碳排放区域差异与经济增长的关系

一
一
北 和 西 南 地 区高 ， 中东 部 地 区 低 的特 征 。 而 造 成 中 国省 份 之 间碳 排 放 差 异 巨大 、东 部 发 达 地 区人 均 排 放 量 和排 放 密 度 较 高 而排 放 强 度 较 低 的格 局 的 原 因 ， 主要 有 经 济 发 展 水 平 、经 济 结 构 、技 术 水 平 和 地 区 经 济 战略 几 个 方 面 。 方 面 ， 部 地 经 济 发展 水 平 、 人 东 均 收 入 高 于 中西 部 地 区 ， 应 的居 民 消 费 相 水平 也更高 ， 带来 了更高的 人均 排放 。东 部 对 比 其 它 地 区居 民 的 人 均 消 费 支 出 ， 不 论 是 城 镇 居 民还 是 农 村 居 民 ， 本都 是 东 基 部 地 区 大 于 中西 部 地 区 。据 统 计 ， ０ ９年 ２０ 我 国 ｌ 个万 亿 级 的 Ｇ 省 市 ， 大 多 数是 ４ ＤＰ 绝 东部沿海 省市 ， 这些地 区的城市和农 村人 均 收 入 和 消费 性 支 出都 远 远 高 于 中西部 的 城 市 和 农 村 。 从 产 业 结 构 来 看 ， 部 地 区 东 的 产 业结 构 中 ， 二 产业 比重 较 大 ， 以煤 第 在 为 主 的 工 业 部 门 中 ， 排 放 量 规 模 大 。据 碳 统 计 ， 国Ｔ 业 部 门的 Ｃ０ 中 ２排放 量 占 中 国 碳 排 放 总 量 中的 ８ ％ 以上 ， ４ 并且 工业 部 门 的单位 ＧＤＰ排放 强度 要高于农业和服务 业 。 随 着 产 业 结 构 的 升 级 和 产 业 调 整 转 移 ， 以资 金和技术实力实 现较低的单位 其 产 出 能耗 ， 少 低碳 约 束 ， 步进 入 碳 排 放 减 逐 的下降通道 ， 实现 由工业部 门的碳排放 向 消费性碳排放 的转 变。见图 １ （ ） 另 … 方 面 ， 西 部 地 区企 业 生 产 技术 中 水平 相对落后 ， 总量 排 放 上 虽 然 较 东 部地 区少 ， 能源 利用 效 率 低 ， 排 放 强 度 高 于 但 碳 东 部 地 区 。北 京 、上 海 、广 东 、浙 江 等 省 市 的碳 排 放 强 度 均 低 于 全 国 的 ２ ／ ０２ 吨 Ｃ ／ 万 元 水 平 ， 龙江 、山 西 、青 海 、内蒙 古 等 黑 省 市 均 远 高 于 全 国平 均 水 平 。２ ０ 年 ， ０ ８ 中 国单位工业增加值 能耗 高的 ｌ ０的省份 ， 全 部 位 于 中 部 和 西 部 ， 位 工 业 增 加 值 能耗 单 最低的 ５ 个省 （ ）基本都位于东部。（ 市 ， 如 表 １ 外， ）另 中两 部 省 份 碳 强 度普 遍 高 于 东 部 省 份 ， 国 家 经 济 发展 的 战 略 布 局 也 有 与 关 ， 源 生 产 与 消 费 空 间 呈 现 分 离 。东 部 能 地 区 是 能 源 净 输 入 区 域 ， 西 部 地 区 是 主 而 要的能源输出区域 。内蒙古 、山西等碳强 度 较高的几个 省份 ， 均为主要 的能源和 电 力输 出人 省 。 （ 见表 １ ）

中国城镇碳排放的区域差异和影响因素宋德勇;徐安【摘要】This paper amends IPCC's carbon emission coefficient of the electricity in 2006. Based on China's energy balance table, this paper calculates the urban carbon emissions in China's 30 provinces during 1995 and 2008. The regional difference of carbon emission is analyzed by the division of high, medium and low carbon emission zones, while the STIRPAT model is employed to its influential factors analysis. The results showed that urban emission, featured in rapid growth since 2001 particularly, played the dominant role of the total carbon emission. There is a strong regional difference of urban carbon emissions in China, for eight provinces of high-emission accounted for more than 50% of China's total urban carbon emissions in 2008. The per capita income of urban residents exerted the greatest impact on urban carbon emissions, followed by the urbanization rate and energy intensity. The population had relatively little influence on carbon emissions. There are differences among the influence on carbon emission as a result of urban average income increase, the progress of urbanization and energy intensity reduce. The intensity-affected difference constructs the main reason of regional difference in urban carbon emission. On the one hand, China's rising urban incomes and urbanization need some space for carbon emissions, while on the other hand, towns need to follow sustainable low-carbon development path.%修正了IPCC关于电力碳排放系数的计算方法,根据中国(省市)能源平衡表估算了1995-2008年中国30个省市的城镇碳排放,划分了高、中、低三个不同排放区域,分析城镇碳排放的区域差异,采用STIRPAT模型分析城镇碳排放及区域差异的影响因素.结果表明,城镇碳排放是中国碳排放的主体；城镇碳排放总体快速增长趋势,2001年后表现尤为明显;中国城镇碳排放存在很强的区域差异,2008年高排放区域的八个省市城镇碳排放总量占全国城镇碳排放总量的50％以上；城镇居民人均收入对城镇碳排放影响最大,然后是城镇化率和能源强度,人口总量对碳排放影响较小；城镇居民人均收入增加、城市化进程不断推进、能源强度降低对城镇碳排放的影响存在区域差异,这种影响强度的差异是导致城镇碳排放存在区域差异的主要原因.一方面,我国城镇居民收入的不断提高和城市化进程的推进决定了城镇发展需要一定的碳排放空间,另一方面,城镇需要走可持续的低碳发展道路.【期刊名称】《中国人口·资源与环境》【年(卷),期】2011(021)011【总页数】7页(P8-14)【关键词】城镇碳排放;区域差异;影响因素;STIRPAT模型【作者】宋德勇;徐安【作者单位】华中科技大学经济学院,湖北武汉430074;华中科技大学经济学院,湖北武汉430074【正文语种】中文【中图分类】X2;F29当前中国处于城市化快速发展时期，据统计，1995年中国城镇化率为29．04%，2008年中国城镇化率达到45．68%，增长了16．64%，年均增长1．28%。

中国居民生活碳排放的区域差异及影响因素分析摘要本论文研究了中国居民生活碳排放的区域差异及其影响因素。

利用2005 年和2015 年的中国家庭能源调查数据，通过分析居民生活碳排放的主要来源、经济发展水平、城市化程度、人口密度、气候条件、能源结构等因素，探究了不同地区居民生活碳排放之间的差异，并分析了影响碳排放的主要因素。

研究发现，中国居民生活碳排放存在显著的区域差异，东部地区的碳排放量明显高于中西部和东北地区。

经济发展水平、城市化程度、人口密度和气候条件是影响碳排放的重要因素，其中城市化程度和气候条件的贡献最大。

最后，结合分析结果，提出了相应的政策建议，以减少中国居民生活碳排放的总量和区域差异。

关键词：居民生活碳排放；区域差异；经济发展；城市化程度；气候条件；能源结构AbstractThis paper examines the regional differences and influential factorsof carbon emissions from the daily lives of Chinese residents. By analyzing the major sources of emissions, economic development levels,urbanization rates, population densities, climatic conditions, and energystructures, based on the 2005 and 2015 Chinese Household EnergySurvey Data, this study explores the differences in carbon emissions between different regions and analyzes the main factors affecting carbon emissions. The study found that there are significant regional differences in carbon emissions from the daily lives of Chinese residents, with emissions being significantly higher in the eastern region than in the central and western regions and the northeast region. Economic development, urbanization, population density, and climatic conditions are important factors affecting carbon emissions, with urbanization and climatic conditions contributing the most. Finally, based on the analysis results, this paper proposes corresponding policy recommendations to reduce the total amount and regional differences of carbon emissions from the daily lives of Chinese residents.Keywords: carbon emissions from daily lives; regional difference; economic development; urbanization; climatic conditions; energy structure1.研究背景和意义随着经济的发展和城市化进程的加速，中国居民生活碳排放量逐年增长。

由于 中国幅员辽 阔 ，不同区域之间 的 自然条件 因素 、 经
济发展程度等都不尽相 同 ， 所 以中国碳 排放 分布的一个重要 特征—— 非均衡性。中国专家学者从不 同区域划分 的角度来 研究 Ｃ Ｏ ： 空间分布差异 。
（ 一） 地理区域划分标准 １ ． 三大区域划分 标准。 把 中国划分为东 、 中、 西三大区域 ，
学研 究文献的梳理 可知 ， 中国碳 排放 区域差异的研 究主要从 三大区域 、 八大 区域和碳 聚集三个划分标准展开 。影响中
国碳 排放 区域差异 的驱动 因素主要有 经济增长 、 产业结构和 能源消 费结构 为三大主要影响 因素 ， 技 术、 贸易、 人１ ： ２ 和 城 市化也 对碳排放 有相应 的影响 。 关键词 ： 碳排放 ； 区域差异 ； 影响 因素 ； 综述 中图分类号 ： Ｆ １ ２ ４ ． ５ 文献标志码 ： Ａ 文章编号 ： １ ６ ７ ３ — ２ ９ １ Ｘ（ ２ ０ １ ３ ） １ ５ — ０ ２ １ ８ — ０ ２
（ 湖南科技大学商学院 ， 湖南 湘潭 ４ １ １ ２ ０ １ ）
摘
要： 在 面对越来越严峻 的国际减排 新形势下 ， 中国碳排放的增加 受到全球 的重点关注 ， 如何 降低 中国的碳 排
放 成为一个我 们亟待研 究的课题 。以综述 的方式总结 中国碳排放的 区域差异和影响碳排放 的多种因素 ， 通过 对经济
２ ０ １ ３ 年第 １ ５ 期 总第 １ ９ ７期
经 济研究导 刊
Ｅ Ｃ０ＮＯＭＩ Ｃ ＲＥ Ｓ Ｅ ＡＲＣ Ｈ ＧＵＩ ＤＥ
Ｎｏ ． １ ５， ２ ０ １ ３ Ｓ ｅ ｒ ｉ ａ ｌ Ｎｏ ． １ ９ ７
中 国 碳 排 放 区 域 差 异 研 究 综 述

