姚宝珍,沈 飞,姚锦宝,王文思,王 爽*

（1.大连理工大学 汽车工程学院,辽宁，大连116024；2.北京交通大学 交通运输学院，北京100044；3.北京交通大学 土建学院，北京100044；4.大连海事大学 交通运输管理学院，辽宁，大连116026）

节能减排视角下的公路运输周转量空间计量研究

姚宝珍1,沈 飞2,姚锦宝3,王文思4,王 爽*1

（1.大连理工大学 汽车工程学院,辽宁，大连116024；2.北京交通大学 交通运输学院，北京100044；3.北京交通大学 土建学院，北京100044；4.大连海事大学 交通运输管理学院，辽宁，大连116026）

针对公路运输面临节能减排的严峻形势，提出一种公路运输周转量的空间计量模型来分析公路运输周转量的空间相关性.首先，用空间自相关Moran指数法检验中国省域公路运输周转量的全域空间依赖性，然后，利用公路运输周转量的局域空间相关性检验确定空间集群效应高的地区.在此基础上，构建公路运输周转量的空间滞后模型和空间误差模型，分析省域公路运输周转量的影响因素.通过情景假设考察空间集群效应高的地区，公路运输周转量减少对周边地区的影响，以及其对全国节能减排效果的贡献.

公路运输;节能减排;空间计量模型；运输周转量；空间相关

1 引 言

自哥本哈根会议以来，节能减排成为全世界的热点问题.鉴于我国目前能源利用效率总体偏低、结构不合理的现状，以及政府节能减排总体目标的设置，我国在未来几年内节能减排的压力将越来越大[1].交通运输业作为我国节能减排的重要领域之一，许多学者都对其进行了大量研究.毛保华[2]结合对美国、英国、日本、俄罗斯和印度等典型国家经济与土地资源条件和客货运输结构等指标的比较分析，研究了合理优化我国客货运输结构的基本手段和对策.凌春雨[3]指出建设节约型交通运输，需要节约运输资源、优化交通运输结构、发展交通运输新技术.

公路运输是交通运输行业中占用资源最多、能源消耗比例最大、使用范围最广的一种运输方式[4].在传统公路运输特性研究中，大多假设空间事物是无关并均质的，忽视影响因素的空间效应[5,6]，此类研究不能有效分析具有空间效应的公路运输周转量.空间计量理论说明空间单元上的某种经济地理现象与其邻近地区空间单元上的同一现象是相关的，空间计量经济模型是研究存在地理空间相关现象的有效方法[7,8].因此，在研究区域公路运输周转量的特征时，考虑地理空间因素的影响是解析各区域之间数据空间相关关系的关键环节.

公路运输具有较强的空间效应，如果忽略空间因素的影响，将很难准确分析公路运输周转量与节能减排的关系[9].本文将空间计量经济学应用到公路节能减排的研究中，用中国大陆30个省、直辖市、自治区（除香港、澳门和台湾省外）的数据①所有数据均来自于《中国统计年鉴》及各省统计年鉴.分析公路运输周转量的空间效应及影响因素，在分析公路运输周转量的空间效应基础上，建立公路运输周转量空间计量模型.

2 公路运输周转量的空间效应检验

公路运输周转量及其影响因素在地理空间上存在空间依赖性和溢出效应，即公路运输周转量会受到周边地区的影响.本文采用空间统计分析Moran指数法检验公路运输周转量与空间依赖性间的关系.

2.1 全域空间相关性检验

空间统计学一般使用空间统计量——空间自相关指数Moran’s I检验区域经济变量的空间依赖性，即全域空间相关性.全域Moran’s I指数[10]定义为

根据数据的分布可以计算状态分布MoranI的期望值：

为了检验省域公路运输周转量是否存在空间自相关及集群现象，本文利用GeoDA方法计算了1981–2012年31个省公路周转量的Moran’s I指数.计算结果如图1所示.全域Moran’s I的取值范围介于-1～1之间，若数值大于0，说明空间存在正自相关，数值越大说明空间的正自相关性越强；若其数值小于0，说明具有空间邻接关系的单元之间不具有相似的属性，数值越小说明各空间单元的差异性越大；若数值为零，说明不具有空间相关性，各单元之间服从随机分布.从图1可以发现，中国31个省、直辖市和自治区的公路运输周转量在空间分布上具有正自相关关系，即空间依赖性，这表明各省域的公路运输周转量是存在相关性的.而且，从1981年开始，我国公路运输周转量的空间相关性虽然有所波动，但整体呈上升趋势，表明在我国道路交通运输系统发展的同时，各省间的联系越来越紧密，地区间公路运输周转量的空间依赖程度越来越高.因此，在进行省域公路运输周转量分析时，空间影响因素不可或缺.

