中國(guó)交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率研究
——基于Global Malmquist-Luenberger 指數(shù)

李銘泓，黃 羿，朱偉俊，張發(fā)根，常向陽(yáng)

(廣州大學(xué)環(huán)境科學(xué)與工程學(xué)院，廣東廣州 510006)

交通運(yùn)輸業(yè)是我國(guó)能源消費(fèi)碳排放的第二大來(lái)源［1］。近年來(lái)，我國(guó)交通運(yùn)輸業(yè)碳排放總量呈現(xiàn)上升趨勢(shì)，據(jù)預(yù)測(cè)其在2030 年將達(dá)到2000 年的4 倍多，如何有效控制交通運(yùn)輸業(yè)碳排放已成為我國(guó)節(jié)能減排工作的重要內(nèi)容之一［2］。中國(guó)作為世界上最大的發(fā)展中國(guó)家，發(fā)展的中心任務(wù)仍以經(jīng)濟(jì)建設(shè)和改善民生為主［3］，相對(duì)于采用減少碳排放絕對(duì)量的減排方式，提高碳排放效率更能保障行業(yè)間的分配公平并降低對(duì)經(jīng)濟(jì)發(fā)展造成的影響［4］。因此，碳排放效率常用于以投入產(chǎn)出為基礎(chǔ)的碳排放量變化研究中，而科學(xué)全面地探討區(qū)域交通運(yùn)輸業(yè)碳排放效率以及其影響因素，為推動(dòng)行業(yè)碳排放生產(chǎn)率最優(yōu)化提供基礎(chǔ)依據(jù)，是促進(jìn)交通運(yùn)輸業(yè)可持續(xù)發(fā)展和區(qū)域低碳經(jīng)濟(jì)建設(shè)的關(guān)鍵［5-7］。

國(guó)內(nèi)外學(xué)者主要從單要素和全要素兩個(gè)角度進(jìn)行碳排放效率的研究［4,8-10］。單要素碳排放效率僅評(píng)價(jià)碳排放量與某一要素的比例關(guān)系，雖然有易于理解和應(yīng)用的優(yōu)點(diǎn)，但是缺乏對(duì)相關(guān)要素指標(biāo)耦合性的考慮。而全要素生產(chǎn)率最早由美國(guó)經(jīng)濟(jì)學(xué)家Robert［11］提出，指的是單位總投入所帶來(lái)的總產(chǎn)量，其結(jié)果比單要素評(píng)價(jià)更為全面和客觀，因此常作為衡量地區(qū)經(jīng)濟(jì)效率變化的重要指標(biāo)，對(duì)環(huán)境質(zhì)量評(píng)價(jià)具有重要意義。目前國(guó)內(nèi)對(duì)交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率的研究較少。其中，將碳排放作為非期望產(chǎn)出的全要素生產(chǎn)率評(píng)價(jià)以靜態(tài)分析為主，一般采用數(shù)據(jù)包絡(luò)分析方法中的Super-SBM 和RAM等模型，根據(jù)多個(gè)不同行業(yè)或省市的數(shù)據(jù)，逐年建立生產(chǎn)前沿面，對(duì)交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率進(jìn)行測(cè)算［6,12-13］，也有研究進(jìn)一步運(yùn)用計(jì)量經(jīng)濟(jì)分析方法探討了社會(huì)經(jīng)濟(jì)因素對(duì)碳排放全要素生產(chǎn)率的影響［14-15］。在考慮非期望產(chǎn)出分析交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率動(dòng)態(tài)變化方面，已有研究結(jié)合研究期間投入產(chǎn)出要素面板數(shù)據(jù)，基于數(shù)據(jù)包絡(luò)分析方法中的Malmquist-Luenberger（ML）指數(shù)、Global Malmquist-Luenberger（GML）指數(shù)等測(cè)算碳排放全要素生產(chǎn)率的變化率，并通過(guò)指數(shù)分解分析其影響因素。其研究范圍主要為部分省市和經(jīng)濟(jì)區(qū)域［7,16-17］，以國(guó)家層面開(kāi)展的省域?qū)Ρ妊芯可僦稚伲?8-19］，而且缺少對(duì)交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率變化空間差異性的詳細(xì)分析，不利于在全國(guó)統(tǒng)一生產(chǎn)前沿面的基礎(chǔ)上深入地分析其動(dòng)態(tài)變化與空間特征。同時(shí)，歸納已有研究中的投入產(chǎn)出指標(biāo)后發(fā)現(xiàn)，期望產(chǎn)出指標(biāo)主要為交通運(yùn)輸量和行業(yè)增加值，投入指標(biāo)包括資本存量、勞動(dòng)力、能源、運(yùn)行車輛、路線長(zhǎng)度等，而對(duì)交通碳排放強(qiáng)度有顯著正向影響的城市化水平和交通用地面積［20-21］，卻暫未被考慮在內(nèi)，這在一定程度上影響了碳排放效率的評(píng)價(jià)結(jié)果。

