中國城鎮化進程對碳強度的影響研究

焦高樂++嚴明義

摘要： 文章以我國2003—2014年30個省級面板數據為研究樣本，考察了各省份城鎮化水平及其碳強度之間的脫鉤關系和關聯規則。首先，對城鎮化水平與碳強度進行測度，并分析城鎮化水平與碳強度之間的區域特征。其次，采用Tapio脫鉤指數和追趕脫鉤指數模型分析二者之間的動態演化軌跡，結果表明我國城鎮化水平上升的同時碳強度不斷下降，大部分省份的碳強度下降幅度大于城鎮化水平增長幅度，并且追趕省份與模范省份的城鎮化水平和碳強度的差距在不斷縮小。最后，采用關聯規則分析各省份狀態轉移結果，結果顯示各省份城鎮化水平與碳強度之間的關系向更優狀態轉移。

關鍵詞： 城鎮化； 碳強度； 脫鉤指數； 關聯規則

文獻標識碼： A 文章編號： 1002-2848-2017（04）-0079-08

一、 引言與文獻回顧

城鎮化是伴隨工業化發展，非農產業在城鎮集聚、農村人口向城鎮集中的自然歷史過程，是人類社會發展的客觀趨勢，是城市發展現代化的重要標志。近年來中國城鎮化速度明顯加快，城鎮化率大約每年提高1個百分點，于2011年首次超過50%，2016年達到5735%，超過世界平均水平，但城鎮化質量并未得到明顯提升，存在諸多問題[1]。城鎮化在帶來基礎設施和居民生活水平提高、產業集聚等正向溢出的同時，也帶來了交通擁擠、污染加劇等一系列“城市病”，特別是溫室氣體排放已經成為中國城鎮化下一階段急需解決的核心問題之一。李克強總理在2016年政府工作報告指出，2016年的重點工作之一需要深入推進新型城鎮化，以及加大環境治理力度[2]。但是在保持現階段的經濟較快增長和城鎮化高效推進的同時減少碳排放則較為困難，因此尋求通過技術手段降低碳排放即降低碳強度則成為了重中之重[3]。

碳強度指單位GDP的二氧化碳排放量，城鎮化對碳強度的影響路徑較為復雜，主要通過貿易、生產、生活、技術、價格等要素直接或間接作用于碳排放，從而對碳強度產生影響。國內外學者關于城鎮化與碳強度進行了廣泛的研究。

從國外相關參考文獻來看，Satterthwaite研究了1980—2005年間世界各國碳排放增長與人口增長及人口城鎮化之間的關系，發現人口增長驅動了溫室氣體排放，而且消費水平的提高也同樣影響碳排放的增長[4]。Pachauri和Jiang對中國和印度兩個最大的發展中國家居民生活方式進行了研究，對城鎮化質量進行了對比分析[5]。Poumanyvong和Kaneko利用99個國家30年的面板數據研究了在不同時期城鎮化水平的高低以及其對碳排放的作用機理，研究結果表明，能源的消耗和碳排放在城鎮化進程中增長顯著，尤其在中產階級中表現更為顯著[6]。PanJiahua和LiuJie通過將生態文明的概念和原則納入中國的城鎮化，做出了從2020年到2040年中國城鎮化相關的碳預算，提出了相應的控制措施和政策建議目標[7]。Shahbaz分析了1980—2010年羅馬尼亞的經濟增長、能源消費和二氧化碳排放之間的關系，應用邊界測試方法探討三者之間的長期協整，研究證實了民主制度有助于減少二氧化碳排放使用，有助于經濟政策的實施和金融發展[8]。Munasingh認為發達國家通常會使用可再生能源和清潔技術，新興經濟體由于可再生能源和清潔技術的相對落后造成了更高的碳排放水平，表明碳排放與人均收入水平成正比，同時碳強度不斷下降[9]。Sayed和Sek使用部分發達國家和發展中國家1961—2009年的面板數據，利用環境庫茲涅茨曲線假說證明在城鎮化與碳排放的關系中，發達國家有更高的倒U型曲線的拐點，而發展中國家有更高的倒U型曲線的轉折點[10]。Tiwari和Shahbaz通過調查印度煤炭消耗量，經濟增長、貿易開放和二氧化碳排放之間的相關數據，結果顯示上述變量之間存在長期的協整關系[11]。

