城市化、產業結構與人均碳排放
——理論推演與實證檢驗

方齊云　曹金梅

(華中科技大學經濟學院， 湖北武漢430074)

?

城市化、產業結構與人均碳排放
——理論推演與實證檢驗

方齊云曹金梅

(華中科技大學經濟學院， 湖北武漢430074)

隨著工業化和城市化的持續推進，我國的產業結構隨之發生變化，對二氧化碳排放的影響也是關注的焦點。本文首先構建模型分析城市化、產業結構和碳排放的關系，并進一步使用固定效應面板數據模型和異質斜率面板模型實證分析了城市化、產業結構變化和碳排放的關系，結果表明城市化和人均碳排放之間存在倒U形關系，出現該關系的深層次機理在于產業結構的變化：在工業化后期，服務業占比上升，而服務業的能源消耗強度比工業小，因此人均碳排放會出現拐點。根據回歸結果計算各省市到達人均碳排放拐點的時間，發現東部地區已經達到或幾年內即將到達拐點，而中西部地區則平均需要十五年才能到達拐點。未來各省在制定減排政策時，需要充分考慮到其所處地區的城市化和工業化的階段，采取差異化的產業引導政策。

城市化；產業結構；二氧化碳排放；拐點

一、引言

隨著我國經濟的快速發展，我國能源消費量在過去幾十年間保持快速增長，由化石燃料燃燒產生的二氧化碳排放量不斷增加。2006年我國二氧化碳排放總量超過美國成為全球最大的碳排放國，與此同時，城市化和工業化進程持續推進，我國人均二氧化碳排放也呈逐年上升趨勢，并于2013年首次超過歐盟。二氧化碳是最重要的溫室氣體，隨著全球氣候變暖，低碳經濟是全世界共同關注的話題，世界各國對我國的碳排放高度關注，要求我國承擔更大的節能減排任務。我國在“十二五”規劃綱要中明確提出要減少人均碳排放的量，在2016年通過的“十三五”規劃綱要中將“綠色”作為重要的發展理念之一。我國作為世界上最大的發展中國家，如何在保持經濟發展中高速增長的前提下，在建設資源節約型和環境友好型社會的要求下，繼續深入地推進城市化和工業化是需要研究的一個重要課題。

二、文獻綜述

由于環境問題日益突出，低碳經濟得到越來越多的關注，很多學者對城市化、產業結構變化和二氧化碳排放量之間的關系進行了考察，相關的研究文獻主要分為以下幾個方面：一是檢驗城市化和二氧化碳排放量之間的庫茲涅茲倒U形曲線關系[1，2]，即隨著城市化水平的不斷提高，二氧化碳排放量會先上升后下降，但正如很多研究環境庫茲涅茲曲線的文獻一樣，忽視了對倒U形曲線的產生機制進行研究；二是利用多國二氧化碳排放量的面板數據，根據人均國民收入水平對國家進行分組，研究不同收入水平下的城市化與二氧化碳排放量之間的關系，并發現了異質性的存在[3，4]；三是探討城市化如何影響二氧化碳排放，如通過影響能源利用效率[5，6]、規模經濟和技術進步[7]、生活方式的改變[8，9]等，城市化從多個方面影響著二氧化碳排放。綜合這些文獻可以看出，城市化和產業結構變化對二氧化碳排放量影響的邏輯如下：城市化的主要表現是人口向城市集聚，這一方面導致資源能源消耗的增加；另一方面可能產生集聚經濟或集聚不經濟，對二氧化碳排放產生直接影響；同時，城市化會提高一個地區的收入水平，用于環境治理的投資也因此會增加，城市化也有利于加快一個地區的技術進步，新技術會改變資源能源的利用效率，進而間接影響二氧化碳的排放量。

