長三角地區產業低碳發展影響因素識別與路徑分析

丁典 廖雪伶

摘 要：本文運用STIRPAT模型從制造業比例、制造業城鎮就業人口和能源效率三個角度探究長三角地區二省一市——浙江省、江蘇省和上海市制造業碳排放的影響因素。實證結果顯示：制造業城鎮就業人口對浙江省和上海市碳排放具有顯著正向影響;制造業比例均是二省一市碳排放量的促進因素;能源效率對上海市碳排放具有抑制作用。根據分析結果，提出控制就業人口規模、降低制造業比例、發展低碳產業、提高能源效率等建議，促進長三角地區制造業高質量發展。

關鍵詞：STIRPAT模型? 長三角地區? 制造業? 碳排放

中圖分類號：F127 文獻標識碼：A 文章編號：2096-0298（2020）08（b）--04

1 研究背景

工業的高度發展使人們對資源保護的預防措施無法匹配當前的工業發展速度，致使資源短缺和環境破壞等問題接踵而至，全球溫室氣體排放量呈指數上升，環境問題不僅是國家問題，如今更是成為全球問題。中國是能源消耗最大的國家，也是碳排放量第二大國家，應當義不容辭地走在節能減排第一位。因此，中國在“十八屆五中全會”上明確提出，必須走綠色低碳發展的道路，促進建立綠色低碳循環發展產業體系。第十九次全國人民代表大會之后，也提出了進一步促進綠色發展，建立和完善綠色循環發展經濟體系的建議[1]。

當前，中國正處于經濟高質量發展的重要時期，經濟運行的主要矛盾已從總量問題轉向結構性問題。加快新舊動能轉化是促進經濟結構轉型和產業升級的重要途徑。作為中國國民經濟的重要支柱，制造業也將向更高的水平發展，迫切需要加快制造業中新舊動能的轉化。當前，我國制造業中高耗能行業占比較高，隨之而來的是高碳排放。因此，促進制造業的高質量發展是實現可持續發展和符合中國環境承載力的正確選擇。

長江三角洲作為全國重點經濟發展帶，其碳排放比重占據全國碳排放較大比重。這意味著長江三角洲的碳排放形勢十分嚴峻，降低碳排放刻不容緩。長江三角洲的污染主要來源于制造業，因此降低長三角地區的碳排放量，首先要從降低該地區制造業的碳排放入手。本文主要通過估算長三角地區二省一市制造業碳排放量，基于STIRPAT模型分析制造業城鎮就業人口、制造業比例和能源效率與碳排放量的關系，從而探索出長三角地區制造業高質量發展的實現路徑。

2 文獻綜述

2.1 制造業發展

隨著時代的不斷發展，制造業以各種方式適應時代發展，不斷改革生產模式。在制造業規模隨著工業化進程變化的同時，其內部結構和發展機制也在發生巨大變化。這是制造業的結構變化定律，包括內部行業迭代和外部空間轉移。制造業內部的行業迭代，即不同的行業又經歷了“高速增長-達到峰值-逐步下降”的過程。

對于我國制造業現狀，國內外均有許多學者對此研究分析，國外主要學者有FeenstraR.C（2015）、InklaarR.（2015）等;國內學者主要有段敏芳（2019）、唐紅祥（2019）等。現有學者指出，雖然我國是全球制造業規模最大的國家，但在龐大規模的背后暗含管理和技術問題。隨著國際競爭日益激烈，歐美發達國家占據價值鏈上游，新興工業化國家憑借更低廉的勞動力、資源和更優惠的政策等優勢承接產業轉移[2]。而我國制造業產業結構低端、產品質量問題頻發、產能過剩等問題日益突出，小到產品質量，大到產業發展質量都亟待關注。因此，在當前的國際形勢下，中國制造業要站在新一輪工業革命的前沿，必須提高發展水平，促進產業結構升級，從大規模的制造業國家向強大的制造業國家轉變。

2.2 碳排放影響因素

目前，國內外關于碳排放影響因素的研究主要分為四類。第一類是關于能源消費模式的研究，分析制造業能源消費現狀，了解制造業的能源消費結構和能源利用率，以期為行業提出可行的對策建議，為制造業低碳發展提供參考。此領域的主要研究學者有卓駿（2018）、馮杰（2019）等。其中，Gonzalez使用LMDI方法分析了1965—2010年墨西哥的工業碳排放。結果表明，結構效率，碳排放系數和能量強度是影響碳排放的主要因素[3];第二類是關于技術水平的相關研究，分析生產技術水平和碳排放量之間的聯系，并揭示其內在規律。國內主要研究者有王柏玲（2015）、韓鈺鈴（2018）、錢浩祺（2019）等;第三類是產業結構，邵帥等（2017）使用GDIM研究了1995—2014年制造業碳排放的驅動因素[4];第四類是投資，主要研究者有賈妮莎（2016）、冉啟英（2019）等。此外，邵帥等學者還針對與投資相關的因素如投資碳強度、投資效率等展開具體研究。

