资源描述:
第28卷第12期管理评论Vol. 28, No. 122016年12月Management Review Dec., 2016就业状态对家庭消费隐含碳排放的影响 来自中国城市家庭的微观证据徐新扩1,2 韩立岩1(1.北京航空航天大学经济管理学院,北京100191;2.首都经济贸易大学金融学院,北京100070)摘要节能减排影响就业,反过来,就业影响节能减排吗本文基于STIRPAT模型,采用中国城市家庭的调查数据,分析就业状态及其变动对家庭消费隐含碳排放的影响。结果表明受雇、失业和退休对家庭消费隐含碳排放的影响系数分别为0 0927、-0 233和-0 157,就学的影响不显著;就业状态影响的差异说明就业状态变动会导致家庭消费隐含碳排放的变动;具体而言,受雇通过衣着、家用设备、家居、通讯、交通和文教娱乐等多类消费增加家庭的隐含碳排放,退休增加家庭医疗保健消费的隐含碳排放,就学人员食品消费的隐含碳排放较高。研究结果能够为家庭节能减排政策的制定提供参考。关键词隐含碳排放;就业;家庭消费;节能减排;STIRPAT模型收稿日期2014-08-26基金项目国家自然科学基金面上项目(71173008;71371022);国家自然科学基金青年项目(71603174)。作者简介徐新扩,北京航空航天大学经济管理学院,博士,首都经济贸易大学金融学院讲师;韩立岩(通讯作者),北京航空航天大学经济管理学院教授,博士生导师,博士,北京航空航天大学金融学科责任教授。引 言隐含碳排放(embodied carbon emissions)用来描述产品供应链从上游生产到最终消费的各个环节直接或间接产生的全部碳排放[1-3]。气候政策中日益流行的“消费者负担”原则强调从家庭消费角度控制隐含碳排放的增长[2-4]。就中国而言,家庭消费隐含碳排放的规模巨大,同时,城镇化、快速增长的国内需求以及消费结构的复杂化使家庭消费隐含碳排放持续增加,控制家庭消费隐含碳排放已经成为中国实现节能减排目标的必要手段[5]。认识家庭碳排放的影响因素能够为家庭节能减排政策的制定提供参考[6]。多位学者[7-13]采用总量数据从宏观层面研究了收入(或消费)水平、人口规模和家庭结构等几个因素对家庭碳排放水平的影响。 Bin和Dowlatabadi[14]提出认识家庭碳排放影响因素的基本框架,认为家庭碳排放产生于家庭的消费行为,家庭特征及社会经济特征通过作用于消费模式影响家庭碳排放。在此基础上,Graham等[15]、Golley和Meng[16]、Liu等[17]、王丹寅等[18]、曲建升等[19]分别采用微观数据分析了收入、家庭规模、教育水平等家庭特征对家庭直接碳排放和食品、耗材、私人服务等消费的间接碳排放以及家庭总的碳排放的影响。 Duarte等[20,21]、Baiocchi等[22]、赵晓丽和李娜[23]等进一步研究了消费模式在家庭特征影响家庭碳排放中的作用。就业状态会影响家庭的消费行为[24-26],进而影响家庭的消费模式和碳排放,对就业状态与家庭碳排放关系的研究具有重要意义。首先,Babiker等[27]、Fæhn等[28]、陆旸[29]、Chateau和Saint⁃Martin[30]从生产角度考察了节能减排对就业的“挤出效应”,从家庭消费角度考察就业对碳排放的影响,有助于全面认识就业与碳排放之间关系。其次,研究就业状态对家庭碳排放的影响能够丰富对家庭碳排放影响因素的认识,使家庭节能减排政策的制定有更多指标可供参考,提高家庭节能减排政策的科学性和有效性。再次,在关注节能减排的同时,延迟退休、减少结构性失业、提高受教育年限等也成为中国社会的热点,对就业状态影响家庭碳排放的研究有助于评估就业相关政策的环境影响,充分评价就业政策的效果。本文利用中国城市代表性家庭的调查数据,采用消费生态法(Consumer Lifestyle Approach,CLA)[14]核算146 管理评论第28卷家庭各类消费的隐含碳排放以及总的隐含碳排放,并基于STIRPAT模型的框架,分析就业状态及其变动对家庭总的隐含碳排放的影响,进而比较就业状态及其变动对家庭各类消费隐含碳排放的影响的差异。