但以上研究并沒有將城市化、產業結構變化和二氧化碳排放納入一個分析框架，大部分實證研究只是簡單地將產業結構作為工業化的代理變量放入模型中，并沒有考慮城市化和工業化的階段性特征及它們之間的協同作用。在城市化的過程中，一方面人口大量向城市集聚，為工業和服務業提供源源不斷的勞動力；另一方面，城市的移入人口由于存在生活用品需求、住房需求和服務需求，反過來又會促進工業化。同時，在經濟發展過程中，存在“工業化”和“后工業化”現象，在“工業化”階段，農業在國民經濟中的比重持續降低，工業和服務業的比重持續提高；在“后工業化”階段，工業占比呈現下降趨勢，服務業占比則相應提高，經濟增長主要由服務業推動。在“工業化”和“后工業化”階段，產業結構會發生相應變化，并且由于三次產業消耗能源的強度和品種不同，這種產業結構的變化會直接導致二氧化碳排放量的上升或下降。因此，城市化、產業結構變化和二氧化碳排放量之間的關系有待進一步深入分析。

本文在James等[10]、徐朝陽[11]的基礎上構建了包含兩地區(城市和農村)，三產業(農業、工業和服務業)，四生產要素(土地、資本、勞動力和能源)的一個均衡模型，從理論上分析了城市化和產業結構變化對人均二氧化碳排放量的影響及其背后的邏輯鏈條。進一步地，利用我國省際面板數據構建了靜態和動態的異質斜率面板回歸模型(其中各省二氧化碳排放量是利用各種能源消費量和二氧化碳排放系數進行計算得到)，實證分析了我國城市化、產業結構變化與人均二氧化碳排放之間的關系，檢驗我國城市化和二氧化碳排放之間是否存在“倒U”型關系，并進而測算出我國各省二氧化碳排放量到達拐點的時間，并據此提出相應的政策建議。

三、理論模型

(一)基本假設

一個封閉經濟體有三個產業部門，農業部門、工業部門和服務業部門，其中農業部門使用土地(D)、能源(E)和勞動力(L)三種要素進行生產活動，工業部門和服務業部門使用資本(K)、能源和勞動力三種要素進行生產活動，假設三個部門的生產函數是如下的柯布道格拉斯形式

(1)

(2)

(3)

其中Y表示總產出，y表示各部門人均產出，下標a、m和s分別表示農業、工業和服務業，下標t表示時間t，A是全要素生產率，常數α1、α2、1-α1-α2都在0到1之間，類似的β1、β2、γ1、γ2滿足該條件。并且dt=Dt/Lat,eit=Eit/Lit(i=a,m,s)，kjt=Kjt/Ljt(j=m,s)。

假設農業只在農村生產，工業和服務業在城市生產，所有勞動力都充分就業。該假設雖然比較嚴格，但一定程度上能描述現實狀況：農村雖然也有工業和服務業，但占比不到20%，該假設實際上是一種極端的簡單情況，無礙于本文后續的分析[12]。設各部門勞動力在總勞動力中的占比為lit=Lit/Lt(i=a,m,s)，其中總勞動力Lt=Lat+Lmt+Lst，假設總勞動力以指數形式增長，即Lt=L0exp(nt)。城市化的主要表現就是由于城市的拉力和農村的推力作用，人口向城市生產部門集聚，因此定義ut為人口的城市化率，即城市人口占總人口的比重，其計算公式如下

ut=lmt+lst

(4)

二氧化碳排放來源于生產過程中的能源消耗，假設農村和城市使用能源的效率是不同質的，其中農村所使用能源的碳排放系數為1，城市部門所使用能源的碳排放系數為ε(ε>1)，因此人均碳排放為

(5)

(二)生產的均衡

假設生產要素在部門間能夠自由流動，均衡時各部門所使用的要素得到相同的報酬，設資本、勞動力、能源得到的報酬分別為Rt、Wt、Pt，則有

(6)

(7)

(8)

聯立式(6)、式(7)、式(8)得

(9)

(10)

(11)

使用服務業和工業產值之比μt作為產業結構的代理變量，使用該變量的優點是能夠準確刻畫出“工業化”和“后工業化”過程中產業結構的變化特征。

(12)

聯立式(4)、式(12)得

lat=1-u1

(13)

