论文部分内容阅读
摘 要：基于空间计量经济学为方法，实证分析中国31个省域2005—2012年经济增长与碳排放的关系。结果表明：在空间分布上中国31个省域的碳排放呈现出正自相关性和空间集聚效应，表现出环渤海地区、长三角地区等;经济增长与碳排放表现出正相关系，高碳排放、低碳排放分别处于经济发达的沿海地区、经济落后的内陆地区，表现出经济增长对碳排放的依赖性强，中国短时间内实现低碳经济较为困难。
关键词：碳排放;经济增长;中国地级市;空间计量经济学
中图分类号：F224.9;F205;F206 文献标识码：A 文章编号：1003-3890（2015）01-0037-05
一、引言
世界各国都在关注气候变暖问题，随着全球工业化的发展，大量排放二氧化碳等温室气体，导致全球气候不断变暖，海平面大幅上升，极端气候不断出现，危及了人类的生存和发展。从中国来看，据联合国相关统计，温室气体排放量位居前列，中国目前正处于工业化中期阶段，工业化和城市化不断加快，温室气体排放量也不断增加，预测未来中国可能超过美国。在此发展背景下，如何选择合理的经济增长方式，不仅对我国经济的发展与增长具有实际意义，也对塑造我国的形象具有重要意义。
就碳排放与经济增长，从国外文献来看，理论成果较少，大多是实证研究，如Kuzncts（1955）认为经济增长初期与中期会有差异性，前期会有所增大，后期的差异会减少，呈倒U型[1];Norgaard（1990）认为以反馈环的方式可以实现社会与生态系统间发展，不断适应环境变化;Grossman（1991）提出EKC理论认为，随着人均GDP增长，环境污染度会先恶化后改善[2];Panayotou（1993）进一步解释了EKC，认为经济增长影响环境质量主要包括规模效应、技术效应和结构效应。
国外的实证研究成果较多，如Grossman（1991）认为经济增长和环境并不是完全的冲突，经济增长有减少环境污染的能力;Shafik（1992）分析了149个国家的数据，认为碳排放量和人均GDP呈正向关系;Dasguptaetal（2002）认为环境规制可影响经济发展与增长，使得污染排放水平都低于没有规制时的排放水平;Martinez（2004）以22个OECD国家为对象研究了1975—1998年的数据，认为CKC曲线为N型和倒U型[3];Thophile et al（2005）以非参数方法认为碳排放量与人均国内生产总值呈向上倾斜态势[4];Ang（2007）以法国1960—2000年为研究时间段，认为CKC曲线形态均为倒U型;21世纪以来，一些学者以脱钩理论分析了碳排放与经济增长的关系[5]，如Petri Tapio（2005）研究了欧洲交通业等;Freitas et al（2011）分析了巴西经济增长与碳排放量的关系[6]。
就碳排放与经济增长的关系，国内学者也作了相关研究，如徐玉高 等（1999）验证认为GDP能源消费的降低使碳排放减少[7];张雷（2003）认为经济和能源消费结构多元化有利于我国经济向低碳转变[8];王中英 等（2006）认为我国投资方式和经济结构方式的不合理影响了温室气体排放量[9];杜婷婷 等（2007）衡量了我国碳排放量，认为其与人均GDP呈现“N型”曲线态势[10];胡初枝 等（2008）[11]、王琛（2009）[12]等证实了杜婷婷的观点;高卫东 等（2009）认为我国碳排放趋势是东部先下降后上升，而西部地区随着经济快速发展，可能会出现上升态势[13];徐国泉 等（2006）认为中国能源利用效率和结构对人均碳排放贡献率呈“倒U型”[14];张雷（2006）认为我国缓慢的能源消费结构变化不容易控制高碳区碳排放[15];付加锋 等（2008）认为我国人均GDP和单位GDP产生的CO2排放存在CKC曲线[16];王琛（2009）认为我国的EKC曲线呈不明显的N趋势[17];许广月 等（2010）通过实证分析人均碳排放库兹涅茨曲线后认为，我国的东部和中部均存在，但西部不存在[18];何小钢 等（2012）认为中国工业CKC呈“N型”走势，出现“重组”现象[19]。