因此，本文根據(jù)數(shù)據(jù)可獲取情況，以我國(guó)30 個(gè)省級(jí)行政區(qū)（不包括西藏、香港、澳門和臺(tái)灣，下同）作為研究對(duì)象，在常用投入產(chǎn)出指標(biāo)中增加城市化水平與交通用地面積，同時(shí)為了在考慮非期望產(chǎn)出的情況下避免ML 指數(shù)可能出現(xiàn)的線性規(guī)劃無(wú)解等問(wèn)題，采用GML 指數(shù)評(píng)價(jià)2009—2016 年我國(guó)與四大經(jīng)濟(jì)區(qū)域交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率的動(dòng)態(tài)變化及其影響因素，并結(jié)合泰爾指數(shù)和變異系數(shù)對(duì)其空間差異性進(jìn)行分析，從而更加全面地探討提升交通運(yùn)輸業(yè)碳排放效率的思路，為制定差異化的區(qū)域碳減排政策提供科學(xué)的實(shí)證依據(jù)，為各區(qū)域協(xié)同發(fā)展低碳交通提供指導(dǎo)方向。

1 研究模型

1.1 Malmquist-Luenberger 指數(shù)

Malmquist-Luenberger（ML）指數(shù)可用于動(dòng)態(tài)效率的測(cè)度。它是Chung 等［22］為解決傳統(tǒng)Malmquist指數(shù)未考慮非期望產(chǎn)出的問(wèn)題，用方向距離函數(shù)（Directional Distance Function，DDF）與 傳 統(tǒng)Malmquist 指數(shù)結(jié)合，構(gòu)建出的一個(gè)帶非期望產(chǎn)出的生產(chǎn)率指數(shù)。根據(jù)Chung 等的研究思路，Malmquist-Luenberger 指數(shù)需要對(duì)相鄰兩個(gè)不同時(shí)期的方向距離函數(shù)進(jìn)行定義。

以某個(gè)生產(chǎn)單元為例，設(shè)其使用M種投入x=(x1,x2,…,xM)∈RM+，生產(chǎn)出N種期望產(chǎn)出y=(y1,y2,…,yN)∈RN+，和K種非期望產(chǎn)出b=(b1,b2,…,bK)∈則其第t期（t=1,2,…,T）產(chǎn)出可能性集合為：

在產(chǎn)出項(xiàng)存在零結(jié)合性、投入與期望產(chǎn)出項(xiàng)為強(qiáng)可處置性和非期望產(chǎn)出為弱處置性的前提下，引入方向距離函數(shù)，將“增加期望產(chǎn)出的同時(shí)降低非期望產(chǎn)出”這一目標(biāo)模型化，其函數(shù)表達(dá)式為：

其中，g為方向向量，當(dāng)g=(gy,-gb)時(shí)，表示期望產(chǎn)出增加，同時(shí)非期望產(chǎn)出減少；β為第t期的距離函數(shù)值，表示期望產(chǎn)出增加、非期望產(chǎn)出減少的最大可能倍數(shù)。

因此，t期到t+1 期的Malmquist-Luenberger 指數(shù)函數(shù)表達(dá)式為：

1.2 Global Malmquist-Luenberger 指數(shù)

Oh［23］在Chung 等 的 基 礎(chǔ) 上 構(gòu) 建 了Global Malmquist-Luenberger（GML）指數(shù)，它以所有研究時(shí)期的生產(chǎn)技術(shù)總集合為參照集，解決了ML 指數(shù)存在的不具備循環(huán)傳遞性、線性規(guī)劃無(wú)解等缺點(diǎn)，因此可以更加客觀準(zhǔn)確地反映我國(guó)省域交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率的變化情況。Oh 定義了全局生產(chǎn)技術(shù)集PG(x)=P1(x1)∪P2(x2)∪…∪PT(xT)，通過(guò)它構(gòu)建出一個(gè)單一生產(chǎn)前沿，可用于衡量各時(shí)期、各決策單元技術(shù)效率與前沿的差距。GML 指數(shù)大于（小于）1，代表全要素生產(chǎn)率增長(zhǎng)（下降），其函數(shù)表達(dá)式為：

GML 指數(shù)可分解為全域技術(shù)效率變化指數(shù)（GMLEFFCH）和全域技術(shù)變化指數(shù)（GMLTECH），其指數(shù)數(shù)值大于（小于）1 分別代表效率提高（降低）和技術(shù)進(jìn)步（退步），具體函數(shù)表達(dá)式為：

在規(guī)模報(bào)酬不變的情況下，本文參考趙良仕等［24］的研究，將GML 指數(shù)進(jìn)一步分解為式（6）中的純技術(shù)效率變化指數(shù)（GMLPECH）、規(guī)模效率變化指數(shù)（GMLSECH）和技術(shù)變化指數(shù)（GMLTECH），其中前兩項(xiàng)指數(shù)的乘積即為技術(shù)效率變化指數(shù)。

1.3 泰爾指數(shù)和變異系數(shù)

泰爾指數(shù)可用于評(píng)估某一指標(biāo)的區(qū)域差異，其值越大表示地區(qū)差異水平越高。本文采用泰爾指數(shù)測(cè)算30 個(gè)省級(jí)行政區(qū)交通運(yùn)輸業(yè)碳排放GML 指數(shù)的總體差異，并將其分解為四大經(jīng)濟(jì)區(qū)域之間的差異和區(qū)域內(nèi)部差異，計(jì)算公式如式（7）～（10）所示［25］。其中，四大經(jīng)濟(jì)區(qū)域包括東部、東北、中部和西部地區(qū)［26］。

