城市化、产业结构与人均碳排放——理论推演与实证检验

方齐云　曹金梅

(华中科技大学经济学院， 湖北武汉430074)



城市化、产业结构与人均碳排放
——理论推演与实证检验

方齐云曹金梅

(华中科技大学经济学院， 湖北武汉430074)

随着工业化和城市化的持续推进，我国的产业结构随之发生变化，对二氧化碳排放的影响也是关注的焦点。本文首先构建模型分析城市化、产业结构和碳排放的关系，并进一步使用固定效应面板数据模型和异质斜率面板模型实证分析了城市化、产业结构变化和碳排放的关系，结果表明城市化和人均碳排放之间存在倒U形关系，出现该关系的深层次机理在于产业结构的变化：在工业化后期，服务业占比上升，而服务业的能源消耗强度比工业小，因此人均碳排放会出现拐点。根据回归结果计算各省市到达人均碳排放拐点的时间，发现东部地区已经达到或几年内即将到达拐点，而中西部地区则平均需要十五年才能到达拐点。未来各省在制定减排政策时，需要充分考虑到其所处地区的城市化和工业化的阶段，采取差异化的产业引导政策。

城市化；产业结构；二氧化碳排放；拐点

一、引言

随着我国经济的快速发展，我国能源消费量在过去几十年间保持快速增长，由化石燃料燃烧产生的二氧化碳排放量不断增加。2006年我国二氧化碳排放总量超过美国成为全球最大的碳排放国，与此同时，城市化和工业化进程持续推进，我国人均二氧化碳排放也呈逐年上升趋势，并于2013年首次超过欧盟。二氧化碳是最重要的温室气体，随着全球气候变暖，低碳经济是全世界共同关注的话题，世界各国对我国的碳排放高度关注，要求我国承担更大的节能减排任务。我国在“十二五”规划纲要中明确提出要减少人均碳排放的量，在2016年通过的“十三五”规划纲要中将“绿色”作为重要的发展理念之一。我国作为世界上最大的发展中国家，如何在保持经济发展中高速增长的前提下，在建设资源节约型和环境友好型社会的要求下，继续深入地推进城市化和工业化是需要研究的一个重要课题。

二、文献综述

由于环境问题日益突出，低碳经济得到越来越多的关注，很多学者对城市化、产业结构变化和二氧化碳排放量之间的关系进行了考察，相关的研究文献主要分为以下几个方面：一是检验城市化和二氧化碳排放量之间的库兹涅兹倒U形曲线关系[1，2]，即随着城市化水平的不断提高，二氧化碳排放量会先上升后下降，但正如很多研究环境库兹涅兹曲线的文献一样，忽视了对倒U形曲线的产生机制进行研究；二是利用多国二氧化碳排放量的面板数据，根据人均国民收入水平对国家进行分组，研究不同收入水平下的城市化与二氧化碳排放量之间的关系，并发现了异质性的存在[3，4]；三是探讨城市化如何影响二氧化碳排放，如通过影响能源利用效率[5，6]、规模经济和技术进步[7]、生活方式的改变[8，9]等，城市化从多个方面影响着二氧化碳排放。综合这些文献可以看出，城市化和产业结构变化对二氧化碳排放量影响的逻辑如下：城市化的主要表现是人口向城市集聚，这一方面导致资源能源消耗的增加；另一方面可能产生集聚经济或集聚不经济，对二氧化碳排放产生直接影响；同时，城市化会提高一个地区的收入水平，用于环境治理的投资也因此会增加，城市化也有利于加快一个地区的技术进步，新技术会改变资源能源的利用效率，进而间接影响二氧化碳的排放量。

