城鎮化進程中碳排放影響因素的實證研究

傅雨凝 杜延軍

摘 要：城鎮化與碳排放之間的關系影響到經濟發展、產業結構調整、居民收入增加以及綜合國力增強，研究城鎮化與碳排放之間的關系具有十分重要的現實意義。目前，我國的城鎮化發展平穩有序，同時，碳排放量也急劇增加，如何在發展城鎮化的同時降低碳排放量是亟待解決的難題。本文以1995年至2016年省級面板數據為樣本，構建靜態面板STIRPAT模型和空間面板STIRPAT模型。靜態面板STIRPAT模型表明，人口規模、人均GDP以及能源消費強度與碳排放之間存在正相關關系，城鎮化與碳排放存在倒“U”型關系;空間面板STIRPAT模型在論證上述結論的基礎上還推導出相鄰省份城鎮化率與碳排量存在倒“U”型關系。最后，針對實證結果，提出具有針對性的建議。

關鍵詞：城鎮化;碳排放;靜態面板STIRPAT模型;空間面板STIRPAT模型

中圖分類號：F291文獻標識碼：A文章編號：1008-4428（2019）05-0179-04

一、 研究背景和意義

經濟的巨大進步離不開全球化的快速發展，與此同時，環境的破壞與污染也在進一步加劇。最具代表性的就是溫室氣體二氧化碳的排放日益增多，帶來許多不良后果，如全球氣溫升高、海平面上升、生態環境遭受破壞以及水資源失衡等等。這些不良后果直接導致人類生存環境遭受威脅。政府間氣候變化專門委員會在2007年的綜合報告中指出，截至2004年底，CO2的排放量占世界溫室氣體排放總量的76.7%，二氧化碳排放量過多產生的問題不容忽視，如何控制二氧化碳排放量是世界各國急需解決的一大難題。

中國城鎮化進程的發展經歷過兩個階段。2000年以前，中國的城鎮化進程發展慢，較少數量的農村居民轉變為城鎮居民，城市的地理范圍擴張速度較慢。在2000年以后，中國的城鎮化進程加速，大量農村居民轉變為城鎮居民，城市擴張速度與日俱增，各種城鎮配套設施日益完備，中國的城鎮化進程在不斷加速中前進。隨著城鎮化進程的加速，一方面提高了人民群眾的生活水平，優化經濟產業結構，推動經濟發展。另一方面，城鎮化過程又加快了資源和化石能源的消耗，增加了二氧化碳的排放量，對環境帶來污染。因此，城鎮化是一把“雙刃劍”，如何利用城鎮化的優勢且避免城鎮化帶來的負面影響，是各國亟待解決的問題。

明確城鎮化與二氧化碳排放的關系有利于尋找減少碳排放、加速城鎮化發展的有效措施。國內外很多學者只注重在一個區域內研究兩者之間的關系，局部片面的驗證兩者之間的關系，但是空間計量理論表明，數據間存在空間相關性和空間異質性，由此，可以認為城鎮化對碳排放的影響不僅僅表現在局部地區，相鄰地區城鎮化的發展也會對本地區的碳排放產生影響。

城鎮化與碳排放之間關系的研究可以以STIRPAT模型理論作為基石，加入空間計量的方法，構建空間STIRPAT模型，這樣既可以研究本地區城鎮化與碳排放之間的關系，又兼顧考慮了相鄰地區與碳排放之間的關系。

二、 STIRPAT模型和碳排放研究現狀

（一）STIRPAT模型

Ehrlich和Holden于1971年提出IPAT模型，模型主要用來分析人文因素對碳排放的影響，得到業界認同。但是隨著模型的使用，人們發現該模型存在一定的缺陷。在1994年，Dietz和Rosa對IPAT模型進行了推廣，發展出STIRPAT模型，STIRPAT模型不僅保留了原始模型中的重要變量，并且使得該模型的運用范圍更加廣泛，更加易于實證分析碳排放的影響因素。STIRPAT模型表達式如下：

