首頁    要聞    行業    地方    觀察   觀點    研報    科技    投融    城市    學術    景區   樂園    交通    住宿    活動    戶外    環球   攻略    商圈

旅游增長與碳排放脫鉤狀態及其驅動因素研究——一個新的脫鉤分析框架

 二維碼
發表時間:2022-05-19 15:43來源:旅游學刊

旅游增長與碳排放脫鉤狀態及其驅動因素研究

——一個新的脫鉤分析框架


查建平,戴家權,劉珂吉,余 喬,周志堅

(四川大學旅游學院,四川 成都 610065)


[摘 要]全面厘清旅游增長與碳排放的動態脫鉤關系及其背后的驅動因素,對于制定科學合理的低碳旅游發展政策、實現旅游產業可持續發展具有重要的理論與現實意義。文章將對數平均迪氏指數法(LMDI)分解技術與基于向量自回歸(VAR)模型的動態效應分析法引入脫鉤指數模型中,對傳統脫鉤指數分析進行了改進,構建了新型的旅游增長與碳排放脫鉤關系分析模型,嘗試對旅游增長與碳排放脫鉤關系展開系統深入研究,并以成都市為例進行了實證分析。研究結果顯示:(1)旅游增長與碳排放脫鉤狀態具有明顯的階段性特征,總體脫鉤指數值為0.806,雖實現了整體上的弱脫鉤狀態,但旅游增長與碳排放之間仍呈現顯著的正向關聯,旅游業距離實現強脫鉤目標仍有較大差距。(2)能源強度效應是旅游業脫鉤過程中唯一的正向影響因素,游客規模效應和消費水平效應則是脫鉤實現的主要抑制因素,而能源結構效應與收入結構效應的作用則不大。(3)不同驅動因素之間存在復雜的交互影響機制,表明未來旅游業脫鉤工作在聚焦如何降低能源強度、優化產業結構與轉變消費方式的同時,更需要注重保持各驅動因素之間穩定均衡關系與動態作用機制,以實現最大效用的協同脫鉤。


引言

作為世界上最大和發展速度最快的產業部門之一,旅游業在促進地區發展、增加就業和增進人民福祉等方面具有重要作用[1]。然而,隨著社會環境保護意識的增強,旅游業不再被視為一個完全的“無煙產業”[2],大規模的游客活動及其輔助、配套設施運營所產生的能源消耗與碳排放已受到旅游業界與學術界的廣泛關注[3-4]。因此,旅游業正面臨著資源-環境-發展的多重壓力與矛盾,承受著保持增長與減少排放之間沖突控制、化解耦合的巨大壓力[5]。在此背景下,厘清旅游增長與碳排放的動態關系及其背后的驅動因素,對于制定科學合理的低碳旅游發展政策,實現旅游產業可持續發展具有重要的理論與現實意義。

自20 世紀90 年代以來,有關國際組織與學者就開始關注旅游業發展所引致的能源與環境問題,并認為資源管理與能源節約是實現旅游產業可持續發展的關鍵步驟[6-7]。隨著全球氣候變化問題凸顯以及二氧化碳減排壓力劇增,碳排放議題逐漸成為旅游資源與環境研究的焦點之一[8]。相關學者認為,旅游業碳排放量是衡量旅游產業對生態環境質量影響的重要指標,其表征了游客活動以及滿足游客需求的旅游產業活動對當地生態環境系統造成的壓力[9-10]。迄今為止,學者們主要圍繞與旅游相關碳排放量測度、不同時空尺度下旅游碳排放演變及其驅動機制、不同視角下旅游碳減排潛力評估、績效測算與路徑設計等主題展開研究[5,11-12]。其中多數研究認為,在推進碳減排的同時不損害旅游經濟的持續增長能力,維持旅游增長與碳減排之間的平衡,是低碳旅游發展的恒定原則[5]。因此,關于旅游增長與碳排放之間關系的研究逐漸受到了學界的關注。

