孫祥棟，王紅雨，周瑛琦，劉學(xué)之

（1.北京化工大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100029；2.北京市習(xí)近平新時(shí)代中國特色社會(huì)主義思想研究中心，北京 100011）

21世紀(jì)人類正面臨氣候變暖和人口激增的雙重挑戰(zhàn)[1]。為應(yīng)對(duì)氣候變暖危機(jī)，各國均積極尋求緩解氣候變暖措施，先后在《聯(lián)合國氣候變化框架公約》《京都議定書》《哥本哈根協(xié)議》《巴黎協(xié)議》就全球氣候變化問題達(dá)成一致，抑制氣候變暖已經(jīng)成為世界各國共識(shí)[2-6]。聯(lián)合國環(huán)境規(guī)劃署在《2021年排放差距報(bào)告》中指出，即使所有最新版的無條件承諾得到履行，世界截至21世紀(jì)末仍將可能升溫2.7℃，遠(yuǎn)高于《巴黎協(xié)議》設(shè)定的1.5℃以下溫控目標(biāo)，將引發(fā)災(zāi)難性的氣候變化，造成全球極端天氣增加、海平面上升、生態(tài)系統(tǒng)多樣性下降，并威脅人類的生計(jì)與健康[7]。全球氣候變暖的主要原因是工業(yè)革命后人類大量使用化石燃料，CO2等溫室氣體排放量迅速上升。21世紀(jì)初，全球CO2排放量每年增長率超過3%，2010年以來增長趨勢(shì)有所放緩，增長率保持在年均1%左右[8-9]。盡管受疫情影響，近兩年全球CO2排放量有所下降，但這對(duì)全球變暖趨勢(shì)的影響微乎其微。氣候問題已嚴(yán)重制約人類可持續(xù)發(fā)展[10]。

當(dāng)前全球人口激增，城鎮(zhèn)化進(jìn)程加快，城鎮(zhèn)化特征日趨明顯。城市作為人類經(jīng)濟(jì)社會(huì)活動(dòng)集中分布的區(qū)域，是碳排放的主體，其CO2排放量占全球CO2排放總量的70%以上[11]。一方面，人口大規(guī)模向城市聚集，城鎮(zhèn)化水平不斷上升，絕大部分的國家或地區(qū)都將在21世紀(jì)完成城鎮(zhèn)化進(jìn)程，進(jìn)入城市主導(dǎo)經(jīng)濟(jì)、政治和社會(huì)的時(shí)代[12]。按照聯(lián)合國《2020年世界城市報(bào)告》的數(shù)據(jù)，2020年全球已有56.2%的人口居住在城市，2030年全球城鎮(zhèn)化率將超過60%[13]。另一方面，城市發(fā)展迅速，大城市化成為世界城鎮(zhèn)化的重要趨勢(shì)。聯(lián)合國世界經(jīng)濟(jì)和社會(huì)事務(wù)部2018年的數(shù)據(jù)顯示，與1960年相比，高達(dá)88.8%的國家和地區(qū)的大城市人口占總?cè)丝诘谋壤兴岣遊14]，隨著經(jīng)濟(jì)水平的提高，大城市將進(jìn)一步在城市體系中居于主導(dǎo)地位。

為了進(jìn)一步控制和減少碳排放，落實(shí)達(dá)成各國凈零排放目標(biāo)，探討城鎮(zhèn)化進(jìn)程與碳排放之間的關(guān)系就成為一個(gè)十分重要的問題。考慮到城鎮(zhèn)化水平提升和城市體系優(yōu)化是城鎮(zhèn)化發(fā)展的兩大核心問題，本文將在STIRPAT模型基礎(chǔ)上，從城鎮(zhèn)化水平、城市體系雙重視角出發(fā)，基于分國別面板數(shù)據(jù)探究城鎮(zhèn)化進(jìn)程對(duì)碳排放的影響，以期尋找全球CO2排放與城鎮(zhèn)化發(fā)展之間的普遍關(guān)系，從而提出合理減排建議，服務(wù)全球綠色發(fā)展進(jìn)程。

