空間依賴、碳排放與人均收入的空間計(jì)量研究

許海平

(1.海南大學(xué)經(jīng)濟(jì)與管理學(xué)院，海南海口570228;2.南開大學(xué)經(jīng)濟(jì)研究所，天津300071)

空間依賴、碳排放與人均收入的空間計(jì)量研究

許海平1，2

(1.海南大學(xué)經(jīng)濟(jì)與管理學(xué)院，海南?？?70228;2.南開大學(xué)經(jīng)濟(jì)研究所，天津300071)

本文采用較為前沿的空間計(jì)量方法研究我國29個(gè)省區(qū)2000－2008年間人均碳排放與人均收入之間的關(guān)系。研究結(jié)果表明:①我國人均碳排放和人均收入均表現(xiàn)出明顯的空間集群特征，特別是人均收入的空間依賴性表現(xiàn)出加強(qiáng)的趨勢。②人均碳排放與人均收入呈“倒U”型曲線關(guān)系，拐點(diǎn)為人均收入16 953元。并進(jìn)一步計(jì)算了我國各省區(qū)的人均碳排放拐點(diǎn)，發(fā)現(xiàn)各地區(qū)人均碳排放拐點(diǎn)在時(shí)間路徑上存在明顯差異性，東部地區(qū)的多數(shù)省區(qū)較早地到達(dá)拐點(diǎn)，而中西部地區(qū)則要經(jīng)歷較長時(shí)間。③城市化水平、就業(yè)人員比重和技術(shù)進(jìn)步是導(dǎo)致我國人均碳排放量增長的重要因素。④對外貿(mào)易程度在一定程度上減少了人均碳排放。因此，提出了大力倡導(dǎo)低碳生活方式、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、積極開發(fā)低碳技術(shù)、轉(zhuǎn)變貿(mào)易結(jié)構(gòu)以及將地區(qū)的空間依賴性納入到碳排放的政策制定中等政策建議。

碳排放;人均收入;空間計(jì)量模型

改革開放至今，我國經(jīng)濟(jì)持續(xù)高速增長，國家經(jīng)濟(jì)實(shí)力、居民收入水平和生活水平得到了較大提升，然而“中國奇跡”的背后卻以大量自然資源消耗和環(huán)境污染為代價(jià)。以1978年不變價(jià)格計(jì)算，從1978－2010年，我國年均實(shí)際經(jīng)濟(jì)增長率為9.83%，而同期能源消費(fèi)總量的平均增長率也達(dá)到了5.58%。我國作為最大的發(fā)展中國家，一直積極采取措施應(yīng)對氣候變化，2009年，我國提出到2020年單位GDP的二氧化碳排放比2005年下降40－45%的目標(biāo)。然而，在十七大報(bào)告中提到人均GDP到2020年比2000年翻兩番，意味著我國人均國民收入在未來十年內(nèi)的時(shí)間內(nèi)將增長近四倍。那么，應(yīng)該如何兼顧經(jīng)濟(jì)增長、人均收入提高與碳排放減少，在實(shí)際中會表現(xiàn)出怎樣的關(guān)系呢?影響碳排放的決定因素有哪些，這些因素在經(jīng)濟(jì)發(fā)展的不同階段或水平上對碳排放的影響如何，不同地區(qū)的碳排放表現(xiàn)出怎樣的關(guān)系，等等。對于這些問題的思考和解決已成為政府、社會階層和學(xué)術(shù)界最為關(guān)注的焦點(diǎn)之一，關(guān)系到未來我國經(jīng)濟(jì)社會的可持續(xù)發(fā)展。

1 文獻(xiàn)綜述

從國內(nèi)外文獻(xiàn)來看，關(guān)于環(huán)境或碳排放的研究主要從以下幾個(gè)方面加以展開:一是碳排放與經(jīng)濟(jì)增長或人均收入之間的存在“倒 U”型關(guān)系及其解釋。Grossman和Krueger［1］首次發(fā)現(xiàn)經(jīng)濟(jì)增長與環(huán)境存在“倒 U”型關(guān)系，開創(chuàng)性地提出了著名的環(huán)境庫茲涅茨曲線(Environmental Kuznets Curve，EKC)。隨后對于經(jīng)濟(jì)增長與環(huán)境存在“倒U”型關(guān)系的存在性以及如何解釋吸引了眾多研究者的目光，例如，Nemat Shafik 和 Sushenjit Bandyopadhyay［2］通過分析國家在不同收入水平上環(huán)境變換模式來考察了經(jīng)濟(jì)增長與環(huán)境質(zhì)量的關(guān)系。Gene M.Grossman，Alan B.Krueger［3］利用全球環(huán)境監(jiān)測系統(tǒng)匯集的數(shù)據(jù)考察不同的環(huán)境指標(biāo)和一個(gè)國家的人均收入水平之間的簡約型關(guān)系，在經(jīng)濟(jì)增長的初步階段，環(huán)境趨于惡化，隨后環(huán)境得以改善，轉(zhuǎn)折點(diǎn)為一個(gè)國家的人均收入達(dá)到8 000美元。Vivek Suri，Duane Chapman［4］在考慮不同國家產(chǎn)品所包含污染的實(shí)際活動對環(huán)境的影響，采用跨國面板數(shù)據(jù)建立計(jì)量經(jīng)濟(jì)模型。結(jié)果發(fā)現(xiàn)貿(mào)易變量的引入，大大提升了EKC曲線的拐點(diǎn)的位置。Mohan Munasinghe［5］指出，發(fā)展中國家可以借鑒工業(yè)化國家的經(jīng)驗(yàn)，通過任何潛在的EKC曲線來重組增長和發(fā)展，從而避免經(jīng)過經(jīng)濟(jì)增長的相同階段，涉及損害環(huán)境的相對較高的水平(甚至是不可逆的)。Sigrid Stagl［6］基于EKC曲線認(rèn)為這種模式可能的解釋是在經(jīng)濟(jì)發(fā)展的進(jìn)程中，從清潔的農(nóng)業(yè)經(jīng)濟(jì)到污染的工業(yè)經(jīng)濟(jì)，再到清潔的服務(wù)經(jīng)濟(jì)。這種趨勢的轉(zhuǎn)變是得以高收入國家轉(zhuǎn)讓清潔技術(shù)給低收入國家，且高收入人群對環(huán)境質(zhì)量有更高的偏好。Marzio Galeotti，Alessandro Lanza，F(xiàn)rancesco Pauli［7］在不同參數(shù)設(shè)置和數(shù)據(jù)條件下重新估計(jì)EKC的穩(wěn)健性。發(fā)現(xiàn)，二氧化碳的ECK不依賴于數(shù)據(jù)的變換;經(jīng)合組織國家的經(jīng)濟(jì)增長和二氧化碳呈現(xiàn)“倒U”型關(guān)系。Tao Song，Tingguo Zheng，Lianjun Tong［8］也 發(fā) 現(xiàn)1985－2005年中國的廢氣，廢水和固體廢物與人均GDP表現(xiàn)出“倒U”形關(guān)系，而水污染比固體污染和廢氣污染的拐點(diǎn)要提前。Paresh Kumar Narayan，Seema Narayan［9］基于短期和長期收入彈性對EKC假說進(jìn)行驗(yàn)證。如果長期收入彈性小于短期收入彈性，一個(gè)國家的碳排放隨著收入的提高是減少的。國內(nèi)，魏下海、余玲錚［10］，吳獻(xiàn)金、鄧杰［11］等也認(rèn)為我國存在碳排放量的環(huán)境庫茲涅茨曲線。

