低碳經濟視角下區域碳排放時空差異與驅動因素分析

單子丹 項朝霞 李云竹

摘 要： 伴隨內蒙古自治區工業經濟的快速發展，能源消耗與生態環境的矛盾日益凸顯。如何兼顧能源合理消費、生態環境維護及地區經濟的可持續發展成為亟待解決的問題。本文選取2017年內蒙古省101個縣域碳排放數據作為研究單元，采用IPCC方法測量碳排放量，分析時空地理效應在內蒙古碳排放影響因素研究中的作用，探究出縣域之間碳排放量的空間分布差異及驅動因素。實證研究發現：空間經濟計量模型可以很好地應用到省級內部縣域碳排放空間特征分析即影響因素研究;人均GDP、居民消費水平、產業結構和財政收入等均不利于低碳經濟的發展，大力推進新興技術產業發展是推動綠色低碳經濟發展的重要保障。為各縣域及國家低碳經濟發展提供重要的理論意義。

關 鍵 詞： 縣域碳排放;截面數據分析;空間自相關檢驗;多元線性回歸

DOI： 10.16315/j.stm.2020.02.012

中圖分類號： F273.5?? 文獻標志碼：? A

Empirical test and time-space measurement model on carbon emissions

in the background of low-carbon economy：based on the cross-section

data of 101 counties in Inner Mongolia

SHAN Zi-dan1，2， XIANG Zhao-xia1， LI Yun-zhu1

（1.School of Economics and Management， Harbin University of Science and Technology ， Harbin 150040， China;

2.High-tech Industrial Development Research Center， Harbin University of Science and Technology， Harbin 150040， China）

Abstract： With the rapid development of Inner Mongolias industrial economy， the contradiction between energy and energy consumption and the ecological environment has become increasingly prominent. How to balance energy consumption， ecological environment maintenance and sustainable economic development has become an urgent problem to be solved. It selects the carbon emission data of 101 counties in Mongolia in the past five years as the research unit， The IPCC method was used to measure carbon emissions， and the role of space-time effects in the study of carbon emission factors in Inner Mongolia was analyzed to explore the spatial distribution differences and driving factors of carbon emissions between counties.The empirical study finds that the spatial econometric model can be applied to the analysis of the spatial characteristics of the countys internal carbon emissions， that is， the influencing factors; per capita GDP， household consumption level， industrial structure and fiscal revenue are not conducive to the development of low-carbon economy. Vigorously promoting the development of emerging technology industries is an important guarantee for promoting the development of a green and low-carbon economy. It provides important theoretical significance for the development of low-carbon economy in counties and countries.

Keywords： county carbon emissions; cross-sectional data analysis; spatial autocorrelation test; multiple linear regression

氣候變暖在全球十大環境問題中位居首位。近幾十年來，溫室氣體的排放量不斷上升，造成全球氣溫也在持續上升，嚴重影響人類未來可持續發展[1]。我國近兩年多次提出節能減排，明確制定經濟與環境和諧發展的目標與計劃。內蒙古自治區主要以火力發電，是典型的能源消耗大省，能源消費對煤炭的依賴度超過90%，為全國6個依賴程度最高的省區之一[2]。這種過度依賴煤炭的消費結構造成了嚴重的環境問題，最突出表現為碳排放極為嚴重。這是不可持續的能源消費方式。據報道，內蒙古的人均CO2排放量已居全國第一，處于“高碳消耗”狀態，是比較典型的高碳經濟區。其在“十三五”規劃中明確提出加強控制能源消耗總量，實施節能減排策略，并提出減少碳排放的目標，將總碳排放控制任務和強度減少目標具體分解到每個地區;因此，研究內蒙古碳排放驅動因素有著至關重要的實際意義。

