李衛(wèi)兵，陳思，華中科技大學(xué)經(jīng)濟(jì)學(xué)院，湖北武漢 430074

我國東中西部二氧化碳排放的驅(qū)動因素研究

李衛(wèi)兵，陳思，華中科技大學(xué)經(jīng)濟(jì)學(xué)院，湖北武漢 430074

以STIRPAT模型為基本框架并對其進(jìn)行拓展，利用面板數(shù)據(jù)，對全國和東中西部地區(qū)的碳排放驅(qū)動因素進(jìn)行深入考察?？傮w分析表明，人口、富裕程度、第二產(chǎn)業(yè)的發(fā)展和能源強(qiáng)度都會對碳排放造成影響，而城市化水平、第三產(chǎn)業(yè)的發(fā)展對碳排放的影響并不顯著，EKC曲線不適用于中國的碳排放和經(jīng)濟(jì)發(fā)展水平。而區(qū)域?qū)Ρ确治霭l(fā)現(xiàn)，中部地區(qū)的碳排放驅(qū)動因素在影響程度和方向上與東西部地區(qū)存在很大的不同:中部地區(qū)人口對碳排放影響為負(fù)，東西部為正;能源強(qiáng)度對東西部的碳排放有顯著影響而對中部無顯著影響。

碳排放;STIRPAT模型;EKC曲線;能源強(qiáng)度

一、引言

自1980年以來，相對美國和日本，中國大陸碳排放呈快速增長趨勢(見圖1)。進(jìn)入新世紀(jì)，中國大陸碳排放量占世界總排放量的比例年均增長超過1%，從2000年的12%上升至2007年的超過20%，同一時期，美國這一指標(biāo)由24%降至20%左右，日本則基本保持在4%～5%的水平。2006年，中國碳排放總量更是首次超過美國，達(dá)到了62億噸，而同年中國GDP 總量只相當(dāng)于美國的 1/10［1］1－570。哥本哈根大會上，中國政府做出了到2020年單位GDP的二氧化碳排放量在目前基礎(chǔ)上降低40%到50%的承諾，可以說我國碳減排目標(biāo)的實(shí)現(xiàn)形勢不容樂觀。

我國地區(qū)差別性明顯，大致可以依據(jù)發(fā)展水平、地理位置、經(jīng)濟(jì)聯(lián)系、能源消費(fèi)結(jié)構(gòu)等特征將我國分成東中西部三個經(jīng)濟(jì)帶:東部地區(qū)發(fā)展水平最高，第二、第三產(chǎn)業(yè)占其產(chǎn)值比重大，人口密度最大;中部地區(qū)農(nóng)業(yè)發(fā)達(dá)，工業(yè)發(fā)展相對滯后，人口密度相對較高;西部地區(qū)整體發(fā)展水平落后，人口稀少。當(dāng)前，我國正經(jīng)歷著沿海地區(qū)產(chǎn)業(yè)升級、產(chǎn)業(yè)向中西部轉(zhuǎn)移的現(xiàn)狀。此外，三大地區(qū)也存在著人口數(shù)量、富裕程度、城市化水平和能源結(jié)構(gòu)等方面的不同，這些因素都會影響我國整體和地區(qū)的碳排放水平。

圖1 世界及三大經(jīng)濟(jì)體碳排放趨勢圖［1］1－570

因此，本文試圖以STIRPAT模型為基本框架并對其進(jìn)行拓展，利用面板數(shù)據(jù)，從人口數(shù)量、富裕程度、產(chǎn)業(yè)結(jié)構(gòu)、城市化水平和能源強(qiáng)度五個方面對全國和東中西部地區(qū)的碳排放驅(qū)動因素進(jìn)行深入考察。

