碳排放与经济发展服从倒U型曲线关系吗——对环境库兹涅茨曲线假说的重新解读，本文主要内容关键词为：曲线论文,假说论文,经济发展论文,关系论文,环境论文，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。
中图分类号：F120.3 文献标识码：A 文章编号：1002－8102(2014)02－0019－11
一、引言
根据政府间气候变化专门委员会(IPCC)的研究，大气二氧化碳(
)浓度增加是全球气候变暖的主要原因。自2007年开始，中国已经成为全球最大的二氧化碳排放国。2009年，国务院正式发布了中国的减排目标：承诺到2020年，单位GDP的碳排放在2005年的基础上降低40％～45％。近期，中国政府在国民经济发展长期规划中制定了碳排放约束性指标，即在“十二五”期间实现单位GDP碳排放降低17％的目标。上述碳强度减排目标的实现，需要同时依赖总量减排和经济增长两个方向上的努力。可见，节能减排和经济增长的政策目标彼此联系，中国政府期望营造一个环境保护和经济增长的“双赢”局面。环境库兹涅茨曲线(environmental Kuznets curve，简称EKC)假说认为，随着收入水平的不断提高，污染物排放量将呈现一个先升后降的变动轨迹。对于经济规模持续扩大、能源消费结构长期以煤为主、末端治理技术和碳排放交易机制并不健全的中国，排放与经济发展之间是否一定服从上述变化规律？经济发展如何通过经济规模膨胀、经济结构调整或者技术变动影响排放水平？对于上述问题的解答，有助于中国准确地把握经济发展与排放量之间的历史变动关系，帮助中国制定合理的节能减排政策和产业发展政策，促进能源、环境和经济的协调发展。
二、文献综述
环境库兹涅茨曲线的提出(Grossman和Krueger,1995)，使得关于收入水平与环境污染之间关系的研究产生了一个新的聚焦点。长期以来，关于EKC的诸多理论和实证研究，并没有完全支持在收入水平和污染水平之间存在一种简单的、可预测的关系(Stern,2004; Copeland和Taylor,2004)。近年来，随着文献数量的增加，研究者开始意识到EKC在不同污染物之间存在异质性，并对EKC按照污染物种类命名，其中包括了二氧化碳环境库兹涅茨曲线( environmental Kuznets curve,简称CKC)。二氧化碳是一种不具有直接危害性、影响范围具有全球性、末端治理难度大的排放物，由于其特殊性，有关CKC的实证研究结果显得更加扑朔迷离。Schmalensee等(1998)、Tsurumi和Managi(2010)认为存在倒U型的CKC曲线，Holtz-Eakin和Selden(1995)、Webber和Allen(2010)则认为拐点对应的人均收入水平非常高。Shafik(1994)、Bertinelli和Strobl(2005)、Azomahou等(2006)、Wagner(2008)的研究结果认为CKC存在单调上升形态。此外，还有N型曲线以及收入对排放不存在显著影响关系等研究结果。
类似于国外研究，关于中国CKC的研究结果也呈现多样化特征。从全国时间序列数据来看，林伯强、蒋竺均(2009)使用人均预测数据，认为中国CKC直至2040年都不会出现倒U型。基于单位根检验和时间序列分析，赵爱文、李东(2012)发现了在1953～2010年间，中国人均碳排放和人均收入之间存在N型的CKC关系。从省际面板数据来看，尽管研究的时间范围略有不同，但多数研究都支持在全国层面上存在倒U型的CKC关系(李国志、李宗植，2010；杜立民，2010)。按照东中西部划分省份，关于不同地区的曲线形态存在一定差异(许广月、宋德勇2010；王佳、杨俊，2013)。综上，尽管存在样本选择和实证方法的差异，中国CKC问题的研究结果呈现多样性，但是获得广泛推荐的基于省域面板数据的研究普遍倾向于支持倒U型CKC的存在。
