城市化对碳排放的影响：区域差异和制约因素

中国城市化对碳排放的影响：区域差异和制约因素城市化是一种经济和社会现代化现象，它不仅是农村地区从事农业的劳动力向城市地区工业和服务业劳动力转移，而且是一个国家和地区由传统农村社会向现代城市社会发展的结构转变过程。近年来我国经历了快速城市化过程， 据统计，1995年中国城镇化率为29.04%，2008年中国城镇化率达到45.68%，增长了16.64%，年增长率为1.28%，我国处于快速城市化发展阶段。按照目前城镇化发展速度，到2020年，中国城镇化率将达到60%左右，意味着从现在到2020年，将有大约3亿人口从农村转移到城镇生活。中国城市化进程深刻影响着中国的经济和社会发展。为了支撑这种快速城市化发展，城市基础设施建设加快，增加了资源消耗和生态压力，此外，中国城市化和工业化基本同步， 城市化进程中的工业化特征表现为高耗能产业迅速发展。这些导致中国碳排放急剧增加，根据IEA(2009)的统计数据，2007年中国消费化石燃料而排放的碳已经超过美国，成为全球第一大碳排放国。关于城市化和环境的关系的研究，近年来越来越多。一些学者认为城市化增加能源消费和碳排放(ParikhandShukla,1995;ColeandNeumayer2004;York,2007；林伯强，2010)。相反，另一些学者认为，城市化提高公共基础设施效率(如公共交通和其他设施)，降低能源消费和碳排放(NewmanandKenworthy,1989；Liddle,2004;Chenetal.,2008;)。两种相互冲突的结论，表明城市化对能源利用和碳排放之间的关系复杂，原因是所用方法和数据的不同。同时，城市化对碳排放的影响受发展阶段、产业结构、技术等其他因素制约，从而造成了城市化对碳排放的影响对所有国家和地区非同质性的，而以前很多研究都暗含同质性。通过分析城市化对碳排放影响的阶段性特点和制约因素，有利于寻求合理的发展方案和模式，破解能源和碳排放对经济发展和城市化进程的约束难。一、文献回顾与理论假说(一)文献回顾关于城市化对能源消费和碳排放的影响，各种文献一般从国家地区、城市和家庭三个层面利用不同理论方法和数据进行研究。在国家和地区层面上，横截面数据， Yorketal,(2003a,b)禾U用SIRPAT模型发现城市化对能源足迹和碳排放的正向作用。关于时间系列数据， Alametal.(2007)利用STIRPAT模型考察了巴基斯坦的城市化对碳排放的影响，认为它们之间存在正向关系； LIU(2009)也禾用发现了城市化对能源消费的正向影响，但是影响的强度在下降，主要是因为产业结构和技术的改善以及资源禾用效率的提高；林伯强等( 2010)禾用修正的Kaya恒等式，证实中国城市化对碳排放有正向影响；Parikh和Shukla(1995)证实城市化增加人均能源消费，认为城市化从三个方面影响能源消费：从传统能源消费向现代燃料转变，通过货物和服务需求增加具体能源消费，通过直接家庭和交通消费；Cole和Neumayer(2004)发现城市化导致碳排放增加；York(2007)证实即使在最先进国家，城市化也增加能源利用；相反， Mishraetal..(2009)报告，城市化和人均能源消费在NewCaledomia地区是负向关系，但在Fiji、FrenchPolynesia、SamoaandTonga地区是正向关系。在城市层面上，NewmanandKenworthy(1989)利用高收入国家的32个城市考察了城市密度和交通能源使用的关系，发现高城市密度和更低人均交通能源消费有关；Chenetal(2008)利用中国城市数据考察了城市紧凑对家庭能源使用的影响，结果是存在负向关系；Dodman(2009)发现许多富裕城市的人均碳排放低于全国平均水平原因有两个，首先是相对于那些郊区和农村地区，大多数这些城市有更密集建筑形式，更小的平均居住规模，这需要更少能源用于取暖、照明和致冷，第二个原因是，相比国家平均水平，这些城市有更广泛的公共交通体系和更低私家车水平；Khakatetal(2002)认为更高发展阶段城市(TokyoandSeoul)人均碳排放更低，相对于较低发展城市(北京，上海) 。