一、引言
改革开放 30 余年来我国经济年均增长率高达 9.9％，中国经济以其长期持续的高速增长令全球瞩目，被誉为“中国的奇迹”。但与此同时，我国经济增长的质量却日益受到质疑，特别是在经济增长过程的大量资源消耗和环境污染引起了广泛的关注。20 世纪 90 年代初期，中国化石能源消费总量超过俄罗斯而成为居美国之后的第二消费大国。2009 年，中国碳排放首次超过美国，成为二氧化碳排放大国。中国面临着来自国际社会，尤其是来自发达国家要求承担减排义务的巨大压力。在2009 年的联合国气候变化峰会上，中国政府首次提出降低“碳强度”目标，即争取在 2020 年碳排放强度比 2005 年下降 40%~50%的目标，这是中国节能减排政策的一个质变。碳强度可以作为经济增长的环境代价指标，该指标可以衡量一个国家经济发展与碳排放量之间的关系，即单位 GDP 的二氧化碳排放量。
研究碳强度的驱动因素，有助于为决策者制定未来的能源消费政策及碳减排政策提供信息支持和决策依据，对中国发展低碳经济和应对气候变化有重要的理论与现实意义。同时，经济活动与能源消费的空间分布会影响二氧化碳排放强度，在一个地区采取若干公共政策会影响到周边地区的政策，这意味着邻近地区之间可能存在缓解社会问题与经济发展的策略，研究碳排放强度的地理分布有助于制订应对气候变化的公共政策(Brueckner)。中国各地区能源消费量极不平衡，地区间碳排放可能存在显着的示范和带头作用，因此，实现碳减排需要充分考虑各地区空间相关性、异质性和外溢性。
图 1 为我国 1995-2011 年平均碳排放强度分布图，可以清晰地看到中西部地区是高碳排放强度的集聚区域，其中，山西、贵州、甘肃、宁夏、青海等省份的平均碳排放强度最高。
而东部沿海地区是低碳排放强度的集聚区域，其中，江苏、上海、浙江、福建、广东等省份的的平均碳排放强度最低。碳排放的空间溢出与经济距离有关，一个地区制定节能减排政策会对邻近地区的相关政策产生外溢效应，邻近地区的碳排放强度变动可能会波及到本地区碳排放强度变动 （Conley 等）。将空间效应纳入研究体系，运用空间计量模型，从空间地理分布检验中国碳排放强度的驱动因素，对有针对性地制定碳减排政策、发展低碳经济、应对气候变化有着重要的理论和现实意义。文章内容安排如下：第二部分为文献综述；第三部分是模型设立与数据说明；第四部分是实证检验与结果讨论；第五部分是结论与建议。
二、文献综述【1】
近年来，国内外学者从不同视角，采用时序或面板数年据研究了碳排放强度及其动因。一些学者认为飞速发展的城市化对碳排放产生重要的影响，Wee 等[1]研究了马来西亚的二氧化碳排放与城市空间规划的关系，认为本国还缺乏相应的城市空间规划框架，为实现理想的社会经济发展，必须把促进节能和限制二氧化碳的排放作为城镇化的核心内容。Jones 十分关专注城市化对能源消耗的影响机制，他用 1980-1991 年 59 个发展中国家的数据研究城市化对能源利用的总体影响，得出城市人口比例提高 10%，人均能源消耗将增加 4.5%~4.8%的结论。一些学者认为碳排放能源强度与能源结构有关，Greening 等研究了 10个 OECD 国家数据 20 年间 （1971-1991 年） 碳排放强度下降的原因，认为能源强度下降与能源使用效率提高是这些国家碳强度下降的重要原因，且能源价格有助于抑制碳排放强度。
