我國鐵路運輸業(yè)碳排放效率與影響因素分析

于克美，武劍紅，李紅昌

（北京交通大學經(jīng)濟管理學院，北京 100044）

隨著工業(yè)化、城市化的發(fā)展，環(huán)境污染、能源緊缺以及引發(fā)的全球氣候變暖現(xiàn)象成為我們目前亟需解決的難題。根據(jù)國際能源署的統(tǒng)計數(shù)據(jù)，中國二氧化碳排放量在2005 年超過世界其他國家，并且在2015 年的二氧化碳排放量達90.8 億噸，其中交通部門產(chǎn)生的二氧化碳占比9.3%。在眾多二氧化碳供給的行業(yè)中，交通運輸業(yè)的碳排放數(shù)量僅次于工業(yè)與能源領域，排名第三［1］。Li 等［2］認為中國交通行業(yè)的碳排放將來能夠占總碳排放量的30%～40%，與北美和歐洲國家目前的比例相似。巴黎協(xié)定規(guī)定協(xié)議的締結方在2020 年后應該主動參與該活動，將全球氣溫的平均增加值控制在2℃以內(nèi)，據(jù)此，中國政府承諾到2030 年單位GDP 二氧化碳排放比2005 年下降60%左右［3］。因此，有必要大力發(fā)展低碳交通，為社會的可持續(xù)發(fā)展進行考慮。

在交通運輸市場中，主要的交通運輸方式包括公路、鐵路、民航、水運與管道運輸5 種。其中，以2008 年數(shù)據(jù)為例，5 種交通方式碳排放量各自占整個交通行業(yè)的總排放量約52.3%、15%、11.7%、18.5%、2.5%［4］。相比之下，鐵路是一種相對環(huán)保低碳的運輸方式，公路運輸產(chǎn)生的二氧化碳量在整個交通運輸業(yè)中占比最高。從貨物運輸來看，公路與鐵路近5 年來的貨運周轉(zhuǎn)量都呈現(xiàn)出增長的趨勢，但是鐵路貨運周轉(zhuǎn)量的平均增長率（1.6%）卻不及公路（5.8%）。在此之后，國務院在2018 年印發(fā)《打贏藍天保衛(wèi)戰(zhàn)三年行動計劃》政策，明確指出通過調(diào)整鐵路貨運比例來改善空氣質(zhì)量，減少污染。

在過去的10 多年中，我國快速發(fā)展高速鐵路網(wǎng)絡，到2018 年底，我國鐵路營業(yè)里程超13 萬公里，其中高速鐵路達3.1 萬公里。鐵路是促進經(jīng)濟增長的重要基礎設施，完善的鐵路網(wǎng)使得貨物、人員、信息、要素等能夠便捷、快速的交流，尤其是高速鐵路的出現(xiàn)，其可達性對經(jīng)濟增長產(chǎn)生重要的作用［5-8］。高速鐵路的出現(xiàn)會產(chǎn)生兩種不同的效應：一方面，高速鐵路提高了可達性，進而轉(zhuǎn)移了部分普通鐵路或其他運輸方式的客流量，會使得交通的碳排放量減少；另一方面，高速鐵路的出現(xiàn)能夠誘增新客流，即使沒有新客流增加的情況下，高速度帶來的高能耗會增加二氧化碳的排放。但是高速鐵路對鐵路碳排放效率的研究卻是很少。目前國外鐵路效率分析研究相對比較成熟，多集中技術效率或者運營效率［9-10］，但是很少有文獻以中國鐵路為研究對象，分析其碳排放效率變化與主要的影響因素。本文基于中國18 個鐵路局集團有限公司2006—2014 年的數(shù)據(jù)，計算鐵路碳排放效率以及主要因素對其影響的關系。

