能源资源禀赋对碳排放的影响与传导机制

孙耀华

内容提要：中国实现碳强度下降目标面临一系列约束条件，其中之一就是中国“多煤、贫油、少气”的“高碳”能源资源禀赋特征。本文在构建能源资源禀赋影响碳排放的数理模型与分析框架的基础上，通过空间面板数据模型实证检验能源资源禀赋通过人均收入、能源效率、能源消费结构、产业结构、市场开放度、外商直接投资、能源价格等中介变量对碳排放影响的强度、方向及传导机制。研究表明：省际碳排放具有空间正相关性和集聚特征。能源资源禀赋抑制碳排放的主要途径是“资源诅咒”效应，通过降低人均收入进而抑制能源消费和碳排放增长。尽管如此，能源资源禀赋通过提高煤炭在能源消费结构中所占比重和第二产业在国民经济中所占比重、降低能源价格、降低市场开放度、阻碍外资流入和降低能源效率的途径推动碳排放上升。

关键词：能源资源禀赋;碳排放;传导机制;“资源诅咒”;空间效应

中图分类号：F061.3文献标识码：A文章编号：1001-148X（2020）06-0065-10

一、引言

改革开放40余年，中国经济高速增长伴随能源消费量和CO2排放快速上升①（见图1），不仅承受来自资源环境领域的约束，也使中国在全球气候谈判面临巨大舆论压力。基于履行国际义务、构建和谐对外关系和实现国内经济社会健康、协调、可持续发展等多重需要，中国政府向国际社会承诺到2020、2030年实现碳强度相对于2005年分别下降40%—45%、60%—65%，并提出在“十三五”期间实现碳强度下降18%的阶段性减排目标②。

然而，实现碳强度减排目标面临一系列约束条件，其中之一就是中国“多煤、贫油、少气”的“高碳”能源资源禀赋特征。首先，能源资源分布呈现西多东少、北多南少的格局，主要分布在内蒙古、山西、陕西、河南、新疆等内陆省区，而中国经济重心位于珠三角、长三角、京津唐等沿海地区，能源资源分布与经济社会发展需求存在空间区位上的错位，不仅加大交通运输压力，而且在能源资源运输过程中也产生损耗和污染;其次，能源资源结构不合理，以煤炭为主，石油和天然气储量相对不足，导致中国一次能源供应的70%都来自于煤炭的消费，远高于29%的世界平均水平。据中国科学院可持续发展战略研究组（2009）[1]测算，释放1标准煤热量的煤炭排放的CO2量分别是石油和天然气的1.28倍和1.67倍。此外，能源资源禀赋还通过产业结构、能源效率、外商直接投资等途径“内生性”地致使一地区最终形成“高碳”发展路径[2]。由此可见，“高碳”资源禀赋特征成为中国实施节能减排与可持续发展战略的先天障碍。因此，量化能源资源禀赋对CO2排放的影响并厘清其传导机制成为制定减排目标和实施减排策略的重要目标之一。

本文以1998—2016年中国30个省区面板数据为研究样本③，引入人均收入、能源效率、能源消费结构、产业结构、市场开放度、外商直接投资、能源价格等中介变量，从理论模型和经验研究两方面分析能源资源禀赋对CO2排放的效应及其传导机制。

二、能源资源禀赋影响CO2排放的理论模型与分析框架

本文建立能源资源禀赋与CO2排放之间关系的理论模型：

g·=gf·，ZRE（1）

式（1）中，g·为CO2排放函数，受经济总量f·及中介变量Z的影响，RE表示能源资源禀赋系数，用于度量能源资源的丰裕程度。

基于以下理论分析并参考以往学者的研究成果，本文选择的中介变量包括人均收入（PerCapitaIncome，PI）、能源效率（EnergyEfficiency，EEF）、能源消费结构（EnergyConsumptionStructure，ESTR）、产业结构（IndustrialStructure，ISTR）、市场开放度（MarketOpening，MOP）、外商直接投资（ForeignDirectInvestment，FDI）、能源价格（EnergyPrices，EPR）等7个变量。

对式（1）求关于能源资源禀赋系数（RE）的偏导，可得：

dgf·，ZREdRE=∑7i=1gf·，ZiREZi*ZiRE（2）

其中，Zi为中介变量，分别代表上述7个中介变量。gf·，ZiREZi*ZiRE为能源资源禀赋通过上述某一中介变量对CO2排放的效应，∑7i=1gf·，ZiREZi*ZiRE为能源资源禀赋通过上述7个中介变量对CO2排放效应的总和。

