碳排放空間差異的影響因素：計量識別與政策含義

張恩英 孟凡軍

摘?要：優(yōu)化能源消耗結(jié)構(gòu)，實現(xiàn)工業(yè)低碳發(fā)展，是實現(xiàn)雙碳目標(biāo)的必由之路。本文運用IPCC方法核算中國各地區(qū)2005-2020年的工業(yè)二氧化碳排放量，并利用Kaya-LMDI模型將工業(yè)二氧化碳排放分解為能源結(jié)構(gòu)、工業(yè)能源強度、工業(yè)經(jīng)濟規(guī)模和工業(yè)從業(yè)人員規(guī)模四種驅(qū)動因素。在此基礎(chǔ)上，采用STIRPAT模型分析工業(yè)碳排放驅(qū)動因素在不同經(jīng)濟地區(qū)影響作用的差異。研究發(fā)現(xiàn)：目前中國工業(yè)二氧化碳減排效果顯著，但仍存在較大的空間差異，碳排放在地理分布上集中于華東與華南地區(qū)，存在不均衡性，其他地區(qū)也存在協(xié)同化或多極化的碳排放格局；且各因素作用效果差異明顯，工業(yè)能源強度對碳排放具有顯著抑制作用，工業(yè)經(jīng)濟規(guī)模隨著經(jīng)濟的高質(zhì)量發(fā)展將逐漸實現(xiàn)對碳排放的脫鉤效應(yīng)，能源結(jié)構(gòu)優(yōu)化程度存在空間異質(zhì)性，結(jié)構(gòu)性減排將是未來的主要減排方式；提高能源消耗技術(shù)水平、推動能源結(jié)構(gòu)體系的低碳轉(zhuǎn)型是未來協(xié)同經(jīng)濟高質(zhì)量發(fā)展實現(xiàn)“碳達(dá)峰”的主要路徑。

關(guān)鍵詞：CO2減排；能源消耗結(jié)構(gòu)；因素分解模型；STIRPAT模型；空間差異

中圖分類號：F127??文獻(xiàn)標(biāo)識碼：A??文章編號：1001-148X（2023）04-0103-12

收稿日期：2023-04-26

作者簡介：張恩英（1967-），女，黑龍江賓縣人，教授，博士，研究方向：國民經(jīng)濟核算與宏觀經(jīng)濟統(tǒng)計分析；孟凡軍（1966-），本文通訊作者，男，黑龍江慶安人，副教授，研究方向：綠色會計核算。

基金項目：國家社會科學(xué)基金一般項目“暢通國內(nèi)大循環(huán)視域下居民消費潛力的多維測度研究”，項目編號：21BTJ061。

一、引?言

在“深入制造強國戰(zhàn)略”下，我國制造業(yè)比重在未來較長時間內(nèi)將保持基本穩(wěn)定，工業(yè)作為制造業(yè)的主體，仍將是國民經(jīng)濟發(fā)展的支柱產(chǎn)業(yè)，同時，也是傳統(tǒng)化石能源消費的重點領(lǐng)域。隨著中國工業(yè)化進(jìn)程迅速推進(jìn)，工業(yè)經(jīng)濟總量躍居世界第一，大量工業(yè)產(chǎn)品產(chǎn)量位居世界前列，但隨之而來的是久居高位不下的碳排放水平。根據(jù)中國能源報告，2020年中國工業(yè)碳排放量高達(dá)5164億噸，占全國碳排放總量的4975%，而工業(yè)化石能源消費產(chǎn)生的二氧化碳占碳排放總量的70%以上?？梢娭袊I(yè)的碳排放水平是中國實現(xiàn)“碳達(dá)峰、碳中和”的一大阻力?！半p碳目標(biāo)”是我國未來經(jīng)濟發(fā)展的重要方向，而實現(xiàn)“雙碳目標(biāo)”的關(guān)鍵在于推進(jìn)新型工業(yè)化，改變依靠化石能源高消耗的傳統(tǒng)發(fā)展模式。因此，厘清我國工業(yè)二氧化碳排放驅(qū)動因素并考察空間差異性對制定差異性碳減排政策、推進(jìn)產(chǎn)業(yè)綠色轉(zhuǎn)型具有重要的現(xiàn)實意義。

關(guān)于碳排放影響因素的探索，文獻(xiàn)研究表明經(jīng)濟增長始終是工業(yè)碳排放的主要驅(qū)動因素［1］，并且對二氧化碳排放具有“先促進(jìn)后限制”的倒“U型”非線性效應(yīng)，人口規(guī)模與碳排放存在顯著正相關(guān)關(guān)系［2］，而產(chǎn)業(yè)結(jié)構(gòu)對工業(yè)碳排放的影響是較為復(fù)雜的，不同地區(qū)、不同行業(yè)的產(chǎn)業(yè)發(fā)展階段和產(chǎn)業(yè)結(jié)構(gòu)都存在一定差異，其對碳排放的影響也表現(xiàn)出一定程度的異質(zhì)性［3-4］。此外，能源技術(shù)的發(fā)展對碳排放存在負(fù)向影響，存在顯著負(fù)相關(guān)關(guān)系，通過發(fā)展能源使用技術(shù)可以顯著抑制二氧化碳的排放。但也有文獻(xiàn)發(fā)現(xiàn)，在減排后期，該因素反而會增加碳排放，技術(shù)進(jìn)步不僅僅會提高能源使用效率，也會推進(jìn)新一輪能源革命，增加成熟的可再生能源技術(shù)，優(yōu)化能源消耗結(jié)構(gòu)，改變工業(yè)發(fā)展依賴化石能源的歷史現(xiàn)狀［5］。

對碳排放影響因素的分析方法，較為經(jīng)典的包括因素分解法，即通過Kaya恒等式和投入產(chǎn)出表分解出碳排放的主要驅(qū)動因素，或運用LMDI分解公式將其驅(qū)動因素進(jìn)行分解［6］，還有根據(jù)經(jīng)濟理論或以往研究確定出影響因素后，采用Tapio解耦模型彈性分析的方法探索驅(qū)動因素與碳排放的脫鉤效應(yīng)及解耦現(xiàn)象［7-8］。另外，在近年國外的相關(guān)研究中，較多集中在參數(shù)及非參數(shù)回歸模型，包括用于分析環(huán)境污染的STIRPAT模型［9-10］、面板數(shù)據(jù)線性模型［11］以及自回歸分布滯后模型與相關(guān)檢驗?zāi)Ｐ偷龋?2］。與國外研究方法不同，由于我國“碳達(dá)峰”進(jìn)程進(jìn)入收尾階段，考慮到中國國土遼闊，區(qū)域差異較大，研究文獻(xiàn)更集中于空間模型的應(yīng)用，將空間計量經(jīng)濟學(xué)模型、馬爾可夫模型等與碳排放研究相結(jié)合［13-15］，合理測算空間自相關(guān)指數(shù)［16］，以及用衛(wèi)星遙感等方法［17］探究區(qū)域之間的離散及團聚效應(yīng)等等?，F(xiàn)有研究成果顯示，中國當(dāng)前碳排放總量呈地域分布差異的特征［18］，工業(yè)碳排放一直處于增加狀態(tài)并且由之前的以正增長為主的“低碳-橫向擴張”模式轉(zhuǎn)變?yōu)楝F(xiàn)在的規(guī)模增長主導(dǎo)的“低碳-縱向擴張”模式，工業(yè)碳排放空間分布總體差距隨其向東演化呈擴大趨勢，表現(xiàn)出較為穩(wěn)定的空間集聚效應(yīng)［19］。

綜上，盡管以往文獻(xiàn)對碳減排問題進(jìn)行了多角度探討，并利用不同方法分解了碳排放的影響因素，但是研究中所涵蓋的樣本年限較短，也沒有探討全國經(jīng)濟區(qū)域—省域聯(lián)動的空間差異。如工業(yè)化進(jìn)程不同的城市，其經(jīng)濟結(jié)構(gòu)、產(chǎn)業(yè)格局存在一定差異，導(dǎo)致其碳排放強度與因素影響出現(xiàn)異質(zhì)性。因此，實現(xiàn)“雙碳”目標(biāo)必須精準(zhǔn)識別碳排放的空間分布以及驅(qū)動因素。本文的邊際貢獻(xiàn)如下：（1）厘清碳排放的理論機制，經(jīng)濟發(fā)展通過經(jīng)濟規(guī)模效應(yīng)、技術(shù)效應(yīng)與結(jié)構(gòu)效應(yīng)三種途徑影響碳排放；（2）運用擴展的Kaya-LMDI分解模型對中國工業(yè)碳排放進(jìn)行因素分解，引入了能源結(jié)構(gòu)因素，并深入分析能源結(jié)構(gòu)、工業(yè)經(jīng)濟發(fā)展等因素對工業(yè)碳排放的影響；（3）采用STIRPAT模型分析工業(yè)碳排放的空間差異及影響因素，精準(zhǔn)分辨區(qū)域間及區(qū)域內(nèi)部各因素影響差異，為推進(jìn)“雙碳”目標(biāo)，制定地區(qū)差異性碳減排政策提供理論參考。

