中国公路运输业碳排放影响因素研究

2022-05-12谢萌朱长征

中国储运 2022年5期

文/谢萌朱长征

为了分析我国公路运输业碳排放的影响因素，本文通过测算1988-2017年公路运输业CO2排放量，运用协整关系和误差修正模型，对中国公路运输业碳排放影响因素进行了分析。结果表明：公路货运量占比、城市化率和高速公路里程对公路运输业碳排放起着正向作用。因此，为了有效控制公路运输业碳排放，需要合理控制城市化引起的公路运输业碳排放，优化调整运输结构，提升清洁能源利用率，鼓励清洁能源汽车的使用。

1.引言

二氧化碳等温室气体超量排放引发的全球气候变暖问题，是21世纪人类面临的最重大挑战之一。《2017全球碳预算报告》指出，2017年由人类活动导致的全球二氧化碳排放量达410亿吨。其中，中国的碳排放占全球总量的28%，碳减排压力巨大。作为现代服务业的重要组成部分，交通运输业为高能耗产业，公路运输是重中之重。课题组根据中国能源统计年鉴相关数据进行粗略测算，交通运输业碳排放占全行业碳排放8.9%，公路运输业产生的碳排放占中国交通运输业82.1%。由此可见，研究中国公路运输业碳排放的主要影响因素，对于政府制定碳减排政策具有重要的作用。

2.模型建立

一般地，如果序列 X1t，X1t，…，Xkt在成为稳定序列之前必须经过d次差分，即都是d阶单整的，且存在向量α=（α1，α2，…，αk），使得Yt=αX't～I（d-b），其中b＞0，Xt=（X1t，X2t，…，Xkt）'，则认为序列 X1t，X2t，…，Xkt是（d，b）阶协整。假设变量 X与 Y之间存在长期的“均衡关系”，建立如下模型：Yt=α0+α1Xt+μt（1）

其中Yt表示被解释变量，Xt表示解释变量，μt表示随机干扰项，α0表示常数项，α1表示变量的系数，t表示年份。

根据格兰杰定理可知，如果若干个非平稳变量存在协整关系，则这些变量之间肯定存在误差修正模型。设Yt，Xt～I，并存在协整关系，则最简单的误差修正模型表达式如公式（2）所示：

其中ECMt=Yt-α0-α1Xt，表示非均衡误差；β1ECMt-1表示误差修正项；β1是修正系数，表示误差修正项对DYt的修正速度，可以理解为Y关于X的短期弹性。

3.数据来源及处理。

本文公路运输业的能源消耗量来自于国际能源署（IEA）[1]，其余数据均来自历年《中国统计年鉴》[2]。综合公开出版的历年《中国统计年鉴》我们选取的样本区间为1988-2017年，时间跨度为30年，满足协整分析的要求。

3.1 被解释变量

由于目前还没有专门的机构发布公路运输业碳排放数据，大部分学者都通过收集能源消耗量并通过计算公式来获得碳排放量数据。本文采用的碳排放具体表达公式如下：

其中，CE表示公路运输业的二氧化碳排放量；i表示化石燃料种类，IEA数据库将公路运输业消耗的燃料分为石油制品、生物质能、天然气、电力四类；Ei表示能源的能源消耗量；为含碳能源的二氧化碳排放系数；NCVi为能源i的平均低位发热量；CEFi为能源i的碳排放系数，即单位热量的含碳量；COFi为碳氧化因子，即能源i燃烧时的碳氧化率；44和12分别为二氧化碳和碳的分子量。通过测算，1988年公路运输业碳排放量为50.57百万吨，2017年碳排放量为736.27百万吨，呈现大幅度增长。

3.2 解释变量。本文选取城市化率、高速公路里程和公路货运量占比三个指标作为解释变量。城市化率是衡量城市化发展程度的数量指标，用城镇人口占总人口的比例来表示。根据历年《中国统计年鉴》的统计数据测算，1988-2017年城市化率呈现持续增长的趋势。公路货运量占比是指公路运输业的货运量占交通运输业总货运量的比重，历年增加的幅度较小，但是总体占比较大。高速公路是根据技术等级划分出来的公路类型。1988年高速公路里程只有0.01万公里，到2017年高速公路里程达到了13.64万公里，呈现了大幅度增长。

4.实证分析

4.1 单位根检验与滞后阶数确定。由于原始的经济变量大都是不平稳的，先给原始序列取对数，再进行平稳性检验，可以有效地减少虚假回归，参考（徐昱东，2016）[3]和（魏冉，2018）[4]的检验方法，本文选取ADF检验和PP检验。检验结果表明，各变量在一阶差分后均能拒绝原假设即单位根假设，此时的显著性水平为1%，即各变量在一阶差分后为平稳序列。通过LR统计量、FPE、AIC信息准则、SC信息准则及HQ准则确定最优滞后阶数，结果表明，VAR模型的最优滞后阶数为3。

4.2 协整检验。本文采用Johansen协整检验，检验形式为序列有线性趋势但协整方程只有截距项，使用的计量软件为EVIEWS 8.0。结果表明，各变量在5%的显著性水平下拒绝了没有协整关系的假设，接受了存在协整关系的假设。得出Johansen检验的协整方程：LNCE=-0.040292+1.051139LNFT+0.392105LNGST+1.9934558LNUT（4）

其中CE代表公路运输业的碳排放量；FT代表公路货运量占比；GSL代表高速公路里程；UL代表城市化率；LN表示对原始序列取对数处理。从协整方程可以看出，公路运输业碳排放与城市化率、高速公路里程以及货运量占比之间存在长期稳定的均衡关系。

4.3 误差修正模型。建立在协整论基础上的误差修正模型，既可以反映不同经济序列间的长期有关信息，又可以反映短期偏离长期均衡的修正机制，是长短期结合具有高度稳定性和可靠性的一种经验模型。把LNCE作为因变量的误差修正模型从矩阵方程中单独分离出来，如公式（5）所示：D（LNCE）=-0.

从五个方面对公路运输业碳排放的短期变动进行分析：一是当t-1年度LNCE增加一个单位时，本年度LNCE反方向变动0.093705个单位，即短期的弹性为0.093705；当t-2年度LNCE增加一个单位时，本年度LNCE反方向变动0.291123个单位，即短期弹性为0.291123。二是当t-1年度的LNFT增加一个单位时，本年度LNCE反方向变动1.154556个单位；当t-2年度的LNFT增加一个单位时，本年度LNCE同方向变动0.506205个单位。三是当t-1年度的LNGSL增加一个单位时，本年度LNCE反方向变动0.397033个单位；当t-2年度的LNGSL增加一个单位时，本年度LNCE同方向变动0.336993个单位。四是当t-1年度的LNUL增加一个单位时，本年度LNCE反方向变动0.528639个单位；当t-2年度LNUL增加一个单位时，本年度LNCE反方向变动0.008596个单位。五是误差修正项的系数为为-0.195893，表明上期公路运输业碳排放的短期波动和长期均衡之间的偏差将会在本年度得到19.5893%的修正，即以-0.195893的调整幅度把非均衡状态拉回到均衡状态，调整方向符合误差修正机制。通过AR根图表法对VECM模型的稳定性进行检验，所有特征根的倒数均在单位圆内或圆上，故VECM模型的稳定性条件得以满足。