城镇化对经济增长和碳排放的时变影响

杨美成

（江苏科技大学，江苏 镇江 212100）

一、引言

当前，中国城镇化正处于快速发展阶段，常住人口城镇化率超过60%，劳动力、资本等生产要素不断向城市集聚，城市群大都市圈快速崛起并发展壮大。这一城镇化发展过程一方面从供给端和需求端影响经济增长，即供给端促进了生产要素集聚和生产效率提升，需求端创造了衣食住行等大量的有效需求[1]；另一方面城镇化必然伴随着工业化，导致碳排放的上升，引起了一定的环境问题。其中，促进经济增长是全面建成小康社会实现“第一个百年”奋斗目标的前提，而解决环境污染问题也是“三大攻坚战”的主要方面，因此，城镇化发展具有了经济增长效应和碳排放效应的双刃剑效果，需要在二者之间实现动态平衡和“双赢”。在此背景下，研究城镇化发展对经济增长和碳排放的影响具有现实意义。

现有研究对城镇化发展的经济增长效应或者碳排放效应进行了大量探讨。陈智颖等(2020)运用省级面板数据实证研究了中国城镇化与基础设施和经济增长的关系，指出城镇化提高了基础设施建设的最优规模以及最优规模下的经济增长率[2]。董直庆、王辉(2019)运用空间面板杜宾模型检验了城镇化的空间经济增长效应，结果显示中国城镇化具有显著的经济增长效应并且具有区域异质性[3]。齐红倩等(2015)开始关注城镇化发展对经济增长影响的时变特征，认为现阶段城镇化的经济增长效应有所减弱[4]。城镇化的碳排放效应方面，王锋等(2017)指出在城镇化发展过程中要重视环境保护问题，不同维度的城镇化发展水平下碳排放影响因素的作用效果存在差异性[5]。束克东、李影(2020)研究得出城镇化对碳排放的影响存在区域差异，在高收入组中城镇化与碳排放存在正相关关系，在较低收入组中城镇化与碳排放负相关[6]。牛鸿蕾(2019)认为城镇化率提升对碳排放的增长总体呈现出抑制作用，必须优化城镇化低碳发展模式[7]。此外，也有研究探讨了碳排放与经济增长的互动关系，分析了其非线性特征和门限特征[8]。综合来看，现有文献缺乏对城镇化发展的经济增长效应和碳排放效应的综合研究，时变特征方面的研究也相对较少，因此文章将构建时变参数向量自回归模型(TVP-VAR)实证分析中国城镇化发展对经济增长和碳排放影响的时变特征，为实现经济增长和环境保护“双赢”的政策制定提供参考借鉴。

二、TVP-VAR 模型构建

从现有研究来看，VAR 模型在宏观经济研究领域被广泛采用，诸多学者对其进行了拓展，其中加入时变系数构建TVP-VAR模型是主要方向，典型的TVP-VAR 模型可表示如下[9]：

其中，yt是n×1 维可观测向量，在文章中n=3，具体包括城镇化率、经济增长、碳排放三个变量，B1，t，i=1，…，k 是n×n维时变系数矩阵，μt为n×1 维新息向量，其协方差矩阵为Ωt。文章对Ωt做常规的乔洛斯基分解：

其中，At为下三角矩阵：

∑t为对角矩阵：

因此，模型可以写成如下形式：

若将B1，t，…，Bk，t中的元素进行堆叠得到n2k×1 维向量Bt，模型可进一步化简为：

其中，⊗表示克罗内克乘积(Kronecker Product)。令αt表示At中非0 和1 元素的堆叠向量，σt表示由矩阵∑t中对角元素所组成的向量。假设模型中的时变参数服从随机游走过程，待估时变参数的动态演进过程可以表示为：

其中，γt=(y1t，…，ynt)，yit=logσit2，i=1，…，n。并假设Bk+1～N(μB0，∑B0)，αk+1～N(μα0，∑α0)，γk+1～N(μγ0，∑γ0)。In为n 维单位矩阵，∑B、∑α和∑γ为正定对角矩阵。