本文选择人均收入（PI）、能源效率（EEF）、能源消费结构（ESTR）、产业结构（ISTR）、市场开放度（MOP）、外商直接投资（FDI）、能源价格（EPR）7个因素作为中介变量的理论分析如下：

人均收入（PI）：能源资源禀赋对人均收入具有重要影响，而人均收入通过能源消费量等途径影响CO2排放。能源资源禀赋可能推动经济增长进而提高人均收入，也可能因“资源诅咒”效应降低人均收入;在人均收入较低的水平上，CO2排放可能随人均收入的增加而上升，但当人均收入达到一定程度后，CO2排放会随着人均收入的增加而下降，即CO2排放与人均收入之间存在倒“U”型环境库兹涅茨曲线的关系[3]。本文以各省區人均GDP作为人均收入的代理变量，尽管可以肯定能源资源禀赋通过人均收入对CO2排放有重要影响，但难以确定其影响的具体方向。

能源效率（EEF）：能源资源禀赋对能源效率有重要影响，而能源效率是影响CO2排放的主要因素之一，能源效率提高可有效抑制CO2排放上升。一般而言，能源资源越丰富，能源效率越低[4]，因为一般在能源资源丰富的地区，能源资源的价格较低，企业从事技术研发、提高能源效率的积极性较低，这也符合当前中国能源资源禀赋与能源效率空间分布的一般特征。因为工业部门能源消费量占能源消费总量的比重超过70%。因此，工业部门的能源效率对中国整体能源效率具有典型代表性，本文以1998年不变价格计算的各省区工业增加值与其工业部门能源消费量之比作为能源效率的代理变量，并预期能源资源禀赋通过降低能源效率进而促进CO2排放上升。

能源消费结构（ESTR）：能源资源禀赋对能源消费结构具有直接决定作用，能源资源禀赋结构中煤炭所占比重越高，能源消费结构中煤炭的比重也会越高，单位能源碳强度越高，导致CO2排放越高。本文以各省区煤炭消费量占其能源消费总量的比重作为能源消费结构的代理变量，并预期能源资源禀赋通过能源消费结构促进CO2排放上升。

产业结构（ISTR）：依据比较优势原理和H—O要素禀赋理论，能源资源禀赋对产业结构有重要影响，能源资源丰富的地区一般倾向于发展能源资源初级加工产业[5]，进而导致CO2排放较高。因此，本文以各省区第二产业产值占其GDP的比重作为产业结构的代理变量，并预期能源资源禀赋通过提升第二产业在国民经济中的比重进而促进CO2排放上升。

市场开放度（MOP）：市场开放度的提高对于提高经济效率、降低交易成本和促进技术扩散具有重要作用，进而有利于抑制CO2排放。然而“资源诅咒”假说认为，自然资源丰裕的地区倾向于封闭保守，或丰富的自然资源禀赋可能强化政府对经济的干预程度，导致市场开放度下降[6-7]。本文以各省区进出口总额占其GDP的比重作为市场开放度的代理变量，并预期能源资源禀赋通过降低市场开放度进而促进CO2排放上升。

外商直接投资（FDI）：依据“污染天堂”假说，外商直接投资多属于污染性产业，倾向于转移到环境规制标准较低的国家和地区[8]。因此，外商直接投资会导致环境质量的下降和CO2排放上升。然而，外商直接投资也带来新的管理模式和先进技术，通过提高能源效率等途径抑制CO2排放上升[4]。本文以各省区外商直接投资占其GDP的比重作为外商直接投资的代理变量，但难以确定能源资源禀赋通过外商直接投资对CO2排放影响的具体方向。

能源价格（EPR）：价格是市场经济的主要调节手段，能源资源禀赋对能源价格具有重要影响。一般来说，能源资源越丰富，能源价格越低，而能源价格的提高有利于降低CO2排放[9]。由于现有统计体系中没有综合能源价格指标，本文以各省区燃料、动力类购进价格指数作为能源价格的代理变量，并预期能源资源禀赋通过降低能源价格进而促进CO2排放上升。

三、资源丰裕度指标、空间权重矩阵构建与数据来源说明

（一）资源丰裕度指标的构建

本文定义一省区煤炭开采量占全国煤炭开采量比重与该省区GDP占全国GDP比重的比值为煤炭资源禀赋系数REi，t，coal，并采取类似的方法定义石油资源禀赋系数REi，t，oil和天然气资源禀赋系数REi，t，gas：