但以上研究并没有将城市化、产业结构变化和二氧化碳排放纳入一个分析框架，大部分实证研究只是简单地将产业结构作为工业化的代理变量放入模型中，并没有考虑城市化和工业化的阶段性特征及它们之间的协同作用。在城市化的过程中，一方面人口大量向城市集聚，为工业和服务业提供源源不断的劳动力；另一方面，城市的移入人口由于存在生活用品需求、住房需求和服务需求，反过来又会促进工业化。同时，在经济发展过程中，存在“工业化”和“后工业化”现象，在“工业化”阶段，农业在国民经济中的比重持续降低，工业和服务业的比重持续提高；在“后工业化”阶段，工业占比呈现下降趋势，服务业占比则相应提高，经济增长主要由服务业推动。在“工业化”和“后工业化”阶段，产业结构会发生相应变化，并且由于三次产业消耗能源的强度和品种不同，这种产业结构的变化会直接导致二氧化碳排放量的上升或下降。因此，城市化、产业结构变化和二氧化碳排放量之间的关系有待进一步深入分析。

本文在James等[10]、徐朝阳[11]的基础上构建了包含两地区(城市和农村)，三产业(农业、工业和服务业)，四生产要素(土地、资本、劳动力和能源)的一个均衡模型，从理论上分析了城市化和产业结构变化对人均二氧化碳排放量的影响及其背后的逻辑链条。进一步地，利用我国省际面板数据构建了静态和动态的异质斜率面板回归模型(其中各省二氧化碳排放量是利用各种能源消费量和二氧化碳排放系数进行计算得到)，实证分析了我国城市化、产业结构变化与人均二氧化碳排放之间的关系，检验我国城市化和二氧化碳排放之间是否存在“倒U”型关系，并进而测算出我国各省二氧化碳排放量到达拐点的时间，并据此提出相应的政策建议。

三、理论模型

(一)基本假设

一个封闭经济体有三个产业部门，农业部门、工业部门和服务业部门，其中农业部门使用土地(D)、能源(E)和劳动力(L)三种要素进行生产活动，工业部门和服务业部门使用资本(K)、能源和劳动力三种要素进行生产活动，假设三个部门的生产函数是如下的柯布道格拉斯形式

(1)

(2)

(3)

其中Y表示总产出，y表示各部门人均产出，下标a、m和s分别表示农业、工业和服务业，下标t表示时间t，A是全要素生产率，常数α1、α2、1-α1-α2都在0到1之间，类似的β1、β2、γ1、γ2满足该条件。并且dt=Dt/Lat,eit=Eit/Lit(i=a,m,s)，kjt=Kjt/Ljt(j=m,s)。

假设农业只在农村生产，工业和服务业在城市生产，所有劳动力都充分就业。该假设虽然比较严格，但一定程度上能描述现实状况：农村虽然也有工业和服务业，但占比不到20%，该假设实际上是一种极端的简单情况，无碍于本文后续的分析[12]。设各部门劳动力在总劳动力中的占比为lit=Lit/Lt(i=a,m,s)，其中总劳动力Lt=Lat+Lmt+Lst，假设总劳动力以指数形式增长，即Lt=L0exp(nt)。城市化的主要表现就是由于城市的拉力和农村的推力作用，人口向城市生产部门集聚，因此定义ut为人口的城市化率，即城市人口占总人口的比重，其计算公式如下

ut=lmt+lst

(4)

二氧化碳排放来源于生产过程中的能源消耗，假设农村和城市使用能源的效率是不同质的，其中农村所使用能源的碳排放系数为1，城市部门所使用能源的碳排放系数为ε(ε>1)，因此人均碳排放为

(5)

(二)生产的均衡

假设生产要素在部门间能够自由流动，均衡时各部门所使用的要素得到相同的报酬，设资本、劳动力、能源得到的报酬分别为Rt、Wt、Pt，则有

(6)

(7)

(8)

联立式(6)、式(7)、式(8)得

(9)

(10)

(11)

使用服务业和工业产值之比μt作为产业结构的代理变量，使用该变量的优点是能够准确刻画出“工业化”和“后工业化”过程中产业结构的变化特征。

(12)

联立式(4)、式(12)得

lat=1-u1

(13)

