城镇化对区域碳排放效应的研究综述

2018-09-03王锋林翔燕刘娟陈洪涛范文娜郜梦楠

生态环境学报 2018年8期

王锋，林翔燕，刘娟*，陈洪涛，范文娜，郜梦楠

1. 中国矿业大学管理学院，江苏徐州 221000；2. 东南大学经济管理学院，江苏南京 211189

工业革命以来，人类社会在创造大量物质财富的同时也向大气排放了大量温室气体，对全球环境产生了深刻的影响。据IPCC 2014年发布的数据，1970—2010年间，化石燃料燃烧和工业过程的CO2排放占温室气体总排放量的78%。由二氧化碳排放所引起全球气候变化，是当下人类社会所面临的最具挑战性的问题之一。2014年美国环境保护署发布公告称：城镇地区的人类活动是全球二氧化碳的第一大排放源。城镇地区消耗了全球60%左右的能源（Pacheco-Torres et al.，2017），并排放了约占人类社会70%的二氧化碳。因此，城市是导致和解决全球气候变化的关键。

当下中国正处在城镇化高速发展的时期，城镇化水平从 1978年的 17.72%上升到 2016年的57.35%，“十三五”规划提出到 2020年中国的人口城镇化率要达到60%。因此，可以预见未来中国的城镇化水平将继续提升。在城镇化快速发展的同时，也向大气排放了大量的温室气体。2010—2012年间，中国的碳排放增长量占全球碳排放增长量的3/4，而中国城镇地区的能源消耗量占到了总能耗的75.15%（Ouyang et al.，2017）。可以说城镇化可能是影响碳排放的最根本、潜在影响最大的因素（齐晔，2014）。国外学者对于城镇化与碳排放关系的研究始于20世纪90年代，逐渐兴盛于21世纪初，而国内对此的量化研究基本开始于 2010年前后（秦耀辰等，2014），虽然起步较晚但是发展较快。国内外学者对于二者关系的研究取得了诸多有益的成果。但总体来说，中国对城镇化发展对碳排放的影响，尤其是作用机制问题的研究在一定程度上还不够全面和系统。因此，本文将在系统梳理近年来国内外研究的基础上，总结空间视角下城镇化对碳排放的作用效应及其尺度差异、城镇化对碳排放作用空间效应等作用机制问题研究的现状与不足，进而提出未来研究的趋势与方向。

1 城镇化对碳排放的作用效应

城镇化对碳排放的作用关系主要包括 3个方面（见图 1）：一是城镇化（X）与碳排放（Y）两者间的直接作用关系，即X→Y；二是城镇化与其他相关变量（如M1，M2等）共同对碳排放的联合作用，即X+M1+M2→Y；三是城镇化通过由经济规模、能源结构、能源消费量、居民消费、产业结构、对外贸易、技术进步等不同中介变量（或中介变量组合）组成的不同路径作用于碳排放的间接作用效应，即X→M1→Y；X→M2→Y；X→M1→M2→Y 等。

按照严格的中介效应的检验方法，第 1种检验的是城镇化对于碳排放的总效应（即 X→Y），第 2种检验的是控制了中介变量M的影响后，自变量X对因变量Y的直接效应（即X+M1+M2→Y），而总效应=直接效应+间接效应（中介效应），所以第3种实际上检验的是城镇化对于碳排放影响的间接效应（即 X→M1→Y；X→M2→Y；X→M1→M2→Y，也就是X→Y的不同作用路径）。

1.1 城镇化对碳排放的总效应

城镇化对碳排放的总效应（即X→Y）以实证研究为主，有学者发现城市化与碳排放之间呈现线性关系，也有部分学者认为城镇化对碳排放的直接关系不仅仅是一种简单的线性关系，认为城镇化对碳排放既有驱动作用也有制动作用，当城镇化处于初期时，城镇地区的人口迅速增长，产业结构中第一产业的比重逐渐下降，二三产业的比重逐渐上升，人们生活方式也逐渐趋向于高碳化，并且在城镇化的初期，城镇的规模效应和集聚效应又没有形成，这些因素共同促使城镇化对碳排放的驱动作用大于制动作用，具体表现为城镇化对碳排放产生正向影响。然而，当城镇化发展到一定水平后，城镇化的规模效应和集聚效应以及技术扩散效应逐渐产生，这些因素共同导致城镇化对碳排放的制动作用大于驱动作用，具体表现为城镇化对碳排放产生负向影响。还有部分学者如姬世东等（2013）、Asumadu-Sarkodie et al.（2017）认为城市化对碳排放的影响并不显著。具体见表1所示。

