丁凡琳 陸軍

摘要：本文以世界第二大碳排放來源——居民生活能耗為研究對象，在估算2007—2016年間中國285個地級市居民能耗碳強(qiáng)度的基礎(chǔ)上，通過自相關(guān)檢驗(yàn)論證了其空間相關(guān)性，并引入改進(jìn)的STIRPAT模型進(jìn)行了空間計量分析。結(jié)果表明：城市居民能耗碳強(qiáng)度存在時空上的路徑依賴，且人口規(guī)模擴(kuò)張和城市產(chǎn)業(yè)結(jié)構(gòu)升級對緩解城市碳強(qiáng)度具有顯著效果，并能夠產(chǎn)生溢出效應(yīng)減弱臨近城市碳強(qiáng)度;財政支出與外商直接投資對區(qū)域減碳的作用效果相異，科技支出占比的增加更能降低碳強(qiáng)度。為此，提出加強(qiáng)城市間碳減排政策聯(lián)動，合理控制人口規(guī)模，積極推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級，適時增加財政投入以鼓勵節(jié)能技術(shù)創(chuàng)新，以及合理引導(dǎo)外商投資方向等建議。

關(guān)鍵詞：碳強(qiáng)度;居民生活能耗;空間影響;碳排放;人口規(guī)模;產(chǎn)業(yè)結(jié)構(gòu)

文獻(xiàn)標(biāo)識碼：A

文章編號：100228482020（02）009212

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

全球氣候變暖已成為人類社會面臨的最嚴(yán)峻挑戰(zhàn)之一。世界氣象組織于2017年發(fā)布的《全球溫室氣體公布》顯示，2016年全球大氣中二氧化碳（CO2）濃度達(dá)到80萬年來的最高水平，全球處于氣候持續(xù)變暖的危險之中。在全球每年排放的CO2氣體中，有90%以上與燃燒化石燃料有關(guān)？其中有76%來源于人為活動所產(chǎn)生的碳排放[1]。在國際能源署（IEA）2018年發(fā)布的《來自燃料燃燒的二氧化碳排放2018：回顧》報告中提到，2016年全球燃料燃燒產(chǎn)生的CO2排放量為3231億噸，同比增長01%，其中與能源消耗有關(guān)的排放量增長了126億噸，并在2018年將仍以大于1%的速率保持其上升趨勢[2]。面對如此嚴(yán)峻大氣危害，控制化石能源的碳排放量以降低對全球氣溫變暖的威脅，已成為全球各國的基本共識。

中國自2007年起已成為全球第一碳排放國。據(jù)中國環(huán)境部環(huán)境規(guī)劃院2014年發(fā)布的《中國環(huán)境經(jīng)濟(jì)核算報告（2004—2010）》》顯示，碳排放是中國PM2.5和PM10的主要來源之一。自2004—2010年間，中國因空氣污染導(dǎo)致的提早死亡人數(shù)達(dá)到35—50萬人，造成健康經(jīng)濟(jì)損失接近同期GDP的1%。面對如此嚴(yán)峻的碳排放威脅，中國政府在近幾年對碳減排給予了充分重視。在2015年簽訂的《巴黎協(xié)議》中，中國政府承諾到2030年實(shí)現(xiàn)單位GDP的二氧化碳排放量比2005年下降60%～65%。這表明中國將在工業(yè)化城鎮(zhèn)化過程中同時實(shí)現(xiàn)低碳綠色轉(zhuǎn)型任務(wù)，是中國實(shí)施碳減排的階段性目標(biāo)，更體現(xiàn)出中國政府致力于減緩全球變暖趨勢的決心。

城市是人類活動最為集中的區(qū)域，產(chǎn)業(yè)與人口的集聚在迅速帶動區(qū)域經(jīng)濟(jì)增長的同時，也伴生成為能源消耗和溫室氣體排放的重點(diǎn)和集中區(qū)域[3]。據(jù)估算，城市每年的能源消耗量占到全球近67%，產(chǎn)生的CO2達(dá)全球總量的71%[4]。我國正處于城鎮(zhèn)化快速發(fā)展的階段，產(chǎn)業(yè)集聚使城市的能源消耗量不斷增加，導(dǎo)致溫室氣體排放量的逐年加劇;城市居民生活水平的提高也拉動了對能源消費(fèi)品的需求，與居民生活相關(guān)的能源消耗所產(chǎn)生的碳排放量已成為僅次于工業(yè)能源消費(fèi)的第二大溫室氣體排放部門[5]。由于大氣具有流動性，都市圈內(nèi)中心城市碳排放所產(chǎn)生的危害存在溢出效應(yīng)，也會影響邊緣城市甚至周邊其他都市圈的環(huán)境與生態(tài)系統(tǒng)。因此，為緩解城市碳排放所引起的連帶影響，評估城市居民能耗碳排放的程度及其空間影響，并實(shí)施有針對性的區(qū)域性減排措施是當(dāng)務(wù)之急。同時，由于居民的消費(fèi)行為受其偏好和效用的影響，能源類商品相似性高、替代性強(qiáng)的性質(zhì)使居民對某一特定種類的能源需求彈性大，從能源消費(fèi)角度分析城市碳排放的強(qiáng)度與影響，進(jìn)而對居民行為進(jìn)行有針對性的引導(dǎo)與干預(yù)，在不影響經(jīng)濟(jì)發(fā)展進(jìn)程的同時，對實(shí)現(xiàn)城市碳減排目標(biāo)具有一定的指導(dǎo)意義[6]。

一、碳排放強(qiáng)度的概念及研究進(jìn)展

碳強(qiáng)度是國際通用的衡量能源利用質(zhì)量和碳排放效率的重要指標(biāo)之一，目前被多國學(xué)者用于分析城市在經(jīng)濟(jì)發(fā)展進(jìn)程中的環(huán)境代價[78]，計算公式為：區(qū)域碳排放總量/區(qū)域GDP×100%，其大小取決于碳排放系數(shù)、能源結(jié)構(gòu)與消費(fèi)總量，并一般會隨著技術(shù)進(jìn)步和經(jīng)濟(jì)增長而呈下降趨勢。我國的“十二五”“十三五”規(guī)劃均將全面降低碳強(qiáng)度納入下一個五年計劃的重要目標(biāo)，體現(xiàn)了中國政府進(jìn)行節(jié)能減排的力度與決心。

