中國(guó)交通碳排放效率的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)及其影響因素

邵海琴 王兆峰

摘要 準(zhǔn)確把握交通碳排放效率空間關(guān)聯(lián)結(jié)構(gòu)及其影響因素對(duì)促進(jìn)交通運(yùn)輸業(yè)乃至區(qū)域高質(zhì)量協(xié)調(diào)發(fā)展具有重要意義。在利用基于理想決策單元參照的交叉效率模型對(duì)中國(guó)省域交通碳排放效率進(jìn)行科學(xué)測(cè)度的基礎(chǔ)上，運(yùn)用社會(huì)網(wǎng)絡(luò)分析法探究中國(guó)省域交通碳排放效率的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)及其影響因素。研究表明： ①研究期間中國(guó)省域交通碳排放效率已形成較為復(fù)雜的、多線(xiàn)程的網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系，但其網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)仍較疏松，且呈現(xiàn)出“東密西疏”的等級(jí)梯度特征。②中國(guó)交通碳排放效率關(guān)聯(lián)關(guān)系在空間上形成了以區(qū)域?yàn)檫吔绲摹皸l塊分割”，派系結(jié)構(gòu)較為明顯。其中，東部地區(qū)與中部地區(qū)聯(lián)系較為緊密，與西部和東北地區(qū)聯(lián)系一般;中部地區(qū)則主要表現(xiàn)出與東部和西部地區(qū)較強(qiáng)的連接狀態(tài)，與東北地區(qū)的聯(lián)系相對(duì)較少;而東北地區(qū)與西部地區(qū)的聯(lián)系較弱。③上海、北京、浙江、廣東、江蘇、天津等發(fā)達(dá)省份在交通碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)中處于核心主導(dǎo)地位，對(duì)交通碳排放效率空間關(guān)聯(lián)性的影響顯著;而黑龍江、吉林、新疆、青海等東北和西北偏遠(yuǎn)省份在網(wǎng)絡(luò)中則處于絕對(duì)邊緣位置，對(duì)交通碳排放效率空間關(guān)聯(lián)性的影響較弱。④省區(qū)距離、經(jīng)濟(jì)發(fā)展水平差異、交通運(yùn)輸強(qiáng)度差異和交通運(yùn)輸結(jié)構(gòu)差異對(duì)中國(guó)省域交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)產(chǎn)生顯著負(fù)向影響;節(jié)能技術(shù)水平差異則對(duì)其產(chǎn)生顯著正向影響，而交通能源結(jié)構(gòu)差異和環(huán)境規(guī)制差異的回歸系數(shù)為正但不顯著，其響應(yīng)機(jī)制和響應(yīng)效果仍有待完善和增強(qiáng)。

關(guān)鍵詞 交通碳排放效率;空間網(wǎng)絡(luò)結(jié)構(gòu);影響因素;社會(huì)網(wǎng)絡(luò)分析

中圖分類(lèi)號(hào)? X322;F512? 文獻(xiàn)標(biāo)識(shí)碼 A? 文章編號(hào) 1002-2104（2021）04-0032-10? DOI：10.12062/cpre.20200917

全球氣候變暖已成為制約經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展的重要障礙，如何有效控制與降低以二氧化碳為主的溫室氣體排放成為擺在人類(lèi)面前的重大課題。作為國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展的基礎(chǔ)載體和戰(zhàn)略先導(dǎo)產(chǎn)業(yè)，交通運(yùn)輸業(yè)是重要的碳排放來(lái)源，其行業(yè)碳排放量約占全社會(huì)碳排放總量的24.34%，是實(shí)現(xiàn)減排目標(biāo)的關(guān)鍵產(chǎn)業(yè)[1-2]。2019年國(guó)務(wù)院印發(fā)的《交通強(qiáng)國(guó)建設(shè)綱要》明確提出，要推動(dòng)交通發(fā)展由追求速度規(guī)模向注重質(zhì)量效益轉(zhuǎn)變，并對(duì)低碳交通發(fā)展提出新的要求。碳排放效率是評(píng)估低碳經(jīng)濟(jì)發(fā)展水平的重要指標(biāo)之一，其本質(zhì)上是考慮了碳排放的生產(chǎn)技術(shù)效率，可以反映生產(chǎn)活動(dòng)的能源利用效率。提高交通碳排放效率是交通碳減排的重要途徑[3-4]。隨著網(wǎng)絡(luò)化交通體系的逐漸形成和互聯(lián)網(wǎng)信息技術(shù)的不斷發(fā)展，以及區(qū)域經(jīng)濟(jì)一體化進(jìn)程的不斷推進(jìn)，交通運(yùn)輸業(yè)生產(chǎn)要素之間的空間聯(lián)系越來(lái)越緊密，地區(qū)間交通碳排放效率也呈現(xiàn)出顯著的空間相關(guān)性[5]。因此，從網(wǎng)絡(luò)關(guān)聯(lián)視角考察中國(guó)交通碳排放效率的空間關(guān)聯(lián)結(jié)構(gòu)及其影響因素，甄別各地區(qū)交通碳排放效率在空間關(guān)聯(lián)網(wǎng)絡(luò)中的地位和作用，對(duì)經(jīng)濟(jì)新常態(tài)下構(gòu)建跨區(qū)域交通碳排放效率協(xié)同提升機(jī)制，制定兼顧針對(duì)性和區(qū)域化的交通碳減排政策具有重要的理論意義和應(yīng)用價(jià)值。

隨著交通碳排放問(wèn)題的日益嚴(yán)峻，學(xué)者們開(kāi)始針對(duì)交通碳排放相關(guān)問(wèn)題進(jìn)行研究，研究涵蓋了不同尺度交通碳排放的測(cè)算[6-8]、空間分布異質(zhì)性[9-10]和空間聚集與收斂性[11]等空間特性分析、交通碳排放峰值預(yù)測(cè)[12]及減排潛力分析[13]、影響因素探究[14-16]、交通減排政策及情景模擬分析[17-18]等多方面內(nèi)容。此外，部分學(xué)者從效率角度對(duì)公路[19]、鐵路[20]、航空[21-22]等不同交通方式以及整體交通運(yùn)輸部門(mén)[23]的碳排放績(jī)效及其影響因素進(jìn)行了測(cè)度與分析。其中，有關(guān)交通碳排放效率的測(cè)度指標(biāo)主要包括單位交通運(yùn)輸行業(yè)增加值的碳排放量[24]和單位運(yùn)輸周轉(zhuǎn)量的碳排放量[25]等單要素指標(biāo)，以及基于DEA方法的全要素交通碳排放效率指標(biāo)[5];而交通碳排放效率影響因素指標(biāo)則主要包括收入水平、能源消費(fèi)結(jié)構(gòu)、交通運(yùn)輸結(jié)構(gòu)、交通運(yùn)輸強(qiáng)度、節(jié)能技術(shù)水平和政府管理措施等[5，26]。研究尺度涉及國(guó)家[10]、經(jīng)濟(jì)帶[7]、省（市）區(qū)[27-28]、城市群[29]、社區(qū)[30]等。研究方法主要有生命周期法[31]、數(shù)據(jù)包絡(luò)分析法（DEA）[26]、計(jì)量經(jīng)濟(jì)學(xué)方法[5]、對(duì)數(shù)平均分解指數(shù)（LMDI）[32]、拉斯佩爾指數(shù)（Laspeyres Index）[33]、系統(tǒng)動(dòng)力學(xué)模型[34]、STIRPAT模型[29]等。