二、理論機制分析

根據(jù)上述相關(guān)文獻(xiàn)的梳理，經(jīng)濟發(fā)展、技術(shù)創(chuàng)新、能源革命以及人口規(guī)模是工業(yè)碳排放的幾大影響因素，理論機制分析如下：

（一）經(jīng)濟發(fā)展與碳排放的庫茲涅茲理論

19世紀(jì)Grossman和Krueger提出經(jīng)濟增長與環(huán)境質(zhì)量之間存在倒“U”型曲線關(guān)系，經(jīng)濟發(fā)展對工業(yè)碳排放通過經(jīng)濟規(guī)模效應(yīng)、技術(shù)效應(yīng)與結(jié)構(gòu)效應(yīng)三種途徑影響碳排放：（1）規(guī)模效應(yīng)。經(jīng)濟增長從兩方面對碳排放產(chǎn)生驅(qū)動影響：一方面經(jīng)濟增長要增加初始產(chǎn)品投入，進(jìn)而增加資源的使用；另一方面更多產(chǎn)出也帶來碳排放的增加。（2）技術(shù)效應(yīng)。高經(jīng)濟發(fā)展水平與更好的環(huán)保技術(shù)、高效率技術(shù)緊密相聯(lián)。在一國經(jīng)濟增長過程中，研發(fā)支出上升，推動技術(shù)進(jìn)步，產(chǎn)生兩方面的影響：一是其他不變時，技術(shù)進(jìn)步提高生產(chǎn)率，改善資源的使用效率，降低單位產(chǎn)出的要素投入，削弱生產(chǎn)對自然與環(huán)境的影響，減少碳排放；二是清潔技術(shù)不斷開發(fā)和取代傳統(tǒng)技術(shù)，并有效地循環(huán)利用資源，降低了單位產(chǎn)出的碳排放。（3）結(jié)構(gòu)效應(yīng)。隨著經(jīng)濟水平提高，產(chǎn)業(yè)結(jié)構(gòu)會隨之做出調(diào)整優(yōu)化，其產(chǎn)出結(jié)構(gòu)和投入結(jié)構(gòu)也會發(fā)生變化。在早期階段，工業(yè)經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)從輕工業(yè)向能源密集型重工業(yè)轉(zhuǎn)變，增加了污染與碳排放，隨后經(jīng)濟轉(zhuǎn)向技術(shù)密集型產(chǎn)業(yè)，通過低碳技術(shù)改變投入結(jié)構(gòu)，單位產(chǎn)出的排放水平下降。

規(guī)模效應(yīng)推動碳排放，而技術(shù)效應(yīng)和結(jié)構(gòu)效應(yīng)抑制碳排放。在經(jīng)濟起飛階段，資源的使用超過了資源的再生，規(guī)模效應(yīng)超過了技術(shù)效應(yīng)和結(jié)構(gòu)效應(yīng)，環(huán)境惡化；當(dāng)經(jīng)濟發(fā)展到新階段，技術(shù)效應(yīng)和結(jié)構(gòu)效應(yīng)勝出，環(huán)境惡化減緩。最終呈現(xiàn)出二者之間的倒“U”型曲線關(guān)系。

（二）技術(shù)進(jìn)步與能源革命抑制碳排放

能否通過科技創(chuàng)新以及能源革命減少能耗與提高能效，使工業(yè)發(fā)展在節(jié)約有限的能源資源前提下減少碳排放至關(guān)重要［20］。為實現(xiàn)“碳達(dá)峰”與“碳中和”目標(biāo)和疫情后經(jīng)濟綠色復(fù)蘇，在不影響人民生活水平提高前提下，亟須依靠科技創(chuàng)新提升可再生能源比重、降低重點排放行業(yè)能耗和排放強度、提高能源利用效率、改善制造工藝、推進(jìn)低碳原料替代等。科技創(chuàng)新與技術(shù)進(jìn)步主要通過三方面控制碳排放，首先其直接效應(yīng)為提高能源利用效率，推動工業(yè)碳減排；另外兩個間接效應(yīng)分別為提升綠色創(chuàng)新水平推動經(jīng)濟高質(zhì)量發(fā)展與推進(jìn)能源革命、改變能源結(jié)構(gòu)，抑制碳排放水平。

當(dāng)前正在進(jìn)行第三次能源轉(zhuǎn)型，其能源轉(zhuǎn)型的核心內(nèi)容就是開發(fā)利用可再生能源，以建立低碳、可持續(xù)的能源供給與能源消費體系為目標(biāo)。加快技術(shù)創(chuàng)新，推動太陽能、風(fēng)能、地?zé)崮艿瓤稍偕茉撮_發(fā)、存貯和傳輸技術(shù)進(jìn)步，提升新能源利用效率和發(fā)展速度，提高對新能源發(fā)電特性的把握與運用，包括氣象精準(zhǔn)預(yù)測技術(shù)、儲能技術(shù)、效率改進(jìn)技術(shù)等，以清潔、低碳、可再生能源取代化石能源，改變煤基能源為主的工業(yè)能源消耗結(jié)構(gòu)，實現(xiàn)能源結(jié)構(gòu)的跨越演進(jìn)與轉(zhuǎn)變是抑制工業(yè)碳排放的根本內(nèi)容。

（三）人口通過能源需求影響碳排放

碳排放分為生產(chǎn)側(cè)碳排放與消費側(cè)碳排放，人口集中于消費側(cè)對碳排放產(chǎn)生影響，人口的增長勢必會推動產(chǎn)品與服務(wù)需求的增長，對能源需求的總量就會隨之增加，從而對碳排放產(chǎn)生正向影響。人口總量的增長可以細(xì)分為人口規(guī)模與人口結(jié)構(gòu)兩方面，其中，人口結(jié)構(gòu)指的是人口年齡、性別、城鎮(zhèn)化等結(jié)構(gòu)模式，不同結(jié)構(gòu)人群的需求是不同的，通過需求影響產(chǎn)業(yè)結(jié)構(gòu)從而影響能源需求結(jié)構(gòu)。對于工業(yè)碳排放人口結(jié)構(gòu)的變動非常小，人口變動的總量即人口規(guī)模對碳排放的影響要更加顯著，并且人口規(guī)模的擴大會直接增加對能源的需求，在煤基能源為主的能源結(jié)構(gòu)和電力系統(tǒng)下，意味著能源消耗所產(chǎn)生的碳排放量會越來越多。

圖1?中國工業(yè)碳排放影響因素驅(qū)動路徑

三、模型設(shè)定及因素分解

（一）對數(shù)均值離差指數(shù)（Kaya-LMDI）模型及因素分解

學(xué)者Kaya最早發(fā)現(xiàn)了經(jīng)濟、政策和人口等因素對環(huán)境所產(chǎn)生的影響，提出了Kaya恒等式，本研究在Kaya恒等式的基礎(chǔ)上進(jìn)行擴展，并綜合運用對數(shù)平均指數(shù)分解法LMDI將二氧化碳排放的歷史變化分解為五個驅(qū)動因素指標(biāo)：二氧化碳排放強度、能源結(jié)構(gòu)、技術(shù)效應(yīng)、工業(yè)經(jīng)濟規(guī)模和工業(yè)從業(yè)人員規(guī)模。Kaya-LMDI恒等式具體形式為：

Ct=∑7i=1Cti=∑7i=1CtiEti×EtiEt×EtQt×QtPt×Pt=∑7i=1Dti×Mti×Tt×St×Pt（1）

式中，Ct表示工業(yè)二氧化碳排放總量，Cti某省工業(yè)消耗i能源二氧化碳排放量，Eti表示某省i能源消耗量，Et表示某省能源消耗總量，Qt表示某省工業(yè)增加值（為消除價格指數(shù)帶來的影響，文章以2005年為基期，對各年數(shù)據(jù)進(jìn)行平減，使其具有可比性），Pt表示某省工業(yè)從業(yè)人員規(guī)模。D=CtiEti表示二氧化碳排放強度，M=EtiEt表示工業(yè)能源結(jié)構(gòu)，T=EtQt表示工業(yè)能源強度，S=QtPt表示工業(yè)經(jīng)濟規(guī)模，P表示工業(yè)從業(yè)人員規(guī)模，從t到t+1年二氧化碳排放變化量為：Ct+1－Ct=ΔC=ΔCd+ΔCm+ΔCt+ΔCs+ΔCp+ΔCrsd。

由于考慮到二氧化碳排放強度D受能源利用程度的影響，但在能源使用技術(shù)水平未顯著突破前，碳排放強度基本保持不變，即ΔCd=0。因此主要圍繞能源結(jié)構(gòu)、工業(yè)能源強度、工業(yè)經(jīng)濟規(guī)模和工業(yè)從業(yè)人員規(guī)模4個因素進(jìn)行分析。ΔCm是工業(yè)能源結(jié)構(gòu)效應(yīng)引起的二氧化碳排放變化量，表明該省內(nèi)工業(yè)的能源結(jié)構(gòu)對二氧化碳排放增長的貢獻(xiàn)；ΔCt是工業(yè)能源強度引起的二氧化碳排放變化量，表明該省內(nèi)工業(yè)的生產(chǎn)技術(shù)、能源效率和生產(chǎn)效率所引發(fā)的碳排放強度的變化對二氧化碳增長的貢獻(xiàn)；ΔCs是工業(yè)經(jīng)濟規(guī)模引起的二氧化碳排放變化量；ΔCp是工業(yè)從業(yè)人員規(guī)模引起的二氧化碳排放變化量；ΔCrsd為分解余量。借鑒Ang對分解效應(yīng)公式的定義，t到t+1年各分解因子的LMDI的效應(yīng)公式表示如下：

