其它（2.2%）不安全（5.6%）不自由（10.3%）过于拥挤（31.2%）倒车不便（22.8%）绝不选择公交出行（36.9%）15分钟内（23.6%）等待过长（27.9%） 31-45分钟（13.6%）16-30分钟（25.9%） 图3 北京市居民不选择公共交通出行的各原因比重（左）
图4北京市开车通勤居民若选择公共交通通勤时后者需节省的时间（右）
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
北京市目前正在大力推进城市公共交通发展，并希望能够在2015年前后，使公共交通满足50%城市居民的出行需求。但是，从调研结果中可以看到，目前这一比例仍相对偏低，仅为31.4%，与目标相去甚远。调研针对居民不选择公共交通出行的原因进行了相应问题设置，结果显示：舒适程度偏低（过于拥挤）、等待时间过长以及就近换乘不便（倒车不方便），分别占到31.2%、27.9%和22.8%，成为居民不选择公共交通出行的三个主要原因。此外，另有10.3%和5.6%的居民认为，缺乏灵活性（不自由）和安全性（不安全），是他们不选择公共交通出行的主要理由（见图3）。
公共交通便捷性的增强，会改变居民的出行方式，从而提高居民（特别是目前选择私家车通勤的居民）选择公共交通出行的比例。在调查中，我们特别询问了那些选择私家车通勤的出行者，当公共交通比私家车通勤节省多长时间时，会转而选择公共交通上下班。我们发现：共有63.1%的私家车出行者会在公共交通更为便捷的情况下，会选择公共交通上下班。其中，当公共交通较私家车节约时间在15分钟以内、15-30分钟和30-45分钟时，分别有23.6%、25.9%和13.6%的私家车出行者转而选择公共交通上下班。而余下的36.9%的私家车出行者并不会因为公共交通便捷程度的提高而放弃私家车，这可能是由于他们很看重私家车出行较高的舒适度，需求较为刚性（见图4）。 （三）北京市私家车碳排放水平的估算
北京市交通碳排放主要由私家车和公共交通（包括公共汽车和轨道交通）组成。由于目前我们缺乏公共交通碳排放的估算方法，因此本文将以私家车碳排放作为研究对象，公共交通碳排放有待后续研究。本部分将分别介绍北京市私家车碳排放的估算方法与估算结果。 1、私家车碳排放估算方法
私家车碳排放的估算主要是从其汽油消耗量出发，通过单位汽油消耗所产生的碳排放这
6
一转化因子，估算得到私家车碳排放。具体估算步骤见下：
我们分别采用下面的公式估算碳排放量：
C＝CE÷GP×CF (1) 其中，C表示私家车碳排放量；CE表示私家车汽油花费；GP表示93#汽油单价；CF表示单位汽油消耗的碳排放量。
单位汽油消耗的碳排放量由下式得出： CF＝NCV×DCC
(2)
其中，CF表示单位汽油消耗的碳排放量；NCV表示汽油的平均低位发热量①；DCC表示汽油的潜在排放因子。 2、私家车碳排放估算结果
基于上述估算方法，本文利用北京市38个住宅小区826个家庭的微观样本数据，估算得到2009年北京市私家车碳排放的相关数据，表2给出了估算结果的若干统计量。可以看到，北京市共有47.6%的家庭使用私家车出行，碳排放均值为4.1吨/户。
表2 北京市私家车碳排放估算结果统计
分项名称 私家车 样本量 393 家庭生活碳排放量统计值（吨/户） 均值 4.104 标准差 3.655 最大值 29.489 最小值 0.084 从上述计算过程可以看出，私家车碳排放量与其汽油消耗量成完全的线性关系。因此，分析私家车碳排放量的影响因素，实际上就是分析私家车汽油消耗量（能源消耗）的影响因素。但私家车碳排放量（汽油消耗量）与行驶公里数并不是直接的线性关系。在道路较为拥堵的时候（车速较慢），每公里的耗油量与碳排放量都会较多（见图5）。因此，对私家车碳排放量的分析，综合了行驶路程和行驶速度两方面的因素，更好的反映了能源消耗水平。
①
数据来源：IPCC 2006 Guidelines for National Greenhouse Gas Inventories
7
图5 私家车行驶速度与单位里程汽油消耗量关系图
数据来源：IPCC 2006 Guidelines for National Greenhouse Gas Inventories
（四）家庭特征与私家车拥有率及其碳排放的相关性
正如前文所述，私家车拥有率及其碳排放水平受到家庭特征的显著影响。本部分将初步探讨两个重要的家庭特征，即收入水平与年龄结构，对家庭是否购买私家车以及购车后的碳排放水平的影响。
100??%平均值：47.6``%平均值：47.6@@ %0 %0%8千以下8千-1.5万1.5万-3万3万以上35岁以下36-45岁46-55岁56岁以上 图6 北京市家庭收入水平和户主年龄与私家车拥有率关系图 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
