能源消費與環境污染的關系研究

周南南 林修宇

[摘 要]基于能源消費對環境污染的重要影響，選取衡量能源消費和環境污染的評價指標，采用主成分分析分別測度各地區能源消費水平和環境污染程度;選取2011—2017年我國30省份的面板數據，構建回歸模型研究能源消費與區域環境污染的關系。結果表明：不同變量對環境污染的影響不同，能源消費、人口因素對環境污染的影響為正，科技水平對環境污染的影響為負。據此，提出應優化能源消費結構、擴大環境治理投資規模、發揮政府引領作用的對策建議。

[關鍵詞]主成分分析;能源消費;環境污染

[中圖分類號]F206 [文獻標識碼]A [文章編號]1671-8372（2020）03-0062-08

Abstract：Based on the important influence of energy consumption on environmental pollution， the evaluation indexes of energy consumption and environmental pollution is selected， and the principal component analysis is used to measure the energy consumption level and environment pollution degree. The panel data of 30 provinces from 2011 to 2017 were selected to build a regression model to study the relationship between energy consumption and regional environmental pollution. The results show that different variables have different effects on environmental pollution， the influences of energy consumption and population factors on environmental pollution are positive， and the influences of science and technology level on environmental pollution are negative. Based on this， some countermeasures and suggestions are put forward to optimize the energy consumption structure， expand the investment scale of environmental governance， and give play to the leading role of the government.

Key words：principal component analysis; energy consumption; environmental pollution

一、引言

隨著中國特色社會主義進入新時代，中國經濟已由高速增長轉向高質量發展，經濟總量已位居世界第二，同時也應清晰地認識到經濟實力不斷提升的背后往往伴隨著的是資源、能源的過度使用。作為世界上最大的發展中國家，中國是能源生產和消費大國。以2018年為例，中國能源生產總量達到37.7億噸（以標準煤為單位），其中原煤占比69.3%，原油占比7.2%，天然氣占比5.5%，其他能源占比18.0%;中國能源消費總量達到46.4億噸（以標準煤為單位），其中原煤占比59.0%，原油占比18.9%，天然氣占比7.8%，其他能源占比14.3%。根據《BP世界能源統計年鑒2019》數據顯示，2018年，中國占全球能源消費量的24.0%和全球能源消費增長的34.0%，連續18年穩居全球能源增長榜首。高投入、高消耗的粗放式能源消費模式已嚴重阻礙中國經濟的可持續發展。因此，研究能源消費與環境污染的關系具有重要的現實意義。

有學者對能源消費與環境污染二者之間的關系進行了分析。張紅通過研究山東省能源消耗和環境污染的現狀，發現山東省的經濟增長是以巨大的能源消耗為基礎，而能源的過度消耗進一步導致嚴重的環境污染[1];Apergis等通過研究考察25個經合組織國家的煤炭消費與經濟增長之間的關系，發現煤炭消費與經濟增長存在短期和長期的雙向因果關系，且短期的雙向因果關系為負[2];高源等對中國煤炭、石油天然氣消費量與工業三廢排放量進行灰色關聯分析，發現中國能源消費和環境污染之間的關聯度是顯著的[3];Bilgili等通過研究可再生能源消費對環境質量潛在影響的環境庫茲涅茨曲線（EKC）假說，發現人均國內生產總值和人均國內生產總值平方分別對二氧化碳排放量產生正面和負面影響，可再生能源消費與二氧化碳排放量存在負因果關系[4];冷艷麗等考察能源價格扭曲對霧霾污染的影響，發現能源價格扭曲對霧霾污染具有正向影響[5]。

