肖 潔，張新紅

(華僑大學(xué)經(jīng)濟(jì)與金融學(xué)院，福建 泉州，362021)

一、引言

氣候變暖與經(jīng)濟(jì)發(fā)展是21世紀(jì)全球面臨的兩個(gè)主要問題。隨著溫室效應(yīng)的加強(qiáng)，控制和減少以二氧化碳為代表的溫室氣體排放是全世界各國制定環(huán)境經(jīng)濟(jì)政策的重要導(dǎo)向。中國是經(jīng)濟(jì)和能源大國，隨著經(jīng)濟(jì)的發(fā)展，能源消費(fèi)居高不下，大量的能源消耗不僅加劇了能源危機(jī)，而且加重了環(huán)境污染，尤其是碳排放水平，中國已成為世界上最大的碳排放國家之一［1］。用環(huán)境破壞換取經(jīng)濟(jì)發(fā)展顯然不是我們所希望看到的。中國早在2009年就作出承諾:到2020年，中國的碳排放量將比2005年減少40% ～45%。因此，深入分析現(xiàn)階段影響碳排放的相關(guān)因素，尋求低碳經(jīng)濟(jì)發(fā)展途徑尤為重要。

國內(nèi)外學(xué)者對(duì)碳排放問題的研究，主要包括對(duì)排放增長的預(yù)測(cè)和影響分析。王鋒［2］等(2010)研究了1995—2007年間中國二氧化碳排放量增長的驅(qū)動(dòng)因素。林伯強(qiáng)［3］等(2007，2009)預(yù)測(cè)了中國煤炭需求增長帶來的二氧化碳排放量的增加及中國二氧化碳排放的環(huán)境庫茲涅茲曲線。陳詩一［4］(2009)利用綠色增長核算分析了能源消耗和二氧化碳排放對(duì)中國工業(yè)增長方式轉(zhuǎn)變和可持續(xù)發(fā)展的影響。Doro ＆ Padilla［5］(2006)利用Theil指數(shù)分解法，證實(shí)Kaya因素中引起不同國家間人均碳排放差異的最重要因素為人均收入，其次為能源消費(fèi)碳強(qiáng)度與能源強(qiáng)度。Augur sots and Ramadan(2006)在研究EKC假說時(shí)將能源消費(fèi)作為影響因素引入模型，認(rèn)為從長期來看，能源消費(fèi)是比GDP對(duì)碳排放量的影響更為重大的因素。郭朝先［6］(2012)采用LMDI分解的方法，對(duì)中國1996—2009年的碳排放進(jìn)行了分解，定量分析了產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)對(duì)碳排放變動(dòng)的影響，結(jié)果表明未來產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)將有助于減少碳排放。林伯強(qiáng)［7］等(2010)通過對(duì)Kaya恒等式的分解，得出對(duì)中國碳排放影響較為顯著的因素包括經(jīng)濟(jì)增長、收入增加和能源強(qiáng)度。

研究表明，省域間的區(qū)域碳排放存在空間群聚效應(yīng)和空間自相關(guān)性［8］。我國東部十個(gè)省份處于經(jīng)濟(jì)較為發(fā)達(dá)的地區(qū)，在經(jīng)濟(jì)發(fā)展和能源消費(fèi)的拉動(dòng)下，東部地區(qū)一直都是高碳排放的地區(qū)，因此，研究東部地區(qū)碳排放的驅(qū)動(dòng)因素具有重要的意義［9］。

二、碳排放驅(qū)動(dòng)因素的選取及數(shù)據(jù)處理

(一)碳排放驅(qū)動(dòng)因素的選取

在參考已有文獻(xiàn)的基礎(chǔ)上，根據(jù)數(shù)據(jù)的可得性及東部地區(qū)的特點(diǎn)，選取的碳排放驅(qū)動(dòng)因素指標(biāo)如下:

1.人口總量:中國一直是人口大國，隨著人口的增長，人口對(duì)能源的需求也將增長，由此產(chǎn)生的能源消費(fèi)必將導(dǎo)致更多的碳排放。另一方面，人口的增長需要更多的居住空間，森林的砍伐勢(shì)必會(huì)加劇碳排放的速度［10］。

