城市化能否减少居民交通能源消费？
——基于中国城镇住户调查微观数据的分析

张丽华，叶 炜

(1.同济大学经济与管理学院，上海 200092；2.兴业基金管理有限公司，上海 200120)

一、问题的提出

环境污染和能源消费是世界范围内最为重要的社会经济问题之一。能源的过度消耗不仅造成严重的环境污染问题，也是对地球资源的不合理利用，不利于全球的可持续发展。目前，中国的能源消费量位居世界第二，且国内能源生产的增长速度赶不上能源消费，预计2020年我国石油对外依存度将高达60%。由于能源对外依存度过高和严重的环境污染问题，节能减排已成为事关我国经济和社会生活的大事。

据测算，城市人均能源消费大约是农村人均能源消费的8～9倍[1]。由于我国正处于快速城市化过程中，大量人口从农村转移至城市，因而这一过程势必造成能源需求的大幅度上升。尽管城市化本质上反映的是农村人口在空间上向城市的转移，但从最终的空间形态来看，城市化可表现为城市人口密度提高和城市空间规模扩张两个方面。如果我国的城市化进程在总体上提高了能源消费量，但不同的城市化空间模式显然具有不一样的能源需求含义。进一步地，由于对城市道路交通需求的不断增加及私人汽车的普及，城市化对交通能源消耗造成的压力尤为明显。且相较于总体的能源消耗，城市化的空间形态对交通能源消耗具有更为直接的影响。理论界对这一问题有较多的研究和讨论，但针对我国的实证检验却十分有限。如何评估我国不同的城市化空间形态对居民交通能源消费的影响，从而选择和规划合理、有效的城市发展空间模式，是当前我国在实现可持续的城市化发展过程中亟待解决的问题。因此，本文将就这一问题展开研究。

二、城市规模及城市密度对居民交通能源消费的影响机制

综合现有文献，我们将城市人口密度和城市空间规模影响居民交通能源消费的作用途径分别梳理如下：

(一)城市人口密度与交通能源消耗

Newman and Kenworthy于1989年发表的两篇著作最早研究了上述问题。他们使用全世界主要大城市的样本，检验人均汽油消费量与人口密度之间的关系，发现二者存在明显的负相关关系，即城市密度的增加使人均汽油消费量显著下降。在具有最高密度的城市里，小汽车的使用率低而公共交通的供给充足[2][3]。这一结论为城市人口密度与交通能源消耗的研究奠定了基础。

对此，有较多学者提出质疑。Gordon等(1989)认为美国近年来就业呈现逆中心化的趋势，与原有的居住郊区化相配合，使郊区之间的通勤模式替代郊区与市中心之间的通勤模式，从而通勤时间和距离总体趋于下降[4]。由此可见，尽管人口的郊区化降低城市平均的人口密度，但并没有提高居民的通勤需求，进而增加居民的交通能源消耗。这里的重要机制在于考量城市人口密度与交通能源消耗之间的关系时需结合具体的城市空间结构，即居住区与就业区的重叠或分离状况。

Cervero and Murakami(2010)对370个美国城市的研究发现，城市密度的确降低人均通勤里程数，但其中的重要机制是提供低于平均的道路公里数、更多的自行车骑行道路和人行步道及社区内零售服务设施。也就是说，只有依赖上述这些条件，高密度城市才起到降低人均通勤里程数的作用[6]。

另外，由于人口密度高、拥堵现象严重、私家车出行的时间成本畸高，高密度地区停车空间有限或停车成本高昂，也在一定程度上抑制私家车的使用，促使居民更多地使用公共交通系统或出租车。而公共交通的供给在高人口密度地区同样是比较充分的，因此可实现居民交通方式的转换、提高交通能源使用效率。

通过以上梳理，我们发现较高的城市人口密度可从根本上降低居民的日常通勤距离，同时通过提高私人汽车的使用成本和公共交通的供给，促进居民通勤方式的内部转换。然而，如果综合居民长短期交通出行之后的总消耗，高密度地区并不具有降低居民交通能源消耗方面的优势。即使仅考虑短期效应，城市密度降低居民交通能源消耗的作用发挥也需严格的前提条件，在我国多数城市目前仍无法满足。因此，我们提出以下的研究假设：

