删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

城市化对家庭CO2排放影响的区域差异----基于中国省级面板数据的分析

本站小编 Free考研考试/2021-12-29

李艳梅, 张红丽
北京工业大学循环经济研究院,北京 100124

Regional differences in the impact of urbanization on household carbon dioxide emissions based on panel data for 30 provinces in China

LIYanmei, ZHANGHongli
Institute of Recycling Economy of Beijing University of Technology,Beijing 100124,China
收稿日期:2015-08-18
修回日期:2015-11-25
网络出版日期:2016-03-25
版权声明:2016《资源科学》编辑部《资源科学》编辑部
基金资助:

基金项目:国家自然科学基金项目(71103012)

北京工业大学日新人才项目(033000514115001)

作者简介:
-->作者简介:李艳梅,女,内蒙古乌兰察布市人,博士,副研究员,硕士生导师,主要从事低碳经济研究.E-mail:liyanmei1979@sina.com

展开

摘要
随着中国城市化的快速发展,家庭部门成为CO₂排放的重要增长点.本文在计算2000-2012年30个省(直辖市,自治区,除港,澳,台,西藏外)家庭CO₂排放的基础上,构建面板模型分析了城市化对其影响的区域差异.结果表明:①城市化发展促进了30个省(直辖市,自治区)家庭CO₂排放的增加,但是区域差异较大.城市化水平对家庭直接CO₂排放影响程度高的省份,集中在东部和东北地区,如上海,黑龙江和吉林等;城市化水平对家庭间接CO₂排放影响程度高的省份,集中在东部地区,如上海,北京,浙江和广东等;影响程度中等和低的省份主要交错分布在中国中部,西部地区,如宁夏,贵州以及安徽;②进一步从消费支出弹性视角分析了区域差异的原因,发现城市化水平对家庭CO₂排放影响越高的区域,其CO₂排放的消费支出弹性越高.直接CO₂排放的弹性差异主要与汽油,电力消费的增加幅度有关,间接CO₂排放的弹性差异主要与来自工业部门的消费支出增加幅度有关.因此,在城市化水平对家庭直接CO₂排放影响程度高的区域,重点是发展公共交通并注重日常生活节能;在城市化水平对家庭间接CO₂排放影响程度高的区域,重点是提高工业部门的能源使用效率.

关键词：城市化;家庭CO2排放;区域差异;面板数据
Abstract
With rapid development of urbanization in China,households have become the focus of energy savings and emissions reduction. Here,household CO₂ emissions in 30 provinces from 2000 to 2012 are calculated. Then a panel model is constructed to analyze regional difference in the urbanization impact on household CO₂ emissions. We found that the impact of urbanization on household CO₂ emissions has played a catalytic role and there are large regional differences. Provinces with the highest impact of urbanization on household direct CO₂ emissions are mainly distributed in eastern China and northeast China,such as Shanghai,Heilongjiang and Jilin. Provinces with the highest impact of urbanization on household indirect CO₂ emissions are mainly distributed in eastern China,such as Shanghai,Beijing,Zhejiang and Guangdong. While provinces with medium and low impact of urbanization on households direct and indirect CO₂ emissions are mainly distributed in the central and western China. From the perspective of expenditure elasticity,we further analyzed reasons for differences in the impact of urbanization on provincial household CO₂ emissions. The result is that the higher the impact of urbanization on household CO₂ emissions,the larger the expenditure elasticity of CO₂ emissions. The elasticity of direct CO₂ emissions is related to different consumption increases in gasoline and electricity,and the elasticity of indirect CO₂ emissions is associated with an increase in the amount of consumption from the industry sector. Therefore,developing public transportation and paying attention to saving energy in daily life in regions where household direct CO₂ emissions are highly influenced by urbanization are significant,and improving the efficiency of energy use by industry in regions with a high impact of urbanization on household indirect CO₂ emissions.

Keywords：urbanization;households CO2 emissions;regional differences;panel data

-->0
PDF (1200KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
李艳梅, 张红丽. 城市化对家庭CO₂排放影响的区域差异----基于中国省级面板数据的分析[J]. , 2016, 38(3): 545- https://doi.org/10.18402/resci.2016.03.17
LI Yanmei, ZHANG Hongli. Regional differences in the impact of urbanization on household carbon dioxide emissions based on panel data for 30 provinces in China[J]. 资源科学, 2016, 38(3): 545- https://doi.org/10.18402/resci.2016.03.17

1 引言

1996年以来,中国城市化水平超过30%,根据城市化发展"S型曲线",进入快速发展的中期阶段,城市化水平年平均增长1.4%.2012年中国城市化水平为52.6%,与高收入国家平均城市化水平78%相比,中国城市化还有很大的发展潜力^[1].随着城市化的快速发展,生活方式和生产模式发生改变,能源消费不断增加,导致CO₂排放量越来越大,给缓解全球变暖问题带来较大的压力.已有研究大多认为能源消费和CO₂排放主要来自工业部门,忽视了家庭日益增长的能源消费与CO₂排放.目前,在城市化水平较高的一些发达国家,如欧盟,家庭能源消费已经超过工业部门能源消费,成为重要的碳源^[2].在中国,随着城市化的快速发展,家庭能源消费不断增加,导致家庭CO₂排放量越来越大,家庭部门已成为中国CO₂排放的重要增长点.
国内外****对城市化和CO₂排放进行了大量研究,主要集中在城市化与CO₂排放关系,城市化对CO₂排放影响的阶段差异以及空间差异等方面.①研究城市化和CO₂排放关系,验证了某一阶段城市化和CO₂排放存在正相关关系.如许泱等运用STIRPAT模型,对中国1995-2008年城市化对CO₂排放的影响进行了实证分析,发现城市化的推进导致CO₂排放增加,但不存在环境的库兹涅茨曲线^[3].Dong等研究发现,1979-2009年,中国城市化冲击与温室气体排放存在倒驼峰型关系^[4].Jiahai Yuan等基于Kaya恒等式,预测随着城市化发展, 2030-2035年中国CO₂排放将达到92~94亿t这一峰值^[5];②研究不同城市化阶段对CO₂排放影响的差异.如孙昌龙等将全球76个国家分为城市化初期,中期,
后期阶段等3个组别,构建面板模型评估了不同发展阶段城市化对CO₂排放的影响,提出随着城市化水平的提高,其对CO₂排放的贡献先增加后减少^[6];③研究城市化对CO₂排放影响的区域和城乡差异.如宋德勇等将全国30省(直辖市,自治区)按城镇CO₂排放高低分为CO₂高排放,中排放,低排放三类区域,运用STIRPAT模型比较了城市化对各类区域的影响,提出城镇CO₂排放越高的区域,城市化对CO₂排放的影响程度越大^[7].张馨等对2000-2007年中国城市化进程中,城乡能源消费与CO₂排放的差异进行了比较^[8].
随着城市化的发展,城市化对家庭CO₂排放产生越来越重要的影响.已有研究主要是对城市化与家庭CO₂排放存在的关系进行了探讨,研究表明,城市化发展是家庭CO₂排放增加的重要原因.Yanmei LI等研究表明,城市化水平每提高1个百分点,中国家庭直接CO₂排放和间接CO₂排放分别增加2.9个百分点和1.1个百分点^[9].Baolong Yuan等将城市化作为影响因素之一,对中国家庭间接CO₂排放的分解表明,城市化是导致中国家庭间接CO₂排放增加的最重要的因素^[10].
总体来看,城市化是影响家庭CO₂排放的重要因素,但是相关研究主要集中在国际,国家层面,而对省际城市化发展对家庭CO₂排放存在怎样的影响与差异,鲜有探究.中国地域辽阔,各省在城市化快速发展的过程中,家庭CO₂排放存在较大的差异,有必要对中国城市化对家庭CO₂排放影响的省际差异进行研究,为各省家庭部门碳减排政策的制定提供一定的理论依据.面板模型是从空间维度对省际差异问题进行分析的有效工具,本文构建空间面板模型,分析中国30个省(直辖市,自治区,除港,澳,台,西藏外)城市化对家庭CO₂排放影响的区域差异.
综观城市化和CO₂排放相关研究的指标选取情况如表1所示,大量****运用IPAT/STIRPAT模型,Kaya恒等式或分解模型等,选取人口,经济和技术等方面的指标进行了研究.本文在选取集中体现城市化发展状况的指标----城市化水平(UR)为自变量的基础上,同样引入人口,经济与技术等方面的指标为控制变量进行回归分析.在人口和经济方面,分别选取各省的人口总数(P)和人均GDP(GP)这两个代表性指标.在技术方面,由于样本期内各省能源消费变动较大,故选取能源消耗强度(EI)这一指标进行面板模型的回归.
Table 1
表1
表1城市化和CO₂排放相关研究的指标选取情况
Table 1The selection situation of researches on urbanization and CO₂ emissions

