中國(guó)旅游業(yè)碳排放及其影響因素研究
——來(lái)自2005～2015年省級(jí)面板數(shù)據(jù)的證據(jù)

查建平 舒皓羽 李園園 賀臘梅

(四川大學(xué)旅游學(xué)院,四川成都 610065)

0 引言

隨著旅游經(jīng)濟(jì)的快速發(fā)展,旅游業(yè)對(duì)生態(tài)環(huán)境所產(chǎn)生的壓力逐漸凸顯,以往將旅游業(yè)視為“無(wú)煙產(chǎn)業(yè)”的傳統(tǒng)定位逐漸被顛覆。全球人為碳排放總量中旅游業(yè)占據(jù)4%～6%,若不采取有效緩解措施,則在今后的30年內(nèi)旅游業(yè)碳排放量可能會(huì)增長(zhǎng)1.5倍(WTO,UNEP,2007)。因此,推進(jìn)旅游業(yè)碳減排,促進(jìn)傳統(tǒng)旅游發(fā)展模式向低碳旅游發(fā)展模式轉(zhuǎn)型,是旅游業(yè)應(yīng)對(duì)氣候變化及生態(tài)環(huán)境破壞等問(wèn)題的必然舉措,亦是現(xiàn)代旅游業(yè)實(shí)現(xiàn)旅游經(jīng)濟(jì)可持續(xù)發(fā)展的主動(dòng)抉擇。那么,作為旅游經(jīng)濟(jì)大國(guó),中國(guó)旅游業(yè)碳排放狀況如何？影響國(guó)內(nèi)旅游業(yè)碳排放的因素有哪些？分析與回答以上問(wèn)題,對(duì)于研究中國(guó)旅游業(yè)環(huán)境壓力狀況,探索低碳旅游發(fā)展的可能路徑,具有重要的理論與現(xiàn)實(shí)意義。

關(guān)于旅游業(yè)二氧化碳排放評(píng)估研究,國(guó)內(nèi)外研究者從不同的尺度出發(fā),運(yùn)用“自上而下”或“自下而上”的評(píng)估方法對(duì)旅游產(chǎn)業(yè)、旅游景區(qū)、旅游交通、旅游住宿及其他旅游服務(wù)產(chǎn)品的二氧化碳排放量進(jìn)行測(cè)度與分析,如G?ssling(2000)、UNWTO等(2008)在全球尺度范圍下評(píng)估了旅游業(yè)碳排放量與排放效益;Becken等(2001)、Dubois和Ceron(2006)、Perch-Nielsen等(2010)、石培華和吳普(2011)、袁宇杰(2013)、Katircioglu等(2014)、Robaina-Alves等(2016)在國(guó)家尺度下評(píng)估了旅游業(yè)能源消耗與碳排放;Tabatchnaia-Tamirisa等(1997)、Konan和Chan(2010)、Kelly和Williams(2007)、Kuo等(2009)、陶玉國(guó)和張紅霞(2011)、肖建紅等(2011)、黃玉菲和趙璟(2012)在省市尺度范圍下評(píng)估了旅游業(yè)碳排放與能源消耗強(qiáng)度。也有研究者從旅游景區(qū)(Becken,Simmons,2002;上官筱燕,孫瑞紅,2013;黃崎,等,2014;Wang,et al.,2017)、旅游交通(Paravantis,Georgakellos,2007;Mayor,Tol,2010;肖瀟,等,2012;孫晉坤,等,2015)、旅游住宿(Becken,et al.,2001;Chan,2005;Rossello-Batle,et al.,2010;李鵬,等,2010)等特定行業(yè)部門(mén)視角出發(fā),對(duì)與旅游相關(guān)二氧化碳排放做出評(píng)估。

部分研究者進(jìn)一步探究了影響旅游業(yè)二氧化碳排放的相關(guān)因素,其中指數(shù)分解法應(yīng)用最為廣泛,如Liu等(2011)利用指數(shù)分解法探究了能源強(qiáng)度、消費(fèi)水平、產(chǎn)業(yè)規(guī)模對(duì)成都市旅游業(yè)二氧化碳排放的影響;Robaina-Alves等(2016)運(yùn)用指數(shù)分解法研究了葡萄牙旅游業(yè)二氧化碳排放影響因素,并指出旅游規(guī)模是其二氧化碳排放攀升的關(guān)鍵,能源結(jié)構(gòu)、碳排放強(qiáng)度以及能源強(qiáng)度亦產(chǎn)生重要影響;王凱等(2016)利用指數(shù)分解法對(duì)影響中國(guó)旅游業(yè)碳排放量變動(dòng)的關(guān)鍵因素進(jìn)行測(cè)算與分析。也有少數(shù)研究者運(yùn)用投入產(chǎn)出分析法、數(shù)據(jù)包絡(luò)分析法對(duì)與旅游相關(guān)二氧化碳排放的影響因素展開(kāi)分析(李伯華,等,2012;Sun,2016;賀臘梅,等,2016)。

綜合而言,國(guó)內(nèi)外相關(guān)研究已取得較為豐富的成果,但存在以下局限。一方面,既有研究多集中于旅游業(yè)特定子系統(tǒng)的二氧化碳排放量評(píng)估,囿于數(shù)據(jù)可得性,較少深入到中國(guó)各省市尺度層面,雖有研究者對(duì)此進(jìn)行了探究(王凱,等,2017),但其對(duì)中國(guó)省級(jí)旅游業(yè)碳排放的計(jì)算基于一個(gè)固定排放系數(shù),忽視了與旅游相關(guān)部門(mén)二氧化碳排放系數(shù)的可變性。另一方面,既有研究多運(yùn)用指數(shù)分解法、投入產(chǎn)出分析法以及數(shù)據(jù)包絡(luò)分析法探究旅游業(yè)二氧化碳排放的影響因素,這些方法固有特點(diǎn)決定了相關(guān)研究多局限于“規(guī)模-技術(shù)-結(jié)構(gòu)”影響因素分析框架,缺乏對(duì)外圍影響因素的考量與分析。與指數(shù)分解法、投入產(chǎn)出分析及數(shù)據(jù)包絡(luò)分析法相比,以面板數(shù)據(jù)為基礎(chǔ)的計(jì)量方法較為靈活,能夠有效擴(kuò)增樣本容量和自由度,降低變量之間的多重共線性,控制個(gè)體異質(zhì)性,提高模型分析結(jié)果的全面性、可靠性以及有效性。

基于此,本文以中國(guó)30個(gè)省市(因西藏、香港、澳門(mén)及臺(tái)灣的部分?jǐn)?shù)據(jù)缺失,故不作考慮)旅游業(yè)為評(píng)估對(duì)象,按照現(xiàn)行統(tǒng)計(jì)口徑,利用旅游剝離系數(shù)法將旅游業(yè)能耗數(shù)據(jù)從各省份能耗總量中剝離開(kāi)來(lái),并借助IPCC(2006)碳排放折算方法,對(duì)2005～2015年中國(guó)各省市旅游業(yè)碳排放量進(jìn)行測(cè)度,并進(jìn)一步依托旅游產(chǎn)業(yè)碳排放量及其可能影響因素的面板數(shù)據(jù)集,運(yùn)用靜態(tài)與動(dòng)態(tài)面板數(shù)據(jù)計(jì)量方法,檢驗(yàn)與分析旅游業(yè)碳排放的影響因素,以期為我國(guó)低碳旅游發(fā)展提供參考與啟示。

1 旅游業(yè)碳排放量估算

1.1 旅游業(yè)碳排放量評(píng)價(jià)方法

鑒于中國(guó)省級(jí)旅游業(yè)的各類型能源消耗數(shù)據(jù)缺失,因此有必要從現(xiàn)有的統(tǒng)計(jì)數(shù)據(jù)中剝離出旅游業(yè)的能源消費(fèi)量。本文利用李江帆和李美云(1999)提出的旅游剝離系數(shù)法將旅游業(yè)能源消費(fèi)量從現(xiàn)有統(tǒng)計(jì)口徑下的行業(yè)能源消費(fèi)總量中剝離出來(lái),再運(yùn)用IPCC(2006)的排放系數(shù)法,計(jì)算得到各省市旅游業(yè)碳排放量。具體步驟如下。

