基于異質性收斂的中國碳排放強度脫鉤效應研究

趙桂梅，陳麗珍，孫華平，趙桂芹

（江蘇大學a.財經學院；b.產業經濟研究院；c.京江學院，江蘇鎮江212013）

基于異質性收斂的中國碳排放強度脫鉤效應研究

趙桂梅a，b，陳麗珍a，b，孫華平a，b，趙桂芹c

（江蘇大學a.財經學院；b.產業經濟研究院；c.京江學院，江蘇鎮江212013）

文章在測算中國30個省區1995-2015年碳排放強度的基礎上，通過異質性PS收斂方法確定“俱樂部收斂”類型，解決EKC同質性假設的問題，構建碳排放強度的空間面板數據計量模型，對各類型區域碳排放強度EKC曲線的拐點及峰值時間進行實證檢驗。研究結果顯示：考慮空間相關性與空間異質性后，中國碳排放強度EKC模型的估計結果更加穩健，五種類型區域碳排放強度EKC假設成立；“十三五”期間中國經濟增長率為6.5%的目標條件下，模型估計結果進一步證明中國將在2020年實現碳排放強度與經濟增長的“脫鉤”；中國經濟發達的省區已經率先實現碳排放強度的達峰目標，但是如果經濟落后的省區不能如期抵達峰值，必將影響全國碳排放峰值的時間和目標。從碳排放強度EKC曲線拐點來看，中國差異化碳減排政策應該根據各類型區域經濟增長與碳排放的發展階段，通過政府引導作用促使碳排放EKC曲線變化更加平緩，保證經濟發展的同時分區域有重點地控制并減少碳排放總量，進而確保各省區能夠根據地區發展實際科學落實國家節能減排任務；同時，提高資源的利用效率，促進異質性類型區域實現碳排放強度收斂于共同穩態，進而扭轉中國經濟增長導致環境惡化的不利局面。

碳排放強度；PS收斂模型；EKC空間計量；脫鉤效應；差異化碳減排

中國“十三五”規劃綱要明確提出碳排放總量與碳排放強度雙重約束的減排目標要求，同時要在大氣污染防治等環境指標方面取得明顯成效。目前，由于中國各省區經濟發展水平的巨大差異以及碳排放空間分布呈現非均衡性，中央政府在分配減排任務時會產生較大的區域間利益沖突，減排難度與社會成本將會越來越高。中國碳排放地區差異的演進趨勢如何？以及如何在梯度發展模式下實現經濟增長和務實減排？對于這些問題進行深入研究，將有利于把握中國省域碳排放的演進規律及變動趨勢，以期為中國經濟發展與碳減排政策的制定提供參考依據。

一、文獻綜述

Grossman&Kruege（1991）提出環境庫茲涅茨曲線（Environmental Kuznets Curve，簡稱EKC）揭示經濟增長與環境質量演進的“倒U型”變化規律［1］。隨后，國內外學者圍繞EKC曲線的存在性展開一系列的學術討論與實證檢驗。Sanjeev K（2004）采用Lo?gistic曲線測算環境退化的發生率，檢驗EKC曲線的存在性［2］。John A Lista&Craig A Galleta（1999）研究發現基于時間序列數據的EKC曲線不存在，基于截面數據的EKC曲線存在［3］。Jalil A&Mahmud S F（2009）認為中國二氧化碳排放的EKC假設成立［4］。中國學者基于EKC也做了大量的研究。宋濤等（2007）運用DOLS估計方法論證工業污染物排放中人均廢氣、人均固體廢棄物和人均收入之間存在“倒U型”關系［5］。李國志等（2010）持相反的觀點，認為中國碳排放不存在EKC曲線，碳排放尚處于單調遞增階段［6］。鄧曉蘭等（2014）研究支持這一觀點，并認為當前處于拐點前的上升期［7］。趙桂梅等（2015）研究發現區域經濟增長與環境污染呈“N型”關系，二氧化碳排放處于持續增長狀態［8］。沈能等（2016）采用空間效應模型對中國農業增長與污染排放EKC曲線進行實證檢驗［9］。

