長江經(jīng)濟帶交通碳排放空間溢出效應(yīng)研究
——基于空間杜賓模型分析

0 引言

中國作為碳排放大國，承擔(dān)著巨大的責(zé)任和壓力，環(huán)境問題越來越突出，如何進行可持續(xù)發(fā)展是面臨的首要問題。國家主席習(xí)近平2020年9月22日在第七十五屆聯(lián)合國大會一般性辯論上表示，中國將提高國家自主貢獻力度，采取更加有力的政策和措施，CO

排放力爭于2030 年前達到峰值，努力爭取2060年前實現(xiàn)碳中和的目標(biāo)。在2021年兩會期間首次將碳達峰、碳中和寫入政府工作報告中，體現(xiàn)國家對碳排放的重視。

長江經(jīng)濟帶橫跨11 個省市，以20%左右的國土面積承載了全國40%以上的人口和40%以上的GDP。它不僅是我國總量最大、腹地最廣的經(jīng)濟區(qū)，也是重要的生態(tài)寶庫。在2017 年國家發(fā)展和改革委員會為推動長江經(jīng)濟帶發(fā)展印發(fā)了《長江經(jīng)濟帶生態(tài)環(huán)境保護規(guī)劃》，以督促長江沿岸的城市做好生態(tài)保護。交通運輸業(yè)作為碳排放的來源之一，降低碳排放量是進行大氣污染防治的重要一環(huán)。長江經(jīng)濟帶各省市分布如圖1所示。

比較1) 和2) 可以看出，當(dāng)頻率殘差在修正中所占權(quán)重較大時，修正效果要遠好于各殘差所占權(quán)重相同時的修正結(jié)果。比較2) 和3) 可以看出，在進行相同次數(shù)迭代修正后，模態(tài)頻率和MAC值變化幾乎相同，且效果都遠好于1) 。但是，從圖9和圖12，可以看出，2) 的修正參數(shù)變化太過劇烈，在目標(biāo)函數(shù)中殘差幾乎不變的情況下，修正參數(shù)依然在大幅度改變，沒有收斂的趨勢；3) 的修正參數(shù)在目標(biāo)函數(shù)中殘差不怎么改變后也減小了改變量，修正參數(shù)緩慢變化，最后收斂。綜合比較可知，3) 的結(jié)果更好，修正后有限元模型與實際結(jié)構(gòu)貼合很好，修正參數(shù)的變化也在正常范圍內(nèi)，修正結(jié)果可信度高(表2)，具有較好的工程應(yīng)用意義。

根據(jù)公安部交通管理局發(fā)布的消息，全國機動車保有量由 2014 年的 2.64 億輛增長到 2020 年的3.72 億輛，增幅為41%。機動車保有量的劇增，導(dǎo)致大量溫室氣體的排放，交通運輸行業(yè)已成為重要的排放來源，公路運輸作為交通運輸行業(yè)的重要運輸方式，能源消耗和碳排放更是居交通運輸排放之首，引起社會和學(xué)者的廣泛關(guān)注。

1 文獻綜述

從現(xiàn)有文獻來看，對交通碳排放量的研究起源于20 世紀(jì)初Vitze W 對位于德國中部的Hesse 的研究

。近年來，許多學(xué)者使用空間杜賓模型從不同角度研究各個因素對于碳排放的影響。孫愛軍

和陳遷等

基于省級面板空間數(shù)據(jù)研究了出口貿(mào)易對碳排放效率的影響及其空間效應(yīng)。王艷等

建立空間動態(tài)模型探索了城市化進程中城市人口空間結(jié)構(gòu)對環(huán)境污染的影響效應(yīng)。李建豹等

基于考慮非期望產(chǎn)出的SBM-DEA 模型與窗口分析相結(jié)合的方法，測算了長三角地區(qū)的碳排放效率。Suarez等

認為機動車產(chǎn)生的尾氣是引發(fā)城市污染的首要問題。Zhang 等

基于STIRPAT 模型分析了我國1995-2010年的交通碳排放影響因素，通過對比得到人口數(shù)量、富裕程度和客運周轉(zhuǎn)量等因素對我國碳排放量影響最大。趙小曼等

