吴雅琼，彭志胜，马青珺

(安徽建筑大学 经济与管理学院，安徽 合肥 230601)

一、引言

全球气候变暖已成为人类面临的重大生存威胁[1]，二氧化碳等温室气体无节制排放是气候变暖的主要原因。为遏制全球气候变暖，世界各国开始就气候问题进行谈判，达成《联合国气候变化框架公约》《京都议定书》《巴黎协定》等一系列协议。2020 年9 月，习近平主席在第七十五届联合国大会一般性辩论中宣布中国二氧化碳排放量力争于2030 年前达到峰值，努力争取于2060 年前实现碳中和，为我国低碳经济发展指明了方向。

长三角地区是我国第一大经济区，也是综合实力最强的经济中心。随着长三角区域一体化程度的加深，经济、技术、人才等要素进一步集聚，大量资源的投入推动了经济快速发展，但也带来了严重的环境污染和较高的碳排放问题。研究长三角碳排放强度影响因素对推动长三角地区低碳经济发展及实现碳达峰和碳中和战略目标具有较强的现实意义。

近年来，学者们对碳排放强度的影响因素进行了大量研究，成果丰硕。国外学者TIMILSINA G R等利用指数分解法研究了1980—2005 年拉丁美洲与加勒比海地区20 个国家交通部门碳排放强度的影响因素，结果显示，经济增长、碳排放系数和能源强度对碳排放强度影响最大[2]。DAVIDSDOTTIR等利用1980—2000年美国本土48个州的面板数据研究碳排放强度与经济发展的关系，结果发现碳排放强度与美国各州经济呈显著的双向关系，并提出发展经济的同时应采取针对性措施降低碳排放强度[3]。

国内学者张友国基于投入产出结构分解法发现，1987—2007 年经济发展方式变化使中国碳排放强度下降了66.02%，其中生产部门能源强度降低是碳排放强度下降的最重要因素[4]。刘广为等采用Kaya 恒等式改进模型对中国碳排放强度进行因素分解，结果显示，第三产业比重对碳排放强度的影响最为显著，其次是能源强度和能源结构[5]。袁媛基于STIRPAT 拓展模型分析人口规模、经济水平、技术水平、城镇化水平、能源消费结构、产业结构、人均消费水平等与碳排放强度之间的关系，结果表明碳排放强度与能源结构、产业结构和居民消费水平存在正向影响[6]。田中华等利用LMDI 分解法分析了2005—2012 年广东省碳排放强度的影响因素，结果表明，各产业能耗强度下降是碳排放强度下降的主要原因[7]。

综上所述，国内外学者的研究成果颇丰，但也存在一定局限性。首先，既有研究多集中在国家和省域，较少从经济区域城市层面来进行研究。其次，既有研究主要采用指数分解法、结构分解法、投入产出法及面板数据回归等实证分析，一般都以均值回归的方式进行研究，忽略了各地区碳排放强度水平等方面的差异。

因此，本文拟从以下角度进行改进：

（1）考虑到长三角地区经济产出约占全国的四分之一，碳排放量最大，降低长三角地区碳排放强度意义重大，故拟以长三角地区为例进行研究。

（2）拟采用STIRPAT 模型结合面板分位数回归方法进行实证分析，可以更好地揭示长三角地区在不同碳排放强度水平下各因素的影响程度，结果更为科学和合理。

二、变量选取与模型构建

（一）变量选取

1.被解释变量

被解释变量为碳排放强度，采用二氧化碳排放量与地区生产总值的比值来表示，即单位GDP 的碳排放量，可以作为衡量一个地区碳排放量与经济发展水平关系的指标[8-9]。经济增长的同时碳排放强度下降，说明该地区在一定程度上实现了低碳发展模式。参考任晓松等[10]97的做法，通过液化石油气、天然气、全社会用电量三类能源来测算二氧化碳排放量，公式如下：

