牛鴻蕾

（徐州工程學(xué)院 管理學(xué)院，江蘇 徐州 221008）

0 引言

1 研究設(shè)計(jì)

根據(jù)經(jīng)典經(jīng)濟(jì)發(fā)展理論，經(jīng)濟(jì)發(fā)展本身也是一個城鎮(zhèn)化、工業(yè)化和城鄉(xiāng)差距縮小的過程。而據(jù)國務(wù)院研發(fā)中心發(fā)布的數(shù)據(jù)，城鎮(zhèn)化率每增加1%，能源消耗量會至少上升6億噸標(biāo)準(zhǔn)煤。截至2017年底，我國城鎮(zhèn)化率已由1990年的26.41%升至58.52%，當(dāng)年總能耗達(dá)3.59億噸標(biāo)準(zhǔn)煤，在全球位列第一?？梢?，城鎮(zhèn)化進(jìn)程的加快給節(jié)能減排目標(biāo)的實(shí)現(xiàn)帶來巨大的壓力與挑戰(zhàn)。

近些年，涉及城鎮(zhèn)化與碳排放關(guān)系相關(guān)研究的基本情況如下：（1）研究的地理范疇可以是全球多個國家、某個國家或地區(qū)、甚至某一省份或城市[1，2]。（2）關(guān)于所采用的方法或模型，最常見的是改進(jìn)STIRPAT模型、庫茲涅茨曲線、格蘭杰因果關(guān)系檢驗(yàn)等[3]，此外，還有 LMDI指數(shù)模型[4，5]、非參數(shù)可加回歸模型[6]等。（3）研究結(jié)論不盡相同，城鎮(zhèn)化率的提升對于碳排放的影響方向問題成為爭論的焦點(diǎn)?，F(xiàn)有研究尚待補(bǔ)充與完善之處包括：（1）多數(shù)研究不專門針對城鎮(zhèn)化與碳排放關(guān)系，而只是在研究碳排放影響因素時對此有所涉及，難以實(shí)現(xiàn)全面而深入的分析；（2）即使是專注于這一問題的研究，多數(shù)沒能體現(xiàn)出城鎮(zhèn)化的碳排放效應(yīng)在國內(nèi)各區(qū)域間的差異性及關(guān)聯(lián)性，且忽視這一效應(yīng)可能呈現(xiàn)的動態(tài)性與延續(xù)性特征。（3）在分析模型中，將城鎮(zhèn)化水平簡單的等同于城鎮(zhèn)化率高低是不夠全面的，很可能造成效應(yīng)評價(jià)結(jié)果的偏差。

本文基于STIRPAT模型和動態(tài)空間面板數(shù)據(jù)模型，根據(jù)2002—2016年省域面板數(shù)據(jù)，實(shí)證分析中國城鎮(zhèn)化的碳排放效應(yīng)。與以往研究的不同主要體現(xiàn)在：采用的模型同時具備空間相關(guān)性與動態(tài)性特征；除城鎮(zhèn)化率以外還納入新的變量-城市首位度來表示城市規(guī)模分布的變化。

1.1 基本模型

19世紀(jì)70年代，IPAT模型（I=P×A×T）由Ehrlich和Holden（1971）[7]提出，式中的I、P、A和T分別代表環(huán)境效應(yīng)、人口、人均財(cái)富和技術(shù)水平。之后，Dietz和Rose（2003）[8]又提出其隨機(jī)形式即STIRPAT模型（I=aPbAcTde），其中，a為模型的系數(shù)，b、c、d為各驅(qū)動力指數(shù)，e為誤差，該模型可轉(zhuǎn)化為：

為測度城鎮(zhèn)化對碳排放的影響效應(yīng)，拓展模型（1）時重點(diǎn)納入城鎮(zhèn)化的相關(guān)變量，可得：

式中，S表示產(chǎn)業(yè)結(jié)構(gòu)變動指標(biāo)，UR代表城鎮(zhèn)化率水平，US是城市規(guī)模分布變量，f、g和h分別指S、UR和US的系數(shù)，i和t則分別代表省域和年份。

