安徽城鎮化進程中碳排放影響因素的實證分析

李 敏

安徽財經大學經濟學院，安徽蚌埠,233000

?

安徽城鎮化進程中碳排放影響因素的實證分析

李 敏

安徽財經大學經濟學院，安徽蚌埠,233000

在分析簡單環境庫茲涅茨曲線理論與參考Stirpat模型的基礎上，利用安徽省2008-2014年地級市數據分析安徽省碳排放現狀，并建立面板固定效應模型，探究碳排放與城鎮化建設中主要相關因素之間的關系。結果表明，安徽省碳排放量不斷上升，其中城鎮化水平、人口數、經濟增長、交通工具數對二氧化碳排放呈現穩定的正向效應;能源強度對二氧化碳呈現明顯的負相關關系。降低安徽省碳排放刻不容緩，因此，在保證經濟增長的前提下，利用城鎮化發展的契機，堅持低碳發展道路，采用調整產業結構，提高能源利用效率，建立碳排放交易制度，走好綠色發展道路等措施對安徽省降低碳排放十分重要。

碳排放；城鎮化水平；安徽省

1 相關研究與問題提出

在城鎮化發展過程中，研究碳排放、探究高能耗帶來的溫室氣體和高污染問題越來越引起國內外學者的關注。國內外不少學者試圖通過對碳排放量影響因素的研究，揭示碳排放量控制的途徑與機制。

Parikh和Shukla把發展中國家作為研究對象，深入分析了能源利用對城鎮化進程的影響[1]。Lantz和Feng采用多種指標對加拿大1970-2000年的碳排放進行實證分析，除發現人均GDP并不影響二氧化碳排放外，人口和技術都與碳排放有關，但二者影響的方式恰恰相反，分別與碳排放成倒“U”型和“U”型關系[2]。

隨著世界經濟向低碳經濟的轉型，中國經濟、城鎮化快速發展與大量的能源消耗、二氧化碳排放不斷增加的矛盾逐漸突出，很多學者紛紛以中國為研究對象來研究二氧化碳排放的影響因素，為城鎮化建設中的低碳發展問題提供建議。

不同學者由于研究的側重點各異，得出的結論也存在差異。在城鎮化與二氧化碳排放的關系上，林伯強等認為城市化對碳排放有顯著影響[3]；楊曉軍等認為城鎮化對碳排放的影響在東中西部間呈現地區差異[4]；段新瑜等認為集約型的城鎮化道路可在一定程度上減少碳排放[5]。在經濟增長與二氧化碳排放的關系上，薛勇等認為經濟增長是二氧化碳增加的關鍵動因[6]，但也有學者如陸虹認為兩者并非簡單地呈現為倒“U”型關系[7]。

隨著國內碳排放研究的逐漸增多，研究的方法也在不斷豐富。李志強、王寶山采用因素分解模型對二氧化碳排放變動影響因素進行分解，利用山西省1990-2008年的相關數據，得出經濟增長因素在碳排放增長方面的影響迅速增強，而能源結構和能源效率的抑制作用則在連續減弱[8]。徐盈之等運用改進的Laspeyser分解法對制造業碳排放的影響因素進行分解，并在對我國1995-2007年相關數據分析的基礎上，采用脫鉤指數法得出影響因素呈現的階段性特點較明顯[9]。

綜上，學者們的研究一方面梳理了城鎮化進程中影響碳排放的主要因素，另一方面也對如何在城鎮化進程中降低碳排放進行探討。但是，他們的研究往往過于宏觀，很少深入分析影響因素的地區差異。本文著眼于安徽省各地市城鎮化進程中的碳排放問題，采用理論研究與實證分析相結合的方法，對城鎮化發展進程中影響碳排放的主要因素進行研究，并提出了相應的對策和措施。

2 變量、數據和模型

2.1 理論基礎：環境的庫茲涅茨曲線

人均收入與環境質量間的倒“U”型關系稱為環境庫茲涅茨曲線(EKC)，如圖1所示。起初收入增加會惡化環境質量，但當收入水平持續上升并到達拐點后，收入的增加反而改善了環境質量。2010年世界發展報告對收入與人均二氧化碳排放量之間的關系進行了預算和估計，顯示碳排放量隨收入的增長而增加。林伯強、蔣竺均指出，中國二氧化碳還處于倒“U”曲線的左側，且離拐點還有一定距離[10]。

