产业集聚对碳排放的影响
——基于省级面板数据的实证分析

刘勇

（贵州财经大学大数据应用与经济学院，贵州贵阳 550025）

1 引言

最近十几年来，世界各国政府把目光聚焦在全球变暖问题上，而碳的排放是引起全球气温升高的主要原因。最近几年全球实时碳数据（Carbon Monitor）显示，全球每天碳排放量由2019 年1 月1 日的97.44 Mt 增加至2019 年11 月30 日的106.36 Mt。在2020 年，由于新冠肺炎疫情影响，全球每天碳排放量总体趋势相比2019 年有所下降，全球每天碳排放量由2020 年1 月1 日的96.09 Mt 增加至2020 年11 月30 日的104.17 Mt。我国在2016 年与其他170多个缔约方共同签署了应对气候变化的《巴黎协定》，为2020 年后全球应对气候变化行动作出安排。为了应对全球变暖问题，我国政府提出了“碳达峰”和“碳中和”的目标承诺。在此背景下，积极寻找碳减排路径，推进全球产业生产低碳转型刻不容缓。

2 文献综述

近年来，越来越多的学者开始研究产业集聚或者产业集聚与其他因素的协同作用对经济发展和环境的影响。从经济角度出发，张治栋等［1］、郭华等［2］、戴一鑫等［3］、张凤超等［4］都认为产业集聚或者产业集聚与其他因素的协同作用对区域经济发展存在一定的正向作用。从环境角度出发，修国义等［5］研究了产业集聚与人口规模的交互作用对雾霾污染的影响，得出了长期内人口规模与产业集聚的相互作用可以降低雾霾污染。关于产业集聚对碳排放的影响，也有不少学者在地级市层面和省级层面基于不同的模型进行了探讨。刘媛媛［6］从省级角度出发，分析了开放经济、产业集聚对碳减排效应的影响，得出了两者之间的作用显著阻碍碳减排效果。林永钦等［7］、王桂新等［8］根据城市人口和产业集聚的共同作用分析了对碳足迹与碳排放的影响，前者认为两者对碳足迹的抑制作用先增加后递减，后者得出城市规模不同，产业集聚对碳的减排效果也不同，特大城市的发展更有助于碳减排。田云等［9］分析了产业集聚与农业净碳效应的关系，发现农业净碳效应和农业产业集聚呈正“N”型关系。

目前国内研究主要集中在产业集聚协同其他因素对碳排放的影响，很少单独考虑产业集聚对碳排放的影响，因此，厘清产业集聚与碳排放之间的关系，考察产业集聚程度对碳排放的影响，有利于我国“碳达峰”和“碳中和”目标承诺的早日实现。

3 计量模型与数据设定

3.1 理论模型

产业集聚对碳排放的影响包括线性和非线性关系，考虑到产业集聚与碳排放之间的复杂关系，假设产业集聚和碳排放之间存在二次非线性关系。IPAT模型最早由Ehrlich 和Holdren 提出，主要用来分析人类活动对环境的影响［10-11］。IPAT 模型的方程表达式是I=PAT，其中I 为各种环境污染，P 表示人口，A是经济发展程度，T 代表技术发展，T 也可以延伸为其他的解释变量和控制变量。因为该模型存在一定的缺陷性，Dietz 和Rosa 将此模型发展为STIRPAT 随机模型［12］：Ii=aiPibAicTidei。在改进后的STIRPAT 随机模型中，常数项用ai表示，b，c，d 分别表示要重点研究的变量相应的参数，ei表示随机干扰项。对上述改进后的随机模型两边同时取对数，得到如下的基本方程：

在模型（2）中，下标i 是本文要研究的对象即省份，下标t 表示时间；pi，qt，eit分别表示个体效应、时间效应与随机扰动项。

3.2 变量说明

3.2.1 被解释变量

碳排放量。在模型（2）中，CO2是本文的重点关注变量，用来表示省份的碳排放量，单位为万t。

碳强度（ci）。碳强度用各省份CO2排放的总量与GDP 的比值所得，单位为万t/亿元。碳强度主要用于下文稳健性检验所用。

3.2.2 解释变量

从研究的主要问题出发，本文把产业集聚程度（agglo）作为核心解释变量，用来分析产业集聚发展对碳排放的影响。

所谓产业集聚主要指企业、资金、技术和劳动力等经济发展活动在地理空间上的一种聚集现象。目前学术界有关产业集聚的测量方法有很多，本文根据Ciccone［14］和张华明等［15］的做法，用经济密度来表示本文考察的核心解释变量产业集聚水平，具体计算方法是各省GDP 产出与区域地理面积之间的比值，单位为万元/km2。