第一,參照旅游剝離系數(shù)法,從現(xiàn)有統(tǒng)計(jì)口徑下的行業(yè)能源消費(fèi)總量中剝離出旅游業(yè)二級(jí)部門(mén)的能源消費(fèi)量:

(1)

Pi=Ti/Vi

(2)

Ti=VRi×TRi

(3)

第二,在計(jì)算得到與行業(yè)i對(duì)應(yīng)旅游業(yè)二級(jí)部門(mén)能源消費(fèi)量的基礎(chǔ)上,參照IPCC(2006)排放系數(shù)法,構(gòu)建旅游業(yè)二級(jí)部門(mén)s能源消費(fèi)引致碳排放量(Cs)的計(jì)算公式,如下:

(4)

CEj=NCFj×CCj×COFj

(5)

式(4)中,fj為第j類能源折算標(biāo)準(zhǔn)煤的參考系數(shù),該系數(shù)參照《中國(guó)能源統(tǒng)計(jì)年鑒》,旨在將各種能源折算為標(biāo)準(zhǔn)煤;CEj為第j類能源的碳排放系數(shù)(IPCC,2006)。式(5)中,NCFj為第j類能源的平均低位發(fā)熱值,參照《中國(guó)能源統(tǒng)計(jì)年鑒》;CCj、COFj分別為第j類能源的碳含量、碳氧化因子(IPCC,2006;邵帥,等,2010;查建平,等,2010)。

第三,通過(guò)匯總旅游業(yè)二級(jí)部門(mén)的碳排放量計(jì)算得到旅游業(yè)碳排放總量:

(6)

式(6)中,C為旅游業(yè)碳排放總量;Cs為旅游業(yè)二級(jí)部門(mén)s的碳排放量。

1.2 旅游業(yè)碳排放量評(píng)估分析

本文從交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè),批發(fā)零售、住宿餐飲及其他行業(yè)兩大部分出發(fā),以旅游業(yè)能源消費(fèi)所引致的碳排放量為評(píng)估對(duì)象,對(duì)2005～2015年中國(guó)30個(gè)省市旅游業(yè)碳排放展開(kāi)評(píng)估。與旅游業(yè)二級(jí)部門(mén)對(duì)應(yīng)相關(guān)行業(yè)的總產(chǎn)值、增加值數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》與30個(gè)省市(以下簡(jiǎn)稱各省市)的統(tǒng)計(jì)年鑒。各省市旅游收入主要來(lái)源于《中國(guó)旅游統(tǒng)計(jì)年鑒》、各省市旅游統(tǒng)計(jì)公報(bào)或旅游統(tǒng)計(jì)便覽。各省市與旅游業(yè)二級(jí)部門(mén)對(duì)應(yīng)行業(yè)的能源消費(fèi)量主要來(lái)源于《中國(guó)能源統(tǒng)計(jì)年鑒》。各類型能源碳排放系數(shù)折算方法及基礎(chǔ)數(shù)據(jù)來(lái)源已在上文中做出闡述,傳統(tǒng)化石能源碳排放系數(shù)與電力、熱力碳排放系數(shù)數(shù)據(jù)參照查建平等(2010)的折算方法(見(jiàn)表1)。

表1 傳統(tǒng)化石能源碳排放系數(shù)

基于上述旅游業(yè)碳排放評(píng)估框架,結(jié)合所收集的數(shù)據(jù),對(duì)2005～2015年中國(guó)省級(jí)旅游業(yè)碳排放量做出評(píng)估。計(jì)算結(jié)果顯示,2005～2015年,各年份全國(guó)旅游業(yè)碳排放量對(duì)應(yīng)標(biāo)準(zhǔn)差系數(shù)分別為0.91、0.86、0.87、0.78、0.72、0.73、0.68、0.69、0.68、0.67、0.65,不同省市之間的旅游業(yè)碳排放量差異巨大,但存在收斂趨勢(shì)。依據(jù)碳排放折算框架,造成這一差異及其收斂趨勢(shì)的原因主要源于兩方面:一是旅游產(chǎn)業(yè)規(guī)模,不同省市的旅游產(chǎn)業(yè)規(guī)模反映了其整體消費(fèi)量的多寡,在其他因素相對(duì)恒定條件下,旅游業(yè)規(guī)模直接決定了不同省市旅游業(yè)的能源消耗及其引致碳排放量高低,從2005年到2015年全國(guó)旅游產(chǎn)業(yè)收入的標(biāo)準(zhǔn)差系數(shù)分別為0.92、0.85、0.85、0.82、0.79、0.78、0.74、0.74、0.70、0.69、0.66,與旅游業(yè)碳排放量的離散態(tài)勢(shì)及其演化趨勢(shì)較為相似;二是旅游業(yè)二級(jí)部門(mén)消費(fèi)額的比例結(jié)構(gòu)不同,決定了旅游服務(wù)與產(chǎn)品類別不同,而不同的旅游服務(wù)與產(chǎn)品類別的能耗強(qiáng)度存在較大差異,進(jìn)而影響到各地區(qū)旅游業(yè)碳排放量差異及其演化趨勢(shì)*除了旅游產(chǎn)業(yè)規(guī)模與旅游業(yè)消費(fèi)結(jié)構(gòu)以外,旅游業(yè)節(jié)能減排技術(shù)水平、旅游能源消費(fèi)結(jié)構(gòu)(旅游能源消費(fèi)結(jié)構(gòu)是旅游業(yè)所消費(fèi)的不同類型能源的比例結(jié)構(gòu),而旅游消費(fèi)結(jié)構(gòu)指的是旅游業(yè)不同二級(jí)部門(mén)消費(fèi)額的比例結(jié)構(gòu))等因素亦對(duì)相應(yīng)碳排放量產(chǎn)生一定的影響,但在碳排放折算框架下這一影響主要內(nèi)含于交通運(yùn)輸、倉(cāng)儲(chǔ)及郵政業(yè),批發(fā)零售、住宿餐飲及其他行業(yè)等細(xì)分行業(yè)之中,難以單獨(dú)剝離開(kāi)來(lái),且相較于節(jié)能減排重心的工業(yè)領(lǐng)域,旅游業(yè)的節(jié)能減排技術(shù)及其能耗結(jié)構(gòu)影響相對(duì)較小。。

就具體省市而言,各省市旅游業(yè)碳排放均值及其年均增長(zhǎng)率如圖1所示。旅游業(yè)碳排放均值最高城市上海(838.16萬(wàn)噸)是最低省份寧夏(17.39萬(wàn)噸)的50余倍。與2005年相比,2015年幾乎所有省市的旅游業(yè)碳排放都翻了一倍,而遼寧、湖北及安徽等少數(shù)省份甚至達(dá)到4倍或5倍。各省份之間的變化態(tài)勢(shì)存在較大差異,但多數(shù)省份年均增長(zhǎng)率超過(guò)10%,遼寧、安徽、山西、黑龍江及湖北等省份甚至超過(guò)25%,而天津、河北、上海、浙江、江蘇及廣東等旅游業(yè)碳排放量較高省市的年均增長(zhǎng)率則低于10%,這也從側(cè)面說(shuō)明了各省市之間旅游業(yè)碳排放量的收斂趨勢(shì)。

