劉婕+魏瑋

收稿日期：2014-03-31

作者簡(jiǎn)介： 劉婕，博士生, 主要研究方向?yàn)楫a(chǎn)業(yè)經(jīng)濟(jì)學(xué)和能源經(jīng)濟(jì)學(xué)。

基金項(xiàng)目：國(guó)家社會(huì)科學(xué)基金項(xiàng)目“全球經(jīng)濟(jì)調(diào)整與中國(guó)經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變研究：基于FDI傳導(dǎo)機(jī)制與國(guó)際市場(chǎng)結(jié)構(gòu)變化的分析”（編號(hào)：09XJY011）；教育部后期資助項(xiàng)目“中國(guó)區(qū)域工業(yè)差異與經(jīng)濟(jì)增長(zhǎng)空間分布動(dòng)態(tài)研究”（編號(hào)：08JHQ0052）。

摘要基于超越對(duì)數(shù)生產(chǎn)函數(shù)，并運(yùn)用產(chǎn)出距離函數(shù)建立以資本、勞動(dòng)力和能源為投入要素，以GDP和CO2排放為產(chǎn)出要素的隨機(jī)前沿模型，分別測(cè)度全國(guó)30個(gè)省區(qū)1995-2010年期間全要素CO2的排放效率。在此基礎(chǔ)上，從城鎮(zhèn)化水平、要素稟賦、人口規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)因素等五個(gè)維度出發(fā)，運(yùn)用Tobit面板模型對(duì)影響全要素碳減排效率的因素及其顯著程度進(jìn)行了實(shí)證分析。主要結(jié)論表明，從全國(guó)層面看，城鎮(zhèn)化率、資本深化程度與全要素碳減排效率均呈非線性影響關(guān)系，隨著城鎮(zhèn)化率的提高、資本的逐步深化，碳減排效率經(jīng)歷了先下降后上升的趨勢(shì)；能源密集度本身對(duì)碳減排效率無(wú)顯著作用，但對(duì)城鎮(zhèn)化水平促進(jìn)碳減排效率提高有放大效應(yīng)；人口規(guī)模的減小、二產(chǎn)占比的下降與能源強(qiáng)度的降低均會(huì)促使碳減排更有效率，人口規(guī)模因素對(duì)碳減排效率的影響系數(shù)為0.049，略高于產(chǎn)業(yè)結(jié)構(gòu)因素和技術(shù)因素，相關(guān)系數(shù)分別是0.030 6和0.014 2。進(jìn)一步將全國(guó)樣本按照要素稟賦異質(zhì)性分為資本密集型省區(qū)、能源密集型省區(qū)、勞動(dòng)密集型省區(qū)，對(duì)三個(gè)子樣本的回歸結(jié)果顯示只有能源密集型省區(qū)的城鎮(zhèn)化率與全要素碳減排效率之間在5%的顯著性水平上存在相關(guān)關(guān)系。由以上結(jié)論得到的啟示是，政府面對(duì)國(guó)際碳減排和全面推進(jìn)城鎮(zhèn)化建設(shè)雙重壓力下，要注意從不同省份要素稟賦的異質(zhì)性出發(fā)，通過(guò)建立碳市場(chǎng)等措施倒逼能源型省份控制城鎮(zhèn)化進(jìn)程；疏通資本密集型省區(qū)資源向節(jié)能資源研發(fā)部門(mén)流動(dòng)的通道；充分發(fā)揮勞動(dòng)密集型省區(qū)的人口紅利作用和第三產(chǎn)業(yè)對(duì)第二產(chǎn)業(yè)的擠出效應(yīng)。

關(guān)鍵詞要素稟賦；城鎮(zhèn)化率；全要素碳減排效率；隨機(jī)前沿分析

中圖分類號(hào)X24文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1002-2104(2014)08-0042-07doi:10.3969/j.issn.1002-2104.2014.08.006

