中国区域二氧化碳排放增长的驱动因素——工业化、城镇化发展的视角

涂正革 谌仁俊 韩生贵，2

(1.华中师范大学 经济与工商管理学院， 湖北 武汉 430079; 2.青海民族大学 继续教育学院， 青海 西宁 810007)

中国区域二氧化碳排放增长的驱动因素
——工业化、城镇化发展的视角

涂正革1谌仁俊1韩生贵1，2

(1.华中师范大学 经济与工商管理学院， 湖北 武汉 430079; 2.青海民族大学 继续教育学院， 青海 西宁 810007)

随着中国工业化、城镇化快速发展，由此所带来的CO2排放问题日渐严重。本文使用引入工业化、城镇化因素的LMDI“两层完全分解法”，将CO2排放变化分解为七大因素效应，从工业化、城镇化发展视角分析了中国1995-2012年30个省份七大部门的CO2排放增长特征。研究发现：经济规模效应和能源强度效应是主导中国CO2排放变化以及造成区域显著差异的根本原因。经济规模扩张是促进CO2排放的决定因素，在绝大部分省份工业化水平低于60%的情况下，经济规模效应仍将继续扮演推动CO2排放增长的最重要因素。反观城镇化与经济规模效应的倒U型关系，已有7个CO2排放大省城镇化水平超过60%的拐点，未来由此所带来的CO2排放增长压力有望得到缓解。

CO2排放； 驱动因素； 工业化； 城镇化

一、引言

自工业革命以来，全球经济史无前例的快速增长，人们生活水平得到了翻天覆地的改善，然而由此所衍生的环境问题，特别是二氧化碳高强度排放所带来的温室效应问题却日趋严重。显然，减排已是各国当仁不让的责任，而各国是承担相同的责任，还是承担有区别的责任，成了全球气候问题谈判中一直争论不休的重要问题。从1972年的联合国人类环境会议宣言，到1992年的《联合国气候变化框架公约》，各国确立了“共同但有区别的责任”的减排原则，这为后续制定《京都议定书》、《德里宣言》等全球气候政策提供了法律框架和基础机制。

中国正处在工业化、城镇化快速发展阶段，由此所带来的CO2排放问题日渐严重。根据本文的计算，1995-2012年，工业所占比重、城镇人口所占比重在18年间分别提高13.00个百分点、22.61个百分点，随之CO2排放量翻了两番多，并使中国在2007年成为全球最大的CO2排放国。同时，中国区域经济发展不平衡，在不同的工业化、城镇化水平下，各地区CO2排放特点也不尽相同。2012年，全国CO2排放量最多的省份是山东，高达7.56亿吨，最少的是海南，仅0.38亿吨。尽管两个地区的城镇人口所占比重相差不大，但对比其工业所占比重，山东的56.69%远远大于海南的20.44%。山东是工业大省，海南是旅游大省，由于支柱产业的差别，两个地区的CO2排放量相差巨大。于是，在各地区经济发展状况不一的情况下，把握工业化、城镇化发展阶段的CO2排放增长特征，对制定合理的区域碳减排政策便显得尤为紧迫。

要回答这些问题，就必须深入了解并比较各地区CO2排放增长的驱动因素。本文结合中国经济发展阶段的CO2排放特点，引入工业化、城镇化等反映经济发展阶段的指标，构建适用于比较区域CO2排放驱动因素的LMDI“两层完全分解法”，采用1995-2012年30个省份7大部门数据，分析包括经济结构、城乡结构等在内的七大因素效应，比较各地区CO2排放的理论增加量、理论减少量和碳减排潜力系数，并分析工业化、城镇化发展与CO2排放各驱动因素效应的关系，试图探讨：中国CO2排放区域差异有多大？影响地区CO2排放增长的核心因素是什么？工业化、城镇化与CO2排放各驱动因素效应会表现出何种关系？

