京津冀货运碳排放效率分析——基于超效率SBM模型及ML指数

欧国立，许畅然

(北京交通大学 经济管理学院，北京 100044)

一、引 言

2019年，国际能源署发布的碳排放研究报告显示，2018年中国碳排放总量比2017年增加2.5%，超过世界平均增长速度约50%[1]。面对日益严峻的环境形势，减少二氧化碳排放、改善生态环境是我国经济发展路上必须承担的大国责任和义务。据国家应对气候变化战略研究和国际合作中心发布的报告统计，交通部门是对碳排放贡献较多的部门之一，继工业、能源部门排在第三位[2]，所以构建低碳交通体系，提高交通碳排放效率成为我国快速实现碳减排目标的重要突破口之一。在我国经济转型发展的背景下，政府出台了史上最为严格的环保措施，限制碳排放是其重要任务之一。在环保政策的鼓励下，相关企业引进先进低碳技术，积极追求绿色发展，碳排放效率水平相较之前有很大提升。具体到交通领域，比起单纯降低交通碳排放总量，交通碳排放效率的提高是更为有意义的衡量标准[3-4]，通过提高规模效率、促进技术进步来提高交通碳排放效率可以更好的满足提高经济发展水平与减少碳排放的双重目标。

京津冀地区重度雾霾天气频发，属于我国空气污染较为严重的区域。据生态环境部统计，燃煤、工业、机动车、扬尘是造成京津冀污染问题的四大来源，占比高达90%[5]。京津冀地区产业结构、能源结构、交通结构呈现出不均衡的特点，产业结构中重工业占据较大比重，能源结构中传统化石能源占据主要位置，运输结构中铁路及水路货运量占比较低，这导致其交通碳排放居高不下。相比于其他城市群，其货物运输也具有独特的需求分布特点及运输结构特点：需求分布方面，北京、天津、河北的货物需求种类存在差别，北京周边重型柴油货车导致的交通污染问题突出；运输结构方面，京津冀货运体系的偏公路属性影响其整个货运系统的运行效率。从综合货物运输体系可持续、高效发展的角度考虑，京津冀地区持续深化交通供给侧改革，提高货运碳排放效率的进程亟待加速。

对于货物运输系统，不能仅仅追求碳排放的减少，也要兼顾其综合运输效率；货运碳排放效率旨在实现综合运输效率不变时追求碳排放最小，碳排放不变时追求综合运输效率最高。本文测算了各省份的货运碳排放总量，并针对京津冀地区货运碳排放现状进行地区以及不同交通运输方式的差别分析，细化研究货运领域；同时选取指标建立超效率SBM模型，得到2005—2016年北京、天津及河北的货物运输碳排放超效率值及ML指数分解值，以了解京津冀地区的货运碳排放效率水平，并分析其差异产生的原因，从而为京津冀地区因地制宜制定碳减排目标提出相关政策建议。

二、文献综述

(一)货运碳排放效率问题

已有文献中关于交通碳排放效率的研究多集中在效率值的测算、空间差异分析以及影响因素研究等角度；随着研究的深入，全要素交通碳排放效率的测度逐渐替代单要素测算，成为研究中的重要主题。

现有研究从全要素角度测算交通碳排放效率主要呈现出以下三个特点：(1)研究大多采用SBM模型，其相对传统DEA模型更适用考虑非期望产出的情况。Young-Tae Chang等[6](2013)、Zhaohua Wang等[7](2017)建立DEA-SBM模型进行交通碳排放效率的测度；Zhang等[8](2017)的研究显示，超效率SBM模型更能展示出各省碳排放效率的差异情况。(2)将SBM模型与动态效率指数有机结合，阐释交通碳排放效率的变动情况，便于进一步进行原因分析。张强[9](2018)构建DEA模型并结合Luenberger生产率指数法对交通碳排放效率进行分析。(3)模型测算指标选取大致相同。袁长伟等[10](2017)、周银香[11](2018)建立超效率SBM模型对各省交通碳排放效率进行测算。投入指标设定为资本存量、劳动力人数以及能源消耗量，产出指标中期望产出为行业产值，非期望产出为碳排放量，分别探讨了交通碳排放效率的时空分布及行业间影响。