假设1a：在城市人口高密度地区，私家车使用将减少，公共交通使用将增加。

假设1b：城市人口密度的提高将增加城市居民总的交通能源消耗。

(二)城市地理规模与交通能源消耗

ECOTEC(1993)的研究表明，随着城市规模的减小，通勤的平均距离呈现上升[7]。Shim等(2006)对韩国城市的研究得到了相似的结论[8]。然而，这些研究均采用人口指标来度量城市规模。在土地财政的刺激下，我国当前的“土地城市化”问题严重，即一味强调城市土地边界的扩张，但城市集约性较低。“就地城市化”和“城中村”等现象本质上也反映了这一问题[9]。地方政府往往首先强调扩大辖区面积，在此基础上再考虑产业的导入。鉴于我国城市化的现实背景，本文主要从空间结构维度考察城市化问题，重点探究城市空间规模与居民交通能源需求之间的关系。

首先，从直观感受上来看，城市地理范围越大，居民日常的活动空间也越大，各类设施的空间布局更为稀疏，居民日常通勤的平均距离就越长，对交通能源的需求也就越大。特别是，在较大的城市空间规模与严重的职住分离现象兼具的情况下，长距离的日常通勤带来严重的交通能源消耗问题。其次，公共交通的供给力度往往与城市人口规模或密度相关，与单纯的城市空间范围没有明确的相关关系。进一步考虑到城市空间规模较大的地区，停车空间充足，使用私家车的成本较低。在空间规模大的城市中，公共交通对私人交通工具的替代作用弱于高密度城市。因此，我们提出以下的研究假设：

假设2a：城市空间规模越大，居民的总体交通能源消耗越高。

假设2b：相对于高密度城市，大空间规模城市中公共交通对私家车的替代作用更小。

三、实证研究方案

(一)计量模型

本文需要检验的计量模型可表示为：

yit=α0+β1scaleit+β2densityit+β3householdcontrolsit+β4citycontrolsrt+εit

(1)

其中，i代表不同的家庭户，t代表不同的年份，r代表i家庭所在的城市，被解释变量y为城市居民家庭的各类交通费用支出，scale为城市规模，density为城市密度，householdcontrols为家庭层面的控制变量，citycontrols为城市层面的控制变量，εit为假定服从独立同分布的误差项。

(二)指标选取

1.被解释变量

郑思齐等(2010)在对北京的调查研究中发现，公共交通工具满足了31.4%家庭的通勤需求，32%的家庭选择私家车完成日常通勤，26.6%的居民选择自行车和步行等出行方式，9%的居民选择出租车或单位班车完成日常通勤[10]。由此可见，乘坐私家车已成为我国大城市居民日常通勤的主要方式。但相较于欧美发达国家，我国居民对私家车的总体依赖程度更低、出行方式更加多样化。结合学者们指出的城市空间结构对居民交通消费的长短期综合影响，本文在私家车的基础上进一步考虑居民家庭的总体交通费用支出，分析公共交通费用在日常交通费用中的占比，从而检验城市空间特征的相对能源效率。因此，本研究将主要使用以下三个被解释变量，分别是：

(1)交通能源费支出。该指标对应《中国城镇住户调查数据》中的第F5121项，包括汽油、柴油、机油、电瓶及电瓶充电费。由于城镇家庭使用柴油的情况较少，家用电瓶充电费金额也相对较小，因此将F5121项数据作为私家车的汽油费支出，从而度量城镇居民家庭交通出行中私家车的使用情况。

(2)总交通费用支出。与西方国家不同，我国城镇居民的出行方式更加多元，对私家车的依赖程度相对较低。因此，在F5121的基础上加入居民的交通费支出额(F5144)，得到居民家庭包括日常和非日常通勤在内的总交通费用。F5144指家庭成员乘坐各种交通工具支付的交通费，包括飞机、火车、长途汽车、市内公共交通及出租车等。因此，上述两项数据合并基本涵盖了城镇居民需支付成本的所有交通出行需求。