模型的统计检验方面，Geweke(1991)[10]提出了CD 统计量和无效因子，CD 统计量可以用来判断马尔科夫链模拟的收敛性，无效因子可以用来判断MCMC 模拟得到的不相关样本个数。CD 统计量计算公式如下：

其中，m0=1，n0=1000，m1=5001，n1=5000。无效因子计算公式如下：

三、变量和数据

根据研究需要，文章选择构建包含城镇化发展、经济增长、碳排放三个变量的TVP-VAR 模型。具体来看，使用常住人口城镇化率衡量城镇化发展水平，使用GDP 实际增速衡量经济增长，使用碳排放总量的增速衡量碳排放，以上数据选取改革开放以来40 多年的全国层面的时间序列数据，样本区间为1979—2019 年，数据频度为年度。城镇化率数据是城镇常住人口占总人口的比重，其数据以及GDP 增速数据均来源于国家统计局网站的年度统计数据库。碳排放方面，文章根据联合国政府间气候变化专门委员会(IPCC)《国家温室气体排放清单指南》给出的公式进行计算，即各类能源碳排放量等于各类能源消费量乘以碳排放系数，最终将各类能源的碳排放数据进行加总得到碳排放总量，为了避免能源单位的换算以及量纲不一致问题，在计算过程中文章采用碳排放增速数据。其中主要的碳排放行业包括煤炭、石油和天然气，碳排放系数分别为0.7559、0.5857 和0.4483，三个能源消费的原始数据来自国家统计局的年度统计数据库。

表1 显示了变量的描述性统计结果。城镇化率的均值为37.19%，主要在1995 年之前较低，最低为18.96%；当前处于快速上升阶段，2019 年达到60.60%。经济增长的均值为9.39%，显示出改革开放以来中国经济总体实现了高速增长，最高增速达15.20%，最低为3.90%。碳排放的均值为5.04%，总体增速较低，最大值为17.57%，最小为-1.94%。

表1 变量的描述性统计结果（单位：%）

图1 显示了改革开放以来中国城镇化率的发展趋势，总体来看可以将中国城镇化发展分为两个阶段，以1995 年为分界点。1979—1994 年，中国城镇化率处于缓慢上升阶段，从19%上升至29%，年均上升0.63 个百分点。改革开放初期，中国社会主义市场经济体制不断建立完善，与计划经济相适应的制约经济增长和要素流动的体制机制束缚不断放松，农村经济土地改革、城市产品市场和要素市场改革有序铺开，城市经济和工业发展的活力不断增强，知识分子、工人等推动工业经济发展的劳动力进城落户，但是这一阶段的户籍管制和人口流动管制依然存在，大规模的人口流动现象还没有出现，因此城镇化率缓慢上升。1995 年以后，中国城镇化率进入了快速发展阶段，从29%上升至2019 年的60%以上，年均上升1.3 个百分点，现阶段仍每年上升1 个百分点以上，从发达国家的经验来看，预计还有20 个百分点的上升空间。在这一阶段，工业化发展水平加速上升，但是城镇化发展滞后导致支撑工业化发展的劳动力严重不足，与此同时农村出现了大量的剩余劳动力，工业和农业部门的生产率差距拉大，人口流动管制明显制约了经济增长，城乡分割的二元经济特征明显。因此，为解决长期以来城镇化发展滞后于工业化以及城乡发展不均衡的问题，国家将城镇化水平定为经济社会发展目标，相应地各地方政府制定了城镇化的加速发展战略，人口流动的限制不断放开，大范围的劳动力转移、城市规模扩张以及房地产、基础设施建设投资的扩张促进了城镇化率的快速上升，中国出现了“民工潮”，工业化、城镇化共振发展并进一步促进了服务业的发展，这一阶段也是中国经济快速增长阶段。

