城鎮化進程中碳鎖定的誘發機制與解鎖路徑研究

李少林

(東北財經大學產業組織與企業組織研究中心，遼寧 大連 116025)

·產業組織·

城鎮化進程中碳鎖定的誘發機制與解鎖路徑研究

李少林

(東北財經大學產業組織與企業組織研究中心，遼寧 大連 116025)

全國大范圍城市頻繁持續遭遇霧霾天氣日益引發社會對碳鎖定的廣泛關注，識別碳鎖定風險并提出有效的碳解鎖路徑，對于提升城鎮化質量具有重要的現實意義。本文在分析碳鎖定誘發機制的基礎上，首先對2003—2014年中國30個省會城市和直轄市碳鎖定的風險進行量化，其次運用考慮非期望產出的DEA-SBM模型和Bootstrap-DEA方法糾偏測算碳排放約束下城市投入產出綜合效率，最后采取動態面板系統廣義矩估計方法對城市碳鎖定風險的影響因素進行研究。研究結果表明，城市投入產出綜合效率與經濟發達程度正相關，且有效化解了碳鎖定風險，市場化改革降低碳鎖定風險的貢獻小于生產技術進步，人口密度和第二產業比重對碳鎖定風險無顯著影響，城鎮化率顯著加劇了碳鎖定風險。提高城市投入產出綜合效率、深化生產要素配置的市場化改革和保持合理的城鎮化速度，均有利于實現城鎮化的低碳解鎖。

城鎮化；碳排放；碳鎖定；碳解鎖

一、問題的提出

近年來，全國大范圍頻繁持續遭遇霧霾天氣給中國城鎮化質量提升帶來了嚴峻的考驗。2016年7月環境保護部發布的重點城市空氣質量狀況顯示，京津冀地區13個城市和長三角地區25個城市空氣質量平均優良天數分別為54.4%和78.4%，同比分別下降0.4個百分點和3.5個百分點，其中北京空氣質量優良天數僅為31.0%，同比降幅高達4.5個百分點。2015年中國城鎮化率達到56.1%，快速擴張的城鎮化進程可能使得部分城市的人口遷移與資源環境消耗承載力匹配性下降，面臨著碳鎖定的風險。《國家新型城鎮化規劃(2014—2020年)》提出建設生態文明城市的目標，推行綠色城鎮化，使得常住人口城鎮化率達60.0%左右。因此，深入分析碳鎖定風險的誘發機制，提出合理的碳解鎖路徑，對于實現新型城鎮化目標具有重要的現實意義。

國內外相關學者主要從技術和體制等方面對碳鎖定的成因、影響、對策和趨勢進行研究。汪中華和成鵬飛[1]通過計算碳超載率作為碳鎖定程度的指標，對中國碳鎖定總體情況進行了判斷，認為2003年以來中國碳鎖定程度逐漸加劇，隨后對技術投入、能源消耗和產業結構等變量的碳解鎖效應進行短期和長期的影響差異分析，分別提出了碳解鎖建議。林秀群[2]通過構建碳承載力、碳超載率的理論模型對云南碳鎖定的時間和趨勢進行了分析，認為2002年以后云南的碳鎖定趨勢愈發嚴重，提出減輕碳超載、降低化石能源消耗和提升碳承載力是碳解鎖的主要方向。沈友娣等[3]運用可拓展的隨機環境影響評估模型和嶺估計法對安徽碳排放的驅動因素進行分析，認為安徽總體上“相對解鎖”，從提高能源利用率、行業結構調整和制造園區低碳發展等方面提出碳解鎖建議。安福仁[4]在對新型工業化道路進行分析的基礎上，探討了碳鎖定的形成機制，認為經濟系統存在嚴重的依賴化石能源的特征，尋求可再生能源替代化石能源是實現碳解鎖的重要路徑之一。