綜合來(lái)看，目前學(xué)術(shù)界對(duì)交通碳排放問(wèn)題的研究成果較為豐富，但有關(guān)交通碳排放效率的研究仍有待進(jìn)一步補(bǔ)充和完善。首先，現(xiàn)有文獻(xiàn)大多采用傳統(tǒng)的基于自我評(píng)估體系的DEA模型測(cè)量交通碳排放效率，容易形成夸大自身優(yōu)勢(shì)，造成效率虛高的結(jié)果;其次，已有交通碳排放效率的研究多基于“屬性數(shù)據(jù)”，忽略了對(duì)關(guān)系數(shù)據(jù)的考察和應(yīng)用;最后，目前針對(duì)交通碳排放效率空間效應(yīng)的研究往往僅停留于探究相鄰或相近地區(qū)交通碳排放效率的空間關(guān)系，其研究結(jié)果較為“局部”，難以從全局上勾勒出網(wǎng)絡(luò)化社會(huì)背景下，各地區(qū)交通碳排放效率復(fù)雜的空間關(guān)聯(lián)等級(jí)結(jié)構(gòu)和嵌套關(guān)系。鑒于此，作者利用同時(shí)考慮自評(píng)和他評(píng)體系的基于理想決策單元參照的交叉效率（ideal point cross efficiency，簡(jiǎn)稱(chēng)IPCE）模型來(lái)衡量交通碳排放效率，以避免人為地提高效率并獲得準(zhǔn)確的效率排名。同時(shí)，基于交通碳排放效率“關(guān)系數(shù)據(jù)”，利用社會(huì)網(wǎng)絡(luò)分析法從全局網(wǎng)絡(luò)視角考察中國(guó)交通碳排放效率的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)，并進(jìn)一步探究其影響因素，以期有效補(bǔ)充交通碳排放效率的空間關(guān)系研究，為充分發(fā)揮中國(guó)交通碳排放效率的空間溢出效應(yīng)，推動(dòng)跨區(qū)域交通碳減排協(xié)同機(jī)制建設(shè)，實(shí)現(xiàn)交通高質(zhì)量發(fā)展提供有益的政策啟示。

1? 研究方法與數(shù)據(jù)來(lái)源

1.1? 研究方法

1.1.1 IPCE模型

交叉效率DEA方法是一種基于互評(píng)體系的效率評(píng)價(jià)方法，主要包括中立型、激進(jìn)型、仁慈型、博弈交叉效率模型和IPCE模型。其中，李春好等[35]提出的IPCE模型可以更好地堅(jiān)持DEA最有利于被評(píng)價(jià)決策單元的基本思想，同時(shí)能規(guī)避決策者策略選擇的困境，具有一定的公平性與綜合性。因此，作者參照Liu等[36]的研究，選用基于理想決策單元參照的交叉效率模型對(duì)2003—2018年中國(guó)省域交通碳排放效率進(jìn)行測(cè)度。假設(shè)將理想決策單元（DUMh）定義為使用投入向量Xh獲得產(chǎn)出向量Yh的決策單元，其中：Xh=（min（x1j），…，min（xmj））=（x1h，…，xmh），

Yh=（max（y1j），…，max（ysj））=（y1h，…，ysh），則基于理想決策單元參照的交叉效率模型可以表示為：

minθh，d=∑sr=1μrdyrh

s.t.∑sr=1μrdyrd-E*dd∑mi=1widxid=0

∑sr=1μrdyrj-∑mi=1widxij≤0，j=1，…，n，j≠d

∑mi=1widxih=1

μrd≥ε>0，r=1，…，s

wid≥ε>0，r=1，…，m（1）

式中，θh，d表示DUMd基于理想決策單元參照的交通碳排放效率值，主要借助Matlab 2016a軟件進(jìn)行測(cè)度;m為投入變量（xi）的個(gè)數(shù)，s為產(chǎn)出變量（yr）的個(gè)數(shù)，n為決策單元數(shù)量，μrd為相對(duì)于DUMd的第r種產(chǎn)出的虛擬權(quán)重;wid為相對(duì)于DUMd的第i種投入的虛擬權(quán)重;E*dd為基于CCR模型測(cè)算的DUMd自評(píng)效率;

∑sr=1μrdyrd

和 ∑mi=1widxid分別為DUMd的虛擬產(chǎn)出和虛擬投入。

1.1.2 VAR模型

關(guān)系的確定既是構(gòu)建空間關(guān)聯(lián)網(wǎng)絡(luò)的基礎(chǔ)，也是確定省域交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)特征的關(guān)鍵。現(xiàn)有研究主要采用VAR Granger因果檢驗(yàn)方法和引力模型來(lái)確定節(jié)點(diǎn)間的關(guān)聯(lián)關(guān)系。由于VAR框架下的Granger因果檢驗(yàn)無(wú)須過(guò)多先驗(yàn)約束，即可得到一組變量能否提高另一組變量預(yù)測(cè)能力的信息[37]，因此，選擇VAR Granger因果檢驗(yàn)方法來(lái)確定中國(guó)省域交通碳排放效率之間的關(guān)聯(lián)關(guān)系。具體步驟如下：①定義兩個(gè)省份的交通碳排放效率時(shí)間序列分別為{xt}和{yt};②構(gòu)造兩個(gè)VAR模型來(lái)檢驗(yàn)兩省份間的交通碳排放效率是否存在Granger因果關(guān)系：

xt=a1+∑mi=1β1，ixt-i+

∑ni=1γ1，iyt-i+ε1，t

yt=a2+∑pi=1β2，ixt-i+

∑qi=1γ2，iyt-i+ε2，t（2）

式中，αi、βi、γi（i = 1，2）為待估參數(shù);{εi，t}（i = 1， 2）為殘差項(xiàng);m、n、p、q為自回歸項(xiàng)的滯后階數(shù)，根據(jù)LR、PRE、AIC、SC、HQ五種方法選取最優(yōu)滯后階數(shù)。如果檢驗(yàn)結(jié)果為A省份交通碳排放效率是B省份交通碳排放效率的Granger原因，則表示A省份交通碳排放效率對(duì)B省份交通碳排放效率存在顯著的空間關(guān)聯(lián)效應(yīng)，取值為1;反之，則表明兩者不存在關(guān)聯(lián)關(guān)系，取值為0。由此類(lèi)推構(gòu)建中國(guó)30個(gè)省份（因數(shù)據(jù)可得性等原因，研究不包括港澳臺(tái)和西藏）交通碳排放效率空間關(guān)聯(lián)的二值矩陣。

1.1.3 社會(huì)網(wǎng)絡(luò)分析法

社會(huì)網(wǎng)絡(luò)分析法（Social Network Analysis，簡(jiǎn)稱(chēng)SNA）是一種研究網(wǎng)絡(luò)成員之間關(guān)聯(lián)關(guān)系的重要研究范式，主要通過(guò)對(duì)網(wǎng)絡(luò)成員關(guān)系的分析，反映網(wǎng)絡(luò)成員之間的關(guān)聯(lián)結(jié)構(gòu)及其屬性特征，可以有效彌補(bǔ)單純個(gè)體研究、屬性研究以及傳統(tǒng)計(jì)量研究的缺陷[38-39]，已在心理學(xué)、經(jīng)濟(jì)學(xué)、管理學(xué)、社會(huì)學(xué)等諸多領(lǐng)域中得到廣泛應(yīng)用。利用該方法中的網(wǎng)絡(luò)關(guān)聯(lián)度、網(wǎng)絡(luò)密度、網(wǎng)絡(luò)效率和網(wǎng)絡(luò)等級(jí)度四個(gè)指標(biāo)來(lái)考察中國(guó)交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的整體特征，運(yùn)用E-I分派指數(shù)探究其空間關(guān)聯(lián)網(wǎng)絡(luò)的區(qū)域網(wǎng)絡(luò)關(guān)聯(lián)特征，采用中心度指標(biāo)分析各省份在交通碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)中的角色和地位，并借助二次指派程序（Quadratic Assignment Procedure，QAP）對(duì)中國(guó)交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的影響因素進(jìn)行探究，具體指標(biāo)測(cè)算方法見(jiàn)文獻(xiàn)[39]。

