本文研究中国283个城市及各重大战略区域碳排放强度的区域差异、动态演进和空间收敛性。
研究发现:全国城市及各重大战略区域碳排放强度出现显著下降,整体上表现出明显的“南低北高”空间格局,且各重大战略区域间的组间差异具有扩大趋势;各区域碳排放强度的动态演进特征差异较大,京津冀、黄河流域内部城市极化较为明显;不同区域表现出来不同的空间效应,且经济水平、产业结构、人口密度、外资强度、科研投入、路网密度对碳排放强度变化率的影响具有显著的异质性。
1
摘要
研究目标:研究中国283个城市及各重大战略区域碳排放强度的区域差异、动态演进和空间收敛性。
研究方法:基于中国碳核算数据库发布的碳排放数据计算得出全国283个地级以上城市的碳排放强度,作为论文的主要研究对象,采用Dagum基尼系数及其分解法测算重大战略区域碳排放强度的差异情况,使用非参数核密度估计方法刻画不同区域碳排放强度的动态演进特征,运用变异系数和空间面板模型开展σ收敛和β收敛分析。
研究发现:全国城市及各重大战略区域碳排放强度出现显著下降,整体上表现出明显的“南低北高”空间格局,且各重大战略区域间的组间差异具有扩大趋势;各区域碳排放强度的动态演进特征差异较大,京津冀、黄河流域内部城市极化较为明显;全国城市及各重大战略区域碳排放强度均不存在σ收敛,但均存在绝对β收敛和条件β收敛,不同区域表现出来不同的空间效应,且经济水平、产业结构、人口密度、外资强度、科研投入、路网密度对碳排放强度变化率的影响具有显著的异质性。
研究创新:使用夜间灯光数据反演核算二氧化碳排放量克服了传统能源统计数据开展核算的一系列潜在问题;从国家深入实施区域重大战略角度出发,深入分析全国城市及不同区域碳排放强度的区域差异和动态演进特性,使用空间计量模型揭示不同因素的影响。
关键词:碳排放强度;区域差异;动态演进;空间收敛
2
引言
从已有研究文献来看,虽然近年来关于碳排放强度的研究呈现逐年增加的趋势,但该领域的研究仍有很大的拓展空间。
第一,在二氧化碳排放量的核算过程中,目前的几大主流方法均依赖于能源统计数据,由此带来了两个潜在问题:一方面,部分地方政府由于绩效考核原因,对碳排放控制不佳年份的能源数据可能不予披露或者存在虚报,进而影响二氧化碳排放量核算结果的准确性;另一方面,通过不同类型化石能源的消费数量和碳排放因子相乘累加计算得到二氧化碳排放量精度不足,部分地区甚至可能存在较大偏差。第二,现有文献多以省域为研究对象,以城市为研究对象的文献较少,基于城市开展区域研究的文献数量也不多。第三,对碳排放强度特性的探索多使用空间计量模型开展收敛性研究,而关于碳排放强度的区域差异和动态演进的定量分析研究相对缺乏。
本文采用城市口径数据开展中国碳排放强度的区域差异、动态演进及收敛性研究。首先,基于中国碳核算数据库(CEADs)发布的碳排放数据计算得出全国283个地级以上城市的碳排放强度,作为论文的主要研究对象;其次,运用Dagum基尼系数及其分解方法和核密度估计方法研究全国重大战略区域碳排放强度的区域差异情况及其动态演进特征;最后,建立空间回归模型研究全国城市及重大战略区域碳排放强度的收敛特征和影响因素情况,为我国及各重大战略区域出台全国性和区域性的减排降碳政策,加快碳达峰、碳中和步伐提供量化支撑。
3
研究方法与数据来源
1.碳排放强度的核算
核算地区碳排放强度需要获取其二氧化碳排放量和地区生产总值。鉴于使用能源统计数据估测二氧化碳排放量具有一系列的潜在问题,本文采用夜间灯光数据反演得到的二氧化碳排放量开展研究。具体来看,Chen等(2020)基于粒子群优化—反向传播算法统一了两组夜间灯光遥感数据的尺度并实现对照匹配,论证了夜间灯照亮度与人类活动碳排放量的高度相关性并构建出两者之间的拟合关系,据此估算了我国2735个县在1997-2017年的二氧化碳排放量,本文在其研究基础上汇总计算出我国283个城市的碳排放数据。
