基于动态SDM的中国区域碳排放强度空间效应研究

周四军 江秋池

[摘 要] 利用中國各省市区2005-2017年的数据，在碳排放强度测度和空间自相关检验的基础上，构建动态空间杜宾模型（SDM）研究中国区域碳排放强度的空间效应。研究表明：中国区域间的碳排放强度具有显著的空间效应。经济增长、技术投入对碳排放强度产生负向的空间直接效应，产业结构、能源强度、能源消费结构对碳排放强度产生正向的空间直接效应，并且长期效应大于短期效应;技术投入对碳排放强度产生负向的空间溢出效应，产业结构、能源强度对碳排放强度产生正向的空间溢出效应，且能源强度仅存在短期的空间溢出效应;经济增长、能源消费结构对碳排放强度的空间溢出效应不显著。

[关键词] 碳排放强度;动态SDM;空间效应

[中图分类号]  F224[文献标识码] A [文章编号] 1008—1763（2020）01—0040—09

A  Study on Spatial Effect of Regional Carbon Emission

Intensity based on Dynamic SDM in China

ZHOU Sijun， JIANG Qiuchi

（College of Finance and Statistics， Hunan University， Changsha 410079， China）

Abstract：On the basis of carbon emission intensity measurement and spatial autocorrelation test， dynamic spatial Durbin model （SDM） was constructed to study the spatial effect of carbon emission intensity in China from 2005 to 2017. The results show that the interregional carbon emission intensity in China has a significant spatial effect. Economic growth and technology input have negative direct spatial effects on carbon emission intensity， while industrial structure， energy intensity and energy consumption structure have positive direct spatial effects on carbon emission intensity， and the longterm effects are greater than the shortterm effects. Technology investment has negative spatial spillover effect on carbon emission intensity. Industrial structure and energy intensity have positive spatial spillover effect on carbon emission intensity， but energy intensity only has shortterm spatial spillover effect. The spatial spillover effect of economic growth and energy consumption structure on carbon emission intensity is not significant.

Key words： carbon emission intensity; Dynamic spatial Durbin model; spatial effect

一 引 言

气候变暖是全球共同面临的环境问题。改革开放以来，中国在保持经济高速增长的同时，也对环境产生了不利影响。根据国际能源署（IEA）的统计数据，2007年中国已成为世界上最大的碳排放国，在国际上受到了巨大的减排压力。在此背景下，中国于2009年在哥本哈根气候峰会上提出2020年碳排放强度比2005年下降40%-45%的减排目标。中国 “十三五”规划明确提出要在控制碳排放的同时稳定经济增长;党的十九大强调要全面深化绿色发展的制度创新，必须树立“绿水青山就是金山银山”的理念，建立健全绿色低碳循环发展的经济体系。中国区域经济发展与能源利用的不均衡性导致中国碳排放强度存在区域差异，因此本文通过研究中国区域碳排放强度的空间效应，为衡量不同区域绿色低碳发展水平提供参考，对各区域转变经济发展方式、实现高质量发展给予理论指导与政策建议。

如何降低碳排放强度，一直是众多学者研究的重点。在碳排放强度的概念方面，张文婧等对“单位GDP碳排放”概念的合理性进行了深入分析[1]。现有文献主要集中在碳排放强度的影响因素上，虞义华等基于广义最小二乘面板模型，考察了经济发展水平、产业结构对碳排放强度的影响，结果表明：碳排放强度与人均GDP之间存在“N”形关系，产业结构对碳排放强度具有显著的正向影响[2]。姚奕等运用动态面板模型，发现外商直接投资可以降低碳排放强度[3]。付云鹏等利用空间滞后模型对中国2000-2012年30个省市碳排放强度的影响因素进行探究，结果表明：人口结构、能源强度、能源结构、产业结构是中国碳排放强度的主要影响因素[4]。Ibrahim M H等应用偏差校正的LSDV估计量分析贸易融资互补性对碳排放强度的影响，结果表明：在经济高度发达的地区，金融发展有利于碳排放强度降低[5]。Liang S等基于创新驱动的视角，结合创新技术和规模因素，构建空间面板模型，发现创新技术、外商直接投资和GDP对碳排放强度具有显著的负向影响[6]。部分学者在影响因素分析的基础上，对碳排放强度的空间效应展开进一步研究，马艳艳等构建空间面板模型，揭示了技术进步、产业结构对碳排放强度的驱动机制，结果表明：技术进步对本省区碳排放强度下降有显著的促进作用，同时还存在正向的空间溢出效应;产业结构对降低本省区碳排放强度的作用不显著，但空间溢出效应为负[7]。程叶青等利用空间面板模型发现能源结构、能源强度对碳排放强度产生负向的空间溢出效应[8]。张翠菊等基于空间杜宾模型对中国区域碳排放强度进行空间效应研究，发现技术进步、能源结构具有显著的空间溢出效应[9]。Wang S等采用空间马尔科夫链对中国283个城市碳排放强度的空间溢出效应进行分析，发现中国城市碳排放强度存在空间溢出效应，并且在不同区域环境下溢出效应存在异质性[10]。刘汉初等运用空间计量模型对中国高能耗产业碳排放强度的空间溢出效应进行分析，认为：技术创新、对外贸易不仅促使本省高能耗产业碳排放强度降低，还促进周边省份碳排放强度降低[11]。

