董紫媛，張朝輝

（中國(guó)社會(huì)科學(xué)院大學(xué) 應(yīng)用經(jīng)濟(jì)學(xué)院，北京 102488）

2019 年9 月聯(lián)合國(guó)氣候峰會(huì)上，66 個(gè)國(guó)家承諾碳中和目標(biāo)，并組成氣候雄心聯(lián)盟[1]。截至2020 年6 月12 日已有125 個(gè)國(guó)家承諾了21 世紀(jì)中葉前實(shí)現(xiàn)碳中和目標(biāo)[2]。2020 年9 月22 日，國(guó)家主席習(xí)近平在第七十五屆聯(lián)合國(guó)大會(huì)上宣布，我國(guó)將采取更加有力的政策和措施，力爭(zhēng)二氧化碳排放于2030 年前達(dá)到峰值、2060 年前實(shí)現(xiàn)碳中和[3]。長(zhǎng)期以來(lái)，歐盟家庭的生活消費(fèi)耗能量早在20 世紀(jì)90 年代就已經(jīng)趕超工業(yè)耗能量，成為最大的能源消耗者[4]。而我國(guó)減排任務(wù)的重點(diǎn)聚焦在工業(yè)部門(mén)，忽視了來(lái)自家庭的日益嚴(yán)重的碳排放量。2014 年，中國(guó)家庭的最終能源消費(fèi)達(dá)到4.06 億噸油當(dāng)量，占最終能源消費(fèi)總量的20.4%[5]。已有研究表明，家庭逐漸成為減排的關(guān)注焦點(diǎn)[6]。伴隨著中國(guó)城市化的快速推進(jìn)與人民生活水平的不斷提升，城市控排問(wèn)題成為發(fā)展轉(zhuǎn)型與“雙碳”目標(biāo)下的重點(diǎn)議題。在探討城市各類(lèi)碳排放的時(shí)空演變及其影響因素的過(guò)程中，城市居住碳排放由于其規(guī)模龐大、占比不斷上升、區(qū)域分異明顯等特點(diǎn)，引起了學(xué)界的廣泛關(guān)注。

1 文獻(xiàn)綜述

國(guó)內(nèi)外學(xué)者關(guān)于家庭碳排放的研究主要集中于測(cè)算方法與影響因素研究。首先，在測(cè)算方法方面，碳排放核算方法明確以碳排放系數(shù)法、投入產(chǎn)出法、生命周期評(píng)價(jià)法和消費(fèi)者生活方式法為主。目前家庭碳排放的計(jì)算大多是利用能源碳排放系數(shù)乘以對(duì)應(yīng)能源的消耗量。國(guó)內(nèi)多位學(xué)者應(yīng)用此方法核算能源消費(fèi)碳排放[7-9]。王悅等[10]統(tǒng)計(jì)了2009—2018 年不同碳排放研究方法使用比率，碳排放系數(shù)法均是各年使用率最高的，其可以簡(jiǎn)便地將能耗轉(zhuǎn)化為碳排放。XU 等[11]利用消費(fèi)者生活方式方法來(lái)計(jì)算家庭碳排放量。ZHANG 等[12]以2000—2010 年為研究對(duì)象，采用投入產(chǎn)出法考察了居民消費(fèi)引起的能源消費(fèi)和二氧化碳排放，以及間接二氧化碳排放的影響因素。DING 等[13]采用生命周期評(píng)價(jià)方法測(cè)定中國(guó)城市家庭的溫室氣體排放，探討影響溫室氣體排放的主要因素，研究表明中國(guó)城鎮(zhèn)居民住宅消費(fèi)占全球升溫潛能值的33.5%，其次是食品和家庭設(shè)施消費(fèi)。曾靜靜等[14]界定了家庭碳排放及其構(gòu)成等相關(guān)概念，梳理了國(guó)際上主要的家庭碳排放計(jì)算方法，對(duì)比分析了各種主要計(jì)算方法的優(yōu)缺點(diǎn)。