以中國交通運輸業(yè)經(jīng)濟發(fā)展與行業(yè)CO

排放的關(guān)系為研究對象，構(gòu)建了環(huán)境庫茲涅茨曲線的空間計量檢驗拓展模型，對中國交通運輸行業(yè)的環(huán)境庫茲涅茨曲線進行了實證檢驗。另有一些學(xué)者從空間角度對區(qū)域碳排放進行研究，Hopkins 等

基于人口密度分布的模型，探究了城市擴張情況下對區(qū)域碳排放的影響。陳珍啟等

利用回歸模型從城市空間形態(tài)角度檢驗城市形態(tài)對碳排放的影響，進而提出“空間·土地·交通”綜合系統(tǒng)的低碳發(fā)展框架。石敏俊等

通過測算各省區(qū)的碳足跡和省區(qū)間的碳排放轉(zhuǎn)移，發(fā)現(xiàn)各省區(qū)之間碳足跡和人均碳足跡在空間上存在顯著的差異。周四軍等

研究了中國區(qū)域碳排放強度的空間效應(yīng)，指出中國區(qū)域間的碳排放強度在空間水平上具有顯著效應(yīng)。

長江經(jīng)濟帶作為國家重大戰(zhàn)略，區(qū)域的空間聯(lián)系緊密，研究長江經(jīng)濟帶的交通排放的空間聯(lián)系和影響，對其排放治理、協(xié)同消減、綠色可持續(xù)發(fā)展具有重要意義。

2 空間計量模型建立

2.1 空間面板數(shù)據(jù)模型的建立

（4）做好決策氣象服務(wù)還需要加大財力的投入，創(chuàng)新管理模式。做好氣象災(zāi)害防御工作的物質(zhì)基礎(chǔ)，保障儀器、設(shè)備能夠正常運行，以促進氣象業(yè)務(wù)的現(xiàn)代化發(fā)展。同時還要落實基礎(chǔ)民生建設(shè)，保證一些偏遠地區(qū)也能夠及時接收到相關(guān)天氣預(yù)警，然后做好防范工作，以避免不必要的損失。

2.2.1 教練員的基本情況 教練員的學(xué)歷統(tǒng)計結(jié)果顯示，研究生學(xué)歷的教練員為空缺狀態(tài)，2名（占20%）教練員的學(xué)歷為本科以下水平；具有本科學(xué)歷的教練員有8名，占有絕大多數(shù)（80%）。對比國家體育總局下發(fā)的《“國家高水平體育后備人才基地”認定辦法》（以下簡稱《辦法》）中關(guān)于教練學(xué)歷方面滿分的標(biāo)準(zhǔn)：“具有本科及以上學(xué)歷的教練員占教練員總數(shù)：中等體育運動學(xué)校100%；少體校85%及以上。每降低1個百分點扣1分”[2]，我們可以發(fā)現(xiàn)武進少體校的教練員學(xué)歷水平雖然已達較高標(biāo)準(zhǔn)，但還有一定的提升空間。

對于空間面板數(shù)據(jù)回歸模型的估計結(jié)果，由于在不考慮和考慮空間滯后項的時候，回歸系數(shù)對變量的影響會發(fā)生變化。因此，Lesage、Pace提出了直接效應(yīng)、間接效應(yīng)和總效應(yīng)等概念，用來反映自變量對因變量的影響

。在處理上參考戈艷霞

的處理方法。

2.2 空間權(quán)重矩陣的建立

根據(jù)Tobler 等（1970）

提出的地理學(xué)第一定律指出地理事物或?qū)傩栽诳臻g分布上互為相關(guān)，存在集聚、隨機、規(guī)則分布。而由于機動車的流動性，相鄰的地區(qū)更容易受到彼此的影響。因此，基于鄰接性的方法構(gòu)建空間權(quán)重矩陣。首先，在Geoda軟件中根據(jù)中國地圖將長江經(jīng)濟帶11 個省市采用車鄰接（Rook Contiguity）方式創(chuàng)建空間權(quán)重矩陣，生成的空間權(quán)重矩陣是一個11×11 的0-1 矩陣，對角線都是0，鄰接元素為1。在空間計量的分析過程中，將空間權(quán)重矩陣進行了行和為1 的正規(guī)化處理。

