城镇化碳排放论文

2022-04-15

摘要:对全国各省市建筑业碳排放进行核算,并由此分析建筑业碳排放与城镇化之间的非线性关系,发现:1.城镇化对建筑业碳排放的影响存在门槛效应,门槛估计值为■=4.036。门槛值左右两区间内建筑业碳排放对城镇化的弹性系数分别为0.0476与-0.0139,表明低水平城镇化使建筑业碳排放增加,而高水平城镇化则使其减少。今天小编为大家精心挑选了关于《城镇化碳排放论文(精选3篇)》的文章,希望能够很好的帮助到大家,谢谢大家对小编的支持和鼓励。

城镇化碳排放论文 篇1:

基于新型城镇化的碳排放成本控制

摘要:以推进新型城镇化发展为切入点,对企业碳排放成本控制进行了动因分析,并阐述了控制程序的基本步骤及产品设计、产品采购、产品生产等三个主要控制环节,最后以金江水泥企业为例,通过计算分析得出此结论:企业在生产流程工艺的低碳改进可以使公司减少现金流量的支出,获得长期的利益及竞争优势。

关键词:低碳经济;碳排放成本;新型城镇化;控制

一、引言

2011年以来我国先后开展两批42家低碳省和低碳城市试点,在实施低碳经济的过程中通过确定碳排放峰值目标、加快技术创新等举措,不断地探索着各具特色的低碳发展经验。从2013年起,根据新型城镇化和新型工业化的具体要求,我国先后开展了国家低碳社区和低碳工业园区的试点。迄今为止,低碳试点工作逐步形成了从省到城市、城镇、园区、社区的全方位覆盖。北京、上海、深圳、天津等7个碳交易试点的顺利进展,见证了交易量的持续增长。

雾霾问题一再成为众矢之的,不仅大城市期待“APEC蓝”,新型城镇也盼望着PM2.5的值不再爆表。在建设“美丽中国”的今天,如何使得新型城镇实现绿色、生态发展成为了国人的关注点,作为打造新型城镇的重要着力点——减少温室气体的排放随之提上了议事日程。为此,在新型城镇中进行碳排放成本管理是实现“低碳城镇”的应有之义。与此同时,关注新型城镇化中的碳排放成本是生态化、美丽乡村建设与城乡统筹的社会背景下顺应低碳经济的发展潮流,也是随着碳排放市场的日趋成熟,企业在未来竞争中的有力武器。本文尝试以新型城镇化中的金江水泥企业为分析重点,对其碳排放成本控制展开较深入地探讨。

二、新型城镇化的内涵诠释

新型城镇化是大中小城市、小城镇、新型农村社区协调发展、互促共进的城镇化,具有城乡统筹、节约集约、生态宜居等基本特征。新型城镇化规划主要强调生态文明建设,在不以牺牲生态和环境为代价的前提下,促进经济与社会的发展。节约集约利用土地资源、水资源及能源等,强化生态的修复与环境的治理,推进绿色城市和智慧城市的建设,促进城市建设运营管理模式以及绿色低碳的生产生活方式的形成,尽可能减少对自然的人为干扰,一定程度上降低对生态环境的污染与破坏,最终实现新型城镇化的低碳建设和发展。

三、碳排放成本控制动因分析

碳排放成本控制是指以成本作为碳排放控制的手段,通过计算和监督企业在生产耗费发生以前和成本控制过程中产生的各种碳耗费,综合考虑影响成本的不同因素和条件,同时采取一系列预防和调节措施,以达到对经济活动实施有效控制的一系列管理活动与过程。科学地实施碳排放成本控制,可以促进新型城镇中的企业改善经营管理,转变经营机制,实现跨越式发展。帮助新型城镇中的企业推进产业和产品向利润曲线两端延伸:向前端延伸,从生态设计入手投入研发形成自主知识产权;向后端延伸,重塑品牌与构建销售网络,提高核心竞争力,最终使新型城镇的产业结构逐步趋向低碳经济的标准。

随着全球经济一体化机制的加快,国际金融环境给国内经济带来的负面影响已经进入常态,在全球经济暂不明朗的情况下,面对这一经济形势国家相继通过召开经济工作会议等形式对此进行相应部署和改革,而在所改革过程中,环境问题与可持续发展一直成为各界热议的话题,这其中有关碳排放的工作部署显得尤为明显。打造新型城镇,就是在这一背景下提出来的。

但是,在新型城镇中大多数企业仅仅把产品生产成本的管理置于最重要的位置,尤其是对成本控制的重点部分进行选择时,仅考虑了较为直接的生产成本,而忽视了间接成本,如碳排放成本等。例如,在核算产品生产成本的过程中,很少有企业会考虑从产品的可行性研究到销售使用过程中发生的碳排放成本。更严重的是这些高碳支出并没有得到有效控制。目前,国内企业的碳排放成本控制仅仅侧重于处理和解决企業生产过程中产生的废气排放问题,缺少一套有效的碳排放成本控制方法,导致没有对产品生产全过程的环境成本进行有效控制。若企业要实现低碳环保的目标,就必须转变其固有观念,将生命周期法等成本控制方法融入碳排放成本控制中,而且企业成本控制的范围不应只包括内部实际发生的成本,也应该包括企业之外的环境成本。

四、碳排放成本控制的基本步骤

虽然每个行业碳排放控制对象各有不同,碳排放控制工作的要求也各不一样,但碳排放成本控制工作的过程基本是一致的,大致可分为四个步骤:

1. 确定碳排放控制标准,即确定评定工作绩效的尺度。管理者应以计划为基础,根据制定的标准引导碳排放控制工作。科学的控制标准直接影响了整个控制工作能不能更好地运行。结合生命周期理论与碳排放来看,制定碳排放成本控制标准应从企业现有条件出发,包括其现有的管理水平与资源条件,并结合企业产品生命周期每个阶段的不同特点,采用一定的碳排放效率指标参数来确定碳排放成本控制标准。

2. 衡量碳排放工作成效,即通过管理信息系统采集实际工作的数据(与已制定的碳排放控制标准中所对应的要素),了解和掌握工作的实际情况。在这一过程中,要特别注意保证会计信息的可靠性,做到信息的准确性、及时性、客观性、相关性。

3. 分析衡量的结果,即对比实际成本控制结果与目标成本,找出控制过程中出现的偏差并分析其发生的原因,针对差异发生的原因,积极提出并贯彻执行更有效的改进措施,这是碳排放控制中最需智慧与勇气的环节。但是,若分析结果表明偏差低于重要性水平或在可控范围内,那么碳排放控制人员就不必再进行下一步,控制也就到此为止了。

