我国城市化、经济发展水平与二氧化碳排放——基于中国省级面板数据的实证检验

孙辉煌

（1.深圳市世贸组织事务中心，广东 深圳 518035；2.深圳市宝安区发展研究中心，广东 深圳 518101）

一、引 言

随着全球环境的不断恶化，由温室气体排放带来的全球气候变化问题引起了世界各国的广泛关注。温室气体排放的增加导致诸如气温升高，进而引发冰川融化、海平面上升、水资源失衡、生态系统严重损害等一系列的环境问题，已使人类的生存环境受到了严峻的挑战。由于在温室气体排放中，二氧化碳是最主要的构成成分，根据IPCC(2007)的数据显示，在2004年，二氧化碳的的排放占到全球温室气体排放的76.7%，因此如何有效地控制二氧化碳排放，是当前缓解全球气候变化问题的迫切任务。中国自改革开放以来，经济获得了快速增长，然而中国的这种高速增长在很大程度上依赖于“两高一低”粗放型的工业增长，与之相关的是中国的二氧化碳排放也随之迅速攀升，根据统计数据的显示，中国目前已超过美国成为第一大能源消耗和二氧化碳排放量的国家，这在客观上加大了中国在国际上面临的节能减排压力。事实上，为促成在2009年底的哥本哈根气候峰会上达成一份后京都时代温室气体减排的约束性方案，中国提出到2020年，二氧化碳排放强度比2005年下降40%～45%的减排承诺，并作为约束性指标纳入国民经济和社会发展中长期规划。在中国尚处于工业化时期，能源消耗和碳排放的增长趋势在短期内都无法得到根本的改变，下阶段要实现上述碳减排目标将是一件非常艰巨的任务。因此，研究中国的碳排放影响因素，寻找有效的政策控制二氧化碳的排放对于中国政府的政策制定者来说具有重要的现实意义。

中国政府由于长期以来所实行的“城乡二元”的经济政策，导致中国的城市化水平远远落后于经济发展水平，但自改革开放以后，中国的城市化进程明显加快，特别是进入21世纪，国家对推进城市化和促进劳动力转移更加重视，出台了多种政策，中国的城市化水平迅速提高，根据统计数据显示，2000—2008年，全国城市化水平从36.2%提高到45.7%，平均每年提高1.19个百分点。那么，中国现阶段这种快速发展的城市化进程与碳排放的关系又是怎样的呢？是否是导致同时期中国二氧化碳排放迅速攀升的重要因素？与此同时，由于中国的经济发展水平明显的区域性差异，城市化对碳排放的影响是否还会因为各地区经济发展水平的不同而呈现区域性的差异呢？从理论上讲，一方面，经济发展水平或收入水平本身是影响碳排放的重要要素，但是，如果城市居民与农村居民对能源的边际消费弹性有所差异，亦或是城市地区与农村地区对碳排放的边际治理的意愿有所差异，那么城市化水平的提高就会影响经济发展水平或收入水平对碳排放的效应；另一方面，不同收入水平地区之间的资源结构和城市公共设施等存在显著差异，城市化对环境的影响也会随着发展阶段和收入水平的不同而发生变化。可见，城市化在影响经济发展水平对碳排放效应的同时，其自身对碳排放的效应也会受到经济发展水平的影响。针对以上问题，本文将基于Dietz和Rosa(1994,1997)所建立的STIRPAT模型，利用中国省级面板数据实证研究中国的城市化、经济发展水平对碳排放的影响，考虑到城市化与碳排放可能存在倒U型的非线性关系，本文将在模型中引入反映城市化水平变量的平方项进行检验。同时考虑到城市化水平还会影响经济发展水平的对碳排放的影响，本文将在模型中引入反映经济发展水平的变量与城市化水平变量的交叉项，其次，按照中国经济发展水平的地区差异，将样本进一步分为东部、中部和西部三个子样本，分析经济发展水平的差异对城市化的碳排放效应的影响。本文下文的内容安排如下：第二部分为文献综述；第三部分为计量模型的建立及变量与数据的说明；第四部分为对计量模型的实证检验；最后部分为文章的结论与政策建议。