二、文獻(xiàn)綜述

經(jīng)濟(jì)活動在帶來社會財富的同時也造成了大量的二氧化碳排放。伴隨著人口增長、城市化等過程，人類對能源的消耗不斷增加，從而導(dǎo)致碳排放急劇上升。許多學(xué)者基于人口因素解釋碳排放的增加，其中 Ehrlich et al．提出的IPAT方程最具開創(chuàng)性，他們將環(huán)境影響(I)的驅(qū)動因素分解為人口(P)、富裕程度(A)以及技術(shù)(T)，構(gòu)造出等式 I=P·A·T［2］1212–1217。IPAT方程是分析人類活動對環(huán)境影響的有效工具。James C．Cramer使用IPAT模型估計了人口、政策管制、技術(shù)、人均收入對美國加州地區(qū)CO2排放量的影響，并分析了污染對于上述因素的反向效應(yīng)［3］22－52。Kuishuang Feng et al．利用IPAT等式分析了中國5個代表性地域在1950－2002年的不同發(fā)展階段中各種因素對碳排放的影響，并在進(jìn)一步分析各地區(qū)以及全國的消費(fèi)模式之后，認(rèn)為中國在實(shí)現(xiàn)現(xiàn)代化的同時需要向可持續(xù)發(fā)展的方向轉(zhuǎn)變，中國過多的基礎(chǔ)設(shè)施投資將成為碳排放激增的隱患［4］145－154。但是 IPAT 模型也存在著諸多缺點(diǎn)。IPAT模型“適用于數(shù)量評估、學(xué)科研究輔證，而不能提供合適的數(shù)據(jù)對該模型的適用性評估”［5］175－179;IPAT 模型忽視了個體行為方式(如消費(fèi)偏好)對環(huán)境的影響，有學(xué)者據(jù)此提出了各種改進(jìn)的模型［6］149－150，［7］3;而 IPAT 等式最大的問題在于作為會計等式，不能用于檢驗(yàn)各種人文驅(qū)動因素對環(huán)境壓力的影響的假說，等式中一些值確定性地決定了其他值，并且先驗(yàn)性地確定了環(huán)境及其影響因素之間的比例變化關(guān)系［8］31－51。

鑒于上述缺點(diǎn)，Thomas Dietz et al．1994年提出STIRPAT模型，用以定量分析各種驅(qū)動因素對環(huán)境的影響，由此極大拓展了對包括碳排放在內(nèi)的環(huán)境狀況影響因子的研究［9］277－300。許多學(xué)者運(yùn)用STIRPAT模型分析了碳排放的驅(qū)動因素，這些研究幾乎一致認(rèn)為富裕程度、產(chǎn)業(yè)結(jié)構(gòu)、城市化都會對碳排放產(chǎn)生影響，只是在碳排放的人口彈性的大小上存在爭議。后來Thomas Dietz利用111個國家1989年的截面數(shù)據(jù)估計了各種因素對碳排放量的影響，發(fā)現(xiàn)碳排放的人口彈性小于 1［5］175－179。Richard York分析了146個國家的截面數(shù)據(jù)也得到了人口彈性小于 1 的結(jié)論［8］31－51。Anqing Shi運(yùn)用 93 個國家的面板數(shù)據(jù)，引入收入水平和時間兩個虛擬變量，考察了碳排放的人口彈性，得出發(fā)展中國家人口變動對碳排放的影響比發(fā)達(dá)國家要大的結(jié)論［10］29－42。Richard York et al．以二氧化碳排放量、甲烷排放量和全球變暖趨勢(Global Warming Potential，GWP)為被解釋變量，利用137個國家1991年的截面數(shù)據(jù)，研究了環(huán)境和人類活動之間的關(guān)系，結(jié)果發(fā)現(xiàn)環(huán)境影響的人口彈性為單位彈性［11］1－10。G¨Okhan¨Unlü選取了八個國家1980－2004年的數(shù)據(jù)，依據(jù)收入水平分為兩組，對每一國家單獨(dú)采用OLS方法計算碳排放的影響因素的系數(shù)，發(fā)現(xiàn)碳排放的人口彈性在不同國家的差別很大［12］26－39。

