國家中心城市交通運輸業碳排放效率研究

任夢洋, 黃羿, 付善明, 常向陽

國家中心城市交通運輸業碳排放效率研究

任夢洋, 黃羿*, 付善明, 常向陽

廣州大學環境科學與工程學院, 廣州 510006

為改善交通運輸業碳排放效率促進城市低碳經濟發展, 以在區域發展中發揮引領作用的九個國家中心城市為研究對象, 運用包含非期望產出的Super-SBM模型和Malmquist-Luenberger生產率指數, 從靜態和動態兩個角度對研究區2005—2016年交通運輸業碳排放效率進行了測算, 并進一步分析了碳排放效率變化的影響因素。結果顯示, 各年份國家中心城市交通運輸業碳排放效率的平均值均偏低, 變化范圍在0.4824—0.7609之間, 仍有較大的提升空間。研究期間國家中心城市交通運輸業碳排放效率年均下降2.98%, 其中技術效率受純技術效率和規模效率改善的影響年均上升1.43%, 而技術水平年均下降4.35%, 因此提升碳排放效率的重點在于推動技術的進步。位于東部沿海地帶的國家中心城市, 其交通運輸業碳排放效率的年均增長率大于西部地帶與中部地帶的國家中心城市, 且各城市交通運輸業碳排放效率的變化特征及影響因素之間存在差異, 需要因地制宜地制定交通運輸業節能減排政策。

國家中心城市; 交通運輸業; 碳排放效率; Super-SBM模型; Malmquist-Luenberger生產率指數

0 前言

交通運輸業是社會經濟系統運行的重要載體, 在消耗化石能源的過程中產生了大量的二氧化碳。據統計, 全球交通運輸業碳排放量約為碳排放總量的25.09%, 中國交通運輸業碳排放量已超過碳排放總量的10.50%, 且2000—2015年期間中國交通運輸業碳排放量年均增長速度是碳排放總量年均增長速度的1.46倍[1–2]。由此可見, 交通運輸業的節能減排對我國早日實現低碳化發展具有重要意義。因此, 在保障社會經濟發展的前提下, 提高交通運輸業碳排放效率, 協調好行業發展與碳排放之間的關系, 不僅有利于我國低碳交通運輸體系的建立, 也可以促進低碳經濟的發展。

碳排放效率通常指在一定時期的生產活動中, 各種生產要素投入并產生碳排放的同時所帶來的產出效益[3]。在對碳排放效率進行測算的過程中, 數據包絡分析法(DEA)因在處理多投入多產出效率問題時能有效避免模型設定誤差的優勢而被廣泛應用。常用的DEA模型包括CCR模型和BCC模型, Andersen等為區分生產前沿面上多個有效決策單元提出了超效率DEA模型[4]。Tone為解決要素松弛的問題提出了SBM模型[5], 并進一步結合SBM模型和超效率DEA模型的優勢提出了Super-SBM(超效率SBM)模型[6]。由于在實際的生產活動中不僅有期望產出也有非期望產出, 因此不斷有研究提出處理非期望產出的方法, 其中Tone將非期望產出引入SBM模型中構建了包含非期望產出的SBM模型[7–8]。部分學者將包含非期望產出的SBM模型與Super-SBM模型相結合, 構建了包含非期望產出的Super-SBM模型并展開了應用[9–10]。近年來, 從靜態角度評價碳排放效率的國內研究較多地采用了包含非期望產出的Super-SBM模型, 如周澤炯和胡建輝與孫秀梅等運用包含非期望產出的Super-SBM模型, 分別測度了2008—2011年中原經濟區15個地級市以及2005—2012年山東省17個地級市的碳排放效率[7,11]。在碳排放效率的動態變化分析方面, 國內研究的常用方法主要包括F?re等基于DEA模型構建的Malmquist生產率指數[12], 以及Chung等針對Malmquist指數模型在處理非期望產出方面的不足而提出的非徑向的Malmquist-Luenberger生產率指數(ML指數)[13]。例如, 李健等基于Malmquist指數對2007—2016年長三角、珠三角與京津冀三大經濟圈的碳排放效率進行了動態分析[14]; 余光英和員開奇運用Malmquist指數對2001—2011年湖南省土地利用碳排放效率的時序演變特征展開了研究[15]; 高鳴和宋洪遠利用ML指數分析了1999—2010年中國各省區農業碳排放績效的動態變化[16]。

