碳排放的空间分布与经济研究

导语：碳排放的空间分布与经济研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

构建模型与数据处理

1.指标的选择地区经济的发展状况可以由经济的多个方面来衡量，此外，地区间经济发展的差别，可以从GDP来考虑，还有地区占经济主导地位的产业及地区贸易状况等，同时根据表1所示，我们也可以看出不同年份不同地区间碳排放量也是有差别的。那么地区经济的发展与碳排放量之间是一个怎样的相关关系，衡量经济发展水平的各因素是不是与碳排放之间是一种相关的关系，是否经济的发展必然要以过多的碳排放为代价，这是本文研究的目的所在。总的来说，全国碳排放量是逐年递增的，图1展示了中国碳排放总量的变化趋势。由图1可以看到，近15年来中国的碳排放有了显著的增加，并且在2001年以后碳排放有一个激增期，2001年的排放量为32亿万吨，至2010年，我国的碳排放总量增长到71.7亿万吨，而同时每一个省份的碳排放量也是有差别的。第一，各地区碳排放量都有所差别，并且呈现逐年递增的趋势，从表1中可以看出，在排碳量较高的包括河北、山西、辽宁、黑龙江、上海、江苏、浙江、安徽、河北、湖北、湖南、广东、四川这些省份中山东的碳排放量最高。总的看来，这几个省份有一些是工业为其经济发展的主导力量，还有一些是中国经济发展最好的地区，对外贸易较多。从表1中可以看出这几个主要的碳排放量较多的省份碳排放的增长情况。贸易也是各地经济发展中较为重要的部分，对外贸易的状况可以由各地区进出口总值来衡量。从图3中可以看出广东省的对外贸易量是最高的。2.模型构建考虑到碳排放量的影响因素与以下几个因素相关，借鉴柯布道格拉斯函数双对数处理方法构建方程为：LnGQit=ci+β1LnGGDPit+β2LnSTRUit+β3LnPRICEit+β4LnTfwit+εit其中，i表示中国30个省市、自治区（直辖市，西藏除外），t为样本时间跨度即年份。Ci为截距项，GQit为i地区t年的碳排放量，GGDPit表示i地区t年的地区生产总值，STRUit表示i地区t年的产业结构状况，PRICEit表示i地区t年能源价格，Tfwit表示i地区t年的对外贸易总量，εit为随机扰动项。3.模型变量的处理对于GQit计算依据Gi(m)=Ei(m)Etotal(m)Gtotal(m)，Gtotal(m)表示全国t期全国排碳量，Etotal(m)用于表示全国能源消费总量（按万吨标准煤计算），Ei(m)表示i地区能源消费总量。各省经济发展状况GGDPit选用各省历年地区的GDP指数（按不变价格计算）；STRUit用第二产业与第三产业产值之比，同样也按不变价格计算；PRICEit能源价格采用“工业品出厂价格指数”来表示，同样也转化成以1995年为基期的时间序列，Tfwit为各地区进出口总值，同样也按不变价格计算。4.模型数据的来源研究数据取自中国30个省、市、自治区（直辖市，西藏除外）1995-2010年的数据，所有数据均来自于《中国统计年鉴2011》、《中国能源统计年鉴2011》、CCER经济金融数据库、《中国市场统计年鉴》、各省统计年鉴。

地区碳排放量与经济发展的实证分析

1.对面板数据的单位根进行检验在EVIEWS中对这五个变量进行单位根的平稳性检验，依次采用LLC、IPS、ADF、PP等单位根检验方法，进行了水平检验和一阶差分检验，检验结果见表2。2.面板数据协整检验由于Johansen检验是基于最大特征值的比的统计量λ-max来判别变量之间的协整关系；多变量Johansen极大似然法可以精确地检验出协整向量的数目r，再根据无约束的VAR模型的残差分析来确定VAR模型的最优滞后期。在对pool序列进行协整检验，运用Fisher(CombinedJohansen)这种方法进行检验，选择没有外生趋势的选项，如表3中有4项迹统计量和最大特征值统计量结果一致的，说明存在协整关系。在原假设为无协整关系的情况下，采用Pedroni(Engle-Grangerbased)方法进行协整分析。所得结果如表4所示，碳排放量、GDP、产业结构、能源价格与对外贸易量之间存在协整关系，统计量通过协整检验。3.采用PeriodSUR加权检验并进行GLS回归估计由于面板数据中时期的个数少于截面成员的个数，在做模型估计时，选用PeriodSUR类似似乎不相关回归，对时期异方差和同期相关进行修正，所得结果如表5所示。从表6可以看出采用这一方法是能够较好的估计出模型，对各解释变量与因变量之间的关系作出描述。从表6中可以看出，采用PeriodSUR权重处理，R2统计量为0.982702大于未进行权重处理时的值，此外，未进行权重处理时，D.W.统计量为0.869007经过计算再与临界值比较，存在较为严重的自相关。同时加权的GLS估计的残差平方和也明显下降，因此可以看出该模型能够较好的估计这几个解释变量与因变量的关系。综上分析可以看出，产业结构(LNSTRU)、对外贸易状况(LNTFW)、经济增长状况(LNGGDP)对碳排放量都具有重要的影响，且表现为正相关关系，相关系数分别为0.593、0.406、0.316。能源价格(LNPRICE)则与碳排放负相关。所以根据研究，政府机构通过对地区产业结构的调整，还有对外贸易政策的调整可以达到对地区碳排放量的影响。

结论和建议

在各地区都开始试水碳交易的形式下，对碳排放量与经济发展之间的关系进行研究，可以让我们更加客观的分析我们进行碳减排的方式，做到两者之间的最佳权衡。基于以上分析，研究碳排放与经济各因素之间的关系是十分有意义的。第一，通过以上分析可以得知地区碳排放量与地区GDP的增长有一定的正相关性，但是GDP的增长不一定伴随碳排放量的增长而增长。对外贸易与地区碳排放量之间也表现出正相关关系，出口的增多可能会导致地区扩大生产，如果不采取措施进行碳减排，那么一个地区碳排放量会因此而增加。第二，产业结构与地区碳排放之间的关系是较为密切的，因为第二产业中工业所占的比重较大，而工业是地区碳排量中一个较为主要的来源。例如广东省的GDP是最高的，但是它的第二产业与第三产业比值相对不是最高的，广东省第三产业的发展也占总GDP中一个比较大的部分，所以相比于山东，它的碳排放量不是最高的。第三，从我国整体情况来看，我国这种地区间经济发展不平衡、碳排放量差异性明显的情况下，我们国家在碳交易方面应该加大发展力度，可以尝试鼓励省份与省份之间的碳交易。比如广东省与山东省之间进行碳交易，山东省的企业进行碳减排，再与广东省的企业进行买卖，这样既达到了山东的碳减排也达到了GDP的上升，同样对广东省的企业来说，也不必缩小生产规模。第四，我们国家也应该进行更多技术上投入研发力度，对碳减排技术提供更多的支持，这样企业才有动力去进行碳减排，而地区和国家也能做到既减碳又不损害经济的发展。

本文作者：雷玉桃杨娟工作单位：华南理工大学经济与贸易学院