中國城市人口規(guī)模、產(chǎn)業(yè)集聚與碳排放

張華明,元鵬飛,朱治雙

中國城市人口規(guī)模、產(chǎn)業(yè)集聚與碳排放

張華明*,元鵬飛,朱治雙

(山西財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院,山西 太原 030012)

基于2009～2018年中國286個(gè)地級市面板數(shù)據(jù),構(gòu)建空間計(jì)量模型,從城市人口規(guī)模和產(chǎn)業(yè)集聚的綜合視角探討對于人均碳排放的影響機(jī)制.結(jié)果顯示:不同城市的人均CO2排放具有顯著的空間溢出效應(yīng);城市人口規(guī)模和產(chǎn)業(yè)集聚與人均CO2排放之間均呈“倒U型”關(guān)系,且影響機(jī)制各不相同;產(chǎn)業(yè)集聚與城市人口規(guī)模在影響碳排放上具有協(xié)同效應(yīng);中國東中西地區(qū)及南北地區(qū)在碳排放及其影響機(jī)制上具有顯著差異;地區(qū)差異、經(jīng)濟(jì)發(fā)展程度差異等一系列穩(wěn)健性檢驗(yàn)均驗(yàn)證了上述結(jié)論的可靠性.因此各地政府在制定可持續(xù)發(fā)展政策時(shí)要針對城市人口規(guī)模、產(chǎn)業(yè)集聚和低碳統(tǒng)籌發(fā)展,合理制定人口、產(chǎn)業(yè)和節(jié)能減排政策.

城市人口規(guī)模；產(chǎn)業(yè)集聚；碳排放；空間溢出；區(qū)域異質(zhì)性

近年來,在中國工業(yè)化和城鎮(zhèn)化進(jìn)程不斷推進(jìn)的過程中,伴隨著大量的CO2排放和自然資源消耗.中國在第75屆聯(lián)合國大會上做出承諾,爭取在2060年之前實(shí)現(xiàn)碳中和.中國是世界上人口最多的國家,1990～2019年間,中國人口由11.43億增加到14億,凈增2.57億,城市人口規(guī)模不斷擴(kuò)大.人口規(guī)模擴(kuò)大的過程中就業(yè)人口在2000～2019年從7.21億人增加到7.75萬人,其中第一產(chǎn)業(yè)就業(yè)人數(shù)急劇減少,而第二和第三產(chǎn)業(yè)就業(yè)人數(shù)大幅上升,導(dǎo)致中國不同地區(qū)形成不同的產(chǎn)業(yè)集聚現(xiàn)象.

與此同時(shí),經(jīng)濟(jì)活動在地理上的集聚影響越發(fā)突出,城市作為經(jīng)濟(jì)活動的載體,在現(xiàn)今資源和環(huán)境的硬性約束下,依靠資源推動城市經(jīng)濟(jì)擴(kuò)張的傳統(tǒng)方式難以為繼.同時(shí)中國現(xiàn)代化經(jīng)濟(jì)體系建設(shè)要求維持城市經(jīng)濟(jì)中高速增長,企業(yè)發(fā)展模式必須由粗放式發(fā)展轉(zhuǎn)變?yōu)榧s式發(fā)展.為實(shí)現(xiàn)集約式發(fā)展必須轉(zhuǎn)變生產(chǎn)方式,提高能源利用效率和節(jié)能減排技術(shù).但長期以來粗放式的經(jīng)濟(jì)發(fā)展模式造成城市中高耗能、高污染企業(yè)能源浪費(fèi)現(xiàn)象嚴(yán)重、碳排放量超標(biāo),城市人口規(guī)模的擴(kuò)大也推動了土地價(jià)格上漲、能源消耗增加、資源浪費(fèi)現(xiàn)象加劇、環(huán)境污染加重等負(fù)外部性凸顯.在城市未來實(shí)現(xiàn)可持續(xù)發(fā)展過程中,需要付出高額成本對應(yīng)治理,尋求提高能源消耗效率、減少碳排放的城市發(fā)展路徑是當(dāng)務(wù)之急.因此.識別城市人口規(guī)模、產(chǎn)業(yè)集聚與碳排放之間的關(guān)系具有現(xiàn)實(shí)意義.

1 文獻(xiàn)綜述及研究假說

關(guān)于城市人口規(guī)模、產(chǎn)業(yè)集聚和碳排放三者的關(guān)系之間,學(xué)術(shù)界的觀點(diǎn)不同.

城市人口規(guī)模一直是研究城市能源消耗的重要因素.城市人口規(guī)模是指有限的城鎮(zhèn)空間中所能承載的人口數(shù)量,在城市經(jīng)濟(jì)發(fā)展、城鎮(zhèn)化建設(shè)、生態(tài)環(huán)境改善過程中會有與之相匹配的最優(yōu)城市人口規(guī)模.城市人口規(guī)模較小,人口密度較低的情況下會造成“攤大餅”式的城市空間結(jié)構(gòu),導(dǎo)致城市能耗增加,這種城市發(fā)展模式不利于節(jié)能減排.部分學(xué)者[1-3]通過城市規(guī)模、城市密度與城市能耗之間的相關(guān)關(guān)系分析,得出了城市人口規(guī)模與城市能耗之間呈正相關(guān)關(guān)系的結(jié)論.但有學(xué)者[4]認(rèn)為適宜城市發(fā)展的人口規(guī)模可以有效促進(jìn)城市生態(tài)環(huán)境改善,降低城市碳排放量,實(shí)現(xiàn)可持續(xù)發(fā)展.例如家庭規(guī)模增長初期家庭戶均居住碳排放隨家庭規(guī)模的擴(kuò)張而降低[5];人口規(guī)模的提升、人口集聚度增加有利于提高建筑密度從而提升能源效率,人口隨數(shù)量增長而集中也有利于能源的集中供應(yīng),促進(jìn)節(jié)能減排[6].雖然有研究發(fā)現(xiàn)[7-9]當(dāng)城市人口規(guī)模增長到一定階段后城市人口過多會導(dǎo)致能源消耗量上升和環(huán)境污染加劇、交通擁擠等情況的出現(xiàn),但總體上來看我國城市人口規(guī)模仍未達(dá)到最有利于促進(jìn)節(jié)能減排的標(biāo)準(zhǔn),還存在大范圍的提升空間及吸納潛力[10-11].基于此,本文提出以下假說:

假說1:我國城市人口規(guī)模與人均碳排放量之間呈“倒U型”關(guān)系.

以經(jīng)濟(jì)密度和就業(yè)密度作為產(chǎn)業(yè)集聚的衡量指標(biāo),其對碳排放的影響分為兩個(gè)方面.一方面,產(chǎn)業(yè)集聚程度提高會增加碳排放量,加重環(huán)境污染[12].在產(chǎn)業(yè)最初顯現(xiàn)集聚態(tài)勢時(shí),企業(yè)的經(jīng)濟(jì)實(shí)力薄弱且基礎(chǔ)設(shè)施處于建設(shè)階段,高級的分工協(xié)作關(guān)系并沒有形成,上下游企業(yè)聯(lián)系不緊密,企業(yè)的能源效率和節(jié)能環(huán)保投資都處于初級階段,不利于節(jié)能減排.另一方面,隨著產(chǎn)業(yè)集聚的進(jìn)行,高素質(zhì)人才開始集聚,集聚外部性通過廠商之間的相互作用開始獲得收益,有利于節(jié)能環(huán)保技術(shù)的擴(kuò)散,有利于控制污染物[13]和CO2的排放[14-15].產(chǎn)業(yè)集聚達(dá)到一定程度后,專業(yè)化的勞動分工和“學(xué)習(xí)效應(yīng)”會提升企業(yè)的生產(chǎn)效率從而帶來節(jié)能減排效應(yīng),減少碳排放.同時(shí)產(chǎn)業(yè)集聚度的提升會提升單位能源的經(jīng)濟(jì)產(chǎn)出從而降低碳排放[16].在產(chǎn)業(yè)過度集聚時(shí),工業(yè)企業(yè)的集中會造成交通擁擠、能源消耗量增加、污染物排放加重及政府管控不力等情況,產(chǎn)業(yè)集聚的節(jié)能減排邊際效應(yīng)開始遞減[17].在分析產(chǎn)業(yè)集聚和碳排放之間的關(guān)系過程中,一些文獻(xiàn)還針對其區(qū)域異質(zhì)性進(jìn)行了分析,得出在中國東、中、西部城市中不同影響因素對于碳排放影響的顯著程度不同[18-19].