（一）估算方法

對測算碳排放強(qiáng)度的研究文獻(xiàn)，均以測算能耗碳排放總量為基礎(chǔ)展開。目前對居民能耗碳排放的范圍界定和能耗測算，主要基于《IPCC溫室氣體排放清單指南》中用于測算能源消耗CO2排放量的碳排放系數(shù)法。Liu等[9]運(yùn)用這一方法測算了1985—1995年我國居民消費(fèi)CO2排放水平，并得到居民直接能源消費(fèi)是影響我國溫室氣體排放重要因素的結(jié)論;Carolina[10]在估算城市居民能源消費(fèi)所產(chǎn)生的碳排放量的基礎(chǔ)上，通過聚類分析證實(shí)了該類碳排放往往被各國政策制定者所忽略，且呈逐年升高態(tài)勢的事實(shí);張艷等[11]結(jié)合城市居民能源消耗特點(diǎn)，將碳排放源具體歸納為交通、取暖、炊事和家庭電器耗電等，并基于這一方法計算出中國地級市在2008年的碳排放水平。

基于碳排放系數(shù)演化而來的結(jié)構(gòu)分解法（SDA）的應(yīng)用也較為廣泛。該方法由Leontief[12]基于一般均衡理論提出，以投入產(chǎn)出表為基礎(chǔ)對包括碳排放在內(nèi)的產(chǎn)業(yè)部各類產(chǎn)品進(jìn)行分解計算。Lenzen[13]利用IO原理從需求角度對澳大利亞的溫室氣體排放行為進(jìn)行了估算，得出居民的能源消費(fèi)是城市碳排放主要來源的結(jié)論;Papathanaspoulou[14]運(yùn)用同樣的方法對希臘居民碳排放進(jìn)行了估算，證實(shí)了1990—2006年希臘碳排放量的增長有60%歸因于居民能源消費(fèi)。然而，中國一般每五年編制一次投入產(chǎn)出表，時間跨度較長，難以用于對時空影響進(jìn)行演化分析。LMDI分解法基于SDA提出，其取對數(shù)平均值的原理使居民能耗碳排放的估算不再受投入產(chǎn)出表時間間隔的限制[15]，目前被很多中國學(xué)者應(yīng)用于對碳排放及其影響因素的測算中。然而，LMDI分解法仍是從生產(chǎn)角度基于能源消耗產(chǎn)業(yè)的投入與產(chǎn)出來計算產(chǎn)品的直接或間接碳產(chǎn)生量，與需求端的居民能耗碳排放仍存在出入。同時，基于這一方法進(jìn)行的影響因素選擇具有一定局限性，其注重時間序列分析的方法在對空間相關(guān)性分析上也受到限制。

此外，以調(diào)研數(shù)據(jù)為基礎(chǔ)進(jìn)行的對微觀個體碳排放的估算，比較具有代表性的為生命周期評價法和碳足跡計算法。生命周期法一般與投入產(chǎn)出法配合使用，以估算能耗產(chǎn)品在全生命周期內(nèi)的碳排放水平。借助這種方法，Bin等[1617]以家庭生活為單位估算出樣本能源消費(fèi)碳排放量，并借此分析引起其變化的動因。相比之下，碳足跡計算法應(yīng)用較少，主要應(yīng)用于針對生活用能和交通出行產(chǎn)生的直接碳排放進(jìn)行估算[18]。

（二）影響因素研究

碳強(qiáng)度作為評價一國碳排放程度的重要指標(biāo)之一，對其影響因素的分析有助于找到影響其強(qiáng)度變動的根源，從而實(shí)施有效的減排機(jī)制和措施。在意識到環(huán)境對人類生存發(fā)展的重要性之后，經(jīng)濟(jì)學(xué)家便將環(huán)境作為重要的外生因子納入經(jīng)濟(jì)學(xué)框架。EKC曲線證實(shí)了以區(qū)域人均GDP指代的經(jīng)濟(jì)發(fā)展水平與部分地區(qū)環(huán)境污染呈現(xiàn)倒U型關(guān)系，并通過在經(jīng)典的內(nèi)生增長模型中加入環(huán)境及治理因素，從生產(chǎn)角度論證出工業(yè)產(chǎn)業(yè)結(jié)構(gòu)對碳排放量的影響[1920]。以碳強(qiáng)度為對象的影響因素分析中，Jorgenson等[21]通過分析全球860個城市45年的面板數(shù)據(jù)，得出人口規(guī)模對城市碳排放強(qiáng)度具有正向影響;程葉青等[22]通過對中國31個省區(qū)碳強(qiáng)度分布的分析，得出碳強(qiáng)度差異主要由省際差異導(dǎo)致，能源資源稟賦、產(chǎn)業(yè)結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)是省區(qū)碳強(qiáng)度的決定因素;方文玉等[23]研究發(fā)現(xiàn)，人口規(guī)模、可支配收入是促進(jìn)居民生活能源碳排放提升的動因。隨著對城市問題研究的進(jìn)一步深入，城市化水平和老齡化等因素對居民碳排放的影響也被予以驗(yàn)證[2426]。

然而，從對碳強(qiáng)度影響因素研究的歸納來看，目前我國對城市居民生活碳強(qiáng)度成因的分析還主要停留于省級層面，對都市圈內(nèi)城市或都市圈之間相關(guān)性的研究較少，忽略了碳排放隨大氣及生產(chǎn)要素流動而產(chǎn)生的空間溢出效應(yīng)。近幾年，隨著環(huán)境經(jīng)濟(jì)地理學(xué)的誕生與發(fā)展，環(huán)境問題研究的視野逐步拓展到區(qū)域間，通過經(jīng)濟(jì)與地理學(xué)科的交叉分析，為以都市圈為代表的區(qū)域環(huán)境優(yōu)化與治理，提供了新的思路。此外，此前關(guān)于碳強(qiáng)度成因的研究大多基于生產(chǎn)者角度分析，將污染視為一種生產(chǎn)成本或附屬產(chǎn)品引入經(jīng)濟(jì)理論模型，而忽略了對居民效用所決定的能源終端消費(fèi)行為的分析，以及其對城市環(huán)境治理與技術(shù)創(chuàng)新的影響?；诖耍疚囊猿鞘袨檠芯繉ο?，試圖測算居民生活碳強(qiáng)度并在空間維度下探究其影響因素，以期為新時代背景下我國都市圈節(jié)能減排戰(zhàn)略的制定，提供實(shí)證依據(jù)。