就碳排放与经济增长，学界研究主要集中在EKC理论的实证研究，丰富了相关领域的研究成果，为全球及各国制定相关政策，促进可持续发展提供了重要支撑和实践指导。基于上述学者的相关研究，可为本研究提供一定的经验借鉴，对于研究的欠缺，本文基于相关数据，以空间计量方法，以省域的碳排放与经济增长为视角，更好地衡量中国省域碳排放的空间态势，为我国政府提出新时期的碳排放政策建议，具有现实意义。
二、指标构建与数据选取
基于本文的研究内容和视角，本文研究对象是大陆31个省域，基于数据可获得性，数据段为2005—2012年，数据来源于中国及各省统计年鉴、《新中国六十年统计资料汇编》《中国能源统计年鉴》等。综合上述相关文献分析，结合本文研究内容和对象，为便于揭示经济增长、碳排放以及其他生产要素之间的关系，设定具体指标如下：
（1）国内生产总值（gdp）;
（2）碳排放量（carbon），Kaya碳排放恒等式[10-11]如下：
C=■Ci=■■×■×■×■×P i=1，2，…n（1）
其中，C为碳排放量;i为消费能源种类;Ci为能源碳排放量;E为一次能源的消费量;Ei为对能源i的消费量;Y为GDP;P为人口数量。通过碳排放的计算，本文每吨标准煤的碳排放系数为2.499。
（3）劳动力投入量（labor），为省域就业人员和城镇登记失业人员。
三、模型构建与实证分析
（一）空间效应检验
空间效应是各地区经济地理行为间的空间作用[12]，结合本文研究，采用全域空间相关性和局域空间相关性检验，如公式（2）为全域空间相关性检验。 Moran′s I=■（2）
以Moran′s I散点图将碳排放分为四个象限，分别为（H-H，高-高）、（L-H，低-高）、（L-L，低-低）、（H-L，高-低），其中第一、三象限为正空间自相关，第二、四象限为负空间自相关。公式（3）为局域空间相关性检验。
Moran′s Ii=Zi■WijZj（i≠j）（3）
其中，Zi=xi-x，Zj=xj-x分别表示观测值与均值的离差，xi表示空间单元i的观测值，Wij表示空间权值矩阵，那么Moran′s I就可以表示为空间单元的观测值的离差Zi与其相临近的空间单元j的观测值离差的加权平均值的乘积。其中E（Moran′s Ii），表示局域Moran′s Ii值的期望值，VAR（Moran′s Ii）表示局域Moran′s Ii值的方差。
Z（Moran′s Ii）=■（4）
进一步对于空间权值矩阵选择，通过分析，认为本文采取K值临近空间权值矩阵较为合适。
（二）空间模型
公式（5）为空间滞后模型，分析各变量在某地区是否具有溢出效应，其中，Y为因变量（或被解释变量）;X为n×k的外生解释变量矩阵;？籽为空间回归系数，W为n×n的空间权值矩阵，Wy为空间权值矩阵的空间滞后因变量;？着为随机误差向量。
Y=？籽Wy+X？茁+？着（5）
公式（6）为空间误差模型，其中，Y为因变量（或被解释变量）;X为n×k的外生解释变量矩阵;W为n×n的空间权值矩阵;？着为随机误差向量;u为正态分布的随机误差向量。
Y=X？茁+？着，？着=？姿W？着+u（6）
对于空间模型的检验，如检验中LMLAG较LMERR更显著且R-LMLAG显著而R-LMERR不显著，可判断采用空间滞后模型合适，反之则用空间误差模型。
（三）模型构建
结合本文研究内容及对象，借鉴刘帅 等（2010）文献[20]，本文构建如下模型：
ln gdp=C+？琢1ln carbon+？琢2ln labor+？着（7）
其中，lngdp、lncarbon和lnlabor为各省的GDP、碳排放和劳动力的自然对数;C为常数项;？琢1和？琢2为相关回归系数;？着为随机误差项。
四、中国碳排放的空间格局及集聚分析
从我国碳排放的空间分布来看，图1为2005—2012年我国各省域碳排放平均数的空间分布分位图，东北沿海地区为较多省份，如环渤海地区、长三角地区、珠三角地区，表明中国省域碳排放存在空间集聚态势，内蒙古、河北、安徽、辽宁等属于高碳区，西藏等属于低碳区。