此外，还有部分学者对航空运输业、城市公共交通等领域的碳排放效率进行测算。史洁[12](2015)从更细化的角度研究了中国航空运输业碳排放效率。以四家主要航空公司为研究对象，建立DEA-SBM模型，对不同航空公司的碳排放效率进行对比分析。王白雪等[13](2018)运用超效率SBM模型以及ML指数，选取运行车辆、从业人数、资金投入为投入指标，客运量、碳排放量为产出指标，对北京城市公共交通进行碳排放效率分析。

然而，目前对货物运输碳排放效率的细化研究较少，主要集中在货物运输综合效率的研究上，却很少会考虑非期望产出，如污染排放等。仅李涛等[14](2015)运用规模收益可变的DEA模型，建立考虑货运碳排放的综合运输效率测度指标体系，将营运里程、营运车辆数以及从业人数分别作为网络要素、设备要素以及人力要素纳入投入指标体系，产出指标体系中将货物周转量作为效率产出，同时考虑货运碳排放为非期望产出。

(二)京津冀交通碳排放问题

目前，关于京津冀货运碳排放的研究多集中于京津冀地区交通碳排放的测算及影响因素研究，对于京津冀地区交通碳排放效率的研究极少。

京津冀交通碳排放主要存在以下三个特点：(1)存在较为明显的区域差异。吕倩[15](2018)指出京津冀地区交通碳排放总量经历了平稳增长-快速增长-平稳增长的阶段，而河北仍然处于高碳经济发展模式；李健等[16](2018)则认为北京市交通碳减排的压力较大，河北、天津减排效果较好。(2)交通碳排放在客货运部门存在显著差异。吕倩[17](2018)分别从客运和货运部门对京津冀地区汽车运输碳排放的驱动因素进行研究，指出不同驱动因素对客货运部门汽车运输碳排放的影响存在差异。(3)收入效应、能源强度、交通结构等都是影响京津冀交通碳排放的因素[15-18]。

综上所述，探究京津冀货运碳排放效率可以细化交通碳排放效率的研究领域，对推动京津冀货物运输领域改革具有指导意义。基于已有研究成果可知，DEA模型在交通碳排放效率的测度中应用更为普遍，可以支持包括期望产出与非期望产出在内的多产出效率测度，同时，超效率SBM模型可以更准确的反映区域差异，对于考虑货运碳排放的货运效率测算具有一定的优越性。因此，本文选用超效率SBM模型进行京津冀货运碳排放效率的测算，同时结合ML指数进行动态效率分析。

三、研究方法与数据

(一)货运碳排放测算

进行货运碳排放效率的测算首先需要测算货运碳排放量，然后将其作为非期望产出纳入指标体系中。交通碳排放可以通过交通行业不同种能源的消耗量数据来估算碳排放量，也可以基于不同交通工具的货物周转量、单位周转量能耗等数据进行测算。由于没有货物运输的能源消耗的单独统计数据，本文采用“自下而上”的方法进行货运碳排放的测算[19-21]。

考虑我国综合货物运输体系的发展情况及数据可得性，本文对2005—2016年的货运碳排放进行测算，包括铁路、公路、水路及航空四种货运方式，暂不考虑管道运输。本文货运碳排放的测算包括两个步骤，首先测算铁路、公路、水路以及航空四种运输方式货运的能源消耗量，然后再通过与不同燃料的碳排放系数相乘测算得到货运碳排放的最终结果。具体测算过程如下：

1.货运能源消耗量测算

不同货运类型的能源消耗量由该交通工具货物周转量与单位周转量能耗相乘得到，具体计算式为

Ej，k=Vj，kCFj，k

(1)

表1 不同货运方式对应的运输工具及燃料类型

计算公式(1)中，角标j表示不同的货运方式；角标k表示不同运输工具；Ej，k代表k种运输工具的能源消耗量；Vj，k则代表k种运输工具的货物周转量；CFj，k表示k种运输工具的单位货物周转量能耗。

