碳排放的时空演变、空间溢出效应及影响因素

吴金容

摘要：揭示中部城市碳排放的影响因素对于中部地区推动绿色转型发展具有重要意义。文章采用2005-2020年中部城市碳排放统计数据，研究了市域碳排放总量的时空演变、空间溢出效应以及影响因素。结果如下：一是在时间上，中部城市碳排放呈现先急后缓的增长趋势。二是在空间上，碳排放呈现“北高南低”的空间格局。三是市域碳排放总量具有显著的空间正相关性。四是人口密度、财政支出能显著抑制碳排放量，第二产业为主的产业结构显著驱动碳排放。

关键词：碳排放；空间杜宾模型；影响因素

一、引言

气候变暖一直是全球气候变化最主要特征，应对气候变暖，当务之急是要减少温室气体排放，推行低碳经济发展。

中国已经成为世界碳排放大国，造成中国巨大碳排放量的原因有两个：首先，中国长期以来以粗放式经济发展方式为主，并且在经济发展过程中存在环境治理绩效偏低等一系列问题；其次，中国长期以来就存在着能源消耗量过大但利用方式不环保等问题。节能减排能减缓全球气候变暖，同时在节能减排任务目标下，高污染型和高碳排放型企业会受到较为有力的政策约束，这会倒逼我国产业结构转型升级。然而，引起碳排放的经济社会因素众多，在碳减排的目标下，从计量分析角度识别碳排放的经济社会因素对城市制定有效的减排政策具有重要的现实主义。

近年来，我国不同学者对碳排放及其影响因素做了大量研究。从研究方法上看，主要有结构分解技术（SDA）、指数分解技术（IDA），以及计量分析方法等几类。不同的分析方法优势和缺点不同，得出碳排放影响因素结果不尽一致。然而，上述所说的几种分析方法都有相同的弊端，即将碳排放在每个单元上看作是同质且均匀的，忽略不同城市之间的空间关联性。实际上，碳排放属于大气污染，某个城市碳排放强度较高有很大可能影响到邻近城市的碳排放量，因此，在检验碳排放影响因素时，应该考虑空间因素在其中的作用。因此本文从时间和空间两个角度出发，综合考量了中国中部城市碳排放的时空演变格局，分析了其空间溢出效应以及影响因素。

二、研究方法与数据来源

（一）研究方法

根据前文分析，本文引入截面数据空间计量模型分析中国中部城市碳排放的影响因素及其空间溢出效应，模型如下：

Yi=α+βXi+φ■WijXj+ρ■WijYj+εi

式中：Y为被解释变量，X为解释变量，i和j表示不同的城市，Wij表示一个n×n的空间权重矩阵， ρ为空间自回归系数，表示内生交互效应，即被解释变量的空间溢出效应，φ为待估计参数，表示外生交互效应，反映了解释变量的空间溢出效应；εi为随机误差项。本文构建空间权重矩阵为地理距离权重矩阵Wdis，主要探讨空间距离对城市碳排放空间溢出效应的影响，其元素Wij为中部地区各个城市之间地理距离的倒数平方，通过经纬度计算得到。

（二）变量选取

本文选取2005-2020年中部6个省份共79个城市的相关指标进行碳排放时空演变分析，选择各地级市的碳排放总量作为被解释变量。在解释变量上，从理论机制出发，选取碳排放量的影响因素指标：首先，人是一切经济活动的主体，居民的生产和消费方式就有所不同，碳排放强度则不同。因此，选择人口密度（popden）表示人口对碳排放的影响指标。其次，第二产业的碳排放效应显著，并且我国中部地区产业结构以第二产业为主，因此，加入第二产业产值规模（IS）用来考察第二产业对碳排放的影响作用。最后，根据马斯洛需求理论，国民经济富裕程度会使得其需求层次不同，这会进一步造成生产和消费方式不同，对碳排放产生影响。因此，本文选取人均GDP （pgdp）和政府一般公共财政支出（pfe）代表不同城市的居民富裕程度，用以考察对城市碳排放的影响。根据环境库茨涅兹曲线，经济发展水平与环境污染之间呈现非线性的关系，基于此，本文加入人均GDP的二次项考察GDP与碳排放之间的非线性关系。

本文选取中国中部6个省份共79个地级市作为研究对象（受限于数据的可得性，在空间溢出效应分析时将江西省新余市去除）。市域碳排放的数据来源于IPE公众环境研究中心（http：//www.ipe.org.cn/index.html），社会经济数据主要来源于2005-2019年《中国区域统计年鉴》《中国城市统计年鉴》，数据由EPS数据平台整理（见表1）。