(14)

(15)

(三)消費的均衡

假設最終產品Yt由三次產業的產品復合而成，并且也為柯布道格拉斯形式。最終產品用于消費(C)和投資(I)

(16)

yt=Yt/Lt=(Ct+It)/Lt=ct+it

(17)

(18)

其中y是人均最終產品，c和i分別是人均消費和人均投資。式(18)是資本運動方程，δ是資本折舊率，n是人口增長率。

一個代表性消費者的效用函數如下

(19)

式(19)中ρ是時間偏好率，z>0，θ>0為常數，效用函數在消費的基礎上加入了人均二氧化碳排放*本文中二氧化碳排放量由能源消耗量和二氧化碳排放系數計算得來，故在公式(19)中用人均能耗et來作為二氧化碳排放的替代變量。，該設定是因為生產過程中產生的二氧化碳作為一種污染物，會給消費者帶來負效用。因此消費的均衡就是要最大化式(19)，約束條件是式(18)。構建上述最大化問題的漢密爾頓方程

H=[exp(-(p-n)t)][lnct-zet]+πt(i-δkt)

(20)

其中πt是協狀態變量，根據最大化原理有一階條件

?H/?lat=0

(21)

?H/?eat=0

(22)

?H/?it=0

(23)

微分方程

(24)

聯立式(21)至式(24)，解出eat代入式(5)得均衡時的碳排放

(25)

四、計量模型與樣本數據

(一)模型設定及變量選取

對式(25)兩邊取對數，為了回歸方便，對模型進行簡約化處理，因此本文檢驗城市化、產業結構變化與二氧化碳排放的計量模型如下

lneit=η0+η1lnuit+η2(lnuit)2+η3lnμit+η4lnμit+ηXit+ξit

(26)

式(26)包含城市化率的一次項和二次項來檢驗城市化和人均碳排放的倒U形關系，并且模型中包含了城市化和產業結構的交互項，這是為了檢驗城市化和產業結構對碳排放的交互作用。X是控制變量矩陣，下表i表示省份i，t表示時間t。控制變量包括人均GDP增長率(rgdp)、貿易開放度(open)、技術進步(tech)、人均受教育程度(edu)、人口密度(dens)、基礎設施變量(infr)和制度(inst)。貿易開放既會促進技術進步，又會帶來“污染避難所”效應，對二氧化碳排放產生影響。由于基礎設施會影響交通工具等的利用，由于各省經濟狀況、制度環境不同，這會直接影響投資等活動，進而對二氧化碳排放產生影響，因此在省際層面上同時控制了人均GDP增長率、基礎設施和制度變量。城市化的主要表現是人口向城市地區集聚，導致人的生活習慣、消費習慣等發生變化，這直接影響碳排放，但由于生活習慣的改變不方便度量，本文使用人均受教育程度、人口密度作為代理變量，其背后的假設是人均受教育程度、人口密度與生活習慣是高度相關的，同時本文假定居民受教育程度越高，其節能減排的意識就越強，人口密度的高低與規模經濟有關。為了消除可能存在的異方差問題對所有變量都進行了取對數處理。

二氧化碳排放量基于能源消費量進行計算，包括煤炭、焦炭、汽油、煤油、柴油、燃料油和天然氣等8種主要化石能源，各種能源的碳排放系數取自張鴻武等[13]的研究。城市化有多種度量指標，本文使用城鎮人口占總人口的比重來衡量。產業結構使用服務業與制造業產值之和在國民經濟中的比重表示，并且不需要使用價格指數進行平減。控制變量中貿易開放用貿易依存度來度量，即進出口總額與GDP的比值。技術進步用勞均物質資本水平來衡量，物質資本存量根據張軍等[14]的研究方法進行計算，以1995年為基期。1995—2004年各省人均受教育程度的數據來源于李秀敏[15]的研究結果，并采用其計算方法擴充至2012年。各省人口密度用年末總人口除以相應面積得到，基礎設施變量使用人均公路里程數來度量，制度使用非國有固定資產投資比重作為代理變量。