(3)市内公共交通费用支出在日常通勤支出中的占比。我们将居民需支付费用的日常通勤方式归纳为私家车、公共交通工具和出租车三类，居民家庭的公共交通费支出(F5144)除以上述三项费用的总和(F5121+F5144+F5145)得到日常通勤方式中公共交通的占比。公共交通费支出项F5144是指家庭成员乘坐市内交通工具出行的车票费(如公共汽车、地铁等)。

2.解释变量

(1)城市密度。对城市密度的度量指标较多，本文使用各市的城区人口/市辖区建成区面积来反映城市密度的变化情况，以《中国城市建设统计年鉴》中“城区人口”来体现城市人口规模。该指标是指划定的城区(县城)范围的人口数，统计中估算的是市区范围内的人口数量，而不是整个地级行政单位的人口，从而能更好地与分母的面积单位相匹配，以较准确地度量城市人口密度。

(2)城市规模。本文使用市辖区建成区面积予以度量，建成区范围一般是指建成区外轮廓所能包括的地区，即该城市实际建设用地所达的范围。从数据来看，研究时间段内各地级市市辖区建成区的面积在不断增加，体现了城市化进程中城市规模的变化。

3.控制变量

显然，除城市空间形态外，影响家庭交通能源消费支出的因素还有很多，这里主要考虑以下的家庭层面控制变量：家庭收入对家庭能源消费总量和结构的影响显著，高收入家庭往往使用较多的能源，而低收入者的能源消耗较少；家庭规模同样具有明显的影响，因为被解释变量均是以家庭为单位的交通费用支出，在通常情况下，家庭规模越大，其交通费用支出也越大。

同时，地区层面的控制变量主要体现地区差异对居民交通费用支出的影响，这里主要考虑地区的名义GDP水平。可以预期的是，地区的GDP水平越高，公共交通的建设更完备、供给更充分。同时，通过引入地区的名义GDP水平，部分控制地区间物价水平的差异及同一地区不同年份之间的物价变化。

(三)数据来源

实证检验使用的主体数据来自2002～2009年《中国城镇住户调查数据》(UHS,Urban Household Survey)。它是现有最完整的全国范围的微观变量数据，主要用于研究教育回报率、收入不平等、家庭消费和家庭金融等问题。该数据集是追踪数据并采用面访的方式获取，因而数据的真实性相对较高。

需要指出的是，该数据集存在样本轮换的问题，即一相样本调查每三年进行一次，为二相样本提供抽样框。调查城镇中的经常性调查户每年轮换1/2，两年之内轮换掉所有调查户。基于这一特征，我们不能使用标准的面板数据，而需将不同年份针对不同家庭的调查数据组合成一个较大的横截面进行回归。

城市层面的相关数据来自相应年份的《中国城市统计年鉴》和《中国城市建设统计年鉴》，通过每个地级城市唯一的地区代码，将居民数据与城市数据进行匹配，从而得到完整的研究数据集。回归中涉及的变量统计性描述见表1所示。

表1 变量的描述性统计

四、实证研究结果及分析

(一)总体回归结果

本文使用Stata13.0软件对数据进行横截面回归。在控制时间固定效应和省份固定效应后，基本的回归结果如表2所示。

表2 回归结果

注：括号中是t值；*表示p<0.10，** 表示p<0.05，*** 表示p<0.01。下表同此。

从表2的结果来看，城市的建成区面积越大，居民私家车使用越多，居民家庭的总交通费用支出更高，居民使用公共交通方式在日常通勤中所占的比重也越高。这与我们的理论预期相符，因此假设2a得到验证。也就是说，在居民的日常通勤中，尽管城市规模越大，居民私家车的使用量和公共交通费用支出都更大，但城市规模使日常通勤中公共交通支出的比重上升，这从城市规模对各项交通出行方式的作用参数绝对值大小上可观察得到。

城市人口密度显著降低居民的私家车使用量，这与已有文献的研究结论一致。由于人口高密度地区的停车空间有限、费用高昂且堵车情况严重，降低了居民使用私家车出行的意愿。与此同时，城市密度降低私家车的使用，增加公共交通费用支出，使日常通勤中公共交通的比重显著提高，因此假设1a得到验证。由于城市密度的提高，居民家庭不仅使用公共交通替代私家车，也以出租车来替代私家车，因此城市密度对公共交通占比的提升程度略低于城市规模的作用，因此假设2b没有得到验证。最后，高城市密度的确使居民的总交通费用支出增加，因此假设1b得到验证。