4. 采取管理行动,纠正偏差。纠正偏差的方法不外乎两种:要么改进工作绩效,要么修订标准。在碳排放成本控制的标准下,衡量与对比分析企业低碳会计系统运行过程中发生的实际成本,发现并及时纠正偏差,例如针对企业采购环节的不合理,可以采取更换供应商、加强绿色价值链管理等手段进行纠偏;如果是因为法律法规的变化导致的不适应,那么就可以通过调整碳排放成本控制的标准,使之与其新的法规相匹配,利用低碳控制程序的约束和纠偏功能进行纠正。碳排放成本控制是新型城镇建设碳成本管理的一部分,致力于实现发展低碳经济、让天更蓝,水更绿的生活愿景。同时作为市场经济的参与者,企业也必须满足供应商、购买者、投资人及法律法规等对企业的成本要求。

五、碳排放成本控制环节

碳排放成本控制是新型城镇建设碳成本管理的一部分,致力于满足碳排放成本要求,按照哈佛大学商学院教授迈克尔·波特于1985年提出的价值链理论,碳排放成本控制的应该是贯穿碳排放成本发生的每个基本活动和辅助活动环节,具体包括:生产、营销、运输和售后服务、物料供应、技术、人力资源或支持其他生产管理活动的基础功等过程所发生的碳排放成本控制。在这些所有活动环节中,最重要的三个环节是产品设计、产品采购、产品生产环节,这三个核心环节的碳排放若是能得到有效控制,新型城镇化中的企业便能戒除以大量消耗能源、大量排放温室气体为代价的“面子消费”、“奢侈消费”的嗜好,自觉践行低碳路线,实现碳排放成本的控制达标。

(一)产品设计

产品类型是低碳还是高碳取决于设计环节,而产品类型不仅决定了能否为企业带来超额利润,还在很大程度上决定了产品能否赢得消费者的青睐,决定企业在市场上的竞争地位。因此,设计阶段是企业碳排放成本控制的源头与关键。为了降低整体碳排放成本至最小,在最初的研发设计阶段企业应该首先关注企业行为对碳排放产生的影响,合理开发与设计产品,兼顾环境利益与经济利益,和谐发展。实现产品的低碳设计可以从以下几个方面着手。

1. 节约材料使用数量

为实现原材料的最小化使用,可以通过精简产品的设计节约材料使用数量。这不仅可以减少原材料生产过程中的碳排放,还有利于减少运输和存储空间,进一步降低运输带来的碳压力。根据国家科技部的数据,1千克过度包装纸的使用减少,可节能标准煤约1.3千克,二氧化碳相应减排3.5千克。如果全国范围内过度包装纸用量每年减少10%,那么可节能约120万吨,减排二氧化碳312万吨。

2. 延长产品生命周期

低碳设计策略包括应延长产品生命周期,具体措施如下:改进产品的设计,选择质量好的材料,严格把控生产全过程,提高产品的耐久性。改进产品的设计,完善产品的功能,保证在较长一段时间内产品都能满足客户的需求,降低客户对产品更新换代的速度。

3. 促进低碳消费的形成

产品的最终出路在消费,低碳消费是在设计环节就应该考虑到的,从而在消费过程中能够降低产品产生过多的碳。具体包括以下措施:降低能源消费。如设置自动关闭电源的装置,优先使用能效最低的原件,像在饮水机闲置时设计自动关掉电源,除开每天正常工作的九小时之外,每台每年节电约366度,相应减排二氧化碳351千克。使用清洁能源。不可再生资源生产的产品使用应适当减少,提倡使用清洁能源产品。例如混合动力车可省油30%以上,每辆普通轿车每年可因此节油约378升,相应减排二氧化碳832千克。

(二)产品采购

实行低碳采购,是指在企业的采购决策中考虑碳排放等环境因素,通过减少采购危害生态环境或难以处理的材料,减少材料的采购成本并循环使用材料,从而提高产品质量,降低企业碳排放成本,最终实现提高企业绩效的目标。

1. 选择低碳供应商

企业在采购过程中,应该优先选择低碳供应商。关注产品单位产值碳足迹,采用可再生、可循环、碳排放少的材料和零部件,以最少的资源消耗和碳排放实现最大的经济效益。目前供应商低碳评价的主要标准包括:碳风险评估、低碳计划、低碳技术;产品或服务绩效、企业创新与发展能力、碳信息管理与监管等。

2. 对采购资源进行投资回收

在采购过程中对各种资源进行投资回收与再利用,能够提高企业的环境和经济效应。产品的回收。建立产品的再循环和回收系统,最大限度发挥产品的功能。再制造和再更新。在采购产品时优先考虑采购标准元部件,从而当产品进入处置阶段时,就可以通过再制造和再更新等手段促使元部件原有功能的继续发挥。充分利用多余的设备和材料,企业多余的资源、二手材料、以及废料可以同时出售,确保有效实施低碳采购策略和控制碳排放成本。

(三)产品生产

生产环节是企业的中心环节,也是企业减排的“主力军”。新型城镇中的企业要实现低碳生产,就必须加快淘汰高能耗、高污染的落后生产能力,推进節能减排的科技创新,对生产过程与产品采取整体预防的碳策略。具体措施包括:“高碳改造、低碳升级和无碳替代”。高碳改造是指通过节能减排减少排放量;低碳升级是指利用新材料、新装备、新工艺改进原有设备;无碳替代指积极使用核能、风能、太阳能等新能源;这些措施能够有效的减少二氧化碳(CO2)排放量,获得最大的生态经济效益。

1. 改进生产工艺和技术

生产工艺和技术是实现新型城镇中的后进式企业转型升级的最重要的因素。改进生产工艺、更新改造生产设备、引进先进生产技术,有效提高原材料和能源的利用率,不断减少生产过程中产生的碳排放量,这就在很大程度上保护了环境。更新设备、改变工艺是清洁生产的必经之路。

2. 合理有效利用资源

据科学统计,原材料费用大约占了产品成本的2/3,因此合理运用原材料能够有效地降低产品成本,提高经济效益,同时减少碳排放。合理利用资源,就是针对选择的优质原材料进行分组,确保物料平衡,合理制定并有效执行产品生产方案,这一过程最好能协调经济与低碳两方面,以便资源达到最大化利用,最终建立一种长期的、高效的资源选择机制。

六、结论

新型城镇“招商引资”引进的企业排出的温室气体,容易改变生态系统的初级生产力和农业的土地承载力,进而影响到城镇的可持续发展。因此,建立与完善新型城镇企业碳排放成本控制机制,提高企业的“碳”风险应对能力,很有现实意义。本文认为,碳排放成本控制是新型城镇建设碳成本管理的一部分,致力于满足碳排放成本要求,碳排放成本控制的应该是贯穿碳排放成本发生的每个基本活动和辅助活动环节。

参考文献:

[1]Ratnatunga J,Jones S,Balachandran K R.The Valuation and Reporting of Organizational Capability in Carbon Emissions Management[J].Accounting Horizons,2011(01).

[2]吴传清.生态文明建设:新型城镇化的内在要求来源[N].长江商报,2013-11-29.

[3]谢东明,王平.生态经济发展模式下我国企业环境成本的战略控制研究[J].会计研究,2013(03).

[4]孙晓冰.山东省低碳生态新型城镇化问题研究[J].中国人口·资源与环境,2011(12).