二、文献综述

自从20世纪70年代初期的一项科学共识指出人类活动推动了全球变暖后，Ehrlich和Holdren(1971)所建立的IPAT模型被研究学者们广泛用来分析人口、收入等其他因素对二氧化碳排放的影响的主要分析框架【1】。但由于IPAT模型所存在的缺陷，即该模型假定在保持其他因素不变的情况下，因变量对各自变量的弹性恒等于1，为克服上述缺陷，Dietz和Rosa(1997)将IPAT模型改进为随机形式，被称为STIRPAT模型，随后的关于环境影响的评估则主要是以STIRPAT模型作为基础分析框架进行研究【2】。人口因素和收入是STIRPAT模型中的核心成分，从已有的研究来看，基本上都发现这两者均是影响二氧化碳排放的显著因素，而且其影响弹性通常是接近甚至大于1。大多数研究还发现，人口对碳排放的影响通常要大于收入对碳排放的影响（e.g.,Dietz and Rosa,1997;Shi,2003;York et al.,2003a）[2-4]。其他的一部分研究则发现人口因素对碳排放的影响在收入水平不同的国家或地区会有所差异，如Shi(2003)利用93个国家的面板数据进行实证研究时，发现人口因素对碳排放的影响在低收入国家要明显大于在高收入国家。

在评估人口因素对碳排放的影响时，一些文献除了使用总人口作为变量外，还使用了诸如人口城市化、人口密度以及人口年龄结构等变量。在理论上，城市化与碳排放的关系是比较复杂的，一个国家或地区的碳排放会受到多种因素的影响，其中工业化、人口以及收入增长被广泛认为是碳排放增长的重要推动因素，但近年来，一些研究指出，城市化也是影响一个地区的碳排放的重要因素。从理论上看，城市化与碳排放的关系是复杂的，二氧化碳的排放与能源消耗有关，一方面，城市化进程的推进导致了经济的增长和人们生活水平的提高，从而导致能源消费数量与二氧化碳排放的增加；另一方面，正是由于城市化程度的不断提高，使产业组织结构、技术结构、产品结构等得到更合理的调整、各种配置得到进一步的优化、各种资源得到更合理的利用，又使得能源消耗具有下降的趋势（Wei et al.2003）【5】,从而可能会导致二氧化碳排放的下降。此外，城市化使电网覆盖更多的居民，从而增加住宅能源消费，但是，如果城市化意味着更多的人居住在高层建筑，那么以家庭为单位的能源消费会更少（Liddle B.and lung S.,2010）【6】；城市化还有可能因为人口的空间分布的变化而影响到交通能源消耗，如更高的人口集中度，意味着更多的人使用公共交通，从而与交通能源消耗成负向关系（Badoe and Miller 2000）【7】。由此可见，城市化对碳排放的影响是不确定的，而且，在城市化发展的不同阶段以及不同地区，城市化对碳排放的影响也可能存在差异，如一些研究发现，对于一些地区或国家，当城市化达到一定水平之后，城市化对碳排放的影响由正转负，城市化与碳排放成倒U型的非线性关系（York et al.，2003；Martinez-Zarzoso I.,Maruotti A.，2011）【8】。但从已有的实证文献来看，对于发展中国家，基本上均发现城市化对碳排放会产生正向的影响（Parikh and Shukla,1995）【9】,但对于发达国家或高收入国家并没有形成一致结论，如Fan等（2006）发现，对于一些高收入国家，城市化对碳排放具有显著的负向影响【10】；而York(2007)在对14个EU国家进行分析时，发现城市化与碳排放呈正向相关关系【11】；同样地，最近Liddle和Lung(2010)年通过对17个发达国家的样本所进行的一项实证研究，发现城市化对碳排放也具有正向影响，但并不显著。可见，从实证角度，城市化与碳排放的关系也没有形成一致的结论，特别是对于发达国家【6】。对此，一些学者认为，城市化与碳排放之间可能是非线性的关系，特别地，城市化对环境的冲击也是一种呈环境库兹涅茨曲线（EKC）的倒U型的非线性关系，如Karen E.M.等（2002）基于环境现代化理论，指出现代化经济体更有能力提高环境目标，而城市化是现代化的一个很好的代理变量，因此随着城市化水平的提高，达到一定水平之后，对环境的冲击会随着下降【12】。Martinez-Zarzoso和Maruotti（2011）利用88个发展中国家的面板数据对这种倒U型的非线性关系进行了检验，发现对于一些发展中国家，城市化存在一个“门槛”水平，当低于这个水平时，城市化水平的提高对碳排放具有正向影响，而当越过这个“门槛”水平时，城市化水平的进一步提高，将导致碳排放水平的下降，即城市化存在环境库兹涅茨曲线效应【8】。

