城镇化进程中碳锁定的诱发机制与解锁路径研究

李少林

(东北财经大学产业组织与企业组织研究中心，辽宁 大连 116025)

·产业组织·

城镇化进程中碳锁定的诱发机制与解锁路径研究

李少林

(东北财经大学产业组织与企业组织研究中心，辽宁 大连 116025)

全国大范围城市频繁持续遭遇雾霾天气日益引发社会对碳锁定的广泛关注，识别碳锁定风险并提出有效的碳解锁路径，对于提升城镇化质量具有重要的现实意义。本文在分析碳锁定诱发机制的基础上，首先对2003—2014年中国30个省会城市和直辖市碳锁定的风险进行量化，其次运用考虑非期望产出的DEA-SBM模型和Bootstrap-DEA方法纠偏测算碳排放约束下城市投入产出综合效率，最后采取动态面板系统广义矩估计方法对城市碳锁定风险的影响因素进行研究。研究结果表明，城市投入产出综合效率与经济发达程度正相关，且有效化解了碳锁定风险，市场化改革降低碳锁定风险的贡献小于生产技术进步，人口密度和第二产业比重对碳锁定风险无显著影响，城镇化率显著加剧了碳锁定风险。提高城市投入产出综合效率、深化生产要素配置的市场化改革和保持合理的城镇化速度，均有利于实现城镇化的低碳解锁。

城镇化；碳排放；碳锁定；碳解锁

一、问题的提出

近年来，全国大范围频繁持续遭遇雾霾天气给中国城镇化质量提升带来了严峻的考验。2016年7月环境保护部发布的重点城市空气质量状况显示，京津冀地区13个城市和长三角地区25个城市空气质量平均优良天数分别为54.4%和78.4%，同比分别下降0.4个百分点和3.5个百分点，其中北京空气质量优良天数仅为31.0%，同比降幅高达4.5个百分点。2015年中国城镇化率达到56.1%，快速扩张的城镇化进程可能使得部分城市的人口迁移与资源环境消耗承载力匹配性下降，面临着碳锁定的风险。《国家新型城镇化规划(2014—2020年)》提出建设生态文明城市的目标，推行绿色城镇化，使得常住人口城镇化率达60.0%左右。因此，深入分析碳锁定风险的诱发机制，提出合理的碳解锁路径，对于实现新型城镇化目标具有重要的现实意义。

国内外相关学者主要从技术和体制等方面对碳锁定的成因、影响、对策和趋势进行研究。汪中华和成鹏飞[1]通过计算碳超载率作为碳锁定程度的指标，对中国碳锁定总体情况进行了判断，认为2003年以来中国碳锁定程度逐渐加剧，随后对技术投入、能源消耗和产业结构等变量的碳解锁效应进行短期和长期的影响差异分析，分别提出了碳解锁建议。林秀群[2]通过构建碳承载力、碳超载率的理论模型对云南碳锁定的时间和趋势进行了分析，认为2002年以后云南的碳锁定趋势愈发严重，提出减轻碳超载、降低化石能源消耗和提升碳承载力是碳解锁的主要方向。沈友娣等[3]运用可拓展的随机环境影响评估模型和岭估计法对安徽碳排放的驱动因素进行分析，认为安徽总体上“相对解锁”，从提高能源利用率、行业结构调整和制造园区低碳发展等方面提出碳解锁建议。安福仁[4]在对新型工业化道路进行分析的基础上，探讨了碳锁定的形成机制，认为经济系统存在严重的依赖化石能源的特征，寻求可再生能源替代化石能源是实现碳解锁的重要路径之一。

城镇化对碳排放影响的文献主要集中在作用机制或渠道分析、碳排放测算方法和空气污染收敛性等方面。张腾飞等[5]认为城镇化通过人力资本积累和清洁生产对碳排放产生影响，并分别采用常住人口、户籍人口和半城镇化率等指标衡量城镇化，实证研究了人力资本积累和清洁生产对碳排放的影响，两者均有助于抑制城镇化对碳排放的正向影响，且人力资本积累渠道的边际影响通常高于清洁生产渠道。毕晓航[6]认为城市化引致的人口迁移通过产业结构、生活方式和空间布局等方面对碳排放施加间接影响，城市化的不同发展阶段对碳排放也具有调节关系。娄伟[7]认为碳排放的计算方法为能源消费、工业产品生产、垃圾和农地二氧化碳排放总量减去林地吸收的二氧化碳总量，并以北京为案例对该方法加以应用。郝宇和张千雪[8]研究了113个城市人均二氧化硫排放量的收敛性，结果表明全国、东、中、西部地区均存在绝对收敛和相对收敛，人均收入对收敛速度有正向影响，而人口密度对收敛速度则具有负向影响。李姝[9]研究了城市化对环境污染的影响，研究表明城市化与废气污染和废水污染呈现高度的正相关性。

