吳　齊,任以勝,楊桂元

(1.安徽財經(jīng)大學 數(shù)量經(jīng)濟研究所，安徽 蚌埠 233030； 2.安徽財經(jīng)大學 城市與區(qū)域經(jīng)濟研究所,安徽 蚌埠 233030)

?

區(qū)域碳排放量的空間溢出效應分析與減排路徑探尋

吳齊1,任以勝2,楊桂元1

(1.安徽財經(jīng)大學 數(shù)量經(jīng)濟研究所，安徽 蚌埠 233030； 2.安徽財經(jīng)大學 城市與區(qū)域經(jīng)濟研究所,安徽 蚌埠 233030)

摘要：為探尋碳減排發(fā)展路徑，選取中國省際面板數(shù)據(jù)，運用空間計量方法建模。結果表明，擬合效果最優(yōu)的模型是基于經(jīng)濟權重矩陣的空間滯后模型；各省份碳排放量存在顯著的空間自相關性并具有正的空間溢出效應；二產(chǎn)比重、人口比重與碳排放量有正相關關系，高技術產(chǎn)值與技術進步能夠促進碳減排。最后，文章從城市產(chǎn)業(yè)規(guī)劃與發(fā)展、技術利用效率、技術創(chuàng)新水平三個方面探尋了碳減排發(fā)展路徑。

關鍵詞：碳排放量;碳減排發(fā)展路徑;空間溢出效應

一、引言

二氧化碳排放量的不斷增加使得氣候變暖問題愈加嚴峻,如何進行低碳節(jié)能發(fā)展成為了全球亟待解決的事情。我國改革開放以來,雖然經(jīng)濟取得了快速發(fā)展,成為世界最大的經(jīng)濟體系之一,但環(huán)境問題卻日益突出,碳排放量不斷攀升,嚴重影響著我國經(jīng)濟的可持續(xù)發(fā)展。2008年我國碳排放量高達64.99億萬噸,2013年已經(jīng)超過100億噸,占全球碳排放總量的29%.二氧化碳的過量排放會導致一個國家氣候條件的變化，進而影響生產(chǎn)能力,而大量的碳排放背后意味著能源的大量消耗。因此,任何國家都需要建立低碳節(jié)能的發(fā)展模式,使得經(jīng)濟能夠持續(xù)健康的發(fā)展。

國內(nèi)外學者關于碳排放的研究主要集中在理論方法、研究結構及研究尺度上。關于碳排放核算的方法很多,目前較為流行的是采用IPCC清單法,研究能源消費中所產(chǎn)生的碳排放量,然后進行計量分析。James C.運用IPAT模型對美國加州地區(qū)的技術、收入和政府政策等因素建模并分析這些因素對二氧化碳排放量的影響程度[1]。Chung等采用韓國1951-2000年長期面板數(shù)據(jù)并將時間分段,對溫室氣體排放進行分析,得出城市化進程是導致碳排放量增加的影響因素[2]。Eero等對城市的碳排放量進行估算,并建立指標體系評估一個城市是否為低碳城市。隨著地理經(jīng)濟學的發(fā)展,空間計量方法得以廣泛應用于區(qū)域碳排放研究中[3]。1974年,Paelinck提出該方法,隨后經(jīng)由Anselin等學者拓展,最終形成一套理論體系。國內(nèi)大量學者運用空間計量方法研究經(jīng)濟中存在的空間相互關系。吳玉鳴等運用空間計量經(jīng)濟學方法對我國2002-2005年省際面板數(shù)據(jù)建立模型,研究了省際能源消費及影響因素，結果顯示，能源消費具有空間依賴性;經(jīng)濟增長、人口增長均對能源消費有正向作用,能源價格影響不顯著[4]。宋幫英等考慮空間效應,建立地理加權回歸GWR模型,研究表明，GWR模型優(yōu)于OLS模型;我國省域碳排放量與人口、產(chǎn)業(yè)結構、經(jīng)濟發(fā)展水平、外商直接投資和能源價格之間存在內(nèi)生經(jīng)濟關系[5]。楊騫等針對我國省域的創(chuàng)新集群及其影響因素,運用空間自相關指數(shù)與集群分析的空間誤差模型進行經(jīng)濟計量分析[6]。程葉青等測算我國1997-2010年省際碳排放強度,運用自相關分析方法和空間滯后模型,研究了省級尺度的碳排放強度的時空格局特征及其主要影響因素[7]。

