0 引言

党的二十大报告明确提出，推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节，要加快推动产业结构、能源结构、交通运输结构等调整优化。2020年，中共中央、国务院印发的《关于新时代推进西部大开发形成新格局的指导意见》提出，提高基础设施通达度、通畅性和均等化水平，推动绿色集约发展。完善国家物流枢纽布局，提高物流运行效率。西部地区生态环境较中东部地区更为脆弱，公路运输业绿色转型发展对西部地区经济社会发展至关重要。促进公路运输业绿色发展，要求以最少的运输生产要素投入，获得最大的经济社会效益产出，同时要将运输业对生态环境的负面作用降到最低水平。“创新、协调、绿色、开放和共享”新发展理念的提出，为西部地区公路运输业高质量发展提供了根本遵循。为此，探讨西部地区公路运输业绿色效率及影响因素，对促进西部地区运输业高质量发展乃至西部大开发新格局的形成具有重要现实意义。

目前，关于西部地区公路运输业绿色效率的研究并不多见，相关的研究一方面出现在对全国范围的探讨之中，如：张丽^[1]运用Super-SBM-Undesirable和Malmquist-Luenberger模型分析了我国公路货运绿色效率“最优解”问题，发现西部地区公路货运绿色效率低于其他区域，全要素生产率得益于“一带一路”倡议有所提升。杨良杰^[2]通过引入非期望产出SBM模型，发现1997—2010年中国公路运输绿色效率偏低且呈下降趋势，西部地区运输绿色效率变化趋势与全国保持一致。另一方面出现在对综合运输业绿色效率的探讨之中，如：马奇飞^[3]采用SBM模型和Dagum基尼系数分析法，分析我国综合交通运输绿色效率，发现西部地区内部区域差异较东部和中部更大。杨若愚^[4]运用DEA-Malmquist方法分析了考虑环境效率的交通运输全要素生产率，发现西部地区全要素生产率小于1，且小于其他区域。

已有研究尚存在以下不足，一是对公路运输业绿色效率的研究较少，缺乏对西部地区的专题研究；二是主要从静态角度或动态角度单一视角测度公路运输业绿色效率，而静态效率较难比较单个地区的时序变化差异；三是针对西部地区公路运输业绿色效率的影响因素探讨不够深入，尤其是新发展理念下的影响机制亟待研究。因此，本研究首先采用Super-SBM模型和Malmquist-Luenberger指数模型方法，从静态和动态2个角度测度西部地区公路运输业绿色效率。其次，基于新发展理念，构建西部地区公路运输业绿色效率的影响因素分析框架，并探讨各因素的影响路径。

1 概念界定

尽管学术界对交通运输业绿色效率的概念界定尚未形成统一标准，但大多数学者在研究中考虑了能源资源的投入要素和碳排放等非期望产出，在交通运输业向绿色化、低碳化和节能化转型的趋势方面已基本形成共识。大多数学者认为公路运输业效率是运输业相关生产投入要素与带来产出的比率。通过文献梳理发现，在早期的研究中，主要考虑行业产值、运输量或周转量等经济指标，即只考虑公路运输业的经济效益，未把公路运输带来的碳排放、环境污染等环境指标纳入分析范围，未考虑公路运输业的环境效益。随着研究的深入，有学者认识到绿色发展的本质是降低资源消耗，减少环境污染，实现经济、社会与生态环境全面协调可持续发展^[5]。习近平生态文明思想指出，“绿色发展是生态文明建设的必然要求，代表了当今科技和产业变革方向，是最有前途的发展领域”。“推动形成绿色发展方式和生活方式，是发展观的一场深刻革命”。这就要坚持和贯彻新发展理念，正确处理经济发展和生态环境保护的关系。生态环境保护和经济发展是辩证统一、相辅相成的，建设生态文明、推动绿色低碳循环发展，不仅可以满足人民日益增长的优美生态环境需要，而且可以推动实现更高质量、更有效率、更加公平、更可持续、更为安全的发展，走出一条生产发展、生活富裕、生态良好的文明发展道路。习近平在2018年全国生态环境保护大会上强调，要调整运输结构，减少公路运输量，增加铁路运输量。要抓紧治理柴油货车污染，推动货运经营整合升级、提质增效，加快规模化发展、连锁化经营^[6]。这为新时代新征程公路运输业绿色效率提升和高质量发展提出了行动指南。

