二氧化碳排放：强度减排目标与峰值研究.docx

1、二氧化碳排放：强度减排目标与峰值研究摘要: 利用我国29个省市自治区1995-2007年间的面板数据，分析二氧化碳排放 强度、 密 度同经济发展水平、 以 及产业结构之间的关系， 本文评估了 2020年碳排 放强度下降45%的可行性， 估 计了二氧化碳排放的峰值。 研 究表明： 1） 碳排 放 强 度 （单位G DP二氧化碳排放 ） 同 人均GDP之间存在 “N”型关系， 碳排放强度随着 GDP的提高先有一个以递减的速度下降再过渡到以递增的速度急剧下降的趋势； 2） 碳排放 密 度 （人均二氧化碳排放 ） 同 GDP间同样存 在 “N”型关系,即碳排放密 度随着GDP的提高有一个先下降再上升然

2、后再下降的趋势； 3） 第 二产业比重同碳 排放强度和密度之间存在正相关关系， 即 第二产业比重越高 ， 二氧化碳排放强 和 密度就越高；4）研究发现单位G DP二氧化碳排放（ 碳排放强 度 ）一直处于下降 阶段， 然 而即便如此， 如果产业结构不改变且没有实施另外的政策， 经济增长 速 度本身难以引致碳排放强度的大幅下降， 2020年我国要实现二氧化碳排放强度下 降40-45%的目标难以实现；5）对经济发展与碳排放密度之间关系进行的情景分 析 表 明 ， 我国人均二氧化碳排放目前还处于上升的阶段 ， 二 氧化碳排放将在 2018- 2021年达到峰值，这比科技部公布的时间提前了10年。关键词

3、: 二氧化碳排放;环境库兹涅茨曲线(EKC);面板数据一、引言最近几年 ， 为 了因应国内转变增长方式 ， 以及应对国际上二氧化碳减排 压 力 ， 我国政府在治理仅有局部影响的温室气体 ， 和全球影响的气体如二氧化碳等 都 采 取了积极的措施 ， 并 从总量上 、 或 者比率上制定了若干中长期的减排目标 。 例 如 ，中华人民共和国国民经济和社会发展第十一个五年规划纲要 既 提出了比率指 标 ， 即 “十 一 五 ”期 间 单 位 国 内 生 产 总 值 能 耗 降 低 左 右 ； 也 提 出 了 总 量 控 制指标， 即 主要污染物排放总量减少。 另 外 ， 为了应对国际上要求中国 减 少

4、二 氧 化 碳 排 放 的 压 力 ， 2009 年 月 日 ， 中 国 政 府 公 布 了 控 制 温 室 气 体 排放的比率控制指标， 决 定到年单位国内生产总值二氧化碳排 放 （碳 排 放强度）比年下降到。就我国政府这一政策宣示而言， 一 个重要的问题是， 经 济发展水平提高、 经 济 结 构 的 演 变 会 自 动 导 致 这 些 目 标 实 现 吗 ？ 若 结 论 为 “否 ”， 则 政 府 以 数 量 管 制 还是以税收方式， 亿 多大的代价来实现这个目标？为了回答这个问题， 我们首 先 有必要分析碳排放背后的决定因素。 到 目前为止， 碳排放的研究主要集中在 人 均 二氧化碳排放

5、水平的决定因素 ， 以及 GDP 达到何值时 ， 二 氧化碳排放达到峰值等 。 对碳排放强度方面的讨论相对较少 。 在 有限的文献中 ， 大 部分都是 以 “因素分解 ” 方法来分析碳排放强度变化背后的因素。例如，Subhes and Arjaree (2004)利 用 LMDI（Log-Mean Divisia Index） 分 解法研究 1981-2000 泰国能耗强度和 CO2 排放强度的变化,Fan(2007)利用 AWD（ Adaptive Weighting Divisia） 研 究 中 国 1980-2003 碳排放强度的变化；Zhang(2009)等利用 IDA（Index D

6、ecomposition Analysis）方法分析 1991-2006 中国与能源有关的 CO2 排放。Zhang（2009）将 “因 素 分 解 ”与 投 入 产 出 技 术 相 结 合 ， 从 需 求 角 度 研 究 碳 排 放 的 影 响 因 素 ， 将 碳 排放强度分解为需求和生产技术两类因素， 研究我国 1992-2006 年期间碳排放量 以及强度的变化。张红霞和郑新业（2010）进一步将产业结构的影响包括在内， 分析了碳排放强度变化的原因。 这 些研究对我们理解碳排放的决定因素、 判断 其 发展轨迹具有重要的意义。不过，若我们希望对 2020 年的碳排放强度有一定的 预测，则这类

