能源資源稟賦對碳排放的影響與傳導機制

孫耀華

內容提要：中國實現碳強度下降目標面臨一系列約束條件，其中之一就是中國“多煤、貧油、少氣”的“高碳”能源資源稟賦特征。本文在構建能源資源稟賦影響碳排放的數理模型與分析框架的基礎上，通過空間面板數據模型實證檢驗能源資源稟賦通過人均收入、能源效率、能源消費結構、產業結構、市場開放度、外商直接投資、能源價格等中介變量對碳排放影響的強度、方向及傳導機制。研究表明：省際碳排放具有空間正相關性和集聚特征。能源資源稟賦抑制碳排放的主要途徑是“資源詛咒”效應，通過降低人均收入進而抑制能源消費和碳排放增長。盡管如此，能源資源稟賦通過提高煤炭在能源消費結構中所占比重和第二產業在國民經濟中所占比重、降低能源價格、降低市場開放度、阻礙外資流入和降低能源效率的途徑推動碳排放上升。

關鍵詞：能源資源稟賦;碳排放;傳導機制;“資源詛咒”;空間效應

中圖分類號：F061.3文獻標識碼：A文章編號：1001-148X（2020）06-0065-10

一、引言

改革開放40余年，中國經濟高速增長伴隨能源消費量和CO2排放快速上升①（見圖1），不僅承受來自資源環境領域的約束，也使中國在全球氣候談判面臨巨大輿論壓力。基于履行國際義務、構建和諧對外關系和實現國內經濟社會健康、協調、可持續發展等多重需要，中國政府向國際社會承諾到2020、2030年實現碳強度相對于2005年分別下降40%—45%、60%—65%，并提出在“十三五”期間實現碳強度下降18%的階段性減排目標②。

然而，實現碳強度減排目標面臨一系列約束條件，其中之一就是中國“多煤、貧油、少氣”的“高碳”能源資源稟賦特征。首先，能源資源分布呈現西多東少、北多南少的格局，主要分布在內蒙古、山西、陜西、河南、新疆等內陸省區，而中國經濟重心位于珠三角、長三角、京津唐等沿海地區，能源資源分布與經濟社會發展需求存在空間區位上的錯位，不僅加大交通運輸壓力，而且在能源資源運輸過程中也產生損耗和污染;其次，能源資源結構不合理，以煤炭為主，石油和天然氣儲量相對不足，導致中國一次能源供應的70%都來自于煤炭的消費，遠高于29%的世界平均水平。據中國科學院可持續發展戰略研究組（2009）[1]測算，釋放1標準煤熱量的煤炭排放的CO2量分別是石油和天然氣的1.28倍和1.67倍。此外，能源資源稟賦還通過產業結構、能源效率、外商直接投資等途徑“內生性”地致使一地區最終形成“高碳”發展路徑[2]。由此可見，“高碳”資源稟賦特征成為中國實施節能減排與可持續發展戰略的先天障礙。因此，量化能源資源稟賦對CO2排放的影響并厘清其傳導機制成為制定減排目標和實施減排策略的重要目標之一。

本文以1998—2016年中國30個省區面板數據為研究樣本③，引入人均收入、能源效率、能源消費結構、產業結構、市場開放度、外商直接投資、能源價格等中介變量，從理論模型和經驗研究兩方面分析能源資源稟賦對CO2排放的效應及其傳導機制。

二、能源資源稟賦影響CO2排放的理論模型與分析框架

本文建立能源資源稟賦與CO2排放之間關系的理論模型：

g·=gf·，ZRE（1）

式（1）中，g·為CO2排放函數，受經濟總量f·及中介變量Z的影響，RE表示能源資源稟賦系數，用于度量能源資源的豐裕程度。

基于以下理論分析并參考以往學者的研究成果，本文選擇的中介變量包括人均收入（PerCapitaIncome，PI）、能源效率（EnergyEfficiency，EEF）、能源消費結構（EnergyConsumptionStructure，ESTR）、產業結構（IndustrialStructure，ISTR）、市場開放度（MarketOpening，MOP）、外商直接投資（ForeignDirectInvestment，FDI）、能源價格（EnergyPrices，EPR）等7個變量。

對式（1）求關于能源資源稟賦系數（RE）的偏導，可得：

dgf·，ZREdRE=∑7i=1gf·，ZiREZi*ZiRE（2）

其中，Zi為中介變量，分別代表上述7個中介變量。gf·，ZiREZi*ZiRE為能源資源稟賦通過上述某一中介變量對CO2排放的效應，∑7i=1gf·，ZiREZi*ZiRE為能源資源稟賦通過上述7個中介變量對CO2排放效應的總和。