當前,關于旅游增長與碳排放之間關系的研究主要集中在以下幾個方面:一是利用環境庫茲涅茨曲線(Environment Kuznets Curve,EKC)來研究旅游增長與碳排放之間的關系[13-14];二是通過計量手段檢驗旅游增長與碳排放的因果關系[15-16];三是通過指數分解方法對碳排放相關影響因素進行量化分析,以此為基礎探究產出規模變化對旅游碳排放的貢獻[17-18];四是構建脫鉤指數測量旅游增長與環境問題的關系[2,19-20]。其中,“脫鉤”分析因其可以用來反映經濟增長與環境壓力之間相鄰年份的實時動態關系,且能定量地計算出經濟增長對碳排放的依賴程度,有效識別經濟增長與環境壓力之間關系演化的具體階段與實時狀況,被廣泛應用于旅游增長與環境問題的研究之中[21]。譬如,Tang等[2]、趙先超和朱翔[19]運用脫鉤模型分別對中國、湖南省旅游業發展與碳排放的脫鉤關系進行探索,其結果表明旅游業脫鉤狀態存在明顯的時間與空間差異;王凱等結合脫鉤模型與協整分析對中國旅游經濟增長與碳排放的耦合關系進行辨識與分析[22];而Chen等則在明晰長江三角洲旅游增長與能源消費以及碳排放之間脫鉤關系的基礎上,利用對數平均迪氏指數法(Logarithmic Mean Divisia Index,LMDI)分解技術深入分析了影響碳排放的關鍵因素[20]。同時,隨著經濟-環境脫鉤研究的深入,部分學者指出,由于經濟增長源泉的多樣性,加之環境的外部性效應,使得脫鉤演化過程中不可避免存在著復雜的內在作用機制[23]。然而,多數旅游-環境脫鉤研究卻止步于回答“脫鉤與否”的問題,缺乏對脫鉤演化背后內在機制的探索,既沒有明晰脫鉤狀態動態變化的原因,亦無法識別驅動因素間的互動效應、沖擊程度和貢獻程度。

鑒于此,本文將LMDI 分解技術與基于向量自回歸模型(vector autoregressive model,VAR)的動態效應分析法引入脫鉤指數模型中,對傳統脫鉤指數分析進行了延伸,構建了較為新型的旅游增長與碳排放脫鉤關系分析框架,嘗試對二者脫鉤關系展開系統深入研究。同時,選取成都市作為案例地,實證檢驗了這一分析框架的適用性與穩健性,以期為制定科學、合理的旅游業脫鉤政策提供借鑒與參考。

1 研究方法與數據來源

1.1 旅游業碳排放計量方法

目前,主要存在兩大類型的旅游碳排放核算方法,即“自上而下”法與“自下而上”法。前者基于投入產出理論從“生產”視角測量碳排放,主要適用于國家這類較大空間尺度碳排放評估,后者則基于生命周期理論從“消費”視角對碳排放進行測度,主要適用于旅游目的地這類較小尺度碳排放評估[9,24]??紤]到旅游數據的可獲取性與可信性,參照前人研究[24-25]的核算思路,本文采用“自下而上”法對成都市旅游業所產生的碳排放量進行測度。

圖片

式(1)中,C 代表成都市旅游業碳排放總量;CT 、CH 、CF、CA 分別代表成都市旅游交通、旅游住宿、旅游餐飲與旅游活動的碳排放量。

1.1.1 旅游交通

圖片

式(2)中,s 表示運輸方式,包括航空、鐵路、公路、水運4種類型,DS 表示第s 類交通運輸方式的客運周轉量;FS 表示第s 類交通運輸方式旅游者占比;βS 表示第s 類交通方式的碳排放系數(g/pkm)。在此,本研究參照Qiu等[26]的研究,假定國內游客選擇航空、鐵路、公路和水運出行,而入境游客則全部選擇航空出行。同時,參考Becken[27]、魏艷旭[28]等學者的相關研究,最終確定航空、鐵路、公路、水運的碳排放系數分別為396 g/pkm、65 g/pkm、132 g/pkm、63 g/pkm。

1.1.2 旅游住宿

圖片

式(3)中,i 表示游客類型(國內游客、入境游客),x 表示住宿類型(星級酒店、其他酒店),Gix 表示i 類型游客在x 類型住宿中的總居住日;δx 表示x 類型每床每夜的能源消耗量;ε 表示單位熱值含碳量。參照G?ssling[11]、汪清蓉[29]等學者的研究,本文將游客選擇住宿的類型劃分為星級酒店、其他酒店兩種類型,并將星級酒店能源消耗系數設定為130 MJ/床?夜,其他酒店能源消耗系數設定為40 MJ/床?夜,單位熱值含碳量設定為43.2 gC/MJ。

1.1.3 旅游餐飲

圖片

式(4)中,k 表示食用食物類型,包括谷物、豬肉、牛羊肉、家禽、蛋類、奶類,N 表示旅游總游覽日,Fk 表示人均每天第k 類型食物的消耗量;μk 表示第k 類型食物碳排放系數。在此,參照譚秋成[30]的相關研究,本研究假定游客的平均每日食物消費量與城市居民的平均每日食物消費量一致,最終確定谷物、豬肉、牛羊肉、家禽、蛋類以及奶類的碳排放系數分別為1740 g/kg、1670 g/kg、25 080 g/kg、550 g/kg、810 g/kg、1530 g/kg。

1.1.4 旅游活動

圖片

式(5)中,i 表示游客類型(國內游客、入境游客),y 表示旅游活動類型(休閑度假、觀光旅游、商務出差、探親訪友、其他);Giy 表示第i 類型游客參與第y 類旅游活動的人數;φy 表示第y 類旅游活動的碳排放系數。根據Becken[27]、石培華和吳普[31],本研究設定休閑度假、觀光旅游、商務出差、探親訪友以及其他旅游活動的碳排放系數分別為1670 g/p、417 g/p、786 g/p、591 g/p、172 g/p。

