王 佳，楊 俊

（1．西南財經大學 財政稅務學院，四川 成都 611130；2．重慶大學 經濟與工商管理學院，重慶 400030）

基于省際非平穩(wěn)面板數據的中國碳庫茲涅茨曲線實證研究

王 佳1，楊 俊2

（1．西南財經大學 財政稅務學院，四川 成都 611130；2．重慶大學 經濟與工商管理學院，重慶 400030）

將化石能源細分為17種，并考慮水泥生產，計算了1997—2011年中國各省的二氧化碳排放指標，利用面板單位根檢驗、面板協整檢驗、FMOLS方法檢驗了著名的碳庫茲涅茨曲線（CKC）在中國的適用性，結果表明：CKC各變量在統(tǒng)計上顯著存在協整關系；大部分地區(qū)存在CKC，但基本都未達到拐點，處于上升階段；CKC的理論拐點為540 365元，中國在2020年左右才能步入碳排放下降區(qū)間。

碳庫茲涅茨曲線；面板協整；FMOLS

一、引 言

改革開放30余年的經濟持續(xù)快速增長，造就了“中國奇跡”，并在2010年成為世界第二大經濟體，但是能源和環(huán)境的雙重約束日趨強化。從能源消費來看，中國已由1978年的57 144萬噸標準煤，驟升至2011年的348 002萬噸標準煤（《中國統(tǒng)計年鑒2012》），增加了6倍多，2008年中國已經成為世界上煤炭消費第一大國和能源消費第一大國。中國碳排放量占世界碳排放總量的比重也不斷增加。根據美國能源部CO2信息分析中心（CDIAC）的數據，2005年中國成為全球CO2排放第一大國，2008年CO2排放量更是占到全球的23．55%；據世界資源研究所（WRI）的測算結果，2007年中國二氧化碳排放量已居世界第一位。在此背景下，中國政府2009年主動承諾，到2020年，單位 GDP碳排放量比2005年下降40%～45%，并將其作為約束性指標寫進“十二五”規(guī)劃。要實現低碳發(fā)展，必然需要重點關注經濟增長與CO2排放的長期變化趨勢。

學界通過環(huán)境庫茲涅茨曲線（EKC）的研究來探討經濟增長與環(huán)境污染之間的關系，進而延伸到對碳庫茨涅茨曲線（Carbon Kuznets Curve，CKC）的研究。Grossman and Krueger、Panayotou、Selden and Song等從實證角度認為環(huán)境污染和經濟增長呈現出典型的倒“U”關系，即在經濟發(fā)展的初級階段，隨著經濟增長，環(huán)境質量不斷惡化，當經濟增長越過某一特定的“轉折點”時，環(huán)境質量將得到改善［1－3］。近年來，溫室氣體排放引發(fā)一系列氣候變化，各國政府及學術界更加關注碳排放問題，Selden and Song等多位國外學者提出了碳排放庫茲涅茨曲線，并驗證它的存在性以及探究其形狀 ，但也有不少學者如Agras and Chapman等提出質疑，認為并不存在CKC［4］；而Galeotti等對CKC進行了穩(wěn)健性檢驗，發(fā)現 OECD國家存在CKC［5］，Moomaw and Unruh等卻發(fā)現兩者呈 N型［6］。

國內學者也對CKC進行了有意義的探究。付加鋒等基于生產和消費視角，認為無論是從生產視角還是從消費視角，單位GDP的CO2排放量都具有顯著的“倒U”形狀［7］。蔡昉等通過擬合CKC、估計排放水平從升到降的拐點考察了中國經濟內在的節(jié)能減排要求，認為如果溫室氣體的減排被動等待庫茲涅茨拐點的到來，將無法應對日益增加的環(huán)境壓力［8］。林伯強使用世界銀行的時間序列數據研究中國CO2排放拐點，并對其在不同條件下的實現情況進行了預測［9］。許廣月利用因素分解法估算省級面板碳排放數據，對中國東中西三大區(qū)域的碳排放庫茲涅茨曲線進行驗證，發(fā)現存在區(qū)域差異［10］。虞義華等分析了CO2排放強度同經濟發(fā)展水平及產業(yè)結構之間的關系，認為碳排放強度與人均GDP之間存在“N”形關系［11］。

