区域碳生产率空间格局演进及其影响因素分析—基于贵州的实证

■ 苏方林 教授 黎文勇（广西师范大学经济管理学院 广西桂林 541006）

问题的提出

我国在“十二五”发展规划中提出了发展低碳经济的战略性目标。低碳经济是具有低排放、低能耗、高效益特征，集经济、社会和生态效益于一体的发展模式。它的核心是既要控制温室气体（CO2）排放，也要保持经济稳定增长。而将CO2减排和经济增长实现连接的是“碳生产率”指标。碳生产率概念最早由Kaya 和Yokobori两位学者于1993年提出，用于反映单位碳排放所产生的经济效益。许多学者也认为碳生产率是将低碳经济概念中控制二氧化碳排放和经济增长实现连接有效指标。笔者经过对国内外文献梳理后发现，目前碳生产率的研究主要集中在两个方面：一是碳生产率的影响因素及分解研究。何建坤（2009）、Zhou（2010）、谌伟（2010）、张永军（2011）、张丽峰（2013）等学者从不同角度研究了碳生产率的影响因素及分解。二是碳生产率差异的研究。吴玉鸣（2006）、潘家华和张丽峰（2011）、徐大丰（2012）、彭文强（2012）和林善浪等（2012）等学者从空间视角或者区域视角对碳生产率差异进行研究。

国内外学者从不同角度对碳生产率进行了研究，成果丰硕。但鲜见涉及地级市空间尺度的研究，也忽略区域之间的空间联系和异质性问题。对于受雾霾影响的我国，该如何走出一条绿色发展道路？对于落后地区而言，面临着发展经济和节能减排的双重任务，又该如何探索适合自身的低碳经济之路？本文对此进行分析。

理论模型与数据说明

（一）空间计量模型

由于区碳生产率水平不仅受本地区要素投入的影响，而且还有可能受到邻近地区碳生产率产出的溢出影响。本研究借鉴柯布－道格拉斯（C-D）生产函数提出以下空间滞后模型（SLM）：

W为空间权重矩阵，WLnTSCL是空间滞后变量，是地理上邻近的各地级市碳生产率变量的加权求和，参数ρ度量邻近地级市的碳生产率空间外部溢出效应。

（二）空间自相关性检验方法

根据地理学定理，地理距离近的单元之间往往存在某种联系（Tobler W，2004）。利用全域莫兰指数（global Moran’s I）来刻画全域空间的自相关，可以有效判断碳生产率是否存在空间相关性或异质性，表达式为：

式中Yi表示第i个区域的碳生产率观测值，Yj表 示第j个区域的碳生产率观测值，n为区域个数，为碳生产率观测值平均水平，Wij为空间权重矩阵。

（三）区域碳生产率的测算

碳生产率表示单位CO2排放量的GDP产出水平，数学表达式为某国家或地区在一定时期（通常为一年）内的国内生产总值与同期二氧化碳排放量的比值，具体的碳生产率的核算碳公式如下：

LnTSCLij为碳生产率，单位为万元/吨，GDPij为j 地区第i年的国内生产总值，Aij为j地区第i年碳排放总量。

（四）指标说明及数据来源

本研究所用数据均来自于《中国区域经济统计年鉴》《贵州统计年鉴》。研究指标分别为：财政环保支出（fin）、能源强度（eff）、产业结构（st）和人均地区生产总值（rgdp）。其中，环保财政支出为财政支出中用于环保的资金份额；能源强度为单位GDP能耗，表示某一地区能源综合利用效率；产业结构为第二产业产值占GDP比重，衡量某地区产业化水平；人均GDP反映某一地区的经济发展水平。为了有效消除异方差带来的影响，对各变量取对数处理，记为LnTSCL、Lnfin、Lneff、Lnrgdp和Lnst。

