空間依賴、碳排放與人均收入的空間計量研究

許海平

(1.海南大學經濟與管理學院，海南海口570228;2.南開大學經濟研究所，天津300071)

空間依賴、碳排放與人均收入的空間計量研究

許海平1，2

(1.海南大學經濟與管理學院，海南海口570228;2.南開大學經濟研究所，天津300071)

本文采用較為前沿的空間計量方法研究我國29個省區2000－2008年間人均碳排放與人均收入之間的關系。研究結果表明:①我國人均碳排放和人均收入均表現出明顯的空間集群特征，特別是人均收入的空間依賴性表現出加強的趨勢。②人均碳排放與人均收入呈“倒U”型曲線關系，拐點為人均收入16 953元。并進一步計算了我國各省區的人均碳排放拐點，發現各地區人均碳排放拐點在時間路徑上存在明顯差異性，東部地區的多數省區較早地到達拐點，而中西部地區則要經歷較長時間。③城市化水平、就業人員比重和技術進步是導致我國人均碳排放量增長的重要因素。④對外貿易程度在一定程度上減少了人均碳排放。因此，提出了大力倡導低碳生活方式、優化產業結構、積極開發低碳技術、轉變貿易結構以及將地區的空間依賴性納入到碳排放的政策制定中等政策建議。

碳排放;人均收入;空間計量模型

改革開放至今，我國經濟持續高速增長，國家經濟實力、居民收入水平和生活水平得到了較大提升，然而“中國奇跡”的背后卻以大量自然資源消耗和環境污染為代價。以1978年不變價格計算，從1978－2010年，我國年均實際經濟增長率為9.83%，而同期能源消費總量的平均增長率也達到了5.58%。我國作為最大的發展中國家，一直積極采取措施應對氣候變化，2009年，我國提出到2020年單位GDP的二氧化碳排放比2005年下降40－45%的目標。然而，在十七大報告中提到人均GDP到2020年比2000年翻兩番，意味著我國人均國民收入在未來十年內的時間內將增長近四倍。那么，應該如何兼顧經濟增長、人均收入提高與碳排放減少，在實際中會表現出怎樣的關系呢?影響碳排放的決定因素有哪些，這些因素在經濟發展的不同階段或水平上對碳排放的影響如何，不同地區的碳排放表現出怎樣的關系，等等。對于這些問題的思考和解決已成為政府、社會階層和學術界最為關注的焦點之一，關系到未來我國經濟社會的可持續發展。

1 文獻綜述

從國內外文獻來看，關于環境或碳排放的研究主要從以下幾個方面加以展開:一是碳排放與經濟增長或人均收入之間的存在“倒 U”型關系及其解釋。Grossman和Krueger［1］首次發現經濟增長與環境存在“倒 U”型關系，開創性地提出了著名的環境庫茲涅茨曲線(Environmental Kuznets Curve，EKC)。隨后對于經濟增長與環境存在“倒U”型關系的存在性以及如何解釋吸引了眾多研究者的目光，例如，Nemat Shafik 和 Sushenjit Bandyopadhyay［2］通過分析國家在不同收入水平上環境變換模式來考察了經濟增長與環境質量的關系。Gene M.Grossman，Alan B.Krueger［3］利用全球環境監測系統匯集的數據考察不同的環境指標和一個國家的人均收入水平之間的簡約型關系，在經濟增長的初步階段，環境趨于惡化，隨后環境得以改善，轉折點為一個國家的人均收入達到8 000美元。Vivek Suri，Duane Chapman［4］在考慮不同國家產品所包含污染的實際活動對環境的影響，采用跨國面板數據建立計量經濟模型。結果發現貿易變量的引入，大大提升了EKC曲線的拐點的位置。Mohan Munasinghe［5］指出，發展中國家可以借鑒工業化國家的經驗，通過任何潛在的EKC曲線來重組增長和發展，從而避免經過經濟增長的相同階段，涉及損害環境的相對較高的水平(甚至是不可逆的)。Sigrid Stagl［6］基于EKC曲線認為這種模式可能的解釋是在經濟發展的進程中，從清潔的農業經濟到污染的工業經濟，再到清潔的服務經濟。這種趨勢的轉變是得以高收入國家轉讓清潔技術給低收入國家，且高收入人群對環境質量有更高的偏好。Marzio Galeotti，Alessandro Lanza，Francesco Pauli［7］在不同參數設置和數據條件下重新估計EKC的穩健性。發現，二氧化碳的ECK不依賴于數據的變換;經合組織國家的經濟增長和二氧化碳呈現“倒U”型關系。Tao Song，Tingguo Zheng，Lianjun Tong［8］也 發 現1985－2005年中國的廢氣，廢水和固體廢物與人均GDP表現出“倒U”形關系，而水污染比固體污染和廢氣污染的拐點要提前。Paresh Kumar Narayan，Seema Narayan［9］基于短期和長期收入彈性對EKC假說進行驗證。如果長期收入彈性小于短期收入彈性，一個國家的碳排放隨著收入的提高是減少的。國內，魏下海、余玲錚［10］，吳獻金、鄧杰［11］等也認為我國存在碳排放量的環境庫茲涅茨曲線。

