城镇化和大城市化与碳排放关系的实证研究

城镇化和大城市化与碳排放关系的实证研究

一城市城市化发展迅速,城市气体减排面临新的挑战温室气体排放以及由此产生的气候变化是我们时代最受挑战的问题之一，也引起了社会各界的关注。就数量而言,二氧化碳是最主要的人为温室气体,根据联合国政府间气候变化专门委员会(IntergovernmentalPanelonClimateChange,IPCC)的研究,2004年度,二氧化碳排放大约占总的人为气体排放量的76.7%。因此,减少温室气体排放的关键在于减少碳排放。碳排放受诸多因素的影响。随着新一轮城市化浪潮的出现,城市化与碳排放的关系开始引起学术界的关注。城市化不仅是劳动力从以农业为基础的农村地区向以工业和服务业为主的城市地区的转移,还涵盖了农村区域向城市区域的结构转型过程。一方面,由于城市化通常伴随着产业结构转型和对基础设施建设的大量需求,导致了大量的资源消耗,从而产生了很大的环境压力,而经济活动聚集所导致的人口集中又会加大环境质量破坏所带来的损失;另一方面,城市化促进了经济增长与技术进步及城市交通基础设施使用的规模效益,并在一定程度上减少了资源消耗和环境污染。城市化对环境正反两个方面的影响,增加了城市化与环境污染关系的复杂性。近几十年来,全球城市化进程发展迅速。世界城市人口从1975年的15.2亿增加到2007年的32.9亿,预期到2050年,全球城市人口将达64亿。快速城市化进程必将使脆弱的生态环境面临新的挑战,进而对全球温室气体减排目标的实现产生影响。鉴于此,本文以城市化与环境污染(碳排放)的关系作为研究主题,以期为相关部门的决策提供参考。二城市化与碳排放有关城市化与各种形式的环境压力,特别是关于能源消费与碳排放的关系,近年来已有学者分别从国家、城市及家庭层面,利用不同类型的数据进行了深入研究,但所得的结论并不相同。一些研究者发现,城市化增加了对能源的需求,因而引起了污染排放的增加;与此相对,另一些研究者则发现,城市化和城市人口密度提高了公共基础设施的使用效率,反而减少了能源使用和污染排放。城市化对能源消费和环境污染的正向作用是显而易见的。城市化通常伴随着现代能源对传统能源的替代及产业结构的变化,这些都将导致某些能源的消费随着城市化增长。关于城市化对能源消费和环境污染的负向作用,可从居住能源消费和交通能源消费两个方面进行分析。如果城市化同时意味着人口密度的增加,那么当更多的家庭在高层建筑中居住时,可进行集中供暖或供电,每个家庭的平均能源消费相对于独立居住而言会减少。但当今发达国家的现实是,城市化并不必然会带来居住密度的增加。以城市化水平较高的澳大利亚为例,83%的人住在单家独户的独门独院里,只有2%的人口生活在四户或更多住户的公寓里。虽然城市化对减少与居住相关的能源消费和污染排放的作用并不明显,但已有研究显示,城市化的确减少了与交通相关的能源消费。城市化过程中,人口密度的提高可能会导致交通能源的消耗减少。这主要是因为运输需求与人口的空间分布相关,更密集的人口密度将导致人们更多地使用公共交通工具,从而减少人均交通能源的消耗。正是从这个角度出发,里德尔(Liddle)通过对23个国际能源署成员国面板数据的研究发现,城市化进程和人均道路能源使用量之间呈负相关关系。而美国能源部能源信息署公布的数据也显示,至少在美国,城市家庭比农村家庭开车更少。尽管城市化与能源使用和二氧化碳排放量的关系已经得到了广泛的研究,但很少有研究注意到发展阶段或收入水平的差异带来的影响。大部分研究隐含的假设都认为,城市化对环境污染的影响对所有国家(地区)是同质的,这一假设显然值得商榷。