中国产城协调发展时空演变对分类推进碳排放的影响研究

郑瑞坤，袁 珍，孙 莉

（湖北工业大学理学院，武汉 430068）

0 引言

纵观世界现代化史，工业化、城市化过程中对生态环境的破坏是一个通病，工业与城市也是二氧化碳排放的主体。在处理“双碳”目标与现代化经济体系的关系时，以工业化、城镇化为典型特征的产城发展如何自主行动对“双碳”目标的实现具有极为重要的意义。

目前，有关城市化、工业化对碳排放的影响取得的研究进展为：（1）在城市化对碳排放的影响方面，学者们利用不同模型和方法大致获得了三类结论：第一类结论是城市化与碳排放呈现线性关系，且城市化的发展加大了碳排放量[1—4]；第二类结论是城市化与碳排放呈现线性关系，但城市化抑制了碳排放[5—6]；第三类结论是城市化与碳排放呈现非线性关系，且表现为“倒U”型关系[7—10]。（2）在工业化对碳排放的影响方面，整体结论为工业化发展与碳排放间成正向驱动关系[11—13]。

从现有研究来看，工业化对碳排放的影响在学术界基本形成共识，而城市化对碳排放的影响存在分歧，是什么原因导致学者们在考察中国城市化对碳排放的影响时出现了结论上的显著差异？工业化与城市化既是现代化经济体系建设内容，也是碳达峰行动内容，而从现有成果的结论判断，推动工业化、城市化与碳达峰行动将会是一个两难问题，那么，工业化、城市化与碳排放之间是否存在某种平衡关系能够使得两个目标同时实现？另外，中国产城协调发展过程中工业外移与城市扩张形成了一定空间集聚，依据现有文献结论，碳排放是否随产城空间集聚发生转移而对邻近地区造成影响？这些问题尚未在现有成果中讨论，本文在提出相关假设的基础上利用门槛回归模型与空间效应模型分析2005—2021年中国产城协调发展时空演变对分类推进碳排放的影响。

1 碳排放分类与数据特征

1.1 碳排放地区分类

2005年10月，“十一五”规划首次对节能减排提出要求，到2021 年，中国碳排放强度较2005 年累计降低50.8%，故选取2005—2021年作为本文的样本期。

关于碳排放量的测算，目前较常用的方法有三种：排放因子法、质量平衡法、实测法。根据IPCC提供的碳核算基本方程，排放因子法的计算式为GHG=AD×EF，其中，GHG代表温室气体排放；AD是活动数据，即导致温室气体排放的生产或消费活动的活动量；EF为排放因子，是与活动水平数据对应的系数。由上述计算式可知，排放因子法适用于国家、省份、城市等较为宏观层面的碳排放核算，与本文分析对象一致，故选取MEIC排放清单数据进行分析。

分析MEIC 排放清单数据发现，中国各地区碳排放特征存在较大差异。为更好地反映碳排放的分类推进特征，本文对各地区的碳排放进行分类。分类依据是：首先，计算各地区样本期内年均碳排放量以及年均增长率；然后，将其与全国相应指标的平均水平对比，最后，根据对比情况将中国30个省份（不含西藏与港澳台）的碳排放状况划分为4类，即：年均碳排放量与年均增长率均高于全国平均水平的高排高增地区（包括内蒙古、山西、安徽）、年均碳排放量高于全国平均水平而年均增长率低于全国平均水平的高排低增地区（包括山东、河北、江苏、河南、广东、辽宁、浙江）、年均碳排放量低于全国平均水平而年均增长率高于全国平均水平的低排高增地区（包括新疆、陕西、福建、广西、江西、甘肃、宁夏、青海、海南）、年均碳排放量与年均增长率均低于全国平均水平的低排低增地区（包括湖北、四川、湖南、黑龙江、贵州、吉林、云南、上海、重庆、天津、北京）。