二是探討能源消耗、碳排放等環境指標與經濟增長的長期因果關系，如 Chien-Chiang Lee，Chun-Ping Chang［12］采用面板單位根、異質面板協整和面板誤差修正模型重新考察亞洲16國1971－2002年能源消耗與實際GDP之間因果關系。考慮了異質國家的效應，實證研究結果完全支持實際GDP與能源消耗之間存在長期的協整關系(單向因果關系)。Ugur Soytas，Ramazan Sari［13］在保持固定資本形成額和勞動投入不變情況下，研究了土耳其經濟增長、碳排放量和能源的長期格蘭杰因果關系。結果是碳排放量是能源消耗的格蘭杰原因，反之則不然;從長遠來看收入和碳排放之間不存在因果關系。Xing-Ping Zhang，Xiao-Mei Cheng［14］采用中國1960－2007年數據，研究發現GDP是能源消耗的單向Granger因果關系和能源消耗是碳排放的單向 Granger因果關系。Stela Z.Tsani［15］運用時間序列方法研究1960－2006年希臘的總能源消耗和分類能源消耗與經濟增長的因果關系。總能源消耗是實際GDP的單向因果關系，在分類水平下，工業和居民能源消耗與實際GDP存在雙向因果關系。

三是質疑 EKC 的存在，如 D.Stern［16］，Soumyananda Dinda，Dipankor Coondoo 和 Manoranjan Pal［17］，Jordi Roca，Emilio Padilla，Mariona Farré和 Vittorio Galletto［18］，Leigh Raymond［19］，彭 水 軍、包 群［20］，Luzzati T，M Orsini［21］，Masaaki Kijima，Katsumasa Nishide 和 Atsuyuki Ohyama［22］，Sun Bo［23］等認為:指標和數據的選擇不同;是否考慮到環境質量到生產可能性反饋、貿易對環境退化的中立影響;跨越國界和代際;將世界看成一個整體而不局限某一個國家或發達國家或發展中國家;污染指標以及估計方法選取的不同;不同的因素對收入水平和不同類型的排放量之間關系的影響，等等。違反這些實際產生根本性的問題，都會影響EKC曲線的參數估計，導致經濟增長與碳排放存在反向關系或“U”型關系或“N”型等關系。此外，Bckerman［24］，Bhagawati［25］等認為促進經濟發展本身就是保護環境資源的有效手段。Antweiler，Werner，Brian R.Copeland和 M.Scott Taylor［26］闡述了國際商品市場的開放程度如何影響污染濃度的理論，發現貿易自由似乎是對環境有益。Artur Tamazian，Juan Pi eiro Chousa，Krishna Chaitanya Vadlamannati［27］認為 1992 －2004 年經濟和金融發展是金磚四國(巴西、俄羅斯、印度和中國)的環境質量的決定因素，較高的經濟和金融發展程度能減少環境的退化;金融自由化和對外開放是減少二氧化碳排放量的重要因素。通過金融開放和自由化，以吸引相關的外國直接投資，減少國家環境的惡化。

上述文獻對本文的研究提供了很好參考價值。縱觀已有的國內外研究，我們發現大多數研究多采用時間序列的分析方法或者常規面板數據普通最小二乘法(OLS)估計。然而，這些研究存在著共同的局限性，即假設地區間的人均收入和碳排放是相互獨立的，某一個地區的人均收入只對該地區碳排放產生影響，忽略了其他周邊地區碳排放對本地區的影響。而事實上，不同經濟體之間的人均收入和碳排放由于“轉嫁”效應的存在決定了人均收入和碳排放數據在地理空間上的依賴性和溢出效應。此外，隨著區域經濟一體化進程加快，區域合作將日益頻繁，也會使得人均收入和碳排放數據表現出一定空間依賴。因此，如果忽略了這種客觀存在的空間依賴，容易導致模型設定出現偏誤，使得研究結論缺乏應有的解釋力。本文從空間依賴視角重新考察人均收入與碳排放之間的動態關系，以期能更全面客觀地反映經濟現實，并對現有的研究文獻作進一步拓展與補充。

2 樣本數據與指標選取

2.1 樣本數據

本文采用的空間樣本數據涵蓋了我國29個省、直轄市和自治區，其中重慶市的數據歸入四川省，不包括西藏(數據的缺失)和港澳臺地區，考察期間為2000－2008年，共261個觀測值，數據主要來源于《新中國六十年統計資料匯編》，部分數據來源于各省市統計年鑒。

2.2 指標選取

2.2.1 碳排放量

由于目前我國沒有碳排放量的直接監測數據，而且在學術界關于碳排放量的計算也沒有達成統一共識。但大部分研究都是基于對能源消費的間接計算而得，本文借鑒鄭長德等［28］將每噸標準煤的碳排放系數定為2.499，用各省份的能源消費總量(單位為萬噸標準煤)乘以每噸標準煤的碳排放系數得到碳排放量。考慮到各省份人口和地域的不同，本人采用人均碳排放量=碳排放量/年底總人口，單位為萬噸/人，用carbon表示。

