誰是綠色城市？-碳排放、家庭與城市發(fā)展

1、誰是綠色城市？碳排放、家庭與城市開展論文摘要：本文利用我國2006年74個主要城市的面板數(shù)據(jù)，對各個城市一個標準家庭的碳排放進行了有效估算并進行排名。結果說明，在以標準家庭碳排放為唯一衡量指標時，淮安和宿遷是最綠色;的城市，大慶和牡丹江是最灰色;的城市；即使在最灰色;的城市大慶，一個標準家庭產生的碳排放量僅是美國最綠色;城市圣地亞哥的1/5；城市人口規(guī)模、人口增長、收入、氣溫和城市化開展模式等因素對碳排放均有影響，家庭碳排放量與一月份平均氣溫顯著負相關。論文關鍵詞：碳排放,標準家庭,估算,氣溫聯(lián)系方式：成都市溫江區(qū)柳臺大道555號西南財經大學博學園B座433. 611130聯(lián)系 ：.誰是綠色城

2、市？摘要：本文利用我國2006年74個主要城市的面板數(shù)據(jù)，對各個城市一個標準家庭的碳排放進行了有效估算并進行排名。結果說明，在以標準家庭碳排放為唯一衡量指標時，淮安和宿遷是最綠色;的城市，大慶和牡丹江是最灰色;的城市；即使在最灰色;的城市大慶，一個標準家庭產生的碳排放量僅是美國最綠色;城市圣地亞哥的1/5；城市人口規(guī)模、人口增長、收入、氣溫和城市化開展模式等因素對碳排放均有影響，家庭碳排放量與一月份平均氣溫顯著負相關。關鍵詞：碳排放；標準家庭；估算；氣溫WhoisTheGreenestCity?CarbonEmissions,HouseholdandUrbanDevelopment中國正處在經

3、濟快速增長、城市化加速、碳排放日益增加相互交織的經濟轉型時期。新中國成立以來，國內生產總值從1952年的679億元上升到2021年的300670億元，年平均增長8.1%，2021年的經濟總量比1952年增加了77倍。城市化水平也從的到12.5%增加到45.68%，中國的城市進入工業(yè)化、城市化快速開展階段，能源消費和相應的碳排放總量也在快速增加。近年來興旺國家的統(tǒng)計數(shù)據(jù)說明，居民生活消費的直接與間接能耗已超過產業(yè)部門，成為碳排放的主要增長點。那么，我國城市居民的能源消耗究竟如何影響碳排放總量？碳排放和城市的開展又存在什么關系？對以上問題的思考和實證研究，不僅能讓我們觀察到我國在城市化進程中碳排放

4、的變化趨勢，還能夠為碳減排機制提供證據(jù)，并以此為理解當代中國城市開展對環(huán)境的影響提供一個新的視角。本文的奉獻在于利用2006年中國城鎮(zhèn)住戶調查的微觀數(shù)據(jù)，對中國74個主要城市家庭的碳排放進行了估算，并根據(jù)結果對城市進行排名。研究結果對評估中國目前城市化進程帶來的環(huán)境后果和制定城市化開展的碳減排政策決策具有參考價值。本文的第一節(jié)介紹了相關的研究背景及所要研究的具體問題，第二節(jié)介紹所使用的數(shù)據(jù)，第三節(jié)論述模型選擇和研究方法，第四節(jié)報告實證研究結果，最后總結研究結論并討論相關政策含義。一、研究背景和研究問題從社會開展過程看，在過去200年間，由于工業(yè)革命導致大規(guī)模的化石燃料使用，全球碳排放量和城市化

5、水平一直同步的增長趨勢；從碳排放源頭看，城市是人口、建筑、交通、工業(yè)、物流的集中地，也是高耗能、高碳排放的集中地。英國80的化石燃料是由建筑和交通消耗的，城市是最大的二氧化碳排放者。在美國，城市家庭碳排放量占國內碳排放總量的40%，而在中國這一比例缺乏20%。但是，當中國從以制造業(yè)為主向效勞業(yè)為主轉型時，碳排放量中家庭的比例將肯定會增加。當中國家庭更加富裕時，他們將消耗更多電力，增加對私家車的需求，會更加推動碳排放的增加。目前關于城市家庭能源消耗對碳排放影響的研究根本都是考慮城市家庭能源消耗的方式、城市空間分布與碳排放關系的根底上進行分析的。城市家庭能源消耗的方式與碳排放關系的研究研究大多采用

6、投入產出模型，分析人的行為方式對能源消費及碳排放的直接影響和間接影響。Schippe等(1989)發(fā)現(xiàn)消費者的行為，如私人汽車、家庭、效勞等，能夠影響大約全部能源消費的4555。Lenzen(1998)、Weber(2000)等分別建立評估模型，實證分析了澳大利亞、德國、法國、荷蘭等國的消費者行為與生活方式因素對能源消費和溫室氣體排放量的影響；Kim(2002)研究了1985至1995年韓國居民消費模式的變化對CO與SO排放的影響，研究結果顯示，居民生活的直接能源消費及對強排放消費品的需求，是影響溫室氣體排放的最主要因素。人口在不同城市的空間分布是碳排放的一個決定性因素。一般情況下，人們普遍認

