我国东中西部二氧化碳排放的驱动因素研究

  第 25 卷 第 3   期 总第一○九期        111            我国东中西部二氧化碳排放的驱动因素研究 李卫兵，陈思，华中科技大学 经济学院，湖北 武汉                 430074 摘要:以 STIRPAT模型为基本框架并对其进行拓展，利用面板数据，对全国和东中西部地区的碳排放驱动因 素进行深入考察。总体 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 表明，人口、富裕程度、第二产业的发展和能源强度都会对碳排放造成影响， 而城市化水平、第三产业的发展对碳排放的影响并不显著，EKC 曲线不适用于中国的碳排放和经济发 展水平。而区域对比分析发现，中部地区的碳排放驱动因素在影响程度和方向上与东西部地区存在很 大的不同:中部地区人口对碳排放影响为负，东西部为正;能源强度对东西部的碳排放有显著影响而对 中部无显著影响。 关键词:碳排放;STIRPAT模型;EKC曲线;能源强度 作者简介:李卫兵(1976 －) ，男，湖北鄂州人，经济学博士，华中科技大学经济学院讲师，研究方向为资源与环 境经济学;陈思(1989 －) ，男，湖北黄冈人，华中科技大学经济学院本科生。 基金项目:国家社会科学基金资助项目(10BJL034) 收稿日期:   2010-12-01 中图分类号:F062． 2 文献标识码:A 文章编号:1671-7023(2011)03-0111-06 一、引言 自 1980 年以来，相对美国和日本，中国大 陆碳排放呈快速增长趋势(见图 1)。进入新世 纪，中国大陆碳排放量占世界总排放量的比例 年均增长超过 1%，从 2000 年的 12%上升至 2007 年的超过 20%，同一时期，美国这一指标 由 24%降至 20%左右，日本则基本保持在 4% ～5%的水平。2006 年，中国碳排放总量更是 首次超过美国，达到了 62 亿吨，而同年中国 GDP总量只相当于美国的 1 /10［1］1 － 570。哥本哈 根大会上，中国政府做出了到 2020 年单位 GDP 的二氧化碳排放量在目前基础上降低 40%到 50%的承诺，可以说我国碳减排目标的实现形 势不容乐观。 我国地区差别性明显，大致可以依据发展 水平、地理位置、经济联系、能源消费结构等特 征将我国分成东中西部三个经济带:东部地区 发展水平最高，第二、第三产业占其产值比重 大，人口密度最大;中部地区农业发达，工业发 展相对滞后，人口密度相对较高;西部地区整体 发展水平落后，人口稀少。当前，我国正经历着 沿海地区产业升级、产业向中西部转移的现状。 此外，三大地区也存在着人口数量、富裕程度、 城市化水平和能源结构等方面的不同，这些因 素都会影响我国整体和地区的碳排放水平。 图 1 世界及三大经济体碳排放趋势图［1］1 － 570 因此，本文试图以 STIRPAT 模型为基本框 架并对其进行拓展，利用面板数据，从人口数 量、富裕程度、产业结构、城市化水平和能源强 度五个方面对全国和东中西部地区的碳排放驱 动因素进行深入考察。 二、文献综述 经济活动在带来社会财富的同时也造成了 大量的二氧化碳排放。伴随着人口增长、城市 化等过程，人类对能源的消耗不断增加，从而导 致碳排放急剧上升。许多学者基于人口因素解 释碳排放的增加，其中 Ehrlich et al． 提出的 IPAT方程最具开创性，他们将环境影响(I)的 驱动因素分解为人口(P)、富裕程度(A)以及   社会科学版SHEHUI KEXUEBAN        112 技术(T) ，构造出等式 I = P·A·T［2］1212–1217。 IPAT方程是分析人类活动对环境影响的有效 工具。James C． Cramer 使用 IPAT 模型估计了 人口、政策管制、技术、人均收入对美国加州地 区 CO2 排放量的影响，并分析了污染对于上述 因素的反向效应［3］22 － 52。Kuishuang Feng et al． 利用 IPAT 等式分析了中国 5 个代表性地域在 1950 － 2002 年的不同发展阶段中各种因素对 碳排放的影响，并在进一步分析各地区以及全 国的消费模式之后，认为中国在实现现代化的 同时需要向可持续发展的方向转变，中国过多 的基础设施投资将成为碳排放激增的隐 患［4］145 － 154。但是 IPAT模型也存在着诸多缺点。 IPAT模型“适用于数量评估、学科研究辅证，而 不能提供合适的数据对该模型的适用性评 估”［5］175 － 179;IPAT模型忽视了个体行为方式(如 消费偏好)对环境的影响，有学者据此提出了 各种改进的模型［6］149 － 150，［7］3;而 IPAT 等式最大 的问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 在于作为会计等式，不能用于检验各种 人文驱动因素对环境压力的影响的假说，等式 中一些值确定性地决定了其他值，并且先验性 地确定了环境及其影响因素之间的比例变化关 系［8］31 － 51。 鉴于上述缺点，Thomas Dietz et al． 