目前, 國內針對交通運輸業碳排放效率的研究較少。已有研究通常選取資本存量、勞動力和能源消耗作為投入指標, 選取的期望產出指標包括交通運輸業增加值和交通運輸量等, 并將交通運輸業碳排放量作為非期望產出指標[17–19]。雖然研究范圍包括國家、經濟區域和省市各個層面, 但從市域角度出發并展開對比的相關研究相對空缺[20–23]。且研究較多使用包含非期望產出的Super-SBM模型測度交通運輸業碳排放效率, 在此基礎上進一步結合ML指數模型分析交通運輸業碳排放效率時序演變特征的研究較為有限。

然而, 作為碳排放最主要來源的地域單元, 城市是低碳發展關注的重點[24]。因此, 仍需加強從靜態和動態角度評價城市交通運輸業碳排放效率的綜合研究。在我國城市眾多、特征不一的背景下, 輻射帶動作用較大且交通運輸發展水平相對較高的國家中心城市, 即成為了城市交通運輸業碳排放效率研究的重要對象。國家中心城市是指居于國家戰略要津、肩負國家使命、引領區域發展、參與國際競爭、代表國家形象的現代化大都市[25]。目前, 我國已有北京、天津、上海、廣州、重慶、成都、武漢、鄭州和西安九個城市被國家發改委明確定位為國家中心城市。本文根據數據可獲取性, 運用包含非期望產出的Super-SBM模型和ML指數, 在測算國家中心城市2005—2016年交通運輸業碳排放效率的基礎上, 進一步分析效率動態變化趨勢及其影響因素, 以期為交通運輸業碳減排政策的制定提供參考依據。

1 研究方法

1.1 包含非期望產出的Super-SBM模型

1.2 Malmquist-Luenberger生產率指數

2 指標選取及數據來源

在評價過程中, 由于投入產出指標的數量會影響有效決策單元的個數, 為了避免出現過多的有效決策單元而造成評價結果區分度下降, DEA模型要求投入產出指標數量不應多于決策單元總數的一半[27]。本文研究的國家中心城市即為九個決策單元, 因此選取的投入產出指標不得多于四個。相關研究中的常用投入指標包括資本存量、勞動力和能源, 然而獲取統計口徑一致的研究區交通運輸業從業人員數據存在較大的難度?？紤]到交通運輸業勞動力的投入可以通過其服務間接反映在運輸周轉量方面, 因此本文根據運輸周轉量計算交通運輸行業能源消耗量, 并將能源與資本存量作為投入指標, 選取交通運輸業增加值和碳排放量分別作為期望產出指標與非期望產出指標, 對國家中心城市交通運輸業碳排放效率進行評價與分析。

2.1 投入指標

能源消耗量可通過各類交通運輸方式的換算周轉量與能耗強度計算得到[28], 具體如式(5)所示:

式中,為交通運輸業能源消耗量,V和EI分別表示種交通方式消耗種能源時產生的換算周轉量與單位換算周轉量的能耗量即能耗強度。其中, 換算周轉量由運輸周轉量中的旅客周轉量與貨物周轉量通過客貨換算系數計算得到。本文共考慮公路、鐵路、航空和水路運輸四種交通方式, 其中北京、鄭州和西安的交通運輸方式僅包括前三種類型。在對應各類運輸周轉量消耗的能源方面, 航空運輸周轉量由消耗航空煤油產生; 水路運輸包括以消耗柴油為主的內河運輸和以消耗燃料油為主的沿海與遠洋運輸, 且內河、沿海與遠洋運輸周轉量數據均有分類統計數據; 然而, 在計算公路運輸消耗的汽油與柴油以及鐵路運輸消耗的柴油與電力時, 因無法直接獲取不同能耗對應的運輸周轉量, 則需先估算其占各類型運輸周轉量的比例, 再推算得到各類能耗對應的運輸周轉量[29]。在統計能耗總量的過程中, 除電力因其主要來源可根據供電標準煤耗轉換成標準煤消耗量外, 其他能源消耗量則需經折算標準煤系數轉換成標準煤耗量后再加總[30-31]。受數據可獲取性與可比性的限制, 本文將2005—2016年作為研究時段, 計算所需的數據取自歷年《中國交通年鑒》、《中國電力年鑒》、《中國統計年鑒》以及研究區各地統計年鑒與公報, 并參考交通運輸行業發展統計公報等相關資料予以補充[32]。

本文采用永續盤存法計算交通運輸業的資本存量[33]。其中, 各地投資額近似取值于全國及各地統計年鑒中的交通運輸、倉儲和郵政業固定資產投資額, 并根據固定資產投資價格指數換算成2005年可比價?；谫Y本存量可通過基期投資額與研究期間固定資產投資增長率的幾何平均數及折舊率之和的比值計算[34], 折舊率為已有研究計算得到的交通運輸基礎設施綜合折舊率8.76%[35]。

