中介效應(yīng)模型，研究發(fā)現(xiàn)能源強(qiáng)度與碳強(qiáng)度之間存在“倒U”型曲線(xiàn)關(guān)系。周五七和聶鳴（2012）[9]運(yùn)用ARDL 模型發(fā)現(xiàn)人口城市化與碳強(qiáng)度顯著正相關(guān)。Huang J 等（2018）[10]等研究R&D、FDI和貿(mào)易對(duì)中國(guó)碳強(qiáng)度的影響，發(fā)現(xiàn)自主研發(fā)和技術(shù)溢出能有效降低碳強(qiáng)度。Liu N 等（2019）[11]等運(yùn)用指數(shù)分解從部門(mén)和行業(yè)兩個(gè)角度分析碳強(qiáng)度，發(fā)現(xiàn)各地區(qū)碳強(qiáng)度影響因素存在較大差異。雖然碳強(qiáng)度的影響因素研究已經(jīng)獲得許多成果，但關(guān)于交通業(yè)碳強(qiáng)度的影響因素研究和地區(qū)差異研究較為缺乏，交通業(yè)作為能源密集型行業(yè)，研究其碳強(qiáng)度影響因素具有很強(qiáng)的現(xiàn)實(shí)意義，并且可以為我國(guó)節(jié)能減排提供政策建議。

通過(guò)對(duì)文獻(xiàn)的整理，發(fā)現(xiàn)現(xiàn)有文獻(xiàn)在研究碳強(qiáng)度影響因素時(shí)通常采用以下幾種方法：一是指數(shù)分解法，例如Xiao H 等（2019）[12]分別計(jì)算以生產(chǎn)和產(chǎn)出為基礎(chǔ)的碳強(qiáng)度，運(yùn)用LMDI 分析全球多個(gè)國(guó)家的碳強(qiáng)度影響因素。二是投入產(chǎn)出法，例如Su 和Ang（2015）[13]基于投入產(chǎn)出法分別用四種模型計(jì)算碳強(qiáng)度，然后分析其影響因素。三是計(jì)量模型，例如張兵兵等（2014）[14]運(yùn)用STIRPAT 模型研究技術(shù)進(jìn)步對(duì)碳強(qiáng)度的影響。本文運(yùn)用面板分位數(shù)模型研究交通運(yùn)輸業(yè)碳強(qiáng)度的原因有以下幾點(diǎn)：首先，目前大多數(shù)研究都是基于最小二乘法估計(jì)（OLS）進(jìn)行，然而OLS 估計(jì)方法的估計(jì)系數(shù)只能反映不同自變量對(duì)因變量條件均值的影響，難以反映因變量整個(gè)條件分布的全貌，進(jìn)而不能反映各地區(qū)交通業(yè)碳排放影響因素的異質(zhì)性。面板分位數(shù)回歸可以有效地彌補(bǔ)這一不足，解釋自變量與因變量之間的非線(xiàn)性關(guān)系。其次，傳統(tǒng)最小二乘法估計(jì)若想得到穩(wěn)健、無(wú)偏的參數(shù)估計(jì)，殘差項(xiàng)必須滿(mǎn)足零均值、同方差以及無(wú)自相關(guān)等假定。實(shí)際上，絕大多數(shù)的宏觀經(jīng)濟(jì)變量無(wú)法滿(mǎn)足這些假設(shè)條件，在這種條件之下，傳統(tǒng)最小二乘法的參數(shù)估計(jì)將不再是最優(yōu)線(xiàn)性無(wú)偏估計(jì)量。分位數(shù)回歸模型不需要隨機(jī)擾動(dòng)項(xiàng)滿(mǎn)足這些嚴(yán)格的假定條件，因此運(yùn)用面板分位數(shù)回歸模型研究不同省份碳強(qiáng)度的影響因素所得到的參數(shù)比傳統(tǒng)OLS 估計(jì)更加穩(wěn)健。

