長三角工業(yè)碳排放影響因素實證分析

□文/謝鈺思 武 戈

（江南大學(xué)商學(xué)院 江蘇·無錫）

一、引言

中國最大的經(jīng)濟(jì)圈——長三角地區(qū)，位于長江下游和東海之濱，集“黃金水道”與“黃金海岸”于一體，主要包括上海市，江蘇8 市（南京、蘇州、無錫、常州、揚(yáng)州、鎮(zhèn)江、南通、泰州），浙江6 市（杭州、寧波、湖州、嘉興、紹興、舟山、臺州），共16 個城市。由于其優(yōu)越的自然條件和地理區(qū)位，一直是我國經(jīng)濟(jì)最為發(fā)達(dá)的地區(qū)，2012年長三角地區(qū)實現(xiàn)規(guī)模以上工業(yè)總產(chǎn)值17.35 萬億元，增長6.9%。《長江三角洲地區(qū)區(qū)域規(guī)劃》（以下簡稱《規(guī)劃》），是跨省級行政區(qū)的區(qū)域發(fā)展規(guī)劃，國家“十一五”規(guī)劃的重要組成部分，長三角地區(qū)區(qū)域協(xié)調(diào)發(fā)展的綱領(lǐng)?！兑?guī)劃》提出，在各個城市的詳細(xì)定位中，上海仍然是“核心”，南京和杭州則是上海的“兩翼”，同時將進(jìn)一步提升南京、蘇州、無錫、杭州、寧波等區(qū)域性中心城市的綜合承載能力和服務(wù)功能。所以，本文選取上海、南京、蘇州、無錫、杭州、寧波這6 個城市作為長三角城市的代表進(jìn)行研究，分析其碳排放的影響因素，從而提出對策和建議，為整個長三角城市甚至全國范圍內(nèi)的城市工業(yè)碳減排提供借鑒和參考。

CO2主要來自于工業(yè)部門的能源消耗，所以研究工業(yè)部門二氧化碳排放量的變化，對于減少二氧化碳排放和制定未來的能源戰(zhàn)略是至關(guān)重要的。近年來，許多學(xué)者都致力于研究影響二氧化碳排放量的因素，主要有人口規(guī)模、經(jīng)濟(jì)發(fā)展、工業(yè)部門內(nèi)部結(jié)構(gòu)、能源結(jié)構(gòu)、能源效率、產(chǎn)業(yè)結(jié)構(gòu)等。張慶民等（2012），基于我國1995～2009年統(tǒng)計數(shù)據(jù)計算了第一、二、三產(chǎn)業(yè)經(jīng)濟(jì)結(jié)構(gòu)與碳排放總量碳排放增長率和碳排放強(qiáng)度的動態(tài)演化過程。結(jié)果表明，第一產(chǎn)業(yè)碳排放總量與碳排放強(qiáng)度遠(yuǎn)低于其他產(chǎn)業(yè)，但碳排放量增長率高于其GDP 增長率；第二產(chǎn)業(yè)碳排量總量最高，且波動幅度較大，碳排放強(qiáng)度呈現(xiàn)明顯下降趨勢；第三產(chǎn)業(yè)碳排放總量卻遠(yuǎn)低于第二產(chǎn)業(yè)，碳排放強(qiáng)度與第一產(chǎn)業(yè)相似，但其碳排放增長率較高。孫慧宗（2010），采用1978～2006年的相關(guān)統(tǒng)計數(shù)據(jù)對中國城市化與含碳能源消費(fèi)發(fā)生的二氧化碳排放量進(jìn)行協(xié)整分析，同時建立誤差修正模型，并運(yùn)用Granger 因果關(guān)系檢驗方法，結(jié)果顯示：城市化與二氧化碳排放量之間存在著長期穩(wěn)定的均衡關(guān)系，但不具有理論上的雙向因果關(guān)系。二期滯后時，城市化是二氧化碳排放量的Granger 原因，但后者不是前者的原因，對其不具有反饋效應(yīng)。Karnjana Sanglimsuwan（2012）通過83 個國家從1980年到2007年的數(shù)據(jù)，分析二氧化碳排放量與人口以及其他相關(guān)因素之間的關(guān)系。結(jié)果表明：人口壓力對二氧化碳排放量的增長的關(guān)鍵因素。此外，二氧化碳排放量和經(jīng)濟(jì)增長之間的關(guān)系顯示了一個倒U 形。B.Davidsdottir，M.Fisher（2011）采用面板分析碳排放強(qiáng)度和發(fā)展之間的實證關(guān)系，并考察了兩個變量之間的因果關(guān)系。分析數(shù)據(jù)覆蓋從1980年到2000年的美國48 個州，但不包括夏威夷、阿拉斯加、華盛頓特區(qū)。結(jié)果表明：碳排放強(qiáng)度和國家的經(jīng)濟(jì)之間存在顯著的雙向關(guān)系。