式中，T表示研究范圍內(nèi)30 個(gè)省級(jí)行政區(qū)GML指數(shù)的總體泰爾指數(shù)，可以分解為東部、東北、中部和西部地區(qū)內(nèi)部省份之間的差異TW和地區(qū)之間的差異TB；Gi為第i個(gè)省份的GML 指數(shù)值；是各省GML 指數(shù)的平均值；n為總省份數(shù)，m為地區(qū)數(shù)量，np為第p個(gè)地區(qū)所包含的省份數(shù)；Gpi為第p個(gè)地區(qū)中各省份的GML 指數(shù)，為其對(duì)應(yīng)的平均值，Tp則為第p個(gè)地區(qū)內(nèi)各省份GML 指數(shù)的泰爾指數(shù)。

為了比較同一年份不同省份以及同一省份各年份GML 指數(shù)的差異程度，在此計(jì)算衡量數(shù)據(jù)離散程度的變異系數(shù)，即樣本標(biāo)準(zhǔn)差與平均數(shù)的比值，其值水平越高表示離散程度越大，反之則越小，計(jì)算公式如下：

式中，C.V為變異系數(shù)，k為省份或年份數(shù)量；Gj為j省的GML 指數(shù)值或同一省份第j年的GML 指數(shù)值；則是測(cè)算范圍內(nèi)各省份或各年份GML 指數(shù)的平均值。

2 指標(biāo)選取與數(shù)據(jù)來(lái)源

2.1 指標(biāo)選取

在前文歸納的交通運(yùn)輸業(yè)碳排放效率評(píng)價(jià)指標(biāo)中，資本存量、勞動(dòng)力和能源是環(huán)境效率評(píng)價(jià)常用的三項(xiàng)投入指標(biāo)［27］。由于能源消耗量可以間接地反映運(yùn)行車輛、路線長(zhǎng)度等投入指標(biāo)，因此本文不再重復(fù)考慮，而是增加對(duì)交通運(yùn)輸業(yè)碳排放有重要影響卻暫未被研究的城市化水平和交通用地面積。綜合考慮數(shù)據(jù)的可比性與可獲取性等因素后，本文選取全國(guó)除西藏、香港、澳門和臺(tái)灣以外的30 個(gè)省級(jí)行政區(qū)為研究對(duì)象，以交通運(yùn)輸業(yè)資本存量、勞動(dòng)力、能源、城市化率和交通用地占比作為投入指標(biāo)，交通運(yùn)輸業(yè)增加值為期望產(chǎn)出指標(biāo)，交通運(yùn)輸業(yè)碳排放量為非期望產(chǎn)出指標(biāo)，對(duì)2009—2016 年省域交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率的動(dòng)態(tài)變化進(jìn)行分析。

2.2 數(shù)據(jù)來(lái)源及處理

本文參考李杰偉等［28］的研究，按永續(xù)盤存法對(duì)各地交通運(yùn)輸業(yè)資本存量進(jìn)行核算［29］，計(jì)算所需的投資額為交通運(yùn)輸業(yè)固定資產(chǎn)投資額，基期資本存量采用Hall 等［30］提出的方法進(jìn)行計(jì)算，折舊率取值為8.76%［28］。勞動(dòng)力即交通運(yùn)輸業(yè)從業(yè)人數(shù)，可獲取的統(tǒng)計(jì)數(shù)據(jù)為城鎮(zhèn)單位就業(yè)人員數(shù)，這進(jìn)一步說(shuō)明了在投入指標(biāo)中選取代表城市化率的城鎮(zhèn)人口比重的必要性。交通用地占比為各地交通運(yùn)輸用地與區(qū)域總面積的比例，數(shù)據(jù)來(lái)源于我國(guó)土地調(diào)查成果共享應(yīng)用服務(wù)平臺(tái)。固定資產(chǎn)投資額、從業(yè)人數(shù)、城市化率以及交通運(yùn)輸業(yè)增加值取自2010—2017 年《中國(guó)統(tǒng)計(jì)年鑒》，且固定資產(chǎn)投資額與行業(yè)增加值均已轉(zhuǎn)換成2005 年可比價(jià)。

