中国二氧化碳排放的分布动态与演进趋势，本文主要内容关键词为：中国论文,趋势论文,动态论文,二氧化论文，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。
文章编号：1007-7588(2013)10-1925-08 修订日期：2013-07-29
1 引言
面对快速增长的二氧化碳排放和不断增大的国际碳减排压力，2009年12月国务院常务会议决定，到2020年中国单位国内生产总值二氧化碳排放(以下简称碳强度)比2005年下降40%～45%；2011年3月16日国家颁布的“十二五”规划纲要要求“十二五”期间，中国单位GDP二氧化碳排放量要比2010年降低17%。碳强度减排目标的制定标志着中国走上了低碳发展之路。然而从中国内部看，国土幅员辽阔，地域差异显著，不同地区的发展水平和特征均存在较大差异，因此碳排放在地区间也存在着一定程度的不平衡和差异[1]。由于二氧化碳减排是一个硬约束，增加减排投入势必减少本来就稀缺的生产性投入，从而可能影响经济增长[2]，因此，精确掌握二氧化碳排放的分布特征和长期演进趋势及规律不仅是科学制定减排任务和进行减排指标分解的前提，而且也是我国在“十二五”期间及今后制定区域低碳发展战略和相关政策的重要依据。
随着全球气候变暖，对二氧化碳为主的温室气体排放逐渐成为经济学和其他学科的研究热点。从国外有关二氧化碳排放的最新研究成果和研究动态看，主要存在两种趋势：①利用多种统计指标对二氧化碳排放分布的地区差距进行实证分析；②利用收敛检验方法对二氧化碳排放地区分布的收敛性进行经验检验。而从国内有关二氧化碳排放的最新研究成果和研究动态看，对中国二氧化碳排放分布地区差异的研究逐渐增多[3-8]，杨骞等[9，10]利用锡尔指数对碳排放分布的地区差异进行了分解，刘华军等[1]则利用基尼系数测算了中国二氧化碳排放的地区差异并进行了分解。而对于中国二氧化碳排放收敛性的检验，国内研究相对较少[11-13]。
然而，已有研究采用的统计指标方法以及收敛检验方法由于自身存在的局限从而导致来自众多学者的批判[14-16]。首先，尽管传统方法能在一定程度上反映出二氧化碳排放地区差距的变化，但却无法揭示收敛的动态性和长期趋势，更无法体现多重稳态带来的分层收敛和多峰收敛。此外，由于传统的β收敛和σ收敛分析只能描述地区差异及其变化趋势的一阶距和二阶距特征[16]，因此对于中国二氧化碳排放地区差距的复杂演进过程而言，这两种方法所提供的信息就显得十分有限。而Quah[16]于20世纪90年代首次提出的动态分布法则能够很好地解决这一问题，该方法能够通过分布密度判断收敛的区间和程度，并通过转换概率矩阵和遍历分布来揭示收敛过程的动态演化趋势。分布动态方法可以很直观地描述所考察区域变量分布的形状和分布随时间的演变过程，这对于研究收敛问题的传统分析方法而言，具有非常明显的优势，是一种更能描述事实现象的非参数的估计方法。分布动态方法包括马尔科夫链方法和核密度估计法，前者将人均收入序列作为离散状态处理，而后者则将其作为连续状态处理[17]。从国外研究看，部分文献利用非参数估计的动态分布方法研究了二氧化碳排放收敛性[18-21]，而国内研究中，尚无利用动态分布方法来研究中国二氧化碳排放分布及其演进趋势的相关报道。