二是探討能源消耗、碳排放等環(huán)境指標(biāo)與經(jīng)濟(jì)增長的長期因果關(guān)系，如 Chien-Chiang Lee，Chun-Ping Chang［12］采用面板單位根、異質(zhì)面板協(xié)整和面板誤差修正模型重新考察亞洲16國1971－2002年能源消耗與實(shí)際GDP之間因果關(guān)系?？紤]了異質(zhì)國家的效應(yīng)，實(shí)證研究結(jié)果完全支持實(shí)際GDP與能源消耗之間存在長期的協(xié)整關(guān)系(單向因果關(guān)系)。Ugur Soytas，Ramazan Sari［13］在保持固定資本形成額和勞動投入不變情況下，研究了土耳其經(jīng)濟(jì)增長、碳排放量和能源的長期格蘭杰因果關(guān)系。結(jié)果是碳排放量是能源消耗的格蘭杰原因，反之則不然;從長遠(yuǎn)來看收入和碳排放之間不存在因果關(guān)系。Xing-Ping Zhang，Xiao-Mei Cheng［14］采用中國1960－2007年數(shù)據(jù)，研究發(fā)現(xiàn)GDP是能源消耗的單向Granger因果關(guān)系和能源消耗是碳排放的單向 Granger因果關(guān)系。Stela Z.Tsani［15］運(yùn)用時(shí)間序列方法研究1960－2006年希臘的總能源消耗和分類能源消耗與經(jīng)濟(jì)增長的因果關(guān)系?？偰茉聪氖菍?shí)際GDP的單向因果關(guān)系，在分類水平下，工業(yè)和居民能源消耗與實(shí)際GDP存在雙向因果關(guān)系。

三是質(zhì)疑 EKC 的存在，如 D.Stern［16］，Soumyananda Dinda，Dipankor Coondoo 和 Manoranjan Pal［17］，Jordi Roca，Emilio Padilla，Mariona Farré和 Vittorio Galletto［18］，Leigh Raymond［19］，彭 水 軍、包 群［20］，Luzzati T，M Orsini［21］，Masaaki Kijima，Katsumasa Nishide 和 Atsuyuki Ohyama［22］，Sun Bo［23］等認(rèn)為:指標(biāo)和數(shù)據(jù)的選擇不同;是否考慮到環(huán)境質(zhì)量到生產(chǎn)可能性反饋、貿(mào)易對環(huán)境退化的中立影響;跨越國界和代際;將世界看成一個(gè)整體而不局限某一個(gè)國家或發(fā)達(dá)國家或發(fā)展中國家;污染指標(biāo)以及估計(jì)方法選取的不同;不同的因素對收入水平和不同類型的排放量之間關(guān)系的影響，等等。違反這些實(shí)際產(chǎn)生根本性的問題，都會影響EKC曲線的參數(shù)估計(jì)，導(dǎo)致經(jīng)濟(jì)增長與碳排放存在反向關(guān)系或“U”型關(guān)系或“N”型等關(guān)系。此外，Bckerman［24］，Bhagawati［25］等認(rèn)為促進(jìn)經(jīng)濟(jì)發(fā)展本身就是保護(hù)環(huán)境資源的有效手段。Antweiler，Werner，Brian R.Copeland和 M.Scott Taylor［26］闡述了國際商品市場的開放程度如何影響污染濃度的理論，發(fā)現(xiàn)貿(mào)易自由似乎是對環(huán)境有益。Artur Tamazian，Juan Pi eiro Chousa，Krishna Chaitanya Vadlamannati［27］認(rèn)為 1992 －2004 年經(jīng)濟(jì)和金融發(fā)展是金磚四國(巴西、俄羅斯、印度和中國)的環(huán)境質(zhì)量的決定因素，較高的經(jīng)濟(jì)和金融發(fā)展程度能減少環(huán)境的退化;金融自由化和對外開放是減少二氧化碳排放量的重要因素。通過金融開放和自由化，以吸引相關(guān)的外國直接投資，減少國家環(huán)境的惡化。

上述文獻(xiàn)對本文的研究提供了很好參考價(jià)值?？v觀已有的國內(nèi)外研究，我們發(fā)現(xiàn)大多數(shù)研究多采用時(shí)間序列的分析方法或者常規(guī)面板數(shù)據(jù)普通最小二乘法(OLS)估計(jì)。然而，這些研究存在著共同的局限性，即假設(shè)地區(qū)間的人均收入和碳排放是相互獨(dú)立的，某一個(gè)地區(qū)的人均收入只對該地區(qū)碳排放產(chǎn)生影響，忽略了其他周邊地區(qū)碳排放對本地區(qū)的影響。而事實(shí)上，不同經(jīng)濟(jì)體之間的人均收入和碳排放由于“轉(zhuǎn)嫁”效應(yīng)的存在決定了人均收入和碳排放數(shù)據(jù)在地理空間上的依賴性和溢出效應(yīng)。此外，隨著區(qū)域經(jīng)濟(jì)一體化進(jìn)程加快，區(qū)域合作將日益頻繁，也會使得人均收入和碳排放數(shù)據(jù)表現(xiàn)出一定空間依賴。因此，如果忽略了這種客觀存在的空間依賴，容易導(dǎo)致模型設(shè)定出現(xiàn)偏誤，使得研究結(jié)論缺乏應(yīng)有的解釋力。本文從空間依賴視角重新考察人均收入與碳排放之間的動態(tài)關(guān)系，以期能更全面客觀地反映經(jīng)濟(jì)現(xiàn)實(shí)，并對現(xiàn)有的研究文獻(xiàn)作進(jìn)一步拓展與補(bǔ)充。

2 樣本數(shù)據(jù)與指標(biāo)選取

2.1 樣本數(shù)據(jù)

