刘亚男，刘金培，2**，花 卉

(1.安徽大学 商学院，合肥 230601；2.北卡罗莱纳州立大学 工业与系统工程系，美国 罗利 27695)

“一带一路”战略实施以来，沿线国家和地区在协同推动经济增长的同时，生态环境问题日益严峻。沿线国家多为新兴经济体，对世界经济总量的贡献达到1/3，但总体上发展方式粗放，碳排放总量占全球的60%以上，在生态环境方面面临诸多挑战，是未来全球能源消耗和二氧化碳排放量的主要增长源。而碳排放量的迅速增长加剧了全球气候变暖问题，各国需要将减排工作作为战略重点，并充分挖掘减排潜力。碳减排是绿色发展的一大主题，因此“一带一路”沿线地区的碳排放量亟待控制，以为全球低碳经济的发展做出巨大贡献。

而中国作为“一带一路”战略的提出者，同时也是全球最大的发展中国家，既主动承担协同减排责任，又积极倡导共建绿色发展的利益共同体。为了有效配合和积极引领绿色环保的国际发展趋势，环保部等四部委于2017年共同公布了《关于推进绿色“一带一路”建设的指导意见》，指明要将生态环保体现在战略实施的各个方面和整个过程，以全面提高“一带一路”战略的绿色化水平。根据政策目标，以交通和金融发展为基点，研究二者对碳排放的影响路径，有利于为减排政策的制定提出针对性建议，进一步推动绿色金融、交通和技术的充分结合，最终实现建成“低碳化之路”的目标。更能充分展示中国正在积极为全球减排目标的实现作贡献，塑造了负责任的大国形象。

1 文献综述

目前基于“一带一路”战略背景的碳排放研究多是对低碳经济带提出框架性的建议，定量研究仍然较少。樊秀峰和魏昀妍[1]建立结构方程模型测量沿线核心国家和地区的GDP、双边贸易量对中国经济及环境的影响，发现双边贸易会增加中国二氧化碳排放量。雷原[2]研究了碳排放与经济增长的具体关系，通过实证分析发现，2000—2013年总体上中国经济发展水平和碳减排的协同程度先减后增。

近年来，探究碳排放影响因素的方法在经典分析方法的基础上不断扩展、创新。经典的定量分析方法是各类因素分解法，ANG B W等[3]采用对数平均迪氏指数( LMDI)分解法研究中国工业部门由于消耗能源而带来的碳排放，发现部门总产出对其有正面效应，而通过改变能源消费强度则可以产生较强的抑制作用，即抵减另一路径增加的碳排放量。FAN Y等[4]借助适应性加权迪氏指数(AWD)探究碳排放量的主要影响成分，同时指出相关政策在降低碳排放强度的基础上，也应该不断优化升级能源消费结构，从而更能从根本上控制碳排放量的增加。而后学者逐渐将计量模型应用于碳排放影响因素的探索之中，如林伯强[5]借助LMDI与STIRPA模型，得出人均收入与二氧化碳排放量之间呈倒“U”型关系的结论。

很多因素都会直接或间接地影响到碳排放量，如能源消费、技术进步、交通发展和工业化水平等，已有众多学者利用不同的模型对这些因素进行探究。LEAN H H[6]利用Granger因果检验，考察若干东盟国家在1980—2006年这一期间经济发展水平与和二氧化碳排放量之间的具体联系。岳武和杜莉(2017)依据碳排放的规模效应、结构效应和技术效应，分析了“一带一路”沿线省份FDI和ODI对低碳经济发展的影响。MISHRA G S等[7]研究能源利用和二氧化碳减排的5个驱动因素在不同气候政策下，对实现气候目标的贡献，结果显示技术改进和节能对于实现下个世纪上半年的气候目标非常重要。ZHANG Y J等[8]利用中国1978—2011年的时间序列数据具体分析产业结构、经济增长和城市化水平对二氧化碳排放强度的影响效果。周少甫和蔡梦宁[9]构建动态面板门槛模型，基于城市化水平的差异，研究各省GDP和碳排放之间的关系，建议各省市分别制定碳排放政策。

综上所述，目前相关的研究大多只关注到金融发展一种因素对碳排放的作用，同时未将其对碳排放的正反两种作用路径综合起来考察，且缺乏交通和金融发展对碳排放具体影响路径的研究。基于“一带一路”的战略背景，将交通、金融和贸易放在同一框架中，通过结构方程构建理论模型，阐释其中的作用机制，明细因果关系，探索其对碳排放的影响路径，并据此提出针对性的政策建议。

