城镇化对能源消费和二氧化碳排放的影响——基于1995—2011年中国省级面板数据的实证研究

王小斌，邵燕斐

（1.五邑大学 经济管理学院，广东 江门 529020；2.暨南大学 经济学院，广州 510632；3.华中科技大学 公共管理学院，武汉 430074）

1 研究背景

新型城镇化是有利于可持续发展的城镇化，其本质是在资源约束的前提下实现城镇化的稳健、快速和可持续发展。能源不仅是人类社会发展的动力来源，而且是现代城镇化发展的动力基础，城镇化需要大量能源作为支撑，这不可避免地带来节能减排压力。随着工业化和城市化的快速推进，中国的能源消费迅速增长，CO2排放量也随之急剧增加，中国政府在国际上面临的CO2减排压力越来越大［1］。城镇化过程不仅涉及大量农村人口向城市转移，而且涉及经济转型和产业结构升级——这必然带来城市基础设施建设的大规模投资，进而导致大量能源消费，最终给资源、环境和生态带来巨大压力。从世界各国城市的发展规律来看，城市化进程的推进、生活水平的提高和城市基础设施投资的增加，必然导致能源消耗及钢铁、水泥、玻璃等高碳排放产品消费的迅速增加。根据《中国能源统计年鉴》（2012），目前中国的能源消费结构为煤炭占70%、石油占19%、天然气仅占5%。可见，作为清洁能源的天然气在能源消费结构中的比重偏低，而作为高污染能源的煤炭和石油的所占比例过大。2012年国家能源局发展规划司的统计数据显示：从2002—2011年中国的发展情况来看，城镇化率每提高1个百分点，会使能源消费增加8000万吨标准煤，预计2020年中国城镇化率将达到60%，进而拉动全国8亿吨标准煤的能源消费。中国城镇地区消费了全国总能源的75.15%，城镇居民的人均能源消费是农村居民的6.8倍［2］。中国35 个特大城市的人口仅占全国人口的18%，却贡献了全国二氧化碳排放量的40%，而中国城镇居民的二氧化碳排放量占全体居民的二氧化碳排放总量的比例更是高达73%［3］。可见，城镇化对中国能源消耗和二氧化碳排放具有重要影响，中国节能减排的压力主要在城镇地区。目前中国正处于城镇化高速发展的中期阶段，城镇空间布局与资源环境承载能力不相适应的问题越来越突出。城镇化对能源消费的直接和间接拉动作用在不断增强，由此产生的温室气体排放问题日益引发社会关注。在此背景下，客观评价城镇化对能源消费和二氧化碳排放的影响效应，并据此制定相应的节能减排措施以减少二氧化碳排放量，对于中国可持续发展实践和新型城镇化建设具有重要意义。

1）中国城镇化的发展趋势。

1949年建国后，中国只有132 个城市，城镇人口数仅占全国人口总数的10.6%。自改革开放以来，中国城镇化实现了前所未有的快速发展。中国城镇人口从1985年的25094万人增加到2012年的71182万人——此期间增长了183.67%；城镇化率从1985 年 的 23.71% 上升到 2012 年 的52.57%——此期间提高了1.22倍（平均每年提高约1个百分点）。2003年中国的城镇化率第一次超过了工业化率，目前已逐步接近中等收入国家的平均水平①数据来源于《中国统计年鉴》（2013）。。

2）中国能源消费的发展趋势。

随着工业化的高速发展和城市人口的急剧膨胀，城镇化对能源的需求越来越大。发达国家的城镇化经验表明：当城市20%～70%之间时，产业结构从以农业为主向以工业为主转变，人均能源消费和能源强度实现同期快速增长；完成城市化以后，产业结构转为以第三产业为主，人均能源消费和能源消费强度也随之下降，并进入相对缓慢增长甚至平稳的阶段。中国能源消费总量从1985年的76682万吨标准煤增加到2012 年的361732 万吨标准煤——此期间增长了371.73%②数据来源于《中国能源统计年鉴》（2012）和World Resources Institute。。目前中国正处于城镇化水平加速上升阶段，对城市基础设施建设的需求日益迫切。同时，中国还处于工业化发展中期，未来现代化目标的实现必须依靠工业化建设，工业化的资源路线决定了必然要消耗大量能源。