本文選擇人均收入（PI）、能源效率（EEF）、能源消費結構（ESTR）、產業結構（ISTR）、市場開放度（MOP）、外商直接投資（FDI）、能源價格（EPR）7個因素作為中介變量的理論分析如下：

人均收入（PI）：能源資源稟賦對人均收入具有重要影響，而人均收入通過能源消費量等途徑影響CO2排放。能源資源稟賦可能推動經濟增長進而提高人均收入，也可能因“資源詛咒”效應降低人均收入;在人均收入較低的水平上，CO2排放可能隨人均收入的增加而上升，但當人均收入達到一定程度后，CO2排放會隨著人均收入的增加而下降，即CO2排放與人均收入之間存在倒“U”型環境庫茲涅茨曲線的關系[3]。本文以各省區人均GDP作為人均收入的代理變量，盡管可以肯定能源資源稟賦通過人均收入對CO2排放有重要影響，但難以確定其影響的具體方向。

能源效率（EEF）：能源資源稟賦對能源效率有重要影響，而能源效率是影響CO2排放的主要因素之一，能源效率提高可有效抑制CO2排放上升。一般而言，能源資源越豐富，能源效率越低[4]，因為一般在能源資源豐富的地區，能源資源的價格較低，企業從事技術研發、提高能源效率的積極性較低，這也符合當前中國能源資源稟賦與能源效率空間分布的一般特征。因為工業部門能源消費量占能源消費總量的比重超過70%。因此，工業部門的能源效率對中國整體能源效率具有典型代表性，本文以1998年不變價格計算的各省區工業增加值與其工業部門能源消費量之比作為能源效率的代理變量，并預期能源資源稟賦通過降低能源效率進而促進CO2排放上升。

能源消費結構（ESTR）：能源資源稟賦對能源消費結構具有直接決定作用，能源資源稟賦結構中煤炭所占比重越高，能源消費結構中煤炭的比重也會越高，單位能源碳強度越高，導致CO2排放越高。本文以各省區煤炭消費量占其能源消費總量的比重作為能源消費結構的代理變量，并預期能源資源稟賦通過能源消費結構促進CO2排放上升。

產業結構（ISTR）：依據比較優勢原理和H—O要素稟賦理論，能源資源稟賦對產業結構有重要影響，能源資源豐富的地區一般傾向于發展能源資源初級加工產業[5]，進而導致CO2排放較高。因此，本文以各省區第二產業產值占其GDP的比重作為產業結構的代理變量，并預期能源資源稟賦通過提升第二產業在國民經濟中的比重進而促進CO2排放上升。

市場開放度（MOP）：市場開放度的提高對于提高經濟效率、降低交易成本和促進技術擴散具有重要作用，進而有利于抑制CO2排放。然而“資源詛咒”假說認為，自然資源豐裕的地區傾向于封閉保守，或豐富的自然資源稟賦可能強化政府對經濟的干預程度，導致市場開放度下降[6-7]。本文以各省區進出口總額占其GDP的比重作為市場開放度的代理變量，并預期能源資源稟賦通過降低市場開放度進而促進CO2排放上升。

外商直接投資（FDI）：依據“污染天堂”假說，外商直接投資多屬于污染性產業，傾向于轉移到環境規制標準較低的國家和地區[8]。因此，外商直接投資會導致環境質量的下降和CO2排放上升。然而，外商直接投資也帶來新的管理模式和先進技術，通過提高能源效率等途徑抑制CO2排放上升[4]。本文以各省區外商直接投資占其GDP的比重作為外商直接投資的代理變量，但難以確定能源資源稟賦通過外商直接投資對CO2排放影響的具體方向。

能源價格（EPR）：價格是市場經濟的主要調節手段，能源資源稟賦對能源價格具有重要影響。一般來說，能源資源越豐富，能源價格越低，而能源價格的提高有利于降低CO2排放[9]。由于現有統計體系中沒有綜合能源價格指標，本文以各省區燃料、動力類購進價格指數作為能源價格的代理變量，并預期能源資源稟賦通過降低能源價格進而促進CO2排放上升。

三、資源豐裕度指標、空間權重矩陣構建與數據來源說明

（一）資源豐裕度指標的構建

本文定義一省區煤炭開采量占全國煤炭開采量比重與該省區GDP占全國GDP比重的比值為煤炭資源稟賦系數REi，t，coal，并采取類似的方法定義石油資源稟賦系數REi，t，oil和天然氣資源稟賦系數REi，t，gas：