本文對模型（2）中變量的定義如下頁表1所示。另外，有兩點(diǎn)需要說明：（1）碳排放總量I是指人類活動引起的碳排放，大約占總排放的90%以上。IPCC中介紹了三種方法測算固定和移動源的石化燃料燃燒碳排放，本文會采用第一種方法：根據(jù)燃燒的燃料數(shù)量和缺省排放因子來估算二氧化碳排放量。該方法的測算或多或少存在準(zhǔn)確性不足的問題，但因其具備簡單易行、對數(shù)據(jù)要求不高的優(yōu)勢，故而被采用。（2）除通常采用的城鎮(zhèn)化率變量以外，新增城市規(guī)模分布變量，從另一個側(cè)面反映城鎮(zhèn)化發(fā)展情況，該變量用城市首位度指數(shù)US來表示。Jefferson（1939）[9]最先提出城市首位律：首位城市在大多數(shù)情況下是一定地理范圍內(nèi)的經(jīng)濟(jì)、政治與文化的交匯中心，對于周邊城市有巨大的、多方面的影響力。此外，他構(gòu)建的城市首位度指數(shù)—“兩城市指數(shù)”法能夠清晰、明了地概括城鎮(zhèn)規(guī)模分布情況，故被本文采用。

表1 模型（2）中各變量的定義

1.2 模型構(gòu)建與變量說明

面板數(shù)據(jù)模型在社會科學(xué)研究領(lǐng)域已得到廣泛運(yùn)用，為添加動態(tài)因素，進(jìn)一步納入滯后因變量，就構(gòu)成動態(tài)面板數(shù)據(jù)模型。這類模型既能通過控制固定效應(yīng)較好地克服變量遺漏，又能較好地解決反向因果性問題。其基本形式如下：

式中，y和x分別代表因變量和自變量，α和β分別是y和x的系數(shù)，ui表示未被觀察到的定常異質(zhì)性，εit是特質(zhì)誤差項(xiàng)，假設(shè)yi0和xi0是可觀測的。i=1，…，N，t=1，…，T，并且滿足。與一般面板數(shù)據(jù)模型類似，動態(tài)的面板數(shù)據(jù)模型也包含兩類：當(dāng)ui待估的是固定參數(shù)時，該模型是固定效應(yīng)模型；若ui是隨機(jī)的，則為隨機(jī)效應(yīng)模型。

J.Paul Elhors（t2003）[10]將動態(tài)面板數(shù)據(jù)模型與空間殘差自回歸形式相結(jié)合，建立一種動態(tài)空間誤差面板數(shù)據(jù)模型，如下：

若僅將空間自相關(guān)性變量納入該動態(tài)面板數(shù)據(jù)模型，可得一種動態(tài)空間滯后面板數(shù)據(jù)模型，如下：

模型（4）和模型（5）中，t=1，2，…，T，i和j都代表省份，i=1，2，…，N，j=1，2，…，N，wij為n×n階的空間權(quán)值矩陣W中的某個元素。令模型（4）和模型（5）中xit=[lnPit，lnAit，lnTit，lnSit，lnURit，lnUSit] ，可 得 兩 種 實(shí)證分析模型。上文已提到ui既可表示固定效應(yīng)，又可指隨機(jī)效應(yīng)。實(shí)際上，當(dāng)樣本是隨機(jī)抽取自考察總體時，隨機(jī)效應(yīng)模型更適用，但本文回歸分析針對的是中國省級區(qū)劃單位這些特定個體，采用固定效應(yīng)模型更為合適。因此，這里ui為固定效應(yīng)，且存在三種可能的情況：地區(qū)固定效應(yīng)、時間固定效應(yīng)或時間地區(qū)固定效應(yīng)。那么，分別與模型（4）和模型（5）結(jié)合，可構(gòu)建6種實(shí)證模型形式，下文將采取LMerr、LMsar及其穩(wěn)健形式的統(tǒng)計(jì)檢驗(yàn)法對其進(jìn)行初步的篩選。

