空间效应下中国东部省份碳排放驱动因素研究

肖 洁，张新红

(华侨大学经济与金融学院，福建 泉州，362021)

一、引言

气候变暖与经济发展是21世纪全球面临的两个主要问题。随着温室效应的加强，控制和减少以二氧化碳为代表的温室气体排放是全世界各国制定环境经济政策的重要导向。中国是经济和能源大国，随着经济的发展，能源消费居高不下，大量的能源消耗不仅加剧了能源危机，而且加重了环境污染，尤其是碳排放水平，中国已成为世界上最大的碳排放国家之一［1］。用环境破坏换取经济发展显然不是我们所希望看到的。中国早在2009年就作出承诺:到2020年，中国的碳排放量将比2005年减少40% ～45%。因此，深入分析现阶段影响碳排放的相关因素，寻求低碳经济发展途径尤为重要。

国内外学者对碳排放问题的研究，主要包括对排放增长的预测和影响分析。王锋［2］等(2010)研究了1995—2007年间中国二氧化碳排放量增长的驱动因素。林伯强［3］等(2007，2009)预测了中国煤炭需求增长带来的二氧化碳排放量的增加及中国二氧化碳排放的环境库兹涅兹曲线。陈诗一［4］(2009)利用绿色增长核算分析了能源消耗和二氧化碳排放对中国工业增长方式转变和可持续发展的影响。Doro ＆ Padilla［5］(2006)利用Theil指数分解法，证实Kaya因素中引起不同国家间人均碳排放差异的最重要因素为人均收入，其次为能源消费碳强度与能源强度。Augur sots and Ramadan(2006)在研究EKC假说时将能源消费作为影响因素引入模型，认为从长期来看，能源消费是比GDP对碳排放量的影响更为重大的因素。郭朝先［6］(2012)采用LMDI分解的方法，对中国1996—2009年的碳排放进行了分解，定量分析了产业结构变动对碳排放变动的影响，结果表明未来产业结构变动将有助于减少碳排放。林伯强［7］等(2010)通过对Kaya恒等式的分解，得出对中国碳排放影响较为显著的因素包括经济增长、收入增加和能源强度。

研究表明，省域间的区域碳排放存在空间群聚效应和空间自相关性［8］。我国东部十个省份处于经济较为发达的地区，在经济发展和能源消费的拉动下，东部地区一直都是高碳排放的地区，因此，研究东部地区碳排放的驱动因素具有重要的意义［9］。

二、碳排放驱动因素的选取及数据处理

(一)碳排放驱动因素的选取

在参考已有文献的基础上，根据数据的可得性及东部地区的特点，选取的碳排放驱动因素指标如下:

1.人口总量:中国一直是人口大国，随着人口的增长，人口对能源的需求也将增长，由此产生的能源消费必将导致更多的碳排放。另一方面，人口的增长需要更多的居住空间，森林的砍伐势必会加剧碳排放的速度［10］。

2.人均GDP:一个地区的经济发展程度可以用人均GDP来表示。经济的发展往往伴随着能源的消费和严重的环境污染［11］。

3.产业结构(第二产业和第三产业比值):产业结构代表了一个地区的经济增长方式。目前中国正处于产业转型的阶段，集约式的第三产业的发展会在发展经济的同时给环境带来一定的保护。

4.城镇化水平(城镇人口占总人口的比值):经济的增长和产业结构的变化都会不断催动城镇化进程。城镇人口的增加势必会对能源使用和排放产生影响，城镇居住所需要的住房、建筑过程中使用的钢筋水泥等材料会产生大量的碳排放量［12］。

5.能源强度:能源强度是指单位GDP所消耗的能源数量。能源强度越高代表着能源的利用率越低，所以，降低能源强度从而提高能源利用率可以减少碳排放量。

(二)数据来源与处理

本文以东部地区十个省份及直辖市为研究对象，包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东。数据来源于《中国统计年鉴》、《中国能源统计年鉴》、《新中国60年统计资料汇编》。