1994 年 提出 STIRPAT 模型，用以定量分析各种驱动因 素对环境的影响，由此极大拓展了对包括碳排 放在内的环境状况影响因子的研究［9］277 － 300。许 多学者运用 STIRPAT 模型分析了碳排放的驱 动因素，这些研究几乎一致认为富裕程度、产业 结构、城市化都会对碳排放产生影响，只是在碳 排放的人口弹性的大小上存在争议。后来 Thomas Dietz利用 111 个国家 1989 年的截面数 据估计了各种因素对碳排放量的影响，发现碳 排放的人口弹性小于 1［5］175 － 179。Richard York 分析了 146 个国家的截面数据也得到了人口弹 性小于 1 的结论［8］31 － 51。Anqing Shi 运用 93 个 国家的面板数据，引入收入水平和时间两个虚 拟变量，考察了碳排放的人口弹性，得出发展中 国家人口变动对碳排放的影响比发达国家要大 的结论［10］29 － 42。Richard York et al． 以二氧化碳 排放量、甲烷排放量和全球变暖趋势(Global Warming Potential，GWP)为被解释变量，利用 137 个国家 1991 年的截面数据，研究了环境和 人类活动之间的关系，结果发现环境影响的人 口弹性为单位弹性［11］1 － 10。GO¨khan U¨nlü 选取 了八个国家 1980 － 2004 年的数据，依据收入水 平分为两组，对每一国家单独采用 OLS 方法计 算碳排放的影响因素的系数，发现碳排放的人 口弹性在不同国家的差别很大［12］26 － 39。 有关环境状况与其驱动因素的关系的一个 有趣问题是 EKC 曲线(Environment Kuznetz Curve，环境库兹涅兹曲线)的验证。Richard York发现能源消费与人均 GDP之间的 EKC曲 线关系并不成立［13］855 － 872。Thomas Dietz et al．认 为当人均收入在10 000美元(1989 年价)时，碳 排放的 Kuznets 拐点将出现［5］175 － 179。Richard York et al．以能源足迹为被解释变量时，发现 EKC 曲线对城市化程度和人均 GDP 均不适 用［8］31 － 51。一般而言，EKC曲线适用于单个国家 或地区的时间序列，但却不适用于截面数 据［14］32 － 42。国内在碳排放的驱动因素方面的研 究，以 EKC曲线在中国环境下的验证为主，并 且都得到当人均 GDP 达到一定水平，Kuznets 拐点即出现的结论，只是人均 GDP 的数值从 1 200 － 1 500元(1978 年价)到 10 万(2006 年 价)不等［15］88 － 99，［16］93 － 94。 综上所述，现有研究存在以下不足:1)没 有将碳排放驱动因素的研究深入到国家内部不 同地域;2)在面板数据的研究中未能依据不同 地区经济发展水平加以分类，没有考虑到不同 地域在产业结构、人口基数等方面的差异;3) 国内学者的研究局限于 EKC曲线的验证，没有 全面考察碳排放的驱动因素。 三、模型设定与数据 (一)模型构建 本文基于 STIRPAT 模型来测度全国及东 中西部碳排放的驱动因素。STIRPAT (Stochas- tic Impacts by Regression on Population，Affluence and Technology )模型由 Thomas Dietz et al． 1994 年提出，其目的在于定量测度各种驱动因 素对碳排放的贡献程度的大小［9］277 － 309。初始的 STIRPAT模型形式如下: Ii = αP β i A γ i T δ i ei (1) I代表环境影响，P 代表人口数目，A 代表 富裕程度，T 代表科技水平。α，β，γ 和 δ 均为 待估计的参数，ei 代表随机误差。实际上， STIRPAT模型可看成 IPAT 模型在一般意义上   第 25 卷 第 3   期 总第一○九期        113            的推广(α = β = γ = δ = 1 时，IPAT模型和 STIR- PAT模型等价)。而且，科技因素不仅包含技 术水平，还有社会组织、 制度 关于办公室下班关闭电源制度矿山事故隐患举报和奖励制度制度下载人事管理制度doc盘点制度下载 、文化和其他所有 除人口和富裕程度之外的对环境造成影响的因 素［4］175 － 179。 实证研究中，可将(1)式取自然对数而变 成以下形式: lnIi = c + βlnPi + γlnAi + δlnTi + εi (2) 其中 c 为常数项，lnIi、lnPi、lnAi 和 lnTi 代 表各种因素的对数形式，εi 为随机误差项。此 时，β、γ、δ 等系数即为碳排放对各解释变量的 弹性。为了全面地考察我国碳排放的驱动因 素，本文将(2)式扩展为: lnIit = c + βlnPit + γlnAit + ζ(lnAit) 2 + δlnSTit + ηlnTIit + θlnUit + λlnETit + εi (3) 其中，i 用于区分东中西部三个地区，t 表 示时间，新增项 SI代表第二产业产值占总产值 比重，TI表示第三产业产值占总产值的比重，U 表示城市化水平，EI 代表能源强度(Energy In- tensity)。各变量的含义和测度方法如表 1 所 示。 