二、研究模型與方法

馬爾薩斯人口論認(rèn)為“人口的極限增長是導(dǎo)致資源匱乏的關(guān)鍵因素”，是人們關(guān)注環(huán)境問題“因何而生”的開端。人口增長論進(jìn)一步將環(huán)境污染歸咎于人口的集聚，而這種影響是最明智的管理技術(shù)也無法避免的[27]。20世紀(jì)70年代，Ehrlich等[28]為考察環(huán)境變化的決定性因素，創(chuàng)造性地提出了環(huán)境的多元影響因素模型框架：I=PAT（其中，I、P、A和T分別表示環(huán)境影響或壓力、人口、富裕水平以及技術(shù)水平），將環(huán)境影響視為人口、技術(shù)與富裕程度的函數(shù)。Rose等[29]修正了該框架同比例線性變化的局限性，得到STIRPAT模型表達(dá)式：Ii=aPbiAciTdiei（其中，a為常數(shù)項(xiàng)，b、c、d分別為各變量的估計指數(shù)）。STIRPAT模型的優(yōu)點(diǎn)在于以隨機(jī)方式表示各變量對環(huán)境的沖擊，模型形式便于對變量數(shù)量進(jìn)行增減并進(jìn)行對數(shù)轉(zhuǎn)換，是定量分析人為驅(qū)動力對環(huán)境壓力影響的極為有效與直觀的方法[23]。

由于環(huán)境具有外部性，理性經(jīng)濟(jì)人沒有主動減少污染或優(yōu)化環(huán)境的動機(jī)，導(dǎo)致社會整體效益偏離帕累托最優(yōu)，呈現(xiàn)市場失靈狀態(tài)。經(jīng)濟(jì)地理學(xué)將污染解釋為擁擠效應(yīng)，認(rèn)為區(qū)域內(nèi)污染的加劇會導(dǎo)致生產(chǎn)要素的空間流動，進(jìn)而影響周邊區(qū)域的生產(chǎn)和治理決策。Walter等[30]基于這一理論，解釋了發(fā)達(dá)國家的部分產(chǎn)業(yè)向發(fā)展中國家自發(fā)性轉(zhuǎn)移的現(xiàn)象：即由于國家間環(huán)境治理政策的差異，高污染企業(yè)會有意識地向治理政策相對寬松的“污染避難所”集聚;Maddison等[3132]在區(qū)域環(huán)境經(jīng)濟(jì)研究中引入空間因素，得出廢氣排放量的變動很大程度上受到鄰國的影響。因此，在STIRPAT模型基礎(chǔ)上，以環(huán)境污染的負(fù)外部性和要素的區(qū)位選擇理論為依托，結(jié)合中國地級市特點(diǎn)對原有宏觀指標(biāo)進(jìn)行細(xì)化與擴(kuò)充，并加入對空間相關(guān)性的分析，實(shí)現(xiàn)對模型的修正和優(yōu)化。

三、居民能耗碳強(qiáng)度的測算

（一）數(shù)據(jù)來源及方法

為探究城市居民能耗碳強(qiáng)度及其空間相關(guān)性，本文在2008—2017年《中國統(tǒng)計年鑒》《中國城市統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》及各省市統(tǒng)計公報中相關(guān)年份的統(tǒng)計數(shù)據(jù)進(jìn)行整理和運(yùn)算的基礎(chǔ)上，對缺失數(shù)據(jù)采用插值法進(jìn)行補(bǔ)足，估算出各地級市內(nèi)居民生活直接能耗碳排放水平并進(jìn)行空間相關(guān)性檢驗(yàn)。其中，由于拉薩、三沙、畢節(jié)、銅仁與海東等5個地級市個別年份的統(tǒng)計數(shù)據(jù)缺失，為不失估計結(jié)果的一般性，在進(jìn)行空間分析時予以剔除，最終選取中國285個地級市作為研究對象，圍繞居民能耗碳強(qiáng)度進(jìn)行測算與分析。

城市居民直接能耗碳排放是指居民生活中用于交通、取暖、炊事、照明及其他家用電器等直接消費(fèi)的能源所產(chǎn)生的碳排放量[1213]，碳強(qiáng)度是在此基礎(chǔ)上相對于經(jīng)濟(jì)增長的強(qiáng)度。我國疆域幅員遼闊，各地區(qū)由于經(jīng)濟(jì)水平、資源稟賦、氣候條件和居住習(xí)慣等方面差異，使各地級市間居民直接CO2排放水平與結(jié)構(gòu)均存在較大差異。因此，在結(jié)合前人研究結(jié)論基礎(chǔ)上，對碳排放估算中涉及到的差異化能源指標(biāo)進(jìn)行區(qū)域性調(diào)整，使估算結(jié)果具有可比性和精確性。參考《IPCC國家溫室氣體排放清單指南2006》

（二）碳強(qiáng)度的估算結(jié)果

本文通過計算得出，2007—2016年間中國地級市碳強(qiáng)度總體呈逐年升高態(tài)勢，2016年平均水平為14953 kg/元，較10年前減少3237%，但同比略有回升，增長了621%;城市間碳強(qiáng)度差異較10年前也有所提升，在2013年達(dá)到峰值并自2014年開始呈回落趨勢（見表2）。從碳強(qiáng)度的區(qū)域集聚情況來看，碳強(qiáng)度較高的地級市主要集中在我國中東部地區(qū)，東北及華北地區(qū)是碳強(qiáng)度的高集聚區(qū)域（見圖1）。2016年碳強(qiáng)度總體水平呈好轉(zhuǎn)態(tài)勢，東北地區(qū)污染強(qiáng)度的明顯下降是主要動因。通過與碳排放絕對值的交叉對比，發(fā)現(xiàn)這種變化可能與近年來相關(guān)區(qū)域的經(jīng)濟(jì)增速有關(guān)。雖然居民能耗所產(chǎn)生的碳排放總量有增無減，但經(jīng)濟(jì)的規(guī)模性增長使單位GDP承載的碳排放量減少，城市消化自產(chǎn)污染的能力增強(qiáng)。雖然各年份碳強(qiáng)度的測算結(jié)果能夠反映城市居民能耗碳強(qiáng)度的時間差異，但無法顯示城市間存在的碳強(qiáng)度空間溢出效應(yīng)及其影響。

四、模型構(gòu)建及結(jié)果分析

（一）空間相關(guān)性檢驗(yàn)

