中國城市人口規模、產業集聚與碳排放

張華明,元鵬飛,朱治雙

中國城市人口規模、產業集聚與碳排放

張華明*,元鵬飛,朱治雙

(山西財經大學經濟學院,山西 太原 030012)

基于2009～2018年中國286個地級市面板數據,構建空間計量模型,從城市人口規模和產業集聚的綜合視角探討對于人均碳排放的影響機制.結果顯示:不同城市的人均CO2排放具有顯著的空間溢出效應;城市人口規模和產業集聚與人均CO2排放之間均呈“倒U型”關系,且影響機制各不相同;產業集聚與城市人口規模在影響碳排放上具有協同效應;中國東中西地區及南北地區在碳排放及其影響機制上具有顯著差異;地區差異、經濟發展程度差異等一系列穩健性檢驗均驗證了上述結論的可靠性.因此各地政府在制定可持續發展政策時要針對城市人口規模、產業集聚和低碳統籌發展,合理制定人口、產業和節能減排政策.

城市人口規模；產業集聚；碳排放；空間溢出；區域異質性

近年來,在中國工業化和城鎮化進程不斷推進的過程中,伴隨著大量的CO2排放和自然資源消耗.中國在第75屆聯合國大會上做出承諾,爭取在2060年之前實現碳中和.中國是世界上人口最多的國家,1990～2019年間,中國人口由11.43億增加到14億,凈增2.57億,城市人口規模不斷擴大.人口規模擴大的過程中就業人口在2000～2019年從7.21億人增加到7.75萬人,其中第一產業就業人數急劇減少,而第二和第三產業就業人數大幅上升,導致中國不同地區形成不同的產業集聚現象.

與此同時,經濟活動在地理上的集聚影響越發突出,城市作為經濟活動的載體,在現今資源和環境的硬性約束下,依靠資源推動城市經濟擴張的傳統方式難以為繼.同時中國現代化經濟體系建設要求維持城市經濟中高速增長,企業發展模式必須由粗放式發展轉變為集約式發展.為實現集約式發展必須轉變生產方式,提高能源利用效率和節能減排技術.但長期以來粗放式的經濟發展模式造成城市中高耗能、高污染企業能源浪費現象嚴重、碳排放量超標,城市人口規模的擴大也推動了土地價格上漲、能源消耗增加、資源浪費現象加劇、環境污染加重等負外部性凸顯.在城市未來實現可持續發展過程中,需要付出高額成本對應治理,尋求提高能源消耗效率、減少碳排放的城市發展路徑是當務之急.因此.識別城市人口規模、產業集聚與碳排放之間的關系具有現實意義.

1 文獻綜述及研究假說

關于城市人口規模、產業集聚和碳排放三者的關系之間,學術界的觀點不同.

城市人口規模一直是研究城市能源消耗的重要因素.城市人口規模是指有限的城鎮空間中所能承載的人口數量,在城市經濟發展、城鎮化建設、生態環境改善過程中會有與之相匹配的最優城市人口規模.城市人口規模較小,人口密度較低的情況下會造成“攤大餅”式的城市空間結構,導致城市能耗增加,這種城市發展模式不利于節能減排.部分學者[1-3]通過城市規模、城市密度與城市能耗之間的相關關系分析,得出了城市人口規模與城市能耗之間呈正相關關系的結論.但有學者[4]認為適宜城市發展的人口規模可以有效促進城市生態環境改善,降低城市碳排放量,實現可持續發展.例如家庭規模增長初期家庭戶均居住碳排放隨家庭規模的擴張而降低[5];人口規模的提升、人口集聚度增加有利于提高建筑密度從而提升能源效率,人口隨數量增長而集中也有利于能源的集中供應,促進節能減排[6].雖然有研究發現[7-9]當城市人口規模增長到一定階段后城市人口過多會導致能源消耗量上升和環境污染加劇、交通擁擠等情況的出現,但總體上來看我國城市人口規模仍未達到最有利于促進節能減排的標準,還存在大范圍的提升空間及吸納潛力[10-11].基于此,本文提出以下假說:

假說1:我國城市人口規模與人均碳排放量之間呈“倒U型”關系.

以經濟密度和就業密度作為產業集聚的衡量指標,其對碳排放的影響分為兩個方面.一方面,產業集聚程度提高會增加碳排放量,加重環境污染[12].在產業最初顯現集聚態勢時,企業的經濟實力薄弱且基礎設施處于建設階段,高級的分工協作關系并沒有形成,上下游企業聯系不緊密,企業的能源效率和節能環保投資都處于初級階段,不利于節能減排.另一方面,隨著產業集聚的進行,高素質人才開始集聚,集聚外部性通過廠商之間的相互作用開始獲得收益,有利于節能環保技術的擴散,有利于控制污染物[13]和CO2的排放[14-15].產業集聚達到一定程度后,專業化的勞動分工和“學習效應”會提升企業的生產效率從而帶來節能減排效應,減少碳排放.同時產業集聚度的提升會提升單位能源的經濟產出從而降低碳排放[16].在產業過度集聚時,工業企業的集中會造成交通擁擠、能源消耗量增加、污染物排放加重及政府管控不力等情況,產業集聚的節能減排邊際效應開始遞減[17].在分析產業集聚和碳排放之間的關系過程中,一些文獻還針對其區域異質性進行了分析,得出在中國東、中、西部城市中不同影響因素對于碳排放影響的顯著程度不同[18-19].

假說2:產業集聚與人均CO2排放之間呈“倒U型”關系,且產業集聚與人口規模之間具有協同效應,共同影響人均CO2排放.