REi，t，l=Vi，t，lVt，lYi，tYt（3）

其中，Vi，t，l、Yi，t分别表示第i个省区在t年第l种资源的开采量和GDP，Vt，l、Yt分别表示全国在t年第l种资源的开采总量和GDP总量。本文构建的资源禀赋系数本质上是一个相对指标，如果RE1，表明該省区在第l种资源方面具有比较优势;如果0RE<1，则说明该省区在第l种资源方面不具有比较优势。考虑到各省区不同的能源消费结构且其他能源种类如核能、水能等不直接产生CO2。故而，本文将1998—2016年各省区煤炭、石油和天然气各自消费量占该省区这三种能源消费总量的比重作为权重，对以上三种能源资源禀赋系数进行加权求和，得到综合能源资源禀赋系数RE（简称资源禀赋系数），依此度量各省区能源资源的丰裕程度：

REi，t=wi，t，coalREi，t，coal+wi，t，oilREi，t，oil+wi，t，gasREi，t，gas（4）

其中，wi，t，coal、wi，t，oil、wi，t，gas分别为1998—2016年第i个省区在t年煤炭、石油和天然气各自消费量占该省区这三种能源消费总量的比重。

（二）空间权重矩阵的构建

空间权重矩阵要求尽可能反映不同经济主体之间的空间关联信息，且必须是外生的。一般来说，同一区域不与自身空间相关。故而，空间权重矩阵W中主对角线上的元素Wii为0，而非主对角线上的元素Wij（i≠j）表示区域i和区域j的空间关联信息。为减少外在影响和便于结果的解释，通常将每个元素除以其所在行各元素之和，使得W中每行元素之和为1，称为空间权重矩阵W的行标准化。空间权重矩阵一般分为地理空间权重矩阵、经济空间权重矩阵及将前两者嵌套的综合空间权重矩阵三大类。比较而言，综合空间权重矩阵能更加全面、深入地反映经济主体之间的空间关联效应。

关于空间权重矩阵的选择，目前尚无统一标准，大多都是学者依据各自研究需要以及相关数据的可得性自行选择。本文构建基于空间地理区位和能源资源禀赋双重效应的综合空间权重矩阵，其原因在于针对本文研究主题而言，大部分CO2都是由化石能源消费产生的。省际CO2排放的空间相关性不仅受空间地理区位的影响，也在很大程度上受能源资源禀赋特征的影响，能源资源禀赋不仅通过能源消费结构、产业结构等途径影响本地区的CO2排放，还通过省际能源输出—输入贸易等方式影响其他地区的CO2排放。依据比较优势原理和H—O要素禀赋理论，省际能源资源禀赋差异越大，发生能源输入—输出联系的可能性越大，但这种联系强度受到空间距离远近的制约。例如，张翠菊和张宗益（2015）[2]研究表明，能源禀赋对碳强度还具有显著的空间外溢效应，丰裕的能源资源在推高当地碳强度的同时，还会辐射到周边地区，并进一步影响全国碳强度。就地理空间权重矩阵而言，本文研究对象是全国30个省区，在空间分布上具有连续性，且省级行政单元地理范围广，确定中心坐标的难度较大。因此，本文采用一阶Rook邻近原则构建地理空间权重矩阵WD④。因为本文使用的是面板数据，故而需将截面数据模型中的空间权重矩阵WN进行一定的转化[10]：

WD=ITWN（5）

就能源资源禀赋矩阵而言，本文在式（4）的基础上构建能源资源禀赋矩阵WRE：

WREij=1REi-REj，当i≠j

0，当i=j（6）

其中，REi=119∑2016t=1998REit。

综合空间权重矩阵W*为地理空间权重矩阵WD与能源资源禀赋空间权重矩阵WRE的乘积：

W*=WijD*WijRE（7）

（三）CO2排放的计算

CO2排放量及相关数据的获取是本文研究的基础。CO2排放量的计算公式如下：

Ct=∑3i=1Ci，t=∑3i=1Ei，t*NCVi*CEFi*COFi*4412（8）

其中，C为CO2排放量，i=1、2、3分别代表不同的能源种类，即原煤、原油和天然气，E表示这些不同种类能源的消费量（原煤、原油单位为万吨，天然气单位为亿立方米），NCV、CEF、COF分别为原煤、原油和天然气的平均低位发热值、碳排放系数和氧化率，44和12为CO2和碳的分子量。由于中国特殊的资源禀赋特征，《IPCC国家温室气体清单指南》中提供的不同种类能源的平均低位发热值、碳排放系数和氧化率等参数不一定适用于中国。陈诗一（2011）[11]依据中国资源禀赋特征对这些参数进行了修正，详见表1，本文采用其研究成果。（8）式中能源消费数据来源于《中国能源统计年鉴》（1999—2017）。

