居民能耗碳強度測算及其空間影響研究

丁凡琳 陸軍

摘要：本文以世界第二大碳排放來源——居民生活能耗為研究對象，在估算2007—2016年間中國285個地級市居民能耗碳強度的基礎上，通過自相關檢驗論證了其空間相關性，并引入改進的STIRPAT模型進行了空間計量分析。結果表明：城市居民能耗碳強度存在時空上的路徑依賴，且人口規模擴張和城市產業結構升級對緩解城市碳強度具有顯著效果，并能夠產生溢出效應減弱臨近城市碳強度;財政支出與外商直接投資對區域減碳的作用效果相異，科技支出占比的增加更能降低碳強度。為此，提出加強城市間碳減排政策聯動，合理控制人口規模，積極推進產業結構優化升級，適時增加財政投入以鼓勵節能技術創新，以及合理引導外商投資方向等建議。

關鍵詞：碳強度;居民生活能耗;空間影響;碳排放;人口規模;產業結構

文獻標識碼：A

文章編號：100228482020（02）009212

開放科學（資源服務）標識碼（OSID）：

全球氣候變暖已成為人類社會面臨的最嚴峻挑戰之一。世界氣象組織于2017年發布的《全球溫室氣體公布》顯示，2016年全球大氣中二氧化碳（CO2）濃度達到80萬年來的最高水平，全球處于氣候持續變暖的危險之中。在全球每年排放的CO2氣體中，有90%以上與燃燒化石燃料有關？其中有76%來源于人為活動所產生的碳排放[1]。在國際能源署（IEA）2018年發布的《來自燃料燃燒的二氧化碳排放2018：回顧》報告中提到，2016年全球燃料燃燒產生的CO2排放量為3231億噸，同比增長01%，其中與能源消耗有關的排放量增長了126億噸，并在2018年將仍以大于1%的速率保持其上升趨勢[2]。面對如此嚴峻大氣危害，控制化石能源的碳排放量以降低對全球氣溫變暖的威脅，已成為全球各國的基本共識。

中國自2007年起已成為全球第一碳排放國。據中國環境部環境規劃院2014年發布的《中國環境經濟核算報告（2004—2010）》》顯示，碳排放是中國PM2.5和PM10的主要來源之一。自2004—2010年間，中國因空氣污染導致的提早死亡人數達到35—50萬人，造成健康經濟損失接近同期GDP的1%。面對如此嚴峻的碳排放威脅，中國政府在近幾年對碳減排給予了充分重視。在2015年簽訂的《巴黎協議》中，中國政府承諾到2030年實現單位GDP的二氧化碳排放量比2005年下降60%～65%。這表明中國將在工業化城鎮化過程中同時實現低碳綠色轉型任務，是中國實施碳減排的階段性目標，更體現出中國政府致力于減緩全球變暖趨勢的決心。

城市是人類活動最為集中的區域，產業與人口的集聚在迅速帶動區域經濟增長的同時，也伴生成為能源消耗和溫室氣體排放的重點和集中區域[3]。據估算，城市每年的能源消耗量占到全球近67%，產生的CO2達全球總量的71%[4]。我國正處于城鎮化快速發展的階段，產業集聚使城市的能源消耗量不斷增加，導致溫室氣體排放量的逐年加劇;城市居民生活水平的提高也拉動了對能源消費品的需求，與居民生活相關的能源消耗所產生的碳排放量已成為僅次于工業能源消費的第二大溫室氣體排放部門[5]。由于大氣具有流動性，都市圈內中心城市碳排放所產生的危害存在溢出效應，也會影響邊緣城市甚至周邊其他都市圈的環境與生態系統。因此，為緩解城市碳排放所引起的連帶影響，評估城市居民能耗碳排放的程度及其空間影響，并實施有針對性的區域性減排措施是當務之急。同時，由于居民的消費行為受其偏好和效用的影響，能源類商品相似性高、替代性強的性質使居民對某一特定種類的能源需求彈性大，從能源消費角度分析城市碳排放的強度與影響，進而對居民行為進行有針對性的引導與干預，在不影響經濟發展進程的同時，對實現城市碳減排目標具有一定的指導意義[6]。

一、碳排放強度的概念及研究進展

碳強度是國際通用的衡量能源利用質量和碳排放效率的重要指標之一，目前被多國學者用于分析城市在經濟發展進程中的環境代價[78]，計算公式為：區域碳排放總量/區域GDP×100%，其大小取決于碳排放系數、能源結構與消費總量，并一般會隨著技術進步和經濟增長而呈下降趨勢。我國的“十二五”“十三五”規劃均將全面降低碳強度納入下一個五年計劃的重要目標，體現了中國政府進行節能減排的力度與決心。