國內相關研究成果也較為豐碩。林伯強等人運用協整分析等方法研究發現，源于城鎮化的影響，碳排放逐漸增加，能源的消耗也不斷升高，而且城鎮化質量欠佳[1213]。彭希哲和朱勤利用中國1980—2007年相關面板數據，運用拓展的IPAT模型研究表明，碳排放主要受到經濟發展水平、人口規模、城鎮化程度三個因素的影響，而且經濟發展水平和城鎮化程度對碳排放的影響大于人口規模變化對碳排放的影響[14]。王倩等基于中國1978—2012年數據構建的誤差修正模型證明，雖然短期內城鎮化發展會增加碳排放，但從長期效應看卻有助于碳減排，認為在城鎮化過程中住房與能源消費的增長會增加碳排放[15]。萬宇艷基于1971—2012年16個新興發展中國家的跨國樣本，采用異質性面板模型檢驗了城鎮化和碳排放的定量關系，結果表明新興發展中國家的城鎮化和碳排放之間主要呈現正向關系，但同時顯現出負向影響的跡象，收入、人口和能源密度對碳排放均呈現出顯著的正向影響，且短期效應大于長期效應，指出轉變經濟發展方式、促進產業結構升級、優化能源結構、加強低碳考核是實現中國城鎮化可持續發展的有效路徑[16]。黃娟和張新平認為中國特色新型城鎮化必須適應生態文明建設的時代要求，走生態美麗、生產發達、生活美好的生態城鎮化道路，所以城鎮化與碳排放的協同發展則是必由之路[1718]。

通過對現有研究成果的梳理，可以發現，關于城鎮化和碳排放的相關研究主要集中在人口城鎮化和碳排放量的研究上，而且運用的方法都較單一，這并不能反映城鎮化和碳排放的更深層次關系。本文擬對此進行更深入地研究，分別從以下三個方面進行：第一，對城鎮化從人口、經濟、社會和空間四個方面進行測算，同時對碳排放采用相對指標碳強度；第二，使用脫鉤指數分析城鎮化與碳強度之間的關系；第三，運用關聯規則分析脫鉤狀態的轉移過程。二、 城鎮化及碳強度的數據測度

（一）測度指標體系構建與數據來源

1.城鎮化水平測度指標體系

本文從人口、經濟、社會、空間等四個方面出發構建測度城鎮化水平的指標體系[13]，指標體系由24個指標組成，具體見表1。endprint

本文采用標準化的方法處理原始數據，該方法之間的差異信息可以消除量綱和量級在各省份的影響，同時保留相應的數據變量，具體來說，正指標和負指標標準化的公式分別為：

z′ ij=zij-minZijmaxZij-minZij，

z′ ij=maxZij-zijmaxZij-minZij

式中，z′ ij為無量綱化處理后的標準化數據變量；zij為原始數據；minZij和maxZij分別表示同一年份所有省份對應原始數據的最小值和最大值。

2.碳強度指標體系

碳排放量的計算采用聯合國指定的《2006年國家溫室氣體清單指南》提供的碳排放量計算方法，根據《能源統計年鑒》中的20種能源最終消費量，計算中國的碳排放量，其中原煤、原油、天然氣為一次能源，其余為二次能源。碳強度由碳排放量除以GDP得出。

（二）測度方法與結果

主成分分析法和因子分析法是根據數據的特點來確定權重，與其他方法相比更科學，可以避免指數與主觀權重的高度相關性。但主成分分析法比因子分析法更能夠反應出各個維度內不同指標的量化結果[1920]。因此，采用主成分分析法對城鎮化水平與碳強度相關指標進行計算，最終得到2003—2014年各省份城鎮化水平及其碳強度的最終指數[21]。2003年和2014年各省（市、自治區）二者的變化如圖1所示。