现有关于碳锁定、碳解锁与城镇化影响碳排放文献的局限性主要体现在：一是主要从技术和体制等方面进行理论分析，且集中在能源消耗和技术投入等方面，相关因素分析不够全面，碳解锁建议缺乏经验依据。二是碳锁定的判定以案例研究和全国层面研究为主，缺乏基于细分城市的研究。三是城镇化影响碳排放的作用机制分析通常选取几个中间变量作为传导变量，呈现出主观性较强的特点。

区别于以往研究，本文的创新点主要体现在：一是综合分析现有文献所考虑到的影响碳锁定风险的变量，选择较为合理且简明的指标对碳锁定风险进行量化。二是运用考虑非期望产出的DEA-SBM模型和Bootstrap-DEA方法纠偏测算碳排放约束下的城市投入产出综合效率。三是基于2003—2014年中国30个省会城市和直辖市对碳锁定风险的影响因素进行经验研究，综合考虑了城镇化投入产出效率、市场化指数、城镇化率、人口密度和第二产业比重等变量，据此提出碳解锁路径。

二、城镇化进程中碳锁定风险的诱发机制与量化方法

碳锁定的概念最早由Unruh[10]提出，被认为是特定经济发展阶段处于依赖化石燃料而阻碍低碳技术发展的稳定状态。结合国内外相关文献关于碳锁定、城镇化与碳排放问题的研究，本文主要从生产技术水平、经济制度、人口城镇化和产业结构变迁等维度对碳锁定的诱发机制进行综合分析，并提出测度碳锁定风险的简易指标。

(一)城镇化进程中碳锁定风险的诱发机制

1.生产技术水平

碳锁定形成的重要成因之一是技术锁定，在碳密集度较高的化石能源系统中存在着技术锁定的状态，锁定状态被强化的根源在于技术、基础设施和相互关联产业系统的网络外部性。当考虑技术选择对自然环境的影响时，技术锁定是潜在的重要问题，对持续技术变迁的追求意味着政策制定者将面临如何阻止和逃避技术锁定，在没有外界干预的情形下，产业的内生变迁使得技术系统逐步演化，然而这种自发的转型时间和方向可能不是社会最优的，外界需要干预的标准是在技术溢出的过程中存在规模报酬递增，最终结果是可能导致次优的环境技术标准。降低碳排放最直接的方法是增加清洁能源的生产和消费，李少林[11]将新能源的投入界定为太阳能、风能、地热能和生物燃料产量等四种形式，以新能源发电量作为产出，测算了23个国家的新能源发电效率。实际上，新能源效率的高低反映出新能源的技术进步，亦即技术解锁的程度。为便于进行量化，本文将基于投入产出视角，将城镇单位从业人员数、固定资产投资和城市建成区面积作为投入，地区生产总值、社会消费品零售总额和二氧化碳排放量作为产出，测算城市投入产出综合效率，以此反映技术进步状况。

2.经济制度

引起碳锁定的另一个重要变量是制度变量，通常衡量制度较为困难，樊纲等[12]提出的市场化指数可近似作为制度变量的代理指标。市场化改革包含了非国有经济发展、产品和要素市场发育等多维信息，能够反映各地区的经济体制改革进展，由于省会城市在全省占据主导地位，我们将各省会城市的市场化指数近似用各省的市场化指数代替。

