京津冀一体化下交通运输业碳排放核算及其影响因素研究

朱潜挺，王 萌，周芳妮，徐 瑞

(中国石油大学(北京) 经济管理学院， 北京 102249)

十九大报告指出，构建生态文明是中华民族永续发展的千年大计，低碳发展已成为中国新的战略机遇。北京作为国家的政治中心、文化中心，京津冀地区作为北方的经济核心，京津冀城市群在贯彻落实生态文明低碳发展的国家战略方面必然要率先开展碳减排，而交通运输业作为京津冀地区的一个重要产业尤其值得关注。目前，京津冀地区交通运输业在碳减排方面仍面临一系列问题亟待解决。例如，当前的碳排放情况如何？是否具有某种变化规律？有哪些因素会对其带来影响，影响程度如何？这种影响是否与京津冀地区的一体化发展战略相关？以及如何制定城市碳减排政策？等等。基于此，本研究将首先对京津冀地区交通运输业碳排放进行核算，并对其影响因素进行单个与整体的比较研究，探索不同影响因素在不同阶段对碳排放量的影响程度，最终提出相应的政策建议。

一、国内外研究进展

城市在碳减排与实现经济发展中扮演着重要角色，关于城市尺度的碳排放核算方法已得到许多学者和科研机构的关注。Mi等利用投入产出模型计算了中国13个城市基于消费的碳排放情况,发现基于消费和基于生产的两种核算结果不论在总量和人均水平上均有明显差异[1]; Shan等基于能源平衡表构建了包含47个社会经济部门、17种化石燃料和9个基础生产部门在内的中国城市碳排放数据估算方法[2]；全球大气研究排放数据库 (EDGAR) 、美国橡树岭国家实验室CO2信息分析中心(CDIAC) 、欧盟联合研究中心(JRC)等研究机构利用碳卫星数据或其他空间数据来反映不同地区的碳排放量。

在碳排放影响因素和控制策略方面，国内外有关学者也开展了相关探讨。如1989 年日本学者Kaya首次用 IPAT模型研究了碳排放量的驱动因素[3]。继Kaya后，Dietz 等将IPAT模型扩展为STIRPAT模型，并用此模型进行碳排放影响因素研究[4]。Shi采用STIRPAT模型验证了人口规模对碳排放的影响巨大[5]。Shahbaz等指出城市化水平是马来西亚能源消费的主要影响因素[6]。Wang等基于STIRPAT的拓展模型，在原有经济水平、城市化水平、能源强度、产业比例等驱动因素的基础上，增加第三产业比例和R&D投入作为评估科技实力的变量，对北京市的碳排放影响因素进行关联分析[7]。Li等以天津市为例，利用拓展的STIRPAT模型，探索了天津市碳排放的主要影响因素[8]。黄蕊等探讨了江苏省能源消费碳排放的影响因素，选取人均GDP、能源强度和人口数量进行岭回归分析[9]。王立猛等采用STIRPAT模型验证了人口数量是能源消费量的主要影响因素[10]。陈永国等基于STIRPAT-Regression模型，建立京津冀及周边地区的区域模型，结果显示经济的增速对碳排放的增长起到了正向贡献作用[11]。此外，不同学者对于碳排放模型的拟合方法不同，如时兆会基于STIRPAT模型采用偏最小二乘回归对北京地区碳排放影响因素进行分析，讨论了各个影响因素对碳排放的贡献程度[12]；徐雪艺构建京津冀区域交通运输业碳排放的系统动力学模型，模型预测结果表明发展城市轨道交通可以减少交通运输碳排放量[13]；冯悦怡等采用LEAP模型以北京市为例对城市节能与碳排放政策进行情景分析[14]；吕倩等利用多元线性回归分析与逐步回归分析建立了碳排放驱动因素模型[15]。

目前，就交通运输业而言，虽然相关碳排放问题已得到讨论，但是仍有以下几点不足：一是相关研究大多数集中于公路运输、客运、货运和航空运输等运输方式，而忽略整个运输部门；二是多数研究从中国整体进行研究，而对于单个城市、区域整体进行研究的比较缺乏；三是少有研究从时间角度对模型的适用性进行深度探究，以建立更符合实际的多阶段模型。为此，本研究以京津冀交通运输业碳排放核算为起点，采用偏最小二乘法开展驱动因子分析，通过两阶段参数估计评估各影响因素的变化趋势。

二、研究方法和数据来源

(一)研究方法

1.碳排放量核算

根据《2006年IPCC国家温室气体清单指南》给出的能源消耗产生直接交通运输业碳排放量的核算方法，不包括由交通基础设施建造过程中间接产生的碳排放量，计算方法如下：

表1 各类能源碳排放系数

(1)

