论文部分内容阅读
摘 要：城市体系规模结构对工业碳排放强度具有重要影响。运用2006-2013年的中国省际数据，通过动态面板数据模型系统GMM估计方法进行实证分析表明：随着城市体系规模结构的集中程度不断提高，工业碳排放强度呈现“U型”变化。与过度分散或过度集中的城市体系相比，大中小城市协调发展的城市体系更有利于工业碳排放强度的降低。而且，随着经济发展水平的提高，城市体系规模结构集中度对工业碳排放强度的“U型”影响将会进一步强化。这反映出城市体系结构失调对工业碳排放降低的制约作用不会随着经济发展而自动缓解，因而需要通过政策引导城市体系结构优化来促进减排。
关键词：城市体系规模结构；经济发展；工业碳排放
文章编号：2095-5960（2016）04-0077-09；中图分类号：F290；文献标识码：A
一、引言与文献综述
改革开放以来，我国经济发展和城镇化都取得了举世瞩目的成就，我国经济总量稳居世界第二位，城镇化率从1978年的17.92%增长到2014年的54.77%。与此同时，能源高消耗和碳排放的迅速增加也成为我国发展中无法回避的问题。根据世界能源所（WRI）的数据显示，2009年我国超过美国成为世界第一大碳排放国家（许士春，龙如银，2014）[1]，目前，我国每年碳排放超过 60亿吨。面对日益突出的资源和环境压力，绿色发展成为我国“十三五”时期的五大发展理念之一。为了进一步控制和减少碳排放，落实绿色发展目标，探讨如何在经济发展和城镇化进程中降低碳排放强度就成为一个十分重要的问题。
城镇化过程不仅包括人口身份和就业的转换、产业结构的升级，同时也离不开城市体系规模结构的调整。城市体系规模结构是指一定地域内一系列规模大小不等的城市在不同规模等级上的分布特征。城市体系规模结构在很大程度上受到城镇化发展战略的影响。因此，分析和检验经济发展过程中城市体系规模结构与碳排放之间的关系，对于制定降低碳排放强度的城镇化发展战略具有重要意义。
近年来，我国碳排放问题已得到研究者的广泛关注。对于影响碳排放的因素，研究表明经济增长、产业结构、技术进步、宏观经济环境、政府环境规制政策、人口规模、能源强度、能源结构、贸易开放等都有显著影响（国涓等，2011[2]；李锴，齐绍洲，2011[3]；何小钢，张耀辉，2012[4]；孙欣，张可蒙，2014[5]）。城市化对碳排放也具有重要影响，但在影响方向存在不同观点：林伯强和刘希颖（2010）通过中国1978—2008年的数据实证发现城市化水平与二氧化碳排放总量之间具有同向变化关系[6]；而赵红和陈雨蒙（2013）的研究则表明城市化对二氧化碳排放存在负向影响[7]。许士春和龙如银（2014）的研究则发现城市化与二氧化碳排放的关系在不同地区间存在差异，东部地区为线性递增关系，而在中西部地区两者呈现“倒U型”关系。[1]此外，城市化对碳排放的影响程度也与经济发展水平相关，孙辉煌（2012）研究表明在经济发展水平不同的地区，城市化对碳排放的影响也有明显差异[8]；王娟等（2013）发现经济发展水平的提升会弱化城市化对二氧化碳排放的影响[9]。
对于我国城市体系规模结构的研究，在城市地理学视角下，周一星、杨齐（1986）分析了到1980年代中期我国城镇等级体系的结构特征、演变过程以及省区地域类型。[10]顾朝林（1992）系统研究了中国城镇体系的起源、产生、发展以及城镇体系的地域空间结构、等级规模结构、职能类型结构和网络系统结构等特征，并就我国城镇体系发展条件、城镇化水平及城镇人口增长、国家地域开发等对城镇体系发展的影响进行了讨论。[11]王放（2001）[12]、高鸿鹰和武康平（2007）[13]、程开明和庄燕杰（2013）[14]等也对我国城市规模分布特征、区域差异及演变机制等进行了测算和分析。近年来，城市体系的结构特征对经济绩效的影响也开始受到关注，谢小平和王贤彬（2012）讨论了城市规模分布对经济增长的影响，发现更为“均匀”的城市规模分布有利于经济增长。[15]陆铭和冯皓（2014）采用级行政区内部地级市之间的人口规模差距来反映空间集聚水平，发现人口和经济活动的集聚度提高有利于降低单位工业增加值的污染物质的排放强度。[16]李顺毅（2015）认为城市体系规模结构对城乡收入差距会产生显著影响，城市体系协调发展，促进中、小城市充分发育，有助于缩小城乡收入差距。[17]
从现有文献看，尽管城市化对我国碳排放的影响已经得到一定程度的讨论，但城市体系规模结构的影响作用还没有研究涉及。研究表明城市规模对碳排放也具有重要影响，王钦池（2015）利用1960—2009年161个国家的面板数据实证发现，碳排放压力最小的是人口规模100—500万的城市，规模更小或更大的城市的碳排放压力都会增大[18]。城市体系规模结构反映的是各级城市在规模上的分布特征，因此，城市体系的规模结构也会对区域内的碳排放产生影响。相关研究表明，碳排放主要来自工业、电力和热力生产、交通运输及居民生活等方面，其中工业所排放的二氧化碳占比较高，工业部门碳排量的减少已成为我国碳减排的关键（卓德保等，2015[19]），因此，本文将关注的焦点集中于工业碳排放。
本文将运用2006—2013年的中国省际数据，采用动态面板数据模型和系统GMM估计方法，实证分析城市体系规模结构与工业碳排放强度之间的关系，以及经济发展水平的提高将会对上述两个变量的关系产生怎样的影响。
二、计量模型与估计方法
（一）计量模型的设定
为了确定回归模型的设定形式，首先需要对城市体系规模结构与工业碳排放强度的关系进行理论分析。
