基于空間計(jì)量經(jīng)濟(jì)學(xué)的碳排放與經(jīng)濟(jì)增長相關(guān)性分析
發(fā)布時間：2014-07-29 14:09
摘要：本文采用空間計(jì)量經(jīng)濟(jì)學(xué)的方法對我國各省份的經(jīng)濟(jì)增長與碳排放之間的關(guān)系進(jìn)行了實(shí)證分析，結(jié)果表明：我國各省份的碳排放在空間分布上表現(xiàn)出一定的空間正自相關(guān)性，碳 排放量最高的省份多處于經(jīng)濟(jì)發(fā)達(dá)的沿海地區(qū)，如以北京為中心的環(huán)渤海地區(qū)，以上海為中心的長三角地區(qū)和以廣東為核心的珠三角地區(qū)，而次之的是經(jīng)濟(jì)較為發(fā)達(dá)的地區(qū)，如中部的山西、湖北、湖南、江西、安徽和西南地區(qū)；我國各省份的碳排放在空間分布上存在一定的空間集群效應(yīng)，如環(huán)渤海地區(qū)就表現(xiàn)出高碳排放的空間集群效應(yīng)，而西部地區(qū)的西藏、新疆、甘肅、青海卻表現(xiàn)出低碳排放的空間集群效應(yīng)。經(jīng)濟(jì)增長與碳排放呈現(xiàn)出正相關(guān)關(guān)系，高碳排放的地區(qū)多處于經(jīng)濟(jì)發(fā)達(dá)的沿海地區(qū)，而低碳排放的地區(qū)多處于經(jīng)濟(jì)落后的內(nèi)陸地區(qū)；我國目前的經(jīng)濟(jì)增長對碳排放的依賴性較強(qiáng)，經(jīng)濟(jì)增長對碳排放的彈性系數(shù)約為08左右，說明在未來的短時間內(nèi)很難實(shí)行低碳經(jīng)濟(jì)的發(fā)展模式。
關(guān)鍵詞： 碳排放；經(jīng)濟(jì)增長；空間計(jì)量經(jīng)濟(jì)學(xué)
最近，關(guān)于我國碳排放與經(jīng)濟(jì)增長的關(guān)系引起了學(xué)者們的高度關(guān)注。徐玉高、郭元［1］等采用時間序列和截面數(shù)據(jù)的計(jì)量分析方法，對我國經(jīng)濟(jì)增長與碳排放的關(guān)系進(jìn)行了實(shí)證研究，認(rèn)為人均碳排放與人均GDP之間不存在庫茲涅茨曲線，人口增長和人均GDP的增加是人均碳排放增加的主要來源，而GDP能源消費(fèi)強(qiáng)度的下降則是碳排放減少的重要來源。張雷［2］的研究認(rèn)為經(jīng)濟(jì)結(jié)構(gòu)多元化的發(fā)展導(dǎo)致我國能源消費(fèi)需求增長的減緩，能源消費(fèi)結(jié)構(gòu)的多元化發(fā)展則是我國碳排放水平下降的重要因素，經(jīng)濟(jì)和能源消費(fèi)兩者結(jié)構(gòu)多元化的演進(jìn)是促使我國經(jīng)濟(jì)發(fā)展從高碳燃料為主向低碳為主方式轉(zhuǎn)變的重要途徑。王中英、王禮茂［3］對我國GDP增長與碳排放量之間的關(guān)系進(jìn)行了相關(guān)分析，表明二者存在明顯的相關(guān)性，認(rèn)為我國過分依賴投資的增長方式和以第二產(chǎn)業(yè)為主的經(jīng)濟(jì)結(jié)構(gòu)在很大程度上是導(dǎo)致溫室氣體排放量增加的主要原因。杜婷婷、毛鋒［4］等以庫茲涅茨環(huán)境曲線（EKC）及其衍生曲線為依據(jù)，對我國碳排放量與人均收入增長的時間序列數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)擬合，得出我國碳排放量與人均GDP之間呈現(xiàn)出“N型”曲線。隨后，胡處枝、黃賢金［5］等、王琛［6］等人的研究也證實(shí)了該觀點(diǎn)。高衛(wèi)東、姜巍［7］等的研究表明隨著產(chǎn)業(yè)結(jié)構(gòu)的演進(jìn)和生產(chǎn)技術(shù)進(jìn)步的加快，我國能源碳排放的增速有了明顯的減緩，從區(qū)域分布來看，東部地區(qū)碳排放經(jīng)歷了先下降后上升的過程，而西部地區(qū)碳排放則是保持上升的趨勢。也有學(xué)者從其他角度對我國的碳排放問題進(jìn)行了研究。徐國泉、劉則淵、姜照華［8］等基于碳排放恒等式，采用對數(shù)平均權(quán)重DivEisia分解法，建立了我國人均碳排放量的因素分解模型，對我國1995-2004年間，影響人均碳排放的各種因素進(jìn)行了分析，認(rèn)為經(jīng)濟(jì)發(fā)展對人均碳排放的貢獻(xiàn)率呈指數(shù)增長的態(tài)勢，能源利用效率和能源結(jié)構(gòu)對人均碳排放的貢獻(xiàn)率呈“倒U型”關(guān)系。張雷［9］認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)的演進(jìn)不僅決定著地區(qū)經(jīng)濟(jì)發(fā)展的基本狀態(tài)，而且同樣決定著國家一次能源消費(fèi)空間的基本格局；地區(qū)產(chǎn)業(yè)結(jié)構(gòu)多元化程度越是走向成熟，其一次能源消費(fèi)的增速也就越是減緩；緩慢的一次能源消費(fèi)結(jié)構(gòu)變化是難以實(shí)現(xiàn)地區(qū)碳排放增長有效控制的關(guān)鍵。
與以上學(xué)者的研究相比，本文從空間經(jīng)濟(jì)學(xué)的角度，采用空間計(jì)量經(jīng)濟(jì)學(xué)的方法對我國各省份（自治區(qū)、直轄市）的碳排放與經(jīng)濟(jì)增長之間的關(guān)系進(jìn)行了實(shí)證研究。
1 樣本數(shù)據(jù)與指標(biāo)選取
1.1 樣本數(shù)據(jù)
本文采用的空間樣本數(shù)據(jù)是除了我國臺灣省和香港、澳門特別行政區(qū)外的大陸31個省、自治區(qū)和直轄市。樣本區(qū)間為2005-2008年，數(shù)據(jù)主要來源于《新中國六十年統(tǒng)計(jì)資料匯編》，部分?jǐn)?shù)據(jù)來源于各省份統(tǒng)計(jì)年鑒及統(tǒng)計(jì)公報、《中國能源統(tǒng)計(jì)年鑒》。
1.2 指標(biāo)選取
1.2.1 國內(nèi)生產(chǎn)總值
本文采用國內(nèi)生產(chǎn)總值（GDP）來衡量各省份的經(jīng)濟(jì)發(fā)展水平，以1978年為基期，單位為億元。
1.2.2 碳排放量
由于目前我國沒有碳排放量的直接監(jiān)測數(shù)據(jù)，而且關(guān)于碳排放量的計(jì)算學(xué)術(shù)界也沒有一個統(tǒng)一的標(biāo)準(zhǔn)，因而大部分的研究都是基于對能源消費(fèi)的測算得來。本文采用了兩種方法來計(jì)算各省份的碳排放量，分別是Kaya碳排放恒等式法和碳的化學(xué)燃燒公式法。
