基于時空地理加權(quán)回歸模型的中國碳排放驅(qū)動因素實證研究

肖宏偉，易丹輝

（1．國家信息中心 經(jīng)濟預(yù)測部，北京100045；2．中國人民大學(xué) 統(tǒng)計學(xué)院，北京100872）

一、引 言

近年來，中國工業(yè)化、城鎮(zhèn)化進程的加快，中國經(jīng)濟發(fā)展迅速，但是環(huán)境污染問題日益嚴峻。2013年初，突如其來的霧霾籠罩了中國華北、東北、西部和江南部分城市，尤其是長三角、珠三角和京、津、冀、魯?shù)葏^(qū)域，大氣污染十分嚴重，給工業(yè)生產(chǎn)、交通運輸和人們健康帶來了較大影響。嚴重的霧霾天氣再度警示中國氣候變化加劇，其中人類活動導(dǎo)致的二氧化碳排放增加是氣候變化最主要的影響因素，因此，控制二氧化碳排放勢在必行。研究碳排放增長的驅(qū)動因素成為了近年來學(xué)術(shù)界的熱點，在碳排放影響因素的研究中，已有大量文獻對其進行了研究。隨著空間計量經(jīng)濟學(xué)的發(fā)展，在中國碳排放領(lǐng)域亦引起了一定的關(guān)注，國內(nèi)學(xué)者開始運用空間計量模型對中國碳排放進行研究，如朱平輝等運用空間面板模型對中國區(qū)域或者工業(yè)環(huán)境庫茲涅茨曲線進行分析［1－5］。由于中國地域廣闊，區(qū)域之間存在顯著差異，同樣的政策對于不同區(qū)域的影響效果亦存在差異，即碳排放驅(qū)動因素存在空間異質(zhì)性。在對空間異質(zhì)性的研究中，目前用得最多的是地理加權(quán)回歸模型，Brunsdon等提出了地理加權(quán)回歸模型，由于其能刻畫不同空間位置的變異性，目前得到廣泛的應(yīng)用，尤其在房地產(chǎn)領(lǐng)域應(yīng)用比較多［6－9］。在中國碳排放領(lǐng)域，宋幫英等人對中國省域碳排放量與經(jīng)濟發(fā)展進行了實證研究，通過地理加權(quán)回歸模型（GWR）引入空間效應(yīng)，結(jié)果顯示，地理加權(quán)回歸模型相比最小二乘回歸模型具有明顯的優(yōu)勢，影響碳排放量各驅(qū)動因素在省級區(qū)域空間上存在顯著差異。經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)與碳排放量在省級區(qū)域空間上均呈正相關(guān)，人口、外商直接投資與碳排放量在各省級區(qū)域上既有負相關(guān)也有正相關(guān)，能源價格與碳排放量之間關(guān)系不顯著［10］。由于地理加權(quán)回歸模型為截面數(shù)據(jù)的回歸，得出能源價格上漲導(dǎo)致碳排放增加與現(xiàn)實不符的結(jié)論。Gelfand等則在地理加權(quán)回歸模型的基礎(chǔ)上加入了時間效應(yīng)，從而在時間和空間兩個維度上對不同空間單元的參數(shù)變異進行捕捉［11－13］。時空地理加權(quán)回歸模型目前應(yīng)用較少，從已有文獻來看，主要應(yīng)用在房地產(chǎn)領(lǐng)域?；跁r空地理加權(quán)回歸模型的中國碳排放實證研究還未出現(xiàn)。本文運用時空地理加權(quán)回歸模型（GTWR）對碳排放空間異質(zhì)性進行研究，將時間維度引入地理加權(quán)回歸模型，從時空角度對碳排放各驅(qū)動因素的不同影響程度進行分析，使得估計更加有效，從而挖掘出影響區(qū)域碳排放增長的驅(qū)動因素，進而有針對性地制定差異化區(qū)域碳減排政策。

