结构变动与二氧化碳排放库兹涅茨曲线特征研究——基于分位数回归与指数分解相结合的方法，本文主要内容关键词为：位数论文,分解论文,变动论文,曲线论文,特征论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
0 引言 改革开放以来，我国保持了近三十年的高速经济增长。由于粗放型经济增长方式的长期存在，经济增长对资源投入的依赖性强，高污染、高投入、高消耗是经济发展过程中典型特征。据BP年度统计报告显示，2010年我国能源消费量32.5亿吨标准煤，超越美国跃升为世界最大能源消费国，占世界总消费额的20.3%，
排放83.3亿吨，占世界总排放额的25%。而在1998年，二者分别为13.6亿吨和36.2亿吨，十二年翻了一番多。IPCC第四次评估报告指出，人文因素特别是人类大量使用化石能源是造成
排放量剧增的主要原因，相伴而生的全球气候变暖，会导致数以亿计的人口面临饥荒、缺水和洪灾的威胁。因此，我国
排放量过快增长作为国家发展过程中凸显的新兴问题，对我国乃至世界的可持续发展提出了新的挑战。 IPCC第四次评估报告指出，人文因素是造成碳排放量剧增的主要原因，人口增长、经济增长与能源消费量增长是三大主要驱动因素。三大因素对碳排放的影响，一方面来自于自身结构的变化，另一方面来自于驱动结构的变化。同时，驱动结构变动是自身结构变动的结果。现阶段，研究自身结构与驱动结构的变动对
排放的影响集中于两种方法，计量回归与指数分解方法，计量回归方法主要用于解释自身结构变化对
排放的影响及弹性系数，理论基础为环境库兹涅茨（EKC）理论，主要采用在EKC曲线模型基础上添加结构变量的方法，如Iwata等[1]使用此方法研究了核能发电比重、贸易占GDP比重、城市化率对法国
排放量的影响。Zhang等[2]研究了三次产业结构变动对中国
排放量的影响。Park等[3]研究了工业结构变动对韩国污染物排放量的影响。Franklin等[4]研究了服务业与制造业雇佣人口比重、进出口比重、基尼系数对
排放量的影响。丁唯佳等[5]基于STIRPAT（Stochastic Impacts by Regression on Population，Affluence and Technology）模型，并引入EKC曲线，研究了我国制造业
排放影响因素。国涓等[6]基于空间经济计量方法对中国及周边国家的环境库兹涅茨曲线进行估计，并研究了空间相互作用与空间结构对
排放量影响。李国志等[7]同样基于STIRPAT模型研究了世界上70个国家或地区
排放差异及人口、经济、技术指标对排放量的驱动效果。姚奕等[8]基于省级动态面板数据研究了外商直接投资、能源消费结构、工业比率与城市化率对
排放强度的影响。在驱动结构变化研究上，Ang等[9-10]提出了对数平均迪氏指数分解方法（Logarithmic Mean Divisia Index，简称LMDI）将
排放量的时序变化分解为规模、结构、强度等多种因素的驱动变化，进而归纳出
排放量的内在驱动机制，得到广泛应用。Mairet等[11]，Casler等[12]，Davis等[13]对美国
排放量变动进行了研究，发现能源消费结构调整是影响美国
排放量变化的主要驱动因素。Hatzigeorgiou等[14]以希腊为研究对象，发现经济规模的扩大同样为其最为重要的驱动因素。Wang等[15]对中国1957～2000年能源消费相关
排放量进行分解，发现强度效应是最为重要的驱动因素。Zhang等[16]分析了中国1991～2006年
排放强度的变化情况，认为经济增长是
过量增长的主要原因，能源效率的提高是促进
减排的主要负向因素。Fan等[17]研究发现，改革开放以来我国
排放强度下降主要是由部门能源效率提高引起的。Zhang[18]研究表明产业结构变动是我国2002～2006年
排放强度变化的主要驱动因素。随后Ang等[19]、Greening[20]、Kwon[21]和Malla[22]基于此方法对居民、交通、电力等部门的
