我国铁路运营二氧化碳排放影响因素研究

王 勇，李红昌，郭雪萌，于克美

(北京交通大学 经济管理学院，北京 100044)

《2019年全球碳预算》显示，在2009—2018年我国碳排放量以年均2.2%的速度增长并稳居世界第一碳排放大国[1]。2012年国际能源署报告称交通运输业的碳排放量仅次于电力和供热业,尤其是近十多年来高速铁路的快速发展，高速铁路客运量在2008年仅占铁路总客运量的0.5%，到2018年，该比例增加到60.9%[2]。2020年，中国国家铁路集团有限公司出台《新时代交通强国铁路先行规划纲要》，明确指出到2035年，全国铁路网建成20万km左右，而高速铁路网络建成7万km左右。在碳达峰和碳中和的目标下，铁路行业实现减碳的目标也任重道远。

在上述背景下，理清铁路运营碳排放的现状与主要影响因素，处理好铁路运输与碳排放的关系，缓和碳排放与环境污染之间的矛盾，具有重要的意义。通过收集《铁路统计资料汇编》与《中国城市统计年鉴》两个数据库2006—2017年的相关数据，计算铁路运营阶段的碳排放量，进一步采用回归计量模型来识别铁路碳排放的重要影响因素及其贡献率。

目前关于交通碳排放的研究集中于两个层面：一种是交通设施在建设和运营过程中直接产生二氧化碳,通常对某一种交通碳排放进行测算或者进行不同交通基础设施碳排放差异的对比分析；另一种关注交通基础设施碳排放的影响因素，这里可以把交通基础设施当作被解释变量直接分解影响因素，也可以把交通基础设施当作解释变量，分析其与经济活动之间的互动而带来的碳排放效应[3]。

关于第一种，陈进杰等[4]从高速铁路全生命周期角度出发，认为高速铁路在建材生产阶段、建筑施工阶段、运营维护阶段以及拆除报废阶段都会产生二氧化碳，而高速铁路运营阶段的碳排放大约占其整个全生命周期排放量的84.97%。张汉斌[5]以武广高速铁路为研究对象，分别计算了高速铁路的节地效应、货运与客运替代效应等，最终提出每公里高速铁路年二氧化碳排放量比普速铁路少2 190.55 t。王成新等[6]计算了主要交通运输方式的单位能耗，发现高速铁路百公里人均碳排放量是民航的1/5，高速公路的1/3。虽然高速铁路与普速铁路的碳排放强度相差不大，高速铁路在运输效率与潜在收益方面具有明显优势。朱勇等[7]利用投入产出的方法对高速铁路隐含碳排放进行计算，这一部分在铁路碳排放中占主要地位，采用灰色均值GM(1，1)模型对铁路碳排放进行进一步预测，结果表明在未来5年中高速铁路的直接碳排放量将增加。

关于第二种，马慧强等[8]采用数平均迪氏指数(LMDI)分解法和Kaya恒等式对山西省旅游交通碳排放的影响因素进行测算分析，提出旅游人数、人均旅游消费水平与单位周转量的能耗三因素能够增加碳排放量，而单位GDP的客运周转量、旅游产业产值占比以及能源结构是降低碳排放量的主要因素。高标等[9]采用STIRPAT模型来分析吉林省在1999—2011年的交通运输能源消费碳排放量，并提出人口总数、人均GDP、交通运输投资额、城市化率、私家车数量等因素正向影响碳排放量，单位GDP能耗的回归弹性系数为负值。汪莹等[10]选择1979—2018年的铁路时间序列数据，通过协整与向量误差修正模型，发现换算周转量是增加铁路运营碳排放量的主要因素，该系数为1.98，能源强度的影响系数仅为0.3，而车辆运输结构则负向影响运营碳排放量。文献[11]的研究也与之类似。肖紫薇等[12]选择1994-2012年的时间序列数据对中国交通碳排放的主要因素进行分析，发现交通发展水平(用总换算周转量表示)是决定性因素，对碳排放的影响系数为0.988，还发现交通业增加值占GDP的比重、铁路和公路加总的营业里程、能源强度与能源结构也都对碳排放产生正向影响。刘李红等[13]把高速铁路作为影响碳排放的一个影响因素，认为其从广义可达性方面对碳排放形成作用机理，通过计量回归模型得出高速铁路使中西部碳排放增加，而使东部地区碳排放量降低。

