馬建輝 ，孫鈺，郭昭鵬，何焱，范謀遠

（1. 河北大學 經(jīng)濟學院，河北 保定 071002；2. 河北大學 資源利用與環(huán)境保護研究中心，河北 保定 071002；3. 天津商業(yè)大學 公共管理學院，天津 300134；4. 吉林大學 東北亞學院，吉林 長春 130012；5. 山東大學 經(jīng)濟研究院，山東 濟南 250100）

碳排放是全球氣候變暖的重要因素，不加控制的碳排放將影響經(jīng)濟高質(zhì)量發(fā)展，甚至威脅人類生存。盡快采取措施，實現(xiàn)碳凈零排放，已成為全球大多數(shù)國家的共識。繼英、法、德等國作出在21世紀中葉實現(xiàn)碳中和的承諾后，我國于2020年也承諾在2060年前實現(xiàn)碳中和。河北省作為我國京津冀協(xié)同發(fā)展區(qū)域內(nèi)人口大省，工業(yè)基礎雄厚，鋼鐵、石油化工等高耗能產(chǎn)業(yè)發(fā)達，因此也是典型的碳排放大省。根據(jù)第七次人口普查和各地統(tǒng)計公報數(shù)據(jù)計算，2020年，河北省人均GDP為48528元，在全國除港澳臺之外的31個省份中排名倒數(shù)第5，經(jīng)濟發(fā)展壓力巨大。作為我國“首都經(jīng)濟圈”的重要組成部分，河北省還肩負著承接京津產(chǎn)業(yè)轉(zhuǎn)移、分擔北京非首都功能的重要戰(zhàn)略任務。因此，深入研究河北省碳排放的影響因素及影響程度，對推動京津冀協(xié)同發(fā)展戰(zhàn)略、京津冀乃至全國碳中和目標的實現(xiàn)具有重要意義。

1 文獻綜述

目前，國內(nèi)外學者對碳排放影響因素進行了大量研究，形成了豐碩的成果，為本文研究奠定了堅實的基礎。現(xiàn)有研究主要基于三類定量方法開展：一是因素分解法[1-7]，主要基于Kaya因子分解模型并進行擴展或改造，通過Laspeyres指數(shù)分解法、對數(shù)平均權重分解法（LMDI）及自適應權重分解法（AWD）[4]，分析經(jīng)濟發(fā)展水平、能源消費強度和結構對碳排放影響的程度；二是非空間計量模型[8-15]，基于變量之間的獨立性假設，主要采用時間序列模型、面板模型和格蘭杰因果檢驗方法等開展定量分析；三是基于空間計量模型的定量研究[16-25]。基于二、三類方法的研究中，計量模型中的解釋變量選取則主要基于STIRPAT模型進行擴展或改造而來。上述三類方法的應用，大體上反映了碳排放影響因素研究的演進脈絡。早期的研究，主要是基于第一類方法開展，之后第二類方法逐漸成為主流，目前較為流行的方法是第三類方法，因為根據(jù)地理學第一定律，事物之間具有空間相關性這一性質(zhì)具有普遍性，將空間相關性納入建模過程，更能科學地反映現(xiàn)實情況。

基于上述三類方法的研究，又可歸納為全局計量分析和局部計量分析。全局計量分析主要基于單個因素對碳排放的影響在各樣本區(qū)域之間沒有差別的假設，所得估計結果不能直接體現(xiàn)空間異質(zhì)性。基于全局計量模型進行空間異質(zhì)性分析，主要的做法：一是將樣本數(shù)據(jù)分類，進而分別進行模型估計；二是在模型中設置空間分類虛擬變量進行分析；三是基于變系數(shù)面板模型進行分析。這些方法都不同程度存在一定的缺陷。如，對不同樣本分別進行估計，則其結果能否一定體現(xiàn)不同區(qū)域之間的差異性，存在不確定性。原因是計量模型的應用基于樣本選取隨機性這一假定，任意換一組樣本，其結果一般來講均不同。由于分別進行模型估計，不同類別的樣本不在統(tǒng)一的模型框架下進行分析，無法證明所得結果的差異性是由于區(qū)域間影響因素本質(zhì)的差別所致，還是由于樣本的隨機性不同所致。虛擬變量的引入，雖然可以將所有樣本放在統(tǒng)一的模型框架下進行估計，但如果對每一個樣本進行異質(zhì)性分析，則需要設置大量虛擬變量，模型的估計對樣本容量要求較大，從而使這種方法的應用受到一定的限制。采用虛擬變量分析空間異質(zhì)性，一般都只將研究區(qū)域細分為兩三個低級別的區(qū)域進行，如將全國分為中、東、西部地區(qū)。

