来源:Frontiers of Engineering Management 发布时间:2024/2/26 13:58:36
选择字号:
FEM | 中国公路交通的直接能源回弹效应

论文标题:Direct energy rebound effect for road transportation in China(中国公路交通的直接能源回弹效应)

期刊:Frontiers of Engineering Management

作者:Ferry ROELOFS , Antoine GERSCHENFELD, Katrien Van TICHELEN

发表时间:15 Dec 2023

DOI:10.1007/s42524-023-0276-y

微信链接:点击此处阅读微信文章

作者:查冬兰1,2*,姜盼松1,2,张雪1,2

单位:1. 南京航空航天大学经济与管理学院;2. 南京航空航天大学能源软科学研究中心

引用:Donglan ZHA, Pansong JIANG, Xue ZHANG. Direct energy rebound effect for road transportation in China. Frontiers of Engineering Management, 2023, 10(4): 597–611 https://doi.org/10.1007/s42524-023-0276-y

文章链接:

https://journal.hep.com.cn/fem/EN/10.1007/s42524-023-0276-y

https://link.springer.com/article/10.1007/s42524-023-0276-y

导语:提高能源效率是公路运输部门节能减排的主要途径,但其成效可能因能源回弹效应(energy rebound effect,ERE)的存在而部分或全部抵消。为测算中国公路运输部门长期和短期的直接能源回弹效应,本文构建了面板协整模型和误差修正模型,并考虑了不对称价格效应。研究发现:(1)公路客运和货运的长期回弹效应分别为13%-25%和14%-48%,短期回弹效应分别为36%-41%和3.9%-32%;(2)公路客运和货运的能源回弹效应均呈现部分回弹效应,未达到逆火效应;(3)公路运输部门能源消费的增长不能完全归因于能效的提升,收入水平、商品贸易规模、产业结构等因素发挥更大促进作用;(4)无论是公路客运还是货运,燃料价格上涨都无法抑制其能源需求的增长。上述发现对中国公路运输部门节能减排政策的制定具有重要现实意义。

关键词:公路运输部门;直接能源回弹效应;不对称价格效应;面板数据模型

1.引言

2021年交通运输业的能源消费占全球能源消费的20%,与化石燃料相关CO2排放占27%,表明其在解决全球能源碳排放方面发挥关键作用。2020年,中国能源消费总量达到49.8亿吨标准煤,其中交通运输约占能源消费总量的8.29%,是中国能源碳排放的主要来源之一。随着工业化和城市化的持续推进,交通部门的能源需求将进一步扩大(Chaudry等,2022)。根据Peng等(2017)的预测,2030年中国汽车数量和燃料需求将分别达到4.81亿辆和4.39亿吨石油当量。公路运输中的能源消费与CO2和其他污染物排放有着内在的联系。在交通运输部门中,公路运输占碳排放总量的80%,铁路运输紧随其后。交通运输部门减少温室气体和污染物排放的努力主要集中在提高能源效率上(Feng和Fang,2022;Song等,2023)。

为实现资源节约和环境可持续性,中国政府采取了系列措施来提高公路运输的能源效率。2011年,交通运输部发布的《关于建设低碳城市的指导意见》强调要提高交通运输系统的效率,并提出了城市客运单位能耗和二氧化碳减排的目标。2019年,《商用车能效和CO2排放强度分级评价办法》的颁布实施成为规范商用车运营的有力机制,提高了能效并遏制了二氧化碳排放。交通运输部在2021年推出《绿色交通“十四五”发展规划》,对公路运输单位能源强度提出了额外的要求。已有研究证实,尽管中国公路运输部门的能源消费总量不断上升,但其能效也在提升(Chen等,2019)。

