碳排放区域差异与经济增长的关系

高潇博，孔群喜，李晓伟

(南京财经大学 产业发展研究院，江苏 南京 210046)

碳排放区域差异与经济增长的关系

高潇博，孔群喜，李晓伟

(南京财经大学 产业发展研究院，江苏 南京 210046)

依据IPCC碳排放估算方法，测算了中国30个省市1999～2011年的CO2排放量，并选取碳排放总量、碳排放强度和人均碳排放量三个指标作为分类依据，运用多指标截面数据聚类法，将30个省划分为高、中、低三大碳排放区域。聚类结果显示，高碳排放区包括宁、内蒙古、晋、鲁、辽和冀六省，中碳排放区域包括粤、吉、苏、浙、豫、鄂、皖、黑、新、陕，低碳排放区域包括川、甘、赣、滇、沪、京、津、桂、渝、湘、闽、琼、青。并考察了碳排放与环境质量之间的关系，结果显示三大区域人均GDP和人均碳排放量之间均存在长期协整关系并且符合环境库兹涅茨曲线特征。

区域差异；碳排放；环境库兹涅茨曲线；经济增长

一、问题的提出

近年来，大气中以CO2为主的温室气体排放量逐渐增多，这种现象导致了全世界共同关注一个重大问题——温室效应，在此宏观环境背景下，发展低碳经济并降低碳排放量是有效阻止全球气温持续上升的一项重要举措。随着工业化和城市化进程的不断加快，中国CO2排放量与能源消费量迅速上升。依据国际能源署统计资料，中国CO2排放量在2007年首次超过美国，成为全球第一大碳排放国。2009年12月，中国政府向全世界承诺，到2020年我国单位GDP的CO2排放量在2005年基础上下降40%～50%，并将此目标纳入经济社会发展长期规划中。中国地域广阔，不同省份及区域经济发展不平衡，能源资源禀赋差异很大，因此碳排放表现出明显的区域特征，这就要求在制定减排措施方面有必要将碳排放的区域差异特征和影响因素考虑其中。因此，本文首先对中国CO2排放的地区差异进行考察，然后深入探讨经济增长与CO2排放量之间的关系，在此基础上为制定科学合理的减排政策提供参考和依据。

目前，研究CO2排放区域的差异已成为国内外学术界关注的热点。谭丹等(2008)[1]在我国碳排放区域差异研究中发现，碳排放增长速度和排放量最大的是东部地区，而中部地区碳排放增长速度最慢，西部碳排放量最少。此外，徐大丰(2010)[2]的研究结果显示，中西部地区碳排放量低于东部，且碳排放区域差异比较显著的行业为建筑业、工业和运输业。然而，这些研究多是简单的概括和描述，并没有采用相关的衡量指标对碳排放的区域差异给予量化研究。岳超等(2010)[3]利用Theil系数研究了中国各省市碳排放强度差异的变化和来源，但因其测算公式不太准确而导致研究结果可信度不高。杜克锐(2011)[4]在测算碳排放效率时发现，中国各地区碳排放效率差异明显且差异程度呈继续扩大的趋势，制定减排措施过程中要重点考虑地区差异因素。国外有关CO2排放区域差异的研究主要集中在跨国层面(Heil和Wodon，1997；Padilla和Serrano，2006；Duro和Padilla，2006；Groot，2010；Cantore和Padilla，2010)[5] [6] [7] [8] [9]，但关于中国碳排放地区间差异研究的文献并不多见。目前国外仅有Clarke-Sather等(2011)[10]运用泰尔指数和变异系数等方法将中国地域单元按东中西进行划分，并研究了中国1997～2007年碳排放的区域差异。

