中国产业结构升级对碳减排的影响研究

李 斌 张晓冬

中国产业结构升级对碳减排的影响研究

李 斌 张晓冬

产业升级与节能减排存在交互效应和空间效应，将这两个中央正在实施的国家发展战略置于统一框架内研究具有重要意义。通过构建产业结构高级化指标，选取我国2005-2014年的省际面板数据，以碳排放的空间相关性检验为基础，从全国层面和区域层面对我国产业结构升级的碳减排效应进行实证分析。研究结果表明：产业结构升级能够减少碳排放，但受制于工业结构落后等原因，我国产业结构升级的碳减排效应还有待进一步激发；区域层面上产业结构升级对碳减排的空间溢出效应存在显著的区域异质性。因此，各省在制定产业发展战略、促进碳减排时，应结合区域特点制定产业政策，加强区域合作，加快工业结构转型升级。

碳减排； 产业结构； 产业升级； 空间杜宾模型

一 引 言

近一个世纪以来，人类在经济生产活动中大量使用化石燃料，造成以CO2为主的温室气体大量排放，对人类生存和社会经济可持续发展造成严重威胁。随着中国经济的高速发展，资源过度消耗和环境污染也日益加重。早在2008年，中国的CO2排放量就已达到68.96亿吨，超越美国成为全球第一大温室气体排放国，碳减排和发展低碳经济已成为中国可持续发展的关键任务。由于产业结构直接决定着能源消费结构和能源利用效率，而能源消费与碳排放密切相关，因此，产业结构对碳排放有着重要影响。加快产业结构升级，不仅是促进我国经济可持续发展的重要动力，也是解决环境问题、减少碳排放的重要手段。

国内外许多学者对产业结构升级和碳排放的关系进行了研究，其研究方法可大致分为三类——指数分解法(IDA)、结构分解法(SDA)和计量分析法。采用LMDI模型①IDA包括Laspeyres IDA和Divisia IDA，而Divisia IDA又包括AMDI和LMDI两种方法。研究产业结构与碳排放的文献较多，林伯强和蒋竺均(2009)[1]最早采用LMDI模型对产业结构与碳排放间的关系进行探究。赵欣和龙如银(2010)[2]通过建立江苏省碳排放增量的因素分解模型，首次定量分析了产业结构对江苏省碳排放增量的影响。而郭朝先(2012)[3]在定量分析我国产业结构变动对碳排放影响的基础上，对未来产业结构变动对中国碳减排的影响作出预测。除了LMDI法，SDA法在研究中也被广泛使用。Liaskas et al.(2000)[4]以欧盟的碳排放为研究对象，运用SDA法研究产业结构对碳排放的影响。刘红光等(2010)[5]在区域投入产出表的基础上,对区域产业结构调整的碳减排效果进行分析。而徐大丰(2011)[6]通过计算不同行业的碳排放影响力系数，从产业内角度提出产业结构调整的具体建议。随着研究的深入，越来越多的计量方法被应用到产业结构升级和碳减排关系的实证分析中。Talukdar和Meisner(2001)[7]以44个发展中国家的面板数据为基础，使用随机效应模型进行回归分析。谭丹等(2008)[8]、刘再起和陈春(2010)[9]、陈兆荣(2011)[10]分别运用灰色关联度法、似不相关回归方法和方差分解法研究产业结构和碳排放间的关系。吴振信等(2012)[11]在环境库兹涅茨曲线的基础上建立个体固定效应模型，牛鸿蕾和江可申(2013)[12]基于STIRPAT扩展模型，陶长琪等(2015)[13]基于面板向量自回归模型(PVAR)，都对中国产业结构调整的碳排放效应进行了研究。