表 1 各解释变量含义及测度指标 解释 变量 含义 测度方法 I 环境影响 碳排放量(万吨) P 人口 人口数(万人) A 富裕程度 实际人均 GDP(元，1990 = 100) SI TI 产业结构 第二产业占总产出比重(%) 第三产业占总产出比重(%) U 城市化水平 非农业人口占总人口比重(%) EI 能源强度 实际单位 GDP消耗的能源 (万吨标准煤 /万元) (二)样本和数据 样本区间为 1990，1995 － 2007 共计 13 个 年份①。将我国 31 个省、自治区和直辖市分为 东中西部三个地区②。 碳排放的监控仅在少数发达国家和地区进 行。本文中碳排放量数据通过 IPCC(政府间气 候变化专门委员会，Intergovernmental Panel on Climate Change)给出的各种能源碳排放系数与 各地区各年份能源消费量数据相乘得到各地区 在样本区间内的碳排放数据。能源消费数据③ 来源于中国能源统计年鉴。 1998，2005 年及以后的人口和城市化数据 来源于中国人口与就业统计年鉴，其他年份数 据来源于中国人口统计年鉴。两种年鉴均由国 家统计局人口和就业统计司主编，统计口径一 致。 产业结构通过查询各地区各年第二、三产 业产值及地区总产值计算求得。除 1995 年外， 其他数据均来源于中国统计年鉴。1995 年的 总产值以及三次产业产值的数据来源于新中国 50 年统计资料汇编。 富裕程度通过各地总产值除以总人口计算 求得。总产值数据在统计年鉴上为名义变量， 因此将各年总产值除以当年全国 CPI 数据(以 1900 年为基年)以更好地反映富裕程度的实际 变化。 能源强度通过计算总能源消耗量(以万吨 单位标准煤计)除以地区总量 GDP求得。总能 源消耗量来自中国能源统计年鉴，其中宁夏 2002 年总能源消费量来源于宁夏统计年鉴。 四、实证分析 (一)总体分析 基于研究特点，本文采用固定效应模型进 行 OLS回归④，结果如表 2 所示。 对比两模型，模型二相对模型一缺失变量 (lnAi) 2，模型一中(lnAi) 2 的系数不显著，且此 时的系数出现错误的预期符号，回归结果表明 EKC曲线不成立，人口增长对碳排放的影响大 于单位弹性，这与 Thomas Dietz等人 1997 年的 结论有所不同，这是因为尽管我国的 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 生育 ① 1991 － 1994 年以及 1986 年之前能源统计年鉴上不可得，1986 － 1989 年的数据过于粗糙。 ② 关于东中西部的省份划分问题，存在一定争议。基于能源消费结构、地理位置、经济发展水平等方面的特点，本文划归如下:东 部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南 11 个省 /自治区 /直辖市;中部地区包括山西、吉林、黑龙江、 安徽、江西、河南、湖北、湖南 8 个省 /自治区;西部地区包括重庆、广西、内蒙古、四川、贵州、云南、陕西、甘肃、宁夏、青海、新疆 11 个省 / 市 /自治区。这与国家西部大开发政策的划分相同。其中西藏能源消费数据未计入能源统计年鉴，数据来源无法保证，也因此本研究未 考虑。 ③ 统计年鉴上可查询到的各地区消费的能源种类包括煤炭、焦炭、原油、燃料油、汽油、煤油、柴油、天然气八种。电力、核能等其 他能源的最终消费不产生碳排放，因此未计入碳排放计算中。能源统计年鉴上部分地区缺失数据来自各地统计年鉴。重庆自 1997 年之 后才有独立的数据，之前并入四川省，但因其计入西部，不影响地区分析。 ④ GLS回归允许异方差的存在，且回归结果均显示残差项符合正态分布趋势。   社会科学版SHEHUI KEXUEBAN        114 表 2 全国碳排放驱动因素的 OLS回归结果 变量 模型一 模型二 lnPi 1． 706 (1． 341) 1． 825 (1． 808)* lnAi 0． 913 (0． 494)* 1． 201 (3． 293)＊＊＊ (lnAi) 2 1． 706 (0． 1584)＊＊ — — lnUi 0． 427 (1． 0867) 0． 429 (1． 108) lnSIi 1． 619 (1． 173) 1． 178 (2． 004)＊＊ lnTIi － 0． 575 (－ 0． 968) － 0． 612 (－ 1． 132) lnEIi 0． 887 (1． 667) 0． 924 (1． 958)＊＊ 修正 R2 0． 985 0． 976 注:ln代表对解释变量采用对数形式。常数项在模型中意义 不大，因此省略。括号内为 p值。* 表示在 10%的统计水平上显 著。＊＊表示在 5%的统计水平上显著，＊＊＊表示在 1%的统 计水平上显著。结果根据 Eviews6． 0 回归结果整理。 政策取得了很大的成效，但人口增长的绝对数 仍然较大，这直接导致了能源消耗的快速增长， 由此导致碳排放的增加。城市化进程对区域碳 排放的影响并不显著，这主要是由于我国城市 化进程并未相应带来整体城市生活质量、服务 水平上的提升，因此城市化因素对能源需求不 构成主要因素，所以对碳排放的影响较小。