長江經濟帶能源消費碳排放的多變量驅動因素研究
——基于擴展STIRPAT模型

(南通師范高等專科學校(如皋校區),江蘇 南通 226500)

2015年在巴黎召開的聯合國氣候變化大會上,我國政府在“國家自主貢獻”中鄭重承諾將于2030年左右使碳排放達到峰值,并使單位GDP碳排放下降60%—65%(以2005年為基期)。改革開放40年來,我國經濟的快速發展是以能源消費的持續增長為基礎的。2008年《BP世界能源統計年鑒》顯示，2017年我國一次能源消費總量為44.77億t標煤,占全球能源消費總量的23.2%和全球能源消費增長的33.6%,我國仍然是世界上最大的能源消費國;碳排放總量為92.326億t,占世界碳排放總量的27.6%。因此，我國如果要實現巴黎大會的碳減排承諾,就必須走低碳發展道路以解決經濟發展與碳排放同步增長的問題。長江經濟帶作為我國綜合實力最強、戰略支撐作用最大的區域之一,在實現碳減排的目標中起著至關重要的作用,因此研究該區域能源消費碳排放與經濟增長之間的關系具有非常重要的作用。

能源消費碳排放與經濟增長之間的關系一直是環境經濟學領域的研究熱點,且經典的研究分析工具之一是環境庫茲涅茨曲線理論,該研究內容主要包括檢驗“環境庫茲涅茨曲線”是否存在及其形態。從宏觀層面看,28個OECD國家中部分國家碳排放與GDP的關系呈現倒“U”形,部分國家則呈現“U”形[1]。大多學者[2-5]認為我國碳排放量與經濟發展之間基本存在倒“U”型曲線,目前處在拐點左側。李國志[6]則認為我國1970—1989年不存在EKC曲線,1990—2015年存在倒“U”型曲線且拐點呈提前趨勢;顏廷武等[7]認為我國農業碳排放強度與農業經濟強度之間存在倒“N”型EKC關系和雙拐點。我國各區域和各省份的碳排放與經濟增長關系非常復雜,EKC曲線形態也多種多樣,如沿海地區、新疆維吾爾自治區為“N”型[8,9],遼寧省為倒“N”型，江蘇省、長三角地區等為倒“U”型[10,11]。另有學者認為，有些地方不存在EKC曲線,如陜西省[12]、長三角地區[13]、西部地區[14]。與之相關的是EKC曲線驅動因素研究,學者們借助LMDI[15,16]、VAR[17,18]、聯立方程組[19,20]、ARDL[21]、Alasso[22]等模型研究了包括城鎮化[13]、人口因素[23,24]、技術變革[18]、出口貿易[25,26]、環境規制[27]、產業結構[28,29]、公共支出[30]、金融發展[31]等因素的驅動作用。上述研究由于采用的數據與方法各異,因此研究結果也大相徑庭,不具有普適性;大多集中研究雙變量或少數幾個變量,可能存在變量遺漏的問題,因此有必要在多變量的框架下對長江經濟帶進行實證研究,以考察能源消費、碳排放與經濟增長三者之間的關系。

長江經濟帶橫跨我國東部、中部、西部三大區域,覆蓋上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州等11個省區,面積約205萬km2,人口和生產總值超過全國的40%,具有獨特的優勢和巨大的發展潛力。2014年《國務院關于依托黃金水道推動長江經濟帶發展的指導意見》明確提出，要完善污染物排放總量控制制度,加強二氧化硫、氮氧化物、PM2.5(細顆粒物)等主要大氣污染物的綜合防治,嚴格控制煤炭消費總量,把長江經濟帶打造成“生態文明建設的先行示范帶”,成為水清地綠天藍的生態廊道。

當前，長江經濟帶碳排放已經成為研究熱點并取得了較為豐碩的成果,主要集中在碳排放空間差異性[32,33]、驅動因素[34,35]、脫鉤狀態分析[36,37]、碳排放核算和減排潛力[38,39]等方面,而基于多變量框架研究能源消費碳排放與經濟增長之間的關系不多。本文主要借助擴展STIRPAT模型并結合面板數據模型,以驗證長江經濟帶是否存在碳排放與經濟增長之間的倒“U”型曲線,同時研究各驅動因素對碳排放的影響程度,為長江經濟帶低碳經濟的發展提供科學的決策建議。