在产业结构和碳排放关系的问题上，国内外学者通过大量研究，已形成较为完善的理论与实证框架，为本文提供了借鉴和参考。虽然研究方法不同，但得出的结论大多一致：经济增长、能源消耗、人口数量、技术进步和产业结构等是影响碳排放的重要因素，产业结构升级能够在一定程度上降低碳排放。但现有研究结果仍有一定局限性：首先，在研究产业结构和碳排放关系时，忽略了产业结构升级的空间溢出效应。其次，既有研究大多仍停留在三次产业层面，对产业内部结构研究较少。最后，许多文献仅使用第三产业占GDP的比重来表示产业结构高级化水平，未对产业结构升级进行有效衡量。因此，本文选取我国2005-2014年的省际面板数据，构建一个产业结构高级化指标，运用空间杜宾模型，着重考察了产业结构升级对碳排放的影响。

二 中国产业结构升级和碳排放的空间相关性检验

(一)产业结构升级和碳排放的测度

1.碳排放量的测度

关于碳排放量，我国暂时没有官方公布的统计数据，只能进行粗略估算。通用的计算方法为活动水平和排放因子的乘积。根据2006年《IPCC国家温室气体指南》，有三类排放因子可以选择：(1)IPCC缺省排放因子；(2)国别排放因子；(3)利用模型工具的复杂方法。本文借鉴陈诗一(2009)[14]、王锋等(2010)[15]、王群伟等(2010)[16]等的衡量方法 ，用化石燃料消费量及缺省排放因子来计算碳排放量，具体公式如下：

(1)

其中,CC为碳排放量，Ei为i类能源的消费量，δi为第i类能源的碳排放系数*碳排放系数=缺省碳含量×缺省碳氧化率×平均低位发热量。。在计算碳排放量的基础上，根据碳排放量和CO2排放量之间的转换公式：CCO2=CC×44/12,即可计算出CO2的排放量。

表1 各类能源的碳排放系数表

(续上表)

燃料类型缺省碳含量(kgc/GJ)缺省碳氧化率平均低位发热量(KJ/kg，m3)碳排放系数(kgc/kg，m3)煤油196143070084417柴油202142652086157燃料油211141816088232天然气153138931059564液化石油气172150179086308其他石油制品200141816083632

注：数据根据《2006年IPCC国家温室清单指南》和《中国能源统计年鉴》计算所得。

2.产业结构升级的测度

20世纪末，邓伟根(1990)[17]首次提出产业经济至少包括产业结构和产业组织两个部分，开启了国内学者研究产业结构的大门，其在后续研究中，运用产业转型系数分析了产业转型对经济增长速度和质量的影响(凌文昌和邓伟根，2004)[18]。在衡量产业结构升级时，既有研究主要采用非农产业的比重、第三产业与第二产业的比值、高技术产业占工业增加值的比重等简单方法，因而难以对产业结构升级进行全面而准确的衡量。本文参考付凌晖(2010)[19]的方法来衡量产业结构升级：首先根据三次产业划分，计算出各产业增加值占GDP的比重，并将其构成一组三维向量X0=(x1, 0,x2, 0,x3, 0)。然后分别计算X0与X1=(1, 0, 0)，X2=(0, 1, 0)，X3=(0, 0, 1)的夹角θ1，θ2，θ3：

(2)

j=1,2,3；最后据此定义产业结构高级化值S：

(3)

S越大，表明产业结构高级化水平越高。

(二)中国产业结构升级和碳排放的空间自相关检验

1.Moran’I检验

空间自相关检验分为全局空间自相关检验和局域空间自相关检验。前者可以从总体衡量区域间的空间关联程度，后者反映空间要素的异质性特征。全局空间自相关常用Moran’I来衡量。其计算方法可以表示为：

(4)

局域空间自相关常用局域Moran’I衡量，对于某一区域i，计算公式为：

(5)

2.产业结构升级和碳排放的全局空间自相关检验结果

产业结构升级和碳排放的全局空间自相关检验结果见表2。由表2可知，在样本期间内，产业结构升级和碳排放的Moran’I值均为正，产业结构升级的Moran’I值呈上升趋势，但2005-2008年的结果没有通过5%的显著性检验，说明产业结构升级的空间自相关性近年来不断增强，产业结构高级化程度较高的省份在地理空间上相对邻接，而高级化程度较低的省份也相互靠近。碳排放的Moran’I值始终保持在0.3左右，且显著性水平都小于1%，表明碳排放在空间分布上表现出显著的集聚特征，一省的碳排放能够通过空间溢出效应对周边省份的碳排放产生显著影响。