空間效應對于城市碳排放水平的影響也被越來越多的學者所關注,不同城市中CO2排放的影響因素所產生的空間溢出效應被越來越多的研究考慮在內.不同區域之間的CO2排放和污染可能存在空間相關性[20-22].張翠菊等[23]運用空間計量經濟學的方法對中國東中西3區域及沿海地區、黃河長江地區等8區域的碳排放與人口數量、產業集聚之間的關系進行測算,發現不同區域解釋變量對于區域碳排放強度的影響顯著程度不同且空間溢出效應明顯.陳操操等[24]利用空間分析手段和空間回歸模型來比較京津冀、長江三角洲城市群碳排放的空間集聚特征.韓峰等[25]基于不同的空間權重矩陣和空間杜賓模型(SDM)模型證明多樣化集聚、專業化集聚對周邊城市會產生負向空間外溢效應且主要表現為極化效應而非擴散效應.何文舉等[26]在STIRPAT模型的基礎上采用空間計量模型研究發現人口、產業以及企業密度對省域碳排放的影響呈“正N”型且表現出東高西低的特征.

假說3:我國不同地級市人均CO2排放量之間存在空間溢出效應.

由上述文獻可以看出,多數研究是針對CO2排放和人口規模之間的相關影響或CO2排放和產業集聚之間的相關關系單獨進行分析,本文的潛在創新包括:(1)現有研究大多數是基于CO2排放和其影響因素進行單獨論證,本文在統一框架下對CO2和城市人口規模、產業集聚程度進行論證和分析,梳理兩者對于區域碳排放的影響機制及其協同效應,更有代表性和科學性.(2)除分析一般性規律外,本文進行了一些區域異質性分析,能夠看到不同特征城市在碳排放影響機制上的差異.

本文認為,城市人口規模的增長和產業集聚的形態都在不斷演進,在超過一定臨界值的情況下集聚經濟所帶來的“減排效應”應該得到重視.不同區域之間碳排放的空間溢出效應必須要納入考慮因素,即一個地區的CO2排放不會僅僅局限在該區域內部,還會向周邊相鄰地區滲透,影響到周邊地區碳排放變化.基于此,本文對我國286個地級市進行實證研究來綜合評估城市人口規模、產業集聚程度對城市碳排放水平的影響,以此來考察空間效應、集聚經濟效應、協同效應.

2 模型設計

本文研究聚焦于城市人口規模、產業集聚對碳排放的影響.本文將基于環境壓力評估模型STIRPAT來考察三者之間的內在關系.基本模型為:

式中:表示環境壓力,、、、分別表示人口規模、財富規模、技術水平和隨機誤差項,、、、為常數.此模型近年來被廣大學者所接受用來衡量環境方面包括碳排放的研究.本文基于STIRPAT模型的基礎上對模型進行拓展,引入基本面板模型,此模型將城市人口規模和產業集聚作為核心解釋變量加入,用于考察對人均碳排放的影響.

式中: PC表示人均CO2排放量,t/人; POP表示城市人口規模,萬人;就業密度Emd(人/km2)和經濟密度Ecd(萬元/km2)表示產業集聚度;表示其他控制變量,包括人均GDP、環境規制程度等等;下標和表示第個區域在時間點的觀測水平;0為截距項,1、2、3分別為各變量對人均CO2的回歸系數;表示其他控制變量的回歸系數.α為個體固定效應,ε為隨機誤差項,且假設服從獨立隨機分布(i.i.d).

前文提到,城市人口規模和產業集聚都是一個不斷增長演進的過程.當處于城市人口規模較小且產業集聚度不高的階段,城市和企業的經濟實力薄弱且基礎設施都處于基礎建設階段,不能有效發揮規模效應.當城市規模擴張和產業集聚程度提高時,受到規模效應和外部性的影響,企業的技術進步、生產率的提高以及產業鏈的逐步完善都會促進城市節能減排.這兩種相反效果是否存在最適合節能減排的“拐點”?根據庫茲涅茨曲線“倒U型”效應,在經濟發展初期是以犧牲環境為代價的.但經濟發展到一定程度以后環境問題得到改善.同時依據上文假說1和2,本文認為城市人口規模和產業集聚與碳排放之間并不存在明顯線性關系而是呈“倒U型”.

因此本文在式(2)的基礎上引入城市人口規模和產業集聚的二次項.如果假說成立則二次項系數應該顯著為負.擴展后的模型如下:

由于產業集聚依賴于人口的擴展同時也會促進人口在區域內的集聚,可假定兩者在促進節能減排時具有協同效應.因此本文在式(3)的基礎上增加城市人口規模和產業集聚的交互項進一步擴展,擴展后的模型如下:

在中國一些工業城市發展的早期,引入大量工業企業在城市集聚,在促進城市發展的過程中也產生了大量CO2排放.然而隨著產業結構不斷升級和城市經濟發展,大量勞動密集和重污染型企業不斷遷向周邊城市,表現為負外部性.同時一個城市能源消耗所產生的碳排放由于CO2的流動性也會導致周邊城市受到牽連.但周邊相鄰城市勢必會引進中心城市的先進技術來提升自身的生產率,并通過節能減排來增加自身的發展潛力,其資源、人口、環境勢必會受到相鄰城市的影響.根據假說3,認為我國地級市碳排放水平存在空間效應且形成空間溢出效應.基于此假說,考慮到經濟活動和人口變動總是在一定的時間和地區內進行的,對于式(4)進行空間維度的擴展,建立空間杜賓模型(SDM)如下:

式中:是標準差,是單位矩陣.μ(0,σI)表示是服從正態分布的隨機擾動項,為空間滯后系數,為空間誤差系數,兩者均反映樣本觀測值的空間依賴作用,即反映不同城市間碳排放的相互影響.當0時模型為空間誤差模型(SEM),當0時模型為空間滯后模型(SLM).