1.2 脫鉤指數分解模型

“脫鉤”起源于物理學,后被引入環境經濟學范疇,是指打破環境壓力與經濟增長之間的關聯性,資源消費不受經濟水平發展的制約[32]。目前,主流脫鉤指數模型有經濟合作與發展組織(Organisation for Economic Co-operation and Development,OECD)脫鉤指數模型與Tapio脫鉤指數模型,其中,Tapio脫鉤指數模型采用脫鉤彈性構建脫鉤指標,能夠有效地克服OECD 脫鉤指數模型在基期選擇上的困境[2]?;诖?,本文選擇Tapio脫鉤指數模型構建旅游增長與碳排放的脫鉤指數模型,并在此基礎上對其進行延伸,將LMDI分解技術與Tapio脫鉤指數模型融合,構建出脫鉤指數分解模型,探究脫鉤狀態背后的驅動因素。

第一步,參照Tapio[33]的研究,可構建旅游增長與碳排放的脫鉤指數模型如下:

圖片

式(6)中,DC,G 表示旅游業碳排放脫鉤指數,C表示旅游業碳排放量,G 表示旅游業總收入。DC,G狀態分類與評價標準如圖1。

圖片

圖1 脫鉤狀態分類與評價標準
Fig.1 Classification and evaluation criteria for decoupling state

注:WD:week decoupling;END:expansion negative decoupling;SND:strong negative decoupling;SD:strong decoupling;WND:weak negative decoupling

第二步,為了將脫鉤指數進行分解,探究脫鉤狀態背后的驅動因素,本研究擬利用因素分解法對Tapio脫鉤指數展開分解。日本學者Yoichi Kaya于1989年提出Kaya恒等式[34],隨后學者們則將其作為探討人類活動對碳排放影響潛在因素的有效工具之一[17]。根據Kaya恒等式,公式(1)可擴展為:

圖片

式(7)中,C 為旅游碳排放量,Ci 表示旅游業i部門的碳排放量,Ei 表示旅游業i 部門的能耗,Yi表示旅游i 部門的收入,Y 表示旅游業總收入,S 表示旅游人次。

圖片

其中,ei 表示能源結構效應,fi 表示能源強度效應,gi 表示收入結構效應,q 表示消費水平效應,r 表示游客規模效應。據此,可對比較期t 與基期0之間旅游業碳排放量變化展開如下分解:

圖片

式(8)中,ΔCe、ΔCf 、ΔCg 、ΔCq、ΔCr 分別為能源結構效應、能源強度效應、收入結構效應、消費水平效應以及游客規模效應對旅游業碳排放量變化的貢獻。值得注意的是,因素分解方法已經被廣泛應用于分析不同因素對碳排放變化的影響,目前主流的因素分解方法包括結構分解分析(structural decomposition analysis,SDA)和指數分解分析(index decomposition analysis,IDA)。Su 和Ang[35]對這兩種分解方法進行了比較分析,認為SDA 是基于Leontief 分析框架的投入產出模型延伸,對數據要求較為嚴格,而IDA 對數據要求較為寬松,適用于時間序列數據分解分析,因而被廣泛應用于能源消耗和環境保護研究領域。IDA 分解法主要包括Laspeyres指數分解與Divisia指數分解兩種類型,其中LMDI分解法因其成熟的技術,形式靈活,易于計算以及不存在分解殘余等優勢而成為IDA 分解中的首選[36]。鑒于此,本研究采用LMDI 分解法對旅游業碳排放量進行分解,所得分解結果如下:

圖片

在此基礎上,結合Tapio脫鉤指數模型和LMDI分解法,本研究公式(6)中的脫鉤指數做出如下分解:

圖片

De、Df 、Dg 、Dq、Dr 分別表示能源結構效應、能源強度效應、收入結構效應、消費水平效應以及游客規模效應的脫鉤指數。

1.3 基于VAR模型的動態效應分析法

由脫鉤指數分解模型可知,旅游業脫鉤系統是由多個相互影響的子系統構成,當其中一個子系統變動時,不僅自身會受到影響,還會連帶影響其他子系統的運行[37]。因此,本研究選擇將VAR模型中的預測誤差方差分解和脈沖響應函數引入到脫鉤指數分解框架,將上述Tapio 脫鉤指標分解項納入一個統一的分析框架下,探究驅動因素間的動態交互關系,以期對其在未來旅游業脫鉤過程的作用與角色有更清晰與深刻的認識。

VAR 模型作為處理多個相關時間序列變量與預測分析的有效計量模型,常用于研究不同時間序列系統和分析隨機誤差項對時間序列系統的動態沖擊,從而解釋這種動態沖擊對每個時間序列變量的影響[38]。本研究將脫鉤指標分解項放入VAR 系統中對其分解項之間的動態交互關系進行研究,表達式為:

圖片

式(11)中,{yt}=[Det Dft Dgt Dqt Drt]為給定t時刻的平穩隨機過程;A 為常數向量;p 為滯后期階數;εt 為良好的白噪聲時間序列。

其中,預測誤差方差分解(forecast error variance decomposition,FEVD)可以測量VAR系統中每種沖擊對不同時間范圍內預測誤差方差的貢獻,并估計源于其他變量的同時沖擊的貢獻。其中,第h 步的預測誤差為:

圖片

因此,預測誤差方差可表示為:

圖片

式(13)中,pj pj′+ψ1pj pjψ1′+…+ψp-1pj pjψp-1′為第i 個變量對第h 期對預測誤差的貢獻率。

脈沖響應函數(Impulse Response Functions,IRFs)能夠確定脫鉤狀態背后各驅動因素如何因其自身和其他因素的沖擊而產生響應,同時還可粗略分析在長期關系受到沖擊的情況下,相關變量恢復平衡所需的時間。其表達如下式:

圖片

式(14)中,Φ0=Im ,對j>p ,Aj=0 。 φik,n 是Φn 的第ik 個元素,表示變量yi 對變量的一個初始波動n 期前的反應。

1.4 數據來源

基于數據的可獲取性與可信性,本文選取1991―2018 年作為研究區間。旅游業碳排放量估算時所涉及的相關數據來源如下:成都市旅客交通運輸量、旅游交通周轉量等旅游交通數據來源于《四川省統計年鑒》(1992―2019)與《成都市統計年鑒》(1992―2019);國內(入境)游客平均逗留時間、國內(入境)游客選擇不同住宿類型比例、一日游與過夜游客比例、不同旅游活動游客比例等相關數據主要根據《四川省旅游統計便覽》《成都市國內旅游抽樣調查報告》《成都市入境旅游抽樣調查報告》推算得到。旅游業增長與碳排放之間脫鉤狀態及其分解計算所需數據如下:成都市旅游業消費結構比例則主要依據《四川省旅游統計便覽》估算得到;成都市國內(入境)游客人次、國內(入境)旅游收入等數據來源于《四川省統計年鑒》(1992―2019)與《成都市統計年鑒》(1992―2019)。為保證研究的真實性與連續性,部分年份缺失數據采用鄰近年份數值進行線性插補。

2 實證結果分析

2.1 成都旅游業碳排放量測度

由圖2 可知,研究時期內,成都旅游業碳排放增長態勢具有明顯的階段性:1991―2008年的緩慢增長階段和2009―2018年的快速增長階段。其中,1991―2008 年,年均增幅為13.75%,而在2009―2018年,年均增速達25.80%,最終達到1374.34萬t。旅游碳排放的增長軌跡基本符合我國旅游業發展的歷史趨勢。近年來,隨著居民生活水平的提高、交通基礎設施的改善以及假日制度的完善,國民出游需求被極大地激發,旅游業得到了長足的發展,從而引致了旅游系統中碳排放量持續增長。此外,旅游碳排放存在著顯著的部門差異性,其中,交通部門是旅游業碳排放中的主要貢獻者,占排放總量的88.77%;相比之下,住宿、餐飲和旅游活動在排放總量中的占比相對較小,分別占5.80%、3.30%和2.13%。這一結果與現有研究的結論基本保持一致[29,31],既充分說明了本文旅游碳排放估算環節的科學性與合理性,同時也再次印證了在旅游產業系統碳減排工作中,各部門需要有所側重,相互配合。

圖片

圖2 1991—2018年成都市旅游業碳排放總量
Fig.2 Total tourism-related carbon emissions in Chengdu,1991—2018

2.2 碳排放與旅游增長脫鉤關系測度

基于Tapio 脫鉤指數模型,本文對成都市旅游增長與碳排放之間的脫鉤狀態進行了測度,表1 展示了研究時期內分部門與總體脫鉤狀態。就旅游業分部門脫鉤狀態而言,分部門的脫鉤狀態均以弱脫鉤與擴張性負脫鉤為主,交通、住宿、餐飲以及旅游活動平均脫鉤指數值分別為0.655、0.504、0.589和0.398。而從脫鉤指數變化趨勢來看,4部門的脫鉤指數在研究時期內并未保持穩定,其中,交通部門脫鉤指數的波動幅度相比于其他部門更為劇烈,且演化趨勢與總體脫鉤指數基本保持一致。

表1 旅游增長與碳排放脫鉤狀態(1991—2018)
Tab.1 Decoupling relationship between tourism growth and carbon emissions,1991—2018

圖片

注:WD(week decoupling)表示弱脫鉤狀態;END(expansion negative decoupling)表示擴張性負脫鉤狀態;SND(strong negative decoupling)表示強負脫鉤狀態;SD(strong decoupling)表示強脫鉤狀態;WND(weak negative decoupling)表示弱負脫鉤狀態

