基于STIRPAT模型的区域城市化碳排放影响因素差异分析

[],():[赵涛,张思聪．基于StorBasedonSTIRPATModelJ．JournalofGansuSciences２０１９,３１３１２５Ｇ１３０．TIRPAT模:/doi１０．１６４６８．cnkii．ssn１００４Ｇ０３６６．２０１９．０３．０２２．j

]():]型的区域城市化碳排放影响因素差异分析[甘肃科学学报,J．２０１９,３１３１２５Ｇ１３０．

,引用格式:ZhaoTaoZhanicon．VariationAnalsisofReionalUrbanizationCarbonEmissionInfluenceFacＧgSgyg

甘肃科学学报Vol．３１　No．３

JournalofGansuSciencesJun．２０１９

基于STIRPAT模型的区域城市化碳排放影响因素差异分析

()天津大学管理与经济学部,天津　３０００７２

赵　涛,张思聪

摘要　研究７种不同城市化因素对二氧化碳排放的影响,包括人口、经济、能源强度、能源结构、能源清洁度,服务水平和研发强度,采用基于FEＧDK回归模型的STIRPAT模型来评估不同元素对中国三大区域(高度城市化、发展中城市化和城市化相对落后区域)的碳排放影响.结果表明,服务业水平在高度城市化地区的产业发展中发挥着越来越重要的作用.此外,发展中的城市化地区人口因素的影响高于其他２个地区.同时,在城市化相对落后地区,提高化石燃料的使用效率比其他地区更为重要.总体而言,经济城市化是影响３个地区碳排放的最重要影响因素.具体的解决方案取决于不同区域的具体情况.

关键词　二氧化碳排放;城市化;区域差异分析;扩展的STIRPAT模型

()中图分类号:F２０５　　　文献标志码:A　　　文章编号:１００４Ｇ０３６６２０１９０３Ｇ０１２５Ｇ０６中国自１　　作为世界上最大的发展中国家,９７８年改革开放以来,实现了经济的快速增长以及城市化进程的加速发展.目前中国已成为世界第二大经济体,同时也是碳排放量最大的国家.预计到２０２０并在２０２５—２０３０年期间达到峰值.中国承诺“十三五”国民经济与社会６０％~６５％左右.此外,发展规划纲要明确表示,在“十三五”期间要完成能源消耗降低１能源强度降低１５％,８％的减排目标.而城市地区对整个中国碳排放总量贡献率为这也意味着城市化的发展给节能减排带来７５．５％,

１]

.综上,了巨大的压力和挑战[中国在城市化进程

１　相关文献综述

关于城市化对碳排放的影响研究,国内外学者主要从３个层次进行了系统性研究,分类如下:()在国家层面,最开始许多学者集中关注欠１

发达国家以及发展中国家,因为在２０世纪８０年代,他们大多数都处于城市化初期发展阶段,与此同时

]２

.之后,诸多问题[有许多文献将研究目标扩大到[][]

还OECD国家５以及新兴经济体６等.除此之外,

[]

有一些学者研究了诸如９９个国家７、１３２个国[]８]

、家[１４１个国家９等多数量国家群体.另一些文１０]

、献通过对比方法,探讨了中国和美国[中国和日１１]

本[等国家之间的差异.还有很大一部分研究集１２]

,中于单一国家[尤其是中国,例如利用时间序列]１３

.数据研究中国的城市化对能源消费的影响[

年,中国碳排放量将占世界碳排放总量的三分之一,到２每单位G０２０年,DP产生的碳排放量要削减

伴随着大量的化石能源需求和与日俱增的碳排放等

[]３]

、特定的国家群体,比如欧盟国家[MENA国家４、

中的减排形势非常严峻,因此,研究城市化对碳排放的影响有助于制定一系列相对应的来实现节能减排的目标.