1.2? 指標(biāo)選取與數(shù)據(jù)來(lái)源

由于西藏、香港、澳門(mén)及臺(tái)灣數(shù)據(jù)缺失較多，故選取除該四省區(qū)以外的中國(guó)30個(gè)省份為研究單元。借鑒陳思茹等[40]的研究，選取交通運(yùn)輸業(yè)從業(yè)人員數(shù)、能源消耗量、資本存量作為交通碳排放效率投入指標(biāo)。其中，交通運(yùn)輸能源消耗量采用標(biāo)準(zhǔn)煤系數(shù)將交通運(yùn)輸業(yè)煤炭、汽油、柴油、天然氣等8種主要能源的消耗量統(tǒng)一折合成標(biāo)準(zhǔn)煤表示;交通運(yùn)輸資本存量參考李杰偉等[41]的研究，采用永續(xù)盤(pán)存法進(jìn)行估算。在交通碳排放效率產(chǎn)出指標(biāo)方面，選取交通運(yùn)輸產(chǎn)業(yè)增加值、交通運(yùn)輸綜合換算周轉(zhuǎn)量和交通運(yùn)輸CO2排放量作為產(chǎn)出要素。其中，交通運(yùn)輸CO2排放量為非期望產(chǎn)出，根據(jù)運(yùn)輸行業(yè)中的主要燃料（煤炭、柴油、汽油、煤油、燃料油、天然氣、液化石油氣、電力等）和《2006年IPCC國(guó)家溫室氣體清單指南》通過(guò)等式計(jì)算得到。相關(guān)數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)交通年鑒》《中國(guó)能源統(tǒng)計(jì)年鑒》《中國(guó)環(huán)境年鑒》以及國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)庫(kù)（http：//data.stats.gov.cn/），省會(huì)城市之間的地理距離用ArcGIS計(jì)算而得。

2 中國(guó)省域交通碳排放效率的空間關(guān)聯(lián)網(wǎng)絡(luò)特征

2.1 空間分布格局

為考察中國(guó)交通碳排放效率的空間分布格局，運(yùn)用Matlab 2016a軟件刻畫(huà)了2003—2018年度中國(guó)交通碳排放效率的空間分布趨勢(shì)（圖1）。由圖1可知，中國(guó)省際交通碳排放效率在空間上存在顯著的區(qū)域差異，呈現(xiàn)出明顯的非均衡分布特征。具體來(lái)看，在東西方向上，擬合曲線(xiàn)整體呈現(xiàn)出“東部凸起-中部隆起-西部塌陷”狀，表明研究期間中國(guó)東部地區(qū)交通碳排放效率整體要高于中部和西部地區(qū);在南北方向上，擬合曲線(xiàn)呈現(xiàn)出北凸南凹的“S”型，表明研究期間北部地區(qū)交通碳排放效率整體要高于南部地區(qū)。從擬合曲面來(lái)看，2003—2018年中國(guó)省域交通碳排放效率呈“東部凸起-西部凹陷-尾部翹起”的波浪型，表明該時(shí)期中國(guó)省域交通碳排放效率整體呈現(xiàn)出東高西低的空間分布格局。但西部部分省份如新疆的交通碳排放效率要略高于其周邊地區(qū)，這主要是因?yàn)闁|部地區(qū)經(jīng)濟(jì)條件優(yōu)越，低碳技術(shù)與創(chuàng)新水平相對(duì)較高;同時(shí)，交通基礎(chǔ)設(shè)施發(fā)展較為完善，從而擁有較高的交通碳排放效率。而新疆則由于嚴(yán)酷的氣候和地形條件影響，交通站點(diǎn)網(wǎng)絡(luò)密度較低，交通人力資源投入相對(duì)較少;同時(shí)，隨著“一帶一路”倡議的深入實(shí)施，其派生的過(guò)境、中轉(zhuǎn)等客貨運(yùn)輸需求規(guī)模擴(kuò)大，使得交通產(chǎn)出/投入綜合水平相對(duì)周邊地區(qū)略高，進(jìn)而使得交通碳排放效率水平相對(duì)周邊地區(qū)略高。

2.2 整體網(wǎng)絡(luò)結(jié)構(gòu)特征

為了直觀展示中國(guó)交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的結(jié)構(gòu)形態(tài)，作者對(duì)2003—2018年中國(guó)省域交通碳排放效率的空間關(guān)聯(lián)網(wǎng)絡(luò)進(jìn)行了可視化（圖2）。由圖2可知，中國(guó)省域交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)呈現(xiàn)“東密西疏”特征，且其空間關(guān)聯(lián)已經(jīng)突破傳統(tǒng)的地理空間限制，不再囿于對(duì)其鄰近省份的交通碳排放效率產(chǎn)生溢出效應(yīng)，同時(shí)也與其非鄰近省份發(fā)生空間關(guān)聯(lián)，表現(xiàn)出較為復(fù)雜的、多線(xiàn)程的空間網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系。因此，要有效實(shí)現(xiàn)中國(guó)交通碳排放效率的整體提高，必須實(shí)施區(qū)域合作的方法。具體來(lái)看，上海、北京、浙江、江蘇和廣東等省份交通碳排放效率的關(guān)聯(lián)關(guān)系顯著高于其他省份，這主要是由于這些地區(qū)交通資本、人才等基礎(chǔ)條件較好，綠色創(chuàng)新能力較強(qiáng)，同時(shí)交通基礎(chǔ)設(shè)施相對(duì)較為完善，更有利于低碳交通運(yùn)輸產(chǎn)業(yè)的交流與合作。樣本考察期內(nèi)中國(guó)省域交通碳排放效率空間關(guān)聯(lián)關(guān)系總數(shù)為275，與最大可能網(wǎng)絡(luò)關(guān)系數(shù)（870個(gè)）還存在較大的差距，說(shuō)明中國(guó)省域交通碳排放效率尚未達(dá)到最佳空間關(guān)聯(lián)狀態(tài)，其空間關(guān)聯(lián)網(wǎng)絡(luò)的穩(wěn)定性還有待進(jìn)一步提升。因此，應(yīng)進(jìn)一步深化省份之間低碳交通合作，加強(qiáng)省域間交通運(yùn)輸產(chǎn)業(yè)資源要素的空間優(yōu)化配置。

從網(wǎng)絡(luò)關(guān)聯(lián)度、網(wǎng)絡(luò)等級(jí)度、網(wǎng)絡(luò)效率和網(wǎng)絡(luò)密度四方面來(lái)看： ①網(wǎng)絡(luò)關(guān)聯(lián)度。研究期間中國(guó)省域交通碳排放效率空間網(wǎng)絡(luò)關(guān)聯(lián)度為1，說(shuō)明其空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)具有較好的聯(lián)通性和穩(wěn)健性，所有省份均處于中國(guó)省域交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)當(dāng)中，不存在脫離網(wǎng)絡(luò)的孤立省份，網(wǎng)絡(luò)空間溢出效應(yīng)明顯。②網(wǎng)絡(luò)等級(jí)度。研究期間中國(guó)省域交通碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)等級(jí)度為0.313，說(shuō)明中國(guó)省際交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)存在一定的等級(jí)梯度特征，網(wǎng)絡(luò)結(jié)構(gòu)有待進(jìn)一步優(yōu)化。③網(wǎng)絡(luò)效率。研究期間中國(guó)省域交通碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)效率為0.717，說(shuō)明其關(guān)聯(lián)網(wǎng)絡(luò)中具有較多冗余關(guān)系數(shù)，存在多重疊加的溢出渠道。④網(wǎng)絡(luò)密度。研究期間中國(guó)省域交通碳排放效率整體關(guān)聯(lián)網(wǎng)絡(luò)密度僅為0.316，說(shuō)明在樣本考察期內(nèi)中國(guó)省際交通碳排放效率的空間關(guān)聯(lián)關(guān)系的緊密程度并不高，網(wǎng)絡(luò)結(jié)構(gòu)相對(duì)松散，交通碳排放效率的空間合作和互動(dòng)有待增強(qiáng)。需要指出的是，交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)密度過(guò)高可能會(huì)導(dǎo)致低碳交通生產(chǎn)要素在省份之間的傳導(dǎo)費(fèi)用提升，因此，在推動(dòng)省份之間低碳交通資源要素交流合作的同時(shí)，須注意保持適宜的網(wǎng)絡(luò)密度，以達(dá)到理想的交通碳排放效率協(xié)同提升效果。