2 研究假设与理论方法

2.1 研究假设

研究以“一带一路”战略为背景，以贸易开放为着力点，分析交通与金融发展对碳排放的影响路径。交通和金融是贸易水平提高的重要支撑，从交通和贸易开放之间的关系来看，交通网络的完善使得贸易发展更加畅通。杨恺钧[10]依据中国30省份2002—2014年的面板数据对此进行了实证分析，发现交通发展对贸易开放具有正向的影响。而金融发展使得资金融通效率提高，徐建军和汪浩瀚[11]证明了从短期和长期来看，我国的金融发展对贸易开放水平均能够产生有利作用。因此基于上述分析，可做出假设：

H1：交通发展促进贸易开放

H2：金融发展促进贸易开放

而贸易的开放会直接促进总产值的增加，同时带动生产发展和对外投资水平的提高，对经济增长具有乘数效应。文献[12-13]证明出，经济的快速发展是近几十年来碳排放量增长的一大主要动因，生态环境与经济增长状况紧密相连。这与赵忠秀等[14]的研究相一致，我国人均碳排放量受贸易与消费的显著影响。故可做出相应假设：

H3：贸易开放促进经济增长

H4：经济增长增加碳排放量

如前所述，交通可以通过贸易开放和经济增长对碳排放产生间接影响，而另一方面又会对碳排放产生直接影响，包括在基础设施建设期间，及运输周转环节各运输工具耗能排放的二氧化碳。蔡婉华和叶阿忠[15]探究了交通发展、经济增长和碳排放三者之间的关系，经实证分析得出，我国高经济区的交通发展水平和碳排放对经济增长存在单向影响关系，而低经济区的经济增长和交通发展对碳排放存在显著的正向影响，借鉴研究做出假设：

H5：交通发展增加碳排放量

金融发展对碳排放的作用路径，一是通过促进贸易开放和经济增长使得碳排放量上升，与交通发展和碳排放之间的路径相似。二是金融发展会刺激技术投资的增加，通过技术创新有力驱动经济增长，而金融本身也会直接带动经济增长，二者对经济增长的作用叠加，从而带来碳排放的增加，但另一方面创新的技术又可以直接应用到减排的实践当中，对碳排放水平产生反向作用。严成樑等[16]也指出金融发展会正向作用技术创新，进而降低二氧化碳强度。因而做出下列假设：

H6：金融发展促进技术创新

H7：技术创新促进经济增长

H8：金融发展促进经济增长

H9：技术创新降低二氧化碳排放量

综合上述的假设，可以初步得到图1所示的交通和金融发展对碳排放影响路径的理论模型。

图1 交通和金融发展对碳排放的作用机制Fig.1 Mechanism of traffic and financial development on carbon emissions

2.2 研究方法

为探究交通和金融发展对碳排放的作用机制，研究采用结构方程模型进行实证分析。结构方程模型包含结构模型和测量模型两个部分，结构模型用以描述潜变量之间的关系，而借助测量模型则可表述潜变量和观测变量之间的关系。综合二者可以有效分析潜变量间的影响路径和影响效果。

2.2.1 结构模型

结构模型可表示为

η=Bη+Γξ+ζ

(1)

其中，η和ξ分别表示内生潜变量和外生潜变量，B和Γ反映潜变量之间路径系数，ζ为随机扰动项。

对于图1所示的作用机制，具体构建的结构模型如下：

(2)

其中β代表内生潜变量之间的路径系数，同时以γ表示外生潜变量到内生潜变量的路径系数。

2.2.2 观测模型

记外生潜变量ξj选取的观测变量为xkj(k=1，2…，p(j))，内生潜变量ηi选取的观测变量为yji(j=1，2，…，q(i))。在图1所示的结构方程模型中，有交通和金融发展两个外生潜变量，对其可建立观测模型：

(3)

同时，对于内生潜变量技术创新、贸易开放、经济增长和碳排放，有观测模型：

(4)

p(j)，q(i)分别表示与第j个外生潜变量和第i个内生潜变量对应的观测变量的数量，μkj和λji分别为外生潜变量和内生潜变量与观测变量之间的负荷系数，δkj和εji为对应的随机扰动项。

