王艳秋， 蒋惠园， 方晨晨， 卢升荣

(1.武汉理工大学 交通学院， 湖北 武汉 430063 ；2.湖北大学 商学院， 湖北 武汉 430063)

全球环境污染日益严重，这与人类活动造成的CO2等温室气体排放密不可分。交通运输业是国民经济和社会发展的基础性、先导性产业，也是高能耗、高排放产业。中部地区相较于东部地区整体经济发展水平较落后且人口众多，碳减排压力巨大，对中部六省交通运输业全要素碳排放效率进行研究具有理论和现实意义。

碳排放效率是指一定时间内投入单位生产要素进行生产活动所带来的期望产出及碳排放量，包括单要素碳排放效率和全要素碳排放效率。单要素碳排放效率是指碳排放量与单个投入变量的比值，无法度量多种影响因素同时作用下的碳排放效率值，且忽略了能源结构、产业结构等因素的影响；全要素碳排放效率是指综合研究劳动、资本、能源等投入指标及GDP、换算周转量、碳排放量等产出指标的碳排放效率。现阶段，大多数学者采用随机前沿分析法(SFA)和数据包络分析法(DEA)测算全要素碳排放效率，因采用传统DEA模型进行效率测度未考虑投入产出的松弛性问题，往往不够准确，一些学者运用由传统DEA模型衍生出的非径向非角度SBM模型进行测算。韩一杰等以中国各地区钢铁行业为研究对象，应用超效率DEA模型对其能源效率及节能减排潜力进行了分析；Yongrok Choi等采用SBM模型估计了中国能源CO2排放效率和边际减排成本；宋震、袁长伟等运用SBM-DEA模型测算并对比分析了中国各省交通运输业碳排放效率的差异；王腾等基于非期望产出的超效率SBM模型构建港口能源效率评价模型，对上海港2008—2016年能源效率进行了实证研究。为了解全要素效率的动态变化，部分学者将ML指数与DEA结合起来进行研究，如王白雪等利用超效率SBM模型并借助ML指数分析了北京市公共交通系统的全要素碳排放效率跨期动态变化情况，冯新宇利用ML指数对全国建筑业的碳排放效率进行了动态分析，吴传清等运用ML指数法研究了长江经济带全要素能源效率的时空分布差异。但对交通运输领域的研究不多，且在指标选取方面大多以地区GDP作为期望产出，不符合交通运输业的特征。因此，该文以中部六省交通运输业为研究对象，选取换算周转量为期望产出，在构建包含非期望产出的Super-SBM模型的基础上，构建ML指数模型对中部六省交通运输业全要素碳排放效率进行动态分析，并运用莫兰指数对其空间自相关性进行分析。

1 Super-SBM-ML指数测度模型构建

1.1 测度方法选择与模型构建

1.1.1 Super-SBM模型

DEA是一种前沿分析法，其本质是将各决策单元的投入和产出指标值投影到运用数学规划方法建立的一个生产前沿面上，计算每个决策单元的效率值。传统DEA模型由于其具有径向性等诸多严格假定，其评价结果存在偏差，无法考虑非期望产出等负外部效益。为此，Kaoru Tone提出基于松弛变量测度的非径向非角度SBM模型，将松弛变量直接引入目标函数，为了考虑非期望等负面外部效益，构造出基于非期望产出的SBM模型；鉴于在使用基于非期望产出的SBM模型计算时通常会出现多个评价单元的效率值为1的情形，在此基础上又提出Super-SBM模型。

非期望产出的Super-SBM模型可写为：

(1)

(2)

1.1.2 ML指数模型

Chung Y. H.等将包含坏产出的方向距离函数应用于Malmquist模型，并将得到的Malmquist指数称为ML生产率指数。在规模报酬不变(CRS)假设下，ML指数可分解为技术效率变化指数MLEC与技术进步指数MLTC；在规模报酬可变(VRS)假设下，可将技术效率变化指数分解为纯技术效率变化指数MLPEC与规模效率变化指数MLSEC。计算公式如下：