1 文獻(xiàn)綜述

目前，各國學(xué)者多運(yùn)用IPAT模型以及由它發(fā)展而來的STIRPAT模型對(duì)環(huán)境問題開展實(shí)證研究?？偨Y(jié)各國學(xué)者對(duì)IPAT模型的經(jīng)驗(yàn)研究發(fā)現(xiàn)，IPAT模型中環(huán)境變量I主要包括大氣污染、水污染、土壤污染、能源消費(fèi)總量以及廢棄物排放等因素[15]。隨后，學(xué)術(shù)界也進(jìn)一步將CO2排放量作為測(cè)量環(huán)境變量I的重要指標(biāo)之一，并以此探索各驅(qū)動(dòng)因素對(duì)碳排放的影響。如宋曉輝等[16]利用IPAT模型，分析了5個(gè)典型國家的人口總量、能源強(qiáng)度和人均財(cái)富對(duì)碳排放強(qiáng)度的影響程度并對(duì)各影響因素進(jìn)行分析比較。王麗等[17]利用該模型探討了不同氣候背景下中國地級(jí)市人口規(guī)模、人均GDP、能源效率等因素對(duì)城市碳排放的影響。Ozcan &Ulucak[18]利用該模型重點(diǎn)考察了印度核能和人口密度對(duì)碳排放的影響。Polloni-Silva等[19]通過STIRPAT模型，按富裕程度分組闡述了巴西27個(gè)州人均GDP與碳排放之間的關(guān)系。Wang等[20]通過加入0～14歲人口比重和性別因素對(duì)STIRPAT模型進(jìn)行擴(kuò)展，研究了中國2006—2015年30個(gè)省份碳排放的影響因素。

長期以來，城鎮(zhèn)化水平都是CO2排放研究中的重要影響因素，受到學(xué)者廣泛關(guān)注。從已有的文獻(xiàn)來看，多數(shù)研究結(jié)果表明人口規(guī)模的擴(kuò)大對(duì)CO2排放量的增長有積極作用，而城鎮(zhèn)化水平與CO2之間不存在唯一確定的關(guān)系。如杜立民[21]的研究顯示，城鎮(zhèn)化水平對(duì)CO2排放有正的影響；許泱和周少甫[22]的研究發(fā)現(xiàn)，城鎮(zhèn)化水平的提升會(huì)導(dǎo)致CO2排放的增加，且CO2排放的增加速度高于城鎮(zhèn)化率的增加速度。但Adebayo &Kalmaz[23]通過1971—2014年埃及的數(shù)據(jù)發(fā)現(xiàn)，城鎮(zhèn)化水平與CO2排放之間不存在顯著聯(lián)系；陳占明等[24]針對(duì)中國地級(jí)以上城市的研究也顯示，城鎮(zhèn)化水平對(duì)CO2排放的影響具有不確定性。其原因在于，一方面城鎮(zhèn)化導(dǎo)致經(jīng)濟(jì)規(guī)模擴(kuò)大，能源消費(fèi)總量增加，進(jìn)而碳排放量也隨之增加；另一方面由于城市規(guī)模擴(kuò)大，產(chǎn)業(yè)技術(shù)不斷進(jìn)步，產(chǎn)業(yè)結(jié)構(gòu)配置優(yōu)化，這又使得能源消費(fèi)和碳排放呈現(xiàn)出下降的趨勢(shì)[25-26]，城鎮(zhèn)化與CO2排放之間的關(guān)系是這兩個(gè)方向的力量共同作用的結(jié)果。

隨著研究內(nèi)容的進(jìn)一步深化，城市體系優(yōu)化的污染物減排效應(yīng)也吸引了一些學(xué)者的注意。城市體系通常使用人口規(guī)模分布、城市集聚程度等表示，如陸銘和馮皓[27]采用人口規(guī)模差距來反映城市空間集聚水平，發(fā)現(xiàn)人口和經(jīng)濟(jì)活動(dòng)的集聚度提高有利于降低單位工業(yè)增加值污染物的排放強(qiáng)度。王欽池[28]利用1960—2009年161個(gè)國家的面板數(shù)據(jù)實(shí)證發(fā)現(xiàn)，人口規(guī)模100萬～500萬人的城市，其碳排放壓力較小，人口規(guī)模較大的城市，其碳排放壓力也會(huì)增大。何文舉[29]基于285個(gè)中國地級(jí)及以上城市的數(shù)據(jù)，發(fā)現(xiàn)城市集聚密度與人均二氧化硫、人均煙塵排放之間存在顯著的相互抑制作用。

