李飛越

摘要：基于1995-2012年的分省動(dòng)態(tài)面板數(shù)據(jù)，通過改造KAYA恒等式，運(yùn)用系統(tǒng)廣義矩估計(jì)（SYSGMM）和DriscollKraay協(xié)方差矩陣估計(jì)等計(jì)量方法對(duì)老齡化、城鎮(zhèn)化與碳排放之間的關(guān)系進(jìn)行了考察。研究表明，老齡化和城鎮(zhèn)化均與碳排放存在倒“U”型關(guān)系：在老齡化初期由于存量人口紅利的存在碳排放會(huì)保持上升趨勢(shì)，但是長(zhǎng)期來看人口壽命延長(zhǎng)導(dǎo)致的老齡化對(duì)碳排放會(huì)產(chǎn)生明顯的抑制作用；城鎮(zhèn)化起步和加速階段高耗能的生產(chǎn)和生活方式會(huì)增加碳排放，但當(dāng)城鎮(zhèn)化達(dá)到一定程度后，生產(chǎn)和消費(fèi)方式的轉(zhuǎn)變以及節(jié)能技術(shù)的發(fā)展會(huì)抑制碳排放的增加。

關(guān)鍵詞：老齡化；城鎮(zhèn)化；碳排放；動(dòng)態(tài)面板

中圖分類號(hào)：C92424文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000-4149（2015）04-0009-10

DOI：103969/jissn1000-4149201504002

一、引言

氣候變暖是21世紀(jì)人類發(fā)展所面臨的最棘手的環(huán)境問題之一，人類活動(dòng)造成的二氧化碳等溫室氣體的排放是造成這一現(xiàn)象的主要原因。國(guó)際能源署數(shù)據(jù)顯示，從2006年起我國(guó)二氧化碳排放量已居世界首位，到2012年碳排放量已達(dá)3億噸資料來源：International Energy Agency. CO2 Emissions from Fuel Combustion（2013 Edition）＼[EB/OL＼].http：//www.iea.org/books，但這已經(jīng)是過去10年最低的數(shù)字之一，這一方面顯示出中國(guó)在碳減排方面所做的努力，另一方面則反映了中國(guó)所面臨的巨大碳減排壓力。在碳排放量不斷增加的同時(shí)，中國(guó)人口結(jié)構(gòu)也發(fā)生著劇變，代表人口年齡結(jié)構(gòu)的老齡化率（65歲及以上年齡人口占總?cè)丝诒壤?982年的493%上升到2013年的97%，代表人口城鄉(xiāng)結(jié)構(gòu)的城鎮(zhèn)化率從1982年的2113%上升到2013年的5373%資料來源：對(duì)應(yīng)年份中國(guó)統(tǒng)計(jì)年鑒。。碳排放量與人口老齡化及城鎮(zhèn)化保持了一致的上升趨勢(shì)，顯示出人口結(jié)構(gòu)和碳排放之間可能存在相關(guān)關(guān)系。

從已有研究碳排放影響因素的文獻(xiàn)來看，涉及到人口方面的因素大多數(shù)只考慮了人口規(guī)模，多數(shù)學(xué)者認(rèn)同人口規(guī)模的膨脹會(huì)導(dǎo)致碳排放量上升[1-2]，關(guān)于人口年齡結(jié)構(gòu)與碳排放關(guān)系的討論也是最近幾年才興起的，僅有的一些文獻(xiàn)研究結(jié)果分歧較大。道爾頓（Dalton）以家庭層面的微觀數(shù)據(jù)為主，借助人口-環(huán)境-技術(shù)模型，研究了未來美國(guó)老齡化對(duì)碳排放的影響，結(jié)果表明，長(zhǎng)期來看人口老齡化會(huì)顯著降低碳排放水平，在一定條件下老齡化對(duì)碳排放的減排作用甚至超過技術(shù)進(jìn)步的碳減排作用[3]。彭希哲和朱勤應(yīng)用STIRPAT擴(kuò)展模型考察了人口年齡結(jié)構(gòu)對(duì)碳排放的影響，研究表明人口年齡結(jié)構(gòu)對(duì)碳排放是一種間接影響，人口老齡化無論從生產(chǎn)領(lǐng)域還是消費(fèi)領(lǐng)域都將對(duì)碳排放產(chǎn)生一定的抑制性影響[4]。李楠和邵凱利用1995-2007年的全國(guó)時(shí)間序列數(shù)據(jù)研究了人口結(jié)構(gòu)和碳排放之間的關(guān)系，也得出老齡化會(huì)抑制碳排放的結(jié)論[5]。劉輝煌和李子豪利用全國(guó)層面時(shí)間序列數(shù)據(jù)和省級(jí)層面的面板數(shù)據(jù)采用因素分解和動(dòng)態(tài)面板的估計(jì)方法研究了老齡化和碳排放之間的關(guān)系，全國(guó)層面的研究表明老齡化是中國(guó)近年來人均碳排放增加的重要原因，分省層面的研究表明老齡化對(duì)碳排放存在顯著的倒“U”型影響[6]。王芳和周興利用跨國(guó)面板數(shù)據(jù)的研究表明老齡化對(duì)碳排放存在“U”型影響，得出與彭希哲和李子豪相反的結(jié)論[7]。托比亞斯（Tobias）和海因茨（Heinz）通過對(duì)經(jīng)濟(jì)合作組織（OECD）的研究表明，不管是人口年齡結(jié)構(gòu)的轉(zhuǎn)變還是人口的代際效應(yīng)都顯著加劇了碳排放[8]，這個(gè)結(jié)論區(qū)別于大多數(shù)研究結(jié)果。不同于老齡化，人口城鎮(zhèn)化水平是較早受到研究者關(guān)注的人口結(jié)構(gòu)因素，在人口城鎮(zhèn)化和碳排放關(guān)系研究方面，大多數(shù)研究結(jié)果都表明人口城鎮(zhèn)化是影響碳排放量的重要因素之一，不過在人口城鎮(zhèn)化對(duì)碳排放的作用路徑上并沒有形成比較一致的結(jié)論。多數(shù)學(xué)者認(rèn)為中國(guó)的人口城鎮(zhèn)化增加了碳排放[9-12]。也有研究認(rèn)為人口城鎮(zhèn)化有利于我國(guó)碳減排[6-7，13]。

