基于城镇化的居民生活能源消费碳排放门限效应分析

王泳璇　王宪恩

摘要：正确认识城镇化发展中碳减排的阶段性特征和应对我国城镇化进程中的碳排放挑战，具有重要的理论参考价值和现实指导意义。现有研究较少关注城镇化发展对居民生活能源消费碳排放的影响，未能将城镇化自身阶段性变化对生活碳排放的影响联系起来。基于此，本文以城镇化率作为门限变量，以生活能源结构、居民消费率、产业结构分别作为解释变量，构建多个不同视角的门限-STIRPAT扩展模型，深入分析城镇化水平处于不同阶段时，居民生活能源消费碳排放所受影响的差异性。研究表明，城市化率分别处于门限值（0.250、0.325和0.457）前后时，居民生活能源消费碳排放所受影响出现了阶段性的变化。当城镇化率低于0.250时，能源结构、居民消费率和产业结构对居民生活能源消费碳排放均呈负向弹性关系，分别为-0.688、-0.570、-0.570；当城市化率低于0.457时，能源结构、居民消费率和产业结构对居民生活能源消费碳排放的负向弹性关系仍然存在，但相关关系明显减弱，能源结构负向弹性关系介于（-0.338，-0.019）， 居民消费率和产业结构负向弹性关系为-0.251。当城市化率超过0.457时，能源结构、居民消费率和产业结构对居民生活能源消费碳排放已逐步显现或转变为正向弹性关系。基于上述研究结果提出相应建议：区域城镇化发展介于（0.250，0.457]这一阶段的进程中，应把握住能源结构、居民消费率和产业结构对居民生活能源消费碳排放影响效应转变之前的阶段，鼓励居民生活消费，但进行节能低碳生活方式的引导，大力发展第三产业，满足居民对生活商品及服务的需求。当区域城镇化提升至0.457以上时，应合理优化能源结构，提高非化石能源比重，通过财政政策等对居民生活消费进行调控和引导，注重第三产业中的科技、金融等技术密集型的行业发展。

关键词 ：门限效应；STIRPAT； 居民生活消费；城镇化；Matlab

中图分类号：X321

文献标识码： A

文章编号： 1002-2104（2016）12-0094-09

经过改革开放30年的快速发展，我国现阶段正处于城镇化深入发展的关键时期，蘊含着巨大的机遇与挑战[1]。然而伴随着城镇化进程的不断推进，生态环境与社会发展的矛盾日益尖锐，由于温室气体排放而引发的气候异常等环境问题受到普遍关注[2-3]。国内外众多研究表明[4-6]，城镇化快速发展过程中，对能源消费与碳排放具有显著的正向效应，可以预见，在未来的一段时期内，城镇化发展仍将对我国碳排放产生不容忽视的影响[7]，正确认识城镇化发展中碳减排的阶段性特征和应对我国城镇化进程中的碳排放挑战，具有重要的理论参考价值和现实指导意义。基于此，本文以城镇化率作为门限变量，以生活能源结构、居民消费率、产业结构分别作为解释变量，构建多个不同视角的门限-STIRPAT扩展模型，基于1995—2012年30个省级区域面板数据，分析我国省际区域的居民生活能源消费碳排放趋势，测算不同视角下基于城镇化率的居民生活能源消费碳排放门限效应，深入分析城镇化水平处于不同阶段时，居民生活能源消费碳排放所受影响的差异性，并提出相应的政策建议。