總體而言，中國(guó)省域交通碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)中存在顯著的空間關(guān)聯(lián)與溢出路徑，協(xié)同發(fā)展現(xiàn)象明顯，已形成較穩(wěn)定的交通碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)，但其網(wǎng)絡(luò)結(jié)構(gòu)較為疏松，且存在一定網(wǎng)絡(luò)等級(jí)梯度特征。提高網(wǎng)絡(luò)的緊密度、降低網(wǎng)絡(luò)的等級(jí)度是實(shí)現(xiàn)中國(guó)交通低碳可持續(xù)發(fā)展的攻堅(jiān)內(nèi)容。

2.3? 區(qū)域網(wǎng)絡(luò)結(jié)構(gòu)特征

為深入探析中國(guó)交通碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)發(fā)展區(qū)域差異狀況以及各區(qū)域之間交通碳排放效率的空間關(guān)聯(lián)關(guān)系，采用參考文獻(xiàn)[3]的思路，將中國(guó)30個(gè)省份按區(qū)域?qū)傩詣澐譃闁|部地區(qū)、中部地區(qū)、西部地區(qū)、東北地區(qū)4個(gè)板塊，借助E-I分派指數(shù)，以四大板塊為單元計(jì)算得到中國(guó)交通碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)E-I指數(shù)及密度矩陣（表1）。

2003—2018年中國(guó)交通碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)的E-I指數(shù)為0.409，離理想值“1”差距較大，表明中國(guó)交通碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)存在著一定區(qū)域封閉性。交通碳排放效率關(guān)聯(lián)關(guān)系主要發(fā)生在東、中、西、東北區(qū)域內(nèi)部。四大區(qū)域間低碳交通協(xié)同合作不強(qiáng)，在空間上形成了以區(qū)域?yàn)檫吔绲摹皸l塊分割”，派系結(jié)構(gòu)較為明顯。這種局面不利于中國(guó)區(qū)域間的低碳交通交流與合作，并阻礙中國(guó)低碳交通的整體發(fā)展。究其原因，可能與中國(guó)四大區(qū)域低碳交通發(fā)展基礎(chǔ)及政策差異對(duì)區(qū)域交通碳排放效率的雙重作用有關(guān)。從地區(qū)密度來(lái)看，中國(guó)地區(qū)交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)密度呈東北-中部-東部-西部遞減的態(tài)勢(shì)。東北地區(qū)交通碳排放效率網(wǎng)絡(luò)密度最大，達(dá)到了0.667，表明其省份間低碳交通發(fā)展資源聯(lián)系較為頻繁，低碳交通合作規(guī)模較大。東部地區(qū)密度為0.436，可能是受制于南北跨度

較大及政策差異導(dǎo)致南北省份間低碳交通發(fā)展的聯(lián)系相對(duì)較少，進(jìn)而降低了區(qū)域交通碳排放效率的空間關(guān)聯(lián)網(wǎng)絡(luò)密度。西部地區(qū)密度僅為0.400，受限于經(jīng)濟(jì)發(fā)展和自然環(huán)境的影響，西部地區(qū)成為低碳交通網(wǎng)絡(luò)發(fā)展中的谷地，有待于進(jìn)一步的發(fā)展。從區(qū)域間的聯(lián)系來(lái)看，東部地區(qū)與中部地區(qū)聯(lián)系較為緊密，與西部和東北地區(qū)聯(lián)系一般;中部地區(qū)則主要表現(xiàn)出與東部和西部地區(qū)較強(qiáng)的連接狀態(tài)，與東北地區(qū)的聯(lián)系相對(duì)較少;而東北地區(qū)與西部地區(qū)之間受地域阻隔和距離衰減作用的影響，交通碳排放效率聯(lián)系較弱。從地區(qū)內(nèi)外密度對(duì)比來(lái)看，中部和東北部自身密度值要高于其與其他區(qū)域之間的交通碳排放效率聯(lián)系密度，這也表明這兩個(gè)地區(qū)在局部上形成了“凝聚子群”。區(qū)域分布在增強(qiáng)自身內(nèi)部間低碳交通聯(lián)動(dòng)的同時(shí)，也弱化了與區(qū)域外部省份的聯(lián)動(dòng)，從而影響中國(guó)低碳交通發(fā)展的協(xié)調(diào)與合作。

2.4? 個(gè)體網(wǎng)絡(luò)結(jié)構(gòu)特征

為考察各省份在交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)中的地位和作用，作者對(duì)中國(guó)30個(gè)省份交通碳排放效率的中心度進(jìn)行測(cè)度，結(jié)果如圖3所示。從度數(shù)中心度來(lái)看，上海、北京、江蘇、浙江、廣東和天津等省份相對(duì)較大，表明這些省份在交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)中與其他省份的空間關(guān)聯(lián)關(guān)系較多，在交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)中處于核心主導(dǎo)地位。原因在于，這些省份基本位于中國(guó)東部經(jīng)濟(jì)發(fā)達(dá)地區(qū)，交通網(wǎng)絡(luò)相對(duì)較為完善，與其他省份進(jìn)行低碳交通發(fā)展交流的阻礙較少;加之其交通碳排放效率水平較高，在交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)中能夠通過(guò)低碳交通資本、人才等資源要素優(yōu)勢(shì)產(chǎn)生的“虹吸效應(yīng)”，以及低碳技術(shù)的溢出效應(yīng)，與其他省份保持較為緊密的聯(lián)系。廣西、海南、遼寧、寧夏、黑龍江、吉林、青海和新疆等省份的度數(shù)中心度較低，說(shuō)明這些省份與其他省份間交通碳排放效率的關(guān)聯(lián)關(guān)系相對(duì)較少，處于關(guān)聯(lián)網(wǎng)絡(luò)的邊緣位置，需進(jìn)一步加強(qiáng)與其他省份的低碳交通合作，以增加中國(guó)交通碳排放效率的溢出渠道。

從中介中心度來(lái)看，研究期間中介中心度居于第一梯度的省份主要有上海、北京、天津、浙江、江蘇等，表明這些省份在交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)中扮演著“中介”和“橋梁”的角色，對(duì)低碳交通發(fā)展所需的人才、資金和技術(shù)等資源要素的流動(dòng)具有較強(qiáng)的支配力和掌控力，在交通碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)中處于樞紐地位。遼寧、青海、云南、吉林、山西、黑龍江、廣西、海南、寧夏、新疆等16個(gè)省份的中介中心度處于第三梯隊(duì)，說(shuō)明這些省份在交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)中處于“被支配”的邊緣地位，對(duì)網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系的控制和影響能力較弱。從接近中心度來(lái)看，上海、北京、江蘇、浙江、廣東、天津等6個(gè)省份的接近中心度相對(duì)較高，說(shuō)明這些省份的交通碳排放效率不易受到其他省份的控制，在省際交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)中起到引領(lǐng)作用，扮演著“中心行動(dòng)者”的角色。廣西、寧夏、甘肅、吉林、青海、黑龍江、新疆等8個(gè)省份的接近中心度相對(duì)較低，表明這些省份在網(wǎng)絡(luò)中獲得低碳交通發(fā)展技術(shù)和資源的能力較弱，同時(shí)受其他省份交通碳排放效率的帶動(dòng)作用不明顯，處于省際交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)“邊緣行動(dòng)者”的位置。其原因主要是，這些省份多分布于西部和東北地區(qū)，因地理位置較偏，經(jīng)濟(jì)發(fā)展相對(duì)遲緩，交通基礎(chǔ)設(shè)施不健全等原因，與其他省份之間的交通碳排放效

率空間關(guān)聯(lián)相對(duì)薄弱，難以對(duì)其他省份的交通碳排放效率產(chǎn)生影響。

綜合來(lái)看，與黃杰[42]有關(guān)中國(guó)能源環(huán)境效率空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)研究的結(jié)果類(lèi)似，中國(guó)省域交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)表現(xiàn)出明顯的馬太效應(yīng)。其中，上海、北京、浙江、廣東、江蘇、天津等發(fā)達(dá)省份各項(xiàng)指標(biāo)均較為突出，對(duì)低碳交通發(fā)展所需資源要素的掌控與支配作用較強(qiáng)，處于關(guān)聯(lián)網(wǎng)絡(luò)的中心位置。東北、西北等偏遠(yuǎn)省份網(wǎng)絡(luò)中心度普遍較低，獲取低碳交通發(fā)展資源的能力偏弱，位于關(guān)聯(lián)網(wǎng)絡(luò)的邊緣位置。

