基于城鎮化的居民生活能源消費碳排放門限效應分析

王泳璇　王憲恩

摘要：正確認識城鎮化發展中碳減排的階段性特征和應對我國城鎮化進程中的碳排放挑戰，具有重要的理論參考價值和現實指導意義。現有研究較少關注城鎮化發展對居民生活能源消費碳排放的影響，未能將城鎮化自身階段性變化對生活碳排放的影響聯系起來。基于此，本文以城鎮化率作為門限變量，以生活能源結構、居民消費率、產業結構分別作為解釋變量，構建多個不同視角的門限-STIRPAT擴展模型，深入分析城鎮化水平處于不同階段時，居民生活能源消費碳排放所受影響的差異性。研究表明，城市化率分別處于門限值（0.250、0.325和0.457）前后時，居民生活能源消費碳排放所受影響出現了階段性的變化。當城鎮化率低于0.250時，能源結構、居民消費率和產業結構對居民生活能源消費碳排放均呈負向彈性關系，分別為-0.688、-0.570、-0.570；當城市化率低于0.457時，能源結構、居民消費率和產業結構對居民生活能源消費碳排放的負向彈性關系仍然存在，但相關關系明顯減弱，能源結構負向彈性關系介于（-0.338，-0.019）， 居民消費率和產業結構負向彈性關系為-0.251。當城市化率超過0.457時，能源結構、居民消費率和產業結構對居民生活能源消費碳排放已逐步顯現或轉變為正向彈性關系。基于上述研究結果提出相應建議：區域城鎮化發展介于（0.250，0.457]這一階段的進程中，應把握住能源結構、居民消費率和產業結構對居民生活能源消費碳排放影響效應轉變之前的階段，鼓勵居民生活消費，但進行節能低碳生活方式的引導，大力發展第三產業，滿足居民對生活商品及服務的需求。當區域城鎮化提升至0.457以上時，應合理優化能源結構，提高非化石能源比重，通過財政政策等對居民生活消費進行調控和引導，注重第三產業中的科技、金融等技術密集型的行業發展。

關鍵詞 ：門限效應；STIRPAT； 居民生活消費；城鎮化；Matlab

中圖分類號：X321

文獻標識碼： A

文章編號： 1002-2104（2016）12-0094-09

經過改革開放30年的快速發展，我國現階段正處于城鎮化深入發展的關鍵時期，蘊含著巨大的機遇與挑戰[1]。然而伴隨著城鎮化進程的不斷推進，生態環境與社會發展的矛盾日益尖銳，由于溫室氣體排放而引發的氣候異常等環境問題受到普遍關注[2-3]。國內外眾多研究表明[4-6]，城鎮化快速發展過程中，對能源消費與碳排放具有顯著的正向效應，可以預見，在未來的一段時期內，城鎮化發展仍將對我國碳排放產生不容忽視的影響[7]，正確認識城鎮化發展中碳減排的階段性特征和應對我國城鎮化進程中的碳排放挑戰，具有重要的理論參考價值和現實指導意義。基于此，本文以城鎮化率作為門限變量，以生活能源結構、居民消費率、產業結構分別作為解釋變量，構建多個不同視角的門限-STIRPAT擴展模型，基于1995—2012年30個省級區域面板數據，分析我國省際區域的居民生活能源消費碳排放趨勢，測算不同視角下基于城鎮化率的居民生活能源消費碳排放門限效應，深入分析城鎮化水平處于不同階段時，居民生活能源消費碳排放所受影響的差異性，并提出相應的政策建議。