其中，各种运输方式货物周转量数据来自历年《中国交通年鉴》；铁路货物运输内燃机车与电力机车完成工作量比重数据来自历年《中国铁道年鉴》；公路运输柴油车与汽油车运输任务完成比重根据《中国汽车工业年鉴》货车柴油化率数据，设定柴油车完成80%任务量；航空货物运输根据历年《民航机场生产统计公报》各机场货邮吞吐量占全国比重，得到航空货物周转量分省数据；单位周转量能耗数据来源于《中国交通年鉴》、《中国铁道年鉴》及《民航行业发展统计公报》。具体见表1、表2。

表2 不同运输工具的单位周转量能耗

注：公路、水路及航空2016年数据根据《十三五规划》单位周转量能耗目标值通过插值法进行计算

2.货运碳排放量

计算得到各种运输方式的能源消耗量之后，根据IPCC提出的“自下而上”方法的测算步骤进行碳排放量计算，具体测算公式如下：

Cj，k=Ej，kxi

(2)

(3)

(4)

计算公式(2)中，Cj，k代表j种交通运输方式k种运输工具的碳排放量，Ej，k代表该种交通工具进行货物运输消耗的能源数量，xi代表该种能源的碳排放系数。碳排放系数的计算公式由公式(3)给出，NCVi代表平均低位发热量，CEFi代表单位热值含碳量，COFi代表能源消耗氧化率。计算公式(4)对不同货运方式不同运输工具的货运碳排放量进行加和即可得到该省份货运碳排放总量。具体计算过程中，电力作为二次能源计算，以0.96kgCO2/kWh进行计算。见表3。

表3 不同燃料的碳排放系数

注：NCVi参见《综合能耗计算通则GB/T2589—2008》，CEFi和COFi参见《2006年IPCC国家温室气体清单指南》。

(二)超效率SBM模型构建

1.模型构建

借鉴现有文献中应用最为广泛的超效率SBM模型，设定如下生产可能性集合：

(5)

并将子集合定义为

(6)

(7)

(8)

2.指标选取

考虑到货物运输领域数据可得情况并参考货物运输效率测度的指标选取，本文选取运输里程代表货物运输领域资本投入，以货运从业人数代表货物运输领域劳动力投入，以前文测算的货运能源消耗量代表货物运输领域能源投入；产出指标中一个以本文测算的货运碳排放作为非效率产出，另一个将货物周转量作为效率产出。

由于DEA模型DMU数量要求是投入产出指标数量的3倍(本文选取的DMU为31个省份)，所以，本文对三种运输方式的投入产出指标根据其货物周转量占比赋予权重进行计算[16]。超效率SBM模型指标体系如图1所示。

3.样本选择及数据来源

由于本文区别于以往的交通碳排放效率测算，将客运和货运剥离，使得可选取指标受到限制，而航空货物运输由于在航空航线里程等方面的统计存在省份归属困难及重复计算等问题而缺乏有效数据；考虑到数据可得性及有效性，且京津冀地区铁路、公路、水路三种货运方式完成货运量占比达到90%以上，本文在对京津冀地区货运碳排放效率测算时仅考虑三种运输方式，进行初步测算。

不同运输方式的货物周转量、营运里程数据来自国家统计局官网；能源消耗及货运碳排放数据来自上文测算，其中，能耗数据统一换算成标准煤；货物运输从业人员根据货物周转量占总换算货物周转量(将客运周转量换算为货物周转量)的比例进行折算。

模型构建后数据的描述性统计见表4。

表4 变量描述性统计结果

(三)Malmquist-Luenberger指数

本文在探究货运碳排放效率变动率时进行Malmquist分析，由于研究考虑非期望产出，所以更适合运用Malmquist-Luenberger指数进行分析。ML指数处于0到1开区间以及大于1的开区间内分别表示生产效率降低及提高的不同含义，且可以分解为技术效率指数EC与技术进步指数TC，从而进行动态效率的分析。方向向量定义为gt=yt-bt，可以得到t-1期的ML指数，表示如下：

(9)

(10)

(11)

(12)

四、结果与分析

(一)货运碳排放结果分析

1.地区差异

根据公式(4)，可测算得到各省份2005—2016年包括铁路、公路、水路以及航空四种主要运输方式的货物运输碳排放总量。从总量数据看，京津冀地区河北省是货运碳排放大省，体量较大，2016年成为全国货运碳排放最多的省份；天津市处于中等位置；而北京市货运碳排放总量较小。从增长速度看，京津冀地区中北京及河北货运碳排放呈现增长趋势，河北在12年间货运碳排放增幅达到5倍；北京在12年间的货运碳排放增幅也达到52%；天津的货运碳排放总量变化趋势则稍有不同，呈现轻微的下降趋势。