其次，在影響因素方面，國(guó)內(nèi)外學(xué)者多基于各種模型對(duì)家庭CO2排放的影響因素進(jìn)行分析。如劉莉娜等[15]通過(guò)對(duì)比SLM 和SEM 模型對(duì)2012 年人均居民生活碳排放的空間影響因素進(jìn)行探討，并表明人均居民生活碳排放的空間格局分布基本上呈現(xiàn)東高西低的態(tài)勢(shì)。周嘉等[16]采用GWR 模型對(duì)中國(guó)30 個(gè)省份的數(shù)據(jù)進(jìn)行分析，研究表明中國(guó)省域的碳排放空間依賴(lài)作用較為顯著；居民消費(fèi)水平、居民直接生活能耗碳排放強(qiáng)度、勞動(dòng)年齡人口比重對(duì)居民人均直接生活能耗碳排放量的增加具有促進(jìn)作用。王少劍等[17]依據(jù)環(huán)境庫(kù)茲涅茨曲線(xiàn)（EKC）和STIRPAT 模型二者共同來(lái)研究城市碳排放的影響因素，研究得出中國(guó)城市能源消費(fèi)碳排放的區(qū)域差異正逐步縮小，空間上呈現(xiàn)出明顯的高排放俱樂(lè)部集聚特征。HAN 等[18]應(yīng)用分位數(shù)回歸和Shapley 分解對(duì)中國(guó)24 個(gè)樣本城市分析家庭嵌入式碳排放的決定因素，提出城鄉(xiāng)居民收入差異是影響家庭碳排放最重要的決定因素。ZANG 等[19]采用對(duì)數(shù)均值迪氏指數(shù)（LMDI）分解方法，考察了山西省住宅直接碳排放（RDCE）變化的影響因素，結(jié)果表明RDCE 的增長(zhǎng)主要?dú)w因于家庭人均收入的增長(zhǎng)和家庭數(shù)量的增加。ANSER 等[20]使用一個(gè)增強(qiáng)的STIRPAT 模型，分析1994 年至2013 年期間南亞區(qū)域合作聯(lián)盟（SAARC）成員國(guó)的城市化、經(jīng)濟(jì)增長(zhǎng)和人口規(guī)模對(duì)居民碳排放的影響，城鎮(zhèn)化與居民碳排放之間存在“U”型關(guān)系。ZHANG 等[21]、GOLLEY 等[22]研究了控制高收入家庭消費(fèi)在減少二氧化碳總排放方面的重要性。從已有文獻(xiàn)來(lái)看，學(xué)者們較多致力于研究家庭碳排放的影響因素[14,23-25]，現(xiàn)有研究表明收入、城鎮(zhèn)化、居民生活能源強(qiáng)度、富裕程度等因素對(duì)家庭碳排放具有重要影響。

綜上所述，目前國(guó)內(nèi)外針對(duì)居民生活碳排放的研究主要集中在居民生活碳排放的影響機(jī)制探究，研究尺度多在省級(jí)層面開(kāi)展，而關(guān)于我國(guó)城市層面城市居住碳排放的時(shí)空變動(dòng)特征、區(qū)域異質(zhì)性及影響因素的研究尚少?；诖耍疚膰L試?yán)每傻霉俜綌?shù)據(jù)，在測(cè)算中國(guó)城市居住碳排放量的基礎(chǔ)上，分析其空間分布與變動(dòng)特征，并對(duì)影響中國(guó)城市居住碳排放的因素進(jìn)行辨別與分析。

2 數(shù)據(jù)來(lái)源及計(jì)算說(shuō)明

居民碳排放包括居民消費(fèi)行為導(dǎo)致的直接和間接碳排放量之和[26-27]。居民直接碳排放是指居民在日常生活中直接使用能源而產(chǎn)生的碳排放，其大致可劃分為居民在居住過(guò)程中“用電、用氣、采暖”所構(gòu)成的“居民居住碳排放”與居民出行過(guò)程中產(chǎn)生的“居民交通碳排放”之和，一般可直接通過(guò)相應(yīng)的能源消耗計(jì)算得出。而居民間接碳排放是指居民所消費(fèi)的商品和服務(wù)在生產(chǎn)、流通等過(guò)程中所產(chǎn)生的碳排放，一般需通過(guò)投入產(chǎn)出表計(jì)算得出?？紤]到文章的研究尺度、研究目標(biāo)與數(shù)據(jù)可得性，文章僅對(duì)中國(guó)城市居民在“用電、用氣、供暖”這三方面的能源使用行為所產(chǎn)生的“居民直接居住碳排放”進(jìn)行核算，對(duì)象范圍是2010—2019 年全國(guó)286 個(gè)地級(jí)及以上城市，核算方法為碳排放系數(shù)法。其中：“用電”采用城鎮(zhèn)居民生活用電數(shù)據(jù)，其來(lái)源于各年份《中國(guó)城市統(tǒng)計(jì)年鑒》；“用氣”采用“人工煤氣、天然氣與液化石油氣”的居民家庭用量數(shù)據(jù)，其來(lái)源于各年份《中國(guó)城市建設(shè)統(tǒng)計(jì)年鑒》；“采暖”主要是核算住宅“集中供暖”所產(chǎn)生的碳排放，其中住宅供暖面積來(lái)源于各年份《中國(guó)城市建設(shè)統(tǒng)計(jì)年鑒》，單位住宅面積供暖耗煤量采用“建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)”中公布的全國(guó)采暖期每平方米標(biāo)準(zhǔn)耗煤量；各類(lèi)能源的凈發(fā)熱量來(lái)源于《中國(guó)能源統(tǒng)計(jì)年鑒》；各類(lèi)能源單位熱值碳排放系數(shù)來(lái)源于《2006 年IPCC 國(guó)家溫室氣體清單指南》。總體計(jì)算公式如（1）所示：