2.2 產出指標

作為非期望產出的交通運輸業碳排放量, 可由以上各類能源消耗量與對應單位能耗碳排放量即碳排放強度的乘積加總計算得到[36]。其中, 電力消耗量因在核算過程中通過供電標準煤耗進行了轉換, 其碳排放強度采用國家發改委對標準煤碳排放系數的建議值[37]。其他四種能源的碳排放強度由能源單位熱值、單位熱值含碳量和燃燒過程碳氧化率相乘得到[38], 在此能源單位熱值采用《綜合能耗計算通則: GB/T 2589-2008》提供的平均低位發熱量[31]。國家中心城市交通運輸業增加值取自歷年各地統計年鑒中的交通運輸、倉儲和郵政業增加值, 并已轉換成2005年可比價。

3 結果與分析

3.1 交通運輸業碳排放效率評價

經MaxDEA 8 Ultra軟件測算, 得到2005— 2016年北京、天津、上海、廣州、重慶、成都、武漢、鄭州和西安的交通運輸業碳排放效率, 如表1所示:

由表1可以看出, 2005—2016年, 國家中心城市的交通運輸業碳排放效率平均值呈現出先上升再下降的趨勢, 變化范圍為0.4824—0.7609, 均未達到生產前沿面。從橫向比較的情況看, 研究期內國家中心城市中交通運輸業碳排放效率年均值最大為鄭州市的1.0061, 也是唯一一個年均碳排放效率處于生產前沿面上的城市。與其他城市相比, 鄭州交通運輸業碳排放的高效率主要歸功于相對較低的資本投入成本; 廣州與天津交通運輸業碳排放效率年均值分別為0.9042和0.8093, 其碳排放效率較高的主要原因與鄭州相同; 北京市研究期內交通運輸業碳排放效率年均值為0.6687, 雖然與最優效率水平有一定距離, 但與國家中心城市平均效率水平相近且總體變化趨勢也基本一致; 交通運輸業碳排放效率年均值不足0.6的城市包括西安、成都、上海、武漢和重慶, 年均值分別為0.5423、0.5261、0.4517、0.4306和0.4302, 這些城市交通運輸業能源與資本的投入并沒有有力推動行業的發展, 導致碳排放效率水平較低。

表1 國家中心城市交通運輸業碳排放效率

為了歸納不同區域國家中心城市交通運輸業碳排放效率的變化特征, 在此將九個國家中心城市根據三大經濟地帶進行空間上的劃分。其中, 北京、天津、上海和廣州位于東部沿海地帶, 武漢和鄭州位于中部地帶, 而屬于西部地帶的國家中心城市包括重慶、成都和西安。研究期間, 東部沿海地帶四個國家中心城市交通運輸業碳排放效率的平均值總體呈現上升的趨勢, 中部地帶國家中心城市的碳排放效率均值總體表現出下降的狀態, 西部地帶國家中心城市的碳排放效率均值則在波動中呈下降態勢。然而, 各年份三個地帶國家中心城市交通運輸業碳排放效率的平均值均未達到生產前沿面, 且中部地帶國家中心城市的年均碳排放效率略高于東部沿海地帶, 西部地帶國家中心城市的年均碳排放效率最低。各城市具體情況如下, 北京交通運輸業碳排放效率值有明顯的先上升后下降的趨勢, 并在2010、2011和2012年位于生產前沿面上; 天津、廣州和上海交通運輸業碳排放效率總體呈現出持續上升的狀態, 其中天津交通運輸業碳排放量在行業規模不斷擴大的同時有所下降, 說明節能減排政策效果較為顯著; 上海交通運輸業碳排放效率有所提升是因為在能源與資本投入增加速度總體低于平均水平的同時, 其行業增加值的增長速度卻與平均水平基本持平; 雖然廣州交通運輸業能源投入和碳排放產出的增長速度總體略高于平均水平, 但其資本投入的增加速度與平均水平相近, 且多個年份的行業增加值增長速度高于平均水平; 相對而言, 重慶、成都、武漢和西安交通運輸業碳排放效率值雖均有所波動但總體處于較為穩定的狀態, 且重慶與成都的碳排放效率呈現出一定的增長態勢, 而武漢與西安的碳排放效率水平則有所下降; 研究期間, 鄭州交通運輸業碳排放效率表現出不斷下降的趨勢, 且其在2014年后退出生產前沿面, 主要原因在于投入要素組合產生的碳排放量增長率高于平均水平的現象不斷增多, 但行業增加值的增長率卻總體呈現出低于平均水平的狀態。