圖1 2005～2015年30個(gè)省市旅游業(yè)碳排放均值及年均增長(zhǎng)率

此外,本文從碳排放強(qiáng)度與碳排放結(jié)構(gòu)角度出發(fā),對(duì)其分布態(tài)勢(shì)及演化趨勢(shì)做出進(jìn)一步分析與解讀。在碳排放強(qiáng)度方面,計(jì)算結(jié)果顯示,2005～2015年,各年份全國(guó)旅游業(yè)碳排放強(qiáng)度均值分別為0.36噸/萬(wàn)元、0.36噸/萬(wàn)元、0.37噸/萬(wàn)元、0.39噸/萬(wàn)元、0.36噸/萬(wàn)元、0.35噸/萬(wàn)元、0.33噸/萬(wàn)元、0.34噸/萬(wàn)元、0.33噸/萬(wàn)元、0.29噸/萬(wàn)元、0.27噸/萬(wàn)元,旅游業(yè)單位產(chǎn)出的碳排放量在整體上處于波動(dòng)下滑狀態(tài)。就具體省市而言,圖2列示了2005～2015年各省市旅游業(yè)碳排放強(qiáng)度均值及年均增長(zhǎng)率。內(nèi)蒙古、貴州、云南、新疆以及青海等省份對(duì)應(yīng)碳排放強(qiáng)度均值在0.50噸/萬(wàn)元以上,而江蘇、河北、安徽、福建、江西及河南等省份對(duì)應(yīng)碳排放強(qiáng)度均值則在0.20以下,低碳經(jīng)濟(jì)背景下不同省市旅游業(yè)發(fā)展質(zhì)量存在較大差異。從動(dòng)態(tài)變化視角上看,除內(nèi)蒙古、山西、安徽、遼寧、黑龍江、河南、湖北、海南、云南及青海等10個(gè)省份外,多數(shù)省市旅游業(yè)碳排放強(qiáng)度呈現(xiàn)下滑趨勢(shì),其中,河北、天津、吉林、湖南、廣東、江蘇、陜西及寧夏等省市相應(yīng)碳排放強(qiáng)度年均增長(zhǎng)率更是在-5%以下,下降幅度顯著,在整個(gè)樣本時(shí)期內(nèi),旅游業(yè)低碳發(fā)展質(zhì)量明顯提升。

在碳排放結(jié)構(gòu)方面,交通運(yùn)輸、倉(cāng)儲(chǔ)及郵政業(yè)的碳排放在旅游業(yè)碳排放總量中比重整體高于批發(fā)零售、住宿餐飲及其他行業(yè)。全國(guó)層面上,2005～2015年,交通運(yùn)輸、倉(cāng)儲(chǔ)及郵政業(yè)碳排放占比分別為63.03%、62.69%、63.69%、64.81%、60.69%、67.32%、66.15%、66.43%、67.44%、65.27%、66.91%,皆高于批發(fā)零售、住宿餐飲及其他行業(yè)碳排放占比,且整體上處于波動(dòng)上升狀態(tài),旅游交通消費(fèi)是旅游業(yè)碳排放量攀升的主要?jiǎng)右颉木唧w省市角度看,遼寧、云南、上海、海南、江蘇、廣西、江西、甘肅、河南及重慶等10個(gè)省市的交通運(yùn)輸、倉(cāng)儲(chǔ)及郵政業(yè)碳排放占比在70%以上,但河北、天津、內(nèi)蒙古及貴州等4個(gè)省市占比則在50%以下,其中,貴州的占比僅為33.68%,表明旅游交通引致碳排放占比相對(duì)較低,而批發(fā)零售、住宿餐飲及其他行業(yè)等引致碳排放占比則處于較高水平(見(jiàn)圖3)。從動(dòng)態(tài)變化視角上看,2005～2015年間,天津、北京、遼寧、上海、廣東、福建、吉林、海南、黑龍江、安徽、江西、河南、湖南、廣西、陜西以及青海等16個(gè)省市旅游業(yè)交通運(yùn)輸、倉(cāng)儲(chǔ)及郵政業(yè)碳排放占比逐步攀升,其他省市相應(yīng)占比則呈現(xiàn)下滑趨勢(shì),因此,不同省市的旅游業(yè)碳排放結(jié)構(gòu)及其變化趨勢(shì)存在較大差異,這也從側(cè)面說(shuō)明了我國(guó)旅游業(yè)碳減排政策制定工作的復(fù)雜性。

圖3 2005～2015年30個(gè)省市旅游業(yè)碳排放結(jié)構(gòu)比重均值

2 計(jì)量模型及數(shù)據(jù)說(shuō)明

依據(jù)靜態(tài)面板數(shù)據(jù)模型思路,擬構(gòu)建模型如下:

yit=α+Xitβ+μi+εit

(7)

模型(7)中,yit表示第i省市第t年的旅游業(yè)碳排放強(qiáng)度,即旅游業(yè)單位產(chǎn)出碳排放量;α為常數(shù)項(xiàng);Xit表示旅游業(yè)碳排放強(qiáng)度的解釋變量,其主要包括社會(huì)經(jīng)濟(jì)發(fā)展水平、服務(wù)業(yè)發(fā)展水平、對(duì)外開(kāi)放水平、旅游資源稟賦、區(qū)位條件、城市化水平等諸多因素;β為各變量對(duì)應(yīng)回歸系數(shù);μi為個(gè)體效應(yīng);εit為隨機(jī)擾動(dòng)項(xiàng)。

靜態(tài)面板數(shù)據(jù)模型的可能估計(jì)方法主要存在三類,即混合普通最小二乘法(混合OLS)模型、固定效應(yīng)模型(Fixed Effects,FE)與隨機(jī)效應(yīng)模型(Random Effects,RE)?；旌螼LS模型對(duì)所有觀察樣本直接進(jìn)行OLS估計(jì),不考慮對(duì)樣本的重復(fù)抽樣,并假定解釋變量對(duì)被解釋變量的邊際影響不因個(gè)體不同而存在顯著差異,因此其并沒(méi)有考慮到不同地區(qū)自身所存在的差異性,這就使得最終估計(jì)結(jié)果容易產(chǎn)生偏誤。固定效應(yīng)模型又被稱為組內(nèi)估計(jì)量,通過(guò)增加虛擬變量以考慮群組之間的差異性,對(duì)應(yīng)估計(jì)量具有一致性,而隨機(jī)效應(yīng)模型對(duì)應(yīng)估計(jì)量是組間估計(jì)量與組內(nèi)估計(jì)量的加權(quán)平均值,能夠利用更多信息,因此對(duì)應(yīng)估計(jì)量相對(duì)更有效。本文依據(jù)Hausman檢驗(yàn)值對(duì)固定效應(yīng)模型與隨機(jī)效應(yīng)模型進(jìn)行選擇,并對(duì)面板數(shù)據(jù)模型異方差與自相關(guān)問(wèn)題進(jìn)行檢驗(yàn),在此基礎(chǔ)上,分別運(yùn)用Driscoll-Kraay標(biāo)準(zhǔn)誤估計(jì)法(DKSE)與可行廣義最小二乘法(FGLS)對(duì)固定效應(yīng)模型與隨機(jī)效應(yīng)模型進(jìn)行了矯正。

此外,我們應(yīng)該注意到,模型(7)設(shè)定各個(gè)省市旅游業(yè)碳排放強(qiáng)度與解釋變量之間不存在滯后效應(yīng),即被解釋變量與解釋變量之間的變化不存在時(shí)滯性。然而,因旅游業(yè)碳排放強(qiáng)度變化本身慣性的存在,通常上一期結(jié)果會(huì)對(duì)下一期產(chǎn)生一定影響,其可能原因是:一方面,旅游業(yè)碳排放強(qiáng)度由游客出游行為引發(fā),而游客的行為習(xí)慣存在慣性傾向,從而使旅游碳排放強(qiáng)度的變化存在時(shí)滯性;另一方面,旅游業(yè)碳排放強(qiáng)度對(duì)一些宏觀環(huán)境因素具有敏感性,但影響旅游業(yè)碳排放強(qiáng)度的諸多宏觀環(huán)境因素的作用周期長(zhǎng)而緩慢,這在一定程度上使得旅游業(yè)碳排放強(qiáng)度的變動(dòng)呈現(xiàn)出一定時(shí)滯性。因此,本文擬引入動(dòng)態(tài)模型滯后項(xiàng),以控制被解釋變量與解釋變量之間的滯后效應(yīng)。