表2 产业结构升级和碳排放全局空间自相关检验结果

3.碳排放的局域空间自相关检验结果

基于式(5)，绘制2005、2008、2011和2014年我国碳排放的LISA集聚图(图1-图4)。具体而言，“热点区”主要分布在山东、山西、河北、河南、江苏、内蒙古、吉林等地，地理位置相对集中，其省内和周边省份的碳排放水平都较高。而新疆、四川等省区自身和周围的碳排放水平都较低，属于“盲点区”。在“热点区”和“盲点区”的省区，都存在较强的空间正相关性。而在以安徽为代表的LH区域和以广东为代表的HL区域，其省内碳排放水平与周围差距较大，具有负的空间自相关性。可见，省际碳排放在空间分布上具有一定的相关性和异质性。

图1 2005年我国碳排放的LISA集聚图 图2 2008年我国碳排放的LISA集聚图

图3 2011年我国碳排放的LISA集聚图 图4 2014年我国碳排放的LISA集聚图

根据产业结构升级和碳排放的空间相关性检验结果，提出研究假说：产业结构升级能够促进本地区的碳减排，也能通过空间溢出效应促进周边地区的碳减排。

三 中国产业结构升级对碳减排影响的实证分析

(一)模型的构建

1.基本模型

Kaya恒等式最早由日本学者Kaya(1989)[20]提出，它揭示了人口、经济、能源与碳排放之间的关系，被广泛用于碳排放影响因素的分析中。在最新的研究中，Robalino-Lópezaetal.(2016)[21]、Mavromatidisetal.(2016)[22]、戴小文等(2015)[23]、刘丙泉等(2016)[24]也将Kaya恒等式作为分析碳排放影响因素的重要工具。其最初表达式如下：

(6)

其中，C表示CO2排放量，E表示一次能源消费总量，GDP为国内生产总值，P为人口数量，表明碳排放与能源消费结构、经济增长和人口规模密切相关。本文在Kaya恒等式的基础上，引入能源消费结构、经济增长、人口规模和FDI等作为控制变量，建立一个基本的面板模型。为消除异方差，对模型进行对数化处理，得到表达式如下：

(7)

其中，i和t分别表示省份和年份，C表示CO2排放量，CE表示清洁能源消费量占能源消费量的比重，GDP为国内生产总值，P为人口数量，S代表产业结构高级化值，F代表FDI占GDP比重，e为随机扰动项。

2.空间杜宾模型

空间计量模型包括空间滞后模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)。空间滞后模型主要研究各变量在某一地区内是否具有空间溢出效应，空间误差模型主要度量相邻地区关于因变量的误差冲击对本地区的空间影响。比较而言，空间杜宾模型最大的区别在于同时考虑自变量和因变量的空间相关性，可以考察因变量受到本地区自变量及周边地区自变量和因变量的影响，其基本表达式如下：

Y=ρWY+βX+θWX+e

(8)

其中，Y表示因变量，X表示自变量，W为空间权重矩阵，WY和WX为空间滞后变量，e为随机扰动项，且服从正态分布。

基于空间杜宾模型，得到最终表达式如下：

(9)

3.权重矩阵的构建

空间权重矩阵是衡量空间单元间关联程度的重要指标，常见的空间权重矩阵包括基于邻接标准和基于距离标准两类。本文基于邻接标准，根据空间中不同区域的相对位置，构建一个0-1邻接权重矩阵Wij=(wij)n×n。若两地区相邻，则wij取1，若两地区不相邻，则取0。

(二)数据来源与变量说明

本文以2005-2014年中国30个省(市、自治区)的面板数据为研究对象。由于部分数据缺失，研究样本不包括港澳台及西藏地区。主要数据来源于《中国统计年鉴》、《中国能源统计年鉴》和中国经济与社会发展统计数据库。相关变量具体说明如下：