3 中國(guó)省域交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的影響因素

3.1 模型設(shè)定與變量說(shuō)明

由于本研究采用的是關(guān)系數(shù)據(jù)，變量間可能存在多重共線(xiàn)性現(xiàn)象，如果采用常規(guī)計(jì)量方法分析其空間關(guān)聯(lián)網(wǎng)絡(luò)的影響因素可能會(huì)導(dǎo)致估計(jì)結(jié)果出現(xiàn)偏差。而社會(huì)網(wǎng)絡(luò)分析方法中的QAP分析是一種通過(guò)對(duì)不同矩陣數(shù)據(jù)進(jìn)行置換比較來(lái)探究矩陣間關(guān)系的非參數(shù)方法，無(wú)須假設(shè)解釋變量間相互獨(dú)立，可以有效地解決關(guān)系數(shù)據(jù)的內(nèi)生性問(wèn)題[43]。因此，采用QAP方法來(lái)探究影響中國(guó)交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的因素。既有研究[5，26，44]認(rèn)為，收入水平、交通運(yùn)輸強(qiáng)度、交通運(yùn)輸結(jié)構(gòu)、能源消費(fèi)結(jié)構(gòu)、節(jié)能技術(shù)水平和政府管理措施等因素對(duì)交通碳排放效率產(chǎn)生重要影響，而劉華軍等[45]和潘文卿[46]等則指出區(qū)域差異是影響空間關(guān)聯(lián)緊密程度的重要原因。此外，李婧等[47]認(rèn)為鄰近省份之間更易發(fā)生創(chuàng)新效率的空間溢出。因此，選取省份距離、經(jīng)濟(jì)發(fā)展水平差異、交通運(yùn)輸強(qiáng)度差異、交通運(yùn)輸結(jié)構(gòu)差異、節(jié)能技術(shù)水平差異、運(yùn)輸能源結(jié)構(gòu)差異、環(huán)境規(guī)制差異等7個(gè)因素來(lái)解釋中國(guó)省域交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)的形成。相應(yīng)地，各指標(biāo)分別選擇省會(huì)城市地理距離、人均GDP差異、交通運(yùn)輸綜合換算周轉(zhuǎn)量與各省份生產(chǎn)總值的比值差異、航空運(yùn)輸和公路運(yùn)輸周轉(zhuǎn)量占總周轉(zhuǎn)量比重差異、交通運(yùn)輸能源強(qiáng)度倒數(shù)差異、汽油和柴油消耗量占交通總能耗的比重差異和污染治理投資占GDP比重差異來(lái)衡量。據(jù)此，構(gòu)建模型為：

Q=f（TD，EL，TI，TS，ET，ES，ER）?? （3）

式中，Q表示中國(guó)省域交通碳排放效率空間關(guān)聯(lián)矩陣，TD為省份距離，EL、TI、TS、ET、ES、ER分別表示經(jīng)濟(jì)發(fā)展水平差異、交通運(yùn)輸強(qiáng)度差異、交通運(yùn)輸結(jié)構(gòu)差異、節(jié)能技術(shù)水平差異、交通能源結(jié)構(gòu)差異和環(huán)境規(guī)制差異。除Q外，其余指標(biāo)數(shù)據(jù)均是由2003—2018年各省份對(duì)應(yīng)指標(biāo)值均值的絕對(duì)差值建立的差異矩陣。同時(shí)，為消除量綱對(duì)計(jì)算精度的影響，對(duì)所有差值矩陣進(jìn)行極差標(biāo)準(zhǔn)化處理。

3.2? QAP相關(guān)性分析

采用基于二次指派程序的QAP方法對(duì)各影響因素與中國(guó)省域交通碳排放效率空間關(guān)聯(lián)結(jié)構(gòu)之間的相關(guān)性系數(shù)進(jìn)行測(cè)算（表2）。由表2可見(jiàn)，省份距離、經(jīng)濟(jì)發(fā)展水平差異、交通運(yùn)輸強(qiáng)度差異、交通運(yùn)輸結(jié)構(gòu)差異、節(jié)能技術(shù)水平差異等5個(gè)影響因素的相關(guān)系數(shù)均通過(guò)1%的顯著水平檢驗(yàn)，說(shuō)明這5種因素均顯著影響中國(guó)省域交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)的形成。其中，省份距離、經(jīng)濟(jì)發(fā)展水平差異、交通運(yùn)輸強(qiáng)度差異和交通運(yùn)輸結(jié)構(gòu)差異的相關(guān)系數(shù)為負(fù)，表明它們與中國(guó)省域交通碳排放效率空間關(guān)聯(lián)之間呈負(fù)相關(guān)關(guān)系。節(jié)能技術(shù)水平差異的相關(guān)系數(shù)為正，說(shuō)明節(jié)能技術(shù)差異有利于交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的形成。環(huán)境規(guī)制差異和交通能源結(jié)構(gòu)差異的相關(guān)系數(shù)為正但不顯著，說(shuō)明其省際差異作用不明顯。

3.3 QAP回歸分析

為了避免自變量之間的多重共線(xiàn)性對(duì)回歸結(jié)果造成的偏差，故借助UCINET軟件，并將隨機(jī)置換次數(shù)設(shè)置為10 000次，對(duì)中國(guó)省域交通碳排放效率空間關(guān)聯(lián)的影響因素模型進(jìn)行QAP回歸分析，回歸結(jié)果見(jiàn)表2。由表

2可知，調(diào)整后的可決系數(shù)為0.387，表明省份距離、經(jīng)濟(jì)發(fā)展水平差異、交通運(yùn)輸強(qiáng)度差異、交通運(yùn)輸結(jié)構(gòu)差異、節(jié)能技術(shù)水平差異、交通能源結(jié)構(gòu)差異和環(huán)境規(guī)制差異等7個(gè)因素大約可以解釋中國(guó)省域交通碳排放效率空間關(guān)聯(lián)效應(yīng)的38.7%。這可能是由于省份間交通碳排放效率空間關(guān)聯(lián)關(guān)系涉及因素較多，其他如省份間商貿(mào)聯(lián)系強(qiáng)度、政府政策、地形地貌等對(duì)其影響較大的因素尚未考慮進(jìn)來(lái)。后續(xù)研究有待進(jìn)一步挖掘其它可能的影響因素，以更全面地掌握省份間交通碳排放效率空間關(guān)聯(lián)關(guān)系的影響機(jī)制。

