张强

[摘要] 为测算“丝绸之路经济带”中国段交通运输碳排放效率，基于Luenberger生产率指数法，构建加权Russell方向性距离函数指数包络分析等模型，并对全要素生产率增长指数进行分解。结果显示：2004-2017年西北地区交通运输碳排放非效率值逐年增加，交通运输低碳发展效率较低；交通运输碳排放全要素生产率增长指数大多为正值，地区差异较大；2010年以来，各地交通运输碳排放的技术效率与技术进步因素共同促进了交通运输碳排放全要素生产率增长，但是技术进步增长较慢，贡献率偏低。

[关键词] “丝绸之路经济带”；交通运输碳排放；全要素生产率；技术效率

[中图分类号] F503[文献标识码] A[文章编号] 1008—1763（2018）05—0078—07

An Analysis on Transportation Carbon Emission

Efficiency of “the Silk Road Economic Belt” in China

——Based on Luenberger Productivity Index Method

ZHANG Qiang1，2

（1. The School of International Business， Shaanxi Normal University， Xian710161 ，China；

2.Enterprise Management Center， Xi'an University of Finance and Economics， Xian710100， China）

Abstract： In order to measure the growth of the efficiency of the transportation carbon emissions under the influence of many factors in the northwest of China of “the Silk Road Economic Belt” ，the decomposition model of total factor productivity growth of carbon emissions in transportation industry was constructed based on Luenberger Productivity Index method，this paper analyzed the carbon emission inefficiency of the transportation industry，the calculations showed that the five provinces had obvious differences in the transportation carbon emission intensity， carbon emission inefficiency and TFP growth from 2004 to 2017. Most of the total factor productivity growth index of transportation carbon emissions was positive， the regional differences were obvious. The two factors of technical efficiency and technological progress contributed to the growth of the TFP in transportation carbon emissions since 2010； however， compared with technological efficiency， the technical progress growth was slower， the technical progress had a low contribution rate to total factor productivity growth of the transportation carbon emissions.

Key words： “the Silk Road Economic Belt”； transportation carbon emission； TFP； technical efficiency

一問题的提出与文献综述

目前，“一带一路”交通运输网络发展迅速，但是交通运输的碳排放规模、强度也在不断增长。面对我国到2020年、2030年碳排放强度下降为2005年的40%～45%、60%～65%的碳减排目标，面对构建“绿色生态大西北”及“防污控霾”的要求，降低交通运输碳强度，提高碳排放效率成为一项重要而必要的举措。党的“十八大”以来，按照“绿色发展、低碳环保”等战略要求，“丝绸之路经济带”中国段交通运输碳排放强度趋势如何？其交通运输碳排放效率呈现怎样的特征？交通运输碳排放全要素生产率增长呈现怎样的态势？技术效率、技术进步因素是否对交通运输碳排放全要素生产率增长有贡献？在构建“丝绸之路经济带”、推动“新一轮西部大开发”及“十三五”发展的重要时期，科学、全面、准确地测度“丝绸之路经济带”中国段交通运输业碳排放效率及全要素生产率，对构建“丝绸之路经济带”交通运输低碳可持续发展具有重要的现实意义。

国内外关于交通运输业碳排放效率的实证研究，主要采取随机前沿分析法和数据包络分析法。关于随机前沿分析法，Watanabe和Tanaka [1]纳入资本、人员、能源等多种因素，分析碳排放强度，解释影响碳排放效率低下的原因。杨骞等[2]分析区域碳排放强度，测算区域碳排放效率差异。涂正革[3]从行业视角运用LMDI两层完全分解法，测算我国7大行业边际碳排放量，比较区域碳排放效率。张金灿等[4]运用随机前沿分析法，测算了我国三大区域的碳排放效率和技术进步对全要素生产率的贡献。关于数据包络分析法，Chung等[5]构建数据包络模型，采用污染排放非期望产出方向性距离函数法，综合多要素分析碳排放强度及碳排放效率，开启了考虑资源环境等因素的碳排放效率研究的先河。胡鞍钢等[6]将环境因素引入生产率模型，构建方向性距离函数的全要素生产率模型，分析技术效率对碳排放的影响。王兵等[7]运用MalmquistLuenberger生产率模型法，通过全要素生产率分解测算环境约束下各影响变量对碳排放效率的影响。Fujii等[8]采取加权Russell方向性距离函数模型，以非等比例调整各种要素分析了碳排放的非效率，得到了碳排放效率值显著低于以往方法测算结果的结论。王惠[9]、袁长伟等[10]分别从技术进步视角构建包含非期望产出超效率SBM模型，测算省际工业碳排放效率、区域交通运输全要素碳排放效率。李小胜[11]、Yuan等[12]运用调整不同比例的Russell方向性距离函数包络分析法，测算碳排放的非效率及省域碳排放的全要素生产率，得出了技术创新促进了碳排放总体效率提高的结论。

