城镇化对我国碳排放的影响研究——基于省级面板数据

谢皓楠

(安徽财经大学 统计与应用数学学院，安徽 蚌埠 233030)

城镇化对我国碳排放的影响研究
——基于省级面板数据

谢皓楠

(安徽财经大学 统计与应用数学学院，安徽 蚌埠 233030)

从人口、经济、产业、生活、空间、环境六个方面分析了城镇化对中国碳排放的影响机理，并分别选取代表性指标，综合采用静态和动态面板模型进行实证研究. 结果表明：碳排放具有较强的路径依赖性特征，人口、经济和城镇空间建设是引起碳排放增加的主要因素，第三产业对碳排放具有显著负作用，环境建设未能起到减少碳排放的效果. 最后，针对性提出了城镇化进程中碳排放减排建议.

城镇化；碳排放；省级面板数据

城镇化是中国现代化进程的重大战略. 自改革开放以来我国城镇化迅速发展，城镇化率已从1978年的17.9%增长至2015年的56.1%[1]，年均增长一个百分点，推动了我国经济发展和产业结构的调整，提高了人民生活水平，但同时也带来了能源消费特别是化石能源消费的迅速增长. 一方面，城市基础设施建设需要大量钢铁、水泥、玻璃等工业品；另一方面，城镇化提高了人民收入，从而加大了人们对于汽车、空调、冰箱等大件耗能产品的需求，结果导致二氧化碳的大量排放，给资源、环境和生态带来了巨大压力. 据统计，中国二氧化碳排放量在2014年占全球碳排放总量29.6%，这一比重已上升为全球碳排放第一大国，并超过碳排放第二大国美国约15个百分点[2]. 为了我国经济的长远健康发展，十八届三中全会通过了《关于全面深化改革若干重大问题的决定》，要求改善健全我国城镇化发展体制机制，坚持走中国特色新型城镇化道路. 新型城镇化要求资源节约、环境友好、集约高效；重视城镇化与工业化之间的协调发展，鼓励发展第三产业；强调以人为本的城镇化. 减少碳排放和发展清洁能源是新型城镇化发展战略的重大任务. 分析城镇化对碳排放的影响，可以为低碳城镇化发展提供一定的方向与建议，实现人口、经济、资源、环境的协调可持续发展.

1 文献综述

城镇化，不同学科给予了不同解释：人口学认为城镇化就是人口不断从农村流向城镇的过程；经济学将其理解为一种经济结构的转变，是资本和劳动力等生产要素从农业活动向非农业活动的转移；地理学则定义为人类活动在地域上的转移与集中，包括发展新城区、扩建旧城区等，使各项经济活动在空间上更加集约化和高效化. 鉴于对城镇化定义的不同，各国学者在研究城镇化对碳排放影响时使用的指标也不尽相同，导致得出的结果不尽相同. 另外，由于各个国家和地区的城镇化发展阶段不同，样本不同导致结论不同.

1.1 线性假说

1.1.1 城镇化增加碳排放

Jones以1980年59个国家的截面数据为样本，发现城镇化与碳排放之间呈正相关关系[3]. Cole M A和Neumayer E选取了86个国家24年的面板数据，使用STIRPAT模型同样发现城镇化对碳排放有明显促进作用[4]. Fan Y等以收入高低对不同国家进行分组研究，发现高收入、中等收入和低收入国家城镇化对碳排放均有正影响，其中高收入国家影响最大，低收入国家次之，中等收入国家影响最小[5]. York R以14个欧盟国家41年的样本数据为样本，研究发现城镇化会增加能源消费，从而促进碳排放的增加[6].

国内学者关于城镇化对碳排放影响研究大多支持城镇化促进了碳排放. 朱勤和魏元涛采用LMDI分解法，发现人口城镇化会增加碳排放[7]. 周葵和戴小文研究发现城市化与碳排放之间具有稳定的正向关系，城市化率每提高1%，碳排放增加1.61%[8]. 胡雷和王军峰以我国国家层面1978—2012年的时间序列为样本，得出结论我国城镇化对碳排放量的弹性系数是1.44[9].