局部計量分析，基于各影響因素對碳排放的影響在各樣本區(qū)域間不一致的假設，是一類進行異質(zhì)性分析較好的方法。目前有關碳排放影響因素異質(zhì)性的研究，主要基于GWR模型和GTWR模型開展，形成了豐富的成果。如，李丹丹等[18]采用我國30個省級行政區(qū)域2003—2010年的面板數(shù)據(jù)，基于GWR模型研究了GDP、人均GDP、人口、第二產(chǎn)業(yè)比重和能源消耗強度5個驅(qū)動因子對碳排放影響的區(qū)域異質(zhì)性；李建豹等[19]也基于GWR模型研究了我國2010年30個省級行政區(qū)域碳排放影響因素的空間異質(zhì)性，結果表明，影響中國省域人均碳排放的重要因素是碳排放強度、人均GDP（2010年不變價）和人均全社會固定資產(chǎn)投資，同一因素對人均碳排放的影響，在不同省域存在明顯差異，這與李丹丹的研究結果基本一致。嚴志翰等[20]將基于GWR模型的研究擴展到縣域尺度，以縣級行政區(qū)域為樣本研究了浙江省碳排放影響因素的空間異質(zhì)性，結果表明，人口和投資是影響碳排放總量的重要因素，且存在時空異質(zhì)性；候勃等[23]基于GWR模型以上海市為例研究了大都市區(qū)和各區(qū)縣常住人口、城市綠地面積、工業(yè)、產(chǎn)業(yè)集聚度和商服業(yè)房屋面積等因素對碳排放影響的異質(zhì)性，結果表明工業(yè)產(chǎn)業(yè)集聚度和城市綠地面積是影響碳排放總量的重要因素，且存在顯著的時空異質(zhì)性。GWR模型的不足在于，其本質(zhì)上是一種基于截面數(shù)據(jù)的計量模型，對個體的數(shù)量有一定的要求，根據(jù)統(tǒng)計學對大樣本定義的經(jīng)驗個數(shù)，一般在至少30個以上。如果將研究區(qū)域定義省域，一般而言其所轄地級市個數(shù)少于30個，因此只能以其所轄縣域為截面樣本進行模型估計，也即只能分析縣域及更小區(qū)域間的空間異質(zhì)性?；贕WR模型的缺點，GTWR通過建立時空權重矩陣，將時間序列樣本數(shù)據(jù)納入模型中，以增加模型的樣本容量，使模型能適用于的截面區(qū)域樣本較少的情況。另外，在某樣本區(qū)域局部回歸時，既利用了其空間相鄰樣本區(qū)域的信息，同時也利用了時間序列的樣本信息，使估計結果更具有科學性。近幾年已有學者開展了基于GTWR模型的應用研究，如肖宏偉等[21]采用2006—2011年30個省級面板數(shù)據(jù)，研究了我國城鎮(zhèn)化率、產(chǎn)業(yè)結構、能源消費結構、能源價格、對外開放水平5個因素及其空間滯后項對碳排放影響因素在省級層面的時空異質(zhì)性；沈楊等[22]采用2003—2017年地級市面板數(shù)據(jù)，研究了浙江省灣區(qū)經(jīng)濟帶城市化水平、能源消費結構、土地利用、經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結構、人口集聚、對外開放程度和技術進步8個因素對碳排放影響在縣級層面的時空異質(zhì)性。