二、模型的選取與構(gòu)建

（一）模型的選取。面板數(shù)據(jù)是指在時間序列上取多個截面，同時在這些截面上選取樣本觀測值所構(gòu)成的樣本數(shù)據(jù)。與時間序列模型相比較，它可以降低各經(jīng)濟(jì)變量之間的多重共線性，且能提供更多的樣本信息、更高的自由度和估計效率；與截面數(shù)據(jù)模型相比較，它可以控制由不可觀測的經(jīng)濟(jì)變量所引發(fā)的OLS 估計的偏差，使得模型的設(shè)定更加合理，提供更準(zhǔn)確的參數(shù)樣本估計量。因此，本文采用面板數(shù)據(jù)來構(gòu)建模型。

面板數(shù)據(jù)模型的一般形式如下：

Yit=Ci+βiTXit+εiti=1，2，…，N；t=1，2，…，T

其中，N 表示個體數(shù)，T 表示時間序列個數(shù)。若t 固定不變，Yi（i=1，2，…，N）是橫截面上的N 個隨機(jī)變量；若i 固定不變，Yt（t=1，2，…，T）是縱剖面上的一個時間序列。

面板數(shù)據(jù)模型常用的包括混合估計模型、固定效應(yīng)模型和隨機(jī)效應(yīng)模型三大類。通常我們使用極大似然比來確定該建立混合模型還是固定效應(yīng)模型，即當(dāng)F=時，應(yīng)當(dāng)建立固定效應(yīng)模型，反之則建立混合模型；使用豪斯曼（Hausman）檢驗法來確定該建立固定效應(yīng)模型還是隨機(jī)效應(yīng)模型，即當(dāng)（k）時，應(yīng)當(dāng)建立固定效應(yīng)模型；反之，則建立隨機(jī)效應(yīng)模型。

（二）模型的構(gòu)建及變量的選取。國內(nèi)外利用面板數(shù)據(jù)模型對工業(yè)碳排放的影響因素進(jìn)行研究的文獻(xiàn)眾多，目前最主要方法集中于環(huán)境庫茲涅茨曲線（EKC），其最早的模型為庫茲涅茨曲線（KC），是由庫茲涅茨（1955）在收入不均的問題研究中發(fā)現(xiàn)，收入差距與經(jīng)濟(jì)增長呈現(xiàn)倒U型的曲線關(guān)系。到了20世紀(jì)九十年代初，Crossman 與Krueger（1991）在墨西哥加入北美自由貿(mào)易協(xié)定的環(huán)境影響報告中首次提出，環(huán)境與經(jīng)濟(jì)發(fā)展也呈現(xiàn)倒U 型的曲線關(guān)系。于是，Panayotou（1993）首次把環(huán)境與經(jīng)濟(jì)之間的這種倒U 型曲線關(guān)系稱為環(huán)境庫茲列茨曲線（EKC）。

