基于空間計(jì)量經(jīng)濟(jì)學(xué)的碳排放與經(jīng)濟(jì)增長(zhǎng)相關(guān)性分析
發(fā)布時(shí)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(duì)我國(guó)各省份的經(jīng)濟(jì)增長(zhǎng)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(guó)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(zhǎng)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(guó)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(zhǎng)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(guó)目前的經(jīng)濟(jì)增長(zhǎng)對(duì)碳排放的依賴性較強(qiáng)，經(jīng)濟(jì)增長(zhǎng)對(duì)碳排放的彈性系數(shù)約為08左右，說明在未來的短時(shí)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(zhǎng)；空間計(jì)量經(jīng)濟(jì)學(xué)
最近，關(guān)于我國(guó)碳排放與經(jīng)濟(jì)增長(zhǎng)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(shí)間序列和截面數(shù)據(jù)的計(jì)量分析方法，對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)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(kù)茲涅茨曲線，人口增長(zhǎng)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(guó)能源消費(fèi)需求增長(zhǎng)的減緩，能源消費(fèi)結(jié)構(gòu)的多元化發(fā)展則是我國(guó)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(guó)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(duì)我國(guó)GDP增長(zhǎng)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(guó)過分依賴投資的增長(zhǎng)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(kù)茲涅茨環(huán)境曲線（EKC）及其衍生曲線為依據(jù)，對(duì)我國(guó)碳排放量與人均收入增長(zhǎng)的時(shí)間序列數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)擬合，得出我國(guó)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(guó)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(shì)。也有學(xué)者從其他角度對(duì)我國(guó)的碳排放問題進(jìn)行了研究。徐國(guó)泉、劉則淵、姜照華［8］等基于碳排放恒等式，采用對(duì)數(shù)平均權(quán)重DivEisia分解法，建立了我國(guó)人均碳排放量的因素分解模型，對(duì)我國(guó)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(duì)人均碳排放的貢獻(xiàn)率呈指數(shù)增長(zhǎng)的態(tài)勢(shì)，能源利用效率和能源結(jié)構(gòu)對(duì)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(guó)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(zhǎng)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(duì)我國(guó)各省份（自治區(qū)、直轄市）的碳排放與經(jīng)濟(jì)增長(zhǎng)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(guó)臺(tái)灣省和香港、澳門特別行政區(qū)外的大陸31個(gè)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(guó)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(bào)、《中國(guó)能源統(tǒng)計(jì)年鑒》。
1.2 指標(biāo)選取
1.2.1 國(guó)內(nèi)生產(chǎn)總值
本文采用國(guó)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(guó)沒有碳排放量的直接監(jiān)測(cè)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(gè)統(tǒng)一的標(biāo)準(zhǔn)，因而大部分的研究都是基于對(duì)能源消費(fèi)的測(cè)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(guó)政府間氣候變化專門委員會(huì)（IPCC）研討會(huì)上提出的，該等式通過一種簡(jiǎn)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(dòng)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(duì)第i種能源的消費(fèi)量；Y表示國(guó)內(nèi)生產(chǎn)總值（GDP）；P為人口數(shù)量。
由（1）可分析出幾個(gè)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(duì)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(jiǎn)化為C=∑ni=1[DD)]Ci=∑ni=1[DD)]Si×Fi×I×R×P(i=1,2，K n)，這樣一個(gè)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(dòng)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(dòng)力投入量
本文中勞動(dòng)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(cè)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(duì)位置（格局）和相對(duì)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(huì)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(guó)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(duì)我國(guó)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(cè)值（如本文中的碳排放），n為地區(qū)總數(shù)（在本文中為31個(gè)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(duì)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(gè)象限，分別用以識(shí)別各個(gè)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(gè)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L(zhǎng)ISA分析應(yīng)該滿足兩個(gè)條件：每個(gè)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(duì)應(yīng)的全域空間相關(guān)性指標(biāo)成比例。對(duì)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(cè)值與均值的離差，xi表示空間單元i的觀測(cè)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(cè)值的離差Zi與其相臨近的空間單元j的觀測(cè)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(cè)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(duì)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(duì)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(duì)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(duì)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(duì)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(dòng)力的自然對(duì)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(guó)碳排放的空間格局及其集群現(xiàn)象