通過文獻的梳理可以看出,有關碳排放的研究主要采用時間序列模型和空間計量模型,但針對區(qū)域碳排放量的溢出效應分析和減排路徑的文獻很少。因此,本文選擇我國省際面板數(shù)據(jù),從空間維度探索我國碳排放量的空間屬性、區(qū)域之間溢出效應及影響碳排放量的因素,并給出我國省際碳減排路徑和措施。這對于我國在經(jīng)濟發(fā)展新常態(tài)時期建立低碳節(jié)能綠色發(fā)展機制、打造經(jīng)濟升級版具有重要的現(xiàn)實意義。

二、研究方法

(一)空間自相關檢驗模型

對于某個統(tǒng)計指標Q,判斷區(qū)域i和區(qū)域j(i≠j)在該指標下的觀測值是否存在相關關系可以用全局空間自相關來描述,體現(xiàn)該統(tǒng)計指標的觀察值在整個區(qū)域的空間屬性。常用Moran’sI值[8](以下簡記MI表示)來估算空間自相關性,MI值介于-1和1之間。若MI>0，表示在該統(tǒng)計指標觀測值下,地區(qū)之間存在空間正相關;MI<0,則表示為負相關;MI=0，表示相互獨立。MI值的計算方法見式(1)。

(1)

(二)空間計量模型

空間計量經(jīng)濟學[9-10]主要處理面板數(shù)據(jù)模型中的空間自相關和空間異質(zhì)性。對于普通的面板回歸模型來說,如果被解釋變量存在空間上的相關性,則需建立空間滯后模型(Spatial Lag Model,縮寫為SLM);如果普通面板回歸模型的隨機誤差項存在空間上的相關性,則需建立空間誤差模型(Spatial Error Model,縮寫為SEM)。在實際應用中,空間面板模型的表示形式還包括固定效應或隨機效應。

1.空間滯后模型

空間滯后模型(SLM)主要研究某地區(qū)在某指標下是否存在空間溢出效應,即空間擴散現(xiàn)象,其數(shù)學表達式見式(2)。

(2)

式(2)中,W=(wij)n×n表示空間權重矩陣；i表示所研究的個體,t表示時間;y為被解釋變量(實證中為各省份的碳排放量C);X為外生變量，實證中X=x1,x2,x3,x4，(x1至x4的含義后文做具體介紹);β為解釋變量對被解釋變量的影響程度;ε為隨機誤差項,一般情況下服從正態(tài)分布;W為空間權重矩陣。ρ為空間回歸系數(shù),用來衡量被解釋變量的空間依賴程度,ρ>0，表示被解釋變量具有正的空間外溢效應;ρ<0，表示具有負的空間外溢效應;ρ=0，表示不具有空間外溢效應,此時式(2)表示普通的面板回歸模型。

2.空間誤差模型

空間誤差模型(SEM)是度量地理接壤或相鄰地域在某個研究指標下除了解釋變量意外,其他誤差沖擊對區(qū)域的空間影響,其數(shù)學表達式見式(3)。

(3)

式(3)中,i，t，y，X，β，W與式(2)中對應符號的意義相同;μ為誤差項;θ為隨機誤差項,一般情況下服從正態(tài)分布;λ為空間誤差參數(shù),衡量除解釋變量外空間相關作用沖擊的影響。λ>0，表示誤差沖擊對被解釋變量具有正的空間影響;λ<0，表示具有負的空間影響;λ=0，表示沒有誤差沖擊影響,此時式(3)表示普通的面板回歸模型。

(三)空間權重矩陣的構建

(4)

(5)

三、實證分析

(一)數(shù)據(jù)來源和指標選擇

本文選取2005-2012年的省際樣本數(shù)據(jù)為研究對象(由于部分數(shù)據(jù)缺失,樣本不包括西藏和港澳臺地區(qū))。原始數(shù)據(jù)來源于2006-2013年的《中國能源統(tǒng)計年鑒》《中國統(tǒng)計年鑒》和中國經(jīng)濟與社會發(fā)展統(tǒng)計數(shù)據(jù)庫。

被解釋變量:各省份的碳排放量,標記為C。參照IPCC清單法來核算我國各省碳排放量,見式(6)。i表示不同的省份，j表示不同能源的類別，t表示年份，n表示核算中能源的種類數(shù),C表示二氧化碳排放量(單位:萬噸)，ES表示標準能源消費量(單位:萬噸標準煤)，α表示各能源二氧化碳排放系數(shù)，δ表示對應能源折算成萬噸標準煤的系數(shù)，Q表示原煤、焦炭、汽油、天然氣等各能源消費量。