7、為經濟興旺的城市碳排放明顯偏高，但這種情況在美國并不存在。一個可能的解釋是，經濟興旺的城市可能加大對能源利用的根底設施的投資力度。Auffhammer和Carson2021通過對1985年至2004年中國30個省份面板數(shù)據(jù)的實證研究，研究了國家和地區(qū)碳排放量作為人口規(guī)模與收入的函數(shù)如何變化。Almond等2021)研究發(fā)現(xiàn)，在中國，冬季寒冷的地區(qū)由于需要家庭集中供暖，碳排放量特別高。例如，北京有集中供暖比上海沒有集中供暖碳排放量顯著增多。集中供暖的決定性作用說明，如果政府利用更清潔的能源來提供供暖，城市碳排放就會顯著下降。Glaeser和Kahn(2021)研究發(fā)現(xiàn)氣候適宜的地區(qū)比方加利福尼亞

8、海岸地區(qū)比氣候惡劣的地區(qū)比方德克薩斯州碳排放量明顯降低：孟菲斯一個標準家庭的碳排放比圣地亞哥要多78%。同時發(fā)現(xiàn)人口密度越大的地區(qū)碳排放量越少。國內有關碳排放估算與城市開展的研究比擬少，相關研究仍然處于起步階段。莊貴陽、張偉本文的主要目的是用方程1對樣本城市的標準家庭的碳排放量進行測算，其中E表示碳排放總量，T表示包括私家車、出租車、公交車以及火車在內的交通運輸工具每年的汽油消耗量，然后乘以一個轉換系數(shù)得到碳排放量。例如，1升93號汽油的消耗會帶來2.226千克的碳排放。EL表示住宅耗電量，EL得到住宅耗電帶來的碳排放量。Glaeser和Kahn(2021)發(fā)現(xiàn)在美國，耗電量和炎熱的夏季顯著相

9、關，這可能是由于空調設備高負荷的使用。為了將耗電量轉換成碳排放量，本文使用地區(qū)發(fā)電廠的平均碳排放系數(shù)，其含義是發(fā)電廠1兆瓦時的電力帶來的碳排放量。燃煤發(fā)電廠比使用天然氣或其他可再生能源其中EL是住宅耗電量，CFE是固定效應，I是家庭年收入，HS是住宅面積，AH是戶主年齡(下同，不再贅述)，aa和a是系數(shù)，m是隨機擾動項。表2報告了各個城市具體的固定效應，假設各個城市的家庭人口結構對能源消耗具有相同的邊際效應。表2：能源消耗量回歸結果 赫克曼兩階段 赫克曼兩階段 赫克曼兩階段 赫克曼兩階段 獨立變量 log(ELECQ) log(TAXIQ) CAR_USE log(CARQ|CAR_USE=1

10、) COAL_USE log(COALQ|COAL_USE=1) LPG_USE log(LPGQ|LPG_USE=1) COALGAS_U SE log(COALGASQ|COALGAS_USE=1) log(HSIZE) 模型 OLS OLS Probit Probit Probit Probit OLS log(INCOME) 0.289 (39.21*) 1.929 (54.95*) 0.630 (34.16*) 0.768 (9.40*) -0.448 (-23.83*) 0.169 (2.17*) -0.240 (-17.46*) -0.082 (-2.08*) 0.354 (25

11、.46*) -0.070 (-0.59) 0.265 (61.36*) HHSIZE 0.06 (11.77*) -0.287 (-11.83*) 0.044 (3.39*) 0.153 (11.23*) 0.039 (3.82) -0.030 (-2.91) 0.025 (8.26*) AGE 0.0009 (2.62*) -0.018 (-11.37*) -0.021 (-23.90*) 0.011 (11.69*) -0.004 (-6.14*) 0.008 (11.48*) 0.0003 (1.53) constant 3.988 (51.1*) -13.642 (-36.75*) -

12、6.702 (-34.90*) -2.689 (-2.59*) 2.288 (11.71*) 5.283 (9.39*) 2.389 (16.33*) 3.829 (16.44*) -3.789 (-25.54*) 5.184 (3.01*) 1.367 (29.83*) City fixed effects 是 是 - - - - - Obs 25328 25328 25328 25328 25328 25328 25328 Significance R : 0.22 R : 0.234 rho: -0.558 sigma: 1.764 lambda: -0.984 rho: -0.398