加权Russell方向性距离模型在测算气体排放效率时可以引入非效率产出（污染气体排放，非期望产出），并对非效率因素进行分解，分析效率损失的原因，比数据包络分析法等其他方法具有更大的优势，MalmquistLuenberger分析法对投入、期望产出、非期望产出均按既定的方向性向量选择，对每种因素以相同的比例调整而得到的碳排放效率等数值，不能真正反映碳排放效率的大小，而Luenberger生产率指数法分析多个样本面板数据，得到的结果比采用Mamquist生产率指数法测算的更可信。本文选取“丝绸之路经济带”中国段省际面板数据，构建加权Russell方向性距离等模型，借鉴Luenberger生产率指数法测算碳排放效率及全要素生产率，以期对交通运输业节能减排的相关政策调整提供实证支撐。

二实证分析

（一）样本数据与变量选择

本文在研究交通运输业碳排放效率时，选取“丝绸之路经济带”中国段的样本数据，投入指标X包括：劳动力指标，选取各省当年交通运输业的从业人员（记作XL）；资本存量指标，参考单豪杰[13]的永续盘存计算方法，折旧率为5%，剔除当期消费价格指数，对交通运输业的资本存量进行平减处理（记作XK）；依据历年《中国能源统计年鉴》各省能源平衡表中交通运输、仓储邮政业的终端能源消费数据（记作XE）。产出指标Y包括：期望产出指标，选取各省、各地区的交通运输、仓储邮电通讯业的经济总量，对其进行当期消费价格指数的剔除处理，折算成不变价格的交通运输业GDP（记作YT）；非期望产出指标，参见《IPCC国家温室气体清单指南》关于移动源CO2排放量测算方法，以“自上而下”的思路，具体的核算参考张为付等的计算方法[14]，依据交通运输业能源消耗量，按照汽油、柴油、煤油等不同能源

种类的碳排放因子进行折算

注：i表示汽油、柴油、煤炭等燃料的种类；表示消耗第i种能源的数量；不同能源种类根据平均低位发热量得到各自的折标准煤系数，用f表示；标准煤的碳排放系数（吨/吨标煤）用c表示，国家发改委能源研究所规定c的标准值为0.67，当前“西部地区”产能落后，能源利用率不高。因此，本文取c=0.7，也就是1 吨标准煤充分燃烧释放的能量相当于同等情况下0.7吨纯碳释放的热量。根据分子式计算二氧化碳排放量。交通运输业的碳排放（记作YC）。时间段为2004-2017年。

1.交通运输业碳排放效率的加权Russell方向性距离模型

设每个样本地区是一个决策单位，那么，“丝绸之路经济带”中国段西北五省共有S个地区（S=1，2，3，4，5），每个决策单位（省份）投入要素为X∈RN+，期望产出为YT∈RM+，非期望产出为YC∈RL+。环境生产技术为：J={（X，YT ，YC）：投入要素X能生产（YT，YC）}，满足投入与产出强可处置性，非期望产出弱可处置性及零结合性原理。参照Chung等[5]方向性距离函数的设定方法，方向性距离函数