图1 中国城镇化率发展趋势

图2 显示了改革开放以来中国的GDP 增速和碳排放增速，可以看出二者具有一定的关联性，能源是促进经济增长的基本要素之一，经济增长依赖大量的能源投入尤其是工业领域的重工业，能源投入增长也必然带来碳排放的增长，不过随着经济结构调整以及技术进步，经济增长带来的碳排放会下降，比如现阶段中国服务业占比远超工业，节能减排和环境治理技术也不断进步，带动万元国内生产总值能耗持续下降。改革开放以来，中国GDP 增速总体经历了“大幅波动”“快速增长”“缓慢下降”三个阶段。2000 年之前，中国经济增长总体处于社会主义市场经济体制下经济发展的探索期，整顿恢复经济秩序、破除“双轨制”、理顺资源配置机制等是这一阶段经济工作的重要方面，相关经济政策变化较快，存在不稳定性，因此经济增速波动幅度较大。2001—2010 年，中国经济进入快速增长阶段，GDP 年均增速达到10%以上，这一阶段中国加大改革开放的力度，并顺利加入WTO，资源配置效率明显提升，房地产市场快速发展，内需外需共振，投资、出口协同拉动经济快速增长，期间经历了2008 年国际金融危机以及大规模刺激政策。2010 年至今，受体制性、结构性、周期性因素的交织影响，“三期叠加”效果显现，世界经济进入经济危机后的弱复苏阶段，外部需求下降，内部需求增长也面临诸多的掣肘因素，供给端面临劳动人口和生产效率下降、产能过剩等问题，金融层面宏观杠杆率快速上升，在上述因素的影响下经济增速持续缓慢下降，2019 年降至6.1%，创1991 年以来新低。中国碳排放增速的趋势与GDP 增速基本一致，于2003 年达到峰值。此后环境问题受到国际社会的高度关注，从2005 年《京都议定书》的生效到2009 年哥本哈根气候大会的召开，环境问题被认为是超过恐怖主义和地区冲突的首要问题，中国政府响应号召，主动作为促进节能减排以实现集约化发展，碳排放增速持续下降，在2015—2016 年甚至出现了负增长。

图2 中国GDP 和碳排放增速

四、实证分析

文章构建TVP-VAR 模型实证研究城镇化发展对经济增长和碳排放影响的时变特征，在使用马尔科夫蒙特卡洛(MCMC)模拟后进行时变脉冲响应分析和方差分解。

1.模型估计结果

在估计模型前，首先需要确定VAR 的滞后阶数检验系统平稳性并进行Johanson 协整检验。文章使用对数似然值(LogL)、似然比(LR)、最终预测误差(FPE)、赤池信息准则(AIC)、施瓦茨准则(SC)、汉南奎因准则(HQ)6 个不同的判别准则检验模型的最优滞后阶数，从表2 的结果中可以看出在最终预测误差、施瓦茨准则、汉南奎因准则三个判别准则下2 阶滞后最优，因此文章选择2 阶滞后。

表2 模型滞后阶数检验结果

图3 显示了基于AR 根图的平稳性检验结果，其中单位圆中的点表示的是AR 特征根的倒数的模，所有的点均在单位圆之内，表明文章构建的TVP-VAR 模型是平稳的，可以展开进一步的参数估计和分析。进一步，表3 显示了Johanson 协整关系检验结果，同时使用了迹检验和最大特征根检验，迹检验结果表明文章构建的模型在5%的显著性水平下存在2 个协整方程，最大特征根检验结果表明文章构建的模型在5%的显著性水平下存在1 个协整方程，总之文章构建的模型存在协整关系，即具有合理性。

表3 Johanson 协整关系检验结果

图3 模型的AR 根图

在设定先验值后，文章对模型进行了10000 次的MCMC 模拟得到参数估计结果（见表4），可以看出，CD 统计量均小于1，显示出马尔科夫链模拟的收敛性良好。同时，无效因子均较低，最大的仅为88.32，表明至少可以得到113 个不相关样本，对于模型估计和脉冲响应分析而言是足够的。文章在图4 中进一步展示了模型参数的自相关系数、模拟路径和后验分布，结果显示，参数的自相关系数均明显趋于收敛，多数参数的模拟路径均在均值附近上下波动，具有明显的随机抽样特征，多数参数的后验分布均与先验分布高度一致。以上结果表明，文章构建的TVP-VAR 模型取得了良好的估计结果。