REi，t，l=Vi，t，lVt，lYi，tYt（3）

其中，Vi，t，l、Yi，t分別表示第i個省區在t年第l種資源的開采量和GDP，Vt，l、Yt分別表示全國在t年第l種資源的開采總量和GDP總量。本文構建的資源稟賦系數本質上是一個相對指標，如果RE1，表明該省區在第l種資源方面具有比較優勢;如果0RE<1，則說明該省區在第l種資源方面不具有比較優勢。考慮到各省區不同的能源消費結構且其他能源種類如核能、水能等不直接產生CO2。故而，本文將1998—2016年各省區煤炭、石油和天然氣各自消費量占該省區這三種能源消費總量的比重作為權重，對以上三種能源資源稟賦系數進行加權求和，得到綜合能源資源稟賦系數RE（簡稱資源稟賦系數），依此度量各省區能源資源的豐裕程度：

REi，t=wi，t，coalREi，t，coal+wi，t，oilREi，t，oil+wi，t，gasREi，t，gas（4）

其中，wi，t，coal、wi，t，oil、wi，t，gas分別為1998—2016年第i個省區在t年煤炭、石油和天然氣各自消費量占該省區這三種能源消費總量的比重。

（二）空間權重矩陣的構建

空間權重矩陣要求盡可能反映不同經濟主體之間的空間關聯信息，且必須是外生的。一般來說，同一區域不與自身空間相關。故而，空間權重矩陣W中主對角線上的元素Wii為0，而非主對角線上的元素Wij（i≠j）表示區域i和區域j的空間關聯信息。為減少外在影響和便于結果的解釋，通常將每個元素除以其所在行各元素之和，使得W中每行元素之和為1，稱為空間權重矩陣W的行標準化。空間權重矩陣一般分為地理空間權重矩陣、經濟空間權重矩陣及將前兩者嵌套的綜合空間權重矩陣三大類。比較而言，綜合空間權重矩陣能更加全面、深入地反映經濟主體之間的空間關聯效應。

關于空間權重矩陣的選擇，目前尚無統一標準，大多都是學者依據各自研究需要以及相關數據的可得性自行選擇。本文構建基于空間地理區位和能源資源稟賦雙重效應的綜合空間權重矩陣，其原因在于針對本文研究主題而言，大部分CO2都是由化石能源消費產生的。省際CO2排放的空間相關性不僅受空間地理區位的影響，也在很大程度上受能源資源稟賦特征的影響，能源資源稟賦不僅通過能源消費結構、產業結構等途徑影響本地區的CO2排放，還通過省際能源輸出—輸入貿易等方式影響其他地區的CO2排放。依據比較優勢原理和H—O要素稟賦理論，省際能源資源稟賦差異越大，發生能源輸入—輸出聯系的可能性越大，但這種聯系強度受到空間距離遠近的制約。例如，張翠菊和張宗益（2015）[2]研究表明，能源稟賦對碳強度還具有顯著的空間外溢效應，豐裕的能源資源在推高當地碳強度的同時，還會輻射到周邊地區，并進一步影響全國碳強度。就地理空間權重矩陣而言，本文研究對象是全國30個省區，在空間分布上具有連續性，且省級行政單元地理范圍廣，確定中心坐標的難度較大。因此，本文采用一階Rook鄰近原則構建地理空間權重矩陣WD④。因為本文使用的是面板數據，故而需將截面數據模型中的空間權重矩陣WN進行一定的轉化[10]：

WD=ITWN（5）

就能源資源稟賦矩陣而言，本文在式（4）的基礎上構建能源資源稟賦矩陣WRE：

WREij=1REi-REj，當i≠j

0，當i=j（6）

其中，REi=119∑2016t=1998REit。

綜合空間權重矩陣W*為地理空間權重矩陣WD與能源資源稟賦空間權重矩陣WRE的乘積：

W*=WijD*WijRE（7）

（三）CO2排放的計算

CO2排放量及相關數據的獲取是本文研究的基礎。CO2排放量的計算公式如下：

Ct=∑3i=1Ci，t=∑3i=1Ei，t*NCVi*CEFi*COFi*4412（8）

其中，C為CO2排放量，i=1、2、3分別代表不同的能源種類，即原煤、原油和天然氣，E表示這些不同種類能源的消費量（原煤、原油單位為萬噸，天然氣單位為億立方米），NCV、CEF、COF分別為原煤、原油和天然氣的平均低位發熱值、碳排放系數和氧化率，44和12為CO2和碳的分子量。由于中國特殊的資源稟賦特征，《IPCC國家溫室氣體清單指南》中提供的不同種類能源的平均低位發熱值、碳排放系數和氧化率等參數不一定適用于中國。陳詩一（2011）[11]依據中國資源稟賦特征對這些參數進行了修正，詳見表1，本文采用其研究成果。（8）式中能源消費數據來源于《中國能源統計年鑒》（1999—2017）。