改革開(kāi)放以來(lái)，能源為經(jīng)濟(jì)的增長(zhǎng)提供了重要的“動(dòng)力支持”。然而，相對(duì)粗放的能源利用模式造成的環(huán)境污染問(wèn)題日益顯現(xiàn)。作為目前國(guó)際上碳排放總量和增量均最大的國(guó)家，中國(guó)減排的成效已成為全球關(guān)注的焦點(diǎn)，在2009年的聯(lián)合國(guó)氣候變化峰會(huì)上，中國(guó)政府提出2020年碳排放強(qiáng)度要在2005年的基礎(chǔ)上下降40%到45%?？紤]到中國(guó)城鎮(zhèn)化工業(yè)化已進(jìn)入中堅(jiān)階段、經(jīng)濟(jì)發(fā)展對(duì)能源的需求剛性以及以煤為主的能源消費(fèi)結(jié)構(gòu)特點(diǎn)短期內(nèi)不會(huì)改變，即使逐步降低碳排放的增量也是巨大的挑戰(zhàn)。所以，提高全要素碳排放效率是碳減排的主要思路，探究碳減排效率的影響因素為促進(jìn)我國(guó)環(huán)境、資源、經(jīng)濟(jì)的協(xié)調(diào)可持續(xù)發(fā)展起到舉足輕重的作用。學(xué)術(shù)界對(duì)碳排放的研究日益深入，在碳排放效率的測(cè)算方面，文獻(xiàn)多使用數(shù)據(jù)包絡(luò)分析（DEA），這種非參數(shù)估計(jì)方法未能考慮隨機(jī)擾動(dòng)因素。隨機(jī)前沿分析方法（SFA）可以彌補(bǔ)這一不足，但傳統(tǒng)的SFA如孔翔等［1］、Wu ［2］、涂正革和肖耿［3］、王志平［4］等只能通過(guò)參數(shù)估計(jì)單產(chǎn)出的生產(chǎn)前沿面，難以測(cè)算除了“期望產(chǎn)出”全要素生產(chǎn)率以外“非期望產(chǎn)出”CO2的全要素排放率。Kumbhakar和Lovell［5］以成本最小化或利潤(rùn)最大化為假設(shè)前提處理多產(chǎn)出系統(tǒng)效率，本文借鑒此方法在產(chǎn)出距離函數(shù)中引入超越對(duì)數(shù)生產(chǎn)函數(shù)構(gòu)建了分析多產(chǎn)出的隨機(jī)前沿生產(chǎn)模型來(lái)測(cè)算全要素碳減排效率。對(duì)碳排放影響因素的研究方法方面，國(guó)內(nèi)外文獻(xiàn)歸納為五類：以上LMDI應(yīng)用最為廣泛的指數(shù)分解法和Kaya等式及變形STIRPAT要求使用確定性的數(shù)理公式，庫(kù)茲涅茨環(huán)境分析法主要強(qiáng)調(diào)經(jīng)濟(jì)發(fā)展對(duì)環(huán)境變量的影響，投入產(chǎn)出法多在考慮對(duì)外貿(mào)易的情況下使用，本文使用計(jì)量分析，原因是在選取變量時(shí)較其他方法相對(duì)靈活，尤其在面板數(shù)據(jù)下擴(kuò)增樣本量和自由度，減少變量間的共線性，控制樣本的個(gè)體異質(zhì)性，提升估計(jì)的有效性和可靠性。在選取影響全要素碳減排效率的因素方面，國(guó)內(nèi)外學(xué)者多集中在技術(shù)因素、規(guī)模因素和結(jié)構(gòu)因素。本文重點(diǎn)研究城鎮(zhèn)化進(jìn)程、要素稟賦的異質(zhì)性對(duì)碳減排效率的作用是有其背景意義的。第一，我國(guó)2007年以世界鋼鐵總量30%、水泥54%的消費(fèi)量創(chuàng)造出僅占6%世界總量的GDP，單位GDP高鋼鐵高水泥消耗水平至今還在持續(xù)。需求增長(zhǎng)快且剛性的能源消費(fèi)特征說(shuō)明中國(guó)正經(jīng)歷著工業(yè)化和城鎮(zhèn)化進(jìn)程，據(jù)測(cè)算，城市居民人均能源消費(fèi)量是農(nóng)村居民的3.5-4倍［6］，城鎮(zhèn)化率的提高伴隨高碳排量、低減排率。相反，陳詩(shī)一［7］認(rèn)為城鎮(zhèn)化的發(fā)展會(huì)逐步提高碳減排效率，由于第三產(chǎn)業(yè)對(duì)第二產(chǎn)業(yè)的擠出效應(yīng)，大量農(nóng)村居民集聚城市，帶來(lái)的人口紅利倒逼城市的產(chǎn)業(yè)結(jié)構(gòu)逐步由資本密集型向勞動(dòng)密集型轉(zhuǎn)變。一般來(lái)講，資本密集型傾向于重污染行業(yè)，勞動(dòng)密集型偏向于輕污染行業(yè)。何曉萍［8］也從實(shí)證角度出發(fā)得出城鎮(zhèn)化發(fā)展模式有助于技術(shù)進(jìn)步從而提高碳減排效率的結(jié)論。因此，為了研究正反哪方面效應(yīng)更大，本文將城鎮(zhèn)化水平作為主要解釋變量加入計(jì)量模型。第二，各省區(qū)要素稟賦對(duì)碳減排效率的影響不同，基于要素稟賦異質(zhì)性不同省區(qū)城鎮(zhèn)化率對(duì)碳減排效率的影響也會(huì)各異。能源富集區(qū)往往陷入“資源詛咒”［9］，隨著城鎮(zhèn)化率的提高，粗放型的區(qū)域經(jīng)濟(jì)增長(zhǎng)可能進(jìn)一步降低碳減排效率。嚴(yán)虹［10］提出資本深化水平對(duì)全要素碳減排效率的影響有兩個(gè)方面，若資本流向重化工系統(tǒng)的高新技術(shù)部門(mén)，說(shuō)明資本深化的質(zhì)量較高，對(duì)碳排放效率的提升起到促進(jìn)作用；若資本流向重化工系統(tǒng)的高能耗高污染生產(chǎn)部門(mén)，質(zhì)量較低的資本深化會(huì)抑制碳排放效率的提升。本文在此基礎(chǔ)上進(jìn)而研究在資本要素富集區(qū)，城鎮(zhèn)化水平的提高是否引導(dǎo)資本進(jìn)入輕化工系統(tǒng)從而達(dá)到提高碳減排效率的目標(biāo)。

1研究方法

產(chǎn)出距離函數(shù)由Shephard［11］在分析給定的投入和技術(shù)可行的產(chǎn)出組合問(wèn)題時(shí)首先提出，在處理多投入—多產(chǎn)出問(wèn)題上應(yīng)用較廣。

1.1產(chǎn)出距離函數(shù)

對(duì)于t時(shí)期的每一組投入xt∈K+，用Pt(xt)表示技術(shù)可行的產(chǎn)出yt∈M+的集合，即Pt(xt)={yt:(xt,yt)∈St}，其中St表示t時(shí)期可行的技術(shù)集合。按照Fare和Primont［12］的定義，基于產(chǎn)出的距離函數(shù)定義如下：

DtO(xt,yt)=infφ{(diào)φ＞0:(ytφ)∈Pt(xt)}（1）

該距離函數(shù)對(duì)產(chǎn)出是非遞減、凸的和線性齊次的，對(duì)投入是非遞增和擬凹的。該函數(shù)表示了在既定的投入和可行的技術(shù)條件下，產(chǎn)出向量可以增加的比例的倒數(shù)。從（1）式可以看出，給定投入、產(chǎn)出組合，技術(shù)效率越高，距離函數(shù)的取值將越接近1。

1.2隨機(jī)前沿模型設(shè)定

本文在距離函數(shù)的具體設(shè)定方面，采用了超越對(duì)數(shù)的形式。與CD函數(shù)相比，該形式具有便于計(jì)算、易于附加線性齊次的條件、約束條件更少等諸多優(yōu)點(diǎn)，因而在已有文獻(xiàn)中［13-16］被廣泛采用。將三項(xiàng)投入要素、兩項(xiàng)產(chǎn)出要素的超越對(duì)數(shù)形式帶入產(chǎn)出距離函數(shù)，則有

lnDto=α0+∑2m=1αmlnyti,m+∑3k=1βklnxti,k+δ0t

+∑2l=1∑2m=1αlmlnyti,llnyti,m+∑3j=1∑3k=1βjklnxti,jlnxti,k

+∑2m=1∑3k=1γmklnyti,mlnxti,k+∑2m=1δymlnyti,mt（2）

+∑3k=1δxklnxti,kt+δ11t2

在上式中，變量右上標(biāo)的t表示時(shí)間，變量右下標(biāo)的i表示地區(qū)，α、β、δ、γ為待估參數(shù)。

由于上式左端的距離函數(shù)值是無(wú)法觀測(cè)到的,因而難以直接運(yùn)用最小二乘法或者極大似然法對(duì)上式的參數(shù)進(jìn)行估計(jì)。但是，根據(jù)產(chǎn)出距離函數(shù)關(guān)于產(chǎn)出的齊次線性特征,以各地區(qū)的碳排放量（即非期望產(chǎn)出yi,2）為所有產(chǎn)出的分母，用技術(shù)無(wú)效指標(biāo)-uti替代上式左端的產(chǎn)出距離函數(shù)，并考慮隨機(jī)誤差vti，則（2）式可以轉(zhuǎn)化為：

lnyti,2=-(α0+∑2m=1αmlnyti,myti,2+∑3k=1βklnxti,k+δ0t

+∑2l=1∑2m=1αlmlnyti,lyti,2lnyti,myti,2+∑3j=1∑3k=1βjklnxti,jlnxti,k

+∑2m=1∑3k=1γmklnyti,myti,2lnxti,k+∑2m=1δymlnyti,myti,2t（3）

+∑3k=1δxklnxti,kt+δ11t2)-uti+vti

上式是一個(gè)標(biāo)準(zhǔn)的隨機(jī)前沿生產(chǎn)函數(shù)模型，可以使用極大似然估計(jì)方法進(jìn)行參數(shù)估計(jì)［17］并進(jìn)一步測(cè)算全要素碳減排效率。