余下部分的内容安排为第二部分为文献综述;第三部分阐述分析框架;第四部分介绍数据来源、变量选择和实证方法;第五部分报告并分析实证结果;最后,总结全文并探讨政策含义。文献综述仅有几篇文献涉及就业状态对家庭碳排放的影响。 DEFRA[31]在研究英国家庭碳排放交易体系中不同群体的碳排放水平时,通过分组比较发现自雇人士(self⁃employed)、全职工作者、兼职工作者和失业者的直接碳排放水平依次降低,而回归分析的结果恰恰相反。因控制了其他变量的影响,回归分析的结果更加可信。Gough等[32]和Büchs等[33]的研究也表明分组比较和回归分析在分析就业状态对家庭碳排放的影响时会出现不一致的结果,Büchs等[33]还说明了造成这种差异的原因,即就业状态影响家庭收入,收入效应使就业状态对家庭碳排放的影响产生“扭曲”。相比DEFRA[31]的研究,Gough等[32]和Büchs等[33]对就业状态与家庭碳排放关系的研究更加深入。Gough等[32]根据就业状态将来自英国的样本家庭分为工作多的(work⁃rich)和工作少的(workless),进而比较两类家庭不同领域碳排放的差异,发现工作多的家庭在交通、耗材和私人服务方面的碳排放以及间接碳排放和总的碳排放均较高,工作少的家庭食品消费隐含碳排放和直接碳排放较高。同样采用英国家庭的调查数据,Büchs等[33]将家庭分为失业家庭(有劳动适龄人口但无人受雇或自雇)和非失业家庭,发现失业家庭家用能源产生的碳排放较高,而交通用能产生的碳排放较低。 Meier和Rehdanz[34]也发现工作少的家庭取暖支出更高。对此的解释是,工作多的家庭有较多的出行机会并有收入来源购买更多的商品和服务,从而具有较高的碳排放;工作少的家庭其成员居家时间较多,从而会导致供暖、饮食等引致的碳排放较高。此外,Büchs等[33]以及Brand和Preston[35]、Brand等[36]的研究均表明,就业状态是英国家庭交通碳排放的主要影响因素之一,对于家庭不同类型交通产生的碳排放,就业状态的影响存在显著差异。在此基础上,Han等[37]应用分位数回归和Shapley值分解方法分析包括就业状态在内的家庭特征对家庭隐含碳排放的影响,发现就业状态对家庭隐含碳排放差异性的贡献度为19 2%,受雇人员和退休或失业人员相比具有较高的隐含碳排放,就业状态对家庭隐含碳排放的影响在不同分位上存在显著差异。但Han等[37]侧重于对方法及其实证结果的论述,并涉及影响家庭隐含碳排放的多类家庭特征,导致对就业状态作用的分析不够深入。本文较之已有文献有三点创新。一是相对于已有文献主要考察就业和失业对家庭碳排放的影响,本文同时考虑就学和退休的作用。二是相比于已有文献的静态分析,本文还考虑到家庭成员就业状态转变对家庭隐含碳排放的动态影响。三是相对于已有文献主要考察就业状态对家庭直接碳排放以及部分间接碳排放的影响,本文涉及衣着、医疗保健、文教娱乐等更多家庭消费内容的隐含碳排放。分析框架STIRPAT模型[38,39]是一个被广泛接受的分析人文因素影响环境的量化模型,其对数形式为lnI = lna + blnP + clnA + dlnT + lne (1)其中, I表示环境影响, P表示人口学因素, A表示经济因素, T表示技术因素, e为随机项。家庭是最小的经济体,STIRPAT模型能够应用于对家庭隐含碳排放影响因素的分析。家庭规模反映家庭人口学因素,收入为反映家庭财富状况的经济因素,反映技术因素的家庭隐含碳排放强度受家庭特征的影响。参考Duarte等[21]、Baiocchi等[22]、Büchs和Schnepf[33]、Golley和Meng[16]和Han等[37]的分析,影响家庭隐含碳排放的因素包括家庭规模、收入、户主性别、教育水平和所在区域等。DEFRA[31]、Gough等[32]和Büchs等[33]的研究表明,就业状态影响家庭的交通、供暖以及其他商品和服务的消费,进而影响家庭的直接碳排放和间接碳排放。反映家庭就业状态的变量包括家庭就学人员比例、受雇人员比例、失业人员比例和退休人员比例等,这些变量均可能对家庭碳排放产生影响。考虑就业状态后,家庭碳排放的影响因素及其归类如图1所示。