中國碳排放何時能達峰不僅是國內經濟和社會發展的重要問題，也引起國際能源、氣候等相關研究機構的關注。美國能源基金會（The Energy Founda?tion，EF）和世界自然基金會（World Wide Fund for Na?ture or World Wildlife Fund）在《中國2050年低碳發展之路：能源需求暨碳排放情景分析》報告中指出，在最嚴苛的“強化低碳”情形下，碳排放有可能在2030年實現達峰［10］。鄧柏盛等（2008）利用EKC研究碳排放規律，將碳排放劃分為三個階段，認為中國處于“相對減排”階段［11］。鄧吉祥等（2014）基于能源消費情況，將中國碳排放達峰時間估計為2040年［12］。渠慎寧等（2011）利用STIRPAT模型預測中國達峰時間為2020-2045年［13］。何建坤（2016）認為碳排放強度下降速度既要高于GDP增長速度也要大于能源消費的年增長率是實現中國2030年達峰目標的前提條件［14］。柴麒敏等（2015）利用IAMC方法模擬中國2030年達峰的不同路徑，結果表明中國2030年達峰將使經濟總量累計偏移3%，提出中國實現達峰目標需要十五年累計減排超過200億噸［15］。王萱等（2013）研究發現，發達國家碳排放都已跨過峰值點，完成碳排放強度脫鉤，目前基本上進入碳排放總量脫鉤的絕對減排階段［16］。

由于中國各省區的要素稟賦等方面存在較大差異，假定所有經濟體具有同質性的EKC檢驗將與實際結果之間存在一定偏差，由此，EKC曲線的檢驗必須克服同質性假說的問題。韓永輝等（2016）采用聚類分析方法對中國農業污染物排放的EKC曲線進行檢驗［17］。張成等（2011）通過數據分組方法對中國各地區工業污染物排放的EKC曲線進行檢驗，進而解決EKC同質性假設的問題［18］。由于不同行政區域污染物排放數據表現出一定空間相關性，即某一區域的經濟增長不僅對本區域環境污染產生影響，而且其周邊區域污染物排放對本地區環境質量也將產生潛在的影響。EKC實證研究中如果將研究樣本僅僅定義為行政邊界，忽略環境污染存在的空間效應，將導致推斷結論的偏差。鑒于此，在已有文獻基礎上，本文拓展相關研究：選擇碳排放強度作為研究對象，采用異質性收斂方法確定碳排放強度“俱樂部收斂”的類型，同類型區域之間符合EKC的同質性假設。進一步通過空間面板數據模型實證檢驗各類型區域碳排放強度的空間效應及EKC曲線拐點，揭示中國碳排放強度時空格局動態演進的特征，為政府構建行之有效的低碳經濟發展體系以及實現碳減排目標，提供政策分析工具與決策支持。

二、模型設定與數據來源

（一）PS模型的設定

Phillips P C B&Sul D（2007）提出的PS收斂方法不依賴于任何趨勢平穩的研究假設，同時能夠解決標準單位根檢驗所無法進行的異質性條件下收斂性檢驗問題，主要用于分析面板數據的收斂性質［19］。

1.logt檢驗

設定CIit,i=1,…,K,N;t=1,…K,T為主要研究的面板數據變量，其中N為樣本數，T為樣本的時間跨度，CIit為碳排放強度，將面板數據logCIit分解成兩個部分：

其中，git為系統因素；εit為個體因素。git和εit可以是線性的、非線性的、平穩的或非平穩的。進一步分解為共同性因子部分和異質性因子部分：

其中，ut為共同因子，也即共同性部分；δit為異質性成分。由此，將logyit的收斂性轉化為檢驗δit是否收斂于常數δ。

原假設（H0）：構建δit的半參數模型。公式如下：

其中，δi固定，σi為異質性規模參數，ξit～iid（0，1）；L（t）為一漸變函數，且滿足為收斂速度，函數L（t）確保收斂的存在（當α=0時，收斂速度減緩），由此，收斂檢驗原假設（H0）為：

備擇假設（H1）：存在某個i使得δi≠δ和（或）α＜0。

若原假設（H0）成立，則表明全樣本收斂，若備擇假設（H1）成立，則表明存在部分樣本數據不收斂。在原假設（H0）成立的條件下，hit的截面方差表達式為：由此，構建基于回歸方程的收斂性檢驗模型為：

其中，r∈（0，1）①，L（t）=logt。采用穩健的t檢驗方法，檢驗b的顯著性。函數L（t）的應用確保當α=0時，收斂仍成立。Phillips&Sul（2007，2009）證明收斂的情況下，當t→∞時：

