中國碳排放強度與煤炭消耗的沖擊效應(yīng)分析

趙 奧 武春友

(大連理工大學(xué)管理與經(jīng)濟學(xué)部，遼寧大連116024)

自上世紀(jì)90年代初期開始，中國經(jīng)濟經(jīng)歷了一個持續(xù)的高速發(fā)展階段，隨著國內(nèi)生產(chǎn)總值的逐年增加，一系列資源消耗、環(huán)境污染、生態(tài)惡化等問題讓中國的經(jīng)濟發(fā)展與環(huán)境問題陷入矛盾局面。進入21世紀(jì)以來，中國城市化和工業(yè)化發(fā)展帶來了化石能源，特別是煤炭資源的大量消耗，由“黑色能源”引發(fā)的碳排放問題成為溫室效應(yīng)、全球變暖的代名詞。相較于天然氣、水電、風(fēng)電消耗而言，煤炭消耗所釋放的CO2量平均要高出近50%，雖自1990年以來，我國煤炭消耗比重呈下降態(tài)勢，然而碳排放總量卻逐年上升，由高速經(jīng)濟增長所抵消的環(huán)境負(fù)面增長促使碳排放強度緩慢降低，但碳排放強度的降低究竟源于煤炭消耗比重的下降還是源于GDP的分母拉動性值得我們?yōu)橹伎肌Ｒ虼耍疾煲欢攴輩^(qū)間內(nèi)煤炭消耗與碳排放強度之間的交互沖擊效應(yīng)，有助于從深層次挖掘二者的作用機理，為未來高效控制碳排放量乃至碳排放強度，降低對化石能源的依賴性，提供措施借鑒。

1 文獻綜述

從已有的研究文獻來看，考察碳排放量以及排放強度變化的影響因素的研究較多。其中，徐國泉等人［1］采用Divisia分解法定量分析了能源結(jié)構(gòu)、能源效率和經(jīng)濟發(fā)展等因素的變化對中國人均碳排放的影響;馮相昭等人［2］對1971－2005年期間影響中國CO2排放量的因素展開分析，研究發(fā)現(xiàn)經(jīng)濟發(fā)展、人口增長、能源強度、能源消費結(jié)構(gòu)是影響CO2排放量的主要因素;宋德勇、盧忠寶［3］采用“兩階段”LMDI方法，將能源消費產(chǎn)生的CO2排放的相關(guān)影響因素分解為產(chǎn)出規(guī)模、能源結(jié)構(gòu)、排放強度和能源強度四個方面;Stephen D.Casler和 Adamrose［4］運用兩階段KLEM模型對影響美國碳排放量的諸多因素進行實證分析;Christopher Yang 和 Stephen H.Schneider［5］認(rèn)為 CO2排放量的影響因素可以分解為人口規(guī)模、富裕程度、能源強度和單位能源消耗的排碳強度。以上研究只能大體計算出影響因素之間的重要程度，而無法顯示單一因素或者某幾個重要因素的變動，特別是能源消費結(jié)構(gòu)、能源強度的變動對碳排放量的影響，盡管國內(nèi)外一些學(xué)者已經(jīng)嘗試進行相應(yīng)的研究，例如帥通、袁雯［6］計量分析了上海市產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)的變動對碳排放量的影響，蘇方林等人［7］采用加權(quán)最小二乘法與向量自回歸方法建立廣西碳排放量及影響因素間關(guān)系的實證模型，杜官印等人［8］測算了1997－2007年中國分省化石能源碳排放強度變化趨勢，邵帥等人［9］基于STIRPAT模型的上海分行業(yè)動態(tài)面板數(shù)據(jù)得出煤炭消費比重對碳排放規(guī)模和強度均具有顯著的促進作用。然而，碳排放量是建立在能源消耗和經(jīng)濟發(fā)展基礎(chǔ)上產(chǎn)生的，單純考察碳排放量值的高低或僅僅通過影響因素的模型構(gòu)建無法更好地將碳排放量與能源消耗和經(jīng)濟發(fā)展聯(lián)系起來。

