基于面板數據的我國碳排放區域差異研究

王亞政，趙 濤， 王雅楠， 崔操操

(天津大學 管理與經濟學部,天津 300072)

基于面板數據的我國碳排放區域差異研究

王亞政，趙 濤， 王雅楠， 崔操操

(天津大學 管理與經濟學部,天津 300072)

主要利用30個省市1997—2012年共16年間的面板數據，結合STIRPAT模型，考慮人口、人均GDP、能源強度、城鎮化水平、工業結構和對外貿易程度等6種影響碳排放的因素，對我國東中西3個區域*東部地區包括11個省、直轄市、自治區，分別是遼寧、北京、天津、河北、山東、江蘇、上海、浙江、福建、廣東、海南；中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南等8省，西部地區包括重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、內蒙古、廣西等12個省份。由于西藏數據缺失，本文研究的西部地區主要包括11個省份，因此，本文的研究對象為我國的30個省份。的碳排放差異進行比較分析。研究結果表明：東部區域對外貿易程度的提高是降低碳排放的主要因素，而城鎮化水平則是影響碳排放增加的主要驅動因素；工業結構是影響中部區域的碳排放的主要因素；經濟發展水平對于西部區域的碳排放影響作用最大。不同區域應當根據區域特點，制定符合區域特色的節能減排對策，實施區域差異化減排策略。

碳排放; 區域差異; 面板數據; STIRPAT

進入21世紀以來，全球性氣候變化的問題逐漸引起世界各國的廣泛關注。而被廣泛認同的導致氣候變化的主要原因是溫室氣體和溫室效應[1]。研究數據表明:2007年我國碳排放量依然超過美國，成為世界第一碳排放大國[2]。2009年12月，中國對世界承諾到2020年，單位GDP的二氧化碳排放比2005年降低40%～45%，并將其作為約束性指標納入國民經濟和社會發展中長期規劃[3]。2015年11月，在巴黎召開的《聯合國氣候變化框架公約》會議中，我國宣布將在2030年達到碳排放峰值[4]。我國在減排方面將面臨巨大壓力。我國幅員遼闊，區域之間人口規模、技術水平、能源結構、經濟發展水平等各不相同，要實現這一目標，需要各個區域根據各自特點采取相應的措施，區域間的差異直接影響著控制碳排放峰值的目標。因此，有必要對我國分區域進行碳排放差異的研究，分析不同區域之間碳排放現狀和影響因素，從而能夠根據區域特點制定相應的減排措施。

針對區域碳排放差異的研究，Duro和Padilla[5]應用泰爾指數方法分解分析國際間人均碳排放不平等的關系，結果顯示：收入差距是導致國家間二氧化碳排放差異的主要原因。Clarke-Sather等[6]通過基尼系數方法對中國二氧化碳排放的區域差異進行了研究，認為區域內部不平等是碳排放不公平的主要原因。雷厲等[7]測度了1995—2008年我國29個省市的碳排量，利用LMDI模型分解研究了人均GDP、能源結構、能源強度等3個1級影響因素，將進一步把能源強度分解為產業能源強度和產業結構2個2級影響因素，并根據結果分析了我國東、中、西3個區域之間的碳排放差異。鄒秀萍等[8]在對我國1995—2006年30個省市的碳排放核算的基礎上，將我國劃分為東北、華北等6大區域，并利用LMDI方法將影響因素分解為能源效率、經濟增長和能源結構3種因素。曹洪剛等[9]將中國劃分三大經濟區域，運用泰爾指數法分解分析了以人口為權重和以經濟增長為權重的中國區域碳排放量差異，通過對比分析人口因素和經濟發展水平對區域碳排放差異的影響，提出具有針對性的節能減排對策。

綜上所述，對于區域碳排放差異的研究已經取得一定的成果，但是已有成果對于影響碳排放的因素考慮相對單一，基本只在經濟水平、能源強度、能源結構3個方面考慮，很少涉及其他方面，這就為研究區域碳排放差異帶來一定的局限性。因而，本文將主要利用面板數據，將影響因素劃分為人口、人均GDP、能源強度、城鎮化水平、工業結構和對外貿易程度等六大因素，對我國東中西三個區域的碳排放影響因素進行比較分析，進一步深入探討影響區域碳排放差異的主要驅動因素，為針對不同區域實行特定的節能減排政策提供參考依據。

