On the Change and Effect of Urbanization on the Ecological Footprint of Residents' Food Consumption in China
-
摘要: 对2008—2018年全国31个省份的居民食物消费生态足迹进行分类计算，运用Tapio弹性脱钩指数模型与固定效应模型分析城镇化水平对居民食物消费生态足迹的影响效应。研究发现：居民食物消费生态足迹总体呈上升趋势，2015年肉类消费生态足迹明显上升并首次成为居民食物消费生态足迹最主要的构成类别；不同省份的居民食物消费生态足迹呈集中分布趋势且增长较快；全国总体城镇化水平与居民食物消费生态足迹处于弱脱钩状态，不同省份脱钩状态差异较大；人口城镇化对居民食物消费生态足迹存在负向影响，经济城镇化、社会城镇化对居民食物消费生态足迹均存在正向影响，空间城镇化对居民食物消费生态足迹不存在显著影响。建议从提高人口城镇化率、发挥产业集聚效应、提高土地利用率及居民环保意识等方面，促进城市经济增长、社会发展和环境的改善。Abstract: Based on calculation of the ecological footprint of food consumption of residents from 31 provinces in China from 2008 to 2018, the Tapio elastic decoupling index model and the fixed effect model are employed to analyze the effect of urbanization on the ecological footprint of food consumption. The results show that the ecological footprint of food consumption is on the rise, so is the ecological footprint of meat consumption in 2015, being the most important component category of the ecological footprint of food consumption; the ecological footprint of residents' food consumption in different provinces shows a concentrated distribution trend and increases rapidly; the overall level of urbanization and ecological footprint of residents' food consumption in China are in a weak decoupling state, while the decoupling state is quite different between provinces; population urbanization has a negative impact on the ecological footprint of residents' food consumption, while economic urbanization and social urbanization have a positive impact on the ecological footprint of residents' food consumption, while spatial urbanization has no significant impact on the ecological footprint of residents' food consumption. It is suggested that the urban economic growth, social development and the improvement of ecological environment should be promoted by increasing the rate of population urbanization, exerting the effect of industrial agglomeration, increasing land utilization efficiency and raising the residents' consciousness of environmental protection.
-
Key words:
- food consumption /
- ecological footprint /
- urbanization /
- urbanization rate /
- land utilization efficiency /
- fixed effect /
- resident
-
一、 引言
改革开放40多年来，我国城镇化水平加速发展，城镇化率从1978年的17.9%上升至2020年的60%，增长了238.55%；总人口从1978年的9.6亿增长到2020年的14.2亿，增长了47.92%；耕地面积从1978年的9.94亿公顷下降到2020年的1.20亿公顷，下降了728.33%①。城镇化水平的快速发展带来城市人口急剧膨胀，土地、粮食等资源超载的状况日益严重。同时，居民食物消费结构发生改变，由以粮食等低生态占用的植物性食物为主向以肉蛋奶禽等高生态占用的动物性食物为主转变。作为人口大国，居民食物消费水平和结构的变化将对我国的耕地安全和生态环境造成巨大影响(Li Y等，2019)[1]。
① 参见国家统计局发布的《2020年国民经济和社会发展统计公报》及《中国统计年鉴(2020)》。
如何准确测度城镇化进程对生态资源利用程度的影响是当前研究的焦点。从居民食物消费角度，利用生态足迹模型，科学分析城镇化进程中生态资源利用程度的动态变化及其影响因素，具有重要的现实意义。一方面，通过生态资源利用程度的变化情况判断城镇化的可持续性；另一方面，城镇化带来居民生活方式及土地利用形态的改变，将对整个生态系统产生直接或间接影响。
生态足迹概念最早可追溯至1986年美国斯坦福大学Vitousek等学者在《Bioscience》期刊上发表的文章《Human Application of the Products of Photosynthesis》，文中提出使用“土地净原始产量(net primary production)”来计算人类赖以生存的地球承载力，并旗帜鲜明地提出，“截至1986年地球生态圈中40%的土地净原始产量已因人类的各种生产和其他活动所耗尽” (Vitousek等，1986)[2]。加拿大学者Wackernagel M和Rees W于1996年正式提出生态足迹的概念[3]，即用来提供满足一定规模人口生活资源，同时消化掉该人口排放垃圾废物所需要的相应的土地面积。生态足迹的值越高，代表人类所需的资源越多，对生态和环境的影响就越严重。
除了考察生态足迹与生物承载力的绝对数量关系外，生态足迹更重要的是指导实践，服务于相关政策的制定，促使人类生产与消费向可持续状态转变(向书坚和柴士改，2013)[4]。之后，生态足迹研究趋向精细化发展，针对具体决策空间、特定部门单元、具体消费行为等，特别是三者结合的生态足迹研究逐步成为热点(曹淑艳和谢高地，2016)[5]。生态足迹理论与实践被广泛应用于资源可持续利用评价(Volodya等，2018)[6]、生态安全评价(张红侠等，2014)[7]、资源环境承载力(张翠娟，2020)[8]、生态足迹与经济发展关系(Udemba，2020)[9]等领域。居民食物消费生态足迹作为生态足迹研究的一个分支，则从食物消费的角度出发，研究区域在既定的土地生产力水平上，为满足该地区居民对食物的消费需求所直接或间接消耗的土地面积。
近年来，越来越多的国内外学者开始借鉴生态足迹的算法，应用食物消费生态足迹的概念，从地区、行业等层面测算居民食物消费所间接消耗的土地资源。从国外研究来看，Meidad Kissinger(2013)[10]、Menconi等(2013)[11]；Zsófifia Vetöné Mózner(2014)[12]、Alessandro Galli等(2017)[13]分别对加拿大、意大利、匈牙利、地中海15国等国家和区域的居民食物消费生态足迹进行了测算；从国内研究来看，Guobao Song等(2015)[14]、曹淑艳和谢高地(2016)[5]、Lin Zhen和Bingzhen Du(2017)[15]对中国城乡居民食物消费生态足迹进行了测算；郭华等(2013)[16]、陈文辉(2015)[17]、杨莉和余倩倩(2019)[18]、李芳林(2019)[19]、赵正等(2019)[20]、王海平等(2019)[21]分别对北京市、重庆市、海南省、江苏省、黑龙江省大庆市、福建省等居民食物消费生态足迹进行了测算，试图从宏观上揭示某一地区居民食物消费结构的变化对于生态资源的占用，旨在为农业产业结构调整、可持续食物消费政策制定以及经济社会的可持续发展提供依据。
