安徽城镇化进程中碳排放影响因素的实证分析

李 敏

安徽财经大学经济学院，安徽蚌埠,233000



安徽城镇化进程中碳排放影响因素的实证分析

李 敏

安徽财经大学经济学院，安徽蚌埠,233000

在分析简单环境库兹涅茨曲线理论与参考Stirpat模型的基础上，利用安徽省2008-2014年地级市数据分析安徽省碳排放现状，并建立面板固定效应模型，探究碳排放与城镇化建设中主要相关因素之间的关系。结果表明，安徽省碳排放量不断上升，其中城镇化水平、人口数、经济增长、交通工具数对二氧化碳排放呈现稳定的正向效应;能源强度对二氧化碳呈现明显的负相关关系。降低安徽省碳排放刻不容缓，因此，在保证经济增长的前提下，利用城镇化发展的契机，坚持低碳发展道路，采用调整产业结构，提高能源利用效率，建立碳排放交易制度，走好绿色发展道路等措施对安徽省降低碳排放十分重要。

碳排放；城镇化水平；安徽省

1 相关研究与问题提出

在城镇化发展过程中，研究碳排放、探究高能耗带来的温室气体和高污染问题越来越引起国内外学者的关注。国内外不少学者试图通过对碳排放量影响因素的研究，揭示碳排放量控制的途径与机制。

Parikh和Shukla把发展中国家作为研究对象，深入分析了能源利用对城镇化进程的影响[1]。Lantz和Feng采用多种指标对加拿大1970-2000年的碳排放进行实证分析，除发现人均GDP并不影响二氧化碳排放外，人口和技术都与碳排放有关，但二者影响的方式恰恰相反，分别与碳排放成倒“U”型和“U”型关系[2]。

随着世界经济向低碳经济的转型，中国经济、城镇化快速发展与大量的能源消耗、二氧化碳排放不断增加的矛盾逐渐突出，很多学者纷纷以中国为研究对象来研究二氧化碳排放的影响因素，为城镇化建设中的低碳发展问题提供建议。

不同学者由于研究的侧重点各异，得出的结论也存在差异。在城镇化与二氧化碳排放的关系上，林伯强等认为城市化对碳排放有显著影响[3]；杨晓军等认为城镇化对碳排放的影响在东中西部间呈现地区差异[4]；段新瑜等认为集约型的城镇化道路可在一定程度上减少碳排放[5]。在经济增长与二氧化碳排放的关系上，薛勇等认为经济增长是二氧化碳增加的关键动因[6]，但也有学者如陆虹认为两者并非简单地呈现为倒“U”型关系[7]。

随着国内碳排放研究的逐渐增多，研究的方法也在不断丰富。李志强、王宝山采用因素分解模型对二氧化碳排放变动影响因素进行分解，利用山西省1990-2008年的相关数据，得出经济增长因素在碳排放增长方面的影响迅速增强，而能源结构和能源效率的抑制作用则在连续减弱[8]。徐盈之等运用改进的Laspeyser分解法对制造业碳排放的影响因素进行分解，并在对我国1995-2007年相关数据分析的基础上，采用脱钩指数法得出影响因素呈现的阶段性特点较明显[9]。

综上，学者们的研究一方面梳理了城镇化进程中影响碳排放的主要因素，另一方面也对如何在城镇化进程中降低碳排放进行探讨。但是，他们的研究往往过于宏观，很少深入分析影响因素的地区差异。本文着眼于安徽省各地市城镇化进程中的碳排放问题，采用理论研究与实证分析相结合的方法，对城镇化发展进程中影响碳排放的主要因素进行研究，并提出了相应的对策和措施。

2 变量、数据和模型

2.1 理论基础：环境的库兹涅茨曲线

人均收入与环境质量间的倒“U”型关系称为环境库兹涅茨曲线(EKC)，如图1所示。起初收入增加会恶化环境质量，但当收入水平持续上升并到达拐点后，收入的增加反而改善了环境质量。2010年世界发展报告对收入与人均二氧化碳排放量之间的关系进行了预算和估计，显示碳排放量随收入的增长而增加。林伯强、蒋竺均指出，中国二氧化碳还处于倒“U”曲线的左侧，且离拐点还有一定距离[10]。