其中：I代表交通运输业碳排放总量(单位为万吨)，i为各种燃料，Ei为第i种能源实物消耗量，Ki为第i种能源碳排放系数， 44/12为二氧化碳和碳之间的转换系数。在本研究中，主要利用消费量较大的煤炭、汽油、煤油和柴油4种能源计算碳排放量，能源碳排放系数如表1所示。

2.两阶段因素分解模型

(1)基础模型

两阶段因素分解模型的基础是Dietz等提出的STIRPAT模型[4]，其表达式为：

I=aPbAcTde

(2)

对等式两边可取对数：

lnI=a+blnP+clnA+dlnT+e

(3)

其中：I代表碳排放总量;P、A、T分别代表人口规模、富裕程度和科技水平;a为模型的常数系数，b、c、d分别为常数项及P、A、T相对应的弹性系数，e为随机误差项。

(2)模型改进

研究将从人口规模、富裕程度和科技水平的视角分别选取人口总量P(万人)、人均GDP为A(亿元/万人)和能源强度T(吨标准煤/万元)作为替代，再选取货物周转量为H(亿吨/公里)，旅客周转量为L(亿人/公里)，民用汽车拥有量为M(万辆)，选取这些指标作为影响因素，建立交通运输业碳排放模型：

lnIj=a+blnPj+clnAj+dlnTj+flnHj+glnLj+hlnMj+e

(4)

其中：j为年份，f、g、h为H、L、M相对应的弹性系数。

进一步简化数学模型

y=β0+β1x1+β2x2+β3x3+β4x4+β5x5+β6x6+ε

(5)

其中：β0～β6为弹性系数。

(3)两阶段因素分解法

在式(5)的基础上，本研究以2000—2016年为研究时间段，逐个选取期间年份作为两阶段分界点，以此开展影响因素分析。

(二)数据来源

本研究选取北京市、天津市和河北省三省市2000—2016年的时间序列数据，其中能源碳排放系数数据来源于《2006年国家温室气体排放清单指南》，能源消耗量来源于国家统计局数据统计与《中国能源统计年鉴》，人口数量、人均GDP、货物周转量、旅客周转量及民用汽车拥有量数据来源于历年《中国统计年鉴》。

三、模型估计与结果分析

(一)模型估计

采用stata 15软件对京津冀地区交通运输业碳排放进行回归，研究发现变量间的相关系数大于0.9，且大多变量的VIF大于10，说明这些变量之间存在很强的相关关系，具有多重共线性。因此，不能使用一般最小二乘法进行回归。为解决这个问题，本研究改用SIMCA-P软件采用偏最小二乘法进行模型参数估计，具体步骤如下：

首先，利用t1/t2椭圆图(图1)与t1/u1散点图(图2)对偏最小二乘法的适用性进行验证。其中，t1/t2椭圆图可识别京津冀地区的数据是否存在特异点，t1/u1散点图可识别京津冀地区的数据是否存在线性关系。

由t1/u1散点图(图2)可以看出，京津冀、北京、天津、河北数据在一开始是正相关关系，但随后逐渐下降，即函数关系改变，因此研究将碳排放函数分为两个阶段，拟合出京津冀碳排放的分段函数。通过对各个年份进行分开模拟，寻找京津冀各地的最佳拟合函数。基于偏最小二乘法得出的参数估计，结果如表2所示，京津冀、天津、河北在2000—2012年为第一阶段，2013—2016年为第二阶段时的分段函数拟合效果最佳，而北京在2010年分段得到拟合效果最好的分段函数。其中，R2X或R2Y分别表示从X或Y变量中抽取的主成分相对于原变量X或Y的解释能力，而Q2表示交叉有效性，说明抽取成分相对于模型精确性的边际贡献。从统计理论角度，若R2X(cum)、R2Y(cum)、Q2(cum) 都大于 0.8，则表示模型估计结果完美。由表2可以看出，京津冀地区的这3项指标均大于0.8。因此，模型回归结果完美达到统计指标要求[16]。

最后，利用简单算术平均法求出29个细分行业2010—2016年的指数计算主成分平均值及指数计算综合得分平均值（见表5）。

图1 椭圆图

图2 散点图

变量京津冀2000—20122013—2016北京2000—20102011—2016天津2000—20122013—2016河北2000—20122013—2016lnP0.173493∗∗-0.228545∗∗-1.314570∗-0.118945∗0.186720∗∗-0.223642∗∗0.109738∗-0.478603∗∗lnA0.182426∗∗-0.219957∗∗0.794064∗-0.249735∗∗0.199195∗∗-0.241233∗∗0.397760∗∗-0.021682∗∗lnT-0.172112∗∗0.212127∗∗-0.007288∗0.154674∗∗-0.198903∗∗0.245131∗∗0.298115∗-0.267980∗lnH0.142873∗0.079465∗1.683540∗∗0.475775∗∗0.0705630.274319∗∗0.387573∗∗-0.141182lnL0.176412∗∗-0.144454-0.042800∗∗-0.0193730.185008∗∗-0.0800470.173120∗-0.294278∗lnM0.179287∗∗-0.225833-0.350166∗-0.116601∗0.194166∗∗-0.111268∗0.196924∗-0.445053∗∗C38.6039190.4020105.730038.134338.5621117.724032.1041239.6190R2X(cum)0.9068030.9068030.9877410.9784580.8220050.9776660.9756360.936244R2Y(cum)0.9609800.9784720.8859400.9873070.9348150.9999040.9857021.000000Q20.9498910.9175120.8212300.9723290.9348150.992940.9715831.000000