Kaya碳排放恒等式［10-11］是由日本學(xué)者Yoichi Kaya于1989年在聯(lián)合國政府間氣候變化專門委員會（IPCC）研討會上提出的，該等式通過一種簡單的數(shù)學(xué)公式將經(jīng)濟(jì)、人口和政策等因素與人類活動產(chǎn)生的二氧化碳建立起了一種數(shù)學(xué)聯(lián)系，基本公式是：
C=∑ni=1[DD)]Ci=∑ni=1[DD)]EiE×CiEi×EY×YP×P i=1,2,K n（1）
其中，C表示總的碳排放量；i表示所消費(fèi)能源的種類；Ci為第i種能源的碳排放量；E表示一次能源的消費(fèi)量；Ei為對第i種能源的消費(fèi)量；Y表示國內(nèi)生產(chǎn)總值（GDP）；P為人口數(shù)量。
由（1）可分析出幾個影響碳排放的因素，并給出如下的定義：能源結(jié)構(gòu)因素Si=EiE表示對第i種能源的消費(fèi)在一次能源消費(fèi)中所占的比重；各類能源的排放強(qiáng)度Fi=CiEi表示消費(fèi)單位第i種能源的碳排放量；能源效率因素I=EY表示單位GDP的能源消耗量（可以理解為GDP的能源消耗系數(shù)）；經(jīng)濟(jì)發(fā)展因素R=YP表示人均GDP。因此，式（1）可簡化為C=∑ni=1[DD)]Ci=∑ni=1[DD)]Si×Fi×I×R×P(i=1,2，K n)，這樣一個地區(qū)的碳排放量就和該地區(qū)的能源結(jié)構(gòu)因素、各類能源的排放強(qiáng)度、能源利用效率、經(jīng)濟(jì)發(fā)展因素以及人類的活動聯(lián)系到了一起。
碳排放計(jì)算的第二種方法使用了碳的化學(xué)燃燒公式：C+O2=CO2，在該過程中，碳的燃燒值約為34 070 kj/kg，而每噸標(biāo)準(zhǔn)煤釋放的熱量為7 000千卡，即約為29 302 kj，于是就可以粗略地計(jì)算出每噸標(biāo)準(zhǔn)煤完全燃燒釋放出的二氧化碳。
但是考慮到第二種方法中標(biāo)準(zhǔn)煤的碳含量、含有硫、氮等元素、不完全燃燒等因素，最后本文采用兩種方法所計(jì)算出的每噸標(biāo)準(zhǔn)煤的碳排放系數(shù)介于2.277和2.72之間，取兩者的算術(shù)平均數(shù)作為每噸標(biāo)準(zhǔn)煤的碳排放系數(shù)，為2.499。本文用各省份的能源消費(fèi)總量（單位為萬噸標(biāo)準(zhǔn)煤）乘以每噸標(biāo)準(zhǔn)煤的碳排放系數(shù)得到碳排放量，單位為萬噸，用carbon表示。
1.2.3 勞動力投入量
本文中勞動力投入量選取的是各省份的就業(yè)人員數(shù)，單位為萬人，用labor表示。
2 實(shí)證方法與模型設(shè)定
2.1 空間效應(yīng)檢驗(yàn)
空間效應(yīng)［12］（Spatial Effects）是指各地區(qū)間的經(jīng)濟(jì)地理行為之間一般都存在的一定程度的空間相互作用，分為空間依賴性（Spatial Dependence，也叫空間自相關(guān)性（Spatial Autocorrelation））和空間異質(zhì)性�？臻g依賴性意味著空間上的觀測值之間缺乏獨(dú)立性，也意味著空間相關(guān)的強(qiáng)度及模式由空間的絕對位置（格局）和相對位置（距離）共同來決定�？臻g異質(zhì)性是指地理空間上的區(qū)域缺乏均質(zhì)性，也即存在中心和外圍地區(qū)、核心和邊緣地區(qū)、發(fā)達(dá)和落后地區(qū)等經(jīng)濟(jì)地理結(jié)構(gòu)，從而導(dǎo)致經(jīng)濟(jì)社會發(fā)展存在較大的空間差異性。本文主要采用全域空間相關(guān)性檢驗(yàn)和局域空間相關(guān)性檢驗(yàn)來檢驗(yàn)我國各地區(qū)碳排放的空間效應(yīng)。
2.1.1 全域空間相關(guān)性檢驗(yàn)
全域空間相關(guān)性又稱全域空間自相關(guān)（Global Spatial Autocorrelation），是指從區(qū)域空間的整體上刻畫區(qū)域碳排放空間分布的集群情況。這里主要采用Morans I指數(shù)法來對我國碳排放的全域空間相關(guān)性進(jìn)行檢驗(yàn)。全域Morans I指數(shù)定義是：
Morans I=∑ni=1∑nj=1Wij(Yi-Y)(Yj-Y)
S2∑ni=1∑nj=1Wij(2)
其中，S2=1n∑ni=1(Yi-Y)，Y=1n∑ni=1Yi，Yi表示第i地區(qū)的觀測值（如本文中的碳排放），n為地區(qū)總數(shù)（在本文中為31個省份），Wij為二進(jìn)制的臨近空間權(quán)值矩陣，用以定義空間對象的相互臨近關(guān)系。
全域Morans I的取值范圍介于-1-1之間，若其數(shù)值大于0，說明空間存在正自相關(guān)，數(shù)值越大說明空間分布的正自相關(guān)性越強(qiáng)；若其數(shù)值小于0，說明空間相鄰的單元之間不具有相似的屬性，數(shù)值越小則說明各空間單元的差異性越大；若其數(shù)值為0，則說明該空間服從隨機(jī)分布。
通過繪制空間相關(guān)關(guān)系系數(shù)的Morans I散點(diǎn)圖，可以將碳排放分為四個象限，分別用以識別各個省份與其他臨近省份之間的相互關(guān)系：右上方為第一象限，表示高碳排放的省份被高碳排放的其他省份所包圍（H-H，高-高）；左上方為第二象限，表示低碳排放的省份被高碳排放的其他省份所包圍（L-H，低-高）；左下方為第三象限，表示低碳排放的省份被低碳排放的其他省份所包圍（L-L，低-低）：右下方為第四象限，表示高碳排放的省份被低碳排放的其他省份所包圍（H-L，高-低）。第一、三象限為正的空間自相關(guān)關(guān)系，表示相似碳排放省份之間的空間關(guān)聯(lián)；而第二、四象限為負(fù)的空間自相關(guān)關(guān)系，表示不同碳排放省份之間的空間關(guān)聯(lián)，如果各省份碳排放均勻地分布于四個象限之內(nèi)，則說明各省份之間不存在空間相關(guān)關(guān)系。
2.1.2 局域空間相關(guān)性檢驗(yàn)
局域空間相關(guān)性又稱為空間關(guān)聯(lián)局域指標(biāo)（Local Indicators of Spatial Association,LISA）,它是探索性空間數(shù)據(jù)分析的重要組成部分。Anselin［13］認(rèn)為LISA分析應(yīng)該滿足兩個條件：每個空間單元的LISA描述了在一定顯著性條件下，圍繞該空間單元的其他相似空間單元之間所具有的空間集群程度；所有空間單元的LISA之和與對應(yīng)的全域空間相關(guān)性指標(biāo)成比例。對于局域空間相關(guān)性的分析主要包括局域Morans I指數(shù)和局域Geary指數(shù)，本文采用的是局域Morans I指數(shù)，定義為：