（一）估算方法

對測算碳排放強度的研究文獻，均以測算能耗碳排放總量為基礎展開。目前對居民能耗碳排放的范圍界定和能耗測算，主要基于《IPCC溫室氣體排放清單指南》中用于測算能源消耗CO2排放量的碳排放系數法。Liu等[9]運用這一方法測算了1985—1995年我國居民消費CO2排放水平，并得到居民直接能源消費是影響我國溫室氣體排放重要因素的結論;Carolina[10]在估算城市居民能源消費所產生的碳排放量的基礎上，通過聚類分析證實了該類碳排放往往被各國政策制定者所忽略，且呈逐年升高態勢的事實;張艷等[11]結合城市居民能源消耗特點，將碳排放源具體歸納為交通、取暖、炊事和家庭電器耗電等，并基于這一方法計算出中國地級市在2008年的碳排放水平。

基于碳排放系數演化而來的結構分解法（SDA）的應用也較為廣泛。該方法由Leontief[12]基于一般均衡理論提出，以投入產出表為基礎對包括碳排放在內的產業部各類產品進行分解計算。Lenzen[13]利用IO原理從需求角度對澳大利亞的溫室氣體排放行為進行了估算，得出居民的能源消費是城市碳排放主要來源的結論;Papathanaspoulou[14]運用同樣的方法對希臘居民碳排放進行了估算，證實了1990—2006年希臘碳排放量的增長有60%歸因于居民能源消費。然而，中國一般每五年編制一次投入產出表，時間跨度較長，難以用于對時空影響進行演化分析。LMDI分解法基于SDA提出，其取對數平均值的原理使居民能耗碳排放的估算不再受投入產出表時間間隔的限制[15]，目前被很多中國學者應用于對碳排放及其影響因素的測算中。然而，LMDI分解法仍是從生產角度基于能源消耗產業的投入與產出來計算產品的直接或間接碳產生量，與需求端的居民能耗碳排放仍存在出入。同時，基于這一方法進行的影響因素選擇具有一定局限性，其注重時間序列分析的方法在對空間相關性分析上也受到限制。

此外，以調研數據為基礎進行的對微觀個體碳排放的估算，比較具有代表性的為生命周期評價法和碳足跡計算法。生命周期法一般與投入產出法配合使用，以估算能耗產品在全生命周期內的碳排放水平。借助這種方法，Bin等[1617]以家庭生活為單位估算出樣本能源消費碳排放量，并借此分析引起其變化的動因。相比之下，碳足跡計算法應用較少，主要應用于針對生活用能和交通出行產生的直接碳排放進行估算[18]。

（二）影響因素研究

碳強度作為評價一國碳排放程度的重要指標之一，對其影響因素的分析有助于找到影響其強度變動的根源，從而實施有效的減排機制和措施。在意識到環境對人類生存發展的重要性之后，經濟學家便將環境作為重要的外生因子納入經濟學框架。EKC曲線證實了以區域人均GDP指代的經濟發展水平與部分地區環境污染呈現倒U型關系，并通過在經典的內生增長模型中加入環境及治理因素，從生產角度論證出工業產業結構對碳排放量的影響[1920]。以碳強度為對象的影響因素分析中，Jorgenson等[21]通過分析全球860個城市45年的面板數據，得出人口規模對城市碳排放強度具有正向影響;程葉青等[22]通過對中國31個省區碳強度分布的分析，得出碳強度差異主要由省際差異導致，能源資源稟賦、產業結構和能源消費結構是省區碳強度的決定因素;方文玉等[23]研究發現，人口規模、可支配收入是促進居民生活能源碳排放提升的動因。隨著對城市問題研究的進一步深入，城市化水平和老齡化等因素對居民碳排放的影響也被予以驗證[2426]。

然而，從對碳強度影響因素研究的歸納來看，目前我國對城市居民生活碳強度成因的分析還主要停留于省級層面，對都市圈內城市或都市圈之間相關性的研究較少，忽略了碳排放隨大氣及生產要素流動而產生的空間溢出效應。近幾年，隨著環境經濟地理學的誕生與發展，環境問題研究的視野逐步拓展到區域間，通過經濟與地理學科的交叉分析，為以都市圈為代表的區域環境優化與治理，提供了新的思路。此外，此前關于碳強度成因的研究大多基于生產者角度分析，將污染視為一種生產成本或附屬產品引入經濟理論模型，而忽略了對居民效用所決定的能源終端消費行為的分析，以及其對城市環境治理與技術創新的影響。基于此，本文以城市為研究對象，試圖測算居民生活碳強度并在空間維度下探究其影響因素，以期為新時代背景下我國都市圈節能減排戰略的制定，提供實證依據。

