中國大陸省域人均CO2排放影響因素的空間異質性研究

盧 玉，陳曉平

(福建師范大學 數(shù)學與統(tǒng)計學院，福建 福州 350117)

0 引言

近年來，全球氣候變暖加劇，空氣污染嚴重，氣候的變化與人類的的健康息息相關[1]。CO2排放量的增加導致的環(huán)境問題已經成為人們關注的焦點。中國一直是CO2排放大國，《BP世界能源統(tǒng)計年鑒》2021年版中指出，2020年中國的CO2排放總量為99×108t，比2019年CO2排放量增加近1×108t，增長率為0.6%，在全球CO2排放中的比例為31%。中國很早就意識到環(huán)境污染日益嚴重的問題，積極推進CO2減排工作，并在2020年做出了“力爭2030年前CO2排放達到峰值，努力爭取2060年前實現(xiàn)碳中和”的承諾。CO2減排將會對各行業(yè)產生積極的影響[2，3]。各國都在積極應對CO2減排工作，中國也采取了一系列措施促進CO2減排。

目前，CO2排放的研究多涉及到清潔能源消費、工業(yè)和農業(yè)等部門的CO2減排工作、碳減排相關驅動因素研究等[4-8]。學者們關于CO2排放影響因素的研究很廣泛。例如，胡雷[9]利用對數(shù)迪氏平均指數(shù)分解方法(LMDI)研究城鎮(zhèn)化對CO2排放的影響機理，發(fā)現(xiàn)城鎮(zhèn)化導致的經濟增長是人均CO2排放增加的主要拉動因素；潘佳佳和李廉水[10]利用同樣的方法將工業(yè)CO2排放的影響因素分解為人口因素、經濟發(fā)展、能源消費結構和能源強度因素。馬曉鈺等[11]利用STIRPAT模型研究人口規(guī)模、城市化水平、年齡結構、收入水平、能源消費結構、產業(yè)結構對CO2排放的影響；陳占明等[12]利用擴展的STIRPAT模型研究人口規(guī)模、第二產業(yè)產值占比、采暖需求和城鎮(zhèn)化率對CO2排放的影響；Du等[13]將綠色技術創(chuàng)新引入CO2排放的影響因素中，結果表明綠色技術創(chuàng)新對收入水平的影響存在單一的門檻效應，人均GDP、城市化水平、產業(yè)結構、貿易開放程度和能源消費結構也對CO2排放有顯著影響；Zandi等[14]在研究貿易自由化在CO2排放中的作用時發(fā)現(xiàn)貿易自由化對環(huán)境退化有積極的影響，并導致增加環(huán)境惡化。同樣，經濟增長和能源消費也有積極的和對環(huán)境退化有重大影響。已有關于CO2排放影響因素的研究對本研究提供了啟示。

事實上，各因素對人均CO2排放分布的影響具有明顯的區(qū)域性特征。當前關于CO2排放的相關研究往往忽略了不同影響因素的空間作用尺度差異。常見的最小二乘回歸(OLS)等全局回歸模型不能測度不同區(qū)域自變量對因變量影響的差異性[15]，地理加權回歸(GWR)模型中雖然利用變系數(shù)可以展示不同區(qū)域自變量與因變量的關系變化，但所有自變量的帶寬都是相同的，這無法展示現(xiàn)實生活中各影響因素的真實空間過程[16]。而多尺度地理加權回歸(MGWR)模型彌補了以上各模型的不足，在一定程度上可以處理全局和局部的空間作用尺度問題[17]。MGWR模型通常用于研究影響因素的地理空間上的差異化特征，探究影響因素在空間上的演變[18-21]。

本研究運用多尺度地理加權回歸模型(MGWR)探究各因素對中國省域人均CO2排放的影響性質與強度，揭示影響因素在空間上作用尺度及影響效果的異質性，以便為CO2減排相關政策措施的實施提供依據(jù)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