（四）数据来源说明

本文相关变量的定义、符号、度量单位及数据来源说明见表2。GDP、工业增加值、第二产业产值、进出口总额、外商直接投资、1998—2017年各省区名义GDP等变量均采用1998年的物价指数进行调整，得到实际数值。

四、省际CO2排放的空间相关性分析

本文依据式（8）和表1计算得到中国各省区1998—2016年的CO2排放量，并运用地理信息系统软件ArcGIS10.2和空间计量软件Geoda095i绘制各省区1998—2016年的CO2排放量及其莫兰散点图，据此分析省际CO2排放的空间分布格局及空间相关性特征。因篇幅限制，这里只列出各省区1998、2007、2016三个年份的CO2排放量（单位：106tCO2e）及其莫兰散点图（见图2和图3）。

图2显示，1998-2016年间，中国各省区CO2排放量呈逐年上升态势;横向比较，CO2排放较高的省区多分布在以下两类地区：（1）传统工业大省，如河北、辽宁等，这些省区以钢铁等传统制造业为主导产业，对能源消费的巨大需求导致其CO2排放位居全国前列;（2）沿海经济大省，如广东、江苏、山东等，这些省区经济总量位居全国前列，导致其CO2排放较高。西部省区如青海、宁夏、甘肃等CO2排放较少，主要是因为这些省区经济总量较小，能源消费量少，排放的CO2也就较少。图3显示，大多数省区CO2排放属性值（指CO2排放量的高低）在莫兰散点图中位于第一、三象限，说明省际CO2排放具有空间正相关性。因此，在研究省际CO2排放相关问题时，应纳入省际空间效应，否则可能导致模型回归参数存在偏误，这也是本文构建空间计量模型的主要原因。

五、计量模型设定与回归结果分析

（一）模型设定：Durbin—Wu—Hausman检验和F检验

本文首先构建不含空间效应的传统面板数据模型，见式（9），以确定空间相关性的具体形式，进而确定空间计量模型的具体类型。

lnCi，t=α1REi，t+∑8j=2αjZi，j，t+αi+ηt+εi，t，εi，t～N0，σ2I（9）

其中，lnC为CO2排放的对数值，RE表示能源资源禀赋系数，Zj为控制变量，也是上述能源资源禀赋影响CO2排放的中介变量，αi、ηt分别为个体固定效应项和时点固定效应项。

本文首先对传统面板数据模型式（9）进行Durbin-Wu-Hausman检验，所得统计量为18.56，伴隨概率为0.078。因此，可以判定在10%的显著性水平上拒绝原假设，将模型设定为固定效应模型更为合适。然后采用无约束模型和受约束模型的回归残差平方和构造F统计量，以确定固定效应模型的具体类型。本文回归得到无约束模型的回归残差平方和为URSS=0.037，受约束模型的残差平方和为RRSS=2.596。将URSS、RRSS的数值代入F统计量的计算公式，计算得到F=1273.54>F0.01（29，534）。故而拒绝原假设，将模型设定为个体固定效应模型更好，其经济含义是除已被纳入模型的解释变量、控制变量外，全国30个省区由于自身因素的差异，如地理区位等这些只随个体变化、而不随时间变化的因素对CO2排放产生影响，但由于这些因素难以量化或数据缺失，未能纳入模型⑤。

（二）模型设定：LM检验和稳健性LM检验

为判断空间相关性的具体来源，进而确定是设定空间滞后模型还是空间误差模型，对不含空间效应的传统面板数据模型式（9）进行估计，并对回归残差进行LM检验及稳健性LM检验，结果见表3。