假說2:產(chǎn)業(yè)集聚與人均CO2排放之間呈“倒U型”關(guān)系,且產(chǎn)業(yè)集聚與人口規(guī)模之間具有協(xié)同效應(yīng),共同影響人均CO2排放.

空間效應(yīng)對于城市碳排放水平的影響也被越來越多的學(xué)者所關(guān)注,不同城市中CO2排放的影響因素所產(chǎn)生的空間溢出效應(yīng)被越來越多的研究考慮在內(nèi).不同區(qū)域之間的CO2排放和污染可能存在空間相關(guān)性[20-22].張翠菊等[23]運(yùn)用空間計(jì)量經(jīng)濟(jì)學(xué)的方法對中國東中西3區(qū)域及沿海地區(qū)、黃河長江地區(qū)等8區(qū)域的碳排放與人口數(shù)量、產(chǎn)業(yè)集聚之間的關(guān)系進(jìn)行測算,發(fā)現(xiàn)不同區(qū)域解釋變量對于區(qū)域碳排放強(qiáng)度的影響顯著程度不同且空間溢出效應(yīng)明顯.陳操操等[24]利用空間分析手段和空間回歸模型來比較京津冀、長江三角洲城市群碳排放的空間集聚特征.韓峰等[25]基于不同的空間權(quán)重矩陣和空間杜賓模型(SDM)模型證明多樣化集聚、專業(yè)化集聚對周邊城市會產(chǎn)生負(fù)向空間外溢效應(yīng)且主要表現(xiàn)為極化效應(yīng)而非擴(kuò)散效應(yīng).何文舉等[26]在STIRPAT模型的基礎(chǔ)上采用空間計(jì)量模型研究發(fā)現(xiàn)人口、產(chǎn)業(yè)以及企業(yè)密度對省域碳排放的影響呈“正N”型且表現(xiàn)出東高西低的特征.

假說3:我國不同地級市人均CO2排放量之間存在空間溢出效應(yīng).

由上述文獻(xiàn)可以看出,多數(shù)研究是針對CO2排放和人口規(guī)模之間的相關(guān)影響或CO2排放和產(chǎn)業(yè)集聚之間的相關(guān)關(guān)系單獨(dú)進(jìn)行分析,本文的潛在創(chuàng)新包括:(1)現(xiàn)有研究大多數(shù)是基于CO2排放和其影響因素進(jìn)行單獨(dú)論證,本文在統(tǒng)一框架下對CO2和城市人口規(guī)模、產(chǎn)業(yè)集聚程度進(jìn)行論證和分析,梳理兩者對于區(qū)域碳排放的影響機(jī)制及其協(xié)同效應(yīng),更有代表性和科學(xué)性.(2)除分析一般性規(guī)律外,本文進(jìn)行了一些區(qū)域異質(zhì)性分析,能夠看到不同特征城市在碳排放影響機(jī)制上的差異.

本文認(rèn)為,城市人口規(guī)模的增長和產(chǎn)業(yè)集聚的形態(tài)都在不斷演進(jìn),在超過一定臨界值的情況下集聚經(jīng)濟(jì)所帶來的“減排效應(yīng)”應(yīng)該得到重視.不同區(qū)域之間碳排放的空間溢出效應(yīng)必須要納入考慮因素,即一個(gè)地區(qū)的CO2排放不會僅僅局限在該區(qū)域內(nèi)部,還會向周邊相鄰地區(qū)滲透,影響到周邊地區(qū)碳排放變化.基于此,本文對我國286個(gè)地級市進(jìn)行實(shí)證研究來綜合評估城市人口規(guī)模、產(chǎn)業(yè)集聚程度對城市碳排放水平的影響,以此來考察空間效應(yīng)、集聚經(jīng)濟(jì)效應(yīng)、協(xié)同效應(yīng).

2 模型設(shè)計(jì)

本文研究聚焦于城市人口規(guī)模、產(chǎn)業(yè)集聚對碳排放的影響.本文將基于環(huán)境壓力評估模型STIRPAT來考察三者之間的內(nèi)在關(guān)系.基本模型為:

式中:表示環(huán)境壓力,、、、分別表示人口規(guī)模、財(cái)富規(guī)模、技術(shù)水平和隨機(jī)誤差項(xiàng),、、、為常數(shù).此模型近年來被廣大學(xué)者所接受用來衡量環(huán)境方面包括碳排放的研究.本文基于STIRPAT模型的基礎(chǔ)上對模型進(jìn)行拓展,引入基本面板模型,此模型將城市人口規(guī)模和產(chǎn)業(yè)集聚作為核心解釋變量加入,用于考察對人均碳排放的影響.

式中: PC表示人均CO2排放量,t/人; POP表示城市人口規(guī)模,萬人;就業(yè)密度Emd(人/km2)和經(jīng)濟(jì)密度Ecd(萬元/km2)表示產(chǎn)業(yè)集聚度;表示其他控制變量,包括人均GDP、環(huán)境規(guī)制程度等等;下標(biāo)和表示第個(gè)區(qū)域在時(shí)間點(diǎn)的觀測水平;0為截距項(xiàng),1、2、3分別為各變量對人均CO2的回歸系數(shù);表示其他控制變量的回歸系數(shù).α為個(gè)體固定效應(yīng),ε為隨機(jī)誤差項(xiàng),且假設(shè)服從獨(dú)立隨機(jī)分布(i.i.d).

前文提到,城市人口規(guī)模和產(chǎn)業(yè)集聚都是一個(gè)不斷增長演進(jìn)的過程.當(dāng)處于城市人口規(guī)模較小且產(chǎn)業(yè)集聚度不高的階段,城市和企業(yè)的經(jīng)濟(jì)實(shí)力薄弱且基礎(chǔ)設(shè)施都處于基礎(chǔ)建設(shè)階段,不能有效發(fā)揮規(guī)模效應(yīng).當(dāng)城市規(guī)模擴(kuò)張和產(chǎn)業(yè)集聚程度提高時(shí),受到規(guī)模效應(yīng)和外部性的影響,企業(yè)的技術(shù)進(jìn)步、生產(chǎn)率的提高以及產(chǎn)業(yè)鏈的逐步完善都會促進(jìn)城市節(jié)能減排.這兩種相反效果是否存在最適合節(jié)能減排的“拐點(diǎn)”?根據(jù)庫茲涅茨曲線“倒U型”效應(yīng),在經(jīng)濟(jì)發(fā)展初期是以犧牲環(huán)境為代價(jià)的.但經(jīng)濟(jì)發(fā)展到一定程度以后環(huán)境問題得到改善.同時(shí)依據(jù)上文假說1和2,本文認(rèn)為城市人口規(guī)模和產(chǎn)業(yè)集聚與碳排放之間并不存在明顯線性關(guān)系而是呈“倒U型”.