二、文献研究综述

近年来，关于CO2排放驱动因素的研究，越来越受到学者们的关注。其中，最常用的方法是SDA(Structure Decomposition Analysis)和IDA(Index Decomposition Analysis)。有不少文献对这两类方法进行了比较①。SDA方法主要基于投入产出模型的分解分析方法，需要借助比较详细的投入产出表，受到一定的数据约束。IDA方法主要基于kaya恒等式，方法比较简单，相对而言对数据的要求不高，因此应用较多。在已有的IDA方法中，应用最多的两类方法是基于Divisia指数的IDA和基于Laspeyres指数的IDA，已有的文献对这两大类方法进行了较全面的比较。Zhang & Ang②和Ang③研究发现，基于Divisia指数的LMDI(Log-Mean Divisia Index)是其中最理想的方法。LMDI使用简单(ease of use)，分解项有很强的经济解释能力(ease of result interpretation)，分解后不存在残差项(perfect in decomposition)，加总满足一致性(consistent in aggregation)，能处理非正值(零值和负值)问题，满足几种基本的指数性质检验：比例性(proportionality)、时间逆转检验(time-reversal test)、数值均值检验(mean-value test)、因素逆转检验(factor-reversal test)，而且LMDI方法的乘法形式和加法形式可以通过一个简单有用的关系式，紧密联系起来。因此，LMDI方法不仅被国内外学术界广泛应用，而且被包括国际能源署(IEA)在内的许多有影响的政府部门，应用于研究CO2排放驱动因素及其效应政策。

越来越多的学者开始利用LMDI方法研究中国CO2排放驱动因素。其中，一些学者从全国角度进行分析，如Liu et al.分析中国工业CO2排放的驱动因素，发现工业的经济规模和能源强度是影响中国工业CO2排放的主要因素④。随着对产业结构的重视，部分学者综合各行业，分析中国CO2排放总量的驱动因素，如Wang et al.分析中国1957-2000年农业、工业、建筑业、服务业、居民生活5个部门的数据，发现能源强度的下降是驱动碳减排的最重要因素⑤。Wu et al.运用LMDI乘法形式满足加总一致性的性质，将6个部门根据各自特点分为3类，提出“三层完全分解法”，分析了中国1985-1999年28个省份6个部门6种能源的数据⑥。王峰等改造了这种“三层完全分解法”，将其压缩成“两层”，但保留将6个部门分为3类的思路，用全国数据进行了分析⑦。

为了捕捉中国各地区在当前经济发展阶段下的CO2排放特征，探寻切实可行的碳减排路径，本文选取1995-2012年中国30个省份7大部门20种能源的数据，应用涂正革和谌仁俊提出的LMDI“两层完全分解法”，分析区域碳排放的七大因素效应，以及理论增加量、理论减少量和碳减排潜力系数，最后采用局部加权回归散点平滑法(Locally Weighted Regression and Smoothing Scatterplots，LOWESS)重点分析工业化、城镇化发展与CO2排放各驱动因素效应的关系。相比已有文献，本文的研究有以下两点特色与创新：其一，研究内容的创新和实践价值。本文应用LMDI“两层完全分解法”分析区域CO2排放增长的七大驱动因素，考虑到工业化、城镇化因素，这便可以准确把握经济发展阶段的CO2排放特点，从工业化、城镇化发展的视角，厘清各驱动因素对CO2排放增长的影响以及与各驱动因素效应的关系。其二，对CO2排放因素效应分类方法的创新。本文根据各因素效应对CO2排放的影响特点，将其分为两类，即理论增加量效应和理论减少量效应，并定义其比值为碳减排潜力系数。这种处理，对探寻经济发展和CO2排放的平衡点，考察碳减排潜力与空间有着重要的现实意义。

三、理论方法框架与数据选取

(一)LMDI“两层完全分解法”模型的构建

根据涂正革和谌仁俊提出的LMDI“两层完全分解法”，将CO2排放总量按部门分为生产部门(i=1，…，5分别是农林牧渔业、工业、建筑业、商业和运输业)的CO2排放和生活部门(i=6，7分别是城镇居民生活和乡村居民生活)的CO2排放：

(1)

式(1)可以进一步表示为：

(2)

其中，(1)、(2)式的各符号含义见表1。

表1 模型中各变量的含义

把(2)式中各项看作关于时间t的连续可微的函数，等式两边同时对t求导，有：

(3)

在时间段[0，T]上对(3)式两边求积分，有：

(4)

运用积分中值定理，对(4)式进行的离散化处理，有：

(5)

其中，Cpi(t*)是一个权重函数，t*∈[0，T]。LMDI将其定义为对数平均函数，即：

Cpi(t*)=L(Cpi，0，Cpi，T)=(Cpi，T-Cpi，0)/ln(Cpi，T/Cpi，0)