此外，经济增长与碳排放量之间的关系也是现阶段学术界的研究热点。Grossman和Krueger(1995)[11]提出了反映经济增长与环境质量之间关系的倒“U”型曲线，即著名的环境库兹涅茨曲线(EKC)。国外学者(Schmalesee等，1998)[12]研究发现，发达国家碳排放与人均收入呈现比较强的相关性，即二者存在EKC曲线特征。然而，也有研究得出不同的结论，如Friedl在研究奥地利碳排放与经济增长关系时得出二者呈“N”型关系的结论[13]。国内学者也验证了环境质量与经济发展之间的倒“U”型特征(吴振信，2012；王飞成等2014)[14] [15]。当然，也有不少文献驳斥了EKC理论的存在，如刘国平、诸大建(2011)[16]和范允奇、王文举(2011)[17]都通过建立面板数据模型，发现环境质量与经济增长之间并不存在倒“U”型关系。而于卫国(2011)[18]在研究污染物排放与人均GDP之间关系时，甚至得出经济增长对环境质量影响并不显著的结论。由此可知，EKC假设在我国能否成立还存在着很大争议。

目前有关碳排放区域差异的研究存在一些不足，这主要表现在区域划分方面，大多数文献是依据某一具体指标进行划分的，或是直接借鉴地理位置划分。另外，现有文献也较少涉及碳排放地区差异，为给政府制定减排政策提供依据，研究各地区碳排放差异具有重要价值。而中国地域辽阔，各地区资源禀赋差异极大，这也导致了各地区碳排放状况存在较大差异。因此，本文在以往研究基础上将碳排放量、碳排放强度和人均碳排放量三个指标作为依据，将我国30个省市的碳排放分为高、中、低三个区域，并研究各区域间的差异。基于此，本文从碳排放的区域差异及其与经济增长的关系两个视角展开分析，为低碳经济政策的制定提供参考和依据。

二、中国各省市碳排放量的测算

1.数据来源与测算方法

本文所涉及碳排放量的面板数据来源于1999～2011年《中国能源统计年鉴》和《中国统计年鉴》。由于《中国统计年鉴》中缺少西藏和港、澳、台的能源数据，因而本研究没有把这几个地区纳入考察范围。由于各省市CO2排放量在统计年鉴中没有直接给出，因此CO2排放量都是通过估算得出的。因为CO2产生于主要能源的消耗，故由主要能源消费量就可测算出碳排放量，估算过程中，主要能源消费量直接来源于统计数据，而各能源碳排放系数则可以由IPCC获得。此外，IPCC也给出了各种类型燃料的碳含量、有效CO2排放系数以及CO2排放量的计算方法。具体估算方法如式(1)：

(1)

其中，Ei和ηi分别代表第i种能源的消费量和碳排放系数，CE是碳排放量。IPCC提供的碳排放系数具体数值见表1：

表1 各类能源的碳排放系数

资料来源：国家发展和改革委员会能源研究所.中国可持续发展能源暨碳排放情景分析[R] .2003.

2.测算结果与分析

本文首先根据各类能源消耗量、碳排放系数以及公式(1)计算出1999～2011年各省市CO2排放量，然后根据CO2排放量计算出各地区碳排放强度(Ci)和人均碳排放量(Cp)，其中，Ci由碳排放量(CE)除以各地区GDP得出，Cp则由碳排放量除以各地区人口数得出(表2)。从表2可以看出，2011年各省市无论在CE、Ci还是Cp上都存在较大差异。鲁、内蒙古、晋、豫、苏、冀、粤、辽、浙几省CE较高；琼、青、京、津、渝、赣、甘和沪CE较低；内蒙古、宁、晋、贵、新、甘和陕几省Ci较高，京、沪、粤、浙、闽、琼以及川Ci较低；而内蒙古、宁、晋、新、辽、津、鲁和冀等Cp较多，川、京、赣、桂、琼、湘等Cp较少。

从总体趋势来看，1999～2011年间CE以7.3%的年均增长率逐年增长。根据增长速度将这一时期划分为不同的时段：1999～2002年年均增长率为2.1%，碳排放量增长趋势平稳，称为平稳增长期；2003～2010年年均增长率为10.6%，碳排放量增长趋势迅速，称为快速增长期。而在这一期间，碳排放强度以6.3%的年均下降率逐年降低。