借鉴Quah[16，22]及国外最新研究成果，本文对中国二氧化碳排放分布及其演进趋势进行了实证分析，文章的贡献主要来自以下两个方面：①首次采用动态分布方法研究了中国二氧化碳排放的地区分布及其演进趋势；②国内外大多数研究采用人均二氧化碳排放量作为碳排放指标，而我国的碳减排是按照碳强度来进行的，因此，使用碳强度而非人均二氧化碳排放指标对于中国碳减排政策的制定更具现实意义。文章内容安排如下：第2章节是研究方法和样本数据测算；第3章节是典型事实，利用地理信息系统(GIS)绘制中国二氧化碳排放的地理分布图，直观地描述碳排放的空间分布状况；同时利用基尼系数对中国二氧化碳排放的空间分布差异进行初步测算；第4、第5章节利用分布动态方法对中国二氧化碳排放的分布及其演进趋势进行实证分析；其中第4章节利用Kernel密度估计分别揭示全国及东中西三大区域的二氧化碳排放的分布及其演进趋势，第5章节则利用Markov链分析方法揭示中国二氧化碳排放分布的内部流动性；第6章节是结论与政策建议。
2 研究方法与样本数据
2.1 研究方法
分布动态方法属于非参数估计方法，它从两个方面评估地区二氧化碳排放分布的演进：二氧化碳排放的分布形态和二氧化碳排放内部分布的流动性。其中，前者涉及地区二氧化碳排放的分布形态及随时间的变化，评估形状动态的一个重要方法是通过使用Kernel密度估计量估计横截面的分布。后者则是指各地区二氧化碳排放在一段时期后其在不同排放水平间的转移概率，它反映一个地区二氧化碳排放在一段时间后向上(下)一级排放水平转移的可能性，评估转移概率的方法是Markov链方法。
(1)Kernel密度估计。核密度估计作为一种重要的非参数方法，已经成为研究不均衡分布的一种流行的方法。该方法主要用于对随机变量的概率密度进行估计，用连续的密度曲线描述随机变量的分布形态。假设随机变量X的密度函数为f(x)，在点x的概率密度可以由公式(1)来进行估计：
式中N为观测值的个数；h为带宽；K(·)为核函数；它是一种加权函数或平滑转换函数；
为独立同分布的观测值；x为均值。
在Kernel密度估计中，由于核密度函数对带宽的选择非常敏感，因此选取一个适当的带宽h对于获得最优拟合结果至关重要，因为它可以决定核密度估计精度和Kernel密度图的平滑程度，所以，带宽的选择对Kernel密度估计的重要性要远远大于核函数。在实践中，样本越多，要求的带宽应越小，但不能太小，即h是N的函数，且应满足公式(2)：
核函数是一种加权函数或平滑函数，根据Kernel密度函数的表达形式不同，可以分为高斯核、Epanechnikov核、三角核、四次核等类型。本文选择常用的高斯核函数对中国二氧化碳排放的分布动态演进进行估计，其函数表达式如公式(3)：
由于非参数估计没有确定的函数表达式，需要通过图形对比来考察分布的变化。一般来说，作出核密度估计结果的图形，通过观察图形，可以得到变量分布的位置、形态和延展性等3个方面的信息。
(2)Markov链。Markov链方法是通过构造马尔科夫转移矩阵，描述各区域二氧化碳排放水平分布的内部动态演进特征。马尔可夫链是一个随机过程｛X(t)，t∈T｝，该随机过程的指数集合T对应于各个时期，有限状态对应于随机变量的状态数，那么对所有时期t和所有可能的状态j、i和
(k=0，1，2，…，t-2)，满足公式(4)。公式(4)表明了一阶马尔可夫链的性质，即随机变量X在时期t处于状态j的概率仅取决于X在时t-1的状态：
2.2 样本数据与二氧化碳排放量测算
(1)样本数据。本文的实证研究选取碳强度作为二氧化碳排放指标，该指标主要涉及两大类数据，一是二氧化碳排放量；二是地区生产总值，用二氧化碳排放量除以地区生产总值便得到碳强度指标。样本不包括西藏及港澳台地区，重庆并入四川，全部样本为中国大陆29个省(区、直辖市)。考虑到1995年之前的能源统计年鉴没有公布分省3种一次能源消费量，因此地区层面样本考察期为1995-2010年。至于地区生产总值，历年的《中国统计年鉴》均公布了1978年=100的不变价地区生产总值指数，本文参考2010年《中国统计年鉴》的原始数据，以2005年=100，换算成2005年的不变价地区生产总值指数，然后用各省2005年的当年价地区生产总值乘以该不变价指数便得到各省的2005年不变价地区生产总值。
