中国综合交通运输绿色效率的空间特征研究

马奇飞，贾鹏*,2，匡海波

(1.大连海事大学，a.航运经济与管理学院，b.综合交通运输协同创新中心，辽宁 大连 116026；2.中国科学院大学，经济与管理学院，北京 100190)

0 引言

近年来，全球经济一体化进程不断加快，国际经济与贸易更加频繁，世界各国经济越来越相互依存，相互渗透。但随着单边主义和保护主义的抬头，国际贸易环境日趋复杂严峻，世界经济增长呈放缓之势，尤其在新冠肺炎疫情肆虐和中美贸易摩擦升级的环境下，中国经济上行压力日渐加大。交通运输业作为国民经济的基础性产业，是经济和社会各项事业发展的重要纽带和连接点，同时，也是保证地区经济发展的首要条件，对整个国民经济和社会的发展具有重要的支撑和引领作用[1]。因此，为应对复杂多变的国际环境，中国必须构建稳定、高效、安全及可靠的综合交通运输体系，支撑国民经济的稳定持续增长。

从发达国家交通运输业的发展实践来看，现代交通运输业逐渐形成以下发展趋势：一方面，随着科学技术的飞速发展，交通运输广泛采用新技术，实现交通基础设施与运输设备的现代化和智能化；另一方面，随着运输方式的多样化、运输过程的统一化及信息系统的一体化，由各种运输方式组成的综合交通运输体系正朝着分工协作和协调配合的方向发展[2]。通过数十年的发展实践，中国已认识到只有各种运输方式综合协调发展才能发挥体系的整体优势和组合效益，使交通运输发展水平上升到较高的层次[3]。以单独追求任一运输方式发展效率为主的传统模式并不能有效提升综合交通运输体系的服务质量或资源配置的合理性。2019年9月，中共中央和国务院印发《交通强国建设纲要》，明确提出要构建安全、便捷、高效、绿色及经济的现代化综合交通运输体系，并强调在交通运输供给能力适应社会经济发展需要的基础上，综合交通运输体系建设要更加重视共同富裕，重视交通运输中社会文明和生态文明建设。如何实现各种运输模式的一体化和集约化发展？如何兼顾经济、环境与社会因素，将“高投入、高消耗及高产出”的传统发展模式转变为“低投入、低消耗及高产出”的高质量发展模式？关键在于提高综合交通运输效率。

目前，关于交通运输效率的研究已取得丰硕成果，通过梳理文献发现，研究内容正从单一方式运输效率和城市公共交通运输效率扩展到综合交通运输效率，研究方法也逐渐从单要素评价法向全要素评价法转变。例如，景崇毅等[4]综合运用DEA和Malmquist指数模型分析我国机场的运营效率和动态变化特征；贾鹏等[5]采用径向DEA 模型，从客货两方面测度中国综合交通运输效率。在指标选取方面，随着绿色发展理念在经济社会各领域的全面深入实施，交通运输业的发展导向呈现从生产效率、组织效率及服务效率向环境效率和绿色效率转变。例如，朱顺应等[6]构建包含车辆存量、道路、土地、能源及环境的5 要素体系，利用SBM 和SFA(Stochastic Frontier Analysis)模型，测度城市客运工具的碳排放效率；姜晓红等[7]以资本、劳动力和能源消耗作为投入要素，选取经济产值和碳排放量作为产出要素，评价物流企业的环境效率；张建斌等[8]采用考虑非期望产出的超效率SBM模型测度中国综合交通运输效率，并利用Dagum 基尼系数和地理探测器模型识别综合交通运输效率的地区差异和影响因素。此外，MA 等[9-10]认为，绿色发展的本质是降低资源消耗，减少环境污染，提升人民幸福感，实现经济-社会-生态环境系统全面协调可持续发展，通过构建包含经济增长、环境规制和社会福利的指标体系，测度中国30 个省市的综合交通运输绿色效率，得出社会发展指数能有效提高综合运输效率的结论。