（四）數據來源說明

本文相關變量的定義、符號、度量單位及數據來源說明見表2。GDP、工業增加值、第二產業產值、進出口總額、外商直接投資、1998—2017年各省區名義GDP等變量均采用1998年的物價指數進行調整，得到實際數值。

四、省際CO2排放的空間相關性分析

本文依據式（8）和表1計算得到中國各省區1998—2016年的CO2排放量，并運用地理信息系統軟件ArcGIS10.2和空間計量軟件Geoda095i繪制各省區1998—2016年的CO2排放量及其莫蘭散點圖，據此分析省際CO2排放的空間分布格局及空間相關性特征。因篇幅限制，這里只列出各省區1998、2007、2016三個年份的CO2排放量（單位：106tCO2e）及其莫蘭散點圖（見圖2和圖3）。

圖2顯示，1998-2016年間，中國各省區CO2排放量呈逐年上升態勢;橫向比較，CO2排放較高的省區多分布在以下兩類地區：（1）傳統工業大省，如河北、遼寧等，這些省區以鋼鐵等傳統制造業為主導產業，對能源消費的巨大需求導致其CO2排放位居全國前列;（2）沿海經濟大省，如廣東、江蘇、山東等，這些省區經濟總量位居全國前列，導致其CO2排放較高。西部省區如青海、寧夏、甘肅等CO2排放較少，主要是因為這些省區經濟總量較小，能源消費量少，排放的CO2也就較少。圖3顯示，大多數省區CO2排放屬性值（指CO2排放量的高低）在莫蘭散點圖中位于第一、三象限，說明省際CO2排放具有空間正相關性。因此，在研究省際CO2排放相關問題時，應納入省際空間效應，否則可能導致模型回歸參數存在偏誤，這也是本文構建空間計量模型的主要原因。

五、計量模型設定與回歸結果分析

（一）模型設定：Durbin—Wu—Hausman檢驗和F檢驗

本文首先構建不含空間效應的傳統面板數據模型，見式（9），以確定空間相關性的具體形式，進而確定空間計量模型的具體類型。

lnCi，t=α1REi，t+∑8j=2αjZi，j，t+αi+ηt+εi，t，εi，t～N0，σ2I（9）

其中，lnC為CO2排放的對數值，RE表示能源資源稟賦系數，Zj為控制變量，也是上述能源資源稟賦影響CO2排放的中介變量，αi、ηt分別為個體固定效應項和時點固定效應項。

本文首先對傳統面板數據模型式（9）進行Durbin-Wu-Hausman檢驗，所得統計量為18.56，伴隨概率為0.078。因此，可以判定在10%的顯著性水平上拒絕原假設，將模型設定為固定效應模型更為合適。然后采用無約束模型和受約束模型的回歸殘差平方和構造F統計量，以確定固定效應模型的具體類型。本文回歸得到無約束模型的回歸殘差平方和為URSS=0.037，受約束模型的殘差平方和為RRSS=2.596。將URSS、RRSS的數值代入F統計量的計算公式，計算得到F=1273.54>F0.01（29，534）。故而拒絕原假設，將模型設定為個體固定效應模型更好，其經濟含義是除已被納入模型的解釋變量、控制變量外，全國30個省區由于自身因素的差異，如地理區位等這些只隨個體變化、而不隨時間變化的因素對CO2排放產生影響，但由于這些因素難以量化或數據缺失，未能納入模型⑤。

（二）模型設定：LM檢驗和穩健性LM檢驗

為判斷空間相關性的具體來源，進而確定是設定空間滯后模型還是空間誤差模型，對不含空間效應的傳統面板數據模型式（9）進行估計，并對回歸殘差進行LM檢驗及穩健性LM檢驗，結果見表3。