而 且，城市化既可能提升环境效率(environmental efficiency) ，也可能导致对环境的负面影 响［17］567 － 586。第二产业的发展对我国碳排放的 影响为正，与预期符号一致，这是因为我国第二 产业的飞速发展导致对能源的需求激增，同时 资本效率、产品科技含量提高较慢导致碳排放 增加。而金融、旅游等作为服务业“绿色产业” 的代表由于对能源的需求较稳定，加上我国第 三产业发展速度一直较低，而对碳排放也不构 成显著影响。能源强度对碳排放的影响为正， 则是由于能源利用效率的提高会减少能源消 耗，从而降低碳排放。 上述总体分析暗含的前提假定是东中西部 三地的碳排放驱动因素是相同的且具有相同的 影响。但实际上三地的经济发展水平、产业结 构、人口密度等不同决定了其碳排放驱动因素 必然存在一定的异质性。因此下面将分区域进 行更深入的研究。 (二)区域对比分析 对东中西部三地的碳排放分别进行 OLS 回归，结果如表 3 所示。模型 A1、B和 C1 为考 虑所有变量后的回归结果，A2、B 和 C2 为最优 回归结果。表 3 说明三地的碳排放驱动因素确 实存在一定的差异，下面的分析主要集中于模 型 A2、B和 C2。 表 3 东中西部地区碳排放驱动因素的 OLS回归结果 区域 东部 中部 西部 变量 模型 A1 模型 A2 模型 B 模型 C1 模型 C2 lnP 1．765＊＊ (0．062) 1．008 (0．22) 2．610＊＊＊ (0．000) 0．959＊＊＊ (0．000) 0．982＊＊ (0．000) lnGDP 1．921＊＊＊ (0．000) 1．572＊＊＊ (0．000) 2．651＊＊＊ (0．000) 0．959＊＊＊ (0．000) 0．980＊＊＊ (0．000) lnU 0．053 (0．657) — — －5．403＊＊＊ (0．003) 0．187 (0．334) — — lnSI －2．799 (0．217) 1．028＊＊ (0．024) －4．513＊＊＊ (0．006) 0．063 (0．883) — — lnTI －1．250* (0． ．094) — — －0．805＊＊ (0．020) 0．295＊＊＊ (0．0087) 0．331＊＊＊ (0．000) lnEI 1．826＊＊ (0．004) 1．458＊＊＊ (0．007) 0．886＊＊ (0．01) 0．081 (0．787) — — 修正 R2 0．987 0．971 0．974 0． ．994 0．993 SIC值 －1． 710 －1． 321 －2． 49 －2． 576 －2． 80 1．人口 三地区碳排放的人口弹性均为正，表明人 口的增长增加了物质消费，从而对能源的消耗 增加，导致碳排放的上升。系数呈现东中部较 高、西部较低的特征。这是由于东中西部的经 济发展水平比西部发达，而地区富裕程度的上 升往往会导致家庭规模的减小和家庭数目的增 加，这必然会增加对能源的需求［18］13 － 18，因此东 中部地区碳排放的人口弹性比西部要大。 2．富裕程度 东中西部三地的富裕程度的提升都对碳排 放产生了正向影响，与总体分析的结果一致。 但弹性并未随着人均 GDP的上升而增加， 而是出现先上升后下降的情况。这类似于经济 发展水平与环境状况之间呈现的 EKC 曲线关 系［5］175 － 179。这是由于高收入地区经济增长更加 依赖于服务业，并且高收入地区更有能力进行 提高能源利用效率的研发。 3．城市化 东西部城市化水平的提升对碳排放并没有 显著影响，其背后的原因可能不同。东部地区 发展水平高，城市化进程中更加注重环保、基础   第 25 卷 第 3   期 总第一○九期        115            设施的建设;西部地区城市化进程缓慢，对碳排 放的影响因此不显著;而中部地区城市化水平 的提升反而带来碳排放的减少，应当与我国城 市化滞后于工业化的整体发展现状有关。 4．产业结构 东中西部第二产业的发展对碳排放的影响 差异很大，东部地区第二产业碳排放的发展对 碳排放的影响为正，中部为负，西部则影响不显 著。这是由于东部地区第二产业集中在劳动密 集型产业，中部地区第二产业虽然产值不高，但 是呈现资本密集型特征，其资本 /劳动力比速度 上升快。根据张军等(2004)提供的资料进行 测算［19］，中部八省 1998 年人均资本占有量是 1995 年的 1． 33 倍，2002 年人均资本占有量是 1998 年的 1． 22 倍①。因此中部地区第二产业 的发展对碳排放的影响为负。西部地区第二产 业的发展十分缓慢是其不显著影响碳排放的 原因。 东部地区第三产业发展对碳排放无显著影 响，中部影响为负，西部为正。西部地区第三产 业发展对碳排放的影响与传统理论相悖，这是 由于西部地区第三产业主要以房地产、交通运 输、仓储和邮政业等部门为主，这些部门的相对 能耗较高，对碳排放的影响较大。据笔者测算， 2007 年，上述 4 个部门产值占第三产业产值的 比重西部为 60． 17%，而东部和中部仅为 25%。 5．能源强度 东中部地区的能源强度对碳排放的影响均 为正，与总体分析结论相同，西部地区的能源强 度对碳排放无显著影响。这主要是不同地区特 殊的能源结构所致。