SCI论文（www.lunwensci.com）:
摘要：实证研究结果表明，1997—2016 年，我国的碳排放量、城镇化与技术创新之间存在着长期稳定的均衡关系。当变量的短期波动使得系统偏离其长期均衡状态时，未来这一偏离度将有约 62.8％得到纠正， 使非均衡状态调整为均衡状态。分析脉冲响应得出，碳排放量对技术创新冲击的反应呈现负向的作用，而对城镇化冲击的反应是正向的。也就是说，技术创新有利于实现碳减排，促进低碳经济发展，而不合理的城镇化会使碳排放量增加，阻碍低碳经济发展。
关键词：城镇化；技术创新；低碳经济；时间序列
一、引言
当前，全球气候变暖已成为人类社会必须关注的重大问题。 国际社会对碳减排的呼声越来越高，而低碳经济的发展成为实现碳减排、应对全球变暖的主要途径。
我国实行改革开放 40 年来， 经济实现了巨大成绩，GDP 平均年增长率接近甚至超过了 10％。 但是，粗放式的经济增长方式也使我国正面临着严重的环境问 题，制约着我国经济的可持续发展。 目前， 我国已成为世界第一大碳排放国。 同时，随着我国城镇化进程的推进， 一方面， 使得人们的收入水平得以提高， 生活条件得以改善； 另一方面， 也造成了城市土地资源紧张、资源能源枯竭、环境破环等问题。
因此，我国发展低碳经济具有十分重要的意义。 从国际角度来说，走低碳经济的道路，是我国作为最大的发展中国家必须承担的全球碳减排的责任。 从我国自身的角度来说， 发展低碳经济， 一方面， 通过技术创新等手段，改变现有的经济增长方式和人们的生活方式， 从依赖资源能源的生产方式， 向依靠技术创新的生产方式转变， 从而实现社会与经济可持续发展； 另一方面，城市的环境问题与城市发展之间的矛盾日益突出， 发展低碳经济， 研究低碳经济与城镇化之间的关系具有重要的现实意义。
二、文献综述
低碳经济的发展是国内外学者较为关注的主题。
迄今为止，国内外关于低碳经济的研究成果颇多。 而碳排放的研究是低碳经济研究的领域之一， 国内外学者对其进行了大量的探讨。
（一）碳排放的测算
王安静等（2017） 通过投入产出表， 对我国 30 个省域的生产者责任和消费者责任 CO2 排放量、 各省域的净碳转移量，以及进出口隐含碳排放、碳转出量进行了 测算。 [1]
王丽萍等 （2018） 测算了我国 1997—2014 年物流业的直接能源消耗碳排放和隐含碳排放。 [2]
Su B 等（2013） 利用投入产出法， 计算了中国进出口贸易中的隐含碳排放量。 [3]
（二）碳排放与经济增长
李爱华等（2017）论证了在科技水平不变的情况下，经济增长与碳排放呈正相关关系， 并论证了经济增长与碳排放的一致性模型和解决方法。 [4]
Saidi K 等（2015）根据 1990—2012 年 58 个国家的面板数据，研究了能源消耗、碳排放和经济增长之间的关系。 [5]
（三）碳排放的影响因素
韩梦瑶等（2017） 利用变系数面板模型， 比较了我国与世界主要国家碳排放影响因素的相同点和不同 点。 [6]
陈邦丽等（2018） 利用我国 2005—2011 年 29 个省份的面板数据，通过扩展 STIRPAT 模型，研究了我国碳排放的影响因素。 表明人均 GDP、城市化水平、第二产业比重会促进碳排放，而外商直接投资、创新水平会抑制碳排放。 [7]
Brizga J 等（2014）运用 SDA 的方法，探讨了人口规模、碳排放强度、经济结构、消费方式、人均能源消费量对碳排放的影响。 [8]
三、变量选取与样本选择
（一）变量选取与测度
1.变量选取
为了对我国城镇化、 技术创新与低碳经济之间的关系进行实证研究， 选取的时间序列数据为， 城镇化
（CZH）、技术创新（JC）、碳排放量（TP）3 个指标。
2.变量测度
采用城市人口比重法，来衡量城镇化水平； 采用研究与试验发展经费支出占 GDP 的比重， 来衡量我国的技术创新能力和水平；对碳排放量的测度， 主要参考了徐雪梅等（2012）的研究。 [9]
由于化石能源消费是造成碳排放的主要原因， 而化石能源主要包括煤炭、石油和天然气。 因此，以煤炭、石油和天然气的消费实物量为基础，计算碳排放量。 具体计算公式为：
Qt＝IfEf＋mEm＋δwEw