中国工业碳排放与经济增长的关系研究--基于STIRPAT模型吴英姿;都红雯;闻岳春【摘要】A stochastic impacts by regression on population affluence and technology (STIRPAT) model is proposed to inves-tigate the economic development impacts on CO2 emission and its main factors on the basis of Chinese industrial panel data grouped by the characteristics of carbon emission from 1995 to 2010. It shows that the relation curve of China’s industrial car-bon emission and the economic output behaves U-shaped, and the turning point of high emission intensity industry has less economic output than that of low emission intensity industry. The capital stock has a greater positive effect on carbon emission than that of labor. The investment on scientific research is conducive to the carbon reduction of high emission intensity indus-try,and the adjustment of fossil energy consumption structure cannot promote the carbon emission reduction of industry.%文章基于改进的STIRPAT模型，以1995-2010年按碳排放特征分组的中国工业面板数据为样本，实证研究了我国工业碳排放与经济增长关系及其主要影响因素。

随 着 时 代 的 发 展 ，包 括 气 候 变 化 在 内 的 环 境 问 题 日益 呈 现 出 经 济 化 、 制 度 化 、 政 治 化 的 趋
势 。气 候 变 化 已 经 成 为 当 今 人 类 面 临 的 最 严 峻 的 全 球 问 题 。 作 为 当今 世 界 最 大 的 发 展 中 国 家 和 农 业 大 国 ，不 仅 我 国 的 工 业 碳 排 放 问 题 非 常 突 出 ， 而 且 农 业 的 碳 排 放 问 题 也 越 来 越 严 重 。对 于 碳 排
素； ② Ｊ ａ ｎ ｅ等 认 为 ，农 业 废 弃 物 、 农 用 物 质 、 粪 便 、农 业 资 源 利 用 、 稻 田及 生 物 燃 烧 是 导 致 农 业
碳 排 放 的 主要 来 源 ； ③ Ｄ ｙ ｅ ｒ ａ等 认 为 ， 无 论 是 从 加 拿 大 全 国 ， 还 是 从 不 同 地 区来 看 ，化 石 燃 料 的 使 用仍 是导 致农 业碳 排 放最 主 要 的 因素 ； ④ 国 内 的 黄 祖 辉 和 米 云 生 的研 究 成 果 表 明 ，农 业 碳 排 放 占总 碳 排 放 的 比 重 应 该 高 于 ４ ３ ． ５ ５ ％ ，且 农 用 能 源 直 接 和 间 接 碳 排 放 、 工 业 投 入 品全 生 命 周 期 碳
农 村 金 融 发 展 与 农 业 碳 排 放 之 间 的 关 系存 在 显 著 的 区域 差 异 。 要 有 效 缓 解 农 业 碳 排 放 问题 ，不
同 的 区域 应 该 采 取 不 同 的措 施 。
关 键 词 ：农 村 金 融 发 展 ； 农 业 碳 排 放 ； 区域 差 异 ； 面 板 数 据
基金项 目：国家社会科 学基金 重大项 目 “ 金融产业经济 学研究” 阶段 性成果 （ １ ｌ ＆ Ｚ Ｄ １ ４ １ ） 作者简介 ：鲁钊 阳，西南政 法大学经济学院讲 师、博 士、博 士后流动站驻站研究人 员 （ 重庆 渝北 ，４ ０ １ １ ２ ０ ） 。 ① 中国政府 网，ｈ ｔ ｔ ｐ ： ／ ／ ｗ ｗ ｗ ． ｇ ｏ ｖ ． ｅ ｎ ／ ２ ０ １ １ ｌ ｈ ／ ｃ ｏ ｎ ｔ ｅ ｎ ｔ 一１ ８ ２ ５ ８ ３ ８ ． ｈ ｔ ｍ。

为最大的发展中国家， 在温室气体的排放方面做 出了实质性承诺：到 +’+’ 年，我国单位 ;<6 的 二氧化碳排放要实现比 +’’$ 年降低 $’= 左右。 发展低碳经济是我国经济可持续发展的必然要 求。 对我国发展低碳经济的道路， 众多研究人员 从发达国家发展低碳经济的经验出发， 从碳预算 制度的设计、节能技术的使用、非化石能源的研 发等角度进行了基础性研究。 这些研究无疑对我 国低碳经济道路的选择富有启发性， 但是笔者认 为，无论是发展低碳经济的制度设计，还是低碳 经济的科技政策安排都不能搞一刀切， 要考虑我 国区域发展不平衡的基本国情。 实施差异化的低
!"#$%"
!"
江西社会科学
!"#"$ %
碳经济区域政策十分必要的。为此， 本文着重估 算了我国各区域的碳排放总量和各区域行业的 碳排放总量， 分析碳排放总量的区域差异和行业 碳排放的区域差异，提出适合我国国情的、促进 区域低碳经济发展的建议。 一、 碳排放的测算方法 对于碳排放， 我国并没有正式的官方统计。 学 界所使用的碳排放数据都是通过估算得到的。 目 前有很多学者运用不同的方法对碳排放进行了估 算。 马忠海以相关性分析为基础， 估算不同能源的
&.’
上述这些方法虽然各有不同， 但是思路是相 似的： 都是通过能源与碳排放之间的关联对碳排 放进行估算。由于煤、石油和天然气是我 国主要能源，只要估算出这三种基础能源 的碳排放系数，结合能源的消费统计数 据，就可以对碳排放进行估算。本文沿袭 （# ） 用式 对碳排放 谭丹、 黄贤金的做法 & / ’ ， 进行估算。 （# ） 01 2 !131 4 !5 35 4 !6 36………… 其中， 01 表示碳排放总量， 31 、 35 、 36 分别表示煤类、石油类和天然气类能源的 消费量，!1 、 !5 、 !6 分别表示这些能源的碳 排放系数。 在估算碳排放总量时， 主要能源的消费数据 可以从统计数据中直接获得， 而各能源的碳排放 系数， 需要测算。 不同的学者或机构对这些能源 的碳排放系数的测算是不同的。 根据谭丹、 黄贤 （789） 的测算结果表明， 金的综述， 国际能源机构 煤炭、 石油和天然气的碳排放系数分别为"$ :"!、

， ｍ ｅ ｔ ｈ ｏ ｄ ｓ ｒ ｏ ｗ ｔ ｈ ｔ ｏ ｅ ｘ ａ ｍ ｉ ｎ ｅ ｒ ｅ ｉ ｏ ｎ ａ ｌ ｈ ｅ ｔ ｅ ｒ ｏ ｅ ｎ ｅ ｉ ｔ ａ ｎ ｄ ｄ ｅ ｅ ｎ ｄ ｅ ｎ ｃ ｅ ａ ｍ ｏ ｎ ｅ ｎ ｅ ｒ ｃ ｏ ｎ ｓ ｕ ｍ ｔ ｉ ｏ ｎ ｃ ａ ｒ ｂ ｏ ｎ ｅ ｍ ｉ ｓ ｓ ｉ ｏ ｎ ｓ ａ ｎ ｄ ｅ ｃ ｏ ｎ ｏ ｍ ｉ ｃ ｇ ｇ ｇ ｙ ｐ ｇ ｇ ｙ ｐ ： ， ｉ ｎ ｒ ｏ ｗ ｔ ｈ Ｃ ｈ ｉ ｎ ａ ． Ｔ ｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｅ ｎ ｅ ｒ ｃ ｏ ｎ ｓ ｕ ｍ ｔ ｉ ｏ ｎ ｃ ａ ｒ ｂ ｏ ｎ ｅ ｍ ｉ ｓ ｓ ｉ ｏ ｎ ｓ ａ ｎ ｄ ｅ ｃ ｏ ｎ ｏ ｍ ｉ ｃ ｎ ｏ ｔ ｏ ｎ ｌ ｈ ａ ｖ ｅ ｔ ｈ ｅ ｅ ｘ ｉ ｓ ｔ ｅ ｎ ｃ ｅ ｏ ｆ ｔ ｈ ｅ ｇ ｇ ｙ ｐ ｙ ， ｒ ｏ ｖ ｉ ｎ ｃ ｅ ｓ ｏ ｆ ｍ ｕ ｔ ｕ ａ ｌ ｉ ｎ ｆ ｌ ｕ ｅ ｎ ｃ ｅ ｂ ｕ ｔ ａ ｌ ｓ ｏ ｈ ａ ｖ ｅ ｓ ｉ ｎ ｉ ｆ ｉ ｃ ａ ｎ ｔ ｒ ｅ ｉ ｏ ｎ ａ ｌ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｓ ．Ｔ ｈ ｅ ｅ ｃ ｏ ｎ ｏ ｍ ｉ ｃ ｄ ｅ ｖ ｅ ｌ ｏ ｍ ｅ ｎ ｔ ｉ ｓ ａ ｎ ｉ ｍ－ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｓ ｈ ｉ ｐ ｇ ｇ ｐ ｐ ， ｏ ｒ ｔ ａ ｎ ｔ ｒ ｏ ｗ ｔ ｈ ｃ ａ ｕ ｓ ｅ ｏ ｆ ｅ ａ ｃ ｈ ｒ ｅ ｉ ｏ ｎ ａ ｌ ｏ ｆ ｅ ｎ ｅ ｒ ｃ ｏ ｎ ｓ ｕ ｍ ｔ ｉ ｏ ｎ ｗ ｈ ｉ ｃ ｈ ｉ ｓ ｃ ｏ ｎ ｓ ｉ ｓ ｔ ｅ ｎ ｔ ｗ ｉ ｔ ｈ ｔ ｈ ｅ ｃ ｏ ｎ ｃ ｌ ｕ ｓ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｈ ｉ ｈ ｒ ｅ ｌ ｅ ｖ ａ ｎ ｃ ｅ ｂ ｅ － ｐ ｇ ｇ ｇ ｙ ｐ ｇ ｔ ｗ ｅ ｅ ｎ ｅ ｃ ｏ ｎ ｏ ｍ ｉ ｃ ｒ ｏ ｗ ｔ ｈ ａ ｎ ｄ ｅ ｎ ｅ ｒ ｃ ｏ ｎ ｓ ｕ ｍ ｔ ｉ ｏ ｎ ． ｔ ｈ ｅ ｅ ｌ ａ ｓ ｔ ｉ ｃ ｃ ｏ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｔ ｂ ｅ ｔ ｗ ｅ ｅ ｎ ｃ ａ ｒ ｂ ｏ ｎ ｅ ｍ ｉ ｓ ｓ ｉ ｏ ｎ ｓ ｃ ｈ ａ ｎ ｅ ａ ｎ ｄ ｅ ｃ ｏ ｎ ｏ ｍ ｉ ｃ ｒ ｏ ｗ ｔ ｈ ｇ ｇ ｇ ｙ ｐ ｇ ， ， ， ， ， ， ｃ ｈ ａ ｎ ｅ ｓ ｉ ｓ ｎ ｅ ａ ｔ ｉ ｖ ｅ ｉ ｎ Ｂ ｅ ｉ ｉ ｎ Ｌ ｉ ａ ｏ ｎ ｉ ｎ Ｊ ｉ ｌ ｉ ｎ ａ ｎ ｄ １ ６ｐ ｒ ｏ ｖ ｉ ｎ ｃ ｅ ｓ ｗ ｈ ｉ ｌ ｅ ｉ ｎ ｏ ｔ ｈ ｅ ｒ １ ４ｐ ｒ ｏ ｖ ｉ ｎ ｃ ｅ ｓ ｓ ｕ ｃ ｈ ａ ｓ Ｔ ｉ ａ ｎ ｉ ｎ ｅ ｔ ｃ ｃ ａ ｒ ｂ ｏ ｎ ｅ ｍ ｉ ｓ － ｇ ｇ ｊ ｇ ｇ ｊ ， ｒ ｏ ｗ ｔ ｈ ｏ ｓ ｉ ｔ ｉ ｖ ｅ ．Ｔ ｈ ｉ ｓ ｓ ｉ ｏ ｎ ｓ ｗ ｉ ｌ ｌ ｉ ｎ ｃ ｒ ｅ ａ ｓ ｅ ｗ ｉ ｔ ｈ ｅ ｃ ｏ ｎ ｏ ｍ ｉ ｃ ｓ ｏ ｔ ｈ ｅ ｃ ｏ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｔ ｏ ｆ ｅ ｌ ａ ｓ ｔ ｉ ｃ ｉ ｔ ｉ ｓ ｉ ｍ ｌ ｉ ｅ ｓ ｔ ｈ ａ ｔ ｗ ｈ ｅ ｎ ｔ ｈ ｅ ｒ ｅ ｉ ｏ ｎ ａ ｌ ｅ ｃ ｏ － ｇ ｙ ｐ ｐ ｇ ， ， ， ｎ ｏ ｍ ｉ ｃ ｉ ｓ ｉ ｎ ａ ｈ ｉ ｈ ｌ ｅ ｖ ｅ ｌ ｔ ｈ ｅ ｒ ｅ ｉ ｏ ｎ ｗ ｉ ｌ ｌ ｈ ａ ｖ ｅ ｍ ｏ ｒ ｅ ｆ ａ ｖ ｏ ｒ ａ ｂ ｌ ｅ ｃ ｏ ｎ ｄ ｉ ｔ ｉ ｏ ｎ ｓ ｔ ｏ ｒ ｅ ｄ ｕ ｃ ｅ ｃ ａ ｒ ｂ ｏ ｎ ｅ ｍ ｉ ｓ ｓ ｉ ｏ ｎ ｓ ｔ ｈ ａ ｔ ｉ ｓ ｔ ｏ ｓ ａ ｃ ａ ｒ ｂ ｏ ｎ ｅ ｍ ｉ ｓ － ｇ ｇ ｙ ｓ ｉ ｏ ｎ ｒ ｅ ｄ ｕ ｃ ｔ ｉ ｏ ｎ ｕ ｌ ｔ ｉ ｍ ａ ｔ ｅ ｌ ｓ ｔ ｉ ｌ ｌ ｒ ｅ ｌ ｉ ｅ ｓ ｏ ｎ ｔ ｈ ｅ ｗ ｅ ｌ ｌ ｄ ｅ ｖ ｅ ｌ ｏ ｅ ｄ ｅ ｃ ｏ ｎ ｏ ｍ ｉ ｃ ｌ ｅ ｖ ｅ ｌ ． － ｙ ｐ ； ； ； Ｋ ｅ ｗ ｏ ｒ ｄ ｓ ｎ ｅ ｒ ｃ ｏ ｎ ｓ ｕ ｍ ｔ ｉ ｏ ｎ ｃ ａ ｒ ｂ ｏ ｎ ｅ ｍ ｉ ｓ ｓ ｉ ｏ ｎ ｓ ｅ ｃ ｏ ｎ ｏ ｍ ｉ ｃ ｒ ｏ ｗ ｔ ｈ ａ ｎ ｅ ｌ ｄ ａ ｔ ａ ｅ ｇ ｙ ｐ ｇ ｐ ｙ

