盧 玉，陳曉平

(福建師范大學(xué) 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，福建 福州 350117)

0 引言

近年來(lái)，全球氣候變暖加劇，空氣污染嚴(yán)重，氣候的變化與人類的的健康息息相關(guān)[1]。CO2排放量的增加導(dǎo)致的環(huán)境問(wèn)題已經(jīng)成為人們關(guān)注的焦點(diǎn)。中國(guó)一直是CO2排放大國(guó)，《BP世界能源統(tǒng)計(jì)年鑒》2021年版中指出，2020年中國(guó)的CO2排放總量為99×108t，比2019年CO2排放量增加近1×108t，增長(zhǎng)率為0.6%，在全球CO2排放中的比例為31%。中國(guó)很早就意識(shí)到環(huán)境污染日益嚴(yán)重的問(wèn)題，積極推進(jìn)CO2減排工作，并在2020年做出了“力爭(zhēng)2030年前CO2排放達(dá)到峰值，努力爭(zhēng)取2060年前實(shí)現(xiàn)碳中和”的承諾。CO2減排將會(huì)對(duì)各行業(yè)產(chǎn)生積極的影響[2，3]。各國(guó)都在積極應(yīng)對(duì)CO2減排工作，中國(guó)也采取了一系列措施促進(jìn)CO2減排。

目前，CO2排放的研究多涉及到清潔能源消費(fèi)、工業(yè)和農(nóng)業(yè)等部門的CO2減排工作、碳減排相關(guān)驅(qū)動(dòng)因素研究等[4-8]。學(xué)者們關(guān)于CO2排放影響因素的研究很廣泛。例如，胡雷[9]利用對(duì)數(shù)迪氏平均指數(shù)分解方法(LMDI)研究城鎮(zhèn)化對(duì)CO2排放的影響機(jī)理，發(fā)現(xiàn)城鎮(zhèn)化導(dǎo)致的經(jīng)濟(jì)增長(zhǎng)是人均CO2排放增加的主要拉動(dòng)因素；潘佳佳和李廉水[10]利用同樣的方法將工業(yè)CO2排放的影響因素分解為人口因素、經(jīng)濟(jì)發(fā)展、能源消費(fèi)結(jié)構(gòu)和能源強(qiáng)度因素。馬曉鈺等[11]利用STIRPAT模型研究人口規(guī)模、城市化水平、年齡結(jié)構(gòu)、收入水平、能源消費(fèi)結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)對(duì)CO2排放的影響；陳占明等[12]利用擴(kuò)展的STIRPAT模型研究人口規(guī)模、第二產(chǎn)業(yè)產(chǎn)值占比、采暖需求和城鎮(zhèn)化率對(duì)CO2排放的影響；Du等[13]將綠色技術(shù)創(chuàng)新引入CO2排放的影響因素中，結(jié)果表明綠色技術(shù)創(chuàng)新對(duì)收入水平的影響存在單一的門檻效應(yīng)，人均GDP、城市化水平、產(chǎn)業(yè)結(jié)構(gòu)、貿(mào)易開(kāi)放程度和能源消費(fèi)結(jié)構(gòu)也對(duì)CO2排放有顯著影響；Zandi等[14]在研究貿(mào)易自由化在CO2排放中的作用時(shí)發(fā)現(xiàn)貿(mào)易自由化對(duì)環(huán)境退化有積極的影響，并導(dǎo)致增加環(huán)境惡化。同樣，經(jīng)濟(jì)增長(zhǎng)和能源消費(fèi)也有積極的和對(duì)環(huán)境退化有重大影響。已有關(guān)于CO2排放影響因素的研究對(duì)本研究提供了啟示。

事實(shí)上，各因素對(duì)人均CO2排放分布的影響具有明顯的區(qū)域性特征。當(dāng)前關(guān)于CO2排放的相關(guān)研究往往忽略了不同影響因素的空間作用尺度差異。常見(jiàn)的最小二乘回歸(OLS)等全局回歸模型不能測(cè)度不同區(qū)域自變量對(duì)因變量影響的差異性[15]，地理加權(quán)回歸(GWR)模型中雖然利用變系數(shù)可以展示不同區(qū)域自變量與因變量的關(guān)系變化，但所有自變量的帶寬都是相同的，這無(wú)法展示現(xiàn)實(shí)生活中各影響因素的真實(shí)空間過(guò)程[16]。而多尺度地理加權(quán)回歸(MGWR)模型彌補(bǔ)了以上各模型的不足，在一定程度上可以處理全局和局部的空間作用尺度問(wèn)題[17]。MGWR模型通常用于研究影響因素的地理空間上的差異化特征，探究影響因素在空間上的演變[18-21]。