有關(guān)環(huán)境狀況與其驅(qū)動因素的關(guān)系的一個有趣問題是EKC曲線(Environment Kuznetz Curve，環(huán)境庫茲涅茲曲線)的驗(yàn)證。Richard York發(fā)現(xiàn)能源消費(fèi)與人均GDP之間的EKC曲線關(guān)系并不成立［13］855－872。Thomas Dietz et al．認(rèn)為當(dāng)人均收入在10 000美元(1989年價)時，碳排放的 Kuznets 拐點(diǎn)將出現(xiàn)［5］175－179。Richard York et al．以能源足跡為被解釋變量時，發(fā)現(xiàn)EKC曲線對城市化程度和人均GDP均不適用［8］31－51。一般而言，EKC 曲線適用于單個國家或地區(qū)的時間序列，但卻不適用于截面數(shù)據(jù)［14］32－42。國內(nèi)在碳排放的驅(qū)動因素方面的研究，以EKC曲線在中國環(huán)境下的驗(yàn)證為主，并且都得到當(dāng)人均GDP達(dá)到一定水平，Kuznets拐點(diǎn)即出現(xiàn)的結(jié)論，只是人均GDP的數(shù)值從1 200－1 500元(1978年價)到10萬(2006年價)不等［15］88－99，［16］93－94。

綜上所述，現(xiàn)有研究存在以下不足:1)沒有將碳排放驅(qū)動因素的研究深入到國家內(nèi)部不同地域;2)在面板數(shù)據(jù)的研究中未能依據(jù)不同地區(qū)經(jīng)濟(jì)發(fā)展水平加以分類，沒有考慮到不同地域在產(chǎn)業(yè)結(jié)構(gòu)、人口基數(shù)等方面的差異;3)國內(nèi)學(xué)者的研究局限于EKC曲線的驗(yàn)證，沒有全面考察碳排放的驅(qū)動因素。

三、模型設(shè)定與數(shù)據(jù)

(一)模型構(gòu)建

本文基于STIRPAT模型來測度全國及東中西部碳排放的驅(qū)動因素。STIRPAT(Stochastic Impacts by Regression on Population，Affluence and Technology)模型由 Thomas Dietz et al．1994年提出，其目的在于定量測度各種驅(qū)動因素對碳排放的貢獻(xiàn)程度的大?。?］277－309。初始的STIRPAT模型形式如下:

I代表環(huán)境影響，P代表人口數(shù)目，A代表富裕程度，T代表科技水平。α，β，γ和δ均為待估計的參數(shù)，ei代表隨機(jī)誤差。實(shí)際上，STIRPAT模型可看成IPAT模型在一般意義上的推廣(α=β=γ=δ=1時，IPAT模型和STIRPAT模型等價)。而且，科技因素不僅包含技術(shù)水平，還有社會組織、制度、文化和其他所有除人口和富裕程度之外的對環(huán)境造成影響的因素［4］175－179。

實(shí)證研究中，可將(1)式取自然對數(shù)而變成以下形式:

其中 c 為常數(shù)項(xiàng)，lnIi、lnPi、lnAi和 lnTi代表各種因素的對數(shù)形式，εi為隨機(jī)誤差項(xiàng)。此時，β、γ、δ等系數(shù)即為碳排放對各解釋變量的彈性。為了全面地考察我國碳排放的驅(qū)動因素，本文將(2)式擴(kuò)展為:

其中，i用于區(qū)分東中西部三個地區(qū)，t表示時間，新增項(xiàng)SI代表第二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重，TI表示第三產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值的比重，U表示城市化水平，EI代表能源強(qiáng)度(Energy Intensity)。各變量的含義和測度方法如表1所示。

表1 各解釋變量含義及測度指標(biāo)

(二)樣本和數(shù)據(jù)

樣本區(qū)間為1990，1995－2007共計13個年份①1991－1994年以及1986年之前能源統(tǒng)計年鑒上不可得，1986－1989年的數(shù)據(jù)過于粗糙。。將我國31個省、自治區(qū)和直轄市分為東中西部三個地區(qū)②關(guān)于東中西部的省份劃分問題，存在一定爭議?；谀茉聪M(fèi)結(jié)構(gòu)、地理位置、經(jīng)濟(jì)發(fā)展水平等方面的特點(diǎn)，本文劃歸如下:東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南11個省/自治區(qū)/直轄市;中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南8個省/自治區(qū);西部地區(qū)包括重慶、廣西、內(nèi)蒙古、四川、貴州、云南、陜西、甘肅、寧夏、青海、新疆11個省/市/自治區(qū)。這與國家西部大開發(fā)政策的劃分相同。其中西藏能源消費(fèi)數(shù)據(jù)未計入能源統(tǒng)計年鑒，數(shù)據(jù)來源無法保證，也因此本研究未考慮。。