3.2.3 控制变量

为了考查其他因素对碳排放的影响，得到更为准确的实证分析结果，把工业发展（ind）、各省人口数量（pop）、各省的经济发展水平（rjgdp）、各省的对外开放水平（fdi）作为控制变量加入模型（2）中。其中，工业发展用规模以上工业企业数表示，单位为个；人口数量用年末各省的常住人口度量，单位为万人；经济发展水平用各省的人均GDP 进行刻画，单位为元/人；对外开放水平用实际利用外资占各省GDP 的比重来度量。为了验证经济发展对环境库兹涅茨曲线的形状，将人均GDP 取对数之后的平方项和立方项也加入控制变量，即模型（2）中的sqlnrjgdp，culnrjgdp，单位为%。

3.3 数据来源

本文以2003—2019 年中国30 个省级平衡的面板数据为研究对象，因数据的不可获得性，故剔除了西藏自治区，对于缺失的小部分数据采用面板数据的线性插值法进行填充。其中碳排放量和碳强度数据来自《中国能源统计年鉴》，并经过手工汇总计算而成；产业集聚、工业发展、经济发展水平和人口数据来自《中国区域经济统计年鉴》，并经手工计算而成；对外开放水平的原始数据来源于商务部；人均GDP 数据借鉴已有文献常用做法，处理成以2003 年为基期的可比数据。

4 实证结果与分析

4.1 回归结果与分析

本文把碳排放量的对数（lnCO2）看作被解释变量，基于中国30 个省级的面板数据，运用混合回归、固定效应模型和随机效应模型对模型（2）进行了实证。F 检验、BP 检验和稳健性（Hausman）检验的具体结果见表1。通过对比3 个检验指标的具体数值，本文采用固定效应模型来分析各省级的产业集聚水平与碳排放之间的非线性关系。基于稳健性考虑以及方便对比不同因变量的实证结果，本文只列出固定效应和随机效应下的估计结果，具体回归结果见表1。

表1 计量模型（ 2）的回归结果

为了验证产业集聚程度与碳排放的非曲线关系，本文借鉴Wu 等［16］的做法，根据系数的显著性和方向，可以判断产业集聚程度和碳排放的关系，具体方法见表2。

表2 系数与曲线关系判断

根据表1 的回归结果和表2 的系数与曲线关系判断标准，对表1 的回归结果进行简要解析。以表1的FE 模型为例，核心解释变量lnagglo 的一次项系数为正，且通过了5%水平的显著性检验，lnagglo 的平方项即sqagglo 的系数显著为负，说明各省级的碳排放量随着产业集聚水平的提升，呈现出先上升后下降的倒“U”型趋势。在某个特定的产业集聚水平值之前，产业集聚水平的提升促进了各省级的碳排放；跨过这个特定值之后，产业集聚程度的提升对碳排放具有减排的效果。

4.2 稳健性检验

目前学术界关于稳健性检验的主要手段有替换核心解释变量、因变量或者增加控制变量等方法。为了检验产业集聚对碳排放的稳健性，本文将被解释变量替换为碳强度的自然对数做进一步的分析，相关的实证分析结果及F 检验、BP 检验和稳健性检验值见表3。在最优的FE 模型中，核心解释变量产业集聚lnagglo 的一次项、二次项的方向与表2 中FE模型下的方向完全一致，且都通过了显著性检验，说明产业集聚对碳强度的影响也呈倒“U”型。

表3 计量模型（ 2）稳健性检验的回归结果

5 结论

本文以中国30 个省级的统计数据为研究对象，基于2003—2019 年省级面板数据，利用面板数据模型，考察了产业集聚程度与碳排放之间的关系，得出了以下结论：产业集聚与碳排放之间的关系并不是常规简单的线性关系，而是非线性关系，两者呈倒“U”型关系，即随着产业集聚程度的提高，各省级碳排放量先增后减。该研究结果表明产业集聚初期，企业、劳动力、资金和技术等资源要素的集聚水平比较低，区域经济的发展主要依靠能源资源要素的投入，随着产业集聚程度的增加，碳排放水平相应增加。当各省级的产业集聚水平迈过特定拐点值后，随着产业集聚程度的不断提高，产业集聚的规模经济和技术优势效应开始体现，产业集聚对碳排放具有一定的抑制作用。产业集聚在不同阶段对碳排放的不同影响，对当地政府的产业发展规划和制定碳减排政策具有一定的参考意义。