EN中文

Economic geography >

2019 , Vol. 39 >Issue 12: 21 - 30

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.12.003

Vehicle Structure and Eco-Efficiency：Based on the Dynamic Spatial Durbin Model

  • LIN Shushen , 1 ,
  • LUO Nengsheng , ※, 1, 2 ,
  • YANG Jun 2
Expand
  • 1. College of Economics and Trade，Hunan University，Changsha 410079，Hunan，China
  • 2. College of Management，Xinxiang University，Xinxiang 453003，Henan，China

Received date: 2019-04-15

  Revised date: 2019-09-04

  Online published: 2025-04-18

Fold

Abstract

This paper adopts super-efficiency SBM model to calculate the regional eco-efficiency value of 30 provinces in China from 2004 to 2015, and then test the impact of vehicle structure on eco-efficiency based on dynamic spatial Durbin model. The study shows that the passenger traffic structure represented by the proportion of public transport significantly reduces the eco-efficiency of local province and neighboring provinces, but with the further improvement of the structure, this inhibitory effect will gradually weaken and finally become a promoting effect. The influence of freight transport structure represented by highway transportation proportion on eco-efficiency depends on local economic development degree and urbanization level. Grouping comparison shows that in developed eastern provinces, freight transport structure shows negative externality effect on eco- efficiency, and the higher the urbanization level, the stronger the negative effect. However, in less developed provinces in central and western China, the freight transport structure improves the eco-efficiency of neighboring provinces, and the improvement of urbanization level will expand this positive effect. Therefore, it is necessary for the central government to implement ecological performance assessment and guide local governments to accelerate the development of public transportation. Meanwhile, it is necessary to implement differentiated management for different regions and promote the coordinated development of regional economy and ecological environment by improving regional vehicle structure.

Key words： passenger traffic structure; freight transport structure; regional eco-efficiency; dynamic spatial Durbin model

Cite this article

LIN Shushen , LUO Nengsheng , YANG Jun . Vehicle Structure and Eco-Efficiency：Based on the Dynamic Spatial Durbin Model[J]. Economic geography, 2019 , 39(12) : 21 -30 . DOI: 10.15957/j.cnki.jjdl.2019.12.003

改革开放40年来，中国经济飞速发展，汽车部门作为交通运输业的重要组成部分，也进入了高速增长阶段。我国城市化水平与人们生活水平的不断提高，使得人们对车辆的需求不断增加，越来越多的人成为了有车一族。据公安部统计，截至2017年底，全国汽车保有量达2.17亿辆，其中载客汽车1.85亿辆，载货汽车2 341万辆，均为历史最高水平。然而，快速发展的汽车产业也加速了交通拥堵并带来了巨大的能源消耗，引发了环境污染。汽车在行驶过程中（通过燃烧化石燃料）大量产生的硫氧化物、氮氧化物、重金属粒子等，是形成雾霾的重要原因[13]。如果能有效降低汽车在行驶过程中的燃料消耗，将会显著改善环境质量。然而，公安部交管局的数据显示，2017年全国新能源汽车保有量为153万辆，仅占汽车总量的0.7%。现有条件下，汽车技术变革对环境的作用还不太显著，那么改变交通模式，调整交通结构就将显得更为重要。无论是随着城市化发展而不断发展的能承载更多乘客的城市公共交通系统，还是伴随着铁路、航空等网络的完善而不断发展的铁路、航空等其他运输方式，都能以更低的能源消费完成经济活动，缓解污染给环境带来的压力。但是，环境保护的实质并非是孤立地看待环境问题，而应该统筹经济与环境的关系，使经济可持续地发展。党的十九大报告也指出，中国经济已由高速增长阶段转向高质量增长阶段。高质量增长不仅意味着减少污染排放，也意味着要改善产品质量，提高生产效率。因此，本文选择能同时反映经济与生态环境状况的“生态效率”作为研究对象，试图探究交通结构与生态效率的内在关联机理，以期望从中寻找促进经济高质量发展的交通结构调整方向，为经济、环境二者的协调发展提供可供参考的政策建议。

1 文献综述

目前国内外学者对交通结构与生态效率之间的关系尚未进行系统的研究，但从其作用机理分析，交通结构对生态效率的影响主要通过经济与环境两条路径得以实现。
从以往的文献来看，交通结构与经济增长的关系未得到有效的重视，大多数研究者都是从交通发展的角度研究交通与经济的关系。一方面，经济的快速发展在使人们收入水平显著提高的同时，也必然会增加汽车保有量和提高人们对交通运输的需求。Dargay等利用1960—2002年45个国家（或地区）的面板数据进行实证检验，发现人均收入与汽车拥有量增长率之间呈倒U型关系[1]。EEA通过对27个欧盟国家的样本数据进行分析，发现人们的社会经济活动往往需要以交通运输作为媒介，经济增长带来的旅游、医疗、教育等方面需求的快速增长与交通运输活动之间有着显著的正向关系[2]。穆献中等的研究也表明，客货运量和客货运周转量的增加与GDP增长之间存在明显的相关性[14]。另一方面，经济增长也带来了更好的交通基础设施建设，提高了区域之间交通的可达性，并使其进一步反作用于经济增长。刘海隆等运用GIS空间分析方法研究了新疆的交通可达性对区域经济的影响，发现交通可达性的水平决定了投资对经济的作用方向，且交通可达性波动与经济波动在一定经济发展阶段里同步变化[15]。陈博文等采用可达性的多种概念，运用空间计量的方法研究了江苏交通与区域发展的关系，发现江苏“十一五”期间交通建设虽没有对经济带来显著影响，但却改善了城镇发展环境，且对之后的经济发展带来持续积极影响[16]。于江霞分析1996—2011年中国整体与四大经济带的公路交通与区域经济发展之间的空间差异后，发现公路交通空间差异与区域经济空间差异显著正相关，加强公路交通发展的区域均衡性能降低区域经济发展的空间差异[17]。周耀东等以北京轨道交通为样本进行研究，发现轨道交通可以通过改善可达性引起人口集聚，提升土地价值，带动地区的经济发展[18]。
在交通结构与环境的关系的研究方面，交通行业带来了能源消耗与污染排放基本上已经成为一种共识，相关方向的学者往往都是将环境作为约束，在此条件下考察交通结构的优化问题。陆化普等通过构建碳排放与能源消耗双重约束的模型探究了城市交通结构优化问题，并基于模型对大连市的现有交通模式进行了测度[19]。Zhang等将旅行费用、拥堵程度、交通排放等限制目标转化为满足函数，构建了公共交通结构优化模型，并测度了上海的交通模式，发现提高公共交通出行比例能在不降低其他目标满意度的条件下显著降低城市交通碳排放[3]。毛霖等考察了电动自行车对城市交通结构的影响，并将模型运用于石家庄市，发现在考虑到城市道路容量等约束条件后，电动自行车能有效分担出行需要，通过改变交通结构来减少污染排放[21]。魏庆奇等的研究则表明我国现有交通结构从整体上促进了交通碳排放，优化交通运输结构能有效改善交通运输减排[22]。
综合来看，目前学界对于交通问题已经有了较为丰富的研究，但在以下两个方面仍有待完善：第一，对交通结构的研究，现仍主要集中在环境方面，少有学者讨论交通结构对于经济增长的作用；第二，已有研究或讨论交通与经济的关系，或考察交通与环境的关系，但在交通、环境与经济的协调发展问题上缺少探讨。鉴于此，本文使用能同时考量经济与环境的“生态效率”为评价指标，并将交通结构分为交通货运结构与交通客运结构两个方向，基于动态空间面板模型对交通结构与生态效率之间的关系进行实证研究。