然而，现有研究依然存在以下不足：第一，较多文献集中于单一运输方式的运输效率研究，且大多只考虑交通运输系统的经济效益和环境效益，考虑社会效益的研究成果较为匮乏；第二，虽有学者测度了中国综合交通运输绿色效率，但对其空间特征的研究停留在空间相关性、集聚性及动态演化等层面，忽略了区域差异，没有对差异的来源、程度和动态演变规律进行深入研究。因此，本文针对上述问题做出以下两点创新：第一，根据绿色发展理念和交通强国战略的要求，通过构建能够反映社会发展状况的指标体系，将其作为期望产出纳入到综合交通运输效率评价框架，从而将绿色发展、资源配置、环境约束与人文发展有机融合，提出包含经济增长、环境规制及社会福利要素的综合交通运输绿色效率测度框架，赋予综合交通运输更多的社会内涵；第二，基于空间理论，通过采用空间格局统计与检验方法，从宏观层面计量我国综合交通运输绿色效率格局的时空特征和演化轨迹，并采用Dagum基尼系数模型识别综合交通运输绿色效率的空间差异性及差异来源，旨在为推动各地区综合交通运输体系协调发展提供依据。

1 相关概念界定

目前，学术界对综合交通运输效率的概念界定尚没有形成统一标准，但大多学者都认为运输效率是交通运输等相关生产投入要素与带来产出的比率。通过梳理文献发现，早期的综合交通运输效率研究仅考虑与之相关的经济效益，即把交通运输行业产值或周转量作为唯一产出，因此，本文将其定义为综合交通运输经济效率。随着研究的深入，学者们开始考虑综合交通运输带来的负向产出(碳排放和污染等)，并将其作为非期望产出纳入综合交通运输效率评价体系，反映综合交通运输的真实生产过程。本文将既考虑经济效益又考虑环境规制的效率评价定义为综合交通运输环境效率。绿色发展的本质是降低资源消耗，减少环境污染，加强生态治理和环境保护，实现经济、社会及生态环境全面协调可持续发展。依照前人对综合交通运输效率的界定，根据实际情况，结合绿色发展理念，本文界定综合交通运输绿色效率的概念，即综合交通运输等生产要素投入和带来的经济、社会和生态环境产出的比率。综合交通运输绿色效率侧重于运输服务带来的社会效益，在此基础上，实现经济、社会及生态环境的三赢。综合交通运输经济效率、环境效率和绿色效率三者之间既有区别又有联系，综合交通运输经济效率和环境效率是绿色效率的发展根源和基础，综合交通运输绿色效率是经济效率和环境效率的丰富与完善，三者一脉相承，层层递进，使综合交通运输效率评价系统不断趋于完善。

综合交通运输绿色效率的内涵主要包括以下3个方面：一是经济内涵，即在一定时期内，一定的生产力水平下，以最小的交通运输生产要素投入实现最大的经济产出或者是用相同或者更少的运输资源获得更多经济产出；二是生态环境内涵，即要求综合交通运输系统的生产过程要建立在保护与改善自然环境和维护生态平衡的基础上，逐步减少实际生产过程中非期望产出对生态环境的破坏；三是社会内涵，即以人为本，综合交通运输服务的最终目的是不断地满足人类发展对物质和精神消费的需求，实现共享和公平分配，提高社会福利水平，增强人类福祉和幸福感，实现社会的包容性发展，也是人类社会发展的内涵。

2 模型构建

2.1 SBM-DEA模型

美国运筹学家Charles、Cooper 和Rhodes 根据Farrell的非参数分析理论，于1978年提出数据包络分析法(DEA)，用来解决多指标投入和多指标产出的效率评价问题[11]。该方法的基本原理是通过保持决策单元(Decision Making Units，DMU)的输入或者输出不变，借助于数学规划和统计数据确定相对有效的生产前沿面，将各个DMU投影到DEA的生产前沿面上，并通过比较DMU偏离DEA前沿面的程度评价它们的相对有效性。DEA 模型无需事先确定投入产出指标的函数关系，无需对指标数据进行无量纲化处理及无需任何权重假设，在处理多输出-多输入的有效性评价方面具有绝对优势。相比于传统的DEA 方法(BCC 和CCR 模型)，TONE[12]提出的非径向和非角度的SBM 模型，考虑非期望产出，并揭示松弛变量对测度值的影响，大大提高测度值的准确性。因此，本文借助MAXDEA软件，选择SBM模型测度综合交通运输绿色效率。由于SBM 模型较为成熟且应用广泛，其计算过程不再赘述。