Morans Ii=Zi∑nj=1WijZj (i≠j)（3）
其中，Zi=xi-x、Zj=xj-x分別表示觀測值與均值的離差，xi表示空間單元i的觀測值，Wij表示空間權(quán)值矩陣，因此Morans I就可以表示為空間單元i的觀測值的離差Zi與其相臨近的空間單元j的觀測值離差的加權(quán)平均值的乘積。
局域Morans I指數(shù)還可以定義為：
Morans Ii=(zim)∑[DD(X]jwijzj(i≠j)（4）
其中m表示空間觀測單元的數(shù)量，若Morans Ii值為正，則說明該空間單元周圍存在相似的空間集群；若Morans Ii值為負(fù)，則說明該空間單元周圍存在非相似的空間集群。
Z(Morans Ii)=Morans Ii-E(Morans Ii)[KF(]VAR(Morans Ii)[KF)]（5）
其中，E(Morans Ii)表示局域Morans Ii值的期望值，VAR(Morans Ii)表示局域Morans Ii值的方差。利用公式（5）就可以對局域空間相關(guān)性進(jìn)行顯著性檢驗(yàn)。
2.2 空間模型
2.2.1 空間滯后模型
空間滯后模型主要是探討各變量在一地區(qū)是否具有擴(kuò)散效應(yīng)（或溢出效應(yīng)）。模型為：
Y=ρWy+Xβ+ε（6）
其中，Y為被解釋變量；X為n×k的外生解釋變量矩陣；ρ為空間回歸系數(shù)，它反映了空間單元之間的相互關(guān)系，也就是說相鄰空間單元對本空間單元的影響程度（該影響程度為矢量，具有一定的方向性）；W為n×n的空間權(quán)值矩陣，Wy為空間權(quán)值矩陣W的空間滯后因變量；ε為隨機(jī)誤差向量。參數(shù)β主要反映了自變量X對因變量Y的影響，空間滯后因變量Wy是一內(nèi)生變量，反映了空間距離對各空間單元之間的作用。
2.2.2 空間誤差模型
該模型為：
Y=Xβ+ε（7）
ε=λWε+u（8）
其中，Y為因變量；X為n×k的外生解釋變量矩陣；W為n×n的空間權(quán)值矩陣；ε為隨機(jī)誤差向量；u為正態(tài)分布的隨機(jī)誤差向量；參數(shù)β為自變量X對因變量Y的影響系數(shù)，λ為因變量向量的空間誤差系數(shù)。
2.3 計(jì)量模型的設(shè)定
lngdp=C+α1lncarbon+α2lnlabor+ε（9）
其中，lngdp、lncarbon和lnlabor分別表示各省份的GDP、碳排放和勞動力的自然對數(shù)；C表示常數(shù)項(xiàng)；α1和α2分布為相關(guān)的回歸系數(shù)；ε為隨機(jī)誤差項(xiàng)。
3 我國碳排放的空間格局及其集群現(xiàn)象
為了對我國各省份碳排放的空間格局和集群現(xiàn)象有一個更好的描述，本節(jié)以31個省份為空間單元，以2005—2008年各省份的碳排放及其平均數(shù)作為衡量指標(biāo)，首先從宏觀的角度分析了碳排放分布的空間格局；其次，采用全域空間相關(guān)性指數(shù)Morans I及局域Morans I散點(diǎn)圖對各省份的碳排放在空間上是否存在自相關(guān)及集群現(xiàn)象進(jìn)行了檢驗(yàn)；再次，用局域空間相關(guān)性分析方法（LISA分析）對各省份碳排放的空間格局和集群現(xiàn)象進(jìn)行了更加深入的分析，以揭示相鄰省份碳排放之間的空間關(guān)系；最后，用空間加權(quán)回歸的方法對碳排放、勞動力與經(jīng)濟(jì)增長之間的關(guān)系進(jìn)行了實(shí)證分析。
3.1 碳排放的空間分布描述
從宏觀的角度對各省份碳排放的空間分布進(jìn)行描述性分析，可以清楚地看出各省份的碳排放在三個不同時段的空間分布呈現(xiàn)出一種明顯的空間格局，就是碳排放量較高的省份大多處于沿海地區(qū)，尤其是以北京為核心的環(huán)渤海地區(qū)、以上海為中心的長三角地區(qū)和以廣東為核心的珠三角地區(qū)。這表明，我們各省份的碳排放存在一定的空間集群現(xiàn)象，主要的高碳排放集群有內(nèi)蒙古、河北、遼寧、山東、河南集群，上海、江蘇、浙江集群，廣東珠三角集群；還有可能會出現(xiàn)一些中等程度的集群，如湖北、湖南、安徽集群，東北的黑龍江，西南的四川、貴州等地區(qū)；
主要的低碳排放集群有西藏、青海、甘肅、寧夏集群，西南的重慶，江西和海南。
3.2 碳排放的空間自相關(guān)及集群現(xiàn)象檢驗(yàn)
采用全域空間相關(guān)性指數(shù)Morans I及局域Morans I散點(diǎn)圖對各省份的碳排放在空間上是否存在自相關(guān)及集群現(xiàn)象進(jìn)行了檢驗(yàn)。
由表1可以看出，在5%的顯著性水平下，2005-2008年間各省份的碳排放及其平均值表現(xiàn)出較強(qiáng)的自相關(guān)性，這說明在2005-2008年的樣本期間內(nèi)，各省份的碳排放呈現(xiàn)出一種集群的趨勢，即碳排放相對較高的省份傾向于與其他具有較高碳排放的省份相鄰近，而碳排放較低的省份傾向于與其他具有較低碳排放的省份相鄰近。
圖1-圖4是Morans I散點(diǎn)分布圖，可以看出，我國各省份碳排放表現(xiàn)出共同的空間分布特征，即各省份的碳排放在空間上呈現(xiàn)出正的自相關(guān)性。
2005年有7個省份位于第一象限，分別為：內(nèi)蒙古、河北、山西、遼寧、山東、江蘇和浙江，表現(xiàn)出高-高（H-H）的正自相關(guān)關(guān)系集群；黑龍江、吉林、北京、天津、陜西、安徽和海南等7個省份位于第二象限，表現(xiàn)出低-高（L-H）的負(fù)自相關(guān)關(guān)系集群；新疆、青海、西藏、甘肅、寧夏、重慶、貴州、云南、江西和福建等10個省份位于第三象限，表現(xiàn)出低-低（L-L）的空間自相關(guān)關(guān)系；河南、湖北、湖南、廣東和四川等5個省份位于第四象限，表現(xiàn)出高-低（H-L）的空間自相關(guān)關(guān)系。上海同時橫跨了第一、二象限，廣西同時橫跨了第二、三象限。
2008年內(nèi)蒙古、河北、吉林、山西、山東、江蘇、浙江等7個省份位于第一象限，表現(xiàn)出高-高（H-H）正的空間自相關(guān)關(guān)系；黑龍江、吉林、北京、天津、陜西、安徽、上海、
海南等8省份位于第二象限，表現(xiàn)出低-高（L-H）負(fù)的空間自相關(guān)關(guān)系；新疆、青海、西藏、甘肅、寧夏、重慶、貴州、云南、江西、福建等10個省份位于第三象限，表現(xiàn)出低-低（L-L）的空間自相關(guān)關(guān)系；河南、湖北、湖南、廣東、四川等5省份位于第四象限，表現(xiàn)出低-低（L-L）的空間自相關(guān)關(guān)系。廣西同時橫跨第二、三象限。