排放开展了进一步的研究。但从文献检索上看，此类方法只基于基期与目标期分解出
排放量变动的驱动因素与驱动贡献量，没有对不同驱动贡献下
排放量的变化特征基于计量方法做进一步的分析，特别是考虑到不同驱动贡献下
排放量变化可能存在类似EKC曲线的变化规律。为此，本文尝试将总体
排放量先分解为规模、结构、强度驱动下的
排放量，进而对不同驱动下的
排放量进行EKC计量分析，并结合面板数据，对不同分位点下的
排放拐点进行分析，以便更好地揭示结构变动与
排放之间的关系。 1 模型与方法 1.1 模型的设定 Grossman等[23]在研究环境污染与经济增长之间的关系时，发现经济增长和环境污染之间呈倒U型曲线关系，后逐渐发展成为EKC（Environmental Kuznets Curve）理论。其核心思想是：在经济发展的初级阶段，环境污染随着经济的增长而加剧。然而，到达一定的经济发展水平时，环境污染与经济增长之间的关系将呈现“脱钩”状态，从而实现环境的改善。然而，大量的实证结果表明，环境污染与经济增长之间的关系并不局限于传统的倒U型曲线关系，而是呈现出多种形态：线性关系[24-26]、U型关系[27-29]、倒U型关系[30-32]、N型关系[33-34]、反N型关系[35-36]。为了刻画环境库兹涅茨曲线，经典的研究方法是将环境变量作为因变量，收入指标作为自变量构造多项式曲线模型，其形式如下：
在结构变量的处理上，本文考虑两种方法，一种为在传统的环境库兹涅茨曲线基础上将产业、人口、能源结构变量作为控制变量添加到原始的环境库兹涅茨方程中，在假设原始环境库兹涅茨曲线形态不受结构变量影响的前提下，对结构变量对
排放量的影响进行分析，使用的主要方法为分位数回归方法；第二种方法将目标期对基期
排放变化倍数分解为结构、规模与强度驱动因子的连乘积形式，基期
排放量乘以结构因子即为排除其他驱动的纯结构因素贡献的
排放量。
排放量乘以所有因子，即为所有因子综合作用的
排放量，也为目标期实际
排放量。然后以人均GDP为坐标，验证各种驱动下的
排放量的变动规律。第二种方法与第一种方法的本质区别在于，第一种方法先设定了环境库兹涅茨曲线的形状，然后进行结构变量的分析；第二种方法先将
排放量分解为各驱动下产生的纯
排放量，之后验证各驱动下纯
排放量与人均GDP之间的环境库兹涅茨曲线的形状，其实质是对环境库兹涅茨曲线的分解，相关思路来源于徐现祥等[38]对经济增长驱动因素的分解。在具体的估计方法上，第一种方案主要依托计量回归方法，本文采用基于面板数据的分位数回归方法，以验证不同
排放量分位点下结构变量对
排放量的影响；第二种方案主要依托的为指数分解方法，使用能源与环境分析中广泛应用的对数平均迪氏指数分解方法[39]对
排放总量进行驱动分解，之后采用计量同归的方法验证不同驱动下环境库兹涅茨曲线的形状。下文对两种方案使用的方法进行阐述。 1.2 分位数回归估计 为了验证结构变量（产业结构、人口结构、能源利用结构指标）与环境变量之间的关系。首先，我们使用传统方法将结构变量列为控制变量进行计量检验，验证结构变量与环境变量之间的关系。在模型的选择上，考虑到横截面数据本身包含“个体之间异质性”信息，本文使用面板数据模型进行估计，模型如下：
分位数回归模型可以表示为：
在（5）式的基础上，可以采用单纯形法、内点算法和有限平滑算法等估计
值。值得注意的是，传统的分位数回归模型主要针对时间序列数据与截面数据，Koenker[41]将其拓展到面板分位数回归，将惩罚项引入回归系数估计函数来估计个体效应。罗幼喜等[42]使用蒙特卡洛方法对此方法进行模拟，发现面板数据单个个体样本量较小时，该方法估计效果较差，并且目前尚缺少有效的惩罚参数选择方法。考虑本文采用面板数据具有大N（N=29）小T（T=15）特征，Koenker[41]的惩罚参数方法并不适用。然而，对面板数据中个体效应特征进行分析是必要的，Hsiao[43]与Wooldridge[44]认为，如果样本总体为全部母体，宜采用固定效应模型。