3.人口城镇化

大量文献表明城镇化引致的人口迁移对碳排放具有显著影响，朱勤和魏涛远[13]从居民消费维度对人口城镇化的碳排放效应进行了定量评估，研究表明，20世纪90年代中期以来，人口城镇化驱动碳排放的效应超过人口规模，居民消费率下降推动了碳排放的上升，而能源强度下降则有利于碳减排效果的显现。伴随着人口老龄化的不断加重，人口年龄结构也对碳排放产生了重要影响，田成诗等[14]运用扩展的随机STIRPAT模型对人口年龄结构的碳排放效应进行了实证研究，结果表明30岁以下人口对碳排放的影响不显著，而30—44岁的正向影响最大，60岁以上的影响则变为负，中国未来的老龄化将有助于减缓碳排放。除了人口规模和人口年龄结构的影响外，人类对能源的消费行为也对碳排放产生了锁定效应，Maréchal[15]认为不完全有意识的行为——习惯与理性选择理论截然相反，由于习惯的存在，在给定的政策激励下，消费者不对能源消耗施加控制。本文以城镇化率和人口密度衡量人口城镇化，其中城镇化率代表人口城镇化的总体进度，人口密度代表人口城镇化的分布状况。

4.产业结构变迁

产业结构变迁最直接的效应是改变能源消耗结构，对碳排放产生间接影响。韩永辉等[16]在测度省际生态文明指数的基础上，运用广义动态空间面板模型研究产业结构优化升级对生态文明的影响机理与程度，研究表明产业结构合理化和高度化带动本地生态文明的同时，对其余省份的生态文明也有正向影响。周星等[17]研究了中国东部11个省份的碳脱钩效应，研究表明第二产业比重下降和第三产业比重上升，将带动经济发展与碳减排脱钩。本文将各省会城市和直辖市第二产业比重(第二产业增加值占地区生产总值的比重)作为产业结构的衡量指标，探究产业结构变迁对碳锁定风险的影响。

(二)城镇化进程中碳锁定风险的量化方法

现有文献较少涉及碳锁定风险的衡量，汪中华和成鹏飞[1]主要从碳超载率的计算入手，将碳排放量与碳汇量的差额作为碳锁定程度的指标，由于是基于全国层面的研究，在碳排放量和碳汇量的测算方面数据可得性较高，因而考虑的因素较多。从微观城市层面对碳锁定风险进行衡量，受到数据可得性的限制，本文简化并采用两种方法对30个省会城市和直辖市的碳锁定风险进行衡量：一是假定城市碳排放主要来源于能源消费引起的二氧化碳排放，将城市建成区绿化覆盖率作为吸收二氧化碳强度的指标，碳超载量等于二氧化碳排放量减去城市建成区绿化覆盖率所吸收掉的二氧化碳，作为碳锁定风险的量化指标。二氧化碳排放量按照各城市能源消耗标准煤的折算系数进行计算，目前中国采用较多的“能源燃料折算成标准煤以后二氧化碳排放系数”通常在2.420—2.720之间，本文的折算系数取区间均值2.570，即将各城市能源消费总量折算成标准煤，每吨标准煤燃烧产生的二氧化碳量为2.570吨。由于数据可得性的限制，结合中国历年电力生产结构的特征，火力发电约占总发电量的80.0%，假设火力发电量与消费量相匹配，全社会用电量的80.0%即为火电消费量，按照火力发电煤耗计算，每度电折合0.123千克标准煤，即从城市全社会用电量数据推算城市的二氧化碳排放量，推算公式为：CO2=electricity×80.0%×0.123÷1 000×2.570，其中CO2表示城市二氧化碳排放量，electricity表示城市全社会用电量。据此，本文所需量化的碳锁定风险指标可以表示为overload=electricity×80.0%×0.123÷1 000×2.570×(1-greening)，其中greening表示城市建成区绿化覆盖率。二是由于城市空气质量的变动可较好地反映出城镇化进程中碳锁定的程度，将城市空气质量好于二级的天数作为衡量碳锁定风险的指标，用以检验碳超载量作为碳锁定风险指标的稳健性。

三、中国城镇化进程中碳锁定风险的影响因素研究

基于碳锁定风险诱发机制的分析，为对碳锁定风险进行量化，并探讨其影响因素，本文主要从《中国城市统计年鉴》《中国环境统计年鉴》和中经网统计数据库搜集相应的指标数据，以城镇单位从业人员数、固定资产投资和城市建成区面积作为投入，地区生产总值、社会消费品零售总额和二氧化碳排放量作为产出，运用DEA-SBM模型和Bootstrap-DEA方法测算碳排放约束下的城市投入产出综合效率。随后将碳超载量和城市空气质量分别作为碳锁定风险的代理指标，对城市投入产出综合效率、市场化指数、城镇化率、人口密度和第二产业比重等变量建立动态面板模型进行碳锁定风险影响因素的经验研究，为提出针对性的碳解锁政策建议奠定基础和依据。