(2)二氧化碳排放量测算。由于化石能源消费是二氧化碳的主要来源，因此通过化石能源消费量估算是二氧化碳排放量估算的主要方法，本文主要以煤炭、原油和天然气3种一次能源消费量为基准来估算中国分省二氧化碳排放量。其中，各省一次能源消费主要根据《中国能源统计年鉴》中“能源消费”及“地区能源平衡表”的相关数据获得。
在具体估算中，利用2006年联合国政府间气候变化专门委员会(IPCC)为《联合国气候变化框架公约》及《京都议定书》所制定的《国家温室气体清单指南》第二卷(能源)第六章提供的参考方法，二氧化碳排放总量的计算公式见公式(7)：
式中
为估算的二氧化碳排放量；i=1，2，3分别表示3种一次能源(煤炭、原油、天然气)；E为3种一次能源的消耗量，单位分别为万t煤炭、万t原油和亿
天然气；NCV为2010年《中国能源统计年鉴》附录4提供的中国3种一次能源的平均低位发热量，煤炭、原油和天然气的平均低位发热量分别为20 908kJ/kg、41 816kJ/kg和38 931kJ/；δ为根据IPCC提供的碳排放系数计算的有效二氧化碳碳排放系数，其中，煤炭、原油和天然气的有效二氧化碳排放系数分别为95333kg/tJ、73 300kg/tJ和56 100kg/tJ。
图1 1995年、2010年中国碳排放强度地区分布
Fig.1 Regional distribution of carbon density in China in 1995,2010
3 典型事实
3.1 描述性统计分析
根据2.2章节数据测算方法，测算了1995-2010年全国29个省(区、直辖市)的碳强度。根据测算数据，以样本考察期内分省的碳排放强度作为变量指标，通过ArcGIS软件绘制了1995年和2010年中国碳强度的地理分布图，见图1。从图中可以清楚地看出，我国碳强度存在明显的空间非均衡特征，总体上呈现从沿海地区向内陆地区递增的分布。同时，我国碳强度水平在样本考察期内整体上呈现下降趋势。
3.2 二氧化碳排放的地区差距
为了进一步考察中国二氧化碳排放的地区差异，测算了全国及东中西部地区碳强度的基尼系数，具体数据见表1。
从图2可以看出，全国碳强度基尼系数在1995-2010年出现了反复上升与下降，但整体呈上升趋势。从其演变过程来看，由1995年的0.3138上升到1997年0.3366后下降到2002年的最小值0.3134，随后出现了强势增长，2003年达最大值0.3518，在以后的4年出现了反复上升下降，在达到2007年的0.3271后又出现了连续上升，值得注意的是2010年相对于2009年出现了增长缓慢的趋势。图3反映了中国东部、中部、西部碳排放强度基尼系数的变化趋势。
图2 中国碳排放总体地区差距的演变
Fig.2 The overall disparity evolution of carbon emissions in China
图3 中国碳排放地区内差距的演变
Fig.3 The regional disparity evolution of carbon emissions in China
图4 中国29个省(区、直辖市)碳排放的演进
Fig.4 Carbon emissions evolution of 29 provinces in China
图5 东部地区各省碳排放的演进
Fig.5 Carbon emissions evolution of the eastern provinces
4 中国二氧化碳排放的Kernel密度估计
4.1 全国29个省(区、直辖市)碳排放的Kernel密度估计