事实上早在上世纪90年代,皮尔斯(Pearce)就根据城市发展的不同阶段(起飞、膨胀、顶峰、下降和低谷等)分析了所出现的主要资源环境问题,并由此提出了著名的城市发展阶段环境对策模型,认为城市发展与资源环境之间存在着一种相互作用的时序特征。为比较城市化的阶段特征对城市化与环境污染关系的影响,坡玛利仿(Poumanyvong)和肯尼彀(Kaneko)使用STIRPAT模型,基于1975-2005年99个国家的面板数据,研究了不同收入组国家城市化与能源使用和碳排放的关系。其结果表明,城市化对能源使用和碳排放的影响因发展阶段的不同而不同,城市化降低了低收入组国家的能源使用,但增加了中等和高收入国家的能源使用。虽然城市化对不同收入组国家的碳排放均具有正向影响,但比较而言,城市化对中等收入组国家碳排放的影响更为明显。与其研究类似,马丁内斯(MartínezZarzoso)和玛若提(Maruotti)在研究城市化对碳排放的影响时也考虑了样本国家发展特征的差异。所不同的是,他们仅以发展中国家为研究样本,并利用潜在类别模型对样本国家进行分组,结果也发现城市化对不同特征组国家的碳排放具有相对不同的影响。从现有研究中可以发现,城市化与碳排放的关系是正反两个方向的力量共同作用的结果。如果城市化过程中的生产和生活方式以及产业结构变化引起的能源消费强度增加占主导地位,城市化将使碳排放增加;反之,如果城市化和城市密度提高引致的居住和交通能源的节约占主导地位,城市化将会使碳排放减少。由于这两个方向的作用力的相对大小与城市化发展阶段及区域经济发展特征有关,可能导致城市化与碳排放的关系因区域城市化发展阶段及区域经济发展特征的不同而不同。鉴于此,本文在实证研究的设计中做如下考虑。其一,对各个研究样本而言,样本期间的经济发展水平和宏观经济政策均处于动态变化过程中,这种变化很可能导致城市化与碳排放关系的变化。因此,我们在模型中不仅考虑整个样本期间城市化与碳排放的线性关系,还考虑二者的非线性关系,及宏观经济政策的变化对二者关系的影响。其二,本身处于不同区域或不同经济发展阶段的样本,城市化与碳排放的关系可能也会有所不同,为此先将全体样本根据区域或经济发展阶段的不同划分为不同子样本,并比较分析不同区域或不同经济发展阶段城市化与碳排放关系的差异。其三,从已有研究来看,城市化对居住和交通能源的节约主要与城市人口的居住和生活密度有关。一般而言,大城市比中小城镇具有更高的人口密度,因而更能体现出基础设施的规模收益。为此,我们进一步将城市化区分为一般城镇化和大城市化(1),并比较二者对碳排放的不同影响。三模型建立与机理分析在研究人类行为的环境压力时,IPAT模型占有重要位置。但传统的IPAT模型是一个会计恒等式,无法用于实证检验。在实证分析中,通常采用迪茨(Dietz)和罗莎(Rosa)提出的IPAT模型的扩展形式,即STIRPAT模型。当使用面板数据进行实证研究时,STIRPAT模型的基本分析框架如下:其中,下标i和t分别表示个体和时间;因变量I为环境影响,自变量P、A、T分别为人口因素、人均影响以及技术水平,b、c、d分别为其系数;a和e则分别为常数项和随机误差项。上式中自变量和因变量均采用自然对数形式,所以b、c、d的系数估计值可直接视为弹性。以STIRPAT模型的框架为基础,结合本文的研究目的,可以得到本文的实证研究模型。具体而言,以人均碳排放作为环境压力I的代理变量,以人口城镇化水平作为人口因素P的代理变量,以人均收入水平作为人均影响A的代理变量,以产业结构和能源使用强度作为技术水平T的代理变量(2)。