通過梳理文獻(xiàn)可知，雖然有少數(shù)學(xué)者討論了中國(guó)人口年齡結(jié)構(gòu)和城鄉(xiāng)結(jié)構(gòu)與碳排放之間的關(guān)系，但是大多數(shù)研究都只是假設(shè)人口年齡結(jié)構(gòu)和城鄉(xiāng)結(jié)構(gòu)與碳排放存在簡(jiǎn)單的線性關(guān)系，而邊際理論告訴我們經(jīng)濟(jì)現(xiàn)象很少存在完全的線性關(guān)系，因此，從非線性角度去考查兩者之間的關(guān)系可能會(huì)更接近事實(shí)。此外，以往研究大多單獨(dú)考慮人口年齡結(jié)構(gòu)或者城鄉(xiāng)結(jié)構(gòu)對(duì)碳排放的影響，難以全面窺探人口結(jié)構(gòu)對(duì)碳排放的綜合影響，本文同時(shí)納入人口年齡結(jié)構(gòu)和城鄉(xiāng)結(jié)構(gòu)指標(biāo)，以期獲得更為全面的信息。區(qū)別于大多數(shù)研究只是使用靜態(tài)面板，本文利用1995-2012年的中國(guó)省級(jí)動(dòng)態(tài)面板數(shù)據(jù)，在控制變量的基礎(chǔ)上，利用多種估計(jì)方法詳細(xì)考察了人口年齡結(jié)構(gòu)與城鄉(xiāng)結(jié)構(gòu)的變遷對(duì)碳排放的影響。

二、模型設(shè)定及估計(jì)方法

我們從一個(gè)簡(jiǎn)單的碳排放分解式入手，這個(gè)分解式和日本學(xué)者卡雅（kaya）[14]提出的KAYA分解式 原式為：C=（C/E）·（E/Y）·（Y/POP），其中POP、E為一次能源消耗總量。結(jié)構(gòu)一致，但在分解層次上略有差別， KAYA分解式使用三個(gè)乘號(hào)，專門分解出一次能源消耗量對(duì)碳排放量的影響，本文略去這一層分解，但保留能源消耗這一變量。本文采用的分解方式并未改變分解式的本質(zhì)含義，通過壓縮分解層次，分解式的擴(kuò)展性反而得到極大的提升，每個(gè)變量被賦予了更多可解讀的含義。具體分解式如下：Cit=CitYitYitPOPitPOPit（1）

其中C表示碳排放總量，Y表示國(guó)內(nèi)生產(chǎn)總值（GDP），POP表示人口總量，下標(biāo)i表示省份，t表示年份。通過分解式可以得出碳排放是碳排放強(qiáng)度（C/Y） 《中國(guó)應(yīng)對(duì)氣候變化國(guó)家方案》將該指標(biāo)稱為“單位GDP化石燃料燃燒二氧化碳排放”。該指標(biāo)被納入“十二五”規(guī)劃綱要。、人均GDP（Y/POP）以及人口總量共同作用的結(jié)果。王芳為了考察人口結(jié)構(gòu)對(duì)碳排放的影響，對(duì)KAYA分解式進(jìn)行了改造，其方法是對(duì)POP做擴(kuò)展，把POP變成一個(gè)關(guān)于人口結(jié)構(gòu)變量的函數(shù)[7]，本文贊同此種將變量函數(shù)化的方法，但分析的角度和具體采取的手段與之有所不同，具體如下：

設(shè)a=C/Y、rgdp=Y/POP，分解式（1）可以寫成更加簡(jiǎn)潔的形式：

Cit=aitrgdpitPOPit（2）

兩邊取對(duì)數(shù)：lnCit=lnait+lnrgdpit+lnPOPit（3）

方程（2）表明在產(chǎn)出的碳排放強(qiáng)度（a）不變的情況下，人均GDP以及人口數(shù)量的增加會(huì)按一定的分配機(jī)制轉(zhuǎn)化為碳排放量的增加。但是很明顯，碳排放強(qiáng)度并不是一個(gè)恒定的量，它可能受多種因素的影響。經(jīng)典的EKC假說認(rèn)為人均收入是影響碳排放強(qiáng)度的最主要因素，該假說認(rèn)為碳排放與人均收入是非線性關(guān)系，人均收入對(duì)碳排放強(qiáng)度具有倒“U”型影響。能源消耗量（econ）也被認(rèn)為是影響碳排放強(qiáng)度的重要因素[15]，一切經(jīng)濟(jì)活動(dòng)最終也是通過消耗能源才造成碳排放，因此，能源消耗是研究碳排放問題不可或缺的因素。除此之外，越來越多的研究?jī)A向于將人口結(jié)構(gòu)作為影響碳排放的重要因素之一，人口結(jié)構(gòu)不僅包括人口絕對(duì)量，還包括人口的年齡結(jié)構(gòu)、城鄉(xiāng)結(jié)構(gòu)等，相比單一考慮人口規(guī)模，人口結(jié)構(gòu)具有更多探討的空間，碳排放最終是人類活動(dòng)的產(chǎn)物，人口結(jié)構(gòu)的轉(zhuǎn)變包含了動(dòng)態(tài)的過程，應(yīng)當(dāng)更能解釋碳排放強(qiáng)度的變化。本文選取了老齡化和城鎮(zhèn)化兩個(gè)指標(biāo)分別代表人口年齡結(jié)構(gòu)和城鄉(xiāng)結(jié)構(gòu)，道爾頓[3]、劉輝煌[6]以及王芳[7]等的研究表明，老齡化與碳排放之間可能存在非線性關(guān)系，亦有研究表明城鎮(zhèn)化與碳排放之間也存在非線性關(guān)系[7]，本文認(rèn)同邊際效應(yīng)遞減規(guī)律廣泛存在于經(jīng)濟(jì)現(xiàn)象中，人口結(jié)構(gòu)轉(zhuǎn)變對(duì)碳排放的影響也不例外，因此方程中加入老齡化二次方項(xiàng)（aging2）以及城鎮(zhèn)化二次方項(xiàng)（urb2）。此外，就業(yè)結(jié)構(gòu)（emp）、消費(fèi)結(jié)構(gòu)（eng）、出口額度（tra）也能顯著影響碳排放[12，16-17]，以上三個(gè)變量作為影響碳排放強(qiáng)度的控制變量。

