碳排放论文范例(3篇)

碳排放论文范文

关键词：旅游业；低碳化；研究进展；低碳旅游

一、背景

根据世界旅游组织估算，旅游业的碳排放量约占碳排放总量的5%，2035年以前约以2.5％的年均速度增长。同时，人与人、人与环境等不同的社会问题和生态问题不断地出现。随着低碳经济在全球各国、各行业的蓬勃发展，低碳经济发展中所倡导的低能耗、低污染、低排放的低碳理念也给旅游业带来了重要启示。各国政府正大力推进以节能、减排、降耗等为主要特征的一系列政策措施，探索以节能减排为特征的旅游业低碳化发展新途径。

二、国外旅游业低碳化发展研究

（一）旅游业碳排放量测量研究

碳排放的测量是为了给行业低碳化目标的制定与实施提供有力的数据支撑。谢园方等在对GhislainDuboi、PaulPeet、SabinePerch-Nielse、MurrayPatterson、等研究成果的整理分析后，总结出国外的碳排放研究内容主要集中在旅游交通、旅游目的地、碳排放税三个方面，应用于旅游业的碳排放研究方法主要有实证研究法、“自上而下”研究法、“自下而上”研究法。

（二）旅游业能源结构调整研究

必须调整能源结构，减少化石能源的比例，增加清洁能源的比例，以控制与降低碳强度。StefanGossling、SusanneBecken等学者指出旅游业的能源结构对全球的气候环境有一定的影响。美、英、日、德等发达国家已立案并投入资金研发风能、太阳能、地热能、生物能源等替代性能源与可再生能源，以应用于旅游业的住宿、交通、娱乐等服务与生产活动中。

（三）旅游业减排经济手段评估研究

征收碳税是发展低碳经济中最常用的经济手段之一，研究显示交通部门征收燃料碳税对旅游业交通部门的低碳化起到不同的效果。RichardSJTol使用国际旅游流仿真模型研究得出航空燃料征收碳税对中等距离的航班的影响很小，而对高排放的长途航班与短途航班的影响稍大。KarenMayora等研究指出如果用碳税代替登机税的话，在相同的收入水平下，航空业的碳排放会不增反降。因此，碳税方案的预测就显得尤为重要，ChengFLee等在灰色理论和投入-产出理论的基础上，运用模糊目标规划方法构建模型模拟了三种碳税方案下碳减排的力度和经济影响，以预测碳税实施效果。

（四）减排技术研究

低碳技术的应用标准是技术发展成熟度、研发成本与应用潜力，各国对低碳技术的研发与应用各有侧重。如日本是光伏发电技术领先于世界；欧盟的发展重点是在风能、太阳能、生物能及二氧化碳捕集运送与贮存方面；美国的发展重点是太阳能、生物燃料以及照明技术等方面。

（五）公民低碳意识普及研究

公民低碳意识的普及是营造低碳旅游软环境的关键。SusanneBeekena、DavidG.Simmonsb等先后指出旅游者对全球二氧化碳的排放负有一定的责任，需要对其在旅游交通、住宿、游玩等选择行为上做出引导，建立政策保障体系。

三、我国旅游业低碳化发展研究现状

（一）低碳旅游特征研究

旅游企业生产及旅游者消费活动的低碳化，以及关注环境与人类活动的和谐是低碳旅游的两个重要特征。因此，低碳旅游在发展过程中需要通过运用低碳技术、推行碳汇机制和倡导低碳旅游消费方式，以获得更高的旅游体验质量和更大的旅游经济、社会、环境效益。需对旅游活动过程计算二氧化碳的排放量，尽量降低二氧化碳排放，以减少碳排放为目标，降低能耗与减少污染。

（二）低碳旅游理论研究

目前，我国低碳旅游的理论基础绝大部分是依托在生态足迹理论、循环经济理论、脱钩理论与可持续发展理论研究成果之上，这为低碳旅游发展提供了基础理论保障。刘嘉龙在旅游区生态循环与可持续发展的基础上提出了旅游区低碳运行与生态可循环模型。侯文亮等使用一个“塔形”图，说明了低碳旅游、低碳旅游者、低碳旅游产品、低碳旅游景区的关系。

（三）减排技术研究

高效的节能减排技术、规范的技术体制将是旅游业低碳化发展的基础条件。刘啸从社会建设的角度提出通过制度框架和政策措施的制定及创新，推动提高能效技术、节约能源技术、可再生能源技术和温室气体减排技术的开发和运用。碳源排放量的测算研究，能够推动减排技术的研究。张德英、蒋清文、刘武琼等提出了实测法、物料衡算法、排放系数法、决策树法等碳源排放量测算的研究方法。