从研究方法看，目前国内CKC研究普遍采用参数形式的模型设定。以倒U型的CKC假说为例，虽然目前的经济发展水平远低于理论拐点，但是只要人均收入一次为正、二次为负的参数关系显著，排放将会自动按照预先设定的轨迹迎来拐点并持续下降。在CKC的研究中，变量之间关系的上述假设具有很强的主观性，研究者在设定模型时通常经历了多种尝试，模型的选择基于统计检验和经济意义等多种因素的考虑(胡宗义等，2013)。相比之下，非参数模型在曲线拟合方面具有显著的优势，并不需要设定具体的参数影响关系，在国外文献中已经被广泛地应用于CKC假说的检验(Bertinelli和Strobl,2005; Azomahou等，2006; Tsurumi和Managi,2010)。胡宗义等(2013)首次运用了非参数样条估计方法，发现在1979～2008年期间，收入对碳排放存在显著正向的线性影响关系。CKC研究广泛推荐采用面板数据结构，但是在国内并没有文献用非参数方法研究面板数据结构下的CKC问题。从研究内容看，目前的相关文献仅通过参数回归的方式陈列出人均收入和碳排放之间的曲线关系，但是关于曲线形态的形成机制却缺乏足够的经济学解释。理论上，经济发展可以通过多种传导机制影响碳排放，各种效应组合在一起，最终形成环境库兹涅茨曲线的形态(Hilton和Levinson,1998)。正如于峰等(2006)构建的“环境—经济”关系研究框架中指出，这些效应基本可以归纳到规模效应、组合效应和技术效应的研究范畴中。目前鲜有研究运用规范的计量经济学方法分解经济发展对碳排放的影响效应。
本文与以往研究的不同之处主要有两点。首先，为了避免陷入具体参数模型形式的选择困惑，本文试图创新地将非参数模型方法应用于中国省际面板数据结构下的CKC问题研究。其次，为了解释CKC形态的形成机制，本文尝试将经济发展对排放的影响分解为规模效应、组合效应和技术效应。
三、实证方法、模型与数据
(一)实证研究方法
目前国内的CKC研究普遍采用面板参数模型。现实中，经济变量之间的关系未必是线性关系或可线性化的非线性关系，而变量之间的参数非线性关系又很难确定，传统线性或非线性计量经济模型在实际应用中往往存在模型的设定误差，不能完全满足CKC问题研究的需要。相比之下，半参数或者非参数模型不需要设定具体的参数形式，允许存在非线性、非单调的影响关系，可以更加灵活的设定协变量所产生的影响作用。但是。在常见的非参数或者半参数模型分析中，一个普遍出现的问题是“维度灾难”，即增加的连续解释变量将会对估计结果的收敛速度产生不利影响(Azomahou等，2006)。对于当前的研究主题，维度灾难问题不利于本文通过设定多个协变量来分解经济发展影响碳排放的诸多效应。广义可加模型可以分别使用不同的单变量光滑项(univariate smoother)来估计每一个可加项，从而有效地避免了维度灾难的问题(Tsurumi和Managi,2010)。因此，与以往研究不同，本文拟采用Hastie和Tibshirani(1990)提出的半参数方法——广义可加模型(generalized addictive models,GAMs)。
对于反应变量
，一个简单的半参数广义可加模型如(1)式所示：
在(1)式中，
，且服从于一个指数族分布；g是一个已知、单调且两阶可微分的连接函数(link function)；
*是具有严格参数关系的解释变量矩阵(模型矩阵)的第i列，θ是相应的参数向量；
是非参数协变量