(3)

(4)

(5)

1.2 投入产出指标选择

以中部六省2007—2016年实际情况为决策单元，根据交通运输业特征，选取劳动、资本和能源3个投入指标，换算周转量、二氧化碳排放量分别作为期望产出和非期望产出指标，对中部六省交通运输业的全要素碳排放效率进行测算。指标数据来源于2007—2016年中部六省统计年鉴、中国统计局、《中国能源统计年鉴》并经过计算整理得出。

1.2.1 投入指标

(1) 劳动。采用中部六省交通运输、仓储和邮政业上年末从业人员数和本年末从业人员数的平均值作为本年的劳动力投入。

(2) 资本。选取资本存量作为资本投入。由于无法从年鉴中获得，借鉴王维国等提出的“永续盘存法”进行资本存量测算，公式如下：

(6)

式中：n为中部六省编号；Knt、Kn(t-1)分别为n省第t、t-1年的资本存量值；Int为n省交通运输、仓储和邮政业按当期价格计算的固定资产投资额，以2006年n省交通运输、仓储和邮政业新增固定资产的10倍为基准；Pnt为投资价格指数；γ为交通运输、仓储和邮政业资本折旧率，取9.66%。

(3) 能源。将交通运输、仓储和邮政业生产运营所消耗的各类能源作为能源投入。由于能源消费种类不同，需将不同类型能源消费量统一折算成标准煤后汇总，计算公式如下：

Q=∑θt×Et

(7)

式中：Q为交通运输业能源消耗总量；θt为第t种能源的折标准煤系数(见表1)；Et为第t种能源消耗量。

表1 各种能源的折标准煤系数

1.2.2 产出指标

(1) 换算周转量。交通运输业的产出在价值形态上是交通运输业的总产值，但在实用价值形态上表现为周转量，包括货物周转量和旅客周转量。借鉴喻洁等换算周转量转化方法，将客运周转量转换为货运周转量。各种运输方式的转换系数见表2。

表2 各种运输方式客运周转量换算因子

(2) 二氧化碳排放量。“自上而下”法和“自下而上”法是当前二氧化碳排放量的主要测算方法。采用“自上而下”法，应用IPCC公布的二氧化碳排放因子数据，以8种主要能源(煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气)消耗为基准测算中部六省交通运输业的碳排放量。各种能源的二氧化碳排放因子见表3。

表3 各种能源的二氧化碳排放因子

2 全要素碳排放效率测度及分析

2.1 全要素碳排放效率测度结果

基于2007—2016年中部六省交通运输业面板数据，利用Super-SBM测度模型，综合考虑非期望产出，运用MaxDEA6.8pro软件测算各省交通运输业全要素碳排放效率，结果见表4、图1、图2。

表4 2007—2016年中部六省交通运输业全要素碳排放效率

根据表4、图1、图2，中部六省交通运输业的全要素碳排放效率平均值为0.97，处于无效率状态，有待提高。安徽、江西、山西交通运输业的全要素碳排放效率大于0.9，全要素碳排放效率较高；河南、湖北、湖南交通运输业的全要素碳排放效率小于0.9，全要素碳排放效率较低。从各省情况来看，仅安徽的全要素碳排放效率呈现上升趋势并一直处于技术前沿面上；江西的全要素碳排放效率整体处于上升态势，2012年有一个较小回落，但仍处于技术前沿面上；河南总体呈现下降趋势，在2008年有一个小小的回升，2007、2009、2010、2011年处于技术前沿面上；山西总体呈现稳定的态势，2011年有一个较小的回落，在2013年又有一个回升，总体水平保持不变；湖南总体呈现下降趋势，仅2007年的全要素碳排放效率处于技术前沿面上；湖北总体呈现稳定的态势，但2007—2016年的全要素碳排放效率均未处于技术前沿面上。