二、方法與模型

（一）分位數(shù)回歸模型

為彌補(bǔ)OLS 古典“均值回歸”易受極端值影響的缺點(diǎn)，Koenker 等（1978）[15]提出了分位數(shù)回歸模型。分位數(shù)回歸模型表達(dá)式為：

其中，y 是被解釋變量，xi和是多個(gè)解釋變量組成的矩陣與逆矩陣，u 是隨機(jī)誤差項(xiàng)，其條件分位數(shù)分布為0。Qθ（yi|xi）表示自變量xi的θ 分位數(shù)。而βθ則表示θ 分位數(shù)回歸中各自變量的系數(shù)，其估計(jì)量可以由最小化問(wèn)題來(lái)定義：

當(dāng)θ 取不同的值時(shí)，由于不同觀測(cè)值得到不同的權(quán)重，各自變量的系數(shù)會(huì)得到不同的估計(jì)值，當(dāng)θ取0.5 時(shí)，（3）式即為中位數(shù)回歸。為更加全面有效的研究運(yùn)輸業(yè)碳強(qiáng)度影響因素和區(qū)域差異，本文θ取值0.1、0.25、0.5、0.75、0.9 五個(gè)值。

（二）模型建立與變量選取

許多數(shù)學(xué)者使用IPAT 模型來(lái)研究環(huán)境污染的影響因素，方程的表達(dá)式為：

其中I 代表環(huán)境污染，P 代表人口規(guī)模，A 代表富裕程度，T 代表技術(shù)發(fā)展程度。觀察IPAT 模型可以發(fā)現(xiàn)模型公式為恒等式，這明顯不符合環(huán)境庫(kù)茲涅茨曲線(xiàn)（EKC）假設(shè)，于是Dietz 和Rose（1997）[16]提出了STIRPAT 模型，同時(shí)使用二氧化碳排放量作為社會(huì)發(fā)展對(duì)環(huán)境的影響，模型表達(dá)式為：

式中a、b、c、d 為模型參數(shù)，e 為隨機(jī)誤差項(xiàng)。當(dāng)P 用總?cè)丝诒硎荆珹 用人均GDP 表示，T 代表科技進(jìn)步并用能耗強(qiáng)度表示，即單位GDP 能源消耗量，表達(dá)式可變形為：

為更準(zhǔn)確的分析影響交通業(yè)碳強(qiáng)度的影響因素，本文對(duì)解釋變量做出一定的調(diào)整，對(duì)STIRPAT 模型進(jìn)行改進(jìn)。交通業(yè)碳強(qiáng)度依然受經(jīng)濟(jì)發(fā)展水平的影響，當(dāng)經(jīng)濟(jì)愈加發(fā)達(dá)，交通業(yè)的運(yùn)輸總量和行業(yè)規(guī)模會(huì)受其影響，進(jìn)而影響其碳排放總量和碳強(qiáng)度。交通業(yè)能耗強(qiáng)度相比全國(guó)能耗強(qiáng)度數(shù)據(jù)，顯然交通業(yè)能耗強(qiáng)度與其碳排放聯(lián)系更加緊密，因此以交通業(yè)能耗強(qiáng)度表示交通業(yè)的科技進(jìn)步，當(dāng)運(yùn)輸業(yè)能耗強(qiáng)度減小，則表示交通部門(mén)的能源技術(shù)和節(jié)能技術(shù)水平越來(lái)越高，進(jìn)而碳強(qiáng)度會(huì)受其影響。本文移除人口規(guī)模因素，原因是人口規(guī)模因素對(duì)交通業(yè)產(chǎn)生的直接影響是客運(yùn)量與貨運(yùn)量，并且人口增長(zhǎng)具有較大的慣性，難以用過(guò)控制人口來(lái)降低碳強(qiáng)度[15]，所以本文選取旅客周轉(zhuǎn)量與貨物周轉(zhuǎn)量代替人口規(guī)模因素。在以上條件下，增加交通業(yè)交通線(xiàn)路密度因素，因?yàn)榻煌ňW(wǎng)絡(luò)越加發(fā)達(dá)，公共交通出行越加便利，從而產(chǎn)生規(guī)模效應(yīng)，影響二氧化碳排放量和碳強(qiáng)度。改進(jìn)后的STIRPAT 模型如（7）所示：