1.3 空間權(quán)重矩陣構(gòu)建

構(gòu)建空間權(quán)重矩陣的方式大致有基于鄰接標(biāo)準(zhǔn)和基于距離標(biāo)準(zhǔn)兩類，第一類方法可設(shè)置系數(shù)為1或0分別來表示兩地區(qū)相鄰與否。依據(jù)地理學(xué)第一定律，人類行為對所在地區(qū)的影響隨距離的加大而減弱，僅通過區(qū)域間是否相鄰將其間關(guān)聯(lián)程度簡單定為0和1兩種，不太符合客觀實(shí)際，這一關(guān)聯(lián)程度應(yīng)是漸變的，故本文采用反距離平方法構(gòu)建空間權(quán)重矩陣W，令其中，d表示第i省與第j省中心位置之間的歐幾里德距離，該距離根據(jù)國家地理信息系統(tǒng)網(wǎng)站提供的1：400萬電子地圖，利用Geoda095i軟件測得。另外，模型估算時需對W進(jìn)行行標(biāo)準(zhǔn)化處理，即用各元素除以所在行的行元素之和，可使每行元素之和為1。

1.4 參數(shù)估計(jì)與數(shù)據(jù)來源

根據(jù)非空間動態(tài)面板數(shù)據(jù)模型的估計(jì)思路，J.Paul Elhorst（2005）[11]提出用無條件極大似然法估計(jì)線性和對數(shù)線性的空間面板數(shù)據(jù)的動態(tài)模型。已被證明的是：當(dāng)N→∞,t為任意值時，標(biāo)量a和參數(shù)向量β具有相容估計(jì)量，并且，ML估計(jì)比GMM估計(jì)[12]更有效率。故本文采用J.Paul Elhorst提出的無條件極大似然法估計(jì)實(shí)證模型。為確保數(shù)據(jù)的可獲性、完整性與連續(xù)性，本文采用中國29個省級區(qū)劃2002—2016年的面板數(shù)據(jù)，港澳臺地區(qū)、青海和西藏的數(shù)據(jù)因其資料不夠完整未被包括。主要數(shù)據(jù)來源于由中國統(tǒng)計(jì)局出版的相關(guān)年份的《中國統(tǒng)計(jì)年鑒》、《中國能源統(tǒng)計(jì)年鑒》、各省級區(qū)劃統(tǒng)計(jì)年鑒等。

2 實(shí)證檢驗(yàn)與分析

2.1 空間自相關(guān)性檢驗(yàn)

為了檢驗(yàn)空間自相關(guān)性，即觀測同一變量在不同空間區(qū)域上的相關(guān)性，下文借助全局空間自相關(guān)指數(shù)（Moran's I）來整體描述碳排放的空間分布模式，同時使用空間相關(guān)局域指數(shù)反映空間要素的異質(zhì)性，而LISA本質(zhì)上是將Moran's I分解到各個區(qū)域單元的結(jié)果，故又稱為局部Moran's I。因篇幅限制，上述兩種指數(shù)的計(jì)算公式及推導(dǎo)過程不再贅述，具體參見文獻(xiàn)[13] 。

如下頁圖1所示，Moran's I在2003—2016年間波動不大，基本保持在0.16～0.21之間，顯著性水平始終低于5%。具體來說，Moran's I在經(jīng)歷2002—2004年間的顯著下降以后開始明顯上升，于2008年達(dá)到0.2010的最高點(diǎn)，之后又有小幅的回落，但總體上波動不大、較為穩(wěn)定。可見，各省域的總碳排放整體呈現(xiàn)較強(qiáng)的正相關(guān)關(guān)系，即碳排放量較高的省域或地區(qū)相對的相互鄰接，而具有較低碳排放的省域或地區(qū)也相對的相互靠近，目前這種空間維度的相關(guān)性仍停留在較高水平。