比較期初的2005年和期末的2008年的Morans I散點(diǎn)圖，可以發(fā)現(xiàn)：2005年和2008年都有17個省份表現(xiàn)出正向的空間相關(guān)關(guān)系，其中有7個省份位于第一象限，10個省份位于第三象限；2005年有12個省份表現(xiàn)出不相似的空間分布，其中有7個省份位于第二象限，5個省份位于第四象限；2008年有13個省份表現(xiàn)出不相似的空間分布，其中8個省份位于第二象限，5個省份位于第四象限。
3.3 碳排放的局域空間相關(guān)性
采用局域空間相關(guān)性分析方法（LISA分析）對各省份碳排放的空間格局和集群現(xiàn)象進(jìn)行更深入的分析，以彌補(bǔ)全域空間相關(guān)性分析方法的不足。結(jié)果顯示，2005年和2008年河北、河南2個省份均通過了5%的顯著性水平，山東、安徽、海南、四川、新疆等5個省份通過了1%的顯著性水平；而2005-2008年中，有河北、河南和安徽三個省份通過了5%的顯著性水平，山東、四川、海南和西藏四個省份通過了1%的顯著性水平檢驗(yàn)。
以北京為中心的環(huán)渤海地區(qū)傾向于分布于第一象限，呈現(xiàn)出高碳排放的空間分布態(tài)勢，與其他省份呈現(xiàn)出空間正相關(guān)關(guān)系；安徽和海南分布于第二象限，呈現(xiàn)出低碳排放的省份被其他高碳排放的省份所包圍；西藏始終分布于第三象限，是低碳排放的地區(qū)，與其他省份呈現(xiàn)出空間負(fù)相關(guān)關(guān)系；西南的四川始終位于第四象限，屬于高碳排放的省份被其他低碳排放的省份所包圍。
4 實(shí)證分析
4.1 空間加權(quán)的最小二乘估計(jì)
本文采取空間加權(quán)的方法對樣本期間內(nèi)的我國各省份經(jīng)濟(jì)增長與碳排放、勞動力之間的關(guān)系進(jìn)行最小二乘估計(jì)，結(jié)果如表2所示。
樣本期間內(nèi)碳排放對經(jīng)濟(jì)增長的影響系數(shù)都通過了1%的顯著性水平檢驗(yàn)，這說明碳排放對經(jīng)濟(jì)增長的影響是顯著的。經(jīng)濟(jì)增長對碳排放的彈性系數(shù)介于0.81-1.045之間，也就是說碳排放每增加1%就會引起經(jīng)濟(jì)增長增加0.81%-1.045%，而且模型的擬合程度較好。
從空間依賴性檢驗(yàn)中可以看出，除2005年外，其他年份的LMLAG和LMERR的統(tǒng)計(jì)值均通過了5%的顯著性水平檢驗(yàn)，而且LMLAG檢驗(yàn)較LMERR檢驗(yàn)更加顯著，RLMLAG檢驗(yàn)也較RLMERR顯著，因此應(yīng)建立空間滯后模型。
4.2 空間滯后模型估計(jì)
估計(jì)結(jié)果如表3所示。
對比表2和表3中的估計(jì)結(jié)果，可以看出采用空間滯后模型后的估計(jì)結(jié)果整體上要好于采用空間加權(quán)最小二乘估計(jì)的結(jié)果。結(jié)果表明，碳排放對經(jīng)濟(jì)增長的影響系數(shù)
均通過了1%的顯著性水平檢驗(yàn)，經(jīng)濟(jì)增長對碳排放的彈性系數(shù)介于0.798-1053之間，也就是說碳排放每增加1%，就會引起經(jīng)濟(jì)增長增加0.798%-1053%；空間相關(guān)系數(shù)ρ除2005年外的其他年份均通過了5%的顯著性水平檢驗(yàn)，說明各省份的碳排放在空間上存在溢出效應(yīng)，各省份間的碳排放存在相互間的正向影響。
5 結(jié) 論
我國各省份的碳排放在空間分布上以及與經(jīng)濟(jì)增長都呈現(xiàn)出一定的正自相關(guān)性。碳排放量最高的省份多處于經(jīng)濟(jì)發(fā)達(dá)的沿海地區(qū)，如以北京為中心的環(huán)渤海地區(qū)，
以上海為中心的長三角地區(qū)和以廣東為核心的珠三角地
區(qū)，而次之的是經(jīng)濟(jì)較為發(fā)達(dá)的地區(qū)，如中部的山西、湖
北、湖南、江西、安徽和西南地區(qū)。此外，我國各省份的碳排放在空間分布上也存在一定的空間集群效應(yīng)，如環(huán)渤海地區(qū)就表現(xiàn)出高碳排放的空間集群效應(yīng)，而西部地區(qū)的西藏、新疆、甘肅、青海卻表現(xiàn)出低碳排放的空間集群效應(yīng)。
我國各省份的碳排放對經(jīng)濟(jì)增長有著十分顯著的影響，經(jīng)濟(jì)增長對碳排放的彈性系數(shù)約為0.8左右，說明我國經(jīng)濟(jì)對能源的依賴性較強(qiáng)，在未來很短的時期內(nèi)實(shí)行低
碳經(jīng)濟(jì)的發(fā)展模式較為困難。
(編輯：劉照勝)
參考文獻(xiàn)（References）
�。�1］徐玉高，郭元，吳宗鑫.經(jīng)濟(jì)發(fā)展、碳排放和經(jīng)濟(jì)演化［J］.環(huán)境科學(xué)進(jìn)展，1999，7（2）：54-64.［Xu Yugao,Guo Yuan,Wu Zongxin.Economic Development,Carbon Emission and Economic Evolution［J］.Advances in Environmental Science,1999，7（2）：54-64.］
［2］張雷.經(jīng)濟(jì)發(fā)展對碳排放的影響［J］.地理學(xué)報，2003，58（4）：629-637.［Zhang lEi.Economic Development and Its Bearing on CO2 Emissions［J］.Acta Geograhpica Sinica,2003，58（4）：629-637.］
［3］王中英，王禮茂.中國經(jīng)濟(jì)增長對碳排放的影響分析［J］.安全與環(huán)境學(xué)報，2006，6（5）：88-91.［Wang Zhongying,Wang Limao.Economic Growth and Its Effects on Carbon Emission in China［J］.Journal of Safety and Environment,2006，6（5）：88-91.］
�。�4］杜婷婷，毛鋒，羅銳.中國經(jīng)濟(jì)增長與CO2排放演化探析［J］.中國人口•資源與環(huán)境，2007，17（2）：94-99.［Du Tingting,Mao Feng,Luo Rui.Study on Chinas Economic Growth and CO2 Emissions［J］.China Population,Resources and Environment,2007，17（2）：94-99.］