于是，将(5)式左边记为CO2排放总量的变化ΔCtot，右边记为七大因素效应之和，即可将CO2排放总量的变化ΔCtot分解为七大因素效应之和：

ΔCtot=ΔCCI+ΔCEIP+ΔCES+ΔCY+ΔCEIL+ΔCLS+ΔCL

(6)

其中，各大因素效应(FE)的计算公式为：

(7)

(二)模型分解效应的经济学解释

1.能源强度效应：ΔCEIP，表示生产部门能源强度效应，反映各生产部门的节能技术或生产技术水平变化对CO2排放的影响。当各生产部门能源利用率提高(下降)时，能源强度下降(上升)，在其他条件不变情况下会导致CO2排放量的减少(增加)。

2.生活水平效应：ΔCEIL，表示居民生活水平效应。居民人均生活用能量的变化，反映两个方面的含义。一方面，反映生活水平的变化。在解放初期，国家整体经济发展水平低，许多小县城都没有使用电能，在农村更谈不上使用煤气和煤炭，因此，化石能源使用较少。随着经济快速发展，人们生活水平的提高，电能、天然气、煤气等能源逐渐普及到农村，化石能源和CO2排放量随着居民生活提高而大幅增加。另一方面，反映人们的节能和低碳意识程度的高低。假如人们的低碳、节能意识不断提高，就会抑制能源消耗量，减少CO2排放。因此，居民人均生活用能量的变化反映生活水平变化和居民低碳节能意识变化的综合效应。但现阶段中国居民生活水平仍较低，故居民人均生活用能量的变化反映的是居民生活水平效应。

3.结构效应：ΔCCI、ΔCES、ΔCLS。其中，ΔCCI表示碳排放系数效应，反映能源结构变化对CO2排放的影响。当清洁能源(如水电、核电、太阳能等)或低碳能源在总能源消费量中的比例提高(下降)时，碳排放系数下降(上升)，在其他条件不变情况下会导致CO2排放量的减少(增加)。ΔCES表示经济结构效应，反映的是经济结构调整对CO2排放的影响。当低能耗、低排放部门比高能耗、高排放部门发展快(慢)时，在其他条件不变情况下会导致CO2排放量的减少(增加)。ΔCLS表示城乡结构效应，反映城镇化进程对CO2排放总量的影响。随着农村人口不断涌向城市，他们在城市能源消费相比在农村时更多，城镇化进程加快会推动CO2排放总量的增加。

4.规模效应：ΔCY、ΔCL。其中，ΔCY表示经济规模效应，反映经济规模扩张对CO2排放的影响，也衡量了经济增长的环境影响。经济增长扩张将是CO2排放增加的最重要因素，也是碳减排的巨大挑战。ΔCL表示人口规模的碳排放效应，反映人口规模扩张对CO2排放的影响。随着人口数量的不断增多，生活部门的能源消耗和CO2排放将会大幅度增加。

(三)CO2排放的理论增加量和理论减少量的计算

1.反映CO2排放的理论增加量的效应。根据中国的基本国情，考虑到中国工业化与城镇化高速发展的现状，居民生活水平、城镇化水平、经济规模和人口数量在短期内将不可避免的快速提高，而这些因素所带来的CO2排放总变化量可看作中国理论增加量。在保证中国经济发展的基本前提下，可以通过合理限制这些因素的提高，走低碳经济发展道路。

2.反映CO2排放的理论减少量的效应。生产部门能源强度、碳排放系数、经济结构分别可以通过提高节能技术、调整结构等手段来降低其对碳排放的影响，而这些因素所带来的CO2排放总变化量可看作中国理论减少量。可以观察这些效应的变化，考察中国碳减排实施力度。

于是，设ΔCincrease、ΔCdecrease分别为CO2排放的理论增加量、理论减少量，则

ΔCtot=ΔCincrease-ΔCdecrease=(ΔCY+ΔCLS+ΔCL+ΔCEIL)-(-ΔCCI-ΔCEIP-ΔCES)

(8)

CO2排放的理论增加量反映经济发展的必然结果，理论减少量则反映碳减排措施的实施结果，于是，单位CO2排放的理论增加量下的理论减少量的大小，便能衡量出各地区碳减排的潜力与空间，本文将此比值称为碳减排潜力系数，记为ξ，则

ξ=ΔCdecrease/ΔCincrease

(9)