圖1 2002—2016年我國省域總能耗碳排放的Moran's I

利用Geoda軟件繪制2002—2016各年LISA集聚圖（圖略），這是一種局域空間自相關(guān)分析方法，將各省碳排放量分為四種類型的分布模式：HH（High-High）表示高碳排放區(qū)域被同是高碳排放區(qū)域包圍的空間關(guān)聯(lián)形式，LL（Low-Low）代表低排放區(qū)域被低排放區(qū)域所包圍的類型，LH（Low-High）指低碳排放區(qū)域被高碳排放區(qū)域所包圍的空間關(guān)聯(lián)類型，HL（High-Low）表示高碳排放區(qū)域被低碳排放區(qū)域所包圍。其中，前兩種屬于正的空間相關(guān)性，后兩種屬于負(fù)的空間相關(guān)性。根據(jù)所得LISA集聚圖發(fā)現(xiàn)：遼寧、內(nèi)蒙、河北、江蘇、山東、貴州、廣西、海南等部分省域碳排放之間存在不容忽視的空間維度異質(zhì)性與依賴性；另外，盡管在青海、安徽、吉林等少數(shù)省域的情況有所變化，但HH、LL、LH和HL各類集聚區(qū)的總體分布變化不大。具體來看，大部分具有較高局部Moran's I的熱點(diǎn)區(qū)（即HH集聚區(qū)）分布在江蘇、山東、河北、山西、河南、遼寧和內(nèi)蒙古等地，地理位置較為集中，主要位于中國的北部、東北部和東部，而這些省域及其鄰省都產(chǎn)生較大的碳排放。同時，LL集聚的盲點(diǎn)區(qū)大部分分布在青海、貴州、廣西和海南等省域，因?yàn)檫@些省域及其鄰域的碳排放量相對較低。因此，相對其他地域，屬于熱點(diǎn)區(qū)或盲點(diǎn)區(qū)的省域在碳排放方面具有較小的空間異質(zhì)性和較強(qiáng)的正相關(guān)性。被熱點(diǎn)區(qū)包圍的省域（如吉林和天津）多數(shù)情況下屬于LH類型，這類地區(qū)的碳排放量要小于其相鄰區(qū)域。此外，經(jīng)濟(jì)發(fā)展更快的廣東省比其周邊地區(qū)（包括廣西、江西、湖南等省域）產(chǎn)生更多的碳排放，故屬于HL集聚區(qū)。

2.2 LMerr、LMsar及其穩(wěn)健形式的統(tǒng)計(jì)檢驗(yàn)

在固定效應(yīng)的空間面板數(shù)據(jù)模型中，截距項(xiàng)能分解為時間固定效應(yīng)、地區(qū)固定效應(yīng)和時間地區(qū)固定效應(yīng)。假定三種效應(yīng)均可能分別存在于模型中，從而構(gòu)成一系列不同形式的模型，為對其進(jìn)行有效篩選，估算LMerr、LMsar及其穩(wěn)健形式的統(tǒng)計(jì)量，如表2所示。以時間固定效應(yīng)的面板數(shù)據(jù)模型為例，LMsar和R-LMsar的統(tǒng)計(jì)量分別等于9.0905和8.7528且遠(yuǎn)大于LMerr和R-LMerr的統(tǒng)計(jì)量0.7597和0.4221，這說明當(dāng)包含時間固定效應(yīng)時應(yīng)選擇空間滯后面板數(shù)據(jù)模型形式更貼近研究現(xiàn)實(shí)。以此類推，能夠?qū)⑵溆鄡煞N模型選定為：含地區(qū)固定效應(yīng)的空間滯后面板數(shù)據(jù)模型和含地區(qū)時間固定效應(yīng)的空間誤差面板數(shù)據(jù)模型。

2.3 模型估計(jì)結(jié)果分析

不同固定效應(yīng)的動態(tài)空間誤差或滯后面板模型的估算結(jié)果如表3所示。由R2、σ2和對數(shù)似然值（log-likelihood）、各模型估算的變量系數(shù)及其顯著性水平來看，時間固定效應(yīng)的動態(tài)空間滯后面板數(shù)據(jù)模型要明顯優(yōu)于其他模型，說明碳排放在我國區(qū)域分布具有的階段性或時間性特征要強(qiáng)于區(qū)域性特征，故下列分析均針對這一模型的估計(jì)結(jié)果。