图1 环境库兹涅兹曲线

2.2 指标选取

2.2.1 变量选取

日本学者Yoichi Kaya提出了Kaya恒等式，将碳排放量分解为四个因素：温室气体排放量、能源强度、人均GDP和人口[11]。林伯强等对Kaya恒等式作了适当修正，选取温室气体排放量、能源强度、人均GDP以及城镇化水平作为研究碳排放的影响因素[3]。杨晓军等在二氧化碳排放指标选取方面，为确保获得更加稳健的研究结论，选取了现有研究中关于二氧化碳排放的3个指标，分别为总量指标(CO2排放总量)、人均排放指标(人均CO2排放量)、排放强度指标(单位GDP的CO2排放量)[4]。徐军委认为，影响我国碳排放的主要因素有人口数量、GDP、能源消费总量、能源结构、经济结构、城镇化水平、工业化水平、能源强度、技术进步、能源价格、交通工具数量、林业和生态保护建设等[12]。

本文在参考以上学者指标选取方法并结合其他文献研究的基础上，选取人口数、人均GDP、能源强度、城镇化水平和交通工具数等因素作为自变量，二氧化碳排放量作为被解释变量，结合安徽省统计年鉴以及相关统计公报，利用2009-2014年的安徽省地级市面板数据，分析安徽省城镇化过程中各主要因素对碳排放的影响。

2.2.2 数据来源与理论分析

目前各种统计年鉴没有二氧化碳排放的直接数据，只能通过统计数据中主要能源的消费数据测算得出。

对于能源标准煤折算系数一般采用《中国能源统计年鉴》数据。而对每种能源的碳排放系数，不同研究机构的研究条件和数据估算有所不同，导致碳排放系数不统一，如表1所示。

表1 各种能源的碳排放系数 吨碳/吨标煤

注：资料来源于《中国能源统计年鉴》。

由于统计年鉴中存在“能源消耗总量(万吨标准煤)”指标，因此碳排放还可以用“能源消耗总量与该种能源的碳排放系数乘积”计算。日本能源经济研究所的推荐值为0.68(吨/吨标煤)，美国能源部能源信息署的参考值为0.69(吨/吨标煤)等，我国常用的碳排放系数主要是国家发改委能源研究所公布的0.67(吨/吨标煤)。根据数据的可得性，采用第二种计算方法，用0.67作标准。

本部分数据来源于《安徽省统计年鉴》(2010-2015)及各个地市统计年鉴和统计公报。由于原地级巢湖市在2012年一分为三，根据数据的可得性和有效性，按照巢湖市原来各个地区GDP的比重重新计算了16个地级市2009-2011年的碳排放量。

人口数对CO2排放量具有增量效应，随着人口增加，排放的二氧化碳也在增多。一般而言，城镇居民人均能源消费量大约是农村居民的3.5～4.0倍[13],可见人口大量流入城市，对城市CO2排放的影响是非常明显的。为了使数据更有针对性，本文选取的人口数为地区常住人口。

人均GDP反映了一个地区的经济发展水平，一定程度上能够体现该地区的能源使用和消费特征。安徽省目前经济发展迅速，人均GDP不断提高，就如环境库兹涅茨曲线所展示的那样，安徽省的能源需求也在迅速增加，二氧化碳等温室气体不断增多，给环境造成压力。

能源强度用单位GDP能耗表示，它反映了能源的利用效率以及技术的变化。能源的利用效率越高，相对于单位能源消耗而言，能源消费所产生的二氧化碳也就越少。城镇化水平采用城镇人口占该地区总人口的比重来衡量，城镇化率的高低可以简单代表城市发展水平。

交通因素对碳排放的影响主要体现在交通工具的使用上，现有的交通工具大多使用化石能源，例如汽油、柴油、煤油等，汽车排放尾气造成二氧化碳排放增长。本文选择的指标为民用车辆拥有量。

2.3 模型设定

利用Stirpat模型分析人口、财产、技术对环境的影响，是目前研究碳排放问题的一个常用且较为公认的方法，公式：I=αPηAδIωe,其中，α为模型的系数，η、δ、ω为各自变量指数，e为误差。

基于环境库兹涅茨曲线理论和Stirpat模型，在碳排放总量与人口数、能源强度、人均GDP和城镇化之间建立协整方程，探求各因素与CO2排放之间的长期均衡关系:

Qit=f(Pit,Eit,Git,Uit,Vit)

(i=1,2,3，…;t=2009,2010,…,T)

其中，Qit为CO2排放量，是i市t期碳排放量，单位为吨，为安徽省地级市平均自发碳排量的排放水平；Pit代表人口数；Eit代表能源强度；Git代表人均GDP，单位为元；Uit代表城镇化水平，单位为%；Vit代表交通工具数，单位为辆。