城鎮化對碳排放影響的文獻主要集中在作用機制或渠道分析、碳排放測算方法和空氣污染收斂性等方面。張騰飛等[5]認為城鎮化通過人力資本積累和清潔生產對碳排放產生影響，并分別采用常住人口、戶籍人口和半城鎮化率等指標衡量城鎮化，實證研究了人力資本積累和清潔生產對碳排放的影響，兩者均有助于抑制城鎮化對碳排放的正向影響，且人力資本積累渠道的邊際影響通常高于清潔生產渠道。畢曉航[6]認為城市化引致的人口遷移通過產業結構、生活方式和空間布局等方面對碳排放施加間接影響，城市化的不同發展階段對碳排放也具有調節關系。婁偉[7]認為碳排放的計算方法為能源消費、工業產品生產、垃圾和農地二氧化碳排放總量減去林地吸收的二氧化碳總量，并以北京為案例對該方法加以應用。郝宇和張千雪[8]研究了113個城市人均二氧化硫排放量的收斂性，結果表明全國、東、中、西部地區均存在絕對收斂和相對收斂，人均收入對收斂速度有正向影響，而人口密度對收斂速度則具有負向影響。李姝[9]研究了城市化對環境污染的影響，研究表明城市化與廢氣污染和廢水污染呈現高度的正相關性。

現有關于碳鎖定、碳解鎖與城鎮化影響碳排放文獻的局限性主要體現在：一是主要從技術和體制等方面進行理論分析，且集中在能源消耗和技術投入等方面，相關因素分析不夠全面，碳解鎖建議缺乏經驗依據。二是碳鎖定的判定以案例研究和全國層面研究為主，缺乏基于細分城市的研究。三是城鎮化影響碳排放的作用機制分析通常選取幾個中間變量作為傳導變量，呈現出主觀性較強的特點。

區別于以往研究，本文的創新點主要體現在：一是綜合分析現有文獻所考慮到的影響碳鎖定風險的變量，選擇較為合理且簡明的指標對碳鎖定風險進行量化。二是運用考慮非期望產出的DEA-SBM模型和Bootstrap-DEA方法糾偏測算碳排放約束下的城市投入產出綜合效率。三是基于2003—2014年中國30個省會城市和直轄市對碳鎖定風險的影響因素進行經驗研究，綜合考慮了城鎮化投入產出效率、市場化指數、城鎮化率、人口密度和第二產業比重等變量，據此提出碳解鎖路徑。

二、城鎮化進程中碳鎖定風險的誘發機制與量化方法

碳鎖定的概念最早由Unruh[10]提出，被認為是特定經濟發展階段處于依賴化石燃料而阻礙低碳技術發展的穩定狀態。結合國內外相關文獻關于碳鎖定、城鎮化與碳排放問題的研究，本文主要從生產技術水平、經濟制度、人口城鎮化和產業結構變遷等維度對碳鎖定的誘發機制進行綜合分析，并提出測度碳鎖定風險的簡易指標。

(一)城鎮化進程中碳鎖定風險的誘發機制

1.生產技術水平

碳鎖定形成的重要成因之一是技術鎖定，在碳密集度較高的化石能源系統中存在著技術鎖定的狀態，鎖定狀態被強化的根源在于技術、基礎設施和相互關聯產業系統的網絡外部性。當考慮技術選擇對自然環境的影響時，技術鎖定是潛在的重要問題，對持續技術變遷的追求意味著政策制定者將面臨如何阻止和逃避技術鎖定，在沒有外界干預的情形下，產業的內生變遷使得技術系統逐步演化，然而這種自發的轉型時間和方向可能不是社會最優的，外界需要干預的標準是在技術溢出的過程中存在規模報酬遞增，最終結果是可能導致次優的環境技術標準。降低碳排放最直接的方法是增加清潔能源的生產和消費，李少林[11]將新能源的投入界定為太陽能、風能、地熱能和生物燃料產量等四種形式，以新能源發電量作為產出，測算了23個國家的新能源發電效率。實際上，新能源效率的高低反映出新能源的技術進步，亦即技術解鎖的程度。為便于進行量化，本文將基于投入產出視角，將城鎮單位從業人員數、固定資產投資和城市建成區面積作為投入，地區生產總值、社會消費品零售總額和二氧化碳排放量作為產出，測算城市投入產出綜合效率，以此反映技術進步狀況。