1 區域面板數據統計分析

本文的模型采用STIRPAT模型，具體如下：

α4lnURBit+α5lnISit+α6lnFTDit+Eit

其中：i表示省份，i=1,2,…,30；t代表年份，本文研究時間是從1997到2012年，因此，t=1,2,…,16。下面分別按區域對數據進行描述性統計分析。從人口來看，各地區變化幅度不大，中部地區的人口數量最多，西部地區人口數量最少(圖1)。從人均GDP來看，各地區呈逐年上升趨勢，由于東部地區的經濟發展水平較高，因此人均GDP遠高于其他兩個地區(圖2)。從能源強度來看，各地區呈逐年下降趨勢，東部地區的能源強度最低，表明東部地區單位GDP的能源消耗最少，說明能源的利用率較高，而中部地區和西部地區也逐年下降，說明能源利用的技術水平不斷提高(圖3)。從城鎮化水平來看，3個地區的城鎮化率不斷提高，這是由于我國近幾年來不斷加強城鎮化建設，其中東部地區的城鎮化發展比較快、水平最高，越來越多的人口聚集在東部地區，城鎮化的建設也就不斷加快(圖4)。從工業結構來看，第二產業與第三產業的比重在東部地區逐年下降，而在中部和西部地區逐年上升，這是由于東部地區的產業結構調整引起的，政府加快產業升級，轉變經濟的增長方式，主要以第三產業代替第二產業，因此，東部的許多工業轉移到中部和西部地區(圖5)。從對外貿易程度來看，東部地區的對外貿易程度遠高于中部和西部地區，這是因為東部沿海地區是我國外貿開放的首要區域，并且經濟發展環境好，加之我國鼓勵外商投資，因此對外貿易程度較高(圖6)。

圖1 我國分區域人口數量Fig.1 Regional population distribution of China

圖3 我國分區域能源強度Fig.3 Regional energy intensity of China

圖4 我國分區域城鎮化水平Fig.4 Regional urbanization level of China

圖5 我國分區域工業結構Fig.5 Regional industry structure of China

2 面板數據模型

2.1 面板數據的計量模型

面板數據可以表示為yit(i=1,2,…,N;t=1,2,…,T)，其中：i表示個體維度；t表示時間維度；N和T分別表示變量的個體數和時間長度。當時間t恒定時，此時的數據為橫截面數據；當個體i恒定時，此時的數據為時間序列數據。一般表達式為：

(1)

其中：yit為被解釋變量；αit表示截距項；Xit為k×1階變量向量；βit為k×1階參數向量(包含k個參數)；μit為隨機擾動項。

圖6 我國分區域對外貿易程度Fig.6 Regional foreign trade degree of China

本文選取人口(P)、人均GDP(A)、能源強度(EI)、城鎮化水平(URB)、工業結構(IS)和對外貿易程度(FTD)6個變量，利用我國30個省市1997—2012年16年的數據來構建面板數據模型。

(2)

其中：i=1,2,…,30;t=1,2,…,16。

2.2 面板數據計量模型的分類

通常將面板數據模型分為3種：固定效應模型、隨機效應模型和混合估計模型。

1) 固定效應模型

在截距項不同、斜率系數相同的情況下，稱之為變截距模型：

(3)

其中：m=1,2,…,k表示第m個解釋變量；k表示解釋變量的最大個數；Xmit表示t時間內，i個體第m個解釋變量。

在固定效應模型中，βm只與第m個解釋變量有關，與個體i無關；而αi是隨著個體不同而發生改變的，因此此模型被稱為固定效應變截距模型。

2) 隨機效應模型

隨機效應模型假設模型中存在著隨機因素的影響，且不隨時間變化，并與隨機誤差項不相關，因此隨機效應模型的表達式為

(4)