圖1 環境庫茲涅茲曲線

2.2 指標選取

2.2.1 變量選取

日本學者Yoichi Kaya提出了Kaya恒等式，將碳排放量分解為四個因素：溫室氣體排放量、能源強度、人均GDP和人口[11]。林伯強等對Kaya恒等式作了適當修正，選取溫室氣體排放量、能源強度、人均GDP以及城鎮化水平作為研究碳排放的影響因素[3]。楊曉軍等在二氧化碳排放指標選取方面，為確保獲得更加穩健的研究結論，選取了現有研究中關于二氧化碳排放的3個指標，分別為總量指標(CO2排放總量)、人均排放指標(人均CO2排放量)、排放強度指標(單位GDP的CO2排放量)[4]。徐軍委認為，影響我國碳排放的主要因素有人口數量、GDP、能源消費總量、能源結構、經濟結構、城鎮化水平、工業化水平、能源強度、技術進步、能源價格、交通工具數量、林業和生態保護建設等[12]。

本文在參考以上學者指標選取方法并結合其他文獻研究的基礎上，選取人口數、人均GDP、能源強度、城鎮化水平和交通工具數等因素作為自變量，二氧化碳排放量作為被解釋變量，結合安徽省統計年鑒以及相關統計公報，利用2009-2014年的安徽省地級市面板數據，分析安徽省城鎮化過程中各主要因素對碳排放的影響。

2.2.2 數據來源與理論分析

目前各種統計年鑒沒有二氧化碳排放的直接數據，只能通過統計數據中主要能源的消費數據測算得出。

對于能源標準煤折算系數一般采用《中國能源統計年鑒》數據。而對每種能源的碳排放系數，不同研究機構的研究條件和數據估算有所不同，導致碳排放系數不統一，如表1所示。

表1 各種能源的碳排放系數 噸碳/噸標煤

注：資料來源于《中國能源統計年鑒》。

由于統計年鑒中存在“能源消耗總量(萬噸標準煤)”指標，因此碳排放還可以用“能源消耗總量與該種能源的碳排放系數乘積”計算。日本能源經濟研究所的推薦值為0.68(噸/噸標煤)，美國能源部能源信息署的參考值為0.69(噸/噸標煤)等，我國常用的碳排放系數主要是國家發改委能源研究所公布的0.67(噸/噸標煤)。根據數據的可得性，采用第二種計算方法，用0.67作標準。

本部分數據來源于《安徽省統計年鑒》(2010-2015)及各個地市統計年鑒和統計公報。由于原地級巢湖市在2012年一分為三，根據數據的可得性和有效性，按照巢湖市原來各個地區GDP的比重重新計算了16個地級市2009-2011年的碳排放量。

人口數對CO2排放量具有增量效應，隨著人口增加，排放的二氧化碳也在增多。一般而言，城鎮居民人均能源消費量大約是農村居民的3.5～4.0倍[13],可見人口大量流入城市，對城市CO2排放的影響是非常明顯的。為了使數據更有針對性，本文選取的人口數為地區常住人口。

人均GDP反映了一個地區的經濟發展水平，一定程度上能夠體現該地區的能源使用和消費特征。安徽省目前經濟發展迅速，人均GDP不斷提高，就如環境庫茲涅茨曲線所展示的那樣，安徽省的能源需求也在迅速增加，二氧化碳等溫室氣體不斷增多，給環境造成壓力。

能源強度用單位GDP能耗表示，它反映了能源的利用效率以及技術的變化。能源的利用效率越高，相對于單位能源消耗而言，能源消費所產生的二氧化碳也就越少。城鎮化水平采用城鎮人口占該地區總人口的比重來衡量，城鎮化率的高低可以簡單代表城市發展水平。

交通因素對碳排放的影響主要體現在交通工具的使用上，現有的交通工具大多使用化石能源，例如汽油、柴油、煤油等，汽車排放尾氣造成二氧化碳排放增長。本文選擇的指標為民用車輛擁有量。

2.3 模型設定

利用Stirpat模型分析人口、財產、技術對環境的影響，是目前研究碳排放問題的一個常用且較為公認的方法，公式：I=αPηAδIωe,其中，α為模型的系數，η、δ、ω為各自變量指數，e為誤差。

基于環境庫茲涅茨曲線理論和Stirpat模型，在碳排放總量與人口數、能源強度、人均GDP和城鎮化之間建立協整方程，探求各因素與CO2排放之間的長期均衡關系:

Qit=f(Pit,Eit,Git,Uit,Vit)

(i=1,2,3，…;t=2009,2010,…,T)

其中，Qit為CO2排放量，是i市t期碳排放量，單位為噸，為安徽省地級市平均自發碳排量的排放水平；Pit代表人口數；Eit代表能源強度；Git代表人均GDP，單位為元；Uit代表城鎮化水平，單位為%；Vit代表交通工具數，單位為輛。

在實證研究中，為秀出量綱，對變量取自然對數，具體模型如下：

lnQit=αit+β1lnPit+β2lnEit+β3lnGit

+β4lnUit+β5lnVit+ε

其中，α是常數項，表示安徽省地級市的碳排放量的差異性，β1表示各自變量的估計系數，ε代表隨機誤差項。

2.4 模型的篩選與檢驗

首先，對數據進行平穩性檢驗，檢驗結果顯示強平衡，這表明在樣本中，每個地區有相同的年度觀察值(2009-2014年)，數據是平行數據，因此可以進行面板數據回歸分析。