(6)

解釋變量:二產(chǎn)比重,標記為x1。由于我國處于工業(yè)化發(fā)展階段,工業(yè)生產(chǎn)與碳排放量息息相關,選取第二產(chǎn)業(yè)總產(chǎn)值占GDP比重,來研究其如何影響碳排放。人口比重,標記為x2。從碳產(chǎn)品需求市場來看,高碳產(chǎn)品需求會促進高碳產(chǎn)品的生產(chǎn)與供給。由于城鎮(zhèn)人口對碳產(chǎn)品的需求遠高于農(nóng)村人口,故選擇城鎮(zhèn)人口比重作為衡量人口比重的指標。高技術產(chǎn)值,標記為x3。選擇高技術產(chǎn)業(yè)總產(chǎn)值作為衡量高技術產(chǎn)值指標,反映一個地區(qū)使用高技術進行工業(yè)生產(chǎn)的程度。技術進步,標記為x4。專利授權數(shù)可直觀地表示技術進步水平。由于沒有直接衡量碳減排技術的指標,故選擇國內(nèi)三種專利申請授權數(shù)作為技術進步的代理變量。

為了消除異方差性，變量C，x1，x2，x3，x4在進行回歸分析時均做取對數(shù)處理，得到1nC,1nx1,1nx2,1nx3,1nx4.

(二)碳排放的空間分布屬性

借助GeoDa軟件對我國省際碳排放量數(shù)據(jù)進行探索性分析,得到其空間地理格局顯示:2005-2012年,碳排放量處于較低水平的省份為黑龍江、新疆、陜西、安徽、湖北、湖南、貴州、云南等;碳排放量處于較高水平且在地域上呈現(xiàn)集中態(tài)勢的省份為內(nèi)蒙古、河北、山東、山西、河南、江蘇等;碳排放量具有逐年減少趨勢的省份為遼寧、廣西;碳排放量逐年增加的省份為重慶、云南、貴州、江西、廣西、湖北、安徽。總體上看,碳排放量水平接近的地區(qū)呈現(xiàn)省份地域接壤,初步認為我國省際碳排放量存在地理空間上的相關性與集聚性。

對碳排放量進行空間自相關檢驗,結果見表1(表中，Z為正態(tài)分布統(tǒng)計量)。Moran’sI值在樣本期間內(nèi)顯著大于0,表示其具有正的空間自相關性和正向的空間依賴性。碳排放量不是隨機分布而是水平相近省份的在空間上呈現(xiàn)集聚態(tài)勢,即碳排放量高的省份周圍省份的碳排放量也高,反之亦然。此外,碳排放量的Moran’sI值在0.362左右波動,這說明碳排放量的空間分布比較穩(wěn)定。

表1　碳排放的空間全局自相關檢驗結果

(三)空間溢出效應分析

1.模型的選擇

借助MATLAB軟件[11]對樣本數(shù)據(jù)進行非空間因素的普通面板回歸,其空間相關性檢驗結果見表2。Moran’sI值為0.350 3,且通過1%的顯著性水平,說明在99%置信度下的空間相關性是顯著的,可認為省際間的碳排放量存在正的相關關系?；?-1鄰接權重矩陣建模時:LMLAG值和LMERR值在1%的水平下都顯著,且LMERR值比LMLAG值大。R-LMERR在1%的水平下顯著,但R-LMLAG值卻不顯著,說明空間滯后模型不適用于該空間權重矩陣的建模,因此選擇空間誤差模型?；诮?jīng)濟權重矩陣建模時:LMLAG值和LMERR值在1%的水平下都顯著,且LMLAG值比LMERR值大;R-LMLAG值在5%的水平下顯著,但R-LMERR值卻不顯著,表明空間滯后模型適用于該空間權重矩陣的建模,因此選擇空間滯后模型。由此說明,基于不同的空間權重矩陣對模型的選擇存在影響。

表2　空間相關性檢驗結果

根據(jù)Hausman檢驗,基于經(jīng)濟權重矩陣的SLM與基于0-1鄰接空間權重矩陣的SEM均采用固定效應形式。然后,針對這兩個模型固定效應的三種形式(空間固定、時間固定、時空雙向固定)分別進行擬合。運用MATLAB軟件的空間計量軟件包對于這兩種中模型的三種形式進行擬合，擬合的可決系數(shù)值R2，對數(shù)似然值Log Likelihood如下。