本研究運(yùn)用多尺度地理加權(quán)回歸模型(MGWR)探究各因素對(duì)中國(guó)省域人均CO2排放的影響性質(zhì)與強(qiáng)度，揭示影響因素在空間上作用尺度及影響效果的異質(zhì)性，以便為CO2減排相關(guān)政策措施的實(shí)施提供依據(jù)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來(lái)源

本研究CO2的計(jì)算根據(jù)張曉梅和莊貴陽(yáng)[22]計(jì)算CO2排放總量的方法得到，即將3種一次能源消費(fèi)量乘以各自的CO2排放系數(shù)得到各種能源的CO2排放量，將它們加總得到CO2排放總量。根據(jù)相關(guān)研究[23，24]及數(shù)據(jù)的易獲取性，選定的解釋變量除了常見(jiàn)的能源強(qiáng)度、人均社會(huì)消費(fèi)品總額、人均固定資產(chǎn)投資額和第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值比值(人均社會(huì)消費(fèi)品總額、人均固定資產(chǎn)投資額都是經(jīng)過(guò)以 2013年為基年的GDP平減指數(shù)調(diào)整后的數(shù)據(jù))外，本研究引入數(shù)字經(jīng)濟(jì)指數(shù)和新型城鎮(zhèn)化指數(shù)作為解釋變量。

中國(guó)信息通信研究院(CNY)發(fā)布的2020年《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書》中指出數(shù)字經(jīng)濟(jì)的關(guān)鍵要素是數(shù)字化的知識(shí)和信息，核心驅(qū)動(dòng)力是數(shù)字技術(shù)，重要載體是現(xiàn)代信息網(wǎng)絡(luò)，是一個(gè)將實(shí)體經(jīng)濟(jì)與數(shù)字技術(shù)相融合，重構(gòu)新型經(jīng)濟(jì)形態(tài)的過(guò)程。據(jù)中國(guó)信息通信研究院發(fā)布的2020年《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書》顯示，中國(guó)2020年數(shù)字經(jīng)濟(jì)規(guī)模為39.2×1012元，比2019年增加3.3×1012元，占GDP的38.6%，增長(zhǎng)速度高達(dá)9.7%。隨著數(shù)字經(jīng)濟(jì)的快速發(fā)展，對(duì)數(shù)字經(jīng)濟(jì)的測(cè)度和衡量成為學(xué)者們關(guān)心的問(wèn)題。研究表明數(shù)字經(jīng)濟(jì)有利于緩解環(huán)境壓力，改善環(huán)境質(zhì)量[25]。Li等[26]研究發(fā)現(xiàn)CO2排放和數(shù)字經(jīng)濟(jì)之間呈“倒U型”非線性關(guān)系，支持環(huán)境庫(kù)茲涅茨曲線(EKC)假說(shuō)。這表明數(shù)字經(jīng)濟(jì)與CO2排放間存在相關(guān)關(guān)系。因此，本研究引入數(shù)字經(jīng)濟(jì)作為解釋變量探究數(shù)字經(jīng)濟(jì)的發(fā)展是否可以為碳減排提供動(dòng)力。

中國(guó)近年來(lái)積極探索以人為本的新型城鎮(zhèn)化形式，即“集約、高效、城鄉(xiāng)一體化、和諧、可持續(xù)”的城鎮(zhèn)化模式[27]。新型城鎮(zhèn)化對(duì)CO2排放的影響也是學(xué)者們研究的問(wèn)題。Sun等[28]基于中國(guó)30個(gè)省份的面板數(shù)據(jù)建模發(fā)現(xiàn)城鎮(zhèn)化與碳排放效率呈“倒U型”關(guān)系；Shi等[29]以環(huán)境庫(kù)茲涅茨曲線為基礎(chǔ)分析中國(guó)32個(gè)省份碳排放與城市化率之間的三階段動(dòng)態(tài)關(guān)系；楊曉軍和陳潔[30]表明城鎮(zhèn)化與CO2排放存在長(zhǎng)期的均衡關(guān)系，城鎮(zhèn)化對(duì)CO2排放影響呈現(xiàn)地區(qū)間差異；周葵和戴小文[31]研究發(fā)現(xiàn)城市化率與碳排放之間長(zhǎng)期存在驅(qū)動(dòng)關(guān)系，城市化率的提高將引起碳排放量的增加。因此，本研究也將新型城鎮(zhèn)化作為人均CO2排放的影響因素引入，探究新型城鎮(zhèn)化對(duì)人均CO2排放的影響效果。