參照Auffhammer和Carson(2008)的方法,本文構(gòu)建動(dòng)態(tài)面板數(shù)據(jù)模型如下:

yit=α+χyit-1+Xitβ+μi+εit

(8)

模型(8)中,yit-1為被解釋變量旅游業(yè)碳排放強(qiáng)度yit的一階滯后項(xiàng);χ為yit-1對(duì)應(yīng)回歸系數(shù),表示上一期旅游業(yè)碳排放強(qiáng)度對(duì)本期的影響。對(duì)于動(dòng)態(tài)面板數(shù)據(jù)模型而言,引入yit-1會(huì)造成動(dòng)態(tài)面板數(shù)據(jù)模型產(chǎn)生內(nèi)生性問(wèn)題,因此傳統(tǒng)的靜態(tài)面板數(shù)據(jù)模型估計(jì)方法是有偏的,必須借助工具變量進(jìn)行估計(jì)。Guan和Lansink(2006)認(rèn)為,動(dòng)態(tài)GMM估計(jì)方法(包括差分GMM和系統(tǒng)GMM兩類)能夠克服序列相關(guān)和內(nèi)生性問(wèn)題,而且系統(tǒng)GMM采用差分方程與水平方程作為一個(gè)系統(tǒng)進(jìn)行廣義矩估計(jì),能夠綜合考慮各變量的水平變化與差分變化信息,較之差分GMM更為有效。與上文文獻(xiàn)綜述一致,已有相關(guān)研究主要利用指數(shù)分解法、投入產(chǎn)出法以及數(shù)據(jù)包絡(luò)分析法對(duì)旅游碳排放影響因素展開(kāi)研究。然而,囿于方法論局限,這些研究多是局限于“規(guī)模-結(jié)構(gòu)-技術(shù)”影響因素分析框架,忽視了外圍因素的影響。因此,借鑒產(chǎn)業(yè)碳排放影響因素相關(guān)研究成果(王群偉,等,2010;虞義華,等,2011;吳振信,等,2012;韓堅(jiān),盛培宏,2014;馮博,王雪青,2015),結(jié)合中國(guó)旅游業(yè)發(fā)展?fàn)顩r及數(shù)據(jù)可獲得性,本文從社會(huì)經(jīng)濟(jì)與自然環(huán)境維度出發(fā),選擇社會(huì)經(jīng)濟(jì)發(fā)展水平、服務(wù)業(yè)發(fā)展水平、對(duì)外開(kāi)放水平、旅游資源稟賦、區(qū)位條件及城市化水平等外圍影響因素作為解釋變量,并在動(dòng)態(tài)面板數(shù)據(jù)模型中通過(guò)控制固定效應(yīng)克服旅游業(yè)內(nèi)在“規(guī)模-結(jié)構(gòu)-技術(shù)”維度變量的遺漏問(wèn)題,各解釋變量的選擇依據(jù)及指標(biāo)構(gòu)造如下。

(1) 社會(huì)經(jīng)濟(jì)發(fā)展水平(DEL)。社會(huì)經(jīng)濟(jì)發(fā)展與旅游業(yè)之間相互影響、相互促進(jìn),旅游業(yè)的發(fā)展取決于社會(huì)經(jīng)濟(jì)發(fā)展所提供的資源,不同的社會(huì)經(jīng)濟(jì)發(fā)展水平對(duì)應(yīng)的旅游業(yè)投入與產(chǎn)出規(guī)模具有較大差異,因此社會(huì)經(jīng)濟(jì)發(fā)展水平的高低決定了旅游業(yè)發(fā)展的廣度與深度,進(jìn)而對(duì)旅游業(yè)碳排放強(qiáng)度產(chǎn)生可能的影響。參照既有研究(閆敏,1999),本文選擇人均GDP作為社會(huì)經(jīng)濟(jì)發(fā)展水平指標(biāo)。各省份GDP及人口數(shù)據(jù)源于《中國(guó)統(tǒng)計(jì)年鑒》,并將各年份的名義GDP換算成以2000年為基期的實(shí)際值,以剔除價(jià)格波動(dòng)帶來(lái)的影響。

(2) 服務(wù)業(yè)發(fā)展水平(SDL)。旅游業(yè)隸屬于服務(wù)業(yè),需要很多關(guān)聯(lián)行業(yè)支撐,與服務(wù)業(yè)內(nèi)部各產(chǎn)業(yè)相互交織,對(duì)相關(guān)服務(wù)業(yè)具有較大的拉動(dòng)作用,在服務(wù)業(yè)中占據(jù)重要地位,因此服務(wù)業(yè)發(fā)展水平的高低決定了整個(gè)旅游業(yè)的發(fā)展速度、規(guī)模及質(zhì)量,進(jìn)而可能影響到旅游業(yè)碳排放強(qiáng)度。參照J(rèn)ackson (2006)的研究,本文選擇用各省市第三產(chǎn)業(yè)產(chǎn)值衡量服務(wù)業(yè)發(fā)展水平,并如上文一樣剔除價(jià)格波動(dòng)的影響(相關(guān)數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》)。

(3) 對(duì)外開(kāi)放水平(OPL)。對(duì)外開(kāi)放水平反映了各省市與外界的人、財(cái)、物及信息的交流程度,而這一交流機(jī)制可能會(huì)產(chǎn)生“溢出效應(yīng)”,對(duì)旅游產(chǎn)業(yè)的規(guī)模與結(jié)構(gòu)產(chǎn)生一定的影響,進(jìn)而可能影響到旅游業(yè)碳排放強(qiáng)度(蘇建軍,等,2013)。參照汪鋒等(2006)的對(duì)外開(kāi)放水平變量定義,本文選擇運(yùn)用主成分分析將外資依存度和外貿(mào)依存度兩個(gè)指標(biāo)進(jìn)行加權(quán),進(jìn)而得到一個(gè)能夠相對(duì)全面地反映對(duì)外經(jīng)濟(jì)開(kāi)放水平的指標(biāo)(相關(guān)數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》《新中國(guó)六十年統(tǒng)計(jì)資料匯編》)。

(4) 旅游資源稟賦(TRE)。一個(gè)地區(qū)的旅游資源稟賦決定了該地區(qū)旅游資源充裕度,在一定程度上顯示了該地區(qū)的旅游資源吸引力,對(duì)旅游經(jīng)濟(jì)規(guī)模及其引致的碳排放可能會(huì)產(chǎn)生重要影響。鑒于此,本文擬將旅游資源稟賦變量納入旅游業(yè)碳排放強(qiáng)度影響因素分析框架,從人文景觀、自然景觀兩個(gè)維度選取全國(guó)重點(diǎn)文物保護(hù)單位與國(guó)家級(jí)風(fēng)景名勝區(qū)的加總數(shù)目表示旅游資源稟賦*通過(guò)對(duì)已有研究文獻(xiàn)進(jìn)行梳理可以發(fā)現(xiàn),相關(guān)研究主要是以3A級(jí)及以上景區(qū)(點(diǎn))數(shù)目、優(yōu)秀旅游城市數(shù)目、世界遺產(chǎn)地?cái)?shù)目、全國(guó)重點(diǎn)文物保護(hù)單位數(shù)目與國(guó)家級(jí)風(fēng)景名勝區(qū)數(shù)目等指標(biāo)數(shù)據(jù)為基礎(chǔ),選擇以個(gè)別指標(biāo)或部分指標(biāo)的折算值表征地區(qū)旅游資源稟賦狀況,這些表征旅游資源稟賦狀況的指標(biāo)之間具有較高相關(guān)性?？紤]到5A級(jí)景區(qū)評(píng)定起始年份是2007年,而本文分析起始年份是2005年,在時(shí)間上并不契合,進(jìn)而可能影響到以3A級(jí)及以上景區(qū)數(shù)目為基礎(chǔ)加權(quán)平均計(jì)算值的動(dòng)態(tài)可比性;優(yōu)秀旅游城市數(shù)目受到省域內(nèi)城市總數(shù)的影響,因此將優(yōu)秀旅游城市作為旅游資源稟賦測(cè)度指標(biāo)并不合理;世界遺產(chǎn)包括世界文化遺產(chǎn)、世界文化與自然雙重遺產(chǎn)、世界自然遺產(chǎn),與全國(guó)重點(diǎn)文物保護(hù)單位、國(guó)家級(jí)風(fēng)景名勝區(qū)之間存在重疊,且世界遺產(chǎn)地覆蓋面較小,將世界遺產(chǎn)地作為旅游資源稟賦測(cè)度指標(biāo)亦不合理。因此,本文選擇以全國(guó)重點(diǎn)文物保護(hù)單位與國(guó)家級(jí)風(fēng)景名勝區(qū)的綜合數(shù)目表征省市旅游資源稟賦狀況,這一指標(biāo)雖無(wú)法全面涵蓋省市人文景觀與自然景觀,但足以表征區(qū)域旅游資源稟賦豐裕程度。(相關(guān)數(shù)據(jù)來(lái)源于《中國(guó)旅游年鑒》、各省份旅游統(tǒng)計(jì)公報(bào)和旅游統(tǒng)計(jì)便覽)。