三、中国中部城市碳排放时空演变与集聚特征

（一）中部城市碳排放的时间序列变化分析

分析2005-2020年中国中部区域碳排放总量变化趋势，中部地区碳排放總量大致呈现出以2013年为分界线的“先急后缓”的持续增长状态。2005-2020年中国中部79个城市碳排放总量从133726吨增长至2020年220506吨，总增长率为64.89%，年均增长率为3.6%。其中2005-2013年增长速度比较快，平均增长速率为8.6%。“十二五”规划期间，强有力的政策约束推动污染型企业升级改造，致使2013年后中部地区碳排放总量增长速度明显放缓。

分析各个省份碳排放的区域差异，山西省和河南省两个省份碳排放总量占中部6个省份的比例维持在50%左右波动，是中部地区主要碳排放来源地。相对而言，江西省的碳排放总量占比最少，占6个省份碳排放总量的9%左右。河南省碳排放占比从2016年26%降至2020年21%，是下降幅度最大的省份，说明这几年来，河南省采取的财税联动政策对推进产业转型、节能降碳、生态汇碳取得了积极成效，该举措有力有效推动碳排放管控工作。

除此之外，湖北省碳排放占比从2005年来持续下降，“十三五”末，湖北省全省能耗强度累计下降18%，超额完成国家下达湖北省16%的目标任务，使得其碳排放总量占比在中部6个省份中持续下降。总体来看，湖北省和河南省对中部省份碳排放总量贡献越来越小，其余四省则呈现小幅度上升趋势。

（二）中部城市碳排放的空间分布与集聚特征分析

采用ArcGIS地理分析工具对中部地区每个城市碳排放总量进行绘制，根据图1，中部城市碳排放总量呈现显著的北高南低空间分布格局。碳排放总量高值区主要集中于山西和河南两个省份。山西省是我国煤炭资源大省，能源利用一直以煤炭为主，并且煤炭利用方式较为不环保，因此山西省各地级市的碳排放总量居于中部地区前列位置。而河南省是中国人口大省，人口规模大，对能源的需求非常大，因此碳排放总量居高不下。

另一方面，碳排放空间格局呈现出明显的“核心—边缘”结构，这是因为经济发展好的地区，人口集聚度高，平均碳排放水平高于周围城市。根据图2也可以看出，中部城市人均碳排放水平较高的城市主要以省会城市、经济较为发达的城市（如武汉、长沙、郑州）及其相邻的城市为主。因此，对于实现中部地区碳减排目标，推动经济发达城市的绿色经济发展方式转型意义将更为重大。

本文采用stata软件计算碳排放总量的局部莫兰指数分布来检验中部城市碳排放的空间相关性。图2为2005年、2011年、2019年局部莫兰指数图。从总体上看，市域碳排放空间的集聚方式较为稳定，主要以高高集聚（HH）和低低集聚（LL）为主，其中又主要以低低集聚为主。随着时间的推移，低低集聚城市数显著增多，正相关性显著增强。

四、碳排放的空间溢出效应和影响因素分析

（一）模型检验与选择

本文采用2019年截面数据分析中部城市碳排放空间溢出效应和影响因素。在估计碳排放空间溢出效应之前，需要对模型的适用性进行检验。结果显示，在地理距离权重矩阵下，LM-err和LM-lag检验均通过了1%水平的显著性检验，因此，本文采用空间杜宾模型对碳排放的空间溢出效应进行估计。

（二）碳排放的空间溢出效应

根据空间杜宾模型的估计结果（见表2），该模型为0.9956，说明空间杜宾模型的拟合效果较好；空间自回归系数（ρ）在10%显著性水平下显著为正，表示碳排放在中部城市中具有显著的空间自相关。相邻的距离使得城市之间产业贸易交往更为密切，经济增长也相互影响，使得碳排放在空间上具有显著的空间溢出效应，在城市层面就表现出碳排放的正自相关性。

（三）碳排放的影响因素分析

根据空间杜宾模型回归结果，本地的人均GDP及其二次项、财政支出以及第二产业产值规模在1%水平上显著，同时外地的人口密度、人均GDP、人均GDP的二次项在5%或10%的显著性水平上对本地的碳排放产生影响。

其中，本地人均GDP对数的一次项系数为负且在1%水平上显著，而城市人均GDP对数二次项的系数为正且在1%水平上显著，这说明在中部城市中，本地碳排放与本地经济增长呈现“U”型关系。在经济落后的地区，人们消费结构、出行方式等较为传统，冬季供暖方式也较为粗放，多使用化石能源进行供暖，因此碳排放总量较高；而在经济发展较好的城市，人们环保观念较好，碳排放总量也有所下降；但在中部地区经济最发达的城市中，虽然同样重视保护绿色环境，但是受限于清洁能源的供给量以及低碳环保技术的发展瓶颈，碳排放总量又有所提升。