比较城市规模和城市密度的回归结果，发现高密度城市中其他日常通勤方式对私家车的替代效应更为明显。但由于存在出租车对私家车的替代，从日常通勤能源节约的角度而言，城市密度的作用甚至小于城市规模的作用，且城市密度并没有显著降低居民的总交通能源消耗。现有文献指出城市密度降低居民交通需求的一个主要原因在于居民的工作与生活地点较近，从而不会产生大量的日常通勤需求。然而，反观我国人口密度高的城市，通常都出现居住地与工作地相分离的状态。潘海啸(2010)在对上海的研究中指出，上海在新城建设中工业园区缺少配套的居住区，导致新城和产业园区的就业人口与居住地点分离，造成居民的长距离出行[11]。柴彦威等(2011)的研究认为中国大城市的居住与就业空间关系发生明显变化，职住分离现象逐渐凸显，而住房市场的改革和大城市商品房价格的攀升是形成这一格局的重要因素[12]。郑思齐等(2007)认为与西方国家的城市相比，中国大部分城市就业集聚度高，偏向于单中心状态，而居住郊区化则逐渐明显，由于中心地区的高房价，中低收入居民在顾及房价的同时只能忍受不相称的高额通勤成本[13]。在此基础上，如果考虑Nss等学者提到的高密度城市居民有更高的非日常长途出行需求，那么城市密度必然显著增加居民家庭的总交通费用支出。

在控制变量方面，家庭收入水平使私家车使用量和总交通费用均上升，但降低了居民家庭在日常通勤中的公交使用比例，这一结果较为合理。家庭规模越大，居民家庭的公共交通支出越大，这是由于公共交通是按人头收费的，家庭规模直接影响其公共交通费用支出。与此同时，家庭规模越大，私家车的燃料费和出租车费等支出更少，因而人口规模较大的家庭在日常通勤中公交费用支出占比更高。地区的GDP水平越高，该地区居民家庭的私家车燃料费和公共交通费等支出也越高，因此地区GDP对居民日常通勤中公共交通所占比重不产生显著影响，这也与我国城市发展的现状相符。

在此基础上，内生性是本文需要解决的一个重要问题。由于家庭层面的样本更新替换速度较快且没办法识别固定的个体家庭，因此以各城市每个家庭的平均能源消耗量为被解释变量，采用广义矩估计方法对模型进行内生性检验。目前，广泛接受的对实证内生性问题的解决方法主要有两类：一是工具变量；二是系统广义矩估计法(SYS-GMM)。本文样本是典型的大横截面、小时间跨度的面板数据，比较符合SYS-GMM要求的数据特征，相关的回归结果如表3所示。

从表3的回归结果来看，AR(1)和AR(2)的值表明差分后的残差只存在一阶自相关、不存在二阶自相关，即模型中不存在序列自相关问题，这符合SYS-GMM估计方法的假设条件。萨根(Sargan)检验的P值较大，说明SYS-GMM估计中的工具变量不存在过度识别问题，所选用的工具变量正确。总体来说，SYS-GMM模型对内生性问题的控制是有效的。同时，主要解释变量的系数与基本回归一致，考虑内生性后模型的符号并没有发生变化，因此模型较为稳健。

(二)分地区的回归结果

已有研究认为城市化对能源消费的影响在我国存在明显的区域差异。据此，在总体回归的基础上，我们将所有样本划分为东中西部地区并分三组分别回归，结果如表4～6所示。

分地区的回归结果显示，在东、中部地区，城市规模增加各项交通费用支出，且相对更多地增加公共交通费用支出，使日常通勤中公共交通支出比例随着城市规模的增加而增加。有趣的是，西部地区城市规模进一步扩大将减少居民的总交通费用支出，这可能与另一个结果高度相关，即西部地区城市规模扩大对公共交通占比的提升程度在三个地区中是最大的，公共交通的单位花销最小，因而显著降低居民的总交通费用。人口密度在三个地区均表现为减少私家车的使用，增加居民家庭的总交通费用，并提高日常出行中公共交通的比例。其中，西部地区城市密度对公共交通支出绝对量及占比的拉升作用最明显，东部地区城市密度的提升在增加居民公共交通支出的同时以更大的程度增加出租车费支出，因此东部地区城市密度对公共交通占比的拉升程度弱于西部地区。