2.2.2 人均收入

居民收入的提高對碳排放具有雙向作用:一方面，居民收入的提高導致經濟增長和人們生活水平的提高，加大了對物質需求的增加，導致碳排放量增加;另一方面，居民收入提高后，更關注現實和未來的生活環境，產生了對高環境質量的需求，減緩環境惡化，使得碳排放量減少。為了更能反映真實收入水平對碳排放的影響，用地區人均居民收入(income)表示，根據地區城鎮家庭平均每人可支配收入(1990年不變價)、地區農村居民家庭人均年純收入(1990年不變價)和城鎮居民人口占總居民人口比重以及農村居民人口占總居民人口比重計算而得。

2.2.3 影響碳排放的控制變量

影響碳排放的控制變量，主要包括城市化水平(urb)、貿易開放(trade)、非農化就業人員的比重(employ)和技術進步(prod)。

城市化水平對于碳排放具有雙向作用:一方面，城市化水平提高，導致經濟增長，加大了能源的消費，碳排放增加;另一方面，城市化水平提高使產業組織結構、技術結構、產業結構等得到合理的調整，資源配置得到進一步優化，各種資源得到更合理的利用，使得能源消費下降，碳排放減少［29］。

貿易開放對環境的效應(Grossman和Krueger［1］)可以歸結為三個效應:規模效應、結構效應和技術效應。貿易開放擴大了經濟活動規模，導致自然資源使用量和污染排放量增加，即為規模效應(Scale Effect)。而結構效應(Composition Effect)是指貿易開放所引起的全球化專業分工，參與貿易的國家更趨向于在具有比較優勢的部分進行生產，如果一國在清潔產品部門具有比較優勢，則會改善環境，反之，一國在污染密集型部門有比較優勢，則會惡化環境。貿易自由化會加快先進技術的流通，提高資源的使用效率，降低單位產出能源消耗，即為技術效應。

考慮到我國具有典型的二元經濟特征(城市工業為代表的現代經濟部門和以手工勞動為特征的傳統農業部門)，納入了非農化就業人員的比重。二元經濟特征的存在會導致農村大量剩余勞動力轉移的困難、消費需求不足、城市化進程緩慢等問題，這些問題的存在都在一定程度上影響了碳的排放。

隨著人均收入的提高、經濟的發展，人們有可能增加對環保技術的研究投入、購買更有利于環境清潔的中間設備等，且技術進步影響經濟增長方式轉變和產業結構調整間接影響環境質量［30］。對于技術進步，大多數學者用政府財政研發投入、基于柯布——道格拉斯生產函數測算的全要素生產率、勞均物質資本水平、勞動生產率等來表示。就前者來說，我國屬于資本技術密集較低的國家，技術進步主要依賴于低資本投入的技術的引進，而非高密集資本的研發投入，用該變量來衡量技術進步則會低估我國的技術進步。而基于柯布——道格拉斯生產函數測算的全要素生產率是在新古典生產理論之上建立起來的，假設市場存在完全競爭、要素信息充分等，而這些假設條件與我國實際不相符，用全要素生產率作為技術進步指標也難以說明我國技術進步的狀況。勞均物質資本水平是用物質資本存量除以勞動力人數而得，而物質資本存量的確定目前還沒有達成一致，現有研究中存在較大的差異，物質資本存量的確定主要涉及基年資本存量的確定、投資品價格指數的構造、當年投資的取舍和折舊的處理方法等，因此用勞均物質資本水平作為技術進步的替代指標也是不合適的。考慮到我國的實際情況，采用勞動生產率作為技術進步的替代指標［31］，即國內生產總值(1990年不變價)/就業人員人數。

3 空間自相關檢驗

考察人均收入對人均碳排放是否具有空間效應，首先要分析人均收入和人均碳排放是否具有空間自相關性，即人均收入和碳人均排放是否存在空間依賴。檢驗區域變量是否存在空間自相關性，一般根據Moran［32］提出的空間自相關Moran I指數，計算公式為:

根據2000－2008年各省區人均收入和人均碳排放數據，結合式(1)運用STATA10.0軟件可計算得到相應的Moran I指數及檢驗結果見表1。可以看出，2000－2008年Moran I指數均通過了1%水平下的顯著性檢驗，且Moran I指數均為正值，表明各省區人均收入和人均碳排放在所考察年份在空間分布上具有顯著的正自相關關系，即我國各省區人均收入和人均碳排放的空間分布并不是表現出完全隨機狀態，而是表現出相似值之間的空間集群形態和相類似的空間聯系結構。人均收入和人均碳排放在全局上表現出強烈的空間依賴特征，具有相對較高人均收入或人均碳排放的省區傾向于接近其他具有較高人均收入或人均碳排放的省區，具有相對較低人均收入或人均碳排放的省區趨于和其他具有較低人均收入或人均碳排放的省區相臨近。此外，人均收入的Moran I值表現出上升的趨勢，反映了人均收入的空間相關性呈現加強趨勢。因此，從整體上看，我國省區人均收入和人均碳排放的空間相關性是客觀存在的，由此不應當將其假定為一個獨立的觀測值，亦即存在明顯的空間集群現象。