综上所述，公路运输业绿色效率的概念，是指公路运输业生产要素投入和带来的经济和生态环境产出的比率。其内涵包含以下3个方面：一是产出不变，生产要素投入水平变化。公路运输业既要投入劳动力、资本等要素，还要投入能源资源要素。既能消耗传统化石能源，也可以由电能、氢能等新能源驱动。当产出水平不变时，减少生产要素的投入，在一定程度上能够提高绿色效率水平。同时，通过持续优化生产要素的投入结构，减少石油等对生态环境破坏较大的能源资源投入比重，增加新能源的投入比重，是提高公路运输业绿色效率的必由之路。二是投入不变，经济和生态环境产出水平变化。当投入水平不变时，增加产出水平，并不一定能提高公路运输业绿色效率。由于公路运输业产出既包含产值、运输量等期望产出，也包括碳排放等非期望产出。当消耗更多的石油资源时，期望产出和非期望产出均可能增加，对生态环境的污染会不降反升。只有实现新能源对石油资源的替代，才能实现二者的“此消彼长”。三是投入产出同时变化。当投入总水平降低，生产要素投入结构中的新能源投入比例不断增加，传统化石能源投入比例持续减少时；且当产出总水平提高，产出结构中的期望产业比例不断增加，非期望产业比例持续减少时，公路运输业绿色效率才会实现持续提升。总之，在公路运输业绿色发展过程中，既要大力节能，又要持续减排，还要实现增效，三者相辅相成、辩证统一，构成了公路运输业绿色效率的本质内涵。

2 研究方法、指标选取与数据来源 2.1 研究区概况

西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、西藏12个地区(含省、自治区、直辖市)。根据《中国统计年鉴》数据，2000—2021年，西部地区公路里程从53.1万km增至214.5万km，占全国公路里程的比重从37.9%增至40.6%。高速公路里程从3 677 km增至6.9万km，占全国高速公路里程比重从22.5%增至41%。民用汽车拥有量从447.5万辆增至6 947万辆，占全国汽车拥有量比重处在23%左右。公路货运量占总货量比重长期处于80%左右，高于全国75%左右的平均水平。进入“十三五”时期后，重庆、四川、贵州和甘肃等地区这一比重达到了90%以上。根据《中国能源统计年鉴》数据，2003—2020年，西部地区交通运输、仓储和邮政业终端汽油消耗量从478.2万t增至1551.6万t，占全国比重在26%上下波动；柴油量消耗从816.7万t增至2754.2万t，占全国比重从18.4%增至28.9%。西部地区如何贯彻新发展理念，提高公路运输业绿色效率，转变公路运输业发展方式，促进运输业高质量发展，是西部地区面临的重要课题之一。

2.2 研究方法 2.2.1 公路运输业效率测度方法

(1) 静态效率测度方法。传统DEA模型不考虑变量的松弛性，经过优化后考虑松弛性的DEA模型称为SBM(Slacks-based Measure)模型。针对投入产出中存在非期望产出问题，Tone^[7]提出了非期望产出SBM模型。该模型对研究公路运输业绿色效率具有较强的适用性，运输业生产成果既包括期望产出，如货物周转量等，也包含非期望产出，如CO₂等。但是，非期望产出SBM模型仍无法克服计算结果中存在多个决策单元效率值同时为1的情况，不便于排序和比较，因此本研究借鉴Li^[8]的研究方法，运用非期望产出Super-SBM模型克服这一难题。

如果有n个决策单元，每个决策单元都包含了m个投入指标、s₁个期望产出指标和s₂个非期望产出指标，假定其矩阵形式分别为$\boldsymbol{X}, \boldsymbol{Y}^{\mathrm{g}}$ 和$\boldsymbol{Y}^{\mathrm{b}}$，则$\boldsymbol{X}=\left[x_{1}, x_{2}, \cdots, x_{n}\right] \in R^{m \times n}, \boldsymbol{Y}^{\mathrm{g}}=\left[y_{1}^{\mathrm{g}}, y_{2}^{\mathrm{g}}, \cdots, y_{n}^{\mathrm{g}}\right] \in R^{s_{1} \times n}, \quad \boldsymbol{Y}^{\mathrm{b}}=\left[y_{1}^{\mathrm{b}}, y_{2}^{\mathrm{b}}, \cdots, y_{n}^{\mathrm{b}}\right] \in R^{s_{1} \times n} $。