投入指標(biāo)中的能源即交通運(yùn)輸業(yè)終端能源消耗量，其實(shí)物量數(shù)據(jù)來(lái)源于2010—2017 年《中國(guó)能源統(tǒng)計(jì)年鑒》，具體整理歸納為19 種能源，包括原煤、洗精煤、其他洗煤、型煤、焦炭、焦?fàn)t煤氣、其他煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、其他石油制品、天然氣、液化天然氣、其他能源、電力和熱力。根據(jù)2010—2017 年《中國(guó)電力年鑒》和《2010 中國(guó)電力工業(yè)統(tǒng)計(jì)數(shù)據(jù)分析》中各年份供電標(biāo)準(zhǔn)煤耗和供熱標(biāo)準(zhǔn)煤耗數(shù)據(jù)，可將以煤炭為主要燃料生產(chǎn)的電力和熱力轉(zhuǎn)換成標(biāo)準(zhǔn)煤耗量［31］；其他類型能源的實(shí)物消耗量通過(guò)乘以對(duì)應(yīng)的平均低位發(fā)熱量再除以標(biāo)準(zhǔn)煤的低位發(fā)熱量，可折算成便于加總計(jì)算的標(biāo)準(zhǔn)煤耗量［32-33］。將各年份所有類型能源的標(biāo)準(zhǔn)煤耗量求和，得到30 個(gè)省級(jí)行政區(qū)2009—2016 年交通運(yùn)輸業(yè)的能源消耗量。另一方面，采用IPCC 中將能源消耗量與碳排放系數(shù)相乘的方法計(jì)算各類能源的碳排放量［34］。其中，因電力與熱力已轉(zhuǎn)換成供應(yīng)所需的標(biāo)準(zhǔn)煤耗量，其碳排放系數(shù)取國(guó)家發(fā)改委建議值0.67kgC/kgce［35］；將取值為平均低位發(fā)熱量的能源單位熱值，與其單位熱值含碳量以及能源燃燒過(guò)程的碳氧化率相乘，計(jì)算其他各類能源的碳排放系數(shù)［36］。在此基礎(chǔ)上，加總得到研究區(qū)各年份的交通運(yùn)輸業(yè)碳排放量。在國(guó)民經(jīng)濟(jì)行業(yè)分類中，交通運(yùn)輸業(yè)屬于交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)并以此為口徑進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，由于倉(cāng)儲(chǔ)和郵政在行業(yè)中的占比較?。?3］，因此以上涉及的統(tǒng)計(jì)年鑒中的交通運(yùn)輸業(yè)指標(biāo)數(shù)據(jù)均近似取值于對(duì)應(yīng)的交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)數(shù)據(jù)。

3 結(jié)果與分析

3.1 GML 指數(shù)值及空間分布

運(yùn)用MaxDEA 8 Ultra 軟件 對(duì)2009—2016 年間我國(guó)30 個(gè)省級(jí)行政區(qū)交通運(yùn)輸業(yè)碳排放GML 指數(shù)進(jìn)行測(cè)算，結(jié)果如表1 所示。研究期間，交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率上升的省份占測(cè)算省份的47%，我國(guó)交通運(yùn)輸業(yè)碳排放GML 指數(shù)年均值為0.996 2，即2009—2016 年交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率年均下降0.38%。其中，全要素生產(chǎn)率在2011、2012、2013 和2015 年有所上升，表明“十二五”期間實(shí)施的低碳發(fā)展政策使全國(guó)交通運(yùn)輸業(yè)碳排放效率總體得到了改善。全要素生產(chǎn)率增長(zhǎng)的省份主要集中在東北、東南沿海和西南部，中部省份的全要素生產(chǎn)率則普遍下降，說(shuō)明區(qū)域間全要素生產(chǎn)率的變化并不均衡，存在一定的空間差異性。GML 指數(shù)均值最高的五個(gè)省份是四川、河南、上海、新疆和浙江，研究期間全要素生產(chǎn)率的增長(zhǎng)率均超過(guò)了25%，這也表明效率進(jìn)步最優(yōu)值在空間分布上并沒(méi)有明顯的區(qū)域性?？傮w上看，我國(guó)各省份之間的交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率變化率具有極大的區(qū)域不平衡性，主要受各省域自身經(jīng)濟(jì)發(fā)展政策影響。

表1 全國(guó)省域交通運(yùn)輸業(yè)碳排放GML 指數(shù)

表1 （續(xù)）

分析比較四大經(jīng)濟(jì)區(qū)域內(nèi)部各地的GML 指數(shù)可知，在東部地區(qū)，東南沿海省份的年均GML 指數(shù)幾乎都大于1，而環(huán)渤海地區(qū)省份的全要素生產(chǎn)率則都有所下降。東北地區(qū)各省GML 指數(shù)年均值均大于1，其中黑龍江全要素生產(chǎn)率的年均增加幅度最大。西部地區(qū)超過(guò)一半省份的全要素生產(chǎn)率年均有所上升，然而各地GML 指數(shù)均值的差異較大。中部六省中僅有河南的GML 指數(shù)大于1，雖然其僅小于全國(guó)GML指數(shù)最大的四川，但其他五個(gè)省份的全要素生產(chǎn)率均出現(xiàn)下降，導(dǎo)致中部地區(qū)GML 指數(shù)的年均值在四個(gè)地區(qū)中最小。綜合而言，東部地區(qū)和東北地區(qū)全要素生產(chǎn)率年均分別增長(zhǎng)了0.12%和1.69%，而中部和西部地區(qū)則年均分別下降了1.35%和0.86%。