如果以样本对总体效应进行推断，即样本也是随机抽取的，同时个体效应具有确定的均值和方法，宜采用随机效应模型。很显然，本文属于第一种固定效应的情况，可以采用虚拟变量法[45]表征固定效应，即通过添加省区虚拟变量（共28个）来表征面板数据中的个体效应，进而估计出模型（2）各自变量的回归系数。 1.3 迪氏指数分解方法 传统的结构变量处理方法是将结构变量作为环境库兹涅茨曲线的控制变量，然而环境库兹涅茨曲线有多种形式，特别是多项式的加入，会影响控制变量与因变量之间的关系，加之结构变量之间存在相互作用，会造成伪回归或检验不显著。为此，本文采用因素分析方法中的指数分解技术，辅证结构变动对
排放的影响。将
排放量构成分解为结构、规模与强度驱动作用下的排放量，并验证不同驱动下
排放量与人均GDP之间是否存在环境库兹涅茨曲线关系及拐点出现情况，具体分解方法如下： 首先，将第i个省区总碳排放量C分解为：
根据分解结果，我们可以建立规模、结构与强度驱动下
排放量变化曲线模型：
据此，我们可以验证不同驱动下
排放量变化规律，找出不同驱动下的
排放拐点。为了保持与模型（2）一致性，我们同样采用在原有面板时间序列基础上，通过添加省区虚拟变量来表征面板数据中的固定个体效应，进而采用分位数模型对回归系数进行估计。由于总
排放量由生产领域
排放量与生活领域
排放量构成，对两部分
排放量可分别进行类似公式（6）～（11）的分解与公式（12）～（14）的回归。 其中，生产领域
排放量分解的基础公式为：
生活领域
排放量分解的基础公式为：
2 数据的来源与处理 本文基于1995～2010年（指数分解使用1995～2010年数据，计量回归使用1996～2010年数据）29个省区（不包含西藏，重庆与四川合并）面板数据进行研究。在省区
排放量估算方面，煤炭、石油、天然气作为一次能源，其消费量很大程度上用于生产二次能源，造成生产消费与最终消费空间不一致现象，在测算全国
排放量时，三种能源估算法能够有效避免重复计算。然而，根据三种一次能源测算
省级排放量，会产生实际
排放量区域分配的不公平性，造成过量估算具有能源输出功能省份的
排放量，产生能源最终消费与
排放的空间分布不一致现象。据此，我们使用20种终端能源消费量计算省级
排放量。由于缺乏电力与热力的
排放系数，我们使用全国电力与热力生产消耗各种能源形成的
排放总额除以终端电力与热力消费量，确定电力与热力的
排放系数，具体参考涂正革[47]的“电（热）碳分摊”原则。能源平衡表中其他能源的
排放系数取自《中国应对气候变化国家方案》中我国能源平均
排放系数
；其余17种能源的
排放系数根据《2006年IPCC国家温室气体清单指南》测算，估算系数如表1所示。 公式（6）需采集各省区细分种类的能源消费与
排放数据，数据来源于《中国能源统计年鉴1996～2011》中分地区能源平衡表中20种终端能源消费量，
排放同样基于20种终端能源消费量进行计算；公式（15）需采集各省区细分行业增加值与
排放数据，在行业的划分上，我们依据《中国统计年鉴》划分为农林牧渔业、工业、建筑业、交通运输仓储及邮电通信业、商业及其他（将第三产业中批发零售、住宿餐饮与其他行业合并为商业及其他）5大部门。其中行业增加值数据来源于《中国统计年鉴1996～2002》各地区国内生产总值表、《中国统计年鉴2003～2007》地区生产总值表、《中国统计年鉴2008～2011》按三次产业分地区生产总值表。并依据中国统计年鉴与地区统计年鉴提供的地区生产总值指数（按三次产业细分）将各行业增加值统一到2000年不变价，能源消费量采用《中国能源统计年鉴》中分行业20种终端能源消费量转化为标准煤计算汇总，由于工业能耗中包含作为工业产品原料或者辅助材料部分，虽投入的为能源，但产出产品属于能源范畴以外的产品，并非直接燃烧产生
，本文在工业能耗中予以扣除。具体方法为在能源平衡表终端能源消费大类中，用工业终端能源消费项减去用作原料、材料的能源消费量一子项作为工业能耗中扣除原材料的消费量。其他行业
