我國城鎮化、工業化與碳排放關系的研究——基于VAR模型的分析

李 松，王寶海，丁慧媛 （青島農業大學經管學院，山東青島 266109）

據統計，2011年我國城鎮人口數量首次超過農村，伴隨著城鎮化發展的是高能耗、高碳排工業水平的發展。從世界上看，已經實現現代化的國家都是工業化國家，城鎮化率很高，因此現代化的過程必然也是工業化、城鎮化的過程。我國已經進入工業化中期，但仍處于并將長期處于發展中階段，如何把握好城鎮化和工業化水平的發展與環境保護的關系是很多學者在研究的問題。從新中國成立到改革開放，再到新世紀以來，我國城鎮化經歷了緩慢發展期、加速發展期和快速發展期3個階段，如今的城鎮化表現出多個特點。根據《中國統計年鑒》，2012年末，我國大陸總人口為136 072萬人，其中城鎮人口73 111萬人，城鎮化率達53．73%。城鎮化率總體上有了大幅度提升，由2000年的36．22%升至2010年的49．95%，再于近3年突破50%的水平，13年來共增長了17．51%，年均增長率1．34%，高于1980～1990年0．68%的增長率和1990～2000年0．98%的增長率。城鎮化總體處于快速穩步上升階段，預計未來將大體保持每年1%的增長速度。新中國成立以來，特別是改革開放30年，我國工業實現了跨越式發展，建立了獨立完整的工業體系，成為全球制造業大國。據統計，2012年國內生產總值519 470．10億元，工業增加值199 670．66億元，工業化率為38．44%，工業化水平有了大幅提高;1952～2011年，我國工業化率由20．8%升至37．5%，上升了16．77%;2000年以來，工業增加值進入快速增長時期，并將繼續保持一個較高的增長趨勢。

目前，國外學者對城鎮化與溫室氣體排放之間的關系研究較多。例如，Parikh等研究了發展中國家城鎮化進程中的能源利用問題，利用43個發展中國家的面板數據，對城市化發展、能源消耗和溫室氣體排放等問題進行了實證分析，結果表明發展中國家城鎮化發展進程中溫室氣體排放增加［1］。Alam等基于STIRPAT模型實證研究了巴基斯坦城市化和碳排放之間的關系，結果表明城市化水平越高，碳排放量就越多［2］。Priambodo等對印尼小規模和中等規模工業行業的能源利用和二氧化碳排放量進行了分析，認為燃料消耗率最高的是紡織工業［3］。Worrell等認為，工業使用了世界40%的能源，工業直接或間接貢獻約37%的全球溫室氣體排放［4］。隨著我國城鎮化的迅猛發展，國內學者們對城鎮化與溫室氣體排放之間關系的研究也越來越多，其中大部分的研究集中在城鎮化與碳排放之間的關系。例如，魏后凱等認為，我國城鎮化發展的道路是一條非綠色的粗放型城鎮化道路，需要認清發現形式，改變發展模式，走集約型、綠色的城鎮化道路［5］。郭新指出，碳排放和城鎮化水平之間存在著穩定的均衡關系，長期內碳排放量的增加會伴隨著短期城市化水平的提升，兩者之間的相互作用存在一定的時間延滯［6］。徐麗娜等認為，城鎮化對碳排放有正向作用，城鎮化對不同城市碳排量的影響存在差異，城鎮化水平越高，對碳排放的影響越小，城鎮化發展速度越快，對碳排放的影響越大［7］。盧祖丹認為，城鎮化發展對碳排放的影響因地區而異，中西部地區在消費模式、經濟結構、基礎設施建設和區域發展政策等方面的特征，決定了其城鎮化進程的推進將有利于實現碳減排，東部地區的經濟結構決定了其城鎮化發展對碳排放的影響不顯著［8］。宋德勇等對我國城鎮碳排放影響因素的研究表明，城鎮居民人均收入對碳排放影響最大，其次是城鎮化率和能源強度，人口總量對碳排放影響最小［9］。王芳等認為，人口城鎮化率與碳排放的關系呈倒U型，即在人口城鎮化的早期會促進二氧化碳排放，但隨著城鎮化的進一步擴大則會抑制碳排放［10］。周楠在KAYA等式基礎上，采用省際面板數據構建了我國工業碳排放影響因素模型，并得出具體影響因素的作用力［11］。李園等利用改進的STIRPAT模型，對我國工業39個分行業二氧化碳排放影響因素進行實證研究，結果表明能源強度對節能減排具有巨大的促進作用，能源消費對二氧化碳排放量的影響最大［12］。筆者運用VAR模型，利用我國城鎮化、工業化發展過程中的碳排放數據，研究我國城鎮化、工業化與碳排放之間的關系。