從研究結果看，影響碳排放的驅(qū)動因素主要包括經(jīng)濟發(fā)展、人口、產(chǎn)業(yè)結構、能源消費、能源價格、土地利用結構、城鎮(zhèn)化、技術、利用外資等，由于研究方法和角度不同，各因素對碳排放的影響方向和程度不盡相同，體現(xiàn)出各因素對碳排放影響的復雜性。從研究的空間尺度看，全局視角的研究較為全面，包括全國、省、市、縣等行政區(qū)域，長三角、京津冀等重要經(jīng)濟區(qū)，江蘇省、河北省等不同經(jīng)濟發(fā)展水平的省份。碳排放影響因素異質(zhì)性研究，涉及省、市、縣三類行政區(qū)域，其中市、縣區(qū)域間異質(zhì)性的研究主要集中于上海、浙江等東部發(fā)達地區(qū)，需進一步拓展碳排放量大且經(jīng)濟欠發(fā)達等其他地區(qū)的研究。另外，現(xiàn)有對碳排放影響因素異質(zhì)性的研究中，均采用化石能源消耗產(chǎn)生的碳排放量作為被解釋變量，將綜合考慮碳源碳匯而核算的碳凈排放作為被解釋變量的研究，有待進一步深入探討。

綜上，進行時空異質(zhì)性分析，能更精準地了解某個時期、某個區(qū)域碳排放影響的主要影響因素、方向及程度，現(xiàn)有的研究主要基于GWR模型和GTWR模型開展，相比而言，基于GTWR模型研究更為科學；基于GTWR模型的區(qū)域碳排放影響因素時空異質(zhì)性研究，有必要在研究區(qū)域、變量選取等方面進一步拓展?；诤颖笔√寂欧帕枯^大的特點，并結合其自身產(chǎn)業(yè)結構及其在京津冀協(xié)同發(fā)展戰(zhàn)略中的重要地位，本文以土地利用結構碳核算方法進行凈碳排放量計算并以此作為被解釋變量，基于GTWR模型開展河北省碳排放影響因素的時空異質(zhì)性分析，具有較強的理論及實踐意義。

2 方法及數(shù)據(jù)

2.1 模型構建

本文采用的基礎回歸模型為GTWR模型[20]，參考STIRPAT模型[26]以及已有研究[20,22]，同時考慮共線性、數(shù)據(jù)可獲得性以及凈碳排放核算方法，確定模型變量以及具體形式，從而構建本文進行經(jīng)驗分析所采用的具體回歸模型。

（1）GTWR模型。

式中：Y為被解釋變量，X為解釋變量，β為回歸系數(shù)，i為截面?zhèn)€體，t為時間，u和v分別為各截面?zhèn)€體所在區(qū)域的經(jīng)度和緯度，ε為滿足經(jīng)典假定（即條件零均值、條件同方差、相互獨立且服從正態(tài)分布）的隨機擾動項。

在對GTWR模型估計的過程中，需對每一個截面?zhèn)€體進行t次局部回歸。對某個截面?zhèn)€體進行第t次估計時，則此截面?zhèn)€體第t期的數(shù)據(jù)被賦予權重為1，其他原始樣本數(shù)據(jù)則根據(jù)時空權重矩陣W被賦于不同的權重，計算得到新的樣本數(shù)據(jù)。這樣，每次估計所采用的樣本數(shù)據(jù)就會不同，因而所得回歸系數(shù)的估計值也不同。GTWR模型估計的一個關鍵問題是如何確定時空權重矩陣W，本文采用HUANG等[24]提出的高斯函數(shù)法時空權函數(shù)構建W，見公式（2）和（3）。

式（2）、（3）中：d為時空距離，W為時空權重矩陣，b表示帶寬，i和j代表不同的截面?zhèn)€體，ST表示時間和空間。

（2）STIRPAT模型。

式中：I代表環(huán)境壓力變量，i代表截面?zhèn)€體，P代表人口變量，A代表富裕程度變量，T代表技術變量，a為常數(shù)項，b、c、d分別代表人口、富裕程度、技術三個變量的系數(shù)，e為隨機擾動項，滿足經(jīng)典假定。

在實際計量模型構建時，一般對式（4）兩邊同時取對數(shù)形成線性模型，見式（5）。

（3）本文實證模型。

式中：C為區(qū)域凈碳排放量，X1、X2、X3、X4、X5分別為人口規(guī)模（采用區(qū)域常住人口數(shù)量，單位為萬人）、固定資產(chǎn)投資總額（萬元）、對外開放水平（采用當年利用外資總額，單位為萬美元）、第二產(chǎn)業(yè)生產(chǎn)總值占地區(qū)生產(chǎn)總值的比例和城市化率。