收稿日期:修回日期:２０１８Ｇ０９Ｇ２６;２０１８Ｇ１１Ｇ０７

);)基金项目:教育部人文社会科学研究基金(天津市教育委员会社会科学基金重点项目(１５YJA７９００９１２０１６JWZD０４

),:作者简介:赵涛(男,山东烟台人,教授,博士生导师,研究方向为低碳经济与循环经济.E１９６０ＧＧmailtonzhaotu＠１６３．comyj

:通信作者:张思聪,EＧmail１５３８８９４９２３９＠１６３．com

()在区域与省级层面,由于中国领土面积广２阔,横跨亚洲,存在有区域差异,作为世界最大的发展中国家,中国吸引了众多学者的关注,大量文献研究城市化如何影响中国各省的碳排放.一些研究

１２６甘　　　　　　　　　　　　　　　　　　　　　　　　　

肃科学学报　　　　　　　　　　　　　　　　　２０１９年　第３期

)体现了人口、经济和技术之间的线性关　　等式(３系.因此,IPAT模型可以视为STIRPAT模型的型,经济、技术有关P,A和T可以分解为与人口、城市化对碳排放的影响,特别是技术相关的因素,我们在STIRPAT模型中添加了其他变量.在前人研究的基础上,将能源强度、能源结构、能源清洁度、服务水平、科技研发投入占比等变量添加到STIRＧ

]２３

().对于S特殊形式[a＝b＝c＝d＝１TIRPAT模

根据地理位置将中国划分为不同的区域,例如,分为东

]１４

部、中部和西部地区或者东部、中部、西部和东北部[

的其他对环境存在影响的相关因素.为了全面评估

等.另一些研究根据地区特征进行分类,如收入水考虑到不同行业的异质性,一些研究则按照特定行业进行分类,如运输业

[]１８

]]]１５１６１７

、、平[城市化发展阶段[区域经济发展水平[等.

()在城市层面,一部分论文探讨了中国数百、建筑业

[]１９

、居民业

[]２０

等.

来代替等式中的T指标,扩展后的PAT模型中,

个城市的城市化发展对其碳排放产生的重大影响３

.另一部分只调查一类型的城市或一个城市,.

如特大城市

[２１]

天津、上海、广州等

[２２]

综上,目前关于城市化对碳排放的研究已趋于成熟,但是很少有文章将城市化分成不同类型来研究对碳排放的影响,尤其是能源城市化这一新的概念,在区域分类上也是以地理位置而不是以综合城市化水平来划分.因此,研究在前人的研究基础上将城市化分为５类,按照综合城市化水平将中国个省级行政区划分为三大区域进行差异对比分析３.

０　理论模型与数据来源

．１　扩展的STIRPAT模型

为了评估人口、经济和技术对环境的影响,iEhrＧ动对环境的影响ch和Holdren提出了用,其一般公式如下IPAT模型来检验人类活

:

I＝PAT其中:I代表环境影响(一般用二氧化碳排放或能源,　(１)消耗表示);P代表人口;A代表经济;T代表技术.该模型简要地说明了影响环境指标的３个关键驱动因素.然而,该模型因为回归残差项的值由已知值代替,因此假设检验的随机性受到了.为了解决ose提出了STIPAT模型局限性的问题,Dietz和

IIRPAT模型,

表示为it＝aPbitAcitTditεit其中:i和t代表了省和年份;P用人口规模表示,

　(;２

A)用实际人均,c和d分别表示GDP表示;T是技术指标;a是常数项;

P,A和T的系数;ε表示回归残差

项.为了检验假设并评估每个影响因子的重要性,在等式(性模型:

２)两边取对数,将STIRPAT模型转换为线n(Iit)＝a＋bln(Pit)＋cln(Ait)＋dln(Tit)＋εit(３

.

)TIRPAT模型如下:

nCEit＝a＋bd(１(lnlEnIPOPit)＋c(lnGDPit)

＋it)＋d２(lnESitd)＋d３(lnECLit)

４其中:i和t(依旧代表省和年份lnSL＋it)＋d５(lnRDit;b,c)＋,εitd,

(１,d２,d３,d４)４,

５是上述变量的系数;a是常数项.CE代表碳排放量.POP是总人口中城市常住人口的数量,用来代表P代表经济城(人口市城化市.化最)后.A用实际人均,T用GDP表示,

首先是能源城市化:EI是能源强度３种因素衡量,,由单位示;ES是能源结构,

用煤炭在能源消费中所占的比GDP能耗表例表示;ECL是能源清洁度,由气)、天然气和居民住宅消耗的电力表示LPG(

[２液４

]化石油技术因素包括了SL和RD.此外,了服务业水平,即第三产业.SL产出(工业城市化对GDP的)贡描述献.