3）中国二氧化碳排放量的发展趋势。

经测算，中国的二氧化碳排放量从1985 年的196655.34万吨增加到2012 年的901797.88 万吨——后者是前者的4.59倍（中国能源统计年鉴，2013）。从历年变化趋势看，中国二氧化碳排放量呈具有的波动性，可将其在1985—2012年的发展过程划分为3 个阶段：1985—2002年，中国二氧化碳排放量处于缓慢增长时期，年增长率均在9%以下③根据《中国能源统计年鉴》（2012）和World Resources Institute的有关数据计算而得。，1998年和1999年甚至出现负增长；2003—2006年，中国二氧化碳排放量处于快速增长时期，年增长率均在9%以上，2003年和2004年分别达到22.49%和16.86%；2007—2012年，中国二氧化碳排放量再次进入缓慢增长时期，年增长率均在10%以下，原因在于中国经济的增长速度受全球金融危机的影响而迅速下滑，同时中国实行了严格的节能减排政策并发挥了显著作用。显然，随着工业化进程的推进、城镇化水平的提高以及能源消费的增加，中国的碳排放量呈持续上升趋势。

综上所述，中国城镇化进程的加快不可避免地造成能源消费刚性需求和二氧化碳排放量增加。图1显示了1995—2012年中国城镇化率、能源消费总量和二氧化碳排放量的走势。未来几十年里，中国能源的供需失衡矛盾将愈加尖锐，中国的节能减排压力也将进一步增大，能源供需矛盾和环境污染将成为制约中国经济增长和城市化进程推进的主要因素。在此背景下，研究城镇化与能源消费和二氧化碳排放的动态关系和发展规律，对提高中国城镇人居环境质量与科学制定城镇可持续发展政策提供科学依据就显得极为重要。

图1 1985—2012年中国城镇率、能源消耗总量及二氧化碳排放量走势

2 文献综述

城镇化浪潮带来了人口急剧膨胀和能源需求增加，城镇化与生态环境的关系受到学术界的极大关注。从已有研究来看，国内外学者主要从国家层面、城市层面和居民家庭生活消费层面研究城镇化、能源消费与二氧化碳排放之间的关系［4］。

1）全国层面的研究。例如：Ghosh 和Kanjilal使用自回归分布滞后（autoregressive distributed Lag）方法研究1971—2008 年印度的能源消费、城镇化与经济发展水平之间的关系，发现城镇化率的上升显著增加了其能源消费总量和二氧化碳排放量，据此建议政府将能源长期规划作为城镇化发展的一个重要组成部分［5］；York 使用1960—2000年欧盟14个成员国家的面板数据进行研究，发现这些国家的城镇人口规模和人口结构对能源消费具有显著影响作用，认为未来欧洲人口增长率的下降有助于遏制能源消费膨胀。此层面的研究普遍得出了城镇化会增加能源消费和二氧化碳排放量的结论，但未考虑经济发展阶段。

2）城市层面的研究。例如，Hori、Kondo 和Nogata通过研究亚洲的大连、重庆、福冈、曼谷和胡志明五个城市的城镇化与能源消费的关系发现：人们的环保行为对城市能源消费的影响最大；亚洲人很重视社会交往，以社区为基础的交往活动是促进亚洲城市实施节能行为的有效途径［7］。Khansari、Mostashari和Mansouri认为，城镇化是减少能源消耗、降低生态环境污染的有效途径，因为智慧城市保证了城市居民获得能源消费的各种信息，城市智能电网和清洁能源促进了城市的可持续发展［8］。