二、研究模型與方法

馬爾薩斯人口論認為“人口的極限增長是導致資源匱乏的關鍵因素”，是人們關注環境問題“因何而生”的開端。人口增長論進一步將環境污染歸咎于人口的集聚，而這種影響是最明智的管理技術也無法避免的[27]。20世紀70年代，Ehrlich等[28]為考察環境變化的決定性因素，創造性地提出了環境的多元影響因素模型框架：I=PAT（其中，I、P、A和T分別表示環境影響或壓力、人口、富裕水平以及技術水平），將環境影響視為人口、技術與富裕程度的函數。Rose等[29]修正了該框架同比例線性變化的局限性，得到STIRPAT模型表達式：Ii=aPbiAciTdiei（其中，a為常數項，b、c、d分別為各變量的估計指數）。STIRPAT模型的優點在于以隨機方式表示各變量對環境的沖擊，模型形式便于對變量數量進行增減并進行對數轉換，是定量分析人為驅動力對環境壓力影響的極為有效與直觀的方法[23]。

由于環境具有外部性，理性經濟人沒有主動減少污染或優化環境的動機，導致社會整體效益偏離帕累托最優，呈現市場失靈狀態。經濟地理學將污染解釋為擁擠效應，認為區域內污染的加劇會導致生產要素的空間流動，進而影響周邊區域的生產和治理決策。Walter等[30]基于這一理論，解釋了發達國家的部分產業向發展中國家自發性轉移的現象：即由于國家間環境治理政策的差異，高污染企業會有意識地向治理政策相對寬松的“污染避難所”集聚;Maddison等[3132]在區域環境經濟研究中引入空間因素，得出廢氣排放量的變動很大程度上受到鄰國的影響。因此，在STIRPAT模型基礎上，以環境污染的負外部性和要素的區位選擇理論為依托，結合中國地級市特點對原有宏觀指標進行細化與擴充，并加入對空間相關性的分析，實現對模型的修正和優化。

三、居民能耗碳強度的測算

（一）數據來源及方法

為探究城市居民能耗碳強度及其空間相關性，本文在2008—2017年《中國統計年鑒》《中國城市統計年鑒》《中國能源統計年鑒》及各省市統計公報中相關年份的統計數據進行整理和運算的基礎上，對缺失數據采用插值法進行補足，估算出各地級市內居民生活直接能耗碳排放水平并進行空間相關性檢驗。其中，由于拉薩、三沙、畢節、銅仁與海東等5個地級市個別年份的統計數據缺失，為不失估計結果的一般性，在進行空間分析時予以剔除，最終選取中國285個地級市作為研究對象，圍繞居民能耗碳強度進行測算與分析。

城市居民直接能耗碳排放是指居民生活中用于交通、取暖、炊事、照明及其他家用電器等直接消費的能源所產生的碳排放量[1213]，碳強度是在此基礎上相對于經濟增長的強度。我國疆域幅員遼闊，各地區由于經濟水平、資源稟賦、氣候條件和居住習慣等方面差異，使各地級市間居民直接CO2排放水平與結構均存在較大差異。因此，在結合前人研究結論基礎上，對碳排放估算中涉及到的差異化能源指標進行區域性調整，使估算結果具有可比性和精確性。參考《IPCC國家溫室氣體排放清單指南2006》

（二）碳強度的估算結果

本文通過計算得出，2007—2016年間中國地級市碳強度總體呈逐年升高態勢，2016年平均水平為14953 kg/元，較10年前減少3237%，但同比略有回升，增長了621%;城市間碳強度差異較10年前也有所提升，在2013年達到峰值并自2014年開始呈回落趨勢（見表2）。從碳強度的區域集聚情況來看，碳強度較高的地級市主要集中在我國中東部地區，東北及華北地區是碳強度的高集聚區域（見圖1）。2016年碳強度總體水平呈好轉態勢，東北地區污染強度的明顯下降是主要動因。通過與碳排放絕對值的交叉對比，發現這種變化可能與近年來相關區域的經濟增速有關。雖然居民能耗所產生的碳排放總量有增無減，但經濟的規模性增長使單位GDP承載的碳排放量減少，城市消化自產污染的能力增強。雖然各年份碳強度的測算結果能夠反映城市居民能耗碳強度的時間差異，但無法顯示城市間存在的碳強度空間溢出效應及其影響。