3 變量和數(shù)據(jù)

為了推動長江經(jīng)濟帶高質(zhì)量發(fā)展，國家在2016年9 月印發(fā)了《長江經(jīng)濟帶發(fā)展規(guī)劃綱要》，明確了長江經(jīng)濟帶的發(fā)展路徑。選擇長江經(jīng)濟帶覆蓋的上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州11個省市作為研究樣本，根據(jù)地理位置以及發(fā)展的階段性特征，劃分為長江上游、中游、下游地區(qū)。各區(qū)位的劃分見表1。

圖1所示支護建議圖適用于一般情況，并沒有對支護類型進行明確的區(qū)分，而是基于連續(xù)的變化。支護圖給出了相應(yīng)于支護形式所采用的錨桿中心對中心間距和噴混凝土厚度。標(biāo)注了鋼纖維噴混凝土的能量吸收，以及錨桿長度和鋼支撐加固的噴混凝土設(shè)計。對于特殊情況，可適當(dāng)增加相應(yīng)的支護形式和支護結(jié)構(gòu)數(shù)量。鋼纖維的參量設(shè)計及其力學(xué)性能國內(nèi)亦有諸多研究[8-9]，可與Q系統(tǒng)能量吸收參照。

被解釋變量方面，選取交通運輸業(yè)碳排放量作為某個地區(qū)綜合碳排放量的衡量指標(biāo)。所以交通碳排放量根據(jù)《2006 年IPCC 國家溫室氣體清單指南》中的移動源中化石燃料燃燒排放的自上而下的方法計算。測算方法如下：

長江經(jīng)濟帶的各個城市對交通運輸業(yè)的投資額要作出一定的調(diào)整，避免對環(huán)境造成破壞。GDP的系數(shù)顯著為正，且在控制變量中最大，說明GDP是促進交通碳排放量增加的主要因素之一，這是由于目前大多數(shù)地區(qū)仍然處于以破壞環(huán)境為代價的發(fā)展模式中。此外有些地方的經(jīng)濟以重工業(yè)為主，生產(chǎn)的產(chǎn)品笨重、批量大，因此在生產(chǎn)和運輸過程中更易產(chǎn)生大量的碳排放。

此外，根據(jù)居民收入、交通運輸、能源利用、交通運輸業(yè)占比等因素，具體代理變量分別選擇人均國內(nèi)生產(chǎn)總值（GDP）為各個省市的國內(nèi)生產(chǎn)總值除以總?cè)丝?，交通運輸結(jié)構(gòu)（STR）為公路運輸周轉(zhuǎn)量除以綜合運輸周轉(zhuǎn)量，其中綜合運輸總周轉(zhuǎn)量為客運折算周轉(zhuǎn)量與貨運周轉(zhuǎn)量之和，能源效率（IE）為交通運輸業(yè)增加值與交通運輸業(yè)能源消耗量之比，產(chǎn)業(yè)結(jié)構(gòu)（IS）為交通運輸業(yè)增加值與第三產(chǎn)業(yè)增加值之比。

4 實證結(jié)果分析

4.1 空間自相關(guān)檢驗

2）長江中游地區(qū)亟須優(yōu)化交通運輸結(jié)構(gòu)。中游地區(qū)運輸結(jié)構(gòu)不合理，公路運輸占比較大，相對于鐵路和水路運輸，公路運輸單位周轉(zhuǎn)量碳排放強度明顯偏高，交通運輸排放影響較大。長江中游地區(qū)公路貨運量占交通運輸總量的74%，以武漢市為例，2019 年貨物量達到 67 555.22 萬 t，其中公路運輸約占62%。從當(dāng)前趨勢來看，公路運輸仍處于發(fā)展?fàn)顟B(tài)，在碳達峰目標(biāo)下，長江中游地區(qū)運輸結(jié)構(gòu)需要優(yōu)化，把公路運輸轉(zhuǎn)為鐵路或水路運輸，降低交通運輸排放。

通過計算Moran's I 指數(shù)發(fā)現(xiàn)，五個變量的Moran's I 指數(shù)都通過了5%顯著性水平的檢驗，表明長江經(jīng)濟帶交通碳排放量的變化和機動車保有量指標(biāo)均表現(xiàn)出不同程度的空間溢出效應(yīng)。