表3顯示，MoransI在5%的顯著性水平上拒絕殘差值隨機分布的假設，這說明省際CO2排放存在空間相關性。對比LM檢驗、穩健性LM檢驗統計量的大小及其伴隨概率可知，LM-Error大于LM-Lag，且LM-Error通過5%的顯著性水平檢驗，而LM-Lag只能通過10%的顯著性水平檢驗，RobustLM-Lag雖然大于RobustLM-Error，但在統計意義上不顯著。故而判斷，省際CO2排放的空間相關性主要體現在誤差項中，固定效應空間誤差面板數據模型是研究省際CO2排放空間關聯效應更好的選擇。本文在以上分析的基礎上，構建固定效應空間誤差面板數據模型研究能源資源稟賦及相關控制變量對CO2排放的作用，見式（10）。

lnCi，t=α1REi，t+∑8j=2αjZi，t+αi+εi，t，εi，t=λW*TNεi，t+μi，t，εi，t～N0，σ2I（10）

其中，W*TN為適用于面板數據模型的綜合空間權重矩陣，λ為空間相關系數，用于度量誤差項之間的空間相關程度，其余變量的含義同式（9）。

（三）模型估計與回歸結果分析

用去均值法除去固定效應項，運用Matlab7.0軟件對式（10）進行ML估計。為分析每個變量對CO2排放的效應及各變量系數、顯著性之間的關系，本文采用逐步引入變量的方法，同時為對比傳統計量模型與空間計量模型的不同，本文同時估計不含空間效應的模型（9），具體結果見表4。

表4顯示，在空間面板數據模型（1）-（5）中，能源資源稟賦系數（RE）的回歸系數顯著為正，說明能源資源稟賦結構中含碳量的上升促進CO2排放增加，這與于向宇等（2019）[12]的研究結論相一致。

對比空間面板數據模型和傳統面板數據模型的回歸結果可以發現，在所有空間面板數據模型的回歸結果中，空間誤差項的回歸系數都顯著為正，說明影響各省區CO2排放的誤差項之間存在空間正相關的關系，在研究省際CO2排放問題時應納入空間效應，而忽略空間效應的傳統計量模型的回歸結果可能存在偏誤。傳統面板數據模型（8）中大部分變量都不顯著，且部分回歸系數的符號與經濟理論及預期也不一致，模型的擬合優度較低，說明空間面板數據模型相對于傳統面板數據模型是更好的選擇。

本文以空間面板數據模型（7）為基準并結合其他模型的回歸結果分析各控制變量的回歸參數及其經濟含義。人均收入（PI）的回歸系數顯著為正，人均收入的提高對CO2排放的增加起正向促進作用，說明現階段中國仍處于以CO2排放作為環境指標的環境庫茲涅茨曲線的左上方，隨著城市化進程的深化和人均收入的進一步提高，CO2排放將繼續上升;同時也說明中國政府提出以碳強度作為減排約束指標是符合當前國情的，總量減排約束指標對于現階段的中國而言是不切實際的。

能源效率（EEF）的回歸系數顯著為負，說明近年來中國能源利用效率提高對于抑制CO2排放增長起到重要作用，這說明對發展中國家而言，節能相對于減排顯得更加迫切，也更加符合當前實際需要，而且節能也是減排的主要途徑。

能源消費結構（ESTR）對CO2排放的影響時而為正，時而為負，但大多數年份內都不顯著，這說明受能源資源稟賦特征的限制，中國以煤為主的能源消費結構短期內不會發生根本性改變，能源消費結構變化對CO2排放影響較小。

產業結構（ISTR）的回歸系數顯著為正，說明第二產業在國民經濟中所占比重的提高促進CO2排放上升。一般而言，第二產業相對于第一、三產業具有高能耗的特點，因此第二產業在國民經濟中所占比重的提高通常伴隨著大規模的基礎設施投資和工業投資，進而導致能源消費和CO2排放上升。

市場開放度（MOP）的回歸系數顯著為負，這與Fanetal（2015）[13]、邵帥等（2019）[14]的研究結論相一致，原因可能在于市場開放度的提高有利于改善資源配置效率和促進技術擴散，從而有利于抑制CO2排放。

外商直接投資（FDI）的回歸系數為負，說明外商直接投資有利于CO2排放下降，“污染天堂”假說在中國不成立，但引入外商直接投資變量后，市場開放度和外商直接投資的回歸系數都不再顯著，可能因為兩者存在嚴重的多重共線性所致。

能源價格（EPR）的回歸系數為負，但未能通過顯著性檢驗，說明能源價格對CO2排放作用有限，這可能是因為中國能源資源實施政府主導定價，且低于市場均衡價格，企業對能源價格變化不敏感，導致能源價格變化對CO2排放的作用有限。

在空間面板數據模型（6）-（7）中，隨著引入控制變量的增多，能源資源稟賦的系數不再顯著，說明其作用已經被包括在相關控制變量（即中介變量）之中了，這就需要對能源資源稟賦通過中介變量影響CO2排放的傳導機制進行實證分析。