四、模型構建及結果分析

（一）空間相關性檢驗

由于環境問題存在外部性，因而對碳排放強度問題的研究不能僅局限于某一特定空間，而需兼顧其空間關系對整個區域的整體影響。因此，本文引入空間經濟學研究視角，對碳強度的空間相關性進行檢驗和評價，并通過將碳強度的地理空間因素納入模型，使分析結果更貼近現實，在相關減排政策制定時納入對區域整體聯動性和協同性的考量。

1.全局Morans I指數檢驗

在測算各地級市居民能耗碳強度的基礎上，本文通過建立空間權重矩陣并進行相關性檢驗，以探究碳強度的空間依賴關系。由于某些地級市在空間上與其他城市并不存在地理相鄰關系（如拉薩、海口等），但在經濟發展與產業關聯過程中與周邊區域存在相互關聯，因此單純使用地理相鄰原則對空間權重矩陣進行構建尚欠完善。為了能夠反映地理與經濟間臨近關系，在對各類權重矩陣的優劣和應用效果進行綜合比較后，本文選取經過標準化的K=8鄰接矩陣空間相關性指區域間某種地理現象或某種屬性值存在一定程度空間依賴或空間異質，可通過Morans I指數進行測定。其表達式為：

其中，Yi第i個地區的觀測值，Wij為空間權重矩陣。Morans I指數取值在[-1，1]之間，越接近1則表示空間單元越集聚，越接近-1則表示越分散，越接近則表示越趨于隨機分布狀態。

通過運用ArcGIS軟件，得到碳強度各年Z值在0457 756～0668 601之間（見圖2）。相關性檢驗所得到的Z值間均存在正相關性，表明隨著城市化進程的加快，我國地級市居民能耗碳強度的全局自相關性在10年間一直處于較高水平，空間依賴關系也不斷增強。

2.局部GetisOrd Gi檢驗

與全局自相關檢驗側重于描述整體趨勢不同，局部自相關檢驗主要用以揭示可能存在的空間變異性。為了能夠更直觀地反映地級市間的分散與集聚關系，本文采用GetisOrd Gi指數的冷熱點分析，來揭示局部地區是否存在統計顯著的集聚高值或低值。其公式為：

為觀察城市碳排放強度的時空變化情況，本文運用ARCGIS102軟件分別計算其在2007—2016年間的冷熱點分布，發現熱點區主要集中在東北和華北地區地級市，表情該區域的碳排放強度具有較強的局部相關性（見圖3）。通過對比不同年份冷熱點圖發現，冷熱點集聚區域整體格局始終保持不變，表明地級市間居民生活碳排放空間相關性長期存在。從具體省市分布情況來看，碳排放強度的集聚區域基本保持穩定，熱點區主要集中在北部地區，以東北部和內蒙古地區為最，表明該區域存在碳排放的高集聚;但2011年以后，熱點效果在華北地區逐漸減弱，而東北地區仍保持顯著熱點效果;冷點區主要集中在中南部區域，覆蓋省市包括云南、江西、四川、重慶、廣西、湖北、湖南、廣東、海南等，表明該區域的碳排放屬于低集聚。隨著時間的推移，云南和青海、重慶、廣東等省市的這種效果在不斷減弱。因此，從全局與局部檢驗可知，我國地級市之間碳排放強度的空間相關性確實存在。產生這種現象的原因，一方面由于供暖作為城市居民直接能耗碳排放的主要來源之一，在我國南北部存在較大差異，另一方面也受到不同區域經濟條件的影響。

（二）變量選取

為進一步探究城市居民能耗碳強度動因及其空間影響，本文選取2007—2016年中國285個地級市的面板數據，結合環境經濟學理論和經典文獻研究結論對傳統STIRPAT模型進行修正，對涉及的人口、富裕程度和技術水平等基礎變量進行重新界定：加入人口的平方項以觀測其是否對因變量存在指數變化關系，添加

其空間滯后變量以探究人口規模集聚效應對碳排放強度的作用[3436];同時，加入空間滯后因子以表示邊變量間的空間相關性;加入科技支出和外商直接投資和來反映城市的技術水平與開放程度[3738]，通過引入第二三產業產值占GDP比重替代富裕程度，以反映經濟規模與結構[39，20];結合對外國相關研究文獻的參考，加入常用于探討城市問題的土地規模作為控制變量，以增加模型的解釋能力。選取的具體變量及變量說明見表3。

（三）系統GMM估計

為了全面探究相關因素對碳強度的動態影響，避免變量內生性導致的估計偏誤[40]，本文選取基于系統廣義矩估計（系統GMM）的動態面板回歸模型對變量的顯著性和作用方向進行初識，并添加因變量的一階滯后項和內生性的變量滯后項作為工具變量，模型形式為：