式中：TCO2為城市居住直接碳排放量，Ei為城市居住于能源i的消耗量，NCVi為能源i的凈發(fā)熱量，CECi為能源i的碳排放系數(shù)，α為單位轉(zhuǎn)換系數(shù)。

3 中國(guó)城市居住碳排放的區(qū)域差異

本部分利用泰爾指數(shù)表示我國(guó)城市居住碳排放的總體差異并進(jìn)行差異分解。泰爾指數(shù)是基于信息熵的概念提出的，其計(jì)算公式如下：

式（2）～（6）中：yi為城市i的居民居住碳排放指數(shù)，為指數(shù)均值。由其定義方式可以看出，個(gè)體間差異越大，泰爾指數(shù)的值就越高。當(dāng)需要進(jìn)一步對(duì)總體差異的來(lái)源進(jìn)行分析時(shí)，可以利用公式（4）。具體而言，是將n個(gè)城市劃分為k個(gè)區(qū)域，設(shè)第k個(gè)區(qū)域gk中包含nk個(gè)城市，其中Yl、Yk計(jì)算見(jiàn)式（5）、式（6），Tb和Tw則分別表示來(lái)自區(qū)域間和區(qū)域內(nèi)的差異?？紤]到中國(guó)城市經(jīng)濟(jì)發(fā)展水平差異較大，本文將全國(guó)286 個(gè)地級(jí)市劃分為東部、中部、西北部、西南部以及東北部五個(gè)區(qū)域[28]。

如圖1 所示，2010—2019 年我國(guó)城市居住碳排放的區(qū)域泰爾指數(shù)總體上呈現(xiàn)波動(dòng)下降趨勢(shì)，表明我國(guó)城市居住碳排放的總體差異逐年縮小。但區(qū)域間差異仍十分明顯，如表1 所示，區(qū)域間泰爾指數(shù)顯示東部地區(qū)城市居住碳排放區(qū)域泰爾指數(shù)最大，數(shù)值在0.444 6～0.473 6之間。東北地區(qū)次之，但二者經(jīng)年變化幅度最小，說(shuō)明我國(guó)東部、東北地區(qū)的區(qū)域差異始終較大。西南地區(qū)與中部地區(qū)泰爾指數(shù)相對(duì)較小，中部地區(qū)出現(xiàn)較大的差異擴(kuò)大趨勢(shì)，由2010 年的0.039 4 增長(zhǎng)到2019 年的0.162 7。西南地區(qū)泰爾指數(shù)最小且始終維持在較低水平，變化幅度僅在0.033 9～0.040 7 之間。而西北部地區(qū)的波動(dòng)變化幅度最大。說(shuō)明我國(guó)城市居住碳排放不同地區(qū)經(jīng)濟(jì)發(fā)展程度、居民消費(fèi)能力有密切關(guān)系。

表1 城市居住碳排放區(qū)域間差異

圖1 城市居住碳排放泰爾指數(shù)

由于我國(guó)各地區(qū)在資源稟賦、地理位置等方面存在區(qū)域異質(zhì)性，分析居民居住碳排放的區(qū)域差異除了區(qū)域間差異，區(qū)域內(nèi)差異也是空間差異的重要來(lái)源。從圖2 中不難看出，中國(guó)城市居住碳排放存在明顯的區(qū)域內(nèi)差異，且高城市居住碳排放區(qū)域內(nèi)差異主要集中在地方省會(huì)城市及其周邊城市，以及大城市群及其周邊城市。對(duì)區(qū)域內(nèi)差異進(jìn)一步分解發(fā)現(xiàn)西南地區(qū)的區(qū)域內(nèi)差異程度最大，東北次之，中部、西北地區(qū)居中，而東部地區(qū)高城市居住碳排放區(qū)域內(nèi)差異變化不明顯。過(guò)去十年間，中國(guó)城市居住碳排放的區(qū)域內(nèi)差異分布空間格局沒(méi)有發(fā)生顯著變化，且中國(guó)各地區(qū)居民生活碳排放存在長(zhǎng)期且穩(wěn)定的差距[14]。

圖2 中國(guó)城市居住碳排放的區(qū)域內(nèi)差異

4 中國(guó)城市居住碳排放的影響因素

4.1 計(jì)量模型設(shè)定

上文利用泰爾指數(shù)分析了中國(guó)居住碳排放量區(qū)域差異及其變化，為了進(jìn)一步捕捉其影響因素并考察區(qū)域異質(zhì)性，本文將進(jìn)一步采用固定效應(yīng)模型來(lái)確定影響因素以及其異質(zhì)性。在本研究中，為了估計(jì)變量對(duì)居住碳排放的影響，固定效應(yīng)模型的基本形式如下：