總體脫鉤狀態亦以弱脫鉤與擴張性負脫鉤為主,平均脫鉤指數值為0.806,實現了總體上的弱脫鉤,即旅游增長速度略高于碳排放增長速度。同時,脫鉤狀態演化呈現出明顯的階段性特征:(1)1991―2003 年,成都市旅游接待業處于起步階段,旅游業總量較小,旅游碳排放亦處于緩慢增長階段,旅游增長與碳排放脫鉤狀態以弱脫鉤狀態為主。(2)2004―2012年,中國加入世界貿易組織,國內經濟得以快速發展以及國際交流日益頻繁,中國旅游業呈現快速增長態勢。然而,這一時期旅游業節能減排工作未能得到有效的重視,旅游業發展模式較為粗放,致使旅游收入高速增長的同時,碳排放量也迅速攀升,脫鉤狀態以擴張性負脫鉤為主。(3)2013―2018年,中國經濟發展總體進入新時期,追求低碳經濟和綠色發展成為社會發展的主要目標。隨著旅游業節能減排措施的制定以及游客節能環保意識的提升,脫鉤狀態由擴張性負脫鉤轉變為弱脫鉤,脫鉤指數呈現出一定的下降趨勢。

2.3 碳排放與旅游增長脫鉤指數演變的驅動因素探究

Tapio 脫鉤指數雖能刻畫出旅游增長與碳排放脫鉤指數的變化趨勢,卻無法揭示變化背后的驅動因素。因此,本文通過將Tapio 脫鉤指數模型與LMDI 分解技術結合對總體脫鉤指數進行分解,探討各驅動因素在不同階段對脫鉤狀態的作用方向與影響程度,圖3展示了脫鉤指數的分解結果。

圖片

圖3 旅游業碳排放脫鉤指數分解(1991—2018)
Fig.3 Decomposition of the decoupling tourism growth from carbon emissions,1991—2018

2.3.1 波動變化的弱脫鉤時期:1991—2003年

這一時期由于缺乏技術創新與制度約束,旅游業碳解鎖難以推進,粗放發展的旅游消費方式成為抑制旅游業強脫鉤狀態實現的主要因素。同時,游客規模效應與能源強度效應對脫鉤的影響相當,但作用方向相反。其中,能源強度的降低能夠很好地促進脫鉤的實現,而游客規模的增長則表現為脫鉤的抑制因素。此外,能源結構效應與收入結構效應對于脫鉤的作用相對較小。

2.3.2 擴張性負脫鉤時期:2004—2012年

游客規模效應脫鉤指數值的上升是這一時期擴張性負脫鉤狀態出現的主要原因,這說明旅游規模的增長既是旅游經濟增長的動力,也是旅游業碳排放攀升的主要原因。具體而言,在這一時期,隨著交通基礎設施條件的改善,多數旅游景區盲目鼓勵游客到訪,雖然實現了旅游收入的快速增長,但也導致旅游接待規模超過其環境承載容量,致使旅游業碳排放呈現攀升態勢[39]。同時,游客對于旅游消費與生態保護間的沖突認識不夠深入,旅游環保意識不足,導致消費水平效應成為這一時期抑制脫鉤的重要因素[18]。值得注意的是,雖然能源結構效應、能源強度效應與收入結構效應作用效果不大,但在此時期均為抑制脫鉤的影響因素。

2.3.3 趨于平穩的弱脫鉤時期:2013—2018年

能源強度效應分脫鉤指數值在這一時期呈現出明顯的下降趨勢,成為促進脫鉤的主要動力。其可能的原因在于近年來旅游產業結構的優化以及技術的升級換代,致使能源強度降低,從而有效地促進了脫鉤狀態由擴張性負脫鉤向弱脫鉤的轉變[2]。同時,日益便捷的交通與居民收入水平的不斷提升,極大地刺激了游客的出游與消費意愿,消費水平效應對于脫鉤的抑制作用則在這一時期得到強化,旅游消費支出的過度增長成為阻礙脫鉤實現的主要因素[20]??傮w而言,這一時期擴張性負脫鉤-弱脫鉤的變化趨勢雖在一定程度上表明旅游增長與環境保護協同效應在不斷強化,但這與實現行業強脫鉤的目標仍存在較大差距。

2.3.4 整體研究時期:1991—2018年

總體而言,消費水平效應在研究時期內平均脫鉤系數值為0.56,是阻礙旅游業脫鉤的主要影響因素。這說明近年來人均旅游消費的持續增長是旅游碳排放量持續攀升的主要原因,也從側面印證了旅游活動具有不同于日?;顒拥摹案咛肌睂傩?/span>[40]。此外,與相關研究的結果保持一致[17-18],游客規模效應是脫鉤過程中另一主要負面影響因素,年均脫鉤指數值達到0.47。同時,值得注意的是,能源強度效應是唯一對脫鉤實現具有正面效應的因素,說明降低能源強度是近年來旅游碳減排政策的主要抓手,而能源強度效應波動起伏的變化態勢,也反映了其在未來仍具有較大的減排潛力與空間。此外,能源結構效應和收入結構效應的脫鉤指數值在研究期間始終都在0 值附近徘徊,表明它們在脫鉤中的作用相對較小,但仍不可忽視其在脫鉤過程中的潛力。優化旅游能源使用結構與促進旅游產業轉型升級、提質增效,努力消除二者對旅游業脫鉤的抑制效應,亦是實現旅游業可持續發展的關鍵突破口。