纵观国内外研究可以发现：虽然研究结果因地区不同、划分的空间尺度不同或方法不同存在一定的差异，但基本都能证明城镇化和碳排放之间存在一定的相关关系或因果关系。（1）从国家层面来看：虽然研究国别不同，但结论基本一致，即城镇化进程推动了碳排放的增长（林伯强等，2010；Hossain，2011），因为城镇化过程中大规模人口和经济活动聚集，引起碳排放量的增加，但不同国家所处的发展阶段或城镇化进程对碳排放的影响亦有不同（Dong et al.，2011；卢祖丹，2014；Li et al.，2015）。（2）从经济区层面来看，东部、中部、西部不同区域，城镇化对碳排放的作用关系是不同的，这一点基本已达成共识。但不同学者的研究结论却有较大的差异，具体的表现形式也不一而足，如有研究认为城镇化对东部地区碳排放的影响更大（徐丽杰，2014），也有认为对中部或西部的影响更大（Zhang et al.，2012），另外也有认为是更复杂的关系（杨晓军等，2013）。（3）从省域层面来看：与按经济区进行划分的研究结果类似，也没有一致的结论，特别是从共性角度进行的研究，比如有研究表明城镇化与碳排放之间存在倒 U型关系，具体到某省份，如江苏（杜运伟等，2015）、安徽（张乐勤等，2015）亦有类似规律，但也有研究认为其不存在倒U型规律（孙辉煌，2012）或呈U型关系（Li et al.，2013），或者城镇化对碳排放有正线性作用等（Sheng et al.，2016）。但从省域差异来看，基本都认同不同发展水平的省份之间存在显著的差异（张鸿武等，2013）。（4）从城市群层面与城市层面的研究相对较少。因为城市群间的差异较大，所以具体到城市群的研究结果就不尽相同，如对于长株潭城市群而言，城镇化水平提高了碳排放强度（陈晓红等，2013），对于长三角、京津冀与珠三角而言，城镇化对碳排放分别具有抑制作用、正向关系与 U型关系（胡建辉等，2015）；从城市层面来看，因为研究地区的不同也表现出不同的作用关系，如城镇化促进了碳排放（Yang et al.，2015）、没有显著的关系（姬世东等，2013）或者长短期具有不同的阶段性特征（Zhang et al.，2015）等。

图1 城镇化对碳排放的作用效应Fig. 1 The effect of urbanization on carbon emissions

表1 城市化与碳排放线性及非线性关系的研究结论Table 1 Conclusions on the linear and nonlinear relationship between urbanization and carbon emissions

1.2 城镇化对碳排放的直接效应

随着研究的不断深入，一些学者逐渐意识到要建立城镇化与碳排放之间的明确而直接的关系还存在较大障碍。因为城镇化对碳排放的影响是一个复杂的问题，涉及到很多层面，许多其他因素对碳排放也有影响，是城镇化与其他因素共同作用的结果。所以多数研究是将城镇化与其他相关因素结合起来考察其对于碳排放的影响（刘希雅等，2015）（即X+M1+M2+…→Y）。在联合分析当中，不同学者根据研究的空间尺度、研究目的不同选择了不同的影响因子，但一般包含人口规模、人口密度或人口空间分布、经济规模、产业结构、能源消费量、对外开放水平、居民消费、能源结构等。从总体研究结果来看，一般认为城镇化、相关变量与碳排放有长期均衡关系（Wang et al.，2016）。但从具体指标的研究结果来看，因为研究的尺度不同、方法不同、模型中包含的因素不同，所得的研究结论也有差异。

一是人口因素。包括人口规模和人口密度。一种观点认为：城镇人口增加必然会带来更大规模的人口和经济活动聚集，进而造成更多的能源消费和碳排放（张乐勤等，2015），甚至碳强度的提高（孙欣等，2014）；另一种观点认为，城镇化有利于降低碳排放与碳强度（肖宏伟，2013）。因为城镇人口的聚集给公共物品的使用带来了规模经济，同时，伴随生活方式的改变和技术扩散能够降低人均能源消费和碳排放（王桂新等，2012）。