在家庭层面上，Pachauri(2004)显示，印度城市地区的人均家庭能源需求比农村地区更高；Barnesetal.(2005)认为城市化改变人类行为组织，影响家庭能源使用模式。(二)理论假设尽管学者们对城市化和碳排放的影响进行了较深入研究。 然而，在国家和地区层面上鲜有结合不同发展阶段、产业结构、能源效率等因素分析城市化对碳排放的影响的异质性。 从低收入到中等收入转变过程中的国家和地区城市化导致能源消费和碳排放增加， 到高收入国家和地区中，能源消费和碳排放降低，从低收入到中等收入转变过程中，伴随产业发展尤其是第二产业发展，能源消费和碳排放不断增加，随着收入增加和人们对环境问题的重视，产业机构的改善和低碳能源的替代，能源消费和碳排放降低。高收入国家和地区主要面临的是居民能源消费和政府提供更完善城市公共服务带来能源消费和碳排放增加的压力。 所有这些因素都导致城市化对碳排放影响的复杂性。二、中国城镇碳排放的省际差异(一)城镇碳排放计算方法本文分析化石能源消费产生的碳排放。根据中国能源统计方法以及不同的研究对象和研究目的，各种文献采用不同的碳排放计算方法。由于没有直接完整的城镇能源消费数据，城镇文利用中国能源统计年鉴中能源平衡表中终端能源消费量估算出各省市城镇能源消费,城镇能源消费量指终端能源消费总量扣除农业生产和农村生活能源消费的部分， 具体包括终端能源消费中工业、建筑业、交通运输业、仓储业、邮电通讯业、批发和零售业、餐饮业以及城镇生活的能源消费，利用估算的城镇能源消费量可以计算出各省市碳排放量。 此外，本文不计加工转换、运输和分配过程中损失能源的碳排放。具体的计算分为两步：第一步，将各省市能源平衡表中城镇消耗的各种终端能源消费实物量转化为标准量，，实物量转化为标准量的系数采用 2008年能源统计年鉴中各种能源实物量转化为实物量的系数； 第二步，将各种能源消费标准量转化为碳排放量， 然后加总，各种碳排放系数（除了电力和热力）来源于 IPCC《国家温室气体排放清单指南》 （2006）。本文采用1995~2008年能源统计年鉴。城镇碳排放的计算公式：5 20C-' （Qij ・円） （1）i=1j=1.C表示城镇碳排放量，下标i表示终端能源消费中工业、 建筑业、交通运输和仓储及邮电通讯业、批发和零售以及餐饮业、城镇生活，下标 j表示终端能源消费中20种能源类别，Qij表示i类行业第j类能源消费实物量，二」表示第j类能源实物量转化为标准量的系数，6表示第j类能源消费标准量的碳排放系数。型捲玄養監c10*r10S）0L759O.«S5O.7S59其也E泊臥臭0JU70.S550.644?mm0.440^857m护园迁D354I汽漕0553B煤-干迁0來世累日05714其危煤灯03^48先日：5=21表一：各种能源的碳排放系数IPCC（2006）没有给出具体的电力和热力的碳排放系数，但是给出了它们的计算方法：通过计算火力发电和热力各自消耗的其他能源产生的碳排放除以电力和热力生产量得到各自碳排放系数。在中国，热力主要是区域内供热， 因此其排放的计算是根据能源平衡表中供热投入产出计算。本文计算的电力碳排放系数主要是从终端需求角度， 这和IPCC仅仅从生产角度有所不同，必须考虑普遍存在的省际间电力输入输出状况。 各省终端能源消费中电力消费碳排放系数等于本省电力消费产生的碳排放除以本省电力终端消费总量（标准量） 。在中国能源平衡表中，本省市终端电力消费量等于本省市电力生产量加上从外省市的输入量再减去本省市输出量和加工转换过程中的损失量， 据此，各省市电力消费产生的碳排放也就等于本省市火电生产的碳排放加上外省市输入电力的碳排放减去本省市输出电力的碳排放。 本省市电力生产的碳排放用能源平衡表中火力发电投入产出计算； 本省市输出电力的碳排放为本省市输出电力乘以本省市电力生产碳排放系数， 本省市电力生产碳排放系数等于本省市火力发电产生的碳排放除以本省市电力生产总量； 计算省市外输入的电力碳排放时， 由于电力来源不能确定，因此其排放采用估算：根据全国电力平衡表，计算出全国电力的总排放量， 然后除以全国的电力总生产量（包括火电、水电、核电等） ，用得出的电力排放系数计算省市外输入电力的排放量。