北京市經濟增長與物質代謝的脫鉤關系及驅動因素研究

張沛

（北京工業大學循環經濟研究院，北京100124）

?

北京市經濟增長與物質代謝的脫鉤關系及驅動因素研究

張沛

（北京工業大學循環經濟研究院，北京100124）

摘要：運用物質流核算方法，得到北京市2005—2013年直接物質輸入量（DMI）和生產過程排放量（DPO），并應用Tapio脫鉤模型，對北京市2006—2013年經濟增長與物質代謝的脫鉤關系及程度進行研究，分析發展的時間演變趨勢。借助STIRPAT模型，對直接物質輸入量的影響因素進行分析。結果表明：2006—2013年北京市經濟增長與DMI基本實現“弱脫鉤”；DPO呈下降趨勢，與經濟增長呈“強脫鉤”狀態；城市化率、產業結構、人口和人均GDP對DMI均有促進作用，其中城市化率對DMI的影響最大。

關鍵詞：經濟增長；物質代謝；脫鉤關系；STIRPAT模型；北京市

依靠“高投入、高產出、高排放”的傳統經濟發展模式，我國經濟得到高速發展，同時我國也面臨著嚴峻的資源和環境壓力。正確認識資源環境與經濟增長的關系，是促進二者協調發展的前提和關鍵［1］，黨的十六大提出全面建設小康社會奮斗目標，《十三五規劃建議》提出經濟保持中高速增長，生態環境質量總體改善。這就需要打破經濟增長與資源消耗之間的聯系，使資源消耗與經濟增長實現“脫鉤”（Decoupling）。因此，需要對過去經濟發展與資源環境的脫鉤情況進行分析，了解經濟發展與物質代謝之間的關系，其目的是為了實現經濟增長的同時降低物質代謝規模，而物質減量化成為實現脫鉤的手段。因此，研究影響物質代謝的驅動因素成為關鍵。通過脫鉤理論，定量分析北京市2006—2013年經濟增長與物質代謝的關系，并運用STIRPAT模型，分析影響北京市物質代謝的驅動因素，為北京市有關資源環境政策的制訂提供參考和借鑒。

1　文獻回顧

脫鉤理論最早由OECD組織［2］2000年提出，2005 年Tapio［3］在OECD的基礎上提出了脫鉤彈性系數，并以芬蘭交通運輸業為例實證分析了經濟增長與交通產生CO2之間的脫鉤關系。物質代謝與經濟增長關系一直是資源環境科學研究的熱點，如何在保持經濟適度增長的前提下降低物質代謝規模從而實現“脫鉤”，是學者們研究的焦點。吳開亞等［4］根據物質流分析指標和數據，采用脫鉤模型對1990—2007年安徽省經濟增長與環境壓力之間的關系進行了分析；高新才等［5］將脫鉤模型和環境庫茲涅茨曲線理論有機結合，對西部地區經濟發展與環境污染之間的關系進行了深入探討；苑清敏等［6］對天津市經濟增長與資源和環境的脫鉤關系及反彈效應進行了研究；李虹等［7］采用物質流指標研究了工業經濟解耦問題。以上研究主要針對經濟增長與物質代謝的關系來分析，而要使二者實現“脫鉤”，需要對脫鉤的影響因素進行深入研究。在經濟發展保持適度發展的前提下，物質的減量化成為實現物質代謝與經濟發展脫鉤的關鍵。目前，物質減量化影響因素研究方法主要包括因素分解法和回歸分析法。李慧明等［8］基于拉斯拜爾指數和完全分解模型，對減物質化進行多重因素分析，研究物質強度、經濟結構和經濟規模對物質減量的影響，分析物質消耗的反彈效應與減量效應。丁平剛等［9］根據IPAT方程對海南省的DMI與RPO進行分解分析。仇方道等［10］運用分解分析方法，計算了阜新市2001—2005年經濟規模效應與技術效應對物質輸入與輸出量變化的貢獻程度。王紅［11］重點選擇產業結構、高新技術投入比例和資源綜合利用率等3個因素，對我國2000—2013年經濟活動的DMI時間序列數據進行了計量經濟學分析。學者們構建STIRPAT模型，利用物質流分析指標，對影響因素進行了分析［12-14］。由于因素分解法面臨數據可得性及指標意義解釋等問題［15］，且回歸分析法用于研究物質代謝影響因素的文獻較少，因此本文除研究物質代謝與經濟增長脫鉤關系之外，運用STIRPAT模型對物質減量化驅動因素進行研究。

