DOI: 10.12006/j.issn.1673-1719.2019.192
原嫄, 孙欣彤. 城市化、产业结构、能源消费、经济增长与碳排放的关联性分析——基于中国省际收入水平异质性的实证研究 [J]. 气候变化研究进展, 2020, 16 (6): 738-747
Yuan Y , Sun X T. Exploring the relationship between urbanization, industrial structure, energy consumption, economic growth and CO 2 emissions: an empirical study based on the heterogeneity of inter-provincial income levels in China [J]. Climate Change Research, 2020, 16 (6): 738-747
城市化、产业结构、能源消费、经济增长
与碳排放的关联性分析——
基于中国省际收入水平异质性的实证研究
原 嫄，孙欣彤
西北工业大学人文与经法学院，西安 710072
气候变化研究进展
第16卷 第6期 2020年11月
CLIMATE CHANGE RESEARCH V ol. 16 No. 6November
2020
收稿日期：2019-08-15；修回日期：2019-10-16
资助项目：国家自然科学基金青年项目（41601117）
；
中央高校基本科研业务费资助项目（3102018JCC016）作者简介：原嫄，女，副教授，****************
引 言
全球变暖是目前全世界人民共同面临的最大的环境问题，也是全人类共同面对的巨大挑战。全球气候变暖已经严重威胁到人类的生存与健康，而导致变暖的主因是人们生产活动中排放的大量CO 2气体[1]。人为CO 2排放的增长则归因于以支持人类经济活动的能源燃烧[2]。在2011年，与人类经济活动相关的化石燃料的使用导致全球产生
了322亿t 碳排放[3]。中国作为第一大能源消费国在2016年一次能源消费总量达到3053 Mtoe ，约占全球能源消费总量的23%[4]。同年中国碳排放总量占全球排放总量的27.3%，为第一大CO 2排放国，排放总量为第二名美国的近2倍[5-6]。面对国际舆论的压力，中国迫切需要厘清各影响因素与CO 2排放的互动机制，有利于进一步优化减排措施，以达到节能减排的目的，实现我国经济社会的可持续发展。
6期 739原嫄，等：城市化、产业结构、能源消费、经济增长与碳排放的关联性分析
促进CO2排放增加的多种因素与人类活动直接相关，因此关于城市化、产业结构、能源消费、经济增
长等影响因素与CO2排放的多方向复杂关系受到了国内外学者的广泛关注。在碳排放影响因素的探究中，学者多使用格兰杰因果检验[2]、指数或结构分解[7]、回归分析[8]以及空间计量模型[9]等方法。目前在有关各影响因子对碳排放的具体作用的探讨中，人们普遍认同化石燃料的燃烧或生物质能源的燃烧以及工业生产过程中直接向大气中排放大量的CO2、CH4和N2O，即能源消耗是直接导致CO2等温室气体排放的重要因素[10]，目前此方面的研究成果着重于调整能源消费结构，提高能源利用率，以达到减排目的。目前有关城市化与碳排放的研究，主要集中在以人口为表征的城市化对CO2排放的影响[11-12]和以土地为表征的城市化对碳排放的影响[13]。由于城市化作用于碳排放的机制复杂，且研究尺度不同，因此关于二者关系的研究还未成定论。部分学者认为城市化对碳排放的驱动作用大于制动作用，表现为城市化对碳排放产生正向影响[14]。而有的学者则认为城市化对碳排放的制动作用大于驱动作用，表现为城市化对碳排放产生负向影响[15]。还有部分学者认为城市化不只是对碳排放产生单一的正向或负向影响，认为在城市化发展的过程中呈现U型关系[16]或倒U型关系[17]。也有少数学者认为城市化对碳排放影响不显著[18]。关于经济增长与碳排放的关系主要集中在检验环境库兹涅茨曲线（EKC）假说是否成立，即验证二者是否存在倒U型关系[19]。目前也有学者验证二者的非线性关系，意图更加准确地认识经济增长与碳排放的关系，以期早日实现经济增长与碳排放的脱钩[20]。在产业结构与碳排放关系的研究成果中，普遍认为第二产业份额对碳排放产生正向影响，而服务业的影响强度呈降低趋势[21]。综上研究各影响因子与碳排放的关系因研究样本的时间及区域不同而结果各异。在以中国为样本的研究中大多以地理区域为划分标准，将中国按地域分为东部、西部和中部或