1.1.2 城镇化减少碳排放

Susan Sunila Sharma采用69个国家21年的面板数据做动态面板模型分析发现，城镇化对碳排放产生了负面影响，并进一步将69个国家分成高收入、中等收入和低收入三组分别进行研究，发现三组国家的城镇化都对碳排放具有负面效应[10]. 卢祖丹以非农人口占总人口的比重作为城镇化指标，使用三阶段最小二乘法研究我国城镇化对碳排放的影响，发现城镇化会减少我国碳排放[11]. 赵红和陈雨蒙选取城镇人口占总人口的比例来衡量城镇化水平，以我国1978—2010年的时间序列为样本，通过协整检验和格兰杰因果检验发现，城镇化对碳排放存在显著的负面影响[12]. 阚大学利用空间计量经济学方法分析了城镇化对能源强度的影响，认为在长期内，城镇化水平越高能源利用效率越高，从而降低碳排放[13].

1.2 非线性假说

不少学者认为城镇化对碳排放的影响不是单纯增加或减少，而是一种曲线关系. Martínez-Zarzos I和Maruotti A以1975—2003年88个发展中国家的面板数据为样本，发现：城镇化与碳排放之间呈倒U型关系[14]. 杨晓军和陈浩在STIRPAT模型和简单环境库兹涅兹曲线基础上，以城镇人口占总人口的比例来衡量城镇化水平研究了城镇化对碳排放的影响，发现其具有地区间差异，全国和东部地区两者之间呈倒N型关系，中部地区则呈N型关系，西部地区也呈现倒N型关系，但在统计上不显著[15]. 王芳和周兴以中国、美国、英国、日本等九个国家52年的面板数据为样本，发现人口城镇化与碳排放之间呈现倒U型关系[16].

对比上述文献发现，国内外学者关于城镇化对碳排放的研究，主要集中在实证层面，对于理论层面很少涉及；在指标选取上多使用人口城镇化代替，难以全面衡量. 本文先从理论上探讨了城镇化在人口、经济、产业、生活、空间、环境六个方面对碳排放的影响，接着结合使用静态与动态面板模型，并分别选取代表性指标，结合使用静态和动态面板模型进行实证研究其影响.

2 城镇化对碳排放影响的理论分析

2.1 人口城镇化对碳排放的影响

城镇化发展初期，城镇基础建设和产业发展需要大量劳动力，经政府引导，大量农村人口来到城镇就业，一部分农村人口也因此留在城市成为城市居民，导致城镇居民增多，居民生活、城镇建设、各产业生产消耗能源增加，进而引起碳排放总量上升. 而城镇化会提高对教育的重视，城镇居民的素质将大大提高，城市对专业型、技术型和创新型等高素质人才的需求加大，高新技术发展提高了各产业的生产效率，科研工作者可以为城镇发展提供更好策略，碳排放得以有效控制. 因此，人口城镇化初期会增加碳排放，后期碳排放具有负作用.

2.2 经济城镇化对碳排放的影响

城镇化是一种经济发展现象. 经济发展离不开消费，消费会间接引起碳排放量增加；另外城镇化发展需要各种投资，包括道路、房屋、各项基础设施建设投资，此类建设需要使用大量钢铁、水泥等工业产品，从而引起化石能源消耗增加. 另外投资具有乘数效应，投资越多，城市发展越快，促进投资进一步加大，导致更多碳排放. 但投资也具有规模效应；出口是经济发展的一个重要方面，出口会加大对国内产品的需求，生产加大，能源消耗增加，碳排放增加. 因此可以得出结论，经济城镇化会增加碳排放.

2.3 产业城镇化对碳排放的影响

城镇化会促进产业发展、产业集聚和产业结构升级. 城镇化发展初期，大量人口向城镇转移，第一产业人口减少，第二产业和第三产业发展加速. 第二产业的发展以工业为主，会消耗大量化石能源，导致碳排放增加. 随着第二产业的迅速发展，城镇化速度加快，城镇化规模扩大，对发展第三产业的需求提高. 第三产业更加注重产品质量和服务能力的提升，拥有更高附加值. 此时第二产业比重下降，有利于减少碳排放. 因此，在产业城镇化中要大力发展第三产业，以减少碳排放.

2.4 生活城镇化对碳排放的影响

新型城镇化是以人为本的城镇化，人民生活水平提升是城镇化最重要体现，是城镇化根本. 在农业时代，大部分人民满足于温饱，城镇居民少，以农业、手工业为主，生活耗能低，对环境污染小. 随着城镇化加速发展，工业化时代到来，大量工业废气、废品等排放严重污染了城镇环境. 城镇居民生活水平也随之提高，居民消费结构改变，对汽车、冰箱等高耗产品的需求增加，导致碳排放量增加. 因此，生活城镇化会增加碳排放量.