人口结构和经济增长对碳排放的影响分析作者：胡宗义王天琦来源：《经济数学》2018年第03期摘要利用中国30个省级行政单位（暂不包括港澳台地区，下同）2005～2014年的数据，采用动态面板模型，研究人口结构、经济增长对碳排放的影响.研究结果表明，从全国范围来看，人均GDP、劳动年龄人口比率、城市化率、第二产业就业率及对外开放度均对碳排放有显著正向影响，而平均家庭规模会减少碳排放量；从区域来看，人均GDP、劳动年龄人口比率对碳排放产生显著正向影响，其他因素对碳排放的影响程度及方向有较大差异.关键词人口、资源与环境经济学；碳排放；动态面板模型；人口结构；经济增长中图分类号X196文献标识码AStudy on the Impact of Population Structureand Economic Growth on Carbon EmissionZongyi Hu， Tianqi Wang（College of Finance and Statistics， Hunan University， Changsha， Hunan410079，China）AbstractThe dynamic panel model is used to study the effect of population structure and economic growth on carbon emissions by using the data of 30 provincial administrative units in China （Not including data of Hong Kong， Macao and Taiwan for the time being， the same below）from 2005 to 2014. The results show that， from a national perspective， per capita GDP， working age population ratio， urbanization rate， secondary industry employment rate and the rate of openness have a significant positive impact on carbon emissions， while the average household size will reduce carbon emissions；From the regional point of view， per capita GDP， working age population ratio has a significant positive impact on carbon emissions； other factors have different influence on the degree and the direction of carbon emissions.Key wordseconomics of population， resources and environmental； carbon emissions；dynamic panel model；population structure； economic growth1引言当前，全球气候问题成为国际社会关注的焦点.2007 年，联合国政府间气候变化专门委员会（IPCC）在评估报告中指出，全球气候变暖问题是人类迄今面临最严峻的问题之一，也是21 世纪人类面临最复杂的挑战之一.改革开放以来，随着经济的迅猛发展，城市化和工业化的逐步推进，中国以工业为主导的粗放型经济发展模式，导致化石能源大量消耗和温室气体的大量排放.为应对这种局面，中国政府积极承担责任并制定相关法律政策以控制二氧化碳排放量的增加，2012年党的十八大报告指出要大力推进绿色发展、循环发展、低碳发展，把生态文明建设放在突出地位，努力建设美丽中国，为全球生态安全作出贡献.2017年10月，习近平总书记在十九大报告中提出推进绿色发展，建立健全绿色经济绿色低碳循环发展的经济体系，坚持全民共治，源头防治，持续实施大气污染防治行动，打赢蓝天保卫战.全球气候变暖除了自然因素外，更大程度是人类活动造成的.有研究指出，截止到21世纪末，仅仅来自人口因素（含人口规模和人口结构）变化的影响就将使中国的碳排放量增长45%以上，人口因素对碳排放影响的重要性不言而喻.中国作为人口最多的发展中国家，自改革开放以后，随着经济的快速发展，工业化、城镇化进程加快，总人口从2005年的130756万人增加到2014年的136782万人，包括城乡结构、就业结构和家庭规模在内的人口结构均处于不断变化之中，导致人口因素对碳排放产生复杂多变且不容忽视的影响.目前中国对碳排放影响因素的研究主要集中在经济、技术方面，而人口因素方面涉及的较少且不全面，人口仍是以总量的形式体现在规模变量上，关于国内人口结构因素对碳排放影响的研究十分缺乏.根据2005～2014年数据，对中国碳排放量进行估算，并利用STIRPAT模型分别从全国及区域角度分析了人口、经济对碳排放的影响，既有助于寻找适合我国国情的更为实际有效的应对策略，为政府尤其是地方政府制定经济政策和环境政策提供重要的参考依据，也有助于正确判断和把握碳减排压力的人口因素，促进低碳经济发展，推动我国资源节约型、环境友好型、人口均衡型社会的建设和发展.对于经济增长与碳排放之间的关系研究主要是基于环境库茨涅茨曲线，大量研究表明经济增长与碳排放之间呈倒“U”型曲线关系，即在经济增长的初期，重工业的发展导致能源的需求量增加，碳排放随之增加，当经济发展到一定阶段以后，经济继续增长会减少碳排放[1].姜勇（2014）运用1995～2010年30个省的面板数据对我国CO2排放的环境库兹涅茨曲线（EKC）进行了实证分析，结果表明：人均CO2排放量与人均 GDP之间均为“倒 N 型”曲线关系[2].周健等（2015）利用ARDL模型作为经验分析工具对我国1991～2010年的数据进行研究，结果表明经济的规模变量对碳排放有显著的正向影响[3].在经济全球化的大背景下，贸易自由化不断深化，越来越多的贸易活动与碳排放问题挂钩，国内外学者就贸易开放的碳排放作用做出了大量的研究.Muhammad Shahbaz（2016）利用马来西亚1970～2011年间相关数据，基于STIRPAT模型，应用BayerHanck联合协整方法和VECM格兰杰因果关系检验调查了城市化对二氧化碳排放的影响.结果显示，经济增长是二氧化碳排放量的主要来源，贸易开放导致富裕，从而增加二氧化碳排放量[4].彭水军等（2013 ）研究了中国贸易开放对碳排放的影响，结果均显示，出口贸易导致中国碳排放量的上升，对中国环境产生不利影响[5].Guo J E（2012 ）研究指出，贸易隐含碳在地域和行业都存在较大差异，东部地区对外贸易中的隐含碳所占比例较大，省际间贸易产生的碳排放从东部向西部转移[6].谷祖莎（2012）采用动态面板模型验证了中国大陆省份的贸易开放对碳排放的影响，结果显示全国整体及中西部地区的外贸依存度对碳排放具有正向效应，但东部地区具有负向效应[7].形成碳排放的直接原因是化石燃料的燃烧，在人类社会活动中，碳排放的影响因素主要分成经济、人口、技术、能源四个方面.人作为活动主体，贯穿于整个环节，通过经济活动作用于自然环境，人口因素是影响碳排放的重要因素.在人口因素方面，着重分析人口结构因素对碳排放的影响.研究人口结构如何对碳排放产生影响成为学术界讨论的热点，Sanglimsuwan （2012），O'Neill，Brian（2012），Jorgenson（2013）和Clark（2013）和Ahmad（2013）研究均表明，人口因素是导致CO2排放增加的主要驱动因素，其中人口因素主要包括人口规模和人口结构[8-12].李楠等（2011）、曲如晓等（2012）、马晓钮等（2013）、童玉芬和韩茜（2013）等人的研究表明影响CO2排放的人口因素主要包括人口规模、人口年龄结构、人口城市化和家庭规模等[13-16].人口城乡结构主要通过能源消费需求对碳排放产生影响，城镇化进程中，居民消费水平不断提高、生活方式发生改变，对生活型能源的直接和间接需求增大，能源消耗量和碳排放量增加.郭文等（2017）利用LMDI分解模型对中国30个省份2003～2012年的面板数据进行实证分析，结果表明人口城镇化已成为影响中国碳排放量变动的主要人口因素[17].王世进等（ 2013）研究了中国城市化对碳排放影响的区域差异，结果发现，就全国和中部地区而言，城市化对碳排放的影响是正的，而就东部和西部而言，其影响却是负的[18].Wang（2017）采用STIRPAT模型，通过利用1997～2012年30个省份的面板数据，研究人口结构对三大地区二氧化碳排放量的影响，结果表明，城市化水平对西部地区碳排放有正向影响，对中部地区有负面影响，东部地区不具有统计意义[19].在中国社会转型的大背景下，人口处于快速变化时期，不同年龄人群有不同的消费方式及经济活动，产生不同的能源消耗，所以在分析二氧化碳排放量的影响因子时，人口年龄结构应该纳入研究范畴.人口年龄结构对碳排放的影响较为复杂，曲如晓（2012）以STIRPAT模型为研究起点，运用中国1997 ～2009年30个省份的面板数据，考察了地区人口规模、结构对碳排放量的影响，结果表明，劳动年龄人口对碳排放有显著的正向影响[20].田成诗等（2015）对人口年龄结构进行细化，基于扩展的随机STIRPAT模型考察了人口年龄结构对碳排放的影响，结果表明，人口年龄结构对碳排放影响显著，不同年龄人口对碳排放影响程度不同，其中30～44岁人口对碳排放的影响最大[21].家庭结构随着经济、社会发展产生的变化，也使家庭规模成为学者考察的重要人口变量.家庭规模对碳排放的影响主要体现在消费领域，在社会学范畴中，家庭是社会生活的基本单位，因为人们消费甚至生产活动通常是以家庭户为单元，在发展中国家表现的更为突出.Lenzen（1998）研究认为，家庭结构主要通过家庭交通工具和其他能源消耗型生活模式对碳排放产生影响[22].任海军等（2014）采用STIRPAT模型，使用中国30个省区1997～2011年的面板数据，研究了不同城市化阶段碳排放影响因素的差异，结果表明：随着城市化进程的加快，城市化对碳排放的驱动作用越来越小，家庭小型化对碳排放均具有显著的正向影响[23].Qin Zhu（2012）考察了1978 ～2008年中国人口结构和消费水平对碳排放的影响，结果显示，城市化、人口年龄和家庭规模对碳排放有显著影响，家庭规模缩小增加了居民消费，导致更高的碳排放量[24].赵涛等（2016）应用STIRPAT模型研究1997～2012年京津冀经济圈人口因素对碳排放的影响时发现，平均家庭规模和能源消耗强度对碳排放有抑制作用[25].马晓钰等（2013）使用静态与动态模型分析了中国地区碳排放与年龄结构和人口规模等的关系，研究结果显示，较大的家庭规模对碳排放有抑制作用[26].总的来说，国内外学者从不同方面对碳排放进行了深入而细致的探讨，所得结论对研究具有重要启发作用，但就研究内容和方法来看，仍存在以下几点不足：（1）国内外综合考虑经济、人口结构因素对碳排放影响的研究较少，经济增长对碳排放的影响研究大多局限于考虑GDP与碳排放的关系，很少加入贸易开放度进行探讨.（2）人口结构因素对碳排放的研究也缺乏深入探讨，大多研究只将人口结构进行粗略划分.（3）在面板数据的研究中未能依据不同地区经济发展水平加以分类，没有考虑到不同地域在产业结构、人口基数等方面的差异.