碳排放的監(jiān)控僅在少數(shù)發(fā)達(dá)國家和地區(qū)進(jìn)行。本文中碳排放量數(shù)據(jù)通過IPCC(政府間氣候變化專門委員會，Intergovernmental Panel on Climate Change)給出的各種能源碳排放系數(shù)與各地區(qū)各年份能源消費(fèi)量數(shù)據(jù)相乘得到各地區(qū)在樣本區(qū)間內(nèi)的碳排放數(shù)據(jù)。能源消費(fèi)數(shù)據(jù)③統(tǒng)計年鑒上可查詢到的各地區(qū)消費(fèi)的能源種類包括煤炭、焦炭、原油、燃料油、汽油、煤油、柴油、天然氣八種。電力、核能等其他能源的最終消費(fèi)不產(chǎn)生碳排放，因此未計入碳排放計算中。能源統(tǒng)計年鑒上部分地區(qū)缺失數(shù)據(jù)來自各地統(tǒng)計年鑒。重慶自1997年之后才有獨(dú)立的數(shù)據(jù)，之前并入四川省，但因其計入西部，不影響地區(qū)分析。來源于中國能源統(tǒng)計年鑒。

1998，2005年及以后的人口和城市化數(shù)據(jù)來源于中國人口與就業(yè)統(tǒng)計年鑒，其他年份數(shù)據(jù)來源于中國人口統(tǒng)計年鑒。兩種年鑒均由國家統(tǒng)計局人口和就業(yè)統(tǒng)計司主編，統(tǒng)計口徑一致。

產(chǎn)業(yè)結(jié)構(gòu)通過查詢各地區(qū)各年第二、三產(chǎn)業(yè)產(chǎn)值及地區(qū)總產(chǎn)值計算求得。除1995年外，其他數(shù)據(jù)均來源于中國統(tǒng)計年鑒。1995年的總產(chǎn)值以及三次產(chǎn)業(yè)產(chǎn)值的數(shù)據(jù)來源于新中國50年統(tǒng)計資料匯編。

富裕程度通過各地總產(chǎn)值除以總?cè)丝谟嬎闱蟮谩？偖a(chǎn)值數(shù)據(jù)在統(tǒng)計年鑒上為名義變量，因此將各年總產(chǎn)值除以當(dāng)年全國CPI數(shù)據(jù)(以1900年為基年)以更好地反映富裕程度的實(shí)際變化。

能源強(qiáng)度通過計算總能源消耗量(以萬噸單位標(biāo)準(zhǔn)煤計)除以地區(qū)總量GDP求得?？偰茉聪牧縼碜灾袊茉唇y(tǒng)計年鑒，其中寧夏2002年總能源消費(fèi)量來源于寧夏統(tǒng)計年鑒。

四、實(shí)證分析

(一)總體分析

基于研究特點(diǎn)，本文采用固定效應(yīng)模型進(jìn)行OLS回歸④GLS回歸允許異方差的存在，且回歸結(jié)果均顯示殘差項(xiàng)符合正態(tài)分布趨勢。，結(jié)果如表2所示。

對比兩模型，模型二相對模型一缺失變量(lnAi)2，模型一中(lnAi)2的系數(shù)不顯著，且此時的系數(shù)出現(xiàn)錯誤的預(yù)期符號，回歸結(jié)果表明EKC曲線不成立，人口增長對碳排放的影響大于單位彈性，這與Thomas Dietz等人1997年的結(jié)論有所不同，這是因?yàn)楸M管我國的計劃生育政策取得了很大的成效，但人口增長的絕對數(shù)仍然較大，這直接導(dǎo)致了能源消耗的快速增長，由此導(dǎo)致碳排放的增加。城市化進(jìn)程對區(qū)域碳排放的影響并不顯著，這主要是由于我國城市化進(jìn)程并未相應(yīng)帶來整體城市生活質(zhì)量、服務(wù)水平上的提升，因此城市化因素對能源需求不構(gòu)成主要因素，所以對碳排放的影響較小。而且，城市化既可能提升環(huán)境效率(environmental efficiency)，也可能導(dǎo)致對環(huán)境的負(fù)面影響［17］567－586。第二產(chǎn)業(yè)的發(fā)展對我國碳排放的影響為正，與預(yù)期符號一致，這是因?yàn)槲覈诙a(chǎn)業(yè)的飛速發(fā)展導(dǎo)致對能源的需求激增，同時資本效率、產(chǎn)品科技含量提高較慢導(dǎo)致碳排放增加。而金融、旅游等作為服務(wù)業(yè)“綠色產(chǎn)業(yè)”的代表由于對能源的需求較穩(wěn)定，加上我國第三產(chǎn)業(yè)發(fā)展速度一直較低，而對碳排放也不構(gòu)成顯著影響。能源強(qiáng)度對碳排放的影響為正，則是由于能源利用效率的提高會減少能源消耗，從而降低碳排放。