目前有關碳排放空間影響因素的研究主要集中在5個方面：碳排放空間分布及驅動因素研究方法進行研究。其具體可分為“因素分解法”、“情景分析法”和“計量模型法”等。指數分解法在當前研究碳排放影響因素中較為常見，其大多采用時間序列數據，因而碳排放水平也大多基于時間順序來進行研究。在應用迪氏指數時，學者們更喜歡對數平均Divisia指數分解法（LMDI）。如曹俊文等[3]分別運用LMDI和M-R分解模型從時間和空間2個角度分析了碳排放差異的驅動效應，結果表明各省份碳排放與平均水平之間存在明顯差異，差異來源主要為第二產業。張克勇等[4]運用LMDI分解法對京津冀2000—2015年CO2排放的空間特征及變化因素進行了研究，結果表明其CO2排放差異不斷擴大，收入效應、能源結構、能源利用效率和交通強度差距是主要原因。許多學者把計量方法和模型結合起來分析影響碳排放的因素，使其結果更加多元化。David等[5]以英國城市中575戶家庭為樣本，通過自下而上的方法估算和分析了花園中的碳排放量以及存儲的有機碳，房屋中使用的能源每年產生的二氧化碳排放量以及通過家庭調查評估了個人交通工具的碳排放，并通過土壤采樣和植被調查估算了有機碳儲存量。

部分學者針對具體產業分析了碳排放空間影響因素。如鄭佳佳[6]利用中國30個省份制造業的碳排放數據，通過Theil指數和空間自相關性分析了其空間分布特征，就其影響因素進行實證研究，結果表明制造業碳排放具有顯著的空間相關性，在區域內和區域間差異均呈現一致的增長趨勢。陳儒等[7]等運用空間分析技術探索了區域農業碳補償的時序特征和空間分布狀態，且運用ESDA空間分析技術發現碳排放與碳匯的空間分布格局呈現出一致性變動特征。

學者就某些特定碳排放影響因素進行了具體分析。如張翠菊等[8]通過1997—2012年的中國省域數據，探析了能源稟賦和技術進步對碳排放強度的空間影響效應，通過空間面板計量模型的實證分析，結果表明能源稟賦正向影響碳排放，技術進步會提高碳排放效率。Xu等[9]利用結構分解分析（SDA）方法，分解了影響中國江蘇省二氧化碳排放量增加的因素，結果發現主要原因為轉移和投資效應。

有引起學者以中國大陸各省為研究載體，重點研究空間碳排放的演化影響因素。武紅[10]基于空間經濟計量理論與方法對中國大陸省級行政單元進行了碳排放時空格局、演變機理等研究。吳賢榮等[11]利用方向距離函數測算了中國大陸31個省區農業碳排放影子價格，計算結果發現中國各省域農業碳減排潛力水平相對穩定，且省區的農業碳減排潛力水平受到相鄰省區的發展情況影響。

除以上研究外，部分學者對碳排放影響因素進行了預測分析。邱立新等[12]基于市群協調發展的角度，應用地理加權回歸模型和一般均衡模型，預測了中國城市群碳排放在未來30年的空間分布特征趨勢和影響因素。王勇等[13]運用拓展的STIRPAT模型對中國碳排放行業及其9個細分行業的碳排放峰值進行了情景預測。Muhammad[14]將STIRPAT模型與協整理論相結合具體分析了分析了城鎮化對CO2排放的影響。