排放量同样基于20种终端能源消费量计算汇总，没有原材料扣除项；公式（16）需采集各省区城乡人口、城乡能源消费量与
排放量数据，城乡人口数据来源于《中国统计年鉴1996～2011》。式（16）在划分城市与乡村人口时，采用非农业人口和农业人口的划分标准，数据来源于《中国人口统计年鉴1996～2009》与《中国人口和就业统计年鉴2010～2011》。城乡能源消费量数据来源于《中国能源统计年鉴1996～2011》分地区能源平衡表城乡终端能源消费量，
排放量基于20种终端能源消费量计算汇总。变量的描述性统计如下页表2所示。
3 经验估计 在进行分位数计量回归检验前，为了避免回归自变量中时间序列数据非同阶单整造成的虚假回归现象，有必要对各自变量进行单位根检验，本文采用了Levin，Lin & Chut检验、ADF-Fisher卡方检验、IPS检验方法分别进行检验。表3报告了面板数据的单位根检验结果，检验表明，lnc为零阶单整，其他变量为一阶单整，被解释变量的单整阶数低于任何一个解释变量的单整阶数，可以进行回归检验。同时，人均GDP、人均GDP平方项、人均GDP三次方项均为一阶单整，与Granger等[48]研究结论相一致，即一阶单整时间序列的低幂次方项仍为一阶单整。 为识别公式（1）中环境库兹涅茨曲线的类型与变化趋势，我们使用三种方法进行面板数据回归检验，固定效应模型、随机效应模型和分位数回归模型。前两者的优点在于能够体现个体的异质性特征。分位数回归的优点在于能够在事先设定的某个分位点上估计解释变量对被解释变量的弹性系数（或边际贡献），而传统的最小二乘法只能分析解释变量对被解释变量的平均弹性系数（或边际贡献）。具体的估计结果如表4所示。
由表4可知，在固定、随机与分位数回归情况下，各变量皆以极高的显著性水平通过了假设检验，说明
排放的回归曲线符合倒N型假设。在固定效应假设下，拐点出现在1808元与89882元，即人均GDP位于这一区间时，
排放量将持续上升，在人均GDP达到89882元时，
排放量将随人均GDP的增长而出现下降趋势。由于本文需要引入多个结构变量，结构变量之间可能存在多重共线性，造成某些结构变量回归系数的不显著。为此，我们在结构变量之间建立回归关系，式（17）结果表明，结构变量回归系数都通过了t检验，确实存在多重共线性：
为了减少多重共线性对回归结果的影响，我们尝试将结构变量分别引入回归方程检验回归结果，如表5所示。 如表5所示，将所有结构变量加入回归方程，会出现第二产业比重、第三产业比重弹性系数不显著的情况。将结构变量分别引入回归方程，四个回归方程的回归系数与F值都能通过显著性水平为1%的统计检验。城市人口比重、第二产业比重、第三产业比重与非煤能源比重对
排放的弹性系数分别为0.444、0.451、-0.621与-0.321，第二产业比重的弹性系数最高，其次是城市人口比重，第三产业比重负弹性系数的绝对值比第二产业比重与城市人口比重大，说明第三产业具有较大的减排潜力。非煤能源比重负弹性系数的绝对值比第二三产业比重与城市人口比重小，说明通过能源结构调整实现减排的途径受现有技术水平与资源禀赋的限制，其比例调整的难度较产业结构调整难度更大。为了进一步分析不同
排放水平下，各结构变量的弹性系数，本文同样使用分位数回归模型，计算0.01至0.99每隔0.01个分位点的99个分位数回归系数，具体结果如图1。 城市化率（城市人口比重）对
排放的弹性系数随着分位数点的增大而增大，说明
排放量较大的地区，城市化对
排放的弹性系数越大，城市化对
排放贡献越强；第二产业比重对
排放的弹性系数与分位点之间存在倒N型关系，即在0.3～0.7分位点区间上，
排放量越大的地区，第二产业比重的上升对
排放上升的拉动作用越强，但到达一定的峰值后，第二产业比重的上升对
排放上升的拉动作用下降；第三产业比重对
排放的弹性系数与分位点之间存在N型关系，即在0.3～0.7分位点区间上，
排放量越大，第三产业比重的上升对
减排的贡献越强，但到达一定的峰值后，第三产业比重的上升对
减排的贡献作用下降；非煤能源比重对