其中，Qt 为碳排放量，If、m、δw 分别为煤炭、 石油、天然气的碳排放系数，Ef、Em、Ew 分别为煤炭、石油、天然气的消费实物量。 根据 IPCC 指南，If、m、δw 分别为 0.76、0.59、0.45。 而 Ef ＝αEt/0.71，Em ＝βEt/1.43， Ew＝γEt/1.7。
其中，Et 为能源消费总量，α、β、γ 分别为煤炭、石油、天然气占能源消费总量的比重，0.71、1.43、1.7 分别为煤炭折标准煤系数、石油折标准煤系数、天然气折 标准煤系数。
（二）样本选择与数据来源
1.样本选择
选取我国 1997—2016 年的相关数据， 对城镇化、技术创新与低碳经济之间的关系进行实证研究。
2.数据来源
本研究的数据来源于 1997—2016 年《中国统计年鉴》《中国能源统计年鉴》。
四、实证结果分析
运用 Eviews9 软件， 对上述时间序列数据进行分析， 并构建相关模型， 得出相应的结论， 并对实证结果进行分析。
（一）ADF 检验
为了防止伪回归现象出现， 首先对时间序列数据进行平稳性检验。 检验结果，如表 1 所示。
从表 1 可看出，TP、JC、CZH 的 ADF 检验统计量，均大于所有显著性水平下的 T 检验特征值， 相对应的P 值大于显著性水平 1％、5％、10％。 因此，不能拒绝原假设，这 3 个序列是非平稳的， 要对其一阶差分序列进行平稳性检验。 如表 2 所示。
从表 2 可看出，TP、JC、CZH 的一阶差分 D（TP）、D（JC）、D（CZH） 的 ADF 检验统计量， 均大于所有显著性水平下的 T 检验特征值， 其对应的 P 值大于显著性水平 1％、5％、10％。 因此，不能拒绝原假设，这 3 个序列仍是不平稳的，因其不满足同阶单整， 因此要继续对其二阶差分序列进行平稳性检验。 如表 3 所示。
从表 3 可看出，TP、JC、CZH 的二阶差分 D2（TP）、D2（JC）、D2（CZH）的 ADF 检验统计量，均小于所有显著性水平下的 T 检验特征值， 相对应的 P 值小于显著性水平 1％、5％、10％， 所以拒绝原假设。 TP、JC、CZH 二阶差分后的序列是平稳的， 也就是说 TP、JC、CZH～I（2），所以，TP、JC、CZH 是同阶单整的。
（二）协整关系检验
通过对碳排放量、技术创新与城镇化 3 个时间序列进行单位根检验，表明这 3 个变量的时间序列是二阶单整的，满足协整关系的前提.说明这 3 个变量之间可能存在长期稳定的均衡关系，因此需要进行协整检验。
由于本研究是检验多变量协整关系，所以采用 Jo- hansen 协整检验法进行检验。 在进行协整检验之前，需要建立 VAR 模型，确定最优的滞后期。 通过 Eviews9 软件计算分析得到， 通过运行结果中评价指标的相对最小值来确定最优的滞后期。
由 VAR 模型确定的滞后期，如表 4 所示。
从表 4 可看出，5 个评价指标（LR、FPE、AIC、SC、 HQ） 均认为应建立 VAR（4）模型，确定的最优滞后期为 4。因为协整检验选择的滞后阶数为，无约束 VAR 模型的最优滞后阶数减 1，所以协整检验的最优滞后阶数为 3。
对 TP、CZH、JC 的长期关系检验结果， 如表 5、表 6
所示。
从表 5、 表 6 可看出，Johansen 协整检验中的迹检验和最大特征值检验的结果， 均显示在显著性水平为5％ 的情况下， 均拒绝了没有协整关系、最多有 1 个协整关系和最多有两个协整关系的原假设， 表明 TP、CZH、JC 之间最多有 3 个协整关系。 说明在近 20 年间， 我国的碳排放量、 城镇化和技术创新之间存在长期稳定的均衡关系。
标准化协整方程为：
TP＝－2491009JC＋1618921CZH（65557.6） （20633.7）
（注：括号内的数字为相应回归系数估计量的标准 差。 ）
由以上公式可知，我国的碳排放量、城镇化与技术创新之间存在长期稳定的均衡关系， 并且在城镇化不变的条件下， 技术创新每增加 1％ ， 碳排放量减少2491009 万吨； 在技术创新不变的条件下， 城镇化每增加 1％，碳排放量增加 1618921 万吨。 因此，长期来看，我国提高技术创新能力能够促进碳排放量减少， 从而促进低碳经济的发展。 而城镇化过度推进，会使城市的环境压力增加、资源能源紧缺，超出环境和资源的最大承载能力，造成碳排放量增加，在一定程度上阻碍低碳经济的发展。 因此，为了促进低碳经济发展，必须适度推进城镇化的进程，大力支持技术创新。