已有研究为本文提供了十分有益的借鉴，但仍存在一定不足。在碳排放强度空间效应的研究方法上，主要以静态空间杜宾模型为主，缺乏对碳排放强度动态效应的考虑，难以对碳排放强度的空间效应进行深入分析，缺乏有力的解释。因此本文在前人研究的基础上构建动态空间杜宾模型，研究区域碳排放强度的空间效应，主要包括空间直接效应和空间溢出效应，为降低区域碳排放强度提供对策建议。

二 理论机制与方法研究

碳排放是温室气体排放的总称，二氧化碳作为温室气体的主要部分，主要来源于工业化进程中化石能源的燃烧，二氧化碳的过度排放对人类生存环境与发展产生巨大威胁。可持续发展理论认为，实现碳减排并不是单纯减少碳排放总量，而是应该兼顾经济发展，保证经济、环境与能源的协调统一。目前，国际社会以及中国政策均倾向于以碳排放强度作为减排标准。碳排放强度是指单位国内生产总值的碳排放量，用来衡量国家或区域经济与碳排放量之间的关系。不同于整体碳排放目标，碳排放强度是一个相对指标，符合降低碳排放的同时保障经济发展这一理念，如果碳排放强度较高则表明创造同等财富需要消耗更多的能源，不利于可持续发展。考虑到中国各区域地理位置的关系，在经济发展过程中，邻近区域能够存在地理上的联系，再加上区域间信息与资源的流动，增加了区域间的经济联系，空间效应显著，因此，为了更好地实现区域碳减排目标，必须充分考虑中国区域碳排放强度的空间效应。

（一）碳排放强度的空间效应理论机制

碳排放强度是衡量国家或区域经济同碳排放之间关系的指标，由于碳排放主要来源于化石燃料的燃烧，而经济发展离不开能源，故本文从经济发展与能源消费的角度分析碳排放强度的空间效应，重点考察空间直接效应与空间溢出效应。空间直接效应是指本区域影响因素对碳排放强度的影响，反映影响因素在区域内的作用效果;碳排放强度是一个逆向指标，正向的直接效应表示本区域影響因素的增加可以提高碳排放强度，负向的直接效应表示本区域影响因素的增加可以降低碳排放强度。空间溢出效应是指其他区域影响因素对本区域碳排放强度的影响，反映影响因素在不同区域之间的作用效果;正向的溢出效应表示其他区域影响因素的增加可以提高本区域碳排放强度，负向的溢出效应表示其他区域影响因素的增加可以降低本区域碳排放强度。