碳减排潜力系数越小，代表碳减排实施力度越差，其潜力与空间则越大。

(四)数据来源及说明

部门的划分，是本文的一大独特之处，本文的研究对象既包括三次产业部门，也包括生活部门。本文在各省份能源平衡表的部门划分基础上，将研究部门划为七大部门：农林牧渔业、工业、建筑业、商业(合并批发、零售业和住宿、餐饮业以及其他行业)、运输业(交通运输、仓储和邮政业的简称)、城镇居民生活、农村居民生活。各部门的经济数据，来自《新中国60年统计资料汇编》、《中国人口和就业统计年鉴》、《中国统计年鉴》和各省份统计年鉴。其中，各省份各生产部门的产出数据，分别根据各省份各生产部门1995年的产出和不变价格的生产指数(以1995年为基期)推算得到。商业的产出数据，通过计算第三产业与运输业的不变价格的产出数据之差得来。居民人口数据中，城镇人口采用城镇常住人口(居住超过半年以上)。

四、CO2排放总体趋势及区域特征

(一)总体趋势分析

从全国各部门来看，1995-2012年期间，工业占生产部门CO2排放量的70.45%，占CO2排放总量的62.66%。18年间，其占比呈下降趋势，从1995年的67.35%，下降到2012年的59.63%。建筑业、商业、运输业、城镇居民生活四个部门的占比呈现上升趋势。尤其是运输业，增幅最大，年均增长率高达12.00%，CO2排放量从1995年的2.00亿吨增加到2012年的13.36亿吨，增长了5倍多。其比重从1995年的7.93%上升到2012年的16.28%，翻了一番多。城镇居民生活虽仅占CO2排放总量的6.92%，但已远大于农村居民生活的占比。

CO2排放的部门特征表明，工业部门的CO2排放量占据主导地位，尽管其比重有所下降。在城镇化的推动下，城镇居民会增加，其生活CO2排放量会日渐增多。运输业的快速发展使得其CO2排放量增速迅猛。

图1 1995-2012年全国分部门CO2排放量的变化趋势数据来源：笔者根据四所权威机构的官方网站公布数据及省级数据和模型计算结果整理得出。

(二)区域特征分析

根据各地区年均CO2排放量、年均增长率以及全国平均水平，本文将30个省份划分为四种CO2排放类型，即高排放高增长型、高排放低增长型、低排放高增长型、低排放低增长型，详细结果见表2。

1.高排放高增长型地区，即CO2排放量、年均增长率均高于全国平均水平，共有广东、河北、浙江、河南、上海和山西等6个地区。这些地区的CO2排放变化量的标准差均较大，这说明在高增长的同时，其波动也较大。广东、浙江在18年间均未出现过碳减排。

2.高排放低增长型地区，即年均CO2排放量高于全国平均水平，但年均增长率低于全国平均水平，共有山东、江苏、辽宁、湖北和四川等5个地区。与高排放高增长型地区一样，这些地区的CO2排放变化量的标准差都较大，这说明尽管保持低增长，但其增长并不稳定。其中，山东在全国30个省份中，波动最大，为38.76MT，且出现了最大的增排量(154.81MT)。相反，四川出现了最大的减排量(34.81MT)，从时间节点上看这与重庆单列为直辖市有关。

3.低排放高增长型地区，即年均CO2排放量低于全国平均水平，但年均增长率高于全国平均水平，共有黑龙江、北京和江西等3个地区。

4.低排放低增长型地区，即年均CO2排放量、年均增长率均低于全国平均水平，共有湖南、内蒙古、安徽、福建、吉林、云南、新疆、广西、陕西、天津、贵州、重庆、甘肃、宁夏、青海和海南等16个地区。其中，海南的CO2排放变化量的标准差最小，仅为1.42MT，呈现低位平稳高增长趋势。此外，广西在18年间均未出现过碳减排。

除河南和山西外，高排放高增长型地区均属于中国东部经济发达地区，工业化、城镇化水平较高，在经济高速发展的同时，CO2排放量大，且其增速也较大，未来将面临最大的减排压力。根据《方案》所规定的各省份碳减排目标，在“十二五”期间，广东的单位生产总值CO2排放量需下降19.5%，是各省份中任务最重的。根据本文的计算结果，广东2012年工业比重为57.69%，城镇人口比重为67.40%，工业化、城镇化进程都位于全国前列。与此同时，CO2排放总量为5.91亿吨，低于山东和河北，各部门平均碳排放系数为4.91t-c/t-标准煤，仅低于青海，生产部门平均能源强度仅为0.27吨标准煤/万元，人均生活用能量也仅为0.15吨标准煤/人，均为各省份最低水平。所以，广东所面临的减排压力主要来自过高的CO2排放总量和严重的能源结构重型化。