东部和非东部等，然而以地域为划分标准的研究缺陷在于忽视了各个省份发展模式和收入水平方面的差异，例如同处于西部的重庆和贵州，虽地理位置毗邻但收入水平差距明显。处于不同发展阶段的省份对能源的需求差别很大，城市化进展也不尽相同，如果在分析中不能根据各省的发展阶段加以区分，这种差别就很容易被忽视。文中将我国30个省份（除西藏及港、澳、台地区外）按收入水平分为4个级别，揭示处于不同发展阶段中的各省城市化、产业结构、能源消费、经济增长与碳排放之间的双向动态相关关系。意在精确把握处于不同收入水平下的省份各个变量之间的内在影响机制，从而有利于政策制定者根据省份所处的不同经济发展阶段而制定差异化的碳减排政策，以期尽早实现我国碳排放达峰，实现低碳经济发展。
1 理论框架与运行机制
Grossman等[22]将经济活动对环境的影响分解为规模效应、结构效应与技术效应（图1）。首先经济增长可分解为经济总量的变化，生产率的变化和经济结构的变化[23]。经济总量的增加需要更多生产要素的投入，伴随着更多的资源投入以及能源消耗，也产生更多的环境污染物，对环境造成负效应，此为规模效应；生产率的变化表现在资源以及资本利用率的提高，往往伴随着以创新驱动的生产技术的提高，对环境产生正效应，此为技术效应；经济结构的优化体现在资源及其他要素的配置上更加合理，对环境产生正效应，此为结构效应。其次，随着经济的发展，产业结构的优化升级往往体现在能源密集型的重工业的转型升级，包括高新技术行业在内的服务业的蓬勃发展，以此促进产业低碳发展。
再次，城市化的快速推进一方面会产生集聚效应和规模经济，更利于资源配置的优化，以及技术及知识的溢出，会降低碳排放。另一方面大量人口向城市涌入会产生“拥挤效应”，加之城市用地加速向外扩张均会加剧CO2的排放，此为规模效应。最后能源消费的减少导致碳排放的减少在一定程度上表明技术驱动的能源利用率的提高以及能源消费结构的优化，即能源消费通
过技术效应及结构效应影响碳排放。
综合以上经济活动对环境影响的三大效应分析，根据新古典增长模型，以及在前人研究的基础上[2]，考虑到经济增长、城市化、能源消费和产业结构对碳排放的作用机制，建立以上5个变量互相影响的数理模型，即每一个变量都是另外4个变量的函数。
2 模型与研究方法
裙子的搭配2.1 变量的选取与数据说明
本研究应用2002—2016年间中国30个省级（包括省、区和直辖市，以下统称省）数据样本（不包含西藏及港、澳、台地区)。借鉴《经济蓝皮书中国经济增长报告（2015—2016）》的划分经济增长阶段的办法，类比于世界银行的划分标准，第一阶段近似于低收入阶段，第二、三阶段为中等偏低收入阶段，第四阶段为中等偏高收入阶段，第五、六阶段为高收入阶段。将30个省根据不同的人均收入水
平划分为低收入水平省份（甘肃、贵州、云南、广西)、中等偏低收入水平省份（河南、河北、黑龙江、湖南、山西、安徽、江西、四川、宁夏、新疆、青海、海南)、中等偏高收入水平省份（广东、山东、福建、重庆、湖北、内蒙古、辽宁、吉林、陕西）和高收入水平省份（北京、
能源消费变化过程能源消费改变
经济发展过程
产业结构演变过程
城市化
经济增长
产业结构变化
变化过程驱动因子作用结果
效应显现结构效应
技术效应
规模效应
社会发展
排放坡道起步
CO 2图1 碳排放影响机制
Fig. 1 The influence mechanism of carbon emission