1.空间直接效应的理论机制

从经济发展的角度看，Grossman G M提出经济发展可以分解成经济增长、技术投入、产业结构三部分，从而对碳排放强度产生影响。具体来看，一个区域的经济增长依赖于能源的消耗，不可避免地产生一定的碳排放：根据环境库兹涅茨曲线（EKC）可知，一个国家或区域的环境质量在经济发展初期会随着经济增长水平的提高而恶化，而当该国或地区的经济发展达到较高水平时，经济增长会有利于环境质量的提升。其原因在于：随着区域经济增长水平提高，人们日益追求美好生活的愿望强烈，会产生环境治理的规模效益。技术投入是低碳经济发展的核心：一方面推进以高能效、低排放为核心的“低碳革命”，着力发展“低碳技术”，不仅有利于资源的合理利用，并且对环境质量产生净化效应;另一方面内生增长理论认为技术是经济持续增长的决定因素，通过技术进步提高能源利用效率，形成新的经济增长点，进而降低区域碳排放强度。产业结构是通过调整产业之间比重来影响碳排放强度：低碳经济学理论强调低碳经济需要优化经济发展方式，通过产业调整、政策扶持等方式，实现第二产业从工业密集型结构到知识密集型结构的升级，提高第三产业在国民经济中的比重，进而降低碳排放强度。

从能源消费的角度看，减少能源消耗中所产生的碳排放，将有利于降低碳排放强度。主要途径有两种：一是降低能源强度。联合国政府间气候变化专门委员会（IPCC）认为近年来的气候变化主要归因于人类活动，发展过程中的能源消耗导致二氧化碳排放量的增加，进而直接影响碳排放强度，因此降低生产过程中的能源强度是气候政策的核心目标，根据国际能源署（IEA）的预测，到2050年通过降低能源强度可以完成31%的减排目标。二是优化能源消费结构。中国能源消费结构的不合理是导致碳排放难以控制的关键因素之一。2017年，中国煤炭消费量占能源消费总量的60.4%，在国民经济中占据重要地位，这种高能耗、高污染的生产方式造成碳排放总量过高，不利于降低中国各区域整体碳排放强度。因此，通过优化能源消费结构，减少煤炭消耗，增加清洁能源的利用量，有利于碳排放强度降低。

2.空间溢出效应的理论机制

作为温室效应和碳排放的主要来源，二氧化碳具有显著的流动特性，再加上区域间地理位置的联系，本地碳排放强度不仅影响本区域， 还会影响邻近区域，从空间溢出效应视角进行实证分析， 能够更为完整、准确地描述区域碳排放强度的空间效应。本文在空间直接效应分析的基础上，继续从经济发展与能源消费的角度展开空间溢出效应的分析。

从经济发展的角度看，本区域的经济增长将通过区域间的经济联系带动周边区域的经济发展，新经济地理学的市场潜能理论指出：经济水平高、发展速度快的区域对周边区域产品的需求能力大，从而对周边区域有较强的带动作用，有利于优化各区域的经济结构与发展质量，促使周边区域碳排放强度降低。随着各区域技术投入的不断提高，本区域资本、知识、技术的扩散会对周边区域技术创新产生促进作用，尽管技术投入会导致人才、资金、企业等创新要素的集聚，导致产业升级与高耗能产业的二次迁出，但是技术作为经济持续发展的决定因素，当本区域技术投入达到一定水平时，有利于缓解区域经济结构性矛盾，带动周边区域经济发展方式转型，进而降低碳排放强度。产业结构的空间溢出效应体现在：区域之间存在分工协作，以产业联系为纽带形成产业链，各区域通过降低第二产业比重，减少化石燃料的消耗，不仅有利于缓解本区域的碳排放压力，并且经过产业链的传导机制减少碳排放对周边区域的辐射，带动区域间的低碳发展，降低碳排放强度。

从能源消费的角度看，能源强度较高的区域资源较为丰富，对能源消耗的依赖程度也高。由于不同区域之间存在着开放联动性，各区域在进行节能减排降低本区域能源强度的同时，也减少了排放物对周边区域的负面影响，有效促进周边区域碳排放强度的降低。近年来各区域加大能源合作力度，对区域资源调配、分布式能源发展、天然气产供储销体系建设、可再生能源开发等重点工作展开交流，緩解资源短缺问题、促进资源开发，形成资源相关产业链，进而有效改善各区域能源消费结构，改善生态环境，促进周边区域碳排放强度的降低。

（二）方法研究

Elhorst （2014） 提出动态空间杜宾模型，它能够从时间和空间两个维度刻画碳排放强度的影响因素，是分析碳排放强度空间效应的有力工具。本文在空间自相关性检验的基础上，论证空间计量模型的合理性，构建动态空间杜宾模型（SDM），研究碳排放强度空间效应。