图1 2007—2016年中部六省交通运输业全要素碳排放效率

图2 2007—2016年中部六省交通运输业全要素碳排放效率空间格局

2.2 全要素碳排放效率的演变分析

在测算中部六省交通运输业全要素碳排放效率的基础上，利用ML指数模型研究2007—2016年各省交通运输业全要素碳排放效率的演变过程，并将ML指数分解为纯技术效率变化指数MLPEC、规模效率变化指数MLSEC、技术进步指数MLTC。分析结果见表5、图3。

表5 中部六省交通运输业全要素碳排放效率变动及分解

图3 中部六省交通运输业全要素碳排放效率变动及分解

2.2.1 总体分析

根据表5，从整个中部六省来看，交通运输业纯技术效率下降2.83%、技术进步率上升15.39%、规模效率下降6.36%。其中：纯技术效率变化不大，表明整体而言中部六省交通运输业运营管理水平没有明显进步；技术进步显著是中部六省交通运输业碳排放效率上升的绝对驱动因素；规模效率下降较明显，是中部六省交通运输业碳排放效率下降的主要因素。说明技术进步是提升中部六省交通运输业碳排放效率水平的重要原因，中部六省交通运输业应着力于提高发展过程中的技术含量，实施高质量发展。

2.2.2 省际层面

根据图3，大部分省份交通运输业全要素碳排放效率ML指数大于1，表明研究期间其全要素碳排放效率处于上升趋势，湖南和山西的全要素碳排放效率略有下降。

(1) 纯技术效率。安徽、江西、山西三省的纯技术效率等于1，未发生变化；河南、湖北、湖南三省的纯技术效率小于1，处于下降状态，其中河南、湖南下降较明显(分别下降7.93%、5.70%)，表明这些省的交通运输业运营管理水平有待进一步提高。综合表现为中部六省交通运输业运营管理水平有所降低、纯技术效率变化不大。

(2) 技术进步率。各省技术进步率均大于1，增长最少的是湖北省的13.63%，增长最多的湖南省的18.73%。表明随着生态环保日渐被重视，中部六省交通运输业更着力于运输生产过程中设备设施的更新改造、升级换代，节能减排技术得到更广泛、更深入的应用。综合表现为中部六省交通运输业技术进步明显。

(3) 规模效率。仅安徽省的规模效率等于1，其他五省的规模效率均小于1。其中河南的规模效率略小于1，表明其规模效率在研究期间变化不大；湖北、江西的规模效率下降较大，湖南、山西的规模效率下降明显，表明这些省的社会经济及交通运输业发展水平相对落后，交通运输业规模与其他省相比较小。综合表现为中部六省交通运输业规模效率下降，中部六省交通运输业不能简单地增大规模、粗放式发展，而应追求精细化、高质量发展。

2.3 全要素碳排放效率的空间自相关性

Anselin L.认为几乎所有空间数据都有空间依赖性或空间自相关的特征。为研究中部六省交通运输业全要素碳排放效率之间的空间关系，对其全局、局部自相关性进行检验。

2.3.1 全局空间自相关

全局空间自相关用来分析研究对象总体的空间关联和空间差异程度，判断是否存在空间集聚现象。全局莫兰指数I表达式见式(8)，I∈[-1,1]。I>0时，表示各地区在空间上存在正相关；I=0时，表示各地区在空间上不存在相关性；I<0时，表示各地区在空间上存在负相关。

(8)

用标准化统计量Z检验空间自相关的显著水平，其表达式见式(9)。Z值为正且显著时，表明存在显著正的空间自相关，即相似的观测值(高值或低值)趋于空间集聚；Z值为负且显著时，表明存在显著负的空间自相关，相似的观测值趋于分散分布；Z=0时，观测值呈独立随机分布。

(9)

式中：E(I)为观测变量自相关性的期望；VAR(I)为方差。

运用Stata软件计算各省交通运输业全要素碳排放效率的全局莫兰指数I，结果见表6。

表6 2007—2016年中部六省交通运输业全要素碳排放效率的全局空间自相关性检验结果

由表6可知：2007—2016年中部六省交通运输业全要素碳排放效率的全局莫兰指数I为(-0.364，-0.057)且均未通过10%的显著性检验，表明各省交通运输业全要素碳排放效率呈现较弱的负相关性，产生了类似“虹吸效应”的负向溢出效应。