（二）城镇碳排放的省际差异和阶段特点城镇碳排放的省际差异和阶段特点显示在表 2、图1、图2中。2008年总量（万吨碳）占终端能源需求碳排放比例（%1995~2008年2001~2008年增长率（%平均值（万吨碳）1995~2008年增长率（%1995~2001年增长率（%山东20453.47968693.7811.42.218.0河北16037.16937133.929.63.014.0江苏14075.85966401.358.81.613.9广东13228.78955804.3010.15.512.6辽宁10783.51965695.944.6-0.58.4河南11695.45925157.329.93.713.9山西9216.65944515.296.51.310.2浙江9118.38943943.9810.66.612.6内蒙古9555.91953830.9114.25.919.6湖北6622.72933261.736.41.79.5湖南6504.01903123.107.1-3.515.9上海6521.15983113.927.25.18.0四川6330.24913202.236.8-1.110.6黑龙江5502.43952999.703.90.46.3安徽5614.44942775.056.34.47.0吉林5311.63962763.824.9-2.110.6陕西4443.52942114.087.30.212.7北京3929.17951945.036.26.25.3福建4489.84931889.9811.85.315.8天津3656.01971797.736.41.99.4云南4160.24921797.4910.74.015.1贵州3761.75901682.239.46.810.2新疆3721.63911707.828.52.812.3广西3499.98971649.127.62.311.2重庆3402.83911617.618.93.810.6江西3297.17921627.166.3-1.212.2甘肃2831.94891379.676.72.19.7宁夏2216.6797885.2614.5青海933.7894404.8410.65.313.6海南619.2792257.9512.38.813.6表二：各省市城镇碳排放总量、均值、年增长率注：由于缺少2000~2002年宁夏、2002年海南、1995~1996年重庆能源平衡表，因此也缺少相应的城镇碳排放，1995~1996年重庆能源消耗包括在四川里， 重庆碳排放均值和年增长率计算均从1997年开始。西藏数据缺失，没有计算碳排放。从2008年城镇碳排放总量看，山东、河北、江苏、广东和河南的城镇碳排放位居全国前五位，江西、甘肃、宁夏、青海和海南的城镇碳排放排在全国倒数五位，排放量最多的山东是排放量最小的海南的 33倍，相差悬殊。1995~2008年各省市城镇碳排放均值排在前五位和后五位的和2008年相同，最高的山东碳排放均值是最低的海南的 29倍。从人均碳排放来看，2008年，城镇居民人均碳排放量最高的前面五个省市是宁夏、内蒙古、山西、河北和山东，最低的后五位是海南、江西、广西、四川和广东，最高的宁夏是最低的海南的 5倍多。从城镇碳排放强度来看，宁夏、内蒙古、山西、河北和新疆位居前五，浙江、广西、海南、广东和北京为倒数五位，最高的宁夏（ 8.12吨碳/万元）是最低的北京（1.45吨碳/万元）的5.6倍。从城镇碳排放增长速度来看，1995~2008年各省市城镇碳排放处于不断增加的趋势， 30省市城镇碳排放总量总体年增长率为 7.58%，但是各省市城镇碳排放增长率存在较大差异，增速最快的是宁夏，年增长率 14.5%，最低的黑龙江为3.9%，增速排名前五的有宁夏、内蒙古、海南、福建和山东，排名后五位的是黑龙江、辽宁、吉林、北京和江西。各省市城镇增长有阶段性特征。大体可以 2001年为界划分为1995~2001和2001~2008两个阶段，1995~2001年各省市城镇碳排放普遍增长缓慢，甚至负增长（辽宁、湖南、四川、吉林、江西），2001年以后，各省市城镇碳排放增长速度普遍加快。 1995~2001年，年增长率少有超