2 交通结构影响生态效率的理论机制

本小节将从交通运输与交通出行两个角度描述交通结构与生态效率之间的作用机制。我们将前者表述为交通货运结构，用以对应企业在生产经营活动中对交通的使用；将后者表述为交通客运结构，用以对应人们在日常社会活动中对交通的使用。

2.1 交通货运结构与生态效率

交通货运结构对生态效率的影响主要通过经济与环境两方面的传导机制来实现：一方面，不同交通运输模式能源强度差异巨大。公路运输能源强度高达0.5959 t c e/万t·km，其在数值上远高于铁路运输的0.0995 t c e/万t·km和水路运输的0.0540 t c e/万t·km[22]，因此，交通运输工具的构成会显著地影响交通运输行业的整体能耗[4]。而交通运输的污染物排放，其中以碳排放为代表，其排放强度又主要依赖于能源强度，受引擎、燃烧技术的因素影响较小[22]，故交通货运结构的变化会通过影响能源强度的变化对交通运输的污染排放带来巨大影响。另一方面，交通运输虽然在整体上通过加快要素流动，促进了市场一体化，对区域经济增长产生了推动作用，但不同交通运输工具的运输效率却有所差异。公路运输有发达的公路网络，在时空、货运重量等方面具有灵活性，因而其在短途运输上的效率和成本一般优于其他运输方式；铁路与水路运输则由于能承载较大的运输重量且能耗较低，因而在长途运输中往往具有更高的效率和更低的成本。交通货运结构的变化能通过调整运输效率和运输成本对经济增长产生不同影响。
从上述两方面的作用机制和我国区域经济发展现状来看，我国建设了大量企业园区，不少企业在地理距离上都相距不远，地理邻近便利了企业间的信息传递，降低了企业成本，公路运输在短距离运输上具有的优势使得提高公路运输比例往往能更好地推动经济增长。然而，公路运输能耗较高，提高公路运输比例会对环境产生更大的污染。正向影响和负向冲击的双重作用使得交通货运结构的调整对生态效率的总体影响方向并不明确，而本文则是试图通过进行实证研究回答这一问题。

2.2 交通客运结构①与生态效率

出行是人们日常最为常见的社会活动，人们借助于交通工具，可以进行空间上的转移与人际间的互动。人们在出行上对交通工具的依赖带动了交通行业的高速发展，并凭借交通业广阔的产业链条，对其他行业产生了推动作用。交通出行对于经济的作用是显而易见的。但与此同时，人们出行所依赖的交通工具会消耗大量的燃料能源。人们收入水平的不断提高也加速了人们对于交通的使用，带来了拥堵问题。政府间气候变化委员会（IPCC）曾在2006年国家温室气体清单指南中指出，私家车行驶速度越慢，其耗油量越高，几乎为正常行驶速度的两倍[23]。能源消耗与污染排放之间的相关关系使得交通出行对环境也产生了巨大的影响。
交通客运结构的影响在经济方面主要表现为不同交通出行工具在实现经济活动上的时间效率差异和对产业促进作用的强度差异。公共汽车与轨道交通由于是按站停靠与行驶，且在大多情况下不能实现直达，因此在交通运行通畅时，私人汽车往往能减少更多出行时间，提高时间利用效率。同时，人们收入水平的提高带来私家车的使用需求，加快了汽车产业的发展。从我国现状来看，对比于私人交通，公共交通对经济带来的作用较小，过去十年间，我国汽车产业占GDP的比重从3.4%稳步提升至4%~4.5%，这与私人汽车数量的增长密不可分。交通客运结构在环境方面的影响则主要表现在不同交通出行工具的能源消耗量上。根据美国化学协会1991年提供的数据进行计算，在满载条件下，小汽车的人均能耗是轨道交通与公共汽车的4.5倍[19]。私人汽车数量高速增长带来的交通拥堵问题也加剧了私家车的能源消耗。因此，提高私人交通比例必然会加速燃料能源的使用，对环境造成更大的破坏。而提高公共交通运行效率则能有效降低汽车能源消费，减少环境污染[20]。但根据上述作用机制，我们也暂时无法对交通客运结构如何影响生态效率做出合理假设，仍需要依赖后续的实证研究来得出结论。