1 文獻綜述

城鎮化過程內含人口向城鎮遷移，城鎮地域空間擴展和城鎮基礎設施建設增加等多個方面，與能源消費及碳排放息息相關，隨著城鎮化的不斷推進，社會經濟水平及城鎮化水平的不斷提高，其對碳排放影響呈現出階段性的差異[8]。林伯強[9]基于修正的Kaya恒等式，采用協整檢驗的方法研究中國城鎮化進程中對碳排放增量的控制；薛冰[10]運用SPSS和Eviews軟件分析1970-2007年全球112個國家（地區）人均碳排放量與城鎮化水平的關聯機理，研究表明，人均碳排放量隨著城鎮化水平的提高而逐步增加；ONeill[11]運用歷史排放趨勢分析和情景分析兩種方式，論證人口變化，城鎮化等對碳排放的影響，研究表明人口緩慢增長有助于控制碳排放，而城鎮化與老齡化則對特定區域碳排放存在顯著影響；杜運偉[12]運用Kaya恒等式分析江蘇省城鎮化對碳排放的影響，研究表明現階段人口城鎮化對碳排放存在顯著的正影響；武春桃[13]綜合采用戶籍人口、就業人口和城區建設城鎮化等三種指標，全面考察了城鎮化對全國和東、中、西部地區農業碳排放的影響。

總結以上研究可知，現階段研究主要圍繞城鎮化與區域碳排放總量、農業碳排放的影響關系展開，但較少關注城鎮化發展對居民生活能源消費碳排放的影響，僅有的研究也主要分析城鎮化對居民生活能源的影響，如郭文[14]擴展了對數平均迪氏指數分解方法（LMDI），分析城鎮化對居民生活能源消費的影響；申俊[15]運用空間計量經濟學相關理論與方法，檢驗省域之間城鎮人口規模對城鎮居民能源消費的影響。并且，國內相關研究中主要采用了協整檢驗，Kaya，LMDI等線性回歸分析方法，未能很好地描述和解釋現實情況中城鎮化發展可能發生躍升所導致的非線性特征。個別的非線性分析方法中，楊曉軍[16]在STIRPAT與環境庫茲涅茨曲線相結合的模型中加入城鎮化的平方項和立方項，分析其影響系數，并未體現城鎮化不同發展階段對居民生活能源消費碳排放的影響差異；唐李偉[17]分析城鎮化對生活碳排放的影響仍是延續以往城鎮化與碳排放的研究思路，基于收入差異劃分，分析不同收入水平下，城鎮化對居民生活能源消費碳排放的影響，但仍未能將城鎮化自身階段性變化對生活碳排放的影響聯系起來。

2 門限-STIRPAT擴展模型

與傳統的線性回歸模型相比，門限回歸模型更適用于解決復雜的非線性、結構突變等問題，與復雜多變的現實情形更為吻合。將門限回歸模型與STIRPAT模型相結合，構建門限-STIRPAT擴展模型，能夠實現有別于現有研究的能源消費碳排放不同階段所受影響差異性的分析。

2.1 模型變量選擇

本文總結已有城鎮化對碳排放及居民生活消費影響研究發現，除了通常涉及的人口、居民富裕程度（GDP、消費支出、可支配收入等）、城鎮化率等解釋變量，還包括與居民生活緊密相關的生活能源結構[18-19]、居民消費率、產業結構等解釋變量。科學選取被解釋變量、解釋變量、控制變量、門限變量如下（如表1所示）：

（1）被解釋變量：居民生活能源消費碳排放量，以終端能源消費中生活能源消費碳排量表征，包含城鎮生活與農村生活兩部分，碳排放量估算方法見章節3.2。

（2）解釋變量與控制變量：本文選取人口，居民富裕程度與城鎮化率作為門限-STIRPAT擴展模型的控制變量；選取生活能源消費結構、居民消費率和產業結構為受門限變量影響的解釋變量，分別構成三個基于不同視角的門限-STIRPAT擴展模型。

人口，以地區常住人口（P）表征。居民生活消費包含一段時間內一定區域內的生活能源消費總量，相比較戶籍人口，常住人口更能準確表示生活能源消費所對應的人口規模；

居民富裕程度，以人均居民消費（A）表征。居民生活能源消費碳排放主要來自于居民的直接能源消費而產生的碳排放，與其他富裕程度的變量相比，人均居民消費更加直接表征居民生活的消費水平，與被解釋變量相吻合，由居民消費總值除以常住人口求得（2000年不變價）；