本文采用的空間樣本數(shù)據(jù)涵蓋了我國29個(gè)省、直轄市和自治區(qū)，其中重慶市的數(shù)據(jù)歸入四川省，不包括西藏(數(shù)據(jù)的缺失)和港澳臺地區(qū)，考察期間為2000－2008年，共261個(gè)觀測值，數(shù)據(jù)主要來源于《新中國六十年統(tǒng)計(jì)資料匯編》，部分?jǐn)?shù)據(jù)來源于各省市統(tǒng)計(jì)年鑒。

2.2 指標(biāo)選取

2.2.1 碳排放量

由于目前我國沒有碳排放量的直接監(jiān)測數(shù)據(jù)，而且在學(xué)術(shù)界關(guān)于碳排放量的計(jì)算也沒有達(dá)成統(tǒng)一共識。但大部分研究都是基于對能源消費(fèi)的間接計(jì)算而得，本文借鑒鄭長德等［28］將每噸標(biāo)準(zhǔn)煤的碳排放系數(shù)定為2.499，用各省份的能源消費(fèi)總量(單位為萬噸標(biāo)準(zhǔn)煤)乘以每噸標(biāo)準(zhǔn)煤的碳排放系數(shù)得到碳排放量?？紤]到各省份人口和地域的不同，本人采用人均碳排放量=碳排放量/年底總?cè)丝?，單位為萬噸/人，用carbon表示。

2.2.2 人均收入

居民收入的提高對碳排放具有雙向作用:一方面，居民收入的提高導(dǎo)致經(jīng)濟(jì)增長和人們生活水平的提高，加大了對物質(zhì)需求的增加，導(dǎo)致碳排放量增加;另一方面，居民收入提高后，更關(guān)注現(xiàn)實(shí)和未來的生活環(huán)境，產(chǎn)生了對高環(huán)境質(zhì)量的需求，減緩環(huán)境惡化，使得碳排放量減少。為了更能反映真實(shí)收入水平對碳排放的影響，用地區(qū)人均居民收入(income)表示，根據(jù)地區(qū)城鎮(zhèn)家庭平均每人可支配收入(1990年不變價(jià))、地區(qū)農(nóng)村居民家庭人均年純收入(1990年不變價(jià))和城鎮(zhèn)居民人口占總居民人口比重以及農(nóng)村居民人口占總居民人口比重計(jì)算而得。

2.2.3 影響碳排放的控制變量

影響碳排放的控制變量，主要包括城市化水平(urb)、貿(mào)易開放(trade)、非農(nóng)化就業(yè)人員的比重(employ)和技術(shù)進(jìn)步(prod)。

城市化水平對于碳排放具有雙向作用:一方面，城市化水平提高，導(dǎo)致經(jīng)濟(jì)增長，加大了能源的消費(fèi)，碳排放增加;另一方面，城市化水平提高使產(chǎn)業(yè)組織結(jié)構(gòu)、技術(shù)結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)等得到合理的調(diào)整，資源配置得到進(jìn)一步優(yōu)化，各種資源得到更合理的利用，使得能源消費(fèi)下降，碳排放減少［29］。

貿(mào)易開放對環(huán)境的效應(yīng)(Grossman和Krueger［1］)可以歸結(jié)為三個(gè)效應(yīng):規(guī)模效應(yīng)、結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)。貿(mào)易開放擴(kuò)大了經(jīng)濟(jì)活動規(guī)模，導(dǎo)致自然資源使用量和污染排放量增加，即為規(guī)模效應(yīng)(Scale Effect)。而結(jié)構(gòu)效應(yīng)(Composition Effect)是指貿(mào)易開放所引起的全球化專業(yè)分工，參與貿(mào)易的國家更趨向于在具有比較優(yōu)勢的部分進(jìn)行生產(chǎn)，如果一國在清潔產(chǎn)品部門具有比較優(yōu)勢，則會改善環(huán)境，反之，一國在污染密集型部門有比較優(yōu)勢，則會惡化環(huán)境。貿(mào)易自由化會加快先進(jìn)技術(shù)的流通，提高資源的使用效率，降低單位產(chǎn)出能源消耗，即為技術(shù)效應(yīng)。

考慮到我國具有典型的二元經(jīng)濟(jì)特征(城市工業(yè)為代表的現(xiàn)代經(jīng)濟(jì)部門和以手工勞動為特征的傳統(tǒng)農(nóng)業(yè)部門)，納入了非農(nóng)化就業(yè)人員的比重。二元經(jīng)濟(jì)特征的存在會導(dǎo)致農(nóng)村大量剩余勞動力轉(zhuǎn)移的困難、消費(fèi)需求不足、城市化進(jìn)程緩慢等問題，這些問題的存在都在一定程度上影響了碳的排放。

隨著人均收入的提高、經(jīng)濟(jì)的發(fā)展，人們有可能增加對環(huán)保技術(shù)的研究投入、購買更有利于環(huán)境清潔的中間設(shè)備等，且技術(shù)進(jìn)步影響經(jīng)濟(jì)增長方式轉(zhuǎn)變和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整間接影響環(huán)境質(zhì)量［30］。對于技術(shù)進(jìn)步，大多數(shù)學(xué)者用政府財(cái)政研發(fā)投入、基于柯布——道格拉斯生產(chǎn)函數(shù)測算的全要素生產(chǎn)率、勞均物質(zhì)資本水平、勞動生產(chǎn)率等來表示。就前者來說，我國屬于資本技術(shù)密集較低的國家，技術(shù)進(jìn)步主要依賴于低資本投入的技術(shù)的引進(jìn)，而非高密集資本的研發(fā)投入，用該變量來衡量技術(shù)進(jìn)步則會低估我國的技術(shù)進(jìn)步。而基于柯布——道格拉斯生產(chǎn)函數(shù)測算的全要素生產(chǎn)率是在新古典生產(chǎn)理論之上建立起來的，假設(shè)市場存在完全競爭、要素信息充分等，而這些假設(shè)條件與我國實(shí)際不相符，用全要素生產(chǎn)率作為技術(shù)進(jìn)步指標(biāo)也難以說明我國技術(shù)進(jìn)步的狀況。勞均物質(zhì)資本水平是用物質(zhì)資本存量除以勞動力人數(shù)而得，而物質(zhì)資本存量的確定目前還沒有達(dá)成一致，現(xiàn)有研究中存在較大的差異，物質(zhì)資本存量的確定主要涉及基年資本存量的確定、投資品價(jià)格指數(shù)的構(gòu)造、當(dāng)年投資的取舍和折舊的處理方法等，因此用勞均物質(zhì)資本水平作為技術(shù)進(jìn)步的替代指標(biāo)也是不合適的?？紤]到我國的實(shí)際情況，采用勞動生產(chǎn)率作為技術(shù)進(jìn)步的替代指標(biāo)［31］，即國內(nèi)生產(chǎn)總值(1990年不變價(jià))/就業(yè)人員人數(shù)。

3 空間自相關(guān)檢驗(yàn)