大量文献证明了提高能效在实现节能减排目标上的有效性(Rottoli等,2021)。需要注意的是,提高能源效率往往会降低单位能源服务成本(Zha等,2022;Chen等,2022a),其成本的降低可能会刺激对这些服务需求的增加(Zhang等,2017)。因此,能效提高带来的预期节能效果可能无法完全实现,在某些情况下,可能会出现部分或完全抵消,这种现象被称为回弹效应(Khazzoom,1980;Greening等,2000;Chen等,2022b)。例如,能效提高降低了汽车每公里的行驶成本,可能刺激更频繁地使用汽车。这种额外的消费需求可能导致无法达到预期的节能效果。能源回弹效应的概念促使人们重新审视技术进步、能效和能源消费间的复杂关系,全面测算能源回弹效应的潜在规模对于公路运输部门能效政策的制定至关重要。

随着居民生活水平和城市化水平的提高,客运需求及其相应的能源消费正在快速增长。同时,在城市化进程和产业结构调整的推动下,货运需求及其相关的能源消费正在激增,其增速往往超过客运。鉴于两种运输方式的功能和燃料消耗模式的不同,其能源回弹效应将呈现显著差异。尽管部分研究估计了各国公路客运的能源回弹效应(Wang等,2012;Dimitropoulos等,2018;Chen等,2019;Malmaeus等,2023),但是关于公路货运能源回弹效应的研究仍然很少。

提高能源效率可以改变公路运输的能源消费行为。道路运输需求、人均收入和燃料价格等因素在长期往往会形成协整关系(Malmaeus等,2023)。长期能源回弹效应(long-term energy rebound effect,LERE)表示这些因素达到协整平衡时的回弹幅度。由于该平衡在短期内可能会偏离理想状态,此节点的回弹幅度称为短期能源回弹效应(short-term energy rebound effect,SERE)。由于公路客运和公路货运的能源消费结构不同,预计其LERE和SERE会有所不同。评估和比较这两种运输模式下的两类能源回弹效应对于政策制定具有重要价值,而这主题迄今受到的关注有限。此外,大量研究探索了公路运输部门能源回弹效应的影响因素,如能源价格、车辆承载能力、经济发展水平等(Winebrake和Green,2017;Xia和Zhang,2022),这些因素可能同时影响公路客运和货运。

在此背景下,本文试图量化中国公路运输的直接能源回弹效应,并探讨其影响因素。采用了涵盖中国公路运输系统的省级数据,研究周期为2000年至2018年。主要贡献包括:(1)区分了公路客运和货运,分别计算了两者的直接能源回弹效应(包括LERE和SERE)的幅度。采用长期协整模型评估公路运输部门的LERE,利用面板误差修正模型衡量其SERE,阐明了短期偏离长期平衡的修正机制。(2)鉴于各地区人口密度和经济发展水平不同,其对价格波动的敏感性也有差异,因此在国家层面分析了公路货运和公路客运的直接能源回弹效应,并在区域层面进行了对比。(3)剖析了影响公路运输部门能源回弹效应的因素,重点分析了燃油价格波动的影响。另外,还探讨了能源回弹效应的时空差异,为抑制能源回弹效应相关政策的制定具有现实意义。

第二部分将回顾已有直接能源回弹效应的理论和实证研究。第3部分将阐述所用的方法和数据,第4部分将介绍有关公路运输直接能源回弹效应的研究结果。第5部分进行了总结,提出研究结论和政策建议。

2.文献回顾

2.1 直接能源回弹效应理论及测算

直接能源回弹效应重点关注能源产品或能源产品服务的特定部分。当能源产品或服务的能效提高时,有效价格的降低会刺激消费者增加对产品或服务的消费,这种因能效提高而增加的消费需求构成了直接能源回弹效应的本质(Frondel等,2008)。

自能源回弹效应理论提出以来,多采用直接测量和计量经济学的方法来量化直接能源回弹效应(Sorrell等,2009)。直接测量法将能效视为自变量,将能源消费视为因变量,通过评估能源效率提高前后能源产品或能源服务消费量的变化来确定直接能源回弹效应的幅度。图1直观地描述了这一概念(Mizobuchi,2008)。其中,ε0表示初始能源效率水平,ε1表示提升后的能源效率水平(ε01)。S0表示初始能源服务消费水平,S1表示能源效率提高后的能源消费水平。E0表示能效提升前的能耗,与初始能源服务消费水平S0一致。E1表示在能源服务需求没有任何变化的情况下,能效提高时的假设能耗。E表示能效提高后的实际能耗水平,与实际能源服务消费水平S1一致。