由此可以得到家庭隐含碳排放的决定第12期徐新扩,等就业状态对家庭消费隐含碳排放的影响147 模型lnI = lna + blnP + clnA + ∑ d∗ X + lne (2)其中,I为家庭人均隐含碳排放,单位为千克(kg);P为家庭规模,单位为人;A为人均收入,单位为元(yuan),X为收入和人口规模以外的家庭特征因素,包括户主性别、教育水平、所在城市以及反映就业状态的变量。图1 家庭碳排放的影响因素及其归类家庭成员会在不同就业状态间转变(如图2所示)。结束就学状态后,多数人进入受雇状态,同时,也有小部分人进入失业状态;反之,少数已经参加工作或者处于失业状态的年轻人会回到就学状态。家庭成员在受雇状态和失业状态之间转换比较常见。达到一定年龄的家庭成员会从受雇或失业状态进入退休状态。本文在考察就业状态影响家庭消费隐含碳排放的同时,也考察就业状态变动对家庭消费隐含碳排放的影响。图2 不同就业状态之间的转变关系家庭消费内容分为食品、衣着、家用设备、医疗保健、居住、交通、通讯、文教娱乐和杂项商品等大类[40,41],将模型(2)中的被解释变量依次替换为家庭各类消费的隐含碳排放,可用于考察就业状态及其变动对家庭各类消费隐含碳排放的具体影响。实证研究设计1、数据来源本文的微观数据来源于清华大学金融研究中心开展的2011年全国消费金融调查,共包括5746个有效的家庭样本,这些样本来源于从全国七大经济区域中有代表性的24个城市随机抽取的社区,能够广泛代表中国的城市家庭。调查内容包括家庭不同类型消费的月度支出,还包括收入、教育水平、户主性别以及受雇、失业、退休和就学人数等多个家庭特征。样本家庭的区域分布、人均收入和人均消费的统计特征如表1所示。2、变量说明(1)家庭消费隐含碳排放的核算家庭消费隐含碳排放可以通过Bin和Dowlatabadi[14]提出的消费生态法(CLA)核算[10]。根据Liu等[42]核算的中国城镇居民各类消费的金额和隐含碳排放的数据,可以相应地计算出各类消费的隐含碳排放强度(如表2所示)。对任意一个家庭,某类消费的隐含碳排放为该类消费的金额与碳排放强度的乘积[16],即Ei = Intensityi∗ Ci (3)148 管理评论第28卷表1 样本家庭区域分布特征、人均收入和人均消费的统计特征地区城市人口比例人均收入(元/年)a人均消费(元/月)均值标准差最小值最大值均值标准差最小值最大值包头0 01888 26565 75 19940 32 1000 00 150000 1025 72 752 29 23 33 6550华北北京0 07207 67051 58 82152 63 1071 43 666667 3138 19 5939 59 157 14 61638朔州0 01784 14369 49 11824 77 750 00 66667 736 50 691 91 108 33 4825沈阳0 08368 36134 22 50205 00 3333 33 600000 1991 72 4738 48 180 00 71667东北吉林0 02200 17145 34 11585 27 5000 00 116667 848 07 407 11 156 25 2200伊春0 01940 15109 96 8784 74 1904 76 60000 669 15 332 69 98 00 2060安庆0 01386 16325 87 10107 41 1666 67 66667 614 17 324 19 104 00 1750上海0 09425 47217 01 46788 33 5000 00 400000 2318 43 4390 10 200 00 58100华东南昌0 03378 20839 45 15813 10 3500 00 150000 873 94 457 02 130 00 2967徐州0 02131 25429 81 24350 74 5000 00 200000 989 93 735 99 181 91 6470济南0 06306 28230 30 30454 13 2500 00 