其中，CI 代表交通業(yè)的碳強(qiáng)度，用交通業(yè)的二氧化碳排放量除以其產(chǎn)業(yè)增加值表示；GDP 用人均GDP 表示，EI 代表交通業(yè)的能耗強(qiáng)度，用能源消耗總量除以部門(mén)產(chǎn)值表示；FT 為貨物周轉(zhuǎn)量，用貨運(yùn)量乘以運(yùn)距表示；PT 為旅客周轉(zhuǎn)量，用客運(yùn)量乘以運(yùn)距表示；LINE 為交通業(yè)的交通線(xiàn)路密度，用交通線(xiàn)路長(zhǎng)度與區(qū)域面積之比表示；為隨機(jī)干擾項(xiàng)。利用分位數(shù)回歸，式（7）可變形為：

（8）式中，Qτ和（lna）τ表示碳強(qiáng)度和常數(shù)項(xiàng)的τ分位數(shù)回歸參數(shù)，β1τ、β2τ、β3τ、β4τ和β5τ表示各自變量的τ 分位數(shù)回歸參數(shù)。

（三）數(shù)據(jù)來(lái)源與描述

中國(guó)30 個(gè)省、區(qū)和直轄市（統(tǒng)稱(chēng)?。┑娜司鵊DP，交通業(yè)的貨物周轉(zhuǎn)量與旅客周轉(zhuǎn)量數(shù)據(jù)來(lái)自2001—2017 年《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)人口統(tǒng)計(jì)年鑒》，交通業(yè)能源消費(fèi)量數(shù)據(jù)來(lái)2001—2017 年《中國(guó)能源統(tǒng)計(jì)年鑒》。本文按照IPCC（2006）[17]給出的碳排放系數(shù)和各省8 種化石能源消耗量（見(jiàn)表1），計(jì)算出各省交通業(yè)的二氧化碳排放量，然后據(jù)碳強(qiáng)度定義計(jì)算各省交通業(yè)的交通業(yè)碳強(qiáng)度，交通業(yè)能耗強(qiáng)度等于部門(mén)化石能源消耗總量除以部門(mén)產(chǎn)出，交通線(xiàn)路密度等于各省交通線(xiàn)路長(zhǎng)度與省域面積之比。各變量的定義與單位如表2 所示。為剔除通貨膨脹的影響，本文中GDP 以2000 年為基期進(jìn)行折算，并由于西藏?cái)?shù)據(jù)的缺失，本文研究30 個(gè)省份中不包括西藏。

表1 各能源碳排放系數(shù)

表2 各變量定義與單位

三、實(shí)證分析

（一）單位根檢驗(yàn)

通常來(lái)講，大多數(shù)經(jīng)濟(jì)變量是非平穩(wěn)的，如果使用非平穩(wěn)序列進(jìn)行回歸分析，會(huì)產(chǎn)生假回歸。本文采取常用三種方法來(lái)檢驗(yàn)變量的平穩(wěn)性。從表3中看出，F(xiàn)T、PT 和LINE 的平穩(wěn)性較差，沒(méi)有通過(guò)穩(wěn)定性檢驗(yàn)。許多學(xué)者利用差分將非穩(wěn)定序列轉(zhuǎn)化為平穩(wěn)序列，然而差分過(guò)后的序列不再具有原來(lái)的經(jīng)濟(jì)含義，模型估計(jì)結(jié)果也難以解釋經(jīng)濟(jì)現(xiàn)實(shí)。因此，協(xié)整理論在1987 年被恩格爾與格蘭杰（Engle 和Granger，1987）[18]提出，即使某些經(jīng)濟(jì)變量是非平穩(wěn)的，但變量的線(xiàn)性組合可能是平穩(wěn)序列，這種平穩(wěn)的線(xiàn)性組合被稱(chēng)為協(xié)整方程。為檢驗(yàn)交通業(yè)碳強(qiáng)度與其影響因素是否存在長(zhǎng)期的均衡關(guān)系，本文采用使用最廣泛的KAO 檢驗(yàn)，最終檢驗(yàn)結(jié)果為：ADF=-3.3802（P=0.0004），顯然通過(guò)了1%水平的顯著性檢驗(yàn)，表明交通業(yè)碳強(qiáng)度與其影響因素存在協(xié)整關(guān)系。