式中：Y為居住碳排放量，i代表第i個(gè)地級(jí)市，t代表年份，X為控制變量向量，α是常數(shù)項(xiàng)，β是模型回歸系數(shù)，μ為隨機(jī)誤差項(xiàng)。

進(jìn)一步地，利用動(dòng)態(tài)空間杜賓模型捕捉可能遺漏的空間效應(yīng)，能夠更全面地反映出各地理單元空間距離造成的影響，如式（8）所示：

式中：RCO2代表城市居民居住碳排放；i,j代表城市單位；wij代表空間權(quán)重矩陣中的元素；t代表年份；β0為截距項(xiàng)；β為滯后項(xiàng)系數(shù)，表示上一期碳排放對(duì)當(dāng)期碳排放的影響，以衡量時(shí)間滯后效應(yīng)；ρ為城市居民居住碳排放空間滯后項(xiàng)系數(shù)，以衡量被解釋變量空間效應(yīng)；X為解釋變量向量；λ為解釋變量待估參數(shù)；γ為解釋變量空間滯后項(xiàng)系數(shù)，以衡量解釋變量空間效應(yīng)；μi表示隨機(jī)誤差項(xiàng)。

4.2 空間效應(yīng)檢驗(yàn)

考慮到經(jīng)濟(jì)發(fā)展仍是影響我國(guó)城市居住碳排放的重要指標(biāo)，而地理距離因素的影響作用趨于減弱，且單純以地理距離或經(jīng)濟(jì)距離構(gòu)造權(quán)重矩陣均會(huì)存在一定的局限性，同時(shí)為了盡量采用多種新方法來(lái)確定空間權(quán)重形式以使分析結(jié)果更客觀[29]，因此本文構(gòu)建了鄰接矩陣W1、地理距離矩陣W2、經(jīng)濟(jì)距離矩陣W3以及經(jīng)濟(jì)地理距離矩陣W4，其中鄰接矩陣將作為基準(zhǔn)回歸矩陣。計(jì)算公式如下：

式中：i和j表示城市i和城市j；dij表示城市i與城市j兩城市之間的距離；為城市i在考察期人均GDP 的年均值、為城市j在考察期人均GDP 的年均值；為城市n在考察期人均GDP 的年均值，為考察期內(nèi)所有地區(qū)人均GDP 的均值。

接著，基于鄰接、地理、經(jīng)濟(jì)、經(jīng)濟(jì)地理矩陣計(jì)算的286 個(gè)地級(jí)及以上城市逐年人均居住碳排放的全局Moran’s I 均在1%顯著水平上大于0（0.171 ≤Moran’s I ≤0.474），并且通過(guò)了顯著性檢驗(yàn)。表2 顯示我國(guó)城市居民居住碳排放具有明顯的空間正相關(guān)特征。

表2 2010—2019年286個(gè)城市居住碳排放全局莫蘭指數(shù)

進(jìn)一步地，通過(guò)空間面板的LM 檢驗(yàn)對(duì)空間滯后模型和空間誤差模型的選取進(jìn)行判斷。如表3 所示，空間滯后與空間誤差的穩(wěn)健LM 檢驗(yàn)值均在1%的水平上顯著，說(shuō)明模型不能僅納入空間滯后效應(yīng)與空間誤差效應(yīng)的一種，故此后回歸在公式（8）的基礎(chǔ)上進(jìn)行估計(jì)和分析。

表3 空間計(jì)量LM檢驗(yàn)結(jié)果

4.3 變量選擇及說(shuō)明

考慮到數(shù)的可得性與連貫性，本文的經(jīng)濟(jì)社會(huì)指標(biāo)主要整理自《中國(guó)城市統(tǒng)計(jì)年鑒》《中國(guó)城市建設(shè)年鑒》，具體指標(biāo)選取與釋義見(jiàn)表4，對(duì)個(gè)變量作對(duì)數(shù)化處理，并對(duì)部分缺失值進(jìn)行插補(bǔ)。

