中国省际交通运输业能源效率测度及时空分异研究
程利莎，王士君，杨 冉，王彬燕
(东北师范大学地理科学学院，吉林 长春 130024)
[摘 要 ]基于全局方向性SBM模型和GML指数，测算并分析了我国30个省市区2001—2015年间全要素交通运输业能源效率及时空分异特征；采用空间面板计量模型，探讨了影响我国交通运输业能源效率的主要因素.结果表明：全国各省市区交通运输业能源效率水平整体偏低，且地域差异明显，研究期内“东高西低，中部居中”的总体格局基本稳定，但整体呈现相对高效区由东向西接触扩散的变化特征；研究年份间交通运输业能源效率整体呈现增长态势，GML指数普遍大于1，各省市区纯技术效率和规模效率显著提高；经济发展水平、人力资本、技术水平及制度因素对交通运输业能源效率有一定的影响作用.
[关键词 ]交通运输业；能源效率；时空分异；SBM模型；GML指数
改革开放以来，国内经济快速发展，相应的能源供需矛盾及环境污染等问题日益突出，节能减排及提高能源效率则成为实现能源与经济协调发展的主要途径[1].交通运输是中国经济和社会发展的基础性、先导性产业[2]，其具有资本投入密集、能源消耗密集和污染排放密集三大特征[3]，是未来能源需求和二氧化碳排放增长的主体.2015年底，交通运输行业消耗能源总量为36 336.47万t标准煤，是1995年能耗总量的6.20倍，达到全国总能耗的9%，仅次于工业和居民消费两大能耗领域.因此，如何准确评价并提高交通运输业能源效率变得尤为重要.
当地人还更爱酸口味，不管是Sinigang罗望果海鲜汤，还是Adobo菲式炖肉，菲律宾人都是要下足罗望果汁或者白醋之类去调酸味的。
Patterson[4]认为能源效率作为一个一般化的术语，可用热力学指标、物理-热量指标、经济-热量指标和纯经济指标等来衡量.依照现有研究，能源效率按计算方法可分为单要素能源效率和全要素能源效率.单要素能源效率主要刻画能源强度，即一定产出的能源消耗情况；全要素能源效率则综合考虑能源与其他生产要素之间的互相配合和替代作用，与实际生产过程相符[5].关于全要素能源效率的具体研究方法有很多种，其中数据包络分析方法(Data Envelopment Analysis，DEA)应用最为普遍，对社会经济生产系统的多投入多产出过程的效率评价很有效[6]，由Hu等[7]2006年最早提出应用于全要素能源效率的测算，并对中国29个行政区域的能源效率进行了研究分析.自此，国内外关于能源效率的研究内容及方法模型日益丰富[8-11]，马海良等[12]测度了中国三大经济区的能源效率，胡根华等[13]则基于DEA-Tobit模型比较研究了金砖国家的全要素能源效率.总之，基于区域、不同行业及影响因素等视角的研究较多，但这些研究仅考量了经济效益，并未考虑生态效益.为此有学者尝试将环境污染纳入投入产出体系，王伟国等[14]、王兵等[15]引入SBM模型基于非期望产出研究了全国的全要素能源效率差异；宫大鹏等[16]、张立国等[17]、于伟咏等[18]、冯博等[19]分别研究了环境约束下的工业、物流业、农业、建筑业源效率等内容.
着眼于国外相关交通运输业能源效率研究，Ediger[20]、Saidur[21]、Jaber[22]等学者分别研究了土耳其、马来西亚、约旦不同运输部门的能源和火用效率；Ruzzenenti等[23]通过分析欧洲公路运输部门的能源强度与燃料经济评价了其能源效率；Liimatainen等[24]研究认为1995—2009年间芬兰公路货运能源效率先提升后下降.近年来国内有少部分学者沿用效率的评价范畴，运用相应方法测度了交通运输业的全要素能源效率，即综合考虑运输活动中能源与其他生产要素之间的互相配合和替代作用，全面衡量运输生产活动中的资源投入与产出关系[25-26].