二是经济规模。主要体现在GDP或人均GDP方面。有研究认为人均 GDP对碳排放有正向影响（涂正革等，2015），也有研究认为当人均GDP足够高时，城市化进程是对保护环境有利的（Aunan et al.，2014）。

三是技术水平。技术进步是促进能源使用效率提高和能源强度下降的主要原因。但是技术因素如何考量，有学者使用自主研发和技术引进（魏巍贤等，2010）、能源效率或能源强度进行考量，研究结论基本一致，即技术水平的提高有利于CO2减排，能源强度越高碳排放量越大、碳强度越高。

四是产业结构。城市化的过程也是产业结构转型的过程，其对第二产业和第三产业的带动作用都非常明显，同时产业结构的优化升级也不断促进城镇化的发展。但不同的产业结构对碳排放的影响不同，一般认为第二产业比例越高，碳排放量越多（张乐勤等，2015），第三产业结构比例越高，则越有助于降低碳强度，但研究的区域不同结果也有所差异（李剑荣，2015）。

五是其他方面，如能源结构（一般用煤炭占比表示）一般对碳排放量与碳强度有正向作用（杜立民，2010）；一般认为对外贸易水平提高了碳排放量，但存在地区差异（Shahbaz et al.，2016）；居民消费对提高碳排放量有正的贡献（Yang et al.，2015）；能源消费量推动了碳排放（Wang et al.，2016），甚至提高了碳强度（刘希雅等，2015），这基本已成为共识。

1.3 城镇化对碳排放的间接效应

尽管大量文献对城镇化、相关因素与碳排放之间存在较强的相关性进行了有力论证，得到了许多有意义的结论与启示。然而，城镇化对碳排放的影响机制却极为复杂，城镇化更多的是通过生产、生活、技术、贸易等其他要素间接作用于碳排放（朱勤等，2013；毕晓航，2015）（X→M1→Y；X→M2→Y；X→M1→M2→Y）。

从生产方面来看（见图 2），城镇化的推进使得人口不断向城镇地区集聚，城镇地区进行大规模的基础设施建设如道路、建筑，在建设的过程中以及日后的使用中，都将会产生大量的碳排放，同时城镇化的过程也是劳动人口由第一产业流向二、三产业的过程，就第一产业而言，第一产业从业者人数的降低，一方面促使运输农产品的相关物流活动大量增加，另一方面也在一定程度上推动了第一产业的机械化，从而增加了碳排放量（李健等，2012）；就二三产业而言，人口要素的集聚促使其快速发展，第二产业的高碳化的生产方式推动了碳排放的增长（吴振信等，2012）。另外，城镇化的推进也加速了固定资产投资、水泥、高耗能产业的发展，从而间接促进碳排放的增长（程开明，2016）。从生活方面来看（见图 2），城镇化主要通过居民的直接能源消费和间接能源消费来影响碳排放。直接能源消费碳排放是指居民在交通、照明、取暖、娱乐等方面直接消费化石燃料产生的碳排放量。间接能源消费碳排放是指居民在日常生活中消费非能源商品及服务所带来的碳排放，因为这些商品及服务在其生产、加工、供应、处置全生命周期中，都会引起能源的消耗从而产生碳排放。从直接能源消费来看，城镇居民需要搭乘交通工具上下班并且照明时长也高于农村地区，因此，城镇地区的直接能源消费高于农村地区（Pablo-Romero et al.，2017）。从间接生活能源碳排放来看，一方面与农村地区相比，城镇地区所有的产品都实行商业化生产，从而增加了碳排放量，另一方面城镇地区的居民收入水平高，居民消费需求强（毕晓航，2015），并且消费的产品具有往往具有高碳性，这些都极大地增加了城镇地区居民的间接生活能源碳排放量（Johnson et al.，2017）。

从贸易的角度上来说，中国出口以加工贸易为主，能耗相对较高这在一定程度上也促进了中国碳排放量的增长（Zhang et al.，2017）。同时，与其他国家相比，中国城镇地区重复建设以及较为畸形的房地产市场也间接增加了碳排放量。根据GB50352—2005，一般建筑的使用寿命为50～100 a，但当下中国建筑的使用寿命却只是 25～30 a，频繁的拆除重建间接增加了碳排放量，同时我国城镇地区平均高达 20%～30%的空置率造成了集中供暖的浪费，这在一定程度上也推高了碳排放量（刘希雅等，2015）。