[5]杨蓓,汪方军,黄侃.适应低碳经济发展的企业碳排放成本模型[J].西安交通大学学报:社会科学版,2011(01).

作者:王怡

城镇化碳排放论文 篇2:

城镇化对建筑业碳排放影响的门槛效应分析

摘要:对全国各省市建筑业碳排放进行核算,并由此分析建筑业碳排放与城镇化之间的非线性关系,发现:1. 城镇化对建筑业碳排放的影响存在门槛效应,门槛估计值为■=4.036。门槛值左右两区间内建筑业碳排放对城镇化的弹性系数分别为0.0476与-0.0139,表明低水平城镇化使建筑业碳排放增加,而高水平城镇化则使其减少。2. 城镇化对建筑业碳排放的影响存在显著的地区差异,中西部地区各省市城镇化促进了建筑业碳排放,而东部地区大多省市则抑制了建筑业碳排放。

关键词:建筑业碳排放;城镇化;门槛效应

气候变化问题一直以来都是全社会关注的热点话题,导致全球变暖、海平面上升的温室效应也已经成为社会各界不得不面对的现实问题。温室效应是由于空气中二氧化碳浓度增大而引起的,要解决温室效应关键在于控制二氧化碳排放量。根据IPCC第五次评估报告显示,2010年全球32%的终端能源消耗和30%的碳排放与建筑业有关,对建筑业碳排放的控制是實现整个社会碳减排的重要方面。城镇化是经济活动和人口在空间上的集聚,是一国经济发展的产物,更是其实现经济腾飞的路径。我国正处于城镇化率30%~70%的快速发展阶段,城镇化的发展必然带动建筑业大发展。建筑业建造过程本身及建筑材料的生产都将消耗大量能源,从而产生碳排放。如何在城镇化过程中实现建筑业的低碳发展是我国新型城镇化发展的一个重要课题。城镇化发展具有一定的阶段性特征,该特征对建筑业碳排放有何影响值得深入探讨,即验证城镇化对建筑业碳排放影响的门槛效应对于正确认识二者之间的关系以及我国在城镇化发展过程中建筑业碳减排的实现具有指导意义。

一、国内外研究现状与理论基础

(一)国内外研究现状

考察碳排放与城镇化之间关系的研究有很多,主要分析了城镇化与碳排放之间的非线性关系。陈艳玲采用非动态门槛面板方法,考察了城镇化对碳排放的门槛效应。李卫东等利用省级面板数据分析城镇化对碳排放的影响,发现二者呈倒U型关系,预计城镇化为63.57%时达到拐点。王星等根据城镇化发展质量水平进行分组研究,发现城镇化质量越高,其对碳排放的驱动作用越弱。孙昌龙等考察了城市化动态演进阶段与碳排放之间的相关性,发现城市化对碳排放的影响具有驱动和制动的两重性。

相对于国家整体层面碳排放与城镇化之间的非线性研究,关于建筑业碳排放的研究还主要集中于对建筑业碳排放的核算、建筑业碳排放与经济发展的关系以及建筑业碳排放影响因素分析这三个方面。研究方法主要有投入产出法、环境库兹涅茨曲线、Tapio弹性脱钩模型、Kaya恒等式分解法以及LMDI因素分解法等。何长全等研究了我国2001~2012年建筑业碳排放与经济增长脱钩状态,发现碳排放与经济增长整体呈弱脱钩态势。祁神军等运用Kaya恒等式分解了建筑业直接碳排放和隐含碳排放的变动趋势。冯博等利用Tapio脱钩模型分析了全国30个省份建筑业碳排放的脱钩状态,并运用LMDI对碳排放的影响因素进行了分解分析。杜强等建立了建筑业碳排放库兹涅茨曲线,发现中国建筑业碳排放库兹涅茨曲线近年来呈“U”型右侧上升趋势。

已有研究并未将城镇化引入建筑业碳排放的影响因素研究中,只停留在城镇化与建筑业发展关系的层面上。姜彩楼对城市化进程与建筑业发展之间关系的研究发现:建筑业发展和我国城市化进程各项指标之间存在协整关系。冯亚娟等[]则采用VAR模型对我国的人口城市化与建筑业发展这两个变量进行了动态计量分析。综上可知,目前还鲜少有关于城镇化对建筑业碳排放的影响的研究,更缺乏城镇化对建筑业碳排放的影响具有怎样的特征以及如何实现等方面的研究。基于研究现状,本文将城镇化引入到建筑业碳排放的影响因素分析中,深入分析城镇化对建筑业碳排放影响的阶段特征。

(二)理论基础

城镇化表现为经济活动与人口在空间上的集聚,一方面,城镇化的发展导致大量人口向城市迁移,住宅及公共基础设施不断兴建,推动建筑业发展的同时也带来了大量的建筑业碳排放;另一方面,城镇化导致的人口集聚提高了住宅及其他建筑的利用效率,同时城镇化促进要素集聚,推动科技发展,使清洁生产与建筑业碳减排的实现成为可能,这些都对建筑业碳排放产生了抑制作用。综上可见,城镇化对建筑业碳排放的影响具有两重性,即使建筑业碳排放增加的促进作用和使其减少的抑制作用,在城镇化发展过程中两种作用同时存在,此消彼长,使城镇化对建筑业碳排放的影响在其发展的不同阶段呈现出不同的特征。当促进作用占主导时,城镇化的发展会促进建筑业能耗和碳排放,而当抑制作用占主导时,城镇化的发展则会带来建筑业能耗及碳排放的降低。在城镇化初期,其发展表现为粗放的大规模扩张,大量的住宅及公共基础设施的建设导致建筑业碳排放的增加;而当城镇化发展到一定阶段取得质的飞跃时,城镇化带来的建筑利用效率的提高及科技的发展、清洁能源的使用等都会抑制建筑业碳排放。因此,可以初步推断城镇化对建筑业碳排放的影响具有门槛效应,当城镇化水平低于门槛值时,城镇化对建筑业碳排放起促进作用,跨过门槛之后,城镇化的发展则会抑制建筑业碳排放。

二、模型构建与数据来源

(一)模型构建

本文以IPAT模型的扩展模型STIRPAT模型为基础,结合Hansen提出的门槛模型的设定方法,构建城镇化对建筑业碳排放影响的面板门槛模型。STIRPAT模型的基本结构如下:

Iit=αP■■A■■T■■e■(1)

其中,i和t分别表示观测个体和时间;I为环境影响,在本文的研究中将其设定为建筑业碳排放c;P为总人口;A为财富程度,本文中用人均地区生产总值pg表示;T为技术水平,由于本文研究城镇化对建筑业碳排放的影响,因此将其设定为城镇化率urb。用本文研究的变量替换(1)式中的变量,并两边取对数,得到式(2):

lncit=μi+b1lnpit+b2lnpgit+b3lnurbit+εit(2)