（四）景区低碳化发展

景区自然资源的脆弱性，交通工具、游玩活动项目对化石能源高依赖性，使得近年来景区可持续发展的问题越来越受到关注。李德山、黄文胜、汪宇明、刘通、张海霞、汪应洛等提出景区低碳化发展的具体内容。一是编制低碳建设专项规划，发挥低碳旅游规划理念。二是从环境效益、社会效益与经济效益三方面分析景区的整体效益，构建景区低碳GDP评价体系。三是生产过程注意对能源结构的调整，利用太阳能、生物质能等新能源，研发节能减排技术；注重对低碳旅游产品的市场开拓。四是倡导低碳生产与消费，营造低碳旅游软环境。五是建立碳补偿机制，对碳补偿行为进行引导。六是景区之间建立合作联盟，相互交流与分享减排技术与管理经验。

（五）酒店业低碳化发展

酒店住宿产品碳足迹来源包括能源消耗、垃圾释放和制冷剂泄露三方面，主要影响因素是消耗量和排放系数，酒店规模对碳足迹的影响受到了环境温度等其他因素的扰动。因此，在酒店建筑、酒店用品、服务过程、生产管理过程中做到节能、循环是酒店业低碳化发展的关键。

（六）旅游交通业低碳化研究

旅游交通业碳排放在二氧化碳排放量上占有比较大的比例，因此，调整交通业能源结构、创新交通布局模式、倡导公共交通是交通业实现节能减排的重要渠道。王润等提出了T0D（公交主导发展模式）模式，倡导空间的紧凑、环境改造、功能重构，远距离采用公共交通，近距离采用低碳排放的交通工具。蔡萌指出通过建设生态停车场，使用电瓶车、新型能源车等低碳旅游交通工具，道路改造等途径，发展低碳旅游交通。路紫等提出建立连接景点之间的公共交通网络，逐步减少私人交通工具使用率。

（七）低碳旅游者与社区居民的低碳理念培育研究

旅游者与当地社区居民的消费、生活观念与行为的发展是旅游地的旅游低碳化发展的关键。路紫等提出设计合适的碳计算器，让游客了解旅游活动带来的碳排放量及影响，引导游客旅游消费活动的碳补偿活动；利用宣传手册向游客普及低碳旅游的知识，利用名人效应推广低碳旅游理念。林震等提出依靠政府引导作用，进而通过市场调节，使得低碳产品、低碳技术、低碳服务市场化，充分调动企业的积极性，影响居民的消费习惯，最终改变城市的发展模式和生活模式，从而在全社会树立低碳观念、营造低碳氛围。

四、讨论与展望

国外的研究重点是对旅游部门生产活动过程中碳排放的测定，主要集中于交通、住宿部门，而对景区、旅游者碳足迹的研究相对较少。国内的研究主要集中在旅游业节能、开发新能源、技术支持、城市低碳化发展、碳补偿等方面，研究揭示了我国旅游业低碳化所面临的发展问题。第一，理论基础薄弱。第二，发展路径选择较少，出现各个旅游地具体实施措施类同的情况。第三，研究地域范围窄，主要集中在沿海地区和经济较发达地区。第四，关于发展低碳旅游的经济效应理论模型以及实证研究不足。

随着旅游业低碳化的发展，面临着自然资源过度利用，缺乏新能源、节能减排新技术研发的人力与资金支持，低碳软环境营造力度弱，缺乏有效的法律政策支持体系，旅游住宿、餐饮、交通、娱乐设施的能源结构调整成本高等难点问题。旅游业低碳化发展的未来研究可能在以下方面形成热点：

第一，旅游业减排目标研究。可以借鉴已有的碳排放研究方法，如过程分析法、投入产出法、实测法、物料衡算法、排放系数法、生命周期法、物质流分析法等，对我国旅游业的碳足迹做出分析，并进行碳减排测算，从而分析旅游业的碳减排潜力，制定出旅游业碳减排目标。

第二，旅游业低碳化发展政策保障体系研究。我国政府先后通过了《清洁生产促进法》、《促进循环经济法》。需要更进一步从景区、交通、酒店、餐饮等角度出发，研究碳排放监测统计和监管体系、建筑节能标准执行率、非商品能源激励措施和力度。

第三，减排经济手段研究。旅游业的碳税实施需要通过碳税方案的预测，以确定实施何种碳税方案，或确定碳税手段在旅游业的可行性。

第四，减排技术与能源结构研究。借鉴碳捕获和碳封存技术、再利用技术、绿色消费技术、生态恢复技术等已经应用的低碳技术，加大旅游业低碳技术研发力度。以改善依靠化石能源的能源消耗结构，控制与降低碳排放量。

第五，合作模式研究。增强我国与发达国家在节能技术、提高能源效率方面的交流合作，促进地区、企业、旅游组织之间开展经验、能力交流与合作等活动。

第六，人口规模控制研究。Yoichikaya、MichaelDalton指出人口规模是影响旅游业碳排放的重要影响因子，人口越多，碳排放量越大。因此，旅游业低碳化发展过程中，可以对景区接待、住宿接待、交通工具使用的人口数量控制进行研究。

参考文献：

1、石培华.旅游业节能家减排与低碳发展[M].中国旅游出版社,2010.