3）居民家庭生活消费层面的研究。例如：Mills和Schleich利用来自欧盟10个国家和挪威的共约5000个家庭的数据，研究了家庭的能源使用行为与家庭特征的关系，发现有小孩的家庭更可能采用节能技术和采取节能措施，家庭成员的教育水平对其能源节约行为也有重要影响，较高的教育水平意味着拥有较好的节能技术和较强的节能意识［9］。Curtis、Simpson-Housley和Drever利用来自加拿大萨斯卡切温省住户的调查数据，研究了社会态度和社会经济因素对居民节能行为的影响，证实了2种社会态度和5 种社会经济变量会影响家庭的节能行为，其中节能意识对家庭能源消费的影响显著，政府可通过媒体宣传以增强居民的节能意识，从而提高现有居民家庭的能源使用效率［10］。

4）以中国为研究对象的研究。中国城镇化进程的加快和二氧化碳排放量的高速增长也使得以中国作为研究对象的相关文献日益增多。例如：Li和Yao认为，城镇化是中国能源消费和二氧化碳排放量增加的驱动因素，因为中国大部分城市缺乏有效的节能技术，城镇居民的低碳环保意识普遍不强［11］；Gu、Hu和Zhang等认为，中国长江三角洲地区的城市轨道交通、居民消费和工业化的飞速发展显著增加了二氧化碳排放量，并基于计算结果认为该地区78%的二氧化碳排放量可归结于城镇化发展［12］；Feng、Zou和Wei发现，中国城镇居民的能源消费和二氧化碳排放量高于农村居民，2008年中国城市居民和农村居民的人均二氧化碳排放量分别为1.28吨和0.27吨［13］；林伯强和刘希颖认为城镇化的人口转移对中国能源消费和二氧化碳排放的冲击是显著的，建议政府通过适当控制城镇化速度并将城镇化作为低碳发展的机会来控制碳排放增长速度。［14］

综上，现有研究对于理解中国城镇化对能源消费和二氧化碳排放的影响提供了广阔的视野，但是存在如下不足之处：主要使用国家层面的时间序列数据或面板数据（而且是跨国数据）并采用简化计量模型进行研究，忽视了能源禀赋和经济发展水平的区域差异，这可能导致模型估计有偏性，同时其实证结果能否作为中国制定节能减排政策的参考依据也有待商榷。本文的创新之处在于：不但估计了静态面板数据模型，而且进一步引入动态面板调整模型，并采用Driscoll和Kraay提出的Driscoll-Kraay标准差估计方法，克服了简单使用广义最小二乘法或面板校正标准误差的缺陷，从而使检验结果更加稳健。

中国幅员辽阔，资源禀赋具有明显的地区差异，不同地区的城镇化发展模式千差万别，因此很有必要从全国和地区层面研究中国城镇化、能源消费与二氧化碳排放之间的关系。基于已有文献，本文利用扩展的STIRPAT 模型并使用1995—2011年中国30个省级行政单位的面板数据，分别研究城镇化建设在全国层面和区域层面上对能源消耗和二氧化碳排放的影响效应。

3 模型设定与数据说明

3.1 模型设定

学者们在研究人类活动对环境的影响和压力时通常使用Ehrlich和Holden［15］提出的IPAT 模型。但是，传统的IPAT 模型是一个会计恒等式，无法直接用于实证。本文使用Dietz 和Rosa［16］提出的IPAT 扩展模型，即STIRPAT 模型进行实证分析。STIRPAT 模型的表达式如下：

式（1）中：I表示环境影响；P表示人口规模；A表示财富水平；T表示技 术水 平；a为 模型系数；b、c和d为各自变量的指数；e表示随即误差项。本文基于Poumanyvong和Kaneko［4］的模型构建以下两个模型来研究中国城镇化对能源消费和二氧化碳排放量的影响效应：

式（2）和式（3）中：内生变量CON表示能源消费量、CO2表示二氧化碳排放量；URB表示城镇化率；Y表示人均GDP，采用不变价格计算（以1995年为基期）；POP表示人口规模；EI表示能源强度；控制变量Xit括工业结构（IND）、产业结构（THI）、外商直接投资（FDI）；i和t分别表示地区和年份；uit为非观察的地区固定效应，反映地理特征、排放模式和消费习惯等因素对二氧化碳排放量的影响；δit为误差残差项。式（2）和式（3）中的所有变量均采用自然对数形式，因此可将α和β的估计值直接视为弹性系数值。