綜上所述，產(chǎn)出的碳排放強(qiáng)度方程可被表述成如下形式：ait=f（rgdpit，econit，POPit，agingit，agingit2，urbit，urbit2，CONTROLSit）（4）

其中CONTROLS=（emp，eng，tra）

對(duì)方程（4）采用雙對(duì)數(shù)模型，增加對(duì)數(shù)人均GDP的二次方項(xiàng)以反映環(huán)境庫(kù)茲涅茲效應(yīng)。此外，增加時(shí)間虛擬變量γt，省份虛擬變數(shù)δi和隨機(jī)誤差項(xiàng)εit，通過定義時(shí)間和省份虛擬變量，我們的估計(jì)模型允許了外生變量例如地理、氣候條件以及能源價(jià)格、技術(shù)變化等因素對(duì)碳排放強(qiáng)度的影響。具體方程如下所示：

lnait=α+（β1-1）lnrgdpit+β2（lnrgdpit）2+（β3-1）lnPOPit+β4lneconit+β5agingit

+β6agingit2+β7urbit+β8urbit2+β9CONTROLS+γt+δi+εit（5）

把方程（5）代入方程（3），結(jié)果如下：

lnCit=α+β1lnrgdpit+β2（lnrgdpit）2+β3lnPOPit+β4lneconit+β5agingit+

β6agingit2+β7urbit+β8urbit2+β9CONTROLS+γt+δi+εit（6）

方程（6）即為我們最終確定的碳排放量與人口結(jié)構(gòu)之間的關(guān)系式，因變量為對(duì)數(shù)碳排放量，解釋變量從左至右依次為對(duì)數(shù)人均GDP、對(duì)數(shù)人均GDP的平方項(xiàng)、對(duì)數(shù)人口、對(duì)數(shù)能源消耗總量、老齡化率、老齡化率平方項(xiàng)、城鎮(zhèn)化率、城鎮(zhèn)化率平方項(xiàng)，控制變量包括第三產(chǎn)業(yè)從業(yè)人員比重、城鄉(xiāng)加權(quán)恩格爾系數(shù)、出口額占GDP比重等。本文將對(duì)方程（6）進(jìn)行固定效應(yīng)和隨機(jī)效應(yīng)估計(jì)，并給出相應(yīng)的Hausman檢驗(yàn)值，作為取舍兩種檢驗(yàn)結(jié)果的依據(jù)。

奧夫哈默（Auffhammer）和卡爾森（Carson）對(duì)中國(guó)碳排放的研究表明，中國(guó)碳排放強(qiáng)度的變動(dòng)存在較強(qiáng)的路徑依賴，即本期碳排放強(qiáng)度可能受到滯后期的影響[18]，因此，我們?cè)谀Ｐ停?）的基礎(chǔ)上加入因變量的滯后一期項(xiàng)，可以得到方程（7）

lnCit=α+lnCit-1+β1lnrgdpit+β2（lnrgdpit）2+β3lnPOPit+β4lneconit+

β5agingit+β6agingit2+β7urbit+β8urbit2+β9CONTROLS+γt+δi+εit

（7）

方程（7）加入了因變量的滯后一期項(xiàng)，這將造成解釋變量和誤差項(xiàng)之間存在相關(guān)性，從而導(dǎo)致一系列內(nèi)生性問題，如果采用普通OLS估計(jì)，結(jié)果可能存在偏誤。采用廣義矩估計(jì)（GMM）可以在一定程度上解決其內(nèi)生性問題，GMM估計(jì)分為差分廣義矩估計(jì)（DIFGMM）和系統(tǒng)廣義矩估計(jì)（SYSGMM），差分廣義矩估計(jì)采用水平值的滯后項(xiàng)作為差分變量的工具變量，系統(tǒng)廣義矩估計(jì)在前者基礎(chǔ)上進(jìn)一步采用差分變量的滯后項(xiàng)作為水平值的工具變量，通過綜合利用差分方程和水平方程的估計(jì)，進(jìn)一步增加了可用的工具變量，從而使估計(jì)結(jié)果更加穩(wěn)健。本文同時(shí)給出DIFGMM和SYSGMM估計(jì)結(jié)果，用一階差分轉(zhuǎn)換方程的一階和二階序列相關(guān)檢驗(yàn)AR（1）、AR（2）的結(jié)果作為檢驗(yàn)隨機(jī)擾動(dòng)項(xiàng)是否序列相關(guān)的依據(jù)，并采用Sargan檢驗(yàn)值作為工具變量可靠性的依據(jù)。為了使估計(jì)結(jié)果更加穩(wěn)健，我們選取各解釋變量的滯后一期項(xiàng)替代當(dāng)期項(xiàng)，再次對(duì)方程（6）做固定效應(yīng)和隨機(jī)效應(yīng)估計(jì)，估計(jì)結(jié)果將與GMM估計(jì)結(jié)果一起作為驗(yàn)證方程穩(wěn)健性的依據(jù)。

由于模型包含人口總量和人口結(jié)構(gòu)因素，誤差項(xiàng)之間可能存在序列相關(guān)和截面依賴問題，為消除可能由此產(chǎn)生的估計(jì)偏誤，我們采用德里斯科爾（Driscoll）和克雷（Kraay）發(fā)展的協(xié)方差矩陣估計(jì)方法＼[19＼]再次對(duì)面板數(shù)據(jù)進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果將和GMM估計(jì)結(jié)果以及滯后期固定效應(yīng)估計(jì)結(jié)果進(jìn)行比較，以期得出更為可靠的結(jié)論。

三、變量描述與數(shù)據(jù)處理

因變量C表示CO2排放量，統(tǒng)計(jì)年鑒中沒有關(guān)于各地區(qū)碳排放量的統(tǒng)計(jì)，相關(guān)文獻(xiàn)中的計(jì)算方法也不盡相同，本文采用杜立民的碳排放量計(jì)算方法＼[20＼]，根據(jù)IPCC和國(guó)家氣候變化對(duì)策協(xié)調(diào)小組辦公室、國(guó)家發(fā)展和改革委員會(huì)能源研究所采用的方法＼[21＼]，把終端能源消費(fèi)細(xì)分為煤炭、焦炭、汽油、煤油、柴油、燃料油和天然氣7種，并加上水泥生產(chǎn)所排放的二氧化碳，計(jì)算公式如下：CO2=∑7i=1ECi=∑7i=1Ei×CFi×CCi×COFi×3.67（6）

