中国人口·资源与环境2014年第24卷第8期Cl NA POPULA TION, R囚OURCESAND ENVIRO附 2014 城镇化率、要素禀赋对全要素碳减排效率的影响刘娩魏埠(凶安交通大学经济与金融学院，陕西西安710061)摘要基于超越对量宜生产函鼓，并运用产出距离函It建立以资本、劳动力和能源为役入要素，以GDP和CO，排放为产出要蠢的随机前沿模型，分别测度全国30个省区1995-2010华期间全要素CO的揭~Ö效率。在此基础上，从罐镶化水平、要素禀赋、人口规模、产2业结构、技术因素等五个维度出发.运用Tobit面锺模型对影响全粟.碳1<<排效率的因素及奠显蕾程度越行了实证分析。主要结论襄明.从全国层面看，城镇化率、资本深化程度与全要囊碳1<<徘效率均呈非线性能晌关系.随着城镇化擎的提商、资本的逐步深化，破减到t效率经历了先下降后上升的趋势;能源密集度本身对碳'也排效率无显著作用.但对城镇化水平促进碳减徘效率提高有放大效应;人口规模的就小、二产占比的下降与能源强度的降低均会促使碳就排更有效率，人口规模因素对碳减排效率的影响系敏为，略高于产业结构因素和技术因最.相关系戴分别是和。遗-步将全国样本按照要素禀赋异质性分为资本密集型省区、能源密集型省区、劳动密集型省区.对三个子样本的回归结果显示只有能源密集型省区的城镇化事与全要素般就排效率之闽在5%的显著性水平上存在相关关系。囱以上结论得到的启示是，政府面对国际债1<<排和全面推选罐罐化建设双重压力下.要注意从不同省份要素禀赋的异质性出发，通过建立碳市场筹措施倒遭能源型省份控制梳镶化进程;疏通资本密集型省区资源向节能资源研发部门流动的通道;充分发挥劳动密集型省区的人口红和j作用和第三产业对第二产业的挤出效应。关键词要素禀赋;城镇化事;全妻.碳减排效率;随机前沿分新中图分类号X24 文面前标识码A 文章编号1ω2 -2104( 2014)ω-创间2-07 doi: ω2 -21制..(嗣政11吃开放以来.能源为经济的增长提供了重要的"动"期望产出"全要索生产率以外"才1::期望产出"C0的全要2力支持"。然而，相对粗放的能源利用模式造成的环境污素排放率。Kumbhakar和Lovell5J以成本最小化或利润届染问题H益显现。作为目前同际仁碳排放总量和增量均大化为假设前提处理多产出系统效率，本文借鉴此方法在最大的国家，中国减排的成效已成为全球关注的焦点，在产出距离函数中引人超越对数生产函数构述了分析多产2∞9年的联合国气候变化峰会上，中国政府提出2020年出的随机前沿生产模型来测TI:全要素碳~卡效率。对碳碳排放强度要在2005年的基础上下降40%到45%。考排放影响因素的研究方法方面，国内外文献归纳为五类:虑到中国城镇化工业化已进入中坚阶段、经济发展对能源以上LMDT应用最为广泛的指数分解法和Kaya等式及变的市求刚性以及以煤为主的能源消费结构特点短期内不形STIRPAT要求使用确定性的数理公式，库兹涅获环境会改变，即使逐步降低碳排放的增量也是巨大的挑战。所分析法主要强调经济发展对环境变量的影响，投入产出法以，提高全要素碳排放效率是碳贼排的主要思路，探究碳多在考虑对外贸易的情况下使用，本文使用计盐分析，原减排效率的影响因素为促进我|玛环境、资源、经济的协调因是在选取变盘时较其他方法相对灵活，尤其在面饭数据可持续发展起到举足轻重的作用。学术界对碳排放的研下扩增样本量和自由度，减少变量间的共线性，控制样本究H益深入，在碳排放效率的测算方面，文献多使用数据的个体异质性，提升估计的有效性和可靠性。在应取影响包络分析(DEA)，这种非参数估计方法未能考虑随机扰动全要素碳减排效率的因素方丽，国内外学者多集中在技术因素。随机前沿分析方法(SFA)可以弥补这一不足，但传因素、规模因素和结构因素。本文重点研究城镇化进程、统的SFA如孔翔等1I、Wu1、涂正革和肖耿J]、王志平4要索县赋的异质性对碳减排效率的作用是有其背景意义等只能通过参数估计单产出的生产前沿面，难以测算除了的。第一，我国2007年以世界钢铁总量30%、水泥54%收稿日期:2014-03 -31 作者简介:立lJ姥.网上生.主要研究方向为产业经济学和能源经济学。基金项目:国家社会科学基金项问"全球经济调整与中国经济发展方式转变研究:基于FDI传导机制与国际市场结钩变化的分析，.C编号:09XJYOI 1) :教育部后JtEJ资助项目"中国区域工业差异与经济增氏空间分布动态研究"C编号:08J1l阴052)。 42