7、研究所提供的信息助益有限。对于碳排放这样的问题 ， 我 们关注的重点应该是长期的 ， 或者是结构性 因 素 。 研究表明，经济发展水平是决定碳排放强度的重要因素（ Roberts and Grimes，1997） 。 就中国的情况而言，我们认为产业结构对碳排放强度也有重要影响。本 文将从经验研究的角度讨论经济发展水平和产业结构对碳排放的影响。本文对碳排放研究文献的贡献在于： （ 1） 我 们首次利用目前国际上公认的计 算 CO2 的排放量方法， 即 我们使用 政府间气候变化专门委员会 （ IPCC） 的方法 来 估计中国各省市自治区在 1995-2007 年度三大能源 （ 煤、 石 油和天然气

8、） 消耗 所 产 生 的 二 氧 化 碳 量 ； （ 2） 本文从碳排放强 度 （ 人均 GDP 二氧化碳排放量 ） 的视角 ， 而不是从已有的众多文献中的碳排放密度 （ 人均二氧化碳排放量） 的 视角， 来 研 究 碳 排 放 与 经 济 发 展 之 间 的 关 系 ； 1 (3)就 计 量 分 析 而 言 ， 对 于 本 文 所 涉 及 到 的 面板数据分析， 我 们在选定合适的模型之前进行了一系列的模型设定检验 （ model specification tests） ， 这 样 检 验 的 目 的 在 于 使 我 们 的 计 量 分 析 模 型 更 令 人 信 服，进而得到无偏的，有效

9、的参数估计量，以及合适的统计推断（statistical inference） ； （ 4） 本 文的发现为政策制定者和研究者提供了经验研究的依据和参 考意见。全文结构如下： 在 接下来的第二部分， 我 们介绍中国二氧化碳排放情况。 第 三部分讨论经济发展水平、 产 业结构与碳排放之间的关系， 并建立经验分析所 需 的模型， 分 析计量分析方法的适用性。 第四部分给出二氧化碳排放量的估算方 法 及描述模型所需的数据及数据来源。 第 五部分提供研究结果， 并对二氧化碳减 排 强度变化进行情景分析。最后一部分总结本文并给出碳减排相关政策建议。二、中国碳排放现状图 1 展示了中国碳排总量的变化趋势。

10、 由图可知近十多年来中国的碳排放有了 显 著的增加， 且 排放量增加的部分主要来自于煤炭消耗。 天然气的消耗量一直都 很 稳 定 ， 所 以 其 碳 排 放 的 变 化 不 是 很 明 显 ； 2004 年以后原油的碳排放与 2000 年以 前相比有了相对的增加， 但 其增加的幅度不是很大； 容易看出我国的碳排放一 直 以来都主要是源于煤炭的消耗 ， 并且在 2001 年以后煤炭的碳排放有一个激增期，2001 年的排放量为 32 亿万吨，而在 2007 年，我国的碳排放总量为 63 亿 万 吨 。1 Roberts and Grimes (1997) 是我们能找到的唯一研究碳排放强度跟不同经济

11、发展水平相联系的 文章。图 1. 中国碳排总量的变化趋势（ 1990-2007）数据来源：作者的计算。 2主要是源于煤炭的消耗， 并 且在 2001 年以后煤炭的碳排放有一个激增期， 2001年的排放量为 32 亿万吨，而在 2007 年，我国的碳排放总量为 63 亿万吨。从图 2 可 知 我 国 的 碳 排 放 的 几 个 大 省 分 别 为 ： 山 东 、 山 西 、 河 北 、 辽 宁 、 江 苏、河南、内蒙古、广东。并且从饼状图可以看出各省的排放量分别为 9.64%、 8.17%、 7.03%、 6.76%、 6.45%、 6.26%、 4.5%、 4.30%。 也 就 是 说 排 放

12、 量 前 四 的 几 个省份的排放量总和就已经达到了全国排放量总和的 31.6%， 而排放量前八的 几 个省份已经拥有了全国排放量的 53.1%。 由此可见我国的碳排放都集中在少数 的 几个省份 ， 这 些地区和省份要么属于工业大 省 （例 ， 山东 、 江苏 、 辽宁 、 广 东 ） ， 要么就属于产煤大省（例如，山西、内蒙古） 。图 2. 2005 年 中国 碳排 放地 区分 布数据来源：作者的计算。2 碳排放量的计算请参阅本文第五部分（即数据来源部分） 。尽管我国的碳排放总量一直都在增加， 但是从长期的趋势来看我国的碳排 放 强度还是呈现出下降的趋势， 从 1990 年的每单位人民币 1