2.2 碳核算方法

區(qū)域凈碳排放量，根據(jù)土地利用結構碳排放核算方法[27]計算，具體計算方法見式（7）～（9）。

式中：C為區(qū)域凈碳排放量，Ed和Eind分別代表直接和間接碳排放量，其計算方法分別見公式（8）和（9）。直接碳排放是指耕地、林地、草地等非建設用地產(chǎn)生的凈碳排放，間接碳排放指人類活動利用化石能源所產(chǎn)生的碳排放。由于人類利用化石能源的活動主要基于建設用地，因此，從土地利用碳排放核算的角度來講，間接碳排放也被稱為建設用地碳排放。

式中：ei為第i類土地凈碳排放量，Li為第i類土地的面積，λi為第i類土地的凈碳排放系數(shù)；土地利用類型地包括耕地、林地、草地、水域和未利用地5個地類，參考已有的研究成果[27]，λ分別?。焊?.422、林地-0.613、草地-0.021、水域-0.253、未利用地-0.005，單位為t/hm2。

式中：ρ為某地區(qū)某時期單位GDP能耗，EF為消費每單位標準煤所產(chǎn)生的碳排放量，根據(jù)我國發(fā)改委能源研究所的推薦，EF值為0.67 t/tce，44為二氧化碳的摩爾質(zhì)量值，12為12C的摩爾質(zhì)量值，ρ的取值采用河北省統(tǒng)計局與發(fā)展和改革委員會聯(lián)合發(fā)布的研究期內(nèi)各年的數(shù)據(jù)。

由于沒有2000年公開的各地級市的ρ值，因此直接核算各地級市的能源消耗總量，即公式（9）中的GDP與ρ的乘積。各地級市的能源消耗總量，則根據(jù)河北省能源消耗總量，按各地級市的GDP占全省GDP的比重折算而來。具體計算過程見公式（10）和（11）。

式（10）、（11）中：TE代表河北省能源消耗總量（噸標準煤），ci是第i種能源的消耗總量，ai是第i種能源的折算標準煤系數(shù)，ci和ai采用2000年《中國能源統(tǒng)計年鑒》推薦值；TEi代表河北省各地級市能源消耗總量（噸標準煤），GDPT和GDPi分別為河北省GDP和其所轄各級市GDP。

2.3 數(shù)據(jù)來源

考慮數(shù)據(jù)的可獲得性，本文采用河北省11個地級市2000年、2005年、2010年、2015年、2018年的面板數(shù)據(jù)進行模型估計。其中，人口數(shù)據(jù)除2000年、2010年采用普查數(shù)據(jù)外，其他年份來源于《河北經(jīng)濟年鑒》；固定資產(chǎn)投資來源于《河北經(jīng)濟年鑒》；利用外資、第二產(chǎn)業(yè)占比來源于《中國城市統(tǒng)計年鑒》；城市化率根據(jù)城鎮(zhèn)人口和常住人口數(shù)據(jù)計算而來，城鎮(zhèn)人口數(shù)據(jù)來源于《河北普查人口年鑒》及各市統(tǒng)計年鑒；土地利用數(shù)據(jù)來自中國科學院資源環(huán)境科學數(shù)據(jù)中心；行政區(qū)矢量數(shù)據(jù)來自全國地理信息資源目錄服務系統(tǒng)。

3 結果分析

3.1 GTWR估計結果

GTWR模型的估計要求解釋變量之間不具有多重共線性。本文利用Stata16.1對模型進行多重共線性分析，結果顯示，所有解釋變量的方差膨脹因子（VIF）均小于10，平均方差膨脹因子也小于10（表1），說明不存在多重共線性，滿足GTWR模型估計的要求。

表1 基于OLS估計的多重共線性檢驗結果

為了比較模型估計結果的優(yōu)劣，本文采用香港中文大學黃波教授團隊開發(fā)的基于ArcGIS平臺的GTWR_Beta插件，分別進行了OLS、GWR、GTWR三種模型的估計，結果見表2。選擇R2和AIC為模型優(yōu)劣的評價指標，判斷準則為R2越大越好，AIC越小越好。從R2結果看，GWR的估計結果略優(yōu)于OLS但差別并不大，而GTWR的估計結果明顯優(yōu)于GWR和OLS；從AIC結果看，OLS優(yōu)于GWR估計結果，GTWR的估計結果優(yōu)于OLS，且明顯優(yōu)于GWR。綜合來看，GTWR的估計結果最優(yōu)。GTWR模型整體在0.01顯著性水平上顯著，各回歸系數(shù)也大多具有較好的顯著性①由于GTWR模型估計回歸系數(shù)較多，因此正文中沒有列表詳細匯報，有需求讀者可與作者聯(lián)系。。表3和圖1給出了GTWR參數(shù)估計結果的描述性統(tǒng)計，可見各碳排放影響因素的回歸系數(shù)均有不同程度的變異。