1 研究方法

1．1 模型設定 向量自回歸模型（VAR）是一種非結構化的方程模型，常用于分析相互聯系的時間序列系統及隨機擾動對變量系統的動態沖擊，從而解釋各種經濟沖擊對經濟變量的影響。VAR基于數據的統計性質來建立模型，其建模思想是把每一個外生變量作為所有內生變量滯后值的函數來構造模型。將單變量自回歸模型推廣到由多元時間序列變量組成的“向量”自回歸模型，其表達式如下:Yt=A1Yt－1+A2Yt－2+… +AnYt－n+BXt+ βt，式中，Yt是 1 個內生變量向量;Xt是外生變量向量;A和B是待估的系數矩陣;β是誤差向量。在研究方法上，先對該時間序列數據進行平穩性檢驗，即單位根檢驗，然后用Johansen協整檢驗進行檢驗，以判斷城鎮化、工業化與碳排放的長期關系，最后采用向量自回歸模型（簡稱VAR模型）分析城鎮化和工業化對碳排放的影響程度，主要運用格蘭杰因果關系檢驗、脈沖響應函數和方差分解。

1．1．1 格蘭杰因果關系檢驗。格蘭杰因果關系可以用來檢驗某個變量的所有滯后項是否對另一個或幾個變量的當期值有影響。如果影響顯著，說明該變量對另一個變量或幾個變量存在格蘭杰因果關系;如果影響不顯著，說明該變量對另一個變量或幾個變量不存在格蘭杰因果關系。格蘭杰因果關系檢驗的原假設是被檢驗變量不是因變量的因果關系。如果檢驗的概率P值小于設定的置信水平（通常為5%），則認為被檢驗變量構成因變量的因果關系:反之，認為被檢驗變量不是因變量的因果關系。

1．1．2 脈沖響應函數。由于系數只是反映了一個局部的動態關系，并不能捕捉全面復雜的動態關系;而研究者往往關注一個變量變化對另一個變量的全部影響過程，在這種情況下通過繪制IRF響應函數可以比較全面地反映各個變量之間的動態影響。

1．1．3 方差分解。一般情況下，脈沖響應函數捕捉的是一個變量的沖擊對另一個變量的動態影響路徑，而方差分解可以將VAR模型系統內一個變量的方差分解到各個擾動項上。因此，方差分解提供了關于每個擾動項因素影響VAR模型內各個變量的相對程度。

1．2 數據來源 我國統計年鑒中尚未對碳排放量進行統計并發布數據，因此碳排放的計算要根據國內外現有的研究成果進行估算，計算公式為:

式中，C為碳排放總量;Ci為第i類能源消耗產生的二氧化碳排放量;Ei為第i類能源的消費量;δi為i種能源的碳排放系數，時間t為2004～2013年［13］。根據《2006年 IPCC國家溫室氣體清單指南》，煤碳、石油、天然氣的碳排放系數分別為0．755 9、0．585 7、0．448 3 t（C）/t。

