地区二氧化碳排放与经济发展——基于脱钩理论和CKC的实证分析，本文主要内容关键词为：实证论文,经济发展论文,地区论文,二氧化论文,理论和论文，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。
一、引言
改革开放三十余年来，我国经济持续快速增长，创造了“中国奇迹”，但也付出了巨大的能源和环境代价。温家宝总理在2011年十一届全国人大四次会议上做政府工作报告时指出：“我国发展中不平衡、不协调、不可持续的问题依然突出。”我国的碳排放形势不容乐观，能源消费从1978年的62 770万吨标准煤增加到2010年的296 916万吨标准煤(《中国统计年鉴》，2011》)，增长了近5倍，成为世界煤炭消费第一大国和能源消费第一大国；同时，碳排放量占世界碳排放总量的比重也在不断增加。根据美国能源部
信息分析中心(CDIAC)的数据，2005年中国成为全球排放第一大国，2008年的排放量更是占到全球的23.55%。我国的减排压力骤升，减排形势异常严峻。
理论文献已证明，地区排放与经济发展的相关性很强，这引发了大量的实证研究。一些学者利用“脱钩指数”探究了二者的关系，国内的代表性文献有陆钟武等[1]、仲云云和仲伟周[2]。更多的学者倾向于从CKC的角度进行研究。对碳库兹涅茨曲线(Carbon Kuznets Curve，CKC)的研究可追溯到环境库兹涅茨曲线(EKC)，即主要探讨经济增长与环境污染之间的关系。Grossman和Krueger[3]、Panayotou[4]、Selden和Song[5]等从实证的角度提出，环境污染与经济增长呈现出典型的倒U形关系，即在经济发展的初级阶段，随着经济增长，环境质量不断恶化，当经济增长越过某一特定的“转折点”时，环境质量将得到改善。近年来，由温室气体排放引发的气候变化使得各国政府及学术界更加关注碳排放问题。Holtz Eakin和Selden[6]、Panayotou等[7]、Galeotti和Lanza[8]、Galeotti等[9]、Jalil和Mahmud[10]提出了碳排放库兹涅茨曲线(Carbon Kuznets Curve，CKC)，并证明了其存在性及形状。但也有不少学者[11-13]提出了质疑，认为CKC并不存在。Galeotti等[9]对CKC进行稳健性检验后发现，OECD国家存在CKC。Moomaw和Unruh[14]、Friedl和Getzner[15]、Martinez-Zarzoso等[16]发现，环境污染与经济增长呈现为N形。Lantz和Feng[17]发现，人均GDP与排放量不相关。
国内学者对CKC也进行了有意义的探究。陆虹[18]建立了人均排放量与人均GDP之间的状态空间模型，发现二者不是简单地呈现为倒U形关系。付加锋等[19]认为，无论是从生产视角还是从消费视角，单位GDP的排放量都呈显著的倒U形状。蔡昉等[20]通过拟合EKC、估计排放水平从升到降的拐点，考察了我国经济内在的节能减排要求，认为如果温室气体的减排被动等待库兹涅茨拐点的到来，将无法应对日益增大的环境压力。韩玉军和陆旸[21]对不同国家进行分组后的研究表明，不同组别国家的库兹涅茨曲线差异很大，分别呈现倒U形、线性等关系。林伯强和蒋竺均[22]用世界银行时间序列数据研究了我国的排放拐点，并对其在不同条件下的实现情况进行了预测。许广月和宋德勇[23]利用因素分解法估算省级面板碳排放数据，对我国东、中、西三大区域的碳排放库兹涅茨曲线进行了验证，发现存在区域差异。虞义华等[24]分析了排放强度与经济发展水平及产业结构之间的关系，认为碳强度与人均GDP之间存在N形关系。郑丽琳和朱启贵[25]利用面板协整和误差修正模型进行了分析，发现动态固定效应下的面板误差修正模型最优，碳排放与经济增长之间存在长期稳定的倒U形关系，且动态面板模型结果具有稳健性。