表2 不同模型的空間依賴性診斷

表3 動態(tài)空間面板數(shù)據(jù)實(shí)證模型的估計(jì)結(jié)果

（1）關(guān)于滯后因變量

碳排放滯后項(xiàng)的系數(shù)是0.233，顯著性水平為1%，這表明滯后一期的碳排放增長對當(dāng)期碳排放有顯著的正向影響。由圖2可知，除個別年份較上一年稍有下降之外，中國碳排放總量幾乎每年都在增長，1996—2016年間由40.9億噸增至127.1億噸，年均增速達(dá)5.82%，在大多情況下年環(huán)比增速接近或超過3%，在2004年和2005年分別達(dá)到了16.1%和17.3%的最高值。碳排放量的趨勢線所呈現(xiàn)的是一種連續(xù)、漸進(jìn)且穩(wěn)定的碳排量增長態(tài)勢。

圖2 1996—2016年我國的碳排放量及其增長率

（2）關(guān)于空間自相關(guān)系數(shù)

對于帶時間固定效應(yīng)的動態(tài)空間滯后面板模型，空間自回歸系數(shù)λ的估計(jì)值等于0.114，顯著性水平為5%。這說明，周邊地區(qū)碳排放的變化會導(dǎo)致本地區(qū)碳排放的同向變化，可見，加大對于某些省域的碳排放控制與治理，所產(chǎn)生的降碳效應(yīng)會在一定程度上擴(kuò)散到周邊地區(qū)，在制定相關(guān)方針政策時應(yīng)充分考慮到省域間碳排放的聯(lián)動性，有效發(fā)揮省級政府環(huán)境規(guī)制在節(jié)能減排領(lǐng)域正面的外溢性。

（3）關(guān)于自變量城鎮(zhèn)化率

自變量城鎮(zhèn)化率的估計(jì)系數(shù)是-0.150，顯著性水平為5%，說明城鎮(zhèn)化率水平的提高顯著抑制了碳排放增長。然而，這僅表示一種整體效應(yīng)，并不意味著盲目提升城鎮(zhèn)化率就能直接帶來碳排放的下降。因?yàn)槌擎?zhèn)化進(jìn)程本身是一個涉及多個領(lǐng)域的復(fù)雜系統(tǒng)工程，而城鎮(zhèn)化率只是從城市人口角度出發(fā)來衡量城鎮(zhèn)化水平的一種指標(biāo)，并不能全面反映城鎮(zhèn)化進(jìn)展情況，例如發(fā)展質(zhì)量。實(shí)際上，很多與城鎮(zhèn)化相關(guān)的因素會對碳排放產(chǎn)生直接或間接的不同方向影響，這些影響力相互抵消或者增強(qiáng)，最終形成總體的碳排放效應(yīng)并通過統(tǒng)計(jì)分析結(jié)果顯現(xiàn)出來?？傊?，真正影響碳排放的是城鎮(zhèn)化發(fā)展方式而非城鎮(zhèn)人口增加本身。

圖31978 —2016年我國城鎮(zhèn)化率

圖4 城鎮(zhèn)化的碳排放效應(yīng)的概念框架

如圖3所示，城鎮(zhèn)化率在1978年只有17.9%，1995以來進(jìn)入加速增長期，于2016年達(dá)到歷史最高點(diǎn)57.4%，而期間的增長趨勢一直非常穩(wěn)定。由圖4可知，城鎮(zhèn)化的發(fā)展會給生產(chǎn)、生活、政府行為等不同領(lǐng)域所涉及的諸多方面帶來一系列的改變，而總體效應(yīng)的正負(fù)取決于不同方向影響力的合并結(jié)果。根據(jù)生態(tài)現(xiàn)代化理論，在某些階段城鎮(zhèn)化與碳排放可能正相關(guān)也可能負(fù)相關(guān)，這取決于城鎮(zhèn)化的相關(guān)因素對碳排放不同作用力的合并結(jié)果，具體分析如下：