图1反映了1999～2011年中国碳排放总量和碳排放强度的变化情况。

表2 2011年各省市CE、Ci和Cp

图1 1999～2011年中国碳排放总量和碳排放强度变化

三、中国各省市碳排放的区域差异分析

1.多指标聚类分析

聚类分析的思想是根据样本的多个观测指标，找出能够度量样本或指标之间相似程度的统计量，据此将相似程度较大的样本聚合为一类，形成一个由大到小的分类系统(邓维斌等，2012)[19]。为了克服单一分类指标包含信息较少的缺陷，本文选取CE、Ci和Cp三个指标作为聚类分析的依据。将2011年数据进行标准化处理之后，选取欧氏距离度量数据之间的亲疏程度：

其中，m为空间维度；Xit是样本i在空间t中的位置；而dij表示样本Xi到Xj的距离。最后，在进行聚类分析时选用离差平方和法，得到下面的树状聚类谱系图，将我国30个省市划分为三大类。

图2 中国30个省市碳排放聚类谱系图

高排放区域包括宁、内蒙古、晋、鲁、辽和冀，这些省、市的煤炭消耗量占能源消耗总量的比例较高，是高能耗产业的主要分布区域，工业总产值尤其是重工业总产值占GDP比例高。这部分地区具有CE和Cp均较高的特征，其中，宁夏碳排放总量并不高，但是其总体面积较小，人口也较少，因此经济总量较小，其Ci和Cp均排第二位，因此也被归为高排放区；中排放区包括粤、吉、苏、浙、豫、鄂、皖、黑、新和陕几个省份。从地理位置上来看，中碳排放区综合了高、低两区域的碳排放特征，处在高低排放区的交界处。中排放区多为经济人口大省，其CE、Ci和Cp三个因素中有一个或两个相对较高；低排放区有赣、桂、滇、渝、湘、川、沪、闽、京、琼、甘、青和津。此区域内产业结构相对合理，与其他两个排放区比较，新能源相对丰富，能源利用效率高，且第三产业占比较高。处在低排放区的省份多表现出碳排放强度低、碳排放总量和人均碳排放较小的特征。其中，广东省虽然CE很大，但Ci和Cp却较低，因此将其划分为低排放区。

2.区域差异性分析

由1999～2011年各省市碳排放数据和聚类分析可知，2011年高、中、低三类碳排放区CE分别占全国CE总量的37.61%、41.88%、20.51%，而三大区域GDP却分别占全国GDP总量的37.61%、46.94%、30.58%。

图3 1999～2011年三类区域碳排量变化

由图3可知(3条折线分别代表高、中、低碳排放区域)，三区域碳排放量阶段性特征比较明显，且整体上都呈逐年递增趋势。1999～2000年为平稳增长阶段，2003～2011年为迅速增长阶段，在平稳阶段，高、中、低三类排放区碳排放量年均增长率分别为8.909%、4.929%和4.969%，而迅速增长阶段三区域碳排放量的年均增长率分别为15.161%、15.775%和12.176%。

图4 1999～2011年三类区域碳排放强度变化

图4是中国三大碳排放区碳排放强度的变化趋势图。从整体上来看，现阶段三区域CE的增长速度均小于GDP的增长速度，这表明中国经济发展质量在不断提升，Ci在不断降低。高、中、低三大区域碳排放强度的年均递减速率分别为7.77%、8.44%、10.30%。

图5 1999～2011年三类区域人均碳排量变化

三大区域人均碳排放量的变化情况与碳排放强度变化情况相反，图5反映了三区域人均碳排放量的变化趋势，图形显示高中低三区域人均碳排放量均逐年递增，且年均增长率分别为16.18%、13.67%和11.90%。

从地理分布上看，三区域南北差异明显，南方地区多为低碳排放区，北方则多为高、中排放区，究其原因主要有以下几个方面：(1)北方是煤炭产地的集中区，煤炭消耗量较高。(2)高排放区经济增长方式多为粗放型的，单位GDP消耗的能源较多，因而不利于提升经济发展质量。(3)中、高排放区人口规模相对较大，经济总量高，因此CE也相对较高。(4)产业结构情况显著影响碳排放量，高、中碳排放区中的重工业比例较高。

变异系数是用来衡量各观测值变异程度的一个指标，其定义为标准差与平均数的比值。我们分别计算三大区域的三个指标的变异系数(图6)。由图6可以看出三个区域碳排放差异不断增大。区域间CE、Ci和Cp的变异系数分别由1999年的0.28、0.41与0.42增长到2011年的0.34、0.47与0.50。