1.空间自相关性检验

空间自相关性分析从定量角度描述被解释变量在空间上的依赖关系。通过检验被解释变量的空间自相关性，来判断使用空间计量方法是否合理。

（1）全局空间自相关性检验

全局空间自相关性用来反映碳排放强度相关程度的整体特征，常用全局Moran's I指数作为衡量指标，其计算公式为：

I=[∑ni=1∑nj=1wij（xi-）

（xj-）]/[S2∑ni=1∑nj=1wij]（1）

其中：S2=（1/n）∑ni=1（xi-）2，=（1/n）∑ni=1xi。xi为第i个区域的观测值，n为样本区域个数，wij为空间权重矩阵元素。I的取值范围为[-1，1]，其绝对值越大，空间自相关程度越高，I>0表示各地区的碳排放强度之间存在空间正自相关性，I<0表示地区的碳排放强度之间存在空间负自相关性，I=0表示各地区碳排放强度不存在空间自相关性。

（2）局部空间自相关性检验

局部空间自相关性分析了每个区域的碳排放强度与周边地区的空间差异程度。本文采用局部Moran's I统计量来检验中国区域碳排放强度的局部空间自相关性。局部Moran's I指数的计算公式为：

Ii=[（xi-）/S2]×[∑nj=1wij（xj-）]（2）

其中：Ii>0表示相邻地区内碳排放强度存在正的空间集聚效应，Ii<0表示相邻地区内碳排放强度存在负的空间集聚效应。

2.动态空间杜宾模型

目前用于研究空间效应的计量模型主要为空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）。其中，空间滞后模型（SLM）认为被解释变量的影响因素可以空间传导机制作用于其他空间区域;空间误差模型（SEM）认为空间依赖性通过随机误差项来体现，不可观测的随机冲击存在空间相关性;而空间杜宾模型（SDM）综合了SLM与SEM的特点，引入了被解释变量与解释变量的空间滞后项，能够更好地估计基于面板数据所测得的空间效应。空间效应计量模型的一般形式为：

Yt=ρWYt+Xtβ+WXtθ+γtA+B+εt

εt=δWεt+et，et～N（0，σ2In）（3）

式中，Yt=（y1t，y2t，…，ynt）′，yit表示区域i（=1，2，…，n）的被解释变量在t时刻的观测值;Xt表示解释变量，它是n×k矩阵（k为解释变量个数）;β表示解释变量系数向量;ρ表示空间自回归系数，取值范围为[-1，1]，ρWYt表示来自其他区域被解释变量的影响;W表示n×n空间权重矩阵;WXtθ表示来自其他区域解释变量的影响，是解释变量的空间滞后项，θ为相应的影响系数向量;γt表示时间效应，A=（1，1，…，1）′;B表示个体效应，B=（b1，b2，…，bn）′;εt表示随机误差项;δ表示随机误差项εt的空间相关系数;et表示随机误差项。如果δ=0且θ=0，则为SLM;如果ρ=0且θ=0，则为SEM;如果δ=0，则为SDM。对于上述三种模型，需通过以下检验才能做出选择。首先，通过LM检验对面板数据进行诊断，说明引入空间计量模型的合理性。其次，基于LR似然比检验对SLM、SEM、SDM进行筛选，并对模型的个体效应与时间效应进行检验。最后，根据Hausman检验对固定效应模型、随机效应模型进行选择，得到合适的空间效应计量模型。

上述模型属于静态空间效应模型，仅包含空间滞后项，没有考虑解释变量對被解释变量影响的时间滞后性。在经济系统中，解释变量对被解释变量的影响在短时间内难以完成，需通过一段时间才能完全作用于被解释变量，因此模型需要引入动态效应，反映空间效应随着时间推移的变化情况。本文在静态空间杜宾模型的基础上引入时间滞后项、时空滞后项，构建动态空间杜宾模型，模型形式如下。

Yt=τYt-1+μWYt-1+ρWYt+Xtβ+WXtθ+

γtA+B+εt（4）

其中，Yt-1表示被解释变量的一阶滞后项，τ为相应系数，τYt-1表示被解释变量的时间滞后项，μWYt-1表示被解释变量的时空滞后项，μ为相应系数;当τ=0且μ=0时，模型退化为静态空间杜宾模型。为了进一步测算碳排放强度的空间效应，将等号右边的被解释变量项移到等号左边，式（4）改写为：