3.2 变量说明与数据来源

1）能源消费量（CON）。随着城镇化速度的加快，城市交通、住宅建筑和公共建筑也得到了突飞猛进的发展，因此城镇化与能源消费之间存在紧密的逻辑关系。本文用各省每年标准煤表征能源消费量。

2）二氧化碳排放量（CO2）。目前中国没有直接公布二氧化碳排放量，只能利用相关方法进行估算。本文采用IPCC（Intergovernmental Panel on Climate Change，政府间气候变化专门委员会）（2006）和国家发展和改革委员会能源研究所（2007）的方法估计1995—2011 年中国各省的二氧化碳排放量。化石能源燃烧产生的二氧化碳排放量的计算公式如下：

式（4）中：CO2表示二氧化碳排放量；i表示不同的化石燃料，包括煤炭、天然气、焦炭、燃料油、汽油、煤油和柴油；Ei表示化石燃料i的消耗量；NCVi表示燃料i的平均低位发热量；CEFi表示燃料i的碳排放系数；COFi表示燃料i的碳氧因子（通常为1）；3.67为CO2与C 的分子量比率。各种化石燃料消费量来自《中国能源统计年鉴》（1996—2012）中的地区能源平衡表，二氧化碳排放系数来自IPCC（2006）。

3）城镇化率（URB）。中国城镇化最明显的特征是城镇人口所占比重逐年提高。飞速发展的城镇化伴随着大规模的城市基础设施建设以及商业住宅建设与投资，这拉动了高能耗、高污染的钢筋和水泥需求，进而加大了节能减排压力。衡量城镇化水平的方法有3种——单一指标法、综合指标法和其他指标法。其中，单一指标法具有数据易得、计算方便、简单明确的优点，因此大部分学者使用城镇人口占总人口比重来衡量城镇化率本文亦采用该方法。此外，为判断工业结构对能源消费和二氧化碳排放量的影响，本文还将工业结构与城镇化率交叉项（IND×URB）引入模型。

4）经济增长（Y）。中国经济长期稳定、快速发展是造成国内能源需求增长的主要原因。经济增长除了会带来更多的能源消费需求，还有助于产业结构优化与技术进步，从而提高能源使用效率、降低二氧化碳排放量。因此，经济增长是影响二氧化碳排放的一个重要因素，且两者之间可能存在非线性关系。为消除价格因素导致的误差，采用1995年为基期的CPI（consumer price index）进行调整。

5）人口规模（POP）。人口增长与能源消费增长密切相关。能源消费水平不仅会随着经济增长而提高，而且在很大程度上受人口规模增长的影响。当能源消费水平达到一定程度后，由于能源消费具有刚性特征，因此该能源消费水平将在一段时间内保持不变。人口规模对二氧化碳排放量具有正向影响，即人口越多，所使用和消耗的能源越多，所产生的二氧化碳排放量越多［17］。此外，由于能源消费增长在很大程度上还受经济发展等其他因素的影响，因此能源消费增长速度低于人口增长速度。本文使用各地区的年末总人口来表示人口规模。

6）工业结构（IND）。中国第二产业中的重工业多是高耗能产业，其能源消费量比第一产业和第三产业高很多，也比第二产业中轻工业的能源消费量高很多。目前中国正处于工业化中期阶段，1995年以来各省的重工业比重持续上升，这必然会增加未来中国的能源消费量和二氧化碳排放压力。同时，在第二产业占比相同的条件下，重工业占比高的地区的能源消费量和二氧化碳排放量会显著高于重工业占比低的地区。本文使用轻工业总产值占重工业总产值的比重来表示工业结构。

7）产业结构（THI）。第三产业属于劳动密集与资本密集相结合的产业，金融保险、房地产、信息咨询、电子商务、现代物流、旅游等现代服务业均是能源消耗较少的行业。从三次产业能源消耗量占能源消费总量的比重及其变化趋势来看，第三产业是最有利于节约能源的产业，因为能源消耗只是其生产或服务活动的辅助条件。本文采用第三产业产值占GDP比重表征产业结构。