2.人均GDP:一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展程度可以用人均GDP來表示。經(jīng)濟(jì)的發(fā)展往往伴隨著能源的消費(fèi)和嚴(yán)重的環(huán)境污染［11］。

3.產(chǎn)業(yè)結(jié)構(gòu)(第二產(chǎn)業(yè)和第三產(chǎn)業(yè)比值):產(chǎn)業(yè)結(jié)構(gòu)代表了一個(gè)地區(qū)的經(jīng)濟(jì)增長方式。目前中國正處于產(chǎn)業(yè)轉(zhuǎn)型的階段，集約式的第三產(chǎn)業(yè)的發(fā)展會(huì)在發(fā)展經(jīng)濟(jì)的同時(shí)給環(huán)境帶來一定的保護(hù)。

4.城鎮(zhèn)化水平(城鎮(zhèn)人口占總?cè)丝诘谋戎?:經(jīng)濟(jì)的增長和產(chǎn)業(yè)結(jié)構(gòu)的變化都會(huì)不斷催動(dòng)城鎮(zhèn)化進(jìn)程。城鎮(zhèn)人口的增加勢(shì)必會(huì)對(duì)能源使用和排放產(chǎn)生影響，城鎮(zhèn)居住所需要的住房、建筑過程中使用的鋼筋水泥等材料會(huì)產(chǎn)生大量的碳排放量［12］。

5.能源強(qiáng)度:能源強(qiáng)度是指單位GDP所消耗的能源數(shù)量。能源強(qiáng)度越高代表著能源的利用率越低，所以，降低能源強(qiáng)度從而提高能源利用率可以減少碳排放量。

(二)數(shù)據(jù)來源與處理

本文以東部地區(qū)十個(gè)省份及直轄市為研究對(duì)象，包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東。數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》、《中國能源統(tǒng)計(jì)年鑒》、《新中國60年統(tǒng)計(jì)資料匯編》。

由于我國并沒有碳排放量的統(tǒng)計(jì)數(shù)據(jù)，也沒有一個(gè)統(tǒng)一的測(cè)算方式，而化石能源的燃燒通過電力或能源等通道覆蓋了幾乎所有的生產(chǎn)生活領(lǐng)域，因此，化石能源燃燒產(chǎn)生的碳排放量基本上可以代表一個(gè)區(qū)域的碳排放水平。本文采取化石能源，即煤炭、石油和天然氣的消耗數(shù)據(jù)來測(cè)算碳排放量，計(jì)算公式為:

其中，E為各省份三種化石能源的消耗量，αi為第i種一次性能源的碳排放系數(shù)。為了計(jì)算的精確，根據(jù)美國能源署、國家科委氣候變化項(xiàng)目以及徐國泉的測(cè)算數(shù)據(jù)，取其平均值得到煤炭消耗碳排放系數(shù)為0.7329，石油消耗碳排放系數(shù)為0.5574，天然氣消耗碳排放系數(shù)為0.4226。

三、東部地區(qū)各省份之間碳排放的空間相關(guān)性分析

碳排放是氣體排污，在很大程度上會(huì)逸散到周邊地區(qū)，所以存在著空間溢出效應(yīng);同時(shí)，區(qū)域間一體化進(jìn)程的不斷加快，也會(huì)使得碳排放存在空間集聚效應(yīng)［13］。因此，本文首先對(duì)東部地區(qū)十個(gè)省份碳排放的空間集聚效應(yīng)進(jìn)行檢驗(yàn)。

(一)空間權(quán)重矩陣的構(gòu)造與全域空間相關(guān)性檢驗(yàn)

本文運(yùn)用r相鄰方法構(gòu)造空間權(quán)重矩陣，如果區(qū)域相鄰則系數(shù)值為1，即Wij=1，否則是0，即Wij=0。

采用Moran指數(shù)I對(duì)全域空間相關(guān)性進(jìn)行檢驗(yàn)，Moran指數(shù)I用來檢驗(yàn)區(qū)域中鄰近地域之間的相似、相異(空間正相關(guān)、負(fù)相關(guān))或相互獨(dú)立。Moran指數(shù)I的計(jì)算公式如下:

Moran指數(shù)I一般在－1到1之間取值，如果值大于0則表示正相關(guān)，取值越接近1表明具有相似的屬性集聚在一起;如果值小于0則表示負(fù)相關(guān)，取值越接近－1表明具有相異的屬性集聚在一起。如果取值接近0，則表示不存在空間相關(guān)性，相應(yīng)的屬性是隨機(jī)分布的。

運(yùn)用geode軟件對(duì)我國東部地區(qū)十個(gè)省份2000—2012年的碳排放量的空間相關(guān)性進(jìn)行檢驗(yàn)，得到的結(jié)果如圖1所示。圖1中，第一象限代表的是碳排放量高的區(qū)域被碳排放量高的區(qū)域所包圍，第二象限代表的是碳排放量低的區(qū)域被碳排放量高的區(qū)域所包圍，第三象限代表的是碳排放量低的區(qū)域被碳排放量低的區(qū)域所包圍，第四象限代表的是碳排放量高的區(qū)域被碳排放量低的區(qū)域所包圍。如果取值在第一和第三象限，則表示的是正的空間相關(guān)性，也就是說區(qū)域之間存在空間滯后性;反之，如果取值在第二和第四象限，則表示的是負(fù)的空間相關(guān)性，也就是區(qū)域之間存在空間誤差性。

圖1 東部省份及直轄市碳排放Moran I散點(diǎn)圖

從實(shí)證結(jié)果圖1中的Moran指數(shù)I可以看出，在2000—2012年之間，中國東部十個(gè)省域之間的碳排放量存在著集聚效應(yīng)，碳排放較高的省域之間相鄰近，碳排放較低的省域之間相鄰近。東部十個(gè)省份之間存在正的相關(guān)性，碳排放量在區(qū)域之間是相似的。

(二)局域空間相關(guān)性檢驗(yàn)

由于全域空間相關(guān)性檢驗(yàn)存在其局限性，即如果一些省域的碳排放存在正相關(guān)的同時(shí)，其他一些省域的碳排放存在負(fù)相關(guān)，整體體現(xiàn)出的相關(guān)性會(huì)相互抵消，便無法觀測(cè)出空間的相關(guān)性［14］。所以引入局域空間相關(guān)性檢驗(yàn)，其計(jì)算公式如下:

其中，各變量代表的含義與(2)式相同。如果計(jì)算結(jié)果為正，則表示高排放區(qū)被高排放區(qū)包圍或者是低排放區(qū)被低排放區(qū)包圍;如果計(jì)算結(jié)果為負(fù)，則表示高排放區(qū)被低排放區(qū)包圍或者是低排放區(qū)被高排放區(qū)包圍。

為了觀察碳排放量的局域效應(yīng)，本文結(jié)合碳排放數(shù)據(jù)和公式(3)，運(yùn)用geoda軟件計(jì)算出各年的局域Moran指數(shù)，如表1所示。

表1 東部省份及直轄市2000—2012年局域Moran指數(shù)

從表1可以看出，2000—2012年東部地區(qū)的省份中，河北省、遼寧省和山東省都位于第一象限(高－高集聚);北京市和天津市多位于第二象限(低－高集聚);上海市、浙江省和福建省多位于第三象限集聚(低－低集聚);廣東省位于第四象限(高－低集聚)。江蘇省位于第一象限或第一與第二象限的分隔處。東部地區(qū)十個(gè)省份之間的碳排放量并不是隨機(jī)分布的，而是大致上呈正相關(guān)的關(guān)系。因此，東部地區(qū)的省份之間可能存在空間滯后效應(yīng)和空間誤差效應(yīng)。

四、東部省份碳排放影響因素的實(shí)證分析

從前面空間效應(yīng)的分析中可以看出，東部省份的碳排放量存在空間效應(yīng)，進(jìn)一步構(gòu)建空間經(jīng)濟(jì)計(jì)量模型［15］，包括空間滯后模型和空間誤差模型。

