中国交通运输业能源效率及其影响因素研究

交通运输系统工程与信息 ›› 2016, Vol. 16 ›› Issue (1): 19-25.

中国交通运输业能源效率及其影响因素研究

宋震1，丛林*2

1. 福州大学经济与管理学院，福州350108；2. 福建省人大法制委，福州350001

收稿日期:2015-07-07 修回日期:2015-11-02 出版日期:2016-02-25 发布日期:2016-02-25
作者简介:宋震（1988-），男，山东兖州人，博士生.

Energy Efficiency and Influencing Factors of Chinese Transportation Industry

SONG Zhen1, CONG Lin2

1. School of Economics and Management, Fuzhou University, Fuzhou 350108, China; 2. The Legal Committee of Fujian Province People's Congress, Fuzhou 350001, China)

Received:2015-07-07 Revised:2015-11-02 Online:2016-02-25 Published:2016-02-25

摘要/Abstract

摘要：

交通运输业能耗强度与各行业平均水平的差距逐步扩大，使得交通运输业逐步成为节能环保的短板之一.在此背景下，利用随机前沿模型，以中国30 省区为样本，测算1995—2012 年各地区交通运输业全要素能源效率并进行影响因素分析.结果表明，全要素视角下的中国交通运输业能源效率总体呈扁平W型走势波动上升，平均有56.3%的节能潜力；东中西部地区差异明显，呈现自东向西逐步下降的空间格局；全要素评价结果比单要素能源效率更加稳健；各省区交通运输业能源效率在2004—2012 年以年均9.6% 的速度发散，其中西部地区年均发散速率达到10.7%；对外开放、工业化进程、人力资本显著促进交通运输业能源效率的提升，制度因素与政府干预抑制作用明显，基础设施水平的影响不显著.

关键词: 综合交通运输, 能源效率, 随机前沿模型, 交通运输业, 收敛分析, 影响因素

Abstract:

It has gradually expanded that the gap of energy intensity between Chinese transportation and the average, so that energy saving and environmental protection in transportation industry become one of the short boards. Based on the panel data of Chinese 30 regions from 1995 to 2012, we use the stochastic frontier production function to analyze energy efficiency and the affecting factors of transportation industry. The result proves that, the energy efficiency of Chinese transportation industry is in an overall upward trend with flat W type, and has an average of 56.3% of the energy saving potential. There are significant differences between eastern, central and western region, it shows the spatial pattern of gradual decline from east to west. The results of total factor energy efficiency are more conservative than energy intensity’s; provinces transportation energy efficiency from 2004 to 2012 at an average annual rate of 9.6% divergence; western region diverge most significantly, the average annual rate of 10.7% divergence; economic opening, industrialization process and human resources significantly enhance the energy efficiency of transportation industry, while institutional factors and government intervention is significantly inhibited, and the level of infrastructure are not significant.

Key words: integrated transportation, energy efficiency, stochastic frontier function model, transportation industry, convergence analysis, influence factors

中图分类号:

U491

宋震，丛林. 中国交通运输业能源效率及其影响因素研究[J]. 交通运输系统工程与信息, 2016, 16(1): 19-25.

SONG Zhen1, CONG Lin2. Energy Efficiency and Influencing Factors of Chinese Transportation Industry[J]. Journal of Transportation Systems Engineering and Information Technology, 2016, 16(1): 19-25.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19127.shtml

http://www.tseit.org.cn/CN/Y2016/V16/I1/19

参考文献

[1] Hu J L, Wang S C. Total- factor energy efficiency of regions in China[J]. Energy Policy, 2006(34): 3206- 3217.