其中,μi为个体异质性;εit为独立同分布的随机误差项。环境库兹涅茨假说认为环境污染与经济发展之间存在倒U型关系,因此本文引入收入的平方项((lnpgit)2)来验证建筑业碳排放与收入之间的非线性关系。此外,式(2)中反映了城镇化与建筑业碳排放间的线性关系,而在城镇化发展的不同阶段其对建筑业碳排放的影响可能存在差异,因此本文参照Hansen对门槛模型的设定方法,将城镇化率作为门槛变量把(2)式拓展为面板门槛模型,如下(3)式:

lncit=μi+b1lnpit+b2lnpgit+b3(lnpgit)2+b4lnurbit·I(lnurbit<γ)+b4′lnurbit·I(lnurbit≥γ)εit(3)

其中,γ为门槛值。当城镇化水平低于门槛值γ时,城镇化对建筑业碳排放的影响系数为b4,当城镇化水平高于门槛值γ时,城镇化对建筑业碳排放的影响系数为b4′。

(二)数据来源

本文的研究根据数据的可获得性及面板模型的需要,选取2005~2013年全国30个省市(西藏,港澳台由于数据缺失,不考虑)的相关数据作为样本。人口、人均地区生产总值、城镇化率均来源于《中国统计年鉴》,建筑业能源消耗数据来源于《中国能源统计年鉴》。

本文建筑业碳排放的核算参考IPCC提供的计算方法,将建筑业碳排放分为直接碳排放与间接碳排放两部分,然后分别计算两部分的排放量,具体计算公式见(4)~(6)式。

C=(Cd+Cin)×12/44(4)

Cd=■Ei×CSi×Cei(5)

Cin=■Qj×αj×(1-βj)(6)

式中,C、Cd、Cin分别为建筑业碳排放、直接碳排放和间接碳排放;(5)式中,Ei为第i种终端能源消耗量,Csi为第i种终端能源对应的折标煤系数,Cei为第i种终端能源对应的碳排放系数,直接碳排放核算中考虑建筑业对原煤、洗精煤、型煤、焦炭、焦炉煤气、原油、煤油、汽油、柴油、燃料油、液化石油气、天然气、热力和电力等20种能源的消耗;(6)式中Qj为第j种建材消耗量,αj为第j种建材对应的排放系数(排放系数是考虑各种建材在生产过程中产生的二氧化碳而计算得到的系数),βj为第j种建材对应的回收系数,间接碳排放计算中核算的建材包括钢材、木材、水泥、玻璃和铝材。各种终端能源对应的折标煤系数来源于《综合能耗计算通则》(GB/T 2589-2008);碳排放系数来源于《2006年IPCC国家温室气体清单指南目录》。各种建材所对应的排放系数参考冯博等的研究;回收系数参考李兆坚的研究。

三、实证分析

(一)面板门槛模型估计结果分析

参考Hansen对面板门槛模型的设定方法,本文将城镇化作为门槛变量,研究建筑业碳排放与城镇化之间的非线性关系。文中共进行了两次門槛值的搜索,第一次为单一门槛模型门槛值的搜索,第二次为双重门槛模型门槛值的搜索,第二次搜索的目的在于检验是否有其他门槛值的存在。两次门槛值搜索的估计结果见表1。

表1中列出了两次搜索的结果,当设定为单一门槛模型时,搜索到的门槛估计值为γ^=4.036,95%的置信区间的上下限分别为4.216和3.595,区间长度较小,反映了该门槛估计值的真实性比较高;而当设定为双重门槛模型时,搜索到的两个门槛估计值分别为γ^1=3.829和γ^2=4.034,这两个门槛估计值非常接近,且与单一门槛模型的估计值也非常接近,因此可以初步判断城镇化对建筑业碳排放的影响至多存在一个门槛。此外,双重门槛模型的两个门槛估计值所对应的95%的置信区间都将单一门槛模型的估计值包含在内,再一次表明本文的研究更适合单一门槛模型,且门槛估计值为■=4.036。采用单一门槛模型回归的结果如表2所示。

表2中(1)列表示的是常规标准误条件下的回归结果,(2)表示的是考虑异方差的稳健标准误条件下的回归结果,两种条件下的回归结果基本一致,本文仅对第一种回归结果进行解释。表2中变量lnurb_x_d1是回归过程的中间量,其回归系数与变量lnurb回归系数相加的结果反映的是门槛值左侧区间内城镇化对建筑业碳排放的影响系数,而lnurb的回归系数则反映了门槛值右侧区间内两者间的关系系数,即本文中b4及b4′的估计量分别为0.0476和-0.0139。当城镇化水平低于门槛估计值时,城镇化每增加1%,建筑业碳排放平均增加约0.0476%,低水平城镇化对建筑业碳排放的促进作用大于抑制作用,表现为城镇化过程中建筑业碳排放不断增加;而当城镇化水平越过门槛值时,城镇化每上升1%,平均而言建筑业碳排放减少约0.0139%,高水平城镇化对建筑业碳排放的抑制作用占主导,城镇化的进程有利于建筑业碳减排的实现。

(二)假设检验

Hansen提出的面板门槛模型的假设检验包括F检验(Bootstrap自抽样检验)与LR检验,其中F检验主要检验门槛是否存在,LR主要检验门槛值是否等于真实值,这种检验方法一般为门槛估计值确定一个95%的置信区间。本文的F检验结果见表3。

表3中,单一门槛模型的原假设为b4=b4′,即不存在门槛效应,检验结果为P<0.05,拒绝原假设,表明城镇化对建筑业碳排放的影响存在门槛效应且在5%的水平下显著成立,而双重门槛的检验结果表示在任一显著水平下,都无法拒绝只有一个门槛的原假设,因此城镇化对建筑业碳排放的影响存在门槛效应且只存在一个门槛。

(三)地区差异分析

对样本范围内各地区越过门槛值的年份进行统计,即将各地区2005~2013年的城镇化率的对数与门槛估计值γ^=4.036分别进行比较以确定样本范围内各地区越过门槛值的大致年份。部分统计结果如表4所示。

表4中,北京、天津、辽宁、上海以及广东在2005年以前的年份就已越过门槛估计值,本文研究的样本范围目前无法判断其具体越过年份,而表4中未列出的河北、山西、吉林、安徽、江西、山东、河南、湖北、湖南、广西、海南、四川、贵州、云南、陕西、甘肃、青海、宁夏以及新疆这19个地区在样本范围内还未越过门槛估计值,由于样本数据的局限性无法判断其各自的越过时间,其余省份越过门槛估计值的时间见表4。统计结果表明,目前我国仍有大部分地区处于粗放扩张的低水平城镇化阶段,可以预见未来几年我国城镇化的发展仍将对建筑业碳排放产生促进作用,同时通过对比发现东部沿海地区大多较早地越过了门槛值,进入到高水平城镇化阶段,城镇化的发展抑制了建筑业碳排放,而中西部地区则基本还未越过门槛值,仍处于城镇化发展的初级阶段,城镇化会促进建筑业碳排放。