(5) 區(qū)位條件(DDC)。交通可達(dá)性是旅游產(chǎn)業(yè)發(fā)展的一個(gè)基本條件,亦是旅游業(yè)碳排放的重要環(huán)節(jié),良好的區(qū)位條件不僅會(huì)增強(qiáng)當(dāng)?shù)氐穆糜挝?亦可能會(huì)改變當(dāng)?shù)芈糜蜗M(fèi)結(jié)構(gòu),進(jìn)而影響旅游產(chǎn)業(yè)碳排放強(qiáng)度。鑒于各省份區(qū)位條件難以衡量,在此本文參照王恩旭(2011)的研究,選擇引入?yún)^(qū)位熵的概念對(duì)各省份旅游業(yè)的區(qū)位條件進(jìn)行度量,即各省份旅游業(yè)收入/該省份GDP與全國(guó)旅游收入/全國(guó)GDP的比值(相關(guān)數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)旅游統(tǒng)計(jì)年鑒》以及各省旅游統(tǒng)計(jì)公報(bào))。

(6) 城市化水平(UNN)。城市旅游是現(xiàn)代旅游業(yè)不可或缺的一部分,亦是旅游業(yè)引致碳排放的重要發(fā)生地。城市旅游囊括 “食、住、行、游、購(gòu)、娛”旅游六要素,且較之于遠(yuǎn)離城市的旅游風(fēng)景區(qū),城市旅游過(guò)程中,游客的逗留時(shí)間更長(zhǎng),旅游活動(dòng)更豐富(包括旅游交通、旅游餐飲及旅游住宿等高能耗、高排放活動(dòng)),對(duì)應(yīng)旅游業(yè)碳排放強(qiáng)度可能更高。鑒于此,參照杜立民(2010)對(duì)城市化水平的定義,本文選擇以各省份城鎮(zhèn)人口占總?cè)丝诘谋戎貙?duì)城市化水平進(jìn)行度量(相關(guān)數(shù)據(jù)源于《中國(guó)統(tǒng)計(jì)年鑒》及中國(guó)經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)數(shù)據(jù)庫(kù))。

3 計(jì)量結(jié)果及相關(guān)分析

表2列示了面板數(shù)據(jù)計(jì)量模型(7)與模型(8)的估計(jì)結(jié)果。在混合OLS模型與面板數(shù)據(jù)模型的選擇上,F檢驗(yàn)與Breusch-Pagan的LM檢驗(yàn)結(jié)果均顯著拒絕原假設(shè),表明模型個(gè)體效應(yīng)顯著,故選擇使用面板數(shù)據(jù)模型。表2中的第2列、第3列分別列示了固定效應(yīng)模型、隨機(jī)效應(yīng)模型估計(jì)結(jié)果,而Hausman檢驗(yàn)結(jié)果表明,固定效應(yīng)模型更為合適。為了對(duì)面板數(shù)據(jù)模型可能存在的異方差與自相關(guān)問(wèn)題做出檢驗(yàn),本文利用Wooldridge自相關(guān)檢驗(yàn)方法檢驗(yàn)組內(nèi)相關(guān)性,檢驗(yàn)結(jié)果顯示,1%的水平上顯著拒絕假設(shè),說(shuō)明靜態(tài)面板數(shù)據(jù)模型存在較為嚴(yán)重的自相關(guān)問(wèn)題,而修正的Wald檢驗(yàn)顯示,在1%的水平上顯著拒絕原假設(shè),即靜態(tài)面板數(shù)據(jù)模型亦存在較為嚴(yán)重的異方差問(wèn)題。為了消除靜態(tài)面板數(shù)據(jù)模型所存在的自相關(guān)及異方差問(wèn)題,表2中第4列、第5列分別是進(jìn)一步運(yùn)用Driscoll-Kraay標(biāo)準(zhǔn)誤估計(jì)法與可行廣義最小二乘法分別對(duì)固定效應(yīng)模型與隨機(jī)效應(yīng)模型進(jìn)行矯正的結(jié)果。基于以上所列示的各類檢驗(yàn)結(jié)果,本文在靜態(tài)面板數(shù)據(jù)模型的估計(jì)結(jié)果解讀中以表2中第4列為主,其他模型估計(jì)結(jié)果作為參照一并列示,各類模型得出的估計(jì)結(jié)果差異較小,說(shuō)明估計(jì)結(jié)果是穩(wěn)健的。