的光滑函数，是模型的非参数部分。本文将采取Wood(2006)的方法，选择合适的样条基础函数(spline basis functions)来代替光滑函数，从而将(1)式中的半参数模型转化成为广义线性模型，并使用受限的迭代重加权最小二乘法(penalized iteratively reweighted least squares,P-IRLS)来拟合该模型。
(二)实证模型与变量选择
本文的实证步骤主要分为两步进行。
首先，遵循环境库兹涅茨曲线假说的研究思路，为了考察经济发展与二氧化碳排放之间的变动关系，构建以下广义可加模型：
其次，参考Tsurumi和Managi(2010)的研究，为了将经济发展对二氧化碳排放的影响作用分解为规模效应、组合效应以及技术效应，构建以下广义可加模型：
其中，
是分别是规模效应、组合效应和技术效应的表征变量；
是时间固定效应，使用年份虚拟变量来表征，旨在衡量随时间变化的未观测到的因素(例如政策)对二氧化碳排放的影响；其余部分与模型(2)中含义相同。规模效应的替代指标通常有GDP/平方公里(Antweiler等，2001)、实际GDP(魏巍贤、杨芳，2010)；组合效应的替代指标通常采用K-L比率(Tsurumi和Managi,2010)；技术效应的替代指标通常是人均收入(Antweiler等，2001)。考虑到研究期间内各省份的行政规划并未发生大幅变动，因此选择实际GDP表征规模效应。另外，分别选择资本劳动比率和人均实际GDP表征组合效应和技术效应。通过模型(3)的拟合结果，可以计算得到各个非参数协变量对线性预测项(linear predictor)的贡献，并按照相应的连接函数转化为非参数协变量对反应变量的贡献大小。
(三)数据来源
本文主要使用了中国28个省、自治区和直辖市1995～2010年的环境和经济数据。考虑到数据的完整性和一致性，研究样本中不包含西藏、海南和台湾。出于计算方便，本文将重庆市并入四川省。除特别标明外，数据均来源于历年《中国统计年鉴》。
1.二氧化碳排放。为了避免二氧化碳排放量的重复计算问题，本文仅使用煤炭、原油和天然气三种一次能源的消耗量来计算排放量，具体公式如下：
C为排放总量；
为第j类能源消耗量，需要换算为统一热量单位标准煤；NCV为能源平均低位发热量；CEF为IPCC温室气体清单中的碳排放系数；COF为碳氧化因子(本文设定煤炭为0.99，原油和天然气为1)；44和12分别为二氧化碳和碳的分子量。上述计算过程中使用的能源消耗量、标准煤折算系数和能源平均低位发热量的数据均来自于历年《中国能源统计年鉴》。
2.资本。本文选用资本存量作为资本的替代指标，采用单豪杰(2008)的方法，基于永续盘存法，估算中国各省区市以1952年为基期的资本存量，再以1995年为不变价，计算得到各省区市1995～2010年的资本存量。
3.其他变量。劳动：选用年末就业人员作为劳动力指标，数据来源于中经网统计数据库。人均实际GDP：首先利用名义GDP和GDP价格指数，计算得到以1995年为不变价的实际GDP；再将实际GDP除以当年年末人口数，得到人均实际GDP。
四、实证分析结果
(一)中国CKC的形态
根据全国28个省区市的面板数据，利用R软件的mgcv语言包，本文对(2)式进行半参数广义可加模型拟合。广义可加模型的结果报告主要分为两部分，其一是常用的模型拟合检验统计量和参数部分的回归结果(见表1)；其二是非参数部分的图形拟合结果(见图1)。