圖1 2003年與2014年各省份城鎮化水平及碳強度

由圖1可知，從2003—2014年，各省份的城鎮化水平呈現上升趨勢，而碳強度總體上呈現下降趨勢，說明中國城鎮化質量逐漸提高。各省份城鎮化水平在波動中不斷升高，而碳強度指標卻一直呈現下降趨勢。具體來說，2003—2014年間，城鎮化水平最高的五個省市依次是廣東（06578）、上海（06397）、江蘇（05672）、山東（05106）和北京（04766）；碳強度指標最低的五個省市是江蘇（00118）、廣東（00496）、上海（00601）、浙江（00609）、和北京（00786）。同時，從圖中可以看出各省份的城鎮化水平及碳強度之間的關系存在異質性，如江蘇、廣東、上海等省市的城鎮化水平較高，但它們的碳強度較低。所以有必要進一步分析各省份城鎮化水平及碳強度差異性及動態變化特征。

全國及東中西部三大區域城鎮化與碳強度的平均水平如圖2和圖3所示，從全國來看，城鎮化水平從2003年的02871增加到2014年的03461，碳強度從2003年的04641下降到2014年的02321；就東中西三大地區差異來看，東部地區的城鎮化水平均值為04331，高于中西部地區；西部地區的碳強度均值為03055，高于中東部地區；中部地區的城鎮化水平和碳強度均值分別為03265和01323。

（三）城鎮化水平與碳強度的區域特征分析

對全國及東中西部城鎮化水平和碳強度的變化差異進行分析，表2給出了中國整體和東中西區域分別在2003—2008年、2009—2014年和2003—2014年三個時間段的平均增長率及東中西區域與全國平均水平的差異。由表2可知，從整體趨勢來看，2003—2008年間，城鎮化水平增長率的絕對值明顯小于碳強度增長率的絕對值，而在2009—2014年間，碳強度增長率的絕對值有所下降，而城鎮化水平增長率的絕對值卻有所提高，在整個時間段來看，各區域城鎮化水平增長率的絕對值仍小于碳強度增長率的絕對值。對于碳強度增長率的區域差距來說，東部地區的碳強度增長率的絕對值一直保持最低，西部地區的碳強度增長率的絕對值一直高于全國平均水平。在前期，中部地區的碳強度增長率絕對值低于全國平均水平；在后期，中部地區的碳強度增長率絕對值高于全國平均水平。而東部地區的碳強度增值率的絕對值一直低于全國平均水平。從整個時間段來看，中部地區的碳強度增長率絕對值最高，西部第二，東部第三。

對各省份的城鎮化水平及碳強度分別求2003—2014年的增長率，并計算其均值，結果見圖4所示。觀察可得，城鎮化水平增長率最高的是黑龍江（9458%），其余的前五名依次為甘肅（6723%）、陜西（6033%）、內蒙古（5783%）和江西（541%）；碳強度下降率最高的是上海（7786%），其余的前五名依此為青海（7673%）、寧夏（6795%）、山西（6568%）和北京（6435%）。

城鎮化水平處于較高水平的省份為江蘇和廣東，碳強度處于較低水平的省份為海南和安徽，篩選出處于“雙優”狀態的省市為廣東和北京。從區域差異可見城鎮化水平增長率較低的三個省份分布在東部地區（廣東、上海、山東），碳強度下降率較低的三個省份分布在中東部地區（湖南、福建、山東）。總體來說，中國東部地區的城鎮化水平較高，碳強度較低。

三、 城鎮化水平及碳強度脫鉤分析

（一）脫鉤指數及其測度

在對中國省級區域城鎮化水平及碳強度測算的基礎上，通過對比二者間的變化情況，初步發現省級間城鎮化水平及碳強度兩者間出現同向亦或反向變化。因此，為了更為深刻把握兩者間動態變化軌跡，在本部分將通過構建城鎮化水平及碳強度的Tapio脫鉤指數和追趕脫鉤指數模型來進行深入研究。