图2展示了北京、天津、河北三地货运碳排放2005—2016年均值及2016年值的分布图，可见京津冀地区货运碳排放存在较大的地区差异。根据2005—2016年总量均值及2016年总量值的对比可以看出，天津地区货运碳排放总量降低较为显著，2016年货运碳排放总量位于全国后五位；北京面临的减排压力较小，而河北货运碳排放增长势头明显，面临较大的减排压力。

2.交通运输方式差异

通过上述分析，可以发现：货运碳排放在京津冀地区存在较大的地区差异，主要原因是不同地区的经济发展程度以及货物运输需求等都存在较大差异；且由于各地区的自然地理环境不同导致其地理区位条件不同，使得其各种货物运输方式完成货物运输任务的比重也存在差别。京津冀地区各省市进行货物运输主要依赖的交通方式不同可能是导致其货运碳排放总量不同的原因之一。

如图3所示，2005—2016年间，公路货物运输产生的二氧化碳最多，且与其他三种货物运输方式有较大差距，但增长速度逐渐放缓。其中，京津冀地区公路货运碳排放占比最高，主要来自河北省；其次是水路运输，主要集中在天津及河北省，随着天津市近年水运货物周转量减少，水运碳排放呈现逐年下降的趋势；铁路运输及航空运输产生的货运碳排放总量则占据较小比重。

(二)货运碳排放效率结果分析

1.超效率SBM模型测算结果

本文通过MAXDEA ultra 6.9软件进行测算，得到北京、天津、河北地区的货运碳排放效率值见表5。

表5 2005—2016年北京、天津、河北货运碳排放效率测算结果

从测算结果可知，京津冀区域内北京及天津货运碳排放效率较高，大多数年份均处于生产前沿面及以上，与其主要货运方式有关，公路货运占比相对较小使得货运碳排放效率较高；而河北省货运碳排放效率较低，且与北京、天津存在较大差距。其中，2008年河北及天津货运碳排放效率的骤降与2008年公路货物数据统计口径变化有关，统计口径变化导致两地公路货物周转量相对2007年大幅增加，货物周转量的增加使货运碳排放总量增加，从而增加货运碳排放效率的非期望产出，使得效率骤降；北京公路货物周转量受统计口径调整变化较小。

为保证数据分析的一致性及有效性，本文以2008年为中间节点对京津冀地区货运碳排放效率变动进行分段解析。2005—2007年，天津及河北的货运碳排放效率处于生产前沿面以上，呈现出天津货运碳排放效率较高，河北次之，而北京最低的态势；分析原始数据可知，天津货运碳排放效率较高的原因是初期投入较少，水路货物运输占比较高，使得整体效率较高；而北京地区初期货物运输资源配备较好，货运产出存在一定的滞后效应，使得货物运输效率较低，随着基础设施等投资的作用逐渐凸显，货运碳排放效率逐渐上升；河北地区由于初期公路运输较少，能耗投入较少，使得效率可以保持在前沿面以上。

2008—2016年，北京及天津货运碳排放效率虽然较高，且相对有效，但是呈现出波动降低的趋势；河北省货运碳排放效率变化不大且处于较低水平，某种程度上并没有满足碳减排与运输效率提升的双重要求。河北省货运碳排放效率较低的原因主要体现在其货运结构的扭曲上，2018年公路货物周转量占比达到90%。公路运输和铁路运输在不同运量及运距上具备不同优势。对于短途及门对门运输，公路具有铁路所不具有的不受固定场站限制、流动性更强的优势；对于大宗货物中长途运输，铁路运输和公路运输相比具有环境友好、管理便捷、安全性高等多个优点。长期以来，河北省公路货运在不同程度上存在着车辆非法改装、超限超载以及过度竞争的问题，所以造成了一定程度上铁路运价和公路运价倒挂，使得公路运输承担了较多更适合铁路运输的货物运输任务，可能造成货运碳排放效率较低[19]。如图4所示。