排放的弹性系数与分位点之间存在U型关系，在0.1～0.7分位点区间上，
排放量越大，非煤能源比重对
排放的弹性系数越小，非煤能源比重提升对
减排的贡献越强，在0.7～0.9分位点区间上，
排放量越大，非煤能源比重提升对
减排的贡献下降。
前文的分析主要基于传统回归方法，然而，单纯的基于第二产业、第三产业、非农人口与非煤能源消费比重作为产业结构、人口结构与能源消费结构代理变量，不能完全解释结构变量对
排放的影响。接下来，本文依托指数分解方法，使用能源与环境分析中广泛应用的对数平均迪氏指数分解方法将
排放总量进行驱动因素分解，之后验证不同驱动诱因下环境库兹涅茨曲线的形状。首先，我们依据公式（6）将能源消费总量分解为20种能源消费子类别，依据公式（7）～（14）将其分解为规模、结构与强度驱动下的
排放量，进而进行分位数回归，回归结果如表6。
如表6所示，将总体能源消费引起的
排放划分为规模、结构与强度效应驱动量，并分别进行固定效应回归，结果表明：规模与结构驱动下
排放量与人均GDP之间存在显著的倒N型曲线关系。强度驱动下
排放量与人均GDP之间的倒N型曲线关系不显著。由于倒N型曲线关系下，拐点1与拐点2之间人均GDP与
排放量为正相关关系，此区域
排放量随人均GDP的增长而增长（本文称其为“环境库兹涅茨增长区间”），因此，这一区间越小越有利。规模驱动下
排放量拐点1与拐点2区间包含总体
排放量区间，说明规模驱动下
排放量具有较强的伴随人均GDP增长的趋势；结构驱动下
排放量拐点1与拐点2出现的时间（用人均GDP大小衡量）晚于总体
排放量拐点1与拐点2出现的时间，说明结构驱动下
排放量的演变过程滞后于总体
排放量的演变过程，这也与能源结构调整过程慢于能源消费量增长过程有关；为了进一步验证规模、结构与强度效应驱动下
排放的轨迹，我们使用分位数回归方法对不同分位点上的拐点出现特征进行分析。 由图2可以看出，能源消费引起的总体、规模、结构与强度驱动下
排放存在分位点越高，拐点2出现所需的人均GDP越高的情况，说明上述驱动下
排放量越大的地区达到
减少拐点所需的时间越长。总体、规模与结构驱动下
排放存在分位点越高，拐点1出现所需的人均GDP越小的情况，说明上述驱动下
排放量越大的地区进入
增长拐点所需的时间越短。值得注意的是，强度驱动下
排放存在分位点越高，拐点1与拐点2出现所需的人均GDP越大的情况，即高
排放地区“环境库兹涅茨增长区间”出现时间滞后于低
排放地区，这与单位能耗
排放强度指标的特点有关，由于受资源禀赋与产业结构限制，多数地区能源利用结构相对稳定，从而造成了单位能耗
排放强度指标的相对稳定，并且能源利用量越大，
排放量越大的地区，能源利用结构调整难度越大，调整的效果越不明显。
如表7所示，将生产领域
排放量依据公式（15）划分为规模、结构与强度驱动下排放量，并分别进行计量回归，结果表明：规模、结构与强度驱动下
排放量与人均GDP之间存在显著的倒N型曲线关系。强度驱动下
排放量拐点1与拐点2区间包含结构、规模驱动下
排放量拐点1与拐点2区间，说明在经济增长过程中，强度驱动下的
排放量率先实现与人均GDP增长的耦合，最后走出耦合区间，而规模驱动下
排放量相反，最后进入耦合区间，并最先走出耦合区间。 如图3生产领域
排放分位数回归结果所示，总体
排放量与结构、强度驱动下的
排放都存在排放量越大，拐点1出现越早，拐点2出现越晚的情况；规模驱动下的
排放存在排放量越大，拐点1出现越晚，拐点2出现越早的情况，说明规模驱动下的
排放量越大的地区在“环境库兹涅茨增长区间”停留的时间越短，这与我国的现实情况相符，我国
排放量较大的地区多为经济规模较大的东部地区，其具有相对较高的技术与经济发展水平，能够率先达到
排放量下降的拐点。多数西部地区在较低的人均GDP水平上受东部地区技术转移与产业转移的影响，在较小的经济规模下快速进入“环境库兹涅茨增长区间”，但由于资本积累与经济基础明显处于劣势，在此区间停留的时间较东部地区要久。
如表8所示，将生活领域