表3显示，MoransI在5%的显著性水平上拒绝残差值随机分布的假设，这说明省际CO2排放存在空间相关性。对比LM检验、稳健性LM检验统计量的大小及其伴随概率可知，LM-Error大于LM-Lag，且LM-Error通过5%的显著性水平检验，而LM-Lag只能通过10%的显著性水平检验，RobustLM-Lag虽然大于RobustLM-Error，但在统计意义上不显著。故而判断，省际CO2排放的空间相关性主要体现在误差项中，固定效应空间误差面板数据模型是研究省际CO2排放空间关联效应更好的选择。本文在以上分析的基础上，构建固定效应空间误差面板数据模型研究能源资源禀赋及相关控制变量对CO2排放的作用，见式（10）。

lnCi，t=α1REi，t+∑8j=2αjZi，t+αi+εi，t，εi，t=λW*TNεi，t+μi，t，εi，t～N0，σ2I（10）

其中，W*TN为适用于面板数据模型的综合空间权重矩阵，λ为空间相关系数，用于度量误差项之间的空间相关程度，其余变量的含义同式（9）。

（三）模型估计与回归结果分析

用去均值法除去固定效应项，运用Matlab7.0软件对式（10）进行ML估计。为分析每个变量对CO2排放的效应及各变量系数、显著性之间的关系，本文采用逐步引入变量的方法，同时为对比传统计量模型与空间计量模型的不同，本文同时估计不含空间效应的模型（9），具体结果见表4。

表4显示，在空间面板数据模型（1）-（5）中，能源资源禀赋系数（RE）的回归系数显著为正，说明能源资源禀赋结构中含碳量的上升促进CO2排放增加，这与于向宇等（2019）[12]的研究结论相一致。

对比空间面板数据模型和传统面板数据模型的回归结果可以发现，在所有空间面板数据模型的回归结果中，空间误差项的回归系数都显著为正，说明影响各省区CO2排放的误差项之间存在空间正相关的关系，在研究省际CO2排放问题时应纳入空间效应，而忽略空间效应的传统计量模型的回归结果可能存在偏误。传统面板数据模型（8）中大部分变量都不显著，且部分回归系数的符号与经济理论及预期也不一致，模型的拟合优度较低，说明空间面板数据模型相对于传统面板数据模型是更好的选择。

本文以空间面板数据模型（7）为基准并结合其他模型的回归结果分析各控制变量的回归参数及其经济含义。人均收入（PI）的回归系数显著为正，人均收入的提高对CO2排放的增加起正向促进作用，说明现阶段中国仍处于以CO2排放作为环境指标的环境库兹涅茨曲线的左上方，随着城市化进程的深化和人均收入的进一步提高，CO2排放将继续上升;同时也说明中国政府提出以碳强度作为减排约束指标是符合当前国情的，总量减排约束指标对于现阶段的中国而言是不切实际的。

能源效率（EEF）的回归系数显著为负，说明近年来中国能源利用效率提高对于抑制CO2排放增长起到重要作用，这说明对发展中国家而言，节能相对于减排显得更加迫切，也更加符合当前实际需要，而且节能也是减排的主要途径。

能源消费结构（ESTR）对CO2排放的影响时而为正，时而为负，但大多数年份内都不显著，这说明受能源资源禀赋特征的限制，中国以煤为主的能源消费结构短期内不会发生根本性改变，能源消费结构变化对CO2排放影响较小。

产业结构（ISTR）的回归系数显著为正，说明第二产业在国民经济中所占比重的提高促进CO2排放上升。一般而言，第二产业相对于第一、三产业具有高能耗的特点，因此第二产业在国民经济中所占比重的提高通常伴随着大规模的基础设施投资和工业投资，进而导致能源消费和CO2排放上升。

市场开放度（MOP）的回归系数显著为负，这与Fanetal（2015）[13]、邵帅等（2019）[14]的研究结论相一致，原因可能在于市场开放度的提高有利于改善资源配置效率和促进技术扩散，从而有利于抑制CO2排放。

外商直接投资（FDI）的回归系数为负，说明外商直接投资有利于CO2排放下降，“污染天堂”假说在中国不成立，但引入外商直接投资变量后，市场开放度和外商直接投资的回归系数都不再显著，可能因为两者存在严重的多重共线性所致。

能源价格（EPR）的回归系数为负，但未能通过显著性检验，说明能源价格对CO2排放作用有限，这可能是因为中国能源资源实施政府主导定价，且低于市场均衡价格，企业对能源价格变化不敏感，导致能源价格变化对CO2排放的作用有限。

在空间面板数据模型（6）-（7）中，随着引入控制变量的增多，能源资源禀赋的系数不再显著，说明其作用已经被包括在相关控制变量（即中介变量）之中了，这就需要对能源资源禀赋通过中介变量影响CO2排放的传导机制进行实证分析。