2.經濟制度

引起碳鎖定的另一個重要變量是制度變量，通常衡量制度較為困難，樊綱等[12]提出的市場化指數可近似作為制度變量的代理指標。市場化改革包含了非國有經濟發展、產品和要素市場發育等多維信息，能夠反映各地區的經濟體制改革進展，由于省會城市在全省占據主導地位，我們將各省會城市的市場化指數近似用各省的市場化指數代替。

3.人口城鎮化

大量文獻表明城鎮化引致的人口遷移對碳排放具有顯著影響，朱勤和魏濤遠[13]從居民消費維度對人口城鎮化的碳排放效應進行了定量評估，研究表明，20世紀90年代中期以來，人口城鎮化驅動碳排放的效應超過人口規模，居民消費率下降推動了碳排放的上升，而能源強度下降則有利于碳減排效果的顯現。伴隨著人口老齡化的不斷加重，人口年齡結構也對碳排放產生了重要影響，田成詩等[14]運用擴展的隨機STIRPAT模型對人口年齡結構的碳排放效應進行了實證研究，結果表明30歲以下人口對碳排放的影響不顯著，而30—44歲的正向影響最大，60歲以上的影響則變為負，中國未來的老齡化將有助于減緩碳排放。除了人口規模和人口年齡結構的影響外，人類對能源的消費行為也對碳排放產生了鎖定效應，Maréchal[15]認為不完全有意識的行為——習慣與理性選擇理論截然相反，由于習慣的存在，在給定的政策激勵下，消費者不對能源消耗施加控制。本文以城鎮化率和人口密度衡量人口城鎮化，其中城鎮化率代表人口城鎮化的總體進度，人口密度代表人口城鎮化的分布狀況。

4.產業結構變遷

產業結構變遷最直接的效應是改變能源消耗結構，對碳排放產生間接影響。韓永輝等[16]在測度省際生態文明指數的基礎上，運用廣義動態空間面板模型研究產業結構優化升級對生態文明的影響機理與程度，研究表明產業結構合理化和高度化帶動本地生態文明的同時，對其余省份的生態文明也有正向影響。周星等[17]研究了中國東部11個省份的碳脫鉤效應，研究表明第二產業比重下降和第三產業比重上升，將帶動經濟發展與碳減排脫鉤。本文將各省會城市和直轄市第二產業比重(第二產業增加值占地區生產總值的比重)作為產業結構的衡量指標，探究產業結構變遷對碳鎖定風險的影響。

(二)城鎮化進程中碳鎖定風險的量化方法

現有文獻較少涉及碳鎖定風險的衡量，汪中華和成鵬飛[1]主要從碳超載率的計算入手，將碳排放量與碳匯量的差額作為碳鎖定程度的指標，由于是基于全國層面的研究，在碳排放量和碳匯量的測算方面數據可得性較高，因而考慮的因素較多。從微觀城市層面對碳鎖定風險進行衡量，受到數據可得性的限制，本文簡化并采用兩種方法對30個省會城市和直轄市的碳鎖定風險進行衡量：一是假定城市碳排放主要來源于能源消費引起的二氧化碳排放，將城市建成區綠化覆蓋率作為吸收二氧化碳強度的指標，碳超載量等于二氧化碳排放量減去城市建成區綠化覆蓋率所吸收掉的二氧化碳，作為碳鎖定風險的量化指標。二氧化碳排放量按照各城市能源消耗標準煤的折算系數進行計算，目前中國采用較多的“能源燃料折算成標準煤以后二氧化碳排放系數”通常在2.420—2.720之間，本文的折算系數取區間均值2.570，即將各城市能源消費總量折算成標準煤，每噸標準煤燃燒產生的二氧化碳量為2.570噸。由于數據可得性的限制，結合中國歷年電力生產結構的特征，火力發電約占總發電量的80.0%，假設火力發電量與消費量相匹配，全社會用電量的80.0%即為火電消費量，按照火力發電煤耗計算，每度電折合0.123千克標準煤，即從城市全社會用電量數據推算城市的二氧化碳排放量，推算公式為：CO2=electricity×80.0%×0.123÷1 000×2.570，其中CO2表示城市二氧化碳排放量，electricity表示城市全社會用電量。據此，本文所需量化的碳鎖定風險指標可以表示為overload=electricity×80.0%×0.123÷1 000×2.570×(1-greening)，其中greening表示城市建成區綠化覆蓋率。二是由于城市空氣質量的變動可較好地反映出城鎮化進程中碳鎖定的程度，將城市空氣質量好于二級的天數作為衡量碳鎖定風險的指標，用以檢驗碳超載量作為碳鎖定風險指標的穩健性。