綜上所述，在城鎮(zhèn)化進(jìn)程與CO2排放關(guān)系方面，盡管已有研究的論證較為充分，但仍然存在一定的深化空間：（1）在研究內(nèi)容方面，現(xiàn)有研究或者僅關(guān)注城鎮(zhèn)化水平提升與CO2排放的關(guān)系，或者僅關(guān)注城市體系優(yōu)化的污染物減排效應(yīng)。但均忽略了城鎮(zhèn)化發(fā)展是一個(gè)系統(tǒng)問題，城鎮(zhèn)化水平與城市體系是城鎮(zhèn)化發(fā)展過程中同時(shí)發(fā)生的兩個(gè)關(guān)鍵過程，其對(duì)CO2排放的效應(yīng)需要系統(tǒng)測(cè)度。（2）在研究樣本方面，相關(guān)實(shí)證研究多是以單個(gè)國家為樣本展開，研究樣本存在較大差異，研究結(jié)論并不一致?；谌蚍謬鴦e數(shù)據(jù)，挖掘城鎮(zhèn)化進(jìn)程與CO2排放普遍規(guī)律的研究較少。鑒于此，本文將拓展傳統(tǒng)IPAT框架，基于分國別面板數(shù)據(jù)，探究城鎮(zhèn)化水平提升、城市體系變遷的CO2排放效應(yīng)。

2 研究方法與數(shù)據(jù)

2.1 研究模型

目前，國內(nèi)外很多學(xué)者采用IPAT模型對(duì)碳排放進(jìn)行研究。IPAT模型最初是由Enrlich &Holdren[30]在1971年提出的I=PF的公式延伸而來，此式中，I為環(huán)境壓力，P為人口數(shù)量，F(xiàn)為人均環(huán)境壓力，反映的是人均影響對(duì)區(qū)域環(huán)境的壓力作用。此后，Commoner[31]在1992年闡釋人口、財(cái)富與環(huán)境壓力之間的關(guān)系時(shí)，提出了經(jīng)典的IPAT模型，公式如下：

該模型經(jīng)過大量學(xué)者反復(fù)討論和驗(yàn)證后確定下來[32]，其簡單實(shí)用，擴(kuò)展空間較大，可根據(jù)實(shí)際情況對(duì)影響因素進(jìn)行分解，分析何種因素對(duì)環(huán)境壓力的影響更為明顯[33]。但傳統(tǒng)的IPAT方程是一個(gè)會(huì)計(jì)恒等式，方程中各因素的系數(shù)為固定的單位彈性，因此在實(shí)證研究中的應(yīng)用受到限制。主要表現(xiàn)為將環(huán)境影響與各個(gè)驅(qū)動(dòng)因素之間的關(guān)系過于簡單地同比例線性處理，不能反映出驅(qū)動(dòng)力變化時(shí)環(huán)境影響的變化程度，并且等式兩邊的量綱統(tǒng)一，限制了其他可能影響環(huán)境壓力的社會(huì)因素等[34]，隨后在1994年，Dietz &Rosa[35]為突破IPAT方程的固定單位彈性局限，將模型修正為隨機(jī)形式的IPAT模型，即可拓展的隨機(jī)性的環(huán)境影響評(píng)估模型（stochastic impacts by regression on population,affluence,and technology，STIRPAT），公式如下：