本研究CO2的計算根據(jù)張曉梅和莊貴陽[22]計算CO2排放總量的方法得到，即將3種一次能源消費量乘以各自的CO2排放系數(shù)得到各種能源的CO2排放量，將它們加總得到CO2排放總量。根據(jù)相關研究[23，24]及數(shù)據(jù)的易獲取性，選定的解釋變量除了常見的能源強度、人均社會消費品總額、人均固定資產投資額和第三產業(yè)增加值與第二產業(yè)增加值比值(人均社會消費品總額、人均固定資產投資額都是經過以 2013年為基年的GDP平減指數(shù)調整后的數(shù)據(jù))外，本研究引入數(shù)字經濟指數(shù)和新型城鎮(zhèn)化指數(shù)作為解釋變量。

中國信息通信研究院(CNY)發(fā)布的2020年《中國數(shù)字經濟發(fā)展白皮書》中指出數(shù)字經濟的關鍵要素是數(shù)字化的知識和信息，核心驅動力是數(shù)字技術，重要載體是現(xiàn)代信息網絡，是一個將實體經濟與數(shù)字技術相融合，重構新型經濟形態(tài)的過程。據(jù)中國信息通信研究院發(fā)布的2020年《中國數(shù)字經濟發(fā)展白皮書》顯示，中國2020年數(shù)字經濟規(guī)模為39.2×1012元，比2019年增加3.3×1012元，占GDP的38.6%，增長速度高達9.7%。隨著數(shù)字經濟的快速發(fā)展，對數(shù)字經濟的測度和衡量成為學者們關心的問題。研究表明數(shù)字經濟有利于緩解環(huán)境壓力，改善環(huán)境質量[25]。Li等[26]研究發(fā)現(xiàn)CO2排放和數(shù)字經濟之間呈“倒U型”非線性關系，支持環(huán)境庫茲涅茨曲線(EKC)假說。這表明數(shù)字經濟與CO2排放間存在相關關系。因此，本研究引入數(shù)字經濟作為解釋變量探究數(shù)字經濟的發(fā)展是否可以為碳減排提供動力。

中國近年來積極探索以人為本的新型城鎮(zhèn)化形式，即“集約、高效、城鄉(xiāng)一體化、和諧、可持續(xù)”的城鎮(zhèn)化模式[27]。新型城鎮(zhèn)化對CO2排放的影響也是學者們研究的問題。Sun等[28]基于中國30個省份的面板數(shù)據(jù)建模發(fā)現(xiàn)城鎮(zhèn)化與碳排放效率呈“倒U型”關系；Shi等[29]以環(huán)境庫茲涅茨曲線為基礎分析中國32個省份碳排放與城市化率之間的三階段動態(tài)關系；楊曉軍和陳潔[30]表明城鎮(zhèn)化與CO2排放存在長期的均衡關系，城鎮(zhèn)化對CO2排放影響呈現(xiàn)地區(qū)間差異；周葵和戴小文[31]研究發(fā)現(xiàn)城市化率與碳排放之間長期存在驅動關系，城市化率的提高將引起碳排放量的增加。因此，本研究也將新型城鎮(zhèn)化作為人均CO2排放的影響因素引入，探究新型城鎮(zhèn)化對人均CO2排放的影響效果。

本研究中數(shù)字經濟指數(shù)和新型城鎮(zhèn)化指數(shù)通過借鑒前人的相關研究[32-35]構建相應的指標評價體系，利用熵值法[36]計算得到。其相應的指標評價體系如表1和表2所示。本研究相關數(shù)據(jù)來源于《中國統(tǒng)計年鑒》、各省份統(tǒng)計年鑒、互聯(lián)網發(fā)展統(tǒng)計報告、工業(yè)與信息化部發(fā)布數(shù)據(jù)等。本研究所涉及的30個省份不包括臺灣、香港、澳門和西藏地區(qū)。

表1 數(shù)字經濟指數(shù)評估體系

表2 新型城鎮(zhèn)化指數(shù)評估體系

1.2 研究方法

MGWR模型的公式如下：

(1)