三、中國城鎮化進程中碳鎖定風險的影響因素研究

基于碳鎖定風險誘發機制的分析，為對碳鎖定風險進行量化，并探討其影響因素，本文主要從《中國城市統計年鑒》《中國環境統計年鑒》和中經網統計數據庫搜集相應的指標數據，以城鎮單位從業人員數、固定資產投資和城市建成區面積作為投入，地區生產總值、社會消費品零售總額和二氧化碳排放量作為產出，運用DEA-SBM模型和Bootstrap-DEA方法測算碳排放約束下的城市投入產出綜合效率。隨后將碳超載量和城市空氣質量分別作為碳鎖定風險的代理指標，對城市投入產出綜合效率、市場化指數、城鎮化率、人口密度和第二產業比重等變量建立動態面板模型進行碳鎖定風險影響因素的經驗研究，為提出針對性的碳解鎖政策建議奠定基礎和依據。

(一)數據來源與描述性統計

在選擇投入產出指標測算城鎮化綜合效率時，城鎮單位從業人員數、固定資產投資、城市建成區面積、地區生產總值、社會消費品零售總額和二氧化碳排放量(由城市全社會用電量推算)的原始數據來源于中經網統計數據庫。筆者利用年末市轄區人口數除以年末全市總人口數計算得到各省會城市或直轄市的城鎮化率，原始數據分別來源于中經網統計數據庫和《中國城市統計年鑒》。根據碳鎖定風險的量化方法，筆者計算出各城市歷年的碳超載量，城市空氣質量好于二級的天數的原始數據來源于《中國環境統計年鑒》，變量的描述性統計如表1所示。

表1 變量的描述性統計

(二)中國30個省會城市和直轄市投入產出綜合效率的糾偏測算

本文將Tone[18]提出的考慮非期望產出的DEA-SBM模型與Simar和Wilson[19]提出的Bootstrap-DEA方法相結合進行效率值的糾偏測算。DEA-SBM模型的基本原理是：基于松弛測度的SBM模型處理非期望產出，假設存在n個均包含投入、期望產出和非期望產出的決策單元，分別表示為x∈Rm，yg∈Rs1，yb∈Rs2。定義矩陣：

(1)

(2)

其中，xo=Xλ+s-，yob=Ybλ+sb，yog=Ygλ-sg，且s-≥0，sb≥0，sg≥0，λ≥0；s是投入產出的松弛量，λ表示權重向量；僅當ρ*=1，亦即s-、sb和sg均為0時，表明該決策單元是有效的；當0≤ρ*<1時，表明該決策單元是非有效的，有必要對其投入產出進行改進。

在運用DEA-SBM模型計算出效率之后，運用Simar和Wilson[19]提出的Bootstrap-DEA方法修正效率評價值的偏誤，并提供置信區間。本文采用MAXDEA專業版軟件對2003—2014年中國30個省會城市和直轄市包含非期望產出的投入產出效率進行糾偏測算，使用規模報酬不變的產出導向模型，并設定抽樣次數為500次，以確保置信區間的覆蓋面，測算結果如表2所示。*限于篇幅，2003—2013年的計算結果未在正文列出，留存備索。