Yt=（I-ρW）-1（τI+μW）Yt-1+

（I-ρW）-1（Xtβ+WXtθ）+

（I-ρW）-1（γtA+B）+（I-ρW）-1εt

（5）

通过对式（5）进行偏微分矩阵运算可以求得X对Y的空间直接效应与空间溢出效应。动态空间杜宾模型可以测算空间效应的短期效应与长期效应短期效应表示解释变量在短期内对被解释变量所产生的空间效应;长期效应表示解释变量在长期内

对被解释变量所产生的空间效应。短期是指1年及以内，长期是指5年及以上。，更全面地体现空间效应的变化情况，而静态空间杜宾模型仅存在长期效应，结果较为片面。被解释变量关于第p个解释变量的偏导数矩阵如下：

E（Yt）x1p，E（Yt）x2p，…，E（Yt）xnp=

（I-ρW）-1θpW12θp…W1nθp

W21θpθp…W2nθp

Wn1θpWn2θp…θp（6）

式（6）用来测算被解释变量的短期空间效应。在偏导数矩阵中，对角线元素的均值表示短期空间直接效应，非对角线元素的行和或列和的均值表示短期空间溢出效应。类似地，被解释变量的长期空间效应如式（7）所示：

E（Yt）x1p，E（Yt）x2p，…，E（Yt）xnp=[I-ρW-（τI+μW）]-1θpW12θp…W1nθp

W21θpθp…W2nθp

Wn1θpWn2θp…θp（7）

在偏导数矩阵中，对角线元素的均值表示长期空间直接效应，非对角线元素的行和或列和的均值表示长期空间溢出效应。

三 碳排放强度测算与空间自相关性检验

（一）碳排放强度的测算

由于中国没有公布各区域碳排放总量的数据，现有文献主要根据化石燃料的燃烧来对碳排放总量进行测算。本文基于付云鹏[4]的方法，选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气八种能源的消费量，根据IPCC公布的标准煤折算系数与碳排放系数（见表1），计算碳排放总量，公式如下：

C=∑8i=1Ei×SCi×CFi（8）

其中，C代表碳排放总量，E代表能源消费量，SC代表标准煤折算系数，CF代表碳排放系数。基于公式（8）测算出区域碳排放总量，并除以2005年不变价表示的GDP，得到中国30个省市区2005-2017年碳排放强度的测算结果，见表2。

由表2可知，历年的碳排放强度较高的地区是山西、内蒙古、贵州、宁夏，其中山西、内蒙古、贵州呈逐年下降的趋势，但是宁夏的碳排放强度在2005—2009年呈下降趋势，2010年上升，在2011年宁夏成为全国30个地区中碳排放强度最高的地区，达到了3.95吨/万元，随后呈下降趋势，在2017年又回升到3.50吨/万元;北京、福建、浙江、广东的碳排放强度较低，并且呈逐年下降的趋势，其中北京是历年碳排放强度最低的地区;而海南、甘肃、青海的碳排放强度呈现先上升后下降的趋势。

（二）碳排放强度的空间自相关性检验

1.空间权重矩阵

空间权重矩阵反映了各区域在地理位置上的关系。本文根据各省的地理联系，基于实际地理距离构造地理距离权重距阵，其元素wij为i区域和j区域最近公路距离的倒数，令dij为i区域和j区域最近公路距离，矩阵为：

wij=1dij，i≠j

0，i=j（9）

2.全局空间自相关性检验

利用Matlab软件计算2005-2017年中国30个省市区碳排放强度的全局Moran's I指数。采用地理距离权重矩阵进行检验，检验结果见表3。结果表明：在地理距离权重矩阵下，全局Moran's I统计量在样本年份内均显著为正，说明碳排放强度在空间上并非随机分布，存在显著的空间正自相关性。

3.局部空间自相关性检验

利用Stata软件计算出2005-2017年中国30个省市区碳排放强度的局部Moran's I指数，并画出具有代表年份的Moran散点图。图1为2017年中国区域碳排放强度分布的Moran散点图，第一象限、第三象限分别表示区域i的高值被高值包围、低值被低值包围，存在空间正自相关，第二象限、第四象限分别表示区域i的低值被高值包围、高值被低值包围，存在空间负自相关。由图可知，中国大部分省市区落在第一、三象限内，说明各省市碳排放强度存在空间正自相关性。