2.2 Dagum基尼系数

Dagum 基尼系数通过将基尼系数分解为区域内差异贡献(Gw)、区域间差异贡献(Gnb)和超变密度贡献(Gt)这3 部分，有效弥补了传统基尼系数和泰尔指数无法解决样本间交叉重叠，且无法揭示总体差异来源的缺陷[13]。因此，本文采用Dagum基尼系数及其分解的方法研究中国30个省(市、自治区)综合交通运输绿色效率的空间非均衡性。其定义为

式中：G为总体基尼系数，数值越高，表明区域差异越大；n为地区数量；Yˉ为中国综合交通运输绿色效率平均水平(30 个地区16 年数据的平均值)，Yˉj为j区域综合交通运输绿色效率的平均水平；k为划分的区域数，本文将全国划分为东部、中部及西部三大地区，即k=3；yji(yhr)为j(h)区域内任一省市i(r)某年的综合交通运输绿色效率水平；nj(nh)为j(h)区域内省份个数；Gjj为j区域的基尼系数；Gjh为j和h区域间的基尼系数；Pj表示j区域的省份个数与所有省份个数的比例；sj表示j区域综合交通运输绿色效率水平与全国水平的比值。区域内差异贡献、区域间差异贡献和超变密度贡献三者满足以下关系：G=Gw+Gnb+Gt，其中，超变密度贡献表征的是三大地区之间综合交通运输绿色效率的区域内差异与区域间差异的交互作用对整体地区差距的影响贡献；Djh为j和h区域间相对综合交通运输绿色效率水平贡献率的影响程度；djh为区域间综合交通运输绿色效率水平贡献率的差值；pjh为超变一阶矩。

3 指标选取与数据来源

基于绿色发展理念构建综合交通运输绿色效率投入产出指标体系，选择交通运输业基础设施、资本、劳动力和能源消耗作为投入指标，将交通运输业增加值和社会发展指数作为期望产出，将交通运输业碳排放量作为非期望产出。在投入指标中，大多数地区火车、船舶及飞机数据缺失严重，因此，本文不考虑运载单元等设备投入，仅采用基础设施投入；根据李杰伟等[14]的研究成果，采用永续盘存法计算以2003 年为基期的交通运输行业资本存量，将其作为资本投入；根据《中国能源统计年鉴》发布的标准煤折算系数，将各类能源进行标准化折算，以此作为交通运输业能源消耗。在产出指标中，采用2003 年为基期的交通运输业增加值作为综合交通运输系统经济产出；采用碳排放指标作为环境约束，计算过程请参阅文献[15]；构建社会发展指数衡量综合交通运输系统的社会效益。综合交通运输绿色效率评价指标体系如表1所示，社会维度指标体系如表2所示。

表1 综合交通运输绿色效率评价指标体系Table 1 Comprehensive transportation green efficiency evaluation index system