随着我国城市化进程的加快与碳排放的快速攀升，近年来，国内也陆续出现了研究我国城市化对环境影响的实证文献。林伯强和刘希颖（2010）选用协整的方法研究了二氧化碳排放量与主要变量之间的长期均衡关系，发现经济发展速度和城市化对二氧化碳排放都具有显著的正向影响【13】；王家庭和王璇（2010）以环境库兹涅茨曲线为基础，利用2004—2008年中国28个省市的面板数据实证研究了城市化与环境污染的关系，发现城市化与环境污染之间存在反U型曲线关系【14】；王亚菲（2011）基于STIRPAT模型，选取黑龙江、上海、河南、广东和甘肃等5个省份，采用1985—2009年平衡面板数据，研究了不同发展水平下的城市化对资源消耗和污染排放的影响，发现总体上城市化与资源消耗和污染排放都呈正相关关系，但城市化过程中的环境影响随着发展水平的变化而变化【15】。

从现有的文献来看，存在不少的文献研究了城市化、经济发展水平与碳排放之间的关系，也存在一些实证文献检验了收入与环境之间、城市化与环境之间的呈反U型的环境库兹涅茨曲线关系，但是却很少有文献考察经济发展水平的变化对城市化的碳排放效应的影响。本文将与已有的国内文献一样，利用中国的省级面板数据，基于STIRPAT模型，研究城市化对碳排放的影响，但有以下几点的不同：第一，在数据结构上，本文使用2000—2009年的30个省市的面板数据，这一时期也是我国城市化进程最快和碳排放快速攀升的时期；第二，本文将在模型中引入反映经济发展水平的变量与城市化水平变量的交叉项，检验城市化影响经济发展水平对碳排放的效应；第三，按照中国经济发展水平的地区差异，将样本进一步分为东部地区和非东部地区二个子样本，检验不同经济发展水平对城市化碳排放效应的影响。

三、理论框架与实证模型

本文将以STIRPAT模型作为参考的理论与分析框架，同时基于环境经济学理论，也考虑了城市化与环境之间、经济发展水平与环境之间的环境库兹涅茨曲线（EKC）的非线性关系。

Ehrlich和Holdren(1971)提出的IPTA模型，为环境影响的决定建立以下恒等关系式：

其中，I、P、A和T分别表示环境冲击、人口、收入和技术或单位经济活动的环境影响。由于该模型只是一个会计等式，无法进行各因素对环境影响的假设检验；此外，该模型还假设因变量对各自变量的弹性恒等于1。为了克服上述缺陷，Dietz和Rosa(1997)将IPAT模型改进为以下随机形式，称之为STIRPAT模型:

其中，α是常数项；指数β0、β1和β2为待估参数，分别表示人口、收入和技术因素对环境冲击的大小；μi为随机扰动项。

根据研究的需要，在STIRPAT模型的基础上，通过引入相关的环境影响变量，可以分析这些变量对环境的影响。基于已有的研究结论，城市化也是影响二氧化碳排放的重要变量，城市化对碳排放的效应除了意味着与更高的收入、更高的消费水平以及工业化相关外，还可能独立地对碳排放产生以下几方面的效应：首先，城市化加速了能源消耗从传统能源向现代能源的转换；其次，在城市地区比乡村地区更能实现规模经济以及更加有效、合理的利用各种资源；最后，在城市地区个人的能源消耗强度典型的大于农村地区，从而导致城市化水平的提高会促进二氧化碳的排放，如在中国，可以非常明显地发现，城市地区比农村地区在更大程度上在使用汽车。