(一)数据来源与描述性统计

在选择投入产出指标测算城镇化综合效率时，城镇单位从业人员数、固定资产投资、城市建成区面积、地区生产总值、社会消费品零售总额和二氧化碳排放量(由城市全社会用电量推算)的原始数据来源于中经网统计数据库。笔者利用年末市辖区人口数除以年末全市总人口数计算得到各省会城市或直辖市的城镇化率，原始数据分别来源于中经网统计数据库和《中国城市统计年鉴》。根据碳锁定风险的量化方法，笔者计算出各城市历年的碳超载量，城市空气质量好于二级的天数的原始数据来源于《中国环境统计年鉴》，变量的描述性统计如表1所示。

表1 变量的描述性统计

(二)中国30个省会城市和直辖市投入产出综合效率的纠偏测算

本文将Tone[18]提出的考虑非期望产出的DEA-SBM模型与Simar和Wilson[19]提出的Bootstrap-DEA方法相结合进行效率值的纠偏测算。DEA-SBM模型的基本原理是：基于松弛测度的SBM模型处理非期望产出，假设存在n个均包含投入、期望产出和非期望产出的决策单元，分别表示为x∈Rm，yg∈Rs1，yb∈Rs2。定义矩阵：

(1)

(2)

其中，xo=Xλ+s-，yob=Ybλ+sb，yog=Ygλ-sg，且s-≥0，sb≥0，sg≥0，λ≥0；s是投入产出的松弛量，λ表示权重向量；仅当ρ*=1，亦即s-、sb和sg均为0时，表明该决策单元是有效的；当0≤ρ*<1时，表明该决策单元是非有效的，有必要对其投入产出进行改进。

在运用DEA-SBM模型计算出效率之后，运用Simar和Wilson[19]提出的Bootstrap-DEA方法修正效率评价值的偏误，并提供置信区间。本文采用MAXDEA专业版软件对2003—2014年中国30个省会城市和直辖市包含非期望产出的投入产出效率进行纠偏测算，使用规模报酬不变的产出导向模型，并设定抽样次数为500次，以确保置信区间的覆盖面，测算结果如表2所示。*限于篇幅，2003—2013年的计算结果未在正文列出，留存备索。

表2 2014年中国30个省会城市和直辖市投入产出综合效率原始值与Bootstrap-DEA纠偏估计值比较

从表2可以看出，采用Bootstrap-DEA方法纠偏测算的投入产出综合效率值基本上比传统DEA方法测算的效率值小，原因是Bootstrap-DEA方法将前沿面的非效率因素一并考虑在内，传统DEA方法高估了效率值，而且纠偏后的投入产出综合效率值均落在置信区间内，印证了真实效率值不大于传统DEA效率值的观点，说明了本文采用的Bootstrap-DEA纠偏技术得到的结果是可靠的。从具体的效率测算值来看，2014年北京、天津、济南、长沙、广州、福州和成都等城市的投入产出综合效率较高，中西部欠发达地区比如贵阳、西宁、银川、太原和乌鲁木齐等城市的投入产出综合效率较低，测算结果基本符合中国经济发展的现实情况。

(三)基于系统广义矩估计方法的碳锁定风险影响因素

由于中国城市雾霾天气大多呈现出阶段性的动态变化特征，本文将采用动态面板模型进行估计，为确保回归结果的可靠性，采用Arellano和 Bover[20]与Blundell和 Bond[21]提出的系统广义矩估计(System-GMM)方法进行估计，以有效克服解释变量存在的内生性。根据前文的理论分析，本文的动态面板回归模型可初步设定为：

cdenrt=α0+λcdenr,t-1+α1efficiencyrt+α2marketrt+α3efficiency×market+α4(efficiency×market)2+δritβi+θr+τri

(3)

其中，被解释变量cdenrt表示城市建成区单位面积碳超载量；cdenr,t-1表示cdenrt的一阶滞后项；efficiencyrt表示城市投入产出综合效率；marketrt表示市场化指数；α1、α2、α3、α4和δrit表示回归系数；βi表示控制变量；θr表示非观测的城市固定效应；τri表示随机误差项。

本文对动态一阶自回归模型式(3)进行系统广义矩估计，估计结果如表3所示。

表3 城市建成区单位面积碳超载量衡量的碳锁定风险影响因素回归结果

注：***、**和*分别表示在1%、5%和10%的显著性水平上显著，小括号内的值为标准误，AR(1)、AR(2)和Hansen检验值为相应的P值，下同。此外，由于人口密度变量数值极小且在统计上不显著，故未列出。