3 数据说明与模型构建

3.1 变量选取及数据描述

3.1.1 被解释变量

本文的被解释变量为生态效率。生态效率是用来描述“以较少的资源消耗和环境污染，生产具有竞争力的产品和服务以满足人类需要和改善生活”[5]的指标，是一种考虑了资源、环境约束的生产效率。现有的大多数文献对生态效率的测度都采用的是数据包络分析（DEA）方法，以解决多种投入、产出指标单位不一致的问题。运用DEA方法测算生态效率的关键在于考虑环境污染这种“非合意产出”。Fare等最早提出了“非合意要素”的DEA模型，并将环境污染视为一种非合意要素纳入DEA模型以测算生态效率[6]。Tone则在此基础上改进并提出了SBM模型，以解决投入和产出要素的松弛性问题[7]。但SBM模型和传统的DEA模型一样，当多个决策单元（DMU）的效率值为1时，无法进一步对此进行更精细的区分，因此Tone进一步改进并提出了超效率SBM模型[8]，该模型允许DMU的效率值超过1，并能对多个处于前沿面最优的单元进行区分和排序。此外，由于非合意产出在指标构建中的特点是“越小越好”，Korhonen等选择直接将非合意产出作为DEA模型中的投入项来计算生态效率[9]。综合上述文献，本文将选择运用超效率SBM模型，并将代表非合意产出的污染指标作为投入项纳入模型中以测度省域生态效率。
考虑到解释变量和控制变量数据可得性的限制，为使被解释变量能在时间长度上与前者一致，本文选取了2004—2015年除西藏和港澳台地区以外的30个省市作为研究对象。生态效率的投入与产出指标选取如下：投入指标依次选取就业人员数，资本存量，建成区面积，用水总量，能源消费总量，废水排放量、SO2排放量、烟（粉）尘排放量和固体废弃物排放量以分别衡量劳动投入、资本投入、土地投入、水资源投入、能源投入和环境污染程度，产出指标则选用地区GDP总值表示。其中GDP总值换算为2000年不变价，资本存量指标参考单豪杰[24]的估计方法并展期更新至2015年。本小节所有数据皆来源于各省市统计年鉴、《中国能源统计年鉴》和《中国环境统计年鉴》。

3.1.2 核心解释变量

①交通结构的指标选取说明。本文的核心解释变量为交通结构，用这一变量来刻画不同交通工具的使用强度。由于不同交通模式对应着不同的经济活动，本文进一步对此进行分类，选择用交通货运结构来匹配企业生产经营活动，以交通货物运输为依据；用交通客运结构匹配人们日常工作、医疗、教育等社会活动，以交通出行活动为依据。交通客运结构 f s具体计算公式如式（1）：
f s = h v i / t v i
式中： h v i表示i省份的公路运输货运量； t v i表示i省份的总货运量。
交通客运结构由于缺少私人交通客运量这一数据而选择用公共车辆占比（ t s）、公众乘车偏好（ t p）和两者的交互项3个变量共同刻画。公共车辆占比公式如式（2）所示：
t s = p t i / c t i
式中： p t i表示i省份的公共交通车辆数； c t i表示i省份的总车辆数。由于本文的交通客运仅包括狭义的公共交通与私人交通，故 p t实际上仅包含公共汽、电车与轨道交通， c t仅包括私人汽车与狭义公共交通车辆。同时，为了使两种交通工具具有可比性，本文将私人汽车数按照《中国交通运输统计年鉴》中提供的系数折算为标准运营车数。
我们试图用公众乘车偏好来描述地区居民使用公共交通的频率，其计算公式如式（3）：
t p = l n p t v i c p i
式中： p t v i表示i省份公共交通客运量； c p i表示i省份的城镇人口。这里选用城镇人口是考虑到公共交通的运行范围绝大部分位于城镇，使用地区总人口可能会缩小这一数值。
选用这3个变量来描述交通客运结构的逻辑在于：当控制乘车偏好不变时，提高公共车辆比重表明有更多公共交通供市民使用；当公共车辆占比不变时，提高乘车偏好表明人们出行时更偏好使用公共交通。这两种情况都会使得公共交通出行比重得到提高。
②交通结构的时空变化及区域差异。为了能更好地描述交通结构的变化特征，本文基于2004—2015年的公共车辆占比、公众乘车偏好与公路运输占比均值绘制了全国平均及东、中、西三大区域的交通结构变化折线图，结果如图1、图2与图3所示。一方面，从交通客运结构的时间趋势来看，我国公共车辆占比在12年间持续下降。经济增长使得私人车辆数量激增，而政府对公共交通体系投入明显不足，最终引致了这一现状。公众乘车偏好整体上保持着较为平稳的上升趋势，但在2008年出现了极大值。这一趋势在一定程度上与人们在出行上具有节约意识和城市公共交通网络的不断建设与完善相关。2008年出现的极大值则是在金融危机的影响下，人们选择减少出行开支并转向使用较为廉价的公共交通导致的。从交通货运结构的时间趋势来看，我国公路运输占比仍保持着较为明显的上升，这表明我国的运输目前仍需依赖拥有发达网络的公路运输模式。
图1 2004—2015年公共车辆占比变化趋势