城鎮化率，以城鎮人口占常住人口比重（U）表征。在過往研究中，多以非農業人口占人口總數比重表征城鎮化率，但筆者認為，居民生活消費為當下即時的生活消費行為，與其行為所處區域關系緊密，但與消費者是否為非農業人口并無直觀聯系，因此，城鎮人口占常住人口比重與被解釋變量更加吻合；

生活能源結構，以生活電力消費占生活終端能源消費比重（E）表征。隨著居民生活水平的提高，家庭用電設備的逐步增加，生活電力消費比重穩步上升，城鎮化的推進使居民從農村轉移至城鎮，生活條件與生活方式的改變必然導致用電量的增加，進而影響居民生活能源消費碳排放。

居民消費率，以居民生活消費占地區生產總值比率（C）表征。研究表明，居民消費占比對居民家庭能源消費碳排放整體呈負向效應。而城鎮化對居民消費的影響已在過往研究中進行了深入的探討[20]，雷瀟雨[21]認為總體而言，城鎮化的合理推進將促進居民消費率的增長，張書云[22]研究也表明城鎮化發展與農村居民消費是相互促進的，因此選擇其作為作為受門限變量影響的解釋變量。

產業結構，以第三產業占比（IS）表征。產業結構一直以來都是碳排放研究的主要因素，而已有大量研究表明第三產業與城鎮化之間存在相互作用關系，普遍認為城鎮化將促進第三產業的發展，而第三產業也將有助于城鎮化的推進[23-24]，且第三產業的繁榮發展必將促進居民生活消費的提升，因此選擇第三產業占比作為受門限變量影響的解釋變量。

（3）門限變量：門限回歸分析中，門限變量可以同時作為控制變量，基于本文研究目的，選取城鎮化率作為門限變量，表征含義與上同。

2.2 門限-STIRPAT擴展模型構建

門限回歸模型由Hansen[25]提出，用于描述復雜的隨機系統，其核心思想就是捕捉門限變量可能發生躍升的臨界點或臨界區域[26-27]，在某一時點上或某個解釋變量達到某一個臨界值時，模型的截距或斜率系數發生改變所產生的折凹現象，這與現實的復雜情形較為相近。

3.3 居民生活能源消費碳排放分析

按地理區域探討居民生活能源消費碳排放趨勢與現狀。整體而言，所有省際地區居民生活能源消費碳排放均呈上升趨勢，其中華東地區、東北地區整體的生活碳排放水平較高，分地區而言，各分區中生活碳排放最高的地區分別為山東省（華東地區）、河北省（華北地區）、河南省（華中地區）、廣東省（華南地區）、四川省（西南地區）、陜西省（西北地區）、遼寧省（東北地區），通過對比可知，生活碳排放較高的地區均是該地區中人口基數最大的省份。以華東地區為例，雖然上海市人均居民消費為2.56萬元，約為山東省人均居民消費（1.11萬元）的2.31倍，但由于山東省龐大的人口基數，其生活碳排放遠遠高于上海市，約為其3.03倍。但在人口水平近似的情況下，則經濟水平較高的地區排放較高的生活碳排放，從研究階段可見，遼寧省生活碳排放始終高于黑龍江省。

4 模型結果分析

4.1 數據平穩性檢驗

為了避免偽回歸，在正確設定模型和估計參數之前，需要對各個面板數據序列進行單位根檢驗[31]。對面板數據分別進行LLC、IPS以及Fisher-ADF平穩性檢驗，其中LLC檢驗的原假設為“各截面序列具有相同單位根過程”，IPS和Fisher-ADF檢驗原假設為“各截面序列具有不同的單位根過程”[32]。包含上述全部變量的面板數據單位根檢驗的結果如表3所示，表中數值為不同單位根檢驗方法下，各變量t檢驗統計量值對應的概率值（Prob.），結果表明不同單位根檢驗方法下，各變量及整體面板數據的檢驗統計量均呈顯著水平，模型中的回歸變量均平穩，可進行回歸擬合。

