城市蔓延对二氧化碳排放量的影响

[摘要] 随着城市的快速发展，二氧化碳排放量逐年增高，这成为全球变暖的重要原因之一。文章基于2000 2015年我国30个省（自治区、直辖市）的面板数据，实证分析了城市蔓延对二氧化碳排放量的影响。研究发现：城市蔓延有利于降低二氧化碳排放量，东部地区城市蔓延对二氧化碳排放影响最为显著，而中西部地区却不显著。因此，文章提出了以下政策建议：应根据当地发展状况制定适宜的空间规划，推动产业结构转型升级，倡导民众选择公共交通出行。

[关键词] 城市蔓延;空间结构;二氧化碳排放量;产业结构

[中图分类号] F293.1 [文献标识码]A [文章编号]1008-0694（2021）05-0098-10

[作者] 谭英 硕士研究生 四川大学经济学院 成都 610041

改革开放以来，我国经济发展取得了瞩目的成绩，已成为世界第二大经济体。我国过去长期依靠粗放型的方式发展经济，不可避免地造成环境污染，尤其是造成与人类生活息息相关的大气污染。在经济发展过程中，企业和个人向空气中排放的大量二氧化碳带来了全球气温上升，对人类生存造成极大威胁。因此，习近平总书记在党的十九大报告中指出要着力解决突出环境问题，坚持全民共治、源头防治，打赢蓝天保卫战，持续实施大气污染防治行动。经济发展的同时城市化也在快速推进，但这一过程带来的空气污染使得“城市病”问题越来越严重。在促进城市发展过程中有效控制大气污染成为缓解“城市病”问题的途径之一。考虑到空气污染物种类繁多，人们在生产生活中极易排放二氧化碳，从而会造成严重的空气污染，因此本文选用二氧化碳排放量来衡量空气污染程度。考察城市蔓延对二氧化碳排放量的影响有利于了解城市结构与环境保护的关系，改善空气质量，进一步推动城市高质量发展。

一、文献综述及研究假说

学术界早已从不同角度对二氧化碳排放量的影响因素进行了详尽探讨。陈诗一（2010）基于产业、地区、能源种类进行三维LMDI驱动因素分解，认为生产部门的资本规模、能源强度、资本生产率、产业结构均显著影响二氧化碳排放量[1]。潘仁飞等（2011）通过回顾1995-2009年我国能源消费结构的变化趋势，结合马尔可夫预测法展开研究，发现能源规划约束可使得二氧化碳排放量得到更有效的控制[2]：。申萌等（2012）构建了技术进步、经济增长与二氧化碳排放量的理论模型，并利用1997——2009年的省级面板数据进行实证分析，发现技术进步带来的二氧化碳减排量不足以抵消经济发展带来的其排放量增加[3]。李沙沙等（2014）从静态和动态面板数据深入研究，指出上一期的技术进步能够显著降低本期的二氧化碳排放量[4]。金培振等（2014）利用我国工业35个细分行业面板数据进行实证分析，认为绿色技术创新有利于促进工业行业尤其是重工业行业的二氧化碳排放量的减少[5]。王美昌等（2015）从开放宏观经济系统的视角展开研究，证明了扩大国家间贸易开放对我国二氧化碳排放量具有显著的抑制作用[6]。肖德等（2016）关注全球高等收入、中等收入、低等收入三个层级的61个国家，发现经济增长对能源提出的需求造成了二氧化碳排放量不断增加[7]。刘云枫等（2018）从碳排放强度、投入产出结构、最终需求结构、最终需求规模四个角度对我国二氧化碳排放量进行分析，认为最终需求规模扩大和投入产出结构的变化均对二氧化碳排放量影响较大[8]。刘夏等（2019）重点关注我国对外直接投资与二氧化碳排放量的关系，提出对外直接投资通过作用于产业结构增加了二氧化碳排放量[9]。刘传明等（2019）研究我国碳排放权交易试点的碳减排政策效应，认为碳排放权交易试点的实施降低了二氧化碳排放量，但其影響效应存在空间异质性[10]。

虽然学者们已围绕能源结构、经济发展、技术进步、对外贸易等多个角度对二氧化碳排放量的影响因素进行了实证分析，但从城市蔓延角度进行分析的文献仍然较少。柴志贤等（2012）通过误差修正模型分析后发现在长期中城市密度、人均GDP分别与城市人均二氧化碳排放量表现出一定的“U型”与倒“U型”关系，但短期对人均二氧化碳排放量影响不显著[11]。李强等（2016）基于我国34个大中城市面板数据进行研究，指出城市蔓延对环境污染的影响显著为负[12]。刘修岩等（2016）利用我国南方城市面板数据，通过实证研究发现城市蔓延显著提高了城市家庭的二氧化碳排放量水平，尤其对小城市的影响效应更为明显[13]。