式中i表示7種能源，E表示能源消費(fèi)量，CF表示發(fā)熱值，CC表示碳含量，COF表示氧化因子。

水泥生產(chǎn)CO2排放量計(jì)算公式為：CC=Q×EFcement（7）

式中CC表示水泥CO2排放量，Q為水泥生產(chǎn)量，EFcement為生產(chǎn)水泥的CO2排放系數(shù)。

通過以上公式，本文計(jì)算了2008-2012年29省市的碳排放量數(shù)據(jù)（西藏?cái)?shù)據(jù)缺失嚴(yán)重，未納入考慮；重慶與四川采用合并數(shù)據(jù)），1995-2007年的碳排放量資料采用杜立民公布的資料＼[20＼]。其中化石能源消費(fèi)量資料來源于《中國(guó)能源統(tǒng)計(jì)年鑒》，水泥生產(chǎn)量資料來源于《中國(guó)統(tǒng)計(jì)年鑒》。

自變量POP表示常住人口，碳排放最終還是來源于人類活動(dòng)，每個(gè)人都能通過各種方式制造出一定量的碳排放，因此，人口絕對(duì)數(shù)量的增加會(huì)導(dǎo)致碳排放量隨之增加，我們預(yù)期人口總量對(duì)碳排放的影響為正。常住人口數(shù)據(jù)來源于各省市統(tǒng)計(jì)年鑒。

自變量econ表示能源消耗總量（萬噸標(biāo)準(zhǔn)煤），能源消耗是碳排放的直接影響因素之一，研究表明能源消耗與碳排放之間存在單向格蘭杰因果關(guān)系[22]，我們預(yù)期能源消耗對(duì)碳排放的影響為正。能源消耗總量數(shù)據(jù)來源于《中國(guó)能源統(tǒng)計(jì)年鑒》。

自變量rgdp表示以1995年為基期調(diào)整后的不變價(jià)格人均GDP。經(jīng)濟(jì)發(fā)展水平被認(rèn)為是影響碳排放的重要因素之一，每增加一單位GDP都意味著更多資源的消耗，也就意味著可能存在更多的碳排放，因此，象征經(jīng)濟(jì)發(fā)展水平的人均GDP是探討碳排放問題不可或缺的影響因素，根據(jù)EKC假說，我們預(yù)期人均GDP對(duì)碳排放存在倒“U”型影響。GDP、GDP折算指數(shù)均來源于各省市統(tǒng)計(jì)年鑒。

自變量aging代表老齡化率（65歲及以上年齡人口占常住人口的比重），目前大多數(shù)涉及這方面的研究都采用這個(gè)指標(biāo)衡量老齡化狀況，本文借鑒前面研究者的思路，亦采用這一指標(biāo)。2000-2013年中國(guó)老齡化率從696%上升至97%，同期碳排放量從308500萬噸飆升到1099435萬噸，13年間增長(zhǎng)了256%，老齡化和碳排放保持了一致的上升趨勢(shì)，因此我們認(rèn)為在人口年齡結(jié)構(gòu)轉(zhuǎn)變的初期階段，老齡化是可能導(dǎo)致碳排放量增加的，主要原因在于初期的老齡化并未造成生產(chǎn)結(jié)構(gòu)和消費(fèi)結(jié)構(gòu)的根本性轉(zhuǎn)變，老齡產(chǎn)業(yè)鏈尚未形成，而人口紅利也并未消失，經(jīng)濟(jì)依舊依賴勞動(dòng)密集型產(chǎn)業(yè)保持高速增長(zhǎng)。并且初期的老齡化主要是生育率下降和人口壽命延長(zhǎng)引起的，特別是計(jì)劃生育政策導(dǎo)致增量人口的減少是老齡化的主要原因，我國(guó)目前仍然處于人口數(shù)量較大階段，顯然在短期內(nèi)不會(huì)出現(xiàn)勞動(dòng)年齡人口減少的情況，但是長(zhǎng)遠(yuǎn)來看，人口增長(zhǎng)不會(huì)一直持續(xù)，一旦人口總量保持在一個(gè)穩(wěn)定的狀態(tài)，這時(shí)候由壽命延長(zhǎng)導(dǎo)致的老齡化就會(huì)造成勞動(dòng)力的減少，經(jīng)濟(jì)發(fā)展無法繼續(xù)依賴高耗能的勞動(dòng)力密集型產(chǎn)業(yè)，產(chǎn)業(yè)結(jié)構(gòu)開始轉(zhuǎn)向服務(wù)業(yè)或高端制造業(yè)等低碳產(chǎn)業(yè)，并且這個(gè)時(shí)候的老齡化會(huì)造成消費(fèi)結(jié)構(gòu)的改變，不同年齡人群具有不同消費(fèi)偏好，例如老齡人口對(duì)私家車或者家用電器的需求量會(huì)低于年輕人，因此老齡化最終會(huì)通過改變消費(fèi)結(jié)構(gòu)來影響碳排放。綜上所述，我們認(rèn)為初期老齡化會(huì)增加碳排放，但是長(zhǎng)期來看老齡化可能會(huì)抑制碳排放，因此我們預(yù)期老齡化對(duì)碳排放具有倒“U”型影響。老齡化數(shù)據(jù)來源于各省市統(tǒng)計(jì)年鑒、統(tǒng)計(jì)公報(bào)以及國(guó)家統(tǒng)計(jì)局等。