综合来看，现有的双变量与联合分析分别检验的是城镇化对碳排放作用的总效应与直接效应，但现有研究对于其中非常重要的间接作用机制的研究存在不足。

图2 城镇化通过生产与生活对碳排放的间接作用Fig. 2 The indirect effect of urbanization on carbon emissions through production and life

2 考虑空间效应的城镇化对碳排放的影响

空间效应是指空间单元之间的经济地理行为存在的某种程度的空间交互作用或差异性，包含空间相关性与空间异质性两个方面。其中，空间相关性（空间关联性）是指不同空间单元的事物和现象是非独立的，存在一定的关联性；空间异质性是指不同空间单元的事物和现象是非均质的，具有自己本身所独有的特点。传统研究虽然从不同空间尺度和视角分析了城镇化对碳排放的影响，为地区节能减排和低碳发展提供了有益的参考。但是，传统计量经济学方法将研究单元视为相互独立且均质的个体空间，忽略了邻域单元间的空间关联性。

根据Tobler（1970）的地理学第一定律，即“任何事物在空间上都是关联的；距离越近，关联程度就越强；距离越远，关联程度就越弱”。如果模型中存在空间关联，模型将不服从传统模型的基本假定，若仍采用传统研究方法将导致检验统计量出现扭曲，以及参数估计量为不一致或非有效等问题。随着空间统计与空间计量方法被广泛接受，考虑空间相关性进行研究的学者数量正呈指数级增长。近年来，在区域碳排放与城镇化研究领域，已有越来越多的学者注意到地区间的空间关联问题，并对其进行了检验，发现普遍存在着显著的空间相关性，此效应的存在可能会影响城镇化对于碳排放作用的方向和强度。因此，为能得到更准确、更符合实际的研究结论，在建模时需要充分考虑地区间的空间关联问题（程叶青等，2013）。

区域碳排放的空间关联性可以分为单一空间尺度的空间关联性和多空间尺度关联性。本文将空间尺度的概念界定为行政尺度，即行政划分范围，主要包括省域尺度、市域尺度、县域尺度等。单一空间尺度的空间关联性主要体现为地区间的溢出效应。这种空间关联性的产生主要是由于地域相邻和人口流动所引发的技术溢出和居民生活方式的模仿效应，“行政区经济”导致的各地区在经济发展规划、城市化进程、产业规划等方面的相互影响以及邻近地区在地球外部圈层间的相互影响。就本文的研究对象来说，是指本地区的碳排放不但受到本地区相关因素的影响还受到相邻地区碳排放及相关因素的影响。多空间尺度关联性主要体现在现行行政管理体系的嵌套结构，即县区嵌套于市，市又嵌套于省，不同层级间是垂直管理的，这样低层次行政区划单位的经济社会发展会受到高层次行政区划单位的约束与管理，高层级地区甚至高层次临近地区的发展水平、状态、特征等也会对低层级地区产生影响。目前对于城镇化与碳排放作用关系的研究多集中于单一空间尺度下的研究，从多空间尺度关联性展开的研究相对较少。

2.1 单一空间尺度效应下城镇化与碳排放作用关系的研究

从空间关联性的角度进行研究的前提是定义一个合适的空间权重矩阵用以衡量地域间的相邻关系。通过梳理相关文献，发现在研究城镇化对碳排放的影响时主要采用表2所示的几种空间权重矩阵。

结合空间效应的现有研究，其研究内容主要是将城镇化与其他驱动因素共同加入模型进行联合分析或偏回归系数分析。从研究结果来看，目前尚存争议：人口规模、人均GDP、能源强度、产业结构（第二产业生产总值占 GDP的比重）对碳排放量和碳排放强度的研究结论基本一致，即有正向作用（肖宏伟等，2013）；城镇化进程对于碳排放规模和碳排放强度的作用有两种观点，一种认为城镇化进程会抑制碳排放规模和碳强度的增加（肖宏伟等，2013），另一种认为对碳强度具有正向作用（程叶青等，2013）；能源消费结构（煤炭占全部能源的比重）的作用较为一致，即优化能源消费结构有助于降低碳排放量与碳排放强度（杜慧滨等，2013）；对外开放水平因为使用的表征指标（进出口贸易总额占 GDP的比重（杜慧滨等，2013），外商投资企业年底注册登记情况（投资总额）（肖宏伟等，2013）不同，研究的结果亦有差异（表3）。