城市蔓延是城市在发展进程中较为常见的现象，是指城市面积大幅度扩张，超过了人口需要，从而带来人均密度下降以及城市结构分散[l4]。本文认为，考察城市蔓延对二氧化碳排放量的影响有助于缓解“城市病”问题，提高城市发展质量。而对于城市蔓延是否可以降低二氧化碳排放量这一问题，学术界尚未形成统一的观点。本文认为城市在蔓延发展过程中伴随着人口扩张、产业结构升级等变化，这些会直接影响到二氧化碳排放量。一方面，近年来随着我国经济的转型升级，低端产业已经不适应城市发展需要，因此政府会优化产业结构，淘汰传统高污染产业，从而降低二氧化碳排放量。另一方面，经济发展带来了人均收入的提高，居民对生活质量提出了更高要求，这便使得政府更加注重环境保护，通过环境规制降低二氧化碳排放量。由此，本文提出假说1：

假说1：城市蔓延有利于降低二氧化碳排放量。

考虑到我国国土辽阔，各个地区经济发展程度不一。东部地区以平原为主，地势平坦，空气流动性强，经济实力强，城市发展程度高。因此，东部地区有条件率先进行产业结构的优化升级，城市在蔓延过程中对二氧化碳排放量的控制作用较为显著。中部地区地势相对崎岖，城市发展的同时污染亦在加重。西部地区地形复杂，多以山地为主，经济发展落后，城市发展程度也较低。中西部地区的地形特征不利于空气污染的驱散，同时相对落后的经济条件也使它们的产业结构优化升级缓慢，因此城市蔓延对二氧化碳排放量的抑制效应不显著。由此，本文提出假说2：

假说2：城市蔓延对二氧化碳排放量的影响程度呈现地区异质性①。

接下来几部分，本文将利用我国大陆30个省（自治区、直辖市）②的面板数据验证以上两条假说，考察城市蔓延对二氧化碳排放量的影响，以及对不同地区的影响程度。

二、模型设定与数据

1.模型设定

本文根据2000 2015年我国30个省（自治区、直辖市）相关数据来实证分析城市蔓延对二氧化碳排放量的影响，并进一步地考察不同地区的城市蔓延对二氧化碳排放量的影响效应。为了研究城市蔓延对二氧化碳排放量的影响，本文参照秦蒙等（2016）[15]的方法来构建如下基准回归模型：

smogit=ao+a1sprawlit+a2lnyit+a3lnpopit+a4pfdiit+aspinduit+a6pinvit+ui+vi+εit

在模型中，下标i和t分别表示省（自治区、直辖市）和年份。ao表示常数项;smog..表示二氧化碳排放量，用以描述空气污染程度;sprawlit是城市蔓延指数，用以测度该省（自治區、直辖市）的扩张程度;yit为人均收入，用人均GDP进行衡量，表示该省（自治区、直辖市）经济实力;popit是常住人口，本文分别对人均收入（yit）和常住人口（popit）求对数;pfdit是实际利用外资额占当年GDP的比重，反映该地区开放程度;pinduit为第二产业增加值占GDP比重，第二产业往往是产值大、污染高的工业企业;pinvit为全社会固定资产投资占GDP比重;ui是个体固定效应;vt是个体时间效应;εit是残差。

2.数据来源

本文根据< 2006年IPCC国家温室气体清单指南》中提出的“方法1”①来估算2000-2015年我国30个省（自治区、直辖市）的二氧化碳排放量。本文基于能源平衡表中提供的14种能源进行计算，具体估算方法如式（2）：

（2）

其中i表示各种能源燃料，分别是煤炭、焦炭、焦炉煤气、高炉煤气、转炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气和液化天然气;E.代表各种能源的燃烧消费量;NCVi为各种能源的平均低位发热量，用于将各种能源消费量转化为能源单位（TJ）; CEFi表示各种能源的二氧化碳排放因子，其计算公式如式（3）：

CEFi=CCi·COF·（44/12）②

（3）

其中，CCi为各种能源的碳含量;COFi为各种能源的碳氧化因子。地区能源平衡表来自于2000-2015年的《中国能源统计年鉴》，其中海南、宁夏缺失部分数据通过线性插值法进行补齐。