自變量urb表示城鎮(zhèn)化率，即城鎮(zhèn)人口占常住人口的比率，當(dāng)前我國(guó)正處于城鎮(zhèn)化建設(shè)的初期，隨著城鎮(zhèn)化進(jìn)程的加速，大量建設(shè)項(xiàng)目將會(huì)開工，有理由相信這會(huì)造成更多溫室氣體的排放，不過我國(guó)未來城鎮(zhèn)化的方向是更高效的新型城鎮(zhèn)化，所以不會(huì)總以犧牲環(huán)境為代價(jià)，并且降低能耗的新技術(shù)和新設(shè)備更可能在城市中產(chǎn)生，當(dāng)城鎮(zhèn)化達(dá)到某個(gè)階段后，由于先進(jìn)技術(shù)的應(yīng)用，低碳、環(huán)保的新發(fā)展模式會(huì)逐步取代原本高碳化的發(fā)展模式，從而達(dá)到抑制碳排放的效果，碳排放與城鎮(zhèn)化之間的非線性關(guān)系正是基于以上考慮，我們預(yù)期城鎮(zhèn)化對(duì)碳排放具有倒“U”型影響。2000-2012年城鎮(zhèn)化率數(shù)據(jù)來源于各省市統(tǒng)計(jì)年鑒、國(guó)家統(tǒng)計(jì)局以及中經(jīng)數(shù)據(jù)庫(kù)等。需要說明的是，2000年我國(guó)大部分省市重新定義了市轄區(qū)等概念，導(dǎo)致以2000年為分界線的前后年份統(tǒng)計(jì)口徑的差異，為了平滑這個(gè)差異，1995-2000年的數(shù)據(jù)我們采用周一星修正后的數(shù)據(jù)[23]。

控制變量emp表示第三產(chǎn)業(yè)從業(yè)人員占總就業(yè)人員的比重，產(chǎn)業(yè)結(jié)構(gòu)的高度化是產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型的必然趨勢(shì)，高度化最重要的度量指標(biāo)是第三產(chǎn)業(yè)占比，在農(nóng)業(yè)占比基本穩(wěn)定的前提下，第三產(chǎn)業(yè)比率越高第二產(chǎn)業(yè)的空間相應(yīng)的會(huì)被壓縮得越小，而第二產(chǎn)業(yè)普遍被認(rèn)為是高耗能高碳排放的產(chǎn)業(yè)，因此第三產(chǎn)業(yè)從業(yè)人員比率越高碳排放應(yīng)該越少，我們預(yù)期就業(yè)結(jié)構(gòu)對(duì)碳排放的影響符號(hào)為負(fù)。就業(yè)結(jié)構(gòu)數(shù)據(jù)來源于各省市統(tǒng)計(jì)年鑒。

控制變量eng表示城鄉(xiāng)加權(quán)恩格爾系數(shù)，本文采用李楠的分析方法＼[5＼]，用恩格爾系數(shù)代表消費(fèi)結(jié)構(gòu)。恩格爾系數(shù)表示食品支出占總支出的比重，比例越高說明經(jīng)濟(jì)發(fā)展水平越低，并且食品消費(fèi)占總消費(fèi)比重越高意味著其他高碳排放的消費(fèi)品使用的越少，因此我們預(yù)期消費(fèi)結(jié)構(gòu)對(duì)碳排放的影響為負(fù)。中國(guó)是城鄉(xiāng)二元社會(huì)，恩格爾系數(shù)的統(tǒng)計(jì)也沒有統(tǒng)一的口徑，一般是鄉(xiāng)村和城市單獨(dú)統(tǒng)計(jì)，李楠直接用城鄉(xiāng)恩格爾系數(shù)的算術(shù)平均數(shù)作為各省市總的恩格爾系數(shù)，本文根據(jù)城鄉(xiāng)人口分別占總?cè)丝诘谋戎刈鳛闄?quán)重，算出城鄉(xiāng)恩格爾系數(shù)加權(quán)平均數(shù)，以此來彌補(bǔ)由于直接算術(shù)平均造成的誤差。恩格爾系數(shù)數(shù)據(jù)來源于各省市統(tǒng)計(jì)年鑒以及中國(guó)統(tǒng)計(jì)數(shù)據(jù)庫(kù)。

控制變量tra表示出口額/GDP，喬根森（Jorgenson）[24]和劉輝煌[6]等均采用這個(gè)指標(biāo)衡量出口對(duì)碳排放造成的影響，本文借鑒兩位研究者的做法，亦采用這一指標(biāo)。中國(guó)十多年來經(jīng)濟(jì)保持高速增長(zhǎng)的原因之一就是出口拉動(dòng)，由于技術(shù)創(chuàng)新的缺乏，中國(guó)出口更多的是由廉價(jià)勞動(dòng)力生產(chǎn)的初級(jí)產(chǎn)品，這些產(chǎn)品的生產(chǎn)過程可能排放了大量溫室氣體，因此我們預(yù)期出口對(duì)碳排放的影響為正。出口額數(shù)據(jù)來源于各省市統(tǒng)計(jì)年鑒。

綜上所述，本文以1995-2012為研究區(qū)間，以碳排放量為因變量；人口總量、人均GDP及其平方項(xiàng)、老齡化率及其平方項(xiàng)、城鎮(zhèn)化率及其平方項(xiàng)等作為自變量；第三產(chǎn)業(yè)從業(yè)人員比重、城鄉(xiāng)加權(quán)恩格爾系數(shù)、出口額/GDP和人均能源消費(fèi)量作為控制變量建立回歸方程。樣本涵蓋了中國(guó)內(nèi)地29個(gè)省市（西藏未納入樣本，重慶并入四川）18個(gè)年度的數(shù)據(jù)。樣本數(shù)據(jù)的統(tǒng)計(jì)描述如表1所示。

從表1可以看出，所有變量在樣本期間內(nèi)均有明顯變動(dòng)。比如老齡化率（aging），1995-2012年間29個(gè)省市的平均值為00776，最大值為2012年上海的01491，最小值為1995年青海的00358，最大值幾乎是最小值的四倍多；城鎮(zhèn)化率（urb）變動(dòng)率更是驚人，最大值為2012年上海的08933，最小值為1995年河南的0172，最大值是最小值的五倍多。除了老齡化和城鎮(zhèn)化，碳排放量、人口數(shù)、人均GDP以及各控制變量在樣本期間內(nèi)均有顯著變化，數(shù)據(jù)的動(dòng)態(tài)變化為研究變量之間的動(dòng)態(tài)關(guān)系提供了支持。

四、實(shí)證分析及估計(jì)結(jié)果

表2分別給出了四個(gè)方程的固定效應(yīng)和隨機(jī)效應(yīng)估計(jì)結(jié)果，并給出Hausman檢驗(yàn)結(jié)果，并在此

