胡 宇

一、緒 論

現(xiàn)階段，經(jīng)濟(jì)發(fā)展是國(guó)家和地區(qū)最為重視和長(zhǎng)期追求的目標(biāo)，也是改善國(guó)家和地區(qū)環(huán)境，提高社會(huì)福利待遇，實(shí)現(xiàn)社會(huì)長(zhǎng)治久安的前提條件（程秀花等，2017）[1]。我國(guó)已明確規(guī)定在2020年到來(lái)之前，工業(yè)碳排放強(qiáng)度要較2005年降低40—45個(gè)百分點(diǎn)。從“十二五”規(guī)劃以來(lái)，我國(guó)一直強(qiáng)調(diào)加強(qiáng)管控能源消費(fèi)總量，針對(duì)長(zhǎng)江經(jīng)濟(jì)帶地區(qū)制定了應(yīng)達(dá)到的碳強(qiáng)度數(shù)值等相關(guān)標(biāo)準(zhǔn)。然而，無(wú)論是碳總量管控?cái)?shù)值，還是強(qiáng)度數(shù)值，都未能徹底解決制約長(zhǎng)江經(jīng)濟(jì)帶各地區(qū)經(jīng)濟(jì)發(fā)展的因素，這樣就可能給地方政府減排工作帶來(lái)諸多困難，政策的可行性和有效性將會(huì)大打折扣（王少劍等，2017）[2]。因此，要想實(shí)現(xiàn)碳減排指標(biāo)的同時(shí)又能推動(dòng)區(qū)域經(jīng)濟(jì)的發(fā)展，各級(jí)政府必須對(duì)碳排放的分布、發(fā)展趨勢(shì)及其影響因素展開(kāi)更深入地研究，找到問(wèn)題的根源，解決問(wèn)題的主要矛盾，制定實(shí)際可行的政策措施，讓減排工作能夠得到較好的處理。

二、數(shù)據(jù)來(lái)源、數(shù)據(jù)處理及模型方法

（一）長(zhǎng)江經(jīng)濟(jì)帶碳排放驅(qū)動(dòng)因素的數(shù)據(jù)來(lái)源與數(shù)據(jù)處理

1.數(shù)據(jù)來(lái)源

文章中的數(shù)據(jù)主要來(lái)源于國(guó)家統(tǒng)計(jì)部門(mén)數(shù)據(jù)庫(kù)、國(guó)家環(huán)境保護(hù)數(shù)據(jù)庫(kù)、國(guó)家能源統(tǒng)計(jì)部門(mén)數(shù)據(jù)庫(kù)，同時(shí)也參考了長(zhǎng)江經(jīng)濟(jì)帶各省市相關(guān)統(tǒng)計(jì)數(shù)據(jù)庫(kù)，年份主要集中在2000—2018年。

2.指標(biāo)權(quán)重的選取與確定

指標(biāo)選取的正確性和合理性是系統(tǒng)分析與評(píng)價(jià)的基礎(chǔ)，本文涉及城市化和環(huán)境兩個(gè)系統(tǒng)，在遵循綜合性、客觀(guān)性、可比性等原則上，建立以下指標(biāo)體系，見(jiàn)表1。

表1 指標(biāo)詳情

文中統(tǒng)計(jì)核算碳排放量的原始數(shù)據(jù)主要取自于長(zhǎng)江經(jīng)濟(jì)帶2000—2018年每年原煤、焦炭、原油、燃料油、汽油、煤油、柴油和天然氣等8種能源消費(fèi)的具體數(shù)據(jù)。另外，文章關(guān)于城市化進(jìn)程中影響碳排放因素相關(guān)數(shù)據(jù)則取自各省市地區(qū)統(tǒng)計(jì)年鑒，并通過(guò)統(tǒng)計(jì)核算軟件進(jìn)行數(shù)據(jù)整理匯總減少誤差。