过7%的，而2001~2008年，各省市城镇碳排放增长率普遍超过 10%，内蒙古更是达到19.6%。从城镇碳排放占终端总能源需求相关碳排放的比例来看， 2008年各省市城镇碳排放总量占终端能源消费产生的碳排放的90%以上（除了甘肃为88.6%），说明城镇碳排放是碳排放的主体。9内 黑 平图一：2008年309内 黑 平图一：2008年30省市城镇居民人均碳排放（吨碳 /人）内 黑 平图二：2008年30省市城镇碳排放强度（吨碳/万元）三、城市化对城镇碳排放的影响（一）模型和方法现有大量文献从环境库兹涅茨曲线 （EKC）和分解分析方法为工具来分析碳排放和和收入、人口、结构和技术等因素之间的关系， 但是环境库兹涅茨假说把人均污染排放作为外生变量，其中暗含污染排放对人口的单位弹性的假设， 这种模型忽略了人口对污染排放的影响。分解分析方法突破了环境库兹涅茨曲线框架人口排放单一弹性的假定， 碳排放被典型地分解。但是分解分析方为规模（收入和人口）、结构（投入或产出组合）和技术效应（能源强度）

法分析人口对碳排放的影响中，多是分析人口总量的作用，忽略了人口城市化对碳排放的影响。现实是由于中国的人口控制，人口总量对碳排放的影响不大，而分析城市化的人口转移对能源和碳排放的冲击更有意义。。但是分解分析方沿着IPAT分析框架，Dietz&Rosa（1997）发展出了STIRPAT模型。STIRPAT模型保留了IPAT模型中环境影响和人口、富裕度、技术的关系的主要思想，还克服了它的一些缺点：抛弃单位弹性的假设， 加入随机性便于实证分析。 对于模型中人口因素对环境压力的影响，考虑同时引入人口总量和城市化水平两个因素。STIRPAT模型通常具有如下的形式:(2)IiP、AiTi含义和IPAT模型基本相同，模型将环境影响（^）分解为人口（Pi）(2)IiP、AiTi含义和IPAT模型基本相同，模型将环境影响（^）分解为人口（Pi）、富裕（Ai）、技术（Ti）的乘积，：•、、':是要被估计的参数,e是随机误差。实证中,方程（i）转换成对数形式:ln(Ii)a+Pln(R)+¥ln(A)+gIn(「)ln(Ii)⑵式中a、e为式（1）a和Si的自然对数。卩、'、右表示表示如果其它的影响因素维持不变时，驱动力影响因素（Pi或Ai或Ti）变化1%引起的环境影响变化百分比。STIRPAT模型容许增加其它控制因素来分析它们对环境的影响，但是增加的变量需要与式（ 2）指定的乘法形式具有概念上的一致性。本文选用STIRPAT模型分析碳排放的影响因素， 环境影响I指城镇碳排放总量，P选用城镇人口总量，为了分析城镇化对城镇碳排放的影响， 本文将城镇人口总量分解为总人口和城镇化率两个变量，代表富裕度的A城镇化率两个变量，代表富裕度的A选用城镇居民人均可支配收入，代表技术水平的用城镇能源强度。模型为In(Ii用城镇能源强度。模型为In(Ii)=〉+1In(P)+/冋化 Xi—.hWJ+ei(4)其中^代表城镇碳排放总量,Pi为人口总量，其中^代表城镇碳排放总量,Pi为人口总量，Ai表示城镇居民人均可支配收入,PUP为城镇化率，EIi为城镇能源强度。由于城镇碳排放是碳排放的主体，对城镇碳排放的分析基本上也分析了全部碳排放，此外选用城镇碳排放能够比较好地将城市化水平纳入到STIRPAT模型分析框架中，研究结果能基本上能反映城市化对全国碳排放的影响。（二）数据来源在本文的实证中采用30省市1995~2008年的面板数据。各省市城镇碳排放总量和能源消费总量计算方法前文已有阐述，各省市人口总量数据来源于历年中国人口统计年鉴，单位万人。城镇化率为城镇人口占总人口比率。