@ ~J媲等:城镇化率、要素禀赋对全要素碳减排效率的影响的消费量创造出仅占6%世界总量的GDP，单位GDP高钢线性齐次的条件、约束条件更少等诸多优点，因而在已有铁高水泥消耗水平至今还在持续。需求增长快且刚性的文献中[13叫被广泛采用。将三项投入要素、两项产出要能源消费特征说明中国正经历着工业化和城镇化进程，据素的超越对数形式带人产出距离函数，则有测算，城市居民人均能源消费量是农村居民的一4InD: =α。+JEαmlnylm+KEAlmU+部倍[6]城镇化率的提高伴随高碳排量、低减排率。相反，陈+tEJZPtJnyUlny:，m+主kzlalm;Jlmu诗一[7J认为城镇化的发展会逐步提高碳减排效率，由于第三产业对第二产业的挤出效应，大量农村居民集聚城市，1n(2) +JEJEγmky:.)nx:.k + m~18ymlnY:.mt 带来的人口红利倒逼城市的产业结构逐步由资本密集型2 +主lszklm:J+δ"t向劳动密集型转变。一般来讲，资本密集型倾向于重污染在上式中，变量右上标的t表示时间，变量右下标的i行业，劳动密集型偏向于轻污染行业。何晓萍[8]也从实证表示地区，α、β、δ、γ为待估参数。角度出发得出城镇化发展模式有助于技术进步从而提高碳由于上式左端的距离函数值是无法观测到的，因而难减排效率的结论。因此，为了研究正反哪方面效应更大，本以直接运用最小二乘法或者极大似然法对上式的参数进文将城镇化水平作为主要解释变量加入计量模型。第二，行估计。但是，根据产出距离函数关于产出的卉次线性特各省区要素禀赋对碳减排效率的影响不同，基于要素禀赋征，以各地区的碳排放量(即非期望产出)为所有产出异质性不同省区城镇化率对碳减排效率的影响也会各异。的分母，用技术无效指标-4替代上式左端的产出距离函能源富集区往往陷入"资源诅咒叫9)随着城镇化率的提高，数，并考虑随机误差叫，则(2)式可以转化为:粗放型的区域经济增长可能进一步降低碳减排效率。严虹口。]提出资本深化水平对全要素碳减排效率的影响有两(αInY:.2 =一。+主αmlnz;4+sLlm;k+Sotm叫个方面，若资本流向重化工系统的高新技术部门，说明资本ι3a ι~ Y~.ll r:.m深化的质量较高，对碳排放效率的提升起到促进作用;若资+.~ 2..αIm1nτLlnτ=+β:jk1nx豆豆;)nx:.k川= J=1 Y,.2 本流向重化工系统的高能耗高污染生产部门，质量较低的t 2 3 v’\/’ 资本深化会抑制碳排放效率的提升。本文在此基础上进而守主t+ γlnL..L，时lnx;.k+ L.δym1n咛旦(3) m=IA:=1 肌叫yι2 研究在资本要素富集区，城镇化水平的提高是否引导资本1nxt +δ.k:.k山U~ +v: 进入轻化工系统从而达到提高碳减排效率的目标。41δ-上式是一个标准的随机前沿生产函数模型，可以使用1 研究方法极大似然估计方法进行参数估计[口]并进一步测算全要素碳减排效率。产出距离函数由Shephard[ 11)在分析给定的技人和技 模型设定的检验术可行的产出组合问题时首先提出，在处理多投入一多产虽然超越对数形式的模型设定具有上述诸多优点，但出问题上应用较广。是该模型设定是否合理，变量间的交互关系是否存在，都 产出距离函数还难以确定，因此，为检验模型设定的合理性，本文将做如对于t时期的每一组投入x'E!:R~ ，用P'(x')表示技术下几个假设检验:可行的产出ysE贯吃的集合，即p'(X’) =旷:(x’ ，y')ε (1)叫:α1m-δym -γ0旷=λ= jk =δ，其中 础= =δ"，S汀，其中5'表示s时期可行的技术集合。按照Fare和1 2; m 1 2;j 1 23; k 1 23= = = = ,,,,，，，即前沿生产函数中所Primont[川的定义，基于产出的距离函数定义如下:有二次项的系数都为0，这意味着模型应该设定为C-DD~(矿，y')=i nf!ψ> 0 : ( L) E P’ ( X’) I (1 ) 生产函数形式，而非超越对数形式。cp (2)该距离函数对产出是非递减、凸的和线性齐次的，对码:δ0。=δym-δ= ，其中m=12;k= = ，，，8" 投入是非递增和拟凹的。该函数表示了在既定的投入和与时间有关项的系数均为0，意味着不存在技术进步。(3)可行的技术条件下，产出向量可以增加的比例的倒数。从码:δ=0，其中k= 1 23，即所有时间和投入构址，，，成的二次项的系数均为0，这意味着技术进步是希克斯中(1)式可以看出，给定投入、产出组合，技术效率越高，距离函数的取值将越接近1。性的，即技术进步独立于投入要素。所有假设都使用广义似然统汁量LR来检验，LR统计 随机前沿模型设定量定义为:本文在距离函数的具体设定方面，采用了超越对数的四=-2 [ L( -L( Ho) H) ] (4) 形式。与CD函数相比，该形式具有便于计算、易于附加1 . .43
道露申国人口·资源与环境2014年第8期当零假设成立时，LR-矿(m)，其中m表示约束条件量，用第i个地区在t时期的CO的排放量来衡量。本文2个数。判别规则为:若LR<乒(叫，则接受零假设，约束条采用(IPCC国家温室气体排放清单指南2006}中CO的2计算方法，根据能游、消费中三种主要的排放CO的化石能件成立;若LR>丘(m)，则拒绝零假设，约束条件不成立。2源煤炭、石油和天然气的消费量以及不同化石能源的低位根据表l的检验结果，第一个零假设被拒绝，表明该模热值、碳排放因子和碳氧化比率估算出各个省区1995-型设定为超越对数形式要优于设定为CD函数形式;第二2010年期间的CO的排放量。