在式（1）、式（2）中：Q表示二氧化碳排放总量，E1为液化石油气消费量，k为液化石油气的CO2折算系数（系数值为3.101 3 kgCO2/kg）；E2为天然气消费量，v为天然气的CO2折算系数（系数值为2.162 2 kgCO2/m3）；E3为全社会用电量，η为煤电占总发电量的比重，φ为煤电燃料链温室气体排放系数（系数值为1.320 3 kgCO2/kW·h）；CI为碳排放强度，单位t/亿元。

2.解释变量

参考任晓松等[10]98、吕康娟等[11]、刘元欣等[12]的做法，选取以下变量：

（1）经济发展水平：采用人均GDP 代表。环境库兹涅茨曲线认为，环境与经济增长存在倒U 型关系，环境先会随着经济发展水平的提高而恶化，经济发展到一定程度会带来地区科研与环境治理投入的增加，环境会随之好转，因此该指标与碳排放强度的关系具有不确定性。

（2）人口规模：采用年末总人口数量代表。人口增加会引起碳排放量和碳排放强度的增长，但人口集聚到一定程度时，可以提高对资源的利用率并产生规模效应，从而抑制碳排放强度的增长，因此该指标与碳排放强度的关系无法确定。

（3）城镇化水平：采用城镇人口占总人口的比重代表。随着城镇化水平的提高，房地产和基础设施建设对能源需求也会增加，从而对碳排放强度产生影响，预测该指标与碳排放强度为正相关。

（4）产业结构：采用第三产业占地区GDP 的比重代表。我国碳排放主要来源于第二产业。第三产业比重越大，说明该地区的产业结构更加趋于合理，能更有效降低碳排放强度，预测该指标与碳排放强度为负相关。

（5）技术水平：采用专利申请数代表。专利申请数越多，可以在一定程度上表明地区的科技水平越高，科技水平提高带来的技术提升可以提高能源的利用率，减少对能源的消耗，从而降低碳排放量，预测该指标与碳排放强度为负相关。

（6）对外开放：采用进出口总额占地区GDP比重代表。对外开放过程中会吸引外资投资，而与发达国家相比，我国的环境规制力度相对较低，有可能会使污染密集型企业进入，引发“污染天堂”效应，不利于碳排放强度的降低[11]，预测该指标与碳排放强度为正相关。

（7）政策：2013 年9 月开始实施《大气污染防治行动计划》（以下简称“大气十条”政策），其中长三角区域细颗粒物浓度需下降20%，并需要构建相应的大气环境整治目标责任考核体系。本文将是否实施政策作为虚拟变量（1 为是，0 为否）。各变量汇总见表1。

表1 各变量定义及单位

（二）模型设定

EHRLISH 等最早提出环境影响方程式（IPAT），研究人口、财富、技术和自然环境之间的关系[13]。DIETZ 等在IPAT 模型的基础上建立了STIRPAT 模型，研究环境及其影响因素的随机关系[14]。STIRPAT 模型现已成为国内外学者研究碳排放以及碳排放强度影响因素大多采用的模型之一。该模型的基本形式为：

其中：I、P、A、T分别表示环境、人口、富裕程度、技术水平。a是模型系数，b、c、d分别是人口、富裕程度和技术水平的指数，e是随机误差项。

为了消除可能存在的异方差影响，需要对等式两边所有的变量进行对数化处理，以便进行分析：

为了能够更加全面地反映变量之间的关系，本文借鉴KOENKER等[15]提出的分位数回归模型来进行分析，其一般形式为：

其中：i=1,2,…,n（τ表示分位点）

根据研究需求引入经济发展水平、人口规模、城镇化水平等变量，结合STIRPAT 模型与面板分位数模型，最终构建模型如下：

式（6）中：ci为被解释变量，表示碳排放强度，pgdp、pop、urb、is、tech、exim、policy为解释变量，分别代表经济发展水平、人口规模、城镇化水平、产业结构、技术水平、对外开放、“大气十条”政策；Qτ和(lna)τ分别表示碳排放强度和常数项的τ分位点回归参数，β1τ、β2τ、β3τ、β4τ、β5τ、β6τ、β7τ表示各变量的τ分位点回归参数，e为随机误差项。

