中國服務(wù)業(yè)碳排放強(qiáng)度時空格局及影響因素

王凱 唐小惠 甘暢 劉浩龍

摘要服務(wù)業(yè)碳排放強(qiáng)度是衡量服務(wù)業(yè)生態(tài)文明建設(shè)質(zhì)量的重要標(biāo)尺。首先，基于IPCC碳排放核算方法對1995—2018年中國服務(wù)業(yè)碳排放強(qiáng)度進(jìn)行測算；其次，運用空間自相關(guān)分析探討中國服務(wù)業(yè)碳排放強(qiáng)度的空間關(guān)聯(lián)特征；最后，借助EKC曲線和IPAT模型，以人口密度、經(jīng)濟(jì)發(fā)展水平、技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)為解釋變量，運用地理加權(quán)回歸模型對中國服務(wù)業(yè)碳排放強(qiáng)度進(jìn)行影響因素分析。研究結(jié)果表明：①1995—2018年中國服務(wù)業(yè)碳排放強(qiáng)度均值由1. 43 t/萬元下降至0. 22 t/萬元，年均降幅為3. 53%，1995—2000年為高速下降階段，2000—2018年為緩慢下降階段；空間上呈現(xiàn)出“北高南低、西高東低”的分布格局，多數(shù)省份的服務(wù)業(yè)碳排放強(qiáng)度低于全國平均水平。②中國服務(wù)業(yè)碳排放強(qiáng)度存在顯著空間正向相關(guān)性，表現(xiàn)為先增強(qiáng)后減弱再增強(qiáng)的演變特征；空間關(guān)聯(lián)類型以H-H型集聚和L-L型集聚為主，空間關(guān)聯(lián)格局優(yōu)化趨向顯著，L-H型集聚和H-L型集聚的省份不斷減少，L-L型集聚的省份不斷增多。③各影響因素對服務(wù)業(yè)碳排放強(qiáng)度均存在顯著影響，產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)產(chǎn)生正向影響，人口集聚、經(jīng)濟(jì)發(fā)展水平和技術(shù)水平產(chǎn)生負(fù)向影響；影響程度由強(qiáng)到弱依次為技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展水平和人口密度。因此，各級政府應(yīng)通過自下而上落實各項節(jié)能減排舉措、建立健全區(qū)域協(xié)作機(jī)制、提高資源配置效率等途徑謀求服務(wù)業(yè)低碳化發(fā)展。

關(guān)鍵詞 服務(wù)業(yè)；碳排放強(qiáng)度；時空格局；影響因素；地理加權(quán)回歸

中圖分類號F719文獻(xiàn)標(biāo)識碼A文章編號1002-2104（2021）08-0023-09DOI：10. 12062/cpre. 20200435

基金項目：湖南省自然科學(xué)基金項目“世界遺產(chǎn)地景區(qū)企業(yè)低碳行為的影響機(jī)理及優(yōu)化路徑：張家界案例”（批準(zhǔn)號：2018JJ2259）；湖南省國內(nèi)一流培育學(xué)科建設(shè)項目“地理學(xué)”（批準(zhǔn)號：5010002）。

溫室氣體排放是引致全球氣候變暖的重要原因，世界各國圍繞全球氣候變暖的博弈持續(xù)加劇。中國作為最大的發(fā)展中國家，面臨溫室氣體減排和低碳產(chǎn)業(yè)競爭的雙重壓力與挑戰(zhàn)，在外部國際輿論壓力和國家政策的支持下，第一產(chǎn)業(yè)和第二產(chǎn)業(yè)早已率先走上節(jié)能減排之路。新世紀(jì)以來，中國服務(wù)業(yè)產(chǎn)值逐年攀升，服務(wù)業(yè)已成為助推中國國民經(jīng)濟(jì)高質(zhì)量發(fā)展的重要支撐。隨著工農(nóng)業(yè)節(jié)能減排的邊際效益日益遞減，充分挖掘服務(wù)業(yè)的節(jié)能減排潛力已成為學(xué)界和業(yè)界的重要內(nèi)容。在產(chǎn)業(yè)發(fā)展和能源合理利用的雙重約束下，服務(wù)業(yè)碳排放強(qiáng)度是衡量服務(wù)業(yè)節(jié)能減排成效的重要指標(biāo)。探尋中國服務(wù)業(yè)碳排放強(qiáng)度的時空格局及其影響因素對于充分挖掘服務(wù)業(yè)減排潛力、合理規(guī)劃服務(wù)業(yè)發(fā)展方向、加速服務(wù)業(yè)生態(tài)文明建設(shè)進(jìn)程具有重要意義。

