徐子瀛/ 文

一、引言

改革開放以來，我國經(jīng)濟發(fā)展迅速，人民生活水平有了大幅度提高，但經(jīng)濟快速發(fā)展的同時，也造成了嚴重的環(huán)境污染，極大影響了人們的生活質(zhì)量，為此付出了沉重的代價。如何控制和減少碳排放是當前我國政府和人民面臨的重大問題。產(chǎn)生碳排放的渠道很多，其中，農(nóng)村居民生活消費碳排放是其主要來源之一。為了有效地控制和減少我國農(nóng)村居民生活消費碳排放，對其空間特征和影響因素進行研究具有現(xiàn)實意義。

關于碳排放量的相關研究文獻很多，成果豐碩。主要涉及內(nèi)容為二氧化碳的測定、時空特征檢驗、影響因素和預測分析等方面，研究范圍分為整體分析、區(qū)域分析和行業(yè)分析等。但目前，學界對我國農(nóng)村居民生活消費碳排放空間特征及其影響因素的研究還比較少。韋惠蘭、楊彬如（2014）采用對數(shù)平均權重Divisia 分解法將人均碳排放分解為碳排放結(jié)構、碳排放強度、生產(chǎn)能力效率和經(jīng)濟增長，結(jié)果表明經(jīng)濟增長和能源結(jié)構是推動農(nóng)村碳排放增長的主要因素。萬文玉等（2017）利用碳基尼系數(shù)分析了我國農(nóng)村居民生活碳排放的時空特征，發(fā)現(xiàn)我國農(nóng)村居民生活碳排放的空間格局較穩(wěn)定，參數(shù)面板回歸模型的實證結(jié)果發(fā)現(xiàn)農(nóng)村人口規(guī)模、農(nóng)村人均純收入、農(nóng)村居民生活消費支出和青壯年人口比重對我國農(nóng)村居民生活碳排放均有促進作用。汝醒君、汪臻（2017）基于狀態(tài)空間模型分析了我國農(nóng)村人口、居民收入、生活消費支出結(jié)構、能源消費結(jié)構4 個變量對農(nóng)村居民生活用能碳排放的動態(tài)影響，結(jié)果顯示農(nóng)村人口對其為負向影響，而居民收入和支出結(jié)構對其存在正向效應。

綜上所述，我們發(fā)現(xiàn)在研究我國農(nóng)村居民生活消費碳排放的空間關系時，主要是通過碳基尼系數(shù)分析不同地區(qū)的時空特征；通過分解法和普通參數(shù)線性回歸模型考察影響因素的線性效應?，F(xiàn)有文獻還沒有將檢驗空間相關性的Moran’s I 和研究影響因素的GWR 模型應用于我國農(nóng)村居民生活消費碳排放量的研究。由于Moran’s I 能夠較好地用于分析變量在不同單元之間的空間相關性，GWR 模型能夠很好地考證影響因素效應隨地理位置變化的特征。為此，本文試圖利用上述兩種方法分別研究我國農(nóng)村居民生活消費碳排放的空間相關性和影響因素。

二、研究方法和模型介紹

（一）Moran’s I 檢驗

Moran’s I 可用于檢驗變量在不同單元的取值是否存在空間相關性，其數(shù)學公式為：

其中，n 為研究單元的樣本數(shù)，yi為第i 個單元的觀測值，觀測變量的均值記為y。Moran’s I 值的變化范圍為（- 1，1）。I 取正值表示正自相關；I 取負值表示負自相關；I 接近0 表示不相關。

假設Y 的觀測值來自正態(tài)分布，并且Yi和Yj是空間依賴的，那么I 服從近似的正態(tài)分布，并且有

可以證明：

因此，Z 可以作為變量在不同單元的空間相關性檢驗統(tǒng)計量。

（二）GWR 模型

GWR 模型最早由Fortheringham（1999）提出，該模型拓展了一般的線性回歸模型，其回歸系數(shù)隨空間地理位置改變而改變。該模型的數(shù)學表達式為：

