空間計量方法下我國碳排放的時空格局及影響因素研究

李艷芹 李宗堯

（1.中共江陰市委黨校，江蘇 無錫，214400；2.中共江蘇省委黨校，江蘇 南京，210009）

一、引言

改革開放以來，我國工業化和城市化水平不斷提高，碳排放量也在逐年攀升。由溫室效應引起的全球變暖問題日益嚴峻，僅二氧化碳一項占比就達總溫室氣體的一半以上，碳減排意義重大。2020年9月22日，習近平主席在第七十五屆聯合國大會上向世界作出莊嚴承諾，中國將提高國家自主貢獻力度，采取更加有力的措施和政策，力爭于2030年前實現二氧化碳排放達到峰值，努力爭取2060年前實現碳中和。探索我國碳排放規律并采取針對性措施減少碳排放，是我國環境領域的重中之重和當務之急。

關于我國碳排放分布特征的相關研究多從單一空間角度出發，以截面數據或時間序列數據為測算基礎，對碳排放空間分布特征作出定性判斷（張雷，2006；范定祥和劉會洪，2012；李丹丹和劉銳等，2013；楊青林和趙榮欽等，2017）[1-4]。近年也有學者嘗試將時間要素納入研究體系，進一步探索碳排放的時空分布特征（施開放，2017；武敏，2019）[5-6]。雖然這些研究的對象均為我國碳排放，但由于選取的數據尺度和碳排放來源不同，加之差異化的分析方法，目前關于我國碳排放時空分布格局的研究尚未達成共識。

有關碳排放影響因素的研究多以IPAT模型和KAYA恒等式為基礎展開。由于研究區域和研究時段存在差異，學界關于碳排放的影響因素并未形成共識，不同地區在特定時間段內的碳排放量、碳排放強度和碳排放效率等指標的影響因素具有一定的特殊性，但綜合看，多數學者對碳排放影響因素的研究基本從規模效應、結構效應和技術效應展開（Wang和Fang等，2016；馬大來，2015；李建豹和黃賢金等，2015；周亞軍和吉萍，2019；郭莉和鄒夢瑤，2020）[7-11]，側面證實了這三大效應對碳排放的影響已得到學界的廣泛認可。

通過研究碳排放時空分布格局和影響因素的相關文獻，發現研究對象多局限于碳排放量或碳排放強度等單一指標，碳排放影響因素的提出與碳排放分布狀況相互孤立，有關碳排放影響因素的空間回歸鮮有篩選模型，且默認影響因素與碳排放之間呈一次相關關系。為更全面、真實地反映我國碳排放呈特定分布格局的具體影響因素及其影響方式，本文綜合分析碳排放量和碳排放強度雙指標的時空分布格局，提出影響因素假說，結合已有研究成果，為碳排放指標選取合適的空間面板模型，并驗證各影響因素和碳排放之間是否存在二次相關關系，進一步分析各影響因素的空間溢出效應，提出相應政策建議。

二、碳排放測算與時空格局分析

（一）碳排放測算

1.碳排放量測算

本文研究樣本為2002—2017年我國省級行政區（多數省區市2018年及以后相關數據尚未更新），考慮核算的準確性和數據的可得性，參照張翠菊（2016）[12]對二氧化碳排放量的估算方法，本文中各省（區市）二氧化碳排放量的測算按照中國氣象網（IPCC）發布的相關能源碳排放系數進行折算，測度公式如式（1），相關能源對應的折標準煤系數及二氧化碳排放系數如表1所示。

表1 八大能源的折標準煤系數和二氧化碳排放系數

式（1）中，CO2表示二氧化碳排放量，i表示第 i種能源，E表示能源消耗量，SSC表示該能源的折標準煤系數。

2.碳排放強度測算

碳排放強度是指單位經濟產出消耗的碳排放量，一般用單位GDP的碳排放量表示，反映地區的能源利用效率，測算公式如式（2）所示，其中WCO2表示碳排放強度，GDP表示各省歷年的地區生產總值。

