中國工業(yè)碳排放的因素分解與脫鉤效應(yīng)

馬曉君,陳瑞敏,董碧瀅,牛雪琪

中國工業(yè)碳排放的因素分解與脫鉤效應(yīng)

馬曉君*,陳瑞敏,董碧瀅,牛雪琪

(東北財經(jīng)大學(xué)統(tǒng)計學(xué)院,遼寧 大連 116025)

采用廣義迪氏指數(shù)分解法(GDIM)分析2000~2016年中國工業(yè)碳排放的驅(qū)動因素,并在此基礎(chǔ)上,創(chuàng)新性地結(jié)合DPSIR框架構(gòu)建脫鉤努力模型測度工業(yè)碳排放的脫鉤效應(yīng).研究結(jié)果表明:產(chǎn)出規(guī)模效應(yīng)、技術(shù)進步效應(yīng)、能源消費規(guī)模效應(yīng)和人均碳排放效應(yīng)是導(dǎo)致工業(yè)碳排放增加的主要因素,而產(chǎn)出碳強度效應(yīng)與技術(shù)進步碳強度效應(yīng)是減少工業(yè)碳排放的關(guān)鍵因素;工業(yè)碳排放的脫鉤效應(yīng)呈“未脫鉤~弱脫鉤~強脫鉤”的階段性特點;產(chǎn)出碳強度效應(yīng)與技術(shù)進步碳強度效應(yīng)是工業(yè)碳排放實現(xiàn)強脫鉤的決定性因素,同時更需要調(diào)整能源結(jié)構(gòu)、降低能源強度與碳排放強度來實現(xiàn)工業(yè)碳排放強脫鉤.

工業(yè)；碳排放；廣義迪氏指數(shù)分解法；脫鉤努力模型

當前世界各國均在采取各項措施降低二氧化碳排放來應(yīng)對氣候變化及其影響,中國承諾2030年單位GDP的二氧化碳排放比2005年下降60%~65%.其中,工業(yè)部門在實現(xiàn)碳減排目標的過程中居于決定性地位.因此研究中國工業(yè)碳排放的驅(qū)動因素與脫鉤效應(yīng),制定相應(yīng)減排政策與措施,對中國總體實現(xiàn)低碳目標至關(guān)重要.

目前關(guān)于碳排放影響因素的研究較多,但對影響因素的分解方法多采用結(jié)構(gòu)分解法(SDA)和指數(shù)分解法.其中對數(shù)平均迪氏指數(shù)分解法(LMDI)最為常見[1-8].隨著學(xué)術(shù)界對指數(shù)分解法的深入研究, LMDI分解法的不足也逐漸顯露出來.Vaninsky[9]指出包括LMDI在內(nèi)的現(xiàn)有指數(shù)分解法均是以Kaya[10]恒等式為基礎(chǔ),將目標變量分解成多個影響因素乘積的形式,使得各因素在形式上存在相互依賴性,而因素的選取又決定了分解結(jié)果,針對同一目標變量選取不同影響因素進行分解時,可能會得出相悖的結(jié)論.此外,現(xiàn)有指數(shù)分解法只能分析一個絕對因素對碳排放的影響,無法衡量其他絕對因素與分解過程中可能隱含因素的影響,使得分解結(jié)果不可靠.在此基礎(chǔ)上,Vaninsky提出一種新的指數(shù)分解方法,即廣義迪氏指數(shù)分解法(GDIM),它克服了現(xiàn)有指數(shù)分解法的不足,能夠更加全面準確地分析中國工業(yè)碳排放的影響因素.目前對該方法的運用較少, Shao等[11]、Wang等[12]和Zhu等[13]采用GDIM分別研究了中國采礦業(yè)、交通運輸業(yè)和電力行業(yè)碳排放的影響因素,得出產(chǎn)出規(guī)模是導(dǎo)致碳排放增加的首要因素,產(chǎn)出碳強度是減少碳排放的關(guān)鍵因素;邵帥等[14]和李治國等[15]先后考慮了投資因素對中國和山東省制造業(yè)碳排放的影響,發(fā)現(xiàn)投資規(guī)模促進制造業(yè)碳排放增加,投資碳強度與產(chǎn)出碳強度引致碳排放減少;閆慶友等[16]運用GDIM對京津冀地區(qū)碳排放影響因素進行分解分析.在有關(guān)脫鉤分析的研究中,王崇梅[17]和Román[18]利用脫鉤彈性指數(shù)分別對中國和哥倫比亞能源消耗與經(jīng)濟增長的關(guān)聯(lián)進行實證研究;Wu[19]、彭佳雯[20]、Freitas等[21]、Grand[22]和Roinioti等[23]通過構(gòu)建經(jīng)濟與碳排放脫鉤模型,分別探討了世界、中國、巴西、阿根廷和希臘經(jīng)濟增長與碳排放的脫鉤關(guān)系及程度;張娣[24]和劉惠敏[25]分別研究了中國蘇北地區(qū)和東部地區(qū)經(jīng)濟增長與能源消耗的脫鉤關(guān)系;徐盈之等[26]和賀愛忠等[27]通過基于DPSIR 框架構(gòu)建脫鉤努力指數(shù)模型分別對中國制造業(yè)和流通業(yè)碳排放的脫鉤效應(yīng)進行分析.

盡管現(xiàn)有文獻對碳排放的研究視角日趨多樣化,且研究方法逐漸完善,但是仍存在一些不足:(1)因素分解方法欠缺.大多數(shù)文獻側(cè)重于使用LMDI分解法,但該方法使得各元素在形式上相互依賴,且僅考慮了單個絕對因素的影響,未考慮其他絕對因素與潛在因素的影響,使得分解結(jié)果不準確.(2)脫鉤效應(yīng)分析不深入.單純地使用Tapio指數(shù)研究工業(yè)碳排放的脫鉤狀態(tài),未能深入分析各因素的脫鉤效應(yīng)以及各因素在脫鉤效應(yīng)中的貢獻.(3)因素選取片面.在對碳排放進行因素分解時,由于所選分解方法固有的局限性,迫使因素選取不夠全面.雖然部分研究擴展了Kaya恒等式,考慮了更多的影響因素,但其只是增加了相對因素的影響,其他絕對因素仍未被單獨考慮在內(nèi).