13、sigma: 1.330 lambda: -0.529 rho: 0.961 sigma: 1.314 lambda: 1.262 rho: -0.364 sigma: 0.917 lambda: -0.335 R : 0.222 注：表示括號里為t統(tǒng)計量，表示括號里為Z統(tǒng)計量，表示對家庭取暖估計。上標、和分別表示估計系數(shù)在1%、5%和10%水平上顯著。本文的樣本城市中許多家庭對某一特定燃料消耗量為零。例如，在北京，本文估計私家車擁有率是23%。因此，在這個城市中77%的家庭汽油消耗為零，其余23%那么消耗大量的汽油。在上海，由于人口密度較高以及汽車牌照配額政策，其私家車擁有率更低第二步：Lo

14、g(consumption|consumption0)=cLog(I)+e考察能源消耗時本文的樣本比擬小，年齡和家庭人數(shù)的影響不能準確估計，所以可以在第二步的回歸中剔除年齡和家庭人數(shù)變量。表2結果說明，出租車消費收入彈性大于1，因此是一種奢侈品。汽車擁有量和汽油的消耗具有較高的收入彈性，電力消耗的收入彈性是0.29。相對富裕的城市中家庭逐漸降低了對煤的消費，轉向增加對電和煤氣這樣清潔能源的消費。城市開展的結果符合家庭環(huán)境庫茲涅茨曲線EKC的特征Pfaff等，2004)。相對富裕的家庭消耗清潔燃料，盡管消費量不斷上升，但可以減少當?shù)乜諝馕廴尽Ｃ汉鸵夯蜌舛际橇淤|商品;，其使用隨著收入的上升而下

15、降但如果一個家庭使用煤，煤消費與收入同向上升，而煤氣等清潔能源的使用會隨著收入的增加而提高。本文使用?中國城市統(tǒng)計年鑒2007年?數(shù)據(jù)來對城市家庭汽油、電力、煤炭、液化石油氣和煤氣的消耗進行具體回歸估計，允許不同城市存在不同的系數(shù)。每個回歸都具有如表2相同的形式，這種情況下，本文得到22274個城市和3個解釋變量個收入、家庭人數(shù)和戶主年齡三個變量的不同的回歸系數(shù)。表3只給出對收入估計系數(shù)。各個城市家庭收入和能源消耗之間的關系存在相當大的差異。表3突出了各個城市在收入效應方面的差異。上海的私家車汽油消耗的收入彈性根據(jù)擁有率計算是北京的私家車汽油消耗收入彈性的2倍。北京電力消耗的收入彈性是0.16

16、3，上海是0.171，淄博是0.445。假設這些2006年的橫截面的收入彈性不隨時間而改變，表3中的估計數(shù)便可以預測中國不同城市的經濟增長會如何影響能源消耗。例如，淄博的經濟增長將會比北京消耗更多的電力。表3：收入的回歸系數(shù) 獨立 變量 log(elecq) log(taxiq) car_use log(carq) log(hsize) coal_use log(coalq) lpg_use log(lpgq) coalgas_use log(coalgasq) 模型 OLS OLS Heckman OLS Heckman Heckman Heckman 北京 0.163 (3.631*) 1

17、.432 (10.230*) 1.463 (8.213*) 0.269 (0.518) 0.218 (11.158*) -0.344 (-1.806) -0.037 (-0.180) -0.447 (-3.679*) 0.705 (0.897) 0.514 (4.415*) 0.068 (0.650) 天津 0.402 (9.811*) 1.499 (8.470*) 1.526 (6.044*) 0.160 (0.281) 0.416 (19.992*) -1.427 (-7.558*) 0.519 (0.840) -0.959 (-5.155*) -0.080 (-0.358) 0.516

18、(3.018*) 0.058 (0.461) 石家莊 0.321 (2.605*) -0.493 (-1.011) 1.894 (3.155*) 1.197 (0.796) 0.312 (6.087*) -1.361 (-2.523*) 0.028 (0.015) -0.387 (-1.424) -1.889 (-0.161) 0.552 (1.996) -0.097 (-0.313) 唐山 0.197 (2.147*) 2.227 (4.043*) 1.53 (2.915*) -0.053 (0.00) 0.328 (6.456*) 秦皇島 0.138 (1.59) 0.532 (1.542

19、) 1.174 (2.396) 0.753 (1.446) 0.137 (4.175*) -1.095 (-3.385*) -0.492 (-1.506) 1.023 (3.296*) -0.833 (-0.887) 邯鄲 0.144 (0.944) -0.657 (-0.986) 1.792 (1.486) 1.184 (1.077) 0.356 (6.546*) -0.3 (-0.42) -1.202 (-1.093) -1.192 (-1.692*) 0.501 (0.668) -0.109 (-0.129) 0.146 (0.521) 滄州 0.333 (2.734*) 1.013 (

20、1.820*) 0.567 (0.879) 0.341 (0.605) 0.162 (3.139*) -0.444 (-0.632) 0.160 (0.338) 0.335 (0.882) -0.141 (-0.233) 太原 0.08 (1.221) 1.681 (3.365*) 1.194 (1.929*) 0.984 (0.745) 0.110 (4.948*) -0.225 (-1.108) -0.366 (-1.000) 0.093 (0.361) -0.011 (-0.212) 朔州 0.312 (1.857*) 0.476 (1.195) 1.054 (2.398*) 0.756