4.2 門限效應檢驗及估值

為了提高門限值估計的精確度，將采用Hansen（1999）門限回歸中使用的 “格柵搜索法”，以給出門限回歸中的門限值γx。格柵搜索參考Hansen的范例程序，按照研究需要編寫門限估計程序在Matlab軟件上運行求得。

4.2.1 門限效應檢驗

確定門限-STIRPAT擴展模型的門限效應是否存在以及門限的個數，門限檢驗結果如表4所示，表中分別為三個不同視角的門限-STIRPAT擴展模型不同門限檢驗類型的F統計量和采用Bootstrap方法得出的P值：門限變量城鎮化率在能源結構模型中的三重門限抽樣P值為0.085，在10%顯著性水平下顯著，而其他門限類型在10%顯著性水平下并不顯著；門限變量城鎮化率在消費率模型中的雙重門限抽樣P值為0.078 8，在10%顯著性水平下顯著，而其他門限類型在10%顯著性水平下并不顯著；門限變量城鎮化率在產業結構模型中的雙重門限抽樣P值為0.097，在10%顯著性水平下顯著，而其他門限類型在10%顯著性水平下并不顯著。因此以城鎮化率為門限變量的消費率模型和產業結構模型將對應雙重門限模型，而能源結構模型將對應三重門限模型。

4.2.2 門限值的確定

完成門限檢驗后，進一步計算確定不同視角的門限-STIRPAT擴展模型中的門限值，表5為門限變量城鎮化率在不同視角的門限-STIRPAT擴展模型中的門限值和置信區間。門限值是指似然比檢驗統計量LR為零時對應γ的取值，其中能源結構模型的門限值分別為0.250、0.325和0.457；消費率模型的門限值分別為0.250和0.457；產業結構模型的門限值分別為0.250和0.457（消費率模型和產業模型的三重門限雖未通過檢驗，但三重門限的估算結果同樣為0.250、0.325和0.457）。

根據門限效應計算結果，不同視角的門限-STIRPAT擴展模型可基于公式（5）進一步具體表示為：

歸納上述計算結果可發現，不同視角的門限-STIRPAT擴展模型中，雖然解釋變量的樣本數據不同，但以城鎮化率為門限變量估計得到的門限值基本一致，這說明基于城鎮化的對居民生活能源消費碳排放的門限效應均在近似的臨界點（0.250、0.325和0.457）發生躍升或改變，并且，該門限值與城鎮化發展階段[7]的劃分基本吻合。因此推斷城市化率分別處于0.250、0.325和0.457前后時，居民生活能源消費碳排放所受影響出現了階段性的變化。基于門限定量性的研究結果，進一步深入分析在不同城鎮化發展階段，對居民生活能源消費碳排放的影響特征。

4.3 不同城鎮化發展階段碳排放影響差異性分析

在對面板門限回歸模型進行門限效應檢驗及門限值確定的基礎上，對不同視角的門限-STIRPAT擴展模型進行回歸分析，回歸分析結果如表6所示。

在能源結構模型的控制變量中，人均居民消費及其平方項對居民生活能源消費碳排放呈顯著的正向效應；而城鎮化率則呈負向效應，隨著城鎮化率的提高，能夠有效抑制碳排放的增長，發揮自身的聚集效應；當城鎮化率低于0.250時，能源結構對居民生活能源消費碳排放彈性系數為-0.688，負相關關系明顯；當城鎮化率超過0.250，但小于0.325時，彈性關系出現明顯減弱，僅為-0.338，負向相關關系減弱；當城鎮化率超過0.325，但小于0.457時，彈性關系進一步減弱，僅為-0.019，但該結果并不顯著；當城鎮化率超過0.457時，能源結構對居民生活能源消費碳排放的作用出現拐點，轉變為正向效應，且彈性關系也達到0.404。說明在城鎮化的初始階段，由于生活水平的限制，居民的生活習慣傾向于降低電力的使用，從而在一定程度上降低了民生活能源消費碳排放，而隨著城鎮化的推進，城市發展和生活水平的提高，城鎮化率達到45%左右時，電力逐漸成為生活消費中最重要的能源，顯著的促進了民生活能源消費碳排放的增長。