表3 單位根檢驗(yàn)

（二）分位數(shù)回歸

不同分位數(shù)回歸會(huì)得到不同的結(jié)果，并且每種分位數(shù)回歸都可以充分的說(shuō)明運(yùn)輸業(yè)碳強(qiáng)度的分布特征，可以很好的揭露出不同分位數(shù)下各解釋變量對(duì)碳強(qiáng)度的影響。限于篇幅，本文不展示交通業(yè)碳強(qiáng)度分位數(shù)回歸圖①需要分位數(shù)回歸圖可聯(lián)系作者，email：505796282@qq.com.，展示5 個(gè)具有代表性的分位數(shù)節(jié)點(diǎn)的具體估計(jì)結(jié)果，并且為方便比較分析列出了OLS 估計(jì)結(jié)果（見(jiàn)表4）。根據(jù)交通業(yè)的年平均碳強(qiáng)度，中國(guó)30 個(gè)省份分為6 個(gè)等級(jí)（見(jiàn)表5）。

表4 2000—2016 年分位數(shù)回歸與OLS 回歸結(jié)果

從表4 中可以看出，OLS 估計(jì)可以得出各影響因素對(duì)交通業(yè)碳強(qiáng)度的平均影響，而分位數(shù)回歸卻能在不同分位數(shù)水平下給出相應(yīng)條件下各影響因素的系數(shù)。從表4 中的五個(gè)分位數(shù)節(jié)點(diǎn)來(lái)說(shuō)，經(jīng)濟(jì)增長(zhǎng)（GDP）在低中分位（0-0.5）系數(shù)為負(fù)且通過(guò)顯著性檢驗(yàn)，表明經(jīng)濟(jì)增長(zhǎng)有利與交通業(yè)碳強(qiáng)度的降低，并且經(jīng)濟(jì)增長(zhǎng)在0.1 分位系數(shù)最大為-0.012 9，而在0.25 和0.5 分位的系數(shù)為-0.012 2 和-0.011 1；經(jīng)濟(jì)增長(zhǎng)的OLS 回歸系數(shù)為-0.015 7，小于0.1、0.25 和0.5 回歸經(jīng)濟(jì)增長(zhǎng)的系數(shù)估計(jì)值。交通業(yè)能耗強(qiáng)度（EI）在五個(gè)分位都通過(guò)顯著性檢驗(yàn)，且系數(shù)為正，表明交通業(yè)能耗強(qiáng)度的降低有利于交通業(yè)碳強(qiáng)度的降低，能耗強(qiáng)度在0.25 分位影響最大，其系數(shù)為1.004 5，能耗強(qiáng)度的OLS 回歸系數(shù)為0.974 0，低于所有分位數(shù)回歸能耗強(qiáng)度的系數(shù)值。貨物周轉(zhuǎn)量（FT）在低中分位（0-0.5）系數(shù)為負(fù)且通過(guò)顯著性檢驗(yàn)，其OLS 回歸系數(shù)沒(méi)有通過(guò)顯著性檢驗(yàn)。旅客周轉(zhuǎn)量（PT）在五個(gè)分位數(shù)回歸中都通過(guò)了顯著性檢驗(yàn)，且系數(shù)為負(fù)，其OLS 回歸系數(shù)小于所有分位數(shù)檢驗(yàn)。交通線(xiàn)路密度（LINE）在0.25、0.5、0.75 和0.9 分位通過(guò)顯著性檢驗(yàn)，且回歸系數(shù)為負(fù)值，而其OLS 回歸沒(méi)有通過(guò)顯著性檢驗(yàn)。由此可見(jiàn)，OLS 估計(jì)只能給出影響因素的平均水平，并且使某些影響因素回歸不顯著，而分位數(shù)回歸卻能揭示不同分位數(shù)下影響因素的影響大小和區(qū)別。