具體來(lái)看，省份距離的回歸系數(shù)顯著為負(fù)，表明地理距離增大會(huì)顯著阻礙中國(guó)省域交通碳排放效率空間關(guān)聯(lián)關(guān)系的形成，這主要是因?yàn)榈乩砭嚯x增加會(huì)使得低碳交通資源要素在省份間的傳導(dǎo)和溢出費(fèi)用增加，進(jìn)而影響省份之間交通碳排放效率的空間關(guān)聯(lián)程度。經(jīng)濟(jì)發(fā)展水平差異系數(shù)在5%水平上顯著為負(fù)，說(shuō)明經(jīng)濟(jì)發(fā)展差距的縮小有利于省際間交通碳排放效率空間聯(lián)系的形成，原因主要是在市場(chǎng)機(jī)制的作用下，資源要素的流動(dòng)更容易發(fā)生在經(jīng)濟(jì)發(fā)展水平相近的地區(qū)間[42，48]。從另一個(gè)角度看，各省之間經(jīng)濟(jì)發(fā)展差距的縮小是落后省份快速發(fā)展的結(jié)果，在此期間，其交通基礎(chǔ)設(shè)施逐步完善，省與省之間的時(shí)空距離逐步縮短，運(yùn)輸成本逐漸下降，更完善的交通網(wǎng)絡(luò)和更便捷的信息流通可以促進(jìn)更多的低碳交通交流與合作。交通運(yùn)輸強(qiáng)度差異和交通運(yùn)輸結(jié)構(gòu)差異分別在1%和5%的水平上顯著為負(fù)，說(shuō)明相似的交通運(yùn)輸強(qiáng)度和相仿的交通運(yùn)輸結(jié)構(gòu)有助于省份間低碳交通發(fā)展的交流與合作。這主要是因?yàn)椋嗨频慕煌ㄟ\(yùn)輸強(qiáng)度和結(jié)構(gòu)意味著這些省份的交通發(fā)展大致處于相同的階段，對(duì)低碳交通發(fā)展所需資源要素具有相似的需求，進(jìn)而可以促進(jìn)其交通碳排放效率空間關(guān)聯(lián)關(guān)系的形成。節(jié)能技術(shù)水平差異矩陣的回歸系數(shù)在1%的水平上顯著為正，這意味著節(jié)能技術(shù)差異越大的省份之間越易發(fā)生交通碳排放效率的空間關(guān)聯(lián)。究其原因，主要是節(jié)能技術(shù)差異的擴(kuò)大加劇了各省之間低碳交通資源開(kāi)發(fā)水平和人力資本等方面的差距，從而容易導(dǎo)致跨區(qū)域低碳交通資源的溢出與吸收。此外，為了協(xié)調(diào)區(qū)域發(fā)展，近年來(lái)中國(guó)政府鼓勵(lì)技術(shù)水平較高省份和較低省份之間科技人員和服務(wù)的交流與貿(mào)易，這也進(jìn)一步促進(jìn)了省份間的低碳交通聯(lián)系。環(huán)境規(guī)制差異和交通能源結(jié)構(gòu)差異的回歸系數(shù)為正但不顯著（P>0.1），表明其省際差異尚不能顯著影響中國(guó)交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的形成。這可能是因?yàn)椋?dāng)前中國(guó)交通運(yùn)輸業(yè)汽油、柴油的剛性需求較大，能源結(jié)構(gòu)較穩(wěn)定;同時(shí)，環(huán)境規(guī)制主要作用于工業(yè)，交通運(yùn)輸行業(yè)的環(huán)境規(guī)制普遍較弱，省份間交通業(yè)環(huán)境規(guī)制差異不大，進(jìn)而削弱了其對(duì)中國(guó)省域交通碳排放效率空間關(guān)聯(lián)關(guān)系的影響作用。

4? 結(jié)論與討論

4.1 結(jié)論與啟示

在利用基于理想決策單元參照的交叉效率模型對(duì)2003—2018年中國(guó)省域交通碳排放效率進(jìn)行科學(xué)測(cè)度的基礎(chǔ)上，運(yùn)用VAR模型構(gòu)建交通碳排放效率的空間關(guān)聯(lián)矩陣，并采用社會(huì)網(wǎng)絡(luò)分析法深入探究中國(guó)省域交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的結(jié)構(gòu)特征及其影響因素，得到以下結(jié)論及啟示。

（1） 從整體網(wǎng)絡(luò)結(jié)構(gòu)特征來(lái)看，研究期間中國(guó)省域交通碳排放效率已突破傳統(tǒng)的地理空間限制，表現(xiàn)出較為復(fù)雜的、多線(xiàn)程的網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系，但其網(wǎng)絡(luò)關(guān)聯(lián)數(shù)與最大可能網(wǎng)絡(luò)關(guān)系數(shù)仍相距甚遠(yuǎn)，網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)較為疏松。同時(shí)，空間關(guān)聯(lián)網(wǎng)絡(luò)存在一定的等級(jí)梯度，呈現(xiàn)出“東密西疏”的特征，提高網(wǎng)絡(luò)的緊密度、降低網(wǎng)絡(luò)的等級(jí)度是實(shí)現(xiàn)中國(guó)交通低碳可持續(xù)發(fā)展的攻堅(jiān)內(nèi)容。這一發(fā)現(xiàn)進(jìn)一步佐證了新的區(qū)域主義提倡的區(qū)域一體化和協(xié)調(diào)發(fā)展的觀點(diǎn)，同時(shí)也為中國(guó)制定長(zhǎng)期穩(wěn)定的跨區(qū)域交通協(xié)同減排政策提供了科學(xué)依據(jù)。

（2） 從區(qū)域網(wǎng)絡(luò)特征來(lái)看，中國(guó)交通碳排放效率關(guān)聯(lián)關(guān)系主要發(fā)生在東、中、西、東北區(qū)域內(nèi)部，四大區(qū)域間低碳交通協(xié)同合作相對(duì)較弱，在空間上形成了以區(qū)域?yàn)檫吔绲摹皸l塊分割”，派系結(jié)構(gòu)較為明顯。同時(shí)，交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)密度呈東北-中部-東部-西部遞減的態(tài)勢(shì)。具體來(lái)看，東部地區(qū)與中部地區(qū)聯(lián)系較為緊密，與西部和東北地區(qū)聯(lián)系一般;中部地區(qū)則主要表現(xiàn)出與東部和西部地區(qū)較強(qiáng)的連接狀態(tài)，與東北地區(qū)的聯(lián)系相對(duì)較少;而東北地區(qū)與西部地區(qū)之間受地域阻隔和距離衰減作用的影響，交通碳排放效率聯(lián)系較弱。

（3） 從網(wǎng)絡(luò)個(gè)體特征來(lái)看，中國(guó)省域交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)表現(xiàn)出顯著的馬太效應(yīng)。上海、北京、浙江、廣東、江蘇、天津等發(fā)達(dá)省份在交通碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)中處于主導(dǎo)地位，對(duì)交通碳排放效率發(fā)展所需資源要素的掌控與支配作用較強(qiáng);黑龍江、吉林、新疆、青海等東北和西北偏遠(yuǎn)省份獲取低碳交通發(fā)展資源的能力偏弱，位于關(guān)聯(lián)網(wǎng)絡(luò)的邊緣位置，在低碳交通發(fā)展合作中處于被動(dòng)地位。

（4） QAP分析結(jié)果表明，省份距離、經(jīng)濟(jì)發(fā)展水平差異、交通運(yùn)輸強(qiáng)度差異和交通運(yùn)輸結(jié)構(gòu)差異對(duì)中國(guó)省域交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)產(chǎn)生顯著的負(fù)向影響;節(jié)能技術(shù)水平差異則產(chǎn)生顯著的正向影響，而交通能源結(jié)構(gòu)差異和環(huán)境規(guī)制差異的回歸系數(shù)為正但不顯著，其響應(yīng)機(jī)制和響應(yīng)效果仍有待完善和增強(qiáng)。

根據(jù)研究結(jié)果，結(jié)合中國(guó)交通碳排放效率發(fā)展實(shí)際及《交通強(qiáng)國(guó)建設(shè)綱要》要求，對(duì)中國(guó)未來(lái)低碳交通發(fā)展提出如下建議： ①政府在制定交通碳減排相關(guān)政策時(shí)，應(yīng)注意各省份之間交通碳排放效率在空間上的聯(lián)系，建立和完善區(qū)域交通減排的協(xié)同機(jī)制，實(shí)行跨區(qū)域合作。同時(shí)，促進(jìn)省份間尤其是西部省份低碳交通技術(shù)、人才等資源交流與合作，以創(chuàng)造更多交通碳排放效率關(guān)聯(lián)通道，進(jìn)一步加強(qiáng)交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的穩(wěn)定性，弱化網(wǎng)絡(luò)結(jié)構(gòu)的梯度差異。②注重加強(qiáng)四大區(qū)域間尤其是東北地區(qū)和西部地區(qū)的低碳交通資源要素的聯(lián)系，推動(dòng)各區(qū)域間交通碳排放效率的區(qū)域聯(lián)動(dòng)和協(xié)同提升，打破區(qū)域間的條塊分割。同時(shí)，進(jìn)一步強(qiáng)化東部地區(qū)尤其是其南北方向上的省際低碳交通聯(lián)系，增加?xùn)|部地區(qū)交通碳排放效率關(guān)聯(lián)密度。③交通碳排放效率的協(xié)同提升應(yīng)優(yōu)先考慮上海、北京、浙江、廣東、江蘇等在網(wǎng)絡(luò)中處于主導(dǎo)地位的省份。同時(shí)，積極采取措施提高處于網(wǎng)絡(luò)邊緣地位的省份的交通碳排放效率，加強(qiáng)網(wǎng)絡(luò)核心省份與邊緣省份之間低碳交通資源要素的互聯(lián)互通，打破交通碳排放效率的馬太效應(yīng)，推動(dòng)中國(guó)低碳交通的區(qū)域均衡與協(xié)調(diào)發(fā)展。④加快交通基礎(chǔ)設(shè)施的完善和發(fā)展，不斷縮小各省份的時(shí)間距離和交通運(yùn)輸結(jié)構(gòu)等方面的差距，重點(diǎn)關(guān)注地理距離短且經(jīng)濟(jì)發(fā)展差異較小以及節(jié)能技術(shù)差異較大的省份間交通碳排放效率的協(xié)作提升，以促進(jìn)中國(guó)交通碳排放效率的整體提高。