图1 1981-2012年31省公路客货周转量Moran’s I值Fig.1 Moran’s I of road passenger and freight turnover of 31 provinces from 1981-2012

2.2 局域空间相关性检验

局域空间相关性又称为空间关联局域指标（LISA)，局域Moran’s I指数[11]，定义为

采用局域空间相关性分析方法(LISA)对省域公路运输周转量的空间格局和集群现象进行更深入的分析，以弥补全域空间相关性分析方法的不足，其结果如图2所示.

图2 中国大陆省域公路运输周转量局域空间相关性示意图Fig.2 Provincial spatial correlation of road transport turnover in Chinese mainland

“本地高，周边高”型地区本身具有较大的公路运输周转量，且附近的地区也具有较大的运输周转量；“本地低，周边低”型地区本身的运输周转量较小，其周围的地区运输周转量也较小，同样，有“本地低，周边高”型地区和“本地高，周边低”型地区.“本地高，周边高”和“本地低，周边低”型地区表示正的空间自相关并且存在相近运输周转量的空间聚集，而位于“本地低，周边高”和“本地高，周边低”型地区则与邻近地区呈负相关.如图2所示，“本地高，周边高”型地区为高空间集群效应地区，包括，辽宁、江苏、上海、浙江和江西5省、直辖市；“本地低，周边低”型地区为低空间集群效应地区，包括，新疆、甘肃、青海和四川4省、自治区；“本地低，周边高”区域为具有负空间集群效应的地区（即本地区公路运输周转量低，而周边地区高），包括安徽和天津2省.其他地区不具有明显的局域空间相关性.

通过对比不同省域公路运输周转量局域空间关系可以发现，在不同的经济情况、产业结构、地理条件下，各省的运输结构各不相同，对周边地区的影响力也存在较大差异.因此，在制定公路运输业的节能减排措施时，应选择“本地高，周边高”和“本地低，周边低”型地区，其可以在降低自身公路运输周转量的同时，带动周边地区的公路运输的下降，以达到最优的节能减排效果.

3 公路运输周转量空间计量模型

3.1 空间计量模型

依据空间面板模型的相关理论，空间常系数回归模型包括空间滞后模型（SLM）和空间误差模型（SEM）两种，以及空间变系数回归模型——地理加权回归模型(GWR)[12]，本文将运用空间常系数回归模型进行全域范围的研究，分析省域公路运输周转量的空间效应和影响因素.

空间滞后模型[13]可以检验各变量在某地的扩散效应(或溢出效应)，其模型表达式为

式中 Y为解释变量；X为n×k的外生解释变量矩阵；ρ为空间回归系数，它反映了空间单元之间的相互关系，也就是说相邻空间单元对本空间单元的影响程度(该影响程度为矢量，具有一定的方向性)；W为n×n的空间权值矩阵，Wy为空间滞后因变量；ε为随机误差向量.参数 β主要反映了自变量X对因变量Y的影响.空间滞后因变量Wy是一内生变量，反映了空间距离对各空间单元之间的作用.空间误差模型[12]的数学表达式为

式中 Y为因变量；X为n×k的外生解释变量矩阵；W为n×n的空间权值矩阵；ε为随机误差向量；μ为正态分布的随机误差向量；参数β为自变量X对因变量Y的影响系数；λ为因变量向量的空间误差系数.空间误差模型的空间依赖作用存在于扰动误差项，度量了邻接地区关于因变量的误差冲击对本地区观测值的影响程度.

3.2 公路运输周转量空间计量模型构建

影响省域公路运输周转量的主要因素包括经济水平、产业结构和人口数量等因素.本文在构建空间滞后模型和空间误差模型时，选取分产业GDP(第一产业FGDP、第二产业SGDP、第三产业TGDP)、省域人口总数(People)等指标做解释变量来分别反映经济水平、产业结构和人口数量.本文选用各省、直辖市、自治区的空间距离作为空间权重，通过模型的比较分析，揭示省域公路运输周转量的空间效应及其影响方式.

省域公路运输周转量的空间滞后模型为

式中 i为省份；TOVi为i省的公路运输周转量；W为空间权重矩阵，W中的wij定义了空间关系，即空间权重；复合变量W×TOVi共同为空间滞后因素，表示某省域的空间相关地区运输周转量的空间溢出效应对本省域的影响；ρ为空间自回归系数，其估计值反映了空间相关性的方向和大小；βx(x=1、2、3、4)为变量系数，ai和εi分别代表常数项和随机误差项.