另外，也有學(xué)者基于Ehrlich，Holdren（1971）提出的IPAT 等式，研究了人口規(guī)模（P）、富裕程度（A）和技術(shù)水平（T）對于環(huán)境（I）的影響，后來Waggoner、Ausubel（2002）和Schulze（2002）分別進(jìn)行了I=PACT 和I=PBAT 的兩次修改，但都不能解決各影響因素不同比例變化的問題，但在1994年，Dietz 等提出過的人口規(guī)模、富裕程度和技術(shù)水平的隨機(jī)回歸影響模型STIRPAT，為各因素的計量研究提供了可能，它是將IPAT 等式轉(zhuǎn)變成一種隨機(jī)模型，即I=aPbAcTde。本文選用第二個模型，并根據(jù)研究的內(nèi)容對等式的變量進(jìn)行了修改和增加。由于本文研究的對象是工業(yè)部門，所以環(huán)境壓力I 用工業(yè)部門的碳排放總量C 來替代，人口規(guī)模P 用工業(yè)部門的平均從業(yè)人數(shù)來表示，富裕程度A用工業(yè)經(jīng)濟(jì)規(guī)模Y（即單位從業(yè)人員的工業(yè)總產(chǎn)值）來替代，技術(shù)水平T 用能源效率E（即單位能源消費(fèi)的工業(yè)總產(chǎn)值）來替代。另外，本文還增加了和工業(yè)碳排放密切相關(guān)的兩個變量——工業(yè)部門內(nèi)部結(jié)構(gòu)S 和能源消費(fèi)結(jié)構(gòu)M。S 用工業(yè)各行業(yè)總產(chǎn)值與工業(yè)總產(chǎn)值的比重來度量，M用各行業(yè)的煤炭消費(fèi)與能源消費(fèi)的比來表示，因為產(chǎn)生碳排放的各種能源種類很多，但是煤炭類的碳排放系數(shù)較石油和天然氣類的高?？紤]到各個變量的經(jīng)濟(jì)意義、可對比性以及在計量分析中可能出現(xiàn)的異方差等因素，我們對各個變量分別取了自然對數(shù)，α1、α2、α3、α4、α5表示人口規(guī)模、工業(yè)經(jīng)濟(jì)規(guī)模、能源效率、工業(yè)部門內(nèi)部結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)的彈性。根據(jù)以上的分析及結(jié)合相關(guān)的經(jīng)濟(jì)理論，我們可得到工業(yè)碳排放的面板數(shù)據(jù)模型如下：

（三）數(shù)據(jù)來源。長三角6 個城市的工業(yè)平均從業(yè)人員、單位從業(yè)人員的工業(yè)生產(chǎn)總值、能源效率、工業(yè)部門內(nèi)部結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)的數(shù)據(jù)來源于2005～2009年的《上海工業(yè)能源交通統(tǒng)計年鑒》和2010年的《上海能源統(tǒng)計年鑒》、2001～2012年的《南京統(tǒng)計年鑒》、2004～2012年的《蘇州統(tǒng)計年鑒》、2004～2012年的《無錫統(tǒng)計年鑒》、2001～2012年的《杭州統(tǒng)計年鑒》、2003～2012年的《寧波統(tǒng)計年鑒》。

三、實證分析

（一）單位根檢驗。只有面板數(shù)據(jù)是平穩(wěn)的才可以進(jìn)行回歸，否則會產(chǎn)生虛假回歸。為了避免出現(xiàn)偽回歸現(xiàn)象的發(fā)生，必須對面板數(shù)據(jù)進(jìn)行單位根檢驗，以確定其平穩(wěn)性，檢驗方法主要有修正的DW 統(tǒng)計量方法、GLS 估計方法，、LLC 檢驗方法、IPS 檢驗方法、ADF-Fisher 和PP-Fisher檢驗。本文選擇LLC 檢驗方法，分別對各個城市的各變量進(jìn)行了單位根檢驗，結(jié)果如表1所示。從表中可以看出，6 個城市的6 個變量分別通過了1%、5%和10%水平上的顯著性檢驗，不存在單位根，數(shù)據(jù)具有平穩(wěn)性，可以進(jìn)行最小二乘估計。（表1）

（二）模型的確定。使用EVIEWS6.0對長三角6 個城市的工業(yè)分行業(yè)面板數(shù)據(jù)進(jìn)行模型的回歸，通過極大似然比檢驗，結(jié)果如表2每個城市的第一列數(shù)據(jù)所示，它們的相伴概率P 值均為0，F(xiàn) 統(tǒng)計值均在1%的水平上顯著，所以拒絕原假設(shè)，應(yīng)當(dāng)建立固定效應(yīng)模型而不是混合效應(yīng)模型。再通過豪斯曼檢驗，即表中第二列數(shù)據(jù)所示的檢驗結(jié)果可以看出，它們的統(tǒng)計值也均在1%的顯著水平上通過，所以拒絕隨機(jī)效應(yīng)模型的原假設(shè)，建立固定效應(yīng)模型。上述兩種檢驗方法都認(rèn)為應(yīng)當(dāng)建立固定效應(yīng)模型，為問題的分析提供了可靠的依據(jù)，因此本文采用固定效應(yīng)模型進(jìn)行最小二乘法估計。（表2）