在已有文献的基础上，本文将从以下几个方面进行探索：(1)以往的研究通过能源消费计算排放量，最多细分出9类，本文则囊括了《中国能源统计年鉴》中涉及的17种能源种类，还考虑了水泥生产过程带来的排放；(2)基于省际、东中西部、八大经济区域的三维研究视角，分析地区排放与经济发展之间的关系；(3)利用Kaya恒等式和IPAT模型两大分析框架，从理论基础上确认地区经济发展对排放的首要作用；(4)尝试将脱钩理论和碳库兹涅茨曲线(CKC)纳入统一的分析框架，研究二者关系的不同侧面。
二、碳排放影响因素模型分析
在研究地区二氧化碳排放之前，需要从理论模型方面分析二氧化碳排放的诸多影响因素，探讨经济发展是否是地区二氧化碳排放的首要影响因素。概括地说，碳排放驱动因素研究主要是基于两个分析框架：Kaya恒等式和IPAT模型。本文从这两个一般性分析框架开始，探寻地区排放的驱动因素。
(一)Kaya恒等式分析
Kaya恒等式是由日本教授Yoichi Kaya于1989年在IPCC的一个研讨会上首次提出[26]，旨在建立起经济、政策和人口等因素与人类活动产生的之间的联系，其表达式为：
其中，为温室气体排放量，TOE为能源消费总量，GDP为国内生产总值，POP为总人口。因此，等式右边的四项分别代表单位能源消费的排放量、能源强度、人均GDP及人口。
这个恒等式是对排放总量的宏观影响因素分析，等式左边若为人均排放量或是单位GDP的排放量(排放强度)，则通过数学变化，可以得到下面两个恒等式：
由式(2)可知，人均排放量与单位能源消费的排放量、能源强度、人均GDP密切相关。
式(3)表明，排放强度由单位能源消费的排放量和能源强度共同决定。
Kaya恒等式结构简单，易于操作，应用也较为广泛。但由于其考察的变量数目有限，所得的研究结果也仅限于排放与能源、经济及人口在宏观上的量化关系。
(二)IPAT模型分析
研究排放影响因素的分析框架还有被称为IPAT的模型[27]，它最早用来分析人口和经济因素对环境的影响，其表达式为：I=PAT。其中，I表示环境影响(Impact)，P表示人口规模(Population)，A表示人均财富(Affluence)，T表示技术(Technology)。尽管IPAT模型是一个非常简洁和有用的分析框架，但其存在两个局限：一是IPAT模型仅是一个数学上的公式，不能直接检验各种因素对环境影响的假说；二是IPAT模型简单地假定人口、财富、技术对环境的弹性是统一的，这与倒U形的EKC假说相冲突。为了弥补IPAT的不足，有学者在IPAT的基础上进行了改进，构建了随机模型STIRPAT(Stochastic Impacts by Regression on Population,Affluence and Technology)，其表达式如下：
其中，I、P、A、T等符号的含义与IPAT模型一致；α =lna为常数项，ε=lne为随机误差项或随机扰动项，其含义与计量经济学中的界定相同。
结合Kaya恒等式分析中的式(2)和式(3)可以看出，两种分析框架其实是相似的。比如，Kaya恒等式的能源强度与STIRPAT模型的技术T基本上是一致的，STIRPAT模型中的人均财富A通常用人均GDP来度量，这也与Kaya恒等式相类似。人口P在两种模型中当然都是相同的。
根据以上两种框架的分析结果，可以认为，我国地区排放主要有经济发展水平(人均GDP)、能源强度、人口等重要影响因素。由于实行人口控制，我国人口总数变量是一个相对稳定的值，其影响在短期内并不明显。能源强度不是宏观经济变量，且与能源技术因素密切相关，超出了本文的论域。因此，经济发展水平(人均GDP)在宏观经济变量中值得我们重点关注，这也是本文的初衷。