调整后的R[2]代表了模型的拟合度，GCV得分代表了模型拟合的光滑程度，F统计量比较了在非参数光滑项不存在和存在情况下的模型差异。根据表1的结果，本文中的回归拟合度较高、光滑度较好；表1中F统计量显著，即表明应该在模型中加入非参数光滑项。多数区域虚拟变量显著，表明中国二氧化碳排放的区域差异性明显。图1显示了人均实际GDP与排放量之间的非参数关系①。从整体上看，尽管在起始和尾部的置信区间相对较宽，但是并不影响我们对曲线走势的判断，CKC曲线在整个收入变动范围内呈现明显的单调上升形态。在经济发展的低水平阶段，即当人均实际GDP对数值位于8.5以下的区域内时，曲线斜率较低。在经济发展的中等水平阶段，曲线斜率较高，反映了经济快速追赶背景下，碳排放增量的大幅上升。在经济发展的较高水平阶段，即人均实际GDP对数值达到10.5以上后，经济发展与排放量之间的单调递增关系趋于平缓。仅从图形关系上，几乎很难肯定“倒U型”曲线的存在。二氧化碳排放的实质是能源消耗，在研究期间内，中国的能源消费总量持续上升、煤炭消费比重不降反升、工业再次重型化过程中能源密集与污染排放密集产业一度迅速膨胀，上述事实也难以为环境库兹涅茨曲线进入右侧下行阶段提供基本证据。
图1 人均实际GDP与排放的非参数关系
注：实线表示因变量对反应变量贡献的拟合值，上下的虚线分别表示在95％置信度之下的置信区间。
在图1中，大致可以观察到排放量与人均实际GDP之间呈现出单调变化的关系。为了正式地验证这种单调关系是否成立，本文采用Bowman、Jones和Gijbels(1998)提出的非参数单调性检验(简称BJG检验)。BJG检验的基本思想是：由于增大窗宽将导致更加光滑的估计，因此，在相对较小的窗宽下通常难以获得单调的非参数估计。具体看，BJG检验基于局部线性估计方法，使用一个临界窗宽
——使函数估计单调的最小窗宽。利用这个临界窗宽，运用bootstrap过程，得到单调性假设的伴随概率(P值)。给定显著性水平为5％，根据相关原理计算得到：=-0.615，相应的P-value=-0.1，不能拒绝原假设，可以认为排放量和人均实际GDP之间存在单调变化关系。因此，在本文研究时间范围内，当以排放总量作为环境表征变量时，传统EKC理论中所描述的“倒U型”曲线关系并不存在。
(二)中国CKC的形成机制
为了解释图1中单调上升的CKC，利用中国28个省区市1995～2010年的面板数据，对半参数广义可加模型(3)进行实证检验。从整体上看，调整后的
高(0.980)，GCV得分低(0.016)，说明了实证模型(3)具有较好的解释能力和较高的光滑程度。
的F检验统计量分别为15.632、6.512和3.274，所有的非参数光滑项均显著，即规模效应、组合效应和技术效应均在统计上显著存在。在其他独立的协变量保持不变的情况下，图2②报告了这种影响关系。图2中的曲线越陡峭，说明协变量变动对排放的影响幅度越大。可以简单地归纳出以下结果：经济发展对排放的影响，可以分解为正向的规模效应和组合效应以及负向的技术效应。
图2 经济发展水平对排放影响效应的分解
首先，规模效应呈现出明显的碳排放促进作用，能够带来排放的大幅增加。这反映了中国当前经济发展的阶段性特征，即经济总量的高速膨胀带来了巨大的能源消耗和碳排放增长。其次，存在显著正向的组合效应，但作用幅度相对较小。随着资本密集度的不断上升，排放量不降反升。产业结构调整不能带来能耗结构的显著变动，中国目前并没有进入到资源节约和污染减排的后工业化阶段。工业是中国排放的最主要来源，具有碳排放促进作用的组合效应同时也反映出中国“新型工业化”的现状并不乐观(庞瑞芝、李鹏，2011)，即以高污染、高耗能为主的工业格局并未明显改善。最后，技术效应仅产生相对有限的碳减排作用。技术效应的置信区间较宽，在置信区间内，曲线关系主要存在以下两种可能性：技术效应可以在显著促进减排，或者在相当长的收入区间内仅产生小幅的减排效果。以下三个方面可以解释上述并不理想的技术效应：(1)的末端治理要远远难于其他常见的空气污染物，长期以来并不存在高效的末端减排技术；(2)是一种外部性很强的全球性污染物，倘若不存在严格的政府节能减排规制，企业难有动机将资金配置于减排；(3)在政府主导的经济刺激计划下，企业更有动机将投资用于产值增长，而非节能减排的R&D活动。上述因素共同制约了技术效应的发挥。