2.5 空间城镇化对碳排放的影响

城镇化所带来最直观的变化就是空间上的变化. 大量农业用地成为城镇建设用地，大量房屋、道路以及其他基础设施的建设，推动了钢铁、水泥、化石能源行业的发展，带来巨大的能源消耗，造成环境严重污染. 但随着经济发展，人口结构改变，人民素质提高，产业结构转型、环境建设的完善和碳减排的压力，会促使高耗能行业的优化升级，促使政府制定更加合理的城镇空间建设计划，朝低碳方向发展，达到控制碳排放的目的. 因此，空间城镇化初期会带来碳排放的增加，后期则有利于碳排放的减少.

2.6 环境城镇化对碳排放的影响

环境建设是城镇建设中非常重要的一部分，关系到城镇的长远发展. 环境建设包含减少大气污染排放物、开发清洁能源、提升资源利用效率等. 城镇环境建设是一个完整系统，从居民生活垃圾、生活污水的处理，到工业污染的处理和城市绿化. 所以，城镇环境建设将会减少碳排放.

3 城镇化对碳排放影响的实证分析

3.1 碳排放量的测算

碳排放主要来源于化石能源的燃烧，根据《中国能源统计年鉴》，选择煤炭、汽油、煤油、柴油、天然气、燃料油、原油、焦炭、电力九种最终能源消费数据对碳排放量进行测算. 测算时应首先将各种能源消费量转化为标准统计量，再乘以各自碳排放系数，最后将九种能源消费碳排放量加总即可得到某省某年碳排放量. 表1给出了九种能源的折标煤系数和碳排放系数. 具体核算公式.

(1)

式(1)中，Cit为第i个省份第t年的碳排放量，i=1,2,3,…,30(不包括西藏和港澳台地区)；Qijt为第i个省份第t年第j种能源的消费量，j=1,2,3…,9；βj为第j种能源的折标煤系数；γj为第j种能源的碳排放系数.

表1 9种能源折标煤系数和碳排放系数

3.2 变量选取与数据来源

本文研究时段为2004—2014年，研究样本为我国30个省和直辖市，其中港澳台地区缺少相关数据，西藏数据缺失较多故予以剔除. 以下是具体解释变量说明，数据来源于《中国统计年鉴》.

1)人口层面：城镇人口(UH) 不同于一般文献选择城镇人口或非农人口占总人口的比重作为人口方面的指标，直接使用城镇人口数可以更加直观地反映人口城镇化对碳排放所产生的影响.

2)经济层面：地区人均生产总值(PGDP) GDP是衡量一个国家或地区经济状况的首要指标，是经济发展的直接体现，使用人均GDP作为经济层面的指标可以充分反映经济城镇化对碳排放带来的影响.

3)产业层面：第三产业比重(THIR) 城镇化发展会推动产业结构升级，而产业结构升级的一个重要体现就是工业经济逐步向服务经济的转型. 目前我国城镇化发展大部分还处于工业化中后期阶段，但随着城镇化进程的推进，以服务业为主的第三产业的发展将成为城镇发展的主要产业. 所以，选择第三产业产值占地区总产值的比重来衡量城镇化发展对碳排放的影响.

4)生活层面：每万人拥有公交车辆(PBUS) 生活层面关系到很多方面，包括饮食、交通、娱乐、医疗等，本文选择城镇每万人拥有公交车辆作为生活层面指标研究生活城镇化对碳排放的影响. 一般每万人拥有公交车辆越多，代表城市越发达、基础设施越好，能在很大程度上衡量城镇化给人民生活带来的变化.

5)空间层面：城市道路面积(URA) 城市空间变化最直接体现就是房屋和道路的建设，道路更是贯穿城市的每个地方，因此选择城市道路面积作为空间层面指标研究城镇化对碳排放带来的影响.

6)环境层面：城市绿地面积(UGA) 城市绿地包括公共绿地、道路绿地、居住区绿地和风景林地等. 其面积可以在一定程度上反映城镇化建设在环境方面所做出的贡献. 所以，选择城市绿地面积作为环境层面指标研究城镇化对碳排放的影响.

3.3 具体实证模型

考虑到可能存在异方差，对因变量和自变量均作自然对数处理，除此之外，对数模型还可以直接反映因变量对自变量的弹性.

静态面板：

lnCit=αit+β1lnUHit+β2lnPGDPit+β3lnTHIRit+β4lnPBUSit+β5lnURAit+β6lnUGAit+μit

(2)

式(2)中，Cit表示碳排放量，i表示第i个省份，i=1,2,…,30；t表示年份，本文年份区间为2004—2014年；αit是常数项，μit表示随机扰动项.