1.3模型設(shè)定的檢驗(yàn)

雖然超越對(duì)數(shù)形式的模型設(shè)定具有上述諸多優(yōu)點(diǎn),但是該模型設(shè)定是否合理,變量間的交互關(guān)系是否存在,都還難以確定,因此,為檢驗(yàn)?zāi)Ｐ驮O(shè)定的合理性,本文將做如下幾個(gè)假設(shè)檢驗(yàn)：

（1）H10:αlm=δym=βjk=δxk=γmk=δ11=0σ2=λ，其中，l=1,2；m=1,2；j=1,2,3；k=1,2,3，即前沿生產(chǎn)函數(shù)中所有二次項(xiàng)的系數(shù)都為0，這意味著模型應(yīng)該設(shè)定為C-D生產(chǎn)函數(shù)形式，而非超越對(duì)數(shù)形式。

（2）H20:δ0=δym=δxk=δ11=0，其中，m=1,2；k=1,2與時(shí)間有關(guān)項(xiàng)的系數(shù)均為0，意味著不存在技術(shù)進(jìn)步。

（3）H30:δxk=0，其中，k=1,2,3，即所有時(shí)間和投入構(gòu)成的二次項(xiàng)的系數(shù)均為0，這意味著技術(shù)進(jìn)步是?？怂怪行缘?，即技術(shù)進(jìn)步獨(dú)立于投入要素。

所有假設(shè)都使用廣義似然統(tǒng)計(jì)量LR來(lái)檢驗(yàn)，LR統(tǒng)計(jì)量定義為：

LR=-2［L(H0)-L(H1)］（4）

當(dāng)零假設(shè)成立時(shí)，LR～χ2(m)，其中m表示約束條件個(gè)數(shù)。判別規(guī)則為：若LR＜χ2α(m),則接受零假設(shè),約束條件成立；若LR＞χ2α(m),則拒絕零假設(shè),約束條件不成立。

根據(jù)表1的檢驗(yàn)結(jié)果，第一個(gè)零假設(shè)被拒絕，表明該模型設(shè)定為超越對(duì)數(shù)形式要優(yōu)于設(shè)定為CD函數(shù)形式；第二個(gè)零假設(shè)被拒絕，表明經(jīng)濟(jì)系統(tǒng)存在技術(shù)進(jìn)步，隨著時(shí)間的演進(jìn)，同樣的投入會(huì)導(dǎo)致不同的產(chǎn)出；第三個(gè)零假設(shè)被拒絕，表明技術(shù)進(jìn)步不是希克斯中性的，技術(shù)進(jìn)步與投入要素對(duì)CO2排放量有協(xié)同作用。據(jù)此，最終的距離函數(shù)設(shè)定為式（2）；待估計(jì)隨機(jī)前沿生產(chǎn)函數(shù)模型設(shè)定為式（3）。

表1隨機(jī)前沿模型假設(shè)檢驗(yàn)結(jié)果

Tab.1Verification results of the presupposition

of stochastic frontier model

原假設(shè)

Primary

hypothesis

H0對(duì)數(shù)

似然值

Log like

lihood

value

L(H0)對(duì)數(shù)

似然值

Log like

lihood

value

L(H1)LR統(tǒng)計(jì)量

Statistic臨界值*

Critical

value

（CV）結(jié)論

ConclusionH10305.52378.80146.5648.3拒絕H0H20339.27378.8079.0620.1拒絕H0H30371.42378.8014.767.8拒絕H0注：原始數(shù)據(jù)源自實(shí)證分析中的變量和數(shù)據(jù)；臨界值為10%顯著性水平。

2實(shí)證分析

2.1測(cè)算全要素碳減排效率

全要素碳減排效率，即在全要素生產(chǎn)關(guān)系的框架內(nèi)研究CO2排放效率，它衡量的是在既定生產(chǎn)要素投入（包括能源）下，實(shí)際CO2排放與最小可能CO2排放的比例，或者是在給定產(chǎn)出條件下，CO2排放能夠減少的程度。這里所得的CO2減排效率是考慮資本、勞動(dòng)力和能源三種投入要素共同作用下得到的，它是全要素效率。全要素CO2減排效率以上述三種作為投入要素，以GDP為合意產(chǎn)出，CO2排放為非合意產(chǎn)出，基于SFA模型，運(yùn)用STATA 12.0軟件，計(jì)算得到。

2.1.1變量與數(shù)據(jù)分析

本文的研究對(duì)象是全國(guó)30個(gè)省區(qū)。采用年度面板數(shù)據(jù)，樣本區(qū)間為1995-2010年。數(shù)據(jù)來(lái)自《新中國(guó)60年統(tǒng)計(jì)資料匯編》、《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)能源統(tǒng)計(jì)年鑒》、《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》以及各個(gè)省區(qū)《統(tǒng)計(jì)年鑒》。各變量定義如下：

兩個(gè)產(chǎn)出要素。yti,1：表示地區(qū)經(jīng)濟(jì)產(chǎn)出，用第i個(gè)地區(qū)在t時(shí)期的地區(qū)生產(chǎn)總值衡量，單位為億元,以2003年為基期的實(shí)際地區(qū)生產(chǎn)總值表示；yti,2：表示地區(qū)CO2排放量，用第i個(gè)地區(qū)在t時(shí)期的CO2的排放量來(lái)衡量。本文采用《IPCC國(guó)家溫室氣體排放清單指南2006》中CO2的計(jì)算方法，根據(jù)能源消費(fèi)中三種主要的排放CO2的化石能源煤炭、石油和天然氣的消費(fèi)量以及不同化石能源的低位熱值、碳排放因子和碳氧化比率估算出各個(gè)省區(qū)1995-2010年期間的CO2的排放量。計(jì)算公式如下：