圖1 GTWR模型各解釋變量回歸系數(shù)的箱線圖

表2 OLS、GWR、GTWR三種模型的AIC和R2值

表3 GTWR模型各解釋變量回歸系數(shù)的描述性統(tǒng)計

3.2 碳排放影響因素回歸系數(shù)的時間異質(zhì)性分析

將河北省各地級市的各碳排放影響因素回歸系數(shù)按年份分別做箱線圖（圖2），以探究其時間異質(zhì)性。

圖2 2000—2018年河北省碳排放因素GTWR回歸系數(shù)箱體圖

3.2.1 人口對碳排放影響的時間異質(zhì)性分析

研究期內(nèi)，河北省人口規(guī)模對碳排放均產(chǎn)生正向影響，且整體呈現(xiàn)下降趨勢，2015年處于最低水平。2018年較2015年略有上升，但小于2010年，基本趨于穩(wěn)定?？傮w來講，2015年之后，河北省人口規(guī)模對碳排放的影響處于較低水平。人口數(shù)量的增長會導致更多的能源消耗，以滿足生活水平不斷提高的需求，從而對碳排放產(chǎn)生正向影響，這與前人的研究一致。但近二十年來，由于河北省產(chǎn)業(yè)轉(zhuǎn)型升級、技術的進步、人口經(jīng)濟活動更加集聚以及人們更加注重低碳生活等原因，人口數(shù)量的增加對碳排放增加效應顯著減弱。

3.2.2 固定資產(chǎn)投資對碳排放影響的時間異質(zhì)性分析

研究期內(nèi)，河北省固定資產(chǎn)投資對碳排放的影響經(jīng)歷了一個由負轉(zhuǎn)正且整體增長的過程。在2010年，固定資產(chǎn)投資對碳排放的影響由負轉(zhuǎn)正，之后總體趨于穩(wěn)定且處于相對高位，在2015年達到最高值，接近0.5，2018年略有回落，但仍高于2010年。根據(jù)支出法核算GDP的邏輯，經(jīng)濟增長主要由投資、消費和凈出口拉動，因此固定資產(chǎn)投資很大程度上體現(xiàn)著經(jīng)濟發(fā)展水平。有學者研究表明，經(jīng)濟增長對碳排放的影響呈現(xiàn)出倒“U”型的庫茲涅茨曲線形態(tài)，即隨著經(jīng)濟的發(fā)展，經(jīng)濟增長對碳排放的影響先上升后下降。在研究期初，河北省經(jīng)濟相對落后，固定資產(chǎn)投資較少，其對碳排放的影響較低。近二十年來，河北省經(jīng)濟發(fā)展水平和固定資產(chǎn)投資總額飛速提升，成為影響碳排放的主要因素。2018年影響系數(shù)相對于2015年略有降低，說明2018年河北省固定資產(chǎn)投資對碳排放的影響處于倒“U”型的庫茲涅茨曲線頂部右側(cè)，隨著經(jīng)濟的持續(xù)發(fā)展，其影響程度會逐漸降低。

3.2.3 對外開放對碳排放影響的時間異質(zhì)性分析

與固定資產(chǎn)投資相似，整體來看，河北省對外開放對碳排放的影響在研究期內(nèi)也經(jīng)歷了由負轉(zhuǎn)正、逐年增長的過程。具體來講，2005年是對外開放程度對碳排放影響的效應為負，且為最低點，之后呈上升狀態(tài)，直到2015年，對外開放程度才對碳排放呈現(xiàn)正向影響。在2015年、2018年，對外開放程度對碳排放影響趨于穩(wěn)定。研究期內(nèi)，前期很長一段時間外開放水平對碳排放的影響均為負，可能的原因：一是在早期河北省對外開放的水平相對較低，利用外資相對較少，其對經(jīng)濟的拉動作用還不明顯；二是河北省第二產(chǎn)業(yè)中鋼鐵、石化等高耗能產(chǎn)業(yè)占比較高，且這類行業(yè)中大型企業(yè)主要為國企，早期外資很難進入這類行業(yè)，更多的是進入第三產(chǎn)業(yè)或高技術產(chǎn)業(yè)，因此對碳排放影響較小甚至為負。近幾年，隨著對外開放程度的深入，河北省利用外資額逐漸增多，極大地促進了經(jīng)濟的高速發(fā)展，并導致碳排放的增加。