3.2 GML 指數(shù)區(qū)域差異及變化

本文根據(jù)式（7）～（11）計(jì)算泰爾指數(shù)和變異系數(shù)，進(jìn)一步分析2009—2016 年我國(guó)交通運(yùn)輸業(yè)碳排放GML 指數(shù)的區(qū)域差異及其變化，從而探討區(qū)域差異形成的主要來(lái)源。其中，泰爾指數(shù)計(jì)算結(jié)果如表2 所示，某年份的總體泰爾指數(shù)為上一年到該年份各省份GML 指數(shù)值的總體差異，可以分解為東部、東北、中部和西部地區(qū)之間的差異與四個(gè)地區(qū)內(nèi)部各省份之間的差異。2010—2016 年，各省份交通運(yùn)輸業(yè)碳排放GML 指數(shù)的總體差異呈現(xiàn)出先上升后下降的趨勢(shì)，由2010年的0.004 2上升至2013年的0.023 1，隨后下降至2016 年的0.004 9。該變化特征的原因在于地區(qū)間差異和地區(qū)內(nèi)部差異均出現(xiàn)了先波動(dòng)上升后總體下降的變化狀態(tài)。2010—2013 年，表示地區(qū)間差異和地區(qū)內(nèi)部差異的泰爾指數(shù)由0.001 2 和0.003 1 分別上升至0.010 0 和0.013 2，隨后又分別變化至2016 年的0.001 9 和0.003 0。研究期間，地區(qū)間差異和地區(qū)內(nèi)部差異對(duì)總體差異的平均貢獻(xiàn)率分別為22.44%和77.56%，且每年地區(qū)內(nèi)部差異的貢獻(xiàn)率都高于地區(qū)間差異，表明各地區(qū)內(nèi)部的差異是造成我國(guó)交通運(yùn)輸業(yè)碳排放GML 指數(shù)省際差異的主要因素，其中2014 和2015 年GML 指數(shù)的差異幾乎全部由地區(qū)內(nèi)部差異所致。

然而，2010—2016 年間東部、東北、中部與西部地區(qū)內(nèi)部省份之間的GML 指數(shù)差異并不穩(wěn)定，四個(gè)地區(qū)內(nèi)部差異對(duì)總體差異的貢獻(xiàn)率均值按大小排序依次為西部、東北、東部和中部地區(qū)。其中，西部地區(qū)貢獻(xiàn)率均值最大的原因在于其省份數(shù)量最多，且包含的四川與甘肅是研究范圍內(nèi)年均GML 指數(shù)最高與最低的兩個(gè)省份，二者的碳排放全要素生產(chǎn)率年均分別增加5.22%和下降16.42%。研究期間，西部地區(qū)貢獻(xiàn)率波動(dòng)上升至2014 年的62.67%后逐漸下降，其變異系數(shù)也在2014 年后下降并趨于平緩，說(shuō)明省份之間交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率變化率的差異有所減少。東北地區(qū)省份數(shù)量在四個(gè)地區(qū)中最少，但其對(duì)總體差異的平均貢獻(xiàn)率卻僅次于西部地區(qū)。東北地區(qū)的貢獻(xiàn)率在波動(dòng)變化中與西部地區(qū)呈現(xiàn)出此增彼減的狀態(tài)，且在2011、2013 和2016年的四個(gè)地區(qū)內(nèi)部差異貢獻(xiàn)率中最大。同時(shí)，變異系數(shù)計(jì)算結(jié)果顯示，東北地區(qū)的變異系數(shù)波動(dòng)最為劇烈，除2012 和2014 年外其變異系數(shù)均為四個(gè)地區(qū)中的最大值，進(jìn)一步印證了東北三省的GML 指數(shù)之間存在較為顯著的差異。這主要與黑龍江和吉林全要素生產(chǎn)率的大幅度變化有關(guān)，兩地在2010—2016 年間的GML 指數(shù)變異系數(shù)分別為0.342 6 與0.501 7，遠(yuǎn)大于全國(guó)平均水平0.106 2。東部與中部地區(qū)貢獻(xiàn)率的變化過(guò)程與西部地區(qū)基本一致，雖然東部地區(qū)的貢獻(xiàn)率自2013 年起始終高于中部地區(qū)，但二者在研究期間的平均貢獻(xiàn)率較為接近。東部地區(qū)中，山東和海南的GML 指數(shù)變化相對(duì)不穩(wěn)定，因而成為造成東部地區(qū)內(nèi)部GML 指數(shù)差異的重要原因。而在中部地區(qū)，地區(qū)內(nèi)部差異形成的主要因素是湖北省GML 指數(shù)的變化及其與其他各省的差異。其中，湖北交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率在2011和2012 年分別出現(xiàn)了大幅度的增長(zhǎng)與下降，不僅引起中部地區(qū)總體全要素生產(chǎn)率的同步變化，而且導(dǎo)致了地區(qū)GML 指數(shù)變異系數(shù)的顯著上升。