本研究中數(shù)字經(jīng)濟(jì)指數(shù)和新型城鎮(zhèn)化指數(shù)通過(guò)借鑒前人的相關(guān)研究[32-35]構(gòu)建相應(yīng)的指標(biāo)評(píng)價(jià)體系，利用熵值法[36]計(jì)算得到。其相應(yīng)的指標(biāo)評(píng)價(jià)體系如表1和表2所示。本研究相關(guān)數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》、各省份統(tǒng)計(jì)年鑒、互聯(lián)網(wǎng)發(fā)展統(tǒng)計(jì)報(bào)告、工業(yè)與信息化部發(fā)布數(shù)據(jù)等。本研究所涉及的30個(gè)省份不包括臺(tái)灣、香港、澳門和西藏地區(qū)。

表1 數(shù)字經(jīng)濟(jì)指數(shù)評(píng)估體系

表2 新型城鎮(zhèn)化指數(shù)評(píng)估體系

1.2 研究方法

MGWR模型的公式如下：

(1)

式中：(ui,vi)是樣本點(diǎn)i的坐標(biāo)；β0(ui,vi)是模型在樣本點(diǎn)i的截距；βbwj(ui,vi)是樣本點(diǎn)i在第j個(gè)變量處的回歸系數(shù)；εi是隨機(jī)誤差項(xiàng)[21]。MGWR模型每個(gè)變量都有不同的帶寬，可以反映不同變量在不同空間作用尺度上的回歸系數(shù)，即MGWR模型的每個(gè)回歸系數(shù)βbwj都是基于局部回歸得到的。通常來(lái)說(shuō)，帶寬越大，則該變量的空間異質(zhì)性越小，反之則空間異質(zhì)性越大[20]。本研究使用的核函數(shù)和帶寬選擇準(zhǔn)則分別是二次核函數(shù)和AICc準(zhǔn)則。

MGWR模型可以看成是一個(gè)廣義可加模型，通常采用后退擬合算法擬合各個(gè)平滑項(xiàng)。該算法要求對(duì)所有的平滑項(xiàng)設(shè)定一個(gè)初始值，然后再去不斷優(yōu)化初始值，最終收斂于某個(gè)值。常用的初始化有4種：經(jīng)典GWR估計(jì)、半?yún)?shù)GWR估計(jì)、最小二乘估計(jì)、初始值均設(shè)為0[19]。經(jīng)典GWR模型估計(jì)收斂速度比較快，本研究選擇以經(jīng)典GWR估計(jì)作為初始估計(jì)。

MGWR模型估計(jì)共有兩種準(zhǔn)則，分別是SOC-f和SOC-RSS。在SOC-f收斂準(zhǔn)則中，前一次回歸系數(shù)和后一次回歸系數(shù)相差最大不超過(guò)收斂值，收斂準(zhǔn)則更加嚴(yán)格。當(dāng)回歸系數(shù)估計(jì)值變化程度小于1×10-5時(shí)，認(rèn)為模型擬合完成。而在SOC-RSS收斂準(zhǔn)則中，前后兩次回歸的殘差平方和相差最大不會(huì)超過(guò)收斂值，該收斂準(zhǔn)則較寬松。本研究選擇更嚴(yán)格的SOC-f收斂準(zhǔn)則。MGWR模型的具體擬合過(guò)程在Yu關(guān)于該模型的文獻(xiàn)中有詳細(xì)論述[37]。本研究采用MGWR模型分析時(shí)并不考慮回歸系數(shù)的實(shí)際經(jīng)濟(jì)意義，只考慮其相對(duì)大小的比較，所以本研究所有變量在模型擬合前均做了標(biāo)準(zhǔn)化處理。

2 模型建立與結(jié)果分析

2.1 變量的描述性統(tǒng)計(jì)

本研究利用MGWR模型對(duì)人均CO2排放影響因素的空間異質(zhì)性進(jìn)行分析，在建模前首先對(duì)所有變量做描述性統(tǒng)計(jì)(表3)。