266667 1746 04 5244 71 98 80 61429广州0 07918 42939 01 41446 94 1666 67 375000 2544 66 7189 78 68 18 111333华南桂林0 02131 20188 39 27641 28 2500 00 250000 902 06 862 99 105 71 7700海口0 02789 19058 40 21580 56 2666 67 150000 940 27 788 69 130 80 5575泉州0 01213 45249 49 61923 45 5000 00 416667 1187 62 1013 21 302 50 5440洛阳0 02893 13120 46 8559 61 3000 00 66667 650 77 427 04 200 00 3925华中武汉0 08108 32464 46 38960 66 2000 00 666667 1199 28 934 56 172 00 10340株洲0 02287 16912 75 7064 03 2500 00 48000 597 34 348 63 246 67 3400白银0 01854 14119 95 14428 40 1666 67 110000 777 31 1125 81 100 00 11500西北乌鲁木齐0 02529 30477 31 34086 90 6000 00 300000 1123 80 748 31 220 00 4550西安0 06341 44604 28 47021 38 3333 33 500000 2342 09 5070 07 216 67 62500重庆0 10187 39343 77 46766 45 3333 33 500000 1688 89 1537 78 216 67 11375西南昆明0 03448 37471 34 36496 78 7500 00 350000 1335 01 892 11 290 00 5050攀枝花0 02287 17241 54 11194 16 3000 00 90000 870 97 564 26 182 00 5120注a由于家庭人均收入的统计结果对人均收入最高的极少数家庭十分敏感,本文在收入统计时从所有样本中去除了0 1%的人均收入最高的家庭。其中,Ei为家庭消费类型i的隐含碳排放,Ci为家庭消费类型i的支出金额,Intensityi为消费类型i的隐含碳排放强度。家庭总的隐含碳排放(E)为家庭各类消费隐含碳排放的总和,即E = ∑ Intensityi∗ Ci (4)中国城市家庭总的隐含碳排放以及各类消费隐含碳排放的人均值(单位Kg/人/年)的统计特征如表3所示。表2 中国城镇居民各类消费的隐含碳排放强度支出类型消费额(十亿元)隐含碳排放(Mt)隐含碳排放强度(kg/元)食品类2133 81 71 9 0 033695596衣着、家用设备与医疗保健类908 09 64 47 0 070995166居住类262 07 74 08 0 282672568交通和通讯类524 15 33 6 0 064103787文教娱乐类336 24 13 26 0 039436117杂项类3059 17 136 94 0 044763776所有商品7223 54 394 24 0 054577119数据来源Liu等[42]。(2)家庭特征的选取根据本文分析框架对家庭碳排放影响因素的分析,选取家庭就学人员比例、家庭受雇人员比例、家庭失业人员比例和家庭退休人员比例等反映家庭就业状态的指标作为主要解释变量,同时,选取人均收入、家庭规模、户主性别、教育水平和家庭所在城市作为控制变量。解释变量列表及说明如表4所示。