考虑非期望产出的Super-SBM模型表达式为：

$ \begin{gather*} \rho=\min \frac{\frac{1}{m} \sum\limits_{i=1}^{m} \frac{\overline{x_{i}}}{x_{i 0}}}{\frac{1}{s_{1}+s_{2}}\left(\sum\limits_{r=1}^{s_{1}} \frac{\overline{y_{r}^{\mathrm{g}}}}{y_{r 0}^{\mathrm{g}}}+\sum\limits_{l=1}^{s_{2}} \frac{\overline{y_{l}^{\mathrm{b}}}}{y_{l 0}^{\mathrm{b}}}\right)}, \\ \text { s. t. }\left\{\begin{array}{l} \bar{x} \geqslant \sum\limits_{j=1, \neq 0}^{n} \lambda_{j} x_{j}, \overline{y^{\mathrm{g}}} \leqslant \sum\limits_{j=1, \neq 0}^{n} \lambda_{j} y_{j}^{\mathrm{g}} \\ \overline{y^{\mathrm{b}}} \geqslant \sum\limits_{j=1, \neq 0}^{n} \lambda_{j} y_{j}^{\mathrm{b}}, \overline{x^{\mathrm{b}}} \geqslant x_{0}, \overline{y^{\mathrm{g}}} \leqslant y_{0}^{\mathrm{g}}, \overline{y^{\mathrm{b}}} \geqslant y_{0}^{\mathrm{b}} , \\ \lambda \geqslant 0, i=1, \cdots, m ; r=1, \cdots, s_{1} ; \\ l=1, \cdots, s_{2} \end{array}\right. \end{gather*} $

(1)

式中，ρ为效率值，当ρ≥1时，决策单元有效；当0≤ρ＜1时，决策单元无效，说明决策单元存在效率损失。λ为权重向量，x、y^g和y^b分别为投入、期望产出和非期望产出。该模型不仅有效解决了投入产出变量的松弛性问题，也解决了效率值受限问题，同时兼顾到非期望产出问题，因此在评价效率时更加科学合理。

(2) 动态效率测度方法。非期望产出Super-SBM模型得到的公路运输业绿色效率是各地区之间静态相对值，若进行动态分析，需使用跨期动态分析方法。Malmquist指数最早由Sten Malmquist提出并用于效率评价，随后Chung和Färe^[9]提出Malmquist-Luenberger(ML)指数模型计算包含非期望产出的生产效率，该指数大于1表示生产率相对提高，小于1表示生产率相对下降，等于1表示生产率保持不变。ML指数计算方法应用较为广泛，具体计算过程不再赘述。ML指数可进一步分解为技术效率变动指数(EFCH)和技术进步指数(TECH)二者的乘积。

其中，EFCH表示决策单元2个时期的技术效率变化，反映决策单元的实际产出与最优前沿面的距离。当EFCH＞1时，表示决策单元更加靠近当期技术前沿面，出现追赶效应；反之则表示远离前沿面。TECH表示决策单元2个时期的生产技术进步变化，反映最优前沿面的扩展，当TECH＞1时，表示技术进步，在同样要素投入情况下，技术创新促进潜在产出量提高；反之表示技术衰退。

2.2.2 影响因素分析方法

以测算得到的可以跨期比较的动态效率值及其分解项作为被解释变量，由于变量为受限变量，采用面板Tobit模型进行回归分析^[10]，表达式如下：

$ \begin{gather*} Y_{i, t}^{*}=\alpha+\beta_{j} X_{i, t}+\varepsilon_{i, t}, \\ Y_{i, t}=\left\{\begin{array}{l} Y_{i, t}^{*}, \text { 当 } Y_{i, t}^{*}>0 \text { 时 } \\ 0, \text { 当 } Y_{i, t}^{*} \leqslant 0 \text { 时 } \end{array}\right. \text {, } \end{gather*} $