六、能源资源禀赋通过中介变量影响CO2排放的传导机制分析

本文在以上理论分析及经验研究的基础上，构建中介变量对能源资源禀赋的回归方程：

Zi，t=φi+β1REi，t+β2lnyi，0+εi，t，εi，t～N0，σ2I（11）

式（11）中，Z为被解释变量，也是能源资源禀赋影响CO2排放的中介变量，分别表示人均收入水平（PI）、能源效率（EEF）、能源消費结构（ESTR）、产业结构（ISTR）、市场开放度（MOP）、外商直接投资（FDI）和能源价格（EPR）;RE为能源资源禀赋系数，用于度量各省区能源资源的丰裕程度;引入控制变量lny0是为了减弱各省因初始经济发展水平不同对被解释变量造成的影响，本文对各省区1998年的实际人均GDP取对数作为各省区初始经济发展水平的代理变量。

从表5可以看出能源资源禀赋对各中介变量的影响。具体来说，能源资源禀赋对人均收入（PI）的提高具有阻碍作用，尽管系数很小，但依然通过10%的显著性水平检验，说明在中国省级层面存在“资源诅咒”现象，这与李江龙和徐斌（2018）[15]等大多数学者的研究结论相一致;能源资源禀赋对能源效率（EEF）具有显著的负效应，这可以从表5中得到解释：能源资源禀赋会阻碍产业结构优化升级，降低能源价格及市场开放度，而产业结构优化、能源价格和市场开放度提高都有利于能源效率的提高;能源资源禀赋对市场开放度（MOP）和能源价格（EPR）具有显著的负效应，这与前面的理论分析相一致;能源资源禀赋对能源消费结构（ESTR）具有正向作用，说明丰富的能源资源禀赋会阻碍能源消费结构的优化升级，表面上看是因为两者指标的选取具有高度一致性：本文以煤炭消费量占能源消费总量的比重度量能源消费结构，以各省区煤炭、石油和天然气资源禀赋系数的加权之和度量能源资源禀赋的丰裕度，其中煤炭资源禀赋系数的权重约占0.7，这就必然导致两者的高度一致，但实质上反映的是能源资源禀赋特征对能源消费结构具有直接的决定作用;初始经济发展水平（lny0）对产业结构的优化升级具有阻碍作用，似乎违反常识，初始经济发展水平落后的地方工业化程度反而更高？这主要是由中国工业发展的历史造成的。建国初期，出于国防建设的需要，很多大型工业企业都选址在东北和西部等偏远地区，如今这些地区的经济结构依然是以工业为主，工业在国民经济中所占比重过高，服务业发展滞后。初始经济发展水平对人均收入（PI）和外商直接投资（FDI）具有显著正效应，对于能源效率（EEF）、能源消费结构（ESTR）、市场开放度（MOP）和能源价格（EPR）的作用均不显著。表6对能源资源禀赋通过中介变量影响CO2的作用进行汇总。

从表6可以看出，能源资源禀赋抑制CO2排放的主要途径是“资源诅咒”效应，通过降低人均收入进而抑制能源消费和CO2排放增长。虽然能源资源禀赋对人均收入的效应很小，但由于人均收入对CO2排放的效应很大，导致能源资源禀赋通过人均收入对CO2排放的效应依然很大，占总效应的-350.102%。尽管如此，能源资源禀赋通过中介变量对CO2排放的总效应依然为正，这主要是因为能源资源禀赋通过其他中介变量促进CO2排放上升，如通过提高煤炭在能源消费总量中所占比重、阻碍产业结构优化升级和降低能源价格的途径推动CO2排放上升，分别占总效应的221.087%、103.544%和68.846%。此外，能源资源禀赋还通过降低市场开放度、降低外资流入和降低能源效率的途径导致CO2排放上升，分别占总效应的32.002%、18.574%和6.039%。

能源资源禀赋对CO2排放的总效应等于所有中介变量效应的加总：

dgf·，ZREdRE=∑7i=1gf·，ZREZi*ZiRE=0.103（12）

由以上分析可知，能源资源禀赋不仅通过“资源诅咒”效应阻碍经济增长，还通过多种途径导致CO2排放上升，能源资源禀赋系数每提升一个单位，导致CO2排放上升10.3%。

本文揭示了能源富集地区CO2排放较高的原因：能源资源禀赋通过促进能源消费结构的“高碳化”和产业结构的“重型化”、降低能源价格水平、降低市场开放度、阻碍外资流入及降低能源效率的途径促进CO2排放增加。需要特别指出的是，虽然能源资源禀赋通过“资源诅咒”效应降低人均收入进而抑制能源消费和CO2排放增长，但这不应该成为减排的途径。总体上，中国资源富集地区发展滞后，只有进一步发展经济、改善民生，才是實现该地区经济社会可持续发展的根本途径，但如何协调经济发展与生态环境保护及节能减排之间的冲突，是当前面临的首要问题。