通过比较可以发现，规模效应对碳排放的影响程度最高，技术效应和组合效应的影响程度较低。将各种效应影响程度的相对大小结合在一起，可以解释中国CKC的形态。理论上，为了产生“倒U型”的CKC，技术效应应该在低收入阶段小于规模效应，随着经济发展，技术效应逐渐增大并抵消规模效应(Rezek和Rogers,2008)。然而，长期以来，减排的技术效应远低于增排的规模效应(王锋等，2010)，难以支持倒U型的曲线已经存在③。据此可以归纳出单调上升CKC的形成机制：由于技术效应和组合效应相对较小，使得规模效应几乎主导了经济发展和排放之间的变动关系，再考虑到规模效应单调递增的碳排放促进作用。因此，中国的CKC在整体上呈现出单调上升形态。
(三)中国CKC的区域差异
在经济发展过程中，不同地区所经历的环境影响轨迹或许并不相同。前文的分析忽略了不同区域之间的异质性，倘若将不同的省区市视为“同质”，那么对CKC拟合结果可能并不全面。在研究CKC存在性时，有必要划分不同区域，将中国不同省区市之间发展特征的差异性纳入考虑。
与常见的东部沿海二分法或者东中西部三分法不同，本文着重考虑由煤炭资源禀赋差异造成的区域异质性。Aldy(2005)关于美国州一级CKC的研究结果显示，排放量同历史煤炭禀赋呈正相关。为了衡量煤炭资源丰裕度，本文从供需平衡角度构造了煤炭资源禀赋指标
。以各省区市2003～2009年的煤炭生产量，④除以相应年份的煤炭消费量，取平均值得到煤炭资源禀赋指标。定义如下：若0≤＜0.5，绝大比例的煤炭消费量来自于其他地区，其属于煤炭严重稀缺地区，包含北京、天津、辽宁、吉林、河北、山东、江苏、上海、浙江、福建、广东、江西、广西和湖北；若0.5≤＜1，煤炭生产能够满足本省大部分的煤炭消费，其属于煤炭相对稀缺地区，包含安徽、河南、青海、宁夏、新疆、甘肃、湖南、云南、四川(含重庆)；若≥1，煤炭产量有富余，其属于资源煤炭丰裕地区，包含山西、内蒙古、陕西、黑龙江、贵州。根据上述区域划分，利用每一个区域内的省区市面板数据，依次对模型(2)进行非参数拟合(见图3)⑤。
图3 按煤炭资源丰裕度划分区域的CKC拟合图
对于煤炭严重稀缺地区，CKC呈现单调上升形态，经济发展对排放的促进作用先升后降。在人均实际GDP进入较高阶段后，排放的增加幅度逐渐放缓。对于煤炭相对稀缺地区，在最左端的低收入变动阶段内，由于置信区间过宽导致其难以解释，存在排放继续上升、稳定不变或者下降的可能性；但可以肯定的是，该地区在绝大部分的收入变动区间内面临单调上升的碳排放趋势。对于煤炭丰裕地区，在整个收入变动范围内，曲线呈现一致的单调上升趋势。上述结果与Rezek和Rogers(2008)的研究结论类似，即煤炭储量较大的国家或地区，更倾向于表现出单调递增的CKC形态。除此之外，对于煤炭资源严重稀缺和相对稀缺的地区，在进入较高收入阶段后，曲线变得相对平坦，这反映了环境偏好和节能技术在二氧化碳减排中的重要作用。(1)煤炭资源稀缺的地区普遍具有较高的人均收入，区域内居民相应地具有更高的环境偏好，能够敦促减排政策的实施；(2)煤炭资源越稀缺，使用煤炭资源的成本相对更高，该地区越有动机去提高资源使用效率、寻找替代能源，这个过程有助于排放的增量控制。
五、广义可加模型与传统模型结果的比较和讨论
(一)传统的CKC参数模型