［5］胡初枝，黃賢金，鐘太洋，等.中國碳排放特征及其動態(tài)演進(jìn)分析［J］.中國人口•資源與環(huán)境，2008，18（3）：38-42.［Hu Chuzhi,Huang Xianjin,Zhong Taiyang,et al.Character of Carbon Emission in China and Its Dynamic Development Analysis［J］.China Population,Resources and Environment,2008，18（3）：38-42.］
本文編號：8108
關(guān)鍵詞： 碳排放；經(jīng)濟(jì)增長；空間計(jì)量經(jīng)濟(jì)學(xué)
最近，關(guān)于我國碳排放與經(jīng)濟(jì)增長的關(guān)系引起了學(xué)者們的高度關(guān)注。徐玉高、郭元［1］等采用時間序列和截面數(shù)據(jù)的計(jì)量分析方法，對我國經(jīng)濟(jì)增長與碳排放的關(guān)系進(jìn)行了實(shí)證研究，認(rèn)為人均碳排放與人均GDP之間不存在庫茲涅茨曲線，人口增長和人均GDP的增加是人均碳排放增加的主要來源，而GDP能源消費(fèi)強(qiáng)度的下降則是碳排放減少的重要來源。張雷［2］的研究認(rèn)為經(jīng)濟(jì)結(jié)構(gòu)多元化的發(fā)展導(dǎo)致我國能源消費(fèi)需求增長的減緩，能源消費(fèi)結(jié)構(gòu)的多元化發(fā)展則是我國碳排放水平下降的重要因素，經(jīng)濟(jì)和能源消費(fèi)兩者結(jié)構(gòu)多元化的演進(jìn)是促使我國經(jīng)濟(jì)發(fā)展從高碳燃料為主向低碳為主方式轉(zhuǎn)變的重要途徑。王中英、王禮茂［3］對我國GDP增長與碳排放量之間的關(guān)系進(jìn)行了相關(guān)分析，表明二者存在明顯的相關(guān)性，認(rèn)為我國過分依賴投資的增長方式和以第二產(chǎn)業(yè)為主的經(jīng)濟(jì)結(jié)構(gòu)在很大程度上是導(dǎo)致溫室氣體排放量增加的主要原因。杜婷婷、毛鋒［4］等以庫茲涅茨環(huán)境曲線（EKC）及其衍生曲線為依據(jù)，對我國碳排放量與人均收入增長的時間序列數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)擬合，得出我國碳排放量與人均GDP之間呈現(xiàn)出“N型”曲線。隨后，胡處枝、黃賢金［5］等、王琛［6］等人的研究也證實(shí)了該觀點(diǎn)。高衛(wèi)東、姜巍［7］等的研究表明隨著產(chǎn)業(yè)結(jié)構(gòu)的演進(jìn)和生產(chǎn)技術(shù)進(jìn)步的加快，我國能源碳排放的增速有了明顯的減緩，從區(qū)域分布來看，東部地區(qū)碳排放經(jīng)歷了先下降后上升的過程，而西部地區(qū)碳排放則是保持上升的趨勢。也有學(xué)者從其他角度對我國的碳排放問題進(jìn)行了研究。徐國泉、劉則淵、姜照華［8］等基于碳排放恒等式，采用對數(shù)平均權(quán)重DivEisia分解法，建立了我國人均碳排放量的因素分解模型，對我國1995-2004年間，影響人均碳排放的各種因素進(jìn)行了分析，認(rèn)為經(jīng)濟(jì)發(fā)展對人均碳排放的貢獻(xiàn)率呈指數(shù)增長的態(tài)勢，能源利用效率和能源結(jié)構(gòu)對人均碳排放的貢獻(xiàn)率呈“倒U型”關(guān)系。張雷［9］認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)的演進(jìn)不僅決定著地區(qū)經(jīng)濟(jì)發(fā)展的基本狀態(tài)，而且同樣決定著國家一次能源消費(fèi)空間的基本格局；地區(qū)產(chǎn)業(yè)結(jié)構(gòu)多元化程度越是走向成熟，其一次能源消費(fèi)的增速也就越是減緩；緩慢的一次能源消費(fèi)結(jié)構(gòu)變化是難以實(shí)現(xiàn)地區(qū)碳排放增長有效控制的關(guān)鍵。
與以上學(xué)者的研究相比，本文從空間經(jīng)濟(jì)學(xué)的角度，采用空間計(jì)量經(jīng)濟(jì)學(xué)的方法對我國各省份（自治區(qū)、直轄市）的碳排放與經(jīng)濟(jì)增長之間的關(guān)系進(jìn)行了實(shí)證研究。
1 樣本數(shù)據(jù)與指標(biāo)選取
1.1 樣本數(shù)據(jù)
本文采用的空間樣本數(shù)據(jù)是除了我國臺灣省和香港、澳門特別行政區(qū)外的大陸31個省、自治區(qū)和直轄市。樣本區(qū)間為2005-2008年，數(shù)據(jù)主要來源于《新中國六十年統(tǒng)計(jì)資料匯編》，部分?jǐn)?shù)據(jù)來源于各省份統(tǒng)計(jì)年鑒及統(tǒng)計(jì)公報、《中國能源統(tǒng)計(jì)年鑒》。
1.2 指標(biāo)選取
1.2.1 國內(nèi)生產(chǎn)總值
本文采用國內(nèi)生產(chǎn)總值（GDP）來衡量各省份的經(jīng)濟(jì)發(fā)展水平，以1978年為基期，單位為億元。
1.2.2 碳排放量
由于目前我國沒有碳排放量的直接監(jiān)測數(shù)據(jù)，而且關(guān)于碳排放量的計(jì)算學(xué)術(shù)界也沒有一個統(tǒng)一的標(biāo)準(zhǔn)，因而大部分的研究都是基于對能源消費(fèi)的測算得來。本文采用了兩種方法來計(jì)算各省份的碳排放量，分別是Kaya碳排放恒等式法和碳的化學(xué)燃燒公式法。
Kaya碳排放恒等式［10-11］是由日本學(xué)者Yoichi Kaya于1989年在聯(lián)合國政府間氣候變化專門委員會（IPCC）研討會上提出的，該等式通過一種簡單的數(shù)學(xué)公式將經(jīng)濟(jì)、人口和政策等因素與人類活動產(chǎn)生的二氧化碳建立起了一種數(shù)學(xué)聯(lián)系，基本公式是：
C=∑ni=1[DD)]Ci=∑ni=1[DD)]EiE×CiEi×EY×YP×P i=1,2,K n（1）
其中，C表示總的碳排放量；i表示所消費(fèi)能源的種類；Ci為第i種能源的碳排放量；E表示一次能源的消費(fèi)量；Ei為對第i種能源的消費(fèi)量；Y表示國內(nèi)生產(chǎn)總值（GDP）；P為人口數(shù)量。