因此本文在式(2)的基礎(chǔ)上引入城市人口規(guī)模和產(chǎn)業(yè)集聚的二次項(xiàng).如果假說成立則二次項(xiàng)系數(shù)應(yīng)該顯著為負(fù).擴(kuò)展后的模型如下:

由于產(chǎn)業(yè)集聚依賴于人口的擴(kuò)展同時(shí)也會促進(jìn)人口在區(qū)域內(nèi)的集聚,可假定兩者在促進(jìn)節(jié)能減排時(shí)具有協(xié)同效應(yīng).因此本文在式(3)的基礎(chǔ)上增加城市人口規(guī)模和產(chǎn)業(yè)集聚的交互項(xiàng)進(jìn)一步擴(kuò)展,擴(kuò)展后的模型如下:

在中國一些工業(yè)城市發(fā)展的早期,引入大量工業(yè)企業(yè)在城市集聚,在促進(jìn)城市發(fā)展的過程中也產(chǎn)生了大量CO2排放.然而隨著產(chǎn)業(yè)結(jié)構(gòu)不斷升級和城市經(jīng)濟(jì)發(fā)展,大量勞動密集和重污染型企業(yè)不斷遷向周邊城市,表現(xiàn)為負(fù)外部性.同時(shí)一個(gè)城市能源消耗所產(chǎn)生的碳排放由于CO2的流動性也會導(dǎo)致周邊城市受到牽連.但周邊相鄰城市勢必會引進(jìn)中心城市的先進(jìn)技術(shù)來提升自身的生產(chǎn)率,并通過節(jié)能減排來增加自身的發(fā)展?jié)摿?其資源、人口、環(huán)境勢必會受到相鄰城市的影響.根據(jù)假說3,認(rèn)為我國地級市碳排放水平存在空間效應(yīng)且形成空間溢出效應(yīng).基于此假說,考慮到經(jīng)濟(jì)活動和人口變動總是在一定的時(shí)間和地區(qū)內(nèi)進(jìn)行的,對于式(4)進(jìn)行空間維度的擴(kuò)展,建立空間杜賓模型(SDM)如下:

式中:是標(biāo)準(zhǔn)差,是單位矩陣.μ(0,σI)表示是服從正態(tài)分布的隨機(jī)擾動項(xiàng),為空間滯后系數(shù),為空間誤差系數(shù),兩者均反映樣本觀測值的空間依賴作用,即反映不同城市間碳排放的相互影響.當(dāng)0時(shí)模型為空間誤差模型(SEM),當(dāng)0時(shí)模型為空間滯后模型(SLM).

為空間權(quán)重矩陣.本文采用地理距離矩陣和經(jīng)濟(jì)距離矩陣.其中地理距離矩陣的構(gòu)建方式為=1/d,d為地級市到地級市之間的地理距離.經(jīng)濟(jì)距離矩陣的構(gòu)建方式為E= 1/|Y-Y|,Y和Y為地級市和的經(jīng)濟(jì)發(fā)展水平,通常以GDP來衡量.兩種矩陣均通過Stata.15軟件運(yùn)算得出.其中地理距離矩陣作為度量空間關(guān)聯(lián)性的基本矩陣,被多數(shù)文章采用,但并未統(tǒng)一.本文分析地理距離權(quán)重矩陣下的估計(jì)結(jié)果,并使用經(jīng)濟(jì)距離權(quán)重矩陣進(jìn)行穩(wěn)健性檢驗(yàn),結(jié)論具有高度相似性.

表1 各模型LM檢驗(yàn)結(jié)果

注:模型1表示表5的回歸結(jié)果;模型2表示表6第3列回歸結(jié)果;模型2表示表7第3列回歸結(jié)果;*、**和***分別表示通過10%、5%和1%的顯著性檢驗(yàn).

表2 各模型LR、Wald檢驗(yàn)結(jié)果及模型選擇

注:模型1表示表5的回歸結(jié)果;模型2表示表6第3列回歸結(jié)果;模型2表示表7第3列回歸結(jié)果;*、**和***分別表示通過10%、5%和1%的顯著性檢驗(yàn).

本文根據(jù)Anselin等[27]的建議采用拉格朗日乘數(shù)檢驗(yàn)選擇空間模型,通過2個(gè)拉格朗日形式的LM-ERR、LM-LAG和穩(wěn)健的R-LMERR、R- LMLAG檢驗(yàn)來判斷.如果LM-LAG較LM-ERR在統(tǒng)計(jì)上更加顯著,且R-LMLAG顯著而R-LMERR不顯著,則可以斷定適合的模型是空間滯后模型.相反,則斷定空間誤差模型是恰當(dāng)?shù)哪Ｐ?從表1中可以看出,LM-ERR、LM-LAG、R-LMERR、R- LMLAG均通過1%的顯著性檢驗(yàn),表明模型中殘差項(xiàng)和滯后項(xiàng)存在空間自相關(guān),空間滯后模型SLM和空間誤差模型SEM均優(yōu)于傳統(tǒng)的面板模型.同時(shí)根據(jù)表2中LR檢驗(yàn)和Wald檢驗(yàn)結(jié)果顯示,LR-ERR、LR-LAG、Wald-ERR、Wald-LAG均通過1%的顯著性檢驗(yàn),證明SDM模型不能退化為SLM和SEM模型.綜合表1、表2,本文在實(shí)證分析過程中選取SDM作為最優(yōu)空間模型.

3 指標(biāo)選取與數(shù)據(jù)來源

3.1 被解釋變量

人均CO2排放量(t/人).選取286個(gè)地級市人均CO2排放量,時(shí)間跨度為2009～2018年.由于地級市CO2排放總量暫沒有官方機(jī)構(gòu)公開的數(shù)據(jù),本文根據(jù)各地級市消耗的電力、煤氣、液化石油氣轉(zhuǎn)化為標(biāo)準(zhǔn)煤消耗量,并根據(jù)CO2排放量計(jì)算方法[28],換算各地級市CO2排放總量.將CO2排放總量除以各地級市總?cè)丝跀?shù)量得到人均CO2排放量PC.

式中:1,2,3分別表示電力(萬kW·h)、煤氣(萬m3)、液化石油氣(t),代表它們的消耗量.LCV為2018年《中國能源統(tǒng)計(jì)年鑒》[33]中統(tǒng)計(jì)的3種能源平均低位發(fā)熱量.CEF和COF分別表示由IPCC提供的碳排放系數(shù)和碳氧化因子.= 44/12,其中44和12分別為CO2和碳的分子量.

3.2 核心解釋變量

城市人口規(guī)模(萬人):采用各地級市市轄區(qū)年末總?cè)丝趤肀硎境鞘腥丝谝?guī)模.

產(chǎn)業(yè)集聚指數(shù):度量產(chǎn)業(yè)集聚程度的常用指標(biāo)包括熵指數(shù)、赫希曼-赫佛因德指數(shù)等.一般來講,產(chǎn)業(yè)集聚意味著企業(yè)、勞動力、經(jīng)濟(jì)活動在地理上的集中.根據(jù)Ciccone[30]的研究,使用單位面積土地的產(chǎn)出即經(jīng)濟(jì)密度(Ecd)更能反映城市經(jīng)濟(jì)活動的集聚程度.同時(shí)采取單位面積土地上就業(yè)人口數(shù)量即就業(yè)密度(Emd)來反映勞動力和企業(yè)在地理上的集聚[31].本文同時(shí)采用這兩種指標(biāo)來測算產(chǎn)業(yè)集聚指數(shù).

3.3 控制變量

環(huán)境規(guī)制指標(biāo):對于政府環(huán)境規(guī)制能力衡量的指標(biāo),對企業(yè)遷移行為具有影響.本文采取污染物去除率來衡量[32].污染物去除率代表著政府約束規(guī)制下對廢水、廢氣、固廢的去除率,是真實(shí)排放中污染物減少量所占的比例,可以用來衡量環(huán)境規(guī)制力度.

國民經(jīng)濟(jì)發(fā)展指標(biāo)(萬元/人):本文采用人均國內(nèi)生產(chǎn)總值來衡量經(jīng)濟(jì)發(fā)展?fàn)顩r.與GDP總量相比,人均GDP指標(biāo)更能反映出城市經(jīng)濟(jì)發(fā)展水平對碳排放的影響.

人均消費(fèi)水平:本文采用人均社會消費(fèi)零售總額來衡量國民消費(fèi)水平.社會消費(fèi)零售總額反映各行業(yè)所提供的消費(fèi)品總量,從社會消費(fèi)品購買力的角度反映城市經(jīng)濟(jì)現(xiàn)狀.

專利申請數(shù):專利申請數(shù)量側(cè)面反映城市的創(chuàng)新活力和技術(shù)進(jìn)步程度,本文采用人均專利申請數(shù)來衡量各地區(qū)技術(shù)發(fā)展水平[33].

3.4 數(shù)據(jù)來源

數(shù)據(jù)來源為歷年《中國城市統(tǒng)計(jì)年鑒》[34]、《中國環(huán)境統(tǒng)計(jì)年鑒》[35]《中國人口與就業(yè)統(tǒng)計(jì)年鑒》[36],各個(gè)變量的描述性統(tǒng)計(jì)見表3.