2、谢园方,赵媛.国内外低碳旅游研究进展及启示[J].人文地理,2010(5).

3、SusanneBeekena.DavidGSimmonsb.ChrisFrampton.Energyuseassociatedwithdifferenttravelchoices[J].TourismManagement,2003(24).

4、蔡萌,汪宇明.低碳旅游:一种新的旅游发展方式[J].旅游学刊,2010(1).

5、刘啸.论低碳经济与低碳旅游[J].中国集体经济,2009(13).

6、,黄继华,莫延芬,杨桂华.昆明市四星级酒店住宿产品碳足迹计算分析[J].旅游学刊,2010(3).

7、王润,刘家明,田大江.基于低碳理念的旅游规划设计研究――以福建省平潭岛为例[J].旅游论坛,2010(2).

8、路紫,蒋清文,刘武琼.环京津休闲旅游带低碳旅游经济发展[A].2010年度京津冀区域协作论坛论文集[C].2010.

9、林震,费衍慧.基于生态文明理念的低碳城市建设研究[J].管理观察,2010(16).

10、刘啸.北京世界城市建设过程中的旅游低碳化策略[A].低碳经济与世界城市建设――北京自然科学界和社会科学界联席会议2010高峰论坛论文集[C].2010.

碳排放论文范文

(一)影响因素选取理论上讲，供求关系是影响碳排放权价格波动的最主要因素，一般来说，在其他条件不变时，需求量和供给量的变动会引起均衡价格和均衡数量的变动，即当需求量大于供给量时，价格就会上升，这时需求量会因为价格的上升而下降，供给量会随着价格的上升而增加，直到供求平衡;反之，当供给量大于需求量时，价格就会下降，价格的下降一方面会引起供给量的减少，另一方面会刺激需求量的增加，整个过程直至供求平衡结束。总之，在其他条件不变时，需求量的变动会使得均衡价格和均衡数量沿着需求曲线变动;供给量的变动也会使得均衡价格和均衡数量沿着供给曲线变动。另一个方面，需求的变动和供给的变动也会引起均衡数量和均衡价格的变动，即当供给不变时，需求的增加会引起需求曲线向右移动，需求量会随着需求曲线的右移而增加，价格也会随着需求量的增加而上升，直到供求平衡;反之。当需求减少时，需求曲线就会向左移动，需求量会逐渐减少，价格也会随着需求量的减少而下降，直到实现供求均衡。当需求不变时，供给的增加会使得供给曲线向右移动，供给量也会随着供给曲线的右移而增加，而价格则会随着供给量的增加而下降，直到供求均衡;相反，供给的减少会引起供给曲线的左移，供给量减少进而使得供给价格增加，直至实现供求均衡。总之，在供给不变时，均衡价格和均衡数量会随着需求曲线的右移而增加，随着需求曲线的左移而减少;在需求不变时，供给的增加会使得均衡数量增加而均衡价格下降，供给的减少会使得均衡数量减少而均衡价格上升。碳排放权需求者是进行减排的企业，当供给因素不变时，价格取决于需求因素;欧盟碳排放配额分配主要涉及的产业涵盖了炼油厂、发电量超过20兆瓦发电厂、钢铁厂、水泥厂、玻璃厂、造纸厂以及航空业等实体产业。因而，本文根据欧盟碳排放配额涉及的行业对影响因素进行选取。本文选取了伦敦市场中的富时100指数、石油期货指数和美国市场中的道琼斯欧洲工业指数、道琼斯公用事业指数来反映欧洲市场的经济增长和能源消费，由于伦敦市场中，反映金融变动的指数是2011年推出的，数据量比较少，且和碳期货市场数据不能一一对应。因而，本文选取道琼斯欧洲金融指数来反映金融环境的变动。

(二)实证分析先通过计算各变量之间的相关系数对影响因素进行筛选，然后在此基础上建立MS－VAR模型对碳排放权价格波动的影响因素进行研究。1．相关分析。相关分析主要用于研究现象之间是否存在某种相关关系，并探讨这种相关关系的方向和相关程度，而衡量变量相关程度的指标通常用相关系数进行度量，因而本文通过计算由表1可知:Dec12与道琼斯欧洲金融指数和道琼斯欧洲公用事业指数的相关关系比较大，且都呈现正向的相关关系，相关系数大于0.6;Dec13与道琼斯欧洲公用事业指数的相关系数大于0.7，且呈正向相关关系，而与富时100指数呈负向相关关系，相关系数接近0.6;Dec14与道琼斯欧洲公用事业指数呈正向相关关系，相关系数大于0.6，而与富时100指数呈负向相关关系，相关系数接近0.6;Dec15与道琼斯欧洲金融指数呈正向相关关系，相关系数大于0.7;而与道琼斯欧洲工业指数和富时100指数呈负向相关关系，相关系数大于0.7。