Driscoll-Kraay標(biāo)準(zhǔn)誤估計(jì)法的估計(jì)結(jié)果表明,模型決定系數(shù)達(dá)到0.759,整體擬合效果可以接受。在影響因素方面,社會(huì)經(jīng)濟(jì)發(fā)展水平(DEL)在1%水平上顯著為正,說(shuō)明社會(huì)經(jīng)濟(jì)的發(fā)展與進(jìn)步導(dǎo)致旅游業(yè)碳排放強(qiáng)度攀升,其可能的原因是:隨著社會(huì)經(jīng)濟(jì)發(fā)展以及居民收入水平的提升,各地區(qū)旅游服務(wù)與產(chǎn)品消費(fèi)結(jié)構(gòu)亦隨之發(fā)生改變,各種“高能耗、高排放”的旅游服務(wù)與產(chǎn)品不斷涌現(xiàn),相較于以往的旅游發(fā)展模式,其能耗強(qiáng)度與排放強(qiáng)度會(huì)更高。然而,促進(jìn)各省市社會(huì)經(jīng)濟(jì)發(fā)展是維護(hù)當(dāng)?shù)孛癖娚鏅?quán)與發(fā)展權(quán)的關(guān)鍵,這就要求我們從結(jié)構(gòu)調(diào)整與技術(shù)創(chuàng)新及應(yīng)用角度入手,以旅游業(yè)環(huán)境生產(chǎn)率的提升作為節(jié)能減排工作的落腳點(diǎn),處理好社會(huì)經(jīng)濟(jì)發(fā)展與節(jié)能減排工作之間的關(guān)系。服務(wù)業(yè)發(fā)展水平(SDL)對(duì)旅游業(yè)碳排放強(qiáng)度影響為正,且在1%水平上顯著。這符合上文的預(yù)期,即服務(wù)業(yè)的繁榮與發(fā)展不僅能夠提升當(dāng)?shù)芈糜钨Y源吸引力,亦能夠豐富當(dāng)?shù)氐穆糜畏?wù)與產(chǎn)品組合,并在供給端上助推游客對(duì)“高能耗、高排放”產(chǎn)品與服務(wù)的消費(fèi)強(qiáng)度,進(jìn)而推升旅游業(yè)碳排放強(qiáng)度。因此,旅游業(yè)碳減排工作不應(yīng)局限于旅游業(yè)本身,應(yīng)以整個(gè)服務(wù)產(chǎn)業(yè)為著眼點(diǎn),積極推動(dòng)服務(wù)產(chǎn)業(yè)領(lǐng)域的節(jié)能減排工作,優(yōu)化低碳旅游發(fā)展環(huán)境。對(duì)外開(kāi)放水平(OPL)對(duì)旅游業(yè)碳排放強(qiáng)度的影響顯著為正,對(duì)外開(kāi)放程度的高低同樣會(huì)影響到旅游業(yè)碳排放強(qiáng)度。外資準(zhǔn)入尚未徹底“松綁”的情況下,在旅游產(chǎn)業(yè)領(lǐng)域外部資金流入范圍有限,更多的是趨向于酒店、商場(chǎng)、娛樂(lè)等“高能耗、高排放”服務(wù)行業(yè),規(guī)模越大、檔次越高,則能耗越大,每一個(gè)單元都是一個(gè)城市高排放源,這無(wú)疑會(huì)推升旅游業(yè)碳排放強(qiáng)度。旅游資源稟賦(TRE)對(duì)應(yīng)的估計(jì)系數(shù)為正,但并不顯著,說(shuō)明旅游資源稟賦并不對(duì)旅游業(yè)碳排放強(qiáng)度產(chǎn)生顯著影響。旅游資源稟賦能夠?qū)Ξ?dāng)?shù)芈糜谓?jīng)濟(jì)規(guī)模產(chǎn)生重要影響,而旅游經(jīng)濟(jì)規(guī)模的擴(kuò)增會(huì)推升旅游業(yè)碳排放總量,但旅游業(yè)總產(chǎn)出亦會(huì)隨之增加,因此,這并不意味著旅游業(yè)碳排放強(qiáng)度會(huì)隨之發(fā)生變化。區(qū)位條件(DDC)對(duì)旅游業(yè)碳排放強(qiáng)度有較為顯著的正向影響,良好的區(qū)位地理?xiàng)l件及交通可達(dá)性有助于旅游經(jīng)濟(jì)的發(fā)展,但同時(shí)也推升了旅游業(yè)碳排放強(qiáng)度。與其他消費(fèi)類別相比,旅游交通能源消耗及碳排放強(qiáng)度最大,因此區(qū)位條件的優(yōu)劣不僅會(huì)對(duì)旅游資源吸引力產(chǎn)生影響,拉動(dòng)游客規(guī)模擴(kuò)增,亦會(huì)促使當(dāng)?shù)芈糜畏?wù)與產(chǎn)品消費(fèi)結(jié)構(gòu)趨于更高排放。城市化水平(UNN)對(duì)旅游業(yè)碳排放強(qiáng)度的影響顯著為正,這與上文的預(yù)期相符,城市化進(jìn)程會(huì)推升旅游業(yè)碳排放強(qiáng)度。

表2中第6列將被解釋變量一階滯后項(xiàng)yt-1納入影響因素分析框架,對(duì)動(dòng)態(tài)面板數(shù)據(jù)模型(8)進(jìn)行估計(jì)。利用系統(tǒng)GMM估計(jì)量對(duì)動(dòng)態(tài)面板數(shù)據(jù)模型(8)進(jìn)行估計(jì),而該估計(jì)量一致性的重要前提是一次差分后的擾動(dòng)項(xiàng)不存在二階序列相關(guān),但一階序列相關(guān)是可以的。參照Arellano和Bond(1991)所提供的序列相關(guān)檢驗(yàn)方法,檢驗(yàn)結(jié)果顯示,對(duì)應(yīng)二階序列相關(guān)[AR(2)]檢驗(yàn)值無(wú)法拒絕不存在二階序列相關(guān)的原假設(shè),因此系統(tǒng)廣義矩估計(jì)量具備一致性。Sargan檢驗(yàn)結(jié)果表明,無(wú)法拒絕原假設(shè),即所選工具變量聯(lián)合有效,可以采用系統(tǒng)GMM進(jìn)行估計(jì)。同時(shí),Bond等(2001)的研究指出,在囊括被解釋變量滯后項(xiàng)的混合OLS模型、固定效應(yīng)模型及GMM估計(jì)中,混合OLS模型估計(jì)一般會(huì)高估被解釋變量滯后項(xiàng)對(duì)應(yīng)系數(shù),固定效應(yīng)模型則會(huì)在一定程度上低估對(duì)應(yīng)系數(shù),因此若GMM估計(jì)中被解釋變量滯后項(xiàng)的對(duì)應(yīng)系數(shù)介于混合OLS模型與固定效應(yīng)模型之間,則可以說(shuō)明該估計(jì)方法是可靠且有效的。模型估計(jì)結(jié)果顯示,混合OLS模型中旅游業(yè)碳排放強(qiáng)度一階滯后項(xiàng)對(duì)應(yīng)系數(shù)為0.864,固定效應(yīng)模型對(duì)應(yīng)估計(jì)系數(shù)為0.125,而系統(tǒng)GMM估計(jì)對(duì)應(yīng)系數(shù)則介于二者之間,因此系統(tǒng)GMM估計(jì)具有可靠性與有效性。

最后,從系統(tǒng)GMM估計(jì)(表2第6列)結(jié)果中可以看出,被解釋變量滯后項(xiàng)yt-1對(duì)應(yīng)系數(shù)顯著為正,體現(xiàn)了上一期的旅游業(yè)碳排放強(qiáng)度對(duì)當(dāng)期旅游業(yè)碳排放強(qiáng)度的影響。這也印證了上文提出的旅游業(yè)碳排放強(qiáng)度變化具有滯后效應(yīng)的理論推斷,說(shuō)明旅游業(yè)碳排放強(qiáng)度變化具有明顯的路徑依賴現(xiàn)象,呈現(xiàn)出一個(gè)連續(xù)積累的漸進(jìn)調(diào)整過(guò)程。此外,除被解釋變量滯后項(xiàng)外,其他解釋變量對(duì)應(yīng)系數(shù)與靜態(tài)面板數(shù)據(jù)模型估計(jì)結(jié)果在作用方向、顯著性水平上較為相似,進(jìn)一步驗(yàn)證了模型估計(jì)結(jié)果的穩(wěn)健性。

表2 旅游業(yè)碳排放強(qiáng)度影響因素估計(jì)結(jié)果

注:系數(shù)下括號(hào)內(nèi)為對(duì)應(yīng)標(biāo)準(zhǔn)差;*、**、***、****分別表示在15%、10%、5%及1%水平上顯著;為了縮小異方差及剔除面板數(shù)據(jù)中的異常點(diǎn),在此本文選擇將各變量取對(duì)數(shù)后納入估計(jì)模型。

4 研究結(jié)論與討論

本文的主要研究結(jié)論如下。

(1) 在分析時(shí)期內(nèi),受旅游產(chǎn)業(yè)規(guī)模與旅游消費(fèi)結(jié)構(gòu)驅(qū)動(dòng),不同省市之間的旅游業(yè)碳排放量差異明顯,但在動(dòng)態(tài)變化上卻存在明顯的收斂趨勢(shì),對(duì)應(yīng)旅游業(yè)碳排放量標(biāo)準(zhǔn)差系數(shù)從2005年的0.91下降到2015年的0.65。從碳排放強(qiáng)度來(lái)看,不同省市旅游業(yè)碳排放強(qiáng)度存在較大差異,低碳經(jīng)濟(jì)背景下我國(guó)省級(jí)旅游業(yè)發(fā)展質(zhì)量明顯不同,除內(nèi)蒙古、山西、安徽、遼寧、黑龍江、河南、湖北、海南、云南及青海等中西部省份外,其他省市旅游業(yè)碳排放強(qiáng)度呈現(xiàn)下滑趨勢(shì),在整個(gè)分析時(shí)期內(nèi)對(duì)應(yīng)旅游業(yè)低碳發(fā)展質(zhì)量不斷攀升。從碳排放結(jié)構(gòu)來(lái)看,旅游產(chǎn)業(yè)系統(tǒng)中交通運(yùn)輸、倉(cāng)儲(chǔ)及郵政業(yè)的碳排放結(jié)構(gòu)比重整體高于批發(fā)零售、住宿餐飲及其他行業(yè)碳排放,旅游交通消費(fèi)是旅游業(yè)碳排放量攀升的主要?jiǎng)右?而不同省市的旅游業(yè)碳排放結(jié)構(gòu)及其變化趨勢(shì)存在一定差異,旅游業(yè)碳減排政策制定過(guò)程中應(yīng)區(qū)分不同省市實(shí)際情況。