表3 變量的描述性統(tǒng)計(jì)

4 計(jì)量結(jié)果及分析

4.1 空間相關(guān)性檢驗(yàn)

區(qū)域整體上的空間關(guān)聯(lián)程度通常用Moran’s指數(shù)來度量.Moran’s指數(shù)計(jì)算公式為:

式中:x、x表示城市和城市的人均CO2排放量;為城市數(shù)量(=286);ij為空間權(quán)重矩陣,本文通過選取地理距離權(quán)重矩陣確認(rèn)Moran’s.表示城市人均CO2排放量的全局莫蘭指數(shù),取值范圍為[-1,1],當(dāng)> 0時(shí)說明具有相似(高-高、低-低)人均CO2排放量的城市在地理空間上集聚;< 0時(shí)說明具有異質(zhì)性(高-低、低-高)人均CO2排放量的城市在地理空間上集聚.

從表4可以看出2009～2018年我國人均CO2排放量的Moran’s都通過1%的顯著性水平檢驗(yàn),且人均CO2排放量的Moran’s都為正值,說明我國不同城市的人均CO2排放量并不是呈現(xiàn)隨機(jī)分布特征,而是具有較強(qiáng)的空間相關(guān)性.據(jù)此可以判斷:地理距離是影響人均碳排放量的重要因素,將地理距離作為空間權(quán)重矩陣有一定的合理性.此外,本文進(jìn)一步在實(shí)證過程中選取經(jīng)濟(jì)距離矩陣來增加結(jié)果的穩(wěn)健性.

表4 2009～2018年我國人均CO2排放量 Moran’s I變化狀況

注:()為得分,用來反應(yīng)數(shù)據(jù)集的離散程度.()>2.58表明數(shù)據(jù)呈高度集聚,且置信度為99%.*、**和***分別表示通過10%、5%和1%的顯著性檢驗(yàn).

上述Moran’s指數(shù)檢驗(yàn)證明我國人均CO2排放量在地級市之間存在空間相關(guān)性,可以通過建立空間計(jì)量模型來分析.下面采用雙固定效應(yīng)的空間計(jì)量模型分析我國286個(gè)地級市的人均CO2排放量與城市人口規(guī)模、產(chǎn)業(yè)集聚之間的關(guān)系.

4.2 人均CO2排放與城市人口規(guī)模

以往考察碳排放與人口規(guī)模之間關(guān)系的文獻(xiàn)往往是考察兩者之間的線性關(guān)系,而忽略了兩者之間可能存在的非線性關(guān)系.本文以城市人口規(guī)模的一次項(xiàng)和二次項(xiàng)作為解釋變量來考察兩者之間的非線性關(guān)系,并分解直接效應(yīng)(DE)、間接效應(yīng)(IE)和總效應(yīng)(TE).其中直接效應(yīng)是指某區(qū)域自變量對因變量的影響大小,主要測度各地級市城市人口規(guī)模對于本區(qū)域人均CO2排放的影響.間接效應(yīng)用于度量鄰近區(qū)域城市人口規(guī)模對本地區(qū)人均CO2排放的影響,也稱為空間溢出效應(yīng).總效應(yīng)為直接效應(yīng)和間接效應(yīng)之和(TE = DE + IE),用于測度各區(qū)域城市人口規(guī)模對于所有地區(qū)碳排放的平均影響.表5給出相應(yīng)結(jié)果.

在表5所示結(jié)果中,采用地理距離矩陣和經(jīng)濟(jì)距離矩陣進(jìn)行回歸所得空間自相關(guān)系數(shù)分別為0.133和0.102且均通過0.01的顯著性檢驗(yàn),說明各地市的人均碳排放量之間確實(shí)存在空間效應(yīng)且已經(jīng)形成空間溢出效應(yīng).同時(shí)發(fā)現(xiàn)城市人口規(guī)模的二次項(xiàng)直接效應(yīng)顯著為負(fù),說明人口密度較低時(shí),人均碳排放隨著城市年末總?cè)丝诘脑黾佣黾?當(dāng)超過第一個(gè)臨界點(diǎn)時(shí),兩者則呈現(xiàn)出反向的關(guān)系,表現(xiàn)為“倒U型”.間接效應(yīng)二次項(xiàng)為負(fù),說明城市人口規(guī)模變動所產(chǎn)生的影響在空間中主要表現(xiàn)為擴(kuò)散效應(yīng)而不是極化效應(yīng),從而削弱了人口變化外部性的空間溢出效應(yīng).其中擴(kuò)散效應(yīng)表示增長極對周圍地區(qū)產(chǎn)生輻射作用,把生產(chǎn)要素由增長極所在地轉(zhuǎn)移到外圍地區(qū).而極化效應(yīng)表示生產(chǎn)要素如資源、人力、資金、技術(shù)由外圍地區(qū)流向增長極的核心區(qū)域.上述結(jié)果對前文提出的假說1給予了實(shí)證的支持.

表5 城市人口規(guī)模對人均CO2排放的影響

注:*、**和***分別表示通過10%、5%和1%的顯著性檢驗(yàn).

如何解釋城市人口規(guī)模帶來的“倒U型”影響呢？本文認(rèn)為,城市的人口規(guī)模較小會導(dǎo)致城市能耗增加.在城市人口規(guī)模較小時(shí),城市中常見的問題是基礎(chǔ)設(shè)施、公共服務(wù)設(shè)施建設(shè)和運(yùn)營能力不足,無力承擔(dān)大型基建設(shè)施的投資和運(yùn)營,特別是城市供氣供暖、污水處理、垃圾處理站及焚燒技術(shù)等耗資較大的設(shè)施.由于城市人口規(guī)模較小,小城市在建設(shè)這些設(shè)施時(shí)會面臨較大的人均成本,導(dǎo)致一些小城市垃圾堆積和污水橫流,生態(tài)環(huán)境遭到嚴(yán)重破壞,在小城市人口規(guī)模擴(kuò)張過程中,污染會進(jìn)一步加劇,造成人均碳排放量持續(xù)升高.

同時(shí)在人口較少的城市中,人們住房面積更大,因此采暖、制冷、照明的要求更高,更加依賴能源設(shè)備來提高生活質(zhì)量,家庭相應(yīng)消耗的電力和燃?xì)饬繒黾?交通規(guī)劃分散導(dǎo)致居民出行的交通行為呈分散化,對于私家車的依賴要高于大型城市,這會降低公共交通的規(guī)模效應(yīng),增加相應(yīng)的交通能耗.

隨著城市人口規(guī)模增加到一定程度,跨過“倒U型”曲線的臨界值,人均碳排放量開始降低.隨著人口數(shù)量的增加,公共設(shè)施和節(jié)能減排設(shè)施運(yùn)營和維護(hù)的人均成本會下降.人口和建筑的集中度提高電、暖、熱等能源的集中供應(yīng),提高能源效率,減少能源損耗,降低能源消耗總量.由于人口和建筑集中帶來的規(guī)模效應(yīng)提高了生活中用電、用水以及能源設(shè)施的使用效率,人均生活能耗隨之下降.

伴隨著人口向城市集中,城市人口規(guī)模隨之?dāng)U大,對于高素質(zhì)人才、高質(zhì)量資本和創(chuàng)新要素的吸引力增加,營商環(huán)境改善,促使生產(chǎn)要素向城市聚集.大城市遷入外來人員主要是技術(shù)人才、管理人才等高素質(zhì)人才,這些人才的遷入大幅度提升城市的人力資本水平,從生產(chǎn)要素端提供了高素質(zhì)勞動力,極大促進(jìn)技術(shù)進(jìn)步的步伐,從而導(dǎo)致城市環(huán)保技術(shù)水平和能源使用效率的提升.可以通過發(fā)揮學(xué)習(xí)效應(yīng),相互學(xué)習(xí)和共享知識,增加節(jié)能減排投資、改善節(jié)能減排技術(shù)、實(shí)現(xiàn)技術(shù)擴(kuò)散,提高能源利用效率從而減少碳排放.