考虑到碳排放具有一定的路径依懒性，即本期碳排放受上一期碳排放的影响，所以在模型中加入碳排放的滞后一期变量作为解释变量.

动态面板：

lnCit=αit+γlnCit-1+β1lnUHit+β2lnPGDPit+β3lnTHIRit+β4lnPBUSit+β5lnURAit+β6lnUGAit+μit

(3)

4 实证计量结果与分析

4.1 静态面板模型

表2 静态面板回归结果

变量FElnUH0．0759(0．58)lnPGDP0．3886(9．25)∗∗∗lnTHIR-0．1727(-1．97)∗∗lnPBUS0．0295(0．74)lnURA0．1162(2．78)∗∗∗lnUGA0．1633(7．36)∗∗∗常数项3．8842(5．50)∗∗∗AdjustR20．90F值472．44Prob(F)0．000Husman值62．84∗∗∗注：小括号内数字是各系数的t值，∗、∗∗、∗∗∗分别表示在10%、5%、1%显著性水平下显著．

为了得到合适的回归模型，选择对面板模型进行F检验和Hausman检验，其中F检验是为了检验混合估计模型是否合适，Hausman检验是选择固定效应模型或随机效应模型的依据(结果见表2). 表中F检验的P值为0.000，严格拒绝原假设，即固定效应模型优于混合估计模型；Husman检验结果拒绝原假设，所以应该使用固定效应模型.

根据表2，城镇人口增加促进我国碳排放的增加，但在统计学上并不显著；人均GDP对碳排放影响的弹性系数是0.3886，是所有变量中影响最大的，说明经济发展是主要原因；第三产业比重的弹性系数为负值，说明第三产业发展可以减少碳排放量，与前文中理论部分分析一致；每万人拥有公交车辆衡量生活层面城镇化对碳排放的影响，其系数为正，即每万人拥有公交车辆的增加会引起碳排放的增加，但在统计学意义上不显著；城市道路面积的影响系数为正，说明城市空间规模的扩大会增加碳排放，与理论部分分析一致；城市绿化面积的影响为正，与理论部分相反，并且其系数为0.1633，在所有变量中位列第三，说明我国的城市绿化可能只限于美化城市，未能起到净化空气的作用.

4.2 动态面板模型

在动态面板的估计中，选择了差分GMM和系统GMM两种方法进行对比. 表3结果显示，差分GMM和系统GMM的碳排放一阶滞后项系数都在1%显著性水平上显著，表明使用动态面板估计是合理的；AR(1)和AR(2)的结果显示差分GMM和系统GMM都通过了扰动无自相关的检验；Sargan检验结果表明差分GMM和系统GMM均不存在工具变量过渡识别情况. 但从表3可以看出系统GMM各系数的标准误普遍要比差分GMM小，因此系统GMM估计更准确.

表3 动态面板回归结果

注：小括号内数字是各系数的t值；*、**、***分别表示在10%、5%、1%显著性水平上显著；AR(2)检验的 原假设是“扰动项εit无自相关”；Sargan检验的原假设是“所有工具变量均有效”.

根据表3系统GMM结果，可以得到如下结论：1)我国碳排放具有很强依赖性，滞后一期对当期具有显著正影响，并且其弹性系数在所有解释变量中最大. 2)人口方面，城镇人口系数为正且显著，说明城镇化进程中城镇人口的增加会促进碳排放量的增加，人口城镇化还处于初期阶段. 3)经济方面，人均GDP与碳排放之间呈显著正相关关系，说明经济发展会促进能源消费，从而增加碳排放，带来一定环境恶化. 4)产业方面，第三产业具有显著负影响，其弹性系数-0.3701，仅次于滞后一期的碳排放变量，说明第三产业的发展可以有效抑制碳排放. 5)生活方面，每万人拥有城市公交车辆与碳排放之间呈显著负相关，公交车辆的增多带来交通便利，从而间接减少了碳排放，前面静态面板模型中每万人拥有公交车辆系数为负，但却不显著，所以综合来看还是系统GMM的结果更可靠. 6)空间方面，城市道路面积的增加产生了负影响，但在统计学意义上不显著，结合静态面板模型来看，认为城市道路面积与碳排放之间呈正向关系更为合理，因为城市道路面积的增加意味着城市规模的扩大，能源消费增加，从而引起碳排放增加. 7)环境方面，城市绿化面积的影响为正但不显著，但静态面板结果显示城市绿化面积具有显著正影响，与理论部分讨论相反. 这一方面可能是由于指标选取的不恰当，城市绿化面积未能综合衡量城镇化环境建设的各个方面. 另一方面，也有可能是我国城市绿化考虑更多的是城市美化，从而没有起到减少碳排放的效果.