由于環(huán)境問題存在外部性，因而對碳排放強(qiáng)度問題的研究不能僅局限于某一特定空間，而需兼顧其空間關(guān)系對整個區(qū)域的整體影響。因此，本文引入空間經(jīng)濟(jì)學(xué)研究視角，對碳強(qiáng)度的空間相關(guān)性進(jìn)行檢驗(yàn)和評價，并通過將碳強(qiáng)度的地理空間因素納入模型，使分析結(jié)果更貼近現(xiàn)實(shí)，在相關(guān)減排政策制定時納入對區(qū)域整體聯(lián)動性和協(xié)同性的考量。

1.全局Morans I指數(shù)檢驗(yàn)

在測算各地級市居民能耗碳強(qiáng)度的基礎(chǔ)上，本文通過建立空間權(quán)重矩陣并進(jìn)行相關(guān)性檢驗(yàn)，以探究碳強(qiáng)度的空間依賴關(guān)系。由于某些地級市在空間上與其他城市并不存在地理相鄰關(guān)系（如拉薩、海口等），但在經(jīng)濟(jì)發(fā)展與產(chǎn)業(yè)關(guān)聯(lián)過程中與周邊區(qū)域存在相互關(guān)聯(lián)，因此單純使用地理相鄰原則對空間權(quán)重矩陣進(jìn)行構(gòu)建尚欠完善。為了能夠反映地理與經(jīng)濟(jì)間臨近關(guān)系，在對各類權(quán)重矩陣的優(yōu)劣和應(yīng)用效果進(jìn)行綜合比較后，本文選取經(jīng)過標(biāo)準(zhǔn)化的K=8鄰接矩陣空間相關(guān)性指區(qū)域間某種地理現(xiàn)象或某種屬性值存在一定程度空間依賴或空間異質(zhì)，可通過Morans I指數(shù)進(jìn)行測定。其表達(dá)式為：

其中，Yi第i個地區(qū)的觀測值，Wij為空間權(quán)重矩陣。Morans I指數(shù)取值在[-1，1]之間，越接近1則表示空間單元越集聚，越接近-1則表示越分散，越接近則表示越趨于隨機(jī)分布狀態(tài)。

通過運(yùn)用ArcGIS軟件，得到碳強(qiáng)度各年Z值在0457 756～0668 601之間（見圖2）。相關(guān)性檢驗(yàn)所得到的Z值間均存在正相關(guān)性，表明隨著城市化進(jìn)程的加快，我國地級市居民能耗碳強(qiáng)度的全局自相關(guān)性在10年間一直處于較高水平，空間依賴關(guān)系也不斷增強(qiáng)。

2.局部GetisOrd Gi檢驗(yàn)

與全局自相關(guān)檢驗(yàn)側(cè)重于描述整體趨勢不同，局部自相關(guān)檢驗(yàn)主要用以揭示可能存在的空間變異性。為了能夠更直觀地反映地級市間的分散與集聚關(guān)系，本文采用GetisOrd Gi指數(shù)的冷熱點(diǎn)分析，來揭示局部地區(qū)是否存在統(tǒng)計顯著的集聚高值或低值。其公式為：

為觀察城市碳排放強(qiáng)度的時空變化情況，本文運(yùn)用ARCGIS102軟件分別計算其在2007—2016年間的冷熱點(diǎn)分布，發(fā)現(xiàn)熱點(diǎn)區(qū)主要集中在東北和華北地區(qū)地級市，表情該區(qū)域的碳排放強(qiáng)度具有較強(qiáng)的局部相關(guān)性（見圖3）。通過對比不同年份冷熱點(diǎn)圖發(fā)現(xiàn)，冷熱點(diǎn)集聚區(qū)域整體格局始終保持不變，表明地級市間居民生活碳排放空間相關(guān)性長期存在。從具體省市分布情況來看，碳排放強(qiáng)度的集聚區(qū)域基本保持穩(wěn)定，熱點(diǎn)區(qū)主要集中在北部地區(qū)，以東北部和內(nèi)蒙古地區(qū)為最，表明該區(qū)域存在碳排放的高集聚;但2011年以后，熱點(diǎn)效果在華北地區(qū)逐漸減弱，而東北地區(qū)仍保持顯著熱點(diǎn)效果;冷點(diǎn)區(qū)主要集中在中南部區(qū)域，覆蓋省市包括云南、江西、四川、重慶、廣西、湖北、湖南、廣東、海南等，表明該區(qū)域的碳排放屬于低集聚。隨著時間的推移，云南和青海、重慶、廣東等省市的這種效果在不斷減弱。因此，從全局與局部檢驗(yàn)可知，我國地級市之間碳排放強(qiáng)度的空間相關(guān)性確實(shí)存在。產(chǎn)生這種現(xiàn)象的原因，一方面由于供暖作為城市居民直接能耗碳排放的主要來源之一，在我國南北部存在較大差異，另一方面也受到不同區(qū)域經(jīng)濟(jì)條件的影響。

（二）變量選取

為進(jìn)一步探究城市居民能耗碳強(qiáng)度動因及其空間影響，本文選取2007—2016年中國285個地級市的面板數(shù)據(jù)，結(jié)合環(huán)境經(jīng)濟(jì)學(xué)理論和經(jīng)典文獻(xiàn)研究結(jié)論對傳統(tǒng)STIRPAT模型進(jìn)行修正，對涉及的人口、富裕程度和技術(shù)水平等基礎(chǔ)變量進(jìn)行重新界定：加入人口的平方項(xiàng)以觀測其是否對因變量存在指數(shù)變化關(guān)系，添加

其空間滯后變量以探究人口規(guī)模集聚效應(yīng)對碳排放強(qiáng)度的作用[3436];同時，加入空間滯后因子以表示邊變量間的空間相關(guān)性;加入科技支出和外商直接投資和來反映城市的技術(shù)水平與開放程度[3738]，通過引入第二三產(chǎn)業(yè)產(chǎn)值占GDP比重替代富裕程度，以反映經(jīng)濟(jì)規(guī)模與結(jié)構(gòu)[39，20];結(jié)合對外國相關(guān)研究文獻(xiàn)的參考，加入常用于探討城市問題的土地規(guī)模作為控制變量，以增加模型的解釋能力。選取的具體變量及變量說明見表3。

（三）系統(tǒng)GMM估計

為了全面探究相關(guān)因素對碳強(qiáng)度的動態(tài)影響，避免變量內(nèi)生性導(dǎo)致的估計偏誤[40]，本文選取基于系統(tǒng)廣義矩估計（系統(tǒng)GMM）的動態(tài)面板回歸模型對變量的顯著性和作用方向進(jìn)行初識，并添加因變量的一階滯后項(xiàng)和內(nèi)生性的變量滯后項(xiàng)作為工具變量，模型形式為：

