中西部地区产业发展与碳排放空间效应研究

吴永娇，郑华珠，董锁成，钱娇

（1. 桂林理工大学 商学院，广西 桂林 541004；2. 中国科学院 地理科学与资源研究所，北京 100101）

人类活动产生的能源消耗引起的二氧化碳排放已成为加剧全球变暖和环境退化的关键要素[1]。因此，习近平主席在金砖国家领导人第十二次会晤中提出我国二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和目标。在此背景下，我国进一步提出了阶段性调整产业结构、能源结构以及节能、减碳、降污等目标，着力提升温室气体和大气污染减排能力。

近20年来，中西部地区分别实施“中部崛起”和“西部大开发”国家发展战略，中西部区域经济得到一定的发展，而其中以钢铁、电力、热气等为主导的重化及资源型工业是中西部地区经济增长的重要引擎。而这种依赖资源型为主的重化工业发展往往伴随着碳排放量的剧增[2-5]。截至2017年，中西部区域的二氧化碳总排放量从2000年的16.33亿吨标准煤增长到2017年的55.32亿吨标准煤。而优化和调节产业结构一直是我国发展低碳经济、减少碳排放的重要措施之一[6-8]。中西部地区经济发展仍处于欠发达阶段，加之中西部地区又是我国重要的生态屏障区和自然资源储备区，经济发展需求与生态环境保护双重压力且将持续共存，因此研究中西部地区产业发展对碳排放效应及其空间效应具有科学和现实意义。

1 文献综述

1.1 产业发展与碳排放关系研究

现有的研究主要是基于国家、省市、经济带[9-14]的研究区域尺度，研究产业发展与碳排放之间的作用关系，且证实不同区域内的产业发展水平对碳排放影响存在不同的作用关系和研究结论。其中，大部分的研究结果表明发达地区产业发展对减排具有积极的减缓作用[15-17]，在欠发达地区的不同产业及其不同产业部门的发展对碳排放产生不同的影响[18-20]。如Talukdar & Meisner[18]以44个发展中国家为研究区域，证实产业间能源消费效率差异间接影响碳排放，且部分区域的能源消费效率会提高生活能源消耗，进而加大碳排放；鲁万波等[19]认为中国6个产业部门对碳排放的贡献不同；曲健莹和李科[21]以中国湖南为例，测算出产业结构变化对工业碳排放强度具有负的贡献率；Ullah等[22]指出巴基斯坦产业部门发展会增加碳排放，而去工业化则会减少碳排放。

1.2 研究方法

在研究方法上，基于产业发展、能源消耗和碳排放的特性，主要引入指数分解法[23]、结构分解法（SDA）[24]、Tapio法[25]、空间计量法[26]、社会网络分析法[27-29]等方法模拟产业发展对碳排放的作用关系。最近，空间面板模型越来越广泛地被用于研究产业发展对碳排放及其空间作用关系[10,26]，如刘玲希[26]运用空间杜宾模型和区域面板模型发现产业结构合理化和高级化水平的提高均有助于碳排放强度的降低。

综合以上分析可知，国内外学者对于碳排放的影响因素，碳排放与产业发展之间的关系研究，均取得了长足的发展，为本研究的开展提供了坚实的研究基础，且大量的文献证实碳排放与产业发展及其主要因素存在显著的区域差异。但是，目前大部分有关我国中西部区域产业发展与碳排放的研究及其空间效应方面，存在以下不足：一是在产业发展量化指标上，多数学者只是简单地用第二产业增加值和第三产业增加值的比重来表示产业结构优化，难以有效地揭示产业资源配置效率水平演化和产业结构高级化内涵的技术进步水平；二是多数学者对于空间权重矩阵的计算主要是基于省份之间的地理关系和经济关系，并没有考虑碳排放空间网络关系。为此，基于经济发展与生态环境保护的现实需求，引入修正的引力模型构建中西部地区碳排放空间权重矩阵，进而构建产业发展与碳排放的空间滞后模型，模拟我国中西部区域产业发展与碳排放的作用关系及空间效应，以揭示产业发展水平（包括产业资源配置水平和产业结构高级化演化过程）与碳排放之间的作用关系及空间效应，进而为我国有效降低碳排放提供相应的对策和建议。