第12期徐新扩,等就业状态对家庭消费隐含碳排放的影响149 表3 样本家庭消费总的隐含碳排放以及各类消费隐含碳排放的描述性统计碳排放来源变量样本量平均值标准差最小值最大值所有消费percarbon 5746 16842 62 54864 27 391 11 1922673食品percfood 5746 2769 13 6694 29 0 254738 6衣着percclothing 5746 2366 47 6998 81 0 170388 4家用设备percappliance 5746 1647 53 8970 63 0 340776 8医疗保健percmedical 5746 653 43 2213 45 0 68155 36居住perchousing 5746 6555 27 35717 3 0 1356827通讯perccommunication 5746 760 23 1504 92 0 46154 72交通perctransport 5746 1147 44 3605 28 0 138464 2文教娱乐percrecreation 5746 943 13 2514 84 0 85182 01注平均值、标准差、最大值和最小值的单位均为元/月。表4 影响家庭消费隐含碳排放的因素说明变量变量名定义家庭就业状态家庭受雇人员比例pemployed受雇人员在家庭总人口中的比重家庭失业人员比例punemployed失业人员在家庭总人口中的比重家庭退休人员比例pretired退休人员在家庭总人口中的比重家庭就学人员比例pstudents就学人员在家庭总人口中的比重控制变量家庭人均收入perincome家庭税后收入的人均值家庭规模size家庭人口数量户主性别gender户主性别(户主为男性时gender=1,否则gender=0)户主教育水平education户主所受教育的最高水平(取值为0,1,2,3,4,5)家庭所在城市j.cities家庭所在城市解释变量的相关系数矩阵与描述性统计如表5所示。除家庭所在城市(j.cities)外,所有解释变量相关系数的绝对值均不高于0 3,方差膨胀因子(VIF)不高于2 3,说明解释变量之间不存在影响回归结果的共线性问题。表5 解释变量的相关系数矩阵与描述性统计pretired pemployed punemployed pstudents lnperincome lnsize gender educationpretired 1pemployed -0 5581 1punemployed -0 1217 -0 2606 1pstudents -0 2234 -0 201 0 0104 1lnperincome -0 0663 0 1709 -0 139 -0 1209 1lnsize 0 1384 -0 3093 0 1465 0 203 -0 2964 1gender 0 0033 0 0181 0 0318 -0 0788 0 0708 0 0327 1education -0 061 0 1805 -0 163 -0 1684 0 2527 -0 0734 0 0816 1平均值0 1669 0 6119 0 0362 0 0990 2 6 E+06 3 472 0 4748 2 512中位数0 0 6667 0 0 10 06 1 099 0 3最大值1 1 1 1 5 0E+09 18 1 5最小值0 0 0 0 750 1 0 1标准差0 2514 0 2904 0 1121 0 1528 7 05E+07 1 434 0 4994 0 785VIF 2 13 2 24 1 33 1 43 1 28 1 29 1 05 1 253、计量方法根据模型(2)以及前文对家庭特征的选取,首先建立家庭特征影响家庭消费隐含碳排放的基准模型ln percarboni = β0 + βsize lnsizei + βlnperincomeln perincomei + βgender genderi + βeducation educationi + βj.cities j.citiesi + u(5)150 管理评论第28卷其中,percarbon为家庭人均隐含碳排放,β0为常数项,u为残差项,其他变量的含义如表4所示。