綜合以上研究現狀，目前在針對某一區域碳排放影響因素研究分析時，大多學者采用時間序列數據或面板數據探索碳排放變化趨勢，而忽略了截面數據對碳排放量差異與產生根源的測算效果。就涉及利用空間計量學研究區域碳排放影響因素的文獻而言，大多學者以中國省級或中國地級單位為研究對象，很少針對區域級的縣域作為一個經濟體進行碳排放研究，造成空間計量經濟學的應用范圍在目前相對狹窄，在縣域范圍內研究低碳經濟非常少，而在低碳經濟框架下全面分析縣域經濟的可持續發展更是少之又少;因此，有必要以縣域為研究對象進行碳排放影響因素的具體研究。內蒙古自治區自然資源豐富，人口眾多，如盛產煤炭的鄂爾多斯市、鋼鐵產業發達的包頭市以及人口密集的呼和浩特市等，且其主要依托于火力發電。空間計量是一門新型的邊緣學科，近年在許多領域的運用比較密集，針對內蒙古自治區為典型能源消耗大省這一特殊經濟體，本文將空間地理因素引入到碳排放的影響因素分析中，深入研究內蒙古自治區內部各分支空間上的聯系對其碳排放的影響程度，補充空間計量經濟學的研究范圍，對未來把省級作為一個單位總體來研究其內部各縣域碳排放影響因素提供參考。

1 研究理論與設計

1.1 研究理論

1.1.1 可持續發展理論

可持續發展理論是指既滿足當代人的需要，又不對后代人滿足其需要的能力構成危害的發展。其具體包含3個基本原則：公平性原則。即機會選擇的平等性。可持續發展的公平性原則包括本代人的公平即代內之間的橫向公平和代際公平性，即世代之間的縱向公平性。可持續發展要求當代人在考慮自己的需求與消費的同時，也要對未來各代人的需求與消費負起歷史的責任，因為同后代人相比，當代人在資源開發和利用方面處于一種無競爭的主宰地位。各代人之間的公平要求任何一代都不能處于支配的地位，即各代人都應有同樣選擇的機會空間。對傳統能源而言，當代人不可以不可以無限制的消費，就清潔空氣而言，當代人需要盡量減少溫室氣體排放;持續性原則。資源環境是人類生存與發展的基礎和條件，資源的持續利用和生態系統的可持續性是保持人類社會可持續發展的首要條件。這就要求人們根據可持續性的條件調整自己的生活方式，在生態可能的范圍內確定自己的消耗標準，要合理開發、合理利用自然資源，使再生性資源能保持其再生產能力，非再生性資源不至過度消耗并能得到替代資源的補充，環境自凈能力能得以維持。研究碳排放的核心目的還是要控制傳統能源的消費，因此研究碳排放量是滿足可持續發展理論中的持續性原則的;共同性原則。可持續發展關系到全球的發展。要實現可持續發展的總目標，必須爭取全球共同的配合行動，這是由地球整體性和相互依存性所決定的;因此，致力于達成既尊重各方的利益，又保護全球環境與發展體系的國際協定至關重要。實現可持續發展就是人類要共同促進自身之間、自身與自然之間的協調，這是人類共同的道義和責任。碳排放量的不斷上升將問題愈來愈嚴重，每個人都有義務為降低碳排放做出相應的貢獻。

1.1.2 縣域經濟理論

相比于區域經濟，縣域經濟研究內容更加具體。其是以縣城為中心，涉及到周邊各鄉鎮及農村，是區域經濟理論發展的具體分支。在區域經濟理論發展的基礎上，縣域經濟理論通過統籌及合理配置當地社會資源，根據實際發展情況探索出具有當地特色、適合不同縣級地區發展的縣域經濟發展模式。縣域經濟是國民經濟的基本單元，是宏觀經濟與微觀經濟的結合。其發展涉及到一、二、三產業各部門。縣域經濟的發展是低碳經濟發展的基礎。縣域經濟的節能減排發展是全國乃至全社會節能減排、低碳經濟發展的重要基礎，因此縣域低碳經濟的發展必須得到重視。縣域低碳經濟的發展受到地理位置、科技水平、資源稟賦、人力資源等因素的影響，增加確定碳排放影響因素的復雜性，必須通過經濟學理論方法，探索有不同特點的縣域碳排放影響因素，促進縣域低碳經濟發展。

