低碳城市空间结构 - 图文(3)

居民的出行距离会越远，对开车出行的需求会越高，碳排放水平也会越高。我们先用简单的相关性分析来进行初步验证。以公共交通和重点学校为例，居住社区周边0.8公里内存在公共交通站点（轨道交通或主要公交车站）时，居民使用私家车所产生的碳排放仅为不存在时的86.6%；而居住社区周边1公里内存在重点学校时，居民使用私家车所产生的碳排放也仅为不存在时的81.1%（见图12）。

5.04.03.0平均值：4.10吨/户2.01.00.0吨/户0.8公里内0.8公里外1.0公里内1.0公里外 图10 北京市城市设施（公共交通与重点学校）与私家车碳排放关系 数据来源：清华大学房地产研究所“家庭出行能耗与居住环境”调查 （二）私家车碳排放模型的Heckman两步估计

我们希望通过计量模型回答两个问题：（1）什么样的出行者更倾向于选择私家车为主要出行方式？（2）对于选择私家车的出行者，碳排放受到哪些因素的影响。这是个典型的需要采用Heckman两步估计的计量模型。第一步，建立Probit二元离散选择模型，因变量是出行者是否选择私家车为主要出行方式，在自变量中，我们考虑了四个主要的家庭社会经济特征变量——家庭收入、家庭规模（家庭成员个数）、出行者年龄、汽油费是否报销的哑元变量，以及若干城市空间结构变量。第二步在第一步的基础上，将私家车出行者的碳排放量作为因变量，自变量中包含家庭特征和出行特征。表4列出了模型的六套估计结果。

什么样的家庭更倾向于拥有私家车？首先，我们可以看到私家车拥有概率的收入弹性非常显著，这里的系数是对数发生比，经转化后可以得到，收入增长10%，家庭购买私家车的概率将上升4.7%。高收入者追求更为舒适的出行方式，同时购车能力也增加了。这很好的解释了目前中国城市中私家车拥有率快速上升的现象。年龄结构（本文中采用户主年龄表征）对于家庭购车概率的影响为，随着户主年龄增大，家庭购车概率呈现先增大后减小的变化趋势，且户主年龄为45岁的家庭，购车概率达到顶峰。我们认为，购车概率随户主年龄增大而提高的过程，主要是由于成家有小孩后，家庭的出行需求增大导致；而购车概率随后下降则可能是当家庭结构老龄化后（户主年龄进一步较大），出行需求下降所致，可以说，购车概率变化的过程受到了家庭生活周期特征变化的直接影响。家庭规模的影响并不显著。

我们更关心的是城市空间结构特征（本文主要指居住地、就业地和城市公共服务设施的空间可达性）对于家庭是否购买私家车的影响效果，在模型中我们分别引入这些变量（见表4中的方程（1），（3），（5），（7），（9），（11））。我们首先引入居住地与城市中心距离（对

11

数）这一变量（表4中方程（1）），发现该距离越大，家庭购买私家车概率相对越大。该距离每增加10%，家庭拥有私家车的概率上升3%，这验证了前面的分析。由于目前北京市中心区域集中了大量的就业机会以及拥有较为完善的公共设施，居住在郊区的居民家庭，通常出行距离较长，这增大了其购车的动机。