13、13911.9 吨下降到 2007 年的每单位人民币 23077.58 吨 ， 降 低 了 约 79.74%。 尽 管 如 此 ， 中 国 的 碳 排 放 强 度仍然远远高于世界平均水平， 而 且碳排放强度位居前列 （图 3） 。 要 实 现 到 2020 年单位国内生产总值二氧化碳排放 （ 碳排放强度） 比年下降到 的国际承诺， 上述的对中国碳排放的一些现状分析难以给我们一个清晰的 可 循路径。 由 此， 我 们有必要进一步挖掘二氧化碳减排的影响因素及机制。 下面 的 分析正是致力于这个任务。 首 先建立碳排放可能的经验模型结构， 然后利用现 有 的数据对其加以统计检验。三、经济发展水平、产

14、业结构与碳排放强度环境库兹涅茨曲线（EKC）被广泛用于描述经济增长和各类环境指标之间关 系 （ Shafik and Bandyopadhyay,1992; Panayotou,2000; Grossman and Krueger,1994; Selden and Song,1994） 。 EKC 表明 ， 经 济 增 长 和 环 境 质 量 之 间 的关系是非线性的。 经 济发展水平较低时， 经 济活动的规模较小， 经济生活并 不 会产生很强的污染。 随 着经济的不断增长和生产活动的不断扩大， 污染的程度 也 不断增加。 污 染的程度在经济活动的某一特定水平达到顶峰。 在 峰值后， 环境 污

15、 染带给人们的负效用超过了生产活动本身带来的收益， 人们不仅有控制污染的 主CO2/GDP图 3. 碳排放强度：中国、美国和世界平均（ 1991-2007）来源 ： 美国 Energy Information Administration （ http:/www.eia.doe.gov） 。观愿望， 更 由于经济发展和技术进步而具有了控制污染的能力。 因此当经济发 展 到 某 一 特 定 阶 段 ， 污 染 程 度 会 逐 步 下 降 。 3在 多 数 情 况 下 ， 环 境 库 兹 涅 茨 曲 线 体 现在环境指标与人均 GDP 之间存在着倒 U 型的曲线(Panayotou,2000; G

16、ene and Krueger,1995)。环境库兹涅茨曲线有着重要的政策含义，它揭示了经济增长过 程本身就足以能够伴随环境的改善。 如 果环境库兹涅茨曲线的假设是成立的， 我 们可以得出一旦经济增长达到某个程度， 它 便会对环境产生积极的影响， 环境 问 题会迎刃而解，而没有必要过于担心环境问题。一直以来， 有关 EKC 的讨论越来越多， 从 早期的一个国家的经济发展水平与 环境质量指标之间关系的简单检验朝研究对象、 研 究技术等方向扩展。 其中最 为 引人注目的是研究对象从二氧化硫等本地污染物 （ local pollutants） 延伸到二 氧化碳等全球污染物(Stern, Common

17、 and Barbier,1996; Arrow et al.,1995; Harbaugh and Arik, 2002) 。事实上，面临全球气候变暖对人类生存环境的改 变和破坏的压力日益紧迫， 鉴于二氧化碳这一最重要的温室气体已经成为全球 气 候变化的主要推动因素，从 90 年代起，有关 EKC 理论的文献也从一般的对环境 产生污染的排放物的研究， 进 而扩展到二氧化碳的排放研究， 近年来尤其如此 (He and Richard,2010)。如 前 所 述 ， 当 GDP 增 长 时 ， 一 方 面 ， 经 济 规 模 的 扩 大 会 直 接 导 致 更 多 的 污 染 和更多的环境破坏；

18、 另 一方面， 与 之相伴的可能是经济结构变化和技术进步， 这 些 改 变 对 污 染 有 减 缓 作 用 。 由 此 我 们 可 以 看 到 ， 影 响 碳 排 放 的 一 个 重 要 因 素 是 GDP，而且两者之间可能存在着非线性关系。在研究二氧化碳与经济发展水平关 系文献中， 大 多集中人均 GDP 和人均二氧化碳排放之间关系。 考 虑到本文任务是 研究碳排放强度与 GDP 之间关系，从而评估 2020 年碳排放强度高低，我们需要 考察的是碳排放强度，而不是以往文献的人均碳排放。就 我 们 所 知 ， Roberts and Grimes (1997） 是 为 数 不 多 的 研 究