本文以人均排放量、排放强度作为刻画地区碳排放的指标，考察地区二氧化碳排放与经济发展水平的相关性。
如图1所示，人均排放量与人均GDP都处于上升阶段，但人均排放量上升的速度比人均GDP略快；排放强度与人均GDP的方向正好相反，除了2007年的小幅波动外，一直处于下降的轨道。这说明，不管是人均排放量还是排放强度，都与人均GDP的发展趋势不完全吻合，需要运用更先进的技术工具做进一步的分析。下文的分析主要集中于两个方面：基于“脱钩理论”的“脱钩指数”分析和基于环境库兹涅茨曲线(EKC)衍生出的碳库兹涅茨曲线(CKC)。
图1 1997～2010年全国排放指标与人均GDP的变化趋势
注：人均排放量、排放强度及人均GDP的单位依次为吨/人、吨/万元、万元；图中涉及到的GDP变量，均以2010年价格为基准进行了调整；图中数据为笔者计算得到。
三、模型、方法与数据
(一)脱钩理论和脱钩指数
“脱钩”(decoupling)一词通常用来描述切断环境污染与经济增长之间的密切关系，具体体现为脱钩指标的度量。当前分析经济发展与排放关系的脱钩指标可分为OECD模式和Tapio模式，它们分别对应总量指标和强度指标。前者通常是指相关分析变量的总量，如排放总量和GDP；后者是使用相关变量的比值，通过分析比值的变动来确定脱钩是否发生。
经济合作与发展组织(OECD)于2002年设立了脱钩指数与脱钩因子(直接比较终期年与基期年的变化，作为判定该时期经济体系是否呈现脱钩关系的依据)[28]。在公式(6)、(7)中，D表示脱钩指数，F表示脱钩因子：
其中，EP为环境压力指标值，DP为经济驱动力指标值。选定某一年作为基准年，如以1997年(
)为基准年，令其指数为100，以2010年(
)为终期年，直接计算终期年相对于基准年的脱钩因子变化值，即可看出两者是绝对脱钩(脱钩因子为正，且其值接近于1)，还是相对脱钩(脱钩因子为正，且其值接近于0)，抑或是无脱钩(脱钩因子为0或负值)。
显然，该脱钩指标对于基期年的选定具有高度敏感性，在不同的基期年下，会出现迥然不同的结果；同时，该指标主要是比较量的变化，不能真实地反映脱钩情况。为了突破这两个局限，芬兰未来研究中心的Petri Tapio教授于2005年提出了“脱钩弹性”(decoupling elasticity)的概念，将脱钩指标分为连结、脱钩或负脱钩三种状态，再依据不同的弹性值，进一步细分出弱脱钩、强脱钩、弱负脱钩、强负脱钩、增长负脱钩、增长连结、衰退脱钩和衰退连结八大类。该指标的优点在于，能对环境压力指标与经济驱动力指标的各种可能组合给出合理的定位。
Tapio[29]对交通、能源及排放量关系的研究，可以拓展为经济增长与排放量之间的脱钩关系。用ε代表脱钩弹性，则有式(8):
其中，t+1为当期，t为基期。
这个指标是以某一弹性值范围作为脱钩状态界定的，如弹性值在0与0.8之间为弱负脱钩，在0.8与1.2之间为衰退连结，详见表1。
显然，Tapio在OECD脱钩体系的基础上将脱钩指标进行了细化，这样可以更清楚地定位政策实施前后的绩效变化，更容易分析环境与经济变数不同拆分组合所导致的结果。正因为如此，Tapio指标在碳排放定量研究中得到了较为广泛的应用。本文将利用基于两种模型的脱钩指标，对我国地区经济发展与排放之间的关系进行分析。
(二)CKC的计量模型设定
常用的CKC模型主要有多项式形式和对数多项式形式，解释变量一般包括人均GDP的一次项到三次项及其他控制变量(如人口规模、技术进步、环保政策、贸易开放和产业结构等)。由于CKC三次对数多项式模型对应的两个转折点并无准确的经济学意义，故本文选择倒U形的二次多项式：
其中，下标i代表省份，t代表年份，方程右边前两项分别表示对应的个体效应和时间效应，E为排放度量指标，y为经济发展水平，Z为控制变量。