為空間權重矩陣.本文采用地理距離矩陣和經濟距離矩陣.其中地理距離矩陣的構建方式為=1/d,d為地級市到地級市之間的地理距離.經濟距離矩陣的構建方式為E= 1/|Y-Y|,Y和Y為地級市和的經濟發展水平,通常以GDP來衡量.兩種矩陣均通過Stata.15軟件運算得出.其中地理距離矩陣作為度量空間關聯性的基本矩陣,被多數文章采用,但并未統一.本文分析地理距離權重矩陣下的估計結果,并使用經濟距離權重矩陣進行穩健性檢驗,結論具有高度相似性.

表1 各模型LM檢驗結果

注:模型1表示表5的回歸結果;模型2表示表6第3列回歸結果;模型2表示表7第3列回歸結果;*、**和***分別表示通過10%、5%和1%的顯著性檢驗.

表2 各模型LR、Wald檢驗結果及模型選擇

注:模型1表示表5的回歸結果;模型2表示表6第3列回歸結果;模型2表示表7第3列回歸結果;*、**和***分別表示通過10%、5%和1%的顯著性檢驗.

本文根據Anselin等[27]的建議采用拉格朗日乘數檢驗選擇空間模型,通過2個拉格朗日形式的LM-ERR、LM-LAG和穩健的R-LMERR、R- LMLAG檢驗來判斷.如果LM-LAG較LM-ERR在統計上更加顯著,且R-LMLAG顯著而R-LMERR不顯著,則可以斷定適合的模型是空間滯后模型.相反,則斷定空間誤差模型是恰當的模型.從表1中可以看出,LM-ERR、LM-LAG、R-LMERR、R- LMLAG均通過1%的顯著性檢驗,表明模型中殘差項和滯后項存在空間自相關,空間滯后模型SLM和空間誤差模型SEM均優于傳統的面板模型.同時根據表2中LR檢驗和Wald檢驗結果顯示,LR-ERR、LR-LAG、Wald-ERR、Wald-LAG均通過1%的顯著性檢驗,證明SDM模型不能退化為SLM和SEM模型.綜合表1、表2,本文在實證分析過程中選取SDM作為最優空間模型.

3 指標選取與數據來源

3.1 被解釋變量

人均CO2排放量(t/人).選取286個地級市人均CO2排放量,時間跨度為2009～2018年.由于地級市CO2排放總量暫沒有官方機構公開的數據,本文根據各地級市消耗的電力、煤氣、液化石油氣轉化為標準煤消耗量,并根據CO2排放量計算方法[28],換算各地級市CO2排放總量.將CO2排放總量除以各地級市總人口數量得到人均CO2排放量PC.

式中:1,2,3分別表示電力(萬kW·h)、煤氣(萬m3)、液化石油氣(t),代表它們的消耗量.LCV為2018年《中國能源統計年鑒》[33]中統計的3種能源平均低位發熱量.CEF和COF分別表示由IPCC提供的碳排放系數和碳氧化因子.= 44/12,其中44和12分別為CO2和碳的分子量.

3.2 核心解釋變量

城市人口規模(萬人):采用各地級市市轄區年末總人口來表示城市人口規模.

產業集聚指數:度量產業集聚程度的常用指標包括熵指數、赫希曼-赫佛因德指數等.一般來講,產業集聚意味著企業、勞動力、經濟活動在地理上的集中.根據Ciccone[30]的研究,使用單位面積土地的產出即經濟密度(Ecd)更能反映城市經濟活動的集聚程度.同時采取單位面積土地上就業人口數量即就業密度(Emd)來反映勞動力和企業在地理上的集聚[31].本文同時采用這兩種指標來測算產業集聚指數.

3.3 控制變量

環境規制指標:對于政府環境規制能力衡量的指標,對企業遷移行為具有影響.本文采取污染物去除率來衡量[32].污染物去除率代表著政府約束規制下對廢水、廢氣、固廢的去除率,是真實排放中污染物減少量所占的比例,可以用來衡量環境規制力度.

國民經濟發展指標(萬元/人):本文采用人均國內生產總值來衡量經濟發展狀況.與GDP總量相比,人均GDP指標更能反映出城市經濟發展水平對碳排放的影響.

人均消費水平:本文采用人均社會消費零售總額來衡量國民消費水平.社會消費零售總額反映各行業所提供的消費品總量,從社會消費品購買力的角度反映城市經濟現狀.

專利申請數:專利申請數量側面反映城市的創新活力和技術進步程度,本文采用人均專利申請數來衡量各地區技術發展水平[33].

3.4 數據來源

數據來源為歷年《中國城市統計年鑒》[34]、《中國環境統計年鑒》[35]《中國人口與就業統計年鑒》[36],各個變量的描述性統計見表3.

表3 變量的描述性統計

4 計量結果及分析

4.1 空間相關性檢驗

區域整體上的空間關聯程度通常用Moran’s指數來度量.Moran’s指數計算公式為:

式中:x、x表示城市和城市的人均CO2排放量;為城市數量(=286);ij為空間權重矩陣,本文通過選取地理距離權重矩陣確認Moran’s.表示城市人均CO2排放量的全局莫蘭指數,取值范圍為[-1,1],當> 0時說明具有相似(高-高、低-低)人均CO2排放量的城市在地理空間上集聚;< 0時說明具有異質性(高-低、低-高)人均CO2排放量的城市在地理空間上集聚.

從表4可以看出2009～2018年我國人均CO2排放量的Moran’s都通過1%的顯著性水平檢驗,且人均CO2排放量的Moran’s都為正值,說明我國不同城市的人均CO2排放量并不是呈現隨機分布特征,而是具有較強的空間相關性.據此可以判斷:地理距離是影響人均碳排放量的重要因素,將地理距離作為空間權重矩陣有一定的合理性.此外,本文進一步在實證過程中選取經濟距離矩陣來增加結果的穩健性.

