城市化进程中的能源消费和碳排放问题研究

岳 立 白 婧 张佳梁

(1.兰州大学 经济学院，甘肃 兰州 730000;2.北京大学 城市与环境学院，北京 100000)

一、引言

城市化是现代社会发展的一种经济现象。据有关部门统计，中国城市化率已经由1949年的10.64%发展到了2011年的47%，并进一步预测到2030年中国城市化率会达到68%左右。城市化是我国现阶段经济发展最大的潜在内需，也是支撑中国经济未来20年乃至30年高速增长的最大动力。城市化的快速发展能够引发消费需求、带动投资增长，但城市化规模的扩大增加了对能源消费的需求，同时增加了碳排放量，据统计城市居民人均能源消费量是农村居民的3.5 倍左右。另一方面，十八大报告中提出工业化要与城市化同步发展，工业化必定会带动高耗能产业的迅速发展，这也意味着城市化进程中能源消费与碳排放量将整体提高。中国目前碳排放量已超过美国成为世界第一大碳排放国家，并且承诺到2020年碳排放强度要在2005年的基础上降低40%－50%。未来在通过城市化发展保持经济快速增长的同时，还要控制能源消费的使用来减少碳排放，因此研究城市化与能源消费和碳排放之间的关系，对我国实现碳减排和可持续发展意义重大。

城市化和能源消费及碳排放的关系已经有很多学者做出了相应的研究。一些学者发现城市化率提高了能源消费以及带来了更多的碳排放(York，2007［1］;许 泱、周 少 甫，2011［2］;宋德勇、徐安，2011［3］);另外一些学者却认为城市化有助于提高效率进而降低能源消耗和碳排 放(Chen et at，2008［4］;Liddle，2004［5］;杨骞、刘华军，2012［6］);还有学者认为城市化对能源的使用和碳排放产生很小的影响(曲如晓、江铨，2012［7］)。笔者认为之所以对城市化和能源消费以及碳排放的关系造成如此大争议的原因是由于地区经济发展水平和能源消费习惯差异所导致［8］;已有学者从不同地区经济发展水平视角去研究城市化和能源消费以及碳排放三者的关系，得到碳排放和城市化之间呈现出倒U 型的关系(王芳、周兴，2012［9］;郭郡郡、刘玉成、刘玉平，2013［10］)。

地区城市化水平不单纯为农村人口转变为城市人口的过程，它还体现在由于城市化的发展而引起的产业结构、能源消费方式的重大变化。为了解释城市化发展水平相似地区的城市化对能源消费和碳排放的影响，笔者打破传统的以全国东、中、西为类型的分组或者是按照地区经济发展水平差异分组的研究方法，选取了各地区的城市化率、第二产业占GDP 比重、第三产业占GDP 比重、能源消费总量以及总人口这五个指标进行聚类分析，将30 个省份分为低、中、高城市化水平组来进行研究。根据以往学者对碳排放原因分析所采用的模型，论文采用IPAT 的扩展模型STIRPAT 来进行研究(尹向飞，2011［11］;关海玲、陈建成、曹文，2013［12］;易艳春、高玉芳，2013［13］)。

二、测算方法、模型及数据处理

1、碳排放量的测算方法

碳排放量通过参考《IPCC2006年国家温室气体排放清单指南》来估算。具体估算方法如下:

式(1)中i 表示笔者所选取的化石燃料，包括煤炭、焦炭、汽油、煤油、柴油、燃料油、天然气;T 表示原始化石燃料的消费量;C 表示折标煤系数;δ 表示碳排放系数。具体数值参考表1。

表1 C 排放量计算中所涉及到的指标和系数

2、实证模型

基于IPAT 模型存在一定的局限性①，笔者选用其扩展模型——STIRPAT 模型，该模型目前已被广泛用于环境和污染物排放的影响因素研究中。模型的表达式为:

式(2)中的I 表示环境影响，P 表示人口规模，A 表示人均财富，T 表示技术，a 表示常数项，b、c、d 分别表示估计的参数，ui表示随机干扰项。在研究城市化对能源消费和碳排放量的影响时，除了选择原有的P、A(用人均GDP 表示)、T(将其分解成IND 和SV 两个变量，其中IND 表示第二产业生产总值占GDP 的比重，SV 表示第三产业占GDP 的比重)重要变量之外，还加入UBR(城市化率)和EI(能源强度)这两个变量，i 和t 分别代表观测的样本和时间。模型的形式为:

3、数据来源

按照IPCC 估算方法计算中国各个省份碳排放量时所需要的煤炭、焦炭、汽油、煤油、柴油、燃料油、天然气这七种能源消费量的数据来自历年的《中国能源统计年鉴》。各地区的能源消费总量折算为标准煤，单位为万吨;能源强度EI 为各地区的能源消费总量比上各地区的GDP;各地区的人口数为各地区的年末人口和年初人口的算术平均数;人均GDP 以2000年不变价格折算。上述数据均来自于各地区每个年份的地区统计年鉴。考虑到西藏地区数据的可得性和敏感性，研究对象包括除西藏之外其余30 个省份。