同时考虑国际贸易对环境污染的影响(3),在自变量中加入人均收入的平方项,以检验收入和环境污染之间的倒U型关系(4)。由此可以得到实证研究模型(1):模型(1)中,C为人均二氧化碳排放量;urb为人口城镇化率,以城镇人口占总人口的比重表示;Y为人均实际GDP;xm为对外开放程度,以进出口总额占GDP的比重表示;ind为产业结构,以工业增加值占GDP的比重表示;en为以单位GDP能耗表示的能源使用强度。1997年在日本京都召开的《气候框架公约》第三次缔约方大会上,与会国签署了著名的国际环境合作条约——《联合国气候变化框架公约的京都议定书》(以下简称《京都议定书》)。与以往的国际环境合作协议不同的是,《京都议定书》对各缔约国提出了较为具体的二氧化碳减排目标,因而极有可能对各国的污染排放行为产生实际的影响。为把握《京都议定书》签署前后城市化对碳排放影响的差异,我们以1997年为界,将城镇化对碳排放的影响分为《京都议定书》签署前和《京都议定书》签署后两个阶段。并以《京都议定书》签署前为基期,比较《京都议定书》签署后城镇化与碳排放关系的变化。具体而言,在模型(1)的基础上,加入表示不同阶段的虚拟变量,由此得到模型(2):与模型(1)不同,模型(2)中b1表示基期(1997年以前)城市化对碳排放的影响;b2则表示《京都议定书》签署后城市化对碳排放的影响。由于城市化和经济发展水平均处于不断变化的过程中,根据已有文献可知,城市化发展阶段以及经济发展特征均有可能影响城市化与碳排放的关系,碳排放对城市化的弹性可能并非保持固定不变,即城市化与碳排放有可能具有非线性的关系。因此,我们在模型(1)的基础上,在自变量中加入城镇化的平方项,由此得到考虑城镇化对碳排放的非线性影响的模型(3):从机理上看,城市化引致的能源消费的减少主要来源于人口密度提高后居住和交通能源使用的规模经济,这意味着城市的高人口密度是城市化使碳排放减少的作用力的来源。比较而言,大城市的人口密度一般高于中小城市,因此人口向大城市的转移更有可能引起居住和交通能源消费的节约。为此在普通人口城镇化的基础上,我们引入了一个衡量人口向大城市聚集的指标——大城市化率。为考虑人口向大城市的集聚对碳排放的影响,将模型(1)、(2)、(3)中的城镇化率分别以大城市化率指标代替,由此得到模型(4)、(5)、(6):模型(4)、(5)、(6)中,met为大城市化率,以人口超过100万的城市群中的人口占总人口的百分比表示。我们使用1980-2007年的跨国非平衡面板数据对模型(1)至(6)进行估计,整体样本中各变量的统计描述如表1所示。四示范分析1.hausman检验面板数据的估计通常采用变截距模型,变截距模型包括固定效应模型(FixedEffect,FE)和随机效应模型(RandomEffect,RE)。我们首先使用Hausman检验来判定是采用固定效应模型还是随机效应模型。如果Hausman检验在10%的显著性水平下拒绝原假设,则使用固定效应的估计;否则使用随机效应估计。面板数据的最小二乘估计要求样本数据具有良好的统计性质,否则将无法得到一致或有效的估价结果。鉴于此,如果Hausman检验显示模型适合固定效应的估计,我们先使用Wald检验和Wooldridge一阶自相关检验,看变量是否存在组间异方差和一阶自相关。如果检验结果接受了不存在组间异方差和不存在一阶自相关的原假设,则直接使用FE估计;而当检验结果显示存在异方差和序列相关时,使用斯科尔(Driscoll)和卡亚(Kraay)的方法进行估计(5)。该方法采用一种协方差结构将White-Newey估计扩展到面板数据的情形,其优点是既可以保证固定效应,又可以在一定程度上对异方差和自相关进行了纠正。