在已有研究的基礎上，本文將從以下幾個方面進行探索：以往通過能源消費計算CO2排放量，最多細分為9類，本文囊括了《中國能源統(tǒng)計年鑒》中涉及的17種能源種類，還考慮了水泥生產過程帶來的CO2排放；基于中國1997—2011年的省際非平穩(wěn)面板數據，重點關注CKC問題中的時間特征，通過較為前沿的面板單位檢驗、面板協整檢驗及估計等計量分析技術，來驗證中國碳排放庫茲涅茨曲線存在與否，希望得到更有說服力的證據，為中國碳減排戰(zhàn)略的制定和實施提供決策參考。

二、模型設定與數據說明

（一）CKC的計量模型設定

學術界常用的EKC模型主要為對數多項式形式，解釋變量一般包括收入水平的一次項到三次項和其他控制變量。絕大多數學者傾向于采用Selden and Song）提出的設定方法研究EKC問題，其表達式如下［3］：

E為環(huán)境污染物，本文將其設定為CO2，則EKC轉化為CKC；y為收入水平，通常用人均GDP來表示；其他符號的意義與通常的計量經濟學模型設定相同。但是Poon等發(fā)現，工業(yè)化國家的CKC會呈現出較明顯的三次形式，而發(fā)展中國家往往表現為“倒 U”型的二次多項式，即［12］：

同時，CKC三次對數多項式模型可得到兩個轉折點，但其并沒有準確的經濟學意義，故本文選擇“倒U”型的二次多項式：

其中，下標i代表省份，t代表年份，方程右邊前面兩項分別代表對應的個體效應和時間效應；E表示CO2排放度量指標，通過人均CO2排放量（CP）來表示；y為經濟發(fā)展水平，通常用人均GDP來度量。

需要說明的是，Banerjee等發(fā)現若面板數據各變量在時間維度上為同階單整過程，則傳統(tǒng)CKC模型的參數估計值的有效性不足，這時需采用動態(tài)面板數據模型，以得到穩(wěn)定的長期均衡關系［13］67－68。使用該模型的前提條件是所有變量均為一階單整過程，且具有協整關系和較大的個體數和時序數。本文第三部分將進行多種面板單位檢驗和面板協整檢驗，并詳細加以分析和闡述。

（二）CO2排放測算方法

中國官方或權威機構并未公布CO2排放量的計算標準和中國地方CO2排放數據。最著名、應用最廣泛的方法，是聯合國政府間氣候變化專門委員會（IPCC）2006年編制的《國家溫室氣體清單指南》中提供的三種方法。根據美國能源部CO2信息分析中心（CDIAC）①詳見http：／／cdiac．ornl．gov／trends／emis／meth＿reg．html。2012年公布的數據，2010年中國水泥生產帶來的CO2排放超過了10%，已不容忽視，因此本文主要關注由于化石能源燃耗和水泥生產兩個環(huán)節(jié)帶來的CO2排放。

在測算方法上，本文選取《2006年IPCC國家溫室氣體清單指南》提供的三種方法中的方法1?；茉慈紵鸬腃O2排放量計算公式如下：

其中CE為各類化石能源消費的CO2排放總量；j為化石能源的種類；Aj為第j種化石能源的消耗量；Nj為第j種化石能源的發(fā)熱值；CCj為第j種化石能源的含碳量；Oj為第j種化石能源的氧化因子；B為CO2分子與C元素質量比，即44／12。

其中CC為水泥生產過程中的CO2排放總量；Q為水泥生產量；r為水泥產品中熟料的比重；a為水泥生產CO2排放系數。

（三）數據說明

中國地區(qū)能源消耗量來自歷年《中國能源統(tǒng)計年鑒》中的“地區(qū)能源平衡表（實物量）”?？紤]數據的可得性和可比性，獲取了1997—2011年各省的數據；由于缺少西藏、臺灣、香港、澳門的統(tǒng)計資料，共得到30個省份的對應數據。另外，為避免以往簡單的一次能源劃分方法導致誤差偏大，本文將《中國能源統(tǒng)計年鑒》中的所有能源都包含在內，有原煤、洗精煤、其他洗煤、型煤、焦炭、焦爐煤氣、其他煤氣、其他焦化產品、原油、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣、其他石油制品和天然氣，共17種。由于中國能源統(tǒng)計采用的低位發(fā)熱量，故本文Nj為低位發(fā)熱量，其數據來源于《中國能源統(tǒng)計年鑒2011》附表4，CCj和Oj的數據為缺省值。