从表3可以看出，第4列、第5列和第6列均采用城市单位面积碳超载量、城市投入产出综合效率、市场化指数的滞后3期作为工具变量，AR(1)、AR(2)和Hansen检验均得以通过。AR(1)检验残差项是否存在一阶自回归过程，零假设是残差不存在一阶自回归过程，第4列、第5列和第6列均表明AR(1)存在一阶自回归过程，AR(2)不存在一阶自回归过程。Hansen检验的零假设是工具变量不存在过度识别，Hansen检验表明选取的工具变量有效，模型设定合理。为验证系统广义矩估计的可靠性，本文还给出了混合普通最小二乘法(Pooled OLS)和固定效应模型(FE)的回归结果作为参考。系统广义矩估计回归结果显示，当第4列同时加入了城市投入产出综合效率与市场化指数的交互项及其平方项以后，回归结果的系数大多不显著，为了进一步探究碳锁定风险的影响因素，分别对交互项及其平方项进行单独回归，结果参见第5列和第6列。第5列仅加入了城市投入产出综合效率与市场化指数的交互项，回归结果显示，碳锁定风险的核心影响因素——生产技术水平、经济制度及两者的交互项对城市建成区单位面积碳超载量的影响均显著，其中城市投入产出综合效率的影响在1%的显著性水平上显著，当城市投入产出综合效率提升1%时，城市建成区单位面积碳超载量下降8.990%，而当市场化指数上涨1时，城市建成区单位面积碳超载量下降0.877%，两者的交互项对碳锁定风险的影响在5%的显著性水平上显著，表明当前中国城镇化进程中很可能存在典型的碳锁定现象，印证了技术与制度的复合体导致碳锁定的基本理论在中国是成立的。

此外，城镇化率对碳锁定风险的影响在10%的显著性水平上显著，表明中国城镇化进程加快在一定程度上诱发了碳锁定风险，保持合理的城镇化速度有利于碳解锁的实现。第6列加入了城市投入产出综合效率与市场化指数交互项的平方项，其系数在1%的显著性水平上显著为正，表明中国的碳锁定风险呈现出先下降后上升的“U”型特征，结合第5列的回归结果，中国碳锁定风险正处于“U型”曲线的上升阶段，生产技术水平与经济制度的相互交织有进一步提高城市建成区单位面积碳超载量的趋势。此外，第5列和第6列的城市投入产出综合效率和市场化指数的系数均显著为负，表明生产技术进步和市场化改革的单方面作用能够显著降低城市建成区单位面积的碳超载量，亦即降低碳锁定风险，其中生产技术进步对碳解锁的贡献占据主导地位。第二产业比重和人口密度对碳锁定风险的影响均为正，但不显著，表明第二产业比重和人口密度不是导致高碳经济的主要原因，中国的工业碳强度尚未达到峰值，但总体趋于下降态势，部分重化工业可能是真正的根源；人口密度对碳锁定风险无显著影响的原因可能在于：由于人口密度上升所带来的资源环境消耗过大可能引起碳排放上升，由于人口密度上升也可能引起高素质劳动力的集聚，进而通过促进技术创新而降低碳排放，两者综合作用导致人口密度对碳锁定风险无显著影响。

(四)稳健性检验

由于碳超载量和空气质量具有高度相关性，为了检验碳锁定风险影响因素回归结果的稳健性，本文将被解释变量由城市建成区单位面积碳超载量替换为城市空气质量好于二级天数，仍然采用三种回归形式，得到稳健性检验结果。*限于篇幅，稳健性检验结果未在正文列出，留存备索。