蔓延指数参照洪世键等（2012）的方法进行构造[16]，计算方式如式（4）：

（4）

式（4）中sprawli为城市蔓延指数，△P.表示第i个省（自治区、直辖市）期末人口数变动量，Pio表示第i个省（自治区、直辖市）基期人口数量;△Si表示第i个省（自治区、直辖市）期末城市建成区面积变动量，Sio表示第i个省（自治区、直辖市）基期城市建成区面积。其中建成区面积以及人口数量来源于2000—2015年的《中国统计年鉴》。地区生产总值、人均GDP、常住人口、第二产业增加值、全社会固定资产投资都来源于《中国经济统计数据库》，实际利用外资额来源于中国经济社会大数据研究平台，部分省份缺失数据来源于各个省份统计年鉴。

3.描述性统计

本文针对实证研究所涉及的全部观测样本做了统计性描述（详见表1）。

本文使用公式（4）测算出各个省（自治区、直辖市）的蔓延指数后，按照从低到高、从高到低的名次顺序分别排出蔓延度排在前面的七个省（自治区、直辖市）。蔓延指数越高其城市蔓延度越大，蔓延指数越低其城市空间更集中（详见表2）。

三、实证分析

1.基准回归结果

本文使用计量软件stata16对方程（l）进行估计，估计结果如表3所示。其中，第（l）列回归中仅包含城市蔓延，第（2）列回归中包含了城市蔓延、城市人口规模及人均收入状况对数，第（3）列包含了更多的控制变量。所有列的城市蔓延系数都为负，这验证了假说1，即城市蔓延能够缓解二氧化碳排放量。一方面，随着我国经济平稳较快的发展，城市在蔓延扩张中的发展质量也不断提高，城市内产业结构逐步转型升级，高污染的工业企业逐渐被替代，因此城巾^在蔓延中伴随着的产业升级有利于缓解二氧化碳排放量。另一方面，经济总量的扩大带来了人均收入的不断提高，人民群众对生活质量提出新要求和新期待，那就会激励政府在城市发展规划中尤为重视加大环境管制力度。这些都有利于发挥城市蔓延对二氧化碳排放量的抑

制作用。

2.异质性分析

本文分别对东中西部地区进行回归，结果如表4所示。三个地区的城市蔓延系数都为负，但是中部地区、西部地区的系数都不显著。东部地区的城市蔓延系数为一0.481，并且在1%的水平上显著。东部地区由于区位优势比较明显以及国家各项政策的支持率先走向产业升级转型路径，因此城市在蔓延扩张过程中对二氧化碳排放量的抑制效应较为明显。而中西部地区深处我国内陆，经济发展较为落后，承接的多是东部地区淘汰的工业企业，因而城市在蔓延扩张的过程中对二氧化碳排放量的抑制作用并不明显。

3.稳健性检验

（1）替换指标检验。为了增强估计结果的稳健性，本文采用城市建成区面积对数作为城市蔓延的替代指标并进行了估计，其结果如表5所示。城市建成区面积数据来源于2000-2015年《中国统计年鉴》。倘若城市建成区面积越大，说明该地区社会经济活动涉及面积就会越广泛，城市蔓延度也就高。本文通过稳健性检验结果可以看出，城市建成区面积系数显著为负，再次证明了城市蔓延可以缓解二氧化碳排放量。

（2）工具变量检验。为了缓解可能存在的内生性问题，本文参考李春顶（2011）的方法[l7]，选取了二氧化碳排放量的滞后一期作为工具变量且进行了估计，估计结果见表6。第（1）列只考虑了城市蔓延对二氧化碳排放量的影响，估计结果在5%的水平上显著为负值，第（2）列加入控制变量后城市蔓延系数依然在5%的水平上显著为负。

（3）离群值检验。考虑到可能存在的数据偏差等问题，本文参考曹清峰（2020）的检验方法[18]，针对二氧化碳排放量和城市蔓延这两个指标，定义这两个变量处于1%-99%的数据为正常，超出区间的数据进行缩尾处理，然后再进行估计，估计结果见表7。从第（l）、（2）列回归结果中可以看出，城市蔓延系数依旧显著为负值。

四、结论和建议

空气污染是当今全球发展面临的重要挑战之一。本文利用2000-2015年我国30个省（自治区、直辖市）的面板数据来分析城市蔓延如何影响二氧化碳排放量。本文通过实证分析得出：城市蔓延对二氧化碳排放量的影响为负，说明了当一个城市处于蔓延扩展阶段时，它能够适当缓解二氧化碳排放量。东巾西地区城市蔓延的系数都为负数且数值不等，这表明了不同地区的城市蔓延对二氧化碳排放量的影响存在异质性。

