国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

中國綠色城市建設(shè)研究——基于家庭碳排放的測算分析

2010-01-12 02:21
關(guān)鍵詞:能源消耗排放量家庭

宋 敏

(山東經(jīng)濟(jì)學(xué)院公共管理學(xué)院,山東濟(jì)南 250014)

中國綠色城市建設(shè)研究
——基于家庭碳排放的測算分析

宋 敏

(山東經(jīng)濟(jì)學(xué)院公共管理學(xué)院,山東濟(jì)南 250014)

本文利用我國2006年74個主要城市的面板數(shù)據(jù),對各個城市一個標(biāo)準(zhǔn)家庭的碳排放進(jìn)行了有效估算并進(jìn)行排名。結(jié)果表明,在以標(biāo)準(zhǔn)家庭碳排放為唯一衡量指標(biāo)時,淮安和宿遷是最“綠色”的城市,大慶和牡丹江是最“灰色”的城市;即使在最“灰色”的城市大慶,一個標(biāo)準(zhǔn)家庭產(chǎn)生的碳排放量僅是美國最“綠色”城市圣地亞哥的1/5;城市人口規(guī)模、人口增長、收入、氣溫和城市化發(fā)展模式等因素對碳排放均有影響,家庭碳排放量與一月份平均氣溫顯著負(fù)相關(guān)。

碳排放;標(biāo)準(zhǔn)家庭;估算;氣溫;綠色城市

中國正處在經(jīng)濟(jì)快速增長、城市化加速、碳排放日益增加相互交織的經(jīng)濟(jì)轉(zhuǎn)型時期。新中國成立以來,國內(nèi)生產(chǎn)總值從1952年的679億元上升到2008年的300670億元,年平均增長8.1%, 2008年的經(jīng)濟(jì)總量比1952年增加了77倍[1]。城市化水平也從12.5%增加到45.68%,中國的城市進(jìn)入工業(yè)化、城市化快速發(fā)展階段,能源消費(fèi)和相應(yīng)的碳排放總量也在快速增加。近年來發(fā)達(dá)國家的統(tǒng)計數(shù)據(jù)表明,居民生活消費(fèi)的直接與間接能耗已超過產(chǎn)業(yè)部門,成為碳排放的主要增長點(diǎn)[2]。那么,我國城市居民的能源消耗究竟如何影響碳排放總量?碳排放和城市的發(fā)展又存在什么關(guān)系?對以上問題的思考和實(shí)證研究,不僅能讓我們觀察到我國在城市化進(jìn)程中碳排放的變化趨勢,還能夠?yàn)樘紲p排機(jī)制提供證據(jù),并以此為理解當(dāng)代中國城市發(fā)展對環(huán)境的影響提供一個新的視角。

本文利用2006年中國城鎮(zhèn)住戶調(diào)查的微觀數(shù)據(jù),對中國74個主要城市家庭的碳排放進(jìn)行了估算,并根據(jù)結(jié)果對城市進(jìn)行排名。研究結(jié)果對評估中國目前城市化進(jìn)程帶來的環(huán)境后果和制定城市化發(fā)展的碳減排政策決策具有參考價值。

一、研究背景和研究問題

從社會發(fā)展過程看,在過去200年間,由于工業(yè)革命導(dǎo)致大規(guī)模的化石燃料使用,全球碳排放量和城市化水平一直處于同步的增長趨勢;從碳排放源頭看,城市是人口、建筑、交通、工業(yè)、物流的集中地,也是高耗能、高碳排放的集中地[3]。英國80%的化石燃料是由建筑和交通消耗的,城市是最大的二氧化碳排放者[4]。在美國,城市家庭碳排放量占國內(nèi)碳排放總量的40%,而在中國這一比例不足20%。但是,當(dāng)中國從以制造業(yè)為主向服務(wù)業(yè)為主轉(zhuǎn)型時,碳排放量中家庭所占的比例將肯定會提高。當(dāng)中國家庭更加富裕時,他們將消耗更多電力,增加對私家車的需求,會更加推動碳排放的增加。

目前關(guān)于城市家庭能源消耗對碳排放影響的研究基本都是在考慮城市家庭能源消耗的方式、城市空間人口分布與碳排放關(guān)系的基礎(chǔ)上進(jìn)行分析的。

城市家庭能源消耗的方式與碳排放關(guān)系的研究大多采用投入產(chǎn)出模型,分析人的行為方式對能源消費(fèi)及碳排放的直接影響和間接影響。Schippe等發(fā)現(xiàn)消費(fèi)者的行為,如私人汽車、家庭、服務(wù)等,能夠影響大約全部能源消費(fèi)的45~55%[5]。Lenzen[6]、Weber[7]等分別建立評估模型,實(shí)證分析了澳大利亞、德國、法國、荷蘭等國的消費(fèi)者行為與生活方式因素對能源消費(fèi)和溫室氣體排放量的影響;Kim[8]研究了1985至1995年韓國居民消費(fèi)模式的變化對CO2與SO2排放的影響,研究結(jié)果顯示,居民生活的直接能源消費(fèi)及對強(qiáng)排放消費(fèi)品的需求,是影響溫室氣體排放的最主要因素。

人口在不同城市的空間分布是碳排放的一個決定性因素。一般情況下,人們普遍認(rèn)為經(jīng)濟(jì)發(fā)達(dá)的城市碳排放明顯偏高,但這種情況在美國并不存在。一個可能的解釋是,經(jīng)濟(jì)發(fā)達(dá)的城市可能加大對能源利用的基礎(chǔ)設(shè)施的投資力度。Auffhammer和Carson[9]通過對1985年至2004年中國30個省份面板數(shù)據(jù)的實(shí)證研究,研究了國家和地區(qū)碳排放量作為人口規(guī)模與收入的函數(shù)如何變化。A lmond等[10]研究發(fā)現(xiàn),在中國,冬季寒冷的地區(qū)由于需要家庭集中供暖,碳排放量特別高。例如,北京(有集中供暖)比上海(沒有集中供暖)碳排放量顯著增多。集中供暖的決定性作用表明,如果政府利用更清潔的能源來提供供暖,城市碳排放就會顯著下降。Glaeser和Kahn[11]研究發(fā)現(xiàn)氣候適宜的地區(qū)(比如加利福尼亞海岸地區(qū))比氣候惡劣的地區(qū)(比如德克薩斯州)碳排放量明顯降低:孟菲斯一個標(biāo)準(zhǔn)家庭的碳排放比圣地亞哥要多78%。同時發(fā)現(xiàn)人口密度越大的地區(qū)碳排放量越少。