四、结论与建议

(一)结论

本文首先对建筑业碳排放进行了核算,在此基础上构建了城镇化与建筑业碳排放的面板门槛模型,通过对模型参数的估计以及假设检验,验证了城镇化对建筑业碳排放的影响存在门槛效应,门槛估计值为■=4.036。当城镇化水平低于门槛估计值时,城镇化每增加1%,建筑业碳排放平均增加约0.0476%,低水平城镇化的发展会对建筑业碳排放起到促进作用;而当城镇化水平越过门槛值时,城镇化每上升1%,平均而言建筑业碳排放减少约0.0139%,高水平城镇化的发展有利于建筑业碳减排的实现。此外,城镇化对建筑业碳排放的影响具有显著的地区差异,东部地区城镇化对建筑业碳排放产生抑制作用,而中西部地区则产生了促进作用。

(二)政策建议

本文的结论为我国城镇化的发展以及城镇化过程中建筑业碳减排的实现提供了理论基础。首先,城镇化对建筑业碳排放的影响具有门槛效应,因此在制定减排政策时要依据城镇化的发展水平,不同阶段应制定相适应的减排政策,而由于高水平城镇化是城镇化发展的成熟阶段,对建筑业碳排放有抑制作用,因此,应尽量缩短低水平城镇化的持续时间,尽早跨越门槛实现城镇化发展质的飞跃。其次,城镇化对建筑业碳排放的影响具有地区差异,所以各省市应按照各自的发展特点制定相应的减排政策、寻求适合自身的城镇化道路。对于东部地区,由于其已经越过门槛值,步入到高水平城镇化阶段,因此该地区应坚持自身的城镇化道路,努力向更高水平城镇化迈进;而对于中西部地区,由于其仍处于低水平城镇化阶段,因此各地区应积极寻找城镇化发展迟缓的原因,对症下药努力实现门槛值的跨越。

参考文献:

[1]陈艳玲.城镇化对碳排放的门槛效应:省际数据的实证研究[J].西南师范大学学报(自然科学版),2017(03).

[2]李卫东,余晶晶.基于面板数据的中国城镇化对碳排放影响的实证分析[J].北京交通大学学报(社会科学版),2017(02).

[3]王星,秦蒙.不同城镇化质量下碳排放影响因素的实证研究——基于省级面板数据[J].兰州大学学报(社会科学版),2015(04).

[4]孙昌龙,靳诺,张小雷,杜宏茹.城市化不同演化阶段对碳排放的影响差异[J].地理科学,2013(03).

[5]何长全,刘兰,段宗志,陈莉,王素凤.建筑业碳排放与经济增长关系研究——基于“脱钩”理论视角[J].建筑经济,2016(01).

[6]祁神军,张云波.中国建筑业碳排放的影响因素分解及减排策略研究[J].软科学,2013(06).

[7]冯博,王雪青.中国各省建筑业碳排放脱钩及影响因素研究[J].中国人口·资源与环境,2015(04).

[8]杜强,张诗青.中国建筑业能源碳排放环境库兹涅茨曲线与影响脱钩因素分析[J].生态经济,2015(12).

[9]姜彩楼.我国城市化进程与建筑业发展关系实证研究[J].建筑經济,2007(04).

[10]Hansen, B., 1999. Threshold effects in non-dynamic panels: Estimation, testing, and inference[J].Journal of Econometrics, 1993(02).

[11]李兆坚.我国城镇住宅空调生命周期能耗与资源消耗研究[D].清华大学,2007.

*基金项目:江苏省高等学校自然科学研究面上资助项目《中国建筑业碳排放效率的空间格局演变及影响因素研究》(17KJB170004)。

(作者单位:焦应茹,江苏大学财经学院;卢娜,江苏大学财经学院)

作者:焦应茹 卢娜

城镇化碳排放论文 篇3:

我国城镇化、工业化与碳排放关系的研究

摘要运用VAR模型,利用我国城镇化和工业化发展过程中的碳排放数据,通过协整检验、格兰杰因果关系检验、脉冲响应函数分析等技术指标,分析我国城镇化、工业化与碳排放之间的关系。结果表明,从短期来看,工业化对碳排放有正向促进作用,城镇化对碳排放有反向作用;从长期来看,我国的工业化和城镇化基本实现与碳排放的“脱钩”,并不是碳排放的主导因素。

关键词VAR模型;碳排放;城镇化;工业化

Study on Relationship among Urbanization, Industrialization and Carbon Emissions in China——Based on VAR Model Analysis

LI Song, WANG Baohai*, DING Huiyuan

(School of Economics and Management, Qingdao Agricultural University, Qingdao, Shandong 266109)

Key wordsVAR model; Carbon emissions; Urbanization; Industrialization

據统计,2011年我国城镇人口数量首次超过农村,伴随着城镇化发展的是高能耗、高碳排工业水平的发展。从世界上看,已经实现现代化的国家都是工业化国家,城镇化率很高,因此现代化的过程必然也是工业化、城镇化的过程。我国已经进入工业化中期,但仍处于并将长期处于发展中阶段,如何把握好城镇化和工业化水平的发展与环境保护的关系是很多学者在研究的问题。

从新中国成立到改革开放,再到新世纪以来,我国城镇化经历了缓慢发展期、加速发展期和快速发展期3个阶段,如今的城镇化表现出多个特点。根据《中国统计年鉴》,2012年末,我国大陆总人口为136 072万人,其中城镇人口73 111万人,城镇化率达53.73%。城镇化率总体上有了大幅度提升,由2000年的36.22%升至2010年的49.95%,再于近3年突破50%的水平,13年来共增长了17.51%,年均增长率1.34%,高于1980~1990年0.68%的增长率和1990~2000年0.98%的增长率。城镇化总体处于快速稳步上升阶段,预计未来将大体保持每年1%的增长速度。

新中国成立以来,特别是改革开放30年,我国工业实现了跨越式发展,建立了独立完整的工业体系,成为全球制造业大国。据统计,2012年国内生产总值519 470.10亿元,工业增加值199 670.66亿元,工业化率为38.44%,工业化水平有了大幅提高;1952~2011年,我国工业化率由20.8%升至37.5%,上升了16.77%;2000年以来,工业增加值进入快速增长时期,并将继续保持一个较高的增长趋势。

