值大于 0，说明空间存在正自相关，数值越大说明空间分
布的正自相关性越强; 若其数值小于 0，说明空间相邻的
·81·
中国人口·资源与环境 2011 年 第 5 期
单元之间不具有相似的属性，数值越小则说明各空间单元
的差异性越大; 若其数值为 0，则说明该空间服从随机分
布。
通过绘制空间相关关系系数的 Moran's I 散点图，可以
济、人口和政策等因素与人类活动产生的二氧化碳建立起
了一种数学联系，基本公式是:
C
=
n
∑i = 1 Ci
=
n
∑
i =1
Ei E
× Ci Ei
×
E Y
×
Y P
×P
i = 1，2，K n ( 1)
其中，C 表示总的碳排放量; i 表示所消费能源的种
类; Ci 为第 i 种能源的碳排放量; E 表示一次能源的消费 量; Ei 为对第 i 种能源的消费量; Y 表示国内生产总值 ( GDP) ; P 为人口数量。
=
1 n
n
∑(
i =1
Yi
－ Y) ，Y =
1 n
n
∑
i =1
Yi
，Y
i
表示第 i 地区
的观测值( 如本文中的碳排放) ，n 为地区总数( 在本文中
为 31 个省份) ，Wij 为二进制的临近空间权值矩阵，用以定 义空间对象的相互临近关系。
全域 Moran's I 的取值范围介于 － 1 － 1 之间，若其数
和落后地区等经济地理结构，从而导致经济社会发展存在
较大的空间差异性。本文主要采用全域空间相关性检验
和局域空间相关性检验来检验我国各地区碳排放的空间
效应。
2． 1． 1 全域空间相关性检验
全域空间相关性又称全域空间自相关( Global Spatial
Autocorrelation) ，是指从区域空间的整体上刻画区域碳排
局域 Moran's I 指数还可以定义为:
性条件下，围绕该空间单元的其他相似空间单元之间所具
有的空间集群程度; 所有空间单元的 LISA 之和与对应的
全域空间相关性指标成比例。对于局域空间相关性的分
析主要包括局域 Moran's I 指数和局域 Geary 指数，本文采
用的是局域 Moran's I 指数，定义为:
n
Moran's
Ii
=
Z
i
等人的研究也证实了该观点。高卫东、姜巍［7］等的研究表 明随着产业结构的演进和生产技术进步的加快，我国能源 碳排放的增速有了明显的减缓，从区域分布来看，东部地 区碳排放经历了先下降后上升的过程，而西部地区碳排放 则是保持上升的趋势。也有学者从其他角度对我国的碳 排放问题进行了 研 究。 徐 国 泉、刘 则 渊、姜 照 华［8］ 等 基 于 碳排放恒等式，采用对数平均权重 Diveisia 分解法，建立了 我国人均碳排放量的因素分解模型，对我国 1995 － 2004 年间，影响人均碳排放的各种因素进行了分析，认为经济 发展对人均碳排放的贡献率呈指数增长的态势，能源利用 效率和能源结构对人均碳排放的贡献率呈“倒 U 型”关 系。张雷［9］认为产业结构的演进不仅决定着地区经济发 展的基本状态，而且同样决定着国家一次能源消费空间的 基本格局; 地区产业结构多元化程度越是走向成熟，其一 次能源消费的增速也就越是减缓; 缓慢的一次能源消费结 构变化是难以实现地区碳排放增长有效控制的关键。与 以上学者的研究相比，本文从空间经济学的角度，采用空 间计量经济学的方法对我国各省份( 自治区、直辖市) 的 碳排放与经济增长之间的关系进行了实证研究。
( Spatial Autocorrelation) ) 和 空 间 异 质 性。空 间 依 赖 性 意
味着空间上的观测值之间缺乏独立性，也意味着空间相关
的强度及模式由空间的绝对位置( 格局) 和相对位置( 距
离) 共同来决定。空间异质性是指地理空间上的区域缺乏
均质性，也即存在中心和外围地区、核心和边缘地区、发达
收稿日期: 2010 － 12 － 26 作者简介: 郑长德，博士，教授，博导，主要研究方向为区域经济与区域金融、国际金融、碳金融、空间计量经济学。 通讯作者: 刘帅，硕士生，主要研究方向为国际金融、碳金融、主权财富基金、空间计量经济学。 * 教育部人文社会科学研究项目基金( 编号: 09XJA790014) 资助。
中国人口·资源与环境 2011 年 第 21 卷 第 5 期 CHINA POPULATION，RESOURCES AND ENVIRONMENT Vol． 21 No． 5 2011
基于空间计量经济学的碳排放与经济增长分析*
郑长德 刘 帅
( 西南民族大学经济学院，四川 成都 610041)