CO2=∑3i=1Ei·NCVi·CEFi·COFi·(44/12)（5）

其中，i表示煤炭、石油、天然氣三種一次能源；E表示三種能源的消費(fèi)量；NCV表示化石能源的低位熱值；CEF為各種能源的碳排放系數(shù)；COF為碳氧化因子（通常取1），44，12分別是CO2和碳的分子量。

三個(gè)投入要素。xti,1：表示第i個(gè)地區(qū)在t時(shí)期的資本投入，借鑒張軍等［18］的研究成果，以2003年為基期,采用永續(xù)盤(pán)存法估算各省區(qū)資本存量，單位為億元；xti,2：表示第i個(gè)地區(qū)在t時(shí)期的勞動(dòng)力投入，用各地區(qū)年底就業(yè)人員數(shù)衡量，單位為萬(wàn)人；xti,3：表示i地區(qū)t時(shí)期的能源投入，用各省區(qū)能源消耗量計(jì)量, 由于各個(gè)省區(qū)的能源消費(fèi)種類不一，所以統(tǒng)計(jì)上把煤炭、石油制品、電力、熱力等能源消費(fèi)量轉(zhuǎn)換成統(tǒng)一單位“t標(biāo)準(zhǔn)煤”加總而成。

2.1.2模型測(cè)算全要素CO2排放效率

運(yùn)用軟件stata12.0對(duì)模型（3）基于隨機(jī)前沿分析進(jìn)行參數(shù)估計(jì)測(cè)算出各省份的全要素碳減排效率(EFFCi)，估計(jì)結(jié)果如圖1所示。

全國(guó)30個(gè)省區(qū)CO2的全要素排放效率在1995-2010年間的平均值存在差異，也并未表現(xiàn)出明顯的東部效率高于西部的規(guī)律，即使上海與寧夏、安徽等省區(qū)均出現(xiàn)高碳排放效率，但兩者的原因是不同的。上海源于產(chǎn)業(yè)升級(jí)快，二產(chǎn)占比下降，技術(shù)效率提高；而寧夏、安徽等省區(qū)可能源于較慢的城鎮(zhèn)化進(jìn)程。

將測(cè)算出的全國(guó)30個(gè)省份1995-2010的年均全要素碳排放效率保留作為被解釋變量用以實(shí)證部分22分析其影響因素。在國(guó)內(nèi)外文獻(xiàn)對(duì)CO2排放量及排放強(qiáng)度研究的基礎(chǔ)上來(lái)確定本文影響全要素碳減排效率的因素。

2.2全要素碳排放效率影響因素的計(jì)量分析

2.2.1變量選取與數(shù)據(jù)說(shuō)明

城鎮(zhèn)化率（CITYR）。城鎮(zhèn)化率的測(cè)度一般有五種方法，即人口比重法、系數(shù)調(diào)整法、農(nóng)村城鎮(zhèn)化指標(biāo)法、城鎮(zhèn)土地利用指標(biāo)法和現(xiàn)代城鎮(zhèn)化指標(biāo)法。考慮到數(shù)據(jù)的可獲得性，本文采用城鎮(zhèn)人口占總?cè)丝诘谋戎貋?lái)反映這一指標(biāo)，數(shù)據(jù)來(lái)源于《中國(guó)人口與統(tǒng)計(jì)年鑒》。

生產(chǎn)要素稟賦水平。本文用資本深化的對(duì)數(shù)（LNPERCAP）和人均能源量的對(duì)數(shù)(LNPERENER)來(lái)反映要素稟賦。資本、勞動(dòng)、能源的原始數(shù)據(jù)與實(shí)證分析第一部分三種投入要素相同，此處不再贅述。

產(chǎn)業(yè)結(jié)構(gòu)（INDUST）。各產(chǎn)業(yè)的生產(chǎn)特點(diǎn)決定了不同的碳排放總量和效率。一般來(lái)說(shuō)，以工業(yè)為主的第二產(chǎn)業(yè)碳排放量大效率低，第一產(chǎn)業(yè)次之，第三產(chǎn)業(yè)碳排放量小效率高。本文產(chǎn)業(yè)結(jié)構(gòu)用各個(gè)省區(qū)第二產(chǎn)業(yè)總產(chǎn)值占GDP的份額表示。通過(guò)測(cè)算產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳排放效率的影響程度，對(duì)政府如何配置三次產(chǎn)業(yè)的投資比例提供政策依據(jù)。

能源強(qiáng)度（ENERSTR）。一般作為反映技術(shù)水平的變量，等于能源消耗量與GDP的比值，能源消耗量數(shù)據(jù)取自《中國(guó)能源統(tǒng)計(jì)年鑒》。

人口規(guī)模（POPUL）。人口規(guī)模作為對(duì)整個(gè)經(jīng)濟(jì)規(guī)模的替代變量，數(shù)據(jù)來(lái)源于《新中國(guó)六十年統(tǒng)計(jì)年鑒匯編》。

2.2.2計(jì)量模型

本文計(jì)量模型的數(shù)據(jù)具有空間和時(shí)間的特性，全要素碳排放效率作為被解釋變量的數(shù)據(jù)取值在0-1范圍內(nèi)，故使用Tobit面板數(shù)據(jù)計(jì)量模型進(jìn)行回歸。

EFFCi,t=α+β1ln(PERCAPi,t)+β2ln(PERENERi,t)+β3CITYRi,t+β4INDUSTi,t+β5ENERSTRi,t+β6POPULi,t+β7CITYR2i,t+β8［ln(PERCAPi,t)］2+β9［ln(PERENERi,t)］2+β10ln(PERCAPi,t)CITYRi,t+β11ln(PERENERi,t)CITYRi,t+εi（6）

其中，i,t分別表示時(shí)間和省份，β是被估計(jì)參數(shù)，εi是隨機(jī)誤差項(xiàng)，服從正態(tài)分布。參數(shù)估計(jì)如表2。

如果解釋變量與誤差項(xiàng)相關(guān)就不滿足外生性假設(shè)，會(huì)導(dǎo)致對(duì)系數(shù)的估計(jì)出現(xiàn)有偏，在隨機(jī)前沿生產(chǎn)函數(shù)估計(jì)中,內(nèi)生性問(wèn)題未得到很好的解決［5］，所以本文運(yùn)用Stata12.0軟件的內(nèi)生性檢驗(yàn)，結(jié)果顯示無(wú)法拒絕不存在內(nèi)生性的原假設(shè)（p>0.05），說(shuō)明了解釋變量的外生性。因而，本研究暫不考慮內(nèi)生性問(wèn)題。對(duì)回歸模型可能存在多重共線性的檢驗(yàn)，我們采用考察方差膨脹因子（VIF）法，結(jié)果發(fā)現(xiàn)所有變量的VIF值均小于10，說(shuō)明不存在多重共線問(wèn)題。2.2.3計(jì)量結(jié)果分析