8）能源强度（EI）。能源强度反映了能源的利用效率，是单位GDP 产出的能源消耗量，即能源利用与经济或产出之比。在国家层面上，能源强度是国内一次能源使用总量或最终能源使用总量与国内生产总值之比。

9）对外贸易（FDI）。开放经济会促进城镇化率的提高，城市凭借良好的基础设施和优惠政策吸引更多的外商直接投资进入。随着国际分工的深化和产业转移的加快，发达国家对中国转移碳排放。本文使用外商直接投资作为对外贸易的代理变量。历年的外商直接投资数据根据当年人民币对美元的中间价折算成人民币处理。

本文采用1995—2011年中国30个省级行政单位的面板数据进行回归分析。由于重庆市在1997年以前隶属于四川省，因此重庆市的部分指标缺少1995年和1996年的统计数据，本文采用线性插值法估计缺失年份的相关指标数据。同时，对所有变量均进行自然对数处理以消除异方差问题。

在数据来源方面：各省级行政单位的能源消费数据来自《中国能源统计年鉴》（1996—2012）；人口数量、人均GDP、第三产业占GDP比重等的数据来自《中国统计年鉴》1996—2012）、中经网统计数据库等；轻、重工业产值来自1996—2012的《中国工业经济统计年鉴》和各省统计年鉴；城镇化率数据来自《新中国60年统计资料汇编》和1996—2012的各省统计年鉴。各变量的描述性统计结果如表4所示。

表1 主要变量的描述性统计结果

4 估计结果与分析

4.1 模型检验方法

首先，验证各解释变量之间是否存在多重共线性。先检验各解释变量之间的相关系数，发现各解释变量之间的相关系数大多小于0.3，只有lnURB与lnIND的相关系数大于0.7；进一步使用Driscoll-Kraay估计方法考察各变量的方差膨胀因子，发现所有变量的方差膨胀因子值都小于10，表明各解释变量之间的多重共线性并不严重。

然后，确定回归方法。本文中截面（N=30）和时期（T=17）的规模都不大，不能将观测个体当成从一个大总体中随机抽样的结果，应将截距项看作待估参数。根据Hausman检验结果得出应采用固定效应估计方法。同时，使用Wooldridge经验规则进行检验时，发现面板数据存在自相关。基于以上原因，无论是广义最小二乘（feasible generalized least square，FGLS）还是面板校正标准误差（panel corrected standard error，PCSE）都不是最优方法①FGLS方法要求面板的时间纬度至少要与截面纬度一样大，PCSE方法在截面数N 较大情况下不够准确。。为解决模型中随机干扰项存在的自相关问题，本文采用Driscoll和Kraay提出的Driscoll-Kraay标准差方法模型（5）～（8）和模型（11）进行回归分析。

在估计二氧化碳排放时，考虑到城镇化水平的调整是一个长期、缓慢的过程，居民生活的能源消费习惯也具有一定惯性，这些因素会使二氧化碳排放量的变动与城镇化率和居民生活能源消费的变化相比具有一定程度的滞后性，因此需要将滞后项引入动态面板数据模型中以控制滞后效应。由于在动态面板数据模型中引入被解释变量滞后一期容易导致解释变量与随机扰动项相关，即解释变量具有内生性，如果简单使用混合OLS（ordinary least square）方法、随机效应或固定效应方法，则得出的结果是有偏的，因此必须利用工具变量进行估计。Arellano和Bond提出可用差分广义矩（difference-GMM）估计方法解决解释变量内生性产生的估计偏差；后来，Arellano和Bover、Blundel和Bond提出系统广义矩（system-GMM）估计方法，此方法具有更好的有限样本性质，比可用差分广义矩估计方法更有效。考虑到影响二氧化碳排放的城镇化水平、能源强度、产业结构的调整也是一个长期而缓慢的过程，引入动态模型滞后项可以较好地控制这些因素，故本文采用系统广义矩估计方法对动态模型（12）～（15）进行参数估计。