（二）長(zhǎng)江經(jīng)濟(jì)帶碳排放收斂模型

1.α收斂

α收斂是生態(tài)環(huán)境經(jīng)濟(jì)學(xué)中影響生態(tài)環(huán)境指標(biāo)的離散程度減小的狀態(tài)。它可以表現(xiàn)出個(gè)別地區(qū)與全國(guó)整體水平的偏離程度。文中分別通過(guò)極差、標(biāo)準(zhǔn)差和α系數(shù)考核α收斂，當(dāng)以上三個(gè)指標(biāo)隨著時(shí)間的增加而減少時(shí)就會(huì)出現(xiàn)α收斂。

（1）標(biāo)準(zhǔn)差指的是離散程度，即相對(duì)于全國(guó)平均水平各地碳強(qiáng)度的離散程度，表達(dá)式為：

式中省區(qū)數(shù)用n表示，第i個(gè)地區(qū)的碳排放強(qiáng)度用Ci表示。

（2）極差指的是衡量?jī)蓚€(gè)最值（最大值與最小值）兩者的差額程度的參量，可以表示為R=Cmax-Cmin，其中，Cmax為碳強(qiáng)度的最大值，Cmin為碳強(qiáng)度的最小值。

（3）α系數(shù)大多數(shù)情況下可以當(dāng)作估測(cè)各地碳強(qiáng)度偏離均值的水平，表達(dá)式為：

式中省區(qū)數(shù)用n表示，第i個(gè)地區(qū)的碳排放強(qiáng)度用Ci表示，Cˉ是全國(guó)碳強(qiáng)度的平均水平。

2.β的絕對(duì)收斂

在其他條件確定的前提下（產(chǎn)業(yè)構(gòu)成、能源利用和收入），β的絕對(duì)收斂情況就是各地區(qū)的碳排放的強(qiáng)度最后可以同時(shí)收斂于相同的穩(wěn)態(tài)水平。表達(dá)式如下：

式中不同年份用t表示，第i個(gè)地區(qū)的t年份的碳強(qiáng)度用Cit表示，殘差項(xiàng)用μit表示。當(dāng)β小于0時(shí)，就出現(xiàn)絕對(duì)收斂。

3.β的條件收斂

β條件收斂就是在一些經(jīng)濟(jì)條件不同的情況下，比如產(chǎn)業(yè)、能源消費(fèi)結(jié)構(gòu)等，各省市區(qū)的碳排放強(qiáng)度最終會(huì)收斂于不一樣的穩(wěn)態(tài)水平。表達(dá)式如下：

式中不同年份用t代替，不同區(qū)域用i代替，第i個(gè)區(qū)域的t年份的碳強(qiáng)度用Cit代替，第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、城市人口占比、城鎮(zhèn)建成區(qū)面積和人均 GDP 分別用 T、S、R、F、E 表示，殘差項(xiàng)用μit代替。在β小于0的時(shí)候，屬于條件收斂。

（三）其他模型與方法

1.STIRPAT模型

美國(guó)生態(tài)學(xué)家在上世紀(jì)七十年代針對(duì)經(jīng)濟(jì)發(fā)展與生態(tài)環(huán)境的聯(lián)系提出了IPAT模型，即I=IPAT。Rose在IPAT之后又通過(guò)對(duì)居民的富裕程度、科學(xué)技術(shù)的回歸采取生態(tài)壓力的隨機(jī)測(cè)算結(jié)果得出生態(tài)壓力隨機(jī)模型，也即STIRPAT模型（宋曉暉等，2018）[3]。

根據(jù)長(zhǎng)江經(jīng)濟(jì)帶的總體經(jīng)濟(jì)發(fā)展態(tài)勢(shì)，從中選取作為影響城市化過(guò)程CO2排放量的指標(biāo)，即第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、城鎮(zhèn)人口占比、城鎮(zhèn)建成區(qū)面積、城鎮(zhèn)居民人均 GDP、能源的強(qiáng)度。通過(guò)STIRPAT，得出這些參數(shù)與碳排放量?jī)?nèi)部聯(lián)系的有關(guān)模型。通過(guò)回歸分析確定模型系數(shù)，得到如下公式：