考察人均收入對人均碳排放是否具有空間效應(yīng)，首先要分析人均收入和人均碳排放是否具有空間自相關(guān)性，即人均收入和碳人均排放是否存在空間依賴。檢驗(yàn)區(qū)域變量是否存在空間自相關(guān)性，一般根據(jù)Moran［32］提出的空間自相關(guān)Moran I指數(shù)，計(jì)算公式為:

根據(jù)2000－2008年各省區(qū)人均收入和人均碳排放數(shù)據(jù)，結(jié)合式(1)運(yùn)用STATA10.0軟件可計(jì)算得到相應(yīng)的Moran I指數(shù)及檢驗(yàn)結(jié)果見表1?？梢钥闯?，2000－2008年Moran I指數(shù)均通過了1%水平下的顯著性檢驗(yàn)，且Moran I指數(shù)均為正值，表明各省區(qū)人均收入和人均碳排放在所考察年份在空間分布上具有顯著的正自相關(guān)關(guān)系，即我國各省區(qū)人均收入和人均碳排放的空間分布并不是表現(xiàn)出完全隨機(jī)狀態(tài)，而是表現(xiàn)出相似值之間的空間集群形態(tài)和相類似的空間聯(lián)系結(jié)構(gòu)。人均收入和人均碳排放在全局上表現(xiàn)出強(qiáng)烈的空間依賴特征，具有相對較高人均收入或人均碳排放的省區(qū)傾向于接近其他具有較高人均收入或人均碳排放的省區(qū)，具有相對較低人均收入或人均碳排放的省區(qū)趨于和其他具有較低人均收入或人均碳排放的省區(qū)相臨近。此外，人均收入的Moran I值表現(xiàn)出上升的趨勢，反映了人均收入的空間相關(guān)性呈現(xiàn)加強(qiáng)趨勢。因此，從整體上看，我國省區(qū)人均收入和人均碳排放的空間相關(guān)性是客觀存在的，由此不應(yīng)當(dāng)將其假定為一個(gè)獨(dú)立的觀測值，亦即存在明顯的空間集群現(xiàn)象。

表1 2000－2008年我國省區(qū)人均碳排放和人均收入的Moran I統(tǒng)計(jì)值Tab.1 Moran I statisticial value of provincial per capita carbon emission and per capita income in China(2000－2008)

碳排放表現(xiàn)出的空間集聚現(xiàn)象得到一些學(xué)者的驗(yàn)證，如魏下海、余玲錚［10］，鄭長德、劉帥［28］等。下面分析人均收入的Moran I散點(diǎn)圖和顯著水平圖，見圖1，圖2。

根據(jù)圖1和圖2可以看出，高－高(H－H)和低－低(L－L)類型區(qū)居于主導(dǎo)地位，絕大部分省區(qū)聚集在第一象限和第三象限。2000年有6個(gè)省區(qū)位于第一象限，分別為:北京、福建、江蘇、上海、天津和浙江，表現(xiàn)出高 －高(H－H)的正自相關(guān)關(guān)系集群;甘肅、廣西、貴州、河南、湖北、湖南、內(nèi)蒙古、寧夏、青海、山西、陜西、四川、新疆和云南等14省區(qū)位于第三象限，表現(xiàn)出低－低(L－L)的空間自相關(guān)關(guān)系。2008年，北京、福建、黑龍江、吉林、江蘇、遼寧、上海、天津和浙江等9個(gè)省區(qū)位于第一象限，表現(xiàn)出高－高(H－H)的正自相關(guān)關(guān)系集群;甘肅、廣西、貴州、河南、湖北、湖南、內(nèi)蒙古、寧夏、青海、山西、陜西、四川、新疆和云南等14省區(qū)位于第三象限，表現(xiàn)出低－低(L－L)的空間自相關(guān)關(guān)系。

比較初期的2000年和末期的2008年的Moran I散點(diǎn)圖發(fā)現(xiàn):2000年和2008年分別有20個(gè)和23個(gè)省區(qū)表現(xiàn)出正向的空間相關(guān)關(guān)系，其中有6個(gè)和9個(gè)省區(qū)位于第一象限，各有14個(gè)省區(qū)位于第三象限;2000年有9個(gè)省區(qū)表現(xiàn)出不相似的空間分布，2008年僅有6個(gè)省區(qū)表現(xiàn)出不相似的空間分布。

總之，我國各省區(qū)的人均碳排放和人均收入均存在著顯著的空間依賴，特別是人均收入的空間依賴性表現(xiàn)出加強(qiáng)的趨勢。這就意味著人均收入對于我國各地區(qū)碳排放的解釋應(yīng)當(dāng)充分考慮到這種空間依賴性，用空間計(jì)量經(jīng)濟(jì)學(xué)方法來研究我國各地區(qū)碳排放是符合客觀實(shí)際的。

圖1 2000年人均收入Moran I散點(diǎn)圖Fig.1 Moran’s I scatterplot of per capita income(2000)

圖2 2008年人均收入Moran I散點(diǎn)圖Fig.2 Moran’s I scatterplot of per capita income(2008)注:同圖1。

4 空間計(jì)量模型分析

4.1 空間計(jì)量模型及模型設(shè)定

空間計(jì)量經(jīng)濟(jì)學(xué)理論認(rèn)為，一個(gè)地區(qū)空間單元上的某種經(jīng)濟(jì)地理現(xiàn)象或某一屬性值與鄰近地區(qū)空間單元上同一現(xiàn)象或者屬性值是相關(guān)的，也就是說各區(qū)域之間的數(shù)據(jù)與時(shí)間序列存在相對應(yīng)的空間相關(guān)?？臻g依賴的存在打破了大多數(shù)經(jīng)典統(tǒng)計(jì)和計(jì)量分析中相互獨(dú)立的基本假設(shè)?？臻g計(jì)量經(jīng)濟(jì)方法將地理空間相互作用納入模型，對經(jīng)典的回歸模型通過一個(gè)空間權(quán)重矩陣進(jìn)行修正。

根據(jù)模型設(shè)定對“空間”體現(xiàn)方法的不同，Anselin［33－34］將空間計(jì)量模型主要分為兩種:空間滯后模型(Spatial Lag Model，SLM)和空間誤差模型(Spatial Error Model，SEM)，分別表示如下:

空間滯后模型(SLM):Y=ρWY+Xβ+ε (2)

空間誤差模型(SEM):Y=Xβ+ε，其中ε=λWε+μ (3)

其中，Y是被解釋變量，X是外生解釋變量矩陣，β是X的參數(shù)向量，ρ和λ分別是空間滯后回歸系數(shù)和空間誤差回歸系數(shù)。ε和μ表示隨機(jī)誤差項(xiàng)。W為空間權(quán)重矩陣(N階方塊，N為地區(qū)數(shù))，在空間權(quán)重矩陣的選擇上，采用最常見的地理空間權(quán)重，即依據(jù)空間是否相鄰來設(shè)定，相鄰的區(qū)域被賦予“1”，其他的區(qū)域被賦予“0”［35］，目前國內(nèi)多數(shù)文獻(xiàn)均采用這一做法。該權(quán)重矩陣定義如下:

借鑒Cohen［36］等人研究思想，我們將待估計(jì)的計(jì)量模型設(shè)定為:

其中，yi為被解釋變量，表示各省區(qū)人均碳排放;Zi表示影響各省區(qū)人均碳排放的一系列控制變量;解釋變量Xi表示各省區(qū)的人均收入，Xj表示相鄰省區(qū)的人均收入狀況;Wij為空間權(quán)重矩陣;相鄰省區(qū)的人均收入對本省區(qū)人均碳排放的影響反映在系數(shù)ρ上。

結(jié)合前述的方法，本文將空間滯后模型(SLM)設(shè)定如下:

從上式可以看出，省區(qū)j的人均收入不僅可以影響該省區(qū)的人均碳排放，而且通過這種影響進(jìn)一步將作用“迭加”到省域i(i≠j)的人均碳排放之上。即系數(shù)ρ綜合反映了相鄰省份解釋變量的影響力?？臻g計(jì)量經(jīng)濟(jì)學(xué)正是采用這種不斷“迭加”的方式來估計(jì)空間相關(guān)性的。β1和β2分別是人均收入及平方項(xiàng)的系數(shù)，二者符號反映了人均碳排放與人均收入的曲線特征:①β1＞0，β2＜0，表現(xiàn)出“倒 U”型曲線，拐點(diǎn)公式為:－β1/2β2;②β1＜0，β2＞0，表現(xiàn)出“U”型曲線，拐點(diǎn)公式同上。

如果空間相關(guān)性由模型以外因素決定，可將空間誤差模型(SEM)設(shè)定為:

本文各研究變量的定義和性質(zhì)見表2。

表2 研究變量的定義和統(tǒng)計(jì)性質(zhì)Tab.2 Definitions and statistical properties of variables

4.2 實(shí)證結(jié)果

為了便于比較，同時(shí)給出了人均碳排放與人均收入的面板固定效應(yīng)模型估計(jì)結(jié)果(見表3)。各變量均通過顯著性檢驗(yàn)，且hausman檢驗(yàn)拒絕了原假設(shè)，選擇個(gè)體固定效應(yīng)模型。從β1和β2的估計(jì)系數(shù)來看，我國碳排放與人均收入呈現(xiàn)明顯“倒U”型特征。計(jì)算其碳排放的拐點(diǎn)處于人均收入為3 442元(1990年為不變價(jià)，下同)的位置，發(fā)現(xiàn)2008年已有13個(gè)省區(qū)達(dá)到或超過了此拐點(diǎn)，顯然與實(shí)際不相符合。

由于面板固定效應(yīng)模型沒有考慮到人均碳排放和人均收入的空間依賴特征，導(dǎo)致估計(jì)結(jié)果存在偏誤。因此，有必要將空間相關(guān)性納入到碳排放和人均收入的分析框架中進(jìn)行研究。如前所述，空間計(jì)量模型包括SLM模型和SEM模型，對模型的甄選需要采用拉格朗日乘子統(tǒng)計(jì)量。

利用2000－2008年間我國29個(gè)省區(qū)的經(jīng)濟(jì)數(shù)據(jù)，采用空間面板計(jì)量方法，運(yùn)用Matlab 7.0軟件估計(jì)了空間滯后(SLM)的混合、空間固定、時(shí)點(diǎn)固定和雙固定效應(yīng)模型和空間誤差(SEM)的混合、空間固定、時(shí)點(diǎn)固定和雙固定效應(yīng)模型。從表3回歸結(jié)果可以發(fā)現(xiàn)，空間自回歸系數(shù)ρ和空間誤差回歸系數(shù)λ均達(dá)到5%的顯著水平(除面板SLM空間固定模型外)，進(jìn)一步說明了空間因素確實(shí)在人均碳排放和人均收入中發(fā)揮了作用，如果忽略省區(qū)之間潛在的空間自相關(guān)性，基于OLS或其它方法得到的回歸結(jié)果是欠妥的。因此建立空間SEM模型和空間SLM模型是合理的。由于SEM模型的擬合優(yōu)度和對數(shù)似然值均高于SLM估計(jì)結(jié)果，選擇SEM模型比SLM模型更為合理。在SEM模型中，從擬合優(yōu)度和對數(shù)似然值來看，空間固定是最優(yōu)的。因此，下面就SEM空間固定模型估計(jì)結(jié)果進(jìn)行分析。

就各控制變量的影響系數(shù)來看，城市化水平(urb)變量回歸系數(shù)在1%的顯著性水平下統(tǒng)計(jì)顯著且為正，在其他因素保持不變情況下，城市化水平每提高1%，人均碳排放將提高0.198 8%。因此，城市化水平的提高擴(kuò)大了人均碳排放量。目前我國正處于城市化進(jìn)程的加速階段，短期內(nèi)我國城市化對能源需求還有很大的依賴性，城市化水平提高會增加能源消費(fèi)強(qiáng)度;城市的迅速擴(kuò)張導(dǎo)致土地利用方式變化:一是會帶來更多工業(yè)碳排放、產(chǎn)品消費(fèi)碳排放;二是森林或農(nóng)田轉(zhuǎn)化為城市建筑用地，而建筑用地是重要碳排放來源之一。

對外貿(mào)易程度(trade)變量回歸系數(shù)在1%的顯著性水平下統(tǒng)計(jì)顯著且為負(fù)，在其他條件不變的情況下，對外貿(mào)易程度每提高1%，人均碳排放將減少0.087 1%，說明了“污染避難所”假說在中國不成立?？赡艿脑蛴校?0］:一是多邊貿(mào)易談判與協(xié)議簽定，特別是與環(huán)保相關(guān)的貿(mào)易協(xié)議促進(jìn)了中國對環(huán)保新技術(shù)的開發(fā)和應(yīng)用，且發(fā)達(dá)國家對中國出口商品的環(huán)境指標(biāo)標(biāo)準(zhǔn)的要求，也迫使中國加大研發(fā)新型環(huán)保技術(shù);二是貿(mào)易開放所帶來的技術(shù)溢出效應(yīng)提高了中國技術(shù)水平，減少了碳排放。Keller W.［37］和賴明勇等［38］等文獻(xiàn)也證實(shí)了貿(mào)易開放對東道國或中國的技術(shù)溢出效應(yīng)。