D(技术城市化)是科研投入在GDP中的占比.

it代表回归残差项.．２　回归模型

为了获得最可靠的结果,我们应用了面板数据来建立模型.目前现有的方法有法可以选择:固定效应模型(FE)

、混３种不同的方(合效应模型选择合适的ME)或随机效应模型模型来反映(R城E)市.化在方程与碳排(２放)的基础上之间的关,系.作为２种常用的方法,似然比检验和霍斯曼表示(Hau值较小１sm％a,则意味着,n５)％检和验１被０％广显泛著应性用水于平选的择标模准型..p值是如果p霍斯曼检验常用于检验模型中有没有内生性FE模型比其他２个模型更合适.此外,.

对于这种情况,似然比检验和霍斯曼检验的结果表明固定效应模型适用于实证研究.因此,我们使用固定效应(．３　数据来源

FEＧOLS

)模型进行分析.研究中采用了１９９６—２０１５年中国３０个省份的

Sld２２RlRε２b２l基于S　第３１卷　　　　　　　　　　　　　　赵　涛等:TIRPAT模型的区域城市化碳排放影响因素差异分析

面板数据,总共设定了７个变量.中国能源统计年鉴中的碳排放数据是根据间气候变化专门委员会的碳排放公式计算得出的.大多数省份数据表明二氧化碳排放量呈上升趋势,如图１所示.根据«中)»国国家统计年鉴(中的数据计算出人１９９７—２０１６a口城市化率、人均名义G服务水平、研发支出占DP、比.能源强度和能源结构根据«中国能源统计年鉴

１２７

()»计算.而１１９９７—２０１６b９９６—２０１５年的实际人«)»中国能源统计年鉴(中能源平衡表的１９９７—２０１６均GDP是根据１９９６年的数据为基数计算的.根据

数据,选择基于家庭能源消耗的终端能源数据来计算能源清洁度.

图１　区域碳排放量(１９９６—２０１５年)Fig．１　Reg

ionalcarbonemission(１９９６—２０１５)为了反应城市化影响的区域差异,采用Means聚类将中国KＧ

往按照东、中、西部地域分类或采用人均收入３０个省划分为３个区域.与以、人均DP及碳排放量等单一因素划分方法不同,研究综合考虑７个因素,通过城市化综合指标进行聚类.ＧMeans聚类的结果如图(、、澳门和除外２所示.中国,３数据缺失０个省级行政区域)分为以下３个区域:

区域海、浙江、１广东和福建:高度城市化的地区６个省及直辖市,包括北京.

、天津、上区域治区、直辖市２:发展中的城市化地区:江苏、山东、重庆、河南,包括、湖北１１个省、自、湖南、辽宁、内蒙古、四川、河北和陕西.

区域林、黑龙江３、:安城市徽、化江相西对、广落西后、的海地南区、,贵包州括、山云西南、、吉

甘

肃、青海、宁夏、　１３个省及自治区.

实证结果分析

．１　单位根检验

对于计量经济模型中的非平稳数据,单位根检

图２　不同城市化发展地区分类Fig

．２　Classificationofareaswithdifferenturbanizationdevelop

ment验的测试是有意义且必不可少的.因为非平稳数据会导致回归结果出现虚假回归.目前共有方法,分别是４种面板单位根测试试,ishIemrＧＧPPePsa测试ranＧS,

hin(IPS)测试Levin,FＧiLsihneＧrCＧhu(LLC)

测.A其结果是所DF测试和

均用于评估面板数据有变量的数据都是非平稳的,但它们的一阶差分是

固定的.因此,它们是用KAO检验结果表明被解释变量和解释变量之间１阶协整,记作Ⅰ(１).此外,存在长期高度均衡关系.