(一)空間計(jì)量模型的設(shè)定

根據(jù)本文選的碳排放驅(qū)動(dòng)因素，構(gòu)建改進(jìn)的STIRPAT模型，即以人口數(shù)、人均 GDP、產(chǎn)業(yè)比值、城鎮(zhèn)化水平和能源強(qiáng)度為解釋變量，碳排放量為被解釋變量，結(jié)合柯布－道格拉斯生產(chǎn)函數(shù)的雙對(duì)數(shù)形式，對(duì)模型的兩邊取對(duì)數(shù)得到如下計(jì)量模型:

其中，C為碳排放量，P為人口數(shù)量，PG為人均GDP，TU為產(chǎn)業(yè)比值，UR為城鎮(zhèn)化水平，EN為能源強(qiáng)度，ε為隨機(jī)誤差項(xiàng)。

空間滯后模型研究碳排放在向鄰近的區(qū)域間是否存在擴(kuò)散效應(yīng)。其模型表達(dá)式為:

其中，y為被解釋變量，在這里為某年各省份的碳排放量;X是外生解釋變量矩陣(n*k)，本文中為十個(gè)省份的五個(gè)碳排放影響因素組成的解釋變量矩陣;ρ為空間滯后回歸系數(shù)，是相鄰的空間對(duì)本空間的影響程度;Wy是空間滯后，在這里是y的加權(quán)平均;β反映了解釋變量X對(duì)被解釋變量Y的影響程度;ε是隨機(jī)誤差向量。

結(jié)合研究的影響因素，再對(duì)模型兩邊進(jìn)行對(duì)數(shù)化處理得到如下形式:

其中，ΣwijInC是空間滯后的被解釋變量，ρ為空間回歸系數(shù)，如結(jié)果為正，代表存在正向溢出效應(yīng);如結(jié)果為負(fù)，代表存在負(fù)向的溢出效應(yīng)。

東部省份由于所處的地區(qū)位置不同而使得碳排放在省份間的相互作用存在差異時(shí)采用空間誤差模型，其模型表達(dá)式為:

結(jié)合研究的影響因素，再對(duì)該模型兩邊進(jìn)行對(duì)數(shù)化處理得到如下形式:

(二)實(shí)證分析及估計(jì)結(jié)果

在實(shí)證分析前，先根據(jù)樣本數(shù)據(jù)特征選擇模型形式。為選擇合適的模型，對(duì)空間滯后模型和空間誤差模型分別進(jìn)行Hausman檢驗(yàn)，Hausman檢驗(yàn)的原假設(shè)是應(yīng)采用隨機(jī)效應(yīng)。經(jīng)計(jì)算，結(jié)果P 值為0.0001，遠(yuǎn)小于 0.05，拒絕原假設(shè)，所以本文采取固定效應(yīng)模型。

接下來，由于固定效應(yīng)模型存在時(shí)間固定效應(yīng)和空間固定效應(yīng)兩種，據(jù)此將空間固定效應(yīng)又分為以下幾種:時(shí)間固定效應(yīng)、空間固定效應(yīng)、無固定效應(yīng)和既有時(shí)間又有空間固定效應(yīng)。本文分別給出四種不同效應(yīng)下的空間滯后模型和空間誤差模型的回歸分析，其結(jié)果如表2和表3所示。

比較上述兩個(gè)模型的回歸結(jié)果可以發(fā)現(xiàn)，其中ρ和λ都為正數(shù)，表明存在空間溢出效應(yīng)，東部各省域的碳排放量對(duì)鄰近省域的碳排放量有正向的影響作用。

通過表2和表3的數(shù)據(jù)可以看出，空間滯后模型四種效應(yīng)下的擬合度和對(duì)數(shù)似然函數(shù)值均低于空間誤差模型，所以本文采取空間誤差模型的空間固定效應(yīng)形式作為實(shí)證分析模型。

表2 東部省份碳排放空間滯后模型估計(jì)結(jié)果

表3 東部省份碳排放空間誤差模型估計(jì)結(jié)果

根據(jù)公式(8)和表3，得到的模型為:

根據(jù)模型(9)，得到如下分析結(jié)果:

(1)對(duì)5個(gè)解釋變量的回歸分析結(jié)果可以看出，東部省域的人口數(shù)、人均GDP、城鎮(zhèn)化水平和能源強(qiáng)度的統(tǒng)計(jì)值均通過了1%的顯著性水平檢驗(yàn)，而產(chǎn)業(yè)比值的統(tǒng)計(jì)值沒有通過10%的顯著性水平檢驗(yàn)。