“微生物工艺提取活性腐殖酸是世界上最独特的提取工艺。”据冉峰介绍，通过微生物发酵常温降解提取腐殖酸，具有低能耗和不加碱的工艺特点，在降低生产成本的同时有效增加了提取物的活性和功效，具有更加广泛、高效的应用空间。通过微生物工艺可以将腐殖酸抽提出黄腐酸、棕腐酸、黑腐酸和代谢产物等多种物质，可以补充全腐殖酸，同时具有与所有水质及氮磷钾复配的良好兼容性。
本文采用变异系数来测度交通运输业能源效率的区域差异，计算结果见图1.变异系数越大，区域间差异越大.
纵观国内外研究情况，关于能源效率的研究多是围绕区域和行业层面展开，由单考虑有益产出向综合考虑非期望产出深化，评价方法及结果愈加科学化.此外，国外文献中的交通运输业能源效率普遍为物理-热量指标，未能反映交通投入与其产出之间的关系，而国内关于交通运输行业能源效率的研究较少，且忽略了参照技术的非同期性，仅为某一技术水平下的观测值；同时对其空间格局及分异特征的研究更为匮乏，并忽略了地域之间的空间关联性.鉴于此，本文运用全局方向性SBM模型和GML指数对中国30个省市区的全要素交通运输业能源效率进行了估算评价，以揭示其时空格局特征.
“冰山原则”的另一特点是省略，这里所说的省略并不是传统创作中所用的含蓄手法，故意省略某些东西，从而达到“言有尽而意无穷”的效果。传统的省略是省略了情味和韵致，而海明威在作品中省略的则是完全不同质的东西——实体经验。海明威曾强调过：“如果一位作家省略某一部分是因为你不知道它，那么在小说里就有破绽了。”所以说，作家省略的“某一部分”必须是自己能够把握并且熟悉的，也必须是读者能够领会和理解的。只有这样，没有省略的文字才更具有表达的意味。读者看到这些文字，便能联想到没有直接描述的内容，使读者与作者、作品产生共鸣。
1 研究方法与数据来源
1.1 研究方法
1.1.1 全局方向性SBM
假定交通运输业生产系统有n 个决策单元(DMU)，且每个决策单元有3个向量：投入向量x ∈R m ，期望产出向量y g ∈R S1 和非期望产出向量y b ∈R S2 ，相应的矩阵分别为
生产可能性集合即为P g (x ).具体的非期望产出的SBM模型为：
(1)
式中：
分别为第i 0个DMU的投入冗余量、正产出不足量及副产出超标量；S -，S g ，S b 为其对应的向量；λ 为权重向量.ρ *是目标函数且严格递减，即0≤ρ *≤1：(a)当ρ *=1时，即S -=0，S g =0，S b =0时，决策单元才是有效率的；(b)当ρ *<1时，即S -，S g ，S b 三者中至少有一个不等于零时，决策单元是无效率的，存在着投入产出上改进的必要性[27-31].
1.1.2 全局参比Malmquist指数(Global Malmquist-Luenberger—GML)
式中：ε 为随机误差项向量；λ 为n ×1阶空间误差系数，代表了回归模型残差项空间相关性的大小；u 为正态分布的随机误差项[34].
M g (x t+1 ，y t+1 ，x t ，y t )=I E×I T=I PE×I SE×I T.
(2)
式中：x 为投入向量，y 为产出向量；t 为时间(a).依据公式，GML指数可以被分解为纯技术效率进步指数(I PE)、规模效率进步指数(I SE)、效率进步指数(I E)、技术进步指数(I T).各指数大于1表示效率同比递增，小于1表示同比递减.
1.1.3 空间计量模型
(1) 空间自回归模型(SLM)：
y =ρW y+xβ +ε .
(3)
式中：y 是各地区的交通运输业能源效率；x 为能源效率的影响因素；参数β 反映了相应指标对能源效率的影响；W 为n ×n 维度的空间邻接矩阵，矩阵包含了0，1变量；空间滞后因变量W y是一内生变量，反映了空间关系对能源效率的作用；ρ 是空间自回归参数，考察被解释变量自身空间依赖性的大小；ε 为随机误差项.
(2)空间误差模型(SEM)被定义为：
y =xβ +ε ，ε =λWε +u .