三、城市化水平差异聚类分析

城市化是一种伴随着工业化、现代化而进行的人口、产业、物质资本等的聚集过程，它主要体现在三个方面:一是城镇人口占总人口比重增加，即城市化率的不断提高。二是第二、第三产业占GDP 的比重增加，城市化初期，工业化发展迅速，城市化在工业的推动下快速发展。随着经济发展到一定阶段，第三产业又成为城市化发展的重要推动因素。这是由于第三产业在提供工业化和城市化所必须的基础设施和社会服务的同时，吸纳了大量劳动力，在促进产业结构调整、加速人口城市化进程中都起到重要作用。三是能源消费量的变化，它反映了城市化发展水平。城市化发展初期，由于经济增长以及人们生活水平的提高，能源消费量在一段时间内上升，但随着城市化程度的不断提高，技术进步又使得能源消耗呈下降趋势。

综述考虑，选取各地区的城市化率、第二、三产业占GDP 比重、能源消费量以及总人口五个指标，采用Q 型层次聚类分析方法对中国30个省、市、自治区进行聚类，将中国30 个省份分为高、中、低三种城市化发展类型，分类结果如表2 所示。

表2 中国30 个地区聚类分析的结果

高水平组主要由北京、天津、上海三大直辖市组成，该地区人口密集，也是工业化水平较高的城市，城市化率高达70%以上。中等水平组主要由我国东部沿海地区和中部地区的省份组成。低水平组的组成部分为我国西部省份和少数几个中部省份。

四、实证结果分析

基于以上聚类结果，运用模型(3)、(4)分别对三种不同类型的组和全国30 个地区的面板数据进行最小二乘法估计。为避免在模型回归过程中出现伪回归的问题，分别对不同组样本中的变量进行面板单位根检验，其结果表明所有变量均为一阶单整;而通过面板数据的Kao 协整检验方法对变量进行协整检验，结果显示所有组的面板数据中的变量都存在着稳定的关系，因此可以用这些变量进行面板数据的回归分析。通过Hausman 检验和构造F 统计量发现，不管是对全国30 个省份的面板数据估计还是对聚类分析中的低、中、高三组的面板数据估计，采用固定效应模型都是最合适的，其估计的结果见表3 和表4。

表3 能源消费分组估计结果

从表3 的结果来看，全国、低水平组、中等水平组以及高水平组的调整可决系数均在0.97 以上且F 统计量也都通过检验，因此模型的拟合效果和现实比较符合。从全国组来看，除了常数C 以外的其余变量均在1%水平上显著，人口、人均GDP、产业结构以及城市化率对能源的使用均具有积极的影响，当其各自增加1%时，城市化率对能源的使用变化最为明显达到4.1743%。从分组的结果来看，各统计量均在5%或者更低的水平上显著。低水平组中对能源消费影响最大的是城市化率达到3.8468%;低水平组长期以来发展落后，样本的城市化率还处于比较低的水平，随着城市化进程的推进，经济增长和人民生活水平提高导致能源消费量增加。中等水平组中第二产业对能源的消费影响最大为3.7078%;中等水平地区城市化率显著提高，在此期间各地区以大力发展工业为主，第二产业比重的增加会导致能源的大量消耗。而在高水平组中对能源消费影响最大的变量为人口达1.7058%，这与成金华、陈军(2009)［14］的观点相同，在发展中国家，城市化水平越高的地区，会导致更高水平的居民能源消费，同时能源消费对城市化率的倒U 型环境库茨涅茨曲线表明高水平地区能源消费结构会随着城市化的发展而变得更为先进。

表4 碳排放量分组估计结果

从表4 的结果来看，各组模型的调整可决系数都在98%以上，F 统计量均通过检验，除了全国、低水平组、高水平组模型中的人均GDP 的系数统计不显著之外，其余的变量都在10%或者更低的水平上统计显著。人口对碳排量在各个组之间均表现为积极影响，其中最为明显的为中等水平组，人口每增加1%，其碳排放量增加1.3753%。第二产业和第三产业占GDP 的比重对碳排放量也均为积极的影响，但是仅在中等和高水平组中的影响弹性大于1;城市化率对碳排放量的影响在所有组中也都表现为正效应，但其弹性均小于1，高弹性城市化在所有的组中并没有体现。