图4从整体上描述了全国29个省(区、直辖市)碳排放在样本考察期内的演变。从整体来看，密度函数中心向左移动，波峰更陡峭，变化区间缩小，双峰变为多峰，这表明二氧化碳排放的地区差距在样本考察期内变小。具体来看，相对于1995年，2000年密度函数中心明显向左移动，变得更陡峭，变化区间缩小，这说明地区差距在这期间变小。2005年与2000年相比，主峰变化不大，但小波峰更陡峭，这说明两极现象更加明显。与2005年相比，2010年峰值增大，出现多峰，变化区间缩小，这表明地区差距缩小的同时出现多极分化。2010年与1995相比，峰值增大，变化区间明显缩小并出现多峰，这说明地区差距在样本考察期内有缩小趋势。
4.2 东部地区碳排放的Kernel密度估计
图5从整体上描述了东部地区碳排放在样本考察期内的演变。整体来看，密度函数中心明显向左移动，峰值增大，变化区间变小，这说明在样本考察期内地区差距变小。就演变过程来看，相对于1995年，2000年密度函数中心向左移动，峰值明显增大，变化区间小，表明地区差距在1995-2000年里变小。2005年与2000相比，峰值增大，这说明差距在2000-2005年间进一步缩小。2005年与2010年相比，峰值增大并出现双峰，这表明地区差距变小的同时出现两极分化现象。而与1995年相比，2010年密度函数中心明显向左移动，峰值变大且波峰更加陡峭，变化区间明显缩小，这说明在样本考察期内存在地区差距变小的趋势。
4.3 中部地区碳排放的Kernel密度估计
图6从整体上描述了中部地区碳排放在样本考察期内的演变。从整体来看，密度函数中心明显向左移动，峰值增大，波峰更陡峭且出现多峰。从演变趋势来看，2000年与1995年相比，密度函数中心左移，变化区间缩小且两峰峰值增大的同时间距变小，这表明地区差距变小且两极分化加强。相对于2000年，2005年主峰峰值变大，波峰更陡峭，两峰变为多峰，这说明地区差距进一步缩小的同时出现多极分化现象。与2005年相比，2010年密度函数中心左移，主峰与次峰的峰值都明显增大，波峰更加陡峭且变化区间缩小，这表明地区差距缩小的同时多极分化进一步加强。2010年与1995年相比，密度函数中心明显左移，波峰更为陡峭，两峰变为多峰且变化区间缩小，这说明在样本考察期内存在地区差距缩小。
4.4 西部地区碳排放的Kernel密度估计
图7从整体上描述了西部地区二氧化碳排放在样本考察期内的演变。从整体上看，地区差距在样本考察期内出现先扩大后缩小的趋势并出现多极分化的现象。具体来看，与1995年相比，2000年密度函数中心向左移动，峰值增大，波峰变陡峭，变化区间缩小，这表明在此期间地区差距变小。2005年与2000年相比，峰值增大，出现双峰且变化区间变大，说明地区差距进一步缩小并出现两极分化。2010年与2005年相比，密度函数中心左移，峰值小幅下降，两峰变为多峰，这说明在此期间地区差距出现小幅扩大并出现多极分化的趋势。2010年与1995年相比，密度函数中心明显向左移动，峰值变大，波峰更陡峭，单峰变为多峰，这表明样本考察期内地区差距缩小。
图6 中部地区各省碳排放的演进
Fig.6 Carbon emissions evolution of the central provinces
图7 西部地区各省碳排放的演进
Fig.7 Carbon emissions evolution of the western provinces
5 中国二氧化碳排放的Markov链分析
本文沿用Quah[16，22]的马尔可夫链分析框架进行分析，假定中国碳强度状态演进服从有限的一阶马尔可夫过程，具有平稳的转移概率。首先将全国各省市的碳强度取值区间划分为有限的、不交叉的、完备的L个区间，对应于L个二氧化碳排放水平状态，然后通过估计转移概率矩阵分析其特征，从而获得二氧化碳排放分布演进的内部动态信息。最后通过计算稳态分布与初始分布，可以考察中国二氧化碳排放分布演进的长期趋势。