21、 (1.472) 0.038 (0.706) -1.816 (-4.031*) 0.102 (-0.203) -0.934 (-2.630*) 0.154 (0.269) 1.646 (4.030*) 0.478 (1.577) 呼和浩特 0.163 (1.636) 1.173 (3.398*) 2.521 (4.780*) 2.647 (2.708*) 0.221 (7.348*) -0.978 (-2.986*) 0.448 (0.744) -0.223 (-1.164) 0.177 (1.164) 0.235 (1.236) -0.118 (-0.183) 包頭 0.167 (1.488

22、) 1.215 (3.253*) 0.574 (1.218) -0.374 (-0.535) 0.191 (5.684*) -0.51 (-1.421) -0.204 (-0.666) -0.105 (-0.442) 0.007 (0.041) 0.98 (3.788*) -0.372 (-1.247) 烏海 0.507 (1.835*) 0.411 (0.804) 0.719 (1.712*) 0.594 (1.292) 0.487 (6.074*) -0.963 (-1.803) -0.026 (-0.075) 1.593 (2.498*) 0.427 (1.093) 1.604 (1.9

23、23) -0.339 (-0.361) 赤峰 0.243 (1.487) 1.354 (2.375*) 2.023 (3.581*) 1.889 (2.703*) 0.247 (4.507*) -0.88 (-1.456) -0.881 (-0.431) -0.619 (-1.016) -0.234 (-0.472) 通遼 0.427 (3.540*) 0.696 (2.089*) 1.172 (3.082*) 1.915 (1.377) 0.325 (8.107*) -1.846 (-3.529*) -0.207 (-1.097) 0.276 (0.85) 0.102 (0.928) 沈陽

24、0.242 (3.925*) 2.004 (3.945*) 0.322 (10.696*) -0.733 (-1.834*) 0.072 (0.067) 大連 0.344 (6.375*) 1.571 (2.905*) 0.264 (8.803*) -0.525 (-1.775*) 0.348 (0.866) 0.744 (1.89) -0.136 (-0.361) 遼陽 0.041 (0.512) 1.675 (2.132*) 1.908 (1.551) 0.790 (0.488) 0.247 (5.762*) 0.811 (2.381*) 0.116 (0.314) -0.803 (-2.

25、288) 0.231 (0.538) 長春 0.274 (2.814*) 2.026 (3.938*) 1.454 (2.830*) 2.268 (3.058*) 0.135 (3.718*) -3.219 (-4.001*) 4.182 (0.825) -1.463 (-2.386*) -0.095 (-0.121) -0.406 (-0.876) 0.271 (2.299*) 吉林 0.239 (3.641*) 0.127 (5.168*) 0.007 (0.031) 0.017 (0.012) 0.216 (0.682) -0.056 (-0.072) 哈爾濱 0.373 (4.859*

26、) 0.269 (0.648) 0.358 (12.992*) -0.213 (-0.977) -0.139 (-0.865) 0.51 (2.002) 0.231 (1.719*) 齊齊哈爾 0.119 (2.471*) 1.14 (2.385*) -0.105 (-0.127) 1.270 (0.715) 0.123 (5.649*) 0.1 (0.406) 0.166 (0.817) 0.317 (-0.811) 0.074 (0.690) 大慶 0.219 (1.379) 0.097 (3.881*) -0.454 (-1.453) 0.407 (0.403) 0.769 (1.323

27、) 0.299 (1.013) 牡丹江 0.346 (3.151*) 0.823 (1.697*) 1.253 (2.245*) 0.677 (0.619) 0.193 (5.898*) -0.879 (-1.721) 0.635 (1.077) -0.142 (-0.533) 0.095 (0.885) 上海 0.171 (4.932*) 1.34 (6.738*) 1.983 (8.036*) 0.850 (1.152) 0.485 (15.975*) 南京 0.242 (5.548*) 1.388 (6.707*) 0.839 (2.810*) -0.201 (-0.242) 0.282

28、 (16.963*) -1.143 (-8.306*) 0.569 (1.610*) 1.368 (9.538*) 0.548 (2.322*) 無錫 0.279 (4.084*) 1.382 (4.137*) 2.328 (4.884*) 1.618 (2.191*) 0.304 (7.811*) -1.332 (-5.051*) 1.577 (0.552) 1.435 (5.319*) -0.838 (-0.771) 徐州 0.251 (3.674*) 1.182 (3.339*) -0.31 (-0.473) -0.695 (-0.251) 0.264 (7.468*) -1.174 (

