中国省级CO2排放影响因素空间计量分析.docVIP

中国省级CO2排放影响因素空间计量分析 　　摘要 提出面板数据空间误差分量模型，采用基于广义矩估计的可行广义最小二乘法估计方法，研究1997-2007年间，我国省级CO2排放的影响因素。实证结果表明，我国省级CO2排放量存在显著的正向空间相关性，CO2排放较多的省份往往会影响邻近地区的CO2排放；CO2排放量与人均GDP呈倒N型环境库兹涅兹曲线。未考虑空间相关性时，CO2排放转折点为人均GDP 51 730元，我国目前仍处于CO2排放量上升期；采用面板数据空间误差分量模型修正后，CO2排放下降转折点为人均GDP约53 237元，较未考虑空间因素时有所提高，省际间的空间相互影响，对CO2排放下降转折点的人均GDP提出更高的要求；实证研究结果同时显示，煤炭消费比重提高及人口数量增大，都将显著增加我国CO2排放量，体现优化能源结构和控制人口增长对抑制CO2排放增长的重要性。 　　关键词 CO2排放；误差分量模型；面板数据；广义矩估计 　　中图分类号 F205文献标识码 A 　　 文章编号 1002-2104（2011）11-0015-06 doi:10.3969/j.issn.1002-2104.2011.11.003 　　 　　 　　 　　围绕我国CO2排放的影响因素问题，国内外学者进行了大量的实证研究。Wu、Kaneko Matsuoka［1］、徐国泉等［2］、宋德勇、卢忠宝［3］等采用对数均值迪氏分解法或Kaya恒等式对CO2排放影响因素进行分解，研究能源消费结构、能源利用效率、能源强度，以及经济增长等因素对中国人均CO2排放量的影响。实证结果表明，能源消费结构、产业结构的优化，以及能源利用效率的提高都将降低CO2排放量，经济增长对人均CO2排放量的贡献率呈指数增长。杜婷婷等［4］、胡初枝等［5］、陈彦玲、王琛［6］则采用环境库兹涅兹曲线（Environment Kuznets Curve，简称EKC）模型，研究中国CO2排放量与人均GDP，以及产业结构、能源消费结构等影响因素间的关系。研究结果认为，我国CO2排放EKC曲线呈倒U型，且产业结构、能源消费结构，以及城市化水平是影响我国CO2排放的重要因素。宋涛等［7］采用协整检验及脉冲响应函数，研究中国CO2排放量与人均GDP之间的关系，结果表明二者之间存在长期协整关系, CO2排放量与人均GDP呈N型EKC曲线。? 　　上述研究从不同角度分析了中国CO2排放的影响因素，对揭示我国经济运行中经济增长与CO2排放量相互关系有着重要参考价值，但现有文献也存在不足之处：一是已有研究大多以时间序列模型为主，采用面板数据模型研究我国CO2排放影响因素的文献较少，多数研究中忽略了不同地区间CO2排放的差异性；二是现有研究中均未考虑我国地区间CO2排放的空间相互影响。我国地区间经济空间差异性明显。地区间贸易和产业转移产生的跨境污染，以及环境公共政策的外溢性，地区间CO2排放与经济发展的空间影响非常明显。本文试图克服以上不足，在总结现有空间经济计量分析技术基础上，建立面板数据空间误差分量模型（Spatial Error Components Model，SEC模型），采用基于广义矩估计（GMM）的可行广义最小二乘法（GLS），研究我国省级CO2排放与经济增长、能源消费结构及人口数量之间的关系。? 　　1 面板数据SEC模型? 　　空间经济计量模型将空间因素引入经济计量分析，目前最常见的是空间因变量滞后模型（Spatial Lag，SLAG）和空间误差模型（Spatial Error Model，SEM），前者研究因变量在邻接地区的行为对整个系统其它地区行为的影响，后者的空间相互作用体现在误差项中，研究邻接地区的误差冲击对其它地区行为的影响。这两类模型基本形式如下［8］：? 　　空间滞后模型（SLAG）：? 　　y=Xβ+λWy+ε? 　　空间误差模型（SEM）：? 　　y=Xβ+ε,ε=ρWε+u? 　　 式中，W为空间权重矩阵，一般进行行标准化，u~iidN(0,σ?２)，ρ,λ为相应的空间权重系数，|ρ|＜1，｜λ｜2排放量与经济增长各因素间相互影响关系：? 　　其中，t=1，…，T，y?t为第t年各省的CO2排放量向量，X?t为第t年的解释变量矩阵，包括实际人均GDP、实际人均GDP平方项及三次方项（分别记为RGDP、RGDP?2和RGDP?3），体现经济增长对CO2排放的影响，CO2排放量及人均GDP数据采取对数形式，实际人均GDP以1997年为基期；煤炭消费占能源消费总量的比重（以下简称煤炭消费比重，记为COAL），用于衡量我国能源消费结构对CO2排放的影响；人口数量（记为POP），体现人口增长对CO2排放的影响。β为K×1的系数向量，u为个体效