1 文献综述

城镇化过程内含人口向城镇迁移，城镇地域空间扩展和城镇基础设施建设增加等多个方面，与能源消费及碳排放息息相关，随着城镇化的不断推进，社会经济水平及城镇化水平的不断提高，其对碳排放影响呈现出阶段性的差异[8]。林伯强[9]基于修正的Kaya恒等式，采用协整检验的方法研究中国城镇化进程中对碳排放增量的控制；薛冰[10]运用SPSS和Eviews软件分析1970-2007年全球112个国家（地区）人均碳排放量与城镇化水平的关联机理，研究表明，人均碳排放量随着城镇化水平的提高而逐步增加；ONeill[11]运用历史排放趋势分析和情景分析两种方式，论证人口变化，城镇化等对碳排放的影响，研究表明人口缓慢增长有助于控制碳排放，而城镇化与老龄化则对特定区域碳排放存在显著影响；杜运伟[12]运用Kaya恒等式分析江苏省城镇化对碳排放的影响，研究表明现阶段人口城镇化对碳排放存在显著的正影响；武春桃[13]综合采用户籍人口、就业人口和城区建设城镇化等三种指标，全面考察了城镇化对全国和东、中、西部地区农业碳排放的影响。

总结以上研究可知，现阶段研究主要围绕城镇化与区域碳排放总量、农业碳排放的影响关系展开，但较少关注城镇化发展对居民生活能源消费碳排放的影响，仅有的研究也主要分析城镇化对居民生活能源的影响，如郭文[14]扩展了对数平均迪氏指数分解方法（LMDI），分析城镇化对居民生活能源消费的影响；申俊[15]运用空间计量经济学相关理论与方法，检验省域之间城镇人口规模对城镇居民能源消费的影响。并且，国内相关研究中主要采用了协整检验，Kaya，LMDI等线性回归分析方法，未能很好地描述和解释现实情况中城镇化发展可能发生跃升所导致的非线性特征。个别的非线性分析方法中，杨晓军[16]在STIRPAT与环境库兹涅茨曲线相结合的模型中加入城镇化的平方项和立方项，分析其影响系数，并未体现城镇化不同发展阶段对居民生活能源消费碳排放的影响差异；唐李伟[17]分析城镇化对生活碳排放的影响仍是延续以往城镇化与碳排放的研究思路，基于收入差异划分，分析不同收入水平下，城镇化对居民生活能源消费碳排放的影响，但仍未能将城镇化自身阶段性变化对生活碳排放的影响联系起来。

2 门限-STIRPAT扩展模型

与传统的线性回归模型相比，门限回归模型更适用于解决复杂的非线性、结构突变等问题，与复杂多变的现实情形更为吻合。将门限回归模型与STIRPAT模型相结合，构建门限-STIRPAT扩展模型，能够实现有别于现有研究的能源消费碳排放不同阶段所受影响差异性的分析。

2.1 模型变量选择

本文总结已有城镇化对碳排放及居民生活消费影响研究发现，除了通常涉及的人口、居民富裕程度（GDP、消费支出、可支配收入等）、城镇化率等解释变量，还包括与居民生活紧密相关的生活能源结构[18-19]、居民消费率、产业结构等解释变量。科学选取被解释变量、解释变量、控制变量、门限变量如下（如表1所示）：

（1）被解释变量：居民生活能源消费碳排放量，以终端能源消费中生活能源消费碳排量表征，包含城镇生活与农村生活两部分，碳排放量估算方法见章节3.2。

（2）解释变量与控制变量：本文选取人口，居民富裕程度与城镇化率作为门限-STIRPAT扩展模型的控制变量；选取生活能源消费结构、居民消费率和产业结构为受门限变量影响的解释变量，分别构成三个基于不同视角的门限-STIRPAT扩展模型。

人口，以地区常住人口（P）表征。居民生活消费包含一段时间内一定区域内的生活能源消费总量，相比较户籍人口，常住人口更能准确表示生活能源消费所对应的人口规模；

居民富裕程度，以人均居民消费（A）表征。居民生活能源消费碳排放主要来自于居民的直接能源消费而产生的碳排放，与其他富裕程度的变量相比，人均居民消费更加直接表征居民生活的消费水平，与被解释变量相吻合，由居民消费总值除以常住人口求得（2000年不变价）；