29、-4.481*) 0.137 (0.578) -0.836 (-3.809*) 0.406 (2.308*) 1.149 (5.090*) 0.126 (0.682) 常州 0.376 (4.943*) 0.597 (2.466*) 0.321 (1.306) 0.201 (0.679) 0.191 (4.728*) -0.819 (-1.551) 0.701 (1.184) -0.045 (-0.2) 0.081 (0.668) 0.113 (0.5) 0.249 (2.240*) 蘇州 0.32 (4.264*) 0.927 (3.089*) 0.968 (2.899*) 0.179 (0

30、.245) 0.416 (9.257*) -1.057 (-3.905*) 0.945 (0.671) 0.861 (3.221*) -0.935 (-0.707) 南通 0.213 (2.156*) 1.291 (2.053*) 3.545 (2.282*) 6.984 (0.617) 0.214 (5.536*) -1.124 (-3.401*) -0.059 (-0.105) 1.741 (3.996*) 0.689 (1.749*) 淮安 0.127 (1.159) 0.869 (2.392*) 1.269 (2.181*) 0.608 (0.597) 0.242 (5.290*) -

31、1.206 (-4.156*) 0.408 (1.172) -0.614 (-2.212*) -0.010 (-0.062) 1.281 (3.913*) -0.585 (-0.884) 揚州 0.355 (3.224*) 1.342 (3.468*) 0.642 (1.302) -0.139 (-0.198) 0.284 (5.234*) -0.601 (-1.202) -0.203 (-0.456) -0.044 (-0.149) -0.107 (-0.627) 0.522 (1.696) 0.221 (1.288) 鎮(zhèn)江 0.375 (3.895*) 1.438 (2.750*) -0.

32、007 (-0.008) -0.668 (-0.595) 0.396 (9.079*) -2.182 (-4.894*) -0.153 (-0.292) -0.935 (-3.089*) -0.153 (-0.510) 1.923 (4.942*) 0.162 (0.590) 臺州 0.29 (2.835*) 0.431 (1.551) 0.928 (3.182*) 0.763 (2.263) 0.254 (4.479*) -1.017 (-2.912*) 0.462 (1.529*) -0.416 (-1.609) 0.306 (1.192) 1.356 (4.090*) 0.350 (0.

33、880) 宿遷 0.238 (2.071*) 1.473 (4.453*) 0.22 (0.458) -2.082 (-0.578) 0.093 (2.006*) -0.43 (-1.836) 0.232 (1.504*) 0.436 (1.305) 0.019 (0.018) 杭州 0.336 (7.124*) 1.228 (5.246*) 1.122 (3.579*) -0.453 (-0.417) 0.285 (10.060*) -0.512 (-3.047*) 0.123 (1.217) 0.563 (3.530*) 0.357 (1.786*) 寧波 0.13 (2.942*) 1.

34、231 (4.391*) 0.678 (2.368*) 0.490 (0.852) 0.217 (8.958*) -0.233 (-1.168) 0.085 (0.532) 0.617 (3.119*) 0.027 (0.181) 溫州 0.241 (2.984*) 1.362 (4.383*) 0.853 (5.133*) -0.081 (-0.127) 0.340 (5.679*) -1.692 (-3.741*) 0.211 (1.034) 2.086 (4.302*) 1.613 (0.389) 嘉興 0.222 (2.463*) 1.381 (3.214*) 0.383 (1.056

35、) -0.317 (-0.521) 0.227 (4.645*) -1.222 (-2.580*) 0.483 (0.926) 0.466 (1.102) 0.349 (1.243) 湖州 0.232 (2.726*) 1.313 (3.412*) 1.121 (2.991*) 0.954 (1.966*) 0.321 (7.426*) -0.992 (-1.725) 0.675 (0.732) -1 (-2.366*) 0.511 (0.644) 1.318 (3.440*) -2.622 (-0.430) 紹興 0.348 (3.754*) 1.445 (2.435*) 0.684 (0.

36、471) 1.711 (0.607) 0.326 (6.775*) -1.319 (-3.346*) 0.341 (0.688) -1.258 (-3.664*) -0.184 (-0.300) 1.61 (4.102*) -0.032 (-0.050) 金華 0.276 (3.316*) 1.133 (2.998*) 0.128 (0.351) -0.438 (-0.962) 0.256 (4.802*) -1.34 (-3.299*) -0.395 (-1.284) -0.935 (-1.981*) 0.077 (0.693) 1.285 (2.686*) 0.282 (0.201) 衢州

37、 0.2 (2.214*) 0.165 (0.422) 1.323 (3.180*) 1.477 (3.254*) -0.043 (-0.620) -2.381 (-3.706*) -0.525 (-0.433) -0.198 (-0.589) 0.197 (1.668) 0.507 (1.562) 0.085 (0.233) 泰州 0.326 (3.100*) 0.992 (2.519*) 1.028 (2.783*) 0.922 (2.234*) 0.242 (3.676*) -1.281 (-2.207*) 0.631 (0.833) -2.094 (-3.520*) 0.406 (1.