式中：I表示人類活動(dòng)對(duì)環(huán)境的影響結(jié)果，P表示人口因素，A表示富裕水平，T則表示技術(shù)因素，α、β、γ、δ為待估計(jì)的系數(shù)，ε為隨機(jī)誤差項(xiàng)。當(dāng)α=β=γ=δ=1時(shí)，即為IPAT模型，它是STIRPAT模型的特殊形式[36]，STIRPAT是一個(gè)多變量的非線性模型，為了計(jì)算的方便，對(duì)方程進(jìn)行對(duì)數(shù)化處理，相應(yīng)地，STIRPAT模型的基本分析框架可變形為：

以lnI作為因變量，以lnP、lnA、lnT作為自變量，以lnα作為常數(shù)項(xiàng)，以lnε作為誤差項(xiàng)，該模型提供了一個(gè)簡明的分解人文社會(huì)因素對(duì)環(huán)境影響的因果分析框架，被廣泛應(yīng)用于環(huán)境污染、社會(huì)資源等方面[33]。本研究將IPAT進(jìn)一步拓展，納入城鎮(zhèn)化進(jìn)程因素，選取城鎮(zhèn)化率（urbanization rate）、最大城市人口占比（proportion of urban population in the largest city）、 總 人 口（total population）作為人口因素P的代理變量，分別用URB、URBL、POP表示。其中URB、URBL表示各個(gè)國家的城鎮(zhèn)化水平和城市體系，為城鎮(zhèn)化進(jìn)程測(cè)度指標(biāo)，也是本文的核心解釋變量。選取2010年不變價(jià)美元GDP作為富裕水平A的代理變量，選取能源強(qiáng)度[6]作為技術(shù)因素T的代理變量，用INT表示，得到式（4）：

式中：下角標(biāo)i和t分別表示個(gè)體和時(shí)間，β1、β2、γ、δ、λ分別為自變量的系數(shù)，α和ε是常數(shù)項(xiàng)和隨機(jī)誤差項(xiàng)。由于各個(gè)變量均取對(duì)數(shù)形式，因此各系數(shù)可以解釋為彈性。

2.2 數(shù)據(jù)來源與處理

考慮到研究的實(shí)際需求和數(shù)據(jù)的可得性，我們收集了1971—2018年117個(gè)國家的年度數(shù)據(jù)，具體指標(biāo)選取與數(shù)據(jù)處理如下。

（1）被解釋變量。本文被解釋變量為CO2排放量。CO2排放的主要來源是經(jīng)濟(jì)增長和煤炭、石油和天然氣等化石燃料的燃燒[37-39]。在現(xiàn)有研究中，大多數(shù)CO2排放量的獲取來源于IPCC排放因子法測(cè)度或基于多源大數(shù)據(jù)反演[40-41]。本文選用美國橡樹嶺國家實(shí)驗(yàn)室CO2信息分析中心（CDIAC）的CO2排放量數(shù)據(jù)，該數(shù)據(jù)基于IPCC碳排放基本計(jì)算公式，依據(jù)各能源品種的表觀消費(fèi)量計(jì)算其碳排放，包括了化石燃料燃燒、水泥生產(chǎn)、天然氣燃除三部分產(chǎn)生的CO2排放量[42-43]。

（2）核心解釋變量。本文的核心解釋變量為城鎮(zhèn)化水平和城市體系。在城鎮(zhèn)化水平測(cè)度方面，常用的代理變量主要有城鎮(zhèn)化率[21]、城鎮(zhèn)化指數(shù)[44]等，考慮到數(shù)據(jù)的可得性，我們采用的是現(xiàn)有研究中普遍使用的人口比重指標(biāo)法，即城鎮(zhèn)化率。在城市體系方面，代理變量主要有城市首位度等[45]、城市基尼系數(shù)[46]等。其中首位度度量的是最大城市的人口規(guī)模與第二大城市人口規(guī)模的比值，用來反映城市規(guī)模分布結(jié)構(gòu)。但是其反映城市體系的變化具有一定的局限性，特別是在橫截面數(shù)據(jù)分析中（國家間或省際間比較），主要由于部分國家或地區(qū)是雙首位城市，比如日本、俄羅斯等[47]。因此，本文選取的最大城市人口占比即最大城市人口與總城市人口之比作為城市體系的代理變量。上述核心解釋變量數(shù)據(jù)均來源于聯(lián)合國歷年《世界城市化前景報(bào)告》。