1文獻(xiàn)綜述

碳排放強(qiáng)度作為衡量經(jīng)濟(jì)發(fā)展與生態(tài)環(huán)境之間和諧關(guān)系的重要標(biāo)尺，已被廣泛應(yīng)用于工農(nóng)業(yè)[1-4]以及區(qū)域經(jīng)濟(jì)、城市經(jīng)濟(jì)發(fā)展[5-6]的生態(tài)影響評估中，研究內(nèi)容包括碳排放強(qiáng)度測算[7]、時空演變特征刻畫[8]、空間效應(yīng)檢驗[9-10]以及驅(qū)動因素探討[11]等諸多方面。受限于服務(wù)業(yè)發(fā)展對資源環(huán)境影響的認(rèn)識偏差和服務(wù)業(yè)能源消費數(shù)據(jù)的獲取難度[12]，服務(wù)業(yè)碳排放的相關(guān)研究起步較晚，研究主題大多拘囿于服務(wù)業(yè)碳排放量[13]和碳排放效率[14-16]的測度，并逐漸延伸至?xí)r空格局[17-18]、影響因素[19-21]和驅(qū)動機(jī)制[22]等方面；研究尺度多基于宏觀層面，諸如全球[17]、國家[19]、省域[15]等，中、微觀尺度較少涉及；研究方法上，服務(wù)業(yè)碳排放量和碳排放效率的測度分別以IPCC碳排放核算方法[12]和數(shù)據(jù)包絡(luò)分析方法[16]占據(jù)主流，影響因素和驅(qū)動機(jī)制的研究主要是基于LMDI模型[19]或EKC模型[18]進(jìn)行簡單因素分解。其中：Isabela等[23]和Wang等[24]分別運用投入產(chǎn)出分析法和數(shù)據(jù)包絡(luò)分析方法測算了西班牙和中國的服務(wù)業(yè)碳排放量和碳排放效率；王凱等基于IPCC碳排放核算方法對中國服務(wù)業(yè)人均碳排放量進(jìn)行核算，指出中國服務(wù)業(yè)人均碳排放量持續(xù)上升，且東部地區(qū)服務(wù)業(yè)人均碳排放量顯著高于中西部地區(qū)[18]；Yuan等利用投入產(chǎn)出分解子系統(tǒng)探析了區(qū)域服務(wù)業(yè)的碳排放模式和驅(qū)動機(jī)制，指出需求和技術(shù)是影響北京市服務(wù)業(yè)碳排放量變化的主要因素[25]。

前述研究為文章拓寬研究視角、深化研究內(nèi)容奠定了堅實的理論基礎(chǔ)，但也存在明顯不足：首先，服務(wù)業(yè)碳排放的研究大多局限于碳排放量或碳排放效率，忽視了服務(wù)業(yè)經(jīng)濟(jì)增長與能源消耗之間動態(tài)關(guān)系的探討；其次，盡管部分學(xué)者對服務(wù)業(yè)碳排放量或者碳排放效率的影響因素進(jìn)行了初步剖析，但影響因素選取較片面，實證分析也有待深入。鑒于此，文章引入碳排放強(qiáng)度這一將經(jīng)濟(jì)增長和能源消耗有效聯(lián)接的重要生態(tài)平衡衡量指標(biāo)，基于IPCC碳排放核算方法對中國1995—2018年服務(wù)業(yè)碳排放強(qiáng)度進(jìn)行測度，并運用空間自相關(guān)等方法探尋其時空格局演變特征，最后借助EKC曲線和IPAT模型合理選取解釋變量，采用地理加權(quán)回歸模型對其影響因素進(jìn)行深入探討，以期為制定和落實各項服務(wù)業(yè)節(jié)能減排舉措、建立健全區(qū)域減排協(xié)作機(jī)制等提供有益啟示。

2研究方法與數(shù)據(jù)來源

2. 1研究方法

2. 1. 1服務(wù)業(yè)碳排放強(qiáng)度測算

式中：i表示省份；t表示年份；j表示能源消費類型；Ait為i省份第t年的服務(wù)業(yè)碳排放總量；Eijt為i省份第t年第j類能源的消費量；αj為第j類能源的碳排放系數(shù)，即每消耗1kg第j類能源所產(chǎn)生的碳排放量；Qit為i省份第t年的服務(wù)業(yè)碳排放強(qiáng)度；Yit為i省份第t年的服務(wù)業(yè)產(chǎn)值。能源消費類型由《中國能源統(tǒng)計年鑒》[27]獲取，各類型能源的碳排放系數(shù)根據(jù)其平均低位發(fā)熱量以及《2006年IPCC溫室氣體排放清單指南》中所使用的碳排放因子[26]計算得出（表1）。

2. 1. 2服務(wù)業(yè)碳排放強(qiáng)度空間關(guān)聯(lián)特征分析

采用空間自相關(guān)分析法來剖析中國服務(wù)業(yè)碳排放強(qiáng)度的空間關(guān)聯(lián)特征。運用全局空間自相關(guān)（Global Mo？ ran’s I）對其空間相關(guān)性進(jìn)行檢驗，以刻畫其空間自相關(guān)特征的演變趨勢。運用局部空間自相關(guān)（Local Moran’s I）來探析各省份與其相鄰省份服務(wù)業(yè)碳排放強(qiáng)度的空間關(guān)聯(lián)類型與空間關(guān)聯(lián)格局，公式如下：

2. 2數(shù)據(jù)來源

文章測算了1995—2018年中國30個省份的服務(wù)業(yè)碳排放強(qiáng)度，西藏、香港、澳門和臺灣地區(qū)由于數(shù)據(jù)獲取困難，故未包括在此次研究范圍之內(nèi)。各類型能源的碳排放因子來源于《2006年IPCC溫室氣體排放清單指南》，碳排放系數(shù)根據(jù)其平均低位發(fā)熱量及其碳排放因子計算得出。相關(guān)數(shù)據(jù)來源于1996—2019年《中國統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》《中國第三產(chǎn)業(yè)統(tǒng)計年鑒》和各省份統(tǒng)計年鑒，個別缺失數(shù)據(jù)采用鄰近年份數(shù)值進(jìn)行線性插補(bǔ)。