运输周转量的空间误差模型为

式中 ai为截距项；Wεij为空间滞后误差项；λ为空间误差自相关系数，表示回归残差之间空间相关的强度；βx(x=1、2、3、4)为变量系数；μi为随机误差项.

该模型表示某一省域公路运输周转量与其相近地区（具有空间相关性的地区）公路运输周转量、本省经济水平、产业结构和人口数量的关系.式（9）与式（8）的区别在于，式（9）的空间影响体现在空间滞后误差项中，没有直接以TOVi的形式出现.

4 实例分析

4.1 公路运输周转量空间计量模型数据分析

根据2012年的统计数据，对上节中的公路运输周转量空间计量模型（空间滞后模型、空间误差模型）和一种传统的回归模型（即不考虑其空间相关性）求解，其结果如表1所示.

表1 运输周转量回归结果Table 1 Regression result of transport turnover

从表1可以看出，三种模型下的拟合优度都高于0.8，空间滞后模型的拟合效果最好.空间滞后模型拟合结果显示，空间自回归系数为0.557 8，说明公路运输周转量具有较强的空间依赖性，空间临近效应非常明显.因此，仅仅采用传统的计量经济模型进行分析将会得到有偏差的结果.从空间误差模型结果看，空间误差自相关系数为0.597，说明各省间存在的不可观测数据也对公路的客货周转量产生正向作用.另外，第一、第二产业对公路运输周转量的贡献都大于第三产业，政府加大力度优化产业结构，增加服务业的比重，有利于降低公路运输周转量，进而降低交通运输业的能源消耗，达到节能减排的目的.

4.2 情景分析

我国在实施公路运输的节能减排措施时，应该对各个省份采用不同的策略与尺度，因此，本文以空间临近效应高的地区为案例，分析这些地区公路运输周转量下降对周边区域的影响，进而分析其对全国节能减排的贡献.由于辽宁、上海、江苏、浙江及江西具有高空间集群效应，这些城市公路周转量的下降会带动其周边地区减少公路运输，进而可以促进全国范围内公路运输量的下降.因此，本文着重分析这些地区减少公路运输对全国节能减排的影响情况.

考虑到辽宁、上海、江苏及浙江是沿海地区，这些城市可以通过大力发展水路运输减少公路运输周转量；江西是内陆城市，可以通过铁路运输降低公路运输分担率.假设2014年GDP增长率为8%，国内具有良好的节能减排实施环境，当高空间集群效应的地区公路运输周转量降低不同幅度（假设三种情景：下降25%、15%、5%）[14]时，应用空间滞后模型计算各种情景下全国的节能减排效果.具体情况如表2所示.

表2 空间集群效应地区公路运输周转量不同情景下的减排效果Table 2 Emission reduction of road transport turnover under different scenarios of spatial cluster regions

从表2可以看出，三种情景下，辽宁、江苏、上海、浙江和江西五个地区公路运输周转量的减少均带动其空间邻接区域公路运输周转量不同程度的降低，分别降低6.6%、3.2%和1.4%.由于这只是减少5个地区的公路运输周转量对全国节能减排的影响，因此，其降低比例要低于这5个地区的情况，但这只是部分地区对全国的间接影响，如果进一步扩大减排的省域将可能呈现相互影响、梯次下降的局面，进而实现我国预计的节能减排目标.

5 研究结论

在节能减排的时代大背景下，交通运输业作为能源消耗较高的行业，要积极采取措施降低碳排放量.公路运输是交通运输业中的碳排放量最高的运输方式，因此，分析公路运输周转量的空间特征，制定合理的公路运输减排措施，对交通运输业的节能减排具有较大的现实意义.本文通过对公路运输周转量进行全域空间相关性检验，发现公路运输周转量具有较强的空间相关性，且随着交通运输业的发展呈现逐年上升的趋势.通过检验省域公路运输周转量的局域空间相关性，辽宁、江苏、上海、浙江和江西表现出运输周转量高的空间集群效应，这表明如果这些地区减少公路运输，将会对周边地区公路运输周转量带来较大影响，因此，本文建议优化上述地区的运输结构，降低这些地区公路运输周转量，带动周边省市公路运输的减少，进而达到以点带面的节能减排效果.

