中国及省域经济增长与交通碳排放的脱钩关系研究

刘新民，孙 璐，孙秋霞

(1.山东科技大学 经济管理学院，山东 青岛 266590；2.山东科技大学 数学与系统科学学院，山东 青岛 266590)



中国及省域经济增长与交通碳排放的脱钩关系研究

刘新民1，孙 璐1，孙秋霞2

(1.山东科技大学 经济管理学院，山东 青岛 266590；2.山东科技大学 数学与系统科学学院，山东 青岛 266590)

基于中国及各省市1994-2012年间的GDP、交通量以及碳排放量等数据为样本，利用Tapio弹性分析法分阶段对经济增长与交通发展(客、货运量)之间的脱钩状态进行分析，并探究了交通碳排放与经济发展之间的联系。研究结果表明：全国及各省市的经济增长与客、货运量在同时段内大部分处于弱脱钩状态；GDP与交通碳排放的弹性结果表明我国交通碳排放量偏大，还没有实现可持续发展的状态；经济与交通量的相互影响作用十分明显，且两者相互制约。

Tapio弹性分析法；交通碳排放；经济发展；脱钩分析

交通运输行业作为国民经济的基础性产业，在为一个国家的经济发展提供基础服务的同时，其本身的健康发展也成为促进区域经济发展的重要因素。中国特色社会主义的发展也体现在经济发展与交通运输之间关系上，中国经济体制下的交通发展突飞猛进，交通碳排放量的不断增长对经济发展及居民生活产生极大影响，生态文明建设下的低碳交通运输体系的建立更是缓解全球变暖和环境污染的重要手段之一。因此，在低碳经济背景下，对经济增长、交通发展与交通碳排放之间的动态变化进行定量分析，可为系统研究及优化现有交通运输与区域经济的协同发展提供基础支持，对中国经济发展和生态发展的意义明显。

国内外学者分别针对交通运输与经济、环境污染与经济、能源消费与经济、耕地占用与经济等方面的脱钩问题进行了大量研究。就碳排放与经济脱钩方面，李忠民[1]对产业发展及GDP增长与二氧化碳排放之间的脱钩进行了分析，认为山西省工业的能耗投入、二氧化碳排放与GDP之间呈现扩张联结状态；宋德勇[2]基于“两阶段”LMDI方法，采用1990-2005年时间序列数据，研究发现碳排放出现浮动的原因主要在于经济方式的差异。李国志[3]在研究经济发展与二氧化碳排放之间关系时，以中国30个省市为研究对象，在测算出二氧化碳排放量的基础上，发现经济对二氧化碳的排放有驱动作用；杨嵘[4]利用脱钩理论研究了西部地区碳排放和经济增长特征，认为经济快速增长是导致各区域碳排放增加的主要因素，而地区产业结构、能源强度及能源结构对碳排放量的影响则各不相同。总体而言，目前该领域研究大都集中于经济增长与碳排放总量的脱钩关系方面，[4]而基于交通视角的经济增长与交通能源碳排放的脱钩关系研究较少，且多侧重于公路交通量与经济的关系探讨，不同时期的研究成果差异也很大。[5]比如，由欧洲交通部长会议(ECMT)委托的一项研究得出结论，1985年和1995年之间欧洲的七大汽车制造国并未出现由于乘用车的燃油效率的改善而减少二氧化碳排放量。[6]国际能源机构[7]也发现在日本和美国有类似的现象。Van den Brink和Van Wee[8]的研究发现:荷兰燃油效率的改进在1990年至1997年间并不明显，且二氧化碳排放量也未有明显改善。

本文拟基于全国及31省市1994-2012 年期间的数据，通过构建脱钩指数的方法测度经济发展与交通碳排放之间的关系，根据测算结果分析国内交通运输与经济发展的脱钩关系区域性差异。以期在节能减排的形势下，对可持续发展提供具有区域针对性的政策建议。

一、交通量增长与经济增长的脱钩状态划分

(一)脱钩指标模型及其改进

“脱钩”的概念由经济合作与发展组织(Organization for Economic Co-operation and Development,简称“OECD”)所提出，最早被应用在农业领域，表现为政府政策对生产贸易无相互作用。目前被广泛认可的概念是OECD 在环境领域提出的，主要强调经济增长与环境冲击耦合关系的破裂。[9]具体而言，一段时期内，资源利用、环境污染物的增长率超过经济增长率，称为耦合关系；经济增长速度快于资源使用的增长速度称为脱钩关系。 OECD为衡量环境压力(状态)与驱动力变化的关系，建立了脱钩指数，其计算公式为[10]：