计算公式如下:2个零假设被拒绝，表明经济系统存在技术进步，随着时间的 • 演进，同样的投入会导致不同的产出;第三个零假设被拒NCVCEFCOF(441川(5)COz=EEi ιi 绝，表明技术进步不是希克斯中性的，技术进步与投入要素其中i，表示煤炭、石油、天然气三种一次能据;E表示对CO排放量有协同作用。据此，最终的距离函数设定为2三种能源的消费量;NCV表示化石能源的低位热值;CEF式(2);待估计随机前沿生产函数模型设定为式(3)。为各种能源的碳排放系数;COF为碳氧化因子(通常取1)4412，，分别是CO2和碳的分子量。表l随机前沿模型假设检验结果三个投入要素。儿:表示第z个地区在t时期的资本 Verification results of the presupposition [18]投入，借鉴张军等的研究成果，以2003年为基期，采用。fstochastic frontier model 永续盘存法估算各省区资本存量，单位为亿元;z:2:表示对数对数原假设似然值似然值临界值·第i个地区在t时期的劳动力投入，用各地区年底就业人Primary Log like Log like LR统计量Critical 结论员数衡量，单位为万人川表示i地区t时期的能源投:3:hypothesis lihood lihood Statistic value Conc!usion 入，用各省区能摞消耗量计量，由于各个省区的能源消费va!ue value Ho ( CV) L(H) L(H) o1种类不一，所以统计上把煤炭、石油制品、电力、热力等能H) 拒绝Ho"t。源消费量转换成统一单位标准煤"加总而戚。H5 拒绝 模型测算全要素CO2排放效率时371. 42 拒绝Ho运用软件对模型(3)基于随机前沿分析进注:原始数据源自实证分析中的变量和数据:临界值为10%显行参数估计测算出各省份的全要素碳减排效率(EFFC，), 著性水平。估计结果如图1所示。2 实证分析全国30个省区CO2的全要素排放效率在1995-2010 年间的平均值存在差异，也并未表现出明显的东部效率高 测算全要素碳减排效率于西部的规律，即使上海与宁夏、安徽等省区均出现高碳全要素碳减排效率，即在全要素生产关系的框架内研排放效率，但两者的原因是不同的。上海源于产业升级究CO排放效率，它衡量的是在既定生产要素投入(包括2快，二产占比下降，技术效率提高;而宁夏、安徽等省区可能源)下，实际巳O排放与最小可能CO排放的比例，或22能源于较慢的城镇化进程。者是在给定产出条件下，C0排放能够减少的程度。这里2将测算出的全国30个省份19952010-的年均全要所得的CO减排效率是考虑资本、劳动力和能摞三种投入2素碳排放效率保留作为被解释变量用以实证部分分要素共同作用下得到的，它是全要素效率。全要素CO减2析其影响因素。在国内外文献对CO2排放量及排放强度排效率以上述兰种作为投入要素，以GDP为合意产出，研究的基础上来确定本文影响全要素碳减排效率的因素。CO排放为非合意产出，基于SFA模型，运用 全要素喋排放效率影响因素的计量分析软件，计算得到。 变量选取与数据说明2. 1. 1 变量与数据分析城镇化率(CITYR)0城镇化率的测度-般有五种方本文的研究对象是全国30个省区。采用年度面板数法，即人口比重法、系数调整法、农村城镇化指标法、城镇据，样本区间为1995-2010年。数据来自《新中国60年土地利用指标法和现代城镇化指标法。考虑到数据的可统计资料汇编》、《中国统计年鉴》、《中国能源统计年鉴》、获得性，本文采用城镇人口占总人口的比重来反映这一指《中国环境统计年鉴》以及各个省区《统计年鉴》。各变量标，数据来源于《中国人口与统计年鉴》。定义如下:生产要素禀赋水平。本文用资本深化的对数两个产出要素。yL:表示地区经济产出，用第i个地(LNPERCAP)和人均能漉量的对数(LNPERENER)来反映区在t时期的地区生产总值衡量，单位为亿元，以2003年要素禀赋。资本、劳动、能摞的原始数据与实证分析第→为基期的实际地区生产总值表示以.2:表示地区CO排放2部分三种投入要素相同，此处不再赘述。.44.
~J撞等:城镇化率、要素禀赋对全要素碳减排效率的影响通勤产业结构(JNDUST)。各产业的生产特点决定了不同 计量结采分析的碳排放总量和效率。一般来说，以工业为主的第二产业根据回归结果，从模型(1)全面板数据反映城镇化水碳排放量大效率低，第一产业次之，第三产业碳排放量小平的变量的系数来看，一次项的系数显著为正，二次项的效率高。本文产业结构用各个省区第二产业总产值占系数显著为负，即城镇化率与全要素碳减排效率呈U型的GDP的份额表示。通过测算产业结构对碳排放效率的影曲线关系。模型(2)(3)(4)的分时间段回归模型中得出响程度，对政府如何配置三次产业的投资比例提供政策依"九五""十五"期间，我国城镇化水平与碳减排效率的一据。次项和二次项之间均无显著影响关系，到"十一五"期间能源强度(ENERSTR)0 --般作为反映技术水平的变二者在5%显著性水平上出现U关系。出现此实证结果量，等于能源消耗量与GDP的比值，能源消耗量数据取自可能的解释是改革开放之初，城镇化水平较低对碳减排效《中国能源统计年鉴》。