新能源汽车能否削减碳排放？——来自中国201个城市的经验证据

《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》：Can new energy vehicles cut carbon emissions? Evidence from 201 Chinese cities

　　

摘要：新能源汽车（New Energy Vehicles, NEVs）被广泛推广以实现交通部门脱碳，然而关于其减排效果的实证证据仍有限，且易受联立性与遗漏变量等内生性问题干扰。研究人员以2010—2019年中国201个城市为样本，检验了NEV销量对城市层面碳排放的因果影响。具体而言，研究人员采用基于Bartik工具变量（Instrumental Variable, IV）的两阶段最小二乘法（Two-Stage Least Squares, 2SLS）模型并结合空间自回归（Spatial Autoregressive, SAR）设定，以解决内生性及空间自相关问题。以珠三角（Pearl River Delta, PRD）为例的案例分析进一步探究了调节NEV—排放关系的亚国家尺度驱动因素。研究结果表明，平均而言NEV销量每提高1%，城市碳排放降低0.081%；随着时间推移及在具备NEV支持政策或地铁系统的城市中，减排效应更强。相反，在寒冷气候、发电量与制造业活动规模较大或拥有高铁（High-Speed Rail, HSR）基础设施的城市中，减排效益被削弱。上述发现支持持续推进NEV推广，并为制定因地制宜的脱碳策略提供依据。

论文解读：《Can new energy vehicles cut carbon emissions? Evidence from 201 Chinese cities》发表于《Transportation Research Part D: Transport and Environment》

一、研究背景与意义

交通部门是全球碳排放的重要来源，新能源汽车（New Energy Vehicles, NEVs，含纯电动与插电式混合动力）被视为替代内燃机车辆（Internal Combustion Engine Vehicles, ICEVs）并实现交通部门脱碳的关键路径。现有研究分为两类：一类是基于生命周期评价（Life Cycle Assessment, LCA）与系统动力学（System Dynamics, SD）的机制模拟法，但其假设性强、难以反映真实行为响应及空间差异；另一类是简约式（Reduced-form）实证研究，多使用普通最小二乘法（Ordinary Least Squares, OLS）或固定效应（Fixed Effects, FE）模型，易受 simultaneity（联立性）与遗漏变量偏误影响，可能低估或高估NEV的真实减排效果，且较少考虑城市间空间自相关（spatial autocorrelation）。此外，NEV减排效应在不同城市特征下的时空异质性尚缺乏系统性量化。为此，研究人员以中国201个城市2010—2019年面板数据为基础，构建Bartik IV-2SLS-SAR（Bartik工具变量—两阶段最小二乘法—空间自回归模型）识别NEV销量对碳排放的因果效应，并以珠三角（Pearl River Delta, PRD）为案例探讨异质性驱动机制，填补因果识别与空间异质性研究的空白。

二、主要关键技术方法

研究人员构建2010—2019年中国201个地级市面板数据集：碳排放数据源自中国碳排放核算数据库（China Emission Accounts and Datasets, CEADs），基于化石燃耗自下而上估算；NEV与ICEV销量源自交强险记录；人口、二产占比（Secondary GDP share, SGDP）、工资水平（WAGE）来自《中国城市统计年鉴》，气温与降水取自NCEI历史气象数据，高铁（High-Speed Rail, HSR）与地铁运营信息手工收集。为处理NEV销量内生性，以2009年为基期构造Bartik工具变量（Bartik IV = 城市基期NEV份额 × 全国除本市外NEV份额增长率）进行两阶段最小二乘法（2SLS）估计；同时引入逆距离平方加权行标准化空间权重矩阵，建立空间自回归（SAR）与空间杜宾模型（Spatial Durbin Model, SDM）以捕捉碳排放空间溢出；通过弱工具变量F检验、Durbin-Wu-Hausman内生性检验、置换检验（Placebo Test，以2000—2008年排放为伪结果）、Conley plausibly exogenous敏感性分析及Leave-ten/twenty-out自助法验证稳健性；异质性分析通过在2SLS-SAR中加入NEV与时段虚拟（POST14）、年均温（TEMP）、HSR、火电装机（Thermal Power Capacity, TPC）、二产占比（SGDP）的交互项实现；PRD九市单独估计城市级NEV—碳排放弹性并对照地方政策与产业结构。