1 模型構建與數據來源

1.1 能源消費的碳排放核算

由于目前我國還缺少對CO2排放量的實時監測數據,因此本文借鑒IPCC推薦的方法,根據能源消費數量與能源碳排放系數進行估算。碳排放計算公式為:

(1)

式中,C為終端能源消費產生的碳排放量;Eij為第i部門第j種能源的實物消費量(t)。根據能源平衡表中的能源分類,并借鑒萬慶等[40]學者的做法,選取原煤、洗精煤、其他洗煤、型煤、焦炭、焦爐煤氣、其他煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣、天然氣、熱力、電力和其他能源等18種能源;αj為第j種能源折標系數(kgce/kg,氣體類為kgce/m3);βj為第j種能源碳排放系數(kg/kgce)。各能源折標系數及其碳排放系數見表1。電力和熱力的碳排放系數,則借鑒查建平等[41]學者的計算方法。

表1 各能源折標系數與碳排放系數

注:折標系數取自2016年《中國能源統計年鑒》,除其他能源外,各能源碳排放系數取自相關文獻[15, 43, 44]中的平均值。

圖1 1995—2015年長江經濟帶能源消費碳排放量

根據式(1)估算的碳排放量及其碳排放強度變化趨勢見圖1。由圖1可知,1995—2016年長江經濟帶能源消費碳排放量總體保持上升趨勢,從1995年的32064.7萬t上升到2016年的95065.87萬t,增長了196.48%;與之對應的碳排放量強度則呈現出不斷逐漸下降的趨勢,由1995年的1.3457t/萬元下降到2016年的0.4434t/萬元。可見,2002—2012年碳排放量增長非常迅速,尤其是2005—2007年各年增長率均超過10%,2007年達到峰值的15.12%,此后碳排放增長速度略有減緩,而碳排放強度在此期間一直平穩下降。

1.2 模型設定及指標選取

IPAT模型最早由Ehrlich等于1972年提出,該模型認為人類對環境的影響(I)主要是通過人口總量(P)、富裕程度(A)、技術水平(T)三者共同起作用的,即I=P×A×T。此后,York等將其擴展為非線性隨機回歸STIRPAT模型。該模型既克服了原有模型中各因素等比例影響環境狀況不足,又可對各因素進行分解與改進,滿足了各種實證分析的需要,表達式為:

I=aPbAcTde

(2)

式中,I、P、A、T分別為環境壓力、人口總量、富裕程度和技術進步;a為該模型系數;b、c、d分別為各影響因素的待估計參數;e為隨機誤差項。

在實證分析過程中,由于簡單的線性往往不能得到一致的估計結果,因此通常需要對模型兩側同時進行對數化處理,以減少異方差和偏誤。結合面板數據特征,模型(2)變為:

lnIit=β0+β1lnPit+β2lnAit+β3lnTit+eit

(3)

為防止變量遺漏導致模型設定錯誤,更好研究長江經濟帶碳排放的驅動因素,本文基于長江經濟帶的實際情況,將STIRPAT模型的影響因子進行擴展,以盡可能全面考慮碳排放的各種影響因素。