基于研究現(xiàn)狀,本文的改進和創(chuàng)新如下:(1)在研究方法上,首次使用廣義迪氏指數(shù)分解法(GDIM)分析中國工業(yè)碳排放的驅(qū)動因素.GDIM不僅考慮了各因素間的依賴性,同時兼顧到其他絕對因素與潛在因素對碳排放的影響.(2)在脫鉤效應(yīng)分析上,本文在GDIM的基礎(chǔ)上,基于DPSIR框架構(gòu)建脫鉤努力模型,分析政府減排努力的實際脫鉤效果以及各因素在脫鉤中的作用,全面反映當前工業(yè)碳排放的脫鉤情況,為工業(yè)碳排放實現(xiàn)強脫鉤指明方向.(3)在因素選取上,充分考慮能源消費規(guī)模、碳排放強度和技術(shù)進步等10個關(guān)鍵性因素,同時測度了各個絕對因素的影響,將所有絕對因素和相對因素進行同時研究,使得分析結(jié)果更加準確可靠.

1 研究方法與數(shù)據(jù)說明

1.1 中國工業(yè)碳排放的估算方法

二氧化碳排放主要來源于化石燃料燃燒,世界上二氧化碳排放量多是通過化石能源消費進行推算.因此,本文以原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣8種能源為基準估算中國工業(yè)部門的CO2排放量.

根據(jù)IPCC(2006)制定的國家溫室氣體清單指南第二卷(能源卷)第六章提供的參考方法和參數(shù),與中國已公布的相關(guān)參數(shù)相結(jié)合估算二氧化碳排放量.二氧化碳排放量是各種能源消費導(dǎo)致的二氧化碳排放量的總加,具體公式如下:

式中:=1,2,…,8,表示能源種類;表示二氧化碳排放量,萬t標準煤;E為第種能源消費量,萬t或m3; CV為第種能源平均低位發(fā)熱值,KJ/kg或KJ/m3; CCF為第種能源碳含量,表示單位熱量的含碳水平,kg/106kj;COF為第種能源碳氧化因子,即能源燃燒時的碳氧化率,%;44/12表示二氧化碳與碳分子量之比.

CV主要來源于《中國能源統(tǒng)計年鑒2017》附錄4,CCF來源于IPCC,COF來源于《中國溫室氣體清單研究》,其他能源消耗數(shù)據(jù)來源于《中國統(tǒng)計年鑒》與《中國能源統(tǒng)計年鑒》.

1.2 工業(yè)碳排放驅(qū)動因素分解方法—GDIM

GDIM主要是通過Kaya恒等式的變形建立多維因素分解模型,揭示碳排放變化的動因.基于GDIM的基本原理,工業(yè)碳排放及其相關(guān)影響因素的表達式如下:

CO2=(CO2/GDP)′GDP=(CO2/)′

=(CO2/)′=(CO2/)′(2)

GDP/=(CO2/)/(CO2/GDP) (3)

/GDP=(CO2/GDP)/(CO2/) (4)

為將上述公式簡便化, 令=CO2,1=GDP,2= CO2/GDP,3=,4=CO2/,5=,6=CO2/,7=,8=CO2/,9=GDP/,10=/GDP.式中:CO2表示工業(yè)碳排放,萬t;GDP表示工業(yè)增加值,億元;CO2/GDP表示產(chǎn)出碳強度,t/萬元;表示工業(yè)能源消費,萬t標準煤;CO2/表示能源消費碳強度,t/t標準煤;表示人口規(guī)模,萬人;CO2/表示人均碳排放,t/人;表示工業(yè)技術(shù)進步,億元;CO2/表示技術(shù)進步碳強度,t/萬元;GDP/表示人均工業(yè)增加值,萬元/人;/GDP表示能源強度,t標準煤/萬元.因此,公式(2)~(4)可以表示為:

=12=34=56=78(5)

9=6/2(6)

10=2/4(7)

為進一步運用GDIM方法,現(xiàn)將式(5)~(7)轉(zhuǎn)換成如下公式:

=12(8)

12-34=0(9)

12-56=0(10)

12-78=0(11)

1-59=0(12)

3-110=0(13)

對于因素,用函數(shù)()表示其對碳排放變化的貢獻,由公式(9)~(13)構(gòu)造一個由各影響因素組成的雅可比矩陣Φ:

根據(jù)GDIM方法可知,工業(yè)碳排放變化量?可以被分解為各影響因素貢獻之和,具體見下式:

式中:表示時間跨度?=(210 0 0 0 0 0 0 0);表示單位矩陣;“+”表示廣義逆矩陣;若雅可比矩陣Ф中列向量線性無關(guān),則Ф+=(ФФ)-1Ф.

依據(jù)式(15),本文將工業(yè)碳排放的變化分解為10種因素的總和: ?C1,?C2,?C3,?C4,?C5, ?C6,?C7,?C8,?C9,?C10.其中:4個絕對影響因素?C1,?C3,?C5和?C7分別表示產(chǎn)出規(guī)模變化、能源消費規(guī)模變化、人口規(guī)模變化和技術(shù)進步變化對工業(yè)碳排放變化的影響;在相對影響因素中,?C2, ?C4,?C6,?C8,?C9和?C10分別表示工業(yè)發(fā)展的低碳程度(碳生產(chǎn)率)變化、工業(yè)能源消費碳強度(能源結(jié)構(gòu))變化、人均碳排放變化、工業(yè)技術(shù)進步碳強度變化、人均工業(yè)增加值變化和能源強度變化對工業(yè)碳排放變化的影響.

本文以2000~2016年中國工業(yè)部門數(shù)據(jù)為研究對象,分析工業(yè)碳排放的驅(qū)動因素與脫鉤效應(yīng).其中中國工業(yè)增加值和總?cè)丝跀?shù)來源于《中國統(tǒng)計年鑒》,為消除市場價格的影響,以2000年為基期進行價格平減;工業(yè)能源消費數(shù)據(jù)來源于《中國能源統(tǒng)計年鑒》;工業(yè)技術(shù)進步指標選取參考文獻[28],并以“0.55*消費價格指數(shù)+0.45*固定資產(chǎn)投資價格指數(shù)”[29]折算為2000年不變價格,數(shù)據(jù)來源于《中國科技統(tǒng)計年鑒》.