一、文獻綜述

交通碳排放是關系到全球氣候變化的重要問題，國外最早進行研究的是美國勞倫斯伯克利國家實驗室，國內(nèi)首先進行研究的是原國家計委宏觀經(jīng)濟研究院能源研究所［11］?，F(xiàn)在越來越多的學者對交通部門的碳排放進行研究［11-12］。李琳娜和Loo［13］對客運交通市場的碳排放進行計量與分析，發(fā)現(xiàn)公路是碳排放最多的交通方式，再次是民航，而鐵路與水運的碳排放量最少。Li 等［3］采用協(xié)整與誤差修正模型研究了各種交通方式在短期與長期條件下對碳排放的關系，發(fā)現(xiàn)公路、民航以及水運設施的擴張在長期中會增加二氧化碳的排放，鐵路設施在短期中也使得碳排放增加，但是在長期中能夠使碳排放量減少。也有學者以單一交通運輸方式進行碳排放的分析，如以武廣高鐵為例，指出每公里高鐵比普鐵每年減排二氧化碳2190.55 噸［14］。

除了關注于碳排放的總量外，很多學者還研究碳排放的效率。碳排放效率計算最為簡單的方法是將單位GDP 的碳排放量取倒數(shù)［15］，但是績效評價應用最廣的計算方法還是非參數(shù)DEA 方法［16-17］。除此之外，參數(shù)方法也是計算碳排放的另一個常見方法，雷玉桃和楊娟［18］采用SFA 模型對我國1996—2011 年間的碳排放效率進行衡量，發(fā)現(xiàn)總體效率處于上升的階段，但是在效率的空間差異性卻越來越大。目前關于碳排放效率影響因素分析方法主要有空間計量回歸、迪氏對數(shù)指數(shù)分析（LMDI）方法、Laspeyres 完全分解法、STIRPAT 模型、面板向量自回歸等。張宏鈞等［19］選擇公路與鐵路兩種方式，通過因素分解的方式發(fā)現(xiàn)周轉(zhuǎn)量、人均GDP以及能源強度是主要的影響因素。王少劍和黃永源［20］對中國283 個城市運用空間自相關、面板分位數(shù)回歸等多種方法，分析碳排放的空間溢出效應與影響因素。主要的研究結論表明在低強度碳排放的城市，經(jīng)濟增長、技術進步以及人口密度起到重要的減排作用，但是在高強度碳排放的城市，技術進步則沒有影響，人口密度有減排影響。Timilsina 和Ashish［21］采用LMDI 分解的方法把拉美國家的碳排放影響因素分解為與燃料混合、模態(tài)轉(zhuǎn)換和經(jīng)濟增長以及排放系數(shù)和運輸能量強度變化相關的成分。陳占明等［22］對傳統(tǒng)的STIRPAT 模型進行改進后應用于我國的地級市碳排放研究，發(fā)現(xiàn)人口規(guī)模、產(chǎn)業(yè)結構以及采暖需求與城市二氧化碳量呈現(xiàn)正向關系，城市化率對碳排放量的關系不確定。

從上面的國內(nèi)外研究綜述中可以看出，論文多是以省域或者市域數(shù)據(jù)進行分析某種（或者幾種）交通方式碳排放效率［23-25］，從中國國家鐵路集團有限公司下屬的鐵路局集團有限公司角度進行鐵路碳排放效率的研究卻相對較少。

二、鐵路碳排放效率的估計與數(shù)據(jù)

（一）非期望產(chǎn)出DEA 模型

鐵路運輸活動涉及多投入、多產(chǎn)出，運用非參數(shù)DEA 模型對碳排放效率評價是較為合適的方法。傳統(tǒng)的DEA 模型包括CCR 和BCC 兩種基本模型，兩者的區(qū)別在于規(guī)模報酬變化的情況。若是規(guī)模報酬不變，那么該效率模型被稱為CCR 模型，在規(guī)模報酬可變情況進行計算的效率模型被稱為BCC 模型。

傳統(tǒng)的DEA 模型的思想是要求用最少的投入，生產(chǎn)盡可能多的產(chǎn)出。但是在現(xiàn)實生活中，生產(chǎn)過程往往伴隨著一定的不好的產(chǎn)出，如廢氣、廢水等。如果生產(chǎn)過程中存在這樣非期望的產(chǎn)出，那么再應用傳統(tǒng)的DEA 模型進行求解就不合適了。這時，需求考慮擴展的DEA 模型。