A→（X，YT，YCa）=

Sup{（X+βa，YT+βa，YC+βa）∈T}

其中，方向性向量a=（-aX，aYT，aYC），期望产出YT的递增值是方向性向量的β倍，非期望产出YC、投入要素X的减少值是各自方向性向量的β倍

Fare（2007）相关文献中的方法。，依据Fulii[8]设定的环境生产技术、方向性距离函数法，第b个样本省份的交通运输业碳排放非效率的计算公式为：

S.t A（X，Yr，Yca）=

Max131N∑Nn=1βbn+1M∑Mm=1βbm+1L∑Ll=1βbl

∑Ss=1ZSXns≤Xnb-βbnanxb

∑Ss=1ZSYTms≥YTmb+βbmaYTmb

∑Ss=1ZSYCls=YCls-βblaYClb

ZS≥0，S=1，2，3，4，5（1）

将投入要素及产出要素参照式（1）中的变量设置，

成刚：数据包络分析方法与Max DEA软件[M]. 北京：知识产权出版社，2014。 则可得到变量的非效率值为：

A→X，YT，YCb=

Max1313βbXL+βbXK+βbXE+βbYT+βbYC

∑SS=1ZSXLS≤XLb-βbXLaXL

∑SS=1ZSXKs≤XKb-βbXkaXk

∑SS=1ZSXEs≤XEb-βbXEaXE

∑SS=1ZSYTs≥YTb+βbYTaYT

∑SS=1ZSYCs=YCb-βbYcaYc

ZS≥0，S=1，2，3，4，5（2）

式（2）用来测算第t期的交通运输碳排放非效率。为了测算不同种类的能源消费引致的碳排放的非效率性，需要通过全要素生产率计量方法测算，就必须计算第t+1期的碳排放非效率。参照式（2）的方向性变量设置，以第t期为基期，第t+1期的非效率的计算公式为：

A→Xt+1，Yt+1T，Yt+1Ca=

Max1313βbXL+βbXK+βbXE+βbYT+βbYC

A→X，YT，YCb=

Max1313βbXL+βbXK+βbXE+βbYT+βbYC

∑SS=1ZsXtLS≤Xt+1Lb-βbXLat+1XL

∑SS=1ZsXtKS≤Xt+1Kb-βbXKat+1XK

∑SS=1ZsXtES≤Xt+1Eb-βbXEat+1XE

∑SS=1ZsYtTS≥Yt+1Tb+βbYTat+1YT

∑SS=1ZsYtCS=Yt+1Cb-βBYCat+1YC

ZS≥0，S=1，2，3，4，5（3）

由式（3）可知，若以第t+1期的非效率为基期，计算第t期的非效率值，只要将约束模型中指数的t+1换成t便可以了。

2.交通运输业全要素生产率增长模型

一个地区的投入非效率与产出非效率构成了该地区非效率的大小，此非效率仅反映出各地非效率的横向比较（模型1）。为了了解不同地区的非效率在不同时点的纵向变化趋势，需要进一步采用全要素生产率指数法。在方向性距离函数测算的技术效率下，测算全要素生产率的常用方法有MalmquistLuenberger与Luenberger生产率指数法两种。由于MalmquistLuenberge

Bousscmart J P，Bricc W，Crstcns K.Luenberger and malmquist productivity indices： theoretical comparisons and empirical illustration[J]. Bulletin of Economic Research，2003（4）：391-405。生产率指数法比Luenberger指数法的测算结果高两倍多，为了不高估交通运输碳排放，本文运用Luenberger生产率指数法，构建全要素生产率增长模型，样本地区b从第t期至第t+1期的全要素生产率指数的计算公式为：

Qt+1t=12{A→t+1Xtb，YtTb，YtCb-

A→t+1（Xt+1b，Yt+1Tb，Yt+1Cb）+A→t（Xtb，YtTb，YtCb）-

A→t（Xt+1b，Yt+1Tb，Yt+1Cb）} （4）

式（4）中Qt+1t代表各样本地区的全要素生产率指数，运用式（3）计算式（4）中的4个距离函数值，Luenberger全要素生产率指数法与Malmquist-Luenberger生产率指数法中的全要素生产率指数均可以分解为技术效率指数、技术进步指数，将Luenberger全要素生产率指数Qt+1t进一步分解成（式（5））与（式（6））为技术进步指数JJt+1t：