（3）控制變量?；赟TIRPAT框架，選取了國家總?cè)丝凇?010年不變價(jià)美元GDP、能源強(qiáng)度作為控制變量，分別作為人口因素P、富裕水平A、技術(shù)因素T的代理變量。其中能源強(qiáng)度是一次能源消費(fèi)總量（TPES）與2010年不變價(jià)美元GDP之比，能反映國家或地區(qū)的節(jié)能減排技術(shù)水平。上述數(shù)據(jù)分別來源于聯(lián)合國《世界人口展望》、世界銀行國民經(jīng)濟(jì)核算數(shù)據(jù)以及國際能源總署（IEA）數(shù)據(jù)庫。

為了減少數(shù)據(jù)的偏度和異常值存在，對(duì)以上所有指標(biāo)值均進(jìn)行了對(duì)數(shù)處理，相關(guān)變量的描述性統(tǒng)計(jì)如表1所示。

表1 描述性統(tǒng)計(jì)

3 特征事實(shí)

世界銀行以及《2019年排放差距報(bào)告》數(shù)據(jù)顯示，近半個(gè)世紀(jì)以來，全球CO2排放量顯著上升。2018年全球化石能源使用和各工業(yè)過程中產(chǎn)生的CO2排放量約375億噸，其中化石燃料燃燒和水泥生產(chǎn)過程中產(chǎn)生的CO2排放達(dá)到約340億噸，與1960年相比，增長規(guī)模達(dá)3.5倍[7,48]。1968—2018年，全球CO2排放排名前6位的國家或地區(qū)排放趨勢(shì)如圖1所示。中國碳排放從20世紀(jì)90年代初期開始呈現(xiàn)明顯的上升趨勢(shì)，隨后部分年份出現(xiàn)小幅下降，2002年以后碳排放量又開始急劇上漲。美國與歐盟的碳排放量一直較高，波動(dòng)幅度不大，近年來略有下降。與中國同屬發(fā)展中國家的印度，其碳排放基數(shù)較小，但漲幅較快?？傮w上發(fā)達(dá)國家近年來碳排放量較穩(wěn)定，主要是因?yàn)檫@些國家已完成工業(yè)化過程，發(fā)展中國家由于自身社會(huì)經(jīng)濟(jì)發(fā)展原因，仍將在一段時(shí)間內(nèi)保持碳排放增長[49-50]。

圖1 1968—2018年全球CO2排放趨勢(shì)

CO2排放增長伴隨城鎮(zhèn)化進(jìn)程演進(jìn)。Northam[51]于20世紀(jì)70年代提出的城鎮(zhèn)化發(fā)展三階段論作為城市研究最為重要的理論成果之一產(chǎn)生了深遠(yuǎn)影響，中國學(xué)者們將其修正為四階段論[52-53]，其中，方創(chuàng)琳等[54]將城鎮(zhèn)化發(fā)展階段劃分為低速階段（城鎮(zhèn)化水平小于30%）、成長階段（城鎮(zhèn)化水平介于30%～60%）、成熟階段（城鎮(zhèn)化水平介于60%～80%）和終期階段（城鎮(zhèn)化水平介于80%～100%）得到廣泛認(rèn)可與應(yīng)用。從本文研究對(duì)象117個(gè)國家2018年的城鎮(zhèn)化率分布來看，超過75%的國家，其城鎮(zhèn)化處于前三個(gè)階段，超過半數(shù)以上的國家將依舊保持一定階段的快速增長態(tài)勢(shì)。同時(shí)，城鎮(zhèn)的發(fā)展也為人口的聚集提供了便利，大城市發(fā)展不斷壯大，不僅表現(xiàn)在大城市數(shù)量急劇增加，而且出現(xiàn)了特大城市（人口超1 000萬）、大都市區(qū)等組織形式。它們的出現(xiàn)不僅改變了城市的地域空間與規(guī)模，而且也使生產(chǎn)要素的流動(dòng)以及社會(huì)結(jié)構(gòu)等發(fā)生了新的變化。1970年、1990年、2018年城市人口規(guī)模分布比例情況如圖2所示。1970年，百萬人口以上的大城市的人口占世界城市人口的比例為29.9%，到2018年，百萬人口以上城市的人口已占世界城市人口的42.1%，特大城市也由1970年的3個(gè)增加到2018年的33個(gè)，并約有1/8的人口居住在此[55]。