不同于以往的研究，不仅关注了人口和经济的总体变量，还考虑了人口年龄、就业、城乡结构等，加入了贸易开放度，来综合研究经济增长及人口结构对碳排放的影响，从已有的文献出发，结合中国2005～2014年的碳排放、经济增长及人口结构的相关数据，采用动态面板模型探究中国经济增长、人口结构对碳排放的影响，并进而分析其区域差异.2模型设定与数据说明2.1模型设定采用STIRPAT模型进行碳排放的影响因子分析，最初环境压力模型是由Ehrlich等提出的IPAT模型，但该模型不适于定量测算各因素对环境的影响，为了克服上述模型的不足，Dietz 等提出了基于IPAT形式的环境影响随机模型，即随机形式的STIRPAT模型：It=aPbtActTdte，（1）式中，It为环境压力，Pt表示为人口数量，At为富裕度，Tt为技术水平，a、b、c、d为参数；e为误差项.在用面板数据进行分析时，对数变换不改变数据的特性，能使数据趋势线性化，直接获得因变量对自变量的弹性，所以对式（1）两边取对数，得到如下模型：LnIt=Lna+bLnPt+cLnAt+dLnTt+Lne，（2）It环境压力用碳排放量表示，Pt用人口总量表示，At用人均GDP表示，Tt技术水平用能源强度表示.实行计划生育政策后，人口年龄结构不断变化，年龄结构变量难以精确度量，但从业人员基本上为15～64岁人口.近年来，中国产业结构不断变化，各产业就业人口比率的不同，对碳排放也会产生差异，且三次产业中第二产业的粗放型增长模式对碳排放的影响最大.自改革开放以来，中国农村人口持续向城市转移，人口城乡结构发生显著变化.在人口数量增长的趋势下，家庭户数和家庭规模也不断变化，家庭是社会生活的基本单位，家庭规模效应主要通过消费渠道对碳排放产生影响.中国进出口贸易的迅速发展，在促进经济增长的同时，也不可避免地为国外生产了大量内涵碳.所以对STIRPAT模型进行扩展，加入人口结构（年龄结构、城市化率、平均家庭规模、第二产业就业比率），还包括对外开放变量.LnIit=α+β1Lnpgdpit+β2Lnpageit+β3Lnurbanit+β4Lnhousit+β5Lnserit+β6Lntradeit+LnTt+ci+uit，（3）其中，Iit表示i省份第t年的碳排放量，pgdpit表示i省份第t年的人均GDP，pageit表示i省份第t年15～64岁人口所占比例，urbanit表示i省份第t年的城镇人口比率，housit表示i 省份第t年的平均家庭规模，serit表示i省份第t年第二产业就业率，tradeit表示i省份第t年进出口占GDP比例，Tt表示能源强度.考虑到碳排放在时间上可能存在一定的持续性，往年的碳排放程度可能对后来年份产生影响.此外，当年经济增长的环境效应也不一定能在当年的统计中得到体现，因此在式（3）中加入因变量的滞后项，即变为如下动态面板模型：LnIit=α+ηiLnIit-1+β1Lnpgdpit+β2Lnpageit+β3Lnurbanit+β4Lnhousit+β5Lnserit+β6Lntradeit+LnTt+ci+uit，（4）其中，Iit-1为第i省份在第t-1年的二氧化碳排放量.2.2数据说明以2005～2014年中国30个省份的相关数据进行实证分析，劳动人口、城市化率、平均家庭规模、进出口比率、第二产业就业率及人均GDP来源于《中国人口统计年鉴》及第五、第六次人口普查数据.二氧化碳排放量没有直接的数据，利用IPCC（Intergovernmental Panel on Climate Change）给出的各种能源碳排放系数，通过与各地区各年份能源消费量数据相乘得到各地区在样本区间内的碳排放数据，能源消费数据来源于《中国能源统计年鉴》.各省份的相关变量描述性统计结果如表1、表2.各地区碳排放量的差异很大，数量最小的省份只0.19亿吨（ 2005年海南省），而数量最多的省份达近10亿吨（ 2014年山东省），两者相差近百倍，具体从区域碳排放量的数据来看，30个省份中只有1个省份的年均碳排放量处于亿吨以下，前五位的地区依次是山东、河北、江苏、河南、山西，合计占总排放量的35.6%，当然，也有部分省份碳排放量非常低，如海南省年均排放量最低，只有3.19千万吨，该数据仅是处于最高水平的山东省的3.98%，年均碳排放量后五位的地区分别是天津、北京、宁夏、青海与海南.在解释变量中，各地区人口总量的差异也较大，比如年末人口数最小的省份仅为543万人，而最大值为10724万人；各省份不同年份反映人口年龄结构、城镇化率、家庭户规模等变量存在较大差异，如15～64岁人口比重最小值为接近0.36，最大值为0.84左右；家庭户规模最小值仅为2.33左右，而最大值接近于3.93，反映经济发展水平和区域经济结构的人均GDP、第二产业就业率、进出口占GDP比重等指标在样本中也存在较大区别.3结果与分析选取2005～2014年中国30个省份的数据对其进行动态面板模型估计，结果如表3.表3显示了2005～2014期间中国30个省份动态面板模型的结果，计量结果证实了人均GDP确实对省级碳排放有显著正向影响，人均收人的增加在一定程度上增加了人们的非理性消费，导致我国碳排放增加.劳动年龄人口比率在1%的显著性水平下对碳排放存在正向影响，其弹性值在5.38左右.人口年龄结构通过生产和消费渠道对碳排放产生影响，从生产方面考察，中国劳动年龄人口（15～64岁）数量及所占比例的持续增长，为中国经济快速发展提供充足劳动力的供应，在促进生产规模扩大的同时，对资源能源的消耗量增加，导致碳排放规模增加.从消费方面考察，不同年龄群体的消费理念不同，购买力度和购买需求不同，劳动人口对衣食住行等资源的消费需求更强烈，对碳排放影响较大.城镇化率对中国碳排放呈显著正向影响，显著水平为1%.2005年以来，中国城镇化进程加快，由2005年的42.99%增长到2014年的54.77%，年均增长2.73%.城市化水平的提高可以使能源利用效率得到提高，但是进一步城镇化会显著促进中国的经济发展，而且在推进城市化过程中，耕地和林地面积减少，大量基础设施、住宅房屋和工业厂房的建设，钢筋、水泥等建筑材料及交通工具的大量使用将导致了CO2排放量的剧增；另一方面，大量的劳动力流入城市，居民生活水平不断提高，消费结构会发生变化，城市居民会更倾向于对享乐型高碳产品的消费，农村居民消费习惯也会通过受城市居民的影响，都增加中国的碳排放总量.从平均家庭规模角度考察，随着中国经济社会发展、计划生育政策、城镇化及人口老龄化进程加快，家庭规模小型化成为必然趋势.平均家庭规模从2005年的3.13人缩减到2014年的2.97人，降幅为5.11%.以家庭为主体的消费需求包含许多共享性质的消费品与服务，家庭规模缩小意味着规模效应减弱，导致人均消费增加，资源浪费和能源消耗增加，碳排放随之增加.中国人口总数不断增加，家庭规模的小型化也意味着中国家庭户数在增多，其消费量（尤其是耐用品消费，如住房和汽车等）也会随之增加，进而扩大内需导致碳排放增加.结果显示，家庭规模每减少1%，碳排放将增加0.09%.第二产业就业率对碳排放产生显著正向影响，显著水平为1%.人口就业结构主要反映第二产业就业人口比率对碳排放的影响，从2005年的23.22%增加到2014年的29.9%，平均每年增加2.85%，随着第二产业就业人口的增加，工业化程度加快，碳排放将增加.第二产业主要包括制造业、采矿业、建筑业等高能耗产业，需要消耗大量化石能源，所以随着第二产业工业规模的增大，导致碳排放量增大.外贸依存度不仅用来衡量一国或地区经济对国际市场的依赖程度，也同时反映该国或地区的经济开放程度.对外开放程度对中国碳排放影响在1%显著水平下显著为正，其弹性值在0.24左右.目前中国主要依靠劳动密集型行业，低加工、高能耗及高污染的出口商品占主导地位，这必然会增加对能源的大量消耗，进而导致碳排放量的剧增.由于中国经济发展、人口分布不均，东中西部又处于不同经济发展阶段，具有不同产业结构、人口结构及人口密度，所以在全国层面分析的基础上，进一步对东中西部进行区域差异分析具有重要现实指导意义，见表4.东、中、西部地区碳排放的影响因素存在一定的共性：人均GDP、劳动年龄人口比例对碳排放都产生显著正向影响，同时也存在较大的差异性，不同因素对碳排放的影响程度及方向有较大差异.与全国层面分析的结果一致，东中西部人均GDP的增加都对碳排放产生了显著的正向影响，人均GDP越大，意味着经济发展水平越高，但弹性并未随着人均GDP的上升而增加，而是出现先上升后下降的情况.这类似于经济发展水平与环境状况之间呈现的EKC曲线关系.这是由于高收入地区经济增长更加依赖于服务业，并且高收入地区更有能力进行提高能源利用效率的研发.15～64岁劳动人口比率增加导致东中西部地区碳排放增加，东部和中部地区在5%的水平下显著，西部地区显著水平为10%.东部地区省际迁移人口是推动地区经济增长不可替代的因素，迁入人口以劳动年龄人口为主体，高比例劳动人口意味着消耗更多的资源和能源，导致碳排放的增加.西部地区人口自然增长率虽高，但劳动年龄人口所占比例较低.东中西部第二产业就业率对碳排放的影响差异很大，东部地区第二产业碳排放就业率对碳排放的影响为正，中部为负，西部则影响不显著.这是由于东部地区迁入人口就业集中于第二产业，第二产业集中在劳动密集型产业，中部地区第二产业虽然产值不高，但是呈现资本密集型特征，其资本/劳动力比上升速度快，西部地区就业集中于第一产业，而第二产业就业率较低，对碳排放影响不显著.平均家庭规模对碳排放的影响在东西部均显著为负，但中部地区却不显著.随着地区富裕程度的增加往往会引起家庭规模的减小以及家庭户数的增加，对能源的需求随之增加.东部地区平均家庭规模最小且家庭人均财富最高，家庭对高碳产品消费增加，导致对碳排放影响最大.中部地区家庭规模较大，发挥了资源共享性，但家庭消费水平也较高，综合影响并不显著.西部地区人均财富较低，家庭趋向于低碳产品消费，家庭规模对碳排放的影响主要是通过规模效应，所以对碳排放产生显著负向影响.东部地区城市化率对碳排放产生显著负向的影响，显著水平为1%，东部地区经济发展水平较高，城镇化能促进人口、交通和产业的规模经济效益，有利于提高资源利用率，推动服务业发展，注重环保、基础设施的建设.中西部城市化水平的提升对碳排放并没有显著影响，西部地区城市化进程缓慢，因此对碳排放的影响不显著.中部地区城市化水平的提升导致碳排放的增加，因为在城镇化的进程中，农村人口向城市转移增加了对能源的需求，增加了碳排放.东部贸易开放度和碳排放之间显著负相关，显著水平为1%，东部地区对外贸易商品的结构发生改变，提升了全球范围内的产品供应链价值，使得低碳产品出口比重的增加导致碳排放的降低，随着中国产业结构升级，发展重心转移到第三产业，由第二产业带动的进出口额占比不断降低，第三产业带动的进出口占比不断增大，碳排放呈现下降趋势.中部地区仍然是粗放型增长方式，出口产品普遍为资本密集型产品，导致碳排放增加.西部地区由于地理位置、发展缓慢，贸易开放度对碳排放影响并不显著.4结论采用2005～2014年30个省域数据，运用动态面板模型，不仅对中国人口结构、经济增长对碳排放的影响进行面板数据回归，而且对中国东中西部地区进行区域差异分析.得到结论如下：就考察样本而言，经济增长和人口结构变动对中国碳排放存在显著影响，但全国层面和东中西部层面结果既存在共性，也存在差异.人均GDP、劳动年龄人口比率对全国及东中西部地区碳排放产生显著正向影响，平均家庭规模则产生显著负向作用.城市化率对全国碳排放产生显著正向作用，对东部地区碳排放产生显著负向影响.同时，经济水平是最主要的碳排放驱动因素，平均家庭规模是最主要的抑制因素.人口年龄结构以增加劳动力供应及促进消费需求的方式促进碳排放增长；逐渐缩小的平均家庭规模导致人均能耗及家庭数量的增长，进而推动能源消耗增长；人口就业结构中工业部门就业率的增长导致碳排放的增加.参考文献[1]GROSSMAN G M. KRUEGER A B. Environmental Impacts of a North American free Trade Agreement[R]. National Bureau of Economic Research Working Paper，1991.[2]姜勇，中国碳排放与经济增长关系及其影响因素的实证研究[D].重庆：重庆大学经济与工商管理学院，2014，1-45.[3]周健，王淑婧，高琴，张晓微.人口特征、经济增长与碳排放的关系研究[J].武汉大学学报，2015，68（2）：94-101.。