率的解释程度并不显著，随着经济的快速增长和城镇化进人口规模(POPUL)。人口规模作为对整个经济规模程的加快使得重化工企业的急速扩张，碳排放增加，粗放的替代变量，数据来源于《新中国六十年统计年鉴汇编》。式的能源使用导致较低的碳排放效率。然而城镇化水平 计量模型发展到一定阶段，居民收入的增加对环境质量的要求不断本文计量模型的数据具有空间和时间的特性，全要素提高，推动了节能技术的发展，对碳减排效率起到积极作碳排放效率作为被解释变量的数据取值在0-1范围内，用。2007年国务院发布《国家环境保护"十一五"规划~, 故使用Tobit面板数据计量模型进行回归。要求"十一五"期间我国在环境保护上的投入超过15000EFFCtJ=α+β，1n(PERCAP.，) +β21n(PERENER..) + 亿元，到2010年二氧化硫和化学需氧量比2∞5年下降iiβ3C1TYRi.， +β +β5ENERSTRi.， +β 10%。在环境规制政策引导下，我国通过技术创新提高装+ β7C1πR;.t +β8 备水平，建成了具有世界领先水平的大型煤矿，火电机组[ ln ( PERCAP., ) ] 2 + 9 [ ln ( PERENE.尺，) ] 2 i技入运行，大大提高了能源的开采利用效率;通过提高能+β101n( CITYR., +βllln ( PERENER.) CIπ尺.tii1 源效率，加强保护环境，全国煤矿平均矿井回采率比"十+ 8i (6) 五"提高了约10个百分点，火电供电标准煤耗从392克/其中，i，t分别表示时间和省份，β是被估计参数，8，是千瓦时下降到370克/千瓦时。因此十一五"期间随着随机误差项，服从正态分布。参数估计如表2。城镇化率的上升，全要素碳减排效率出现了先恶化后改善如果解释变量与误差项相关就不满足外生性假设，会的趋势。以下的讨论主要针对全面板模型(1)。导致对系数的估计出现有偏，在随机前沿生产函数估计中，内生性问题未得到很好的解决问，所以本文运用资本要素禀赋的一次项系数为负，且在1%的水平上软件的内生性检验，结果显示无法拒绝不存在内显著，二次项系数在5%水平上为正，说明资本深化会提生性的原假设(p高碳减排效率，但过度的资本深化会降低减排效率，这与> ) ，说明了解释变量的外生性。因魏楚和沈满洪[阳]认为过度的资本深化使得经济偏离资源而，本研究暂不考虑内生性问题。对回归模型可能存在多禀赋路径的结论有相似之处。可能的解释是中国在工业重共线性的检验，我们采用考察方差膨胀因子(VIF)法，结果发现所有变量的VIF值均小于10，说明不存在多重共化初期，资本向重化工产业的流动多于轻化工产业，资本向重化工产业高能耗的生产部门的流动多于向高新研发线问题。!5 响曲'叶~ 运脚。-马48504 也二'自。革季里吉普李某FM在辈革虫草塑器乐运眩目费高罢HH固1全国30个省区全要素碳排煎效率平均值(1995-2010) Average total factor of carbon emission efficiency of 30 provinces (1995 -2010) 45
笔画中国人口·资源与环境2014年第8期效率之间并不存在必然关联性，但这一要素可能会作用于表2全要素CO排放效率影响因素的计量分析其他因素来影响碳减排效率。借鉴仲伟周，王军[20]的推2Tab. 2 Econometric analys s of the influencing 论具有能源禀赋的省份可供利用的能游、相对丰富，能师、相factors of COemission efficiency 2 对价格低，能源消费强度高。由此推断在城镇化进程中对时间Time变量能源密集型产业的发展就会具有比较优势，粗放式能源利Variable 1995 -2010 1995 -2000 2∞1 -2005 2006 -20 10 用模式的低戚本可能导致碳排放无效率，因此，模型中引CITYR " 入了能源禀赋与城镇化率的交互项来讨论对全要素碳减( ) ( ) ( ) ( ) 排效率的作用。LNPERCAP -O. 678 7 产业结构即第二产业占GDP的比重、能源强度、人口( ) ( -1. 36) ( ) ( ) 规模对全要素碳减排都起到抑制作用，分别在5%、10%水平上显著和不显著。第二产业的占比越高，碳排放效率LNPERENER -O. 133 1 O. 508 2 O. 306 8 越低;能源强度作为对技术因素的描述反作用于碳减排效( ) (0. 17) ( 1. 27) (0. 48 ) 率，化石燃料的充分燃烧技术增加，碳排强度下降，碳减排ENERSTR -O. 040 4 -O. 060 4 效率提高。这与实际情况相符。减排技术的提高能降低(一) ( ) ( -O. 83) ( -O. 84 ) 单位GDP的能源强度，技术的外溢和扩散也会提高相关INDUST " 一 7 产业的碳减排效率。( ) () () () 资本要素禀赋与城镇化水平的交互项的系数为正，但POPUL oω5 5 -O. 033 O. 02 不显著;能源要素禀赋与城镇化水平的交互项系数为正，( ) ( )一) (0. 