二、時空地理加權(quán)回歸模型

在對空間異質(zhì)性的研究中，目前用得最多的是地理加權(quán)回歸模型，但是地理加權(quán)回歸模型所用的數(shù)據(jù)為截面數(shù)據(jù)，在實證研究過程中，為了減少截面數(shù)據(jù)部分指標波動異常，通常采用同一指標多年數(shù)據(jù)的平均值來建立地理加權(quán)回歸模型。地理加權(quán)回歸模型雖然考慮了空間效應(yīng)和空間異質(zhì)性，但是由于截面數(shù)據(jù)樣本量有限，在實際應(yīng)用過程中存在一些問題。如解釋變量過多時，要考慮解釋變量及其空間外溢效應(yīng)在不同空間地理位置的異質(zhì)性，建立包含解釋變量空間滯后項的地理加權(quán)回歸模型，由于參數(shù)過度，導(dǎo)致不能估計模型參數(shù)。時空地理加權(quán)回歸模型則可以解決地理加權(quán)回歸模型中存在的上述問題，將時間維度引入到地理加權(quán)回歸模型，使得估計更加有效。從理論和實證的角度來看，時空地理加權(quán)回歸模型的優(yōu)勢更加明顯，將其引入碳排放空間計量研究，為空間異質(zhì)性檢驗提供了新的方法。

考慮解釋變量在不同空間地理位置的異質(zhì)性，可以建立時空地理加權(quán)回歸模型（GTWR）如下：

為了分析解釋變量及其空間外溢效應(yīng)在不同空間地理位置的異質(zhì)性，建立包含解釋變量空間滯后項的時空地理加權(quán)回歸模型（GTWR）如下：

時空距離dijST為：

其中（ui，vi）為中國30個省份（因西藏數(shù)據(jù)缺失，不包括在內(nèi)）的經(jīng)度、維度，bST為時空權(quán)函數(shù)的帶寬，通過交叉驗證確定最優(yōu)帶寬。

Dietz等建立了STIRPAT（stochastic impacts by regression on population，affluence and technology）模型［14－15］。本文對STIRPAT模型進行擴展，將城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)、能源消費結(jié)構(gòu)、能源價格、對外開放水平分別引入模型，擴展后的STIRPAT模型表達形式如式（5）、式（6）：

其中CS為碳排放規(guī)模，單位為萬噸碳，CI為碳排放強度，單位為噸碳／萬元。P為人口因素，單位為萬人；UR為城鎮(zhèn)化率，用城鎮(zhèn)人口比重表示，單位為%；GDPPC為經(jīng)濟發(fā)展水平，用人均GDP表示，單位為元／人；EI為能源強度，即技術(shù)因素，用單位GDP能耗表示，單位為噸標準煤／萬元；IS為產(chǎn)業(yè)結(jié)構(gòu)，用第二產(chǎn)業(yè)生產(chǎn)總值占地區(qū)生產(chǎn)總值的比重表示，單位為%；ECS為能源消費結(jié)構(gòu)，用煤炭消費量占能源消費總量比重表示，單位為%；EP為能源價格，用各地區(qū)工業(yè)品出廠價格指數(shù)表示；OPEN為對外開放水平，用各地區(qū)外商投資企業(yè)年底注冊登記情況（投資總額）表示，單位為億美元。

為了研究人口規(guī)模、城鎮(zhèn)化率、人均GDP、能源強度、產(chǎn)業(yè)結(jié)構(gòu)、能源消費結(jié)構(gòu)、能源價格、對外開放水平及其空間外溢效應(yīng)在不同區(qū)域的異質(zhì)性，建立包含解釋變量空間滯后項的時空地理加權(quán)回歸模型（GTWR）。以碳排放規(guī)模的自然對數(shù)Ln（CS）和以碳排放強度的自然對數(shù)Ln（CI）為被解釋變量，包含解釋變量空間滯后項的時空地理加權(quán)回歸模型如式（7）、式（8）：