(4)
全局参比Malmquist指数表征了能源效率的逐年变化情况，是由Pastor和Lovell[32]提出的一种Malmquist指数计算方法.同全局技术效率一样，GML指数以全时段生产技术构造出全局生产前沿面，相比普通Malmquist指数，避免了“技术倒退”现象，而且具备传递性，可累乘[33].计算公式为
1.2 指标选取及数据处理
本文选取2001—2015年间中国30个省市区(不含西藏及台湾、香港、澳门地区)的交通运输业投入与产出数据进行能源效率测度及分析(文中涉及的交通运输业相关数据均为各统计年鉴中交通运输、仓储及邮政业目录下的数据).具体指标类型分为投入指标和产出指标，投入指标包括资本(全国分省的交通运输业的固定资本存量[35-36])、劳动力(交通运输业年末从业人数)、能源(交通运输业生产运营所消耗的各类能源，消耗量依据各自折标系数折算成标准煤消耗量，进而得出能源消耗总量.)；产出指标包括经济产出(交通运输业投入产出生产体系中的期望产出)和碳排放(交通运输业投入产出生产体系中的非期望产出[37-38]).数据来源于《中国统计年鉴》《中国国内生产总值核算历史资料》《中国能源统计年鉴》.
2 测度结果与分析
2.1 交通运输业能源效率及其空间分异
各项分解指数分析结果表明，2001—2015年间全国各省市区交通运输业的生产技术明显改进，规模效率显著提高，但资源的有效配置与利用效果欠佳.具体来看，全国地区得益于E T，E S15年间分别增长1.15倍、1.18倍的“双重驱动”，在资源配置与利用没有明显改善的情况下，能源效率增长了1.35倍，表明中国交通运输业在提升规模效率的同时，通过提高生产技术水平从而使生产效率在现有生产方式下得到改善.区域层面，东部地区变动情况与全国情况基本一致，纯效率变化值小于1，纯技术、规模效率明显改善，尤以技术进步最为显著，提升了1.52倍；中部地区三者变化值均大于1，其在接受东部地区先进产业转移的同时，转变生产方式、提升规模效率、加大科技投入，合理稳步提升能源效率；西部地区则只有规模效率明显提高，且高于全国及东、中部平均水平，其只能在自然环境较差、技术水平落后以及相应资源配置不合理的情况下，通过加大交通运输业各要素投入，扩大生产运输规模，进而获得基本效益.省际层面，多数省份纯效率无改进，E P<1；贵州、青海等西部省份出现技术退步现象；河北、山东、广东等东部省份则处于规模报酬递减阶段，出现规模效率下滑现象.
表1 2001 —2015年中国交通运输业能源效率
注：东、中、西三区域分类选取国家统计中常用的11∶8∶12分类标准；限于篇幅，仅列出奇数年份数值.
总的来看，全国能源效率差异整体呈现“先波动减小后缓慢扩大” 的特征.2001—2006年间，变异系数值振荡剧烈，分别在2003年和2006年达到研究期内的最高和最低水平，但整体呈下降趋势，地区间差异逐步减小；2006—2015年间变异系数值则缓慢增大，然而波动不明显，整体维持在0.5水平，交通运输业能源效率的地区间差异存在微扩大化现象.出现该结果的原因为：自2000年以来，国家陆续出台了西部大开发、振兴东北老工业基地、中部崛起等重大战略，战略的实施着实缩小了区域间经济发展、基础设施建设的差异，然而自2006年全面开放道路运输市场后[39]，东部地区得益于其优越的地理位置，对外开放程度高，使得国外运输企业先进的管理经验与装备技术能够及时传播和扩散，而中西部各省处于内陆地区，相对闭塞，进而利用外资能力较弱，同时加上资金和优秀人才向东部地区流失，最终使得交通运输业能源效率空间分布格局日趋非均衡化.
2.1.2 能源效率差异
2001—2015年间全国各省市区交通运输业能源效率水平整体偏低.数据显示，除天津、河北、江苏、福建及山东在个别年份效率值等于1外，其他地区任意年份的能源效率值均小于1，研究年份间中国交通运输业能源效率平均值为0.364，处于较低水平，表明中国交通运输业仍有很大节能潜力.从区域类型来看，东、中、西部地区效率平均值分别为0.505，0.349，0.235，东部地区的能源效率值显著高于中西部地区及全国平均水平，呈现出自东向西能源效率梯度递减的空间特征，可能的原因为东部沿海地区交通基础设施建设较为完备以及人力资源素质较高，其作为先进技术知识的载体，交通运输业能源效率值相应地高于其他地区.从单个省市区来看，高于全国平均水平的省市区比例仅为36.77%，大多地区能源效率亟待进一步改善，同时平均效率最高的5个单元依次是福建、河北、江苏、天津、山东，均集中于东部沿海地区；最低的5个省区依次为宁夏、甘肃、青海、贵州、云南，多集中于西北、西南地区，此类地区自然地理环境条件恶劣，经济发展水平和基础设施建设相对落后，因此交通运输业的经济效益和环境效益都比较低.