67 ) 且在1%的水平上显著。实证结果表明能源充裕度对城C/TYR伞川1. 914 1 1 镇化率促进全要素减排效率的提高有积极作用。根据对() (1. 5) () () 全国30个省份的煤炭产量、人均资本的测算，将全国分为" O. 044 7 O. 099 9 .. O. 081 3’ 三部分，能源密集型省份:内蒙古、山西、陕西、河南、贵州、CAP2 山东、安徽、河北、新疆、四川10资本密集型省份:上海、天( 1. 92) (0. 96) ( 1. 95) ( 1. 63) LNPER-津、重庆、北京、江苏、辽宁、浙江、广东、吉林、黑龙江。劳 ENER’2 动密集型省份:福建、江西、湖北、湖南、广西、海南、云南、() ( 1. 33) ( -O. 87) ( -1. 23 ) CITYR ,. 甘肃、青海、宁夏。将三种要素类型与全国的全要素碳减 I LNPERCAP 排效率1995-2010年的变化情况汇总见图20(0. 13) ( -O. 05 ) ( -1. 5 ) ( -O. 55 ) C1TYR ,. 能源资密本集密型集省型份省份劳动全密国集型省份,’" O. 555 7 -O. 207 2 1. 551 8" hoLNPERENER 口•n-u9 U叫() ( 1. 47) ( -O. 45) (2. 24 ) U国副ω全国能源、密集型资本密集型劳动密集型CITYR ’" -1. 881 -1. 0966 ij::在11王芳三57777士;( -2. 69) ( -O. 23) ( -O. 26) ( -O. 49 ) CITYR’2 3 ... 1忡 9 (2. 63) ( 1. 97) (0. 89) (0. 35 ) 2000 2005 2010 年份Year注:川表示估计系数在1%水平上显著表示在5%水平上显著J表示估计系数在10%水平上显著。括号内为t统计量，所有系圄2要素禀赋罔质省份及全国碳;咸排效率逐年变化数的估计和检验借助完成。趋势拟合图F g. 2 Trend fitting figure of national and homogeneous 部门的流动，因此资本深化带来的是全要素碳减排效率的factor endowments provinces’ carbon reduction efficiency 下降;随着工业化程度的加深，上述的资本流向发生逆转总体上讲，1995-2010年间三种要素禀赋的省份与全促进了碳减排效率的提高。国的碳减排效率均有所提高。其中，能源密集型省份的提能源禀赋的系数为负可能的解释是近年来能源生产高幅度大于另外两种类型。属于劳动密集型的十个省份型企业通过提高技术水平，优化资源配置，降低碳排放效的全要素碳减排效率的平均值最高、资本密集型次之，能率。但此负向影响并不显著，能糠的丰裕程度本身与碳排. 46 .
刘媲等:城镇化率、要素禀赋对全要素碳减排效率的影晌⑩ 惊密集型最低。能源密集型省份的城镇化率的平方项与源结构，通过把握城镇化进程来控制碳减排效率。全要素碳减排效率在5%的水平上正相关。从能源型省第三，我国已步入工业化的中期，以煤炭为主的能源份城镇化发展的阶段性特征解释来看，这类省份往往以资结构暂时不会改变，从绝对量上控制能掘的消耗以达到碳源型产业体系与以生产功能为主的形式起步;随着城镇化减排的目标难度较大。因此，提高减排技术是较为有效的进程的加快，对生活产品的需求渐渐大于对能源产品作为手段。一方面企业可以增加自身的研发投入并且充分发上游产品的生产需求，现代服务业带动产业的多元化发挥国外先进节能减排技术的溢出效应。另一方面，逐步建展;随着城镇化日趋成熟，区域生产功能逐渐减弱，生活功立碳市场，充分发挥市场在配置资掘的决定性作用，激励企业提高能源利用效率和环保意识，加快企业环保设备的能逐渐增强。因此，能源型城镇化率的发展与碳减排呈现更新，降低企业减排成本，在合理减排的基础上增加产出。非线性相关。另外一种可能的解释为如果能源要素产业(编辑:李琪)吸附资本要素演进路径是生产服务业，就会形成重工业型参考文献(References) 城镇化模式;如果能源要素产业吸附劳动要素向生活服务[ 1 ]孔祥，Marks R E，万广华.国有企业全要素生产率变化及其决业发展，就会形成轻工业型城镇化模式。从回归结果来定因素[1].经济研究，1999, (7): 40 -48. [Kong Xiang, 看，大多数能源、型省份可能经历了从重工业城镇化模式为Marks R E, Wan Guanghua. Changes and Determinants of State›主导向轻工业城镇化模式的转型。owned Enterprises’ Total Factor Productivity [J]. Economic Research Journal, 1999, (7): 40 -48. ] 3 结论与政策建议[2] Wu Y. Is China’s Economic Growth Sustainable? A Productivity 本文基于1995-2010年间的省级面板数据，使用Ana1ysis [J]. China Economic Review, 2001, 11 (3) : 278 -296. SFA模型测算出30个省份全要素碳减排效率，基于此，重[3]涂正革，肖耿.