運用Origin軟件繪制各國家中心城市交通運輸業碳排放效率的數據分布情況如圖1所示, 各城市碳排放效率值的分布特征存在較大的差異。2005—2016年間, 雖然重慶、成都、武漢和西安的交通運輸業碳排放效率較低, 但碳排放效率分布的集中程度均處于九個城市的較高水平; 與以上四個城市碳排放效率平均值相近的上海, 以及碳排放效率平均值最高的鄭州, 其二者交通運輸業碳排放效率的分布則相對較為分散; 而北京、天津和廣州碳排放效率分布的離散程度更高, 表明這三個城市的交通運輸業碳排放效率很不穩定, 各年份之間差距較大。另外, 箱線圖顯示西安交通運輸業碳排放效率在2005年和2006年出現了異常值, 且異常值遠高于其他年份的碳排放效率。具體來看, 相對于九個城市各項投入產出指標的整體水平, 2005和2006年西安交通運輸業的資本投入顯著低于能源的消耗以及碳排放和行業增加值的產出, 由此產生了較高的碳排放效率。然而自2006年起, 西安大幅度增加行業資本的投入量, 但由于資本投入量的基數過小, 使得其增長率連續四年位列所有國家中心城市的首位, 且在研究期間的年均增長率遠高于國家中心城市總體的年均增長率。與此同時, 西安交通運輸業增加值、碳排放量以及能源消耗的年均增長率卻均略高于國家中心城市對應指標的總體年均增長水平, 由此可見快速增加的資本投入并沒有充分發揮作用, 從而導致交通運輸業投入產出效率出現持續低下的狀態。

3.2 交通運輸業碳排放效率動態變化及影響因素分析

為進一步探究國家中心城市交通運輸業碳排放效率的動態變化情況, 本文利用2005—2016年九個國家中心城市的數據計算得到各地各年份交通運輸業碳排放ML指數, 其變化趨勢如圖2所示。由圖可知, 各地交通運輸業碳排放ML指數總體均呈周期性“下降—上升”的狀態變化。其中, ML指數的最大值為2012年天津的ML指數1.318, 即2012年天津交通運輸業碳排放效率相較于2011年增長了31.8%; ML指數的最小值為2007年上海的ML指數0.5638, 說明相比前一年2007年上海交通運輸業碳排放效率的下降幅度為43.62%。2012年, 所有城市的交通運輸業碳排放ML指數均大于1, 且天津、上海、廣州、重慶、成都和鄭州的ML指數在該年份達到最大值, 說明《交通運輸“十二五”發展規劃》等推動綠色交通發展的相關政策實施效果較為顯著, 2012年交通運輸業碳減排工作形勢較好。

圖1 國家中心城市交通運輸業碳排放效率箱線圖

Figure 1 The boxplot of carbon emission efficiencies in transportation industry in national central cities

為分析國家中心城市交通運輸業碳排放效率變化的影響因素, 在此基于式(3)和(4)將各城市各年份的交通運輸業碳排放ML指數分解為技術效率變化指數與技術變化指數, 并將技術效率變化指數進一步分解成純技術效率變化指數與規模效率變化指數, 整理研究期間各城市各項指數的幾何平均值如表2所示。

由表2可知, 2006—2016年國家中心城市交通運輸業碳排放ML指數的年均值為0.9702, 表明九個城市交通運輸業碳排放效率年均下降2.98%。同時, ML指數分解結果顯示, 技術效率年均上升1.43%, 其中純技術效率與規模效率的年均增長幅度分別為0.71%和0.72%, 而技術水平年均下降4.35%, 說明國家中心城市交通運輸業碳排放效率的下降總體上受技術變化的影響較大, 且各地年均技術變化指數均小于1。在空間差異方面, 對比三大經濟地帶之間國家中心城市的碳排放效率發現, 僅有位處東部沿海地帶的國家中心城市交通運輸業碳排放ML指數年均值大于1, 且高于所有國家中心城市的平均值, 同時其純技術效率和規模效率均出現年均增長的趨勢。雖然西部地帶的國家中心城市ML指數年均值略高于中部地帶的國家中心城市, 但二者均低于所有國家中心城市的平均值。其中, 前者因純技術效率的年均增長幅度小于規模效率的年均下降幅度, 而導致技術效率受損, 但其在技術水平方面呈顯的衰退速度慢于東部沿海地帶和中部地帶國家中心城市各自的平均水平。處于中部地帶的國家中心城市, 其交通運輸業碳排放ML指數各項分解指數的年均值均低于所有國家中心城市的平均值。