3.2.4 產(chǎn)業(yè)結構對碳排放影響的時間異質(zhì)性分析

產(chǎn)業(yè)結構以第二產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值的比重表征，在研究期內(nèi)，河北省第二產(chǎn)業(yè)占比對碳排放的影響一直是正向的，且逐年上升。整體來看，第二產(chǎn)業(yè)占比對碳排放的影響一直處于相對高位，與對外開放相似，2015年之后增長幅度變小，趨于穩(wěn)定?；茉吹南氖翘寂欧诺闹饕獊碓?，第二產(chǎn)業(yè)的發(fā)展又較強地依賴化石能源，因此第二產(chǎn)業(yè)是碳排放的主要來源，對碳排放的影響較大，已有的經(jīng)驗研究也均支持這一觀點。河北省第二產(chǎn)業(yè)發(fā)達，歷年第二產(chǎn)業(yè)增加值占區(qū)域生產(chǎn)總值的比重均較大，其中，鋼鐵、化工和制造業(yè)等高耗能產(chǎn)業(yè)是河北省的支柱產(chǎn)業(yè)，因此，河北省第二產(chǎn)業(yè)占比對碳排放的正向影響程度較高，是導致碳排放的最主要因素。

3.2.5 城市化對碳排放影響的時間異質(zhì)性分析

與人口因素相似，在研究期內(nèi)，河北城市化水平對碳排放的影響整體呈下降的趨勢，只是在2015年達最低位之后又有較大的上升。除2015年影響系數(shù)為負之外，其余各時間均為正。在研究期初，河北省處于城市化初級階段，更多地表現(xiàn)為土地的城市化和粗放式的經(jīng)濟增長。其結果：一是大量耕、林、草等農(nóng)業(yè)、生態(tài)用地轉(zhuǎn)為建設用地，導致碳匯的減少；二是經(jīng)濟的粗放增長導致單位經(jīng)濟增長需要消耗更多能源，從而產(chǎn)生較多的碳排放。隨著時代的發(fā)展，城市化逐漸地向著人口城鎮(zhèn)化和新型城鎮(zhèn)化轉(zhuǎn)型，且與之伴隨的經(jīng)濟增長方式也從粗放逐步轉(zhuǎn)向集約，單位經(jīng)濟增長對能源的消耗也相對降低，在一定程度上減少了碳排放。

3.3 碳排放影響因素回歸系數(shù)的空間異質(zhì)性分析

本文對河北省各地區(qū)各碳排放影響因素的GTWR模型回歸系數(shù)對時期分別求均值，利用ArcGIS10.2，將均值按照自然斷點的規(guī)則進行5級分類，以地理圖的形式展示（圖3），以更加直觀地表達碳排放影響因素回歸系數(shù)的空間分布規(guī)律。另外，本文基于河北省各地區(qū)時期序列的均值計算了各碳排放影響因素的變異系數(shù)，以分析區(qū)域間的變異程度。