1.2 数据特征及研究假设

经过分类，对样本期内的4类地区碳排放量及其增长速度进行分析，发现：

首先，碳排放量增长较快的地区，碳排放量整体呈现近似直线形式变化；而在低速增长地区，受排放的绝对量影响而呈现不同形式，在高增地区，碳排放量形成了类似“N”型的形态，在低增地区，整体上形成了相对明显的“倒U”型形状。不同类型地区的碳排放呈现了线性与非线性形态，与现有文献在研究城市化对碳排放影响时的结论基本一致，这是否意味着中国产城发展过程中城市化、工业化对碳排放的影响呈现何种形态与碳排放的绝对量及速度有关。为验证这种猜想，提出本文的第一个假设：

假设1：在众多因素影响下，中国各省份城市化、工业化对碳排放的绝对量与速度产生了分异功能，进而导致产城协调发展过程中城市化与碳排放之间形成了不同形态关系。

其次，作为《2030 年前碳达峰行动方案》中的两大重点领域，工业与城市建设的协调状态与碳排放及其地区差异之间形成了一定的对应关系，但关系的随机性较大。整体上判断，城市化率与碳排放量之间存在正向变动关系，工业化率与碳排放量之间呈现负向变动关系。但二者又因为协调状态不同而在不同地区形成了不同的变动关系，在高排高增与高排低增地区，相应于不断上涨的城市化率，尽管工业化率不断下降，但二差偏差较小，说明这类地区城市发展对工业的依赖程度相对较高，一些地区工业化率甚至高于城市化率，城市发展滞后于工业化；而在低排高增及低排低增地区，工业化率与城市化率的偏差逐渐扩大，且从实际数据来看，这些地区大部分省份2021年城市化率与工业化率比值超过国际公认的1.4～1.5的较合理水平范围，反映出这些地区城市对工业的依赖程度下降。与假设1的单向连续性关系相比，产城协调状态的交替变化似乎也在影响着碳排放类型，那么，产城协调状态在不同阶段出现的工业化与城市化交替变化是否能够平衡现代化经济体系与碳达峰之间的矛盾值得进一步考察，因而提出本文的第二个假设：

假设2：在众多影响因素中，城市化与工业化协调状态在不同阶段的交替变化是平衡“现代化经济体系建立与碳达峰目标实现”的重要力量，他们也是甄别不同地区碳排放目标值的主要因素之一。

最后，自2005年以来，中国政府高度重视节能减排自主行动，不断提高碳排放强度削减幅度，形成了自上而下的节能减排行动框架，随着这种框架的不断完善，理论上会在各地区间产生空间关联性；同时，本文在计算碳排放绝对量与增长速度时也发现，4类碳排放地区中一些省份的碳排放量呈现了局部空间聚集。另外，中国城市发展的空间演化表现出集聚和集群两种基本形态，无论是集聚还是集群都凸显出城市发展过程中具备了相当程度的空间关联性；与此同时，中国产业发展过程中也出现了集群模式，产业间也表现出高度的空间相依性。通过采用莫兰指数（Moran’s I）进行检验发现，碳排放的全局Moran’s I 值在样本期前期均大于0 并通过了10%水平上的显著性检验，说明碳排放前期在地区间形成了空间相关性；其局部Moran’s I 值显示，高排高增地区的山西，碳排放影响到了河南、安徽、浙江，而内蒙古的碳排放则影响到了河北、山东；在低排低增地区也形成了一定空间聚集性。中国城市化的全局Moran’s I值均大于0并通过了1%水平上的显著性检验，说明城市化在地区间确实形成了空间相关性；其局部Moran’s I 值显示，城市化也形成了比较明显的“高-高”集聚与“低-低”集聚形式。工业化全局Moran’s I值在2010 年后的几年呈现较高的空间关联性，局部形成了“高-高”集聚发展模式。如果产城空间集聚产生了强空间效应，那么，城市化、工业化对碳排放的影响就会产生空间转移，并最终影响到碳排放量。因而，提出本文的第三个假设：

假设3：在中国产城协调发展过程中，各地区的城市化、工业化在局部产生了空间效应，进一步推动了不同地区碳排放的空间分异。

2 研究设计

2.1 模型方法

在大气污染物与温室气体排放的研究中，STIRPAT模型被广泛用于分析各种影响因素与环境负荷的关系[14,15]。该模型表达式为I=a×Pb×Ac×Td×e，其中，I表示环境负荷，P表示人口规模，A表示经济增长水平，T表示技术水平，a为常数项，b、c、d代表对应解释变量的弹性系数，e为误差项。

