基于城鎮(zhèn)化視角二氧化碳排放的經(jīng)驗分析

白楠楠

（遼寧石油化工大學 經(jīng)濟管理學院，遼寧撫順113001）

0 引言

在目前經(jīng)濟增長模式面臨轉型和世界經(jīng)濟形勢總體不振的情況下，要保持中國經(jīng)濟平穩(wěn)增長，繼續(xù)深入推進城鎮(zhèn)化可能是較好的選擇，雖然很多學者都提出即使是繼續(xù)深入推進城鎮(zhèn)化，那么傳統(tǒng)的城鎮(zhèn)化模式也需要轉型，但是在傳統(tǒng)的城鎮(zhèn)化模式到底面臨著何種挑戰(zhàn)這一問題上，國內尚沒有學者進行過深入研究。本文將基于一個全新的視角即中國城鎮(zhèn)化與二氧化碳排放之間的關系對此問題進行初步分析。本文將動態(tài)模型與靜態(tài)模型結合起來，并對兩種模型的估計結果進行對比。此外，之前的研究大都假設城鎮(zhèn)化對CO2排放的影響在不同的國家是相同的，這顯然與現(xiàn)實不符，因為不同國家的城鎮(zhèn)化階段不一樣必然會造成其對于CO2排放的影響方向和程度也不一樣，這對于中國問題的研究顯得尤其重要，因此，我們特意將樣本分為包括中國和不包括中國兩部分，并對樣本估計結果進行對比，這不僅可以有效避免由此導致的估計不一致問題，更可以加深對中國問題的認識。

1 模型構建

根據(jù)前人的研究，我們同樣在控制人口、收入和技術的基礎之上研究城鎮(zhèn)化對于CO2排放的影響，Dietz and Rosa(1997)建立了如下的模型：

模型（1）中，I表示CO2排放，P表示人口、A表示收入、T表示技術進步，下表i表示國家，t表示時間，ai和eit分別代表個體效應和隨機誤差項。現(xiàn)在對（2）式兩邊去自然對數(shù)，我們得到模型（2）：

模型（2）中，vi和εit分別表示個體效應和隨機誤差項，下面我們將城鎮(zhèn)化U加入模型（2）中，就得到了我們在本研究中要使用的模型（3）。

下面我們首先說明估計系數(shù)異質性對于估計方法選取的影響，如果式（3）中系數(shù)不存在異質性，我們可以直接采用一般的面板數(shù)據(jù)估計方法即可，但是當系數(shù)出現(xiàn)異質性時，我們則必須使用均群估計或者方差均群估計來進行。當我們將解釋變量或者被解釋變量的滯后項加入模型（3）的右邊時，其就變成了動態(tài)模型，這被稱為自回歸滯后分布模型（ARDL），其滯后期可以根據(jù)SIC信息準則來確定，動態(tài)模型相對于靜態(tài)模型來講，其優(yōu)點是可以同時捕捉到短期與長期的彈性。在具體的估計過程中，我們將分別使用均群估計、相關均群估計和增廣均群估計來擬合相關模型。

均群估計方法允許系數(shù)和殘差隨個體進行變動，從而將個體異質性考慮進來。具體來說，其首先使用OLS方法對每一個個體進行估計從而得到每一個個體的系數(shù)估計值，然后在將這些估計值進行平均，對于大樣本而言，這種估計方法能夠得到一致估計。對于動態(tài)模型而言，其將適當?shù)臏笞兞堪ㄟM來有利于修正殘差的序列相關和內生性問題。但是一般均群估計方法中沒有考慮可能在樣本數(shù)據(jù)中出現(xiàn)的相關性，而相關均群估計則在估計當中包含了個體依賴性和異質系數(shù)，依賴性主要是用解釋變量與被解釋變量的個體均值來表示，通過引入依賴性可以在模型中考慮個體之間不可觀測的共性，而異質系數(shù)則是以個體數(shù)目對均群估計的系數(shù)進行加權得來的，相關均群估計對于結構突變、非協(xié)整和序列相關都具有很好的穩(wěn)健性。增廣均群估計則是相關均群估計的替代估計方法，區(qū)別在于前者將不可觀測的共性作為一般的動態(tài)過程，而后者則將其看做異常值。

2 數(shù)據(jù)

我們采用的數(shù)據(jù)是16個發(fā)展中國家在1971～2012年的非平衡面板數(shù)據(jù)，這些國家包括：巴西、智利、中國、哥倫比亞、埃及、匈牙利、印度、印度尼西亞、韓國、馬來西亞、墨西哥、摩洛哥、菲律賓、南非、泰國和土耳其。