能源消耗和碳排放的区域差异及原因分析下载温馨提示：该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。

文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by the editor. I hope that after you download them, they can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you!In addition, our shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!能源消耗和碳排放是当前全球关注的热点问题，不同地区的能源消耗和碳排放存在显著的差异。

碳排放地区差异与经济增添的关系一、问题的提出最近几年来，大气中以CO2为主的温室气体排放量渐渐增加，这类现象导致了全球共同着重一个重要问题———温室效应，在此宏观环境背景下，发展低碳经济并降低碳排放量是有效阻挡世界气温连续上涨的一项重要措施。

跟着工业化和城市化进度的连续加速，中国CO2排放量与能源花费量快速上涨。

依照国际能源署统计资料，中国CO2排放量在2007年初次超出美国，成为世界第一大碳排放国。

2009年12月，中国政府向全球承诺，到2020年我国单位GDP的CO2排放量在2005年基础上降落40%～50%，并将此目标归入经济社会发展长久规划中。

中国地区广阔，不一样省份及地区经济发展不均衡，能源资源天赋差异很大，因此碳排放表现出显然的地区特色，这就要求在拟订减排措施方面有必需将碳排放的地区差异特色和影响要素考虑此中。

因此，本文第一对中国CO2排放的地区差异推行观察，而后深入商讨经济增添与CO2排放量之间的关系，在此基础上为拟订科学合理的减排政策供给参照和依照。

目前，研究CO2排放地区的差异已成为国内外学术界着重的热门。

谭丹等(2008)在我国碳排放地区差异研究中发现，碳排放增添速度和排放量最大的是东部地区，而中部地区碳排放增添速度最慢，西部碳排放量最少。

别的，徐大丰(2010)［2］的研究结果显示，中西部地区碳排放量低于东部，且碳排放地区差异比较明显的行业为建筑业、工业和运输业。

可是，这些研究多是简单的归纳和描绘，并无采纳有关的权衡指标对碳排放的地区差异赐予量化研究。

岳超等(2010)利用Theil系数研究了中国各省市碳排放强度差异的变化和根源，但因其测算公式不太正确而致使研究结果可信度不高。

杜克锐(2011)在测算碳排放效率时发现，中国各地区碳排放效率差异显然且差异水平呈连续扩大的趋向，拟订减排措施过程中要要点考虑地区差异要素。

外国有关CO2排放地区差异的研究主要集中在跨国层面(Heil和Wodon，1997;Padilla和Serrano，2006;Duro和Padilla，2006;Groot，2010;Cantore和Padilla，2010)，但对于中国碳排放地区间差异研究的文件其实不常见。

中国二氧化碳排放影响因素分析——基于区域差异的视角符栋栋;周新苗【摘要】利用2008-2012年中国30个省、市、区面板数据,分析中国东、中、西部地区二氧化碳排放量与人口、经济发展和技术这三大因素的关系.实证结果表明:人口对二氧化碳排放的作用方向为正;二氧化碳与经济发展存在“倒U”型关系;技术发展能够抑制二氧化碳排放;二氧化碳排放存在明显的路径依赖.由此提出,中国应该加快经济发展,调整产业结构,研发并应用低碳技术来降低二氧化碳排放量.【期刊名称】《科技与管理》【年(卷),期】2016(018)002【总页数】7页(P59-64,70)【关键词】二氧化碳排放;人口;经济发展;技术水平【作者】符栋栋;周新苗【作者单位】宁波大学商学院,浙江宁波 315211;宁波大学商学院,浙江宁波315211【正文语种】中文【中图分类】F062.2全球气候变暖已经成为国际社会普遍接受的事实，联合国政府间气候变化专门委员会(IPCC)于2007年公布的第4次评估报告指出：全球的地表平均温度在1906—2005年间上升了0.74℃，其中亚洲国家的平均地面温度上升速度最快，近年来超过1℃。

气候变暖已经严重影响了人类的生存环境和社会发展。

尽管自然环境自身的周期变化会影响全球气候变化，但是有越来越多的研究表明人类活动在更大的程度上加快了全球变暖进程。

IPCC的第4次评估报告指出，近50年全球气候变暖的主要原因是温室气体的大量排放。

二氧化碳作为最重要的温室气体，其排放与人类大量使用化石燃料以及大面积的毁林活动等有着密不可分的关系。

中国二氧化碳排放量于2006年超过美国，位居世界第一，而且近几年来中国的二氧化碳排放量持续增加，2012年全年排放量达到8 106.43百万t[1]。

另一方面，国际社会上要求发展低碳经济的呼声愈发强烈，中国作为负责任的大国承诺将采取有效措施减少二氧化碳排放，并于2030年前停止增加二氧化碳的排放量。

影响二氧化碳排放的因素复杂多样，主要有人口、经济发展、工业化水平、消费水平和技术创新等，要实现二氧化碳的减排目标，首先要对影响二氧化碳排放的因素有较为清晰的认识。