式中：(ui,vi)是樣本點i的坐標；β0(ui,vi)是模型在樣本點i的截距；βbwj(ui,vi)是樣本點i在第j個變量處的回歸系數(shù)；εi是隨機誤差項[21]。MGWR模型每個變量都有不同的帶寬，可以反映不同變量在不同空間作用尺度上的回歸系數(shù)，即MGWR模型的每個回歸系數(shù)βbwj都是基于局部回歸得到的。通常來說，帶寬越大，則該變量的空間異質性越小，反之則空間異質性越大[20]。本研究使用的核函數(shù)和帶寬選擇準則分別是二次核函數(shù)和AICc準則。

MGWR模型可以看成是一個廣義可加模型，通常采用后退擬合算法擬合各個平滑項。該算法要求對所有的平滑項設定一個初始值，然后再去不斷優(yōu)化初始值，最終收斂于某個值。常用的初始化有4種：經典GWR估計、半?yún)?shù)GWR估計、最小二乘估計、初始值均設為0[19]。經典GWR模型估計收斂速度比較快，本研究選擇以經典GWR估計作為初始估計。

MGWR模型估計共有兩種準則，分別是SOC-f和SOC-RSS。在SOC-f收斂準則中，前一次回歸系數(shù)和后一次回歸系數(shù)相差最大不超過收斂值，收斂準則更加嚴格。當回歸系數(shù)估計值變化程度小于1×10-5時，認為模型擬合完成。而在SOC-RSS收斂準則中，前后兩次回歸的殘差平方和相差最大不會超過收斂值，該收斂準則較寬松。本研究選擇更嚴格的SOC-f收斂準則。MGWR模型的具體擬合過程在Yu關于該模型的文獻中有詳細論述[37]。本研究采用MGWR模型分析時并不考慮回歸系數(shù)的實際經濟意義，只考慮其相對大小的比較，所以本研究所有變量在模型擬合前均做了標準化處理。

2 模型建立與結果分析

2.1 變量的描述性統(tǒng)計

本研究利用MGWR模型對人均CO2排放影響因素的空間異質性進行分析，在建模前首先對所有變量做描述性統(tǒng)計(表3)。

表3 變量描述性統(tǒng)計表

2.2 變量多重共線性檢驗

MGWR模型對變量是否存在多重共線性要求較高，故本研究對所有解釋變量做多重共線性檢驗。一般認為，當VIF(方差膨脹因子)大于10時，變量間存在多重共線性，此時會使結果產生偏差。由表4可知，所有解釋變量的VIF都小于10，所以認為本研究選取的解釋變量不存在多重共線性。

根據(jù)《內科學》呼吸系統(tǒng)疾病教學大綱，選擇慢性阻塞性肺疾病、支氣管哮喘、胸腔積液、肺炎作為教學內容，選擇住院患者的代表性病例進行授課[3-4]。

表4 解釋變量多重共線性檢驗結果

2.3 模型結果分析

MGWR模型擬合結果的相關指標如表5所示。MGWR模型調整為0.828，表明模型擬合效果較好；模型的AICc值為281.375，殘差平方和為29.563；有效參數(shù)數(shù)量為38.261，說明該模型使用較少的參數(shù)得到了比較接近真實值的回歸結果；模型變量帶寬取值豐富，每個變量都有專屬的帶寬取值。

變量帶寬可以衡量各個過程的空間作用尺度，并反映出影響因素對人均CO2排放的差異?？臻g作用尺度越大表明該影響因素作用效果的空間異質性越小，反之，空間異質性越大。由表5可知，能源強度的空間作用尺度均為45(<50)，說明其對人均CO2排放的作用效果空間異質性較大。新型城鎮(zhèn)化指數(shù)和人均社會消費品總額的空間作用尺度都為51，這兩者作用效果的空間異質性相對來說適中，回歸系數(shù)在空間上較不平穩(wěn)。人均固定資產投資額和數(shù)字經濟指數(shù)的空間作用尺度分別為66和72，兩者的空間異質性相對來說較大。第三產業(yè)增加值與第二產業(yè)增加值比值的空間作用尺度為94，該變量對人均CO2排放作用效果的空間異質性較小，回歸系數(shù)在空間上較平穩(wěn)。