（三）误差修正模型（ECM）
协整检验已表明，碳排放量、技术创新与城镇化之 间存在长期稳定的协整关系。 因此，三者之间可以建立误差修正模型（ECM）， 以说明三者之间的短期波动与长期均衡的关系。
通过 Eviews9 软件的运行，得到误差修正模型：
TPt＝4732979.ΔJCt- 1＋5042476ΔCZHt- 2－ 0.763465ΔTPt- 3－2898784ΔCZHt- 3－2774912ΔJCt- 3－0.628032ECMt- 4
其中，Δ 表示一阶差分，ECMt- 4 表示残差滞后 4 期的值， 表示非均衡误差项或长期均衡偏差项的经验估计，并且在显著性水平为 5％ 的条件下， 误差修正项是显著的。 通过了检验，说明它们之间存在的短期波动关系， 受到了它们之间存在的长期的协整均衡关系的影响作用较大。
误差修正项的系数为－0.628， 反映了系统偏离长期均衡状态时的调整速度， 并且这是一种反向修正机制， 即当变量的短期波动使得系统偏离其长期均衡状态时，则在未来的第四时期，这一偏离度将有约 62.8％ 得到纠正，使非均衡状态调整为均衡状态。
（四）脉冲响应分析
以上已通过建立 VAR 模型，确定了最优滞后期数为 4。 下面进行脉冲响应分析， 图 1～图 6 为通过 E- views9 软件得出的脉冲响应函数图像。
碳排放量对技术创新、城镇化的脉冲响应分析
图 1 为碳排放量对技术创新的一个标准差新息冲击的响应。 在给技术创新一个正冲击后，碳排放量并未立即作出反应，而是在第 3 期才开始作出反应， 并且在整个 30 期的反应均为负值， 表明技术创新能够促进碳排放量减少。 给技术创新一个标准差大小的冲击后， 第三期到第七期曲线是呈下降趋势的， 第七期以后曲线呈上升趋势，并接近 0，但一直是负值。
图 2 为碳排放量对城镇化的一个标准差新息冲击的响应。 在给城镇化一个正向冲击后，我国的碳排放量呈现持久、平稳的正向响应。 碳排放量在第二期开始作出反应，从第二期到第六期是呈现上升的趋势， 第六期以后是呈现下降的趋势，并逐渐趋向于 0。 说明城镇化的不合理推进，会促进碳排放量的增加， 阻碍低碳经济的实现。
从图 1、图 2 可知，技术创新能够降低碳排放量，有利于低碳经济发展。 而不合理的城镇化进程，会超出环境的最大承载能力，促进碳排放量增加， 阻碍低碳经济发展。 但是，从长期来看，在分别给技术创新、城镇化一个标准差大小的冲击后， 碳排放量的反应程度是逐渐减小的。
2.技术创新、城镇化对碳排放量的脉冲响应分析
图 3 为技术创新对碳排放量的反应。 在给碳排放量一个正向冲击后， 短期内技术创新能力呈现负向的反应，而在第四期以后，由负向变为正向。 这是由于在碳排放量增加的初期， 国家对技术创新没有足够的重视，而一项新技术研发面临的风险较大， 所以一国对技术研发的投入较少，创新能力不足。 但是从长期来看， 国家逐步认识到技术创新的重要性， 就会加大对科技研发的支持力度，鼓励创新，从而会促进技术研发投入的增加。 因此，在给碳排放量一个正向冲击后， 技术创新能力表现为先下降后上升的趋势。
图 4 为城镇化对碳排放量的一个标准差新息的响应。 在给碳排放量一个正向冲击后，城镇化在第一期是呈现正向影响的， 在第二、三期是呈现负向影响的， 从第四期开始呈现稳定的正向影响。 长期来看，碳排放量的不断增加，会对城镇化产生正向影响。 这是由于第二产业会产生大量的碳排放， 而第二产业一般是资源密集型和劳动密集型产业。 因此， 随着第二产业的发展， 碳排放量会不断增加， 同时也吸引了大量农村人口进入城市就业，从而提高了城镇化率。
3.城镇化对技术创新、技术创新对城镇化的脉冲响应分析
图 5 为在整个冲击期内， 城镇化对技术创新的一个标准差新息的响应。 在前 7 期内，城镇化对来自技术创新的冲击为正向响应，在第七期以后， 城镇化对来自技术创新的冲击为负向影响。
图 6 为在整个冲击期内， 技术创新对城镇化的一个标准差新息的响应。 在第一期，技术创新对来自城镇化的冲击为正向响应，在第二期到第五期， 技术创新对来自城镇化的冲击为负向响应，第五期以后， 技术创新对来自城镇化的冲击具有显著、稳定的正向响应。
五、结论