表4 變量選取與釋義

（1）居民平均收入水平（PW）。根據(jù)現(xiàn)有文獻(xiàn)對(duì)居民平均收入水平對(duì)碳排放的影響研究，居民居住碳排放主要與收入水平有關(guān)[14]，且過(guò)往研究認(rèn)為收入水平對(duì)城市居民居住碳排放的影響甚至超過(guò)其他人口因素與城市發(fā)展因素[30-31]。根據(jù)環(huán)境庫(kù)茲涅茨曲線(xiàn)（EKC）假說(shuō)與針對(duì)中國(guó)現(xiàn)實(shí)的有關(guān)驗(yàn)證，經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染之間一般呈現(xiàn)倒“U”型曲線(xiàn)關(guān)系。經(jīng)濟(jì)增長(zhǎng)進(jìn)而帶動(dòng)居民平均收入水平的提升，因此將居民收入水平及其二次項(xiàng)同時(shí)引入模型。預(yù)估居民收入水平二次項(xiàng)與居民居住碳排放呈現(xiàn)倒“U”型曲線(xiàn)關(guān)系。因此預(yù)計(jì)居民收入水平回歸系數(shù)為正，居民收入水平二次項(xiàng)回歸系數(shù)為負(fù)。

（2）居民平均儲(chǔ)蓄（PS）。家庭儲(chǔ)蓄作為反映家庭經(jīng)濟(jì)水平的一個(gè)重要因素，也間接影響著居民居住碳排放。家庭儲(chǔ)蓄的積累對(duì)居民居住能源消費(fèi)的規(guī)模和結(jié)構(gòu)產(chǎn)生潛在的正向影響[32]。

（3）人口密度（DEN）。以建成區(qū)人口密度表征城市人口集聚程度。由于各省行政面積存在較大差異，各省人口規(guī)模也不具有可比性。因此使用單位面積的人口數(shù)量更加合適。人口密度反映并影響城市居民的生活與行為模式，現(xiàn)有研究表明人口規(guī)模通過(guò)集聚而加劇居住二氧化碳的排放[33]，且不同地域城市的人口密度與碳排放特征呈現(xiàn)顯著差異[34]。

（4）人均GDP（PGDP）。表征經(jīng)濟(jì)增長(zhǎng)水平。鄭麗琳等[35]認(rèn)為我國(guó)碳排放總量與GDP 之間呈倒“U”型曲線(xiàn)關(guān)系，目前我國(guó)正處于倒“U”型的環(huán)境庫(kù)茲涅茨曲線(xiàn)轉(zhuǎn)折點(diǎn)左端，經(jīng)濟(jì)增長(zhǎng)規(guī)模的擴(kuò)大仍以碳排放總量的增加為代價(jià)。故人均GDP 的增加始終是居民碳排放的重要驅(qū)動(dòng)因素。

（5）產(chǎn)業(yè)結(jié)構(gòu)（IND）。本文采用三產(chǎn)增加值占GDP的比重衡量產(chǎn)業(yè)結(jié)構(gòu)。產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化會(huì)促使城市發(fā)展模式的優(yōu)化，導(dǎo)致城市能源清潔化能力的提升，在長(zhǎng)期中會(huì)影響城市改變高碳排放模式，故預(yù)計(jì)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化將會(huì)抑制居民居住碳排放。

（6）就業(yè)結(jié)構(gòu)（ES）。三產(chǎn)從業(yè)人員與二產(chǎn)從業(yè)人員的比值表征市域就業(yè)結(jié)構(gòu)，比值越高，說(shuō)明該城市就業(yè)更加多元化，也表明其經(jīng)濟(jì)發(fā)展更加活躍，預(yù)計(jì)對(duì)居住碳排放起促進(jìn)作用。

（7）財(cái)政狀況（FP）。采用“一般公共財(cái)政支出總額”與“一般公共財(cái)政收入總額”的比值表征城市政府財(cái)政狀況。研究表明，制度環(huán)境和財(cái)政狀況越好的地區(qū)，低碳發(fā)展情況越好[36]，但若政府采取高赤字倍率的負(fù)債發(fā)展模式，則勢(shì)必會(huì)導(dǎo)致能源利用與經(jīng)濟(jì)發(fā)展的粗放化，故預(yù)計(jì)財(cái)政狀況對(duì)居民碳排放起到正向作用。

（8）住宅市場(chǎng)發(fā)展（RD）。采用“房地產(chǎn)開(kāi)發(fā)投資額（住宅）”來(lái)表征地方住宅房地產(chǎn)市場(chǎng)發(fā)展程度。房地產(chǎn)開(kāi)發(fā)投資額越高，說(shuō)明該地區(qū)住宅建設(shè)越活躍，會(huì)導(dǎo)致碳排放水平趨高。然而近年來(lái)房地產(chǎn)投資中綠色建材和綠色技術(shù)的投資逐漸增加[37]，綠色住宅建在加強(qiáng)能源利用效率、降低單位能耗方面正在起到愈發(fā)明顯的作用。

4.4 固定效應(yīng)模型實(shí)證結(jié)果與分析

本文選取固定效應(yīng)方法來(lái)估計(jì)動(dòng)態(tài)面板，其優(yōu)勢(shì)在于實(shí)證分析只比較模型內(nèi)變量間的交互影響而不涉及模型中未包含在內(nèi)的影響因子。如表5 所示，模型（1）至（6）選取不同區(qū)域下的城市以判別各影響因素的具體作用及變化。