(2) 靜態(tài)面板數(shù)據(jù)估計(jì)結(jié)果顯示,社會(huì)經(jīng)濟(jì)發(fā)展水平、服務(wù)業(yè)發(fā)展水平、對(duì)外開(kāi)放水平、區(qū)位條件與城市化水平等變量對(duì)旅游業(yè)碳排放強(qiáng)度產(chǎn)生顯著的正向影響,社會(huì)經(jīng)濟(jì)發(fā)展水平、服務(wù)業(yè)發(fā)展水平與對(duì)外開(kāi)放水平通過(guò)豐富旅游消費(fèi)結(jié)構(gòu)與提升旅游消費(fèi)強(qiáng)度推升旅游業(yè)碳排放強(qiáng)度,較好的區(qū)位優(yōu)勢(shì)有助于旅游經(jīng)濟(jì)的發(fā)展,但對(duì)旅游業(yè)碳排放強(qiáng)度起到推升作用,城市化水平提升有助于豐富旅游消費(fèi)結(jié)構(gòu),延長(zhǎng)游客逗留時(shí)間,但也推升了旅游業(yè)碳排放強(qiáng)度。旅游資源稟賦對(duì)旅游業(yè)碳排放強(qiáng)度并不產(chǎn)生顯著影響,旅游資源稟賦的高低雖能夠?qū)Ξ?dāng)?shù)芈糜谓?jīng)濟(jì)規(guī)模產(chǎn)生重要影響,但這并不意味著旅游碳排放強(qiáng)度亦隨之改變。

(3) 動(dòng)態(tài)面板數(shù)據(jù)估計(jì)結(jié)果顯示,上一期的旅游業(yè)碳排放強(qiáng)度對(duì)當(dāng)期旅游業(yè)碳排放強(qiáng)度具有正向影響,旅游業(yè)碳排放強(qiáng)度一階滯后項(xiàng)對(duì)應(yīng)系數(shù)約為0.296,且在5%水平上顯著。這說(shuō)明,旅游業(yè)碳排放強(qiáng)度變化存在一定慣性,因游客消費(fèi)行為慣性與外圍影響因素較長(zhǎng)作用周期,使得上一期旅游業(yè)碳排放強(qiáng)度對(duì)下一期產(chǎn)生明顯影響。這就要求加快低碳旅游發(fā)展政策制定、頒布和落實(shí),縮短各項(xiàng)政策的作用周期,設(shè)計(jì)有效的激勵(lì)及監(jiān)督機(jī)制,加大低碳旅游類資本的投入,加快推進(jìn)旅游業(yè)中節(jié)能減排技術(shù)的更新?lián)Q代,以期實(shí)現(xiàn)低碳旅游發(fā)展目標(biāo)。

本文參照旅游消費(fèi)剝離系數(shù)法,構(gòu)建了旅游業(yè)碳排放量估算模型,進(jìn)而對(duì)2005年～2015年我國(guó)省級(jí)旅游業(yè)碳排放演化趨勢(shì)、排放強(qiáng)度及排放結(jié)構(gòu)進(jìn)行評(píng)估與分析,克服了已有省域尺度下的旅游業(yè)碳排放研究多基于一個(gè)固定排放系數(shù)的局限。在此基礎(chǔ)上,分別利用靜態(tài)面板數(shù)據(jù)與動(dòng)態(tài)面板數(shù)據(jù)的計(jì)量方法對(duì)我國(guó)旅游業(yè)碳排放強(qiáng)度外圍影響因素進(jìn)行了檢驗(yàn)與分析,規(guī)避了傳統(tǒng)“結(jié)構(gòu)-規(guī)模-技術(shù)”影響因素分析框架的局限性,提高了模型檢驗(yàn)結(jié)果的全面性、可靠性以及有效性。此外,限于篇幅,本文主要使用動(dòng)態(tài)面板數(shù)據(jù)計(jì)量方法檢驗(yàn)與分析旅游業(yè)碳排放強(qiáng)度變化的影響因素。那么,省級(jí)旅游業(yè)中不同二級(jí)部門(mén)碳排放強(qiáng)度的影響因素是否存在差異？它們分別對(duì)國(guó)內(nèi)旅游、入境旅游碳排放強(qiáng)度產(chǎn)生何種影響？它們是否會(huì)通過(guò)空間傳導(dǎo)機(jī)制對(duì)鄰近省市旅游碳排放強(qiáng)度產(chǎn)生溢出效應(yīng)？這些問(wèn)題有待我們進(jìn)一步深入研究。

[1] 杜立民.我國(guó)二氧化碳排放的影響因素:基于省級(jí)面板數(shù)據(jù)的研究[J].南方經(jīng)濟(jì),2010(11):20-33.

[2] 馮博,王雪青.中國(guó)各省建筑業(yè)碳排放脫鉤及影響因素研究[J].中國(guó)人口·資源與環(huán)境,2015(4):28-34.

[3] 韓堅(jiān),盛培宏.產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)創(chuàng)新與碳排放實(shí)證研究——基于我國(guó)東部15個(gè)省(市)面板數(shù)據(jù)[J].上海經(jīng)濟(jì)研究,2014(8):67-74.

[4] 賀臘梅,李志勇,查建平.區(qū)域旅游業(yè)CO2排放的驅(qū)動(dòng)因素分解模型及實(shí)證分析——基于2007～2011年湖北省17個(gè)州市面板數(shù)據(jù)的證據(jù)[J].旅游科學(xué),2016(2):24-38.

[5] 黃崎,康建成,黃晨皓.酒店業(yè)碳排放評(píng)估與節(jié)能減排潛力研究[J].資源科學(xué),2014(5):1013-1020.

[6] 黃玉菲,趙璟.麗江市旅游產(chǎn)業(yè)游客碳足跡分析評(píng)價(jià)[J].中國(guó)林業(yè)經(jīng)濟(jì),2012(1):13-16.

[7] 李伯華,劉云鵬,竇銀娣.旅游風(fēng)景區(qū)旅游交通系統(tǒng)碳足跡評(píng)估及影響因素分析——以南岳衡山為例[J].資源科學(xué),2012(5):956-963.

[8] 李江帆,李美云.旅游產(chǎn)業(yè)與旅游增加值的測(cè)算[J].旅游學(xué)刊,1999(5):16-19.

[9] 李鵬,黃繼華,莫延芬,楊桂華.昆明市四星級(jí)酒店住宿產(chǎn)品碳足跡計(jì)算與分析[J].旅游學(xué)刊,2010(3):27-34.

[10] 上官筱燕,孫瑞紅.九寨溝景區(qū)內(nèi)居民私家車碳排放研究[J].中國(guó)人口·資源與環(huán)境,2013(5):140-142.

[11] 邵帥,楊莉莉,曹建華.工業(yè)能源消費(fèi)碳排放影響因素研究——基于STIRPAT模型的上海分行業(yè)動(dòng)態(tài)面板數(shù)據(jù)實(shí)證分析[J].財(cái)經(jīng)研究,2010(11):16-27.

[12] 石培華,吳普.中國(guó)旅游業(yè)能源消耗與CO2排放量的初步估算[J].地理學(xué)報(bào),2011(2):235-243.

[13] 蘇建軍,徐璋勇,趙多平.國(guó)際貨物貿(mào)易與入境旅游的關(guān)系及其溢出效應(yīng)[J].旅游學(xué)刊,2013(5):43-52.