19、二 氧 化 碳 排 放 强度和人均 GDP 关系的文献。 他们的研究表明， 二 氧化碳排放强度与人均 GDP 间 存在倒 U 型关系。换句话说，即便没有采取额外的碳排放政策来降低排放强度， 经济发展达到某一个阶段之后， 碳 排放强度也会下降。 当然， 两者之间的非线 性 关系并不一定是仅仅表现在倒 U 型一种形式，而有可能呈现出 N 型关系(Moomaw3 所有的 EKC 文献衡量的都是经济增长和环境指标之间的关系， 经 济增长的程度用人均 GDP 衡 量，本文也采取这一传统。it 1 it 2 it 3 it 4 it it(1 RLSDVR2and Unruh,2001; Galeotti

20、 and Lanza,2005; Friedl and Getzner,2003; Millimet, List and Stengos, 2003)。另外，产业结构也可能会对碳排放产生 重 大 影 响 。 例 如 ， GDP 相 同 （ 近 ） 的 两 个 省 因 为 产 业 构 成 不 同 产 生 的 碳 排 放 有 可 能 有 很 大 的 差 异 ， 比 如 说 山 西 和 湖 北 2007 年 的 人 均 实 际 GDP 相 当（ 13000RMB,1995=100） ,山 西 的 第 二 产 业 构 成 （ 第 二 产 业 增 加 值 占 GDP 比 率 ） 为 60%，湖北为 43

21、%。但山西的人均 CO2 排放量比湖北多出了 10 万多吨。在研 究 碳 排 放 强 度 时 ， 我 们 在 传 统 的 EKC 基础 上 引 入 产 业 结 构。 ，由此 ，我 们设定面板模型如下：CO2PGDP = GDP + GDP2 + GDP3 + SECT + （1）示 （ 1） 中 ， CO2PGDPit代表碳排放强度， 定 义为 i省份 t期的单位实际 GDP 的 CO2 排放量（取自然对数形式） 。 GDPit为 i省份 t期的人均实际 GDP（1995=100，取 自 然 对 数 形 式 ） 。 SECTit代表 产 业 结 构 变 量 ， 定 义 为 i省份 t期的 第

22、二 产 业 增加 值占 GDP 比 率 。 it为误 差 项 。 如 果 GDP 的三 次 项 系 数 3不等 于 零 且 在 统 计上 显著，则表明 GDP 和二氧化碳排放存在着一种 N 型关系。就计量分析而言， 有 多种方法来估计式 （1） 。 这 些方法包括常系数模型 （ 混 合最小二乘法模型 ， POLS） 、 固 定 效 应 模 型 （ 个 体 和 /或时间效应模型， FEM） 和 误差成份模 型 （ 随机个体和 /或时间效应模型 ， REM） 。 POLS 的估计假定在面板数 据中既无显著的个体效应也无显著的时间效应。而 FEM 和 REM 模型放松对 POLS 估计的假定，处理的

23、是个体间可能观测不到的异质性问题。我们用 F 检验来比较 POLS 模型和 FEM 模型。 如果零假设被拒绝的话， 那 么 传统的只有一个常数项的回归模型 （即 POLS） 就不适合用来估计面板数据。 F 统 计量给定如下(Greene, 2003)：(R2 R2 ) / (n 1) （2）F(n1, nT n k) =LSDV POLS2LSDV ) / (nT n k)式 （ 2） 中 ， n指的是省份的数目， T为时间跨度， k 为解释变量个数。 R2 和POLS分别为 FEM 和 POLS 模型的拟合优度。此 外 ， 可 以 用 LM 拉 格 朗 日 乘 数 （ Lagrange Mu

24、ltiplier, LM） 检 验 来 检 测 随 机效应(Breusch and Adrian Pagan, 1980)。 拒 绝零假设意味着 REM 模型比 POLS 模型更适用。LM 检验的统计量给定如下：LM = nT T2 ee( 1)2 2 (1) （3）2(T 1) ee式（3）中， ee为 REM 模型的残差平方和， ee为 POLS 模型的残差平方和。对于 FEM 和 REM 这两种方法， 式（1）中的误差项可以写成如下形式：it = i +t + it （4）式（ 4）中 ， i 用来 解 释 省 际 间 观 测 不 到 的 异 质 性 （ 个 体 效 应） ， t 用来