表4 私家车碳排放模型估计结果

EUQ: Variables LINCOME (1) PROBIT 0.953*** (12.20) 0.077* (1.71) 0.058** (2.24) -0.001*** (-2.74) 0.251*** (3.32) -12.86*** (-11.17) 765 (2) LCARC -0.095 (-0.97) 0.275* (2.69) 0.137*** (2.62) 2.190* (1.74) 333 (3) PROBIT 0.955*** (12.26) 0.079* (1.78) 0.059** (2.32) -0.001*** (-2.82) 0.256*** (3.36) -12.91*** (-11.44) 765 (4) LCARC -0.095 (-0.97) 0.278* (2.69) 0.001 (0.15) 2.675** (2.20) 333 (5) PROBIT 0.971*** (12.35) 0.066 (1.46) 0.049* (1.91) -0.001*** (-2.39) 0.303*** (3.82) 0.120*** (2.64) -13.03*** (-11.30) 765 (6) LCARC -0.085 (-0.86) 0.281*** (2.76) 0.136*** (2.60) 2.068 (1.62) 333 (7) PROBIT 0.971*** (12.25) 0.032 (0.67) 0.055** (2.09) -0.001*** (-2.50) 0.260*** (3.41) -0.026 (-0.36) 0.214** (2.40) -13.02*** (-11.10) 765 (8) LCARC -0.085 (-0.86) 0.272*** (2.76) 0.137*** (2.61) 1.914 (1.44) 332 (9) PROBIT 0.963*** (12.14) 0.074 (1.63) 0.058** (2.21) -0.001*** (-2.68) 0.258*** (3.35) 0.059 (0.89) -13.01*** (-11.05) 765 (10) LCARC -0.085 (-0.86) 0.275*** (2.69) 0.137*** (2.61) 1.961 (1.43) 332 (11) PROBIT 0.957*** (12.25) 0.073 (1.63) 0.054** (2.10) -0.001*** (-2.57) 0.271*** (3.49) 0.050 (1.14) -12.92*** (-11.21) 765 (12) LCARC -0.085 (-0.86) 0.276*** (2.70) 0.135*** (2.58) 2.218* (1.76) 332 HHSIZE AGE AGE2 D_REIM LC_TIME CONGESTION LD_CENTER LD_TRANSIT LD_EDU LINC_LD_EDU LD_SHOPPING LD_HOSPITAL Constant Observations 注：括号里的数字为标准误；*、**、***分别代表在10%、5%、1%的程度上显著。

我们更加细化地考察居住地与各类城市设施的空间接近程度对家庭私家车拥有概率的影响（表4中的方程（5），（7），（9），（11））。我们发现居住地到这些城市设施的可达性越好（即表现为空间距离越短），家庭拥有私家车的概率则相对越低。其中公共交通可达性的效果最为显著。如果家庭居住地的周边有公交或地铁站点，家庭拥有私家车的概率明显降低，

12

弹性达到0.27。这与国际上许多学者的研究结论比较类似，即良好的公交系统有助于降低私家车出行及其能源消耗。随着城市家庭对于子女教育重视程度的提高，居住地周边是否拥有重点学校成为家长关注的因素。北京市教育资源（特别是重点学校）在城市内部分布很不均匀，而同时重点学校周边的住房数量相对有限，这就促使这些教育资源相距较远的家庭，有更大的动机选择购买私家车，来拉近其居住地与优质教育资源之间的空间距离。为此，我们引入了家庭是否有未成年人与居住地至重点学校距离的交叉变量，并发现：居住地与重点学校的空间可达性，并非对全部家庭的购车选择产生影响（如方程（7）中，居住地与重点学校的距离变量并不显著），而是对那些拥有未成年人的家庭，在进行购车选择时产生正向影响，该变量在95%的置信度下显著。相类似的，另外两个城市设施的距离变量——居住地与大型购物中心的距离和居住地与优质医疗机构的距离，均对家庭拥有私家车的概率有正向影响，但并不显著，这可能是由于家庭对于这两类城市设施的出行需求较少，频率较低。

Heckman估计的第二步，是在控制私家车拥有概率的基础上，分析私家车碳排放水平的影响因素（见表4中的方程（2），（4），（6），（8），（10），（12））。当家庭购买私家车后，收入水平对其出行频率和出行距离的影响并不显著，即家庭购买私家车后的出行相对稳定，因此其对私家车碳排放的影响亦不显著。此外，我们认为私家车的使用成本（而非一次性购车成本），对于私家车的使用强度家庭有重要影响。一般来说，汽油消费在私家车使用成本中的比重较大，因此，我们引入汽油消费是否能够报销的哑元变量，并发现：当汽油消费可报销时，私家车使用成本则大幅下降，这会显著增大私家车使用强度，并导致汽油消耗与碳排放量的上升。实证结果表明，汽油消费可报销的家庭，其私家车碳排放每年高于不能报销家庭1.3吨左右。此外，我们希望考察居住地的就业可达性（本文选择通勤时间变量进行表征