Fig.1 The change trend of the proportion of public vehicles in 2004-2015

图2 2004—2015年公众乘车偏好变化趋势

Fig.2 The change trend of public transportation preference in 2004-2015

图3 2004—2015年公路运输占比变化趋势

Fig.3 The change trend of road transportation proportion in 2004-2015

另一方面，从交通结构的空间差异上看，三大地区的变化趋势基本保持一致，但在数值上却保有较大差异。交通客运结构方面，从公共车辆占比的角度看，在2010年以前，东部地区的公共车辆占比低于全国水平，中、西部地区则高于平均值，且中部处于领先位置；在2010年以后，东部地区的公共车辆占比开始高于全国平均值，并取代中部地区占据领先位置，而中西部已经低于全国水平。从公众乘车偏好角度看，三大地区表现出东部最高、西部次之、中部最低的趋势。交通货运结构方面，西部公路交通运输占比最高，且显著高于全国平均值，东部在三大地区中则处于低位。
上述现象可由我国区域经济发展模式与状况得以解释。东部相较于中西部而言有更好的经济水平，私人交通数量增长更快，公共交通基础设施与城市交通网络也发展得更为完善，这就使得私人车辆占比与公众使用公共交通的偏好表现出较高的数值。而2009年末伴随着世界气候大会的召开，环境保护受到重视，具有更好经济基础的东部最先转变了发展模式，优先发展公共交通，故东部的公共车辆占比降速放缓并相对于其他地区有了更大的改善。与此相对，中西部经济相对落后，其仍以提高经济总量为主要目标，对城市公共交通等在经济上提升作用不太显著的行业投入较少，这就带来了公共车辆占比的持续下降。而在公共交通基础设施不足的背景下，中部地区相对于西部经济更为发达，人均收入更高，人们在出行上就会更偏向于选择私人交通，故表现出中部的公众出行偏好位于全国末端的情况。在运输模式选择上，东部地区在铁路、水路方面有较为完善的线路网络，且对货运量有更大需求，公路运输在承载重量上的限制使得东部地区在运输上会倾向于选用其他运输模式，故降低了公路运输的比例。西部地区缺少铁路、水路运输网络，且西部企业规模较小，便捷的公路运输就能满足大多数企业的生产需求，因而其公路运输比例相对更高。

3.1.3 控制变量

从现有研究来看，影响生态效率的因素较多[25-26]，综合多篇文献，本文选取的控制变量主要包括：①产业结构（ i s）：以第三产业增加值占GDP的比重来刻画；②投资开放度（ f d i）：以外商直接投资额占GDP的比重来表示；③贸易开放度（ t r a d e）：以各地区进出口总额占GDP的比重来衡量；④城镇化水平（ c i t y）：选用城镇人口占地区总人口的比例度量；⑤交通基础设施（ t i）：现有文献对如何刻画交通基础设施还未有一个统一的指标，本文借鉴张勋等[27]人的思路，选用公路面积与区域面积之比表示；⑥环保意识（ p e y）：用各地区劳动人口人均受教育年限表示；⑦技术进步（ t e c）：用各省市专利申请授权数的对数值度量；⑧环境规制（ r e g）：借鉴韩永辉等[26]人的做法，选用排污费收入占GDP的比重来衡量。以上两节的数据皆来源于《中国交通运输统计年鉴》和各省市统计年鉴。

3.2 模型选择依据

在设定空间计量模型时，空间权重矩阵的选择至关重要。①考虑到经济增长和环境污染的溢出效应强度往往与省域间的地理位置相关，在借鉴以往文献的基础上，本文选择构建反地理距离矩阵 W 1和地理邻近矩阵 W 2作为空间权重矩阵。其设定原则如下。
反地理距离矩阵：
W 1 = 1 d i j 2   ,   i ≠ j 0 ,   i = j
式中： d i j 2表示区域i与区域j之间地理距离的平方。
地理邻近矩阵：
W 2 = 1 ,   i ≠ j 且 区 域 i 与 区 域 j 相 邻 0 ,   区 域 i 与 区 域 j 不 相 邻 或 i = j
目前常用的空间计量模型主要包括空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）。其中，SLM模型主要考虑相邻地区被解释变量之间的空间依赖性，常用于研究某地区的被解释变量对整个系统中其他地区被解释变量产生的影响；SEM模型更侧重考虑扰动项之间的空间依赖性，常用于研究如非正式制度、气候等难以被包含进解释变量的因素对其它地区被解释变量产生的影响；SEM模型则是上述两种模型的一般形式，包含了两种模型的特点。但SEM模型并非因此成为空间计量模型的最优形式，本文借鉴ELhorst[10]“从具体到一般”和“从一般到具体”的检验思路，先进行LM和[Robust LM]检验，再进行Wald检验和LR检验来在3个模型之间进行选择。一般的，当LM-lag和LM-error仅有一个通过显著性检验时，将直接在SLM和SEM模型两者间进行选择；若两者都通过显著性检验，则检验Robust LM-lag和Robust LM-error值。当四者都通过显著性检验，进一步进行[LR]检验和Wald检验进行最终判断。表2汇报了空间诊断结果。
从表1左侧可以看出，模型的LM值和Robust LM值在5%的显著性水平下都通过了检验，这表明模型同时具有SLM模型和SEM模型的特征。在两种模型均无法被拒绝的情况下，本文进一步进行了LR检验和Wald检验，检验结果依旧显著，因而认定SDM模型无法退化成SLM模型或SEM模型，选用SDM模型能最好地拟合数据。同时，根据联合显著性检验结果，模型显著的存在时间和空间双向固定效应，因而选用时间空间双固定效应将更为有效。
表1 空间面板模型的适用性检验

Tab.1 Applicability test of space panel model

检验统计量 统计值
L M - l a g 16.7852***（0.000）
R o b u s t   L M - l a g 12.3069***（0.000）
L M - e r r o r 9.1465***（0.002）
R o b u s t   L M - e r r o r 4.6682**（0.031）
空间固定效应 L R - t e s t 539.7389***（0.000）
W a l d - s p a t i a l   l a g 94.7235***（0.000）
L R - s p a t i a l   l a g 83.3326***（0.000）
W a l d - s p a t i a l   e r r o r 100.6470***（0.000）
L R - s p a t i a l   e r r o r 86.6533***（0.000）
时间固定效应 L R - t e s t 66.6360***（0.000）
综合上述检验和Hausman检验结果，本文将选用时间与空间双固定效应空间杜宾模型进行数据拟合分析。同时在参考罗能生等[28]的结论后，加入生态效率的时间滞后项以考虑其存在的“时间惯性”。最终构建的空间计量模型为：
模型1：
E E i t = γ E E i t - 1 + α 1 t s + α 2 t p + α 3 t s × t p + τ Z 1 , i t + θ W α 1 t s + α 2 t p + α 3 t s × t p + τ Z 1 , i t + φ W E E i t + δ i t + μ i t + ε i t
模型2：
E E i t = γ E E i t - 1 + α 1 f s + τ Z 2 , i t + θ W α 1 f s + τ Z 2 , i t + φ W E E i t + δ i t + μ i t + ε i t
模型3：
E E i t = γ E E i t - 1 + α 1 f s + α 2 c i t y + α 3 f s × c i t y + τ Z 2 , i t + θ W α 1 f s + α 2 c i t y + α 3 f s × c i t y + τ Z 2 , i t + φ W E E i t + δ i t + μ i t + ε i t
式中： E E i t - 1表示生态效率的时间滞后项； Z i t表示模型中的控制变量。模型1与模型2中控制变量分别表示为 Z 1 , i t和 Z 2 , i t是考虑到环境规制 p e y主要对企业活动具有较强约束，对居民日常出行活动的影响力较小，因而在模型1中并未将环境规制纳入控制变量中。