(2)

式中，$Y_{i, t}^{*}$表示公路运输业绿色效率值，i为地区(i=1, 2, …, 11)，t为年份；j表示影响因素变量个数；X_{i, t}表示影响公路运输业绿色效率的主要因素；ε_{i, t}为随机扰动项；α、β_j表示待估计参数。

2.3 指标选取与数据来源 2.3.1 公路运输业绿色效率评价指标

公路运输业绿色效率强调以最少投入获得最大产出，同时最大限度降低对环境的污染程度。因此，在已有研究基础上，根据数据可获得性原则，选取公路里程、客车座位、货车吨位作为资源投入要素变量，道路运输业年末就业人员数作为劳动力投入要素，选取汽油、柴油和天然气消费量的折算量作为能源投入要素。选取旅客周转量、货物周转量作为期望产出，选取汽油、柴油和天然气3种能源的CO₂排放量总和作为非期望产出指标，以“自上而下”的作业直接能耗法核算CO₂排放量^[11]。各指标说明如表 1所示。

2.3.2 影响因素指标

从已有研究来看，Ehrlich^[12]最早提出人口、收入和技术水平对环境影响的IPAT理论模型，即：I=P×A×T，其中：I表示环境影响，P代表人口，A表示收入，T代表技术水平。Dietz^[13]进一步将该模型完善为随机形式，以利于使用统计方法进行检验。臧新^[14]在IPAT模型的基础上，构建了我国物流业能源效率的影响因素模型，将人均GDP、产业结构、研发投入、进出口贸易等指标纳入分析框架。李娟^[15]构建了西部地区物流业绿色效率的影响因素指标体系，包括经济因素(人均GDP、产业结构)、创新因素(人均专利申请量)、制度因素(非国有化率、非财政收入占比和对外开放)以及物流业资本、劳动力和能耗结构等指标。以上研究在IPAT理论模型基础上不断扩展，为本研究提供了借鉴。

从我国公路运输业发展实践来看，新发展理念在现代综合交通运输先行发展中起着引领作用，对建设交通强国具有重大现实意义。习近平在党的十八届五中全会上强调，坚持创新发展、协调发展、绿色发展、开放发展、共享发展，是关系我国发展全局的一场深刻变革。这五大发展理念相互贯通、相互促进，是具有内在联系的集合体，要统一贯彻，不能顾此失彼，也不能相互替代。从前文概念内涵可知，提升公路运输业绿色效率体现了节能、减排与增效的本质，是落实和践行绿色发展理念的行动方向和结果。因此，本研究从除绿色发展以外的其他四大发展理念出发，在IPAT模型基础上，结合已有研究，构建西部地区公路运输业绿色效率的影响因素分析框架。其一，创新是引领发展的第一动力，注重的是解决发展动力问题，是影响公路运输业绿色效率的第一驱动因素。选取公路运输业专利申请授权量和道路运输从业人员数占总人口比重两个指标，表征技术创新和管理创新状况。其二，协调是持续健康发展的内在要求，注重解决发展不平衡的问题，区域经济发展的差距反映了对公路运输业需求的差异。选取西部各地区交通运输、仓储与邮政业增加值占西部总体交通运输、仓储与邮政业增加值的比重和各地区地级市生产总值标准差两个指标，分别表征西部各地区之间发展差异和各地区内部经济发展差异水平。其三，开放是国家繁荣发展的必由之路，注重的是解决发展内外联动问题，区域对外开放水平对公路运输业提升服务质量和市场发展具有重要影响。选取进出口贸易额占GDP比重和外商直接投资占GDP比重2个指标，分别从“走出去”和“引进来”2个角度表征对外开放水平。其四，共享是中国特色社会主义的本质要求，注重的是解决社会公平正义的问题，选取人均GDP和单位载货汽车货运量2个指标，分别表征地区财富平均水平和公路运输共享程度。具体指标定义如表 2所示。