在已往研究CKC的文献中，E通常用人均排放量来表示，其度量的是排放密度。为了使研究更为全面，本文加入了排放强度(单位地区生产总值排放量)作为被解释变量，分别用CP、CI表示。经济发展水平y用人均地区生产总值(GDP)来度量。近年来的研究表明，二氧化碳排放除了与经济产出有直接联系外，还与能源结构、产业结构、国际贸易等有较为密切的关系[22,30-32]。鉴于此，本文加入了控制变量IS(工业比重)、ES(能源结构)和开放程度FDI(外商直接投资)。IS为工业增加值占地区生产总值的份额，FDI用于度量地区经济的开放程度，用实际外商直接投资额①占地区生产总值的比例表示。本文利用ES度量地区一次性能源结构，相对于其他能源而言，煤炭碳排放因子最大，故采用煤炭在一次性能源消耗中的份额这一指标。其计算公式为：(本地区消费的煤炭实物量×能源的转化率系数)/可供本地区消费的能源标准煤当量。②
(三)排放的测算方法
我国的官方或权威机构尚未公布排放量的计算标准和地方排放数据。联合国政府间气候变化专门委员会(IPCC)2006年编制的《国家温室气体清单指南》[33]，提供了三种方法。
根据国际惯例，排放主要分为四个环节：化石燃料燃烧排放、水泥生产排放、土地使用(砍伐森林)和二次能源净出口燃烧排放。根据美国能源部信息分析中心(CDIAC)③2012年公布的数据，2009年中国水泥生产带来的排放超过了10%，已不容忽视。对于地区而言，二次能源净出口可以忽略不计。土地使用(砍伐森林)带来的排放缺乏相关数据，本文主要关注由化石能源燃耗和水泥生产两个环节带来的排放。就生产环节而言，本文主要考察生产加工过程中化石能源存在燃烧过程的那部分消耗，具体包括火力发电和供热两个环节。在化工生产部门的生产过程中，投入的煤炭、油品或天然气不仅是作为燃料，而且被用作产品生产的原料。作为原料的煤炭、油品和天然气最后被固化在产品中，在生产过程中并不产生二氧化碳排放。要想剔除这些过程中的二氧化碳排放量，会牵涉到生产技术、工艺流程等方面的细节，这已经超出本文的论域，故不予考虑。根据IPCC的数据，除水泥生产外，钢铁、石灰、电石等工业生产也会排放。其中，水泥占56.8%，石灰占33.7%，电石和钢铁的占比不足10%。考虑到钢铁、石灰、电石生产地区数据的可得性及其所占比重相对较小，本文未将其纳入分析。
在测算方法上，本文选取应用最广泛的2006年IPCC《国家温室气体清单指南》中的方法，化石能源燃烧引起的排放计算公式如下：
其中，CC为水泥生产过程中的排放总量，Q为水泥生产量，r为水泥产品中熟料的比重，a为水泥生产的排放系数。
(四)数据说明
我国地区能源消耗量来自于历年《中国能源统计年鉴》中的“地区能源平衡表(实物量)”。考虑数据的可得性和可比性，我们选取了1997～2010年的各省数据。由于缺少西藏、台湾、香港和澳门的统计资料，我们共得到30个省份的相应数据。
国内学者对于地区排放量的计算，一般是将化石能源分为三类，即煤炭、石油和天然气。也有人根据中国能源统计口径划分出七类或八类。为了避免简单的一次能源划分方法导致误差偏大，本文将《中国能源统计年鉴》中的所有能源都包含在内，包括原煤、洗精煤、其他洗煤、型煤、焦炭、焦炉煤气、其他煤气、其他焦化产品、原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、其他石油制品和天然气，共17种。
由于中国能源统计采用了低位发热量，故本文的
为低位发热量，其数据来源于《中国能源统计年鉴(2011)》。
的数据来自于IPCC(2006)排放数据库中的缺省值，并以此来计算碳排放系数和排放系数。