贵州地区碳生产率空间格局及演进分析

（一）碳生产率空间分布格局分析

碳生产率作为单位碳排放量的经济产出，它的高低取决于该地区经济发展水平。图1是“十一五”到“十二五”期间贵州各地级市碳生产率变化趋势图。

图1 贵州各地级市碳生产率变化趋势图

图2 不同年份贵州各地区碳生产率变化趋势图

表1 贵州各地区碳生产率的Moran’s I估计值

图3 基于WRook1的Moran’s I 散点图

从图1可知，2008年以前碳生产率高于0.2万元/吨标准煤的有同仁、贵阳、遵义、黔西南州和黔东南州五市（州），其中铜仁市碳生产率水平最高，保持在0.25-0.3万元/吨标准煤的水平；六盘水市碳生产率水平最低，在0.05万元/吨标准煤水平波动。由于受2008年全球金融风暴影响，除六盘山和毕节市持续增长外，其他各市在2008-2009年初出现不同程度下降。2009年后，经济较发达的省会城市贵阳市与红色旅游城市遵义市碳生产率水平处在全省一二名，其他市（州）也逐渐恢复增长。到2012年，除六盘水市外其他各市（州）碳生产率均高于0.2万元/吨标准煤。总体上，各地级市碳生产率呈斜“N”型波动增长趋势。

但是，即使在同一区域内的各地级市，由于各地级市在人口、资金、交通条件等要素禀赋及面临的机遇存在差异，该区域碳生产率的空间格局也会随着时间的推移而产生变化。图2是各市（州）在不同时期碳生产率的空间分布。具体地，黔东（黔东南州、铜仁市）地区碳生产率从2006年的高碳生产率下降到2010年的中碳生产率水平，总体排位呈下降趋势；黔中（遵义、贵阳和黔南州）地区碳生产率从2006年的中等碳生产率水平上升到2010年高碳生产率水平，到2013年贵阳和遵义依然保持高碳生产率水平，黔中三市总体排位保持领先地位；黔西（毕节、黔西南州、安顺和六盘水）地区碳生产率水平逐年上升，但总体排位依然垫底。

（二）碳生产率全域空间差异分析

近几年来，贵州各地级市碳生产率在总量上呈现增长趋势，在空间分布格局上也在不断变化。为了考察各地级市碳生产率在空间上是否存在关联性或差异性，对各地级市2006年、2010年和2013年的碳生产率空间总体差异进行分析，从表1的结果可发现，贵州各地级市碳生产率的总体差异表现为以下两点：

第一，贵州地级市碳生产率2006年、2010年和2013年的全域莫兰指数估计值分别为0.1844、0.2321和0.0902，均大于零，表明贵州各地级市碳生产率活动存在显著的空间正相关，即提高某一地区的碳生产率水平可在一定程度上对其邻近地区碳生产率的提高产生积极影响。

第二，贵州地级市碳生产率的全域莫兰指数估计值先从2006年的0.1844增长到2010年的0.2321，再从2010年的0.2321下降到2013年的0.0902。表明贵州地级市碳生产率活动的总体空间差异呈先缩小再扩大的演进格局。

（三）局部空间差异分析

尽管上述分析表明贵州地级市碳生产率存在显著的总体空间相关性，且这种空间差异呈现先缩小后扩大的趋势，但并不能说明每个地级市与其邻近地区具有局域空间相关性。这是因为，如果某部分地级市碳生产率活动具有扩展效应（正相关），而另一部分地级市碳生产率活动存在空间集聚效应（负相关），二者全域莫兰指数估计值相抵消后有剩余值，则有可能会判定两地区碳生产率之间不存在空间相关性，从而不能正确揭示各地级市的局域空间相关性或空间差异性。因此，还需检验各地级市局域莫兰指数估计值。本文对贵州各地级市2006-2013年的碳生产率加权平均值进行局部Moran’s I散点图和LISA集聚分析，具体结果如图3所示。