第一，在中國城鎮(zhèn)化和老齡化的背景下，家庭規(guī)模小型化和家庭形態(tài)的多樣化趨勢越來越明顯。家庭規(guī)模通常被作為決定家庭碳排放量的一個重要因素，因?yàn)檩^大的家庭規(guī)模往往帶來規(guī)模經(jīng)濟(jì)效益[14]。

第二，城鎮(zhèn)化會影響相關(guān)產(chǎn)業(yè)的發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整。居民從農(nóng)村到城鎮(zhèn)的遷移會推動工業(yè)化進(jìn)程，隨著工業(yè)吸納就業(yè)的增加，農(nóng)業(yè)就業(yè)人數(shù)所占比重由1996年的50.5%降至2016年的27.7%。一方面，農(nóng)業(yè)生產(chǎn)運(yùn)營的機(jī)械化帶來對人工需求的減少，而現(xiàn)代工業(yè)和制造業(yè)的勞動密集程度在減弱，單位能耗也在減少。另一方面，城鎮(zhèn)規(guī)模的擴(kuò)大與數(shù)量的增加，在一定程度上推動了第三產(chǎn)業(yè)發(fā)展，而該產(chǎn)業(yè)已經(jīng)并將繼續(xù)在節(jié)能工作中發(fā)揮日益重要的作用。

第三，在城鎮(zhèn)化進(jìn)程中，越來越多的居民聚居于高層建筑、利用公共交通、選擇能源密集程度低的交通運(yùn)輸方式，借助由此帶來的規(guī)模經(jīng)濟(jì)優(yōu)勢，很多城鎮(zhèn)對于能源的消耗有所減少。

第四，城鎮(zhèn)化有助于要素集聚，增加城鎮(zhèn)和農(nóng)村居民的工資，改善他們的生活水平，進(jìn)而帶來更多的能源消耗。尤其是隨著城鎮(zhèn)服務(wù)業(yè)的擴(kuò)張，城鎮(zhèn)居民會有更多的工作機(jī)會和更高的工資，而農(nóng)村剩余勞動力向城鎮(zhèn)的轉(zhuǎn)移也推動農(nóng)產(chǎn)品市場的發(fā)展。

第五，為滿足城鎮(zhèn)化加速期的時代要求，政府會通過制定和實(shí)施環(huán)境治理與產(chǎn)業(yè)發(fā)展相關(guān)的政策措施，控制與約束企業(yè)與相關(guān)部門的高能耗行為，并大力加強(qiáng)技術(shù)創(chuàng)新、推廣清潔生產(chǎn)與技術(shù)、新能源的運(yùn)用等，從而有助于節(jié)能減排目標(biāo)的實(shí)現(xiàn)。

（4）關(guān)于自變量城市首位度

自變量城市首位度的估計(jì)系數(shù)是0.253，顯著性水平為1%，說明城市首位度與碳排放是顯著正相關(guān)的?？梢姡壳俺擎?zhèn)規(guī)模擴(kuò)張的負(fù)外部效應(yīng)居主導(dǎo)，盲目擴(kuò)大城鎮(zhèn)人口規(guī)模不利于節(jié)能減排。如下頁圖5所示，從2002—2016年，我國各省域城市首位度的平均水平總體呈現(xiàn)增長態(tài)勢，說明越來越多的人口集聚在首位城市，該城市的人口規(guī)模與其他城市之間的差距越來越明顯，而與此同時，碳排放總量維持穩(wěn)定增長狀態(tài)，可見，將城鎮(zhèn)規(guī)模優(yōu)化控制在一個高能效的合理范圍內(nèi)至關(guān)重要。實(shí)際上，較大的城市首位度有助于推動技術(shù)創(chuàng)新、技術(shù)擴(kuò)散與產(chǎn)業(yè)升級等，并降低交易成本、勞動力配置不合理的風(fēng)險(xiǎn)與服務(wù)成本等，從而帶來碳排放總量的減少。然而，若首位城市人口規(guī)模超過其承受范圍會帶來高額的生活成本、交通擁堵嚴(yán)重等一系列問題，也會拉大小城鎮(zhèn)與之在技術(shù)與生活服務(wù)設(shè)施方面的差距，加劇資源分布的失衡，導(dǎo)致小城鎮(zhèn)難以有效承接技術(shù)擴(kuò)散、知識溢出與轉(zhuǎn)移，環(huán)境惡化、碳排放量增加等一些負(fù)外部效應(yīng)隨之顯現(xiàn)。