水泥行业的碳排放除来自于能源消耗外，原料的分解(主要指碳酸盐)也会释放出较多的，即水泥中的硅酸盐熟料会产生排放。本文中各地区的水泥产量来源于历年的《中国统计年鉴》及各省的统计年鉴，r(熟料比重)根据中国水泥行业协会的年度统计资料，在2006年之前取值为0.70，之后取值为0.60。除非特别说明，本文其他基础数据均来源于各省历年的统计年鉴。
需要说明的是，本文的人均指标均以常住人口进行计算，以货币为单位的指标都以2010年为基期进行了价格调整。
本文东、中、西部的划分参照了2003年国家统计局发布的标准：东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南12个省、自治区和直辖市，中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南9个省、自治区，西部地区包括重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆9个省、自治区和直辖市。
八大经济区域根据2005年6月国务院发展研究中心发布的《地区协调发展的战略和政策》进行划分，具体为：东北地区包括辽宁、吉林和黑龙江，北部沿海地区包括北京、天津、河北和山东，东部沿海地区包括上海、江苏和浙江，南部沿海地区包括福建、广东和海南，黄河中游地区包括陕西、山西、河南和内蒙古，长江中游地区包括湖北、湖南、江西和安徽，西南地区包括云南、贵州、四川、重庆和广西，大西北地区包括甘肃、青海、宁夏、西藏和新疆。
四、实证分析结果
(一)脱钧指数测算结果及分析
我们根据式(6)和式(7)计算1997～2010年各地区排放的脱钩因子F，结果见表2、表3。
需要说明的是，为了避免基期的变化影响结果，本文以前一年作为基期；表中的脱钩因子为1998～2010年的算术平均值。从表2中可以看出，山西、福建、海南和云南4个省的地区经济发展与排放之间未呈现出脱钩情形，其余各省则显示出相对脱钩的状态，这些省份的脱钩状态十分微弱。
从东、中、西部和八大经济区域的视角进行分析，我们得到了表3。其中，脱钩因子也为1998～2010年的算术平均值。
与表2中各省份的情况不同，表3的结果表明，不管是东、中、西部，还是八大经济区域，各地区都呈现出相对脱钩的状态。实际上，这是一个比较模糊的结果，为了明确各地区的脱钩状态，还需借助于Tapio脱钩指标进行分析。
1997年以来，我国经济持续快速增长，各地区都没有出现负增长的情况，故在计算Tapio脱钩指标时，只需考虑表1中的△GDP>0且△＞0的情况。若无特别说明，该指标的值同表1、2、3一样取这些年的算术平均值。
由表4可知，1997～2010年全国大部分省份处于弱脱钩状态，山西、福建和云南呈现增长负脱钩的状态，即这三个省份的排放增速比地区经济增长快得多；安徽、山东、河南、广西、海南、宁夏和新疆为增长连结状态，即这些省份并未脱钩；其余省份为弱脱钩状态。
从地区视角来看，东、中、西部均处于弱脱钩状态；在八大经济区域中，除了黄河中游地区呈现增长连结状态外，其他地区为弱脱钩状态。
将两种模式的脱钩指标结果进行比较可以发现，脱钩因子和脱钩弹性度量的脱钩状态基本一致，只有个别省份或地区存在差异，如OECD脱钩指标显示安徽、山东、河南、广西、宁夏和新疆为相对脱钩状态，而Tapio脱钩指标则显示这些省份为增长连结状态；黄河中游地区在OECD模式中为相对脱钩状态，在Tapio模式中则为增长连结状态。
值得注意的是，这两种脱钩模型及其衍生的指标均存在局限性，它们并未考虑经济增长过程中诸如技术变量、产业结构和能源结构等方面的影响因素，这也是下文要讨论的问题。
(二)CKC计量分析结果
如前所述，本文收集整理了1997～2010年30个省级截面(未包括西藏、香港、澳门和台湾)组成的强平衡面板数据集，样本观察次数达到420次，表6报告了相关指标的描述性统计结果。从表中可以看出，各主要变量的观察值变异程度较大，这为回归分析提供了可能。