2　研究方法及數據來源

2.1脫鉤模型

目前脫鉤研究模型主要有OECD脫鉤因子模型和Tapio脫鉤彈性系數模型。Tapio模型綜合考慮了相對量變化和總量變化指標，采用以時期為時間尺度的彈性分析方法反映變量間的脫鉤關系，有效地克服了OECD脫鉤模型在基期選擇上的問題和期末期初值選定的高度敏感性或極端性而導致的計算偏差［16］，且將脫鉤程度進一步細分為8種情形，較好地測度變量間的脫鉤情況，有利于提高脫鉤關系測度和分析的客觀性和準確性。因此，采用Tapio脫鉤模型，計算公式為：

式中：ε為脫鉤彈性；C為區域直接物質輸入量或區域生產過程排放量，分別用DMI和DPO表示；GDP為區域經濟總產值。

如果C和GDP的增長率不一致，就會出現脫鉤情況。按照脫鉤彈性值的不同，脫鉤類型分為：弱脫鉤、強脫鉤、衰退脫鉤、擴張連接、衰退連接、擴張負脫鉤、強負脫鉤、弱負脫鉤8類。實現C與GDP之間的脫鉤是目的，當保持經濟增長的情況下，彈性值ε越小，脫鉤越顯著，越有利于經濟和環境的可持續發展。

表1　脫鉤分類

2.2STIRPAT模型

IPAT模型廣泛運用于人類活動與資源環境之間關系的分析，Ehrlich等［17］首先用該模型來分析環境影響的驅動因素。該方程中I表示環境壓力，由P（人口規模）、A（富裕度）和T（技術水平）等3個因素來影響I。盡管該模型在分析人文因素影響上有簡潔、直觀的優勢，但IPAT模型不能分析驅動因素對環境壓力變化的非單調和非比例影響，并且影響環境壓力的驅動因素不僅局限于P，A，T，無法解釋人口結構、產業結構等人文驅動因素對環境壓力的影響。Dietz等［18］在IPAT模型的基礎上，提出了STIRPAT模型，模型的具體形式如下：

式中：I，P，A，T分別表示環境壓力、人口規模、富裕度和技術水平；a為模型系數；b，c，d為人口規模、富裕度和技術水平等因素的驅動力指數；e為模型誤差。STIRPAT模型為多自變量的非線性模型，將模型兩邊同時取對數得到：

式中：LnI為因變量；LnP，LnA，LnT為自變量；Lna為常數項；Lne為誤差項。

對式（3）進行多元線性擬合得到參數b、c、d的值，根據彈性系數的定義，P，A，T每變化1%，將分別引起I變化b%，c%，d%。

選擇直接物質輸入量指標（DMI）來表示環境壓力，選取城市化率、總人口、人均GDP和第三產業比重作為驅動指標構建模型，如式（4）所示：

對式（4）兩邊同時取對數得到式（5）：

式中：LnDMI為因變量；LnUr，LnP，LnA，LnS為自變量；Lna為常數項；Lnf為誤差項。

2.3數據來源

對北京市2005—2013年的物質代謝指標“直接物質輸入量（DMI）”和“區域生產過程排放量（DPO）”進行核算。區域內直接物質輸入量包括區域內直接物質開采和區域外物質調入兩部分。區域內直接物質開采包括化石燃料、金屬礦物、非金屬礦物和生物質。核算的化石燃料包括原煤、原油、天然氣，數據源于《中國能源統計年鑒》；金屬非金屬礦物按北京地區的鐵礦石原礦產量和水泥產量來代表，數據源于《北京統計年鑒》和《中國工業統計年鑒》；生物質中包含農林牧漁，數據源于《中國農村統計年鑒》、《中國林業年鑒》和北京市統計局網站。從北京市外調入物質量和市外物質調出量數據較難獲取，外省調入調出量僅核算能源，并對進出北京海關以質量計價的物質進行核算，數據源于《北京統計年鑒》。