2.3.2 局域空间自相关

为进一步探讨各省交通运输业全要素碳排放效率是否存在局域自相关，通过全局莫兰指数I散点图、局域空间自相关分析更准确地把握空间要素的异质性特性。全局莫兰指数I散点图由4个象限组成，分别表示研究区域与周围区域属性值的4种不同空间相关关系，4个象限按照空间结构分为高-高、低-高、低-低和高-低4种集聚类型，通常用HH、LH、LL、HL表示，分别对应第一象限到第四象限。2007、2016年各省交通运输业全要素碳排放效率的全局莫兰指数I散点图分别见图4、图5。

由图4可知：2007年，山西分布在第一象限，其交通运输业全要素碳排放效率大于1，为高-高局部自相关空间关系集群；湖北分布于第二象限，为低-高局部自相关空间关系集群；江西、河南、安徽、湖南分布于第四象限，为高-低局部自相关空间关系集群。

图4 2007年中部六省交通运输业全要素碳排放效率全局莫兰指数I散点图

图5 2016年中部六省交通运输业全要素碳排放效率全局莫兰指数I散点图

由图5可知：2016年，江西分布在第一象限，为高-高局部自相关空间关系集群；湖北、湖南、河南分布在第二象限，为低-高局部自相关空间关系集群；安徽、山西分布在第四象限，为高-低局部自相关空间关系集群。

综合图4、图5可知：随着时间的推移，各省交通运输业全要素碳排放效率的空间相关关系发生显著变化。山西、江西的交通运输业发展存在一定的正向拉动作用，呈现高-高发展的良性循环，其余省份处于第二、四象限，全要素碳排放效率呈现负相关关系。整体来看，各省交通运输业发展缺乏联动性，未能形成全局性的“高效率省带动周边省高效发展”的良性互动，这也是未来发展中急需解决的问题。

3 结论与建议

构建Super-SBM-ML指数模型测度中部六省交通运输业全要素碳排放效率，并对其演变特征进行分析，得到如下主要结论：1) 中部六省交通运输业全要素碳排放效率平均值为0.97，处于无效率状态，有待提高；各省交通运输业在发展过程中更多关注所创造的周转量增长，对其造成的环境污染的关注力度不够，造成整体效率低下，交通运输业发展处于粗放、低水平、低质量阶段。2) 中部六省交通运输业全要素碳排放效率的ML指数上升4.99%，纯技术效率和规模效率处于下降趋势，技术进步率处于上升趋势，技术进步是提升中部六省交通运输业整体全要素碳排放效率的重要因素。3) 中部六省交通运输业全要素碳排放效率的全局莫兰指数均为负值，呈现较弱的负相关性，除山西、江西处于全局莫兰指数散点图第一象限外，其余省大多处于第二、四象限，各省交通运输业发展缺乏联动性，尚未形成全局性的“高效率省带动周边省高效发展”的良性互动。

现阶段中部六省交通运输业全要素碳排放效率仍有进一步提升的空间，中部六省交通运输业绿色发展应加强区域联动，重点关注交通运输技术水平的有效提升，以技术进步驱动交通运输业低碳发展。建议如下：1) 提升交通运输信息技术水平，打造中部六省交通运输信息平台，增强信息的交互性与共享性，提高运输效率。2) 促进低碳技术开发和应用，加快专业化、标准化及新能源、清洁能源载运工具等运输装备制造及充电、加气设施设备制造的技术进步。3) 鼓励企业引进、培育高水平交通运输技术人才，提高交通运输业人力资本水平等知识型“软技术”。4) 合理配置交通基础设施建设，加强区域联动发展；加强技术交流和合作，促进先进的节能减排技术向相对落后地区转移。