國內(nèi)有關(guān)碳排放估算與城市發(fā)展的研究比較少,相關(guān)研究仍然處于起步階段。莊貴陽、張偉[12]探討了我國城市化進(jìn)程中基礎(chǔ)設(shè)施建設(shè)和能源消耗之間的關(guān)系,給出了基礎(chǔ)設(shè)施建設(shè)的低碳發(fā)展路徑。曲建升等人[13]的研究表明,2006年中國碳排放總量呈由東部沿海向中部和西部地區(qū)遞減的趨勢,高排放區(qū)域主要集中在東部沿海發(fā)達(dá)地區(qū)和內(nèi)蒙古、河南等少數(shù)內(nèi)陸省份,總體形成了內(nèi)蒙古—河北—遼寧—山東—江蘇—浙江的高排放連綿帶(以環(huán)渤海區(qū)和長三角為主)和珠三角高排放地區(qū)。與我國城市空間分布格局相對照,這些區(qū)域總體上是我國的城市密集區(qū)。他們的研究單位并沒有縮小到市這一級。朱勤等[14]通過對STIRPA T模型的擴(kuò)展,應(yīng)用嶺回歸方法計量分析人口、消費(fèi)及技術(shù)因素對碳排放的影響,發(fā)現(xiàn)居民消費(fèi)水平、人口城市化率、人口規(guī)模三個因素對我國碳排放總量的變化影響明顯,現(xiàn)階段我國居民消費(fèi)水平與人口結(jié)構(gòu)變化對碳排放的影響力已高于人口規(guī)模變化的影響力,居民消費(fèi)水平與消費(fèi)模式等人文因素的變化有可能成為我國碳排放新的增長點(diǎn)。樊杰[15]提出個人終端消費(fèi)導(dǎo)向的碳足跡研究框架,就是首先采用個人終端消費(fèi)碳足跡作為研究“規(guī)律”的切入點(diǎn),定量核算個人或家庭消費(fèi)導(dǎo)致的碳排放量,揭示人類活動不同環(huán)節(jié)的碳排放強(qiáng)度,討論消費(fèi)能力、生活水平和碳排放的相互關(guān)系。這標(biāo)志著碳排放研究從注重生產(chǎn)層面碳排放開始向注重消費(fèi)層面碳排放轉(zhuǎn)變。葉祖達(dá)[16]認(rèn)為城市是社會應(yīng)對氣候變化挑戰(zhàn)的重要行動平臺和載體,城市政府有責(zé)任推動以降低碳排放為目的的規(guī)劃和管理政策,對城市進(jìn)行碳排放審計是實(shí)施以上具體工作必需的科學(xué)數(shù)據(jù)基礎(chǔ)。然而,不少城市本身對其二氧化碳排放的基線分析、未來情景比較、減量方法和范疇等都還沒有完整的科學(xué)數(shù)據(jù),無法提供政策分析。

本文將在上述理論和實(shí)證研究的基礎(chǔ)上,重點(diǎn)研究我國城市家庭的碳排放。引入標(biāo)準(zhǔn)家庭概念,單獨(dú)把標(biāo)準(zhǔn)家庭的碳排放量作為衡量城市“綠色”程度的指標(biāo)。首先,建立一個分析城市碳排放量與家庭能源消耗之間關(guān)系的方程,研究各項(xiàng)能源消耗與家庭特征之間的關(guān)系。其次利用能源消耗的碳排放轉(zhuǎn)換系數(shù)將能源消耗轉(zhuǎn)換成碳排放量。最后通過各個城市的一個標(biāo)準(zhǔn)家庭的碳排放總量對城市進(jìn)行排名,并解釋城市間的差異。

二、數(shù)據(jù)

本文數(shù)據(jù)主要來源于2006年中國城鎮(zhèn)住戶調(diào)查。該數(shù)據(jù)庫包括了城鎮(zhèn)居民家庭基本情況、家庭成員基本情況、家庭現(xiàn)金收支、家庭消費(fèi)支出、家庭非現(xiàn)金收入。本文選取其中74個主要城市將近25300個家庭作為樣本,測算其住宅耗電、私家車、出租車和其它三種家庭燃料消耗帶來的碳排放量。有些北方城市仍然享受無償?shù)募泄┡?因此該統(tǒng)計中沒有提供其相應(yīng)的冬季取暖支出。

考慮到目前中國相對較低的私家車擁有水平,測算公共交通造成的碳排放便顯得十分重要?!吨袊鞘薪y(tǒng)計年鑒2007年》提供了城市一級的相關(guān)信息,例如公交汽車和地鐵的能源消耗情況,并且提供了2006年十個城市地鐵消耗的電力數(shù)據(jù)。公交汽車的汽油消耗量轉(zhuǎn)換成碳排放量方法比較簡單。而地鐵的電力消耗量轉(zhuǎn)換成碳排放量則比較復(fù)雜。

為了得到以噸為計量單位碳排放量,本文使用一些與電力生產(chǎn)和住宅取暖相關(guān)的碳排放轉(zhuǎn)換系數(shù)。這些轉(zhuǎn)換系數(shù)來源不同,電力生產(chǎn)的碳排放轉(zhuǎn)換系數(shù)來自國家發(fā)展和改革委員會應(yīng)對氣候變化司,住宅取暖的碳排放的轉(zhuǎn)換系數(shù)來自于清華大學(xué)環(huán)境科學(xué)與工程學(xué)系。