三、區(qū)域碳排放時空加權(quán)回歸模型分析

由于人口規(guī)模、城鎮(zhèn)化率、人均GDP、能源強度、產(chǎn)業(yè)結(jié)構(gòu)、能源消費結(jié)構(gòu)、能源價格、對外開放水平對碳排放規(guī)模和碳排放強度的貢獻不同，而且不同驅(qū)動因素的空間外溢作用差異大，為進一步研究各驅(qū)動因素及其外溢效應(yīng)在不同區(qū)域的異質(zhì)性，需要運用時空加權(quán)回歸模型（GTWR）對不同時間各區(qū)域碳排放影響因素進行測度。以碳排放規(guī)模為例，從圖1、圖2可以看出，碳排放規(guī)模呈現(xiàn)出不均衡分布的時空差異，碳排放具有時空非平穩(wěn)性。因此，要深入研究碳排放驅(qū)動因素的時空動態(tài)變化規(guī)律，需要運用時空地理加權(quán)回歸模型（GTWR）來測度其時空動態(tài)差異。

基于2006－2011年省級區(qū)域面板數(shù)據(jù)，運用時空加權(quán)回歸模型（GTWR）對不同時間各區(qū)域碳排放影響因素參數(shù)進行估計，以碳排放規(guī)模的自然對數(shù)ln（CS）為被解釋變量的時空地理加權(quán)回歸模型，其碳排放規(guī)模影響因素參數(shù)估計結(jié)果描述如表1所示。以碳排放強度的自然對數(shù)ln（CI）為被解釋變量時空地理加權(quán)回歸模型，其碳排放強度影響因素參數(shù)估計結(jié)果描述統(tǒng)計如表2所示。

圖1 2006年碳排放規(guī)模地區(qū)差異（單位：萬噸）

圖2 2011年碳排放規(guī)模地區(qū)差異（單位：萬噸）

表1 以碳排放規(guī)模的自然對數(shù)ln（CS）為被解釋變量的GTWR參數(shù)估計描述統(tǒng)計（最優(yōu)帶寬＝1．179 8）

在進行GTWR分析之前，先要確定最優(yōu)帶寬，根據(jù)高斯函數(shù)法的時空權(quán)函數(shù)得出，以碳排放規(guī)模的自然對數(shù)ln（CS）和碳排放強度的自然對數(shù)ln（CI）為被解釋變量的GTWR模型最優(yōu)帶寬分別為1．179 8和1．179 4。從描述統(tǒng)計結(jié)果來看，人口規(guī)模、城鎮(zhèn)化率、人均GDP、能源強度、產(chǎn)業(yè)結(jié)構(gòu)、能源消費結(jié)構(gòu)、能源價格、對外開放水平及其空間滯后變量的各個系數(shù)變異較大，說明在研究區(qū)域碳排放規(guī)模和碳排放強度時，各個省域碳排放驅(qū)動因素均有較大差異，需要從局部考慮區(qū)域碳排放規(guī)模和碳排放強度中的時空異質(zhì)性，GTWR把時間和空間差異同時考慮，具有明顯的優(yōu)勢。限于篇幅，各驅(qū)動因素及其外溢效應(yīng)在不同區(qū)域的參數(shù)估計結(jié)果不一一列出，感興趣的讀者可以和筆者聯(lián)系。

表2 以碳排放強度的自然對數(shù)ln（CI）為被解釋變量的GTWR參數(shù)估計描述統(tǒng)計（最優(yōu)帶寬＝1．179 4）

從以碳排放規(guī)模的自然對數(shù)ln（CS）和碳排放強度的自然對數(shù)ln（CI）為被解釋變量的時空地理加權(quán)回歸分析結(jié)果來看，大部分解釋變量的時空系數(shù)估計值顯著，且系數(shù)的符號與預(yù)期一致。下文將基于時空地理加權(quán)回歸模型的估計結(jié)果，討論區(qū)域碳排放的影響因素對碳排放影響的空間差異。