在不考慮空間相關性的條件下，由于樣本為平衡端面板數據，可直接進行系統GMM估計，得到的回歸結果見表4。為減少潛在內生性對模型結果的影響，加入因變量intensity的一階滯后項，同時將檢驗后存在內生性的第二產業占比的一階滯后項作為工具變量，代入模型迭代共46次，得到Wald檢驗結果為22944。其中，人口規模及其二次項的估計值雖通過了顯著性檢驗，但與碳強度的關系未呈現倒U型，而是隨著人口規模的增加，單位GDP的碳排放量呈逐步好轉態勢。而第三產業產值占比變量估計系數符號相反，表明第三產業發展對減少城市碳強度具有促進效應。在此基礎上對模型擾動項進行自相關檢驗（ArellanoBond test），得到Z2值為087125（P=03836），未通過5%的顯著性檢驗，可視為基本消除模型內生性。

（四）空間杜賓模型

依托于系統GMM的估計結果，本文在空間計量框架下對模型進行優化，以分析各因素變動對區域的綜合效應。參考Lesage等[41]給出的空間杜賓模型（SDM）對假設進行改進，將變量的空間相關關系引入模型，得到空間計量模型的形式為：

通過對考慮隨機效應和固定效應的空間杜賓模型分別進行回歸（見表4），兩種效應的Hausman檢驗結果為-19391，且隨機效應得到關鍵變量系數的結果優于固定效應，因而選取隨機效應模型結果進行分析，得到除土地規模外其他變量及截距項的估計結果均顯著，其中人口規模、第二產業產值占比和科技支出占比3個變量的空間滯后項結果均通過了1%的顯著性檢驗，表明這些因素存在空間溢出效應，在空間上對周邊區域碳強度存在溢出影響。同時，通過Wald和LM檢驗，得到結果不能同時滿足原假設，因而空間杜賓模型（SDM）不能簡化為空間誤差模型（SEM）或空間滯后模型（SLM）。

空間杜賓模型給出了雙向隨機效應的估計值，但由于模型中納入了變量的空間滯后項，需要對解釋變量的空間影響程度進行進一步探討。因此，本文將模型結果分解為直接與間接效應，以便了解不同變量變動對系統各部分影響的沖擊。從模型結果（表5）來看，intensityt-1的估計系數顯著為正，表明碳強度受本地和周邊城市前置期碳強度的影響;pop的直接效應與間接效應均顯著為負，表明人口規模對城市及周邊區域的碳強度具有減緩效果，即人口規模的增加能夠促進其能耗碳強度的降低;相反，pop2回歸系數并不顯著，表明當前人口規模對城市發展仍具正向效率，且尚未呈現明顯的倒U或N型變化態勢;ser對碳強度存在負向的直接和間接效應，表明服務類產業在過去10年對城市環境的碳排放低于其經濟貢獻，這種對碳強度的削弱效果也會影響周邊區域，而ind卻未表現出這樣的外溢效果;rd存在負向的直接效應為負，表明財政支出比例的增加在一定程度上能夠降低碳強度，但這種創新驅動的空間溢出效果并不明顯;fdi為城市帶來的直接與間接效應均為正，表明樣本期內外國資本的投向以城市高能耗產業為主，帶動了居民能耗碳強度的增加。

（五）模型結果分析

1.人口規模是驅動能耗碳強度變動的根本動因

城市是人口集聚的產物，其經濟與環境的變動歸根結底是人類行為決策的結果。人口擴張帶動了城市經濟和能源消費的增加，在樣本期內呈現對碳強度指標的消減效果。其原因可以用本地市場效應機理予以解釋。中國地級市在近10年仍處于人口增加推進經濟規模增長的上升階段，快速城鎮化為城市生產提供了充足的勞動力供給，社會福利處于邊際效益大于邊際成本的提升階段。都市圈內中心城市的發展會傳導并帶動周邊區域，圈內城市在規模經濟的帶動下表現出同樣的碳強度減少態勢。隨著城市人口密度的增加，擁擠效應使人口集聚帶來的邊際效益遞減、邊際成本遞增，人們便會開始需求更為優化的發展策略，通過改變需求偏好，有意識的進行減少碳源、增加替代能源消費的行為，從需求角度推動區域產業結構的優化調整。

2.產業結構調整有助于緩解區域整體碳強度水平

碳強度能夠將與城市品質相關的碳污染和經濟增長兩類指標納入到同一分析框架中，通過對產業結構變化帶來的邊際成本和邊際效益比較，樣本期內地級市第二、三產業占GDP比重的提升均可實現碳強度的降低，而第三產業占比增加的效果也會外溢到周邊城市。服務業產值占比較高的城市，其產業結構逐步向高科技、低耗能方向調整，對煤炭等化石燃料能源消耗較高的產業對城市經濟貢獻占比減少，甚至被其他產業所替代。此外，服務業的引入提升了城市生活品質，使居民在滿足基本生活需要的基礎上，加速了對城市環境、生態質量的需求。