表1 2000－2008年我國省區人均碳排放和人均收入的Moran I統計值Tab.1 Moran I statisticial value of provincial per capita carbon emission and per capita income in China(2000－2008)

碳排放表現出的空間集聚現象得到一些學者的驗證，如魏下海、余玲錚［10］，鄭長德、劉帥［28］等。下面分析人均收入的Moran I散點圖和顯著水平圖，見圖1，圖2。

根據圖1和圖2可以看出，高－高(H－H)和低－低(L－L)類型區居于主導地位，絕大部分省區聚集在第一象限和第三象限。2000年有6個省區位于第一象限，分別為:北京、福建、江蘇、上海、天津和浙江，表現出高 －高(H－H)的正自相關關系集群;甘肅、廣西、貴州、河南、湖北、湖南、內蒙古、寧夏、青海、山西、陜西、四川、新疆和云南等14省區位于第三象限，表現出低－低(L－L)的空間自相關關系。2008年，北京、福建、黑龍江、吉林、江蘇、遼寧、上海、天津和浙江等9個省區位于第一象限，表現出高－高(H－H)的正自相關關系集群;甘肅、廣西、貴州、河南、湖北、湖南、內蒙古、寧夏、青海、山西、陜西、四川、新疆和云南等14省區位于第三象限，表現出低－低(L－L)的空間自相關關系。

比較初期的2000年和末期的2008年的Moran I散點圖發現:2000年和2008年分別有20個和23個省區表現出正向的空間相關關系，其中有6個和9個省區位于第一象限，各有14個省區位于第三象限;2000年有9個省區表現出不相似的空間分布，2008年僅有6個省區表現出不相似的空間分布。

總之，我國各省區的人均碳排放和人均收入均存在著顯著的空間依賴，特別是人均收入的空間依賴性表現出加強的趨勢。這就意味著人均收入對于我國各地區碳排放的解釋應當充分考慮到這種空間依賴性，用空間計量經濟學方法來研究我國各地區碳排放是符合客觀實際的。

圖1 2000年人均收入Moran I散點圖Fig.1 Moran’s I scatterplot of per capita income(2000)

圖2 2008年人均收入Moran I散點圖Fig.2 Moran’s I scatterplot of per capita income(2008)注:同圖1。

4 空間計量模型分析

4.1 空間計量模型及模型設定

空間計量經濟學理論認為，一個地區空間單元上的某種經濟地理現象或某一屬性值與鄰近地區空間單元上同一現象或者屬性值是相關的，也就是說各區域之間的數據與時間序列存在相對應的空間相關。空間依賴的存在打破了大多數經典統計和計量分析中相互獨立的基本假設。空間計量經濟方法將地理空間相互作用納入模型，對經典的回歸模型通過一個空間權重矩陣進行修正。

根據模型設定對“空間”體現方法的不同，Anselin［33－34］將空間計量模型主要分為兩種:空間滯后模型(Spatial Lag Model，SLM)和空間誤差模型(Spatial Error Model，SEM)，分別表示如下:

空間滯后模型(SLM):Y=ρWY+Xβ+ε (2)

空間誤差模型(SEM):Y=Xβ+ε，其中ε=λWε+μ (3)

其中，Y是被解釋變量，X是外生解釋變量矩陣，β是X的參數向量，ρ和λ分別是空間滯后回歸系數和空間誤差回歸系數。ε和μ表示隨機誤差項。W為空間權重矩陣(N階方塊，N為地區數)，在空間權重矩陣的選擇上，采用最常見的地理空間權重，即依據空間是否相鄰來設定，相鄰的區域被賦予“1”，其他的區域被賦予“0”［35］，目前國內多數文獻均采用這一做法。該權重矩陣定義如下:

借鑒Cohen［36］等人研究思想，我們將待估計的計量模型設定為:

其中，yi為被解釋變量，表示各省區人均碳排放;Zi表示影響各省區人均碳排放的一系列控制變量;解釋變量Xi表示各省區的人均收入，Xj表示相鄰省區的人均收入狀況;Wij為空間權重矩陣;相鄰省區的人均收入對本省區人均碳排放的影響反映在系數ρ上。

結合前述的方法，本文將空間滯后模型(SLM)設定如下:

從上式可以看出，省區j的人均收入不僅可以影響該省區的人均碳排放，而且通過這種影響進一步將作用“迭加”到省域i(i≠j)的人均碳排放之上。即系數ρ綜合反映了相鄰省份解釋變量的影響力。空間計量經濟學正是采用這種不斷“迭加”的方式來估計空間相關性的。β1和β2分別是人均收入及平方項的系數，二者符號反映了人均碳排放與人均收入的曲線特征:①β1＞0，β2＜0，表現出“倒 U”型曲線，拐點公式為:－β1/2β2;②β1＜0，β2＞0，表現出“U”型曲線，拐點公式同上。