4.3 人均CO2排放與產(chǎn)業(yè)集聚

如表6、7所示,第(1)、(4)列分別給出基準(zhǔn)回歸的結(jié)果,第(2)、(5)列加入相應(yīng)的控制變量,第(3)、(6)列加入城市人口規(guī)模和經(jīng)濟(jì)密度的交互項(xiàng)測算兩者的協(xié)同效應(yīng).各模型的空間自相關(guān)系數(shù)均顯著,說明無論從經(jīng)濟(jì)密度還是從就業(yè)密度角度來看,各地級市的人均CO2排放水平都存在空間效應(yīng)且已經(jīng)形成空間溢出效應(yīng).

就業(yè)密度所表示的產(chǎn)業(yè)集聚和城市人均CO2排放量之間存在先升后降的“倒U型”關(guān)系,并且直接效應(yīng)均通過1%的顯著性水平檢驗(yàn),間接效應(yīng)總體上顯著.根據(jù)模型(3)的系數(shù)估計(jì)結(jié)果,產(chǎn)業(yè)集聚和城市人口規(guī)模對碳排放的影響存在協(xié)同效應(yīng),證實(shí)假說2.根據(jù)直接效應(yīng)顯示的結(jié)果,產(chǎn)業(yè)集聚和人均CO2排放量之間的關(guān)系為:?(lnPC)/?(Emd)=12.978- 11.642Emd-2.026lnPOP.從這一關(guān)系可以看出產(chǎn)業(yè)集聚的效率增進(jìn)作用不僅受到就業(yè)密度的影響,而且受到城市人口規(guī)模的限制.當(dāng)城市就業(yè)密度取平均值時(shí)(Emd=0.041),人均CO2排放量最大化時(shí)城市人口規(guī)模為478.186萬人.當(dāng)給定城市人口規(guī)模小于平均值(POP<152.488萬人)時(shí),且產(chǎn)業(yè)集聚水平較小時(shí),城市的節(jié)能環(huán)保效應(yīng)不能順利發(fā)揮,其原因在于:以2018年為例,人口小于152.488萬人的城市數(shù)量占據(jù)68%,對于城市人口規(guī)模較小的城市來說,雖然城市能源消耗總量相對較少,但由于城市的資源、土地、人口數(shù)量較少,公共交通不能發(fā)揮集聚效應(yīng),人均交通耗能較多.同時(shí)由于就業(yè)密度較低,城市中勞動力、資本等密集型產(chǎn)業(yè)不集中,高耗能企業(yè)較為分散且不便于集中管理.同時(shí)缺乏高質(zhì)量、高素質(zhì)的人才和科技創(chuàng)新能力,學(xué)習(xí)效應(yīng)和知識共享只能通過有效的途徑發(fā)揮,不利于城市能源效率和環(huán)保效率的提升.當(dāng)城市人口規(guī)模為152.488萬人,就業(yè)密度(Emd)為0.240時(shí),城市人均CO2排放量達(dá)到最大.當(dāng)就業(yè)密度跨過0.240的臨界值時(shí),人均CO2排放量開始減小,集聚效應(yīng)得到有效發(fā)揮,就業(yè)密度增加將有利于節(jié)能減排.其原因在于:由于就業(yè)密度的增加,企業(yè)相對而言擁有較強(qiáng)的經(jīng)濟(jì)實(shí)力,在特定的地理范圍內(nèi)形成集中趨勢,能夠吸引高技術(shù)人才、加速環(huán)保技術(shù)擴(kuò)散、深化環(huán)保理念共享.

表6 就業(yè)密度對人均CO2排放的影響

續(xù)表6

注:*、**和***分別表示通過10%、5%和1%的顯著性檢驗(yàn).

表7 經(jīng)濟(jì)密度對人均CO2排放的影響

續(xù)表7

注:*、**和***分別表示通過10%、5%和1%的顯著性檢驗(yàn).

在表7所示結(jié)果中,空間自相關(guān)系數(shù)都通過1%的顯著性水平檢驗(yàn),且總效應(yīng)二次項(xiàng)均顯著為負(fù).說明中國各地級市產(chǎn)業(yè)集聚對周邊地區(qū)人均CO2排放有顯著影響.經(jīng)濟(jì)密度的直接效應(yīng)二次項(xiàng)顯著為負(fù),證明假說2中產(chǎn)業(yè)集聚和碳排放之間呈“倒U型”.

造成這一現(xiàn)象的原因是城市經(jīng)濟(jì)發(fā)展初期,需要投入更多的能源來支撐經(jīng)濟(jì)發(fā)展,增加單位面積產(chǎn)出.且經(jīng)濟(jì)實(shí)力薄弱的城市使用能源較為單一,主要使用煤炭、石油等化石能源.同時(shí)在產(chǎn)業(yè)集聚的初始階段,政府缺少足夠的財(cái)力和物力來鼓勵(lì)技術(shù)研發(fā),提高能源效率.經(jīng)濟(jì)發(fā)展過程中還未形成較為完善的產(chǎn)業(yè)鏈條,上下游企業(yè)之間的相互聯(lián)系松散,也未形成網(wǎng)絡(luò)化的分工協(xié)作關(guān)系.在經(jīng)濟(jì)實(shí)力較弱的城市中,其基礎(chǔ)設(shè)施、公共服務(wù)設(shè)施和創(chuàng)新設(shè)施均處于初始建設(shè)階段,集聚區(qū)對于改善生產(chǎn)技術(shù)、提高生產(chǎn)率所需的成本高于環(huán)境治理和節(jié)能減排的成本,使得大部分企業(yè)不愿意投資節(jié)能環(huán)保技術(shù)也不愿意采用節(jié)能環(huán)保項(xiàng)目.這一階段經(jīng)濟(jì)發(fā)展相應(yīng)的生產(chǎn)方式表現(xiàn)為“資源—產(chǎn)品—廢物—末端治理”,即以經(jīng)濟(jì)發(fā)展和提高生產(chǎn)率、集聚相關(guān)資源和勞動力為主,環(huán)境治理和節(jié)能減排考慮較少.

根據(jù)模型(3),二次項(xiàng)系數(shù)為-0.042,說明當(dāng)城市經(jīng)濟(jì)密度為Ecd = 0.077時(shí),城市人均CO2排放量達(dá)到最高,然后開始下降.造成這一現(xiàn)象的主要原因是具有較強(qiáng)經(jīng)濟(jì)實(shí)力的城市開始尋求集約化發(fā)展,轉(zhuǎn)變生產(chǎn)模式和經(jīng)濟(jì)發(fā)展方式,引起高污染、高耗能、高排放企業(yè)的遷出和擁有高技術(shù)水平的企業(yè)遷入,這類產(chǎn)業(yè)結(jié)構(gòu)演變有利于促進(jìn)城市低碳發(fā)展.同時(shí)大城市擁有更為完善的供能體系和技術(shù)水平,可以在低碳約束下改變產(chǎn)業(yè)的能源消費(fèi)結(jié)構(gòu),發(fā)展太陽能、風(fēng)力、熱能、生物質(zhì)等清潔能源,減少CO2排放量.

其次,在城市產(chǎn)業(yè)集聚的高級階段,經(jīng)濟(jì)體系中會形成更為專業(yè)化的勞動分工、更為廣泛的信息和知識交流,這都會導(dǎo)致企業(yè)的生產(chǎn)效率和人們生活的用能效率提升,推動能源節(jié)約效應(yīng)開始顯現(xiàn).同時(shí)政府擁有更多的財(cái)力支持產(chǎn)業(yè)集聚的政策進(jìn)一步完善,通過建立高新開發(fā)區(qū)和基礎(chǔ)設(shè)施建設(shè),加大對創(chuàng)新技術(shù)、交通運(yùn)輸和現(xiàn)代化設(shè)備的投入,為城市低碳發(fā)展提供設(shè)備和技術(shù)支撐,且技術(shù)的擴(kuò)散效應(yīng)會促進(jìn)其他城市的節(jié)能減排.這時(shí)城市中擁有數(shù)量較多的大企業(yè),在進(jìn)一步考慮控制生產(chǎn)排放的過程中,降低環(huán)境污染和CO2排放的投資已經(jīng)低于推動生產(chǎn)技術(shù)發(fā)展所需的投資,使得企業(yè)愿意發(fā)展節(jié)能減排技術(shù).這一階段經(jīng)濟(jì)發(fā)展相應(yīng)的生產(chǎn)方式表現(xiàn)為“資源—產(chǎn)品—回收再利用”的循環(huán)模式,能源節(jié)約利用效應(yīng)初步顯現(xiàn)且開始超過擴(kuò)大生產(chǎn)規(guī)模帶來的規(guī)模效應(yīng),人均CO2排放量逐步降低.

