中国农业碳排放拐点变动及时空分异研究

2014-12-01 21:15颜廷武田云张俊飚汪洋

中国人口·资源与环境 2014年11期

颜廷武+田云+张俊飚+汪洋

摘要：与基于总量或人均指标衡量经济增长与环境质量相比，以播种面积作为测算指标揭示农业经济增长与农业环境质量之间的关系，既便于年度间纵向对比，又消除了复种指数影响，使得研究更具操作性和公平性。以农业碳排放强度作为碳排放指标、以农业经济强度作为经济增长指标，对中国农业碳排放进行EKC检验，在此基础上对农业碳排放拐点变动及时空分异进行实证分析。结果表明：①从长期来看，中国农业碳排放强度与农业经济强度之间存在“倒N型”EKC关系且存在双拐点，其临界值分别为15 167元/hm2和27 647元/hm2。2012年，我国农业经济强度为28 725元/hm2，已超出高拐点临界值（27 647元/hm2），这意味着伴随我国农业经济的进一步发展，农业碳排放强度将呈现下降趋势。②从空间分布来看，有18个省（区、市）农业经济强度超过高拐点值，包括北京、福建、海南、浙江、广东、上海、天津、江苏、辽宁、山东、陕西、河北、新疆、湖南、湖北、四川、广西、河南等，主要为东部沿海省份以及中西部部分农业较为发达的省份。这18个省（区、市）农业碳排放量将随其农业经济的发展而逐渐下降。其余13个省（区、市）则低于拐点值，均分布于我国中西部地区。③从时间路径来看，对于未抵达拐点的13个省（区、市）而言，各自农业碳排放EKC拐点存在明显差异，甘肃、重庆、吉林、青海在未来5年内可达到EKC拐点；宁夏、安徽、黑龙江、陕西在未来6-10年内可达到EKC拐点；西藏、内蒙古、江西、云南、贵州则分别需要12年、14年、21年、23年、32年才有可能抵达EKC拐点。

关键词：农业碳排放；拐点变动；时空分异；EKC模型

中图分类号 F323.7 文献标识码 A 文章编号 1002-2104（2014）11-0001-08

自工业革命以来，伴随着社会经济的高速发展，人类活动产生的温室气体在大气中不断累积，由此引致出了迄今为止人类所面临的规模最大、范围最广、影响最为深远的挑战之一——全球气候变化问题，而大气中二氧化碳等温室气体浓度的增加则是导致全球气候变化的主要原因。由此，以低能耗、低污染、低排放为基础的经济模式——“低碳经济”应运而生[1]。如何处理经济增长与碳排放的关系成为了低碳经济研究领域中十分重要的问题。国内外学者借助Grossman和Krueger提出的环境库兹涅茨曲线（EKC）理论对这一问题展开深入探讨。HonltzEakin等研究发现人均碳排放与人均GDP之间存在“倒U型”关系[2]；Cole、Panayotou等也持相同观点，只是转折点有所区别[3-4]。Moomaw等对能源使用产生的碳排放和人均收入数据进行三次拟合发现，当人均GDP为12 813美元时出现碳排放高峰，它似乎揭示了EKC的存在[5]；Freiedl等研究发现三次模型更适用于奥地利，其1960-1999年间的碳排放和GDP之间呈N型曲线[6]。Shafik、Martin等研究得出人均碳排放与人均GDP之间呈现单调递增的线性关系，不存在拐点[7-8]。还有学者研究发现人均GDP和人均二氧化碳排放量之间不相关[9-10]。