主要影響因素包括:①人口因素(P)。人口因素分解為人口規模(POP)和人口結構(URB)兩個因素：人口規模越大,生產生活中的能源需求也越大,由此會產生更多的碳排放量,預期人口規模與碳排放量呈正相關。人口結構著重于人口的城鄉分布,用人口城市化水平衡量。一方面，城市化水平提高會增加能源需求,增加碳排放；另一方面，隨著新型城市化的發展、城市居民素質的提高,可能降低碳排放,因此城市化水平對碳排放的影響不確定。②富裕程度(A)。富裕程度主要用來衡量經濟發展對環境的影響,用人均GDP衡量富裕程度。已有研究表明，碳排放量會隨著人們收入水平的提高呈現出先增長后降低的變化趨勢,表現為倒“U”型的EKC關系。此外，還可能存在“U”型、“N”型、倒“N”型等關系。③技術水平(T)。技術水平主要反映了技術進步在治理環境污染時所起的作用,采用產業結構、能源強度、創新水平表征。產業結構(IND)用第二產業增加值占GDP的比重衡量,預期第二產業占比越高,則碳排放量越高;能源強度(EER)是衡量能源綜合利用效率的重要指標,顯然單位經濟活動能源消費的降低可提升能源效率,因此能源強度降低可減少碳排放量;借助技術進步提高創新水平,可有效抑制碳排放,本文用人均專利授權量(INV)衡量創新能力。④對外開放程度。對外開放程度主要表述在開放經濟的背景下，國際社會對國內碳排放的影響,采用外商直接投資(FDI)和貿易開放度(TOQ)衡量。FDI對地區環境質量的影響存在著“污染天堂”和“污染暈輪”兩種假說,其影響方向不確定。進出口貿易則可以通過規模效應、技術效應等擴大碳排放,本文用進出口總額占GDP的比值來衡量貿易開放度。⑤金融發展水平(FD)。金融業發展既可以通過促進經濟增長提高能源消費量,增加碳排放量;也可以給低污染低能耗企業更多的支持,通過金融業支持調整產業結構降低碳排放水平,因此其影響方向不確定。本文用信貸總量(即金融機構貸款余額+金融機構存款余額)占GDP比重來衡量。⑥環境規制(ER)。環境規制強度越大,對碳排放的抑制作用越明顯,本文借鑒黃壽峰[45]、張成等[46]的做法,用工業污染治理投資額占工業增加值比重來衡量環境規制水平。

由模式(3)擴展成模式(4),具體形式為:

lnCit=β0+β1lnPOPit+β2lnURBit+β3lnGDPit+β4lnINDit+β5lnEERit+β6lnINVit+β7lnFDIit+β8lnTOPit+β9lnFDit+β10lnERit+eit

(4)

為檢驗長江經濟帶經濟增長與碳排放是否存在倒“U”型的EKC關系,本文將模型(4)中的lnGDPit拆分為lnGDPit和(lnGDPit)2[47],模型(4)調整為:

lnCit=β0+β1lnPOPit+β2lnURBit+β31lnGDPit+β32(lnGDPit)2+β4lnINDit+β5lnEERit+β6lnINVit+β7lnFDIit+β8lnTOPit+β9lnFDit+β10ERit+eit

(5)

式中,β31、β32分別表示lnGDPit、(lnGDPit)2的系數。由模型(5)可得到人均GDP對碳排放量的彈性系數為:ERLA=β31+2β32lnGDPit。若β32的估計值小于零,說明存在倒“U”型環境庫茲涅茨曲線,即人均GDP增加到一定水平后環境質量開始改善;反之,則不存在這種關系。

1.3 數據來源與處理

本文的面板數據由1995—2015年長江經濟帶11個省級行政區構成,所用數據均來自于歷年的《中國能源統計年鑒》、《中國統計年鑒》、《新中國60年統計資料匯編》、《中國環境統計年鑒》、長江經濟帶各省市的統計年鑒和統計公報。為了消除物價上漲的影響,人均GDP以1995年為基期折算為可比價,外商直接投資數據按照當年的平均匯率進行了換算。此外，少數缺失值借助SPSS進行線性插值處理,計量分析均借助Eviews10.0軟件進行,各變量的數據見表2。

2 實證分析

2.1 變量的平穩性檢驗

為了消除異方差,本文對所有變量均做了取對數處理。同時，為了防止虛假回歸,必須對各變量的平穩性進行檢驗。本文采用LLC、Fisher-ADF兩種方法對面板數據進行了單位根檢驗,檢驗結果見表3。檢驗結果表明,除LNGDP、(LNGDP)2為二階平穩外,其他所有變量原始序列值為非平穩,但一階差分均平穩,屬于一階單整序列,因此可以進行協整檢驗。