经济发展与碳排放研究热点可视化分析经济发展与碳排放研究热点可视化分析近年来，随着全球经济的迅猛发展，人们对环境问题的关注度也日益提高。

特别是对碳排放的研究，成为了热门话题之一。

本篇文章旨在通过可视化分析，探讨经济发展对碳排放的影响，并揭示目前研究领域的热点。

首先，我们需要明确什么是碳排放。

碳排放是指工业生产、能源利用和交通运输等活动中，由于燃烧化石燃料或林木等作物，产生的二氧化碳等温室气体释放到大气中。

碳排放的增加与全球变暖、气候变化等环境问题密切相关。

经济发展与碳排放之间存在着紧密的关系。

一方面，经济的快速增长通常伴随着能源和资源的大规模消耗，从而导致碳排放的增加。

另一方面，碳排放的减少也需要投入大量的经济资源和技术支持。

因此，经济发展与碳排放之间形成了一种相互制约的关系。

为了进一步探究这种关系，我们可以利用可视化分析工具进行研究。

首先，我们可以使用地图来展示不同地区的碳排放数据。

通过地图的颜色和大小来表示碳排放量的大小和分布情况，可以直观地了解到哪些地区的经济发展与碳排放紧密相关。

此外，我们还可以通过时间轴来呈现碳排放量随时间的变化趋势，从而了解经济发展对碳排放的影响。

在研究热点方面，目前主要集中在以下几个方面：1. 绿色技术创新：在减少碳排放方面，绿色技术创新被认为是最有效的手段之一。

因此，研究者们致力于开发新型的清洁能源技术和低碳交通工具等，以减少碳排放量。

通过可视化分析研究绿色技术的发展趋势和应用实况，可以为政府和企业制定环保政策提供依据。

2. 碳排放的区域差异：不同地区的碳排放量存在较大的差异，这与地区的经济发展水平、工业结构和能源结构等相关。

研究者们通过可视化分析，可以将地区的碳排放量与其经济发展的水平进行对比，进一步了解碳排放的区域差异特点，并为不同地区制定有针对性的减排政策提供参考。

3. 碳排放与经济增长之间的权衡：经济增长通常伴随着碳排放的增加，但同时也可以为减少碳排放提供一定的资源和技术支持。

我国省域碳排放差异及碳补偿机制比较摘要：该研究通过对我国各省域碳排放差异和碳补偿机制进行比较，发现各省碳排放强度存在明显差异，且排放处于高收入水平的省份排放量也更高。

同时，我国的碳补偿机制存在贫困地区碳减排资金受限等弊端。

针对这一问题，研究提出应以贫困地区为重点建立碳补偿机制，对工业结构转型和产业扶贫并重，发展碳中和经济，加强政策引导。

这些措施可以在推动我国环境保护和经济发展的同时，实现更加公平和可持续的发展。

关键词：我国省域;碳补偿机制;碳排放差异;比较引言：随着我国经济的高速增长，碳排放量快速上升成为了一个十分严峻的问题。

不同省份的经济发展水平以及产业结构的不同，导致了我国各省的碳排放差异较大。

如何在保障经济发展的同时，减少碳排放对于国家可持续发展具有重要意义。

因此，研究省域碳排放差异及碳补偿机制对于完善环境保护制度、推动经济可持续发展是非常必要的。

本文结合文献资料，对各省碳排放、碳补偿机制等方面进行了比较分析，并提出建立以贫困地区为重点的碳补偿机制，实现我国碳中和经济、环境保护和经济发展的良性互动，为推动我国经济高质量发展提供新的思路和方向。

中国是碳排放大国,十三五以来,中共中央、国务院提出《生态文明体制改革总体方案》,在方案中提出,“要逐步建立全国碳排放总量控制制度和分解落实机制”的总体要求,同时“十三五”规划纲要中还提出“碳排放总量要得到有效控制,单位GDP二氧化碳排放要降低18%”的双控目标。

[1]但随着经济增长速度的不断加快，我国的碳排放量也呈逐步上升的趋势。

当前我国在碳排放控制和环境保护方面也采取了一些措施，但各省碳排放的强度、形成机制以及碳补偿机制等方面仍然存在着较大的差异，这也是制约我国经济可持续发展的关键问题之一。

一、我国省域碳排放差异及现状我国各省的碳排放量存在明显的差异，其中工业产业和能源结构是主要影响因素。

目前，中国的碳排放仍然处于增长期，但随着新能源的推广和人们环保意识的提高，可持续绿色发展愿景也在逐渐实现。

工业经济碳排放的东西部差异及原因分析摘要：工业经济的能源消费是碳排放的主要来源，减少碳排放关键在于工业结构的优化和能源利用效率的提高。

从我国东西部地区差异角度出发，对两大区域工业经济结构和碳排放特征进行分析，可以看出，西部地区碳强度高于东部地区的原因，一是西部重工业比重大，二是由于其资源依赖型的发展模式。

西部地区应依据自身区域特点，优化工业结构，实现工业经济低碳发展。

关键词：碳排放；碳强度；区域差异；工业经济一、东西部工业经济碳排放特征与差异本文从碳排放总量和碳强度两个指标对工业经济碳排放的东西部差异进行分析。

碳强度是碳排放强度的简称，是碳排放量与地区生产总值的比值，用来衡量一国或地区经济同碳排放量之间的关系，并揭示出一个地区工业发展水平和工业经济发展模式。

根据联合国政府间气候变化专门委员会提供的碳排放计算方法计算碳排放量。

计算公式为：<imgsrc="/Ebook2/ebooks/14-236/14-236-1302/922.j pg" />式中C为碳排放量（万吨）；Ki为第i种能源碳排放系数；Ei为第i种能源的消费量，按万吨标准煤计；i为能源种类。

选取我国工业部门主要消耗的九种能源：原煤、焦炭、原油、燃料油、汽油、煤油、柴油、天然气和电力，估算东西部工业经济碳排放量。

各种能源折标准煤的参考系数如下表1：<imgsrc="/Ebook2/ebooks/14-236/14-236-1302/923.j pg" />各能源的碳排放系数如下表2：<imgsrc="/Ebook2/ebooks/14-236/14-236-1302/924.j pg" />本文中，各种能源用于工业的消耗量来自各年度中国能源统计年鉴，工业GDP数据来自国家统计局网站。

东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。

双碳目标与经济发展的关系双碳，即碳达峰与碳中和的简称。

双碳目标是指中国力争2030年前实现碳达峰，2060年前实现碳中和。

改革开放后，我国经济发展速度加快，现已成为世界第二大经济体和绿色经济技术领先者，其全球影响力也日益扩大。

目前世界上每年大约有510亿吨温室气体排放到大气中，为了避免气候灾难的发生，人类需要停止温室气体排放到大气中去，达到零排放，《巴黎协定》正是国际上对于这一目标的响应。

而我国作为第二大经济体，基于推动实现可持续发展的内在要求和构建人类命运共同体的责任担当，宣布了碳达峰、碳中和目标愿景。

然而我国目前尚处在工业化的发展阶段，随着工业化、城市化的不断发展，二氧化碳的排放量也将在一段时间内增加。

在产业结构调整，行业节能及非化石能源开发等减排手段为主的情况下，碳减排在短期内可能会给经济运行造成一定的压力与挑战。

与发达国家相比，我国经济结构，能源结构以及能源效率等方面都具有明显的劣势，对促进双碳目标的实现具有很大的阻碍作用与挑战。

一是目前碳减排任务繁重。

二是碳中和转变为碳中和持续时间较短。

发达国家已达到自然碳达峰水平，并在五六十年内过渡到碳中和水平，而中国尚未达到碳达峰水平，城镇化进程尚未完成，人均碳消费需求仍在持续增长，我国实现碳中和转型仅有三十年的时间，经济结构与能源结构调整任务繁重；高企的制造业比重将趋于稳定，不会过早去工业化制约能源强度下降空间。

发达国家已高度服务化，能源强度明显下降，中国目前刚接近高收入国家的门槛，经济发展和追赶任务繁重。

中国可通过优化经济结构，淘汰钢铁、水泥、玻璃等部分过剩行业产能，降低工业经济比重，但制造业是立国之基，国民经济比重宜保持稳定。

能源转型中面临资源禀赋瓶颈制约。

煤炭目前在中国一次能源消费结构中占据60%的份额，而非化石能源仅占15%。

石油和天然气消费主要依靠进口，能源供应存在较大安全风险，水电和核电等清洁能源发展空间受限，光伏发电和风电虽发展势头迅猛，但比重大，未来很长一段时间煤炭仍发挥兜底保障的作用。