綜上所述，本研究嘗試將碳排放量進行數(shù)值轉(zhuǎn)換處理，換算成碳排放強度，采用VAR模型與脈沖響應(yīng)函數(shù)方法，對能源消費結(jié)構(gòu)中的煤炭消耗比重與碳排放強度之間的動態(tài)沖擊關(guān)系進行計量研究，進一步考察能源消費中煤炭消耗對碳排放強度的影響，從而為未來如何降低碳排放量乃至碳排放強度提供措施路徑導(dǎo)向。

2 實證研究

2.1 模型數(shù)據(jù)

碳排放強度:本研究采用碳排放量與GDP的比值來衡量，記為CI。其中，碳排放量數(shù)據(jù)來自于中國統(tǒng)計年鑒(1990－2008)、中國能源統(tǒng)計年鑒(1990－2008)公布的1990－2008年中國能源消費構(gòu)成中按照萬噸標(biāo)準(zhǔn)煤折合計算的煤炭、石油、天然氣消耗量，經(jīng)各類能源的碳排放系數(shù)折算而得到的碳排放量;GDP數(shù)據(jù)來源于中國統(tǒng)計年鑒(1990－2008)，根據(jù)以1990年為基期的GDP指數(shù)和1990年GDP數(shù)據(jù)計算獲得，得到的GDP數(shù)據(jù)均為1990年不變價格的實際GDP。

煤炭消耗:本研究采用中國統(tǒng)計年鑒(1990－2008)中能源消費構(gòu)成表中的煤炭消耗比重數(shù)據(jù)作為煤炭消耗的衡量指標(biāo)，記為CP。

能源的碳排放系數(shù)是在查閱有關(guān)權(quán)威結(jié)構(gòu)發(fā)布的文件的基礎(chǔ)上，取各類機構(gòu)官方公布的排放系數(shù)的平均值作為本研究中能源的碳排放折算系數(shù)，具體模型數(shù)據(jù)經(jīng)過換算整理后如表1所示。

2.2 ADF單位根檢驗

在建立VAR模型和進行協(xié)整分析之前需要對變量的平穩(wěn)性進行檢驗，即沒有隨機趨勢或確定性趨勢，否則在進行最小二乘回歸時易產(chǎn)生“偽回歸”現(xiàn)象，單位根檢驗是判斷數(shù)據(jù)序列是否平穩(wěn)的常用方法，例如ADF檢驗、PP檢驗等。本研究采用ADF檢驗法對模型數(shù)據(jù)的原始序列進行單位根檢驗，具體的平穩(wěn)性檢驗報告如表2所示。

表1 模型數(shù)據(jù)Tab．1 The data of model

從表2可知，在5%的顯著水平上，零假設(shè)(時間序列非平穩(wěn))被拒絕，Prob值也遠(yuǎn)遠(yuǎn)小于0.05，由此說明，CI、CP兩個時間序列都是平穩(wěn)的。

2.3 序列的EG協(xié)整檢驗

協(xié)整檢驗是通過多個變量的線性組合關(guān)系來驗證變量之間具有長期的穩(wěn)定均衡關(guān)系，協(xié)整檢驗的經(jīng)濟意義在于對若干個具有各自長期波動規(guī)律的變量，如果它們之間存在協(xié)整關(guān)系，則也同時具有長期均衡關(guān)系。因此，本研究在已經(jīng)驗證模型數(shù)據(jù)序列具有平穩(wěn)性的基礎(chǔ)上，進一步采用Engle和Granger提出的兩步協(xié)整方法，對CI、CP兩變量序列進行最小二乘回歸，然后對模型殘差進行平穩(wěn)性檢驗，如果殘差通過平穩(wěn)性檢驗，則證明兩變量在長期內(nèi)存在均衡關(guān)系。具體回歸方模型殘差的單位根檢驗報告如下所示:

表2 序列的平穩(wěn)性檢驗結(jié)果Tab．2 The results of stationary test of levels

表3 殘差序列的ADF單位根檢驗結(jié)果Tab.3 Unit root test of residual levels

如表3所示，殘差序列的ADF單位根檢驗值小于5%水平上的臨界值，由此說明殘差序列是平穩(wěn)的，CI、CP兩變量是協(xié)整的，碳排放強度與煤炭消耗比重雖在短時間內(nèi)呈現(xiàn)出逐年波動變化態(tài)勢，但二者存在長期均衡關(guān)系，即煤炭消耗比重變化的一次沖擊會使協(xié)整變量暫時偏離平衡位置，但煤炭消耗比重變化的長期沖擊會使協(xié)整變量自動歸于平衡位置。

為了避免疊合梁模板與支架之間的接縫處漏漿并提升其外部觀感，可以在兩者的連接處設(shè)置海綿條，并使用膠帶加固。

2.4 VAR模型構(gòu)建

向量自回歸模型(VAR)是由西姆斯于1980年提出的，是在模型的每一個方程中用當(dāng)期內(nèi)生變量對模型中全部內(nèi)生變量的滯后值進行回歸，從而將單個變量的自回歸模型推廣至多元時間序列變量組成的“向量”自回歸模型。

VAR模型的數(shù)學(xué)表達式為:

Yt是內(nèi)生變量向量，Xt是外生變量向量，n是滯后階數(shù)，T是樣本數(shù)，α1到αn以及β是待估計的系數(shù)矩陣，εt是隨機擾動向量。通過運用Eviews 6.0計量軟件，構(gòu)建出如下VAR模型。

從表4可知，CI、CP方程的調(diào)整后 R2值分別為0.916 554、0.888 738，由此說明此向量回歸模型方程具有較強的解釋力，F(xiàn)檢驗通過，AIC與Sc值的大小也符合模型基本要求，因而該VAR模型在理論上成立，但需要進一步進行模型的平穩(wěn)性檢驗，具體檢驗結(jié)果如圖1所示。由圖1可知，VAR模型全部特征根在單位圓曲線之內(nèi)，說明模型是一個平穩(wěn)系統(tǒng)，可以進行脈沖響應(yīng)分析。綜上所述，建立碳排放強度與煤炭消耗比重的互動關(guān)系的VAR模型整體擬合情況較好，解釋力較強。

因此，碳排放強度CI與煤炭消耗比重向量CP自回歸方程為:

表4 CI、CP互動關(guān)系的VAR模型及檢驗結(jié)果Tab.4 The VAR model and test results of CI and CP

圖1 VAR模型系統(tǒng)平穩(wěn)性檢驗AR根圖Fig．1 Inverse roots of AR characteristic polynomial of VAR model

由方程(2、(3)可知，碳排放強度受CI其自身滯后一階變化影響較大，煤炭消耗比重CP受CI滯后一階變化影響較大，但這種影響關(guān)系無法顯示出未來變化時期內(nèi)CI、CP兩變量的沖擊影響，因而需要借助脈沖響應(yīng)函數(shù)進行具體分析。

2.5 脈沖響應(yīng)函數(shù)分析

由于VAR模型的估計系數(shù)難以解釋，需要根據(jù)脈沖響應(yīng)函數(shù)來衡量來自隨機擾動項的一個標(biāo)準(zhǔn)差變動是如何影響變量現(xiàn)值以及未來值。因此，在上述檢驗及模型構(gòu)建基礎(chǔ)上，本研究采用脈沖響應(yīng)函數(shù)，分析煤炭消耗比重與碳排放強度的變化對變量自身以及對對方變量的動態(tài)沖擊影響。具體沖擊函數(shù)曲線以及分析如下:

從圖2可以看出，碳排放強度對其自身的一個標(biāo)準(zhǔn)差立刻有較強反應(yīng)，影響率達60%，第二期達到最大值78%，之后呈現(xiàn)出逐漸減弱的趨勢。碳排放強度對來自于煤炭消耗比重的波動對碳排放強度的影響在第一期沒有響應(yīng)，第二期則迅速反應(yīng)，達到最大正影響值18%，從第三期開始呈現(xiàn)出負(fù)影響趨勢，并于第六期達到最低值。由此可見，煤炭消耗比重的變化對碳排放強度的沖擊影響具有滯后性和波動性，煤炭消耗比重的降低短期內(nèi)不會造成碳排放強度迅速下降，但長期會產(chǎn)生較好的減排效應(yīng)。

從圖3可以看出，對于煤炭消耗來說，煤炭消耗比重對其自身的一個標(biāo)準(zhǔn)差立刻有較強反應(yīng)，影響率達80%，此后期間逐漸下降，并于第六期開始呈現(xiàn)出負(fù)影響態(tài)勢，之后趨于穩(wěn)定。煤炭消耗比重對來自于碳排放強度的波動對煤炭消耗比重的影響在第一期就迅速達到62%，此后呈逐漸下降趨勢，并于第六期達到最低值。由此可見，煤炭消耗比重的變化在初始階段會受碳排放強度變化的沖擊影響，但隨著周期推移，這種沖擊會逐漸減弱，即擴大GDP的分母拉動性或強制減排措施產(chǎn)生的減排效應(yīng)在短期可以對能源消費結(jié)構(gòu)產(chǎn)生微調(diào)，但持久性較差。

圖2 CI的脈沖響應(yīng)曲線Fig．2 The impulsing curve of CI

圖3 CP的脈沖響應(yīng)曲線Fig．3 The impulsing curve of CP

圖4 CI對CP的一個標(biāo)準(zhǔn)新息的響應(yīng)Fig．4 The response of CI to CP(one S.D.)

圖5 CP對CI的一個標(biāo)準(zhǔn)新息的響應(yīng)Fig．5 The response of CP to CI(one S.D.)

由圖4可知，碳排放強度發(fā)生增加變化沖擊后，煤炭消耗比重的增加也開始出現(xiàn)明顯的正向反應(yīng)，并于第二期達到最大值，此后沖擊力度開始衰退，隨后煤炭消耗比重的增長率開始出現(xiàn)明顯的負(fù)向反應(yīng)，并于第六期達到負(fù)向反應(yīng)最大值。由此說明:碳排放強度對煤炭消耗比重的沖擊影響在短期內(nèi)較劇烈，但不具有長記憶，碳排放強度發(fā)生增加變化的初期，煤炭消耗比重也會出現(xiàn)明顯的增加反應(yīng)，但隨著沖擊周期的推移，在碳排放強度增加的同時，煤炭消耗比重可能出現(xiàn)降低的負(fù)向反應(yīng)，這也驗證了模型原始數(shù)據(jù)中某些年份碳排放強度下降的同時卻對應(yīng)著煤炭消耗比重的增加，因而碳排放強度變化對煤炭消耗比重的沖擊影響不明顯。

由圖5可知，煤炭消耗比重的增長發(fā)生沖擊后，碳排放強度的增加也開始出現(xiàn)明顯的正向反應(yīng)，并于第一期就達到最大值80%，此后一直保持著較強的沖擊力度，直到第六期開始才逐漸轉(zhuǎn)為負(fù)向影響，并逐漸趨于穩(wěn)定。這說明給煤炭消耗比重一個正向沖擊，會造成對碳排放強度在很長時間內(nèi)的同向沖擊，即煤炭消耗比重對碳排放強度的影響作用是長期持久的，因而在較長周期變動中，可以通過降低煤炭消耗比重來達到降低碳排放強度的目的。