(1)

其中，经济驱动力(Driving Factors，简称“DF”)可采用GDP数据，环境压力( Environment Pressure简称“EP”) 采用二氧化碳排放量，下标0表示基期，T表示末期。由式(1)可以看出：所谓脱钩状态，表现GDP 增长率快于二氧化碳排放量的增长率。其中相对脱钩为：GDP与二氧化碳排放量都呈现增长趋势，但是经济增长的速度要快于二氧化碳增长速度；而绝对脱钩则表现为经济保持增长但二氧化碳排放呈现下降趋势。当DI≥1时，即二氧化碳排放速度同步或快于经济增长速度，两者处在耦合状态；DI=1是耦合与相对脱钩的转折点，DI值越大，说明经济增长对能源消费的依赖程度越高；当0

在OECD脱钩模型的基础上，Tapio[12]采用“弹性”的概念来动态反映变量间的脱钩关系。由(1)式可知，使用OECD时需要对其期初和期末值进行赋值具有一定的主观性，而Tapio有效缓解了这一情况，主要反映变量之间的脱钩状态，使得结果更加准确。Tapio脱钩模型的主要“弹性”指标计算方法如下：

(2)

式中%ΔVOL为交通量的变化率，%ΔGDP为GDP的变化率，交通量对GDP的弹性表现为两者的比值。

(3)

式(2)与式(3)相乘得到式(4)：

(4)

通过对以上两种指标的对比可以发现，Tapio指标具有更大的优势。主要体现在：首先，在选择时间时，OECD在选择基期时需要考虑对结果的影响作用，不同时间选择会产生不同的结果，具有相对不稳定性；其次，Tapio脱钩指标与OECD脱钩指标在本质上相似，不受数据量纲变化的影响，除此之外，还可以分析内在不同因素与脱钩的相对变化影响作用；最后，Tapio 脱钩指标的划分标准相对来说更加详尽，能使同一地域或不同区域之间的经济与碳排放之间的关系更加精确地表现出来。[13]在当前形势下，中国政府提倡生态文明建设，提倡节能减排，因此研究经济与交通碳排放之间的关系具有重大实际价值。

(二) 脱钩状态的划分标准

目前对于脱钩状态的分类主要是两分法、三分法、四分法、六分法和八分法五种，[14-16]其分类标准取决于脱钩程度。其中八分法可以更直观表示出变量绝对值的增加或者减少。因此根据以往文献以及Tapio脱钩理论的划分标准，本文将脱钩状态分为八种，如表1所示。

表1 交通量增长与经济增长的脱钩状态划分

由表1可知，每种脱钩状态经济增长和交通量变化都表现得很具体且意义明显。其中，强脱钩(即经济在持续增长的条件下，交通量的变化却有所减少，此时的弹性小于0)是可持续发展状态，也是实现低碳经济的最佳状态；对应的强负脱钩(即经济增长速度有所减缓，但是交通量却在不断增长，弹性值小于0)是最不利状态，其余均为不可持续状态。经济增长为正时，弹性值越小脱钩越显著，就越有利于可持续发展。

二、实证研究

(一)交通碳排放的测度

交通运输碳排放量是衡量交通运输碳排放演变的绝对指标。《IPCC 国家温室气体清单指南》(2006)给出了估算移动源中化石能源燃烧排放的“自上而下”方法。据于此，在测算交通运输业碳排放和能源消费时，需要考虑各种能源的消耗量、转标准煤和碳排放系数等主要因素。交通运输碳排放量[17]度量公式为：

Cit=∑jEit,j×xj×y

(5)

其中，Cit为交通碳排放总量；j为能源种类，j=1，2，…，11分别代表了11种能源指标，如煤炭、型煤、焦炉煤气、汽油、柴油、天然气、煤油、能源油、原油等；Eit，j为区域i内t时期能源j的消耗总量，xj为第j种能源转化为标准煤的系数，y为标准煤的碳排放系数，分别以万吨标准煤和万吨作为能源消耗和碳排放量的单位。

表2 选取的交通与经济数据指标

(二)数据说明及来源

为使交通运输碳排放的计量具有可比性，本文选取交通指标为客、货运量，其中包括公路运输、铁路运输、航空运输、水路运输及管道运输，鉴于管道运输过程中的能源数据不可获得，在实际计算中将管道运输省略。而经济指标一般以GDP作为衡量标准，为消除物价因素对GDP的影响，采用CPI指数对GDP数据进行初步处理，得到基期为1980年的不变价GDP。数据来源于《中国统计年鉴》和《中国能源统计年鉴》，选取数据指标见表2。