七、结论与建议

本文研究表明省际CO2排放具有空间正相关性和集聚特征。在对空间相关性的具体来源进行检验的基础上，本文构建空间误差面板数据模型研究能源资源禀赋对CO2排放的影响及其传导机制。研究结论表明：能源资源禀赋抑制CO2排放的主要途径是“资源诅咒”效应，通过降低人均收入进而抑制能源消费和CO2排放增长。尽管如此，能源资源禀赋通过提高煤炭在能源消费结构中所占比重和第二产业在国民经济中所占比重、降低能源价格、降低市场开放度、阻碍外资流入和降低能源效率的途径推动CO2排放上升。

上述结论表明，能源资源的诅咒效应不仅体现在经济领域，能源资源通过一系列途径同样对环境质量产生诅咒效应。因此，只有实现能源富集地区经济发展与生态环境保护的协同发展，才能真正解决“资源诅咒”问题，这也是实现能源富集地区绿色转型与高质量发展的应有之意。本文研究在一定程度上扩展了“资源诅咒”的涵义，丰富了“资源诅咒”假说的理论研究。基于以上研究结论，本文针对减排工作提出以下建议：

第一，地方政府要结合本地区的区位条件、资源禀赋特征、技术水平等因素做好产业发展的中长期规划，避免因追求短期经济增长而产生的投资锁定效应与路径依赖，并充分利用财政、税收、信贷等优惠政策促进以制造业、服务业为中心的产业多元化发展和传统产业的优化升级。

第二，实施简政放权，充分引入市场机制，尤其是理顺能源资源及其产品的价格形成机制，使其真正反映市场供求关系和产品价值，包括资源价值和对生态环境的补偿价值，不仅能使西部地区的资源优势转化为经济优势，有利于缩小区域间差距，而且可以提高节约资源和保护生态环境的积极性，从根本上扭转长期以来对资源“掠夺式”开发导致的经济发展与生态环境保护之间的冲突局面，实现两者的协调发展。

第三，建立不同省区之间减排的利益协调机制和联防联控机制。CO2排放的公共物品属性及其省际空间相关性客观上要求从中央政府层面建立不同省区之间的利益协调机制和联防联控机制，核心是开展相邻省区在信息共享、政策协调等领域的减排合作，尤其是充分考虑各省区能源资源禀赋差异及由此引发的省际空间关联效应[16]。

第四，提高能源利用效率，延长能源产业产品价值链。近年来，中国能源效率提高成为减排的主要驱动因素，但目前中国整体能源效率与发达国家相比依然有较大差距，存在继续提高的潜力。未来应进一步发挥技术节能潜力，同时完善节能领域的法规制度和执行标准，尤其是细化产品的节能标识并强制推广;完善节能市场化机制，推广合同能源管理;同时大力发展煤制气、煤制油等传统能源的清洁利用和精深加工技术，不仅可以减少污染物排放，还可以提高产品附加值。

第五，开发清洁能源，优化能源消费结构。化石能源的不可再生性及对环境造成的严重污染注定其将来会被淘汰，而新型能源如风能、太阳能、生物质能、地热能因具有可再生、环境友好等特性而备受青睐。此外，发展新型能源还可减少对进口油气资源的依赖，对维护国家能源安全具有重要战略意义。政府应充分利用信贷支持和财政补贴等措施进一步加大对新能源企业在技术研发和产品推广等方面的支持力度，为新能源产业的发展营造良好的外部环境，促进其健康快速成长。

注释：

①现实生活中为表述方便，通常以碳排放代指CO2，但碳排放并不等同于CO2排放，因为前者要经过氧化反应才能得到后者，本文也沿用这种称谓。为表述方便，本文中“碳排放”都指的是CO2排放。

②2019年11月27日，国务院发布《中国应对气候变化的政策与行动2019年度报告》，指出2018年中国碳强度比2005年下降45.8%，已提前兑现2020年碳强度比2005年下降40%—45%的承诺。

③基于数据可得性和可比性角度的考虑，本文研究样本中不包括港澳台和西藏地区。为表述方便，本文以省区代指省、自治区、直辖市。此外，重庆在1997年划为直辖市，基于数据完整性方面的考虑，本文将1998年作为研究时间段的起始点。

④海南地理区位特殊，因此尽管海南与广东不接壤，本文在构建地理空间权重矩阵时依然视其为相邻关系。

⑤本文构建包含地理区位和资源禀赋双重效应的综合空间权重矩阵，一定程度上弥补了模型设定在该领域存在的问题。

参考文献：

[1]中国科学院可持续发展战略研究组.中国可持续发展战略报告2009——探索中国特色的低碳道路[M].北京：科学出版社，2009.