3實證分析

3. 1服務(wù)業(yè)碳排放強(qiáng)度測算

從時間上看，1995—2018年，中國服務(wù)業(yè)碳排放強(qiáng)度均值由1. 43 t/萬元下降至0. 22 t/萬元，年均降幅為3. 53%。吉林、內(nèi)蒙古、甘肅等西部和東北省份的服務(wù)業(yè)碳排放強(qiáng)度處于較高水平，在研究期內(nèi)下降幅度均在2. 00 t/萬元以上，對中國總體服務(wù)業(yè)碳排放強(qiáng)度降低的貢獻(xiàn)較大。江蘇、浙江、安徽等省份的服務(wù)業(yè)碳排放強(qiáng)度在研究基期已低于全國平均水平，且在研究期內(nèi)長期處于較低水平，下降幅度均在0. 50 t/萬元以下。分階段來看，1995—2000年（高速下降階段），服務(wù)業(yè)碳排放強(qiáng)度由1. 43 t/萬元降至0. 76 t/萬元，年均降幅為9. 37%，下降幅度較大；2000—2018年（緩慢下降階段），服務(wù)業(yè)碳排放強(qiáng)度由0. 76 t/萬元下降至0. 22 t/萬元，年均下降速度為3. 74%，呈小幅度平穩(wěn)下降趨勢。這一方面得益于國家總體節(jié)能減排方略的強(qiáng)力推進(jìn)和服務(wù)業(yè)節(jié)能減排政策體系的不斷完善，也與各級政府充分意識到國內(nèi)生態(tài)環(huán)境的嚴(yán)峻形勢和節(jié)能減排的迫切需要，嚴(yán)格落實能源消費總量控制目標(biāo)，促進(jìn)能源消費結(jié)構(gòu)調(diào)整升級密切相關(guān)。

從空間上看，中國服務(wù)業(yè)碳排放強(qiáng)度呈現(xiàn)“北高南低、西高東低”的分布格局（圖1）。東部各省份服務(wù)業(yè)碳排放強(qiáng)度均較低，為服務(wù)業(yè)碳排放低強(qiáng)度區(qū)；西部各省份服務(wù)業(yè)碳排放強(qiáng)度相對較高，為服務(wù)業(yè)碳排放高強(qiáng)度區(qū)；中部和東北地區(qū)服務(wù)業(yè)碳排放高強(qiáng)度省份和低強(qiáng)度省份同時存在，為服務(wù)業(yè)碳排放高強(qiáng)度區(qū)和低強(qiáng)度區(qū)的過渡地帶。多數(shù)省份的服務(wù)業(yè)碳排放強(qiáng)度均值低于全國平均水平，其中：北京、上海、廣東等12個省份的服務(wù)業(yè)碳排放強(qiáng)度均值在0. 50 t/萬元以下；內(nèi)蒙古、吉林、貴州等5個省份的服務(wù)業(yè)碳排放強(qiáng)度均值在1. 00 t/萬元以上。值得注意的是，天津的服務(wù)業(yè)碳排放強(qiáng)度在研究基期居全國前列，與其所擁有的產(chǎn)業(yè)結(jié)構(gòu)優(yōu)勢不符，原因在于其在研究基期尚未開始產(chǎn)業(yè)轉(zhuǎn)移、經(jīng)濟(jì)發(fā)展主要依靠高耗能產(chǎn)業(yè)，此后逐步將能源密集型產(chǎn)業(yè)轉(zhuǎn)移至內(nèi)蒙古、甘肅等地，并通過政策、資金扶持大力發(fā)展服務(wù)業(yè)，加上能源利用技術(shù)水平顯著提升，服務(wù)業(yè)碳排放強(qiáng)度由2. 84 t/萬元下降至0. 11 t/萬元，由高強(qiáng)度區(qū)躋身于低強(qiáng)度區(qū)行列。

3. 2服務(wù)業(yè)碳排放強(qiáng)度空間格局演化

3. 2. 1全局空間格局演化

1995—2018年，中國服務(wù)業(yè)碳排放強(qiáng)度的全局Mo？ ran’s I值均大于零，并在[0. 22，0. 50]內(nèi)大致經(jīng)歷了“上升—下降—上升”3個階段（表2），表明中國服務(wù)業(yè)碳排放強(qiáng)度存在顯著空間正向相關(guān)性，且其相關(guān)性強(qiáng)弱呈現(xiàn)先增強(qiáng)后減弱再增強(qiáng)的演變特征。分階段來看：1995—2007年，全局Moran’s I指數(shù)在[0. 22，0. 50]內(nèi)波動上升，服務(wù)業(yè)碳排放強(qiáng)度空間正向相關(guān)性增強(qiáng)，空間集聚特征顯著增強(qiáng)；2007—2014年，全局Moran’s I指數(shù)在[0. 29，0. 50]內(nèi)波動下降，服務(wù)業(yè)碳排放強(qiáng)度空間正向相關(guān)性出現(xiàn)短暫性減弱態(tài)勢，空間集聚特征減弱；2014—2018年，全局Moran’s I指數(shù)在[0. 29，0. 34]內(nèi)持續(xù)上升，服務(wù)業(yè)碳排放強(qiáng)度空間正向相關(guān)性不斷增強(qiáng)，空間集聚特征又再次增強(qiáng)。