纳入标准：（1）具有脊髓型颈椎病的典型症状如肌力、感觉减退，病理征阳性等，经至少6个月保守治疗无好转者；（2）经MRI确认压迫节段至少≥3个；（3）随访时间至少为1年，并有完整的随访期复诊资料。排除标准：（1）主要症状表现为根性或轴性症状，而非压迫脊髓引起；（2）合并有后纵韧带骨化、椎管狭窄、黄韧带肥厚、骨折或肿瘤等其他颈椎疾病；（3）接受前后路联合手术，或过往经历颈椎手术者。
所选取患者在治疗过程中均未出现严重不良症状,观察组中有1例患者出现恶心症状,所占比例为2.50%,对照组中有1例患者出现恶心症状,1例患者出现头痛症状,所占比例为5.00%,两组数据没有明显差异存在(X2=0.866,P=0.352)。
冬季修剪时，4个蔓性主枝的延长枝进行中短截，壮芽当头；培养长轴型结果枝组的枝轻短截，培养小型结果枝组的枝重短截，疏除过密枝和背上直立枝，其他枝缓放。
图1 2001 —2015年全国交通运输业能源效率变异系数
2.1.1 能源效率水平
分区来看，各区域内部差异均小于全国整体差异，变异系数值：东部>西部>中部.可能是因为东部地区各省产业结构、功能定位的差异较大，因此运输结构和运输成本悬殊，进而导致区域内部交通运输业能源效率差异显著，然而中部各省地形条件及经济发展水平相似，从而内部能源效率相对趋同.从变化趋势来看，研究期内，东部地区整体差异水平呈波动减小特征，2001—2006年间变动剧烈，与全国此间总体差异变化趋势基本一致，而后区域内部差异则处于相对平稳状态，微弱下降；中、西部地区变异系数则呈“N”型运行态势，2001—2004年间区域内差异逐步扩大，2004—2005年间则急剧下降，而后变异系数值整体微弱上扬，内部差异缓慢增大.
2.1.3 能源效率空间演化
为了反映交通运输业能源效率的空间变化过程，采用可视化操作显示各年能源效率空间分布情况，并且依据2001年Arcgis中自然断裂法的中断值将每年的全国交通运输业能源效率从高到低划分为4种地域类型：一类区、二类区、三类区、四类区(见图2).
因此，财务部门应建立大科室理念，以整个业务为基础，打通管理，实现核算和结算工作良好衔接，加强关联业务交流，共享基础信息，灵活调配人员，提高工作效率。
图2 中国交通运输业能源效率空间分布
从整体上看，2001年以来，中国交通运输业能源效率“东高西低、中部居中”的总体格局保持稳定.从具体变化来看，三、四类区数量不断减少，一、二类区比例大幅增加，整体呈现相对高效区由东向西接触扩散的空间演化特征.2001年，各省市区交通运输业能源效率普遍为三类区和四类区，两者占比达76.67%，多位于中西部地区，尤以西部地区最为集中，一类区则仅有河北、山东、福建三个省份；2005年，三、四类区比例有所降低，但仍占主导地位，浙江和广东两个省份能源效率显著提高，发展为一类区；2010年，一类区明显占据优势地位，占总单元数量比例为30%，呈“5”字型分布于东部沿海地区，二类区则数量较少，零星镶嵌于一类区中间，相比之前年份，整体能源效率重心明显西移；2015年，三、四类区不再占据主导地位，较2001年比例下降36.67%，东、中部各省市区则多发展为一、二类区，其比例上升至60%，交通运输业能源相对高效区明显增多.由图2可知，青海、甘肃、宁夏自始至终位于四类区行列，无论要素投入规模、资源配置组合还是技术装备、组织运营这些省份都处于欠发展状态；同时值得注意的是，研究期内北京、上海两个直辖市也始终在三类区和四类区之间波动，能源效率处于低下水平，这两个直辖市的经济发展水平较高，但普遍存在要素投入冗余现象，投入规模和结构不尽合理，资源无效率利用，环境效益较差.