表5 MGWR模型擬合結果

2.4 影響因素的空間異質性分析

本研究采用MGWR模型對人均CO2排放及其影響因素進行回歸，各影響因素的回歸系數(shù)描述統(tǒng)計如表6所示。各影響因素對不同省人均CO2排放的影響呈現(xiàn)出特定的回歸系數(shù)，差異較大。新型城鎮(zhèn)化指數(shù)、能源強度均正向影響人均CO2排放，

表6 MGWR回歸系數(shù)統(tǒng)計描述

而其他因素對人均CO2排放的影響是雙向的。均值反映了各影響因素對人均CO2排放貢獻程度的平均指數(shù)。從回歸系數(shù)均值的正負兩方面來看，新型城鎮(zhèn)化指數(shù)、能源強度、人均社會消費品總額對人均CO2排放的影響為正，其他變量為負。從回歸系數(shù)均值的絕對值來看，能源強度對人均CO2排放的影響最大，其次是新型城鎮(zhèn)化指數(shù)，影響強度最弱的是數(shù)字經濟指數(shù)。

所有影響因素均有樣本點具有顯著性。新型城鎮(zhèn)化指數(shù)與能源強度顯著性樣本占比大于90%，在大部分范圍內顯著。人均固定資產投資額的顯著性樣本占比為70%，其在一半以上的樣本點范圍內顯著。常數(shù)項和第三產業(yè)增加值與第二產業(yè)增加值比值的顯著性樣本占比低于50%，僅有40%，說明其回歸系數(shù)顯著的樣本點范圍不足一半。數(shù)字經濟指數(shù)的顯著性樣本占比在10%，表明其回歸系數(shù)只在局部范圍內顯著。

本研究重點關注在解釋變量上顯著的樣本點，所以只繪制了影響因素回歸系數(shù)P值小于0.1的樣本點空間分布地圖(圖1)。

圖1(a)所示為數(shù)字經濟指數(shù)對人均二氧化碳排放影響的回歸系數(shù)圖。數(shù)字經濟指數(shù)對人均CO2排放有顯著的抑制作用?；貧w系數(shù)在-0.313 57～-0.262 98，只有北京、河北、寧夏這3個地區(qū)的回歸系數(shù)是顯著的。這表明，中國大部分地區(qū)數(shù)字經濟指數(shù)的提高并不會促進人均CO2排放的減少，只有極少數(shù)地區(qū)數(shù)字經濟指數(shù)的提高伴隨著人均CO2排放的減少。隨著數(shù)字經濟的發(fā)展，居民的環(huán)保意識增強，企業(yè)更加注重社會責任，更傾向于使用清潔能源和可再生能源，使用環(huán)境友好型技術，所以其對人均CO2排放的影響是負向的。表明數(shù)字經濟指數(shù)與CO2排放減少可以同時存在，實現(xiàn)共生發(fā)展。即隨著數(shù)字經濟指數(shù)的提高，人均CO2排放量減少。

