我国区域城镇化的碳排放效率时空动态效应研究_吴旭晓.pdf

区域经济评论2023.01REGIONAL ECONOMIC REVIEW我国区域城镇化的碳排放效率时空动态效应研究*吴 旭 晓摘要：发挥城镇化在碳排放效率提升中的积极效应是我国在实现“双碳”目标条件下保持中高速经济增长的必然选择。以20112020年我国30个省份的面板数据为研究样本，利用NCSEEBM模型测度碳排放效率，并运用动态GMM模型实证检验城镇化的碳排放时空效应，结果显示：我国碳排放效率整体上处于比较低的水平，碳排放效率均值呈现先下降后上升的斜“”型演变态势；2012年起我国省域碳排放效率在空间上逐步收敛；虽然我国城镇化整体上对碳排放效率提升存在显著性促进效果，但城镇化的碳排放效应随着区域城镇化水平上升而下降；数字化、产业结构、技术创新分别是低度、中度和高度城镇化地区碳排放效率提升的重要短板，环境规制是所有地区的主要制约瓶颈。关键词：城镇化；碳排放效率；动态效应；NCSEEBM模型；动态GMM模型中图分类号：F299文献标识码：A文章编号：2095-5766（2023）01-0139-10收稿日期：2022-06-19*基金项目：2022年度河南省哲学社会科学规划项目“河南省新型城镇化高质量发展的创新与开放 双强引擎 构建及协同效应研究”（2022BJJ055）。作者简介：吴旭晓，男，河南省社会科学院统计与管理科学研究所研究员（郑州451464）。【生态文明与区域发展】一、问题提出及文献评述城镇化是驱动我国区域高质量发展的重要动力，城镇化率每提高1个百分点，可促使GDP增加0.671个百分点（林美顺，2016）。同时，城镇化在我国碳排放影响因素中处于主导地位，城镇化率每提升1个百分点，二氧化碳排放量增加1.441.8个百分点（张馨，2011；关海玲，2013；胡雷，2016）。我国城镇地区能源消耗量占全国总能耗的75.15%，碳排放增量占全球碳排放增量的四分之三（OUYANG XL，2017）。根据前瞻产业研究院数据，目前我国是全球最大的二氧化碳排放国，2019年我国碳排放强度为0.712千克/美元，分别是美国、英国、韩国、日本、德国、法国、巴西的2.89倍、5.44倍、1.92倍、3.27倍、3.91倍、5.98倍、2.87倍。BP世界能源统计年鉴（2022）的数据显示，2020年我国碳排放量占全球比重达到30.7%，是美国碳排放量的2.22倍，是整个欧洲碳排放量的2.77倍。面对巨大的碳减排压力，自2020年9月以来，习近平总书记多次提出，我国将力争于2030年前实现碳达峰，努力争取于2060年前实现碳中和。“十四五”规划和2035年远景目标纲要 提出，2035年我国经济将再迈上新的大台阶，人均国内生产总值也将达到中等发达国家水平。碳排放效率是指一定时段内投入各种生产要素开展经济活动所产生的碳排放量，其核心是以较少资源投入，获得尽可能多的经济产出和实现尽可能少的碳排放量。在城镇化进程中提升碳排放效139DOI:10.14017/ki.2095-5766.2023.0009区域经济评论2023年第1期率是我国在实现“双碳”目标条件下保持中高速经济增长的必然选择。近年来，国内外学者对碳排放效率的研究主要是运用数据包络分析法（DEA）或随机前沿分析（SFA）模型从多指标的投入与产出视角进行分析。金娜等（2018）采用SBM模型分析了20022015年江苏碳排放效率空间格局及其驱动因素，研究表明，江苏碳排放效率区域差异在时间上呈现先增后减演变态势，在空间上表现为南高北低分布格局，城镇化和技术创新对江苏省碳排放效率的影响作用逐步增强。王鑫静和周保华（2018）运用扩展的STIRPAT模型探究了20102016年金砖国家碳排放效率的影响因素，发现科技创新、人均GDP及城镇化对金砖国家碳排放效率提升产生促进作用，影响因素的促进作用由大到小依次为城镇化、人均GDP、科 技 创 新。