纵观以上文献发现，众多学者从不同侧重点研究了城镇化对碳排放的影响，所得结论有的起到相互验证的作用，有的起到补充的作用，也有结论不一致的问题。究其原因是研究方法、研究的空间尺度、选取的样本特征、对数据的处理方法、所选变量或指标的不同造成的。而其中，研究方法（特别是是否考虑空间关联性）和空间尺度的不同可能是造成研究结果差异的重要原因。

表2 空间权重矩阵类别Table 2 The types of spatial weight matrix

表3 单一空间尺度效应下城镇化与碳排放关系的研究结论Table 3 Conclusions on the urbanization and carbon emissions under single spatial scale effect

2.2 多尺度空间下城镇化对碳排放作用的研究

不同空间尺度提供了不同详细程度的信息。空间尺度越大所获得的信息越粗略，而低尺度地区的信息及其差异就难以获得，尺度越小则可能会掩盖总体规律。所以对于空间尺度的选择出现了两种趋势：一种是为了得到更多更细化的空间分布规律与作用关系的认识，出现了研究尺度逐渐趋小化的趋势，并注重嵌套性区划关系的差异分解（陈培阳等，2012）；另一种是进行多尺度的对比研究，因为即使研究区域范围拥有同一个空间边界，选择的空间尺度不同，研究的结果也可能存在差异（王静等，2012），也就是说存在一定程度的尺度敏感性或尺度依存性（李双成等，2005）。因此，目前已经有一些学者开始尝试选用多种方法、从多空间尺度进行多角度、多层次的对比研究，一方面能更确切、完整地、真实地揭示不同尺度上的空间分布规律与作用关系，另一方面，对不同空间尺度上的研究结果能够在同一个框架下进行相互验证，从而使得研究结果更加精确、更加有说服力，这也是未来研究的趋势所在。目前，区域碳排放与城镇化领域多空间尺度的对比研究非常匮乏，还有很大的提升空间。

多尺度分析包括多尺度单独分析和联合分析。当需要考虑不同尺度之间的作用，即大尺度上的效应对小尺度也有影响时，需进行多尺度联合分析。中国现行的行政管理体系是一种嵌套结构，县区嵌套于市，市又嵌套于省，不同层级间是垂直管理的，也就是说低尺度行政区划单位的经济社会发展等肯定是要受到高尺度行政区划单位的约束与管理。高尺度地区的发展水平、状态、特征等也会对低尺度地区产生影响。所以，为充分反映区域结构中存在的这种分层嵌套结构关系，需要进行多尺度联合分析。碳排放的多空间尺度关联性分析如图3所示。

图3 碳排放的多空间尺度关联性Fig. 3 Multi-space scale correlation of carbon emissions

以往关于碳排放的多尺度联合研究主要是以定性描述与探讨为主，缺乏定量研究的支撑。在经济、社会科学研究中，普遍采用多层线性模型（Hierarchical Linear Model，HLM）对具有多层嵌套结构的数据建模，目前已成为被广泛应用的方法之一（顾乃华，2011）。HLM 模型充分考虑了数据分层的特点，通过建立多层回归方程组，将总误差分解为各层次的误差，解决了随机误差独立性假设违反的问题，可以探讨不同层面自变量对因变量的影响以及不同层面自变量之间的交互效应。

对区域进行分尺度研究时可能会涉及到省、市、县多个层面，研究结果也有可能不一致，原因可能就是没有考虑到数据分层的特点，这种忽略有可能对数据结果做出不合理的解释，这是传统回归分析方法在分析具有分层特点数据时的必然局限。而多尺度联合分析有利于提高研究结论的准确性，所以相对于多尺度单独分析，多尺度联合分析更有优势。

从现有文献来看，HLM 模型主要应用于区域房地产与金融市场、经济发展、社会管理等领域，在城市化方面也获得了一定的应用，但目前 HLM模型在区域碳排放领域的研究几乎还是空白。

3 研究评述与启示

综观国内外研究，众多学者从不同角度、不同空间尺度、利用不同方法研究了城镇化对碳排放的影响，取得了丰硕的研究成果，为区域低碳发展提供了诸多有益的参考。然而，从现有的文献来看，还存在一些不足，同时这些不足也正是未来需进一步深入研究的领域。