表5 固定面板效應(yīng)模型回歸

從表5 中模型（1）可以發(fā)現(xiàn)，收入水平、人均GDP、財(cái)政收入、住宅市場(chǎng)發(fā)展回歸系數(shù)為正且顯著，促進(jìn)了各個(gè)城市居住碳排放，這與預(yù)期相符。從4 個(gè)因素的影響力度來(lái)看，收入水平的回歸系數(shù)遠(yuǎn)遠(yuǎn)大于其他幾項(xiàng)，說(shuō)明收入水平是全國(guó)居住碳排放影響的主要驅(qū)動(dòng)力。收入水平二次項(xiàng)的回歸系數(shù)顯著且為負(fù)，由此可見(jiàn)，收入水平對(duì)碳排放影響的變化呈倒“U”型。另外，收入水平系數(shù)西南部遠(yuǎn)遠(yuǎn)高于東部，這表明經(jīng)濟(jì)越發(fā)達(dá)地區(qū)，收入水平對(duì)于居住碳排放的影響越小。

顯著影響東北地區(qū)居住碳排放的主要因素為收入水平、就業(yè)結(jié)構(gòu)、住宅市場(chǎng)發(fā)展。其中，住宅市場(chǎng)發(fā)展以及收入二次項(xiàng)回歸系數(shù)顯著且為負(fù)。而收入水平和就業(yè)結(jié)構(gòu)回歸系數(shù)顯著且為正，說(shuō)明收入水平的提升與就業(yè)結(jié)構(gòu)的優(yōu)化顯著導(dǎo)致東北地區(qū)居住碳排放的增加，同時(shí)收入水平的系數(shù)作用要遠(yuǎn)遠(yuǎn)大于就業(yè)結(jié)構(gòu)。

東部地區(qū)收入水平、產(chǎn)業(yè)結(jié)構(gòu)、就業(yè)結(jié)構(gòu)因素顯著促進(jìn)了居民居住碳排放。其中，東部地區(qū)居住碳排放的正向影響因素主要為產(chǎn)業(yè)結(jié)構(gòu)，說(shuō)明東部地區(qū)產(chǎn)業(yè)發(fā)展相對(duì)活躍的現(xiàn)狀導(dǎo)致其居民生活碳排放的增加。而住宅市場(chǎng)發(fā)展指標(biāo)系數(shù)為負(fù)，表明東部地區(qū)房地產(chǎn)投資的減排相對(duì)更為凸顯。

中部地區(qū)收入水平、人口密度、人均GDP 以及財(cái)政狀況均對(duì)居民居住碳排放有正向影響作用。收入水平與收入水平二次項(xiàng)均顯著，收入水平系數(shù)為正，收入水平二次項(xiàng)系數(shù)為負(fù)數(shù)。人口密度僅在中部地區(qū)對(duì)居住碳排放存在顯著影響，但在其他四個(gè)區(qū)域均不顯著，這表明人口密度指標(biāo)對(duì)居住碳排放的正向影響更加體現(xiàn)在中部地區(qū)。財(cái)政狀況在中部地區(qū)對(duì)居住碳排放顯著并且正向影響，而中部地區(qū)就業(yè)結(jié)構(gòu)與居住碳排放之間呈負(fù)相關(guān)關(guān)系，意味著就業(yè)結(jié)構(gòu)每變化1%，居民居住碳排放將減少0.082%，表明就業(yè)結(jié)構(gòu)的優(yōu)化，有利于居住碳排放的降低。

西北地區(qū)與東北、東部、中部、西南地區(qū)不同的是，收入水平與其二次項(xiàng)并不顯著，僅有人均GDP、產(chǎn)業(yè)結(jié)構(gòu)、財(cái)政狀況以及住宅市場(chǎng)發(fā)展分別在通過(guò)了5%和1%顯著性檢驗(yàn)。

西南地區(qū)收入水平與其二次項(xiàng)均顯著，且二次項(xiàng)回歸系數(shù)顯著且為負(fù)。同時(shí)財(cái)政狀況與住宅發(fā)展水平分別在5%與1%水平下顯著且為正，這表明西南地區(qū)政府財(cái)政支出與投資住宅發(fā)展均促進(jìn)了居住碳排放，同時(shí)產(chǎn)業(yè)結(jié)構(gòu)在5%水平下顯著且為負(fù)，表明在西南地區(qū)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化抑制了居民居住碳排放。

4.5 中國(guó)城市居住碳排放的空間效應(yīng)