其中，A為正常數。

為了檢驗面板的收斂性，Phillips和Sul（2007，2009）定義了相對過度參數（Relative Transition Pa?rameter），hit表達式如下：

其中，hit為相對過度參數，hit不僅測量某個體相對于其他個體的行為路徑，還測量其相對于共同增長路徑ut的分離程度；δit為時變特異系數，當δit收斂于常數δ時，則hit收斂于1；ut為共同增長路徑。如果hit的橫截面方差Vt收斂于零，即當t→∞時有，

Phillips和Sul（2007，2009）通過對橫截面方差比進行回歸，檢驗原假設（H0）是否成立：

最后，通過b值和HAC標準差估計方法，進行單邊異方差穩健性的t檢驗，判斷不等式零假設α≥0是否成立。

2.類型收斂與合并

根據Phillips P C B&Sul D（2007）提出的PS收斂方法檢驗樣本數據的類型收斂，判斷地區間碳排放強度是否存在發散或類型收斂。首先，根據2015年30個省區的碳排放強度數據按照由小到大的順序排序，確定類型核心組，檢驗樣本數據是否存在類型收斂。選擇碳排放強度最靠前的K個地區（2≤K≤N）構建第一個類型核心組，然后檢驗該類型是否可以構建一個收斂類型。如果t檢驗結果不能拒絕原假設（H0），則將剩余地區分別逐一并入核心組進行logt檢驗，通過logt檢驗結果篩選出所有滿足t＞-1.65①的地區，再從中選擇t值最大的一個地區與之前兩個地區重新組成一組。若最初選取的兩個地區構建的第一個類型的原假設（H0）被拒絕，則把碳排放強度排名第一的地區刪除，將排名第二和第三的地區確定為第一個類型，并且檢驗樣本數據是否存在收斂。進一步選出t＞c且c≥0（c為臨界值）的省區與該收斂類型合并組成新組，并采用logt檢驗新組是否存在收斂。其次，將沒有被選中的地區重新構建為一組并進行logt檢驗，判斷這組是否存在收斂，如果收斂，那這個組就成為另一個收斂類型。如果logt檢驗結果拒絕收斂原假設（H0），則將這些剩余省區重新進行篩選與合并，進一步檢驗是否存在其他的收斂類型。如果收斂結果不成立，則表明剩余省區屬于發散類型區域。

（二）EKC空間計量模型的設定

在研究經濟增長與碳排放強度的EKC回歸分析過程中，為消除異方差現象，實際應用中通常在模型兩邊取對數將其轉化為線性回歸模型。在用面板數據進行計量分析時，碳排放強度EKC模型表達形式為：

lnCIit=α+β1lnGDPPCit+β2lnZit+ηit+εit（11）

其中，lnCIit為i省t年碳排放強度，lnGDPPCit為人均收入水平，α為常數項，β1，β2為回歸系數，ηit為個體效應，εit為隨機誤差項。lnZit為外生解釋變量，包括結構變動、能源強度、人口規模等因素。

Maddison（2006）研究發現使用面板數據可以增加參數估計的有效性［20］。沿用Elmhurst J.P.（2014）提出將時空效應納入研究體系的空間面板數據計量模型分析框架［21］，基于EKC理論基礎，建立中國碳排放強度空間滯后面板數據模型（Spatial Lag Panel Da?ta Model，SLPDM）、空間誤差面板數據模型（Spatial Error Panel Data Model，SEPDM）和空間杜賓面板數據模型（Spatial Durbin Panel Data Model，SDPDM）三種空間面板數據模型。其中，SLPDM模型設定為：

其中，lnCIit為i省t年碳排放強度；lnGDPPCit為人均收入水平；i表示空間維度，i=1，2，3，…，N；t表示時間維，t=1，2，3，…，T；α表示常數項；εit是隨機誤差項。β表示相應解釋變量的系數，反映解釋變量對被解釋變量的影響，β1與β2分別是人均GDP及人均GDP平方項的系數：①β1＞0，β2＜0，即碳排放強度與經濟增長為“倒U”形關系；②β1＞0，β2＞0，即碳排放強度與經濟增長為“U”形關系。根據拐點計算公式ξ=，得出各類型區域碳排放強度拐點的人均GDP水平。lnZit為外生解釋變量，包括結構變動、能源強度、人口規模等因素。ρ為空間滯后回歸系數，表示空間面板數據的相關性。Wij為地理空間權重矩陣，表達式為：