水泥行業(yè)的碳排放除來自于能源消耗外，原料的分解（主要指碳酸鹽）也會釋放出較多的CO2，也就是水泥中的硅酸鹽熟料才會產生排放。文中各地區(qū)的水泥產量來源于歷年《中國統(tǒng)計年鑒》以及各省份統(tǒng)計年鑒；根據中國水泥行業(yè)協會的年度統(tǒng)計資料，r（熟料比重）在2006年之前取值0．70，之后取值為0．60；除了特別說明外，本文其他基礎數據均來源于歷年各省份統(tǒng)計年鑒。

需要說明是，本文的人均指標均以常住人口計算，以貨幣為單位的指標都以2011年為基期進行了價格調整。

三、實證分析

如前所述，本文最終收集整理了中國1997—2011年30個省級截面（未包括西藏、香港、澳門和臺灣）組成的強平衡面板數據集，樣本總數達到了420次。

表1 CKC主要變量的描述性統(tǒng)計表

如表1所示，人均CO2排放量CP和人均地區(qū)生產總值y的水平值變異程度很大，出現結構變化的可能性較大。相比而言，它們的自然對數值變異程度相對小一些，但絕對值適合回歸分析。從圖1看，lCP和l y 并不呈現線性關系，而lCP 和（l y）2的關系也不明確，但肯定是密切相關的。顯然，CKC的設定是有理由的，只是形式需要進一步分析來確定。

（一）個體效應檢驗

面板數據面臨是否可以將數據混合的問題，不同地區(qū)或時期可能具有不同的性質，故本文所使用的面板數據在回歸前需對其進行檢驗。為了確定使用混合回歸還是面板數據模型，首先需要對數據進行固定效應模型的設定，并求出聚類穩(wěn)健標準差，再通過虛擬變量（LSDV）法觀察截面虛擬變量的各自及聯合的顯著程度。

圖1 主要變量散點矩陣圖

本文通過計量經濟學軟件Stata 12來實現這一過程，結果顯示：大部分省份（23個省份）虛擬變量在5%水平上顯著，故要拒絕“所有個體虛擬變量都為0”的假定，即認為存在個體效應，不能將數據混合回歸分析。為了得到更為穩(wěn)健的檢驗結果，本文另外選取了最為流行的三種方法：截面相關性聯合顯著性的F檢驗、Breusch—Pagan的拉格朗日乘子（LM）檢驗以及似然比（LR）檢驗，諸檢驗的零假設情況及結果見表2。

表2 個體效應檢驗結果表

根據表2的估計結果，三種檢驗的顯著水平均為0%，即都強烈拒絕“不存在個體效應”的假設，表明該面板數據不能混合估計，應該考慮面板數據模型。

（二）面板單位根檢驗

由于該面板數據時序較長，有可能是非平穩(wěn)的，但時間序列數據的單位根檢驗未考慮截面因素，而且基本上都是漸進分析，即基于大樣本。近年來興起的面板單位根檢驗主要改善了小樣本帶來的問題，考慮了截面因素，提高了檢驗功效。面板單位根檢驗按照出現時間可以分為兩個階段：第一代檢驗提出較早，要求橫截面獨立，又分為相同根假設和不同根假設，前者主要為LLC檢驗、Breitung檢驗、Hadri檢驗，后者主要有IPS檢驗、Fisher－ADF檢驗、Fisher－PP檢驗；第二代檢驗假設存在橫截面相關的空間效應，考慮橫截面異質性和橫截面相關性，如Pesaran提出的CADF檢驗。為了避免單一檢驗的局限，本文兼顧了相同根、不同根的各類情況，使用了七種檢驗來檢驗各變量是否平穩(wěn)。檢驗結果見表3。

表3 面板單位根檢驗結果表

LLC檢驗、Harris－T檢驗、Breitung檢驗、IPS檢驗、Fisher－PP檢驗、Hadri檢驗及Pesaran－CADF檢驗的零假設均為存在單位根，不同的是：LLC檢驗、Harris－T檢驗、Breitung檢驗和Pesaran－CADF檢驗的零假設為同質面板單位根，即截面系數相同的單位根；IPS檢驗、Fisher－PP檢驗和Hadri檢驗的零假設是異質面板單位根，即截面系數不相同。

