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.pdf

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；