圖1(b)所示為新型城鎮(zhèn)化指數(shù)對人均CO2排放影響的回歸系數(shù)圖?；貧w系數(shù)在0.213 874～1.076 215。新型城鎮(zhèn)化指數(shù)對人均CO2排放有顯著的促進作用，即在推進新型城鎮(zhèn)化的進程中，新型城鎮(zhèn)化指數(shù)的提高會促進人均CO2排放的增加?；貧w系數(shù)的高值區(qū)主要是青海、吉林、內蒙古、黑龍江、山東和江西等省份。這種現(xiàn)象可能的原因是在推進新型城鎮(zhèn)化的進程中，一些高新技術產業(yè)的發(fā)展會帶來對環(huán)境的負面影響，公眾將更多注意力放在提高新型城鎮(zhèn)化指數(shù)上，而忽略了對環(huán)境的關注，因此對人均CO2排放量的影響作用更大。低值區(qū)主要集中在一些南方省份，包括廣東、廣西、福建、江蘇等。南方省份往往更注重經濟發(fā)展，經濟發(fā)展水平高，所以其新型城鎮(zhèn)化指數(shù)較高，此時會將注意力轉移到環(huán)境身上，以求實現(xiàn)成本最小化而收益最大化，即將新型城鎮(zhèn)化指數(shù)提高的同時對環(huán)境的破壞和影響達到最小。這表明中國要實現(xiàn)新型城鎮(zhèn)化指數(shù)提高的同時減少CO2排放還需繼續(xù)努力，將關注點放在環(huán)境保護方面。

圖1(c)所示能源強度對人均CO2排放影響的回歸系數(shù)圖?；貧w系數(shù)在0.113 878～1.117 294，能源強度對人均CO2排放有顯著的正向作用，除了浙江和福建地區(qū)的回歸系數(shù)不顯著外，其余各省均是顯著的?；貧w系數(shù)最大的是北京，回歸系數(shù)為1.721 294，北京是中國的首都，經濟發(fā)展水平極高，伴隨著較高的能源消費，所以該地區(qū)能源強度對人均CO2排放的影響較大。其次是河北，回歸系數(shù)為1.108 197，河北是中國的重工業(yè)地區(qū)，環(huán)境質量較低，能源消耗較多；寧夏地區(qū)的回歸系數(shù)也較大，回歸系數(shù)為1.721 294，寧夏和河北類似，也是工業(yè)地區(qū)，所以消耗能源量較大。能源強度是單位GDP所消耗的能源，是經濟發(fā)展水平的一個衡量。能源強度越大，則代表單位GDP 所消耗的能源越多，反映了較高的經濟水平，而經濟水平的快速增長在初期往往以犧牲環(huán)境為代價，所以經常伴隨著環(huán)境的破壞。同時，大量能源的消耗，也伴隨著大量CO2的排放，所以能源強度的增加往往意味著環(huán)境質量的降低，即其會促進人均CO2排放量的增加。

圖1(d)所示人均社會消費品總額對人均CO2排放影響的回歸系數(shù)圖?；貧w系數(shù)在0.332 023～1.149 339，其對人均CO2排放量有顯著的促進作用。作用強度呈現(xiàn)由東北向北部和中西部逐漸增強的趨勢。影響強度最大的是青海，其回歸系數(shù)為1.149 339，其次是內蒙古和河北，回歸系數(shù)分別是0.940 418和0.888 627。生產與消費緊密相連，兩者相互促進，生產促進消費，消費又會反向促進生產。隨著人均社會消費品總額的提高，會促進企業(yè)加大生產，消耗更多的物質，從而導致CO2排放增加。

圖1(e)所示人均固定資產投資額對人均CO2排放影響的回歸系數(shù)圖。回歸系數(shù)在-0.818 891～0.364 118，其對人均CO2排放有顯著的雙向作用。顯著的地區(qū)主要集中在東北、南方地區(qū)和部分中部地區(qū)。人均固定資產投資的增加會促進經濟增長，進一步增加居民收入并促進技術進步，為能源消費總量的增加提供了路徑，進而為促使人均CO2排放量增長提供了基礎。同時，一些地區(qū)人均固定資產投資額的增加代表著經濟水平的提高，此時會更注重對環(huán)境的保護，有利于人均CO2排放量的減少。