三、研究结果

4.1. Average NEV impacts on carbon emissions（新能源汽车销量对碳排放的平均影响）

FE模型显示NEV销量系数显著为负（?0.100 ~ ?0.122，p < 0.05），即每增加1000辆NEV销量城市碳排放平均减少约0.10~0.12 Mt CO₂。2SLS模型第一阶Bartik IV系数显著正（F > 10，拒绝弱工具变量），二阶NEV系数在?0.981 ~ ?1.715（p < 0.01），绝对值大于FE估计，Durbin-Wu-Hausman检验拒绝FE一致性（p < 0.01），表明传统FE低估减排效应；换算为弹性，NEV销量每增1%城市总碳排放降约0.040%~0.071%。引入空间项的2SLS-SAR模型中NEV系数为?1.952（p < 0.01），对应10% NEV销量增长使本地碳排放降约0.81%；空间滞后项ΩCE显著正（0.465，p < 0.05），说明邻城碳排放具正向溢出，忽略空间依赖会低估NEV减排效应13.8%~39.9%。研究选用2SLS-SAR为主模型，核心结论为：NEV销量每提升1%可使城市碳排放显著降低0.081%。

4.2. Robustness tests（稳健性检验）

Leave-ten-out与Leave-twenty-out各200次迭代Bootstrap显示NEV系数集中分布于[?2.0, ?1.5]，与中心估计?1.952吻合。Placebo检验以2000—2008年碳排放为因变量，2SLS中NEV系数不显著而FE仍显著，支持Bartik IV排除限制合理性。Conley允许IV存在至多20%直接效应时NEV系数仍负显著（?1.562，SE = 0.658），主结论对排除限制适度违背具稳健性。

4.3. Heterogeneity effects（异质性效应）

交互项POST14 × NEV系数为?0.041（p < 0.05），证实2015年后NEV减排效应增强。TEMP × NEV系数为?0.017（p < 0.05），气温每升1℃强化NEV减排潜力约1.2%。HSR × NEV系数为+0.103（p < 0.05），高铁削弱NEV减排效益。TPC × NEV系数为+0.116（p < 0.01），火电装机大的城市NEV减排被上游发电排放部分抵消；SGDP × NEV系数为+0.007（p < 0.01），二产占比高的制造型城市NEV净减排亦被削弱。

4.4. Case study of PRD（珠三角案例研究）

PRD九市NEV—排放弹性差异明显：深圳?1.37、广州?0.36、中山?0.35、东莞?0.34、佛山?0.16，其余接近零。强减排城市多具地铁系统（广州、深圳、佛山、东莞），地铁与网约车接驳放大NEV使用；广州与深圳实施牌照摇号（License Plate Lottery, LPL）及高于国标的地方购置补贴（SUB），加速ICEV向NEV替代；深圳、广州、中山煤电装机（COAL）与二产占比相对低，上游间接排放少。表明NEV政策组合、公交基础设施、能源与产业结构共同塑造城市尺度减排弹性。

四、讨论与结论翻译

讨论要点： NEV推广具切实减排路径，传统FE可能低估效应。2015年后充电设施与网约车扩张增强边际收益，应优先投资。低温区需配套电池预热与热泵技术维持性能。火电比例高及二产重的城市上游排放抵消部分路面减排，交通电气化须协同电力与工业部门脱碳及跨区域碳核算。地铁补NEV"最后一公里"而全国HSR扩张或因诱导出行弱化NEV效益，需搭配出行需求管理。限牌与NEV补贴可强化ICEV—NEV替代，最大化减排。

结论（翻译）： 本研究以2010—2019年中国201城市为样本，采用解决内生性与空间自相关的计量框架实证检验NEV销量对碳排放的影响，并以珠三角为案例验证。结果一致表明NEV推广显著降低城市碳排放。FE模型显示每新增1000辆NEV销量平均减碳0.10~0.12 Mt CO₂，而控制内生性后的2SLS估计为0.98~1.72 Mt CO₂，首选2SLS-SAR模型表明NEV销量每增10%对应本地碳排放降约0.81%，常规FE趋于低估NEV减排潜力。异质性与案例显示减排效应随时间和情境变化：2015年后增强；温暖气候放大效益，寒冷削弱；火电装机与二产占比高之城净减排较小；HSR弱化、地铁强化NEV减排；ICEV限牌与NEV补贴显著提升效应。本研究通过Bartik IV设计确立NEV销量—碳排放因果联系并识别关键调节因子，为NEV推广的减排协同效益提供循证依据，支撑差别化推广策略及交通电气化融入城市能源环境管理框架。