五、结论

通过研究发现，在2000－2011年期间中国城市化的推进导致了能源消费和碳排放量增加，并且不同的城市人口规模和产业结构对能源消费和碳排放产生不同的影响。

1、城市化对能源消费的影响在不同水平组中不同

低水平组中城市化率对能源消费影响最大，中等水平组中第二产业对能源消费影响最大，高水平组中人口对能源消费影响最大，在高水平组还出现了能源消费对城市化率的倒U 型环境库茨涅茨曲线。这说明城市化的发展，必定会推动由经济增长和人们生活水平提高所带来的能源消费量的增加。随着城市化进程的推进，工业的大力发展又成为推动能源消费增加的巨大因素［15］。当城市化发展到较高水平时，地区能源消费会因为外来人口增加增长一段时间，但随着环保的可持续发展理念被大力推行，新能源的使用又会降低该地区能源消费量［16］。

2、城市化发展过程中，人口规模、产业结构、城市化率对碳排放量均表现出积极的影响

城市化率对碳排放量的影响在所有组中表现为正效应，但其弹性均小于1，高弹性城市化在所有的组中并没有体现。这是由于城市化对碳排放的影响主要取决于能源结构的改善，城市化发展水平越高的城市将高碳排放能源转变为低碳排放能源的节奏越快。其次，科学技术进步提高了能源使用效率，使得单位能源的碳排放降低［17］。最后，随着城市化发展的时间推移，越来越多的人们开始追求更高的生活水平，节能环保的生活方式受到推崇，碳排放量随着城市化的发展会逐渐减少。

总之，随着经济的发展，中国对化石能源的需求会出现一个先上升后下降的过程。中国正在城市化建设的初期，为避免更多的能源消费和碳排放问题继续困扰中国，必须改变当前的能源消费模式。落后地区在推进城市化发展的同时应当注意保护好生态环境，不要走“先污染后治理的工业化道路”;同时，积极的探索新型绿色能源开发和使用，为减排工作做出更大努力。

【注 释】

①根据Dietz 和Rosa 的研究，IPAT 模型存在的局限:IPAT 仅是一个数学公式，无法直接检验各种因素对环境的影响假说;IPAT模型中假定的人口、财富、技术对环境的弹性的一致的，和“U”的EKC 假说相互矛盾。

［1］York.Demographic trends and energy consumption in European Union Nations［J］.Social Science Research，2007，(3):855－872.

［2］许 泱，周少甫.我国城市化与碳排放的实证研究［J］.长江流域资源与环境，2011，(11):1305－1309.

［3］宋德勇，徐 安.中国城镇碳排放的区域差异和影响因素［J］.中国人口·资源与环境，2011，(11):8－14.

［4］Chen et al.Sustainable urban form for Chinese compact cities:challenges of a rapid urbanized economy［J］.Habitat international，2008，(32):28－40.

［5］Liddle.Demographic dynamics and per capita environmental impact:using panel regressions and household decompositions to examine population and transport［J］.Population and environment，2004，(26):23－29.

［6］杨 骞，刘华军.中国二氧化碳排放的区域差异分解机影响因素——基于1995－2009年省际面板数据的研究［J］.数量经济技术经济研究，2012，(5):36－49.

［7］曲如晓，江 铨.人口规模、结构对区域碳排放的影响研究——基于中国省级面板数据的经验分析［J］.人口与经济，2012，(2):10－17.

［8］Phetkeo，Poumanyvong，Shinji Kaneko.Does urbanization lead to less energy use and lower CO2 emissions A cross－country analysis［J］.Ecological Economics，2010，(70):434－444.

［9］王 芳，周 兴.人口结构、城镇化与碳排放——基于跨国面板数据的实证研究［J］.中国人口科学，2012，(2):47－56.

［10］郭郡郡，刘成玉，刘玉萍.城镇化、大城市化与碳排放——基于跨国数据的实证研究［J］.城市问题，2013，(2):2－10.

［11］尹向飞.人口、消费、年龄结构与产业结构对湖南碳排放的影响及其演进分析——基于STIRPAT 模型［J］.西北人口，2011，(2):65－69.

［12］关海玲，陈建成，曹 文.碳排放与城市化关系的实证［J］.中国人口·资源与环境，2013，(4):111－116.

［13］易艳春，高玉芳.城市化与中国碳排放的实证研究［J］.统计与信息论坛，2013，(3):63－67.

［14］成金华，陈 军.中国城市化进程中的能源消费区域差异——基于面板数据的实证研究［J］.经济评论，2009，(3):38－46.

［15］张文君.中部地区生态与经济的系统耦合比较与评价［J］.湖南财政经济学院学报，2013，(6):26－30.

［16］赵先超，丁 梦，杨 英.长沙市碳排放与影响因素的拟合变动分析［J］.湖南工业大学学报(社科版)，2012，(1):15－18.

［17］孟 军.能源、碳排放约束下的经济增长J］.内蒙古财经学院学报，2012，(6):12－18.