城镇化对交通行业碳排放的影响研究

赵一言

摘要：论文基于2000-2017年的中国省际面板数据，采用IPCC制定的碳排放的计算方法，测算了各地区交通行业碳排放量，采用固定效应及中介效应模型，系统考察了城镇化发展对交通碳排放量的影响以及其背后的传导机制。研究结果表明：城镇化和交通碳排放之间呈显著的正向关系；城镇化发展可以通过人力资本、产业结构、经济发展以及社会资本等途径产生影响。

关键词：城镇化；交通碳排放；中介效应；多重中介效应模型

中图分类号：F512.3      文献标识码：A  文章编号：1005-6432（2023）26-0000-04

[DOI]10.13939/j.cnki.zgsc.2023.26.000

引言

城镇化是我国经济高速发展以及经济转型的重要支撑，截止2021年底，我国常住人口城镇化率已高达64.7%，呈现持续走高的事态；当前，我国城镇化的发展理念和外部环境也发生了显著的变化，环境污染成本向社会转嫁，其中亟需关注的就是碳排放问题。交通渗透在城镇化进程的各个方面，未来城镇化的发展也离不开交通运输的强有力支撑。因此在城镇化与区域高质量发展的框架下，探讨城镇化释放的交通负效应就显得尤为重要。2020年我国碳排放总量高达百亿吨，其中交通碳排放占比达到了总量的10.4%且仍处于快速发展階段，交通行业低碳转型仍需重视。

理论分析与研究假设

根据新经济地理学理论，交通运输的发展有利于区域之间的联系，使得贸易成本降低进而会促进城镇化的发展[1-2]。进一步的，在以交通运输为纽带的城镇化的发展过程中，环境负效应也在加速的表现出来。孙岩等[2]以北京市为例分析了城市发展对交通碳排放的驱动作用，结果显示城市化贡献最大；范育洁等[3]测度了西北五省的交通碳排放量并研究其影响因素，发现城镇化率对交通碳排放量的影响是不容忽视的。此外，有学者对城镇化与碳排放之间的关系进行研究，结果表明研究发现交通运输是城镇化发展过程中产生高碳排放量的主要来源行业之一[4-5]。基于此，本文提出以下假说：

假说一：城镇化发展会增加交通碳排放压力。

通过梳理我们发现推动城镇化发展的手段主要落脚到以下四个路径：人力资本、产业结构、经济发展以及社会资本，因此本文选用以上四个路径作为中介变量。①城镇化使得大量人口涌入城镇，城市道路的扩张以及人口流动的增加都会对交通施加压力，增加交通碳排放[6]。另一方面集聚效应提高了人口密度，减少了居民的出行距离从而减轻交通碳排放压力[7-8]。②调整并优化产业结构亦是推动城镇化发展的有效手段[9]。产业结构的调整表现为向第三产业演进的高级化以及内部结构的合理化，同时可以吸纳更多的劳动力以及外来资本，是城镇化发展良好的助推力[10]。另一方面，相关学者研究得出城镇化对产业结构的优化升级具有显著的正向效应[11]，而产业结构的升级优化将会促使交通能源消费结构更加清洁化[12] 。③城镇化伴随经济发展，这一过程会增加交通碳排放的产生。城镇化带来的经济发展会引致居民出行需求以及私人汽车保有量的逐年攀升，这会直接增加城镇的交通压力[14-15]。④社会资本。新型城镇化的推进有效的促进了社会资本的积累[16]，主要通过加强社会信任、居民自主意识等社会治理方式来实现[17]，但社会资本的积累和发挥存在一个适度水平[18]。

模型设定与数据说明

模型设定

本文选取2000-2017年的中国30个省市自治区（西藏除外）的相关数据来甄别城镇化进程对交通碳排放的影响及其背后的传导机制。为检验城镇化对交通碳排放的影响，本文构建如下基准回归模型：

式中各变量下标 表示地区，代表时间，代表交通碳排放量，为城镇化率，是本文选取的一组控制变量，为不随个体变化的截距项，是计量模型的随机误差项。

为检验城镇化进程是否以及如何通过人力资本、产业结构、经济发展以及社会资本这四条途径对交通碳排放量产生影响，本文借鉴温忠麟[19]、柳士顺和凌文辁[20]所采用的中介效应检验机制，构建如下多重中介模型：