3. 2. 2局部空間格局演化

分別繪制1995、2002、2010和2018年的Moran’s I散點圖（圖2），將各省份服務(wù)業(yè)碳排放強(qiáng)度的空間關(guān)系劃分為4種類型：L-L（低-低）型、L-H（低-高）型、H-L（高-低）型和H-H（高-高）型。4個時間截面中，L-L型、L-H型、H-L型和H-H型省份數(shù)量所占比例分別為39%、21%、6%和33%，L-L型和H-H型共占72%，L-H型和H-L型共占28%，表明中國服務(wù)業(yè)碳排放強(qiáng)度存在明顯空間聚類現(xiàn)象。H-H型和L-L型分布廣泛，是服務(wù)業(yè)碳排放強(qiáng)度空間關(guān)聯(lián)的主要類型，且空間集聚格局優(yōu)化趨勢漸顯，L-L型省份數(shù)量逐漸增多，并逐漸向西、向北擴(kuò)散；L-H型和H-L型省份數(shù)量逐漸減少，由無規(guī)律分散分布逐漸轉(zhuǎn)向在中部地區(qū)的少數(shù)省份集中分布，形成H-H型和L-L型之間的“隔離分異”地帶。

（1）H-H型省份占比無明顯變化，主要分布于西部和東北地區(qū)，這與服務(wù)業(yè)碳排放高強(qiáng)度省份的空間分布格局基本一致。其中：內(nèi)蒙古、青海、新疆和貴州4省份始終處于H-H型集聚區(qū)，為中國服務(wù)業(yè)碳排放高強(qiáng)度集聚核心區(qū)；吉林、遼寧、云南、甘肅、寧夏等鄰近省份在H-H型集聚區(qū)中頻次高，與內(nèi)蒙古、青海、新疆和貴州4省份共同構(gòu)成中國服務(wù)業(yè)碳排放高強(qiáng)度集聚區(qū)。

（2）L-L型省份占比由1995年的33%提升至2018年的39%，主要分布于東部和中部地區(qū)且始終連接成片，并逐漸由東部地區(qū)向中部地區(qū)擴(kuò)散，這與服務(wù)業(yè)碳排放低強(qiáng)度省份的空間分布格局基本一致。其中：江蘇、浙江、安徽、福建、江西、山東和河南7省份始終處于L-L型集聚區(qū)，為中國服務(wù)業(yè)碳排放低強(qiáng)度集聚核心區(qū)；北京、天津和上海等鄰近省份在L-L型集聚區(qū)中的頻次較高，與江蘇、浙江、安徽、福建、江西、山東和河南等7省份共同構(gòu)成中國服務(wù)業(yè)碳排放低強(qiáng)度集聚區(qū)。

（3）L-H型省份占比由1995年的30%下降至2018年的21%，主要分布于西部地區(qū)，并由無規(guī)律分散分布向西部地區(qū)集中分布轉(zhuǎn)變。其中：四川始終處于L-H型集聚區(qū)，河北、湖南、廣東等省份在L-H型集聚區(qū)中頻次較高。上述省份服務(wù)業(yè)碳排放強(qiáng)度較低，與鄰近的內(nèi)蒙古、貴州、青海等碳排放高強(qiáng)度省份形成空間分異，在空間格局上呈現(xiàn)出中間低、四周高的分布形態(tài)。

（4）H-L型省份占比始終較低，主要包括天津、上海、山西、湖北和廣東5個省份，上述省份在研究期內(nèi)都經(jīng)歷過服務(wù)業(yè)高碳排放強(qiáng)度階段，與鄰近的北京、江西、江蘇等碳排放低強(qiáng)度省份形成空間分異，在空間格局上呈現(xiàn)中間高、四周低的分布形態(tài)。同時，這5個省份分別在不同年份由H-L型轉(zhuǎn)變?yōu)長-L型，原因在于研究期內(nèi)這些省份服務(wù)業(yè)碳排放強(qiáng)度明顯降低，與鄰近的福建、江蘇、江西等碳排放低強(qiáng)度省份連接成片，形成L-L型集聚，使得L-L型集聚區(qū)范圍不斷擴(kuò)大。

3. 3服務(wù)業(yè)碳排放強(qiáng)度影響因素分析3. 3. 1影響因素選取

EKC曲線和IPAT模型均強(qiáng)調(diào)人口密度、富裕程度和技術(shù)水平對環(huán)境的重要影響[5，28]。人口密度通過規(guī)模效應(yīng)和集聚效應(yīng)分別促使能源消費總量增加和人均消費量降低[6]。EKC曲線表明，財富增長的過程也是環(huán)境質(zhì)量變化的過程[5]。技術(shù)水平通過提高能源利用效率降低單位GDP所產(chǎn)生的能源消耗[5-6]。產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化是衡量服務(wù)業(yè)發(fā)展層次的重要標(biāo)尺，服務(wù)業(yè)的發(fā)展層次對生態(tài)環(huán)境和能源利用具有重要影響[4-6]。能源結(jié)構(gòu)對服務(wù)業(yè)碳排放強(qiáng)度產(chǎn)生直接影響，煤炭、石油等化石能源過多使用將導(dǎo)致大量二氧化碳排放，而風(fēng)能等清潔能源的污染程度較低[4]。