1．人口規(guī)模對碳排放影響的時空變異。ln（P）估計系數(shù)反映了不同區(qū)域人口規(guī)模對本區(qū)域碳排放增長貢獻和鄰近省域人口規(guī)模外溢效應(yīng)之和。整體看來，人口規(guī)模及外溢效應(yīng)對本區(qū)域碳排放規(guī)模擴大和碳排放強度減少的影響從東到西遞減，呈現(xiàn)出一定的梯度分布。在以碳排放規(guī)模的自然對數(shù)ln（CS）為被解釋變量的時空地理加權(quán)回歸模型中人口規(guī)模ln（P）估計系數(shù)除新疆地區(qū)外，其他地區(qū)均顯著為正，在以碳排放強度的自然對數(shù)ln（CI）為被解釋變量的時空地理加權(quán)回歸模型中人口規(guī)模ln（P）估計系數(shù)大部分地區(qū)顯著為負。人口規(guī)模空間滯后W＊ln（P）估計系數(shù)反映了本區(qū)域人口規(guī)模對本區(qū)域碳排放增長的影響，依然表現(xiàn)出一定的空間梯度分布，東部發(fā)達地區(qū)和西部經(jīng)濟發(fā)展水平低的地區(qū)人口規(guī)模對碳排放增長影響大。

2．城鎮(zhèn)化率對碳排放影響的時空變異。ln（CS）估計系數(shù)反映了不同區(qū)域城鎮(zhèn)化率對本區(qū)域碳排放增長貢獻和鄰近省域城鎮(zhèn)化率外溢效應(yīng)之和。整體看來，城鎮(zhèn)化率及外溢效應(yīng)對本區(qū)域碳排放擴大主要集中在東部和中部，而城鎮(zhèn)化率及外溢效應(yīng)對本區(qū)域碳排放規(guī)模減少主要集中在西部地區(qū)，北京、上海、江蘇等地人口規(guī)模及外溢效應(yīng)對其碳排放強度增加影響大，呈現(xiàn)出一定的梯度分布。城鎮(zhèn)化率空間滯后W＊ln（CS）估計系數(shù)反映了本區(qū)域城鎮(zhèn)化率對本區(qū)域碳排放增長的影響，不同區(qū)域間存在著顯著的空間差異。其中北京、天津、河北、上海、江蘇、浙江等東部地區(qū)的估計系數(shù)為負，說明東部地區(qū)城鎮(zhèn)化率已經(jīng)很高，加上這些地區(qū)主要是以第三產(chǎn)業(yè)服務(wù)業(yè)為主，在加快轉(zhuǎn)變經(jīng)濟發(fā)展方式的背景下，其碳排放規(guī)模不會隨著城鎮(zhèn)化水平的提高而增加，相反會隨著能源消費結(jié)構(gòu)的優(yōu)化和能源利用效率的提高而減少，東部發(fā)達地區(qū)和西部經(jīng)濟發(fā)展水平低的地區(qū)城鎮(zhèn)化率對碳排放強度減少有促進作用。內(nèi)蒙古、黑龍江、江西、湖北、湖南、陜西等地的估計系數(shù)為正，說明這些以工業(yè)為主導(dǎo)產(chǎn)業(yè)的中西部地區(qū)，在城鎮(zhèn)化率提高的背景下，大部分就業(yè)勞動力轉(zhuǎn)移到工業(yè)產(chǎn)業(yè)中，引起碳排放規(guī)模的增加。

3．經(jīng)濟發(fā)展對碳排放影響的時空變異。ln（GDPPC）估計系數(shù)反映了不同區(qū)域經(jīng)濟發(fā)展對本區(qū)域碳排放增長貢獻和鄰近省域經(jīng)濟發(fā)展外溢效應(yīng)之和。整體看來，經(jīng)濟發(fā)展及外溢效應(yīng)對本區(qū)域碳排放增加主要集中在東部和北部，呈現(xiàn)出一定的梯度分布。經(jīng)濟發(fā)展空間滯后W＊ln（GDPPC）估計系數(shù)反映了本區(qū)域經(jīng)濟發(fā)展對本區(qū)域碳排放規(guī)模增長的影響，不同區(qū)域間存在著顯著的空間差異，其中廣西、貴州、云南、陜西等西部地區(qū)的估計系數(shù)較高，說明經(jīng)濟發(fā)展是影響碳排放最主要的因素。東部發(fā)達地區(qū)和西部經(jīng)濟發(fā)展水平低的地區(qū)對碳排放強度增加有較大影響，尤其是西部地區(qū)隨著工業(yè)化進程的加快，碳排放規(guī)模明顯偏高，其區(qū)域經(jīng)濟發(fā)展方式有待優(yōu)化。