排放量依据公式（16）划分为规模、结构与强度驱动下排放量，并分别进行计量回归，结果表明：强度驱动下的排放量进入“环境库兹涅茨增长区间”的时间要早于规模和结构驱动下的
排放量，并且率先抵达
排放量减少的拐点2。同时，结构驱动下的拐点1与拐点2区间包含规模驱动下的拐点1与拐点2区间，说明结构驱动下的排放量处于“环境库兹涅茨增长区间”的时间较规模驱动更长，这与我国的现实情况相符，我国城市化进程相对滞后，人口由农村向城市的转移对
排放变化产生的影响可能比人口规模的扩大持续的时间更长。 如下页图4生活领域
排放量分位数回归结果所示。分位点不同对结构驱动下的拐点1出现位置的影响较大。对总体、规模和强度驱动下的拐点1出现的位置影响较小；不同分位点，规模与结构驱动下拐点2出现的位置形态具有相似性，总体与强度驱动下拐点2出现的位置形态具有相似性。同时，规模与结构驱动下0.5～0.7分位数区间上的点显著优于其他分位数区间上的点，能够在相对较低的人均GDP水平上达到
排放量下降的拐点2，说明在生活领域
排放量过多或过少的地区都面临较高的减排压力，反而适中的地区能够较快的达到
排放量下降的拐点。总体
排放在0～0.2与0.8～0.9分位点上面临较高的拐点2值，进一步说明
排放量过多或过少反而会造成减排压力增大的事实。
4 结论与建议 本文基于环境库兹涅茨理论，使用分位数回归与指数分解相结合的方法，验证了我国
排放的拐点特征及结构变量的弹性系数，并对总体、生产与生活领域
排放量做基于指数分解方法的进一步分解，将其分解为规模、结构与强度驱动诱因下的
排放量，并分别验证了不同驱动诱因下
排放的拐点特征，结果表明： 1）基于传统库兹涅茨曲线模型基础上添加结构变量的方法，我们得出如下结论：城市化率对
排放的弹性系数随着分位数点的增大而增大，第二产业比重对
排放的弹性系数与分位点之间存在倒N型关系，第三产业比重对
排放的弹性系数与分位点之间存在N型关系，非煤能源比重对
排放的弹性系数与分位点之间存在U型关系。 2）通过对能源消费产生的
排放基于能源利用规模、结构与单位能耗强度驱动分别进行回归，结果表明：规模驱动下
排放量具有较强的伴随人均GDP增长的趋势；由于能源消费结构调整相对能源消费量增长而言，变动不明显，结构驱动下
排放量的演变过程滞后于总体
排放量的演变过程；强度驱动下
排放特征呈现出高排放地区拐点1与拐点2出现时间滞后于低排放地区的情况，说明能源消费量越大，
排放量越大的地区，能源消费结构调整难度越大，单位能耗
排放下降越困难。 3）通过对生产领域
排放基于经济规模、结构与单位增加值排放强度驱动分别进行回归，结果表明：在经济增长与产业结构变动过程中，强度驱动下的
排放量处于“环境库兹涅茨增长区间”的时间比其他驱动要长，说明强度驱动下
排放量与人均GDP之间存在较强的耦合关系。规模驱动下
排放量处于“环境库兹涅茨增长区间”的时间比其他驱动要短，并且规模驱动下
排放量越大的地区在“环境库兹涅茨增长区间”停留的时间却越短，这与我国
排放量较大的地区多为东部发达地区，能够率先达到
排放量下降拐点的现象相一致。 4）通过对生活领域
排放基于人口规模、结构与人均排放量驱动分别进行回归，结果表明：在人口增长与人口城乡结构变动过程中，强度驱动下
排放量进入“环境库兹涅茨增长区间”的时间要早于其他驱动量，并率先脱离“环境库兹涅茨增长区间”。结构驱动下排放量处于“环境库兹涅茨增长区间”的时间较规模驱动更长，说明我国城市化进程滞后，人口由农村向城市的转移过程对
排放变化产生的影响过程可能比单纯人口规模的扩大对
排放变化产生的影响持续的时间更长。规模驱动与结构驱动下0.5～0.7分位数区间上
排放量对应的拐点所需人均GDP较少，说明
排放量过大或过少的地区都不利于
排放量的下降，
排放量适中的地区反而能够更快的到达
排放量下降的拐点。
标签：库兹涅茨曲线论文; 分位数论文; 弹性系数论文; 能源消费弹性系数论文; 能源消费论文; 能源结构论文; 回归模型论文; 能源强度论文; 经济论文;