JJt+1t=12[A→t+1（Xtb，YtTb，YtCb，）+

A→t+1（Xt+1b，Yt+1Tb，Yt+1Cb，）-

A→t（Xtb，YtTb，YtCb，）-A→t（Xt+1b，Yt+1Tb，Yt+1Cb，）]（5）

JXt+1t=A→t（Xtb，YtTb，YtCb）-

A→t+1（Xt+1b，Yt+1Tb，Yt+1Cb）（6）

3.交通运输业碳排放全要素生产率分解模型

为了测算影响样本地区交通运输业碳排放全要素生产率指数的各变量贡献率大小，需要进一步分解式（4）等全要素生产率指数中的投入要素、产出要素之期望产出要素、非期望产出要素。分解式为：

Qt+1t=12{A→t+1（Xt，YTt，YCt）-

A→t+1（Xt+1，YT（t+1），YC（t+1））+A→t（X，YTt，YCt）-

A→t（X（t+1），YT（t+1），YC（t+1））}=

12{A→t+1X（Xt，YtT，YtC）-A→t+1X（Xt+1，Yt+1T，Yt+1C）+

A→tX（Xt，YtT，YtC）-A→tX（Xt+1，Yt+1T，Yt+1C）}=

12{A→t+1YT（Xt，YtT，YtC）-A→t+1YT（Xt+1，Yt+1T，Yt+1C）+

A→tX（Xt，YtT，YtC）-A→tX（Xt+1，Yt+1T，Yt+1C）}=

12{A→t+1YC（Xt，YtT，YtC）-A→t+1YC（Xt+1，Yt+1T，Yt+1C）+

A→tYC（Xt，YtT，YtC）-A→tYC（Xt+1，Yt+1T，Yt+1C）}=

Qt+1t，X+Qt+1t，YT+Qt+1t，YC（7）

其中，Qt+1t，X、Qt+1t，Yt和Qt+1t，YC分别表示投入要素、期望产出因素及非期望产出因素对交通运输碳排放全要素生产率的贡献率。

同理，分解式（5）中投入要素与产出要素，可分析期望产出因素、非期望产出因素分别对技术进步的贡献率，具体公式为：

JJt+1t=12{A→t+1（Xtb，YtTb，YtCb）+

A→t+1（Xt+1b，Yt+1Tb，Yt+1Cb）-A→t（Xtb，YtTb，YtCb）-

A→t（Xt+1b，Yt+1Tb，Yt+1Cb）}=12{A→t+1X（Xtb，YtTb，YtCb）+

A→t+1X（Xt+1b，Yt+1Tb，Yt+1Cb）-A→tX（Xtb，YtTb，YtCb）-

A→tX（Xt+1b，Yt+1Tb，Yt+1Cb）}=12{A→t+1YT（Ytb，YtTb，YtCb）+

A→t+1YT（Xt+1b，Yt+1Tb，Yt+1Cb）-A→tYT（Ytb，YtTb，YtCb）-

A→tYT（Xt+1b，Yt+1Tb，Yt+1Cb）}=12{A→t+1YC（Xtb，YtTb，YtCb）+

A→t+1YC（Xt+1b，Yt+1Tb，Yt+1Cb）-A→tYC（Xtb，YtTb，YtCb）-

A→tYC（Xt+1b，Yt+1Tb，Yt+1Cb）}=JJt+1t，X+JJt+1t，YT+JJt+1t，YC（8）

式（8）中JJt+1t，X、JJt+1t，YT、JJt+1t，YC分别表示投入要素、期望产出因素以及非期望產出因素对技术进步的贡献率。

进一步分解JXt+1t中的投入要素、产出要素之期望产出、非期望产出要素，其公式为：

JXt+1t=A→t（Xtb，XtTb，XtCb）-A→t+1（Xt+1b，Xt+1Tb，Xt+1Cb）=

A→tX（Xtb，XtTb，XtCb）-A→t+1X（Xt+1b，Xt+1Tb，Xt+1Cb）+

A→tYT（Xtb，XtTb，XtCb）-A→t+1YT（Xt+1b，Xt+1Tb，Xt+1Cb）+