系统广义矩估计所使用的工具变量分别是城市空气质量好于二级天数的对数、城市投入产出综合效率与市场化指数的滞后2期、城市投入产出综合效率与市场化指数的滞后3期。当加入第二产业比重变量之后，系统广义矩估计的回归系数均显著，但AR(2)的显著性未通过检验，因而剔除第二产业比重变量重新进行回归，此时不仅系数显著，而且AR(2)通过了检验，表明第二产业比重对空气质量的影响同样不够显著，印证了以城市建成区单位面积碳超载量衡量的碳锁定风险回归结果；此外，城市投入产出综合效率、市场化指数、人口密度和城镇化率的系数均显著，城市投入产出综合效率和市场化指数均在1%的显著性水平上显著为正，且城市投入产出综合效率的系数远大于市场化指数，表明生产技术进步对城市空气质量提升的贡献大于市场化改革，两者上涨均能显著提高城市空气质量，与上述回归结果一致；人口密度虽然在1%的显著性水平上显著为负，表明人口密度上升导致城市空气质量变差，但这种影响(系数)非常小，基本可以忽略，与上述回归结果一致；城镇化率的系数在5%的显著性水平上显著为负，表明城镇化速度的提升有降低城市空气质量的趋势，与上述回归结果一致。综上，以城市空气质量好于二级天数衡量的碳锁定风险回归结果与以城市建成区单位面积碳超载量衡量的碳锁定风险回归结果保持一致，回归结果具有较强的稳健性。

四、研究结论与政策建议

区别于以往文献单纯分析某个经济变量对碳排放的影响，本文立足于城镇化进程中碳锁定风险形成与碳解锁的现实问题，对中国碳锁定风险的诱发机制和量化方法进行分析，并运用中国30个省会城市和直辖市的数据进行经验研究，试图探究中国城镇化进程中的碳解锁路径。研究结果表明：

首先，采用DEA-SBM模型和Bootstrap-DEA方法对包含非期望产出的中国城市投入产出综合效率的测算结果显示，纠偏测算的综合效率值基本上比传统DEA方法测算的效率值小，纠偏后的城市投入产出综合效率值均落在置信区间内，Bootstrap-DEA纠偏技术得到的结果可靠，30个省会城市和直辖市投入产出综合效率与经济发达程度具有高度的正相关性。

其次，当城市投入产出综合效率提升1%时，城市建成区单位面积碳超载量下降8.990%，当市场化指数上涨1时，城市建成区单位面积碳超载量下降0.877%，两者的交互项对碳锁定风险的影响在5%的显著性水平上显著，表明当前中国城镇化进程中存在典型的碳锁定现象，印证了技术与制度的复合体导致碳锁定的基本理论在中国是成立的，市场化改革对降低碳解锁风险的贡献小于生产技术进步，以城市空气质量好于二级天数衡量的碳锁定风险影响因素的回归结果具有较强的稳健性。

最后，中国城镇化率提升在一定程度上加剧了碳锁定风险，原因可能在于城市规模的迅速扩大使得人口大量迁移至城市，在“造城”过程中建筑业碳排放大幅度上升，而且居民生活能源消耗特征也发生重要转变，能源消耗呈现出集聚效应，引起碳排放强度增大；人口密度和第二产业比重对碳锁定风险的影响不显著，原因可能在于，一方面人口密度上升所带来的资源环境消耗过大可能引起碳排放上升，另一方面人口密度上升还可能通过集聚高素质劳动力促进技术创新而降低碳排放，两者可能存在抵消效应；城市的产业结构调整虽然使得碳排放强度下降，但可能由于部分重化工业的存在使得碳排放峰值尚未到来。

基于上述理论与经验研究结论，笔者认为中国城镇化进程的低碳解锁须从以下方面着手：

首先，城市投入产出综合效率提升方面，随着城镇化进程的加快，城市建成区面积日益扩大，须重点提高城镇建设用地效率，在控制供地总量的基础上，强化土地的用途管制，并优化城镇用地结构，在“造城”过程中尽可能采用绿色建筑材料，做到节能、节地和节材，打造绿色循环低碳建筑；规划和控制固定资产投资规模，优化固定资产投资的区域结构，使得城镇化进程推动区域经济发展平衡，进而提高城市投入产出综合效率，降低碳锁定风险。

其次，市场化改革方面，切实发挥市场在资源配置中的决定性作用，盘活生产要素的流动，进一步深化能源供给侧改革，持续推进去产能、去库存和降成本的任务，尤其是化解煤炭行业的产能过剩，提高传统化石能源的利用效率；大力推动太阳能、风能、地热能和生物能等新能源产业的发展，加快普及新能源汽车的研发与应用，从根源上替代化石燃料的消耗，降低碳锁定风险。

最后，城镇化速度方面，各地区应根据经济增长态势和城乡二元结构特点，有规划有步骤地实施城镇化，避免只追求速度不重视质量的城镇化，把城镇化进程中可能产生的资源环境压力纳入到城镇化质量的评价体系中，以实现绿色可持续的新型城镇化目标；人口密度方面，合理调控劳动力人口的流动，强化高素质人才的集聚创新效应，以有效降低碳锁定风险；产业结构方面，基于城市要素禀赋特点，在化解过剩重化工业产能的前提下，重点发展高新技术产业，通过创新驱动战略对产业结构进行优化升级，有效发挥产业结构调整的碳解锁效应。

[1] 汪中华，成鹏飞.中国碳超载下碳锁定与解锁路径实证研究[J].资源科学，2016，(5)：909-917.