以2010年山東省制造業(yè)指數(shù)計算綜合得分值作為基數(shù)，定義其指數(shù)為100；2011—2016年的指數(shù)用當(dāng)年的指數(shù)計算綜合得分值與該基數(shù)相比得出（經(jīng)濟創(chuàng)造能力指數(shù)、科技創(chuàng)新能力指數(shù)、科技創(chuàng)新能力指數(shù)、能源節(jié)約能力指數(shù)按照同樣方式計算）。計算結(jié)果如表6所示。

4.2 空間計量結(jié)果分析

基于2000-2019年長江經(jīng)濟帶11個中心城市的面板數(shù)據(jù)，采用極大似然估計法分別進行SLM、SEM 和SDM 模型估計，估計結(jié)果見表2。并基于SDM 模型對機動車保有量對CO

排放量的直接效應(yīng)、間接效應(yīng)和總效應(yīng)進行了估計，結(jié)果見表3。通過表中數(shù)據(jù)可以看出三種模型的估計結(jié)果存在一定的差異?？臻g滯后項系數(shù)表現(xiàn)的是解釋變量的空間相關(guān)性程度，綜合來看，SDM 模型是本模型的最優(yōu)實證模型和分析模型。

With annealing, the sulfur ions leave the lattice since they are volatile and the covellite phase transforms into the chalcocite phase as following:

完善園內(nèi)外的綜合交通規(guī)劃，打造便捷快速的交通連接系統(tǒng)，確保游客的可出入性，展會期間可設(shè)置公交專線，做好高峰客流組織預(yù)案。充分考慮游客、兒童、老人、殘疾人等不同群體的需求，設(shè)置好相應(yīng)的設(shè)施設(shè)備及服務(wù)。注重互聯(lián)網(wǎng)VR實景展示、交互式展覽設(shè)計、手機APP等技術(shù)手段應(yīng)用，服務(wù)于園博會網(wǎng)絡(luò)預(yù)定、園區(qū)導(dǎo)航、停車、餐飲等游客需求［4］；儀征棗林灣地理位置優(yōu)越，提前做好統(tǒng)籌規(guī)劃，以省園博園為主，統(tǒng)籌周邊景點和餐飲配套服務(wù)，整合周邊生態(tài)旅游和運動休閑景區(qū)，在開園期間形成組合，為游客提供看點多、參與性強的旅游套餐，為棗林灣創(chuàng)建國家級旅游度假區(qū)和打造寧鎮(zhèn)楊都市圈后花園、長三角旅游目的地做好準(zhǔn)備。

STR 在三個模型中的系數(shù)均顯著為正，說明交通運輸結(jié)構(gòu)對碳排放起到促進作用。IE 的系數(shù)為負值且顯著，表明能源效率對各省域交通碳排放起到抑制作用，進一步說明提高節(jié)能減排技術(shù)水平對省域碳排放的降低有明顯作用。IS 的系數(shù)顯著為正，這是交通運輸業(yè)作為現(xiàn)代產(chǎn)業(yè)的重要分支，具有高能耗的特點，對交通碳排放起到促進作用。

主要關(guān)注的解釋變量是各個地區(qū)的機動車保有量，而機動車一般包括私家車、公交車、載貨汽車等，不同類型的交通方式都存在很大的差異，其對交通碳排放量的增加效應(yīng)也存在著較大的差異。因此選取一個總量指標(biāo)機動車保有量（GD）和三個結(jié)構(gòu)性指標(biāo)私家車保有量（SJ）、公交車保有量（GG）、載貨汽車保有量（ZH）作為衡量的主要指標(biāo)，同時為了避免城市規(guī)模的影響，四個指標(biāo)都采用人均水平。

機動車總保有量對CO

排放量產(chǎn)生明顯正向效應(yīng)。在 SLM 和 SEM 模型中，GD 的系數(shù)為正，且在SLM模型中通過了10%水平下的顯著性檢驗，而在SDM模型中，GD及其空間滯后項W＊GD的系數(shù)均為正，前者不太顯著。從效應(yīng)分解上來看，GD對CO