為了對(duì)我國(guó)各省份碳排放的空間格局和集群現(xiàn)象有一個(gè)更好的描述，本節(jié)以31個(gè)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(duì)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(duì)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(duì)碳排放、勞動(dòng)力與經(jīng)濟(jì)增長(zhǎng)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(duì)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(gè)不同時(shí)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(zhǎng)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(huì)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(duì)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(shì)，即碳排放相對(duì)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(guó)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(gè)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(gè)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(gè)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(gè)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(shí)橫跨了第一、二象限，廣西同時(shí)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(gè)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(gè)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(shí)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(gè)省份表現(xiàn)出正向的空間相關(guān)關(guān)系，其中有7個(gè)省份位于第一象限，10個(gè)省份位于第三象限；2005年有12個(gè)省份表現(xiàn)出不相似的空間分布，其中有7個(gè)省份位于第二象限，5個(gè)省份位于第四象限；2008年有13個(gè)省份表現(xiàn)出不相似的空間分布，其中8個(gè)省份位于第二象限，5個(gè)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(duì)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(gè)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(gè)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(gè)省份通過了5%的顯著性水平，山東、四川、海南和西藏四個(gè)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(shì)，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(duì)樣本期間內(nèi)的我國(guó)各省份經(jīng)濟(jì)增長(zhǎng)與碳排放、勞動(dòng)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(duì)經(jīng)濟(jì)增長(zhǎng)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(duì)經(jīng)濟(jì)增長(zhǎng)的影響是顯著的。經(jīng)濟(jì)增長(zhǎng)對(duì)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(huì)引起經(jīng)濟(jì)增長(zhǎng)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(duì)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(duì)經(jīng)濟(jì)增長(zhǎng)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(zhǎng)對(duì)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(huì)引起經(jīng)濟(jì)增長(zhǎng)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(guó)各省份的碳排放在空間分布上以及與經(jīng)濟(jì)增長(zhǎng)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(zhǎng)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(guó)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(guó)各省份的碳排放對(duì)經(jīng)濟(jì)增長(zhǎng)有著十分顯著的影響，經(jīng)濟(jì)增長(zhǎng)對(duì)碳排放的彈性系數(shù)約為0.8左右，說明我國(guó)經(jīng)濟(jì)對(duì)能源的依賴性較強(qiáng)，在未來很短的時(shí)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(duì)碳排放的影響［J］.地理學(xué)報(bào)，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(guó)經(jīng)濟(jì)增長(zhǎng)對(duì)碳排放的影響分析［J］.安全與環(huán)境學(xué)報(bào)，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(guó)經(jīng)濟(jì)增長(zhǎng)與CO2排放演化探析［J］.中國(guó)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(guó)碳排放特征及其動(dòng)態(tài)演進(jìn)分析［J］.中國(guó)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(hào)：8108
關(guān)鍵詞： 碳排放；經(jīng)濟(jì)增長(zhǎng)；空間計(jì)量經(jīng)濟(jì)學(xué)
最近，關(guān)于我國(guó)碳排放與經(jīng)濟(jì)增長(zhǎng)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(shí)間序列和截面數(shù)據(jù)的計(jì)量分析方法，對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)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(kù)茲涅茨曲線，人口增長(zhǎng)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(guó)能源消費(fèi)需求增長(zhǎng)的減緩，能源消費(fèi)結(jié)構(gòu)的多元化發(fā)展則是我國(guó)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(guó)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(duì)我國(guó)GDP增長(zhǎng)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(guó)過分依賴投資的增長(zhǎng)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(kù)茲涅茨環(huán)境曲線（EKC）及其衍生曲線為依據(jù)，對(duì)我國(guó)碳排放量與人均收入增長(zhǎng)的時(shí)間序列數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)擬合，得出我國(guó)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(guó)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(shì)。也有學(xué)者從其他角度對(duì)我國(guó)的碳排放問題進(jìn)行了研究。徐國(guó)泉、劉則淵、姜照華［8］等基于碳排放恒等式，采用對(duì)數(shù)平均權(quán)重DivEisia分解法，建立了我國(guó)人均碳排放量的因素分解模型，對(duì)我國(guó)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(duì)人均碳排放的貢獻(xiàn)率呈指數(shù)增長(zhǎng)的態(tài)勢(shì)，能源利用效率和能源結(jié)構(gòu)對(duì)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(guó)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(zhǎng)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(duì)我國(guó)各省份（自治區(qū)、直轄市）的碳排放與經(jīng)濟(jì)增長(zhǎng)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(guó)臺(tái)灣省和香港、澳門特別行政區(qū)外的大陸31個(gè)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(guó)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(bào)、《中國(guó)能源統(tǒng)計(jì)年鑒》。
1.2 指標(biāo)選取
1.2.1 國(guó)內(nèi)生產(chǎn)總值
本文采用國(guó)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(guó)沒有碳排放量的直接監(jiān)測(cè)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(gè)統(tǒng)一的標(biāo)準(zhǔn)，因而大部分的研究都是基于對(duì)能源消費(fèi)的測(cè)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(guó)政府間氣候變化專門委員會(huì)（IPCC）研討會(huì)上提出的，該等式通過一種簡(jiǎn)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(dòng)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(duì)第i種能源的消費(fèi)量；Y表示國(guó)內(nèi)生產(chǎn)總值（GDP）；P為人口數(shù)量。