表4 TVP-VAR 模型的参数估计结果

图4 参数的自相关系数、模拟路径和后验分布

2.时变脉冲响应分析

时变脉冲响应函数可以对比分析在不同时点变量之间的影响关系，为方便起见，文章在样本期内选择了3 个代表性时点，分别为1985 年、2005 年和2015 年。1985 年代表改革开放初期，中国经济总体处于计划经济向市场经济的转轨阶段，经济增速的波动幅度较大。2005 年代表经济高速增长阶段，内需、外需协同推动经济增长，投资、出口增长动力强劲，货币、信贷随之快速扩张。2015 年代表经济增长的新常态时期，经济增速持续下行，经济结构调整和增长动力转换并存。

图5 显示了城镇化发展对经济增长和碳排放的时变脉冲响应函数。总体来看，一标准差大小的城镇化发展的正向冲击可以造成经济增长和碳排放的正向响应，并且存在长期影响效应。城镇化可以在供给端带来人口、土地、资本等生产要素集聚和生产的规模效应，为工业化和服务业发展提供了基础性保障，同时人口向城市集中可以在需求端创造大量的衣食住行医学娱等有效需求，即在供需两端均可以促进经济增长。与此同时，城镇化带动的经济增长需要大量的能源资源投入，尤其是工业化发展依赖于能源要素，居民的城市生活和商业端也依赖石油和天然气资源，因此城镇化导致了碳排放的上升。对比来看，中国城镇化发展的经济增长效应大于碳排放效应，经济增长的最大响应值可以达到0.14，而碳排放的最大响应值为0.057，表明改革开放40 多年的城镇化发展总体上促进了经济社会的良性发展，在带动经济增长的同时很好地避免了严重的环境污染问题，在某种意义上实现了经济增长和环境保护的“双赢”。实现这种“双赢”的原因可能来自两个方面：一是政府部门高度重视环境问题，尤其是十八大以来中央将生态环境保护提到了重要的战略性位置，政策方面加大了产业转型升级和环境规制力度，推动生产能耗下降；二是中国内生的技术进步，生产技术进步和创新本身可以通过提升生产效率来降低单位产值能耗，同时环境保护方面的技术进步可以提升环保政策和工程的效果。

图5 城镇化发展对经济增长和碳排放的时变脉冲响应函数

时变特征方面，无论是经济增长效应还是碳排放效应，在2005 年的响应强度最大，2015 年次之，1985 年最小，随着时间推移呈现出倒“U”型特征。在经济高速增长阶段，中国拥有人口红利，劳动力供给充足，资本回报率较高，因此城镇化发展对经济增长的带动效应更强；中国的增长方式较为粗放，高污染能源占比较高，全要素能源效率较低，投资和出口推动经济增长的特征明显，造成了大量的能源投入甚至浪费，因此对碳排放的影响更强。在经济增长的新常态时期，人口红利逐步消失，“刘易斯拐点”出现，劳动力成本上升，资本回报率下降，导致城镇化发展对经济增长的带动效应减弱；同时，中国经济结构和能源结构也发生了明显的变化，能源资源密集型行业的占比下降，煤炭等高排放能源的占比也下降，天然气、水电、核电、风电等清洁能源的占比上升，资源环境约束趋紧也促使经济增长更加趋向集约型，因此对碳排放的影响有所减弱。从表5 可以看出，2005 年中国煤炭占比为72.4%，石油占比为17.8%，清洁能源占比仅为9.8%；2015 年煤炭占比降至63.7%，石油占比为18.3%，清洁能源占比上升至18%。在改革开放初期，中国城镇化发展处于起步阶段，城乡人口流动性较差，市场经济体制尚未完全建立，因此城镇化对经济增长的带动效应较弱；碳排放方面，煤炭能源占比虽然较高，1990 年煤炭能源占比高达76.2%，但是经济总量偏低，对能源的需求也较低，因此城镇化对碳排放的影响有限。