1.2 研究設計

1.2.1 數據來源及樣本選取

根據碳排放可能影響因素，除了相關研究的方向外，主要選擇以下變量作為影響內蒙古自治區碳排放的主要指標。由于本文研究對象為內蒙古自治區101個縣域，在數據處理過程中需要獲取各縣域具體指標，如指標“居民消費水平”需要用到各縣域T時期的人口數量及居民消費總額，而該項數據不能及時對外公布，因此僅可以選取2017年數據作為最新樣本數據源。數據主要來源于《內蒙古統計年鑒》、《內蒙古經濟社會調查年鑒》、《中國縣域統計年鑒》等。被解釋變量選取內蒙古自治區101個旗縣區的人均碳排放量，記為AC。被解釋變量主要選取以下幾個指標：

1）人均GDP。經濟發展是影響能源消費的主要因素，因此選取內蒙古自治區101個旗縣區人均GDP作為被解釋變量，考察其與人均碳排放間的關系，記作AGDP。

2）產業結構。由于第二產業與能源消費關系較為密切，因此選取第二產業占總GDP比重即二產業結構也作為解釋變量，記作DG。

3）財政收入。各地財政收入的主要依靠產業與該地產業結構及能源消費結構均存在相關關系，因此也作為考察人均碳排放的解釋變量，記作FR。

4）消費水平。各旗縣居民消費水平及購買商品種類等均會直接或間接對人均碳排放產生影響，因此選取消費品零售總額直接反映了一定時期內人民物質文化生活水平的提高情況，是衡量人均碳排放的一個很重要的指標，記作TCG。

5）居民收入水平，城鎮常住居民人均可支配收入可衡量城鎮地區居民收入水平，而城鎮居民收入水平直接影響其消費商品種類，繼而影響其購買商品的排碳量，所以也可作為人均碳排放的衡量指標，記作AUP。

關于數據處理需做以下說明：由于統計年鑒部分縣域數據缺失等原因，缺失數據采取前后兩年數據中位數方法進行補充，因此數據可能存在一些誤差。另GDP數據根據內蒙古各縣域的GDP和區域GDP指數計算GDP平減指數，以消除區域GDP的價格因素，從而計算出各城市的實際區域GDP。最后將除產業結構外其余數據全部作對數處理，剔除數據間的差異性。

1.2.2 研究方法

1）碳排放測算模型。本文采用IPCC提供的方法計算碳排放量，選取具有普遍代表性的一次能源（原煤，天然氣和石油消耗）來測算內蒙古自治區101個縣域的能源消耗量，基礎數據均由2017年《內蒙古省統計年鑒》及《內蒙古省縣域統計年鑒》計算而來，計算公式如下：

Cα=∑ 3 i=1 Ei×Ci。? （1）

其中：Cα是α縣域碳排放總量，Ei是該縣域第i種能源的總消耗量，Ci是第i種能源的碳排放系數（依據國家發改委規定的化石燃料的碳排放系數）。本文主要考慮煤炭、石油和天然氣，因此i的最大取值為3。在計算過程中先將煤炭、石油、天然氣折算為統一計量單位“碳標準煤”，再根據上式計算出內蒙古省101個縣域的碳排放量。

2）全局空間自相關檢驗。在全局空間自相關（Global Spatial Auto-correlation）是基于整體的視角，研究區域內主體活動空間分布情況的一種方法，具體分析依托于空間矢量數據在區域內表現的空間分布特征。MoransI指數常用于全局層面空間的分布特征和模式的測度，反映了全局內相鄰區單元經濟要素的自相關程度。表達式如下：

MoransI= n∑ n i=1 ∑ n j=1 wij（xi-x ）（xj-x ） ∑ n i=1 ∑ n j=1 wij∑ n i=1 （xi-x ）2 。? （2）