根据王钦池（2015）的实证研究，对于不同规模的城市，碳排放压力最小的是100—500万人规模城市，其次是50—100万人规模城市，1000万以上人口规模城市的碳排放压力最大。[18]这表明随着城市规模的扩大，碳排放强度呈现先降低后升高的“U型”变化。这是由于不同规模的城市具有不同程度的聚集效应和外部成本（王小鲁，夏小林，1999[20]；Henderson，2002[21]），随着城市规模扩大，集聚带来的正外部性会促使能源利用效率的提升，从而降低碳排放强度；但城市规模也不是越大越好，过度集聚会带来高昂的成本，出现规模收益递减和负外部性问题，由此降低能源利用效率，从而使碳排放强度上升。 城市体系的规模结构不同表现为各规模等级上的城市数量分布不同，在分散型结构中，大城市规模不足，中小城市数量较多；在协调型结构中，大、中、小城市的规模和数量适当，形成较均匀的金字塔层级结构，大城市达到较大规模且不过大，人口向大、中城市的聚集程度高于分散型城市体系；在集中型结构中，处于城市体系顶端的大城市规模偏大，人口向大城市集中，中小城市普遍规模偏小，城市间规模差距较大。与协调型结构相比，分散型城市体系中，大城市规模不足，城市规模普遍偏小，能源利用的规模效益不能充分发挥出来，导致工业碳排放强度较高。因此，分散型城市体系下工业碳排放强度比协调型城市体系更高。对于集中型城市体系来说，规模过大的顶层城市由于规模收益递减和负外部性会提高工业碳排放强度，同时，这种体系中城市规模差距较大，除过大的顶层城市外，其他城市规模则偏小，也导致其余城市的工业碳排放强度较高。因此，集中型城市体系下的工业碳排放强度与协调型城市体系相比也会更高。根据上述分析，随着城市体系规模结构的集中程度不断提高，工业碳排放强度可能呈现“U型”变化。
为了检验上述分析，本文设定一个包含城市体系规模结构指标一次项和二次项的回归模型。此外，当期碳排放强度可能还会受到过去状态的影响，因此，本文在解释变量中引入被解释变量的一阶滞后项，构建动态面板数据模型：
（二）估计方法
在选择计量模型估计方法时，本文考虑到可能存在内生性问题：一是在动态面板数据模型中，由于在解释变量中加入了被解释变量的一阶滞后项，往往导致被解释变量的滞后项与不可观测的截面异质性效应产生相关性，从而产生内生性问题；二是工业碳排放强调可能受到多方面因素的影响，由于控制变量有限，可能遗漏重要解释变量。如果采用普通的面板数据估计方法，内生性问题将会导致估计结果是有偏且不一致的。因此，本文选择系统GMM方法进行估计，尽量减小内生性问题产生的不利影响。系统GMM方法的特点是同时对水平方程和差分方程进行估计，并以差分变量的滞后项作为水平方程的工具变量，以水平方程的滞后项作为差分方程的工具变量，从而使估计量具有更好的有限样本性质，提高了估计结果的有效性（Blundell，Bond，1998[23]）。此外，系统GMM分为一步法和两步法两种估计方法，相比而言，两步法不易受到异方差的干扰，因此本文使用两步法进行估计。
三、变量与数据说明
对于工业碳排放强度（ce），本文采用单位工业增加值的工业碳排放量（吨/万元）来度量，由工业碳排放总量除以工业增加值来计算。其中工业碳排放总量的测算，本文采用卓德保等（2015）的方法[19]，从工业消耗燃料角度入手，使用《IPCC温室气体排放清单指南》中的“参考方法”，计算公式为：
四、估计结果分析
为检验城市体系规模结构对工业碳排放强度的影响，表2报告了回归模型（1）的估计结果，Wald检验表明模型的设定整体上具有显著性；Sargan检验接受原假设，即工具变量为过度识别；AR（1）和AR（2）检验表明不存在二阶序列相关。因此，这里用两步法系统GMM估计动态面板模型是合理的。
表2中第（1）列回归没有包含控制变量，空间基尼系数的一次项显著为负、二次项显著为正。在第（2）列中加入了各控制变量后，空间基尼系数的一次项仍为负、二次项仍为正，而且都在统计上显著。这反映出城市体系规模结构的集中程度与工业碳排放强度之间具有“U型”关系，验证了前文对城市体系规模结构与工业碳排放强度之间关系的理论分析。根据表2中第（2）列的估计结果，当空间基尼系数为0.483时，为城市体系规模结构与工业碳排放强度“U型”关系的拐点。该拐点处于空间基尼系数从0.1732—0.6245的样本值范围内。当空间基尼系数小于0.483时，随着城市规模分布从分散逐渐向适度集中转变，空间基尼系数提高，工业碳排放强度会降低；但当空间基尼系数超过0.483后，城市体系的规模结构进一步集中，则会使工业碳排放强度转而上升。由此说明，过度分散和过度集中的城市体系结构都不利于减少碳排放，大中小城市协调发展的城市体系对于降低工业碳排放具有更加积极的作用。
对于各控制变量，从表2第（2）列的估计结果看，人均实际GDP的系数显著为负，说明经济发展水平的提高有利于降低工业碳排放强度，其原因是经济发展有利于提高工业企业的技术水平和能源利用效率，从而降低工业碳排放强度。第三产业产值占GDP比重的系数显著为正，反映出第三产业比重的提高在样本时期内并没有起到降低工业碳排放强度的作用，韩坚和盛培宏（2014）[30]的研究也得到类似的结果。其原因可能是样本时期内我国服务业的层次还较低，以低端产业为主的服务业发展产生了对高能耗工业品的大量需求，从而增加了工业碳排放强度；同时，由于生产性服务业发展较为滞后，制约了其提升工业能源利用效率的作用，难以充分发挥出生产性服务业降低工业碳排放强度的积极效应。城市化率的系数为显著为正，与郭郡郡和刘成玉（2012）[31]的实证结果类似，其原因主要与以往城市化过程中的高投入、高能耗增长模式有关。外商直接投资的系数显著为负，说明对外开放可以促进工业碳排放强度降低，这与毕克新和杨朝均（2012）[32]的研究结果是一致的，反映出FDI的溢出效应对我国工业碳排放强度的降低产生了积极影响。国有经济比重的系数为正，但不显著。