Tapio脫鉤指數最早見于Tapio的研究之中。其在對歐洲經濟增長、交通狀況與二氧化碳排放間相關關系的研究中為分析相關變量間的彈性系數關系提出了脫鉤指數，并將脫鉤狀態分為強脫鉤與弱脫鉤[21]；隨著學者們的不斷深入研究，對脫鉤指數模型分類方式進行了不斷拓展。其中，張成基于相對脫鉤和絕對脫鉤，將傳統的八個類別進一步拓展為十個類別，更具科學性、代表性[22]。因此，本文將采用該分類方法對城鎮化水平及碳強度進行脫鉤分析。脫鉤指數和追趕脫鉤指數公式分別為：

式中，Tsit和Trit分別表示i省份在t年的城鎮化水平及碳強度的Tapio脫鉤指數和追趕脫鉤指數；yit和kit分別表示i省份在t年的城鎮化水平及碳強度指標；ymt和kmt分別表示城鎮化水平及碳強度處于“雙優”水平的對標省份的城鎮化水平及碳強度。圖5展示了Tapio脫鉤指數和追趕脫鉤指數的10種類型①。endprint

運用上述公式對中國30個省級區域的城鎮化水平及碳排放的測算，得到30個省級區域每期的脫鉤指數[23]。通過對結果的分析，發現廣東省及北京市的城鎮化水平較高，并且碳強度處于較低水平。所以，通過計算兩省份城鎮化水平及碳強度的均值作為城鎮化水平及碳強度處于“雙優”水平的對標省份的城鎮化水平及碳強度指標，從而測算出其余地區的追趕脫鉤指數，具體測算結果見表3。

從2003—2014年全時段來看，遼寧、上海、廣東、青海等四個省份是衰退式的，其余26個省份皆是擴張式的。具體來講，遼寧、上海、廣東等三個省份是衰退相對脫鉤狀態，脫鉤指數均大于12，青海省為衰退連接狀態，脫鉤指數為08923；其余26個省份均為擴張強絕對脫鉤狀態，脫鉤指數均小于-05。尤其是北京、河北、天津、山東和吉林五省市的脫鉤指數均小于-40，這表明碳強度下降幅度是城鎮化水平上升幅度的四倍以上，其碳強度下降速度較高，城鎮化水平上升速度較慢。各省份具體到分時間段的脫鉤指數是形態各異的，部分省份的脫鉤狀態處于擴張強絕對脫鉤、擴張弱脫鉤兩種狀態（Δk0），城鎮化水平是正增長，而碳強度是負增長。

在2003—2014年間，28個樣本省份與“雙優”模范省份直接的追趕脫鉤關系中有11個省份是衰退式的，另外17個省份是擴張式的，存在Δy<0，也即追趕省份與模范省份之間碳強度差距越發明顯，因此追趕省份的城鎮化水平還存在很大的上升空間。在2004—2014年，天津和浙江兩省份的追趕脫鉤指數處于衰退相對負脫鉤狀態，表明兩省碳強度的差距擴大速度慢于城鎮化水平差距擴大速度；河北、遼寧、上海、江蘇、安徽、河南、內蒙古、湖南和四川等9省份的追趕脫鉤指數處于衰退絕對脫鉤狀態，表明這些省份的城鎮化水平差距與模范省份的城鎮化水平差距不斷擴大，但碳強度的差距在逐漸縮小；福建省處于擴張連接狀態，說明與模范省份相比，不僅城鎮化水平差距逐步縮小，碳強度也呈現出同樣趨勢；其余省份的追趕脫鉤指數處于擴張相對脫鉤狀態，表明城鎮化水平的差距擴大速度快于碳強度差距擴大速度。