2.4 驅動因素的動態效應分析

制定有效的政策或措施以促進旅游增長與碳排放脫鉤,既要求厘清脫鉤狀態變化的驅動因素,亦需要明確驅動因素之間的交互影響機制。因此,本文將VAR 模型中的預測誤差方差分解和脈沖響應函數引入脫鉤指數分解框架,探究驅動因素間的互動效應、沖擊程度和貢獻程度。

2.4.1 數據平穩性檢驗

為避免“偽回歸”的出現,在利用VAR模型進行回歸之前,需要對時間序列的平穩性進行檢驗,本文使用增廣的迪基-富勒(Augmented Dickey Fuller,ADF)單位根檢驗方法進行檢驗。其結果表明,每個變量具有單位根的原假設在1%顯著水平下被拒絕,說明時間序列數據的統計特性在研究時期內均保持穩定。

2.4.2 VAR模型穩定性檢驗

本文根據相關準則(LR、FPE、AIC、SC、HQ)確定VAR 模型最優滯后期,結果顯示最優滯后期為3。此外,格蘭杰因果檢驗結果表明,De、Df、DqDr 為系統內生變量,而Dg 則為系統外生變量。最后,利用AR 根圖示法對滯后3 期的VAR 模型穩定性進行檢驗,結果顯示該模型的全部特征根均在單位圓內,表明VAR 模型是穩定可靠的,可用于后續脈沖響應函數與預測誤差方差分解分析。

2.4.3 動態效應結果及分析

圖4刻畫了脈沖響應函數的結果,其中,橫軸表示脈沖沖擊后的年份,縱軸則表示響應的大小與方向。而表2 顯示了10 年期間預測誤差方差分解的結果。

圖片

圖4 脈沖響應函數結果
Fig.4 The results of impulse response functions


表2 預測誤差方差分解
Tab.2 The result of forecast error variance decomposition

圖片

由圖4可知,與其他變量相比,能源結構效應對消費水平效應和游客規模效應沖擊的反應更為顯著,反應方向較為相似,首先為正向,第三期變為負向,最后在長期趨于平穩。這說明,從需求端倡導游客采取低碳消費方式在短期內就能促進能源結構效應向脫鉤方向轉化。同時,能源強度效應對大多數變量的沖擊均有顯著反應,其中,對消費水平效應沖擊的反應方向表現為負向與正向交替變動,并在第八期之后趨于平穩,而對能源結構效應沖擊的反應則較為平緩,但依然具有較長的滯后期。這說明,當下調整旅游能源利用結構與轉變旅游消費方式的措施,將會在較長時期內促進旅游能源強度的下降,進而有助于實現總體脫鉤的目標。然而,囿于我國以煤炭為主的基本能源供應結構,旅游行業能源結構的優化亦受到一定程度的剛性約束[41]。因此,如何通過優化旅游產業結構,從需求端激發旅游能源結構調整的減排潛力仍是今后研究關注的重點問題。最后,消費水平效應與游客規模效應對能源結構效應沖擊的反應均相當顯著。其中,消費水平效應對能源結構效應沖擊的反應方向在第一期為負向,到第五期轉為負向,在長期趨于穩定。而游客規模效應對能源結構效應沖擊的反應方向則是在第一期為正向,隨即轉為負向,并在第七期后趨于平穩。

從預測方差分解的結果可觀測到,相對與其他變量而言,消費水平效應(15.01%)與收入結構效應(15.76%)的沖擊能很好地解釋能源結構效應在長期的變動,這凸顯了游客低碳環保意識的培養將會對旅游能源使用結構的優化產生顯著影響,進而佐證了上述脈沖效應分析的結果。能源結構效應與消費水平效應是解釋能源強度效應變動的主要因素,分別為50.31%和25.25%,表明采取旅游能源多樣化策略與先進節能技術將有效地促進旅游能源強度的降低。消費水平效應與游客規模效應的變動均受到多個因素的影響。其中,對于消費水平效應的變動,能源結構效應、游客規模效應和能源強度效應分別貢獻41.56%、14.35%和6.47%;而游客規模效應的變化則可以被消費水平效應(41.19%)、能源結構效應(38.02%)以及能源強度效應(7.55%)解釋。綜上可見,各驅動因素之間聯系緊密,相互影響。因此,旅游業脫鉤政策的制定應更加重視保持各驅動因素之間穩定的均衡關系與動態作用機制,以實現最大效用的協同脫鉤。