正如张志辉（2015）研究发现国有及国有控股工业产值比重对能源效率具有不显著的负面影响[33]，使国有经济比重对碳排放强度的影响也具有不显著的正向关系。财政出占GDP比重的系数为正，也不显著，反映出样本时期内政府在经济中的影响力并没有对工业碳排放强度产生显著影响。这是由于政府行为对碳排放强度具有正、负双向作用：一方面，政府支出可以通过支持企业技术升级和节能改造降低碳排放强度；但另一方面，由于信息不对称、保护地方纳税大户等原因，政府也可能维持一部分技术含量低、能耗较高企业长期不被淘汰，从而增加碳排放强度。政府的这种双向作用可能导致其综合效应不显著。此外，工业碳排放强度的一阶滞后项显著为正，说明工业碳排放强度会受到以往的影响，这也表明采用动态模型进行估计是必要的。 为检验经济发展水平提高会对城市体系规模结构与工业碳排放强度的关系产生怎样的影响，表3报告了采用交互项的回归模型（2）的估计结果，其中Wald检验、Sargan检验、AR（1）和AR（2）检验都表明使用系统GMM两步法估计的动态面板模型是合理的。
表3中，经济发展水平与空间基尼系数的交互项是我们关注的重点。第（1）列没有考虑控制变量，经济发展水平与空间基尼系数一次项的交互项系数为负、与空间基尼系数二次项的交互项系数为正，而且都是显著的。第（2）列加入各控制变量后，经济发展水平与空间基尼系数一次项的交互项系数仍显著为负、与空间基尼系数二次项的交互项系数仍显著为正。与回归方程（1）的估计结果相比，增加了经济发展水平的交互后，空间基尼系数一次项和二次项的系数符号均没有改变，这反映出随着经济发展水平的提高，城市体系规模结构集中度对工业碳排放强度的“U型”影响将会进一步强化。由此说明，经济发展不会自动缓解城市体系结构失调对降低工业碳排放产生的制约作用。
从表3第（2）列的各控制变量来看，估计系数的符号和显著性与回归模型（1）的估计结果基本是一致的。人均实际GDP和外商直接投资的系数均显著为负，说明经济发展水平的提高和对外开放有利于降低工业碳排放强度。第三产业产值占GDP比重和城市化率的系数均显著为正，反映出样本时期内第三产业比重的提高和城市化与工业碳排放强度的上升正相关。国有经济比重的系数显著为正，反映出国有经济比重过高不利于降低工业碳排放强度。财政支出占GDP比重的系数为正，但不显著。此外，工业碳排放强度的一阶滞后项显著为正，说明采用动态模型进行估计是必要的。
为进一步检验城市化过程中城市体系规模结构对土地集约利用影响的稳健性，本文使用两步法系统GMM估计方法，采用位序-规模模型的幂律指数ζ代替空间基尼系数作为反映城市体系规模结构的指标对回归模型（1）和回归模型（2）进行估计。如表2第（3）、（4）列所示，幂律指数ζ的一次项均显著为负、二次项均显著为正。而且，根据表2中第（4）列的估计结果，当幂律指数为1.013时，城市体系规模结构与工业碳排放强度“U型”关系出现拐点。该拐点也处于幂律指数从0.3921—1.1756的样本值范围内。说明替换了测度指标后，城市体系规模结构集中度对工业碳排放强度的影响为“U型”关系这一结论仍然成立。
从表3的第（3）、（4）列估计结果也可以看到，经济发展水平与幂律指数ζ一次项的交互项均显著为负，经济发展水平与幂律指数ζ二次项的交互项均显著为正，这也表明替换了测度指标后，经济发展水平提高将进一步强化城市体系集中度与工业碳排放强度的“U型”关系这一结果仍保持不变。此外，各控制变量的系数和显著性与前面的估计结果基本也是一致的。这表明上述实证检验的结果具有一定稳健性。
五、结论与建议
本文运用2006—2013年的中国省际数据，通过动态面板数据模型系统GMM估计方法进行实证分析表明：随着城市体系规模结构的集中程度不断提高，工业碳排放强度呈现“U型”变化。即随着城市规模分布从分散逐渐向适度集中转变，工业碳排放强度有所降低；但当城市规模分布的集中程度超越一定水平，在过度集中的城市体系结构下，工业碳排放强度将转而上升。而且，随着经济发展水平的提高，城市体系规模结构集中度对工业碳排放强度的“U型”影响将会进一步强化。这反映出经济发展不会自动缓解城市体系结构失调对工业碳排放降低产生的制约作用。与过度分散或过度集中的城市体系相比，大中小城市协调发展的城市体系更有利于降低工业碳排放强度。
绿色发展不仅是我国“十三五”时期的重要发展理念，也是我国新型城镇化战略的基本目标之一。本文发现城市体系规模结构与工业碳排放强度之间存在密切关系，优化城市体系的规模结构，避免城市体系过度分散或过度集中，对于降低工业碳排放强度具有积极作用。近年来，我国城镇化过程中出现了特大城市规模迅速膨胀、中小城市和小城镇相对萎缩的两极化倾向（魏后凯，2014）[34]，失衡的城市体系结构在某种程度上制约了我国工业碳排放的减少。在现实中，一个区域的城市体系必然是一个规模从大到小的层级结构，因此，城镇化战略的着眼点不仅需要关注单个城市，同时也需要关注区域城市体系的结构优化，强调大中小城市和小城镇在等级有序、分工合理、协调发展中形成的综合优势。本文的实证分析还发现，随着经济发展水平提高，城市体系结构失衡制约工业碳排放降低的作用不会自动得到缓解。因此，需要在经济发展过程中通过合理的规划和政策引导来优化城市体系的结构。在新型城镇化过程中，应更加注重城市体系规模结构的协调程度，避免城市规模分布过度分散或过度集中。合理疏解已经进入规模收益递减阶段的巨型城市；积极促进一批有条件的中小城市向大中城市发展；对于不具备规模大幅度增加条件的中小城市和小城镇，着力提升城市的经济社会功能和综合承载能力，进一步完善公共设施、增强产业支撑和人口吸纳能力。
参考文献：
[1]许士春，龙如银.经济增长、城市化与二氧化碳排放[J].广东财经大学学报，2014（6）：23-31.