表4 2009～2018年我國人均CO2排放量 Moran’s I變化狀況

注:()為得分,用來反應數據集的離散程度.()>2.58表明數據呈高度集聚,且置信度為99%.*、**和***分別表示通過10%、5%和1%的顯著性檢驗.

上述Moran’s指數檢驗證明我國人均CO2排放量在地級市之間存在空間相關性,可以通過建立空間計量模型來分析.下面采用雙固定效應的空間計量模型分析我國286個地級市的人均CO2排放量與城市人口規模、產業集聚之間的關系.

4.2 人均CO2排放與城市人口規模

以往考察碳排放與人口規模之間關系的文獻往往是考察兩者之間的線性關系,而忽略了兩者之間可能存在的非線性關系.本文以城市人口規模的一次項和二次項作為解釋變量來考察兩者之間的非線性關系,并分解直接效應(DE)、間接效應(IE)和總效應(TE).其中直接效應是指某區域自變量對因變量的影響大小,主要測度各地級市城市人口規模對于本區域人均CO2排放的影響.間接效應用于度量鄰近區域城市人口規模對本地區人均CO2排放的影響,也稱為空間溢出效應.總效應為直接效應和間接效應之和(TE = DE + IE),用于測度各區域城市人口規模對于所有地區碳排放的平均影響.表5給出相應結果.

在表5所示結果中,采用地理距離矩陣和經濟距離矩陣進行回歸所得空間自相關系數分別為0.133和0.102且均通過0.01的顯著性檢驗,說明各地市的人均碳排放量之間確實存在空間效應且已經形成空間溢出效應.同時發現城市人口規模的二次項直接效應顯著為負,說明人口密度較低時,人均碳排放隨著城市年末總人口的增加而增加;當超過第一個臨界點時,兩者則呈現出反向的關系,表現為“倒U型”.間接效應二次項為負,說明城市人口規模變動所產生的影響在空間中主要表現為擴散效應而不是極化效應,從而削弱了人口變化外部性的空間溢出效應.其中擴散效應表示增長極對周圍地區產生輻射作用,把生產要素由增長極所在地轉移到外圍地區.而極化效應表示生產要素如資源、人力、資金、技術由外圍地區流向增長極的核心區域.上述結果對前文提出的假說1給予了實證的支持.

表5 城市人口規模對人均CO2排放的影響

注:*、**和***分別表示通過10%、5%和1%的顯著性檢驗.

如何解釋城市人口規模帶來的“倒U型”影響呢？本文認為,城市的人口規模較小會導致城市能耗增加.在城市人口規模較小時,城市中常見的問題是基礎設施、公共服務設施建設和運營能力不足,無力承擔大型基建設施的投資和運營,特別是城市供氣供暖、污水處理、垃圾處理站及焚燒技術等耗資較大的設施.由于城市人口規模較小,小城市在建設這些設施時會面臨較大的人均成本,導致一些小城市垃圾堆積和污水橫流,生態環境遭到嚴重破壞,在小城市人口規模擴張過程中,污染會進一步加劇,造成人均碳排放量持續升高.

同時在人口較少的城市中,人們住房面積更大,因此采暖、制冷、照明的要求更高,更加依賴能源設備來提高生活質量,家庭相應消耗的電力和燃氣量會增加.交通規劃分散導致居民出行的交通行為呈分散化,對于私家車的依賴要高于大型城市,這會降低公共交通的規模效應,增加相應的交通能耗.

隨著城市人口規模增加到一定程度,跨過“倒U型”曲線的臨界值,人均碳排放量開始降低.隨著人口數量的增加,公共設施和節能減排設施運營和維護的人均成本會下降.人口和建筑的集中度提高電、暖、熱等能源的集中供應,提高能源效率,減少能源損耗,降低能源消耗總量.由于人口和建筑集中帶來的規模效應提高了生活中用電、用水以及能源設施的使用效率,人均生活能耗隨之下降.

伴隨著人口向城市集中,城市人口規模隨之擴大,對于高素質人才、高質量資本和創新要素的吸引力增加,營商環境改善,促使生產要素向城市聚集.大城市遷入外來人員主要是技術人才、管理人才等高素質人才,這些人才的遷入大幅度提升城市的人力資本水平,從生產要素端提供了高素質勞動力,極大促進技術進步的步伐,從而導致城市環保技術水平和能源使用效率的提升.可以通過發揮學習效應,相互學習和共享知識,增加節能減排投資、改善節能減排技術、實現技術擴散,提高能源利用效率從而減少碳排放.

4.3 人均CO2排放與產業集聚

如表6、7所示,第(1)、(4)列分別給出基準回歸的結果,第(2)、(5)列加入相應的控制變量,第(3)、(6)列加入城市人口規模和經濟密度的交互項測算兩者的協同效應.各模型的空間自相關系數均顯著,說明無論從經濟密度還是從就業密度角度來看,各地級市的人均CO2排放水平都存在空間效應且已經形成空間溢出效應.