根据 1997—2016 年我国城镇化、技术创新、碳排放量的时间序列数据， 运用 Eviews9 软件， 通过单位根检验、协整检验、建立误差修正模型（ECM） 和VAR 模型、脉冲响应分析、方差分解，得出的结论是：
第一、在近 20 年间， 我国的碳排放量、城镇化与技术创新之间存在长期稳定的均衡关系， 并且在长期， 我国技术创新能力的提高，能够促进碳排放量减少， 从而促进低碳经济发展。 城镇化的不合理推进，使得碳排放量增加，阻碍低碳经济发展。 具体来说， 在城镇化不变的条件下， 技术创新每增加 1％ ， 碳排放 量减 少2491009 万吨； 在技术创新不变的条件下， 城镇化每增加 1％，碳排放量增加 1618921 万吨。
第二、通过建立误差修正模型， 可得到误差修正项的系数为－0.628， 即当变量的短期波动使得系统偏离其长期均衡状态时， 在未来的第四时期这一偏离度将有约 62.8％得到纠正，使非均衡状态调整为均衡状态。
第三、通过脉冲响应分析可知， 碳排放量对技术创新冲击的反应呈现负向的作用； 碳排放量对城镇化冲击的反应是正向的； 技术创新对碳排放量冲击的反应在短期是负向的作用，在长期是正向的作用。 城镇化对碳排放量冲击的反应是先正向、后负向、再正向的； 城镇化对技术创新冲击的反应在短期是正向的， 长期是负向的。 技术创新对城镇化冲击的反应在短期是负向的作用，长期是正向的作用。 因此， 技术创新能够降低碳排放量，促进低碳经济发展，而不合理的城镇化进程会增加碳排放量，抑制低碳经济发展。
参考文献：
[1]王安静，冯宗宪，孟渤.中国 30 省份的碳排放测算以及碳转移研究[J].数量经济技术经济研究，2017（8）：89－104. [2]王丽萍，刘明浩.基于投入产出法的中国物流业碳排放测算及影响因素研究[J].资源科学，2018（1）：195－206.
[3]Su B.，Ang B.W.，Low M..Input-output analysis of CO2，emissions embodied in trade and the driving forces：Processing and normal exports[J].Ecological Economics，2013，88（2）：119－125.
[4]李爱华，宿洁，贾传亮.经济增长与碳排放协调发展及一致性模型研究——宏观低碳经济的数理分析[J].中国管理科学，2017（4）：1－6.
[5]] Saidi K. ，Hammami S.. Economic growth ，energy consumption and carbone dioxide emissions ：recent evi- dence from panel data analysis for 58 countries [ J ] . Quality & Quantity ，2015 ，50（1）：1 － 23 .
[6]韩梦瑶，刘卫东，唐志鹏，夏炎.世界主要国家碳排放影响因素分析——基于变系数面板模型[J].资源科学，2017
（12）：2420－2429.
[7]陈邦丽，徐美萍.中国碳排放影响因素分析——基于面板数据 STIRPAT-Alasso 模型实证研究[J].生态经济，2018
（1）：20－24.
[8 ] Brizga J . ，Feng K . ，Hubacek K . . Drivers of greenhouse gas emissions in the Baltic States ：A structural decomposition analysis [ J ] . Ecological Economics ，2014 ，98（2）：22 － 28 .
[9]徐雪梅，王蓓蓓.辽宁碳排放与经济发展关系的实证分析[J].东北财经大学学报，2012（3）：39－45.
《我国城镇化、技术创新 与低碳经济发展的关系实证研究论文》附论文PDF版下载：
http://www.lunwensci.com/uploadfile/2019/0109/20190109013457663.pdf
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/guanlilunwen/2724.html