[2]国涓，刘长信，孙平.中国工业部门的碳排放：影响因素及减排潜力[J].资源科学，2011（9）： 1630-1640.
[3]李锴，齐绍洲.贸易开放、经济增长与中国二氧化碳排放[J].经济研究，2011（11）：60-72.
[4]何小钢，张耀辉.中国工业碳排放影响因素与CKC重组效应[J].中国工业经济，2012（1）：26-35.
[5]孙欣，张可蒙.中国碳排放强度影响因素实证分析[J].统计研究，2014（2）：61-67.
[6]林伯强，刘希颖.中国城市化阶段的碳排放：影响因素和减排策略[J].经济研究，2010（8）：66-78.
[7]赵红，陈雨蒙.我国城市化进程与减少碳排放的关系研究[J].中国软科学，2013（3）：184-192. [8]孙辉煌.我国城市化、经济发展水平与二氧化碳排放[J].华东经济管理，2012（10）：69-74.
[9]王娟，魏玮，马松昌.中国的经济发展、城市化与二氧化碳排放[J].经济经纬，2013（6）：18-24.
[10]周一星，杨齐.我国城镇等级体系变动的回顾及其省区地域类型[J].地理学报， 1986（2）：97-111.
[11]顾朝林. 中国城镇体系——历史、现状、展望[M].北京：商务印书馆，1992.
[12]王放.论中国城市规模分布的区域差异[J].人口与经济，2001（4）：9-14.
[13]高鸿鹰，武康平.我国城市规模分布Pareto指数测算及影响因素分析[J].数量经济技术经济研究， 2007（4）：43-52.
[14]程开明，庄燕杰.中国中部地区城市体系规模分布及演进机制探析[J].地理科学， 2013（12）：1421-1427.
[15]谢小平，王贤彬.城市规模分布演进与经济增长[J].南方经济， 2012（6）：58-73.
[16]陆铭，冯皓.集聚与减排：城市规模差距影响工业污染强度的经验研究[J].世界经济，2014（7）：86-114.
[17]李顺毅.城市体系规模结构与城乡收入差距[J].财贸研究，2015（1）：9-17.
[18]王钦池.城市规模、城市化率与碳排放关系研究[J].西北人口，2015（3）：1-5.
[19]卓德保，吴玉海，潘植强.中国工业碳排放的特征及影响因素[J].经济纵横，2015（4）：47-53.
[20]王小鲁，夏小林.优化城市规模，推动经济增长[J].经济研究，1999（9）：22-29.
[21]Henderson J V. Urban Primacy， External Costs，and Quality of Life，Resource and Energy Economics， 2002，24（1-2）：95-106.
[22]Rajan R， Zingales L. Financial dependence and growth [J]. American Economic Review， 1998，88 （3）：559-586.
[23]Blundell R， Bond S R.Initial conditions and moment restrictions in dyanmic panel data models[J]. Journal of Econometrics，1998， 87（1）：115-143.
[24]朱顺娟，郑伯红.从基尼系数看中国城市规模分布的区域差异[J].统计与决策，2015（8）：127-129.
[25]许学强，周一星，宁越敏. 城市地理学[M].北京：高等教育出版社，1997：123-147.
[26]梁琦，陈强远，王如玉.户籍改革、劳动力流动与城市层级体系优化[J].中国社会科学，2013（12）：36-59.
[27]Gabaix X， Ibragimov R. Rank-1/2 ：A Simple Way to Improve the OLS Estimation of Tail Exponent. Journal of Business and Economic Statistics， 2011，29（1）：24-29.
[28]沈体雁，劳昕.国外城市规模分布研究进展及理论前瞻——基于齐普夫定律的分析[J].世界经济文汇， 2012（5）：95-111.
[29]陈斌开，林毅夫. 发展战略、城市化与中国城乡收入差距[J].中国社会科学，2013（4）：81-102
[30]韩坚，盛培宏.产业结构、技术创新与碳排放实证研究[J].上海经济研究，2014（8）：67-74.
[31]郭郡郡，刘成玉.城市化对碳排放量及强度的影响[J].城市问题，2012（5）：21-28.