官方公布的资料目前还没有2000年前连续可比的分省数据，许多学者采用不同的方法推算了相应年份的分省城市化水平，在保证截面可比、历史可比的前提下，本文1995~2000年分省城镇化率数据参考周一星等（2006）的修补数据。2001~2004年的各省城镇化率数据来源于“新中国五十五年统计资料汇编”摘录。2005~2008年各省城镇化率从2006~2009年《中国统计年鉴》中得到。1995~2008年城镇居民人均可支配收入数据来自中国统计年鉴，以1995为不变价格；没有城镇能源强度的直接数据，能源强度一般为能源消费与GDP的比值，又由于缺乏城镇GDP数据，本文的城镇能源强度采用城镇能源消费总量与城镇居民总收入的比值，城镇居民总收入等于城镇居民人均收入与城镇人口总量的乘积。（三）结果为了分析我国城市化对碳排放影响的区域差异，根据前面城镇碳排放的数据，分别按照2008年城镇碳排放总量、人均碳排放和碳强度将30省市从高到低平均分为高、中、低3组，每组10个省市，将各自面板数据代入模型（4）中进行最小二乘法估计，豪斯曼检验显示宜采用固定效应估计，估计结果在表3中。为了分析城市化对碳排放影响是否受经济发展水平、产业结构、能源利用效率等因素制约，本文分别按照2008年城镇居民人均可支配收入、城市化水平、第二产业占GDP比重和能源强度从高到低将30省市平均分为3组，每组10个省市，将各自面板数据代入模型（4）中进行最小二乘法估计，豪斯曼检验显示宜采用固定效应估计，估计结果在表 4、5中。具体分组如下，按城镇居民人均可支配收入（高：上海、北京、浙江、广东、天津、江苏、福建、山东、内蒙古、辽宁；中：重庆、广西、湖南、河北、云南、河南、湖北、安徽、宁夏、江西；低：陕西、吉林、四川、海南、山西、贵州、青海、黑龙江、新疆、甘肃），按城市化水平高低划分（高：上海、北京、天津、广东、辽宁、浙江、江苏、黑龙江、吉林、内蒙古；中：重庆、福建、山东、海南、湖北、山西、宁夏、湖南、陕西、河北；低：江西、青海、安徽、新疆、广西、四川、河南、云南、贵州、甘肃），按第二产业占GDP比重（高：山东、河北、江苏、广东、辽宁、河南、山西、浙江、内蒙古、湖北；中：湖南、上海、四

川、黑龙江、安徽、吉林、陕西、北京、贵州、新疆；低：福建、天津、云南、广西、重庆、江西、甘肃、宁夏、青海、海南），按能源强度分（高：宁夏、青海、内蒙古、新疆、山西、河北、河南、贵州、辽宁、甘肃；中：吉林、山东、湖北、云南、重庆、天津、陕西、黑龙江、四川、湖南；低：广东、广西、北京、海南、福建、上海、安徽、江苏、浙江、江西）以上高、中、低划分是国内省市之间相比较而言的。全国按城镇碳排放总量高低划分按城镇居民人均碳排放高按城镇碳强度高低划分区域区域高中低低划分区域低高中高中低c-8.8*-9.15*-9.17-9.87-8.08*-8.75*-8.53*-9.9*-10.1*-7.5*(-11.6)(-9.17)(-12.3)(-5.5)(-5.0)(-10.3)(-7.1)(-4.1)(-7.6)(-9.9)ln(P)0.99*1*0.96*1.18*0.8*0.92*0.98*1.08*1.11*0.87*(7.9)(8.85)(9.8)(4.4)(3.3)(8.4)(7.3)(2.99)(6.9)(8.7)In(PUP0.841.01*1.03*0.75*0.66*1.02*0.9*0.7*1.03*0.91*(29.9)(25.7)(23.6)(14.4)(6.5)(44.2)(20.5)(8.6)(31.1)(27.7)ln(y)0.96*0.99*1.02*0.91*1.04*1.01*0.93*1.01*0.98*0.92*(45.5)(39.8)(55.8)(16.3)(20.4)(59.1)(24.7)(17.9)(49.9)(27.1)In(Eh)0.8*0.98*1.01*0.68*0.76*0.99*0.8*0.75*0.98*0.8*(35.6)(28.4)(38.2)(17.7)(16.1)(50.6)(28.2)(16.5)(47.7)(26.0)2R0.9920.9930.9890.9760.990.9970.9960.990.9960.996F值1687.71211924.5625.9909.33092.52410.2909.72542.12410.7表三：估计结果1按城镇居民人均收入高低划分区域 