．２　多重共线性检验

多重共线性在具有多个变量的多元回归模型中普遍存在,通常会导致模型的经济意义不合理而失效.因此,测试自变量之间是否存在多重共线性是非常必要的,同时能够从模型中排除一些非重

要的解释变量[２５]

.VIF的值超过１０表明模型存在

多重共线性.检验结果表明该模型中没有多重共线性(见表．３　回归结果分析

１

).研究使用了模型(型(、固定４种面板估计模型:)普通最小二乘效应模型、回归模型FGOLLSS).和根据回归结果能够得到以下结论DriscolleＧKray(F标准误差E)广义(最DK小)二的线性乘模:

对于高度城市化的地区,人口城市化和能源清洁度结果不显著,因此这碳排放的影响并不大.由于该地区的城市化水平较２个因素对该地区二氧化高,生态现代化理论认为高度城市化促进了社会转型,最大限度地减少了环境问题.由于人口规模的影响,居住在大城市的人们将扩散到周边地区,以缓FGK３３３３１２８甘　　　　　　　　　　　　　　　　　　　　　　　　　

肃科学学报　　　　　　　　　　　　　　　　　２０１９年　第３期

解大城市的压力.因此,人口城市化不是该地区碳排放增加的主要原因.此外,能源清洁度反映了清洁能源的普及程度,从人们的日常生活来看,由于液化石油气、天然气和电力在高度城市化地区被广泛的系数分别为０．并且在１％水平上显８８和０．１３１,著,这意味着经济水平和能源结构是促进该地区二氧化碳排放的主要影响因素.经济城市化,即人均实际G始终是影响环境的主要因素,随着地区DP,经济水平提高,城市基础设施建设和居民个人消费段,人口的迁移使得该区域拥有比其他地区更大的人口规模.系数为０．表明碳排放随ln(GDP)９４５,着经济发展不断增加.此外,能源强度和能源结构也是２个主要促进因素,显著性水平为１％.这意对于能源结构而言,发展中的城市化区域依旧以煤炭消耗为主,导致碳排放增加.

另一方面,研发投资的增加会促进设备更换,提高能源使用效率.研究表明,促进研发投资,制造节能产品能够降低能耗.此外,由于碳排放的减少存((使用,因此该因素影响也不大.和llnGDP)nES)

味着降低能源强度可以大幅减少该地区的碳排放.

的需求将会增加,因此碳排放量随着升,这与目前许多研究一致[６

构,该地区可再生能源的利用使能源结构变化明显.此外G,D对P增长而上

２]于能源结

,高度城市化地区的煤炭消费占比对碳排放产生了重大影响.此外,能源强度是表１　方差膨胀因子５％水平上的促进因素.

(VIF

)检验Table１　Insp

ectionofvarianceinflationfactor(VIF)变量VIF

llnn((POPGDP))

６lllnnn(((EIESECL))５．８１４．３)２．７７lln(SL)１．７０１．９０４In(RDVF)

中位数

１．８３３．６．５５７相反地,研发投资占比则是降低能源销耗和控制温室气体排放的最重要因素.研发投资系数每增加于该地区是高新技术企业聚集地１％,该地区碳排放量就会下降,０科技投入资源多．１０４％.这是由,

有利于提高能源利用效率.服务水平同样对碳排放有抑制作用,高度发达的地区是服务业的枢纽,吸收更多的劳动力,但却有助于降低能源强度.一些研究认为,当工业化超过一定水平时,企业将加强环境意识,加快产业转型以控制排放.因此,人均实际DP和能源结构是促进该区域碳排放的主要因素,

而研发投资和服务水平对该地区的碳排放有抑制作用.

对于发展中的城市化地区,大多数变量的系数都具有统计学意义,除了第三产业占比.因为该地区目前的主要产业是第二产业,而服务业占比在个区域中最低,服务业影响并不显著.首先３,n(POP素对该地区的影响更大)

系数在３个区域中是最高的,说明人口因.由于处于加速城市化的阶在滞后效应,所有数据集的R&D系数都很小,但研发投入依旧是主要的抑制因素.然而,由于技术研发成本高,目前我国的研发投入水平依旧很低.此外,ln(ECL)系数也为负值且有１０％的显著水平,说明在该地区加大清洁能源使用能够有效抑制碳排放,改善大气环境.

对于城市化相对落后的地区,对于城市化相对落

后的地区,城市人口、人均平和研发投入占比都对碳排放产生了显著的影响GDP、能源强度、服务业水.

首先,区域碳排放增加有重大影响ln(GDP)系数为０．７９３.,很明显与此同时GD,P提升对该实证结果表明碳排放量与城市人口比例之间同样存在正向关系,城市人口增加对该地区碳排放也有显著的正向影响０．２８７％,碳排放量增加１.