另外，一部分学者关注到城市化快速发展对居民食物消费的影响效应。如Subir Bairagi(2020)[22]研究了收入增长与城市化对越南居民食物消费结构的影响，认为居民食物偏好从大米逐渐转向动物蛋白质、水果和蔬菜，城乡居民与不同收入群体的居民对大米消费需求持续下降，对高价值产品的需求持续上升；Peter Warr(2020)[23]从供给和需求两方面探讨了印度尼西亚城市化对居民粮食消费模式的影响，认为城市化总体上略微降低了粮食的支出份额并改变了居民食物消费构成；邓婷鹤等(2018)[24]从城镇化和老龄化角度，探讨了二者对居民食物消费需求的影响。另一部分学者从资源与环境角度探讨城市化对生态系统带来的潜在风险。如Battersby(2013)[25]对撒哈拉以南非洲城市化对粮食安全的影响进行了批判性评论；Sylvia Szabo(2016)[26]认为城市化对国家粮食安全存在潜在的重大负面影响，外国直接投资对粮食安全产生混合影响；张少春等(2018)[27]探讨了城市化、食物消费转型对生态环境的影响；高庆彦和潘玉君(2020)[28]深刻剖析了城镇化与资源、环境之间的作用机制。
剖析上述研究取得的成果，发现在以下方面存在探讨的空间：一是突破单一国家或省份的尺度，利用全国31个省份连续较长年度的面板数据探讨居民食物消费生态足迹变化趋势及不同省份之间的差异化比较；二是突破城镇化水平仅从人口由农村向城市流动的单一度量方法，构建综合性指数以有效反映城镇化水平全貌；三是探讨不同时间段内经济发展与资源环境长期关系的同时，可考虑相邻年份的实时动态变化以减少研究结论的偏误。
本文首先对2008-2018年我国31个省份居民食物消费生态足迹进行分类测算，了解近年来居民食物消费生态足迹的总量、分布及变化趋势；然后构建城镇化综合指数，从人口城镇化、经济城镇化、空间城镇化、社会城镇化四个层次，选用计量经济学模型，进一步验证城镇化水平对居民食物消费生态足迹的影响机理，旨在为我国各省份正确认识当地的粮食消费、粮食供给率及区域粮食安全提供决策参考，也为我国耕地保护、生态承载及粮食安全提供新的研究视角。
二、 研究假说的提出
城镇化是指农村人口不断向城镇转移，第二、第三产业不断向城镇聚集，从而使城镇人口数量增加、城镇规模逐步扩大的过程。城镇化是一个动态、复杂、不均衡的发展过程，涉及到人口、经济、空间、社会等多个方面。因此，本文借鉴王海平等(2019)[21]、杨钧(2016)[29]、梁超(2013)[30]等学者的观点，将城镇化划分为人口城镇化、经济城镇化、空间城镇化、社会城镇化等四个子系统，并分别探讨四个子系统对居民食物消费生态足迹的影响机理。
城镇化的首要特征是人口城镇化。人口城镇化是指农村人口转变为城镇人口的过程。一方面，人口城镇化促使居民食物消费需求更加多元化。随着人口大规模向城市聚集、居民收入增长及生活水平的提高，居民食物消费结构也必然会发生改变，由以粮食等低生态占用的植物性食物为主向以肉蛋奶禽等高生态占用的动物性食物为主转变，从而促使居民食物消费生态足迹规模增大。如Gerbens-Leenes和Nonhebel(2005)[31]认为，居民食物消费由植物型食物向以肉类为特征的富裕型食物转变，将导致土地需求量增加3倍；吴燕等(2011)[32]研究了北京市居民食物消耗的生态足迹，结果显示肉类和奶类消费在北京市居民食物消费生态足迹中占比较大。另一方面，人口城镇化促使资源利用率提高。人口大规模向城市聚集，对于食物资源的总需求量也相应增加。同时，大规模的农业生产可提升规模效应，大大提高单位面积土地的农产品产量，促使农产品生产效率提高，有利于土地资源占用的节约，从而促使居民食物消费生态足迹规模减小。基于上述分析，提出以下假设：
假设1:人口城镇化对居民食物消费生态足迹有影响，方向待验证。
城镇化的重要支撑是经济城镇化。经济城镇化是指不同行业、企业向城市集聚进而获得集聚效应的过程。一方面，经济城镇化通过新技术带来农业生产率的提高，从而使得单位食物资源消费降低，单位农产品价格下降，单位农产品生态压力减小，同时也导致农产品数量消耗增大，人均收入对人均生态环境消耗程度的弹性增大，从而使居民食物消费生态足迹规模增大(吴德存，2017)[33]。另一方面，经济城镇化过程中，经济的发展为土地综合整治提供了更有效的政策、更高效的技术力量、更多的资金支持，从而使得资源的消耗在达到一定的峰值之后，逐渐呈现下降趋势，有利于资源的节约和改善，从而促使居民食物消费生态足迹规模减小。基于上述分析，提出以下假设：
假设2:经济城镇化对居民食物消费生态足迹有影响，方向待验证。
城镇化的直接效果是空间城镇化。空间城镇化是指农村地域向城市地域转变、农村景观向城市景观转变的过程。一方面，空间城镇化减少了农业用地总量。城镇化的过程是城市生产用地、商业用地、居住用地不断向农村和郊区扩张的过程，用以满足农业生产需要及城乡人口食物消费需求的农业用地总量不断萎缩，土地利用方式、土地利用结构等发生改变，从而促使居民食物消费生态足迹规模增大。另一方面，城镇空间规模的扩张将导致更多的资本、技术、能源等生产要素向城镇聚集，从而深入促进产业结构优化升级，进一步提升土地资源、水资源、基础设施等利用效率，有利于资源节约和改善，从而促使居民食物消费生态足迹规模减小。基于上述分析，提出以下假设：
假设3:空间城镇化对居民食物消费生态足迹有影响，方向待验证。
城镇化的最终结果是社会城镇化，即城镇在基础设施、生活方式、公共服务、城市文明等方面逐步向农村渗透，城乡融合加速发展。在这个过程中，城乡居民的活动空间进一步扩大，在食品消费、能源消费、交通工具等方面不再受到地域限制，拓宽了居民食物资源的交易渠道和范围，加剧了对于食物资源的占用，从而使居民食物消费生态足迹规模增大。另一方面，人口大规模向城市聚集，使得居民的受教育水平得到提升，居民素质得到提高，从而更愿意接受环境保护宣传理念，有效减少食物资源的浪费现象，有利于资源节约，为城市生态建设提供优质的人才支撑，从而使居民食物消费生态足迹规模减小(刘兴荣等，2016)[34]。基于上述分析，提出如下假设：
假设4:社会城镇化对居民食物消费生态足迹有影响，方向待验证。
三、 模型构建、参数设计及数据说明
（一） 居民食物消费生态足迹计算模型
1.居民食物消费生态足迹的传统计算方法
借鉴世界自然基金会(WWF)发表的《Living Planet Report 2004》中关于生态足迹模型的通用计算方法，居民食物消费生态足迹的计算步骤如下：
第一步：通过国家(或地区)的相关年份统计资料计算出该国家(或地区)范围内在该年份人均对某种食物的消费量；第二步：用人均对某种食物的消费量除以该食物相应的土地平均产量，得到人均因消费该食物而占有的土地量；第三步：对居民各种食物消费行为产生的人均食物消费生态足迹加总，得到人均总食物消费生态足迹；第四步：用上述计算得到的人均总食物消费生态足迹乘以研究范围内的总人口数，即得到该范围的居民食物消费生态足迹总量。
根据上述计算步骤，居民食物消费生态足迹的计算公式如下：
$$ F{P_i} = \sum\nolimits_1^j {\frac{{T{C_{ij}}}}{{{M_{ij}}{Y_{ij}}}}} $$ (1) $$ T{C_{ij}} = {P_i}{C_{ij}} $$ (2) 其中：i代表年份；j代表第j类所选取的食物消费的项目; FPi代表i年份食物消费生态足迹; TCij代表i年份第j类食物消费项目的消费总量; Pi代表i年份的人口数量; Cij代表i年份第j类食物消费项目的人均消费量; Yij代表i年份第j类食物消费项目的产量。
2.居民食物消费生态足迹模型的改进
食物消费生态足迹模型涉及到几个重要系数，这些系数的取值将直接影响到食物消费生态足迹的准确性。考虑到数据的可获得性，同时参考相关研究成果，本文对食物消费生态足迹模型中涉及的几个重要系数进行界定。具体如下：
(1) 食物消费项目。食物消费项目与国家统计局公布的人均食物消费量消费类目的统计口径保持一致，包括粮食、食用油、蔬菜、干鲜瓜果、肉类、禽类、水产品、蛋类、奶类九大类。
(2) 耗粮系数。在上述九大类食物消费项目中，依据食物来源的不同，可以分为植物性食物与动物性食物。动物性食物除了直接占用土地面积对生态系统产生影响外，还需消耗相应的植物性食物作为饲料用粮，因此需通过不同的耗粮系数，调整动物性食物对生态系统的占用，进而估算居民总体食物消费生态足迹。参考郭华等(2013)[16]研究成果，将不同食物消费项目的损耗系数分别设定为：肉类7、禽类3、蛋类3、奶类0.5、水产品1.5。
(3) 损耗系数。主要是指农产品从田间到达消费者餐桌的过程中由于储存、运输、包装、简单加工等带来的损失。由于当前我国农产品保鲜、冷链物流产业应用范围狭窄、发展滞后，每个环节都会发生不同程度的损耗。因此，根据农产品自身的特性，同时参考张丹等(2016)[35]研究成果，将不同食物消费项目的损耗系数分别设定为：粮食0.1，蔬菜、干鲜瓜果0.3，油料作物0.35。与植物性食物相比，动物性食物的利用率较高，损耗可忽略不计。
经过调整后的食物消费生态足迹的计算公式如下：