2 研究材料和方法

2.1 数据来源和处理

研究区域主要包括中国的中西部地区。其中，中部主要包括山西、河南、安徽、湖北、湖南和江西6省；西部包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆11省份（西藏不包含在内，主要是由于西藏独特的地理位置特性，以及其数据的可获得性较差）。社会经济等数据集来源于我国的统计年鉴（2000—2018年），包括《中国统计年鉴》《中国能源统计年鉴》《城市统计年鉴》以及各省份统计年鉴及国家统计局网站和国研网等，并对原始数据进行预处理以达到和满足计算和模型仿真的要求，这些数据主要包括经济增长、产业发展、人口、化石能源消耗量等。比如，引入消费价格指数（CPI2000=100），对相关原始数据进行处理，以反映实际经济增长。

2.2 变量选取

2.2.1 碳排放测度

碳排放量的测算，目前并没有统一的测量方法[12]。本研究主要是参考《2006年IPCC国家温室气体清单指南》和《中国能源统计年鉴》分别提供的8类化石燃料的缺省二氧化碳排放系数（表1）和各省份能源化石燃料消费量分别计算各省份每年的二氧化碳排放量，其具体的计算公式如式（1）所示，之后基于相关数据进行计算，得到了中西部区域2000—2017年的碳排放量。

表1 各类化石燃料碳排放系数表

2.2.2 产业发展水平测度

产业发展水平的测度可以从两个维度，即资源配置效率和技术进步效率来进行刻画和衡量[30-31]。为了更有效地表征产业资源配置效率和产业结构高级化的演变，本研究主要是基于资源配置效率和技术进步效率两个维度来进行量化。

一是产业资源配置效率水平，是指在既定的技术进步水平下，由消费需求结构、人口基本素质和资源条件耦合和作用下的产业资源配置效率水平。产业资源配置效率水平主要是借鉴干春晖等[30]的方法来测量产业资源优化配置水平，其有利于更准确地测度组内差异对总差异的影响情况，并综合了时间和空间的维度，从而可以更好地测量研究区域产业资源配置效率水平，具体公式如式（2）。

式中：TIk,t为t时期k地区的产业资源配置水平；j表示三次产业，1、2和3分别表示第一、第二和第三产业；Ykj,t表示k地区在t时期第j产业产值的增加值，Lij,t表示i地区在t年份第j产业的就业人数。其中，TI越小，表示产业资源配置效率水平越高。

二是产业结构高级化水平，表征产业和各行业的技术进步效率水平，指的是在需求结构与供给结构变化下，主要是侧重于技术进步引起的生产要素从低生产率水平或者低生产率增长的产业向高生产率水平或者高生产率增长的产业流动。产业结构高级化指标主要是参考付凌晖[31]，具体公式如式（3）。

式中：xi,0代表第i产业产值的增加值占GDP比重，将各省份三次产业中每个产业部门产值的增加值占GDP的增加值比重作为空间向量中的一个分量，从而构成一组三维向量：X0=(x1,0,x2,0,x3,0)。然后，分别计算向量X0与产业结构由低到高排列的基向量X1＝(1, 0, 0)；X2＝(0, 1, 0)；X3＝(0, 0, 1)的夹角：θ1、θ2、θ3；之后，根据反余弦公式计算产业高级化水平TS。其中，TS为产业结构升级水平，TS值越大，产业结构升级水平越高。

2.2.3 控制变量

数据统计分析和现有的文献资料证实人口规模和人均GDP对碳排放都有显著的作用关系。为此，本研究在结合前人研究的基础之上，以及统计分析结果和本模型的需求，选择人口规模（POP）和人均GDP（INC）为本研究的控制变量，以达到“净化”控制变量的混淆效应和统计控制的目的，从而可以对自变量与因变量之间的关系进行更精准的估计。

2.3 研究方法

2.3.1 空间权重矩阵计算

引力模型可以准确地衡量区域间的空间社会经济网络关系[27]。本研究主要是在引力模型的基础上，结合本研究模型的需要对其加以修正，通过标准化消除单位量纲影响，构建空间权重矩阵，计算公式如式（4）所示。