本文的主要目标是考察城市化对碳排放的影响，因此在STIRPAT模型中将添加反映城市化水平的变量进行检验，同时基于环境经济学理论，引入城市化变量的二次项，考察城市化与环境之间的环境库兹涅茨曲线（EKC）的非线性关系，以及引入收入变量的二次项，考察收入与环境之间的环境库兹涅茨曲线关系。通过对模型采用对数形式，建立的回归模型可以表述如下：

其中，ln表示模型中所有的变量使用对数形式；下标i和t分别表示地区和时间；CO2表示二氧化碳排放量； p表示总人口；ubp表示城市化水平；y表示收入，反映经济发展水平；X′为其他技术影响因素的变量向量，本文中将包括能源利用效率（eue）和经济结构变量（str）。

城市化水平可能会通过影响经济发展水平的碳排放效应而间接地影响碳排放。通常在城市地区与农村地区，收入水平的提高都会增加对能源的消耗，从而增加二氧化碳的排放，但是，能源同样作为一种消费商品，城市居民和农村居民就有可能对其存在不同的边际消费倾向，特别地，当认为能源是必需品时，预期城市化水平的提高将降低收入对碳排放的影响。为了对此进行检验，通过在模型中引入反映经济发展水平的变量与城市化水平变量的交叉项进行检验。因此本文进一步检验了扩展后的回归模型：

lny×lnubp为城市化水平与经济发展水平变量的交叉项，其系数大小反映了城市化影响经济发展水平对碳排放效应的大小，若其系数为负，则表明城市化水平的提高将降低经济发展对碳排放的影响。

四、实证研究

（一）数据与变量的说明

本文将使用中国省级面板数据对模型（3）和（4）进行检验，在样本区间上，选择中国城市化进程发展最快的时期的2000—2010年，西藏由于数据缺失予以剔除，最终的样本为2000—2010年中国30个省份的数据。

对于回归模型中所使用的变量做出以下界定：CO2使用二氧化碳排放总量，由于中国的统计数据并没有直接提供各地区的碳排放数据，按照IPCC《国家温室气体排放清单指南》中提供的参考方法，二氧化碳排放总量可以根据各种能源消费导致的二氧化碳排放估算量加和得到：碳排放量=Σ能源i的消费量×能源i的碳排放系数（i为能源种类）。由于能源消耗单位的不统一，必须换算成我国能源度量的统一热量单位标准煤。各地区的能源消费量和各能源折算标准煤系数来源《中国能源统计年鉴》，各种能源的碳排放系数除了电力之外均来源于IPCC（2006）。电力的碳排放系数使用国家发展和改革委员会应对气候变化司公布的中国区域电网基准线排放因子。

总人口(p)用各地区年末总人口表示；收入y用各省的人均GDP表示，用各地区的城乡居民消费价格指数(CPI)对GDP进行消胀处理；城市化水平的衡量通常用城镇人口占总人口的比重表示，但由于中国的统计数据只提供了2005年以来的各省的城镇人口数据，而且中国的城镇人口统计是建立在城镇户籍制度基础之上的，由于城镇居民中有一部分并没有城镇户籍，以城镇人口作为城市化的比重就会低估城市化的水平，因此本文对于城市化水平（ubp）指标的衡量，将参照陆铭和陈钊（2004）年的做法，用非农业人口在总人口中的比重表示【16】。能源利用效率eue表示用单位地区生产之值能耗表示，即各地区的能源消耗总量除以GDP，能源效率的提高，反映了单位GDP能耗的下降，预期其系数为正；经济结构变量str，本文选用工业所占比重表示，通常工业化被认为是推动二氧化碳排放的重要因素，因此，预期工业所占比重将对碳排放产生显著的正向影响。