表2 2014年中國30個省會城市和直轄市投入產出綜合效率原始值與Bootstrap-DEA糾偏估計值比較

從表2可以看出，采用Bootstrap-DEA方法糾偏測算的投入產出綜合效率值基本上比傳統DEA方法測算的效率值小，原因是Bootstrap-DEA方法將前沿面的非效率因素一并考慮在內，傳統DEA方法高估了效率值，而且糾偏后的投入產出綜合效率值均落在置信區間內，印證了真實效率值不大于傳統DEA效率值的觀點，說明了本文采用的Bootstrap-DEA糾偏技術得到的結果是可靠的。從具體的效率測算值來看，2014年北京、天津、濟南、長沙、廣州、福州和成都等城市的投入產出綜合效率較高，中西部欠發達地區比如貴陽、西寧、銀川、太原和烏魯木齊等城市的投入產出綜合效率較低，測算結果基本符合中國經濟發展的現實情況。

(三)基于系統廣義矩估計方法的碳鎖定風險影響因素

由于中國城市霧霾天氣大多呈現出階段性的動態變化特征，本文將采用動態面板模型進行估計，為確保回歸結果的可靠性，采用Arellano和 Bover[20]與Blundell和 Bond[21]提出的系統廣義矩估計(System-GMM)方法進行估計，以有效克服解釋變量存在的內生性。根據前文的理論分析，本文的動態面板回歸模型可初步設定為：

cdenrt=α0+λcdenr,t-1+α1efficiencyrt+α2marketrt+α3efficiency×market+α4(efficiency×market)2+δritβi+θr+τri

(3)

其中，被解釋變量cdenrt表示城市建成區單位面積碳超載量；cdenr,t-1表示cdenrt的一階滯后項；efficiencyrt表示城市投入產出綜合效率；marketrt表示市場化指數；α1、α2、α3、α4和δrit表示回歸系數；βi表示控制變量；θr表示非觀測的城市固定效應；τri表示隨機誤差項。

本文對動態一階自回歸模型式(3)進行系統廣義矩估計，估計結果如表3所示。

表3 城市建成區單位面積碳超載量衡量的碳鎖定風險影響因素回歸結果

注：***、**和*分別表示在1%、5%和10%的顯著性水平上顯著，小括號內的值為標準誤，AR(1)、AR(2)和Hansen檢驗值為相應的P值，下同。此外，由于人口密度變量數值極小且在統計上不顯著，故未列出。

從表3可以看出，第4列、第5列和第6列均采用城市單位面積碳超載量、城市投入產出綜合效率、市場化指數的滯后3期作為工具變量，AR(1)、AR(2)和Hansen檢驗均得以通過。AR(1)檢驗殘差項是否存在一階自回歸過程，零假設是殘差不存在一階自回歸過程，第4列、第5列和第6列均表明AR(1)存在一階自回歸過程，AR(2)不存在一階自回歸過程。Hansen檢驗的零假設是工具變量不存在過度識別，Hansen檢驗表明選取的工具變量有效，模型設定合理。為驗證系統廣義矩估計的可靠性，本文還給出了混合普通最小二乘法(Pooled OLS)和固定效應模型(FE)的回歸結果作為參考。系統廣義矩估計回歸結果顯示，當第4列同時加入了城市投入產出綜合效率與市場化指數的交互項及其平方項以后，回歸結果的系數大多不顯著，為了進一步探究碳鎖定風險的影響因素，分別對交互項及其平方項進行單獨回歸，結果參見第5列和第6列。第5列僅加入了城市投入產出綜合效率與市場化指數的交互項，回歸結果顯示，碳鎖定風險的核心影響因素——生產技術水平、經濟制度及兩者的交互項對城市建成區單位面積碳超載量的影響均顯著，其中城市投入產出綜合效率的影響在1%的顯著性水平上顯著，當城市投入產出綜合效率提升1%時，城市建成區單位面積碳超載量下降8.990%，而當市場化指數上漲1時，城市建成區單位面積碳超載量下降0.877%，兩者的交互項對碳鎖定風險的影響在5%的顯著性水平上顯著，表明當前中國城鎮化進程中很可能存在典型的碳鎖定現象，印證了技術與制度的復合體導致碳鎖定的基本理論在中國是成立的。