(三)阶段划分依据

由于不同时期的经济和交通发展状态并不一致，为更有效反映两者间的脱钩关系，根据经济以及能源消耗进行时间跨度的阶段划分并进行相应讨论分析。由《中国统计年鉴》中1994-2012年间交通碳排放数据，将换算后的全国GDP总量与交通碳排放总量进行比较，为分阶段讨论脱钩关系提供依据。

图1 1994-2012全国交通碳排放量与GDP

由图1可以看出，GDP和交通碳排放量在整体上均呈增长趋势，其中交通碳排放量在1994-2001年期间增长较为缓慢，2002-2008年期间交通碳排放呈现直线增长，2008-2009年间增长率有所减少，但是2009年以后又呈现出直线增长的趋势。为了更清晰地展示我国省域在不同时间阶段两者间的脱钩关系，本文将就1994-2001年、2002-2008年、2009-2012年三个时期分别探究交通碳排放与经济增长之间的关系。

(四)GDP、交通量及交通碳排放量的脱钩关系测算结果

我国在发展低碳交通的过程中，遇到很多诸如环境等问题，使得可持续发展之路受到了阻碍。由于地域的差异性，区域间交通的发展状况大都不一样且经济发展情况也各不相同，鉴于客、货运量与经济增长之间的脱钩关系可以反映两者之间的协调性和可持续性，下面采用“弹性指数”首先进行两者间关系的测算与分析。

1.我国省域客运量与GDP的弹性指数

根据以上的阶段划分以及公式(2)(3)(4)，测算不同地区不同时期的“弹性指数”，进而对全国及31省市的脱钩状态进行分类(图2、图3)。

由图2、图3可知，全国客运量水平在各个阶段均属于弱脱钩状态，即客运交通量的增长速率大于GDP的增长速率，也就是说，我国整体上是处在可持续发展的水平线上。且每个时期大部分城市的发展水平与全国处在同一状态，即处于弱脱钩状态，其中第一阶段17省市、第二阶段15个省市、第三阶段则有25个省市同全国分类保持一致。

属于强脱钩，即经济增长的同时与之相关的交通量的变化保持稳定或下降的省市有1994-2001年间的广东、四川、新疆；2002-2008年间的河北、山西、内蒙古、黑龙江、贵州、云南；2009-2012年间的西藏。其中，西藏由扩张性耦合状态演变为扩张性负脱钩，再到强脱钩水平；黑龙江省、贵州省由第一阶段的扩张性负脱钩变化到第二阶段的强脱钩，而后演变为弱脱钩状态；北京则分别从扩张性耦合状态演变为扩张性负脱钩，再到弱脱钩水平；而广东省则由第一阶段的强脱钩水平，演变为后两个阶段的扩张性负脱钩状态。为明晰各省的三阶段脱钩关系的动态变化规律，将其分类汇总如表3。

图2 全国及31省市交通客运量与GDP的弹性

图3 全国及31省市客运量与GDP脱钩关系分类

表3 三阶段全国及31省市客运量与GDP脱钩类别变化汇总Tab.3 Decoupling of passenger traffic volume from GDP in nationwide and 31provinces during 3 stages

其中变化较为明显的为西藏，由扩张性耦合到扩张性负脱钩，最后为强脱钩，2008年以后发生了大变动。这应基本归功于2006年青藏铁路的开通，当年年底西藏自治区预计第二年的进藏游客将突破300万人次，结果2007年接待游客大出所料地突破了400万人次，比上年增加了151万人次；旅游总收入达到48亿元，比上年增长73.3%，占到全区GDP的14%左右，第三产业的发展成为拉动西藏经济的重要力量。其次，黑龙江、贵州省、北京市以及重庆市等地区的变化也呈现较好的趋势，也说明了经济发展方式的不断转变，使得经济发展的协调性和持续性进一步增强。再次，广东省的脱钩状态演变表明，该省交通运输业的发展与社会经济发展和居民出行需求相比，仍存在高速公路建设滞后、水路运输日渐萎缩等问题。

综上所述，我国的客运量与经济增长之间关系很密切，经济增长与交通发展相互影响，相互制约，两者变化率的大小可以直接说明经济发展状态。在建设生态文明和可持续发展的状态下，客运量的增长对经济起到了贡献作用，但其产生的环境污染问题自然也不容忽视。