①

），对私家车碳排放的影响（见表4中的方程（2），（6），（8），（10），（12））：通勤时间的

私家车碳排放弹性均为0.14，即通勤时间每增长10%，将增加1.4%的碳排放。此外，直观来看，通勤时间的私家车碳排放弹性相对偏低，我们认为这可能与北京市交通拥堵导致通勤时间大量增长有关，而受到通勤距离的影响程度可能相对较弱。为此，我们引入通勤时间与居住地至就业中心距离的比值这一变量，来近似反映交通拥堵对于私家车碳排放的影响。实证结果显示，该变量对碳排放的影响为正，即当通勤距离相同时，交通拥堵程度越严重，即通勤时间越长，私家车汽油使用效率越低，碳排放也随之上升。需要说明的是，我们并没有获取居民就业地准确的空间位置，这可能也是该变量不显著的原因之一（见表4中的方程（4））。

五、结论

国际经验表明，当一个国家或地区人均GDP达到3000-10000美元时，社会将出现几个 ①

非常遗憾的是，我们缺乏关于家庭成员就业地的微观调研数据。因此，我们采用家庭通勤时间（而非家庭居住地与就业地空间距离）来度量其空间可达性。

13

明显的特征，包括住房消费和汽车消费的快速增长，能源消耗和环境污染的加大等等。目前中国的大城市正处于这个时期。随着居民收入水平和生活质量的提高，中国城市中私家车拥有率的快速上升是必然趋势。我们感兴趣的是，在私家车拥有率快速上升的现实情况下，怎样的城市空间结构能够更有效的缓解城市交通带来的环境压力，具有更好的低碳出行效果。

利用一个2009年北京市居民出行行为和能源消耗的微观样本，本文尝试对上述问题做一些初步的探索。在这个样本中，有31.4%的家庭选择私家车出行（与2009年12月21日新华网公布的38.9%的官方数据相近）。Heckman两步估计表明，收入水平越高、人口规模越大，居民购车概率越大，而年龄结构对于居民购车概率的影响则呈现倒U型曲线变化，且户主年龄为45岁时购车概率最大。在控制这些家庭特征后，到就业中心的可达性，以及到各类城市设施（公共交通、优质教育资源等）的可达性越好，选择私家车出行的概率越小。在给定了购车概率后，私家车汽油消耗与碳排放与并不受到收入水平的影响，而是与私家车使用成本（本文主要指汽油花费是否能够报销）密切相关。此外，当居住地的就业可达性较差（表现为通勤时间较长），以及交通拥堵较为严重时，都会提高私家车碳排放水平。

上述实证结果表明，增加城市中居住用地的就业可达性和公共服务设施可达性，有利于降低长距离的出行需求，减小私家车出行的动机，从而降低私家车的汽油消耗和碳排放量。但如果从更为全面的角度来思考，城市空间中居住和就业的分离是产业集聚的必然结果（Lucas and Rossi-Hansberg，2002）。经济活动的集聚会带来集聚经济的正外部性，但同时也就会带来拥堵和环境污染这些负外部性（Kahn，2006）。过度追求“职住平衡”以降低通勤量有可能以牺牲经济效率为代价，在市场力量主导的城市空间结构中往往难以实现。关键是如何在这两种外部性之间进行合理的平衡。但对于公共服务设施就不存在上述问题。如果城市公共服务设施的空间布局不合理，导致居民为了靠近这些设施而产生额外的通勤和能源消耗，对城市而言就形成了没有经济效率的额外环境成本，这部分能源消耗和碳排放是应该降低的。因此，城市公共品（特别是基础性的教育和医疗设施）在空间上的合理和平衡配置，有利于降低过量的交通需求、能源消耗和碳排放，会对城市空间的可持续发展起到推动作用。作为计划经济的遗产，中国城市中优质的公共服务设施大部分仍集中在中心城区，滞后于居住和产业的郊区化进程，因此对这一问题的关注就显得更为重要。

14

六、附录

表5 北京市居民出行方式、通勤时间及私人交通能源消耗量

出行方式 私家车 出租车 单位班车 公共汽车 轨道交通 自行车 步行 样本量 199 38 17 128 73 87 78 选择比重 32.1% 6.3% 2.5% 20.6% 11.8% 14.1% 12.6% 单程通勤时间 （分钟） 49 57 33 31 33 20 11 汽油消耗量 （吨/年） 1.865 0.226 — — — — — 表6 计量经济模型中的变量