(二)數據來源及初步分析

本文使用的數據來源于《新中國60年統計資料匯編》、各年的《中國統計年鑒》、各年各地區統計年鑒、《中國勞動統計年鑒》、《中國能源統計年鑒》等。需要指出的是西藏由于數據缺失不包括在內，重慶并入四川進行計算。各省各種能源的利用數據只能從1995年以后編制的地區能源平衡表中獲得，因此本文構建的是全國29個省市1995—2012年共18年的面板數據。

為避免共線性問題，首先對各變量進行相關性分析，相關系數矩陣如表1所示。可以看出，人均受教育程度與城市化率的相關系數高達0.822 8，這與我們的常識一致：一個地區的城市化水平越高，其居民平均受教育程度也會越高。另外貿易開放度與城市化、技術進步的相關系數都在0.7以上，其背后的邏輯鏈條可能是：一個地區城市化水平和貿易開放度會相互促進，而貿易開放和城市化水平的提高又會促進技術進步。其余變量間相關系數都在0.5以下，基本不存在共線性問題。因此在進行回歸分析時，應逐步加入人均受教育程度、貿易開放度和技術水平，觀察系數的顯著性及模型的解釋力，選擇更合適的回歸模型。

表1　變量的相關系數矩陣

五、實證分析

(一)固定效應回歸分析

如上文分析，考慮到可能存在的多重共線性問題，在回歸模型中逐步加入人均受教育程度、貿易開放和技術進步項，回歸結果如表2所示。四個模型都選擇雙向固定效應回歸，并且四個模型的擬合優度都較高，矯正R2都在0.75以上。四個模型中，GDP增長速度系數都顯著為正，表明經濟增長和人均碳排放之間正相關。四個模型中的城市化系數都在1%水平下顯著為正，城市化平方項的系數也在1%水平下顯著為負，驗證了人均碳排放量與城市化之間確實存在倒U形關系；產業結構的系數在1%水平下顯著為負，表明工業占比降低或服務業占比提高有助于降低人均碳排放；城市化和產業結構的交互項的系數顯著為負，證實了城市化和工業化之間存在協同作用，特別是在工業化后期，城市化的繼續提高主要依靠服務業的拉動，而向城市集聚的勞動力又為服務業的發展提供了保障。

進一步觀察四個模型的控制變量可知，模型(2)在加入人均受教育項后，人均受教育程度的系數不顯著，方差膨脹因子VIF大于10，并且城市化的系數顯著降低，說明人均受教育程度與城市化存在嚴重的多重共線性問題，因此模型(3)和模型(4)不加入人均受教育程度項。模型(3)和模型(4)中，貿易開放都在1%的水平下顯著為負；模型(4)中加入了技術進步項，其系數在10%的水平下顯著為負，技術進步項的加入使貿易開放項的系數降低，說明貿易開放對人均碳排放的作用主要是通過促進技術進步而降低了碳排放。此外固定效應面板模型的前提是不存在截面相關且殘差平穩，使用CD檢驗來檢驗是否存在截面相關，使用CIPS檢驗殘差是否平穩，其中CIPS檢驗與一般的單位根檢驗的不同之處在于其允許存在截面相關。從檢驗結果來看，模型(3)和模型(4)存在截面相關，四個模型的殘差都不平穩，這表明使用傳統的固定效應模型存在著一定的問題，因此考慮使用允許個體不同斜率的異質斜率面板估計方法。

表2　固定效應面板回歸結果

注：括號中為t統計量，*、**、***分別表示系數通過了10%、5%、1%的顯著性檢驗。

(二)異質斜率面板回歸分析

異質斜率面板估計方法主要包括MG(Mean Group)、CCEMG(Common Correlated Effects Mean Group)、AMG(Augmented Mean Group)三種方法，其中MG估計量由Pesaran和Smith于1995年創建，該方法不考慮截面相關性[16]，Pesaran對MG方法進行改進并創造了CCEMG估計量，允許存在截面相關情況下進行估計[17]；AMG估計量將不能觀測的共同因子視為有用的信息，因此比MG和CCEMG估計量包含更多的信息[18]。表3給出了三種靜態異質斜率面板估計方法的回歸結果，可以看出三種方法回歸的效果相比固定效應面板模型的要好，CD檢驗結果表明個體存在截面相關，CIPS檢驗結果表明回歸的殘差是平穩的。