其次，需要通過檢驗面板數據，選擇合適的面板數據模型。

采用F統計量檢驗固定效應模型時，F統計量為30.72，對應的P值為0，表明固定效應模型相當顯著，優于混合OLS模型。采用LM法檢驗隨機效應時，得到的P值為0.0727，表明隨機效應不顯著，混合OLS模型優于隨機效應模型。Hausman檢驗結果表明，固定效應模型優于隨機效應模型。

綜上分析可知，F值檢驗與Hausman檢驗結果表明，安徽省16個地級市面板模型宜采用固定效應模型。

3 實證分析

3.1 安徽CO2排放量與城鎮化發展現狀分析

近年來，安徽省牢牢抓住了中部崛起戰略、長江經濟帶、皖江城市帶等發展的歷史性機遇，強化政策落實，加大改革創新和“調轉促”力度，經濟運行持續穩中向好，其工業化和城鎮化加快發展。2014年末，安徽省人均GDP是2009年的2.09倍，城鎮化率提高了7.05個百分點。

第二產業在安徽省經濟的快速發展中成為主要推動力。2014年，第二產業占GDP的60.42%，而第三產業遠落后于第二產業，僅為GDP的34.14%，但第二產業的CO2排放量遠高于第一產業和第三產業。目前，安徽擁有兩淮煤礦、銅陵有色、馬鞍山鋼鐵等大型重工業企業集團，在工業化進程中，重工業化程度加深和工業生產技術落后，導致大量的碳排放。

隨著經濟的發展，能源消費也在增加。安徽省碳排放量由2009年的21883.91萬噸增長到2014年的29547.11萬噸，年均增長率達到7%。城鎮化率也由2009年42.1%上升為2014年49.15%。2009-2014年，安徽省CO2排放量和城鎮化水平大體上均呈現遞增的趨勢，可以看出，二氧化碳排放同經濟增長、城鎮化水平的關系密不可分，這也和環境庫茲涅茲曲線一致。2014年，安徽省CO2排放量較2013年略有下降，這可能與2014年制定并實施《安徽省商品煤質量管理實施辦法》，加大能源結構調整，促進節能減排，打造生態強省等措施有關(圖2)。

圖2 安徽省2009-2014年CO2排放量與城鎮化率

3.2 碳排放回歸估計

在分析安徽省CO2排放量與城鎮化發展現狀的基礎上，利用安徽省2009-2014年地級市面板數據，研究城市化發展過程中影響碳排放量的主要因素，采用計量分析軟件Stata12.0進行分析，估計結果如表2所示。

表2 面板數據模型估計結果

從回歸結果看，模型的擬合優度R2=0.8005。針對模型中所有非常數執行聯合檢驗得到的F統計量以及相應的P值分別為60.18和0.0000，回歸模型擬合良好，模型中人口數、能源強度、城鎮化水平、交通工具數等變量在1%的顯著性水平下均通過協整關系檢驗，人均GDP在10%的顯著性水平下也通過了協整檢驗，各變量存在長期的均衡關系。

回歸模型估計結果為：

lnQ=9.1915+0.8308lnP-0.4581lnE

+0.1307lnG+1.3953lnU-0.3402lnV

回歸方程中，對碳排放影響最大的是城鎮化水平和人口數，它們每變動1%，影響碳排放量同方向變動1.3953%和0.8303%。另外，對碳排放量的影響大小依次為能源強度和交通工具數，它們每正向變動1%，影響碳排放量反方向變動0.4581%、0.3402%。人均GDP對碳排放量的影響較其他變量小，每變動1%，帶動碳排放量同向變動0.1307%。

本文研究結論與其他相關文獻結論大致相似。人口數越多，生產生活用能越多，碳排放量越多；能源強度越小，能源利用效率越高，碳排放越少，因此，應注重能源的利用效率，發展清潔能源、可再生能源、新型能源；人均收入水平的提高在體現安徽省經濟快速發展的同時又不可避免地帶來更多CO2的排放，在經濟發展的同時控制好CO2的排放至關重要；城鎮化發展水平對CO2排放也有比較顯著的影響，隨著城鎮化水平的提高，CO2排放量不斷增加，因此，在安徽省城鎮化繼續加快發展的同時，應該更加注重城鎮化質量的提高，積極采取低碳減排措施；模型估計結果的交通因素對碳排放的影響與理論分析結果不一致，這可能是因為多變量回歸，導致多重共線性，因此將交通工具數進行單獨回歸，結果如表3所示。結果表明，交通工具數的回歸系數為0.3152，即交通工具數每增加1%，碳排放增加0.3152%。因此，大力發展城市公共交通，既便利市民出行，又有利于避免碳排放的過度增加。