$$ F{P_i} = \sum\nolimits_1^j {\frac{{T{C_{ij}}}}{{{M_i}j\left( {1 - {L_j}} \right){Y_{ij}}}}} $$ (3) $$ T{C_{ij}} = {C_e}{P_i}{C_{ij}} $$ (4) 其中：Ce为耗粮系数；Mij为复种指数，是某年该地区食物消费项目的总播种面积与耕地面积的比值；Lj为损耗系数；Yij代表i年份第j类食物消费项目的标准单产，是某年该地区食物消费项目总产量与总播种面积的比值。其他含义同上文公式(1)(2)。
由于《中国统计年鉴》中尚无不同省份生物资源的进出口清单，各省份统计年鉴中也有部分省份未公布生物资源进出口数据，而自2010年以来我国人均粮食占有量持续高于世界平均水平，2019年超过470公斤，远远高于人均400公斤的国际粮食安全标准线，大米、小麦、玉米三大主粮的国内自给率平均在97%以上，并且生物资源进出口量占居民食物消费总量的比例较小，因此在计算居民食物消费生态足迹时未将进出口量核算在内。鉴于以上原因，本研究可能与现实情况存在误差，但总体来说，不会影响到结论的参考价值。
（二） Tapio弹性脱钩指数模型
1. Tapio弹性脱钩指数模型的传统判别方法
脱钩模型用来测度经济发展与资源消耗或生态环境之间的压力状况，是衡量经济发展可持续性的重要工具。21世纪初，经济合作与开发组织逐步将脱钩理论应用到环境经济领域，指出脱钩是资源消耗或环境污染与经济增长之间耦合联系断裂的理论(OECD，2001)[36]。具体来说，经济增长会加剧资源环境的消耗，导致环境污染等环境压力发生变化，如果及时采取有效的政策措施并加快技术革新，则有可能以较小的环境破坏和较低的资源消耗换取等速甚至更快的经济增长，这种经济与资源环境的非同步变动就是脱钩。
目前，脱钩模型常用的测度方法有OECD提出的脱钩因子法和Tapio提出的弹性脱钩指数法，这两种方法本质上属于同一种弹性分析方法，但Tapio弹性脱钩指数法综合考虑了总量变化与相对量变化两类指标，可以不受统计量纲变化的影响，从而提高了脱钩分析的客观性与准确性。同时，该方法可以对指标进行分解，了解指标中的不同构成因子如何影响脱钩指数变化。因此，本文采用Tapio弹性脱钩指数法构建城镇化发展水平与生态系统之间的分析模型。
弹性脱钩指数是经济发展变化的幅度导致生态退化或环境压力改变程度的比值，反映了生态退化或环境压力变化对于经济变化的敏感程度，其计算公式为：
$$ \varepsilon_{t+1}=\frac{\% \Delta E C_{t+1}}{\% \Delta I O_{t+1}}=\frac{E C_{t+1} / E C_{t}}{I O_{t+1} / I O_{t}} $$ (5) 其中：εt+1表示第t+1期的弹性脱钩指数；%ΔECt+1和%ΔIOt+1分别表示第t+1期的环境压力变动率和经济变动率；ECt和IOt分别表示第t期的环境压力和经济增长水平。
根据弹性脱钩指数的正负情况，选取弹性值0、0.8、1.2作为临界值，将经济增长与环境压力细分为8种脱钩状态，如表 1所示。
表 1 环境压力与经济增长脱钩状态判别表脱钩状态 %ΔECt+1 %ΔIOt+1 脱钩弹性指数 含义 评价 强负脱钩 < 0 >0 εt+1 < 0 经济衰退，环境压力变大 最差 弱负脱钩 < 0 < 0 0 < εt+1 < 0.8 经济衰退，环境压力缓慢变大 很差 扩张性负脱钩 >0 >0 εt+1>1.2 经济缓慢增长，环境压力迅速变大 差 衰退性连接 < 0 < 0 0.8 < εt+1 < 1.2 经济衰退，环境压力同步变小 较差 扩张性连接 >0 >0 0.8 < εt+1 < 1.2 经济增长，环境压力同步变大 一般 衰退性脱钩 < 0 < 0 εt+1>1.2 经济衰退，环境压力迅速变小 较好 弱脱钩 >0 >0 0 < εt+1 < 0.8 经济增长，环境压力缓慢变大 好 强脱钩 >0 < 0 εt+1 < 0 经济增长，环境压力变小 最好 2.Tapio弹性脱钩指数模型的改进
以居民食物消费生态足迹代表食物资源消耗对土地资源的占用水平，以城镇化综合指数代表城镇化发展水平，构建城镇化发展水平与生态系统之间的脱钩关系，计算公式为：
$$ \varepsilon_{t+1}=\frac{\Delta F P_{t+1}}{\Delta U R_{t+1}}=\frac{\left(F P_{t+1}-F P_{t}\right) / F P_{t}}{\left(U R_{t+1}-U R_{t}\right) / F P_{t}} $$ (6) 其中：εt+1为食物消费生态足迹与城镇化水平在t+1时期的脱钩状态；ΔFPt+1和ΔURt+1分别代表t+1时期居民食物消费生态足迹变化率和城镇化综合指数变化率；FPt+1和URt+1分别代表t+1时期居民食物消费生态足迹和城镇化综合指数；FPt和URt分别代表t时期居民食物消费生态足迹和城镇化综合指数。
参考高庆彦和潘玉君(2020)[28]研究成果，构建食物消费生态足迹与城镇化水平脱钩状态判别标准，如表 2所示。在脱钩状态中，绝对理想的状态是“强脱钩”，即城镇化水平升高，居民食物消费生态足迹下降，这正是我国追求经济高质量发展的理想状态，然而这种情况在现实社会中比较难实现。比较理想的状态为“弱脱钩”，城镇化水平与居民食物消费生态足迹均有提高，但在增加幅度上后者小于前者，这种情况在现实生活中较为常见。
表 2 居民食物消费生态足迹与城镇化水平脱钩状态判别表脱钩状态 %ΔFPt+1 %ΔURt+1 脱钩弹性指数 含义 评价 强负脱钩 < 0 >0 εt+1 < 0 城镇化衰退，生态足迹增大 最差 弱负脱钩 < 0 < 0 0 < εt+1 < 0.8 城镇化衰退，生态足迹缓慢增大 很差 扩张性负脱钩 >0 >0 εt+1>1.2 城镇化缓慢增长，生态足迹迅速增大 差 衰退性连接 < 0 < 0 0.8 < εt+1 < 1.2 城镇化衰退，生态足迹同步减少 较差 扩张性连接 >0 >0 0.8 < εt+1 < 1.2 城镇化增长，生态足迹同步增大 一般 衰退性脱钩 < 0 < 0 εt+1>1.2 城镇化衰退，生态足迹迅速减少 较好 弱脱钩 >0 >0 0 < εt+1 < 0.8 城镇化增长，生态足迹缓慢增大 好 强脱钩 >0 < 0 εt+1 < 0 城镇化增长，生态足迹减少 最好 （三） 城镇化对居民食物消费生态足迹影响效应模型
1.城镇化评价指标体系的构建
采用复合指标法构建城镇化综合指数来评价城镇化，其中：人口城镇化用城镇人口占地区总人口比重表示，经济城镇化用非农经济生产总值表示，空间城镇化用城市建成区面积占城市总面积比重表示，社会城镇化用人均社会消费品零售总额表示。
城镇化综合指数计算公式如下：
$$ U{R_t} = \alpha EU{R_t} + bPU{R_t} + cRU{R_t} + dSU{R_t} $$ (7) 其中：URt为t时期的城镇化综合指数；EURt、PURt、RURt、SURt分别代表t时期经济城镇化、人口城镇化、空间城镇化、社会城镇化的指数值；a、b、c、d分别代表t时期经济城镇化、人口城镇化、空间城镇化、社会城镇化子系统的权重值，通过熵值法确定。
2. 城镇化对居民食物消费生态足迹影响效应模型的设计
选取居民食物消费生态足迹为被解释变量，选取城镇化综合指数为解释变量。根据相关研究(Zahoor Ahmed等，2021；Davidmac，2020；黄宝荣等，2016；程钰等，2019)[37-40]，可知地区经济发展水平、人口受教育程度、对外贸易开放水平等均会对生态足迹产生影响。为避免出现数据间的多重共线性，选取人均GDP、大专以上学历人口占总人口比重、外商直接投资总额为控制变量。并以2008年为基期，将人均GDP、非农经济总产值、人均社会消费品零售总额等用CPI数值进行不变价格处理。同时，为消除变量数据量纲不同可能对模型带来的影响，分别对各变量数据进行取自然对数处理。
设定城镇化对居民食物消费生态足迹影响效应模型的计算公式如下：
$$ \ln FP = c + {\beta _1}\ln PGDP + {\beta _2}\ln CDR + {\beta _3}\ln FDI + {\beta _4}\ln UR + {\gamma _i} $$ (8) $$ \ln UR = \omega + {\alpha _1}\ln PUR + {\alpha _2}\ln EUR + {\alpha _3}\ln RUR + {\alpha _4}\ln SUR + {\varepsilon _i} $$ (9) 其中：c、ω是常数项，β、α表示解释变量的估计系数，γ、ε为随机扰动项；FP为被解释变量，代表居民食物消费生态足迹；PGDP、CDR、FDI为控制变量，分别代表人均国内生产总值、大专以上学历人口占总人口比重、外商直接投资总额；PUR、EUR、RUR、SUR为解释变量，分别代表人口城镇化、经济城镇化、空间城镇化、社会城镇化。
（四） 面板数据回归分析方法
为保证面板数据的稳健性，避免出现伪回归现象，首先对面板数据进行单位根检验，看变量序列是否为平稳序列；随后利用Hausman检验法判断使用随机效应形式还是固定效应形式；最后识别模型整体估计的显著性，并进一步分析各变量的估计系数，实现各变量之间长期因果关系的推断。本文使用Stata 16.0软件进行回归分析。
