燃煤发电厂比使用天然气或其他可再生能源(风力、水或太阳能)的发电厂的碳排放转换系数要大。
H表示住宅取暖的能源消耗量,γ代表了其转换系数。本文中,方程(1)测算住宅耗电的碳排放时,使用不同地区发电厂的碳排放作为替代。74个城市在地理分布、能源利用状况和气温上存在着较大差异。例如,一些城市主要使用碳排放低的燃料进行发电。北方的城市要比南方的城市寒冷的多。在秦陵-淮河以北的城市,政府每年的11月15日到次年的3月15日都会提供集中供暖,而以南的地区并没有提供集中供暖。考虑到家庭使用集中供暖时自己不能控制室内温度,本文认为家庭取暖的能源消耗量和家庭住宅面积呈正比关系。H占碳排放总量的很大比重,因为家庭取暖最主要的燃料来自于煤(Almond等,2009)。
γDF表示家庭燃料消耗带来的碳排放,其中有些在集中供暖时也使用。其中的DF主要包括:煤、液化石油气和煤气。煤的成本比较便宜,但是含碳量高,使用煤会带来大量的二氧化硫和粉尘微粒等空气污染。液化石油气和煤气是从石油和煤中提炼而来,较为清洁并且含碳量较低。
(二)研究方法
为了对方程(1)作出实证分析,本文将对各个城市能源消耗做具体回归估计,从而测算各个城市中一个标准家庭能源消耗量。首先使用家庭微观数据来对各项能源消耗做回归估计。住宅耗电量中,本文给出:
Log(EL)=CFE+aLog(I)+aHS+aAH+m(2)
其中EL是住宅耗电量,CFE是固定效应,I是家庭年收入,HS是住宅面积,AH是户主年龄(下同,不再赘述),aa和a是系数,m是随机扰动项。表2报告了各个城市具体的固定效应,假设各个城市的家庭人口结构对能源消耗具有相同的边际效应。
表2:能源消耗量回归结果
|
|
|
赫克曼两阶段
|
赫克曼两阶段
|
赫克曼两阶段
|
赫克曼两阶段
|
|
独立变量
|
log(ELECQ)
|
log(TAXIQ)
|
CAR_USE
|
log(CARQ|CAR_USE=1)
|
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
(25.46***)
|
-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***)
|
-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
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:表示括号里为t统计量,表示括号里为Z统计量,表示对家庭取暖估计。上标、和分别表示估计系数在1%、5%和10%水平上显著。
本文的样本城市中许多家庭对某一特定燃料消耗量为零。例如,在北京,本文估计私家车拥有率是23%。因此,在这个城市中77%的家庭汽油消耗为零,其余23%则消耗大量的汽油。在上海,由于人口密度较高以及汽车牌照配额政策,其私家车拥有率更低(16.4%)。同样的问题存在于家庭对煤,煤气和液化天然气的消费,很多家庭对某一项的消费量几乎为零。因此为了修正回归估计中因样本的选择性而导致的偏差,除了电力消耗和出租车的天然气消耗以外,本文使用赫克曼两步法估计对其他形式的能源消耗进行修正。
使用赫克曼两步法进行修正,第一步建立Probit模型计算概率:
Prob(consumefuel)=f(bLog(I)+bHS+bAH)(3)
第二步:
Log(consumption|consumption>0)=cLog(I)+e(4)
考察能源消耗时本文的样本比较小,年龄和家庭人数的影响不能准确估计,所以可以在第二步的回归中剔除年龄和家庭人数变量。表2结果表明,出租车消费收入弹性大于1,因此是一种奢侈品。汽车拥有量和汽油的消耗具有较高的收入弹性,电力消耗的收入弹性是0.29。相对富裕的城市中家庭逐渐降低了对煤的消费,转向增加对电和煤气这样清洁能源的消费。城市发展的结果符合家庭环境库兹涅茨曲线(EKC)的特征(Pfaff等,2004)。相对富裕的家庭消耗清洁燃料,尽管消费量不断上升,但可以减少当地空气污染。煤和液化石油气都是“劣质商品”,其使用随着收入的上升而下降(但如果一个家庭使用煤,煤消费与收入同向上升),而煤气等清洁能源的使用会随着收入的增加而提高。
本文使用《中国城市统计年鉴2007年》数据来对城市家庭汽油、电力、煤炭、液化石油气和煤气的消耗进行具体回归估计,允许不同城市存在不同的系数。每个回归都具有如表2相同的形式,这种情况下,本文得到222(74个城市和3个解释变量)个收入、家庭人数和户主年龄三个变量的不同的回归系数。表3只给出对收入估计系数。
各个城市家庭收入和能源消耗之间的关系存在相当大的差异。表3突出了各个城市在收入效应方面的差异。上海的私家车汽油消耗的收入弹性(根据拥有率计算)是北京的私家车汽油消耗收入弹性的2倍。北京电力消耗的收入弹性是0.163,上海是0.171,淄博是0.445。假设这些2006年的横截面的收入弹性不随时间而改变,表3中的估计数便可以预测中国不同城市的经济增长会如何影响能源消耗。例如,淄博的经济增长将会比北京消耗更多的电力。
表3:收入的回归系数
独立
变量
|
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***)
|
1.432
(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
(3.018***)
|
0.058
(0.461)
|
石家庄
|
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***)
|
|
|
|
|
|
|
秦皇岛
|
0.138
(1.59)
|
0.532
(1.542)
|
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)
|
邯郸
|
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)
|
沧州
|
0.333
(2.734***)
|
1.013
(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
(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)
|
包头
|
0.167
(1.488)
|
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)
|
乌海
|
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
(1.923)
|
-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)
|
|
|
通辽
|
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)
|
|
|
沈阳
|
0.242
(3.925***)
|
2.004
(3.945***)
|
|
|
0.322
(10.696***)
|
|
|
-0.733
(-1.834*)
|
0.072
(0.067)
|
|
|
大连
|
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)
|
辽阳
|
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
(-2.288)
|
0.231
(0.538)
|
长春
|
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)
|
哈尔滨
|
0.373
(4.859***)
|
0.269
(0.648)
|
|
|
0.358
(12.992***)
|
|
|
-0.213
(-0.977)
|
-0.139
(-0.865)
|
0.51
(2.002)
|
0.231
(1.719*)
|
齐齐哈尔
|
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)
|
大庆
|
0.219
(1.379)
|
|
|
|
0.097
(3.881***)
|
|
|
-0.454