变量类型 私家车碳排放 变量名称 LCARC LINCOME HHSIZE AGE 家庭社会经济特征 AGE2 D_REIM LINC_LD_EDU LC_TIME CONGESTION 城市空间结构基本特征 LD_CENTER LD_TRANSIT LD_SHOPPING LD_EDU LD_HOSPITAL 变量含义 私家车 家庭年收入 家庭人数 户主年龄 户主年龄的平方项 汽油费是否报销的哑元变量 （1：是；0：否） 家庭收入与居住地至临近重点学校距离的交叉变量 单程通勤时间 单程通勤时间与居住地至天安门距离的比值 居住地至天安门距离 居住地至临近公交站点距离 居住地至临近购物场所距离 居住地至临近重点学校距离 居住地至临近重点医院距离 变量单位 吨/年 万元/户 年 人/户 人/户 — — 分钟 分钟/千米 千米 千米 千米 千米 千米 样本量 393 826 826 825 825 389 826 607 607 38 38 38 38 38 平均值 4.168 12.6 3.13 46 2352 0.175 8.7 35 3.9 13.1 3 1.6 3.5 3.2

七、参考文献

[1]. Anas, A., Govinda, R. T. and Zheng, S.Q., 2008, ―Effects of a Toll on Congestion versus a

Tax on Gasoline on Car Travel,‖ Fuel Consumption and CO2 Emissions in Beijing, 4, pp.1-18.

[2]. Bhat, C.R., Guo, J.Y., 2007, ―A comprehensive analysis of built environment characteristics

on household residential choice and auto ownership levels,‖ Transportation Research Part B, 41, pp.506–526.

15

[3]. Brownstone, D. and Golob, T.F., 2009, ―The impact of residential density on vehicle usage

and energy consumption,‖ Journal of Urban Economics, 65, pp.91–98.

[4]. Davis, S.C. and Hu, P.S., 2004, Transportation Energy Data Book (Edition 24), Published by

Oak Ridge National Laboratory.

[5]. Erling, H. and Ingrid, T.N, 2005, ―Three Challenges for the Compact City as a Sustainable

Urban Form: Household Consumption of Energy and Transport in Eight Residential Areas in the Greater Oslo Region,‖ Urban Studies, 12, pp.2145-2166.

[6]. Ewing, R. and Rong, F., 2008, ―The Impact of Urban Form on U.S. Residential Energy Use,‖

Housing Policy Debate, 1, pp.1-29.

[7]. Glaeser E.L. and Kahn, M.E., 2008, ―The Greenness of Cities,‖ NBER Working Paper

#14238.

[8]. Lucas, R.E. and Rossi-Hansberg E., 2002, ―On the internal structure of cities‖, Econometrica,

70(4): 1445-1476. [9]. Kahn, M.E., 2006, ―Green Cities: Urban Growth and the Environment‖, Published by

Brookings Institution Press.

[10]. Kahn, M.E., 2000, ―The environmental impact of suburbanization,‖ Journal of Policy

Analysis and Management, 19, pp.569–586.

[11]. Newman, P. and Kenworthy J., 1999, ―Costs of automobile dependence: Global survey of

cities,‖ Transportation Research Record, 1670, pp.17–26.

[12]. RAC Foundation, 2003, ―Commuting and travel choices,‖ 8, pp.5-6.

[13]. Rosenthal, S.S. and Strange, W.C., 2004, ―Evidence on the nature and sources of

agglomeration economies‖. In: J. Vernon Henderson and Jacques-Francois Thisse (Eds.). Handbook of Urban and Regional Economics, Vol. IV, chapter 49, pp. 2119-2172.

[14]. United States Census Bureau, 2005, ―American Community Survey, Americans Spend More

Than 100 Hours Commuting to Work Each Year‖, published by United States Census Bureau [15]. Zheng, S.Q., Wang, R., Kahn M.E. and Glaeser E.L, 2009, ―The Greenness of China:

Household Carbon Dioxide Emissions and Urban Development,‖ NBER Working Paper # 15621.

[16]. 霍燚、郑思齐和杨赞，2010，《低碳生活的特征探索——基于2009年北京市―家庭能源消

耗与居住环境‖调查数据的分析》，《城市与区域规划研究》第2期72-75页。 [17]. 牛占元等，2010，《2010中国新型城市化报告》，科学出版社2010年第一版。

16

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库低碳城市空间结构 - 图文(3)在线全文阅读。