4.2 城镇化率对能源消费量影响模型的估计结果

表2 列示了分别采用固定效应检验方法和Driscoll-Kraay标准差方法所得的城镇化率对能源消费量影响模型的估计结果。

1）全国层面的估计结果。

本文分别采用固定效应方法和Driscoll-Kraay标准差方法检验全国层面的城镇化率对全国能源消费总量的影响效应，相关估计结果见模型（1）～（5）的估计结果。由表2可知，无论是各变量回归系数的显著性还是R2值，基于Driscoll-Kraay标准差方法所得的结果均优于基于固定效应方法所得的结果。城镇化率、人均GDP、人口规模、工业结构、产业结果、工业结构×城镇化率交叉项、外商直接投资的估计系数均在5%的水平下显著。这表明，当其他变量不变时，城镇化率每提高1%，全国能源消费量会增加0.436%，即在全国层面上城镇化率的增加了提高了能源消费量。从世界各国的城镇化和能源消费的发展规律来看，一国进入现代城镇化发展的成熟阶段后，其一次能源消费总量会呈现减缓增长趋势，单位社会产出的能耗会明显降低，但是中国能源消费结构落后、产业结构演进呈明显的刚性特征，因此，在工业化和外向经济发展的刺激下，城镇化水平的提高必然促进化石能源消费需求的增加。

2）区域层面的估计结果。

考虑到中国经济发展极不平衡，不同地区的城镇化水平具有显著差异，因此城镇化率对能源消费总量和能源消费结构的影响可能存在地区差异。对此，本文进一步考察中国东、中和西部三大区域的城镇化率与其能源消费量的关系，以揭示城镇化率对能源消费量影响的区域特征。

继续采用Driscoll-Kraay标准差方法对三大区域的城镇化率对其能源消费量的影响效应进行检验，相关结果见模型（6）～（8）的估计结果。可以看出：三大区域城镇化率的提高均对其能源消费量的提升具有显著的正向作用；具体而言，东部地区、中部地区和西部地区的城镇化率每提高1%，相应区域的能源消费量分别提高0.201%、0.517% 和0.660%。可见，城镇化率对能源消费量的影响呈现出西部、中部、东部逐步减弱的局面。形成这一局面的内在原因是：相比中部地区和西部地区，东部地区经济发达、技术先进，基础设施也较完善，城镇化率的提高在改善该地区的产业技术结构、组织结构和产品结构的同时，也促进了城市居民生产生活方式的转变和节能意识的加强；经济相对落后的西部地区缺乏技术创新、先进的组织结构、社会节能技术与节能意识，在能源消费上只能沿袭早期的粗放型消费路径，这些都加大了城镇化对能源消费的依赖。这与孙涵和成金华的研究结论较一致——中国城镇化对未来能源需求的影响呈不断加大趋势，即城镇化水平越高，所消耗的能源越多，对未来能源的影响也越大。但从长期来看，中国城镇化水平的提高有利于能源利用效率的提高，城镇化带来的产业结构调整与优化、节能减排技术进步又会降低对能源消费的依赖性［18］。同时，城镇化率与工业结构交叉项的回归系数在5%的水平下显著为正，说明城镇化进程中能源消费需求随着工业的快速发展而增加。

表2 城镇化率对能源消费量影响模型的估计结果

4.3 城镇化率对二氧化碳排放量影响模型的估计结果

表3 列示了分别采用固定效应方法、Driscoll-Kraay稳健标准差方法和Sys-GMM 方法所得的城镇化率对二氧化碳排放量影响模型的估计结果。

1）全国层面的估计结果。

表3 城镇化率对二氧化碳排放量影响模型的估计结果

以利用Driscoll-Kraay标准差方法所得的估计结果为例进行说明。城镇化率、人均GDP、人口规模、工业结构、产业结构、工业结构×城镇化率交叉项、外商直接投资和能源强度的估计系数均在1%的水平下显著。当其他变量不变时，全国的城镇化率每提高1%，全国二氧化碳排放量会增加0.065%。值得注意的是，工业结构对二氧气化碳排放量具有显著影响，其原因是1995年中国大多数省份的工业结构发生了较大幅度的变化，重工业占工业比重明显上升，其中天津、上海、广东等省市的重工业比重甚至提高了20%以上，这增大了全国的二氧化碳排放压力。另外，使用系统广义矩方法进行模型估计，发现各变量回归系数的显著性明显提高，说明动态面板在估计城镇化率对二氧化碳排放的影响方面的效果比静态面板更佳。