25、解 释随 着时间推移影响各省的因素（时间效应） 。 应用 REM 模型的一个重要假定是观测 不 到 的 省 际 /个 体 效 应 与 模 型 中 的 外 生 变 量 不 相 关 。 因 此 ， Hausman 检测可以用 来检验这个假定。 拒 绝零假设意味着 FEM 是个比 REM 更适合的模型选择。 Hausman 检测的统计量为：m= ( ) (V V )1 ( ) 2 (k) （5）FEM REM 1 2 FEM REM式 （ 5） 中 , FEM 和 REM 分别为 FEM 和 REM 模型的参数估计值。 V1和 V2分别为FEM 和 REM 模型的协方差矩阵的一致估计量。 事实上选择

26、FEM或REM模型取决于两个方面的考虑： 经 济上的重要性和计量上的重要性。 从 经济学上的角度上讲， 有 可能存在非时变的、 难以量化的随机变 量 同时影响一些解释变量和和被解释变量（碳排放强度） 。 从计量的角度上讲，在 回归模型中加入固定效应要优于随机效应，因为不大可能拒绝观测不到的特征（变量）与一些解释变量不相关这一零假设(Baierand Bergstrand, 2007)。 除了考虑上述的模型设定检测外， 面 板模型的估计还应考虑两个问题， 一 个是省际间的异方差问题，另外一个是省际间/内的相关问题。异方差的存在与否 可 以 用 似 然 比 检 验 （ likelihood rat

27、io test） 来 测 试 ,这 个 测 试 可 以 通 过 STATA 软 件 来 实 现 。 具 体 的 讲 ， 就 是 在 xtgls 命令内加 hetero 选择项来实现。 其中 xtgls 命 令 用 的 是 通 过 迭 代 广 义 最 小 二 乘 法 来 估 计 异 方 差 模 型 。 至 于 自 相 关 问 题 ， Wooldridge 提 供 了 一 种 检 测 面 板 自 相 关 的 测 试 方 法 (Wooldridge, 2002)，这种 测试方法后来被 Drukker(2003)加 以 改 进 。 本文的面板自相关检验来自 Drukker 所编写的 STATA 程序来

28、完成。四、数据来源燃 料 在 燃 烧 过 程 中 随 氧 化 释 放 出 二 氧 化 碳 （ CO2） 进 入 大 气 中 ， 在 计 算 能 源 使用中排放的 CO2 时， 只 要知道燃料使用量及各种燃料的含碳量即可。 因此根 据 经 济 体 中 燃 料 终 端 使 用 所 消 耗 的 能 源 数 量 就 可 以 精 确 计 算 该 经 济 体 所 排 放 的 CO2。目前国际上计算 CO2 的排放量都是依据政府间气候变化专门委员会（ IPCC） 的方法来估计。 在 计算 CO2 的排放量时， 首 先根据各种燃料的热值含量， 将 各种 燃料消耗量转换成以共同能源单位（焦耳，joule）表示的

29、消耗量，然后其乘上 各种燃料的 有效 二氧 化碳 排放 因子 （Effective Carbon Emission Factor） ， 求 得各种燃料消耗中的实际 CO2 排放量。 各种燃料的有效 CO2 排放因子则是各种燃 料 消 耗 的 碳 含 量 、 碳 氧 化 率 （ Fraction of Carbon Oxidized） 及 44/12（ C02 对 C 的分子量比值）的乘积。因此，CO2 排放的计算公式为，Ei = (FCi )(CALi )(CCii )(COi )(44 /12) （6）式（6）中， i代表各种能源， FC为能源消耗总量， CAL为能源的热值， CC为碳 含量

30、， CO代表碳氧化率。中国的能源构成（煤碳，石油，天然气） i、各种能源消耗总量 FC来自历年中国能源统计年鉴。用于计算的各种能源热值系数来自2008 中国能源统 计年鉴。各种燃料消耗的碳含量 CC、碳氧化率值 CO来源于政府间气候变化专 门委员会（IPCC）出版的国家温室气体库存指南（IPCC Guidelines for National Greenhouse Gas Inventories）能源部份第二卷第一章的表 1-3 和 1- 4。根据我国行情，煤碳、石油、天然气的碳氧化率分别设定为 0.80、0.90 和0.90。此 外 ， 计 算 模 型 中 相 关 变 量 所 涉 及 到 的