为了更好的探究这些变量与碳期货之间的影响程度及背后的原因，本文将通过马尔科夫机制转换模型对这些关系进行分析。2．马尔科夫机制转换模型(MS)的建立与分析。由于计量模型通常要求时间序列数据具有平稳性，因而本章采取了和第二章相同的处理数据的方法:yt=100×(ln(pt)－ln(pt－1))，其中，pt为碳期货合约在t时刻的价格，在本章，其中碳期货价格为y，道琼斯欧洲工业指数为x1，道琼斯欧洲公用事业指数为x2，道琼斯欧洲金融指数为x3，富时100指数为x4。本节利用OX－METRICS软件对马尔科夫机制转换向量自回归模型进行估计，并对各碳期货的模型结果单独列出，根据模型的估计结果结合平滑概率图得出了主要状态发生机制转换的时间，以下是模型结果:由表2可以看出，Dec12价格收益率在状态为0和1时，道琼斯欧洲公用事业指数正向的影响Dec12价格;道琼斯金融指数指数负向影响Dec12价格。对比状态0和1时的参数的绝对值可以看出，在状态1时，道琼斯欧洲公用事业指数和道琼斯欧洲金融指数对Dec12价格的影响比在状态0时大，且道琼斯欧洲金融指数对Dec12价格影响更大、更强势，这些特征表明:总体而言Dec12价格呈现下跌趋势。两种转换机制的转换概率都小于1，p00=0.499180，说明在状态为0时，Dec12价格上涨继而继续上涨的概率为0.499180;p11=0.50082，表明在状态为1时，当天Dec12价格下跌继而下跌的概率为0.50082，即整体上Dec12价格下跌。图1是Dec12模型在状态一的平滑概率图，从图1可以看出，Dec12在整个交易期间发生了两次比较大的机制转换，时间大概是2009年9月和2011年11月。在2009年9月，欧洲的失业率创下近10年来历史最高，欧元区经济开始呈现通胀紧缩状态，金融危机对欧元区的影响仍在深化;2011年11月欧债危机正不断恶化，造成欧洲经济更加低迷，这些不利的条件促使Dec12价格模型发生了机制转换，发生机制转换后，μ0为负值，这也证明了欧洲碳排放权市场的不景气。和1时，道琼斯欧洲公用事业指数负向的影响Dec13价格;富时100指数正向影响Dec13价格。对比状态0和1时的参数的绝对值可以看出，这些参数的绝对值在大小上相差不是很大，总体而言:在状态1时，道琼斯欧洲公用事业指数和富时100指数对Dec13价格的影响比在状态0时大，且富时100指数对Dec13价格影响更大、更强势。两种转换机制的转换概率都小于1，p00=0.499180，说明在状态为0时，碳期货Dec13价格上涨继而继续上涨的概率为0.499180;p11=0.50082，表明在状态为1时，碳期货Dec13价格下跌继而下跌的概率为0.50082。从图2Dec13的平滑概率图可以看出，Dec13在整个交易期间发生机制转换的时间大概是2012年7月和2012年11月。Dec13交易的时间正好处于欧债危机的发生期间，受到金融大环境的影响，整个欧洲经济并不景气，这也促使了碳排放权市场的低迷。而在2012年3月欧盟春季峰会上，欧盟领导人明确表示欧洲多国经济形势开始出现好转，欧债危机逐步得到改善，出现了积极的变化，在这样的经济利好形势下，低碳市场开始好转。发生机制转换后的这两个时间段，μ0为正值，这在另一方面证明欧洲经济出现好转，低碳市场开始活跃。由表4可以看出，Dec14价格收益率在状态为0和1时，道琼斯欧洲公用事业指数正向的影响Dec14价格;富时100指数负向影响Dec14价格。