综上所述，中国地区间CO2排放绝对量和变化量差异显著，那么都是哪些因素所决定的？下面将根据本文所使用的LMDI“两层完全分解法”，从CO2排放的理论增加量和理论减少量两个角度综合分析CO2排放增长的驱动因素，接着考察工业化、城镇化发展与各驱动因素效应的关系。

表2 1995-2012年全国及各地区CO2排放量及其变化 单位：MT、%

数据来源：笔者根据模型计算结果整理得出。

五、CO2增长的综合因素分析

(一)全国动态变化

本文采用LMDI“两层完全分解法”，将各地区CO2排放变化分解为经济规模、人口规模、城乡结构、居民生活水平、碳排放系数、经济结构和能源强度等七大因素效应。其中，经济规模、人口规模、城乡结构、居民生活水平四大效应归结为CO2排放的理论增加量，这些因素是中国经济现阶段发展所必不可少。碳排放系数、经济结构、能源强度三大因素可以改进和优化，称为CO2排放的理论减少量。于是，根据LMDI“两层完全分解法”，逐年加总各省份的七大驱动因素，便可以得到1995-2012年全国CO2排放变化量的七大分解因素效应，详细结果见表3。

表3 1995-2012年全国CO2排放变化量的指数分解结果 单位：MT

数据来源：笔者根据模型计算结果整理得出。其中，分时期数据取的是平均值。

从表3可以看出，除1997年外，中国CO2排放一直保持了强劲的增长势头，尤其是2005年，CO2排放相对前一年增加823.37MT。分时期来看，2000年后的三个五年规划，CO2排放的增长量均远远大于“九五”规划所产生的。究其原因，比较理论碳增排量和理论碳减排量便不难得出。“九五”规划，理论碳增排量仅为理论碳减排量的1.43倍。到“十五”规划，理论碳减排量平均为负值，2005年甚至为-222.83MT，这不但没起到减排效果，反而助长了CO2排放增长。“十一五”规划、“十二五”规划前期，理论碳减排量虽然起到了减排作用，但是与理论碳增排量的差距已经远远拉开，理论碳增排量分别是理论碳减排量的2.65倍和2.98倍。这一差距的逐年拉开，体现在碳减排潜力系数之上便是其呈现下降趋势，不过近几年有所回升，2012年碳减排潜力系数达到0.45，略低于1996年的0.59。

毫无疑问，高速攀升的理论碳增排量和缓慢上升的理论碳减排量是引致中国CO2排放高速增长的主要原因。那么，具体是什么原因导致？从理论碳增排量的四大因素效应来看，经济规模效应是最大推手，对理论碳增排量的贡献一直保持在90%以上，甚至在1997、1999、2000年突破了100%。其他三大驱动因素，除居民生活水平效应在1997-2000年出现过负值外，一直为正值，推动CO2排放增长，其推动作用也正在逐年增加。反映理论碳减排量的三大因素效应，生产部门能源强度是主导理论碳减排量变化的主要因素，2005年生产部门能源强度的大幅提升，是导致理论碳减排量当年出现负值的原因。

从全国整体的时间动态变化来看，经济规模效应和能源强度效应是主导中国CO2排放变化的主要驱动力。具体到地区或行业，其CO2排放变化的主要驱动因素是什么？借助本文采用的LMDI“两层完全分解法”，能够加总得到地区或行业层面的七大驱动因素，这是本文所采用方法的优势所在。然而考虑到本文侧重点在于分析区域CO2排放增长，接下来仅对区域层面进行差异比较分析。

(二)区域差异比较

根据LMDI“两层完全分解法”，分别加总各省份各年份的七大驱动因素，便可以得到1995-2012年各省份CO2排放变化量的七大分解因素效应，详细结果见表4。

表4 1995-2012年全国及各地区CO2排放变化量的指数分解结果 单位：MT

数据来源：笔者根据模型计算结果整理得出。其中，全国数据取的是平均值。

1.CO2排放的理论增加量及相关因素效应分析

本文界定的CO2排放的理论增加量反映的是经济发展的必然结果。理论增加量前五名的地区是：山东、广东、江苏、河北和辽宁。排名后五名的地区是：海南、青海、宁夏、甘肃和江西。从CO2排放的理论增加量与实际变化量的关系看，理论排放量主导实际CO2排放量。进一步，分析CO2排放的理论增加量的四大效应，发现：