從檢驗結果看，l y在七種檢驗中都接受了原假設，即存在單位根過程，而其一階差分值D（l y）均在5%的顯著水平以上拒絕原假設，甚至Harris－T檢驗、Breitung檢驗、IPS檢驗和Fisher－PP檢驗在1%水平上顯著拒絕了原假設，可以確定該變量為一階單整，即為I（1）過程。lCP和（ly）2則有一種檢驗未通過。對于lCP，除Hadri檢驗之外的其他六個檢驗都顯示了同一結果，水平值接受存在單位根過程的假設，一階差分值至少在5%水平上拒絕原假設。（l y）2則是IPS檢驗未通過，其他檢驗的結果表現良好。對這兩個變量而言，七種面板單位根檢驗只有一種檢驗未通過，顯然是可以接受的，畢竟本文使用的面板數據的時序只有14年，這可能影響了某些檢驗的功效。

綜合看來，3個變量均存在單位根，其一階差分值是平穩(wěn)的，也就是說均為同階單整，其線性組合可能存在協整關系，有必要進行面板協整檢驗。

（三）面板協整檢驗

一般說來，國內外研究主要使用兩類面板協整檢驗方法：一類基于EG兩步法，對同質面板和異質面板都適用，比如國內學者經常使用Pedroni檢驗和Kao檢驗。前者利用協整方程，估計截面之間不同的斜系數、固定效應系數和個體確定趨勢系數，利用7個Panel Data的協整統(tǒng)計量對回歸殘差進行平穩(wěn)性檢驗；后者是基于回歸殘差的LM檢驗，不同的是其零假設是面板存在協整關系。另一類基于Johansen統(tǒng)計量，形成異質面板的似然比（LM），如Fisher型聯合p值協整檢驗，但是上述檢驗不適用于具有截面相關的面板數據。因此，Westerlun運用自舉抽樣技術（bootstrap）改進LM 方法的檢驗功效，并于2008年構建了基于誤差修正模型的協整檢驗［14］。為了克服使用單一檢驗方法的弊端，本文主要采用Pedroni檢驗、Kao檢驗、Fisher檢驗及Westerlund檢驗，綜合判斷各變量是否存在協整關系。

表4 面板協整檢驗結果表

如表4所示，Pedroni檢驗結論并不一致，四種聯合組內統(tǒng)計量、三種組間統(tǒng)計量分別有2個、1個無法拒絕無協整關系的原假設。Pedroni證明，在小樣本中，Panel adf、Group adf統(tǒng)計量檢驗效果最好，Panel v、Group rho統(tǒng)計量檢驗效果最差，其他處于中間。在七個統(tǒng)計量中，Panel adf、Group adf、Group pp以及Panel pp統(tǒng)計量都在1%的顯著性水平下拒絕原假設；Panel v、panel rho和 Group rho統(tǒng) 計 量 即 使 在10%的水平上也不能拒絕原假設?？紤]到本文數據樣本偏小，Panel v、Group rho這兩個統(tǒng)計量可以不予以考慮，而剩余5個統(tǒng)計量中，有4個統(tǒng)計量至少在1%顯著水平上拒絕原假設，包括Panel adf、Group adf這兩個在小樣本中效果最好的統(tǒng)計量。因此，Pedroni檢驗顯示變量之間存在協整關系，而同質面板Kao檢驗、異質面板Fisher檢驗以及包含截面相關的Westerlund檢驗都認同協整關系的存在。綜合考慮多種檢驗結果可以得出：模型（3）中各變量存在協整關系，即存在長期共同趨勢。

（四）面板協整估計結果及分析

前述面板單位根檢驗、異質性檢驗和面板協整檢驗的結果表明，數據是不平穩(wěn)的且變量之間存在長期協同關系。面板協整估計方法有助于改善變量內生性及序列相關所導致的偽回歸問題?？紤]到我們的樣本容量偏小和非平穩(wěn)性，本文選用Pedroni發(fā)展完善的修正最小二乘法（Fully Modified OLS）來估計變量的長期關系。簡單介紹一下思路：首先分別對各個截面用FMOLS進行估計，然后再進行面板協整系數的估計，并對其OLS估計的系數進行非參數估計。Pedroni提出的截面間均值估計方法考慮了面板組間維度，提供了協整方程共同參數值的一致檢驗，優(yōu)于混合面板估計方法。在蒙特卡洛數值模擬過程中，估計的協整參數漸進無偏、一致，且具有穩(wěn)健的有限樣本性質，對數據的異質性也有很好的包容性。