根據(jù)回歸結(jié)果，從模型（1）全面板數(shù)據(jù)反映城鎮(zhèn)化水平的變量的系數(shù)來(lái)看，一次項(xiàng)的系數(shù)顯著為正，二次項(xiàng)的系數(shù)顯著為負(fù)，即城鎮(zhèn)化率與全要素碳減排效率呈U型的曲線關(guān)系。模型(2)(3)(4)的分時(shí)間段回歸模型中得出“九五”“十五”期間，我國(guó)城鎮(zhèn)化水平與碳減排效率的一次項(xiàng)和二次項(xiàng)之間均無(wú)顯著影響關(guān)系，到“十一五”期間二者在5%顯著性水平上出現(xiàn)U關(guān)系。出現(xiàn)此實(shí)證結(jié)果可能的解釋是改革開(kāi)放之初，城鎮(zhèn)化水平較低對(duì)碳減排效率的解釋程度并不顯著，隨著經(jīng)濟(jì)的快速增長(zhǎng)和城鎮(zhèn)化進(jìn)程的加快使得重化工企業(yè)的急速擴(kuò)張，碳排放增加，粗放式的能源使用導(dǎo)致較低的碳排放效率。然而城鎮(zhèn)化水平發(fā)展到一定階段，居民收入的增加對(duì)環(huán)境質(zhì)量的要求不斷提高，推動(dòng)了節(jié)能技術(shù)的發(fā)展，對(duì)碳減排效率起到積極作用。2007年國(guó)務(wù)院發(fā)布《國(guó)家環(huán)境保護(hù)“十一五”規(guī)劃》，要求“十一五”期間我國(guó)在環(huán)境保護(hù)上的投入超過(guò)15 000億元，到2010年二氧化硫和化學(xué)需氧量比2005年下降10%。在環(huán)境規(guī)制政策引導(dǎo)下，我國(guó)通過(guò)技術(shù)創(chuàng)新提高裝備水平，建成了具有世界領(lǐng)先水平的大型煤礦，火電機(jī)組投入運(yùn)行，大大提高了能源的開(kāi)采利用效率；通過(guò)提高能源效率，加強(qiáng)保護(hù)環(huán)境，全國(guó)煤礦平均礦井回采率比“十五”提高了約10個(gè)百分點(diǎn)，火電供電標(biāo)準(zhǔn)煤耗從392 克/千瓦時(shí)下降到370 克/千瓦時(shí)。因此，“十一五”期間隨著城鎮(zhèn)化率的上升，全要素碳減排效率出現(xiàn)了先惡化后改善的趨勢(shì)。以下的討論主要針對(duì)全面板模型（1）。

資本要素稟賦的一次項(xiàng)系數(shù)為負(fù)，且在1%的水平上顯著，二次項(xiàng)系數(shù)在5%水平上為正，說(shuō)明資本深化會(huì)提高碳減排效率，但過(guò)度的資本深化會(huì)降低減排效率，這與魏楚和沈滿洪［19］認(rèn)為過(guò)度的資本深化使得經(jīng)濟(jì)偏離資源稟賦路徑的結(jié)論有相似之處?？赡艿慕忉屖侵袊?guó)在工業(yè)化初期，資本向重化工產(chǎn)業(yè)的流動(dòng)多于輕化工產(chǎn)業(yè)，資本向重化工產(chǎn)業(yè)高能耗的生產(chǎn)部門(mén)的流動(dòng)多于向高新研發(fā)圖1全國(guó)30個(gè)省區(qū)全要素碳排放效率平均值(1995-2010)

Fig.1Average total factor of carbon emission efficiency of 30 provinces (1995-2010)

表2全要素CO2排放效率影響因素的計(jì)量分析

Tab.2Econometric analysis of the influencing

factors of CO2 emission efficiency

變量

Variable時(shí)間Time1995-20101995-20002001-20052006-2010CITYR-5.457 7***-5.254 5-0.997 6-9.805 4**（-2.69）（-1.51）（-0.28）（-2.21）LNPERCAP-0.678 7***-0.739 7-0.389 3-1.971 5***（-2.67）（-1.36）（-0.64）（-2.22）LNPERENER-0.133 10.067 10.508 20.306 8（-0.45）（0.17）（1.27）（0.48）ENERSTR-0.049*-0.007 9-0.040 4-0.060 4（-1.2）（-0.21）（-0.83）（-0.84）INDUST-0.030 6**-0.043 3***-0.050 9-0.087 7（-2.14）（-3.47）（-1.29）（-1.19）POPUL-0.014 20.005 5-0.0330.02（-0.84）（0.34）（-1.58）（0.67）CITYR^22.060 3***1.914 10.656 33.841 1**（2.63）（1.5）（0.48）（2.21）LNPER

CAP^20.036 9**0.044 70.099 9**0.081 3*（1.92）（0.96）（1.95）（1.63）LNPER

ENER^2-0.024 30.041 6-0.028 4-0.076 5（-1.21）（1.33）（-0.87）（-1.23）CITYR*

LNPERCAP0.030 4-0.014 7-0.477 1-0.284 7（0.13）（-0.05）（-1.5）（-0.55）CITYR*

LNPERENER0.514 7***0.555 7-0.207 21.551 8**（2.6）（1.47）（-0.45）（2.24）全國(guó)能源密集型資本密集型勞動(dòng)密集型CITYR-5.457 7***-1.881-1.096 6-2.99 （-2.69）（-0.23）（-0.26）（-0.49）CITYR^22.060 3***0.092 1**0.029 60.021 9（2.63）(1.97)（0.89）（0.35）注：***表示估計(jì)系數(shù)在1%水平上顯著，**表示在5%水平上顯著，*表示估計(jì)系數(shù)在10%水平上顯著。括號(hào)內(nèi)為t統(tǒng)計(jì)量，所有系數(shù)的估計(jì)和檢驗(yàn)借助Stata12.0完成。

部門(mén)的流動(dòng)，因此資本深化帶來(lái)的是全要素碳減排效率的下降；隨著工業(yè)化程度的加深，上述的資本流向發(fā)生逆轉(zhuǎn)促進(jìn)了碳減排效率的提高。