A→tYC（Xtb，YtTb，YtCb）-A→t+1YT（Xt+1b，Yt+1Tb，Yt+1Cb）=

JXt+1t，X+JXt+1t，YT+JXt+1t，YC（9）

式（9）中JXt+1t，X、JXt+1t，YC、JXt+1t，YT分别表示投入要素、非期望产出要素以及期望产出要素对技术效率指数的贡献率。

（二）测算结果与分析

1.交通运输碳排放非效率测算结果

依据式（2）对样本地区所有要素共同作用下的非效率值进行测算，结果见表1。2004-2017年样本地区陕西、甘肃、宁夏、青海、新疆的非效率项之和分别为0.4142、0.6144、0.2829、0.5057和0.4489，宁夏的非效率值是五个地区中最小的，甘肃的非效率值是最大的，其中，非效率项和处于0.3左右的是宁夏，处于0.4左右的有陕西、新疆，处于0.5左右的有青海，处于0.6左右的是甘肃。运用加权Russell方向性距离模型，测得的非效率值中甘肃的效率是最低的，说明甘肃的交通运输结构、防污政策等绩效低下。2013年以来，陕西省的非效率值呈下降趋势，即陕西省交通运输低碳发展的效率是呈上升之势，而其余四个地区的非效率值在2004-2017年间一路渐增，表明其交通运输低碳发展的效率较低。

根据式（2）可以得到各地区每年的交通运输碳排放非效率，按方向性距离函数比例进行调整，是真正意义上单个碳排放要素的非效率，碳排放可以减少的比例为βbYC，该值越大其效率就越低，在总的非效率中，碳排放的非效率值为βbYC/9，以此非效率值推算各样本对应每年的交通运输碳排放非效率绝对值（见表2），2004-2017年，五个地区交通运输碳排放非效率值均有所波动，其绝对值呈渐增趋势，即交通运输碳排放的效率值逐渐变小。

基于表1的总的非效率值、表2中的交通运输碳排放非效率项绝对值及式（3）得到的交通运输碳排放非效率的分解项、交通运输碳排放效率值，进而计算可得交通运输碳排放效率占总的非效率比重（见表2）。相关比重数据显示：2004-2017年，甘肃的交通运输碳排放效率占总的非效率比重在0.22左右，该值在五个地区中最小，表明甘肃靠减少交通运输碳排放达到低碳发展的可能性最小，甘肃的能源非效率为0.09左右，劳动力、资本因素的非效率分别在0.24、0.31左右，期望产出占当地GDP比重的非效率在0.55左右，表明甘肃得靠增大期望产出（交通运输GDP）来提升交通运输碳排放效率。陕西则相反，其交通运输碳排放效率占总的非效率比重最高（0.66左右），尤其是“十二五”以来，此值逐渐增加，表明陕西靠减少交通运输碳排放达到低碳发展的可能性最大。从样本地区交通运输碳排放的非效率占总的非效率比重值来看，宁夏的非效率整体值最低，然而交通运输碳排放的非效率占总的非效率比重在0.44左右，这几年有降低的趋势。新疆的非效率整体值较低，其交通运输碳排放的非效率占非效率比重在0.65左右，表明甘肃、新疆地区的交通运输碳排放效率不高，整体非效率主要与经济发展水平、交通基础设施、交通运输结构及交通运输碳排放的低效率有关，需要进一步地科学节能减排，降低交通运输碳排放的非效率，促进整体的效率水平提升。

2.交通运输碳排放全要素生产率增长测算结果

为了进一步了解交通运输碳排放的纵向动态变化特征，对式（4）的全要素生产率增长模型用生产率指数的计算方法，将其分解成技术效率指数、技术进步指数，基于非效率的距离函数，得到各个样本地区全要素生产率指数，用该指数减去1便得到全要素生产率增长指数值，依据式（7）计算各样本地区的全要素生产率指数中的交通运输碳排放全要素生产率增长值（见表3）。