模型	指标	作者
IPAT/STIRPAT模型	城镇化率,人口,人均GDP,能源消耗强度或CO₂排放强度等	Poumanyvong & Kaneko^[11],许泱等^[3],宋德勇等^[7],张乐勤等^[12],卫平等^[13],张勇等^[14]
Kaya恒等式	城市化,单位能源消费的CO₂排放,能源强度,人均GDP,人口等	Jiahai Yuan等^[5],林伯强等^[15],冯相昭等^[16]
分解模型,如LMDI模型,SDA模型	人口,人均GDP,产业结构,能源强度,能源消费结构等	Liang Chen等^[17],郭朝先等^[18],宋杰鲲等^[19]

新窗口打开

2 研究方法与数据来源

2.1 相关变量计算

对于衡量城市化发展程度的数量指标,一般用一定地域内城镇人口占总人口的比例来表示.这是用单一指标法来测度城市化水平,此外还有复合指标法测度城市化水平.与单一指标法相比,复合指标法工作量较大,通用性较差^[20],故本文采用单一指标法中常用的人口指标法对城市化水平进行测度.能源强度即单位GDP的能源消耗量.家庭CO₂排放可以分为直接和间接两部分,家庭直接CO₂排放是指家庭用于炊事,照明,取暖等活动而对能源商品的直接购买和消费所引起的CO₂排放;家庭间接CO₂排放是指家庭消费非能源商品和服务而间接消耗能源引起的CO₂排放^[21].
2.1.1 直接CO₂排放量计算
家庭直接CO₂排放量是根据《中国能源统计年鉴》^[22]地区能源平衡表中生活消费的终端能源量计算而来,公式如下^[23]:

\begin{matrix} D C^{k} = \overset{n}{\sum_{j = 1}} D C_{j}^{k} + D C_{e}^{k} + D C_{h}^{k} \end{matrix}

\begin{matrix} = \overset{n}{\sum_{j = 1}} D E_{j}^{k} \times δ_{j}^{} + D E_{e}^{k} \times δ_{e}^{k} + D E_{h}^{k} \times δ_{h}^{k} \end{matrix}

(1)
式中

\begin{matrix} D C^{k} \end{matrix}

为第k省家庭直接CO₂排放;

\begin{matrix} D C_{j}^{k} \end{matrix}

\begin{matrix} D C_{e}^{k} \end{matrix}

和

\begin{matrix} D C_{h}^{k} \end{matrix}

分别为第k省家庭中第j种能源(附录表A中各类能源),电力和热力消费产生的CO₂排放;

\begin{matrix} D E_{j}^{k} \end{matrix}

\begin{matrix} D E_{e}^{k} \end{matrix}

和

\begin{matrix} D E_{h}^{k} \end{matrix}

分别为第k省家庭中第j种能源,电力和热力的消费;

\begin{matrix} δ_{j}^{} \end{matrix}

为第j种能源的CO₂排放系数;

\begin{matrix} δ_{e}^{k} \end{matrix}

为第k省电力消费的CO₂排放系数;

\begin{matrix} δ_{h}^{k} \end{matrix}

为第k省热力消费的CO₂排放系数.
2.1.2 间接CO₂排放量计算
家庭间接的CO₂排放是根据《中国能源统计年鉴》^[22]地区能源平衡表中生产部门的终端能源消费量,运用投入产出法计算而来^[24,25],公式如下:

\begin{matrix} I C^{k} = f_{c}^{k} \times (I - A^{k})^{- 1} \times Y_{h}^{k} \end{matrix}

(2)
式中

\begin{matrix} I C^{k} \end{matrix}

为第k省家庭间接CO₂排放;

\begin{matrix} f_{c}^{k} \end{matrix}

为第k省生产部门直接CO₂排放强度矩阵;

\begin{matrix} A^{k} \end{matrix}

为第k省直接消耗系数矩阵,其元素

\begin{matrix} a_{ij}^{k} \end{matrix}

是第k省每生产单位j部门产品,要消耗i部门的产品量;

\begin{matrix} (I - A^{k})^{- 1} \end{matrix}

为列昂惕夫逆矩阵,也是完全需求系数矩阵,元素含义为增加一个单位的第j部门产品的最终使用时,对第i部门产品的完全需要量;

\begin{matrix} Y_{h}^{k} \end{matrix}

为第k省家庭消费支出列向量.

\begin{matrix} f_{c}^{k} \end{matrix}

计算公式如下:

\begin{matrix} f_{c}^{k} = [\begin{matrix} f_{c 1}^{k} \\ f_{c 2}^{k} \\ ? \\ f_{cj}^{k} \\ ? \\ f_{c}_{n}^{k} \end{matrix}] = [\begin{matrix} F C_{1}^{k} / X_{1}^{k} \\ F C_{2}^{k} / X_{2}^{k} \\ ? \\ F C_{j}^{k} / X_{j}^{k} \\ ? \\ F C_{n}^{k} / X_{n}^{k} \end{matrix}] \end{matrix}

(3)
式中

\begin{matrix} f_{cj}^{k} \end{matrix}

为第k省第j个生产部门的直接CO₂排放强度;

\begin{matrix} F C_{j}^{k} \end{matrix}

为第k省第j个部门的直接CO₂排放;

\begin{matrix} X_{j}^{k} \end{matrix}

为第k省第j个部门的总产出.其计算公式如下:

\begin{matrix} [\begin{matrix} X_{1}^{k} \\ X_{2}^{k} \\ ? \\ X_{j}^{k} \\ ? \\ X_{n}^{k} \end{matrix}] = (A_{V}^{k})^{- 1} \times V^{k} \end{matrix}

\begin{matrix} = {[\begin{matrix} 1 - \overset{n}{\sum_{i = 1}} a_{i 1}^{k} & 0 & ? & 0 & ? & 0 \\ 0 & 1 - \overset{n}{\sum_{i = 1}} a_{i 2}^{k} & ? & 0 & ? & 0 \\ ? \\ ? & 0 & ? & 1 - \overset{n}{\sum_{i = 1}} a_{ij}^{k} & ? & 0 \\ ? \\ 0 & 0 & ? & 0 & 0 & 1 - \overset{n}{\sum_{i = 1}} a_{in}^{k} \end{matrix}]}^{- 1} \\ \times [\begin{matrix} V_{1}^{k} \\ V_{2}^{k} \\ ? \\ V_{n}^{k} \end{matrix}] \end{matrix}