表1列出關(guān)鍵變量的名稱、定義、單位、均值和標(biāo)準(zhǔn)差。

表1 主要變量的描述統(tǒng)計

三、模型選擇和研究方法

(一)模型選擇

本文首先引入“標(biāo)準(zhǔn)家庭”,指一個有40000元年收入,3名家庭成員和戶主年齡45歲的城市家庭。這三項(xiàng)指標(biāo)取值由全部樣本求均值得到。引入標(biāo)準(zhǔn)家庭是為了剔除人口分布在城市間的差異對碳排放的影響,單獨(dú)考察城市因素對家庭碳排放的影響。通過中國74個城市,包括所有35個主要城市(直轄市,省會城市,副省級城市),再加上一些有足夠的樣本觀測量的城市為樣本,本文對各個城市一個標(biāo)準(zhǔn)家庭一年的碳排放進(jìn)行估算。城市家庭碳排放有4個主要來源:交通運(yùn)輸、住宅耗電、住宅取暖和家庭燃料。實(shí)證研究的方程如下:

本文的主要目的是用方程(1)對樣本城市的標(biāo)準(zhǔn)家庭的碳排放量進(jìn)行測算,其中E表示碳排放總量,T表示包括私家車、出租車、公交車以及地鐵在內(nèi)的交通運(yùn)輸工具每年的汽油消耗量,然后乘以一個轉(zhuǎn)換系數(shù)γ1得到碳排放量。例如,1升93號汽油的消耗會帶來2.226千克的碳排放。

EL表示住宅耗電量,γ2EL得到住宅耗電帶來的碳排放量。Glaeser和Kahn[11]發(fā)現(xiàn)在美國,耗電量和炎熱的夏季顯著相關(guān),這可能是由于空調(diào)設(shè)備高負(fù)荷的使用。為了將耗電量轉(zhuǎn)換成碳排放量,本文使用地區(qū)發(fā)電廠的平均碳排放系數(shù)γ2,其含義是發(fā)電廠1兆瓦時的電力帶來的碳排放量。燃煤發(fā)電廠比使用天然氣或其他可再生能源(風(fēng)力、水或太陽能)的發(fā)電廠的碳排放轉(zhuǎn)換系數(shù)要大。

H表示住宅取暖的能源消耗量,γ3代表了其轉(zhuǎn)換系數(shù)。本文中,方程(1)測算住宅耗電的碳排放時,使用不同地區(qū)發(fā)電廠的碳排放作為替代。74個城市在地理分布、能源利用狀況和氣溫上存在著較大差異。例如,一些城市主要使用碳排放低的燃料進(jìn)行發(fā)電。北方的城市要比南方的城市寒冷得多。在秦嶺—淮河以北的城市,政府每年的11月15日到次年的3月15日都會提供集中供暖,而以南的地區(qū)并沒有提供集中供暖??紤]到家庭使用集中供暖時自己不能控制室內(nèi)溫度,本文認(rèn)為家庭取暖的能源消耗量和家庭住宅面積呈正比關(guān)系。H占碳排放總量的很大比重,因?yàn)榧彝ト∨钪饕娜剂蟻碜杂诿篬10]。

γ4D F表示家庭燃料消耗帶來的碳排放,其中有些在集中供暖時也使用。其中的D F主要包括:煤、液化石油氣和煤氣。煤的成本比較便宜,但是含碳量高,使用煤會帶來大量的二氧化硫和粉塵微粒等空氣污染。液化石油氣和煤氣是從石油和煤中提煉而來,較為清潔并且含碳量較低。

(二)研究方法

為了對方程(1)作出實(shí)證分析,本文將對各個城市能源消耗做具體回歸估計,從而測算各個城市中一個標(biāo)準(zhǔn)家庭能源消耗量。首先使用家庭微觀數(shù)據(jù)來對各項(xiàng)能源消耗做回歸估計。住宅耗電量中,本文給出:

其中EL是住宅耗電量,CFE是固定效應(yīng),I是家庭年收入,HS是住宅面積,A H是戶主年齡(下同,不再贅述),a1、a2和a3是系數(shù),μ是隨機(jī)擾動項(xiàng)。表2報告了各個城市具體的固定效應(yīng),假設(shè)各個城市的家庭人口結(jié)構(gòu)對能源消耗具有相同的邊際效應(yīng)。

赫克曼兩階段赫克曼兩階段赫克曼兩階段赫克曼兩階段

表2 能源消耗量回歸結(jié)果

本文的樣本城市中許多家庭對某一特定燃料消耗量為零。例如,在北京,本文估計私家車擁有率是23%。因此,在這個城市中77%的家庭汽油消耗為零,其余23%則消耗大量的汽油。在上海,由于人口密度較高以及汽車牌照配額政策,其私家車擁有率更低(16.4%)。同樣的問題存在于家庭對煤、煤氣和液化天然氣的消費(fèi),很多家庭對某一項(xiàng)的消費(fèi)量幾乎為零。因此為了修正回歸估計中因樣本的選擇性而導(dǎo)致的偏差,除了電力消耗和出租車的天然氣消耗以外,本文使用赫克曼兩步法估計對其他形式的能源消耗進(jìn)行修正。

使用赫克曼兩步法進(jìn)行修正,第一步建立Probit模型計算概率:

考察能源消耗時本文的樣本比較小,年齡和家庭人數(shù)的影響不能準(zhǔn)確估計,所以可以在第二步的回歸中剔除年齡和家庭人數(shù)變量。表2結(jié)果表明,出租車消費(fèi)收入彈性大于1,因此是一種奢侈品。汽車擁有量和汽油的消耗具有較高的收入彈性,電力消耗的收入彈性是0.29。相對富裕的城市中家庭逐漸降低了對煤的消費(fèi),轉(zhuǎn)向增加對電和煤氣這樣清潔能源的消費(fèi)。城市發(fā)展的結(jié)果符合家庭環(huán)境庫茲涅茨曲線(EKC)的特征[17]。相對富裕的家庭消耗清潔燃料,盡管消費(fèi)量不斷上升,但可以減少當(dāng)?shù)乜諝馕廴尽C汉鸵夯蜌舛际恰傲淤|(zhì)商品”,其使用隨著收入的上升而下降(但如果一個家庭使用煤,煤消費(fèi)與收入同向上升),而煤氣等清潔能源的使用會隨著收入的增加而提高。