從三個模型的回歸結果看，GDP增長速度的系數顯著為正，城市化的系數顯著為正，并且模型(6)CCEMG方法中城市化的系數最大且最顯著，城市化的二次項的系數都為顯著負，再次驗證了城市化與碳排放之間存在倒U形的關系。產業結構、產業結構和城市化的交互項的系數都顯著為負，驗證了城市化和產業結構對碳排放存在負的協同作用，服務業比重的提升有利于降低碳排放。

表3　靜態異質斜率面板回歸結果

考慮到能源消費具有一定剛性的特征，由能源消費產生的碳排放與上一年的碳排放存在一定的相關性，因此將人均碳排放的滯后一期項加入回歸模型中，使用動態面板進行回歸分析。表4是動態異質斜率面板的回歸結果，可以看出人均碳排放滯后一期項的系數都通過了10%水平的顯著性檢驗，并且系數都為正，說明碳排放確實存在時間上的自相關性，上期的碳排放對本期的碳排放具有顯著的棘輪效應。

表4　動態異質斜率面板回歸結果

(三)拐點分析

由上文分析，人均碳排放和城市化之間存在倒U型關系，因此可以利用模型來計算各省市人均碳排放達到拐點的時間。由(26)式可以得到人均碳排放對城市化的偏導為

利用表(4)的回歸結果計算出各省份人均碳排放達到拐點的時間如表5所示。其中各省城市化和產業結構增速是1995—2012年的平均增速，產業結構增速有正有負是因為各省所處的工業化階段不同，東部大部分地區已處于工業化后期，服務業占比不斷提高，產業結構μ增速為正，而中西部地區還處于工業化初期或中期，因此其產業結構μ增速為負。

各省達到人均碳排放拐點的時間由表4三個模型的計算結果取平均得到。可以看出，上海、北京、天津在2012年已經達到了人均碳排放的拐點，原因在于這三個地區不僅城市化率相當高，而且已經進入后工業化時期，服務業在三次產業中的比重較高，其能耗和二氧化碳排放已經達到了頂點。浙江、江蘇分別在2014年和2015年人均碳排放量達到頂點；廣東和山東預計將在2017年達到人均碳排放的拐點。遼寧、河北等兩個東部省份以及中西部地區以由于目前仍處在工業化中期，工業占比提高是這一時期的標志，因此這些省份和地區達到人均碳排放的時間要相對遲一些。福建和海南的工業占比一直較低，旅游業發達，服務業占比一直較高，影響這些地區碳排放量的主要因素是經濟增長率，因此這兩個省份達到碳排放拐點的時間也較晚。

表5　各省份人均碳排放達到拐點的時間

注：“─”表示該地區已達到人均碳排放的拐點。

六、主要結論及啟示

(一)結論

本文首先構建模型分析了城市化、產業結構和碳排放的關系，推導出了人均碳排放的數理表達式，結果表明經濟發展水平、城市化與產業結構變化都會影響碳排放，并且只有當服務業與工業的比值達到一定水平時，城市化率的提高才會導致人均碳排放下降。

在此基礎上，本文采用面板數據模型實證分析了三者之間的關系，考慮到固定效應面板模型不能處理截面相關問題和數據不平穩性問題，因此使用MG、CCEMG、AMG三種異質斜率面板模型，分別考察了靜態和動態的異質斜率面板模型，結果表明：

(1)城市化和碳排放之間存在倒U形關系，城市化和產業結構對碳排放的影響具有負的協同作用，由此，城市化和碳排放之間倒U型關系的邏輯鏈條為工業化后期，高能耗的工業占比額降低，低能耗的服務業占比提高，從而在城市化過程中碳排放會有一個先上升后下降的趨勢。