状态0和1下参数的绝对值大小相差不是很大，在状态0时道琼斯欧洲公用事业指数和富时100指数对Dec14价格影响大于状态1，且α的绝对值大于β的值绝对值，说明道琼斯欧洲公用事业指数对Dec14价格影响比较大。两种转换机制的转换概率都小于1，p00=0.499180，说明在状态为0时，碳期货Dec12价格上涨继而继续上涨的概率为0.499180;p11=0.50082，表明在状态为1时，当天碳期货Dec12价格下跌继而下跌的概率为0.50082。图3是Dec14模型在状态一下的平滑概率图，由这些图形可知，Dec14在整个交易期间发生的比较明显的两次机制转换的时间是2011年12月和2013年2月。欧盟在过去20年实行了持续的气候变化政策，在这一期间，欧盟的经济增长与碳排放“脱钩”的目标基本实现，为了继续对全球气候变化政策发挥决定行的作用，2011年11－12月的联合国德班气候大会通过了2015年建立全球气候变化政策的法律框架和排放目标建议。同时欧盟在这一期间将航空运输纳入碳排放交易配额体系，这在一定程度上会进一步影响欧盟碳排放权市场，也体现了欧盟在应对气候变化方面的坚定信心和不懈努力。由表5可以看出，Dec15价格收益率在状态为0时，道琼斯欧洲工业指数负向的影响Dec15价格;道琼斯欧洲金融指数正向影响Dec15价格;富时100指数负向影响Dec15价格。在状态为1时，道琼斯欧洲工业指数正向的影响Dec15价格;道琼斯欧洲金融指数负向影响Dec15价格;富时100指数正向影响Dec15价格。与状态0相比，道琼斯欧洲工业指数、道琼斯欧洲金融指数和富时100指数对Dec15价格的影响在状态1比较大，而道琼斯金融指数对Dec15价格的影响最大。两种转换机制的转换概率都小于1，p00=0.976656，说明在状态为0时，碳期货Dec12价格上涨继而继续上涨的概率为0.976656;p11=0.99619，表明在状态为1时，当天碳期货Dec12价格下跌继而下跌的概率为0.99619。由图4可以得知:Dec15在2013年2月发生了机制转换，在这一期间，欧盟委员会同意所有欧盟成员国向工业发放2013年排放的免费碳配额。从2012年开始欧盟延迟发放碳配额，这表明会有越来越多的碳配额供应量金融碳排放权市场，由于碳排放权市场一直都是供过于求的市场，欧盟委员会同意碳配额的发放将对碳价格带来更大的降价压力。

二、实证结论

碳排放论文范文篇3

按照“污染避难所假说”，发达国家倾向于将高污染，高能耗企业转移至他国，中国虽然不是发达国家，但国际上已有不少声音在质疑中国对外投资对当地环境的破坏问题，因此中国不断加大对外投资是否真正转移了本国部分高能耗企业，减少了本国CO2的排放量是一个值得深思且有待验证的问题。但可以肯定的是，中国OFDI的不断增长，对本国经济规模、技术水平以及产业结构等方面都带来了影响[7～12]，而上述变化必然对我国CO2排放量带来相应影响。本文将运用2003～2011年的省级面板数据，分析中国OFDI对本国CO2排放量的影响，为了更加明确影响的机制和渠道，本文还将运用联立方程模型，分析中国OFDI为本国带来的规模效应、技术效应以及产业结构效应，进而通过上述效应得出OFDI对我国CO2排放量的总效应，并相应提出政策建议。

2相关文献回顾