其中υi表示隨機效應，是無法進行觀測的。

隨機效應變截距模型的表達式也可以寫成：

(5)

其中δit=υi+μit，被稱作復合擾動項。

對于隨機效應模型，一般適用廣義最小二乘法(GLS)進行估計。

3) 混合估計模型

對于任何個體和截面，模型中的斜率系數和截距項均相同，此時的解釋變量與誤差項不相關，也稱之為固定系數模型。

2.3 面板數據計量模型的檢驗

1) 單位根檢驗

常用的單位根檢驗方法有LLC檢驗(Levin-Lin-Chu)、IPS檢驗(Im-Pesaran-Shin)、Fisher-ADF和Fisher-PP。本文檢驗結果如表1～3所示。結果表明：各個變量在水平上不完全平穩，但是經過一階差分后，存在單位根的原假設均被顯著拒絕，即不存在單位根，所以變量同階平穩。

2) Hausman檢驗

Hausman檢驗能幫助決定是選用固定效應模型還是隨機效應模型，是選用變截距模型還是選擇變系數模型。Hausman統計量的計算公式：

(6)

3) 面板多重共線性檢驗

利用方差膨脹因子(VIF)分別對3個地區的各個變量進行多重共線性檢驗，結果如表4所示。

由表4可見：利用方差因子對3個地區各變量進行多重共線性檢驗，得到的VIF值均小于10，說明變量間不存在明顯的多重共線性，通過了多重共線性檢驗。

表1 東部地區面板的單位根檢驗Table 1 Unit root test of eastern region panel data

表2 中部地區面板的單位根檢驗Table 2 Unit root test of central region panel data

表3 西部地區面板的單位根檢驗Table 3 Unit root test of central region panel data

表4 3個區域的VIF值Table 4 VIF values of 3 regions

3 區域面板數據碳排放影響因素分析

在對模型進行回歸之前，本文首先進行了Hausman檢驗，通過檢驗發現拒絕原假設，因此選取固定效應模型(FE)。其次，采用Modified Wald Test進行異方差檢驗(Heteroskedasticity Test)，采用Wooldridge Test進行自相關檢驗(Autocorrelation Test)，采用Pesaran’s CD Test進行橫截面相關性檢驗(Cross-sectional Independence)。同時，還對模型進行了FGLS和PCSE估計。當時間跨度T大于截面數N時，標準誤差會低估真實的可變性，因此采用FGLS估計；而當截面數N大于時間度T時適用PCSE估計；如果同時存在橫截面相關性和自相關，可以采用DK估計。根據檢驗結果的不同，選取更加適合的估計方法。結果表明：中部和西部地區均存在橫截面相關性、異質性和自相關，東部地區不存在橫截面相關性，而中部和西部地區存在截面相關。因此，本文共采用了4個估計方法，產生了12個模型，在東部地區主要關注模型2，中部地區重點關注模型8，西部地區重點關注模型12。

3.1 東部地區碳排放影響因素分析

從表5可以看出：各個變量在東部地區均顯著，表明他們對碳排放均有影響，其中城鎮化水平在東部地區對碳排放的影響最大。原因有兩個方面：一方面，由于國家的城鎮化政策導致。政府在近幾年鼓勵城鎮化建設，截止2014年，北京、上海等地城鎮化率已經超過80%，快速的城鎮化建設勢必導致資源的枯竭與生態環境的惡化。尤其是我國的城鎮化建設仍然是粗放的，缺乏長遠規劃，對資源環境的壓力在未來會逐漸增加。數據表明，在1991到2010年間，中國市鎮常住人口增長1.15倍，城市建成區面積則擴大了1.86倍，城鎮用地的盲目瘋狂擴張直接導致了土地資源的嚴重浪費[10]。同時，在建設過程中增加了公共和私人交通的需求，也耗費了大量的能源，產生更多的二氧化碳排放。另一方面，由于我國大量的務工人員往東部發達省市遷移，導致流動人口增加，加大了城市的承載負荷，增加了公共和私人的消費需求，進而導致碳排放增加。從第1個原因來看，各個國家都會在城鎮化建設過程中遇到這樣的問題，因此可以借鑒發達國家的經驗，主要從合理規劃城鎮建設、建設低碳城市等方面入手來提出政策建議。而第2個原因是基于我國特有的國情。現如今，在中西部的農村，大量農民從土地中解放出來去東部地區打工，這樣一來就導致了東部城市的負荷加重，交通、能源、公共物品的需要增加，進而導致碳排放增加，因此，要想徹底解決流動人口帶來的資源環境問題是比較復雜的。從建設低碳城市角度出發，政府一方面要加大技術投入，另一面也要發揮大都市圈的集聚效應和規模效應。