對(duì)表達(dá)式取對(duì)數(shù)：

式中碳排放總量用Y表示，常數(shù)用A表示，第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值T、S，城鎮(zhèn)人口占比、城鎮(zhèn)建成區(qū)面積分別為R、F，人均可支配收入為E，能源強(qiáng)度用D表示，隨機(jī)模型項(xiàng)用μit表示，模型彈性系數(shù)用ai表示，即帶來(lái)Y的ai%變化是由于T、S、R、F、E和D每發(fā)生1%的變化時(shí)引起的。

2.偏相關(guān)關(guān)系探討

本文運(yùn)用SPSS19.0中影響城市化進(jìn)程及碳排放相關(guān)的指標(biāo)與碳排放量之間的時(shí)間序列的數(shù)據(jù)所運(yùn)行的偏相關(guān)分析，可得到各參數(shù)與碳排放量的偏相關(guān)系數(shù)，經(jīng)過(guò)顯著性檢驗(yàn)來(lái)辨清是否能作為碳排放量的影響驅(qū)動(dòng)因素。

3.主成分分析

主成分分析是指把之前的多個(gè)變量簡(jiǎn)化為更少的幾個(gè)綜合指標(biāo)的一種計(jì)量分析法，是一種降維分析的方法。首先，通過(guò)SPSS19.0中的主要成分辨析法對(duì)最初的自變量進(jìn)行研究和辨析，找出解釋力很高的整體參數(shù)。接著，運(yùn)行普通最小二乘回歸，得到因變量與整體之間的線(xiàn)性表達(dá)式。最后將綜合變量與自變量之間存在的線(xiàn)性關(guān)系式代入因變量與整體之間的線(xiàn)性表達(dá)式中，就能得到因變量與自變量間的表達(dá)式，在STIRPAT模型中得出最初變量的驅(qū)動(dòng)因子彈性系數(shù)和貢獻(xiàn)率。

三、長(zhǎng)江經(jīng)濟(jì)帶碳排放指標(biāo)核算與實(shí)證分析

（一）長(zhǎng)江經(jīng)濟(jì)帶碳排放指標(biāo)核算

碳排放的產(chǎn)生主要是由于化石能源消費(fèi)引起的。能源消費(fèi)引起的緣由有很多，這些影響因素之間的關(guān)系同樣很復(fù)雜，如果采用較多的驅(qū)動(dòng)因素，自然會(huì)造成數(shù)據(jù)的繁瑣化。一次能源消費(fèi)總量參數(shù)折算為標(biāo)準(zhǔn)煤參考系數(shù)就可看作是碳排放值（CE），計(jì)算累計(jì)的碳排放量，主要包括煤炭、石油、天然氣三大能源，其表達(dá)式是：

表達(dá)式中，i=l，2，3，分別代表：煤炭、石油、天然氣，E為能源消費(fèi)的總量（單位：萬(wàn)噸），第i種一次能源消費(fèi)所占的比例用Wi表示，第i種一次能源的消費(fèi)量用Ei表示，第i類(lèi)一次能源的碳排放系數(shù)δi表示，其中，煤炭δi=0.7229，石油δi=0.5573，天然氣δi=0.4225。

結(jié)合2000—2018每年能源消費(fèi)所占比率和能源消耗量E，得到碳排放量如表2所示。

為更加形象地了解2000—2018年長(zhǎng)江經(jīng)濟(jì)帶碳排放情況，根據(jù)表2中碳排放統(tǒng)計(jì)核算可以繪出碳排放量的變化折線(xiàn)圖，如圖1。