从中国碳排放的空间自相关及集聚分析来看，以全域空间相关性指数Moran′s I及局域Moran′s I散点图进行检验，结果如表1，在5%的水平下，2005—2012年中国各省域碳排放及其平均值表现出较强的自相关性，说明各省域碳排放呈集聚发展态势。
从图2、图3中可知，中国各省域碳排放表现为共同的空间特征，呈现出正向的自相关性。2005年，第一象限有内蒙古、河北、辽宁、山东等，表现出（H-H）态势集聚;第二象限为黑龙江、陕西、海南等，表现为（L-H）态势集聚;第三象限为新疆、西藏、甘肃、贵州、云南等，表现为（L-L）态势集聚;第四象限为河南、广东和四川等，表现为（H-L）集聚;横跨两个象限的为上海、广西。2012年，第一象限为内蒙古、河北、吉林、浙江等，表现为（H-H）正空间自相关;第二象限为黑龙江、北京、陕西等，表现为（L-H）负空间自相关;第三象限为新疆、青海、甘肃、重庆、福建等，表现为（L-L）空间自相关;第四象限为河南、广东、四川等，表现为（L-L）空间自相关。广西横跨第二、三象限。以局域空间相关性分析方法对中国各省域碳排放的空间格局及集聚现象进行更深入的分析，如图4、图5、图6，分别显示了2005年、2012年和2005—2012年中国各省域碳排放基于临近概念的rook=1的空间权值矩阵LISA集聚图，2005年和2012年河北、河南通过了5%的显著性水平，山东、安徽、海南等通过了1%的显著性水平;2005—2012年河北、河南和安徽通过了5%的显著性水平，山东、四川、海南和西藏通过了1%的显著性水平。进一步说明以北京为中心的环渤海地区呈现高碳排放态势，与其他省份呈正相关;安徽和海南被其他高碳排放省份包围;四川位于第四象限，被其他低碳排放的省份所包围。
五、中国碳排放与经济关系的实证分析
以空间加权法对中国各省域经济发展与碳排放、劳动力关系进行分析，结果如表2。碳排放对经济增长的影响通过了1%的显著性水平，说明前者对后者的发展具有正的影响，经济增长对碳排放的弹性系数的模型拟合程度较好，LMLAG和LEERR的统计值通过5%的显著性水平，前者比后者更显著，R-LMLAG也较R-LMERR显著，更适合构建空间滞后模型，估计上述变量结果，如表3，碳排放对经济增长的影响系数通过1%的显著性水平，表明各省域的碳排放存在溢出效应，相互间具有正向影响。
六、结论
通过上面的分析，在空间分布与经济增长方面，中国各省域的碳排放呈现出一定的正自相关性，经济发达的地区大多属于碳排放量高的省份，如环渤海地区等，次之的是经济较为发达的地区，如安徽、湖北等，经济落后的省域大多为碳排放量最低的地区，如青海、甘肃等。总体上，中国各省域的碳排放在空间分布上呈现出空间集群效应，如环渤海地区。中国各省域碳排放对经济增长具有显著影响，表明中国经济发展对能源依赖性强，推行低碳经济发展模式还需要时间。
我国在经济转型升级背景下，发展低碳经济：一是大力发展低碳能源，积极支持新技术等，推进节能减排，发展新能源技术，在能源密集型部门优先支持研发，提高能效，积极开发利用水电、核电和可再生能源，降低化石能源消费比，改变能源结构;同时，在碳捕获与封存技术等控制碳排放的关键技术方面加强与国外发达国家的交流与合作，更快提高我国低碳技术水平。二是合理调整产业结构，不断降低高碳产业在经济社会发展中的比重，促进工业终端能源消费不断转向低碳、清洁方向;积极培育、支持和发展节能环保产业、电子信息产业等高新技术产业，替代能源原材料工业。同时，大力发展低碳模式的第三产业，采取多种形式宣传，逐步改善消费需求偏好，降低碳排放量，不断推进环境保护力度。三是提升能源使用效率，切实实行节能减排，提升生态环境质量。四是倡导低碳生活方式，从消费端来进一步推动低碳经济发展。 参考文献：
[1]Kuznets S. Economic Growth and Income Inequality[J].The American Economic Review，1955，45（1）：1-28.