38、172) 1.695 (3.186*) 2.347 (0.485) 麗水 0.235 (2.536*) 1.676 (4.326*) 1.03 (3.196*) 0.725 (1.859*) 0.202 (4.431*) -0.054 (-0.138) -0.734 (-1.657) -0.276 (-0.525) -0.029 (-0.133) 合肥 0.097 (1.308) 2.597 (4.425*) 0.439 (0.42) 2.800 (1.010) 0.225 (6.235*) -1.16 (-3.776*) -0.050 (-0.189) -0.693 (-2.737*) -0

39、.369 (-1.488) 1.081 (4.151*) 0.701 (1.341) 淮南 0.221 (2.425*) 0.922 (1.598) 0.75 (0.686) -0.230 (-0.185) 0.245 (5.470*) -0.922 (-2.872*) -0.328 (-1.224) 0.363 (1.322) -0.042 (-0.171) 0.305 (1.062) -0.431 (-1.534*) 福州 0.151 (2.390*) 1.275 (3.781*) 0.645 (1.511) 0.237 (0.411) 0.250 (6.845*) -0.594 (-2.

40、112*) 0.174 (0.838) 0.877 (3.148*) 0.362 (1.439) 廈門 0.161 (2.415*) 0.538 (1.623) 1.638 (3.406*) 1.348 (1.443) 0.328 (5.836*) -2.627 (-4.191*) 5.956 (0.422) -0.575 (-1.871*) 0.105 (0.507) 1.162 (3.509*) 0.483 (1.108) 南昌 0.022 (0.197) 0.205 (5.044*) -0.397 (-1.297) -0.082 (-0.524) 0.367 (1.29) 0.118 (

41、0.501) 濟南 0.122 (1.433) 0.894 (4.157*) 1.494 (5.489*) 1.165 (2.757*) 0.303 (8.586*) -1.398 (-5.927*) 0.353 (1.715*) -0.865 (-4.379*) 0.244 (2.045*) 0.954 (4.666*) -1.139 (-0.766) 青島 0.374 (4.117*) 2.168 (4.960*) 1.56 (2.666*) -1.863 (-0.943) 0.275 (8.525*) -1.023 (-4.018*) 0.224 (0.900) -0.262 (-1.2

42、95) -0.138 (-0.990) 0.528 (2.486) -0.054 (-0.246) 淄博 0.445 (2.112*) 0.062 (0.14) 0.521 (0.842) 0.500 (0.774) 0.302 (4.871*) -2.06 (-3.002*) 1.612 (0.710) -1.163 (-2.509*) 1.160 (1.083) 0.879 (1.892) 0.155 (0.047) 煙臺 0.563 (4.053*) -0.135 (-0.28) 1.549 (2.338*) 1.603 (2.731*) 0.198 (4.663*) -1.97 (-2

43、.470*) 0.903 (0.487) -0.685 (-1.662*) -0.436 (-0.369) 0.789 (1.884) -0.089 (-0.162) 日照 0.403 (2.511*) 0.951 (2.236*) 1.578 (4.102*) 1.113 (2.039*) 0.190 (5.014*) -1.598 (-3.044*) -1.235 (-1.766*) -0.587 (-1.519) 0.662 (0.591) 鄭州 0.259 (3.951*) 0.975 (2.391*) 0.457 (0.742) -1.476 (-0.770) 0.219 (6.54

44、0*) -0.876 (-3.072*) 0.192 (0.769) -0.298 (-1.363) 0.207 (1.230) 0.055 (0.221) 0.171 (2.007*) 洛陽 0.127 (1.314) 1.268 (3.527*) 1.28 (2.845*) 1.201 (2.305*) 0.315 (6.934*) -0.945 (-3.033*) 0.704 (2.240*) -0.554 (-1.727*) 0.089 (0.450) 0.747 (2.237) 1.318 (0.471) 武漢 0.246 (5.273*) 2.823 (5.385*) 1.779

45、(2.882*) 0.628 (0.380) 0.269 (8.347*) -1.425 (-4.245*) -0.106 (-0.143) -0.39 (-2.158*) 0.051 (0.320) 0.91 (4.638) -0.685 (-0.951) 長沙 0.345 (5.948*) 1.206 (4.120*) 1.226 (3.336*) 0.215 (0.346) 0.322 (10.448*) -1.538 (-4.916*) 0.805 (1.003) -0.98 (-3.860*) -0.088 (-0.577) 1.06 (5.001*) 0.718 (2.167*)

46、廣州 0.185 (2.213*) 1.853 (4.645*) 0.935 (1.963*) 0.511 (0.584) 0.333 (6.615*) -1.357 (-3.870*) 0.922 (0.679) 1.007 (3.298*) 0.476 (0.915) 深圳 0.275 (4.076*) 1.581 (2.691*) 0.144 (0.682) 0.078 (0.147) 0.158 (3.364*) -1.275 (-2.439*) 0.515 (0.781) 2.16 (3.567*) 0.064 (0.196) 珠海 0.098 (1.001) 1.711 (3.26