由（1）可分析出幾個影響碳排放的因素，并給出如下的定義：能源結(jié)構(gòu)因素Si=EiE表示對第i種能源的消費(fèi)在一次能源消費(fèi)中所占的比重；各類能源的排放強(qiáng)度Fi=CiEi表示消費(fèi)單位第i種能源的碳排放量；能源效率因素I=EY表示單位GDP的能源消耗量（可以理解為GDP的能源消耗系數(shù)）；經(jīng)濟(jì)發(fā)展因素R=YP表示人均GDP。因此，式（1）可簡化為C=∑ni=1[DD)]Ci=∑ni=1[DD)]Si×Fi×I×R×P(i=1,2，K n)，這樣一個地區(qū)的碳排放量就和該地區(qū)的能源結(jié)構(gòu)因素、各類能源的排放強(qiáng)度、能源利用效率、經(jīng)濟(jì)發(fā)展因素以及人類的活動聯(lián)系到了一起。
碳排放計(jì)算的第二種方法使用了碳的化學(xué)燃燒公式：C+O2=CO2，在該過程中，碳的燃燒值約為34 070 kj/kg，而每噸標(biāo)準(zhǔn)煤釋放的熱量為7 000千卡，即約為29 302 kj，于是就可以粗略地計(jì)算出每噸標(biāo)準(zhǔn)煤完全燃燒釋放出的二氧化碳。
但是考慮到第二種方法中標(biāo)準(zhǔn)煤的碳含量、含有硫、氮等元素、不完全燃燒等因素，最后本文采用兩種方法所計(jì)算出的每噸標(biāo)準(zhǔn)煤的碳排放系數(shù)介于2.277和2.72之間，取兩者的算術(shù)平均數(shù)作為每噸標(biāo)準(zhǔn)煤的碳排放系數(shù)，為2.499。本文用各省份的能源消費(fèi)總量（單位為萬噸標(biāo)準(zhǔn)煤）乘以每噸標(biāo)準(zhǔn)煤的碳排放系數(shù)得到碳排放量，單位為萬噸，用carbon表示。
1.2.3 勞動力投入量
本文中勞動力投入量選取的是各省份的就業(yè)人員數(shù)，單位為萬人，用labor表示。
2 實(shí)證方法與模型設(shè)定
2.1 空間效應(yīng)檢驗(yàn)
空間效應(yīng)［12］（Spatial Effects）是指各地區(qū)間的經(jīng)濟(jì)地理行為之間一般都存在的一定程度的空間相互作用，分為空間依賴性（Spatial Dependence，也叫空間自相關(guān)性（Spatial Autocorrelation））和空間異質(zhì)性�？臻g依賴性意味著空間上的觀測值之間缺乏獨(dú)立性，也意味著空間相關(guān)的強(qiáng)度及模式由空間的絕對位置（格局）和相對位置（距離）共同來決定�？臻g異質(zhì)性是指地理空間上的區(qū)域缺乏均質(zhì)性，也即存在中心和外圍地區(qū)、核心和邊緣地區(qū)、發(fā)達(dá)和落后地區(qū)等經(jīng)濟(jì)地理結(jié)構(gòu)，從而導(dǎo)致經(jīng)濟(jì)社會發(fā)展存在較大的空間差異性。本文主要采用全域空間相關(guān)性檢驗(yàn)和局域空間相關(guān)性檢驗(yàn)來檢驗(yàn)我國各地區(qū)碳排放的空間效應(yīng)。
2.1.1 全域空間相關(guān)性檢驗(yàn)
全域空間相關(guān)性又稱全域空間自相關(guān)（Global Spatial Autocorrelation），是指從區(qū)域空間的整體上刻畫區(qū)域碳排放空間分布的集群情況。這里主要采用Morans I指數(shù)法來對我國碳排放的全域空間相關(guān)性進(jìn)行檢驗(yàn)。全域Morans I指數(shù)定義是：
Morans I=∑ni=1∑nj=1Wij(Yi-Y)(Yj-Y)
S2∑ni=1∑nj=1Wij(2)
其中，S2=1n∑ni=1(Yi-Y)，Y=1n∑ni=1Yi，Yi表示第i地區(qū)的觀測值（如本文中的碳排放），n為地區(qū)總數(shù)（在本文中為31個省份），Wij為二進(jìn)制的臨近空間權(quán)值矩陣，用以定義空間對象的相互臨近關(guān)系。
全域Morans I的取值范圍介于-1-1之間，若其數(shù)值大于0，說明空間存在正自相關(guān)，數(shù)值越大說明空間分布的正自相關(guān)性越強(qiáng)；若其數(shù)值小于0，說明空間相鄰的單元之間不具有相似的屬性，數(shù)值越小則說明各空間單元的差異性越大；若其數(shù)值為0，則說明該空間服從隨機(jī)分布。
通過繪制空間相關(guān)關(guān)系系數(shù)的Morans I散點(diǎn)圖，可以將碳排放分為四個象限，分別用以識別各個省份與其他臨近省份之間的相互關(guān)系：右上方為第一象限，表示高碳排放的省份被高碳排放的其他省份所包圍（H-H，高-高）；左上方為第二象限，表示低碳排放的省份被高碳排放的其他省份所包圍（L-H，低-高）；左下方為第三象限，表示低碳排放的省份被低碳排放的其他省份所包圍（L-L，低-低）：右下方為第四象限，表示高碳排放的省份被低碳排放的其他省份所包圍（H-L，高-低）。第一、三象限為正的空間自相關(guān)關(guān)系，表示相似碳排放省份之間的空間關(guān)聯(lián)；而第二、四象限為負(fù)的空間自相關(guān)關(guān)系，表示不同碳排放省份之間的空間關(guān)聯(lián)，如果各省份碳排放均勻地分布于四個象限之內(nèi)，則說明各省份之間不存在空間相關(guān)關(guān)系。
2.1.2 局域空間相關(guān)性檢驗(yàn)
局域空間相關(guān)性又稱為空間關(guān)聯(lián)局域指標(biāo)（Local Indicators of Spatial Association,LISA）,它是探索性空間數(shù)據(jù)分析的重要組成部分。Anselin［13］認(rèn)為LISA分析應(yīng)該滿足兩個條件：每個空間單元的LISA描述了在一定顯著性條件下，圍繞該空間單元的其他相似空間單元之間所具有的空間集群程度；所有空間單元的LISA之和與對應(yīng)的全域空間相關(guān)性指標(biāo)成比例。對于局域空間相關(guān)性的分析主要包括局域Morans I指數(shù)和局域Geary指數(shù)，本文采用的是局域Morans I指數(shù)，定義為：
Morans Ii=Zi∑nj=1WijZj (i≠j)（3）
其中，Zi=xi-x、Zj=xj-x分別表示觀測值與均值的離差，xi表示空間單元i的觀測值，Wij表示空間權(quán)值矩陣，因此Morans I就可以表示為空間單元i的觀測值的離差Zi與其相臨近的空間單元j的觀測值離差的加權(quán)平均值的乘積。
局域Morans I指數(shù)還可以定義為：
Morans Ii=(zim)∑[DD(X]jwijzj(i≠j)（4）
其中m表示空間觀測單元的數(shù)量，若Morans Ii值為正，則說明該空間單元周圍存在相似的空間集群；若Morans Ii值為負(fù)，則說明該空間單元周圍存在非相似的空間集群。
Z(Morans Ii)=Morans Ii-E(Morans Ii)[KF(]VAR(Morans Ii)[KF)]（5）