假設有m個決策單元DMU，第j個決策單元為DMU（jj=1，2，…，m），每個決策單元采用n種投入生產(chǎn)出s種期望產(chǎn)出，k種非期望產(chǎn)出，記xij、yrj、ztj為第j個決策單元的第i種投入、第r種期望產(chǎn)出以及第k種非期望產(chǎn)出，則有

則含有非期望產(chǎn)出的生產(chǎn)可能集為

那么在期望產(chǎn)出不減少的情況下，使得投入與非期望產(chǎn)出盡可能最小，那么該約束條件下的目標函數(shù)為

其中：θ、α、λ表示要求解的參數(shù)；表示松弛變量。

（二）基尼系數(shù)

在經(jīng)濟學中，基尼系數(shù)最初用來刻畫人們收入水平的差異情況。其范圍為0～1，越是接近0，差異水平就越低，越是接近于1，差異水平就越大。本文則是用基尼系數(shù)指標來描述鐵路集團公司間碳排放效率的差異程度。其計算公式如式（3）所示：

其中：G表示基尼系數(shù)；n表示鐵路局集團有限公司的數(shù)量；xi表示鐵路局集團有限公司的碳排放效率，符號i是按照鐵路集團公司碳排放效率的大小進行排序的；Cx表示碳排放效率的平均值。

（三）數(shù)據(jù)說明

本文選擇2006—2014 年中國鐵路下屬的18 個鐵路局集團有限公司（原鐵路局）為研究對象。DEA 模型通常的投入變量有勞動、資本，在鐵路運輸中，由于消耗大量的燃料，因而本文的投入變量中加入能源變量。具體來說，勞動變量用鐵路從業(yè)人員數(shù)量表示；資本變量用固定資產(chǎn)投資的存量表示，但是該變量在研究時間窗口中有所缺失，考慮到鐵路固定資產(chǎn)投資主要用于移動設備和線網(wǎng)投資，本文決定用客車車輛數(shù)量、貨車車輛數(shù)量、鐵路線網(wǎng)營業(yè)里程來表示；鐵路運輸中涉及的能源包括電力、石油、煤炭等多種燃料，為了方便計算，本文根據(jù)相應的折算標準將消耗的能源折算為標準煤數(shù)量。產(chǎn)出變量中的期望產(chǎn)出變量用客運周轉(zhuǎn)量、貨運周轉(zhuǎn)量來表示。非期望產(chǎn)出則是用二氧化碳排放量來表示。

目前關于二氧化碳排放量的數(shù)據(jù)無法直接獲得，都是通過間接的計算公式計算而來，其公式為

其中：ECO2表示二氧化碳的排放量；E表示折標煤的消耗量；f表示折標煤的碳排放系數(shù)。

根據(jù)日本能源經(jīng)濟研究所的參考值，本文f=0.68，剩余所有的數(shù)據(jù)都來源于《中國鐵路統(tǒng)計資料匯編》。變量的描述性統(tǒng)計分析見表1。

表1 投入產(chǎn)出變量的描述性分析

三、碳排放效率估計

表2 總結了我國18 個鐵路局集團有限公司碳排放效率結果，并根據(jù)其平均效率值進行排序，具體見表2的第2 列。廣鐵鐵路局集團有限公司、濟南鐵路局集團有限公司、太原鐵路局集團有限公司三者的碳排放效率并列第一，而青藏鐵路局集團有限公司、烏魯木齊鐵路局集團有限公司以及哈爾濱鐵路局集團有限公司位居后三名。到2010 年后，DEA 有效的公司數(shù)量增加到5 個，新增呼和浩特鐵路局集團有限公司與蘭州鐵路局集團有限公司。