本文对STIRPAT 模型进行扩展使之应用于验证上述假设。扩展表现在：首先，用该模型建立一个包含经济增长、人口城镇化、土地城镇化、工业化与工业能源消耗的产城发展系统；其次，用二氧化碳排放代表环境负荷，用城市化率代替人口规模，用工业化率代替技术水平，用城市建成区面积占比进一步控制城市化对碳排放的影响，用工业能源强度进一步控制工业化对碳排放的影响；最后，对所有指标进行对数化处理，进而获得碳排放影响因素的基准模型，理论形式如式（1）所示：

式（1）中，CO2表示碳排放总量，URB表示城市化，AREA表示城市建成区面积占比，IND表示工业化，EN表示工业能源强度，PGDP表示人均GDP，α与β为待估参数，ε为误差项，i与t分别为地区与年份。式（1）中，城市化与工业化是独立变量，用于验证假设1。

式（1）是一个对数模型，呈现的是对数曲线，但前述碳排放地区分类显示，不同地区碳排放呈现不同形态。为更好地体现不同地区碳排放量的形态特征，并验证假设2，对式（1）引入门槛变量使模型转化成门槛回归模型，通过不同门槛来识别产城协调状态交替变化对碳排放分阶段推进的特征，门槛模型基本形式为：

式（2）中，DUI表示城市化率与工业化率的比值，通常用于表征产城发展过程中城市化与工业化的偏差；a1、a2、α3为单一门槛的待估门槛值，I为取值为0 或1 的示性函数；θ1、θ2表示工业化发展对城市化产生了门槛效应，并最终影响到碳排放的程度；θ3、θ4表示城市化与工业化的差异对碳排放所产生的门槛效应；θ5、θ6表示城市化发展对工业化产生了门槛效应，并最终影响到碳排放的程度。显然，θ1、θ2、θ3、θ4、θ5、θ6也分别表示了城市化、工业化在不同阶段的相互匹配关系；其他变量与式（1）相同。需要说明的是，式（2）是单一门槛回归模型，具体门槛数由实际数据确定。

依据前述数据特征的结论，中国各地区碳排放、城市化、工业化存在空间相关性，在局部地区形成了一定空间集聚。为验证本地区城镇化、工业化发展是否对周边地区碳排放形成空间溢出效应，将式（1）扩展为空间面板模型进行空间效应分析，其基本形式如式（3）所示：

式（3）中，ρ反映邻近地区碳排放的变化对本地区碳排放的影响，β（包括β1，β2，β3，β4，β5）反映本地区影响碳排放的各因素变化对本地区碳排放量的影响，γ（包括γ1，γ2，γ3，γ4，γ5）为邻近地区影响碳排放的各因素变化对本地区碳排放的空间溢出效应，δi和μt分别为空间特质效应和时间特质效应，Wij为空间权重。W为空间权重矩阵，这里的W同时考虑地理距离与经济距离，具体方法为：将地理权重矩阵与经济权重矩阵等比例相加得到地理经济权重矩阵，其中，地理权重矩阵为两地区间地理距离的倒数，经济权重矩阵为两地区人均GDP 平均值之差的绝对值的倒数[16]。公式如下：

式（4）中，Wij为地区i与地区j的空间权重值，dij为地区i与地区j的地理距离，xˉi与xˉj分别为地区i与地区j的2005—2021年人均GDP平均值。

2.2 变量说明

（1）被解释变量。上述模型中的被解释变量均为碳排放总量（CO2），来源于中国多尺度排放清单模型（MEIC），该数据是基于《省级温室气体清单编制指南》采用IPCC部门法进行测算获得的。

（2）核心解释变量。上述模型中的核心解释变量包括城市化（URB）与工业化（IND），城市化采用常住人口城镇化率（城镇常住人口占总人口的比重）表示，工业化采用工业化率（工业增加值占GDP 的比重）表示，他们分别代表产、城发展水平。