1.3 脫鉤效應(yīng)分析—構(gòu)建脫鉤努力模型

GDIM主要用于研究工業(yè)碳排放變化的驅(qū)動因素,但此方法僅限于從表面上分析工業(yè)碳排放的情況,難以衡量政府節(jié)能減排努力所導(dǎo)致碳排放變化的實際效果.因此,本文在GDIM的基礎(chǔ)上,構(gòu)建了工業(yè)碳排放脫鉤努力模型.脫鉤理論常被用于衡量經(jīng)濟增長與物質(zhì)消耗投入及生態(tài)環(huán)境保護不同步變化的關(guān)系,這種不同步關(guān)系主要源自于經(jīng)濟增長驅(qū)動力作用下,政府基于環(huán)境成本壓力的反應(yīng).其理論基礎(chǔ)是1993年經(jīng)濟合作與發(fā)展組織(OECD)提出的DPSIR框架~驅(qū)動力、壓力、狀態(tài)、影響和反應(yīng).其中,“驅(qū)動力”是指對環(huán)境造成破壞的根本動力和潛在原因,是一種經(jīng)濟驅(qū)動因子;“壓力”是指人類活動對環(huán)境造成的直接影響,如本文的二氧化碳排放;“狀態(tài)”是指環(huán)境在壓力因子作用下所處的狀態(tài),如氣候變化狀況;“影響”是指研究主體在所處狀態(tài)下對人類及社會發(fā)展的影響;“反應(yīng)”是指人類為限制環(huán)境惡化實現(xiàn)可持續(xù)發(fā)展所作出的努力或積極政策[26-27].

在本文中,政府節(jié)能減排努力是直接或者間接減少碳排放所采取的政策或措施,具體是降低能源強度、提高能源利用效率、調(diào)整能源結(jié)構(gòu)和提高低碳技術(shù)發(fā)展水平等.因此,依據(jù)GDIM分解結(jié)果,政府的減排努力()可以間接表示為:

?=?tot-?=?tot-?C1=?C2+?C3+?C4+

?C5+?C6+?C7+?C8+?C9+?C10(16)

由式(16)可知,產(chǎn)出規(guī)模效應(yīng)?(?C1)與政府減排努力?呈負相關(guān)關(guān)系. ?表示人類為限制碳排放所采取的政策或措施,可以理解為“反應(yīng)”因子, ?表示碳排放的經(jīng)濟驅(qū)動因子, ?tot表示環(huán)境的直接壓力因子.根據(jù)上述分析與DPSIR框架的原理,本文在分解模型的基礎(chǔ)上構(gòu)建了如下脫鉤努力模型:

t=/(17)

式中:t表示碳排放的總脫鉤效應(yīng).當t31時,表示強脫鉤效應(yīng);當0

t=?tot-?C1=(?C2+?C3+?C4+?C5+?C6+

?C7+?C8+?C9+?C10)/?(18)

=D2+D3+D4+D5+D6+D7+D8+D9+D10

式中:D2、D3、D4、D5、D6、D7、D8、D9與D10分別表示產(chǎn)出碳強度、能源消費規(guī)模、能源碳強度、人口規(guī)模、人均碳排放、技術(shù)進步、技術(shù)進步碳強度、人均增加值與能源強度的脫鉤效應(yīng).

2 實證結(jié)果及分析

2.1 工業(yè)碳排放的驅(qū)動因素分析

2.1.1 工業(yè)碳排放驅(qū)動因素的階段性分析 本文基于GDIM方法,利用R語言對2000~2016年中國工業(yè)碳排放的驅(qū)動因素進行分解,得出產(chǎn)出規(guī)模效應(yīng)(GDP),能源消費規(guī)模效應(yīng)(),人口規(guī)模效應(yīng)(),技術(shù)進步效應(yīng)(),產(chǎn)出碳強度效應(yīng)(CO2/GDP),能源消費碳強度效應(yīng)(CO2/),人均碳排放效應(yīng)(CO2/),技術(shù)進步碳強度效應(yīng)(CO2/),人均增加值效應(yīng)(GDP/),能源強度效應(yīng)(/GDP)和總效應(yīng)(CO2).為了便于分析,將研究時間2000~2016年劃分為3個階段:2000~2005年、2005~2010年與2010~2016年,根據(jù)公式(10)和(15)計算得出因素分解結(jié)果,如圖1所示.

通過圖1可以看出,2000~2016年,產(chǎn)出規(guī)模效應(yīng)、能源消費規(guī)模效應(yīng)、人口規(guī)模效應(yīng)、技術(shù)進步效應(yīng)和人均碳排放效應(yīng)對工業(yè)碳排放變化起正向驅(qū)動作用,產(chǎn)出碳強度效應(yīng)、技術(shù)進步碳強度效應(yīng)、人均增加值效應(yīng)和能源強度效應(yīng)起負向驅(qū)動作用,能源消費碳強度效應(yīng)的正負驅(qū)動作用均有出現(xiàn).

在工業(yè)碳排放變化的正向驅(qū)動因素中,產(chǎn)出規(guī)模的驅(qū)動效應(yīng)從2000~2005年的3.96億t增加到2005~2010年的6.84億t,再減少到2010~2016年的6.03億t,其驅(qū)動作用在后2個時間段內(nèi)均是最強的,這意味著中國目前經(jīng)濟增長方式對能源需求的剛性較大,如果此時實行強制性減排政策勢必會以犧牲工業(yè)經(jīng)濟發(fā)展為代價.能源消費規(guī)模的正向驅(qū)動作用不斷減弱,由2000~2005年的3.63億t降低到2005~2010年的2.88億t再到2010~2016年的1.12億t,分別下降了20.78%與61.14%,主要是由于中國在“十一五”規(guī)劃中首次提出“節(jié)能減排”作為約束性指標,賦予節(jié)能減排重大戰(zhàn)略決策地位,以及在“十二五”時期由于工業(yè)化進程加快和消費結(jié)構(gòu)升級,中國經(jīng)濟發(fā)展面臨的能源消費瓶頸約束更加突出,中國政府提出了加快轉(zhuǎn)變能源發(fā)展方式、合理控制能源消費總量的發(fā)展戰(zhàn)略,工業(yè)部門也相應(yīng)地制定了節(jié)能減排措施,減少工業(yè)能源消費.人口規(guī)模效應(yīng)的正向驅(qū)動作用最弱,其原因可能在于中國人口規(guī)模不斷擴大以及城市化進程加快,帶動工業(yè)等行業(yè)的經(jīng)濟發(fā)展,增加能源消費,導(dǎo)致工業(yè)碳排放增加.技術(shù)進步效應(yīng)對工業(yè)碳排放起正向驅(qū)動作用,這主要是由于技術(shù)進步減少碳排放的程度尚不足以抵消技術(shù)進步推動經(jīng)濟增長帶來的碳排放增加,最終導(dǎo)致碳排放量的增加.這一結(jié)論與申萌[30]、金培振[31]的研究結(jié)論基本一致.因此,為了實現(xiàn)經(jīng)濟增長與碳排放減少的雙重目標,未來中國工業(yè)部門應(yīng)加快工業(yè)技術(shù)升級,鼓勵高新技術(shù)產(chǎn)業(yè)發(fā)展,引進以節(jié)能減排為導(dǎo)向的低碳技術(shù),同時加大力度降低技術(shù)進步碳強度.人均碳排放效應(yīng)對工業(yè)碳排放變化起正向驅(qū)動作用,但其驅(qū)動作用有較大的波動,從2000~2005年的3.66億t增加到2005~2010年的3.62億t,然后迅速降至2010~2016年的0.58億t,較2005~2010年相比下降了83.93%.這主要是由于2011年中國政府在“十二五”規(guī)劃綱要中明確提出低碳目標,同時不斷增強對節(jié)能減排的重視程度,逐漸完善節(jié)能減排激勵約束機制,低碳概念深入民心,全民節(jié)能減排意識不斷提高,從而導(dǎo)致人均碳排放效應(yīng)的正向驅(qū)動作用減弱.