由图3可知，位于第一象限的地级市有遵义市、铜仁市、黔东南苗族侗族自治州、黔南布依族苗族自治州，其碳生产率水平表现为高碳生产率的地区被高碳生产率的地区所包围（High-High，高—高集聚）；位于第三象限的地级市有毕节市、安顺市和六盘山市，其碳生产率局部空间特征表现为低碳生产率的地区被低碳生产率的地区所包围（Low-Low，低—低集聚）；位于第四象限的地级市有黔西南布依族苗族自治州和贵阳市，其碳生产率的局部空间特征为高碳生产率的地区被低碳生产率的地区所包围（High-Low，高—低集聚）。

空间计量分析

在检验了贵州地区碳生产率活动空间效应的基础上，本研究引用考虑空间效应的空间计量模型，分析影响区域碳生产率增长的因素。

首先，对贵州地级市碳生产率的进行空间依赖性检验，OLS估计的空间自相关Moran’s I 指数检验及空间滞后变量或空间误差的Robust LM检验表明，基于WRook1的滞后模型的Lagrange Multiplier值和Robust LM值分别为6.1106和5.8879，P值分别为0.0134和0.0152，均低于5%显著性水平，基于WRook1的误差模型的Lagrange Multiplier值和Robust LM值分别为0.419和0.1964，但p值均大于5%显著水平；此外，不管是基于WRook2或WRook3的滞后模型还是误差模型，对应的Lagrange Multiplier值和Robust LM值的p值均未能通过5%显著性水平检验。因此选择WRook1的空间滞后模型（SLM）更为合适。

其次，表2 检验结果显示，在OLS模型、SLM模型和SEM模型中，SLM模型和SEM模型的各种检验值均优于OLS模型，且在OLS模型下变量Lnrgdp 和Lnst 统计结果并不显著，但增加空间因素之后均通过5%显著性水平检验，表明纳入了空间依赖性的空间计量经济模型更优，而一旦忽略地区之间的相关性则可能产生估计误差。此外，基于WRook1的空间滞后模型（SLM）的拟合优度最高（0.9993）、LogL最大（32.0785）、AIC（-52.1569）和SC（-50.9736）值最小。而普通最小二乘回归模型各项检验值在三种模型中基本是效果最差的，基于WRook2和WRook3的空间模型各项指标值效果也均比基于WRook1的空间滞后模型（SLM）差，因此，本研究选择基于WRook1的SLM模型，具体SLM模型如式（4）所示：

表2 模型回归结果

最后，从各指标系数符号看，基于WRook1的OLS模型、SLM模型和SEM模型的LNEFF、LNST和LNRGDP系数都为负，LNFIN系数符号都为正。表明能源强度增加、第二产业产值比重越大以及人均GDP增加都会抑制碳生产率水平提高，而财政环保支出（LNFIN）增加有助于提高碳生产率水平。具体地，在其他条件不变的前提下：贵州各地区财政环保支出额每增加1%，将会促使碳生产率增加0.15%，意味着增加财政环保支出对地方低碳发展进程具有正向作用，政府可以加大财政支出来提高碳生产率；第二产值比重（LNST）每提高1%，将会使碳生产率降低0.06%，表明地区经济中工业经济产值占经济总产值份额越大，不仅不利于碳生产率提高，还会抑制地区碳生产率水平的提高；单位GDP能耗（LNEFF）每提高1%，将会使碳生产率降低0.74%，说明必须要降低单位GDP能耗才有助于实现碳减排目标；人均GDP每增加1%，将会使碳生产率降低0.03%，说明粗放式经济发展方式虽然可能会促进经济产出快速增长，但未必能提高单位CO2碳排放量的经济效益。此外，贵州各地级市碳生产率活动存在明显的空间效应，在其他条件不变的情况下，邻近地区碳生产率水平每增加1%，将会促进本地区碳生产率下降0.09%，意味着周边地区碳生产率活动对本地区碳生产率活动产生显著的负影响，且该影响（0.09%）明显大于LNEFF和LNRGDP（分别为0.06%、0.03%）的影响。可见，地区碳生产率活动还受到周边地区碳生产率活动的影响，各地区在发展经济时更应该要自觉走低碳经济发展道路，要警惕经济发展中的从众效应风险。