表3 交通工具數對碳排放的回歸結果估計

4 結論與建議

上述分析說明二氧化碳排放同人口數、能源強度、人均GDP、城鎮化水平、交通工具數有長期的穩定關系。其中人口數、人均GDP、城鎮化水平、交通工具數與CO2排放水平呈顯著的正相關，能源強度與二氧化碳排放呈負相關。

針對以上結論，并結合安徽省各市經濟發展水平以及提高城鎮化發展質量的目標要求，提出以下低碳減排建議：

第一，堅持低碳發展戰略。安徽省正處于城鎮化快速發展階段，應該按照十八屆五中全會的要求，走好低碳城鎮化發展道路。

第二，加快產業結構調整。在經濟發展的同時，產業結構轉型升級對抑制CO2排放量也是十分必要的，要積極貫徹落實安徽省“4105”行動計劃，推動低碳產業發展，減少或限制高碳產業發展，加快“調轉促”。鼓勵發展第三產業，大力發展戰略性新興產業。

第三，提高能源利用效率。要想降低城市的單位GDP能耗，緩解安徽省目前以煤炭為主的能源結構帶來的高碳壓力，就必須要提高能源使用效率，發揮技術創新的驅動力作用，大力發展循環經濟，加大戰略性新興產業項目的扶持力度，如新能源、新材料、物聯網、生物技術等。

第四，建立碳排放交易制度。設立完善的碳排放核算標準，建立碳排放檢測和認證制度，建立碳排放賬戶管理體系，積極開展碳排放的有關試點。

第五，在生態文明理念引領下走好綠色發展之路。堅持綠色發展是“十三五”五大發展理念之一，要不斷加強生態保護與建設，促進節能減排和污染防治，改善生態環境總體質量。

目前，安徽省正處于碳排量不斷增長階段，有效控制碳排放量刻不容緩。從碳排量的各影響因素入手，根據安徽省碳排放的實際情況，制定低碳發展各項措施，可以合理提高低碳水平，促進安徽省城鎮化質量不斷提高。

[1]Parikha J V Shukla.Urbanization,energy use and greenhouse effects in economic development:Results from a cross-nation study of developing countries[J].Global Environmental Change,1995,5(2)：121-126

[2]Lantz V,Feng Q,Assessing income,population,and technology impacts on CO2emissions in Canada:where’s the EKC[J].Ecological Economics,2006,57(2):229-238

[3]林伯強，劉希穎.中國城市化階段的碳排放:影響因素和減排策略[J].經濟研究，2010(8):66-78

[4]楊曉軍，陳浩.中國城鎮化對二氧化碳排放的影響效應:基于省級面板數據的經驗分析[J].中國地質大學學報：社會科學版，2013(1):32-37

[5]段新瑜，高源祥.低碳目標指導下城鎮化道路的選擇[J].商，2014(11):250-252

[6]薛勇,郭菊娥,孟磊.中國 CO2排放的影響因素分解與預測[J].中國人口·資源與環境，2011(5):106-112

[7]陸虹.中國環境問題與經濟發展的關系分析：以大氣污染為例[J].財經研究,2000(10):53-59

[8]李志強,王寶山.基于因素分解模型的二氧化碳排放影響因素分析：以山西為例[J].生產力研究,2010(12):99-101

[9]徐盈之,徐康寧,胡永舜,等.中國制造業碳排放的驅動因素及脫鉤效應[J].統計研究,2011,28(7):55-61

[10]林伯強，蔣竺均.中國二氧化碳的環境庫茲涅茨曲線預測及影響因素分析[J].管理世界，2009(4):27-36

[11]Yoichi Kaya.“Impact of Carbon Dioxide Emission on GNP Growth:Interpretation of Proposed Scenarios”，Presentation to the Energy and Industry Subgroup，Response Strategies Working Group，IPCC[R].Paris，1989

[12]徐軍委.基于LMDI的我國二氧化碳排放影響因素研究[D].北京：中國礦業大學管理學院，2013：10-12

[13]何曉萍,劉希穎,林艷蘋.中國城鎮化進程中的電力需求預測[J].經濟研究,2009(1):118-130

[14]焦偉，韓佳慧，鄭濤.安徽省發展低碳經濟的制約因素、潛在優勢和路徑選擇[J].環境保護與循環經濟,2010(11):24-26

(責任編輯：周博)

10.3969/j.issn.1673-2006.2016.06.004

2016-03-25

李敏(1991-)，女，安徽池州人，在讀碩士研究生，主要研究方向：國民經濟學。

F206

A

1673-2006(2016)06-0011-05