由于我国并没有碳排放量的统计数据，也没有一个统一的测算方式，而化石能源的燃烧通过电力或能源等通道覆盖了几乎所有的生产生活领域，因此，化石能源燃烧产生的碳排放量基本上可以代表一个区域的碳排放水平。本文采取化石能源，即煤炭、石油和天然气的消耗数据来测算碳排放量，计算公式为:

其中，E为各省份三种化石能源的消耗量，αi为第i种一次性能源的碳排放系数。为了计算的精确，根据美国能源署、国家科委气候变化项目以及徐国泉的测算数据，取其平均值得到煤炭消耗碳排放系数为0.7329，石油消耗碳排放系数为0.5574，天然气消耗碳排放系数为0.4226。

三、东部地区各省份之间碳排放的空间相关性分析

碳排放是气体排污，在很大程度上会逸散到周边地区，所以存在着空间溢出效应;同时，区域间一体化进程的不断加快，也会使得碳排放存在空间集聚效应［13］。因此，本文首先对东部地区十个省份碳排放的空间集聚效应进行检验。

(一)空间权重矩阵的构造与全域空间相关性检验

本文运用r相邻方法构造空间权重矩阵，如果区域相邻则系数值为1，即Wij=1，否则是0，即Wij=0。

采用Moran指数I对全域空间相关性进行检验，Moran指数I用来检验区域中邻近地域之间的相似、相异(空间正相关、负相关)或相互独立。Moran指数I的计算公式如下:

Moran指数I一般在－1到1之间取值，如果值大于0则表示正相关，取值越接近1表明具有相似的属性集聚在一起;如果值小于0则表示负相关，取值越接近－1表明具有相异的属性集聚在一起。如果取值接近0，则表示不存在空间相关性，相应的属性是随机分布的。

运用geode软件对我国东部地区十个省份2000—2012年的碳排放量的空间相关性进行检验，得到的结果如图1所示。图1中，第一象限代表的是碳排放量高的区域被碳排放量高的区域所包围，第二象限代表的是碳排放量低的区域被碳排放量高的区域所包围，第三象限代表的是碳排放量低的区域被碳排放量低的区域所包围，第四象限代表的是碳排放量高的区域被碳排放量低的区域所包围。如果取值在第一和第三象限，则表示的是正的空间相关性，也就是说区域之间存在空间滞后性;反之，如果取值在第二和第四象限，则表示的是负的空间相关性，也就是区域之间存在空间误差性。

图1 东部省份及直辖市碳排放Moran I散点图

从实证结果图1中的Moran指数I可以看出，在2000—2012年之间，中国东部十个省域之间的碳排放量存在着集聚效应，碳排放较高的省域之间相邻近，碳排放较低的省域之间相邻近。东部十个省份之间存在正的相关性，碳排放量在区域之间是相似的。

(二)局域空间相关性检验

由于全域空间相关性检验存在其局限性，即如果一些省域的碳排放存在正相关的同时，其他一些省域的碳排放存在负相关，整体体现出的相关性会相互抵消，便无法观测出空间的相关性［14］。所以引入局域空间相关性检验，其计算公式如下:

其中，各变量代表的含义与(2)式相同。如果计算结果为正，则表示高排放区被高排放区包围或者是低排放区被低排放区包围;如果计算结果为负，则表示高排放区被低排放区包围或者是低排放区被高排放区包围。

为了观察碳排放量的局域效应，本文结合碳排放数据和公式(3)，运用geoda软件计算出各年的局域Moran指数，如表1所示。

表1 东部省份及直辖市2000—2012年局域Moran指数

从表1可以看出，2000—2012年东部地区的省份中，河北省、辽宁省和山东省都位于第一象限(高－高集聚);北京市和天津市多位于第二象限(低－高集聚);上海市、浙江省和福建省多位于第三象限集聚(低－低集聚);广东省位于第四象限(高－低集聚)。江苏省位于第一象限或第一与第二象限的分隔处。东部地区十个省份之间的碳排放量并不是随机分布的，而是大致上呈正相关的关系。因此，东部地区的省份之间可能存在空间滞后效应和空间误差效应。