面板数据存在是否可以进行数据混合的问题，不同地区或时期可能具有不同的性质，本文所使用的面板数据在回归前要进行检验。由于本文的省际面板数据N为30，T为14，N是T的2倍多，面板单位根及协整检验的功效并不理想，故可以不考虑这些检验。
通常情况下，为了确定是使用混合回归还是面板数据模型，需要对数据进行固定效应模型的设定，并求出聚类稳健标准差，再通过F检验方法或虚拟变量(LSDV)法观察截面虚拟变量各自及联合的显著程度。本文利用计量经济学软件Stata 12来完成这一过程，其结果显示，不管是以CP还是CI作为被解释变量，大部分省份的虚拟变量均在5%的水平上显著。④因此，“所有个体虚拟变量都为0”的假定被拒绝，即可能存在个体效应，不能将数据混合进行回归分析。
由于该面板数据通常被称为“短面板数据”，一般不适宜采用动态面板模型方法，因此，我们需要选择使用何种面板数据方法，即是固定效应模型还是随机效应模型。豪斯曼(Hausman)检验是常用的方法，即对面板数据分别进行固定效应和随机效应的设定并进行估计，对两种方法的随机误差项进行比较，其原假设为“两种模型下的随机误差不相关”，此时，随机效应模型是效率最优的。两个模型Hausman检验的
统计量值分别为14.50、47.71，对应的p值为0.024 6、0.000 0，说明固定效应模型更为合适。那么，是否需要同时控制地区固定效应和时间固定效应呢？或者是只需要控制地区固定效应或时间效应？也就是说，应该选择单向固定效应模型还是双向固定效应模型？单向固定效应模型在国内外实证文献中的应用较为广泛，这里不再赘述。双向固定效应模型更具有一般性，但会降低估计的自由度。我们运用LSDV方法对模型进行了双向固定效应估计，结果显示，时间效应均为负，但大部分年度虚拟变量不显著。进一步检验时间变量的联合显著性，得到的p值分别为0.081 0、0.000 0。因此，对于CP而言，单向地区固定效应模型较为合适；对于CI而言，双向固定效应模型较为合适。
由于样本中N不是远远大于T，为了避免组间异方差，我们考虑使用聚类稳健的标准差来估计这两个回归方程，结果如表7所示。
从表7中可以看出，不管是对人均排放量CP还是排放强度CI而言，关键变量经济发展水平y与
均非常显著，F统计量同样非常显著，说明回归分析的拟合效果较好。但是，前者y的符号为正，为负，符合CKC倒U曲线的假设；后者的y与的符号正好相反，为U形曲线。也就是说，对于人均排放量而言，存在排放的库兹涅茨曲线，对于排放强度而言，则存在U形曲线。通过简单计算可知，倒U曲线的拐点为人均地区生产总值80 424.02元(2010年价)。毫无疑问，2010年没有一个省份达到这样高的经济发展水平。换句话说，现阶段我国并未达到拐点，还处于上升阶段。显然，这与林伯强和蒋竺均[22]等的研究结论类似，有关排放强度的结论也与虞义华等[24]的结论基本一致。
我们将分别从东、中、西部及八大经济区域的角度来验证CKC的存在性。若从地区的角度出发，将原来的面板数据进行分割，则N会小于T，前文的固定效应或随机效应模型方法将不太适合。在这种情况下，时间效应的考虑不可或缺。对于时间序列，通常需要进行平稳性检验(如面板单位根检验)，以避免伪回归的出现。但这里T为14，在时间序列上不能称之为大样本，面板单位根检验显得并无必要。T大于N的面板通常称为长面板，一般采用可行广义最小二乘法(FGLS)进行估计，但首先要确定是否存在异方差或自相关，故有必要进行一系列的检验。在此，组内异方差的检验使用基于迭代FGLS估计的最大似然比(LR)检验和修正的沃尔德(Wald)检验，组内自相关检验使用的是伍德里奇(Wooldridge)检验，组间截面相关(cross-sectional correlation)检验使用三种检验，即Frideman检验、Frees检验和Pesaran检验。