ΔCm=∑L（Ct+1i，Cti）lnMt+1Mt

ΔCt=∑L（Ct+1i，Cti）lnTt+1Tt

ΔCs=∑L（Ct+1i，Cti）lnSt+1St

ΔCp=∑L（Ct+1i，Cti）lnPt+1Pt

L（Ct+1i，Cti）=Ct+1i－CtilnCt+1i－lnCti，Ct+1i≠Cti

Ct+1i，Ct+1i=Cti≠0

0，Ct+1i=Cti=0（2）

Kaya-LMDI分解模型分為上述“加法”和“乘法”兩種形式。由于兩種方法的最終分解結(jié)果相同，而加法形式更能夠比較清晰直觀地分解出影響因素，故本文采用“加法”模型對各因素進(jìn)行分解。

（二）STIRPAT計量模型及變量確定

1模型構(gòu)建

Kaya-LMDI分解法將二氧化碳排放C分解為工業(yè)能源結(jié)構(gòu)M、工業(yè)能源強度T、工業(yè)經(jīng)濟規(guī)模S和工業(yè)從業(yè)人員規(guī)模P四個影響因素，為了明確這些因素的變化在總體上會對二氧化碳排放造成什么程度的影響，引入York等提出的STIRPAT模型：I=aPb1Ab2Tb3c，為減少異方差的影響，將模型兩邊取對數(shù)做線性變換得到如下模型：

lnIt=lna+b1lnPt+b2lnAt+b3lnTt+μi（3）

其中I為對環(huán)境的影響，P為人口，A為社會富裕程度，T為技術(shù)水平。取對數(shù)后，式中的b1、b2、b3表示其他的影響因素不變的條件下，P、A和T變化1%時引起的環(huán)境變化的百分比。因為針對的問題是二氧化碳排放量的變化，因此可以將STIRPAT模型中的環(huán)境影響（I）與之前分解模型中的二氧化碳排放量（C）對應(yīng)起來，同理工業(yè)能源強度（T）同之前分解模型中的技術(shù)效應(yīng)（T）對應(yīng)起來，社會富裕程度（A）對應(yīng)工業(yè)經(jīng)濟規(guī)模（S），工業(yè)從業(yè)人員規(guī)模（P）。但是STIRPAT模型沒有包括工業(yè)能源結(jié)構(gòu)（M），因此需要在STIRPAT模型中添加這個變量，所以其計量模型表達(dá)式為：

lnIit=lna+b1lnPit+b2lnSit+b3lnTit+b4lnMit+μit（4）

2變量說明

（1）工業(yè)人口規(guī)模指標(biāo)P，用第二產(chǎn)業(yè)中的工業(yè)從業(yè)人員數(shù)表示。

（2）工業(yè)經(jīng)濟規(guī)模指標(biāo)S，該指標(biāo)同因素分解模型中的工業(yè)經(jīng)濟規(guī)模效應(yīng)，即為S=QtPt。

（3）能源強度指標(biāo)T，表示工業(yè)發(fā)展中碳減排的技術(shù)規(guī)模，同因素分解模型中的技術(shù)規(guī)模效應(yīng)，在該模型中作為解釋變量。

（4）能源結(jié)構(gòu)指標(biāo)M，選取工業(yè)中導(dǎo)致二氧化碳排放量不斷上升的七種主要化石燃料，即煤炭、焦炭、原油、汽油、柴油、燃料油與天然氣，由于涉及七種能源，所以在進(jìn)行回歸之前，先根據(jù)熵值法確定能源結(jié)構(gòu)M中的七種能源的權(quán)重，測算能源結(jié)構(gòu)綜合指標(biāo)，明確模型中被解釋變量與各解釋變量，對模型進(jìn)行估計。

四、二氧化碳排放量核算及驅(qū)動因素分析

（一）二氧化碳排放量的核算及空間演進(jìn)動態(tài)

1核算方法

中國對二氧化碳排放量沒有具體的統(tǒng)計數(shù)據(jù)，所以文中根據(jù)《中國能源統(tǒng)計年鑒》《中國及各省統(tǒng)計年鑒》收集整理上述七類能源的具體消費量并進(jìn)行排放量估算。根據(jù)《2006年IPCC國家溫室氣體清單指南》，二氧化碳排放量估算公式如下：

TCO2=∑7i=1（ADi×EFi），ADi=FCi×NCVi×10－6，EFi=CCi×OFi×（44/12）（5）

式中，TCO2表示二氧化碳排放量的估計值（噸）；ADi表示第i種（i表示化石燃料的種類，i=1，2，，7）化石燃料的活動水平（太焦），以熱值表示；EFi表示第i種燃料的排放因子（噸二氧化碳/太焦）；FCi表示第i種化石燃料的消耗量（噸，103標(biāo)準(zhǔn)立方米）；NCVi表示第i種化石燃料的平均低位發(fā)熱值（千焦/千克，千焦/標(biāo)準(zhǔn)立方米）；CCi表示第i種化石燃料的單位熱值含碳量（噸碳/太焦）；OFi表示第i種化石燃料的碳氧化率（%）；44/12表示二氧化碳與碳的分子量之比。不同種類能源的碳排放系數(shù)、凈發(fā)熱值與二氧化碳氧化因子如表1所示［21］。

2中國工業(yè)碳排放的空間布局及演進(jìn)

將收集整理的能源消費量數(shù)據(jù)（折合為標(biāo)準(zhǔn)煤）代入到碳排放量核算公式，得到2005-2020年各省市的二氧化碳排放量結(jié)果，限于篇幅，略去各地區(qū)工業(yè)二氧化碳排放量變化趨勢圖。

除西藏自治區(qū)因數(shù)據(jù)難以獲取而排除在外，其他30個省市自治區(qū)2005-2020年間的工業(yè)二氧化碳排放的總量變化趨勢表明：大部分省市的工業(yè)二氧化碳排放量在2005-2011年都呈不斷攀升趨勢，而從2011年開始呈現(xiàn)下降趨勢，其中較為明顯的省區(qū)包括江西省、遼寧省、內(nèi)蒙古自治區(qū)和山東省等，導(dǎo)致這種趨勢變化的原因有很多，不過其中主要因素還是經(jīng)濟的不斷發(fā)展、政策的宏觀調(diào)控與技術(shù)水平的提高，中國從2010年前后陸續(xù)出臺了各種“低碳城市”“工業(yè)減排”“綠色制造”等相關(guān)政策，并通過增加R&D資金投入、緊抓技術(shù)創(chuàng)新等方式提高碳減排技術(shù)水平，從圖2可以看到，很多省區(qū)的二氧化碳排放變動還是較為明顯的；其次大部分省區(qū)在2018年受氣候與經(jīng)濟發(fā)展的影響致使碳排放量在全球范圍內(nèi)迅速增長，之后在2019和2020年的碳排放速率又開始下降，由于受疫情影響，工業(yè)發(fā)展受到抑制，二氧化碳的排放呈下降趨勢，但由于受各地極端天氣的影響，導(dǎo)致碳排放水平下降并不劇烈。

從各省區(qū)的排放總量水平來看，差異仍然不小，河北省、山東省等省區(qū)的排放總量遠(yuǎn)超其他地區(qū)，河北省是中國近代工業(yè)發(fā)展的搖籃，是中國為數(shù)不多的工業(yè)強省之一，山東省同樣是中國工業(yè)強省之一，其工業(yè)門類在全球?qū)用嫔戏浅｝R全，在能源消耗方面也是巨量的，但是在二氧化碳排放水平上，二者都隱隱露出“N”字形的發(fā)展趨勢，這種趨勢與中國的工業(yè)減排政策要求不大相符，減碳目標(biāo)是對中國總體上的宏觀要求，相比河北省、山東省而言，碳排放量較少的省市如北京市、海南省、青海省、上海市等，其工業(yè)發(fā)展并非經(jīng)濟發(fā)展中的主要部分，但在2011年之后其工業(yè)碳排放量仍然存在正增長趨勢。