不管本地还是外地的人口密度其回归系数都为负，说明人口集聚程度对碳排放具有抑制作用。较高的人口集聚程度使得城市内部有更高的资源使用效率，人口集聚通过类似于企业的规模经济那样降低了边际减排成本，所以人口密度的回归系数显著为负。但是本地人口密度在空间杜宾模型中显著性较低，这有可能是集聚经济的负外部性减弱了人口集聚对资源的有效配置。而外地的人口密度在1%显著性水平上为负，这与碳排放“核心-边缘”和以低低集聚为主的空间结构相吻合。

本地的财政支出在1%显著性水平下为负，说明政府支出对碳排放有显著的抑制作用。从“十三五”以来，中国城市“降碳减排”举措一直是由政府在主导，财政支出是其背后有力的驱动因素，因此，财政支出与碳排放之间是反向变动的关系。

本地第二产业产值规模对碳排放总量显著为正。我国是制造业大国，第二产业仍属于中部城市的主要产业，产值占比45%以上，且技术水平较低，许多制造业生产线仍然是较为落后的生产线，以低技术为特征的第二产业产值规模对碳排放总量起到正向驱动作用。

五、结论与建议

本文以城市为评价尺度，测度与分析中国中部城市的碳排放时空演变格局、空间溢出效应及其影响因素，有助于更客观地把握中部城市碳排放问题，为城市减碳降碳提供科学的借鉴。结论显示，2005-2020年間，中部城市碳排放总量逐年增加并呈现先急后缓的趋势，河南和山西两省是其中的碳排放大省；从空间上看，碳排放呈现出北多南少的空间格局，并且“核心-边缘”格局愈加明显；运用莫兰指数和空间杜宾模型估计碳排放的空间溢出效应，发现中部城市碳排放有显著的正相关性，经济增长、人口密度、财政支出和第二产业规模是碳排放的影响因素并对碳排放有大小和方向不同的作用。

针对本文研究结论，对中部城市碳减排提出两点政策建议：第一，充分发挥人口集聚的资源利用提升作用和规模经济的正外部性，对经济发展的负外部性采取有效措施及时制止，统一公共资源的用途和使用方式，提升政府治理负外部性的效率；第二，针对第二产业对碳排放的助长作用，要逐步淘汰已经落后的制造产业，促进产业结构升级转型，提高高新技术产业规模，但不能一味地减少第二产业占比，实体经济仍然是我国经济发展的重要支撑，要在第二产业中实施高质量发展思路，加强第二产业内部技术创新，加大对碳减排技术研发，打造既有实体经济、又有低碳环境的美好环境。

参考文献：

[1]程叶青，王哲野，张守志.中国能源消费碳排放强度及其影响因素的空间计量[J].地理学报，2013，68（10）：1418-1431.

[2]王少剑，苏泳娴，赵亚博.中国城市能源消费碳排放的区域差异、空间溢出效应及影响因素[J].地理学报，2018，73（03）： 414-428.

[3]张征华，彭迪云.中国二氧化碳排放影响因素实证研究综述[J].生态经济，2013（06）：50-54.

[4]ZHANG Y. Structural decomposition analysis of sources of decarbonizing economic development in China;1992-2006[J].Ecological Economics，2009，68（08）：2399-2405.

[5]王磊.基于投入产出模型的天津市碳排放预测研究[J].生态经济，2014，30（01）：52-56.

[6]朱宇恩，李丽芬，贺思思.基于IPAT模型和情景分析法的山西省碳排放峰值年预测[J].资源科学，2016，38（12）：2316-2325.

[7]何小钢，张耀辉.中国工业碳排放影响因素与CKC重组效应——基于STIRPAT模型的分行业动态面板数据实证研究[J].中国工业经济，2012（01）：26-35.

[8]WANG S，FANG C，GUAN X，et al.Urbanisation， energy consumption，and carbon dioxide emissions in China：A panel data analysis of China’s provinces[J].Applied Energy，2014，136：738-749.

[9]WANG S，FANG C，WANG Y，et al.Quantifying the relationship between urban development intensity and carbon dioxide emissions using a panel data analysis[J].Ecological Indicators，2015，49：121-131.

[10]王少剑，谢紫寒，王泽宏.中国县域碳排放的时空演变及影响因素[J].地理學报，2021，76（12）：3103-3118.

（作者单位：中南民族大学经济学院）