中国的工业生产力革命[J]经济研究，2∞5，(3 ): 4 -15. [Tu Zhengge, Xiao Ge吨China'slndustrial 点研究了城镇化水平、要素禀赋对碳减排效率的影响。结Productivity Revolution [J]. Economic Research Journal, 2∞5， 论表明:城镇化率与碳减排效率呈U型关系，且在不同要(3):4-15.] 素禀赋省区影响存在差异;随着资本深化程度的提高全要[4]王志平.生产效率的区域特征与生产率增长的分解:基于主成分素碳减排效率有先下降后上升的趋势;能源密集度的提高分析与随机前沿超越对数生产函数的方法[JJ数量经济技术经与碳减排效率之间元显著关系，但对城镇化进程影响碳减济研究，2010, (1): 33 -43. [ Wang Zhiping. Regional Disparity 排效率的效应有放大作用;控制变量产业结构、能源强度、in Production Efficiency and Decomposition of Productivity Growth 人口规模对碳减排效率有负向作用。进一步将全样本按[J]. The Journal of Quantitative & Technical Economics, 2010, 照要素禀赋异质性分为资本密集型省区、能源密集型省( 1) : 33 -43. ] [5] Kumbl毗arS C, Lovell C K. Stochastic Frontier Analysis [ M ] . 区、劳动密集型省区三类，对子样本的回归结果显示只有Londun:Cambridge University Press, 2003. 能源密集型省区的城镇化率与全要素碳减排效率之间存[6]林伯强，刘希颖.中国城镇化阶段的碳排放、影响因素和减排策在显著的相关关系。相比较"九五""十五"规划十一略[JJ.经济研究，2010，8( 1): 22. [ Lin Boqia吨，Liu Xiying. 五"规划期间，我国城镇化率眼全要素减排效率之间有显China’s Carbon Dioxide Emissions under the Urbanizat˛on Process 著的U型影响关系。根据理论与实证结论得出以下措施Influence Factors and Abatement Policies [J]. Economic Research 建议:Journal, 2010, 8(1) : 22. ] 第一，政府在制定差异化的节能减排目标时，各省区[7]陈诗一.能源消耗、CO排放与中国工业的可持续发展[J J. 经2应立足于自身禀赋的实际，通过政府干预引导能源禀赋济研究，2∞9，(4): 41 -55. [ Chen Shiyi. Energy Consumption, 高、利用率低的省区的能源向高利用率的省区流动，倒逼COEmission and Sustainable Development in Chinese Industry [J]. 2 Economic Research Journal, 2ω9， (4): 41 -55. J 能源型省份进行产业结构升级，促使能源类省份在延伸资[8J何晓萍，刘希颖，林艳苹.中国城镇化进程中的电力需求预测源类产业链条、加强资源的深加工与精加工等方面增加技[JJ.经济研究，20ω， 44 ( 1 ): 118 -130. [ He Xiaoping, Liu 术含量，提高全要素碳减排效率。Xiying, Lin Yanping. China’s Electricity Demand Forecast under 第二，发展多元化产业类型，逐步减弱区域经济增长Urbanization Process [J J. Economic Research Journal, 2∞9， 44 对污染严重的第二产业的依赖，减少碳排放，提升碳排放(1):118-130.] 效率。抓住城镇化过程中对服务性产业的需求契机，既要[9]徐康宁，邵军.自然禀赋与经济增长:对"资源诅咒"命题的再提高三产在区域经济中的占比，又要在第二产业内部加强检验[J].世界经济，2007，29(11):38 -47. [Xu Kangni吨，技术创新、厉行节约。发展城市低碳产业，形成低碳产业Shao Jun. Natural Resources Abundance and Economic Growth: A 集聚，鼓励发展和使用清洁、节能能源，逐步转变传统的能Re-examination of the Resource Curse’ Hypothesis [J J. The 47 .