表2 全國碳排放驅(qū)動因素的OLS回歸結(jié)果

上述總體分析暗含的前提假定是東中西部三地的碳排放驅(qū)動因素是相同的且具有相同的影響。但實(shí)際上三地的經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、人口密度等不同決定了其碳排放驅(qū)動因素必然存在一定的異質(zhì)性。因此下面將分區(qū)域進(jìn)行更深入的研究。

(二)區(qū)域?qū)Ρ确治?/h3>

對東中西部三地的碳排放分別進(jìn)行OLS回歸，結(jié)果如表3所示。模型A1、B和C1為考慮所有變量后的回歸結(jié)果，A2、B和C2為最優(yōu)回歸結(jié)果。表3說明三地的碳排放驅(qū)動因素確實(shí)存在一定的差異，下面的分析主要集中于模型 A2、B 和 C2。

表3 東中西部地區(qū)碳排放驅(qū)動因素的OLS回歸結(jié)果

1．人口

三地區(qū)碳排放的人口彈性均為正，表明人口的增長增加了物質(zhì)消費(fèi)，從而對能源的消耗增加，導(dǎo)致碳排放的上升。系數(shù)呈現(xiàn)東中部較高、西部較低的特征。這是由于東中西部的經(jīng)濟(jì)發(fā)展水平比西部發(fā)達(dá)，而地區(qū)富裕程度的上升往往會導(dǎo)致家庭規(guī)模的減小和家庭數(shù)目的增加，這必然會增加對能源的需求［18］13－18，因此東中部地區(qū)碳排放的人口彈性比西部要大。

2．富裕程度

東中西部三地的富裕程度的提升都對碳排放產(chǎn)生了正向影響，與總體分析的結(jié)果一致。

但彈性并未隨著人均GDP的上升而增加，而是出現(xiàn)先上升后下降的情況。這類似于經(jīng)濟(jì)發(fā)展水平與環(huán)境狀況之間呈現(xiàn)的EKC曲線關(guān)系［5］175－179。這是由于高收入地區(qū)經(jīng)濟(jì)增長更加依賴于服務(wù)業(yè)，并且高收入地區(qū)更有能力進(jìn)行提高能源利用效率的研發(fā)。

3．城市化

東西部城市化水平的提升對碳排放并沒有顯著影響，其背后的原因可能不同。東部地區(qū)發(fā)展水平高，城市化進(jìn)程中更加注重環(huán)保、基礎(chǔ)設(shè)施的建設(shè);西部地區(qū)城市化進(jìn)程緩慢，對碳排放的影響因此不顯著;而中部地區(qū)城市化水平的提升反而帶來碳排放的減少，應(yīng)當(dāng)與我國城市化滯后于工業(yè)化的整體發(fā)展現(xiàn)狀有關(guān)。

4．產(chǎn)業(yè)結(jié)構(gòu)

東中西部第二產(chǎn)業(yè)的發(fā)展對碳排放的影響差異很大，東部地區(qū)第二產(chǎn)業(yè)碳排放的發(fā)展對碳排放的影響為正，中部為負(fù)，西部則影響不顯著。這是由于東部地區(qū)第二產(chǎn)業(yè)集中在勞動密集型產(chǎn)業(yè)，中部地區(qū)第二產(chǎn)業(yè)雖然產(chǎn)值不高，但是呈現(xiàn)資本密集型特征，其資本/勞動力比速度上升快。根據(jù)張軍等(2004)提供的資料進(jìn)行測算［19］，中部八省1998年人均資本占有量是1995年的1．33倍，2002年人均資本占有量是1998年的1．22倍①其中資本量僅限于物質(zhì)資本，人口數(shù)以地區(qū)總?cè)丝谟?。。因此中部地區(qū)第二產(chǎn)業(yè)的發(fā)展對碳排放的影響為負(fù)。西部地區(qū)第二產(chǎn)業(yè)的發(fā)展十分緩慢是其不顯著影響碳排放的原因。