Zhang Caiqing 和 Chen Panyu（2021）运用随机前沿分析(SFA)模型测度和分析了20082017年中国长江经济带碳排放效率及其影响因素，结果显示，长江经济带碳排放效率整体较低，但呈上升趋势，工业化和城镇化对碳排放效率的影响表现为先下降后上升的“U”型关系；在回弹效应的作用下，技术进步对碳排放效率带来轻微负面影响。刘林杰和杨树旺（2022）运用动态面板GMM模型实证检验我国城镇化进程中人口城镇化和土地城镇化对区域全要素碳排放效率的异质性影响，结果表明，在不同空间尺度下，人口和土地城镇化对全要素碳排放效率的影响效应均呈现出较大差异，城镇化可以通过产业结构、技术创新等中介效应间接影响全要素碳排放效率。徐英启等（2022）运用SuperSBM模型测度和分析了20032018年我国68个低碳试点城市的碳排放效率及其影响因素，结果显示，低碳试点城市碳排放效率虽然在时间上整体呈上升趋势，效率值从0.169上升至0.423，但效率值整体偏低，并在空间上形成“东中西”递减分布格局，经济水平、产业结构、城镇化、绿色技术创新与试点城市碳排放效率呈显著正相关关系。由于研究对象和研究时间段的差异，国内外学者对城镇化与碳排放效率之间关系的研究得到不同结论。一是城镇化抑制碳排放效率提升。宋杰鲲等（2018）对20052014年山东省17个地市的研究显示，城镇化对碳排放效率存在负向影响；丁绪辉等（2019）基于20062016年中国30个省份面板数据的研究表明，城镇化水平与碳排放效率呈现反向关系；王鑫静和程钰（2020）对20092016年全球118个国家的研究显示，城镇化水平对碳排放效率提升具有显著抑制作用。二是城镇化促进碳排放效率提升。李建豹等（2020）的研究显示，19952017年长三角地区城镇化对碳排放效率具有明显的正向作用；张济建等（2021）对20002018年长江经济带11个省市的研究显示，城镇化水平与碳解锁效率呈显著正相关。三是城镇化对碳排放效率影响呈非线性关系。刘婕和魏玮（2014）的研究显示，19952010年我国城镇化率与全要素碳减排效率存在非线性关系，随着城镇化水平提高，碳减排效率呈现先降后升的演变趋势。文献梳理显示，现有研究尚存在以下有待完善和补充之处：现有研究多数是把城镇化作为碳排放效率外在影响要素之一进行实证分析，缺乏对城镇化影响碳排放效率内在机理的全面深入探讨；即使极少数文献分析了我国城镇化与碳排放效率之间的关系，但在区域评价上只是简单地按照东部、中部、西部、东北地区进行实证分析，而不是按照城镇化水平进行区域划分，导致效应评价结果与实际情况存在较大偏差；此外，现有研究没有充分考虑城镇化的碳排放效应时空异质性和动态性。本文在系统分析城镇化影响碳排放效率内在机理基础上，基 于 20112020 年 我 国 省 域 面 板 数 据，运 用NCSEEBM模型和动态GMM模型，实证分析我国区域城镇化的碳排放效应。与以往研究相比，本文的边际贡献主要体现在：采用NCSEEBM模型对碳排放效率进行评价，提升评价结果的准确性和科学性；运用动态GMM模型分析了我国城镇化影响碳排放效率的时间异质性；根据城镇化水平将我国不同省份划分为高度城镇化地区、中度城镇化地区和低度城镇化地区等3类区域，探讨区域城镇化影响碳排放效率的空间异质性，为在我国现代化新征程上有效发挥城镇化的节能降碳和维持经济健康持续发展作用找准政策着力点。二、城镇化影响碳排放效率机理城镇化主要是通过技术、人口、产业和政策等因素，影响区域碳排放绩效系统的投入和产出指标来促进或者阻碍碳排放效率升降。城镇化是人口140从农村向城镇转移的过程，区域城镇人口占比的持续提高促进了高素质人力资本加速在城市集聚和累积，有利于技术创新的产生及扩散（程开明，2010），形成“创新外溢(扩散)再创新”良性循环（仇怡，2013），而技术进步是促进能源使用效率提高和碳排放强度下降的主要原因（Stern H，2008）。