[14] 孫晉坤,章錦河,劉澤華,李曼,楊璐.區(qū)域旅游交通碳排放測(cè)度模型及實(shí)證分析[J].生態(tài)學(xué)報(bào),2015(21):7161-7171.

[15] 陶玉國(guó),張紅霞.江蘇旅游能耗和碳排放估算研究[J].南京社會(huì)科學(xué),2011(8):151-156.

[16] 王恩旭.區(qū)域旅游產(chǎn)業(yè)效率評(píng)價(jià)研究[D].大連:大連理工大學(xué),2011.

[17] 汪鋒,張宗益,康繼軍.企業(yè)市場(chǎng)化、對(duì)外開(kāi)放與中國(guó)經(jīng)濟(jì)增長(zhǎng)條件收斂[J].世界經(jīng)濟(jì),2006(6):48-60.

[18] 王凱,邵海琴,周婷婷,劉浩龍.基于STIRPAT模型的中國(guó)旅游業(yè)碳排放影響因素分析[J].環(huán)境科學(xué)學(xué)報(bào),2017(3):1185-1192.

[19] 王凱,肖燕,李志苗,劉浩龍.中國(guó)旅游業(yè)CO2排放因素分解:基于LMDI分解技術(shù)[J].旅游科學(xué),2016(3):13-27.

[20] 王群偉,周鵬,周德群.我國(guó)二氧化碳排放績(jī)效的動(dòng)態(tài)變化、區(qū)域差異及影響因素[J].中國(guó)工業(yè)經(jīng)濟(jì),2010(1):45-54.

[21] 吳振信,謝曉晶,王書(shū)平.基于中國(guó)東、中、西部面板數(shù)據(jù)的碳排放和產(chǎn)值結(jié)構(gòu)關(guān)系研究[J].中國(guó)人口·資源與環(huán)境,2012(141):31-36.

[22] 肖建紅,于愛(ài)芬,王敏.旅游過(guò)程碳足跡評(píng)估——以舟山群島為例[J].旅游科學(xué),2011(4):58-66.

[23] 肖瀟,張捷,盧俊宇,鐘士恩,尹立杰.旅游交通碳排放的空間結(jié)構(gòu)與情景分析[J].生態(tài)學(xué)報(bào),2012(23):7540-7548.

[24] 閆敏.旅游業(yè)與經(jīng)濟(jì)發(fā)展水平之間的關(guān)系[J].旅游學(xué)刊,1999(5):9-15.

[25] 虞義華,鄭新業(yè),張莉.經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)與碳排放強(qiáng)度——中國(guó)省級(jí)面板數(shù)據(jù)分析[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理,2011(3):72-81.

[26] 袁宇杰.中國(guó)旅游間接能源消耗與碳排放的核算[J].旅游學(xué)刊,2013(10):81-88.

[27] 查建平,唐方方,傅浩.產(chǎn)業(yè)視角下的中國(guó)工業(yè)能源碳排放Divisia指數(shù)分解及實(shí)證分析[J].當(dāng)代經(jīng)濟(jì)科學(xué),2010(5):88-94.

[28] Arellano M,Bond S (1991).Some tests of specification for panel data:Monte carlo evidence and application to employments equations[J].Review of Economic Studies,58(2):277-297.

[29] Auffhammer M,Carson R T (2008).Forecasting the path of China’s CO2emissions using province-level information[J].Journal of Environmental Economics & Management,55(3):229-247.

[30] Becken S,Frampton C,Simmons D (2001).Energy consumption patterns in the accommodation sector—the New Zealand case[J].Ecological Economics,39(3):371-386.

[31] Becken S,Simmons D G (2002).Understanding energy consumption patterns of tourist attractions and activities in New Zealand[J].Tourism Management,23(4):343-354.

[32] Bond S R,Hoeffler A,Temple J R W (2001).GMM estimation of empirical growth models[J].CEPR Discussion Papers,159(1):99-115.

[33] Chan W W (2005).Partial analysis of the environmental costs generated by hotels in Hong Kong[J].International Journal of Hospitality Management,24(4):517-531.

[34] Dubois G,Ceron J P (2006).Tourism/leisure greenhouse gas emissions forecasts for 2050:Factors for change in France[J].Journal of Sustainable Tourism,14(2):172-191.

[35] G?ssling S (2000).Sustainable tourism development in developing countries:Some aspects of energy use[J].Journal of Sustainable Tourism,8(5):410-425.

[36] Guan Z,Lansink A O (2006).The source of productivity growth in dutch agriculture:A perspective from finance[J].American Journal of Agricultural Economics,88(4):644-656.

[37] IPCC(2006).Intergovernmental Panel on Climate Change.2006 IPCC Guidelines for National Greenhouse Gas Inventory[M].IPCC/IGES,ISBN,Hayama,Japan,2:217-223.

[38] Jackson J(2006).Developing regional tourism in China:The potential for activating business clusters in a Socialist market economy[J].Tourism Management,27(4):695-706.

[39] Katircioglu S T,Feridun M,Kilinc C (2014).Estimating tourism-induced energy consumption and CO2emissions:The case of Cyprus[J].Renewable & Sustainable Energy Reviews,29(7):634-640.

[40] Kelly J,Williams P W (2007).Modelling tourism destination energy consumption and greenhouse gas emissions:Whistler,British Columbia,Canada[J].Journal of Sustainable Tourism,15(1):67-90.

[41] Konan D E,Chan H L (2010).Greenhouse gas emissions in Hawaii:Household and visitor expenditure analysis[J].Energy Economics,32(1):210-219.

[42] Kuo N W,Lin C Y,Chen P H,Chen Y W (2009).An inventory of the energy use and carbon dioxide emissions from island tourism based on a life cycle assessment approach[J].Journal of Cleaner Production,17(15):1324-1330.

[43] Liu J,Feng T,Yang X (2011).The energy requirements and carbon dioxide emissions of tourism industry of Western China:A case of Chengdu city[J].Renewable & Sustainable Energy Reviews,15(6):2887-2894.

[44] Mayor K,Tol R S J (2010).Scenarios of carbon dioxide emissions from aviation[J].Global Environmental Change,20(1):65-73.

[45] Paravantis J A,Georgakellos D A (2007).Trends in energy consumption and carbon dioxide emissions of passenger cars and buses[J].Technological Forecasting & Social Change,74(5):682-707.

[46] Perch-Nielsen S,Sesartic A,Stucki M (2010).The greenhouse gas intensity of the tourism sector:The case of Switzerland[J].Environmental Science & Policy,13(2):131-140.

[47] Robaina-Alves M,Moutinho V,Costa R (2016).Change in energy-related CO2(carbon dioxide) emissions in Portuguese tourism:A decomposition analysis from 2000 to 2008[J].Journal of Cleaner Production,111:520-528.

[48] Rosselló-Batle B,Moià A,Cladera A,Martínez V (2010).Energy use,CO2emissions and waste throughout the life cycle of a sample of hotels in the Balearic Islands[J].Energy & Buildings,42(4):547-558.

[49] Sun Y Y (2016).Decomposition of tourism greenhouse gas emissions:Revealing the dynamics between tourism economic growth,technological efficiency,and carbon emissions[J].Tourism Management,55:326-336.

[50] Tabatchnaia-Tamirisa N,Loke M K,Pingsun L,Tucker K A (1997).Energy and tourism in Hawaii[J].Annals of Tourism Research,24(2):390-401.

[51] UNWTO,UNEP,WMO (2008).Climate Change and Tourism:Responding to Global Challenges[M].Madrid:UNWTO.

[52] Wang J C,Wang Y C,Li K,Wang J H (2017).Greenhouse gas emissions of amusement parks in Taiwan[J].Renewable & Sustainable Energy Reviews,74:581-589.

[53] WTO,UNEP(2007).Climate change and tourism:Responding to global challenges[J].Climate Change & Tourism Responding to Global Challenges,12(4):168-181.