在不考慮空間相關(guān)性的條件下，由于樣本為平衡端面板數(shù)據(jù)，可直接進(jìn)行系統(tǒng)GMM估計，得到的回歸結(jié)果見表4。為減少潛在內(nèi)生性對模型結(jié)果的影響，加入因變量intensity的一階滯后項(xiàng)，同時將檢驗(yàn)后存在內(nèi)生性的第二產(chǎn)業(yè)占比的一階滯后項(xiàng)作為工具變量，代入模型迭代共46次，得到Wald檢驗(yàn)結(jié)果為22944。其中，人口規(guī)模及其二次項(xiàng)的估計值雖通過了顯著性檢驗(yàn)，但與碳強(qiáng)度的關(guān)系未呈現(xiàn)倒U型，而是隨著人口規(guī)模的增加，單位GDP的碳排放量呈逐步好轉(zhuǎn)態(tài)勢。而第三產(chǎn)業(yè)產(chǎn)值占比變量估計系數(shù)符號相反，表明第三產(chǎn)業(yè)發(fā)展對減少城市碳強(qiáng)度具有促進(jìn)效應(yīng)。在此基礎(chǔ)上對模型擾動項(xiàng)進(jìn)行自相關(guān)檢驗(yàn)（ArellanoBond test），得到Z2值為087125（P=03836），未通過5%的顯著性檢驗(yàn)，可視為基本消除模型內(nèi)生性。

（四）空間杜賓模型

依托于系統(tǒng)GMM的估計結(jié)果，本文在空間計量框架下對模型進(jìn)行優(yōu)化，以分析各因素變動對區(qū)域的綜合效應(yīng)。參考Lesage等[41]給出的空間杜賓模型（SDM）對假設(shè)進(jìn)行改進(jìn)，將變量的空間相關(guān)關(guān)系引入模型，得到空間計量模型的形式為：

通過對考慮隨機(jī)效應(yīng)和固定效應(yīng)的空間杜賓模型分別進(jìn)行回歸（見表4），兩種效應(yīng)的Hausman檢驗(yàn)結(jié)果為-19391，且隨機(jī)效應(yīng)得到關(guān)鍵變量系數(shù)的結(jié)果優(yōu)于固定效應(yīng)，因而選取隨機(jī)效應(yīng)模型結(jié)果進(jìn)行分析，得到除土地規(guī)模外其他變量及截距項(xiàng)的估計結(jié)果均顯著，其中人口規(guī)模、第二產(chǎn)業(yè)產(chǎn)值占比和科技支出占比3個變量的空間滯后項(xiàng)結(jié)果均通過了1%的顯著性檢驗(yàn)，表明這些因素存在空間溢出效應(yīng)，在空間上對周邊區(qū)域碳強(qiáng)度存在溢出影響。同時，通過Wald和LM檢驗(yàn)，得到結(jié)果不能同時滿足原假設(shè)，因而空間杜賓模型（SDM）不能簡化為空間誤差模型（SEM）或空間滯后模型（SLM）。

空間杜賓模型給出了雙向隨機(jī)效應(yīng)的估計值，但由于模型中納入了變量的空間滯后項(xiàng)，需要對解釋變量的空間影響程度進(jìn)行進(jìn)一步探討。因此，本文將模型結(jié)果分解為直接與間接效應(yīng)，以便了解不同變量變動對系統(tǒng)各部分影響的沖擊。從模型結(jié)果（表5）來看，intensityt-1的估計系數(shù)顯著為正，表明碳強(qiáng)度受本地和周邊城市前置期碳強(qiáng)度的影響;pop的直接效應(yīng)與間接效應(yīng)均顯著為負(fù)，表明人口規(guī)模對城市及周邊區(qū)域的碳強(qiáng)度具有減緩效果，即人口規(guī)模的增加能夠促進(jìn)其能耗碳強(qiáng)度的降低;相反，pop2回歸系數(shù)并不顯著，表明當(dāng)前人口規(guī)模對城市發(fā)展仍具正向效率，且尚未呈現(xiàn)明顯的倒U或N型變化態(tài)勢;ser對碳強(qiáng)度存在負(fù)向的直接和間接效應(yīng)，表明服務(wù)類產(chǎn)業(yè)在過去10年對城市環(huán)境的碳排放低于其經(jīng)濟(jì)貢獻(xiàn)，這種對碳強(qiáng)度的削弱效果也會影響周邊區(qū)域，而ind卻未表現(xiàn)出這樣的外溢效果;rd存在負(fù)向的直接效應(yīng)為負(fù)，表明財政支出比例的增加在一定程度上能夠降低碳強(qiáng)度，但這種創(chuàng)新驅(qū)動的空間溢出效果并不明顯;fdi為城市帶來的直接與間接效應(yīng)均為正，表明樣本期內(nèi)外國資本的投向以城市高能耗產(chǎn)業(yè)為主，帶動了居民能耗碳強(qiáng)度的增加。

（五）模型結(jié)果分析

1.人口規(guī)模是驅(qū)動能耗碳強(qiáng)度變動的根本動因

城市是人口集聚的產(chǎn)物，其經(jīng)濟(jì)與環(huán)境的變動歸根結(jié)底是人類行為決策的結(jié)果。人口擴(kuò)張帶動了城市經(jīng)濟(jì)和能源消費(fèi)的增加，在樣本期內(nèi)呈現(xiàn)對碳強(qiáng)度指標(biāo)的消減效果。其原因可以用本地市場效應(yīng)機(jī)理予以解釋。中國地級市在近10年仍處于人口增加推進(jìn)經(jīng)濟(jì)規(guī)模增長的上升階段，快速城鎮(zhèn)化為城市生產(chǎn)提供了充足的勞動力供給，社會福利處于邊際效益大于邊際成本的提升階段。都市圈內(nèi)中心城市的發(fā)展會傳導(dǎo)并帶動周邊區(qū)域，圈內(nèi)城市在規(guī)模經(jīng)濟(jì)的帶動下表現(xiàn)出同樣的碳強(qiáng)度減少態(tài)勢。隨著城市人口密度的增加，擁擠效應(yīng)使人口集聚帶來的邊際效益遞減、邊際成本遞增，人們便會開始需求更為優(yōu)化的發(fā)展策略，通過改變需求偏好，有意識的進(jìn)行減少碳源、增加替代能源消費(fèi)的行為，從需求角度推動區(qū)域產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化調(diào)整。