圖3 河北省碳排放影響因素GTWR回歸系數(shù)的空間異質(zhì)性

3.3.1 碳排放影響因素回歸系數(shù)的空間分布規(guī)律

河北省各地區(qū)人口規(guī)模和城市化率對碳排放的影響程度大體上呈現(xiàn)出明顯的從東北到西南逐漸由大變小的規(guī)律，而固定資產(chǎn)投資對碳排放的影響程度則與人口規(guī)模和城市化率相反，呈現(xiàn)出從東北到西南逐漸由小變大的規(guī)律；第二產(chǎn)業(yè)占比對碳排放的影響程度呈現(xiàn)出從北到南逐漸由小變大的規(guī)律；與其他四種因素對碳排放影響程度單一方向變化的規(guī)律不同，對外開放水平對碳排放的影響程度的空間分布規(guī)律則體現(xiàn)出由東到西再向南逐漸由小變大的規(guī)律。人口規(guī)模和城市化率對碳排放影響程度的空間變異規(guī)律產(chǎn)生的可能的原因是，北部地區(qū)因氣候相對南部地區(qū)較為寒冷，單位人口取暖對能源的消耗也相對更多，從而導致北部地區(qū)人口因素對碳排放的影響程度相對南部地區(qū)較大；固定資產(chǎn)投資和第二產(chǎn)業(yè)占比對碳排放影響程度的空間變異規(guī)律說明，隨著位置的南移，固定資產(chǎn)投資和第二產(chǎn)業(yè)的發(fā)展在推動經(jīng)濟增長的同時，其邊際碳排放量相對越來越大。對外開放水平對碳排放影響為負，影響程度的空間變異規(guī)律呈現(xiàn)出由相對臨海區(qū)域向內(nèi)陸區(qū)域逐漸遞增，在工業(yè)相對發(fā)達的石家莊、邢臺和邯鄲等內(nèi)陸城市較大，說明外資在內(nèi)陸工業(yè)相對較發(fā)達的地區(qū)的碳減排效應相對較強。

3.3.2 碳排放影響因素回歸系數(shù)的空間變異分析

從空間變異系數(shù)（表4）看，總體而言，各碳排放影響因素的回歸系數(shù)在區(qū)域之間的變化不大。相對而言，空間變異最大的是固定資產(chǎn)投資回歸系數(shù)，其次是對外開放水平，再次是城市化率、人口規(guī)模，最小的是第二產(chǎn)業(yè)占比。這說明對不同的區(qū)域，區(qū)域常住人口規(guī)模和第二產(chǎn)業(yè)占比對碳排放的影響相對較為一致，而固定資產(chǎn)投資、對外開放水平和城市化率對碳排放的影響差異相對較大。

表4 碳排放影響因素GTWR回歸系數(shù)的空間變異系數(shù)

4 結論與建議

（1）從時空整體來看，河北省各碳排放影響因素的回歸系數(shù)均具有明顯的異質(zhì)性，其中城市化和對外開放水平對碳排放的影響差異性較大，在制定碳減排政策時，應充分考慮這種差異性。

（2）研究期內(nèi)，各影響因素對碳排放的影響隨著時間的變化均有較大變化，說明各個時期影響河北省碳排放的主要因素具有較強的異質(zhì)性?？傮w而言，河北省人口規(guī)模和城市化對碳排放的影響大體呈下降趨勢，固定資產(chǎn)投資、對外開放水平和第二產(chǎn)業(yè)占比等體現(xiàn)經(jīng)濟增長的因素對碳排放的影響大體呈上升趨勢。說明人口增長和城鎮(zhèn)化進程不應是制定碳減排政策考慮的重點，這也正好避免了與國家目前國鼓勵生育的人口政策和繼續(xù)推進新型城鎮(zhèn)化的戰(zhàn)略的矛盾。今后一定時期內(nèi)，經(jīng)濟增長仍是碳排放的主要原因，應盡快通過推進產(chǎn)業(yè)結構轉(zhuǎn)型升級、引導外商向低耗能產(chǎn)業(yè)投資，同時鼓勵企業(yè)在研發(fā)、設計等產(chǎn)業(yè)鏈前端做大做強，大力發(fā)展第三產(chǎn)業(yè)，降低第二產(chǎn)業(yè)增加值在地區(qū)生產(chǎn)總值的比重，減少經(jīng)濟增長對投資的依賴。

（3）相對而言，河北省碳排放影響因素的異質(zhì)性主要體現(xiàn)在時間層面，而空間異質(zhì)性相對較小。在河北省東北部區(qū)域，人口規(guī)模和城市化對碳排放的影響程度，比西南部區(qū)域大，應通過引導人口及其經(jīng)濟活動更加集聚、控制土地城鎮(zhèn)化水平、倡導居民低碳生活等方式降低人口及城鎮(zhèn)化對碳排放的正向影響；而西南部地區(qū)，固定資產(chǎn)投資、第二產(chǎn)占比和對外開放水平對碳排放的影響程度較大，應通過推進產(chǎn)業(yè)結構轉(zhuǎn)型升級、做大做強第三產(chǎn)業(yè)、降低經(jīng)濟增長對投資的依賴、引導外資向低耗能高技術產(chǎn)業(yè)投資等方式實現(xiàn)碳排放的減少。