4．能源強度對碳排放影響的時空變異。ln（EI）估計系數(shù)反映了不同區(qū)域技術(shù)進步對本區(qū)域碳排放增長貢獻和鄰近省域技術(shù)進步外溢效應(yīng)之和。技術(shù)進步及外溢效應(yīng)對本區(qū)域碳排放規(guī)模影響較大的省份有浙江、福建、湖北、四川、云南、青海等地。上海、江蘇、浙江、安徽、福建、江西、湖北、湖南、廣東、廣西、四川、貴州等地技術(shù)進步及外溢效應(yīng)對其碳排放強度減少影響大。整體看來，技術(shù)進步及外溢效應(yīng)對本區(qū)域碳排放增加主要集中在中部和西部，呈現(xiàn)梯度分布。技術(shù)進步空間滯后W＊ln（EI）估計系數(shù)反映了本區(qū)域技術(shù)進步對本區(qū)域碳排放增長的影響，不同區(qū)域間存在著顯著的空間差異，其中北京、天津、河北、山西等東部地區(qū)的估計系數(shù)較高，說明技術(shù)進步是影響碳排放規(guī)模較為關(guān)鍵的因素，尤其是東部地區(qū)隨著城鎮(zhèn)化進程的加快，碳排放規(guī)模明顯偏大，其能源效率亟待提高。

5．產(chǎn)業(yè)結(jié)構(gòu)對碳排放影響的時空變異。ln（IS）估計系數(shù)反映了不同區(qū)域產(chǎn)業(yè)結(jié)構(gòu)對本區(qū)域碳排放增長貢獻和鄰近省域產(chǎn)業(yè)結(jié)構(gòu)外溢效應(yīng)之和。產(chǎn)業(yè)結(jié)構(gòu)及外溢效應(yīng)對本區(qū)域碳排放影響較大的省份有北京、內(nèi)蒙古、吉林、黑龍江、甘肅等地。整體看來，產(chǎn)業(yè)結(jié)構(gòu)及外溢效應(yīng)對本區(qū)域碳排放規(guī)模擴大主要集中在東北部，呈現(xiàn)出一定的梯度分布。產(chǎn)業(yè)結(jié)構(gòu)空間滯后W＊ln（IS）估計系數(shù)反映了本區(qū)域產(chǎn)業(yè)結(jié)構(gòu)對本區(qū)域碳排放增長的影響，不同區(qū)域間存在著顯著的空間差異，其中河北、山西、上海、江蘇等東部地區(qū)的估計系數(shù)較高，說明產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化是降低碳排放規(guī)模的關(guān)鍵因素，尤其是東部地區(qū)隨著工業(yè)化進程的加快，碳排放規(guī)模明顯偏高，其產(chǎn)業(yè)結(jié)構(gòu)亟待優(yōu)化。