表2 全國(guó)交通運(yùn)輸業(yè)碳排放GML 指數(shù)的總體差異及其分解貢獻(xiàn)率

3.3 GML 指數(shù)變化的影響因素

為研究各省份交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率變化的影響因素，本文將GML 指數(shù)進(jìn)一步分解成純技術(shù)效率變化指數(shù)（GMLPECH）、規(guī)模效率變化指數(shù)（GMLSECH）和技術(shù)變化指數(shù)（GMLTECH）。其中，GML 指數(shù)及各項(xiàng)分解指數(shù)的動(dòng)態(tài)變化如圖1 所示。我國(guó)交通運(yùn)輸業(yè)碳排放純技術(shù)效率自2013 年起基本保持上升狀態(tài)，規(guī)模效率在2010—2014 年間呈現(xiàn)總體增長(zhǎng)的趨勢(shì)，隨后則出現(xiàn)了較為明顯的下降，而技術(shù)水平僅在2012 年和2015 有所提高，其余年份均表現(xiàn)出不同幅度的下降，且技術(shù)變化在研究的七個(gè)時(shí)段中有四次是驅(qū)動(dòng)全要素生產(chǎn)率變化的關(guān)鍵因素。由于研究期間不存在純技術(shù)效率、規(guī)模效率和技術(shù)水平同時(shí)增加或減少的現(xiàn)象，因此GML 指數(shù)的變化幅度相對(duì)較小。由此可見(jiàn)，不同的時(shí)間段我國(guó)交通運(yùn)輸業(yè)在總體上對(duì)碳排放技術(shù)效率與技術(shù)水平各有側(cè)重，在兼顧二者共同發(fā)展方面的成效并不理想，導(dǎo)致全要素生產(chǎn)率無(wú)法穩(wěn)定上升。

圖1 全國(guó)交通運(yùn)輸業(yè)碳排放GML 指數(shù)及其分解指數(shù)變化趨勢(shì)

表3 為2009—2016 年各省份交通運(yùn)輸業(yè)碳排放GML 指數(shù)分解結(jié)果的年均值。因福建、海南、四川、貴州、寧夏和新疆的純技術(shù)效率變化指數(shù)小于1，且海南與寧夏純技術(shù)效率的下降幅度較大，我國(guó)純技術(shù)效率平均水平稍有下降，年均降幅為0.18%。除北京、天津、河北、山西、安徽、湖北、廣西、陜西、甘肅和青海以外，其他地區(qū)規(guī)模效率變化指數(shù)均值均大于1，這推動(dòng)了我國(guó)規(guī)模效率年均上升2.68%。在純技術(shù)效率與規(guī)模效率變化的共同作用下，我國(guó)技術(shù)效率年均增長(zhǎng)幅度為2.50%。技術(shù)變化方面，除河北、浙江、福建、廣東、內(nèi)蒙古和青海以外，其他地區(qū)技術(shù)變化指數(shù)均值均小于1，導(dǎo)致我國(guó)技術(shù)水平年均下降2.81%。因此，雖然我國(guó)交通運(yùn)輸業(yè)產(chǎn)業(yè)結(jié)構(gòu)與規(guī)模不斷優(yōu)化，但對(duì)應(yīng)的交通運(yùn)輸管理能力卻沒(méi)有得到同步提升，且行業(yè)技術(shù)創(chuàng)新水平的退化在生產(chǎn)率變化中起主導(dǎo)性作用，造成了我國(guó)交通運(yùn)輸業(yè)碳排放效率的總體下降。

表3 2009—2016 年各省份交通運(yùn)輸業(yè)碳排放GML 指數(shù)分解結(jié)果年均值

表3 （續(xù)）

在區(qū)域?qū)用嫔?，交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率年均有所增加的東部與東北地區(qū)，其各分解指數(shù)的變化方向相同但變化幅度存在一定差異。東部地區(qū)純技術(shù)效率和規(guī)模效率年均分別增加1.10%和1.30%，技術(shù)水平卻年均下降2.24%。東北地區(qū)純技術(shù)效率年均增加6.29%，規(guī)模效率的變化則與東部地區(qū)相近，年均增幅為1.03%，但技術(shù)水平下降幅度較大，年均下降5.31%。中部地區(qū)純技術(shù)效率與規(guī)模效率年均增加幅度分別為2.31%與0.57%，技術(shù)水平年均下降4.12%。而西部地區(qū)各項(xiàng)指數(shù)的變化與全國(guó)情況基本一致，純技術(shù)效率與技術(shù)水平分別下降4.29%和1.82%，規(guī)模效率年均增加5.61%。綜合而言，純技術(shù)效率和規(guī)模效率分別是對(duì)東北和西部地區(qū)交通運(yùn)輸業(yè)碳排放效率變化影響最大的因素，而技術(shù)水平變化對(duì)東、中部地區(qū)碳排放效率變化的作用最明顯。

4 討論

經(jīng)濟(jì)較發(fā)達(dá)且開(kāi)放程度較高的部分東南沿海省份，帶動(dòng)了東部地區(qū)交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率的增長(zhǎng)，其中上海、浙江和江蘇技術(shù)效率年均增長(zhǎng)幅度最高，對(duì)改善地區(qū)全要素生產(chǎn)率的作用較大，這可能和其經(jīng)濟(jì)發(fā)展水平與交通碳排放的關(guān)聯(lián)度相較京津冀地區(qū)與廣東省更小有關(guān)［37］。北京、天津和河北的規(guī)模效率均有所下降，這可能是由要素過(guò)度聚集所引起［38］。除此之外，城市化水平較低的河北，因交通需求的增速不如人口規(guī)模的增長(zhǎng)速度［39］，導(dǎo)致擴(kuò)大交通規(guī)模時(shí)可能造成了資源的浪費(fèi)。同時(shí)，河北在京津冀一體化的背景下承接了部分北京與天津轉(zhuǎn)移的高污染產(chǎn)業(yè)，造成能源消費(fèi)總量的上升［40］，從而降低了碳排放的規(guī)模效率。