(2)各個地區因經濟發展水平、基礎設施水平等存在差距，城市化和產業結構變化對碳排放的影響系數是異質的，也說明碳排放問題在經濟發展的不同階段具有異質性。

(3)經濟增長速度對碳排放有明顯的正作用，因此在一些經濟欠發達地區，工業化水平較低，保持經濟高的經濟增長速度會導致碳排放的增加。

(4)上期碳排放對當期碳排放具有棘輪效應，說明產業結構的轉型升級不是一蹴而就的，降低碳排放需要一個比較長的過程。

(5)技術進步對人均碳排放有負的影響，對外開放對技術進步有促進作用，因此繼續加大對外開放力度，學習引進國外先進的生產技術，有利于降低碳排放，因此控制碳排放和調整產業結構落腳點是 “創新”和“開放”是降低碳排放。

最后本文根據動態異質斜率面板數據模型，采用1995—2012年我國22個省份的面板數據，計算了各省份達到人均碳排放拐點的時間，其中東部經濟發達的省份已經或只需幾年就達到人均碳排放的拐點，而經濟較落后的東部省份和中西部地區則需要十五年左右的時間才達到人均碳排放的拐點。這主要是因為我國各省市處于不同的工業化階段，東部地區已處于或很快進入工業化后期階段，中西部地區處于工業化前期或中期階段，各省的城市化速度和產業結構變化也不一樣。

(二) 啟示

根據以上研究，結合我國現階段各個地區的經濟發展特點，可以得到以下幾點啟示：

(1)城市化與碳排放之間存在倒U形關系，產業結構是解釋碳排放在到達拐點后下降的關鍵因素，因此調結構促轉型是降低人均碳排放、促進國民經濟可持續發展的關鍵所在，而這一過程需要堅持“創新、協調、綠色、開放、共享”的發展理念。

(2)二氧化碳的排放主要產生于化石能源的使用，因此一方面降低碳排放需要從三方面努力，一是降低化石燃料的使用量，增加清潔能源的使用，開發新能源；二是提高能源的使用效率，加強節能技術的研發和推廣；三是加強排放后的處理，比如加強對工業廢氣等的回收再利用。

(3)加大對外開放力度，總結我國改革開放以來的經驗教訓，從人和機器兩方面來考慮來制定合適的政策制度，主要依靠促進科技進步來推動城市化和產業轉型升級。

(4)我國不同省份之間的經濟增長速度、城市化水平及產業結構差距較大，因此在制定相關政策時需要因地制宜，由于碳排放和產業結構調整需要一個較長的過程，因此制定的政策要具有一定的持續性和前瞻性：對于東部發達地區，已進入工業化后期，城市化水平較高，服務業占比較高，同時由于這些地區的平均受教育程度較高，可以制定較高的企業準入門檻和較高的碳排放標準，對于經濟相對落后的中西部地區，大力發展經濟，提高居民生活水平，加快城市化進程仍然是現階段最重要的目標，因此對這一部分地區，可以制定較低的企業準入門檻和較低的碳排放標準，但要積極吸取東部發達地區的發展經驗，以避免走先污染后治理的道路。

[1]Martínez-Zarzoso I, Maruotti A. The Impact of Urbanization on CO2 Emissions:Evidence from Developing Countries[J]. Ecological Economics, 2011,70(7):1344-1353.

[2]Zhu H M, You W H, Zeng Z. Urbanization and CO2 Emissions:A Semi-parametric Panel Data Analysis[J]. Economics Letters, 2012,117(3):848-850.

[3]Sadorsky P. Do Urbanization and Industrialization Affect Energy Intensity in Developing Countries?[J]. Energy Economics, 2013,37:52-59.

[4]Poumanyvong P, Kaneko S. Does Urbanization Lead to Less Energy Use and Lower CO2 Emissions? A Cross-country Analysis[J]. Ecological Economics, 2010,70(2):434-444.

