空间计量方法下我国碳排放的时空格局及影响因素研究

李艳芹 李宗尧

（1.中共江阴市委党校，江苏 无锡，214400；2.中共江苏省委党校，江苏 南京，210009）

一、引言

改革开放以来，我国工业化和城市化水平不断提高，碳排放量也在逐年攀升。由温室效应引起的全球变暖问题日益严峻，仅二氧化碳一项占比就达总温室气体的一半以上，碳减排意义重大。2020年9月22日，习近平主席在第七十五届联合国大会上向世界作出庄严承诺，中国将提高国家自主贡献力度，采取更加有力的措施和政策，力争于2030年前实现二氧化碳排放达到峰值，努力争取2060年前实现碳中和。探索我国碳排放规律并采取针对性措施减少碳排放，是我国环境领域的重中之重和当务之急。

关于我国碳排放分布特征的相关研究多从单一空间角度出发，以截面数据或时间序列数据为测算基础，对碳排放空间分布特征作出定性判断（张雷，2006；范定祥和刘会洪，2012；李丹丹和刘锐等，2013；杨青林和赵荣钦等，2017）[1-4]。近年也有学者尝试将时间要素纳入研究体系，进一步探索碳排放的时空分布特征（施开放，2017；武敏，2019）[5-6]。虽然这些研究的对象均为我国碳排放，但由于选取的数据尺度和碳排放来源不同，加之差异化的分析方法，目前关于我国碳排放时空分布格局的研究尚未达成共识。

有关碳排放影响因素的研究多以IPAT模型和KAYA恒等式为基础展开。由于研究区域和研究时段存在差异，学界关于碳排放的影响因素并未形成共识，不同地区在特定时间段内的碳排放量、碳排放强度和碳排放效率等指标的影响因素具有一定的特殊性，但综合看，多数学者对碳排放影响因素的研究基本从规模效应、结构效应和技术效应展开（Wang和Fang等，2016；马大来，2015；李建豹和黄贤金等，2015；周亚军和吉萍，2019；郭莉和邹梦瑶，2020）[7-11]，侧面证实了这三大效应对碳排放的影响已得到学界的广泛认可。

通过研究碳排放时空分布格局和影响因素的相关文献，发现研究对象多局限于碳排放量或碳排放强度等单一指标，碳排放影响因素的提出与碳排放分布状况相互孤立，有关碳排放影响因素的空间回归鲜有筛选模型，且默认影响因素与碳排放之间呈一次相关关系。为更全面、真实地反映我国碳排放呈特定分布格局的具体影响因素及其影响方式，本文综合分析碳排放量和碳排放强度双指标的时空分布格局，提出影响因素假说，结合已有研究成果，为碳排放指标选取合适的空间面板模型，并验证各影响因素和碳排放之间是否存在二次相关关系，进一步分析各影响因素的空间溢出效应，提出相应政策建议。

二、碳排放测算与时空格局分析

（一）碳排放测算

1.碳排放量测算

本文研究样本为2002—2017年我国省级行政区（多数省区市2018年及以后相关数据尚未更新），考虑核算的准确性和数据的可得性，参照张翠菊（2016）[12]对二氧化碳排放量的估算方法，本文中各省（区市）二氧化碳排放量的测算按照中国气象网（IPCC）发布的相关能源碳排放系数进行折算，测度公式如式（1），相关能源对应的折标准煤系数及二氧化碳排放系数如表1所示。

表1 八大能源的折标准煤系数和二氧化碳排放系数

式（1）中，CO2表示二氧化碳排放量，i表示第 i种能源，E表示能源消耗量，SSC表示该能源的折标准煤系数。

2.碳排放强度测算

碳排放强度是指单位经济产出消耗的碳排放量，一般用单位GDP的碳排放量表示，反映地区的能源利用效率，测算公式如式（2）所示，其中WCO2表示碳排放强度，GDP表示各省历年的地区生产总值。

（二）碳排放时空格局分析

1.碳排放的时间变化与空间分布

为准确反映2002—2017年我国碳排放的整体时间变化和空间分布特征，根据以上关于二氧化碳排放量和排放强度的测算公式，绘出我国总体碳排放量和碳排放强度的时间变化图（图1）和空间分布图（图2）。其中，由于采用的数据为2002—2017年的数据，为更加精准地反映各省（区市）在此时间区间的综合碳排放量和碳排放强度，把各省（区市）对应的历年数据进行平均化，即图2所反映的碳排放量和碳排放强度为各省（区市）16年间的平均值。