城镇化率，以城镇人口占常住人口比重（U）表征。在过往研究中，多以非农业人口占人口总数比重表征城镇化率，但笔者认为，居民生活消费为当下即时的生活消费行为，与其行为所处区域关系紧密，但与消费者是否为非农业人口并无直观联系，因此，城镇人口占常住人口比重与被解释变量更加吻合；

生活能源结构，以生活电力消费占生活终端能源消费比重（E）表征。随着居民生活水平的提高，家庭用电设备的逐步增加，生活电力消费比重稳步上升，城镇化的推进使居民从农村转移至城镇，生活条件与生活方式的改变必然导致用电量的增加，进而影响居民生活能源消费碳排放。

居民消费率，以居民生活消费占地区生产总值比率（C）表征。研究表明，居民消费占比对居民家庭能源消费碳排放整体呈负向效应。而城镇化对居民消费的影响已在过往研究中进行了深入的探讨[20]，雷潇雨[21]认为总体而言，城镇化的合理推进将促进居民消费率的增长，张书云[22]研究也表明城镇化发展与农村居民消费是相互促进的，因此选择其作为作为受门限变量影响的解释变量。

产业结构，以第三产业占比（IS）表征。产业结构一直以来都是碳排放研究的主要因素，而已有大量研究表明第三产业与城镇化之间存在相互作用关系，普遍认为城镇化将促进第三产业的发展，而第三产业也将有助于城镇化的推进[23-24]，且第三产业的繁荣发展必将促进居民生活消费的提升，因此选择第三产业占比作为受门限变量影响的解释变量。

（3）门限变量：门限回归分析中，门限变量可以同时作为控制变量，基于本文研究目的，选取城镇化率作为门限变量，表征含义与上同。

2.2 门限-STIRPAT扩展模型构建

门限回归模型由Hansen[25]提出，用于描述复杂的随机系统，其核心思想就是捕捉门限变量可能发生跃升的临界点或临界区域[26-27]，在某一时点上或某个解释变量达到某一个临界值时，模型的截距或斜率系数发生改变所产生的折凹现象，这与现实的复杂情形较为相近。

3.3 居民生活能源消费碳排放分析

按地理区域探讨居民生活能源消费碳排放趋势与现状。整体而言，所有省际地区居民生活能源消费碳排放均呈上升趋势，其中华东地区、东北地区整体的生活碳排放水平较高，分地区而言，各分区中生活碳排放最高的地区分别为山东省（华东地区）、河北省（华北地区）、河南省（华中地区）、广东省（华南地区）、四川省（西南地区）、陕西省（西北地区）、辽宁省（东北地区），通过对比可知，生活碳排放较高的地区均是该地区中人口基数最大的省份。以华东地区为例，虽然上海市人均居民消费为2.56万元，约为山东省人均居民消费（1.11万元）的2.31倍，但由于山东省庞大的人口基数，其生活碳排放远远高于上海市，约为其3.03倍。但在人口水平近似的情况下，则经济水平较高的地区排放较高的生活碳排放，从研究阶段可见，辽宁省生活碳排放始终高于黑龙江省。

4 模型结果分析

4.1 数据平稳性检验

为了避免伪回归，在正确设定模型和估计参数之前，需要对各个面板数据序列进行单位根检验[31]。对面板数据分别进行LLC、IPS以及Fisher-ADF平穩性检验，其中LLC检验的原假设为“各截面序列具有相同单位根过程”，IPS和Fisher-ADF检验原假设为“各截面序列具有不同的单位根过程”[32]。包含上述全部变量的面板数据单位根检验的结果如表3所示，表中数值为不同单位根检验方法下，各变量t检验统计量值对应的概率值（Prob.），结果表明不同单位根检验方法下，各变量及整体面板数据的检验统计量均呈显著水平，模型中的回归变量均平稳，可进行回归拟合。

4.2 门限效应检验及估值

为了提高门限值估计的精确度，将采用Hansen（1999）门限回归中使用的 “格栅搜索法”，以给出门限回归中的门限值γx。格栅搜索参考Hansen的范例程序，按照研究需要编写门限估计程序在Matlab软件上运行求得。