基礎(chǔ)上對(duì)這兩種方法的估計(jì)結(jié)果進(jìn)行選擇。同時(shí)方程2中由于因變量一階滯后項(xiàng)的引入，采用普通的OLS估計(jì)可能造成結(jié)果的有偏和不一致，為了消除內(nèi)生性問題，本文采用更為合適的差分廣義矩（DIFGMM）和系統(tǒng)廣義矩（SYSGMM）估計(jì)方法對(duì)方程2進(jìn)行估計(jì)。為了驗(yàn)證基本估計(jì)結(jié)果的可靠性，本文用各自變量的一階滯后項(xiàng)替代當(dāng)期項(xiàng)進(jìn)行穩(wěn)健性檢驗(yàn)，作為對(duì)GMM估計(jì)的補(bǔ)充。其中，A代表前面描述的計(jì)量模型式（6），為面板基本估計(jì)；B代表式（7），C的基本結(jié)構(gòu)與A相似，但在A的基礎(chǔ)上用自變量的一階滯后項(xiàng)替代當(dāng)期項(xiàng)；D亦代表計(jì)量模型（6），DK估計(jì)方法在FE估計(jì)的基礎(chǔ)上糾正了異方差、序列相關(guān)和截面相關(guān)等問題。

表2中A列以計(jì)量模型（4）為基礎(chǔ)，為面板數(shù)據(jù)基本估計(jì)結(jié)果，Hausman檢驗(yàn)的結(jié)果顯示應(yīng)選擇固定效應(yīng)模型。從估計(jì)結(jié)果可以看出，不管是固定效應(yīng)估計(jì)還是隨機(jī)效應(yīng)估計(jì)，主要變量的系數(shù)符號(hào)和數(shù)值基本一致，一定程度上反映出估計(jì)結(jié)果的穩(wěn)健性，而且除了控制變量就業(yè)結(jié)構(gòu)（emp）和消費(fèi)結(jié)構(gòu)（eng）符號(hào)與預(yù)期不一致外，其他系數(shù)符號(hào)均在預(yù)期之內(nèi)，并且在各種顯著性水平上通過了檢驗(yàn)。具體來看，aging系數(shù)符號(hào)為正，aging2系數(shù)符號(hào)為負(fù)，并且在1%的顯著性水平上顯著，說明老齡化與碳排放之間存在顯著的倒“U”型關(guān)系；urb系數(shù)符號(hào)為正，urb2系數(shù)符號(hào)為負(fù)，并且在1%顯著性水平上顯著，顯示出城鎮(zhèn)化與碳排放之間也存在倒“U”型關(guān)系。除此之外，固定效應(yīng)估計(jì)結(jié)果顯示人均GDP與碳排放之間亦存在倒“U”型關(guān)系，與奧夫哈默、林伯強(qiáng)、許廣月、劉輝煌等人的研究結(jié)果＼[6，18，25-26＼]基本一致。人口絕對(duì)量（lnPOP）系數(shù)符號(hào)顯著為正，說明人口規(guī)模的膨脹確實(shí)導(dǎo)致碳排放量的上升。其他控制變量方面，能源消費(fèi)量和出口占比（tra）系數(shù)符號(hào)與預(yù)期一致，且均在1%顯著性水平上顯著，驗(yàn)證了之前的判斷，就業(yè)結(jié)構(gòu)（emp）則沒有通過顯著性檢驗(yàn)，消費(fèi)結(jié)構(gòu)（eng）雖然通過了檢驗(yàn)，但符號(hào)與預(yù)期不符。

B列估計(jì)結(jié)果以式（7）為基礎(chǔ)，除了基本估計(jì)，B列還包括差分廣義矩估計(jì)（DIFGMM）和系統(tǒng)廣義矩估計(jì)（SYSGMM）結(jié)果，四種估計(jì)結(jié)果中各解釋變量的系數(shù)不管是從符號(hào)方向還是數(shù)值大小亦或是顯著性程度上都高度一致，表明估計(jì)結(jié)果非常穩(wěn)健。在基本估計(jì)中，Hausman檢驗(yàn)結(jié)果顯示應(yīng)選擇固定效應(yīng)估計(jì)，從固定效應(yīng)估計(jì)（FE）結(jié)果中可以看出，除了控制變量城鄉(xiāng)加權(quán)恩格爾系數(shù)（eng）符號(hào)與預(yù)期不一致外，其他所有解釋變量系數(shù)符號(hào)均與預(yù)期一致，并且都通過了顯著性檢驗(yàn)，B列固定效應(yīng)估計(jì)結(jié)果相比A列固定效應(yīng)估計(jì)結(jié)果來說并沒有太大變化，唯一變化在于使A列中符號(hào)不符預(yù)期的控制變量就業(yè)結(jié)構(gòu)（emp）變得符合預(yù)期，這從經(jīng)驗(yàn)上證明了加入碳排放一階滯后項(xiàng)的合理性。一般認(rèn)為工具變量的加入會(huì)導(dǎo)致內(nèi)生性問題，因此，我們使用了動(dòng)態(tài)面板的估計(jì)方法（GMM）來檢驗(yàn)基本估計(jì)結(jié)果是否可靠。從B中第5-6列的結(jié)果來看，AR（2）檢驗(yàn)值接受二階序列不相關(guān)的原假設(shè)，sargan檢驗(yàn)值說明工具變量選取可靠，差分廣義矩估計(jì)（DIFGMM）結(jié)果與A、

B中的固定效應(yīng)估計(jì)結(jié)果并無太大差別，系統(tǒng)廣義矩（SYSGMM）估計(jì)則修正了A、B中固定效應(yīng)估

計(jì)以及差分廣義矩估計(jì)中存在的偏差，從第6列可以看出，所有解釋變量系數(shù)均符合預(yù)期，并且全部通過顯著性檢驗(yàn)，進(jìn)一步驗(yàn)證了理論推斷的合理性。

A、B列中的固定效應(yīng)估計(jì)和GMM估計(jì)結(jié)果的穩(wěn)定性表明模型并不存在嚴(yán)重的內(nèi)生性問題，不過為了全面考察變量之間的動(dòng)態(tài)關(guān)系，我們把式（6）中所有解釋變量替換為原解釋變量的一階滯后項(xiàng)再進(jìn)行A中的固定效應(yīng)和隨機(jī)效應(yīng)回歸， Hausman檢驗(yàn)值顯示應(yīng)選擇固定效應(yīng)估計(jì)，從第7列FE估計(jì)結(jié)果可以看出，主要解釋變量系數(shù)符號(hào)依舊與預(yù)期一致，并且具有很高的統(tǒng)計(jì)顯著性，變量的滯后項(xiàng)能有效地避免變量當(dāng)期項(xiàng)與當(dāng)期殘差項(xiàng)相關(guān)所造成的內(nèi)生性問題，因此C列中固定效應(yīng)估計(jì)結(jié)果可信，從而也更加驗(yàn)證了A、B列中的估計(jì)結(jié)果穩(wěn)健。