[2]Grossman GM，Krueger AB. Environmental Impacts of the North American Free Trade Agreement[C].National Bureau of Economic Research Working Paper，Vol.3914，1991.
[3]Martinez-Zarzoso I， Bengochea-Morancho A. Pooled Mean Group Estimation for an Environmental Kuznets Curve for CO2[J]. Economics Letters，2004，82（1）：121-126.
[4]Tapio P. Towards a Theory of Decoupling： Degrees of Decoupling in the EU and the Case of Road Traffic in Finland between 1970 and 2001[J]. Transport Policy，2005，12（2）.
[5]Ang J B. CO2 Emissions，Energy Consumption and Output in France[J]. Energy Policy，2007，35（10）.
[6]Freitas L C， Kaneko S. Decomposing the Decoupling of CO2 Emissions and Economic Growth in Brazil [J]，Ecological Economics，2011，（70）.
[7]徐玉高，郭元，吴宗鑫.经济发展、碳排放和经济演化[J].环境科学进展，1999，7（2）：54-64.
[8]张雷.经济发展对碳排放的影响[J].地理学报，2003，58（4）：629-637.
[9]王中英，王礼茂.中国经济增长对碳排放的影响分析[J].安全与环境学报，2006，6（5）：88-91.
[10]杜婷婷，毛锋，罗锐.中国经济增长与CO2排放演化探析[J].中国人口·资源与环境，2007，17（2）：94-99.
[11]胡初枝，黄贤金，钟太洋，等.中国碳排放特征及其动态演进分析[J].中国人口·资源与环境，2008，18（3）：38-42.
[12]王琛.我国碳排放与经济增长的相关性分析[J].管理观察，2009，（3）：149-150.
[13]高卫东，姜巍，谢辉.经济发展对中国能源摊派空间分布的影响[J].辽宁工程技术大学学报（自然科学版），2009，28（2）：296-299.
[14]徐国泉，刘则渊，姜照华.中国碳排放的因素分解模型及实证分析：1995-2004[J].中国人口·资源与环境，2006，16（6）：158-161.
[15]张雷.中国一次能源消费的碳排放区域格局变化[J].地理研究，2006，25（1）：1-9.
[16]付加锋，等.基于生产与消费视角的COA环境库茨涅兹曲线的实证研究[J].财经研究，2000，（10）.
[17]王琛.我国碳排放与经济增长的相关性分析[J].管理观察，2009，（9）.
[18]许广月，等.中国碳排放环境库兹涅茨曲线的实证研究一基于省域面板数据[J].中国工业经济，2010，（5）.
[19]何小钢，等.中国工业碳排放影响因素与CKC重组效应——基于STIRPAT模型的分行业动态面板数据实证研究[J].中国工业经济，2012，（1）.
[20]刘帅，郑长德. 碳排放与经济增长——基于中国各地区的空间计量经济学分析[R].中国区域经济学年会议，2010.
责任编辑：张 然
The Empirical Research of Carbon Emission and Economic Growth in China Based on the
Spatial Econometric Analysis
Zhao Guang
（Northeast of Asian Studies Acadeny， Jinlin University，Changchun 130012， China）
Abstract： Based on spatial econometrics method， an empirical analysis of the relationship between economic growth and carbon emission from 2005 to 2012 in 31 provinces of China. The study showed that the spatial distribution of carbon emission in 31 provinces of China existed spatial autocorrelation and spatial cluster effects，which was more obvious in the Littoral Area of Bohai， Yangtze River Delta Area. Economic growth and carbon emissions showed a positive correlation，the high carbon emission areas were in the developed coastal region and the low carbon emission areas in the economically backward inland areas. China's economic development showed a strong dependence on carbon emission， so it's difficult to implement the low-carbon emission economic development pattern.