其中，yi是n×1 維的被解釋變量，βj（ui，vi）是第j 個影響因素在第i 個位置的回歸系數(shù)。（ui，vi）表示第i 個觀測位置的經(jīng)緯度，k 是解釋變量的個數(shù)，εi是獨立同分布的隨機誤差項。采用Hastie 和Tibshirani（1993）提出的局部估計方法可以得到系數(shù)β的估計為：

其中，X 和Y 分別代表解釋變量和被解釋變量觀測值的矩陣形式，為n×n 的對角陣，其對角線元素分別為是w1隨著空間權重矩陣變化而變化，由加權最小二乘法估計得到。空間權重矩陣的選擇很重要，一般由經(jīng)度和緯度決定。在空間計量的實證分析中，wj的選取方法較多，本文采用Gaussian 距離計算空間權重矩陣：

其中，dij是位置距離向量，h 是帶寬（距離衰減函數(shù)），φ 是標準正態(tài)密度函數(shù)，σ 是dij的標準差。帶寬的選擇對模型的估計至關重要，帶寬過大會導致估計偏差過大；帶寬過小會導致估計方差過大。因此，參考已有文獻的研究結(jié)果，我們采用AIC 準則確定最優(yōu)帶寬。

（三）實證模型詳解

IPAT 恒等式最早由Commoner（1990）提出，常被用作研究環(huán)境污染驅(qū)動因素的理論依據(jù)，其數(shù)學表達式為：

其中，I 代表污染物排放水平，P 代表人口規(guī)模，A 代表國家富裕程度，T 代表技術水平。但IPAT 模型過于簡單，它假設P、A 和T 對I 有相同的影響效應，這與實際情況不符。Dietz 和Rosa（1997）將IPAT 模型擴展成STIRPAT 模型，該模型假定各驅(qū)動因素對環(huán)境污染的影響效應不同，與環(huán)境庫茲涅茨曲線（EKC）的假設一致。該模型的數(shù)學表達式為：

其中，a 表示截距項，b、c、d 分別代表P、A、T 對環(huán)境影響的彈性系數(shù)，e 表示隨機誤差項。為了消除異方差性，將所有變量取對數(shù)。聯(lián)系本文實際，將上述模型進一步擴展得：

其中，CO2代表我國農(nóng)村居民生活碳排放量（單位：百萬噸）；POP 代表農(nóng)村人口規(guī)模（單位：萬人）；INC 代表農(nóng)村居民人均可支配收入（單位：元）；EXP 代表農(nóng)村居民生活消費支出（單位：元）；STR 代表農(nóng)村居民能源消費結(jié)構（%），用農(nóng)村煤炭消費量與農(nóng)村居民生活消費總能源的比值來代表；INT 代表農(nóng)村居民能源消費強度（單位：萬噸標準煤/ 億元），指單位GDP 的能源消費量，反映一個地區(qū)經(jīng)濟活動中對能源的利用程度和利用效率。

考慮到不同地區(qū)解釋變量對農(nóng)村居民生活消費碳排放的影響可能存在異質(zhì)性，借鑒空間地理加權回歸模型的思想，我們將模型（9）中的回歸系數(shù)設定為隨地理位置變化的變系數(shù)，拓展后的實證模型為：

其中，i 代表第i 個省份，（ui，vi）是各省會城市所在位置的經(jīng)緯度。

（四）數(shù)據(jù)來源

本文采用我國省域（西藏數(shù)據(jù)缺失）空間樣本數(shù)據(jù)。數(shù)據(jù)來源于2006—2016 年《中國統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》。以2005 年為基期，用農(nóng)村CPI 對INC、EXP 和GDP 進行平減，以消除通貨膨脹帶來的誤差。為了減少截面數(shù)據(jù)的波動異常，我們采用2005—2015 年期間變量的平均值做實證分析。

三、實證分析

使用GWR 模型前，先檢驗變量間可能存在的相關性。給出Moran’s I 及其散點圖以及分析GWR 模型的實證結(jié)果。上述結(jié)果通過軟件ArcGIS、GeoDa 和GWR4 得到。

（一）空間相關性檢驗結(jié)果分析

為了定量分析農(nóng)村居民生活消費碳排放的空間相關性，計算全局Moran’s I 檢驗統(tǒng)計量。由表1 可知，每年全局Moran’s I 均大于0 且通過顯著性檢驗，表明農(nóng)村居民生活消費碳排放具有顯著的正向空間相關性，且呈遞減趨勢。