3 实证分析

3.1 变量选取和数据来源

基于数据的可获取性、可理解性和相关性，选取如下观测变量来描述潜变量：

鉴于西藏省和重庆市的统计数据不齐全，选用“一带一路”沿线16个省份(圈定重点涉及的18个省，包括新疆、陕西、甘肃、宁夏、青海、内蒙古、黑龙江、吉林、辽宁、广西、云南、西藏、上海、福建、广东、浙江、海南、重庆，现除去西藏和重庆)作为研究对象，选取其2006—2016年的数据。

高速公路的建设步伐随着“一带一路”战略的实施越来越快，2016年的长度较2006年增长了约2倍，故选取表1所示的相关指标以反映交通发展。

表1 潜变量及测量指标Table 1 Latent variables and measurement indicators

严成樑等[16]从企业融资难易程度的角度，选取了金融相关比率(金融机构信贷总额占GDP的比例)来反映金融发展。在此基础上，考虑到股票市场繁荣程度和居民投资能力，补充了股票市场成交量占GDP的比例、国民储蓄率(居民储蓄余额/GDP)两个指标。其中，金融机构的信贷总额数据来源于中国人民银行各中心支行，其他数据通过wind数据库获取。

衡量一国对外开放程度的重要指标是对外贸易依存度，它包括两个内容：进口依存度(进口额/GDP)和出口依存度(出口额/GDP)，上述指标的基础数据通过国家统计局网站获取。

经费投入正向影响减排技术的创新，技术创新的结果直接表现为专利申请授权数和技术合同成交额，数据来自于wind数据库。

经济增长一般用GDP总量和人均GDP来衡量，分别体现了国家经济实力，去除人口红利后的经济发展水平，再补充人均财政收入和第三产业占比两个指标，数据来源于国家统计局。

由于没有二氧化碳排放量的官方数据，利用IPCC《国家温室气体排放清单指南》(2006)中的测算方法，结合各省份能源消耗量计算得到观测变量数据，而煤炭和石油的碳排放量两大指标主要体现能源消费的结构。

3.2 信效度检验

使用smartpls2.0软件进行数据分析，在信效度检验通过的基础上，进而对假设进行验证。

3.2.1 信度分析

为评析信度，首先考虑的是个别项目的信度，即要求观测变量的因子负荷达到一定标准，一般建议应在0.5以上。由表2的结果可得，观测变量的因子负荷均超过0.7，高于临界值，说明具有良好的信度。

对于信度的检验，进一步考虑两方面：一是内部一致性信度的测评，通常采用Cronbach’s α作为衡量指标，一般要求指标值大于0.7为宜。如表3所示，研究中6个潜变量的α值都超过了0.7，即表明可信度较高；二是组合信度的评价，采用CR(Composite Reliability)作为衡量指标，最低标准为0.7。同样地，研究中的6个潜变量CR值超过了临界值，如表3所示，CR值均在0.85以上，表明组合信度良好。因此综合上述两种信度来看，各潜变量均通过了检验。

表2 因子分析结果Table 2 The result of factor analysis

表3 信效度检验相关指标Table 3 The relevant indicators of reliability and validity test

3.2.2 效度分析

进一步对效度进行评析时，有两种重要的建构效度，即收敛效度和区别效度，其中通常以平均提取方差值(AVE)代表收敛效度。普遍认为，AVE的值应高于0.5。从表3显示的结果来看，交通发展、金融发展、贸易开放等6个潜变量的AVE值介于0.70～0.95之间，代表收敛效度较高。区别效度是指概念之间的差异程度，若潜变量的AVE的平方根大于该潜变量同其他潜变量之间的相关系数，则能确保较好的区别效度。

依据表4，并结合上述区别效度的测评标准，可以发现研究中6个潜变量间存在明显差异，区别效度良好。两种评价指标的结果共同表明了所有的潜变量均具备较优的效度，因而可以进行下一步的假设检验工作。

表4 相关系数矩阵与AVE的平方根Table 4 Correlation coefficient matrix and square root of AVE

注：对角线为AVE的平方根，非对角线为各潜变量间的相关系数。

3.3 数据分析和假设的验证

3.3.1 模型解释力验证

研究以R2来反映模型的解释力，其值越高代表模型的解释能力越强，即表明模型更加有效，具备更高的应用价值。其中贸易开放、技术创新、经济增长和碳排放的R2值分别为0.428、0.332、0.796和0.603，表示各内生潜变量的R2均处于较好水平。而碳排放水平作为研究的重要对象，交通和金融发展通过贸易开放、技术创新和经济增长对其的解释度超过了0.6，即结构方程模型对交通、金融发展与碳排放的作用机制的解释度较高。