为考察就学对家庭消费隐含碳排放的影响,在模型(5)的基础上,加入家庭就学人员比例构建模型(6)ln percarboni = β0 + βpstudents pstudentsi + βsize lnsizei + βlnperincomeln perincomei + βgender genderi+ βeducation educationi + βj.cities j.citiesi + u (6)βpstudents为就学对家庭隐含碳排放的影响系数,反映就学人员比例变化引起家庭隐含碳排放变化的程度。类似地,分别加入家庭受雇人员比例、家庭失业人员比例和家庭退休人员比例等变量构建模型(7)-(9),考察就业、失业和退休对家庭隐含碳排放的影响。为反映家庭成员就业状态在就学和受雇之间变动对家庭消费隐含碳排放的影响,在模型(5)的基础上,同时加入家庭就学人员比例和家庭受雇人员比例构建模型(10)ln percarboni = β0 + βpstudents pstudentsi + βpemployed pemployedi + βsize lnsizei +βlnperincomeln perincomei + βgender genderi + βeducation educationi + βj.cities j.citiesi + u (10)类似地,分别同时加入家庭就学人员比例和家庭失业人员比例、家庭受雇人员比例和家庭失业人员比例、家庭受雇人员比例和家庭退休人员比例、家庭失业人员比例和家庭退休人员比例到解释变量中,构建模型(11)-(14),考察就业状态的其他变动对家庭隐含碳排放的影响。使模型(6)-(9)的解释变量不变,分别用家庭人均食品类、衣着类、家用设备类、医疗保健类、居住类、通讯类、交通类和文教娱乐类消费的隐含碳排放替代家庭人均隐含碳排放作为被解释变量,得到相应的模型,用于分析就业状态对家庭各类消费隐含碳排放的不同影响。实证结果与分析1、就业状态及其变动对家庭消费隐含碳排放的影响表6展示了计量模型(5)-(14)的实证结果。受雇人员比例、失业人员比例和退休人员比例对家庭人均隐含碳排放的影响均在1%水平上显著,影响系数分别为0 0927、-0 233和-0 157,就学人员比例对家庭人均隐含碳排放的影响不显著。这表明,其他条件不变时,受雇人员比例高的家庭具有更高的隐含碳排放水平,而退休或失业人员比例高的家庭的隐含碳排放水平较低。接下来,分析就业状态变动对家庭消费隐含碳排放的影响。表6 就业状态及其变动对家庭消费隐含碳排放的影响(5) (6) (7) (8) (9) (10) (11) (12 (13) (14)VARIABLES lnpercarbon lnpercarbon lnpercarbon lnpercarbon lnpercarbon lnpercarbon lnpercarbon lnpercarbon lnpercarbon lnpercarbonpretired -0 157∗ ∗ ∗ -0 145∗ ∗ ∗ -0 176∗ ∗ ∗(0 0368) (0 0443) (0 0372)pemployment 0 0927∗ ∗ ∗ 0 0900∗ ∗ ∗ 0 0770∗ ∗ 0 0203(0 0332) (0 0335) (0 0339) (0 0399)punemployment -0 233∗ ∗ ∗ -0 239∗ ∗ ∗ -0 194∗ ∗ -0 291∗ ∗ ∗(0 0831) (0 0833) (0 0848) (0 0838)pstudents -0 0617 -0 0405 -0 0726(0 0624) (0 0629) (0 0625)lnperincome 0 231∗ ∗ ∗ 0 231∗ ∗ ∗ 0 229∗ ∗ ∗ 0 230∗ ∗ ∗ 0 229∗ ∗ ∗ 0 230∗ ∗ ∗ 0 230∗ ∗ ∗ 0 229∗ ∗ ∗ 0 229∗ ∗ ∗ 0 227∗ ∗ ∗(0 00887) (0 00887) (0 00887) (0 00887) (0 00886) (0 00888) (0 00888) (0 00888) (0 00887) (0 00887)lnsize -0 515∗ ∗ ∗ -0 511∗ ∗ ∗ -0 509∗ ∗ ∗ -0 498∗ ∗ ∗ -0 503∗ ∗ ∗ -0 