5 基于不同區(qū)域的進(jìn)一步分析

考慮到不同地區(qū)經(jīng)濟(jì)發(fā)展水平、資源稟賦以及人口分布不同,本文就城市人口規(guī)模、產(chǎn)業(yè)集聚對碳排放的影響在中國東、中、西和南北區(qū)域分別進(jìn)行空間層面上的測算,結(jié)果可見表8、表9.考慮到不同區(qū)域城市之間的關(guān)系會隨著經(jīng)濟(jì)關(guān)系的變動而變動,即各城市與周邊城市的經(jīng)濟(jì)聯(lián)系較為密切,因此本次分析采用經(jīng)濟(jì)距離權(quán)重矩陣作為空間權(quán)重矩陣.模型仍然選擇SDM模型.

從整體上看,城市人口規(guī)模、產(chǎn)業(yè)集聚與碳排放之間的相關(guān)關(guān)系與前文測算結(jié)果基本一致,同時(shí)證實(shí)假說1、2、3的正確性,即城市人口規(guī)模、產(chǎn)業(yè)集聚與人均CO2排放之間均呈“倒U型”關(guān)系,且不同地區(qū)之間存在空間相關(guān)性.具體到各個(gè)區(qū)域,影響具有明顯差異性.

5.1 基于東、中、西區(qū)域的分析

表8 人均CO2與城市人口規(guī)模、產(chǎn)業(yè)集聚在東、中、西部地區(qū)的回歸結(jié)果

注:*、**和***分別表示通過10%、5%和1%的顯著性檢驗(yàn).

據(jù)表8,分析城市人口規(guī)模對人均CO2排放的影響,其邊際影響在西部地區(qū)明顯大于中、東部地區(qū),這是由于相比較西部,中、東部在人口規(guī)模和人口結(jié)構(gòu)上保持相對穩(wěn)定的動態(tài)平衡.一方面,由于西部地區(qū)生活生產(chǎn)環(huán)境較為貧瘠,使得城市資源不能夠在短時(shí)間匹配增長的人口,城市人均能源消耗和環(huán)境治理壓力迅速增加.另一方面,周邊地區(qū)城市人口規(guī)模的擴(kuò)張帶來的集聚經(jīng)濟(jì)效應(yīng)能夠帶動西部地區(qū)發(fā)展,緩解西部地區(qū)人口規(guī)模擴(kuò)張時(shí)帶來的生態(tài)治理壓力.

相比而言,產(chǎn)業(yè)集聚對人均CO2排放的影響在不同區(qū)域更加復(fù)雜.就業(yè)密度對于西部的影響大于中東部影響,但對東部和中部地區(qū)的影響主要體現(xiàn)在間接影響上.以東部為例,就業(yè)密度對于東部地區(qū)的總效應(yīng)為-29.525,其中間接效應(yīng)為-23.848,占影響程度80.8%.相比而言,就業(yè)密度在西部地區(qū)的間接效應(yīng)不顯著,表明西部地區(qū)的就業(yè)密度變動主要受本地區(qū)和東中地區(qū)影響并反饋本地區(qū).就經(jīng)濟(jì)密度而言,中西部地區(qū)主要變現(xiàn)為對本地區(qū)的影響,其經(jīng)濟(jì)發(fā)展主要吸收東部發(fā)達(dá)地區(qū)的經(jīng)濟(jì)和社會紅利.東部地區(qū)的間接效應(yīng)和總效應(yīng)較為顯著,表明東部地區(qū)經(jīng)濟(jì)增長集聚效應(yīng)所帶來的擴(kuò)散效應(yīng)較為明顯,即東部各地級市之間形成某一增長極時(shí),其經(jīng)濟(jì)增長趨勢會對周邊地區(qū)形成快速補(bǔ)充和帶動,產(chǎn)生一定的規(guī)模效應(yīng).企業(yè)之間的聯(lián)系較為緊密,發(fā)達(dá)地區(qū)和欠發(fā)達(dá)地區(qū)的企業(yè)之間存在及時(shí)的承接和轉(zhuǎn)移,規(guī)模效應(yīng)得到有效發(fā)揮.但節(jié)能減排措施和相關(guān)技術(shù)創(chuàng)新無法與現(xiàn)階段經(jīng)濟(jì)發(fā)展和所帶來的高CO2排放相匹配,因此間接效應(yīng)表現(xiàn)為負(fù).

5.2 基于南、北地區(qū)的分析

以中國自然地理為界,即以秦嶺-淮河為界,本文將中國劃分為南北地區(qū)[37].具體而言,北方地區(qū)包括黑龍江、新疆、山西、寧夏、吉林、遼寧、天津、青海、甘肅、陜西、山東、內(nèi)蒙古、河北、北京,南方地區(qū)包括河南、江蘇、安徽、湖北、浙江、江西、湖南、云南、貴州、福建、廣西、廣東、重慶、四川、上海、海南.

根據(jù)南、北地區(qū)對城市人口規(guī)模、產(chǎn)業(yè)集聚和碳排放之間的關(guān)系進(jìn)一步分析,結(jié)果如表9.從回歸結(jié)果可以看出,南北地區(qū)不同城市的人均CO2排放影響因素和影響效果完全不同:城市人口規(guī)模、產(chǎn)業(yè)集聚在南方地區(qū)對于碳排放的影響主要集中在直接效應(yīng);城市人口規(guī)模、就業(yè)密度和經(jīng)濟(jì)密度的直接效應(yīng)二次項(xiàng)均顯著,但只有經(jīng)濟(jì)密度二次項(xiàng)的間接效應(yīng)較為顯著.這是由于南方城市較北方城市來說更為發(fā)達(dá),其人口變動幅度較大,對于人才和資本具有吸引力.除本地人才和企業(yè)在南方城市中獲得較好的發(fā)展前景外,北方高素質(zhì)勞動和企業(yè)也在不斷涌向南方地區(qū).

表9 人均碳排放與城市人口規(guī)模、產(chǎn)業(yè)集聚在南、北地區(qū)的回歸結(jié)果

注:*、**和***分別表示通過10%、5%和1%的顯著性檢驗(yàn).

相對于南方地區(qū),北方城市人口規(guī)模和產(chǎn)業(yè)集聚對于碳排放的影響主要體現(xiàn)在間接效應(yīng)上,如就業(yè)密度二次項(xiàng)所產(chǎn)生的總效應(yīng)為-33.757,其中間接效應(yīng)達(dá)-30.041.這是由于欠發(fā)達(dá)城市實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展主要依靠吸收發(fā)達(dá)城市的企業(yè)、人才和經(jīng)濟(jì)紅利,如北京、天津等大型城市和各省會城市,經(jīng)濟(jì)發(fā)展過程中雖然會產(chǎn)生極化效應(yīng),但人口和企業(yè)的集聚趨勢帶來的擴(kuò)散效應(yīng)會更有效帶動周邊城市發(fā)展.

6 政策建議

根據(jù)本文的研究,為實(shí)現(xiàn)城市的可持續(xù)發(fā)展,各地政府首先應(yīng)樹立發(fā)展的“大局觀”.由于CO2排放具有溢出效應(yīng),因此在發(fā)展本地經(jīng)濟(jì)的同時(shí)不能以犧牲周邊臨近地區(qū)為代價(jià).在國家和省級層面制定經(jīng)濟(jì)發(fā)展規(guī)劃時(shí)應(yīng)注重區(qū)域合作,包括技術(shù)、人才共享和污染聯(lián)防聯(lián)治,促進(jìn)不同區(qū)域經(jīng)濟(jì)、社會、生態(tài)協(xié)調(diào)發(fā)展.其次,應(yīng)積極推動產(chǎn)業(yè)集聚發(fā)展,提升城市技術(shù)水平和人力資本,發(fā)揮集聚的規(guī)模效應(yīng),保持城市人口規(guī)模和產(chǎn)業(yè)集聚程度與當(dāng)?shù)氐纳鷳B(tài)、社會、經(jīng)濟(jì)發(fā)展相匹配,在促進(jìn)經(jīng)濟(jì)增長的同時(shí)發(fā)揮集聚帶來的節(jié)能減排效應(yīng),實(shí)現(xiàn)城市的可持續(xù)發(fā)展.