图1 2002—2017年碳排放时间变化趋势

图2 2002—2017年碳排放空间分布情况

图1中，我国碳排放量的增长趋势明显，2002—2011年全国碳排放量稳步增加，2011年以后碳排放量呈缓慢上升趋势。碳排放强度整体呈先缓慢上升后下降趋势。

图2中，碳排放量最大的地区主要集中在内蒙古、河北、河南、山东、山西、江苏等省区，南方多数地区碳排放量较低，广东碳排放量水平高于多数南方省份，碳排放量呈现北多南少、东多西少的总体特征；碳排放强度最大的地区主要集中在内蒙古、新疆、宁夏、山西、贵州等省区，东南沿海地区碳排放强度较低，且呈现越往南越低的趋势，碳排放强度分布总体呈现为北高南低、西南突出格局。

2.局部碳排放的时空分布演进

为进一步明确各省（区市）历年碳排放水平在全国范围内所处的位置及变化，本文选取2002年、2006年、2010年、2014年和2017年的全国各省（区市）平均碳排放量和碳排放强度为基准，考察各省（区市）对应年份的碳排放水平及整体变化情况，对应的碳排放量和碳排放强度的空间差异情况如图3、图4所示。

图3 碳排放量空间差异变化

图4 碳排放强度空间差异变化

图3中，河北、山西、山东、河南、江苏等地的碳排放量显著高于全国平均水平，且呈现逐年上升态势，海南、青海、宁夏等地的碳排放量明显低于全国平均水平。图4中，内蒙古、山西、甘肃、宁夏等地的碳排放强度显著高于全国平均水平，但是近年来与全国平均水平的差距逐渐缩小，而江苏、浙江、广东等地的碳排放强度低于全国平均水平。

无论是从整体还是从局部看，高碳排放量主要是在山东、山西、河北、河南和江苏等5个省份，该区域碳排放量呈现高度的空间相关性。其中，河南、山东、河北和江苏是全国人口大省、经济大省，整体看，较大的碳排放量可能和庞大的人口基数和经济规模有关。由此提出假说1。

假说1：我国碳排放量的主要影响因素是规模因素，即经济规模和人口规模。经济规模和人口规模越大，碳排放量越大。

结合图4的部分年份碳排放强度分布变化和图2的整体碳排放强度分布情况，发现碳排放强度高的地区主要是内蒙古、山西、陕西、甘肃和宁夏等地，广东则与此相反，虽然碳排放量大但碳排放强度并不高，前者在地理上处于西北内陆地区，技术水平和东部沿海地区存在一定差距，单位产值消耗的二氧化碳较高，而后者虽然碳排放量大但由于技术水平较高，可以维持较低的碳排放强度的同时保证较高的经济产出。由此提出假说2。

假说2：我国碳排放强度的主要影响因素是技术因素，即国内技术进步与国外技术进步，且国内技术进步和国外技术进步均对降低碳排放强度有促进作用。

三、指标选取与数据说明

本文数据来源于《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》和各省（区市）统计年鉴。根据已有的研究结论，本文在分析碳排放影响因素的过程中，选择经济规模、人口规模作为规模效应指标，产业结构和能源消费结构作为结构效应指标，国内技术进步、国外技术进步作为技术效应指标。具体的指标含义和核算方法如下。

被解释变量：① 碳排放量（CO2），根据式（1）和表1综合测算所得，单位为万吨；②碳排放强度（WCO2），即单位产出二氧化碳排放量，用各省（区市）碳排放总量除以各省（区市）GDP总量表示，单位为吨/万元。

解释变量：①人口规模（popu），用人口密度表示；②经济规模（pgdp），用各省（区市）历年人均经济产出表示；③产业结构（pstru），用第二产业产值在经济总产出中所占的比重表示；④能源消费结构（cstru），用煤炭消费量在总能源消费量中所占的比重表示；⑤国内技术进步（patent），用各省（区市）历年三项专利授权数表示；⑥国外技术进步（fdi），用各省（区市）历年外商直接投资额表示。

为验证假说1和假说2，在实证检验碳排放量和碳排放强度的影响因素时，分别把规模指标和技术指标作为核心解释变量，其他解释变量作为控制变量加入模型中。

四、空间相关性检验与模型设定

（一）空间相关性检验

为观察各省（区市）的碳排放总量和碳排放强度是否存在空间自相关，采用莫兰指数检验碳排放空间相关性。有关碳排放总量和碳排放强度的历年莫兰指数（全局 Moran’s I）如表2所示。