摘要 本文采用空间计量经济学的方法对我国各省份的经济增长与碳排放之间的关系进行了实证分析，结果表明: 我国各省份的碳 排放在空间分布上表现出一定的空间正自相关性，碳排放量最高的省份多处于经济发达的沿海地区，如以北京为中心的环渤海地区， 以上海为中心的长三角地区和以广东为核心的珠三角地区，而次之的是经济较为发达的地区，如中部的山西、湖北、湖南、江西、安徽 和西南地区; 我国各省份的碳排放在空间分布上存在一定的空间集群效应，如环渤海地区就表现出高碳排放的空间集群效应，而西部 地区的西藏、新疆、甘肃、青海却表现出低碳排放的空间集群效应。经济增长与碳排放呈现出正相关关系，高碳排放的地区多处于经 济发达的沿海地区，而低碳排放的地区多处于经济落后的内陆地区; 我国目前的经济增长对碳排放的依赖性较强，经济增长对碳排放 的弹性系数约为 0. 8 左右，说明在未来的短时间内很难实行低碳经济的发展模式。 关键词 碳排放; 经济增长; 空间计量经济学 中图分类号 F061． 5 文献标识码 A 文章编号 1002 － 2104( 2011) 05 － 0080 － 07 doi: 10． 3969 / j． issn． 1002 － 2104． 2011． 05． 014
∑W
j=1
ij
Z
j
( i≠j)
( 3)
其中，Zi = xi － x、Zj = xj － x 分别表示观测值与均值的
离差，xi 表示空间单元 i 的观测值，Wij 表示空间权值矩阵，
因此 Moran's I 就可以表示为空间单元 i 的观测值的离差
Zi 与其相临近的空间单元 j 的观测值离差的加权平均值 的乘积。
2． 1． 2 局域空间相关性检验
局域空 间 相 关 性 又 称 为 空 间 关 联 局 域 指 标 ( Local
Indicators of Spatial Association，LISA) ，它是探索性空间数 据分析的重要组成部分。Anselin［13］ 认为 LISA 分析应该
满足两个条件: 每个空间单元的 LISA 描述了在一定显著
由( 1) 可分析出几个影响碳排放的因素，并给出如下
的定义:
能源结构因素
Si
=
Ei E
表示对第
i
种能源的消费在
一次能源消费中所占的比重; 各类能源的排放强度 Fi =
Ci Ei
表示消费单位第
i
种能源的碳排放量;
能源效率因素
I
=
E Y
表示单位
GDP
的能源消耗量(
可以理解为 GDP 的能
源消耗系数) ; 经济发展因素 R =
公报、《中国能源统计年鉴》。
1． 2 指标选取
1． 2． 1 国内生产总值
本文采用国内生产总值( GDP) 来衡量各省份的经济
发展水平，以 1978 年为基期，单位为亿元。
1． 2． 2 碳排放量
由于目前我国没有碳排放量的直接监测数据，而且关
于碳排放量的计算学术界也没有一个统一的标准，因而大
部分的研究都是基于对能源消费的测算得来。本文采用
低 － 低) : 右下方为第四象限，表示高碳排放的省份被低碳
排放的其他省份所包围( H － L，高 － 低) 。第一、三象限为
正的空间自相关关系，表示相似碳排放省份之间的空间关
联; 而第二、四象限为负的空间自相关关系，表示不同碳排
放省份之间的空间关联，如果各省份碳排放均匀地分布于
四个象限之内，则说明各省份之间不存在空间相关关系。
最近，关于我国碳排放与经济增长的关系引起了学者 们的高度关注。徐玉高、郭元［1］等采用时间序列和截面数 据的计量分析方法，对我国经济增长与碳排放的关系进行 了实证研究，认为人均碳排放与人均 GDP 之间不存在库 兹涅茨曲线，人口增长和人均 GDP 的增加是人均碳排放 增加的主要来源，而 GDP 能源消费强度的下降则是碳排 放减少的重要来源。 张 雷［2］ 的 研 究 认 为 经 济 结 构 多 元 化 的发展导致我国能源消费需求增长的减缓，能源消费结构 的多元化发展则是我国碳排放水平下降的重要因素，经济 和能源消费两者结构多元化的演进是促使我国经济发展 从高碳燃料为主向低碳为主方式转变的重要途径。王中 英、王礼茂［3］对我国 GDP 增长与碳排放量之间的关系进 行了相关分析，表明二者存在明显的相关性，认为我国过 分依赖投资的增长方式和以第二产业为主的经济结构在 很大程度上是导致温室气体排放量增加的主要原因。杜 婷婷、毛锋［4］等以库兹涅茨环境曲线( EKC) 及其衍生曲线 为依据，对我国碳排放量与人均收入增长的时间序列数据 进行了统 计 拟 合，得 出 我 国 碳 排 放 量 与 人 均 GDP 之 间 呈 现出“N型”曲线。随后，胡 处 枝 、黄 贤 金［5］ 等 、王 琛［6］
Y P
表示人均
GDP。因此，
n
n
式(
1)
可简化为
C
=
∑C
i =1