(14)

(15)

(三)消费的均衡

假设最终产品Yt由三次产业的产品复合而成，并且也为柯布道格拉斯形式。最终产品用于消费(C)和投资(I)

(16)

yt=Yt/Lt=(Ct+It)/Lt=ct+it

(17)

(18)

其中y是人均最终产品，c和i分别是人均消费和人均投资。式(18)是资本运动方程，δ是资本折旧率，n是人口增长率。

一个代表性消费者的效用函数如下

(19)

式(19)中ρ是时间偏好率，z>0，θ>0为常数，效用函数在消费的基础上加入了人均二氧化碳排放*本文中二氧化碳排放量由能源消耗量和二氧化碳排放系数计算得来，故在公式(19)中用人均能耗et来作为二氧化碳排放的替代变量。，该设定是因为生产过程中产生的二氧化碳作为一种污染物，会给消费者带来负效用。因此消费的均衡就是要最大化式(19)，约束条件是式(18)。构建上述最大化问题的汉密尔顿方程

H=[exp(-(p-n)t)][lnct-zet]+πt(i-δkt)

(20)

其中πt是协状态变量，根据最大化原理有一阶条件

∂H/∂lat=0

(21)

∂H/∂eat=0

(22)

∂H/∂it=0

(23)

微分方程

(24)

联立式(21)至式(24)，解出eat代入式(5)得均衡时的碳排放

(25)

四、计量模型与样本数据

(一)模型设定及变量选取

对式(25)两边取对数，为了回归方便，对模型进行简约化处理，因此本文检验城市化、产业结构变化与二氧化碳排放的计量模型如下

lneit=η0+η1lnuit+η2(lnuit)2+η3lnμit+η4lnμit+ηXit+ξit

(26)

式(26)包含城市化率的一次项和二次项来检验城市化和人均碳排放的倒U形关系，并且模型中包含了城市化和产业结构的交互项，这是为了检验城市化和产业结构对碳排放的交互作用。X是控制变量矩阵，下表i表示省份i，t表示时间t。控制变量包括人均GDP增长率(rgdp)、贸易开放度(open)、技术进步(tech)、人均受教育程度(edu)、人口密度(dens)、基础设施变量(infr)和制度(inst)。贸易开放既会促进技术进步，又会带来“污染避难所”效应，对二氧化碳排放产生影响。由于基础设施会影响交通工具等的利用，由于各省经济状况、制度环境不同，这会直接影响投资等活动，进而对二氧化碳排放产生影响，因此在省际层面上同时控制了人均GDP增长率、基础设施和制度变量。城市化的主要表现是人口向城市地区集聚，导致人的生活习惯、消费习惯等发生变化，这直接影响碳排放，但由于生活习惯的改变不方便度量，本文使用人均受教育程度、人口密度作为代理变量，其背后的假设是人均受教育程度、人口密度与生活习惯是高度相关的，同时本文假定居民受教育程度越高，其节能减排的意识就越强，人口密度的高低与规模经济有关。为了消除可能存在的异方差问题对所有变量都进行了取对数处理。

二氧化碳排放量基于能源消费量进行计算，包括煤炭、焦炭、汽油、煤油、柴油、燃料油和天然气等8种主要化石能源，各种能源的碳排放系数取自张鸿武等[13]的研究。城市化有多种度量指标，本文使用城镇人口占总人口的比重来衡量。产业结构使用服务业与制造业产值之和在国民经济中的比重表示，并且不需要使用价格指数进行平减。控制变量中贸易开放用贸易依存度来度量，即进出口总额与GDP的比值。技术进步用劳均物质资本水平来衡量，物质资本存量根据张军等[14]的研究方法进行计算，以1995年为基期。1995—2004年各省人均受教育程度的数据来源于李秀敏[15]的研究结果，并采用其计算方法扩充至2012年。各省人口密度用年末总人口除以相应面积得到，基础设施变量使用人均公路里程数来度量，制度使用非国有固定资产投资比重作为代理变量。