從表5中可以看出：東部地區各個變量對碳排放的影響系數均顯著，除了對外貿易水平，其他變量均與碳排放呈正相關。而對外貿易水平與碳排放呈負相關，當對外貿易水平提高1%時，碳排放將會降低約0.12%，表明外貿水平不斷增加，可以降低我國東部地區的二氧化碳排放，這是由于外商投資的技術溢出效應產生的結果。這也是我國一直以來引進外資的目標。通過引進國外的先進技術來提高能源使用效率，進而降低碳排放。

表5 東部地區面板數據估計結果Table 5 Panel data estimation results of the eastern region

*p<0.05, **p<0.01, ***p<0.001。

3.2 中部地區碳排放影響因素分析

從表6可以看出：各個變量的回歸系數均顯著，除了城鎮化水平與碳排放呈負相關外(這與實際情況相違背，可能是統計數據的結果造成)，其他變量均呈正相關關系。其中，工業結構對中部地區的影響最大。由于中部地區多年來經濟發展落后，產業仍然以第二產業為主，在2006年實施中部崛起戰略后，雖然經濟發展較快，導致能源消耗增加，碳排放也隨之增多。尤其是主要以煤炭為主的山西，第二產業占全省GDP總額近60%，碳排放量逐年增多。到2012年，山西的二氧化碳排放量達到1.8億噸，遠高于中部的其他省份。因此，調整產業結構是實現碳減排的必經之路，必須改變以煤炭為主的能源結構。同時，在一定地域范圍內形成產業集聚，優化配置資源，建立良性發展的生態經濟圈。

表6 中部地區面板數據估計結果Table 6 Panel data estimation results of the central region

*p<0.05, **p<0.01, ***p<0.001。

3.3 西部地區碳排放影響因素分析

從表7可以看出：城鎮化水平和對外貿易水平不顯著，其他變量均與碳排放呈現正相關關系，其中，影響西部地區碳排放的主要因素為人均GDP，也就是經濟發展水平。從1999年開始，黨中央啟動了西部大開發戰略，此后，西部的經濟發展水平逐年提升，但隨著經濟不斷的發展，環境問題也日益突出，尤其是碳排放不斷增多。

在實施西部大開發戰略初始，主要考慮到的是西部地區的經濟原因。西部12省擁有685萬km2的面積，占到全國總面積的71.4%，各項資源豐富，市場潛力很大，戰略位置也非常重要。然而由于地理位置不佳等自然因素，與國家重點發展東部沿海地區等政治社會因素，西部地區經濟發展相對落后，人均國內生產總值僅相當于東部地區平均水平的40%，迫切需要加快改革開放和現代化建設步伐，提高經濟發展水平。2000年到2014年，西部地區GDP增長迅速，均保持在10.0%左右，與前幾年相比有了較大提升。同時，特色產業發展開始起步，財政收入逐年增長，經濟效益逐步提高，人民生活不斷改善，基礎設施建設取得較大進展。十多年間，陸續新開工60多個重大建設工程，投資總規模約8 500億元以上。基于西部大開發的大背景，本文認為造成大量碳排放的原因主要從以下幾個角度分析：

第一，在能源領域，我國以西電東送、西氣東輸等重點工程為龍頭，加快了西部地區的能源建設。如今，西部地區已經形成了一批大型水電基地、火電基地以及煤炭和石油天然氣基地。因此，快速的能源建設不僅消耗了大量能源，同時增加了碳排放，尤其是工業碳排放。