[2]张翠菊，张宗益.能源禀赋与技术进步对中国碳排放强度的空间效应[J].中国人口·资源与环境，2015，25（9）：37-43.

[3]林伯强，蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界，2009，187（4）：33-42.

[4]周倩玲，方时姣.地区能源禀赋、企业异质性和能源效率——基于微观全行业企业样本数据的实证分析[J].经济科学，2019（2）：68-80.

[5]邵帅，杨莉莉.自然资源丰裕、资源产业依赖与中国区域经济增长[J].管理世界，2010（9）：26-44.

[6]彭爽，张晓东.“资源诅咒”传导机制：腐败与地方政府治理[J].经济评论，2015（5）：39-49.

[7]文雁兵.发展型政府的阵痛：名义攫取之手与资源诅咒效应[J].经济社会体制比较，2018（5）：116-126.

[8]BrianR.CopelandandM.ScottTaylor.North-SouthTradeandtheEnvironment[J].QuarterlyJournalofEconomics，1994，109（3）：755-787.

[9]王锋，冯根福.优化能源结构对实现中国碳强度目标的贡献潜力评估[J].中国工业经济，2011（4）：127-137.

[10]何江，张馨之.中国区域经济增长及其收敛性：空间面板数据分析[J].南方经济，2006（5）：44-52.

[11]陳诗一.节能减排、结构调整与工业发展方式转变研究[M].北京：北京大学出版社，2011.

[12]于向宇，李跃，陈会英，等.“资源诅咒”视角下环境规制、能源禀赋对区域碳排放的影响[J].中国人口·资源与环境，2019（5）：55-63.

[13]Fan，M.，ShaoS.，YangL.CombiningGlobalMalmquist-LuenbergerIndexandGeneralizedMethodofMomentstoInvestigateIndustrialTotalFactorCO2EmissionPerformance：ACaseofShanghai（China）[J].EnergyPolicy，2015，79：189-201.

[14]邵帅，张可，豆建民.经济集聚的节能减排效应：理论与中国经验[J].管理世界，2019（1）：36-60。

[15]李江龙，徐斌.“诅咒”还是“福音”：资源丰裕程度如何影响中国绿色经济增长？[J].经济研究，2018，53（9）：153-169.

[16]谢宜章，赵玉奇.空间资源视角下地方政府竞争与中国工业绿色转型发展[J].江西社会科学，2018（6）：58-67.

InfluenceofEnergyResourceEndowmentonCarbonEmissionandItsTransmission

Mechanism：AnEmpiricalAnalysisbasedonSpatialEconometricModel

SUNYao-hua

（SchoolofManagement，ShenzhenPolytechnic，Shenzhen518055，China）

Abstract：Chinafacesaseriesofconstraintstoachievethegoalofcarbonintensityreduction，oneofwhichisthe“highcarbon”energyresourceendowmentcharacteristicsof“morecoal，lessoilandlessgas”.Basedontheconstructionofthemathematicalmodelandanalysisframeworkofenergyresourceendowmentinfluencingcarbonemissions，thispaperempiricallyteststheintensity，directionandtransmissionmechanismofenergyandresourceendowment′simpactoncarbonemissionsthroughpercapitaincome，energyefficiency，energyconsumptionstructure，industrialstructure，marketopenness，foreigndirectinvestment，energypriceandotherintermediaryvariables.Theresultsshowthat：interprovincialcarbonemissionshavespatialpositivecorrelationandagglomerationcharacteristics.Themainwaytocurbcarbonemissionsisthe“resourcecurse”effect，whichcanrestrainthegrowthofenergyconsumptionandcarbonemissionsbyreducingpercapitaincome.However，theenergyandresourceendowmentpromotestheincreaseofcarbonemissionsbyincreasingtheproportionofcoalintheenergyconsumptionstructureandtheproportionofthesecondaryindustryinthenationaleconomy，reducingenergyprices，reducingmarketopenness，hinderingtheinflowofforeigncapitalandreducingenergyefficiency.

Keywords：energyresourceendowment;carbonemission;transmissionmechanism;resourcecurse;spatialeffect

（责任编辑：周正）