图1. 直接能源回弹效应

当能效提高而能源消费需求保持不变时,预期的节能效果为(E0-E1)。随着能效的提高,能源需求从S0变为S1,导致相应的节能量发生变化,变为(E0-E)。(E-E1)表示由于能源需求上升而未实现的预期节能。直接测量框架下的能源回弹效应可表示为:

能源回弹效应包括超级节能效应(RE<0)、零回弹效应(RE=0)、部分回弹效应(01)(Chen等,2022b)。虽然直接测量方法提供了能源回弹效应的直接测量手段,但能源消费可能受其他因素的影响。因此,使用该方法评估能源使用效率时,需要控制其他变量。然而,多数研究倾向于通过比较能源效率变化前后的能源使用情况来衡量能源回弹效应,缺少对基本变量的控制和比较,存在潜在的估计误差(Frondel和Schmidt,2005)。

在实证研究中,多采用以弹性计算为基础的计量经济学方法来计算直接能源回弹效应,即利用能效提高导致的能源服务需求变化来表示能源回弹效应(Sorrell和Dimitropoulos,2008),表示为:

其中,S表示能源服务,E表示相应的能源消费。ε表示能源效率,即能源服务产出与能源投入的比率。假定能源服务的需求保持不变,若能效提高,能源消费就会减少。ε (E)表示能源消费对能效的弹性。正向能源回弹效应意味着ε (S)>0,且-1<ε (E)<0。若ε (S)=0.5且ε (E)=0.5,则能源回弹效应为50%,意味着预期能源消费减少的50%将被增加的能源服务需求抵消。

根据能效的定义推导出能源服务的价格,表示为PS=PE/ε。在实证研究中,获取大量能源效率数据具有挑战性。与能效数据相比,能源服务价格数据更容易获得。因此,通常测量能源服务需求对能源服务价格变化的反应来评估直接能源回弹效应(Berkhout等,2000):

其中,能源价格被视为外生变量,能源服务需求仅受能源服务价格的影响。然而,这一定义要求精确了解能源服务价格,而这些价格取决于能源效率和能源价格(PS=PE/ε)。因此,在能效不变的情况下,直接能源回弹效应可以用能源使用对能源价格的弹性来表示(Sorrell和Dimitropoulos,2008):

除上述弹性定义,当能源消费相关数据难以获取时,一些领域将?PE (S)作为衡量直接能源回弹效应的方法(Matos和Silva,2011):

公式(2)提供了以能源效率弹性测量的直接能源回弹效应的定义,而公式(3)-(5)阐明了以价格弹性测量直接能源回弹效应的定义。价格弹性的定义是由效率弹性推导所得,故三种价格弹性都必须遵守特定假设。此外,这些价格弹性的负形式等同于公式(2)定义的效率弹性。

在实证研究中,弹性定义的选择取决于数据的可获得性。鉴于中国交通运输部门细分领域(包括公路、铁路、水路和航空)的能源使用数据不可得,以及能源效率数据缺失,故选择公式(5)来计算中国公路运输的直接能源回弹效应。价格分解是解决这一问题的可行方法,Gately(1993)最早提出将燃料价格波动分解为三个部分:最高燃料价格序列Pitmax、燃料价格累计下降序列Pitcut和燃料价格累计回弹序列Pitrec。价格分解模型定义为:

公式(6)可以转化为公式(10),Pitcut 的系数表示能源回弹效应。

2.2 公路运输直接能源回弹效应的研究进展

自能源回弹效应理论提出以来,交通行业就因其数据的完备性与可得性,成为众多学者的研究对象。Barla等(2009)采用联立方程模型计算了1990年至2004年加拿大各省家庭轻型乘用车的能源回弹效应。研究表明,其短期能源回弹效应为8%,长期能源回弹效应为20%。Stapleton等(2016)分别利用静态和动态双对数模型测算了英国家庭私家车出行的能源回弹效应。Odeck和Johansen(2016)利用挪威1980年至2011年的数据衡量了化石燃料消费的价格/收入弹性及其能源回弹效应的规模。Wang等(2012)基于1994年至2009年中国城市客运数据,测算发现其直接能源回弹效应高达96%,即预期节能目标仅实现了4%。Zhang等(2015)测算了中国的直接能源回弹效应为26.56%,东部、中部和西部的直接能源回弹效应分别为31.30%、100.36%和42.67%。部分研究关注了整个公路运输部门的能源回弹效应。例如,Zheng等(2022)发现中国公路运输的短期和长期回弹效应分别为82%和123%。Dimitropoulos等(2018)对1120项已有研究进行meta分析,发现短期能源回弹效应约为10%至12%,而长期能源回弹效应约为26%至29%。

目前公路货运的能源回弹效应的研究滞后于公路客运。Matos和Silva(2011)发现1987年至2006年间葡萄牙货运的直接能源回弹效应约为24.1%。De Borger和Mulalic(2012)利用1980年至2007年的数据调查了丹麦公路货运的短期和长期能源回弹效应,发现其短期能源回弹效应为10%,长期能源回弹效应为17%。另外,还发现能源价格上涨抑制了公路货运交通的能源消费,但抑制程度较小(约13%-22%)。Sorrell和Stapleton(2018)估算了1970年至2014年英国公路货运的直接能源回弹效应,发现其幅度约为21%至137%。Wang和Lu(2014)采用双对数模型评估了1999年至2011年中国公路货运的直接能源回弹效应,发现全国层面公路货运的直接能源回弹效应为84%,东部、中部和西部的直接能源回弹效应分别为52%、80%和78%。

在估算能源回弹效应时,通常会将能源回弹效应的潜在影响因素纳入研究范围。例如,Böhringer和Rivers(2021)在理论分析基础上,明确了能源回弹效应的驱动因素,包括经济结构、能源价格、经济增长和劳动力供应。另外,还证实劳动力供应对能源回弹效应的贡献微乎其微。Jiang和Lin(2013)分析了成品油定价机制对城市客运能源回弹效应的影响,发现成品油定价机制是产生逆火效应的主要原因。Chai等(2016)利用联立方程模型研究了道路通行能力、效率政策和技术进步对燃油消耗的影响,并进一步测算了能效变化引起的能源回弹效应。Li等(2018)考虑了不同支出水平,分别测算了包含和不包含资本成本的能源回弹效应,并进一步评估了农村道路交通的能源回弹效应。结果表明,在考虑资本成本的情况下,不同支出水平的能源回弹效应程度低于不考虑资本成本的回弹效应估计值。此外,一些学者评估了收入水平、人口密度、消费行为、燃料价格和城市化水平等因素对公路交通领域能源回弹效应的影响(Gillingham,2014;Dillon等,2015;Safarzyńska和van den Bergh,2018)。

综上可见,以往关于公路运输能源回弹效应的研究已证实公路客运和货运部门均存在能源回弹效应。然而,公路运输能源回弹效应的计算结果存在差异,差异可能归因于对能源回弹效应的不同定义、数据类型的差异以及不同建模方法的使用。另外,现有研究主要关注公路客运的能源回弹效应,而对公路货运的能源回弹效应关注相对较少。因此,本研究采用面板协整模型和误差修正模型分别评估公路客运和公路货运的直接能源回弹效应,进而比较两类公路运输部门能效政策的实施效果。此外,引入了非对称价格效应分解模型,利用分解的燃料价格累计跌幅计算直接能源回弹效应,以提高计算结果的准确性。