從各城市情況來看, 僅有北京、天津和上海的交通運輸業碳排放ML指數年均值大于1, 其交通運輸業碳排放效率年均分別增長了0.71%、9.05%和0.64%。這三個城市碳排放效率的改善主要是技術效率變化帶來的貢獻。雖然三個城市交通運輸業碳排放的技術效率總體均有所提升, 但影響因素及作用各不相同。其中, 相對于純技術效率的影響, 北京交通運輸業碳排放技術效率進步受規模效率變化的促進作用更大; 上海因交通運輸業碳排放純技術效率年均保持不變, 其技術效率的進步歸功于規模效率的提升; 天津純技術效率年均增幅高于規模效率的年均增幅, 從而對交通運輸業碳排放技術效率產生了更重要的影響。在交通運輸業碳排放ML指數小于1的六個城市中, 廣州和成都的交通運輸業碳排放效率年均分別下降了5.44%和0.84%, 主要原因在于技術水平的年均下降幅度大于技術效率的年均增加幅度。進一步分解技術效率變化指數發現, 總體上廣州交通運輸業碳排放純技術效率水平保持不變, 規模效率得到了改善, 而成都交通運輸業碳排放純技術效率年均增幅較為明顯, 但規模效率年均稍有下降。研究期間, 重慶、武漢、鄭州和西安受到技術效率變化指數和技術變化指數年均值都小于1的影響, 交通運輸業碳排放效率年均下降幅度分別為4.34%、7.94%、8.00%和9.33%。四個城市交通運輸業碳排放技術效率變化指數分解結果顯示, 除重慶的規模效率年均稍有增加以及西安的純技術效率年均保持不變以外, 其他效率年均都有所下降。

圖2 國家中心城市交通運輸業碳排放ML指數

Figure 2 The ML indexes of carbon emissions in transportation industry in national central cities

表2 國家中心城市交通運輸業碳排放ML指數及其分解指數的年均值

綜合而言, 國家中心城市交通運輸業碳減排技術創新能力不足, 各城市均需加強新技術的投資與運用, 提升科技創新能力, 推進新能源、清潔能源的應用, 從而促進交通運輸業碳排放效率的提高。同時, 為保障交通運輸業碳排放技術效率的持續進步, 重慶應重點改善純技術效率, 例如完善交通運輸管理方式、科學規劃交通運輸路線和及時更新交通運輸工具等; 西安應更加關注并優化交通運輸業規模等提升規模效率的有效方式; 而武漢和鄭州需要同時改善純技術效率與規模效率。雖然成都的技術效率年均有所進步, 但仍需改善規模效率總體下降的狀態。由此可見, 不同城市需要因地制宜, 綜合各地區經濟發展情況、產業規模和優勢交通運輸方式制定合理的碳減排計劃, 推進低碳城市的建設與發展。

4 討論

相關研究表明, 由人均地區生產總值表示的經濟發展水平, 與包括資本存量、能源在內的交通運輸業投入要素均呈負相關關系[39], 區域人口規模、交通運輸強度和交通運輸結構等因素與交通運輸業碳排放效率存在顯著的負相關關系, 而節能技術水平的提升則可以改善碳排放效率, 其中, 交通運輸強度為總換算周轉量與地區生產總值的比值, 交通運輸結構為公路運輸換算周轉量占總換算周轉量的比重, 節能技術水平為單位交通運輸業增加值的能源消耗量[18,21]。研究期間, 三個地帶國家中心城市經濟發展水平由高到低排序依次為東部沿海地帶、中部地帶和西部地帶, 且東部沿海地帶國家中心城市的經濟發展水平顯著高于其他兩個地帶, 其相應交通運輸業資本投入和能源消耗的松弛量減少, 在提升碳排放效率方面具有較大的優勢。然而, 東部沿海地帶國家中心城市人口規模遠高于中部地帶, 其交通運輸強度始終大于中部地帶, 而節能技術水平年均值卻小于中部地帶, 因此造成了東部沿海地帶國家中心城市交通運輸業碳排放的低效率, 使得其效率年均水平略低于中部地帶的國家中心城市。雖然西部地帶國家中心城市交通運輸強度明顯低于其他兩個地帶, 但是其人口規模較大, 經濟發展水平相對落后, 且公路運輸換算周轉量占總換算周轉量的比重在三個地帶中最高, 從而導致其碳排放效率的年均值在三個地帶中最低。