（3）控制变量。依据STIRPAT 模型，选取人均GDP（PGDP）、城市建成区面积占比（AREA）与工业能源强度（EN）作为控制变量。人均GDP（以2005年为基期计算的GDP 与总人口的比值）表示STIRPAT 模型中的经济增长水平；城市建成区面积占比（城市行政区内实际已成片开发建设、市政公用设施和公共设施基本具备的区域占城市总面积的比重）可体现城市规模的扩张，比重越大，对生态资源的占用越多，破坏越大，因而是与人口规模对应且对碳排放具有同等影响力的变量；工业能源强度（工业能源消费总量与工业增加值的比值）与工业化水平对应，共同影响工业碳排放。

2.3 数据来源

上述指标原始数据主要来自历年《中国统计年鉴》以及各省份统计年鉴，碳排放总量来源于中国多尺度排放清单模型（MEIC）。在数据处理上，部分缺失值采用就近填充法与趋势预测法进行补齐。

3 实证结果与分析

3.1 基准回归结果

式（1）是本文的基准回归模型，也是验证假设1 的模型。在运行基准回归模型前，为避免“伪回归”，采用IPS、LLC 与Fisher-PP 三种检验方法验证各变量的平稳性，然后通过Pedroni、Kao 进行协整检验。结果表明，各变量均一阶平稳且解释变量与被解释变量间存在协整关系，说明可以进行回归分析。随后根据F 检验与Hausman 检验判断面板模型形式，经检验，在4 类碳排放地区均应选取固定效应模型进行估计，模型估计结果见下页表1。

表1 基准回归结果

从表1可以看出，在4类地区中，只有高排高增地区同时受到了城市化与工业化发展的影响，其他三类地区产城协调发展只存在单方面的碳排放影响。具体来看，在高排低增与低排高增地区，主要受工业化影响，工业化率每提高1%，两类地区的碳排放分别提升0.671%与0.153%，且随着工业能源消耗量的增加，碳排放还会有较大幅度提升；而在低排低增地区，人口城镇化发展对碳排放产生了显著的推动作用，但随着城市建成区面积的扩大会抵消一部分因人口城镇化而推动的碳排放量。与高排高增地区城市化对碳排放影响不同，低排低增地区城市化将加大地区碳排放。从模型结果判断，城市化发展主要是影响两高、两低地区碳排放，工业化则主要影响一高一低地区碳排放，说明城市化、工业化对碳排放的影响确实与其绝对量与速度有关，假设1得到验证。

3.2 门槛回归结果

为进一步验证假设2，并探寻碳排放的阶段分类特征，利用式（2）进行门槛回归模型估计，结果见表2和表3。

表2 门槛回归模型估计结果（IND与DUI为门槛变量）

表3 门槛回归模型估计结果（URB为门槛变量）

从表2和表3结果看，在高排高增地区，无论是城市化还是工业化，都形成了双重门槛效应，进而影响了地区的碳排放。对于工业化而言，城市化在工业化的不同门槛值下形成了“反S”型的门槛效应，当工业化率高于0.324（lnIND＞-1.126）时，城市化率每提高1%，碳排放减少1.680%，当工业化率位于（0.313，0.324）时，二者的弹性将降低至1.639，但当工业化率下降至0.313及以下时，二者的弹性又上升到1.800，因此，当工业化率不断下降时，城市化率的提升对碳排放的影响将经历快速下降、下降速度减缓到更加快速下降的过程。而对于城市化而言，情况恰好相反，城市化处于不同门槛值下，工业化对碳排放形成了“反L”型的门槛效应，当城市化率由0.421（lnURB＞-0.865）提升至0.625 时，工业化率每下降1%，碳排放也将下降，但下降速率将由0.360%降至0.247%直至0.207%，说明当城市化率经历不同门槛值时，工业化率的下降虽然也能减少碳排放量，但下降速度不断减缓。由此推断，在高排高增地区，尽管城市化与工业化水平的提升均能减少碳排放量，但城市化对工业化产生的门槛效应与工业化对城市化产生的门槛效应及其由此产生的碳减排速度存在差异，这种差异会导致高排高增地区各省份碳排放处于分异中，并最终实现产城发展与碳排放的平衡。