3.碳強度存在時空上的路徑依賴

城市居民能耗碳強度的路徑依賴特性主要表現在時間和空間兩個維度上。在時間維度上，由于居民對能源消費具有行為慣性，尤其對城市中直接能耗占比較高的電力、供暖、交通等環節存在剛性需求，這種消費粘性在無外力干預下短期內不會劇烈波動，城市碳強度在某一期間內會呈現同趨勢變化。在空間維度上，受到產業集群和消費行為趨同的影響，中心城市與周邊區域的碳強度存在空間依賴關系，其影響不受行政邊界的限制且存在循環累計因果效應，中心城市的能源消費習慣會隨著生產要素的流動影響周邊城市，并在區域內形成空間疊加效果。因此，能源消費的空間關聯性和溢出性會影響所在區域的碳排放決策的特征[42]，使節能減排成為某一時間段內、整個區域需合作應對的問題。

4.中外資本對碳強度的作用效果存在差異

投資為城市經濟增長帶來新的活力，也對居民消費具有拉動作用。然而在對城市居民能耗碳強度的影響上，中外投資顯示出不同的作用效果。以政府科技支出為代表的國內資金對臨近區域的碳強度存在減弱效果。科技投資額度在一定程度上反映了地方政府對科技創新的重視程度，創新是改善產業結構和城市環境質量的動因，而財政支出為產業和技術創新了資金支持和政策導向，有助于實現“波特假說”所認為的，產業的技術創新與競爭，能夠在提升生產效率的同時，驅動生態環境優化。相比之下，樣本期內外商直接投資對地級市居民能耗碳強度具有正效應。這與此前Chaudhur等的研究結論[4344]相一致，認為由于現階段FDI主要投于國內高能耗產業，對碳排放強度具有正向刺激。誠然，文中FDI的行業投向并未細化，其對城市碳排量和經濟增幅的具體影響還需深入探究。

五、結論與政策性啟示

本文以減緩全球變暖為出發點，基于中國政府對于碳減排的宏觀規劃和戰略目標，以作為第二大碳源的城市居民能耗為研究對象，通過對其碳強度指標的測算、空間相關性及成因分析，以期從居民能源消費角度探究降低城市碳強度的方法。通過選取2007—2016年中國285個地級市的面板數據，分別對城市居民直接能源消耗的主要環節進行分類測算，并在此基礎上完成碳強度水平的估計。基于空間溢出效應分析，對碳強度數據的空間相關性進行檢驗，進一步提出相關城市間居民能耗碳強度存在空間收斂性和空間交互效應。為了進一步探究碳強度的成因及影響，實現從能源需求側降低每單位產值的邊際碳排放，以STIRPAT模型框架為基礎進行時空改進與變量優化，根據計量結果從人口、消費、產業結構調整和投資等角度解釋需求側碳強度及其空間影響的成因，為實現城市碳減排治理目標提供新的思考角度。隨著中國城鎮化的快速發展，城市之間生產要素流動和貿易往來愈發密切，高效率的物流網絡和跨區域的產業集群使城市經濟發展不再受行政邊界的限制，空間依賴性不斷增強。環境作為一種公共物品，其外部性特征決定了政府干預的必然性;而其具有的時空相關性及其與經濟增長之間不可分割的緊密關系，使政府的治理決策不僅要考慮對城市本身的影響，更要尊重關聯城市間市場機制的自我選擇與調整。在市場機制作用下，人口與經濟規模變化驅動區域能源消費與要素行為的轉變，以居民能耗碳強度為代表的污染指標的高低是其內在作用機制的外顯結果。