(4)
式中

\begin{matrix} A_{V}^{k} \end{matrix}

为第k省的增加值率对角矩阵;

\begin{matrix} V_{j}^{k} \end{matrix}

为第k省第j个部门的总增加值.家庭消费支出向量

\begin{matrix} Y_{h}^{k} \end{matrix}

计算公式如下:

\begin{matrix} Y_{h}^{k} = [\begin{matrix} Y_{h 1}^{k} \\ Y_{h 2}^{k} \\ ? \\ Y_{hj}^{k} \\ ? \\ Y_{hn}^{k} \end{matrix}] = [\begin{matrix} Y_{h 1}^{k} / F_{h}^{k} \\ Y_{h 2}^{k} / F_{h}^{k} \\ ? \\ Y_{hj}^{k} / F_{h}^{k} \\ ? \\ Y_{hn}^{k} / F_{h}^{k} \end{matrix}] \times F_{h}^{k} \end{matrix}

(5)
式中

\begin{matrix} Y_{hj}^{k} \end{matrix}

为第k省家庭对第j部门产品的消费支出;

\begin{matrix} F_{h}^{k} \end{matrix}

为第k省家庭对所有部门产品的总消费支出.

2.2 面板模型构建

理论面板数据模型主要有三种类型,以城市化对直接CO₂排放的影响为例,可以构建模型:
(1)不变截距,不变系数模型:

\begin{matrix} lnD C^{k} = α + βlnU R^{k} + γ_{1}^{} \ln P^{k} + γ_{2}^{} lnG P^{k} \\ + γ_{3}^{} lnE I^{k} + μ^{k} \end{matrix}

(6)
式中

\begin{matrix} α \end{matrix}

为模型的截距项;

\begin{matrix} β \end{matrix}

为城市化水平对家庭直接CO₂排放的影响程度;

\begin{matrix} U R^{k} \end{matrix}

为第k省城市化水平;

\begin{matrix} P^{k} \end{matrix}

为第k省人口;

\begin{matrix} G P^{k} \end{matrix}

为第k省人均GDP;

\begin{matrix} E I^{k} \end{matrix}

为第k省能源消耗强度;

\begin{matrix} γ_{1} \end{matrix}

\begin{matrix} γ_{2} \end{matrix}

和

\begin{matrix} γ_{3} \end{matrix}

分别为人口,人均GDP和能源强度等控制变量对家庭直接CO₂排放的影响程度;

\begin{matrix} μ_{}^{k} \end{matrix}

为模型随机干扰项;模型的特点是

\begin{matrix} α \end{matrix}

\begin{matrix} β \end{matrix}

\begin{matrix} γ_{1} \end{matrix}

\begin{matrix} γ_{2} \end{matrix}

和

\begin{matrix} γ_{3} \end{matrix}

为常数项,不受样本个体影响.
(2)变截距,不变系数模型:

\begin{matrix} lnD C^{k} = α^{k} + βlnU R^{k} + γ_{1}^{} \ln P^{k} + γ_{2}^{} lnG P^{k} \\ + γ_{3}^{} lnE I^{k} + μ^{k} \end{matrix}

(7)
式中

\begin{matrix} α^{k} \end{matrix}

为第k省城市化与家庭直接CO₂排放模型的截距项,其他变量含义同上.模型的特点是截距项的大小与样本个体有关,城市化水平以及人口,人均GDP和能源强度等变量对家庭直接CO₂排放影响的系数与样本个体无关.
(3)变截距,变系数模型:

\begin{matrix} lnD C^{k} = α^{k} + β^{k} lnU R^{k} + γ_{1}^{k} \ln P^{k} + γ_{2}^{k} lnG P^{k} \\ + γ_{3}^{k} lnE I^{k} + μ^{k} \end{matrix}

(8)
式中

\begin{matrix} β^{k} \end{matrix}

为第k省城市化水平对其家庭直接CO₂排放总量的影响程度;

\begin{matrix} γ_{1}^{k} \end{matrix}

\begin{matrix} γ_{2}^{k} \end{matrix}

和

\begin{matrix} γ_{3}^{k} \end{matrix}

为第k省人口,人均GDP和能源强度等控制变量对家庭直接CO₂排放影响的系数,其他变量含义同上.模型的特点是截距项和变量的回归系数均与样本个体有关.
究竟选择哪种模型,需要对假设进行协方差分析检验来确定,两个假设如下:
H1:

\begin{matrix} β^{1} = β^{2} = ? = β^{30}, \end{matrix}

\begin{matrix} γ_{1}^{1} = γ_{1}^{2} = ? = γ_{1}^{30} ， γ_{2}^{1} = γ_{2}^{2} = ? = γ_{2}^{30} ， \\ γ_{3}^{1} = γ_{3}^{2} = ? = γ_{3}^{30} \end{matrix}

H2:

\begin{matrix} α^{1} = α^{2} = ? = α^{30} ， β^{1} = β^{2} = ? = β^{30}, \end{matrix}

\begin{matrix} γ_{1}^{1} = γ_{1}^{2} = ? = γ_{1}^{30} ， γ_{2}^{1} = γ_{2}^{2} = ? = γ_{2}^{30} ， \\ γ_{3}^{1} = γ_{3}^{2} = ? = γ_{3}^{30} \end{matrix}

H1假设:各省模型中自变量的回归系数

\begin{matrix} (β) \end{matrix}

相同以及控制变量的回归系数(

\begin{matrix} γ_{1} \end{matrix}

\begin{matrix} γ_{2} \end{matrix}

和

\begin{matrix} γ_{3} \end{matrix}

)相同,常数项

\begin{matrix} (α) \end{matrix}

存在差异,含义为30个省(直辖市,自治区)城市化水平对家庭直接CO₂排放的影响程度相同,人口,人均GDP与能源强度等控制变量的影响程度也相同,但各省家庭直接CO₂排放的基点是存在差异的.
H2假设:各省模型中自变量的回归系数

\begin{matrix} (β) \end{matrix}

相同以及控制变量的回归系数(

\begin{matrix} γ_{1} \end{matrix}

\begin{matrix} γ_{2} \end{matrix}

和

\begin{matrix} γ_{3} \end{matrix}

)相同,并且常数项

\begin{matrix} (α) \end{matrix}

也是相同的,含义是30个省(直辖市,自治区)城市化水平对家庭直接CO₂排放的影响程度相同,人口,人均GDP与能源强度等控制变量的影响程度也相同,并且各省家庭直接CO₂排放的基点是相同的.
假设成立与否,需要计算协方差分析检验的F统计量进行判断.首先检验H2假设,利用协方差分析构造式计算

\begin{matrix} F_{2} \end{matrix}

,若其值小于某置信度下的同分布临界值,则H2假设成立,选取不变截距,不变系数模型公式(6).否则H2假设不成立,进一步检验H1假设,利用协方差分析构造式计算

\begin{matrix} F_{1} \end{matrix}

,若其值小于某置信度下的同分布临界值,则H1假设成立,选取变截距,不变系数模型公式(7).否则H1假设也不成立,选取变截距,变系数模型公式(8)^[26].