4 实证分析

4.1 交通结构与生态效率回归结果

基于模型1与模型2，使用2004—2015年中国30个省市的面板数据进行估计，结果见表2，本文将反地理距离矩阵作为回归的基准结果，地理邻近矩阵结果作为稳健性检验结果。
表2 交通结构与生态效率的实证结果

Tab.2 Empirical results of the impact of vehicle structure on eco-efficiency

交通客运结构 交通货运结构 交互影响
地理距离矩阵（W1） 地理邻近矩阵（W2） 地理距离矩阵（W1） 地理邻近矩阵（W2） 地理距离矩阵（W1） 地理邻近矩阵（W2）
L . E E 0.6698***（0.047） 0.7660***（0.047） 0.6613***（0.046） 0.7451***（0.047） 0.6816***（0.046） 0.7529***（0.046）
t s -0.0415**（0.017） -0.0379**（0.018）
t p -0.0274**（0.015） -0.0322**（0.016）
t s · t p 0.0072**（0.004） 0.0069*（0.004）
f s 0.0003（0.001） 0.0005（0.001） 0.0015（0.002） 0.0021（0.002）
c i t y -0.5204***（0.191） -0.6641***（0.207） -0.4323**（0.193） -0.5769***（0.199） -0.4862（0.327） -0.4479（0.336）
f s · c i t y -0.0013（0.004） -0.0023（0.004）
W · t s -0.1177**（0.059） -0.0803*（0.045）
W · t p -0.0857（0.054） -0.0734*（0.039）
W · t s · t p 0.0215*（0.012） 0.0173*（0.009）
W · f s -0.0014（0.001） 0.0004（0.001） 0.0223***（0.007） 0.0132***（0.004）
W · c i t y 0.2241（0.502） 0.1189（0.440） 2.5480***（0.800） 1.4683**（0.637）
W · f s · c i t y -0.0414***（0.011） -0.0248***（0.008）
控制变量 yes yes yes yes yes yes
ρ 0.3411***（0.091） 0.3318***（0.074） 0.3531***（0.092） 0.3055***（0.073） 0.3693***（0.091） 0.2974***（0.073）