2.3.3 数据来源

文中的公路运输业资源、劳动力投入和期望产出数据来源于历年《中国统计年鉴》，其中公路里程数据包括全部等级公路里程，载客汽车客位和载货汽车吨位数据来自公路营运汽车客位和吨位，年末从业人员数来自道路运输业就业人数。能源投入和非期望产出数据来源于历年《中国能源统计年鉴》中的地区能源平衡表，具体包括汽油、柴油和天然气三大能源消费实物量，利用2006年IPCC国家温室气体清单指南(第二卷)中所提供的碳排放量估算方法，计算能源消耗量和二氧化碳排放量^[16]。影响因素中公路运输业申请专利授权量数据来源于大为全球专利数据库，以“公路运输”为关键词进行搜索。各地区地级市生产总值标准差数据来源于各地区历年统计年鉴，其他数据均来源于历年《中国统计年鉴》中的相应条目。由于西藏自治区部分年份能源消耗数据缺失，故样本地区中不包含西藏，研究时期为2003—2020年。利用MATLAB软件测算公路运输业绿色效率，使用Stata 15.1软件分析其影响因素。

3 结果与分析 3.1 公路运输业绿色效率测度结果与分析 3.1.1 静态效率测度分析

表 3列示了2003—2020年西部地区公路运输业绿色静态效率的测算结果。静态效率值反映了各地区在不同年份的资源配置状况，当效率值大于等于1时表明资源配置有效，当效率值小于1时表明资源配置无效。从效率均值来看，2003—2020年期间，西部地区公路运输业绿色静态效率值在0.783~1.024之间波动，波动幅度不大，相对处于较高水平。分地区来看，广西和内蒙古各年份效率值均大于1，始终处于资源配置有效状态；宁夏、陕西、贵州和四川大部分年份效率值大于1，较其他地区资源配置相对更优；其他地区多数年份效率值小于1，资源配置处于无效状态。

图 1更加直观地反映了2003—2020年西部各地区公路运输业静态效率的变化趋势。从中可知，各地区之间具有显著的差异，且差异呈扩大趋势。2003—2007年期间，各地区之间差异较小；2008—2012年期间，各地区之间差距扩大，且波动幅度明显增大；2013—2020年期间，各地区运输业效率呈现分化趋势，贵州、陕西、广西、宁夏、内蒙古和甘肃等地区静态效率呈现增长态势，且多数年份效率值大于1，表明这些地区公路运输业资源配置总体有效。但是，重庆、四川、云南、青海和新疆等地区静态效率呈现下降趋势，且与效率值大于1的地区之间的差异有所扩大，表明这些地区运输业资源配置需要进一步调整和优化，运输业发展质量亟待提高。

3.1.2 动态效率测度分析

表 4列示了分时期的西部地区公路运输业绿色动态效率的测度结果。为便于比较，分别按照五年规划周期进行分析。分时期来看，“十一五”、“十二五”和“十三五”时期动态效率均值分别为1.146、0.985和0.905，表明公路运输业绿色动态效率的增长呈现显著下降趋势。从分解项来看，“十一五”时期技术进步变动指数和技术效率变动指数分别为1.179和0.980，前者大于后者，表明该时期内技术进步变动为绿色动态效率增长的主要驱动力；“十二五”和“十三五”时期，技术进步变动指数分别为0.947和0.948，技术效率变动指数均值分别为1.054和0.969，前者均小于后者，表明西部地区公路运输业动态效率的驱动力由技术进步转变为技术效率变动，西部地区公路运输业在资源配置能力、资源利用效率等方面对动态效率提升的贡献逐渐增大。综合来看，西部地区公路运输业绿色动态效率的增长趋势呈现下降的原因主要受制于技术进步变动指数的下降。

表 5列示了西部各地区分时期公路运输业绿色动态效率值的测度结果。从效率值来看，2006—2020年期间，贵州、甘肃、内蒙古、陕西、青海和宁夏地区效率值大于1。其中：“十一五”时期，各地区效率值均大于1；“十二五”时期，贵州、甘肃、陕西和青海地区效率值大于1；“十三五”时期，贵州和甘肃地区效率值大于1。这表明西部各地区公路运输业绿色动态效率增长呈现普遍下降趋势。从各地区排名来看，甘肃、陕西、广西、云南等4个地区排名呈现明显上升趋势，贵州、内蒙古、青海、重庆、新疆和四川等6个地区排名有所下降。从地区差异来看，总体变异系数为0.071，3个时期变异系数分别为0.082、0.080和0.092，差异有所增大。