目前国内的CKC研究普遍采用面板参数模型。不论是静态面板模型(李国志、李宗植，2010；许广月、宋德勇，2010)、动态面板模型(杜立民，2010；李锴、齐绍洲，2011)，还是空间面板模型(魏下海、余玲铮，2011)，多数研究结果都支持倒U型CKC的存在性。因此，参考许广月、宋德勇(2010)，我们构建(5)式中的CKC静态面板参数实证模型，该模型采用简化形式的参数设定。
表2归纳了常见的简化形式CKC面板参数模型的回归结果。其中模型A即模型(5)，模型B和模型C分别加入了表征时间效应的虚拟变量和人均GDP立方项。不难看出，CKC曲线在三个实证模型中依次呈现出线型、“倒U型”和“倒N型”三种形态，模型设定的假设在很大程度上影响了传统CKC参数模型的结果。为了进一步比较不同模型下的结果，我们使用Hsiao、Li和Racine(2007)的参数模型设定检验方法(以下简称HLR检验)，帮助选择最佳的模型设定形式。以本文为例，对于模型A，HLR检验的零假设是参数模型A为正确的模型设定。根据表2中的
检验统计量结果，我们分别拒绝了模型A、模型B和模型C的参数模型设定。因此，传统的参数计量经济学方法通常面临着如何设定变量之间参数影响关系的困惑，而基于统计数据和经济经验等因素设定的参数模型却难以通过模型设定检验。相比之下，非参数广义可加模型不需要设定具体的参数影响关系，在曲线拟合方面具有明显的优势，更有助于刻画变量间复杂的影响关系。
(二)有关不同模型结果差异的讨论
图4 环境库兹涅茨曲线的多种可能形态
资料来源：Stern(2004)。
CKC是否一定满足倒U型的曲线形态？作为环境库兹涅茨曲线(EKC)在问题上的具体化，CKC的形态存在除“倒U型”之外的多种可能性(如图4所示)。根据Stern(2004)的描述，主要有：(1)校正的EKC(revised EKC)情形。“倒U型”的曲线形态并未改变，但是技术进步使得EKC朝左下方移动。(2)向底线赛跑(race to the bottom)情形。出于维持经济竞争优势的要求，中高收入的国家或地区很难提升其环境规制强度，从而导致其竞相争取经济发展所允许的最大排放水平，曲线到达“顶部”后保持水平。(3)新型污染物(new toxics)情形。例如一类的特殊污染物，其污染作用范围和治理难度都远大于传统污染物，在缺乏有效治理技术的情况下，污染物排放量将持续上升，曲线单调上升。在本文的研究样本范围内，无论是全国层面还是区域层面，CKC在多数情况下都符合Stern(2004)所描述的新型污染物情形。
相比于那些传统的基于参数面板回归方法的研究文献，本文并没有发现“倒U型”CKC的证据。简单地看，造成这种差异的原因有两方面。其一是关于碳排放影响因素的假定。根据传统的简化形式EKC的研究思路，经济发展是污染物排放最重要的甚至是唯一的影响因素，两者之间符合某种既定的影响关系假设。然而，正如图4所示，由于经济发展过程中的技术进步、政策变动和污染物自身特征等多种因素，都有可能改变EKC的曲线形态，于是增加了上述参数影响关系假设的困难性。本文并没有采用上述假设，由此结果呈现一定的差异性。其二是关于CKC曲线的可预测性假定。在常见的“倒U型”CKC的研究成果中，不同省区市CKC曲线的理论拐点将在未来的5年～35年内相继出现。即是说，目前的CKC大多位于拐点之前的左侧上升部分，根据可预测性假设和统计上显著的影响关系，CKC将自动走向拐点并持续下降。同样，这种可预测性假设也受到了质疑(林伯强、蒋竺均，2009)。本文的研究并没有赋予CKC的可预测性假设，我们仅仅回顾了经济发展与排放的历史变动关系。事实上，无论是发达国家还是发展中国家，目前都处于减排的努力探索阶段，历史的污染物治理经验并不能成为预测未来排放走势的充分证据。倘若抛开可预测性假设，本文中单调上升的曲线与传统研究中拐点左侧上升部分的曲线结果是相互吻合的。
六、结论与政策建议