按照Pedroni的說法，FMOLS主要估計聯合組間（between－dimension）系數，實際上就本文而言，聯合組間估計就是對地區(qū)之間諸變量系數的均值進行估計。從表5的估計結果看，CKC中主要變量l y和（l y）2系數的組均值在1%置信水平上統(tǒng)計顯著，而且l y 的符號為正、（l y）2符號為負，說明估計結果基本符合預期。具體說來，30個省份中有23個省份參數估計的符號與預期一致，其中19個省份的系數組內均值均在5%置信水平上統(tǒng)計顯著，而且l y 的符號為正、l y）2符號為負。l y 和（l y）2均非常顯著，F統(tǒng)計量同樣非常顯著，顯示回歸分析的擬合結果較好，符號分為正和負?？梢哉f，估計結果在統(tǒng)計上驗證了CKC的倒U曲線的假設。

眾所周知，中國地區(qū)之間經濟發(fā)展呈現極強的不均衡態(tài)勢，這一特征也體現在CKC方程中。除了地區(qū)經濟發(fā)展存在異質性外，產業(yè)結構、能源消費結構、清潔技術水平、國際貿易結構等方面也存在較大差異，導致地區(qū)CKC的具體形式也不盡相同。在本文所涉及的30個省份中，統(tǒng)計上顯著的21省份主要是兩類地區(qū)，即經濟發(fā)達地區(qū)和欠發(fā)達地區(qū)。表5未列出的11個省份體現出這樣的特征：經濟發(fā)達省份和碳密集產業(yè)比重高的地區(qū)，有山東、河北等；化石資源尤其是煤炭資源比較豐富的地區(qū)，有山西、河南、新疆、四川、甘肅等。表5中19個省份的參數估計值差距也較大。以l y為例，最小值為1．265，最大值為14．710，后者是前者的將近12倍。可見，即使存在CO2排放庫茲涅茨曲線，各地區(qū)的差距也相當大，這與地區(qū)非均衡發(fā)展的特征相呼應。

表5 FMOLS面板協整估計結果表① 這里只給出了統(tǒng)計上顯著的省份的回歸結果，不顯著的省份的回歸結果可以向作者索要。

下面來確定CO2排放庫茲涅茨曲線的拐點。由式（3）可以計算出CO2排放開始下降的拐點為exp（－β1／2β2）。根據表5，得到中國碳排放下降的拐點為人均 GDP 540 365元（2011年價），與此對應的是2011年中國人均GDP均值為29 992元，這與拐點相差甚遠，也就說中國尚未達到碳排放的峰值。盡管從地區(qū)層面看，某些省份已經達到了這個人均GDP水平，但是這個拐點主要是針對均值的，并不能說明全國已達到了拐點。譬如，北京人均地區(qū)生產總值從2005年開始超過了540 365元，但是根據表5中的組內回歸結果，北京市的拐點應該為100 407元。根據十八大報告，2020年GDP總量預期在2010年基礎上翻一番，假設人口基本保持不變，那么人均GDP也翻一番，達到59 984元，超過了本文中的CKC拐點，這意味著在2020年左右，準確地說是在2019年，中國將達到CO2排放高峰，并從此開始下降。當然，這一結果與林伯強和蔣竺均的結果相吻合［9］。

四、研究結論

本文將化石能源種類細分為17類，并考慮了水泥生產過程帶來的CO2排放，較為精細的計算了中國1997—2011年30個省份的碳排放數據，并基于這一面板數據，利用面板單位根檢驗、面板協整檢驗、FMOLS方法對碳排放與經濟發(fā)展水平之間的長期關系進行了實證研究，檢驗了著名的碳庫茲涅茨曲線在中國的適用性，得到如下結論：

第一，非平穩(wěn)的面板數據lCP、l y 和（l y）2之間顯著存在協整關系，FMOLS協整估計結果顯示存在長期均衡關系。中國碳排放庫茲涅茨曲線在現實中是存在的，呈現倒U型特征，且長期穩(wěn)定。大部分地區(qū)存在CKC，但基本都未達到拐點，處于上升階段，CKC在中國的適用性有待進一步觀察。

第二，碳排放與經濟發(fā)展水平的長期關系推導出CKC的拐點為人均GDP540 365元，盡管少數發(fā)達省份接近此拐點，但全國整體水平將在2020年左右才能步入碳排放下降區(qū)間。地區(qū)之間到達CKC拐點的時點并不相同，地區(qū)協整估計結果顯示拐點差距較大。