496∗ ∗ ∗ -0 504∗ ∗ ∗ -0 496∗ ∗ ∗ -0 500∗ ∗ ∗ -0 494∗ ∗ ∗(0 0217) (0 0220) (0 0218) (0 0225) (0 0219) (0 0227) (0 0221) (0 0225) (0 0225) (0 0220)gender 0 0429∗ ∗ 0 0415∗ ∗ 0 0446∗ ∗ 0 0421∗ ∗ 0 0436∗ ∗ 0 0412∗ ∗ 0 0430∗ ∗ 0 0436∗ ∗ 0 0433∗ ∗ 0 0457∗ ∗(0 0183) (0 0184) (0 0183) (0 0183) (0 0183) (0 0184) (0 0184) (0 0183) (0 0183) (0 0183)education 0 158∗ ∗ ∗ 0 157∗ ∗ ∗ 0 154∗ ∗ ∗ 0 153∗ ∗ ∗ 0 154∗ ∗ ∗ 0 153∗ ∗ ∗ 0 153∗ ∗ ∗ 0 151∗ ∗ ∗ 0 154∗ ∗ ∗ 0 149∗ ∗ ∗(0 0125) (0 0126) (0 0126) (0 0126) (0 0125) (0 0127) (0 0127) (0 0127) (0 0126) (0 0126)j.cities - - - - - - - - - -(-) (-) (-) (-) (-) (-) (-) (-) (-) (-)Constant 6 583∗ ∗ ∗ 6 585∗ ∗ ∗ 6 609∗ ∗ ∗ 6 528∗ ∗ ∗ 6 620∗ ∗ ∗ 6 531∗ ∗ ∗ 6 612∗ ∗ ∗ 6 559∗ ∗ ∗ 6 605∗ ∗ ∗ 6 657∗ ∗ ∗(0 124) (0 124) (0 124) (0 125) (0 124) (0 125) (0 124) (0 126) (0 127) (0 124)Observations 5,746 5,746 5,746 5,746 5,746 5,746 5,746 5,746 5,746 5,746R⁃squared 0 412 0 412 0 413 0 413 0 414 0 413 0 413 0 413 0 414 0 415注()内为标准差,∗ ∗ ∗ 、∗ ∗ 、∗分别表示1%、5%和10%的置信水平。模型(5)反映就业状态以外的家庭特征对家庭隐含碳排放的影响,模型(6)-(9)分别反映就学人员比例、失业人员比例、就业人员比例和退休人员比例对家庭隐含碳排放的影响,模型(10)-(14)分别反映就学人员比例与失业人员比例、就学人员比例与就业人员比例、就业人员比例与退休人员比例以及失业人员比例与退休人员比例同时变动对家庭隐含碳排放的影响。第12期徐新扩,等就业状态对家庭消费隐含碳排放的影响151 模型(10)的结果表明,就学人员比例对家庭人均隐含碳排放的影响不显著,受雇人员比例对家庭人均隐含碳排放具有显著的正向影响,这说明,在其他条件不变的情况下,当一个人的就业状态由就学转变为受雇时,他所在家庭的隐含碳排放将增加。但一个人在结束受教育生涯后也可能找不到工作而处于失业状态。模型(11)的结果显示,相对失业人员比例,就学人员比例对家庭人均隐含碳排放的影响不显著,这说明,当一个人的就业状态由就学转变为失业时,他所在家庭的隐含碳排放将减少。模型(12)的结果表明,在其他条件不变的情况下,受雇人员比例高的家庭具有较高的人均隐含碳排放,而失业人员比例高的家庭的人均隐含碳排放较低。因而,当一个人的就业状态由受雇转变为失业时,他所在的家庭的隐含碳排放减少;反之,当一个人就业状态由失业转变为受雇时,他所在家庭的隐含碳排放增加。模型(13)的结果表明,受雇人员比例对家庭人均隐含碳排放不存在显著影响,退休人员比例对家庭人均隐含碳排放具有显著的负向影响。这说明,当一个人的工作状态由受雇转变为退休时,他所在家庭的隐含碳排放减少;反过来,延迟退休将增加家庭的隐含碳排放。模型(14)的结果表明,失业人员比例和退休人员比例对家庭人均隐含碳排放均具有负向的影响,但退休人员比例具有更高的系数,因而,当一个人的工作状态由失业转变为退休时,他所在的家庭的隐含碳排放增加。