按城市化水平高低划分区域高中低高中低c-8.41*-8.47*-12.1*-8.6*-8.8*-9.6*(-13.8)(-5.5)(-5.2)(-17.5)(-3.9)(-3.8)0.87*0.92*1.46*0.9*0.99*0.99*ln(Pi)(11.1)(4.8)(4.3)(14.5)(3.5)(2.8)1.04*0.93*0.75*1.03*0.90*0.73*ln(PUP)(38.1)(22.5)(12.1)(42.3)(18.2)(9.7)1.02*0.98*0.91*1.02*0.96*1.04*ln(yi)(61)(34.3)(16.5)(74.2)(26.5)(16.1)

ln(ElJ0.99*0.87*0.74*0.99*0.8*0.78*(37.8)(40.5)(16.9)(46.1)(27.7)(16.8)2R0.9960.9970.9890.9960.9970.984F值2570.12951.6859.12470.13095.6570.4表四：估计结果2按第二产业占GDP比例高低划分区域按城镇能源强度高低划分区域高中低高中低c-9.3*-8.82*-7.0*-9.1*-9.7*-6.8*(-11.6)(-5.2)(-5.8)(-3.7)(-7.7)(-9)ln(P)1.02*0.96*0.68*0.94*1.07*0.76*(10.7)(3.7)(4.1)(2.6)(6.8)(7.5)ln(PUP)1.0*0.77*0.88*0.67*0.99*0.89*(34.5)(11.1)(20.9)(8.2)(31.1)(27.6)ln(yj0.99*1.0*1.03*1.04*0.98*0.95*(59.9)(20.8)(26.7)(17.9)(46.2)(31.5)ln(eii)0.97*0.76*0.87*0.73*0.97*0.78*(37.8)(17.8)(30.3)(15.6)(47.6)(25.3)2R0.9960.9830.9940.990.9940.997F值2217.1566.81687.41002.61692.63206.6表5:估计结果3注：表3、4、5中估计系数后面括号里面是 T值，估计系数右上角*表示在1%水平上显著。从表3和表4看到，所有估计的判定系数接近 1,模型的F值也足够大，模型拟合较好，所有解释变量的估计系数均在 1%水平上显著，人口总量、城镇化率、城镇居民人均收入和能源强度的增加导致碳排放的增加。碳排放的人口弹性估计系数在 0.68~1.46之间，存在差异；碳排放的城镇化率弹性估计系数在 0.66~1.04之间，城镇化率对碳排放的影响差异明显；碳排放的城镇居民人均可支配收入弹性估计系数在 0.91~1.04之间，城镇居民人均可支配收入对碳排放的影响差异较小；碳排放的能源强度弹性估计系数在 0.68~1.01之间，能源强度对碳排放的影响存在一定差异。 就主要变量弹性系数大小比较来看， 一般来说，城镇居民人均收入的最大，城镇化率的次之，能源强度的最小。 2008年中国城镇居民人均收入、城镇化率、人口总量比1995年分别增加了106.6%、57.3%、9.6%，分别导致2008年城镇碳排放总量比1995年增加了102.3%、48.1%、9.5%；2008年中国城镇能源强度比 1995年大约降低了52.6%，导致中国城镇碳排放总量大约减少了 42.1%。由此可见，就各变量对碳排放影响来看，经济发展水平的最大，城市化次之，能源效率第三，人口总量增长影响最小，而能源效率和其他三个变量的对碳排放影响方向相反。从表3看到，按照碳排放总量、人均碳排放和碳强度的不同分类，各区域碳排放的城镇化率弹性系数存在明显差异，说明城市化对碳排放的影响都存在明显区域差异。按碳排放总量分类的，高、中组的弹性相当，大大高于低组的。按人均碳排放和碳强度分类的，三组差异明显，中组的最大，低