2.3 数据来源

基于上述计算方法与模型,选取2000-2012年为样本期,对中国30个省(直辖市,自治区)城市化对家庭CO₂排放的影响进行分析,并对区域差异进行了比较.在运用面板模型进行实证分析的过程中,为了保证各指标之间的可比性,同时消除数据的不稳定性和可能存在的异方差现象,将原始数据均取自然对数之后再做分析.
本文所需各省城镇人口,总人口和地区生产总值等数据均来自2001-2013年《中国统计年鉴》^[27],地区生产总值以2000年为不变价进行换算.各省能源消费数据来自2001年到2013年《中国能源统计年鉴》^[22],第j种能源的CO₂排放系数来自IPCC^[28],具体如附录表A所示.各省电力的CO₂排放系数来源于《关于公布2009年中国区域电网基准线排放因子的公告》^[29],结果如附录表B所示.热力的CO₂排放系数根据IPCC计算方法得出,即以热力生产所消耗的其他能源产生的CO₂,除以热力生产量.样本期内各省的热力系数变化不大,故仅列出2000-2012年各省的热力系数平均值,如附录表C所示.投入产出分析的基本数据来源于2002年,2007年《中国地区投入产出表》^[30].由于投入产出表数据是不连续的,为了得到家庭间接CO₂排放的连续数据,假设列昂惕夫逆矩阵(I-A^k)^-1,消费支出结构矩阵

\begin{matrix} Y_{hj}^{k} / F_{h}^{k} \end{matrix}

和增加值率对角矩阵

\begin{matrix} A_{V}^{k} \end{matrix}

在2000-2005年保持不变(使用2002年的数据);在2006-2012年保持不变(使用2007年的数据).第k省第j部门的总增加值

\begin{matrix} V_{j}^{k} \end{matrix}

以及家庭的总消费支出

\begin{matrix} F_{h}^{k} \end{matrix}

均来自历年的《中国统计年鉴》^[27].
在运用投入产出法计算家庭间接CO₂排放时,需要将能源消费数据置于地区投入产出表中.由于无法获取30个省(直辖市,自治区)的详细部门的能源消费数据,故将所有年份投入产出表中的部门合并为6个部门:农业;工业;建筑业;交通运输仓储邮政业;批发零售,住宿餐饮业;其他服务业.

3 实证分析

3.1 平稳性检验

由于宏观数据的非平稳性,有必要在面板数据模型估计之前对数据进行平稳性检验.面板数据的单位根检验,是在时间序列单位根检验的基础上发展起来的,主要用来检验面板数据的平稳性,从而避免产生伪回归问题^[31].本文利用Eviews 7.0软件首先对30个省(直辖市,自治区)城市化水平,人口,人均GDP,能源强度,家庭直接CO₂排放总量和家庭间接CO₂排放总量的稳定性进行了单位根检验,根据IPS检验,PP-Fisher检验和ADF-Fisher检验等检验结果,可知各指标原始值的检验值在1%的显著性水平上均不显著,即存在单位根,故对所有变量进行一阶差分.一阶差分后,变量的检验值在1%的显著性水平上同样不显著.对所有变量进行二阶差分再次进行单位根检验,变量的检验值在1%的显著性水平上显著,拒绝原假设,不存在单位根,即所有变量的二阶差分是平稳的.因此,可以对变量进行模型分析.

3.2 城市化对家庭CO₂排放影响的差异

基于城市化和家庭直接CO₂排放的数据,计算

\begin{matrix} F_{2} \end{matrix}

统计量,值为58.9,大于5%显著水平的临界值1.2,拒绝不变截距,不变系数模型.进一步计算

\begin{matrix} F_{1} \end{matrix}

统计量,值为1.6,大于5%显著水平的临界值1.2,同样拒绝变截距,不变系数模型.同样计算城市化和家庭间接CO₂排放的

\begin{matrix} F \end{matrix}

统计量,

\begin{matrix} F_{2} \end{matrix}

值为29.3,大于5%显著水平的临界值1.2,拒绝不变截距,不变系数模型,

\begin{matrix} F_{1} \end{matrix}

值为3.8,大于5%显著水平的临界值1.2,同样拒绝变截距,不变系数模型.基于

\begin{matrix} F \end{matrix}

统计量检验结果,选取变截距,变系数模型.该模型又分为随机效应模型和固定效应模型,随机效应模型是面板各截面成员随机地取自一个大的总体,以样本结果分析总体模型,而固定效应模型仅分析所取的截面成员,不适用于样本之外的其它单位^[32].本文仅以样本自身效应为条件进行分析,并不是随机抽取样本进行总体估计,因此建立变系数固定效应模型.
在引入城市化水平以及人口,人均GDP和能源强度等变量后,对城市化和家庭直接CO₂排放模型运用最小二乘法估计,结果发现有24个省份的城市化水平系数不显著,其他变量中回归系数不显著省份最多的是人口变量.剔除人口后重新估计模型,发现模型的显著情况有所改善,但仍有23个省份的城市化水平系数不显著,其他变量系数不显著的省份最多的是能源强度变量.剔除能源强度后再次估计模型,发现仍有18个省份的城市化水平系数不显著.剔除人均GDP后对模型进行回归,发现所有省份的城市化水平系数均通过显著性检验.同样,对城市化和家庭间接CO₂排放模型进行估计,结果发现只有剔除其他变量后,所有省份城市化水平的系数才均通过显著性检验(如表2所示).实际上,城市化虽然表现为人口不断由农村向城镇迁移,但它绝不仅仅意味着农村人口进入城镇,而是经济发展和社会进步的综合体现.随着城市化水平的不断提高,经济规模不断扩大,促进家庭能源消费量的增加及能源消费结构的改善;此外,技术水平也会不断进步,降低能源消费强度,进而影响CO₂排放量,即城市化水平与经济发展,技术进步有着密切的联系.因此,本文剔除了人口,经济和技术方面的变量,仅用城市化水平对模型进行回归.
Table 2
表2
表2CO₂排放模型系数的显著情况
Table 2The significant situation of model coefficients of CO₂emissions

	引入变量	$\begin{matrix} U R^{k} \end{matrix}$ 不显著个数	$\begin{matrix} P^{k} \end{matrix}$ 不显著个数	$\begin{matrix} G P^{k} \end{matrix}$ 不显著个数	$\begin{matrix} E I^{k} \end{matrix}$ 不显著个数
直接CO₂排放模型	$\begin{matrix} U R^{k} \end{matrix}$ , $\begin{matrix} P^{k} \end{matrix}$ , $\begin{matrix} G P^{k} \end{matrix}$ 和 $\begin{matrix} E I^{k} \end{matrix}$	24	23	10	10
	$\begin{matrix} U R^{k} \end{matrix}$ , $\begin{matrix} G P^{k} \end{matrix}$ 和 $\begin{matrix} E I^{k} \end{matrix}$	23	-	6	8
	$\begin{matrix} U R^{k} \end{matrix}$ 和 $\begin{matrix} G P^{k} \end{matrix}$	18	-	10	-
	$\begin{matrix} U R^{k} \end{matrix}$	0	-	-	-
间接CO₂排放模型	$\begin{matrix} U R^{k} \end{matrix}$ , $\begin{matrix} P^{k} \end{matrix}$ , $\begin{matrix} G P^{k} \end{matrix}$ 和 $\begin{matrix} E I^{k} \end{matrix}$	18	23	23	18
	$\begin{matrix} U R^{k} \end{matrix}$ , $\begin{matrix} G P^{k} \end{matrix}$ 和 $\begin{matrix} E I^{k} \end{matrix}$	18	-	14	21
	$\begin{matrix} U R^{k} \end{matrix}$ 和 $\begin{matrix} G P^{k} \end{matrix}$	21	-	15	-
	$\begin{matrix} U R^{k} \end{matrix}$	0	-	-	-