D列DK估計(jì)結(jié)果也相當(dāng)令人滿意，主要的解釋變量中，除了人均GDP的平方項(xiàng)估計(jì)系數(shù)符號(hào)與預(yù)期不符之外，其他變量無論是在系數(shù)符號(hào)、大小還是顯著性上，都和FE及GMM估計(jì)結(jié)果相近，一方面表明模型定義良好，不存在嚴(yán)重影響結(jié)論的偏誤；另一方面也說明了實(shí)證結(jié)果相對(duì)穩(wěn)健，能夠作為驗(yàn)證理論預(yù)期的可靠解釋。

綜上所述，通過對(duì)四個(gè)方程進(jìn)行的8種檢驗(yàn)，我們得出了穩(wěn)健的估計(jì)結(jié)果，并且各解釋變量系數(shù)符號(hào)與預(yù)期一致，這說明正如所推斷的那樣，老齡化與城鎮(zhèn)化對(duì)碳排放均具有顯著的倒“U”型影響。在老齡化初期由于存量人口紅利的存在碳排放會(huì)保持上升趨勢(shì)，但是長(zhǎng)期來看人口壽命延長(zhǎng)導(dǎo)致的老齡化對(duì)碳排放會(huì)產(chǎn)生明顯的抑制作用；類似的，城鎮(zhèn)化起步階段高耗能的生產(chǎn)和生活模式會(huì)增加碳排放，但當(dāng)城鎮(zhèn)化達(dá)到一定程度后，生產(chǎn)方式的轉(zhuǎn)變和節(jié)能技術(shù)的發(fā)展會(huì)抑制碳排放的增加。

五、結(jié)論與啟示

本文利用1995-2012年中國(guó)省級(jí)面板數(shù)據(jù)，采用多個(gè)方程和多種估計(jì)方法對(duì)老齡化、城鎮(zhèn)化與碳排放之間的關(guān)系進(jìn)行研究，結(jié)果表明：老齡化和城鎮(zhèn)化均對(duì)碳排放具有顯著的倒“U”型影響，人口結(jié)構(gòu)對(duì)碳排放的影響要遠(yuǎn)大于單一的人口規(guī)模對(duì)碳排放的影響。具體來說，在人口規(guī)模仍處于爆發(fā)式增長(zhǎng)的老齡化初期階段，勞動(dòng)年齡人口增加的速度要超過老年人口增加的速度，由于人口紅利的存在，經(jīng)濟(jì)發(fā)展依舊能依賴于勞動(dòng)力密集型產(chǎn)業(yè)的發(fā)展，并且在老齡化初期，與生產(chǎn)結(jié)構(gòu)相匹配的消費(fèi)結(jié)構(gòu)也傾向于高耗能、高碳排放，因此不管是從生產(chǎn)渠道還是消費(fèi)渠道，初期老齡化都會(huì)造成碳排放量增加。但是隨著老齡化程度逐漸加深，情況就會(huì)變得有所不同。老齡化程度的不斷加深和人口規(guī)模的逐漸趨于穩(wěn)定是未來人口結(jié)構(gòu)轉(zhuǎn)變的方向，在人口規(guī)模基本穩(wěn)定的前提下，壽命延長(zhǎng)產(chǎn)生的老齡化會(huì)導(dǎo)致勞動(dòng)年齡人口的減少，這時(shí)候由于人口紅利消失，經(jīng)濟(jì)發(fā)展無法繼續(xù)依靠粗放式的勞動(dòng)力密集型產(chǎn)業(yè)，產(chǎn)業(yè)結(jié)構(gòu)會(huì)轉(zhuǎn)向低碳的資本密集型和技術(shù)密集型，并且由于老年人口的增多，社會(huì)的總體消費(fèi)偏好開始改變，消費(fèi)結(jié)構(gòu)會(huì)逐漸變得低碳、節(jié)能，所以綜合來看老齡化對(duì)碳排放的影響應(yīng)該是一個(gè)先上升再下降的倒“U”型過程。與老齡化類似，城鎮(zhèn)化對(duì)碳排放的影響也是一個(gè)先上升再下降的倒“U”型過程：在城鎮(zhèn)化進(jìn)程的前期階段，大量農(nóng)村人口流入城市，會(huì)掀起一輪造城運(yùn)動(dòng)，由于大量基礎(chǔ)設(shè)施建設(shè)項(xiàng)目的開工，水泥、化石能源等高耗能材料的使用勢(shì)必會(huì)增加碳排放，而且我國(guó)目前城鎮(zhèn)化率水平相對(duì)偏低，可以預(yù)見在相當(dāng)長(zhǎng)的時(shí)期內(nèi)城鎮(zhèn)化進(jìn)程會(huì)帶來巨大的碳排放壓力；當(dāng)城鎮(zhèn)化達(dá)到一定程度后，建設(shè)項(xiàng)目趨于飽和，新興技術(shù)也開始在城市中產(chǎn)生，低碳環(huán)保的發(fā)展模式會(huì)取代高耗能的發(fā)展模式，這個(gè)時(shí)候碳排放會(huì)隨著發(fā)展模式的轉(zhuǎn)變逐漸減少。

此外，研究結(jié)果顯示人均收入與碳排放之間也存在倒“U”型關(guān)系，這與奧夫哈默[18]、林伯強(qiáng)[25]、許廣月[26]、劉輝煌[6]等人的研究結(jié)果基本一致，但是系數(shù)值表明人均收入對(duì)碳排放的作用程度在倒“U”型的兩邊并不一致，左邊的上升階段比右邊的下降階段要陡峭，表明人均收入的提高在經(jīng)濟(jì)發(fā)展起步階段會(huì)顯著增加碳排放，但是當(dāng)經(jīng)濟(jì)發(fā)展到一定程度，人均收入提高反而會(huì)微弱地減少碳排放。其他變量方面，研究表明人口規(guī)模的膨脹會(huì)顯著地增加碳排放；能源消耗總量、出口的增加也會(huì)造成碳排放量上升；第三產(chǎn)業(yè)從業(yè)人員占比以及城鄉(xiāng)加權(quán)恩格爾系數(shù)的提高則會(huì)減少碳排放。