在實證分析中，CO2表示CO2排放量的自然對數(shù)，收入使用人均國內生產(chǎn)總值的自然對數(shù)表示，其中，人均國內生產(chǎn)總值以2005年為基期，人口使用總人口的自然對數(shù)表示，城鎮(zhèn)化率使用居住在城市中的人口與總人口的比率來計算，城鎮(zhèn)化則使用城鎮(zhèn)化率的自然對數(shù)來表示，技術方面，我們使用能源密度來表示，因為這與CO2排放的關系更加密切。能源密度的計算公式為單位GDP（美元）的能源消耗，在分析中，我們同樣對其取對數(shù)，所有的數(shù)據(jù)均可以從世界銀行的網(wǎng)站上獲取。

表1 相關變量的年均增長率（%，1971～2012）

表1計算了所有國家相關變量的年均增長率，我們可以看出其在各個國家的分布。CO2排放量的年均增長率從最高的泰國（7.443%）到最低的匈牙利（-0.298%），泰國、馬來西亞和印度尼西亞的CO2排放量年均增長率均超過6%，人均收入方面從最高的中國（7.465%）到最低的南非（0.482%），中國、韓國和泰國人均收入的年均增長率均超過4%，菲律賓、馬來西亞、南非和墨西哥的人口增長最快，均超過2%，匈牙利經(jīng)歷了人口的負增長，印度尼西亞和中國的城鎮(zhèn)化率均超過2%，埃及的城鎮(zhèn)化率最低，僅有0.053%，能源密度最高的分別是摩洛哥、埃及、南非和韓國，均超過0.5%，超過一半的國家能源密度出現(xiàn)了下降，中國的最低，達到了-4.13%。

變量之間的相關分析見表2所示。CO2排放與收入和城鎮(zhèn)化負相關，與人口和能源密度正相關，在進行計量分析之前，我們首先對數(shù)據(jù)進行單位根檢驗，如果數(shù)據(jù)具有個體相關性，那么單位根檢驗就會失效，我們首先使用CD檢驗來驗證面板數(shù)據(jù)是否具有個體相關性，結果表明（表3），除了能源密度之外，其他變量均具有個體相關性。我們首先使用IPS面板單位根檢驗，這些檢驗均帶有常數(shù)、趨勢項和根據(jù)AIC信息準則確定的不超過五階的自回歸過程，檢驗結果（表4）說明除城鎮(zhèn)化是平穩(wěn)序列之外，其他四個變量均是一階差分平穩(wěn)過程。但是由于存在變量的個體相關性，因此，我們又進行了CIPS面板單位根檢驗，所有檢驗均帶有常數(shù)和趨勢項。CIPS檢驗表明除城鎮(zhèn)化外，其余所有變量均包含一個單位根，這就使得標準的面板估計方法實效，因此，我們只能使用新近發(fā)展的對于協(xié)整和個體相關性都很穩(wěn)健的異質面板估計方法。

表2 變量之間的相關分析

表3 個體相關性檢驗

表4 單位根檢驗結果

3 估計結果

基于對系數(shù)和動態(tài)特征的假設不同，我們報告了一系列模型的估計結果，表5列示的是在同質系數(shù)的靜態(tài)模型之下得出的結果，我們分別使用帶有面板修正標準差的Pooled OLS（PCSE）、固定效應（FE）和隨機效應(RE)對其進行估計。表5顯示，收入的彈性在1.009到1.095之間，并且是統(tǒng)計顯著的，人口的彈性也是顯著的，其取值在0.935到1.874之間，固定效應與隨機效應下的城鎮(zhèn)化彈性系數(shù)分別為0.043和0.209，但是在PCSE方法之下，其彈性系數(shù)為負值，能源密度的彈性則顯著為正。總之，靜態(tài)模型的估計結果表明人口、收入、能源密度的彈性均顯著為正，但是當樣本中都不包含中國時，城鎮(zhèn)化的彈性系數(shù)都不顯著，而且其符號也不統(tǒng)一，但是，一旦當樣本中包含了中國，城鎮(zhèn)化的彈性系數(shù)就顯著為正。

這說明是否包含中國對于城鎮(zhèn)化的估計系數(shù)具有顯著影響，也說明各國城鎮(zhèn)化進程不一致可能會導致其對CO2排放的影響也不一致。我們對殘差進行了CD檢驗和CIPS檢驗，結果表明，殘差具有顯著的個體相關性，并且回歸的擬合效果較差，序列存在較強的動態(tài)特征。