四 碳排放强度空间效应的实证分析

本文在对中国2005-2017年各省市区的碳排放强度进行测算的基础上，根据文献的梳理以及理论分析，构建动态空间杜宾模型，重点考察经济增长、技术投入、产业结构、能源强度、能源消费结构对碳排放强度空间效应的影响。

（一）变量选择与数据来源

本文用区域人均GDP（万元/人）表示经济增长（pgdp），用R&D经费内部支出占GDP比重（%）表示技术投入（ti），用第二产业增加值占GDP比重（%）表示产业结构（is），用单位GDP能源消耗（吨标准煤/万元）表示能源强度（ei），用煤炭消费量占能源消费总量比重（%）表示能源消费结构（es）。考虑到研究的准确性，将区域人均GDP利用GDP指数折算成以2005年为基期的区域人均实际GDP，以消除通货膨胀对于区域人均GDP的影响。

本文选取2005-2017年中国30个省市区（不含西藏）的数据进行研究。数据来源于《中国能源统计年鉴》（2005-2018）、《中国环境统计年鉴》（2005-2018）以及各省2005-2018年的统计年鉴。为了避免出现异方差，将数据进行对数化处理，表4是各省面板数据对数值的描述性统计结果。

（二）空间效应计量模型的选择

在Moran's I检验的基础上，需要对空间效应计量模型进行选择。首先，根据LM检验结果可知，LMLag、Robust LMLag、LMError均在5%水平下显著，可以选择空间计量模型进行实证研究。其次，通过LR似然比检验，发现其统计量均通过显著性水平5%的显著性检验，说明空间杜宾模型（SDM）比空间滞后模型（SLM）和空间误差模型（SEM）更适宜，并且存在个体效应与时间效应。最后，Hausman检验结果说明固定效应模型优于随机效应模型。综上所述，选择含双向固定效应的空间杜宾模型进行空间效应研究。检验结果见表5。

根据模型选择结果，选择双向固定效应的空间杜宾模型，考虑到动态效应的影响，引入碳排放强度的时间滞后项τlncii，t-1、时空滞后项μWlncii，t-1，构建动态空间杜宾模型。为了保证研究的稳健性，根据引入滞后项的不同，本文对三种形式的动态空间杜宾模型进行估计，表达式为：

lnciit=τlncii，t-1+μWlncii，t-1+ρWlnciit+

βXit+θWXit+δi+μi+εit（10）

lnciit=τlncii，t-1+ρWlnciit+βXit+θWXit+

δi+μi+εit（11）

lnciit=μWlncii，t-1+ρWlnciit+βXit+

θWXit+δi+μi+εit（12）

其中，Xit=[lnpgdpit，lntiit，lnisit，lneiit，lnesit];δi为时间效应，μi为个体效应，εit为随机误差项，W为空间权重矩阵。将上述三种模型的结果与静态空间杜宾模型结果进行比较分析。结果见表6。

由表6可知，空间自回归系数ρ在三种动态空间杜宾模型中均通过10%的显著性水平，说明区域间的碳排放强度存在空间溢出效应，邻近区域碳排放强度降低会引起本区域碳排放强度的减少，而静态空间杜宾模型的空间自回归系数ρ未通过显著性检验。对于空间滞后项的估计，动态空间杜宾模型估计系数的显著性优于静态空间杜宾模型，并且动态空间杜宾模型的决定系数高于静态空间杜宾模型。结果表明，研究碳排放强度的空间效应不能忽略动态效应，运用动态空间杜宾模型是合理的。

根据动态空间杜宾模型估计结果，时间滞后项τlncii，t-1與各影响因素的估计系数θ均通过1%的显著性检验，时空滞后项μWlncii，t-1未通过显著性检验。对于空间滞后项系数θ，仅包含时间滞后项τlncii，t-1的动态空间杜宾模型的估计结果要优于另外两个模型，估计结果的显著性更强。结果表明，仅包含时间滞后项τlncii，t-1的动态空间杜宾模型更适合研究碳排放强度的空间效应。