学界有关对外直接投资的环境效应方面的研究最早要追溯到“污染避难所假说”的提出[13]。“污染避难所假说”又称“污染天堂假说”（pollutionheavenhypothesis），是指由于发展中国家的环境治理标准和管理水平都显著低于发达国家，在经济全球化的背景下，发达国家倾向于将自己的高污染产业或者企业转移到发展中国家，进而对发展中国家的生态施加负面影响。关于“污染避难所”假说的验证，学界众说纷纭。Jaffe等率先挑战了上述假说[14]，其关于美国制造业外资进入的研究表明，外资并没有给东道国带来更多的污染；Eskeland和Harrison在拉丁美洲的研究也同样证明，外资企业较之于本土企业更懂得运用清洁能源与提高能源利用效率[15]；这些研究为其后的“污染光环假说”（pollutionhalohypothesis）的提出打下了基础[16]。后者认为，外资的进入实际上带来了更高效的技术和更先进的管理，将有助于东道国环境的改善和可持续发展[17～18]。诚然，“污染避难所假说”也在一些研究中得到验证，如杨英将研究范围集中在中国东部沿海地区，结论同样证明，外商直接投资的进入，增加了中国的三废排放量，造成了部分省份福利的减少[19]；同样的结论在沙文兵关于外商直接投资与SO2排放量的研究中也得到了验证，他认为外资流入的增多显著增加了我国SO2的排放量[8]。“污染避难所假说”毫无定论的验证，也使得其成为了整个国际经济领域中最容易引起争论的问题之一[20]。然而，随着CO2排放量的不断增多，国内外学者依旧运用此假说讨论外商直接投资与CO2的关系。Talukdar和Meisner运用1987～1995年44个发展中国家的面板数据研究了私人部门CO2排放量的原因，其研究认为，外资的进入降低了CO2的排放，然而在高收入国家二者没有因果关系[21]；Khalil等选用1972～2002年的时间序列数据，研究了巴基斯坦外商直接投资与CO2排放量的关系，通过协整检验证明了外商投资与CO2排放量之间存在着的正相关关系[22]；国内学者熊立等运用1985～2007年的时间序列数据研究了中国外商直接投资与CO2排放量的关系，认为外资的进入增加了中国的碳排放，这是由于80%以上的外资进入了第二产业，即高能耗产业，其效应超过了外资进入带来的技术效应[23]；刘华军和闫庆悦运用1995～2007年省级面板数据分析贸易、外资与碳排放的关系，其研究结论表明，外商直接投资对CO2排放具有负的效应，但不显著[24]；王道臻和任荣明运用1980～2008年的时间序列数据研究了中国外商直接投资、经济规模与CO2排放量的关系，认为外商直接投资是我国经济规模增长的格兰杰原因，而经济规模是二氧化碳排放的格兰杰原因，即外国直接投资的增加可以通过经济规模导致我国CO2排放量的上升[25]；刘倩和王遥[5]将金砖国家1985～2007年人均收入平均水平划分为两个样本组，并分别对两组面板数据进行了实证分析，回归结果表明，无论人均收入水平高低，外资流入均在一定程度上缓解了CO2排放的压力；肖明月和方言龙重点分析了环渤海地区、长三角地区和珠三角地区外资与碳排放的关系，他们认为外资的进入在一定程度上降低了上述地区的人均碳排放量，但对此三地区的碳排放影响效果有所不同，经济发展水平和能源强度是影响东部地区碳排量的最重要因素[26]。综上所述，国内外学者关于外商直接投资的环境效应以及与CO2排放量关系的研究结论不一、各有见地，但以上文献均只关注到外商直接投资对东道国环境及CO2排放量的影响，鲜有关注到外商直接投资对母国环境效应的影响，而有关“走出去”对本国CO2排放量的影响研究更是寥寥无几。周力和庞辰晨[6]研究了中国对外直接投资的母国环境效应，认为中国的OFDI有利于母国产业升级和技术回流，进而有利于母国的环境提升；Liu等研究了日本对外直接投资对本国CO2排放量的影响，结论指出，日本加大对外投资是日本减少碳排放的格兰杰原因，从母国背景证明了“污染避难所假说”的存在[1]。至今，关于中国OFDI对本国CO2排放影响的研究依旧缺乏。然而，从2003年开始，中国的对外直接投资迅猛增长，各类企业的海外设立是否有利于减少国内的碳排放已因此成为一个值得深思和研究的议题。本文选用2003～2011年中国30个省份（除外）的面板数据，拟研究中国OFDI对本国CO2排放量的影响及其影响机制。

