1 / 1
碳排放论文空间计量经济学论文：基于空间计量经济学的碳
排放与经济增长分析
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08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
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］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。
1 样本数据与指标选取
1.1 样本数据
本文采用的空间样本数据是除了我国台湾省和香港、澳
门特别行政区外的大陆31个省、自治区和直辖市。样本区
间为2005-2008年，数据主要来源于《新中国六十年统计资
料汇编》，部分数据来源于各省份统计年鉴及统计公报、《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。本文采用了两种方
法来计算各省份的碳排放量，分别是kaya碳排放恒等式法
和碳的化学燃烧公式法。
kaya碳排放恒等式［10-11］是由日本学者yoichi kaya
于1989年在联合国政府间气候变化专门委员会（ipcc）研
讨会上提出的，该等式通过一种简单的数学公式将经济、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=∑ni=1[dd)]ci=∑ni=1[dd)]eie×ciei
×ey×yp×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。
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=eie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f
i=ciei表示消费单位第i种能源的碳排放量；能
源效率因素i=ey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=yp表示人均gdp。
因此，式（1）可简化为c=∑ni=1[dd)]ci=∑ni=1[dd)]s
i×fi×i×r×p(i=1,2，k n)，这样一个地区的碳排
放量就和该地区的能源结构因素、各类能源的排放强度、能
源利用效率、经济发展因素以及人类的活动联系到了一起。
碳排放计算的第二种方法使用了碳的化学燃烧公式：
c+o2=co2，在该过程中，碳的燃烧值约为34 070 kj/kg，
而每吨标准煤释放的热量为7 000千卡，即约为29 302 kj，
于是就可以粗略地计算出每吨标准煤完全燃烧释放出的二
氧化碳。
但是考虑到第二种方法中标准煤的碳含量、含有硫、氮
等元素、不完全燃烧等因素，最后本文采用两种方法所计算
出的每吨标准煤的碳排放系数介于2.277和2.72之间，取
两者的算术平均数作为每吨标准煤的碳排放系数，为2.499。
本文用各省份的能源消费总量（单位为万吨标准煤）乘以每
吨标准煤的碳排放系数得到碳排放量，单位为万吨，用
carbon表示。
1.2.3 劳动力投入量
本文中劳动力投入量选取的是各省份的就业人员数，单
位为万人，用labor表示。
2 实证方法与模型设定
2.1 空间效应检验
空间效应［12］（spatial effects）是指各地区间的经
济地理行为之间一般都存在的一定程度的空间相互作用，分
为空间依赖性（spatial dependence，也叫空间自相关性
（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
放空间分布的集群情况。这里主要采用morans i指数法
来对我国碳排放的全域空间相关性进行检验。全域moran
s i指数定义是：
morans i=∑ni=1∑nj=1wij(yi-y)(y
j-y)
s2∑ni=1∑nj=1wij(2)
其中，s2=1n∑ni=1(yi-y)，y=1n∑ni=1yi，
yi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morans i的取值范围介于-1-1之间，若其数值
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morans i散点图，可
以将碳排放分为四个象限，分别用以识别各个省份与其他临
近省份之间的相互关系：右上方为第一象限，表示高碳排放
的省份被高碳排放的其他省份所包围（h-h，高-高）；左上
方为第二象限，表示低碳排放的省份被高碳排放的其他省份
所包围（l-h，低-高）；左下方为第三象限，表示低碳排放
的省份被低碳排放的其他省份所包围（l-l，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。