2.產(chǎn)業(yè)結(jié)構(gòu)調(diào)整有助于緩解區(qū)域整體碳強(qiáng)度水平

碳強(qiáng)度能夠?qū)⑴c城市品質(zhì)相關(guān)的碳污染和經(jīng)濟(jì)增長兩類指標(biāo)納入到同一分析框架中，通過對產(chǎn)業(yè)結(jié)構(gòu)變化帶來的邊際成本和邊際效益比較，樣本期內(nèi)地級市第二、三產(chǎn)業(yè)占GDP比重的提升均可實(shí)現(xiàn)碳強(qiáng)度的降低，而第三產(chǎn)業(yè)占比增加的效果也會外溢到周邊城市。服務(wù)業(yè)產(chǎn)值占比較高的城市，其產(chǎn)業(yè)結(jié)構(gòu)逐步向高科技、低耗能方向調(diào)整，對煤炭等化石燃料能源消耗較高的產(chǎn)業(yè)對城市經(jīng)濟(jì)貢獻(xiàn)占比減少，甚至被其他產(chǎn)業(yè)所替代。此外，服務(wù)業(yè)的引入提升了城市生活品質(zhì)，使居民在滿足基本生活需要的基礎(chǔ)上，加速了對城市環(huán)境、生態(tài)質(zhì)量的需求。

3.碳強(qiáng)度存在時空上的路徑依賴

城市居民能耗碳強(qiáng)度的路徑依賴特性主要表現(xiàn)在時間和空間兩個維度上。在時間維度上，由于居民對能源消費(fèi)具有行為慣性，尤其對城市中直接能耗占比較高的電力、供暖、交通等環(huán)節(jié)存在剛性需求，這種消費(fèi)粘性在無外力干預(yù)下短期內(nèi)不會劇烈波動，城市碳強(qiáng)度在某一期間內(nèi)會呈現(xiàn)同趨勢變化。在空間維度上，受到產(chǎn)業(yè)集群和消費(fèi)行為趨同的影響，中心城市與周邊區(qū)域的碳強(qiáng)度存在空間依賴關(guān)系，其影響不受行政邊界的限制且存在循環(huán)累計因果效應(yīng)，中心城市的能源消費(fèi)習(xí)慣會隨著生產(chǎn)要素的流動影響周邊城市，并在區(qū)域內(nèi)形成空間疊加效果。因此，能源消費(fèi)的空間關(guān)聯(lián)性和溢出性會影響所在區(qū)域的碳排放決策的特征[42]，使節(jié)能減排成為某一時間段內(nèi)、整個區(qū)域需合作應(yīng)對的問題。

4.中外資本對碳強(qiáng)度的作用效果存在差異

投資為城市經(jīng)濟(jì)增長帶來新的活力，也對居民消費(fèi)具有拉動作用。然而在對城市居民能耗碳強(qiáng)度的影響上，中外投資顯示出不同的作用效果。以政府科技支出為代表的國內(nèi)資金對臨近區(qū)域的碳強(qiáng)度存在減弱效果?？萍纪顿Y額度在一定程度上反映了地方政府對科技創(chuàng)新的重視程度，創(chuàng)新是改善產(chǎn)業(yè)結(jié)構(gòu)和城市環(huán)境質(zhì)量的動因，而財政支出為產(chǎn)業(yè)和技術(shù)創(chuàng)新了資金支持和政策導(dǎo)向，有助于實(shí)現(xiàn)“波特假說”所認(rèn)為的，產(chǎn)業(yè)的技術(shù)創(chuàng)新與競爭，能夠在提升生產(chǎn)效率的同時，驅(qū)動生態(tài)環(huán)境優(yōu)化。相比之下，樣本期內(nèi)外商直接投資對地級市居民能耗碳強(qiáng)度具有正效應(yīng)。這與此前Chaudhur等的研究結(jié)論[4344]相一致，認(rèn)為由于現(xiàn)階段FDI主要投于國內(nèi)高能耗產(chǎn)業(yè)，對碳排放強(qiáng)度具有正向刺激。誠然，文中FDI的行業(yè)投向并未細(xì)化，其對城市碳排量和經(jīng)濟(jì)增幅的具體影響還需深入探究。

五、結(jié)論與政策性啟示

本文以減緩全球變暖為出發(fā)點(diǎn)，基于中國政府對于碳減排的宏觀規(guī)劃和戰(zhàn)略目標(biāo)，以作為第二大碳源的城市居民能耗為研究對象，通過對其碳強(qiáng)度指標(biāo)的測算、空間相關(guān)性及成因分析，以期從居民能源消費(fèi)角度探究降低城市碳強(qiáng)度的方法。通過選取2007—2016年中國285個地級市的面板數(shù)據(jù)，分別對城市居民直接能源消耗的主要環(huán)節(jié)進(jìn)行分類測算，并在此基礎(chǔ)上完成碳強(qiáng)度水平的估計?；诳臻g溢出效應(yīng)分析，對碳強(qiáng)度數(shù)據(jù)的空間相關(guān)性進(jìn)行檢驗(yàn)，進(jìn)一步提出相關(guān)城市間居民能耗碳強(qiáng)度存在空間收斂性和空間交互效應(yīng)。為了進(jìn)一步探究碳強(qiáng)度的成因及影響，實(shí)現(xiàn)從能源需求側(cè)降低每單位產(chǎn)值的邊際碳排放，以STIRPAT模型框架為基礎(chǔ)進(jìn)行時空改進(jìn)與變量優(yōu)化，根據(jù)計量結(jié)果從人口、消費(fèi)、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和投資等角度解釋需求側(cè)碳強(qiáng)度及其空間影響的成因，為實(shí)現(xiàn)城市碳減排治理目標(biāo)提供新的思考角度。隨著中國城鎮(zhèn)化的快速發(fā)展，城市之間生產(chǎn)要素流動和貿(mào)易往來愈發(fā)密切，高效率的物流網(wǎng)絡(luò)和跨區(qū)域的產(chǎn)業(yè)集群使城市經(jīng)濟(jì)發(fā)展不再受行政邊界的限制，空間依賴性不斷增強(qiáng)。環(huán)境作為一種公共物品，其外部性特征決定了政府干預(yù)的必然性;而其具有的時空相關(guān)性及其與經(jīng)濟(jì)增長之間不可分割的緊密關(guān)系，使政府的治理決策不僅要考慮對城市本身的影響，更要尊重關(guān)聯(lián)城市間市場機(jī)制的自我選擇與調(diào)整。在市場機(jī)制作用下，人口與經(jīng)濟(jì)規(guī)模變化驅(qū)動區(qū)域能源消費(fèi)與要素行為的轉(zhuǎn)變，以居民能耗碳強(qiáng)度為代表的污染指標(biāo)的高低是其內(nèi)在作用機(jī)制的外顯結(jié)果。