表3 變量描述性統(tǒng)計(jì)表

2.2 變量多重共線性檢驗(yàn)

MGWR模型對(duì)變量是否存在多重共線性要求較高，故本研究對(duì)所有解釋變量做多重共線性檢驗(yàn)。一般認(rèn)為，當(dāng)VIF(方差膨脹因子)大于10時(shí)，變量間存在多重共線性，此時(shí)會(huì)使結(jié)果產(chǎn)生偏差。由表4可知，所有解釋變量的VIF都小于10，所以認(rèn)為本研究選取的解釋變量不存在多重共線性。

根據(jù)《內(nèi)科學(xué)》呼吸系統(tǒng)疾病教學(xué)大綱，選擇慢性阻塞性肺疾病、支氣管哮喘、胸腔積液、肺炎作為教學(xué)內(nèi)容，選擇住院患者的代表性病例進(jìn)行授課[3-4]。

表4 解釋變量多重共線性檢驗(yàn)結(jié)果

2.3 模型結(jié)果分析

MGWR模型擬合結(jié)果的相關(guān)指標(biāo)如表5所示。MGWR模型調(diào)整為0.828，表明模型擬合效果較好；模型的AICc值為281.375，殘差平方和為29.563；有效參數(shù)數(shù)量為38.261，說(shuō)明該模型使用較少的參數(shù)得到了比較接近真實(shí)值的回歸結(jié)果；模型變量帶寬取值豐富，每個(gè)變量都有專屬的帶寬取值。

變量帶寬可以衡量各個(gè)過(guò)程的空間作用尺度，并反映出影響因素對(duì)人均CO2排放的差異。空間作用尺度越大表明該影響因素作用效果的空間異質(zhì)性越小，反之，空間異質(zhì)性越大。由表5可知，能源強(qiáng)度的空間作用尺度均為45(<50)，說(shuō)明其對(duì)人均CO2排放的作用效果空間異質(zhì)性較大。新型城鎮(zhèn)化指數(shù)和人均社會(huì)消費(fèi)品總額的空間作用尺度都為51，這兩者作用效果的空間異質(zhì)性相對(duì)來(lái)說(shuō)適中，回歸系數(shù)在空間上較不平穩(wěn)。人均固定資產(chǎn)投資額和數(shù)字經(jīng)濟(jì)指數(shù)的空間作用尺度分別為66和72，兩者的空間異質(zhì)性相對(duì)來(lái)說(shuō)較大。第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值比值的空間作用尺度為94，該變量對(duì)人均CO2排放作用效果的空間異質(zhì)性較小，回歸系數(shù)在空間上較平穩(wěn)。

表5 MGWR模型擬合結(jié)果

2.4 影響因素的空間異質(zhì)性分析

本研究采用MGWR模型對(duì)人均CO2排放及其影響因素進(jìn)行回歸，各影響因素的回歸系數(shù)描述統(tǒng)計(jì)如表6所示。各影響因素對(duì)不同省人均CO2排放的影響呈現(xiàn)出特定的回歸系數(shù)，差異較大。新型城鎮(zhèn)化指數(shù)、能源強(qiáng)度均正向影響人均CO2排放，

表6 MGWR回歸系數(shù)統(tǒng)計(jì)描述

而其他因素對(duì)人均CO2排放的影響是雙向的。均值反映了各影響因素對(duì)人均CO2排放貢獻(xiàn)程度的平均指數(shù)。從回歸系數(shù)均值的正負(fù)兩方面來(lái)看，新型城鎮(zhèn)化指數(shù)、能源強(qiáng)度、人均社會(huì)消費(fèi)品總額對(duì)人均CO2排放的影響為正，其他變量為負(fù)。從回歸系數(shù)均值的絕對(duì)值來(lái)看，能源強(qiáng)度對(duì)人均CO2排放的影響最大，其次是新型城鎮(zhèn)化指數(shù)，影響強(qiáng)度最弱的是數(shù)字經(jīng)濟(jì)指數(shù)。