綜上，現今國內外有大量學者對制造業的現狀和碳排放情況進行了專業和一定深度的研究，指出了當今中國制造業的不足和碳排放的影響因素，卻鮮有研究把制造業經濟發展質量和碳排放結合起來，探索出制造業如何實現高質量發展。本研究從兩者聯系出發，即從產業結構、生產技術水平、能源消費模式角度進行分析，運用STIRPAT模型對長三角地區數據分析，尋求既能降低制造業碳排放，同時又能推進制造業高質量發展的實現路徑及對策。

3 研究方法與數據來源

3.1 二氧化碳排放量的測算

由于長三角二省一市的統計數據方式不同，江蘇省和浙江省的碳排放量根據規模以上制造業企業的主要能源消費量進行計算，而上海市碳排放量根據工業能源終端消費量進行計算的。

3.1.1 浙江省和江蘇省碳排放計算方法

江蘇省和浙江省的碳排放量利用中國碳排放交易網提供的各能源碳排放系數[5]和統計年鑒中提供的規模以上制造業企業能源消費量中的7種主要能源消費量，包括焦炭、原油、汽油、煤油、柴油、燃料油、液態石油氣，得到兩省主要能源年碳排放量，再相加進行匯總，從而得到每年規模以上工業企業的碳排放量。計算方式如下：

CO2表示待估算的二氧化碳排放量; i表示各種主要能源燃料; Ei代表各種能源的燃燒消費量; μi表示各種能源的碳排放系數[6]。

3.1.2 上海市碳排放測算方法

上海市碳排放量的測算利用各年主要工業能源終端消費量數據。根據中國碳排放交易網提供的數據，燃燒1噸標準煤能排放2.493噸二氧化碳，從而得到上海市2003—2017年工業碳排放量的估算值。

3.2 STIRPAT模型的構建及指標選取

本文采用York等[7]提出的STIRPAT模型，該模型是對IPAT模型的進一步改進和擴展，克服了其假設“各因素等比例影響環境狀況”的不足，其標準形式為：

其中：模型系數為a，誤差為e; I、 P、 A、 T分別代表環境壓力、人口規模、富裕程度和技術水平。 P、 A、 T的指數分別用b、 c、 d表示[8]。

在實際應用中，通常在模型的兩側進行對數處理，以減少誤差[9]，則模型為：

其中， I為長三角地區各省、直轄市的能源消費碳排放量（萬噸）; P為制造業城鎮就業人口（萬人）; A為制造業比例，即制造業總產值與地區生產總值之比; T為能源效率，即制造業總產值與制造業能源消費量之比（億元/萬噸標準煤）。

3.3 數據來源

本文制造業總產值、地區生產總值、城鎮就業人口規模和能源消費量等數據來自國家統計局，《上海統計年鑒（2004—2018）》，《江蘇統計年鑒（2000—2017）》和《浙江統計年鑒（2008—2019）》部分篇目。

4 實證分析

4.1 單位根檢驗

非平穩時間序列會出現“偽回歸”現象。因此本文運用Eviews 8對lnP、lnA、lnT和lnI進行ADF單位根檢驗，以保證時間序列的平穩性。結果顯示，浙江省、江蘇省和上海市的原始變量的平穩性并不存在，但在經過二階差分后序列平穩，均變為零階單整序列。

4.2 多重共線性檢驗

為避免模型因變量間存在多重共線性而失真，本文運用SPSS24.0對長三角二省一市的因變量lnI和自變量lnP、lnA、lnT進行共線性診斷，通過條件索引判斷變量間是否存在多重共線性。

共線性診斷結果如表1所示，當維數達到3和4時，條件索引的值都大于10，即浙江省、江蘇省和上海市的變量之間均存在多重共線性。使用普通最小二乘回歸進行的無偏估計不再是可靠的估計結果。因此，為了消除多重共線性的影響，本文采用嶺回歸法進行擬合[10]。