（二） 碳排放研究現狀

國內外學者對STIRPAT模型進行了大量研究。Shi（2003）以93個國家1975—1996年的數據為樣本，研究結果表明：人口因素對發展中國家二氧化碳排放量的影響比對發達國家二氧化碳排放量的影響更加顯著。Lin.S.等（2009）以1978—2006年的數據為樣本，結合路徑分析法和STIRPAT模型，考察環境污染的影響因素，研究結果表明：人口因素對環境的影響最為顯著，城鎮化水平次之。

宋德勇等（2011）以1995—2008年的省市數據為樣本，采用STIRPAT模型研究省市城鎮二氧化碳排放量和中國整體二氧化碳排放量之間的關系，研究結果表明：省市城鎮二氧化碳排放量與中國整體二氧化碳排放量兩者關系顯著，存在正相關關系。黃蕊（2013）以重慶市1980—2010年能源消費的時間序列數據為樣本，構建STIRPAT模型，采用嶺回歸技術探討富裕程度、人口數量、產業布局、城鎮化率以及能源強度與二氧化碳排放量的關系，結果表明：碳排放量隨著第三產業比重的增加而減少，隨著人口的增加而增加，人口因素是碳排放量最大的正向影響因素。

三、 模型構造

（一）靜態面板STIRPAT模型

基于STIRPAT研究城鎮化與碳排放之間的關系。由于模型1參數是非線性的，因此需要對模型兩邊取自然對數，得到線性模型如下：

模型2中沒有城鎮化變量，為了引入該變量，需要對人口規模進行分解，將人口規模分解成總人口和城鎮化率，分別用P和U表示。居民的富裕程度用人均生產總值PGDP表示，技術水平用能源消費強度EN表示。這樣，STIRPAT模型經過變換可以表示為：

環境庫茲涅茲曲線表明，在經濟發展初期，碳排放量隨著經濟的發展而增加，但經濟發展到一定程度后，碳排放量隨經濟的發展卻減少，二者存在倒“U”型關系。由于經濟的發展水平和城鎮化之間存在正相關關系，為了研究城鎮化與碳排放量之間的關系，可以在式（3）中引入城鎮化率的平方項，表達式如下所示：

通過對人口規模的分解以及參考經濟發展與碳排放之間的關系，構造了模型（4），這一模型由于引入了省份以及年份信息，因此該模型是城鎮化與碳排放的靜態面板STIRPAT模型。

（二） 空間面板STIRPAT模型

靜態面板STIRPAT模型雖然能夠在一定程度上描述城鎮化與碳排放之間的關系，但不足之處在于，它們將各個省份當作獨立對象來考察，這與現實并不相符。由于碳排放在空間上并不獨立，相鄰省份之間碳排放量有相似的增長或下降趨勢，這一點無法在靜態面板中體現。同時城鎮化空間溢出效應的存在，即本省城鎮化率的高低會影響相鄰省份的碳排放量。因此，應該構造更加符合實際情況的模型，將碳排放的空間相關性以及城鎮化空間溢出效應納入模型中，構建空間面板STIRPAT模型。

基于空間計量理論，可設定三個空間計量模型，表達式如下所示：

其中，W表示空間權重矩陣，βi是未知參數，表示Kronecker乘積，其他變量同前。通過構建三個空間計量模型，來考察城鎮化與碳排放之間的關系。

四、 變量說明與數據來源

（一）變量描述

1. 碳排放量

碳排放量無法直接得到，只能通過相關能源數據間接計算得出。獲取煤炭、柴油、汽油、煤油、原油、燃料油、焦炭和天然氣這八種能源的數據，以及相應的碳排放系數，將能源與碳排放系數相乘求和即為碳排放量。碳排放的計算公式為：

2. 人口規模

人口規模用各省的總人數表示。

3. 城鎮化率

城鎮化率用各省的城鎮人口與總人口的比例來表示。

4. 富裕程度

富裕程度用人均GDP來表示。

5. 能源消費強度

能源消費強度用單位GDP能源消耗來表示。

（二）數據來源與處理

本文選擇以1995年至2016年28個省市自治區的面板數據為樣本，綜合評估人口規模、人均GDP、能源消費強度以及城鎮化對二氧化碳排放量的影響。由于存在通貨膨脹因素，因此對人均GDP數據進行了平減。