本文使用2006年中國城鎮(zhèn)住戶調(diào)查數(shù)據(jù)來對城市家庭汽油、電力、煤炭、液化石油氣和煤氣的消耗進(jìn)行具體回歸估計,允許不同城市存在不同的系數(shù)。每個回歸都具有如表2相同的形式,這種情況下,本文得到222(74個城市和3個解釋變量)個收入、家庭人數(shù)和戶主年齡三個變量的不同的回歸系數(shù)。表3只給出對收入估計系數(shù)。

各個城市家庭收入和能源消耗之間的關(guān)系存在相當(dāng)大的差異。表3突出了各個城市在收入效應(yīng)方面的差異。上海的私家車汽油消耗的收入回歸系數(shù)(根據(jù)擁有率計算)是北京的私家車汽油消耗收入回歸系數(shù)的2倍。北京電力消耗的收入回歸系數(shù)是0.163,上海是0.171,淄博是0.445。假設(shè)這些2006年的橫截面的回歸系數(shù)不隨時間而改變,表3中的估計數(shù)便可以預(yù)測中國不同城市的經(jīng)濟(jì)增長會如何影響能源消耗。例如,淄博的經(jīng)濟(jì)增長將會比北京消耗更多的電力。

表3 收入的回歸系數(shù)

獨(dú)立變量log(elecq)log(taxiq)car_use log(carq)log(hsize)coal_use log(coalq)lpg_use log(lpgq)coalgas_use log(coalgasq)揚(yáng)州0.355 (3.224***) 1.342 (3.468***) 0.642 (1.302) -0.139 (-0.198) 0.284 (5.234***) -0.601 (-1.202) -0.203 (-0.456) -0.044 (-0.149) -0.107 (-0.627) 0.522 (1.696) 0.221 (1.288)鎮(zhèn)江0.375 (3.895***) 1.438 (2.750***) -0.007 (-0.008) -0.668 (-0.595) 0.396 (9.079***) -2.182 (-4.894***) -0.153 (-0.292) -0.935 (-3.089***) -0.153 (-0.510) 1.923 (4.942***) 0.162 (0.590)臺州0.29 (2.835***) 0.431 (1.551) 0.928 (3.182***) 0.763 (2.263) 0.254 (4.479***) -1.017 (-2.912***) 0.462 (1.529*) -0.416 (-1.609) 0.306 (1.192) 1.356 (4.090***) 0.350 (0.880)宿遷0.238 (2.071**) 1.473 (4.453***) 0.22 (0.458) -2.082 (-0.578) 0.093 (2.006**) -0.43 (-1.836) 0.232 (1.504*) 0.436 (1.305) 0.019 (0.018)杭州0.336 (7.124***) 1.228 (5.246***) 1.122 (3.579***) -0.453 (-0.417) 0.285 (10.060***) -0.512 (-3.047***) 0.123 (1.217) 0.563 (3.530***) 0.357 (1.786*)寧波0.13 (2.942***) 1.231 (4.391***) 0.678 (2.368**) 0.490 (0.852) 0.217 (8.958***) -0.233 (-1.168) 0.085 (0.532) 0.617 (3.119***) 0.027 (0.181)溫州0.241 (2.984***) -0.081 (-0.127) 1.362 (4.383***) 0.853 (5.133***) 0.340 (5.679***) 0.211 (1.034) 1.613 (0.389) -1.692 (-3.741***) 2.086 (4.302***)嘉興0.222 (2.463**) 0.383 (1.056) -0.317 (-0.521) 1.381 (3.214***) 0.227 (4.645***) 0.483 (0.926) 0.466 (1.102) 0.349 (1.243) -1.222 (-2.580**)湖州0.232 (2.726***) 1.313 (3.412***) 1.121 (2.991***) 0.954 (1.966***) 0.321 (7.426***) -0.992 (-1.725) 0.675 (0.732) 0.511 (0.644) -2.622 (-0.430) -1 (-2.366**) 1.318 (3.440***)紹興0.348 (3.754***) 1.445 (2.435**) 0.684 (0.471) 1.711 (0.607) 0.326 (6.775***) -1.319 (-3.346***) 0.341 (0.688) -1.258 (-3.664***) -0.184 (-0.300) 1.61 (4.102***) -0.032 (-0.050)金華0.276 (3.316***) 1.133 (2.998***) 0.128 (0.351) -0.438 (-0.962) 0.256 (4.802***) -1.34 (-3.299***) -0.395 (-1.284) -0.935 (-1.981**) 0.077 (0.693) 1.285 (2.686***) 0.282 (0.201)衢州0.2 (2.214**) 0.165 (0.422) 1.323 (3.180***) 1.477 (3.254***) -0.043 (-0.620) -2.381 (-3.706***) -0.525 (-0.433) -0.198 (-0.589) 0.197 (1.668) 0.507 (1.562) 0.085 (0.233)泰州0.326 (3.100***) 0.992 (2.519**) 1.028 (2.783***) 0.922 (2.234***) 0.242 (3.676***) -1.281 (-2.207**) 0.631 (0.833) -2.094 (-3.520***) 0.406 (1.172) 1.695 (3.186***) 2.347 (0.485)麗水0.235 (2.536**) 1.676 (4.326***) 1.03 (3.196***) 0.725 (1.859**) 0.202 (4.431***) -0.054 (-0.138) -0.734 (-1.657) -0.276 (-0.525) -0.029 (-0.133)合肥0.097 (1.308) 2.597 (4.425***) 0.439 (0.42) 2.800 (1.010) 0.225 (6.235***) -1.16 (-3.776***) -0.050 (-0.189) -0.693 (-2.737***) -0.369 (-1.488) 1.081 (4.151***) 0.701 (1.341)淮南0.221 (2.425**) 0.922 (1.598) 0.75 (0.686) -0.230 (-0.185) 0.245 (5.470***)福州0.151 (2.390**) 