所有影響因素均有樣本點(diǎn)具有顯著性。新型城鎮(zhèn)化指數(shù)與能源強(qiáng)度顯著性樣本占比大于90%，在大部分范圍內(nèi)顯著。人均固定資產(chǎn)投資額的顯著性樣本占比為70%，其在一半以上的樣本點(diǎn)范圍內(nèi)顯著。常數(shù)項(xiàng)和第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值比值的顯著性樣本占比低于50%，僅有40%，說(shuō)明其回歸系數(shù)顯著的樣本點(diǎn)范圍不足一半。數(shù)字經(jīng)濟(jì)指數(shù)的顯著性樣本占比在10%，表明其回歸系數(shù)只在局部范圍內(nèi)顯著。

本研究重點(diǎn)關(guān)注在解釋變量上顯著的樣本點(diǎn)，所以只繪制了影響因素回歸系數(shù)P值小于0.1的樣本點(diǎn)空間分布地圖(圖1)。

圖1(a)所示為數(shù)字經(jīng)濟(jì)指數(shù)對(duì)人均二氧化碳排放影響的回歸系數(shù)圖。數(shù)字經(jīng)濟(jì)指數(shù)對(duì)人均CO2排放有顯著的抑制作用?；貧w系數(shù)在-0.313 57～-0.262 98，只有北京、河北、寧夏這3個(gè)地區(qū)的回歸系數(shù)是顯著的。這表明，中國(guó)大部分地區(qū)數(shù)字經(jīng)濟(jì)指數(shù)的提高并不會(huì)促進(jìn)人均CO2排放的減少，只有極少數(shù)地區(qū)數(shù)字經(jīng)濟(jì)指數(shù)的提高伴隨著人均CO2排放的減少。隨著數(shù)字經(jīng)濟(jì)的發(fā)展，居民的環(huán)保意識(shí)增強(qiáng)，企業(yè)更加注重社會(huì)責(zé)任，更傾向于使用清潔能源和可再生能源，使用環(huán)境友好型技術(shù)，所以其對(duì)人均CO2排放的影響是負(fù)向的。表明數(shù)字經(jīng)濟(jì)指數(shù)與CO2排放減少可以同時(shí)存在，實(shí)現(xiàn)共生發(fā)展。即隨著數(shù)字經(jīng)濟(jì)指數(shù)的提高，人均CO2排放量減少。

圖1(b)所示為新型城鎮(zhèn)化指數(shù)對(duì)人均CO2排放影響的回歸系數(shù)圖?；貧w系數(shù)在0.213 874～1.076 215。新型城鎮(zhèn)化指數(shù)對(duì)人均CO2排放有顯著的促進(jìn)作用，即在推進(jìn)新型城鎮(zhèn)化的進(jìn)程中，新型城鎮(zhèn)化指數(shù)的提高會(huì)促進(jìn)人均CO2排放的增加。回歸系數(shù)的高值區(qū)主要是青海、吉林、內(nèi)蒙古、黑龍江、山東和江西等省份。這種現(xiàn)象可能的原因是在推進(jìn)新型城鎮(zhèn)化的進(jìn)程中，一些高新技術(shù)產(chǎn)業(yè)的發(fā)展會(huì)帶來(lái)對(duì)環(huán)境的負(fù)面影響，公眾將更多注意力放在提高新型城鎮(zhèn)化指數(shù)上，而忽略了對(duì)環(huán)境的關(guān)注，因此對(duì)人均CO2排放量的影響作用更大。低值區(qū)主要集中在一些南方省份，包括廣東、廣西、福建、江蘇等。南方省份往往更注重經(jīng)濟(jì)發(fā)展，經(jīng)濟(jì)發(fā)展水平高，所以其新型城鎮(zhèn)化指數(shù)較高，此時(shí)會(huì)將注意力轉(zhuǎn)移到環(huán)境身上，以求實(shí)現(xiàn)成本最小化而收益最大化，即將新型城鎮(zhèn)化指數(shù)提高的同時(shí)對(duì)環(huán)境的破壞和影響達(dá)到最小。這表明中國(guó)要實(shí)現(xiàn)新型城鎮(zhèn)化指數(shù)提高的同時(shí)減少CO2排放還需繼續(xù)努力，將關(guān)注點(diǎn)放在環(huán)境保護(hù)方面。