东部地区主要依靠石油及 其加工品，次为天然气，西部地区主要依靠天然 气和石油，中部地区则依靠煤炭。石油、天然气 能源热值高而碳排放系数小，中部地区依靠碳 排放系数较高的煤炭②，但其能源结构改变较 大，能源强度的降低对碳排放的减少影响较大。 东西部地区能源强度的变化情况构成其是否影 响碳排放的主要因素。 五、结论 本文以 STIRPAT模型为基本分析框架，全 面考察了全国及东中西部三个经济带的碳排放 驱动因素，发现影响东中西部碳排放的因素存 在一定的共性:人口富裕程度、第二产业的发展 对碳排放有影响，城市化、第三产业的发展则对 其无显著影响;同时也存在较大的差异性:不同 因素对碳排放的影响程度有较大差异，甚至出 现不同方向的影响，这是由于三大经济带在经 济发展水平、能源结构、人口密度等方面的不同 特点所致。这表明在总体分析的基础上进一步 进行区域对比分析十分有意义。 实证分析表明改善我国地区能源消费结 构、提高能源利用效率、注重城市化与工业化的 平衡发展对我国实现低碳的可持续发展具有重 要的意义。 较为特殊的是中部地区的碳排放影响因子 无论是在程度还是方向上都与东西部相比呈现 许多的不一致性，更深入地考察造成中部地区 排放因子独特性的原因，这可以成为进一步研 究的对象。 参考文献: ［1］International Energy Agency (IEA)Statistics，“C02 E- missions from Fuel Combustion 2008”． OECD Energy， No． 21，2008． ［2］Ehrlich PR，Holdren JP．“Impact of Population Growth”． Science，March． 1971． ［3］James C． Cramer． “Population Growth and Local Air Pollution:Methods，Models，and Results”． Population and Development Review，May． 2002． ［4］Kuishuang Feng，Klaus Hubacek，Dabo Guan． “Lifes- tyles，Technology and CO2 Emissions in China:A Region- al Comparative Analysis”． Ecological Economics，July． 2009． ［5］Thomas Dietz，Eugene A． Rosa． “Effects of Population and Affluence on CO2 Emissions”． Ecology，February． 1997． ［6］Peter C． Schulze． “I = PBAT”． Ecological Economics， May． 2002． ［7］Mark Diesendorf． “I = PAT or I = PBAT”． Ecological E- conomics，October． 2002． ［8］Richard York，Eugene A． Rosa and Thomas Dietz． “A Rift in Modernity?Assessing the Anthropogenic Sources ① ② 其中资本量仅限于物质资本，人口数以地区总人口计。 经测算，天然气的碳排放系数为 0． 4483，原油的碳排放系数为 0． 5857，原煤的碳排放系数为 0． 7559，资料来源:http:/ /www． ipcc． ch / index． htm。   社会科学版SHEHUI KEXUEBAN        116 of Global Climate Change with the STIRPAT Model”． In- ternational Journal of Sociology and Social Policy，March． 2003． ［9］Thomas Dietz，Eugene A． Rosa．“Rethinking the Envi- ronmental Impacts of Population，Affluence，and Technol- ogy”． Human Ecology Review，January． 1994． ［10］Anqing Shi． “The Impact of Population Pressure on Global Carbon Dioxide Emissions，1975 － 1996:Evidence from Pooled Cross － country Data”． Ecological Econom- ics，April． 2003． ［11］Richard York，Eugene A． Rosa，Thomas Dietz． “A Rift in Mmodernity?Assessing the Anthropological Sources of Climate Change with the STIRPAT Model?”Carbon Bal- ance and Management ，November． 