Keywords： Carbon emission; Economic development; China prefecture-level city; Spatial econometric
关键词：碳排放;经济增长;中国地级市;空间计量经济学
中图分类号：F224.9;F205;F206 文献标识码：A 文章编号：1003-3890（2015）01-0037-05
一、引言
世界各国都在关注气候变暖问题，随着全球工业化的发展，大量排放二氧化碳等温室气体，导致全球气候不断变暖，海平面大幅上升，极端气候不断出现，危及了人类的生存和发展。从中国来看，据联合国相关统计，温室气体排放量位居前列，中国目前正处于工业化中期阶段，工业化和城市化不断加快，温室气体排放量也不断增加，预测未来中国可能超过美国。在此发展背景下，如何选择合理的经济增长方式，不仅对我国经济的发展与增长具有实际意义，也对塑造我国的形象具有重要意义。
就碳排放与经济增长，从国外文献来看，理论成果较少，大多是实证研究，如Kuzncts（1955）认为经济增长初期与中期会有差异性，前期会有所增大，后期的差异会减少，呈倒U型[1];Norgaard（1990）认为以反馈环的方式可以实现社会与生态系统间发展，不断适应环境变化;Grossman（1991）提出EKC理论认为，随着人均GDP增长，环境污染度会先恶化后改善[2];Panayotou（1993）进一步解释了EKC，认为经济增长影响环境质量主要包括规模效应、技术效应和结构效应。
国外的实证研究成果较多，如Grossman（1991）认为经济增长和环境并不是完全的冲突，经济增长有减少环境污染的能力;Shafik（1992）分析了149个国家的数据，认为碳排放量和人均GDP呈正向关系;Dasguptaetal（2002）认为环境规制可影响经济发展与增长，使得污染排放水平都低于没有规制时的排放水平;Martinez（2004）以22个OECD国家为对象研究了1975—1998年的数据，认为CKC曲线为N型和倒U型[3];Thophile et al（2005）以非参数方法认为碳排放量与人均国内生产总值呈向上倾斜态势[4];Ang（2007）以法国1960—2000年为研究时间段，认为CKC曲线形态均为倒U型;21世纪以来，一些学者以脱钩理论分析了碳排放与经济增长的关系[5]，如Petri Tapio（2005）研究了欧洲交通业等;Freitas et al（2011）分析了巴西经济增长与碳排放量的关系[6]。
就碳排放与经济增长的关系，国内学者也作了相关研究，如徐玉高 等（1999）验证认为GDP能源消费的降低使碳排放减少[7];张雷（2003）认为经济和能源消费结构多元化有利于我国经济向低碳转变[8];王中英 等（2006）认为我国投资方式和经济结构方式的不合理影响了温室气体排放量[9];杜婷婷 等（2007）衡量了我国碳排放量，认为其与人均GDP呈现“N型”曲线态势[10];胡初枝 等（2008）[11]、王琛（2009）[12]等证实了杜婷婷的观点;高卫东 等（2009）认为我国碳排放趋势是东部先下降后上升，而西部地区随着经济快速发展，可能会出现上升态势[13];徐国泉 等（2006）认为中国能源利用效率和结构对人均碳排放贡献率呈“倒U型”[14];张雷（2006）认为我国缓慢的能源消费结构变化不容易控制高碳区碳排放[15];付加锋 等（2008）认为我国人均GDP和单位GDP产生的CO2排放存在CKC曲线[16];王琛（2009）认为我国的EKC曲线呈不明显的N趋势[17];许广月 等（2010）通过实证分析人均碳排放库兹涅茨曲线后认为，我国的东部和中部均存在，但西部不存在[18];何小钢 等（2012）认为中国工业CKC呈“N型”走势，出现“重组”现象[19]。