圖1(f)所示為第三產業(yè)增加值與第二產業(yè)增加值比值對人均CO2排放影響的回歸系數(shù)圖?；貧w系數(shù)在-0.599 995～0.534 771，其對人均CO2排放有顯著的雙向作用，顯著的地區(qū)主要集中在東北、部分西部地區(qū)和南方地區(qū)。只有安徽、江蘇和山西3省份對人均CO2排放有促進作用，其余省份對人均CO2排放都具有抑制作用。中國正處于產業(yè)改革升級的階段，第二產業(yè)往往是重工業(yè)、制造業(yè)等，會導致環(huán)境惡化和人均CO2排放增多，第三產業(yè)更多的是服務業(yè)。近年來中國在加快轉變產業(yè)結構，目的就是改善環(huán)境質量，減少CO2排放，減少溫室效應。

3 結論與討論

本研究的結論如下：(1)MGWR模型具有較好的擬合效果，調整為0.828。(2)MGWR模型得到的影響因素空間作用尺度表明：第三產業(yè)增加值與第二產業(yè)增加值比值的空間作用尺度最大，其次是數(shù)字經濟指數(shù)、人均固定資產投資額、新型城鎮(zhèn)化指數(shù)和人均社會消費品總額，能源強度空間作用尺度具有很大的局限性。在本研究中，以上各影響因素的作用尺度分別為94、72、66、51、51和45。(3)MGWR模型得到的各因素對人均CO2排放的影響效果方面，能源強度是影響人均CO2排放的最主要因素，其次是新型城鎮(zhèn)化指數(shù)。人均社會消費品總額影響較大，人均固定資產投資額和第三產業(yè)增加值與第二產業(yè)增加值比值對于人均CO2排放的影響較小，而數(shù)字經濟影響最弱。(4)MGWR模型得到的各影響因素回歸系數(shù)表明各因素都對地區(qū)人均CO2排放的影響效果存在著空間異質性。其中新型城鎮(zhèn)化指數(shù)和能源強度都為正向作用，兩者顯著的樣本點均占93.33%，數(shù)字經濟指數(shù)、人均社會消費品總額、人均固定資產投資額、第三產業(yè)增加值與第二產業(yè)增加值比值既存在正向作用也存在負向作用，在空間上呈現(xiàn)兩極分化，顯著的樣本點占比分別為10%、26.67%、70%和40%。其中數(shù)字經濟指數(shù)顯著的樣本點中都對人均CO2排放呈現(xiàn)負向作用；人均社會消費品總額顯著的樣本點中都對人均CO2排放呈現(xiàn)正向作用；人均固定資產投資額顯著的樣本點中對人均CO2排放呈現(xiàn)雙向作用；第三產業(yè)增加值與第二產業(yè)增加值比值顯著的樣本點中對人均CO2排放呈現(xiàn)雙向作用。

根據(jù)中國省域人均CO2排放影響因素的空間異質性，各地區(qū)可因地制宜，制定有針對性的策略促進CO2減排工作進程。數(shù)字經濟指數(shù)對人均CO2排放具有顯著的抑制作用，這與前人相關研究中數(shù)字經濟可以改善環(huán)境質量的結論是一致的[25]。各地區(qū)應加快提高數(shù)字經濟指數(shù)，以此來促進CO2減排工作的進程。新型城鎮(zhèn)化指數(shù)對人均CO2排放顯著的促進作用，這與前人相關研究中城鎮(zhèn)化率促進CO2排放的結論也相一致[30，31]。在當前階段，各地區(qū)在加快促進新型城鎮(zhèn)化進程中，要注重對環(huán)境的影響，不可以犧牲環(huán)境為代價換來新型城鎮(zhèn)化水平的提高。能源強度對人均CO2排放具有顯著的促進作用，要使用清潔能源，節(jié)約使用不可再生能源。人均社會消費品總額對人均CO2排放具有顯著的促進作用，公眾應減少不必要的消費，這將有助于促進CO2減排；人均固定資產投資額、第三產業(yè)增加值與第二產業(yè)增加值比值均對人均CO2排放具有顯著的雙向作用，各地區(qū)應根據(jù)實際情況采取相應的措施，以此緩解CO2排放增加的情況，加大對環(huán)境保護的投資，加快轉變產業(yè)結構，對重工業(yè)地區(qū)加大環(huán)保力度。