表1 長三角6個城市的面板單位根檢驗

表2 長三角6個城市的F值檢驗和豪斯曼檢驗

（三）結(jié)果分析。由模型的回歸結(jié)果可以看出：從總體上來看，上海、蘇州、無錫、杭州和寧波工業(yè)分行業(yè)的人口規(guī)模P、經(jīng)濟(jì)規(guī)模Y、能源效率E、工業(yè)部門內(nèi)部結(jié)構(gòu)S 和能源消費(fèi)結(jié)構(gòu)M 這五個因素對碳排放量C 都有顯著的影響，但各自的影響程度隨城市而有所變化。它們的回歸模型的擬合優(yōu)度達(dá)到0.98～0.99，這表明方程中的解釋變量至少解釋了98%～99%的因變量變化，回歸的結(jié)果與前期的判斷保持一致，并且所有變量都取了對數(shù)，所以系數(shù)大小將代表彈性。

從上海的模型結(jié)果來看，工業(yè)的人口規(guī)模P、經(jīng)濟(jì)規(guī)模Y、能源效率E、工業(yè)部門內(nèi)部結(jié)構(gòu)S 和能源消費(fèi)結(jié)構(gòu)M 都通過了1%顯著性水平的檢驗，說明這5 個因素對碳排放的影響都是顯著的。其中，影響最大的因素是人口規(guī)模P 和經(jīng)濟(jì)規(guī)模Y，其次為工業(yè)部門內(nèi)部結(jié)構(gòu)S，而能源效率E 和能源消費(fèi)結(jié)構(gòu)M 的影響較小。人口規(guī)模的回歸彈性系數(shù)為0.4758，與碳排放呈正效應(yīng)，這表明工業(yè)平均從業(yè)人員每增加1 個百分點(diǎn)，將會增加0.4758 個百分點(diǎn)的碳排放；經(jīng)濟(jì)規(guī)模，即單位從業(yè)人員的生產(chǎn)總值的影響系數(shù)為0.4250，表明人均產(chǎn)出每增加1%，將會多排放0.4250%的二氧化碳；兩者的彈性系數(shù)都小于1 說明碳排放的增長速度低于人口規(guī)模和經(jīng)濟(jì)規(guī)模的增加速度，但相對其他影響因素，它們的彈性系數(shù)比較大；能源效率的影響系數(shù)為-0.3654，這體現(xiàn)了能源效率對工業(yè)碳排放的影響為負(fù)，當(dāng)工業(yè)各行業(yè)的能源效率提高的時候，工業(yè)碳排放將會降低，每單位的能源使用效率的提高會降低0.3654 個百分點(diǎn)的碳排放；工業(yè)部門內(nèi)部結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)對碳排放的影響效應(yīng)也為正，其中工業(yè)部門內(nèi)部結(jié)構(gòu)對碳排放的正向影響稍大于能源消費(fèi)結(jié)構(gòu)。

其他5 個城市南京、蘇州、無錫、杭州和寧波的人口規(guī)模P、經(jīng)濟(jì)規(guī)模Y、能源效率E 這3 個因素對碳排放的影響都很大，而工業(yè)部門內(nèi)部結(jié)構(gòu)S 和能源消費(fèi)結(jié)構(gòu)M 的影響就相對比較小，且它們的彈性系數(shù)與前三者的差別也比較大。具體來看，南京、無錫和杭州工業(yè)分行業(yè)對碳排放影響最大的因素都是能源效率，它們通過了1%顯著性水平的檢驗，影響的彈性系數(shù)分別為-0.6914、-1.2595 和-1.6553，通過比較不難發(fā)現(xiàn)，杭州的能源效率對碳排放的影響最大，這說明當(dāng)3 個城市的工業(yè)分行業(yè)的能源效率提高的時候，它們的工業(yè)碳排放量都將會減低，但是杭州的降低幅度將達(dá)到最大，每單位的能源使用效率的提高會降低1.6553 個百分點(diǎn)的碳排放。其他兩個因素人口規(guī)模和經(jīng)濟(jì)規(guī)模工業(yè)碳排放呈正相關(guān)關(guān)系，影響的彈性系數(shù)稍低于能源效率，但也不容忽視，因為人口規(guī)模的膨脹和工業(yè)經(jīng)濟(jì)的不斷發(fā)展將會增加大量的工業(yè)二氧化碳排放。對于蘇州和寧波的工業(yè)碳排放影響最大的是人口規(guī)模，每增加1 個百分點(diǎn)的人口，將分別增加0.8956、1.2589 個百分點(diǎn)的碳排放。另外，寧波的能源效率對碳排放的影響也較大，彈性系數(shù)達(dá)-1.0613，略低于人口規(guī)模的影響力，因此繼續(xù)提高能源的使用效率將會促使碳排放的大幅度下降。南京、蘇州、無錫、杭州和寧波這5 個城市的工業(yè)部門內(nèi)部結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)對碳排放的影響相對其他幾個因素要小的多，彈性系數(shù)均在0.5 以下，它們的能源消費(fèi)結(jié)構(gòu)雖然都通過了1%顯著水平的檢驗，但影響的彈性系數(shù)都較低，南京、蘇州和寧波的工業(yè)部門內(nèi)部結(jié)構(gòu)也只在5%的顯著水平上通過檢驗，這說明長期以來以煤炭為主的能源消費(fèi)結(jié)構(gòu)對碳排放的影響雖沒有其他因素那么大，但也不能忽視。