2.2 交通运输业能源效率时序动态分析
基于SBM非期望产出模型的GML指数，可测度2001—2015年间全国各省市地区的能源效率变动过程，结果见表2.指数大于1表示效率同比递增，小于1表示同比递减，并可进一步将其分解为纯效率变化(E P)、纯技术变化(E T)及规模效率变化(E S).
2.2.1 GML指数
1)对预制光缆传输衰耗要求较高的工程应用，建议采用分支器型预制光缆；对施工效率及标准设计要求较高的工程应用，建议采用连接器型预制光缆。
研究表明，全国各省市区交通运输业能源效率整体呈现增长态势，GML指数普遍大于1.从全国来看，2006年之前能源效率增长缓慢，甚至呈现倒退趋势，多个年份间的GML指数小于1，而后能源效率逐步改善，上文已提及，2006年全面开放道路运输市场后，国外运输企业先进的装备技术及管理经验及时在国内得到扩散，同年全国大量实施汽车排放限制标准体系及以政府为主导的可持续消费观念开始转变，因此之后的能源效率改变下行趋势，整体15年间交通运输业能源效率提高了1.35倍.
2.2.2 分解指数
基于中国30个省市区2001—2015年间的面板数据，运用方向性SBM模型，得到在全局生产技术集的连续前沿面下综合考虑非期望产出的中国各省市区交通运输业能源效率(见表1).
表2 2001 —2015年中国交通运输业能源效率变动及其分解
注：GML指数具备循环可加性；GML指数，E P，E T，E S为各年度累积值.
3 交通运输业能源效率空间关联和影响因素分析
3.1 全局性Moran’s I 检验
为甄别各省市区交通运输业能源效率是否存在空间上的联系，分别计算2001—2015年间全局Moran’sI 指数及其标准化统计量Z ，结果见表3.结果显示，所有年份的Moran’sI 指数均大于0.2，且全部通过了5%的显著性检验，说明从统计学来看，各地区交通运输业能源效率并非表现出完全的随机性，而是在宏观上呈现出一定的空间集聚趋势，具有明显的正自相关关系，即能源效率较高或者较低的单元在空间上的分布具有趋同性，地域差异显著.
因此，在理论上，中国经济政策不确定性水平上升，会对固定资产投资增长形成显著的抑制效应，并且，投资不可逆程度越高的行业，其投资增长受经济政策不确定性的负面影响就越大。
表3 2001 —2015年中国交通运输业能源效率全局自相关Moran ’s I 指数
3.2 空间计量模型估计与影响因素分析
上述结果表明，中国各省市区交通运输业能源效率存在空间效应.为此利用Matlab中的Spatial panel工具箱建立空间面板回归模型，分别建立空间滞后模型(SLM)、空间误差模型(SEM)，对比分析检验结果，最后选择最优模型甄别中国省域交通运输业能源效率的主要影响因素.
3.2.1 影响因素的变量说明与数据来源
借鉴已有的相关研究成果[17，26，38]，本文遵循指标选择科学性及可获取性的原则，首先从地区经济发展水平、人力资本、基础设施水平、技术水平及制度因素等多方面选择了15个指标进行逐步回归，依据逐步回归结果，同时排除严重共线性指标(VIF值>10)，最终确定8个指标来构建本文的交通能源利用效率的影响因素指标体系.具体来说：一是表征地区经济发展水平的人均GDP、第二产业产值比重；二是表征地区人力资本的年末总人口、平均受教育年限；三是表征地区基础设施建设水平的综合路网密度、人均公路营运汽车拥有量；四是表征地区技术水平的技术市场成交额；五是表征地区政府制度因素的国有固定资产投资额占比、公共财政支出.其中，综合路网密度的加权系数分别为当年铁路、公路的货运周转量占比；平均受教育年限计算时受教育水平包括小学、初中、高中(中专)及大专以上，对应年限分别为6，9，12，16年.以上数据均来源于2001—2015年《中国统计年鉴》.此外，各变量的自然对数在1%的显著性水平下皆拒绝具有单位根的原假设，此面板数据为平稳序列.