其一，经济规模的碳排放效应：CO2排放增长的最大推手。根据表3中的数据，全国地区CO2排放的理论增加量平均为274.80MT，其中，经济规模效应为258.48MT，占比为94.06%。经济规模效应排在前五名的地区是：山东、广东、江苏、河北和辽宁，这五大省份无论是从GDP总量，还是增速，都是排名前列的地区。排名后五名的地区是海南、青海、宁夏、甘肃和江西，这些地区的经济发展相对滞后。排名第一的山东的经济规模扩张的碳排放效应是海南的近22倍。这样的排名结果与CO2排放实际变化量、理论增加量的排名基本一致，这说明经济规模扩张是促进CO2排放增长的最主要因素。

其三，城乡结构的碳排放效应：城镇人口比重变化幅度和其边际碳排放量是决定因素，山东在各地区中影响最大。城乡结构效应，排在前五名的地区是：山东、河北、贵州、广东和江苏，均在6MT以上；排名后五名的地区：上海、浙江、北京、吉林、青海和重庆，均不足0.3MT，其中，上海、浙江和北京甚至为负值。城乡结构效应大小不仅与当地城镇人口比重变化幅度有关，而且还与其边际碳排放量有关，即城镇人口比重每增长1个百分点CO2排放的增加量。根据本文的计算，上海、北京、吉林和青海城镇人口比重在18年间变化相对较小，分别不足14个百分点，而且其城镇化进程的边际碳排放量均低于全国平均水平(23.10万吨)，所以其城乡结构效应便相对较小。山东、河北、广东和江苏不仅城镇人口比重变化幅度较大，而且城镇化进程的边际碳排放量均高于全国平均水平，故其城乡结构效应相对较大。值得一提的是，贵州尽管城镇化进程的边际碳排放量较低，但其城镇人口比重变化幅度最大，18年间变化32.25个百分点，所以其城乡结构效应较大。

其四，居民生活水平的碳排放效应：东部地区大，中西部地区小。居民生活水平效应，排在前五名的地区是：山东、广东、黑龙江、浙江和内蒙古，均在25MT以上；排名后六名的地区贵州、四川、江西、河北、安徽和青海，均为负值。排名靠前的省份基本为东部经济发达地区，相反，排名靠后的基本为中西部经济欠发达地区。

2.CO2排放的理论减少量及相关因素效应分析

CO2排放的理论减少量衡量经济发展的质量——经济和能源结构优化、技术水平提高的程度。理论减少量排在前五名的地区是：广东、江苏、山东、辽宁和上海，这说明广东、江苏、山东等地区尽管CO2排放量很大，但是由于其技术优势，碳减排措施实施也较好；而排名后五名的地区是：青海、新疆、海南、宁夏和云南，其中，青海、云南、海南的理论碳减排值不足6MT，说明这些地区碳减排实施力度很差。进一步，分析碳排放的理论减少量的三大效应，发现：

其一，碳排放系数的碳排放效应：近四分之一地区能源结构重型化得到了减弱，尤其是山东。碳排放系数效应，排在前五名的地区是：江苏、浙江、河北、辽宁和安徽，均在25MT以上，能源结构重型化处在严重加重阶段，而山东、黑龙江、湖北、湖南、贵州、重庆和陕西等7个地区，均为负值，能源结构重型化得到了一定的减弱，尤其是山东、黑龙江、湖北、湖南能源结构优化调整做得最好，下降幅度在10MT以上，山东高达33.12MT。

其二，经济结构的碳排放效应：大部分地区仍处在重型化严重加重阶段，其中河北最为严重。比较经济结构效应，河北、山东、河南、湖南、安徽、广东、湖北和内蒙古等8个地区，均在30MT以上，大于10MT地区共有18个，大部分地区经济结构重型化仍处在严重加重阶段。相反，仅有上海、北京和甘肃3个地区的经济结构重型化得到了一定程度的减弱。