能源稟賦的系數(shù)為負(fù)可能的解釋是近年來(lái)能源生產(chǎn)型企業(yè)通過(guò)提高技術(shù)水平，優(yōu)化資源配置，降低碳排放效率。但此負(fù)向影響并不顯著，能源的豐裕程度本身與碳排效率之間并不存在必然關(guān)聯(lián)性，但這一要素可能會(huì)作用于其他因素來(lái)影響碳減排效率。借鑒仲偉周，王軍［20］的推論具有能源稟賦的省份可供利用的能源相對(duì)豐富，能源相對(duì)價(jià)格低，能源消費(fèi)強(qiáng)度高。由此推斷在城鎮(zhèn)化進(jìn)程中對(duì)能源密集型產(chǎn)業(yè)的發(fā)展就會(huì)具有比較優(yōu)勢(shì)，粗放式能源利用模式的低成本可能導(dǎo)致碳排放無(wú)效率，因此，模型中引入了能源稟賦與城鎮(zhèn)化率的交互項(xiàng)來(lái)討論對(duì)全要素碳減排效率的作用。

產(chǎn)業(yè)結(jié)構(gòu)即第二產(chǎn)業(yè)占GDP的比重、能源強(qiáng)度、人口規(guī)模對(duì)全要素碳減排都起到抑制作用，分別在5%、10%水平上顯著和不顯著。第二產(chǎn)業(yè)的占比越高，碳排放效率越低；能源強(qiáng)度作為對(duì)技術(shù)因素的描述反作用于碳減排效率，化石燃料的充分燃燒技術(shù)增加，碳排強(qiáng)度下降，碳減排效率提高。這與實(shí)際情況相符。減排技術(shù)的提高能降低單位GDP的能源強(qiáng)度，技術(shù)的外溢和擴(kuò)散也會(huì)提高相關(guān)產(chǎn)業(yè)的碳減排效率。

資本要素稟賦與城鎮(zhèn)化水平的交互項(xiàng)的系數(shù)為正，但不顯著；能源要素稟賦與城鎮(zhèn)化水平的交互項(xiàng)系數(shù)為正，且在1%的水平上顯著。實(shí)證結(jié)果表明能源充裕度對(duì)城鎮(zhèn)化率促進(jìn)全要素減排效率的提高有積極作用。根據(jù)對(duì)全國(guó)30個(gè)省份的煤炭產(chǎn)量、人均資本的測(cè)算，將全國(guó)分為三部分,能源密集型省份：內(nèi)蒙古、山西、陜西、河南、貴州、山東、安徽、河北、新疆、四川。資本密集型省份：上海、天津、重慶、北京、江蘇、遼寧、浙江、廣東、吉林、黑龍江。勞動(dòng)密集型省份：福建、江西、湖北、湖南、廣西、海南、云南、甘肅、青海、寧夏。將三種要素類型與全國(guó)的全要素碳減排效率1995-2010年的變化情況匯總見(jiàn)圖2。

圖2要素稟賦同質(zhì)省份及全國(guó)碳減排效率逐年變化

趨勢(shì)擬合圖

Fig.2Trend fitting figure of national and homogeneous

factor endowments provinces carbon reduction efficiency

總體上講，1995-2010年間三種要素稟賦的省份與全國(guó)的碳減排效率均有所提高。其中，能源密集型省份的提高幅度大于另外兩種類型。屬于勞動(dòng)密集型的十個(gè)省份的全要素碳減排效率的平均值最高，資本密集型次之，能源密集型最低。能源密集型省份的城鎮(zhèn)化率的平方項(xiàng)與全要素碳減排效率在5%的水平上正相關(guān)。從能源型省份城鎮(zhèn)化發(fā)展的階段性特征解釋來(lái)看，這類省份往往以資源型產(chǎn)業(yè)體系與以生產(chǎn)功能為主的形式起步；隨著城鎮(zhèn)化進(jìn)程的加快，對(duì)生活產(chǎn)品的需求漸漸大于對(duì)能源產(chǎn)品作為上游產(chǎn)品的生產(chǎn)需求，現(xiàn)代服務(wù)業(yè)帶動(dòng)產(chǎn)業(yè)的多元化發(fā)展；隨著城鎮(zhèn)化日趨成熟，區(qū)域生產(chǎn)功能逐漸減弱，生活功能逐漸增強(qiáng)。因此，能源型城鎮(zhèn)化率的發(fā)展與碳減排呈現(xiàn)非線性相關(guān)。另外一種可能的解釋為如果能源要素產(chǎn)業(yè)吸附資本要素演進(jìn)路徑是生產(chǎn)服務(wù)業(yè)，就會(huì)形成重工業(yè)型城鎮(zhèn)化模式；如果能源要素產(chǎn)業(yè)吸附勞動(dòng)要素向生活服務(wù)業(yè)發(fā)展，就會(huì)形成輕工業(yè)型城鎮(zhèn)化模式。從回歸結(jié)果來(lái)看，大多數(shù)能源型省份可能經(jīng)歷了從重工業(yè)城鎮(zhèn)化模式為主導(dǎo)向輕工業(yè)城鎮(zhèn)化模式的轉(zhuǎn)型。

3結(jié)論與政策建議

本文基于1995-2010年間的省級(jí)面板數(shù)據(jù)，使用SFA模型測(cè)算出30個(gè)省份全要素碳減排效率，基于此，重點(diǎn)研究了城鎮(zhèn)化水平、要素稟賦對(duì)碳減排效率的影響。結(jié)論表明：城鎮(zhèn)化率與碳減排效率呈U型關(guān)系，且在不同要素稟賦省區(qū)影響存在差異；隨著資本深化程度的提高全要素碳減排效率有先下降后上升的趨勢(shì)；能源密集度的提高與碳減排效率之間無(wú)顯著關(guān)系，但對(duì)城鎮(zhèn)化進(jìn)程影響碳減排效率的效應(yīng)有放大作用；控制變量產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度、人口規(guī)模對(duì)碳減排效率有負(fù)向作用。進(jìn)一步將全樣本按照要素稟賦異質(zhì)性分為資本密集型省區(qū)、能源密集型省區(qū)、勞動(dòng)密集型省區(qū)三類，對(duì)子樣本的回歸結(jié)果顯示只有能源密集型省區(qū)的城鎮(zhèn)化率與全要素碳減排效率之間存在顯著的相關(guān)關(guān)系。相比較“九五”“十五”規(guī)劃，“十一五”規(guī)劃期間，我國(guó)城鎮(zhèn)化率跟全要素減排效率之間有顯著的U型影響關(guān)系。根據(jù)理論與實(shí)證結(jié)論得出以下措施建議：

第一，政府在制定差異化的節(jié)能減排目標(biāo)時(shí)，各省區(qū)應(yīng)立足于自身稟賦的實(shí)際，通過(guò)政府干預(yù)引導(dǎo)能源稟賦高、利用率低的省區(qū)的能源向高利用率的省區(qū)流動(dòng)，倒逼能源型省份進(jìn)行產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，促使能源類省份在延伸資源類產(chǎn)業(yè)鏈條、加強(qiáng)資源的深加工與精加工等方面增加技術(shù)含量，提高全要素碳減排效率。