[32]毕克新，杨朝均.FDI 溢出效应对我国工业碳排放强度的影响[J].经济管理，2012（8）：31-39.
[33]张志辉.中国区域能源效率演变及其影响因素[J].数量经济技术经济研究，2015（8）：73-88.
[34]魏后凯.中国城镇化：和谐与繁荣之路[M].北京：社会科学文献出版社，2014.
关键词：城市体系规模结构；经济发展；工业碳排放
文章编号：2095-5960（2016）04-0077-09；中图分类号：F290；文献标识码：A
一、引言与文献综述
改革开放以来，我国经济发展和城镇化都取得了举世瞩目的成就，我国经济总量稳居世界第二位，城镇化率从1978年的17.92%增长到2014年的54.77%。与此同时，能源高消耗和碳排放的迅速增加也成为我国发展中无法回避的问题。根据世界能源所（WRI）的数据显示，2009年我国超过美国成为世界第一大碳排放国家（许士春，龙如银，2014）[1]，目前，我国每年碳排放超过 60亿吨。面对日益突出的资源和环境压力，绿色发展成为我国“十三五”时期的五大发展理念之一。为了进一步控制和减少碳排放，落实绿色发展目标，探讨如何在经济发展和城镇化进程中降低碳排放强度就成为一个十分重要的问题。
城镇化过程不仅包括人口身份和就业的转换、产业结构的升级，同时也离不开城市体系规模结构的调整。城市体系规模结构是指一定地域内一系列规模大小不等的城市在不同规模等级上的分布特征。城市体系规模结构在很大程度上受到城镇化发展战略的影响。因此，分析和检验经济发展过程中城市体系规模结构与碳排放之间的关系，对于制定降低碳排放强度的城镇化发展战略具有重要意义。
近年来，我国碳排放问题已得到研究者的广泛关注。对于影响碳排放的因素，研究表明经济增长、产业结构、技术进步、宏观经济环境、政府环境规制政策、人口规模、能源强度、能源结构、贸易开放等都有显著影响（国涓等，2011[2]；李锴，齐绍洲，2011[3]；何小钢，张耀辉，2012[4]；孙欣，张可蒙，2014[5]）。城市化对碳排放也具有重要影响，但在影响方向存在不同观点：林伯强和刘希颖（2010）通过中国1978—2008年的数据实证发现城市化水平与二氧化碳排放总量之间具有同向变化关系[6]；而赵红和陈雨蒙（2013）的研究则表明城市化对二氧化碳排放存在负向影响[7]。许士春和龙如银（2014）的研究则发现城市化与二氧化碳排放的关系在不同地区间存在差异，东部地区为线性递增关系，而在中西部地区两者呈现“倒U型”关系。[1]此外，城市化对碳排放的影响程度也与经济发展水平相关，孙辉煌（2012）研究表明在经济发展水平不同的地区，城市化对碳排放的影响也有明显差异[8]；王娟等（2013）发现经济发展水平的提升会弱化城市化对二氧化碳排放的影响[9]。
对于我国城市体系规模结构的研究，在城市地理学视角下，周一星、杨齐（1986）分析了到1980年代中期我国城镇等级体系的结构特征、演变过程以及省区地域类型。[10]顾朝林（1992）系统研究了中国城镇体系的起源、产生、发展以及城镇体系的地域空间结构、等级规模结构、职能类型结构和网络系统结构等特征，并就我国城镇体系发展条件、城镇化水平及城镇人口增长、国家地域开发等对城镇体系发展的影响进行了讨论。[11]王放（2001）[12]、高鸿鹰和武康平（2007）[13]、程开明和庄燕杰（2013）[14]等也对我国城市规模分布特征、区域差异及演变机制等进行了测算和分析。近年来，城市体系的结构特征对经济绩效的影响也开始受到关注，谢小平和王贤彬（2012）讨论了城市规模分布对经济增长的影响，发现更为“均匀”的城市规模分布有利于经济增长。[15]陆铭和冯皓（2014）采用级行政区内部地级市之间的人口规模差距来反映空间集聚水平，发现人口和经济活动的集聚度提高有利于降低单位工业增加值的污染物质的排放强度。[16]李顺毅（2015）认为城市体系规模结构对城乡收入差距会产生显著影响，城市体系协调发展，促进中、小城市充分发育，有助于缩小城乡收入差距。[17]
从现有文献看，尽管城市化对我国碳排放的影响已经得到一定程度的讨论，但城市体系规模结构的影响作用还没有研究涉及。研究表明城市规模对碳排放也具有重要影响，王钦池（2015）利用1960—2009年161个国家的面板数据实证发现，碳排放压力最小的是人口规模100—500万的城市，规模更小或更大的城市的碳排放压力都会增大[18]。城市体系规模结构反映的是各级城市在规模上的分布特征，因此，城市体系的规模结构也会对区域内的碳排放产生影响。相关研究表明，碳排放主要来自工业、电力和热力生产、交通运输及居民生活等方面，其中工业所排放的二氧化碳占比较高，工业部门碳排量的减少已成为我国碳减排的关键（卓德保等，2015[19]），因此，本文将关注的焦点集中于工业碳排放。
本文将运用2006—2013年的中国省际数据，采用动态面板数据模型和系统GMM估计方法，实证分析城市体系规模结构与工业碳排放强度之间的关系，以及经济发展水平的提高将会对上述两个变量的关系产生怎样的影响。
二、计量模型与估计方法
（一）计量模型的设定
为了确定回归模型的设定形式，首先需要对城市体系规模结构与工业碳排放强度的关系进行理论分析。