此外，城鎮化率對碳鎖定風險的影響在10%的顯著性水平上顯著，表明中國城鎮化進程加快在一定程度上誘發了碳鎖定風險，保持合理的城鎮化速度有利于碳解鎖的實現。第6列加入了城市投入產出綜合效率與市場化指數交互項的平方項，其系數在1%的顯著性水平上顯著為正，表明中國的碳鎖定風險呈現出先下降后上升的“U”型特征，結合第5列的回歸結果，中國碳鎖定風險正處于“U型”曲線的上升階段，生產技術水平與經濟制度的相互交織有進一步提高城市建成區單位面積碳超載量的趨勢。此外，第5列和第6列的城市投入產出綜合效率和市場化指數的系數均顯著為負，表明生產技術進步和市場化改革的單方面作用能夠顯著降低城市建成區單位面積的碳超載量，亦即降低碳鎖定風險，其中生產技術進步對碳解鎖的貢獻占據主導地位。第二產業比重和人口密度對碳鎖定風險的影響均為正，但不顯著，表明第二產業比重和人口密度不是導致高碳經濟的主要原因，中國的工業碳強度尚未達到峰值，但總體趨于下降態勢，部分重化工業可能是真正的根源；人口密度對碳鎖定風險無顯著影響的原因可能在于：由于人口密度上升所帶來的資源環境消耗過大可能引起碳排放上升，由于人口密度上升也可能引起高素質勞動力的集聚，進而通過促進技術創新而降低碳排放，兩者綜合作用導致人口密度對碳鎖定風險無顯著影響。

(四)穩健性檢驗

由于碳超載量和空氣質量具有高度相關性，為了檢驗碳鎖定風險影響因素回歸結果的穩健性，本文將被解釋變量由城市建成區單位面積碳超載量替換為城市空氣質量好于二級天數，仍然采用三種回歸形式，得到穩健性檢驗結果。*限于篇幅，穩健性檢驗結果未在正文列出，留存備索。

系統廣義矩估計所使用的工具變量分別是城市空氣質量好于二級天數的對數、城市投入產出綜合效率與市場化指數的滯后2期、城市投入產出綜合效率與市場化指數的滯后3期。當加入第二產業比重變量之后，系統廣義矩估計的回歸系數均顯著，但AR(2)的顯著性未通過檢驗，因而剔除第二產業比重變量重新進行回歸，此時不僅系數顯著，而且AR(2)通過了檢驗，表明第二產業比重對空氣質量的影響同樣不夠顯著，印證了以城市建成區單位面積碳超載量衡量的碳鎖定風險回歸結果；此外，城市投入產出綜合效率、市場化指數、人口密度和城鎮化率的系數均顯著，城市投入產出綜合效率和市場化指數均在1%的顯著性水平上顯著為正，且城市投入產出綜合效率的系數遠大于市場化指數，表明生產技術進步對城市空氣質量提升的貢獻大于市場化改革，兩者上漲均能顯著提高城市空氣質量，與上述回歸結果一致；人口密度雖然在1%的顯著性水平上顯著為負，表明人口密度上升導致城市空氣質量變差，但這種影響(系數)非常小，基本可以忽略，與上述回歸結果一致；城鎮化率的系數在5%的顯著性水平上顯著為負，表明城鎮化速度的提升有降低城市空氣質量的趨勢，與上述回歸結果一致。綜上，以城市空氣質量好于二級天數衡量的碳鎖定風險回歸結果與以城市建成區單位面積碳超載量衡量的碳鎖定風險回歸結果保持一致，回歸結果具有較強的穩健性。

