基于通径分析的四川省交通碳排放驱动机理研究

交通运输系统工程与信息 ›› 2018, Vol. 18 ›› Issue (2): 230-235.

基于通径分析的四川省交通碳排放驱动机理研究

左大杰^{* a, b, c}，戴文涛^a

西南交通大学 a. 交通运输与物流学院；b. 综合交通运输智能化国家地方联合工程实验室； c. 中国高铁发展战略研究中心，成都 610031

收稿日期:2017-11-27 修回日期:2018-01-19 出版日期:2018-04-25 发布日期:2018-04-25
作者简介:左大杰(1978-)，男，湖北广水人，副教授，博士.
基金资助:
国家社会科学基金/National Social Science Foundation of China(15BGL003).

Driving Mechanism of Traffic Carbon Emissions in Sichuan Province Based on Path Analysis

ZUO Da-jie^{a, b, c}, DAI Wen-tao^a

a. School of Transportation and Logistics; b. Comprehensive Transportation Intelligent National Local United Engineering Laboratory; c. National Research Center on Strategic Development of High-speed Railway, Southwest Jiaotong University, Chengdu 610031, China

Received:2017-11-27 Revised:2018-01-19 Online:2018-04-25 Published:2018-04-25

摘要/Abstract

摘要：

为深入分析交通运输碳排放内在驱动机理，以1995—2014年四川省实测数据为例，应用 ASIF数据构造原理和逐步回归方法识别有效驱动因子，并由通径分析获取其对行业碳排放增长的直接和间接效应.结果表明：经济强度、运输强度、相对结构和能耗强度是驱动行业碳排放的关键因子；经济强度是碳排放最主要的决策因子，其对碳排放的直接拉动效应明显；运输强度和相对结构对碳排放的影响依赖于经济强度的刺激，而能耗强度几乎可直接作用于碳排放；随着运输化的逐步推进，四川省的运输强度和能耗强度均有一定程度改善，但仍不足以抵消经济强度稳步上行所引致的行业碳排放增长.

关键词: 交通运输经济, 驱动机理, 通径分析, 环境效应, 决策系数

Abstract:

To further analyze the internal driving mechanism of carbon emissions in the transportation industry, this paper takes the measurement data of Sichuan Province during 1995 to 2014 as an example. Then ASIF data structural principles and stepwise regression methods are used to identify the valid driving factors. Furthermore, the direct and indirect effect of each factor on carbon emissions' growth is obtained by path analysis. The result shows that economic intensity, transportation intensity, relative structure and energy consumption intensity are the primary factors affecting the carbon emissions there. Economic intensity is the dominant determiner of carbon emissions, and its direct pull on that is remarkable. The effects of transportation intensity and relative structure on carbon emissions are motivated strongly by economic strength, while energy intensity can apply directly to that. It can be confirmed that the transportation and energy consumption intensity improves at a certain extent in Sichuan Province with the promotion of its transportation industry, but it still not enough to offset the growth of carbon emissions which led by the economic strength steadily ascending.

Key words: transportation economy, driving mechanism, path analysis, environmental effect, decision coefficient

中图分类号:

左大杰，戴文涛. 基于通径分析的四川省交通碳排放驱动机理研究[J]. 交通运输系统工程与信息, 2018, 18(2): 230-235.

ZUO Da-jie, DAI Wen-tao. Driving Mechanism of Traffic Carbon Emissions in Sichuan Province Based on Path Analysis[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(2): 230-235.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19615.shtml

http://www.tseit.org.cn/CN/Y2018/V18/I2/230

参考文献

[1] Organization for Economic Cooperation and Development (OECD). Cutting Transport CO2 Emissions: What progress?[M]. Paris: OECD Publications, 2007.

[2] 喻洁, 达亚彬, 欧阳斌. 基于 LMDI 分解方法的中国交通运输行业碳排放变化分析[J]. 中国公路学报, 2015, 28(10): 112-119. [YU J, DA Y B, OU YANG B. Analysis of carbon emission changes in China's transportation industry based on LMDI decomposition method[J]. China Journal of Highway and Transport, 2015, 28(10): 112-119.]

[3] MENDILUCE M, SCHIPPER L. Trends in passenger transport and freight energy use in spain[J]. Energy Policy, 2011, 39(10): 6466-6475.

[4] 年江. 中国交通运输行业碳排放影响因素研究：基于区域面板数据的STIRPAT模型分析[D]. 厦门: 厦门大学, 2014. [NIAN J. Underlying factors for transport sector CO2 emissions: STIRPAT model basing on regional panel data in China[D]. Xiamen: Xiamen University, 2014.]