根据王钦池（2015）的实证研究，对于不同规模的城市，碳排放压力最小的是100—500万人规模城市，其次是50—100万人规模城市，1000万以上人口规模城市的碳排放压力最大。[18]这表明随着城市规模的扩大，碳排放强度呈现先降低后升高的“U型”变化。这是由于不同规模的城市具有不同程度的聚集效应和外部成本（王小鲁，夏小林，1999[20]；Henderson，2002[21]），随着城市规模扩大，集聚带来的正外部性会促使能源利用效率的提升，从而降低碳排放强度；但城市规模也不是越大越好，过度集聚会带来高昂的成本，出现规模收益递减和负外部性问题，由此降低能源利用效率，从而使碳排放强度上升。 城市体系的规模结构不同表现为各规模等级上的城市数量分布不同，在分散型结构中，大城市规模不足，中小城市数量较多；在协调型结构中，大、中、小城市的规模和数量适当，形成较均匀的金字塔层级结构，大城市达到较大规模且不过大，人口向大、中城市的聚集程度高于分散型城市体系；在集中型结构中，处于城市体系顶端的大城市规模偏大，人口向大城市集中，中小城市普遍规模偏小，城市间规模差距较大。与协调型结构相比，分散型城市体系中，大城市规模不足，城市规模普遍偏小，能源利用的规模效益不能充分发挥出来，导致工业碳排放强度较高。因此，分散型城市体系下工业碳排放强度比协调型城市体系更高。对于集中型城市体系来说，规模过大的顶层城市由于规模收益递减和负外部性会提高工业碳排放强度，同时，这种体系中城市规模差距较大，除过大的顶层城市外，其他城市规模则偏小，也导致其余城市的工业碳排放强度较高。因此，集中型城市体系下的工业碳排放强度与协调型城市体系相比也会更高。根据上述分析，随着城市体系规模结构的集中程度不断提高，工业碳排放强度可能呈现“U型”变化。
为了检验上述分析，本文设定一个包含城市体系规模结构指标一次项和二次项的回归模型。此外，当期碳排放强度可能还会受到过去状态的影响，因此，本文在解释变量中引入被解释变量的一阶滞后项，构建动态面板数据模型：
（二）估计方法
在选择计量模型估计方法时，本文考虑到可能存在内生性问题：一是在动态面板数据模型中，由于在解释变量中加入了被解释变量的一阶滞后项，往往导致被解释变量的滞后项与不可观测的截面异质性效应产生相关性，从而产生内生性问题；二是工业碳排放强调可能受到多方面因素的影响，由于控制变量有限，可能遗漏重要解释变量。如果采用普通的面板数据估计方法，内生性问题将会导致估计结果是有偏且不一致的。因此，本文选择系统GMM方法进行估计，尽量减小内生性问题产生的不利影响。系统GMM方法的特点是同时对水平方程和差分方程进行估计，并以差分变量的滞后项作为水平方程的工具变量，以水平方程的滞后项作为差分方程的工具变量，从而使估计量具有更好的有限样本性质，提高了估计结果的有效性（Blundell，Bond，1998[23]）。此外，系统GMM分为一步法和两步法两种估计方法，相比而言，两步法不易受到异方差的干扰，因此本文使用两步法进行估计。
三、变量与数据说明
对于工业碳排放强度（ce），本文采用单位工业增加值的工业碳排放量（吨/万元）来度量，由工业碳排放总量除以工业增加值来计算。其中工业碳排放总量的测算，本文采用卓德保等（2015）的方法[19]，从工业消耗燃料角度入手，使用《IPCC温室气体排放清单指南》中的“参考方法”，计算公式为：
四、估计结果分析
为检验城市体系规模结构对工业碳排放强度的影响，表2报告了回归模型（1）的估计结果，Wald检验表明模型的设定整体上具有显著性；Sargan检验接受原假设，即工具变量为过度识别；AR（1）和AR（2）检验表明不存在二阶序列相关。因此，这里用两步法系统GMM估计动态面板模型是合理的。
表2中第（1）列回归没有包含控制变量，空间基尼系数的一次项显著为负、二次项显著为正。在第（2）列中加入了各控制变量后，空间基尼系数的一次项仍为负、二次项仍为正，而且都在统计上显著。这反映出城市体系规模结构的集中程度与工业碳排放强度之间具有“U型”关系，验证了前文对城市体系规模结构与工业碳排放强度之间关系的理论分析。根据表2中第（2）列的估计结果，当空间基尼系数为0.483时，为城市体系规模结构与工业碳排放强度“U型”关系的拐点。该拐点处于空间基尼系数从0.1732—0.6245的样本值范围内。当空间基尼系数小于0.483时，随着城市规模分布从分散逐渐向适度集中转变，空间基尼系数提高，工业碳排放强度会降低；但当空间基尼系数超过0.483后，城市体系的规模结构进一步集中，则会使工业碳排放强度转而上升。由此说明，过度分散和过度集中的城市体系结构都不利于减少碳排放，大中小城市协调发展的城市体系对于降低工业碳排放具有更加积极的作用。
对于各控制变量，从表2第（2）列的估计结果看，人均实际GDP的系数显著为负，说明经济发展水平的提高有利于降低工业碳排放强度，其原因是经济发展有利于提高工业企业的技术水平和能源利用效率，从而降低工业碳排放强度。第三产业产值占GDP比重的系数显著为正，反映出第三产业比重的提高在样本时期内并没有起到降低工业碳排放强度的作用，韩坚和盛培宏（2014）[30]的研究也得到类似的结果。其原因可能是样本时期内我国服务业的层次还较低，以低端产业为主的服务业发展产生了对高能耗工业品的大量需求，从而增加了工业碳排放强度；同时，由于生产性服务业发展较为滞后，制约了其提升工业能源利用效率的作用，难以充分发挥出生产性服务业降低工业碳排放强度的积极效应。城市化率的系数为显著为正，与郭郡郡和刘成玉（2012）[31]的实证结果类似，其原因主要与以往城市化过程中的高投入、高能耗增长模式有关。外商直接投资的系数显著为负，说明对外开放可以促进工业碳排放强度降低，这与毕克新和杨朝均（2012）[32]的研究结果是一致的，反映出FDI的溢出效应对我国工业碳排放强度的降低产生了积极影响。国有经济比重的系数为正，但不显著。正如张志辉（2015）研究发现国有及国有控股工业产值比重对能源效率具有不显著的负面影响[33]，使国有经济比重对碳排放强度的影响也具有不显著的正向关系。