區域生產過程排放量包括廢水、廢氣中的污染物排放量，以及固體廢物排放量和耗散性物質。由于排放到大氣和水體中的污染物種類龐雜，主要統計了SO2、煙（粉）塵、COD、氨氮4項指標；考慮到北京市工業固體廢物全部被綜合利用及貯存，僅核算生活垃圾排放量；耗散性物質主要核算了農藥和化肥的流失量，參考姚星期［19］給出的農藥化肥利用率估算得出，基礎數據來源于《中國農村統計年鑒》和《中國環境年鑒》。使用的數據除了DMI，DPO由上文介紹的核算方法得到外，其余數據來源于《北京統計年鑒》。按2005年不變價格將北京市各年份GDP換算成真實GDP。

3　實證結果與分析

3.1總量趨勢分析

以2005年為基準年，將DMI，DPO與GDP各年份值進行比較，得到2005—2013年北京市DMI，DPO，GDP的變化趨勢圖。如圖1所示，GDP的增長趨勢最為明顯，從2005年的6 969.50億元增加到2013年的14 993.89億元，年均增長10.05%；DMI從13 754.84萬t增加到21 002.81萬t，年均增長5.43%；DPO呈波動下降趨勢，從100.95萬t降低到55.93萬t，年均下降7.12%。從圖1變化趨勢中可以看到，DMI和GDP呈同步增長趨勢，但DMI的增長速度明顯低于GDP，且DMI在2013年有下降趨勢，GDP的增長并沒有脫離DMI的增加，二者沒有實現脫鉤；GDP的高速增長帶來了DPO的下降，表明二者已基本實現脫鉤。

圖1　2005—2013年北京市DMI，DPO，GDP變化趨勢

3.2經濟增長與物質代謝脫鉤關系分析

（1）從表2看出，除2010年和2012年出現GDP增速超過DMI，呈擴張負脫鉤外，其余年份經濟增長與直接物質輸入之間主要以弱脫鉤為主。具體分為兩個階段：2006—2010年為第一階段，此階段雖然經歷了2008年的金融危機，但國家出臺的4萬億經濟刺激計劃使得物質投入持續增加。該階段經濟增長與直接物質輸入二者的關系由“弱脫鉤”變為“增長連接”，該時期經濟仍處于高位發展階段，而直接物質輸入卻增長迅速，2010年DMI增長率為13.04%，高于GDP的10.30%，出現了擴張負脫鉤狀態。2011—2013年為第二階段，此階段北京市經濟呈現出新常態，經濟從以前平均10%左右的高速增長轉為8.10%，7.70%，7.70%的中高速增長，盡管2012年DMI增長明顯，但在2013 年DMI首次出現下降。該階段經濟增長與直接物質輸入二者的關系由“弱脫鉤”變為“擴張負脫鉤”，最后實現“強脫鉤”。

（2）經濟增長與生產過程污染物排放之間主要以強脫鉤為主。2010年出現擴張負脫鉤，主要原因在于當年物質輸入增長13.04%，輸入端物質輸入越多，導致輸出端污染物的排放越多，使得當年的污染物排放增長高達16.06%。北京市污染物排放量逐年下降，離不開環保支出的大量投入。環境污染治理投資與廢物治理設施運行費用在GDP中的占比，從2005年的1.49%上升到2013年的2.34%。表明北京市政府在環境保護方面投入了大量資金且成果顯著。

3.3驅動因素

3.3.1模型檢驗及嶺回歸分析

由于北京市經濟增長與DPO基本實現強脫鉤，而與DMI關系以弱脫鉤為主，因此，需要對影響DMI減量化的驅動因素進行分析，找出問題的根源。

時間序列的平穩性通常是時間序列分析的基礎，對模型式（5）進行擬合前要對各時間序列變量進行平穩性檢驗，以考察各變量是否具有時間趨勢，進一步確定是否采用協整分析法。采用ADF單位根檢驗來檢驗變量的平穩性，然后利用Eviews8.0軟件得到的單位根檢驗結果，如表3所示。

區域直接物質輸入量、城市化率、人口、人均GDP、第三產業占比均為二階單整序列。之后采用Engle和Granger在1987年提出的兩步法進行協整檢驗，即EG兩步法，來確定變量之間的線性組合是否存在著長期穩定的關系。對區域直接物質輸入量、城市化率、人口、人均GDP、第三產業占比5個二階單整變量建立回歸模型，見式（5）。