3.方法和数据

3.1 变量选择与模型构建

公路运输部门可细分为公路客运和公路货运,两个子行业的运行机制各不相同,受不同因素驱动,因此两行业的能效提高可能产生不同能源回弹效应。

(1)公路客运

能源服务通常使用年均里程、乘客里程和旅客周转量等指标量化(Wang和Lu,2014;Safarzyń和van den Bergh,2018)。鉴于缺乏官方的年均车辆行驶里程数据,故选择旅客周转量作为公路客运能源服务的度量指标。旅客周转量取决于旅客数量和运输距离,公路运输能耗与周转量相关。因此,在缺乏中国汽车年均行驶里程统计数据的情况下,公路客运周转量被用作能源消费的替代指标。已有研究表明,公路客运能源服务受能源价格(Barla等,2009)、收入水平(Wang等,2012)和城市化率(Gillingham等,2015)等因素的影响。

能源价格:能源价格上涨提高了公路客运部门的运营成本,促使消费者减少这些商品或服务的需求(假设这些商品或服务是正常产品)。相反,能源价格的下降会鼓励消费者增加其在道路客运领域的商品或服务的需求。

收入水平:收入水平的提高促进了能源消费。这主要归因于两个因素:第一,收入水平的提高扩大了消费需求,导致提高生活质量的要求增加(如休闲旅游),增加了公路客运交通的能源需求。其次,随着收入水平的提高,消费者对能源价格上涨的敏感度降低(Zhang和Lin,2018),进一步推动公路客运出行的增加。这些因素的综合作用凸显了收入水平对公路客运服务的影响。

城市化率:城市化程度影响道路交通密度,进而影响公路运输周转量和能源利用率。与发达国家的城市化率相比,中国的增长潜力巨大。Wang和Lu(2014)也证实能源回弹效应的幅度会随着城市化率增速的放缓而降低,再次印证了能源回弹效应与城市化率之间的密切联系。

(2)公路货运

与公路客运服务需求的量化方法相似,公路货运的能源服务需求通常以车辆里程或货运里程来量化(Stapleton等,2016),故选择货运周转量作为公路货运的能源服务指标。与公路客运周转量的影响因素不同,公路货运周转量主要受能源价格(Tamannaei等,2021)、产业结构(Wang等,2021)、商品交易规模(Matos和Silva,2011)等因素的影响。

能源价格:货运周转量是公路货运中能源服务的表征,能源价格的波动会对其产生影响,与能源价格影响公路客运周转量的机制相似。能源价格的上涨会抑制对能源服务的需求,而能源价格的下降则会刺激需求的增加。虽然能源价格的变化对公路客运和公路货运的能源服务需求具有相似的影响机制,但两个部门对能源价格变化的反应可能不同。

产业结构:过去几十年,中国的经济发展以粗放型为主,强调数量增长和第二产业的扩张,其特点是建筑、钢铁和机械制造等重工业对整个工业产值的贡献很大。因此,原材料运输需求大幅增加,货运部门过高的运输强度可能归因于这一因素。

商品交易规模:随着电子商务的快速发展以及网络直播等新型销售渠道的普及,网上商品买卖量持续上升。商品交易量的激增不仅推动了物流业的扩张,也直接促进了公路货运量的增加。商品交易规模与货运需求之间存在正相关关系,二者相辅相成。

3.2 面板双对数模型

采用能源服务对能源价格的弹性ηPE (S)作为公路客运和公路货运直接能源回弹效应的衡量指标。在公路客运中,核心变量是公路客运周转量和能源价格。此外,考虑了收入水平和城市化率的影响。对于公路货运,核心解释变量包括公路货运周转量和能源价格,并根据公路货运的运营动态,引入产业结构和商品交易规模等因素。

在能源回弹效应的实证研究中,双对数模型被广泛采用(Sorrell和Dimitropoulos,2008),其估计系数代表了被解释变量对解释变量的弹性。该模型通过测量价格弹性或效率弹性来解释能源回弹效应,有助于减轻异方差和数据幅度变化的潜在影响。因此,构建双对数模型来测算公路客运和公路货运的能源回弹效应,表示为:

其中,α0代表常数项,α1是待估参数,εit为随机扰动项。i和t分别代表省份和年份。PTKMit和FTKMit分别表示公路客运和货运的周转量。INCit为人均收入水平。本文采用人均GDP作为收入水平的代表,并使用人均GDP平减指数对其进行调整,以消除价格因素的影响。平减指数以研究的初始年份2000年为基期。汽油和柴油是公路运输部门消费的主要燃料。由于缺乏各省汽油和柴油价格的综合统计数据,采用了包含两种燃料价格的燃料价格指数作为替代,燃料价格指数换算是以2000年为基期。URBit表示城市化率,用城市人口占该年末常住人口总数的比例表示。CONit表示商品交易规模,用消费品零售总额表示。为考虑价格变动因素,采用消费价格指数对零售总额进行平减调整,并根据研究起点将其转换为按不变价格计算的零售总额。STRit表示产业结构,以第二产业的比重表示。

3.3 非对称价格效应

能源回弹效应的主要推动力是因能效提高而降低的能源服务实际成本。然而,能源价格是波动的。当价格上涨时,可能会刺激技术进步,导致更经济的能源消费。相反,当价格下跌时,价格上涨带来的成本节约并不能完全抵消,能源消费需求可能对能源价格变化做出不对称反应(Gately, 1993)。因此,直接利用历史燃料价格数据测算能源回弹效应可能会导致计算结果被高估。为准确反映燃料价格的真实情况,有必要对原始燃料价格数据进行分解。

根据公式(6)-(9),对2000年至2018年中国各省燃油价格进行分解,分解结果见图2。由图可见,最高油价序列的走势与原油价序列的走势密切吻合,尽管个别年份的油价偶有下降,但总体呈现增长态势。累计恢复燃料价格序列和累计下降燃料价格序列在初始时期保持稳定,与燃料价格的上升趋势相对应。这一时期的累计下降燃料价格和累计恢复燃料价格的分解结果均为零。随后,两个序列逐渐形成V型态势,V型开口的年份与研究期内油价首次下跌的年份相吻合。V型开口的上侧和下侧分别对应于燃料价格的下降期和恢复期,开口宽度越大,油价波动越明显。总体而言,2000年至2018年间中国燃油价格涨多跌少。

图2. 燃料价格指数分解

将式(10)代入式(11)和(12),得到考虑非对称价格效应的公路交通能源回弹效应计算模型,表示为:

其中,Pitmax是由燃料价格序列分解出的历史最高燃料价格序列,表示中国最高燃料价格的历史波动情况。Pitcut是燃料价格的累计下降序列,表示燃料价格的逐步下降情况。Pitrec是由燃料价格序列分解出的燃料价格累计恢复序列,表示燃料价格下降后的后续恢复情况。

3.4 数据选择

利用2000年至2018年中国省级面板数据测算公路运输部门的直接能源回弹效应。出于数据可得性的考虑,研究暂不包括中国香港、中国澳门和中国台湾地区。核心变量包括公路客运周转量、公路货运周转量、燃油价格、人均收入、城市化率和产业结构。数据均来自《中国统计年鉴(2001-2019)》和中国经济网数据库。人均收入和燃料价格调整均以2000年为基年。变量的描述性统计见表1。

表1. 变量的统计描述

4.结果与讨论

4.1 公路客运

4.1.1 单位根检验

为增强结果的稳健性,采用LLC(Levin-Lin-Chiu)检验、IPS(Im-Pesaran-Shin)检验及HT(Harris-Tzavalis)检验来分析公路客运方程中各变量的平稳性,结果见表2。结果显示,除lnPmax,所有变量的原始序列均未拒绝具有面板单位根的原假设,即一阶差分序列不存在面板单位根过程,表明公路客运交通方程中各变量均为一阶单整序列,符合面板协整检验要求。

表2. 面板单位根检验结果

注:(1)表示变量的一阶差分序列,根据Schwarz准则自动确定最优滞后期数;(2)***、**、*分别表示通过1%、5%、10%的显著性水平检验(后续的***、**、*含义相同)。