目前,国外学者对城镇化与温室气体排放之间的关系研究较多。例如,Parikh等研究了发展中国家城镇化进程中的能源利用问题,利用43个发展中国家的面板数据,对城市化发展、能源消耗和温室气体排放等问题进行了实证分析,结果表明发展中国家城镇化发展进程中温室气体排放增加[1]。Alam等基于STIRPAT模型实证研究了巴基斯坦城市化和碳排放之间的关系,结果表明城市化水平越高,碳排放量就越多[2]。Priambodo等对印尼小规模和中等规模工业行业的能源利用和二氧化碳排放量进行了分析,认为燃料消耗率最高的是纺织工业[3]。Worrell等认为,工业使用了世界40%的能源,工业直接或间接贡献约37%的全球温室气体排放[4]。随着我国城镇化的迅猛发展,国内学者们对城镇化与温室气体排放之间关系的研究也越来越多,其中大部分的研究集中在城镇化与碳排放之间的关系。例如,魏后凯等认为,我国城镇化发展的道路是一条非绿色的粗放型城镇化道路,需要认清发现形式,改变发展模式,走集约型、绿色的城镇化道路[5]。郭新指出,碳排放和城镇化水平之间存在着稳定的均衡关系,长期内碳排放量的增加会伴随着短期城市化水平的提升,两者之间的相互作用存在一定的时间延滞[6]。徐丽娜等认为,城镇化对碳排放有正向作用,城镇化对不同城市碳排量的影响存在差异,城镇化水平越高,对碳排放的影响越小,城镇化发展速度越快,对碳排放的影响越大[7]。卢祖丹认为,城镇化发展对碳排放的影响因地区而异,中西部地区在消费模式、经济结构、基础设施建设和区域发展政策等方面的特征,决定了其城镇化进程的推进将有利于实现碳减排,东部地区的经济结构决定了其城镇化发展对碳排放的影响不显著[8]。宋德勇等对我国城镇碳排放影响因素的研究表明,城镇居民人均收入对碳排放影响最大,其次是城镇化率和能源强度,人口总量对碳排放影响最小[9]。王芳等认为,人口城镇化率与碳排放的关系呈倒U型,即在人口城镇化的早期会促进二氧化碳排放,但随着城镇化的进一步扩大则会抑制碳排放[10]。周楠在KAYA等式基础上,采用省际面板数据构建了我国工业碳排放影响因素模型,并得出具体影响因素的作用力[11]。李园等利用改进的STIRPAT模型,对我国工业39个分行业二氧化碳排放影响因素进行实证研究,结果表明能源强度对节能减排具有巨大的促进作用,能源消费对二氧化碳排放量的影响最大[12]。笔者运用VAR模型,利用我国城镇化、工业化发展过程中的碳排放数据,研究我国城镇化、工业化与碳排放之间的关系。

1研究方法

1.1模型设定

向量自回归模型(VAR)是一种非结构化的方程模型,常用于分析相互联系的时间序列系统及随机扰动对变量系统的动态冲击,从而解释各种经济冲击对经济变量的影响。VAR基于数据的统计性质来建立模型,其建模思想是把每一个外生变量作为所有内生变量滞后值的函数来构造模型。将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型,其表达式如下:

Yt=A1Yt-1+A2Yt-2+…+AnYt-n+BXt+βt,

式中,Yt是1个内生变量向量;Xt是外生变量向量;A和B是待估的系数矩阵;β是误差向量。

在研究方法上,先对该时间序列数据进行平稳性检验,即单位根检验,然后用Johansen 协整检验进行检验,以判断城镇化、工业化与碳排放的长期关系,最后采用向量自回归模型(简称VAR模型)分析城镇化和工业化对碳排放的影响程度,主要运用格兰杰因果关系检验、脉冲响应函数和方差分解。

1.1.1格兰杰因果关系检验。格兰杰因果关系可以用来检验某个变量的所有滞后项是否对另一个或几个变量的当期值有影响。如果影响显著,说明该变量对另一个变量或几个变量存在格兰杰因果关系;如果影响不显著,说明该变量对另一个变量或几个变量不存在格兰杰因果关系。格兰杰因果关系检验的原假设是被检验变量不是因变量的因果关系。如果检验的概率P值小于设定的置信水平(通常为5%),则认为被检验变量构成因变量的因果关系:反之,认为被检验变量不是因变量的因果关系。

1.1.2脉冲响应函数。由于系数只是反映了一个局部的动态关系,并不能捕捉全面复杂的动态关系;而研究者往往关注一个变量变化对另一个变量的全部影响过程,在这种情况下通过绘制IRF响应函数可以比较全面地反映各个变量之间的动态影响。

1.1.3方差分解。一般情况下,脉冲响应函数捕捉的是一个变量的冲击对另一个变量的动态影响路径,而方差分解可以将VAR模型系统内一个变量的方差分解到各个扰动项上。因此,方差分解提供了关于每个扰动项因素影响VAR模型内各个变量的相对程度。

1.2数据来源

我国统计年鉴中尚未对碳排放量进行统计并发布数据,因此碳排放的计算要根据国内外现有的研究成果进行估算,计算公式为:

C=iCi=iEi×δi

式中,C为碳排放总量;Ci为第i类能源消耗产生的二氧化碳排放量;Ei为第i类能源的消费量;δi为i种能源的碳排放系数,时间t为2004~2013年[13]。根据《2006年IPCC国家温室气体清单指南》,煤碳、石油、天然气的碳排放系数分别为0.755 9、0.585 7、0.448 3 t(C)/t。

选取变量为碳排放量(I)、城镇化率(PH)、工业化率(DU),数据样本区间为1994~2013年,数据来源于1994~2013年的 《中国统计年鉴》。在实证分析前,考虑到各变量取自然对数不改变时间序列的协整关系,并能使其趋势线性化,消除可能存在的异方差,所以对I、DU、PH进行自然對数变换,分别用lnI、lnDU、lnPH表示。1994~2013年我国碳排放量、城镇化率和工业化率见表1。

表11994~2013年我国碳排放量、城镇化率和工业化率

年份碳排放总量∥万t城镇化率∥%工业化率∥%

199480 401.6228.540.42

199585 560.0529.041.04

199687 993.8230.541.37

199787 656.4031.941.69

199887 638.1533.440.31

199990 824.3534.839.99

200093 233.8436.240.35

200195 162.9937.739.74

2002100 966.5039.139.42

2003117 773.8040.540.45

2004162 303.0441.840.79

2005174 563.6643.041.76

2006184 735.9744.342.21

2007193 327.2745.941.58

2008192 385.0847.041.48

2009199 255.8848.339.67

2010202 059.6149.940.03

2011212 533.1551.339.84

2012212 225.5052.638.44

2013216 107.0753.737.04

2实证分析

2.1单位根检验

运用Eviews5.0对3个变量取对数后进行平稳性检验,以保证其稳定性。检验结果表明,3个变量的ADF值均大于10%的临界值(表2),故接受原假设,即3个变量存在单位根。进行一阶差分后再进行ADF检验,发现3个变量的ADF值小于10%的临界值(表2),因此拒绝原假设,即数据是平稳的,说明I、PH、DU是一阶单整序列。