該模型的擬合優度達到0.982 191，整體F統計量為111.303 7，對應的伴隨概率為0.000 236，說明模型顯著通過檢驗。對上述回歸方程的殘差進行單位根檢驗，判斷殘差序列是否平穩。模型未經差分處理的殘差序列ADF值為-6.413 478，其伴隨概率為0.000 1，小于1%的ADF臨界值，即認為未經差分處理的變量回歸后的殘差序列是穩定的。

通過以上檢驗可以得出，區域直接物質輸入量、城市化率、人口、人均GDP、第三產業占比5個二階單整變量之間存在長期均衡的關系。

表2　2006—2013年北京市經濟增長與物質代謝的脫鉤關系

表3　單位根的ADF檢驗結果

圖2　嶺跡圖

為了避免變量間多重共線性的影響，運用SPSS20.0中的嶺回歸分析進行模型擬合。嶺回歸系數K在（0，1）之間，以0.01為步長取值。當取K=0.80時，圖2的變化逐漸趨于平穩，且擬合模型的R2較大，因此本研究選用K=0.80時的嶺回歸擬合結果確定隨機模型，具體擬合結果見表4所示。模型的R2= 0.819 5，F值為10.083，說明回歸方程通過了顯著性檢驗且自變量也通過了顯著性檢驗。所以，結合表4得出的結果，當K=0.80時，嶺回歸擬合所得到的模型為：

表4　嶺回歸結果

3.3.2各驅動因素對直接物質輸入量（DMI）的影響

根據公式（6）給出的各自變量的系數，對影響北京市直接物質輸入量DMI的驅動因素的影響大小進行排序：城市化率（3.458 8）、產業結構（0.683 7）、人口規模（0.363 9）、人均GDP（0.257 4），4個驅動因素與DMI呈正向關系。

（1）城市化率對北京市直接物質輸入量的影響最大，Ur每增加1%，會引起DMI3.4588%的增長。城市化率反映了城鎮人口結構的變化，這種變化引起了居民原有消費習慣和生產方式的改變，進而影響了經濟系統物質投入。北京市早已步入了城市化后期，從2005年的83.62%到2013年的86.30%，僅增加了3.20%。盡管北京市的城市化進展緩慢，但對DMI的影響巨大，主要原因在于，農村人口轉為城鎮人口，直接促進了消費能力的提升，致使城市需要更多的物質輸入；越來越多的人口向城市集聚，城市住房、基礎設施建設隨之增加，城市自身開采的物質完全滿足不了城市的需要，大量物質需要進口。一邊外地人口向北京大量涌入，一邊北京周邊地區的經濟發展和配套服務設施不全面，使得短期內北京逆城市化現象不會出現。

（2）產業結構對DMI的影響為正向關系，驅動影響率達0.6837%，這與國內外學者研究不一致。北京市的產業結構調整從“量”上已達到很高的程度，北京市已在積極調整，退出鑄造、化工等高耗能、高污染企業，隨之而來的是第三產業在GDP中的占比從2005年的69.65%增加到76.85%。具體對北京市的第三產業分析發現，2005—2013年北京市現代服務業在第三產業中的占比平均為59.98%，且變化不大，剩余的則是交通運輸、倉儲和郵政業，批發與零售業，住宿和餐飲業等傳統行業，而這些行業對資源的消耗巨大，且容納了大量就業人口，從而間接地消耗大量資源。

（3）2013年北京市常住人口為2 114.80萬人，相比2005年增加了576.80萬人。人口激增直接導致資源的大量消耗。當前人口規模早已大大超過2005年《北京城市總體規劃》中要求的北京市總人口規模規劃2020年要控制在1 800萬人左右的目標。2015年中共北京市委十一屆八次全會的決議中首次出現“嚴格控制人口規模”的表述，并提出了人口2 300萬的“天花板”。因此嚴格控制人口規模勢在必行。

（4）人均GDP對DMI的影響最小。人均收入的增加，直接導致人均消費水平的提升，對于物質的消耗會增大，但人們的消費結構也會出現變化，不再僅局限于對物質資源消耗的實物消費，對于投資、文化、教育、健康等方面的勞務消費也在持續增加，且相比對實物消費，勞務消費逐步成為消費的熱點。因此，盡管北京市2005—2013年人均GDP年均增長5.75%，消費能力得到了很大的提升，但對物質的消費影響較少。