表4 东部地区的回归结果

表5 中部地区的回归结果

表6 西部地区的回归结果

家庭收入水平在不同地区形成的影响也是一致的，即增加各项交通费用支出，显著减少居民家庭出行中乘坐公共交通的比重。家庭规模在东部地区对家庭总交通费用支出不产生影响，但显著减少中、西部家庭的总交通费用支出。

中部地区城市GDP水平的提高，对私家车的使用具有最为强烈的刺激作用。西部地区总体上经济欠发达，区域内部经济较发达的地区也没有条件广泛使用私家车。东部地区私家车的普及程度本已处于高位，随着GDP的继续上升，进一步推动私家车购买和使用的作用并不大。而中部地区不仅有相应的经济实力购买私家车，同时其使用成本相对低廉。在三个地区中，唯有中部地区的城市GDP水平对公共交通费用支出不产生显著影响，这可能是由于中部地区交通基础设施建设或公共交通供给在国家层面处于相对稳定阶段导致的。因此，从可持续发展的角度而言，全国经济最发达的地区，尽管私家车使用多，但公共交通网络发达，居民对公共交通的使用频繁；全国经济最不发达的地区，区域经济的发展还不足以对私家车的使用产生促进作用；而全国经济处于中等发展水平的地区，区域经济的发展大幅度提升了私家车的使用，但公共交通网络的建设力度又低于东部地区，这些地区对私家车的使用相对而言可能是全国最高的。

五、结论与政策建议

本文使用《中国城镇住户调查》的微观数据，将城市化空间发展模式的两个维度——城市空间规模和城市人口密度放在同一个框架中考察，发现城市规模的扩大将增加居民家庭私家车的燃料费支出，而城市密度则降低私家车燃料费支出，城市规模和城市密度的提高都增加居民的总交通费用支出，高密度城市中其他交通方式对私家车的替代效应更为明显，但由于高密度地区同时存在出租车对私家车的替代，因此城市密度并没有大比例提高居民日常通勤中公共交通的占比。总体来看，城市密度对居民交通能源消费的影响主要体现在对日常通勤方式内部结构的调整，但并没有降低居民的总交通费用。这一现象可能是由于高密度地区居民进行更长距离的假期出行，高密度城市的中心区房价过高及城市规划中缺乏产业区周边的居住地块配套，导致严重的职住分离现象。

分区域结果中较为明显的差异在于东、中部地区城市规模进一步扩大将增加居民的总交通费用，而西部地区则相反。由于西部地区城市规模扩大对公共交通占比的提升程度最大，而公共交通的单位花费最少，有效地降低了居民家庭的交通费支出。对居民私家车的使用没有产生有效的刺激，但这一刺激作用在东、中部地区十分明显。东、中部经济发达地区居民使用公共交通的比重更高，而西部地区的经济发达程度对居民公共交通使用比例不产生显著影响。

城市化过程中的空间模式选择是当前我国经济社会发展的重要议题。“摊大饼”式的城市化发展模式由于严重损害城市集聚效应的发挥而广受诟病。结合本文的研究结果，一味摊大饼式的扩张城市规模并不利于节约资源和保护环境，与建设可持续发展城市的目标相悖。更进一步，理论界和政策界都推崇通过提高城市密度发挥城市集聚效应。然而，在交通能源消费方面，这一效应的发挥需具备一定的前提条件，即城市的空间规划应避免严重的职住分离，从源头上降低日常通勤需求。因此，在城市空间规划中需形成多个就业中心，在各就业中心附近规划相应的居住用地及教育、医疗和生活娱乐等配套设施，在增加城市密度的同时有效降低居民的日常通勤距离，真正实现城市集聚经济。