三、长三角地区碳排放强度空间变化格局

本文选取2010—2019 年长三角地区41 个城市的相关数据，数据来源于《中国城市统计年鉴》以及各地统计年鉴、国民经济与社会发展统计公报等。为了消除通货膨胀等因素影响，所有货币价值的数据均折算为2010 年平价。描述性统计结果见表2。

表2 各变量的描述性统计

为了更好地呈现出长三角地区碳排放强度变化情况，将2010、2013、2016、2019 年长三角地区41 个城市的碳排放强度按0.1、0.25、0.5、0.75、0.9 五个分位点[16]74分别分为6 组，具体分组见表3。

表3 长三角地区碳排放强度空间分布

由表3 可知，2010—2019 年长三角地区各城市碳排放强度在空间上呈现连片分布的特点，长三角中部地区高碳排放强度城市较为集聚，并以嘉兴、湖州、宣城、池州为界将长三角地区分为南北两部分，南部城市的碳排放强度普遍高于北部城市，空间分布呈现南高北低的特点。高碳排放强度中心基本集中在皖南（马鞍山、铜陵、宣城）、浙西（衢州）、浙北（湖州、嘉兴），这与以上城市的经济多依靠第二产业有关。如：衢州经济目前仍处于重化工业时期[17]，而马鞍山、铜陵、湖州均为资源型城市[18-19]，粗放式的经济发展方式造成更多能源消耗和环境污染，导致碳排放强度居高不下。

由此可见，长三角地区碳排放强度差异较大，这与各城市的经济发展、产业结构、技术水平等方面的差异密切相关，因此有必要对长三角地区碳排放强度的影响因素进行深入研究，总结差异并分析原因，最后提出有针对性的建议以降低碳排放强度，促进长三角地区低碳经济的发展。

四、长三角地区碳排放强度影响因素分析

（一）平稳性检验及协整检验

采用LLC 检验、Fisher-ADF 检验和Fisher-PP检验三种方法对除虚拟变量外的所有变量进行检验，且变量需要同时通过三种检验才算平稳。检验结果见表4。

表4 单位根检验结果

由表4 可知，原序列中除了lnexim对外开放变量没有通过Fisher-PP 检验外，其余变量均通过三种检验；对原序列进行一阶差分后，所有变量均通过检验，认为数据平稳且为一阶单整。采用Kao 检验对除虚拟变量外的所有变量进行协整检验，Kao 检验t值为2.786 2，P值为0.002 7，表示在1%的显著性水平下拒绝原假设，检验结果表明，碳排放强度与其影响因素存在协整关系，可以进行回归分析。

（二）回归结果分析

1.回归结果

利用Stata16.0 对2010—2019 年长三角地区面板数据进行分位数回归，并参考既有文献，选取0.1、0.25、0.5、0.75、0.9 五个具有代表性的分位点[16]74，以揭示长三角地区在不同分位数水平下影响因素对碳排放强度的影响大小。为了方便比较，将OLS 回归和面板分位数回归估计结果同时报告在表5 中。

表5 面板数据回归估计结果

从表5 可以看出，城镇化水平未通过OLS 回归和面板分位数回归的显著性检验，政策因素在OLS回归中显著，分位数回归中只在部分分位点上显著。与面板分位数回归相比，OLS 回归高估了产业结构和技术水平对碳排放强度的影响，低估了对外开放对碳排放强度的影响，由此可见，分位数回归可以全面揭示各影响因素对不同分位点城市碳排放强度的影响大小，结果更为丰富和科学，避免出现均值回归中高估或低估各因素的影响程度。