圖2 1970年、1990年、2018年城市人口規(guī)模分布比例情況

4 實(shí)證分析

4.1 基本回歸

在估計(jì)面板數(shù)據(jù)之前面臨的首要問題是考慮用混合回歸模型還是個(gè)體效應(yīng)模型，根據(jù)Wald和LM檢驗(yàn)的估計(jì)量可以確定是使用混合OLS回歸還是個(gè)體效應(yīng)。如使用個(gè)體效應(yīng)，還需要在固定效應(yīng)模型和隨機(jī)效應(yīng)模型中進(jìn)行選擇。根據(jù)Hausman等學(xué)者的觀點(diǎn)，在分析時(shí)首先將個(gè)體影響處理為隨機(jī)效應(yīng)模型，再進(jìn)一步檢驗(yàn)?zāi)Ｐ褪欠駶M足原假設(shè)條件，如果滿足原假設(shè)則可將模型確定為隨機(jī)效應(yīng)，反之則將模型確定為固定效應(yīng)。在本文的模型選擇上，具體結(jié)果見表2。樣本數(shù)據(jù)通過Wald檢驗(yàn)中原假設(shè)u0=0被高度拒絕，P值為0.000 0，在1%置信水平下顯著，認(rèn)為應(yīng)允許每個(gè)個(gè)體擁有自己的截距項(xiàng)，即固定效應(yīng)模型優(yōu)于混合回歸模型；LM檢驗(yàn)結(jié)果顯示強(qiáng)烈拒絕“不存在個(gè)體隨機(jī)效應(yīng)”的原假設(shè)，隨機(jī)效應(yīng)模型優(yōu)于混合回歸模型；最后經(jīng)過Hausman檢驗(yàn)，在1%的置信水平下拒絕“干擾項(xiàng)與解釋變量和個(gè)體特征不相關(guān)”的原假設(shè)，認(rèn)為固定效應(yīng)模型優(yōu)于隨機(jī)效應(yīng)模型。因此本文選擇雙向固定效應(yīng)模型進(jìn)行解釋，回歸結(jié)果見表3。

表2 Wald、LM、Hausman檢驗(yàn)結(jié)果

從表3的估計(jì)結(jié)果來看，根據(jù)雙向固定效應(yīng)估計(jì)結(jié)果，lnURB的系數(shù)估計(jì)值為1.050，且在1%水平下顯著，這說明從整體來看，世界各國城鎮(zhèn)化率提升對(duì)CO2的排放具有明顯的正向作用，且彈性為1.050，即城鎮(zhèn)化率每提高1%，CO2排放量增加1.050%。結(jié)果還顯示，最大城市人口占比提高將抑制CO2排放，彈性為0.335，即最大城市占比每提高1%，CO2排放量將下降0.335%，說明大城市規(guī)模擴(kuò)張和人口集聚會(huì)減少CO2的排放。從其他控制變量來看，總?cè)丝?、總GDP以及能源強(qiáng)度均與CO2排放存在顯著的正向關(guān)系，列（1）～列（4）中，各變量的系數(shù)正負(fù)性完全一致，且顯著性變化不大。