3计量模型设定及数据来源简介

3.1计量模型设定

本文沿用Grossman和Krueger分解NAFTA的环境效应的方法来研究我国OFDI与CO2排放量的关系，将OFDI对CO2排放量的影响分为三种效应：规模效应、技术效应和产业结构效应，采用联立方程组模型对三种效应进行分别估计，最终得出其总效应[27]，影响CO2排放量的方程为：CO2=STC其中：S代表规模效应（scale），T代表技术效应（tech），C代表产业结构效应（composition），方程两边加上对数，等式变为：logCO2=logS+logT+logC我国OFDI的变化将会带来以上三种效应，而通过这三种效应最终影响到我国CO2的排放量，现加上OFDI对三种效应的作用。

3.2变量设定及数据来源

本文选取2003～2011年30个省份（除外）的面板数据进行实证分析，以下将分别对每个效应的变量和数据选取进行解释。3.2.1规模效应logScaleit=a1logOFDIit+a2Kit+a3logLit+a4logCO2it+εit（1）变量设定。①被解释变量（Scale）：经济规模。本文参照前人的做法[28]，选取各省份的国内生产总值（GDP）作为量化指标用于衡量经济规模的大小。②核心解释变量（OFDI）：对外直接投资。对于OFDI的衡量，前人较多采用对外直接存量作为量化指标[18]。本文也选取各省份对外直接投资的存量进行估计，对外直接投资量越大说明了地区经济发展水平和发展程度越高[11]，二者拟估计为正相关关系。③控制变量。资本存量（K）。各省份的资本存量是衡量该地区经济规模的重要指标[29]，其与经济规模拟估计为正相关关系；劳动力（L），劳动力人口的多少代表着地区工业化程度的规模以及经济规模的可容纳度[20]，劳动力已成为影响一国经济的重要指标，本文选取各省份每年底的就业人数进行量化，二者拟估计为正相关关系。二氧化碳排放量（CO2）。作为本文的核心变量，该变量是影响经济规模的控制变量之一。既有研究证明，CO2排放受经济发展的影响，同样也影响经济，环境的恶化将会降低经济发展速度[23]，二者拟成负相关关系。但笔者认为，一省CO2排放量越高，说明该地区的工业化程度和经济发展水平相对较高，虽然恶劣的环境会在一定程度上影响经济发展，却也是衡量一省经济规模大小的重要指标，因此二者的关系有待回归估计。（2）数据来源。经济规模、资本及劳动力相关数据均源于《中国统计年鉴》，对外直接投资数据源于2005年以及2011年《中国对外直接投资统计公报》。CO2排放量数据各省份目前并未公开，必须通过化石能源的消费进行转换估算而得。因此，本文通过2012年《中国能源统计年鉴》获得各省区石油、煤、天然气三种能源的消费量数据，并通过《中国可持续发展能源及碳排放情景分析》中给定的排放系数进行转换（石油碳排放系数为0.58吨碳每吨标煤、煤炭为0.75吨碳每吨标煤、天然气为0.44吨碳每吨标煤）。控制变量中GDPit-1与GDPit-2分别表示GDP滞后1期和2期的价值，这里主要是考虑一个宏观环境对资本积累的影响，流入国内的外商直接投资一般存在“挤入效应”和“挤出效应”，而流出的对外直接投资对国内资本的影响有待回归估计。3.2.2技术效应（1）变量设定。①被解释变量（Tech）：技术程度。该指标用于代表一省节能减排的技术程度。由于第二产业是CO2高排放量产业，一个地区节能减排的技术，可以通过该地区工业产出对碳排放的控制水平来衡量，因此本文选用单位工业产出CO2排放量进行衡量[4]。②核心解释变量（OFDI）：对外直接投资。量化同上。既有研究表明，部分OFDI的动因即为技术寻求型[30]，同样也有研究证明了OFDI逆向技术溢出的存在[7]，而这将有利于提高母国的企业生产技术和管理水平，同样也能提高母国企业降低能耗的水平[12]，因此二者拟估计为负相关关系。③控制变量。绿地面积（Green）。一个地区的绿地面积的增加将必然导致该地CO2排放的减少，二者拟估计为负相关关系。治理环境总投资额（Environ）。一省的CO2排放量会随其环境治理投入的提高而减少，二者拟估计为负相关关系。能源消费结构（Coalratio）。本文选用煤炭消费总量占总能源消费量的比率作为能源消费结构的量化指标，这是由于煤炭的碳排放系数较之其他能源最高。长期以来，我国的能源消费以煤炭为主，占到70%以上，此变量也在既有研究中用于量化能源消费结构[7]，二者拟为正相关关系。研发水平（RD）。此变量即为各省份的R&D经费投入，一省的科研经费将显著提升地区的技术水平，包括节能减排的效率，因此工业碳排放会因此减少，所以二者拟为负相关关系。人均国内生产总值（Pergdp）。较高的人均GDP通常会导致人们对生活质量要求的提高，相应会提高对环境的要求，因此会要求污染和排放的降低[29]，当然亦有学者认为，人均GDP与工业化程度具有正相关关系[20]，因此二者的实际关系有待回归估计。（2）数据来源。工业产出、绿地面积、环境投资均源于2003～2012年《中国城市统计年鉴》；技术程度源于笔者对CO2与工业产出进行的换算；用煤总量源于《中国能源统计年鉴》；R&D研发经费数据源于中国科技部网站。3.2.3产业结构效应（1）变量设定。①被解释变量（Comp）：产业结构。承前所述，第二产业为高碳排放产业，本文参考前人做法，选取第二产业占GDP的比重作为产业结构的量化指标[20]。②核心解释变量（OFDI）：对外直接投资存量。Cantewell和Tolentino早在1990年便从动态化的角度研究了发展中国家的OFDI行为，提出了OFDI所带来的技术创新和产业结构升级理论。他们认为，发展中国家的OFDI过程即是“技术学习”的过程，技术的提高相应会带来国内产业结构的升级，这一理论也在后来学者的研究中得到证实[31]。王英和刘思峰更直接的证明，OFDI会增加我国二三产业的就业人数，从而增加我国二三产业的比重，降低第一产业的比重[7]。而周力和庞辰晨的研究也表明，OFDI会使得我国产业结构向轻工业偏移，但是总体会增加第二产业的比重，因此笔者拟估计二者成正相关关系。③控制变量。人口总量（People）。地区人口越多，城市化水平越高，同时也会提高工业化程度，二者拟估计为正相关关系。要素投入率（K/L）。此处主要指人均资本量。一般情况下，资本/劳动比例较高，将导致经济中的工业产值较大的份额，当然也会因此导致更多的排放[23]。人均国内生产总值（Pergdp）。同技术效应原理一致，高人均GDP与高工业化挂钩，但人们却渴望高的生活质量，因此二者的实际关系有待估计。（2）数据来源。第二产业比重及人口总量源于《中国城市统计年鉴》，其余数据均来自于《中国统计年鉴》。

3.3数据特征分析

为了更好地分析样本信息，首先进行数据的描述性统计，如表1所示。由于加入了对数，统计性描述中所有数据都相对变小，但仍然可以看出这些数据的变化。值得注意的是，logOFDI的标准差达到2.156108，说明这一时间段我国对外直接投资的变化，而本文选取的2003～2011年也正好是我国OFDI开始迅速增多的时间段（图1）。此外，人均GDP（logPergdp）的变化也较大，在产业结构模型中可以关注其变化对产业结构的影响。