31、 数 据 ， 如 人 口 (POP)数 据 、 第 二 产 业 构 成 （ SECT）数据和国内生产总 值 （ GDP） 数 据 来 自 历 年 的 中 国 统 计 年 鉴 。 GDP 数据使用平减后的 GDP（ 1995=100） 。本文以中国各省市自治区为研究单元和时间跨度为 1995-2007 而组成的面板 数据为研究对象。 西 藏因为数据严重缺失而不纳入本文的研究， 并且考虑到重 庆 在 1997 年 设 为 直 辖 市 ， 本 文 把 重 庆 市 的 相 关 数 据 全 部 并 入 到 四 川 省 进 行 计 算 。 因此本文的最终样本个数为 377（本文中使用的变量的描述性统计见表

32、 1） 。表 1. 碳强度回归分析相关变量描述性统计结果指标 个数 均值 标准差 最小值 最大值GDP（人均实际 GDP，元）37710252.443 8331.599 1853.000 53369.852POP（万人） 377 4253.785 2874.788 240.000 11847.000CO2(吨) 377 1.324E+08 1.002E+08 2.762E+06 6.383E+08CO2PGDP（吨/亿元） 377 16794.340 12459.990 528.590 78957.780SECT（ %） 377 0.454 0.073 0.198 0.600五、主要发现利用我

33、国 29 个省市自治区从 1995-2007 年的面板数据对我国二氧化碳排放 强度的影响因素进行实证分析，结果如下。1. 混合 OLS、 FEM、 REM 回归分析结果表 2 给出了面板数据框架下各种模型的计量分析结果(包括 POLS 结果),以供 比较。POLS 结果表明除了变量 SECT 外，其它变量在统计上都不显著。但是比较 POLS 与 FEM 模型的 F检 测 统 计 量 （ 55.74） 和 比 较 POLS 与 REM 模型的 LM检 测 统 计 量 （ 1441.74） 都 远 远 大 于 其 对 应 的 临 界 值 ， 表 明 我 们 应 该 拒 绝 传 统 的 POLS 回

34、归模型作为本文中的面板数据分析模型，而选择 FEM 或 REM 模型。同时，用于 比 较 固 定 效 应 模 型 （ FEM） 和 随 机 效 用 模 型 （ REM ） 的 Hausman 检 验 统 计 量（15.96）在 5%水平下统计显著，意味着我们应拒绝个体效用和时间效应与自变 量不相关这一零假设，表明带有个体效用和时间效应的固定模型-FEM 模型-是个 更好的选择。尽 管 根 据 计 量 检 验 得 出 固 定 效 应 模 型 比 随 机 效 应 模 型 更 适 合 本 文 的 面 板 分 析，但 FEM 模型分析得出的结果跟 REM 模型在本质上相似。FEM 模型的分析结果 表明

35、 GDP 的各次项以及第二产业构成变量 SECT 能够有力的解释我国各省碳排放 强度 的 变 化 -固定 效 应 模 型 中 的 R2 等于 0.90。当 然 模 型 中 的 固 定 效 应 对 模 型 的拟 合 也 有 一 定 贡 献 度 。 GDP 的 一 次 项 、 二 次 项 和 三 次 项 在 5%的 水 平 下 均 统 计 显 著。这个结果意味着碳排放强度跟 GDP 之间存在既不是线性也不是 U 型的非线性关系，而是一种 N 型关系（ 型），并且我们发现 GDP 的三次项系数为负，表 2. 模型设定、比较及估计结果 (因变量：碳排放强度 )混合最小二乘法 固定效应 随机效应 可行的

36、广义最小二乘法模型 模型 模型 模型(POLS) (FEM) (REM) (FGLS)常数项 39.017 153.118* 134.914* 97.043*（0.64） (5.31) (4.77) (4.83)GDP -6.701 -45.110* -39.960* -27.620*（0.34） (4.80) (4.31) (4.00)GDP2 0.359 4.761* 4.238* 2.885*(0.16） (4.65) (4.19) (3.66)GDP3 -0.003 -0.172* -0.152* -0.102*（0.03） (4.62) (4.15) (3.42)SECT2 0.05

37、1* 0.013* 0.015* 0.0129*（8.76） (1.84) (2.41) (6.00)R2 0.34 0.90 (NA) (NA)F 检验统计量 = 55.74 1.42LM 检验统计量 =1441.74 5.99Hausman 检验统计量 = 15.96 9.49LR 异相关检验统计量 = 479.40 41.34Wooldridge 自相关检验统计量 = 96.21 4.20注：(i)*(*)表示在5%（10%）水平上显著； (ii)圆括号内值为 t值；NA代表不 适用; (iii)方括号内值为对应的临界值。比较表 2 中第二栏的 FEM 模型和第三栏的 REM 模 型 ，