根据研究现状，碳排放影响因素的研究方法主要有对数平均迪氏指数(LMDI)分解法、Kaya恒等式、IPAT方程、STIRPAT模型以及回归模型等。LMDI分解法是在Kaya恒等式基础上被提出的，这两种方法用来分析碳排放影响因素的作用机制，研究结果容易解释，但是其在选取影响因素上具有一定的依赖性，使研究结果具有一定的片面性[14]。IPAT方程描述了影响因素与环境等比例的线形关系，但这种约束条件并不完全贴合现实情况，后来STIRPAT模型基于IPAT方程进行修正拓展，建立了非线性的变量关系[15]。交通碳排放的研究对象可以是一种交通运输方式，也可以是综合交通，无论是哪一种研究对象，数据分析多集中于城市层面、省域层面或者是整个国家层面，关注于铁路运输企业在时空上的碳排放差异分析的较少，因而具有一定的研究空间和创新性。

1 铁路二氧化碳排放量的定义与测算

首先对铁路碳排放的研究范围进行界定，即只考虑铁路在客货运输过程中产生的二氧化碳排放量，而非全生命周期的碳排放量。谢汉生等[16]认为运营碳排放能够反映出铁路行业的典型特征，并且能体现长期性特点。碳排放量QC的计算式为

QC=∑Ei·Zi·Ii

(1)

式中：Ei为第i种能源的消耗量；Zi为第i种能源转化为标准煤的折算系数；Ii为响应的碳排放系数。

碳排放量与二氧化碳排放量QCO2之间的关系为

QCO2=QC·44/12

(2)

采用式(1)、式(2)对我国铁路在2006—2017年的运营二氧化碳排放量进行计算，结果如图1所示，中国铁路运营二氧化碳排放量在此期间呈现出波动式下降的趋势，按照下降斜率可以分为2006—2012年平稳下降期、2012—2015年急剧下降期和2015—2017年平稳下降期的三阶段。2006年，我国铁路运营二氧化碳排放量达55.06×106t，到2017年，这一数值仅有29.54×106t，下降了46.35%。图1反映出我国铁路运营逐步向低碳运输发展，这主要是得益于铁路技术进步带来的能源消耗的减少。

图1 中国铁路运营阶段二氧化碳排放量变化趋势

在技术进步的环境下，我国铁路牵引技术不断进行升级优化，在1985—2013年之间，我国铁路的蒸汽机车从7674台降为0台，内燃机车、电力机车分别增加到13 130、10 703台，增长率分别为274%、1 723%。在2000年之后，我国铁路仍大力发展电气化线路，电力机车的比重增长很快。此外，在2008年之后，我国开始大规模建设高速铁路，高速铁路较普速铁路有大运量、低能耗的特征，进一步改善了铁路运输企业的能源消耗结构，对铁路的碳减排起到了重要的作用。

除了时间上的变化趋势，铁路二氧化碳排放量还表现出明显的空间异质性，限于篇幅原因，图2仅排列了中国铁路郑州局、西安局、上海局、沈阳局集团有限公司(以下分别简称郑州局、西安局、上海局、沈阳局)4个代表性的铁路局的碳排放变化趋势。这4个铁路局分别位于我国的中部地区、西部地区、东部地区和北部地区，具有明显的社会经济发展水平差异性。郑州局在2007—2008年之间运营二氧化碳排放量大幅上升。2008年郑州局完成货运周转量和客运周转量分别为179.66×1010t·km和55.36×1010人·km，较2007年的增幅分别为4.9%和6.8%。但是2008年的机车总走行公里却比2007年减少58.74×106车·km，2008年的折标煤的消耗量达2×106t，为2007年年能源消耗量的3.63倍。所以此期间的运营二氧化碳排放量的增加可能是由于技术水平落后而带来的能源消耗量的增加。西安局在2008年和2014年达到运营二氧化碳排放量的最高点，2008年出现的情况与郑州局的分析一致。2014年，西安局的高速铁路营业里程达436 km，旅客周转量较2013年增加，同时机车总走行公里约为前一年的2倍。所以，2014年的上升现象可能是由于工作量增加而带来的能源消耗量的增加。上海局和沈阳局的分析亦是如此，能源消耗量的变化是二氧化碳排放量变化的根本原因，但是引起能耗量变化的因素是多方面的。