新窗口打开
Table 3
表3
表3城市化水平影响系数及排序
Table 3The influence coefficient of urbanization and its rank

省份	直接CO₂排放模型系数	排序	间接CO₂排放模型系数	排序
北京	9.7	4	8.2	2
天津	2.7	16	1.5	25
河北	1.1	28	2.1	18
山西	1.6	23	0.6	28
内蒙古	6.6	5	1.8	23
辽宁	2.8	15	1.2	27
吉林	10.9	3	3.5	7
黑龙江	16.0	2	4.1	5
上海	45.5	1	41.1	1
江苏	3.2	11	3.0	10
浙江	5.6	7	6.0	3
安徽	1.7	19	0.2	30
福建	3.2	10	3.4	8
江西	1.8	18	1.9	22
山东	3.8	9	3.8	6
河南	1.5	24	1.3	26
湖北	2.3	17	2.0	20
湖南	2.9	14	2.5	13
广东	5.5	8	5.8	4
广西	2.9	13	2.4	14
海南	5.7	6	2.3	16
重庆	1.6	22	0.6	29
四川	1.6	21	2.0	19
贵州	0.2	30	1.5	24
云南	1.7	20	2.8	11
陕西	3.1	12	2.4	15
甘肃	1.1	27	2.0	21
青海	1.5	25	2.8	12
宁夏	1.0	29	2.2	17
新疆	1.2	26	3.4	9

新窗口打开
对家庭直接(间接)CO₂排放和城市化水平构成的面板模型运用普通最小二乘法估计,经怀特检验可知,随机干扰项的平方与城市化水平相关,模型存在异方差问题.因此,本文运用广义最小二乘法(GLS)的横截面加权(Cross section weights)对模型进行了修正,并对城市化与家庭直接,间接CO₂排放的变系数固定效应模型的系数进行了稳健估计.由

\begin{matrix} R^{2} \end{matrix}

检验的伴随概率值可知,模型的估计结果在5%显著水平上是显著的,模型的

\begin{matrix} R^{2} \end{matrix}

和调整后的

\begin{matrix} R^{2} \end{matrix}

均大于0.98,可知模型拟合效果较好.进一步,运用怀特检验法,对修正模型的随机干扰项的平方与城市化水平,城市化水平的平方在横截面维度进行回归,直接CO₂排放与间接CO₂排放的怀特检验值均小于0.5%显著水平的临界值,不拒绝原假设,即模型修正后不存在异方差问题.城市化水平对家庭直接CO₂排放和间接CO₂排放的影响系数如表3所示,可见城市化水平对全国30个省(直辖市,自治区)家庭直接CO₂排放,间接CO₂排放均存在正向影响,但影响程度存在较大的省际差异.
城市化水平对家庭直接CO₂排放的影响程度存在较大的区域差异,少数省份影响程度明显较高,远大于影响程度低的省份.将各省按城市化水平对家庭直接CO₂排放影响的系数

\begin{matrix} β^{k} \end{matrix}

由大到小排序发现,上海,黑龙江,吉林,北京,内蒙古,海南,浙江及广东等8个省(直辖市,自治区)城市化水平对家庭直接CO₂排放的影响系数在5.0以上,尤其是上海,影响系数高达45.5.其他22个省份影响系数均在5.0以下,宁夏和贵州影响系数较小,均在1.0以下,尤其是贵州,影响系数仅为0.2,不足上海影响系数的百分之一.
同样,将各省按城市化水平对家庭间接CO₂排放影响的系数

\begin{matrix} β^{k} \end{matrix}

由大到小排序,发现城市化水平对家庭间接CO₂排放影响程度的波动范围比城市化水平对家庭直接CO₂排放影响程度的波动范围略小.但同样,个别省份影响程度明显较高,远大于影响程度低的省份.全国30个省(直辖市,自治区)中,上海,北京,浙江与广东城市化水平对家庭间接CO₂排放的影响系数均在5.0以上,尤其是上海,影响系数高达41.1,山西,重庆和安徽影响系数在1.0以下,尤其是安徽,其影响系数仅为0.2,不足上海影响系数的百分之一.
根据城市化水平对家庭直接(间接)CO₂排放影响的系数大小,将全国30个省(直辖市,自治区)进行分类,将排序为1-10,11-20,21-30的省份分别归为城市化水平对直接(间接)CO₂排放影响程度高,中和低的区域.从空间分布来看,如图1所示,城市化水平对家庭直接CO₂排放影响程度高的省份和对家庭间接CO₂排放影响程度高的省份均主要位于中国东部地区,影响程度中等和低的省份主要交错分布在中国中部,西部地区.中国东部地区城市化水平对家庭直接CO₂排放,间接CO₂排放的影响程度,尤其是上海,北京等省份的影响程度,明显高于中部,西部地区.

显示原图|下载原图ZIP|生成PPT
图1城市化水平对家庭CO₂排放影响的空间分布规律
-->Figure 1The spatial distribution of urbanization's impacts on households CO₂ emissions
-->

4 结果分析

城市化发展过程中,人们的生活方式不断转变,居民收入水平逐步提高.托达罗的人口流动理论指出,城镇预期收入和乡村平均收入存在差异导致人口流动,城镇预期收入越高,流向城镇的人口就越多.中国城乡居民收入差异不断增大,2000年,城镇居民人均可支配收入比乡村人均纯收入多0.4万元,2012年增加到1.7万元.可见,随着城乡居民收入差异的增大,越来越多的人流向城市,导致居民收入水平整体上升,进而导致居民消费水平提高,一方面通过促进家庭能源商品的消费,直接影响家庭CO₂排放,另一方面通过影响非能源商品与服务的消费,间接影响家庭能源消费与CO₂排放.
已有研究证实,消费水平是城市化进程中影响CO₂排放的重要因素.如Poumanyvong等分析了1975-2005年99个国家的平行数据,发现城市化,能源消费和CO₂排放之间的关系受经济状况和富裕程度的影响^[11].汪臻对2000-2010年中国居民生活CO₂排放进行了LMDI分解,朱勤等对1980-2010年中国CO₂排放的影响因素进行了LMDI分解,发现居民消费的贡献率较大^[33,34].因此,从家庭消费支出的弹性视角,进一步分析城市化水平对家庭CO₂排放影响存在区域差异的原因.