其中，dij為通過經度、緯度計算的第i個地理空間位置與第j個地理空間位置之間的大圓距離。

為檢驗各省區間碳排放強度是否存在隨機誤差沖擊的空間溢出效應，設定SEPDM模型為：

其中，jit表示空間自相關誤差項；λ表示空間誤差回歸系數。

進一步設定SDPDM模型為：

其中，α表示常數項；mi為空間特質效應；λt為時間特質效應；δ，θ均為固定的K×1維參數向量；β1，β2，β3為回歸系數；當θ=0和θ+δ β=0均被拒絕，則選擇SDPDM模型刻畫碳排放強度的空間效應。

（三）數據來源

本文研究期間為1995-2015年，由于西藏地區數據缺失，不予以考慮，同時，不將港澳臺地區計算在內，最終以中國內地30個省區作為研究對象。由于中國目前沒有公布各地區二氧化碳排放量的統計數據，根據IPCC（International Panel on Climate Change，2006）推薦的二氧化碳排放量的估算方法［22］，具體公式為：

其中，CEi為碳排放量的估算值；i為化石能源的種類，i=1，2，…，8；Ei為化石能源的消費量；SCCi為化石能源的折標煤系數；CEFi為碳排放系數，見表1所列。

表1 化石能源的折標煤系數和碳排放系數

碳排放強度是二氧化碳排放量與GDP經濟發展水平之比（萬噸/億元），碳排放強度計算公式為：

其中，CIj代表第j個省的碳排放強度；CEj代表第j個省的二氧化碳排放量估算值；GDPj表示第j個省的GDP，數據來源于《中國統計年鑒》，并按照2005年不變價格進行調整。

三、實證分析

（一）空間計量模型的檢驗

根據Anselin L&Florax R J G M（1995）提出的拉格朗日乘數檢驗（Lagrange Multiplier Test，LM）方法［23］，對中國30個省區碳排放強度的空間效應（依賴性與異質性）進行空間計量檢驗，結果見表2所列。SLPDM模型中三種空間效應均通過0.05顯著性水平的LM檢驗，SEPDM模型中時空固定效應顯著通過0.05顯著性水平的LM檢驗，結合SLPDM模型與SEPDM模型穩健性的檢驗結果，可以完全拒絕非空間性面板OLS。同時，聯合顯著性檢驗似然比（Like?lihood Ratio，LR）結果顯示空間固定效應（Spatial Fixed Effect）和時間固定效應（Time Fixed Effect）的P值均小于0.01，拒絕非時空固定效應的原假設，進一步選擇時空固定效應模型刻畫各省區碳排放強度的演進特征。

從空間隨機效應（Spatial Random Effects）與時間固定效應（Time Fixed Effect）的Wald和LR檢驗結果來看，空間隨機效應杜賓模型的相關系數在0.01水平下顯著，進一步Hausman檢驗P值也支持選擇SD?PDM模型，見表3所列。

表2 中國碳排放強度SLPDM與SEPDM的LM檢驗結果

表3 中國碳排放強度SDPDM的估計結果

中國各省區碳排放強度具有空間外溢效應，研究過程中，如果不考慮客觀存在的空間相關性，僅僅采用行政區域劃分標準將不能滿足EKC的同質性假設，可能會導致估計結果的偏誤。

（二）收斂類型的檢驗

表4為碳排放強度異質性收斂的檢驗結果。

表4 中國碳排放強度異質性收斂的檢驗結果

全樣本碳排放強度的logt檢驗結果表明：t值為-36.58＜t-critial=-1.65，整個面板數據收斂的原假設（H0）被拒絕，中國碳排放強度不存在整體收斂。當臨界值C*=0時，logt檢驗結果顯示30個省市的碳排放強度存在五個初始收斂類型和一個離散類型，其中，五個初始收斂類型logt檢驗的系數t值都不顯著。進一步類型合并檢驗發現類型三和類型四合并logt檢驗的系數t值大于C*臨界值外，其他類型合并檢驗的logt檢驗系數t值均小于C*臨界值，說明類型三和類型四可以合并為一個新的類型，而其他類型不能合并，保持原來類型狀態。