图2 各铁路局运营阶段二氧化碳排放量变化趋势

2 研究假设与模型方法

2.1 研究假设

按照联合国世界旅游组织(UNWTO)关于碳排放的计算方法，在碳排放强度不变的情况下，交通运输工具完成的换算周转量越多，产生的运营二氧化碳排放量就越多。换算周转量是在分析二氧化碳排放影响因素中常见的变量，文献[17]发现换算周转量与运营二氧化碳排放量呈正相关关系，提出假设一：铁路换算周转量能够正向影响二氧化碳排放量。

相似地，铁路运营二氧化碳排放量与运输距离密切相关，即平均运距越长，二氧化碳排放量越高。Pak等[18]在检验影响民航碳排放因素时，考虑了飞机的飞行距离，发现飞行距离与民航碳排放之间存在正相关关系。由此得到假设二：铁路平均运营距离能够正向影响二氧化碳排放量。

铁路运输过程中所用车辆按照动力类型可以分为电力机车和内燃机车，以2013年的数据为例，指出内燃机车平均每万吨公里耗油27.3 kg，电力机车平均每万吨公里耗电为101.9 kW·h，将两者换算为标准煤后平均为1.46、0.32 kg。汪莹等[10]在分析时使用电力机车占总机车数量的比重来表示运输车辆结构，并发现运输车辆结构可以显著的减少二氧化碳的排放，基于此，提出假设三：铁路运输车辆结构能够负向影响二氧化碳排放量。

高速铁路作为铁路运输市场上的技术创新也能够影响铁路运营二氧化碳的排放。Li等[19]采用双重差分的方法检验高速铁路开通对普速铁路运营频次的影响，结果表明高速铁路开通能够减少普速铁路的频次，尤其在短途距离上。这说明高速铁路能够转移普通铁路客运量，这使得二氧化碳排放减少。但是，高铁铁路还有诱增新客流效应以及转移其他运输方式的客运量效应，带来运量的增加，这会增加铁路运输企业运营二氧化碳排放量。所以，高速铁路对铁路运营碳排放量的影响符号不能确定，其取决于两方面效应的程度，即假设四：高速铁路开通对铁路运营阶段的二氧化碳排放量的影响不能确定。

2.2 模型方法

研究目标是确定2006—2017年期间18个铁路局集团有限公司在运营中总二氧化碳排放量的决定因素。因此，面板经济计量模型被用来估计一些决定因素对二氧化碳排放量的弹性，并为可能间接影响碳排放量的决策提供经验证据。因此，在研究假设之上加入人均GDP与产业结构两个控制变量，构建对数线性模型，即

α4HSRit+α5lnGDPcapit+α6lnstrit+εit

(3)

式(3)中一些变量用对数表示，另一些作为虚拟变量。在这个对数线性模型中，当虚拟变量从0变为1时，对因变量的影响百分比可以通过应用以下表达式来计算：100(eα-1)，其中α为虚拟变量的回归系数。在连续变量作为回归变量的情况下，其估计系数即为对因变量的影响百分比。

在此基础上，借鉴Pak等的研究，进一步分析了影响铁路碳排放一年内变动的因素，即估计了一阶差分面板回归模型，得

(4)

3 数据与结果

3.1 数据

数据时间跨度为2006—2017年，研究对象为18个铁路局，共形成216条观测数据。高速铁路虚拟变量、车辆结构、总换算周转量以及平均运输距离均来源于《铁路统计资料汇编》。人均GDP和第二产业结构占比来源于《中国城市统计年鉴》数据库[20]，由于这两个变量的统计口径时省份，与铁路相关变量口径不一致，因而按照文献[21-22]的研究，转换为统一口径。数据的描述性统计分析见表1。

表1 2006—2017年18个铁路局回归变量的描述性统计分析

可以看出，每个变量都呈现出明显的时空差异性。差异性最大的是二氧化碳排放量，该变量均值为2.42×106t，最小值仅有0.39×106t，最大值为12.70×106t。差异性最小的变量是第二产业占比，最小值和最大值仅差了不到2倍。