基于以上分析，本文为我国城市发展提供了如下的政策启示：

首先，根据当地发展状况制定适宜的空间规划。经济发展不可避免地会带来城市蔓延，但是不能盲目“摊大饼式”的扩张，这样只会增加城市负担。政府在做城市规划时，应充分发挥市场机制作用，打造结构合理的城市格局。本文实证分析中常住人口系数显著为正，说明城市在发展时不能过度容纳太多人口。中心城市对周边地区吸虹效应较强，因此政府应该适当控制这类大城市的人口规模，鼓励人口均匀流向周边地区，既能缓解大城市压力，又能带动周边地区的发展，避免一城独大。

其次，推动产业结构转型升级。工业企业产值高，对地区经济贡献较大，但是其带来的环境污染也不可小觑。因此，政府在规划城市空间结构时，应该充分考察城市地理位置特征，根据当地环境和经济发展有选择性地引进工业企业，有计划地将其集聚到工业園区内。政府应当鼓励企业进行技术创新，促进产业转型升级，逐步淘汰高污染产业;同时责令企业严格控制二氧化碳排放量，以及设置严格的监管机制。

最后，倡导民众选择公共交通出行。城市在蔓延时势必要修建许多道路以满足居民通勤需求，因此政府在制定交通规划时可学习TOD模式，鼓励居民出行乘坐公共汽车、地铁等公共交通，减少私家车使用，从而减少汽车尾气排放，从源头上降低二氧化碳排放量。

参考文献：

[1]陈诗一，严法善，吴若沉.资本深化、生产率提高与中国二氧化碳排放变化——产业、区域、能源三维结构调整视角的因素分解分析[J].财贸经济，2010，（12）.

[2]潘仁飞，陈柳钦.2020年我国碳减排目标能否实现[J].调研世界，2011，（11）.

[3]申萌，李凯杰，曲如晓.技术进步、经济增长与二氧化碳排放：理论和经验研究[J].世界经济，2012，（07）.

[4]李沙沙，牛莉.技术进步对二氧化碳排放的影响分析——基于静态和动态面板数据模型[J].经济与管理研究，2014，（10）.

[5]金培振，张亚斌，彭星，技术进步在二氧化碳减排中的双刃效应——基于中国工业35个行业的经验证据[J].科学学研究，2014，（05）.

[6]王美昌，徐康宁，贸易开放、经济增长与中国二氧化碳排放的动态关系——基于全球向量自回归模型的实证研究[J].中国人口·资源与环境，2015，（11）.

[7]肖德，张媛，经济增长、能源消费与二氧化碳排放的互动关系——基于动态面板联立方程的估计[J].经济问题探索，2016，（09）.

[8]刘云枫，冯妹婷，葛志远.基于结构分解分析的1980～2013年中国二氧化碳排放分析[J].软科学，2018，（06）.

[9]刘夏，代春艳，辜转.中国对外直接投资为什么会增加国内碳排放？——基于产业结构的分析与解释[J].国际经济与开放发展，2019，（06）.

[10]刘传明，孙矗，张瑾.中国碳排放权交易试点的碳减排政策效应研究[J].中国人口·资源与环境，2019，（11）.

[Il]柴志贤，孙玲，城市蔓延的碳排放效应实证研究[J].商业时代，2012，（27）.

[12]李强，高楠.城市蔓延的生态环境效应研究——基于34个大中城市面板数据的分析[J].中国人口科学，2016，（06）.

[13]刘修岩，王利敏，朱淑文.城市蔓延提高了家庭的居住碳排放水平吗？——来自中国南方城市面板数据的证据[J].东南大学学报（哲学社会科学版），2016，（05）.

[14][1 6]洪世键，张京祥.城市蔓延机理与治理[M].南京：东南大学出版社，2012：3-8.140-142.

[15]秦蒙，刘修岩，仝怡婷，蔓延的城市空间是否加重了雾霾污染——来自中国PM2.5数据的经验分析[J].财贸经济，2016，（ll）.

[17]李春顶.中国对外反倾销措施的产业救济效果研究（1997-2007）[J].调研世界，2011，（05）.

[18]曹清峰.国家级新区对区域经济增长的带动效应——基于70大中城市的经验证据[J].中国工业经济，2020，（07）.

（责任编辑

费俊俊）