Schipper 等使用 AWD 因素分解方法，研究 1995 年 13 个 IEA 国家 9 个部门的碳排放强度，发现能源结构优化与能源强度下降是造成碳强度下降的重要原因。然而，Nag 等研究了印度商业能源的使用效率，认为从 1980 年开始印度人均收入的提高是碳排放强度增大的主要原因，且存在倒“U”型关系。Markandya证实了发达国家与发展中国家人均 GDP 收入差距降低 1%会导致它们之间的能源强度减少 1.02%，即人均 GDP 与碳排放强度成反比例，类似的结论还有 Fan、Shao[2]。随着国际贸易的发展，一些学者开始关注 FDI 与碳强度之间的关系，Mielnika 等使用1970-1998 年 20 个发展中国家数据，研究这些国家碳排放强度与 FDI 之间的关系，发现 FDI 带来伴随着现代科技扩散与推广有助于碳强度下降，即 FDI 与碳强度成反比。Kivyiro 等[3]研究了六个撒哈拉以南的非洲国家能源消费、碳强度、经济增长与FDI 之间的关系，发现肯尼亚与津巴布韦 FDI 增加了碳排放强度，支持了所谓的污染天堂，而刚果共和国、南非、赞比亚等国家 FDI 与碳强度成反比关系，即支持了所谓的“乐观主义派”。Omri 等[4]使用 1990-2011 年全球 54 个国家面板数据碳排放强度、经济增长与 FDI 之间的关系，认为 FDI 有助于降低全球碳排放强度，因为它为工业发展提供了重要动力，包括技术转让、管理技能和国际营销技能的扩散。也有一些学学者认为碳排放强度与人口密度有关系，如 Glaeser 等[5]发现孟菲斯人口密度越大的地区碳排放量越少。Almond[6]发现提高人口密度，发展紧凑型的城市发展模式有利于减少生活碳排放，其原因是人口的聚集效应会优化能源生产与消费的空间分配，进而提高能源生产与使用效率。
以上文献丰富了碳排放强度驱动因素的研究视野，但存在着以下不足：一是大部分文献只考虑经济发展和 FDI 对碳强度的影响，但忽视了诸如人口密度、城镇化水平等因素对碳排放的影响效应；二是已有文献使用了普通面板计量方法，但假设跨辖区的横截面都是独立的，忽视了临近区域的空间相互作用的影响。Anselin[7]等指出，本地区的特点可能取决于它的邻近地区，简单使用普通的最小二乘法或普通面板忽略了空间的依赖性，其估计结果可能是有偏的，其统计与计量分析的结果值得进一步深入探究。碳强度存在很强的空间联动性，空间与区域等客观因素使得一个地区的环境质量可能会受到邻近地区碳强度的影响。“污染天堂假说”认为较高收入的地区会有效地将污染转移给较低收入的地区，如果这个假说成立，那么邻近富裕地区的贫困地方的碳排放强度可能会更高，因为地理位置也是非常重要的因素，一个地区环境政策于颁布后可能会溢出到临近地区。而且，一个地区碳强度可能因邻近地区科技扩散产生的空间溢出而下降。针对以往研究的不足，文章采用空间滞后模型(SLM)与空间误差模型(SLM)实证研究中国省域碳排放强度的驱动因素，进而为我国制定降低碳排放强度、实现区域经济与生态环境协调发展提供科学依据与理论支持。
三、模型、变量与数据说明
1. 模型设定
文章拟回答的问题是：中国碳排放强度具有地区与空间依赖性，依据研究目标设计，运用空间计量模型实证检验我国碳排放强度的驱动因素以及临近区域之间的空间溢出效应，使用的软件为 Matlab 7.10 及相应软件包。文章借鉴 Halicioglu(2009)[8]
的研究思路，建立如下计量模型：【2】
其中，μi和 λi分别表示在空间和时间特定的效应，但这些特定效应究竟应该是固定的还是随机的，不同地区的固定效应是否具有联合显着特征，还需要进一步检验。传统的地理权重矩阵遵循 Rook 相邻判定规则，视两个地区拥有共同边界为相邻。但是，落后地区对发达地区的影响力度较小，而发达地区能够对周围落后地区产生更大的辐射力和吸引力，地区间的相互影响关系并非完全相同。借鉴林光平等经济权重矩阵设置方法，用地理空间权重 w 与各地区 GDP 所占比重均值为对角元的对角矩阵的乘积表示，具体形式为：【3】
2. 变量说明与数据来源
解释变量包括外商直接投资、城镇化率、第二产业比重、能源结构、能源强度、人均 GDP、人口密度，对所有变量取自然对数，因此可将 α 和 β 的估计值直接视为弹性系数值。
（1） 碳排放强度(cqd)。碳排放强度 （简称碳强度） 是指单位 GDP 的二氧化碳排放量，即 CO2/GDP。省级层面碳排放数据可以通过联合国政府间气候变化专业委员会(IPCC)公布的碳排放系数和相关统计年鉴进行估算。【4】