财政出占GDP比重的系数为正，也不显著，反映出样本时期内政府在经济中的影响力并没有对工业碳排放强度产生显著影响。这是由于政府行为对碳排放强度具有正、负双向作用：一方面，政府支出可以通过支持企业技术升级和节能改造降低碳排放强度；但另一方面，由于信息不对称、保护地方纳税大户等原因，政府也可能维持一部分技术含量低、能耗较高企业长期不被淘汰，从而增加碳排放强度。政府的这种双向作用可能导致其综合效应不显著。此外，工业碳排放强度的一阶滞后项显著为正，说明工业碳排放强度会受到以往的影响，这也表明采用动态模型进行估计是必要的。 为检验经济发展水平提高会对城市体系规模结构与工业碳排放强度的关系产生怎样的影响，表3报告了采用交互项的回归模型（2）的估计结果，其中Wald检验、Sargan检验、AR（1）和AR（2）检验都表明使用系统GMM两步法估计的动态面板模型是合理的。
表3中，经济发展水平与空间基尼系数的交互项是我们关注的重点。第（1）列没有考虑控制变量，经济发展水平与空间基尼系数一次项的交互项系数为负、与空间基尼系数二次项的交互项系数为正，而且都是显著的。第（2）列加入各控制变量后，经济发展水平与空间基尼系数一次项的交互项系数仍显著为负、与空间基尼系数二次项的交互项系数仍显著为正。与回归方程（1）的估计结果相比，增加了经济发展水平的交互后，空间基尼系数一次项和二次项的系数符号均没有改变，这反映出随着经济发展水平的提高，城市体系规模结构集中度对工业碳排放强度的“U型”影响将会进一步强化。由此说明，经济发展不会自动缓解城市体系结构失调对降低工业碳排放产生的制约作用。
从表3第（2）列的各控制变量来看，估计系数的符号和显著性与回归模型（1）的估计结果基本是一致的。人均实际GDP和外商直接投资的系数均显著为负，说明经济发展水平的提高和对外开放有利于降低工业碳排放强度。第三产业产值占GDP比重和城市化率的系数均显著为正，反映出样本时期内第三产业比重的提高和城市化与工业碳排放强度的上升正相关。国有经济比重的系数显著为正，反映出国有经济比重过高不利于降低工业碳排放强度。财政支出占GDP比重的系数为正，但不显著。此外，工业碳排放强度的一阶滞后项显著为正，说明采用动态模型进行估计是必要的。
为进一步检验城市化过程中城市体系规模结构对土地集约利用影响的稳健性，本文使用两步法系统GMM估计方法，采用位序-规模模型的幂律指数ζ代替空间基尼系数作为反映城市体系规模结构的指标对回归模型（1）和回归模型（2）进行估计。如表2第（3）、（4）列所示，幂律指数ζ的一次项均显著为负、二次项均显著为正。而且，根据表2中第（4）列的估计结果，当幂律指数为1.013时，城市体系规模结构与工业碳排放强度“U型”关系出现拐点。该拐点也处于幂律指数从0.3921—1.1756的样本值范围内。说明替换了测度指标后，城市体系规模结构集中度对工业碳排放强度的影响为“U型”关系这一结论仍然成立。
从表3的第（3）、（4）列估计结果也可以看到，经济发展水平与幂律指数ζ一次项的交互项均显著为负，经济发展水平与幂律指数ζ二次项的交互项均显著为正，这也表明替换了测度指标后，经济发展水平提高将进一步强化城市体系集中度与工业碳排放强度的“U型”关系这一结果仍保持不变。此外，各控制变量的系数和显著性与前面的估计结果基本也是一致的。这表明上述实证检验的结果具有一定稳健性。
五、结论与建议
本文运用2006—2013年的中国省际数据，通过动态面板数据模型系统GMM估计方法进行实证分析表明：随着城市体系规模结构的集中程度不断提高，工业碳排放强度呈现“U型”变化。即随着城市规模分布从分散逐渐向适度集中转变，工业碳排放强度有所降低；但当城市规模分布的集中程度超越一定水平，在过度集中的城市体系结构下，工业碳排放强度将转而上升。而且，随着经济发展水平的提高，城市体系规模结构集中度对工业碳排放强度的“U型”影响将会进一步强化。这反映出经济发展不会自动缓解城市体系结构失调对工业碳排放降低产生的制约作用。与过度分散或过度集中的城市体系相比，大中小城市协调发展的城市体系更有利于降低工业碳排放强度。
绿色发展不仅是我国“十三五”时期的重要发展理念，也是我国新型城镇化战略的基本目标之一。本文发现城市体系规模结构与工业碳排放强度之间存在密切关系，优化城市体系的规模结构，避免城市体系过度分散或过度集中，对于降低工业碳排放强度具有积极作用。近年来，我国城镇化过程中出现了特大城市规模迅速膨胀、中小城市和小城镇相对萎缩的两极化倾向（魏后凯，2014）[34]，失衡的城市体系结构在某种程度上制约了我国工业碳排放的减少。在现实中，一个区域的城市体系必然是一个规模从大到小的层级结构，因此，城镇化战略的着眼点不仅需要关注单个城市，同时也需要关注区域城市体系的结构优化，强调大中小城市和小城镇在等级有序、分工合理、协调发展中形成的综合优势。本文的实证分析还发现，随着经济发展水平提高，城市体系结构失衡制约工业碳排放降低的作用不会自动得到缓解。因此，需要在经济发展过程中通过合理的规划和政策引导来优化城市体系的结构。在新型城镇化过程中，应更加注重城市体系规模结构的协调程度，避免城市规模分布过度分散或过度集中。合理疏解已经进入规模收益递减阶段的巨型城市；积极促进一批有条件的中小城市向大中城市发展；对于不具备规模大幅度增加条件的中小城市和小城镇，着力提升城市的经济社会功能和综合承载能力，进一步完善公共设施、增强产业支撑和人口吸纳能力。
参考文献：
[1]许士春，龙如银.经济增长、城市化与二氧化碳排放[J].广东财经大学学报，2014（6）：23-31.