第二，東部地區經濟發展較快，隨著經濟發展，人們對環境的要求也越來越高，環境政策的制定也較為苛刻，因此，大量的高能耗、高污染、高排放的工業企業由東部轉移到了西部，這樣一來，這些企業一方面帶動了工業發展，創造了更多的就業機會，增加了工業產值，但是也帶來了一系列的環境問題，消耗了大量能源，產生了大量的碳排放。

第三，西部大開發后，盡管工業得到了巨大發展，經濟得到了快速增長，但是這種發展和增長是粗放的，技術水平落后是導致能耗和碳排放不斷增加的不可忽視的原因。

表7 西部地區面板數據估計結果Table 7 Panel data estimation results of the western region

*p<0.05, ** p<0.01, *** p<0.001。

4 結論及建議

在對我國30個省份1997—2012年共16年的面板數據統計的基礎上，本文利用STIRPAT模型分別對我國東部、中部和西部的碳排放影響因素進行定量分析。首先從面板數據的統計結果上對三大經濟區的現狀進行描述，其次，介紹了面板數據的計量模型和相對應的檢驗方法。本文對數據通過4種方法進行單位根檢驗，進而進行Hausman檢驗，同時對變量的多重共線性也進行檢驗。最后，根據檢驗結果選取了4種面板估計的方法，針對不同的檢驗結果選取合適的估計方法。從東部地區來看，各個變量在東部地區均顯著，表明其對碳排放均有影響，其中，城鎮化水平在東部地區對碳排放的影響最大，而對外貿易水平與碳排放呈負相關。從中部地區來看，各變量的回歸系數均顯著，除了城鎮化水平與碳排放呈負相關，其他變量均呈正相關關系，其中工業結構對中部地區的影響最大。從西部地區來看，城鎮化水平和對外貿易水平不顯著，其他變量均與碳排放呈現正相關關系，其中影響西部地區碳排放的主要因素是經濟發展水平。

根據所得結論，要實現2020年的減排以及2030年的排放峰值的目標，必須以各個區域的特點為立足點，實行區域差異化的戰略措施，分區域逐步推進低碳經濟的發展模式。國家和區域的發展策略應當從以下幾個方面考慮：

1) 政府應該從宏觀的角度控制經濟增長的步伐，以速換質，以降低經濟增長的目標，換取環境效益的優質高速發展。重在過程中治理與監管，防止走污染之后再治理的老路子，不斷積累實戰經驗，加快推進各個區域調整產業結構，優化工業結構，調整產業布局，促進產業循環綠色低碳可持續發展。事實上，政府已經逐年調整GDP的增長幅度，從宏觀上把脈我國經濟發展模式。

2) 針對東部地區，應當在確保經濟增長的情況下，調整發展模式，重點把控新型城鎮的配套設施建設，探索構建新型綠色低碳循環的城鎮發展模式，加快改進升級傳統城鎮化的發展模式。同時，依靠獨特的優勢，加大對外貿易的水平，吸引外界先進技術。其次，控制人口規模，創新科技發展，不斷優化工業產業結構，降低能源強度。

3) 針對中部地區，重點調整工業結構，利用科技創新驅動傳統高耗能高排放高污染的工業體系向著低能耗低排放轉變，發揮東部區域的技術優勢，帶動中部區域邁上更高的臺階。此外，還應注重中部地區的城鎮化發展和人口效益。

4) 針對西部地區，應當依靠西部地區地廣人稀的獨特優勢，科學合理地進行功能定位和合理規劃利用自然資源，杜絕高能耗高污染的工業產業二次污染西部區域。配合東部和中部地區，協調承擔減排的責任。

[1]IPCC.ClimateChange2007:theFourthAssessmentReportoftheIntergovermentalPanelonClimateChange[M].England:CambridgeUniversityPress，2007.