根據(jù)表2和圖1發(fā)現(xiàn)，2000—2004年碳排放量相對(duì)而言較穩(wěn)定，2004年后碳排放量一直處于上升趨勢(shì)，尤其是2007—2012年，碳排放量上升很快，隨后上升的速度逐漸放緩，到2014年，又開(kāi)始加速增長(zhǎng)，再到2016年增長(zhǎng)速度又出現(xiàn)放緩，并逐步趨于穩(wěn)定狀態(tài)。

（二）長(zhǎng)江經(jīng)濟(jì)帶碳排放收斂分析

根據(jù)公式（1）（2）進(jìn)行計(jì)算整理，可得到表 3數(shù)據(jù)。

由表3可知，2000—2018年期間，長(zhǎng)江經(jīng)濟(jì)帶各地單位GDP的CO2排放量伴隨時(shí)間增加逐步減少，碳強(qiáng)度在2007—2012年期間是不穩(wěn)定的，但從整體角度來(lái)觀(guān)察是下降趨勢(shì)。從整體角度來(lái)看碳強(qiáng)度平均減少了0.4514t/萬(wàn)元，年度均減少2.191%。其中，貴州、云南兩省碳強(qiáng)度最高，然而從整體來(lái)看碳排放水平仍有較大程度的減少；上海、江蘇、浙江等煤炭資源缺乏的省市區(qū)碳強(qiáng)度最小。在樣本期間內(nèi)，單位GDP的CO2排放量稍低省份的碳強(qiáng)度的下降速度要明顯慢于單位GDP的CO2排放量稍高省份，另從表4中的極差、標(biāo)準(zhǔn)差、σ系數(shù)等統(tǒng)計(jì)結(jié)果也表明，長(zhǎng)江經(jīng)濟(jì)帶各地碳強(qiáng)度收斂。

表2 2000—2018年碳排放量核算表

圖1 2000—2018年碳排放量的增長(zhǎng)折線(xiàn)圖 （單位：萬(wàn)噸）

表3 2000—2018年長(zhǎng)江經(jīng)濟(jì)帶各地碳強(qiáng)度變化情況 （單位：t/萬(wàn)元）

表4 2000—2018年長(zhǎng)江經(jīng)濟(jì)帶地區(qū)間碳強(qiáng)度差異變化趨勢(shì)

關(guān)于β絕對(duì)收斂的具體情況，表5中，利用2000—2018年長(zhǎng)江經(jīng)濟(jì)帶各地碳排放強(qiáng)度的樣本數(shù)據(jù)和Eviews 6.0，檢驗(yàn)單位GDP的CO2排放量是否絕對(duì)收斂。首先看F—統(tǒng)計(jì)量和Hausman檢驗(yàn)，結(jié)果顯示兩者都拒絕原假設(shè)，表示模型存在個(gè)體固定效應(yīng)，所以回歸分析可以通過(guò)個(gè)體固定效應(yīng)模型實(shí)現(xiàn)。

從表 5得知，LOG（C）的系數(shù)為負(fù)，且在0.010%的基礎(chǔ)上顯著不是0，說(shuō)明回歸方程結(jié)果很好。可以推斷2000—2018年間，長(zhǎng)江經(jīng)濟(jì)帶內(nèi)各地單位GDP的CO2排放雖然不一致，然而β絕對(duì)收斂是顯著的，所以長(zhǎng)江經(jīng)濟(jì)帶各地碳強(qiáng)度差異有降低的態(tài)勢(shì)。

β條件收斂，根據(jù)公式（2），采用2000—2018年長(zhǎng)江經(jīng)濟(jì)帶各地第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、城市人口占比、城鎮(zhèn)建成區(qū)面積和人均GDP等數(shù)據(jù)，最初借助F—統(tǒng)計(jì)量和Hausman檢驗(yàn)，若結(jié)果均拒絕原假設(shè)，表示模型存在單個(gè)固定效應(yīng)，則我們可以根據(jù)單個(gè)固定效應(yīng)模型進(jìn)行回歸分析。這里正好符合，表6即為β條件收斂檢驗(yàn)結(jié)果。