選取變量為碳排放量（I）、城鎮化率（PH）、工業化率（DU），數據樣本區間為1994～2013年，數據來源于1994～2013年的《中國統計年鑒》。在實證分析前，考慮到各變量取自然對數不改變時間序列的協整關系，并能使其趨勢線性化，消除可能存在的異方差，所以對I、DU、PH進行自然對數變換，分別用lnI、lnDU、lnPH表示。1994～2013年我國碳排放量、城鎮化率和工業化率見表1。

表1 1994～2013年我國碳排放量、城鎮化率和工業化率

2 實證分析

2．1 單位根檢驗 運用Eviews5．0對3個變量取對數后進行平穩性檢驗，以保證其穩定性。檢驗結果表明，3個變量的ADF值均大于10%的臨界值（表2），故接受原假設，即3個變量存在單位根。進行一階差分后再進行ADF檢驗，發現3個變量的ADF值小于10%的臨界值（表2），因此拒絕原假設，即數據是平穩的，說明I、PH、DU是一階單整序列。

表2 單位根檢驗結果

2．2 城鎮化、工業化和碳排放的VAR模型 VAR模型中的內生變量設定完畢后，必須進一步確定模型內生變量的滯后階數，滯后階數的選擇對VAR模型的估計非常重要，因為不同的滯后階數會導致模型估計的結果顯著不同。根據連續改進的LR統計量檢驗（LR）、最終預測誤差（FPE）、赤池信息準則（AIC）、西沃茲信息準則（SC）、奎因傳信息準則（QC）5個信息量中大多數同時認可的P值，得到不同滯后階數的信息量（表3）。由表3可知，滯后階數為4時，5個信息量中有4個同時認可，所以確定滯后期為4。

表3 不同滯后階數的信息量

以方程表示lnI、lnDU和lnPH互動關系的VAR（4）模型如下:

3個方程的擬合優度分別為=0．988=0．968=0．999，擬合優度較高。從第1個方程可以看出，lnI滯后1、2、3、4期系數之和為正，說明滯后期的碳排放對當期碳排放有促進作用;lnDU的滯后期系數之和為負，說明工業化對碳排放有反向作用;lnPH滯后期系數之和為－0．01，說明城鎮化對碳排放有反向作用，但影響作用不大。從第2個方程可以看出，碳排放滯后期系數之和為負，說明碳排放對工業化起反向作用;工業化自身影響為正，說明工業化對自身起正向作用;城鎮化滯后期系數之和為－0．01，說明城鎮化在一定程度上抑制工業化。從第3個方程可以看出，碳排放滯后期系數之和為－0．04，說明碳排放對城鎮化有抑制作用;工業化滯后期系數之和為正，說明工業化促進城鎮化的發展;城鎮化對自身的影響為正，說明城鎮化對自身起正向促進作用。

2．3 模型平穩性檢驗 運用Eviews6．0軟件計算模型的AR根，經過多次驗證，滯后2階時無特征根在圓圈外（圖1），表明AR模型是穩定的。

2．4 協整檢驗 用Johnsen對變量I、PH、DU進行協整性檢驗，結果表明，在5%的臨界值水平下，明顯拒絕至多存在兩個協整關系的假定，至少存在3個協整關系（表4）。根據VAR模型可以得到碳排放與城鎮化和工業化之間長期標準化協整方程:

從估計的標準化協整方程可以看出，工業化的發展對碳排放有著明顯的促進作用，即當工業化對數每增加1%，則碳排放量對數增加5．18%;而城鎮化發展從長期來看與碳排放的增長呈負相關的關系，即城鎮化對數每增長1%，碳排放對數下降13．46%。因為從長期來看一國經濟發展到一定時期城鎮化已經基本完成，基本實現了城鎮化與碳排放的“脫鉤”，即在城鎮化發展的同時降低了能源消費和與之而來的碳排放。