7 結(jié)論

7.1 我國不同城市之間人均CO2排放之間存在空間溢出效應(yīng),且空間因素對城市人口規(guī)模、產(chǎn)業(yè)集聚與碳排放之間關(guān)系的回歸結(jié)果有顯著影響,忽略空間溢出效應(yīng)的回歸結(jié)果可能存在一定誤差.

7.2 采用空間計(jì)量模型測算得出城市人口規(guī)模與人均CO2排放、產(chǎn)業(yè)集聚與人均CO2之間均呈“倒U型”關(guān)系,且對周邊區(qū)域的碳排放有影響.城市人口規(guī)模和產(chǎn)業(yè)集聚會共同影響人均CO2排放.

7.3 在中國東、中、西、南、北各個(gè)區(qū)域,城市規(guī)模和產(chǎn)業(yè)集聚對于碳排放的影響存在顯著差異.城市人口規(guī)模變動的影響在西部大于中東部,產(chǎn)業(yè)集聚對于東部的影響主要集中在間接效應(yīng).城市人口規(guī)模、產(chǎn)業(yè)集聚對于南方地區(qū)的影響主要表現(xiàn)在直接效應(yīng),而對于北方的影響主要表現(xiàn)為間接效應(yīng).

[1] 郭 文,孫 濤.城鎮(zhèn)化對中國區(qū)域能源消費(fèi)及居民生活能源消費(fèi)的影響[J]. 中國環(huán)境科學(xué), 2015,35(10):3166-3176. Guo W, Sun T. Impact of urbanization on regional energy consumption and residents' energy consumption in China [J]. China Environmental Science, 2015,35(10):3166-3176.

[2] Shim G E, Rhee S M, Ahn K H, et al. The relationship between the characteristics of transportation energy consumption and urban form [J]. The Annals of Regional Science, 2006,40(2):351-367.

[3] 范 進(jìn).城市密度對城市能源消耗影響的實(shí)證研究[J]. 中國經(jīng)濟(jì)問題, 2011,(6):16-22. Fan J. The empirical study of the impact of urban density on energy consumption [J]. China Economic Studies, 2011,(6):16-22.

[4] 王桂新,武俊奎.產(chǎn)業(yè)集聚、城市規(guī)模與碳排放[J]. 工業(yè)技術(shù)經(jīng)濟(jì), 2012,31(6):68-80. Wang G X, Wu J K. Study on industry agglomeration, urban scale and carbon emission [J]. Journal of Industrial Technological Economics, 2012,31(6):68-80.

[5] 胡 振,何晶晶,王 玥.基于IPAT-LMDI擴(kuò)展模型的日本家庭碳排放因素分析及啟示[J]. 資源科學(xué), 2018,40(9):1831-1842. Hu Z, He J J, Wang Y. Factor analysis and enlightenment of household carbon emissions in Japan based on IPAT-LMDI extension model [J]. Resources Science, 2018,40(9):1831-1842.

[6] 程開明.城市緊湊度影響能源消耗的理論機(jī)制及實(shí)證分析[J]. 經(jīng)濟(jì)地理, 2011,31(7):1107-1112. Chen K M. Theoretical mechanism and empirical study about the influence of city compactness on energy consumption [J].Economic Geography, 2011,31(7):1107-1112.

[7] Dixit A. The optimum factory town [J]. The Bell Journal of Economics and Management Science, 1973,4(2):637-651.

[8] Mills E S, Beeker C M, Verma S. Studies in Indian urban development [M]. Oxford: Oxford University Press, 1986:20-29.

[9] 王 俊,李佐軍.擁擠效應(yīng)、經(jīng)濟(jì)增長與最優(yōu)城市規(guī)模[J]. 中國人口·資源與環(huán)境, 2014,24(7):45-51. Wang J, Li Z J. Congestion effects, economic growth and optimal city size [J].China Population, Resources and Environment, 2014,24(7): 45-51.

[10] 包正君,趙和生.基于生態(tài)足跡模型的城市適度人口規(guī)模研究——以南京為例[J]. 華中科技大學(xué)學(xué)報(bào)(城市科學(xué)版), 2009,26(2):84- 89. Bao Z, Zhao Z J. Modest population scale based on ecological footprint model-take Nanjing for example [J]. Journal of Civil Engineering and Management, 2009,26(2):84-89.

[11] 王小魯.中國城市化路徑與城市規(guī)模的經(jīng)濟(jì)學(xué)分析[J]. 經(jīng)濟(jì)研究, 2010,45(10):20-32. Wang X L. Urbanization path and city scale in China: An economic analysis [J]. Economic Research Journal, 2010,45(10):20-32.

[12] Doorn J V, Verhoef P C. Critical incidents and the impact of satisfaction on customer share [J]. Journal of Marketing, 2008,72(4): 123-142.

[13] 王曉碩,宇超逸.空間集聚對中國工業(yè)污染排放強(qiáng)度的影響[J]. 中國環(huán)境科學(xué), 2017,37(4):1562-1570. Wang X S, Yu C Y. Impact of spatial agglomeration on industrial pollution emissions intensity in China [J]. China Environmental Science, 2017,37(4):1562-1570.

[14] Glaeser E L, Kallal H D, Scheinkman J A, et al. Growth in Cities [J]. Journal of Political Economy, 1992,100(6):1126-1152.

[15] 陳 陽,唐曉華.制造業(yè)集聚和城市規(guī)模對城市綠色全要素生產(chǎn)率的協(xié)同效應(yīng)研究[J]. 南方經(jīng)濟(jì), 2019,(3):71-89. Chen Y, Tang X H. Study on the synergistic effect of manufacturing agglomeration and urban size on urban green total factor productivity [J]. South China Journal of Economics, 2019(3):71-89.

[16] 陳建軍,胡晨光.產(chǎn)業(yè)集聚的集聚效應(yīng)——以長江三角洲次區(qū)域?yàn)槔睦碚摵蛯?shí)證分析[J]. 管理世界, 2008,(6):68-83. Chen J J, Hu C G. The agglomeration effect of industrial agglomeration -- A theoretical and empirical analysis of the Sub- region of Yangtze River Delta [J]. Management World, 2008,(6):68- 83.

[17] 周圣強(qiáng),朱衛(wèi)平.產(chǎn)業(yè)集聚一定能帶來經(jīng)濟(jì)效率嗎:規(guī)模效應(yīng)與擁擠效應(yīng)[J]. 產(chǎn)業(yè)經(jīng)濟(jì)研究, 2013,(3):12-22. Zhou S Q, Zhu W P. Must industrial agglomeration be able to bring about economic efficiency: Economies of scale and crowding effect [J]. Industrial Economics Research, 2013,(3):12-22.

[18] 易艷春,高 爽,關(guān)衛(wèi)軍.產(chǎn)業(yè)集聚、城市人口規(guī)模與CO2排放[J]. 西北人口, 2019,40(1):50-60. Yi Y C, Gao S, Guan W J. Industrial agglomeration, urban population and CO2emissions in Chinese prefectures [J]. Northwest Population, 2019,40(1):50-60.

[19] 李明磊,胡蘊(yùn)紋,關(guān) 磊.金融產(chǎn)業(yè)集聚對碳排放的影響及區(qū)域差異性[J]. 生態(tài)經(jīng)濟(jì), 2020,36(2):22-27,54. Li M L, Hu Y W, Guan L. A study of the impact of financial industrial agglomeration on carbon emission and the regional difference [J]. Ecological Economy, 2020,36(2):22-27,54.