總之，中國尚處于碳排放上升期，隨著經濟發(fā)展水平的提升，碳排放總量仍會增加。盡管理論上表明拐點在2020年左右出現，但是該拐點并不會自然發(fā)生。從能源消費的實際情況進行預測，如果保持現狀的經濟社會發(fā)展模式不變，碳排放高峰在2020年不會出現。政府應該有所作為，坐等CKC達到拐點是不可能的，必須在提高能源使用效率、優(yōu)化能源消費結構、加快產業(yè)結構升級等方面花大力氣，以期CKC拐點提前到來。另外，需要重視地區(qū)碳排放差異，深化碳交易機制的改革，加大環(huán)境規(guī)制力度，避免碳排放的區(qū)域轉移，縮小地區(qū)間碳生產率的差距，爭取早日達到碳減排目標。

［1］ Grossman G M，Krueger A B．Economic Growth and the Environment［J］．Quarterly Journal of Economics，1995，110（2）．

［2］ Panayotou T．Empirical Tests and Policy Analysis of Environmental Degradation at Different Stages of Economic Development［R］．Geneva：ILO，Technology and Employment Program，1993．

［3］ Selden T M，Song D．Environmental Quality and Development：Is There a Kuznets Curve for Air Pollution［J］．Journal of Environmental Economics and Management，1994，27（2）．

［4］ Agras J，Chapman D．A Dynamic Approach to the Environmental Kuznets Curve Hypothesis［J］．Ecological Economics，1999，28（2）．

［5］ Galeotti M，Lanza A，Pauli F．Reassessing the Environmental Kuznets Curve for CO2Emissions：A Robustness Exercise［J］．Ecological Economics，2006，57（1）．

［6］ Moomaw W R，Unruh G C．Are Environmental Kuznets Curve Misleading US？The Case of CO2Emissions，Special Issue on Environmental Kuznets Curves［J］．Environmental and Development Economics，1997，2（4）．

［7］ 付加鋒，高慶先，師華定．基于生產與消費視角的CO2環(huán)境庫茨涅茲曲線的實證研究［J］．氣候變化研究進展，2008（6）．

［8］ 蔡昉，都陽，王美艷．經濟發(fā)展方式轉變與節(jié)能減排內在動力［J］．經濟研究，2008（6）．

［9］ 林伯強，蔣竺均．中國二氧化碳的環(huán)境庫茲涅茨曲線預測及影響因素［J］．管理世界，2009（4）．

［10］許廣月，宋德勇．中國碳排放環(huán)境庫茲涅茨曲線的實證研究——基于省域面板數據［J］．中國工業(yè)經濟，2010（5）．

［11］虞義華，鄭新業(yè)，張莉．經濟發(fā)展水平、產業(yè)結構與碳排放強度——中國省級面板數據分析［J］．經濟理論與經濟管理，2011（3）．

［12］Poon J P H，Casas I，He C F．The Impact of Energy，Transport，and Trade on Air Pollution China［J］．Eurasian Geography and Economics，2006，47（5）．

［13］Banerjee A et al．Co－Integration，Error－Correction，and the Econometric Analysis of Non－Stationary Data［M］．Oxford：Oxford University Press，UK，1993．

［14］Westerlund J．Testing for Error Correction in Panel Data［J］．Oxford Bulletin of Economics and Statistics，2007，69（6）．

An Empirical Study on Carbon Kuznets Curve in China Based on Nonstationary Heterogeneous Provincial Panel Data

WANG Jia1，YANG Jun2
（1．School of Public Finance and Taxation，Southwestern University of Finance and Economics，Chengdu 611130，China；2．School of Economics and Business Administration，Chongqing University，Chongqing 400030，China）

On the basis of subdividing 17fossil energy types and considering emission sources of cement production，we have estimated sub－national carbon dioxide emission index from 1997to 2011．Further，we have tested whether famous carbon Kuznets curve（CKC）existed in China，application on panel unit root test，panel cointegration test and fully modified OLS．The results are as follow：there are significant cointegration relation statistically between variables；CKC do exist in most regions in China，but don＇t basically approach to break point，i．e．the trendy of ascent stage；the average break point is 540 365yuan，meanwhile，carbon Dioxide emission will step into descent range in China．

carbon kuznets curve；panel cointegration；fully modified ordinary least squares

F224．0

A

1007－3116（2014）04－0037－07

2013－11－18

國家自然科學基金重點項目《天然氣資源的經濟安全重大問題與對策研究》（71133007）；國家自然科學基金面上項目《基于市場交易的天然氣開采量與成本協調激勵氣價機制研究》（71373297）

王 佳，男，河南修武人，經濟學博士，講師，研究方向：資源環(huán)境經濟學，數量經濟學；

楊 俊，男，重慶銅梁人，教授，博士生導師，研究方向：能源環(huán)境經濟學，電力技術經濟學。

（責任編輯：杜一哲）