(1)CO2排放量Cit：表示i省t年的CO2排放量，单位为万吨。由式(1)计算所得，其中，各省能源消费量数据来源于《中国能源统计年鉴》。

(2)能源消费结构CEit：表示i省t年清洁能源消费量占能源消费量的比重。CEit与碳排放呈负相关关系，其原始数据来源于《中国能源统计年鉴》。其中，清洁能源消费量为天然气消费量、一次电力及其他能源消费量之和。

(3)人均国内生产总值GDPit/Pit：表示i省t年的人均GDP，单位为元/人。环境库兹涅茨曲线表明经济增长与碳排放间存在倒U型曲线关系：一方面，经济增长通过投入的增加，对碳排放产生促进作用；另一方面，随着国民收入的提高，研发支出会上升，进而推动技术进步，降低单位产出的碳排放。本文以2005年的不变价计算出各省实际GDP，除以年末常住人口得到实际人均GDP。

(4)人口数量Pit：表示i省t年的人口数量，单位为万人。人口规模对碳排放具有正向影响。人口规模越大，高碳产品的需求量越多，碳排放也越大。各省的人口数量数据来源于《中国统计年鉴》。

(5)产业结构高级化值Sit：表示i省t年的产业结构高级化值。Sit对碳排放具有负向影响，各省三次产业增加值数据来源于《中国统计年鉴》，根据式(2)、式(3)计算得到Sit。

(6)FDI占GDP的比重Fit:表示i省t年外商直接投资占GDP的比重。FDI的流入能够通过技术溢出效应对碳减排产生促进作用。各省FDI的原始数据来自《中国统计年鉴》和各省的统计年鉴。

(三)实证结果分析

1.全国层面分析

表3给出了全国层面不同模型的回归结果。与SAR、SEM比较而言，SDM的拟合优度R2和对数似然值LogL都有所提高，离散度Sigma2相对变小，因此选择SDM作为本文实证研究的最优模型。SDM的空间相关系数ρ为0.391，通过了1%的显著性检验，说明我国省际碳排放之间存在正的空间自相关性，与全局Moran’I检验结果相一致。

表3 全国层面不同模型回归结果比较

注： *、**、***表示参数估计值在10%、5%、1%的水平上显著。

由于SDM的回归系数并不能有效反映自变量和因变量的关系，因此需进一步通过直接效应、间接效应和总效应来考察。表4给出了全国层面SDM的直接效应、间接效应和总效应。

表4 全国层面SDM的直接效应、间接效应和总效应

(续上表)

变量回归系数直接效应间接效应总效应lnp0498∗∗-01300368(195)(-020)(060)lns0210-4960∗∗-4750∗(024)(-236)(-195)lnf-0063∗∗∗-0154∗∗∗-0217∗∗∗(-411)(-299)(-358)

注：括号内为t值；*、**、***表示参数估计值在10%、5%、1%的水平上显著。

(1)产业结构升级。产业结构升级对碳排放的直接效应不显著，且回归符号与预期不符。本文认为其原因可能是，产业结构升级对碳排放的影响是能源利用效率、能耗结构、技术进步等共同作用的结果，具有门槛效应。在到达门槛值之前，产业结构升级的碳减排效应可能并不显著，甚至出现促进碳排放的现象。一旦突破门槛值，产业结构升级将会显著减少碳排放。间接效应回归系数为-4.960，通过了5%的显著性检验，说明一省产业结构升级，能够通过技术交流等方式，带动周边省份产业结构的升级优化，间接促进周边省份的碳减排，与研究假设相符。总效应回归系数为-4.750,且通过了10%的显著性水平检验，说明在全国层面上，产业结构升级与碳排放总体呈负相关关系，即产业结构升级在一定程度上能够减少碳排放。但其显著性水平不高，表明我国产业结构升级的碳减排效应还没有得到充分发挥。造成这一现象的原因可能是，我国产业结构和工业结构的非同步发展。从产业结构来看，我国第三产业增加值占GDP比重已经超过第二产业，步入工业化后期。但从工业结构来看，我国制造业增加值占总商品增加值比重依旧不高，一直没有进入以技术密集型加工工业为重心的时期，高能耗、高排放、高污染问题依然严重。工业结构的落后，导致产业结构升级的碳减排效应难以充分实现。