4.2.1 门限效应检验

确定门限-STIRPAT扩展模型的门限效应是否存在以及门限的个数，门限检验结果如表4所示，表中分别为三个不同视角的门限-STIRPAT扩展模型不同门限检验类型的F统计量和采用Bootstrap方法得出的P值：门限变量城镇化率在能源结构模型中的三重门限抽样P值为0.085，在10%显著性水平下显著，而其他门限类型在10%显著性水平下并不显著；门限变量城镇化率在消费率模型中的双重门限抽样P值为0.078 8，在10%显著性水平下显著，而其他门限类型在10%显著性水平下并不显著；门限变量城镇化率在产业结构模型中的双重门限抽样P值为0.097，在10%显著性水平下显著，而其他门限类型在10%显著性水平下并不显著。因此以城镇化率为门限变量的消费率模型和产业结构模型将对应双重门限模型，而能源结构模型将对应三重门限模型。

4.2.2 门限值的确定

完成门限检验后，进一步计算确定不同视角的门限-STIRPAT扩展模型中的门限值，表5为门限变量城镇化率在不同视角的门限-STIRPAT扩展模型中的门限值和置信区间。门限值是指似然比检验统计量LR为零时对应γ的取值，其中能源结构模型的门限值分别为0.250、0.325和0.457；消费率模型的门限值分别为0.250和0.457；产业结构模型的门限值分别为0.250和0.457（消费率模型和产业模型的三重门限虽未通过检验，但三重门限的估算结果同样为0.250、0.325和0.457）。

根据门限效应计算结果，不同视角的门限-STIRPAT扩展模型可基于公式（5）进一步具体表示为：

归纳上述计算结果可发现，不同视角的门限-STIRPAT扩展模型中，虽然解释变量的样本数据不同，但以城镇化率为门限变量估计得到的门限值基本一致，这说明基于城镇化的对居民生活能源消费碳排放的门限效应均在近似的临界点（0.250、0.325和0.457）发生跃升或改变，并且，该门限值与城镇化发展阶段[7]的划分基本吻合。因此推断城市化率分别处于0.250、0.325和0.457前后时，居民生活能源消费碳排放所受影响出现了阶段性的变化。基于门限定量性的研究结果，进一步深入分析在不同城镇化发展阶段，对居民生活能源消费碳排放的影响特征。

4.3 不同城镇化发展阶段碳排放影响差异性分析

在对面板门限回归模型进行门限效应检验及门限值确定的基础上，对不同视角的门限-STIRPAT扩展模型进行回归分析，回归分析结果如表6所示。

在能源结构模型的控制变量中，人均居民消费及其平方项对居民生活能源消费碳排放呈显著的正向效应；而城镇化率则呈负向效应，随着城镇化率的提高，能够有效抑制碳排放的增长，发挥自身的聚集效应；当城镇化率低于0.250时，能源结构对居民生活能源消费碳排放弹性系数为-0.688，负相关关系明显；当城镇化率超过0.250，但小于0.325时，弹性关系出现明显减弱，仅为-0.338，负向相关关系减弱；当城镇化率超过0.325，但小于0.457时，弹性关系进一步减弱，仅为-0.019，但该结果并不显著；当城镇化率超过0.457时，能源结构对居民生活能源消费碳排放的作用出现拐点，转变为正向效应，且弹性关系也达到0.404。说明在城镇化的初始阶段，由于生活水平的限制，居民的生活习惯倾向于降低电力的使用，从而在一定程度上降低了民生活能源消费碳排放，而随着城镇化的推进，城市发展和生活水平的提高，城镇化率达到45%左右时，电力逐渐成为生活消费中最重要的能源，显著的促进了民生活能源消费碳排放的增长。