六、能源資源稟賦通過中介變量影響CO2排放的傳導機制分析

本文在以上理論分析及經驗研究的基礎上，構建中介變量對能源資源稟賦的回歸方程：

Zi，t=φi+β1REi，t+β2lnyi，0+εi，t，εi，t～N0，σ2I（11）

式（11）中，Z為被解釋變量，也是能源資源稟賦影響CO2排放的中介變量，分別表示人均收入水平（PI）、能源效率（EEF）、能源消費結構（ESTR）、產業結構（ISTR）、市場開放度（MOP）、外商直接投資（FDI）和能源價格（EPR）;RE為能源資源稟賦系數，用于度量各省區能源資源的豐裕程度;引入控制變量lny0是為了減弱各省因初始經濟發展水平不同對被解釋變量造成的影響，本文對各省區1998年的實際人均GDP取對數作為各省區初始經濟發展水平的代理變量。

從表5可以看出能源資源稟賦對各中介變量的影響。具體來說，能源資源稟賦對人均收入（PI）的提高具有阻礙作用，盡管系數很小，但依然通過10%的顯著性水平檢驗，說明在中國省級層面存在“資源詛咒”現象，這與李江龍和徐斌（2018）[15]等大多數學者的研究結論相一致;能源資源稟賦對能源效率（EEF）具有顯著的負效應，這可以從表5中得到解釋：能源資源稟賦會阻礙產業結構優化升級，降低能源價格及市場開放度，而產業結構優化、能源價格和市場開放度提高都有利于能源效率的提高;能源資源稟賦對市場開放度（MOP）和能源價格（EPR）具有顯著的負效應，這與前面的理論分析相一致;能源資源稟賦對能源消費結構（ESTR）具有正向作用，說明豐富的能源資源稟賦會阻礙能源消費結構的優化升級，表面上看是因為兩者指標的選取具有高度一致性：本文以煤炭消費量占能源消費總量的比重度量能源消費結構，以各省區煤炭、石油和天然氣資源稟賦系數的加權之和度量能源資源稟賦的豐裕度，其中煤炭資源稟賦系數的權重約占0.7，這就必然導致兩者的高度一致，但實質上反映的是能源資源稟賦特征對能源消費結構具有直接的決定作用;初始經濟發展水平（lny0）對產業結構的優化升級具有阻礙作用，似乎違反常識，初始經濟發展水平落后的地方工業化程度反而更高？這主要是由中國工業發展的歷史造成的。建國初期，出于國防建設的需要，很多大型工業企業都選址在東北和西部等偏遠地區，如今這些地區的經濟結構依然是以工業為主，工業在國民經濟中所占比重過高，服務業發展滯后。初始經濟發展水平對人均收入（PI）和外商直接投資（FDI）具有顯著正效應，對于能源效率（EEF）、能源消費結構（ESTR）、市場開放度（MOP）和能源價格（EPR）的作用均不顯著。表6對能源資源稟賦通過中介變量影響CO2的作用進行匯總。

從表6可以看出，能源資源稟賦抑制CO2排放的主要途徑是“資源詛咒”效應，通過降低人均收入進而抑制能源消費和CO2排放增長。雖然能源資源稟賦對人均收入的效應很小，但由于人均收入對CO2排放的效應很大，導致能源資源稟賦通過人均收入對CO2排放的效應依然很大，占總效應的-350.102%。盡管如此，能源資源稟賦通過中介變量對CO2排放的總效應依然為正，這主要是因為能源資源稟賦通過其他中介變量促進CO2排放上升，如通過提高煤炭在能源消費總量中所占比重、阻礙產業結構優化升級和降低能源價格的途徑推動CO2排放上升，分別占總效應的221.087%、103.544%和68.846%。此外，能源資源稟賦還通過降低市場開放度、降低外資流入和降低能源效率的途徑導致CO2排放上升，分別占總效應的32.002%、18.574%和6.039%。

能源資源稟賦對CO2排放的總效應等于所有中介變量效應的加總：

dgf·，ZREdRE=∑7i=1gf·，ZREZi*ZiRE=0.103（12）

由以上分析可知，能源資源稟賦不僅通過“資源詛咒”效應阻礙經濟增長，還通過多種途徑導致CO2排放上升，能源資源稟賦系數每提升一個單位，導致CO2排放上升10.3%。

本文揭示了能源富集地區CO2排放較高的原因：能源資源稟賦通過促進能源消費結構的“高碳化”和產業結構的“重型化”、降低能源價格水平、降低市場開放度、阻礙外資流入及降低能源效率的途徑促進CO2排放增加。需要特別指出的是，雖然能源資源稟賦通過“資源詛咒”效應降低人均收入進而抑制能源消費和CO2排放增長，但這不應該成為減排的途徑。總體上，中國資源富集地區發展滯后，只有進一步發展經濟、改善民生，才是實現該地區經濟社會可持續發展的根本途徑，但如何協調經濟發展與生態環境保護及節能減排之間的沖突，是當前面臨的首要問題。