可以看出，鐵路局集團有限公司間碳排放效率的空間差異是比較明顯的。太原鐵路局集團有限公司位于鐵路交通網(wǎng)絡的中部，連接幾個重要的鐵路走廊。其次，它所管轄區(qū)域，山西省具有豐富的煤炭資源，需要通過鐵路運輸?shù)狡渌∈小V鐵鐵路局集團有限公司服務于珠江三角洲地區(qū)，經(jīng)濟、人員交流頻繁。哈爾濱與青藏鐵路局集團有限公司所管轄區(qū)域地理位置與天氣條件較差，因而投入與運營成本等較高，需求產(chǎn)出較低［26］。碳排放效率與外部環(huán)境間的詳細關系將在下文進行檢驗。

從時間角度來看，2006—2014 年我國鐵路局集團有限公司的碳排放平均效率在0.64～0.81。基尼系數(shù)（圖1）大致呈現(xiàn)水平的S 形狀，說明碳排放效率差異隨時間在縮小。所有的碳排放效率結果均是采用DEA Slover Pro5 軟件計算得出。

表2 18 個鐵路集團公司2006—2014 年碳排放效率

圖1 鐵路集團公司基尼系數(shù)變化圖

四、碳排放效率影響因素分析

（一）回歸模型介紹

將上文估計的碳排放效率作為被解釋變量，與幾個解釋變量進行回歸，包括社會經(jīng)濟因素、市場競爭因素等外部因素以及鐵路內(nèi)部因素?；貧w分析能夠更清晰明了地識別鐵路碳排放效率的主要影響因素，為以后鐵路行業(yè)的減排工作提供一定的幫助。

根據(jù)以往的文獻，鐵路碳排放量被分解為人均GDP、人口、能源結構與能耗強度等。因而本文將選擇內(nèi)燃機車數(shù)量與電力機車數(shù)量的比值來表示鐵路的能源結構變化，雷玉桃和楊娟［18］指出在1991 年之前，鐵路的運輸80%主要依靠燃煤機車，在2010 年該數(shù)值下降到26%，并發(fā)現(xiàn)碳排放從之前的正負交替效應轉(zhuǎn)變?yōu)樨撔?/p>

高速鐵路是我國鐵路近十幾年來出現(xiàn)的重要創(chuàng)新成果，短短的十幾年，高速鐵路網(wǎng)絡四通八達，其從安全、速度、以及環(huán)境污染上較之前普通列車有明顯的差異，對鐵路碳排放效率有正向的影響。但是Wu 等［27］認為我國“被高鐵”現(xiàn)象較為嚴重，高速鐵路的運力不能有效地被利用，在長期中大規(guī)模修建高鐵將使得其碳排放效率下降。本文為驗證高速鐵路與碳排放效率之間是否存在“倒U 型”關系，在回歸方程中引入高速鐵路的營業(yè)里程變量以及該變量的平方項。

在社會經(jīng)濟因素中，本文選擇采用GDP、人口以及產(chǎn)業(yè)結構變量。GDP 和人口數(shù)值越大的地區(qū)，區(qū)域間人流以及貨流的交流就愈頻繁［28］，張宏鈞等［19］也指出GDP 是鐵路換算周轉(zhuǎn)量增加的主要原因，進而是減少碳排放的有效途徑。還有的學者認為在GDP 發(fā)達的地區(qū)，其技術以及觀念等較落后的地區(qū)存在一定的先進性，也會有利于減少二氧化碳的排放。魏梅等［29］采用誤差修正的模型得到產(chǎn)業(yè)結構與碳排放效率兩者之間存在負向的關系，本文將采用第二產(chǎn)業(yè)占比表示產(chǎn)業(yè)結構來驗證該結論在鐵路行業(yè)是否成立。

此外，高鐵和民航在客運市場中存在激烈的方式間競爭［30］，所以本文在回歸模型中考慮民航的換算周轉(zhuǎn)量來代表高鐵與民航間的競爭。公路在貨運市場與鐵路存在同樣激烈的競爭，公路運輸貨物比較靈活，能夠解決“最后一公里的問題”，因而為研究公路與鐵路的競爭問題，本文將回歸中加入公路的換算周轉(zhuǎn)量。