2）区域层面的估计结果。

使用系统广义矩方法对中国三大区域的城镇化率对其二氧化碳排放量的影响效应进行检验，检验结果见模型（13）～模型（15）的估计结果。由表3可知：东部地区城镇化率的回归系数为正且在1%的水平下显著，即东部地区的城镇化率每提高1%，二氧化碳排放量增加0.027%；中、西部城镇化率的回归系数分别为-0.042和-0.033且均在1%的水平下显著为负，即中部和西部地区的二氧化碳排放量随着其城镇化水平的提高而显著减少。其原因可能是：中、西部地区的经济发展水平较低，城镇化推进有助于实现人口、技术和资金的空间集聚以及城市基础设施使用的规模经济。中部地区的工业结构对其二氧化碳排放量的影响强于东部地区。其原因是：中国中部地区产业结构的特点是各类矿产资源产业为优势产业，其中以金属、非金属矿产业及其冶炼加工业为代表的重工业的产值占该地区工业产值的71.6%，它们是该地区经济支柱产业的主要组成部分。同时，中部地区的技术进步和能源使用效率要低于东部地区。这使得中部地区工业结构的二氧化碳排放量高于东部地区。中国三大区域能源强度的回归系数均为正且都在1%的水平下显著。外商直接投资的增加使得东部地区的二氧化碳排放量增多，中、西部地区的二氧化碳排放量减少。

5 结语

当前中国已跨入城市化快速发展的中期阶段，而能源是城市正常运转的物质基础，随着中国经济发展以及工业化和城市化进程的推进，中国能源消费必将急剧增长。在中国城镇化取得巨大成就的背景下，客观评价城镇化对能源消费和二氧化碳排放的影响具有重大的现实意义。本文采用1995—2011年中国省级面板数据，对全国及区域层面的城镇化率对能源消费量和二氧化碳排放量的影响进行了实证研究。研究结果显示：在全国和区域层面上，城镇化率对能源消费量均具有显著的正向影响；城镇化率的提高在全国层面上对二氧化碳排放量的增加具有显著的正向作用，在区域层面上只增加了东部地区的二氧化碳排放量，但减少了中、西部地区的二氧化碳排放。

以上结论对中国城镇化进程与节能减排具有重要意义：

第一，将新能源发展纳入城镇化建设规划。在城镇化进程中，政府要大力推动新能源产业发展，做好相关的扶持工作。政府要进一步完善有关的市场环境和政策环境，充分发挥政府“有形的手”之功能，采取财政、价格和税收等手段大力培育新能源企业的自主创新能力、扩大新能源产业的市场空间，引导和培育对新能源产业的消费需求。

第二，适当减缓城镇化发展速度。城镇化进程中的人口转移对能源消费和二氧化碳排放的冲击是明显的，且二氧化碳排放量的增加速度超过城镇化率的增长速度，这有悖于建设低碳城市的目标。如果继续盲目地用高城镇化率衡量中国的现代化水平，则温室气体排放将大幅增加，从而对未来中国的碳排放总量控制造成不利影响。中国政府应遵循城镇化发展的自然规律，适当减缓城镇化速度，以新型城镇化促进绿色能源消费，并将城镇化作为低碳发展的机会来控制二氧化碳排放增长速度。

第三，针对不同地区实现有差别的节能减排政策。对于交通系统和城市基础设施较完善的东部地区，政府可通过政策引导和制度设计来鼓励当地城镇居民采用适度、合理的消费方式，倡导消费行为从奢侈型转变为节约型；对于以高耗能的重工业为支柱产业的中部地区，政府需要积极进行产业结构调整，通过技术创新和新能源产业化特别是使用新能源清洁技术以确保节能减排成功；考虑到西部地区的城镇化对能源消耗的影响最强，因此应大力发展绿色经济、循环经济和低碳技术，用清洁能源替代传统燃料。