⑥ 中国人口·资源与环境2014年第8期A Distance Function Approach [ J]. Applied Economics, 20∞，32 Joumal of Word Economy, 2∞7 , 29 ( 11 ) : 38 -47. ] [10]严红.中国西部地区城镇化发展战略转型研究[J].经济问题(15) : 1967 -1976. 探索，2013, (2): 69 -74. [ Yan Hong. Transfonnation of the [ 17] Battese G E, Coelli T J. A ModeI for Technical Inefficiency Effects Urbanization of China’s Westem Region [J]. lnquiry into Economic in a Stochastic Frontier Production Function for Panel Data [ J ] . lssues, 2013, (2): 69 -74.] Empirical Economics, 1995,20(2): 325 -332. [ 11 ] Shephard R W, Gale D, Kuhn H W. Theory of Cost and Production [18J张军，吴佳英，张吉鹏.中国省际物质资本存量估算:1952 -Functions[ M]. Princeton: Princeton University Press ,1970. zαlO[J].经济研究，2ω4， (10): 35 -44. [Zhang Jun, Wu [12] F re R, Primont D. Multi-output Production and Duality: Th回巧Guiyi吨，Zhang Jipeng. A Estimate of the Provincial Capital Stock and Applications [ M]. Spri鸣町，1994. of China: 1952 -2删[J ]. Economic Rese皿hJournal, 2侧，[13] Lo四11C K, Travers P, Richardson S, et al. Resources and (10): 35 -44.] Functioni吨s:A New View of Inequal町inAustralia [ M ] . [19J魏楚.沈满洪.结构调整能否改善能源效率:基于中国省级数Springer, 1994. 据的研究[1].世界经济，2∞8， (11): 77 -85. [ Wei Chu, [ 14] Grosskopf S, Ma耶ritisD, Valdmanis V. Estimating Output Shen Manhong. Can the Structural Adjustment Improve the Energy Substitutability of Hospital Services: A Distance Function Approach Efficiency: A Research ased on the Provincial Data of China [J]. [ J J. European Joumal of Operational Research, 1995, 80 ( 3 ) : The Joumal of Word Economy, 2008, (11): 77 -85. ] 575 -587. [20]仲伟周，王军基于能源禀赋的地区能源消费强度差异研究[ 15] Coelli T, Perelman S. A Comparison of Parametric and Non›[J] .山西财经大学学报，2ω9， (3): 42 -50. [ Zhong parametric Distance Functions: With Application to European Weizhou, Wang Jun. Research on the Regional Energy Intensity Railways Difference [J]. Joumal of Shanxi Finance and Economics [ J ]. European Joumal of Operational Research, 1999, 117(2): 326 -339. University, 2∞9， (3): 42 -50.] [ 16 J Coelli T, Perelman S. Technical Efficiency of European Railways: Impact of Urbanization Level and Endowment Disparity on Carbon Reduction Efficiency LlU Jie WEI Wei (Department of Finance and