排放量的直接效應(yīng)、間接效應(yīng)和總效應(yīng)都顯著為正。這是因為目前大多數(shù)機動車還都是依靠化石燃料進行驅(qū)動的，行駛過程中耗費了大量的化石燃料進而增大了CO

的排放量。城市交通存在的主要問題之一就是機動車保有量迅猛增長所導(dǎo)致的環(huán)境污染問題。比如霧霾天氣很大一部分成因源于城市交通，極大地影響了城市居民的生活品質(zhì)和身體健康。值得注意的是，數(shù)據(jù)顯示私家車保有量占機動車總保有量的60%～70%。從表2可以看出，SJ的系數(shù)明顯小于GD，這可能是由于雖然私家車數(shù)量較大，但近年來，隨著新能源汽車的大力發(fā)展，越來越多的新能源汽車開始投入市場。其次是國家對新能源汽車的補貼也吸引更多的人選擇購買新能源汽車。這在一定程度上降低了私家車保有量對于碳排放的影響。

4.3 分區(qū)域進行空間異質(zhì)估計

依據(jù)地理位置和經(jīng)濟發(fā)展水平把長江經(jīng)濟帶劃分為長江上游，中游和下游地區(qū)，分別進行空間杜賓模型回歸。由表4 可知，機動車總保有量對CO

排放量的影響效應(yīng)存在著一定的區(qū)域差異，分地區(qū)的實證分析主要有以下發(fā)現(xiàn)：

對于空間面板數(shù)據(jù)模型，選取既包含了被解釋變量的滯后項，又包含了解釋變量的滯后項的空間杜賓模型，并考慮空間依存度與空間異質(zhì)性，構(gòu)造模型如下：

1）長江上游地區(qū)能源效率的提高能有效抑制該地區(qū)交通碳排放。上游地區(qū)GD的系數(shù)在上中下游中最小，說明機動車保有量產(chǎn)生的排放對該區(qū)域的影響較小，主要是上游地區(qū)經(jīng)濟發(fā)展水平相對較低、人口密度較小，人均機動車保有量明顯低于另外兩個地區(qū)。IE的系數(shù)顯著為負，對抑制交通碳排放最為明顯，這是由于長江上游地區(qū)的西部省份科技水平增長明顯，能源利用效率大大提高。

采用Moran's I 指數(shù)進行主要變量的空間自相關(guān)檢驗，Moran's I 指數(shù)值位于[-1，1]之間，Moran's I ＞0 表示空間正相關(guān)性，其值越大，空間相關(guān)性越明顯，Moran's I ＜0表示空間負相關(guān)性，其值越小，空間差異越大，否則，Moran's I=0，空間呈隨機性。對碳排放水平和機動車保有量等變量進行了空間相關(guān)性檢驗，結(jié)果見圖2。

3）長江下游地區(qū)應(yīng)大力提倡公共出行。下游地區(qū)公路條件較好、路網(wǎng)發(fā)達，機動車保有量系數(shù)低于長江上游和中游地區(qū)，但便捷的公路交通導(dǎo)致私家車保有量遠高于長江上游和中游地區(qū)。因此，機動車產(chǎn)生的總的碳排放量高于上游和中游地區(qū)。利用便捷的路網(wǎng)系統(tǒng)發(fā)展公共交通和軌道交通，降低私家車等機動車出行，從而消減機動車排放。

5 結(jié)論

基于長江經(jīng)濟帶11個中心城市2000-2019年的面板數(shù)據(jù)，利用空間杜賓模型實證研究中心城市機動車總保有量對碳排放量的增長效應(yīng)以及對鄰近地區(qū)碳排放增長的空間溢出效應(yīng)。研究發(fā)現(xiàn)：

1）中心城市碳排放增長水平與主要解釋變量都存在著顯著的空間相關(guān)性

機動車總保有量、私家車保有量、載貨汽車保有量對區(qū)域碳排放量增長都產(chǎn)生正效應(yīng)，公共交通保有量對區(qū)域碳排放量增長產(chǎn)生負效應(yīng)。