還有學者在能源消費與環境污染二者中加入其他因素進行了研究。楊旭等基于VECM模型研究經濟增長與環境污染和能源消耗的關系，發現中國的經濟增長與環境污染和能源消耗存在長期穩定的協整關系，能源消耗波動始終是環境污染的主要原因，證明我國經濟的高速增長是以能源消耗為代價，并在能源消耗的過程中又造成了環境污染[6]。Bastola等通過探討尼泊爾能源消耗、污染排放和經濟增長之間的因果關系，得出能源消費與碳排放存在長期的雙向因果關系，經濟增長與碳排放和能源消費存在單向因果關系[7]。袁程煒等基于四川省1991—2010年樣本數據，發現污染綜合指數、能源消費與污染的交叉乘積項對經濟增長存在長期穩定關系，而且能源消費對經濟增長的正向效應大于環境污染對經濟增長的負向效應，但環境污染本身對經濟增長負向效應顯著[8]。Zhang Lei等利用1995—2011年的區域面板數據，在多變量框架下通過探討國際旅游業對中國經濟增長、能源消費和環境污染的影響，得出旅游業對我國東中西部地區的經濟增長和二氧化碳排放均有因果關系、經濟增長與二氧化碳排放之間存在反饋效應的結論，驗證了旅游誘發EKC假說在我國并不存在的事實[9]。蔣照華等從綠色創新的環境效益出發，通過VAR模型證明綠色創新對能源消耗和環境污染問題能起到一定的改善作用[10]。馬青等利用PVAR模型和GLS方法檢驗城鄉收入差距對能源消費與溫室氣體和污染物排放的影響，得出碳排放和固體廢物排放受城鄉收入差距影響均為正效應，受廢水排放呈負效應;通過GLS回歸得出，固體廢物排放量不同、城鄉收入不同對工業固體廢物排放倶表現出顯著的異質性[11]。

本文以我國30省份作為研究樣本，以2011—2017年為研究區間，在測量能源消費水平和環境污染程度的基礎上，構建回歸模型，研究能源消費與環境污染之間的關系，并提出促進能源環境可持續發展的相關建議。

二、研究設計

（一）方法介紹

1.典型相關分析

本文采用典型相關分析，分析能源消費和環境污染是否存在較強的相關關系，這也是進行后續實證分析的前提。典型相關分析是研究兩組變量之間線性相關關系的一種多元統計方法，其基本思想是在兩組變量中分別提取有代表性的兩組綜合變量U和V，分別是兩組變量通過線性變換得到的線性組合。U和V也被稱為典型相關變量，利用典型相關變量之間的相關關系能夠反映兩組變量的整體相關性。

2.主成分分析

在對某一事物進行實證研究時，為了全面、準確地反映事物特征及其發展規律，需要構建相關指標評價體系。但隨著相關指標的增多不可避免地造成信息重疊，從而增加研究的復雜性。故需要采用主成分分析法、因子分析法、層次分析法進行相關分析，以確保得出的結果更加全面準確。主成分分析法是利用降維的思想[12]篩選相關指標，將重復的指標刪去，建立盡可能少的綜合變量。這些綜合變量即為主成分，包含了原始數據中大部分的信息。該方法能避免信息的大量重疊和主觀賦權評價的影響，保證結果的客觀性。計算步驟具體如下：

（1）設對某一事物的研究涉及p個指標，分別用表示。p個指標構成的p維隨機向量組X可表示為，對向量組進行線性變換，可以形成新的綜合變量，用Y表示，可表示為：

（2）采用Z-Score法對數據進行標準化處理。通過處理將不同大小、不同單位的數據轉化為統一度量、無單位的Z-Score分值，使得數據標準統一化，提高數據的可比性。計算公式為：

其中，Xij表示第i個指標第j個樣本的原始數據，μi表示第i個指標的樣本均值，σi表示第i個指標的樣本標準差。

（3）計算相關系數矩陣。

（4）計算特征根和相應的標準特征向量。

（5）根據主成分得分矩陣以及方差貢獻率，計算相關指標的綜合得分。

3.聚類分析

聚類分析將研究個體進行分類，使得同一類的對象之間的相似性比其他類的對象相似性更強。其目的在于使同類間對象的同質性最大化和不同類間對象的異質性最大化。對樣品的分類常稱為Q型聚類分析，對變量的分類常稱為R型聚類分析。聚類分析中包含許多方法，如系統聚類法、模糊聚類法、K-均值法、有序樣品的聚類和分解法等。本文采用系統聚類法，對主成分分析得到的能源消費和環境污染的兩類綜合得分進行聚類分析。

（二）指標選取和數據來源

評價指標的選取是研究能源消費和環境污染的關鍵步驟，所選指標需要能很好地測算能源消費水平和環境污染程度。基于數據可得性原則，本文選擇各地區煤炭消費量（X1）、石油消費量（X2）、天然氣消費量（X3）、電力消費量（X4）、城市燃氣普及率（X5）、縣城燃氣普及率（X6）和村鎮燃氣普及率（X7）作為反映能源消費水平的綜合評價指標;選擇各地區二氧化硫排放量（Y1）、氮氧化合物排放量（Y2）、煙塵排放量（Y3）、廢水排放總量（Y4）、環境污染治理投資（Y5）和工業污染治理投資（Y6）作為反映環境污染程度的綜合評價指標。由于Y5和Y6與環境污染呈負相關，取負值作正向處理。構建的指標體系見表1和表2。