1.275 (3.781***) 0.645 (1.511) 0.237 (0.411) 0.250 (6.845***) -0.922 (-2.872***) -0.328 (-1.224) 0.363 (1.322) -0.042 (-0.171) 0.305 (1.062) -0.431 (-1.534*) -0.594 (-2.112**) 0.174 (0.838) 0.877 (3.148***) 0.362 (1.439)廈門0.161 (2.415**) 0.538 (1.623) 1.638 (3.406***) 1.348 (1.443) 0.328 (5.836***) -2.627 (-4.191***) 5.956 (0.422) -0.575 (-1.871*) 0.105 (0.507) 1.162 (3.509***) 0.483 (1.108)南昌0.022 (0.197) 0.205 (5.044***) -0.397 (-1.297) -0.082 (-0.524) 0.367 (1.29) 0.118 (0.501)濟(jì)南0.122 (1.433) 0.894 (4.157***) 1.494 (5.489***) 1.165 (2.757***) 0.303 (8.586***) -1.398 (-5.927***) 0.353 (1.715*) -0.865 (-4.379***) 0.244 (2.045***) 0.954 (4.666***) -1.139 (-0.766)青島0.374 (4.117***) 2.168 (4.960***) 1.56 (2.666***) -1.863 (-0.943) 0.275 (8.525***) -1.023 (-4.018***) 0.224 (0.900) -0.262 (-1.295) -0.138 (-0.990) 0.528 (2.486) -0.054 (-0.246)淄博0.445 (2.112**) 0.062 (0.14) 0.521 (0.842) 0.500 (0.774) 0.302 (4.871***) -2.06 (-3.002***) 1.612 (0.710) -1.163 (-2.509**) 1.160 (1.083) 0.879 (1.892) 0.155 (0.047)煙臺0.563 (4.053***) -0.135 (-0.28) 1.549 (2.338**) 1.603 (2.731***) 0.198 (4.663***) -1.97 (-2.470**) 0.903 (0.487) -0.685 (-1.662*) -0.436 (-0.369) 0.789 (1.884) -0.089 (-0.162)日照0.403 (2.511**) 0.951 (2.236**) 1.578 (4.102***) 1.113 (2.039***) 0.190 (5.014***) -1.598 (-3.044***) -1.235 (-1.766*) -0.587 (-1.519) 0.662 (0.591)鄭州0.259 (3.951***) 0.975 (2.391**) 0.457 (0.742) -1.476 (-0.770) 0.219 (6.540***)洛陽0.127 (1.314) 1.268 (3.527***) 1.28 (2.845***) 1.201 (2.305***) 0.315 (6.934***) -0.876 (-3.072***) 0.192 (0.769) -0.298 (-1.363) 0.207 (1.230) 0.055 (0.221) 0.171 (2.007***) -0.945 (-3.033***) 0.704 (2.240***) -0.554 (-1.727*) 0.089 (0.450) 0.747 (2.237) 1.318 (0.471)武漢0.246 (5.273***) 2.823 (5.385***) 1.779 (2.882***) 0.628 (0.380) 0.269 (8.347***) -1.425 (-4.245***) -0.106 (-0.143) -0.39 (-2.158**) 0.051 (0.320) 0.91 (4.638) -0.685 (-0.951)長沙0.345 (5.948***) 1.206 (4.120***) 1.226 (3.336***) 0.215 (0.346) 0.322 (10.448***) -1.538 (-4.916***) 0.805 (1.003) -0.98 (-3.860***) -0.088 (-0.577) 1.06 (5.001***) 0.718 (2.167***)廣州0.185 (2.213**) 1.853 (4.645***) 0.935 (1.963**) 0.511 (0.584) 0.333 (6.615***) -1.357 (-3.870***) 0.922 (0.679) 1.007 (3.298***) 0.476 (0.915)深圳0.275 (4.076***) 1.581 (2.691***) 0.144 (0.682) 0.078 (0.147) 0.158 (3.364***) -1.275 (-2.439**) 0.515 (0.781) 2.16 (3.567***) 0.064 (0.196)珠海0.098 (1.001) 1.711 (3.263***) 1.416 (3.761***) 1.860 (1.750**) 0.085 (1.747*) 1.839 (1.585) 0.098 (0.494) -0.341 (-0.518) -0.570 (-1.342)南寧0.167 (2.916***) 0.829 (3.300***) 0.653 (2.232**) 0.492 (1.097) 0.316 (9.342***) -1.796 (-3.884***) 2.628 (1.044) -1.292 (-2.712***) -0.085 (-0.350) 2.161 (3.491***) -0.822 (-0.380)???.256 (3.917***) 1.388 (5.474***) 1.145 (4.332***) -0.391 (-0.437) 0.294 (5.875***) -0.546 (-1.842*) 0.134 (0.931) 1.456 (4.305***) 0.486 (1.845**)重慶0.229 (4.134***) 1.255 (1.705*) 0.336 (7.458***)

注:當(dāng)城市對汽油、煤、液化石油氣和煤氣中的某一項(xiàng)消耗少于5%或多于95%時不采用赫克曼兩階段法進(jìn)行回歸估計。少于5%時取0,多于95%時采用OLS回歸估計。括號里為t統(tǒng)計量。上標(biāo)***、**和*分別表示估計系數(shù)在1%、5%和10%水平上顯著。

四、中國城市家庭的碳排放估算的實(shí)證研究

為了測算各個城市的碳排放量,本文使用城市對7種能源的消耗數(shù)據(jù)對一個標(biāo)準(zhǔn)家庭做回歸估計,然后把能源的消耗轉(zhuǎn)化成碳排放量。在對方程(2)、(3)和(4)進(jìn)行回歸估計時,本文控制人口規(guī)模,但沒有控制住宅特征。