（三）空间效应的估计结果

根据式（6）、式（7）的偏导数矩阵对仅包含时间滞后项τlncii，t-1的动态空间杜宾模型进行分解，来检验碳排放强度影响因素的空间效应。为了进行比较分析，本文还对静态空间杜宾模型进行分解。动态空间杜宾模型存在长期效应与短期效应，静态空间杜宾模型只存在长期效应。检验结果见表7。

1.空间直接效应

由表7可知，经济增长、技术投入对碳排放强度产生负向的空间直接效应，即经济增长、技术投入有利于减低碳排放强度;产业结构、能源强度、能源消费结构对碳排放强度产生正向的空间直接效应，即产业结构、能源强度、能源消费结构不利于降低碳排放强度。与静态空间杜宾模型不同，动态空间杜宾模型考虑了短期空间直接效应与长期空间直接效应，并且长期空间直接效应大于短期空间直接效应，符合经济学理论中的累积效应。当本区域碳排放强度得到显著改善时，人们会提高预期，对碳排放提出更高要求，从而引致政府在未来几年采取更大规模的减排举措，加大对上述影响因素的控制，故碳排放强度的长期空间直接效应大于短期空间直接效应。

空间直接效应的结果表明：经济增长水平较高的区域具备充足的资金开发绿色能源技术，提高绿色技术创新，挖掘新的经济增长点，进而带动高新技术产业、绿色产业的发展，增加第三产业在国民经济的比重，改善高能耗、高污染的发展模式;与此同时，技术投入带来的节能技术可以有效降低能源强度，绿色能源的开发进一步减少煤炭资源的使用，改善能源消费结构，有利于降低碳排放强度。

2.空间溢出效应

由表7可知，动态空间杜宾模型实证结果显示：在短期内，技术投入对碳排放强度产生负向的空间溢出效应，有利于降低碳排放强度;产业结构、能源强度对碳排放强度产生正向的空间溢出效应，不利于降低碳排放强度;在长期内，技术投入对碳排放强度产生负向的空间溢出效应，产业结构对碳排放强度产生正向的空间溢出效应。而静态空间杜宾模型仅考虑了产业结构、能源强度对碳排放强度的长期空间溢出效应，忽略了短期内的情况，并且技术投入对碳排放强度的空间溢出效应未通过显著性检验，从而进一步证明了动态空间杜宾模型的合理性。

从空间溢出效应的结果来看，长期空间溢出效应大于短期空间溢出效应，符合经济学理论中的累积效应。随着时间的推移，区域间开放程度增加，邻近区域资源转移更加通畅，不仅为各区域带来更多的技术支持，同时增强各区域科技成果转化能力，提升产业整体技术水平，为降低碳排放强度注入新的动力，所以技术投入、产业结构对碳排放强度的长期空间溢出效应大于短期空间溢出效应。

空间溢出效应的结果表明：技术投入、产业结构是实现区域低碳减排的核心要素。各区域以技术投入为基础，形成以高新技术产业为先导、基础产业和制造业为支撑、服务业全面发展的产业格局，推动各区域产业结构升级，不仅有利于缓解本地区的碳排放压力，并且经过产业链的传导机制减少碳排放对周边地区的辐射，降低各区域碳排放强度。与此同时，各区域通过降低能源强度，可以在短期内减少碳排放对周边区域的影响，进而有效降低各区域碳排放强度。但是在不考虑技术投入、产业结构空间溢出效应的基础上，从长期来看，能源强度并不会显著影响相邻区域的碳排放强度，无法解决中国经济现有的结构性问题，反而会影响本区域的经济发展，故能源强度只存在短期空间溢出效应。

五 結论与政策建议

（一）主要结论

本文对中国30个省市区2005-2017年碳排放强度进行了测算，利用空间自相关Moran' s I检验对中国区域碳排放强度进行了空间自相关性检验，在此基础上，构建动态空间杜宾模型，实证分析了中国区域碳排放强度的空间效应，得出如下结论：从空间直接效应来看，经济增长、技术投入对碳排放强度产生负向的空间直接效应，有利于减低碳排放强度;产业结构、能源强度、能源消费结构对碳排放强度产生正向的空间直接效应，不利于减低碳排放强度，并且长期效应大于短期效应。从空间溢出效应来看，在短期内，技术投入对碳排放强度产生负向的空间溢出效应，有利于减低碳排放强度;产业结构、能源强度对碳排放强度产生正向的空间溢出效应，不利于减低碳排放强度;在长期内，技术投入对碳排放强度产生负向的空间溢出效应，有利于减低碳排放强度;产业结构对碳排放强度产生正向的空间溢出效应，不利于减低碳排放强度;而经济增长与能源消费结构的空间溢出效应并不显著。