如果Hausman检验显示模型适合随机效应的估计,由于随机效应模型在设定时本身已经很大程度上考虑了异方差问题,因此在进行随机效应模型的估计时,主要考虑序列相关的问题。对序列相关的随机效应模型,本文采用含有AR(1)干扰的GLS方法进行估计。根据以上步骤,利用Stata11.0软件以及相关作者提供的外部程序,可得模型(1)至模型(6)各参数的估计结果(表2至表4)。其中表2给出了整体样本的估计结果,表3和表4分别给出了按区域分各子样本的估计结果,及按收入水平分各子样本的估计结果(6)。2.各变量间的关系从表2整体样本的估计结果来看,模型(1)中lnurb的系数估计值很小,且在10%的显著性水平上不显著。这表明整体而言,城镇化对碳排放并没有明显的影响。与此相对应,模型(4)中lnmet的系数估计值为负,且在1%的显著性水平上显著,这说明人口向百万城市群的集中显著地减少了碳排放。从城市化影响碳排放的机制,我们可以尝试解释城镇化和大城市化对碳排放的不同影响:首先,从正向作用力来看,虽然人口城镇化和人口大城市化所导致的生产和生活方式的改变都会使能源消费以及碳排放增加,但相比较而言,人口大城市化的趋势主要发生在发达国家(7)。这些国家能源使用效率较高,且早已普遍使用现代能源;而近20年来的人口城镇化趋势主要发生在发展中国家。对这些国家而言,人口从农村向城镇的转移不仅意味着生产和生活方式的改变,还意味着能源消费方面现代能源对传统能源的替代,这种替代通常会使碳排放大量增加。其次,从反方向的作用力来看,虽然城镇化和大城市化都能实现居住和交通能源使用的规模经济,从而使碳排放较少,但大城市一般具有更高的人口密度,从而使居住和交通能源的节约更为明显。在正反作用力的共同作用下,城镇化和大城市化便对碳排放表现出相对不同的线性影响。以《京都议定书》的签署为界,将样本期间分为两阶段后,模型(2)中lnurb的系数估计值在统计上仍然不显著,模型(5)中lnmet的系数估计值则显著为负,且与模型(4)中lnmet的系数估计值相近。模型(2)和模型(5)中lnurb和lnmet的系数估计值分别对应于《京都议定书》签署前城镇化和大城市化对碳排放的影响。这一结果说明,无论是在整个样本期间,还是在1997年以前,城镇化和大城市化对碳排放的影响都比较稳定。模型(2)中y1997*lnurb的系数估计值虽然在统计上显著,但其值非常小;而模型(5)中y1997*lnmet的系数估计值则在统计上不显著,y1997*lnurb和y1997*lnmet的系数估计值分别对应于《京都议定书》签署后城镇化和大城市化对碳排放影响的变化。因此,结果表明,《京都议定书》的签署并没有明显地改变各国的碳排放行为。也就是说,整体而言,城镇化和大城市化与碳排放的关系并没有因《京都议定书》的签署而发生大的改变。事实上,《京都议定书》虽然对签约各国提出了明确的减排目标,但它本身并不具有强制力,且世界碳排放的头号大国美国长期以来对《京都议定书》态度暧昧(8)。这些都使得《京都议定书》对碳减排行为的影响远低于预期水平。模型(3)和模型(6)分别考察了城镇化和大城市化与碳排放的非线性关系。如果设想的倒U型关系成立,则应有b1<0且b3>0。事实上,从估计结果来看,lnurb和lnmet的系数估计值均小于0,且在统计上显著,而二者的平方项的系数估计值均显著大于0。这表明无论是人口城镇化还是大城市化,其初期都会使碳排放增加;但到达一定程度后,又会使碳排放降低。值得注意的是,无论是人口城镇化还是人口大城市化,其与碳排放的关系均是正反两种力量共同作用的结果。