五、 實證研究

（一）靜態面板STIRPAT模型實證

1. 單位根檢驗

由于本文使用的是時間序列數據，首先需要對變量數據進行平穩性檢驗。表1和表2表示在5%的顯著性水平下，各變量和變量經過一階差分變換后在LLC檢驗、ADF檢驗以及 PP檢驗三種方法下的平穩性檢驗結果。

結果表明，變量在進行一階差分變換之后，表現為平穩，可繼續對模型進行研究。

2. 模型實證

面板數據構造模型主要有兩個選擇，一是固定效應模型，二是隨機效應模型。

需要采用Hausman檢驗方法確定模型形式，檢驗結果如表3所示：

Hausman檢驗的P值為0.013，在5%的顯著性水平下，可以通過檢驗，因此選擇固定效應模型，形式如下：

以1995年至2016年的省級面板數據作為樣本，以廣義最小二乘法作為建模方法，對式（9）進行估計，擬合參數結果如表4所示：

由表4可知，調整后的決定系數為0.862，模型的擬合效果達標。F值為152.414，表明解釋變量總體對被解釋變量影響顯著。解釋變量的P值都小于0.05，表明全部變量都是顯著的。

LnP的系數為1.915，表明人口數量提高1%，碳排放量提高1.915%;lnPGDP的系數為1.273，表明人均GDP提高1%，碳排放量提高1.273%;lnEN的系數為1.308，表明能源消費強度提高1%，碳排放量提高1.308%;U和U2系數分別為1.455和-1.996，表明城鎮化與碳排放存在倒“U”型關系。

由于U和U2的系數一正一負，表明城鎮化率和二氧化碳排放量之間存在倒“U”型關系。在城鎮化發展初期，二氧化碳排放量隨著城鎮化的發展水平提高而增加;若城鎮化的發展水平繼續提升，二氧化碳的排放量會隨著城鎮化的發展水平減少。我們可以理解為，在城鎮化發展初期人們只顧追求經濟快速發展而忽視環境問題，化石能源的頻繁使用，產生大量廢氣導致碳排放量劇增。在城鎮化發展上升到某個特定水平后，社會經濟發展相較之前大幅度提升，為追求高品質的生活，人們更加注重環境保護問題，走可持續發展的道路，環保意識增強，在一定程度上減少了碳排放量。同時，城鎮化的發展也推動了產業結構的調整，技術方面更加傾向于清潔能源技術，這也降低了碳排放量。

在確定城鎮化與碳排放量之間存在倒“U”型關系后，為尋找城鎮化和二氧化碳關系發生變化的拐點，設定只有二氧化碳排放量和城鎮化這兩個變量的模型，不考慮其他因素對碳排放的影響，模型設定如下：

式（10）計算出來的拐點為57.21%，式（9）計算出來的拐點為24.88%，兩者差距較大，說明需要建立更為有效的模型，可考慮空間溢出效應對模型的影響。

（二） 空間STIRPAT的模型實證分析

1. 空間相關性檢驗

構建空間計量模型之前需要對變量進行空間自相關檢驗。本文采用針對全局檢驗的Moran I指數進行檢驗，碳排放和城鎮化率的MoranI指數檢驗結果如表5所示：

表5和表6表明，二氧化碳排放和城鎮化率的MoranI指數的P值顯著為0，且值為正，表示兩者都具有正的空間相關性。

2. 模型檢驗

模型的檢驗思路為：首先檢驗模型的空間性，然后判斷模型是屬于上文討論的空間滯后模型、空間誤差模型以及空間杜賓模型中的哪一個，最后，確定一個最優的模型。為了確定模型是否存在空間性，對數據進行最小二乘擬合，空間滯后擬合、空間誤差擬合以及空間杜賓擬合，四種模型調整后的可決系數分別為：0.862，0.94，0.94，0.94，因此模型存在空間性。

為了在空間滯后模型、空間誤差模型以及空間杜賓模型中選擇最優模型，對模型采取穩健的LM檢驗和Wald檢驗，檢驗結果如表7：

表7表明，除了LM檢驗之外，Wald檢驗的P值均小于0.05，這表示空間杜賓模型是最合適的模型。