先生的《譯名》寫于1919年，正值20世紀(jì)初中國國內(nèi)譯名研究的高潮期，不久前就有章士釗、胡以魯、容挺公等學(xué)者對于譯名的激烈論戰(zhàn)，這在《譯名》中也多次被提起，先生由此對譯名討論予以了全面的總結(jié)。全文一共分為八節(jié)，對譯名討論的歷史進行了簡單的回顧，又分別考究了由來已久的對于譯名的五種譯法，通讀的過程中自然而然地加深了對譯名的理解。

2）主要解釋變量對其他城市碳排放量增長的空間溢出效應(yīng)略有不同

機動車保有量和私家車保有量的空間溢出效應(yīng)為正，公共交通保有量和載貨汽車保有量的空間溢出效應(yīng)為負。

3）分區(qū)域估計結(jié)果顯示

對長江上游，中游，下游地區(qū)碳排放量增長影響較為顯著的變量分別是，能源效率，載貨汽車保有量，公共交通保有量，因此從整個長江經(jīng)濟帶的協(xié)調(diào)和可持續(xù)發(fā)展角度來看，長江上游地區(qū)應(yīng)努力提高能源效率，長江中游地區(qū)亟須優(yōu)化載貨方式，長江下游地區(qū)應(yīng)大力提倡公共出行。

[1]Vitze W. Long-term development of traffic emissions in Hesse[J].Schriftenr Ver Wasser Boden Lufthyg，1986，67:81-111.

[2]孫愛軍.省際出口貿(mào)易、空間溢出與碳排放效率——基于空間面板回歸偏微分效應(yīng)分解方法的實證[J].山西財經(jīng)大學(xué)學(xué)報，2015，37(4):1-10.

[3]陳遷，王磊.對外開放與碳排放——基于省際面板的空間計量分析[J].經(jīng)濟研究導(dǎo)刊，2016(4):153-156+176.

[4]王艷，龔新蜀.空間溢出視角下城市人口空間結(jié)構(gòu)對環(huán)境污染的影響研究[J].石河子大學(xué)學(xué)報(自然科學(xué)版)，2019，37(5):604-612.

[5]李建豹，黃賢金，揣小偉，孫樹臣.長三角地區(qū)碳排放效率時空特征及影響因素分析[J].長江流域資源與環(huán)境，2020，29(7):1486-1496.

[6]Suarez P，Anderson W，Mahal V，et al. Impacts of flooding and climate change on urban transportation: A systemwide performance assessment of the Boston Metro Area[J]. Transportation Research Part D，2005，10(3):231-244.

[7]Zhang C，Jiang N.Panel estimation for transport sector CO

emissions and its affecting factors: A regional analysis in China[J].Energy Policy，2013，63(4):918-926.

[8]趙小曼，張帥，袁長偉.中國交通運輸碳排放環(huán)境庫茲涅茨曲線的空間計量檢驗[J].統(tǒng)計與決策，2021，37(4):23-26.

[9]Svirejeva-Hopkins A，Schellnhuber H J.Urban expansion and its contribution to the regional carbon emissions:Using the model based on the population density distribution[J].Ecological Modelling，2008，216(2):208-216.

[10]陳珍啟，林雄斌，李莉，等.城市空間形態(tài)影響碳排放嗎?——基于全國110個地級市數(shù)據(jù)的分析[J].生態(tài)經(jīng)濟，2016，32(10):22-26.

[11]石敏俊，王妍，張卓穎，周新.中國各省區(qū)碳足跡與碳排放空間轉(zhuǎn)移[J].地理學(xué)報，2012，67(10):1327-1338.

[12]周四軍，江秋池.基于動態(tài)SDM 的中國區(qū)域碳排放強度空間效應(yīng)研究[J].湖南大學(xué)學(xué)報(社會科學(xué)版)，2020，34(1):40-48.

[13]James LeSage，Robert Kelley Pace. Introduction to Spatial Econometrics[M].CRC Press:2009-01-20.

[14]戈艷霞.中國的城鎮(zhèn)化如何影響生育率?——基于空間面板數(shù)據(jù)模型的研究[J].人口學(xué)刊，2015，37(3):88-101.

[15]Tobler W RMielke H W，Detwyler T R.Geobotanical Distance between New Zealand and Neighb，oring Islands[J].Bioscience，1970(9):537-542.