基準(zhǔn)回歸的結(jié)果如表6 所示，8 個(gè)模型均為基于空間鄰接矩陣進(jìn)行回歸，其中模型（1）為僅納入核心解釋變量及被解釋變量的滯后項(xiàng)，模型（2）至模型（8）為逐步加入其他控制變量的結(jié)果。表6 中8 個(gè)模型回歸結(jié)果的Wald 檢驗(yàn)均通過(guò)了5%的顯著性檢驗(yàn)，表明應(yīng)該使用空間杜賓模型（SDM）。

從時(shí)間變化來(lái)看，我國(guó)城市居住碳排放的時(shí)間滯后系數(shù)均在1%的水平上顯著為正，這表明居住碳排放量的變化具有明顯的路徑依賴(lài)特征，同時(shí)當(dāng)期該城市碳排放量處于較高的水平，則下一期也將可能持續(xù)走高。從空間變化來(lái)看，各模型空間系數(shù)ρ在1%水平上顯著為正，說(shuō)明我國(guó)城市居住碳排放具有明顯的空間關(guān)聯(lián)性與集聚特征。各個(gè)變量對(duì)城市居住碳排放的影響程度如表6 所示，模型（1）至（8）通過(guò)逐步納入各變量以判別影響因素的具體作用及變化，尤其是收入水平隨著逐漸納入各變量后的變化以及與收入水平二次項(xiàng)的關(guān)系。

（1）居民生活。收入水平在（1）至（8）模型中對(duì)城市居住碳排放在1%的水平下顯著為正，并且系數(shù)作用相對(duì)較大。說(shuō)明收入水平在市域視角下是促進(jìn)居住碳排放增加的主要驅(qū)動(dòng)因素，這與之前固定效應(yīng)模型關(guān)于收入水平為主要驅(qū)動(dòng)因素結(jié)論一致。在綜合考量其他人口指標(biāo)與居民生活以及城市發(fā)展指標(biāo)后，收入水平對(duì)居住碳排放的影響依然不斷增加，進(jìn)一步印證了上述結(jié)論。收入水平二次項(xiàng)在模型（1）～（8）中均在1%顯著性水平下為負(fù)，這與固定效應(yīng)模型得出的結(jié)論一致，隨著收入水平的增加，居住碳排放先增加，后降低，呈現(xiàn)倒“U”型特征。

（2）人口特征。人口密度在模型（4）至（8）中對(duì)城市居住碳排放有影響，但是系數(shù)作用總體較弱。這表明人口密度對(duì)居住碳排放正向影響程度不高。固定效應(yīng)模型中人口密度僅在中部地區(qū)對(duì)居住碳排放有正向影響并且顯著，但在其他四個(gè)區(qū)域均不顯著。兩個(gè)模型結(jié)論與預(yù)期相符。同時(shí)人口密度在（2）至（8）模型中空間溢出效應(yīng)均通過(guò)檢驗(yàn)并且系數(shù)為負(fù)，這表明本市人口密度的增加會(huì)對(duì)周?chē)鞘芯用窬幼√寂欧女a(chǎn)生輕微抑制作用。

（3）城市發(fā)展指標(biāo)。產(chǎn)業(yè)結(jié)構(gòu)呈現(xiàn)顯著的負(fù)向影響，但影響的系數(shù)較小，這表明產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化對(duì)城市居住碳排放有微弱抑制作用但不強(qiáng)烈；除此之外就業(yè)結(jié)構(gòu)、住宅市場(chǎng)發(fā)展、財(cái)政狀況以及人均GDP 均不顯著。產(chǎn)業(yè)結(jié)構(gòu)、財(cái)政狀況在溢出效應(yīng)中均顯著，但財(cái)政狀況影響系數(shù)較小且為負(fù)，表明本市財(cái)政狀況的優(yōu)化，會(huì)對(duì)鄰近城市居民居住二氧化碳排放產(chǎn)生微弱的抑制作用，而產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化對(duì)周邊城市居民居住碳排放的影響則反之。

4.6 穩(wěn)健性檢驗(yàn)

鑒于空間計(jì)量模型對(duì)空間權(quán)重矩陣的敏感性，本文分別采用三種空間權(quán)重矩陣進(jìn)行穩(wěn)健性檢驗(yàn)，利用變換矩陣的方式，進(jìn)一步檢驗(yàn)研究結(jié)果的穩(wěn)定性[38]。穩(wěn)健性檢驗(yàn)的回歸結(jié)果見(jiàn)表7，可知地理距離空間權(quán)重矩陣、經(jīng)濟(jì)距離空間權(quán)重以及經(jīng)濟(jì)地理距離空間權(quán)重矩陣下被解釋變量的空間系數(shù)ρ、滯后系數(shù)β以及解釋變量的收入系數(shù)與收入二次項(xiàng)系數(shù)τ均通過(guò)了顯著性檢驗(yàn)并且系數(shù)大小接近。同時(shí)與前述鄰接矩陣下估計(jì)結(jié)果基本一致，說(shuō)明本文模型設(shè)定準(zhǔn)確，研究結(jié)果穩(wěn)健可靠。