图3 为二氧化碳排放量与铁路运输车辆结构以及换算周转量影响因素间的相关关系与拟合线图。由此可看出，这与第2节的研究假设一致。

图3 二氧化碳排放量与主要影响因素的相关关系

3.2 实证结果

应用Stata 15软件对式(3)进行估计，其估计结果见表2。进一步采用豪斯曼检验发现，固定效应模型估计结果要好于随机效应模型。

表2 2006—2017年铁路运营二氧化碳排放影响因素的估计结果

从估计结果可以看出，除了人均GDP和公路换算周转量两个变量外，其他的解释变量都通过了显著性检验。铁路换算周转量的弹性系数为0.091，意味着铁路换算周转量每增加1%，铁路运营二氧化碳排放量增加0.091%，该变量的系数与预期的结果是一致的。但是该变量在M1和M2中都是通过10%的显著性水平，这说明换算周转量的增加对铁路运营碳排放量的作用不是很明显。例如，当铁路的运能利用率不是100%时，其实增加换算周转量对碳排放的影响效应较小。运输车辆结构的回归结果与研究假设也是一致的，相应的弹性值为-0.103。铁路平均运输距离的弹性值为1.168，其对二氧化碳排放量贡献量仅次于第二产业结构占比变量。高速铁路的开通能够显著的减少铁路运营碳排放量，弹性系数为-0.04(e-0.042-1)。这意味着高速铁路客运量增加带来二氧化碳排放量的增加值小于由于铁路技术创新带来的二氧化碳排放量的减少值。

同样应用固定效应模型和随机效应模型对式(4)进行回归估计分析影响铁路运营二氧化碳每年变动的主要因素，其估计结果见表3。根据回归结果，一个重要的影响因素是铁路局集团公司所管辖范围内的产业结构与布局。当第二产业占比增加时，铁路运营二氧化碳排放量从该年到下年也是朝增加变动。变量ln dstr的估计系数是1.826，并且在统计上是显著的。平均运输距离也是引起二氧化碳排放量每年变动的主要因素，该系数为1.229。另一个影响铁路二氧化碳排放量正向变动的因素为铁路换算周转量，即换算周转量增加时，二氧化碳排放量也增加。高速铁路、运输车辆结构的优化则是引起铁路二氧化碳排放量一年间减少的因素，其中高速铁路一年内的增加带来的负向影响最大，系数为-0.305。

表3 铁路运营二氧化碳排放量变化的影响因素估计结果

4 结论

本文选择2006-2017年的铁路局层面的数据集，试图对目前有关铁路运营二氧化碳排放影响因素的文献进行补充。对铁路局二氧化碳排放量从两个角度进行了分析：①总二氧化碳排放量；②二氧化碳排放量一年内的变动量。进一步采用能源消耗量和能源碳排放强度指标来测算了全国铁路和18个铁路局集团有限公司运营二氧化碳排放量，并描述分析了碳排放量的时空差异性。其次，分别采用固定效应与随机效应模型来分析可能的影响因素。结果显示：产业结构对铁路运营阶段的二氧化碳贡献率最大，该弹性为1.671；铁路平均运输距离和换算周转量也增加二氧化碳的排放量；机车车辆结构、高速铁路对减少铁路二氧化碳排放量有显著的作用。

从上述结果中，可以得出一些政策含义。首先，可通过对各铁路局进行更好地管理来进一步减少铁路运营二氧化碳的排放，提高铁路碳排放效率。运输车辆结构优化可以减少铁路碳排放量，所以，铁路运输企业可以进一步调整电力机车的比例，甚至是国家应该提供一定的激励措施，鼓励铁路运输企业积极进行技术创新，提高能源的利用率。其次，换算周转量能够增加碳排放量，但是在不影响需求的条件下，铁路局可适当调整车型或者频次，提高列车的利用率或上座率。最后，高速铁路能够减少二氧化碳排放量，各铁路局应当积极寻求高速铁路货运的发展措施，这样在物流时代才能分一杯羹，同时也满足了低碳发展的要求。