2006． ［12］GO¨khanU¨nlü． “The Impact of Population Growth on CO2 Emissions:an Empirical Analysis”． Working paper， Faculty of Business，Department of Economics，April． 2008． ［13］Richard York． “Demographic Trends and Energy Con- sumption in European Union Nations，1960 – 2025”． Social Science Research，December． 2007． ［14］Cavlovic T，Baker KH，Berrens RP and Gawande K．“A Meta － analysis of Kuznets Curve Studies”． Agriculture Resources Econ Rev，October． 2000． ［15］张晓:《中国环境政策的总体评价》，载《地理学报》 1999 年第 3 期。 ［16］朱永彬、王铮、庞丽、邹秀萍:《基于经济模拟的中国 能源消费与碳排放预测》，载《地理学报》2009 年第 8 期。 ［17］Ehrhardt － Martinez K． “Social Determinants of Defor- estation in Developing Countries:a Cross － national Study”． Social Forces，May． 1998． ［18］Thomas D，Eugene A R and et al．“Driving the Human Ecological Footprint”． Frontiers of Human Ecology， May，2007． ［19］张军、吴桂英、张吉鹏:《中国省际物质资本存量估算 1952-2000》，载《经济研究》2004 年第 10 期。 A Study on the Driving Forces of the Carbon Dioxide Emissions in the East， Middle and West Regions of China LI Wei-bing，CHEN Si (School of Economics，HUST，Wuhan 430074，China) Abstract:Taking the STIRPAT model as the basic framework，extending the formula and utilizing the panel data，this paper investigates thoroughly the driving forces of carbon dioxide emissions in the overall level and east，middle and wset regions of China． The general analysis via the fixed effect model shows that popula- tion，affluence and the development of the second industry influence carbon dioxide emissions，while urbaniza- tion，the development of the third industry doesn’t affect the carbon dioxide emissions significantly． EKC the- ory does not fit in the relationship between the emissions and the growth of affluence． Then the regional com- parative analysis shows that the driving forces that affect emissions in the middle regions of China have many differences compared with that in the east and west in terms of degree and direction:The development of the second industry decreases carbon dioxide emissions in the middle regions of China and increases the carbon di- oxide emissions in the east and west China． The level of urbanization has impact on the east and west but not on the middle enery intensity of China． Key words:carbon dioxide emissions;STIRPAT model;EKC curve 责任编辑 陈卓淳