表4 Johnsen協整檢驗的結果

2．5 格蘭杰（Granger）因果關系檢驗與模型估計 格蘭杰因果關系檢驗是一種用于考察序列x是否是序列y產生原因的方法。因果關系檢驗結果給出了每一個內生變量相對于模型中其他內生變量Granger因果關系檢驗統計量和檢驗統計量相應的概率值。如果概率P值小于設定的置信水平，則檢驗變量是被檢驗變量的Granger原因，反之不是。由表5可知，不能拒絕lnDU不能Granger引起lnI原因的原假設，即接受工業化不是碳排放的Granger原因的原假設，說明隨著時間的推移，工業技術以及產業結構的改善，工業化的發展逐漸減少了對碳排放的影響作用。不能拒絕lnPH不能Granger引起lnI原因的原假設，即接受城鎮化不是碳排放的Granger原因的假設。兩者的聯合檢驗不能拒絕lnDU、lnPH不能同時Granger引起lnI原因的原假設，即從長遠來看我國的工業化和城鎮化已經基本實現與碳排放的“脫鉤”，并不是碳排放的主導因素。

表5 格蘭杰因果分析結果

2．6 脈沖響應的函數分析 應用向量自回歸技術做脈沖響應的函數分析，能夠更清晰地呈現城鎮化和工業化是如何影響碳排放的，從而能夠更加準確地解釋各個變量之間的關系。建立I和DU、PH的VAR模型，以此對變量之間的沖擊反應進行檢驗。利用Eviews6．0軟件估計VAR模型的方程參數。由圖2可知，工業化的進程在追蹤期間呈現出“先升后降”的趨勢，從第1期到第2期正面沖擊使工業化迅速增長，并在第1期末達到底峰值;隨后正面的沖擊逐漸減弱，從第6期末開始出現負向的沖擊，隨著時間的推移影響逐漸減弱。碳排放的進程也呈現出“先升后降”的趨勢，但是趨勢比較緩慢，從第1期開始接受正面沖擊，并在第2期末到達峰值;隨后正向沖擊減弱，在第7期末趨向于零。從長期來看，工業化對我國碳排放的影響逐漸削弱，這也說明我國發展到一定時期后工業化基本完成，產業結構趨于合理基本實現了工業化和碳排放的脫鉤。

由圖3可知，城鎮化對碳排放的沖擊從第3期開始呈正向沖擊，一直到第7期之后呈逐漸減弱的趨勢，隨著時間的推移城鎮化對碳排放的影響逐漸消失趨于平穩。這也說明從長遠來看我國城鎮化的發展將有利于實現碳減排。因此，合理的城鎮規劃，拓寬現有的城鎮環境容量和生態承載力，合理引導和保持居民的低碳生活模式，有效發展城鎮化的同時實現碳減排。碳排放對城鎮化的沖擊不是很明顯，第1期負向沖擊比較強，之后逐漸減弱，從第6期開始正向沖擊隨著時間推移影響逐漸趨向零。

2．7 方差分解 方差分解是通過分析每一個結構沖擊對內生變量變化的貢獻度，進一步評價不同結構沖擊的重要性。可利用方差分解分析我國城鎮化和工業化的沖擊對碳排放變化（用方差度量）的貢獻度，以定量得出城鎮化和工業化隨機擾動的相對重要信息。建立I和DU、PH的VAR模型，用Eviews6．0軟件做方差分解。由表6可知，碳排放對來自自身當期的偶然因素沖擊感應最為明顯，第1年為89．67%，第2年為66．10%，然后緩慢下降，到第10年降至47．91% 。碳排放對來自于工業化的偶然因素沖擊感應較明顯，第1年為10．33%，之后每年緩慢增加，到第10年穩定在50．65%。城鎮化對碳排放的偶然因素沖擊感應較弱，第1年沒有反應，以后增加緩慢，到第10年為1．44%。可見，碳排放對自身預測誤差的影響最大，工業化影響次之，城鎮化影響最小。工業化率對來自自身當期的沖擊最為明顯，第1年100．00%，第2年87．67%，然后呈波浪式下降，到第10年維持在88．12%。碳排放對工業化的影響較小，第1年沒有反應，第2年12．29%，之后先下降后上升，波動頻率較小，到第10年穩定在11．77%。城鎮化對工業化的影響極其微弱，從第1年的沒有影響到第10年的0．11%，說明工業化率對自身預測誤差的影響最大，其次是碳排放，城鎮化的影響最小。城鎮化率對來自自身沖擊最明顯，第1年97．45%，第2年89．99%，之后始終在這一水平上波動，到第10年90．17%。碳排放對城鎮化的影響第1年1．05%，第2年8．99%，之后呈先上升后下降的趨勢，第10年穩定在5．27%。工業化對城鎮化的影響第1年1．50%，第2年1．02%，之后先下降后上升，第10年穩定在4．56%。可見，城鎮化率對自身最大，其次是碳排放，工業化的影響最小。