(二)数据来源及初步分析

本文使用的数据来源于《新中国60年统计资料汇编》、各年的《中国统计年鉴》、各年各地区统计年鉴、《中国劳动统计年鉴》、《中国能源统计年鉴》等。需要指出的是西藏由于数据缺失不包括在内，重庆并入四川进行计算。各省各种能源的利用数据只能从1995年以后编制的地区能源平衡表中获得，因此本文构建的是全国29个省市1995—2012年共18年的面板数据。

为避免共线性问题，首先对各变量进行相关性分析，相关系数矩阵如表1所示。可以看出，人均受教育程度与城市化率的相关系数高达0.822 8，这与我们的常识一致：一个地区的城市化水平越高，其居民平均受教育程度也会越高。另外贸易开放度与城市化、技术进步的相关系数都在0.7以上，其背后的逻辑链条可能是：一个地区城市化水平和贸易开放度会相互促进，而贸易开放和城市化水平的提高又会促进技术进步。其余变量间相关系数都在0.5以下，基本不存在共线性问题。因此在进行回归分析时，应逐步加入人均受教育程度、贸易开放度和技术水平，观察系数的显著性及模型的解释力，选择更合适的回归模型。

表1　变量的相关系数矩阵

五、实证分析

(一)固定效应回归分析

如上文分析，考虑到可能存在的多重共线性问题，在回归模型中逐步加入人均受教育程度、贸易开放和技术进步项，回归结果如表2所示。四个模型都选择双向固定效应回归，并且四个模型的拟合优度都较高，矫正R2都在0.75以上。四个模型中，GDP增长速度系数都显著为正，表明经济增长和人均碳排放之间正相关。四个模型中的城市化系数都在1%水平下显著为正，城市化平方项的系数也在1%水平下显著为负，验证了人均碳排放量与城市化之间确实存在倒U形关系；产业结构的系数在1%水平下显著为负，表明工业占比降低或服务业占比提高有助于降低人均碳排放；城市化和产业结构的交互项的系数显著为负，证实了城市化和工业化之间存在协同作用，特别是在工业化后期，城市化的继续提高主要依靠服务业的拉动，而向城市集聚的劳动力又为服务业的发展提供了保障。

进一步观察四个模型的控制变量可知，模型(2)在加入人均受教育项后，人均受教育程度的系数不显著，方差膨胀因子VIF大于10，并且城市化的系数显著降低，说明人均受教育程度与城市化存在严重的多重共线性问题，因此模型(3)和模型(4)不加入人均受教育程度项。模型(3)和模型(4)中，贸易开放都在1%的水平下显著为负；模型(4)中加入了技术进步项，其系数在10%的水平下显著为负，技术进步项的加入使贸易开放项的系数降低，说明贸易开放对人均碳排放的作用主要是通过促进技术进步而降低了碳排放。此外固定效应面板模型的前提是不存在截面相关且残差平稳，使用CD检验来检验是否存在截面相关，使用CIPS检验残差是否平稳，其中CIPS检验与一般的单位根检验的不同之处在于其允许存在截面相关。从检验结果来看，模型(3)和模型(4)存在截面相关，四个模型的残差都不平稳，这表明使用传统的固定效应模型存在着一定的问题，因此考虑使用允许个体不同斜率的异质斜率面板估计方法。

表2　固定效应面板回归结果

注：括号中为t统计量，*、**、***分别表示系数通过了10%、5%、1%的显著性检验。

(二)异质斜率面板回归分析

异质斜率面板估计方法主要包括MG(Mean Group)、CCEMG(Common Correlated Effects Mean Group)、AMG(Augmented Mean Group)三种方法，其中MG估计量由Pesaran和Smith于1995年创建，该方法不考虑截面相关性[16]，Pesaran对MG方法进行改进并创造了CCEMG估计量，允许存在截面相关情况下进行估计[17]；AMG估计量将不能观测的共同因子视为有用的信息，因此比MG和CCEMG估计量包含更多的信息[18]。表3给出了三种静态异质斜率面板估计方法的回归结果，可以看出三种方法回归的效果相比固定效应面板模型的要好，CD检验结果表明个体存在截面相关，CIPS检验结果表明回归的残差是平稳的。