就業(yè)人員的比重(employ)變量的回歸系數(shù)為0.343 8，且達(dá)到1%的顯著性水平，表明了在其他條件不變的情況下，就業(yè)人員的比重每提高1%，將促使人均碳排放提高0.343 8%。從目前來看，我國第二產(chǎn)業(yè)比重最大，其次是第三產(chǎn)業(yè)，雖然第三產(chǎn)業(yè)比重持續(xù)的上升在一定程度上減少了碳的排放，但第二產(chǎn)業(yè)在產(chǎn)業(yè)結(jié)構(gòu)中的比重增加加大了能源消耗，最終導(dǎo)致碳排放的增加。

技術(shù)進(jìn)步的回歸系數(shù)也顯著為正，在其他因素保持不變情況下，技術(shù)進(jìn)步每提高1%，人均碳排放將提高0.906 2%，表明目前我國技術(shù)進(jìn)步并沒有帶來環(huán)境質(zhì)量的改善，這可能是因?yàn)?目前我國農(nóng)村剩余勞動力多，且素質(zhì)較低，而資金、技術(shù)等要素相對稀缺，決定了我國主要發(fā)展勞動密集型產(chǎn)業(yè)，而勞動密集型產(chǎn)業(yè)一般選擇較低的技術(shù)水平，較高的技術(shù)水平往往偏向于資源能源密集型產(chǎn)業(yè)。此外，用勞動生產(chǎn)率指標(biāo)度量技術(shù)進(jìn)步可能僅僅反映生產(chǎn)技術(shù)水平的高低，而不能反映出減少污染的技術(shù)發(fā)展。

我們重點(diǎn)關(guān)注人均收入對人均碳排放的影響。從回歸結(jié)果看，人均收入及平方項(xiàng)對人均碳排放在5%水平有顯著性的影響，系數(shù)分別為1.598 7和－0.082 1，表示在其它因素不變情況下，人均收入增加1%，人均碳排放將增加1.598 7%;但人均收入的平方項(xiàng)增加1%，人均碳排放將減少0.082 1%。因此，人均碳排放與人均收入呈“倒U”型曲線關(guān)系，計(jì)算其拐點(diǎn)為人均收入等于16 953元，即當(dāng)人均收入小于16 953元時(shí)候，隨著人均收入的增加，人均碳排放量呈上升趨勢，但當(dāng)人均收入大于16 953元時(shí)候，隨著人均收入的增加，人均碳排放將出現(xiàn)減少趨勢。從全部樣本數(shù)據(jù)來看，2008年人均收入為3 508元，按照2000－2008年年間人均收入平均增長率來計(jì)算，大約經(jīng)過19年的時(shí)間，即在2027年，人均碳排放量抵達(dá)拐點(diǎn)。從各地區(qū)來看，由于在資源稟賦、產(chǎn)業(yè)結(jié)構(gòu)、城市化水平、技術(shù)進(jìn)步和污染減排技術(shù)等方面的不同，各省區(qū)人均碳排放的拐點(diǎn)位置存在明顯差異見表4。東部地區(qū)的大多數(shù)省區(qū)較早到達(dá)拐點(diǎn)。東部地區(qū)擁有獨(dú)特的地理優(yōu)勢，良好投資環(huán)境，經(jīng)濟(jì)發(fā)展較快，產(chǎn)業(yè)結(jié)構(gòu)和貿(mào)易結(jié)構(gòu)較為合理，可以大幅度引進(jìn)先進(jìn)節(jié)能減排技術(shù)，更早的到達(dá)碳排放的最高點(diǎn)。比如北京、上海、福建、江蘇、廣東、遼寧、浙江分別在2016年、2016年、2019年、2020年、2021年和2021年達(dá)到人均碳排放的最高點(diǎn)。而中西部地區(qū)經(jīng)濟(jì)技術(shù)相對落后，資源稟賦和基礎(chǔ)設(shè)施相對滯后，產(chǎn)業(yè)結(jié)構(gòu)中第三產(chǎn)業(yè)比重較低，加上缺乏節(jié)能減排的內(nèi)在機(jī)制，導(dǎo)致中西部地區(qū)經(jīng)歷較長的時(shí)間才能到達(dá)人均碳排放的最高點(diǎn)，分別為16至42年不等。如吉林、河南大概需要16年和17年才能達(dá)到拐點(diǎn)，而云南、甘肅、貴州甚至要2040年后才能到達(dá)。

表3 2000－2008年我國人均碳排放與人均收入的空間計(jì)量結(jié)果Tab.3 Results of spatial estimation of per capita carbon emission and per capita income in China(2000 －2008)

表4 我國各地區(qū)抵達(dá)人均碳排放拐點(diǎn)的時(shí)間表Tab.4 Time-table of reaching a turning point of provincial per capita carbon emission

5 結(jié)論與建議

針對大多數(shù)文獻(xiàn)忽略區(qū)域之間的空間相關(guān)性，往往導(dǎo)致研究結(jié)論缺乏應(yīng)有的說服力，本文采用較為前沿的空間計(jì)量經(jīng)濟(jì)方法，利用我國29個(gè)省區(qū)2000－2008年面板數(shù)據(jù)考察城人均收入與人均碳排放的關(guān)系。基于實(shí)證估計(jì)的結(jié)果，得出的主要結(jié)論如下:

(1)基于0－1矩陣的空間依賴性表明，我國人均收入和人均碳排放均表現(xiàn)出明顯的空間集群特征，特別是人均收入的空間依賴性表現(xiàn)出加強(qiáng)的趨勢。絕大部分省區(qū)屬于高－高和低－低類型，即具有相對較高人均收入或人均碳排放的省區(qū)傾向于接近其他具有較高人均收入或人均碳排放的省區(qū)，具有相對較低人均收入或人均碳排放的省區(qū)趨于和其他具有較低人均收入或人均碳排放的省區(qū)相臨近。

(2)考慮空間依賴性，人均碳排放與人均收入呈“倒U”型曲線關(guān)系，拐點(diǎn)為人均收入等于16 953元。并進(jìn)一步計(jì)算了我國各省區(qū)的人均碳排放拐點(diǎn)，發(fā)現(xiàn)各地區(qū)人均碳排放拐點(diǎn)在時(shí)間路徑上存在明顯差異性，東部地區(qū)的多數(shù)省區(qū)較早地到達(dá)拐點(diǎn)，如北京、上海在2016年達(dá)到人均碳排放的最高點(diǎn)。而中西部地區(qū)經(jīng)歷較長的時(shí)間才能到達(dá)人均碳排放的最高點(diǎn)，如云南、甘肅、貴州甚至要2040年后才能到達(dá)。

(3)城市化水平、就業(yè)人員比重和技術(shù)進(jìn)步是我國人均碳排放量增長的重要因素。

(4)對外貿(mào)易程度在一定程度上減少了人均碳排放。

基于以上實(shí)證分析和結(jié)論，我國區(qū)域人均收入與人均碳排放的空間依賴性是客觀存在的，而且這種空間依賴性表現(xiàn)出鮮明的區(qū)域差異性。因此，我們認(rèn)為:

(1)就目前而言，隨著人均收入的提高，人均碳排放呈增長趨勢。這可能是因?yàn)榫用袷杖氲奶岣撸哟罅藢ξ镔|(zhì)需求的增加，特別是高端產(chǎn)品，如汽車等，導(dǎo)致碳排放量增加。因此，要大力倡導(dǎo)低碳生活方式，包括:大力宣傳，增強(qiáng)居民的低碳意識;生活垃圾分類，有效回收可利用資源;引導(dǎo)單位和個(gè)人使用節(jié)能環(huán)保低碳型產(chǎn)品;發(fā)揮政府和高校的作用，如編寫低碳生活手冊，建立低碳生活示范區(qū)等。從而有效地從傳統(tǒng)高碳模式向低碳模式轉(zhuǎn)變。

(2)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，大力發(fā)展第三產(chǎn)業(yè)，積極引導(dǎo)資本(內(nèi)資和外資)投向第三產(chǎn)業(yè)，提升第三產(chǎn)業(yè)的結(jié)構(gòu)比重。2010 年，我國第一二三產(chǎn)業(yè)占 GDP 的比重約為1∶4.6∶4.2，能源密集度低的第三產(chǎn)業(yè)的比重不高。產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整和優(yōu)化所帶來的結(jié)構(gòu)效應(yīng)，有利于促進(jìn)我國碳排放的減少。

(3)在短期內(nèi)我國城市化水平的提高會增加碳排放，因此，在實(shí)施城鎮(zhèn)化戰(zhàn)略的過程中，要改變能源消費(fèi)結(jié)構(gòu)、提高能源利用效率、保護(hù)植被、改善土地利用、提倡低碳生活等，提升我國城市化的質(zhì)量，是解決我國碳排放問題的有效途徑。

(4)積極開發(fā)低碳技術(shù)，將先進(jìn)成熟技術(shù)推廣應(yīng)用于勞動密集型產(chǎn)業(yè)。我國經(jīng)濟(jì)的高速增長，短期內(nèi)必然導(dǎo)致能源消耗的增加，因此政府應(yīng)強(qiáng)化技術(shù)創(chuàng)新，鼓勵(lì)節(jié)能減排和新能源技術(shù)的開發(fā)，尤其是低碳技術(shù)的創(chuàng)新和推廣，做好低碳經(jīng)濟(jì)試點(diǎn)工作，利用示范效果積極推廣，從而減少我國的碳排放量。

(5)基于對外貿(mào)易減少碳排放量，但影響較小。進(jìn)一步轉(zhuǎn)變我國貿(mào)易結(jié)構(gòu)，抑制“高耗能、高污染、資源性”產(chǎn)品的出口，利用出口退稅和出口免稅政策積極優(yōu)化進(jìn)出口商品結(jié)構(gòu)，促進(jìn)我國經(jīng)濟(jì)增長方式轉(zhuǎn)變和經(jīng)濟(jì)社會可持續(xù)發(fā)展。

(6)應(yīng)將省區(qū)的空間相互依賴納入到人均碳排放的分析與政策制定過程中，加強(qiáng)欠發(fā)達(dá)地區(qū)和發(fā)達(dá)地區(qū)在經(jīng)濟(jì)地理上的合作交流，實(shí)現(xiàn)東、中、西部地區(qū)經(jīng)濟(jì)聯(lián)動，促進(jìn)我國碳排放量向良性方向發(fā)展。

References)

［1］Grossman G M，Krueger A B.Environmental Impact of a North American Free Trade Agreement［R］.National Bureau of Economic Research，Working Paper 3914，NBER，Cambridge M A，1991.

［2］Nemat S，Sushenjit B.Economic Growth and Environmental Quality:Time Series and Cross-country Evidence［R］.Working Paper，World Bank，Washington D.C，1992.

［3］Gene M G，Alan B K.Economic Growth and the Environment［J］.Quarterly Journal of Economics，1995，110:353 －378.

［4］Vivek S，Duane C.Economic Growth，Trade and Energy:Implications for the Environmental Kuznets Curve［J］.Ecological Economics，1998，25(12):195－208.

［5］Mohan M .Is Environmental Degradation an Inevitable Consequence of Economic Growth:Tunneling through the Environmental Kuznets Curve［J］.Ecological Economics，1999，29(1):89 －109.

［6］Sigrid S.Delinking Economic Growth from Environmental Degradation?A Literature Survey on the Environmental Kuznets Curve hypothesis［R］.Working paper，1999.

［7］Marzio G，Alessandro L，F(xiàn)rancesco P.Reassessing the Environ-mental Kuznets Curve for CO2Emission:A Robustness Exercise［J］.Ecological Economics，2006，57(1):152 －163.

［8］Song Tao，Zheng Tingguo，Tong Lianjun.An Empirical Test of the Environmental KuznetsCurvein China:A PanelCointegration Approach［J］.China Economic Review，2008，19(3):381 －392.

［9］Paresh K N，Seema N.Carbon Dioxide Emissions and Economic Growth:Panel Data Evidence from Developing Countries［J］.Energy Policy，2010，38(1):661 －666.

［10］魏下海，余玲錚.空間依賴、碳排放與經(jīng)濟(jì)增長——重新解讀中國的EKC假說［J］.探索，2011，(1):100 －105.［Wei Xiahai，Yu Lingzheng.Spatial Dependence，Carbon Emission and Economic Growth:Reinterpretation of Chinese EKC Hypothesis［J］.Exploration，2011，(1):100 －105.］

［11］吳獻(xiàn)金，鄧杰.貿(mào)易自由化、經(jīng)濟(jì)增長對碳排放的影響［J］.中國人口·資源與環(huán)境，2011，21(1):43 －48.［Wu Xianjin，Deng Jie.Impact of Trade Liberalization and Economic Growth on Carbon Emission:An Empirical Study Based on Scale，Composition and Technique Effects［J］. China Population， Resources and Environment，2011，21(1):43 －48.］

［12］Chien C L，Chun P C.Energy Consumption and Economic Growth in Asian Economies:A More Comprehensive Analysis Using Panel Data［J］.Resource and Energy Economics，2008，30(1):50 －65.

［13］Ugur S，Ramazan S.Energy Consumption，Economic Growth，and Carbon Emissions:Challenges Faced by an EU Candidate Member［J］.Ecological Economics，2009，68(6):1667 －1675.

［14］Zhang Xingping，Cheng Xiaomei .Energy Consumption，Carbon Emissions，and Economic Growth in China［J］. Ecological Economics，2009，68(10):2706－2712.