Economics, Xi'且nJiaotong University, Xi’an Shaanxi 71∞61， China) Abstract Based on the logarithmic function under producLion theory, this paper applies the distance function to establish the stochastic frontier model which takes capital, labor and energy as input elements, and GDP, COemissions as output, 10 measure the 2 total factor COemission reduction efficiencies of China’s 30 provinces in China from 1995 to 2010 respectively. On this basis, using 2 Tobit panel model, this paper empirically analyzes the influencing factors of COemission reduction e仔iciencyfrom fjve dimensions, 2 which are urbanization level, factor endowment, population scale, industrial structure and technical elements. In general, this paper fjnds out that there is a nonl near relationship between carbon reduction effjciency and urbanizat on level, so does capital deepening. In other words, the carbon emission efficiency would be decline first and then increase with the urbanization level improving and capital deepening. Energy intensity has no significant influence on carbon efficiency; however, it can enhance the effect on carbon efficiency when interacted with urbanization level. Population size, industrial structure and energy intensity play a negative role on carbon efficiency and the coefficients are , 6 and O. 014 2 respectively. Furthermore, by dividing the whole country into three parts accoTding to factor endowment disparity, it finds that only in provinces endowed with energy resource is there a significant nonlinear relationship between urbanization level and carbon reduction effjciency at 5% signifjcant level. On the basis of these results, it suggests that government should caπY out separate policies in different provinces with v缸yfactor endowments 10 face both international carbon reduction pressure and improving urbanization stress, such as establishing carbon market in energy intensive area to control urbanization, increasing investment on R&D of clean energy and reducing dependence on second industry in labor intensive provmces. Key words endowment; urbanization level; carbon reduction efficiency; stochastic frontier analysis 48