表2 碳排放量和碳排放强度的空间相关性检验结果

表2中，2002—2017年碳排放量的莫兰指数均在1%水平下拒绝原假设，表明我国碳排放量具有显著的空间自相关性；碳排放强度数据除在2002年和2003年仅通过了5%水平下的显著性检验，其余各年均通过了1%的显著性检验，表明碳排放强度同样具有强烈的空间自相关性。

（二）模型选取与设定

在LM检验、LR检验、豪斯曼检验和联合显著性检验基础上，最终在选定碳排放量的影响因素模型时，采用双向固定的SDM模型，而碳排放强度的影响因素模型则采用双向固定的SAR模型。考虑到环境库兹涅茨曲线中环境污染与经济发展水平之间呈二次相关关系，不排除规模因素和技术因素与碳排放量和碳排放强度之间同样存在类似的相关关系，因此在验证假说1和假说2的同时，加入结构因素和技术因素的二次项，以对比分析一次相关关系模型和二次相关关系模型的回归结果。针对假说1，设定碳排放量的SDM模型如模型1和模型2所示；针对假说2，设定碳排放强度的SAR模型如模型3和模型4所示。

其中，i表示省（区市），t表示年份，εit表示误差项，ρ、θ、α和 δ均为相关系数，Con 表示控制变量，μi和γt分别表示个体效应和时间效应，W为Queen权重矩阵，具体定义如下：

五、实证检验

（一）规模因素对碳排放量的影响

1.SDM回归结果

在考虑空间因素的基础上，利用Stata软件和极大似然估计法（MLE）分别对模型1和模型2进行参数估计，估计结果如表3所示。

表3 碳排放量的SDM回归结果

表3的估计结果显示：模型1中，本省（区市）的核心解释变量人口规模和经济规模均在1%水平下与碳排放量显著正相关，表明人口规模和经济规模越大，碳排放量越大。控制变量中，结构因素第二产业产值占比和煤炭消费量占比均在1%水平上显著为正，说明碳排放量与结构要素存在强烈的相关关系，且第二产业占比和煤炭消费量占比越大，碳排放量越大。此外，三项专利授权数和外商直接投资额作为技术因素指标，均在5%水平下与碳排放量显著负相关，表明技术进步对减少碳排放量具有促进作用。加权自变量中，W*lnCO2前的系数显著为正，表明本省（区市）的碳排放量受相邻省（区市）碳排放量的影响，二者同向变动，相邻省（区市）的碳排放量越大，本省（区市）的碳排放量越大。同时，W*lnpgdp、W*lnpopu、W*pstru 和W*lnpatent未通过显著性检验，而W*cstru和W*lnfdi分别在1%水平下与碳排放量显著正相关和负相关，表明相邻省（区市）的经济规模、人口规模、产业结构和国内技术进步水平对本省（区市）的碳排放量并无明显影响，而相邻省（区市）的能源消费结构和国外技术进步水平则显著影响本省（区市）的碳排放量，相邻省（区市）的煤炭消费占比越大，本省（区市）的碳排放量则越大，而相邻省（区市）的外商直接投资额越多，本省（区市）的碳排放量越小。

模型2在模型1的基础上加入了人口规模的二次方项和经济规模的二次方项，但是回归结果显示本省（区市）和其他省（区市）的核心解释变量均不显著，即规模因素和碳排放量之间的二次相关关系并不存在，且相邻省（区市）的规模效应对本省（区市）的碳排放量并无明显影响，同时W*lnCO2虽然系数同样为正，但显著性降低。此外，模型2中pstru、cstru、lnpatent和lnfdi均在1%水平下显著，且对应的相关系数的正负同模型1一致，进一步佐证了模型1回归结果的稳健性。

对比模型1和模型2的回归结果发现，规模因素和碳排放量之间不存在二次相关关系，仅呈简单的正相关关系，即经济规模和人口规模越大，碳排放量越大，证实了假说1。

整体看，目前我国经济规模和人口规模的扩大意味着更多的能源消耗，而这些能源以传统能源为主，碳排放量远比新能源、清洁能源高得多，从而导致碳排放量随之增加。第二产业中重工业占比高，属于典型的高耗能产业，而煤炭是高碳排放的典型传统能源，随着第二产业在三次产业生产总值中占比和煤炭在能源消费总量中占比的提高，碳排放量也随之增加。国外技术进步伴随着外商直接投资转移到我国相关行业，国内技术进步也在不断发展，二者都可以通过升级生产方式、改善传统高耗能生产工艺流程等方式减少碳排放量，但由于技术进步因素相较于其他因素起步晚，目前对我国碳排放量的影响程度明显小于规模因素。