表3的计算结果显示，2004-2017年陕西交通运输碳排放全要素生产率指数增长值均为正，其值最大并呈现出随时间逐渐增加的特征。2011年甘肃、青海的交通运输碳排放全要素生产率增长值为负，陕西、宁夏、新疆的交通运输碳排放全要素生产率增长率分别为0.8%、0.4%、1.1%。2012年甘肃、宁夏的全要素生产率增长值为负，其余三个地区的增长值均为正，尤其是2013-2017年，样本地区的交通运输碳排放全要素生产率增长值均为正，且有所增加，表明这几年来各地区在节能减排、低碳交通、生态发展等环保政策实施有一定的成效。2015年碳排放全要素生产率增长中陕西为1.6%、宁夏为1.1%、新疆为1.0%、青海为0.8%、甘肃为0.7%，表明尽管甘肃的低碳交通在实施中取得了一定的成效，但是与其他省份相比较，相关工作仍有待进一步加强。

3.交通运输碳排放全要素生产率增长值分解

为了清楚共同影响交通运输碳排放全要素生产率增长的因素的贡献率大小，依据式（8）、式（9）计算影响交通运输碳排放全要素增长率中的技术进步、技术效率指数，测算结果显示（见表4），2004-2017年，西北地区交通运输碳排放的技术进步值中，只有陕西在连续的12年中数值为正，其他四个地区的技术进步值在2009年之前有负值出现，2009年以后其技术效率值均为正值，甘肃、宁夏的技术效率值呈现出逐渐增加的态势，而青海的技术进步值有所下降，新疆的技术进步值趋于平稳，变化不明显。从技术效率指数值来看，五个地区的指数值均在增加，甘肃、宁夏、青海、新疆地区的技术效率指数值在个别年份出现了负值，而陕西省此项指数值一直为正，在五个地区中排名第一。2009年以來，五个地区技术效率的提高不断促进了当地交通运输碳排放全要素生产率的增长，贡献率从大到小依次为陕西、宁夏、新疆、甘肃、青海。

综合表3与表4可以看出，各样本地区的交通运输碳排放全要素生产率的变化受碳排放技术效率与技术进步的共同影响，2009年以来，不断提升的碳排放技术水平对交通运输碳排放全要素生产率增长贡献率显著，有极个别年度的技术效率下降影响了交通运输碳排放的全要素生产率增长率。陕西主要受技术效率因素的影响，技术进步、技术效率的提升促进了陕西交通运输碳排放全要素生产率增长；技术效率是影响甘肃的交通运输碳排放全要素生产率增长的主要因素，[11]但由于技术进步值较低引致此地的全要素生产率增长水平较低；技术效率与技术进步两项因素共同影响了宁夏地区的交通运输全要素生产率增长，不断增长的这两项指标值引致宁夏在五个样本地区的碳排放强度下降快、全要素生产率增长明显；青海的交通运输碳排放全要素生产率增长主要受技术进步的影响，较低水平的技术效率因素影响了青海交通运输碳排放全要素生产率的增长；新疆的技术进步值在五个地区中最小，此项指标发挥的作用不明显，而技术效率对新疆地区的交通运输碳排放全要素生产率增长具有较为显著的促进作用。

三主要结论与政策建议

（一）研究结论

基于Luenberger生产率指数法，通过构建交通运输碳排放效率的不同比例的加权Russell方向性距离模型、交通运输业全要素生产率增长模型及交通运输业碳排放全要素生产率分解模型，测算了2004-2017年“丝绸之路经济带”中国段西北五省的交通运输碳排放效率、交通运输碳排放全要素生产率增长及分解，实证结论认为：

第一，西北五省的交通运输碳排放非效率值呈逐渐增加的趋势，节能减排的效果逐渐降低。2013年以来，交通运输碳排放非效率值从小到大依次为甘肃、新疆、宁夏、青海、陕西。甘肃应该增大期望产出来进一步促进交通运输碳排放效率的提升，陕西应该减少交通运输碳排放降低非效率值，新疆地区经济发展水平、交通基础设施、交通运输结构及交通运输碳排放强度影响了交通运输碳排放的效率。

第二，“十二五”期间，西北地区交通运输在节能减排、低碳发展方面取得了一定的成效。2013以来，交通运输碳排放全要素生产率增长指数均为逐渐增加的正值，陕西的增幅显著，甘肃的交通运输低碳发展工作仍任重道远。