4.1 城市化对家庭直接CO₂排放影响高,中和低的区域的消费弹性

城市化水平对家庭直接CO₂排放影响程度不同的区域之间,家庭直接CO₂排放的消费弹性存在较大的差异.首先,从消费支出增加幅度来看,城市化水平对直接CO₂排放总量影响程度高,中,低的区域,家庭消费支出增加量依次降低.与2000年相比,2012年影响程度高的区域,家庭消费支出增加量高达6.8万亿元;影响程度居中区域次之,家庭消费支出增加量为5.2万亿元,影响程度低的区域家庭消费支出增加量最低,为3.4万亿元.其次,计算不同区域的消费弹性,即消费变动1个百分比,家庭直接CO₂排放总量的变动情况,可得城市化水平对家庭直接CO₂排放总量影响程度高,中,低的区域的消费支出弹性分别为0.6,0.5,0.3.可见,城市化水平对家庭直接CO₂排放总量影响程度越高的地区,直接CO₂排放总量的消费支出弹性也越大.
城市化水平对家庭直接CO₂排放总量影响程度越高的地区,直接CO₂排放总量的消费支出弹性越高的主要原因在于,随着消费支出增加,汽油,电力等直接能源消费量的增加幅度较大.2000-2012年,城市化水平影响程度高,中,低的区域直接能源消费增加量依次减小,其中增加幅度最大的能源类型均是汽油和电力,并且其消费增加幅度依次降低.与2000年相比,2012年这三类区域汽油消费量分别增加了2 215.0万t标煤,1 678.2万t标煤,747.1万t标煤,电力消费量分别增加了2 230.9万t标煤,1 908.1万t标煤,1 473.4万t标煤(如图2所示).可见,城市化水平影响程度越高的地区,直接能源消费量的变化幅度越大,其直接CO₂排放总量的消费支出弹性也越大.

显示原图|下载原图ZIP|生成PPT
图22000-2012年各区域家庭对能源消费的变化情况
-->Figure 2Changes in household energy consumption of different regions from 2000 to 2012
-->

4.2 城市化对家庭间接CO₂排放影响高,中和低的区域的消费弹性

城市化水平对家庭间接CO₂排放总量影响程度高,中,低的区域,家庭间接CO₂排放的消费支出弹性同样存在一定的差异.首先,从家庭消费支出增加幅度来看,城市化水平对家庭间接CO₂排放总量影响高的区域,家庭消费支出增加幅度最大,影响程度中等,低的区域家庭消费支出增加幅度相近,均低于影响程度高的区域.与2000年相比,2012年城市化水平对家庭间接CO₂排放总量影响程度高的区域,家庭消费支出增加量为7.8万亿元,而城市化水平对间接CO₂排放总量影响程度中,低的区域,家庭消费支出增加量分别为3.7万亿元和3.9万亿元.其次,从消费弹性来看,城市化水平对家庭间接CO₂排放总量影响程度高,中,低区域的消费支出弹性分别为0.5,0.5,0.2.可见,城市化水平对家庭间接CO₂排放总量影响程度高,中区域的消费支出弹性均高于对家庭间接CO₂排放总量影响程度低的区域.
城市化水平对家庭间接CO₂排放总量影响程度高,中,低的区域,工业部门产品的消费支出增加幅度对其家庭间接CO₂排放总量的消费支出弹性有重要的影响.消费支出增加会促进家庭间接CO₂排放总量增加,而消费支出来源部门中工业部门产品的消费支出增加幅度越大,消费支出增加对家庭间接CO₂排放总量增加的促进作用越强.如图3所示,2000-2012年,城市化水平对家庭间接CO₂排放总量影响程度高,中,低的区域,消费支出增加幅度最大的部门均为工业部门.其中,城市化水平对家庭间接CO₂排放总量影响程度高,中的区域,对工业部门产品的消费增加量分别达3.2万亿元和1.7万亿元,城市化水平对家庭间接CO₂排放总量影响程度低的区域对工业部门产品的消费增加量为1.6万亿元.可见,城市化水平对家庭间接CO₂排放总量影响程度高,中的区域,对工业部门产品的消费增加幅度较大,导致消费支出增加对家庭间接CO₂排放总量的增加有较强的促进作用,因此,其家庭间接CO₂排放总量的消费支出弹性较大.

5 结论和讨论

5.1 结论

基于上述分析,可得如下结论:
(1)2000-2012年,中国30个省(直辖市,自治区)的城市化水平提高对家庭直接和间接CO₂排放总量增加均具有促进作用.但由于地区发展不平衡,其影响程度存在显著差异,整体表现为东部省份的影响程度高,而中西部省份的影响程度低.具体来看,城市化水平对家庭直接CO₂排放影响程度高的省份,集中在东部和东北地区,如上海,黑龙江和吉林等;城市化水平对家庭间接CO₂排放影响程度高的省份,集中在东部地区,如上海,北京,浙江和广东等;城市化水平对家庭直接CO₂排放,间接CO₂排放影响程度居中和低的省份,交错分布在中国中部,西部地区,如宁夏,贵州以及安徽.

显示原图|下载原图ZIP|生成PPT
图32000-2012年各区域家庭对部门产品消费的变化情况
-->Figure 3Changes in household expenditure on sector products in different regions from 2000 to 2012
-->

(2)城市化水平提高对家庭直接和间接CO₂排放总量增加的影响程度存在区域差异的原因,主要在于家庭消费支出弹性不同.城市化水平对家庭直接CO₂排放影响程度越高的区域,其家庭消费支出弹性越大,尤其是用于汽油,电力等方面的消费支出弹性越大;城市化水平对家庭间接CO₂排放影响程度越高的区域,其家庭消费支出弹性也越大,尤其是用于工业产品方面的消费支出弹性越大.

5.2 讨论

(1)中国正处于城市化快速发展的中期阶段,城市化还有很大的发展潜力.随着城市化水平的提高,居民消费水平逐步提高,会促使家庭直接和间接CO₂排放不断增长.因此,家庭部门将逐渐成为中国CO₂排放的重要增长点,节能减排的政策措施也不应再仅仅盯在工业部门了.尤其是像北京,上海这样城市化水平高度发达的直辖市,其节能减排的重点更应关注家庭部门.
(2)目前城市化水平对家庭直接CO₂排放影响程度高的省份,家庭购买汽油,电力的支出幅度很大.未来应着重于发展公共交通,提高公共交通出行的便捷性和舒适性,以降低私家车出行对汽油的消耗;此外,还应关注家庭节能电器产品的推广使用,制定阶梯电价制度,并加强宣传教育引导公众注重家庭日常生活节能,以减少电力的消耗.
(3)目前城市化水平对家庭间接CO₂排放总量影响程度高的省份,家庭购买高耗能的工业产品的支出幅度很大.未来应提高工业部门的能源使用效率,降低单位产出的能源消耗和CO₂排放,以减缓因工业产品消费量增加所导致的家庭CO₂排放总量增长.
Appendix Table A
附表A
附表A各类能源的CO²排放系数
Appendix Table ACO² emissions coefficient of various types of energy （tCO²/TJ）

能源类型	原煤	其他洗煤	型煤	焦炭	焦炉煤气	其他煤气	汽油	煤油	柴油	液化石油气	炼厂干气	天然气
系数	95	95	98	107	44	44	70	72	74	63	58	56

资料来源：IPCC，2006。

新窗口打开
Appendix Table B
附表B
附表B中国各省电力的CO²排放系数
Appendix Table B CO² emissions coefficient of electricity of provinces in China（tCO²/TJ）

省份	所属区域电网	CO₂排放因子
北京,天津,河北,山西,山东,内蒙古	华北区域电网	280
辽宁,吉林,黑龙江	东北区域电网	314
上海,江苏,浙江,安徽,福建	华东区域电网	245
河南,湖北,湖南,江西,四川,重庆	华中区域电网	313
陕西,甘肃,青海,宁夏,新疆	西北区域电网	285
广东,广西,云南,贵州	南方电网	278
海南	海南电网	227