3.2 公路运输业绿色效率的影响因素分析 3.2.1 影响因素分析

首先，对影响因素变量进行多重共线性检验，结果显示方差膨胀因子VIF均值为1.95，变量最大VIF值为2.72，显著小于10，表明模型不存在严重的多重共线性。其次，ML为被解释变量，以各影响因素指标为解释变量，通过面板Tobit模型进行回归分析，结果如表 6中列(1)所示。同时，利用面板个体固定效应模型(FE)和个体随机效应模型(RE)进行稳健性检验，结果如表 6中列(2)和列(3)所示。从列(1)~(3)的回归结果来看，各变量系数符号和大小基本一致，表明回归结果是可靠的。以下以列(1)结果为例，分别从创新、协调、开放和共享维度对西部地区公路运输业绿色效率的影响因素进行分析。

(1) 创新维度。专利申请授权量(TEC)对公路运输业绿色效率的影响系数为0.012，在10%水平下显著。道路运输业从业人数占总人口比重(HUM)对公路运输业绿色效率的影响系数为― 1.322，在5%水平下显著，该结果与臧新^[14]的研究结果类似。以上结果表明，技术创新对西部地区公路运输业绿色效率具有一定促进作用，但道路运输业从业人员的增加对西部地区公路运输业绿色效率的提升具有显著的抑制影响。说明强化技术创新，优化管理创新是提升西部地区公路运输业绿色效率的关键。

(2) 协调维度。各地区交通运输、仓储与邮政业增加值占西部地区总和的比重(TWP)对公路运输业绿色效率的影响系数为负但不显著。各地区经济发展差异(STD)对公路运输业绿色效率的影响系数为― 0.084，在1%水平下显著。以上结果表明，西部各地区内部地市之间经济差距越小，越有利于公路运输业绿色效率的提高。

(3) 开放维度。进出口贸易额占GDP的比重(TRA)对公路运输业绿色效率的影响系数为负但不显著，利用外商直接投资额占GDP的比重(FDI)对公路运输业绿色效率的影响系数为― 1.448，在1%水平下显著。该结果与张赫^[17]、臧新^[14]的研究发现类似，开放程度对西部地区公路运输业绿色效率的提升呈现一定抑制影响。

(4) 共享维度。人均GDP(GDP)对公路运输业绿色效率的影响系数为0.362，在1%水平下显著，该结果与多数研究^{[10, 14, 15]}发现基本一致。单位载货汽车货运量(TRU)对公路运输业绿色效率的影响系数为4.092，在1%水平下显著。该结果与已有研究^[10]的发现类似，地区财富和公路运输资源共享程度的提高，促进了西部地区公路运输业绿色效率的增长。

3.2.2 影响路径分析

为进一步分析各影响因素指标如何作用于西部地区公路运输业绿色效率，以ML的分解项TECH和EFCH为被解释变量，各影响因素指标为解释变量，通过面板Tobit模型进行回归分析，同时利用面板个体固定效应模型(FE)和随机效应模型(RE)进行稳健性检验，结果如表 7所示。

以列(1)结果为基准，以下从各维度对影响路径进行分析。

(1) 创新维度。TEC对公路运输业技术进步的影响系数为0.013，在5%的水平下显著；对技术效率变动的影响系数为负但不显著。HUM对技术进步的影响系数为― 1.924，在1%的水平下显著；对技术效率变动的影响系数为正但不显著。结果表明，专利申请授权量的增加，有利于公路运输业技术进步，进而对西部地区公路运输业绿色效率增长产生促进作用。从业人数占总人口比重的提高，不利于公路运输业技术进步，进而抑制西部地区公路运输业绿色效率的提升。具体影响路径如图 2所示。