圖1(c)所示能源強(qiáng)度對(duì)人均CO2排放影響的回歸系數(shù)圖。回歸系數(shù)在0.113 878～1.117 294，能源強(qiáng)度對(duì)人均CO2排放有顯著的正向作用，除了浙江和福建地區(qū)的回歸系數(shù)不顯著外，其余各省均是顯著的?；貧w系數(shù)最大的是北京，回歸系數(shù)為1.721 294，北京是中國(guó)的首都，經(jīng)濟(jì)發(fā)展水平極高，伴隨著較高的能源消費(fèi)，所以該地區(qū)能源強(qiáng)度對(duì)人均CO2排放的影響較大。其次是河北，回歸系數(shù)為1.108 197，河北是中國(guó)的重工業(yè)地區(qū)，環(huán)境質(zhì)量較低，能源消耗較多；寧夏地區(qū)的回歸系數(shù)也較大，回歸系數(shù)為1.721 294，寧夏和河北類似，也是工業(yè)地區(qū)，所以消耗能源量較大。能源強(qiáng)度是單位GDP所消耗的能源，是經(jīng)濟(jì)發(fā)展水平的一個(gè)衡量。能源強(qiáng)度越大，則代表單位GDP 所消耗的能源越多，反映了較高的經(jīng)濟(jì)水平，而經(jīng)濟(jì)水平的快速增長(zhǎng)在初期往往以犧牲環(huán)境為代價(jià)，所以經(jīng)常伴隨著環(huán)境的破壞。同時(shí)，大量能源的消耗，也伴隨著大量CO2的排放，所以能源強(qiáng)度的增加往往意味著環(huán)境質(zhì)量的降低，即其會(huì)促進(jìn)人均CO2排放量的增加。

圖1(d)所示人均社會(huì)消費(fèi)品總額對(duì)人均CO2排放影響的回歸系數(shù)圖?；貧w系數(shù)在0.332 023～1.149 339，其對(duì)人均CO2排放量有顯著的促進(jìn)作用。作用強(qiáng)度呈現(xiàn)由東北向北部和中西部逐漸增強(qiáng)的趨勢(shì)。影響強(qiáng)度最大的是青海，其回歸系數(shù)為1.149 339，其次是內(nèi)蒙古和河北，回歸系數(shù)分別是0.940 418和0.888 627。生產(chǎn)與消費(fèi)緊密相連，兩者相互促進(jìn)，生產(chǎn)促進(jìn)消費(fèi)，消費(fèi)又會(huì)反向促進(jìn)生產(chǎn)。隨著人均社會(huì)消費(fèi)品總額的提高，會(huì)促進(jìn)企業(yè)加大生產(chǎn)，消耗更多的物質(zhì)，從而導(dǎo)致CO2排放增加。

圖1(e)所示人均固定資產(chǎn)投資額對(duì)人均CO2排放影響的回歸系數(shù)圖?；貧w系數(shù)在-0.818 891～0.364 118，其對(duì)人均CO2排放有顯著的雙向作用。顯著的地區(qū)主要集中在東北、南方地區(qū)和部分中部地區(qū)。人均固定資產(chǎn)投資的增加會(huì)促進(jìn)經(jīng)濟(jì)增長(zhǎng)，進(jìn)一步增加居民收入并促進(jìn)技術(shù)進(jìn)步，為能源消費(fèi)總量的增加提供了路徑，進(jìn)而為促使人均CO2排放量增長(zhǎng)提供了基礎(chǔ)。同時(shí)，一些地區(qū)人均固定資產(chǎn)投資額的增加代表著經(jīng)濟(jì)水平的提高，此時(shí)會(huì)更注重對(duì)環(huán)境的保護(hù)，有利于人均CO2排放量的減少。

圖1(f)所示為第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值比值對(duì)人均CO2排放影響的回歸系數(shù)圖。回歸系數(shù)在-0.599 995～0.534 771，其對(duì)人均CO2排放有顯著的雙向作用，顯著的地區(qū)主要集中在東北、部分西部地區(qū)和南方地區(qū)。只有安徽、江蘇和山西3省份對(duì)人均CO2排放有促進(jìn)作用，其余省份對(duì)人均CO2排放都具有抑制作用。中國(guó)正處于產(chǎn)業(yè)改革升級(jí)的階段，第二產(chǎn)業(yè)往往是重工業(yè)、制造業(yè)等，會(huì)導(dǎo)致環(huán)境惡化和人均CO2排放增多，第三產(chǎn)業(yè)更多的是服務(wù)業(yè)。近年來(lái)中國(guó)在加快轉(zhuǎn)變產(chǎn)業(yè)結(jié)構(gòu)，目的就是改善環(huán)境質(zhì)量，減少CO2排放，減少溫室效應(yīng)。