表2 各變量描述性統計結果

表3 面板數據單位根檢驗結果

注:括號內為P值,*、**、***分別表示在10%、5%、1%水平上顯著。

2.2 面板數據的協整檢驗

由于本文面板數據時間序列長而截面短,故采用Pedroni′s、Johansen Fisher兩種方法對模型(5)的LNC、LNGDP、(LNGDP)2進行面板數據協整檢驗,結果見表4。從檢驗結果看,模型5中Pedroni′s方法基于PP檢驗和ADF檢驗的統計量均通過了組內和組間的顯著性檢驗,因此可拒絕沒有協整關系的原假設。Johansen Fisher協整檢驗中也拒絕了“不存在協整關系”的原假設,因此變量之間存在著長期協整關系,可進行回歸分析。

表4 Pedroni′s方法面板協整檢驗結果

注:零假設為變量都不協整；*、**、***分別表示在10%、5%、1%水平上顯著。

2.3 碳排放影響因素分析

利用模型(5)對長江經濟帶、東部地區、中部地區和西部地區碳排放量的影響因素分別進行了估計,回歸結果見表5。從表5得知,各模型的擬合優度均超過了98%,說明該模型的擬合程度較高,很大程度上各因素可以解釋碳排放量的增長狀況。

表5 面板數據回歸結果

注:東部地區包括上海、江蘇、浙江3省;中部地區包括安徽、江西、湖北、湖南4省;西部地區包括重慶、四川、貴州、云南4省。*、**、***分別表示在10%、5%、1%水平上顯著。

從表5的面板數據回歸結果可見,LNPOP系數為負且沒有通過顯著性檢驗,表明人口規模對長江經濟帶碳排放量影響并不明顯,但在東部地區和西部地區人口規模的增長明顯促進了碳排放量的增加。LNURB系數在1%的顯著水平上顯著為負,表明長江經濟帶城市化水平每提高1%,碳排放量將下降1.0116%。這主要是因為城市化水平的提高可能會帶來集約化的發展模式、合理的產業布局、較強的環保意識,促使碳排放量下降,這種減排效應在經濟發達的東部地區表現得較為明顯。此外,中部地區和西部地區則相反,LNURB系數為正,分別為0.0682、0.1259,意味著城市化水平每提高1%,中部地區和西部地區碳排放量將分別增加0.0682%、0.1259%?？赡艿脑蚴?，隨著中部地區和西部地區城市化水平的不斷提高,大量的農村剩余勞動力將轉化為城市人口,這促使城市的生產生活能源消費需求不斷增加,導致碳排放量增長,上述結論與預期大體一致。

除了西部地區以外,在長江經濟帶和中西部地區的LNGDP一次項系數為正，二次項系數為負,并在1%的顯著性水平上通過顯著性檢驗,表明長江經濟帶已經出現了較明顯的EKC曲線。隨著經濟的持續增長,碳排放量呈現先增加后減少的趨勢,經濟增長水平與碳排放量呈現倒“U”型關系,這與王健、田澤等學者[48,49]的研究結果是大體一致的。上述地區人均GDP每增長1%,碳排放量將分別增加(2.1176—0.0798LNGDP)%、(4.0893—0.1510LNGDP)%、(3.0621—0.1214LNGDP)%，但西部地區的經濟增長彈性系數為(0.06956+0.0421LNGDP)%。由于(LNGDP)2系數為正,表明該地區在樣本期內人均GDP與碳排放量沒有出現倒“U”型關系,即其富裕程度尚未到達可改善環境質量的拐點水平。這主要是樣本期內西部人均GDP年均增長率達到10%,經濟的快速增長、粗放的發展方式導致過度消耗能源而產生了大量的碳排放。