在工業(yè)碳排放變化的負向驅(qū)動因素中,產(chǎn)出碳強度效應(yīng)的促降作用最強,且其作用逐漸增強,從2000~2005年的0.22億t增加到2005~2010年1.94億t再到2010~2016年的3.59億t,這可歸因于中國政府在十一五時期做出承諾,爭取到2020年實現(xiàn)碳強度降低40%~45%的目標,而在2017年中國碳強度比2005年下降約46%,已經(jīng)超額完成2020年碳強度目標.因此,隨著碳生產(chǎn)率的提高與工業(yè)低碳型經(jīng)濟發(fā)展模式,預(yù)計未來產(chǎn)出碳強度效應(yīng)的驅(qū)動作用將進一步增強.技術(shù)進步碳強度效應(yīng)的負向驅(qū)動作用僅次于產(chǎn)出碳強度效應(yīng),由從2000~2005年的1.43億t減少到2005~2010年1.03億t,再迅速增至2010~2016年的2.48億t,增長幅度最大,為139%,這主要是隨著應(yīng)對氣候變化措施的落實,技術(shù)進步將更多地偏向于節(jié)能減排,加大減排技術(shù)的研發(fā)與創(chuàng)新投入,從而引導(dǎo)技術(shù)進步朝著有利于資源節(jié)約、環(huán)境保護及其與社會、經(jīng)濟、環(huán)境3E系統(tǒng)之間的良性循環(huán)方向協(xié)調(diào)發(fā)展,技術(shù)進步對減排的影響也逐漸凸顯,因此技術(shù)進步碳強度效應(yīng)對二氧化碳減少的影響效應(yīng)相對更大.人均增加值效應(yīng)驅(qū)動工業(yè)碳排放減少,這個結(jié)果看似不符合常理.

Vaninsky[9]指出人均增加值是一個相對量指標,是兩個絕對量指標工業(yè)增加值與人口規(guī)模之比,這兩個指標的變化將會影響它們各自的碳化,而這種碳化很可能是不同步的;其次是工業(yè)人均增加值與其他若干個指標相關(guān)聯(lián),通過式(8)~(13)的計算作用于所有指標,同時以這種方式將其自身變化分配到其他指標中,而在計算對碳排放變化的影響中,只有其自身變化的一部分被計入在內(nèi),其余部分被計入到其他指標的影響中.因此,人均增加值的這種互聯(lián)性質(zhì)使得其可能表現(xiàn)為負向驅(qū)動作用.人均增加值的促降作用暗示著人們福利的動力滯后于國家工業(yè)經(jīng)濟的發(fā)展.在2000~2005年與2005~2010年兩個時間段內(nèi),能源強度效應(yīng)的作用最弱,僅占1.1%,但在2010~2016年已增加到0.35億t,相當于2000~2005年的17.5倍,這是由于中國首次在“十一五”規(guī)劃中明確提出“能源強度”這一約束指標,并在不同時期制定了能源強度下降目標,促使工業(yè)企業(yè)轉(zhuǎn)型,提高能源利用效率,減排效果顯著,可以預(yù)期在未來一段時間內(nèi)降低能源強度是節(jié)能減排的重要舉措.

能源消費碳強度效應(yīng)的驅(qū)動作用是雙向的,在2005~2010年增加碳排放0.20億t,在2000~2005年和2010~2016年促使碳排放減少0.42億t和0.33億t.表明在2005~2010年中國再次出現(xiàn)重工業(yè)化傾向與粗放型經(jīng)濟增長,而在2010~2016年中國能源結(jié)構(gòu)低碳化調(diào)整,同時提出能源結(jié)構(gòu)低碳目標,到2020年,非化石能源占一次能源消費比重達到15%,天然氣比重達到10%以上,煤炭消費比重控制在62%以內(nèi),石油比重為剩下的13%.因此,調(diào)整能源結(jié)構(gòu)、降低能源消費碳強度對工業(yè)實現(xiàn)節(jié)能減排目標至關(guān)重要.

2.1.2 工業(yè)碳排放驅(qū)動因素的累積貢獻分析 為了更加全面地分析各驅(qū)動因素對工業(yè)碳排放變化的動態(tài)影響,本文以2000年為基期,計算了各驅(qū)動因素的累積貢獻值,結(jié)果如圖2所示.

由圖2可知,2000~2014年工業(yè)碳排放量不斷增加,但增速減緩,2014年是碳排放量的極大值點,為29.96億t,年均增長率為32.66%,而在2014年后開始出現(xiàn)下降的趨勢,2015年與2016年碳排放累積量分別下降了1.8%和4.4%.這說明節(jié)能減排政策卓有成效,其主要由于中國在“十二五”以來,淘汰落后產(chǎn)能、推廣先進節(jié)能減排技術(shù)、實施減排技改項目、加大投資對太陽能、風(fēng)能以及水電等清潔能源的開發(fā)、提高工業(yè)能源效率和能源利用率,在保持工業(yè)經(jīng)濟增長的情況下,減少能源消費和二氧化碳排放.如中國在2014年的可再生能源投資領(lǐng)先全球,895億美元的規(guī)模相當于全球清潔能源投資的三分之一.因此,加快工業(yè)經(jīng)濟低碳轉(zhuǎn)型和能源低碳轉(zhuǎn)型,加大低碳技術(shù)創(chuàng)新,落實節(jié)能減排政策,開發(fā)清潔能源,將是中國工業(yè)碳排放減少的關(guān)鍵舉措.