四、东部省份碳排放影响因素的实证分析

从前面空间效应的分析中可以看出，东部省份的碳排放量存在空间效应，进一步构建空间经济计量模型［15］，包括空间滞后模型和空间误差模型。

(一)空间计量模型的设定

根据本文选的碳排放驱动因素，构建改进的STIRPAT模型，即以人口数、人均 GDP、产业比值、城镇化水平和能源强度为解释变量，碳排放量为被解释变量，结合柯布－道格拉斯生产函数的双对数形式，对模型的两边取对数得到如下计量模型:

其中，C为碳排放量，P为人口数量，PG为人均GDP，TU为产业比值，UR为城镇化水平，EN为能源强度，ε为随机误差项。

空间滞后模型研究碳排放在向邻近的区域间是否存在扩散效应。其模型表达式为:

其中，y为被解释变量，在这里为某年各省份的碳排放量;X是外生解释变量矩阵(n*k)，本文中为十个省份的五个碳排放影响因素组成的解释变量矩阵;ρ为空间滞后回归系数，是相邻的空间对本空间的影响程度;Wy是空间滞后，在这里是y的加权平均;β反映了解释变量X对被解释变量Y的影响程度;ε是随机误差向量。

结合研究的影响因素，再对模型两边进行对数化处理得到如下形式:

其中，ΣwijInC是空间滞后的被解释变量，ρ为空间回归系数，如结果为正，代表存在正向溢出效应;如结果为负，代表存在负向的溢出效应。

东部省份由于所处的地区位置不同而使得碳排放在省份间的相互作用存在差异时采用空间误差模型，其模型表达式为:

结合研究的影响因素，再对该模型两边进行对数化处理得到如下形式:

(二)实证分析及估计结果

在实证分析前，先根据样本数据特征选择模型形式。为选择合适的模型，对空间滞后模型和空间误差模型分别进行Hausman检验，Hausman检验的原假设是应采用随机效应。经计算，结果P 值为0.0001，远小于 0.05，拒绝原假设，所以本文采取固定效应模型。

接下来，由于固定效应模型存在时间固定效应和空间固定效应两种，据此将空间固定效应又分为以下几种:时间固定效应、空间固定效应、无固定效应和既有时间又有空间固定效应。本文分别给出四种不同效应下的空间滞后模型和空间误差模型的回归分析，其结果如表2和表3所示。

比较上述两个模型的回归结果可以发现，其中ρ和λ都为正数，表明存在空间溢出效应，东部各省域的碳排放量对邻近省域的碳排放量有正向的影响作用。

通过表2和表3的数据可以看出，空间滞后模型四种效应下的拟合度和对数似然函数值均低于空间误差模型，所以本文采取空间误差模型的空间固定效应形式作为实证分析模型。

表2 东部省份碳排放空间滞后模型估计结果

表3 东部省份碳排放空间误差模型估计结果

根据公式(8)和表3，得到的模型为:

根据模型(9)，得到如下分析结果:

(1)对5个解释变量的回归分析结果可以看出，东部省域的人口数、人均GDP、城镇化水平和能源强度的统计值均通过了1%的显著性水平检验，而产业比值的统计值没有通过10%的显著性水平检验。

(2)东部省份的人口数、人均GDP、城镇化水平和能源强度四个影响因素的回归系数都是正值，它们的增加对碳排放量有促进作用。能源强度的弹性系数为1.0703，影响程度最大，表明能源强度每增加1%，碳排放量会增加1.0703%;人口数和碳排放量的弹性系数为0.9556，表明人口数每增加1%，碳排放量会增加0.9556%;人均GDP和碳排放量的弹性系数为0.8812，表明人均GDP每增加1%，碳排放量会增加0.8812%;城镇化水平和碳排放量的弹性系数为0.4819，表明城镇化水平每增加1%，碳排放量会增加0.4819%，城镇化水平和碳排放量之间是正向相关关系。

(3)空间误差的估计参数λ的结果为正，并且通过了1%的显著性水平检验，表明东部省份的碳排放量存在正的空间效应，东部邻近省域的碳排放之间存在相互促进影响。

五、结论与政策建议

通过分析得出如下结论和相应减排政策:

1.东部省域的经济与碳排放呈现正相关关系，而且东部省域经济的发展会对碳排放量产生比较大的影响效果。然而经济发展也是我国一个很重要的因素，所以通过控制经济发展来达到抑制碳排放显然是不可取的，更需要通过提高经济增长的质量从而优化经济发展的方式来达到增长经济和减少碳排放的目的。