在高排低增地区，工业化作为门槛变量虽然也形成了双重门槛，但与高排高增地区不同，工业化的不同门槛值下，城市化发展对碳排放产生了正向影响且影响力呈现几何式增长。当工业化率高于0.415（lnIND＞-0.880）时，城市化率每提升1%，碳排放将提升0.253%，随着工业化率下降，达到门槛值0.368 时，城市化率的提升将加速碳排放，城市化率每提升1%，碳排放将由0.379%提升至0.581%。而城市化作为门槛变量在高排低增地区只形成了单一门槛效应，当城市化率突破0.565的门槛值时，工业化率的下降将推动碳排放量下降，工业化率每下降1%，碳排放量的减少量将由0.743%下降至0.665%。显然，城市化对工业化产生的门槛效应在高排低增地区对减排放形成了更为显著的影响。

在低排高增地区与低排低增地区，城市化未能对工业化形成门槛效应。但城市化与工业化的发展偏差对低排高增地区的碳排放产生了门槛效应，当城市化率与工业化率之比达到1.518（lnDUI≤0.417）时，碳排放会产生方向门槛效应，系数值由正向转为负向，也就是说，当城市化与工业化偏差越大时，即城市化渐渐脱离对工业化的依赖时产城协调发展将有利于碳排放量的下降，2021 年低排高增地区的城市化率与工业化率之比均越过了1.518，因而，低排高增地区未来的产城协调发展将有利于碳排放量的下降。而在低排低增地区，工业化对城市化发展产生了方向性门槛效应，当城市化率低于0.703，工业化率下降不利于碳减排放，但城市化率越过0.703的水平后，工业化率每下降1%，碳排放量将下降0.526%。具体到实践中，2021年低排低增地区的上海、重庆、天津与北京的城市化率均超过了0.703，这些省份工业占比的不断下降将有利于碳达峰的实现。

因而，综合来看，自2005 年以来，由于中国产城协调发展过程中城市化与工业化产生了交替变化，不同阶段的交替变化产生了门槛效应，使得产城协调发展过程中城市化与工业化对碳排放速度产生了不同的影响，并进一步使得碳排放在不同分类地区形成了分异特征，假设2得到验证。

3.3 空间回归结果

为验证假设3，采用式（3）进行分析。式（3）要求对空间计量模型进行选择，首先，根据LM 检验与R-LM 检验，发现4 类碳排放地区均存在空间误差效应与空间滞后效应；其次，结合LR 与Wald 检验得知4 类地区SDM 模型均不会退化为SAR 或SEM 模型；然后，进行Hausman 检验，结果显示4 类地区固定效应均优于随机效应；最后，根据固定效应模型拟合优度与联合显著性检验结果可知，拟合效果最好的均为个体固定效应模型，最终选择双固定效应的空间杜宾模型为实证模型，估计结果见表4。

表4 空间杜宾模型估计结果

由表4可知，在4类碳排放地区中，除高排低增地区的碳排放对邻近地区的碳排放产生了显著空间抑制作用（ρ为-0.284）外，其他地区未能形成空间溢出效应，表明样本期内中国的碳排放仅在小区域范围内形成了空间聚集。但相应于基准模型结果，在空间关系作用下产城协调发展对碳排放的影响发生了较大的变化。

在高排高增地区，由于工业化、人均GDP、城市建成区面积占比以及工业能源强度对邻近地区产生了空间效应，因此产城协调发展对碳排放产生了同向关系，其系数绝对值均增大，说明如果不考虑空间关系，中国的产城协调发展对碳排放的影响被低估。分解空间效应（结果见表5）发现，工业化对邻近地区的碳排放影响产生了回流效应，降低工业化水平能够加速本地区碳减排进程，同时如果邻近地区也降低工业化水平，形成的空间溢出效应就也会加速本地区碳减排，最终使本地区碳排放减少。城市建成区面积扩大虽然对本地区的碳排放没有显著影响，但对邻近地区碳排放产生了空间溢出效应，其比重每提升1%，将提升邻近地区碳排放量1.029%。正是基于邻近地区与城市化有关的因素对碳排放产生的空间溢出效应，高排高增地区的城市化在空间关系作用下对碳排放产生了强劲的拉动作用，这可能是这些省份碳排放位于高水平的原因之一，也在一定程度上解释了为何一些地区自身城镇化发展能降低本地区碳排放的原因。