就碳排放与经济增长，学界研究主要集中在EKC理论的实证研究，丰富了相关领域的研究成果，为全球及各国制定相关政策，促进可持续发展提供了重要支撑和实践指导。基于上述学者的相关研究，可为本研究提供一定的经验借鉴，对于研究的欠缺，本文基于相关数据，以空间计量方法，以省域的碳排放与经济增长为视角，更好地衡量中国省域碳排放的空间态势，为我国政府提出新时期的碳排放政策建议，具有现实意义。
二、指标构建与数据选取
基于本文的研究内容和视角，本文研究对象是大陆31个省域，基于数据可获得性，数据段为2005—2012年，数据来源于中国及各省统计年鉴、《新中国六十年统计资料汇编》《中国能源统计年鉴》等。综合上述相关文献分析，结合本文研究内容和对象，为便于揭示经济增长、碳排放以及其他生产要素之间的关系，设定具体指标如下：
（1）国内生产总值（gdp）;
（2）碳排放量（carbon），Kaya碳排放恒等式[10-11]如下：
C=■Ci=■■×■×■×■×P i=1，2，…n（1）
其中，C为碳排放量;i为消费能源种类;Ci为能源碳排放量;E为一次能源的消费量;Ei为对能源i的消费量;Y为GDP;P为人口数量。通过碳排放的计算，本文每吨标准煤的碳排放系数为2.499。
（3）劳动力投入量（labor），为省域就业人员和城镇登记失业人员。
三、模型构建与实证分析
（一）空间效应检验
空间效应是各地区经济地理行为间的空间作用[12]，结合本文研究，采用全域空间相关性和局域空间相关性检验，如公式（2）为全域空间相关性检验。 Moran′s I=■（2）
以Moran′s I散点图将碳排放分为四个象限，分别为（H-H，高-高）、（L-H，低-高）、（L-L，低-低）、（H-L，高-低），其中第一、三象限为正空间自相关，第二、四象限为负空间自相关。公式（3）为局域空间相关性检验。
Moran′s Ii=Zi■WijZj（i≠j）（3）
其中，Zi=xi-x，Zj=xj-x分别表示观测值与均值的离差，xi表示空间单元i的观测值，Wij表示空间权值矩阵，那么Moran′s I就可以表示为空间单元的观测值的离差Zi与其相临近的空间单元j的观测值离差的加权平均值的乘积。其中E（Moran′s Ii），表示局域Moran′s Ii值的期望值，VAR（Moran′s Ii）表示局域Moran′s Ii值的方差。
Z（Moran′s Ii）=■（4）
进一步对于空间权值矩阵选择，通过分析，认为本文采取K值临近空间权值矩阵较为合适。
（二）空间模型
公式（5）为空间滞后模型，分析各变量在某地区是否具有溢出效应，其中，Y为因变量（或被解释变量）;X为n×k的外生解释变量矩阵;？籽为空间回归系数，W为n×n的空间权值矩阵，Wy为空间权值矩阵的空间滞后因变量;？着为随机误差向量。
Y=？籽Wy+X？茁+？着（5）
公式（6）为空间误差模型，其中，Y为因变量（或被解释变量）;X为n×k的外生解释变量矩阵;W为n×n的空间权值矩阵;？着为随机误差向量;u为正态分布的随机误差向量。
Y=X？茁+？着，？着=？姿W？着+u（6）
对于空间模型的检验，如检验中LMLAG较LMERR更显著且R-LMLAG显著而R-LMERR不显著，可判断采用空间滞后模型合适，反之则用空间误差模型。
（三）模型构建
结合本文研究内容及对象，借鉴刘帅 等（2010）文献[20]，本文构建如下模型：
ln gdp=C+？琢1ln carbon+？琢2ln labor+？着（7）
其中，lngdp、lncarbon和lnlabor为各省的GDP、碳排放和劳动力的自然对数;C为常数项;？琢1和？琢2为相关回归系数;？着为随机误差项。
四、中国碳排放的空间格局及集聚分析
从我国碳排放的空间分布来看，图1为2005—2012年我国各省域碳排放平均数的空间分布分位图，东北沿海地区为较多省份，如环渤海地区、长三角地区、珠三角地区，表明中国省域碳排放存在空间集聚态势，内蒙古、河北、安徽、辽宁等属于高碳区，西藏等属于低碳区。