4　結論與建議

4.1結論

利用物質流分析的指標和數據，采用Tapio脫鉤模型和STIRPAT模型，分析了北京市2005—2013年經濟增長與物質代謝之間的關系，并對影響直接物質輸入的驅動影響進行了分析，得到以下結論。

（1）2005—2012年北京市GDP與DMI，DPO的總體趨勢表明，GDP年均10.05%的增長帶動了DMI年均5.43%的增長，經濟增長與直接物質輸入呈正相關關系，經濟的增長仍離不開物質的投入；污染物排放總體呈波動下降趨勢，年均降幅達7.12%。

（2）運用Tapio脫鉤模型發現，北京市經濟增長與直接物質輸入之間主要表現為弱脫鉤，在部分年份出現了擴張負脫鉤，2013年直接物質輸入首次出現負增長，表現為強脫鉤；經濟增長與污染物排放之間脫鉤程度要高于物質輸入，狀態以強脫鉤為主，表明北京市重視末端治理，且成果顯著。

（3）運用STIRPAT模型對北京市直接物質輸入影響因素進行分析表明，城市化率、產業結構、人口和人均GDP對物質輸入均有促進作用。其中，城市化率對物質輸入的影響最大。

4.2建議

北京市已進入后工業化發展階段，北京市在污染物治理方面下了很大努力，取得了很大成效。但要想從根源上減少污染物的排放，應該從源頭入手治理。從對北京市物質輸入的驅動影響因素分析來看，如何有序疏解北京人口成為關鍵。習近平總書記明確指出京津冀協同發展要牽住疏解北京非首都功能這個“牛鼻子”和主要矛盾，降低北京人口密度，實現城市發展與資源環境相適應。控制人口規模不應簡單地利用行政手段，那樣會影響城市經濟的健康發展。需要抓住“牛鼻子”，在明確城市基本功能的前提下從基礎產業規模去控制。通過產業升級轉移、經濟結構的調整來有序地引導人口的流動。

技術發展到今天，技術水平的提高帶來的物質減量化已經非常有限。隨著北京市人均GDP的增加，不能像美國等發達國家一樣人均消耗大量的資源。市民的消費不應僅局限于實物消費，北京市需要大力發展資源消耗少、環境污染少的現代服務業，為市民提供更多可選擇的優質服務，引導市民勞務消費，提高市民的生活品質。

參考文獻

［1］ 盛業旭.資源環境脫鉤測度方法：速度脫鉤”還是“數量脫鉤”［J］.中國人口·資源與環境，2015，25（3）：99-103.

［2］ OECD.Decoupling： A conceptual overview［R］.Paris：OECD，2000：5.

［3］ Tapio P. Towards a theory of decoupling： Degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001［J］. Transport Policy，2005，12（2）：137-151.

［4］ 吳開亞.安徽省經濟增長與環境壓力的脫鉤關系研究——基于物質流分析［J］.地域研究與開發，2012，31（4）：29-33.

［5］ 高新才，馬麗.基于脫鉤和EKC理論的西部地區環境污染與經濟發展關系研究［J］.西南民族大學學報（人文社會科學版），2014（6）：117-122.

［6］ 苑清敏.天津市經濟增長與資源和環境的脫鉤關系及反彈效應研究［J］.資源科學，2014，36（5）：954-962.

［7］ 李虹.物質流指標下的工業經濟解耦問題研究［J］.中國人口·資源與環境，2014，24（1）：132-139.

［8］ 李慧明，王磊.基于循環經濟深入發展的減物質化多重因素分解［J］.資源科學，2008，30（10）：1484-1490.

［9］ 丁平剛.海南省環境經濟系統的物質流特征與演變［J］.中國人口·資源與環境，2011，21（8）：66-71.

［10］ 仇方道.煤炭城市生態經濟系統物質輸入輸出及影響因素——以阜新市為例［J］.自然資源學報，2009，24（1）：115-122.

［11］ 王紅.基于物質流分析的中國減物質化趨勢及循環經濟成效評價［J］.自然資源學報，2015，30（11）：1 811-1 822.