其中，E(Morans Ii)表示局域Morans Ii值的期望值，VAR(Morans Ii)表示局域Morans Ii值的方差。利用公式（5）就可以對局域空間相關(guān)性進(jìn)行顯著性檢驗(yàn)。
2.1.3 空間權(quán)值矩陣的選擇
本文主要采用的是各省份的相關(guān)數(shù)據(jù)，而且相鄰省份間有共同的邊界，因此，采取K值最臨近空間權(quán)值矩陣（KNearest NEighbor Spatial Weights）。 2.2 空間模型
2.2.1 空間滯后模型
空間滯后模型主要是探討各變量在一地區(qū)是否具有擴(kuò)散效應(yīng)（或溢出效應(yīng)）。模型為：
Y=ρWy+Xβ+ε（6）
其中，Y為被解釋變量；X為n×k的外生解釋變量矩陣；ρ為空間回歸系數(shù)，它反映了空間單元之間的相互關(guān)系，也就是說相鄰空間單元對本空間單元的影響程度（該影響程度為矢量，具有一定的方向性）；W為n×n的空間權(quán)值矩陣，Wy為空間權(quán)值矩陣W的空間滯后因變量；ε為隨機(jī)誤差向量。參數(shù)β主要反映了自變量X對因變量Y的影響，空間滯后因變量Wy是一內(nèi)生變量，反映了空間距離對各空間單元之間的作用。
2.2.2 空間誤差模型
該模型為：
Y=Xβ+ε（7）
ε=λWε+u（8）
其中，Y為因變量；X為n×k的外生解釋變量矩陣；W為n×n的空間權(quán)值矩陣；ε為隨機(jī)誤差向量；u為正態(tài)分布的隨機(jī)誤差向量；參數(shù)β為自變量X對因變量Y的影響系數(shù)，λ為因變量向量的空間誤差系數(shù)。
2.3 計(jì)量模型的設(shè)定
lngdp=C+α1lncarbon+α2lnlabor+ε（9）
其中，lngdp、lncarbon和lnlabor分別表示各省份的GDP、碳排放和勞動力的自然對數(shù)；C表示常數(shù)項(xiàng)；α1和α2分布為相關(guān)的回歸系數(shù)；ε為隨機(jī)誤差項(xiàng)。
3 我國碳排放的空間格局及其集群現(xiàn)象
為了對我國各省份碳排放的空間格局和集群現(xiàn)象有一個更好的描述，本節(jié)以31個省份為空間單元，以2005—2008年各省份的碳排放及其平均數(shù)作為衡量指標(biāo)，首先從宏觀的角度分析了碳排放分布的空間格局；其次，采用全域空間相關(guān)性指數(shù)Morans I及局域Morans I散點(diǎn)圖對各省份的碳排放在空間上是否存在自相關(guān)及集群現(xiàn)象進(jìn)行了檢驗(yàn)；再次，用局域空間相關(guān)性分析方法（LISA分析）對各省份碳排放的空間格局和集群現(xiàn)象進(jìn)行了更加深入的分析，以揭示相鄰省份碳排放之間的空間關(guān)系；最后，用空間加權(quán)回歸的方法對碳排放、勞動力與經(jīng)濟(jì)增長之間的關(guān)系進(jìn)行了實(shí)證分析。
3.1 碳排放的空間分布描述
從宏觀的角度對各省份碳排放的空間分布進(jìn)行描述性分析，可以清楚地看出各省份的碳排放在三個不同時段的空間分布呈現(xiàn)出一種明顯的空間格局，就是碳排放量較高的省份大多處于沿海地區(qū)，尤其是以北京為核心的環(huán)渤海地區(qū)、以上海為中心的長三角地區(qū)和以廣東為核心的珠三角地區(qū)。這表明，我們各省份的碳排放存在一定的空間集群現(xiàn)象，主要的高碳排放集群有內(nèi)蒙古、河北、遼寧、山東、河南集群，上海、江蘇、浙江集群，廣東珠三角集群；還有可能會出現(xiàn)一些中等程度的集群，如湖北、湖南、安徽集群，東北的黑龍江，西南的四川、貴州等地區(qū)；
主要的低碳排放集群有西藏、青海、甘肅、寧夏集群，西南的重慶，江西和海南。
3.2 碳排放的空間自相關(guān)及集群現(xiàn)象檢驗(yàn)
采用全域空間相關(guān)性指數(shù)Morans I及局域Morans I散點(diǎn)圖對各省份的碳排放在空間上是否存在自相關(guān)及集群現(xiàn)象進(jìn)行了檢驗(yàn)。
由表1可以看出，在5%的顯著性水平下，2005-2008年間各省份的碳排放及其平均值表現(xiàn)出較強(qiáng)的自相關(guān)性，這說明在2005-2008年的樣本期間內(nèi)，各省份的碳排放呈現(xiàn)出一種集群的趨勢，即碳排放相對較高的省份傾向于與其他具有較高碳排放的省份相鄰近，而碳排放較低的省份傾向于與其他具有較低碳排放的省份相鄰近。
圖1-圖4是Morans I散點(diǎn)分布圖，可以看出，我國各省份碳排放表現(xiàn)出共同的空間分布特征，即各省份的碳排放在空間上呈現(xiàn)出正的自相關(guān)性。
2005年有7個省份位于第一象限，分別為：內(nèi)蒙古、河北、山西、遼寧、山東、江蘇和浙江，表現(xiàn)出高-高（H-H）的正自相關(guān)關(guān)系集群；黑龍江、吉林、北京、天津、陜西、安徽和海南等7個省份位于第二象限，表現(xiàn)出低-高（L-H）的負(fù)自相關(guān)關(guān)系集群；新疆、青海、西藏、甘肅、寧夏、重慶、貴州、云南、江西和福建等10個省份位于第三象限，表現(xiàn)出低-低（L-L）的空間自相關(guān)關(guān)系；河南、湖北、湖南、廣東和四川等5個省份位于第四象限，表現(xiàn)出高-低（H-L）的空間自相關(guān)關(guān)系。上海同時橫跨了第一、二象限，廣西同時橫跨了第二、三象限。
2008年內(nèi)蒙古、河北、吉林、山西、山東、江蘇、浙江等7個省份位于第一象限，表現(xiàn)出高-高（H-H）正的空間自相關(guān)關(guān)系；黑龍江、吉林、北京、天津、陜西、安徽、上海、
海南等8省份位于第二象限，表現(xiàn)出低-高（L-H）負(fù)的空間自相關(guān)關(guān)系；新疆、青海、西藏、甘肅、寧夏、重慶、貴州、云南、江西、福建等10個省份位于第三象限，表現(xiàn)出低-低（L-L）的空間自相關(guān)關(guān)系；河南、湖北、湖南、廣東、四川等5省份位于第四象限，表現(xiàn)出低-低（L-L）的空間自相關(guān)關(guān)系。廣西同時橫跨第二、三象限。
比較期初的2005年和期末的2008年的Morans I散點(diǎn)圖，可以發(fā)現(xiàn)：2005年和2008年都有17個省份表現(xiàn)出正向的空間相關(guān)關(guān)系，其中有7個省份位于第一象限，10個省份位于第三象限；2005年有12個省份表現(xiàn)出不相似的空間分布，其中有7個省份位于第二象限，5個省份位于第四象限；2008年有13個省份表現(xiàn)出不相似的空間分布，其中8個省份位于第二象限，5個省份位于第四象限。
3.3 碳排放的局域空間相關(guān)性