就業密度所表示的產業集聚和城市人均CO2排放量之間存在先升后降的“倒U型”關系,并且直接效應均通過1%的顯著性水平檢驗,間接效應總體上顯著.根據模型(3)的系數估計結果,產業集聚和城市人口規模對碳排放的影響存在協同效應,證實假說2.根據直接效應顯示的結果,產業集聚和人均CO2排放量之間的關系為:?(lnPC)/?(Emd)=12.978- 11.642Emd-2.026lnPOP.從這一關系可以看出產業集聚的效率增進作用不僅受到就業密度的影響,而且受到城市人口規模的限制.當城市就業密度取平均值時(Emd=0.041),人均CO2排放量最大化時城市人口規模為478.186萬人.當給定城市人口規模小于平均值(POP<152.488萬人)時,且產業集聚水平較小時,城市的節能環保效應不能順利發揮,其原因在于:以2018年為例,人口小于152.488萬人的城市數量占據68%,對于城市人口規模較小的城市來說,雖然城市能源消耗總量相對較少,但由于城市的資源、土地、人口數量較少,公共交通不能發揮集聚效應,人均交通耗能較多.同時由于就業密度較低,城市中勞動力、資本等密集型產業不集中,高耗能企業較為分散且不便于集中管理.同時缺乏高質量、高素質的人才和科技創新能力,學習效應和知識共享只能通過有效的途徑發揮,不利于城市能源效率和環保效率的提升.當城市人口規模為152.488萬人,就業密度(Emd)為0.240時,城市人均CO2排放量達到最大.當就業密度跨過0.240的臨界值時,人均CO2排放量開始減小,集聚效應得到有效發揮,就業密度增加將有利于節能減排.其原因在于:由于就業密度的增加,企業相對而言擁有較強的經濟實力,在特定的地理范圍內形成集中趨勢,能夠吸引高技術人才、加速環保技術擴散、深化環保理念共享.

表6 就業密度對人均CO2排放的影響

續表6

注:*、**和***分別表示通過10%、5%和1%的顯著性檢驗.

表7 經濟密度對人均CO2排放的影響

續表7

注:*、**和***分別表示通過10%、5%和1%的顯著性檢驗.

在表7所示結果中,空間自相關系數都通過1%的顯著性水平檢驗,且總效應二次項均顯著為負.說明中國各地級市產業集聚對周邊地區人均CO2排放有顯著影響.經濟密度的直接效應二次項顯著為負,證明假說2中產業集聚和碳排放之間呈“倒U型”.

造成這一現象的原因是城市經濟發展初期,需要投入更多的能源來支撐經濟發展,增加單位面積產出.且經濟實力薄弱的城市使用能源較為單一,主要使用煤炭、石油等化石能源.同時在產業集聚的初始階段,政府缺少足夠的財力和物力來鼓勵技術研發,提高能源效率.經濟發展過程中還未形成較為完善的產業鏈條,上下游企業之間的相互聯系松散,也未形成網絡化的分工協作關系.在經濟實力較弱的城市中,其基礎設施、公共服務設施和創新設施均處于初始建設階段,集聚區對于改善生產技術、提高生產率所需的成本高于環境治理和節能減排的成本,使得大部分企業不愿意投資節能環保技術也不愿意采用節能環保項目.這一階段經濟發展相應的生產方式表現為“資源—產品—廢物—末端治理”,即以經濟發展和提高生產率、集聚相關資源和勞動力為主,環境治理和節能減排考慮較少.

根據模型(3),二次項系數為-0.042,說明當城市經濟密度為Ecd = 0.077時,城市人均CO2排放量達到最高,然后開始下降.造成這一現象的主要原因是具有較強經濟實力的城市開始尋求集約化發展,轉變生產模式和經濟發展方式,引起高污染、高耗能、高排放企業的遷出和擁有高技術水平的企業遷入,這類產業結構演變有利于促進城市低碳發展.同時大城市擁有更為完善的供能體系和技術水平,可以在低碳約束下改變產業的能源消費結構,發展太陽能、風力、熱能、生物質等清潔能源,減少CO2排放量.

其次,在城市產業集聚的高級階段,經濟體系中會形成更為專業化的勞動分工、更為廣泛的信息和知識交流,這都會導致企業的生產效率和人們生活的用能效率提升,推動能源節約效應開始顯現.同時政府擁有更多的財力支持產業集聚的政策進一步完善,通過建立高新開發區和基礎設施建設,加大對創新技術、交通運輸和現代化設備的投入,為城市低碳發展提供設備和技術支撐,且技術的擴散效應會促進其他城市的節能減排.這時城市中擁有數量較多的大企業,在進一步考慮控制生產排放的過程中,降低環境污染和CO2排放的投資已經低于推動生產技術發展所需的投資,使得企業愿意發展節能減排技術.這一階段經濟發展相應的生產方式表現為“資源—產品—回收再利用”的循環模式,能源節約利用效應初步顯現且開始超過擴大生產規模帶來的規模效應,人均CO2排放量逐步降低.

5 基于不同區域的進一步分析

考慮到不同地區經濟發展水平、資源稟賦以及人口分布不同,本文就城市人口規模、產業集聚對碳排放的影響在中國東、中、西和南北區域分別進行空間層面上的測算,結果可見表8、表9.考慮到不同區域城市之間的關系會隨著經濟關系的變動而變動,即各城市與周邊城市的經濟聯系較為密切,因此本次分析采用經濟距離權重矩陣作為空間權重矩陣.模型仍然選擇SDM模型.

從整體上看,城市人口規模、產業集聚與碳排放之間的相關關系與前文測算結果基本一致,同時證實假說1、2、3的正確性,即城市人口規模、產業集聚與人均CO2排放之間均呈“倒U型”關系,且不同地區之間存在空間相關性.具體到各個區域,影響具有明顯差異性.

5.1 基于東、中、西區域的分析

表8 人均CO2與城市人口規模、產業集聚在東、中、西部地區的回歸結果

注:*、**和***分別表示通過10%、5%和1%的顯著性檢驗.