％.能源强度相反,能源清洁度、服务业水平和研发投入均有抑制作用,且后两者影响比前者作用更明显.分析表明,该地区以第一产业和第二产业为主,化石燃料需求量大.因此,提高服务业占比尤其是旅游业是控制

碳排放的一个有效途径[２７

]以烧秸秆和煤炭为主,导致碳排放的大量输出.此外,该地区居民日常

,提高家庭清洁能源的占比有利于该地区的节能减排.同时,增加研发投入不仅可以减少二氧化碳排放,还可以有效促进社会的发展.而能源结构相对于放的系数仅为总之,不同层０．０４９

次,的证明这一变量并不显着城市化对碳排放的影.CO２排响在个地区之间各不相同,特别是发展中的城市化地区３

影响更大,符合生态现代化理论.另一方面,在城市化的成熟阶段,“反城市化”现象可以减少环境污染

以及缓解城市热岛效应.研究城市化各个阶段的区别并进行区域差异性对比有助于识别不同地区影响最大的因素,有针对性地提出应对措施.

　结论及建议

研究对１９９６—２０１５年中国３０个省份城市化对

Gl４基于S　第３１卷　　　　　　　　　　　　　　赵　涛等:TIRPAT模型的区域城市化碳排放影响因素差异分析

碳排放的影响进行了实证分析.为了全面分析区域性差异,我们根据城市化综合指标,利用聚类分析将发展中的城市化和城市３０个省划分为高度城市化、

化相对落后的区域.与以往大多数只研究人口城市化率而并非全面城市化率的文献相比,提出了一种研究城市化和CO２排放评估分类的新方法.对于人口城市化、经济城市化、能源城市化、工业城市化和技术城市化.值得一提的是,研究基于国际能源署２这在０１６年发展报告提出了能源城市化的概念,[３]　YorkR．DemorahicTrendsandEneronsumtioninEuＧgpgyCp

,roeanUnionNations１９６０—２０２５[J]．SocialScienceReＧp,():search２００７,３６８８５５Ｇ８７２．

[],():inountriesJ．Enerolic１９９１,４１６２１Ｇ３０．pgCgyPy

１２９

[,,４]　UsamaHassan,Janiceetal．ExlorinheRelationshieＧpgtpB

]inMENACountries[J．RenewableandSustainableEnergy[５]　Perradorsk．DoUrbanizationandIndustrializationAffectySy

,():ics２０１３,３７４５２Ｇ５９．

[]EnerIntensitinDeveloinountriesJ．EnerconomＧgyypgCgyE,():Reviews２０１３,２３１１０７Ｇ１１２．

,tweenUrbanizationEneronsumtionandCOmissiongyCp２E

扩展的S我们将７个变量分为５组:TIRPAT模型,

[,,６]　RachelHoeslHScottMatthewsChrisHendrickson．Enerygy

之前的研究中是没有过的.此外,采用归模型(归结果.O结果证实LS,FE,F,G城市化在不同方面对碳排放的LS,DK)来获得３４种面板回个区域的回影响因区域发展程度不同而有所区别.最后,我们通过研究发现了一些有趣的结果与以前的研究有所不同.目前经济水平比人口规模对于建设生态友好型社会的影响更为深远,未来能源城市化和技术城市化将成为节能减排的主要影响因素.

针对不同城市化发展区域的建议如下:

源城市化的发展(１

)对于高度.城除了降低能源强度市化的地区,,应还应进一步该推动能减少煤炭消耗比例.此外,服务业和科技发展是抑制碳排放的主要因素,应进一步增加第三产业的比例,加大科技研发投资力度.此外,该区域应该将技术和教育资源适当分配给其他控制农村人口向城市迁移２

中的城市.化２个领域.

()对于发展同时地区,提高农村能源利,其首要目标是用效率,减少化石燃料的燃烧,最重要的是提高人们的环保意识.增强技术水平可以从根本上提高能源利用效率.