[5] POUMANYVONG P, KANEKO S, DHAKAL S. Impacts of urbanization on national transport and road energy use: Evidence from low, middle and high income countries[J]. Energy Policy, 2012, 46(3): 268-277.

[6] 蔡婉华, 叶阿忠. 交通运输、经济增长与碳排放之间的互动关系研究：基于 PVAR 模型[J].交通运输系统工程与信息, 2017, 17(3): 26- 31. [CAI W H, YE A Z. Interactive relationship among transportation, economic growth and carbon emissions based on PVAR model[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(3): 26-31.]

[7] 张毅, 张恒奇, 欧阳斌, 等. 绿色低碳交通与产业结构的关联分析及能源强度的趋势预测[J]. 中国人口, 资源与环境, 2014, 24(11): 5-9. [ZHANG Y, ZHANG H Q, OU YANG B, et al. Analysis and forecast of energy consumption in transportation industry: Based on the grey model[J]. China Population, Resources and Environment, 2014, 24(11): 5-9.]

[8] CHEN W, LEI Y. Path analysis of factors in energyrelated CO2 emissions from Beijing's transportation sector[J]. Transportation Research Part D, 2017(50): 473-487.

[9] CHANG S Y, HU X J, OU X M, et al. Decomposition analysis of inter-city passenger transportation energy consumption in China[J]. China Population, Resources and Environment, 2010, 20(3): 24-29.

[1]	王健, 王慧, 胡晓伟, 李园园. 高峰期考虑乘客议价的网约车定价与平台收益及社会福利优化[J]. 交通运输系统工程与信息, 2022, 22(2): 54-63.
[2]	王景鹏, 祝蕊, 王鹏飞. 需求不确定下的网约车司机最优工资水平研究[J]. 交通运输系统工程与信息, 2022, 22(2): 178-185.
[3]	吕莹, 郭淳, 孙会君, 支丹月. 考虑出行竞争的网约车能源环境效应不确定性研究[J]. 交通运输系统工程与信息, 2021, 21(6): 289-297.
[4]	徐素秀, 谢冰, 秦威, 程会兵. 电动汽车充电与换电模式定价及投资策略[J]. 交通运输系统工程与信息, 2021, 21(5): 183-189.
[5]	鲁皓, 卢鑫, 焦柳丹. 收费公路资产证券化定价及发行方法研究[J]. 交通运输系统工程与信息, 2021, 21(4): 40-46.
[6]	王永, 谭克虎, 张娟. 基础设施公私合营模式融资影响因素及空间溢出效应研究[J]. 交通运输系统工程与信息, 2021, 21(4): 47-53.
[7]	吴贞瑶，帅斌，左博睿. 通货膨胀下高速公路公私合营项目的收入调节研究[J]. 交通运输系统工程与信息, 2021, 21(1): 156-161.
[8]	杨亚璪，李全森. 基于面板数据的乘用车购买偏好分析[J]. 交通运输系统工程与信息, 2021, 21(1): 227-232.
[9]	彭勇，高鹤. 带时间窗的多行程交换箱甩挂路径优化[J]. 交通运输系统工程与信息, 2020, 20(1): 166-174.
[10]	梁喜，陈月. 基于客流量和车公里的城市公共交通混合财政补贴优化模型[J]. 交通运输系统工程与信息, 2019, 19(3): 41-47.
[11]	高永峰，四兵锋. 基于需求弹性的城市公交票价优化方法及实证分析[J]. 交通运输系统工程与信息, 2019, 19(3): 163-168.
[12]	李杰梅，吴浩，刘陈，郝京京 . 边境城市跨境可达性对口岸经济的影响机理[J]. 交通运输系统工程与信息, 2019, 19(2): 30-36.
[13]	孙湘湘，周小亮. 交通基础设施投资、要素市场扭曲和经济增长[J]. 交通运输系统工程与信息, 2019, 19(1): 13-18.
[14]	吴桐雨，王健. 基于多层复杂网络的物流枢纽城市多尺度分析及发育评价[J]. 交通运输系统工程与信息, 2019, 19(1): 33-39.
[15]	任晓红，徐彩睿，任其亮，但婷 . 交通基础设施收入效应的门槛值分析：以西部11省区农村为例[J]. 交通运输系统工程与信息, 2018, 18(6): 28-34.