基于經(jīng)濟權重矩陣的SLM:空間固定形式、時間固定形式、時空雙向固定形式的可決系數(shù)值分別為0.989 4，0.676 6，0.992 0;空間固定形式、時間固定形式、時空雙向固定形式的對數(shù)似然值分別為247.677 0，-160.365 3，288.067 8?；?-1鄰接權重矩陣的SEM:空間固定形式、時間固定形式、時空雙向固定形式的R2值分別為0.987 0，0.611 9，0.992 0;空間固定形式、時間固定形式、時空雙向固定形式的Log Likelihood值分別為247.088 4，-141.901 9，289.071 7。根據(jù)Log Likelihood值越大,R2值越接近于1,則模型擬合效果越好的擬合度檢驗準則,基于經(jīng)濟權重矩陣的SLM的時空雙向固定形式、基于0-1鄰接權重矩陣SEM的時空雙向固定形式的R2和Log Likelihood值均明顯較優(yōu),因此兩個模型均選擇時空雙向固定形式。

分別對基于不同空間權重矩陣的空間計量模型進行估計和檢驗,結果見表3。根據(jù)檢驗結果,SLM和SEM的可決系數(shù)R2相等,且都為0.992 0;比較Log Likelihood值和AIC值,SLM的Log Likelihood值(289.071 7)大于SEM的Log Likelihood值(288.067 8),而SLM的AIC值(-2.358 9)小于SEM的AIC值(-2.350 6)。根據(jù)Anselin判別準則,最優(yōu)模型是基于經(jīng)濟空間權重矩陣的空間滯后模型(SLM)。

表3　空間計量模型的回歸結果

注:***，**，*分別表示在1%，5%，10%水平上顯著;變量在回歸時均做取對數(shù)處理。量增加1%時會引起周邊省份的碳排放量增加0.11%.

2.碳排放量及影響因素的空間溢出效應分析

由表3最優(yōu)模型的擬合結果來看,我國省際碳排放量的空間相關系數(shù)為正,其值為0.011 0,且通過了10%的顯著性檢驗,說明相鄰省份之間的碳排放量具有正的空間溢出效應。當某個省份碳排放二產(chǎn)比重對碳排放量也存在影響，其影響的彈性系數(shù)為0.737 9,且通過1%的顯著性檢驗,說明該因素與碳排放量存在顯著的正相關關系,即第二產(chǎn)業(yè)產(chǎn)值比重的增加會抑制碳減排。隨著我國經(jīng)濟的快速增長,產(chǎn)業(yè)結構對能源消耗有著重要的影響,特別是重化工業(yè)、低附加值工業(yè)導致了二氧化碳排放量過多。在加快發(fā)展新型工業(yè)化過程中,具有高能耗特性的第二產(chǎn)業(yè)比重上升打破了原有的能源消費結構,直接提高了碳排放總量。

人口比重對碳排放量影響的彈性系數(shù)為0.227 8,并通過10%的顯著性檢驗，說明城鎮(zhèn)人口比重每增加1個單位,碳排放量就會增加0.227 8個單位,兩者呈現(xiàn)正相關關系。在加快推進新型城鎮(zhèn)化進程中,城市的集聚效應導致了能源的大量消耗,雖然有利于生產(chǎn),但是不利于資源的節(jié)約,不利于碳減排,會出現(xiàn)碳排放的集聚現(xiàn)象。

高技術產(chǎn)值對碳排放量影響的彈性系數(shù)為-0.114 3,通過1%的顯著性檢驗，說明高新技術產(chǎn)值對碳排放量存在負向作用,即有利于碳減排工程。隨著工業(yè)化進程的加快,高新技術產(chǎn)業(yè)總產(chǎn)值代表了對高技術水平的利用程度,說明越是利用先進技術投入生產(chǎn),越對環(huán)境有利。由于低能耗、高附加值的產(chǎn)業(yè)特征被國家作為重點扶持產(chǎn)業(yè)與傳統(tǒng)產(chǎn)業(yè)共同發(fā)展,因此隨著高技術產(chǎn)值的不斷增加,對于碳減排是有利的。