3 結論與討論

在推進低碳旅游發展的同時不損害旅游經濟持續增長能力的低碳旅游恒定發展原則約束下,對旅游增長與碳排放的動態脫鉤關系進行全面排查則顯得尤為迫切與必要[5]。鑒于此,本文以成都市為例,將LMDI分解技術與基于VAR模型的動態效應分析法引入傳統脫鉤指數模型中,構建了新型的旅游增長與碳排放脫鉤指數模型,對二者的動態關系展開系統深入研究,進而為確立旅游業脫鉤的關鍵路徑與核心標靶,促進旅游業實現強脫鉤目標提供詳實的實證支撐。相應研究結果如下。

第一,研究時期內,成都市旅游業碳排放量從9.24萬t增長到1374.32萬t,且仍保持著較高的增長態勢,這說明實現旅游可持續發展任重而道遠。此外,旅游業碳排放存在著顯著的部門差異性,其中,交通、住宿、餐飲和旅游活動對旅游業碳排放增長的平均貢獻分別達到88.77%、5.80%、3.30%與2.13%。這與相關研究結論基本保持一致[31]。

第二,就旅游增長與碳排放脫鉤狀態而言,研究期間成都市旅游業分部門與總體脫鉤狀態以擴張負脫鉤和弱脫鉤為主,均實現了整體上的弱脫鉤。同時,總體脫鉤狀態在研究時期呈現出弱脫鉤-擴張性負脫鉤-弱脫鉤的演化趨勢。但是,值得注意的是,整體的弱脫鉤狀態僅能說明旅游增長對環境污染的依賴程度有所下降[42],且0.806的平均脫鉤指數值較為接近弱脫鉤與擴張性負脫鉤的臨界值,旅游業距離實現強脫鉤目標仍存在較大差距。這表明旅游業脫鉤過程必然是曲折和艱難的,政府有關部門必須從宏觀視角出發,整體把握旅游增長與碳排放脫鉤階段,制定總體、長期的旅游業可持續發展規劃,以實現旅游經濟與環境保護的協同發展。

第三,從旅游增長與碳排放脫鉤指數分解結果來看,能源強度效應對實現脫鉤具有正向的促進作用。因此,有關部門應當大力倡導旅游企業引進低碳生產技術,將低碳理念融入旅游產品生命周期的各個環節(產品研發設計、產品制造與維護、產品銷售與消費),同時,提高旅游產品中相關原材料采購的環保準入標準,構建完善的綠色產業供應鏈。此外,引導游客踐行低碳、環保的消費理念,從行為控制層面減少游客對目的地環境的影響,亦是當下降低旅游行業能源強度,促使旅游業實現脫鉤的一種有效手段。同時,游客規模效應和消費水平效應是實現脫鉤的主要抑制因素,但考慮到旅游業在國民經濟中戰略性支柱產業的地位,在當前經濟發展背景下,通過大規模抑制旅游規模增長和消費水平提升顯然不是實現脫鉤的明智之舉[18]。但是,在旅游可持續發展的背景下,仍需通過開發替代產品、優化出游路徑,實現從旅游需求側一端抑制旅游活動中“高碳”產品(如航空、奢華配套設施等)支出規模的過度增長,從而減緩消費水平的提升對于脫鉤實現的抑制作用。此外,采取財政手段將碳稅政策引入旅游領域亦被證明是實現低碳旅游的可取之道[43]。同時,也可采用碳標簽、低碳產品供應商證書等市場化政策消除旅游業碳排放交易市場信息不對稱弊端,從而達到促進低碳消費的目的。此外,能源結構效應和收入結構效應雖對脫鉤的影響不大且方向多變,但依然不能忽視其在旅游業脫鉤過程中的作用。大力開發符合市場發展需求且具有低碳生態特質的旅游業態,規劃建設旅游產業園以促進旅游產業集群發展和行業運營提質增效,加快推進旅游產業清潔能源行動計劃,強化旅游領域清潔能源對于傳統化石能源的替代效應,亦是實現旅游業脫鉤的關鍵突破口。

第四,驅動因素的動態交互效應結果顯示,能源結構效應對消費水平效應和游客規模效應沖擊的反應十分顯著,同時,能源結構效應與消費水平效應是解釋能源強度效應變動的主要因素,各驅動因素之間在短期與長期內聯系緊密、相互影響,存在著復雜的交互影響機制。因此,考慮到旅游業與其他國民經濟部門錯綜復雜的關聯關系,為避免不同驅動因素相互關聯而削弱整體脫鉤政策的有效性,有必要建立一個跨部門政策協同機制和設定中長期旅游業脫鉤總體目標,確保能夠在聚焦于如何實現降低旅游能源強度、優化旅游產業結構以及改善旅游消費方式等方向的同時,能夠保持各驅動因素之間穩定均衡關系與動態作用機制,以實現最大效用的協同脫鉤。