47、3*) 1.416 (3.761*) 1.860 (1.750*) 0.085 (1.747*) 1.839 (1.585) 0.098 (0.494) -0.341 (-0.518) -0.570 (-1.342) 南寧 0.167 (2.916*) 0.829 (3.300*) 0.653 (2.232*) 0.492 (1.097) 0.316 (9.342*) -1.796 (-3.884*) 2.628 (1.044) -1.292 (-2.712*) -0.085 (-0.350) 2.161 (3.491*) -0.822 (-0.380) ?？?0.256 (3.917*) 1

48、.388 (5.474*) 1.145 (4.332*) -0.391 (-0.437) 0.294 (5.875*) -0.546 (-1.842*) 0.134 (0.931) 1.456 (4.305*) 0.486 (1.845*) 重慶 0.229 (4.134*) 1.255 (1.705*) 0.336 (7.458*) 成都 0.291 (8.148*) 1.635 (6.881*) 1.915 (6.694*) 2.726 (1.300) 0.340 (12.646*) -1.5 (-3.574*) 0.147 (0.302) 1.442 (3.612*) 0.156 (2.

49、412*) 綿陽 0.287 (3.775*) 2.458 (3.610*) 2.837 (2.349*) 1.288 (0.998) 0.296 (6.634*) 貴陽 0.203 (3.138*) 1.868 (5.220*) 1.344 (3.588*) 0.276 (0.090) 0.358 (10.284*) -0.859 (-3.374*) 0.314 (0.984) -0.813 (-2.896*) 0.162 ()0.371 0.909 (3.707*) 0.454 (1.140) 昆明 0.307 (5.270*) 1.077 (4.538*) 0.599 (2.531*)

50、-0.144 (-0.322) 0.315 (8.327*) -0.025 (-0.105) -0.113 (-0.334) -0.576 (-3.668*) 0.176 (1.674*) 0.355 (2.343) 0.027 (0.354) 西安 0.395 (5.133*) 1.238 (2.894*) 1.134 (1.677*) -0.222 (-0.094) 0.300 (8.616*) -1.659 (-5.612*) 0.075 (0.136) -1.651 (-6.504*) 0.924 (1.918*) 1.706 (6.720*) 0.069 (0.307) 蘭州 0.2

51、49 (3.051*) 0.322 (0.553*) 0.218 (6.831*) -1.116 (-2.581*) -0.208 (-0.279) -0.382 (-1.855*) -0.182 (-1.066) 0.127 (0.62) 0.006 (0.031) 西寧 0.285 (2.423*) 1.419 (2.323*) 0.140 (5.254*) -1.281 (-4.680*) 0.873 (1.008) 0.24 (0.796) 0.073 (0.165) 1.664 (2.687*) -2.106 (0.265) 銀川 0.167 (2.045*) 0.473 (1.64

52、1) 0.804 (2.019*) 0.341 (0.625) 0.137 (6.053*) -0.334 (-1.298) -0.206 (-0.448) -0.652 (-2.973*) 0.641 (0.997) 0.703 (2.605) 0.225 (0.445) 烏魯木齊 0.349 (3.068*) 0.965 (1.684*) 0.136 (5.441*) -0.340 (-1.398) 0.494 (2.196) -0.200 (-1.187) 注：當城市對汽油、煤、液化石油氣和煤氣的中某一項消耗少于5%或多于95%時不采用赫克曼兩階段法進行回歸估計。少于5%時取0，多于95

53、%時采用OLS回歸估計。括號里為t統(tǒng)計量。上標、和分別表示估計系數(shù)在1%、5%和10%水平上顯著。四、中國城市家庭的碳排放估算的實證研究為了測算各個城市的碳排放量，本文使用城市對7種能源的消耗數(shù)據(jù)對一個標準家庭做回歸估計，然后把能源的消耗轉化成碳排放量。在對方程(0.29)(0.03)(0.02)(0.001)這個回歸中，R為0.199。本文使用回歸系數(shù)去估計上海一個標準家庭的年耗電量，其結果是1494.9千瓦時。然后，再乘以上海的電力的碳排放轉換系數(shù)(0.861)(0.079)(0.051)(0.003)第二步考慮到家庭擁有一輛汽車的情況：Log(CarFuelUse|Carownershi

54、p=1)=4.52+0.27Log(I)(6.599)(0.519)回歸的第一步，估計得到北京一個標準家庭18.4的概率會擁有私家車。最后，得到一個標準家庭的私家車汽油年消耗量估計是292.2升。然后本文利用碳轉換系數(shù)把汽油消耗量轉換成碳排放量。用相同的方法來估計74個城市一個標準家庭使用出租車帶來的碳排放量。三公交汽車和火車?中國城市統(tǒng)計年鑒2007年?的支出數(shù)據(jù)沒有提供關于家庭使用公共交通的里程數(shù)和能源消耗的可靠數(shù)據(jù)。為了克服這個困難，本文匯總?中國城市統(tǒng)計年鑒2007年?和其他來源的數(shù)據(jù)。統(tǒng)計年鑒提供普通公交汽車、使用液化石油氣的公交汽車數(shù)和使用液化氣的公交汽車的總人數(shù)。假設公交汽車的營