(2)東部省份的人口數(shù)、人均GDP、城鎮(zhèn)化水平和能源強(qiáng)度四個(gè)影響因素的回歸系數(shù)都是正值，它們的增加對(duì)碳排放量有促進(jìn)作用。能源強(qiáng)度的彈性系數(shù)為1.0703，影響程度最大，表明能源強(qiáng)度每增加1%，碳排放量會(huì)增加1.0703%;人口數(shù)和碳排放量的彈性系數(shù)為0.9556，表明人口數(shù)每增加1%，碳排放量會(huì)增加0.9556%;人均GDP和碳排放量的彈性系數(shù)為0.8812，表明人均GDP每增加1%，碳排放量會(huì)增加0.8812%;城鎮(zhèn)化水平和碳排放量的彈性系數(shù)為0.4819，表明城鎮(zhèn)化水平每增加1%，碳排放量會(huì)增加0.4819%，城鎮(zhèn)化水平和碳排放量之間是正向相關(guān)關(guān)系。

(3)空間誤差的估計(jì)參數(shù)λ的結(jié)果為正，并且通過了1%的顯著性水平檢驗(yàn)，表明東部省份的碳排放量存在正的空間效應(yīng)，東部鄰近省域的碳排放之間存在相互促進(jìn)影響。

五、結(jié)論與政策建議

通過分析得出如下結(jié)論和相應(yīng)減排政策:

1.東部省域的經(jīng)濟(jì)與碳排放呈現(xiàn)正相關(guān)關(guān)系，而且東部省域經(jīng)濟(jì)的發(fā)展會(huì)對(duì)碳排放量產(chǎn)生比較大的影響效果。然而經(jīng)濟(jì)發(fā)展也是我國一個(gè)很重要的因素，所以通過控制經(jīng)濟(jì)發(fā)展來達(dá)到抑制碳排放顯然是不可取的，更需要通過提高經(jīng)濟(jì)增長的質(zhì)量從而優(yōu)化經(jīng)濟(jì)發(fā)展的方式來達(dá)到增長經(jīng)濟(jì)和減少碳排放的目的。

2.東部省域的人口數(shù)與碳排放呈現(xiàn)正相關(guān)關(guān)系。中國一直都是人口大國，人口基數(shù)大，特別是東部地區(qū)，由于經(jīng)濟(jì)的發(fā)展不斷吸引著外來人口的遷入，使得東部經(jīng)濟(jì)發(fā)達(dá)地區(qū)的人口密度特別大。計(jì)劃生育是中國國策，如何更好地實(shí)踐這個(gè)國策或采取其他相應(yīng)政策，達(dá)到有效控制東部地區(qū)的人口數(shù)量，提高人口素質(zhì)的目標(biāo)，在人口不斷增長的同時(shí)也注重理性消費(fèi)能源，達(dá)到有效的控制碳排放量的目的。

3.能源強(qiáng)度是導(dǎo)致碳排放的主要因素。中國的經(jīng)濟(jì)發(fā)展和能源消耗一直都是正向相關(guān)的，而能源的消耗更多的是一次能源特別是煤炭的消耗，再加上東部地區(qū)經(jīng)濟(jì)的高速發(fā)展同時(shí)也需要消耗更多的能源，這些都會(huì)更大地加重空氣中的碳排放量。因此，提高能源利用效率特別重要，與此同時(shí)大力開發(fā)新的清潔能源，如太陽能、風(fēng)能的利用，從而有效地控制碳排放量。

4.東部地區(qū)經(jīng)濟(jì)的高速發(fā)展，使得東部地區(qū)的城鎮(zhèn)化水平比西部地區(qū)高，城鎮(zhèn)人口數(shù)量的增加勢(shì)必需要更多的生存空間，消耗更多的能源同時(shí)也產(chǎn)生更多的碳排放量。對(duì)于城鎮(zhèn)化，政府應(yīng)該采取相應(yīng)的政策措施，提高鄉(xiāng)鎮(zhèn)地區(qū)的生活質(zhì)量和就業(yè)，引導(dǎo)人口向鄉(xiāng)鎮(zhèn)流動(dòng)，一方面緩解經(jīng)濟(jì)發(fā)達(dá)區(qū)域的生存壓力，另一方面有效地減緩能源消耗和減少碳排放量。