3 研究結(jié)論及啟示

與已有的對碳排放影響因素研究的不同，本文將碳排放量轉(zhuǎn)換成萬元GDP的強度值，即碳排放強度，基于VAR模型與脈沖響應(yīng)函數(shù)，對我國1990－2008年期間的煤炭消耗比重與碳排放強度之間的相互動態(tài)影響進行考察。具體研究結(jié)果如下:①碳排放強度與煤炭消耗比重的時間序列數(shù)據(jù)是平穩(wěn)協(xié)整的，盡管二者在1990－2008年間呈現(xiàn)波動變化態(tài)勢，但仍舊存在長期均衡關(guān)系;②煤炭消耗比重的變化對碳排放強度的沖擊影響具有一定滯后性和波動性，但沖擊作用長期持久，煤炭消耗比重在一定時期內(nèi)的變化會帶來碳排放強度同方向的沖擊變化，即煤炭消耗比重的降低會促使碳排放強度下降;③碳排放強度對煤炭消耗比重的沖擊影響在短期內(nèi)較劇烈，但長期沖擊影響不明顯，煤炭消耗比重的變化沖擊多是來自于變量自身，因而長期內(nèi)依靠降低碳排放強度來達到降低煤炭消耗比重的目標(biāo)是不可行的。綜上所述，煤炭消耗比重與碳排放強度有很強的關(guān)聯(lián)性，煤炭消耗比重的變化沖擊會在長期內(nèi)帶來碳排放強度的同方向變化，并且這種沖擊效應(yīng)是長期持久的，因而降低碳排放強度的有效途徑就是降低煤炭消耗比重。

鑒于以上結(jié)論，本研究認(rèn)為降低中國碳排放強度的關(guān)鍵在于降低煤炭消耗比重，在能源剛性需求難以降低的背景下，煤炭消耗比重的下降可以通過結(jié)構(gòu)性降低、產(chǎn)業(yè)傳導(dǎo)性降低、技術(shù)性降低來實現(xiàn)。具體措施如下:①結(jié)構(gòu)性降低:能源消費結(jié)構(gòu)的優(yōu)化調(diào)整對工業(yè)碳減排，特別是絕對量的減排具有重要意義，政府部門應(yīng)該積極鼓勵發(fā)展構(gòu)建多樣、安全、清潔、高效的能源供應(yīng)和消費體系，優(yōu)化能源消費結(jié)構(gòu)，改善傳統(tǒng)的以煤為主的能源消費結(jié)構(gòu)，降低煤炭消耗比重，提高風(fēng)電、水電和核電等清潔能源的替代性消費比重，大力開發(fā)生物質(zhì)能、太陽能、潮汐能等可再生能源，由依靠傳統(tǒng)化石能源向新能源和清潔能源轉(zhuǎn)變;②產(chǎn)業(yè)傳導(dǎo)性降低:推動產(chǎn)業(yè)結(jié)構(gòu)演進由增加碳排放向減少碳排放的方向轉(zhuǎn)化，是中國碳減排的產(chǎn)業(yè)潛力所在，推進第三產(chǎn)業(yè)發(fā)展，促進第二產(chǎn)業(yè)高耗能部門向低耗能部門轉(zhuǎn)化，重視人為產(chǎn)業(yè)政策干預(yù)，制定相關(guān)政策措施，促使高耗能產(chǎn)業(yè)內(nèi)部煤炭消耗和環(huán)境成本內(nèi)部化，從而達到控制高耗能行業(yè)比重、降低煤炭消耗強度的目的;③技術(shù)性降低:重視技術(shù)植入，大力發(fā)展?jié)崈裘杭夹g(shù)，貫徹采選源頭的優(yōu)選控制、燃燒過程的潔凈控制和污染物排放的達標(biāo)處理控制等機制，降低開采、生產(chǎn)、消費整個全生命周期鏈條過程中的煤炭消耗量和損失量，提高單位耗煤的利用效率，從而達到減少耗煤數(shù)量、降低碳排放量的最終目的。

(編輯:劉呈慶)

References)

［1］徐國泉，劉則淵，姜照華.中國碳排放的因素分解模型及實證分析:1995－2004［J］. 中國人口·資源與環(huán)境，2006，16(6):158 －161.［Xu Guoquan，Liu Zeyuan，Jiang Zhaohua.Decomposition Model and Empirical Study of Carbon Emissions for China，1995 －2004［J］.China Population，Resources and Environment，2006，16(6):158 －161.］