七、結論與建議

本文研究表明省際CO2排放具有空間正相關性和集聚特征。在對空間相關性的具體來源進行檢驗的基礎上，本文構建空間誤差面板數據模型研究能源資源稟賦對CO2排放的影響及其傳導機制。研究結論表明：能源資源稟賦抑制CO2排放的主要途徑是“資源詛咒”效應，通過降低人均收入進而抑制能源消費和CO2排放增長。盡管如此，能源資源稟賦通過提高煤炭在能源消費結構中所占比重和第二產業在國民經濟中所占比重、降低能源價格、降低市場開放度、阻礙外資流入和降低能源效率的途徑推動CO2排放上升。

上述結論表明，能源資源的詛咒效應不僅體現在經濟領域，能源資源通過一系列途徑同樣對環境質量產生詛咒效應。因此，只有實現能源富集地區經濟發展與生態環境保護的協同發展，才能真正解決“資源詛咒”問題，這也是實現能源富集地區綠色轉型與高質量發展的應有之意。本文研究在一定程度上擴展了“資源詛咒”的涵義，豐富了“資源詛咒”假說的理論研究。基于以上研究結論，本文針對減排工作提出以下建議：

第一，地方政府要結合本地區的區位條件、資源稟賦特征、技術水平等因素做好產業發展的中長期規劃，避免因追求短期經濟增長而產生的投資鎖定效應與路徑依賴，并充分利用財政、稅收、信貸等優惠政策促進以制造業、服務業為中心的產業多元化發展和傳統產業的優化升級。

第二，實施簡政放權，充分引入市場機制，尤其是理順能源資源及其產品的價格形成機制，使其真正反映市場供求關系和產品價值，包括資源價值和對生態環境的補償價值，不僅能使西部地區的資源優勢轉化為經濟優勢，有利于縮小區域間差距，而且可以提高節約資源和保護生態環境的積極性，從根本上扭轉長期以來對資源“掠奪式”開發導致的經濟發展與生態環境保護之間的沖突局面，實現兩者的協調發展。

第三，建立不同省區之間減排的利益協調機制和聯防聯控機制。CO2排放的公共物品屬性及其省際空間相關性客觀上要求從中央政府層面建立不同省區之間的利益協調機制和聯防聯控機制，核心是開展相鄰省區在信息共享、政策協調等領域的減排合作，尤其是充分考慮各省區能源資源稟賦差異及由此引發的省際空間關聯效應[16]。

第四，提高能源利用效率，延長能源產業產品價值鏈。近年來，中國能源效率提高成為減排的主要驅動因素，但目前中國整體能源效率與發達國家相比依然有較大差距，存在繼續提高的潛力。未來應進一步發揮技術節能潛力，同時完善節能領域的法規制度和執行標準，尤其是細化產品的節能標識并強制推廣;完善節能市場化機制，推廣合同能源管理;同時大力發展煤制氣、煤制油等傳統能源的清潔利用和精深加工技術，不僅可以減少污染物排放，還可以提高產品附加值。

第五，開發清潔能源，優化能源消費結構。化石能源的不可再生性及對環境造成的嚴重污染注定其將來會被淘汰，而新型能源如風能、太陽能、生物質能、地熱能因具有可再生、環境友好等特性而備受青睞。此外，發展新型能源還可減少對進口油氣資源的依賴，對維護國家能源安全具有重要戰略意義。政府應充分利用信貸支持和財政補貼等措施進一步加大對新能源企業在技術研發和產品推廣等方面的支持力度，為新能源產業的發展營造良好的外部環境，促進其健康快速成長。

注釋：

①現實生活中為表述方便，通常以碳排放代指CO2，但碳排放并不等同于CO2排放，因為前者要經過氧化反應才能得到后者，本文也沿用這種稱謂。為表述方便，本文中“碳排放”都指的是CO2排放。

②2019年11月27日，國務院發布《中國應對氣候變化的政策與行動2019年度報告》，指出2018年中國碳強度比2005年下降45.8%，已提前兌現2020年碳強度比2005年下降40%—45%的承諾。

③基于數據可得性和可比性角度的考慮，本文研究樣本中不包括港澳臺和西藏地區。為表述方便，本文以省區代指省、自治區、直轄市。此外，重慶在1997年劃為直轄市，基于數據完整性方面的考慮，本文將1998年作為研究時間段的起始點。

④海南地理區位特殊，因此盡管海南與廣東不接壤，本文在構建地理空間權重矩陣時依然視其為相鄰關系。

⑤本文構建包含地理區位和資源稟賦雙重效應的綜合空間權重矩陣，一定程度上彌補了模型設定在該領域存在的問題。

參考文獻：

[1]中國科學院可持續發展戰略研究組.中國可持續發展戰略報告2009——探索中國特色的低碳道路[M].北京：科學出版社，2009.