（五） 数据来源与说明
本文数据分为消费组与影响组。消费组包括2008-2018年全国分省份人口数量、人均消费量、各类农作物播种面积、地区耕地面积的比值、各类农作物总产量、各类农作物总播种面积；影响组包括2008-2018年各省份人均GDP、外商直接投资额、大专以上人口占比、城镇化率、非农经济总产值、城市建成区面积占比、人均社会消费品零售总额等。数据来源于《中国统计年鉴》《中国住户调查年鉴》《中国农村统计年鉴》《中国奶业年鉴》《中国价格统计年鉴》，以及2008-2018年不同省份的统计年鉴。部分缺失数据参考人大经济论坛进行整理，缺省年份数据采用二次指数平滑法加以预测。
四、 实证分析与结果解释
（一） 我国居民食物消费生态足迹趋势分析
1.总体居民食物消费生态足迹分析
2008-2018年，我国居民食物消费生态足迹总量呈波动上升趋势。2018年的食物消费生态足迹总量达到104.80×104 km2，与2008年相比，增长率为20.55%，即需要104.80×104 km2的土地面积才能维持整个国家的食物消耗。2018年，我国人均居民食物消费生态足迹为7.51 km2，与2008年相比，增长率为14.73%，与居民食物消费生态足迹总量变化趋势基本一致。以2015年为节点，居民食物消费生态足迹总量与人均量均出现先降后升的趋势，总量增长率与人均增长率分别达到15.55%和14.98%。这可能与从2015年开始，居民在肉禽蛋奶等动物性食物人均消费量的增加直接相关，如图 1所示。
2018年，我国居民食物消费生态足迹总量主要来自粮食和肉类对于土地资源的占用，分别达到33.47×104 km2和38.55×104 km2，占食物消费生态足迹总量的31.94%和36.78%。以2015年为节点，粮食消费生态足迹出现明显下滑，肉类消费生态足迹出现明显上升并首次超过粮食，成为我国居民食物消费生态足迹最主要的构成类别。这与曹淑艳和谢高地(2016)[5]、郭华等(2013)[16]等的测算基本一致，如图 2所示。
2.各省份居民食物消费生态足迹分析
从总量来看，广东、四川、浙江、云南、山东、河北、广西、安徽等地的累计居民食物消费生态足迹约占全国总量的一半，不同省份的居民食物消费对土地资源的占用不均衡，呈集中分布趋势。部分省份虽然居民食物消费生态足迹并不高，但由于国土面积有限、城市规模较大、人口集中度高，其居民食物消费生态足迹已超出地区耕地面积，如北京、上海、天津、广东、浙江、福建等，见图 3所示。这一结论与王海平等(2019)[21]的研究基本一致。
从增长率来看，2018年与2008年相比，北京远超其他省份，其居民食物消费生态足迹增长率高达361.35%；福建、浙江、天津、上海、重庆的呈较快增长趋势；浙江、四川、广东的居民食物消费生态足迹总量较大，增长速度较快，生态系统正在承受着巨大压力；北京、福建、天津、上海、重庆、海南的居民食物消费生态足迹总量较小，增长速度较快，生态系统也将承受潜在的巨大压力。如图 4所示。
从构成来看，粮食与肉类消费生态足迹远大于其他品类，除山东、黑龙江、山西、甘肃、陕西、河南、新疆、天津、宁夏、西藏之外，其他省份肉类消费生态足迹均大于粮食消费生态足迹。如图 5所示。
（二） 城镇化水平与居民食物消费生态足迹脱钩效应分析
首先采用熵值法来确定权重。在城镇化综合指数中，人口城镇化、经济城镇化、空间城镇化、社会城镇化的权重值分别为0.05、0.55、0.16、0.24；然后计算城镇化综合指数；最后从全国和省域两个维度对我国居民食物消费生态足迹与城镇化水平的脱钩关系进行分析和评价。
1.全国层面
2008-2018年，全国居民食物消费生态足迹变化率为0.205 5，全国城镇化水平指数变化率为1.853 3，脱钩指数为0.110 9，处于弱脱钩状态，即城镇化水平与居民食物消费生态足迹均有所提高，但居民食物消费生态足迹的增幅小于城镇化水平，整个生态系统处于较理想状态。2008-2018年居民食物消费生态足迹与城镇化发展水平逐渐脱钩，脱钩率达到100%，但关系不稳定且呈现强脱钩、弱脱钩、扩张性负脱钩反复交替的情况。如表 3所示。
表 3 2008-2018年全国总体脱钩状态判别表年份 ΔFP ΔUR 脱钩指数 脱钩状态 2009 -0.003 8 0.176 3 -0.021 7 强脱钩 2010 -0.035 9 0.145 4 -0.247 1 强脱钩 2011 -0.027 8 0.142 3 -0.195 4 强脱钩 2012 0.017 7 0.120 0 0.147 9 弱脱钩 2013 0.013 8 0.130 4 0.106 0 弱脱钩 2014 -0.001 4 0.100 8 -0.013 6 强脱钩 2015 0.155 5 0.088 0 1.767 2 扩张性负脱钩 2016 0.035 3 0.086 3 0.409 4 弱脱钩 2017 0.003 6 0.087 8 0.040 6 弱脱钩 2018 0.043 7 0.034 8 1.256 2 扩张性负脱钩 由于城镇化水平变化作用于居民食物消费生态足迹需要一定的周期，因此根据2008-2018年我国城镇化率变动情况，将研究期限划分为3个周期并判断脱钩状态，如表 4所示。3个周期内我国居民食物消费生态足迹与城镇化发展水平均实现完全脱钩，脱钩状态经历了从强脱钩到弱脱钩的变化，从2012年开始居民食物消费生态足迹出现增长，但仍低于城镇化水平的增长速度，整个生态系统处于较理想状态。2016年开始，城镇化发展水平增长速度与居民食物消费生态足迹增长速度均出现明显回落。原因可能有两个方面：一是系统性波动，即我国城镇化发展水平与居民食物消费生态足迹本身呈现波动上升或下降而非直线上升或下降的趋势，从而引起脱钩指数出现小幅波动。二是政策性波动，2012年以来，国家相继出台了一系列措施大力发展城镇化，从而使城镇化综合指数变化率出现较大程度的正向变化；同时，居民食物消费生态足迹呈上升趋势，引起居民食物消费生态足迹变化率均出现较大程度的正向变化。但总体来说，经济社会的可持续发展状态持续改进。
表 4 2008-2018年分周期全国总体脱钩状态判别表年份 指标 ΔFP ΔUR 脱钩指数 脱钩状态 2009-2011 -0.066 3 0.539 1 -0.123 0 强脱钩 2012-2015 0.190 6 0.516 2 0.369 3 弱脱钩 2016-2018 0.084 4 0.222 7 0.378 9 弱脱钩 2.省域层面
全国31个省份的脱钩状态表现出较为明显的规律性，如表 5所示。在310个脱钩状态中脱钩率达到94.19%，以强脱钩、弱脱钩、扩张性负脱钩为主。强脱钩出现126次(40.65%)，弱脱钩出现76次(24.52%)，扩张性负脱钩出现75次(24.19%)。北京市是唯一连续10年呈扩张性负脱钩状态，且脱钩指数逐年增大，说明其生态系统压力逐年增大。2009-2011年，除上海、北京和西藏的生态系统面临较大压力外，其他省份生态系统均处于理想或比较理想状态。2012-2015年，天津、辽宁、黑龙江、浙江、四川以及安徽、湖北、湖南、广西、重庆、陕西的生态系统状况由好转坏或由好转一般，考虑与人口大省经济发展水平提升有关，其他省份脱钩状态变化不明显；2016-2018年，天津、黑龙江、安徽、湖北、湖南、广西、四川、西藏、陕西、新疆的生态系统状态开始转好，考虑与中西部地区承接东部地区产业转移有关；上海、福建、广东、海南、青海的生态系统状态开始转为一般或更差，考虑与其人口城镇化与空间城镇化增速放缓甚至出现逆城市化现象有关；其他省份脱钩状态变化不明显。
表 5 2008-2018年分周期各省份脱钩指数与脱钩状态表省份 脱钩状态 2009-2011年 2012-2015年 2016-2018年 北京 扩张性负脱钩 扩张性负脱钩 扩张性负脱钩 天津 弱脱钩 扩张性负脱钩 扩张性连接 河北 弱脱钩 弱脱钩 弱脱钩 山西 强脱钩 强脱钩 弱脱钩 内蒙古 强脱钩 弱脱钩 强脱钩 辽宁 强脱钩 扩张性负脱钩 衰退性脱钩 吉林 强脱钩 弱脱钩 强负脱钩 黑龙江 强脱钩 扩张性负脱钩 弱脱钩 上海 扩张性连接 弱脱钩 扩张性负脱钩 江苏 强脱钩 弱脱钩 强脱钩 浙江 强脱钩 扩张性负脱钩 扩张性负脱钩 安徽 强脱钩 扩张性连接 弱脱钩 福建 弱脱钩 弱脱钩 扩张性负脱钩 江西 强脱钩 弱脱钩 弱脱钩 山东 强脱钩 弱脱钩 弱脱钩 河南 强脱钩 弱脱钩 弱脱钩 湖北 强脱钩 扩张性连接 强脱钩 湖南 强脱钩 扩张性连接 弱脱钩 广东 弱脱钩 弱脱钩 扩张性连接 广西 强脱钩 扩张性连接 弱脱钩 海南 强脱钩 弱脱钩 扩张性负脱钩 重庆 强脱钩 扩张性连接 扩张性连接 四川 强脱钩 扩张性负脱钩 弱脱钩 贵州 弱脱钩 强脱钩 强脱钩 云南 强脱钩 强脱钩 弱脱钩 西藏 弱负脱钩 扩张性连接 强脱钩 陕西 强脱钩 扩张性连接 弱脱钩 甘肃 强脱钩 弱脱钩 强负脱钩 青海 强脱钩 弱脱钩 扩张性负脱钩 宁夏 强脱钩 强脱钩 弱脱钩 新疆 弱脱钩 强负脱钩 强脱钩 （三） 城镇化对居民食物消费生态足迹影响效应分析
随着我国城镇化水平的提高，居民食物消费生态足迹未必会同步增加，城镇化综合指数的子系统，即人口城镇化、经济城镇化、空间城镇化、社会城镇化对居民食物消费生态足迹产生不同影响，需要进一步采用计量经济学模型探讨城镇化综合指数的构成指标对居民食物消费生态足迹的影响机理。