（三）各類型區域EKC的估計結果

1.各類型區域EKC的存在性

依據PS收斂及合并檢驗結果，將中國30個省碳排放強度劃分為五種類型區域（其中包含一個發散類型），同類型區域內部的碳排放強度數據滿足EKC同質性條件。利用Stata11.0軟件對各類型區域碳排放強度EKC參數進行估計，見表5所列。在考慮面板數據的空間相關性后，中國30個省碳排放強度EKC檢驗中五類區域的經濟增長解釋變量一次項lnGDP?PC及其二次項（lnGDPPC）2的估計系數均達到1%顯著水平，EKC估計結果十分穩健。五種類型區域lnGDPPC系數均為正數且（lnGDPPC）2系數均為負數，說明碳排放強度空間面板數據EKC假設成立，進一步計算出各類型區域碳排放強度拐點的人均GDP水平，其中D類型與E類型區域的各省區已經抵達碳排放強度EKC拐點，碳排放強度達到峰值后趨于減少。由于各類型區域在結構變動、能源強度、人口規模等方面的異質性，使得各類型區域之間碳排放強度拐點位置以及達到拐點的時間存在差異，其中A類型區域、B類型區域與C類型區域還未達到拐點，中國整體經濟發展位于EKC的左半段。

表5 中國碳排放強度的分組結果及EKC檢驗

2.各類型區域達峰的時間預期

基于GDP修正對中國經濟評價的重要性，根據中國30個省區1995-2015年間人均GDP的實際增長率以及“十三五”期間中國經濟增長率為6.5%的目標，采用楊緬昆（2006）提出的GDP修正方法［24-25］基于各類型區域2015年以后的實際人均GDP增長率估算各省區碳排放強度達峰時間，見表6所列。目前，D類型區域中北京（2008年）、上海（2008年）、江蘇（2012年）、浙江（2013年）和廣東（2015）已經全部達到碳排放強度的拐點；E類型區域的寧夏2014年抵達碳排放強度的拐點。C類型區域包含15個省區，其中天津（2008年）、遼寧（2011年）、山東（2012年）、福建（2012年）、湖北（2015年）和吉林（2015年）抵達碳排放強度的拐點，另外，陜西、湖南、海南3個省區接近碳排放強度的拐點，同時注意到四川、河南、廣西、安徽、江西、黑龍江6個省區經濟發展位于EKC的左半段且距離EKC拐點較遠。B類型區域包括5個省區，其中，內蒙古（2010年）和重慶（2014年）已經達到碳排放強度的拐點，新疆和河北2個省區接近碳排放強度的拐點，但是，甘肅和云南距離EKC拐點較遠。A類型區域包括3個省區，其中，青海省（2015年）已經抵達碳排放強度的拐點，山西2015年人均35 094.8元/人，已經接近碳排放強度的拐點，但是，貴州2015年人均GDP為29 938.54元/人，與EKC拐點存在著較大差距。根據中國“十三五”期間預期6.5%的經濟增長率，中國碳排放強度將在2020年前抵達EKC拐點，研究結果與林伯強等（2009）提出中國碳排放EKC的理論拐點為2020年左右的結論趨同［26］，但是其估計的拐點（人均GDP 37 170元/人）沒有考慮到各省區碳排放強度的異質性收斂及路徑性差異。

表6 中國碳排放強度峰值的時間估計

四、研究結論及政策啟示

本研究在測算1995-2015年中國碳排放強度省際面板數據的基礎上，采用異質性PS收斂法將30個省區劃分為五種類型，構建符合EKC的同質性假設的空間面板數據計量模型，對中國碳排放強度EKC曲線進行實證檢驗及拐點估計。研究結果表明：考慮空間相關性后，中國碳排放強度EKC曲線的估計模型更加穩健，空間杜賓面板數據模型檢驗結果顯示五種類型區域碳排放強度EKC的假設成立。就目前而言，中國碳排放強度整體上仍處于EKC曲線左側的上升階段，不同地區碳排放強度拐點及時間路徑差異較明顯。在“十三五”期間中國經濟增長率為6.5%的目標條件下，模型估計結果進一步證明中國將在2020年實現碳排放強度與經濟增長的“脫鉤”。政策啟示如下：