表6中，LOG（C）的系數(shù)為負(fù)，且在0.01%基礎(chǔ)上顯著不是0，人均GDP、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)、出口占GDP之比分別在0.50%、2%、60%、15%的水平上顯著不是0，由此可以看出，由于各省區(qū)經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)、能源結(jié)構(gòu)等各種經(jīng)濟(jì)條件的不同，長(zhǎng)江經(jīng)濟(jì)帶各地間碳強(qiáng)度在2000—2018年存在β條件收斂。

表7中，對(duì)碳強(qiáng)度的影響驅(qū)動(dòng)因素進(jìn)行了更進(jìn)一步研究，可假設(shè)方程：

式中，各個(gè)年份用t表示，第i個(gè)地區(qū)t年份的碳強(qiáng)度用Cit表示，第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、城市人口占比、城鎮(zhèn)建成區(qū)面積和人均GDP分別用T、S、R、F、E 表示，殘差項(xiàng)用μit表示。借助 F—統(tǒng)計(jì)量和Hausman檢驗(yàn)，結(jié)果均拒絕原假設(shè)，表示模型存在單個(gè)固定效應(yīng)，可根據(jù)單個(gè)固定效應(yīng)模型進(jìn)行回歸分析。如表7，模型1、2、3中，針對(duì)碳強(qiáng)度的影響明顯的有 LN（T）、S、R 和 F。其中，產(chǎn)生正向影響的第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值是建立在0.01%的顯著性水平上，兩者的變化是同方向的；城市人口占比與城鎮(zhèn)建成區(qū)面積在1%的顯著性水平上也是正向影響，城市人口占比與碳強(qiáng)度排放量同方向變化；在0.01%的顯著性水平上，人均GDP同樣也是正向影響，即隨著人們生活水平的不斷提高，碳強(qiáng)度也在不斷增加（黃立洪等，2016）[4]。

表5 長(zhǎng)江經(jīng)濟(jì)帶地區(qū)間碳強(qiáng)度的β絕對(duì)收斂檢驗(yàn)結(jié)果

表6 長(zhǎng)江經(jīng)濟(jì)帶地區(qū)間碳強(qiáng)度的β條件收斂檢驗(yàn)結(jié)果

表7 長(zhǎng)江經(jīng)濟(jì)帶地區(qū)間碳強(qiáng)度影響因素分析結(jié)果

從表8可知，2000—2018年長(zhǎng)江經(jīng)濟(jì)帶每年的平均能源消耗總量、碳排放量以及人均碳排放量均呈現(xiàn)逐年遞增狀態(tài)。從2000年到2018年這十幾年中長(zhǎng)江經(jīng)濟(jì)帶各地區(qū)能源強(qiáng)度和碳排放強(qiáng)度顯示出了明顯的下降趨勢(shì)。其中不難發(fā)現(xiàn)能源消耗增大和環(huán)境承載力下降造成的碳排放上升的趨勢(shì)，大部分原因可以認(rèn)為是由于社會(huì)經(jīng)濟(jì)發(fā)展需要帶來(lái)的城市化進(jìn)程的加快，同時(shí)也可以看到2008年以來(lái)，整個(gè)長(zhǎng)江經(jīng)濟(jì)帶經(jīng)濟(jì)發(fā)展的核心產(chǎn)業(yè)是第二產(chǎn)業(yè)，主要包括工業(yè)區(qū)建設(shè)、房產(chǎn)開(kāi)發(fā)、舊城新建等，還包括以電力、冶金、水泥加工等6大重化工業(yè)發(fā)展而迅速帶動(dòng)了長(zhǎng)江經(jīng)濟(jì)帶整個(gè)區(qū)域的能源消費(fèi)持續(xù)上升，結(jié)果使得能源消耗和碳排放量不斷增加。但是，最近幾年來(lái)，因?yàn)楦魇∈蟹e極響應(yīng)國(guó)家政策，加強(qiáng)生態(tài)環(huán)境保護(hù)，對(duì)高耗能、重污染的企業(yè)進(jìn)行整治并提高了相關(guān)標(biāo)準(zhǔn)，通過(guò)鼓勵(lì)提高科學(xué)技術(shù)水平使得循環(huán)經(jīng)濟(jì)和低碳經(jīng)濟(jì)得到很好地實(shí)施，逐步提高了能源利用率，使得長(zhǎng)江經(jīng)濟(jì)帶碳排放強(qiáng)度和能源強(qiáng)度出現(xiàn)了持續(xù)下降的態(tài)勢(shì)，碳排放強(qiáng)度呈減少態(tài)勢(shì)。