[2]IEA.CO2emissionsfromfueleombustion2008edition[R].InternationalEnergyAgency(IEA),HeadofCommunicationandInformationOffice,2009．

[3]GENGY.Eco-indicators:improveChina’ssustainabilitytargets[J].Nature,2011，477：162.

[4] 《聯合國氣候變化框架公約》會議[Z].2015.

“UnitedNationsFrameworkConventiononclimatechange”Meeting[Z].2015.

[5]CLARKE-SATHERA.CarbonInequalityattheSub-NationalScale:ACaseStudyofProvincial-levelInequalityinCO2EmissionsinChina1997—2007[J].EnergyPolicy,2011,39(9):5420-5428.

[6]DUROJA,PADILLAE.InternationalInequalitiesinperCapitaCO2Emissions:ADecompositionMethodologybyKayaFactors[J].EnergyEconomics,2006(28):170-187.

[7] 雷厲,仲云云,袁曉玲.中國區域碳排放的因素分解模型及實證分析[J].當代經濟科學,2011,33(9):59-65.

LEIli，ZHONGYunyun，YUANXiaoling.DecompositionModelandEmpiricalStudyofRegionalCarbonEmissionsforChina[J].ModernEconomicScience,2011,33(9):59-65.

[8] 鄒秀萍,宋敦江.中國碳排放的區域差異及驅動因素分解分析[J].生態經濟,2013(1):52-55.

ZOUXiuping,SONGDunjiang.AnalysisontheRegionalGapsoftheCarbonEmissionsandItsImpactFactorsinChina[J].EcologicalEconomy，2013(1)：52-55.

[9] 曹洪剛,佟昕,陳凱,等.中國碳排放的區域差異實證研究[J].工業技術經濟，2015(11):84-96.

CAOHonggang，TONGXin，CHENKai，etal.AnEmpiricalStudyofRegionalDisparityofChina’sCarbonEmission[J].JournalofIndustrialTechnologicalEconomics,2015(11):84-96.

[10]王桂新.城市化基本理論與中國城市化的問題及對策[J].人口研究.2013,37(6):43-51.

WANGGuixin.TheBasicTheoryofUrbanizationandProblemsandCountermeasuresofChina’sUrbanization[J].PopulationResearch,2013,37(6):43-51.

(責任編輯 劉 舸)

Study on Regional Differences of Carbon Emission in China Based on Panel Data

WANG Ya-zheng, ZHAO Tao, WANG Ya-nan, CUI Cao-cao

(College of Management and Economics，Tianjin University，Tianjin 300072，China)

This paper uses the panel data of 30 provinces about 16 years during 1997-2012, combined with the STIRPAT model, to compare and analyze the regional difference factors of carbon emissions of Eastern, Central and Western China, including population, per capita GDP, energy intensity, urbanization level, industrial structure and foreign trade degree. The results show that the increase of foreign trade degree is the key reason to reduce the carbon emissions of Eastern China, while urbanization level is the main driving factor that affects the increase of carbon emissions; industrial structure is the main factor affecting the carbon emission in the central region; and economic development level has the greatest impact on the carbon emission in the western region. According to regional characteristics, different regions should implement the strategy of regional difference reduction, and take the road of energy saving and emission reduction with Chinese characteristics.

carbon emission; regional difference; panel data; STIRPAT

2016-09-28

國家自然科學基金資助項目(71373172)；教育部人文社科規劃基金資助項目(15YJA790091)；教育部哲學社會科學研究重大課題攻關項目(15JZD21)

王亞政(1990—)，男，碩士研究生，主要從事碳排放研究，E-mail:yzwang_tju@163.com。

王亞政，趙濤， 王雅楠，等.基于面板數據的我國碳排放區域差異研究[J].重慶理工大學學報(自然科學)，2017(1):58-66.

format：WANG Ya-zheng, ZHAO Tao, WANG Ya-nan, et al.Study on Regional Differences of Carbon Emission in China Based on Panel Data[J].Journal of Chongqing University of Technology(Natural Science)，2017(1):58-66.

10.3969/j.issn.1674-8425(z).2017.01.010

X5;O21

A

1674-8425(2017)01-0058-09