以2005、2015、2020年為主要監(jiān)測點，從2005年到2020年中國工業(yè)碳排放的區(qū)位布局演變呈現(xiàn)出較為明顯的特點，新疆、西藏、青海、甘肅、寧夏等地區(qū)的工業(yè)碳排放量較低，并逐年減少。相對西部各地區(qū)來說，中國中部的各地區(qū)及黑龍江省、吉林省兩地，整體上，碳排放水平更高，但仍然呈現(xiàn)出逐年減少趨勢，而山東、江蘇兩地的碳排放水平雖然也表現(xiàn)出下降趨勢，但是在2015-2020年之間，其碳排放絕對量變化較小。縱觀中國全域，16年間，中國工業(yè)碳排放格局表現(xiàn)出由外而內(nèi)的聚集性，呈現(xiàn)“東高西低”分布的排放格局，高碳城市集中在東部，其中河北省始終位于碳排放省區(qū)首位，而內(nèi)蒙古自治區(qū)從2005年到2015年碳排放明顯降低，但是到2020年出現(xiàn)回升趨勢，釋放危險信號，與河北省一同成為未來減排的重點對象。其他的省區(qū)則表現(xiàn)出逐年向好的發(fā)展態(tài)勢，按照目前工業(yè)碳減排的發(fā)展趨勢，當(dāng)全部省區(qū)碳排放量無明顯波動，各因素驅(qū)動影響逐漸減弱或各驅(qū)動因素正向貢獻(xiàn)保持低水平且穩(wěn)定時，中國就基本跨過了碳達(dá)峰階段。

（二）基于Kaya-LMDI的累積效應(yīng)測算及驅(qū)動因素分析

1碳排放的累積效應(yīng)測算

運用“加法”分解模型將CO2排放分解為四個驅(qū)動因素，并分別表示各驅(qū)動因素對二氧化碳排放增量的影響，累積效應(yīng)及其貢獻(xiàn)率表示的是在測算各分解因素之后，計算出的自2005-2020年16年的各因素對碳排放增量的總影響，各驅(qū)動因素對碳排放增量的絕對貢獻(xiàn)及相對貢獻(xiàn)的測算結(jié)果如表2所示。

如表2所示，各省區(qū)的工業(yè)二氧化碳排放變化量總效應(yīng)ΔC并不是都漸趨增加或減少，區(qū)域之間的排放總量累積效應(yīng)差別較大，將累積效應(yīng)水平按數(shù)值正負(fù)方向分為兩類，其正負(fù)方向表示到從2005年開始直到2020年末為止，各省區(qū)的二氧化碳排放總量水平的累積變化方向，負(fù)向則表示該省區(qū)16年的累積碳排放量減少，反之，正向則表示累積碳排放量增加，累積水平能直觀表現(xiàn)出某省區(qū)的碳排放水平。

中國除西藏自治區(qū)以外的30個省區(qū)中，有近1/3的省區(qū)都顯著地控制了二氧化碳的增加，其中CO2減排工作最好的省市是北京市以及四川省，分別為-178880、-81504（萬噸），此外還包括青海省、貴州省、湖南省、湖北省、廣東省、福建省等地。其他省區(qū)對CO2排放的控制程度略差，都有不同程度的增長，其中控制相對較差的有河北省、山東省、內(nèi)蒙古自治區(qū)，分別增長了1386573、280966、267733（萬噸）。在正向累積效應(yīng)的分類地區(qū)中，河北省的工業(yè)二氧化碳排放水平大致是其他同類地區(qū)水平的6倍，所以正向效應(yīng)地區(qū)仍然是中國工業(yè)二氧化碳減排的重點對象。

從碳排放驅(qū)動因素對碳排放累積效應(yīng)貢獻(xiàn)率角度來看，能源結(jié)構(gòu)對工業(yè)二氧化碳的累積效應(yīng)大多都是驅(qū)動作用，其中河北省的驅(qū)動效應(yīng)最為顯著，其次為內(nèi)蒙古自治區(qū)與江蘇省等，只有少數(shù)省區(qū)表現(xiàn)出抑制作用，如青海省、四川省、安徽省、河南省、福建省等；在人口的累積貢獻(xiàn)中，表現(xiàn)為顯著的區(qū)域差異，在中部平原如河南省、山東省、湖北省、安徽省等人口密集省區(qū)表現(xiàn)為強驅(qū)動作用，而在人口聚集性較弱的東北地區(qū)則表現(xiàn)出一定的抑制作用，另外，新疆維吾爾自治區(qū)與內(nèi)蒙古自治區(qū)也表現(xiàn)出較強的驅(qū)動作用；經(jīng)濟發(fā)展規(guī)模的累積貢獻(xiàn)在青海省、甘肅省、山西省、河北省、山東省、遼寧省等地表現(xiàn)出明顯的驅(qū)動效果，而在其他地區(qū)基本都顯示出對工業(yè)碳排放的抑制作用，經(jīng)濟規(guī)模的影響較為獨特，整個中國版圖上呈現(xiàn)出南北均抑制，中間貫穿“雞腹”的交界地帶表現(xiàn)出驅(qū)動效果的特殊影響格局，這也說明經(jīng)濟發(fā)展還沒有實現(xiàn)與碳排放的脫鉤，但是有望進(jìn)一步減小其驅(qū)動作用；最后，能源強度累計貢獻(xiàn)率集中在中部與東南部表現(xiàn)出抑制作用，包括東南沿海地區(qū)到寧夏回族自治區(qū)、青海省、四川省等省區(qū)的內(nèi)陸區(qū)域。其他地區(qū)基本表現(xiàn)出較弱程度的驅(qū)動作用，僅河北省、山東省以及黑龍江省表現(xiàn)出較大程度的驅(qū)動作用。

2驅(qū)動因素分析

（1）不同驅(qū)動因素對累積效應(yīng)貢獻(xiàn)度差異明顯。四種因素中相對影響較小的是工業(yè)能源結(jié)構(gòu)ΔCm的影響，這說明對比其他三種因素，中國部分地區(qū)的能源結(jié)構(gòu)已經(jīng)得到了優(yōu)化，對碳排放的驅(qū)動作用逐漸減弱，但碳排放仍然存在較大的空間差異。但在北京市、天津市、浙江省、海南省等地，能源結(jié)構(gòu)影響依然是主要因素。中國的能源消費基本都是以煤炭為主，多種能源互補的能源消費體系，大部分省區(qū)的能源結(jié)構(gòu)效應(yīng)都顯示出對碳排放的驅(qū)動作用，只有少部分省區(qū)呈現(xiàn)出抑制效果，不過抑制作用相對較小，這說明大部分省區(qū)仍然要繼續(xù)推進(jìn)能源結(jié)構(gòu)的優(yōu)化，盡早改變以煤炭為主的能源消費體系，實現(xiàn)能源結(jié)構(gòu)的脫鉤，進(jìn)一步縮小由能源結(jié)構(gòu)推動的碳排放區(qū)域差異。

除能源結(jié)構(gòu)外，目前另一影響碳排放的主要因素是工業(yè)能源強度ΔCt，除天津市、黑龍江省、遼寧省、山東省、云南省等少部分省區(qū)外，其他省份的能源強度效應(yīng)都顯示出對工業(yè)碳排放的抑制作用，并且抑制效果明顯，這說明想要縮小碳排放區(qū)域不平衡性，就需要提高工業(yè)能源利用效率與技術(shù)水平，比如推廣碳減排技術(shù)，提高能源利用效率以及工業(yè)生產(chǎn)效率等，而在經(jīng)濟規(guī)模與人口規(guī)模兩因素的影響程度上，二者都呈現(xiàn)高低不齊的驅(qū)動或抑制效果，具體的效應(yīng)貢獻(xiàn)需要通過計量模型進(jìn)行準(zhǔn)確分析。

（2）不同方向累積效應(yīng)驅(qū)動因素影響不同。以正、負(fù)向累積效應(yīng)區(qū)域典型地區(qū)為代表，河北省工業(yè)發(fā)展水平較高、二氧化碳排放程度最大，在河北省2005-2020年間累積效應(yīng)貢獻(xiàn)率方面，能源結(jié)構(gòu)、工業(yè)能源強度與經(jīng)濟規(guī)模都顯示出正向拉動作用，而人口規(guī)模則顯示出負(fù)向抑制作用，其中工業(yè)能源強度的影響程度相對較大一些，為6591%，影響程度最小的為能源結(jié)構(gòu)，為1632%，所以在控制工業(yè)CO2排放上，優(yōu)化能源結(jié)構(gòu)的同時，工作重心要傾斜于提高工業(yè)能源強度與擴大經(jīng)濟規(guī)模兩部分來減少CO2的排放；而同樣作為工業(yè)大省的山東省，其能源結(jié)構(gòu)對碳排放的影響非常小，說明其優(yōu)化較為合理，人口規(guī)模表現(xiàn)出強抑制作用，而工業(yè)能源強度表現(xiàn)出拉動作用，兩省作為代表，再次說明對于我國工業(yè)碳減排的工作重心仍然是技術(shù)水平的提高。

北京市的工業(yè)CO2排放與河北省差異較大，其影響因素中，工業(yè)經(jīng)濟規(guī)模顯示出正向的拉動作用，其貢獻(xiàn)為1691%，其他因素的負(fù)向抑制作用效果分別為-937%、-9844%與-910%，這說明在控制北京市的工業(yè)碳排放工作中，能源結(jié)構(gòu)、技術(shù)水平以及人口規(guī)模的控制都較為合理，對比全國來看，能源結(jié)構(gòu)的調(diào)整效果非常顯著，達(dá)到了能源消耗的結(jié)構(gòu)性減排效果，并且工業(yè)能源強度的強抑制效果表現(xiàn)出技術(shù)水平在減排工作中的重要作用，但是北京市作為政治經(jīng)濟文化中心，其經(jīng)濟發(fā)展并不以工業(yè)發(fā)展為主，對于全國的工業(yè)碳減排工作有一定的參考價值。