数据来源:地区生产总值数据收集自《中国城市统计年鉴》,采用全市统计口径,缺失值使用各地的国民经济和社会发展统计公报数据予以补全。原始数据为名义变量,使用各城市所属省份的GDP平减指数调整为以样本初期2003年为基期的实际变量,具体的GDP平减指数通过国家统计局公布的各省份历年地区生产总值和地区生产总值指数(上年=100)换算得到。
研究对象:本文选取的研究对象为全国283个主要城市及5个国家重大战略区域:京津冀、长江经济带、粤港澳、长三角、黄河流域。由于长三角与长江经济带中所辖城市部分重合,因此根据国家区域战略布局,将长江经济带拆分为成渝、长江中游和长三角三个部分开展研究。
2.Dagum基尼系数及其分解
Dagum首次提出Dagum基尼系数,能够将样本的整体差异分解为组内差异、组间净差异和组间超变密度三部分。Dagum(1997)首先定义出如下组间基尼系数:
其中,j和h是某两个特定区域的编号,nj和nh代表相应区域内的城市数目,yji和yhr分别代表j区域内第i个城市和h区域内第r个城市的碳排放强度。
Dagum(1997)进一步将Dagum基尼系数分解为如下三部分:
其中,pj≡nj/n代表j区域内城市个数nj占样本容量n的比例,sh代表h区域碳排放强度占样本内所有城市碳排放强度的比例。
3.核密度估计
核密度估计是一种重要的非参数估计方法,可直观地将其理解为“光滑化”的直方图,能够用连续的密度曲线描述城市碳排放强度的分布特征。单独某期样本数据核密度曲线的水平位置可代表碳排放强度的高低,曲线波峰的高度和宽度可体现碳排放强度在区间内的聚集程度,波峰数目可刻画样本数据的极化程度,分布延展性即曲线拖尾程度可描述最高或最低碳排放强度城市与其他城市的距离,拖尾越严重,代表区域内差异程度越高。纵向对比同一区域多期样本的核密度曲线可以识别出该区域碳排放强度分布特征的动态演进过程,横向比较多个区域核密度曲线的形态能够捕捉到它们在碳排放强度变化轨迹上的差异。具体来讲,j区域碳排放强度的核密度曲线由如下函数生成:
其中,K(·)代表核密度函数,描述了y邻域内所有样本点yji所占的权重,h代表核密度估计的窗宽。在一般情况下选择不同的核密度函数对于估计结果的影响不大,故而本文基于最常见的高斯核函数展开讨论。窗宽选择方面,窗宽越小估计量越精确,但区间内参与计算的样本数目也会相应减少,造成估计量方差较大,密度曲线光滑性较差。本文用Silverman(1986)提出的最优窗宽选择方法确定窗宽。
4.收敛模型
由于碳排放强度属于效率指标的一种,随着碳达峰和碳中和目标的稳步推进,碳排放强度很可能收敛于某一稳定状态,因此使用收敛模型研究我国城市和重大战略区域碳排放强度的长期变化特征十分适合。
常见的收敛模型有σ收敛和β收敛。σ收敛是指各地区碳排放强度的离差随着时间变化而不断降低的趋势,本文采用变异系数度量σ收敛的情况,计算公式如下:
表示区域j内碳排放强度均值,Nj表示区域j内城市的个数。
其中,CMIij表示区域j内i城市的碳排放强度,
β收敛是指随着时间推进,碳排放强度较高的区域具有更高的降幅以赶上碳排放强度较低的区域,二者之间差距逐步缩小,最终达到同一稳态水平。β收敛又可以分为绝对β收敛和条件β收敛。绝对β收敛是指不考虑对碳排放强度具有重要影响的一系列因素,地区间的碳排放强度具有收敛的趋势。绝对β收敛模型如下:
表示第i个城市在t+1期的碳排放强度,表示第i个城市在t期的碳排放强度,表示第i个城市碳排放强度在t+1期的增长率。β为收敛系数,β<0说明地区碳排放强度具有收敛趋势,反之则存在发散趋势。μi、ηt和εit分别表示地区效应、时间效应和随机扰动项。
其中,
考虑到碳排放强度具有明显的空间相关特征,在此引入空间面板模型开展研究。常见的空间计量模型包括空间滞后模型(SAR)、空间误差模型(SEM)、空间杜宾模型(SDM)等。DM模型可以看作SAR模型和SEM模型的一般形式,空间绝对β收敛模型如下:
条件β收敛模型在绝对β收敛模型的基础上添加了一系列控制变量,讨论在一系列对碳排放强度具有重要影响因素的条件下,区域碳排放强度是否具有收敛趋势,对应绝对β收敛模型,条件β收敛模型如下:
在此参考张翠菊等(2017)、周四军和江秋池(2020)、王少剑和黄永源(2019)的研究,选取的控制变量为经济水平(GDP),使用人均GDP衡量;产业结构(IND),使用第三产业增加值与第二产业增加值比重衡量;人口密度(POP),即年末户籍人口与行政区域土地面积之比;外资强度(FDI),即当年实际使用外资金额与地区生产总值之比;科研投入(RES),使用科学事业费用支出占公共财政支出比重衡量;路网密度(NED),使用市辖区道路面积与建成区面积之比。数据来源于历年《中国城市统计年鉴》、各城市《国民经济和社会发展统计公报》。
4
国家重大战略区域
碳排放强度的测度结果
使用前述方法测度全国和各国家重大战略区域的平均碳排放强度,并将逐年的测算结果报告在图1当中。
总体来看,我国平均碳排放强度从样本初期的2.75吨/万元逐渐降至期末的0.97吨/万元,年平均降幅高达7.17%,表明我国减排降碳工作取得坚实进展,生态文明理念已深入人心,为应对全球气候变化作出了应有贡献。
从碳排放强度数值水平的分区域对比来看,粤港澳的碳排放强度最低,大幅度低于第二名长三角,两区域均长期低于全国1.76吨/万元的平均水平,粤港澳在减排降碳上的领先离不开其具有改革开放前沿的政策优势和现代服务业与先进制造业集聚的产业优势(单菁菁和张卓群,2020)。成渝、长江中游和京津冀分布在全国均值上下,黄河流域则以2.71吨/万元的均值持续占据高位。各重大战略区域碳排放强度整体上呈现“南低北高”的空间格局,与我国城市竞争力“南强北弱”的基本态势较为契合。
从分区域碳排放强度的时间趋势上来看,所有区域的碳排放强度在样本时期内均出现了不同幅度的下降,并存在进一步向更低水平发展的趋势。进一步分析发现,黄河流域碳排放强度在样本时期内下降了2.5吨/万元,粤港澳则下降了1.11吨/万元,前者超出后者两倍有余,表现为高碳区域的下降量显著高于低碳区域的下降量,区域间平均碳排放量的差异大幅减小,显示出一定的收敛性特征。但同时也注意到粤港澳碳排放强度的年均降幅高达8.67%,仅次于成渝的8.70%,远远超过全国平均水平,而黄河流域的年均降幅却仅为6.29%,表现为高碳区域的减碳速度暂时未能超过低碳区域,追赶效应尚不明显,不同区域可能无法收敛至同一稳态,这或是因为区域间低碳减排的协同合作机制尚不完善,导致低碳区域的先进经验与前沿科技难以扩散至高碳区域(杨莉莎等,2019)。为探究我国碳排放强度产生区域分化的深层原因,需要进一步测度各区域碳排放强度差异的大小并剖析其具体来源。
5
国家重大战略区域碳排放强度的
空间差异与来源分解
1.各区域内部的碳排放强度差异
使用Dagum基尼系数测算全国283个城市和各重大战略区域碳排放强度的组内差异程度,并将逐年的测算结果汇报在图2当中。
从全国层面来看,我国碳排放强度的整体基尼系数相对较高,在样本时期内的均值为0.33,除在样本初期存在小幅下跌外,其余时期内均保持向上增长态势,说明我国城市碳排放强度之间存在着较为明显的不均衡现象,且不均衡程度正在不断加深。从分区域对比来看,所有重大战略区域的组内基尼系数均未超过全国的整体基尼系数,说明区域内部的不均衡程度相对较低,样本数据的整体差异主要源自区域间差异。
2.各区域之间的碳排放强度差异
使用Dagum(1997)提出的组间基尼系数测算我国各重大战略区域碳排放强度之间的差异程度,若干重点年份的测算结果见图3。
从整体趋势上来看,图3中阴影面积正在逐渐扩大,说明我国各区域的碳排放强度分化趋势明显,部分区域能够从优化产业结构、培育或引进高新科技遏制温室气体排放两方面发力快速降低碳排放强度,而另一些区域则受制于历史包袱进展缓慢(余壮雄等,2020)。
3.碳排放强度的总体差异及分解