1.单位根检验
采用LLC检验法和IPS检验法对各变量进行单位根检验，结果如表 6所示。
表 6 单位根检验结果变量 LLC检验 IPS检验 结论 lnFP 0.000 0*** 0.470 6 非平稳 lnEUR 0.000 0*** 0.998 4 非平稳 lnPUR 1.000 0 0.000 0*** 非平稳 lnRUR 0.000 0*** 0.096 0 非平稳 lnSUR 0.013 6** 1.000 0 非平稳 lnCDR 0.000 0*** 0.087 0 非平稳 lnFDI 0.000 0*** 0.998 8 非平稳 lnPGDP 0.000 0*** 0.971 6 非平稳 ΔlnFP 0.000 0*** 0.000 0*** 平稳 ΔlnEUR 0.000 0*** 0.003 2*** 平稳 ΔlnPUR 0.000 0*** 0.000 0*** 平稳 ΔlnRUR 0.000 0*** 0.000 0*** 平稳 ΔlnSUR 0.000 0*** 0.000 6*** 平稳 ΔlnCDR 0.000 0*** 0.000 0*** 平稳 ΔlnFDI 0.000 0*** 0.000 2*** 平稳 ΔlnPGDP 0.000 0*** 0.000 1*** 平稳 注：**、***分别表示在5%、1%水平下不存在单位根。 根据检验结果可知，变量lnFP、lnEUR、lnPUR、lnRUR、lnSUR、lnCDR、lnFDI、lnPGDP都存在单位根，是非平稳的，而它们的一阶差分ΔlnFP、ΔlnEUR、ΔlnPUR、ΔlnRUR、ΔlnSUR、ΔlnCDR、ΔlnFDI、ΔlnPGDP都不存在单位根，是平稳的。因此，本文所使用的变量都是一阶单整的，属于同阶单整，可以进行协整检验分析。
2.协整检验
采用Kao检验法对lnFP与lnEUR、lnPUR、lnRUR、lnSUR、lnCDR、lnFDI、lnPGDP之间是否存在协整关系进行检验，结果如表 7所示。
表 7 协整检验结果变量 Statistic p-value Modified Dickey-Fuller t -1.389 9 0.082 3 Dickey-Fuller t -2.545 2 0.005 5 Augmented Dickey-Fuller t -2.016 8 0.021 9 Unadjusted modified Dickey-Fuller t -2.455 2 0.000 7 Unadjusted Dickey-Fuller t -3.136 3 0.000 9 根据以上检验结果可知，除Modified Dickey-Fuller t外，其余4个统计量的相应P值均小于0.05，表明在5%显著水平下拒绝变量间不存在协整关系的假设，这说明lnFP与lnEUR、lnPUR、lnRUR、lnSUR、lnCDR、lnFDI、lnPGDP之间长期存在协整关系。
3.模型估计
利用Stata软件对模型进行Hausman检验，所得的卡方统计量值为31.93，相应的P值为0.000 1，小于0.05，故拒绝采用随机效应的假设，说明适合采用固定效应形式进行回归分析，由此所得到的模型估计结果如表 8所示。
表 8 模型估计结果变量 Coef. Std.Err. t P lnEUR 1.178 979*** 0.186 442 6.32 0.000 lnPUR -1.509 15*** 0.239 068 -6.31 0.000 lnRUR 0.033 347 0.048 221 0.69 0.490 lnSUR 0.237 374** 0.103 098 2.30 0.022 lnCDR -0.026 98 0.047 376 -0.57 0.569 lnFDI 0.172 501*** 0.028 106 6.14 0.000 lnPGDP -1.139 51*** 0.223 634 -5.1 0.000 _cons 9.219 023*** 0.714 37 12.91 0.000 R2 0.419 3 F 31.25 Prob 0.000 0 注：**、***分别表示系数通过了5%、1%水平的显著性检验。 由上述结果可知，模型估计的R2为0.4193，拟合优度可以接受；F统计量相应的P值是0.000，表明模型整体估计是显著的。进一步分析各变量的估计系数可知：人口城镇化、经济城镇化、社会城镇化对我国居民食物消费生态足迹存在显著影响，空间城镇化对我国居民食物消费生态足迹不存在显著影响。具体结论如下：
人口城镇化对我国居民食物消费生态足迹存在显著的负向影响，故接受研究假设1。城镇人口占总人口比重的上升，有利于降低居民食物消费对于生态资源的占用。这与王海平等(2019)[21]的观点基本一致，即当城镇化率达到一定临界水平时，居民食物消费量将趋于稳定，由此所带来的食物消费生态环境压力也将减缓。进一步参考徐辉和杨烨(2017)[41]、王庆娟(2014)[42]、钟晓敏和董幼雏(2019)[43]等学者的研究成果，即中国快速城镇化过程中大量的人口和产业向城市积聚，提高了公共基础设施的使用效率，减少了资源消耗与污染排放。假设城镇化对资源消耗或污染排放的影响对所有地区是同质的，人口城镇化有利于降低居民食物消费对于生态资源的占用。
经济城镇化对我国居民食物消费生态足迹存在显著的正向影响，故接受假设2。说明随着非农经济规模的扩大，劳动分工和社会生产力的逐步提高，居民食物消费总量增加，同时居民食物消费结构发生改变，动物性食物的消费量增加及居民在外用餐的频率增加，从而增加居民食物消费土地资源的占用。
社会城镇化对我国居民食物消费生态足迹存在显著的正向影响，故接受假设3。城镇化深入发展，社会购买能力增强，商品交易越来越频繁，物流体系越来越完善，从而使得城乡居民可以突破时间、地域的限制，消费更多的食物，消费品种更加丰富，从而增加总食物消费量及食物消费生态足迹。
空间城镇化对我国居民食物消费生态足迹不存在显著影响，故拒绝假设4。
对外开放水平对全国居民食物消费生态足迹存在显著的正向影响。对外开放水平的提升能够带来外来人口的增加，餐饮丰裕度和饮食习惯也会随之改变，从而影响居民对食物消费的生态足迹总量。参考康乾(2018)[44]，尹慧和李学迁(2018)[45]等学者的主要研究成果，近年来外商直接投资总额呈向高污染、高消耗行业集聚的现象，应当引起高度警惕。
经济发展水平对全国居民食物消费生态足迹存在显著的负向影响。经济越发达的地区，越有利于降低居民食物消费对于生态资源的占用。参考金淳(2017)[46]、刘华军和石印(2020)[47]等学者的主要研究成果，即经济发展程度越高的地区，其在公共设施、市场机制、集聚效应等方面越具有优势，越能够通过技术外溢来改善地区的环境污染。假设经济发展水平对资源消耗或污染排放的影响对所有地区是同质的，经济发展水平提高有利于降低居民食物消费对于生态资源的占用。
教育程度对全国居民食物消费生态足迹不存在显著影响。
五、 主要结论与政策含义
中国以不到世界9%的耕地、6.4%的淡水资源和15%的草地和牧场养育了22%的人口，人均资源占有量大大低于世界平均水平，自然生态环境承载能力脆弱。庞大的人口基数使得居民食物消费的任何轻微变动，都会对食物安全和生态安全造成潜在的严重风险。因此，必须科学度量城镇化水平带来的居民食物消费的变化趋势，科学评估居民食物消费对于生态影响的程度与性质，对于有效推进我国新型城镇化建设、国家生态文明建设以及经济社会可持续发展都具有重要的理论与实践价值。
研究结论：(1)2008-2018年，居民食物消费生态足迹总体呈上升趋势。2018年肉类消费占用的土地资源首次超过粮食，成为我国居民食物消费生态足迹最主要的构成类别。(2)受城市规模、功能定位、消费习惯等多种因素的影响，不同省份居民食物消费对土地资源的占用不均衡且存在较大差异，呈集中分布的趋势。(3)从全国层面来看，2008-2018年全国总体城镇化水平与食物资源消耗对土地资源的占用水平处于弱脱钩状态，逐年脱钩率达到100%，但脱钩关系不稳定，主要呈现弱脱钩、强脱钩、扩张性负脱钩的反复交替；从省域层面来看，2008-2011年，经济社会的可持续发展均处于理想或比较理想状态；2012-2015年，11个省份的经济社会可持续发展趋势开始由好转向一般或更差，与人口大省城镇化发展过程中经济社会发展水平的提高导致居民食物消费生态足迹的增长率出现较大提升有关；2016-2018年，10个省份的经济社会可持续发展趋势开始向好，这些省份大都处于我国中西部地区，主要受中西部地区承接东部地区产业转移政策的影响，经济城镇化与人口城镇化水平均呈现较大的提升；5个省份的经济社会可持续发展趋势开始转为一般或更差，可能与其人口城镇化与空间城镇化增速放缓，甚至出现逆城市化现象有关；(4)进一步研究发现，从全国来看，人口城镇化对居民食物消费生态足迹存在显著的负向影响；经济城镇化、社会城镇化分别对居民食物消费生态足迹存在显著的正向影响；空间城镇化对居民食物消费生态足迹不存在显著影响。同时，经济发展水平、对外开放水平分别对居民食物消费生态足迹存在显著的负向、正向影响。