中国农业碳排放的地区差异和影响因素分析杨钧【摘要】利用1996-2009年中国27个省级地区农业生产的相关数据,核算了相关省份农业生产导致的二氧化碳碳排放量,并分析了农业碳排放的地区差异.结果表明,中国省级地区的农业碳排放存在着显著的地区差异.利用各地区的农业碳排放数据,采用面板数据分析方法,对全国层面和东、中、西地区碳排放的影响因素进行了实证分析.结果表明,农业从业人口和农业机械化水平的提高,显著增加了各地区的农业碳排放量,农村人力资本积累则一定程度地减少了农业碳排放量,而农业生产发展与碳排放量之间的关系并不稳定.%Based on 27 Chinese provincial agriculture consumption data during 1996-2009, this paper calculates the agricultural dioxide carbon emission data from these provinces, and analyzes the carbon emission difference between diverse geographic areas, the analysis shows that there is significant regional difference in Chinese provincial agriculture carbon emission. Then, on the basis of regional carbon emission data calculated, this paper investigates the factors which influence the national, eastern, central and western agriculture carbon emission through panel data analysis, empirical results show that,the development in agricultural employment and agricultural mechanization development both increase the carbon emission, rural human capital accumulation to some extent reduces carbon emission, however, the relationship between agriculture development and carbon emission is not stable.【期刊名称】《河南农业大学学报》【年(卷),期】2012(046)003【总页数】7页(P336-342)【关键词】农业碳排放;地区差异;影响因素【作者】杨钧【作者单位】新乡学院管理学院,河南新乡453003【正文语种】中文【中图分类】F303二氧化碳排放引发的温室效应是当前全球关注的重要问题，联合国政府间气候框架组织(IPCC)的研究结果表明，人类生产、生活所导致的温室气体排放是全球气候变暖的主要原因．国际能源局(International Energy Agency，IEA)的数据显示，中国2007年能源消耗产生的二氧化碳排放量已高达60．32亿t，超越美国成为全球第一大温室气体排放国［1］．农业生产作为中国经济的重要基础，自改革开放以来，生产条件大为改善，生产效率大为提高，生产规模获得了较大发展;但在迅速发展的同时，电力、化石能源、化肥和农药等导致二氧化碳排放也在不断增加．考虑到当前面临的巨大碳减排压力以及农业生产在国民经济中的重要作用，研究中国农业生产的碳排放问题意义重大．对于农业碳排放问题，现有文献的研究主要可分为以下2类:一类是核算农业生产产生的碳排放量．如WEST等［2］以美国玉米生产为例，细致核算了农业生产产生的碳排放量;DYER等［3］分别利用经济与碳排放量模型、化石能源消耗与碳排放量模型，估算和比较了加拿大地区层面的玉米生产产生的碳排放量;黄祖辉和米松华［4］以浙江省为研究对象，通过投入产出和生命周期分析法，分析了当地农业生产的碳足迹．另一类是研究农业碳排放量的影响因素．如李国志和李宗植［5］利用LMDI(Logarithmic mean weight Divisia index)分解方法，分析了全国层面的农业碳排放量的影响因素;李波等［6］同样利用LMDI方法，分析了全国层面的农业碳排放量的影响因素;李国志等［7］基于环境库兹涅茨曲线(EKC)模型，分析了全国层面农业碳排放量与经济发展之间的关系．农业碳排放量的研究也存在一定缺憾．首先是研究对象方面，多数研究基于国家层面的研究数据进行分析，基于地区层面的研究较为少见，尤其是基于中国省级地区的研究更少．其次，在研究角度上，现有研究重视对农业碳排放量和影响因素的分析，对农业碳排放量的地区差异的研究略显不足，少有的区域差异研究在研究基础上存在一定缺陷．最后，在研究方法上，多数研究侧重于因素分解和时间序列数据分析，利用地区层面的面板数据对各地区碳排放量的影响因素和差异的分析极为少见．本研究较为科学地估算了中国27个省级地区1996—2009年农业生产产生的碳排放量;在根据相关省份经济、地理因素进行东、中、西地区分类的基础上，比较分析了3类地区的碳排放量差异;最后，综合利用面板数据分析方法，比较分析了全国和东、中、西地区碳排放量的影响因素．通过较为系统地分析中国省级地区农业碳排放量，一定程度上弥补了现有研究的缺陷．1 农业碳排放量的核算和地区差异1．1 农业碳排放量的核算目前，由于并无中国农业碳排放量的客观观测数据，现有的国内农业碳排放量研究多采用估算方法．对现有农业碳排放各种估算方法综合分析，比较而言，黄祖辉和米松华［4］的核算方法较为全面地反映了中国农业生产中的碳排放影响因素．该方法主要核算各地区农业生产中能源消耗(煤炭、焦炭、汽油、柴油、天然气、煤油、燃料油、原油和电力等9种能源材料)、农业生产投入(化肥、农药和农膜等3种农用材料)所导致的碳排放量．计算公式为:式中:Ct表示碳排放总量;Xi表示第i种碳排放源的实物消耗量;ei表示第i种排放源材料的二氧化碳排放系数，Ct和 Xi单位均为 t．采用 IPCC［9］的方法估算消耗能源材料的二氧化碳排放系数，各种能源材料的碳排放系数分别为:e煤炭=1．83 kgCO2·kg-1，e焦炭 =2．83 kgCO2·kg-1，e汽油 =2．92 kgCO2·kg-1，e柴油 =3．19 kgCO2·kg-1，e天然气 =21．62 kgCO2·m3，e煤油 =3．05 kgCO2·kg-1，e燃料油 =3．13 kgCO2·kg-1，e原油 =3．01 kgCO2·kg-1，e 电力 =0．86 kgCO2·(kWh)-1．由于并非所有的电力消耗都导致碳排放，借鉴冉光和［8］的做法，对电力的二氧化碳排放系数乘以0．75，以反映火电占全国电力供应的比重．化肥、农药和农膜的二氧化碳排放系数则参考李波等［6］计算方法，分别为:e化肥 =0．895 kgCO2·kg-1，e农药 =4．93 kgCO2·kg-1，e农膜=5．18 kgCO2·kg-1．各省级地区能源消耗的数据来自于1997—2010年“中国能源统计年鉴”中各省能源消耗平衡表中“农、林、牧、渔”的最终能源消耗;各省级地区化肥、农药和农膜的消耗数据来自于相应年份的“中国农村统计年鉴”．1．2 碳排放地区分布差异表1给出了1996年、2009年中国27个省份农业二氧化碳排放量．1996年、2009年各省碳排放量和研究期内各省的平均值比较结果表明，绝大部分省份的农业碳排放量在研究期内显著增加，意味着研究期内中国农业碳排放量绝对增长．北京、上海、江苏、云南和贵州等地区的碳排放量则有所下降，前3个地区碳排放下降反映农业生产规模的下降和农业生产效率的提高，后2个地区则可能主要是农业生产效率提高的原因．各地区碳排放量的比较结果表明，沿海地区省份碳排放量呈两极分化现象，河北、山东、江苏、广东等省份的碳排放量位居前列，北京、天津、上海等地区则相反;中部省份的碳排放量变化相对较小，大部分处于全国中等偏上水平;西部省份的碳排放量整体处于中等偏下水平．这表明，中国农业碳排放主要来源于东部和中部地区，西部地区则相对较少．表1 中国27个省份的农业二氧化碳排放量Table 1 China’s 27 provincial carbon dioxide emissions in agriculture 104t地区Areas 省份Provinces 1996 2009 均值Mean 排名Rank北京东部East Beijing 249 239 224 24天津Tianjin 267 165 216 26河北Hebei 703 2 209 1 336 1辽宁Liaoning 396 608 491 14上海Shanghai 275 162 225 23江苏Jiangsu 1 182 836 981 4浙江Zhejiang 650 828 755 6福建Fujian 334 420 370 19山东Shandong 867 1 447 1 105 2广东Guangdong 814 1169 969 5中部Central山西Shanxi 669 679 672 9吉林Jilin 175 271 267 20黑龙江Heilongjiang 542 774 678 8安徽Anhui 434 396 388 18江西Jiangxi 323 406 417 16河南Henan 866 1 302 1 099 3湖北Hubei 521 1 007 705 7湖南Hunan 465 1 199 665 10西部West 内蒙古Inner Mongolia 244 790 467 15广西Guangxi 144 327 221 25四川Sichuan 420 702 610 12贵州Guizhou 135 58 229 22云南Yunnan 318 190 233 21陕西Shanxi 276 630 416 17甘肃Gansu 356 819 617 11青海Qinghai 32 41 27 27新疆Xinjiang 384 958 550 13由表1可知，除个别年份外，研究期内3类地区的碳排放强度均处于明显上升的态势．3类地区间碳排放强度的绝对比较结果表明，东部地区的碳排放强度显著高于中、西部地区，几乎是中西部地区碳排放强度的2倍;中西部地区的碳排放强度则较为接近，但中部地区略高于西部地区．此种差异可能是东部地区农业生产中能源、化肥、农药等生产资料的消耗强度显著高于中西部所致．3类地区碳排放强度的变化走势表明，中部地区的碳排放强度相对稳定，研究期内仅上升0．2 t·人-1;西部地区的排放强度增势最为明显，增长了0．4 t·人-1，且势头强劲;东部地区的碳排放增幅居中，上升了0．3 t·人-1．这或许反映了西部地区农业生产从主要依靠人力投入的传统农业向资源投入型现代农业转变．2 农业碳排放的影响因素分析2．1 模型的构建现有关于碳排放影响因素的研究，多基于2类模型进行分析．一类研究基于“I=PAT”方程来考查碳排放的影响因素，此种方式主要考察人口规模(P)、人均财富(A)和技术水平(T)对碳排放(I)的影响;另一类研究则借用 Grossman和Krueger［10］的研究框架，利用环境库兹涅茨曲线(EKC)来考查相关因素对碳排放的影响．但由于在研究各影响因素时“I=PAT”模型存在等比例效果的缺陷，部分学者采用STIRPAT模型［11］，考查相关因素对碳排放差异性的影响．考虑到STIRPAT的通用性，本研究用STIRPAT模型作为基础模型，其模型为:式中:I为碳排放量;P为人口规模;A为人均财富;T为技术水平．为了直接获得相关因素对碳排放直接影响系数，同时，更好地消除异方差性，对式(2)两边取对数，得到式中:b，c，d直接反映了人口、财富和技术因素对碳排放的影响;ln a为常数项．考虑到农业生产的实际情况，本研究用农业就业人口p反映模型中的人口规模;用农业人均收入ey反映模型中的财富状况;用农用机械水平(m)和人力资本状况(h)来反映技术水平．同时，为了考查人均收入与碳排放的非线性关系，并与现有EKC模型的研究对照，在解释变量中引入人均收入的二次型．最终，得到的计量分析模型如下:式中:i表示地区;t表示年份;c为常数项;μi，t为随机误差项．2．2 计量方法、数据和变量说明由于本研究的实证分析主要采用面板数据分析方法，采用Hausman检验值作为模型选择固定效应(FE)和随机效应(RE)分析的依据，考虑到各省区碳排放以及相关数据可能存在异方差问题，在普通最小二乘法(OLS)估计的基础上，同时采用Cross-section加权的广义最小二乘法(GLS)估计检验相关模型．由于GLS估计值相对更加科学，实证分析主要基于GLS的估计结果，OLS估计值作为参考．同时，考虑到各地区在碳排放和相关影响因素的差异，在计量分析全国层面的地区数据的同时，分别对东、中、西3类地区的碳排放影响差异进行了回归估计，以便科学地考查中国农业碳排放影响因素的作用以及各地区在农业碳排放方面存在较大差异的原因．实证分析中所有涉及价值形态的数据，均采用1990年为基期的消费价格指数进行处理．考虑到数据的可得性和一致性，本研究的省区数据并未包括港澳台地区、西藏自治区、宁夏自治区、海南省和重庆市．其中，1997年后重庆市的相关数据并入四川省处理．计量模型中碳排放总量I，由估算的各地区农业生产中12种碳排放源导致二氧化碳排放量表示，单位为万t，该指标反映了各地区农业碳排放水平的变化．人口规模(p)用各省区第一产业的从业人数表示，单位为万人，该指标反映了农业人口规模变动对农业碳排放的影响．