三、能源消費水平和環境污染程度評價

（一）能源消費和環境污染的典型相關分析

根據收集的能源消費和環境污染數據，通過SPSS19.0軟件的典型相關分析，得到典型相關系數表（見表3）。

由表3可知，共有三對典型相關變量通過5%顯著性水平檢驗，得到的典型相關系數分別為λ1=0.986，λ2=0.854，λ3=0.754，三個典型相關系數均較高，表明典型相關變量之間高度相關。

根據提取的典型相關變量計算得到典型相關變量與原始變量的相關系數表，也稱為典型載荷矩陣（見表4）。該表由四個部分組成：第一部分（U與X）和第四部分（V與Y）是本組變量與本組典型變量的相關系數，第二部分（V與X）和第三部分（U與Y）是本組變量與另一組典型變量的相關系數。由表4可知，能源消費的第一對典型變量與X1-X4高度相關，第二對典型變量與X7高度相關，第三對典型變量與X5-X6高度相關，說明選取的綜合指標很好地反映能源消費情況;X1-X4與環境污染的第一對典型變量高度相關，表明能源消費不僅受內部指標的影響，也受外部環境污染指標的影響。環境污染的第一對典型變量與Y1-Y6高度相關，表明選取的綜合指標很好地反映環境污染情況;Y1-Y6與能源消費的第一對典型變量高度相關，表明環境污染不僅受內部指標的影響，也受外部能源消費指標的影響。

由表5可知，兩組變量的第一典型冗余之和分別為0.611和0.802，第二典型冗余之和分別為0.523和0.719，表明三對典型變量不僅能很好地解釋本組原始變量，還能很好地解釋另一組原始變量;三個典型相關系數的平方分別0.972、0.724、0.569，同樣表明能源消費和環境污染之間具有很強的相關性。

（二）能源消費和環境污染的主成分分析

1.能源消費水平評價

根據收集的我國30省份能源消費指標的相關數據，對我國地區能源消費水平進行主成分分析，具體分析過程及結果如下：

（1）KMO和Bartlett球形檢驗

KMO和Bartlett球形檢驗是用于辨別變量之間是否存在相關性，判斷主成分分析是否適用的一種方法。一般來說KMO值越接近1，表明變量越適合進行主成分分析。Bartlett檢驗結果的顯著性水平小于0.1，表明各變量間存在相關性，適合進行主成分分析。經檢驗，KMO值為0.661，Bartlett檢驗值為132.473且P值為0.000，表明適合進行主成分分析。

（2）計算相關系數矩陣

在KMO和Bartlett球形檢驗的基礎上，計算原始變量的相關系數矩陣，得到的結果如表6所示。

2.環境污染程度評價

對我國30省份的環境污染指標進行KMO 和 Bartlett 球形檢驗，經檢驗KMO值為0.650，Bartlett檢驗值為151.573且P值為0.000，表明所選指標適合進行主成分分析。在此基礎上計算原始變量的相關系數矩陣，得到的結果如表9所示。

由表10可知，第一個主成分特征值為3.913，方差貢獻率為65.214%;第二個主成分特征值為1.118，方差貢獻率為18.639%;第三個主成分特征值為0.454，方差貢獻率為7.569%。前三個主成分累計貢獻率達到91.896%，能較好地保留原始變量的信息，故選取3個主成分替代6個原始變量。根據因子載荷矩陣，可得主成分得分系數矩陣，如表11所示。

3.能源消費和環境污染的綜合得分

將標準化處理的數據代入式（3）、式（4）、式（5）分別求出F1、F2、F3的值，再代入式（6）求出W1，得到2017年我國30省份的能源消費水平綜合得分及排名情況。將標準化處理后的數據代入式（7）、式（8）、式（9）分別求出F4、F5、F6的值，再代入式（10）求出W2，得到2017年我國30省份的在環境污染程度綜合得分及排名情況（見表12）。

表12中，正值代表地區的能源消費或環境污染高于全國平均水平，負值代表能源消費或環境污染低于全國平均水平。綜合得分越高，則能源消費水平或環境污染程度越高，從而也可以直觀地看出各省市之間存在著較大的差異。