由（1）可分析出幾個(gè)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(duì)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(jiǎn)化為C=∑ni=1[DD)]Ci=∑ni=1[DD)]Si×Fi×I×R×P(i=1,2，K n)，這樣一個(gè)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(dòng)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(dòng)力投入量
本文中勞動(dòng)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(cè)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(duì)位置（格局）和相對(duì)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(huì)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(guó)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(duì)我國(guó)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(cè)值（如本文中的碳排放），n為地區(qū)總數(shù)（在本文中為31個(gè)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(duì)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(gè)象限，分別用以識(shí)別各個(gè)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(gè)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L(zhǎng)ISA分析應(yīng)該滿足兩個(gè)條件：每個(gè)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(duì)應(yīng)的全域空間相關(guān)性指標(biāo)成比例。對(duì)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(cè)值與均值的離差，xi表示空間單元i的觀測(cè)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(cè)值的離差Zi與其相臨近的空間單元j的觀測(cè)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(cè)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(duì)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(duì)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(duì)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(duì)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(duì)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(dòng)力的自然對(duì)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(guó)碳排放的空間格局及其集群現(xiàn)象
為了對(duì)我國(guó)各省份碳排放的空間格局和集群現(xiàn)象有一個(gè)更好的描述，本節(jié)以31個(gè)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(duì)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(duì)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(duì)碳排放、勞動(dòng)力與經(jīng)濟(jì)增長(zhǎng)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(duì)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(gè)不同時(shí)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(zhǎng)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(huì)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(duì)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(shì)，即碳排放相對(duì)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(guó)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(gè)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(gè)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(gè)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(gè)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(shí)橫跨了第一、二象限，廣西同時(shí)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(gè)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(gè)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(shí)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(gè)省份表現(xiàn)出正向的空間相關(guān)關(guān)系，其中有7個(gè)省份位于第一象限，10個(gè)省份位于第三象限；2005年有12個(gè)省份表現(xiàn)出不相似的空間分布，其中有7個(gè)省份位于第二象限，5個(gè)省份位于第四象限；2008年有13個(gè)省份表現(xiàn)出不相似的空間分布，其中8個(gè)省份位于第二象限，5個(gè)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(duì)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(gè)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(gè)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(gè)省份通過了5%的顯著性水平，山東、四川、海南和西藏四個(gè)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(shì)，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(duì)樣本期間內(nèi)的我國(guó)各省份經(jīng)濟(jì)增長(zhǎng)與碳排放、勞動(dòng)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(duì)經(jīng)濟(jì)增長(zhǎng)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(duì)經(jīng)濟(jì)增長(zhǎng)的影響是顯著的。經(jīng)濟(jì)增長(zhǎng)對(duì)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(huì)引起經(jīng)濟(jì)增長(zhǎng)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(duì)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(duì)經(jīng)濟(jì)增長(zhǎng)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(zhǎng)對(duì)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(huì)引起經(jīng)濟(jì)增長(zhǎng)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(guó)各省份的碳排放在空間分布上以及與經(jīng)濟(jì)增長(zhǎng)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(zhǎng)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(guó)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(guó)各省份的碳排放對(duì)經(jīng)濟(jì)增長(zhǎng)有著十分顯著的影響，經(jīng)濟(jì)增長(zhǎng)對(duì)碳排放的彈性系數(shù)約為0.8左右，說明我國(guó)經(jīng)濟(jì)對(duì)能源的依賴性較強(qiáng)，在未來很短的時(shí)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(duì)碳排放的影響［J］.地理學(xué)報(bào)，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(guó)經(jīng)濟(jì)增長(zhǎng)對(duì)碳排放的影響分析［J］.安全與環(huán)境學(xué)報(bào)，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(guó)經(jīng)濟(jì)增長(zhǎng)與CO2排放演化探析［J］.中國(guó)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(guó)碳排放特征及其動(dòng)態(tài)演進(jìn)分析［J］.中國(guó)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(hào)：8108
本文鏈接：http://www.lk138.cn/jingjilunwen/jiliangjingjilunwen/8108.html
最近更新
教材專著