采用局域空間相關(guān)性分析方法（LISA分析）對各省份碳排放的空間格局和集群現(xiàn)象進(jìn)行更深入的分析，以彌補(bǔ)全域空間相關(guān)性分析方法的不足。結(jié)果顯示，2005年和2008年河北、河南2個省份均通過了5%的顯著性水平，山東、安徽、海南、四川、新疆等5個省份通過了1%的顯著性水平；而2005-2008年中，有河北、河南和安徽三個省份通過了5%的顯著性水平，山東、四川、海南和西藏四個省份通過了1%的顯著性水平檢驗(yàn)。
以北京為中心的環(huán)渤海地區(qū)傾向于分布于第一象限，呈現(xiàn)出高碳排放的空間分布態(tài)勢，與其他省份呈現(xiàn)出空間正相關(guān)關(guān)系；安徽和海南分布于第二象限，呈現(xiàn)出低碳排放的省份被其他高碳排放的省份所包圍；西藏始終分布于第三象限，是低碳排放的地區(qū)，與其他省份呈現(xiàn)出空間負(fù)相關(guān)關(guān)系；西南的四川始終位于第四象限，屬于高碳排放的省份被其他低碳排放的省份所包圍。
4 實(shí)證分析
4.1 空間加權(quán)的最小二乘估計(jì)
本文采取空間加權(quán)的方法對樣本期間內(nèi)的我國各省份經(jīng)濟(jì)增長與碳排放、勞動力之間的關(guān)系進(jìn)行最小二乘估計(jì)，結(jié)果如表2所示。
樣本期間內(nèi)碳排放對經(jīng)濟(jì)增長的影響系數(shù)都通過了1%的顯著性水平檢驗(yàn)，這說明碳排放對經(jīng)濟(jì)增長的影響是顯著的。經(jīng)濟(jì)增長對碳排放的彈性系數(shù)介于0.81-1.045之間，也就是說碳排放每增加1%就會引起經(jīng)濟(jì)增長增加0.81%-1.045%，而且模型的擬合程度較好。
從空間依賴性檢驗(yàn)中可以看出，除2005年外，其他年份的LMLAG和LMERR的統(tǒng)計(jì)值均通過了5%的顯著性水平檢驗(yàn)，而且LMLAG檢驗(yàn)較LMERR檢驗(yàn)更加顯著，RLMLAG檢驗(yàn)也較RLMERR顯著，因此應(yīng)建立空間滯后模型。
4.2 空間滯后模型估計(jì)
估計(jì)結(jié)果如表3所示。
對比表2和表3中的估計(jì)結(jié)果，可以看出采用空間滯后模型后的估計(jì)結(jié)果整體上要好于采用空間加權(quán)最小二乘估計(jì)的結(jié)果。結(jié)果表明，碳排放對經(jīng)濟(jì)增長的影響系數(shù)
均通過了1%的顯著性水平檢驗(yàn)，經(jīng)濟(jì)增長對碳排放的彈性系數(shù)介于0.798-1053之間，也就是說碳排放每增加1%，就會引起經(jīng)濟(jì)增長增加0.798%-1053%；空間相關(guān)系數(shù)ρ除2005年外的其他年份均通過了5%的顯著性水平檢驗(yàn)，說明各省份的碳排放在空間上存在溢出效應(yīng)，各省份間的碳排放存在相互間的正向影響。
5 結(jié) 論
我國各省份的碳排放在空間分布上以及與經(jīng)濟(jì)增長都呈現(xiàn)出一定的正自相關(guān)性。碳排放量最高的省份多處于經(jīng)濟(jì)發(fā)達(dá)的沿海地區(qū)，如以北京為中心的環(huán)渤海地區(qū)，
以上海為中心的長三角地區(qū)和以廣東為核心的珠三角地
區(qū)，而次之的是經(jīng)濟(jì)較為發(fā)達(dá)的地區(qū)，如中部的山西、湖
北、湖南、江西、安徽和西南地區(qū)。此外，我國各省份的碳排放在空間分布上也存在一定的空間集群效應(yīng)，如環(huán)渤海地區(qū)就表現(xiàn)出高碳排放的空間集群效應(yīng)，而西部地區(qū)的西藏、新疆、甘肅、青海卻表現(xiàn)出低碳排放的空間集群效應(yīng)。
我國各省份的碳排放對經(jīng)濟(jì)增長有著十分顯著的影響，經(jīng)濟(jì)增長對碳排放的彈性系數(shù)約為0.8左右，說明我國經(jīng)濟(jì)對能源的依賴性較強(qiáng)，在未來很短的時期內(nèi)實(shí)行低
碳經(jīng)濟(jì)的發(fā)展模式較為困難。
(編輯：劉照勝)
參考文獻(xiàn)（References）
�。�1］徐玉高，郭元，吳宗鑫.經(jīng)濟(jì)發(fā)展、碳排放和經(jīng)濟(jì)演化［J］.環(huán)境科學(xué)進(jìn)展，1999，7（2）：54-64.［Xu Yugao,Guo Yuan,Wu Zongxin.Economic Development,Carbon Emission and Economic Evolution［J］.Advances in Environmental Science,1999，7（2）：54-64.］
［2］張雷.經(jīng)濟(jì)發(fā)展對碳排放的影響［J］.地理學(xué)報，2003，58（4）：629-637.［Zhang lEi.Economic Development and Its Bearing on CO2 Emissions［J］.Acta Geograhpica Sinica,2003，58（4）：629-637.］
［3］王中英，王禮茂.中國經(jīng)濟(jì)增長對碳排放的影響分析［J］.安全與環(huán)境學(xué)報，2006，6（5）：88-91.［Wang Zhongying,Wang Limao.Economic Growth and Its Effects on Carbon Emission in China［J］.Journal of Safety and Environment,2006，6（5）：88-91.］
�。�4］杜婷婷，毛鋒，羅銳.中國經(jīng)濟(jì)增長與CO2排放演化探析［J］.中國人口•資源與環(huán)境，2007，17（2）：94-99.［Du Tingting,Mao Feng,Luo Rui.Study on Chinas Economic Growth and CO2 Emissions［J］.China Population,Resources and Environment,2007，17（2）：94-99.］
［5］胡初枝，黃賢金，鐘太洋，等.中國碳排放特征及其動態(tài)演進(jìn)分析［J］.中國人口•資源與環(huán)境，2008，18（3）：38-42.［Hu Chuzhi,Huang Xianjin,Zhong Taiyang,et al.Character of Carbon Emission in China and Its Dynamic Development Analysis［J］.China Population,Resources and Environment,2008，18（3）：38-42.］
本文編號：8108
本文鏈接：http://www.lk138.cn/jingjilunwen/jiliangjingjilunwen/8108.html
最近更新
教材專著