城镇化进程带来人口在城镇地区高度集聚，一方面促使城市规模不断扩大，客观上要求市政公用设施和医疗、教育、交通等基本公共服务供给相应增加，导致对土地、住房及其生活配套设施的需求也加剧增长，这些设施、服务和建筑使得能源需求总量急剧增加，从而带来了碳排放量的快速增加（林 伯 强，2010；Reinhard Madlener，2011；Brian，2012）；另一方面城镇地区人口和经济活动的高度集中容易形成能源消费规模效应，提升公共基础设施利用效率，降低单位GDP能耗和人均能源需求，减少能源使用和污染物排放（Isabelle Larivire，1999；David Satterthwaite，2009；David Dodman，2009）。城镇化进程是农业富余劳动力流向城镇第二、第三产业的过程，劳动力在城乡产业间转移必然促使区域产业结构发生变化，从而影响生产要素产业间合理配置，进而影响能源消耗、经济增长和二氧化碳排放。在城镇化初期，根据生产资料生产优先增长规律，城市工业尤其是重化工业在区域经济中的比重不断增加，城镇化的人口规模效应和产业集聚效应尚未有效发挥作用，城镇化水平的提高在促进经济增长的同时也引起碳排放量快速增加。在城镇化中期，伴随着工业化持续推进，带动生产性服务业迅速发展，催生出产业集群和产业链，产业集聚效应逐步增强，碳排放总量持续增加但碳排放强度开始下降。在城镇化后期，城镇体系向城市群和都市圈升级，加速了以服务业为主体的第三产业发展壮大，并成为区域经济的主导产业，叠加上数字产业化和产业数字化耦合联动效应，推动产业结构优化升级，促使技术扩散效应由弱变强，部分区域碳排放实现达峰后开始进入下降通道。我国城镇化总体上属于政府主导型城镇化，政府主要是通过产业政策、环保政策、节能政策、财税政策等手段引导城镇化绿色、节能、低碳、健康发展，其中，环境规制是政府最常用的政策工具。环境规制不仅可以直接抑制区域碳排放（王康，2020）,而且可以通过影响外商投资（尹庆民，2020）、产业结构升级（庞庆华，2020）、技术创新（李菁，2021）和碳排放权交易（张修凡，2021）等路径间接对区域碳排放产生“倒退效应”或者“倒逼效应”（张先锋，2014）。环境规制的碳减排效果不仅与环境规制的强度有关，而且与环境规制的类型有关。因此，城镇化进程中采取适度的环境规制方能实现经济可持续健康发展与碳减排的“双赢”。三、碳排放效率的量化分析立足积极稳妥实现“双碳”目标，综合考量经济持续发展成本和碳排放总量及强度“双控”要求，着眼于有效处理非期望产出问题，合理构建碳排放效率投入产出指标体系，选取非导向规模报酬不变的超 效 率 模 型（Nonradial Constant Super EfficiencyEpsilon-Based Measure，NCSEEBM）对区域碳排放绩效进行评价分析。（一）指标体系构建借鉴李琳（2021）的研究成果，选择资本、劳动力和能源为投入指标，以各省份国内生产总值为期望产出指标，以各省份二氧化碳排放总量为非期望产出指标，构建出区域碳排放效率评价指标体系。由于目前学术界尚未就固定资产折旧率的取值达成一致意见，本文参考孙秀梅（2016）的研究成果，选取各省份全社会固定资产投资（亿元）作为资本投入。采用各省份年末从业人数（万人）作为劳动力投入。用各省份能源消费总量（万吨标准煤）反映能源投入。根据IPCC（2006）提供的各种能源消耗碳排放系数，通过对各省份焦炭、汽油、煤油等各种能源终端消费量与其对应的碳排放系数进行加总求和，得到各省份二氧化碳排放总量（万吨）。（二）量化模型选取TONE K（2010）提出的EBM模型有两个突出优点：一是能够较好地处理非期望产出的问题。二是与径向BC2模型与非径向SBM模型相比，EBM模型充分考虑到不同投入指标的替代效应，更加符合现实情况。本研究采用非导向规模报酬不变的超效率EBM（Nonradial Constant Super Efficiency Epsilon-Based Measure，NCSEEBM）模型来测度省域碳排放效率，主要是出于以下考虑：一是保