随着哥本哈根气候大会的召开，国内学者对碳排放与经济增长关系的研究也逐渐增多。林伯强等基于传统的库兹涅茨模型模拟后发现，中国二氧化碳EKC的理论拐点对应的人均收入是37 170元，在2020年左右[11]。许广月等运用面板根和协整检验方法，研究了中国碳排放EKC的存在性，发现中国及其东部、中部存在人均碳排放EKC，而西部不存在该曲线[12]。魏下海等采用空间计量方法研究了2000-2007年我国29个省（区、市）碳排放EKC，发现人均GDP与人均碳排放之间呈现明显的“倒U型”关系，并计算了EKC拐点，描绘了各地区抵达拐点的时间路径[1]。张为付等采用广义最小二乘法，全面分析了全国及东、中、西部碳排放EKC的存在，并计算了达到拐点时的实际人均收入水平和所需的时间[13]。王圣等研究了江苏省沿海地区经济发展与碳排放二者间的关系，发现1999-2008年间江苏沿海地区人均碳排放量和人均GDP并不符合标准的EKC（倒U型）关系，而是表现为三次方曲线模型[14]。李波等通过对我国农业碳排放与人均GDP的EKC检验发现，倒U型曲线关系明显，且出现转折点的临界值是当人均GDP为20 899元之时[15]。

总体而言，国外学者基于不同地区的实证研究，得出了碳排放EKC检验呈现的多样化结果，国内学者则主要以中国作为研究对象，探寻碳排放与经济发展之间的关系，由于在变量、方法以及时间跨度选择上存在一定差异，导致最终研究结论有所区别。综合多数学者观点可知，中国碳排放与经济增长间存在EKC曲线，但形状可能是倒U型，也可能是N型。目前为止，学者考察的多为能源碳排放强度与人均GDP之间的关系，鲜有人关注我国农业碳排放与农业经济增长间的关系，并对农业碳排放EKC进行验证。事实上，农业也是我国温室气体产生的重要源头，其中17%的碳排放源于农业生产活动。可见，研究碳排放问题时忽视农业碳排放是不科学的，而仅仅考察农业碳排放与国民经济间的关系也是不合理的，因为农业生产部门有其特殊性，应考察其与农业经济之间的关系。基于此，本文拟以农业碳排放强度作为碳排放指标、以农业经济强度作为经济增长指标，对中国农业碳排放进行EKC检验，并试图回答以下两个关键问题：一是中国农业碳排放EKC存在吗？二是不同地区是否达到了农业碳排放的拐点阶段，以及达到拐点对应农业经济强度所需的时限是多少？

1 变量选择与模型设定

1.1 理论依据

20世纪60年代开始，随着生态危机的加剧，经济增长被认为是导致环境恶化的首要因素。为此，一些学者对传统经济理论提出了质疑，开始致力于经济增长与环境质量关系的研究，但因环境质量监测数据难以获取，虽提出了理论假设却缺乏实证检验。20世纪80-90年代，环境监测手段的进步使人们可以获取大量环境质量检测数据，学者们利用这些数据分析了经济增长对环境质量的影响，发现二者之间的关系不是单纯的负相关或正相关，而是呈现倒U型曲线的关系，由此提出了环境库兹涅茨曲线（EKC）假说[16]。一般意义上的EKC是指，在经济发展初期，环境质量会随着经济增长不断恶化；而当经济发展到一定阶段时，随着经济的增长环境质量会得到不断改善。换言之，环境质量恶化速度在经济增长初期快于经济增长速度，而当经济发展到一定程度时则慢于经济增长速度（见图1）[17]。其原因在于：经济发展初期，伴随着农业和其他资源开发力度的加大以及大机器工业的崛起，资源消耗速率超出其再生速率，由此产生了大量的废弃物和有毒物质，环境不断恶化；而当经济发展到一定程度，经济结构不断优化，产业由劳动密集型、资源密集型逐步向知识密集型和现代服务业转变，加上人们环保意识的增强、环境法规的执行、更好技术的采纳以及环境修补措施的不断实施，环境恶化现象逐渐减缓并逐步消失，进而开始出现改善的趋势[16]。环境库兹涅茨曲线（EKC）的基本模型为：其中：Et为国家或地区在时刻t所受到的环境压力，常用环境质量指标、污染物排放强度等表示，Yt为时刻t的经济产出，通常用GDP或人均GDP表示。倒“U”型曲线转折点（即环境质量到达转折点所对应的经济发展水平Yt），可以通过一阶求导得到：Yt=-β1/2β2。