资料来源：关于公布2009年中国区域电网基准线排放因子的公告。

新窗口打开
Appendix Table C
附表C
附表C中国各省热力的CO²排放系数(2000-2012 年均值)
Appendix Table C CO²emissions coefficient of heat of provinces in China(the average from 2000 to 2012) （tCO²/TJ）

省份	系数	省份	系数	省份	系数	省份	系数	省份	系数
安徽	116	贵州	292	湖南	110	宁夏	120	四川	105
北京	88	海南	57	吉林	132	青海	245	天津	108
福建	112	河北	122	江苏	109	山东	114	新疆	109
甘肃	110	河南	124	江西	134	山西	116	云南	149
广东	93	黑龙江	155	辽宁	130	陕西	149	浙江	104
广西	153	湖北	122	内蒙古	160	上海	102	重庆	98

新窗口打开
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	武力超,巫丽敏,林俊民. 城市化与碳排放的动态关系研究-基于面板平滑转换模型的新思考 [J]. 中国地质大学(社会科学版),2014,14(1):30-40. [本文引用: 1] [Wu L C,Wu L M,Lin J M.Dynamic relationship between urbanization and carbon emissions-rethinking based on the panel smooth transition regression model [J]. Journal of China University of Geosciences (Social Sciences Edition),2014,14(1):30-40.] [本文引用: 1]
[2]	陆莹莹,赵旭. 家庭能源消费研究述评 [J]. 水电能源科学,2008,26(1):187-191. [本文引用: 1] [Lu Y Y,Zhao X.Review of researches on household energy consumption [J]. Water Resources and Power,2008,26(1):187-191.] [本文引用: 1]
[3]	许泱,周少甫. 我国城市化与碳排放的实证研究 [J]. 长江流域资源与环境,2011,20(11):1304-1309. [本文引用: 2] [Xu Y,Zhou S F.An empirical study on urbanization and CO₂ emissions in China [J]. Resources and Environment in the Yangtze Basin,2011,20(11):1304-1309.] [本文引用: 2]
[4]	Dong X Y,Yuan G Q.China's greenhouse gas emissions' dynamic effects in the process of its urbanization:A perspective from shocks decomposition under long-term constraints [J]. Energy Procedia,2011,(5):1660-1665. [本文引用: 1]
[5]	Yuan J H,Xu Y,Hu Z,et al.Peak energy consumption and CO₂ emissions in China [J]. Energy Policy,2014,68(2):508-523. [本文引用: 2]
[6]	孙昌龙,靳诺,张小雷,等. 城市化不同演化阶段对碳排放的影响差异 [J]. 地理科学,2013,33(3):266-272. [本文引用: 1] [Sun C L,Jin N,Zhang X L,et al.The impact of urbanization on the CO₂ emission in the various development stages [J]. Scientia Geographica Sinica,2013,33(3):266-272.] [本文引用: 1]
[7]	宋德勇,徐安. 中国城镇碳排放的区域差异和影响因素 [J]. 中国人口·资源与环境,2011,21(11):8-14. [本文引用: 2] [Song D Y,Xu A.Regional difference and influential factors of China's urban carbon emissions [J]. China Population,Resources and Environment,2011,21(11):8-14.] [本文引用: 2]
[8]	张馨,牛叔文,赵春升,等. 中国城市化进程中的居民家庭能源消费及碳排放研究 [J]. 中国软科学,2011,(9):65-75. [本文引用: 1] [Zhang X,Niu S W,Zhao C S,et al.The study on household energy consumption and carbon emissions in China's urbanization [J]. China Soft Science Magazine,2011,(9):65-75.] [本文引用: 1]
[9]	LI Y M,Zhao R,Liu T S,et al.Does urbanization lead to more direct and indirect household carbon dioxide emissions? Evidence from China during 1996-2012 [J]. Journal of Cleaner Production,2015,102:103-114. [本文引用: 1]
[10]	Yuan B L,Ren S G,Chen X H.The effects of urbanization,consumption ratio and consumption structure on residential indirect CO₂ emission in China:A regional comparative analysis [J]. Applied Energy,2015,140(15):94-106. [本文引用: 1]
[11]	Poumanyvong P,Kaneko S.Does urbanization lead to less energy use and lower CO₂ emissions? Across-country analysis [J]. Ecol Econ,2010,70(2):434-444. [本文引用: 2]
[12]	张乐勤,李荣富,陈素平,等. 安徽省1995年-2009年能源消费碳排放驱动因子分析及趋势预测-基于STIRPAT模型 [J]. 资源科学,2012,34(2):316-327. [本文引用: 1] [Zhang L Q,Li R F,Chen S P,et al.Trend prediction and analysis of driving factors of carbon emissions from energy consumption during the Period 1995-2009 in Anhui province-based on the STIRPAT model [J]. Resources Science,2012,34(2):316-327.] [本文引用: 1]
[13]	卫平,周亚细. 城市化,能源消费与碳排放-基于STIRPAT模型的跨国面板数据实证研究 [J]. 生态经济,2014,30(9):14-18. [本文引用: 1] [Wei P,Zhou Y X.Urbanization,energy consumption and carbon emission:An empirical study on transnational panel data based on STIRPAT model [J]. Ecological Economy,2014,30(9):14-18.] [本文引用: 1]
[14]	张勇,张乐勤,包婷婷. 安徽省城市化进程中的碳排放影响因素研究----基于STIRPAT模型 [J]. 长江流域资源与环境,2014,23(4):512-517. [本文引用: 1] [Zhang Y, Zhang L Q, Bao T T.Research on the influential factors of carbon emissions in the process of urbanization in Anhui province [J]. Resources and Environment in the Yangtze Basin,2014,23(4):512-517.] [本文引用: 1]
[15]	林伯强,刘希颖. 中国城市化阶段的碳排放影响因素和减排策略 [J]. 经济研究,2010,(8):66-78. [本文引用: 1] [Lin B Q,Liu X Y.China's carbon dioxide emissions under the urbanization process:Influence factors and abatement policies [J]. Economic Research Journal,2010,(8):66-78.] [本文引用: 1]
[16]	冯相昭,王雪臣,陈红枫. 1971-2005年中国CO₂排放影响因素分析 [J]. 气候变化研究进展,2008,4(1):42-47. [本文引用: 1] [Feng X Z,Wang X C,Chen H F.Analysis of factors impacting China's CO₂ emissions during 1971-2005 [J]. Advances in Climate Change Research,2008,4(1):42-47.] [本文引用: 1]
[17]	Chen L,Yang Z F.A spatio-temporal decomposition analysis of energy-related CO₂ emissions in China [J]. Journal of Cleaner Production,2015,103:49-60. [本文引用: 1]
[18]	郭朝先. 中国二氧化碳排放增长因素分析-基于SDA分解技术 [J]. 中国工业经济,2010,(12):47-56. [本文引用: 1] [Guo C X.An analysis of the increase of CO₂ emission in China-based on SDA technique [J]. China Industrial Economics,2010,(12):47-56.] [本文引用: 1]
[19]	宋杰鲲. 基于LMDI的山东省能源消费碳排放因素分解 [J]. 资源科学,2012,34(1):35-41. [本文引用: 1] [Song J K.Factor decomposition of carbon emissions from energy consumption of Shandong province based on LMDI [J]. Resources Science,2012,34(1):35-41.] [本文引用: 1]
[20]	丁俊,刘云刚,王开泳. 广东省地方城市城镇化水平综合测度与发展类型 [J]. 热带地理,2015,35(1):51-60. [本文引用: 1] [Ding J,Liu Y G,Wang K Y.Comprehensive measuring of urbanization level and development types of local cities in Guangdong province [J]. Tropical Geography,2015,35(1):51-60.] [本文引用: 1]
[21]	李艳梅. 中国城市化进程中的能源需求及保障研究[D] . 北京:北京交通大学,2007. [本文引用: 1] [Li Y M.Energy demand and supply in the process of China's urbanization[D]. Beijing: Beijing Jiaotong University,2007.] [本文引用: 1]
[22]	国家统计局能源统计司. 中国能源统计年鉴[M]. 北京:中国统计出版社,2001-2013. [本文引用: 3] [Department of Energy Statistics,National Bureau of Statistics of the People's Republic of China. China Energy Statistical Yearbook[M]. Beijing:China Statistics Press,2001-2013.] [本文引用: 3]
[23]	李艳梅,杨涛. 城乡家庭直接能源消费和CO₂排放变化的分析与比较 [J]. 资源科学,2013,35(1):115-124. [本文引用: 1] [Li Y M,Yang T.Comparison of urban and rural household direct energy consumption and CO₂ emissions [J]. Resources Science,2013,35(1):115-124.] [本文引用: 1]
[24]	李艳梅,张雷. 中国居民间接生活能源消费的结构分解分析 [J]. 资源科学,2008,30(6):890-895. [本文引用: 1] [Li Y M,Zhang L.Structural decomposition analysis of China's indirect household energy consumption [J]. Resources Science,2008,30(6):890-895.] [本文引用: 1]
[25]	刘起运,陈璋,苏汝劼. 投入产出分析(第二版)[M]. 北京:中国人民大学出版社,2011. [本文引用: 1] [Liu Q Y,Chen Z,Su R J. Input-Output Analysis(The Second Edition)[M]. Beijing:China Renmin University Press,2011.] [本文引用: 1]
[26]	李嫣怡,刘荣,丁维岱. EViews统计分析与应用(修订版)[M]. 北京:电子工业出版社,2013. [本文引用: 1] [Li Y Y,Liu R,Ding W D.EViews Statistical Analysis and Application (The Revised Edition)[M]. Beijing:Publishing House Of Electronics Industry,2013.] [本文引用: 1]
[27]	中华人民共和国国家统计局. 中国统计年鉴[M]. 北京:中国统计出版社,2001-2013. [本文引用: 2] [National Bureau of Statistics of the People's Republic of China. China Statistical Yearbook[M]. Beijing:China Statistics Press,2001-2013.] [本文引用: 2]
[28]	IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories [EB/OL]. (2008-07-20)[2015-11-11]. .URL [本文引用: 1]
[29]	国家发展改革委应对气候变化司. 关于公布2009年中国区域电网基准线排放因子的公告 [EB/OL]. (2009-07-02)[2015-11-11]. .URL [本文引用: 1] [Department of Climate Change,National Development and Reform Commission. Announcement on China's Regional Power Grid Baseline Emission Factor Published in 2009 [EB/OL].(2009-07-02)[2015-11-11]. .]URL [本文引用: 1]
[30]	国家统计局国民经济核算司. 中国地区投入产出表[M]. 北京:中国统计出版社,2005-2007. [本文引用: 1] [Department of National Ac-counts,National Bureau of Statistics of the People's Republic of China. Chinese Regional Input-Output Tables[M]. Beijing:China Statistics Press,2005-2007.] [本文引用: 1]
[31]	易丹辉. 数据分析与Eviews应用[M]. 北京:中国人民大学出版社,2014. [本文引用: 1] [Yi D H.Data Analysis and Eviews Application[M]. Beijing:China Renmin University Press,2014] [本文引用: 1]
[32]	高铁梅. 计量经济分析方法与建模:Eviews应用与实例[M]. 北京:清华大学出版社,2009. [本文引用: 1] [Gao T M.Econometric Analysis Methods and Modelling:Eviews Application and Examples[M]. Beijing:Tsinghua University Press,2009.] [本文引用: 1]
[33]	汪臻. 中国居民消费碳排放的测算及影响因素研究[D] . 安徽:中国科学技术大学,2012. [本文引用: 1] [Wang Z.Study on Calculation and Impact Factors of Carbon Emissions from Residents' Consumption[D]. Anhui:University of Science and Technology of China,2012.] [本文引用: 1]
[34]	朱勤,魏涛远. 居民消费视角下人口城镇化对碳排放的影响 [J]. 中国人口·资源与环境,2013,23(11):21-29. [本文引用: 1] [Zhu Q,Wei T Y.Impacts of urbanization on carbon emissions from perspective of residential consumption [J]. China Population,Resources and Environment,2013,23(11):21-29. [本文引用: 1]