结论

本文分析了近8年贵州各地级市碳生产率活动的空间分布格局及演变趋势，实证分析了财政环保支出、能源强度、产业结构和人均GDP对贵州地区碳生产率活动的空间影响。得出以下结论：

其一，2006年以来，贵州各地级市碳生产率总体呈斜“N”型波动增长趋势，且存在明显的空间集聚性和空间自相关性。2006-2008年初，贵州各地区碳生产率呈增长趋势，在2008年遭遇国际金融危机后出现回落，2009-2013年又持续增长。在空间分布格局上，黔中地区碳生产率水平逐渐提高，并在2010年之后保持最高水平，而黔西地区碳生产率平均水平始终保持最低。从区域空间关联性来看，各市碳生产率存在明显集聚现象，经济较发达以及旅游城市，其碳生产率水平相对比其他城市高，如贵阳市和遵义市在2008年后处于全省最高水平。而对于工业城市，如六盘水碳生产率水平一直处在全省最低位置。

其二，空间滞后回归模型的估计结果表明，纳入了空间依赖性的空间计量经济模型各指标数值比OLS模型更优。在贡献率方面，对碳生产率影响最大的是能源强度（LNEFF）和财政环保支出（LNFIN），分别为-0.74和0.15，其次分别是邻近地区碳生产率活动（ρ）、产业结构（LNST）和人均GDP（LNRGDP），分别为-0.09、-0.06和-0.03。指标系数符号方面，OLS模型、SLM模型和SEM模型的LNEFF、LNST和LNRGDP系数都为负，表明能源强度增加、第二产业产值比重增加以及人均GDP增加都会抑制碳生产率水平提高；而LNFIN系数符号都为正，意味着增加财政环保支出对地方低碳发展进程具有正向作用，政府可以加大财政支出来提高碳生产率。

其三，贵州地级市碳生产率活动的空间溢出不是误差冲击对碳生产率活动产生影响，而是通过相邻地级市碳生产率活动的空间溢出效应发挥作用。在其他条件不变的情况下，邻近地区碳生产率水平每增加1%，将会促进本地区碳生产率下降0.09%，意味着周边地区碳生产率活动对本地区碳生产率活动产生显著的负影响，且该影响（0.09%）明显大于LNEFF和LNRGDP（分别为0.06%、0.03%）的影响。这启示着我们在发展低碳经济的过程中应该充分考虑空间效应，尤其是局域性特征的作用，加大财政支出的合理使用，推动地区产业结构优化升级，降低单位GDP能耗，加强区域经济合作发展，实现经济社会可持续发展。

1.何建坤，苏明山.应对全球气候变化下的碳生产率分析[J].中国软科学，2009（10）

2.谌伟，诸大建等.上海市工业碳排放总量与碳生产率关系[J].中国人口·资源与环境，2010，20（9）

3.张永军.技术进步、结构变动与碳生产率增长[J].中国科技论坛，2011（5）

4.张丽峰.基于LMDI分解法的我国碳生产率影响因素研究[J].资源开发与市场，2013，29（7）

5.吴玉鸣，李建霞.中国区域工业全要素生产率的空间计量经济分析[J].地理科学，2006，26（4）

6.潘家华，张丽峰.我国碳生产率区域差异性研究[J].中国工业经济，2011（5）

7.徐大丰.碳生产率的差异与低碳经济结构调整— 基于沪陕投入产出表的比较研究[J].上海经济研究，2012（11）

8.彭文强，赵凯.我国碳生产率的收敛性研究[J].西安财经学院学报，2012（5）

9.林善浪，张作雄，刘国平.技术创新，空间集聚与区域碳生产率[J].中国人口·资源与环境，2013，23（5）