在消费率模型与产业结构模型的控制变量中，人均居民消费对居民生活能源消费碳排放呈接近等比的正向关系，其平方项的弹性关系仅为0.180；而城镇化率则对居民生活能源消费碳排放呈负向弹性关系，当城镇化率低于0.250时，居民消费率及产业结构对居民生活能源消费碳排放弹性系数为-0.570，负相关关系明显；当城镇化率超过0.250，但小于0.457时，负向弹性关系出现明显减弱，仅为-0.251；当城镇化率超过0.457时，弹性关系转变为0.091，虽然未通过统计性检验，无法判定具体的影响效应，但弹性关系由负变正趋势已经显现。

将30个省际区域样本数据按照城镇化率的门限值进行分组，与王建军对于城镇化发展的阶段性划分基本一致：U≤0.250对应城镇化水平较低且发展缓慢的初始阶段；0.250

U≤0.250（初始阶段）时，城镇化率处于较低水平，省际区域的城镇经济发展刚刚起步。在研究阶段内，该阶段主要集中在20世纪末到21世纪初（1995-2003年左右）

的河北、河南、四川、甘肃、云南、贵州、宁夏回族自治区等地区，目前，所以省际区域均已完成这一阶段。

当0.250

当0.457

5 结论与建议

本文将门限回归模型与STIRPAT模型相结合，以城镇化率作为门限变量，以生活能源结构、居民消费率、产业结构分别作为解释变量，构建多个不同视角的门限-STIRPAT扩展模型，基于1995-2012年30个省级区域面板数据，分析我国省际区域的居民生活能源消费碳排放趋势，测算不同视角下基于城镇化率的居民生活能源消费碳排放门限效应，总结居民生活能源消费碳排放中城镇化进程的阶段性规律，深入分析城镇化水平处于不同阶段时，居民生活能源消费碳排放所受影响的差异性。分析结果表明：

（1）整体而言，所有省际地区居民生活能源消费碳排放均呈上升趋势，其中华东地区、东北地区整体的生活碳排放水平较高，这主要由于华东地区整体较高的经济发展水平，而东北地区冬季较长的供暖时间增加了地区的生活消费碳排放。

（2）不同视角的门限-STIRPAT扩展模型门限检验及估值为：能源消费结构模型存在三重门限效应，门限值分别为0.250、0.325和0.457；消费率模型与产业结构模型存在双重门限效应，门限值分别为0.250和0.457。

（3）以城镇化率为门限变量估计得到的门限值基本一致，这说明基于城镇化的对居民生活能源消费碳排放的门限效应均在近似的临界点（0.250、0.325和0.457）发生跃升或改变，并且，该门限值与城镇化发展阶段的划分基本吻合。

（4）能源结构模型中：人均居民消费及其平方项对居民生活能源消费碳排放呈显著的正向效应；而城镇化率则呈负向效应；当城镇化率低于0.250時，能源结构对居民生活能源消费碳排放弹性系数为-0.688，负相关关系明显；当城镇化率超过0.250，但小于0.325时，弹性关系出现明显减弱，仅为-0.338，负向相关关系减弱；当城镇化率超过0.325，但小于0.457时，弹性关系进一步减弱，仅为-0.019；当城镇化率超过0.457时，能源结构对居民生活能源消费碳排放转变为正向效应，且弹性关系也达到0.404。

（5）消费率模型与产业结构模型中：人均居民消费对居民生活能源消费碳排放呈接近等比的正向关系；而城镇化率则呈负向弹性关系，当城镇化率低于0.250时，居民消费率及产业结构对居民生活能源消费碳排放弹性系数为-0.570，负相关关系明显；当城镇化率超过0.250，但小于0.457时，负向弹性关系出现明显减弱，仅为-0.251；当城镇化率超过0.457时，弹性关系转变为0.091，虽然未通过统计性检验，但弹性关系由负变正趋势已经显现。