3.1 现有研究的不足

3.1.1 空间尺度

目前关于城镇化发展与碳排放关系的研究大多集中于省域尺度，对于已成为“中国区域发展主要空间形态与新型城镇化主体”的城市群的研究则比较缺乏。城市群是城镇化发展较高阶段的空间表现形式也是拉动一国经济增长、加快城镇化进程的重要引擎，2012年中国城镇化工作会议及2014年3月10日中共中央国务院发布的《国家新型城镇化规划（2014—2020年）》提出要使城市群成为推进新型城镇化的最主要力量，“十三五”规划进一步明确要发挥城市群对于周边地区的辐射带动作用。城市群不但是城镇化发展到较高阶段的空间表现形式，也是一种新型的地域生态系统，这为重塑区际分工、改善生态环境提供了可能，可见城市群也是未来中国实现低碳发展的关键，因此以城市群为研究对象，探究城市群内部城镇化对碳排放的影响是非常必要的。

目前对于县域尺度的能源与碳排放问题的研究也非常地匮乏，主要原因是县级尺度的统计信息不健全，各类能源消耗数据难以直接获取，从而限制了县域碳排放问题的研究。空间尺度越大，碳排放数据越粗、不确定性越强，对区域格局特征的描述也就越粗略，不利于有针对性与可操作性政策的制定。县域作为城乡联系枢纽，其发展水平决定了农村富余劳动力的转移倾向和流动方向，这对于推进整体城镇化进程、避免半城镇化现象具有重要意义。综上，非常有必要加强县域尺度的研究。

3.1.2 城镇化对碳排放作用的传导路径

缺乏关于城镇化驱动碳排放的间接效应与传导路径方面的研究。现有研究对城市化、其他相关变量与碳排放之间的关系做了大量的研究，取得了许多有价值的研究成果。但总效应与直接效应的研究，都只是城镇化驱动碳排放变化机理的一部分，对于城镇化作用于碳排放非常重要的一种方式，即间接方式（间接效应或中介效应）的研究重视不够，忽视其他因素在此作用过程中的具体作用，往往会使得统计结果解释含糊不清，有可能导致错误的结论。换言之，以往研究大多停留在经验性分析层面，对机理性研究还不够深入、全面和系统，还难以科学回答“城镇化通过哪些途径影响碳排放”、“不同途径的作用力大小与有效性如何”等这类对城市群碳减排具有重要指导意义的问题。

另外，从城镇化进程中的能源输入与输出的角度来看：城镇化的快速发展和国家政策等因素，使得能源越来越多地向城市集中，能源的流动也更加频繁，对区域碳排放也有重要的影响。从能源输入方面，城镇化的发展使得人口和产业不断向城市地区集聚，高密度的城市人口需要更多的基础设施来支撑，城市制造业和工业的发展也需要更多的能源，能源的大量输入和消耗直接导致城市地区的碳排放量的增加；能源输出方面，化石能源和工业原材料的过度开采和加工过程等不可避免对区域生态环境产生影响，植被对碳的固化作用大幅度降低，土壤对碳的固化作用减弱，从而导致碳排放增加；同时，能源输入和输出过程中的交通运输活动也存在大量的能源消耗，且交通运输过程也会产生大量的温室气体排放，从而促进碳排放的增长（高吉喜，2015）。目前的研究一般侧重于能源输入、输出或交通运输活动的碳排放效应，缺乏对城镇化进程中能源的输入与输出对碳排放影响的系统性。

3.1.3 多尺度空间对比与空间效应

关于城镇化发展对碳排放作用关系的多尺度对比的研究相对较少。传统研究将各地区当成相互独立且均质的个体，普遍忽略了地区间的空间关联性。空间统计与空间计量方法虽然考虑了空间关联性，但往往是针对同一尺度的研究，而空间尺度是地理学研究中的核心问题之一，空间尺度不同标志着对研究对象的细节了解不同，针对不同空间尺度的研究也可能会得到不一样的研究结果，即具有尺度敏感性或尺度依存性。以往研究普遍忽视了研究区域的尺度效应，缺乏多尺度、多方法的对比研究。

综合考虑区域间碳排放及其影响因素的横向空间关联与纵向空间关联的研究几乎是空白。由于中国现行的行政管理体系是垂直管理的，具有典型的分层嵌套结构特征，如果忽略数据的分层嵌套结构有可能对数据结果做出不合理的解释。更进一步来说，传统HLM模型虽然能够对多尺度效应进行建模，但对于同尺度地区间的横向空间关联与高尺度临近区域的纵向空间关联效应考虑不足。