4.2 討論與展望

需要指出的是，本研究仍存在如下不足：其一，由于無(wú)法獲得中國(guó)各城市交通碳排放的數(shù)據(jù)，僅從省份層面研究了交通碳排放效率的空間關(guān)聯(lián)特征及其影響因素，研究結(jié)果較為粗略，未來(lái)有待進(jìn)一步深入挖掘數(shù)據(jù)，以細(xì)化研究結(jié)果，提高研究的應(yīng)用價(jià)值。其二，交通碳排放效率網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系受多重因素影響，僅從地理距離、經(jīng)濟(jì)發(fā)展水平差異、交通運(yùn)輸強(qiáng)度差異、交通運(yùn)輸結(jié)構(gòu)差異、節(jié)能技術(shù)水平差異、運(yùn)輸能源結(jié)構(gòu)差異、環(huán)境規(guī)制差異等幾個(gè)方面甄選出7個(gè)影響因素進(jìn)行考察，具有一定片面性，其他諸如地形地貌、信息化水平等因素需后續(xù)進(jìn)行深入探討。此外，僅探究了中國(guó)省際交通碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)影響因素的作用程度及方向，尚不能確定這些因素的影響機(jī)制，這亦是今后需持續(xù)優(yōu)化研究的方向。其三，中心度相關(guān)指標(biāo)容易受到位置的影響，其指標(biāo)測(cè)度結(jié)果可能帶來(lái)一定結(jié)論誤差。后續(xù)有待進(jìn)一步改進(jìn)指標(biāo)測(cè)度方法，對(duì)相關(guān)研究結(jié)果進(jìn)行糾偏。

參考文獻(xiàn)：

[1]IEA. CO2 emissions from fuel combustion [R]. Paris： IEA， 2018.

[2]COHAN D S， SENGUPTA S. Net greenhouse gas emissions savings from natural gas substitutions in vehicles， furnaces， and power plants[J]. International journal of global warming， 2016，9（2）：254-273.

[3]周五七， 聶鳴. 中國(guó)工業(yè)碳排放效率的區(qū)域差異研究：基于非參數(shù)前沿的實(shí)證分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2012， 29（9）：58-70，161.

[4]盧建鋒， 傅惠， 王小霞. 區(qū)域交通運(yùn)輸業(yè)碳排放效率影響因素研究[J]. 交通運(yùn)輸系統(tǒng)工程與信息， 2016， 16（2）：25-30.

[5]袁長(zhǎng)偉， 張帥， 焦萍， 等. 中國(guó)省域交通運(yùn)輸全要素碳排放效率時(shí)空變化及影響因素研究[J]. 資源科學(xué)， 2017， 39（4）： 687- 697.

[6]YUAN R Q， TAO X， YANG X L. CO2 emission of urban passenger transportation in China from 2000 to 2014[J]. Advances in climate change research， 2019， 10（1）：59-67.

[7]蔣自然， 金環(huán)環(huán)， 王成金， 等. 長(zhǎng)江經(jīng)濟(jì)帶交通碳排放測(cè)度及其效率格局（1985—2016年）[J]. 環(huán)境科學(xué)， 2020， 41（6）：2972-2980.

[8]馬靜， 柴彥威， 劉志林. 基于居民出行行為的北京市交通碳排放影響機(jī)理[J]. 地理學(xué)報(bào)， 2011， 66（8）：1023-1032.

[9] RQUIA W J， KOUTRAKIS P， ROIG H L. Spatial distribution of vehicle emission inventories in the Federal District，Brazil[J]. Atmospheric environment， 2015，112：32-39.

[10] 楊文越， 李濤， 曹小曙. 中國(guó)交通CO2排放時(shí)空格局演變及其影響因素：基于2000—2012年30個(gè)省（市）面板數(shù)據(jù)的分析[J]. 地理科學(xué)， 2016（4）： 491-501.

[11]張帥， 袁長(zhǎng)偉， 趙小曼.中國(guó)交通運(yùn)輸碳排放空間聚類(lèi)與關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)分析[J]. 經(jīng)濟(jì)地理， 2019， 39（1）：122-129.

[12]LI X， YU B Y. Peaking CO2 emissions for Chinas urban passenger transport sector[J]. Energy policy， 2019， 133：110913.

[13] LU Q Y， CHAI J， WANG S Y， et al. Potential energy conservation and CO2 emissions reduction related to Chinas road transportation[J]. Journal of cleaner production， 2020， 245：118892.

[14]張宏鈞， 王利寧， 陳文穎. 公路與鐵路交通碳排放影響因素[J]. 清華大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2017， 57（4）： 443-448.

[15]GUO M Y， MENG J. Exploring the driving factors of carbon dioxide emission from transport sector in Beijing-Tianjin-Hebei region[J]. Journal of cleaner production， 2019， 226：692-705.

[16]曾曉瑩， 邱榮祖， 林丹婷， 等. 中國(guó)交通碳排放及影響因素時(shí)空異質(zhì)性[J]. 中國(guó)環(huán)境科學(xué)， 2020， 40（10）：4304-4313.

[17]HE D， LIU H， HE K， et al. Energy use of， and CO2 emissions from Chinas urban passenger transportation sector-carbon mitigation scen arios upon the transportation mode choices[J]. Transportation research part A： policy and practice， 2013， 53（7）：53-67.

[18]張國(guó)興， 蘇釗賢. 黃河流域交通運(yùn)輸碳排放的影響因素分解與情景預(yù)測(cè)[J]. 管理評(píng)論， 2020， 32（12）： 283-294.

[19] HAMPF B， KRUGR J J. Technical efficiency of automobiles：a nonparametric approach incorporating carbon dioxide emissions[J]. Transportation research part D： transport and environment， 2014，33 ： 47-62.

[20] HEINOLD A， MEISEL F. Emission rates of intermodal rail/road and road-only transportation in Europe： a comprehensive simulation study[J].Transportation research part D： transport and environment， 2018， 65：421-437.

[21] WANG Z， XU X， ZHU Y， et al. Evaluation of carbon emission efficiency in Chinas airlines[J]. Journal of cleaner production， 2020， 243：118500.

[22]LIU X，HANG Y，WANG Q W，et al.Drivers of civil aviation carbon emission change：a two-stage efficiency-oriented decomposition approach[J].Transportation research part D：transport and environment，2020，89：102612.

[23]REN J W，GAO B，ZHANG J W，et al.Measuring the energy and carbon emission efficiency of regional transportation systems in China： chance-constrained DEA models[J].Mathematical problems in engineering，2020，2020：1-12.

[24]袁長(zhǎng)偉， 喬丹， 楊穎芳， 等. 中國(guó)省域交通碳排放強(qiáng)度空間分異與聚類(lèi)分析[J]. 環(huán)境工程， 2018， 36（7）：185-190.

[25]GREENING L A， TING M， DAVIS W B. Decomposition of aggregate carbon intensity for freight：trends from 10 OECD countries for the period 1971-1993[J]. Energy economics， 1999， 21（4）：331-361.

[26]CUI Q， LI Y. An empirical study on the influencing factors of transportation carbon efficiency： evidences from fifteen countries[J]. Applied energy， 2015， 141：209-217.