表3 模型估計(jì)結(jié)果

4.2 穩(wěn)健性分析

城鎮(zhèn)化進(jìn)程指標(biāo)的選取范圍廣泛，這也是導(dǎo)致城鎮(zhèn)化對(duì)CO2排放研究往往呈現(xiàn)不一致的結(jié)論的原因之一[56]，為避免因?yàn)橹笜?biāo)選取不同帶來的結(jié)論差異，將模型中核心解釋變量最大城市人口占比指標(biāo)替換為大城市群人口占比（proportion of population in large urban agglomeration）以檢驗(yàn)前文結(jié)果的穩(wěn)健性。大城市群人口占比以人口超過100萬的城市群中的人口占總城市人口的百分比測(cè)度，結(jié)果如表4所示，其中大城市群人口占比用URBA表示，可以發(fā)現(xiàn)模型中各變量的系數(shù)正負(fù)性完全一致，并沒有發(fā)生顯著性變化，因此進(jìn)一步認(rèn)為基準(zhǔn)模型是穩(wěn)健的。且lnURBA的系數(shù)估計(jì)值為-0.129，在1%的水平下顯著，說明大城市群人口占比與最大城市人口占比相同，對(duì)CO2的排放都具有明顯的抑制作用。

表4 穩(wěn)健性檢驗(yàn)結(jié)果1

上述計(jì)量結(jié)果分析主要依賴三個(gè)假設(shè)條件：同方差假設(shè)、序列無關(guān)假設(shè)、截面不相關(guān)假設(shè)。為解決面板數(shù)據(jù)中存在的截面數(shù)據(jù)和時(shí)間序列異方差和序列相關(guān)問題，以及考慮截面相關(guān)性等潛在問題，本文采用Driscoll-Kraay標(biāo)準(zhǔn)差進(jìn)行估計(jì)。Driscoll-Kraay的估計(jì)方法將誤差結(jié)構(gòu)設(shè)定為異方差和特定階數(shù)自回歸，與其他估計(jì)方法相比，該方法在異方差和自相關(guān)的控制上能得到一致的標(biāo)準(zhǔn)誤，當(dāng)時(shí)間維度逐步增大時(shí)，標(biāo)準(zhǔn)誤對(duì)一般形式的截面相關(guān)性和時(shí)間相關(guān)性具有穩(wěn)健性[57]。進(jìn)一步，本文考慮到基準(zhǔn)模型回歸的潛在內(nèi)生性問題，采用偏差校正最小二乘虛擬變量法（LSDVC）進(jìn)行估計(jì)，計(jì)算LSDVC(ah)、LSDVC(ab)和LSDVC(bb)估計(jì)量，它們分別代表由Anderson和Hsiao、Arellano和Bond以及Blundell和Bond開發(fā)的動(dòng)態(tài)偏差修正估計(jì)量[58-60]。與其他動(dòng)態(tài)估計(jì)方法相比，LSDVC估計(jì)方法在緩解潛在內(nèi)生性問題的同時(shí)，更為高效穩(wěn)健[61]。

健性檢驗(yàn)結(jié)果如表5所示，模型中各變量的系數(shù)的正負(fù)性與基準(zhǔn)回歸依然保持完全一致，并沒有發(fā)生顯著性變化，有效控制內(nèi)生性與異方差的同時(shí)，也證明了基本結(jié)果的穩(wěn)健性。從列（3）到列（5）來看，前期CO2排放量與當(dāng)期CO2排放量正相關(guān)，證明CO2排放是一個(gè)連續(xù)、累積的過程。

表5 穩(wěn)健性檢驗(yàn)結(jié)果2

5 結(jié)論與討論

人類經(jīng)濟(jì)和社會(huì)活動(dòng)空間分布格局已進(jìn)入城市為主的時(shí) 代[62]。可以說，未來城鎮(zhèn)化和城市的發(fā)展在很大程度上決定著人類的發(fā)展。伴隨著全球城鎮(zhèn)化進(jìn)程的推進(jìn)，人類在過去100年對(duì)自然資源和能源的消耗，達(dá)到人類歷史上空前的程度，造成全球環(huán)境惡化、氣候變暖，嚴(yán)重威脅人類生存，如何協(xié)調(diào)城鎮(zhèn)化推進(jìn)與CO2減排的關(guān)系成為世界各國亟待解決的重要難題。在此背景下，客觀分析城鎮(zhèn)化進(jìn)程對(duì)CO2排放的影響效應(yīng)，并據(jù)此制定相應(yīng)的節(jié)能減排措施以減少CO2排放量，對(duì)于世界可持續(xù)發(fā)展實(shí)踐和城鎮(zhèn)化建設(shè)發(fā)展具有重要意義。本文就此開展研究，理論方面，對(duì)修正的IPAT理論模型即STIRPAT模型進(jìn)一步進(jìn)行擴(kuò)展，在人口因素中引入能夠反映城鎮(zhèn)化進(jìn)程的兩大核心解釋變量；實(shí)證方面，本文采用1971—2018年分國別面板數(shù)據(jù)，對(duì)全球117個(gè)國家城鎮(zhèn)化水平、城市體系對(duì)CO2排放量的影響進(jìn)行了實(shí)證研究，同時(shí)通過更換核心解釋變量以及使用多種模型方法來進(jìn)行穩(wěn)健性檢驗(yàn)。