注：***、**和*分别表示在1%、5%和10%的统计水平上显著，括号内为标准误，下同。

①生态效率的时空特征。两种模型下被解释变量的空间滞后系数在1%的显著性水平下都显著为正，这说明中国各省市的生态效率存在着显著的正向空间溢出效应，表现出“高高—低低”的空间特征。另一方面，两种模型下被解释变量的时间滞后系数也在1%的显著性水平下显著为正，这进一步证实了罗能生等[28]提出的生态效率的“时间惯性”假说，表明了我国经济与环境问题在时间上存在的连续性。
②交通客运结构对生态效率的影响。从回归结果来看，公共车辆占比 β 1与公众乘车偏好 β 2显著小于0，但交通客运结构实际上由一组变量综合考量，直接观察变量系数并无法做出合理判断，因此本文选择对交互项中各变量求取偏效应系数进行分析。在控制变量保持不变的条件下，求得公众乘车偏好和公共车辆占比对生态效率的偏效应分别为： ∂ E E / ∂ t p = α 2 + α 3 × t s与 ∂ E E / ∂ t s = α 1 + α 3 × t p。将各变量实际平均值和回归系数代入式中，得到乘车偏好和公共车辆占比的偏效应估计值为-0.0072与-0.0086。从上述结果中可以看出，现阶段，我国交通客运结构与生态效率之间存在显著的负向关系，然而 α 3 0 ,故随着等式中公共车辆占比 t s和乘车偏好 t p的不断提高，偏效应系数的符号将逐渐转正，交通客运结构将带来促进作用。根据前文的理论机制分析，上述结论可由以下逻辑得以解释：交通客运结构较低时，低占比的公共交通对环境的影响极为有限，远小于对经济的抑制作用，故对生态效率表现出负向影响；但随着交通客运结构的不断提高，其在改善交通拥堵中的作用将越来越明显并逐渐大于对经济产生的抑制作用，此时就会对生态效率表现出正向影响。
通过观察历史数据发现，时间维度上，公共车辆占比在样本期内对生态效率的偏效应系数始终小于0，但数值在不断减小；公众乘车偏好对生态效率的系数值在2004—2006年显著大于0，2006年之后，这一系数转为负并逐渐增大。空间维度上，30个省市中，仅北京市在2004年实现了公共车辆占比与公众乘车偏好的偏效应系数都大于0。交通客运结构对生态效率表现出正向影响需要公共车辆占比与公众乘车偏好之间相互匹配，两者间任何一者对生态效率产生负向作用都会影响交通客运结构与生态效率之间的关系。因此，上述结果实际上表明，近年来交通客运结构使生态效率不断恶化部分应归因于公共车辆占比不断降低致使车辆结构失衡，减弱了公共交通对交通污染减排的作用。同时，公众乘车偏好也普遍偏低，还无法有效分摊公共交通车辆在缓解交通拥堵上的压力。
交通客运结构的空间滞后项在测算了偏效应之后，其结果也显著为负，这说明交通客运结构对生态效率的影响在地理空间中也具有较强的负向溢出效应，具体表现为样本期内，邻近省份的交通性质结构显著降低了本地区的生态效率。但这一抑制作用会随着ts与tp的提高而逐渐转向促进作用。
总的来说，现阶段，无论是交通客运结构还是其滞后项，都对生态效率表现出负影响，这说明目前我国各省市公共交通比例过低，在降低能耗和缓解交通拥堵上的作用不够显著，需要加快提高公共交通比例，以发挥其在改善生态效率中的积极作用。
③交通货运结构对生态效率的影响。在两种空间权重矩阵下，交通货运结构的系数和空间滞后项系数都不显著，其对生态效率的影响并不明显。产生这一现象的原因可能在于交通对环境与经济的影响是随经济发展程度而变化的。马丽梅等证明，经济越发达，交通对环境质量的影响越突出；经济越落后，能源结构对环境的影响则越显著[23]。我国各省份的经济发展程度严重不均，因而基于30个省份的空间回归就导致了不显著的结果。
为了探究这一解释的合理性，寻求交通货运结构影响生态效率的条件，本文构建了模型3，将交通货运结构与城镇化的交互项引入模型中。选择使用城镇化是考虑到城镇化是体现地方经济程度的一种综合指标，其不仅能反映地区的经济发展程度，也能表现出地区人口的集聚程度。从模型3的结果来看，在两种空间权重矩阵下，交通货运结构的空间滞后项系数在1%的显著性水平下通过了检验。在分别计算了偏效应 ∂ E E / ∂ f s = α 1 + α 3 × c i t y和 ∂ E E / ∂ c i t y = α 2 + α 3 × f s，并将各变量实际平均值和回归系数代入两式中后，求得数值分别为0.0012和-0.5961。通过结果可以看到，交通货运结构和城镇化对生态效率的影响更多体现在省份互动的维度，本省份公路运输比例的增加显著提高了其他省份的生态效率，但这一影响会随着城镇化水平的不断提高而转为负；城镇化的增加则显著降低其他省份的生态效率，且这一作用会受到地区交通货运结构的影响，公路运输比例较高的地区，城镇化对生态效率的抑制作用更为明显。
现有文献已经从多个角度论证了城镇化水平与经济增长之间的正向关系[29]，我国城镇化程度的提高，通过加快人口集聚与工业化发展带来了经济增长。根据马丽梅等人的结论[23]，经济水平不断提高，交通运输对环境质量影响会不断加强。公路运输作为一种污染程度较高的运输方式，城镇化发展带来地区经济水平的提高会增强其在降低环境质量上的影响力。同时，城镇化带来的人口规模扩张对交通运输，尤其是公路交通运输也产生了更大的需求，并引起交通能源消费的增长，导致了污染的增加[11]。两方面的共同作用最终导致了交通货运结构与生态效率之间的负相关关系。而这种相关关系表现为省份之间的互动则是由于公路运输的对象往往是其他邻近省份的企业，公路运输主要作用于要素输出，因而本省的交通货运结构会对周围省份产生更为显著的影响。但从交互项中两变量对生态效率的影响来看，城镇化在现有交通货运结构下对生态效率的影响方向显著区别于交通货运结构在现有城镇化水平的影响，这表明我国现阶段交通货运结构与城镇化之间并未合理的匹配，公路运输比例明显过高。因此，降低公路运输占比以改善交通货运结构，对生态效率才会产生更为明显的影响。

4.2 分区域的实证分析结果

我国国土面积广阔，东、中、西部地区的自然资源禀赋和经济发展水平存在明显差异。为了进一步探究生态效率与交通结构之间的关系在不同区域中的表现，本文构建三大区域的回归模型以进行分析。由于不同矩阵间的回归结果差异较小，本文仅选择报告地理距离型矩阵下的结果（表3）。
表3 区域分析实证结果