綜上所述，參照EKC曲線和IPAT模型，同時參考劉賢趙等[5]和王少劍等[6]等的研究成果，選取人口密度、經(jīng)濟(jì)發(fā)展水平、技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)5個解釋變量對服務(wù)業(yè)碳排放強(qiáng)度進(jìn)行影響因素分析（圖3）。分別以各省份的人口密度（萬人/km2）、人均GDP（萬元）、研究與事業(yè)發(fā)展經(jīng)費支出占地區(qū)生產(chǎn)總值比重（%）、第三產(chǎn)業(yè)產(chǎn)值占GDP比重（%）和服務(wù)業(yè)煤炭消費量占能源消費總量的比重（%）予以表征[5-6]。

3. 3. 2影響因素的時空異質(zhì)性分析

選取研究基期和末期兩個時間截面對服務(wù)業(yè)碳排放強(qiáng)度進(jìn)行地理加權(quán)回歸分析，根據(jù)回歸結(jié)果（圖4）對各影響因素進(jìn)行詳細(xì)分析：

（1）人口密度。人口密度與服務(wù)業(yè)碳排放強(qiáng)度的關(guān)系由在全國范圍內(nèi)均存在負(fù)向影響逐漸轉(zhuǎn)變?yōu)檎蛴绊?，僅甘肅、青海和新疆3省份在2018年呈現(xiàn)微弱負(fù)向影響，影響程度由由南向北遞增轉(zhuǎn)變?yōu)橛杀毕蚰线f增。人口密度對碳排放的影響表現(xiàn)為規(guī)模效應(yīng)和集聚效應(yīng)，規(guī)模效應(yīng)促使碳排放總量增加，集聚效應(yīng)則使得人均碳排放量降低[4]。研究期內(nèi)，集聚效應(yīng)逐漸強(qiáng)于規(guī)模效應(yīng)，人口密度與服務(wù)業(yè)碳排放強(qiáng)度的關(guān)系逐漸轉(zhuǎn)移至EKC曲線右側(cè)；影響程度大小與各省份的人口密度并不一致，這表明集聚效應(yīng)并不是隨人口密度的增加呈直線上升，可能與不同人口密度下規(guī)模效應(yīng)和集聚效應(yīng)的不同強(qiáng)弱態(tài)勢有關(guān)。

（2）經(jīng)濟(jì)發(fā)展水平。經(jīng)濟(jì)發(fā)展水平對服務(wù)業(yè)碳排放強(qiáng)度的影響由正向轉(zhuǎn)變?yōu)樨?fù)向，影響程度總體呈現(xiàn)由西北向東南遞增態(tài)勢。經(jīng)濟(jì)發(fā)展通過速度加快和方式轉(zhuǎn)變對碳排放施加影響，前者可能引致碳排放總量的急速攀升，導(dǎo)致碳排放強(qiáng)度居高不下，而后者則更多通過發(fā)展方式優(yōu)化和發(fā)展質(zhì)量提升來降低碳排放強(qiáng)度，這表明國內(nèi)生態(tài)環(huán)境形式的日益嚴(yán)峻、節(jié)能減排意識的逐漸增強(qiáng)，使得各級政府逐漸摒棄高耗能發(fā)展方式，經(jīng)濟(jì)發(fā)展對服務(wù)業(yè)碳排放強(qiáng)度的抑制作用逐漸顯露；影響程度由西北向東南遞增也與中國東西部地區(qū)經(jīng)濟(jì)發(fā)展水平基本吻合。

（3）技術(shù)水平。技術(shù)水平對服務(wù)業(yè)碳排放強(qiáng)度始終呈現(xiàn)顯著負(fù)向影響，影響程度由東向西遞增。技術(shù)水平提升是降低能源損耗和提高能源利用效率的關(guān)鍵因素，技術(shù)進(jìn)步對碳排放強(qiáng)度的抑制效用顯著；影響程度由東向西遞增的分布格局與技術(shù)水平相反，說明技術(shù)水平低下導(dǎo)致的能源利用效率低是目前中西部地區(qū)服務(wù)業(yè)碳排放強(qiáng)度高居不下的主要原因，也從側(cè)面印證了提高技術(shù)水平將是未來中西部地區(qū)服務(wù)業(yè)節(jié)能減排的重要抓手。

（4）產(chǎn)業(yè)結(jié)構(gòu)。產(chǎn)業(yè)結(jié)構(gòu)對服務(wù)業(yè)碳排放強(qiáng)度始終呈現(xiàn)顯著正向影響，影響程度由由北向南遞增轉(zhuǎn)變?yōu)橛赡舷虮边f增。當(dāng)前中國產(chǎn)業(yè)結(jié)構(gòu)亟待轉(zhuǎn)型升級，產(chǎn)業(yè)結(jié)構(gòu)的正向外部示范效應(yīng)并不明顯，因而未對服務(wù)業(yè)碳排放強(qiáng)度產(chǎn)生抑制作用；影響程度大小的空間分異變化與各省份所處的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整階段相關(guān)，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整初期，服務(wù)業(yè)盲目擴(kuò)張導(dǎo)致碳排放強(qiáng)度較大，而隨著發(fā)展方式的優(yōu)化升級，產(chǎn)業(yè)結(jié)構(gòu)對碳排放強(qiáng)度的正向影響減弱，因此，在研究基期南部省份的影響程度較強(qiáng)，研究末期轉(zhuǎn)變?yōu)楸辈渴》莸挠绊懗潭容^強(qiáng)。