2.影响因素分析

从面板分位数回归结果来看，经济发展水平、人口规模、产业结构、技术水平、对外开放对长三角地区碳排放强度各分位点的影响都较为显著，政策因素在0.5、0.75 分位点上显著，而城镇化水平未通过显著性检验。具体分析如下：

（1）经济发展水平

经济发展水平在0.1、0.25、0.5、0.75 分位点上均通过1%显著性检验，且回归系数为负，表明经济发展水平的提高有利于长三角地区碳排放强度降低。随着分位点的提高，经济发展水平对碳排放强度的影响先升后降，说明随着经济发展水平的提高，中等碳排放强度城市的经济发展方式逐渐转变，节能减排的实施和产业结构的调整使得资源利用率不断提升，更有利于碳排放强度的降低。而高碳排放强度城市如马鞍山、衢州等资源型城市在经济发展中往往依赖高碳排放量的产业，即使转变经济发展方式也很难有立竿见影的效果，因而，经济发展水平的提高对高碳排放强度城市的抑制效果不佳[20]。

（2）人口规模

人口规模在所有分位点上均通过显著性检验，且回归系数为负，表明人口增加有利于长三角地区碳排放强度的降低。随着分位点的提高，人口增加对碳排放强度的影响不断提高，说明较高碳排放强度城市如淮南等地随着城镇化的发展，人口的不断集聚提高了对公共资源的利用率，经济发展的规模效应逐渐凸显，使碳排放强度逐渐降低[21]；而低碳排放强度城市由于良好的经济发展条件和人才政策吸引了大量外来人口和人才，使人口过于集聚，经济虽得到更快速的发展，但也增加了对各种资源的需求，因此人口增加对低碳排放强度城市的抑制效果不如高碳排放强度城市。

（3）城镇化水平

城镇化水平未通过分位数回归的显著性检验，表明城镇化水平对各城市碳排放强度的影响均不显著。从表5 可以看出，随着分位点的提高，城镇化水平对其的影响由正向变为负向。在0.1、0.25分位点，城镇化水平对碳排放强度的影响为正，在0.5、0.75、0.9 分位点，城镇化水平对碳排放强度的影响为负，原因是低、较低碳排放强度城市的城镇化水平较高，城镇化所带来的集聚和规模效应已逐渐减弱，而城镇化继续加深带来了大规模房地产和基础设施建设以及居民对能源、交通需求的增大等问题，导致碳排放强度不断增加[22-23]；中等、较高和高碳排放强度城市伴随着城镇化水平的提高，城镇化带来的集聚和规模效应才刚刚凸显，虽对碳排放强度有抑制作用但相比其他因素并不明显。

（4）产业结构

产业结构是影响长三角地区碳排放强度最主要的因素，且回归系数为负，表明产业结构升级可以显著降低碳排放强度。随着分位点的提高，产业结构对碳排放强度的影响逐渐下降。其中，低碳排放强度城市受产业结构升级影响最大，原因是低碳排放强度城市经济发展水平较高，且在产业结构调整和节能减排方面执行力高，使高耗能产业比重不断下降，碳排放强度也随之降低；而在高碳排放强度城市，虽然提倡产业结构升级调整，但由于高碳排放强度城市如马鞍山、衢州等地长期依赖第二产业带动经济发展，产业结构升级在短时间内效果不明显，因此产业结构升级对低碳排放强度城市的影响远大于高碳排放强度城市。

（5）技术水平

技术水平在0.1、0.25、0.5、0.75 分位点上均通过1%显著性检验，回归系数为正，且在0.5 分位点最大，在0.9 分位点最小，表明技术水平提高会导致长三角地区碳排放强度增加，与前文预期结果相悖。原因是技术水平采用专利申请数表示，而专利申请可能更多偏向提高生产效率或者产品创新，而非偏向节能减排和低碳发展，因此有可能会促使企业生产规模扩张，对能源消耗的需求增大，最终导致碳排放强度增加，不利于低碳经济发展，这也与任晓松等[10]99、孟卫军[24]等学者们的研究结论一致。