种植金银花天津、上海、江苏、浙江）（图2）。
数据均来源于《中国人口和就业统计年鉴》《中国能源统计年鉴》以及各省市统计年鉴。在变量选取上，使用每年城镇人口占各省市常驻人口比重代表城市化率，各省市年人均能源消费量衡量能源消费水平，各省市年人均GDP 来衡量经济增长水平（均以1978年为不变价格进行消胀处理)，第二产业产值占各地区每年总产值比重来反映产业结构，各省市年人均CO 2排放量来衡量碳排放水平。为消除可能存在的异方差影响，对上述变量取自然对数变换。关于碳排放的数据我国官方机构并没有给出，需自行计算。本文只考虑基于生产端能源消费所产生的CO 2排放，能源消费量
人均收入水平
48˚N
48˚N
32˚N
32˚N
16˚N
16˚N
84˚E曲阜师范大学是几本
108˚E
132˚E
84˚E 108˚E
高收入水平
中高收入水平
低收入水平
中低收入水平0 400 km 图2 不同收入水平地理分布
Fig. 2 Geographical distribution of different income levels
气候变化研究进展 2020年
740
只核算各省份在社会生产过程中实际利用的各品种能源消费量，不包括煤电、焦炭等的跨区域输送。基于《中国能源统计年鉴》分地区分品种能源消费量的统计数据和IPCC 提出的CO 2排放估算办法，选取原煤、焦炭、原油、汽油、煤油、柴油、燃料油和天然气这8类主要能源对各省市的CO 2排放量（CAR k ）进行计算，表达式如下：
其中，k 表示省份，i 表示能源种类；E i 表示第i 类能源消费量（104 t 或108 m 3)；V i 表示第i 类能源平均低位发热量（kJ/kg )，C i 表示第i 类能源碳排放系数（kg C/GJ )，O i 表示第i 类能源碳氧化因子，本文取值为1；M =44/12，表示碳转换系数。为了统一单位将所有能源的单位换算成我国能源度量的统一热量单位tce 。各种能源碳排放参考系数见表1。
CAR k = E i × V i × C i × O i × M 。
(1)S 8
i =1表1 各种能源碳排放参考系数
Table 1 Various energy carbon emission reference modulus
另外，在进行因果分析前，使用Augmented Dickey-Fuller （ADF ）和Phillips-Perron （PP ）两种单位根检验方法，分别对不同收入水平下的面板数据进行平稳性检验，检验结果显示原数据均为平稳数据，因此可直接建立面板向量自回归（PVAR ）模型。2.2 计量模型
PVAR 方法是由Holtz-Eakin 等[24]构建的，
优点在于此模型明确设计用于解决内生性问题，这是城市化、产业结构、能源消费、经济增长和碳排放实证研究中最严重的挑战之一。PVAR 模型通过将所有变量视为潜在的内生变量并明确地对变量之间的反馈效应建模，有助于缓解内生性问题
[25]
。
采用赤池信息准则（AIC ）和贝叶斯信息准则（BIC ）确定高、中高、中低以及低收入水平面板的最优滞后阶数均为1阶，故4个面板的PVAR 模型形式均如下：
其中，y it =（LUR ,LIS ,LEC ,LGDP ,LCAR )T ，为Y 矩阵的内部元素，i 表示省份，t 表示年份，LUR 、LIS 、LEC 、LGDP 和LCAR 分别表示城市化、产业结构、能源消费、经济增长和碳排放变量，βi 表示截距常系数向量，Φ是数矩阵，μi 是个体效应向量，λt 是时间效应向量，εit 是“白噪声”的扰动项。不同面板的PVAR 模型形式相同但系数有差别，4个模型均通过模型稳定性检验。
3 实证结果分析
3.1 面板格兰杰因果检验结果分析
sounds interesting格兰杰因果检验是检验经济变量之间因果关系常用的一种计量经济学方法，本质在于用条件概率来定义变量间因果关系
[26]
。值得注意