［12］ 趙博.基于MFA和STIRPAT的定西市物質輸入輸出及環境壓力［J］.蘭州大學學報（自然科學版），2011，47（5）：42-47.

［13］ 魏婷，朱曉東.廈門市生態經濟系統物質流分析［J］.生態學報，2009，29（7）：3 800-3 810.

［14］ 王亞菲.城市化對資源消耗和污染排放的影響分析［J］.城市發展研究，2011，18（3）：53-57.

［15］ 余亞東.經濟系統物質流分析研究述評［J］.生態學報，2015，35 （22）：7274-7285.

［16］ 彭佳雯.中國經濟增長與能源碳排放的脫鉤研究［J］.資源科學，2011，33（4）：626-633.

［17］ Ehrlich P R，Holden J P. One dimensional economy［J］. Bulletin of Atomic Scientists，1972（16）：18-27.

［18］ Dietz T，Rosa E A. Effects of population and affluence on CO2emissions［J］. Proceedings of the National Academy of Sciences of the United States of America，1997，94（1）：175-179.

［19］ 姚星期.基于物質流核算的浙江省循環經濟研究［D］.北京：北京林業大學，2009.

“兩網融合”產業創新協作體在京成立

2016年3月19日，由中國再生資源回收利用協會倡議發起的垃圾分類處理與再生資源利用“兩網融合”產業創新協作體在京成立，成為國內首家致力于探索垃圾分類與資源回收利用協同機制與模式的行業協作機構。

“兩網融合”產業創新協作體由中國再生資源回收利用協會、中國城市環境衛生協會、清華大學循環經濟產業研究中心、中國廢鋼鐵應用協會、啟迪桑德環境資源股份有限公司、格林美股份有限公司、中國再生資源開發有限公司、北京環境衛生工程集團有限公司、中國天楹股份有限公司、中國葛洲壩集團綠園科技有限公司、北控環境投資（中國）有限公司、中國城市建設研究院有限公司、杭州市環境集團有限公司、北京盈創再生資源回收利用公司等38家機構共同發起，首批參與單位97家，由生活垃圾分類回收、處理、資源化利用相關的企業、科研機構、行業協會組成。

議事會推選了協作體首屆名譽議事長，由北京市人大代表、北京市人民政府參事王維平教授擔任，議事長由中國再生資源回收利用協會副會長潘永剛擔任，專家委員會主任由國務院發展研究中心資環所程會強教授擔任。

與會代表對目前垃圾分類和再生資源分屬不同管理機制的弊端進行了討論，并將自己在兩網融合方面的探索經驗進行了交流，其中有：北京環衛的京環模式、啟迪桑德的環衛云模式、貴州高遠的餐廚垃圾有償回收模式、遂寧為戶利的“12333”分類到戶模式、南京堯化的便民服務一體化模式等，大量企業在推進垃圾分類和減量化工作中開展了有益的實踐工作。

Study on the decoupling relationship between the economic growth and material metabolism and its driving factors in Beijing

ZHANG Pei
（Institute of Recycling Economy，Beijing University of Technology，Beijing 100124，China）

Abstract:This paper using material flow accounting methods gets the amount of direct material input（DMI）and domestic processed output（DPO）in Beijing city from 2005 to 2013，and applying Tapio decoupling model studies the relationship and degree of decoupling between the economic growth and metabolism and analyzes the time evolution trend of development during the time. Meanwhile it analyzes the driving factors of direct material input with the STIRPAT model. The results show that the economic growth and DMI in Beijing from 2006 to 2013 basically achieve "weak decoupling". DPO shows a downward trend and a "strong decoupling" status of economic growth. The urbanization rate，industrial structure，population and the per capita GDP all have a promoting effect on DMI. Among them the urbanization rate has the maximum influence on DMI.

Keywords:economic growth；material metabolism；decoupling relationship；STIRPAT model；Beijing

中圖分類號：F062.2；X24

文獻標志碼：A

文章編號：1674-0912（2016）04-0006-06

基金項目：北京市重點學科“資源、環境及循環經濟”項目（033000541215003）

作者簡介：張沛（1989-），男，山東濟寧人，碩士研究生，研究方向：循環經濟前沿與模式。

收稿日期（2016－03－16）