1.2 变量选择与数据来源

以往的研究通常选用总量或者人均指标衡量经济增长与环境质量，本文选用强度指标衡量农业经济增长与农业环境质量。究其原因，主要在于总量指标容易受农业生产规模影响，不利于年际间纵向对比；而人均指标由于无法获取确切人数缺乏可操作性，农林牧渔各产业之间劳动力分类界定较为困难，从事种植业生产的确切人数难以获取，反观强度指标，以播种面积作为载体既便于年际间纵向对比，同时还消除了复种指数影响，使得地区间的比较也更显公平与合理。

环境质量指标将选用农业碳排放强度（PCO2），即单位播种面积农业碳排放量；农业经济增长指标将选用农业经济强度（PGDP），即单位播种面积农业生产总值。之所以这样选择，主要在于二者之间可能有着更为直接的因果关系。一般而言，在农业发展的最初阶段，其增长主要依赖于劳动力投入的增加，农用物资投入变动幅度相对较小，单位播种面积碳排放强度可能处于上升态势，也可能处于不变或者下降趋势；随着农业的发展，劳动力的产出贡献力逐渐减弱，农业增长开始更依赖于化肥、农药等农用物资投入的增加，产出固然能得到提升，但也加剧了农业碳排放；而当农业发展到了一定程度，为了避免农业生态环境持续恶化，先进技术将被广泛运用到农业生产领域，农业物质投入由此逐步减少，在这一阶段农业产出将继续保持增长态势，而农业碳排放则逐步减少。

（1）农业碳排放强度（PCO2）。农业碳排放量引自田云等研究成果[18]，选取农业物资碳排放、土壤碳排放以及稻田碳排放部分，三者加总，构成了农业（种植业）碳排放总量；而农作物播种面积则来自《中国统计年鉴2013》，二者相除即得到1991-2012年我国农业碳排放强度时间序列（见图2）。

（2）农业经济强度（PGDP）。历年农业生产总值、农作物播种面积均来自《中国统计年鉴2013》，同时为了剔除价格波动影响，以2012年作为价格基准年，对历年农业

生产总值进行调整。二者相除即得到1991-2012年我国农业经济强度时间序列（见图3）。

1.3 模型设定与相关检验

环境库兹涅茨曲线（EKC）自创立以来产生了许多回归模型。模型的设定以二次、三次多项式为主。其中，二次多项式从形式上倾向于假设倒U型的EKC成立；而三次多项式形式相对灵活，既可以是单调线性的，也可以是倒U型或者N型[19]。本文选择三次多项式的估计形式。同时，为了减少波动，消除数据中可能出现的异方差，对单位播种面积的农业碳排放和农业

生产总值分别取自然对数，记为：lnPCO2t=ln（PCO2）；lnPGDPt=ln（PGDP）。本文采用Swledn等的理论模型，设定如下简化形式的模型来研究中国农业碳排放强度与农业经济强度间的关系。

其中，PCO2t表示第t年的农业碳排放强度值；PGDPt为第t年的农业经济强度值；εt为随机误差项；β0为截距；β1，β2，β3为待估计参数。

β1，β2，β3取值不同会导致曲线形状不同，可分为表1所示的七种情况。

PCO2与PGDP之间存在N型关系，在第一个转折点PCO2由上升开始下降，在第二转折点PCO2随着PGDP的增长上升

（1）单位根与协整检验。对自然对数序列lnPCO2、lnPGDP、（lnPGDP）2和（lnPGDP）3及其一阶差分序列进行单位根检验，结果如表2所示。

由表2可见，自然对数序列lnPCO2和lnPGDP、（lnPGDP）2、（lnPGDP）3都是非平稳的；△lnPCO2和△lnPGDP、△（lnPGDP）2、△（lnPGDP）3是平稳的。所以△lnPCO2～I（1）和△lnPGDP～ I（1）、△（lnPGDP）2～ I（1）、△（lnPGDP）3～ I（1）满足协整检验的条件。同时Johansen协整检验表明，在5%的显著水平下拒绝了变量之间不存在协整关系的假设。因此可以对lnPCO2和lnPGDP、（lnPGDP）2、（lnPGDP）3进行回归。