检验结果表明，若以CP为被解释变量，东部地区数据存在组间异方差、一阶组内自相关，但不存在组间截面相关；中部地区数据存在组间异方差、一阶组内自相关，不存在组间截面相关；西部地区数据三种情形都存在；东北地区数据存在组间异方差、一阶组内自相关，不存在组间截面相关；北部沿海地区数据三种情形都存在；东部沿海地区只存在一阶组内自相关；南部沿海地区只存在组间异方差；黄河中游地区三种情形都存在；长江中游地区、西南地区、西北地区只存在组间异方差。若以CI为被解释变量，东部地区数据存在组间异方差、一阶组内自相关以及组间截面相关；中部地区三种情形都存在；西部地区存在组间异方差、一阶组内自相关，但不存在组间截面相关；东北地区数据存在组间异方差、一阶组内自相关和组间截面相关；北部沿海地区数据存在组间异方差、一阶组内自相关，但不存在组间截面相关；东部沿海地区三种情形都存在；南部沿海地区只存在组间异方差；黄河中游地区存在组间异方差、一阶组内自相关和组间截面相关；长江中游地区、西南地区只存在组间异方差；西北地区存在组间异方差、一阶组内自相关，但不存在组间截面相关。
针对不同的数据类型，我们对FGLS的估计方法施以不同的限定条件，其估计结果见表8和表9。
由表8可知，对于CP，东部和中部存在排放库兹涅茨曲线，经计算，其转折点分别为125 242元、24 818元(2010年价格，下同)，二者的差距将近10万元；西部并不存在该曲线。对于CI，东、中、西部均不存在倒U曲线，而是存在U形曲线，这与省级层面的情况相同。三个地区的最低点并不相同，分别为16 056元、114 752元、37 243元，说明东部已经达到排放的最低点，中部离最低点距离较大，而西部已经接近于最低点。从另一个角度看，东部和中部的U形曲线基本存在，西部则有待于进一步观察。这个结论与许广月和宋德勇[23]、虞义华等[24]、仲云云和仲伟周[2]基本一致。
根据表9的估计结果，若以CP为因变量，八个地区均在统计上显著存在排放的库兹涅茨曲线，但其拐点不尽相同，东北地区为68 139元，北部沿海地区为81 329元，东部沿海地区为157 914元，南部沿海地区为61 632元，黄河中游地区为71 460元，长江中游地区为28 626元，西南地区为27 563元，西北地区为34 325元。从平均意义上讲，2010年北部沿海地区、南部沿海地区、长江中游地区及西南地区达到了拐点，其他四个地区并未达到拐点，并且北部沿海地区和南部沿海地区是刚刚超过拐点，只有长江中游地区和西南地区是完全越过了最高点。也就是说，如果估计结果存在10%甚至5%的误差，八大地区中可能只有两个地区已经到达了拐点。这说明，我国是否存在CKC并不明朗，即使存在，大部分地区仍处于上升阶段，需要进一步观察才能确认。
若以CI为因变量，八个地区中有东北地区、北部沿海地区、东部沿海地区、黄河中游地区和西南地区在统计上存在显著的U形曲线，而南部沿海地区、长江中游地区和西北地区则存在倒U曲线，其拐点分别为32 988元、24 163元和23 202元。从平均意义上讲，2010年南部沿海地区和长江中游地区完全越过了拐点，而西北地区还未达到拐点。这说明，对于排放强度而言，基本上不存在CKC，但细分地区可以得到排放与经济发展之间更多的信息，也能看到显著的地区差异。
五、研究结论及政策建议
(一)研究结论