基于模型分析結果，可以從以下幾方面對區域碳排放強度進行控制。首先，基于居民生活能耗碳強度具有空間集聚的特點，在進行減排政策制定時對地理相鄰或具有密切經濟聯系的城市要盡量協調一致，以避免在本城市實施減排政策時，對其他相鄰城市產生“污染避難所”效應，削弱減排政策的效果。應建立健全從區域整體視角出發的減排聯動機制，將碳排放這一具有空間溢出效應的問題在區域內實現效應的內部化。可通過構建聯防聯動機制，重點對碳排放空間相關程度較高的東北、華北地區相關省市實施聯防聯控，通過政策上的統籌協同，以降低區域整體絕對碳排放水平。此外，應避免由于區域間非引導性產業轉移所可能導致的“碳泄漏”現象，把握當前工業化、城鎮化發展契機，在推動經濟增長的同時，通過引入新技術和合理的產業結構調整，以降低碳排放規模，建立區域低碳的可持續發展經濟模式。同時，對于城市而言，人口規模是一把雙刃劍，對城市發展的效益取決于其帶來的邊際經濟收益與邊際環境成本的關系。通過對人口規模和人口結構的合理調控，在不影響經濟發展節奏的前提下，減少邊際產值的碳排放量，降低區域能源消耗，提升城市宜居性和生活品質。其次，產業類型與結構關系到城市經濟增長的效率和可持續性，可以通過招商引資政策，有目的地促進高精尖產業在區域內集群，逐步清退原有產能過剩的高耗能產業，改善城市產業結構，形成以核心城市輻射帶動周邊中小城市產業協同的城市產業網絡體系。這種以高新技術產業帶動建立的產業網絡既能夠增加城市間的經濟聯系，提升區域競爭地位，

新技術的引入能夠有效提升生產效率，更能吸引同類型企業集聚，產生規模效應，

更能夠通過產業結構優化環節對能源的依賴，降低區域碳強度。最后，可以適時增加政府財政支出以鼓勵技術創新與人才培養，合理引導外商資金流向，加強對低碳、新能源、新材料類產業的培養和扶持;通過區域交流與合作推動知識溢出，實現由創新和智慧驅動的內生增長機制。

參考文獻：

[1]IPCC. Climate change 2007： The fourth assessment report of the intergovernment panel on climate change [M]. England： Cambridge University Press， 2007.

[2]International Energy Agency. CO2 emissions from fuel combustion （2018 edition） [EB/OL]. （20181030）. https： ∥doiorg/101787/co2_fuel2018en.

[3]蔡博峰. 中國城市溫室氣體清單研究 [J]. 中國人口·資源與環境， 2012（1）： 2127.

[4]IEA. World energy outlook 2008 [R]. Paris： IEA， 2008.

[5]李科. 我國城鄉居民活能源碳排放的影響因素分析 [J]. 消費經濟， 2013（2）： 7376+80.

[6]Zheng B， Zhang Q， Steven J， et al. Infrastructure shapes differences in the carbon intensities of Chinese cities [J]. Environmental Science & Technology， 2018， 52（10）： 60326041.

[7]Greening L A， Ting M， Krackler T J. Effects of changes in residential enduses and behavior on aggregate carbon intensity： Comparison of 10 OECD countries for the period 1970 through 1993 [J]. Energy Economics， 2001， 23（2）： 153178.

[8]Schipper L， Murtishaw S， Khrushch M， et al. Carbon emissions from manufacturing energy use in 13 IEA countries： Longterm trends through 1995 [J]. Energy Policy， 2001， 29（9）： 667688.

[9]Liu H T， Guo J E， Qian D， et al. Comprehensive evaluation of household indirect energy consumption and impacts of alternative energy policies in China by inputoutput analysis [J]. Energy Policy， 2009， 37（8）： 31943204.

[10]Carolina H. Factors influencing residents energy use-A Study of energyrelated behavior in 57 Swedish homes [J]. Energy and Biuldings， 2015， 87（1）： 243252.

[11]張艷， 秦耀辰， 閆衛陽， 等， 我國城市居民直接能耗的碳排放類型及影響因素 [J]. 地理研究， 2012（2）： 345356.

[12]Leontief W W. Quantitative input and output relations in the economic systems of the United States [J]. Review of Economics and Statistics， 1936， 18（3）： 105125.

[13]Lenzen M. Primary energy and greenhouse gases embodied in Australian final consumption： An inputoutput analysis [J]. Energy Policy， 1998， 26（6）： 495506.

[14]Papathanasopoulou E. Household consumption， associated fossil fuel demand and carbon dioxide emissions： The case of Greece between 1990 and 2006 [J]. Energy Policy， 2010， 38（8）： 41524162.

[15]Ang B W. Decomposition analysis for policymaking in energy： Which is the preferred method？ [J]. Energy Policy， 2004， 32（9）： 11311139.

[16]Bin S， Dowlatabadi H. Consumer lifestyle approach to US energy use and the related CO2 emissions [J]. Energy Policy， 2005， 33（2）： 197208.

[17]Wei Y M， Liu L C， Fan Y. The impact of lifestyle on energy use and CO2 emission： An empirical analysis of Chinas residents [J]. Energy Policy， 2007， 35（1）： 247257.

[18]Padgett J P， Sterinemann A C， Clarke J H， et al. A comparison of carbon calculators [J]. Environmental Impact Assessment Review， 2008， 28（2/3）： 106115.