3.2.2 模型的识别与回归结果分析
对于代孕，世间有着各种看法：保守主义者认为，这是在玩弄生命的奇迹；而女权主义者则将代孕母亲比作妓女，认为她们是在出租自己的身体。
根据比较LM和Robust-LM检验结果发现，SLM模型的统计量值均大于SEM模型，且SEM模型Robust-LM检验统计量未通过5%的显著性检验，因此SLM模型的估计结果均要优于SEM模型；同时当回归分析局限于一些特定的个体时(如中国的31个省级区划单元)，固定效应是更好的选择[40]，故下文主要根据SLM模型下的空间固定效应来解释省域交通运输业全要素能源效率的影响因素.
估计结果显示，SLM模型的拟合系数R 2为0.823，且空间自回归参数ρ (0.236***)显著为正，表明中国交通运输业能源效率存在空间自回归效应，即一个省市区的能源效率对其邻近的省市区造成正向扩散(溢出)影响.其他具体回归系数估计结果显示：经济发展水平中人均GDP(0.138**)对能源效率具有显著的正向影响，但第二产业产值比重影响不显著；人力资本中年末总人口即人口规模(0.309**)和平均受教育年限(0.424***)均具有显著正影响，人口规模大的地区自然伴随着大流量的移动和联系，交通运输活动频繁，因此经济效益较高，同时可见提高素质教育水平对社会可持续发展的重要性；基础设施水平中综合路网密度(0.264***)对能源效率具有显著的正向影响，交通基础设施的完善和道路通行能力的提高将在一定程度上对能源效率的提升有促进作用，然而人均公路营运汽车拥有量(-0.089**)却为负向影响，以公共交通为开发导向可能有效减缓交通CO2的排放[38]，但在一定程度上抑制了能源效率的提升；技术水平—技术市场成交额(0.066*)对地区交通运输能源效率的提升具有一定的正向影响；制度因素中国有固定资产占比(-0.124**)、公共财政支出(-0.119*)则显著抑制了能源效率的提升(注：***，**，*分别表示在1%，5%，10%的显著性水平下差异显著).
4 结论
本文运用全局方向性SBM模型和GML指数对中国30个省市区的全要素交通运输业能源效率进行了估算评价，并分析了其时空分异特征，进而利用空间面板计量模型分析了影响交通运输业能源效率的主要因素，得到以下结论：
(1) 研究年份间全国各省市区交通运输业能源效率水平整体偏低，平均值为0.364，仍有很大的节能潜力；同时地域差异明显，呈现出自东向西梯度递减的空间特征，且研究期内由于受相关政策出台的影响，全国能源效率差异整体先波动减小后缓慢扩大；从空间变化来看，“东高西低、中部居中”的总体格局基本稳定，但整体呈现高效率区由东向西接触扩散的变化特征，能源效率低值区数量不断减少，高值区比例大幅增加.
(2) 全国各省市区交通运输业能源效率整体呈现增长态势，GML指数普遍大于1，分时段来看2006年之前能源效率增长缓慢，甚至呈现倒退趋势，而后能源效率逐步改善；各项分解指数分析结果表明，研究年份年间全国各省市区交通运输业的生产技术明显改进，规模效率显著提高，但资源的有效配置与利用效果欠佳.
式中,/(θ0d0)为FRP布加固裂纹梁的裂纹等效旋转弹簧刚度.未加固梁裂纹的等效旋转弹簧刚度K0[33]可表示为
(3) 经济发展水平中人均GDP对交通能源效率的提升具有显著的正向影响，高的技术水平、综合路网密度及优质人力资本亦能显著促进效率的提升，然而以公共财政支出占GDP比重和国有固定资产占比衡量的政府影响力及人均公路营运汽车拥有量与交通运输业能源效率存在显著的负相关性，第二产业产值比重则影响不显著.
本文测算了整个交通运输行业的能源效率，但是并未针对不同交通运输方式(铁路、公路、海运等)之间的能源效率差异进行测算与比较，此外仍然缺乏对各地区如何提高交通运输业的能源利用效率、未来有多大的节能及改善潜力等相关内容的分析，这些问题均有待进一步研究与探讨.