東部地區(qū)第三產(chǎn)業(yè)發(fā)展對碳排放無顯著影響，中部影響為負(fù)，西部為正。西部地區(qū)第三產(chǎn)業(yè)發(fā)展對碳排放的影響與傳統(tǒng)理論相悖，這是由于西部地區(qū)第三產(chǎn)業(yè)主要以房地產(chǎn)、交通運(yùn)輸、倉儲和郵政業(yè)等部門為主，這些部門的相對能耗較高，對碳排放的影響較大。據(jù)筆者測算，2007年，上述4個部門產(chǎn)值占第三產(chǎn)業(yè)產(chǎn)值的比重西部為60．17%，而東部和中部僅為25%。

5．能源強(qiáng)度

東中部地區(qū)的能源強(qiáng)度對碳排放的影響均為正，與總體分析結(jié)論相同，西部地區(qū)的能源強(qiáng)度對碳排放無顯著影響。這主要是不同地區(qū)特殊的能源結(jié)構(gòu)所致。東部地區(qū)主要依靠石油及其加工品，次為天然氣，西部地區(qū)主要依靠天然氣和石油，中部地區(qū)則依靠煤炭。石油、天然氣能源熱值高而碳排放系數(shù)小，中部地區(qū)依靠碳排放系數(shù)較高的煤炭②經(jīng)測算，天然氣的碳排放系數(shù)為0．4483，原油的碳排放系數(shù)為0．5857，原煤的碳排放系數(shù)為0．7559，資料來源:http://www．ipcc．ch/index．htm。，但其能源結(jié)構(gòu)改變較大，能源強(qiáng)度的降低對碳排放的減少影響較大。東西部地區(qū)能源強(qiáng)度的變化情況構(gòu)成其是否影響碳排放的主要因素。

五、結(jié)論

本文以STIRPAT模型為基本分析框架，全面考察了全國及東中西部三個經(jīng)濟(jì)帶的碳排放驅(qū)動因素，發(fā)現(xiàn)影響東中西部碳排放的因素存在一定的共性:人口富裕程度、第二產(chǎn)業(yè)的發(fā)展對碳排放有影響，城市化、第三產(chǎn)業(yè)的發(fā)展則對其無顯著影響;同時也存在較大的差異性:不同因素對碳排放的影響程度有較大差異，甚至出現(xiàn)不同方向的影響，這是由于三大經(jīng)濟(jì)帶在經(jīng)濟(jì)發(fā)展水平、能源結(jié)構(gòu)、人口密度等方面的不同特點(diǎn)所致。這表明在總體分析的基礎(chǔ)上進(jìn)一步進(jìn)行區(qū)域?qū)Ρ确治鍪钟幸饬x。

實(shí)證分析表明改善我國地區(qū)能源消費(fèi)結(jié)構(gòu)、提高能源利用效率、注重城市化與工業(yè)化的平衡發(fā)展對我國實(shí)現(xiàn)低碳的可持續(xù)發(fā)展具有重要的意義。

較為特殊的是中部地區(qū)的碳排放影響因子無論是在程度還是方向上都與東西部相比呈現(xiàn)許多的不一致性，更深入地考察造成中部地區(qū)排放因子獨(dú)特性的原因，這可以成為進(jìn)一步研究的對象。

［1］International Energy Agency(IEA)Statistics，“C02 E-missions from Fuel Combustion 2008”．OECD Energy，No．21，2008．

［2］Ehrlich PR，Holdren JP．“Impact of Population Growth”．Science，March．1971．

［3］James C．Cramer．“Population Growth and Local Air Pollution:Methods，Models，and Results”．Population and Development Review，May．2002．

［4］Kuishuang Feng，Klaus Hubacek，Dabo Guan．“Lifestyles，Technology and CO2Emissions in China:A Regional Comparative Analysis”．Ecological Economics，July．2009．