表5 空间杜宾模型分解结果

在高排低增地区，产城协调发展过程中主要是工业化对碳排放产生显著作用，工业化不仅影响本地区碳排放量，还对邻近地区碳排放产生了显著的空间效应。从数据结果来看，工业化率每提升1%，将提升本地碳排放0.604%、邻近地区碳排放提升1.042%。分解空间效应可知，工业化发展影响邻近地区的碳排放时产生了回流效应与较高的空间溢出效应，这可能与高排低增地区工业化占比较高且空间地理位置上与邻近地区形成产业转移有关，同时也说明，在高排低增地区需高度重视工业化在碳排放中的影响力。

在低排高增地区，碳排放除了主要受本地及邻近地区城市化影响外，本地区工业化、人均GDP以及工业能源强度也产生了明显的碳排放效应。具体来看，在城市化对碳排放的影响上，低排高增地区的城市化对碳排放的影响系数达到1.943，受邻近地区城市化影响还形成了空间碳排放影响效应。分解空间效应发现，城市化对碳排放的影响除了形成回流效应外，更为重要的是邻近地区城市化产生的碳排放形成了强劲的空间外溢影响，二者共同作用，提升了低排高增地区碳排放。

在低排低增地区，产城协调发展对本地区碳排放影响并不显著，其碳排放效应主要体现在邻近地区。邻近地区的城市化率每提升1%，能够促使本地区碳排放下降1.319%，从分解效应结果可知，在城市化发展上，低排低增地区主要是受到了邻近地区城市化的碳排放空间外溢影响。

故而综合来看，样本期内中国的碳排放在局部地区形成了空间效应。中国的城市化对低排高增及低排低增地区的碳排放产生了空间效应，但不同的是，在低排高增地区，城市化会促使邻近地区碳排放增加、而低排低增地区的城市化将减少邻近地区的碳排放。工业化主要在高排高增与高排低增地区的碳排放形成了空间效应，相比于高排高增地区，高排低增地区工业化对邻近地区碳排放有更大的影响力。假设3得到验证。

4 结论与建议

4.1 结论

本文基于2005—2021年MEIC的碳排放数据，分析中国产城协调发展时空演变对分类推进碳排放的影响，研究发现，自2005年以来，中国30个省份城镇化率与工业化率比值大多不在国际公认的较合理水平范围（1.4～1.5）内，说明中国产城协调发展过程中仍在经历滞后城市化或过度城市化的动态调整，与此同时，城市的不断扩张以及工业的不断转移集聚，使得中国产城协调发展还呈现空间关联特征。利用门槛回归模型与空间效应模型分析中国产城协调发展的时空效应证实，相比于对数基准模型，门槛回归较好地捕捉了中国产城协调发展过程的阶段特征对不同类型碳排放的影响效应，而空间效应模型也较好地挖掘了因忽略空间关系导致的被低估的碳排放量，为中国分类推进碳达峰提供了有益的参考信息。

4.2 建议

基于上述研究结论，对分类推进碳排放的建议如下：（1）在发展阶段上，滞后城市化与过度城市化在中国并存，因而在分类推进碳排放上需要甄别二者的阶段特征。（2）在空间关系上，中国城市规模扩大、工业外移集聚导致的碳排放影响是碳达峰过程中不可忽略的因素。由于工业化主要对高排地区产生空间效应，城市化主要在低排地区产生空间影响，因而，在高排地区，主要考虑工业化对城市化的门槛效应以推动碳减排；对于低排地区，尽管城市化是主要空间效应因素，但在低排高增地区，城市化发展会促使邻近地区碳排放增加，而低排低增地区的城市化发展将减少邻近地区的碳排放。由于在发展阶段上，低排高增地区城市化率越高越有利于本地区碳减排，这会促使低排高增地区的城市化，因而，低排高增地区在城市化过程中需处理好碳排放的外移。