圖2 工業(yè)碳排放驅(qū)動因素的累積貢獻

從各驅(qū)動因素的累積貢獻可以看出,產(chǎn)出規(guī)模效應(yīng)的驅(qū)動作用最強,占總貢獻的51.64%,其次是技術(shù)進步效應(yīng),然后是能源消費規(guī)模效應(yīng)與人均碳排放效應(yīng),再次是產(chǎn)出碳強度效應(yīng)和技術(shù)進步碳強度效應(yīng).其中產(chǎn)出規(guī)模效應(yīng)起正向驅(qū)動作用,從2001年的0.46億t增加到2016年的14.53億t,年均增長率為25.88%;技術(shù)進步效應(yīng)促進工業(yè)碳排放增加,但其邊際驅(qū)動增量遞減, 2001~2016年的年均增長率為23.43%;能源消費規(guī)模效應(yīng)與人均碳排放效應(yīng)同樣對工業(yè)碳排放變化起正向驅(qū)動作用,促進碳排放增加,并且兩者的增長趨勢相同,年均增長率分別為24.53%和28.01%.在碳排放負向驅(qū)動作用中,產(chǎn)出碳強度效應(yīng)和技術(shù)進步碳強度效應(yīng)是促進碳排放減少的關(guān)鍵因素,產(chǎn)出碳強度效應(yīng)的驅(qū)動作用在2002~ 2005年明顯下降,年均增長率為43.24%,于2005年之后開始穩(wěn)步增長,年均增長率為29.34%;技術(shù)進步碳強度效應(yīng)的促降作用逐漸增強,年均增長率為20.02%.人口規(guī)模的促增作用和人均增加值的負向驅(qū)動作用均不顯著,分別引致碳排放累積變化0.73億t與0.70億t;能源消費碳強度效應(yīng)的負向驅(qū)動作用起伏波動,2007年為累積碳排放最多的轉(zhuǎn)折點,為0.60億t,自2015年后開始大幅度回升,2016年累積碳排放0.47億t是2015年的2.09倍;能源強度效應(yīng)的負向驅(qū)動作用相對最弱,至2016年累積減少碳排放0.15億t,約占碳排放累積總量的1%,這主要是由于中國能源結(jié)構(gòu)單一以及可替代的低碳型能源發(fā)展緩慢.

以上分析結(jié)果表明,中國通過調(diào)整能源結(jié)構(gòu)、降低產(chǎn)出碳排放強度和技術(shù)進步碳強度、提高經(jīng)濟增長質(zhì)量以及降低能源強度等方式落實節(jié)能減排政策卓有成效,但遠未達到預(yù)期的減排目標,說明中國工業(yè)部門碳減排之路任重道遠.由于中國是發(fā)展中國家,把發(fā)展作為執(zhí)政興國的第一要務(wù),目前正處于工業(yè)化、城鎮(zhèn)化快速發(fā)展階段,能源消耗巨大,如果實施以犧牲經(jīng)濟增長為代價的強制減排措施并不符合中國當前的國情.因此,未來中國應(yīng)加快推動經(jīng)濟低碳轉(zhuǎn)型和能源低碳轉(zhuǎn)型,就工業(yè)而言,其具體的碳減排措施應(yīng)著重于調(diào)整能源消費結(jié)構(gòu)、降低能源強度、加大低碳技術(shù)創(chuàng)新與推廣應(yīng)用、提高能源利用效率、開發(fā)與使用清潔能源等,爭取早日實現(xiàn)中國工業(yè)碳減排的長遠目標.

2.2 工業(yè)碳排放的脫鉤效應(yīng)分析

通過構(gòu)建脫鉤努力模型分析工業(yè)經(jīng)濟增長與減排雙贏的實際情況以及中國政府落實減排政策的實際效果,如表1所示.中國工業(yè)碳排放的脫鉤效應(yīng)呈現(xiàn)出“未脫鉤~弱脫鉤~強脫鉤”的階段性特點.其中2000~2011年表現(xiàn)為未脫鉤效應(yīng),2011~ 2014年表現(xiàn)為弱脫鉤效應(yīng),2014~2016年表現(xiàn)為強脫鉤效應(yīng).

2.2.1 未脫鉤效應(yīng)分析 2000~2011年工業(yè)碳排放表現(xiàn)未脫鉤效應(yīng),而這種效應(yīng)呈先減弱后增強再減弱再增強的“W”型階梯增長.2000~2004年未脫鉤效應(yīng)逐年下降,2004~2005年后未脫鉤效應(yīng)不斷增長,而在2008~2009年未脫鉤效應(yīng)開始突然下降,在2009~2010年后未脫鉤效應(yīng)又回彈為逐年增強,出現(xiàn)這種現(xiàn)象的原因可能在于:2000~2004年中國經(jīng)濟增長的方式還處于由粗放低效型向集約高效型轉(zhuǎn)變的初級階段,經(jīng)濟增長的同時必定會消耗能源排放二氧化碳,而工業(yè)經(jīng)濟增長的方式又多是“高能耗、高污染、低效率”的粗放型增長,因此會導(dǎo)致碳排放的增加;2004年以后國家開始關(guān)注經(jīng)濟增長所帶來的負面效應(yīng),出臺了多項政策法規(guī),如2004年和2005年出臺的《節(jié)能中長期專項規(guī)劃》與《可再生能源法》,以及2006年首次提出建設(shè)“資源節(jié)約型和環(huán)境友好型”社會,這些法規(guī)的實施促使工業(yè)碳排放的減少,引致未脫鉤效應(yīng)不斷上升;從脫鉤努力指數(shù)值來看,2008年的脫鉤努力指數(shù)值出現(xiàn)拐點,這主要是受2007年底美國金融危機影響,經(jīng)濟形勢嚴峻,作為中國國民經(jīng)濟主導(dǎo)行業(yè)的工業(yè)在所難免,中國政府于2008年末出臺四萬億經(jīng)濟刺激計劃,推動工業(yè)經(jīng)濟復(fù)蘇和經(jīng)濟增長,而在國家出臺的經(jīng)濟刺激計劃下,工業(yè)很可能出現(xiàn)盲目的粗放型經(jīng)濟增長和經(jīng)濟結(jié)構(gòu)不合理,導(dǎo)致未脫鉤效應(yīng)下降;隨后由于經(jīng)濟逐漸復(fù)蘇,同時又受制于國家節(jié)能減排政策,低碳化技術(shù)與清潔能源的開發(fā)與利用,煤炭等化石能源消耗減少,工業(yè)碳排放脫鉤效應(yīng)相應(yīng)逐漸上升.