38、 我 们 可 以 看 出 ， 暗 示 了 这 么 一 个 现 象 ： 随 着 GDP 的 不 断 提 高 ， 环 境 质 量 最 终 将 得 以 改 善 。 SECT 的系数在 10%水 平 下 统 计 显 著 且 系 数 为 正 ， 这 个 结 果 符 合 我 们 的 预 期 ， 它 表 明 在 保 持 人 均 GDP 不变的情况下，第二产业的比重越高带来的 CO2 排放强度越高。2. FGLS 回归分析结果 如 果 不 进 行 进 一 步 的 模 型 设 定 检 验 如 省 际 间 的 异 方 差 检 验 和 省 际 内 自 相 关检验，我们有可能被表2中FEM模型给出的FEM估计结果所误

39、导。似然比检验（LR test）统计量（479.40）和Wooldridge检验统计量（96.21）表明本文的面板样 本存在异方差和自相关问题。如果省际内AR(1)误差结构且省际间异方差存在的 话，Hausman检验零假设或备择假设下FEM系数估计值（ FEM）或REM系数估计值（ REM） 都 不是最优的， 并 且式 （ 5） 中 根据标准公式算出的协方差 V1和 V2都是无 效的(Baltagi, 2005, p.68)。 因 此， 我们给出一种 比 POLS和FEM更有效的分析方 法- 可行的广义最小二乘法（Feasible Generalized Least Squares, FGLS

40、）。 FGLS能够修正省际间的异方差检验和省际内（间）的自相关问题。考 虑 式 （ 1） 中 的误差 项 it,它的方差协方差矩 阵 （ V） 由两部份 -省 际 内 （ 间 ） 的相关和省际间异方差 -结合而成，具体的讲，为如下形式： 1 2 . T1 11P1121P2112P1222P22.1NP1N 2NP2N ij j1 j .jT2 j E(uu) =V= ， 其中 P = 2 1 . T3 （ 7） . . . . ij i i j . . . . N1PN1 N2PN2 . NNPNN T1 T2 T3 . 1 i i i 这 个 FGLS模 型 其 实 是 现 代 教 科 书

41、 中 常 见 的 Parks-Kmenta模 型 (Parks , 1967;Kmenta, 1986)。用 于 比 较 Parks-Kmenta 形 式 的 FGLS 模 型 和 FEM 模 型 的 Hausman 检 测 结 果（表 2 没有给出此检测结果）确实表明在这篇实证分析文章中 FGLS 模型优于 FEM 模型。当然，从表 2 可以看出,FGLS 的回归结果同 FEM 模型的结果是相一致的。 具 体 而 言 ， GDP 的 一 次 项 、 二 次 项 、 三 次 项 系 数 和 SECT 的 系 数 均 通 过 了 显 著 性 水平为 5%的显著性检验。但可以看出 FGLS 模型得

42、出的系数估计值（绝对值）要 小于 FEM 估 计 值 。 根 据 表 2 的 FGLS 估 计 结 果 ， 我 们 写 出 碳 排 放 强 度 和 GDP、产 业结构之间的关系如下：CO2PGDP = 97.04 - 27.62GDP + 2.89GDP 2 0.102GDP3 + 0.012SECT( 4.83) ( 4.00) (3.66) ( 3.42) ( 6.00)（8）3. 经济发展水平与碳排放强度式 （ 8） 的 GDP三 项 系 数 统 计 上 都 显 著 ， 表 明 GDP跟 CO2排 放 强 度 之 间 呈 现 出 非 线性 关 系 （ 型） 。具体 的 讲 ， 碳 排 放

43、 强 度 随 着 GDP的提 高 先 有 一 个 以 递 减 的速 度下降再过渡到以递增的速度急剧下降的趋势 (见图 5)。 在 GDP系数等于 9.44的时 候 （ 对应的人均 GDP为12637.76 元人民币） ， 碳 排放强度降得最慢， 之后碳排放强 度再次呈现快速下降趋势。 4在本文的样本内，2007 年我国各省 GDP 系数取值范围为8.62, 10.88,第二 产 业 结 构 位 于 0.37， 0.48之 间 ， 由 此 表 明 ， 有 的 省 份 在 经 济 发 展 的 同 时 CO2 排 放 强 度 处 于 缓 慢 下 降 的 过 程 之 中 ， 而 有 的 省 份 在 经