比较三区域CE和人均CE的年均增长率发现，高碳排放区最大，低排放区次之，中排放区最小。然后比较三区域Ci的年均递减速率发现高碳排放区低于其他两类区域，且这种差距越来越大，而低排放区又小于中排放区，说明中低排放区的差距在不断减小。

图6 1999～2011年三区域碳排放变异系数

四、碳排放与经济增长关系实证分析

1.模型构建与检验

EKC曲线指出，环境质量在经济发展初期伴随人均收入增长逐渐恶化，而在人均收入达到一个临界点之后则随人均收入增加而有所改善，即二者呈倒“U”型特征(钟茂初等，2010)[20]。在经济发展初期，CE随经济增长而增加，而在工业化后期，经济增长会减少对能源消耗的依赖，甚至会出现CE随GDP增长而下降的现象(李玉文等，2005)[21]。

首先根据1999～2011年三区域人均CE和人均GDP绘制散点图，然后利用SPSS软件对散点图进行拟合，从拟合效果来看，二次方程拟合程度最好，因此构建如下EKC模型：

(3)

上式中，Cp单位为吨，表示人均CE；α为常数项，β1和β2分别为一次项和二次项的系数；Gp与上文所指一致，代表人均GDP，单位为万元。

为规避伪回归的出现，首先对数据进行平稳性检验。对Cp、Gp以及Gp2进行ADF检验，发现数据并不平稳，然后再对一阶差分和二阶差分进行检验，发现二阶差分序列是平稳的。尽管有些经济变量不平稳，但是如果这些变量之间存在长期均衡关系，它们的线性组合则有可能是平稳的。Cp、Gp和Gp2在ADF检验下均为二阶单整，然后运用EG两步法进行协整检验并验证EKC曲线的存在。通过OLS进行协整回归，估计协整向量并计算残差，对残差进行ADF检验得出序列平稳，说明Cp、Gp和Gp2之间存在长期协整关系。

2.回归分析

首先，对高碳排放区进行OLS回归得到EKC方程：Cp=0.2957+1.8492Gp-0.2082Gp2。利用Matlab软件画出高碳排放区的库兹涅茨曲线如图7所示，二次方程模型中β1为正、β2为负的特点说明高碳排放区域存在碳排放拐点，人均碳排放量和人均GDP呈倒“U”型特征，根据拐点计算公式得出高碳排放区拐点出现在人均GDP44 409元时。对比此拐点位置，得知目前我国高碳排放区中蒙、辽、宁三省已达理论EKC曲线拐点。

图7 高碳排放区域的EKC曲线

然后，运用同样的方法得到中碳排放区库兹涅茨曲线方程为：Cp=0.3107+0.8531Gp-0.0698Gp2，中碳排放区域的库兹涅茨曲线(图8)方程中β1为正，β2为负，说明中碳排放区同样存在碳排放拐点，人均碳排放量和人均GDP也呈倒“U”型特征，拐点出现在GDP为61 110元时，因此中排放区中陕、新和吉已跨越拐点。

图8 中碳排放区域的EKC曲线

最后，对低碳排放区域进行OLS回归，得到低碳排放区库兹涅茨曲线(图9)模型为：Cp=0.2328+0.6988Gp-0.0940Gp2，同高、中排放区一样，低排放区β1为正，β2为负，因此该区域也存在拐点，Cp和人均GDP也呈现倒“U”型特征。由公式计算的拐点在GDP37 170元处，因此低碳排放区域中津、沪、闽、渝、甘以及青几省市已达到拐点。

图9 低碳排放区域的EKC曲线

从理论上计算中国EKC曲线拐点将出现在2020年左右，人均GDP 37 170元处，(林伯强等，2009)[22]，但实证预测到2040年拐点仍不会出现。影响碳排放量的因素很多，例如收入、能源强度以及产业结构等，且不同因素都会对EKC曲线形状产生影响。就经济发展本身而言，在改革开放初期，我国采用东、中、西部地区阶梯状发展战略，东部地区最早起步，在经济发展初期，要实现经济快速发展就要付出巨大的环境成本。中部和西部地区相对东部地区经济起步略有推后，因此它们在起步和发展的过程中可以吸取东部地区发展的经验教训，进而在一个较低经济发展水平越过环境库兹涅茨曲线的临界点，实现经济增长和环境改善的双赢模式。