式从粗放型向集约型转变(３

)对于城市化相对落,降低能源强度和加快产后的地区,由于经济模业转型是抑制碳排放的重要因素.换句话说,提高服务业水平尤其是旅游业,是保护环境的重要举措.此外,该地区的一些省份拥有各种能源,如、黑龙江、山西等,拥有大量的常规天然气、石油和煤炭资源.然而,其中大部分资源被开发供给于其他个地区,导致一系列生态问题,如能源短缺、环境污２染、土壤侵蚀等,应当适度开采资源,节约能源.

参考文献:

[１]　JonesDW．UrbanizationandEnergyUseinEconomicDevelＧ[２]　JoopnmesDent[JW．]．HEnoewrgUy

r,１b９a８ni９za,１ti０o(nA２):f２f９eＧct４sE４．nergy

ＧuseInDeveloＧfaonrdERemgiisosniaolnsGfrHoGmMU．itSig．aPtoiopnulaPtiloanSnninhgift[saJ]n．dIEnvmirp

olincamteionntＧs[７]sPciheentcke&TeoPoeuchmnaonlyogvoy

n,２g０,１S５h,i４n９j

i(３K)a:１n２e６k７o０．Ｇ１D２o６es７８．Urbanization[８]　LcLoeiauaondtrtHyoL,CAeansoaslyEH．sinserH[oJgyw]．EuDcseoolandLowerCO２E

missions?ACrossＧeosCgicaarlbEocnDonoiomxiicdseE,２０１m０is,s７i０onC:４３４hＧa４n４g

４e．fw２ri０oth１mt２,１h２３e５２E(２Cc)oo:１unＧno４t２rmi．

eisc[JDe]v．eClEopEmPＧeBnItT?SWtoatriksitnicgalPaEpxerSp

erieerniceess,[９]　LCihnBarac,teOriusytaicnsBgX．etwEeneenrgtyheUDeSmaanndidCnhiCnahiinnRa:CapoimdUp

arribsaonnoizaftionStae[J]．EnerConversionandManaement,２０１４Ｇ[１０]　S(３sa)al:１２G８ghＧo１s３h９,．

gyg,７９KakalinhjoipmicABetwcteievintyU:rEbanKiazantjiiloanl,．LEonnegrＧgteyrmEConq

suuilmibprtiiuonmaRnedlatEiocnoＧＧ[１１]　M２０１４,６６(８):３２４Ｇ３３m１pi．

ricalEvidencefromIndia[J]．Energy

,TmauisnhseammadShahieomnsiMnuzMafaflaar,beataz,lN．HanotwhakUurbmaanrizaLtioog

nanAaftfheacntsC,AOhmed２EＧ[J]．Renewableaynsida?SuTheApp

licationofSTIRPATModel[１２]　W(２Cha)in:８ng３ＧQ．９３E．

stainableEnergyReviews,２０１６,５７ffectsofUrbanizationonEnergyConsumptionin[１３]　Wanpga[SJ,]F．EannegrgCy,PGoluiacny

,２X０,１e４ta,６l５．(１Ur)b:３a３ni２zＧa３t３io９n．sumtion,a,ynsidsoCafrbCohninaDi’oSxidPeEEnerrovimnicsessio[nJs]i．nACpphliinead:gAyC

onＧEnePragny

el[１４]　L２D０azai１ttnB４a,１Aion,３n[LJi６al]uH．(９):．EneC７３８Ｇ７４rghyinaan’９．

,dBsBuuiillddiinngg

sE,２n０er１g５y,８E６ff(i３ci)e:n３c５y６Ｇa３n６dU５．rbaniＧ[１５]　YsduumanBtio,nRReanStio,aCndChenonX．suTmheEffectsofUrbanization,ConＧ

[１６]　ni张雷arleycpstCi．s[中国一次能JO]２．AEpmpilisesidEons源消neirnC,hp费gy的２i碳０nti１ao排５:nStructureonResidentialInＧ,A放１４Re(gio)n:alComparativeAＧ区０域６格９４局Ｇ１变０６化．[J]．地理研究,[１７]　Wa２n０g０Q６,,２W５uS(１),:Z１Ｇe９ng．