（二）碳排放時空格局分析

1.碳排放的時間變化與空間分布

為準確反映2002—2017年我國碳排放的整體時間變化和空間分布特征，根據以上關于二氧化碳排放量和排放強度的測算公式，繪出我國總體碳排放量和碳排放強度的時間變化圖（圖1）和空間分布圖（圖2）。其中，由于采用的數據為2002—2017年的數據，為更加精準地反映各省（區市）在此時間區間的綜合碳排放量和碳排放強度，把各省（區市）對應的歷年數據進行平均化，即圖2所反映的碳排放量和碳排放強度為各省（區市）16年間的平均值。

圖1 2002—2017年碳排放時間變化趨勢

圖2 2002—2017年碳排放空間分布情況

圖1中，我國碳排放量的增長趨勢明顯，2002—2011年全國碳排放量穩步增加，2011年以后碳排放量呈緩慢上升趨勢。碳排放強度整體呈先緩慢上升后下降趨勢。

圖2中，碳排放量最大的地區主要集中在內蒙古、河北、河南、山東、山西、江蘇等省區，南方多數地區碳排放量較低，廣東碳排放量水平高于多數南方省份，碳排放量呈現北多南少、東多西少的總體特征；碳排放強度最大的地區主要集中在內蒙古、新疆、寧夏、山西、貴州等省區，東南沿海地區碳排放強度較低，且呈現越往南越低的趨勢，碳排放強度分布總體呈現為北高南低、西南突出格局。

2.局部碳排放的時空分布演進

為進一步明確各省（區市）歷年碳排放水平在全國范圍內所處的位置及變化，本文選取2002年、2006年、2010年、2014年和2017年的全國各省（區市）平均碳排放量和碳排放強度為基準，考察各省（區市）對應年份的碳排放水平及整體變化情況，對應的碳排放量和碳排放強度的空間差異情況如圖3、圖4所示。

圖3 碳排放量空間差異變化

圖4 碳排放強度空間差異變化

圖3中，河北、山西、山東、河南、江蘇等地的碳排放量顯著高于全國平均水平，且呈現逐年上升態勢，海南、青海、寧夏等地的碳排放量明顯低于全國平均水平。圖4中，內蒙古、山西、甘肅、寧夏等地的碳排放強度顯著高于全國平均水平，但是近年來與全國平均水平的差距逐漸縮小，而江蘇、浙江、廣東等地的碳排放強度低于全國平均水平。

無論是從整體還是從局部看，高碳排放量主要是在山東、山西、河北、河南和江蘇等5個省份，該區域碳排放量呈現高度的空間相關性。其中，河南、山東、河北和江蘇是全國人口大省、經濟大省，整體看，較大的碳排放量可能和龐大的人口基數和經濟規模有關。由此提出假說1。

假說1：我國碳排放量的主要影響因素是規模因素，即經濟規模和人口規模。經濟規模和人口規模越大，碳排放量越大。

結合圖4的部分年份碳排放強度分布變化和圖2的整體碳排放強度分布情況，發現碳排放強度高的地區主要是內蒙古、山西、陜西、甘肅和寧夏等地，廣東則與此相反，雖然碳排放量大但碳排放強度并不高，前者在地理上處于西北內陸地區，技術水平和東部沿海地區存在一定差距，單位產值消耗的二氧化碳較高，而后者雖然碳排放量大但由于技術水平較高，可以維持較低的碳排放強度的同時保證較高的經濟產出。由此提出假說2。

假說2：我國碳排放強度的主要影響因素是技術因素，即國內技術進步與國外技術進步，且國內技術進步和國外技術進步均對降低碳排放強度有促進作用。

三、指標選取與數據說明

本文數據來源于《中國統計年鑒》《中國能源統計年鑒》《中國環境統計年鑒》和各省（區市）統計年鑒。根據已有的研究結論，本文在分析碳排放影響因素的過程中，選擇經濟規模、人口規模作為規模效應指標，產業結構和能源消費結構作為結構效應指標，國內技術進步、國外技術進步作為技術效應指標。具體的指標含義和核算方法如下。