（5）能源結(jié)構(gòu)。能源結(jié)構(gòu)對服務(wù)業(yè)碳排放強(qiáng)度始終呈現(xiàn)顯著正向影響，影響程度總體呈現(xiàn)由東北向西北和西南遞增的態(tài)勢。在空間分布上影響程度雖然有所變化，但從各省份的回歸系數(shù)來看，能源結(jié)構(gòu)對服務(wù)業(yè)碳排放強(qiáng)度的影響程度變化較小。這表明在全國范圍內(nèi)，不合理的能源消費結(jié)構(gòu)是服務(wù)業(yè)碳排放強(qiáng)度降低的重要阻礙，以煤炭為代表的強(qiáng)污染性能源的過度消費嚴(yán)重阻礙服務(wù)業(yè)碳排放強(qiáng)度降低。

4結(jié)論與啟示

基于1995—2018年服務(wù)業(yè)能源消費數(shù)據(jù)，運用IPCC碳排放核算方法對中國30個省份的服務(wù)業(yè)碳排放強(qiáng)度進(jìn)行測算，并運用空間自相關(guān)分析和地理加權(quán)回歸模型等方法對中國服務(wù)業(yè)碳排放強(qiáng)度時空演變特征及其影響因素進(jìn)行分析，主要研究結(jié)論及政策建議如下：

（1）1995—2018年，中國服務(wù)業(yè)碳排放強(qiáng)度顯著降低，服務(wù)業(yè)碳排放強(qiáng)度均值由1. 43 t/萬元下降至0. 22 t/萬元，年均下降幅度為3. 53%，1995—2000年為高速下降階段，2000—2018年為緩慢下降階段；空間上呈現(xiàn)“北高南低、西高東低”的分布格局，東部為服務(wù)業(yè)碳排放低強(qiáng)度區(qū)，西部為服務(wù)業(yè)碳排放高強(qiáng)度區(qū)，中部和東北地區(qū)為服務(wù)業(yè)碳排放高強(qiáng)度區(qū)和低強(qiáng)度區(qū)的過渡地帶，多數(shù)省份的服務(wù)業(yè)碳排放強(qiáng)度低于全國平均水平。因此，首先國家層面應(yīng)制定服務(wù)業(yè)減排長期目標(biāo)和短期目標(biāo)，并分級落實到各?。黄浯胃魇?yīng)嚴(yán)格執(zhí)行中央減排政策和規(guī)劃，精準(zhǔn)定位、合理施策，積極探索差異化的服務(wù)業(yè)減排政策和措施，東部服務(wù)業(yè)碳排放低強(qiáng)度省份應(yīng)打造服務(wù)業(yè)生態(tài)產(chǎn)業(yè)集群；中西部服務(wù)業(yè)碳排放高強(qiáng)度省份應(yīng)以轉(zhuǎn)換能源結(jié)構(gòu)為重點，淘汰高能耗產(chǎn)業(yè)。

（2）中國服務(wù)業(yè)碳排放強(qiáng)度存在顯著空間正向相關(guān)性，表現(xiàn)為先增強(qiáng)后減弱再增強(qiáng)的演變特征；服務(wù)業(yè)碳排放強(qiáng)度空間依賴特征顯著，空間關(guān)聯(lián)類型以H-H型集聚和L-L型集聚為主，空間關(guān)聯(lián)格局優(yōu)化趨向顯著，L-H型集聚和H-L型集聚的省份不斷減少，L-L型集聚的省份不斷增多，并逐漸由東部地區(qū)向中部地區(qū)擴(kuò)散。因此，應(yīng)建立健全區(qū)域協(xié)作機(jī)制，促進(jìn)中央和地方各級政府之間的協(xié)作，明確東、中、西部地區(qū)的服務(wù)業(yè)減排優(yōu)勢和劣勢，推動?xùn)|、中、西部地區(qū)區(qū)域協(xié)調(diào)聯(lián)動減排；東部服務(wù)業(yè)碳排放低強(qiáng)度省份應(yīng)充分發(fā)揮示范作用，增強(qiáng)對中、西部地區(qū)的技術(shù)溢出；中、西部服務(wù)業(yè)碳排放高強(qiáng)度省份應(yīng)合理借鑒東部服務(wù)業(yè)碳排放低強(qiáng)度省份的服務(wù)業(yè)減排經(jīng)驗，在聯(lián)防聯(lián)治機(jī)制下謀求服務(wù)業(yè)可持續(xù)發(fā)展長效共贏。