根据上述研究结果，提出以下建议：

区域城镇化发展介于（0.250，0.457]这一阶段的进程中，应把握住能源结构、居民消费率和产业结构对居民生活能源消费碳排放影响效应转变之前的阶段，鼓励居民生活消费，但进行节能低碳生活方式的引导，大力发展第三产业，满足居民对生活商品及服务的需求。当区域城镇化提升至0.457以上时，应合理优化能源结构，提高非化石能源比重，通过财政政策等对居民生活消费进行调控和引导，注重第三产业中的科技、金融等技术密集型的行业发展。

（编辑：田 红）

参考文献（References）

[1]国家新型城镇化规划（2014—2020年）[N/OL]. 北京：新华社，2014-03-16. http：//www.gov.cn/zhengce/2014 -03/16/content_2640075.html.[National neotype urbanization planning（2014-2020）[N/OL]. Beijing： Xinhua News Agency， 2014-03-16. http：//www.gov.cn/zhengce/2014 -03/16/content_2640075.html.]

[2]周葵，戴小文.中国城镇化进程与碳排放量关系的实证研究[J].中国人口·资源与环境，2013， 23（4）：41-48.[ZHOU Kui， DAI Xiaowen. An empirical study on the relationship between urbanization and carbon emission in China [J]. China population， resources and environment， 2013， 23（4）：41-48.]

[3]朱勤，魏涛远.居民消费视角下人口城镇化对碳排放的影响[J].中国人口·资源与环境，2013， 23（11）：21-29.[ZHU Qin， WEI Taoyuan. Impacts of urbanization on carbon emission from perspective of residential consumption [J]. China population， resources and environment， 2013，23（11）：21-29.]

[4]PARIKH J， SHUKLA V. Urbanization， energy use and greenhouse effect in economic development： results from a crossnational study of developing countries [J]. Global environmental change，1995，5（2）：87-103.

[5]COLE M， NEUMAYER E. Examining the impact of demographic factors on air pollution[J]. Population and environment，2004，26（1）：5-21.

[6]关海玲，陈建成，曹文.碳排放与城镇化关系的实证[J].中国人口·资源与环境，2013，23（4）：111-116.[GUAN Hailing， CHEN Jiancheng， CAO Wen. An empirical research between carbon emissions and urbanization[J]. China population， resources and environment， 2013，23（4）：111-116.]

[7]王建军，吴志强.城镇化发展阶段划分[J].地理学报，2009，64（2）：177-188.[WANG Jianjun， WU Zhiqiang. Delimiting the stages of urbanization growth process[J]. Acta geographica sinica， 2009，64（2）：177-188.]

[8]张乐勤.基于组合模型的安徽省城镇化演进对碳排放影响极限研究[J].自然资源学报，2015， 30（1）：152-163.[ZHANG Leqin. Impact limit of urbanization evolution on carbon emission in anhui province based on combined model[J]. Journal of natural resources， 2015，30（1）：152-163.]

[9]林伯强，刘希颖.中国城镇化阶段的碳排放：影响因素和减排策略[J].经济研究，2010（8）：66-78.[LIN Boqiang， LIU Xiying. Chinas carbon dioxide emissions under the urbanization process： influence factors and abatement policies[J]. Economic research journal， 2010（8）：66-78.]

[10]薛冰，李春榮，刘竹，等.全球1970—2007年碳排放与城镇化关联机理分析[J].气候变化研究进展，2011， 7（6）：423-427.[XUE Bing， LI Chunrong， LIU Zhu， et al. Analysis on CO₂ emission and urbanization at global level during 1970-2007[J]. Advances in climate change research， 2011，7（6）：423-427.]

[11]C ONEILL B， LIDDLE B， JIANG L， et al. Demographic change and carbon dioxide emissions[J]. Lancet，2012，380（9837）：157-164.

[12]杜运伟，黄涛珍，康国定.基于Kaya模型的江苏省人口城镇化对碳排放的影响[J].人口与社会，2015， 31（1）：33-41.[DU Yunwei， HUANG Taozhen， KANG Guoding. Study on the impact of urbanization on carbon emissions based on Kaya Model in Jiangsu Province[J]. Population and society， 2015，31（1）：33-41.]