第三，技术效率因素与技术进步因素共同促进了交通运输碳排放全要素生产率增长，技术效率的促进作用显著于技术进步。甘肃、青海、新疆的交通运输碳排放技术进步贡献率偏低，技术效率增长较为缓慢。

第四，随着“丝绸之路经济带”地区交通运输碳排放规模、碳排放强度的不断增长，如何提高交通运输碳排放的技术效率与技术进步水平，高效利用节能减排设备，促进交通运输碳排放全要素生产率增长率提升，对于构建可持续发展之“美丽生态、绿色低碳”的西部是很有必要的。

（二）政策建议

依据实证结论，笔者认为要重视研发节能减排的新技术、新工艺、新产品及交通运输工具，推广信息化、智能化的新能源，推动交通运输碳排放全要素生产率增长的技术进步；进一步提高交通运输系统的技术效率，加速推广替代能源、低碳型交通运输设备的应用，加快电气化铁路改造，推动公共轨道交通建设，降低单位交通运输强度，降低交通运输碳排放的非效率，提升交通运输碳排放全要素生产率增长的技术效率；同时，提高交通运输的燃料效率，提升载运工具的油品质量。鉴于各地在交通运输碳排放全要素增长方面存在较为明显的差异性，建议优化本地区的交通运输碳减排政策时，综合考虑地区经济发展水平、能源消费结构、交通运输需求结构、资源禀赋等多维因素影响；优化地区交通运输结构，保障低碳交通公共信息服务；健全交通运输碳排放管理体系，强化监督考核，科学化交通运输碳排放的统计测算体系等配套措施，切实降低交通运输碳排放非效率，推动交通运输业的低碳发展。

[参考文献]

[1]Watanabe M， Tanaka K.Efficiency analysis of chinese industy：a directional distance function approach[J]. Energy Policy，2007（12）：6323-6331.

[2]杨骞，刘华军.中国二氧化碳排放的区域差异分解及影响因素—基于1995-2009年省际面板数据的研究[J].数量经济技术经济研究，2012（5）：36-50.

[3]涂正革，谌仁俊. 工业化、城镇化的动态边际碳排放量研究—基于LMDI两层完全分解法的分析框架[J].中国工业经济，2013（9）：31-43.

[4]张金灿，仲伟周. 基于随机前沿的我国省域碳排放效率和全要素生产率研究[J].软科学，2015（6）：105-109.

[5]Chung Y，Fare R，Grosskopf S. Productivity and undesirable outputs：a directional distance function approach[J]. Journal of Environmental Management，1997（51）：229-240.

[6]胡鞍钢，郑京海，高宇宁，等.考虑环境因素的省级技术效率排名（1999-2005）[J].经济学，2008（7）：933-960.

[7]王兵，吴延瑞，颜鹏飞.环境管制与全要素生产率增长：APEC的实证研究[J].经济研究，2008（5）：19-32.

[8]Fujii H，Managi S， Matousek R. Indian bank efficiency and productivity changes with undesirable outputs：a regurgitated approach[J]， Journal of Banking & Finance， 2014（38）：41-50.

[9]王惠，卞艺杰，王树乔.出口贸易、工业碳排放效率动态演进与空间溢出[J].数量经济技术经济研究，2016（1）：3-19.

[10]袁长伟，张帅，焦 萍，等.中国省域交通运输全要素碳排放效率时空变化及影响因素研究[J].资源科学，2017（4）：687-697.

[11]李小胜，张焕明.中国碳排放效率与全要素生产率研究[J].数量经济技术经济研究，2016（8）：64-79，161.

[12]Yuan C，Wu D，Liu H. Energy consumption，CO2 emissions，and growth patterns in Chinas provincial transport sectors：a grey relational analysis[C]. Washington：Transportation Research Board Annual Meeting，2017.

[13]单豪杰.中国资本存量K的再估算：1952-2006年[J].数量经济技术经济研究，2008（10）：17-31.

[14]張为付，李逢春，胡雅蓓.中国CO2排放的省际转移与减排责任度量研究[J].中国工业经济，2014（3）：57-69.