式中：i和j分别代表i省份和j省份；Wij代表中西部地区碳排放空间网络关系指数；Pi和Pj分别代表i省份和j省份的平均年末常住人口指数；Ci和Cj分别代表i省份和j省份的碳排放量指数；Gi和Gj分别代表i省份和j省份的GDP指数；Dij代表两省份地理距离指数；gi和gj分别表示i省份和j省份的人均GDP指数。然后，将测算出来的中西部地区引力指数构建成一个17×17的空间网络矩阵。

2.3.2 空间自相关模型

要构建空间计量模型时，首先要检验所研究的对象是否存在空间的关联性。大部分学者使用全局空间自相关检验和局部空间自相关检验。全局空间自相关检验是测量整体区域之间的空间依赖性，全局空间自相关经常用统计检验量Moran’s I指数来衡量。它的计算公式如式（5）：

式中：n表示研究省份的总数，i和j分别代表i省份和j省份，Yi表示省份i的测量变量Y，Yj表示省份j的测量变量Y，表示测量变量Y的平均值，S2表示方差，wij表示空间权重的元素。Moran’s I指数的值域为[-1, 1]，当Moran’sI＞0时，表示研究区域存在正向空间关系；当Moran’sI＜0时，表示研究区域存在负向空间关系；当Moran’sI=0时，表示研究区域不存在空间相关性。当Moran’s I指数的绝对值越大时，表示空间依赖性就越大。

局部空间自相关使用局部Moran’s I来测度，经常通过莫兰散点图来表示。局部Moran’s I计算公式如式（6）和式（7）：

2.3.3 空间面板模型

空间面板模型可更有效地提高模型参数估计的有效性，且可以更好地结合研究对象的时空分布特征，揭示其时空演变规律[32]，其一般的计算公式如式（8）所示。同时，由于参数设定的异同，就会得到不同的空间面板模型。常见的空间计量模型主要有空间滞后模型（SLM）、空间误差模型（SEM）以及空间杜宾模型（SDM），均来自广义动态空间面板模型的推导与演化。

式中：yi,t-1表示被解释变量yit的滞后一期，W表示空间权重矩阵，WXtδ为解释变量的空间滞后，γt表示时间效应；当λ=0且δ=0，则为空间滞后模型（SLM）；当τ=ρ=0且δ=0，则为空间误差模型（SEM）；当λ=0，则为空间杜宾模型（SDM）。

3 模型设定

为检验中西部区域碳排放是否存在空间效应，结合空间权重矩阵，对其进行Moran’s I指数检验，计算公式如式（5）～（7）所示，并得到相应的检验结果（图1和表2）。检验结果表明：中西部区域碳排放的莫兰指数值均为正值，且从2006—2017年均通过了1%显著性检验；中西部省份碳排放的空间自相关在不断增强，且大部分区域呈现出“高—高”和“低—低”的空间效应。

图1 中西部省份碳排放莫兰散点图（2000年和2017年）

表2 2000—2017年碳排放量全域Moran’s I指数

由中西部省份碳排放的Moran’s I指数检验结果可知，中西部省份碳排放存在显著的正空间自相关。从而，在综合Moran’s I指数检验结果的基础之上，选择构建产业发展与碳排放空间滞后模型（SLM）和空间误差模型（SEM），以准确估计产业发展对碳排放的作用关系。同时，为选择出更符合研究区域的空间模型，本研究主要是从以下几个方面展开：一是构建产业资源配置效率水平和产业结构升级水平与碳排放的空间滞后模型（SLM），空间滞后模型描述碳排放不仅受到本省份产业发展的影响，而且受到周边地区空间效应的影响，具体的计算公式如式（9）所示；二是构建空间误差模型（SEM），空间误差模型主要考虑了误差项存在空间相关性，即其他省份空间相关的误差项对目标省份碳排放的影响，其表达式如式（10）所示；三是进行LM检验和R-LM检验。模拟和检验结果如表3所示。

式中：Wit为空间权重矩阵；TCit表示i省份在t年份的碳排放量；TIit表示i省份在t年份的泰尔指数；TSit表示i省份在t年份的产业结构升级指标；POPit、Incit分别表示i省份在t年份的人口规模、表征居民生活水平和当地区域发展水平（本研究中用人均GDP）；εit为随机误差项；ρ为空间滞后相关系数，表示周边省份碳排放的空间溢出效应；λ为空间误差相关系数；ai为个体（区域）差异。