[1]陈帅,孙有望.资源紧缺型社会的综合交通运输体系结构优化[J].交通科技与经济,2007,9(4):97-99. [CHEN S,SUN Y W.Study on the structure optimization problem of comprehensive transportation system in resource scarce society[J].Technology &Economy in Areas of Communications,2007,9(4):97-99.]

[2]毛保华,孙全欣,陈绍宽.2008年中国综合交通结构分析[C].交通运输系统工程与信息,2009,9(1):10-18. [MAO B H,SUN Q X,CHEN S K.Structural analysis on 2008 intercity transport system of China[J].Journal of Transportation Systems Engineering and Information Technology,2009,9(1):10-18.]

[3]凌春雨.节约型交通运输体系相关问题的研究[D].中南大学,2007.[LENG C Y.Research of conservationoriented transport system correlative problem[D]. Central South University,2007.]

[4]田梦.综合运输通道客运交通结构优化方法研究[D].北京交通大学,2009.[TIAN M.Researeh on passenger transportstrueture optimization of comprehensive transportation corridor[D].Beijing Jiaotong University, 2009.]

[5]蔡凤田.公路交通运输领域节能减排对策[J].交通环保,2008,37(02):36-44.[CAI F T.Countermeasures on road transport sector train excitation energy saving[J]. Jiao Tong HuanBao,2008,37(02):36-44.]

[6]Ranjan Kumar Bose.Energy demand and environmental implications in urban transport-case of Delhi[J]. Atmospheric Environment,1996,30(3):403-412.

[7]高远东,陈迅.中国省域产业结构的空间计量经济研究[J].系统工程理论与实践,2010,30(6):993-1000. [GAO Y D,CHEN X.Spatial econometric analysis of industrial structure of Chinese provinces[J].Systems Engineering-Theory & Practice,2010,30(6):993-1000.]

[8]Rey S，B D Montouri.US regional income convergence: A spatial econometric perspective[J].Regional Studies, 1999,33(2):143-156.

[9]杨远舟,毛保华,刘明君,等.我国现代综合交通运输体系框架分析[J].物流技术,2010,(13):1-3.[YAN Y Z,MAO B H,LIU M J,et al.Framework analysis of the modern comprehensive transportation system of China[J].Logistics Technology,2010,(13):1-3.]

[10]Adjo A Amekudzi,C JotinKhisty,Meleckidzedeck Khayesi.Using the sustainability footprint model to assess development impacts of transportation systems[J]. Transportation Research,2009,43:339-348.

[11]Bode E.The spatial pattern of localized R&D spillovers: an empirical investigation for Germany 2004.

[12]Browne J,Eduardo S,Erin S,et al.Getting on track: Finding a path for transportation in the CDM[R].Final Report,Winnipeg:International Institute for Sustainable Development,2005.

[13]Jacques Leonardi.CO2efficiency in road freight transportation:Status quo,measures and potential[J]. Transportation Research Part D.2004,9：451-464.

[14]Karen Hofman.Canada’s energy perspectives and policies for sustainable development[J].Applied Energy. 86(2009),407-415.

Spatial Econometric Analysis of Road Turnover under the Energy Conservation and Emissions Reduction

YAO Bao-zhen1,SHEN Fei2,YAO Jin-bao2,WANG Wen-si4,WANG Shuang1
(1.School ofAutomotive Engineering,Dalian University of Technology,Dalian 116024,Liaoning,China；2.School of Traffic and Transportation,Beijing Jiaotong University,Beijing 100044,China；3.School of Civil Engineering&Architecture,Beijing Jiaotong University,Beijing 100044,China；4.Transportation Management College,Dalian Maritime University,Dalian 116026,Liaoning,China）

The spatial econometric model of road turnover(freight and passenger)is studied under the background of energy saving and emission reduction in transportation industry.Firstly,Moran’s I index is presented to examine the spatial correlation of provincial road turnover in China.And then,The Local Indicators of Spatial Association of road turnover is used to select the regions with high spatial cluster effect. On this basis,the spatial lag model and spatial error model of road turnover are conducted to analyze the influences of provincial road turnover.A certain scenario is established to analyze the influence of the reduction of road turnover in regions with high spatial cluster effect to their adjacent areas,and the contributions to energy saving and emission reduction of the whole country.

highway transportation;energy saving and emission reduction;spatial econometrics model; transport turnover;spatial dependence

1009-6744（2015）01-0112-06

：U121

：A

2013-12-09

：2014-03-21录用日期：2014-04-16

国家自然科学基金（51208079）；中国博士后科学基金(2013M530924).

姚宝珍（1976-），女，安徽安庆人，副教授，博士.*

:wangshuang0702@126.com