被解釋變量：① 碳排放量（CO2），根據式（1）和表1綜合測算所得，單位為萬噸；②碳排放強度（WCO2），即單位產出二氧化碳排放量，用各省（區市）碳排放總量除以各省（區市）GDP總量表示，單位為噸/萬元。

解釋變量：①人口規模（popu），用人口密度表示；②經濟規模（pgdp），用各省（區市）歷年人均經濟產出表示；③產業結構（pstru），用第二產業產值在經濟總產出中所占的比重表示；④能源消費結構（cstru），用煤炭消費量在總能源消費量中所占的比重表示；⑤國內技術進步（patent），用各省（區市）歷年三項專利授權數表示；⑥國外技術進步（fdi），用各省（區市）歷年外商直接投資額表示。

為驗證假說1和假說2，在實證檢驗碳排放量和碳排放強度的影響因素時，分別把規模指標和技術指標作為核心解釋變量，其他解釋變量作為控制變量加入模型中。

四、空間相關性檢驗與模型設定

（一）空間相關性檢驗

為觀察各省（區市）的碳排放總量和碳排放強度是否存在空間自相關，采用莫蘭指數檢驗碳排放空間相關性。有關碳排放總量和碳排放強度的歷年莫蘭指數（全局 Moran’s I）如表2所示。

表2 碳排放量和碳排放強度的空間相關性檢驗結果

表2中，2002—2017年碳排放量的莫蘭指數均在1%水平下拒絕原假設，表明我國碳排放量具有顯著的空間自相關性；碳排放強度數據除在2002年和2003年僅通過了5%水平下的顯著性檢驗，其余各年均通過了1%的顯著性檢驗，表明碳排放強度同樣具有強烈的空間自相關性。

（二）模型選取與設定

在LM檢驗、LR檢驗、豪斯曼檢驗和聯合顯著性檢驗基礎上，最終在選定碳排放量的影響因素模型時，采用雙向固定的SDM模型，而碳排放強度的影響因素模型則采用雙向固定的SAR模型。考慮到環境庫茲涅茨曲線中環境污染與經濟發展水平之間呈二次相關關系，不排除規模因素和技術因素與碳排放量和碳排放強度之間同樣存在類似的相關關系，因此在驗證假說1和假說2的同時，加入結構因素和技術因素的二次項，以對比分析一次相關關系模型和二次相關關系模型的回歸結果。針對假說1，設定碳排放量的SDM模型如模型1和模型2所示；針對假說2，設定碳排放強度的SAR模型如模型3和模型4所示。

其中，i表示省（區市），t表示年份，εit表示誤差項，ρ、θ、α和 δ均為相關系數，Con 表示控制變量，μi和γt分別表示個體效應和時間效應，W為Queen權重矩陣，具體定義如下：

五、實證檢驗

（一）規模因素對碳排放量的影響

1.SDM回歸結果

在考慮空間因素的基礎上，利用Stata軟件和極大似然估計法（MLE）分別對模型1和模型2進行參數估計，估計結果如表3所示。

表3 碳排放量的SDM回歸結果

表3的估計結果顯示：模型1中，本省（區市）的核心解釋變量人口規模和經濟規模均在1%水平下與碳排放量顯著正相關，表明人口規模和經濟規模越大，碳排放量越大。控制變量中，結構因素第二產業產值占比和煤炭消費量占比均在1%水平上顯著為正，說明碳排放量與結構要素存在強烈的相關關系，且第二產業占比和煤炭消費量占比越大，碳排放量越大。此外，三項專利授權數和外商直接投資額作為技術因素指標，均在5%水平下與碳排放量顯著負相關，表明技術進步對減少碳排放量具有促進作用。加權自變量中，W*lnCO2前的系數顯著為正，表明本省（區市）的碳排放量受相鄰省（區市）碳排放量的影響，二者同向變動，相鄰省（區市）的碳排放量越大，本省（區市）的碳排放量越大。同時，W*lnpgdp、W*lnpopu、W*pstru 和W*lnpatent未通過顯著性檢驗，而W*cstru和W*lnfdi分別在1%水平下與碳排放量顯著正相關和負相關，表明相鄰省（區市）的經濟規模、人口規模、產業結構和國內技術進步水平對本省（區市）的碳排放量并無明顯影響，而相鄰省（區市）的能源消費結構和國外技術進步水平則顯著影響本省（區市）的碳排放量，相鄰省（區市）的煤炭消費占比越大，本省（區市）的碳排放量則越大，而相鄰省（區市）的外商直接投資額越多，本省（區市）的碳排放量越小。