表5 各省交通業(yè)2000—2016 年碳強(qiáng)度水平分組

（三）影響因素分析

1.經(jīng)濟(jì)增長(zhǎng)。經(jīng)濟(jì)增長(zhǎng)在0-0.5 分位通過(guò)顯著性檢驗(yàn)，且回歸系數(shù)為負(fù)，表明目前經(jīng)濟(jì)增長(zhǎng)方式有利于0-0.5 分位省份交通業(yè)碳強(qiáng)度的降低，其原因是2000—2016 年我國(guó)由經(jīng)濟(jì)高速增長(zhǎng)逐漸轉(zhuǎn)向經(jīng)濟(jì)高質(zhì)量發(fā)展，經(jīng)濟(jì)增速逐漸放緩，對(duì)環(huán)境的影響逐漸減小，在此大環(huán)境下，交通業(yè)GDP 增速自2005 年后也逐漸減小，有利于交通業(yè)碳強(qiáng)度的降低，故經(jīng)濟(jì)增長(zhǎng)的回歸系數(shù)為負(fù)。

不同分位省份經(jīng)濟(jì)增長(zhǎng)對(duì)交通業(yè)碳強(qiáng)度的影響大小不同，其中經(jīng)濟(jì)增長(zhǎng)對(duì)0-0.1 對(duì)交通業(yè)碳強(qiáng)度影響最大，原因是0-0.1 分位省份經(jīng)濟(jì)增速比0.1-0.25 與0.25-0.5 分位省份低。2000—2016 年我國(guó)以犧牲環(huán)境為代價(jià)發(fā)展經(jīng)濟(jì)帶來(lái)的碳排放量過(guò)大，越高的經(jīng)濟(jì)增速將會(huì)對(duì)環(huán)境造成更大影響。根據(jù)2001—2017 年《中國(guó)統(tǒng)計(jì)年鑒》中的數(shù)據(jù)計(jì)算，2000—2016 年0-0.1 分位省份人均GDP 年均增長(zhǎng)率為9.83%，0.1-0.25 分位省份和0.25-0.5 分位省份的人均GDP 年均增長(zhǎng)率9.99%和10.07%；2000—2016 年0-0.1 分位省份運(yùn)輸業(yè)GDP 年均增長(zhǎng)率為10.31%%，0.1-0.25 分位省份和0.25-0.5 分位省份的運(yùn)輸業(yè)GDP 年均增長(zhǎng)率11.00%和10.55%從以上數(shù)據(jù)可以看出，0-0.1 分位省份人均GDP 和運(yùn)輸業(yè)GDP 年均增長(zhǎng)率最低，而越小的經(jīng)濟(jì)增速對(duì)環(huán)境的影響越小，越有利于能源消耗量與碳強(qiáng)度的降低，故經(jīng)濟(jì)增長(zhǎng)對(duì)0-0.1 分位省份交通業(yè)碳強(qiáng)度影響最大。

2.交通業(yè)能耗強(qiáng)度。能耗強(qiáng)度在所有分位數(shù)通過(guò)顯著性檢驗(yàn)，且回歸系數(shù)為正，表明交通業(yè)能耗強(qiáng)度的降低化有利于交通業(yè)碳強(qiáng)度的降低，其原因是科研經(jīng)費(fèi)的投入將會(huì)提升節(jié)能技術(shù)，從而降低單位GDP 的能源消耗量，使單位GDP 能源消耗產(chǎn)生的二氧化碳減小，即降低碳強(qiáng)度，故能耗強(qiáng)度回歸系數(shù)為正。