综合表3和表4，最后选择区域固定效应的空间滞后模型。基于LMLAG、R-LMLAG、LMERROR、R-LMERROR均通过1%显著性水平的检验，LMLAG比LMERROR显著程度更高，且Robust LM检验结果表明R-LMLAG比R-LMERROR显著程度更高，因此可以确定选择空间滞后模型（SLM）；通过比较三种空间滞后固定模型，地区固定效应模型的拟合优度R-squared更优，最终选择空间滞后模型的地区固定效应模型作为最优模型。

表3 待估参数模拟结果

表4 空间效应模拟结果

模型模拟结果显示：本研究构建的地区固定效应的空间滞后模型（SLM）模拟结果良好，其拟合优度（R2=0.92），且所有的参数检验均通过5%以上的显著性检验，模型可以很好地用于模拟中西部区域产业发展与碳排放之间的空间作用关系。

4 结果与分析

4.1 碳排放量时空演化

我国中西部区域碳排放量持续增长（图2和图3）。虽然中西部能源消耗强度不断降低，但能源消耗依然是低效的，且一直低于国家的平均水平，从而导致中西部碳排放量一直不断加剧。由图2、图3可知，虽然中西部能源消耗强度不断降低，分别由2000年的5.36吨标煤/万元和5.66吨标煤/万元改善到2017年的2.47吨标煤/万元和3.79吨标煤/万元，但是依然远高于国家的平均能源消耗强度（2000年的3.91吨标煤/万元和2018年的2.27吨标煤/万元），即使部分省份在近几年的碳排放总量有所改善；中西部化石能源消耗持续增长导致其CO2排放总量持续增长，分别由2000年的8.68亿吨和7.65亿吨增长到了2017年的24.05亿吨和31.28亿吨，分别增长了2.77倍和4.09倍；2008年后，西部地区的碳排放水平超过中部地区，且GDP总值一直低于中部地区。

图2 2000—2017年中西部区域碳排放及能源使用强度

碳排放在中西部区域存在显著的时空差异性，且存在“高—高”和“低—低”的空间分布，即在“高—高”集聚区，在这个地区与区域外的都处于高碳排放区，而且向域外区域外溢，增加域外的碳排放；在“低—低”集聚区，该区域的地区都处于碳排放的洼地，区域间会存在集聚效应（图1、图3）。由图3可知，在2000—2017年期间高碳排放区从中部的山西蔓延到西部的内蒙古，之后持续蔓延到中部的河南，以及最后蔓延到西部的新疆和 陕西。

图3 中西部区域碳排放量

4.2 产业资源配置水平—碳排放作用关系分析

中西部区域产业资源配置效率水平低效，且呈现出显著的时空差异性（图4、图5）。由图4、图5可知，在2000—2018年期间产业资源配置效率水平虽然得到了一定水平的优化，但整体水平不高，其中西部产业资源配置效率水平指数分别由2000年的0.28和0.37优化到2018年的0.20和0.29。首先，在中部区域，产业资源配置效率缓慢提高，但区域内存在较大的时空差异性。一是在2004—2007年期间，其资源配置效率水平指数低于全国的平均水平指数，表明该时期中部区域的资源配置效率水平优于全国的平均水平。二是在2000—2003年及2008—2018年期间，区域资源配置效率一直是劣于全国的平均水平，且出现波动现象。其次，在西部区域，产业资源配置效率水平一直低于全国的平均水平，且波动时间点分别为2005—2006年和2009—2010年。

图5 2000—2018年中西部区域各省份产业资源配置效率水平指数

产业资源配置效率碳排放具有极强的减缓作用和空间溢出效应。其直接的边际效应强度达到了41.2%，间接边际效应达到了8%（表4）。说明中西部地区在中部崛起和西部大开发两大政策驱动下，三次产业得到较快发展，本区域产业间的资源（包括三次产业劳动力、资本投入等）耦合程度不断提高，配置效率不断改善，因而会促进本区域的碳减排，同时产业资源配置存在溢出效应，主要是因为区域间存在着“模仿”效应，从而也会导致域外的产业资源配置演变，间接减缓域外地区的碳排放。如中部的江西，其高效的产业资源配置效率会对碳排放起到缓解作用。同在中部的山西，其产业资源配置效率低效，作为中国的能源大省，山西的产业发展以重工业为主，产业间资源的投入和产出的耦合程度水平低，从而在一定程度上导致了碳排放的增加。