人均财富(ey)，考虑到现有研究多采用人均GDP来考查经济发展对碳排放的影响［11，12］，本研究用各省区农业人口的人均第一产业产值来衡量，单位为元·人-1，用以反映农业经济发展水平对农业碳排放的影响．农用机械水平(m)和农村人力资本水平(h)主要考虑农业技术水平变化对农业碳排放的影响．其中，农用机械水平由各省区人均农业从业人口的农业机械动力功率来表示，单位为kW·人-1．各省区农村人力资本的计算则较为复杂，本研究借鉴钱雪英和张小蒂［13］的做法，估算了各省区农村居民家庭劳动力的文化状况，单位为a．2．3 实证结果与分析表2给出了实证研究的主要变量统计性描述．由表2可见，东、中、西部地区在碳排放和相关影响因素方面存在较大差异:平均碳排放量、农业从业人口方面，中部地区和东部地区显著高于西部地区，且中部地区也高于东部地区;人均农业产出、人均机械动力水平和人力资本状况方面，3类地区则呈现出显著的东、中、西依次递减的态势，反映了中国农业生产的地区差距．表3给出了变量之间的Spearman相关系数．由表3可知，解释给出了变量之间不存在十分严重的线性相关关系．表4给出了计量回归分析主要结果和相关检验结果．其中，模型1，2是对全国层面碳排放影响因素的分析，模型3，4、模型5，6、模型7，8 分别是对东部、中部和西部地区碳排放影响因素的分析．Hausman检验显示，全国层面和东部地区的估计，采用固定效应估计法，而中部、西部地区则采用随即效应估计法．由可调整的R2值和F检验值可知，与OLS的估计结果相比，GLS估计的拟合程度更好;而从相关的解释变量回归系数的显著性来看，GLS估计的显著性也有所提高．由于GLS和OLS回归方程中大部分解释变量的影响方向、程度和显著性并无较大变化，说明计量结果是稳健的．表2 东、中、西地区的变量统计性描述Table 2 Descriptive Statistics of Variable in East，Central and West China地区变量Variable ln I/ ln p/ lney/ ln m/ ln h/areas 104t 万人 (元·人-1) (kW·人-1) a均值东部East Mean 6．25 6．23 8．45 0．99 2．14标准差 SD 0．74 1．33 0．37 0．62 0．08最小值 Min 4．82 3．86 7．68 -0．01 1．97最大值 Max 7．70 7．83 9．26 2．05 2．35均值中部Central Mean 6．31 7．07 7．95 0．64 2．08标准差SD 0．47 0．58 0．44 0．47 0．05最小值 Min 5．10 6．24 7．10 -0．49 1．97最大值 Max 7．17 8．18 8．98 1．47 2．18均值西部West Max 6．87 8．27 8．91 1．64 2．18 Mean 5．61 6．75 7．69 0．29 1．95标准差 SD 0．98 0．89 0．52 0．6 0．14最小值 Min 2．92 4．81 6．84 -1．17 1．60最大值表3 变量间Spearman相关系数Table 3 Results of Spearman Correlations testln I ln p ln ey ln m lnh ln I 1 0．259 8 -0．210 7 0．187 6 0．323 7 1 ln p 0．475 1 1 ln ey 0．119 6 -0．153 0 1 ln m 0．209 7 -0．342 6 0．213 5 1 ln h全国数据的回归结果表明，农业劳动力与各地区碳排放量显著正相关，这说明农业劳动力增加将导致地区碳排放量的增加，这应是劳动力增加导致农业生产资料的碳排放量增加的结果．此研究结果与李国志和李宗植的因素分解结果类似，但与李波等的因素分解结果相反，这可能是因素分解模型的构建和数据来源上存在较大差异导致的．人均农业产出一次项与碳排放负相关，其二次项与碳排放正相关，这表明人均农业产出与碳排放之间存在“U”型曲线关系，即碳排放的EKC曲线在全国农业生产中可能并不存在．这可能意味着最初的农业经济发展，可能并不带来碳排放的迅速增加，而会带来碳排放水平的下降;而当农业经济发展到一定程度后，其发展将带来碳排放量的显著增加．农业技术水平的2个变量，农用机械动力水平与农村人力资本水平对碳排放的影响则迥异:农用机械水平的提高显著提升了各地的农业碳排放，此结果与李国志和李宗植的研究结果类似，表明农业机械水平的提高，带来能源消耗强度的提高必然导致碳排放水平的提高;农村人力资本水平则较为显著(仅在10%水平)地降低了各地的碳排放，这与李波等的研究结果类似，说明农业人口的文化水平的提升可能有助于农业经济的“集约化”生产，进而降低各地区农业生产资源的消耗和碳排放水平．分地区回归结果表明，相关因素对不同地区碳排放的影响存在一定差异．农业劳动力方面，3个地区农业劳动力的增加均带来了农业碳排放水平的提升，说明当前中国农业生产的扩大还主要是依靠资源投入型的“粗放型”经营模式．农业人均产出与碳排放之间的关系，3个地区则存在较大差异:东部地区农业人均产出与碳排放之间呈现出显著的倒“U”型曲线关系，中部地区则呈现出显著的“U”曲线关系，西部地区的“U”曲线关系则不甚显著．此种结果与李国志和李宗植对全国层面的研究结果类似，表明中国农业经济发展与碳排放之间的非线性关系并不稳定，可能是东、中、西3地区的农业经济发展水平的差异所致．东、中、西地区的农业机械水平与当地农业碳排放之间均显著正相关，表明农用机械是各地区农业生产碳排放增长的重要来源．农村人力资本的提高对3地区碳排放的影响也存在着显著的梯阶差异:东部地区农村人力资本的提高显著降低了当地的碳排放，中部地区人力资本的提高在一定程度上(10%的显著性水平)降低了当地的碳排放，西部地区人力资本的提高与碳排放之间的关系则不甚显著．此种结果颇令人费解，可能是人力资本对农业低碳生产技术的提升存在一定的门槛效应，只有人力资本水平达到一定程度之后，才能发挥积极作用;而中、西部地区的人力资本的水平相对较低，此种积极作用尚不显著．表4 计量估计结果与分析Table 4 Estimation results and analysis注:()内为t统计量，*、＊＊、＊＊＊分别表示10%、5%、1%水平显著;［］内为相应的P统计值;H一行为Hausman检验值及其概率．Note:the numbers in()are t statistics，* 、＊＊、＊＊＊indicate significances at 10%level，5%level and 1%level respectively;the numbers in［］are relative statistival P value;H line are Hausman inspection values and their probability．模型Model全国Nation 东部East 中部Central 西部West(8．46) (15．74) (6．71) (16．06) (2．46) (7．24) (2．25) (3．67)ln ey -3．022＊＊＊ -3．748＊＊＊ 5．278＊＊＊ 6．183＊＊ -4．077＊＊＊ -5．186＊＊ -9．089＊＊＊ -8．217＊＊(-3．67) (-3．17) (5．65) (2．59) (-2．80) (-2．10) (-4．79) (-2．58)(ln ey)2 0．219＊＊＊ 0．426＊＊＊ -0．553＊＊＊ -0．449＊＊ 0．261＊＊＊0．376＊＊＊ 0．593* 0．256(4．47) (3．42) (-5．22) (-2．49) (2．89) (3．05) (1．93) (1．53)ln m 0．169＊＊ 0．357＊＊＊ 0．227* 0．472＊＊0．261＊＊ 0．269＊＊ 0．167* 0．143＊＊＊(2．03) (5．34) (1．82) (2．30) (1．97) (3．20) (1．69) (4．37)ln h -0．139 -0．317* -0．671＊＊＊ -0．441＊＊＊ -0．557 -0．306* 0．074 -0．139(-1．32) (-1．96) (-3．11) (-2．94) (-1．55) (-1．75) (0．95) (-1．05)6．628＊＊ 17．954＊＊＊46．656＊＊＊ 25．756＊＊ 17．580＊＊＊ 1．129 33．665＊＊＊18．412*c (2．01) (3．23) (6．37) (2．52) (3．05) (0．15) (4．40) (1．74)Ad-R2 0．742 0．771 0．824 0．853 0．639 0．650 0．726 0．755 F(W) 36．49 270．65 34．47 306．58 81．39 87．19 72．53 39．48［0．000］［0．000］［0．000］［0．000］［0．000］［0．000］［0．000］［0．000］7 8 ln p 0．458＊＊＊ 0．557＊＊＊ 0．578＊＊＊0．596＊＊＊ 0．464＊＊ 0．481＊＊＊ 0．656＊＊ 0．856 1 2 3 4 5 6＊＊＊Obs 378 140 112 126 41．290 31．000 4．050 4．360［0．000］［0．000］［0．542］［0．499］方法Meth OLS GLS OLS GLS OLS GLS OLS GLS样本H4 主要结论与启示基于1996—2009年27个省级地区的能源消耗、生产投入数据，本研究对中国省级地区农业生产的碳排放进行了细致核算，并利用计量模型对其影响因素进行了分析．核算表明，各地区的碳排放存在较大差异:碳排放量上，中部、东部地区是中国农业碳排放的主要来源区，西部地区的贡献则相对较少;碳排放强度上，东部显著高于中西部地区，中西部的碳排放强度较为接近．影响因素的分析表明，从业人口增加显著提升了农业碳排放水平;农业人均产出与碳排放之间并不存在倒“U”型的EKC关系，且此种关系在不同地区存在差异;农业机械化提高使得碳排放量显著增加;人力资本的影响也存在显著地区差异．以上结论对中国农业生产的低碳化发展具有重要启示:第一，由于农业碳排放的存在显著的地区差异，且中东部是碳排放的主要来源，这意味着，农业“节能减排”工作的重点必须放在提高中、东部地区的农业能源、资料消耗的效率上，着力实现中、东部农业生产向低碳化方向转变．第二，农业人口规模和机械化水平与碳排放水平显著正相关，这表明，要降低农业碳排放水平，中国必须努力提高农业机械的能源效率，积极采取各种措施促进剩余农业人口向制造业和服务业的转移．第三，农业经济发展与碳排放之间的关系并不稳定，这表明，单纯依靠发展农业经济自身并不能带来碳排放的自动降低，在农业经济发展的同时，必须重视经济增长带来的碳排放增长．第四，农村人力资本对农业碳减排具有显著的积极作用，这意味着，中国应当加大农村教育的投入，努力提升广大农村尤其是中西部地区农村的教育水平，以提高农村居民科学文化素质，为低碳农业的发展提供人力支撑．参考文献:［1］ International Energy Agency(IEA)．World Energy Outlook ［M］．New York:UAPC Press，2008．［2］ WEST TO，MARLAND G．Net carbon flux from agriculture:Carbon emissions，carbon sequestration，crop yield，and land-use change ［J］．Biogeochemistry，2003，63(4):73-83．［3］ DYE RJ A，KULSHRESHTHA S N，MCCONKEY B G．An assessmentof fossil fuel energy use and CO2 emis-sions from farm field operations using a regional level crop and land use database for Canada［J］．Energy，2010，35(8):2261-2269．［4］黄祖辉，米松华．农业碳足迹研究——以浙江省为例［J］．农业经济问题，2011，32(11):40-47．［5］李国志，李宗植．中国农业能源消费碳排放因素分解实证分析——基于LMDI模型［J］．农业技术经济，2010，29(10):67-72．［6］李波，张俊飙，李海鹏．中国农业碳排放时空特征及影响因素分解［J］．中国人口、资源与环境，2011，21(8):80-86．［7］李国志，李宗植，周明．碳排放与农业经济增长关系实证分析［J］．农业经济与管理，2011，2(4):32-39．［8］冉光和，王建洪，王定祥．我国现代农业生产的碳排放变动趋势研究［J］．农业经济问题，2011，32(2):32-38．［9］政府间气候变化专门委员会(IPCC)．国家温室气体排放指南［M］．北京:中国经济出版社，2006．［10］ GROSSMAN G，KRUEGER A．Economic growth and the environment［J］．Quarterly Journal of Economics，1995，112(2):353-377．［11］邵帅，杨莉莉，曹建华．工业能源消费碳排放影响因素研究——基于STIRPAT模型的上海分行业动态面板数据实证分析［J］．财经研究，2010，31(11):16-27．［12］许广月，宋德勇．中国碳排放环境库兹涅茨曲线的实证研究——基于省域面板数据［J］．中国工业经济，2010，27(5):37-47．［13］钱雪亚，张小蒂．农村人力资本积累及其收益特征［J］．中国农村经济，2000，16(3):25-31．。