第二，發(fā)展多元化產(chǎn)業(yè)類型，逐步減弱區(qū)域經(jīng)濟(jì)增長(zhǎng)對(duì)污染嚴(yán)重的第二產(chǎn)業(yè)的依賴，減少碳排放，提升碳排放效率。抓住城鎮(zhèn)化過(guò)程中對(duì)服務(wù)性產(chǎn)業(yè)的需求契機(jī)，既要提高三產(chǎn)在區(qū)域經(jīng)濟(jì)中的占比，又要在第二產(chǎn)業(yè)內(nèi)部加強(qiáng)技術(shù)創(chuàng)新、厲行節(jié)約。發(fā)展城市低碳產(chǎn)業(yè)，形成低碳產(chǎn)業(yè)集聚，鼓勵(lì)發(fā)展和使用清潔、節(jié)能能源，逐步轉(zhuǎn)變傳統(tǒng)的能源結(jié)構(gòu)，通過(guò)把握城鎮(zhèn)化進(jìn)程來(lái)控制碳減排效率。

第三，我國(guó)已步入工業(yè)化的中期，以煤炭為主的能源結(jié)構(gòu)暫時(shí)不會(huì)改變，從絕對(duì)量上控制能源的消耗以達(dá)到碳減排的目標(biāo)難度較大。因此，提高減排技術(shù)是較為有效的手段。一方面企業(yè)可以增加自身的研發(fā)投入并且充分發(fā)揮國(guó)外先進(jìn)節(jié)能減排技術(shù)的溢出效應(yīng)。另一方面，逐步建立碳市場(chǎng)，充分發(fā)揮市場(chǎng)在配置資源的決定性作用，激勵(lì)企業(yè)提高能源利用效率和環(huán)保意識(shí)，加快企業(yè)環(huán)保設(shè)備的更新，降低企業(yè)減排成本，在合理減排的基礎(chǔ)上增加產(chǎn)出。

（編輯：李琪）

參考文獻(xiàn)（References）

［1］孔祥, Marks R E, 萬(wàn)廣華. 國(guó)有企業(yè)全要素生產(chǎn)率變化及其決定因素 ［J］. 經(jīng)濟(jì)研究, 1999, （7）: 40-48. ［Kong Xiang, Marks R E, Wan Guanghua. Changes and Determinants of Stateowned Enterprises Total Factor Productivity ［J］. Economic Research Journal, 1999, （7）: 40-48.］

［2］Wu Y. Is Chinas Economic Growth Sustainable? A Productivity Analysis ［J］. China Economic Review, 2001, 11(3): 278-296.

［3］涂正革, 肖耿. 中國(guó)的工業(yè)生產(chǎn)力革命［J］. 經(jīng)濟(jì)研究, 2005, （3）: 4-15. ［Tu Zhengge, Xiao Geng. Chinas Industrial Productivity Revolution ［J］. Economic Research Journal, 2005, （3）: 4-15.］

［4］王志平. 生產(chǎn)效率的區(qū)域特征與生產(chǎn)率增長(zhǎng)的分解：基于主成分分析與隨機(jī)前沿超越對(duì)數(shù)生產(chǎn)函數(shù)的方法［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2010, (1): 33-43. ［ Wang Zhiping. Regional Disparity in Production Efficiency and Decomposition of Productivity Growth ［J］. The Journal of Quantitative & Technical Economics, 2010, (1): 33-43.］

［5］Kumbhakar S C, Lovell C K. Stochastic Frontier Analysis［M］. Londun:Cambridge University Press, 2003.

［6］林伯強(qiáng), 劉希穎. 中國(guó)城鎮(zhèn)化階段的碳排放、影響因素和減排策略 ［J］. 經(jīng)濟(jì)研究, 2010, 8(1): 22.［ Lin Boqiang, Liu Xiying. Chinas Carbon Dioxide Emissions under the Urbanization Process， Influence Factors and Abatement Policies ［J］. Economic Research Journal, 2010, 8(1): 22.］

［7］陳詩(shī)一. 能源消耗、CO2排放與中國(guó)工業(yè)的可持續(xù)發(fā)展［J］. 經(jīng)濟(jì)研究, 2009, （4）: 41-55.［ Chen Shiyi. Energy Consumption, CO2 Emission and Sustainable Development in Chinese Industry ［J］. Economic Research Journal, 2009, （4）: 41-55.］

［8］何曉萍, 劉希穎, 林艷蘋(píng). 中國(guó)城鎮(zhèn)化進(jìn)程中的電力需求預(yù)測(cè)［J］. 經(jīng)濟(jì)研究, 2009, 44（1): 118-130.［ He Xiaoping, Liu Xiying, Lin Yanping. Chinas Electricity Demand Forecast under Urbanization Process ［J］. Economic Research Journal, 2009, 44(1): 118-130.］

［9］徐康寧, 邵軍. 自然稟賦與經(jīng)濟(jì)增長(zhǎng): 對(duì) “資源詛咒” 命題的再檢驗(yàn)［J］. 世界經(jīng)濟(jì), 2007, 29(11): 38-47.［Xu Kangning, Shao Jun. Natural Resources Abundance and Economic Growth: A Reexamination of the ‘Resource Curse Hypothesis ［J］. The Journal of Word Economy, 2007, 29(11): 38-47.］

［10］嚴(yán)紅. 中國(guó)西部地區(qū)城鎮(zhèn)化發(fā)展戰(zhàn)略轉(zhuǎn)型研究［J］. 經(jīng)濟(jì)問(wèn)題探索, 2013, (2): 69-74.［ Yan Hong. Transformation of the Urbanization of Chinas Western Region ［J］. Inquiry into Economic Issues, 2013, (2): 69-74.］

［11］Shephard R W, Gale D, Kuhn H W. Theory of Cost and Production Functions［M］. Princeton: Princeton University Press,1970.

［12］Fre R, Primont D. Multioutput Production and Duality: Theory and Applications［M］.Springer, 1994.

［13］Lovell C K, Travers P, Richardson S, et al. Resources and Functionings: A New View of Inequality in Australia［M］.Springer, 1994.

［14］Grosskopf S, Margaritis D, Valdmanis V. Estimating Output Substitutability of Hospital Services: A Distance Function Approach［J］. European Journal of Operational Research, 1995, 80(3): 575-587.

［15］Coelli T, Perelman S. A Comparison of Parametric and Nonparametric Distance Functions: With Application to European Railways［J］. European Journal of Operational Research, 1999, 117(2): 326-339.

［16］Coelli T, Perelman S. Technical Efficiency of European Railways: A Distance Function Approach［J］. Applied Economics, 2000, 32(15): 1967-1976.

［17］Battese G E, Coelli T J. A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data［J］. Empirical Economics, 1995, 20(2): 325-332.