表2单位根检验结果

变量ADF检验检验形式(C,T,L)ADF值临界值P值检验结果

lnI1,0,2-0.737 075*-2.660 5510.812 6非平稳

lnPH1,1,20.003 748*-3.277 3640.992 9非平稳

lnDU1,0,2-0.033 404*-2.655 1940.943 8非平稳

△lnI0,0,2-2.046 143**-1.961 4090.042 0平稳

△lnPH1,1,2-10.206 960***-4.571 5590平稳

△lnDU1,0,2-3.127 118**-3.040 3910.042 4平稳

注:检验式C、T、L分别是表示有截距项、时间趋势项和滞后期;△表示对序列进行一阶差分;*、**、***分别表示在10%、5%、1%水平下的统计值。

2.2城镇化、工业化和碳排放的VAR模型

VAR模型中的内生变量设定完毕后,必须进一步确定模型内生变量的滞后阶数,滞后阶数的选择对VAR模型的估计非常重要,因为不同的滞后阶数会导致模型估计的结果显著不同。根据连续改进的LR统计量检验(LR)、最终预测误差(FPE)、赤池信息准则(AIC)、西沃兹信息准则(SC)、奎因传信息准则(QC)5个信息量中大多数同时认可的P值,得到不同滞后阶数的信息量(表3)。由表3可知,滞后阶数为4时,5个信息量中有4个同时认可,所以确定滞后期为4。

表3不同滞后阶数的信息量

滞后阶数LogLLRFPEAICSCQC

0 62.475 2- 1.19×10-7-7.434 39-7.289 53-7.426 98

1 134.648 4 108.259 800 4.56×10-11-15.331 05-14.751 60-15.301 37

2 143.041 4 9.442 163 5.75×10-11-15.255 18-14.241 15-15.203 25

3 169.299 0 19.693 230* 1.05×10-11-17.412 38-15.963 78-17.338 20

4 192.684 9 8.769 688 6.28×10-12* -19.210 61* -17.327 42* -19.114 17*

注:*表示按标准选择的滞后阶数,LR、FPE、AIC、SC、QC为确定滞后阶数的5个信息量。

以方程表示lnI、lnDU和lnPH互动关系的VAR(4)模型如下:

lnIlnDUlnPH=

8.50-2.910.39+

0.850.15-0.01

4.670.01-0.11

-9.543.410.67

lnIt-1lnDUt-1lnPHt-1+

-1.12-0.040.01

-2.900.40-0.03

-3.05-3.33-0.10

lnIt-2lnDUt-2lnPHt-2+

0.34-0.110.03

0.561.04-0.02

15.90-0.730.10

lnIt-3lnDUt-3lnPHt-3+

0.66-0.24-0.04

-3.500.560.15

-3.351.140.25

lnIt-4lnDUt-4lnPHt-4+…+

e1te2te3t

3个方程的拟合优度分别为R2I=0.988,R2DU=0.968,R2PH=0.999,拟合优度较高。

从第1个方程可以看出,lnI滞后1、2、3、4期系数之和为正,说明滞后期的碳排放对当期碳排放有促进作用;lnDU的滞后期系数之和为负,说明工业化对碳排放有反向作用;lnPH滞后期系数之和为-0.01,说明城镇化对碳排放有反向作用,但影响作用不大。

从第2个方程可以看出,碳排放滞后期系数之和为负,说明碳排放对工业化起反向作用;工业化自身影响为正,说明工业化对自身起正向作用;城镇化滞后期系数之和为-0.01,说明城镇化在一定程度上抑制工业化。

从第3个方程可以看出,碳排放滞后期系数之和为-0.04,说明碳排放对城镇化有抑制作用;工业化滞后期系数之和为正,说明工业化促进城镇化的发展;城镇化对自身的影响为正,说明城镇化对自身起正向促进作用。

2.3模型平稳性检验运用Eviews6.0软件计算模型的AR根,经过多次验证,滞后2阶时无特征根在圆圈外(图1),表明AR模型是稳定的。

图1模型AR平稳性检验结果

2.4协整检验用Johnsen对变量I、PH、DU进行协整性检验,结果表明,在5%的临界值水平下,明显拒绝至多存在两个协整关系的假定,至少存在3個协整关系(表4)。

根据VAR模型可以得到碳排放与城镇化和工业化之间长期标准化协整方程:

lnI=-13.46lnPH+5.18lnDU

从估计的标准化协整方程可以看出,工业化的发展对碳排放有着明显的促进作用,即当工业化对数每增加1%,则碳排放量对数增加5.18%;而城镇化发展从长期来看与碳排放的增长呈负相关的关系,即城镇化对数每增长1%,碳排放对数下降13.46%。因为从长期来看一国经济发展到一定时期城镇化已经基本完成,基本实现了城镇化与碳排放的“脱钩”,即在城镇化发展的同时降低了能源消费和与之而来的碳排放。

安徽农业科学2015年

表4Johnsen协整检验的结果

假定个数特征值迹统计量5%临界值P值

无协整关系0.958 03750.735 52021.131 6200

至多存在一个协整关系0.635 04016.127 50014.264 6000.025 10

至多存在两个协整关系0.399 7898.167 5963.841 4660.004 30

2.5格兰杰(Granger)因果关系检验与模型估计

格兰杰因果关系检验是一种用于考察序列x是否是序列y产生原因的方法。因果关系检验结果给出了每一个内生变量相对于模型中其他内生变量Granger因果关系检验统计量和检验统计量相应的概率值。如果概率P值小于设定的置信水平,则检验变量是被检验变量的Granger原因,反之不是。由表5可知,不能拒绝lnDU不能Granger引起lnI原因的原假设,即接受工业化不是碳排放的Granger原因的原假设,说明随着时间的推移,工业技术以及产业结构的改善,工业化的发展逐渐减少了对碳排放的影响作用。不能拒绝lnPH不能Granger引起lnI原因的原假设,即接受城镇化不是碳排放的Granger原因的假设。两者的联合检验不能拒绝lnDU、lnPH不能同时Granger引起lnI原因的原假设,即从长远来看我国的工业化和城镇化已经基本实现与碳排放的“脱钩”,并不是碳排放的主导因素。

表5格兰杰因果分析结果

变量原假设最优滞后期χ2统计量P值

lnI方程lnDU不能Granger引起lnI43.160 9620.531 3

lnPH不能Granger引起lnI43.533 5050.472 8

lnDU、lnPH不能同时Granger引起lnI86.939 7300.543 1

lnDU方程lnI不能Granger引起lnDU416.984 0500.001 9

lnPH不能Granger引起lnDU48.716 7630.068 6

lnI、lnPH不能同时Granger引起lnDU835.289 9400

lnPH方程lnI不能Granger引起lnPH427.555 2700

lnDU不能Granger引起lnPH425.931 5500

lnDU、lnI不能同时Granger引起lnPH869.642 6100

2.6脉冲响应的函数分析

应用向量自回归技术做脉冲响应的函数分析,能够更清晰地呈现城镇化和工业化是如何影响碳排放的,从而能够更加准确地解释各个变量之间的关系。建立I和DU、PH的VAR模型,以此对变量之间的冲击反应进行检验。利用Eviews6.0软件估计VAR模型的方程参数。由图2可知,工业化的进程在追踪期间呈现出“先升后降”的趋势,从第1期到第2期正面冲击使工业化迅速增长,并在第1期末达到底峰值;隨后正面的冲击逐渐减弱,从第6期末开始出现负向的冲击,随着时间的推移影响逐渐减弱。碳排放的进程也呈现出“先升后降”的趋势,但是趋势比较缓慢,从第1期开始接受正面冲击,并在第2期末到达峰值;随后正向冲击减弱,在第7期末趋向于零。从长期来看,工业化对我国碳排放的影响逐渐削弱,这也说明我国发展到一定时期后工业化基本完成,产业结构趋于合理基本实现了工业化和碳排放的脱钩。