如果空間相關性由模型以外因素決定，可將空間誤差模型(SEM)設定為:

本文各研究變量的定義和性質見表2。

表2 研究變量的定義和統計性質Tab.2 Definitions and statistical properties of variables

4.2 實證結果

為了便于比較，同時給出了人均碳排放與人均收入的面板固定效應模型估計結果(見表3)。各變量均通過顯著性檢驗，且hausman檢驗拒絕了原假設，選擇個體固定效應模型。從β1和β2的估計系數來看，我國碳排放與人均收入呈現明顯“倒U”型特征。計算其碳排放的拐點處于人均收入為3 442元(1990年為不變價，下同)的位置，發現2008年已有13個省區達到或超過了此拐點，顯然與實際不相符合。

由于面板固定效應模型沒有考慮到人均碳排放和人均收入的空間依賴特征，導致估計結果存在偏誤。因此，有必要將空間相關性納入到碳排放和人均收入的分析框架中進行研究。如前所述，空間計量模型包括SLM模型和SEM模型，對模型的甄選需要采用拉格朗日乘子統計量。

利用2000－2008年間我國29個省區的經濟數據，采用空間面板計量方法，運用Matlab 7.0軟件估計了空間滯后(SLM)的混合、空間固定、時點固定和雙固定效應模型和空間誤差(SEM)的混合、空間固定、時點固定和雙固定效應模型。從表3回歸結果可以發現，空間自回歸系數ρ和空間誤差回歸系數λ均達到5%的顯著水平(除面板SLM空間固定模型外)，進一步說明了空間因素確實在人均碳排放和人均收入中發揮了作用，如果忽略省區之間潛在的空間自相關性，基于OLS或其它方法得到的回歸結果是欠妥的。因此建立空間SEM模型和空間SLM模型是合理的。由于SEM模型的擬合優度和對數似然值均高于SLM估計結果，選擇SEM模型比SLM模型更為合理。在SEM模型中，從擬合優度和對數似然值來看，空間固定是最優的。因此，下面就SEM空間固定模型估計結果進行分析。

就各控制變量的影響系數來看，城市化水平(urb)變量回歸系數在1%的顯著性水平下統計顯著且為正，在其他因素保持不變情況下，城市化水平每提高1%，人均碳排放將提高0.198 8%。因此，城市化水平的提高擴大了人均碳排放量。目前我國正處于城市化進程的加速階段，短期內我國城市化對能源需求還有很大的依賴性，城市化水平提高會增加能源消費強度;城市的迅速擴張導致土地利用方式變化:一是會帶來更多工業碳排放、產品消費碳排放;二是森林或農田轉化為城市建筑用地，而建筑用地是重要碳排放來源之一。

對外貿易程度(trade)變量回歸系數在1%的顯著性水平下統計顯著且為負，在其他條件不變的情況下，對外貿易程度每提高1%，人均碳排放將減少0.087 1%，說明了“污染避難所”假說在中國不成立。可能的原因有［20］:一是多邊貿易談判與協議簽定，特別是與環保相關的貿易協議促進了中國對環保新技術的開發和應用，且發達國家對中國出口商品的環境指標標準的要求，也迫使中國加大研發新型環保技術;二是貿易開放所帶來的技術溢出效應提高了中國技術水平，減少了碳排放。Keller W.［37］和賴明勇等［38］等文獻也證實了貿易開放對東道國或中國的技術溢出效應。

就業人員的比重(employ)變量的回歸系數為0.343 8，且達到1%的顯著性水平，表明了在其他條件不變的情況下，就業人員的比重每提高1%，將促使人均碳排放提高0.343 8%。從目前來看，我國第二產業比重最大，其次是第三產業，雖然第三產業比重持續的上升在一定程度上減少了碳的排放，但第二產業在產業結構中的比重增加加大了能源消耗，最終導致碳排放的增加。

技術進步的回歸系數也顯著為正，在其他因素保持不變情況下，技術進步每提高1%，人均碳排放將提高0.906 2%，表明目前我國技術進步并沒有帶來環境質量的改善，這可能是因為:目前我國農村剩余勞動力多，且素質較低，而資金、技術等要素相對稀缺，決定了我國主要發展勞動密集型產業，而勞動密集型產業一般選擇較低的技術水平，較高的技術水平往往偏向于資源能源密集型產業。此外，用勞動生產率指標度量技術進步可能僅僅反映生產技術水平的高低，而不能反映出減少污染的技術發展。