Tab.3 Empirical results of regional analysis

交通客运结构 交通货运结构 交互影响
东部 中部 西部 东部 中部 西部 东部 中部 西部
L . E E 1.1604***（0.108） 0.4863***（0.079） 0.5654***（0.079） 1.0788***（0.102） 0.5538***（0.081） 0.5820***（0.074） 0.8373***（0.102） 0.5496***（0.080） 0.4627***（0.072）
t s -0.1693**（0.072） 0.0592（0.070） -0.0389（0.042）
t p -0.0525（0.043） 0.0117（0.055） -0.0450（0.032）
t s * t p 0.0281*（0.015） -0.0152（0.016） 0.0061（0.008）
f s -0.0004
（0.002）		 0.0009
（0.001）		 0.0008
（0.001）		 0.0131*
（0.007）		 0.0029
（0.006）		 -0.0137***
（0.005）
c i t y 0.8460*
（0.473）		 0.6865**
（0.344）		 -1.6655**
（0.757）		 1.9681**
（0.863）		 0.9387
（0.883）		 -3.4040***
（0.939）
f s · c i t y -0.0228**
（0.011）		 -0.0042
（0.012）		 0.0299***
（0.010）
W · t s 0.1295
（0.160）		 0.0163
（0.181）		 -0.0826
（0.168）
W · t p 0.0856
（0.100）		 0.0007
（0.142）		 -0.0951
（0.108）
W · t s · t p -0.0342
（0.033）		 0.0007
（0.042）		 0.0205
（0.035）
W · f s -0.0074**
（0.004）		 0.0028**
（0.001）		 0.0034
（0.003）		 -0.0272
（0.020）		 0.0103
（0.014）		 0.0183
（0.019）
W · c i t y 0.8795
（1.010）		 2.0298***
（0.589）		 1.2058
（2.695）		 -0.8535
（2.075）		 3.0576
（1.962）		 4.3700
（3.803）
W · f s · c i t y 0.0247
（0.026）		 0.0154
（0.028）		 -0.0392
（0.045）
控制变量 yes yes yes yes yes yes yes yes yes
ρ 0.2315**
（0.100）		 0.0882
（0.159）		 0.4135**
（0.173）		 0.4442***
（0.101）		 0.5001***
（0.144）		 0.2941*
（0.172）		 0.3713***
（0.100）		 0.5136***
（0.144）		 0.3203*
（0.167）
①交通客运结构对生态效率的影响仅有东部地区通过了显著性检验，这说明公共交通出行占比对生态效率的影响仅在东部地区是普遍存在的，而这一关系在中西部地区表现并不明显。其原因可能在于交通出行影响生态效率的关键在于汽车使用量的快速增长与交通拥堵的不断恶化。中西部地区经济发展程度相对东部较为落后，地区人均收入水平不高，对私人交通的需求量较小，汽车及其相关产业发展的动力不强，这就导致公共交通占比影响不显著。同时，车辆数量的减少带来交通通行顺畅。根据《2017年度中国主要城市交通分析报告》可以看出，全国拥堵指数排名最高的前10个城市中，有6个位于东部地区。交通拥堵不频发，交通出行对环境的负面影响就会大大减小，因而提高公众乘车偏好缓解交通压力的作用就会降低，对生态效率的影响也会不明显。测算东部地区公共车辆占比的偏效应临界值，发现当公众乘车偏好达到6.036时，交通客运结构才会表现出正向作用，而这一数值大于整体层面的5.764。这从侧面表明东部地区的交通拥堵问题更为严重，需要更高的公共交通使用比例进行配合。这两种机制的作用，最终导致交通出行对生态效率的影响仅在东部地区明显。交通客运结构的空间溢出项未通过显著性检验，部分原因可能在于三大区域是呈条状分布，因而构建空间权重矩阵时会忽略中西部地区邻近省份的影响。
②东部与中部的交通货运结构的空间滞后项与生态效率之间存在显著相关关系，而这一关系在西部地区并不明显。同时，观察表中系数可知，这一关系在东部地区表现为负效应，在中部地区则表现为正效应。这一结果与全国层面的结果基本一致，也与马丽梅等的研究结论[23]相符。一方面，省际间的企业通过交通运输工具相互联系，故表现出交通运输结构在空间溢出项上的显著性。另一方面，交通对环境质量与经济的影响依赖于经济发展水平，东部地区经济发展程度高，公路运输对环境的污染更强，且东部地区经济总量与企业规模更大，公路运输一般无法满足货运需求，需要更高运力的火车或航运来提升经济效率，因而生态效率就表现出负向影响；中部地区经济发展相对落后，公路运输对环境污染的影响相对较小，且中部经济发展对运输要求相对较低，便捷的公路运输就能较好满足地区经济发展的需求，因而与生态效率之间表现出正相关关系；西部地区经济发展水平更低，能源结构代替交通成为带来环境污染的主要“元凶”，因而交通运输结构对生态效率的关系不显著。
本文也构建了交通货运结构与城镇化的交互项来进一步考虑交通货运结构影响的地域差异。从表3可知，在引入交互项后，交通货运结构对生态效率在不同区域间表现出明显差异。东部地区表现为城镇化的不断提高会降低交通货运结构对生态效率的促进作用，当城镇化率达到56.52%时，这一促进作用会转为抑制作用。西部地区则表现为城镇化提高会改善交通运输结构的抑制作用，当城镇化率达到46.67%时，这一抑制作用会转变为促进作用。西部特征区别于东部的原因主要在于西部经济条件落后，提高城镇化能带来人口集聚，加快基础设施建设，为企业提供更多劳动力和更为便利的生产条件。现有条件下，企业生产能力不足，通过公路交通运输发生的要素流动对经济的促进作用不明显，因而导致了对生态效率的抑制。全国层面结果不显著，在一定程度上是由于东西部交通货运结构的影响差异所导致的。

5 结论与建议

本文在运用超效率SBM模型对区域生态效率进行评价的基础上，通过构建动态空间杜宾模型分析并检验了交通结构对生态效率的影响。得出的主要结论和启示为：
第一，省际生态效率存在显著的正向溢出效应和时间滞后效应。生态效率较高的东部省份应该积极发挥其在生态文明建设中的示范作用与溢出效应，通过污染治理、发展清洁技术等手段加强与中西部地区的生态合作，努力实现区域间的生态共赢。同时，针对生态效率的“时间惯性”，各地区政府需要摒弃“唯GDP论”，注重经济绩效与生态绩效的协调统一，积极推动实施生态绩效考核机制以使地方政府在生态文明建设上保有长期的行政性动力，避免出现环境污染的反弹。
第二，各省市的交通客运结构在样本期内显著降低了当地及其他省份的生态效率，具有本地和外部双重负向效应，但这种效应会随着公共交通出行比例的提高逐渐转为正。交通客运结构不仅受到政策约束，也受到民众的自发选择的影响。为了能发挥公共交通出行对生态效率的积极作用，地方政府应制定城市发展的中长期布局规划，加快完善城市交通系统，提高公共交通，尤其是轨道交通在城市交通中的比例[12]；适时推行“限行”政策，降低交通拥堵区域和高峰时期的私人交通出行比例，减少拥堵带来的能源消耗与环境污染。与此同时，地方政府也应联合交通部门积极改善公共交通的服务质量，增加民众使用公共交通的满意度[3]。通过影响民众在交通出行工具上的自选择行为，使民众主动提高日常生活中使用公共交通的频率。
第三，交通货运结构影响生态效率主要取决于地区经济发展程度，在东部经济发达地区，交通货运结构显著降低了其他省份的生态效率，突出表现为负外部效应；在中部经济欠发达地区，交通货运结构显著提高了其他省份的生态效率，突出表现为正外部效应；在西部经济落后地区，交通货运结构对生态效率则无明显影响。这就要求地方政府注重地区经济水平与地区交通运输模式的匹配，在经济欠发达与落后地区，加快建设与发展地区公路网络，为省际间的企业互动提供更好的交通运输平台，努力实现区域间的共同发展；在经济发达的东部地区，积极发展铁路、水路和航空网络，推动企业转变运输模式，使其能与企业的供需相契合，进而提高企业生产效率，降低企业成本。
第四，基于城镇化的维度，在经济相对发达的地区，城镇化程度较高，交通货运结构对生态效率的负面影响越强烈；而在经济落后地区，城镇化程度较高，交通货运结构对生态效率的正向影响越明显。这意味着，过去我国所积极推崇的城镇化建设伴随着经济水平的不断提高，对经济的绿色可持续发展带来了新的挑战。地方政府在统筹经济与生态的协调发展时，应该对城镇化进程保持理性的态度，重视地区之间的异质性差异，因地制宜地制定地方政策。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Dargay J, Gately D, Sommer M. Vehicle ownership and incomegrowth,worldwide:1960-2030[J]. Energy Journal, 2007, 28(4):143-170.