(2) 协调维度。各地区交通运输业、TWP对技术进步的影响系数为― 4.448，在1%水平下显著；对技术效率变动的影响系数均为正但不显著。STD对技术进步的影响系数为― 0.087，在1%水平下显著；对技术效率变动的影响系数为正但不显著。结果表明，西部各地区之间的差异越大，对公路运输业技术进步的抑制作用越大。西部各地区内部地市之间经济差距的扩大，抑制了公路运输业技术进步，进而对西部地区公路运输业绿色效率产生抑制影响。具体影响路径如图 3所示。

(3) 开放维度。TRA对技术进步的影响系数为― 1.758，在5%水平下显著；对技术效率变动指数的影响为正但不显著。FDI对技术进步的影响系数为― 1.828，在1%水平下显著；对技术效率的影响系数为正但不显著。结果表明，进出口总额占GDP比重的提高，对公路运输业技术进步产生一定抑制影响。利用外商投资额占GDP比重的增加，抑制了技术进步，进而对西部地区公路运输业绿色效率的提升产生一定负向影响。具体影响路径如图 4所示。

(4) 共享维度。人均GDP对技术进步变动指数的影响系数为0.546，在1%水平下显著；对技术效率变动指数的影响系数为正，但未通过10%的显著性检验。TRU对技术进步变动指数的影响系数为正，但未通过10%的显著性检验；对技术效率变动指数的影响系数为2.158，在1%水平下显著。结果表明，人均GDP的增长，推动了公路运输业技术进步，进而促进西部地区公路运输业绿色效率的提升。单位载货汽车货运量的增加，推动技术效率的提升，进而促进西部地区公路运输业绿色效率的增长。具体影响路径如图 5所示。

4 结论与启示 4.1 研究结论

(1) 从静态效率来看，2003—2020年期间，西部地区公路运输业绿色静态效率总体处于0.783—1.024之间波动，效率值接近于1，总体效率较高。分地区来看，研究期内西部地区公路运输业绿色静态效率值大于1的地区数量有所增多，但各地区之间的差异呈扩大趋势。其中：广西和内蒙古效率值均大于1，始终处于资源配置有效状态；宁夏、陕西、贵州和四川大部分年份效率值大于1，较其他地区资源配置相对更优；其他地区多数年份效率值小于1，资源配置处于无效状态。

(2) 从动态效率来看，研究期内，西部地区公路运输业绿色动态效率增幅不断收窄，“十一五”至“十三五”期间，西部地区公路运输业绿色动态效率均值分别为1.146，0.985和0.905。分地区来看，西部地区公路运输业绿色动态效率值大于1的地区数量从“十一五”时期的11个降至“十三五”时期的2个，各地区之间的差异亦有所增大。其中：贵州和甘肃地区动态效率指数在3个时期均大于1。“十一五”时期技术进步指数为1.179，高于技术效率变动指数；“十二五”和“十三五”时期技术效率变动指数分别为1.054和0.969，均高于技术进步变动指数。

(3) 从影响因素及影响路径来看，创新方面，技术创新有利于公路运输业技术进步，进而对公路运输业绿色效率提升具有显著促进作用；但同时，道路运输业从业人数比重的增加不利于公路运输业技术进步，进而对西部地区公路运输业绿色效率的促进作用产生一定负向影响。协调方面，西部地区之间以及各地区内部地市之间发展差异的扩大，均会抑制公路运输业技术进步，尤其是各地区内部之间的差异扩大，对西部地区公路运输业绿色效率产生抑制影响会更加明显。开放方面，进出口贸易额比重以及利用外外商资额占GDP比重的增加，抑制了公路运输业技术进步，尤其是利用外资水平对西部地区公路运输业绿色效率提升的抑制影响更为显著。共享方面，地区财富平均水平的提高，促进了公路运输业技术进步，同时公路运输业资源共享程度的提高，促进了公路运输业技术效率，在技术进步和技术效率的耦合作用下，进一步促进公路运输业绿色效率的提升。

4.2 政策启示

从上述结论可知，研究期内，西部地区公路运输业绿色静态效率总体呈现基本稳定略有下降态势，地区之间的差距较为明显；绿色动态效率呈现增幅缩小，地区差距扩大特征，主要受制于技术进步的制约。影响因素分析进一步印证了绿色动态效率的主要制约因素及其影响路径。各地区在落实创新、协调和开放发展理念过程中，还存在不少短板，发展不平衡不充分的问题依然突出，尤其对公路运输业技术进步形成较大制约，进而阻碍西部地区公路运输业绿色效率提升。当然，研究也发现公路运输业专利申请量的增加、人均GDP和公路载货汽车单位运量的提高，对西部地区公路运输业绿色效率的提升起到显著促进作用。以上研究结论为进一步完善公路运输业绿色发展政策带来以下启示。