（2）格兰杰因果关系检验。协整检验结果证明了农

业碳排放与农业经济增长之间存在长期稳定的均衡关系，

但二者是否构成因果关系，仍需进一步检验。为此，采用格兰杰因果关系检验法对lnPCO2和lnPGDP进行检验。格兰杰因果关系检验实质上是检验一个变量的滞后变量是否可以引入到其他变量的方程中[20]。分别取滞后期为1、2、3对lnPCO2和lnPGDP进行格兰杰因果关系检验，结果如表3所示。

由表3可见，在滞后1阶、2阶、3阶时，在10%的置信水平下能够拒绝原假设“lnPGDP不是lnPCO2的Granger原因”；同时，在滞后3阶时，在10%的置信水平下能够拒绝原假设“lnPCO2不是lnPGDP的Granger原因”。为此，本文可大致认为lnPCO2和lnPGDP存在双向Granger因果关系，即农业经济增长在一定程度影响农业碳排放量变化，而农业碳排放量变化也反作用于农业经济增长。因果关系的存在能极大确保后续的回归分析与EKC验证结果真实可靠。

2 实证结果与分析

2.1 农业碳排放的EKC检验及拐点变动分析

本文验证了中国农业碳排放强度与农业经济强度之间几种不同的函数形式如表4所示。

直接回归时模型1、模型3、模型5的D-W统计量均比较小，表明回归残差存在自相关现象。为此，将AR（1）、AR（2）加入至回归方程，然后通过比较修正后的样本可决系数R2值不难发现，采取三次回归模型（模型6）拟合效果最好，所有变量也都通过了显著性检验。其残差序列LM检验的F统计量为0.743 5，伴随概率为0.496 1，消除了残差序列自相关现象。最后得到回归方程如下：

lnPCO2t=2 729.07+1.61lnPCO2t-1-0.68 lnPCO2t-2

-824.09lnPGDPt+83.09（lnPGDPt）2

-2.79（lnPGDPt）3+εt（3）

从回归方程来看，满足β1<0，β2>0，β3<0，说明农业碳排放强度与农业经济强度之间存在“倒N型”关系。不过“倒N型”EKC是否存在拐点，还需通过进一步计算方可得知。

通过计算可知，方程存在两个极值点。然后令（lnPCO2t）′=0，得出（lnPGDPt-9.927 1）2=0.090 1，

即lnPGDPt-9.927 1=±0.300 2，解出[lnPGDPt]1=9.626 9，[lnPGDPt]2=10.227 3。因为（lnPGDPt）3的系数=-2.79<0，所以较小的实数根9.626 9为极小值，较大的实数根10.227 3为极大值。进一步得出（PGDPt）1=15 167，（PGDPt） 2=27 647，即出现拐点的临界值是15 167元/hm2和27 647元/hm2。其经济含义为：

（1）当每单位播种面积农业产出低于15 167元/hm2时，农业碳排放强度与农业经济强度呈反向变化关系，农业经济保持增长态势，农业碳排放强度呈下降趋势。该阶段农业产出的增加可能更依赖于劳动力投入，由于农用物资投入并未急剧增加，加之农业技术进步在一定程度上提升了农资利用效率，由此降低了单位播种面积农业碳排放强度。

（2）当农业经济强度介于15 167元/hm2与27 647元/hm2之间时，农业碳排放与农业经济发展之间保持同步上升趋势，即随着单位播种面积农业总产值的增加，其农业碳排放强度也将同时增加。随着农业劳动力对农业产出贡献力的逐步减弱，该阶段农业经济发展更依赖于农用物资投入的增加，化肥、农药、农膜、农用机械等的使用量不断攀升，在实现农业经济强度快速提升的同时，单位播种面积农业碳排放量也处于同步上升趋势。

（3）当农业经济强度超过27 647元/hm2时，随着农业经济的发展，农业碳排放强度将逐步降低。在这一阶段，人们开始意识到高投入型农业发展模式虽能实现农业经济的快速增长，但其对生态环境尤其是土壤的破坏却不容忽视。为了扭转这种不利局面，先进生产技术被广泛应用到农业生产领域，主要措施包括培育良种、提高农用物资利用效率、大力发展设施农业与循环农业、加快农业现代化步伐等。先进生产技术的广泛采用使得农业经济保持持续增长态势，而农业碳排放强度则逐步降低。