在消費率模型與產業結構模型的控制變量中，人均居民消費對居民生活能源消費碳排放呈接近等比的正向關系，其平方項的彈性關系僅為0.180；而城鎮化率則對居民生活能源消費碳排放呈負向彈性關系，當城鎮化率低于0.250時，居民消費率及產業結構對居民生活能源消費碳排放彈性系數為-0.570，負相關關系明顯；當城鎮化率超過0.250，但小于0.457時，負向彈性關系出現明顯減弱，僅為-0.251；當城鎮化率超過0.457時，彈性關系轉變為0.091，雖然未通過統計性檢驗，無法判定具體的影響效應，但彈性關系由負變正趨勢已經顯現。

將30個省際區域樣本數據按照城鎮化率的門限值進行分組，與王建軍對于城鎮化發展的階段性劃分基本一致：U≤0.250對應城鎮化水平較低且發展緩慢的初始階段；0.250

U≤0.250（初始階段）時，城鎮化率處于較低水平，省際區域的城鎮經濟發展剛剛起步。在研究階段內，該階段主要集中在20世紀末到21世紀初（1995-2003年左右）

的河北、河南、四川、甘肅、云南、貴州、寧夏回族自治區等地區，目前，所以省際區域均已完成這一階段。

當0.250

當0.457

5 結論與建議

本文將門限回歸模型與STIRPAT模型相結合，以城鎮化率作為門限變量，以生活能源結構、居民消費率、產業結構分別作為解釋變量，構建多個不同視角的門限-STIRPAT擴展模型，基于1995-2012年30個省級區域面板數據，分析我國省際區域的居民生活能源消費碳排放趨勢，測算不同視角下基于城鎮化率的居民生活能源消費碳排放門限效應，總結居民生活能源消費碳排放中城鎮化進程的階段性規律，深入分析城鎮化水平處于不同階段時，居民生活能源消費碳排放所受影響的差異性。分析結果表明：

（1）整體而言，所有省際地區居民生活能源消費碳排放均呈上升趨勢，其中華東地區、東北地區整體的生活碳排放水平較高，這主要由于華東地區整體較高的經濟發展水平，而東北地區冬季較長的供暖時間增加了地區的生活消費碳排放。

（2）不同視角的門限-STIRPAT擴展模型門限檢驗及估值為：能源消費結構模型存在三重門限效應，門限值分別為0.250、0.325和0.457；消費率模型與產業結構模型存在雙重門限效應，門限值分別為0.250和0.457。

（3）以城鎮化率為門限變量估計得到的門限值基本一致，這說明基于城鎮化的對居民生活能源消費碳排放的門限效應均在近似的臨界點（0.250、0.325和0.457）發生躍升或改變，并且，該門限值與城鎮化發展階段的劃分基本吻合。

（4）能源結構模型中：人均居民消費及其平方項對居民生活能源消費碳排放呈顯著的正向效應；而城鎮化率則呈負向效應；當城鎮化率低于0.250時，能源結構對居民生活能源消費碳排放彈性系數為-0.688，負相關關系明顯；當城鎮化率超過0.250，但小于0.325時，彈性關系出現明顯減弱，僅為-0.338，負向相關關系減弱；當城鎮化率超過0.325，但小于0.457時，彈性關系進一步減弱，僅為-0.019；當城鎮化率超過0.457時，能源結構對居民生活能源消費碳排放轉變為正向效應，且彈性關系也達到0.404。

（5）消費率模型與產業結構模型中：人均居民消費對居民生活能源消費碳排放呈接近等比的正向關系；而城鎮化率則呈負向彈性關系，當城鎮化率低于0.250時，居民消費率及產業結構對居民生活能源消費碳排放彈性系數為-0.570，負相關關系明顯；當城鎮化率超過0.250，但小于0.457時，負向彈性關系出現明顯減弱，僅為-0.251；當城鎮化率超過0.457時，彈性關系轉變為0.091，雖然未通過統計性檢驗，但彈性關系由負變正趨勢已經顯現。