其三，生产部门能源强度的碳排放效应：各地区能源利用率都得到了不同程度的提高，其中广东和江苏尤为明显。所有地区生产部门能源强度效应均为负值，生产部门的能源利用率得到了有效改善。其中，绝对值大于100MT的地区共17个：广东、江苏、辽宁、河北、山东、上海、浙江、山西、湖北、河南、湖南、安徽、内蒙古、吉林、四川、黑龙江和天津，小于10MT的地区仅有海南。这样的排名结果与CO2排放理论减少量的排名基本一致，这说明能源强度的下降是抑制CO2排放增长的最主要因素。

综合以上对CO2排放的理论增加量和理论减少量的分析，大致可以看出：东部地区尽管CO2排放量大，但其碳减排成效较为明显，而西部地区正好相反。进而，对比各地区碳减排潜力系数，可以衡量出各地区碳减排实施力度的好坏，判断其碳减排的潜力与空间。黑龙江、北京、吉林和上海等4个地区大于或等于0.5，其碳减排实施情况最好，而新疆、青海和云南等3个地区均不足0.1。

六、工业化、城镇化与CO2排放驱动因素效应

这里用工业比重表示工业化水平，用城镇人口比重表示城镇化水平。考虑到本文计算的驱动因素表示在控制其他因素在前期水平不变的情况下对CO2排放的影响，因此在分析两者关系时，工业化、城镇化水平均选取滞后一期。而工业比重、城镇人口比重又分别包含在经济结构、城乡结构之中，所以在具体分析时将不考虑工业化与经济结构效应、城镇化与城乡结构效应的关系。根据LOWESS方法，可以计算得到工业化、城镇化与CO2排放驱动因素效应的关系图，具体结果见图2和图3。

1.工业化与CO2排放驱动因素效应

工业化与经济规模效应的关系表现为倒U型的左边，当工业化水平达到60%左右时，经济规模效应接近最大值。这说明工业化水平低于60%的地区，随着工业化的逐步推进，经济规模效应仍将无可避免地扮演推动CO2排放增长的最重要因素。工业化与人口规模效应、城乡结构效应、生活水平效应的关系表现为先近似水平变化，当工业化水平经过某值后协同增长。具体地，当工业化水平达到50%左右时，工业化与人口规模效应开始协同增长；当工业化水平达到33%左右时，工业化与城乡结构效应开始协同增长；当工业化水平达到42%左右时，工业化与生活水平效应开始协同增长。工业化与碳排放系数效应的关系表现近似为水平线，这说明工业化进程，对碳排放系数效应的推动作用不明显。工业化与能源强度效应的关系表现为协同下降，这说明随着中国工业化进程，能源强度效应仍可以扮演抑制CO2排放增长的最主要因素。

2.城镇化与CO2排放驱动因素效应

图2 工业化与CO2排放驱动因素效应的关系图

图3 城镇化与CO2排放驱动因素效应的关系图

七、主要结论

由于区域之间工业化、城镇化水平不同，中国各地区之间CO2排放差异显著。本文基于LMDI“两层完全分解法”，使用1995-2012年30个省份7大部门20种能源的数据，将CO2排放变化量分解为经济规模、人口规模、城乡结构、居民生活水平、碳排放系数、经济结构和能源强度等七大因素效应，进而采用LOWESS方法分析工业化、城镇化与CO2排放驱动因素效应的关系，得出以下几点主要结论：

第一，经济规模效应和能源强度效应是主导中国CO2排放变化以及造成区域显著差异的根本原因。经济规模扩张是促进CO2排放的决定因素，代表着技术进步因素的生产部门能源强度的下降是抑制CO2排放的主要因素。这两大效应同时也是造成中国CO2排放区域差异显著的主要原因。1995-2012年，CO2排放增幅最大的山东是增幅最小的海南的19倍多，其中，这两个地区的经济规模效应相差近22倍，生产部门能源强度效应相差近19倍。

第二，工业化处于推动各驱动因素效应阶段，未来仍会带动各驱动因素推动CO2排放增长。工业化与经济规模效应的关系表现为倒U型的左边，在工业化水平低于60%情况下，经济规模效应仍将无可避免地扮演推动CO2排放增长的最重要因素。目前仅天津(64.87%)、重庆(60.58%)的工业比重超过了60%，未来由此所带来的CO2排放增长压力可想而知。除此之外，当工业化水平经过某值后，人口规模效应、城乡结构效应、生活水平效应也将开始与工业化协同增长。稍感欣慰的是，工业化与能源强度效应一直表现出协同下降，随着中国工业化进程，能源强度效应仍可以扮演抑制CO2排放增长的最主要因素。