由图3可知,城镇化对碳排放的冲击从第3期开始呈正向冲击,一直到第7期之后呈逐渐减弱的趋势,随着时间的推移城镇化对碳排放的影响逐渐消失趋于平稳。这也说明从长远来看我国城镇化的发展将有利于实现碳减排。因此,合理的城镇规划,拓宽现有的城镇环境容量和生态承载力,合理引导和保持居民的低碳生活模式,有效发展城镇化的同时实现碳减排。碳排放对城镇化的冲击不是很明显,第1期负向冲击比较强,之后逐渐减弱,从第6期开始正向冲击随着时间推移影响逐渐趋向零。

注:a.lnDU对lnI的响应程度;b.lnI对lnDU的响应程度。

图2工业化与碳排放之间的脉冲响应程度

注:a.lnI对lnPH的响应程度;b.lnPH对lnI的响应程度。

图3城镇化与碳排放之间的脉冲响应程度

2.7方差分解

方差分解是通过分析每一个结构冲击对内生变量变化的贡献度,进一步评价不同结构冲击的重要性。可利用方差分解分析我国城镇化和工业化的冲击对碳排放变化(用方差度量)的贡献度,以定量得出城镇化和工业化随机扰动的相对重要信息。建立I和DU、PH的VAR模型,用Eviews6.0软件做方差分解。

由表6可知,碳排放对来自自身当期的偶然因素冲击感应最为明显,第1年为89.67%,第2年为66.10%,然后缓慢下降,到第10年降至47.91% 。碳排放对来自于工业化的偶然因素冲击感应较明显,第1年为10.33%,之后每年缓慢增加,到第10年稳定在50.65%。城镇化对碳排放的偶然因素冲击感应较弱,第1年没有反应,以后增加缓慢,到第10年为1.44%。可见,碳排放对自身预测误差的影响最大,工业化影响次之,城镇化影响最小。

工业化率对来自自身当期的冲击最为明显,第1年100.00%,第2年87.67%,然后呈波浪式下降,到第10年维持在88.12%。碳排放对工业化的影响较小,第1年没有反应,第2年12.29%,之后先下降后上升,波动频率较小,到第10年稳定在11.77%。城镇化对工业化的影响极其微弱,从第1年的没有影响到第10年的0.11%,说明工业化率对自身预测误差的影响最大,其次是碳排放,城镇化的影响最小。

城镇化率对来自自身冲击最明显,第1年97.45%,第2年89.99%,之后始终在这一水平上波动,到第10年90.17%。碳排放对城镇化的影响第1年1.05%,第2年8.99%,之后呈先上升后下降的趋势,第10年稳定在5.27%。工业化对城镇化的影响第1年1.50%,第2年1.02%,之后先下降后上升,第10年稳定在4.56%。可见,城镇化率对自身最大,其次是碳排放,工业化的影响最小。

表6各变量的方差分解结果

%

滞后期lnIlnIlnDUlnPH

lnDUlnIlnDUlnPH

lnPHlnIlnDUlnPH

189.6710.3300100.0001.051.5097.45

266.1033.730.1812.2987.670.048.991.0289.99

356.7443.140.1212.2287.740.059.530.9889.49

449.8749.960.1711.5088.460.049.300.8389.87

546.8352.750.4110.2889.670.048.220.7291.06

646.4352.840.739.9689.970.077.300.9591.75

747.1351.841.0310.4589.460.096.641.6391.74

847.7251.031.2511.1488.760.116.122.6491.24

947.9250.711.3711.6088.290.115.673.6990.65

1047.9150.651.4411.7788.120.115.274.5690.17

3結论

根据我国1994~2013年的碳排放数据,基于VAR模型对城镇化率、工业化率与碳排放的关系进行实证分析,得出以下结论:

(1)从协整方程可以看出,工业化对碳排放有正向促进作用,城镇化对碳排放有反向作用。

(2)Granger因果关系检验结果表明,从长期来看,工业化、城镇化对碳排放没有明显的Granger影响,但碳排放对工业化和城镇化有着显著的Granger影响。

(3)脉冲响应函数分析表明,工业化在前期的冲击给碳排放带来正面的影响,并出现峰值,随着时间的推移,工业化冲击带来的影响逐渐减弱,并趋于零;城镇化在前期对碳排放的冲击是负面的,但很快转为正面的,并随时间的推移逐渐消失并趋于平稳。

(4)方差分解结果表明,碳排放对自身预测误差的影响最大,工业化的影响次之,而城镇化的作用最小;工业化对自身预测误差的影响最大,其次是碳排放的影响,城镇化影响最小;城镇化对自身预测误差的影响最大,碳排放次之,工业化最小。

参考文献

[1] PARIKH J,SHUKLA V.Urbanization,energy use and greenhouse effects in economic development[J].Global Environmental Change,1995,5(2):87-103.

[2] ALAM S,FATIMA A,BUTT M S.Sustainable development in Pakistan in the context of energy consumption demand and environmental degradation[J].Journal of Asian Economics,2007,18(5):825-837.

[3] PRIAMBODO A,KUMAR S.Energy use and carbon dioxide emission of Indonesian small and medium scale industries[J].Energy Conversion and Management,2001,42(11):127-128.

[4] WORRELL E,BERNSTEIN L,ROY J,et al.Industrial energy efficiency and climate change mitigation[J].Energy Efficiency,2009,2(2):109-123.

[5] 魏后凯,张燕.全面推进中国城镇化绿色转型的思路与举措[J].经济纵横,2011(9):15-19.

[6] 郭新.中国碳排放和城镇化水平的因果分析[J].市场周刊(理论研究),2012(10):67-68,122.

[7] 徐丽娜,赵涛.城镇化与碳排放量的关系研究——基于省会城市和直辖市的实证分析[J].西北人口,2014(1):18-22.

[8] 卢祖丹.我国城镇化对碳排放的影响研究[J].中国科技论坛,2011(7):134-140.

[9] 宋德勇,徐安.中国城镇碳排放的区域差异和影响因素[J].中国人口·资源与环境,2011(11):8-14.

[10] 王芳,周兴.人口结构、城镇化与碳排放——基于跨国面板数据的实证研究[J].中国人口科学,2012(2):47-56,111.

[11] 周楠.我国工业低碳化发展机制研究[D].杭州:浙江理工大学,2014.

[12] 李园,张传平,谢晓慧.中国二氧化碳排放差异及影响因素分析——基于工业分行业的实证分析[J].工业技术经济,2012(8):39-45.

[13] 何婷婷,张丽琼.安徽省农业碳排放现状及低碳农业发展路径探讨[J].安徽农业大学学报:社会科学版,2012,21(5):30-34.

作者:李松 王宝海 丁慧媛