［2］馮相昭，王雪臣，陳紅楓.1971－2005年中國CO2排放影響因素分析［J］.氣候變化研究進展，2008，4(1):42－47.［Feng Xiangzhao，Wang Xuechen，Chen Hongfeng.Analysis of Factors Impacting China’s CO2Emissions During 1971 － 2005［J］.Advances in Climate Change Research，2008，4(1):42 －47.］

［3］宋德勇，盧忠寶.中國碳排放影響因素分解及其周期性波動研究［J］.中國人口·資源與環(huán)境，2009，19(3):18－24.［Song Deyong，Lu Zhongbao， The Factor Decomposition and Periodic Fluctuations of Carbon Emission in China［J］.China Population，Resources and Environment，2009，19(3):18 － 24.］

［4］Stephen D，Adam R.Carbon Dioxide Emissions in the U.S.Economy:A Structural Decomposition Analysis［J］.Environmental and Resource Economics，1998，11(3 –4):349 －363.

［5］Christopher Y，Stephen H S.Global Carbon Dioxide Emissions Scenarios:Sensitivity to Social and Technological Factors in Three Regions［J］.Mitigation and Adaptation Strategies for Global Change，1997，2(4):373 －404.

［6］帥通，袁雯.上海市產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)的變動對碳排放的影響及應(yīng)對策略［J］.長江流域資源與環(huán)境，2009，18(10):885－888.［Shuai Tong，Yuan Wen.Effect of the Changes of the Industry Structure and the Energy Structure in Shanghai on Carbon Emission and the Strategies Response［J］.Resources and Environment in the Yangtze Basin，2009，18(10):885 －888.］

［7］蘇方林，宋幫英，侯曉博.廣西碳排放量與影響因素關(guān)系的VAR實證分析［J］.西南民族大學(xué)學(xué)報:人文社會科學(xué)版，2010，9:140 －144.［Su Fanglin，Song Bangying，Hou Xiaobo.VAR Analysis about Relations of Carbon Emission and Influencing Factors in Guangxi［J］.Journal of Southwest University for Nationalities:Humanities and Social Sciences Edition，2010，31(9):140 －144.］

［8］杜官印，蔡運龍，李雙成.1997－2007年中國分省化石能源碳排放強度變化趨勢分析［J］.地理與地理信息科學(xué)，2010，26(5):76 －81.［Du Guanyin，Cai Yunlong，Li Shuangcheng.Fossil-Fuel Carbon Emission Intensity Change of Each Province in China during 1997 －2007［J］.Geography and Geo-Information Science，2010，26(5):76 －81.］

［9］邵帥，楊莉莉，曹建華.工業(yè)能源消費碳排放影響因素研究——基于STIRPAT模型的上海分行業(yè)動態(tài)面板數(shù)據(jù)實證分析［J］.財經(jīng)研究，2010.36(11):16 － 27.［ Shao Shuai，Yang Lili，Cao Jianhua. Study on Influencing Factors of CO2Emissions from Industrial Energy Consumption:An Empirical Analysis Based on STIRPAT Model and Industrial Sectors’Dynamic Panel Data in Shangha［J］.Journal of Finance and Economics，2010.36(11):16 －27.］

［10］王舒健，李釗.中國地區(qū)經(jīng)濟增長互動關(guān)系的脈沖響應(yīng)分析［J］. 數(shù)理統(tǒng)計與管理，2007，26(3):385 －390.［Wang Shujian，Li Zhao.A Pulse-responding Analysis on Mutual Effect of Regional Economic Growth in China［J］.Application of Statistics and Management，2007，26(3):385 －390.］

［11］王先柱.VAR模型框架下房地產(chǎn)業(yè)與經(jīng)濟增長關(guān)系的實證檢驗［J］. 經(jīng) 濟 問 題，2007，(7):31 －34.［Wang Xianzhu.The Empirical Tests of the Relationship between Real Estate Industry and Economic Growth Based on VAR Model［J］.On Economic Problems，2007，(7):31 －34.］