模型2在模型1的基礎上加入了人口規模的二次方項和經濟規模的二次方項，但是回歸結果顯示本省（區市）和其他省（區市）的核心解釋變量均不顯著，即規模因素和碳排放量之間的二次相關關系并不存在，且相鄰省（區市）的規模效應對本省（區市）的碳排放量并無明顯影響，同時W*lnCO2雖然系數同樣為正，但顯著性降低。此外，模型2中pstru、cstru、lnpatent和lnfdi均在1%水平下顯著，且對應的相關系數的正負同模型1一致，進一步佐證了模型1回歸結果的穩健性。

對比模型1和模型2的回歸結果發現，規模因素和碳排放量之間不存在二次相關關系，僅呈簡單的正相關關系，即經濟規模和人口規模越大，碳排放量越大，證實了假說1。

整體看，目前我國經濟規模和人口規模的擴大意味著更多的能源消耗，而這些能源以傳統能源為主，碳排放量遠比新能源、清潔能源高得多，從而導致碳排放量隨之增加。第二產業中重工業占比高，屬于典型的高耗能產業，而煤炭是高碳排放的典型傳統能源，隨著第二產業在三次產業生產總值中占比和煤炭在能源消費總量中占比的提高，碳排放量也隨之增加。國外技術進步伴隨著外商直接投資轉移到我國相關行業，國內技術進步也在不斷發展，二者都可以通過升級生產方式、改善傳統高耗能生產工藝流程等方式減少碳排放量，但由于技術進步因素相較于其他因素起步晚，目前對我國碳排放量的影響程度明顯小于規模因素。

2.SDM回歸效應分解

在模型1的基礎上，測得各解釋變量對碳排放量影響的直接效應、間接效應和總效應結果如表4所示。

表4 碳排放量相關效應分解

表4中，所有解釋變量的直接效應均顯著，其中，核心解釋變量lnpgdp和lnpopu對lnCO2的直接效應分別為0.6749和0.5243，而在表3中對應的回歸系數分別為0.6702和0.5142，二者分別相差0.0047和0.0101，表明人口規模和經濟規模存在反饋效應，本省（區市）的人口規模和經濟規模通過影響相鄰省（區市）的碳排放量而對本省（區市）碳排放量造成一定的正向影響，同樣可以計算出控制變量pstru、cstru、lnpatent和lnfdi對應的反饋效應分別為0.0000、0.0103、0.0004和-0.0028，表明產業結構不存在反饋效應，能源消費結構和國內技術進步的反饋效應為正，而國外技術進步的反饋效應為負。間接效應中，只有能源結構和國外技術進步通過了1%的顯著性檢驗，二者對應的間接效應分別為0.0109和-0.0903，表明本省（區市）的煤炭消費占比和外商直接投資分別會對相鄰省（區市）的碳排放量產生正向溢出效應和負向溢出效應。