[2]張翠菊，張宗益.能源稟賦與技術進步對中國碳排放強度的空間效應[J].中國人口·資源與環境，2015，25（9）：37-43.

[3]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，2009，187（4）：33-42.

[4]周倩玲，方時姣.地區能源稟賦、企業異質性和能源效率——基于微觀全行業企業樣本數據的實證分析[J].經濟科學，2019（2）：68-80.

[5]邵帥，楊莉莉.自然資源豐裕、資源產業依賴與中國區域經濟增長[J].管理世界，2010（9）：26-44.

[6]彭爽，張曉東.“資源詛咒”傳導機制：腐敗與地方政府治理[J].經濟評論，2015（5）：39-49.

[7]文雁兵.發展型政府的陣痛：名義攫取之手與資源詛咒效應[J].經濟社會體制比較，2018（5）：116-126.

[8]BrianR.CopelandandM.ScottTaylor.North-SouthTradeandtheEnvironment[J].QuarterlyJournalofEconomics，1994，109（3）：755-787.

[9]王鋒，馮根福.優化能源結構對實現中國碳強度目標的貢獻潛力評估[J].中國工業經濟，2011（4）：127-137.

[10]何江，張馨之.中國區域經濟增長及其收斂性：空間面板數據分析[J].南方經濟，2006（5）：44-52.

[11]陳詩一.節能減排、結構調整與工業發展方式轉變研究[M].北京：北京大學出版社，2011.

[12]于向宇，李躍，陳會英，等.“資源詛咒”視角下環境規制、能源稟賦對區域碳排放的影響[J].中國人口·資源與環境，2019（5）：55-63.

[13]Fan，M.，ShaoS.，YangL.CombiningGlobalMalmquist-LuenbergerIndexandGeneralizedMethodofMomentstoInvestigateIndustrialTotalFactorCO2EmissionPerformance：ACaseofShanghai（China）[J].EnergyPolicy，2015，79：189-201.

[14]邵帥，張可，豆建民.經濟集聚的節能減排效應：理論與中國經驗[J].管理世界，2019（1）：36-60。

[15]李江龍，徐斌.“詛咒”還是“福音”：資源豐裕程度如何影響中國綠色經濟增長？[J].經濟研究，2018，53（9）：153-169.

[16]謝宜章，趙玉奇.空間資源視角下地方政府競爭與中國工業綠色轉型發展[J].江西社會科學，2018（6）：58-67.

InfluenceofEnergyResourceEndowmentonCarbonEmissionandItsTransmission

Mechanism：AnEmpiricalAnalysisbasedonSpatialEconometricModel

SUNYao-hua

（SchoolofManagement，ShenzhenPolytechnic，Shenzhen518055，China）

Abstract：Chinafacesaseriesofconstraintstoachievethegoalofcarbonintensityreduction，oneofwhichisthe“highcarbon”energyresourceendowmentcharacteristicsof“morecoal，lessoilandlessgas”.Basedontheconstructionofthemathematicalmodelandanalysisframeworkofenergyresourceendowmentinfluencingcarbonemissions，thispaperempiricallyteststheintensity，directionandtransmissionmechanismofenergyandresourceendowment′simpactoncarbonemissionsthroughpercapitaincome，energyefficiency，energyconsumptionstructure，industrialstructure，marketopenness，foreigndirectinvestment，energypriceandotherintermediaryvariables.Theresultsshowthat：interprovincialcarbonemissionshavespatialpositivecorrelationandagglomerationcharacteristics.Themainwaytocurbcarbonemissionsisthe“resourcecurse”effect，whichcanrestrainthegrowthofenergyconsumptionandcarbonemissionsbyreducingpercapitaincome.However，theenergyandresourceendowmentpromotestheincreaseofcarbonemissionsbyincreasingtheproportionofcoalintheenergyconsumptionstructureandtheproportionofthesecondaryindustryinthenationaleconomy，reducingenergyprices，reducingmarketopenness，hinderingtheinflowofforeigncapitalandreducingenergyefficiency.

Keywords：energyresourceendowment;carbonemission;transmissionmechanism;resourcecurse;spatialeffect

（責任編輯：周正）