表2 社会维度指标体系Table 2 Index system of social dimension

社会发展指数反映了综合交通运输服务所产生的社会效益，主要体现在人民生活水平的提高,城市化进程的推进，优质的交通运输服务以及科技创新驱动等方面。指标选取依据如下：交通运输伴随社会经济增长的全过程，是人民生活水平提高的重要保障，人均GDP 是表征人民生活水平提高的最直接证据，恩格尔系数反映了人民在满足基本生存需求方面的支出，该指标数值越低，越能反映人民在其他方面的支出能力；城市化是一个涉及人口、空间及经济社会转换的动态过程，表征了在交通运输背景下，人口和货物的空间转移，能够切实反映交通运输的发展成果和发展空间，本文从人口城市化、经济城市化和土地城市化这3方面表示这一过程；交通运输的基本任务是满足人民日益增长的美好交通需求，体现在高效和安全的运输服务，本文采用客货周转量、交通事故量及财产损失等指标刻画运输水平；根据交通运输部《科学技术部关于科技创新驱动加快建设交通强国的意见》的发展目标，到2035年，基本建成适应交通强国需要的科技创新体系。作为交运输业发展的重要社会效益之一，本文选取平台支撑、人才培养、资金投入、成果产出及市场转化等指标表征地区科教水平。社会发展指数计算为

式中：Pi为i地区社会发展指数，Pi值越大，表示社会发展状况越好，反之越差；m为指标的数量；ωl为l指标的权重；Ril为i地区l指标的标准化值，采用极值法对数据进行标准化处理，计算过程不再赘述。

本文研究对象为中国30 个省市(不含香港、澳门、台湾和西藏)，研究年限为2003—2018 年，并根据国家统计局划分标准，将全国划分为东部、中部、西部这3大地区。所有数据均来源于《中国统计年鉴》(2004—2019 年)、《中国能源统计年鉴》(2004—2019年)以及各地区统计年鉴和统计公报等。

4 实证分析

4.1 综合交通运输绿色效率空间分布特征

本文基于中国30个地区2003—2018年的面板数据，利用SBM 模型测度中国综合交通运输绿色效率，结果如图1所示。

图1 中国各地区综合交通运输绿色效率平均值Fig.1 Average value of comprehensive transportation green efficiency in different regions of China

图1显示：①中国综合交通运输绿色效率地区差异较大，效率值分布在0.179～1.000之间，呈现出显著的空间非均衡性；②从效率值来看，仅有天津、河北、上海、青海和宁夏这5 个地区的综合交通运输绿色效率完全有效(效率值为1)，表明这些地区综合交通运输系统投入产出达到了最优水平，其他地区则需要改变投入产出配比，改善综合交通运输绿色效率；③研究期内，中国综合交通运输绿色效率平均值为0.556，仅有北京、天津、河北、上海、江苏、福建、山东、河南、海南、贵州、青海和宁夏12个地区效率值位于平均水平之上，表明中国综合交通运输绿色效率整体水平较低，还有很大的提升空间；④从空间分布来看，位于平均值之上的地区大多分布在我国东部，东部、中部及西部效率平均值分别为0.710、0.445 和0.482，再次表明中国综合交通运输绿色效率区域差异显著，空间分布不均衡。

4.2 综合交通运输绿色效率空间非均衡性动态分析

为考察中国综合交通运输绿色效率空间非均衡性的动态变化，本文依托Eviews 8.0 软件，采用核密度估计法计算2003，2008，2013，2018 年的综合交通运输绿色效率核密度分布，结果如图2所示。

图2 中国综合交通运输绿色效率核密度分布图Fig.2 Nuclear density distribution of comprehensive transportation green efficiency in China

从时间变化趋势来看，综合交通运输绿色效率在4个时间节点均存在明显的“双峰”分布，表明研究期内中国综合交通运输绿色效率存在明显的两极分化现象，且处于低效率区的地区较多。具体来看，2003，2008，2013年第1波峰对应的效率值不断下降(0.41、0.40 和0.35)，核密度值逐年攀升(1.48、2.30和2.68)，第2波峰对应的效率值稳定为1，核密度值逐年下降(0.90、0.89和0.86)，表明，2003—2013年中国综合交通运输绿色效率呈下降态势，且两极分化现象有加重之势；2018 年第1 波峰和第2 波峰对应的效率值分别为0.42和1.00，相对于2013年有较大提升，且第1波峰高度下降、宽度拉长，表明中国综合交通运输绿色效率的绝对差异有缩小趋势，但两极分化现象并未得到根本改变，空间非均衡性依然较大。近年来，我国各地区综合交通运输体系建设取得了长足发展，但由于不同省份的发展基础和速度存在一定差异，导致综合交通运输绿色效率两极分化严重，同时，由于综合交通发展水平相近地区之间的贸易竞争，导致我国综合交通运输绿色效率具有明显的梯度效应。