我們重點關注人均收入對人均碳排放的影響。從回歸結果看，人均收入及平方項對人均碳排放在5%水平有顯著性的影響，系數分別為1.598 7和－0.082 1，表示在其它因素不變情況下，人均收入增加1%，人均碳排放將增加1.598 7%;但人均收入的平方項增加1%，人均碳排放將減少0.082 1%。因此，人均碳排放與人均收入呈“倒U”型曲線關系，計算其拐點為人均收入等于16 953元，即當人均收入小于16 953元時候，隨著人均收入的增加，人均碳排放量呈上升趨勢，但當人均收入大于16 953元時候，隨著人均收入的增加，人均碳排放將出現減少趨勢。從全部樣本數據來看，2008年人均收入為3 508元，按照2000－2008年年間人均收入平均增長率來計算，大約經過19年的時間，即在2027年，人均碳排放量抵達拐點。從各地區來看，由于在資源稟賦、產業結構、城市化水平、技術進步和污染減排技術等方面的不同，各省區人均碳排放的拐點位置存在明顯差異見表4。東部地區的大多數省區較早到達拐點。東部地區擁有獨特的地理優勢，良好投資環境，經濟發展較快，產業結構和貿易結構較為合理，可以大幅度引進先進節能減排技術，更早的到達碳排放的最高點。比如北京、上海、福建、江蘇、廣東、遼寧、浙江分別在2016年、2016年、2019年、2020年、2021年和2021年達到人均碳排放的最高點。而中西部地區經濟技術相對落后，資源稟賦和基礎設施相對滯后，產業結構中第三產業比重較低，加上缺乏節能減排的內在機制，導致中西部地區經歷較長的時間才能到達人均碳排放的最高點，分別為16至42年不等。如吉林、河南大概需要16年和17年才能達到拐點，而云南、甘肅、貴州甚至要2040年后才能到達。

表3 2000－2008年我國人均碳排放與人均收入的空間計量結果Tab.3 Results of spatial estimation of per capita carbon emission and per capita income in China(2000 －2008)

表4 我國各地區抵達人均碳排放拐點的時間表Tab.4 Time-table of reaching a turning point of provincial per capita carbon emission

5 結論與建議

針對大多數文獻忽略區域之間的空間相關性，往往導致研究結論缺乏應有的說服力，本文采用較為前沿的空間計量經濟方法，利用我國29個省區2000－2008年面板數據考察城人均收入與人均碳排放的關系。基于實證估計的結果，得出的主要結論如下:

(1)基于0－1矩陣的空間依賴性表明，我國人均收入和人均碳排放均表現出明顯的空間集群特征，特別是人均收入的空間依賴性表現出加強的趨勢。絕大部分省區屬于高－高和低－低類型，即具有相對較高人均收入或人均碳排放的省區傾向于接近其他具有較高人均收入或人均碳排放的省區，具有相對較低人均收入或人均碳排放的省區趨于和其他具有較低人均收入或人均碳排放的省區相臨近。

(2)考慮空間依賴性，人均碳排放與人均收入呈“倒U”型曲線關系，拐點為人均收入等于16 953元。并進一步計算了我國各省區的人均碳排放拐點，發現各地區人均碳排放拐點在時間路徑上存在明顯差異性，東部地區的多數省區較早地到達拐點，如北京、上海在2016年達到人均碳排放的最高點。而中西部地區經歷較長的時間才能到達人均碳排放的最高點，如云南、甘肅、貴州甚至要2040年后才能到達。

(3)城市化水平、就業人員比重和技術進步是我國人均碳排放量增長的重要因素。

(4)對外貿易程度在一定程度上減少了人均碳排放。

基于以上實證分析和結論，我國區域人均收入與人均碳排放的空間依賴性是客觀存在的，而且這種空間依賴性表現出鮮明的區域差異性。因此，我們認為:

(1)就目前而言，隨著人均收入的提高，人均碳排放呈增長趨勢。這可能是因為居民收入的提高，加大了對物質需求的增加，特別是高端產品，如汽車等，導致碳排放量增加。因此，要大力倡導低碳生活方式，包括:大力宣傳，增強居民的低碳意識;生活垃圾分類，有效回收可利用資源;引導單位和個人使用節能環保低碳型產品;發揮政府和高校的作用，如編寫低碳生活手冊，建立低碳生活示范區等。從而有效地從傳統高碳模式向低碳模式轉變。

(2)優化產業結構，大力發展第三產業，積極引導資本(內資和外資)投向第三產業，提升第三產業的結構比重。2010 年，我國第一二三產業占 GDP 的比重約為1∶4.6∶4.2，能源密集度低的第三產業的比重不高。產業結構的調整和優化所帶來的結構效應，有利于促進我國碳排放的減少。

(3)在短期內我國城市化水平的提高會增加碳排放，因此，在實施城鎮化戰略的過程中，要改變能源消費結構、提高能源利用效率、保護植被、改善土地利用、提倡低碳生活等，提升我國城市化的質量，是解決我國碳排放問題的有效途徑。

(4)積極開發低碳技術，將先進成熟技術推廣應用于勞動密集型產業。我國經濟的高速增長，短期內必然導致能源消耗的增加，因此政府應強化技術創新，鼓勵節能減排和新能源技術的開發，尤其是低碳技術的創新和推廣，做好低碳經濟試點工作，利用示范效果積極推廣，從而減少我國的碳排放量。

(5)基于對外貿易減少碳排放量，但影響較小。進一步轉變我國貿易結構，抑制“高耗能、高污染、資源性”產品的出口，利用出口退稅和出口免稅政策積極優化進出口商品結構，促進我國經濟增長方式轉變和經濟社會可持續發展。

(6)應將省區的空間相互依賴納入到人均碳排放的分析與政策制定過程中，加強欠發達地區和發達地區在經濟地理上的合作交流，實現東、中、西部地區經濟聯動，促進我國碳排放量向良性方向發展。

References)

［1］Grossman G M，Krueger A B.Environmental Impact of a North American Free Trade Agreement［R］.National Bureau of Economic Research，Working Paper 3914，NBER，Cambridge M A，1991.