五、工業(yè)碳排放的空間差異分析

（一）模型的確定與檢驗

相較于Kaya-LMDI因素分解模型，STIRPAT模型的優(yōu)勢在于：一方面可以分析各因素影響水平與空間差異，另一方面可以與Kaya-LMDI因素分解模型的分解結(jié)果進(jìn)行對比印證，使得結(jié)論更具有效性。因此，這里選擇STIRPAT模型對工業(yè)碳排放的空間差異及影響因素進(jìn)行測度與分析。

1變量的平穩(wěn)性檢驗

運用STATA15對樣本數(shù)據(jù)進(jìn)行分析處理，首先對數(shù)據(jù)進(jìn)行單位根檢驗，檢驗各變量的平穩(wěn)性，對面板數(shù)據(jù)進(jìn)行單位根檢驗的方法較多，此處采用LLC檢驗對模型中的各變量進(jìn)行單位根檢驗，檢驗結(jié)果如表3所示，結(jié)果表明：各變量均通過了平穩(wěn)性檢驗，說明變量都為平穩(wěn)變量。

2多重共線性檢驗

利用STIRPAT模型分析，必須檢驗解釋變量的多重共線性，此處運用STATA?15計算解釋變量的方差膨脹系數(shù)（VIF）來判斷是否存在共線性，如表4所示，結(jié)果表明：各變量的方差膨脹系數(shù)均遠(yuǎn)小于10，變量平均方差膨脹系數(shù)為181，即認(rèn)為不存在多重共線性影響。

3模型效應(yīng)檢驗與模型確定

運用STATA15分別建立隨機效應(yīng)模型與固定效應(yīng)模型，并進(jìn)行豪斯曼檢驗，結(jié)果如表5所示.

由表5的豪斯曼檢驗結(jié)果可知，相比于隨機效應(yīng)模型，固定效應(yīng)模型更適合。此外，對比固定及隨機效應(yīng)模型的基本假設(shè)來看，F(xiàn)EM的基本假設(shè)表示不能觀察到的個體異質(zhì)效應(yīng)與解釋變量相關(guān)，并且可以通過消除或控制不能觀察到的不隨時間變化的個體異質(zhì)效應(yīng)，減少內(nèi)生性問題。結(jié)合文章的研究內(nèi)容來說，F(xiàn)EM要比REM更加穩(wěn)健。

4異質(zhì)性分析

中國地域遼闊，受到各地區(qū)的資源稟賦和人文、政策環(huán)境等因素的影響，僅從中國30個地區(qū)（西藏除外）的層面上探討，其結(jié)果并不能給出區(qū)域發(fā)展的對策建議。因此，文中基于碳排放區(qū)域差異對工業(yè)碳排放的驅(qū)動因素進(jìn)行異質(zhì)性分析，地區(qū)劃分按地理區(qū)域劃分為東北、華北、華中、華南、華東、西北和西南七個區(qū)域。

此外，按照重工業(yè)集中區(qū)域劃分辦法，中國分為遼中南、京津唐、滬寧杭以及長江三角洲四個工業(yè)基地，不過這四個工業(yè)基地均為市級聯(lián)動基地，文章從省際角度并不能很好概括分析工業(yè)基地發(fā)展情況，而且中國除四個重工業(yè)基地之外的其他省市工業(yè)企業(yè)分布較為均勻，所以文中仍然按經(jīng)濟地區(qū)進(jìn)行劃分，根據(jù)異質(zhì)性分析結(jié)果（見表6）可以大致看到：各解釋變量在不同區(qū)域之間的影響水平各不相同，如人口規(guī)模與經(jīng)濟發(fā)展規(guī)模兩項指標(biāo)在東北與華北地區(qū)差異較大等，碳排放的區(qū)域異質(zhì)性可以由影響因素在區(qū)域間的異質(zhì)性表現(xiàn)出來。

5穩(wěn)健性檢驗

利用替換變量法對模型的穩(wěn)健性進(jìn)行檢驗，對比替換變量前后模型對分析結(jié)果是否有顯著影響，如果影響不大，則可以認(rèn)為該模型對指標(biāo)的解釋能力較強，結(jié)論更具有代表性。文章選用變量LnS1=LnS（S1=2005年為基期平減后的農(nóng)林牧漁業(yè)增加值/農(nóng)林牧漁業(yè)從業(yè)人數(shù)）作為模型穩(wěn)健性檢驗的替換變量，在確保替換變量與原變量數(shù)據(jù)類型相同的情況下，使兩變量之間的相關(guān)性盡可能小。如表7檢驗結(jié)果所示，模型在替換檢驗變量前后，其余變量均顯著，且替換前后，其他各變量的作用方向基本一致，僅在變量系數(shù)數(shù)值上略有出入，這說明文章所建立的模型具有較好的穩(wěn)健性，對各個指標(biāo)的解釋能力較強。

（二）區(qū)域間各因素影響差異顯著

根據(jù)2005-2020年30個地區(qū)的驅(qū)動因素建立的STIRPAT計量分析模型得到的結(jié)果顯示：

1工業(yè)能源強度影響分析

工業(yè)能源強度反映的是能源技術(shù)水平，在七個地區(qū)中，能源強度都反映出對工業(yè)碳排放的負(fù)向影響，其中在華北地區(qū)與西北地區(qū)的影響最大，其模型解釋分別為能源強度每提高1%，就會影響碳排放減少105%和103%，影響最小的是西南地區(qū)，其能源強度每提高1%，碳排放減少095%。

2能源結(jié)構(gòu)影響分析

目前來說，能源結(jié)構(gòu)多是以煤炭為主的結(jié)構(gòu)體系，而煤炭則是造成工業(yè)二氧化碳排放的主要能源，所以能源結(jié)構(gòu)優(yōu)化成效如何決定著對工業(yè)碳排放的影響大小，而各地區(qū)的能源結(jié)構(gòu)優(yōu)化效果存在著空間差異，其中影響相對較小的地區(qū)是東北地區(qū)，系數(shù)為0072，其次是華北與西北地區(qū)，二者的影響程度相似，分別為0165與0161，說明在這些地區(qū)的能源結(jié)構(gòu)優(yōu)化效果相對較好，雖然仍有碳排放的促進(jìn)作用，不過從區(qū)域?qū)Ρ葋砜匆呀?jīng)具有一定的能源結(jié)構(gòu)減排優(yōu)勢，但是在華中、華南和西南地區(qū)，能源結(jié)構(gòu)與碳排放的正相關(guān)關(guān)系較強，說明這些地區(qū)的能源結(jié)構(gòu)優(yōu)化效果并不顯著，另外華東地區(qū)的能源結(jié)構(gòu)呈現(xiàn)出對工業(yè)二氧化碳排放的抑制作用，雖然影響程度較弱，為-01814，但是在結(jié)構(gòu)性減排的工作上完全領(lǐng)先了全國其他地區(qū)，從計量結(jié)果看，能源結(jié)構(gòu)將是未來工業(yè)碳減排的主要結(jié)構(gòu)性因素。

3工業(yè)經(jīng)濟規(guī)模分析

工業(yè)經(jīng)濟規(guī)模與工業(yè)二氧化碳排放存在正相關(guān)關(guān)系，其中影響相對較小的地區(qū)是華南地區(qū)，影響系數(shù)為088，而華東與西北地區(qū)的影響較大，根據(jù)庫茲涅茲曲線，說明從經(jīng)濟發(fā)展角度看，這兩個地區(qū)目前的工業(yè)碳減排進(jìn)展還處在相對較早的階段，在工業(yè)經(jīng)濟發(fā)展的同時推進(jìn)碳減排是未來的主要任務(wù)，逐步實現(xiàn)經(jīng)濟發(fā)展與工業(yè)碳排放的脫鉤，部分省市如吉林省、北京市、河北省、上海市、遼寧省、山西省、甘肅省等地的工業(yè)人均增加值均增長了20%-50%，其他省市基本呈現(xiàn)下降情況，少部分省市基本持平，我國對工業(yè)上的發(fā)展一直是極為重視的，工業(yè)作為我國主要國民經(jīng)濟發(fā)展行業(yè)之一，其增加值的不斷增長必然會導(dǎo)致能源的不斷消耗，進(jìn)而增加二氧化碳排放，要協(xié)調(diào)好工業(yè)經(jīng)濟發(fā)展與工業(yè)碳減排的關(guān)系。

4工業(yè)從業(yè)人口規(guī)模分析

人口與工業(yè)二氧化碳排放量存在著正相關(guān)關(guān)系，其影響大小與工業(yè)經(jīng)濟規(guī)模較為相似，在七個區(qū)域中，東北與西北地區(qū)的人口因素影響較大，影響系數(shù)分別為102與106，相對影響較小的是華南地區(qū)，系數(shù)僅為083。自然人本身就會產(chǎn)生碳排放，并且工業(yè)人口規(guī)模的不斷擴大也會導(dǎo)致對能源需求的增加，從而導(dǎo)致二氧化碳的排放量不斷增加，中國工業(yè)在發(fā)展過程中不斷吸收勞動力的同時，也會增加對環(huán)境的壓力。