[27]馬慧強(qiáng)， 劉嘉樂(lè)， 弓志剛. 山西省旅游交通碳排放測(cè)度及其演變機(jī)理[J]. 經(jīng)濟(jì)地理， 2019， 39（4）：223-231.

[28]弓媛媛. 武漢市交通碳排放足跡測(cè)算及其驅(qū)動(dòng)因素分析[J]. 中國(guó)人口·資源與環(huán)境， 2015， 25（S1）：470-474.

[29]王兆峰， 廖紅璐. 基于STIRPAT模型的長(zhǎng)株潭城市群交通碳排放的影響因素及其區(qū)域差異[J]. 湖南師范大學(xué)自然科學(xué)學(xué)報(bào)， 2019， 42（5）：1-9，33.

[30]黃曉燕， 劉夏瓊， 曹小曙. 廣州市三個(gè)圈層社區(qū)居民通勤碳排放特征：以都府小區(qū)、南雅苑小區(qū)和麗江花園為例[J]. 地理研究， 2015， 34（4）：751-761.

[31]CHANG C C， LIAO Y T， CHANG Y W. Life cycle assessment of carbon footprint in public transportation： a case study of bus route NO.2 in Tainan City， Taiwan[J]. Procedia manufacturing， 2019， 30：388-395.

[32]喻潔， 達(dá)亞彬， 歐陽(yáng)斌. 基于LMDI分解方法的中國(guó)交通運(yùn)輸行業(yè)碳排放變化分析[J]. 中國(guó)公路學(xué)報(bào)， 2015， 28（10）：112-119.

[33]MISHINA Y， MUROMACHI Y. Are potential reductions in CO2 emissions via hybrid electric vehicles actualized in real traffic： the case of Japan[J]. Transportation research part D： transport and environment，2017，50：372-384.

[34] LIU P， LIU C， DU J B，et al. A system dynamics model for emissions projection of hinterland transportation[J]. Journal of cleaner production， 2019， 218：591-600.

[35]李春好， 蘇航， 佟軼杰， 等. 基于理想決策單元參照求解策略的DEA交叉效率評(píng)價(jià)模型[J]. 中國(guó)管理科學(xué)， 2015， 23（2）：116-122.

[36] LIU B Q， TIAN C， LI Y Q， et al. Research on the effects of urbanization on carbon emissions efficiency of urban agglomerations in China[J]. Journal of cleaner production， 2018， 197：1374-1381.

[37]劉華軍， 何禮偉. 中國(guó)省際經(jīng)濟(jì)增長(zhǎng)的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)：基于非線(xiàn)性Granger因果檢驗(yàn)方法的再考察[J]. 財(cái)經(jīng)研究， 2016（2）： 97-107.

[38]劉佳， 宋秋月. 中國(guó)旅游產(chǎn)業(yè)綠色創(chuàng)新效率的空間網(wǎng)絡(luò)結(jié)構(gòu)與形成機(jī)制[J]. 中國(guó)人口·資源與環(huán)境， 2018， 28 （8） ： 127-137.

[39]邵璇璇， 姚永玲. 長(zhǎng)江中游城市群的空間網(wǎng)絡(luò)特征及其影響機(jī)制[J]. 城市問(wèn)題， 2019（10）：15-26.

[40] 陳思茹， 張帥， 袁長(zhǎng)偉. 中國(guó)交通運(yùn)輸經(jīng)濟(jì)發(fā)展與碳排放效率評(píng)價(jià)[J]. 中國(guó)公路學(xué)報(bào)， 2019， 32（1）：154-161.

[41]李杰偉， 張國(guó)慶. 中國(guó)交通運(yùn)輸基礎(chǔ)設(shè)施資本存量及資本回報(bào)率估算[J]. 當(dāng)代財(cái)經(jīng)， 2016（6）： 3-14.

[42]黃杰. 中國(guó)能源環(huán)境效率的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)及其影響因素[J]. 資源科學(xué)， 2018， 40（4）： 759-772.

[43]WASSERAAN S， FAUST K. Social network analysis： methods and applications[M]. London： Cambridge University Press， 1994： 40-186.

[44] BAI C， ZHOU L， XIA M， et al. Analysis of the spatial association network structure of Chinas transportation carbon emissions and its driving factors[J]. Journal of environmental management， 2020， 253：109765.

[45]劉華軍， 劉傳明， 孫亞男. 中國(guó)能源消費(fèi)的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)特征及其效應(yīng)研究[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2015 （5）： 83-95.

[46]潘文卿. 中國(guó)的區(qū)域關(guān)聯(lián)與經(jīng)濟(jì)增長(zhǎng)的空間溢出效應(yīng)[J]. 經(jīng)濟(jì)研究， 2012， 47（1）： 54-65.

[47]李婧， 管莉花. 區(qū)域創(chuàng)新效率的空間集聚及其地區(qū)差異：來(lái)自中國(guó)的實(shí)證[J]. 管理評(píng)論， 2014， 26 （8）：127-134.

[48]孔艷芳.城鎮(zhèn)化是否縮小了中國(guó)城鄉(xiāng)收入差距：基于直接影響與空間溢出效應(yīng)的經(jīng)驗(yàn)論證[J].山東財(cái)經(jīng)大學(xué)學(xué)報(bào)，2019，31 （4）：87-98.

Spatial network structure of transportation carbon emissions

efficiency in China and its influencing factors

SHAO Haiqin WANG Zhaofeng

（School of Tourism， Hunan Normal University， Changsha Hunan 410081， China）

Abstract Grasping the spatial correlation structure of transportation carbon emissions efficiency and its influencing factors is of great significance for the promotion of high-quality and coordinated development of the transportation industry and even that of relevant region. Based on the ideal point cross efficiency （IPCE） model， this paper used the social network analysis method to explore the spatial correlation network structure of Chinas provincial transportation carbon emissions efficiency and its influencing factors. The results showed that： ① During the study period， Chinas provincial transportation carbon emissions efficiency formed a complex and multi-threaded network association relationship， but its network association structure was still relatively loose， and presented the hierarchical gradient characteristics of ‘dense in the East while sparse in the West. ② The correlation of Chinas transportation carbon emissions efficiency formed a ‘block segmentation based on the regional boundaries， and its factional structure was relatively obvious. Among them， the eastern region was closely connected with the central region， and generally connected with the western region and the northeastern region; the central region was mainly connected with the eastern region and the western region， and relatively less connected with the northeastern region; while the northeastern region was weakly connected with the western region. ③ Shanghai， Beijing， Zhejiang， Guangdong， Jiangsu， Tianjin and other developed provinces were in the core leading position in the transportation carbon emissions efficiency network， which had a significant impact on the spatial correlation of transportation carbon emissions efficiency. However， Heilongjiang， Jilin， Xinjiang， Qinghai and other remote provinces in the northeast and northwest were in the absolute edge of the network， which had a weak impact on the spatial correlation of transportation carbon emissions efficiency. ④ Provincial distance， economic development level difference， transportation intensity difference and transportation structure difference had significant negative impact on the spatial correlation network of Chinas provincial transportation carbon emissions efficiency， and energy saving technology level difference had significant positive impact on it， while the regression coefficients of transportation energy structure difference and environmental regulation difference were positive but not significant; their response mechanism and effects need to be improved and enhanced.

Key words transportation carbon emissions efficiency; spatial network structure; influencing factor; social network analysis

（責(zé)任編輯：劉照勝）

收稿日期：2020-05-06? 修回日期：2020-09-14

作者簡(jiǎn)介：邵海琴，博士生，主要研究方向?yàn)榈吞冀?jīng)濟(jì)、旅游地理。E-mail：15974242503@163.com。

通信作者：王兆峰，博士，教授，博導(dǎo)，主要研究方向?yàn)槁糜蔚乩怼-mail：jdwzf@126.com。

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目“城際交通與都市圈旅游空間格局協(xié)同演化機(jī)制研究”（批準(zhǔn)號(hào)：41771162）;湖南省國(guó)內(nèi)一流培育學(xué)科建設(shè)項(xiàng)目“地理學(xué)”（批準(zhǔn)號(hào)：5010002）。