收入水平是影响家庭是否购买私家车的重要影响因素。随着收入水平的提高，家庭逐渐倾向于选择更为舒适的出行工具，这会显著增大购买私家车的可能性。如图6（左）所示，月收入在8千元以下时，仅有31.7%的家庭选择购买私家车；而当月收入水平上升至8千至1.5万元时，家庭购车概率迅速提高，达到63.8%；当收入水平继续增长时，家庭购车可能性继续显著增大，月收入在1.5万-3万之间与超过3万元的家庭，其购车概率分别达到83.1%和86.4%，远高于47.6%的平均水平。
年龄结构对私家车拥有率也产生显著影响，本文使用户主年龄来表征家庭年龄结构。调研结果显示：北京市家庭户主平均年龄为45岁。户主年龄对家庭私家车拥有率的影响如图6（右）所示，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。具体来讲，
8
户主年龄小于35岁的家庭，私家车拥有率为48.3%；户主年龄处于36-45岁的家庭，私家车拥有率最高，达到63.1%，而户主年龄处于46-55岁与大于56岁的家庭，私家车拥有率分别为43.2%和36.6%。
此外，对于已经拥有私家车的家庭，其汽油消耗与碳排放量也受到收入水平的显著影响。如图7所示，随着收入水平的提高，家庭对私家车出行的依赖程度也会相应提高，并会带来更多的汽油消耗与碳排放量。其中，收入水平最高的家庭（月收入超过3万元），其私家车碳排放量是平均水平的1.69倍，更是收入水平最低家庭（月收入不足8千元）的2.16倍。
8.06.0平均值：4.10吨/户4.02.00.0吨/户8千以下8千-1.5万1.5万-3万3万以上 图7 北京市家庭私家车碳排放与家庭收入关系图 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
四、北京市私家车碳排放模型的实证估计
（一）变量选择
我们更关心的是城市空间结构特征对于居民选择是否开车出行，以及私家车碳排放的影响效果。在实证中，我们选择了这样一些变量来度量城市空间结构（变量名称及描述性统计量见附表1和附表2）。（1）居住地与城市中心的距离。我们缺乏北京市就业空间分布的详细微观数据，但Anas et al.（2008）认为，北京市仍然近似于单中心城市，就业机会在城市中心附近区域的集中程度较高。因此，我们用此变量来反映与就业中心的距离。同时，由于历史路径依赖性，北京市的城市公共服务（如公共交通、医疗、教育等）仍然在很大程度上集中分布在内城，因此与城市中心的距离也可以反映到这些公共服务的可达性。可以预期，居住地与城市中心的距离越长，就业可达性和公共服务可达性越差，居民选择开车出行的可能性越大。（2）居住地与临近主要公共交通站点（包括主要公共汽车站点和轨道交通站点）、购物场所（包括主要大型购物中心和大型超级市场）、主要医疗场所（包括二、三级医院）和重点学校（包括重点小学、初中和高中）的距离等①。图8－图11给出了这些城市设施的 ①
由于同一类型公共服务设施的各个子项往往具有较强的相关性，因此，当某一类型的公共服务设施变量存
9
空间分布。如上所述，北京市的这些城市设施往往较大比例地集中在内城，因此这些距离变量之间的相关性比较强，如表3所示。
表3 城市设施空间分布的相关性分析表 城市空间结构 特征变量 公共交通 购物中心 医疗机构 重点学校 公共交通 1.0000 0.3031 0.5414 0.9597 购物中心 — 1.0000 0.2685 0.2622 医疗机构 — — 1.0000 0.5689 重点学校 — — — 1.0000
图8 北京市轨道交通、主要公交站点以及重点小学、初中和高中空间分布图
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
图9北京市主要购物场所以及二、三级医院空间分布图
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
一个直观的判断是，人口分布与就业分布，人口分布与城市设施的空间匹配程度越差①，
在多个构成子项时，我们选取居住社区至各类型邻近公共服务设施的最短距离作为本文的基本变量。比如：通过地理信息系统（GIS）可以生成居住社区至周边临近主要公共汽车站点和轨道交通站点的距离，由于两类公共交通具有较强的相互替代效果，因此我们选择较短的距离作为社区至周边临近主要公交交通站点的距离作为实证研究的数据基础，其它变量的处理方式类似。 ①
我们将家庭居住地与城市主要公共服务设施的空间信息输入GIS，并形成上述公共交通站点与住宅社区的空间最短距离，作为衡量居住地与公共服务设施空间匹配程度的变量（如图4—图7）。
10