本文的主要结论如下：在全国层面上，CKC呈现单调递增的曲线形态。这种CKC形态的形成机制可以归纳为：促进减排的技术效应难以抵消促进增排的规模效应和组合效应，经济规模的持续扩张主导了排放量的变动趋势，使得碳排放随着人均实际GDP增长而单调上升。将区域异质性纳入考虑后，相比于其他地区，煤炭资源丰裕地区的碳排放量随着经济发展呈现更加明显的单调上升趋势。在本文的研究样本与时间范围内，并没有充分的证据支持倒U型的CKC假说。因此，不能乐观地认为中国已经进入碳排放量递减的环境库兹涅茨曲线下行阶段，更不能被动地等待曲线拐点到来。中国的低碳经济政策，应充分考虑经济发展的阶段性、区域发展的差异性以及碳排放驱动因素的层次性。据此，提出以下政策建议：
1.制定统筹不同区域的差异化碳减排策略，让全国各个区域共同承担碳减排责任。本文实证结果中普遍呈现的单调上升CKC特征表明：经济欠发达的内陆地区与资金、人才和技术优越的东部沿海地区共同承受着排放量持续增加的压力。东部沿海地区应该成为碳减排的“领头羊”，在相对较高的碳基下，应努力通过能源结构调整和技术进步来降低碳排放增量，同时向西部地区输送节能减排的关键人才和技术。对于中西部煤炭资源丰裕地区，尤其是能源资源净输出的省份，由于其处于经济追赶阶段，资源禀赋优势下能源消费结构难以在短期内改变，在现阶段该地区仅需要考虑实施适当的碳排放增量控制。
2.着力提高能源利用效率和碳减排技术，充分发挥技术效应的减排作用。从现阶段来看，技术效应是降低碳排放的最重要因素。根据陈诗一(2011)的测算，中国的能源强度远高于美、德、日等发达国家，甚至高于印度，能源利用效率也大幅落后于可比国家。即中国的能源利用效率具有很大的上升空间，技术效应将持续发挥显著的碳减排效果。一方面，根据波特假说，可以提出强制的环境要求，鼓励生产企业实现技术创新，从而带来环境质量的改善。另一方面，可以尝试通过碳排放的产权和市场机制，内生地激励企业的技术创新。
3.完善新型工业化道路的中长期规划，强调结构调整的节能减排作用。中国目前正处于工业化中期阶段，并没有足够的内在动力去通过结构调整实现碳减排，但并不能因此忽略产业结构调整的潜在作用。正如Zhou等(2013)指出，产业结构的最优化可以同技术进步一起发挥作用，带来显著的减排效果。因此，中国需要制定更加明确的阶段性新型工业化目标，通过产业结构变动来推动技术进步，从而产生持续的节能减排动力。
注释：
①我们还尝试使用能源消费总量作为反应变量，非参数拟合图形结果与图1十分相似，说明了在相似的环境表征变量下，GAMs方法具有稳定性。此外，当以1998～2010年的人均二氧化硫排放量作为反应变量时，结果呈现显著的倒U型曲线关系，说明在不同种类的环境表征变量下，EKC的形态具有差异性。
②出于节省篇幅，此处不报告截面和时间固定效应和截距项的参数估计结果，如有需要，请与作者联系。
③在技术经济学领域，学者普遍采用LMDI方法精确地分解碳排放的驱动因素(林伯强、蒋竺均，2009；仲云云、仲伟周，2012)，一致认为对碳排放产生正向驱动作用的规模效应远高于负向驱动的强度效应(或技术效应)，支持了本文的研究结果，这说明半参数广义可加模型适用于“经济发展—环境质量”关系问题的研究。
④囿于数据可得性，我们仅选择了2003～2009年的原煤产量和消费量数据，数据来源于中国煤炭资源网。选择以2003年为起点的原因是中国煤炭行业在2003年以前欠缺整合，存在明显的产能过剩和资源过度开采问题，难以反映真实的资源稀缺性。
⑤由于研究重点是CKC的非参数拟合图，因此并不报告参数部分的回归结果。如有需要，请与作者联系。
标签：环境库兹涅茨曲线论文; 碳排放论文; 经济模型论文; 经济论文; 单调函数论文; 煤炭污染论文; 煤炭能源论文; 经济学论文; 规模效应论文;