除了反映就业状态变量对家庭消费隐含碳排放的影响外,表6还说明,人均收入和教育水平对家庭人均隐含碳排放具有正向效应,家庭规模对家庭人均隐含碳排放具有负向效应,户主性别为男性的家庭人均隐含碳排放较高,另外,所在城市的差异也会对家庭人均隐含碳排放产生影响。2、就业状态及其变动对家庭不同类型消费隐含碳排放影响的差异表7显示,对于家庭不同类型消费的隐含碳排放,就业状态的影响存在差异。表7 就业状态家庭不同类型消费隐含碳排放的影响VARIABLES lnpercfood lnpercclothing lnpercappliance lnpercmedical lnperchousing lnperccommunication lnperctransport lnpercrecreationpemployment 0 00262 0 400∗ ∗ ∗ 0 187∗ ∗ -0 480∗ ∗ ∗ 0 229∗ ∗ 0 206∗ ∗ ∗ 0 310∗ ∗ ∗ 0 108∗(0 0333) (0 0517) (0 0728) (0 0867) (0 0890) (0 0371) (0 0575) (0 0626)pretired -0 0125 -0 453∗ ∗ ∗ -0 361∗ ∗ ∗ 0 469∗ ∗ ∗ -0 426∗ ∗ ∗ -0 281∗ ∗ ∗ -0 458∗ ∗ ∗ -0 181∗ ∗ ∗(0 0370) (0 0573) (0 0806) (0 0962) (0 0986) (0 0411) (0 0636) (0 0694)punemployment -0 246∗ ∗ ∗ -0 115 -0 224 -0 185 -0 248 -0 251∗ ∗ ∗ -0 436∗ ∗ ∗ -0 165(0 0833) (0 130) (0 182) (0 217) (0 223) (0 0930) (0 144) (0 157)pstudents 0 155∗ ∗ -0 215∗ ∗ 0 138 0 156 0 241 0 0272 0 251∗ ∗ 0 143(0 0625) (0 0974) (0 137) (0 163) (0 167) (0 0698) (0 108) (0 117)注()内为标准差,∗ ∗ ∗ 、∗ ∗ 、∗分别表示1%、5%和10%的置信水平;由于篇幅关系,表中仅仅列出了就业状态变量对家庭各类消费隐含碳排放的影响系数、标准差及显著程度,没有列出控制变量的影响;另外,为最大限度地减少就业状态变量之间的相互干扰,在实证检验时,每一种就业状态变量均单独出现在计量模型中,即本表中实际上包含了32(4∗ 8)组回归结果,解释变量分别为家庭就学人员比例、就业人员比例、失业人员比例和退休人员比例以及家庭规模、收入、户主性别、教育水平、所在城市等控制变量,被解释变量分别为家庭八类消费隐含碳排放的人均值。第一,受雇人员比例对家庭多类消费的隐含碳排放具有正向影响。受雇人员比例对家庭衣着、家用设备、家居、通讯、交通和文教娱乐等消费内容的隐含碳排放具有正向影响,对医疗保健消费隐含碳排放具有负向影响,对家庭食品消费隐含碳排放的影响不显著。这说明,受雇人员比例对家庭消费隐含碳排放的正向影响是通过增加衣着、家用设备、家居、通讯、交通和文教娱乐等消费实现的,而食品消费和医疗保健消费却不会随着家庭受雇人员比例的增加而增加。其原因是受雇人员比例高的家庭具有良好的财富预期、较强的消费能力和倾向于更多消费的生活方式,随着总消费的增加,会有多个类型的消费随之增加;但食品消费是家庭的生存型消费,在中国当前的经济发展水平上受就业状态的影响不大,而处于受雇状态的人,对医疗保健的需求和重视程度均较低。第二,和受雇人员比例的作用相反,退休人员比例对家庭多数类型消费的隐含碳排放具有负向影响。退休人员比例对家庭衣着、家用设备、家居、通讯、交通和文教娱乐等消费的隐含碳排放具有负向影响,这说明退休会减少家庭这类消费的隐含碳排放。但退休人员比例高的家庭医疗保健消费的隐含碳排放较高,可能的原因是退休后人们更有更多的时间和精力关注自身健康;
展开阅读全文