(2)能源消费结构。能源消费结构对碳排放直接效应和间接效应的回归系数分别为-0.212和-0.349，均通过了显著性检验。说明提高清洁能源消费比重将有助于改善能源消费结构，进而减少本省碳排放。同时，通过清洁能源技术的交流传播，周边省份的碳排放也将显著减少。

(3)人均GDP。人均GDP对碳排放直接效应的回归系数在1%的水平上显著为正，说明经济增长对本省碳排放存在明显的促进作用。在全国层面上，经济增长对环境的负面影响仍大于正面影响，经济增长的碳减排效应没有得到充分发挥。间接效应回归系数在5%的水平上显著为负，表明经济增长能够减少周围省份的碳排放，与预期不符。本文认为，一省经济的高速增长，可能会吸引周围省份资源要素的流入，进而导致本省碳排放的增加和邻近省份碳排放的减少。

(4)人口规模。人口规模对本省碳排放具有显著的促进作用，说明人口规模越大的省份，对高碳产品的需求量也越大，碳排放也相对较多。人口规模对周边省份碳排放的影响为负，但没有通过显著性检验，这表明人口规模对周围省份碳排放影响不大，不符合预期。本文认为，高碳产业的迁入受到成本、政府环境规制等多种因素制约。在经济发达的地区，高碳产品需求量较大，但准入门槛较高；在经济相对落后的地区，准入门槛降低，但需求量较少。因此，高碳产业将不会迁入。

(5)引入外资情况。Fit直接效应和间接效应的回归系数在1%的水平上都显著为负，表明FDI占GDP比重越高，越有助于促进本省和周围省份碳减排。

2.区域层面分析

本文将我国的省域划分为四大区域*东部地区包括：北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南。中部地区包括：山西、安徽、江西、河南、湖北和湖南。西部地区包括：内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆。东北地区包括：辽宁、吉林和黑龙江。，表5给出了区域层面SDM回归结果。R2、LogL和Sigma2表明，四个模型均具有较高的拟合优度。东部、西部地区的ρ为正，且东部地区大于西部地区，符合局域空间自相关检验结果。中部地区既包括山西、河南等碳排放大省，也包括安徽、江西等碳排放较小的省份，各省之间碳排放水平差距较大，因此ρ为负值。但东部、中部、西部地区均没有通过显著性检验，说明在区域层面上，碳排放的空间自相关性并没有预期显著。比较而言，东北地区无论是在地理上还是在经济上都具有极强的关联性，所以ρ在1%的水平上显著为正。

表5 区域层面SDM回归结果

(续上表)

变量回归系数东部中部西部东北R-squared0877093008960981Log-likelihood11925210236811167181220Sigama20005∗∗∗0001∗0008∗∗∗0001∗

注：括号内为t值；*、**、***表示参数估计值在10%、5%、1%的水平上显著。

表6给出了区域层面SDM的直接效应、间接效应和总效应。可见，各变量对碳排放的影响在区域层面上存在一定的差异性。

(1)产业结构升级。各区域产业结构升级对碳排放总效应的系数分别为-9.027、-0.836、-7.223、-3.934，仅中部地区没有通过显著性检验。说明区域内产业结构升级对碳减排具有促进作用，其中东部地区的碳减排效应最强，西部、东北地区次之，中部地区最弱。中部地区不显著，可能是因为山西、河南等能耗大省产业结构升级缓慢，在一定程度上抵消了其他省份产业结构升级的碳减排效应。间接效应系数分别为-10.069、-0.906、-3.690、-3.745，中西部地区都没有通过显著性检验。结果表明，东部、东北地区经济经过多年的发展，产业结构升级已突破门槛值，周边省份的碳排放随着技术溢出效应而逐渐降低。相反地，中西部地区产业结构升级缓慢，技术溢出效应还未形成，因此对周围省份的影响不显著。