（6）对外开放

对外开放是影响长三角地区碳排放强度的第二大因素，在所有分位点均通过1%显著性检验，且回归系数为正，表明对外开放程度的加深会导致长三角地区碳排放强度增加。长三角地区作为我国开放程度最高的区域之一，进出口贸易占GDP 比重远高于全国平均水平，对外开放虽促进了长三角地区经济快速增长，但对外开放程度过高，国外污染密集型企业很可能转移到长三角地区一些对环境管制要求较低的城市，引发“污染天堂”效应，导致碳排放强度增加[25]。

（7）政策

从OLS 回归结果来看，“大气十条”政策对长三角地区整体碳排放强度的抑制作用通过1%显著性检验，而在分位数回归中，回归系数虽为负，但只在0.5、0.75 分位点上显著，表明该政策对中等和较高碳排放强度城市有抑制作用。原因可能是在低碳排放强度城市已经达到了相应的环境要求，而高碳排放强度城市对政策执行力度不够或第二产业占比过大，导致政策虽有约束效果但不够显著。

五、结论及建议

（一）结论

利用2010—2019 年长三角地区41 个城市的面板数据，基于STIRPAT 模型，采用面板分位数回归方法分析在不同分位数水平下经济发展水平、人口规模、城镇化水平、产业结构、技术水平、对外开放、政策对长三角地区碳排放强度的影响程度，主要结论如下：

1.除城镇化水平对长三角地区碳排放强度影响不显著外，其他因素均显著，其中产业结构、经济发展水平、人口规模和政策与碳排放强度呈负相关，技术水平和对外开放与碳排放强度呈正相关。

2.产业结构和对外开放是影响长三角地区碳排放强度的两个重要因素。对于低到中等碳排放强度城市，产业结构升级可以显著降低碳排放强度，但随着分位点的提高，产业结构影响程度逐渐降低，对外开放影响程度逐渐提高并超过产业结构；对于较高、高碳排放强度城市，对外开放程度加深会导致碳排放强度显著提高。

（二）建议

为降低碳排放强度，推动长三角地区低碳经济发展，提出以下建议：

1.促进产业结构升级，加强低碳技术创新。高碳排放强度城市需要将重点放在降低第二产业比重上，鼓励发展环保清洁能源等低能耗的新兴产业；低碳排放强度城市应提高服务业发展质量，积极引进低碳技术型人才，以更好地降低产业碳排放强度。

2.优化对外贸易结构。长三角地区对外开放程度高，进出口贸易结构会影响碳排放强度，因此长三角地区要优化对外贸易结构，降低传统产业在对外贸易中的比重，使出口产业转变为技术密集型产业，同时中、高碳排放强度城市在引进外资企业时，应多引进新兴低碳产业，提高环境要求，避免产生“污染天堂”效应。

3.合理规划人口布局，提高城镇化质量。低碳排放强度城市可以科学规划人口空间布局，引导合理的产业和人口集聚，防止出现过度集聚造成的不经济；中等、高碳排放强度城市可以积极推进新型城镇化建设，要合理利用城镇化进程中人口和经济集聚所带来的红利，在推进经济发展的同时降低城镇化所带来的负面效应。

4.建立健全碳减排政策。中等、高碳排放强度城市可以针对高排放、高能耗、高污染企业制定具体减排措施，推广碳交易政策，推动企业低碳转型升级。低碳排放强度城市可以建立激励机制，鼓励企业继续扩大绿色技术创新和低碳产品的研发。

5.宣传低碳生活理念。现阶段人们生活消费水平不断提高，但低碳消费观念还未形成，各城市应大力普及低碳节能知识，倡导低碳出行、低碳消费，使人们逐渐树立起低碳生活理念，为长三角地区低碳经济的发展作出一份贡献。