基于理论假说2，根据逐步回归法构建上述模型进行检验，分别表示四个中介变量。构建模型（2）检验城镇化对中介变量的影响，构建模型（3）来检验城镇化与中介变量对交通碳排放量的影响。

指标选择

被解释变量

交通行业碳排放量（），本文采用IPCC制定的自上而下核算法。基于终端能源消耗量，利用交通工具实际的能源消耗量乘以相应的碳排放系数计算得出[22-24]，这种计算方法更加直接且较为准确，具体公式如下：

（4）式中，为交通运输碳排放总量；为第类能源的实物消耗量；为第种能源的二氧化碳排放系数。参考交通运输能源消耗的结构，本文选取了原煤、汽油、煤油、柴油、电力五种能源种类。其中各化石能源的二氧化碳排放系数计算公式如下：

（5）式中，为第种能源的平均低位发热量；为第中能源的碳排放系数；为第种能源的碳氧化因子；44和12 分别为二氧化碳和碳的分子量。

核心解释变量

城镇化率（），城镇化的核心就是着农村人口向城镇迁移，本文选取城镇人口占总人口的比重作为衡量城镇化发展程度的指标。

中介变量

人力资本（）。本文选用普通高等学校招生数量来衡量城镇化影响交通碳排放的第一条路径[25]。产业结构（）。根据钱纳里的产业结构合理化理论，选用第二产业与第三产业的比值来衡量。经济发展（）。选取当年该地区的GDP 水平这一指标。社会资本（）。采用人均工会组织数量来衡量。

控制变量

能源强度（）。选取单位GDP能耗来度量。对外开放程度（）。采用对外投资存量来进行衡量。环境规制强度（）。选取各地区二氧化硫排放量以及废水排放量来代表当地的环境规制强度。

数据说明

本文选取2000-2017年中国30个省、市、自治区（西藏除外）的数据为研究对象，交通碳排放量计算中所需的能源消耗数据以及能源强度相关数据均来源于《中国能源统计年鉴》。城镇化率、政府治理以及中介变量和控制变量的相关数据来源于《中国统计年鉴》、《中国环境统计年鉴》以及《中国人口和就业统计年鉴》。

城镇化对交通碳排放的影响机制检验

基本回归结果

描述性统计分析

表1 报告了主要变量的描述性统计结果。从表中我们发现交通碳排放量值的标准差较大。城镇化率的中位数以及均值逼近0.5，最大值达到了0.908。各变量的样本均值和样本中位数相差不大，并不存在明显的偏态分布。

基本回归结果

城镇化对交通碳排放的影响检验结果汇报在表2中，表2的第（1）列中显示城镇化系数在1%的水平上显著为正，说明城镇化的发展正向影响了交通碳排放的产生，印证了假说1 。

城镇化影响交通碳排放的中介机制检验

为进一步验证假说2，继续估计（2）（3）两式构成的多重中介效应模型，相关参数估计结果汇报在表2中。

具体而言，从表中第（5）列可以看出，城镇化系数在5%的水平上显著为正，且相较于第（1）列的基准回归，城镇化的回归系数减小，对于交通碳排放的影响有一部分是由中介变量所承担，部分中介效应成立。

从表2中可以看出，城镇化的回归系数显著为正，城镇化显著的促进了人力资本的发展；人力资本系数显著为负，说明我国现阶段城镇化进程中人口集聚效应形成，城镇化发展可以通过加速人力资本的积累而达到抑制交通碳排放的效果；产业结构指标的回归系数为正；城镇化在1%的水平上显著的促进了经济发展，但城镇化带来的经济发展使得城镇基础设施增多，私人汽车保有量上升，造成交通碳排放压力。城镇化显著的提升了社会资本积累，但由于我国城镇化现阶段社会资本发展不足，还未能产生抑制交通碳排放的效果。

结论与政策建议

本文利用2000-2017年中国30个省市自治区的面板数据，基于IPCC自上而下的方法具体测算了样本期间内各地区的交通碳排放量，实证分析了城镇化对交通碳排放的影响以及其背后的传导机制。实证结果表明：在样本期间内，城镇化的发展对交通碳排放有显著的正向影响；人力资本、产业结构、经济发展以及社会资本是城镇化影响交通碳排放的四个重要的传导渠道，具体而言，城镇化可以通过人力资本以及产业结构两方面来抑制交通碳排放，而现阶段城镇化的产业结构发展方向以及经济快速增长会加重交通碳排放压力，此外由于我国现阶段的社会资本发展不足，还未能达到抑制碳排放的效果。上述结论蕴含的政策含义包括以下内容：