四、研究結論與政策建議

區別于以往文獻單純分析某個經濟變量對碳排放的影響，本文立足于城鎮化進程中碳鎖定風險形成與碳解鎖的現實問題，對中國碳鎖定風險的誘發機制和量化方法進行分析，并運用中國30個省會城市和直轄市的數據進行經驗研究，試圖探究中國城鎮化進程中的碳解鎖路徑。研究結果表明：

首先，采用DEA-SBM模型和Bootstrap-DEA方法對包含非期望產出的中國城市投入產出綜合效率的測算結果顯示，糾偏測算的綜合效率值基本上比傳統DEA方法測算的效率值小，糾偏后的城市投入產出綜合效率值均落在置信區間內，Bootstrap-DEA糾偏技術得到的結果可靠，30個省會城市和直轄市投入產出綜合效率與經濟發達程度具有高度的正相關性。

其次，當城市投入產出綜合效率提升1%時，城市建成區單位面積碳超載量下降8.990%，當市場化指數上漲1時，城市建成區單位面積碳超載量下降0.877%，兩者的交互項對碳鎖定風險的影響在5%的顯著性水平上顯著，表明當前中國城鎮化進程中存在典型的碳鎖定現象，印證了技術與制度的復合體導致碳鎖定的基本理論在中國是成立的，市場化改革對降低碳解鎖風險的貢獻小于生產技術進步，以城市空氣質量好于二級天數衡量的碳鎖定風險影響因素的回歸結果具有較強的穩健性。

最后，中國城鎮化率提升在一定程度上加劇了碳鎖定風險，原因可能在于城市規模的迅速擴大使得人口大量遷移至城市，在“造城”過程中建筑業碳排放大幅度上升，而且居民生活能源消耗特征也發生重要轉變，能源消耗呈現出集聚效應，引起碳排放強度增大；人口密度和第二產業比重對碳鎖定風險的影響不顯著，原因可能在于，一方面人口密度上升所帶來的資源環境消耗過大可能引起碳排放上升，另一方面人口密度上升還可能通過集聚高素質勞動力促進技術創新而降低碳排放，兩者可能存在抵消效應；城市的產業結構調整雖然使得碳排放強度下降，但可能由于部分重化工業的存在使得碳排放峰值尚未到來。

基于上述理論與經驗研究結論，筆者認為中國城鎮化進程的低碳解鎖須從以下方面著手：

首先，城市投入產出綜合效率提升方面，隨著城鎮化進程的加快，城市建成區面積日益擴大，須重點提高城鎮建設用地效率，在控制供地總量的基礎上，強化土地的用途管制，并優化城鎮用地結構，在“造城”過程中盡可能采用綠色建筑材料，做到節能、節地和節材，打造綠色循環低碳建筑；規劃和控制固定資產投資規模，優化固定資產投資的區域結構，使得城鎮化進程推動區域經濟發展平衡，進而提高城市投入產出綜合效率，降低碳鎖定風險。

其次，市場化改革方面，切實發揮市場在資源配置中的決定性作用，盤活生產要素的流動，進一步深化能源供給側改革，持續推進去產能、去庫存和降成本的任務，尤其是化解煤炭行業的產能過剩，提高傳統化石能源的利用效率；大力推動太陽能、風能、地熱能和生物能等新能源產業的發展，加快普及新能源汽車的研發與應用，從根源上替代化石燃料的消耗，降低碳鎖定風險。

最后，城鎮化速度方面，各地區應根據經濟增長態勢和城鄉二元結構特點，有規劃有步驟地實施城鎮化，避免只追求速度不重視質量的城鎮化，把城鎮化進程中可能產生的資源環境壓力納入到城鎮化質量的評價體系中，以實現綠色可持續的新型城鎮化目標；人口密度方面，合理調控勞動力人口的流動，強化高素質人才的集聚創新效應，以有效降低碳鎖定風險；產業結構方面，基于城市要素稟賦特點，在化解過剩重化工業產能的前提下，重點發展高新技術產業，通過創新驅動戰略對產業結構進行優化升級，有效發揮產業結構調整的碳解鎖效應。

[1] 汪中華，成鵬飛.中國碳超載下碳鎖定與解鎖路徑實證研究[J].資源科學，2016，(5)：909-917.