(一)住宅耗電

根據(jù)方程(2),本文對74個城市的一個標(biāo)準(zhǔn)家庭的具體耗電量進(jìn)行了回歸估計。例如,本文根據(jù)上海1018戶家庭樣本數(shù)據(jù)進(jìn)行回歸估計:

這個回歸中,R2為0.199。本文使用回歸系數(shù)去估計上海一個標(biāo)準(zhǔn)家庭的年耗電量,其結(jié)果是1494.9千瓦時。然后,再乘以上海的電力的碳排放轉(zhuǎn)換系數(shù)(0.8154噸碳排放/千瓦時),就是方程中(1)的γ2,這就得到了上海一個標(biāo)準(zhǔn)家庭會帶來1.219噸的碳排放量。按照同樣的方法可以得到各個城市一個標(biāo)準(zhǔn)家庭的碳排放(見方程1)的估計。

(二)私家車和出租車

至于私家車,本文使用赫克曼兩階段法來估計各個城市一個標(biāo)準(zhǔn)家庭的能源消耗量(觀測不到時能耗取0)。以北京的汽車2081個樣本數(shù)據(jù)為例,第一步建立Probit模型計算概率:

第二步考慮到家庭擁有一輛汽車的情況:

回歸的第一步,估計得到北京一個標(biāo)準(zhǔn)家庭18.4%的概率會擁有私家車。最后,得到一個標(biāo)準(zhǔn)家庭的私家車汽油年消耗量估計是292.2升。然后本文利用碳轉(zhuǎn)換系數(shù)把汽油消耗量轉(zhuǎn)換成碳排放量。用相同的方法來估計74個城市一個標(biāo)準(zhǔn)家庭使用出租車帶來的碳排放量。

(三)公交汽車和地鐵

2006年中國城鎮(zhèn)住戶調(diào)查的支出數(shù)據(jù)沒有提供關(guān)于家庭使用公共交通的里程數(shù)和能源消耗的可靠數(shù)據(jù)。為了克服這個困難,本文匯總《中國城市統(tǒng)計年鑒2007年》和其他來源的數(shù)據(jù)。統(tǒng)計年鑒提供普通公交汽車、使用液化石油氣的公交汽車數(shù)和使用液化氣的公交汽車的總?cè)藬?shù)。假設(shè)公交汽車的營運(yùn)率是90%,每一輛公交汽車每天行駛約150公里。一輛使用汽油的公交汽車油耗每100公里25升,使用液化石油氣(或天然氣)的公交汽車和使用汽油的公交汽車相比行駛相同距離消耗3/4的燃料。然后,計算每個城市家庭的公交汽車能源消耗總量,并除以城市的家庭總數(shù)。使用轉(zhuǎn)換系數(shù)把一個標(biāo)準(zhǔn)家庭的能源消耗轉(zhuǎn)換成碳排放。

2006年我國只有10個城市有地鐵線路:北京、上海、廣州、深圳,天津、大連、長春、南京、武漢和重慶。按照估計汽車碳排放同樣的方法,對于各個城市,計算出地鐵系統(tǒng)的用電總量,然后除以本城市家庭總數(shù)。這就得到城市一個標(biāo)準(zhǔn)家庭使用地鐵的平均用電量。然后,本文使用不同地區(qū)的具體轉(zhuǎn)換系數(shù)得到每個城市地鐵用電的碳排放量。對上述4項(xiàng)加總得到交通運(yùn)輸?shù)奶寂欧帕俊?/p>

(四)住宅取暖與家庭燃料

接下來仍使用赫克曼兩階段法(見方程(4)和(5))來估計各個城市一個標(biāo)準(zhǔn)家庭使用燃料的碳排放量。對于煤、液化氣和煤氣三種類型的燃料,首先估計一個標(biāo)準(zhǔn)家庭使用其中一種燃料的概率,然后以使用某種燃料為條件對消耗量進(jìn)行估計。估算出每種燃料的消耗量,然后乘以轉(zhuǎn)換系數(shù)得到碳排放總量。

由于許多北方的城市家庭仍然享受免費(fèi)供暖服務(wù),所以《中國城市統(tǒng)計年鑒2007》中沒有該城市住宅取暖對上述三種燃料的消費(fèi)開支記錄。在提供集中供暖的城市,由于國家免費(fèi)提供固定數(shù)量的供暖,對這類家庭中燃料使用情況的估計就需要用住宅面積。清華大學(xué)環(huán)境科學(xué)與工程系提供了轉(zhuǎn)換系數(shù),這個系數(shù)告訴我們當(dāng)室外溫度確定時,各個省每1平方米住宅的取暖將產(chǎn)生多少碳排放量。然后,乘以轉(zhuǎn)換系數(shù)再乘以一個標(biāo)準(zhǔn)家庭的給定住宅平方數(shù)。通過《中國城市統(tǒng)計年鑒2007》中每個家庭住宅單元的大小信息,用家庭收入和人口統(tǒng)計數(shù)據(jù)對一個標(biāo)準(zhǔn)家庭住宅面積進(jìn)行回歸估計(類似于方程2)。通過回歸估計,我們得到各個城市一個標(biāo)準(zhǔn)家庭住宅取暖的燃料消耗量,然后乘以具體地區(qū)碳排放轉(zhuǎn)換系數(shù)得到74個城市中每個城市一個標(biāo)準(zhǔn)家庭燃料消耗的碳排放總量。

(五)城市排名

根據(jù)方程(1),對各項(xiàng)碳排放數(shù)據(jù)進(jìn)行加總,得到各個城市一個標(biāo)準(zhǔn)家庭的年碳排放量,然后根據(jù)結(jié)果對74個城市進(jìn)行排名(表5),前十名城市是:淮南、宿遷、海口,南通、南昌、泰州、鎮(zhèn)江、紹興、西寧和徐州。最后10名中,從下往上的城市是:大慶、牡丹江、北京、齊齊哈爾、銀川、沈陽、哈爾濱、大連、包頭和遼陽。表5的前9列給出了74個城市一個標(biāo)準(zhǔn)家庭的分類碳排放。