基于模型分析結(jié)果，可以從以下幾方面對區(qū)域碳排放強(qiáng)度進(jìn)行控制。首先，基于居民生活能耗碳強(qiáng)度具有空間集聚的特點(diǎn)，在進(jìn)行減排政策制定時對地理相鄰或具有密切經(jīng)濟(jì)聯(lián)系的城市要盡量協(xié)調(diào)一致，以避免在本城市實(shí)施減排政策時，對其他相鄰城市產(chǎn)生“污染避難所”效應(yīng)，削弱減排政策的效果。應(yīng)建立健全從區(qū)域整體視角出發(fā)的減排聯(lián)動機(jī)制，將碳排放這一具有空間溢出效應(yīng)的問題在區(qū)域內(nèi)實(shí)現(xiàn)效應(yīng)的內(nèi)部化?？赏ㄟ^構(gòu)建聯(lián)防聯(lián)動機(jī)制，重點(diǎn)對碳排放空間相關(guān)程度較高的東北、華北地區(qū)相關(guān)省市實(shí)施聯(lián)防聯(lián)控，通過政策上的統(tǒng)籌協(xié)同，以降低區(qū)域整體絕對碳排放水平。此外，應(yīng)避免由于區(qū)域間非引導(dǎo)性產(chǎn)業(yè)轉(zhuǎn)移所可能導(dǎo)致的“碳泄漏”現(xiàn)象，把握當(dāng)前工業(yè)化、城鎮(zhèn)化發(fā)展契機(jī)，在推動經(jīng)濟(jì)增長的同時，通過引入新技術(shù)和合理的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，以降低碳排放規(guī)模，建立區(qū)域低碳的可持續(xù)發(fā)展經(jīng)濟(jì)模式。同時，對于城市而言，人口規(guī)模是一把雙刃劍，對城市發(fā)展的效益取決于其帶來的邊際經(jīng)濟(jì)收益與邊際環(huán)境成本的關(guān)系。通過對人口規(guī)模和人口結(jié)構(gòu)的合理調(diào)控，在不影響經(jīng)濟(jì)發(fā)展節(jié)奏的前提下，減少邊際產(chǎn)值的碳排放量，降低區(qū)域能源消耗，提升城市宜居性和生活品質(zhì)。其次，產(chǎn)業(yè)類型與結(jié)構(gòu)關(guān)系到城市經(jīng)濟(jì)增長的效率和可持續(xù)性，可以通過招商引資政策，有目的地促進(jìn)高精尖產(chǎn)業(yè)在區(qū)域內(nèi)集群，逐步清退原有產(chǎn)能過剩的高耗能產(chǎn)業(yè)，改善城市產(chǎn)業(yè)結(jié)構(gòu)，形成以核心城市輻射帶動周邊中小城市產(chǎn)業(yè)協(xié)同的城市產(chǎn)業(yè)網(wǎng)絡(luò)體系。這種以高新技術(shù)產(chǎn)業(yè)帶動建立的產(chǎn)業(yè)網(wǎng)絡(luò)既能夠增加城市間的經(jīng)濟(jì)聯(lián)系，提升區(qū)域競爭地位，

新技術(shù)的引入能夠有效提升生產(chǎn)效率，更能吸引同類型企業(yè)集聚，產(chǎn)生規(guī)模效應(yīng)，

更能夠通過產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化環(huán)節(jié)對能源的依賴，降低區(qū)域碳強(qiáng)度。最后，可以適時增加政府財政支出以鼓勵技術(shù)創(chuàng)新與人才培養(yǎng)，合理引導(dǎo)外商資金流向，加強(qiáng)對低碳、新能源、新材料類產(chǎn)業(yè)的培養(yǎng)和扶持;通過區(qū)域交流與合作推動知識溢出，實(shí)現(xiàn)由創(chuàng)新和智慧驅(qū)動的內(nèi)生增長機(jī)制。

參考文獻(xiàn)：

[1]IPCC. Climate change 2007： The fourth assessment report of the intergovernment panel on climate change [M]. England： Cambridge University Press， 2007.

[2]International Energy Agency. CO2 emissions from fuel combustion （2018 edition） [EB/OL]. （20181030）. https： ∥doiorg/101787/co2_fuel2018en.

[3]蔡博峰. 中國城市溫室氣體清單研究 [J]. 中國人口·資源與環(huán)境， 2012（1）： 2127.

[4]IEA. World energy outlook 2008 [R]. Paris： IEA， 2008.

[5]李科. 我國城鄉(xiāng)居民活能源碳排放的影響因素分析 [J]. 消費(fèi)經(jīng)濟(jì)， 2013（2）： 7376+80.

[6]Zheng B， Zhang Q， Steven J， et al. Infrastructure shapes differences in the carbon intensities of Chinese cities [J]. Environmental Science & Technology， 2018， 52（10）： 60326041.

[7]Greening L A， Ting M， Krackler T J. Effects of changes in residential enduses and behavior on aggregate carbon intensity： Comparison of 10 OECD countries for the period 1970 through 1993 [J]. Energy Economics， 2001， 23（2）： 153178.

[8]Schipper L， Murtishaw S， Khrushch M， et al. Carbon emissions from manufacturing energy use in 13 IEA countries： Longterm trends through 1995 [J]. Energy Policy， 2001， 29（9）： 667688.

[9]Liu H T， Guo J E， Qian D， et al. Comprehensive evaluation of household indirect energy consumption and impacts of alternative energy policies in China by inputoutput analysis [J]. Energy Policy， 2009， 37（8）： 31943204.

[10]Carolina H. Factors influencing residents energy use-A Study of energyrelated behavior in 57 Swedish homes [J]. Energy and Biuldings， 2015， 87（1）： 243252.

[11]張艷， 秦耀辰， 閆衛(wèi)陽， 等， 我國城市居民直接能耗的碳排放類型及影響因素 [J]. 地理研究， 2012（2）： 345356.

[12]Leontief W W. Quantitative input and output relations in the economic systems of the United States [J]. Review of Economics and Statistics， 1936， 18（3）： 105125.