四、 關聯規則分析

關聯規則挖掘是數據挖掘中最活躍的研究方法之一，可以用來發現事情之間的依賴或關聯知識，最早是為了發現超市交易數據庫中不同的商品之間的關系。在關聯規則中，有一種涉及時間順序的規則稱為序列關聯規則。一個序列關聯規則的形式如下：A1>A2>…>AnB，其中，前項集A1，A2，…，An和后項集B依時間順序發生（但不一定是相鄰發生，中間可能跳過一些步驟）。支持度定義為數據集中按時間順序出現A1，A2，…，An和B的觀測比例，置信度定義為數據集中按時間順序出現A1，A2，…，An的那些觀測中，之后又出現B的比例[24]。

依據上述序列關聯規則理論，本文將2003—2014年30個省份的脫鉤指數分類狀態作為數據集，按照年度順序，挖掘其中的序列關聯關系，即分析從前一個分類狀態轉移到后一個分類狀態的支持度和置信度。由于每一個分類狀態存在優劣之分，可以進一步分析分類狀態是否向更優的方向轉移。

利用SAS 93軟件，基于Apriori算法分析脫鉤指數的序列關聯規則，分析結果見表4。

表4列出了支持度30%以上的關聯規則，共有14個兩兩關聯規則，最終有5個狀態是衰退的，其中ee保持原狀態不變，而ae往更優狀態轉變，向更優狀態轉移比率為7857%。在24個三步關聯規則中，最終有7個狀態是衰退的，其中e5e與eee保持原狀態不變，而aee與a5e往更優狀態轉變，向更優狀態轉移比率為875%。綜合向更優狀態轉移比率為8304%。

根據以上結果可知，

在支持度與置信度較可靠的基礎上，絕大多數關聯規則顯示向更好狀態轉移。說明中國各省份城鎮化水平與碳強度之間的關系總體上向更優狀態轉移。五、 結論和政策建議

本文以我國2004—2014年30個省份的面板數據為研究樣本，采用主成分分析法測算了各個省份的城鎮化水平，隨后采用Tapio脫鉤指數模型和追趕脫鉤指數模型對城鎮化水平和碳強度二間的動態演化關系進行了分析，研究發現：第一，我國30個省份的城鎮化水平穩步提高，碳強度穩步下降，但總體上來說西部地區的城鎮化水平上升速度最大，中部地區的碳強度下降速度最快。第二，Tapio脫鉤指數模的測算結果表明我國絕對多數省份的脫鉤指數都是擴張式的，碳強度的下降幅度快于城鎮化水平上升幅度，這表明自2004年以來，我國各省份在城鎮化擴張的同時，碳強度也在不斷下降。第三，追趕脫鉤指數模型測度結果表明，追趕省份與模范省份之間的脫鉤指數大部分為擴張式的，即城鎮化水平差距逐步縮小，大部分追趕省份與模范省份的城鎮化水平差距逐步縮小，但碳強度差距卻逐步增加，甚至部分省份的碳強度下降幅度大于模范省份的碳強度下降幅度。最后，通過關聯規則分析脫鉤指數與追趕脫鉤指數的狀態轉移結果，發現我國多數省份向更優狀態轉移。

通過以上分析可知，我國在城鎮化水平提高的同時，碳強度在不斷減少，大部分追趕省份的城鎮化水平和碳強度與模范省份之間還存在差距，同時差距越大也意味著進步空間更大。本文的政策含義為：對于模范省份，應當更加注重城鎮化質量，在經濟發展的同時注重產業結構的調整和布局，逐步健全相關法律法規，從污染源著手控制。一方面，要注重人口城鎮化、經濟城鎮化、社會城鎮化和空間城鎮化的協調統一規劃和布局，不斷優化四者之間的關系，從而提高城鎮化質量。另一方面，要注重環境質量的提高，在推進城鎮化的同時，從宏觀層面對城市規劃和環境治理進行謀劃布局，制定更為嚴格的環境標準，實現生態城鎮化和經濟城鎮化的協調發展。對于追趕省份，除上述兩方面外，還要吸取和借鑒模范省份的經驗教訓，因地制宜的制定生態城鎮化規劃，實現生態環境與城鎮發展的雙贏，在保持本地區生態環境質量的基礎上對城鎮化發展進行布局。參考文獻：

[1] 肖宏偉. 城鎮化進程對我國碳排放的影響及對策建議 [J]. 宏觀經濟管理， 2013（10）： 6668.endprint

[2] 鄧金錢， 何愛平. 城鎮化、地方財政支出規模與城鄉收入差距——基于面板門檻模型的實證檢驗 [J]. 管理學刊， 2016（2）： 3542.