表1 我國省域農(nóng)村居民生活消費碳排放量的Moran's I 檢驗結(jié)果

續(xù)表

為了進一步探究我國農(nóng)村居民生活消費碳排放量的空間分布情況，分別給出2005 年、2008 年、2012 年和2015 年CO2的Moran’s I 散點圖。由附圖可知，散點主要分布在第一、三象限，分別表明高值區(qū)域被高值區(qū)域包圍、低值區(qū)域被低值區(qū)域包圍，具有一定的空間聚集性。

附圖 我國省域農(nóng)村居民生活消費碳排放量的Moran's I 散點圖

（二）地理加權回歸模型實證結(jié)果分析

分別利用OLS 回歸模型和GWR 模型探究碳排放量的影響因素效應，根據(jù)最小AIC 準則，選擇最優(yōu)帶寬為52。GWR 模型的AIC（1041.509）與殘差平方和SSE（262.27）均低于OLS 回歸模型的結(jié)果（1531.675）和（1918.27），GWR 模型的R2adj達到0.924，而OLS 回歸模型的R2adj為0.567，說明GWR 模型比OLS 回歸模型擬合度更好。因此，GWR 模型能夠更好地揭示我國農(nóng)村居民生活消費碳排放量影響因素隨空間地理位置變化的影響效應。

OLS 回歸模型和GWR 模型的參數(shù)估計結(jié)果見表2。由OLS 回歸模型的回歸系數(shù)估計結(jié)果知，POP、STR 和INT 對碳排放量均產(chǎn)生顯著正向影響，其中，POP 的彈性系數(shù)最大。由GWR 模型的回歸系數(shù)估計均值看，每個解釋變量均對碳排放量產(chǎn)生正向影響。

STR 對農(nóng)村居民生活消費碳排放影響最大。STR 每增加1%會導致農(nóng)村居民生活消費碳排放量增加2.821%，煤炭的大量使用導致我國農(nóng)村居民生活消費碳排放量增長。POP 對農(nóng)村居民生活消費碳排放的顯著正向影響位居第二。說明POP 每增加1%會導致碳排放量1.111%的增加。人口越多，消耗的能源越多，產(chǎn)生的碳排放越多。EXP 和INC 是我國農(nóng)村居民生活消費碳排放增長的驅(qū)動力。隨著我國經(jīng)濟的快速發(fā)展，農(nóng)村居民可支配收入提高迅速，其生活消費支出也不斷增加。除了滿足炊事、取暖、照明等日常需求，農(nóng)村居民住宅建造活動等方面的增加都會對碳排放增長產(chǎn)生重要影響。INT 對農(nóng)村居民碳排放呈正向影響，但相對較小。INT 與節(jié)能技術成反比，INT 越低，說明節(jié)能技術越高。目前我國節(jié)能減排技術還處于較低水平，但隨著節(jié)能技術的提高，我國農(nóng)村能源強度逐年遞減，可以預期未來的能源強度較為樂觀，對農(nóng)村居民生活碳排放的影響會逐步減少。

表2 OLS 回歸模型和GWR 模型的回歸系數(shù)估計結(jié)果

四、結(jié)論與政策建議

基于GWR 模型，本文探究了我國農(nóng)村居民生活消費碳排放量的空間關系和影響因素效應，得出以下研究結(jié)果：第一，我國省域農(nóng)村居民生活消費碳排放量具有正向空間聚集相關性。第二，各影響因素對農(nóng)村居民生活消費碳排放量均呈正向影響關系，其中，STR 的彈性系數(shù)最大，POP 次之，INT、INC 和EXP 的彈性系數(shù)相對較小。

政策建議：第一，優(yōu)化農(nóng)村居民生活能源消費結(jié)構。進一步降低我國農(nóng)村居民對煤炭的依賴度，擴大新能源的使用，例如更多地使用風能、水能、核能和生物能等。第二，降低農(nóng)村居民生活能源強度。提高生產(chǎn)效率，采取有效措施，降低單位GDP 能耗。