根據(jù)上面的分析，本文建立的回歸函數(shù)如式（5）所示：

其中：effit表示鐵路局集團有限公司i在第t年的碳排放效率值；GDPit表示鐵路局集團有限公司i所管轄的省份①在進行回歸模型時，由于解釋變量是省域?qū)用娴臄?shù)據(jù)，因而需要一定的數(shù)據(jù)轉(zhuǎn)換為鐵路局集團有限公司層面的數(shù)據(jù)，本文參照文獻［26］。在第t年的國內(nèi)生產(chǎn)總值；POPit表示鐵路局集團有限公司i所管轄的省份在第t年的人口總數(shù)；structureit表示鐵路局集團有限公司i所管轄的省份在第t年的第二產(chǎn)業(yè)占比例；vihicleit表示鐵路局集團有限公司i在第t年的內(nèi)燃機車與電力機車的比例；HSRit表示鐵路局集團有限公司i所管轄的省份在第t年的高速鐵路營業(yè)里程；表示鐵路局集團有限公司i所管轄的省份在第t年的高速鐵路營業(yè)里程的平方項；airit表示鐵路局集團有限公司i所管轄的省份在第t年的民航換算周轉(zhuǎn)量；roadit表示鐵路局集團有限公司i所管轄的省份在第t年的公路換算周轉(zhuǎn)量；ait表示鐵路局集團有限公司i的時間固定效應項；εit表示隨機誤差項。

由于被解釋變量為本文所計算的碳排放效率值，屬于0～1 區(qū)間，因而本文采用Tobit 模型進行回歸。但是Simar 和Wilson［31］指出直接將DEA 的效率值應用于第二階段回歸會導致有偏估計，因而他們提出在第二階段采用bootstrap 方法來得到一致無偏的估計。因而，本文將采用這兩種模型進行回歸。

為了估計上面的回歸公式，本文采用固定效應模型來控制時不變的誤差項與解釋變量之間的相關性。本文還進行隨機效應模型回歸來當作穩(wěn)健性檢驗。在本文的研究中，需注意鐵路碳排放效率與鐵路的車輛類型比重是相互依賴的關系，應該考慮內(nèi)生性問題?；貧w所需要的解釋變量來源于國家統(tǒng)計局網(wǎng)站與《中國鐵路統(tǒng)計資料匯編》。對變量進行描述性統(tǒng)計分析，見表3。

表3 回歸模型的變量描述性統(tǒng)計分析

（二）回歸結果分析

表4 包括了Tobit 固定效應回歸、隨機效應回歸以及bootstrap-correction 模型、2SLS 模型回歸結果。從估計系數(shù)的大小與符號來看，固定效應與隨機效應模型的估計結果是相似的，bootstrap-correction 模型、2SLS 模型回歸結果與兩者的估計也大體是一致的。

本文的研究結果表明，鐵路的機車類型比重（內(nèi)燃機車與電力機車的比例）與碳排放效率負相關。顯然，內(nèi)燃機車的碳排放要遠大于電力機車的碳排放，若是該變量的比值增大，必然使碳排放量效率下降。隨著鐵路技術的不斷創(chuàng)新與發(fā)展，我國鐵路的電氣化水平不斷提高，使得鐵路單位公里碳排放量逐步減少。

高速鐵路變量系數(shù)為正，其平方項系數(shù)為負，表明碳排放效率與高速鐵路變量之前存在倒“U”型關系：隨著高速鐵路網(wǎng)的不斷擴建，高速鐵路對民航以及公路運輸?shù)奶娲灾鸩皆黾?，這一運輸效應使得碳排放量減少［32］，但是本文發(fā)現(xiàn)當高速鐵路營業(yè)里程超過某一點時，碳排放效率呈現(xiàn)下降的趨勢。高速鐵路二等座的運價率是0.45 元，遠高于普通鐵路的運價率。在我國這種收入不均衡的國家，很多人并不能夠支付起高速鐵路的票價，某些高鐵線出現(xiàn)“上座率不高”的現(xiàn)象。大規(guī)模的修建高速鐵路，使得高速鐵路的利用率不是完全有效，一定程度上造成了資源的浪費與錯配，所以超過某一點后，高速鐵路變量相比之前碳排放效率下降。