第三，城镇化与各驱动因素效应的关系多为倒U型，逐渐出现环境库兹涅茨曲线现象。城镇化与经济规模效应、生活水平效应、经济结构效应的关系均表现为倒U型，尤其是与经济规模效应的关系尤为明显，当城镇化水平到达60%左右时出现拐点。目前上海(89.30%)、北京(86.20%)、天津(81.55%)、广东(67.40%)、辽宁(65.65%)、浙江(63.20%)、江苏(63.00%)等7个地区已通过拐点，而这些省份也都是CO2排放较大的省份，所以未来由此所带来的CO2排放增长压力有望缓解。

注释

①Ang, B. W., Zhang F. Q. “A Survey of Index Decomposition Analysis in Energy and Environmental Studies.”Energy25，no.12 (2000): 1149-1176;Hoekstra, Rutger. Jeroen J.C.J.M, and van der Bergh. “Comparing Structural and Index Decomposition Analysis.”EnergyEconomics25, no.1 (2003): 39-64．

②Zhang, F. Q., and Ang B. W. “Methodological Issues in Cross-country Region Decomposition of Energy and Environment Indicators.”EnergyEconomics23,no.2 (2001): 179-190．

③Ang, B. W. “Decomposition Analysis for Policymaking in Energy: Which is the Preferred Method？”EnergyPolicy32, no.9 (2004): 1131-1139．

④Liu, Lan-Cui, Ying Fan, Gang Wu, and Yi-Ming Wei. “Using LMDI Method to Analyze the Change of China’s Industrial CO2Emissions from Final Fuel Use: An Empirical Analysis.”EnergyPolicy35, no.11 (2007): 5892-5900．

⑤Wang, Can, Jining Chen and Ji Zou. “Decomposition of Energy-related CO2Emission in China: 1957-2000.”Energy30, no.1 (2005): 73-83．

⑥Wu, Libo, Shinji Kaneko, and Shunji Matsuoka. “Driving Forces behind the Stagnancy of China’s Energy-related CO2Emissions from 1996 to 1999: The Relative Importance of Structural Change, Intensity Change and Scale Change.”EnergyPolicy33, no.3 (2005): 319-335．

⑦王峰、吴丽华、杨超：《中国经济发展中碳排放增长的驱动因素研究》，《经济研究》2010年第2期。

⑧陈诗一、严法善、吴若沉：《资本深化、生产率提高与中国二氧化碳排放变化——产业、区域、能源三维结构调整视角的因素分解分析》，《财贸经济》2010年第12期。

⑨雷厉、仲云云、袁晓玲：《中国区域碳排放的因素分解模型及实证分析》，《当代经济科学》2011年第5期。

⑩仲云云、仲伟周：《我国碳排放的区域差异及驱动因素分析——基于脱钩和三层完全分解模型的实证研究》，《财经研究》2012年第2期。

责任编辑 张静

Driving Factors about the Growth of Regional Carbon Emissions in China ——From the Perspective of the Development of Industrialization and Urbanization

Tu Zhengge1Shen Renjun1Han Shenggui1，2

(1.School of Economics and Business Administration， Central China Normal University， Wuhan 430079; 2.College of Continuing Education， Qinghai Nationalities University， Xining 810007)

With the huge development of China’s industrialization and urbanization，carbon emission has become a growing problem. This paper uses LMDI “two-level perfect decomposition” method which contains the factors of industrialization and urbanization to decompose the change of carbon emission into seven factor effects. Then，this paper analyzes the increasing features of carbon emission in 7 departments of 30 provinces during 1995-2012 from the perspective of the development of industrialization and urbanization. The empirical findings suggest that: Economic scale effect and energy intensity effect are the primary determinants the change and significant difference of regional carbon emissions. Among the seven factor effects，economic scale effect is the deciding factor of promoting carbon emissions. Moreover，economic scale effect will continue to play this role when industrialization in most provinces are less than 60%. However，considering the U-shaped relationship between urbanization and economic scale effect，the pressure would be relieved from urbanization in the future because the urbanization in seven sample provinces with large emissions are more than 60% which is the inflection point．

carbon emissions； driving factors； industrialization； urbanization

2014-09-22

教育部新世纪优秀人才支持计划“‘低碳经济’与节能减排研究”(NCET-10-0409)；华中师范大学优秀博士学位论文培育计划资助项目“工业化、城镇化与区域碳减排政策选择”(2013YBYB02)