[3] 焦高樂， 嚴明義. 中國城鎮化水平與碳生產率耦合度測度 [J]. 城市問題， 2016（8）： 3238.

[4] Satterthwaite D.The implications of population growth and urbanization for climate change [J]. Environment and Urbanization， 2009， 21（2）： 545567.

[5] Pachauri S， Jiang L. The household energy transition in India and China [J]. Energy Policy， 2008， 36（11）： 40224035.

[6] Poumanyvong P， Kaneko S. Does urbanization lead to less energy use and lower CO2 emissions？ A crosscountry analysis [J]. Ecological Economics， 2010， 70： 434444.

[7] PAN Jiahua， LIU Jie， ZHU Chun. Budgeting carbon for urbanization in China [J]. Wiley Interdisciplinary Reviews （Sep/Oct 2015）： 406409.

[8] Shahbaz M， Lean H H， Shabbir M S. Environmental kuznets curve hypothesis in Pakistan： cointegration and granger causality [J]. Renewable and Sustainable Energy Reviews， 2012， 16： 29472953.

[9] Munasinghe M. Is environmental degradation an inevitable consequence of economic growth： tunneling through the environmental kuznets curve [J]. Ecological Economics， 1999， 29： 89109.

[10] Sayed A， Sek S. Environmental kuznets curve： evidence from developed and developing economies [J]. Applied Mathematical Sciences， 2013， 7（12）： 10811092

[11] Tiwari A K， Shahbaz M， Adnan H， Qazi M. The environmental kuznets curve and the role of coal consumption in India： cointegration and causality analysis in an open economy [J]. Renewable and Sustainable Energy Reviews， 2013， 18： 519527.

[12] 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）： 6678.

[13] 焦高樂， 嚴明義. 技術進步的來源、方向與工業節能減排 [J]. 統計與信息論壇， 2017（4）： 8186.

[14] 彭希哲， 朱勤. 我國人口態勢與消費模式對碳排放的影響分析 [J]. 人口研究， 2010（1）： 4858.

[15] 王倩， 何少琛， 吳承禮. 城鎮化推動碳減排的經濟效應分析 [J]. 經濟縱橫， 2014（12）： 3336.

[16] 萬宇艷. 城鎮化與碳排放： 基于異質面板模型的檢驗 [J]. 內蒙古社會科學（漢文版）， 2014（5）： 104108.

[17] 黃娟. 生態文明時代新型城鎮化道路的戰略思考 [J]. 管理學刊， 2015（1）： 6066.

[18] 張新平. 生態文明視角下新型城鎮化建設的思考 [J]. 管理學刊， 2015（3）： 4045+57.

[19] 成金華， 陳軍， 李悅. 中國生態文明發展水平測度與分析 [J]. 數量經濟技術經濟研究， 2013（7）： 3650.

[20] 鈔小靜， 任保平. 中國經濟增長質量的時序變化與地區差異分析 [J]. 經濟研究， 2011（2）： 2640.

[21] Tapio P. Towards a theory of decoupling： degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001 [J]. Transport Policy， 2005， 12（2）： 137151.

[22] 張成， 蔡萬煥， 于同申. 區域經濟增長與碳生產率——基于收斂及脫鉤指數的分析 [J]. 中國工業經濟， 2013（5）： 1830.

[23] 文魁， 張祖群. 小城鎮： 城市科學合理布局的戰略重點——城市與鄉村兩個維度的經濟學分析 [J]. 管理學刊2015（1）： 5359+77.

[24] 張俊妮. 數據挖掘與應用 [M]. 北京： 北京大學出版社， 2009.

責任編輯、 校對： 李斌泉endprint