(2)能源消费结构。东部地区能源消费结构的直接效应系数在1%的水平上显著为负，但其它地区均没有通过显著性检验。本文认为，相较于东部地区，其它地区清洁能源消费量较少，清洁能源占能源消费量比重变化不大，因此回归结果不够显著。东部地区能源消费结构的间接效应系数在1%的水平上显著为负，说明东部地区能源消费结构的改善能够减少周围省份的碳排放，符合预期。东部地区科研能力相对较强，清洁能源技术发展较快，能够通过技术交流等方式将清洁能源技术推广至周围省份，进而降低其碳排放。其它地区没有通过检验，说明其清洁能源技术的发展和东部地区仍有一定差距。

(3)人均GDP。东西部地区经济增长的直接效应系数在1%的水平上显著为正，说明区域层面上经济增长将增加本省碳排放，与全国层面分析所得结论一致。东部地区经济增长的间接效应系数在1%的水平上也显著为正，说明东部地区经济增长促进了周边省份的碳排放。本文认为，扩散效应使生产要素从发达地区逐渐向周边辐射，在促进周边省份经济发展的同时也增加其碳排放。而中西部、东北地区的发展程度不及东部地区，其回波效应仍大于扩散效应，因此回归结果并不显著。

(4)人口规模。直接效应回归结果表明，西部和东北地区人口规模的扩大能够显著增加本省碳排放；而东部和中部地区的系数为负，即人口增加能够减少碳排放，显然与事实不符。究其原因，可能是因为人口规模扩张和高碳产品需求量的增加不成正比。随着人们环保意识提高，东部各省对高碳产品的需求已呈下降趋势；而中部地区有山西、内蒙古等煤炭输出大省，其省内对高碳产品的需求增长动力不足，因此回归结果呈负相关关系。间接效应回归结果表明，东部、西部地区人口增长对周围省份的碳排放并未产生显著的空间溢出效应，与全国层面分析所得结果一致。东部地区具有严格的政府环境规制，而西部地区高碳产品需求不大，且具有较高的迁入成本，因此回归结果不显著。而东北地区的回归结果为正，其原因可能是东北三省无论在地理上还是在经济上都联系紧密，一省人口规模的扩大能够同时增加本省和周围省份的碳排放。

(5)引入外资情况。各区域引入外资情况对碳排放直接效应的系数分别为0.043、0.006、-0.055、-0.024，回归系数普遍偏小，仅西部地区通过了显著性检验，说明FDI在区域层面上对本省碳排放的影响并不显著。FDI既能通过技术溢出效应对碳减排产生正面影响，也能通过规模效应、高碳产业的转移对碳减排产生负面影响。各省在外资引入和使用的差异，导致其对碳排放的影响也不尽相同，因此回归结果不够显著。间接效应系数分别为0.073、-0.090、-0.099、-0.229，均通过了10%的显著性检验，表明中西部地区和东北地区FDI的流入能够促进周边省份的碳减排，符合预期。但东部地区的系数为正，可能是因为FDI的流入，同时促进了周边省份的经济增长，使得FDI的规模效应大于技术效应，所以碳排放也相应增加。

表6 区域层面SDM的直接效应、间接效应、总效应

(续上表)

变量效应回归系数东部中部西部东北lnf直接效应00430006-0055∗∗-0024(148)(021)(-219)(-046)间接效应0073∗-0090∗-0099∗-0229∗∗(174)(-174)(-165)(-221)总效应0116∗-0084-0154∗∗-0253∗∗(200)(-157)(-199)(-208)

注：括号内为t值；*、**、***表示参数估计值在10%、5%、1%的水平上显著。

四 结论与政策含义

(一)主要结论

在检验碳排放空间相关性的基础上，选取我国2005-2014年的省际面板数据，运用空间计量模型，从全国层面和区域层面对我国产业结构升级的碳减排效应进行实证分析，主要得到以下结论：

(1)从全国层面来看，产业结构升级能够减少碳排放，且具有显著的空间溢出效应，但受制于工业结构落后等因素，产业结构升级的碳减排效应还有待进一步激发。从区域层面来看，产业结构升级对碳减排同样具有促进作用。其中，东部地区最强，西部和东北地区次之，中部地区最弱。在空间溢出效应方面，东部和东北地区产业结构升级能够减少周围省份的碳排放，而中西部地区产业结构升级对周围省份碳减排的影响不显著。