不同地區(qū)交通業(yè)能耗強(qiáng)度對(duì)交通業(yè)碳強(qiáng)度的影響不同，其中交通業(yè)能耗強(qiáng)度對(duì)0.1-0.25 分位省份影響最大，主要原因是0.1-0.25 分位省份科研經(jīng)費(fèi)（R&D）最多，越多的科研經(jīng)費(fèi)投入將會(huì)帶來(lái)更為先進(jìn)的節(jié)能技術(shù)。通過(guò)《中國(guó)科技統(tǒng)計(jì)年鑒》數(shù)據(jù)計(jì)算，2000—2016 年0.1-0.25 分位省份的科研經(jīng)費(fèi)內(nèi)部支出增長(zhǎng)率分別為21.66%，高于所有其他分位數(shù)省份（0-0.1：18.70%；0.25-0.5：18.58；0.5-0.75：15.3%；0.75-0.9：17.43%；0.9-1：17.67%），故交通業(yè)能源強(qiáng)度對(duì)0.1-0.25 分位省份交通業(yè)碳強(qiáng)度的影響最大。

3.貨物周轉(zhuǎn)量。貨物周轉(zhuǎn)量在0-0.5 分位通過(guò)顯著性檢驗(yàn)，且回歸系數(shù)為正，表明貨物周轉(zhuǎn)量的增加不利于交通業(yè)碳強(qiáng)度的降低，其主要原因是我國(guó)2000—2016 年貨運(yùn)交通結(jié)構(gòu)中鐵路貨物周轉(zhuǎn)量占比持續(xù)減小。鐵路貨運(yùn)交通空間溢出會(huì)產(chǎn)生規(guī)模效應(yīng)，并且相較于其他運(yùn)輸方式，鐵路具有運(yùn)量大、占地較小和能耗較低的優(yōu)點(diǎn)，根據(jù)《中國(guó)統(tǒng)計(jì)年鑒》數(shù)據(jù)計(jì)算，我國(guó)2000 年鐵路、公路、水運(yùn)、民航、管道貨物周轉(zhuǎn)量占總貨物周轉(zhuǎn)量的比列分別為31.07%、13.83%、53.55%、0.11%、1.44%，2016 年比例分別為12.75%、32.73%、52.16%、0.12%、2.25%。從以上數(shù)據(jù)可以看出2000—2016 年我國(guó)貨運(yùn)交通結(jié)構(gòu)中鐵路貨物周轉(zhuǎn)量占比減小，公路貨物周轉(zhuǎn)量占比增高，水運(yùn)、民航、管道貨物周轉(zhuǎn)量比例較穩(wěn)定，貨運(yùn)結(jié)構(gòu)的變化不利于交通業(yè)碳強(qiáng)度的降低，導(dǎo)致貨物周轉(zhuǎn)量的回歸系數(shù)為正。

不同地區(qū)貨物周轉(zhuǎn)量對(duì)交通業(yè)碳強(qiáng)度的影響不同，其中貨物周轉(zhuǎn)量對(duì)0.1-0.25 分位省份影響最大，主要原因是0.1-0.25 分位省份鐵路貨物周轉(zhuǎn)量占比最小。由于不存在省內(nèi)民航貨物周轉(zhuǎn)量，并且民航、貨運(yùn)周轉(zhuǎn)量占比極小，故可通過(guò)省級(jí)鐵路、公路、水運(yùn)貨物周轉(zhuǎn)量結(jié)構(gòu)分析，根據(jù)《中國(guó)統(tǒng)計(jì)年鑒》數(shù)據(jù)計(jì)算，2000—2016 年0-0.1、0.1-0.25 和0.25-0.5分位省份鐵路貨物周轉(zhuǎn)量占總貨物周轉(zhuǎn)量的平均比例為：40.76%、9.48%和27.14%，0.1-0.25 分位省份鐵路貨物周轉(zhuǎn)量平均占比小于0-0.1 和0.25-0.5分位省份，而越小的鐵路貨物周轉(zhuǎn)量占比越有利于交通業(yè)碳強(qiáng)度增加，故貨物周轉(zhuǎn)量對(duì)0.1-0.25 分位省份交通業(yè)碳強(qiáng)度影響最大。