表1 2000~2016年中國工業(yè)碳排放的脫鉤效應(yīng)

2.2.2 脫鉤效應(yīng)分析 從2008~2009年后未脫鉤效應(yīng)逐年增強,2011~2012年開始出現(xiàn)脫鉤效應(yīng).其中2011~2014年呈“√”型增長的弱脫鉤效應(yīng), 2014~2016年呈遞增型增長的強脫鉤效應(yīng),這是由于“十一五”時期,國家把降低能源強度和減少主要污染物排放量作為國民經(jīng)濟和社會發(fā)展的約束性指標,把節(jié)能減排作為調(diào)整經(jīng)濟結(jié)構(gòu)、加快轉(zhuǎn)變經(jīng)濟發(fā)展方式的重要抓手和突破口,“十一五”時期節(jié)能減排工作取得了顯著成效.中國政府認識到實施節(jié)能減排政策的效果較好,在“十二五”和“十三五”時期中國政府更大力度地實施節(jié)能減排政策,“十二五”時期的節(jié)能減排目標是到2015年全國萬元GDP能耗下降到0.869t標準煤,比2010年下降16%(比2005年下降32%),實際在“十二五”時期,全國單位GDP能耗降低了18.4%,超額完成節(jié)能減排預(yù)定目標;“十三五”時期的節(jié)能減排目標是到2020年,全國萬元GDP能耗比2015年下降15%,單位GDP二氧化碳排放降低18%.目前中國工業(yè)部門加快產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級,減少能源消費,支持低碳技術(shù)創(chuàng)新與推廣,減少資源性、高耗能、高排放產(chǎn)業(yè),同時嚴格按照國家規(guī)劃的要求,結(jié)合實際制定具體實施方案,明確目標責(zé)任,狠抓貫徹落實,強化考核問責(zé),確保實現(xiàn)節(jié)能減排目標和碳排放強脫鉤.

從各驅(qū)動因素的脫鉤貢獻得出,技術(shù)進步效應(yīng)對總脫鉤貢獻最大,占總貢獻的91.68%,阻礙工業(yè)碳排放實現(xiàn)脫鉤;其次是能源消費規(guī)模效應(yīng)與人均碳排放效應(yīng)對總脫鉤效應(yīng)的抑制作用,分別占總貢獻的49.48%與45.91%,且兩者脫鉤努力指數(shù)與工業(yè)總脫鉤努力指數(shù)的變動趨勢相一致,即減少能源消費與人均碳排放是實現(xiàn)脫鉤效應(yīng)的重要途徑.產(chǎn)出碳強度效應(yīng)與技術(shù)進步碳強度效應(yīng)均促進工業(yè)碳排放實現(xiàn)脫鉤效應(yīng),分別占總貢獻的43.81%與42.41%,對實現(xiàn)工業(yè)碳排放的強脫鉤效應(yīng)起著決定性作用,因此,工業(yè)部門應(yīng)加大力度降低產(chǎn)出碳強度以及加大投入以節(jié)能減排為導(dǎo)向的低碳技術(shù)進步.能源消費碳強度效應(yīng)的脫鉤貢獻比例為0.12%,且呈波動狀態(tài),時而促進時而抑制碳排放實現(xiàn)脫鉤,這主要是由于當前中國工業(yè)經(jīng)濟快速發(fā)展,仍是以消耗高碳能源為主,新清潔能源供不應(yīng)求;人口規(guī)模效應(yīng)、人均增加值效應(yīng)與能源強度效應(yīng)的脫鉤貢獻較小,前者阻礙工業(yè)實現(xiàn)脫鉤效應(yīng),后兩者驅(qū)動工業(yè)實現(xiàn)脫鉤效應(yīng),人口規(guī)模效應(yīng)的微上升抑制作用反映出隨著中國人口規(guī)模的不斷增加,人們的生活消費需求與就業(yè)需求也相應(yīng)增加,而這些都與工業(yè)息息相關(guān),均直接或間接阻礙著工業(yè)實現(xiàn)強脫鉤,而人均增加值效應(yīng)因其特殊性促進工業(yè)實現(xiàn)脫鉤,同時能源強度的微弱促進脫鉤作用也暗示著中國應(yīng)加快調(diào)整能源強度,減少對化石能源的消耗,加大對清潔能源的使用與低碳化技術(shù)的投入使用,為環(huán)境改善、應(yīng)對全球氣候變化作出應(yīng)有的貢獻.

3 結(jié)論

3.1 通過分析工業(yè)碳排放變化的驅(qū)動因素可知,產(chǎn)出規(guī)模效應(yīng)的正向驅(qū)動作用最強,其次是技術(shù)進步效應(yīng)、能源消費規(guī)模效應(yīng)和人均碳排放效應(yīng)的正向驅(qū)動作用;而產(chǎn)出碳強度效應(yīng)是驅(qū)動工業(yè)碳排放減少的首要因素,隨之是技術(shù)進步碳強度效應(yīng)與人均增加值效應(yīng)的負向驅(qū)動作用;其他因素的驅(qū)動作用均較弱,其中人口規(guī)模效應(yīng)促進工業(yè)碳排放的增加,而能源強度效應(yīng)與能源消費碳強度效應(yīng)減少工業(yè)碳排放,且減排趨勢逐漸增強,碳減排潛力巨大.

3.2 在工業(yè)碳排放各驅(qū)動因素的累積貢獻中發(fā)現(xiàn),工業(yè)碳排放的累積量不斷增加,但累積增速減緩, 2014年為極大值點,達到29.96億t.產(chǎn)出規(guī)模效應(yīng)的累積貢獻最大,占碳排放總量的51.64%,技術(shù)進步效應(yīng)的貢獻次之,為42.46%,隨后是能源消費規(guī)模效應(yīng)與人均碳排放效應(yīng).在碳排放負向驅(qū)動累積貢獻中,產(chǎn)出碳強度效應(yīng)與技術(shù)進步碳強度效應(yīng)是碳排放減少的決定性因素.