从中国碳排放的空间自相关及集聚分析来看，以全域空间相关性指数Moran′s I及局域Moran′s I散点图进行检验，结果如表1，在5%的水平下，2005—2012年中国各省域碳排放及其平均值表现出较强的自相关性，说明各省域碳排放呈集聚发展态势。
从图2、图3中可知，中国各省域碳排放表现为共同的空间特征，呈现出正向的自相关性。2005年，第一象限有内蒙古、河北、辽宁、山东等，表现出（H-H）态势集聚;第二象限为黑龙江、陕西、海南等，表现为（L-H）态势集聚;第三象限为新疆、西藏、甘肃、贵州、云南等，表现为（L-L）态势集聚;第四象限为河南、广东和四川等，表现为（H-L）集聚;横跨两个象限的为上海、广西。2012年，第一象限为内蒙古、河北、吉林、浙江等，表现为（H-H）正空间自相关;第二象限为黑龙江、北京、陕西等，表现为（L-H）负空间自相关;第三象限为新疆、青海、甘肃、重庆、福建等，表现为（L-L）空间自相关;第四象限为河南、广东、四川等，表现为（L-L）空间自相关。广西横跨第二、三象限。以局域空间相关性分析方法对中国各省域碳排放的空间格局及集聚现象进行更深入的分析，如图4、图5、图6，分别显示了2005年、2012年和2005—2012年中国各省域碳排放基于临近概念的rook=1的空间权值矩阵LISA集聚图，2005年和2012年河北、河南通过了5%的显著性水平，山东、安徽、海南等通过了1%的显著性水平;2005—2012年河北、河南和安徽通过了5%的显著性水平，山东、四川、海南和西藏通过了1%的显著性水平。进一步说明以北京为中心的环渤海地区呈现高碳排放态势，与其他省份呈正相关;安徽和海南被其他高碳排放省份包围;四川位于第四象限，被其他低碳排放的省份所包围。
五、中国碳排放与经济关系的实证分析
以空间加权法对中国各省域经济发展与碳排放、劳动力关系进行分析，结果如表2。碳排放对经济增长的影响通过了1%的显著性水平，说明前者对后者的发展具有正的影响，经济增长对碳排放的弹性系数的模型拟合程度较好，LMLAG和LEERR的统计值通过5%的显著性水平，前者比后者更显著，R-LMLAG也较R-LMERR显著，更适合构建空间滞后模型，估计上述变量结果，如表3，碳排放对经济增长的影响系数通过1%的显著性水平，表明各省域的碳排放存在溢出效应，相互间具有正向影响。
六、结论
通过上面的分析，在空间分布与经济增长方面，中国各省域的碳排放呈现出一定的正自相关性，经济发达的地区大多属于碳排放量高的省份，如环渤海地区等，次之的是经济较为发达的地区，如安徽、湖北等，经济落后的省域大多为碳排放量最低的地区，如青海、甘肃等。总体上，中国各省域的碳排放在空间分布上呈现出空间集群效应，如环渤海地区。中国各省域碳排放对经济增长具有显著影响，表明中国经济发展对能源依赖性强，推行低碳经济发展模式还需要时间。
我国在经济转型升级背景下，发展低碳经济：一是大力发展低碳能源，积极支持新技术等，推进节能减排，发展新能源技术，在能源密集型部门优先支持研发，提高能效，积极开发利用水电、核电和可再生能源，降低化石能源消费比，改变能源结构;同时，在碳捕获与封存技术等控制碳排放的关键技术方面加强与国外发达国家的交流与合作，更快提高我国低碳技术水平。二是合理调整产业结构，不断降低高碳产业在经济社会发展中的比重，促进工业终端能源消费不断转向低碳、清洁方向;积极培育、支持和发展节能环保产业、电子信息产业等高新技术产业，替代能源原材料工业。同时，大力发展低碳模式的第三产业，采取多种形式宣传，逐步改善消费需求偏好，降低碳排放量，不断推进环境保护力度。三是提升能源使用效率，切实实行节能减排，提升生态环境质量。四是倡导低碳生活方式，从消费端来进一步推动低碳经济发展。 参考文献：
[1]Kuznets S. Economic Growth and Income Inequality[J].The American Economic Review，1955，45（1）：1-28.