从核密度分布曲线主峰位置来看，2003，2008，2013年的核密度曲线主峰逐渐向左偏移，偏移幅度虽小，但一定程度上表明该时段中国综合交通运输绿色效率呈恶化态势，2018年密度曲线主峰向右偏移，表明该时段综合交通运输绿色效率有所改善；从峰度来看，2013—2018年核密度曲线第1波峰对应的效率值分布在0.35～0.42 之间，峰值变化幅度较小(0.07)，第2 波峰对应的效率值始终为1.00，表明研究期内高值区和低值区效率变化不大，综合交通运输绿色效率空间非均衡性很难得到改变；以2013年为分界点，综合交通运输绿色效率经历了主峰高度“上升-下降”和主峰宽度“增大-减小”的变化过程，但总体表现为主峰高度上升和宽度增大的态势，表明中国综合交通运输绿色效率的绝对差异有一定的缩小趋势，空间非均衡性有所改善。

4.3 综合交通运输绿色效率空间非均衡程度测算

为进一步揭示中国综合交通运输绿色效率的区域差异水平及其动态演进规律，本文利用Dagum基尼系数分解方法，将30 个省(市、自治区)划分为东中西这3大地区，测算2003—2018年中国综合交通运输绿色效率整体差异、区域内差异、区域间差异、差异来源及贡献率，为方便读者理解，本文将测度结果进行可视化处理，如图3～图6所示。

4.3.1 总体差异演变趋势

中国综合交通运输绿色效率总体区域差异如图3所示。

图3 中国综合交通运输绿色效率总体区域差异变化趋势Fig.3 Total regional differences of comprehensive transportation green efficiency in China

由图3可知：①中国综合交通运输绿色效率总体区域差异呈现出在波动中先上升后下降的态势，基尼系数介于0.288～0.340 之间，总体差异较大；②从演变过程来看，综合交通运输绿色效率总体差异表现为“三升四降”的波动态势，2003—2004 年、2005—2006 年、2011—2013 年及2014—2018 年总体基尼系数呈下降趋势，综合交通运输绿色效率总体 差 距 缩 小；2004—2005 年、2006—2011 年 及2013—2014年总体基尼系数呈上升态势，综合交通运输绿色效率总体差距扩大。③具体来看，2003—2004年，中国综合交通运输绿色效率总体差异呈下降态势，于2004 年基尼系数降至样本期最低点(0.288)，2004—2011 年，在经历短暂下降后基尼系数上升至最高点(0.340)，此后，除2014 年有所上升外，总体基尼系数呈逐年下降态势。究其原因，21世纪以来，随着中国市场经济进程加快，交通运输需求快速增长，中国交通运输行业进入蓬勃发展期，但由于各地区综合交通运输发展在地理区位、资金供给和技术水平等方面存在较大差异，导致不同地区综合交通运输绿色效率差距呈扩大态势。2011 年之后，国家高度重视交通运输绿色发展，并加快推进交通运输业供给侧结构性改革，优化资源配置，各地区综合交通运输绿色效率得到显著提升，区域差异逐渐缩小。

4.3.2 区域内差异演变趋势

中国综合交通运输绿色效率区域内差异如图4所示。

图4 中国综合交通运输绿色效率区域内差异演变趋势Fig.4 Intra-regional differences of comprehensive transportation green efficiency in China