同時, 袁長偉等的研究也指出相鄰省域交通運輸業碳排放效率具有較為顯著的空間相關性, 且多數地區表現出“低—低”聚集的現象[21]。在本研究中, 重慶與成都、西安和武漢所在的省級行政區相鄰, 四個城市交通運輸業碳排放效率均較為穩定, 效率水平總體較低且相近, 符合上述研究結論。北京交通運輸業碳排放效率在2012年以后與相鄰的天津存在較大的差異, 其主要原因可能在于天津交通運輸強度迅速下降的同時節能技術水平不斷提高, 并在2012年超過北京的節能技術水平, 從而在總體上持續改善了天津的碳排放效率。位于中部地帶的國家中心城市武漢與鄭州, 所屬的省級行政區也相鄰, 但是相對于鄭州, 武漢由于交通運輸強度較高而節能技術水平較低等原因, 其交通運輸業碳排放效率值始終小于鄭州。自2010年起, 隨著《促進中部地區崛起規劃》中將鄭州和武漢建設成為全國性交通樞紐城市等計劃的逐步落實, 以及鄭州公路運輸換算周轉量占比上升和節能技術水平下降對碳排放效率的影響, 武漢與鄭州之間的交通運輸業碳排放效率差距不斷減小。

在交通運輸業碳排放效率變化的影響因素方面, 研究期間九個國家中心城市交通運輸業碳排放技術水平出現了不同程度的下降, 對碳排放效率的改善均產生了負向的作用, 這與王白雪和郭琨、張佳楠等分別對北京、上海和重慶進行相關研究得到的主要結論一致[22–23]。三個地帶中, 西部地帶國家中心城市技術水平的年均下降幅度最小, 其原因可能在于西部地帶節能技術水平總體相對落后, 且其人口規模增長速度較慢, 相應交通運輸發展對技術水平的要求低于東部沿海與中部地帶。國家中心城市交通運輸業碳排放純技術效率的年均增長幅度在區域上表現為: 東部沿海地帶＞西部地帶＞中部地帶。東部沿海地帶對外開放程度更高, 更容易獲取較先進的交通運輸業管理方式與技術[39], 這可能是東部沿海地帶純技術效率增長相對更快的原因。在規模效率方面, 僅有西部地帶國家中心城市規模效率總體有所下降。同時, 相對于2016年起陸續建設國家中心城市的成都、武漢、鄭州和西安, 首批國家中心城市北京、天津、上海、廣州和重慶的規模效率總體更加穩定且呈上升趨勢, 說明國家中心城市在建設過程中能夠更加合理地組織交通運輸業規模。

本文以國家中心城市為研究對象開展交通運輸業的碳排放效率研究, 不僅填補了對我國城鎮體系最高層級城市相關研究的空缺, 也增加了城市交通運輸業碳排放效率實證研究的內容。然而, 考慮研究對象數量和數據可獲取性等因素, 評價模型中指標的選取受到了一定的限制, 隨著未來國家中心城市數量的增加以及評價指標時序數據的積累, 后續應基于更豐富的數據進一步展開分析。

5 結論

基于包含非期望產出的Super-SBM模型和ML指數, 本研究評價了2005—2016年國家中心城市交通運輸業的碳排放效率, 并對碳排放效率的動態變化情況及其影響因素進行了分析。研究主要結論如下:

(1)國家中心城市交通運輸業的平均碳排放效率存在較大的提升空間。其中, 中部地帶國家中心城市的年均碳排放效率略高于東部沿海地帶, 西部地帶國家中心城市的年均碳排放效率最低。高于研究區碳排放效率平均水平的城市按效率大小排序依次為鄭州、廣州、天津和北京, 但是北京、天津和廣州的碳排放效率很不穩定。

(2)三大經濟地帶國家中心城市交通運輸業碳排放效率均值的變化情況各不相同。北京、重慶和成都與國家中心城市交通運輸業碳排放效率的總體變化趨勢基本一致, 即隨時間變化呈現出先上升再下降的趨勢, 天津、上海和廣州交通運輸業碳排放效率總體呈現出持續上升的狀態, 鄭州、武漢與西安交通運輸業碳排放效率水平則有所下降。

(3)由于受技術變化指數下降的影響較大, 國家中心城市交通運輸業碳排放效率逐年平均下降2.98%。三大經濟地帶中, 僅有東部沿海地帶國家中心城市的交通運輸業碳排放效率處于總體增長狀態, 而中部地帶的國家中心城市是促進研究區交通運輸業碳排放效率增長需要關注的重點對象。雖然各城市碳排放效率有所差異, 但均需進一步推動交通運輸業的技術進步。

[1] International Energy Agency. CO2emissions from fuel combustion highlights 2019[R]. Paris: International Energy Agency, 2019.

[2] 張帥. 基于RAM模型的交通運輸碳排放及經濟效率測度研究[D]. 西安: 長安大學, 2018.

