长三角城市群生产性服务业集聚对碳排放影响及空间效应.docVIP

长三角城市群生产性服务业集聚对碳排放影响及空间效应 　　内容摘要：本文基于2000-2015年长三角城市群26个地级及以上城市的面板数据，采用空间计量方法探讨生产性服务业集聚对碳排放的影响。结果表明：生产性服务业集聚未对本市产生预期中的碳减排效应，反而显著提升了周边城市的碳排放水平；交通运输、批发零售等低端生产性服务业集聚显著提升了周边城市碳排放水平，而金融业专业化集聚、科学研究业多样化集聚以及环境治理业的专业化和多样化集聚对本市或周边城市产生了明显的碳减排效应。在此基础上，提出长三角城市群应构建碳排放联控联防机制、因地制宜规划生产性服务业集聚模式及推进高端生产性服务业集聚等政策建议。 　　关键词：长三角城市群 生产性服务业 集聚 碳排放 空间溢出效应 　　近年来，学者们高度关注依托现代服务业和生产性服务业集聚促进产业结构优化、转变发展方式的改革热点。生产性服务业具有知识密集性、低污染、低能耗、高产出和高就业的特点。本文在现有研究基础上，基于集聚经济和新经济地理理论构建计量模型，以长三角城市群26个地级及以上城市面板数据为样本，运用空间计量方法系统探讨生产性服务业集聚对碳排放的影响及其内在机制。提出如下假设： 　　假设1：生产性服务业集聚有利于促进制造业向价值链高端攀升，降低碳排放。 　　假设2：生产性服务业集聚的碳排放效应受到其内部细分行业的异质性影响。 　　模型构建与变量选取 　　（一）计量模型构建 　　借鉴Dietz Rosa（1994）的城市碳排放STIRPAT模型构建思路，参考梁琦（2015）、韩峰（2014）和席强敏（2015）等学者的观点，将生产性服务业集聚分为专业化集聚和多样化集聚，并引入相关控制变量构建城市碳排放的计量模型。模型的基本形式如式（1）所示： 　　lnIij=a0+α1lnSPij+α2lnDVij+α3lnPij+α4lnAij+α5lnEDUij+α6lnFDIij+α7lnGOVij+α8lnTRAij+εit （1） 　　其中，Iij表示城市碳排放量，SPij是生产性服务业专业化集聚程度、DVij为生产性服务业多样化集聚程度、Pij为人口规模、Aij为人均财富、EDUij为受教育程度、FDIij为外商直接投资、GOVij为政府干预程度、TRAij为交通状况。 　　由于碳排放在空间上存在较为明显的关联效应，即某一城市i的生产性服务业集聚可能对另一城市j的碳排放产生影响，因此，通过构建空间计量模型来进一步分析城市碳排放与生产性服务业集聚的空间关联效应。具体模型如式（2）所示： 　　其中，εit为残差、μi、vi分别表示地区效应和时间效应，ρ、分别为空间自回归系数和空间自相关系数，ωit代表空间权重矩阵，X为包含生产性服务业专业化、多样化集聚等变量在内的自变量空间。 　　（二）变量选取及数据说明 　　城市碳排放（I）。主要指城市工业碳排放，包括天然气、液化石油气和电力等城市工业能源的CO2排放量。参考林伯强等（2009）的研究，城市工?I行业碳排放总量如式（3）所示： 　　其他变量。人口规模（P）：由市辖区年末总人口来衡量；人均财富（A）：由人均GDP来衡量；人力资本（EDU）：由中学及以上学生数占总人口比重来衡量；外商直接投资存量（FDI）：采用永续盘存法来计算；交通状况（TRA）：由市辖区民用汽车拥有量与道路面积的比值来衡量；政府干预（GOV）：反映地方政府对经济发展的干预程度，由政府公共财政预算支出占当年GDP的比重来衡量。 　　本文采用2000-2015年长三角城市群26个地级及以上城市的面板数据，原始数据均来源于历年《上海统计年鉴》、《江苏统计年鉴》、《浙江统计年鉴》和《安徽统计年鉴》以及各地市统计年鉴，用于基期调整的各地市价格调整指数均源自于2001年以来的《中国统计年鉴》。考虑到各地区经济增长的动态延续性，以及生产性服务业集聚对碳排放影响的滞后效应和空间效应，本文采用两步系统GMM的动态面板数据估计方法进行计量模型检验，在此基础上采用双重固定效应的空间杜宾模型（SDM）检验长三角城市群生产性服务业以及细分行业集聚对碳排放的空间溢出效应。为了避免异方差和多重共线性，在实证分析之前，对所有变量均进行了自然对数处理。计量分析均采用Stata1 2.0软件进行。 　　实证结果和分析 　　（一）生产性服务业集聚对碳排放的影响效应 　　表1显示了2000-2015年期间长三角城市群各地市生产性服务业集聚对碳排放影响的检验结果，其中空间面板计量估计显示的是两步系统GMM的动态面板数据估计结果，直接效应显示了生产性服务业集聚等解释变量对本地区碳排放的影响，间接效应显示了生产性服务业集聚对周边城市碳排放的影响，反映出空间溢出效应。 　　从解释变量来看：直接