表8 長(zhǎng)江經(jīng)濟(jì)帶2000—2018年平均能源消費(fèi)和碳排放時(shí)間序列

表9 主成分分析相關(guān)系數(shù)矩陣

（三）穩(wěn)健性檢驗(yàn)——長(zhǎng)江經(jīng)濟(jì)帶驅(qū)動(dòng)因素的主成分分析

為保證研究的結(jié)論更加客觀(guān)、科學(xué)，需對(duì)上述結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)，使評(píng)價(jià)結(jié)果更有說(shuō)服力，同時(shí)也使得整個(gè)分析更具邏輯性。

偏相關(guān)討論。第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、城區(qū)人口占比、城鎮(zhèn)面積、能源的強(qiáng)度分別用T、S、R、F、E、D作為參數(shù)表示，因變量用Y表示，偏相關(guān)討論可以通過(guò)SPSS19.0實(shí)現(xiàn)。分析結(jié)果顯示，這些指標(biāo)和相關(guān)參數(shù)顯然大于0.9，在0.01水平（雙側(cè)）上顯著相關(guān)，符合顯著性檢驗(yàn)，則可認(rèn)為這六個(gè)影響城市化發(fā)展的因素都是碳排放總量的驅(qū)動(dòng)因素。

因子主成分分析討論。利用上述的六個(gè)指標(biāo)和碳排放量最初時(shí)間序列數(shù)據(jù)進(jìn)行對(duì)數(shù)變換，為降低各變量間的量綱和數(shù)量級(jí)差異，讓數(shù)據(jù)更具可比性，將數(shù)對(duì)變換后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將標(biāo)準(zhǔn)化后的數(shù)據(jù)輸入SPSS19.0運(yùn)用主成分分析處理。結(jié)果如表9所示。

從表 10 得知，標(biāo)準(zhǔn)化后的自變量 T、S、R、F、E、D被進(jìn)行分析與篩選后，可以采取2個(gè)主成分，即綜合變量用Z1、Z2顯示，解釋因變量的 97.582%和99.379%能夠通過(guò)Z1、Z2實(shí)現(xiàn)，而且t檢驗(yàn)的Sig值小于0.01（見(jiàn)表8），擬合程度較好。由表11顯示得分（貢獻(xiàn)率）矩陣，顯示綜合變量Z1、Z2與因變量的聯(lián)系，表達(dá)式可為：

考核擬合優(yōu)度的統(tǒng)計(jì)量可以利用比較判定系數(shù)R2，R2越大就說(shuō)明擬合度越高，通過(guò)以上兩式，被解釋變量、解釋變量與工具變量分別用 Y?、Z?1、Z?2表示。隨后回歸擬合，得到模型的比較判定系數(shù)R2、F值、標(biāo)準(zhǔn)誤差、t檢驗(yàn)的 Sig值，分別對(duì)應(yīng)為 0.842、49.38、0.098、0，顯然 Sig 值等于 0.0000，而小于0.01，模型擬合較好。