由图4可知：①整体上看，2011年之前东部、中部及西部这3 大地区综合交通运输绿色效率地区内差异变化趋势相同，基尼系数在波动中逐渐上升，2011年之后，区域内差异变化趋势有所不同，东部地区在经历短暂上升后逐年下降，西部地区基尼系数在波动中缓慢上升，中部地区区域内差异变化相对平稳，呈缓慢下降态势。②中国综合交通运输绿色效率区域内差异呈现出西部大于中部大于东部的空间特征。东部地区因区位、资金以及技术优势等原因，综合交通运输绿色效率普遍较高，距离技术生产前沿最近，致使区域内差异最小，而西部地区由于身处内陆，客流、物流及资金流远低于东部地区，各地区资源配置水平差距较大，导致综合交通运输绿色效率区域内差异最大；③从具体数值来看，西部地区基尼系数介于0.297～0.345之间，平均值为0.329，除2012年和2013年略低于中部地区基尼系数外，其他年份均高于东部和中部；中部地区基尼系数介于0.266～0.344之间，平均值为0.312，除2012 年和2013 年略高于西部外，其余年份区域内差异水平居于东部和西部之间；东部地区基尼系数位于0.257～0.303之间，平均值为0.280，且研究期内区域内差异水平始终低于中部和西部地区。

4.3.3 区域间差异演变趋势

2003—2018 年3 大区域综合交通运输绿色效率的区域间差异如图5所示。

图5 中国综合交通运输绿色效率区域间差异演变趋势Fig.5 Inter-regional differences of comprehensive transportation green efficiency in China

由图5可知：①综合交通运输绿色效率区域间基尼系数演变过程呈现先上升后下降的趋势，2011年之前波动上升，2011 年之后在波动中下降，表明三者的综合交通运输绿色效率区域间差异呈现先扩大后缩小的态势。②以2011 年为节点，2003—2011 年3 大区域综合交通运输绿色效率的区域间差异表现为波动上升变化趋势，具体来看，东-中、东-西及中-西区域间差距在2003—2005 年之间波动较大，分别从2003年的0.309、0.308及0.285骤降至2004 年的0.273、0.284 及0.263，之后，迅速上升至2005 年的0.315、0.321 及0.290；2005—2011 年东-中、东-西及中-西区域间差距逐渐升至最高点，分别为0.350、0.354 及0.349，三者之间的相对波动程度缩小。③2011—2018年，东-中、东-西及中-西区域间差距变化趋势有所不同，东-中和东-西区域间差异在2014 年经历短暂上升后平稳下降，分别降至2018 年的0.326 和0.318，而中-西区域间差异在2011—2018 年期间持续下降，由2011 年的0.349降至2018 年的0.293，降幅为16.05%。④对于中-西区域间差异而言，整个研究期内，除2013 年中-西区域间差距略高于东-中和东-西外，其余年份中-西区域间差距始终居于最低位，表明中-西区域间差距最小，且收敛速度最快；对东-中和东-西区域间差异而言，2003—2011年，东-中区域间差距小于东-西区域间差距，2011—2018 年，东-中区域间差距超越东-西区域间差距，表明东-西区域间差异收敛速度高于东-中收敛速度。

4.3.4 差异来源及贡献率

中国综合交通运输绿色效率区域差异如图6所示。

图6 中国综合交通运输绿色效率区域差异贡献率演变趋势Fig.6 Contribution rate of regional differences in comprehensive transportation green efficiency