55、運率是90%，每一個公交汽車每天行駛約150公里。一個使用汽油的公交汽車油耗每100公里25升，使用液化石油氣或天然氣的公交汽車和使用汽油的公交汽車相比行駛相同距離消耗3/4的燃料。然后，計算每個城市家庭的公交汽車能源消耗總量，并除以城市的家庭總數(shù)。使用轉換系數(shù)把一個標準家庭的能源消耗轉換成碳排放。2006年我國只有10個城市有地鐵線路：北京、上海、廣州、深圳，天津、大連、長春、南京、武漢和重慶。按照估計汽車碳排放同樣的方法，對于各個個城市，計算出地鐵系統(tǒng)的用電總量，然后除以本城市家庭總數(shù)。這就得到城市一個標準家庭使用地鐵的平均用電量。然后，本文使用不同地區(qū)的具體轉換系數(shù)得到每個城市地鐵用電的

56、碳排放量。對上述4項加總得到交通運輸?shù)奶寂欧帕俊?四)住宅取暖與家庭燃料接下來仍使用赫克曼兩階段法見方程4和5來估計各個城市一個標準家庭使用燃料的碳排放量。對于煤、液化氣和煤氣三種類型的燃料，首先估計一個標準家庭使用其中一種燃料的概率，然后以使用某種燃料為條件對消耗量進行估計。估算出每種燃料的消耗量，然后乘以轉換系數(shù)得到碳排放總量。由于許多北方的城市家庭仍然享受免費供暖效勞，所以?中國城市統(tǒng)計年鑒2007?中沒有該城市住宅取暖對上述三種燃料的消費開支記錄。在提供集中供暖的城市，由于國家免費提供固定數(shù)量的供暖，沒有供暖米，對這類家庭中的燃料使用情況的估計就需要用住宅面積。清華大學環(huán)境科學與工程系

57、提供了轉換系數(shù)，這個系數(shù)告訴我們當室外溫度確定時下，各個省每1平方米住宅的取暖將產生多少碳排放量。然后，接著乘以轉換系數(shù)再乘以一個標準家庭的給定住宅平方數(shù)。通過?中國城市統(tǒng)計年鑒2007?中每個家庭住宅單元的大小信息，用家庭收入和人口統(tǒng)計數(shù)據(jù)對一個標準家庭住宅面積進行回歸估計類似于方程2。通過回歸估計，我們得到各個城市一個標準家庭住宅取暖的燃料消耗量，然后乘以具體地區(qū)碳排放轉換系數(shù)得到74個城市中每個城市一個標準家庭燃料消耗的碳排放總量。(五)城市排名根據(jù)方程1，對各項碳排放數(shù)據(jù)進行加總，得到各個城市一個標準家庭的年碳排放量，然后根據(jù)結果對74個城市進行排名表5，前十名城市是：淮南、宿遷、?？?/p>

58、，南通、南昌、泰州、鎮(zhèn)江、紹興、西寧和徐州。最后10名中，從下往上的城市是：大慶、牡丹江、北京、齊齊哈爾、銀川、沈陽、哈爾濱、大連、包頭和遼陽。表5的前9列給出了74個城市一個標準家庭的分類碳排放。表4：2006年城市排名 排名 城市 電 煤 液化氣 煤氣 私家車 出租車 公交 汽車 鐵路 取暖 碳總量 標準誤差 1 淮安 0.879 0.098 0.082 0.016 0.120 0.011 0.023 1.230 0.090 2 宿遷 0.865 0.218 0.117 0.000 0.006 0.026 1.231 0.073 3 ?？?0.983 0.007 0.176 0.015 0

59、.000 0.006 0.065 1.252 0.124 4 南通 1.062 0.036 0.164 0.000 0.007 0.012 1.281 0.080 5 南昌 0.978 0.141 0.048 0.000 0.007 0.130 1.305 0.138 6 泰州 1.069 0.041 0.076 0.016 0.094 0.006 0.005 1.307 0.142 7 鎮(zhèn)江 1.098 0.067 0.036 0.064 0.030 0.009 0.027 1.331 0.118 8 紹興 1.170 0.048 0.066 0.052 0.002 0.006 0.021

60、1.365 0.115 9 西寧 0.878 0.250 0.020 0.012 0.000 0.019 0.175 0.016 1.371 0.198 10 徐州 0.946 0.070 0.046 0.112 0.172 0.010 0.040 0.006 1.401 0.172 11 朔州 0.594 0.255 0.046 0.060 0.083 0.016 0.015 0.357 1.426 0.113 12 揚州 1.123 0.033 0.063 0.083 0.113 0.009 0.019 1.443 0.325 13 衢州 1.115 0.030 0.189 0.068 0