[2] 林秀群.區域碳鎖定的判定研究——以云南省為例[J].昆明理工大學學報(社會科學版)，2014，(3)：73-79.

[3] 沈友娣，章慶，嚴霜.安徽制造業碳排放驅動因素、鎖定狀態與解鎖路徑研究[J].華東經濟管理，2014，(6)：27-30.

[4] 安福仁.中國走新型工業化道路面臨碳鎖定挑戰[J].財經問題研究，2011，(12)：40-44.

[5] 張騰飛，楊俊，盛鵬飛.城鎮化對中國碳排放的影響及作用渠道[J].中國人口·資源與環境，2016，(2)：47-57.

[6] 畢曉航.城市化對碳排放的影響機制研究[J].上海經濟研究，2015，(10)：97-106.

[7] 婁偉.城市碳排放量測算方法研究——以北京市為例[J].華中科技大學學報(社會科學版)，2011，(3)：104-110.

[8] 郝宇，張千雪.中國城市空氣污染收斂性研究——以二氧化硫為例的實證分析[J].華東經濟管理，2015，(8)：144-152.

[9] 李姝.城市化、產業結構調整與環境污染[J].財經問題研究，2011，(6)：38-43.

[10] Unruh, G.C.Understanding Carbon Lock-in[J].Energy Policy, 2000, 28(12):817-830.

[11] 李少林.2001—2012年全球23國新能源發電效率測算與驅動因素分析[J].資源科學，2016，(2)：321-332.

[12] 樊綱，王小魯，朱恒鵬.中國市場化指數——各地區市場化相對進程2011年報告[M].北京：經濟科學出版社，2011.

[13] 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，(11)：21-29.

[14] 田成詩，郝艷，李文靜，等.中國人口年齡結構對碳排放的影響[J].資源科學，2015，(12)：2309-2318.

[15] Maréchal, K.An Evolutionary Perspective on the Economics of Energy Consumption: The Crucial Role of Habits [J]. Journal of Economic Issues, 2008, 43(1):69-88.

[16] 韓永輝，黃亮雄，王賢彬.產業結構優化升級改進生態效率了嗎？[J].數量經濟技術經濟研究，2016，(4)：40-59.

[17] 周星，周梅華，張明.產業結構視角下我國東部地區碳脫鉤效應研究[J].中國礦業大學學報，2016，(4)：849-858.

[18] Tone, K.A Slacks-Based Measure of Efficiency in Data Envelopment Analysis [J].European Journal of Operational Research, 2001, 130(3):498-509.

[19] Simar, L., Wilson, P.W.Sensitivity Analysis to Efficiency Scores：How to Bootstrap in Nonparametric Frontier Models [J].Management Science, 1998, 44(1):49-61.

[20] Arellano, M., Bover, O.Another Look at the Instrumental Variable Estimation of Error-Components Models [J].Journal of Econometrics, 1995, 68(1): 29-51.

[21] Blundell, R., Bond, S.Initial Conditions and Moment Restrictions in Dynamic Panel Data Models [J].Journal of Econometrics, 1998, 87(1):115-143.

(責任編輯：孫 艷)

2016-12-26

國家自然科學基金青年項目“城鎮化進程中‘碳鎖定’的形成機理、風險測度與解鎖策略研究”(71403041)；教育部人文社會科學青年基金項目“規制改革對碳減排的影響機理與實證：基于企業異質性投資行為的分析”(14YJC790068)；遼寧省社會科學規劃基金青年項目“遼寧清潔能源發展機制的低碳效應評價與政策研究”(L16CJY003)

李少林(1986-)，男，湖北襄陽人，助理研究員，博士，主要從事產業經濟與政府規制研究。E-mail:lishaolin0506@163.com

F124.5

A

1000-176X(2017)03-0028-08