4.旅客周轉(zhuǎn)量。旅客周轉(zhuǎn)量的回歸系數(shù)在所有分位數(shù)通過(guò)顯著性檢驗(yàn)，且回歸系數(shù)為負(fù)，表明旅客周轉(zhuǎn)量的增加有利于交通業(yè)碳強(qiáng)度的降低，其主要原因是我國(guó)2000—2016 年客運(yùn)交通結(jié)構(gòu)中公路民航旅客周轉(zhuǎn)量占比逐漸減小。通過(guò)《中國(guó)統(tǒng)計(jì)年鑒》數(shù)據(jù)計(jì)算，我國(guó)2000 年鐵路、水運(yùn)、公路民航旅客周轉(zhuǎn)量占總旅客周轉(zhuǎn)量的比列分別為36.97%、0.82%、62.21%，2016 年比例分別為40.24%、0.23%、59.53%。從以上數(shù)據(jù)可以看出2000—2016 年鐵路旅客周轉(zhuǎn)量占比增加3.28%，公路民航旅客周轉(zhuǎn)量占比減小2.68%，而公路民航周轉(zhuǎn)量占比對(duì)交通能耗同樣具有正向沖擊效應(yīng)，故鐵路旅客周轉(zhuǎn)量占比增加與公路民航旅客周轉(zhuǎn)量占比減小都有利于交通業(yè)碳強(qiáng)度的降低，即表現(xiàn)為旅客周轉(zhuǎn)量的回歸系數(shù)為負(fù)。

不同地區(qū)旅客周轉(zhuǎn)量對(duì)交通業(yè)碳強(qiáng)度的影響不同，其中旅客周轉(zhuǎn)量對(duì)0.75-0.9 分位省份影響最大，其主要原因是2000—2016 年0.75-0.9 分位省份總旅客周轉(zhuǎn)量年均增長(zhǎng)率最大。由于不存在省內(nèi)民航旅客周轉(zhuǎn)量，而民航旅客周轉(zhuǎn)量占比較大，不可忽視，故不能僅僅通過(guò)省級(jí)鐵路、公路、水運(yùn)旅客周轉(zhuǎn)量結(jié)構(gòu)分析。自從我國(guó)人均收入增加，高鐵網(wǎng)絡(luò)越加發(fā)達(dá)，飛機(jī)班次越來(lái)越多，現(xiàn)今更多的人們出行會(huì)選擇公共交通。2016 年鐵路、民航旅客周轉(zhuǎn)量占比相較于2000 年分別增加3.28%和18.89%，公共交通會(huì)產(chǎn)生規(guī)模效應(yīng)，即客運(yùn)周轉(zhuǎn)量增加將會(huì)降低成本與能耗，故客運(yùn)周轉(zhuǎn)總量增長(zhǎng)率越大，規(guī)模效應(yīng)將會(huì)越顯著，越有利于交通業(yè)碳強(qiáng)度的降低。根據(jù)《中國(guó)統(tǒng)計(jì)年鑒》數(shù)據(jù)計(jì)算，2000—2016 年0-0.1、0.1-0.25、0.25-0.5、0.5-0.75、0.75-0.9 和0.9-1 分位省份旅客周轉(zhuǎn)量年均增長(zhǎng)率分別為：3.50%、4.18%、4.24%、3.98%、5.62%和5.33%。0.75-0.9 分位省份旅客周轉(zhuǎn)量年均增長(zhǎng)率最高，產(chǎn)生的規(guī)模效應(yīng)最大，最有利于交通業(yè)碳強(qiáng)度的減小，故旅客周轉(zhuǎn)量對(duì)0.25-0.5 分位省份交通業(yè)碳強(qiáng)度影響最大。