积极推进“以人为本”的新型城镇化发展道路，发挥集聚效应所带来的人口红利，减轻交通碳排放压力；积极调整并优化区域内产业结构，促进交通行业低碳绿色转型；提高经济发展质量、协调好城镇化与经济发展之间的关系，使得城镇化和经济发展水平同环境交通碳排放承载力相适应；继续加强社会资本积累，加大居民环保低碳理念推广，推进社会资本在适度的水平发挥促进交通行业碳减排的作用。

参考文献：

安虎森.空间经济学[M]. 北京：经济科学出版社， 2005.

孙岩，张昱，刘学敏.北京市交通碳排放的驱动因素分析——基于城市发展视角[J].城市与环境研究，2020（1）：81-95.

范育洁，曲建升，张洪芬等.西北五省区交通碳排放现状及影响因素研究[J].生态经济，2019，35（9）：32-37，67.

LIN B，BENJAMIN N I.Influencing factors on carbon emissions in China transport industry：a new evidence from quantile regression analysis[J].Journal of cleaner production，2017（150）：175-187.

KHAN K.Urbanization and carbon emission： causality evidence from the new industrialized economies[J].Environment，development and sustainability， 2020，22（8）：7193-7213.

王泳璇，朱娜，李锋等.人口迁移视角下城镇化对典型领域碳排放驱动效应研究——以辽宁省为例[J].环境科学学报，2021，41（7）：2951-2958.

徐昔保，陈爽，杨桂山.长三角地区城市居民出行交通碳排放特征與影响机理[J].长江流域资源与环境，2014，23（8）：1064-1071.

童抗抗，马克明.居住-就业距离对交通碳排放的影响[J].生态学报，2012，32（10）：2975-2984.

Chenery， H. Structural Change and Development Policy[M].Oxford：Oxford University Press，1979.

孙叶飞，周敏.中国城镇化、产业结构高级化对CO2排放的影响——基于独立效应和联动效应双重视角[J].资源科学，2016，38（10）：1846-1860.

王芳，田明华，秦国伟.新型城镇化与产业结构升级耦合、协调和优化[J].华东经济管理，2020，34（3）：59-68.

蒋自然，金环环，王成金等.长江经济带交通碳排放测度及其效率格局（1985～2016年）[J].环境科学，2020，41（6）：2972-2980.

王靖添，马晓明.中国交通运输碳排放影响因素研究——基于双层次计量模型分析[J].北京大学学报（自然科学版），2021，57（6）：1133-1142.

刘俊伶，孙一赫，王克等.中国交通部门中长期低碳发展路径研究[J].气候变化研究进展，2018，14（5）：513-521.

王宇飞，李惠民，齐晔.交通出行需求对碳排放的影响及贡献[J].生态经济，2016，32（9）：32-35.

周阳敏， 李硕， 轩会永. 新型城镇化的社会资本效应研究[J].四川理工学院学报（社会科学版），2013，28（5）：1-7.

李东泉.新型城镇化进程中社区治理促进市民化目标实现的条件、机制与路径[J].同济大学学报（社会科学版），2021，32（03）：82-91.

祁毓， 卢洪友.社会资本、制度环境与环境治理绩效——来自中国地级及以上城市的经验证据[J].中国人口·资源与环境， 2015，25（12）：45-52.

温忠麟.张雷，侯杰泰，刘红云.中介效应检验程序及其应用[J].心理学报，2004（05）：614-620.

柳士顺，凌文辁.多重中介模型及其应用[J].心理科学，2009，32（02）：433-435+407.

叶宝娟，温忠麟.有中介的调节模型检验方法：甄别和整合[J].心理学报，2013，45（9）：1050-1060.

谢守红，蔡海亚，夏刚祥.中国交通运输业碳排放的测算及影响因素[J].干旱区资源与环境，2016，30（5）：13-18.

庄颖，夏斌.广东省交通碳排放核算及影响因素分析[J].环境科学研究，2017，30（7）：1154-1162.

周银香.交通碳排放与行业经济发展脱钩及耦合关系研究——基于Tapio脱钩模型和协整理论[J].经济问题探索，2016（6）：41-48.

王鹏飞，夏杰长，王俊彦.时间配置视角下的新人力资本理论：演进与展望[J/OL].山东财经大学学报，2022（3）：1-10.