(1) 坚持系统思维，在统筹公路运输经济发展与绿色发展中综合施策。首先，要站在地区发展的全局，逐步调整总体运输结构，减少部分行业对公路运输的过度依赖。其次，要立足公路运输业内部，既要在节能上下力气，不断优化公路运输业能源投入结构，加快公路运输各领域清洁能源车辆的推广普及，减少对传统化石能源的消耗^[18]；也要在减排上下功夫，按照“双碳”战略部署，严格落实国家第六阶段机动车污染物排放标准，持续减少公路运输业对生态环境的污染；还要在增效上出实招，加快货运经营整合升级，推动规模化发展和连锁化经营。

(2) 坚持创新理念，以技术创新和管理创新驱动公路运输业绿色转型升级。加快公路运输业低碳技术科研攻关，围绕西部地区地形复杂、运距长、网络密度小等典型问题，在动力电池、燃料电池、加氢与充电系统等方面进行原始创新。同时，构建充满活力、富有效率、更加开放、有利于公路运输业创新的人才发展体制机制，着力提升人才质量，加快公路运输业由粗放型发展向集约型经营转变，减少低端重复经营，避免无序竞争。加强产学研合作，提高人才综合素质和专业技能水平。此外，鼓励企业和社会加强对从业人员的培训，提高其环保意识和数字化、智能化技术应用能力，为公路运输业绿色发展提供有力支持。

(3) 坚持协调理念，通过制定差异化的政策和加强跨区域合作，缓解区域之间发展不平衡对公路运输业绿色发展的不利影响。西部地区的发展不平衡，主要体现在2个方面: 一是西部地区之间公路运输业绿色效率区域差异较大，如云南、青海等地区公路运输业绿色效率相对偏低; 二是区域内部各地市资源禀赋、发展阶段不同，公路运输业绿色效率相差较大。对此，应因时因地制宜，根据各地区的不同特点和发展需求，制订差异化的政策措施。如针对经济相对落后和资源环境相对脆弱的地区，给予更多财政支持和税收优惠；鼓励西部地区之间加强合作，通过建立跨区域的信息共享平台，促进技术交流与合作。同时，加强跨地区政策协调，消除行业发展壁垒和制度障碍，形成推动绿色发展的合力。

(4) 坚持开放理念，通过高水平“走出去”和高质量“引进来”，扭转对外开放短板对公路运输业绿色效率提升的制约。一方面，西部地区应实行更加积极主动的开放战略，提升新一轮对外开放水平。要具有“跳出西部发展西部”的战略眼光，强化干部群众开放的意识；要客观综合看待西部地区的差距和优势，强化培育开放型产业；要充分利用“一带一路”倡议、RCEP等合作平台，强化与发达地区合作。另一方面，西部地区应以“世界眼光”，构建外商投资环境新格局。通过持续优化国际化营商环境，适当放宽市场准入；再造“税收洼地”，拓宽外资融资渠道；联合工商联、贸促会等组织，设立专门机构，最大限度支持企业深度参与“一带一路”倡议和西部陆海新通道建设等。

(5) 坚持共享理念，通过货运经营高质量发展和客运绿色出行方式变革，推动公路运输业绿色效率快速提升。一方面，推动货运经营整合升级、提质增效，加快规模化发展、连锁化经营；推进公路货运企业数字化转型升级，完善货运平台可持续健康发展的法律法规；加快节能低碳运输装备的推广，完善相关基础配套设施。另一方面，构建绿色出行的长效机制。保障高品质绿色出行服务供给，推动公共交通立法；建立绿色出行发展水平监测体系，完善绿色出行碳普惠机制；加强绿色低碳出行的理念宣传，加大公共交通、共享单(电)车、汽车租赁等共享交通模式的推广力度，从源头上降低无效需求，扩大绿色出行需求。