2.SDM回归效应分解

在模型1的基础上，测得各解释变量对碳排放量影响的直接效应、间接效应和总效应结果如表4所示。

表4 碳排放量相关效应分解

表4中，所有解释变量的直接效应均显著，其中，核心解释变量lnpgdp和lnpopu对lnCO2的直接效应分别为0.6749和0.5243，而在表3中对应的回归系数分别为0.6702和0.5142，二者分别相差0.0047和0.0101，表明人口规模和经济规模存在反馈效应，本省（区市）的人口规模和经济规模通过影响相邻省（区市）的碳排放量而对本省（区市）碳排放量造成一定的正向影响，同样可以计算出控制变量pstru、cstru、lnpatent和lnfdi对应的反馈效应分别为0.0000、0.0103、0.0004和-0.0028，表明产业结构不存在反馈效应，能源消费结构和国内技术进步的反馈效应为正，而国外技术进步的反馈效应为负。间接效应中，只有能源结构和国外技术进步通过了1%的显著性检验，二者对应的间接效应分别为0.0109和-0.0903，表明本省（区市）的煤炭消费占比和外商直接投资分别会对相邻省（区市）的碳排放量产生正向溢出效应和负向溢出效应。

（二）技术因素对碳排放强度的影响

1.SAR回归结果

在考虑空间因素的基础上，利用Stata软件和极大似然估计法（MLE）分别对模型3和模型4进行参数估计，估计结果如表5所示。

表5 碳排放强度的SAR回归结果

表5中，在不考虑反馈效应的情况下，模型3的核心解释变量即本省（区市）的lnpatent和lnfdi均和本省（区市）的碳排放强度显著相关，且本省（区市）的三项专利授权数和碳排放强度呈显著负相关，外商直接投资与碳排放强度显著正相关，表明技术进步的确可以影响碳排放强度，但只有国内技术进步才可以降低碳排放强度，国外技术进步反而会提高碳排放强度。所有控制变量均在1%水平下通过了显著性检验，且pstru和cstru的回归系数为正，lnpgdp和lnpopu的回归系数为负，表明本省（区市）的第二产业占比和煤炭消费占比越大，碳排放强度越大，而人口规模和经济规模对碳排放强度的影响则相反，前者越大，后者反而越小。此外，W*lnWCO2同样在1%水平下显著为正，表明本省（区市）的碳排放强度除受本省（区市）的技术因素、结构因素和规模因素等影响外，还受相邻省（区市）碳排放强度的影响，相邻省（区市）的碳排放强度越高，本省（区市）的碳排放强度越高。

模型4在模型3的基础上加入了国内技术进步的平方项和国外技术进步的平方项，但是回归结果显示此时的核心解释变量并不显著，同样表明技术因素与碳排放强度之间的二次相关关系不成立，W*lnWCO2在5%水平下显著，显著性同样低于模型3，表明在二次相关关系回归模型下相邻省（区市）的碳排放强度对本省（区市）碳排放强度的影响解释力下降。作为控制变量的产业结构、能源消费结构、人口规模和经济规模均在1%水平下与碳排放强度显著相关，且相关系数的正负与模型3一致，进一步说明了模型3中解释变量回归结果的稳健性。

对比模型3和模型4的回归结果发现，技术因素与碳排放强度之间与二次相关关系相比，一次相关关系更为显著。

2.SAR回归效应分解

在模型3的基础上，进一步测算各解释变量对碳排放强度影响的直接效应、间接效应和总效应，结果如表6所示。

表6 碳排放强度相关效应分解

表6中，所有解释变量的直接效应均显著，其中，核心解释变量lnpatent和lnfdi的直接效应分别为-0.0433和-0.0396，对碳排放强度的直接效应均为负值，表明本省（区市）的三项专利授权数和外商直接投资额的提高对降低本省（区市）碳排放强度具有显著作用，结合表5可计算出二者对应的反馈效应分别为-0.0004和-0.0790，表明本省（区市）的三项专利授权数和外商直接投资额，可以通过对相邻省（区市）碳排放强度的溢出效应来反作用于本省（区市）的碳排放强度。

控制变量中lnpgdp和lnpopu的直接效应均为负，pstru和cstru的直接效应均为正，表明本省（区市）的经济规模、人口规模对碳排放强度有显著的负向影响，而产业结构和能源消费结构对碳排放强度有显著的正向影响。结合表5中对应解释变量的回归系数，剔除本省（区市）解释变量对碳排放强度的直接影响，得出这4项解释变量的反馈效应分别为-0.0005、-0.0065、0.0002和0.0001。虽然反馈效应较小，但仍能表明本省（区市）的规模因素和结构因素能够通过影响相邻省（区市）的碳排放强度而进一步影响本省（区市）的碳排放强度，其中经济规模和人口规模属于负反馈，产业结构和能源消费结构属于正反馈。