[参 考 文 献 ]
[1] 关伟，许淑婷.辽宁省能源效率与产业结构的空间特征及耦合关系[J].地理学报，2014，69(4)：520-530.
[2] 段琼.陕西农村居民消费与经济增长关系实证研究[D].西安：长安大学，2011.
[3] 李涛，曹小曙，杨文越，等.中国区域综合运输效率的测度及其时空演化[J].地理科学，2015，35(2)：168-175.
[4] PATTERSON M G.What is energy efficiency concepts，indicators and methodological issues[J].Energy Policy，1996，24(5)：377-390.
[5] 张志辉.中国区域能源效率演变及其影响因素[J].数量经济技术经济研究，2015，32(8)：73-88.
[6] 王强，樊杰，伍世代.1990—2009年中国区域能源效率时空分异特征与成因[J].地理研究，2014，33(1)：43-56.
[7] HU J L，WANG S C.Total-factor energy efficiency of regions in China[J].Energy Policy，2006，34(16)：3206-3217.
[8] HU J L，KAO C H.Efficient energy-saving targets for APEC economics[J].Energy Policy，2007，35(1)：373-382.
[9] MUKHERJEE K.Energy use efficiency in the Indian manufacturing sector：an interstate analysis[J].Energy Policy，2008，36(2)：662-672.
[10] 王雄，岳意定，刘贯春.基于SFA模型的科技环境对中部地区能源效率的影响研究[J].经济地理，2013，33(5)：37-42.
[11] 吴晓华，李磊.中国碳生产率与能源效率省际差异及提升潜力[J].经济地理，2014，34(5)：105-108.
[12] 马海良，黄德春，姚惠泽.中国三大经济区域全要素能源效率研究——基于超效率DEA模型和Malmquist指数[J].中国人口·资源与环境，2011，21(11)：38-43.
[13] 胡根华，秦嗣毅.“金砖国家”全要素能源效率的比较研究——基于DEA-Tobit模型[J].资源科学，2012，34(3)：533-540.
[14] 王维国，范丹.中国区域全要素能源效率收敛性及影响因素分析——基于Malmqulist-Luenberger指数法[J].资源科学，2012，34(10)：1816-1824.
[15] 王兵，张技辉，张华.环境约束下中国省际全要素能源效率实证研究[J].经济评论，2011，32(4)：31-43.
[16] 宫大鹏，赵涛，慈兆程，等.基于超效率SBM的中国省际工业化石能源效率评价及影响因素分析[J].环境科学学报，2015，35(2)：585-595.
[17] 张立国，李东，龚爱清.中国物流业全要素能源效率动态变动及区域差异分析[J].资源科学，2015，37(4)：754-763.
[18] 于伟咏，漆雁斌，李阳明.碳排放约束下中国农业能源效率及其全要素生产率研究[J].农村经济，2015，33(08)：28-34.
[19] 冯博，王雪青，刘炳胜.考虑碳排放的中国建筑业能源效率省际差异分析[J].资源科学，2014，36(6)：1256-1266.
[20] EDIGER V S，CAMDALI U.Energy and exergy efficiencies in Turkish transportation sector，1988—2004[J].Energy Policy，2007，35(2)：1238-1244.
[21] SAIDUR R，SATTAR M A，MASJUKI H H，et al.An estimation of the energy and exergy efficiencies for the energy resources consumption in the transportation sector in Malaysia[J].Energy Policy，35(8)：4018-4026.
[22] JABER J O，AL-GHANDOOR A，SAWALHA S A.Energy analysis and exergy utilization in the transportation sector of Jordan[J].Energy Policy，36(8)：2995-3000.
[23] RUZZENENTI F，BASOSI R.Evaluation of the energy efficiency evolution in the European road freight transport sector[J].Energy Policy，2009，37(10)：4079-4085.
[24] LIIMATAINEN H，PÖLL
NEN M.Trends of energy efficiency in Finnish road freight transport 1995—2009 and forecast to 2016[J].Energy Policy，38(12)：7676-7686.
[25] 陈庆响.二氧化碳控排约束下的我国交通运输业全要素能源效率研究[D].北京：北京理工大学，2016.
[26] 宋震，丛林.环境约束下中国交通运输业能源效率研究[J].交通运输系统工程与信息，2016，16(4)：39-45.