總體來看，能源消費水平高于全國平均水平的有13省份，環境污染高于全國平均水平的有13省份，表明能源消費與環境污染存在正相關關系，能源消費水平越高，其環境污染程度越嚴重。其中，以山東、江蘇、廣東、浙江、河北為代表的經濟實力較強和人口較多的地區，其兩類綜合得分均排在前列，表明這些地區能源消耗量較大，環境污染較為嚴重。從東中西空間分布來看，能源消費水平和環境污染程度較高的地區多數在東部地區，山西屬于中部地區，內蒙古、新疆屬于西部地區;而排名較為落后的北京、天津、上海、海南屬于東部地區。這表明不僅區域間的能源消費和環境污染存在差異，區域內部也存在不均衡的現象。但總體上東部地區能源消費水平和環境污染程度較高，中西部地區能源消費水平和環境污染程度較低。

（三）能源消費和環境污染的聚類分析

根據我國30省份的能源消費水平和環境污染的綜合得分及排名情況，采用系統聚類方法對兩項綜合指標得分進行聚類。具體結果如圖1所示。

四、能源消費對區域環境污染的影響

（一）變量選取及模型設定

環境污染程度除受能源消費因素影響外，還受產業結構、人口、科技等其他因素的影響。通過對已有文獻的梳理和實際污染現狀的分析，本文選擇能源消費水平（EC）作為核心解釋變量，區域環境污染程度（EP）作為被解釋變量，產業結構、人口壓力、科技水平作為控制變量。其中，選擇此前主成分分析的綜合得分作為衡量能源消費水平和環境污染程度的指標，產業結構（IS）用第二產業占地區生產總值的比重表示，人口壓力（HUM）用年末常住人口表示，科技水平（TD）用R&D投入占GDP比重表示。設定的回歸模型如下：

（11）

式（11）中，i代表不同省份樣本，t代表不同時期，βi代表待估參數，α代表截距項，μ代表隨機擾動項。基于數據可得性原則，對于部分缺失數據采用移動平滑法進行補齊，然后使用Stata15.0進行分析。

（二）實證結果分析

1.單位根檢驗

在進行實證分析前，為保證數據的平穩性和結果的準確性，消除變量可能存在的偽回歸，需要對面板數據的相關指標進行單位根檢驗。為避免單一方法檢驗的局限性，本文采用LLC、ADF-Fisher進行檢驗，檢驗結果如表13所示。

由表13可知，環境污染、能源消費、產業結構、人口壓力、科技水平的兩種檢驗均通過5%顯著性水平檢驗，表明這四個變量在水平情況下是平穩的，在回歸分析時不會產生偽回歸。

2.Hausman檢驗

對于面板數據而言，選擇固定效應模型和隨機效應模型非常關鍵，需要進行Hausman檢驗進行判斷。Hausman檢驗的原假設為，備擇假設為。若原假設成立，則選擇隨機效應模型更為有效，反之選擇固定效應模型更為有效。經過Hausman檢驗，檢驗統計量值為67.51，P值為0.0000，故應拒絕原假設，選擇備擇假設，使用固定效應模型進行回歸分析。

3.回歸結果分析

使用Stata15.0進行分析，得到能源消費對環境污染的回歸結果（見表14）。

由表14可知，模型的R2=0.8093，修正后的R2=0.8056，這表明各變量之間擬合程度較高;各變量除產業結構外在1%顯著性水平下均通過檢驗，表明環境污染程度與能源消費水平、產業結構、科技水平之間均有顯著相關性，而人口壓力對環境污染的影響不顯著。能源消費、產業結構、人口壓力、科技水平的回歸系數分別為0.7673、0.2607、0.0001、-18.0152，表明在其他條件不變的情況下，能源消費每增加1，環境污染隨之平均增長0.7673;第二產業占比每增加1，環境污染隨之平均增長0.2607;人口總量每增加1，環境污染平均增長0.0001;R&D經費支出占比每提高1，環境污染平均降低18.0152。

具體來看，能源消費對環境污染的影響為正，這是由于我國能源消費結構不合理、煤炭使用量仍占比過大、能源利用率偏低，導致環境污染嚴重;產業結構對環境污染的影響為正，這是因為工業污染是環境污染的主要來源之一，隨著第二產業產值比重的增加，工業廢氣、廢水、固體廢物排放量也會增加，其處理凈化較為困難，導致環境污染加劇，環境治理效率低下;人口對環境污染呈顯著正相關，表明隨著人口數量的增多，生活需要和工業發展產生的垃圾也隨之變多，進而導致環境污染程度加深;科技水平對環境污染的影響為負，并且影響系數非常大，表明科技水平的提高能顯著改善環境污染程度，這是由于科技能引入清潔能源技術和能源利用技術，減少了環境污染物的排放，從而提高環境治理效率和能源利用率。因此，在未來的環境污染防治中，可根據影響變量有針對性地提出建議，降低環境污染、增強能源可持續發展。