根據(jù)表 12 可得到綜合變量Z?1、Z?2與 Y?的關(guān)系式為：

根據(jù)主成分因子載荷量構(gòu)成一個(gè)綜合評(píng)價(jià)函數(shù)，將 Z1、Z2代入即可得到：

表10 主成分分析解釋總方差

表11 主要構(gòu)成得分系數(shù)（貢獻(xiàn)率）分布圖

表12 模型變量系數(shù)（載荷）

由上式可得出長(zhǎng)江經(jīng)濟(jì)帶2000—2018年城市化進(jìn)程中，碳排放量逐年增長(zhǎng)的驅(qū)動(dòng)因子模型：

通過(guò)公式可知，城市化過(guò)程中，影響長(zhǎng)江經(jīng)濟(jì)帶2000—2018年碳排放量的第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、城市人口占比、城市建成區(qū)面積、居民人均GDP、能源強(qiáng)度等驅(qū)動(dòng)因子的彈性系數(shù)分別是1.2088、0.2020、0.5023、4.7938、1.0660、-0.1202，其中1.2088表示當(dāng)?shù)诙a(chǎn)業(yè)產(chǎn)值上升1%時(shí)，碳排放量將隨之增加1.2088%，其他彈性系數(shù)與之類(lèi)似。

本文借助主成分分析法和SPSS19.0等軟件，對(duì)長(zhǎng)江經(jīng)濟(jì)帶2000—2018年碳排放相關(guān)數(shù)據(jù)進(jìn)行處理和分析，初步討論了長(zhǎng)江經(jīng)濟(jì)帶碳排放驅(qū)動(dòng)因素的作用及其相關(guān)關(guān)系。

1.第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、人口占比、城市建成區(qū)面積、居民人均GDP五個(gè)影響因素與碳排放量增長(zhǎng)表現(xiàn)出正向關(guān)系。按影響重要性排序應(yīng)是：建成區(qū)面積、第二產(chǎn)業(yè)產(chǎn)值、居民人均GDP、城市人口占比和第三產(chǎn)業(yè)產(chǎn)值。產(chǎn)生這種現(xiàn)象的原因可能是近年來(lái)長(zhǎng)江經(jīng)濟(jì)帶正進(jìn)行著新型城鎮(zhèn)化建設(shè)，同時(shí)伴隨著國(guó)家經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整和重點(diǎn)產(chǎn)業(yè)布局的優(yōu)化，整個(gè)長(zhǎng)江經(jīng)濟(jì)帶的城鎮(zhèn)建成區(qū)面積在逐步擴(kuò)大。除此之外，長(zhǎng)江經(jīng)濟(jì)帶工業(yè)發(fā)展速度明顯加快，使得整個(gè)區(qū)域的工業(yè)化水平得到了很大提高，從而引起能源消耗量增加，最終導(dǎo)致碳排放量隨之逐年增加。

2.在2000—2018年期間，長(zhǎng)江經(jīng)濟(jì)帶的碳強(qiáng)度與碳排放量增長(zhǎng)存在著負(fù)相關(guān)關(guān)系。其原因可能是整個(gè)區(qū)域在城鎮(zhèn)化發(fā)展過(guò)程中，通過(guò)鼓勵(lì)技術(shù)創(chuàng)新，強(qiáng)調(diào)綠色環(huán)保意識(shí)，使得能源利用率得到了有效提高，最后碳排放量增加帶來(lái)了碳強(qiáng)度的減少（肖英等，2018）[5]。