[2]Grossman GM，Krueger AB. Environmental Impacts of the North American Free Trade Agreement[C].National Bureau of Economic Research Working Paper，Vol.3914，1991.
[3]Martinez-Zarzoso I， Bengochea-Morancho A. Pooled Mean Group Estimation for an Environmental Kuznets Curve for CO2[J]. Economics Letters，2004，82（1）：121-126.
[4]Tapio P. Towards a Theory of Decoupling： Degrees of Decoupling in the EU and the Case of Road Traffic in Finland between 1970 and 2001[J]. Transport Policy，2005，12（2）.
[5]Ang J B. CO2 Emissions，Energy Consumption and Output in France[J]. Energy Policy，2007，35（10）.
[6]Freitas L C， Kaneko S. Decomposing the Decoupling of CO2 Emissions and Economic Growth in Brazil [J]，Ecological Economics，2011，（70）.
[7]徐玉高，郭元，吴宗鑫.经济发展、碳排放和经济演化[J].环境科学进展，1999，7（2）：54-64.
[8]张雷.经济发展对碳排放的影响[J].地理学报，2003，58（4）：629-637.
[9]王中英，王礼茂.中国经济增长对碳排放的影响分析[J].安全与环境学报，2006，6（5）：88-91.
[10]杜婷婷，毛锋，罗锐.中国经济增长与CO2排放演化探析[J].中国人口·资源与环境，2007，17（2）：94-99.
[11]胡初枝，黄贤金，钟太洋，等.中国碳排放特征及其动态演进分析[J].中国人口·资源与环境，2008，18（3）：38-42.
[12]王琛.我国碳排放与经济增长的相关性分析[J].管理观察，2009，（3）：149-150.
[13]高卫东，姜巍，谢辉.经济发展对中国能源摊派空间分布的影响[J].辽宁工程技术大学学报（自然科学版），2009，28（2）：296-299.
[14]徐国泉，刘则渊，姜照华.中国碳排放的因素分解模型及实证分析：1995-2004[J].中国人口·资源与环境，2006，16（6）：158-161.
[15]张雷.中国一次能源消费的碳排放区域格局变化[J].地理研究，2006，25（1）：1-9.
[16]付加锋，等.基于生产与消费视角的COA环境库茨涅兹曲线的实证研究[J].财经研究，2000，（10）.
[17]王琛.我国碳排放与经济增长的相关性分析[J].管理观察，2009，（9）.
[18]许广月，等.中国碳排放环境库兹涅茨曲线的实证研究一基于省域面板数据[J].中国工业经济，2010，（5）.
[19]何小钢，等.中国工业碳排放影响因素与CKC重组效应——基于STIRPAT模型的分行业动态面板数据实证研究[J].中国工业经济，2012，（1）.
[20]刘帅，郑长德. 碳排放与经济增长——基于中国各地区的空间计量经济学分析[R].中国区域经济学年会议，2010.
责任编辑：张 然
The Empirical Research of Carbon Emission and Economic Growth in China Based on the
Spatial Econometric Analysis
Zhao Guang
（Northeast of Asian Studies Acadeny， Jinlin University，Changchun 130012， China）
Abstract： Based on spatial econometrics method， an empirical analysis of the relationship between economic growth and carbon emission from 2005 to 2012 in 31 provinces of China. The study showed that the spatial distribution of carbon emission in 31 provinces of China existed spatial autocorrelation and spatial cluster effects，which was more obvious in the Littoral Area of Bohai， Yangtze River Delta Area. Economic growth and carbon emissions showed a positive correlation，the high carbon emission areas were in the developed coastal region and the low carbon emission areas in the economically backward inland areas. China's economic development showed a strong dependence on carbon emission， so it's difficult to implement the low-carbon emission economic development pattern.
Keywords： Carbon emission; Economic development; China prefecture-level city; Spatial econometric