根據上述研究結果，提出以下建議：

區域城鎮化發展介于（0.250，0.457]這一階段的進程中，應把握住能源結構、居民消費率和產業結構對居民生活能源消費碳排放影響效應轉變之前的階段，鼓勵居民生活消費，但進行節能低碳生活方式的引導，大力發展第三產業，滿足居民對生活商品及服務的需求。當區域城鎮化提升至0.457以上時，應合理優化能源結構，提高非化石能源比重，通過財政政策等對居民生活消費進行調控和引導，注重第三產業中的科技、金融等技術密集型的行業發展。

（編輯：田 紅）

參考文獻（References）

[1]國家新型城鎮化規劃（2014—2020年）[N/OL]. 北京：新華社，2014-03-16. http：//www.gov.cn/zhengce/2014 -03/16/content_2640075.html.[National neotype urbanization planning（2014-2020）[N/OL]. Beijing： Xinhua News Agency， 2014-03-16. http：//www.gov.cn/zhengce/2014 -03/16/content_2640075.html.]

[2]周葵，戴小文.中國城鎮化進程與碳排放量關系的實證研究[J].中國人口·資源與環境，2013， 23（4）：41-48.[ZHOU Kui， DAI Xiaowen. An empirical study on the relationship between urbanization and carbon emission in China [J]. China population， resources and environment， 2013， 23（4）：41-48.]

[3]朱勤，魏濤遠.居民消費視角下人口城鎮化對碳排放的影響[J].中國人口·資源與環境，2013， 23（11）：21-29.[ZHU Qin， WEI Taoyuan. Impacts of urbanization on carbon emission from perspective of residential consumption [J]. China population， resources and environment， 2013，23（11）：21-29.]

[4]PARIKH J， SHUKLA V. Urbanization， energy use and greenhouse effect in economic development： results from a crossnational study of developing countries [J]. Global environmental change，1995，5（2）：87-103.

[5]COLE M， NEUMAYER E. Examining the impact of demographic factors on air pollution[J]. Population and environment，2004，26（1）：5-21.

[6]關海玲，陳建成，曹文.碳排放與城鎮化關系的實證[J].中國人口·資源與環境，2013，23（4）：111-116.[GUAN Hailing， CHEN Jiancheng， CAO Wen. An empirical research between carbon emissions and urbanization[J]. China population， resources and environment， 2013，23（4）：111-116.]

[7]王建軍，吳志強.城鎮化發展階段劃分[J].地理學報，2009，64（2）：177-188.[WANG Jianjun， WU Zhiqiang. Delimiting the stages of urbanization growth process[J]. Acta geographica sinica， 2009，64（2）：177-188.]

[8]張樂勤.基于組合模型的安徽省城鎮化演進對碳排放影響極限研究[J].自然資源學報，2015， 30（1）：152-163.[ZHANG Leqin. Impact limit of urbanization evolution on carbon emission in anhui province based on combined model[J]. Journal of natural resources， 2015，30（1）：152-163.]

[9]林伯強，劉希穎.中國城鎮化階段的碳排放：影響因素和減排策略[J].經濟研究，2010（8）：66-78.[LIN Boqiang， LIU Xiying. Chinas carbon dioxide emissions under the urbanization process： influence factors and abatement policies[J]. Economic research journal， 2010（8）：66-78.]

[10]薛冰，李春榮，劉竹，等.全球1970—2007年碳排放與城鎮化關聯機理分析[J].氣候變化研究進展，2011， 7（6）：423-427.[XUE Bing， LI Chunrong， LIU Zhu， et al. Analysis on CO₂ emission and urbanization at global level during 1970-2007[J]. Advances in climate change research， 2011，7（6）：423-427.]

[11]C ONEILL B， LIDDLE B， JIANG L， et al. Demographic change and carbon dioxide emissions[J]. Lancet，2012，380（9837）：157-164.