2.2 农业碳排放拐点的时空分异分析

2012年，我国农业经济强度为28 725元/hm2，已超出临界值（27 647元/hm2），这意味着伴随我国农业经济的进一步发展农业碳排放强度将呈现下降趋势。

（1）空间分布特征。从空间分布来看，将我国各省级行政区2012年单位播种面积的农业经济强度与27 647元临界值进行比较，结果发现：北京（58 819元）、福建（55 839元）、海南（53 908元）、浙江（52 895元）、广东（48 153元）、上海（44 206元）、天津（40 919元）、江苏（38 773元）、辽宁（36 566元）、山东（36 446元）、陕西（36 012元）、河北（35 247元）、新疆（32 690元）、湖南（31 153元）、湖北（30 797元）、四川（28 631元）、广西（28 343元）、河南（27 758元）等18个省（区、市）的农业经济强度超过拐点值，这些地区的农业碳排放水平将随着农业经济的发展逐步降低。观察这18个省（区、市）的空间分布不难发现，它们主要为东部沿海省份以及中西部部分农业较为发达的省份。其中，北京、上海、天津3个直辖市的农业功能不同于其他省份，以现代都市农业为特色，种植业在现代农业发展中并不占主要地位，因而其农业经济强度必然较大。除此之外，其他超过农业碳排放拐点值的15个省（区、市），基本是农业特别是种植业发展水平较高的省份。

余下13个省（区、市）则低于农业碳排放拐点值，均分布于我国中西部地区。这些地区农业碳排放强度何时能达到拐点值？接下来将对其时间路径进行分析。

（2）时间路径差异。预估时间点的首要前提是确定实际农业经济强度的年均增速。在具体实践中，基于数据可获性，首先计算各个省（区、市）2007-2011年间农业经济强度的实际年均增速，并将其作为预估时间点的年均增速，相关原始数据来源于各省（区、市）统计年鉴；然后，将增速带入进行计算，确定到达拐点值所需的年数；最后，确定具体年份。按照这一方法，计算13个省（区、市）达到农业碳排放强度拐点所需要的年数及具体年份如表5所示。

从时间路径来看，由表5可知，13个省（区、市）农业碳排放EKC拐点存在明显差异。其中，部分省份在未来5年内即可进入到EKC拐点，包括甘肃、重庆、吉林和青海等4个省（区、市）；部分省份在未来6-10年内可到达EKC拐点，包括宁夏、安徽、黑龙江和陕西等4个省（区、市）；余下省份目前则距离EKC拐点较远，抵达农业碳排放强度峰值的时间较长，包括西藏、内蒙古、江西、云南和贵州等5个省（区、市），分别需要12、14、21、23、32年才有可能抵达拐点。总体而言，除西藏、内蒙古、江西、云南、贵州5个省（区、市）之外，其他8个省（区、市）均能在10年内达到农业碳排放EKC拐点。对于上述5个短期内难以达到EKC拐点的省份，其形成原因也不尽相同。其中，西藏、内蒙古畜牧业占有重要地位，种植业发展相对滞后，加之受气候、自然条件等因素制约，导致单位播种面积产出水平较低；江西主要受其较为单一的种植业产业结构影响，以种植粮食作物为主，经济作物所占比重较小，由此导致其农用地经济效益处于较低水平；云南、贵州主要受其自然环境制约，由于地处高原，且位于横断山脉地区，以喀斯特地貌为主，土壤贫瘠，加之地质灾害、水旱灾害频繁，导致单位面积农业产出长期处于较低水平，且增速缓慢。

3 结论与讨论

3.1 主要研究结论

本文对中国农业碳排放进行了EKC检验，并对农业碳排放拐点变动趋势和时空分异进行了实证分析，得到如下结论：

（1）从长期来看，中国农业碳排放强度与农业经济强度之间存在“倒N型”EKC关系，且存在双拐点，其临界值分别为15 167元/hm2和27 647元/hm2。其经济含义是，当每单位播种面积农业产出达到15 167元/hm2时，农业碳排放强度由下降开始上升；当农业经济强度超过27 647元/hm2时，农业碳排放强度将逐步降低；当农业经济强度介于双拐点临界值之间时，二者处于同步上升态势。