（3）人口密度、經(jīng)濟(jì)發(fā)展水平、技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)對服務(wù)業(yè)碳排放強(qiáng)度均存在顯著影響。產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)產(chǎn)生正向影響，人口集聚、經(jīng)濟(jì)發(fā)展水平和技術(shù)水平產(chǎn)生負(fù)向影響；影響程度由強(qiáng)到弱依次為：技術(shù)水平>產(chǎn)業(yè)結(jié)構(gòu)>能源結(jié)構(gòu)>經(jīng)濟(jì)發(fā)展水平>人口密度。因此，各級政府均應(yīng)提高資源配置效率，摒棄高消耗、高投入、高污染的傳統(tǒng)發(fā)展模式，走綠色、低碳、環(huán)保的循環(huán)發(fā)展道路；充分發(fā)揮人口集聚、經(jīng)濟(jì)發(fā)展和規(guī)模報酬遞增帶來的減排效應(yīng)，積極推廣太陽能和風(fēng)能等新能源，加速能源消費結(jié)構(gòu)調(diào)整升級；通過財政扶持、稅收減免和人才激勵等措施推動服務(wù)業(yè)低碳減排技術(shù)的發(fā)展，加速服務(wù)業(yè)低碳技術(shù)應(yīng)用和推廣，利用現(xiàn)代科技助推服務(wù)業(yè)可持續(xù)發(fā)展。

文章引入碳排放強(qiáng)度對中國服務(wù)業(yè)經(jīng)濟(jì)增長和能源消耗的長期動態(tài)關(guān)系進(jìn)行有效探析，對于中國轉(zhuǎn)變服務(wù)業(yè)發(fā)展方式具有重要意義。但本研究也存在以下不足：第一，服務(wù)業(yè)碳排放強(qiáng)度演變涉及國家宏觀調(diào)控、產(chǎn)業(yè)結(jié)構(gòu)升級等國家和區(qū)域聯(lián)動因素，此次研究基于省際層面，將各省份作為一個獨立樣本來探討其時空格局演變，尚未明晰中國整體服務(wù)業(yè)碳排放強(qiáng)度的演化特征；第二，此次研究選用地理加權(quán)回歸模型進(jìn)行影響因素分析，由于模型限制，僅截取了研究基期和研究末期兩個時間截面進(jìn)行回歸分析，尚未充分考慮各影響因素的時序演變特征，以上均是后續(xù)研究的重點。

參考文獻(xiàn)

[1]韓會慶，王世堯，馬庚，等.我國農(nóng)業(yè)碳排放強(qiáng)度與農(nóng)業(yè)經(jīng)濟(jì)空間相關(guān)性研究[J].水土保持研究，2018，25（5）：269-274，281.

[2]顏廷武，田云，張俊飚，等.中國農(nóng)業(yè)碳排放拐點變動及時空分異研究[J].中國人口？資源與環(huán)境，2014，24（11）：1-8.

[3]趙濤，田莉，許憲碩.天津市工業(yè)部門碳排放強(qiáng)度研究：基于LM？ DI-Attribution分析方法[J].中國人口·資源與環(huán)境，2015，25（7）：40-47.

[4]田華征，馬麗.中國工業(yè)碳排放強(qiáng)度變化的結(jié)構(gòu)因素解析[J].自然資源學(xué)報，2020，35（3）：639-653.

[5]劉賢趙，高長春，張勇，等.中國省域碳強(qiáng)度空間依賴格局及其影響因素的空間異質(zhì)性研究[J].地理科學(xué)，2018，38（5）：681-690.

[6]王少劍，黃永源.中國城市碳排放強(qiáng)度的空間溢出效應(yīng)及驅(qū)動因素[J].地理學(xué)報，2019，74（6）：1131-1148.

[7]阿依吐爾遜·沙木西，艾力西爾·亞力坤，劉曉曼，等.烏魯木齊土地利用碳排放強(qiáng)度時空演變研究[J].中國農(nóng)業(yè)資源與區(qū)劃，2020，41（2）：139-146.

[8]夏四友，趙媛，許昕，等.近20年來中國農(nóng)業(yè)碳排放強(qiáng)度區(qū)域差異、時空格局及動態(tài)演化[J].長江流域資源與環(huán)境，2020，29（3）：596-608.

[9]ZHAO X T，WESLEY B，JERALD J，et al. Spatial analysis of Chi？ na province-level CO2 emission intensity[J]. Renewable and sus？ tainable energy reviews，2014（33）：1-10.

[10]趙桂梅，耿涌，孫華平，等.中國省際碳排放強(qiáng)度的空間效應(yīng)及其傳導(dǎo)機(jī)制研究[J].中國人口·資源與環(huán)境，2020，30（3）：49-55.

[11]TANG Z，MEI Z，LIU W，et al. Identification of the key factors af？ fecting Chinese carbon intensity and their historical trends using random forest algorithm[J]. Journal of geographical sciences，2020，30（5）：743-756.

[12]王凱，李娟，席建超.中國服務(wù)業(yè)能源消費CO2排放及其因素分解[J].環(huán)境科學(xué)研究，2013，26（5）：576-582.

[13]RUI X，TATSUYA H，YUKO K，et al. Estimating energy service demand and CO2emissions in the Chinese service sector at provin？ cial level up to 2030[J]. Resources，conservation and recycling，2018，134（7）：347-360.

[14]MULDER P，DE GROOT H L F，PFEIFFER B. Dynamics and de？ terminants of energy intensity in the service sector：a cross？coun？ try analysis，1980—2005[J]. Ecological economics，2014，100（4）：1-15.

[15]王許亮，王恕立，滕澤偉.中國服務(wù)業(yè)碳生產(chǎn)率的空間收斂性研究[J].中國人口·資源與環(huán)境，2020，30（2）：70-79.

[16]王恕立，滕澤偉，劉軍.中國服務(wù)業(yè)生產(chǎn)率變動的差異分析：基于區(qū)域及行業(yè)視角[J].經(jīng)濟(jì)研究，2015，50（8）：73-84.