4.3 产业结构高级化—碳排放作用关系分析

中西部区域产业结构高级化水平缓慢上升，一直远低于全国的平均水平，时空差异显著，近期中部区域与全国的平均水平差距有所缓解（图4、图6）。首先，在2000—2018年期间，中部和西部区域产业结构高级化水平缓慢提高，分别由2000年的6.13和6.12提高到2018年的6.71和6.68。其次，2000—2004年期间，中部区域的产业结构高级化水平高于西部区域；2005—2014年期间，西部区域的产业结构高级化水平赶超中部；2015—2018年期间，中部区域反超西部区域且不断拉大差距。截至2018年，其高级化水平指数西部为中部水平的98.77%。

图6 2000—2018年中西部区域各省份产业结构高级化水平指数

同时，产业结构升级水平指数在中西部区域内部也存在着一定的差异。中部地区所有的省份产业结构高级化虽然都得到了一定水平的优化和提高，除了山西，但是其水平指数基本上都低于全国平均水平；西部区域基本上都低于全国平均水平。

产业结构高级化对碳排放的总的边际效应具有正向作用，其直接的边际效应强度分别达到了41.2%和32.2%，间接边际效应也分别达到了8%和6.1%（表4）。说明在区域经济发展以及中西部承接东部地区产业转移的背景下，中西部地区产业技术水平的发展进一步促进产业结构升级，并在一定程度上促进本区域的碳减排。此外，在长江经济带、黄河流域城市群协同发展的作用下，区域间的技术交流和产业结构升级会形成一种“借鉴”作用，对域外的地区技术水平提高和产业结构优化升级产生较大影响，从而间接促进碳减排。截至2018年，重庆的产业结构高级化水平指数高于全国平均水平，主要原因是重庆工业基础相对良好，且近年来其第三产业发展迅速，产业结构高极化水平显著提高。随着川渝城市群经济交往密切，四川通过技术交流和借鉴，产业结构也得到一定程度的提高，有助于碳减排。

4.4 控制变量—碳排放作用关系分析

人口规模对碳排放存在加剧作用。由表4可知，其直接和间接的边际效应强度分别为1.639和0.308，即当地区域每增加1%的人口规模，则会对区域内外碳排放增加1.639%和0.308%，人口规模的增加直接加大了生产和生活的能源消耗，进而产生更多的碳排放量，人口规模间接效应也是显著为正的。随着区域间发展，中西部地区之间的经济活动越来越密切。交通条件的改善，使人口跨区域间的经济、文化旅游等活动愈加频繁，增加能源消耗，进而增加碳排放。

人均GDP增加对碳排放的作用关系呈现倒“U”型，人均GDP对碳排放的直接效应、间接效应、总效应显著为正，GDP二次项显著为负，说明中西部省份经济发展水平仍处于库兹涅茨环境曲线（Environmental Kuznets Curve, EKC）的左侧，经济发展水平的提高是驱动中西部地区碳排放的重要因素。表明现阶段居民可支配收入的提高和当地财政收入的增加，推动了当地消费和投资活动的增加，进而引致当地能源消耗增加并加剧碳排放量。同时，区域之间随着经济发展规模的不断上涨，空间正相关作用关系加强，对其他省份经济活动产生影响，最终也会间接增加其他省份碳排放。

5 讨论

中西部区域碳排放量持续增长且存在显著的时空差异性及空间效应（图2、图3和表2），现阶段人口规模和经济发展水平对碳排放的边际效应强度是远低于产业资源配置效率和产业结构高级化对碳排放作用关系（表4）。如在中部区域的山西，虽然其经济发展水平以及人口规模和增长率从2010年以来一直处于中部区域的低值区，且产业高级化水平由于其原有的重工业基础而相对偏高，但一直以来是高碳排放区，主要源于其低效的产业资源配置效率水平。同时，在西部区域，重庆的人口规模和经济发展水平相对比较高，且高于内蒙古，但是其碳排放却与内蒙古有截然不同的结果，内蒙古是高碳排放区，而重庆是相对而言的低碳排放区；再比较其产业资源配置效率水平和产业结构高级化水平，产业结构高级化水平差距不大，而产业资源配置效率水平在重庆相对比较有效，内蒙古相对无效。揭示人口规模和经济发展水平并不是中西部区域碳排放不断增长的关键要素，而关键要素是中西部区域产业资源配置效率水平低效的原因所致。