（5）關(guān)于其他自變量

變量P、A和T的系數(shù)分為0.676、0.396和0.523，顯著性水平為1%，S的系數(shù)為-0.237，顯著性水平均位于10%，這表明我國總?cè)丝跀?shù)、人均國內(nèi)生產(chǎn)總值和能源強(qiáng)度對于同期碳排放量有較強(qiáng)的正向影響，而變量產(chǎn)業(yè)結(jié)構(gòu)（第三產(chǎn)業(yè)所占比重）對其的影響方向則相反。

圖5 2002—2016年我國碳排放總量及省域城市首位度的均值

3 結(jié)論

基于拓展的STIRPAT模型和動態(tài)空間面板數(shù)據(jù)模型，本文實(shí)證考察了中國城鎮(zhèn)化的碳排放效應(yīng)。得到結(jié)論如下：

（1）我國各省域（或區(qū)域）的碳排放存在一定空間維度的依賴性和異質(zhì)性，周邊地區(qū)碳排放的變化會導(dǎo)致本地區(qū)碳排放的同向變化，而節(jié)能減排活動對于當(dāng)期碳排放的影響力會在將來持續(xù)產(chǎn)生作用。這意味著，各級政府在制定相關(guān)方針政策時，既要充分考慮到省域間碳排放的聯(lián)動性，有效發(fā)揮政府環(huán)境規(guī)制在節(jié)能減排領(lǐng)域正面的外溢性，并力求各省域與其周邊地區(qū)協(xié)調(diào)、互助共建低碳發(fā)展體系，又應(yīng)從長期與短期的不同視角出發(fā)，確保降碳效應(yīng)的延續(xù)性與持久性。

（2）隨著近些年城鎮(zhèn)化率水平的大幅提升，城鎮(zhèn)化對碳排放的增長總體呈現(xiàn)出抑制作用，但并不能說明單純提升城鎮(zhèn)化率就可降低碳排放。因?yàn)槌擎?zhèn)化本身是一個涉及多個領(lǐng)域的復(fù)雜系統(tǒng)工程，對于碳排放存在多角度的影響且其方向不盡相同，目前顯現(xiàn)出的總效應(yīng)是各方力量相互強(qiáng)化或抵消的結(jié)果。真正影響碳排放的是城鎮(zhèn)化的發(fā)展方式與實(shí)現(xiàn)路徑，那么，在城鎮(zhèn)化率提升的過程中，應(yīng)優(yōu)化城鎮(zhèn)化低碳發(fā)展模式，大力發(fā)揮城鎮(zhèn)化的降碳效應(yīng)，同時盡可能的遏制其增碳效果，充分協(xié)調(diào)城鎮(zhèn)化相關(guān)要素間的矛盾與關(guān)系以最終達(dá)到節(jié)能減排總目標(biāo)。

（3）較大的城市首位度有助于推動技術(shù)創(chuàng)新、技術(shù)擴(kuò)散與產(chǎn)業(yè)升級，降低交易成本等，但同時加劇資源在大小城鎮(zhèn)分布的嚴(yán)重失衡，導(dǎo)致小城鎮(zhèn)難以有效承接技術(shù)擴(kuò)散、知識溢出與轉(zhuǎn)移、碳排放量增加等一些負(fù)外部效應(yīng)隨之顯現(xiàn)?？梢姡谠黾映擎?zhèn)人口比重的同時，應(yīng)合理控制各城鎮(zhèn)人口規(guī)模差距，才能確保在城鎮(zhèn)化順利發(fā)展的條件下，城鎮(zhèn)規(guī)模分布變化所帶來的環(huán)境友好效應(yīng)高于環(huán)境污染效應(yīng)。