3 結(jié)論與討論

本研究的結(jié)論如下：(1)MGWR模型具有較好的擬合效果，調(diào)整為0.828。(2)MGWR模型得到的影響因素空間作用尺度表明：第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值比值的空間作用尺度最大，其次是數(shù)字經(jīng)濟(jì)指數(shù)、人均固定資產(chǎn)投資額、新型城鎮(zhèn)化指數(shù)和人均社會(huì)消費(fèi)品總額，能源強(qiáng)度空間作用尺度具有很大的局限性。在本研究中，以上各影響因素的作用尺度分別為94、72、66、51、51和45。(3)MGWR模型得到的各因素對(duì)人均CO2排放的影響效果方面，能源強(qiáng)度是影響人均CO2排放的最主要因素，其次是新型城鎮(zhèn)化指數(shù)。人均社會(huì)消費(fèi)品總額影響較大，人均固定資產(chǎn)投資額和第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值比值對(duì)于人均CO2排放的影響較小，而數(shù)字經(jīng)濟(jì)影響最弱。(4)MGWR模型得到的各影響因素回歸系數(shù)表明各因素都對(duì)地區(qū)人均CO2排放的影響效果存在著空間異質(zhì)性。其中新型城鎮(zhèn)化指數(shù)和能源強(qiáng)度都為正向作用，兩者顯著的樣本點(diǎn)均占93.33%，數(shù)字經(jīng)濟(jì)指數(shù)、人均社會(huì)消費(fèi)品總額、人均固定資產(chǎn)投資額、第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值比值既存在正向作用也存在負(fù)向作用，在空間上呈現(xiàn)兩極分化，顯著的樣本點(diǎn)占比分別為10%、26.67%、70%和40%。其中數(shù)字經(jīng)濟(jì)指數(shù)顯著的樣本點(diǎn)中都對(duì)人均CO2排放呈現(xiàn)負(fù)向作用；人均社會(huì)消費(fèi)品總額顯著的樣本點(diǎn)中都對(duì)人均CO2排放呈現(xiàn)正向作用；人均固定資產(chǎn)投資額顯著的樣本點(diǎn)中對(duì)人均CO2排放呈現(xiàn)雙向作用；第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值比值顯著的樣本點(diǎn)中對(duì)人均CO2排放呈現(xiàn)雙向作用。

根據(jù)中國(guó)省域人均CO2排放影響因素的空間異質(zhì)性，各地區(qū)可因地制宜，制定有針對(duì)性的策略促進(jìn)CO2減排工作進(jìn)程。數(shù)字經(jīng)濟(jì)指數(shù)對(duì)人均CO2排放具有顯著的抑制作用，這與前人相關(guān)研究中數(shù)字經(jīng)濟(jì)可以改善環(huán)境質(zhì)量的結(jié)論是一致的[25]。各地區(qū)應(yīng)加快提高數(shù)字經(jīng)濟(jì)指數(shù)，以此來(lái)促進(jìn)CO2減排工作的進(jìn)程。新型城鎮(zhèn)化指數(shù)對(duì)人均CO2排放顯著的促進(jìn)作用，這與前人相關(guān)研究中城鎮(zhèn)化率促進(jìn)CO2排放的結(jié)論也相一致[30，31]。在當(dāng)前階段，各地區(qū)在加快促進(jìn)新型城鎮(zhèn)化進(jìn)程中，要注重對(duì)環(huán)境的影響，不可以犧牲環(huán)境為代價(jià)換來(lái)新型城鎮(zhèn)化水平的提高。能源強(qiáng)度對(duì)人均CO2排放具有顯著的促進(jìn)作用，要使用清潔能源，節(jié)約使用不可再生能源。人均社會(huì)消費(fèi)品總額對(duì)人均CO2排放具有顯著的促進(jìn)作用，公眾應(yīng)減少不必要的消費(fèi)，這將有助于促進(jìn)CO2減排；人均固定資產(chǎn)投資額、第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值比值均對(duì)人均CO2排放具有顯著的雙向作用，各地區(qū)應(yīng)根據(jù)實(shí)際情況采取相應(yīng)的措施，以此緩解CO2排放增加的情況，加大對(duì)環(huán)境保護(hù)的投資，加快轉(zhuǎn)變產(chǎn)業(yè)結(jié)構(gòu)，對(duì)重工業(yè)地區(qū)加大環(huán)保力度。