[2]
European Environment Agency(EEA). Beyond transport policy:exploring and managing the external drivers of transport demand,Illustrative case studies from Europe[J]. Eea Technical Report, 2008.

[3]
Zhang L, Long R, Chen H, et al. Analysis of an optimal publictransport structure under a carbon emission constraint:a case study in Shanghai,China[J]. Environ Sci Pollut Res Int, 2017, 25(1):1-12.

[4]
Eom J, Schipper L. Trends in passenger transport energy use inSouth Korea[J]. Energy Policy, 2010, 38(7):3 598-3 607.

[5]
Hinterberger F, Bamberger K, Manstein C, et al. Eco-efficiencyof regions:how to improve competitiveness and create jobs by reducing environmental pressure, government of Carinthia,Austrian Ministry of agriculture[R]. Forestry,Environment and Water,SERI, 2010.

[6]
Fare R, Grosskopf S, Lovell C A K, et al. Multilateral productiv-ity comparisons when some outputs are undesirable:a nonparametric approach[J]. Review of Economics & Statistics, 1989, 71(1):90-98.

[7]
Tone K. A slacks-based measure of efficiency in data envelop-ment analysis[J]. European Journal of Operational Research, 2001, 130(3):498-509.

[8]
Tone K. A slacks-based measure of super-efficiency in data en-velopment analysis[J]. European Journal of Operational Research, 2002, 143(1):32-41.

[9]
Korhonen P J, Luptacik M. Eco-efficiency analysis of powerplants:an extension of data envelopment analysis[J]. European Journal of Operational Research, 2004, 154(2):437-446.

[10]
Elhorst J P. Matlab software for spatial panels[J]. InternationalRegional Science Review, 2014, 37(3):389-405.

[11]
Rodrigue J P, C Comtois, B Slack. The geography of transport systems[J]. Journal of Urban Technology, 2009, 18(2):127-127.

[12]
Lin B, Du Z. Can urban rail transit curb automobile energyconsumption?[J]. Energy Policy, 2017, 105:120-127.

[13]
周峤. 雾霾天气的成因[J]. 中国人口·资源与环境, 2015, 25(S1):211-212.

[14]
穆献中, 龚飞鸿. 交通运输对国民经济的需求影响研究[J]. 数量经济技术经济研究, 2003(9):122-126.

[15]
刘海隆, 包安明, 陈曦, 等. 新疆交通可达性对区域经济的影响分析[J]. 地理学报, 2008(4):428-436.

[16]
陈博文, 陆玉麒, 柯文前, 等. 江苏交通可达性与区域经济发展水平关系测度——基于空间计量视角[J]. 地理研究, 2015, 34(12):2 283-2 294.

[17]
于江霞. 中国公路交通与经济发展空间差异及相关性分析[J]. 交通运输系统工程与信息, 2015, 15(1):11-16.

[18]
周耀东, 张佳仪. 城市轨道交通经济效应实证研究——以北京市为例[J]. 城市问题, 2013(10):58-62.

[19]
陆化普, 王建伟, 张鹏. 基于能源消耗的城市交通结构优化[J]. 清华大学学报:自然科学版, 2004(3):383-386.

[20]
林伯强, 杜之利. 中国城市车辆耗能与公共交通效率研究[J]. 经济研究, 2018, 53(6):142-156.

[21]
毛霖, 杨新苗, 马泽丹, 等. 电动自行车对城市交通结构的影响预测模型研究[J]. 交通运输系统工程与信息, 2007(1):25-28.

[22]
魏庆琦, 赵嵩正, 肖伟. 我国交通运输结构优化的碳减排能力研究[J]. 交通运输系统工程与信息, 2013, 13(3):10-17+32.

[23]
马丽梅, 刘生龙, 张晓. 能源结构、交通模式与雾霾污染——基于空间计量模型的研究[J]. 财贸经济, 2016, 37(1):147-160.

[24]
单豪杰. 中国资本存量K的再估算:1952—2006年[J]. 数量经济技术经济研究, 2008, 25(10):17-31.

[25]
李胜兰, 初善冰, 申晨. 地方政府竞争、环境规制与区域生态效率[J]. 世界经济, 2014, 37(4):88-110.

[26]
韩永辉, 黄亮雄, 王贤彬. 产业结构优化升级改进生态效率了吗?[J]. 数量经济技术经济研究, 2016, 33(4):40-59.

[27]
张勋, 王旭, 万广华, 等. 交通基础设施促进经济增长的一个综合框架[J]. 经济研究, 2018, 53(1):50-64.

[28]
罗能生, 王玉泽. 财政分权、环境规制与区域生态效率——基于动态空间杜宾模型的实证研究[J]. 中国人口·资源与环境, 2017, 27(4):110-118.

[29]
孙祁祥, 王向楠, 韩文龙. 城镇化对经济增长作用的再审视——基于经济学文献的分析[J]. 经济学动态, 2013(11):20-28.

Options
Outlines

/

〈 〉