5 结论与建议

在理论分析基础上，实证分析了我国城镇化在人口、经济、产业、生活、空间、环境六个方面对碳排放的影响，即我国碳排放具有较强的路径依赖特征；第三产业的发展显著地减少了碳排放；人口增长、经济发展和城镇规模的扩大是引起碳排放量增加的主要因素；环境建设对减少碳排放的作用未能体现出来，这可能是指标选取不恰当或环境建设措施未落实到位所致. 可以发现我国城镇化发展与碳排放之间有着紧密复杂的联系，根据低碳经济的发展要求，对我国城镇化给出以下建议：

1)我国是人口第一大国，人口流动性大，要更加注重高技术和创新型人才的培养，推进教育深化改革，提高人民素质. 国家要通过媒体等各种渠道，向人民宣传碳排放增多所带来的危害，提升人们保护环境的意识，争取做到低碳消费、低碳出行等，另外在城镇化发展过程中，要做到合理规划减少土地浪费、限定污染物排放量等.

2)坚持推进产业结构升级，对高耗能、污染严重的产业进行调整，限制这些产业的数量和污染排放量，并提升能源利用效率，淘汰低效率企业. 另外，大力提倡第三产业发展，着重发展能源创新型产业和技术密集型产业，实现产业优化升级.

3)在城镇建设时，要注重人口、经济与环境的协调发展，确保各项环境保护措施能切实落实到位，特别是对森林植被保护和绿地建设，增强城市的碳汇功能.

[1] 国家统计局. 中国统计年鉴[M]. 北京：中国统计出版社，2016.

[2] WORLD DEVELOPMENT INDICATORS，THE WORLD BANK. World Development Indicators[EB/OL]. (2016-04-27) [2017-01-23]. http：//data.worldbank.org /data-catalog / world-development-indicators.

[3] JONES D W. How urbanization affects energy-use in developing countries[J]. Energy Policy，1991，19(7)：621-630.

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

[5] FAN Y，LIU L C，WU G，et al. Analyzing impact factors of CO2emissions using the STIRPAT Model[J]. Environmental Impact Assessment Review，2006，26(4)：377-395.

[6] YORK R. Demographic trends and energy consumption in European Union nations：1960-2025[J]. Social Science Research，2007，36(3)：855-872.

[7] 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.

[8] 周 葵，戴小文. 中国城市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.

[9] 胡 雷，王军峰. 我国城镇化对二氧化碳排放的长期影响和短期波动效应分析[J]. 干旱区资源与环境，2016，30(8)：94-100.

[10] SHARMA S S. Determinants of carbon dioxide emissions：empirical evidence from 69 countries[J]. Applied Energy，2011，88(1)：376-382.

[11] 卢祖丹. 我国城镇化对碳排放的影响研究[J]. 中国科技论坛，2011(7)：134-140.

[12] 赵 红，陈雨蒙. 我国城市化进程与减少碳排放的关系研究[J]. 中国软科学，2013(3)：184-192.

[13] 阚大学，罗良文. 我国城市化对能源强度的影响—基于空间计量经济学的分析[J]. 当代财经，2010(3)：83-88.

[15] 杨晓军，陈 浩.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.

[16] 王 芳，周 兴. 人口结构、城镇化与碳排放基于跨国面板数据的实证研究[J]. 中国人口科学，2012(2)：47-56.

(责任编辑：饶 超)

Impact of Urbanization on China’s Carbon Emission：Based on China’s Provincial Panel Data

XIE Haonan

(School of Statistics and Applied Mathematics， Anhui University of Finance and Economics，Bengbu 233030， China)

First， the impact mechanism of urbanization on carbon emission is analyzed from six aspects： population， economy， industry， life， space and environment. Then， the representative indexes are selected from six aspects， and the static and dynamic panel model is used to study the effect of urbanization on carbon emission. The results show that the carbon emission has strong path dependence； population， economy and urban space construction are the main factors causing the increase of carbon emissions； the tertiary industry has a significant negative impact on carbon emissions； environmental construction failed to reduce the effect of carbon emissions. Finally， it puts forward the proposal for carbon emission reduction in the process of urbanization.

urbanization； carbon emissions； provincial panel data

2017-04-10

安徽财经大学科研创新基金项目 (ACYC2016119)

谢皓楠(1993— )，男，安徽黄山人，安徽财经大学统计与应用数学学院硕士研究生.

F290

A

2095-4476(2017)08-0047-06