从三个模型的回归结果看，GDP增长速度的系数显著为正，城市化的系数显著为正，并且模型(6)CCEMG方法中城市化的系数最大且最显著，城市化的二次项的系数都为显著负，再次验证了城市化与碳排放之间存在倒U形的关系。产业结构、产业结构和城市化的交互项的系数都显著为负，验证了城市化和产业结构对碳排放存在负的协同作用，服务业比重的提升有利于降低碳排放。

表3　静态异质斜率面板回归结果

考虑到能源消费具有一定刚性的特征，由能源消费产生的碳排放与上一年的碳排放存在一定的相关性，因此将人均碳排放的滞后一期项加入回归模型中，使用动态面板进行回归分析。表4是动态异质斜率面板的回归结果，可以看出人均碳排放滞后一期项的系数都通过了10%水平的显著性检验，并且系数都为正，说明碳排放确实存在时间上的自相关性，上期的碳排放对本期的碳排放具有显著的棘轮效应。

表4　动态异质斜率面板回归结果

(三)拐点分析

由上文分析，人均碳排放和城市化之间存在倒U型关系，因此可以利用模型来计算各省市人均碳排放达到拐点的时间。由(26)式可以得到人均碳排放对城市化的偏导为

利用表(4)的回归结果计算出各省份人均碳排放达到拐点的时间如表5所示。其中各省城市化和产业结构增速是1995—2012年的平均增速，产业结构增速有正有负是因为各省所处的工业化阶段不同，东部大部分地区已处于工业化后期，服务业占比不断提高，产业结构μ增速为正，而中西部地区还处于工业化初期或中期，因此其产业结构μ增速为负。

各省达到人均碳排放拐点的时间由表4三个模型的计算结果取平均得到。可以看出，上海、北京、天津在2012年已经达到了人均碳排放的拐点，原因在于这三个地区不仅城市化率相当高，而且已经进入后工业化时期，服务业在三次产业中的比重较高，其能耗和二氧化碳排放已经达到了顶点。浙江、江苏分别在2014年和2015年人均碳排放量达到顶点；广东和山东预计将在2017年达到人均碳排放的拐点。辽宁、河北等两个东部省份以及中西部地区以由于目前仍处在工业化中期，工业占比提高是这一时期的标志，因此这些省份和地区达到人均碳排放的时间要相对迟一些。福建和海南的工业占比一直较低，旅游业发达，服务业占比一直较高，影响这些地区碳排放量的主要因素是经济增长率，因此这两个省份达到碳排放拐点的时间也较晚。

表5　各省份人均碳排放达到拐点的时间

注：“─”表示该地区已达到人均碳排放的拐点。

六、主要结论及启示

(一)结论

本文首先构建模型分析了城市化、产业结构和碳排放的关系，推导出了人均碳排放的数理表达式，结果表明经济发展水平、城市化与产业结构变化都会影响碳排放，并且只有当服务业与工业的比值达到一定水平时，城市化率的提高才会导致人均碳排放下降。

在此基础上，本文采用面板数据模型实证分析了三者之间的关系，考虑到固定效应面板模型不能处理截面相关问题和数据不平稳性问题，因此使用MG、CCEMG、AMG三种异质斜率面板模型，分别考察了静态和动态的异质斜率面板模型，结果表明：

(1)城市化和碳排放之间存在倒U形关系，城市化和产业结构对碳排放的影响具有负的协同作用，由此，城市化和碳排放之间倒U型关系的逻辑链条为工业化后期，高能耗的工业占比额降低，低能耗的服务业占比提高，从而在城市化过程中碳排放会有一个先上升后下降的趋势。