四、實(shí)證結(jié)論與建議

文章基于2000—2018年長(zhǎng)江經(jīng)濟(jì)帶九省二市相關(guān)統(tǒng)計(jì)資料，在碳排放研究中加入收斂等相關(guān)理論，較為系統(tǒng)地研究了長(zhǎng)江經(jīng)濟(jì)帶各省市之間單位GDP的CO2排放量是否存在收斂性以及存在的影響驅(qū)動(dòng)因素，得出兩點(diǎn)結(jié)論：首先，長(zhǎng)江經(jīng)濟(jì)帶各省市之間碳強(qiáng)度有σ收斂、β絕對(duì)收斂和β條件收斂，表明可能降低單位GDP的CO2排放量的區(qū)別；其次，影響長(zhǎng)江經(jīng)濟(jì)帶碳排放的原因分別是產(chǎn)生負(fù)向、正向、正向和正向的影響的經(jīng)濟(jì)發(fā)展水平、人口數(shù)量、產(chǎn)業(yè)結(jié)構(gòu)情況和城市化水平等因素，在其他條件不變的前提下，能夠降低我國(guó)長(zhǎng)江經(jīng)濟(jì)帶碳排放強(qiáng)度的主要措施是提升經(jīng)濟(jì)發(fā)展水平、減少第二產(chǎn)業(yè)產(chǎn)值占GDP的比重，以及控制城市人口規(guī)模。

為保證研究結(jié)論更加客觀(guān)、科學(xué)，進(jìn)行了穩(wěn)健性檢驗(yàn)，且最終通過(guò)了穩(wěn)健性檢驗(yàn)。通過(guò)計(jì)算出城市化進(jìn)程中影響碳排放的驅(qū)動(dòng)因子彈性系數(shù)，得出以下兩點(diǎn)結(jié)論：首先，對(duì)于城鎮(zhèn)化進(jìn)程中的長(zhǎng)江經(jīng)濟(jì)帶，主要是由于第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、城市人口占比、建成區(qū)面積、居民人均GDP的增加帶來(lái)碳排放量的增加（程秀花等，2018）[8]。其次，長(zhǎng)江經(jīng)濟(jì)帶在城市化進(jìn)程中碳排放量表現(xiàn)出逐年上升趨勢(shì)。

黨的十八大以來(lái)，我國(guó)政府把生態(tài)文明建設(shè)和生態(tài)環(huán)境保護(hù)擺在重要的戰(zhàn)略地位。繼2016年7月1日全面推行資源稅改革后，11月國(guó)務(wù)院通過(guò)了《“十三五”生態(tài)環(huán)境保護(hù)規(guī)劃》，隨后又頒布了《環(huán)境保護(hù)稅法》（薛小青，2018）[6]。為實(shí)現(xiàn)長(zhǎng)江經(jīng)濟(jì)帶低碳經(jīng)濟(jì)和可持續(xù)發(fā)展目標(biāo)，提出以下幾點(diǎn)建議：

1.從城市發(fā)展和科學(xué)增長(zhǎng)出發(fā)，應(yīng)該嚴(yán)格執(zhí)行國(guó)家新頒發(fā)的土地利用規(guī)劃，樹(shù)立科學(xué)發(fā)展觀(guān)，科學(xué)推進(jìn)城鎮(zhèn)化進(jìn)程，調(diào)整城鎮(zhèn)空間布局，嚴(yán)格控制城鎮(zhèn)用地規(guī)模。

2.加強(qiáng)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，加速整個(gè)經(jīng)濟(jì)發(fā)展過(guò)程中能源利用結(jié)構(gòu)的轉(zhuǎn)型，大力發(fā)展綠色環(huán)保企業(yè)，因地制宜，同時(shí)不可忽視第三產(chǎn)業(yè)的發(fā)展。

3.在城市化進(jìn)程中，要提高人口流動(dòng)的方向性，加快產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，“綠色建筑”“生態(tài)住宅”等理念都值得提倡，低碳環(huán)保理念需得到具體落實(shí)。

4.在城市化進(jìn)程中，不斷強(qiáng)化節(jié)能環(huán)保意識(shí)，加強(qiáng)綠色消費(fèi)理念的宣傳力度，真正將口號(hào)、理念落實(shí)到實(shí)處。