4计量结果分析

4.1三大效应估计

本文选取2003～2011年中国30个省份的面板数据分析了中国OFDI对本国CO2排放量的影响。本文首先分别对OFDI所带来的规模效应、技术效应以及产业结构效应进行了估计。根据Hausman检验结果，对三大效应的估计均采用固定效应模型，表2给出了通过逐步回归法，OFDI所带来的三大效应的估计结果。4.1.1模型的拟合随着变量的不断加入，三个效应模型的R2值都不断提高，这说明了所加入变量的有效性，其中技术效应及产业结构效应的R2值不是很高，但均超过了40%，解释变量的解释力仍然可以接受。根据检验结果，本文对于三大效应分别选用模型4、模型11及模型14进行分析，模型均通过Wald检验，说明方程整体估计效果良好。4.1.2规模效应结果分析核心变量OFDI与我国经济规模呈显著正相关关系，即我国的OFDI有助于推动我国经济发展，扩大我国经济规模，此结论也与前人的研究保持一致[18]。数据显示，我国的OFDI每增加1%，我国的经济总量将会提高0.292%；控制变量中CO2排放量与经济规模保持了正相关关系，这与熊立等的结论相悖[23]，但也在情理之中，CO2排放量增多会一定程度上影响经济发展，但其同时也是工业化扩大的指标，碳排放的增多也反映了我国经济规模的不断扩大；其余变量资本与劳动与本文之前的预测保持了一致。间接效应中（见模型5），我国的OFDI与国内资本积累呈正相关关系，这说明我国增加对外直接投资，国内资本存量会增多，这与外商直接投资的“挤出效应”相一致，国内的外资增多，引致国内投资的减少，而外资退出则会为国内资本创造空间，同理，我国增加了对外投资，自然会有其余资本弥补这些空间，甚至超过原有投资。4.1.3技术效应结果分析OFDI与技术程度呈负相关关系，即OFDI的增多会降低我国工业产出的单位碳排放，这一结果与前文预测一致，外商直接投资的增多带回了先进的技术水平，降低了我国的工业能耗，结果也再次证明了OFDI逆向技术溢出的存在。数据显示，我国OFDI每增加1%，会使我国单位工业产出碳排放降低0.092%。其余控制变量的相关系数也与本文预测保持一致，绿地面积、环境治理投资以及科研经费的投入都将降低工业单位产出的碳排放量，而能源消费结构则与其保持正相关关系。4.1.4产业结构效应结果分析由于被解释变量是第二产业占GDP的比重，而解释变量均为以万计的计量单位，因此本文为保持估计的准确性，对数据进行了“标准化处理”。研究结果显示，OFDI与产业结构呈正相关，即OFDI的增多会增大我国第二产业的比重，从而带来产业结构的变动，这也与前人的结论保持一致[6]。数据显示，我国的OFDI每增加1%，我国第二产业比重会增加0.243%。其余控制变量人口、人均GDP和人均资本与定的预期保持一致，除人口外均与产业结构呈显著正相关关系。

4.2我国对外直接投资对CO2排放量的总效应计算

以上对我国OFDI所带来的三大效应进行了分别估计，但得到的是单独的个体效应，而本文的目的是通过估计我国OFDI所带来的规模效应、技术效应以及产业结构效应的变化，进而分析OFDI对我国CO2排放量的影响，所需要估计的是OFDI对CO2排放量变化带来的总效应。由表3可知，我国OFDI所带来的规模总效应和产业结构总效应为正，而技术总效应为负。数据显示，我国的OFDI每增加1%，我国的经济总量将增加0.3053%，每单位工业产出碳排放降低0.0877%，第二产业比重增加0.2833%，三者综合起来得出我国OFDI对CO2排放量的总影响为显著的正效应。数据表明，我国OFDI每增加1%，我国国内的CO2排放量将会提高0.5009%，我国的OFDI并没有减少反而增加了国内的碳排放。数据表明，“污染避难所假说”并不属于中国。对于此结果，笔者认为有据可循。首先，OFDI所带来的正向规模总效应和产业结构总效应超过了负向的技术总效应，这是由于OFDI的技术回流存在一定的时滞[31]，并不能马上生效，而通过OFDI所学习的国外技术主要为先进的生产技术，用于提高生产率，对于减少节能减排的技术还相对较少，这使得OFDI所带回的技术总效应也相对最弱；其次，中国的对外投资猛增说明了中国经济水平的提升，而经济规模的扩大必然意味着更大规模的工业化和生产，碳排放也必然增多，我国从2007年超过美国成为第一碳排放大国，究其根本原因，仍然是经济水平提高所致，这使得OFDI所带来的规模效应绝对值超过了其他两个效应；最后，虽然我国近年来对国外石油以及采矿等高能耗产业投资逐渐增多，我国的OFDI主体部分并未流向高能耗产业，而主要流向了租赁和商务服务业（图2）。因此，对外直接投资并没有转移国内高能耗产业，反而因为对外直接投资调整了产业结构，增加了第二产业比重，这也带来了显著为正的产业结构总效应，进而增加了国内的CO2排放。

5主要结论和政策建议