（2）2012年，我国农业经济强度为28 725元/hm2，已超出高拐点临界值（27 647元/hm2），这意味着伴随我国农业经济的进一步发展农业碳排放强度将呈现下降趋势。从空间分布来看，北京、福建、海南、浙江、广东、上海、天津、江苏、辽宁、山东、陕西、河北、新疆、湖南、湖北、四川、广西、河南等18个省（区、市）农业经济强度超过拐点值，主要为东部沿海省份以及中西部部分农业较为发达的省份。余下13个省（区、市）则低于拐点值，均分布于我国中西部地区。

（3）从时间路径来看，对于未抵达拐点的13个省（区、市）而言，各自农业碳排放EKC拐点存在明显差异。部分省份在未来5年内即可进入到EKC拐点，包括甘肃、重庆、吉林和青海等4个省（区、市）；部分省份在未来6-10年内可到达EKC拐点，包括宁夏、安徽、黑龙江和陕西等4个省（区、市）；余下省份目前则距离EKC拐点较远，抵达农业碳排放强度峰值的时间较长，包括西藏、内蒙古、江西、云南和贵州等5个省（区、市），分别需要12年、14年、21年、23年、32年才有可能抵达拐点。

3.2 进一步讨论

通过实证分析所获取的研究结论为政府正确处理农业碳排放与农业经济增长的关系、科学合理制定农业碳减排政策提供了理论依据。相比以往研究，本文在以下三方面得到了深化和拓宽：①研究对象进一步聚焦，不再局限于碳排放与经济发展、农业碳排放与经济发展间的关系，而是考察了农业碳排放与农业经济增长间的关系，使得研究结论对于农业碳减排更具实际指导意义；②以农作物播种面积为切入点，用农业碳排放强度、农业经济强度指分别表示农业碳排放水平与农业经济发展水平，便于数据的纵向比较，从而解决了衡量指标难以确定这一难题；③借助鲜有学者探究的中国农业碳排放EKC检验结果，本文在确定了农业碳排放的拐点值之后，对未抵达拐点的13个省（区、市）抵达拐点所需年限进行了预测，对该领域研究是一大补充。

当然，限于数据的可获性以及研究水平的不足，该研究尚有一些不足之处有待改进，如研究对象仅限于种植业生产部门的碳排放与农业产出，如何同其他农业生产部门合理衔接值得思考；变量设置时未能充分考虑农业生产的碳汇功能而仅关注了农业生产碳排放这一单项功能，等等。这也是今后需要进一步展开的研究选题。

（编辑：田红）

参考文献（References）

[1]魏下海，余玲铮. 空间依赖、碳排放与经济增长：重新解读中国的EKC假说[J]. 探索，2011，（1）：100-105. [Wei Xiahai， Yu Lingzheng. Spatial Dependence， Carbon Emissions and Economic Growth：Explain Chinas EKC Hypothesis Again [J]. Probe， 2011，（1）： 100-105.]

[2]HoltzEakin D， Selden T M. Stoking the Fires？ CO2 Emissions and Economic Growth [J]. Journal of Public Economics， 1995， 57（1）： 85-101.

[3]Coke M A， Rayner A J， Bates J M. The Environmental Kuznets Curve： An Empirical Analysis [J]. Environmental and Development Economics， 1997， 2（4）： 401-416.

[4]Panayotou T， Sachs J， Peterson A. Developing Countries and the Control of Climate Change： A Theoretical Perspective and Policy Implication [J]. CAER Ⅱ Discussion Paper， 1999，（44）.

[5]Moomaw W R， Unruh G C. Are Environmental Kuznets Curve Misleading U S？ The Case of CO2 Emissions， Special Issue on Environmental Kuznets Curves [J]. Environmental and Development Economics， 1997， 2（4）： 451-463.

[6]Friedl B， Getzner M. Determinants of CO2 Emissions in a Small Open Economy [J]. Ecological Economics， 2003， 45（1）：133-148.

[7]Shafik N， Bandyopadhyay S. Economic Growth and Environmental Quality： TimeSeries and Cross Country Evidence [R]. The World Bank， Washington： World Development Report Working Paper WPS 904， 1992.