［2］Nemat S，Sushenjit B.Economic Growth and Environmental Quality:Time Series and Cross-country Evidence［R］.Working Paper，World Bank，Washington D.C，1992.

［3］Gene M G，Alan B K.Economic Growth and the Environment［J］.Quarterly Journal of Economics，1995，110:353 －378.

［4］Vivek S，Duane C.Economic Growth，Trade and Energy:Implications for the Environmental Kuznets Curve［J］.Ecological Economics，1998，25(12):195－208.

［5］Mohan M .Is Environmental Degradation an Inevitable Consequence of Economic Growth:Tunneling through the Environmental Kuznets Curve［J］.Ecological Economics，1999，29(1):89 －109.

［6］Sigrid S.Delinking Economic Growth from Environmental Degradation?A Literature Survey on the Environmental Kuznets Curve hypothesis［R］.Working paper，1999.

［7］Marzio G，Alessandro L，Francesco P.Reassessing the Environ-mental Kuznets Curve for CO2Emission:A Robustness Exercise［J］.Ecological Economics，2006，57(1):152 －163.

［8］Song Tao，Zheng Tingguo，Tong Lianjun.An Empirical Test of the Environmental KuznetsCurvein China:A PanelCointegration Approach［J］.China Economic Review，2008，19(3):381 －392.

［9］Paresh K N，Seema N.Carbon Dioxide Emissions and Economic Growth:Panel Data Evidence from Developing Countries［J］.Energy Policy，2010，38(1):661 －666.

［10］魏下海，余玲錚.空間依賴、碳排放與經濟增長——重新解讀中國的EKC假說［J］.探索，2011，(1):100 －105.［Wei Xiahai，Yu Lingzheng.Spatial Dependence，Carbon Emission and Economic Growth:Reinterpretation of Chinese EKC Hypothesis［J］.Exploration，2011，(1):100 －105.］

［11］吳獻金，鄧杰.貿易自由化、經濟增長對碳排放的影響［J］.中國人口·資源與環境，2011，21(1):43 －48.［Wu Xianjin，Deng Jie.Impact of Trade Liberalization and Economic Growth on Carbon Emission:An Empirical Study Based on Scale，Composition and Technique Effects［J］. China Population， Resources and Environment，2011，21(1):43 －48.］

［12］Chien C L，Chun P C.Energy Consumption and Economic Growth in Asian Economies:A More Comprehensive Analysis Using Panel Data［J］.Resource and Energy Economics，2008，30(1):50 －65.

［13］Ugur S，Ramazan S.Energy Consumption，Economic Growth，and Carbon Emissions:Challenges Faced by an EU Candidate Member［J］.Ecological Economics，2009，68(6):1667 －1675.

［14］Zhang Xingping，Cheng Xiaomei .Energy Consumption，Carbon Emissions，and Economic Growth in China［J］. Ecological Economics，2009，68(10):2706－2712.

［15］Stela Z T.Energy Consumption and Economic Growth:A Causality Analysis for Greece［J］.Energy Economics，2010，32(3):582 －590.

［16］Stern D.Economic Growth and Environmental Degradation:the Environmental Kuznets Curve and Sustainable Development［R］.Working Paper，World Development，1996，24(7):1151 －1160.

［17］Soumyananda D，Dipankor C，Manoranjan P.Air Quality and Economic Growth:An Empirical Study［J］.Ecological Economics，2000，34(3):409－423.

［18］Jordi R，Emilio P，Mariona F，Vittorio G.Economic Growth and Atmospheric Pollution in Spain:DiscussingtheEnvironmental Kuznets Curve Hypothesis［J］.Ecological Economics，2001，39(1):85－99.

［19］Leigh R.Economic Growth as Environmental Policy?Reconsidering the Environmental Kuznets Curve［J］.Journal of Public Policy，2004，24(3):327－348.

［20］彭水軍，包群.經濟增長與環境污染——環境庫茲涅茨曲線假說的中國檢驗［J］.財經問題研究，2006，(8):3 －17.［Peng Shuijun，Bao Qun.Economic Growth and Environmental Pollution:An Empirical Test for the Environmental Kuznets Curve Hypothesis in China［J］.Research on Financial and Economic Issues，2006，(8):3 －17.］

［21］Luzzati T，Orsini M.Investigating the Energy-environmental Kuznets Curve［J］.Energy，2009，34(3):291 －300.