表4 2006年城市排名

注:被解釋變量為標(biāo)準(zhǔn)家庭的碳排放量(噸)。

74個城市家庭碳排放量比美國低很多。Glaeser和Kahn指出在最清潔的城市(圣地亞哥和舊金山),一個標(biāo)準(zhǔn)家庭每年碳排放大約26噸[11]。而上海的一個標(biāo)準(zhǔn)家庭年碳排放量僅為1.8噸,北京一個標(biāo)準(zhǔn)家庭年碳排放量為4.0噸。即使在排名最后的大慶,一個標(biāo)準(zhǔn)家庭的年碳排放量也僅僅是美國空氣環(huán)境最好的城市一個標(biāo)準(zhǔn)家庭年碳排放量的1/5。

圖1給出了74個城市的一個標(biāo)準(zhǔn)家庭的碳排放量的GIS地圖。碳排放較高的城市一般多位于北方,這反映了冬天的寒冷和政府的供暖政策。沿海城市也有較高的排放量,或許是因?yàn)樗鼈兘?jīng)濟(jì)較為發(fā)達(dá)。表5中排名前8個城市正好位于集中供暖邊界線(秦陵—淮河)以南的沿海省份。中國的石油之都大慶,比其它城市碳排放量明顯要高。

(六)城市的碳排放差異

圖1 2006年74個城市標(biāo)準(zhǔn)家庭碳排放量

表5給出了碳排放量與人口規(guī)模、人口增長、收入、氣溫和城市發(fā)展模式的關(guān)系。出租車使用、公交汽車使用和電力消耗方面,人口規(guī)模與碳排放正相關(guān)。毫不奇怪,城市人口規(guī)模越大,公共交通需求越大,對私家車的依賴越少。在出租車和公交汽車使用方面,人口密度與碳排放負(fù)相關(guān)。1平方公里(約19%的樣本標(biāo)準(zhǔn)差)平均1000人的增加將會帶來每個家庭出租車使用方面0.424噸碳排放量的減少、公交汽車使用方面0.837噸碳排放量的減少。這可能表明平均出行距離的縮短或城市公共交通更加具有效率。正如在美國,城市緊湊的發(fā)展模式帶來碳排放量的降低。即使保持個人收入水平固定,城市經(jīng)濟(jì)狀況和碳排放之間也存在正相關(guān)。經(jīng)濟(jì)狀況好的城市在電力消耗、私家車使用和地鐵方面產(chǎn)生較高的碳排放量,但使用出租車的碳排放量會降低。

圖2顯示了2006年樣本各個城市1月份平均氣溫和標(biāo)準(zhǔn)家庭碳排放量之間的顯著相關(guān)性,這既反映了越寒冷地區(qū)越需要取暖的自然傾向,也反映了只有北方城市提供集中供暖的現(xiàn)實(shí)。1月份平均氣溫每增加1個標(biāo)準(zhǔn)差(8.66攝氏度)會帶來一個標(biāo)準(zhǔn)家庭0.29噸碳排放量的減少。1月份平均氣溫的影響主要來自其對住宅取暖的碳排放作用: 1月份溫度每增加1度對應(yīng)著一個標(biāo)準(zhǔn)家庭0.111噸住宅取暖的碳排放量的減少。對其他能源的碳排放也會產(chǎn)生抵消的效果。

表5 標(biāo)準(zhǔn)家庭碳排放回歸結(jié)果

圖2 2006年74個城市1月份平均氣溫與標(biāo)準(zhǔn)家庭碳排放量

五、結(jié)論與政策含義

本文利用2006年中國城鎮(zhèn)住戶調(diào)查的微觀數(shù)據(jù),剔除人口分布在城市間的差異對碳排放的影響,考察了城市化發(fā)展對不同城市一個標(biāo)準(zhǔn)家庭的碳排放的影響。結(jié)果表明:總的說來,各個城市家庭碳排放存在較大差異,北方城市的戶均碳排放明顯高于南方城市,而東部沿海城市戶均碳排放又高于內(nèi)陸城市。相對說來,在以標(biāo)準(zhǔn)家庭碳排放為唯一衡量指標(biāo)時,淮安和宿遷是最“綠色”的城市,大慶和牡丹江是最“灰色”的城市;即使在最“灰色”的城市大慶,一個標(biāo)準(zhǔn)家庭產(chǎn)生的碳排放量僅是美國最“綠色”城市圣地亞哥的1/5;城市人口規(guī)模、人口增長、收入、氣溫和城市化發(fā)展模式等因素對碳排放均有影響,家庭碳排放量與一月份平均氣溫顯著負(fù)相關(guān)。

可以看出,中國城市的碳排放現(xiàn)實(shí)是是美國和其他國家的一個復(fù)制。城市結(jié)構(gòu)緊湊、公共交通方便、夏季涼爽、冬季溫暖的城市的經(jīng)濟(jì)增長帶來的碳排放總量比“汽車依賴癥”、夏季炎熱、冬季寒冷、使用煤發(fā)電的城市經(jīng)濟(jì)增長帶來的碳排放總量明顯降低。

本文的研究結(jié)果為城市政府評估區(qū)域發(fā)展戰(zhàn)略的環(huán)境影響和制定相應(yīng)的城市化發(fā)展政策決策提供了經(jīng)驗(yàn)證據(jù)。如果中國不像美國那樣加大投資促進(jìn)能源利用的基礎(chǔ)設(shè)施建設(shè)和改變城市化發(fā)展模式,那么中國和世界的碳排放將會急劇增加。中國的城市要想在未來減少碳排放,那么氣候適宜的城市朝高密集化發(fā)展可能會帶來碳排放的減少。新能源利用政策的實(shí)施,例如中國最近宣布GNP的溫室氣體排放強(qiáng)度(CO2/ GNP)到2020年減少40%,也可以抵消環(huán)境污染帶來的后果。另外,中國一定會越來越富有,可能會消耗越來越多的能源,但是對碳排放或大或小的實(shí)際影響將取決于基礎(chǔ)設(shè)施和新技術(shù)。城市發(fā)展政策的環(huán)境成本應(yīng)該納入到“綠色核算”去評估對環(huán)境造成的影響。

當(dāng)然,本文只是對城市居民的能源消耗活動的碳排放展開了探索,針對農(nóng)村居民的能耗的碳排放作實(shí)證估算,則是另一個值得研究的課題。

[1] 新中國60周年系列報告之一:光輝的歷程宏偉的篇章[Z].北京:國家統(tǒng)計局,2009年.