5.東部地區(qū)第二產(chǎn)業(yè)與第三產(chǎn)業(yè)的比值保持著小幅波動(dòng)的狀態(tài)，并沒有特別大的改變。產(chǎn)業(yè)比值對(duì)碳排放的影響因素效果不明顯。若能優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，加大第三產(chǎn)業(yè)的比值，勢(shì)必將減少碳排放量。

6.對(duì)東部省域的碳排放量進(jìn)行空間效應(yīng)檢驗(yàn)表明，東部省域之間的碳排放量存在空間集聚效應(yīng)。各省份在制定碳減排政策的同時(shí)應(yīng)該考慮到空間效應(yīng)，可以和鄰近的省份制定減排的規(guī)章制度以控制整體的碳排放量。

［1］付加鋒.低碳經(jīng)濟(jì)理論與中國實(shí)證分析［M］.北京:中國環(huán)境科學(xué)出版社，2012.

［2］王 鋒、吳麗華、楊 超.中國經(jīng)濟(jì)發(fā)展中碳排放增長的驅(qū)動(dòng)因素研究［J］.經(jīng)濟(jì)研究，2010，(2):124 －137.

［3］林伯強(qiáng)、蔣竺均，中國二氧化碳的環(huán)境庫茲涅茨曲線預(yù)測(cè)及影響因素［J］.管理世界，2009，(4):33 －42.

［4］陳詩一，能源消耗、二氧化碳排放與中國工業(yè)的可持續(xù)發(fā)展［J］.經(jīng)濟(jì)研究，2009，(4):43－57.

［5］Padilla，E.and J.Roca(2006).The Proposals for a European Tax on CO 2 and Their Implications for Intercountry Distribution.［J］ Environmental and Resource Economics 27(3):27－40.

［6］郭朝先.中國碳排放因素分解:基于LMDI分解技術(shù)［J］.中國人口·資源與環(huán)境，2010，(20):8 －13.

［7］林伯強(qiáng)、姚 昕、劉希穎.節(jié)能和碳排放約束下的中國能源結(jié)構(gòu)戰(zhàn)略調(diào)整［J］.中國社會(huì)科學(xué)，2010，(1):59－72.

［8］龍家勇、吳承禎、洪 偉、林君燕.中國省域二氧化碳排放量的空間自相關(guān)分析［J］.生態(tài)經(jīng)濟(jì)，2011，(10):45－49.

［9］雷玉桃、楊 娟.我國碳排放的空間分布與經(jīng)濟(jì)發(fā)展研究［J］.技術(shù)經(jīng)濟(jì)與管理研究.2013，(3):122 －125.

［10］朱 勤.中國人口、消費(fèi)與碳排放研究［M］.上海:復(fù)旦大學(xué)出版社，2011.

［11］魏下海、余玲錚.空間依賴、碳排放與經(jīng)濟(jì)增長［J］.環(huán)境科學(xué).2011，(1):102 －107.

［12］程葉青、王哲野、張守志、葉信岳、姜會(huì)明.中國能源消費(fèi)碳排放強(qiáng)度及其影響因素的空間計(jì)量［J］.地理學(xué)報(bào)，2013，(10):116 －129.

［13］馬軍杰、陳 震、尤建新.省域一次能源二氧化碳排放的空間計(jì)量經(jīng)濟(jì)分析［J］.技術(shù)經(jīng)濟(jì)，2010，(12):64 －69.

［14］吳玉鳴、呂佩蕾.空間效應(yīng)視角下中國省域碳排放總量的驅(qū)動(dòng)因素分析［J］.桂海論從，2013，(1):46－51.

［15］鄭長德、劉 帥.基于空間計(jì)量經(jīng)濟(jì)學(xué)的碳排放與經(jīng)濟(jì)增長分析［J］.中國人口·資源與環(huán)境，2011，(5):84－90.