使用前述方法可将样本数据的整体差异分解为组内贡献、组间净贡献和组间超变密度等三部分,各部分的绝对数值及所占的相对份额均报告在图4当中。
6
国家重大战略区域碳排放强度的
时间动态演进
基于Dagum基尼系数的研究揭示了我国城市碳排放强度总体差异的数值水平及其具体来源,识别出各国家重大战略区域之间相对差异的变化轨迹,但无法描述各区域碳排放强度绝对差异变化的时变演进过程。基于此,本文使用核密度估计方法刻画各区域样本数据的分布特征,重点关注相应密度曲线的分布位置、主峰分布形态、分布延展性和波峰数目等关键属性。相应的动态演进特征表现报告在表3中。
1.分布位置
自“十一五”开始,减排降碳工作被纳入我国国民经济发展的约束性目标,全国层面碳排放强度的核密度曲线表现出整体左移的趋势,表明我国大部分城市的碳排放强度处在下行轨道上,绿色发展理念正在倒逼地方政府尽快实现产业结构转型升级,低碳减排工作取得阶段性成果。所有国家重大战略区域的分布曲线均出现了不同幅度的左移趋势,说明这些区域在低碳发展方面取得了坚实成效,将助力国家尽快实现碳达峰、碳中和目标。值得注意的是,京津冀地区在样本时期内曾经短暂地出现过曲线右移,意味着该区域内的减碳压力较大,一些绿色环保政策的出台发布与落地实施仍有较大的难度。
2.主峰分布形态
全国层面核密度曲线表现为主峰高度下降且宽度变大,意味着样本内城市碳排放强度的离散程度呈现上升趋势,这是因为不同区域的产业基础大不相同,实现碳达峰的路径选择与难易程度存在较大差异。中央政府正在鼓励部分有能力的省市和企业实现率先达峰,在尚无足够历史经验可供借鉴的背景下,各地的减碳表现大相径庭。成渝、长江中游和长三角的分布曲线主峰的高度上升且宽度变小,说明这些区域内各城市碳排放强度的绝对差异正在逐渐缩小。黄河流域与全国层面的表现相似,核密度曲线出现高度下降和宽度变大,区域内部城市减排降碳步调差距拉大。京津冀和粤港澳的主峰在高度和宽度上的变化相对较小。
3.分布延展性
全国和成渝、长江中游、长三角、粤港澳及黄河流域等重大战略区域的分布曲线均存在显著的右拖尾现象,即区域内存在部分城市的碳排放强度显著高于同一区域内其他城市。京津冀则存在一定的左拖尾现象,意味着北京、天津作为核心城市的碳排放强度远低于区域内其他城市。黄河流域对应核密度曲线分布延展的收敛性较差,意味着区域内极端值与平均值之间的差距并未逐渐缩小,一些城市的碳排放强度始终维持在较高水平上,其他各国家重大战略区域均存在分布延展收敛性,即碳排放强度出现极端值的可能性越来越低。
4.波峰数目
全国和各国家重大战略区域在样本时期内均存在过双峰现象,即区域内城市碳排放强度存在两极分化现象。其中,京津冀和黄河流域的主峰和侧峰之间的距离较大,表明这两个重大战略区域内部存在着较为明显的空间极化现象;成渝、长江中游、长三角和粤港澳等重大战略区域的双峰现象均出现在样本初期,到样本末期均逐渐演变为单峰,说明这些重大战略区域内部的两极分化特征在整体上趋于弱化,区域内差异化程度逐渐降低。
7
国家重大战略区域碳排放强度的
收敛性研究
1.σ收敛检验与结果分析
表4给出了全国283个城市及各重大战略区域碳排放强度的σ收敛结果。总体来看,各重大战略区域碳排放强度的期末值均大于期初值,普遍不存在σ收敛。
2.β收敛检验与结果分析
(1)绝对β收敛分析。表5给出了全国283个城市及各重大战略区域碳排放强度的绝对β收敛检验结果。由于不同区域碳排放强度可能存在不同模式的空间效应,因此首先采用LM检验确定全国283个城市及各重大战略区域碳排放强度绝对β收敛是否存在空间自相关效应,再采用Wald检验和LR检验选择最优的空间模型形式。
结果表明:第一,全国及各重大战略区域均存在绝对β收敛。第二,全国及各重大战略区域碳排放强度的收敛速度各有不同。第三,全国及各重大战略区域表现出不同的空间效应。需要注意的是,上述关于全国及各重大战略区域的绝对β收敛分析,假定了各地区的经济水平、产业结构、人口密度、外资强度、科研投入、路网密度等因素水平相似,但显然事实并非如此,因此需要开展条件β收敛作进一步研究。