［18］張軍, 吳桂英, 張吉鵬. 中國(guó)省際物質(zhì)資本存量估算: 1952-2000［J］. 經(jīng)濟(jì)研究, 2004, (10): 35-44.［Zhang Jun, Wu Guiying, Zhang Jipeng. A Estimate of the Provincial Capital Stock of China: 1952-2000［J］. Economic Research Journal, 2004, (10): 35-44.］

［19］魏楚, 沈滿洪. 結(jié)構(gòu)調(diào)整能否改善能源效率: 基于中國(guó)省級(jí)數(shù)據(jù)的研究［J］. 世界經(jīng)濟(jì), 2008, (11): 77-85.［ Wei Chu, Shen Manhong. Can the Structural Adjustment Improve the Energy Efficiency: A Research Based on the Provincial Data of China ［J］. The Journal of Word Economy, 2008, (11): 77-85.］

［20］仲偉周, 王軍. 基于能源稟賦的地區(qū)能源消費(fèi)強(qiáng)度差異研究［J］. 山西財(cái)經(jīng)大學(xué)學(xué)報(bào), 2009, (3): 42-50.［ Zhong Weizhou, Wang Jun. Research on the Regional Energy Intensity Difference ［J］. Journal of Shanxi Finance and Economics University, 2009, (3): 42-50.］

Impact of Urbanization Level and Endowment

Disparity on Carbon Reduction Efficiency

LIU JieWEI Wei

(Department of Finance and Economics, Xian Jiaotong University, Xian Shaanxi 710061, China)

AbstractBased on the logarithmic function under production theory, this paper applies the distance function to establish the stochastic frontier model which takes capital, labor and energy as input elements, and GDP, CO2 emissions as output, to measure the total factor CO2 emission reduction efficiencies of Chinas 30 provinces in China from 1995 to 2010 respectively. On this basis, using Tobit panel model, this paper empirically analyzes the influencing factors of CO2 emission reduction efficiency from five dimensions, which are urbanization level, factor endowment, population scale, industrial structure and technical elements. In general, this paper finds out that there is a nonlinear relationship between carbon reduction efficiency and urbanization level, so does capital deepening. In other words, the carbon emission efficiency would be decline first and then increase with the urbanization level improving and capital deepening. Energy intensity has no significant influence on carbon efficiency; however, it can enhance the effect on carbon efficiency when interacted with urbanization level. Population size, industrial structure and energy intensity play a negative role on carbon efficiency and the coefficients are 0.049, 0.030 6 and 0.014 2 respectively. Furthermore, by dividing the whole country into three parts according to factor endowment disparity, it finds that only in provinces endowed with energy resource is there a significant nonlinear relationship between urbanization level and carbon reduction efficiency at 5% significant level. On the basis of these results, it suggests that government should carry out separate policies in different provinces with vary factor endowments to face both international carbon reduction pressure and improving urbanization stress, such as establishing carbon market in energy intensive area to control urbanization, increasing investment on R&D of clean energy and reducing dependence on second industry in labor intensive provinces.

Key wordsendowment; urbanization level； carbon reduction efficiency; stochastic frontier analysis

Impact of Urbanization Level and Endowment

Disparity on Carbon Reduction Efficiency

LIU JieWEI Wei

(Department of Finance and Economics, Xian Jiaotong University, Xian Shaanxi 710061, China)

AbstractBased on the logarithmic function under production theory, this paper applies the distance function to establish the stochastic frontier model which takes capital, labor and energy as input elements, and GDP, CO2 emissions as output, to measure the total factor CO2 emission reduction efficiencies of Chinas 30 provinces in China from 1995 to 2010 respectively. On this basis, using Tobit panel model, this paper empirically analyzes the influencing factors of CO2 emission reduction efficiency from five dimensions, which are urbanization level, factor endowment, population scale, industrial structure and technical elements. In general, this paper finds out that there is a nonlinear relationship between carbon reduction efficiency and urbanization level, so does capital deepening. In other words, the carbon emission efficiency would be decline first and then increase with the urbanization level improving and capital deepening. Energy intensity has no significant influence on carbon efficiency; however, it can enhance the effect on carbon efficiency when interacted with urbanization level. Population size, industrial structure and energy intensity play a negative role on carbon efficiency and the coefficients are 0.049, 0.030 6 and 0.014 2 respectively. Furthermore, by dividing the whole country into three parts according to factor endowment disparity, it finds that only in provinces endowed with energy resource is there a significant nonlinear relationship between urbanization level and carbon reduction efficiency at 5% significant level. On the basis of these results, it suggests that government should carry out separate policies in different provinces with vary factor endowments to face both international carbon reduction pressure and improving urbanization stress, such as establishing carbon market in energy intensive area to control urbanization, increasing investment on R&D of clean energy and reducing dependence on second industry in labor intensive provinces.

Key wordsendowment; urbanization level； carbon reduction efficiency; stochastic frontier analysis

Impact of Urbanization Level and Endowment

Disparity on Carbon Reduction Efficiency

LIU JieWEI Wei

(Department of Finance and Economics, Xian Jiaotong University, Xian Shaanxi 710061, China)

AbstractBased on the logarithmic function under production theory, this paper applies the distance function to establish the stochastic frontier model which takes capital, labor and energy as input elements, and GDP, CO2 emissions as output, to measure the total factor CO2 emission reduction efficiencies of Chinas 30 provinces in China from 1995 to 2010 respectively. On this basis, using Tobit panel model, this paper empirically analyzes the influencing factors of CO2 emission reduction efficiency from five dimensions, which are urbanization level, factor endowment, population scale, industrial structure and technical elements. In general, this paper finds out that there is a nonlinear relationship between carbon reduction efficiency and urbanization level, so does capital deepening. In other words, the carbon emission efficiency would be decline first and then increase with the urbanization level improving and capital deepening. Energy intensity has no significant influence on carbon efficiency; however, it can enhance the effect on carbon efficiency when interacted with urbanization level. Population size, industrial structure and energy intensity play a negative role on carbon efficiency and the coefficients are 0.049, 0.030 6 and 0.014 2 respectively. Furthermore, by dividing the whole country into three parts according to factor endowment disparity, it finds that only in provinces endowed with energy resource is there a significant nonlinear relationship between urbanization level and carbon reduction efficiency at 5% significant level. On the basis of these results, it suggests that government should carry out separate policies in different provinces with vary factor endowments to face both international carbon reduction pressure and improving urbanization stress, such as establishing carbon market in energy intensive area to control urbanization, increasing investment on R&D of clean energy and reducing dependence on second industry in labor intensive provinces.

Key wordsendowment; urbanization level； carbon reduction efficiency; stochastic frontier analysis