技術進步對碳排放量的彈性系數(shù)為-0.024 9,且通過5%的顯著性檢驗，說明技術進步在一定程度上可以減少碳排放。由于技術進步具有滯后性,對碳減排的影響需要經(jīng)過時間的積累才能起到顯著作用,因此需要對碳減排技術進行持續(xù)性投入。在實際經(jīng)濟活動當中,應加大對低碳技術的研發(fā)投入和相關技術人員的培養(yǎng),充分發(fā)揮科技是第一生產(chǎn)力的作用,盡快將新技術投入生產(chǎn)以減少碳排放。

四、結論和碳減排路徑探尋

(一)結論

減少碳排放可以有效遏制全球變暖的溫室效應,促進經(jīng)濟向綠色經(jīng)濟、循環(huán)經(jīng)濟和可持續(xù)經(jīng)濟轉(zhuǎn)變。本文基于經(jīng)濟地理,從空間維度出發(fā),通過構造0-1鄰接權重矩陣和經(jīng)濟權重矩陣,建立不同的空間計量模型,對我國2005-2012年省際碳排放量及其影響因素的空間溢出效應進行研究，得到的主要結論如下。

從全局來看,我國省際碳排放量具有顯著的空間正相關關系且呈現(xiàn)出空間集聚現(xiàn)象;不同的空間權重矩陣對空間計量模型的選擇具有一定的影響,經(jīng)濟權重矩陣要明顯優(yōu)于傳統(tǒng)的0-1鄰接權重矩陣,說明經(jīng)濟因素對省際之間碳排放量的影響不容忽視;樣本期間內(nèi),我國省際碳排放量存在正的空間溢出效應,其值為0.011,即相鄰省份間的碳排放量具有相互促進作用;第二產(chǎn)業(yè)產(chǎn)值占GDP比重、城鎮(zhèn)人口比重的增加會抑制碳減排,而高新技術利用的增加、科學技術的進步對碳減排工程有促進作用。

(二)碳減排路徑探尋

結合上述分析,本文從城市產(chǎn)業(yè)規(guī)劃與發(fā)展、技術利用效率、技術創(chuàng)新水平三個路徑給出我國省際碳減排的相關政策建議以供參考,如圖1所示。

圖1　我國省際碳減排路徑分析圖

加強區(qū)域間合作。由于我國碳排放量具有正空間溢出效應,故一個地區(qū)的碳排放量會受到接壤或相鄰地區(qū)碳排放量的影響。受到碳排放量影響的空間傳導機制影響,各省份要盡快促成控制碳排放量的區(qū)域合作,降低高碳排放的區(qū)域集聚性。例如區(qū)域聯(lián)合提高“高碳產(chǎn)業(yè)”的準入門檻,逐漸淘汰傳統(tǒng)的生產(chǎn)模式,鼓勵低碳產(chǎn)業(yè)的發(fā)展;區(qū)域聯(lián)合培養(yǎng)低碳人才,研發(fā)低碳產(chǎn)品,實現(xiàn)資源共享等,以促進區(qū)域間由高碳集聚轉(zhuǎn)變成低碳集聚。

優(yōu)化城市產(chǎn)業(yè)結構與合理規(guī)劃城市規(guī)模發(fā)展。從分析來看,地區(qū)第二產(chǎn)業(yè)總產(chǎn)值占GDP比重增加會導致碳排放量的增加,說明我國第二產(chǎn)業(yè)的低碳技術水平較低或者技術利用水平不高,第二產(chǎn)業(yè)產(chǎn)值的增加還是會帶來較大程度的碳排放量。因此,各省份需要在經(jīng)濟保持穩(wěn)定增長的同時,改革傳統(tǒng)工業(yè)工藝,打造工業(yè)優(yōu)化升級版,轉(zhuǎn)型成低碳產(chǎn)業(yè)。城市規(guī)模發(fā)展在一定程度上會影響對高碳產(chǎn)品的需求,東部地區(qū)碳排放量高于西北地區(qū),這也是與人口聚集密不可分。地方政府應當大力倡導居民低碳生活,建立低碳發(fā)展的機制,激勵居民參與碳減排活動,引導家庭節(jié)能減排,營造一個全民低碳行為的社會風氣,以緩解城鎮(zhèn)人口率增加帶來碳排放壓力。