3.3.2 假设检验

对于潜变量之间的路径系数，研究通过Boot-strap算法对其显著性进行假设检验，如表5所示，路径系数的T值全部大于3.29，即表明达到α值为0.001的显著性水平，能够有效证明潜变量之间具有假设的因果关系，因而所有的假设都可以被接受。

表5 假设检验结果Table 5 The result of hypothetical test

注：***表示显著性水平为0.001

而潜变量之间的影响效果可能包括两个方面，即直接效果和间接效果。就碳排放而言，交通直接影响碳排放，但又通过影响贸易开放，进而传导至经济增长以影响碳排放，这一作用路径则体现了间接影响。因此一潜变量对另一潜变量的影响总效果为直接效果加上间接效果，二者均可通过路径系数计算得出，计算过程和结果如表6所示。

表6 交通和金融发展对碳排放影响总效果Table 6 Total effects of transport and financial development on carbon emissions

注：(1) 0.295×0.180×0.335=0.018；
(2) (0.568×0.180+0.235+0.576×0.597)×0.335+0.576×(-0.383)=0.008

旨在研究交通发展和金融发展对碳排放的影响，依据表6，交通发展对碳排放影响的总效果为0.856，而金融发展水平理论上增加碳排放，但在模型检验结果上影响度很小，仅为0.008。

结合背景进行分析，交通发展对碳排放具有显著影响，主要在于研究对象是“一带一路”规划中圈定的重要省份，由于政策的支持和更加频繁的对外贸易，使得交通线路建设的步伐快速推进，加快了客运周转量和货运周转量，因而促使碳排放量增加；而技术创新对碳排放量的增加具有较显著的负向影响效果，在很大程度上抵减了另一条路径的影响效力，故金融发展水平的提高虽然会带来碳排放量的增加，但是影响幅度较小。

因此综合交通和金融发展来看，“一带一路”背景下，二者对碳排放水平具有正向影响，但影响效果不同。

4 结论和建议

基于“一带一路”的战略背景，通过贸易开放、技术创新等中介变量，具体分析了金融、交通发展对碳排放的作用机制和影响效果，结果表明：

(1) 交通和金融发展对碳排放的影响效果具有显著差异，而二者的作用路径既具有共同性，又存在一定差异。

(2) 交通发展对碳排放产生正向的影响，并且作用显著。一方面对碳排放具有直接影响，另一方面通过贸易开放和经济增长的中介作用，对碳排放产生间接影响，其中直接影响在总效果中占主导。

(3) 金融发展对碳排放亦具有正向作用，但影响甚微，并且对碳排放的两条作用路径均为间接影响，但作用方向相反。一是通过贸易开放和经济增长对碳排放产生正向作用，二是通过减排技术的创新，对碳排放产生反向作用。

“一带一路”的重要目标是提高贸易开放水平，而发展交通和金融则是推进战略实现的重要途径。如分析结果所述，碳排放量往往伴随战略的推进而增加，在经济效益和生态效益之间产生矛盾。为减少二者的冲突，提出建议：

(1) 发展绿色交通，注重降低能源消耗，以最小的环境代价最大程度地满足交通需求。注重发展公共交通，综合考虑成本效益等因素，增加对运载量大、耗能小的交通运输工具的使用，改善交通结构；优化道路网络结构，对于基础设施的建造做好规划，为多样化的交通工具高效运作提供支持。

(2) 以绿色金融助力“一带一路”，即融入绿色思维，主动调整金融发展模式。不断完善碳交易市场，细致评估系列金融产品，借鉴西方国家的发展经验，提高市场的风险管理水平；契合碳排放总量控制的目标，调整信贷服务的重心，减少对高耗能、高排放产业的信贷投放，而给予创新企业或创新项目更多的政策优惠。并设定合理标准，对于符合条件的企业降低融资门槛，以进一步优化产业结构，推动经济内涵式增长。

(3) 加快绿色技术创新，有效实现减排目标。以企业为主力军，加强与政府、高校等多方的合作，有效弥补自身创新能力的不足；并结合一定的外部激励机制，从而对企业的技术输入产生正向作用，提高自主创新意识。

通过绿色交通、绿色金融和绿色技术的共同推进，各沿线地区之间将携手开创绿色合作模式。