[20] 岳 婷,龍如銀.中國省域生活能源碳排放空間計(jì)量分析[J]. 北京理工大學(xué)學(xué)報(bào)(社會科學(xué)版), 2014,16(2):40-46. Yue T, Long R Y. Spatial econometric analysis of residential energy consumption of China’s provinces [J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2014,16(2):40-46.

[21] 邵 帥,李 欣,曹建華,等.中國霧霾污染治理的經(jīng)濟(jì)政策選擇——基于空間溢出效應(yīng)的視角[J]. 經(jīng)濟(jì)研究, 2016,51(9):73-88. Shao S, Li X, Cao J H, et al. China's economic policy choices for governing smog pollution based on spatial spillover effects [J]. Economic Research Journal, 2016,51(9):73-88.

[22] 范 丹,梁佩鳳,劉 斌.霧霾污染的空間外溢與治理政策的檢驗(yàn)分析[J]. 中國環(huán)境科學(xué), 2020,40(6):2741-2750. Fan D, Liang P F, Liu B. An analysis of the spatial spillover of smog pollution and policy testing [J]. China Environmental Science, 2020, 40(6):2741-2750.

[23] 張翠菊,張宗益.產(chǎn)業(yè)和人口的空間集聚對中國區(qū)域碳排放強(qiáng)度的影響[J]. 技術(shù)經(jīng)濟(jì), 2016,35(1):71-77,125. Zhang C J, Zhang Z Y. Effect of spatial agglomeration of industry and population on China’s regional carbon emission intensity [J]. Journal of Technology Economics, 2016,35(1):71-77,125.

[24] 陳操操,蔡博峰,孫 粉,等.京津冀與長三角城市群碳排放的空間聚集效應(yīng)比較[J]. 中國環(huán)境科學(xué), 2017,37(11):4371-4379. Chen C C, Cai B F, Sun F, et al. Spatial agglomeration effects of carbon dioxide emissions between Beijing-Tianjin-Heibei region and Yangtze River delta region [J]. China Environmental Science, 2017, 37(11):4371-4379.

[25] 韓 峰,李玉雙.產(chǎn)業(yè)集聚、公共服務(wù)供給與城市規(guī)模擴(kuò)張[J]. 經(jīng)濟(jì)研究, 2019,54(11):149-164. Han F, Li Y S. Industrial agglomeration, public service supply and urban expansion [J]. Economic Research Journal, 2019,54(11):149- 164.

[26] 何文舉,張華峰,陳雄超,等.中國省域人口密度、產(chǎn)業(yè)集聚與碳排放的實(shí)證研究——基于集聚經(jīng)濟(jì)、擁擠效應(yīng)及空間效應(yīng)的視角[J]. 南開經(jīng)濟(jì)研究, 2019(2):207-225. He W J, Zhang H F, Chen X C, et al. An empirical study about population density, economic agglomeration and carbon emission state of Chinese provinces: Based on the perspective of agglomeration economy effects, congestion effects and spatial effects [J]. Nankai Economic Studies, 2019(2):207-225.

[27] Anselin L, Florax R J. New directions in spatial econometrics [M]. New directions in spatial econometrics. Springer, Berlin, Heidelberg, 1995:3-18.

[28] 陳詩一.能源消耗、CO2排放與中國工業(yè)的可持續(xù)發(fā)展[J]. 經(jīng)濟(jì)研究, 2009,44(4):41-55. Chen S Y. Energy consumption, CO2emission and sustainable development in Chinese industry [J]. Economic Research Journal, 2009,44(4):41-55.

[29] 國家統(tǒng)計(jì)局能源統(tǒng)計(jì)司.中國能源統(tǒng)計(jì)年鑒[M]. 北京:中國統(tǒng)計(jì)出版社, 2018. Department of energy statistics of National Bureau of Statistics of China. China energy statistical yearbook [M]. Beijing:China Statistics Press, 2018.

[30] Ciccone A. Input chains and industrialization [J]. Ciccone Antonio, 2002,69(3):565-587.

[31] 范劍勇.產(chǎn)業(yè)集聚與地區(qū)間勞動生產(chǎn)率差異[J]. 經(jīng)濟(jì)研究, 2006, (11):72-81. Fan J Y. Industrial agglomeration and difference of regional labor productivity: Chinese evidence with internal comparison [J]. Economic Research Journal, 2006,(11):72-81.

[32] 張華明,范映君,高文靜,等.環(huán)境規(guī)制促進(jìn)環(huán)境質(zhì)量與經(jīng)濟(jì)協(xié)調(diào)發(fā)展實(shí)證研究[J]. 宏觀經(jīng)濟(jì)研究, 2017,(7):135-148. Zhang H M, Fan Y J, Gao W J, et al. An empirical study on how environmental regulation promotes the coordinated development of environmental quality and economy [J]. Macroeconomics, 2017,(7): 135-148.

[33] 沈曉梅,于欣鑫,姜明棟,等.基于全過程治理的環(huán)境規(guī)制減排機(jī)制研究——來自長江經(jīng)濟(jì)帶數(shù)據(jù)的實(shí)證檢驗(yàn)[J]. 中國環(huán)境科學(xué), 2020, 40(12):5561-5568. Shen X M, Yu X X, Jiang M D, et al. Emission reduction mechanism of environmental regulation from a perspective of whole-process prevention: Evidences from the Yangtze River Economic Belt [J]. China Environmental Science, 2020,40(12):5561-5568.

[34] 國家統(tǒng)計(jì)局城市社會經(jīng)濟(jì)調(diào)查司.中國城市統(tǒng)計(jì)年鑒[M]. 北京:中國統(tǒng)計(jì)出版社, 2010-2019. Department of Urban Surveys of National Bureau of Statistics of China. China city statistical yearbook [M]. Beijing:China Statistics Press, 2010-2019.

[35] 國家統(tǒng)計(jì)局,環(huán)境保護(hù)部.中國環(huán)境統(tǒng)計(jì)年鑒 [M]. 北京:中國統(tǒng)計(jì)出版社, 2018. National Bureau of Statistics of China, Ministry of Environmental Protection of China. China statistical yearbook on environment [M]. Beijing: China Statistics Press, 2018.

[36] 國家統(tǒng)計(jì)局人口和就業(yè)統(tǒng)計(jì)司.中國人口和就業(yè)統(tǒng)計(jì)年鑒[M]. 北京:中國統(tǒng)計(jì)出版社, 2010-2019. Department of Population and Employment Statistics of National Bureau of Statistics of China. China population & employment statistics yearbook [M]. Beijing:China Statistics Press, 2010-2019.

[37] 吳殿廷.試論中國經(jīng)濟(jì)增長的南北差異[J]. 地理研究, 2001, (2):238-246. Wu D Y. A study on North-South differences in economic growth [J]. Geographical Research, 2001,(2):238-246.

City population size, industrial agglomeration and CO2emission in Chinese prefectures.

ZHANG Hua-ming*, YUAN Peng-fei, ZHU Zhi-shuang

(School of Economics, Shanxi University of Finance and Economics, Taiyuan 030012, China)., 2021,41(5)：2459～2470

Using the panel data of 286 cities in China during 2009～2018, a spatial econometric model was employed to explore the mechanism between CO2emissions and the size of city population and industrial agglomeration. The results revealed that CO2emissions per capita in different cities presented significant spatial spillover effects. Specifically, the impact of the city population size and industrial agglomeration on CO2emissions per capita presented an inverted U shape. CO2emissions were synergistically affected by city population size and industrial agglomeration. There were significant differences in CO2emissions and associated mechanism across different Chinese regions. A series of robustness tests confirmed our main findings. Therefore, for sustainable development policymaking, local governments should rationally formulate policies on energy conservation and emission reduction in accordance with the size of city population and industrial agglomeration.

city population size；industrial agglomeration；CO2emissions；spatial spillover；regional heterogeneity

X324

A

1000-6923(2021)05-2459-12

張華明(1975-),男,山西霍州人,教授,博士,主要從事宏觀經(jīng)濟(jì)分析,能源經(jīng)濟(jì)管理研究.發(fā)表論文30余篇.

2020-10-10

國家自然科學(xué)基金資助項(xiàng)目(71774105);山西省哲學(xué)社會科學(xué)規(guī)劃課題(2019B153)

* 責(zé)任作者, 教授, zhm5665@126.com