[19]黃菁， 陳霜華. 環境污染治理與經濟增長： 模型與中國的經驗研究 [J]. 南開經濟研究， 2011（1）： 142152.

[20]原嫄， 席強敏， 孫鐵山， 等. 產業結構對區域碳排放的影響——基于多國數據的實證分析 [J]. 地理研究， 2016（1）： 8294.

[21]Jorgenson A K， Clark B. Assessing the temporal stability of the population/environment relationship in comparative perspective： A crossnational panel study of carbon dioxide emissions， 19602005 [J]. Population & Environment， 2010， 32（1）： 2741.

[22]程葉青， 王哲野， 張守志， 等. 中國能源消費碳排放強度及其影響因素的空間計量 [J]. 地理學報， 2013（10）： 14181431.

[23]萬文玉， 趙雪雁， 王偉軍. 中國城市居民生活能源碳排放的時空格局及影響因素分析 [J]. 環境科學學報， 2016（9）： 34453455.

[24]Nag B， Parikh J. Indicators of carbon emission intensity from commercial energy use in India [J]. Energy Economics， 2000， 22（4）： 441461.

[25]Chikaraishi M， Fujiwara A， Kaneko S， et al. The moderating effects of urbanization on carbon dioxide emissions： A latent class modeling approach [J]. Technological Forecasting & Social Change， 2015， 90（A）： 302317.

[26]Feng Z H， Zou L L， Wei Y M. The impact of household consumption on energy use and CO2 emissions in China [J]. Energy， 2011， 36（1）： 656670.

[27]德內拉·梅多斯， 喬根·蘭德斯， 丹尼斯·梅多斯. 增長的極限 [M]. 李寶恒， 譯. 長春： 吉林出版社， 1997： 810.

[28]Ehrlich P， Holdren J. Impact of population growth in population， resources and the environment [M]. Washington DC： US Government Printing Office， 1972.

[29]Rosa E A， Dietz T. Climate change and society： Speculation， construction and scientific investigation [J]. International Sociology， 1998， 13（4）： 421455.

[30]Walter I， Ugelow J L. Environmental policies in developing countries [J]. Ambio， 1979， 8（2/3）： 102109.

[31]Maddison D. Environmental kuznets curves： A spatial econometric approach [J]. Journal of Environmental Economics and Management， 2006， 51（2）： 218230.

[32]蘇梽芳， 胡日東， 林三強. 環境質量與經濟增長庫茲尼茨關系空間計量分析 [J]. 地理研究， 2009（2）： 303310.

[33]徐盈之， 王書斌. 碳減排是否存在空間溢出效應？——基于省際面板數據的空間計量檢驗 [J]. 中國地質大學學報（社會科學版）， 2015（1）： 4150.

[34]朱勤， 彭希哲， 陸志明， 等. 人口與消費對碳排放影響的分析模型與實證 [J]. 中國人口·資源與環境， 2010（2）： 98102.

[35]李泉， 馬黃龍. 人口集聚及外商直接投資對環境污染的影響——以中國39個城市為例 [J]. 城市問題， 2017（12）： 5664.

[36]胡宗義， 王天琦. 人口結構和經濟增長對碳排放的影響分析 [J]. 經濟數學， 2018（3）： 17.

[37]姚奕， 倪勤. 中國地區碳強度與FDI的空間計量分析——基于空間面板模型的實證研究 [J]. 經濟地理， 2011（9）： 14321438.

[38]張兵兵， 徐康寧， 陳庭強. 技術進步對二氧化碳排放強度的影響研究 [J]. 資源科學， 2014（3）： 567576.

[39]查建平， 唐方方， 別念民. 結構性調整能否改善碳排放績效？——來自中國省級面板數據的證據 [J]. 數量經濟技術經濟研究， 2012（11）： 1833.

[40]Roodman D. How to do xtabond2： An introduction to difference and system GMM in Stata [J]. The Stata Journal， 2009， 9（1）： 86136.

[41]Lesage J， Pace R K. Introduction to spatial econometrics [M]. New York： CRC Press， 2009.

[42]劉華軍， 劉傳明， 孫亞男. 中國能源消費的空間關聯網絡結構特征及其效應研究 [J]. 中國工業經濟， 2015（5）： 8395.

[43]Chaudhuri S， Mukhopadhyay U. Foreign direct investment， environmentally sound technology and informal sector [J]. Economic Modelling， 2013， 31（3）： 206213.

[44]龔新蜀， 王曼， 張洪振. FDI、市場分割與區域生態效率： 直接影響與溢出效應 [J]. 中國人口·資源與環境， 2018（8）： 95104.

責任編輯、校對： 李再揚