表4 碳排放效率影響因素估計結果

產(chǎn)業(yè)結構對鐵路碳排放效率有顯著的影響。但是隨著第二產(chǎn)業(yè)占比越來越大，其碳排放效率出現(xiàn)增加的現(xiàn)象，這主要是因為第二產(chǎn)業(yè)中不同的產(chǎn)業(yè)碳排放不同，本文并沒有細分碳排放量高與碳排放低的產(chǎn)業(yè)。同理，GDP 的影響系數(shù)是負向的。

關于方式間競爭對鐵路碳排放效率的影響，本文發(fā)現(xiàn)民航能夠提高鐵路碳排放效率。鐵路對民航，尤其是高速鐵路對民航產(chǎn)生激烈的競爭，但是兩者提供的服務在中長距離中存在不可替代性［33］，在中國未來將發(fā)展兩者間的合作［34］。但是從目前的市場份額占比趨勢來看②民航與鐵路市場份額用各自周轉(zhuǎn)量占總運輸市場周轉(zhuǎn)量的比例表示，數(shù)據(jù)來自國家統(tǒng)計局。，兩者之間的競爭程度大于合作程度，因而民航的影響系數(shù)為正。同理，公路在短途市場上與鐵路存在激烈的競爭，從而使得鐵路碳排放效率增加。

五、研究結論

環(huán)境與碳排放問題越來越受到學者與工作部門的關注，政府部門也為減排出臺了相關的政策，但是學術界從鐵路局集團有限公司角度研究鐵路碳排放效率與影響因素的研究比較少。因而，本文采用非期望產(chǎn)出DEA 模型與第二階段的回歸來分析18 個鐵路局集團有限公司的碳排放效率與可能的影響因素。研究發(fā)現(xiàn)，2006—2014 年鐵路局集團有限公司平均碳排放效率在0.64～0.81，且地區(qū)間的差異性越來越小，碳排放效率最高的是太原鐵路局集團有限公司、濟南鐵路局集團有限公司、廣鐵局集團有限公司、呼和浩特鐵路局集團有限公司與蘭州鐵路局集團有限公司。

研究結果進一步表明，市場競爭能夠提高鐵路的碳排放效率，對于這種方式間的競爭方法，政府應該大力支持。競爭能夠促進產(chǎn)品創(chuàng)新、服務升級，對于消費者的剩余有積極的影響。公路是交通運輸方式中碳排量最高的運輸方式，鐵路產(chǎn)業(yè)應該優(yōu)化其貨運體系，銜接好“最后一公里”的問題，加大公路貨物向鐵路的轉(zhuǎn)移比例。鐵路產(chǎn)業(yè)中機車類型比重從側(cè)面反映了其能源結構的變化，通過調(diào)整能源結構能夠有效的提高碳排放效率。高速鐵路與碳排放效率之間存在著倒“U”型關系，表明在一定里程范圍內(nèi)高速鐵路確實能夠提高碳排放的效率，但是超過某一點后，對碳排放效率無益。這主要是大規(guī)模修建高速鐵路，使得資源造成浪費，并沒有完成相應的有效產(chǎn)出。外部環(huán)境對鐵路碳排放效率也有重要的影響，應該調(diào)整合理的產(chǎn)業(yè)結構，轉(zhuǎn)換經(jīng)濟增長動力，減少碳排放。

本文有以下幾點局限性。第一，本文在計算碳排放效率時，沒有區(qū)分客運與貨運。兩種類型的運輸所需要的資源與條件相差較大，影響計算的碳排放效率值。第二，由于鐵路數(shù)據(jù)的可獲得性，本文的時間窗口相對陳舊，在以后的研究中盡可能地拓寬時間窗格。