44、 济 发 展 时 正 处 于 CO2 排放 强度快速下降阶段。利 用 式 （ 8） ， 我 们 对 中 国 在 2020年不同经济发展水平下的碳排放作情景分析 。 首 先 利 用 统 计 年 鉴 中 的 1978-2007第 二 产 业 GDP构 成 的 时 间 序 列 数 据 作 第 二 产 业 GDP 构 成 对 时 间 的 线 性 回 归 分 析 ， 然 后 依 此 预 测 2020 年 第 二 产 业 GDP 构 成 为 47.55%。然后，我们假定人均实际 GDP从 2007年（本文样本所能到的年份）起分 别以 8.5%、 9%、 9.5%、 10%、 10.5%、 11%的增速增长

45、。最后，我们再根据不同的 增长率计算所得的 2020年的人均实际 GDP和前述的第二产业构成（ 47.55%）代入 公式（ 7），得表 3结果。4 根据公式（ 8） ， 我们用碳排放密度 CO2PGDP 对人均 GDP 取偏导数得到，CO2PGDP / GDP = 0.306GDP2 + 5.78GDP 27.62 = 0.306(GDP 9.44)2 0.326 ， 因此当 GDP=9.44 时，曲线斜率达到最小值（等 于 -0.326） 。图 5. 碳 排 放 强 度 随 GDP 变化趋势图 从 表 3的 结 果 可 以 看 出 ， 在 2020年 如 果 第 二 产 业 构 成 保 持

46、47.55%的 比 重 不 变 ，即 使 GDP每 年 增 长 率 超 过 10%， 碳 排 放 强 度 下 降 的 空 间 十 分 有 限 ， 同 2005年 相 比 2020年碳排放强度下降还不到10%，离温家宝总理在国务院常务会议上提出的到2020年我国单位国内生产总值二氧化碳排放比2005年下降40%-45%这一目标还有 很大的一段差距， 由此表明如果产业结构不改变并仍然以现有的产业比重发展 经 济的话，经济的发展（GDP的上升）并不能带来碳排放强度的大幅下降，我国要 实现2020年的碳减排目标会很渺茫。从另外一个角度上讲，如果我们在2020年要实现温总理提出的目标，即碳排 放 强 度

47、 比 2005年 下 降 40%， 根 据 公 式 （ 8） 以 及 不 同 的 第 二 产 业 构 成 （ 这 里 我 们 假 设取值范围为 0.30, 0.50） ,我们计算出人均实际 GDP年均增长速度等于 18.7%。5这个值远远超过了我们目前的GDP增长现状， 由 此可见我国要实现2020年的碳减排目标难度很大。4. 产业结构与碳排放强度 从 产 业 结 构 与 碳 排 放 强 度 这 个 方 面 讲 ， 式 （ 8） 表 明 在 人 均 GDP保 持 不 变 的 情况下， 第 二产业构成越高或者说对第二产业依赖度越高， 碳 排放强度越高。 这 正 印证了前面所述的一个事实：在两省G

48、DP相当的情况下，第二产业比重大的省份 其碳排放强度大。例如，山西和湖北在2007年的人均GDP相当，但由于山西的第5 2007 年我国的第二产业构成为 48.6%，到 2020 年短短的 13 年内，我们对第二产业构成的变 化定的这个可能的取值范围应该是合理的。二产业比重大于湖北， 它 的碳排放强度要大于湖北。 这从另外一个角度给我们 传 递了这样一个信号：如果我们减少对第二产业的过分依赖，大力发展第三产业， 我们不仅能够达到同等的GDP水平，而且达到了碳排放下降、环境改善的目的。表 3. 2020 年不同经济发展水平下碳排放强度情景（假定 2020 年第二产业构成 为 47.55%）GDP

49、 增长率 8.50% 9.00% 9.50% 10.00% 10.50% 11.00%碳排放强度下降 -9.40% -9.45% -9.50% -9.55% -9.59% -9.64%5. 产业结构、人均二氧化碳排放密度及其峰值 为 研 究 产 业 结 构 与 二 氧 化 碳 排 放 密 度 强 度 之 间 的 关 系 及 找 出 碳 排 放 强 度 的峰 值 ， 我 们 事 实 上 可 以 通 过 二 氧 化 碳 排 放 强 度 回 归 方 程 推 导 出 ， 我 们 首 先 重 新 写出二氧化碳排放强度回归方程式（8）如下，CO2PGDP= 97.04 - 27.62GDP + 2.89GDP2 0.102GDP3 +0.012SECT(4.83) (4.00) (3.66) (3.42)(6