表5 同質系數(shù)與靜態(tài)模型的估計結果

表6 異質系數(shù)與靜態(tài)模型的估計結果

表6放松了假定，認為存在著異質性系數(shù)，但是仍然使用靜態(tài)模型。從結果可以看出，收入的彈性在1.032和1.158之間且在1%的水平上顯著，人口的彈性系數(shù)在1.789和3.529之間且在5%的水平上顯著，能源密度的彈性系數(shù)在0.830和0.978之間且在1%的水平上顯著，城鎮(zhèn)化的彈性系數(shù)在不包含中國的情況下，其系數(shù)均不顯著，符號也不一致，但是當樣本中包含中國，其系數(shù)顯著為正。CD檢驗顯示在相關均群估計和增廣均群估計中有個體相關性的證據(jù)，但是在一般均群估計中沒有顯著的證據(jù)。由于控制了異質系數(shù)和個體相關性，表6中的殘差均具有靜態(tài)特征，需要注意的是，表6中RMSE值均比表5中的小一個數(shù)量級，這說明異質系數(shù)更加適合我們的數(shù)據(jù)。

表7的估計結果是在異質系數(shù)和動態(tài)模型的基礎上得到的，首先看控制變量，收入的彈性系數(shù)依然是在1%的水平上顯著為正，其大小在1.132到1.447之間，這在不同的估計方法之間不存在明顯差別，人口的彈性系數(shù)在0.714到2.178之間且有兩種方法是在1%的水平上顯著。城鎮(zhèn)化的系數(shù)為正但是不顯著，需要注意的是，使用動態(tài)模型估計的城鎮(zhèn)化彈性系數(shù)要大于靜態(tài)模型下的結果。能源密度的彈性系數(shù)顯著為正，CO2排放滯后期值在10%的水平上顯著為正，且其值在0.123到0.447之間，這表示CO2排放的持續(xù)性處于中低水平。收入和能源密度滯后期的估計系數(shù)為負且分別在1%和5%的水平上顯著。同樣的，包含和不包含中國數(shù)據(jù)的樣本估計結果再次表明，包不包含中國對于城鎮(zhèn)化估計系數(shù)的影響和顯著性影響巨大，考慮中國的樣本估計結果表明城鎮(zhèn)化對于CO2排放具有顯著的正面影響，但是不考慮中國的樣本估計結果表明城鎮(zhèn)化對于CO2排放不具有顯著的影響。CD檢驗和CIPS檢驗表明不存在個體相關性和誤差的動態(tài)特征，低的RMSE說明以異質系數(shù)和動態(tài)模型為基礎的估計更加適合本文的數(shù)據(jù)。

表7 異質系數(shù)與動態(tài)模型的估計結果

由于城鎮(zhèn)化系數(shù)的估計值在統(tǒng)計上不顯著，因此我們將其忽略掉并對動態(tài)模型進行重新估計，估計結果見表8。表8中，滯后期的CO2排放對現(xiàn)期值具有顯著的正向影響，現(xiàn)期的收入和能源密度對CO2排放具有顯著的正向影響，人口的彈性系數(shù)為正且在其中兩種方法中是顯著的。殘差檢驗顯示其在1%的顯著性水平上具有靜態(tài)特征且不存在個體相關性。需要注意的是，帶有城鎮(zhèn)化變量的RMSE值要略小于不帶有RMSE的設定，因此，表8的估計結果更好一些。

根據(jù)表7和表8中的估計結果可以進一步計算CO2排放的短期和長期彈性，其他發(fā)展中國家收入的短期彈性從1.147到1.178，長期彈性則從0.938到1.008，包括中國在內的所有發(fā)展中國家其收入和能源密度的彈性系數(shù)均小于不包括其他發(fā)展中國家的相應彈性系數(shù)，這說明中國的城鎮(zhèn)化已經(jīng)在一定程度上解釋了其他變量對于CO2排放的影響，使得其他變量的系數(shù)變小。對每一種方法而言，其短期彈性要大于其長期彈性。人口的短期彈性從0.997到1.853，長期彈性從0.978到1.742，能源密度的短期彈性在0.809到0.855之間，其長期彈性為0.762到0.834所有的長期和短期彈性都為正，說明這些變量的增加無論是在長期還是在短期都會增加CO2排放量。本文的結果具有重要的政策含義，CO2的存續(xù)時間很長，今天排放到空氣中的CO2會持續(xù)累積到以后，既然人口和收入在新興經(jīng)濟體中會不斷增長，那么為了降低CO2排放量只能不斷的降低能源密度。更重要的是，我們發(fā)現(xiàn)對于其他發(fā)展中國家而言，城鎮(zhèn)化對CO2排放沒有顯著的影響，從計量模型中去掉城鎮(zhèn)化也不會影響其預期，因此，那些沒有考慮城鎮(zhèn)化影響的能源和環(huán)境政策也基本上會實現(xiàn)其預期的目標。