東北地區(qū)全要素生產(chǎn)率的上升，源于其交通運(yùn)輸管理水平快速進(jìn)步帶來(lái)的技術(shù)效率增長(zhǎng)。這一提升可能是由于自2012 年起東北地區(qū)通過(guò)產(chǎn)業(yè)轉(zhuǎn)型和節(jié)能減排措施，在總體上改善了碳排放和經(jīng)濟(jì)增長(zhǎng)的脫鉤狀態(tài)［41］。然而，因受技術(shù)衰退的影響，交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率雖然在四個(gè)地區(qū)中增長(zhǎng)最快，卻很不穩(wěn)定。其中，吉林和黑龍江的全要素生產(chǎn)率都出現(xiàn)了大起大落的現(xiàn)象，且三省間全要素生產(chǎn)率變化率差異較大。因此，為保持交通運(yùn)輸業(yè)碳排放效率的持續(xù)增長(zhǎng)與更大程度的提升，東北地區(qū)應(yīng)在加快技術(shù)創(chuàng)新的基礎(chǔ)上加強(qiáng)區(qū)域間的合作。

中部和西部地區(qū)交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率的下降均由技術(shù)水平的下滑所致。在中部地區(qū)，河南是研究期間全要素生產(chǎn)率唯一增加的省份，這與其部分年份合理的交通能源結(jié)構(gòu)所推動(dòng)的技術(shù)效率增長(zhǎng)密不可分［42］。近年來(lái)在“一帶一路”政策的驅(qū)動(dòng)下，為了與“絲綢之路經(jīng)濟(jì)帶”沿線國(guó)家建立互聯(lián)互通網(wǎng)絡(luò)，西部地區(qū)積極推進(jìn)交通基礎(chǔ)設(shè)施建設(shè)、增加路網(wǎng)密度［43］，這或許有效帶動(dòng)了交通運(yùn)輸業(yè)碳排放規(guī)模效率總體不斷提高。然而，甘肅的規(guī)模效率卻出現(xiàn)大幅度下降，導(dǎo)致其全要素生產(chǎn)率下降并與其他省份形成明顯差異，這可能是由于其交通運(yùn)輸業(yè)碳排放受經(jīng)濟(jì)發(fā)展水平影響較大，因此行業(yè)仍處于粗放型發(fā)展階段［44-45］。在促進(jìn)行業(yè)規(guī)模優(yōu)化發(fā)展的同時(shí)，西部地區(qū)各省份還應(yīng)加快提升交通運(yùn)輸系統(tǒng)的管理水平，推動(dòng)純技術(shù)效率的進(jìn)步。

雖然已有研究發(fā)現(xiàn)我國(guó)交通運(yùn)輸業(yè)碳排放效率在空間上存在相關(guān)性［13,15］，然而采用全局Moran's I指數(shù)分析2009—2016 年各省平均GML 指數(shù)的空間關(guān)聯(lián)性發(fā)現(xiàn)，Moran's I 指數(shù)為－0.116 且P 值為0.21，即各省份GML 指數(shù)在空間分布上沒(méi)有呈現(xiàn)出聚集的現(xiàn)象，進(jìn)一步說(shuō)明各省份全要素生產(chǎn)率的增長(zhǎng)率受各地自身交通運(yùn)輸業(yè)發(fā)展水平以及相關(guān)政策的影響更大，與鄰近省份的聯(lián)系則較少。研究期間，四大經(jīng)濟(jì)區(qū)域交通運(yùn)輸規(guī)模不斷得到改善，但仍需更加重視交通運(yùn)輸系統(tǒng)節(jié)能減排技術(shù)創(chuàng)新，進(jìn)一步提升資源利用效率。同時(shí)，在提高交通運(yùn)輸業(yè)碳排放效率的過(guò)程中，各地并未能同時(shí)兼顧技術(shù)效率和技術(shù)水平的提高，這與其他關(guān)于能源、環(huán)境全要素生產(chǎn)率的研究結(jié)果相吻合［24,46-47］。因此，各省份在各類資源利用、污染排放控制問(wèn)題方面，應(yīng)當(dāng)將如何使技術(shù)效率與技術(shù)水平齊頭并進(jìn)作為研究的重點(diǎn)之一。

5 結(jié)論與建議

5.1 結(jié)論

本文運(yùn)用Global Malmquist-Luenberger 指數(shù)、泰爾指數(shù)和變異系數(shù)，測(cè)算了我國(guó)30 個(gè)省級(jí)行政區(qū)2009—2016 年交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率的變化率，并對(duì)其區(qū)域差異和影響因素進(jìn)行了分析，研究得到以下主要結(jié)論：

（1）研究期間，我國(guó)交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率總體略有下降。其中，東北地區(qū)全要素生產(chǎn)率年均增長(zhǎng)幅度最大，東部地區(qū)次之，西部與中部地區(qū)的全要素生產(chǎn)率則有所下降，且中部地區(qū)的下降幅度超過(guò)全國(guó)平均水平。