據表8,分析城市人口規模對人均CO2排放的影響,其邊際影響在西部地區明顯大于中、東部地區,這是由于相比較西部,中、東部在人口規模和人口結構上保持相對穩定的動態平衡.一方面,由于西部地區生活生產環境較為貧瘠,使得城市資源不能夠在短時間匹配增長的人口,城市人均能源消耗和環境治理壓力迅速增加.另一方面,周邊地區城市人口規模的擴張帶來的集聚經濟效應能夠帶動西部地區發展,緩解西部地區人口規模擴張時帶來的生態治理壓力.

相比而言,產業集聚對人均CO2排放的影響在不同區域更加復雜.就業密度對于西部的影響大于中東部影響,但對東部和中部地區的影響主要體現在間接影響上.以東部為例,就業密度對于東部地區的總效應為-29.525,其中間接效應為-23.848,占影響程度80.8%.相比而言,就業密度在西部地區的間接效應不顯著,表明西部地區的就業密度變動主要受本地區和東中地區影響并反饋本地區.就經濟密度而言,中西部地區主要變現為對本地區的影響,其經濟發展主要吸收東部發達地區的經濟和社會紅利.東部地區的間接效應和總效應較為顯著,表明東部地區經濟增長集聚效應所帶來的擴散效應較為明顯,即東部各地級市之間形成某一增長極時,其經濟增長趨勢會對周邊地區形成快速補充和帶動,產生一定的規模效應.企業之間的聯系較為緊密,發達地區和欠發達地區的企業之間存在及時的承接和轉移,規模效應得到有效發揮.但節能減排措施和相關技術創新無法與現階段經濟發展和所帶來的高CO2排放相匹配,因此間接效應表現為負.

5.2 基于南、北地區的分析

以中國自然地理為界,即以秦嶺-淮河為界,本文將中國劃分為南北地區[37].具體而言,北方地區包括黑龍江、新疆、山西、寧夏、吉林、遼寧、天津、青海、甘肅、陜西、山東、內蒙古、河北、北京,南方地區包括河南、江蘇、安徽、湖北、浙江、江西、湖南、云南、貴州、福建、廣西、廣東、重慶、四川、上海、海南.

根據南、北地區對城市人口規模、產業集聚和碳排放之間的關系進一步分析,結果如表9.從回歸結果可以看出,南北地區不同城市的人均CO2排放影響因素和影響效果完全不同:城市人口規模、產業集聚在南方地區對于碳排放的影響主要集中在直接效應;城市人口規模、就業密度和經濟密度的直接效應二次項均顯著,但只有經濟密度二次項的間接效應較為顯著.這是由于南方城市較北方城市來說更為發達,其人口變動幅度較大,對于人才和資本具有吸引力.除本地人才和企業在南方城市中獲得較好的發展前景外,北方高素質勞動和企業也在不斷涌向南方地區.

表9 人均碳排放與城市人口規模、產業集聚在南、北地區的回歸結果

注:*、**和***分別表示通過10%、5%和1%的顯著性檢驗.

相對于南方地區,北方城市人口規模和產業集聚對于碳排放的影響主要體現在間接效應上,如就業密度二次項所產生的總效應為-33.757,其中間接效應達-30.041.這是由于欠發達城市實現經濟發展主要依靠吸收發達城市的企業、人才和經濟紅利,如北京、天津等大型城市和各省會城市,經濟發展過程中雖然會產生極化效應,但人口和企業的集聚趨勢帶來的擴散效應會更有效帶動周邊城市發展.

6 政策建議

根據本文的研究,為實現城市的可持續發展,各地政府首先應樹立發展的“大局觀”.由于CO2排放具有溢出效應,因此在發展本地經濟的同時不能以犧牲周邊臨近地區為代價.在國家和省級層面制定經濟發展規劃時應注重區域合作,包括技術、人才共享和污染聯防聯治,促進不同區域經濟、社會、生態協調發展.其次,應積極推動產業集聚發展,提升城市技術水平和人力資本,發揮集聚的規模效應,保持城市人口規模和產業集聚程度與當地的生態、社會、經濟發展相匹配,在促進經濟增長的同時發揮集聚帶來的節能減排效應,實現城市的可持續發展.

7 結論

7.1 我國不同城市之間人均CO2排放之間存在空間溢出效應,且空間因素對城市人口規模、產業集聚與碳排放之間關系的回歸結果有顯著影響,忽略空間溢出效應的回歸結果可能存在一定誤差.

7.2 采用空間計量模型測算得出城市人口規模與人均CO2排放、產業集聚與人均CO2之間均呈“倒U型”關系,且對周邊區域的碳排放有影響.城市人口規模和產業集聚會共同影響人均CO2排放.

7.3 在中國東、中、西、南、北各個區域,城市規模和產業集聚對于碳排放的影響存在顯著差異.城市人口規模變動的影響在西部大于中東部,產業集聚對于東部的影響主要集中在間接效應.城市人口規模、產業集聚對于南方地區的影響主要表現在直接效應,而對于北方的影響主要表現為間接效應.

[1] 郭 文,孫 濤.城鎮化對中國區域能源消費及居民生活能源消費的影響[J]. 中國環境科學, 2015,35(10):3166-3176. Guo W, Sun T. Impact of urbanization on regional energy consumption and residents' energy consumption in China [J]. China Environmental Science, 2015,35(10):3166-3176.

[2] Shim G E, Rhee S M, Ahn K H, et al. The relationship between the characteristics of transportation energy consumption and urban form [J]. The Annals of Regional Science, 2006,40(2):351-367.

[3] 范 進.城市密度對城市能源消耗影響的實證研究[J]. 中國經濟問題, 2011,(6):16-22. Fan J. The empirical study of the impact of urban density on energy consumption [J]. China Economic Studies, 2011,(6):16-22.

[4] 王桂新,武俊奎.產業集聚、城市規模與碳排放[J]. 工業技術經濟, 2012,31(6):68-80. Wang G X, Wu J K. Study on industry agglomeration, urban scale and carbon emission [J]. Journal of Industrial Technological Economics, 2012,31(6):68-80.