6．能源消費結(jié)構(gòu)對碳排放影響的時空變異。ln（ECS）估計系數(shù)反映了不同區(qū)域能源消費結(jié)構(gòu)對本區(qū)域碳排放增長貢獻和鄰近省域能源消費結(jié)構(gòu)外溢效應(yīng)之和。能源消費結(jié)構(gòu)及外溢效應(yīng)對本區(qū)域碳排放影響較大的省份有北京、天津、河北、山西等地。整體看來，能源消費結(jié)構(gòu)及外溢效應(yīng)對本區(qū)域碳排放影響大的區(qū)域主要集中在東部，呈現(xiàn)出一定的梯度分布。能源消費結(jié)構(gòu)空間滯后 W＊ln（ECS）估計系數(shù)反映了本區(qū)域能源消費結(jié)構(gòu)對本區(qū)域碳排放增長的影響，不同區(qū)域間存在著顯著的空間差異。上海、江蘇、浙江、安徽等東部地區(qū)的估計系數(shù)較高，說明能源消費結(jié)構(gòu)優(yōu)化是降低碳排放規(guī)模的關(guān)鍵因素，尤其是東部地區(qū)隨著工業(yè)化進程的加快，碳排放規(guī)模明顯偏高，其能源消費結(jié)構(gòu)急需優(yōu)化。

7．能源價格對碳排放影響的時空變異。ln（EP）估計系數(shù)反映了不同區(qū)域能源價格對本區(qū)域碳排放增長貢獻和鄰近省域能源價格外溢效應(yīng)之和。整體看來，能源價格及外溢效應(yīng)對本區(qū)域碳排放強度減少的影響呈現(xiàn)出一定的梯度分布，其中對本區(qū)域碳排放規(guī)模影響較大的省份有上海、江蘇、浙江、安徽等地。上海、江蘇、浙江、安徽、湖北等地能源價格及外溢效應(yīng)對其碳排放強度減少影響大。能源價格空間滯后 W＊ln（EP）估計系數(shù)反映了本區(qū)域能源價格對本區(qū)域碳排放增長的影響，不同區(qū)域間存在著顯著的空間差異，大部分地區(qū)系數(shù)為負，與實際相符，說明適當對能源價格進行調(diào)控有利于區(qū)域碳減排。

8．對外開放對碳排放影響的時空變異。ln（OPEN）估計系數(shù)反映了不同區(qū)域?qū)ν忾_放對本區(qū)域碳排放增長貢獻和鄰近省域?qū)ν忾_放外溢效應(yīng)之和。整體看來，對外開放及外溢效應(yīng)對本區(qū)域碳排放規(guī)模影響大的區(qū)域主要集中在西部，呈現(xiàn)出一定的梯度分布，上海、江蘇、浙江、安徽、山東、河南、湖北、海南等地對外開放及外溢效應(yīng)對其碳排放強度減少有促進作用。對外開放空間滯后 W＊ln（OPEN）估計系數(shù)反映了本區(qū)域?qū)ν忾_放對本區(qū)域碳排放增長的影響，不同區(qū)域間存在著顯著的空間差異，河北、山西、河南等地區(qū)的系數(shù)顯著為正，說明外商投資越多，碳排放規(guī)模越大，原因是這些地區(qū)外商主要投資于第二產(chǎn)業(yè)，需要對外商投資結(jié)構(gòu)進行優(yōu)化，達到經(jīng)濟增長與碳減排共贏。遼寧、廣東等地區(qū)系數(shù)為負，說明這些地區(qū)在外商投資方面加大了審查力度，實現(xiàn)了經(jīng)濟與環(huán)境雙贏，外商投資越多，越有利于中國碳減排。

四、結(jié)論與政策建議

本文將時空地理加權(quán)回歸模型（GTWR）引入碳排放空間計量研究，為空間異質(zhì)性檢驗提供了新的方法。利用2006—2011年中國省級面板數(shù)據(jù)，運用時空地理加權(quán)回歸模型（GTWR）對擴展的STIRPAT模型進行了估計，證實了碳排放驅(qū)動因素及其外溢效應(yīng)在不同區(qū)域之間存在空間異質(zhì)性，實證考察了各驅(qū)動因素對碳排放規(guī)模和碳排放強度影響的時空差異。研究顯示：無論是從以碳排放規(guī)模的自然對數(shù)ln（CS），還是從以碳排放強度的自然對數(shù)ln（CI）為被解釋變量的時空地理加權(quán)回歸模型碳排放強度影響因素參數(shù)估計來看，各個參數(shù)的波動性較為穩(wěn)定，大部分解釋變量的時空系數(shù)估計值顯著，且系數(shù)的符號與預(yù)期一致，說明運用GTWR把時間和空間差異同時考慮具有明顯的優(yōu)勢。從各驅(qū)動因素對碳排放影響作用大小和外溢效應(yīng)可以看出，要想實現(xiàn)區(qū)域差異化碳減排，需要充分考慮空間異質(zhì)性和外溢性。現(xiàn)對區(qū)域碳減排的實施過程提出如下建議：