4.1.2 面板协整均衡与长期回弹效应分析

面板单位根检验结果表明,公路客运方程中各变量的一阶差分序列通过检验,满足面板协整检验的条件。采用三种协整检验方法(即Kao检验、Pedronic检验和Westerlund检验)对公路客运方程中变量间的协整关系进行检验,结果见表3。结果显示,Kao检验和Pedronic检验的统计量都显著拒绝原假设,表明不存在协整关系。面板协整检验结果表明,公路客运方程中各变量之间存在长期均衡关系。

表3. 道路客运方程面板协整检验结果

在明确公路客运方程中变量间协整关系后,对公路客运协整方程进行估计。同时,通过Hausman检验比较固定效应模型或随机效应模型对后续回归分析的有效性,发现固定效应模型更具优势。为了降低截面数据的异方差和时间序列的自相关对回归结果的影响,采用综合广义最小二乘法。该方法考虑了三个因素:组内自相关、组间异方差和同期相关。公路客运的面板协整回归结果见表4。

表4. 公路客运长期协整方程的估计

以公路客运周转量对燃油价格变化的反应弹性衡量能源回弹效应,发现中国公路客运的LERE为15.7%。这一数据低于一些发达国家,如加拿大(Barla等,2009)和美国(Small和VanDender,2007)。分区域来看,中国东部的LERE最低(12.6%),西部最高(25.4%)。由此表明,能效政策在中国公路客运领域是有效的,其带来的节能效果并未被能源回弹效应完全抵消。另外,较低的燃油价格对中国东部公路客运需求的影响相对较弱,可能是该地区公路交通网络较为拥堵所致(Wang等,2022)。

从长期来看,燃油价格的累计回升与公路客运能源服务需求存在正相关,即燃油价格上涨并未显著抑制公路客运的能源服务需求。可能的解释是,中国的燃油价格受政府管控,目前整体燃油价格仍较低,非市场定价策略无法准确反映燃油的稀缺性。尽管燃油价格存在一定涨幅,但并未超过人均收入的增速,消费者对燃油价格上涨的敏感度逐渐降低(Zhang和Lin,2018)。因此,仅提高燃油价格可能无法降低公路运输部门的能耗。

人均收入增长对公路客运周转量具有显著正向影响。可能是由于较高的人均收入导致更多人参与休闲娱乐活动(如度假旅游),推动了对公路客运能源服务的需求。更高的收入水平往往会降低消费者对油价上涨的反应。当收入弹性超过价格弹性时,燃料价格变得相对可承受,进一步刺激对公路客运能源服务的需求。

另外,城市化进程对公路客运能源服务需求具有显著正向影响。以年末城镇人口占常住人口的比例表示城市化率指标,反映了中国的城市化进程,城市人口、公路交通密度均在增大。然而,由此诱发的交通拥堵也会抑制公路旅客出行。

4.1.3 面板误差修正模型与短期能源回弹效应分析

面板协整检验结果显示,公路客运周转量、人均收入、燃料价格与城市化率间存在长期协整关系,但这种关系在短期内会偏离均衡状态。为解决这一问题并解释其短期动态,构建了包含滞后项的短期面板误差修正模型,以阐释短期偏离长期均衡状态时的修正机制。误差修正模型通常用于计算短期弹性,其误差修正值表示其修正长期均衡状态偏差的能力。

基于表4的结果,推导出公路客运长期协整方程估计的残差序列。该序列可作为误差修正项,用于构建误差修正模型。为了捕捉短期动态调整,将前一期残差作为误差校正项纳入公路客运面板误差校正模型,表示为:

面板误差修正模型表明,公路客运周转量同时受各类因素短期变化和偏离长期均衡趋势的影响。在公式(16)中,各变量的差分序列表示其短期波动,ΔlnINCit表示人均收入的短期波动。γ为误差修正系数,µit为随机误差项。β2cut表示公路客运短期回弹效应。公路客运面板误差修正模型的估计结果见表5。

表5. 公路客运面板误差修正方程的估计结果