在实证研究中，为秀出量纲，对变量取自然对数，具体模型如下：

lnQit=αit+β1lnPit+β2lnEit+β3lnGit

+β4lnUit+β5lnVit+ε

其中，α是常数项，表示安徽省地级市的碳排放量的差异性，β1表示各自变量的估计系数，ε代表随机误差项。

2.4 模型的筛选与检验

首先，对数据进行平稳性检验，检验结果显示强平衡，这表明在样本中，每个地区有相同的年度观察值(2009-2014年)，数据是平行数据，因此可以进行面板数据回归分析。

其次，需要通过检验面板数据，选择合适的面板数据模型。

采用F统计量检验固定效应模型时，F统计量为30.72，对应的P值为0，表明固定效应模型相当显著，优于混合OLS模型。采用LM法检验随机效应时，得到的P值为0.0727，表明随机效应不显著，混合OLS模型优于随机效应模型。Hausman检验结果表明，固定效应模型优于随机效应模型。

综上分析可知，F值检验与Hausman检验结果表明，安徽省16个地级市面板模型宜采用固定效应模型。

3 实证分析

3.1 安徽CO2排放量与城镇化发展现状分析

近年来，安徽省牢牢抓住了中部崛起战略、长江经济带、皖江城市带等发展的历史性机遇，强化政策落实，加大改革创新和“调转促”力度，经济运行持续稳中向好，其工业化和城镇化加快发展。2014年末，安徽省人均GDP是2009年的2.09倍，城镇化率提高了7.05个百分点。

第二产业在安徽省经济的快速发展中成为主要推动力。2014年，第二产业占GDP的60.42%，而第三产业远落后于第二产业，仅为GDP的34.14%，但第二产业的CO2排放量远高于第一产业和第三产业。目前，安徽拥有两淮煤矿、铜陵有色、马鞍山钢铁等大型重工业企业集团，在工业化进程中，重工业化程度加深和工业生产技术落后，导致大量的碳排放。

随着经济的发展，能源消费也在增加。安徽省碳排放量由2009年的21883.91万吨增长到2014年的29547.11万吨，年均增长率达到7%。城镇化率也由2009年42.1%上升为2014年49.15%。2009-2014年，安徽省CO2排放量和城镇化水平大体上均呈现递增的趋势，可以看出，二氧化碳排放同经济增长、城镇化水平的关系密不可分，这也和环境库兹涅兹曲线一致。2014年，安徽省CO2排放量较2013年略有下降，这可能与2014年制定并实施《安徽省商品煤质量管理实施办法》，加大能源结构调整，促进节能减排，打造生态强省等措施有关(图2)。

图2 安徽省2009-2014年CO2排放量与城镇化率

3.2 碳排放回归估计

在分析安徽省CO2排放量与城镇化发展现状的基础上，利用安徽省2009-2014年地级市面板数据，研究城市化发展过程中影响碳排放量的主要因素，采用计量分析软件Stata12.0进行分析，估计结果如表2所示。

表2 面板数据模型估计结果

从回归结果看，模型的拟合优度R2=0.8005。针对模型中所有非常数执行联合检验得到的F统计量以及相应的P值分别为60.18和0.0000，回归模型拟合良好，模型中人口数、能源强度、城镇化水平、交通工具数等变量在1%的显著性水平下均通过协整关系检验，人均GDP在10%的显著性水平下也通过了协整检验，各变量存在长期的均衡关系。

回归模型估计结果为：

lnQ=9.1915+0.8308lnP-0.4581lnE

+0.1307lnG+1.3953lnU-0.3402lnV

回归方程中，对碳排放影响最大的是城镇化水平和人口数，它们每变动1%，影响碳排放量同方向变动1.3953%和0.8303%。另外，对碳排放量的影响大小依次为能源强度和交通工具数，它们每正向变动1%，影响碳排放量反方向变动0.4581%、0.3402%。人均GDP对碳排放量的影响较其他变量小，每变动1%，带动碳排放量同向变动0.1307%。

本文研究结论与其他相关文献结论大致相似。人口数越多，生产生活用能越多，碳排放量越多；能源强度越小，能源利用效率越高，碳排放越少，因此，应注重能源的利用效率，发展清洁能源、可再生能源、新型能源；人均收入水平的提高在体现安徽省经济快速发展的同时又不可避免地带来更多CO2的排放，在经济发展的同时控制好CO2的排放至关重要；城镇化发展水平对CO2排放也有比较显著的影响，随着城镇化水平的提高，CO2排放量不断增加，因此，在安徽省城镇化继续加快发展的同时，应该更加注重城镇化质量的提高，积极采取低碳减排措施；模型估计结果的交通因素对碳排放的影响与理论分析结果不一致，这可能是因为多变量回归，导致多重共线性，因此将交通工具数进行单独回归，结果如表3所示。结果表明，交通工具数的回归系数为0.3152，即交通工具数每增加1%，碳排放增加0.3152%。因此，大力发展城市公共交通，既便利市民出行，又有利于避免碳排放的过度增加。