五、结论与政策建议

依据IPCC碳排放量计算公式以及聚类分析法，本文选取CE、Ci和Cp作为评价指标，将我国30个省市划分为高中低碳排放区。高排放区集中在北方几个省份：宁、内蒙古、晋、鲁、辽和冀；中排放区有皖、粤、浙、黑、陕、鄂、吉、新、贵、苏和豫；低排放区包含沪、赣、桂、滇、湘、渝、川、闽、京、津、琼、甘和青。另外，三大区域分别在CE、Cp和Ci上均存在较大差异。

三大排放区人均GDP与Cp之间均存在EKC曲线关系，且三区域拐点出现位置不同。理论上，高碳排放区拐点出现在人均GDP 44 409元的位置，中碳排放区域为61 110元，低碳排放区为37 170元。然而，结合本文结论以及EKC曲线理论拐点位置来看，三区域目前大体上都还没有达到拐点位置，仍处在曲线的前半阶段。总之，为促使EKC曲线拐点早点到来，各省市需要从能源消费和产业结构等几个方面采取措施。

根据以上的实证分析，本文在改善环境质量与节能减排方面提出几点建议：

第一，经济发达地区，如东部沿海和京津地区，目前减排潜力已基本耗尽。因此，以产业结构调整和技术进步来提升减排潜力是该地区的最优减排路径，同时还要结合该地区经济与资源禀赋优势，优化能源结构，开发利用可再生能源和清洁能源，如核电、水电以及风电等。

第二，次发达地区，如东北地区和中部地区，由于这些地区目前减排潜力还未充分发挥，因此还有一定的减排空间。其次，该地区碳排放量与人均GDP之间具有明显的正相关性，人们对能耗型产品需求仍处在增长阶段，所以可通过大力宣传以提高人们减排意识来达到减排效果。另外，这部分地区目前正处在经济飞速发展阶段，因此可在淘汰本地落后产业的同时承接东部产业来提升减排空间。

第三，不发达地区，如西北和西南等相对落后的地区，碳排放量较少，大规模调整产业结构或更新技术会带来规模不经济。对于正处在产业升级的西南地区，产业结构调整是减排政策的重点，但对于西北地区，能源利用效率相对落后，可通过提高技术来提高能源效率，以此实现减排目标。

[1] 谭 丹，黄贤金.我国东、中、西部地区经济发展与碳排放的关联分析及比较[J] .中国人口·资源与环境，2008，18(3)：54-57.

[2] 徐大丰.我国碳排放结构的区域差异分析[J] .江西社会科学，2010，(4)：79-82.

[3] 岳超等.1995～2007年我国省区碳排放及碳强度的分析[J] .北京大学学报(自然科学版)，2010，46(4).

[4] 杜克锐，邹楚沅.我国碳排放效率地区差异、影响因素及收敛性分析——基于随机前言模型和面板单位根的实证研究[J] .浙江社会科学，2011，(11)：32-43.

[5] Heil M T,Wodon Q T.Inequality in CO2Emissions between Poor and Rich Countries[J] .The Journal of Encironmental and Development,1997,4(6):426-452.

[6] Padilla E，Serrano A.Inequality in CO2Emissions across Countries and Its Relationship with Income Inequality：A Distributive Approach[J] .Energy Policy,2006,14(34):1762-1772.

[7] Duro J A,Padilla E.International Inequalities in Per Capita CO2Emissions：A Decomposition Methodology by Kaya Factors[J] .Energy Economics,2006,2(28):170-187.

[8] Groot L.Carbon Lorenz Curves[J] .Resource and Energy Economics,2010,1(32):45-64.

[9] Cantore N,Padilla E.Equality and CO2Emissions Distribution in Climate Change Integrated Assessment Modeling[J] .Energy，2010,1(35):298-313.