[5] 胡 振,何晶晶,王 玥.基于IPAT-LMDI擴展模型的日本家庭碳排放因素分析及啟示[J]. 資源科學, 2018,40(9):1831-1842. Hu Z, He J J, Wang Y. Factor analysis and enlightenment of household carbon emissions in Japan based on IPAT-LMDI extension model [J]. Resources Science, 2018,40(9):1831-1842.

[6] 程開明.城市緊湊度影響能源消耗的理論機制及實證分析[J]. 經濟地理, 2011,31(7):1107-1112. Chen K M. Theoretical mechanism and empirical study about the influence of city compactness on energy consumption [J].Economic Geography, 2011,31(7):1107-1112.

[7] Dixit A. The optimum factory town [J]. The Bell Journal of Economics and Management Science, 1973,4(2):637-651.

[8] Mills E S, Beeker C M, Verma S. Studies in Indian urban development [M]. Oxford: Oxford University Press, 1986:20-29.

[9] 王 俊,李佐軍.擁擠效應、經濟增長與最優城市規模[J]. 中國人口·資源與環境, 2014,24(7):45-51. Wang J, Li Z J. Congestion effects, economic growth and optimal city size [J].China Population, Resources and Environment, 2014,24(7): 45-51.

[10] 包正君,趙和生.基于生態足跡模型的城市適度人口規模研究——以南京為例[J]. 華中科技大學學報(城市科學版), 2009,26(2):84- 89. Bao Z, Zhao Z J. Modest population scale based on ecological footprint model-take Nanjing for example [J]. Journal of Civil Engineering and Management, 2009,26(2):84-89.

[11] 王小魯.中國城市化路徑與城市規模的經濟學分析[J]. 經濟研究, 2010,45(10):20-32. Wang X L. Urbanization path and city scale in China: An economic analysis [J]. Economic Research Journal, 2010,45(10):20-32.

[12] Doorn J V, Verhoef P C. Critical incidents and the impact of satisfaction on customer share [J]. Journal of Marketing, 2008,72(4): 123-142.

[13] 王曉碩,宇超逸.空間集聚對中國工業污染排放強度的影響[J]. 中國環境科學, 2017,37(4):1562-1570. Wang X S, Yu C Y. Impact of spatial agglomeration on industrial pollution emissions intensity in China [J]. China Environmental Science, 2017,37(4):1562-1570.

[14] Glaeser E L, Kallal H D, Scheinkman J A, et al. Growth in Cities [J]. Journal of Political Economy, 1992,100(6):1126-1152.

[15] 陳 陽,唐曉華.制造業集聚和城市規模對城市綠色全要素生產率的協同效應研究[J]. 南方經濟, 2019,(3):71-89. Chen Y, Tang X H. Study on the synergistic effect of manufacturing agglomeration and urban size on urban green total factor productivity [J]. South China Journal of Economics, 2019(3):71-89.

[16] 陳建軍,胡晨光.產業集聚的集聚效應——以長江三角洲次區域為例的理論和實證分析[J]. 管理世界, 2008,(6):68-83. Chen J J, Hu C G. The agglomeration effect of industrial agglomeration -- A theoretical and empirical analysis of the Sub- region of Yangtze River Delta [J]. Management World, 2008,(6):68- 83.

[17] 周圣強,朱衛平.產業集聚一定能帶來經濟效率嗎:規模效應與擁擠效應[J]. 產業經濟研究, 2013,(3):12-22. Zhou S Q, Zhu W P. Must industrial agglomeration be able to bring about economic efficiency: Economies of scale and crowding effect [J]. Industrial Economics Research, 2013,(3):12-22.

[18] 易艷春,高 爽,關衛軍.產業集聚、城市人口規模與CO2排放[J]. 西北人口, 2019,40(1):50-60. Yi Y C, Gao S, Guan W J. Industrial agglomeration, urban population and CO2emissions in Chinese prefectures [J]. Northwest Population, 2019,40(1):50-60.

[19] 李明磊,胡蘊紋,關 磊.金融產業集聚對碳排放的影響及區域差異性[J]. 生態經濟, 2020,36(2):22-27,54. Li M L, Hu Y W, Guan L. A study of the impact of financial industrial agglomeration on carbon emission and the regional difference [J]. Ecological Economy, 2020,36(2):22-27,54.

[20] 岳 婷,龍如銀.中國省域生活能源碳排放空間計量分析[J]. 北京理工大學學報(社會科學版), 2014,16(2):40-46. Yue T, Long R Y. Spatial econometric analysis of residential energy consumption of China’s provinces [J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2014,16(2):40-46.

[21] 邵 帥,李 欣,曹建華,等.中國霧霾污染治理的經濟政策選擇——基于空間溢出效應的視角[J]. 經濟研究, 2016,51(9):73-88. Shao S, Li X, Cao J H, et al. China's economic policy choices for governing smog pollution based on spatial spillover effects [J]. Economic Research Journal, 2016,51(9):73-88.

[22] 范 丹,梁佩鳳,劉 斌.霧霾污染的空間外溢與治理政策的檢驗分析[J]. 中國環境科學, 2020,40(6):2741-2750. Fan D, Liang P F, Liu B. An analysis of the spatial spillover of smog pollution and policy testing [J]. China Environmental Science, 2020, 40(6):2741-2750.

[23] 張翠菊,張宗益.產業和人口的空間集聚對中國區域碳排放強度的影響[J]. 技術經濟, 2016,35(1):71-77,125. Zhang C J, Zhang Z Y. Effect of spatial agglomeration of industry and population on China’s regional carbon emission intensity [J]. Journal of Technology Economics, 2016,35(1):71-77,125.