四、小結(jié)

通過對長三角6 個城市工業(yè)分行業(yè)的數(shù)據(jù)建立面板模型進(jìn)行實證分析，研究了工業(yè)碳排放的各個影響因素，我們可以得到如下結(jié)論：

能源使用效率、人口規(guī)模、工業(yè)經(jīng)濟(jì)規(guī)模、能源消費(fèi)結(jié)構(gòu)和工業(yè)部門內(nèi)部結(jié)構(gòu)這5 個因素都不同程度地對碳排放產(chǎn)生了影響，能源使用效率與碳排放呈現(xiàn)負(fù)相關(guān)關(guān)系，在很大程度上減少了二氧化碳排放量，而后4 個因素則表現(xiàn)為正相關(guān)，在不同水平上促進(jìn)了二氧化碳排放量的增加。

上海、蘇州和寧波的人口規(guī)模對碳排放的影響系數(shù)最大，由回歸的結(jié)果表明，這3 個城市的人口每增加1%，將會分別增加0.48%、0.90%和1.26%的工業(yè)碳排放量，而南京、無錫和杭州的能源效率對碳排放的影響系數(shù)最大，且表現(xiàn)為抑制作用，能源使用效率每提高1%，工業(yè)碳排放量將會分別減少0.69%、1.26%和1.66%。由此可見，長三角6 個城市減少工業(yè)二氧化碳排放量應(yīng)當(dāng)著重從人口規(guī)模和能源效率入手，繼續(xù)控制人口的不斷膨脹和提高能源的使用效率。

工業(yè)經(jīng)濟(jì)規(guī)模、能源消費(fèi)結(jié)構(gòu)和工業(yè)部門內(nèi)部結(jié)構(gòu)對于碳排放的影響顯著程度隨城市不同而不同，上海、蘇州、無錫和杭州的工業(yè)經(jīng)濟(jì)規(guī)模是其工業(yè)碳排放增加的第二大促進(jìn)因素，單位人均產(chǎn)出每增加1%，將會分別使碳排放增加0.43%、0.80%、0.98%和1.41%。長三角6 個城市的能源消費(fèi)結(jié)構(gòu)和工業(yè)部門內(nèi)部結(jié)構(gòu)都在一定程度上促進(jìn)了碳排放量的增加，但它們的影響系數(shù)明顯小于其他因素，均在0.5 以下。因此，我們應(yīng)當(dāng)轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式，改變一直以煤炭為主的能源消費(fèi)結(jié)構(gòu)，更加重視發(fā)展新能源和可再生能源，降低傳統(tǒng)化石能源，尤其是煤炭在一次能源消費(fèi)總量中的比重，促進(jìn)光伏、風(fēng)電、核電等新能源的發(fā)展，強(qiáng)調(diào)創(chuàng)新驅(qū)動、依靠科學(xué)技術(shù)，關(guān)注產(chǎn)業(yè)結(jié)構(gòu)調(diào)整。

［1］張慶民，葛世龍，吳春梅.三次產(chǎn)業(yè)結(jié)構(gòu)演化與碳排放機(jī)制研究——基于面板數(shù)據(jù)模型的實證分析［J］.科技與經(jīng)濟(jì)，2012.1.

［2］孫慧宗，李久明.中國城市化與二氧化碳排放量的協(xié)整分析［J］.人口學(xué)刊，2010.5.

［3］Karnjana Sanglimsuwan.The Impact of Population Pressure on Carbon Dioxide Emissions：Evidence from a Panel-Econometric Analysis_International Research Journal of Finance and Economics，2012.