Y,etal．ExploringtheRelationshipB

eＧtweenUrbanization,EnergyConsumption,andCO２E

misＧ１３０甘　　　　　　　　　　　　　　　　　　　　　　　　　

,():tainableEnereviews２０１６,５４４１５６３Ｇ１５７９．gyR

[]sionsInDifferentProvincesofChinaJ．RenewableandSusＧ

肃科学学报　　　　　　　　　　　　　　　　　２０１９年　第３期

[],,２３　HeJWanLiuY,etal．ExamininheRelationshieＧgSgtpB

tweenUrbanizationandtheEcoＧenvironmentUsinouＧgaC:,linnalsisCasestudfShanhaiChina[J]．２０１７,７７pgAyyog():３１８５Ｇ１９３．

[]靳祥锋．碳排放与区域经济增长基于２１８　陈卫东,Ｇ０００—２０１２年

１０８Ｇ１１６．

]:省际面板数据的实证分析[宏观经济研究,J．２０１６,３５(１０)

[]蔡海亚,夏刚祥,等．中国交通运输业碳排放的测算及１９　谢守红,[]蒋丽红,张智慧,等．中国建筑业碳排放增长的结构分解２０　关军,[]刘晶茹,王如松．中国城乡居民消费隐含的碳排放对比２１　姚亮,[],２２　WanLiuX,ZhouC,etal．ExaminintheImactsofSocioＧgSgp

,economicFactorsUrbanform,andTransortationNetworksp’[],onCOmissionsinChinasMeacitiesJ．AliedEnergppgy２E]():分析[中国人口资源与环境,J．２０１１,２１４２５Ｇ３０．]():分析[工程管理学报,J．２０１６,３０１２２８４Ｇ２８９．]():影响因素[干旱区资源与环境,J．２０１６,３０５７７Ｇ８３．

[]２４　WanLuB,WeiY．China＇sReionalEnerndEnvironＧgK,ggya

:mentalEfficiencARaneＧadustedMeasureBasedAnalsisygjy[],():J．Al．Ener２０１３,１１２５１４０３Ｇ１４１５．ppgy

[]２５　InternationalEnerencIEA)．EnerechnoloerＧgyAgy(gyTgyP[]２６　YanZhaoT,Wanetal．ResearchonImactsofPouＧgY,gY,pp

lationＧrelatedFactorsonCarbonEmissionsinBeiinromjgf[],():１９８４to２０１２J．Environment２０１５,３７４９３Ｇ１０５．[//,sectivesC]IEA,Paris２０１６．p

[]２７　AzomahouT,LaisneVanPhuN．EconomicDevelomentyF,p

,():PublicEconomics２０１６,９０３１３４７Ｇ１３６３．

():２０１７,１８５２１８９Ｇ２００．

:andCOmissionsANonarametricPanelAroach[J]．ppp２E

VariationAnalsisofReionalUrbanizationCarbonEmissionyg

InfluenceFactorBasedonSTIRPATModel

(DeartmentoanaementandEconomics,TianinUniversitTianin３０００７２,China)pfMgjy,j,ZhaoTaoZhanicongSg

,,,,,includinhepoulationeconomenerintensitenertructureenerleannessservicelevelandgtpygyygysgyc

R&Dstrenth,andtheSTIRPATmodelbasedonFEＧDKreressionmodelisadotedtoevaluatethecarＧggp,bonemissionimactofdifferentfactorsonChina＇sthreereions(areawithhihurbanizationareawithpgg

)develoinrbanizationandareawithrelativelackwardurbanization．Theresultsshowthattheservicepguyb

,Abstract　Theimactofsevenkindsofurbanizationfactorsonthecarbondioxideemissionisresearchedp

industrevellasmoreandmoreimortantroleintheindustrialdevelomentinthehihlＧurbanizedreＧylpyppgy

,ion．Besidestheinfluenceofdemorahicfactorindeveloinrbanizationareaishiherthanthatintwoggppgug,otherareas．Inthemeantimeitismoreimortanttoimrovetheserviceefficiencffossilfuelintheareappyo

,withrelativelackwardurbanizationthanthatinotherareas．Ingeneraltheeconomicurbanizationistheybdeendsonthesecificconditionindifferentareas．ppmodel

mostimortantinfluencefactorofinfluencinhecarbonemissioninthreereions．Thesecificsolutionpgtgp;U;R;EKeords　CarbondioxideemissionrbanizationeionaldifferenceanalsisxandinTIRPATgypgSyw