3.3 在工業(yè)碳排放脫鉤效應(yīng)分析中得知,中國工業(yè)碳排放的脫鉤效應(yīng)呈現(xiàn)出“未脫鉤~弱脫鉤~強脫鉤”的階段性特點.2000~2011年間工業(yè)碳排放呈“W”型階梯增長的未脫鉤效應(yīng),2011~2014年間呈“√”型增長的弱脫鉤效應(yīng),2014~2016呈遞增型增長的強脫鉤效應(yīng).技術(shù)進步效應(yīng)、能源消費規(guī)模效應(yīng)與人均碳排放效應(yīng)阻礙工業(yè)碳排放實現(xiàn)脫鉤,產(chǎn)出碳強度效應(yīng)與技術(shù)進步碳強度效應(yīng)促進工業(yè)碳排放實現(xiàn)脫鉤,人口規(guī)模效應(yīng)、能源消費碳強度效應(yīng)、人均增加值效應(yīng)與能源強度效應(yīng)對總脫鉤的貢獻較小.

[1] Malla S. CO2emissions from electricity generation in seven Asia- Pacific and North American countries: A decomposition analysis [J]. Energy Policy, 2009,37(1):1-9.

[2] 王 鋒,吳麗華,楊 超.中國經(jīng)濟發(fā)展中碳排放增長的驅(qū)動因素研究[J]. 經(jīng)濟研究, 2010,45(2):123-136. Wang Feng, Wu Li-hua, YANG Chao. Driving factors for growth of carbon dioxide emissions during economic development in China [J]. Economic Research Journal, 2010,45(2):123-136.

[3] 范 丹.中國能源消費碳排放變化的驅(qū)動因素研究——基于LMDI-PDA分解法[J]. 中國環(huán)境科學(xué), 2013,33(9):1705-1713. Fan Dan.Driving factors of carbon emissions from energy consumption in China- based on LMDI-PDA method [J]. China Environmental Science, 2013,33(9):1705-1713.

[4] 孟彥菊,成蓉華,黑韶敏.碳排放的結(jié)構(gòu)影響與效應(yīng)分解 [J]. 統(tǒng)計研究, 2013,30(4):76-83. Meng Yan-ju, Cheng Rong-hua, Hei Shao-min. Structure influence and effect decomposition of cardon emissions [J]. Statistical Research, 2013,30(4):76-83.

[5] González P F, Landajo M, Presno M J. Tracking European Union CO2emissions through LMDI (logarithmic-mean Divisia index) decomposition. The activity revaluation approach [J]. Energy, 2014,73(7):741-750.

[6] Cansino J M, Sánchez-Braza A, Rodríguez-Arévalo M L. Driving forces of Spain’s CO2emissions: A LMDI decomposition approach [J]. Renewable and Sustainable Energy Reviews, 2015,48:749-759.

[7] 馬曉君,董碧瀅,于淵博,等.東北三省能源消費碳排放測度及影響因素 [J]. 中國環(huán)境科學(xué), 2018,38(8):3170-3179. Ma Xiao-jun, Dong Bi-ying, Yu Yuan-bo, et al. Measurement of carbon emissions from energy consumption in three northeastern provinces and its driving factors [J]. China Environmental Science, 2018,38(8):3170-3179.

[8] 范建雙,周 琳.中國城鄉(xiāng)居民生活消費碳排放變化的比較研究[J]. 中國環(huán)境科學(xué), 2018,38(11):4369-4383. Fan Jian-shuang, Zhou Lin. A comparative study on the changes of residential living consumption carbon emissions in urban and rural China [J]. China Environmental Science, 2018,38(11):4369-4383.

[9] Vaninsky A. Factorial decomposition of CO2emissions: A generalized Divisia index approach [J]. Energy Economics, 2014,45:389-400.

[10] Kaya Y. Impact of carbon dioxide emission on GNP growth: interpretation of proposed scenarios [R]. Paris:Presentation to the Energy and Industry Subgroup, Response Strategies Working Group, IPCC, 1989.

[11] Shao S, Liu J, Geng Y, et al. Uncovering driving factors of carbon emissions from China’s mining sector [J]. Applied Energy, 2016: S0306261916300277.

[12] Wang Y, Zhu Y, Zhu L, et al. Influencing factors and decoupling elasticity of china’s transportation carbon emissions [J]. Energies, 2018,11(5):1157-1186.

[13] Zhu L, He L, Shang P, et al. Influencing factors and scenario forecasts of carbon emissions of the Chinese power industry: based on a generalized divisia index model and monte carlo simulation [J]. Energies, 2018,11:2398.

[14] 邵 帥,張 曦,趙興榮.中國制造業(yè)碳排放的經(jīng)驗分解與達峰路徑——廣義迪氏指數(shù)分解和動態(tài)情景分析[J]. 中國工業(yè)經(jīng)濟, 2017,(3):44-63. Shao Shuai, Zhang Xi, Zhao Xing-rong. Empirical decomposition and peaking pathway of carbon dioxide emissions of China’s manufacturing sector- generalized divisia index method and dynamic scenario analysis [J]. China Industrial Economics, 2017,(3):44-63.

[15] 李治國,朱永梅,吳 茜.山東省制造業(yè)碳排放驅(qū)動因素研究——基于GDIM方法 [J]. 華東經(jīng)濟管理, 2019,33(4):30-36. Li Zhi-guo, Zhu Yong-mei, WU Xi. GDIM-based research on driving factors of carbon emissions from manufacturing industry in Shandong province [J]. East China Economic Management, 2019, 33(4):30-36.

[16] 閆慶友,尹潔婷.基于廣義迪氏指數(shù)分解法的京津冀地區(qū)碳排放因素分解 [J]. 科技管理研究, 2017,37(19):239-245. Yan Qing-you, Yin Jie-ting. Factor decomposition of carbon emissions in Beijing, Tianjin, Hebei: a study based on generalized divisia index method [J]. Science and Technology Management Research, 2017,37(19):239-245.

[17] 王崇梅.中國經(jīng)濟增長與能源消耗脫鉤分析[J]. 中國人口?資源與環(huán)境, 2010,20(3):35-37. Wang Chong-mei. Decoupling analysis of China economic growth and energy consumption [J].China Population, Resources and Environment,2010,20(3):35-37.