第四，积极调整产业结构和能源消费结构。要给中国的城镇化发展提供清洁、高效的能源保障，需要在控制总量的前提下从根本上调整中国以煤为主的能源消费结构，提高新能源和可再生能源等清洁能源在终端能源消费中的比重。应在城市化与工业化进程中推进产业结构和能源消费结构调整，改变现有的高投入、高污染和低效率的能源消费模式，积极探索低碳城镇化发展模式，促进经济社会发展与人口资源环境相协调。同时，应进一步优化中国的对外贸易产业结构。东部沿海地区要积极发展低污染、高附加值的现代服务贸易业，中、西地区在承接东部沿海地区产业转移的过程中，要充分利用自身的资源禀赋优势，大力发展资源节约型和环境友好型的特色产业。

［1］杜立民.我国二氧化碳排放的影响因素：基于省级面板数据的研究［J］.南方经济，2010（11）：20-33.

［2］DHAKAL S.Urban energy use and carbon emissions from cities in China and policy implications［J］.Energy Policy，2009，37（11）：4208-4219.

［3］LIU L-C，WU G，WANG J-N，et al.China′s carbon emissions from urban and rural households during 1992--2007［J］.Journal of Cleaner Production，2011，19（15）：1754-1762.

［4］POUMANYVONG P，KANEKO S.Does urbanization lead to less energy use and lower Co2emissions？A crosscountry analysis［J］.Ecological Economics，2010，70（2）：434-444.

［5］GHOSH S，KANJILAL K.Long-term Equilibrium Relationship Between Urbanization，Energy Consumption and Economic Activity：Empirical Evidence From India［J］.Energy，2014，66（0）：324-331.

［6］YORK R.Demographic trends and energy consumption in European Union Nations，1960-2025［J］.Social Science Research，2007，36（3），855-872.

［7］HORI S，KONDO K，NOGATA D，et al.The determinants of household energy-saving behavior：survey and comparison in five major Asian cities［J］.Energy Policy，2013，52：354-362.

［8］KHANSARI N，MOSTASHARI A，MANSOURI M.Conceptual modeling of the impact of smart cities on household energy consumption［J］.Procedia Computer Science，2014，28：81-86.

［9］MILLS B，SCHLEICH J.Residential energy-efficient technology adoption，energy conservation，knowledge，and attitudes：an analysis of European countries［J］.Energy Policy，2012，49：616-628.

［10］CURTIS F A，SIMPSON-HOUSLEY P，DREVER S.Communications on energy household energy conservation［J］.Energy Policy，1984，12（4）：452-456.

［11］LI B，YAO R.Urbanisation and its impact on building energy consumption and efficiency in China［J］.Renewable Energy，2009，34（9）：1994-1998.

［12］GU C，HU L，ZHANG X，et al.Climate change and urbanization in the Yangtze River Delta［J］.Habitat International，2011，35（4）：544-552.

［13］FENG Z-H.，ZOU L-L，WEI Y-M.The impact of household consumption on energy use and Co2emissions in China［J］.Energy，2011，36（1）：656-670.

［14］林伯强，刘希颖.中国城市化阶段的碳排放：影响因素和减排策略［J］.经济研究，2010（8）：66-78.

［15］EHRLICH P R，HOLDREN J P.Impact of Population Growth.［J］.Science，1971，171：1212-1217.

［16］DIETZ T，ROSA E A.Effects of population and affluence on Co2emissions［J］.Proceedings of the National Academy of Sciences，1997，94（1）：175-179.

［17］牛鸿蕾，江可申.中国产业结构调整的碳排放效应——基于STIRPAT 扩展模型及空间面板数据的实证研究［J］.技术经济，2013（8）：53-62.

［18］孙涵，成金华.中国工业化、城市化进程中的能源需求预测与分析［J］.中国人口·资源与环境，2011（7）：7-12.