設S2= 1 n ∑ i （xi-x ）2，即S代表xi或xj的標準差，則式（2）轉化為

MoransI= n∑ n i=1 ∑ n j=1 wij（xi-x ）（xj-x ） S2∑ n i=1 ∑ n j=1 wij 。? （3）

其中：n是觀察點的數量，wij代表空間權重矩陣中的元素，xi，xj分別表示空間中主體的觀測值。MoransI的取值范圍為[-1，1]。當MoransI的取值處于[0，1]時，全局空間中的屬性之間存在正相關，并且值越大，空間相關性越強，當MoransI的值接近1時，觀測值的屬性顯示該區域具有很強的一致性[15]。

就Morans Ι而言，可以使用標準化統計量Z來測試n個區域的空間自相關性。Z值計算公式如下：

Z= I-E（I）? Var（I）? = ∑ n j≠i，j≠1 wij（d）（xj-x i） Si wi（n-1-wi）/（n-2）? 。? （4）

其中：E（I）以及Var（I）代表MoransI的期望和方差值，其中E（I）=-1/（n-1）。當Z值為正時，表明該空間區域存在正相關，即相似區域具有空間聚集現象;當Z值為負時，表明該區域存在負相關，相似區域趨于分散。Z值為0時，觀測值是隨機分布的。

1.2.3 空間計量經濟模型

空間計量經濟模型的基本思想是通過把空間權重矩陣 W 添加到基本線性回歸模型Y=βX+ε中，將其相關值進行修正，并檢驗經濟單位之間是否存在空間相互作用及相互作用程度的大小。本文引用空間滯后模型（spatial lag model，SLM）和空間誤差模型（spatial error model，SEM），引入空間權重矩陣對初始模型修正，并運用廣義最小二乘法進行估計。

1）空間滯后模型。SLM常用于測量鄰近地區的經濟活動行為對整個區域所產生的影響，一些學者還稱其為混合空間自回歸模型[18]。表達式如下：

y =ρ Wy + X β+ε。

（5）

其中：ε～N（0，σ2In）， y 為n×1階向量， X 是模型的解釋變量，為n×k階數據矩陣， W 表示空間權重矩陣，ρ為空間自回歸系數，是空間滯后因變量 Wy 的系數，相鄰區域變量y的加權平均表示為 Wy 。

2）空間誤差模型。由于隨機誤差的存在，使得在測量周邊地區相關變量時產生的不確定性因素會對本地經濟變量產生一定程度影響，SEM模型可以很好地解決這一問題，它表示某區域的因變量被假設取決于附近區域因變量中無法解釋或不可預測的成分。其基本模型可以表示為

Y= X β+ε，

ε=λ W ε+μ。? （6）

其中：λ表示自回歸系數，代表樣本中觀測值的空間依賴性效應大小; W 是空間權重矩陣，ε代表回歸殘差向量， W ε是空間滯后誤差項。μ 是服從正態分布的隨機誤差項向量，表示因變量的誤差影響對鄰近區域觀測值的影響。式（6）可以改寫為如下形式：

Y =λ WY + X β-λ WY β+μ。? （7）

式（7）表示具有一組附加空間滯后外生變量（ WX ）和一組K個非線性系數約束的空間滯后模型。空間自回歸系數λ與回歸系數β的乘積應等于 WX 系數的負數。由于為空間滯后模型設計的測試會與空間誤差模型產生強烈沖突，因此在實踐中的檢驗說明會因為誤差模型與“純”空間滯后模型之間的相似性變得更復雜。

2 實證分析

2.1 內蒙古自治區縣域碳排放空間自相關性檢驗

根據各旗縣人均碳排放數據對其全局自相關性MoransI指標進行統計，生成一階ROOK權重矩陣后，由全局自相關測算指標MoransI值得到內蒙古自治區旗縣人均碳排放存在較強全局空間自相關性，且通過P=0.001檢驗，如圖1所示。