（二）变量的描述性分析

表1给出了模型中主要变量简单的描述性统计。根据测算，2000—2010年我国各省二氧化碳排放平均为30827万吨，排放量最少为1715.1万吨（海南省2000年），最多为124555.5万吨（山东省2009年）；我国各省市的城市化水平平均为34.6%，城市化水平最低为14.5%（贵州省2000年），最高为88.3%（上海市2010年）；能源利用效率总体上呈提高的趋势，单位GDP能耗最低位0.658万吨/万元（北京市2010年），最高为8.23万吨/万元（宁夏省2000年）。总体来看，东部地区二氧化碳排放量、经济发展水平和城市化水平的均值都要明显大于非东部地区，而单位GDP的能耗，东部地区则要明显低于非东部地区。

表1 主要变量的描述性统计

图1绘制了2000—2010年我国各省二氧化碳排放与城市化水平、经济发展水平的散点图，可以发现，城市化与二氧化碳排放呈现出一定的正相关关系；同时经济发展水平与二氧化碳也呈现明显的正相关关系。上述散点图只是粗略地反映了两者之间的关系，而二氧化碳的排放还将受到其他因素的影响，因此需要在控制了其他因素之后，进一步验证城市化、经济发展水平与二氧化碳排放之间的关系，下面将运用前文所建立的计量模型进行实证检验。

图1 二氧化碳排放与城市化水平、经济发展水平的关系

（三）实证分析

表2报告了包含全部样本的回归结果，由于面板数据的特性，在选择适合的模型前，先进行了F值检验以及Haus⁃man检验，根据检验结果，所有模型均选择固定效应模型进行估计，同时由于模型中的城市化和经济增长等变量可能存在多元共线性等问题，对此通过计算方差膨胀因子进行了检验，发现收入发展水平变量存在一定的多元共线性问题，对此，将其进行了“对中”处理，有效消除了多元共线性问题。回归III给出了基于模型（3）的回归结果，为了便于与已有的回归模型进行比较，在回归I和II同时给出了没有添加城市化水平与经济发展水平的二次项的回归结果。回归结果显示，反映经济发展水平变量lny一次项的系数显著为正，而二次项的系数显著为负，证实了在我国经济发展水平同二氧化碳排放之间存在明显的倒U型曲线关系，即二氧化碳的排放随着经济发展水平的提高而呈现出先增长后减小的关系，表明经济发展水平对二氧化碳排放的促进效应是递减的，并且在经济发展水平达到一定高度后，还会导致二氧化碳排放的下降，对此，推测出现上述变化主要是以下两方面的结果：第一，经济发展水平的提高导致地区经济结构服务部门经济体系转变；第二，经济发展水平越高的地区越有能力投资提高能源利用效率。然而，基于本文回归所获得的系数，经过简单的计算，二氧化碳排放要随着经济发展水平出现下降的拐点为人均GDP要达到17万元～18万元(经过价格指数调整后的2000年的价格)之间，而我国目前的人均GDP在2009年按当年的价格算仅为2万5千元，即使是我国经济发展水平最高的地区上海，人均GDP按照当年的价格算在2009年也只接近8万元，折算为2000年的价格后则只有68000元，可见，我国离拐点的经济发展水平还有很大一段差距，我国正处于二氧化碳排放随着经济发展水平的提高而迅速增加的时期，因此，在很长一段时期内，经济发展水平的提高对我国二氧化碳的排放都将产生正向影响，我们很难期望通过经济发展水平的提高来降低二氧化碳的排放。

从反映城市化水平的变量lnubp的系数来看，其一次项的系数显著为正，其二次项的系数虽然为负，但没有通过显著性水平的检验，对此，本文认为在我国并没有发现二氧化碳排放与城市化水平呈倒U型的环境库兹涅茨曲线关系，而是呈单调的正相关的关系，即城市化水平的提高促进了我国二氧化碳的排放，在我国依然处于工业化的时期，城市化水平的提高导致大量的农民工转移到“高能耗、高污染”的工业生产部门中，可能是其中重要的原因之一。

人口总量lnp的系数也显著为正，证实了人口因素也是推动二氧化碳排放的重要因素。反映能源利用效率的指标单位GDP能耗lneue系数为正，表明提高能源利用效率能有效抑制二氧化碳排放的增长，符合我们的预期。工业所占比重的提高对我国二氧化碳的排放也具有显著的促进作用，反映了我国工业生产的“高能耗、高污染”的特征。