(2)在全国层面上，能源消费结构的改善和FDI的流入能够减少本省及周围省份的碳排放，而经济增长和人口规模扩大在增加本省碳排放的同时却对周围省份的碳排放产生抑制作用。在区域层面上，各控制变量对碳减排的直接效应和间接效应具有明显的差异性。

(二)政策含义

根据研究结论及中国当前的产业发展实际，提出政策建议如下：

(1)加强区域合作。由于产业结构升级具有正的空间自相关性，且在全国层面上，产业结构升级能够促进周围省份的碳减排，因此各省在制定产业发展战略时，应从区域整体视角出发，加强区域内的合作，最大限度发挥产业结构升级的空间溢出效应，促进区域内各省碳排放水平的共同降低。

(2)加快工业结构转型升级。全国层面的分析表明，虽然产业结构升级能够减少碳排放，但是其碳减排效应并不显著。本文认为，工业结构落后是制约其碳减排效应发挥的重要原因。产业结构的升级，不能单纯看第三产业的发展。如果没有工业发展作为支撑，第三产业的快速增长必将导致过度投资、重复建设、恶性竞争等问题，使我国陷入中等收入陷阱，阻碍经济的可持续发展。因此，要充分发挥产业结构升级的碳减排效应，在鼓励第三产业发展的同时，必须进一步促进第二产业从低端制造业向高技术产业、装备制造业转型升级，从劳动密集型、资本密集型产业向技术密集型和知识密集型产业过渡，加快工业结构的转型升级，使产业规模的扩大与质量的提升相匹配。

(3)结合区域特点，在区域间制定不同的产业政策。区域层面的分析表明，产业结构升级的碳减排效应在区域间存在明显差异。东部和东北地区产业结构升级能够促进周围省份的碳减排，具有显著的空间溢出效应，而中西部地区则没有。因此，对于东部和东北地区而言，应提高产业的准入标准，限制高消耗、高排放产业的迁入，同时大力发展高新技术产业，保持产业结构升级空间溢出效应的持续发挥。对于中西部地区，现在正处于承接产业转移的重要阶段。在承接产业转移的过程中，不能盲目接收所有产业，应结合区域特点制定相应的产业政策，有目的性地进行产业结构调整，加快自身产业结构升级，发挥产业结构升级的碳减排效应。

[1] 林伯强, 蒋竺均. 中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J]. 管理世界, 2009, (4): 27-36.

[2] 赵欣, 龙如银. 江苏省碳排放现状及因素分解实证分析[J]. 中国人口·资源与环境, 2010, 20(7): 25-30.

[3] 郭朝先. 产业结构变动对中国碳排放的影响[J]. 中国人口·资源与环境, 2012, 22(7): 15-20.

[4] Liaskas, K., Mavrotas, G., Mandaraka, M., et al.. Decomposition of Industrial CO2Emissions: The Case of European Union[J].EnergyEconomics, 2000, 22(99): 383-394.

[5] 刘红光, 刘卫东， 唐志鹏等. 中国区域产业结构调整的CO2减排效果分析——基于区域间投入产出表的分析[J]. 地域研究与开发, 2010, 29(3): 129-135.

[6] 徐大丰. 碳生产率、 产业关联与低碳经济结构调整——基于我国投入产出表的实证分析[J]. 软科学, 2011, 25(3): 42-46.

[7] Talukdar, D., Meisner, C. M.. Does the Private Sector Help or Hurt the Environment？Evidence from Carbon Dioxide Pollution in Developing Countries[J].WorldDevelopment, 2001, 29(5): 827-840.

[8] 谭丹, 黄贤金, 胡初枝. 我国工业行业的产业升级与碳排放关系分析[J]. 四川环境, 2008, 27(2): 74-78.

[9] 刘再起, 陈春. 低碳经济与产业结构调整研究[J]. 国外社会科学, 2010, (3): 21-27.

[10] 陈兆荣. 我国产业结构高级化与碳排放量关系的实证研究[J]. 湖北经济学院学报, 2011, 9(4): 77-81.