注：**代表VIP>1,表示变量影响程度显著；*代表VIP>0.8,表示变量影响程度较显著

(二)结果分析

1.京津冀交通运输业碳排放

图3 京津冀地区交通运输业碳排放量

根据式(1)分别计算出京津冀3个地区的交通运输业碳排放量和3个地区的总量，结果如图3所示。

图3显示，京津冀地区交通运输业碳排放总量从2000年到2013年一直呈现上升趋势，2013年碳排放量是2000年的2.28倍，年均增长6.55%。从2013年到2016年，碳排放量开始呈下降趋势，年均降低率为4.60%。可以看出，在京津冀地区中，北京最先达到碳排放峰值，之后京津冀地区在2013年左右达到碳排放峰值。京津冀地区交通运输碳排放总量的变化趋势显示，京津冀地区实施双号限行政策、建设市政机构自行车网点、大力发展可再生能源与清洁能源等政策已经有效减少了碳排放量。

2.京津冀交通运输业碳排放的影响因素分析

(1)人口规模

图4 人口规模对京津冀交通运输业碳排放的两阶段影响

由表2可知，人口规模对京津冀地区碳排放影响显著。其中，对北京碳排放影响较显著；而对天津来说，人口规模是碳排放的显著驱动因素；河北从第一阶段到第二阶段，人口规模对碳排放的影响从较显著变为显著。人口规模对京津冀交通运输业碳排放的两阶段影响如图4所示。可以看出，在第一阶段，京津冀、天津、河北的人口规模系数为正，这与往常的认知相符，说明人口的增加会促使碳排放量的增加，为此我们要控制人口数量，积极响应国家的计划生育政策；而北京的人口规模系数为负，说明北京市控制人口数量效果显著。在第二阶段，京津冀地区的人口规模系数均为负，并且北京的负系数绝对值变小。在京津冀一体化下，京津冀的人口流向发生了变化，近年来由于京津冀一体化的格局逐渐发展，以及京津部分产业向河北转移、北京控制城市规模和疏解非首都功能等因素的影响，一定程度上减缓了外来人口向京津两市集聚的速度，导致京津冀区域内人口中心迁移的速度放缓。而京津冀人口流向的变化使对交通运输业碳排放的影响发生了变化，从长远来看，这种变化是有益的，缓解了京津冀地区的人口压力，并且平衡了3个省市间的碳排放量。

(2)富裕程度

图5 人均GDP对京津冀交通运输业碳排放的两阶段影响

(3)科技水平

由表2可知，能源强度对京津冀地区碳排放影响显著。其中，北京从第一阶段到第二阶段，能源强度对碳排放的影响从较显著变为显著；对天津来说，能源强度是碳排放的显著驱动因素；对河北碳排放有较显著影响。能源强度对京津冀交通运输业碳排放的两阶段影响如图6所示。可以看出，在第一阶段，京津冀、北京、天津的能源强度系数均为负。原因在于，虽然政府大力提倡与支持降低能源强度，但对于能源的使用总量没有加以控制，导致碳排放持续增加；但河北省的能源强度系数为正，能源强度降低对于碳排放有抑制作用。在第二阶段，京津冀、北京、天津地区的能源强度系数均为正，能源强度的降低代表单位GDP所使用能源降低，能源使用总量得到了控制，导致碳排放减少；但河北的能源强度系数由正转为负，说明河北的能源消费总量在第二阶段没有进行控制，致使碳排放增加。此结论支持了李艳梅等学者关于京津冀区域间产业转移对碳排放影响的结论[17]。在京津冀一体化下，京津尤其是北京的许多高污染产业搬到河北，河北接受了许多落后产能，虽然促进了区域产业的分工与合作，改变了劳动力就业的空间分布，但是导致河北的能源消费上升，碳排放增加，加剧了环境污染。据国家统计局数据显示，近几年河北省的雾霾指数居高不下，其中保定、邢台、石家庄、唐山、邯郸、衡水、廊坊出现在中国空气质量最差的10个城市榜单中，显示河北省的能源消耗需要进行控制。