[2] 林秀群.区域碳锁定的判定研究——以云南省为例[J].昆明理工大学学报(社会科学版)，2014，(3)：73-79.

[3] 沈友娣，章庆，严霜.安徽制造业碳排放驱动因素、锁定状态与解锁路径研究[J].华东经济管理，2014，(6)：27-30.

[4] 安福仁.中国走新型工业化道路面临碳锁定挑战[J].财经问题研究，2011，(12)：40-44.

[5] 张腾飞，杨俊，盛鹏飞.城镇化对中国碳排放的影响及作用渠道[J].中国人口·资源与环境，2016，(2)：47-57.

[6] 毕晓航.城市化对碳排放的影响机制研究[J].上海经济研究，2015，(10)：97-106.

[7] 娄伟.城市碳排放量测算方法研究——以北京市为例[J].华中科技大学学报(社会科学版)，2011，(3)：104-110.

[8] 郝宇，张千雪.中国城市空气污染收敛性研究——以二氧化硫为例的实证分析[J].华东经济管理，2015，(8)：144-152.

[9] 李姝.城市化、产业结构调整与环境污染[J].财经问题研究，2011，(6)：38-43.

[10] Unruh, G.C.Understanding Carbon Lock-in[J].Energy Policy, 2000, 28(12):817-830.

[11] 李少林.2001—2012年全球23国新能源发电效率测算与驱动因素分析[J].资源科学，2016，(2)：321-332.

[12] 樊纲，王小鲁，朱恒鹏.中国市场化指数——各地区市场化相对进程2011年报告[M].北京：经济科学出版社，2011.

[13] 朱勤，魏涛远.居民消费视角下人口城镇化对碳排放的影响[J].中国人口·资源与环境，2013，(11)：21-29.

[14] 田成诗，郝艳，李文静，等.中国人口年龄结构对碳排放的影响[J].资源科学，2015，(12)：2309-2318.

[15] Maréchal, K.An Evolutionary Perspective on the Economics of Energy Consumption: The Crucial Role of Habits [J]. Journal of Economic Issues, 2008, 43(1):69-88.

[16] 韩永辉，黄亮雄，王贤彬.产业结构优化升级改进生态效率了吗？[J].数量经济技术经济研究，2016，(4)：40-59.

[17] 周星，周梅华，张明.产业结构视角下我国东部地区碳脱钩效应研究[J].中国矿业大学学报，2016，(4)：849-858.

[18] Tone, K.A Slacks-Based Measure of Efficiency in Data Envelopment Analysis [J].European Journal of Operational Research, 2001, 130(3):498-509.

[19] Simar, L., Wilson, P.W.Sensitivity Analysis to Efficiency Scores：How to Bootstrap in Nonparametric Frontier Models [J].Management Science, 1998, 44(1):49-61.

[20] Arellano, M., Bover, O.Another Look at the Instrumental Variable Estimation of Error-Components Models [J].Journal of Econometrics, 1995, 68(1): 29-51.

[21] Blundell, R., Bond, S.Initial Conditions and Moment Restrictions in Dynamic Panel Data Models [J].Journal of Econometrics, 1998, 87(1):115-143.

(责任编辑：孙 艳)

2016-12-26

国家自然科学基金青年项目“城镇化进程中‘碳锁定’的形成机理、风险测度与解锁策略研究”(71403041)；教育部人文社会科学青年基金项目“规制改革对碳减排的影响机理与实证：基于企业异质性投资行为的分析”(14YJC790068)；辽宁省社会科学规划基金青年项目“辽宁清洁能源发展机制的低碳效应评价与政策研究”(L16CJY003)

李少林(1986-)，男，湖北襄阳人，助理研究员，博士，主要从事产业经济与政府规制研究。E-mail:lishaolin0506@163.com

F124.5

A

1000-176X(2017)03-0028-08