[2] 陸瑩瑩,趙旭.家庭能源消費(fèi)研究述評[J].水電能源科學(xué),2008(1):187-191.

[3] 顧朝林,等.氣候變化、碳排放與低碳城市規(guī)劃研究進(jìn)展[J].城市規(guī)劃學(xué)刊,2009(3):38-45.

[4] 普雷斯科特.低碳經(jīng)濟(jì)遏制全球變暖——英國在行動[J].環(huán)境保護(hù),2007(11):74-75.

[5] Schipper L,Bartlett S,et a1.Linking Lite-styles and Energy use:a Matter of Time?[J].Annual Review of Energy,1989,14:271-320.

[6] Lenzen M.Primary Energy and Greenhouse Gases Embodied in Australian Final Consump tion:an Inputoutput Analysis[J].Energy Policy,1998,26(6): 495-506.

[7] Weber Christoph,Perrels Adriaan.Modelling Lifestyle Efects on Energy Demand and Related Emissions[J]. Energy Policy,2000,28:549-566.

[8] Kim Ji-Hyun.Changes in Consump tion Patterns and Enviromnental Degradation in Ko rea[J].Strctural Change and Economic Dynamics,2002,13:1-48.

[9] Auffhammer,M.,Carson,R T.Forecasting the Path of China’s CO2Emissions Using Province Level Info rmation[J].Journal of Environmental Economics and Management,2008,55(3):229-247.

[10] Almond,Douglas,Yuyu Chen,M ichael Greenstone and Hongbin Li.Winter Heating o r Clean Air? Unintended Impacts of China’s Huai River Policy [J].American Economic Review,2009,99(2): 184-90.

[11] Glaeser,Edward L,and Matthew E.Kahn.The Greenness of Cities:Carbon Dioxide Emissions and U rban Development[J].Journal of U rban Economics,2010,67:404-418.

[12] 莊貴陽,張偉.中國城市化:走好基礎(chǔ)設(shè)施建設(shè)低碳排放之路[J].環(huán)境經(jīng)濟(jì),2004(5),39-43.

[13] 曲建升,王琴,曾靜靜,張志強(qiáng).我國CO2排放的區(qū)域分析[J].中國科學(xué)院國家科學(xué)圖書館科學(xué)研究動態(tài)監(jiān)測快報,2008(12):1-7.

[14] 朱勤,彭希哲,陸志明,于娟.人口與消費(fèi)對碳排放影響的分析模型與實(shí)證[J].中國人口·資源與環(huán)境, 2010,20(2):98-102.

[15] 樊杰,李平星,梁育填.個人終端消費(fèi)導(dǎo)向的碳足跡研究框架——支撐我國環(huán)境外交的碳排放研究新思路[J].地球科學(xué)進(jìn)展,2010,25(1):61-68.

[16] 葉祖達(dá).碳排放量評估方法在低碳城市規(guī)劃之應(yīng)用[J].現(xiàn)代城市研究,2009(11):20-26.

[17] Pfaff,A lexander.S.P.,Shubham.Chaudhuri, and H.Nye.Household Production and Environmental Kuznets Curves:Examining the Desirability and Feasibility of Substitution[J]. Environmental and Resource Economics,2004,27 (2):187-200.

Construction of China’s Green Cities——Home-Based Estimates of Carbon Emissions

SONGM in
(School of Public Administration,Shandong Economic University,Jinan 250014,China)

U sing the panel data of 74 major Chinese cities in 2006,the paper estimates the carbon emissions of one typical household in each of the 74 cities and then ranks them.The empirical results demonstrate that the“greenest”cities are Huaian and Suqian w hile the“dirtiest”cities are Daqing and M udanjiang w ith the standard househo ld’s carbon em ission as the only indicato r.Even in the dirtiest city(Daqing),a standardized household emits only one-fifth of carbon as compared w ith that in America’s greenest city(San Diego).The population,population grow th,income,temperature and the pattern of urbanization have something to do w ith carbon emission,and the average temperature in January is obviously co rrelated negatively w ith a city’s household carbon emission.

carbon emission;standard household;estimate;temperature;green cities

TU 984

A

1009-105X(2010)04-0045-11

2010-07-17

宋敏(1971-),女,博士,山東經(jīng)濟(jì)學(xué)院公共管理學(xué)院副教授,行政管理專業(yè)教研室主任。

猜你喜歡
能源消耗排放量家庭
飼糧蛋白質(zhì)水平對妊娠期云南半細(xì)毛羊氮平衡和養(yǎng)分排放的影響
天然氣輸配系統(tǒng)甲烷排放量化方法
家庭“煮”夫
戀練有詞
車輛動力系統(tǒng)能源消耗的VTool計算方法
50%,全球最富有的10%人口碳排放量占全球一半
工業(yè)制造項(xiàng)目新增能源消耗影響的對比研究
尋找最美家庭
尋找最美家庭
數(shù)據(jù)分析檢測能源消耗異常研究
灵寿县| 襄樊市| 西藏| 资溪县| 姜堰市| 达尔| 资兴市| 板桥市| 义乌市| 息烽县| 营口市| 抚松县| 衡阳县| 思茅市| 布尔津县| 阿鲁科尔沁旗| 延长县| 红河县| 贵定县| 合江县| 沂南县| 临朐县| 瑞安市| 达尔| 英德市| 四平市| 天等县| 石景山区| 仁寿县| 时尚| 延吉市| 化州市| 荥经县| 宁夏| 巫山县| 双城市| 天门市| 开平市| 邻水| 东阿县| 依兰县|