表8 異質系數(shù)與動態(tài)模型的估計結果

表9 CO2排放的相關彈性

4 結論

本文從經(jīng)驗角度研究了城鎮(zhèn)化對CO2排放的影響，由于包括中國在內的新興發(fā)展中國家的城鎮(zhèn)化在未來會有一個跨越式發(fā)展，因而如果城鎮(zhèn)化對CO2排放有顯著性影響的話，那么未考慮城鎮(zhèn)化的能源和可持續(xù)發(fā)展政策就會收到極大影響。通過分析我們發(fā)現(xiàn)，收入、人口和能源密度三個變量在不同的模型假設下并未表現(xiàn)出明顯的差異。而相對于包含中國數(shù)據(jù)的樣本估計結果，未包括中國的樣本其城鎮(zhèn)化估計系數(shù)都是不顯著的，也就是說，這些國家的城鎮(zhèn)化對于CO2排放的影響可能存在相互抵消的因素，正像我們在文獻綜述當中的理論分析所指出的那樣，城鎮(zhèn)化的發(fā)展一方面會加重環(huán)境的負擔，但另一方面也會通過技術進步、結構調整來減輕環(huán)境所受到的負面影響，這兩方面的效應很可能會相互抵消從而使得城鎮(zhèn)化對于CO2排放的影響變得不顯著了，因此，對于這些國家來說，忽略掉城鎮(zhèn)化影響的可持續(xù)發(fā)展政策并沒有太大的不妥，進一步來講，從長期彈性系數(shù)來看，人口的彈性系數(shù)要大于收入的彈性系數(shù)，收入的彈性系數(shù)又大于能源密度的彈性系數(shù)，但是這三者均顯著為正，這說明隨著新興經(jīng)濟體城鎮(zhèn)化的不斷進展，CO2排放會持續(xù)增加。由于新興經(jīng)濟體的人口和收入不會下降，因此，要想降低CO2排放，就必須從提高能源使用效率入手，新興經(jīng)濟體可以通過市場或稅收手段來鼓勵經(jīng)濟主體減少對石油、煤炭等化石能源的使用，而增加對于可再生能源的利用。

但是當在樣本中考慮中國的數(shù)據(jù)時，城鎮(zhèn)化的彈性系數(shù)則變得顯著為正，而且中國的收入和能源密度的彈性系數(shù)都要小于未考慮城鎮(zhèn)化影響的其他國家的彈性系數(shù)，這說明中國的城鎮(zhèn)化不僅會顯著增加CO2排放量，而且還會改變收入和能源密度對于CO2排放的影響，也就是說，其他發(fā)展中國家由于城鎮(zhèn)化發(fā)展的不同階段使得其對于收入和能源密度影響CO2排放的機制相互抵消了，但中國作為最大的能源消費國，其特殊的城鎮(zhèn)化路徑使得收入和能源密度對于CO2排放的影響都體現(xiàn)了城鎮(zhèn)化的間接影響，一旦我們在模型中包含了城鎮(zhèn)化對于CO2排放的顯著影響，那么收入和能源密度的影響就會被削弱，這或許能夠解釋不同的模型在能源消費、CO2排放和變量系數(shù)上體現(xiàn)出來的矛盾。

[1]Hossain M S.Panel Estimation for CO2 Emissions,Energy Consumption,Economic Growth,Trade Openness and Urbanization of Newly Industrialized Countries[J].Energy Policy,2011,(39).

[2]Poumanyvong P,Kaneko S.Does Urbanization Lead to Less Energy Use and Lower CO2 Emissions?A Cross-Country Analysis[J].Ecol.Econ,2010,70(2).

[3]Poumanyvong P,Kaneko S.Does Urbanization Lead to Less Energy Use and Lower CO2 Emissions?A Cross-Country Analysis[J].Ecol.Econ,2010,70(2).

[4]Sharma S S.Determinants of Carbon Dioxide Emissions:Empirical Evidence from 69 Countries[J].Applieal.Energy,2011，(88).

[5]付強.雙贏互換性規(guī)制失效與新型接入歧視[J].財經(jīng)問題研究，2013,(10).

[6]付強,于良春.論中國電力產(chǎn)業(yè)輸配管理體制改革路徑選擇[J].東南學術，2014,(2).