[8]Martin Wagner. The Carbon Kuznets Curve： A Cloudy Picture Emitted by Bad Econometrics？ [J].Resource and Energy Economics， 2008， 30（3）： 388-408.

[9]Lantz V， Feng Q. Assessing Income， Population， and Technology Impacts on CO2 Emissions in Canada， Wheres the EKC？ [J]. Ecological Economics， 2006， 57（2）：229-238.

[10]He J， Patrick R. Environmental Kuznets Curve for CO2 in Canada [J]. Ecological Economics， 2006， 69（5）：1083-1093.

[11]林伯强，蒋竺均. 中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J]. 管理世界，2009，（4）：27-36.[Lin Boqiang， Jiang Zhujun. Research on EKC Prediction and Influence Factors of CO2 in China [J]. Management World， 2009，（4）： 27-36.]

[12]许广月，宋德勇. 中国碳排放环境库兹涅茨曲线的实证研究[J]. 中国工业经济，2010，（5）：37-47. [Xu Guangyue， Song Deyong. Empirical Research on EKC of Chinas Carbon Emissions [J]. China Industrial Economics， 2010，（5）： 37-47.]

[13]张为付，周长富. 我国碳排放轨迹呈现库茨涅茨倒U型吗？——基于不同区域经济发展与碳排放关系分析[J]. 经济管理，2011，33（6）：14-23. [Zhang Weifu， Zhou Changfu. Does Chinas Carbon Emissions Path Appear Inverted Ushape？ Analysis on the Relationship between Different Regions Economic Development and Carbon Emissions [J]. Economic Management Journal， 2011， 33（6）： 14-23.]

[14]王圣，王慧敏，陈辉等. 江苏省沿海地区经济发展与碳排放相关性研究[J]. 中国人口·资源与环境，2011，21（6）：170-174. [Wang Sheng， Wang Huimin， Chen Hui， et al. Research on the Correlation between Economic Development and Carbon Emissions in Jiangsu Coastal Areas [J]. Chinese Journal of Population Resources and Environment， 2011， 21（6）： 170-174.]

[15]李波，张俊飚，李海鹏. 中国农业碳排放与经济发展的实证研究[J]. 干旱区资源与环境，2011，25（12）：8-13.[Li Bo， Zhang Junbiao， Li Haipeng. Empirical Study on Chinas Agriculture Carbon Emissions and Economic Development [J]. Journal of Arid Land Resources and Environment， 2011， 25（12）： 8-13.]

[16]侯伟丽. 论经济增长与环境质量：评EKC曲线假说[J]. 求是学刊，2007，34（4）：62-67. [Hou Weili. Research on Economic Growth and Environmental Quality： Based on EKC Hypothesis [J]. Seeking Truth， 2007， 34 （4）： 62-67.]

[17]刘荣茂，张莉侠，孟令杰. 经济增长与环境质量：来自中国省级面板数据的证据[J]. 经济地理，2006，26（3）：374-377.[Liu Rongmao， Zhang Lixia， Meng Lingjie. Research on Economic Growth and Environmental Quality： Based on Chinas Provincial Panel Data [J]. Economic Geography， 2006， 26（3）： 374-377.]

[18]田云，张俊飚. 中国农业生产净碳效应分异研究[J]. 自然资源学报，2013，28（8）：1298-1309.[Tian Yun， Zhang Junbiao. Differentiation Research on Chinas Agriculture Production Net Carbon Effect [J]. Journal of Natural Resources， 2013， 28（8）： 1298-1309.]

[19]赵爱文，李东. 中国碳排放的EKC检验及影响因素分析[J]. 科学学与科学技术管理，2012，33（10）：107-115.[Zhao Aiwen， Li Dong. Analysis on EKC Test and Influence Factors of Chinas Carbon Emissions [J]. Science of Science and Management of S. & T.， 2012， 33（10）： 107-115.]

[20]田云，张俊飚. 碳排放与经济增长互动关系的实证研究：以武汉市为例[J]. 华中农业大学学报：社会科学版，2013，（1）：118-121.