（二）技術因素對碳排放強度的影響

1.SAR回歸結果

在考慮空間因素的基礎上，利用Stata軟件和極大似然估計法（MLE）分別對模型3和模型4進行參數估計，估計結果如表5所示。

表5 碳排放強度的SAR回歸結果

表5中，在不考慮反饋效應的情況下，模型3的核心解釋變量即本省（區市）的lnpatent和lnfdi均和本省（區市）的碳排放強度顯著相關，且本省（區市）的三項專利授權數和碳排放強度呈顯著負相關，外商直接投資與碳排放強度顯著正相關，表明技術進步的確可以影響碳排放強度，但只有國內技術進步才可以降低碳排放強度，國外技術進步反而會提高碳排放強度。所有控制變量均在1%水平下通過了顯著性檢驗，且pstru和cstru的回歸系數為正，lnpgdp和lnpopu的回歸系數為負，表明本省（區市）的第二產業占比和煤炭消費占比越大，碳排放強度越大，而人口規模和經濟規模對碳排放強度的影響則相反，前者越大，后者反而越小。此外，W*lnWCO2同樣在1%水平下顯著為正，表明本省（區市）的碳排放強度除受本省（區市）的技術因素、結構因素和規模因素等影響外，還受相鄰省（區市）碳排放強度的影響，相鄰省（區市）的碳排放強度越高，本省（區市）的碳排放強度越高。

模型4在模型3的基礎上加入了國內技術進步的平方項和國外技術進步的平方項，但是回歸結果顯示此時的核心解釋變量并不顯著，同樣表明技術因素與碳排放強度之間的二次相關關系不成立，W*lnWCO2在5%水平下顯著，顯著性同樣低于模型3，表明在二次相關關系回歸模型下相鄰省（區市）的碳排放強度對本省（區市）碳排放強度的影響解釋力下降。作為控制變量的產業結構、能源消費結構、人口規模和經濟規模均在1%水平下與碳排放強度顯著相關，且相關系數的正負與模型3一致，進一步說明了模型3中解釋變量回歸結果的穩健性。

對比模型3和模型4的回歸結果發現，技術因素與碳排放強度之間與二次相關關系相比，一次相關關系更為顯著。

2.SAR回歸效應分解

在模型3的基礎上，進一步測算各解釋變量對碳排放強度影響的直接效應、間接效應和總效應，結果如表6所示。

表6 碳排放強度相關效應分解

表6中，所有解釋變量的直接效應均顯著，其中，核心解釋變量lnpatent和lnfdi的直接效應分別為-0.0433和-0.0396，對碳排放強度的直接效應均為負值，表明本省（區市）的三項專利授權數和外商直接投資額的提高對降低本省（區市）碳排放強度具有顯著作用，結合表5可計算出二者對應的反饋效應分別為-0.0004和-0.0790，表明本省（區市）的三項專利授權數和外商直接投資額，可以通過對相鄰省（區市）碳排放強度的溢出效應來反作用于本省（區市）的碳排放強度。

控制變量中lnpgdp和lnpopu的直接效應均為負，pstru和cstru的直接效應均為正，表明本省（區市）的經濟規模、人口規模對碳排放強度有顯著的負向影響，而產業結構和能源消費結構對碳排放強度有顯著的正向影響。結合表5中對應解釋變量的回歸系數，剔除本省（區市）解釋變量對碳排放強度的直接影響，得出這4項解釋變量的反饋效應分別為-0.0005、-0.0065、0.0002和0.0001。雖然反饋效應較小，但仍能表明本省（區市）的規模因素和結構因素能夠通過影響相鄰省（區市）的碳排放強度而進一步影響本省（區市）的碳排放強度，其中經濟規模和人口規模屬于負反饋，產業結構和能源消費結構屬于正反饋。

間接效應中，核心解釋變量lnfdi在5%水平上顯著為負，表明本省（區市）的外商直接投資額的提高對降低相鄰省（區市）的碳排放強度具有促進作用，而lnpatent的間接效應僅在10%水平下顯著，本省（區市）的專利授權數對相鄰省（區市）碳排放強度的解釋力度偏低。控制變量中，lnpgdp、pstru和cstru的間接效應顯著性較高，表明本省（區市）的經濟規模、產業結構和能源消費結構對相鄰省（區市）的碳排放強度具有顯著的溢出效應，本省（區市）經濟規模的擴大、第二產業產值占比的下降以及煤炭消費占比的降低都可以在一定程度上降低相鄰省（區市）的碳排放強度。