以上結(jié)論表明碳排放并不單純只是經(jīng)濟(jì)發(fā)展的產(chǎn)物，它與人口結(jié)構(gòu)也密切相關(guān)。面對(duì)人口老齡化壓力和正在提速的城鎮(zhèn)化進(jìn)程，政府在積極調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、鼓勵(lì)發(fā)展綠色低碳經(jīng)濟(jì)、制定嚴(yán)格的環(huán)保法律以及倡導(dǎo)綠色低碳生活方式和消費(fèi)方式的同時(shí)，還應(yīng)從人口因素入手制定相應(yīng)的碳減排政策。

參考文獻(xiàn)：

[1] KNAPP T， MIIKERJEE R.Population growth and global CO2 emissions[J].Energy Policy，1996，24：31-37.

[2] ALBRECHT J. FRANCOI K，SCHOOR S K.A shapley decomposition of carbon emissions without residuals[J].Energy Policy，2002，21（4）：849-865.

[3] DALTON M， ONEILL B C， PRSKAWETZ A，et al.Population aging and future carbon emissions in the United States[J].Energy Economics，2008，30（2）：642-675.

[4] 彭希哲，朱勤.我國(guó)人口態(tài)勢(shì)與消費(fèi)模式對(duì)碳排放的影響分析[J].人口研究，2010（1）：48-58.

[5] 李楠，邵凱，王前進(jìn).中國(guó)人口結(jié)構(gòu)對(duì)碳排放量影響研究[J].中國(guó)人口·資源與環(huán)境，2010（6）：19-23.

[6] 劉輝煌，李子豪.中國(guó)人口老齡化與碳排放的關(guān)系——基于因素分解和動(dòng)態(tài)面板的實(shí)證分析[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2012（1）：1-8.

[7] 王芳，周興.人口結(jié)構(gòu)、城鎮(zhèn)化與碳排放——基于跨國(guó)面板數(shù)據(jù)的實(shí)證研究[J].中國(guó)人口科學(xué)，2012（2）：47-56.

[8] TOBIAS M， HEINZ W.Population aging and carbon emissions in OECD countries：accounting for lifecycle and cohort effects [J].Energy Economics，2012，34：842-849.

[9] 朱勤，彭希哲，陸志明，于娟.人口與消費(fèi)對(duì)碳排放影響的分析模型與實(shí)證[J].中國(guó)人口·資源與環(huán)境，2010（2）：98-102.

[10] 劉夢(mèng)琴，劉軼俊.中國(guó)城市化發(fā)展與碳排放關(guān)系——基于30個(gè)省區(qū)數(shù)據(jù)的實(shí)證研究[J].城市發(fā)展研究，2011（11）：27-32.

[11] 周五七，聶鳴.中國(guó)碳排放強(qiáng)度影響因素的動(dòng)態(tài)計(jì)量檢驗(yàn)[J].管理科學(xué)，2012，25（5）：99-107.

[12] 馬曉鈺，李強(qiáng)誼，郭瑩瑩.我國(guó)人口因素對(duì)二氧化碳排放的影響——基于STIRPAT模型的分析[J].人口與經(jīng)濟(jì)，2013（1）：44-51.

[13] 盧祖丹，趙定濤.西部大開發(fā)對(duì)工業(yè)碳排放的影響解析[J].中國(guó)科技論壇，2010（11）：79-85.

[14] KAYA YOICHI. Impact of carbon dioxide emission on GNP growth：interpretation of proposed scenario[R].Presentation to the Energy and Industry Subgroup，Response Strategies Working Group，IPCC，Paris，1990.

[15] LIDDLE B， LUNG S. Agestructure， urbanization， and climate change in developed countries： revisiting STIRPAT for disaggregated population and consumptionrelated environmental impacts [J].Population and Environment，2010（5）：317-343.

[16] SCHIPPER L，BARTLETT S， HAWK D，et al.Linking lifestyles and energy use：a matter of time？ [J].Annual Review of Energy， 1989，14：271-320.

[17] KIM JI HYUN.Changes in consumption patterns and environmental degradation in Korea[J].Structural Change and Economic Dynamics，2002（13）：1-4.

[18] AUFLHAMMER M， CARSON R.Forecasting the path of Chinas CO2 emissions using provincelevel information[J].Journal of Environmental Economics and Management， 2008，55（3） ：229-247.

[19] DRISCOLL J C，KRAAY A C， Consistent covariance matrix estimation with spatially dependent panel data [J]. Review of Econonics and Statistics，1998，80：549-560.

[20] 杜立民.我國(guó)二氧化碳排放的影響因素——基于省級(jí)面板數(shù)據(jù)的研究[J].南方經(jīng)濟(jì)，2010（11）：20-33.

[21] 國(guó)家氣候變化對(duì)策協(xié)調(diào)組辦公室，國(guó)家發(fā)改委能源研究所.中國(guó)溫室氣體清單研究[M].北京：中國(guó)環(huán)境科學(xué)出版社，2007：127-131.

[22] ZHANG Xingping，CHENG Xiaomei.Energy consumption，carbon emissions，and economic growth in China[J].Ecological Economics，2009，68（10）：2706-2712.

[23] 周一星，田帥.以“五普”數(shù)據(jù)為基礎(chǔ)對(duì)我國(guó)分省城市化水平數(shù)據(jù)修補(bǔ)[J].統(tǒng)計(jì)研究，2006（1）：62-65.

[24]JORGENSON A K. Does foreign investment harm the air we breathe and the water we drink[J].Organization Environment， 2007， 20 （2） ：137-156.

[25] 林伯強(qiáng)，蔣竺均.中國(guó)二氧化碳的環(huán)境庫(kù)茲涅茲曲線預(yù)測(cè)及影響因素分析[J].管理世界，2009（3）：12-23.

[26] 許廣月，宋德勇.中國(guó)碳排放環(huán)境庫(kù)茲涅茲曲線的實(shí)證研究——基于省域面板數(shù)據(jù)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2010（5）：37-47.

[責(zé)任編輯方志]