[24] 陳操操,蔡博峰,孫 粉,等.京津冀與長三角城市群碳排放的空間聚集效應比較[J]. 中國環境科學, 2017,37(11):4371-4379. Chen C C, Cai B F, Sun F, et al. Spatial agglomeration effects of carbon dioxide emissions between Beijing-Tianjin-Heibei region and Yangtze River delta region [J]. China Environmental Science, 2017, 37(11):4371-4379.

[25] 韓 峰,李玉雙.產業集聚、公共服務供給與城市規模擴張[J]. 經濟研究, 2019,54(11):149-164. Han F, Li Y S. Industrial agglomeration, public service supply and urban expansion [J]. Economic Research Journal, 2019,54(11):149- 164.

[26] 何文舉,張華峰,陳雄超,等.中國省域人口密度、產業集聚與碳排放的實證研究——基于集聚經濟、擁擠效應及空間效應的視角[J]. 南開經濟研究, 2019(2):207-225. He W J, Zhang H F, Chen X C, et al. An empirical study about population density, economic agglomeration and carbon emission state of Chinese provinces: Based on the perspective of agglomeration economy effects, congestion effects and spatial effects [J]. Nankai Economic Studies, 2019(2):207-225.

[27] Anselin L, Florax R J. New directions in spatial econometrics [M]. New directions in spatial econometrics. Springer, Berlin, Heidelberg, 1995:3-18.

[28] 陳詩一.能源消耗、CO2排放與中國工業的可持續發展[J]. 經濟研究, 2009,44(4):41-55. Chen S Y. Energy consumption, CO2emission and sustainable development in Chinese industry [J]. Economic Research Journal, 2009,44(4):41-55.

[29] 國家統計局能源統計司.中國能源統計年鑒[M]. 北京:中國統計出版社, 2018. Department of energy statistics of National Bureau of Statistics of China. China energy statistical yearbook [M]. Beijing:China Statistics Press, 2018.

[30] Ciccone A. Input chains and industrialization [J]. Ciccone Antonio, 2002,69(3):565-587.

[31] 范劍勇.產業集聚與地區間勞動生產率差異[J]. 經濟研究, 2006, (11):72-81. Fan J Y. Industrial agglomeration and difference of regional labor productivity: Chinese evidence with internal comparison [J]. Economic Research Journal, 2006,(11):72-81.

[32] 張華明,范映君,高文靜,等.環境規制促進環境質量與經濟協調發展實證研究[J]. 宏觀經濟研究, 2017,(7):135-148. Zhang H M, Fan Y J, Gao W J, et al. An empirical study on how environmental regulation promotes the coordinated development of environmental quality and economy [J]. Macroeconomics, 2017,(7): 135-148.

[33] 沈曉梅,于欣鑫,姜明棟,等.基于全過程治理的環境規制減排機制研究——來自長江經濟帶數據的實證檢驗[J]. 中國環境科學, 2020, 40(12):5561-5568. Shen X M, Yu X X, Jiang M D, et al. Emission reduction mechanism of environmental regulation from a perspective of whole-process prevention: Evidences from the Yangtze River Economic Belt [J]. China Environmental Science, 2020,40(12):5561-5568.

[34] 國家統計局城市社會經濟調查司.中國城市統計年鑒[M]. 北京:中國統計出版社, 2010-2019. Department of Urban Surveys of National Bureau of Statistics of China. China city statistical yearbook [M]. Beijing:China Statistics Press, 2010-2019.

[35] 國家統計局,環境保護部.中國環境統計年鑒 [M]. 北京:中國統計出版社, 2018. National Bureau of Statistics of China, Ministry of Environmental Protection of China. China statistical yearbook on environment [M]. Beijing: China Statistics Press, 2018.

[36] 國家統計局人口和就業統計司.中國人口和就業統計年鑒[M]. 北京:中國統計出版社, 2010-2019. Department of Population and Employment Statistics of National Bureau of Statistics of China. China population & employment statistics yearbook [M]. Beijing:China Statistics Press, 2010-2019.

[37] 吳殿廷.試論中國經濟增長的南北差異[J]. 地理研究, 2001, (2):238-246. Wu D Y. A study on North-South differences in economic growth [J]. Geographical Research, 2001,(2):238-246.

City population size, industrial agglomeration and CO2emission in Chinese prefectures.

ZHANG Hua-ming*, YUAN Peng-fei, ZHU Zhi-shuang

(School of Economics, Shanxi University of Finance and Economics, Taiyuan 030012, China)., 2021,41(5)：2459～2470

Using the panel data of 286 cities in China during 2009～2018, a spatial econometric model was employed to explore the mechanism between CO2emissions and the size of city population and industrial agglomeration. The results revealed that CO2emissions per capita in different cities presented significant spatial spillover effects. Specifically, the impact of the city population size and industrial agglomeration on CO2emissions per capita presented an inverted U shape. CO2emissions were synergistically affected by city population size and industrial agglomeration. There were significant differences in CO2emissions and associated mechanism across different Chinese regions. A series of robustness tests confirmed our main findings. Therefore, for sustainable development policymaking, local governments should rationally formulate policies on energy conservation and emission reduction in accordance with the size of city population and industrial agglomeration.

city population size；industrial agglomeration；CO2emissions；spatial spillover；regional heterogeneity

X324

A

1000-6923(2021)05-2459-12

張華明(1975-),男,山西霍州人,教授,博士,主要從事宏觀經濟分析,能源經濟管理研究.發表論文30余篇.

2020-10-10

國家自然科學基金資助項目(71774105);山西省哲學社會科學規劃課題(2019B153)

* 責任作者, 教授, zhm5665@126.com