[11] 吴振信, 谢晓晶, 王书平. 经济增长、 产业结构对碳排放的影响分析——基于中国的省际面板数据[J]. 中国管理科学, 2012, 20(3): 87-89.

[12] 牛鸿蕾, 江可申. 中国产业结构调整的碳排放效应——基于STIRPAT扩展模型及空间面板数据的实证研究[J]. 技术经济, 2013, 32(8): 53-62.

[13] 陶长琪, 彭永樟, 琚泽霞. 经济增长、 产业结构与碳排放关系的实证分析——基于PVAR模型[J]. 经济经纬, 2015, (4): 126-131.

[14] 陈诗一. 能源消耗、 二氧化碳排放与中国工业的可持续发展[J]. 经济研究, 2009, (4): 41-55.

[15] 王锋, 吴丽华, 杨超. 中国经济发展中碳排放增长的驱动因素研究[J]. 经济研究, 2010, (2): 123-136.

[16] 王群伟, 周鹏, 周德群. 我国二氧化碳排放绩效的动态变化、 区域差异及影响因素[J]. 中国工业经济, 2010, (1): 45-54.

[17] 邓伟根. 产业经济: 结构与组织[M]. 广州: 暨南大学出版社, 1990.

[18] 凌文昌， 邓伟根. 产业转型与中国经济增长[J]. 中国工业经济， 2004， (12)： 20-24.

[19] 付凌晖. 我国产业结构高级化与经济增长关系的实证研究[J]. 统计研究, 2010, 27(8): 79-81.

[20] Kaya, Y.. Impact of Carbon Dioxide Emission on GNP Growth: Interpretation of Proposed Scenarios[R]. Paris: IPCC Energe and lndustry Subgroup, 1989.

[21] Robalino-López, A., García-Ramos, J. E., Golpe, A. A., et al.. CO2Emissions Convergence among 10 South American Countries. A study of Kaya Components (1980-2010)[J].CarbonManagement, 2016, 7(1-2): 1-12.

[22] Mavromatidis, G., Orehounig, K., Richner, P., et al.. A Strategy for Reducing CO2, Emissions from Buildings with the Kaya Identity——A Swiss Energy System Analysis and a Case Study[J].EnergyPolicy, 2016, 88(12): 343-354.

[23] 戴小文, 何艳秋, 钟秋波. 基于扩展的Kaya恒等式的中国农业碳排放驱动因素分析[J]. 中国科学院大学学报, 2015, 32(6): 751-759.

[24] 刘丙泉, 程凯, 马占新. 城镇化对物流业碳排放变动影响研究[J]. 中国人口·资源与环境, 2016, 26(3): 54-60.

[责任编辑：陈 林]

Research on the Impact of Industrial Structure Upgrading on Carbon Emission Reduction in China

LI Bin ZHANG Xiao-dong

Based on the constructed industrial structure upgrading index and results of spatial correlation test of carbon emissions, we selects the 2005-2014 provincial panel data to analyze the carbon emission effect of Chinese industrial structure upgrading from the national level and regional level. The results show that the upgrading of the industrial structure can reduce carbon emissions, but subject to the backward industry structure, the carbon emission reduction effect of the industrial structure upgrading in China still needs to further stimulate; In region, spatial spillover effects of industrial structure upgrading on carbon emissions have significant spatial heterogeneity. Based on the above research,this paper provides the relevant policy.

carbon emission reduction; industrial structure; industrial upgrading; Spatial Durbin Model

2016-11-03

湖南省科技厅创新项目“我国基本公共服务均等化的评价体系及其应用研究”(项目编号：CX2016B142，项目负责人：李拓)；国家软科学重大项目“科技促进经济发展方式转变的评价方法和体系研究”(项目编号：2011GXS1B001，项目负责人：李斌)。

李斌，管理学博士,湖南大学经济与贸易学院教授，研究方向:物流管理，计量经济学；张晓冬，湖南大学经济与贸易学院硕士研究生，研究方向：产业经济。

F426

A

1674-8298(2017)02-0079-14