由图6 可知：①从整体上看，超变密度贡献率最大，区域内差异贡献率次之，区域间差异贡献率最小，三者大致呈对称分布状态；就演变趋势而言，区域间差异和超变密度贡献率变化较大且变化趋势相反，超变密度贡献率在波动中有所上升，区域间差异贡献率在波动中缓慢下降，区域内差异贡献率的变化趋势较稳定。②具体来看，超变密度贡献率的演进趋势大致呈“W”型，从2003年的49.4%升至2004 年的52.7%，随后降至2005 年的45.1%，之后保持相对稳定，并于2014 年缓慢上升至52.8%，在经历短暂下降后于2018年升至最高点52.9%，是综合交通运输绿色效率区域差异的主要来源；区域间差异贡献率的演进趋势大致呈“M”型，与超变密度贡献率相反，由2003 年的17.2%下降至2004 年的13.7%，随后上升至2005年的21.4%，并保持相对稳定状态，至2014 年缓慢下降至13.6%，在经历短暂上升后于2018年降至最低点13.2%，对综合交通运输绿色效率区域差异的贡献率始终保持最低位；区域内差异变化趋势较为稳定，在整个样本期内基本保持在33%左右，是综合交通运输绿色效率区域差异的第二大来源。③尽管对总体基尼系数贡献率最高的是超变密度，但超变密度和区域间差异贡献率呈相反变化趋势，说明超变密度贡献率在区域间差异贡献率的增长中起阻滞作用；结合图3和图6 可知，总体基尼系数于2003—2011 年之间呈“W”型增长态势，之后在波动中降至最低点，而超变密度贡献率于2003—2010 年之间在经历“M”型变化趋势后，于2018年波动上升至最高点，表明超变密度贡献率在总体基尼系数的增长中起阻滞作用。如前所述，超变密度贡献率表征的是3大地区之间综合交通运输绿色效率的区域内差异与区域间差异的交互作用对整体地区差距的影响贡献，因此，超变密度贡献率大，说明我国东部、中部及西部综合交通运输交叉重叠问题突出，造成综合交通运输绿色效率区域差异的主要原因是区域内差异。

5 结论

本文运用SBM 模型和Dagum 基尼系数等方法，研究中国2003—2018 年综合交通运输绿色效率的空间非均衡性，得到以下主要结论：第一，中国综合交通运输绿色效率整体水平较低，仅有天津、河北、上海、青海和宁夏这5个地区DEA有效，位于平均值以下的地区高达18个，效率提升空间较大；综合交通运输绿色效率分布在0.179～1.000 之间，区域差异较大，空间上大致呈现东部大于西部大于中部的分布格局，具有显著的空间非均衡性。第二，从动态分析结果来看，综合交通运输绿色效率空间非均衡性具有明显的阶段性特征，研究前期区域差异逐渐扩大，后期呈缩小态势，总体上区域绝对差异虽有减小，但两极分化现象并未得到根本改变，空间非均衡性依然较大。第三，在研究期内，中国综合交通运输绿色效率总体区域差异呈现先上升后下降的变化态势，总体差距较大；区域内差异与总体基尼系数表现为相似的变化特征，空间上呈现西部大于中部大于东部的分布格局；区域间差距大致表现为东-中地区大于东-西地区大于中-西地区，但东-西区域间差异收敛速度高于东-中地区收敛速度；区域内差异是中国综合交通运输绿色效率区域差异的主要来源。

中国综合交通运输绿色效率整体水平较低，主要原因在于各种运输方式的不协调发展，与我国长期以条条为主的交通运输管理模式有关，各运输方式间缺乏横向联系，导致资源配置不合理，浪费巨大。犹如“木桶效应”一般，效率的高低由“短板”决定，因此，如何优化运输结构，加强各种运输方式的有效衔接，是构建高质量综合交通运输体系面临的首要问题；综合交通运输绿色效率呈现东部大于西部大于中部的空间分布特征，与前人的研究结果略有不同(东部大于中部大于西部)，主要原因在于测度效率时所选指标不同，本文在前人研究基础上，考虑了运输服务的社会效益，社会效益指标的加入能够有效提高综合交通运输绿色效率，能够反映交通运输发展水平与社会经济发展的适配程度，因此，建设高质量综合交通运输体系，不仅要考虑运输服务的经济和环境效益，更要注重经济、社会及环境三者的协调发展；综合交通运输绿色效率区域差异较大，主要根源在于区域内差异，实际上造成综合交通运输绿色效率地区差异的因素有很多(自然条件、资源禀赋及经济基础等)，如何量化综合交通运输绿色效率的影响因素，识别其空间演化规律，如何在交通强国统一框架下制定地区间综合交通运输协同发展策略，建立交通运输合作联动机制，是未来综合交通运输绿色效率研究的重点和难点所在。