第一，逐步提高碳排放約束水平，針對不同區(qū)域?qū)嵤┛偭靠刂品绞铰鋵嵐?jié)能減排。中國在哥本哈根會議上承諾到2020年實現(xiàn)單位GDP碳排放量較2005年降低40%～50%的減排目標?！笆濉币?guī)劃中提出要實現(xiàn)單位GDP能耗和二氧化碳排放分別下降16%和17%。在社會經(jīng)濟發(fā)展速度、行業(yè)經(jīng)濟增長等其他指標約束下，區(qū)域?qū)用鎸嵤┨寂欧趴偭靠刂瞥蔀樘紲p排的第一要務(wù)。因此需加強對區(qū)域碳排放的有效規(guī)劃，加大碳排放的約束力度。

第二，穩(wěn)步推進城鎮(zhèn)化發(fā)展，防止區(qū)域間同質(zhì)化競爭而導(dǎo)致碳排放增加。雖然中國城鎮(zhèn)化進程取得了一定的成績，但是區(qū)域間的城鎮(zhèn)化進程差異大，不少區(qū)域相繼加速發(fā)展，已經(jīng)出現(xiàn)同質(zhì)化競爭的現(xiàn)象。區(qū)域間城鎮(zhèn)化進程的同質(zhì)化競爭導(dǎo)致部分城市為了追求城鎮(zhèn)化水平的提高，以“攤大餅”式的粗放型發(fā)展模式擴大城鎮(zhèn)規(guī)模，因此需要根據(jù)不同城鎮(zhèn)的環(huán)境自凈能力合理規(guī)劃布局，將城市規(guī)?？刂圃谏鷳B(tài)臨界規(guī)模以下，提高資源配置效率，進而降低資源消耗和提高環(huán)境的承載能力。

第三，調(diào)整能源消費結(jié)構(gòu)，轉(zhuǎn)變經(jīng)濟發(fā)展方式，堅持走低碳發(fā)展之路。目前中國經(jīng)濟的快速發(fā)展是碳排放增長的主導(dǎo)因素，在經(jīng)濟發(fā)展到一定階段，經(jīng)濟發(fā)展與碳排放保持著高度的相關(guān)性，經(jīng)濟快速發(fā)展引起的碳排放上升在一定程度是難以避免的。因此，中國目前碳減排不能寄希望于控制經(jīng)濟發(fā)展規(guī)模。在既要保持國民經(jīng)濟又好又快地發(fā)展，又要減緩碳排放的雙重挑戰(zhàn)下，根本出路在于調(diào)整能源消費結(jié)構(gòu)，轉(zhuǎn)變經(jīng)濟發(fā)展方式，堅持走低碳發(fā)展之路，減緩由于區(qū)域經(jīng)濟發(fā)展水平快速增長引起的碳排放增長。

第四，完善能源價格形成機制，適當運用價格杠桿作用控制碳排放。大部分區(qū)域能源價格的上漲有助于碳排放的減少，雖然能源價格的變化對碳排放的減少作用小，但是意義重大。繼續(xù)完善能源價格機制，逐步形成發(fā)電和售電價格由市場決定、輸配電價由政府制定的電價機制。建立反映資源稀缺性程度和市場供求關(guān)系的天然氣價格形成機制，運用價格杠桿作用控制日益緊張的能源消費量和日趨增長的碳排放量。