由于內蒙古人均碳排放全局空間自相關性較強，碳排放的聚集性較為明顯，而僅由全局自相關性無法進一步判斷局部區域碳排放關聯性，因此需要進一步進行局域自相關性檢驗，如圖2所示。首先運用局部空間LISA指標，進行局部顯著性區域（The Significance M）的統計。P值是顯著性檢驗的水平。圖2中的深色部分，即局部空間聚類特征通過了5%的顯著性水平，這顯示了空間聚類的特征。P值越小，說明該區域的空間聚類特征越明顯。

由圖2可知人均碳排放集聚性較強區域基本集中在東部興安盟與呼倫貝爾等地，中部呼和浩特市與烏蘭察布盟部分等旗縣。

進一步對區域聚集方式進行統計，得到其局域LISA聚集圖，如圖3所示。從圖3即可觀察出目前內蒙古各旗縣碳排放具體集聚情況。

由圖3具體聚集區域得到，在烏蘭察布盟、呼和浩特市及包頭市部分地區出現H-H型局部聚集區域，這些區域人均碳排放呈現集體較高的特點，說明碳排放出現了高度空間溢出性及聯動性;而東部地區即興安盟及呼倫貝爾盟大部分地區出現了L-L型聚集區域，即該區域內旗縣人均碳排放量普遍偏低，且也出現了空間溢出性。中部地區出現碳排放量較高的集聚發展是由三地工業較為密集且消耗化石型燃料總數較大所導致的，即使進行人均也無法消除總體聯動性的偏高碳排放趨勢。

2.2 模型估計及結果分析

構建空間模型，首先需要進行普通最小二乘法估計，利用其結果識別空間自相關的類型，再選取相應空間模型進行估計。根據所選取的指標建立OLS模型，估計結果：

ln AC= β0+β1ln AGDP+β2DG+β3ln FR+

β4ln TCG+β5ln AUP+ε。 （8）

由表1可知，該擬合精度相對較高，R2值為0.752 040，說明該模型擬合優度較好，整體顯著且誤差項正態分布。F統計量在概率6.327 18e-008下為10.322 8，通過檢驗。

回歸誤差項的MoransI值P<1%顯著性水平下值為5.187 3，表示出高強度的空間自相關性。由空間統計量（lag）及（error），可得出兩者均通過P<1%的顯著性檢驗，且LM-ERROR值較顯著。進一步判斷R-LMLAG和R-LMERROR值，得知R-LM（error）通過P<1%檢驗且較為顯著，但是R-LM（lag）值未通過P<1%顯著性檢驗，因此，很明顯，需要進一步選擇空間誤差模型，即SEM模型，從而繼續進行估計。同時對自然對數似然函數值（LogL），赤池信息準則（AIC）和施瓦茨準則（Schwarz criterion）分別進行估計，得出LogL值為-137.934，結果表明負值是較好，表明契合較好。相對就AIC、SC取正值較好，但值不宜過大，該結果表明正值稍大，這兩項擬合精度較差。總體OLS估計結果較好。

最后對各變量系數及檢驗結果進行分析，其中人均GDP、財政收入、消費水平、二產業結構等指標均對人均碳排放產生正向影響，即促進碳排放。而其中人均GDP與社會消費品零售總額兩項對于人均碳排放的推動作用較為顯著，而只有居民收入水平目前呈現抑制作用，且該抑制作用還較為不顯著。人均GDP較為顯著也變相的說明內蒙古目前是典型的能源主導型經濟模式，發展方式較為粗放。而目前居民收入水平呈現差別性發展，不同旗縣間居民收入水平相差較大，同時購買商品種類差異化也較大，因此導致目前居民收入在一些地區制約碳排放而一些地區顯著推動，總體呈現推動態勢但統計值較差。根據OLS估計結果，空間誤差變量比空間滯后變量結果顯著，因此加入空間誤差變量，利用空間誤差模型進一步進行估計，結果如表2所示：