綜合表5和表6看，在不考慮相鄰關系影響時，國內技術進步有利于降低本省（區市）的碳排放強度，國外技術進步不利于降低本省（區市）的碳排放強度，但考慮到反饋效應的存在，國內、國外技術進步對碳排放強度的直接效應系數均顯著為負，表明國內、國外技術進步均可以降低碳排放強度，證實了假說2。

六、結論與政策建議

（一）主要研究結論

我國碳排放量和碳排放強度的時空分布特征明顯。時間序列上，我國近年來碳排放總量緩慢增加、碳排放質量明顯提升；空間分布上，我國平均碳排放量整體呈現“東多西少”的分布規律，碳排放強度呈現“北高南低”的整體分布特征。

規模因素和技術因素與我國碳排放量和碳排放強度顯著相關。人口規模、經濟規模與碳排放量正相關，規模因素與碳排放量之間呈一次相關關系而非二次相關關系，證實了假說1。經濟規模和人口規模的擴大意味著更多的能源消耗，而這些能源以傳統能源為主，碳排放量遠比新能源、清潔能源等高得多，從而導致碳排放量隨之增加。技術因素與碳排放強度之間同樣呈一次相關關系，由于反饋效應的存在，國內技術進步和國外技術進步都可以在一定程度上降低碳排放強度，證實了假說2。

我國碳排放量和碳排放強度的影響因素存在明顯的空間溢出效應。人口規模和經濟規模對碳排放量存在正反饋效應，本省（區市）的人口規模和經濟規模通過影響相鄰省（區市）的碳排放量而對本省（區市）碳排放量造成一定的正向影響，國內技術進步和國外技術進步均可以在一定程度上通過影響相鄰省（區市）碳排放強度間接影響本省（區市）的碳排放強度。

（二）政策建議

1.加強區域間碳減排政策溝通交流與合作。碳排放在相鄰省（區市）之間的空間溢出效應明顯，各省（區市）在制定碳減排政策時，應積極主動和相鄰省（區市）合作交流，制定出既能有效實現本省（區市）碳減排目標又為相鄰省（區市）的碳排放帶來正外部效應的政策，形成區域碳減排政策聯動機制，推動區域碳排放量和碳排放強度實現“雙降”，使各相鄰省（區市）在環保領域和社會經濟發展領域實現多贏。

2.著力推動國內技術進步，提高科技發展水平，加大財政資金投入，鼓勵企業將低碳技術變現，將市場機制作為實現碳減排的重要手段之一。政府可以出臺相應的鼓勵發展低碳技術的優惠政策，包括為發展低碳技術的企業或機構發放技術補貼、減免企業稅收和出臺低息甚至免息貸款政策等，將政府調節與市場機制相結合，最大程度激發市場主體研發低碳技術的動力與活力，實現碳排放領域的帕累托最優。

3.提高引進外資質量，充分利用國外技術進步的溢出效應，發揮外商直接投資對碳減排的重要作用。改善外商直接投資領域，提高引進外資質量。綜合考慮國際分工形勢的變化，增加引進技術密集型和資本密集型外資，主動逐步降低勞動密集型企業投資在外商直接投資中所占比例，進一步發揮國外技術進步對國內碳減排的優勢，實現碳排放量和碳排放強度的雙降。

4.穩步推廣碳交易試點項目，加快形成全國性碳交易市場體系，積極參與國際碳交易。目前我國已開啟北京、上海、天津、湖北等8個碳交易試點，截至2020年8月，試點省（區市）碳市場覆蓋鋼鐵、電力、水泥等20多個行業，接近3000家企業，累計成交量超過4億噸，累計成交額超過90億元，有效推進了碳減排和碳中和工作進程。隨著試點省（區市）碳交易的有序進行，不斷總結各試點的經驗，為加快形成全國碳交易市場蓄力，進一步推動碳減排。