表7 穩(wěn)健性檢驗(yàn)結(jié)果

5 結(jié)論

本文采用泰爾指數(shù)分析了我國(guó)城市居住碳排放的空間差異。從總體泰爾指數(shù)的變動(dòng)來(lái)看，2010—2019 年我國(guó)城市居住碳排放的泰爾指數(shù)總體呈現(xiàn)波動(dòng)下降趨勢(shì)，表明我國(guó)城市居住碳排放差異逐年縮?。粡膮^(qū)域間差異層面來(lái)看，東部地區(qū)城市居住碳排放泰爾指數(shù)最大，東北地區(qū)次之，但二者經(jīng)年變化幅度最小，說(shuō)明我國(guó)東部、東北地區(qū)的區(qū)域差異始終較大。西南地區(qū)與中部地區(qū)分解泰爾指數(shù)相對(duì)較小，中部地區(qū)出現(xiàn)較大的差異擴(kuò)大趨勢(shì)。西南地區(qū)泰爾指數(shù)最小且始終維持在較低水平。而西北部地區(qū)的波動(dòng)變化幅度最大。經(jīng)濟(jì)發(fā)展水平相對(duì)較高的東部地區(qū)泰爾指數(shù)與其他區(qū)域相比差異明顯最大；從區(qū)域內(nèi)差異層面看，中國(guó)城市居住碳排放存在明顯的區(qū)域內(nèi)差異，且高城市居住碳排放區(qū)域內(nèi)差異主要集中在地方省會(huì)城市及其周邊城市，以及大城市群及其周邊城市。西南地區(qū)的區(qū)域內(nèi)差異程度最大，東北次之，中部、西北地區(qū)居中，而東部地區(qū)高城市居住碳排放區(qū)域內(nèi)差異變化不明顯。2010—2019 年，中國(guó)城市居住碳排放的區(qū)域內(nèi)差異分布空間格局沒(méi)有發(fā)生顯著變化?？梢?jiàn)中國(guó)各地區(qū)居民生活碳排放存在長(zhǎng)期且穩(wěn)定的差距。

為了進(jìn)一步捕捉影響因素并考察其區(qū)域分異，本文首先采取固定效應(yīng)模型進(jìn)行分析。回歸結(jié)果表明收入水平、人均GDP、財(cái)政狀況、住宅市場(chǎng)發(fā)展回歸系數(shù)為正且顯著，促進(jìn)了各個(gè)城市居住碳排放，而這與預(yù)期相符。其中，回歸系數(shù)表明收入水平是居住碳排放影響的主要驅(qū)動(dòng)因素。同時(shí)收入水平二次項(xiàng)的回歸系數(shù)顯著且為負(fù)，由此可見(jiàn)，收入水平對(duì)碳排放影響的變化呈倒“U”型。另外，收入水平系數(shù)西南部遠(yuǎn)遠(yuǎn)高于東部，這表明經(jīng)濟(jì)越發(fā)達(dá)地區(qū)，收入水平對(duì)于居住碳排放的影響越小。人均GDP 在中部與西北部地區(qū)回歸系數(shù)顯著并對(duì)居住碳排放有正向影響。財(cái)政狀況在中部、西北、西南地區(qū)均在1%水平下顯著為正。住宅市場(chǎng)發(fā)展在西北、西南地區(qū)顯著并促進(jìn)了居住碳排放，而在東北、東部地區(qū)顯著并抑制了居住碳排放，這表明綠色住宅在能源利用效率方面起到了明顯作用。

此外，利用空間杜賓模型進(jìn)一步考察各因素對(duì)居住碳排放的影響以及空間效應(yīng)。結(jié)果顯示，固定效應(yīng)模型與空間杜賓模型關(guān)于收入水平為主要影響因素結(jié)論一致。隨著收入水平的增加，居住碳排放先增加、后降低，呈現(xiàn)倒“U”型特征。后又進(jìn)一步分析了人口密度對(duì)居住碳排放的影響，結(jié)論與固定效應(yīng)模型中人口密度僅在中部地區(qū)對(duì)居住碳排放影響正向并且顯著相符合。在空間溢出效應(yīng)方面，回歸結(jié)果顯示本市人口密度的增加會(huì)對(duì)周?chē)鞘芯用窬幼√寂欧女a(chǎn)生輕微抑制作用；本市財(cái)政狀況的優(yōu)化，會(huì)對(duì)鄰近城市居民居住二氧化碳排放產(chǎn)生微弱的抑制作用；產(chǎn)業(yè)結(jié)構(gòu)的提升會(huì)對(duì)周邊城市居住碳排放產(chǎn)生正向溢出效應(yīng)。