2.东部省域的人口数与碳排放呈现正相关关系。中国一直都是人口大国，人口基数大，特别是东部地区，由于经济的发展不断吸引着外来人口的迁入，使得东部经济发达地区的人口密度特别大。计划生育是中国国策，如何更好地实践这个国策或采取其他相应政策，达到有效控制东部地区的人口数量，提高人口素质的目标，在人口不断增长的同时也注重理性消费能源，达到有效的控制碳排放量的目的。

3.能源强度是导致碳排放的主要因素。中国的经济发展和能源消耗一直都是正向相关的，而能源的消耗更多的是一次能源特别是煤炭的消耗，再加上东部地区经济的高速发展同时也需要消耗更多的能源，这些都会更大地加重空气中的碳排放量。因此，提高能源利用效率特别重要，与此同时大力开发新的清洁能源，如太阳能、风能的利用，从而有效地控制碳排放量。

4.东部地区经济的高速发展，使得东部地区的城镇化水平比西部地区高，城镇人口数量的增加势必需要更多的生存空间，消耗更多的能源同时也产生更多的碳排放量。对于城镇化，政府应该采取相应的政策措施，提高乡镇地区的生活质量和就业，引导人口向乡镇流动，一方面缓解经济发达区域的生存压力，另一方面有效地减缓能源消耗和减少碳排放量。

5.东部地区第二产业与第三产业的比值保持着小幅波动的状态，并没有特别大的改变。产业比值对碳排放的影响因素效果不明显。若能优化产业结构，加大第三产业的比值，势必将减少碳排放量。

6.对东部省域的碳排放量进行空间效应检验表明，东部省域之间的碳排放量存在空间集聚效应。各省份在制定碳减排政策的同时应该考虑到空间效应，可以和邻近的省份制定减排的规章制度以控制整体的碳排放量。

［1］付加锋.低碳经济理论与中国实证分析［M］.北京:中国环境科学出版社，2012.

［2］王 锋、吴丽华、杨 超.中国经济发展中碳排放增长的驱动因素研究［J］.经济研究，2010，(2):124 －137.

［3］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［J］.管理世界，2009，(4):33 －42.

［4］陈诗一，能源消耗、二氧化碳排放与中国工业的可持续发展［J］.经济研究，2009，(4):43－57.

［5］Padilla，E.and J.Roca(2006).The Proposals for a European Tax on CO 2 and Their Implications for Intercountry Distribution.［J］ Environmental and Resource Economics 27(3):27－40.

［6］郭朝先.中国碳排放因素分解:基于LMDI分解技术［J］.中国人口·资源与环境，2010，(20):8 －13.

［7］林伯强、姚 昕、刘希颖.节能和碳排放约束下的中国能源结构战略调整［J］.中国社会科学，2010，(1):59－72.

［8］龙家勇、吴承祯、洪 伟、林君燕.中国省域二氧化碳排放量的空间自相关分析［J］.生态经济，2011，(10):45－49.

［9］雷玉桃、杨 娟.我国碳排放的空间分布与经济发展研究［J］.技术经济与管理研究.2013，(3):122 －125.

［10］朱 勤.中国人口、消费与碳排放研究［M］.上海:复旦大学出版社，2011.

［11］魏下海、余玲铮.空间依赖、碳排放与经济增长［J］.环境科学.2011，(1):102 －107.

［12］程叶青、王哲野、张守志、叶信岳、姜会明.中国能源消费碳排放强度及其影响因素的空间计量［J］.地理学报，2013，(10):116 －129.

［13］马军杰、陈 震、尤建新.省域一次能源二氧化碳排放的空间计量经济分析［J］.技术经济，2010，(12):64 －69.

［14］吴玉鸣、吕佩蕾.空间效应视角下中国省域碳排放总量的驱动因素分析［J］.桂海论从，2013，(1):46－51.

［15］郑长德、刘 帅.基于空间计量经济学的碳排放与经济增长分析［J］.中国人口·资源与环境，2011，(5):84－90.