[5]Poumanyvong P, Kaneko S, Dhakal S. Impacts of Urbanization on National Transport and Road Energy Use:Evidence from Low, Middle and High Income Countries[J]. Energy Policy, 2012,46:268-277.

[6]O'Neill B C, Ren X, Jiang L, et al. The Effect of Urbanization on Energy Use in India and China in the iPETS Model[J]. Energy Economics, 2012,34:S339-S345.

[7]Wang Q. Effects of Urbanization on Energy Consumption in China[J]. Energy Policy, 2014,65:332-339.

[8]Hubacek K, Guan D, Barrett J, et al. Environmental Implications of Urbanization and Lifestyle Change in China:Ecological and Water Footprints[J]. Journal of Cleaner Production, 2009,17(14):1241-1248.

[9] Zhou W, Zhu B, Chen D, et al. Energy Consumption Patterns in the Process of China’s Urbanization[J]. Population and Environment, 2012,33(2-3):202-220.

[10]Andreoni J, Levinson A. The Simple Analytics of the Environmental Kuznets Curve[J]. Journal of Public Economics, 2001,80(2):269-286.

[11]徐朝陽. 工業化與后工業化:“倒 U 型” 產業結構變化[J]. 世界經濟, 2010 (12):67-88.

[12]Gollin D, Jedwab R, Vollrath D. Urbanization with and Without Industrialization[J]. Unpublished Manuscript, Oxford University Department of International Development, 2013.

[13]張鴻武, 王珂英, 項本武. 城市化對 CO2 排放影響的差異研究[J]. 中國人口資源與環境, 2013(3):152-157.

[14]張軍, 吳桂英, 張吉鵬. 中國省際物質資本存量估算:1952-2000[J]. 經濟研究, 2004 (10):35-44.

[15]李秀敏. 人力資本、人力資本結構與區域協調發展——來自中國省級區域的證據[J]. 華中師范大學學報(人文社會科學版),2007(3):47-56.

[16]Pesaran M H, Smith R. Estimating Long-run Relationships from Dynamic Heterogeneous Panels[J]. Journal of Econometrics, 1995,68(1):79-113.

[17]Pesaran M H. Estimation and Inference in Large Heterogeneous Panels with a Multifactor Error Structure[J]. Econometrica, 2006,74(4):967-1012.

[18]Eberhardt M, Teal F. Productivity Analysis in Global Manufacturing Production[J] 2010.

責任編輯王麗英

Urbanization, Industrial Structure and Per Capita Carbon Emission——Theoretical and Empirical Analysis

FANG Qi-yun, CAO Jin-mei

(School of Economics, Huazhong University of Science and Technology, Wuhan 430074, China)

With the continual industrialization and urbanization process, China’s industrial structure has changed, which lead to the the concern of its impact on carbon dioxide emissions. This paper builds a theoretical model to explore the relationship of urbanization, industrial structure and carbon emissions, and further uses a fixed effects panel data model and heterogeneous slope panel to do empirical research. The results show that urbanization and per capita carbon emissions existed an inverted U-shaped relationship. The mechanism behind this appears to be the changes in the industrial structure:In the post-industrialization period, the share of service sector rises. The service sector is less energy intensive than manufacturing; therefore the turning point of per capita carbon emission will appear. Based on these results, we calculate the time it takes to reach the turning point of per capita carbon emission for each province and found that the eastern region has reached or is about to reach the turning point within a few years, while the central and western region will take an average of fifteen years. In the future every province needs to take its urbanization and industrialization phase into account during carbon reduction and adopt differentiated industrial policy in order to reach the turning point sooner.

urbanization; industrial structure; carbon dioxide emission; turning point

2016-02-25

方齊云，男，華中科技大學經濟學院教授、博士生導師，華中科技大學經濟發展研究中心副主任，華中科技大學現代經濟學研究中心常務副主任，主要從事發展經濟學、國際經濟學、農業經濟學研究；曹金梅，女，華中科技大學經濟學院碩士生，主要從事產業經濟學研究。

F062.2

A

1005-1007(2016)05-77-12