［15］Stela Z T.Energy Consumption and Economic Growth:A Causality Analysis for Greece［J］.Energy Economics，2010，32(3):582 －590.

［16］Stern D.Economic Growth and Environmental Degradation:the Environmental Kuznets Curve and Sustainable Development［R］.Working Paper，World Development，1996，24(7):1151 －1160.

［17］Soumyananda D，Dipankor C，Manoranjan P.Air Quality and Economic Growth:An Empirical Study［J］.Ecological Economics，2000，34(3):409－423.

［18］Jordi R，Emilio P，Mariona F，Vittorio G.Economic Growth and Atmospheric Pollution in Spain:DiscussingtheEnvironmental Kuznets Curve Hypothesis［J］.Ecological Economics，2001，39(1):85－99.

［19］Leigh R.Economic Growth as Environmental Policy?Reconsidering the Environmental Kuznets Curve［J］.Journal of Public Policy，2004，24(3):327－348.

［20］彭水軍，包群.經(jīng)濟(jì)增長與環(huán)境污染——環(huán)境庫茲涅茨曲線假說的中國檢驗(yàn)［J］.財(cái)經(jīng)問題研究，2006，(8):3 －17.［Peng Shuijun，Bao Qun.Economic Growth and Environmental Pollution:An Empirical Test for the Environmental Kuznets Curve Hypothesis in China［J］.Research on Financial and Economic Issues，2006，(8):3 －17.］

［21］Luzzati T，Orsini M.Investigating the Energy-environmental Kuznets Curve［J］.Energy，2009，34(3):291 －300.

［22］Masaaki K，Katsumasa N，Atsuyuki O.Economic Models for the Environmental Kuznets Curve:A Survey［J］.Journal of Economic Dynamics and Control，2010，34(7):1187 －1201.

［23］Sun Bo.A Literature Survey on Environmental Kuznets Curve［J］.Energy Procedia，2011，5:1322 －1325.

［24］Beckerman W.Economic Growth and the Environment:Whose Growth?Whose Environment?［J］.World Development，1992，(20):481 －496.

［25］Bhagawati J.The Case for Free Trade［J］.Scientific American，1993，(5):42 －49.

［26］Antweiler，Werner，Brian R C ，Scott T M.Is Free Trade Good for the Environment?［J］.American Economic Review，2001，91(4):877 －908.

［27］Artur T，Juan P C，Krishna C V.Artur Tamazian，Juan Pi eiro Chousa，Krishna Chaitanya Vadlamannati［J］.Energy Policy，2009，37(1):246－253.

［28］鄭長德，劉帥.基于空間計(jì)量經(jīng)濟(jì)學(xué)的碳排放與經(jīng)濟(jì)增長分析［J］.中國人口·資源與環(huán)境，2011，21(5):80 －86.［Zheng Changde，Liu Shuai.Empirical Research on Carbon Emission and Economic Growth in China Based on the Spatial Econometric Analysis［J］.China Population，Resources and Environment，2011，21(5):80 －86.］

［29］Wei B R，Yagita H，Inaba A，Sagisaka M.Urbanization Impact on Energy Demand and CO2Emission in China［J］.Journal of Chongqing University-Eng.ED.，2003，(2):46 －50.

［30］包群，彭水軍.經(jīng)濟(jì)增長與環(huán)境污染:基于面板數(shù)據(jù)的聯(lián)立方程估計(jì)［J］.世界經(jīng)濟(jì)，2006，(11):48 －58.［Bao Qun，Peng Shuijun.Economic Growth and Environmental Pollution:An Estimation of the Panel Data［J］.Journal of World Economy，2006，(11):48 －58.］

［31］闞大學(xué)，羅良文.我國城市化對能源強(qiáng)度的影響——基于空間計(jì)量經(jīng)濟(jì)學(xué)的分析［J］.當(dāng)代財(cái)經(jīng)，2010，(3):83 －88.［Kan Daxue，Luo Liangwen.Impact of China’s Urbanization on Energy Intensity:Based on a Space Econometric Analysis［J］.Contemporary Finance ＆Economics，2010 ，(3):83 －88.］

［32］Moran P A P.Notes on Continuous Stochastic Phenomena［J］.Biometrika，1950，37，17－23.

［33］Anselin L.Spatial Econometrics:Methods and Models［M］.Dordrecht，Kluwer Academic Publishers，1988a，3 －18.

［34］Anselin L.Local Indicators of Spatial Association － LISA［J］.Geographical Analysis，1995，27(2):93－115.

［35］LeSage J P.Spatial Econometrics［M］.University of Toledo，1999.

［36］Cohen JP. Economic Benefits ofInvestments in Transport Infrastructure.International TransportForum［R］.Disscussion Paper，2007，(13):3 －23.

［37］Keller W.International Technology Spillover［R］.NBER，Working Paper，No.8573，2001，112 －122.

［38］賴明勇，張新，彭水軍，包群.經(jīng)濟(jì)增長的源泉:人力資本、研究開發(fā)與技術(shù)外溢［J］.中國社會科學(xué)，2005，(2):33－47.［Lai Mingyong，Zhang Xin，Peng Shuijun，Bao Qun.The Source of Economic Growth:Human Capital，R＆D and Technical Spillovers［J］.Social Sciences in China，2005，(2):33 －47.］

Spatial and Econometric Analysis of Spatial Dependence，Carbon Emissions and Per Capita Income

XU Hai-ping1，2
(1.School of Economy and Management in Hainan University，Haikou Hainan 570228，China;2.Institute of Economy Research in Nankai University，Tianjin 300071，China)

Based on China’s panel data of 29 provinces during 2000 －2008，this paper employs spatial econometrics to study the relationship between per capita carbon emissions and per capita income.Our estimation results indicates:First，the relationship of per capita carbon emission and per capita income show obvious spatial clustering characteristics，and the former’s spatial dependence is strengthened.Second，the relation between per capita carbon emission and per capita income appears to be an inversed U-shaped curve when per capita income reaches RMB 16 953 yuan.And we further calculate the turning point for per capita carbon emission by various provinces，finding that there is significant difference in time path of turning point for per carbon emission.The majority of provinces in the eastern region reach the turning point earlier，while the central and western regions will have a longer time to go.Third，the level of urbanization，the proportion of employment and technological advances are decisive factors in promoting the increase of per capita carbon emissions.Fourth，foreign trade reduces per capita carbon emission to a certain degree.Therefore，we put forward corresponding policies and suggestions，including vigorous promotion of low-carbon lifestyle，optimization of industrial structure，active development of lowcarbon technologies，transformation of trade structure and the policy-making of incorporating carbon emission with regional spatial dependence.

carbon emissions;per capita income;spatial econometrics model

F062.9;F061.3

A

1002－2104(2012)09－0149－09

10.3969/j.issn.1002－2104.2012.09.023

(編輯:劉照勝)