為了驗證長江經濟帶能源消費碳排放與經濟增長之間的關系,借鑒陳煒等[50]的方法,對上述地區的碳排放與人均GDP關系進行EKC模擬,結果見表6。

從表6可知,我國東部地區的實際人均GDP位于拐點右側,表明目前該地區碳排放量開始降低,環境質量有所好轉。

表6 長江經濟帶能源消費碳排放與人均GDP的EKC模擬

從技術水平看,LNIND、LNEER的系數均為正,且兩者均在1%的水平上通過了顯著性檢驗。這表明產業結構、能源強度對長江經濟帶的碳排放量產生了重要影響。其中,代表產業結構的第二產業占GDP比值每增加1%,碳排放量將增加0.6568%;代表能源消費水平的能源強度每增加1%,碳排放量將增加0.5020%。上述研究結果與預期一致。這可能是因為長江經濟帶第二產業中的“三高”產業(即高能耗、高排放、高污染)仍占據重要地位，導致能源消費量快速增長,未來長江經濟帶的碳減排形勢嚴峻。代表創新水平的人均專利授權量LNINV系數也為正,并在10%的顯著水平上通過了顯著性檢驗,意味著人均專利授權量每增加1%,碳排放量將增加0.0539%。該結果與預期完全相反?？赡苁且驗殚L江經濟帶的綠色科技創新成果較少,導致用于減排的創新成果更少。此外,在對碳排放量產生重要影響的其他因素中,LNFDI、LNFD的系數均為負值,且分別在1%、5%的水平上通過了顯著性檢驗。其中,外商直接投資總量增加了1%,碳排放量將減少0.1334%,表明長江經濟帶總體上外商直接投資帶來的“污染暈輪”超過了“污染天堂”效應,這可能與外商直接投資引進各種清潔技術和環境友好型產品有關。

尤其需要注意的是,我國中部地區和西部地區的LNFDI系數顯著為正,這可能是因為中部地區和西部地區的第二產業增加值占GDP比重大多為50%—60%,已經具備了一定的工業化水平,容易引進發達國家的轉移污染企業而淪為“污染避難所”。金融發展水平的提高對長江經濟帶及其三大區域的碳減排均具有明顯的抑制作用,尤其是東部地區抑制作用更加明顯,金融發展水平每提高1%,碳排放量將減少0.3293%,這可能是因為金融業的發展帶動了長江經濟帶產業結構的優化，并促進了低碳經濟的發展。LNTOP、LNER的系數均未通過檢驗,這表明貿易開放度和環境規制對碳排放量的影響并不顯著。

總體上來看,在眾多因素之中,經濟增長依然是推動我國碳排放量增加的一個最主要因素,產業結構和能源強度的影響次之，而城市化水平、外商直接投資、金融發展則對碳排放具有較為顯著的抑制作用。

3 結論

本文采用我國長江經濟帶1995—2016年的面板數據,基于STIRPAT模型分析了人口因素、經濟增長因素、技術水平因素和其他因素對長江經濟帶碳排放的影響,同時驗證了長江經濟帶“EKC”曲線的存在,主要結論為:

首先，人口規模對長江經濟帶碳排放量沒有顯著影響;城市化水平對東部地區具有顯著的抑制作用,城市化水平每提高1%,碳排放量將下降0.2193%;中部地區與西部地區城市化水平對碳排放具有顯著的推進作用,城市化水平每提升1%,碳排放量將分別增加0.0682%、0.1259%。

其次，碳排放與人均GDP之間呈顯著的倒“U”型曲線關系,但目前只有東部地區通過碳排放的拐點,中部地區接近拐點,而西部地區碳排放量在較長時期內將持續增長。

第三，技術水平中的產業結構和能源強度都對長江經濟帶的碳排放均產生顯著影響,其彈性系數分別為0.6568%、0.5020%,兩者對中部地區和西部地區的影響遠遠大于東部地區,創新水平對碳排放量影響微弱。

第四，在其他影響因素中,外商直接投資、金融發展水平對碳排放有顯著的抑制作用,其彈性系數分別為-0.1334%、-0.1364%。其中,外商直接投資對東部地區碳排放具有明顯的抑制作用,而對中部地區與西部地區具有推進作用,金融發展水平對東部地區的抑制作用最明顯。此外,貿易開放度和環境規制沒有通過顯著性檢驗,兩者對碳排放量的影響均較小。