其中，CO2表示二氧化碳排放量，i 分别表示煤炭、天然气、焦炭、燃料油、汽油、煤油、柴油 7 种化石燃料；Ei表示7 种化石燃料的消耗量；NCV 为燃料平均低位发热量；CEF 为燃料碳排放系数，COF 为碳氧因子 （通常为 1），3.67 为 CO2与 C 的分子量比率，各种燃料消耗量与相关系数来自 《中国能源统计年鉴》 与 IPCC (2006)。
（2） 外商直接投资(fdi)。随着经济全球化，国际经济联系和全球产业分工日趋强化，大量的 FDI 涌入发展中国家。外商直接投资对碳强度具有双重作用：一是 FDI 有助于先进的能源生产与节能技术推广，有助于提升引入国的技术水平，在生产过程中能源消耗较少，从而降低了环境污染水平 （许和连等）[9]；二是发展中国家在经济发展的早期阶段，为了吸引更多的外部资金流入，往往会放松环境管制标准，倾向于生产更多的污染密集型产品，出口资源密集型高耗能的产品，增加了本地区的碳排放强度，从而沦为发达国家的“污染天堂”(Markusen)。
（3） 城镇化水平(urb)。经济发展的主要载体与动力是城市，城市不仅是人口、工业、交通的积聚地，也是能源消耗与碳排放的集中地。城市消耗了全世界近 75%的能源和贡献超过 80%的全球温室气体排放，因此，城市化水平越高，能源生产与消费量就越大，碳排放强度也就越大，我们预测碳强度与城镇化水平成正比例关系。
（4） 产业结构(se)。以工业为主的第二产业是能源消耗大户，一般来说，碳排放强度与第二产业占 GDP 的比重成正比关系。在我国，由于能源消费主要集中在第二产业，且能源使用效率较低，因此，工业部门增长仍然是碳排放压力的主要来源。
（5） 能源强度(nq)。能源强度指单位 GDP 的能源消费量，也称单位产值能耗，它在一定程度上反映了技术进步水平。部门技术进步对降低能源强度的作用显而易见，先进适用的技术总能以较少的能源投入获得较大的产出，预期符号为正。
（6） 能源结构(jg)。能源结构是指能源消费总量中各类一次能源的构成及其比例关系。受资源禀赋条件的约束，长期以来我国的能源消费结构以煤、石油为主，清洁能源比重偏低。能源结构特别是清洁能源在能源结构中的比例对碳强度具有显着的影响，能源消费结构趋于低碳化将有助于减少碳排放强度，预期符号为正。
（7） 经济发展水平(pgdp)。环境库兹涅茨曲线表明经济增长与碳排放之间的关系是非线性的。经济发展初期需要大量的能源投入与使用，而能源消费的增加可能会促进碳排放强度的增加。但是，经济发展也伴随着技术进步与产业结构优化，控制污染的主观愿望也随之加强，也会降低碳强度。
（8） 人口密度(pmd)。人口的空间分布是影响碳排放强度的一个重要因素，一般而言，经济发达的城市碳排放较高，但经济发达的城市可能加大对能源利用的基础设施的投资力度。城市内部空间结构，特别是土地利用强度、人口密度所决定的城市内部空间的紧凑型程度也会对碳排放产生影响。同样收入水平的家庭，居住在城市郊区会比居住在城市中心产生更多的碳排放，这是因为郊区住房密度低、面积大以及郊区居民由于通勤距离长且更多地使用私家车。
为保持数据口径的相对一致性，文章使用不包括西藏 30 个省市区，样本期间为 1995-2011 年，1995 年、1996 年的重庆市统计数据缺失，为保证样本数年据完整性，使用简单均值填补法处理。除非特别指出，文章所使用的数据均来自 《中国能源统计年鉴》、 《中国统计年鉴》 和各省市的统计年鉴，各变量的简单统计描述见表 1。
四、实证分析与讨论
1. 空间相关性检验
在进行空间计量分析时，首先要进行空间相关性检验，文章采用 Moran's I 指标反映省际碳排放强度空间关联程度的总体特征，其值介于 -1 和 1 之间，表达式如下：【5】