(2)各个地区因经济发展水平、基础设施水平等存在差距，城市化和产业结构变化对碳排放的影响系数是异质的，也说明碳排放问题在经济发展的不同阶段具有异质性。

(3)经济增长速度对碳排放有明显的正作用，因此在一些经济欠发达地区，工业化水平较低，保持经济高的经济增长速度会导致碳排放的增加。

(4)上期碳排放对当期碳排放具有棘轮效应，说明产业结构的转型升级不是一蹴而就的，降低碳排放需要一个比较长的过程。

(5)技术进步对人均碳排放有负的影响，对外开放对技术进步有促进作用，因此继续加大对外开放力度，学习引进国外先进的生产技术，有利于降低碳排放，因此控制碳排放和调整产业结构落脚点是 “创新”和“开放”是降低碳排放。

最后本文根据动态异质斜率面板数据模型，采用1995—2012年我国22个省份的面板数据，计算了各省份达到人均碳排放拐点的时间，其中东部经济发达的省份已经或只需几年就达到人均碳排放的拐点，而经济较落后的东部省份和中西部地区则需要十五年左右的时间才达到人均碳排放的拐点。这主要是因为我国各省市处于不同的工业化阶段，东部地区已处于或很快进入工业化后期阶段，中西部地区处于工业化前期或中期阶段，各省的城市化速度和产业结构变化也不一样。

(二) 启示

根据以上研究，结合我国现阶段各个地区的经济发展特点，可以得到以下几点启示：

(1)城市化与碳排放之间存在倒U形关系，产业结构是解释碳排放在到达拐点后下降的关键因素，因此调结构促转型是降低人均碳排放、促进国民经济可持续发展的关键所在，而这一过程需要坚持“创新、协调、绿色、开放、共享”的发展理念。

(2)二氧化碳的排放主要产生于化石能源的使用，因此一方面降低碳排放需要从三方面努力，一是降低化石燃料的使用量，增加清洁能源的使用，开发新能源；二是提高能源的使用效率，加强节能技术的研发和推广；三是加强排放后的处理，比如加强对工业废气等的回收再利用。

(3)加大对外开放力度，总结我国改革开放以来的经验教训，从人和机器两方面来考虑来制定合适的政策制度，主要依靠促进科技进步来推动城市化和产业转型升级。

(4)我国不同省份之间的经济增长速度、城市化水平及产业结构差距较大，因此在制定相关政策时需要因地制宜，由于碳排放和产业结构调整需要一个较长的过程，因此制定的政策要具有一定的持续性和前瞻性：对于东部发达地区，已进入工业化后期，城市化水平较高，服务业占比较高，同时由于这些地区的平均受教育程度较高，可以制定较高的企业准入门槛和较高的碳排放标准，对于经济相对落后的中西部地区，大力发展经济，提高居民生活水平，加快城市化进程仍然是现阶段最重要的目标，因此对这一部分地区，可以制定较低的企业准入门槛和较低的碳排放标准，但要积极吸取东部发达地区的发展经验，以避免走先污染后治理的道路。

[1]Martínez-Zarzoso I, Maruotti A. The Impact of Urbanization on CO2 Emissions:Evidence from Developing Countries[J]. Ecological Economics, 2011,70(7):1344-1353.

[2]Zhu H M, You W H, Zeng Z. Urbanization and CO2 Emissions:A Semi-parametric Panel Data Analysis[J]. Economics Letters, 2012,117(3):848-850.

[3]Sadorsky P. Do Urbanization and Industrialization Affect Energy Intensity in Developing Countries?[J]. Energy Economics, 2013,37:52-59.

[4]Poumanyvong P, Kaneko S. Does Urbanization Lead to Less Energy Use and Lower CO2 Emissions? A Cross-country Analysis[J]. Ecological Economics, 2010,70(2):434-444.