[17]王許亮，王恕立.服務(wù)業(yè)能源生產(chǎn)率變遷及收斂性分析：基于全球40個經(jīng)濟(jì)體細(xì)分行業(yè)數(shù)據(jù)的經(jīng)驗研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2018，35（1）：42-59.

[18]王凱，肖燕，劉浩龍，等.中國服務(wù)業(yè)CO2排放的時空特征與EKC檢驗[J].環(huán)境科學(xué)研究，2016，29（2）：306-314.

[19]王凱，李娟，唐宇凌，等.中國服務(wù)業(yè)能源消費碳排放量核算及影響因素分析[J].中國人口·資源與環(huán)境，2013，23（5）：21-28.

[20]LAM T N T，WAN K K W，WONG S L，et al. Impact of climate change on commercial sector air conditioning energy consumption in subtropical Hong Kong[J]. Applied energy，2009，87（7）：2321-2327.

[21]LI L，XUE F，KE P. A spatial panel analysis of carbon emissions，economic growth and high？technology industry in China[J]. Struc？ tural change and economic dynamics，2019（6）：83-92.

[22]MA M，CAI W. Do commercial building sector-derived carbon emissions decouple from the economic growth in tertiary industry：a case study of four municipalities in China[J]. The science of the total environment，2019，650（1）：822-834.

[23]ISABELA B，MARIA L. Structural decomposition analysis and in？ put–output subsystems：changes in CO2emissions of Spanish ser？ vice sectors（2000—2005）[J]. Ecological economics，2011，70（11）：2012-2019.

[24]WANG R，HAO J X，WANG C，et al. Embodied CO2emissions and efficiency of the service sector：evidence from China[J]. Jour？ nal of cleaner production，2020，274（20）：116-129.

[25]YUAN R，ZHAO T，XU J. A subsystem input-output decomposi？ tion analysis of CO2emissions in the service sectors：a case study of Beijing，China[J]. Environment development and sustainabili？ ty，2017，19（6）：2181-2198.

[26]IPCC. IPCC guidelines for national green gas inventories：volumeⅡ[EB/OL]. Kanagawa：IGES，（2008-07-20）[2012-08-19]. http：www.ipcc.ch/ipccreports/Methodology-reports.htm.

[27]中華人民共和國國家統(tǒng)計局.中國能源統(tǒng)計年鑒[M]北京：中國統(tǒng)計出版社，2010.

[28]王永剛，王旭，孫長虹，等.IPAT及其擴(kuò)展模型的應(yīng)用研究進(jìn)展[J].應(yīng)用生態(tài)學(xué)報，2015，26（3）：949-957.

Temporal？spatial evolution and influencing factors of carbon emission intensity of China？s service industry

WANG Kai1，TANG Xiaohui1，GAN Chang1，LIU Haolong2

（1. College of Tourism， Hunan Normal University， Changsha Hunan 410081， China； 2. Institute of Geographic Sciences and Natural Resources Research， Chinese Academy of Sciences， Beijing 100101， China）

AbstractThe carbon emission intensity of the service industry is an important index to measure the harmonious relationship between the development of service industry and the ecological environment. First， the carbon emission intensity of China？s service industry was calculated from 1995 to 2018 by means of the reference approach introduced by the IPCC. Then， spatial auto？correlation was used to an？ alyze its spatial correlation feature. Finally， based on the EKC and the IPAT model， taking population density， economic development， technology， industrial structure and energy structure as explanatory variables， this study assessed the influencing factors of the carbon emission intensity of China？s service industry by means of the GWR model. The results showed that：①The carbon emission intensity of China？s service industry decreased from 1.43 tons per 10 000 yuan to 0.22 tons per 10 000 yuan during 1995-2018 with an average an？ nual decrease of 3.53%. The period of high？speed descent was 1995 to 2000， and the period of slow descent was 2000 to 2018. The car？ bon emission intensity of China？s service industry was high in the northwestern region while low in the southeastern region， and that in most provinces was below the national average.②There was significant spatial positive auto？correlation of carbon emission intensity of China？s service industry. The spatial positive auto？correlation went through three stages： strengthening， weakening and strengthening again. The main spatial correlation types of carbon emission intensity of China？s service industry were？H？H？and？L？L？agglomeration models. The spatial agglomeration of carbon emission intensity in China？s service industry presented an obvious trend of optimization； the provinces with？L？H？and？H？L？agglomeration model decreased， while the ones with？L？L？agglomeration model increased and spread from the eastern region to the central region.③Each influencing factor had significant influence on the carbon emission intensity of the service industry. Industrial structure and energy structure had positive effect on the carbon emission intensity of the service industry， while population density， economic development and technology had obvious negative effect on it and technology was the most impor？ tant factor affecting the carbon emission intensity of the service industry. The degree of influence was shown in a descending order of technology， industrial structure， energy structure， economic development， and population density. Therefore， the central government and local governments should implement energy？saving and emission？reduction measures from the bottom up， establish and improve region？ al cooperation mechanisms， and improve the efficiency of resource allocation to achieve low？carbon development of the service industry. Key wordsservice industry； carbon emission intensity； temporal？spatial evolution； influencing factor； GWR model

（責(zé)任編輯：于杰）