[10] Clarke-Sather,Qu Jiansheng,Wang Qin,Zeng Jingjing,Li Yan.Carbon Inequality at the Sub-National Scale：A Case Study of Provincial-level Inequality in CO2Emissions in China 1997～2007[J] .Energy Policy,2011,9(39):5420-5428.

[11] Grossman G M,KruegerAB.Economic Growth and the Environment[J] .Quartely Jowral of Economics,1995,112(2):353-378.

[12] Schmalesee R,Stoker T M,Judson R A. World Carbon Dioxide Emissions:1950-2050[J] .Review of Economics and Statistics,1998,80(1):15-27.

[13] Friedl B,Getzner M.Determinates of CO2Emissions in a Small Open Economy[J] .Ecological Economics,2003,45(1):133-148.

[14] 吴振信.经济增长、产业结构对碳排放的影响分析——基于中国的省级面板数据[J] .中国管理科学，2012，20(3)：161-166.

[15] 王飞成，郭其友.经济增长对环境污染的影响及区域性差异——基于省际动态面板数据模型的研究[J] .山西财经大学学报，2014，36(4):14-26.

[16] 刘国平，诸大建.中国碳排放、经济增长与福利关系研究[J] .财贸研究，2011，(6)：83-88.

[17] 范允奇，王文举.我国经济增长对碳排放驱动效应的实证研究[J] .贵州财经学院学报，2011，(3)：7-13.

[18] 于卫国.中国经济发展与环境污染关系的实证分析[J] .经济问题，2011，(1)：23-26.

[19] 邓维斌，唐兴艳，胡大权.SPSS 19.0 统计分析实用教程[J] .北京：电子工业出版社，2012：56-82.

[20] 钟茂初，张学刚.环境库兹涅茨曲线理论及研究的批评综述[J] .中国人口·资源与环境，2010，(2):45-49.

[21] 李玉文，徐中民，王 勇.环境库兹涅茨曲线研究进展[J] .中国人口·资源与环境，2005,(5):76-81.

[22] 林伯强，蒋竺均.中国CO2的环境库兹涅茨曲线预测及影响因素分析[J] .管理世界，2009,(4):67-70.

责任编校：田 旭，马军英

Research of Regional Differences of Carbon Emissions Based on Cluster Analysis and the Relationship Between Economic Growth

GAO Xiao-bo, KONG Qun-xi, LI Xiao-wei

(Nanjing University of Finances and Economics, Institute of industry development, Nanjing 210046，China)

According to the Intergovernmental Panel on Climate Change(IPCC) carbon emissions calculation method, the paper calculates carbon emissions of 30 provinces in china between 1999 and 2011 except Hong Kong, Macau and Taiwan. Selecting the amount of emissions、carbon intensity and per capita carbon emissions as three indicators, 30 provinces are divided into three carbon emission region through cluster analysis of multivari-able sectional data. Clustering results show that high emission region includes Ningxia, Inner Mongolia, Shanxi, Shandong, Liaoning and Hebei. Moderate emission region have Anhui, Hubei, Zhejiang, Guangdong, Heilongjiang, Shaanxi, Jilin, Xinjiang, Guizhou,J iangsu and Henan. And low-carbon emission region including Jiangxi, Guangxi, Chongqing, Yunnan, Hunan, Sichuan, Shanghai, Fujian, Beijing, Hainan, Gansu, Qinghai and Tianjin. Besides, co-integration test and regression analysis was performed of carbon emissions and GDP per capita of the three groups. Results show that a co-integration relationship had long been exiting between them and fit the environmental Kuznets inverse U curve. It is predicted that the total carbon emission of the country will keep on increasing for a long time, however, with a growth rate of carbon emission lower than that of the GDP, which means the carbon emission intensity will keep on declining.

regional difference; carbon emission; environmental Kuznets curve

2015-05-25

国家自然科学基金资助项目(71303105)；江苏高校优势学科建设工程资助项目(PAPD)

高潇博，女，汉，河南商丘人，硕士，研究方向为产业组织与服务经济。 孔群喜，男，汉，江苏徐州人，副院长，副教授，经济学博士，研究方向为产业组织与公共政策。

F062.2

A

1007-9734(2015)04-0021-07