(2)条件β收敛分析。表6给出了全国283个城市及各重大战略区域碳排放强度的条件β收敛检验结果。
结果表明:第一,全国及各重大战略区域均存在条件β收敛。第二,与绝对β收敛相比,所有地区条件β收敛的速度有所加快。第三,全国及各重大战略区域表现出不同的空间效应,但与绝对β收敛分析相比个别区域的空间效应发生变化。
此外,条件β收敛分析在加入控制变量之后,除了长三角之外,所有模型的R2均较绝对β收敛分析出现显著上升,说明控制变量的选取科学有效。从经济意义上来看,全国283个城市及各重大战略区域碳排放强度的影响因素出现显著差异。以全国作为研究对象,经济水平、人口密度、外资强度、科研投入对碳排放强度变化率具有显著负向影响,即人均GDP的真实水平、人口的聚集程度、引进外资带来管理方式和低碳技术的变革、财政资金对科研投入的倾斜力度均能够有效促进碳排放强度向低值收敛。而产业结构和路网密度对碳排放强度变化率不存在显著影响。另外,对不同的重大战略区域而言,经济水平、产业结构、人口密度、外资强度、科研投入、路网密度对碳排放强度变化率的影响具有显著的异质性。
8
结论与启示
本文采用夜间灯光数据反演核算全国283个城市2003~2017年的二氧化碳排放量,进而得到碳排放强度,并使用Dagum基尼系数、核密度估计和空间收敛模型对全国及各重大战略区域碳排放强度的区域差异、动态演进及收敛性开展研究,得到如下主要研究结论:
第一,从区域差异来看,粤港澳和长三角的碳排放强度始终低于全国平均水平,成渝、长江中游、京津冀、黄河流域的碳排放强度逐次递增,整体上表现出明显的“南低北高”空间格局。
第二,从动态演进来看,全国及各重大战略区域的碳排放强度均存在不同幅度的下降趋势,说明我国的减排降碳工作已取得一定的积极成效,但各区域的具体表现存在较大的差异。
第三,从收敛特征来看,全国283个城市及各重大战略区域均不存在σ收敛,但均存在绝对β收敛和条件β收敛。
基于本文研究结论,得到如下政策启示:
第一,要更加关注重大战略区域内部城市减排降碳工作的平衡性。黄河流域、京津冀碳排放强度的组内差异较大,这与区域内城市发展程度的高度不平衡性有关。因此需要进一步发挥中心城市对周边城市的协同带动作用,打破“虹吸”效应、弱化极化关系。
第二,要促进南北地区减排降碳工作的协调发展。在研究期内,南北方重大战略区域碳排放强度的组间差距具有进一步拉大的趋势,这与中国经济发展的区域差异正逐步由以东西差异为主导转变为以东西差异和南北差异二者并存为主要特征有关(樊杰等,2019)。因此,在保持南方重大战略区域减排降碳工作稳定向好的同时,需要以更大的力度促进北方地区加快碳排放强度降低的速度。
第三,要根据不同重大战略区域的特点,因地制宜地出台减排降碳政策。Dagum基尼系数及其分解表明,组间超变密度对碳排放强度总体差异的贡献较小,既证明了我国重大战略区域划分的合理性,又表明各区域发展方式具有显著差异;绝对β收敛结果进一步说明各区域碳排放强度变化率的影响因素差异较大,因此需要针对每个区域特点,制定具有地方特色的减排降碳路径。
原文:张卓群,张涛,冯冬发.中国碳排放强度的区域差异、动态演进及收敛性研究[J].数量经济技术经济研究,2022,39(04):67-87.
文献来源:
https://kns.cnki.net/kcms2/article/abstract?v=2arE9-pF_S1UXZQY5QwmXXQXRb6I-49OdcGk8VhQ_Lhho86SakLOwyeIay4wSwL9xuv3uUYdebtI9jmz1r_XA3jBb6ol2kA2HWrsCJuuRjAEcrWM-6kMtmLsJvLasYv5PgocVacL_HmkLcOMsTKquHqsCp1JH7tGOG_J2V5Rdqo=&uniplatform=NZKPT
分享人:王怡
来源:以梦为马学术团队
编辑:陈美珊
热门跟贴