表6 各變量的方差分解結果%

3 結論

根據我國1994～2013年的碳排放數據，基于VAR模型對城鎮化率、工業化率與碳排放的關系進行實證分析，得出以下結論:

（1）從協整方程可以看出，工業化對碳排放有正向促進作用，城鎮化對碳排放有反向作用。

（2）Granger因果關系檢驗結果表明，從長期來看，工業化、城鎮化對碳排放沒有明顯的Granger影響，但碳排放對工業化和城鎮化有著顯著的Granger影響。

（3）脈沖響應函數分析表明，工業化在前期的沖擊給碳排放帶來正面的影響，并出現峰值，隨著時間的推移，工業化沖擊帶來的影響逐漸減弱，并趨于零;城鎮化在前期對碳排放的沖擊是負面的，但很快轉為正面的，并隨時間的推移逐漸消失并趨于平穩。

（4）方差分解結果表明，碳排放對自身預測誤差的影響最大，工業化的影響次之，而城鎮化的作用最小;工業化對自身預測誤差的影響最大，其次是碳排放的影響，城鎮化影響最小;城鎮化對自身預測誤差的影響最大，碳排放次之，工業化最小。

［1］PARIKH J，SHUKLA V．Urbanization，energy use and greenhouse effects in economic development［J］．Global Environmental Change，1995，5（2）:87 －103．

［2］ALAM S，FATIMA A，BUTT M S．Sustainable development in Pakistan in the context of energy consumption demand and environmental degradation［J］．Journal of Asian Economics，2007，18（5）:825 －837．

［3］PRIAMBODO A，KUMAR S．Energy use and carbon dioxide emission of Indonesian small and medium scale industries［J］．Energy Conversion and Management，2001，42（11）:127 －128．

［4］WORRELL E，BERNSTEIN L，ROY J，et al．Industrial energy efficiency and climate change mitigation［J］．Energy Efficiency，2009，2（2）:109 －123．

［5］魏后凱，張燕．全面推進中國城鎮化綠色轉型的思路與舉措［J］．經濟縱橫，2011（9）:15 －19．

［6］郭新．中國碳排放和城鎮化水平的因果分析［J］．市場周刊（理論研究），2012（10）:67 －68，122．

［7］徐麗娜，趙濤．城鎮化與碳排放量的關系研究——基于省會城市和直轄市的實證分析［J］．西北人口，2014（1）:18－22．

［8］盧祖丹．我國城鎮化對碳排放的影響研究［J］．中國科技論壇，2011（7）:134－140．

［9］宋德勇，徐安．中國城鎮碳排放的區域差異和影響因素［J］．中國人口·資源與環境，2011（11）:8－14．

［10］王芳，周興．人口結構、城鎮化與碳排放——基于跨國面板數據的實證研究［J］．中國人口科學，2012（2）:47 －56，111．

［11］周楠．我國工業低碳化發展機制研究［D］．杭州:浙江理工大學，2014．

［12］李園，張傳平，謝曉慧．中國二氧化碳排放差異及影響因素分析——基于工業分行業的實證分析［J］．工業技術經濟，2012（8）:39－45．

［13］何婷婷，張麗瓊．安徽省農業碳排放現狀及低碳農業發展路徑探討［J］．安徽農業大學學報:社會科學版，2012，21（5）:30 －34．