提高技術創(chuàng)新能力和先進技術利用效率。大力加強自主創(chuàng)新技術研究投入,尤其是專門針對低碳技術的研發(fā)投入。在創(chuàng)新之前,先做實地調(diào)查,針對不同的部門做不同的研究。對于已經(jīng)研發(fā)出的低碳技術,應抓緊投入到生產(chǎn)中,釋放出技術所帶來節(jié)能減排的紅利。此外,加強各省份之間技術交流和校企聯(lián)合,共同完成重大的低碳科技項目。在技術創(chuàng)新的同時,還需要培養(yǎng)運用低碳技術的相關人才,確保技術能夠順利地投入到生產(chǎn)中。

總之,經(jīng)濟新常態(tài)下,在保證經(jīng)濟穩(wěn)定增長的同時,保持節(jié)能減排的持續(xù)性投入,建立低碳節(jié)能發(fā)展的長期機制,統(tǒng)籌規(guī)劃,協(xié)調(diào)發(fā)展。

參考文獻：

[1]James C.Cramer.Population Growth and Local Air Pollution:Methods,Models,and Results[J].Population and Development Review,2002(28):22-52.

[2]Chung U.,Choi J.,Yun J.I..Urbanization Effect on the Observed Change in Mean Monthly Temperatures between 1951-1980 and 1971-2000 in Korea[J].Climate Change,2004(66):127-136.

[3]Eero Paloheimo,Olli Salmi.Evaluating the carbon emissions of the low carbon city:A novel approach for consumer based allocation[J].Cities,2013(30):233-239.

[4]吳玉鳴,李建霞.中國省域能源消費的空間計量經(jīng)濟分析[J].中國人口·資源與環(huán)境,2008,18(3):93-98.

[5]宋幫英,蘇方林.我國省域碳排放量與經(jīng)濟發(fā)展的GWR實證研究[J].財經(jīng)科學,2010(4):41-49.

[6]楊騫,劉華軍.中國二氧化碳排放的區(qū)域差異分解及影響因素——基于1995～2009年省際面板數(shù)據(jù)的研究[J].數(shù)量經(jīng)濟技術經(jīng)濟研究,2012(5):36-49.

[7]程葉青,王哲野,張守志，等.中國能源消費碳排放強度及其影響因素的空間計量[J].地理學報,2013,68(10):1418-1431.

[8]沈體雁,馮等田,孫鐵山.空間計量經(jīng)濟學[M].北京:北京大學出版社,2010:25-77.

[9]Luc Anselin.Spatial Econometric: Methods and Models[M].Hollad:Kluwer Academic Publisher,1988:32-74.

[10]胡亞權.空間面板數(shù)據(jù)模型及其應用研究[D].武漢:華中科技大學,2012:1-104.

[11]項歌德.空間計量經(jīng)濟學理論及其方法應用——基于R&D溢出效應測度的視角[M].北京：復旦大學出版社,2013:186-217.

(編輯：李紅)

任以勝(1988-),男,安徽肥西人,安徽財經(jīng)大學碩士生,研究方向:城市經(jīng)濟理論與實踐;

楊桂元(1957-),男,安徽蕭縣人,安徽財經(jīng)大學教授、碩士生導師,研究方向:數(shù)量經(jīng)濟學。

The Analysis of Spatial Spillover Effects of Regional

Carbon Emissions and the Exploration of Carbon Emission Reduction Paths

WU Qi1, REN Yi-sheng2, YANG Gui-yuan1

(1.InstituteforQuantitative&EconomicResearch,AnhuiUniversityofFinance

andEconomy,BengbuAnhui233030,China; 2.InstituteforUrbanandRegionalEconomic

Research,AnhuiUniversityofFinanceandEconomy,BengbuAnhui233030,China)

Abstract：In order to explore the developmental paths of carbon emission reduction, we select provincial panel data in China and use spatial measurement method to model. The results show that the model with the optimal fitting effect is the spatial lag model based on the economic weight matrix; there is a significant spatial autocorrelation of carbon emissions in different provinces and positive spatial spillover effect; there is a positive correlation between the proportion of secondary industry, the proportion of the population and carbon emissions and high technology output and technological progress can promote carbon emission reduction. Finally, this paper explores the developmental paths of carbon emission reduction from the following three aspects: urban industry planning and development, technology utilization efficiency and technological innovation level.

Key words：carbon emission; the developmental paths of carbon emission reduction; spatial spillover effects

收稿日期：*2015-10-24

中圖分類號：F061.5;F064.1

文獻標識碼：A

文章編號：1009-5837(2015)06-0049-06

作者簡介：吳齊(1991-),女,安徽蚌埠人,安徽財經(jīng)大學碩士生,研究方向:數(shù)量經(jīng)濟學;