2.Malmquist-Luenberge指数结果分析

上文通过超效率SBM模型测算得到的效率值为静态效率，本文还利用ML指数进行货运碳排放效率的动态分析。通过MAXDEA ultra 6.9软件测算得到结果见表6。

表6 2005—2016年北京、天津、河北货运碳排放效率ML指数结果及分解

从时间维度上看，北京ML指数呈现波动下降的趋势，从分解值可以看出，总体货运碳排放效率的降低主要是由于技术进步指数TC的降低，技术效率变动指数EC并未发生变化；天津ML指数也呈现波动下降的趋势，与北京相同，货运碳排放效率的降低主要是由于技术进步指数TC的降低；与北京和天津不同，河北货运碳排放效率变动率的降低主要来自于技术效率指数EC的降低。这表明，北京和天津货物运输系统技术效率提高，但是技术衰退，应该加快推动货物运输领域技术进步，优化运输车辆与道路控制系统，从而提高货运碳排放效率；河北则可以通过提高技术效率来推动整体效率的提高，通过提高纯技术效率或者扩大技术使用规模的方式推动货运碳排放效率的提高。

五、结论与政策启示

(一)结论

本文基于交通碳排放效率的已有研究，构建超效率SBM模型，区别于以往交通碳排放效率的测算，细化进行货运碳排放效率的评价，测算得到京津冀地区货运碳排放超效率值并进行ML指数的相关分析，得到如下结论：

1．京津冀地区货运碳排放总量存在地区差异。2016年河北为货运碳排放大省，位列全国第一。河北省货运结构的偏公路属性是其货运碳排放量较大的原因之一，而北京、天津货运碳排放由于其对重型货车的依赖度较低，货运碳排放总量较少，排名在全国倒数五位内。

2．京津冀地区货运碳排放效率存在地区差异，且河北整体处于低水平。2005—2007年，天津货运碳排放效率较高，河北次之，北京较低。2008—2016年，北京、天津货运碳排放效率相对较高，超效率值在1以上，但是近年呈现轻微的波动降低趋势；河北货运碳排放效率处于较低水平，与北京、天津差距较大。从货运碳排放效率的角度来看，目前，京津冀地区货物运输领域的减排压力较大。

3．技术进步与技术效率的差异是河北同北京、天津货运碳排放效率产生差异的原因。北京、天津ML指数的降低主要来自于技术进步指数的降低；河北ML指数的降低主要来自于技术效率指数的降低。针对ML指数降低的具体原因，京津冀三地应分别采取对应措施提高货运碳排放效率。

(二)政策建议

1．发挥京津冀落实运输结构调整政策的示范作用

由于公路货物运输依赖重型柴油车，能耗大，导致包括货运碳排放在内的污染物排放较多，而铁路运输相对更为环保，在中长距离的大宗货物运输上综合运输效率较高。基于此，铁路运输应该加快培养自身在货运领域的优势，积极在白货、特货、冷链和快运等配送市场上积累经验，通过将铁路与大型工矿企业以及产业园区聚集区有效衔接，提高大宗货物通过铁路进行运输的比例，让铁路成为极具优势的企业配套设施。其中，河北省应该作为货运结构调整的“先行者”，优先推动运输半径400公里以上、大宗重载、计划性强的货物向铁路转移，从而提高货运碳排放效率。京津冀地区作为示范地区应该落实货物运输结构调整政策，把握好“公转铁，公转水”的方向。

2．加快推动低碳技术在货运系统的应用

加快推动低碳技术在货运系统的应用，从技术进步和技术效率提高的双重角度解决货运碳排放效率问题。北京、天津地区要从技术进步角度推动货运碳排放效率的提高，推动货车车辆改革，提高货物运输车辆中清洁能源车辆所占比例；同时助推机动车排放检测技术的更新，以加强执法力度倒逼不合格货车淘汰[22]，通过加快推动货运系统新技术的应用，提高货运碳排放效率。河北地区则应该侧重扩大技术使用规模，通过组织流程优化提高各项货运技术的使用效率，积极推动京津冀地区多式联运体系的建设，打破一直以来铁路与大型港口无法有效衔接的现状，提高货运系统内部的衔接效率[23]。通过增加货物综合运输体系组织流程运营效率，提高技术效率，从而提高全要素货运碳排放效率。