中國梯度發展模式既為中國長期經濟發展創造波浪式的后勁與潛力，同時也將延長經濟增長的過程。區域間及區域內經濟發展的疊加效應決定著中國整體的碳排放達峰目標，不同經濟發展階段的省區實現碳排放強度峰值的時間存在較大差異，峰值前后通常需要相當長的時間積累期。目前，中國經濟發達的省區已經率先實現碳排放的達峰目標，但是如果經濟落后的省區不能如期抵達峰值，必將影響全國碳排放峰值的時間和目標。因此，中國差異化碳減排政策應該根據各類型區域經濟增長與碳排放的發展階段，促進異質性類型區域實現碳排放強度收斂于穩態，大幅度提高生產率及減排效率，保證經濟發展的同時分區域有重點地控制并減少碳排放總量，進而確保各省區能夠根據地區發展實際科學落實國家節能減排任務。

從各類型區域以及各省區經濟增長與碳排放強度的EKC曲線拐點來看，中國政府應積極采取措施促使碳排放EKC曲線變化更加平緩。根據經濟發展基礎薄弱以及后發優勢特點的省區，通過政府引導作用改變地區碳排放強度EKC的轉折點，進而扭轉中國經濟增長導致環境惡化的不利局面。針對經濟發展基礎雄厚以及要素稟賦充裕的省區，通過技術創新政策強化新能源開發與利用，逐步推進高碳排放產業發展向“微笑曲線”（Smiling Curve）兩端延伸；同時，對于經濟發展相對滯后的省區，著力建設低碳排放產業發展模式和低碳基地，實現集約式經濟發展發展模式的轉型。

注釋：

①通過蒙特卡羅模擬實驗，建議在T＜50情況下，r=0.3是一個比較合理的選擇。

［1］Grossman G M，Krueger A B.Environmental Impacts of a North American Free Trade Agreement［R］.New York：Na?tional Bureau of Economic Research，1991.

［2］Sanjeev K S.The Environmental Kuznets Curve（EKC）：a logistic curve？［J］.Applied Economics Letters，2004，11（7）：449-452.

［3］List J A，Gallet C A，Craig A G.The Environmental Kuznets Curve：Does One Size Fit All？［J］.Ecological Eco?nomics，1999，31（3）：409-423.

［4］Jalil A，Mahmud S F.Environment Kuznets Curve for CO2，Emissions：A Co-integration Analysis for China［J］.Energy Policy，2009，37（12）：5167-5172.

［5］宋濤，鄭挺國，佟連軍.基于Weibull函數和Gamma函數的環境污染與經濟增長的關系［J］.地理研究，2007，26（3）：569-576.

［6］李國志，李宗植.中國二氧化碳排放的區域差異和影響因素研究［J］.中國人口·資源與環境，2010，20（5）：22-27.

［7］鄧曉蘭，鄢哲明，武永義.碳排放與經濟發展服從倒U型曲線關系嗎——對環境庫茲涅茨曲線假說的重新解讀［J］.財貿經濟，2014（2）：19-29.

［8］趙桂梅，陳麗珍.非線性視域下工業污染排放的EKC檢驗［J］.工業技術經濟，2015，34（8）：12-17.

［9］沈能，王艷.中國農業增長與污染排放的EKC曲線檢驗：以農藥投入為例［J］.數理統計與管理，2016，35（4）：614-622.

［10］戴彥德，朱躍中，白泉.中國2050年低碳發展之路——能源需求暨碳排放情景分析［J］.經濟研究參考，2010，（26）：2-22.

［11］鄧柏盛，宋德勇.我國對外貿易、FDI與環境污染之間關系的研究：1995-2005［J］.國際貿易問題，2008（4）：101-108.

［12］鄧吉祥，劉曉，王錚.中國碳排放的區域差異及演變特征分析與因素分解［J］.自然資源學報，2014，29（2）：189-200.

［13］渠慎寧，楊丹輝.中國廢棄物溫室氣體排放及其峰值測算［J］.中國工業經濟，2011（11）：37-47.

［14］何建坤.《巴黎協定》新機制及其影響［J］.世界環境，2016，156（1）：16-18.