政策含义如下：首先，中国已经进入城镇化的中期阶段，应该走城镇化质量提高的新型城镇化道路。新型城镇化不以牺牲土地、资源、生态、环境为代价，应着眼于推动土地城镇化、人口城镇化及产业集聚协调发展，促进城市经济增长、社会发展和环境的改善。第二，加快提高人口城镇化率，增加农村转移人口数量，进一步提高城市人口规模；充分发挥城镇化过程中的产业集聚效应，提供足够的就业机会，吸引大量进城农民逐渐向市民转化；利用现代科技手段改造农业，实现农业生产规模化、产业化、现代化，提高土地资源利用率，加强土地资源保护；加强环境保护宣传，提高居民环境保护意识，弘扬勤俭节约的传统美德，厉行节约，反对浪费。第三，不同省份实现城镇化与生态环境协调发展的侧重点应有所不同。对于国土面积有限、城市规模较大、人口集中度高的东部地区，如北京、上海、天津、广东、浙江、福建等应大力发展资源占用少、产出率高的第三产业，推动产业结构升级，有效控制城市新增建设用地规模；对于土地资源丰富、从增量上仍有一定发展空间的中西部地区，如黑龙江、安徽、湖北、湖南、广西、四川、西藏、陕西、新疆等应充分释放中西部地区耕地资源的潜力，同时积极承接东部地区产业转移，适度增加集约用地程度高、发展潜力大的中西部地区用地供给，增强经济实力，增加就业密度，提高人力资本水平，更好地吸纳人口，进一步提高城镇化水平。
-
表 1 环境压力与经济增长脱钩状态判别表
脱钩状态 %ΔECt+1 %ΔIOt+1 脱钩弹性指数 含义 评价 强负脱钩 < 0 >0 εt+1 < 0 经济衰退，环境压力变大 最差 弱负脱钩 < 0 < 0 0 < εt+1 < 0.8 经济衰退，环境压力缓慢变大 很差 扩张性负脱钩 >0 >0 εt+1>1.2 经济缓慢增长，环境压力迅速变大 差 衰退性连接 < 0 < 0 0.8 < εt+1 < 1.2 经济衰退，环境压力同步变小 较差 扩张性连接 >0 >0 0.8 < εt+1 < 1.2 经济增长，环境压力同步变大 一般 衰退性脱钩 < 0 < 0 εt+1>1.2 经济衰退，环境压力迅速变小 较好 弱脱钩 >0 >0 0 < εt+1 < 0.8 经济增长，环境压力缓慢变大 好 强脱钩 >0 < 0 εt+1 < 0 经济增长，环境压力变小 最好 
下载: 导出CSV
表 2 居民食物消费生态足迹与城镇化水平脱钩状态判别表
脱钩状态 %ΔFPt+1 %ΔURt+1 脱钩弹性指数 含义 评价 强负脱钩 < 0 >0 εt+1 < 0 城镇化衰退，生态足迹增大 最差 弱负脱钩 < 0 < 0 0 < εt+1 < 0.8 城镇化衰退，生态足迹缓慢增大 很差 扩张性负脱钩 >0 >0 εt+1>1.2 城镇化缓慢增长，生态足迹迅速增大 差 衰退性连接 < 0 < 0 0.8 < εt+1 < 1.2 城镇化衰退，生态足迹同步减少 较差 扩张性连接 >0 >0 0.8 < εt+1 < 1.2 城镇化增长，生态足迹同步增大 一般 衰退性脱钩 < 0 < 0 εt+1>1.2 城镇化衰退，生态足迹迅速减少 较好 弱脱钩 >0 >0 0 < εt+1 < 0.8 城镇化增长，生态足迹缓慢增大 好 强脱钩 >0 < 0 εt+1 < 0 城镇化增长，生态足迹减少 最好
下载: 导出CSV
表 3 2008-2018年全国总体脱钩状态判别表
年份 ΔFP ΔUR 脱钩指数 脱钩状态 2009 -0.003 8 0.176 3 -0.021 7 强脱钩 2010 -0.035 9 0.145 4 -0.247 1 强脱钩 2011 -0.027 8 0.142 3 -0.195 4 强脱钩 2012 0.017 7 0.120 0 0.147 9 弱脱钩 2013 0.013 8 0.130 4 0.106 0 弱脱钩 2014 -0.001 4 0.100 8 -0.013 6 强脱钩 2015 0.155 5 0.088 0 1.767 2 扩张性负脱钩 2016 0.035 3 0.086 3 0.409 4 弱脱钩 2017 0.003 6 0.087 8 0.040 6 弱脱钩 2018 0.043 7 0.034 8 1.256 2 扩张性负脱钩
下载: 导出CSV
表 4 2008-2018年分周期全国总体脱钩状态判别表
年份 指标 ΔFP ΔUR 脱钩指数 脱钩状态 2009-2011 -0.066 3 0.539 1 -0.123 0 强脱钩 2012-2015 0.190 6 0.516 2 0.369 3 弱脱钩 2016-2018 0.084 4 0.222 7 0.378 9 弱脱钩
下载: 导出CSV
表 5 2008-2018年分周期各省份脱钩指数与脱钩状态表
省份 脱钩状态 2009-2011年 2012-2015年 2016-2018年 北京 扩张性负脱钩 扩张性负脱钩 扩张性负脱钩 天津 弱脱钩 扩张性负脱钩 扩张性连接 河北 弱脱钩 弱脱钩 弱脱钩 山西 强脱钩 强脱钩 弱脱钩 内蒙古 强脱钩 弱脱钩 强脱钩 辽宁 强脱钩 扩张性负脱钩 衰退性脱钩 吉林 强脱钩 弱脱钩 强负脱钩 黑龙江 强脱钩 扩张性负脱钩 弱脱钩 上海 扩张性连接 弱脱钩 扩张性负脱钩 江苏 强脱钩 弱脱钩 强脱钩 浙江 强脱钩 扩张性负脱钩 扩张性负脱钩 安徽 强脱钩 扩张性连接 弱脱钩 福建 弱脱钩 弱脱钩 扩张性负脱钩 江西 强脱钩 弱脱钩 弱脱钩 山东 强脱钩 弱脱钩 弱脱钩 河南 强脱钩 弱脱钩 弱脱钩 湖北 强脱钩 扩张性连接 强脱钩 湖南 强脱钩 扩张性连接 弱脱钩 广东 弱脱钩 弱脱钩 扩张性连接 广西 强脱钩 扩张性连接 弱脱钩 海南 强脱钩 弱脱钩 扩张性负脱钩 重庆 强脱钩 扩张性连接 扩张性连接 四川 强脱钩 扩张性负脱钩 弱脱钩 贵州 弱脱钩 强脱钩 强脱钩 云南 强脱钩 强脱钩 弱脱钩 西藏 弱负脱钩 扩张性连接 强脱钩 陕西 强脱钩 扩张性连接 弱脱钩 甘肃 强脱钩 弱脱钩 强负脱钩 青海 强脱钩 弱脱钩 扩张性负脱钩 宁夏 强脱钩 强脱钩 弱脱钩 新疆 弱脱钩 强负脱钩 强脱钩
下载: 导出CSV
表 6 单位根检验结果
变量 LLC检验 IPS检验 结论 lnFP 0.000 0*** 0.470 6 非平稳 lnEUR 0.000 0*** 0.998 4 非平稳 lnPUR 1.000 0 0.000 0*** 非平稳 lnRUR 0.000 0*** 0.096 0 非平稳 lnSUR 0.013 6** 1.000 0 非平稳 lnCDR 0.000 0*** 0.087 0 非平稳 lnFDI 0.000 0*** 0.998 8 非平稳 lnPGDP 0.000 0*** 0.971 6 非平稳 ΔlnFP 0.000 0*** 0.000 0*** 平稳 ΔlnEUR 0.000 0*** 0.003 2*** 平稳 ΔlnPUR 0.000 0*** 0.000 0*** 平稳 ΔlnRUR 0.000 0*** 0.000 0*** 平稳 ΔlnSUR 0.000 0*** 0.000 6*** 平稳 ΔlnCDR 0.000 0*** 0.000 0*** 平稳 ΔlnFDI 0.000 0*** 0.000 2*** 平稳 ΔlnPGDP 0.000 0*** 0.000 1*** 平稳 注：**、***分别表示在5%、1%水平下不存在单位根。
下载: 导出CSV
表 7 协整检验结果
变量 Statistic p-value Modified Dickey-Fuller t -1.389 9 0.082 3 Dickey-Fuller t -2.545 2 0.005 5 Augmented Dickey-Fuller t -2.016 8 0.021 9 Unadjusted modified Dickey-Fuller t -2.455 2 0.000 7 Unadjusted Dickey-Fuller t -3.136 3 0.000 9
下载: 导出CSV
表 8 模型估计结果
变量 Coef. Std.Err. t P lnEUR 1.178 979*** 0.186 442 6.32 0.000 lnPUR -1.509 15*** 0.239 068 -6.31 0.000 lnRUR 0.033 347 0.048 221 0.69 0.490 lnSUR 0.237 374** 0.103 098 2.30 0.022 lnCDR -0.026 98 0.047 376 -0.57 0.569 lnFDI 0.172 501*** 0.028 106 6.14 0.000 lnPGDP -1.139 51*** 0.223 634 -5.1 0.000 _cons 9.219 023*** 0.714 37 12.91 0.000 R2 0.419 3 F 31.25 Prob 0.000 0 注：**、***分别表示系数通过了5%、1%水平的显著性检验。
下载: 导出CSV
-