五、結論與建議

本文研究能源消費對環境污染的影響，首先選取反映能源消費水平和環境污染程度的相關指標，通過主成分分析測度我國30省份的能源消費水平和環境污染程度。其次，選取2011—2017年各地區的面板數據，在相關指標測度的基礎上，通過構建回歸模型，對能源消費與區域環境污染的關系進行實證分析。研究結果表明：能源消費、產業結構、人口壓力對環境污染的影響為正，而科技水平對環境污染的影響為負。為此提出促進能源消費可持續發展和環境污染治理的相關建議如下：

一是優化能源消費結構，提高能源使用效率。我國能源消費結構仍然是以化石能源為主，而化石能源的特點是碳含量較高，燃燒產生大量的有害氣體，多是不可再生能源。因此，減少煤炭、原油、石油等高污染能源的使用，尋找清潔能源等可再生能源，可以有效解決碳排放過大和化石能源依賴過度的問題;將提高能源利用效率作為實施環境保護和可持續發展的重要戰略，可以達到節約成本、有效控制環境污染程度加重的目標，從而利用低成本獲取高回報，大力發展低碳經濟。

二是加大環境治理投資力度，優化產業結構，促進經濟綠色發展。國家應給予更多支持，擴大環境污染治理資金的投入規模，拓寬資金流動渠道，建立長期的資金保障體制，為實現環境治理提供資金支撐;加大關鍵技術的研發和引進，培養相關技術人才，推動產業結構優化升級，減少重工業等高污染產業的比重，發展清潔產業，建立資源節約型和環境友好型社會。

三是充分發揮政府的指導作用，積極引導個人、企業為環境治理作出重要貢獻。各地區政府應加強環境治理水平，建立多元化的監管體系，嚴格落實各項污染指標減排措施，提倡綠色、低碳、環保的生活方式;加強區域間的交流合作，發揮區域聯動作用，共同推進環境污染治理工作。居民應提高環保意識和資源節約意識，學會垃圾分類，減少生活垃圾的產生。企業應不斷創新，嚴控污染治理各環節，加強利用不同污染物處理的新技術，從而減少污染氣體的排放量。由此，政府、個人和企業多方聯動，共同提高生態環境質量，從而達成人與自然和諧發展的新格局。

張紅.山東省能源消耗與環境污染現狀及對策分析[J].山東社會科學， 2008（6）：113-116.

Apergis N，Payne J E.Coal consumption and economic growth：evidence from a panel of OECD countries[J].Energy Policy，2010（3）：1353-1359.

高源，牛飛亮.能源消費與環境污染的灰色關聯分析[J].中州學刊，2010（2）：79-81.

Bilgili F，Kocak E，Bulut U.The dynamic impact of renewable energy consumption on CO2 emissions：a revisited environmental Kuznets curve approach[J].Renewable and Sustainable Energy Reviews， 2016（54）： 838-845.

冷艷麗，杜思正.能源價格扭曲與霧霾污染—中國的經驗證據[J].產業經濟研究， 2016（1）：71-79.

楊旭，徐洋，王寶健，等.基于VECM模型的經濟增長與環境污染和能源消耗關系研究[J].地理與地理信息科學，2012（5）：75-79.

Bastola U，Sapkota P.Relationships among energy consumption， pollution emission， and economic growth in Nepal[J].Energy，2015（80）：254-262.

袁程煒，張得.能源消費、環境污染與經濟增長效應—基于四川省1991—2010年樣本數據[J].財經科學，2015（7）：132-140.

Zhang L，Gao J.Exploring the effects of international tourism on China's economic growth，energy consumption and environmental pollution：evidence from a regional panel analysis[J].Renewable and Sustainable Energy Reviews，2016（53）：225-234.

姜照華，馬嬌.綠色創新與環境污染、能源消耗的相互關系研究[J].生態經濟，2019（4）：160-166.

馬青，傅強.城鄉收入差距、能源消耗與環境污染的雙向耦合關系—基于經濟起因的互動關系[J].技術經濟，2019（3）：67-77.

秦炳濤，葛力銘.我國區域工業經濟與環境污染的實證分析[J].統計與決策，2019（4）：133-136.

[責任編輯 祁麗華]