城市化对家庭CO2排放影响的区域差异----基于中国省级面板数据的分析

本站小编 Free考研考试/2021-12-29

Regional differences in the impact of urbanization on household carbon dioxide emissions based on panel data for 30 provinces in China

1 引言

2 研究方法与数据来源

2.1 相关变量计算

2.2 面板模型构建

2.3 数据来源

3 实证分析

3.1 平稳性检验

3.2 城市化对家庭CO₂排放影响的差异

4 结果分析

4.1 城市化对家庭直接CO₂排放影响高,中和低的区域的消费弹性

4.2 城市化对家庭间接CO₂排放影响高,中和低的区域的消费弹性

5 结论和讨论

5.1 结论

5.2 讨论

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

相关话题/能源 检验 人口 数据 北京

领限时大额优惠券,享本站正版考研考试资料!

中国用水数据统计差异分析

2001-2012年全球23国新能源发电效率测算与驱动因素分析

2006-2012年中国工业行业能源和环境综合效率及其影响因素

游客对自然游憩品牌认知、感知质量与品牌忠诚的关系研究——以北京市为例

2002-2012年江苏省化石能源消耗的影响因素

城市餐饮业食物浪费的生态足迹——以北京市为例

山东省建设用地供给结构对人口流动的影响研究

1960-2014年北京户外感知温度变化特征及其敏感性分析

基于剪切模量和热分析数据研究Zr<sub>50–</sub><i><sub>x</sub></i>Cu<sub>34

原子核质量模型的检验

城市化对家庭CO2排放影响的区域差异----基于中国省级面板数据的分析

本站小编 Free考研考试/2021-12-29

Regional differences in the impact of urbanization on household carbon dioxide emissions based on panel data for 30 provinces in China

1 引言

2 研究方法与数据来源

2.1 相关变量计算

2.2 面板模型构建

2.3 数据来源

3 实证分析

3.1 平稳性检验

3.2 城市化对家庭CO2排放影响的差异

4 结果分析

4.1 城市化对家庭直接CO2排放影响高,中和低的区域的消费弹性

4.2 城市化对家庭间接CO2排放影响高,中和低的区域的消费弹性

5 结论和讨论

5.1 结论

5.2 讨论

参考文献文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

相关话题/能源 检验 人口 数据 北京

3.2 城市化对家庭CO₂排放影响的差异

4.1 城市化对家庭直接CO₂排放影响高,中和低的区域的消费弹性

4.2 城市化对家庭间接CO₂排放影响高,中和低的区域的消费弹性

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

相关话题/能源检验人口数据北京