［22］Masaaki K，Katsumasa N，Atsuyuki O.Economic Models for the Environmental Kuznets Curve:A Survey［J］.Journal of Economic Dynamics and Control，2010，34(7):1187 －1201.

［23］Sun Bo.A Literature Survey on Environmental Kuznets Curve［J］.Energy Procedia，2011，5:1322 －1325.

［24］Beckerman W.Economic Growth and the Environment:Whose Growth?Whose Environment?［J］.World Development，1992，(20):481 －496.

［25］Bhagawati J.The Case for Free Trade［J］.Scientific American，1993，(5):42 －49.

［26］Antweiler，Werner，Brian R C ，Scott T M.Is Free Trade Good for the Environment?［J］.American Economic Review，2001，91(4):877 －908.

［27］Artur T，Juan P C，Krishna C V.Artur Tamazian，Juan Pi eiro Chousa，Krishna Chaitanya Vadlamannati［J］.Energy Policy，2009，37(1):246－253.

［28］鄭長德，劉帥.基于空間計量經濟學的碳排放與經濟增長分析［J］.中國人口·資源與環境，2011，21(5):80 －86.［Zheng Changde，Liu Shuai.Empirical Research on Carbon Emission and Economic Growth in China Based on the Spatial Econometric Analysis［J］.China Population，Resources and Environment，2011，21(5):80 －86.］

［29］Wei B R，Yagita H，Inaba A，Sagisaka M.Urbanization Impact on Energy Demand and CO2Emission in China［J］.Journal of Chongqing University-Eng.ED.，2003，(2):46 －50.

［30］包群，彭水軍.經濟增長與環境污染:基于面板數據的聯立方程估計［J］.世界經濟，2006，(11):48 －58.［Bao Qun，Peng Shuijun.Economic Growth and Environmental Pollution:An Estimation of the Panel Data［J］.Journal of World Economy，2006，(11):48 －58.］

［31］闞大學，羅良文.我國城市化對能源強度的影響——基于空間計量經濟學的分析［J］.當代財經，2010，(3):83 －88.［Kan Daxue，Luo Liangwen.Impact of China’s Urbanization on Energy Intensity:Based on a Space Econometric Analysis［J］.Contemporary Finance ＆Economics，2010 ，(3):83 －88.］

［32］Moran P A P.Notes on Continuous Stochastic Phenomena［J］.Biometrika，1950，37，17－23.

［33］Anselin L.Spatial Econometrics:Methods and Models［M］.Dordrecht，Kluwer Academic Publishers，1988a，3 －18.

［34］Anselin L.Local Indicators of Spatial Association － LISA［J］.Geographical Analysis，1995，27(2):93－115.

［35］LeSage J P.Spatial Econometrics［M］.University of Toledo，1999.

［36］Cohen JP. Economic Benefits ofInvestments in Transport Infrastructure.International TransportForum［R］.Disscussion Paper，2007，(13):3 －23.

［37］Keller W.International Technology Spillover［R］.NBER，Working Paper，No.8573，2001，112 －122.

［38］賴明勇，張新，彭水軍，包群.經濟增長的源泉:人力資本、研究開發與技術外溢［J］.中國社會科學，2005，(2):33－47.［Lai Mingyong，Zhang Xin，Peng Shuijun，Bao Qun.The Source of Economic Growth:Human Capital，R＆D and Technical Spillovers［J］.Social Sciences in China，2005，(2):33 －47.］

Spatial and Econometric Analysis of Spatial Dependence，Carbon Emissions and Per Capita Income

XU Hai-ping1，2
(1.School of Economy and Management in Hainan University，Haikou Hainan 570228，China;2.Institute of Economy Research in Nankai University，Tianjin 300071，China)

Based on China’s panel data of 29 provinces during 2000 －2008，this paper employs spatial econometrics to study the relationship between per capita carbon emissions and per capita income.Our estimation results indicates:First，the relationship of per capita carbon emission and per capita income show obvious spatial clustering characteristics，and the former’s spatial dependence is strengthened.Second，the relation between per capita carbon emission and per capita income appears to be an inversed U-shaped curve when per capita income reaches RMB 16 953 yuan.And we further calculate the turning point for per capita carbon emission by various provinces，finding that there is significant difference in time path of turning point for per carbon emission.The majority of provinces in the eastern region reach the turning point earlier，while the central and western regions will have a longer time to go.Third，the level of urbanization，the proportion of employment and technological advances are decisive factors in promoting the increase of per capita carbon emissions.Fourth，foreign trade reduces per capita carbon emission to a certain degree.Therefore，we put forward corresponding policies and suggestions，including vigorous promotion of low-carbon lifestyle，optimization of industrial structure，active development of lowcarbon technologies，transformation of trade structure and the policy-making of incorporating carbon emission with regional spatial dependence.

carbon emissions;per capita income;spatial econometrics model

F062.9;F061.3

A

1002－2104(2012)09－0149－09

10.3969/j.issn.1002－2104.2012.09.023

(編輯:劉照勝)