[12]杜運偉，黃濤珍，康國定.基于Kaya模型的江蘇省人口城鎮化對碳排放的影響[J].人口與社會，2015， 31（1）：33-41.[DU Yunwei， HUANG Taozhen， KANG Guoding. Study on the impact of urbanization on carbon emissions based on Kaya Model in Jiangsu Province[J]. Population and society， 2015，31（1）：33-41.]

[13]武春桃.城鎮化對中國農業碳排放的影響——省際數據的實證研究[J].經濟經緯， 2015，32（1）：12-18.[WU Chuntao. The impact of urbanization on agricultural carbon emissions in China：an empirical study based on provincial data[J]. Economic survey， 2015，32（1）：12-18.]

[14]郭文，孫濤.城鎮化對中國區域能源消費及居民生活能源消費的影響[J].中國環境科學，2015，35（10）：3166-3176.[GUO Wen， SUN Tao. Impact of Urbanization on Regional energy consumption and residents energy consumption in China[J]. China environmental science， 2015，35（10）：3166-3176.]

[15]申俊，孫涵，成金華.中國城鎮居民能源消費及其影響因素[J].北京理工大學學報（社會科學版），2016， 18（1）：45-53.[SHEN Jun， SUN Han， CHENG Jinhua. Energy consumption and influence factors of urban resident in China[J]. Journal of Beijing Institute of Technology（social sciences edition）， 2016， 18（1）：45-53.]

[16]楊曉軍，陳潔.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），2013，13（1）：32-37，138.[YANG Xiaojun， CHEN Jie. Effect of urbanization on CO₂ emission in China： empirical study based on provincial panel data[J]. Journal of China University of Geosciences（social sciences edition）， 2013，13（1）：32-37，138.]

[17]唐李偉，胡宗義，蘇靜，等.城鎮化對生活碳排放影響的門檻特征與地區差異[J].管理學報，2015， 12（2）：291-298.[LI Tangwei， HU Zongyi， SU Jing， et al. Threshold effects and area differences： the impacts of urbanization on residential carbon missions[J]. Chinese journal of management， 2015，12（2）：291-298.]

[18]李艷梅，張雷.中國居民間接生活能源消費的結構分解分析[J].資源科學， 2008， 30（6）：890-895.[LI Yanyan， ZHANG Lei. Structural decomposition analysis of Chinas indirect household energy consumption[J]. Resources science， 2008， 30（6）：890-895.]

[19]樊靜麗，劉健，張賢.中國城鎮化與區域居民生活直接用能研究[J].中國人口·資源與環境，2015， 25（1）：55-60.[FAN Jingli， LIU Jian， ZHANG Xian. Urbanization effect on regional household energy consumption in China[J]. China population， resources and environment， 2015，25（1）：55-60.]

[20]LANTZ V，FENG Q.Assessing income， population， and technology impacts on CO₂emissions in Canada： wheres the EKC [J].Ecological economics，2006，57（2）： 229-238.

[21]雷瀟雨，龔六堂.城鎮化對于居民消費率的影響：理論模型與實證分析[J].經濟研究，2014（6）：44-57. [LEI Xiaoyu， GONG Liutang. The effect of urbanization on the household consumption rate： theoretical and empirical analysis[J]. Economic research journal，2014（6）：44-57.]

[22]張書云，周凌瑤.我國城鎮化發展與農村居民消費關系的實證研究[J].農業技術經濟，2010（11）： 30-37.[ZHANG Shuyun， ZHOU Lingyao. An empirical research between rural resident consumption and urbanization development[J]. Agritechnical eeconomics， 2010（11）：30-37.]

[23]趙忠義.江蘇省城鎮化與第三產業發展關系研究——新常態背景下的思考[D]. 南京：南京財經大學，2014： 23-30.[ZHAO Zhongyi. The research on the relationship between urbanization and the tertiary industry in Jiangsu Province： in the background of new normal[D]. Nanjing：Nanjing University of Finance & Economics， 2014：23-30.]