（三）區(qū)域內(nèi)部各驅(qū)動因素影響差異限于篇幅，地區(qū)碳排放驅(qū)動因素貢獻(xiàn)率熱力圖留存?zhèn)渌鳌?/p>

1東北地區(qū)

地理劃分上，東北地區(qū)包括黑龍江省、遼寧省與吉林省，其碳排放驅(qū)動因素計量模型為：

lnIit=08871+10175lnPit+10385lnSit－10001lnTit+00720lnMit（6）

根據(jù)碳排放核算結(jié)果，遼寧省自2013年開始便一直保持工業(yè)二氧化碳負(fù)增長，到2019年又變?yōu)檎鲩L，16年間東北地區(qū)僅吉林省的累積排放量為負(fù)值，黑龍江省與遼寧省均未很好的控制碳排放增長。根據(jù)計量模型結(jié)果，對東北地區(qū)工業(yè)碳排放抑制效果最強的因素是工業(yè)能源強度，另外三種因素都表現(xiàn)出驅(qū)動效果，其中能源結(jié)構(gòu)的驅(qū)動效果最小，說明東北地區(qū)的能源結(jié)構(gòu)優(yōu)化程度較好；從驅(qū)動因素的貢獻(xiàn)率看，吉林省的能源結(jié)構(gòu)對二氧化碳排放的貢獻(xiàn)最大，遼寧省的貢獻(xiàn)最小，在人口規(guī)模因素上，雖然16年間的總貢獻(xiàn)率是負(fù)向的，但黑龍江省連續(xù)多年抑制了碳排放，在經(jīng)濟規(guī)模上，黑龍江省與遼寧省均在不同程度上抑制了工業(yè)二氧化碳的排放，根據(jù)熱力圖顯示，吉林省仍然需要調(diào)控人口因素以及工業(yè)經(jīng)濟發(fā)展規(guī)模的影響來調(diào)控工業(yè)碳排放。并且由于各省區(qū)受資源稟賦限制，資源集中到某一發(fā)展方向上后，其他方向的資源會相對減少，造成此消彼長的效果。

2華北地區(qū)

華北地區(qū)包括北京市、天津市、河北省、山西省以及內(nèi)蒙古自治區(qū)，其中的京津冀地區(qū)是我國經(jīng)濟規(guī)模最大、最有活力的地區(qū)，其碳排放驅(qū)動因素計量模型為：

lnIit=16255+09691lnPit+09578lnSit－10473lnTit+01650lnMit（7）

在華北地區(qū)，僅有北京市在16年間的碳排放總量上表現(xiàn)為負(fù)值，而河北省的累計排放量為正值，且水平較高。從模型上看，雖然與東北地區(qū)相比，華北地區(qū)的能源結(jié)構(gòu)優(yōu)化水平略差，但是其工業(yè)能源強度表現(xiàn)出對碳排放的抑制作用，說明技術(shù)水平發(fā)展高于東北地區(qū)。從因素分解結(jié)果看，僅有2006年北京市與2015年山西省的能源強度極大程度地促進(jìn)了工業(yè)碳排放，其他年份各省區(qū)大多都是抑制效果，從熱力圖來看，碳排放貢獻(xiàn)區(qū)域差異較大，不同因素在不同省區(qū)的減碳效果不盡相同。

3華中地區(qū)

華中地區(qū)在地理上包括河南省、湖北省、湖南省三省，華中地區(qū)歷史文化悠久，資源豐富，是中國工業(yè)農(nóng)業(yè)的心臟和交通中心之一，其碳排放驅(qū)動因素計量模型為：

lnIit=23807+09416lnPit+09799lnSit－09457lnTit+03824lnMit（8）

華中三省中僅河南省的累計碳排放為正向水平，達(dá)到了438萬噸，另外兩省為負(fù)向水平，分別為-604萬噸、-28萬噸，計量模型結(jié)果顯示，華中地區(qū)是需要加強工業(yè)能源結(jié)構(gòu)優(yōu)化的重點地區(qū)，根據(jù)熱力圖顯示，從2006年開始湖北省能源結(jié)構(gòu)大都表現(xiàn)出累積驅(qū)動作用，相比而言，河南省的能源結(jié)構(gòu)優(yōu)化水平要優(yōu)于另外兩省。人口規(guī)模上，三省均存在不同程度的碳排放驅(qū)動效果，結(jié)合回歸模型結(jié)果可以看到，在人口規(guī)模效應(yīng)減碳路徑上，華中地區(qū)并不占優(yōu)，反而在能源強度上，湖北省與湖南省存在一定效果的抑制作用，可以看到，人口因素是導(dǎo)致碳排放在華中地區(qū)產(chǎn)生差異的主要原因。

4華南地區(qū)

廣義自然地理上的華南地區(qū)包括廣東省、廣西壯族自治區(qū)、福建省、海南省、香港特別行政區(qū)、澳門特別行政區(qū)以及臺灣省，不過與西藏自治區(qū)的情況類似，由于數(shù)據(jù)受限，所以文中只測算四省，其碳排放驅(qū)動因素計量模型為：

lnIit=27293+08257lnPit+08812lnSit－09745lnTit+02656lnMit（9）

在累積排放量水平上，華南四省中除廣西壯族自治區(qū)之外都控制住了二氧化碳排放量的增長，廣西壯族自治區(qū)16年中的累計效應(yīng)為1569萬噸，結(jié)合熱力圖來看，廣西壯族自治區(qū)這種情況受2010年的影響較大，當(dāng)年廣西壯族自治區(qū)的人口規(guī)模效應(yīng)貢獻(xiàn)率達(dá)1656%，影響一直持續(xù)到2020年，不同的是福建省在2016年也出現(xiàn)了極端貢獻(xiàn)率，但是在幾種驅(qū)動因素的相互影響下，也達(dá)到了控制碳排放的效果。從回歸結(jié)果來看，整個華南地區(qū)的減排效果在全國范圍內(nèi)位于中游，在能源強度的優(yōu)化上，明顯優(yōu)于華中、華北地區(qū)，但又差于東北地區(qū)?？偟膩碚f，該地區(qū)的幾種驅(qū)動因素發(fā)展上較為協(xié)調(diào)，明顯控制住了工業(yè)碳排放。

5華東地區(qū)

華東地區(qū)包括安徽省、江蘇省、江西省、山東省、上海市以及浙江省六省，該地區(qū)自然環(huán)境條件優(yōu)越，工業(yè)門類齊全，是中國綜合技術(shù)水平最高的經(jīng)濟區(qū)。碳排放驅(qū)動因素計量模型為：

lnIit=－01154+10086lnPit+11664lnSit－09727lnTit－01814lnMit（10）

在累計排放量上，山東省、江蘇省和浙江省分別為2810萬噸、656萬噸和691萬噸，其他省市的排放水平控制效果較好，對比兩模型結(jié)果，整個華東地區(qū)在能源結(jié)構(gòu)的優(yōu)化升級上表現(xiàn)出領(lǐng)先優(yōu)勢，整體上對工業(yè)碳排放的驅(qū)動比率為-01814，所以華東地區(qū)可能是中國率先進(jìn)入到結(jié)構(gòu)性碳減排發(fā)展的地區(qū)。但是相比于其他幾個地區(qū)，華東地區(qū)各驅(qū)動因素的發(fā)展協(xié)調(diào)性稍弱，從2006年到2020年的熱力圖顏色變化，可以說明該地區(qū)在逐步控制工業(yè)碳排放，而且效果顯著。

6西北地區(qū)

西北地區(qū)深居中國西北部內(nèi)陸，人口稀少、生態(tài)脆弱，工業(yè)碳減排較為重要，該地區(qū)包括陜西省、甘肅省、青海省、寧夏回族自治區(qū)與新疆維吾爾自治區(qū)，其碳排放驅(qū)動因素計量模型為：

lnIit=09562+10556lnPit+10445lnSit－10340lnTit+01607lnMit（11）

與地區(qū)多極化區(qū)域減排發(fā)展模式相比，西北地區(qū)的區(qū)域工業(yè)減排發(fā)展是非常均衡的，首先工業(yè)能源強度控制的非常明顯，西北五省區(qū)都表現(xiàn)出技術(shù)的強抑制作用，同時在能源結(jié)構(gòu)上，甘肅省、陜西省均表現(xiàn)出累積抑制效果，其他三省區(qū)雖然都表現(xiàn)累計驅(qū)動作用，但是程度較為相似，都表現(xiàn)出較弱的驅(qū)動效果。從西北地區(qū)整體來看，人口規(guī)模效應(yīng)與經(jīng)濟發(fā)展規(guī)模效應(yīng)都表現(xiàn)出相近的驅(qū)動效果，而能源結(jié)構(gòu)效應(yīng)表現(xiàn)出較弱的驅(qū)動效果，對比其他地區(qū)，西北地區(qū)的優(yōu)化效果仍位于中游，但根據(jù)熱力圖顯示，2015年到2018年全地區(qū)的工業(yè)減排效果都極為明顯，不過2019年和2020年寧夏回族自治區(qū)與新疆維吾爾自治區(qū)出現(xiàn)回彈現(xiàn)象，需要在減排同時重點恢復(fù)兩地的高效減排工作。