表3 交通工具数对碳排放的回归结果估计

4 结论与建议

上述分析说明二氧化碳排放同人口数、能源强度、人均GDP、城镇化水平、交通工具数有长期的稳定关系。其中人口数、人均GDP、城镇化水平、交通工具数与CO2排放水平呈显著的正相关，能源强度与二氧化碳排放呈负相关。

针对以上结论，并结合安徽省各市经济发展水平以及提高城镇化发展质量的目标要求，提出以下低碳减排建议：

第一，坚持低碳发展战略。安徽省正处于城镇化快速发展阶段，应该按照十八届五中全会的要求，走好低碳城镇化发展道路。

第二，加快产业结构调整。在经济发展的同时，产业结构转型升级对抑制CO2排放量也是十分必要的，要积极贯彻落实安徽省“4105”行动计划，推动低碳产业发展，减少或限制高碳产业发展，加快“调转促”。鼓励发展第三产业，大力发展战略性新兴产业。

第三，提高能源利用效率。要想降低城市的单位GDP能耗，缓解安徽省目前以煤炭为主的能源结构带来的高碳压力，就必须要提高能源使用效率，发挥技术创新的驱动力作用，大力发展循环经济，加大战略性新兴产业项目的扶持力度，如新能源、新材料、物联网、生物技术等。

第四，建立碳排放交易制度。设立完善的碳排放核算标准，建立碳排放检测和认证制度，建立碳排放账户管理体系，积极开展碳排放的有关试点。

第五，在生态文明理念引领下走好绿色发展之路。坚持绿色发展是“十三五”五大发展理念之一，要不断加强生态保护与建设，促进节能减排和污染防治，改善生态环境总体质量。

目前，安徽省正处于碳排量不断增长阶段，有效控制碳排放量刻不容缓。从碳排量的各影响因素入手，根据安徽省碳排放的实际情况，制定低碳发展各项措施，可以合理提高低碳水平，促进安徽省城镇化质量不断提高。

[1]Parikha J V Shukla.Urbanization,energy use and greenhouse effects in economic development:Results from a cross-nation study of developing countries[J].Global Environmental Change,1995,5(2)：121-126

[2]Lantz V,Feng Q,Assessing income,population,and technology impacts on CO2emissions in Canada:where’s the EKC[J].Ecological Economics,2006,57(2):229-238

[3]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

[4]杨晓军，陈浩.中国城镇化对二氧化碳排放的影响效应:基于省级面板数据的经验分析[J].中国地质大学学报：社会科学版，2013(1):32-37

[5]段新瑜，高源祥.低碳目标指导下城镇化道路的选择[J].商，2014(11):250-252

[6]薛勇,郭菊娥,孟磊.中国 CO2排放的影响因素分解与预测[J].中国人口·资源与环境，2011(5):106-112

[7]陆虹.中国环境问题与经济发展的关系分析：以大气污染为例[J].财经研究,2000(10):53-59

[8]李志强,王宝山.基于因素分解模型的二氧化碳排放影响因素分析：以山西为例[J].生产力研究,2010(12):99-101

[9]徐盈之,徐康宁,胡永舜,等.中国制造业碳排放的驱动因素及脱钩效应[J].统计研究,2011,28(7):55-61

[10]林伯强，蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界，2009(4):27-36

[11]Yoichi Kaya.“Impact of Carbon Dioxide Emission on GNP Growth:Interpretation of Proposed Scenarios”，Presentation to the Energy and Industry Subgroup，Response Strategies Working Group，IPCC[R].Paris，1989

[12]徐军委.基于LMDI的我国二氧化碳排放影响因素研究[D].北京：中国矿业大学管理学院，2013：10-12

[13]何晓萍,刘希颖,林艳苹.中国城镇化进程中的电力需求预测[J].经济研究,2009(1):118-130

[14]焦伟，韩佳慧，郑涛.安徽省发展低碳经济的制约因素、潜在优势和路径选择[J].环境保护与循环经济,2010(11):24-26

(责任编辑：周博)

10.3969/j.issn.1673-2006.2016.06.004

2016-03-25

李敏(1991-)，女，安徽池州人，在读硕士研究生，主要研究方向：国民经济学。

F206

A

1673-2006(2016)06-0011-05