（2）我國(guó)交通運(yùn)輸業(yè)碳排放全要素生產(chǎn)率變化情況的區(qū)域差異呈現(xiàn)出先上升后下降的趨勢(shì)。四大經(jīng)濟(jì)區(qū)域內(nèi)部省份之間的差異是全國(guó)差異形成的主要原因，其中西部和東北部地區(qū)內(nèi)部差異的貢獻(xiàn)程度較大，且東北地區(qū)省份之間的差異最為顯著。

（3）四大經(jīng)濟(jì)區(qū)域交通運(yùn)輸業(yè)碳排放技術(shù)效率均有所增長(zhǎng)，而技術(shù)水平卻均出現(xiàn)了下降。雖然西部地區(qū)純技術(shù)效率的下降導(dǎo)致全國(guó)純技術(shù)效率總體水平稍有降低，但四個(gè)地區(qū)規(guī)模效率的提升在整體上推動(dòng)了我國(guó)技術(shù)效率的增長(zhǎng)。技術(shù)水平是造成東部、中部以及全國(guó)全要素生產(chǎn)率變化的主要原因，而純技術(shù)效率和規(guī)模效率分別對(duì)東北和西部地區(qū)全要素產(chǎn)率的影響最大。

5.2 建議

（1）推動(dòng)碳減排技術(shù)的創(chuàng)新與進(jìn)步，建立與運(yùn)營(yíng)管理服務(wù)相互促進(jìn)的有效機(jī)制。面對(duì)普遍存在的技術(shù)水平影響碳排放效率進(jìn)步問(wèn)題，一方面應(yīng)繼續(xù)加大經(jīng)費(fèi)投入，支持環(huán)保新設(shè)備與工藝技術(shù)的研發(fā)，加快科技成果轉(zhuǎn)化，推進(jìn)清潔能源在交通領(lǐng)域的應(yīng)用，并逐步完善配套基礎(chǔ)設(shè)施的建設(shè)。另一方面，通過(guò)發(fā)展智能交通系統(tǒng)優(yōu)化交通路線和資源調(diào)配，同時(shí)更換高能耗交通工具，降低行業(yè)能源消耗總量與能耗強(qiáng)度；關(guān)注企業(yè)管理效率，發(fā)揮規(guī)模效應(yīng)提高經(jīng)濟(jì)效益，進(jìn)一步激發(fā)技術(shù)創(chuàng)新的驅(qū)動(dòng)力。由此形成技術(shù)研發(fā)與管理服務(wù)良性互動(dòng)的有效機(jī)制，從而改善技術(shù)效率與技術(shù)進(jìn)步難以兼顧的現(xiàn)狀。

（2）明確區(qū)域低碳交通發(fā)展的重點(diǎn)方向，因地制宜科學(xué)設(shè)計(jì)總體改善思路。東部地區(qū)的東南沿海省份在繼續(xù)發(fā)揮技術(shù)水平優(yōu)勢(shì)的同時(shí)，應(yīng)汲取京津冀的交通運(yùn)輸管理經(jīng)驗(yàn)，而京津冀地區(qū)除提升技術(shù)水平外，尤其需要關(guān)注交通運(yùn)輸規(guī)模擴(kuò)張的合理性，避免因要素過(guò)度集中而造成資源的浪費(fèi)。雖然東北地區(qū)碳排放全要素生產(chǎn)率的進(jìn)步得益于技術(shù)效率的大幅度增長(zhǎng)，但仍需尋求保持或突破其目前趨于穩(wěn)定狀態(tài)的策略。西部地區(qū)應(yīng)加大對(duì)交通運(yùn)輸業(yè)綠色經(jīng)濟(jì)發(fā)展的政策支持，充分結(jié)合自身能源資源稟賦，整合資源提升交通運(yùn)輸管理服務(wù)水平。此外，西部地區(qū)可以通過(guò)與中部地區(qū)建立跨區(qū)域的交通運(yùn)輸業(yè)綜合管理機(jī)構(gòu)，加強(qiáng)區(qū)域之間的聯(lián)動(dòng)，縮小中西部和東部地區(qū)的發(fā)展差距。

（3）加強(qiáng)區(qū)域內(nèi)部省份之間的交流合作，為行業(yè)綠色生產(chǎn)效率協(xié)同發(fā)展提供保障。加快區(qū)域交通運(yùn)輸業(yè)“一體化”發(fā)展規(guī)劃的制定與實(shí)施，根據(jù)實(shí)際需求跨省域優(yōu)化交通規(guī)模與資源配置。搭建交流平臺(tái)并通過(guò)財(cái)政、金融和投資等經(jīng)濟(jì)政策，促進(jìn)資金、技術(shù)、管理人才與經(jīng)驗(yàn)在區(qū)域內(nèi)流動(dòng)，發(fā)揮高效率省份的輻射帶動(dòng)作用，縮小各區(qū)域內(nèi)部的效率差異。同時(shí)，對(duì)于內(nèi)部差異平均水平最高的東北地區(qū)，在省際優(yōu)勢(shì)互補(bǔ)的基礎(chǔ)上，還應(yīng)合力加強(qiáng)綠色創(chuàng)新技術(shù)的發(fā)展與區(qū)域共享，減少技術(shù)進(jìn)步速度與其他區(qū)域的差距。