(4)货物周转量

由表2可知，货物周转量对京津冀地区碳排放影响从显著变为较显著。其中，北京的货物周转量对碳排放有显著影响；对天津来说，第一阶段货物周转量不显著，但第二阶段对碳排放有显著影响；对河北碳排放第一阶段有显著影响，但第二阶段影响不显著。货物周转量对京津冀交通运输业碳排放的两阶段影响如图7所示。可以看出，在对地区碳排放有显著影响的情况下，货物周转量的系数都为正，说明货物周转量的增加会增加京津冀地区碳排放。

图6 能源强度对京津冀交通运输业碳排放的两阶段影响

图7 货物周转量对京津冀交通运输业碳排放的两阶段影响

(5)旅客周转量

由表2可知，旅客周转量对京津冀地区碳排放影响从显著变为不显著。其中，北京与天津的旅客周转量对碳排放的影响从显著变为不显著；对河北碳排放有较显著影响。旅客周转量对京津冀交通运输业碳排放的两阶段影响如图8所示。可以看出，京津冀、天津、河北地区的旅客周转量对碳排放的影响系数均由正变为负，北京的系数变化较少，均为负。这表示现在旅客运输工作量的增加对碳排放的影响由增加变为减少，说明在京津冀一体化下，人们的物质文化水平不断提高，随着智能交通系统的出现，客运劳动生产率提高，增加了道路使用率，改善了旅客周转量对交通碳排放的影响。

(6)民用汽车拥有量

由表2可知，民用汽车拥有量对京津冀地区碳排放影响从显著变为不显著。其中，天津的民用汽车拥有量对碳排放的影响从显著变为较显著；对北京与河北的碳排放有较显著影响。民用汽车拥有量对京津冀交通运输业碳排放的两阶段影响如图9所示。可以看出，京津冀、天津、河北地区的民用汽车拥有量对碳排放的影响系数均由正变为负，北京的系数变化较少，均为负。这表示现在民用汽车拥有量的增加对碳排放的影响由增加变为减少，说明在京津冀一体化下，随着生态文明建设的推进，人们的环保意识不断提高，即使在拥有小汽车的情况下，大多数人仍改为绿色出行方式，节能环保，有效减少了温室气体的排放；另外，新能源汽车的增加减少了化学能源的消费，改善了汽车排放气体对于环境的破坏。

图8 旅客周转量对京津冀交通运输业碳排放的两阶段影响

图9 民用汽车拥有量对京津冀交通运输业碳排放的两阶段影响

四、建议

本研究通过2000—2016年京津冀地区数据分析，针对京津冀地区提出以下低碳减排的政策建议。

(1)人口规模控制可降低城市交通运输业碳排放。由于京津冀一体化的格局逐渐发展，导致京津冀区域内人口中心迁移的速度放缓。而京津冀人口流向的变化致使其对交通运输业碳排放的影响发生了变化，从长远来看，这种变化是有益的，缓解了京津冀地区的人口压力，并且平衡了3个省市间的碳排放量。

(2)人均GDP对碳排放的影响系数从第一阶段到第二阶段发生了转变，表示要加快产业结构调整。当前，经济发展进入了一个崭新的时代，不但要追求经济发展的速度，还要追求经济发展的质量，经济的增长要符合经济发展客观规律，可加大科技在产业结构中的力度，淘汰落后产能，控制河北地区的能源使用总量，走可持续发展道路。

(3)能源强度系数在京津冀地区发生的转变说明要在降低能源强度的同时控制能源使用总量。京津冀一体化下将京津地区的落后产能向河北转移，致使两地的能源强度系数发生变化，河北要围绕产业方向设计规划产业集群，做好科学布局，增强承接产业转移的科学性、合理性和选择性，提高承接产业转移的质量和水平，同时控制好能源使用总量。

(4)旅客周转量的增加对于碳排放的影响从促进到减弱，说明了提高公共交通出行比例、发展智能交通系统建设的重要性，建立实时、准确、高效的智能交通控制系统，实现资源在最大程度上的合理分配和利用。例如，合理规划公交车运行路线，减少蛇形、重叠行驶，有效利用道路资源；通过公交智能调度系统，科学安排发车时间和发车间隔。

(5)民用汽车拥有量系数从正变为负，说明要加强人们的环保意识。从结果来看，生态文明建设取得了初步成效，人们的环保意识正在逐步增强，在出行方式等方面更注重环保，对碳减排产生了积极影响。应进一步加大生态文明建设，持续深化生态环境监管体制改革，不断完善生态环境管理制度，推进治理体系和治理能力现代化。还要大力支持新能源汽车的研发，提高新能源汽车的性能，减少碳排放，提高碳排放效率。考虑新能源汽车面临的高成本、技术水平不足、充电设施不够等问题，建议政府加大投资力度，选取合理的地理位置增设充电设施，同时可采取政府采购、控制税收等配套政策，降低新能源汽车的购买和使用成本，提高能源的利用率。