(-1.453)
|
0.407
(0.403)
|
0.769
(1.323)
|
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
(16.963***)
|
|
|
-1.143
(-8.306***)
|
0.569
(1.610*)
|
1.368
(9.538***)
|
0.548
(2.322***)
|
无锡
|
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
(-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***)
|
苏州
|
0.32
(4.264***)
|
0.927
(3.089***)
|
0.968
(2.899***)
|
0.179
(0.245)
|
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***)
|
-1.206
(-4.156***)
|
0.408
(1.172)
|
-0.614
(-2.212**)
|
-0.010
(-0.062)
|
1.281
(3.913***)
|
-0.585
(-0.884)
|
扬州
|
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)
|
镇江
|
0.375
(3.895***)
|
1.438
(2.750***)
|
-0.007
(-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)
|
台州
|
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
(0.880)
|
宿迁
|
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*)
|
宁波
|
0.13
(2.942***)
|
1.231
(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)
|
温州
|
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)
|
嘉兴
|
0.222
(2.463**)
|
1.381
(3.214***)
|
0.383
(1.056)
|
-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)
|
绍兴
|
0.348
(3.754***)
|
1.445
(2.435**)
|
0.684
(0.471)
|
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)
|
金华
|
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
|
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
(1.172)
|
1.695
(3.186***)
|
2.347
(0.485)
|
丽水
|
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***)
|
-0.369
(-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
(-2.112**)
|
0.174
(0.838)
|
0.877
(3.148***)
|
0.362
(1.439)
|
厦门
|
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
(0.501)
|
济南
|
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)
|
青岛
|
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
(-1.295)
|
-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)
|
烟台
|
0.563
(4.053***)
|
-0.135
(-0.28)
|
1.549
(2.338**)
|
1.603
(2.731***)
|
0.198
(4.663***)
|
-1.97
(-2.470**)
|
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)
|
|
|
郑州
|
0.259
(3.951***)
|
0.975
(2.391**)
|
0.457
(0.742)
|
-1.476
(-0.770)
|
0.219
(6.540***)
|
-0.876
(-3.072***)
|
0.192
(0.769)
|
-0.298
(-1.363)
|
0.207
(1.230)
|
0.055
(0.221)
|
0.171
(2.007***)
|
洛阳
|
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)
|
武汉
|
0.246
(5.273***)
|
2.823
(5.385***)
|
1.779
(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)
|
长沙
|
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***)
|
广州
|
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
(3.263***)
|
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)
|
南宁
|
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)
|
海口
|
0.256
(3.917***)
|
1.388
(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**)
|
重庆
|
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
(2.412***)
|
绵阳
|
0.287
(3.775***)
|
2.458
(3.610***)
|
2.837
(2.349**)
|
1.288
(0.998)
|
0.296
(6.634***)
|
|
|
|
|
|
|
贵阳
|
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**)
|
-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)
|
兰州
|
0.249
(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)
|
西宁
|
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)
|
银川
|
0.167
(2.045**)
|
0.473
(1.641)
|
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)
|
乌鲁木齐
|
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:当城市对汽油、煤、液化石油气和煤气的中某一项消耗少于5%或多于95%时不采用赫克曼两阶段法进行回归估计。少于5%时取0,多于95%时采用OLS回归估计。括号里为t统计量。上标、和分别表示估计系数在1%、5%和10%水平上显著。
四、中国城市家庭的碳排放估算的实证研究
为了测算各个城市的碳排放量,本文使用城市对7种能源的消耗数据对一个标准家庭做回归估计,然后把能源的消耗转化成碳排放量。
3/5 首页 上一页 1 2 3 4 5 下一页 尾页 |