7西南地區(qū)

西南地區(qū)在地理上包括重慶市、四川省、貴州省、云南省以及西藏自治區(qū)，不過文中只展示除西藏之外的其他四省，其碳排放驅(qū)動因素計量模型為：

lnIit=21037+09892lnPit+09539lnSit－09629lnTit+03656lnMit（12）

從區(qū)域?qū)Ρ鹊慕嵌壬?，西南地區(qū)與華中地區(qū)較為相似，從系數(shù)上看，減排方向以及減排程度都非常類似，能源結(jié)構(gòu)表現(xiàn)出較大的工業(yè)碳排放驅(qū)動作用，能源強度上仍然表現(xiàn)出很強的抑制作用，但不同的是，熱力圖所顯示的華中地區(qū)極端貢獻(xiàn)率要更多些，而整個西南地區(qū)的人口規(guī)模效應(yīng)在控制工業(yè)減排上并沒有較多的負(fù)向貢獻(xiàn)，大多為正向驅(qū)動效果，但經(jīng)濟發(fā)展規(guī)模表現(xiàn)出較大的碳減排優(yōu)勢，尤其是四川，同時在累積排放水平上，四川為-815萬噸，遙遙領(lǐng)先于同地區(qū)其他省市。整體上看，隨著經(jīng)濟的高質(zhì)量發(fā)展會逐漸推動經(jīng)濟規(guī)模影響脫鉤，所以西南地區(qū)尤其是云南省和貴州省要重視能源結(jié)構(gòu)體系的優(yōu)化升級。

六、研究結(jié)論與政策含義

（一）研究結(jié)論

基于中國工業(yè)發(fā)展中的7個主要碳源，對2005-2020年中國工業(yè)二氧化碳排放量、能源強度、能源結(jié)構(gòu)等進(jìn)行核算，并通過LMDI模型與STIRPAT模型對面板樣本數(shù)據(jù)的分解分析，探索討論了碳排放的空間布局、演變特點與碳排放驅(qū)動因素的時空影響。研究結(jié)論表明：

（1）中國工業(yè)碳排放水平在空間上存在差異，地理分布上呈現(xiàn)“東高西低”的格局。工業(yè)碳排放重心在2005-2020年表現(xiàn)出不斷東移趨勢，并逐步靠攏向華北、華中、華東地區(qū)，如河北省附近，工業(yè)集中化趨勢明顯，另外各省市的工業(yè)二氧化碳排放量在2005-2020年間呈現(xiàn)出先迅速增長后平緩回落的發(fā)展趨勢，不同的驅(qū)動因素受省情等影響對碳排放的貢獻(xiàn)度在空間上也存在差異。

（2）根據(jù)各省區(qū)的工業(yè)碳排放趨勢，可以分為三類。第一，部分省市的碳排放水平都已經(jīng)越過了高峰進(jìn)入下降趨勢，如廣東省、河南省、山東省、湖北省、四川省等。對于這類省市，要嚴(yán)格把控好減排節(jié)奏，盡快走出高位碳排放區(qū)間并轉(zhuǎn)入碳排放穩(wěn)步下降通道，積極探索碳中和實現(xiàn)途徑、體制機制、政策和技術(shù)；第二，還有部分地區(qū)的碳排放水平隱隱呈現(xiàn)“N”字形趨勢，如安徽省、河北省、廣西壯族自治區(qū)等。既然之前已經(jīng)邁入到碳排放下降階段，就不要讓高位碳排放“死灰復(fù)燃”，順著碳排放下降軌道實現(xiàn)“碳達(dá)峰”目標(biāo)，因勢利導(dǎo)、揚長避短，探索“碳中和”方案；第三，其余部分省市如海南省、甘肅省、貴州省、上海市等，其觀察期內(nèi)的碳排放趨勢基本平穩(wěn)，既沒有呈現(xiàn)攀升趨勢也沒有顯著的下降趨勢。對于此類省區(qū)，極可能已經(jīng)實現(xiàn)碳達(dá)峰并處于碳庫茲涅茨曲線右側(cè)，隨后應(yīng)該積極探索碳中和方案，推進(jìn)碳減排碳中和任務(wù)進(jìn)程。

（3）不同因素對碳排放的影響存在明顯的空間差異。2005-2020年，對中國區(qū)域工業(yè)碳排放顯示正向驅(qū)動作用的因素有經(jīng)濟因素、人口因素與能源消耗結(jié)構(gòu)，而能源強度表現(xiàn)出對碳排放的抑制效果。其中經(jīng)濟因素是華東、華中、華南與東北部地區(qū)拉動工業(yè)碳排放的最主要因素，而西北地區(qū)拉動碳排放的主要因素是人口因素，結(jié)合因素分解結(jié)果，從逐年的因素貢獻(xiàn)來看，經(jīng)濟因素正逐步實現(xiàn)與碳排放的脫鉤，這也與中國近年的經(jīng)濟發(fā)展與工業(yè)的關(guān)系相適應(yīng)，工業(yè)經(jīng)濟發(fā)展已經(jīng)從高排放的粗獷發(fā)展方式逐步轉(zhuǎn)變?yōu)楦哔|(zhì)量綠色發(fā)展方式。

（4）人口因素的驅(qū)動作用遠(yuǎn)高于能源結(jié)構(gòu)，且不同時空影響不同?？臻g上，西北和東北地區(qū)的人口因素影響高于其他區(qū)域，拉動作用最大的是西北地區(qū)，時間上，東北、華北、華東和西北地區(qū)的省市從2005-2015年，其人口因素基本都表現(xiàn)出對碳排放的正向貢獻(xiàn)，而在2016年之后開始表現(xiàn)為負(fù)向貢獻(xiàn)，不過其個別省市在2019與2020年出現(xiàn)回彈現(xiàn)象，而華中、華南和西南地區(qū)自2005年開始就一直表現(xiàn)出對碳排放的拉動作用，自2016年之后，大部分地區(qū)并沒有轉(zhuǎn)變?yōu)樨?fù)向貢獻(xiàn)來抑制碳排放。

（5）能源結(jié)構(gòu)是影響工業(yè)碳排放的根源性因素。在2005-2020年觀察期內(nèi)，能源結(jié)構(gòu)雖然影響程度較低，但是除華東地區(qū)之外，其他地區(qū)仍然顯示出正向拉動效果，華東地區(qū)的能源結(jié)構(gòu)效應(yīng)在觀察期內(nèi)表現(xiàn)出對碳排放的抑制作用，在全國范圍內(nèi)都是能源結(jié)構(gòu)性碳減排的第一梯隊。另外東北地區(qū)的能源結(jié)構(gòu)效應(yīng)表現(xiàn)出極低的驅(qū)動作用，對于各省市來說，由于存在不同省情，所以在優(yōu)化、更新能源結(jié)構(gòu)上存在差異，但隨時間發(fā)展，中國基本所有區(qū)域能源結(jié)構(gòu)都在降低正向貢獻(xiàn)度，并逐步過渡到負(fù)向貢獻(xiàn)，逐步抑制碳排放，雖然在沒有脫離煤基能源的前提下，能源結(jié)構(gòu)減排較為困難，但是華東、東北兩地區(qū)應(yīng)該發(fā)揮對周邊地區(qū)的輻射作用，帶動其他區(qū)域調(diào)整能源結(jié)構(gòu)，推動技術(shù)進(jìn)步，增加體系成熟的新能源的利用，推進(jìn)工業(yè)能源結(jié)構(gòu)性碳減排；另外，在分解的驅(qū)動因素中，僅有能源強度表現(xiàn)為穩(wěn)定的抑制效果，是中國工業(yè)碳排放主要的抑制性因素。

（二）政策含義

（1）要加大工業(yè)能源結(jié)構(gòu)的調(diào)整。推進(jìn)新能源開發(fā)，構(gòu)造低碳化能源結(jié)構(gòu)，營造低碳的工業(yè)生產(chǎn)與經(jīng)濟增長環(huán)境，推動低碳經(jīng)濟發(fā)展，著手能源領(lǐng)域改革，從根本上改變以化石能源為主的工業(yè)能源結(jié)構(gòu)，建立低碳化新能源消費結(jié)構(gòu)，發(fā)揮結(jié)構(gòu)性減排的根本作用。

（2）加大碳減排新技術(shù)應(yīng)用力度。在工業(yè)減排工作中，技術(shù)發(fā)展是減少工業(yè)二氧化碳排放的關(guān)鍵所在，要加速向縱深推進(jìn)工業(yè)新舊動能轉(zhuǎn)換，大力推進(jìn)技術(shù)與工業(yè)的深度融合，倡導(dǎo)各種新技術(shù)在工業(yè)領(lǐng)域的應(yīng)用，包括能源節(jié)約技術(shù)、能源替代和物質(zhì)循環(huán)利用技術(shù)比如節(jié)能汽車、工業(yè)節(jié)能技術(shù)、以可再生能源替代傳統(tǒng)化石能源以及碳捕集與儲藏技術(shù)等基于工業(yè)體系的碳減排技術(shù)。