[18] Román R, Cansino J M, Botia C. How Far is colombia from decoupling? Two-level decomposition analysis of energy consumption changes [J]. Energy, 2018,148:687-700.

[19] Wu Y, Zhu Q, Zhu B. Decoupling analysis of world economic growth and CO2emissions: a study comparing developed and developing countries [J]. Journal of Cleaner Production, 2018,190:94-103.

[20] 彭佳雯,黃賢金,鐘太洋,等.中國經(jīng)濟增長與能源碳排放的脫鉤研究 [J]. 資源科學(xué), 2011,33(4):626-633. Peng Jia-wen, Huang Xian-jin, Zhong Tai-yang, et al. Decoupling analysis of economic growth and energy carbon emissions in China [J]. Resources Science, 2011,33(4):626-633.

[21] Freitas L C D, Kaneko S. Decomposing the decoupling of CO2emissions and economic growth in Brazil [J]. Ecological Economics, 2011,70(8):1459-1469.

[22] Grand M C. Carbon emission targets and decoupling indicators [J]. Ecological Indicators, 2016,67:649-656.

[23] Roinioti A, Koroneos C. The decomposition of CO2emissions from energy use in Greece before and during the economic crisis and their decoupling from economic growth [J]. Renewable & Sustainable Energy Reviews, 2017,76:448-459.

[24] 張 娣.蘇北地區(qū)能源消耗與經(jīng)濟增長的脫鉤研究[D]. 江蘇:中國礦業(yè)大學(xué), 2014. Zhang Di. The decoupling study between energy consumption and economic growth in the northern Jiangsu area [D]. Jiangsu: China University of Mining and technology, 2014.

[25] 劉惠敏.中國經(jīng)濟增長與能源消耗的脫鉤——東部地區(qū)的時空分異研究[J]. 中國人口?資源與環(huán)境, 2016,26(12):157-163. Liu Hui-min. Can economic growth decouple with energy consumption: a temporal and spatial study of Eastern China [J]. China Population, Resources and Environment, 2016,26(12):157-163.

[26] 徐盈之,徐康寧,胡永舜.中國制造業(yè)碳排放的驅(qū)動因素及脫鉤效應(yīng)[J]. 統(tǒng)計研究, 2011,28(7):55-61. Xu Ying-zhi, Xu Kang-ning, Hu Yong-shun. Driving factors and decoupling effect of carbon emissions: evidence from China's manufacturing sector [J]. Statistical Research, 2011,28(7):55-61.

[27] 賀愛忠,劉 盼.中國流通業(yè)CO2排放的因素分解和脫鉤分析[J]. 中國環(huán)境科學(xué), 2015,35(3):953-960. He Ai-zhong, Liu Pan. Factor decomposition and decoupling analysis on CO2emissions: evidence from China's circulation sector [J].China Environmental Science,2015,35(3):953-960.

[28] 錢 娟.能源節(jié)約偏向型技術(shù)進步對經(jīng)濟增長的影響研究[J]. 科學(xué)學(xué)研究, 2019,37(3):436-449. Qian Juan. The impact of energy- saving biased- oriented technological progress on economic growth [J].Studies in Science of Science, 2019,37(3):436-449.

[29] 朱平芳,徐偉民.政府的科技激勵政策對大中型工業(yè)企業(yè)R&D投入及其專利產(chǎn)出的影響——上海市的實證研究[J]. 經(jīng)濟研究, 2003,(6):45-53+94. Zhu Ping-fang, Xu Wei-min. On the impact of governments S&T incentive policy on the R&D input and its patent output of large and medium-sized industrial enterprises in Shanghai [J].Economic Research Journal, 2003,(6):45-53+94.

[30] 申 萌,李凱杰,曲如曉.技術(shù)進步、經(jīng)濟增長與二氧化碳排放:理論和經(jīng)驗研究[J]. 世界經(jīng)濟, 2012,35(7):83-100. Shen Meng, li Kai-jie, Qu Ru-xiao. Technological progress, economic growth and carbon dioxide emissions: Theoretical and empirical research [J]. The Journal of World Economics, 2012,35(7):83-100.

[31] 金培振,張亞斌,彭 星.技術(shù)進步在二氧化碳減排中的雙刃效應(yīng)——基于中國工業(yè)35個行業(yè)的經(jīng)驗證據(jù)[J]. 科學(xué)學(xué)研究, 2014, 32(5):706-716. Jin Pei-zhen, Zhang Ya-bin, Peng Xing. The double-edged effect of technological progress in carbon dioxide emissions reduction: Empirical evidence from 35sub-industrial sectors in China [J]. Studies in Science of Science, 2014,32(5):706-716.

Factor decomposition and decoupling effect of China's industrial carbon emissions.

MA Xiao-jun*, CHEN Rui-min, DONG Bi-ying, NIU Xue-qi

(School of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China)., 2019,39(8)：3549~3557

In this paper, a generalized divisia index decomposition method (GDIM) was used to analyze the driving factors of China's industrial carbon emissions from 2000 to 2016. On this basis, a decoupling effort model was innovatively constructed combing with the DPSIR framework to measure the decoupling effect of industrial carbon emissions. The empirical results showed that output scale effect, technological progress effect, energy consumption scale effect and per capita carbon emissions effect were the main factors leading to increased industrial carbon emissions, while output carbon intensity effect and technological progress carbon intensity effect were the key factors which reduce industrial carbon emissions. The decoupling effect of industrial carbon emissions was characterized by “negative decoupling~weak decoupling~strong decoupling”. The output carbon intensity effect and technological progress carbon intensity effect were the decisive factors to achieve strong decoupling of industrial carbon emissions. At the same time, it was necessary to adjust energy structure, reduce energy intensity and carbon intensity to realize the strong decoupling of industrial carbon emissions.

industry；carbon emissions；generalized divisia index decomposition method；decoupling effort model

X24

A

1000-6923(2019)08-3549-09

馬曉君(1978-),女,遼寧撫順人,副教授,博士,研究方向為環(huán)境能源統(tǒng)計、無形資產(chǎn)統(tǒng)計、信用評級等.發(fā)表論文40余篇.

2019-02-20

國家社會科學(xué)基金資助項目(19BTJ054);遼寧省經(jīng)濟社會發(fā)展研究資助項目(2019lslktwzz-01801)

* 責(zé)任作者, 副教授, maxiaojun@dufe.edu.cn