比較SEM估計與OLS估計結果，可看出加入空間誤差變量的LAMBDA后，估計從各指標上均比OLS準確。首先擬合優度R2增加為為0.789 987，表明擬合準確度增加，相對于OLS估計，LogL值增加顯著，除此之外AIC、SC估計也都大幅度降低，一般情況下，當出現AIC和SC都降低時，可視為模型的解釋能力有較大幅度的提升，并且通常認為減小幅度比較大時（大于2以上），會明顯改善模型擬合效果，因此可以得出SLM估計之后非常明顯得增強了模型的解釋能力。模型主要解釋變量的P值均有所優化，其中人均GDP及居民消費水平仍是主要影響人均碳排放的方面，除此之外二產業結構也通過P值檢驗，對于人均碳排放的正向影響變得較為顯著。

3 結果討論

根據空間誤差模型實證研究分析可得：產業結構仍然是碳排放的主要驅動因素。目前內蒙古地區產業結構仍呈現第二產業為主的特點，下一步需要繼續優化升級內蒙古產業結構，繼續著手降低第二產業比重;財政收入對碳排放影響較為顯著。財政收入直接體現一個地區的主導產業及經濟發展方式，很明顯由于內蒙古自治區財政收入很大一部分來源于大中型工業企業及能源類行業，所以直接影響內蒙古人均碳排放水平。應合理利用財政收入政策的杠桿作用，大力發展三產中的高新技術產業，積極鼓勵新能源技術發展，逐步用風力發電替代傳統高耗能的火力發電，同時引進高學歷人才，逐步改善某些地區“靠資源吃飯”的發展現狀;居民消費水平和人均GDP也是碳排放的主要驅動因素。研究表明總人口和人均GDP的增加會造成碳排放量的增加，經濟增長、人口增加與碳減排是負相關的。目前內蒙古地區經濟發展為主要依托于能源消耗的粗放式經濟發展模式，應在縮小盟市、旗縣經濟差距的同時，對某些發展過快、能源消耗為主的旗縣加快調整，根據縣域碳排放空間差異分布影響因素的根源使該縣域相應的降低碳排放。另外目前居民消費品也傾向于購買一些高耗能型企業生產產品，而消費低碳型環保型產品的意識十分淡薄。需普及一些環保產品的消費，鼓勵低碳消費;政府應加強推廣低碳型產品的力度，例如目前大力推廣的節能家電的補貼等。未來還可繼續推廣太陽能相關產品，隨著收入水平及生活質量的提高，向居民宣揚健康，安全和綠色消費的理念。發展低碳經濟，必須在消費領域制定合理的政策，引導低碳消費趨勢，促進低碳消費成為社會發展的風向標，倡導低碳綠色消費的觀念和生活方式;空間誤差模型擬合效果要比一般OLS效果好，具有較強說服力，空間經濟計量模型適用于內蒙古地區縣域碳排放影響因素分析，可以更加準確地在探索出在空間地理因素影響作用下碳排放的驅動因素，對內蒙古自治區碳減排做出合理有效的參考建議與意見。

4 結論

本文基于2017年內蒙古自治區101個縣域碳排放數據，引入空間地理因素的影響作用，對內蒙古碳排放進行全局與局域空間自相關檢驗，探究內蒙古自治區內部各縣域空間上的聯系對碳排放的影響作用程度;構建空間計量模型，對內蒙古縣域碳排放因素進行最小二乘回歸估計。結果發現空間誤差作用大于空間滯后作用，因此選擇構建內蒙古地區縣域碳排放的空間誤差模型（Spatial Error Model，SEM），進一步估計，最終確定內蒙古地區碳排放影響的主要因素及碳排放空間分布差異的根本原因，為政府實現碳減排提供合理有效的參考意見。省級內部縣域產業是城鄉經濟發展的重要過渡點，但縣域產業對高碳排放產業的依賴性導致縣域產業發展與碳減排不能和諧發展。將全局自相關檢驗與空間經濟計量模型應用到省級內部縣域間的碳排放空間分布特征分析與驅動因素研究可以深入分析碳排放內在原因和空間地理分布特點，為以省級作為經濟單位的碳減排提供新思路。實證研究表明人均GDP、居民消費水平、產業結構和財政收入均不利于低碳經濟的發展。解決問題的關鍵還是要大力發展環境友好型的新興技術產業，如新能源、新能源汽車等技術近年快速增長;大數據背景下電子信息產業的快速發展，當下熱點“區塊鏈”完美地與碳減排相結合，形成“XCU碳匯鏈”;因此，在解決碳排放問題時，新興技術產業的發展成為推進綠色經濟發展的重要保障。內蒙古地區101縣域碳排放影響因素的空間計量研究可對各縣域及國家低碳經濟發展提供重要的理論意義。