（3）適度調(diào)控經(jīng)濟規(guī)模，推動經(jīng)濟高質(zhì)量發(fā)展。經(jīng)濟增長也是導(dǎo)致工業(yè)二氧化碳排放量不斷增加的重要因素，工業(yè)在國民經(jīng)濟中屬于主導(dǎo)地位，工業(yè)的現(xiàn)代化程度及其發(fā)展規(guī)模最終決定著整個國民經(jīng)濟的面貌。要調(diào)控好大、中、小企業(yè)的經(jīng)濟生產(chǎn)規(guī)模，同時繼續(xù)推進(jìn)供給側(cè)結(jié)構(gòu)性改革，推動經(jīng)濟的高質(zhì)量發(fā)展，在工業(yè)生產(chǎn)保持穩(wěn)定的同時，深入推進(jìn)結(jié)構(gòu)性去產(chǎn)能任務(wù)，加大力度降本減負(fù)，持續(xù)推進(jìn)工業(yè)綠色發(fā)展。

（4）提高工業(yè)從業(yè)人員素質(zhì)，提高勞動生產(chǎn)率。從人口角度出發(fā)，工業(yè)人對二氧化碳排放的影響也是不容忽視的，單純?nèi)吮旧淼幕顒泳蜁黾佣趸嫉呐欧帕?，而工業(yè)人作為工業(yè)發(fā)展中不可或缺的生產(chǎn)要素更為關(guān)鍵，所以在工業(yè)的生產(chǎn)發(fā)展中，要不斷加強工業(yè)人的低碳環(huán)保宣傳教育，讓節(jié)能減排意識深入人心，并且要提高工業(yè)人的整體素質(zhì)，主動調(diào)控工業(yè)從業(yè)人員數(shù)量，提高工業(yè)勞動生產(chǎn)效率。

（5）發(fā)揮政府在碳減排中的關(guān)鍵作用。工業(yè)減排工作中政府要積極出臺促減排、促投資政策，引導(dǎo)社會資產(chǎn)流向工業(yè)領(lǐng)域，帶動民間投資，以投資推動傳統(tǒng)化工業(yè)向高新化工業(yè)的快速轉(zhuǎn)變，切實推動工業(yè)減排工作的穩(wěn)步進(jìn)行，工業(yè)二氧化碳減排既是“雙碳目標(biāo)”的重要任務(wù)，也是中國進(jìn)入現(xiàn)代化的一個重要標(biāo)志。

參考文獻(xiàn)：

［1］?潘晨，李善同，劉強.?消費視角下中國各省份碳排放驅(qū)動因素探究［J］．經(jīng)濟與管理，2022，36（3）：?58-66.

［2］?李俊杰，劉湘.?寧夏碳排放影響因素與碳達(dá)峰預(yù)測?［J］．中南民族大學(xué)學(xué)報（人文社會科學(xué)版），2022，42（7）：?116-24，85-86.

［3］?劉志華，徐軍委.?“雙碳”目標(biāo)下中國省域碳排放公平性及其影響因素?［J］．地理科學(xué)：?1-9.

［4］?劉自敏，張婭.?中國碳排放的時空躍遷特征、影響因素與達(dá)峰路徑設(shè)計?［J］．西南大學(xué)學(xué)報（社會科學(xué)版），2022，48（6）：?99-112.

［5］?史丹.?能源轉(zhuǎn)型與低碳工業(yè)化道路?［J］．理論視野，2017（11）：?29-32，54.

［6］?潘崇超，王博文，侯孝旺，古月清，邢奕，劉育松，溫維，方娟.基于LMDI-STIRPAT模型的中國鋼鐵行業(yè)碳達(dá)峰路徑研究［J/OL］．工程科學(xué)學(xué)報：1-14.

［7］?曹俊文，張鈺玲.?中國省域碳排放特征與碳減排路徑研究?［J］．生態(tài)經(jīng)濟，2022，38（8）：?13-9.

［8］?禹湘，陳楠，李曼琪.?中國低碳試點城市的碳排放特征與碳減排路徑研究?［J］．中國人口·資源與環(huán)境，2020，30（7）：?1-9.

［9］?廖祖君，張劍宇，陳詩薇.?碳排放影響因素及達(dá)峰路徑研究——基于四川省的分析?［J］．軟科學(xué)：?1-11.

［10］牛樂，張麗霞，郗鳳明，等.?遼寧省碳排放影響因素及情景預(yù)測?［J］．應(yīng)用生態(tài)學(xué)報：?1-12.

［11］Namahoro?J，Wu?Q，Zhou?N，et?al.?Impact?of?Energy?Intensity，Renewable?Energy，and?Economic?Growth?on?CO2?Emissions：?Evidence?from?Africa?across?Regions?and?Income?Levels?［J］．Renewable?and?Sustainable?Energy?Reviews，2021，147：?111233.

［12］Aftab?S，Ahmed?A，Chandio?AA，et?al.?Modeling?the?Nexus?between?Carbon?Emissions，Energy?Consumption，and?Economic?Progress?in?Pakistan：?Evidence?from?Cointegration?and?Causality?Analysis?［J］．Energy?Reports，2021，7：?4642-58.

［13］宋苑震，曾堅，王森，等.?中國縣域碳排放時空演變與異質(zhì)性?［J］．環(huán)境科學(xué)，2023，44（1）：?549-59.

［14］王正，樊杰.?能源消費碳排放的影響因素特征及研究展望?［J］．地理研究，2022，41（10）：?2587-99.

［15］張赫，黃雅哲，王睿，等.?中國縣域碳排放脫鉤關(guān)系及其時空特征演變?［J］．資源科學(xué)，2022，44（4）：?744-55.

［16］顧張鋒，徐麗華，馬淇蔚，等.?浙江省都市區(qū)碳排放時空演變及其影響因素?［J］．自然資源學(xué)報，2022，37（6）：?1524-39.

［17］趙強，周月凌，方潛生，等.?中部地區(qū)碳排放時空演變及其影響因素分析?［J］．環(huán)境科學(xué)學(xué)報：?1-11.

［18］姬新龍，楊釗.?碳排放權(quán)交易是否“加速”降低了碳排放量和碳強度？?［J］．商業(yè)研究，2021（2）：?46-55.

［19］陳慧靈，高子恒，王振波.?省級尺度工業(yè)碳排放影響因素及碳轉(zhuǎn)移格局分析?［J］．生態(tài)學(xué)報，2023（14）：?1-13.

［20］靳毓，?文雯，?趙廷宇.?綠色基金持股對企業(yè)綠色創(chuàng)新的影響研究［J］．珞珈管理評論，?2022，?42（3）：?22-45.

［21］程豪.碳排放怎么算——《2006年IPCC國家溫室氣體清單指南》［J］．中國統(tǒng)計，2014（11）：28-30.

FactorsInfluencing?the?Spatial?Variation?of?Carbon?Emissions：

Measurement?Identification?and?Policy?Implications

ZHANG?En-ying，MENG?fan-jun

（School?of?Economics，Harbin?University?of?Commerce，Harbin?150028，China）

Abstract：?Optimizing?the?structure?of?energy?consumption?and?achieving?low-carbon?industrial?development?is?the?only?way?to?achieve?the?“Carbon?peaking?and?Carbon?neutrality?Goals”.?In?this?study，the?IPCC?carbon?emission?accounting?method?is?used?to?calculate?industrial?CO2?emissions?from?2005?to?2020?in?various?regions?of?China.?the?Kaya-LMDI?factor?decomposition?model?is?used?to?decompose?industrial?carbon?dioxide?emissions?into?four?driving?factors：?energy?structure，industrial?energy?intensity，industrial?economic?scale?and?industrial?workforce?size，and?on?this?basis，the?STIRPAT?model?is?used?to?analyze?the?differences?in?the?role?of?industrial?carbon?emission?drivers?in?influencing?different?economic?regions.?According?to?the?empirical?results，the?effect?of?industrial?carbon?dioxide?emission?reduction?in?China?is?significant，but?there?are?still?large?spatial?differences，and?the?geographical?distribution?of?carbon?emissions?is?concentrated?in?East?China?and?South?China，and?there?are?unevenness，and?there?are?synergistic?or?multi-polar?carbon?emission?patterns?in?other?regions.?There?is?spatial?heterogeneity?in?the?degree?of?optimization?of?energy?structure，?and?structural?emission?reduction?will?be?the?main?way?to?reduce?emissions?in?the?future;?improving?the?technology?level?of?energy?consumption?and?promoting?the?low-carbon?transformation?of?energy?structure?system?are?the?main?paths?to?achieve?“Carbon?peak”?with?high-quality?economic?development?in?the?future.

Key?words：CO2?emission?reduction;?energy?consumption?structure;?factor?decomposition?model;?STIRPAT?model;?spatial?variation.

（責(zé)任編輯：周正）