本文通过脱钩分析和CKC来考察排放与经济发展之间的关系。我们首先在经典的排放影响因素分析框架下发现，不管是Kaya恒等式还是IPAT模型，都体现出经济发展对排放的重要影响。为了使研究更为精确、更有说服力，我们采用了脱钩指数和CKC的研究方法，脱钩指数采用了OECD脱钩指数和Tapio脱钩指数，结果发现，脱钩因子和脱钩弹性度量的脱钩状态基本一致，大部分地区处于弱脱钩状态，有些能源大省，如山西、内蒙古等处于增长连结状态，说明我国地区经济发展与排放并未实现脱钩。这也证实了前面的观点：经济发展对排放有着非常重要的影响。由于脱钩指数分析较为简单，本文还检验了著名的碳库兹涅茨曲线(CKC)在中国的适用性。为了考察地区间的差异情况，我们分别分析了省级、东中西部和八大经济区域层面的CKC。根据面板数据的特点，我们选择了合适的建模方法和估计方法。回归结果表明：对于人均排放量，大部分地区存在CKC，但基本上都未达到拐点，也就是还处于上升阶段；对于排放强度，大部分地区存在U形曲线。因此，CKC在中国的适用性有待于进一步的观察。
(二)政策建议
第一，地方政府的政绩要适当考虑GDP质量指标。现行的主要基于相对经济绩效考核的政治绩效考核制度，迫使地方政府卷入“GDP锦标赛”、“招商引资锦标赛”，对节能减排的动力不足，容易导致“触底竞争”(Race to Bottom)。地区经济发展水平是我国地区排放最重要的影响因素，要建设环境友好型、资源节约型国家，顺利实施节能减排战略，需要进一步完善政绩考核评价机制，政绩考核和政治晋升不能仅考虑GDP的量，还必须考虑GDP的质。具体而言，可以将排放密度和强度对GDP这一指标进行技术处理，获得减碳的GDP。通过新的考核评价机制，增强地方政府转变经济发展方式的自觉性、主动性和科学性，为兑现中国政府的减排承诺奠定基础。
第二，CKC不会自然而然地发生，主动减少排放需要引起各级政府的高度重视。脱钩指数和CKC的计算结果均显示，地区经济发展水平与排放并未实现脱钩，对于人均排放量而言，虽然大部分地区存在CKC，但未达到拐点，排放强度甚至在统计上存在显著的U形曲线。如果不制定强有力的政策进行排放控制，坐等CKC拐点的出现，显然是不现实的。必须制定和实施明确的、有针对性的政策，同时通过资源性产品价格改革等市场手段，引导市场微观主体走上低碳发展的道路，使排放真正实现脱钩，按照CKC的态势发展。
第三，要充分重视碳排放的地区差异。本文的计算结果显示，不管是省份之间、东中西部之间，还是八大经济区域之间，脱钩情况和CKC的存在性都存在较大的不同。因此，节能减排政策的制定不一定要以省级行政单位为施行主体，可以适当考虑区域(如八大经济区域)的作用。显然，按区域尤其是八大经济区域分块的做法可行性更高、针对性更强。当然，只有省级政府才有资源、有权利，而区域没有行政单位，只能利用国有企业进行间接调控。我国能源、电力类的企业基本上都属于国企，中央政府可以以这些企业为依托，按八大经济区域分块制定、实施能源等相关政策。
注释：
①外商直接投资存在协议未履行或不完全履行的情况，故应采用其实际发生值。每年的外商直接投资是以美元为货币单位，故需要折算成人民币，并使用历年的年均汇率。
②由于本文是以各种煤制品消费量为实物量，故需要换算为标准量(标准煤)，方法是当量法，即根据发热量进行换算。不同的煤制品与标准煤的转换系数不同，本文是将其分门别类进行换算再加总。
③参见http://cdiac.ornl.gov/trends/emis/meth_reg.html。
④前者有23个省份在统计上显著，后者有19个省份在统计上显著。
⑤此处省略了年度虚拟变量的回归结果。
⑥由于篇幅所限，我们没有给出控制变量的回归结果。
标签：碳排放论文; 经济模型论文; 能源强度论文; 环境经济论文; 相关性分析论文; 经济论文; 方差分析论文; 因子分析论文; 地区经济发展论文; 异方差论文; 实证分析论文; 截面数据论文; 水泥强度论文; 中国能源统计年鉴论文; 经济学论文; 自相关论文;