表2 因变量为lnCO2全部样本的回归结果

在表2回归IV给出了基于模型（4）的回归结果，进一步检验城市化是否影响经济发展水平对二氧化碳排放的影响。回归结果显示，城市化水平与经济发展水平的交叉项lny×lnubp的系数为负，且通过了5%的显著性水平的检验，表明城市化水平的提高能有效降低经济发展水平对二氧化碳排放的效应，对此本文认为，这有可能是因为在我国现阶段，农村居民对能源的边际消费需求弹性要大于城市居民，从而导致城市化水平的提高会降低对于能源总体的边际消费需求弹性，根据我国统计数据显示，在2009年，占据居民能源消耗主要部分的居住消费支出在农村居民家庭人均占生活消费总支出的20%，而在城市居民家庭中人均只占10%，这种消费支出的差别在一定程度上支持了我们的论断。

为了进一步检验城市化对二氧化碳排放的影响在经济发展水平不同的地区而有所差异，将所有样本分为经济发展水平较高的东部地区和经济欠发展的非东部地区进行检验，表3给出了相应的检验结果，同样，在选择适合的模型前，先进行了Hausman检验。根据表3的检验结果，反映城市化水平的变量lnubp的一次项系数在东部地区和非东部地区均显著为正，而二次项的系数均没有通过显著性水平的检验，表明城市化与二氧化碳排放在东部地区和非东部地区均没有倒U型的环境库兹涅茨曲线关系，城市化水平的提高对东部地区和非东部地区的二氧化碳排放均会产生显著的正向影响，但是城市化对二氧化碳排放的影响在两个地区之间具有明显的差异，具体来看，城市化水平对东部地区二氧化碳排放的正向影响要明显大于非东部地区，这表明在经济发展水平越高的地区，城市化对碳排放的促进效应越小。经济发展水平与二氧化碳排放之间的关系在两个地区之间没有明显的差异，都存在明显的倒U型的环境库兹涅茨曲线关系。此外，人口因素和工业所占比重对二氧化碳排放的影响在两个地区之间也均没有差异，都呈显著的正向影响，而单位GDP的能耗对碳排放的正向影响在东部地区要略大于非东部地区，这可能因为在现阶段，我国东部地区的能源消耗和碳排放量整体上大于非东部地区，单位GDP的能耗下降能在更大程度上降低东部地区的能源消耗总量和碳排放总量。

表3 因变量为lnCO2分地区的回归结果

五、结论与对策

基于2000—2010年间的省级面板数据，本文实证研究了城市化、经济发展水平与二氧化碳排放的关系。本文的研究主要有以下结论：第一，城市化对二氧化碳排放呈单调正向影响，而并没有证实二氧化碳排放与城市化水平之间倒U型的环境库兹涅茨曲线关系，表明在我国的当前阶段，城市化水平的提高更多地体现了大量的农民工转移到“高能耗、高污染”的工业生产部门中。第二，证实了在我国经济发展水平同二氧化碳排放之间存在倒U型的环境库兹涅茨曲线关系，但我国离二氧化碳出现下降的拐点的经济发展水平还有很大一段差距，因此，在相当长的一段时期内，经济发展水平的提高仍将是推动我国二氧化碳排放的重要因素。第三，通过引入城市化水平与经济发展水平的交叉项进行检验，发现城市化水平的提高能有效降低经济发展水平对二氧化碳排放的效应，这有可能是因为在我国现阶段，农村居民对能源的边际消费需求弹性要大于城市居民。第四，通过将所有样本分为东部地区与非东部地区，进一步检验了经济发展水平对城市化的碳排放效应的影响，结果显示，城市化水平的提高对东部地区和非东部地区的二氧化碳排放均会显著的正向影响，但城市化水平的提高对非东部地区二氧化碳排放的正向影响要明显大于东部地区，这表明在经济发展水平越高的地区，城市化对碳排放的促进效应越小。第五，人口因素也是推动二氧化碳排放的重要因素，能源效率的提高能有效抑制二氧化碳的排放，而工业所占比重的提高对我国二氧化碳的排放具有显著的促进作用。