[24]汪發元，鄧娜.城鎮化與第三產業發展水平動態互動分析[J].統計與決策，2015（4）：112-115.[WANG Fayuan， DENG Na. Dynamic interaction analysis on urbanization and the tertiary industry development[J]. Statistics and decision， 2015（4）：112-115.]

[25]HANSEN B E. Inference in TAR models[J]. Studies in nonlinear dynamics & economics，2010，2（1）：1-1.

[26]俞毅. GDP增長與能源消耗的非線性門限——對中國傳統產業省際轉移的實證分析[J].中國工業經濟，2010（12）：57-65.[YU Yi. A nonlinear threshold model about GDP growth and energy consumption：an empirical study on the interprovincial transfer of traditional industries[J]. China industrial economics， 2010（12）：57-65.]

[27]HANSEN B E. Threshold effect in nondynamic panels： estimation， testing， and inference[J]. Journal of econometrics，1999，93：345-368.

[28]EHRLISH P R， HOLDREN J P. Impact of population growth[J]. Science，new series，1971（171）：1212-1217.

[29]YORK R， ROSA E A， DIETZ T. STIRPAT， IPAT and ImPACT： analytic tools for unpacking the driving forces of environmental impacts[J]. Ecological economics，2003，46：351-365.

[30]李國志，周明.人口與消費對二氧化碳排放的動態影響——基于變參數模型的實證分析[J].人口研究，2012，36（1）：63-72.[LI Guozhi， ZHOU Ming. Dynamic effects on carbon dioxide emissions of population and consumption： an empirical analysis based on variable parameter model[J]. Population research， 2012， 36（1）：63-72.]

[31]段忠東.房價變動對居民消費影響的門限測度——基于中國 35 個大中城市的實證研究[J].經濟科學，2014（4）：27-38.[DUAN Zhongdong. Threshold analysis on the impact of house price changes on resident consumption： an empirical analysis based on 35 bigscale cities in China[J]. Economic science， 2014（4）：27-38.]

[32]樊歡歡，張凌云.Eviews統計分析與應用[M].北京：機械工業出版社，2009：254-270.[FAN Huanhuan， ZHANG Lingyun. Statistical analysis and application in Eviews[M]. Beijing： China Machine Press， 2009： 254-270.]

Abstract It is of significant reference guidance value and to recognize the stage characteristics of carbon emission reduction and to deal with the challenges of carbon emissions in urbanization. Little existing research focuses on the impact on carbon emissions of households consumption（CEHC） caused by urbanization， and fails to connect the relationship between CEHC and the stage characteristics of urbanization. This article took urbanization rate as the threshold variable，

and the energy structure， citizen consumption rate and industrial structure were regarded as explaining variables. ThresholdSTIRPAT extension model was built based to analyze the impact of various factors on domestic energy consumption carbon emissions at different urbanization levels. The research shows when the urbanization rate is close to the threshold values（0.250， 0.325 and 0.457），the effect to CEHC was in the staggered variation. When the urbanization rate is lower than 0.250， it shows a negative elasticity relation between CEHC and the factors such as energy structure， domestic consumption， and industrial structure， with values of -0.688， -0.570 and -0.570， respectively. When the urbanization rate is lower than 0.457， the negative elasticity relation still exists. However， when the correlation is decreasing and the negative elasticity relation of energy structure is between -0.338 and -0.019， the relation of household consumption rate and industrial structure are all -0.251. When the urbanization rate is higher than 0.457， the relations will gradually turn into the positive elasticity relation. We propose the following suggestion based on the research results. When the urbanization rate is in this stage （0.250，0.457]， the energy structure，household consumption rate and industrial structure still have a negative effect on CEHC. We should encourage urban household consumption in energysaving pattern， and promote the tertiary industry to satisfy the residents demands of commodity and service. When the urbanization rate is higher than 0.457， we should optimize the energy structure and improve the proportion of nonfossil energy. Besides， the regions can regulate and guide the urban household consumption by fiscal policy， and we should pay attention to technology， finance and other technologyintensive sectors in the tertiary industry.

Key words threshold effect； STIRPAT； urban household consumption； urbanization； Matlab