[27] CHUNG Y H，FARE R，Grosskopf S.Productivity and undesirable outputs：a directional distance function approach[J].Journal of Environmental Management，1997，51(3)：229-240.
[28] LUENBERGER D G.Microeconomic theory[M].Boston：McGraw Hill，1995：108-110.
[29] FUKUYAMA W L.A directional slacks-based measure of technical inefficiency[J].Socio-Economic Planning Sciences，2009，43(4)：274-287.
[30] OH D H.A global Malmquist-Luenberger productivity index[J].Journal of Productivity Analysis，2010，34(3)：183-197.
[31] 杨清可，段学军，叶磊，等.基于SBM-Undesirable模型的城市土地利用效率评价——以长三角地区16城市为例[J].资源科学，2014，36(4)：712-721.
[32] PASTOR J T，LOVELL C A K.A global Malmquist productivity index[J].Economics Letters，2005，88(2)：266-271.
[33] 成刚.数据包络分析方法与MaxDEA软件[M].北京:知识产权出版社，2014：205-206.
[34] 孙才志，赵良仕，邹玮.中国省际水资源全局环境技术效率测度及其空间效应研究[J].自然资源学报，2014，29(4)：553-563.
[35] 刘建国，李国平，张军涛，等.中国经济效率和全要素生产率的空间分异及其影响[J].地理学报，2012，67(8)：1069-1084.
[36] HALL R E，JONES C I.Why do some countries produce so much more output than others [J].The Quarterly Journal of Economics，1999，114(1)：83-116.
[37] IPCC.2006 IPCC Guidelines for national greenhouse gas inventories[EB/OL].[2018-05-01].http://www.ipcc-nggip.iges.or.jp./ public/2006gl/index.html，2006.[2013-04-28].
[38] 杨文越，李涛，曹小曙.中国交通CO2排放时空格局演变及其影响因素——基于2000—2012年30个省(市)面板数据的分析[J].地理科学，2016，36(4)：491-501.
[39] 杨良杰，吴威，苏勤，蒋晓威，等.基于SBM-Undesirable模型的1997—2010年中国公路运输效率评价[J].地理科学进展，2013，32(11)：1602-1611.
[40] 何江，张馨之.中国区域经济增长及其收敛性:空间面板数据分析[J].南方经济，2006，24(5)：44-52.
Research on energy efficiency and its spatio -temporal differentiation of China ’s transportation industry
CHENG Li-sha，WANG Shi-jun，YANG Ran，WANG Bin-yan
(School of Geographical Sciences，Northeast Normal University，Changchun 130024，China)
Abstract :Based on the global directional Slacks-based Measure model and Global Malmquist-Luenberger index，this paper measures the transportation industry total factor energy efficiency and analyzes its spatio-temporal differentiation characteristics in China 30 Provinces during 2001—2015，then investigating the main influencing factors of transportation industry energy efficiency by using the spatial panel econometric model.The results show that the whole energy efficiency level of the province is low，and the regional differences are obvious.During the study period，the overall pattern of “East High West low，middle center” is essentially stable，but the whole variation characteristics is that the high efficiency areas are contiguously diffuse from east to west.Meanwhile，the research shows that the energy efficiency of the transportation industry in the whole year shows an increasing trend，the GML index is more than 1，and the pure technical efficiency and scale efficiency of provinces have been improved significantly.Finally，the level of economic development，human capital，technical level and institutional factors have an impact on the transportation industry energy efficiency.
Keywords :transportation industry；energy efficiency；spatio-temporal differentiation；Slacks-based Measure model；Global Malmquist-Luenberger index
[中图分类号 ]F 542
[学科代码] 790·61
[文献标志码] A
[文章编号 ]1000-1832(2019)01-0145-09
[DOI] 10.16163/j.cnki.22-1123/n.2019.01.025
[收稿日期 ]2018-05-06
[基金项目 ]国家自然科学基金资助项目(41471142，41630749).
[作者简介 ]程利莎(1993—)，女，博士研究生；
通信作者： 王士君(1963—)，男，博士，教授，博士研究生导师，主要从事经济地理学和城市地理学研究.
(责任编辑 ：方 林 )
标签：交通运输业论文; 能源效率论文; 时空分异论文; SBM模型论文; GML指数论文; 东北师范大学地理科学学院论文;