城镇化率、要素禀赋对全要素碳减排效率的影响 Impact of Urbanization Level and Endowment Disparity on Carbon Reduction Efficiency.pdfVIP

中国人口·资源与环境 2014年第24卷 V01．24No．82014 城镇化率、要素禀赋对全要素碳减排效率的影响 刘 婕魏玮 (西安交通大学经济与金融学院，陕西西安710061) 摘要基于超越对数生产函数，并运用产出距离函数建立以资本、劳动力和能源为投入要素，以GDP和CO：排放为产出要素的随机 前沿模型，分别测度全国30个省区1995—2010年期间全要素CO：的排放效率。在此基础上。从城镇化水平、要素禀赋、人口规模、产 业结构、技术因素等五个维度出发，运用Tobit面板模型对影响全要素碳减排效率的因素及其显著程度进行了实证分析。主要结论表 明。从全国层面看，城镇化率、资本深化程度与全要素碳减排效率均呈非线性影响关系，随着城镇化率的提高、资本的逐步深化。碳减 排效率经历了先下降后上升的趋势：能源密集度本身对碳减排效率无显著作用。但对城镇化水平促进碳减排效率提高有放大效应；人 口规模的减小、二产占比的下降与能源强度的降低均会促使碳减排更有效率，人口规模因素对碳减排效率的影响系数为0．049，略高 于产业结构因素和技术因素，相关系数分别是0．0306和0．0142。进一步将全国样本按照要素禀赋异质性分为资本密集型省区、能 源密集型省区、劳动密集型省区。对三个子样本的回归结果显示只有能源密集型省区的城镇化率与全要素碳减排效率之间在5％的 显著性水平上存在相关关系。由以上结论得到的启示是，政府面对国际碳减排和全面推进城镇化建设双重压力下。要注意从不同省 份要素禀赋的异质性出发，通过建立碳市场等措施倒逼能源型省份控制城镇化进程；疏通资本密集型省区资源向节能资源研发部门 流动的通道：充分发挥劳动密集型省区的人口红利作用和第三产业对第二产业的挤出效应。 关键词 要素禀赋；城镇化率；全要素碳减排效率；随机前沿分析 中图分类号X24文献标识码A文章编号1002—2104(2014)08-0042—07 改革开放以来，能源为经济的增长提供了重要的“动 “期望产出”全要素生产率以外“非期望产出”C0：的全要 力支持”。然而，相对粗放的能源利用模式造成的环境污 染问题日益显现。作为目前国际上碳排放总量和增量均 大化为假设前提处理多产出系统效率，本文借鉴此方法在 最大的国家，中国减排的成效已成为全球关注的焦点，在 产出距离函数中引入超越对数生产函数构建了分析多产 2009年的联合国气候变化峰会上，中国政府提出2020年 出的随机前沿生产模型来测算全要素碳减排效率。对碳 碳排放强度要在2005年的基础上下降40％到45％。考排放影响因素的研究方法方面，国内外文献归纳为五类： 虑到中国城镇化工业化已进入中坚阶段、经济发展对能源 以上LMDI应用最为广泛的指数分解法和Kaya等式及变 的需求刚性以及以煤为主的能源消费结构特点短期内不 形STIRPAT要求使用确定性的数理公式，库兹涅茨环境 会改变，即使逐步降低碳排放的增量也是巨大的挑战。所 分析法主要强调经济发展对环境变量的影响，投入产出法 以，提高全要素碳排放效率是碳减排的主要思路，探究碳 多在考虑对外贸易的情况下使用，本文使用计量分析，原 减排效率的影响因素为促进我国环境、资源、经济的协调 因是在选取变量时较其他方法相对灵活，尤其在面板数据 可持续发展起到举足轻重的作用。学术界对碳排放的研 下扩增样本量和自由度，减少变量问的共线性，控制样本 究日益深入，在碳排放效率的测算方面，文献多使用数据 的个体异质性，提升估计的有效性和可靠性。在选取影响 包络分析(DEA)，这种非参数估计方法未能考虑随机扰动全要素碳减排效率的因素方面，国内外学者多集中在技术 因素。随机前沿分析方法(SFA)可以弥补这一不足，但传因素、规模因素和结构因素。本文重点研究城镇化进程、 要素禀赋的异质性对碳减排效率的作用是有其背景意义 统的SFA如孔翔等’‘j、Wu“、涂正革和肖耿‘3j、王志平。41 等只能