从这个意义上说,人口大城市化指标和人口城镇化指标具有一定的对应关系:即人口大城市化水平比较低的时期,对应的人口城镇化水平也很低,人口主要散布于中小城市;随后人口开始向大城市集中,这时大城市由于人口密度提高而导致的交通和居住能源使用的规模经济开始显现。在这一过程中,负向作用力逐渐战胜正向作用力,使得在达到较高的大城市化水平(城镇化水平)后,继续城镇化或大城市化可使碳排放减少。模型(4)、(5)的线性回归以及模型(6)的二次项回归结果显示,大城市化相关指标均在统计上显著,但模型(6)的拟合效果更好。这说明整体而言,大城市化与碳排放之间主要表现为倒U型关系;同时,相对于城镇化与碳排放之间的倒U型关系,大城市化对碳排放的负向影响要明显得多。由于整体样本中所包含的国家所处区域以及经济发展特征各不相同,我们将全体样本按所处区域和收入水平的不同分成不同的子样本,并重复表2的估计过程。由此得到分区域子样本的估计结果(表3)以及不同收入水平子样本的估计结果(表4)。表3各区域子样本的估计显示了与表2全体样本的估计不同的结果。从表3看,五个区域中,欧洲和中亚、拉丁美洲和加勒比地区以及中东和北非三个区域子样本模型(1)中lnurb的系数估计值为正且在统计上显著;而模型(3)碳排放对人口城镇化的非线性回归则显示,同样是这三个子样本,非线性回归结果中lnurb和(lnurb)2的系数估计值也显著。但通过比较显著性水平,可以发现,模型(3)的非线性回归lnurb的系数估计值不如模型(1)线性回归lnurb系数估计值显著。这说明这三个区域的子样本人口城镇化和碳排放之间更可能是线性关系,即在这三个区域内部,人口城镇化会使碳排放增加。与人口城镇化不同,五个区域中,仅拉丁美洲和加勒比地区以及中东和北非子样本中模型(3)lnmet的系数估计值在统计上显著,但前者符号为正而后者为负。这说明这两个区域人口向大城市的集中对碳排放的影响方向完全相反,前者会使碳排放增加,而后者则会使碳排放减少。与此对应,模型(6)的非线性回归结果显示,东亚与太平洋地区以及欧洲和中亚的lnmet和(lnmet)2的系数估计值在10%的显著性水平上显著,但符号与倒U型关系假说相反。虽然对大部分区域而言,模型(2)和模型(5)中y1997*lnurb或y1997*lnmet的系数估计值在10%的显著性水平上显著,但由于估计结果都比较小,我们仍可认为《京都议定书》的签署对各区域人口城镇化以及人口大城市化与碳排放的关系没有明显的影响。与表3类似,表4的估计结果同样显示出,不同收入水平组的国家之间,城镇化或大城市化与碳排放的关系会发生变化。不同收入组,在模型(1)和模型(4)的线性回归以及在模型(3)和模型(6)的非线性回归中人口城镇化或人口大城市化相关变量的系数估计值在显著性水平、大小和方向等方面均发生了较大的变化。这进一步体现了人口城镇化或人口大城市化与碳排放之间关系的复杂性,也表明在不同收入组内部,城镇化或大城市化对各国碳排放的差异具有相对不同的贡献。值得一提的是,各模型中,y1997*lnurb或y1997*lnmet的系数估计值在10%的显著性水平上均不显著。可以认为,《京都议定书》并未造成各收入组碳排放的阶段性差异。3.碳排放对城市化的作用本文仅仅研究了城市化与碳排放之间的关系,但并不涉及影响机理的“黑箱”中的任何内容。图1为包括影响机理“黑箱”的城市化与碳排放之间关系的逻辑图。从中可以看出,城市化通过改变生产和生活方式(影响了能源消费)对碳排放有正向影响,通过改变人口密度影响了交通和居住的能源消费,而对碳排放有负向影响。正向和负向共同作用,从