參考文獻：

[1]? 樊婧.內蒙古地區碳排放核算方法及影響因素分析研究[J].內蒙古科技與經濟，2018（17）：41.

[2] 王永琴，周葉，張榮.碳排放影響因子與碳足跡文獻綜述：基于研究方法視角[J].環境工程，2017，35（1）：155.

[3] 曹俊文，曾康.基于LMDI和M-R分解模型的長江經濟帶碳排放驅動效應研究[J].環境污染與防治，2019，41（8）：992.

[4] 張克勇，劉縣美，郭丕斌，方婕，姚建明.京津冀交通部門CO2排放的時空差異及影響因素[J].系統工程，2019，37（5）：12.

[5] DAVID A，KATHERINE N I，JILL L E，et al.Measurement and analysis of household Carbon：The case of a UK City[J].Applied Energy，2016，164：871.

[6] 鄭佳佳.中國制造業碳排放的時空變化與影響因素分析[J].南京財經大學學報，2019（2）：48.

[7] 陳儒，鄧悅，姜志德.基于修正碳計量的區域農業碳補償時空格局[J].經濟地理，2018，38（6）：168.

[8] 張翠菊，張宗益，覃明鋒.能源稟賦、技術進步與碳排放強度：基于空間計量模型的研究[J].系統工程，2016，34（11）：47.

[9] XU SC，ZHANG L，LIU YT，et al.Determination of the factors that influence increments in CO2 emissions in Jiangsu， China using the SDA method[J]. Journal of Cleaner Production，2017，142.

[10]? ?武紅.中國省域碳減排：時空格局、演變機理及政策建議：基于空間計量經濟學的理論與方法[J].管理世界，2015（11）：3.

[11] 吳賢榮，張俊飚，程琳琳，等.中國省域農業碳減排潛力及其空間關聯特征：基于空間權重矩陣的空間Durbin模型[J].中國人口·資源與環境，2015，25（6）：53.

[12] 邱立新，徐海濤.基準情境與干擾情境下中國典型城市碳排放趨勢預測[J].城市問題，2019（3）：12.

[13] 王勇，畢瑩，王恩東.中國工業碳排放達峰的情景預測與減排潛力評估[J].中國人口·資源與環境，2017，27（10）：131.

[14] MUHAMMAD S，NANTHAKUMAR L.How urbanizationaffects CO2 emissions in Malaysia？ The application of STIRPAT model[J].Renewable and Sustainable Energy Reviews，2016，57：83.

[15] 刁璟璐.河北省經濟增長的空間計量研究[D].北京：華北電力大學，2013：1.

[編輯：厲艷飛]

收稿日期：? 2019-09-16

基金項目：? ? 國家自然科學基金資助項目（71402041）;黑龍江省哲學社科研究規劃項目（18GLB026）;哈爾濱市創新人才基金項目（RC2017QN014007）; 校級“理工英才”計劃科學研究項目（LGYC2018JC055）

作者簡介：? ?單子丹（1980—），女，教授，博士生導師;

項朝霞（1995—），女，碩士研究生;

李云竹（1996—），女，碩士研究生.