[1] LI Y, WANG L E, CHENG S. Spatiotemporal variability in urban HORECA food consumption and its ecological footprint in China[J]. Sci. Total. Environment, 2019, 687: 1232-1244. doi: 10.1016/j.scitotenv.2019.06.148 [2] VITOUSEK P M, EHRLICH P R, EHRLICH A H, et al. Human appropriation of the products of photosynthesis[J]. Bioscience, 1986, 36: 368-373. doi: 10.2307/1310258 [3] WACKERNAGEL M, REES W. Our ecological footprint: reducing the impact on the earth[M]. Canada: New Society Publishers, 1996. [4] 向书坚, 柴士改. 生态足迹若干不足、修正与完善以及应用拓展[J]. 资源科学, 2013(5): 1051-1058. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZY201305020.htm [5] 曹淑艳, 谢高地. 城镇居民食物消费的生态足迹及生态文明程度评价[J]. 自然资源学报, 2016(31): 1073-1085. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201607001.htm [6] VOLODYA E, YEO M J, KIM Y P. Trends of ecological footprints and policy direction for sustainable development in Mongolia: a case study[J]. Sustainability, 2018, 10(11): 4026. doi: 10.3390/su10114026 [7] 张红侠, 曾科, 李睿康. 基于生态压力指数的商洛市土地生态安全研究[J]. 干旱地区农业研究, 2014(2): 246. https://www.cnki.com.cn/Article/CJFDTOTAL-GHDQ201402041.htm [8] 张翠娟. 基于生态足迹模型的河南省农业生态承载力动态评价[J]. 中国农业资源与区划, 2020(2): 246. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGNZ202002037.htm [9] UDEMBA E N. A sustainable study of economic growth and development amidst ecological footprint: new insight from Nigerian perspective[J]. Science of the Total Environment, 2020, 732: 139270. doi: 10.1016/j.scitotenv.2020.139270 [10] MEIDAD KISSINGER. Approaches for calculating a nation's food ecological footprint——the case of Canada[J]. Ecological Indicators, 2013, 24: 366-374. doi: 10.1016/j.ecolind.2012.06.023 [11] MENCONI M E, STELLA G, GROHMANN D. Revisiting the food component of the ecological footprint indicator for autonomous rural settlement models in Central Italy[J]. Ecological Indicators, 2013, 34: 580-589. doi: 10.1016/j.ecolind.2013.06.011 [12] ZSÓFIFIA VETÖNÉ MÓZNER. Sustainability and consumption structure: environmental impacts of food consumption clusters: a case study for Hungary[J]. International Journal of Consumer Studies, 2014, 38: 529-539. doi: 10.1111/ijcs.12130 [13] ALESSANDRO GALLI, KATSUNORI IHA, MARTIN HALLE, et al. Mediterranean countries' food consumption and sourcing patterns: an ecological footprint viewpoint[J]. Science of the Total Environment, 2017, 578: 383-391. doi: 10.1016/j.scitotenv.2016.10.191 [14] GUOBAO SONG, LI M J, SEMAKULA H M, et al. Food consumption and waste and the embedded carbon, water and ecological footprints of households in China[J]. Science of the Total Environment, 2015, 529: 191-197. doi: 10.1016/j.scitotenv.2015.05.068 [15] LIN ZHEN, BINGZHEN DU. Ecological footprint analysis based on changing food consumption in a poorly developed area of China[J]. Sustainability, 2017, 9: 1323. doi: 10.3390/su9081323 [16] 郭华, 蔡建明, 杨振山. 城市食物生态足迹的测算模型及实证分析[J]. 自然资源学报, 2013(3): 417-425. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201303008.htm [17] 陈文辉. 北京市食物消费的生态足迹核算与空间扩展研究[D]. 北京: 中国科学院大学, 2015. [18] 杨莉, 余倩倩. 海南省城乡居民消费的环境影响评估和环境公平性分析[J]. 江苏农业学报, 2019(5): 1232-1239. doi: 10.3969/j.issn.1000-4440.2019.05.033 [19] 李芳林. 城市居民消费的环境效应及其应对策略研究[D]. 镇江: 江苏大学, 2019. [20] 赵正, 宁静, 周非飞. 基于生态足迹模型的资源型城市生态承载力评价: 以黑龙江省大庆市为例[J]. 水土保持通报, 2019(39): 281-287. https://www.cnki.com.cn/Article/CJFDTOTAL-STTB201902044.htm [21] 王海平, 陈志峰, 曹红亮. 城镇化背景下福建城乡居民食物消费转型及其生态足迹[J]. 江苏农业科学, 2019(22): 315-321. https://www.cnki.com.cn/Article/CJFDTOTAL-JSNY201922072.htm [22] SUBIR BAIRAGI, SAMARENDU MOHANTY, SAMPRITI BARUAH, et al. Changing food consumption patterns in rural and urban Vietnam: implications for a future food supply system[J]. Australian Journal of Agricultural and Resource Economics, 2020, 64: 750-775. doi: 10.1111/1467-8489.12363 [23] PETER WARR. Urbanization and the demand for food[J]. Bulletin of Indonesian Economic Studies, 2020, 56: 43-86. doi: 10.1080/00074918.2020.1742285 [24] 邓婷鹤, 毕洁颖, 聂凤英. 城镇化与老龄化对未来食物消费需求的影响研究[J]. 