优化产业发展是降低碳排放至关重要的要素，特别是产业资源配置效率的优化。但现有的研究多侧重于产业结构高级化水平，正如刘玲希[26]指出产业结构优化有助于减缓碳排放，但其多侧重于产业结构高级化，即技术进步；刘明和王霞[33]认为在实行中部崛起和西部大开发之后，东部地区和东北地区的制造业、技术密集型产业向中西部地区转移，东部地区的劳动密集型产业向中西部地区转移。我国在这个阶段加大措施，促进中西部不断承接东部地区的产业转移，进而促进产业结构的升级。但本研究结果却与之有所差异，即结果表明在中西部地区优化产业资源配置效率，对碳排放的边际效应及其空间作用效应比优化产业结构高级化更有效。产业资源配置效率对碳排放的直接和间接效应分别为：41.2%和8%，而产业结构高级化水平对碳排放的直接和间接边际效应分别为32.2%和6.1%。但是，在2000—2018年期间，中西部区域产业资源配置效率并非一直处于持续增长的趋势，并出现资源配置效率变得更加低效的现象（图2、图3）。正如姚鹏和叶振宇[34]、林建华和李琳[4]指出的，中西部地区主导行业及具有比较优势的行业主要集中于资源密集型产业，以高投入、高产出为主。中部区域主要是以原料工业、燃料动力工业和农产品加工等为主导产业[34]，而西部地区主要是以能源矿产资源的开发与初级加工为主导产业，能源及化学工业所占比重较大，工业“三废”污染严重[8]。进一步揭示了中西部区域经济增长在一定程度上是过度依赖投资驱动和资源投入，规模效应不高，且个别年份出现投资过剩现象，进而导致产业资源水平进一步低效，加剧了碳排放。这一定程度上也揭示了在承接发达地区产业转移促进产业结构高级化的同时，更需兼顾产业资源配置效率水平。

6 结论与建议

本研究基于中西部地区2000—2018年期间的数据，构建空间滞后模型，模拟产业资源配置效率、产业结构高级化、人口规模以及经济发展水平对碳排放的空间作用关系。模拟结果良好，并得到以下几个方面的结论：（1）中西部区域碳排放具有显著的时空差异性，呈现出正向空间自相关性，即呈现“高—高”和“低—低”的空间分布。（2）产业资源配置效率和产业结构高级化是减缓中西部区域碳排放的关键要素，同时会对域外地区碳减排起到促进作用，且产业资源配置效率优化比产业结构高级化更有效。（3）人口规模对碳排放存在加剧作用。（4）人均GDP增加对碳排放的作用关系呈现倒“U”型，当前阶段存在溢出效应。

根据研究结论及结合当前中西部地区产业发展现状，提出以下建议对策。

（1）在现有的技术经济发展水平之下，现阶段中西部区域应加大力度优化和提高产业资源配置效率的水平，特别是在中西部制定承接东部地区产业转移以促进产业结构高级化水平的策略时，更需特别兼顾产业资源配置效率水平，完善户籍制度，促进资本、劳动力、科技等资源流通和集聚，促进产业资源优化配置和产业结构高级化水平；同时，注意加强与其他省份的合作，加强省域间联合治理，充分发挥产业发展的溢出效应，为省域间的资本、劳动力、科技等资源流通开启绿色通道，促进环保技术分享，共同降低各省份的碳排放水平。

（2）政府应引导公众转变消费方式，倡导绿色消费。引导居民树立正确的能源消费观，倡导理性消费和低碳消费。同时，完善交通系统基础设施建设和积极推动新能源汽车推广，打击能源浪费和粮食浪费，倡导社会绿色出行和绿色消费。

（3）大力发展低碳经济，改善能源结构。政府应加大对低碳、固碳、循环技术的投入研发，降低生产和消费环节的能源消耗。同时，调整能源消费结构，积极促进清洁能源的开发。因地制宜，中西部地区应利用当地有利条件大力发展风能、水能和太阳能。