［5］Thomas Dietz，Eugene A．Rosa．“Effects of Population and Affluence on CO2Emissions”．Ecology，F(xiàn)ebruary．1997．

［6］Peter C．Schulze．“I=PBAT”．Ecological Economics，May．2002．

［7］Mark Diesendorf．“I=PAT or I=PBAT”．Ecological E-conomics，October．2002．

［8］Richard York，Eugene A．Rosa and Thomas Dietz．“A Rift in Modernity?Assessing the Anthropogenic Sources of Global Climate Change with the STIRPAT Model”．International Journal of Sociology and Social Policy，March．2003．

［9］Thomas Dietz，Eugene A．Rosa．“Rethinking the Environmental Impacts of Population，Affluence，and Technology”．Human Ecology Review，January．1994．

［10］Anqing Shi．“The Impact of Population Pressure on Global Carbon Dioxide Emissions，1975 － 1996:Evidence from Pooled Cross－country Data”．Ecological Economics，April．2003．

［11］Richard York，Eugene A．Rosa，Thomas Dietz．“A Rift in Mmodernity?Assessing the Anthropological Sources of Climate Change with the STIRPAT Model?”Carbon Balance and Management，November．2006．

［12］G¨Okhan¨Unlü．“The Impact of Population Growth on CO2Emissions:an Empirical Analysis”．Working paper，F(xiàn)aculty of Business，Department of Economics，April．2008．

［13］Richard York．“Demographic Trends and Energy Consumption in European Union Nations，1960 – 2025”．Social Science Research，December．2007．

［14］Cavlovic T，Baker KH，Berrens RP and Gawande K．“A Meta－ analysis of Kuznets Curve Studies”．Agriculture Resources Econ Rev，October．2000．

［15］張曉:《中國環(huán)境政策的總體評價》，載《地理學(xué)報》1999年第3期。

［16］朱永彬、王錚、龐麗、鄒秀萍:《基于經(jīng)濟(jì)模擬的中國能源消費(fèi)與碳排放預(yù)測》，載《地理學(xué)報》2009年第8期。

［17］Ehrhardt－Martinez K．“Social Determinants of Deforestation in Developing Countries:a Cross－national Study”．Social Forces，May．1998．

［18］Thomas D，Eugene A R and et al．“Driving the Human Ecological Footprint”． Frontiers of Human Ecology，May，2007．

［19］張軍、吳桂英、張吉鵬:《中國省際物質(zhì)資本存量估算1952-2000》，載《經(jīng)濟(jì)研究》2004年第10期。

A Study on the Driving Forces of the Carbon Dioxide Emissions in the East，Middle and West Regions of China

LI Wei-bing， CHEN Si
(School of Economics，HUST，Wuhan 430074，China)

Taking the STIRPAT model as the basic framework，extending the formula and utilizing the panel data，this paper investigates thoroughly the driving forces of carbon dioxide emissions in the overall level and east，middle and wset regions of China．The general analysis via the fixed effect model shows that population，affluence and the development of the second industry influence carbon dioxide emissions，while urbanization，the development of the third industry doesn’t affect the carbon dioxide emissions significantly．EKC theory does not fit in the relationship between the emissions and the growth of affluence．Then the regional comparative analysis shows that the driving forces that affect emissions in the middle regions of China have many differences compared with that in the east and west in terms of degree and direction:The development of the second industry decreases carbon dioxide emissions in the middle regions of China and increases the carbon dioxide emissions in the east and west China．The level of urbanization has impact on the east and west but not on the middle enery intensity of China．

carbon dioxide emissions;STIRPAT model;EKC curve

李衛(wèi)兵(1976－)，男，湖北鄂州人，經(jīng)濟(jì)學(xué)博士，華中科技大學(xué)經(jīng)濟(jì)學(xué)院講師，研究方向?yàn)橘Y源與環(huán)境經(jīng)濟(jì)學(xué);陳思(1989－)，男，湖北黃岡人，華中科技大學(xué)經(jīng)濟(jì)學(xué)院本科生。

國家社會科學(xué)基金資助項(xiàng)目(10BJL034)

2010-12-01

F062．2

A

1671-7023(2011)03-0111-06

責(zé)任編輯 陳卓淳