城市发展研究, 2018(25): 7-14, 136. https://www.cnki.com.cn/Article/CJFDTOTAL-CSFY201812025.htm [25] BATTERSBY J. Hungry cities: a critical review of urban food security research in sub-Saharan African cities[J]. Geography Compass, 2013, 7: 452-463. doi: 10.1111/gec3.12053 [26] SYLVIA SZABO. Urbanization and food insecurity risks: assessing the role of human development[J]. Oxford Development Studies, 2016, 44: 28-48. doi: 10.1080/13600818.2015.1067292 [27] 张少春, 闵师, 马瑞. 城市化、食物消费转型及其生态环境影响[J]. 城市发展研究, 2018(25): 13-20. https://www.cnki.com.cn/Article/CJFDTOTAL-CSFY201803003.htm [28] 高庆彦, 潘玉君. 我国省域城镇化水平与资源环境压力脱钩的时空分析[J]. 生态经济, 2020(1): 99-105, 171. https://www.cnki.com.cn/Article/CJFDTOTAL-STJJ202001018.htm [29] 杨钧. 城镇化对环境治理绩效的影响——省级面板数据的实证研究[J]. 中国行政管理, 2016(4): 103-109. doi: 10.3782/j.issn.1006-0863.2016.04.15 [30] 梁超. 环境约束下我国城镇化效率及其影响因素实证研究[J]. 重庆: 重庆大学, 2013. https://cdmd.cnki.com.cn/Article/CDMD-10611-1013043977.htm [31] GERBENS-LEENES W, NONHEBEL S. Food and land use: the influence of consumption patterns on the use of agricultural resources[J]. Appetite, 2005, 45(1): 24-31. doi: 10.1016/j.appet.2005.01.011 [32] 吴燕, 王效科, 逯非. 北京市居民食物消耗生态足迹和水足迹[J]. 资源科学, 2011(6): 1145-1152. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZY201106021.htm [33] 吴德存. 城镇化进程中江苏省生态足迹时空演变与影响机理研究[D]. 徐州: 中国矿业大学, 2017. [34] 刘兴荣, 秦趣, 张勇荣. 人口素质对喀斯特山区生态环境演变的作用机制分析——以贵州省六盘水市为例[J]. 西北师范大学学报: 自然科学版, 2016(5): 101-106. https://www.cnki.com.cn/Article/CJFDTOTAL-XBSF201605022.htm [35] 张丹, 成升魁, 高利伟, 等. 城市餐饮业食物浪费的生态足迹——以北京市为例[J]. 资源科学, 2016(1): 10-18. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZY201601002.htm [36] OECD. Decoupling: a conceptual overview[R]. Paris: OECD, 2001. [37] ZAHOOR AHMED, BIN ZHANG, MICHAEL CARY. Linking economic globalization, economic growth, financial development, and ecological footprint: evidence from symmetric and asymmetric ARDL[J]. Ecological Indicators, 2021, 121: 15-21. http://www.sciencedirect.com/science/article/pii/S1470160X20309997 [38] DAVIDMAC O EKEOCHA. Urbanization, inequality, economic development and ecological footprint: searching for turning points and regional homogeneity in Africa[J]. Journal of Cleaner Production, 2020, 291: 125-244. http://www.sciencedirect.com/science/article/pii/S0959652620352884 [39] 黄宝荣, 崔书红, 李颖明. 中国2000—2010年生态足迹变化特征及影响因素[J]. 环境科学, 2016(2): 420-426. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKZ201602005.htm [40] 程钰, 尹建中, 王建事. 黄河三角洲地区自然资本动态演变与影响因素研究[J]. 中国人口·资源与环境, 2019(4): 127-136. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGRZ201904014.htm [41] 徐辉, 杨烨. 人口和产业集聚对环境污染的影响——以中国的100个城市为例[J]. 城市问题, 2017(1): 53-60. https://www.cnki.com.cn/Article/CJFDTOTAL-CSWT201701007.htm [42] 王庆娟. 城市人口规模对环境污染的门槛效应研究[D]. 北京: 首都经济贸易大学, 2014. [43] 钟晓敏, 童幼雏. 农业转移人口市民化成本分析: 基于浙江省数据的估算[J]. 财经论丛, 2019(12): 13-23. doi: 10.3969/j.issn.1004-4892.2019.12.002 [44] 康乾. 外商直接投资对中国环境污染的影响——基于碳排放视角的研究[D]. 北京: 商务部国际贸易经济合作研究院, 2018. [45] 尹慧, 李学迁. 环境政策调节下FDI引进质量与环境污染的相关性分析[J]. 经济研究导刊, 2018(33): 148-161. doi: 10.3969/j.issn.1673-291X.2018.33.055 [46] 金淳. 外商直接投资、经济发展水平与环境污染的关系——基于2003—2013年中国省际面板数据的经验研究[J]. 天津师范大学学报: 自然科学版, 2017(5): 75-80. doi: 10.3969/j.issn.1671-1114.2017.05.015 [47] 刘华军, 石印. 中国农业生态效率的空间分异与提升潜力[J]. 广东财经大学学报, 2020(6): 51-64. https://www.cnki.com.cn/Article/CJFDTOTAL-SONG202006006.htm 期刊类型引用(10)
1. 陈萱 ，李绍亭 ，任彦军 . 2000—2020年中国城乡食物消费碳-水足迹及其驱动因素分析. 农业工程学报. 2024(05): 287-296 . 
百度学术2. 张洪源，郝枫. 中国省域生态足迹测度及时空分异. 数量经济研究. 2024(03): 143-165 . 百度学术3. 杨健，周立华，裴孝东，石贵，张聪，李学渊. 我国畜牧业绿色生产效率的动态变化及其影响因素研究. 科技促进发展. 2024(Z1): 779-788 . 百度学术4. 窦羽星，刘秀丽. 居民食物消费变化引致的环境足迹测算. 中国环境科学. 2023(01): 446-455 . 百度学术5. 严茂林，葛玮玮，张洋，杨丽. 中国城镇居民人均食用植物油消费量的趋势预测与影响因素分析. 中国油脂. 2023(11): 1-7 . 百度学术6. 欧亚梅. 中国式现代化背景下塑料包装产业高质量发展路径探析. 塑料科技. 2023(12): 121-124 . 百度学术7. 孙学涛，于婷，于法稳. 新型城镇化对共同富裕的影响及其作用机制——基于中国281个城市的分析. 广东财经大学学报. 2022(02): 71-87 . 本站查看8. 张杉杉，杨滨伊. 零工经济中平台型灵活就业人员的劳动供给影响因素研究——来自外卖骑手的证据. 经济与管理研究. 2022(06): 80-89 . 百度学术9. 马恩朴，叶玮怡，廖柳文，蔡建明. 城市食物系统演化的人地耦合启示及驱动力——以北京食物系统为例. 自然资源学报. 2022(10): 2617-2635 . 百度学术10. 葛玮玮，严茂林，田恬，吴成亮，张洋. 中国农村居民食用植物油消费量影响因素的分析. 中国油脂. 2022(12): 8-14+24 . 百度学术其他类型引用(9)
-
下载:
点击查看大图
计量
- 文章访问数: 538
- HTML全文浏览量: 322
- PDF下载量: 23
- 被引次数: 19