2.我国省域货运量与GDP的弹性指数

下面针对不同地区不同时期货运量与GDP的“弹性指数”进行测算，进而对全国及31省市的脱钩状态进行分类(图4和图5)。

图4 全国及31省市交通货运量与GDP的弹性指数

图5 全国及31省市货运量脱钩关系分类

由图4、图5可以看出全国整体变化：1994-2001年间有22个省市属于弱脱钩，6个省市属于强脱钩，部分省市的货运量脱钩指数演化过程由弱脱钩变为扩张性负脱钩，说明交通量的变化增长速度快于GDP的变化。2009-2012年间没有处于强脱钩的省市，是因为中国受金融危机的影响，国际贸易受挫，进出口活动都无法正常进行，虽然，表现出经济的不景气和货运量的急剧减少，但相对于上一阶段而言，两者的变化率仍大于0，但比值趋于1，这也表明两者虽然都有增长，但是幅度却不相上下，这一时期的省市大都处于扩张性耦合状态。同上，为明晰三阶段中货运量与GDP脱钩关系的各省市动态变化规律，将其分类汇总如表4。

表4 三阶段全国及31省市货运量与GDP脱钩类别变化汇总Tab.4 Decoupling of freight traffic volume from GDP in nationwide and 31provinces during 3 stages

处于强脱钩的省市有1994-2001年间的北京、辽宁、四川、安徽、广东、西藏；2002-2008年间的北京、黑龙江、云南、甘肃。三个阶段有明显变化的城市有：重庆市由第一阶段的扩张性耦合到第二阶段的扩张性负脱钩，再到第三阶段变为弱脱钩；辽宁省从第一阶段的强脱钩到第二阶段的弱脱钩，再到第三阶段的扩张性耦合；西藏由强脱钩到扩张性负脱钩到弱脱钩；安徽由强脱钩到扩张性负脱钩到扩张性耦合；云南、甘肃由弱脱钩到强脱钩到扩张性耦合；黑龙江由扩张性耦合到强脱钩再到弱脱钩；广东省则由强脱钩到弱脱钩到扩张性负脱钩。虽然一些省市在不同时间阶段变化差异比较大，但是总体上可以看出，货运量与经济之间的弹性在2008年以后开始出现明显变化，经济发展速度变得缓慢，且货运量开始减少。

3.我国省域交通碳排放与GDP的弹性指数

鉴于部分数据的不可获得性，本文在计算交通碳排放与经济增长之间关系时选取了全国和14省市(北京市、河北省、江苏省、安徽省、福建省、江西省、山东省、河南省、湖北省、广西、四川省、贵州省、陕西省、新疆)作为研究对象。 每两年为一时间跨度，第一年为基期，第二年为末期，弹性指数结果及其分类分别见图6和图7。可以看出：2008-2012年间仅有湖北、新疆、江西、河南四个省份交通碳排放与GDP间呈现强脱钩状态，说明中国的碳排放量增长速度比较大，并超过经济增长的变化速度，偏离了可持续发展的实际需求，有待政府部门加以改善和优化交通的绿色发展规划。

图6 全国和14省市交通碳排放与GDP弹性

图7 全国和14省市交通碳排放脱钩分类

同上，为明晰不同阶段不同地域交通碳排放量与GDP脱钩关系的动态变化规律，将其分类汇总如表5。可以看出：在不同时间阶段内大部分地区处于弱脱钩状态，即经济增长率和交通排放量的变化率均为正值，交通碳排放量的变化率小于经济增长的变化率，但整体上我国的交通碳排放与GDP变化均保持良性增长态势。全国经历了弱脱钩变为扩张性负脱钩的过程，在2008年以后，交通量的变化率远远大于GDP的变化率。原因在于2008年爆发了世界经济危机，中国经济形势不容乐观。2008年后城市之间的差异比较明显，但是由研究结果可知，中国并没有省市属于强脱钩，意味着经济对交通行业的影响极大。

表5 三阶段全国及31省市交通碳排放量与GDP脱钩类别变化汇总Tab.5 Decoupling oftransport carbon emissions from GDP in nationwide and 31provinces during 3 stages

三、 结论

1.中国及31省市客运量在1994-2012年间，在三个划分阶段中，全国整体水平属于弱脱钩，且大部分省市属于弱脱钩，也就是交通量和GDP处于增长状态，但是交通量的增长明显高于经济的变化率，因此并不是最佳可持续发展状态。2008-2012年期间属于弱脱钩的省市要高于其他阶段，说明经济发展与交通发展逐渐形成平稳的发展模式。

2.通过测算1994-2012年期间中国整体与31省市的货运量弹性指数发现大部分省市属于弱脱钩。2008年以后很多省市走向扩张性耦合，交通量和GDP都增长率都大于0，但是经济增长率比2008年之前变小，主要原因是2008年发生了经济危机，经济发展有些停滞，全国整体经济水平自2008年都开始下降。