在我国正处于工业化和城市化快速发展的时期，研究结论使我们认识到，降低二氧化碳的排放将很难出现在我国经济的正常发展过程中。为此，需要有针对性地作出以下几方面的努力：首先，要加快实现经济结构由工业部门向服务部门的转变、产业结构由“高能耗、高碳排放”产业向“低能耗、低碳排放”产业的转变；其次，降低碳排放强度，为此需要发展低碳技术、发展核能、水电、风电等无碳能源、努力提高能源利用效率；再次，城市化是推动我国二氧化碳排放增加的重要因素，为此，需要在保证一定的GDP增长速度的前提下,适当控制城市化速度，并把城市化进程作为低碳发展的机会来控制碳排放增长速度；还可以通过制定和执行积极的能源政策，使城市化进程中的能源效率提高、能源结构更为清洁（林伯强、刘希颖，2010）；把城市化进程作为调整产业结构的机会，鼓励农民工流入服务经济部门中去。

［1］Ehrlich P R，Holdren J P.Impact of population growth［J］.Sci⁃ence，1971，171:1212-1217.

［2］Dietz T，Rosa E A.Effects of population and affluence on CO2emissions［J］.Proceedings of the Natl Acad of Sciences USA，1997，94（1）:175-179.

［3］Shi A.The impact of population pressure on global carbon diox⁃ide emissions，1975-1996：evidence from pooled cross-coun⁃try data［J］.Ecological Economics，2003，44：29-42.

［4］York R，Rosa E，Dietz T.STIRPAT，IPAT，and ImPACT：an⁃alytic tools for unpacking the driving forces of environmental impacts［J］.Ecological Economics，2003，46：351-365.

［5］Wei B R，Yagita H，Inaba A，et al.Urbanization impact on en⁃ergy demand and CO2emission in China［J］.Journal of Chongqing University-Eng.Ed.，2003，（2）：46-50．

［6］Liddle B，lung S.Age-structure urbanization，and climate change in developed countries：revisiting SPIRAT urbaniza⁃tion，and climate change environmental impacts［J］.Popul Environ，2010，（31）：317-343.

［7］Badoe D A，Miller E J.Transportation—land-use interaction：empirical findings in North America，and their implications for modeling［J］.Transportation Research Part D，2000，（5）：235–263.

［8］Martinez-Zarzoso I，Maruotti A.The impact of urbanization on CO2emissions：evidence from developing countries［J］.Eco⁃logical economics，2011，（7）：1344-1353.

［9］Parikh J，Shukla V.Urbanization，energy use and greenhouse effects in economic development.Results from a cross-nation⁃al study of development countries［J］.Fuel and energy ab⁃stracts，1995，36（4）：300-300.

［10］Fan Y，Liu L-C，Wu G，et al.Analyzing impact factors of CO2emissions using the STIRPAT model［J］.Environmen⁃tal Impact Assessment Review，2006，26：377–395.

［11］York R.Demographic trends and energy consumption in Eu⁃ropean Union Nations，1960—2025［J］.Social Science Re⁃search，2007，36：855-872.

［12］Karen E M，Edward M C J.Craig Jenkins.Deforestation and the Environmental Kuznets Curve：A Cross-National Investi⁃gation of Intervening Mechanisms［J］.Social science quarter⁃ly，2002，（1）：226-243.

［13］林伯强，刘希颖.中国城市化阶段的碳排放：影响因素和减排策略［J］.经济研究，2010，（8）：66-78.

［14］王家庭，王璇.我国城市化与环境污染的关系研究——基于28个省市面板数据的实证分析［J］.城市问题，2010，（11）：9-15.

［15］王亚菲.城市化对资源消耗和污染排放的影响分析［J］.城市发展研究，2011，（3）：53-57.

［16］陆铭，陈钊.城市化、城市倾向的经济政策与城乡收入差距［J］.经济研究，2004，（6）：50-58.