[2] 张唯实. 能源效率与中国经济增长关系研究[J]. 经济问题，2010（8）：13-16. [ZHANG W S. Energyefficiency and economic development gap in China[J].On Economic Problems, 2010（8）: 13-16.]
[3] 师博，沈坤荣. 市场分割下的中国全要素能源效率—基于超效率DEA 方法的经验分析[J]．世界经济，2008（9）：49-59. [SHI B, SHEN K R. Chinese totalfactor energy efficiency in segmented market basedon super-efficiency DEA[J]. The Journal of World Economy, 2008（9）: 49-59.]
[4] Boyd G A, Pang J X. Estimating the linkage betweenenergy efficiency and productivity[J]. Energy Policy,2000(28): 289-296.
[5] 何枫，陈荣，何炼成．SFA模型及其在我国技术效率测算中的应用[J]．系统工程理论与实践，2004（5）：46-50． [HE F, CHEN R, HE L C. The measurement ofChinese technical efficiency: The application ofstochastic frontier production function[J]. SystemsEngineering-Theory & Practice, 2004（05）: 46-50.]
[6] Battese G E, Coelli T J. A model for technicalinefficiency effects in a stochastic frontier productionfunction for panel data[J]. Empirical Economics, 1995(20): 325-332.
[7] 张军，吴桂英，张吉鹏．中国省际物质资本存量估算：1952- 2000[J]. 经济研究，2004（10）：35- 44.[ZHANG J, WU G Y, ZHANG J P. The estimationof Chinese provincial capital stock: 1952-2000[J].Economic Research Journal, 2004（10）: 35-44.]
[8] Jondrow J, Lovell C, Materov I S, et al. On the estimationof technical inefficiency in the stochastic frontierproduction function model[J]. Journal of Econometrics,1982,19(2): 233-238.
[9] Barro R J, Sala-I-Martin X. Convergence across statesand regions[J]. Brooking Papers on Economic Activity,1991(1): 107-182.

[1]	王福建, 卢一笑, 金盛. 多信号交叉口干线行程时间特性分析[J]. 交通运输系统工程与信息, 2021, 21(4): 132-139.
[2]	宋栋栋，杨小宝，祖兴水，四兵锋. 基于均值异质性随机参数Logit模型的城市道路事故驾驶员受伤严重程度研究[J]. 交通运输系统工程与信息, 2021, 21(3): 214-220.
[3]	李英帅，张旭，王卫杰，居潇凡. 基于随机森林的电动自行车骑行者事故伤害程度影响因素分析[J]. 交通运输系统工程与信息, 2021, 21(1): 196-200.
[4]	左大杰，肖国胜，王孟云. 产业转移背景下西部运输需求的完全分解模型[J]. 交通运输系统工程与信息, 2020, 20(5): 15-20.
[5]	冯涛，彭其渊，陶思宇，陈昕梅. 站城融合模式下既有铁路车站城市功能开发体量预测研究[J]. 交通运输系统工程与信息, 2020, 20(5): 21-28.
[6]	雷方舒. 基于信令数据的出行强度影响因素分析模型[J]. 交通运输系统工程与信息, 2020, 20(5): 51-55.
[7]	杨烨，谭忠富，焦港欣. 基于网联数据的电动车快速充电影响因素分析[J]. 交通运输系统工程与信息, 2020, 20(5): 86-92.
[8]	周约珥，龚华凤，赵聪霄，徐小童，黄博亚. 基于Panel Data的山地城市立交基本段通行能力影响因素研究[J]. 交通运输系统工程与信息, 2020, 20(5): 163-168.
[9]	叶菲菲，杨隆浩，王应明，蓝以信. 基于数据包络分析和扩展置信规则库的交通运输业环境治理成本预测[J]. 交通运输系统工程与信息, 2020, 20(3): 20-27.
[10]	周晓晔，崔瑶，何亮，马小云，王思聪. 基于地铁—货车联运的物流配送路径优化[J]. 交通运输系统工程与信息, 2020, 20(3): 111-117.
[11]	骆晨，李想，钟林峰，胡姗姗. 基于家庭属性差异的大学生出行方式选择行为研究[J]. 交通运输系统工程与信息, 2020, 20(3): 227-232.
[12]	诸立超，刘昭然. 托运人在不同时空下的选择行为差异揭示[J]. 交通运输系统工程与信息, 2020, 20(1): 27-32.
[13]	项昀，徐铖铖，于维杰，华雪东，王炜. 基于人口迁徙大数据的城市对外交通客运方式优势出行距离研究[J]. 交通运输系统工程与信息, 2020, 20(1): 241-246.
[14]	陈坚，李睿，傅志妍. 基于UTAUT 的无人驾驶公交乘客接受度模型[J]. 交通运输系统工程与信息, 2019, 19(6): 38-44.
[15]	申婵，崔洪军. 基于可靠性最短路的实时定制公交线路优化研究[J]. 交通运输系统工程与信息, 2019, 19(6): 99-104.