(3)2008-2012年间的经济与交通碳排放的弹性结果表明：中国的交通碳排放量很大，这是阻碍中国发展绿色经济的一个重要因素。由于期间经济发展滞后，交通量变化率比较大，因此在2012年有些城市处于扩张性负脱钩。我国经济发展与交通环境之间还没有实现最佳可持续发展，交通环境问题有待改善。

[1]李忠民,庆东瑞.经济增长与二氧化碳脱钩实证研究[J].福建论坛(人文社会科学版),2010(2):67-72.

[2]宋德勇,卢忠宝.中国碳排放影响因素分解及其周期性波动研究[J].中国人口·资源与环境,2009(3):18-24.

[3]李国志,李宗植.中国二氧化碳排放的区域差异和影响因素研究[J].中国人口·资源与环境,2010(5):22-27.

[4]杨嵘,常烜钰.西部地区碳排放与经济增长关系的脱钩及驱动因素[J].经济地理,2012(12):34-39.

[5]彭佳雯,黄贤金等.中国经济增长与能源碳排放的脱钩研究[J].资源科学,2011(4):626-633.

[6]IPCC.V.Climate Change 2001:Mitigation,Contribution of Working Group III to the Third Assessment Report of the Intergovernmental Panel on Climate Change[R].Cambridge University Press,Cambridge,2001.

[7]IEA.The Road from Kyoto:Current and Transport Policies in the IEA,International Energy Agency[R].Paris:IEA Publications 9,2000.

[8]VAN den Brink R.M,VAN Wee B.Why has car-fleet specific fuel consumption not shown any decrease since 1990? Quantitative analysis of Dutch passenger car-fleet specific fuel consumption[J].Transportation Research Part D,2001,6(2):75-93.

[9]OECD.Indicators to measure decoupling of environmental pressures from economic growth[R].Paris:OECD,2002.

[10]王崇梅.中国经济增长与能源消耗脱钩分析[J].中国人口·资源与环境,2010(3):35-37.

[11]陈景新,王云峰.我国劳动密集型产业集聚与扩散的时空分析[J].统计研究,2014(2):34- 41.

[12]PETRI Tapio.Towards a theory of decoupling:degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J].Transport Policy,2005(2):137-151.

[13]孙耀华,李忠民.中国各省区经济发展与碳排放脱钩关系研究[J].中国人口·资源与环境,2011(5):87-92.

[14]DIAKOULAKI D,MANDARAKA M.Decomposition analysis for assessing the progress in decoupling industrial growth from emissions in the EU manufacturing sector[J].Energy Economics,2007(4):636-664.

[15]赵兴国,等.区域资源环境与经济发展关系的时空分析[J].地理科学进展,2011(6):706-714.

[16]VEHMAS J,KAIVO-OJA J,LUUKKANEN J.Global trends of linking environmental stress and economic growth[R].Finland:Tutu Publications,2003:1-24.

[17]高洁.交通运输碳排放时空特征及演变机理研究[D].西安：长安大学,2013.

(责任编辑：魏 霄)

Decoupling Between China and Provincial Economic Growth and Carbon Emissions from Transport

LIU Xinmin1,SUN Lu1,SUN Qiuxia2

(1.CollegeofEconomicsandManagement，SDUST，Qingdao，Shandong266590，China;2.CollegeofMathematicsandSystemsScience,SDUST，Qingdao，Shandong266590，China)

This paper studies the decoupling relationship between and transportation growth (passenger and freight volumes) of different stages in the whole country and 31 provinces using the Tapio Index,based on the data panel of the traffic volumes,transportation carbon emissions and GDP of 1994-2012,and then, explored the links between traffic emissions and economy.The results show that:the economic growth of China and the provinces and the volumes of passengers and freight is mostly in a weak decoupling state in the same time; GDP and transport carbon emissions result shows that transportation carbon emissions in China is too larger, which means that China hasn't reached the state of sustainable development; the mutual influence between economy and traffic is absolutely obvious, and both of them are in mutual restraint.

Tapio Index; transportation carbon emissions; economic development; decoupling analysis

2016-04-25

国家自然科学基金资助项目(71371111)(71471105)；山东省科技发展计划项目(2013GSF12203)；国家软科学(2014GXS4D122)

刘新民(1965—)，男，山东莒南人，山东科技大学经济管理学院教授，博士，博士生导师.

F503

A

1008-7699(2016)06-0047-08