[13]Lenzen M. Primary energy and greenhouse gases embodied in Australian final consumption： An inputoutput analysis [J]. Energy Policy， 1998， 26（6）： 495506.

[14]Papathanasopoulou E. Household consumption， associated fossil fuel demand and carbon dioxide emissions： The case of Greece between 1990 and 2006 [J]. Energy Policy， 2010， 38（8）： 41524162.

[15]Ang B W. Decomposition analysis for policymaking in energy： Which is the preferred method？ [J]. Energy Policy， 2004， 32（9）： 11311139.

[16]Bin S， Dowlatabadi H. Consumer lifestyle approach to US energy use and the related CO2 emissions [J]. Energy Policy， 2005， 33（2）： 197208.

[17]Wei Y M， Liu L C， Fan Y. The impact of lifestyle on energy use and CO2 emission： An empirical analysis of Chinas residents [J]. Energy Policy， 2007， 35（1）： 247257.

[18]Padgett J P， Sterinemann A C， Clarke J H， et al. A comparison of carbon calculators [J]. Environmental Impact Assessment Review， 2008， 28（2/3）： 106115.

[19]黃菁， 陳霜華. 環(huán)境污染治理與經(jīng)濟(jì)增長： 模型與中國的經(jīng)驗(yàn)研究 [J]. 南開經(jīng)濟(jì)研究， 2011（1）： 142152.

[20]原嫄， 席強(qiáng)敏， 孫鐵山， 等. 產(chǎn)業(yè)結(jié)構(gòu)對區(qū)域碳排放的影響——基于多國數(shù)據(jù)的實(shí)證分析 [J]. 地理研究， 2016（1）： 8294.

[21]Jorgenson A K， Clark B. Assessing the temporal stability of the population/environment relationship in comparative perspective： A crossnational panel study of carbon dioxide emissions， 19602005 [J]. Population & Environment， 2010， 32（1）： 2741.

[22]程葉青， 王哲野， 張守志， 等. 中國能源消費(fèi)碳排放強(qiáng)度及其影響因素的空間計量 [J]. 地理學(xué)報， 2013（10）： 14181431.

[23]萬文玉， 趙雪雁， 王偉軍. 中國城市居民生活能源碳排放的時空格局及影響因素分析 [J]. 環(huán)境科學(xué)學(xué)報， 2016（9）： 34453455.

[24]Nag B， Parikh J. Indicators of carbon emission intensity from commercial energy use in India [J]. Energy Economics， 2000， 22（4）： 441461.

[25]Chikaraishi M， Fujiwara A， Kaneko S， et al. The moderating effects of urbanization on carbon dioxide emissions： A latent class modeling approach [J]. Technological Forecasting & Social Change， 2015， 90（A）： 302317.

[26]Feng Z H， Zou L L， Wei Y M. The impact of household consumption on energy use and CO2 emissions in China [J]. Energy， 2011， 36（1）： 656670.

[27]德內(nèi)拉·梅多斯， 喬根·蘭德斯， 丹尼斯·梅多斯. 增長的極限 [M]. 李寶恒， 譯. 長春： 吉林出版社， 1997： 810.

[28]Ehrlich P， Holdren J. Impact of population growth in population， resources and the environment [M]. Washington DC： US Government Printing Office， 1972.

[29]Rosa E A， Dietz T. Climate change and society： Speculation， construction and scientific investigation [J]. International Sociology， 1998， 13（4）： 421455.

[30]Walter I， Ugelow J L. Environmental policies in developing countries [J]. Ambio， 1979， 8（2/3）： 102109.

[31]Maddison D. Environmental kuznets curves： A spatial econometric approach [J]. Journal of Environmental Economics and Management， 2006， 51（2）： 218230.

[32]蘇梽芳， 胡日東， 林三強(qiáng). 環(huán)境質(zhì)量與經(jīng)濟(jì)增長庫茲尼茨關(guān)系空間計量分析 [J]. 地理研究， 2009（2）： 303310.

[33]徐盈之， 王書斌. 碳減排是否存在空間溢出效應(yīng)？——基于省際面板數(shù)據(jù)的空間計量檢驗(yàn) [J]. 中國地質(zhì)大學(xué)學(xué)報（社會科學(xué)版）， 2015（1）： 4150.

[34]朱勤， 彭希哲， 陸志明， 等. 人口與消費(fèi)對碳排放影響的分析模型與實(shí)證 [J]. 中國人口·資源與環(huán)境， 2010（2）： 98102.

[35]李泉， 馬黃龍. 人口集聚及外商直接投資對環(huán)境污染的影響——以中國39個城市為例 [J]. 城市問題， 2017（12）： 5664.

[36]胡宗義， 王天琦. 人口結(jié)構(gòu)和經(jīng)濟(jì)增長對碳排放的影響分析 [J]. 經(jīng)濟(jì)數(shù)學(xué)， 2018（3）： 17.

[37]姚奕， 倪勤. 中國地區(qū)碳強(qiáng)度與FDI的空間計量分析——基于空間面板模型的實(shí)證研究 [J]. 經(jīng)濟(jì)地理， 2011（9）： 14321438.

[38]張兵兵， 徐康寧， 陳庭強(qiáng). 技術(shù)進(jìn)步對二氧化碳排放強(qiáng)度的影響研究 [J]. 資源科學(xué)， 2014（3）： 567576.

[39]查建平， 唐方方， 別念民. 結(jié)構(gòu)性調(diào)整能否改善碳排放績效？——來自中國省級面板數(shù)據(jù)的證據(jù) [J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2012（11）： 1833.

[40]Roodman D. How to do xtabond2： An introduction to difference and system GMM in Stata [J]. The Stata Journal， 2009， 9（1）： 86136.

[41]Lesage J， Pace R K. Introduction to spatial econometrics [M]. New York： CRC Press， 2009.

[42]劉華軍， 劉傳明， 孫亞男. 中國能源消費(fèi)的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)特征及其效應(yīng)研究 [J]. 中國工業(yè)經(jīng)濟(jì)， 2015（5）： 8395.

[43]Chaudhuri S， Mukhopadhyay U. Foreign direct investment， environmentally sound technology and informal sector [J]. Economic Modelling， 2013， 31（3）： 206213.

[44]龔新蜀， 王曼， 張洪振. FDI、市場分割與區(qū)域生態(tài)效率： 直接影響與溢出效應(yīng) [J]. 中國人口·資源與環(huán)境， 2018（8）： 95104.

責(zé)任編輯、校對： 李再揚(yáng)