[2]国涓，刘长信，孙平.中国工业部门的碳排放：影响因素及减排潜力[J].资源科学，2011（9）： 1630-1640.
[3]李锴，齐绍洲.贸易开放、经济增长与中国二氧化碳排放[J].经济研究，2011（11）：60-72.
[4]何小钢，张耀辉.中国工业碳排放影响因素与CKC重组效应[J].中国工业经济，2012（1）：26-35.
[5]孙欣，张可蒙.中国碳排放强度影响因素实证分析[J].统计研究，2014（2）：61-67.
[6]林伯强，刘希颖.中国城市化阶段的碳排放：影响因素和减排策略[J].经济研究，2010（8）：66-78.
[7]赵红，陈雨蒙.我国城市化进程与减少碳排放的关系研究[J].中国软科学，2013（3）：184-192. [8]孙辉煌.我国城市化、经济发展水平与二氧化碳排放[J].华东经济管理，2012（10）：69-74.
[9]王娟，魏玮，马松昌.中国的经济发展、城市化与二氧化碳排放[J].经济经纬，2013（6）：18-24.
[10]周一星，杨齐.我国城镇等级体系变动的回顾及其省区地域类型[J].地理学报， 1986（2）：97-111.
[11]顾朝林. 中国城镇体系——历史、现状、展望[M].北京：商务印书馆，1992.
[12]王放.论中国城市规模分布的区域差异[J].人口与经济，2001（4）：9-14.
[13]高鸿鹰，武康平.我国城市规模分布Pareto指数测算及影响因素分析[J].数量经济技术经济研究， 2007（4）：43-52.
[14]程开明，庄燕杰.中国中部地区城市体系规模分布及演进机制探析[J].地理科学， 2013（12）：1421-1427.
[15]谢小平，王贤彬.城市规模分布演进与经济增长[J].南方经济， 2012（6）：58-73.
[16]陆铭，冯皓.集聚与减排：城市规模差距影响工业污染强度的经验研究[J].世界经济，2014（7）：86-114.
[17]李顺毅.城市体系规模结构与城乡收入差距[J].财贸研究，2015（1）：9-17.
[18]王钦池.城市规模、城市化率与碳排放关系研究[J].西北人口，2015（3）：1-5.
[19]卓德保，吴玉海，潘植强.中国工业碳排放的特征及影响因素[J].经济纵横，2015（4）：47-53.
[20]王小鲁，夏小林.优化城市规模，推动经济增长[J].经济研究，1999（9）：22-29.
[21]Henderson J V. Urban Primacy， External Costs，and Quality of Life，Resource and Energy Economics， 2002，24（1-2）：95-106.
[22]Rajan R， Zingales L. Financial dependence and growth [J]. American Economic Review， 1998，88 （3）：559-586.
[23]Blundell R， Bond S R.Initial conditions and moment restrictions in dyanmic panel data models[J]. Journal of Econometrics，1998， 87（1）：115-143.
[24]朱顺娟，郑伯红.从基尼系数看中国城市规模分布的区域差异[J].统计与决策，2015（8）：127-129.
[25]许学强，周一星，宁越敏. 城市地理学[M].北京：高等教育出版社，1997：123-147.
[26]梁琦，陈强远，王如玉.户籍改革、劳动力流动与城市层级体系优化[J].中国社会科学，2013（12）：36-59.
[27]Gabaix X， Ibragimov R. Rank-1/2 ：A Simple Way to Improve the OLS Estimation of Tail Exponent. Journal of Business and Economic Statistics， 2011，29（1）：24-29.
[28]沈体雁，劳昕.国外城市规模分布研究进展及理论前瞻——基于齐普夫定律的分析[J].世界经济文汇， 2012（5）：95-111.
[29]陈斌开，林毅夫. 发展战略、城市化与中国城乡收入差距[J].中国社会科学，2013（4）：81-102
[30]韩坚，盛培宏.产业结构、技术创新与碳排放实证研究[J].上海经济研究，2014（8）：67-74.
[31]郭郡郡，刘成玉.城市化对碳排放量及强度的影响[J].城市问题，2012（5）：21-28.
[32]毕克新，杨朝均.FDI 溢出效应对我国工业碳排放强度的影响[J].经济管理，2012（8）：31-39.
[33]张志辉.中国区域能源效率演变及其影响因素[J].数量经济技术经济研究，2015（8）：73-88.
[34]魏后凯.中国城镇化：和谐与繁荣之路[M].北京：社会科学文献出版社，2014.