按照中国碳强度，将各省(区、直辖市)区域二氧化碳排放水平划分为5种类型：
Ⅰ：低水平，碳强度区间(0，4.5]
Ⅱ：中低水平，碳强度区间(4.5，5.5]
Ⅲ：中等水平，碳强度区间(5.5，7.5]
Ⅳ：中高水平，碳强度区间(7.5，9.5]
Ⅴ：高水平，碳强度区间(9.5，+∞]
运用Markov链方法得到描述中国二氧化碳排放分布动态的转移概率矩阵(如表2所示)。
表2给出了1995-2010年中国二氧化碳排放转移概率的最大似然估计，提供了样本考察期内中国二氧化碳排放的内部动态信息。从表2可以看出，如果一个地区的二氧化碳排放水平属于第i组，那么在每一年末仍然属于第i组的概率至少为50%。对于二氧化碳排放水平最低和最高的两个组而言，主对角线上的转移概率更高，前者为91%，后者为50%。这说明碳排放最低和最高的地区，在碳排放分布中的相对位置更加稳定，一般不随时间变化而变化。
表2的第1行数据含义是，有91%省区的二氧化碳排放水平在当年年末保持不变，有9%省区的二氧化碳排放水平则上升了一个等级为中低水平。第2行数据的含义为，有50%省区的二氧化碳排放水平在当年年末保持不变，而有50%省区下降了一个等级。第3行数据含义为，有50%省区的二氧化碳排放水平在当年年末保持不变，而有25%省区下降到中低水平并有25%省区下降为低水平。第4行数据的含义为，有75%省区的二氧化碳排放水平在当年年末仍保持在中高水平，而有25%省区下降了一个等级。第5行数据的含义是，有50%省区的二氧化碳排放水平在当年年末仍保持在最高水平，有50%的省区下降到了中高水平。
根据表2，1995-2010年中国二氧化碳排放分布具有以下动态变化特点：①主对角线上的转移概率较高，非对角线上的转移概率则较低，这说明不同二氧化碳排放水平的组间流动性较差，各地区在总体二氧化碳排放分布中的相对位置比较稳定，即低水平省区仍保持在低水平概率较大；②地区难以实现跨越式发展，大部分的变动发生在相邻状态中，跨状态转移发生的概率较小；③高水平省区有明显向中高水平甚至更低水平转移的态势。从表2中可以看出，有50%的高水平省区变为中高水平。
表3给出了1995-2010年中国二氧化碳的初始分布和Markov链的稳态分布。从表中可以看出，中国二氧化碳排放水平的长期均衡状态将处于低与中低水平。相对于初始分布状态，稳态分布中处于中等、中高及高水平的省区消失，而以低与中低水平为主，其中低水平省区所占比例上升为84.6%，中低水平省区所占比例变为15.4%，这也表明低和中低水平省区的二氧化碳排放水平具有一定的稳定性，而其他省区的二氧化碳排放水平则不具有稳定性。整体来看，中国二氧化碳排放有明显下降趋势，高水平的二氧化碳排放则不再存在，总体会向着低和中低水平的趋势发展。
6 简短结论
本文使用中国大陆29个省(区、直辖市)1995-2010年的相关数据，以碳排放强度为指标，对中国二氧化碳排放的地区差距及其分布动态演进进行了实证研究。研究结论如下：(1)中国二氧化碳排放呈现明显的空间非均衡特征。(2)中国二氧化碳排放的地区差距在样本考察期内呈现上升趋势。从东中西三大区域来看，东部地区碳排放有下降趋势，而中部与西部地区则呈现上升趋势。(3)Kernel密度估计表明，中国二氧化碳排放的地区差距在样本考察期内呈下降态势。从三区域看，东部与中部农业碳排放的地区差距都呈现缩小态势，而西部呈现先扩大后缩小态势。(4)Markov链分析表明，不同水平二氧化碳排放的组间流动性较低，表明中国二氧化碳排放具有一定的稳定性。整体来看，中国碳排放有下降趋势，整体会向着低和中低水平的趋势发展。