[13]武春桃.城镇化对中国农业碳排放的影响——省际数据的实证研究[J].经济经纬， 2015，32（1）：12-18.[WU Chuntao. The impact of urbanization on agricultural carbon emissions in China：an empirical study based on provincial data[J]. Economic survey， 2015，32（1）：12-18.]

[14]郭文，孙涛.城镇化对中国区域能源消费及居民生活能源消费的影响[J].中国环境科学，2015，35（10）：3166-3176.[GUO Wen， SUN Tao. Impact of Urbanization on Regional energy consumption and residents energy consumption in China[J]. China environmental science， 2015，35（10）：3166-3176.]

[15]申俊，孙涵，成金华.中国城镇居民能源消费及其影响因素[J].北京理工大学学报（社会科学版），2016， 18（1）：45-53.[SHEN Jun， SUN Han， CHENG Jinhua. Energy consumption and influence factors of urban resident in China[J]. Journal of Beijing Institute of Technology（social sciences edition）， 2016， 18（1）：45-53.]

[16]杨晓军，陈洁.中国城镇化对二氧化碳排放的影响效应：基于省级面板数据的经验分析[J].中国地质大学学报（社会科学版），2013，13（1）：32-37，138.[YANG Xiaojun， CHEN Jie. Effect of urbanization on CO₂ emission in China： empirical study based on provincial panel data[J]. Journal of China University of Geosciences（social sciences edition）， 2013，13（1）：32-37，138.]

[17]唐李伟，胡宗义，苏静，等.城镇化对生活碳排放影响的门槛特征与地区差异[J].管理学报，2015， 12（2）：291-298.[LI Tangwei， HU Zongyi， SU Jing， et al. Threshold effects and area differences： the impacts of urbanization on residential carbon missions[J]. Chinese journal of management， 2015，12（2）：291-298.]

[18]李艳梅，张雷.中国居民间接生活能源消费的结构分解分析[J].资源科学， 2008， 30（6）：890-895.[LI Yanyan， ZHANG Lei. Structural decomposition analysis of Chinas indirect household energy consumption[J]. Resources science， 2008， 30（6）：890-895.]

[19]樊静丽，刘健，张贤.中国城镇化与区域居民生活直接用能研究[J].中国人口·资源与环境，2015， 25（1）：55-60.[FAN Jingli， LIU Jian， ZHANG Xian. Urbanization effect on regional household energy consumption in China[J]. China population， resources and environment， 2015，25（1）：55-60.]

[20]LANTZ V，FENG Q.Assessing income， population， and technology impacts on CO₂emissions in Canada： wheres the EKC [J].Ecological economics，2006，57（2）： 229-238.

[21]雷潇雨，龚六堂.城镇化对于居民消费率的影响：理论模型与实证分析[J].经济研究，2014（6）：44-57. [LEI Xiaoyu， GONG Liutang. The effect of urbanization on the household consumption rate： theoretical and empirical analysis[J]. Economic research journal，2014（6）：44-57.]

[22]张书云，周凌瑶.我国城镇化发展与农村居民消费关系的实证研究[J].农业技术经济，2010（11）： 30-37.[ZHANG Shuyun， ZHOU Lingyao. An empirical research between rural resident consumption and urbanization development[J]. Agritechnical eeconomics， 2010（11）：30-37.]

[23]赵忠义.江苏省城镇化与第三产业发展关系研究——新常态背景下的思考[D]. 南京：南京财经大学，2014： 23-30.[ZHAO Zhongyi. The research on the relationship between urbanization and the tertiary industry in Jiangsu Province： in the background of new normal[D]. Nanjing：Nanjing University of Finance & Economics， 2014：23-30.]

[24]汪发元，邓娜.城镇化与第三产业发展水平动态互动分析[J].统计与决策，2015（4）：112-115.[WANG Fayuan， DENG Na. Dynamic interaction analysis on urbanization and the tertiary industry development[J]. Statistics and decision， 2015（4）：112-115.]