研究結(jié)果表明，城鎮(zhèn)化水平提升對(duì)CO2排放具有明顯的正向促進(jìn)效應(yīng)，最大城市人口占比提高則有效降低了CO2排放。城鎮(zhèn)化率每提高1%，CO2排放量增加1.050%，最大城市占比每提高1%，CO2排放量將下降0.335%。究其原因，城鎮(zhèn)化發(fā)展過程中導(dǎo)致農(nóng)村生產(chǎn)和生活方式向城市生產(chǎn)生活方式轉(zhuǎn)變，這種轉(zhuǎn)變使得人們的消費(fèi)習(xí)慣和生活方式更傾向于資源密集型，加劇了人口流動(dòng)性，而人口流動(dòng)性的增強(qiáng)需要城市具備更多的就業(yè)生產(chǎn)、基礎(chǔ)設(shè)施、公共交通，這些變化都使得能源消耗、環(huán)境污染日趨顯著，以此對(duì)CO2排放產(chǎn)生顯著的正向作用[63-64]。但從生態(tài)現(xiàn)代化理論與緊湊城市理論角度看[65-66]，隨著人口密度增加導(dǎo)致的城市規(guī)模的增大，大型城市的聚集形成規(guī)模效應(yīng)，資源配置效率得到提高。城市經(jīng)濟(jì)水平由初級(jí)階段向高級(jí)階段過渡，隨著社會(huì)對(duì)環(huán)境可持續(xù)性的認(rèn)知加深，人們尋求通過城市體系優(yōu)化、技術(shù)革新或向知識(shí)性、服務(wù)型產(chǎn)業(yè)轉(zhuǎn)變來解決經(jīng)濟(jì)增長帶來的環(huán)境問題。較高的城市密度也使得城市基礎(chǔ)設(shè)施與公共資源得到充分利用，這在一定程度上能緩解能源消耗和碳排放的上升趨勢(shì)[56,67]。以上結(jié)論對(duì)全球城鎮(zhèn)化發(fā)展以及節(jié)能減排具有重大意義。除此以外，本文的研究結(jié)論也為中國的“城市群”集中發(fā)展提供了一個(gè)基于CO2減排的證據(jù)支持[68]。

自從《巴黎協(xié)定》簽署以來，越來越多的國家將實(shí)現(xiàn)凈零排放的目標(biāo)轉(zhuǎn)化為國家戰(zhàn)略，提出無碳未來的愿景。截至目前，全球超過120個(gè)國家宣布或正在考慮凈零目標(biāo)，已有44個(gè)國家和歐盟正式設(shè)定了凈零排放目標(biāo)，占全球CO2排放量和GDP的70%左右，并且其中2個(gè)國家已實(shí)現(xiàn)凈零排放目標(biāo)[69]，CO2減排行動(dòng)刻不容緩。當(dāng)前，世界絕大多數(shù)國家與地區(qū)城鎮(zhèn)化水平均處于Northam曲線加速區(qū)間，未來城鎮(zhèn)化水平還將繼續(xù)提高，本文的研究指出盡管城鎮(zhèn)化水平的提升可以顯著提高CO2排放水平，但通過城市人口進(jìn)一步向大城市集聚可以有效緩解城鎮(zhèn)化水平提升的CO2排放促進(jìn)效應(yīng)。