5.交通線(xiàn)路密度。交通線(xiàn)路密度在0.1-1 分位通過(guò)顯著性檢驗(yàn)，且回歸系數(shù)為負(fù)，表明交通線(xiàn)路密度的增大有利于交通業(yè)碳強(qiáng)度的降低，其主要原因是我國(guó)2000—2016 年交通線(xiàn)路密度逐漸增大。交通線(xiàn)路密度增大表明我國(guó)物流通道建設(shè)逐漸完善，而其中高鐵運(yùn)營(yíng)除了承擔(dān)客運(yùn)之外，也開(kāi)始承擔(dān)貨運(yùn)業(yè)務(wù)，這將提高物流效率和降低運(yùn)輸成本，物流效率的提高有利于減少能源消耗量，進(jìn)而降低交通業(yè)碳強(qiáng)度，故交通線(xiàn)路密度的增大有利于減小交通業(yè)碳強(qiáng)度，回歸系數(shù)為負(fù)。

不同地區(qū)交通線(xiàn)路密度對(duì)交通業(yè)碳強(qiáng)度的影響不同，其中交通線(xiàn)路密度對(duì)0.75-0.9 分位省份影響最大，其主要原因是0.75-0.9 分位省份交通線(xiàn)路密度年均增長(zhǎng)率最大。根據(jù)《中國(guó)統(tǒng)計(jì)年鑒》數(shù)據(jù)計(jì)算，2000—2016 年0.1-0.25、0.25-0.5、0.5-0.75、0.75-0.9 和0.9-1 分位省份交通線(xiàn)路密度年均增長(zhǎng)率分別為：6.98%、6.95%、6.80%、8.44%和5.70%。0.75-0.9 分位省份交通線(xiàn)路密度年均增長(zhǎng)率最高，故交通線(xiàn)路密度對(duì)0.75-0.9 分位省份交通業(yè)碳強(qiáng)度影響最大。

四、結(jié)論

我國(guó)交通運(yùn)輸業(yè)碳排放在持續(xù)增長(zhǎng)，碳排放強(qiáng)度自2005 年后卻在逐年降低，說(shuō)明部門(mén)能源利用效率不斷提升，節(jié)能技術(shù)不斷提高，但交通業(yè)每年碳排放的增長(zhǎng)率仍高于全國(guó)水平，為助力我國(guó)2030年全國(guó)碳排放實(shí)現(xiàn)峰值，各地區(qū)交通業(yè)需各有側(cè)重，制定有針對(duì)性的交通業(yè)減排方案。0.1-0.5 分位省份需加速經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)型，以環(huán)境為代價(jià)的高速經(jīng)濟(jì)發(fā)展并不可取，需綜合考慮環(huán)境和經(jīng)濟(jì)協(xié)調(diào)發(fā)展，合理的放緩經(jīng)濟(jì)增長(zhǎng)速度；0-0.1 和0.25-1分位省份需加大清潔能源的發(fā)展力度，有效降低交通業(yè)能耗強(qiáng)度，從而助力交通業(yè)碳強(qiáng)度的降低；所有省份尤其是0.1-0.25省份需充分發(fā)揮鐵路運(yùn)輸?shù)膬?yōu)勢(shì)，實(shí)現(xiàn)公路運(yùn)輸向鐵路運(yùn)輸?shù)慕Y(jié)構(gòu)轉(zhuǎn)變，同時(shí)加大新能源汽車(chē)的扶持力度與投放力度；0.1-0.75 和0.9-1 分位省份需加快完善各地區(qū)的公共交通網(wǎng)絡(luò)體系，充分發(fā)揮公共交通的規(guī)模優(yōu)勢(shì)。