表5 中国能源消费结构变迁情况

3.方差分解

为进一步分析城镇化发展对经济增长和碳排放的影响，文章对TVP-VAR 模型中的经济增长方程和碳排放方程进行了方差分解。表6 的结果显示，中国经济增长和碳排放均具有较强的自相关性，在方程中自身的贡献度最高，第20 期经济增长对自身的贡献度仍保持在86.8%，碳排放对自身的贡献度高达约97%。除了自身的贡献外，碳排放对经济增长的贡献度次之，说明能源投入对经济增长的促进作用较强，城镇化对经济增长的贡献度不断增强，同样具有解释力，在第20 期达到约5.6%。除了自身的贡献外，城镇化率对碳排放的贡献度次之并且不断增强，在第20 期达到约2.5%，经济增长对碳排放的贡献度较低。对比两个方程来看，城镇化率对经济增长的贡献度高于碳排放，也就再次验证了中国城镇化发展的经济增长效应大于碳排放效应。

表6 经济增长方程和碳排放方程的方差分解结果（单位：%）

五、结论和政策建议

文章选取中国改革开放以来40 多年的时间序列数据，构建时变参数向量自回归模型，运用马尔科夫蒙特卡洛模拟、时变脉冲响应函数、方差分解等方法实证分析了中国城镇化发展对经济增长和碳排放影响的时变特征。研究结果显示，城镇化发展可以产生正向的经济增长效应和碳排放效应，中国城镇化发展的经济增长效应大于碳排放效应，改革开放40 多年的城镇化发展在带动经济增长的同时有效避免了严重的环境污染问题，无论是经济增长效应还是碳排放效应，随着时间推移均呈现出倒“U”型特征，改革开放初期的影响强度最低，经济高速增长时期的强度最大，经济增长新常态时期的强度出现下降。根据上述研究结果和中国城镇化以及经济社会发展的现实情况，文章提出如下的政策建议：

1.持续推进城镇化快速发展，大力发展大都市圈和城市群

总体而言，中国城镇化发展的经济增长效应大于碳排放效应，城镇化和工业化协同发展形成了良性循环。中国当前城镇化率为60%，距离发达国家80%的平均水平还有一定距离，因此应坚定不移地推进城镇化快速发展，继续发挥生产要素集聚和规模效应，应当充分借鉴国际经验，集中发展大都市圈和城市群，培育推动经济增长的多个增长极。

2.通过转变城镇化发展模式，增强城镇化的经济增长效应

现阶段城镇化发展的经济增长效应有所减弱，与城镇化的发展模式有关。过去较长时期，中国城镇化发展模式较为粗放，土地城镇化快于人口城镇化，户籍限制导致人口城镇化的不完全性，总体重规模扩张、轻质量效益。在经济快速增长时期，粗放的发展模式可以起到推动作用，在新常态时期粗放的模式已经不适应经济增长的需要。因此，应转变城镇化发展模式，走新型城镇化发展道路，更加注重质量效益，应合理规划城市土地使用规模，稳步推进户籍制度改革，提升农业转移人口市民化水平，将人口红利转变为人才红利，为经济增长提供高质量的人力资本。

3.通过推动经济结构转型和技术进步，弱化城镇化的碳排放效应

城镇化在促进经济增长的同时应最大限度降低碳排放效应。一方面，应推动经济结构转型，继续提升第三产业占比，发展工业互联网、大数据、云计算、人工智能、5G 等新型产业，严格限制高污染、高耗能产业的无序扩张。另一方面，通过创新驱动战略促进技术进步，提升工业生产效率，降低单位产值能耗，同时提升环保领域的技术水平，优化治理效果。