间接效应中，核心解释变量lnfdi在5%水平上显著为负，表明本省（区市）的外商直接投资额的提高对降低相邻省（区市）的碳排放强度具有促进作用，而lnpatent的间接效应仅在10%水平下显著，本省（区市）的专利授权数对相邻省（区市）碳排放强度的解释力度偏低。控制变量中，lnpgdp、pstru和cstru的间接效应显著性较高，表明本省（区市）的经济规模、产业结构和能源消费结构对相邻省（区市）的碳排放强度具有显著的溢出效应，本省（区市）经济规模的扩大、第二产业产值占比的下降以及煤炭消费占比的降低都可以在一定程度上降低相邻省（区市）的碳排放强度。

综合表5和表6看，在不考虑相邻关系影响时，国内技术进步有利于降低本省（区市）的碳排放强度，国外技术进步不利于降低本省（区市）的碳排放强度，但考虑到反馈效应的存在，国内、国外技术进步对碳排放强度的直接效应系数均显著为负，表明国内、国外技术进步均可以降低碳排放强度，证实了假说2。

六、结论与政策建议

（一）主要研究结论

我国碳排放量和碳排放强度的时空分布特征明显。时间序列上，我国近年来碳排放总量缓慢增加、碳排放质量明显提升；空间分布上，我国平均碳排放量整体呈现“东多西少”的分布规律，碳排放强度呈现“北高南低”的整体分布特征。

规模因素和技术因素与我国碳排放量和碳排放强度显著相关。人口规模、经济规模与碳排放量正相关，规模因素与碳排放量之间呈一次相关关系而非二次相关关系，证实了假说1。经济规模和人口规模的扩大意味着更多的能源消耗，而这些能源以传统能源为主，碳排放量远比新能源、清洁能源等高得多，从而导致碳排放量随之增加。技术因素与碳排放强度之间同样呈一次相关关系，由于反馈效应的存在，国内技术进步和国外技术进步都可以在一定程度上降低碳排放强度，证实了假说2。

我国碳排放量和碳排放强度的影响因素存在明显的空间溢出效应。人口规模和经济规模对碳排放量存在正反馈效应，本省（区市）的人口规模和经济规模通过影响相邻省（区市）的碳排放量而对本省（区市）碳排放量造成一定的正向影响，国内技术进步和国外技术进步均可以在一定程度上通过影响相邻省（区市）碳排放强度间接影响本省（区市）的碳排放强度。

（二）政策建议

1.加强区域间碳减排政策沟通交流与合作。碳排放在相邻省（区市）之间的空间溢出效应明显，各省（区市）在制定碳减排政策时，应积极主动和相邻省（区市）合作交流，制定出既能有效实现本省（区市）碳减排目标又为相邻省（区市）的碳排放带来正外部效应的政策，形成区域碳减排政策联动机制，推动区域碳排放量和碳排放强度实现“双降”，使各相邻省（区市）在环保领域和社会经济发展领域实现多赢。

2.着力推动国内技术进步，提高科技发展水平，加大财政资金投入，鼓励企业将低碳技术变现，将市场机制作为实现碳减排的重要手段之一。政府可以出台相应的鼓励发展低碳技术的优惠政策，包括为发展低碳技术的企业或机构发放技术补贴、减免企业税收和出台低息甚至免息贷款政策等，将政府调节与市场机制相结合，最大程度激发市场主体研发低碳技术的动力与活力，实现碳排放领域的帕累托最优。

3.提高引进外资质量，充分利用国外技术进步的溢出效应，发挥外商直接投资对碳减排的重要作用。改善外商直接投资领域，提高引进外资质量。综合考虑国际分工形势的变化，增加引进技术密集型和资本密集型外资，主动逐步降低劳动密集型企业投资在外商直接投资中所占比例，进一步发挥国外技术进步对国内碳减排的优势，实现碳排放量和碳排放强度的双降。

4.稳步推广碳交易试点项目，加快形成全国性碳交易市场体系，积极参与国际碳交易。目前我国已开启北京、上海、天津、湖北等8个碳交易试点，截至2020年8月，试点省（区市）碳市场覆盖钢铁、电力、水泥等20多个行业，接近3000家企业，累计成交量超过4亿吨，累计成交额超过90亿元，有效推进了碳减排和碳中和工作进程。随着试点省（区市）碳交易的有序进行，不断总结各试点的经验，为加快形成全国碳交易市场蓄力，进一步推动碳减排。