［15］柴麒敏，徐華清.基于IAMC模型的中國碳排放峰值目標實現路徑研究［J］.中國人口資源與環境，2015，25（6）：37-46.

［16］王萱，宋德勇.碳排放階段劃分與國際經驗啟示［J］.中國人口·資源與環境，2013，23（5）：46-51.

［17］韓永輝，李青，鄒建華.基于GPCA模型的中國省域生態文明治理評價研究［J］.數理統計與管理，2016，35（4）：603-613.

［18］張成，史丹，王俊杰.中國碳生產率的潛在改進空間——基于外部環境和內部管理視角［J］.資源科學，2015，37（6）：1218-1229.

［19］Phillips P C B，Sul D.Transition Modeling and Economet?ric Convergence Tests［J］.Econometrics，2007，75（6）：1771-1855.

［20］Maddison W P，Knowles L L.Inferring Phylogeny Despite Incomplete Lineage Sorting［J］.Systematic Biology，2006，55（1）：21-30.

［21］Elmhurst J P.Spatial Panel Data Models［M］.Berlin：Springer Berlin Heidelberg.2014：37-93.

［22］Amstel A V.IPCC 2006 Guidelines for National Green?house Gas Inventories［M］.Kanagava：The Institute for Global Environmental Strategies，2006.

［23］Anselin L，Florax R J G M.Small Sample Properties of Tests for Spatial Dependence in Regression Models：Some Further Results［M］.Berlin：Springer Berlin Heidelberg. 1995：21-74.

［24］王紅茹，錢穎一，賈康，等.GDP修正對中國經濟有何影響？［J］.中國經濟周刊，2006（1）：70-71.

［25］楊緬昆.綠色GDP和環保活動核算——兼論GDP修正中的方法論問題［J］.統計研究，2000，17（9）：10-13.

［26］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.

Research on the Decoupling Effect of Carbon Emissions Intensity in China Based on the Heterogeneity Convergence

ZHAO Gui-meia,b,CHEN Li-zhena,b,SUN Hua-pinga,b,ZHAO Gui-qinc
(a.School of Finance and Economics;b.Institute of Industrial Economics;c.School of Jingjiang,Jiangsu University,Zhenjiang 212013,China)

On the basis of the measurement of 30 provinces’carbon emissions intensity from 1995 to 2015,The paper determines the“club convergence”by the PS test method of heterogeneity convergence,builds up the spatial panel data econometric model,and esti?mates empirically the inflection point of EKC curve and the time of peak for the carbon emissions intensity of various regions.During the“13th Five-Year”,if it is estimated that the target of economic growth is up to 6.5%,the results further prove that the overall“decou?pling”of carbon emissions intensity in China will be realized by 2020.Some developed provinces and regions have been the first to achieve the goal of the peak of carbon emissions intensity,but if some less-developed provinces cannot reach the peak,that will be bound to the peak time and target of carbon emissions in China.In view of the inflection point of EKC curve,the government should implement some policies to reduce the carbon emissions according to the stage of regional economy and carbon emissions of various types.At the same time,the government should guide and promote carbon emissions EKC curve to be more gentle,control and reduce carbon emissions while marntaining regional economic development,and ensure that each province can implement the national task of energy-saving and emission reduction according to the regional development.Finally,the government should improve the efficiency of resource utilization, promote the heterogeneous region to converge to the common steady state,so as to reverse the condition that the economic growth leading to the deterioration of environment in China.

carbon emissions intensity;PS convergence model;EKC spatial econometric method;decoupling effect;differentiated carbon emissions reduction

F062.1；F062.2

A

1007-5097（2017）04-0097-07

［責任編輯：歐世平］

10.3969/j.issn.1007-5097.2017.04.014

2016-11-29

教育部人文社會科學規劃項目（15YJA790006）；江蘇省研究生科研創新計劃項目（KYZZ_0293）

趙桂梅（1979-），女，黑龍江牡丹江人，講師，博士研究生，研究方向：生態環境系統工程；

陳麗珍（1957-），女，湖北武漢人，教授，博士生導師，研究方向：國際經濟技術合作，國際企業管理；

孫華平（1979-），男，山東兗州人，副教授，博士后，研究方向：國際經濟學，產業經濟學；

趙桂芹（1976-），女，黑龍江牡丹江人，講師，經濟師，碩士，研究方向：空間統計與計量研究。