[3] 周銀香, 洪興建. 中國交通業全要素碳排放效率的測度及動態驅動機理研究[J]. 商業經濟與管理, 2018(5): 62– 74.

[4] ANDERSEN P, PETERSEN N C. A procedure for ranking efficient units in data envelopment analysis[J]. Management Science, 1993, 39(10): 1261–1264.

[5] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001, 130(3): 498–509.

[6] TONE K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2002, 143(1): 32–41.

[7] 周澤炯, 胡建輝. 基于Super-SBM模型的低碳經濟發展績效評價研究[J]. 資源科學, 2013, 35(12): 2457–2466.

[8] TONE K. Dealing with undesirable outputs in DEA: A slacks-based measure (SBM) approach[R]. GRIPS Research Report Series, NO.0005, 2003.

[9] LI Hong, FANG Kuangnan, YANG Wei, et al. Regional environmental efficiency evaluation in China: Analysis based on the Super-SBM model with undesirable outputs[J]. Mathematical and Computer Modelling, 2013, 58(5/6): 1018–1031.

[10] 宮大鵬, 趙濤, 慈兆程, 等. 基于超效率SBM的中國省際工業化石能源效率評價及影響因素分析[J]. 環境科學學報, 2015, 35(2): 585–595.

[11] 孫秀梅, 張慧, 王格. 基于超效率SBM模型的區域碳排放效率研究——以山東省17個地級市為例[J]. 生態經濟, 2016, 32(5): 68–73.

[12] F?RE R, GROSSKOPF S, NORRIS M, et al. Productivity growth, technical progress, and efficiency change in industrialized countries[J]. The American Economic Review, 1994, 84(1): 66–83.

[13] CHUNG Y H, F?RE R, GROSSKOPF S. Productivity and undesirable outputs: a directional distance function approach[J]. Journal of Environmental Management, 1997, 51(3): 229–240.

[14] 李健, 馬曉芳, 苑清敏. 區域碳排放效率評價及影響因素分析[J]. 環境科學學報, 2019, 39(12): 4293–4300.

[15] 余光英, 員開奇. 湖南省土地利用碳排放動態效率研究: 基于Malmquist指數模型[J]. 環境科學與技術, 2015, 38(2): 189–194.

[16] 高鳴, 宋洪遠. 中國農業碳排放績效的空間收斂與分異——基于Malmquist-luenberger指數與空間計量的實證分析[J]. 經濟地理, 2015, 35(4): 142–148.

[17] 蔣自然, 金環環, 王成金, 等. 長江經濟帶交通碳排放測度及其效率格局(1985—2016年)[J]. 環境科學, 2020, 41(6): 2972–2980.

[18] 張倩. 基于Super-SBM模型的交通運輸碳排放效率研究[D]. 西安: 長安大學, 2018.

[19] 盧幸燁, 馬曉明, 熊思琴. 中國東部地區交通運輸業環境效率分析[J]. 管理現代化, 2017, 37(3): 88–91.

[20] CUI Qiang, LI Ye. An empirical study on the influencing factors of transportation carbon efficiency: Evidences from fifteen countries[J]. Applied Energy, 2015, 141: 209–217.

[21] 袁長偉, 張帥, 焦萍, 等. 中國省域交通運輸全要素碳排放效率時空變化及影響因素研究[J]. 資源科學, 2017, 39(4): 687–697.

[22] 張佳楠, 陳沿伊, 曹瑩, 等. 考慮碳排放的長江經濟帶交通資源配置效率研究[J]. 物流技術, 2019, 38(8): 49–53.

[23] 王白雪, 郭琨. 北京市公共交通碳排放效率研究——基于超效率SBM模型和ML指數[J]. 系統科學與數學, 2018, 38(4): 456–467.

[24] 劉志林, 秦波. 城市形態與低碳城市: 研究進展與規劃策略[J]. 國際城市規劃, 2013, 28(2): 4–11.

[25] 國家發展改革委. 國家發展改革委關于支持武漢建設國家中心城市的指導意見[EB/OL]. (2016-12-14)[2020- 03-20]. https://www.ndrc.gov.cn/xxgk/zcfb/tz/201701/ W020190905516291356714.pdf.

[26] 王維國, 范丹. 中國區域全要素能源效率收斂性及影響因素分析——基于Malmquist-Luenberger指數法[J]. 資源科學, 2012, 34(10): 1816–1824.

[27] 羅艷. 基于DEA方法的指標選取和環境效率評價研究[D]. 合肥: 中國科學技術大學, 2012.