的是格兰杰因果关系是统计意义上的“格兰杰因果性”，而不具有真正意义上的因果关系。但在经济学中，统计意义上的格兰杰因果关系仍然具有意义，对经济预测起到一定的作用。为了更加直观显示变量间因果关系的方向，构建因果关系有向图（图3）。
当碳排放是经济增长的单向格兰杰原因，意味着“碳排放”包含着未来“经济增长”的相关信息，“节能减排”措施的实施将会给经济增长带来显著的冲击与影响。反之则意味着“经济增长”包含着未来“碳排放”的相关信息，
Y it = βi + ΦY i ,t -1 + μi + λi + εi 。 (2)6期
741
原嫄，等：城市化、产业结构、能源消费、经济增长与碳排放的关联性分析
图3 面板格兰杰检验结果Fig. 3 Panel Granger test results
碳排放
能源消费
经济增长
产业结构
城市化碳排放
能源消费
经济增长
十级伤残鉴定标准产业结构
城市化碳排放
能源消费经济增长
产业
结构
城市化
碳排放
能源消费
经济增长产业结构
城市化
(a)高收入水平
(c)中低收入水平
(b)中高收入水平
(d)低收入水平
注：A→B 表示A 是B 的格兰杰原因，A↔B 表示A 和B 互为格兰杰原因。
减少碳排放不会对经济增长产生较大的影响[27]。除高收入水平省份呈现由CO 2排放到经济增长的单向因果关系外，其他收入水平下CO 2排放与经济增长均存在双向因果关系。原因在于如北京、浙江这样的高收入水平省份经济规模及工业化规模显著高于其他省份，然而经济增长仍未完全摆脱对能源的依赖，能源消耗同时不可避免会产生大量CO 2排放。因此产出增长依赖能源的同时，倾向于存在“碳排放”指向“经济增长”的因果关系。然而对其他发展水平的省份来说，碳排放与经济增长仍然是高度依赖的双向因果关系。但总体来说，无论是高收入省份还是低收入省份均不存在单向的经济增长到碳排放的因果关系，意味着我国整体上仍未实现碳排放与经济增长的“脱钩”，即减排政策的实施仍然会对经济增长产生明显的冲击与影响。
在能源消费与碳排放关系的探究中，首先我们需要明确二者并不是“同升同落”的伴随关系。能源消费总量的变化不仅是体现在“量”的变化，也体现在“质”的变化，即内部能源
消费结构变动和技术水平导致的能源利用率的变化。格兰杰因果检验结果显示，高收入水平
和中高收入水平省份存在由能源消费到碳排放的单向因果关系，而低收入水平和中低收入水平省份能源消费和碳排放存在双向因果关系。总的来说，无论处于哪一种收入水平，能源消费仍然是导致未来碳排放的主要原因。但是对于高及中高收入水平的发达经济体来说，较大的经济规模总量导致较大的
能源刚性需求。故实施节能减排策略未能对能源消费产生显著的
影响。然而对于中低及低收入水平省份，能源消费和碳排放高度依赖，存在互馈机制。
城市化与碳排放的因果检验结果显示，在高收入水平省份，城市化是碳排放的单向格兰杰原因。原因在于像北京、上海这样的高收入省份（直辖市）城市化水平与其他地区相比非常高，近几年城市化率高达80%以上，其产生的规模效应对碳排放的影响也较为显著，趋向于形成由城市化到碳排放的单向因果关系。在中高以及低收入水平省份，城市化与碳排放具有双向因果关系，二者互相影响，高度依赖。在中低收入水平省份碳排放是城市化的单向格兰杰原因。
产业结构与碳排放的因果检验结果显示，高收入水平省份中存在由碳排放到产业结构的单向因果关系。中高及中低收入水平省份二者存在双向因果关系，而在低收入水平省份二者不存在显著的格兰杰因果关系。在三次产业中，第二产业碳排放量相对较高。对高收入水平的经济体来说技术、知识密集型产业比例较大，此类产业具有低能耗、低污染、低排放的特征，且污染较高的传统重工业正在完成其转型升级，因此产业结构不会对未来碳排放造成太大的影响。
3.2 脉冲响应结果分析
在本文所构建的城市化、产业结构、能源消费、经济增长与碳排放之间的关系系统中，当某一因素变动时，每一个子系统不仅会受到影响，
气候变化研究进展 2020年
742
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论