[5]Poumanyvong P, Kaneko S, Dhakal S. Impacts of Urbanization on National Transport and Road Energy Use:Evidence from Low, Middle and High Income Countries[J]. Energy Policy, 2012,46:268-277.

[6]O'Neill B C, Ren X, Jiang L, et al. The Effect of Urbanization on Energy Use in India and China in the iPETS Model[J]. Energy Economics, 2012,34:S339-S345.

[7]Wang Q. Effects of Urbanization on Energy Consumption in China[J]. Energy Policy, 2014,65:332-339.

[8]Hubacek K, Guan D, Barrett J, et al. Environmental Implications of Urbanization and Lifestyle Change in China:Ecological and Water Footprints[J]. Journal of Cleaner Production, 2009,17(14):1241-1248.

[9] Zhou W, Zhu B, Chen D, et al. Energy Consumption Patterns in the Process of China’s Urbanization[J]. Population and Environment, 2012,33(2-3):202-220.

[10]Andreoni J, Levinson A. The Simple Analytics of the Environmental Kuznets Curve[J]. Journal of Public Economics, 2001,80(2):269-286.

[11]徐朝阳. 工业化与后工业化:“倒 U 型” 产业结构变化[J]. 世界经济, 2010 (12):67-88.

[12]Gollin D, Jedwab R, Vollrath D. Urbanization with and Without Industrialization[J]. Unpublished Manuscript, Oxford University Department of International Development, 2013.

[13]张鸿武, 王珂英, 项本武. 城市化对 CO2 排放影响的差异研究[J]. 中国人口资源与环境, 2013(3):152-157.

[14]张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算:1952-2000[J]. 经济研究, 2004 (10):35-44.

[15]李秀敏. 人力资本、人力资本结构与区域协调发展——来自中国省级区域的证据[J]. 华中师范大学学报(人文社会科学版),2007(3):47-56.

[16]Pesaran M H, Smith R. Estimating Long-run Relationships from Dynamic Heterogeneous Panels[J]. Journal of Econometrics, 1995,68(1):79-113.

[17]Pesaran M H. Estimation and Inference in Large Heterogeneous Panels with a Multifactor Error Structure[J]. Econometrica, 2006,74(4):967-1012.

[18]Eberhardt M, Teal F. Productivity Analysis in Global Manufacturing Production[J] 2010.

责任编辑王丽英

Urbanization, Industrial Structure and Per Capita Carbon Emission——Theoretical and Empirical Analysis

FANG Qi-yun, CAO Jin-mei

(School of Economics, Huazhong University of Science and Technology, Wuhan 430074, China)

With the continual industrialization and urbanization process, China’s industrial structure has changed, which lead to the the concern of its impact on carbon dioxide emissions. This paper builds a theoretical model to explore the relationship of urbanization, industrial structure and carbon emissions, and further uses a fixed effects panel data model and heterogeneous slope panel to do empirical research. The results show that urbanization and per capita carbon emissions existed an inverted U-shaped relationship. The mechanism behind this appears to be the changes in the industrial structure:In the post-industrialization period, the share of service sector rises. The service sector is less energy intensive than manufacturing; therefore the turning point of per capita carbon emission will appear. Based on these results, we calculate the time it takes to reach the turning point of per capita carbon emission for each province and found that the eastern region has reached or is about to reach the turning point within a few years, while the central and western region will take an average of fifteen years. In the future every province needs to take its urbanization and industrialization phase into account during carbon reduction and adopt differentiated industrial policy in order to reach the turning point sooner.

urbanization; industrial structure; carbon dioxide emission; turning point

2016-02-25

方齐云，男，华中科技大学经济学院教授、博士生导师，华中科技大学经济发展研究中心副主任，华中科技大学现代经济学研究中心常务副主任，主要从事发展经济学、国际经济学、农业经济学研究；曹金梅，女，华中科技大学经济学院硕士生，主要从事产业经济学研究。

F062.2

A

1005-1007(2016)05-77-12