綜合而言,在旅游增長與碳排放脫鉤關系研究領域中,不同于現有研究僅停留在回答“脫鉤與否”的問題[2,20],本文通過將LMDI分解技術與基于VAR模型的動態效應分析法引入脫鉤指數模型中,構建了新型的脫鉤分析框架,對旅游增長與碳排放脫鉤關系展開了系統研究,豐富了旅游業可持續發展研究文獻。然而,本文亦不可避免地存在一些局限。例如,囿于數據可獲取性,本文僅選取了單一地區作為研究靶向,研究結論豐富程度有所欠缺,后續研究將在數據可獲取的前提下選取更多的旅游城市進行比較分析,進一步實證檢驗這一新型脫鉤分析框架的穩健性與適用性。


圖片


【中國旅游網版權聲明】原創內容版權歸本站所有,如轉載,請務必注明來源"中國旅游網"并附帶本文鏈接,需確保文章的完整性,不得更改原意;摘錄或轉載的第三方內容,不代表"中國旅游網"的觀點和立場,版權屬原媒體及作者,如有版權異議請聯系我們。

相關推薦
據國家文物局消息,近日,國家文物局根據《國家文物保護專項資金管理辦法》《中央對地方博物館紀念館免費開放補助資金管理辦法》規定,對全國各省、自治區、直轄市、計劃單列市和新疆生產建設兵團上報的申請項目進行嚴格審核提出安排建議,進一步加強文物保護工作,改善文物保護條件,支持博物館紀念館免費開放,鼓勵改善陳列布展、提升展覽展示水平?! 〈送?,近日財政部下達2022年度國家文物保護資金63.83億元、...
過去五年,四川持續推進文旅深度融合,通過頂層設計、構建機制,推動文旅產業新一輪轉型升級,全省上下形成了重視發展文旅的熱潮。全省上下聚焦巴蜀文化特色底蘊和文旅資源核心價值,文藝精品力作不斷涌現,公共文化服務效能不斷提升,文化遺產得到有效保護,文旅產業持續健康發展,四川文化形象深入人心,旅游大省地位進一步夯實,繪出一幅山水秀麗、人文涵育的美麗四川畫卷,滿足人民日益增長的美好生活需要。文旅資源總量...
國家統計局數據顯示,4月我國社會消費品零售總額同比下降11.1%。對此,商務部新聞發言人束玨婷19日表示,總體看,疫情沖擊影響是階段性的、暫時的,我國消費韌性強、潛力足的特點沒有改變,消費發展長期向好的基本面沒有改變。束玨婷在當天商務部舉行的網上例行發布會上說,隨著疫情影響逐步得到控制,各項擴內需促消費政策措施落地見效,消費有望延續恢復發展態勢。束玨婷還提到,作為促消費系列活動之一,由商務部...
5月20日訊 美國旅游協會最新數據顯示,大約90%的美國民眾計劃在未來六個月內出行,35%的人預計今年夏天的旅行次數將比去年多。據美國僑報報道,許多美國民眾都在計劃旅行,而飛漲的費用似乎并沒有讓他們望而卻步。統計數據顯示,美國勞工部的最新數據顯示,4月份的機票價格比3月份上漲了19%,是有記錄以來的最大環比漲幅。與此同時,酒店和度假租賃價格也在上漲。航空公司預測,今年夏天美國機場將首次達到一...
撐起天幕、支起帳篷、打開折疊桌椅……近年來,露營正從一項小眾戶外運動,發展成風靡大江南北的休閑活動,成為游客“家門口的詩與遠方”。露營“風潮”起“3、2、1,茄子?!痹谡憬幉ㄊ薪眳^慈城古縣城的“撒野露營”營地,90后楊金秋和兩位朋友正對著手機鏡頭開心自拍。在社交平臺上刷到這個位于古縣城里的特色露營地后,3個從未體驗過露營的小伙伴一拍即合、說走就走,驅車1個小時從鄰區趕來?!奥稜I最近太火...
聚焦/熱點
聚焦
熱點
關鍵詞
關鍵詞
紅色旅游
鄉村旅游
夜間旅游
康養旅行
戶外旅行
研學旅行
城市
酒店
航空
攻略
景區
樂園
標簽模塊(3)(1)(1)(1)(2)(1)(1)
視線
論道
視點(2)(1)(1)(1)
旅行
環球
視點(2)(1)(1)
動態
動態

服務熱線:400-181-5261     E-mail:info@cntour.cn     中國旅游網手機版     微信公眾號     微信在線客服

   全國旅游投訴舉報熱線:12345   全國文化市場舉報熱線:12318   網絡不良與垃圾信息舉報受理中心:12321   中國互聯網違法和不良信息舉報中心:12377

京ICP備2021027040號-2    經營許可證110105017960088    京公網安備11010502025983  

Copyright ? 2010-2022 cntour.cn All Rights Reserved