第五，充分發(fā)揮空間溢出效應(yīng)，通過區(qū)域示范效應(yīng)引導(dǎo)區(qū)域碳減排?？臻g溢出效應(yīng)主要通過被解釋變量和解釋變量的空間滯后項進行傳遞，人口規(guī)模、城鎮(zhèn)化率、人均GDP、能源強度、產(chǎn)業(yè)結(jié)構(gòu)、能源消費結(jié)構(gòu)、能源價格、對外開放水平直接效應(yīng)與間接效應(yīng)的比例差異較大。要想實現(xiàn)碳減排，需要充分考慮空間異質(zhì)性和外溢性，需要在區(qū)域差異化碳排放的基礎(chǔ)上，穩(wěn)步推進東部發(fā)達地區(qū)和西部經(jīng)濟發(fā)展水平低的地區(qū)城鎮(zhèn)化進程，加大東部地區(qū)技術(shù)創(chuàng)新的步伐，優(yōu)化東部地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級和能源消費結(jié)構(gòu)，適度提高西部地區(qū)能源價格來控制碳排放的快速增長。在擴大對外開放的同時，加大遼寧、廣東等地區(qū)對外商投資的甄別，實現(xiàn)區(qū)域經(jīng)濟發(fā)展與碳減排的雙贏。

［1］ 朱平輝，袁加軍，曾五一．中國工業(yè)環(huán)境庫茲涅茨曲線分析——基于空間面板模型的經(jīng)驗研究［J］．中國工業(yè)經(jīng)濟，2010（6）．

［2］ 姚奕，倪勤．中國地區(qū)碳強度與FDI的空間計量分析——基于空間面板模型的實證研究［J］．經(jīng)濟地理，2011（9）．

［3］ 鄭周勝，黃慧婷．地方政府行為與環(huán)境污染的空間面板分析［J］．統(tǒng)計與信息論壇，2011（10）．

［4］ 陳德湖，張津．中國碳排放的環(huán)境庫茲涅茨曲線分析——基于空間面板模型的實證研究［J］．統(tǒng)計與信息論壇，2012（5）．

［5］ 肖宏偉，易丹輝．中國區(qū)域工業(yè)碳排放空間計量研究［J］．山西財經(jīng)大學(xué)學(xué)報，2013（8）．

［6］ Brunsdon C，F(xiàn)otheringham A S，Charlton M E．Geographically Weighted Regression：A Method for Exploring Spatial Nonstationarity［J］．Geographical Analysis，1996，28（4）．

［7］ Brunsdon C，F(xiàn)otheringham A S，Charlton M．Some Notes on Parametric Significance Tests for Geographically Weighted Regression［J］．Journal of Regional Science，1999，39（3）．

［8］ Stewart Fotheringham A，Charlton M，Brunsdon C．The Geography of Parameter Space：An Investigation of Spatial Nonstationarity［J］．International Journal of Geographical Information Systems，1996，10（5）．

［9］ Fotheringham A S，Brunsdon C，Charlton M．Geographically Weighted Regression［M］．New York：Wiley，2002．

［10］宋幫英，蘇方林．中國省域碳排放量與經(jīng)濟發(fā)展的GWR實證研究［J］．財經(jīng)科學(xué)，2010（4）．

［11］Gelfand A E，Kim H J，Sirmans C F，et al．Spatial Modeling with Spatially Varying Coefficient Processes［J］．Journal of the American Statistical Association，2003，98（462）．

［12］Huang B，Zhang L，Wu B．Spatiotemporal Analysis of Rural－urban Land Conversion［J］．International Journal of Geographical Information Science，2009，23（3）．

［13］Huang B，Wu B，Barry M．Geographically and Temporally Weighted Regression for Modeling Spatio－temporal Variation in House Prices［J］．International Journal of Geographical Information Science，2010，24（3）．

［14］Dietz T，Rosa E A．Rethinking the Environmental Impacts of Population，Affluence and Technology［J］．Human Ecology Review，1994（1）．

［15］Dietz T，Rosa E A．Effects of Population and Affluence on CO2Emissions［J］．Proceedings of the National Academy of Sciences，1997，94（1）．