式中：n 为总省区数；yi，yj为分别为省区 i 和省区 j 的碳排放强度；y軃为全部省区碳排放强度的平均值；Wij为经济权重矩阵。采用 z 值对全局 Moran's I 进行统计检验，z = (I - E(I))/Var(I)，如果 z 值大于 0 且在统计上显着，则表明碳排放强度在空间分布上具有明显的正向相关性。
如表 2 所示，我国各省份的碳强度空间相关性的 Moran's I统计值均能够在 1％的显着性水平通过显着性检验，且各个Moran's I 值均为正值，表明我国碳强度在空间上存在明显的正自相关关系，即空间集聚现象，意味着对各省份碳强度的解释应当考虑这种客观存在的空间依赖性，较之传统计量方法，运用空间计量技术研究碳排放强度的影响因素是更为妥当。【6】
2. 计量结果分析
进一步需要判断选择采用 SLM 模型或 SEM 模型。根据Anselin 等(1991)的建议，如果 LM lag 比 LM error 统计量更显着，且 Robust LM lag 显着、LM error 不够显着，则恰当的模型是SLM 模型，反之，选择 SEM 模型。我们发现 Lm_error(524.484)和 Lm_lag(490.835)都在 1%的显着性水平下显着，但从数值上看 Lm_error 检验更显着一些，且 SEM 模型中的对数似然值均大于 SLM 的统计值，Hausman 检验结果显示，固定效应优于随机效应的选择，因此，SEM 空间固定效应是较优选择。
综上，文章侧重于从 SEM 估计结果进行分析，分别从无固定效应、空间固定效应、时间固定效应、时空固定效应进行实证检验，结果见表３中(5)~(8)列。就各控制变量的影响系数来看，FDI 的回归系数为负，表明 FDI 一定程度上改善了我国的环境质量，其原因可能是：一方面，FDI 倾向于使用较为先进的节能减排技术，FDI 在引进环境友好型技术转移方面做出了积极贡献，从而降低了我国的环境污染水平；另一方面，FDI 的引资结构已引起政府部门的高度重视，地方政府加强对 FDI 引入的审批力度与行政监督，目前，在我国取得 ISO14001 环境管理体系认证资格的企业中，外商投资企业占到 2/3 以上，因此，FDI 在一定程度上促进了我国环保事业的发展 （许和连等）。
城镇化水平的回归系数在 1%水平上显着为正，其原因是随着城市化进程的发展，居民生活水平不断提高，政府城市基础设施投资不断增加，交通工具数量急剧膨胀，必然导致能源消耗及钢铁、水泥、玻璃等高碳排放产品消费的迅速增加，进而提高了碳强度。第二产业占 GDP 比重的产业结构回归系数显着为正，符合理论预期。能源结构与能源强度的回归系数在 1%水平上显着为正，其原因是中国的一次能源消费结构不合理，仍以煤炭为主，煤炭消费在能源结构中的比重依然过高。2011年，在中国一次能源结构中，煤碳与原油消费所占比重高达占88.11%、天然气消费比重占 4.51%、核能消费比重 0.71%、水力发电消费比重 6.01%、再生能源消费比重 0.71%。能源强度反映了能源的使用效率，即能源消费总量与 GDP 之比，是衡量一个地区能源利用效率的一个重要指标。一般来说，能源强度与碳排放强度成正比例，1995-2011 年间，随着国家经济结构优化与能源使用效率提高，能源强度与碳排放强度不断降低，这一结论符合我国经济发展的历史阶段特征。人均 GDP 的回归系数在 1%水平上显着为负，即人均 GDP 的增长有助于降低碳排放强度，这与姚从容研究结论是一致的。中国目前仍处于工业化发展中期，以化石燃料为主的传统能源消费会带来的碳排放增加。随着中国经济发展达到一定水平后，人均收入进一步提高，环境污染由高趋低，环境污染程度逐渐减缓，环境质量逐渐得到改善，环境库兹涅茨曲线在中国是成立的。人口密度的回归系数在 1%水平上显着为负，其原因可能是同样收入水平的家庭，城市郊区的人口密度远小于城市中心人口密度，且郊区住房面积较大、郊区居民通勤距离长而更多地使用私家车，产生更多的碳排放，因此，人口密度与碳排放强度成反比例符合理论预期。
五、结论与政策建议