[28] 蔡博峰, 馮相昭, 陳徐梅. 交通二氧化碳排放和低碳發展[M]. 北京: 化學工業出版社, 2012.

[29] 莊穎, 夏斌. 廣東省交通碳排放核算及影響因素分析[J]. 環境科學研究, 2017, 30(7): 1154–1162.

[30] 趙榮欽, 黃賢金. 基于能源消費的江蘇省土地利用碳排放與碳足跡分析[J]. 地理研究, 2010, 29(9): 1640–1649.

[31] 中國國家標準化管理委員會. 綜合能耗計算通則: GB/T 2589-2008 [S]. 北京: 中國質檢出版社, 2008.

[32] 黃羿, 常向陽. 低碳經濟與交通運輸業發展——基于國家中心城市數據的實證研究[J]. 社會科學家, 2019(11): 67–73.

[33] GOLDSMITH R W. A perpetual inventory of national wealth[M]//NBER. Studies in Income and Wealth, Volume 14. New York: National Bureau of Economic, 1951: 5–73.

[34] HALL R E, JONES C I. Why do some countries produce so much more output per worker than others?[J]. Quarterly Journal of Economics, 1999, 114(1): 83–116.

[35] 李杰偉, 張國慶. 中國交通運輸基礎設施資本存量及資本回報率估算[J]. 當代財經, 2016(6): 3–14.

[36] IPCC. 2006 IPCC guidelines for national greenhouse gas inventories[R]. Hayama: Institute for Global Environmental Strategies, 2006.

[37] 陳飛, 諸大建. 低碳城市研究的內涵、模型與目標策略確定[J]. 城市規劃學刊, 2009, 4(8): 7–13.

[38] 國家發展改革委應對氣候變化司. 省級溫室氣體清單編制指南(試行)[R]. 北京: 中華人民共和國國家發展和改革委員會, 2011.

[39]袁長偉, 趙瀟, 孫璐. 中國交通運輸碳排放效率測度及收斂性研究[J]. 環境科學與技術, 2019, 42(12): 222–229.

The study on carbon emission efficiency of transportation industry in national central city

REN Mengyang, HUANG Yi*, FU Shanming, CHANG Xiangyang

School of Environmental Science and Engineering, Guangzhou University, Guangzhou 510006, China

In order to improve the carbon emission efficiency of transportation industry and promote the development of urban low-carbon economy, nine national central cities which play leading roles in regional development were taken as the study objects. Using Super-SBM model with undesirable outputs and Malmquist-Luenbergerproductivityindex, the carbon emission efficiencies of transportation industry were calculated from the static and dynamic perspectives in the study areas from 2005 to 2016. In addition, the influencing factors of the changes in carbon emission efficiencies were further analyzed. The results showed that the annual average carbon emission efficiency of transportation industry in the national central cities was low (range from 0.4824 to 0.7609), indicating that carbon emission efficiency of transportation industry could still be improved. During the study period, the average of the carbon emission efficiency of transportation industry in the national central cities decreased in 2.98% per year. The technical efficiency which was affected by the improvement of pure technical efficiency and scale efficiency increased in 1.43% per year, and the average of technological level decreased in 4.35% per year, suggesting that the key to improve the carbon emission efficiency was to promote technological progress. Compared with the national central cities in the western and central zones, the national central cities located in the eastern coastal zone had a higher annual average growth rate of carbon emission efficiency in transportation industry. The carbon emission efficiencies in nine cities were different, and the influencing factors of the changes in carbon emission efficiencies in nine cities were different as well. Therefore, the energy conservation and emission reduction policies for the transportation industry should be formulated according to the local situations and conditions.

national central city; transportation industry; carbon efficiency; Super-SBM model; Malmquist-Luenbergerproductivityindex

10.14108/j.cnki.1008-8873.2022.01.019

任夢洋, 黃羿, 付善明, 等. 國家中心城市交通運輸業碳排放效率研究[J]. 生態科學, 2022, 41(1): 169–178.

REN Mengyang, HUANG Yi, FU Shanming, et al. The study on carbon emission efficiency of transportation industry in national central city[J]. Ecological Science, 2022, 41(1): 169–178.

X24

A

1008-8873(2022)01-169-10

2020-06-05;

2020-08-01

廣東省自然科學基金項目(2015A030310413); 廣州市屬高?？蒲许椖?1201431115)

任夢洋(1997—), 女, 河南周口人, 碩士研究生, 主要從事環境管理研究, E-mail: ryangdou@163.com

黃羿, 女, 博士, 講師, 主要從事環境資源經濟學研究, E-mail: huangyi@gzhu.edu.cn