[25]HANSEN B E. Inference in TAR models[J]. Studies in nonlinear dynamics & economics，2010，2（1）：1-1.

[26]俞毅. GDP增长与能源消耗的非线性门限——对中国传统产业省际转移的实证分析[J].中国工业经济，2010（12）：57-65.[YU Yi. A nonlinear threshold model about GDP growth and energy consumption：an empirical study on the interprovincial transfer of traditional industries[J]. China industrial economics， 2010（12）：57-65.]

[27]HANSEN B E. Threshold effect in nondynamic panels： estimation， testing， and inference[J]. Journal of econometrics，1999，93：345-368.

[28]EHRLISH P R， HOLDREN J P. Impact of population growth[J]. Science，new series，1971（171）：1212-1217.

[29]YORK R， ROSA E A， DIETZ T. STIRPAT， IPAT and ImPACT： analytic tools for unpacking the driving forces of environmental impacts[J]. Ecological economics，2003，46：351-365.

[30]李国志，周明.人口与消费对二氧化碳排放的动态影响——基于变参数模型的实证分析[J].人口研究，2012，36（1）：63-72.[LI Guozhi， ZHOU Ming. Dynamic effects on carbon dioxide emissions of population and consumption： an empirical analysis based on variable parameter model[J]. Population research， 2012， 36（1）：63-72.]

[31]段忠东.房价变动对居民消费影响的门限测度——基于中國 35 个大中城市的实证研究[J].经济科学，2014（4）：27-38.[DUAN Zhongdong. Threshold analysis on the impact of house price changes on resident consumption： an empirical analysis based on 35 bigscale cities in China[J]. Economic science， 2014（4）：27-38.]

[32]樊歡欢，张凌云.Eviews统计分析与应用[M].北京：机械工业出版社，2009：254-270.[FAN Huanhuan， ZHANG Lingyun. Statistical analysis and application in Eviews[M]. Beijing： China Machine Press， 2009： 254-270.]

Abstract It is of significant reference guidance value and to recognize the stage characteristics of carbon emission reduction and to deal with the challenges of carbon emissions in urbanization. Little existing research focuses on the impact on carbon emissions of households consumption（CEHC） caused by urbanization， and fails to connect the relationship between CEHC and the stage characteristics of urbanization. This article took urbanization rate as the threshold variable，

and the energy structure， citizen consumption rate and industrial structure were regarded as explaining variables. ThresholdSTIRPAT extension model was built based to analyze the impact of various factors on domestic energy consumption carbon emissions at different urbanization levels. The research shows when the urbanization rate is close to the threshold values（0.250， 0.325 and 0.457），the effect to CEHC was in the staggered variation. When the urbanization rate is lower than 0.250， it shows a negative elasticity relation between CEHC and the factors such as energy structure， domestic consumption， and industrial structure， with values of -0.688， -0.570 and -0.570， respectively. When the urbanization rate is lower than 0.457， the negative elasticity relation still exists. However， when the correlation is decreasing and the negative elasticity relation of energy structure is between -0.338 and -0.019， the relation of household consumption rate and industrial structure are all -0.251. When the urbanization rate is higher than 0.457， the relations will gradually turn into the positive elasticity relation. We propose the following suggestion based on the research results. When the urbanization rate is in this stage （0.250，0.457]， the energy structure，household consumption rate and industrial structure still have a negative effect on CEHC. We should encourage urban household consumption in energysaving pattern， and promote the tertiary industry to satisfy the residents demands of commodity and service. When the urbanization rate is higher than 0.457， we should optimize the energy structure and improve the proportion of nonfossil energy. Besides， the regions can regulate and guide the urban household consumption by fiscal policy， and we should pay attention to technology， finance and other technologyintensive sectors in the tertiary industry.

Key words threshold effect； STIRPAT； urban household consumption； urbanization； Matlab