文章使用 1995-2011 年面板数据，采用较为前沿的空间计量方法，检验中国 30 个省二氧化碳排放强度的驱动因素。研究结果表明：中国省域之间二氧化碳排放强度的具有十分显着的空间依赖性，碳强度的变化主要源于横截面个体间的差异，一个地区的碳强度不仅受到邻近地区碳强度的相互冲击，还受到区域间结构性差异的误差冲击；二氧化碳排放强度与产业结构、能源消费结构、能源强度之间存在着显着的正效应，与外商直接投资、人均 GDP、人口密度之间存在着显着的负效应。
研究结论对中国城市节能减排战略具有一定的指导意义：一是政府间要加强节能减排的区域间协作。在跨行政区域环境污染治理公共事务中，没有哪个地方政府可以做到独善其身。中国碳排放强度具有显着的空间依赖性，各地区需要将省域空间相互依赖纳入到碳排放的政策制定上，加强发达地区和欠发达地区在环境污染治理的合作与交流，促进我国碳排放量向良性方向发展。同时要改变传统行政区划下地方政府间的割据藩篱，在对话和协调基础上建立地方政府间的协作机制，这对于解决现阶段环境治理问题、落实科学发展观、提高辖区整体环境质量等具有重大的现实意义。
二是走可持续的绿色城镇化道路。城镇化的人口转移对能源消耗和碳排放的冲击是显着，在短期内城镇化水平的提高会增加碳排放强度。面对日趋严峻的资源与环境约束，要着力加快发展方式转变与经济结构调整，走资源节约、环境友好、适宜人居的新型城镇化道路。同时，要鼓励市民健康的绿色低碳消费生活方式，通过政策引导来提倡节能生活方式，推广城市交通节能和建筑节能，大力发展公共交通，尤其是城市和城际轨道交通 （林伯强等）[10]。
三是加大产业结构调整力度。合理调整产业结构，遵循产业结构的客观变动规律，控制高耗能工业的发展，鼓励和促进高科技产业和第三产业的发展；加快发展技术密集型产业，大力发展高新技术产业，运用新技术改造传统工业，通过产业技术的升级来达到产业结构的战略调整，以实现产业结构高级化，逐步改变高能耗产业所占的比重偏高的局面；逐渐减少对第二产业的过分依赖，大力发展第三产业，逐步提高第三产业的比重，不断调整与优化产业结构以促进我国碳排放的减少。
四是依靠科技进步降低碳排放强度。我国正处于工业化发展中期，经济持续增长与城市化进程伴随大规模的基础设施投资还需要高耗能产业，因此，人为行政抑制能源消费并不可取。科技创新是节能减排的重要保证，提高能源利用效率，实现碳排放强度降低的最好方法就是依靠技术进步。目前，我国的节能减排技术还处在一个较低层次，需要加大自主研发能力的扶持力度与科技研发的经费投入，并且借鉴发达国家的经验与技术，积极引进国外先进技术。
五是适当提高建成区的人口密度。当前我国土地城镇化的速度明显快于人口城镇化的速度，城镇化发展存在低密度和分散化的倾向，不仅会带来耕地面积减少过多过快的问题，还会造成能源使用的低效率。城市更加紧凑意味着基础设施的效率更高，从而减少对钢材、水泥等高碳物资的需求。未来要合理确定城市的开发边界，适当提高建成区的人口密度，提高土地的使用效率。
【参考文献】
[1] WEE K F，Matsumoto H. Energy Consumption and CarbonDioxide Emission Considerations in the Urban PlanningProcess in Malaysia [J].Building and Environment，2009，44(7)：1528-1537.
[2] Shaozhou Q，BOY，KAI L. An International Comparative Analysis onChina's Economic Growth and the Convergence in Energy Intensity Gapand Its Economic Mechanism [J].Chinese Journal of Population Resourcesand Environment，2011，9(2)：65-75.