（二）政策建议

为了更好地实现经济发展和节能减排的双赢目标，推动经济高质量发展，本文通过对中国区域碳排放强度空间效应的研究，提出以下政策建议：

第一，充分发挥碳排放强度的空间直接效应，深入推动能源供给侧改革，转变经济发展方式，促进低碳经济发展。各区域在保证经济增长的同时，加大技术投入，推进清洁能源与低碳技术的开发，积极制定产业结构转型的政策，严把行业准入关，引导企业走低能耗、低污染之路，鼓励高新技术产业的发展，增加高能耗产业的治理投入，资助落后产业，降低能源强度，改善能源消费结构，实现节能减排目标。

第二，积极利用技术投入、产业结构对碳排放强度的空间溢出效应，促进资源信息在区域间的流通，实现区域之间的协调发展。在技术投入的过程中，建立人才、资金、知识等技术要素的共享机制网络，加速各区域间经济技术等多方面的交流，提升绿色自主创新能力，进而带动周边区域产业结构转型，通过产业链的传导机制，实现低碳发展。

第三，各地政府需将碳排放强度的空间效应纳入到区域的交流合作中，增强区域间碳排放的共同治理。通过设置跨区域的碳排放协调治理机构，构建制度化的区域碳排放控制体系，促进多方达成碳减排的共识。充分考虑各区域碳排放强度的差异性，发挥各区域的减排优势，在推动各区域进行总体减排的同时，对重点区域采用差异化的政策措施;碳排放强度较低的区域应继续发展新能源与高新技术，带动周边碳排放强度较高的区域，形成以强带弱、由点及面的发展格局，进而达到降低碳排放强度的整体目标，实现中国经济高质量发展。

[参 考 文 献]

[1] 张文婧，廖进中，廖任飞.关于“单位GDP碳排放”概念的探析[J].湖南大学学报（社会科学版），2010，24（5）：74-76.

[2] 虞义华，郑新业，张莉.经济发展水平、产业结构与碳排放强度—中国省级面板数据分析[J].经济理论与经济管理，2011（3）：72-81.

[3] 姚奕，倪勤.外商直接投资对碳强度的影响—基于中国省级动态面板数据的实证研究[J].数理统计与管理，2013，32（1）：113-122.

[4] 付云鹏，马树才，宋琪.中国区域碳排放强度的空间计量分析[J].统计研究，2015，32（6）：67-73.

[5] Ibrahim M H . Tradefinance complementarity and carbon emission intensity： panel evidence from middleincome countries[J].  Environment Systems and Decisions， 2018，38（4）：489-500.

[6] Liang S ， Zhao J ， He S ， et al. Spatial econometric analysis of carbon emission intensity in Chinese provinces from the perspective  of innovationdriven[J]. Environmental Science and Pollution Research， 2019，26（14）：13878-13895.

[7] 马艳艳，逯雅雯，孙玉涛.技术进步、结构调整与碳排放强度—基于中国省区层面空间面板数据模型的实证[J].研究与发展管理， 2016，28（5）：23-33.

[8] 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，2013，68 （10）：1418-1431.

[9] 張翠菊，柏群，张文爱.中国区域碳排放强度影响因素及空间溢出性—基于空间杜宾模型的研究[J].系统工程，2017，35（10）：70-78.

[10]Wang S ， Huang Y ， Zhou Y . Spatial spillover effect and driving forces of carbon emission intensity at the city level in China[J]. Journal of Geographical Sciences，2019，29（2）：231-252.

[11]刘汉初，樊杰，曾瑜皙，郭锐.中国高耗能产业碳排放强度的时空差异及其影响因素分析[J/OL].生态学报，2019（22）：1-13.

[收稿日期] 2019-08-24

[基金项目] 国家社会科学基金重点项目：中国能源高质量发展的统计监测研究（19ATJ007）

[作者简介] 周四军（1966—），男，湖南长沙人，湖南大学金融与统计学院教授，经济学博士。研究方向：经济统计分析。