4.3 嶺回歸分析

對于變量之間的共線性問題，嶺回歸本質上是一種優化的最小二乘法和有偏回歸方法。本文利用SPSSAU軟件對二省一市進行了嶺回歸分析，并通過觀察嶺跡圖和中間過程值確定嶺參數，得到回歸模型。

4.3.1 浙江省

在浙江省的嶺跡圖中，當嶺參數K從0變化到0.01時，自變量的回歸系數發生較大變化，但當嶺參數K大于0.01之后，自變量的回歸系數趨于穩定。為保證更高的擬合精度，嶺參數K值應盡可能小，故最終確定嶺參數K=0.01。以lnI為被解釋變量進行嶺回歸分析，結果顯示（表2），模型的R2為0.843，意味著lnP、lnA、lnT可以解釋lnI的84.3%變化原因。模型通過F檢驗（p=0.001<0.05），進而說明lnP、lnA、lnT中至少有一項對lnI產生影響。

得到模型：

通過總結分析可知，lnP和lnA會對lnI產生顯著正向影響關系，lnT不會對lnI產生影響，即制造業城鎮就業人口規模的增加和制造業比例的降低會促進浙江省碳排放量的增長，能源效率對碳排放量沒有顯著影響。

4.3.2 江蘇省

根據SPSSAU和嶺跡圖分析，最終確定嶺參數K=0.01。

由表 3可知江蘇省的嶺回歸模型為：

通過嶺回歸分析可知，lnP和lnT的p值均大于0.05，只有lnA對lnI產生顯著正向影響。因此江蘇省制造業比例的增加會促進碳排放的增長。

4.3.3 上海市

根據SPSSAU和嶺跡圖分析，最終確定嶺參數K=0.03。

由表 4的嶺回歸分析結果可知，上海市的嶺回歸模型為：

模型中，lnP、lnA系數為正，lnT的系數為負，由此可得制造業城鎮就業人口規模和制造業比例均對上海市的碳排放量產生積極影響，而能源效率對碳排放量具有抑制作用。

5 結論與建議

本文基于STIRPAT模型，實證分析長三角地區二省一市的制造業城鎮就業人口、制造業比例和能源效率對碳排放量的影響，得到以下結論和建議。

5.1 結論

（1）對浙江省分析結果來說，制造業城鎮就業人口規模的增加和制造業比例的增長會導致浙江省碳排放量的增長，且城鎮就業人口規模對碳排放量的影響更大，即可以通過控制就業人口規模，控制制造業比例來減緩碳排放量的增加。

（2）對江蘇省分析結果來說，僅有制造業比例影響因素對碳排放存在影響。制造業比例的增長會對江蘇省的碳排放產生促進作用，可適當減緩制造業的發展。

（3）關于上海市的制造業碳排放情況，三個因素均對碳排放量有顯著影響。其中，制造業城鎮就業人口規模對碳排放量的影響最大，再是能源效率和制造業比例。城鎮就業人口規模和制造業比例對碳排放產生積極影響，而能源效率對其產生消極影響。因此可以通過控制制造業城鎮就業人口規模、降低制造業比例和提高能源效率以減少二氧化碳的排放。

5.2 建議

（1）控制就業人口規模，減少制造業城鎮人口數量。實證分析結果顯示，制造業城鎮就業人口對浙江省和上海市碳排放量的影響最大。因此，浙江省和上海市要實現制造業低碳發展，必須控制制造業城鎮就業人口規模。同時政府也應該鼓勵制造業企業精細化人員配置，降低人力成本，提高工作效率，促進制造業企業高質量發展。

（2）優化產業結構，促進低碳產業快速發展。長三角地區二省一市的回歸分析結果均顯示，降低制造業比例有利于減少碳排放量。因此，長三角地區可適當降低制造業比例，發展能耗較低的第三產業以減少二氧化碳的排放。政府可以出臺一些惠企政策，鼓勵制造業企業優化產業結構并引導低碳產業的發展，以促進制造業高質量發展和環境保護。

（3）提升節能減排技術，提高能源利用率。發展低碳經濟就是要提高能源利用率，構建清潔能源結構[11]。因此，上海市可增加科技投入，加快制造業企業技術改造和升級，提高能源效率。

參考文獻

張恪渝，廖明球.中國經濟增長與碳排放之間的關系研究——基于非參數bootstrap方法構建的VEC模型[J].數理統計與管理，2019，38（01）.

段敏芳，左爽.我國制造業國際競爭力比較研究[J].中南民族大學學報（人文社會科學版），2019，39（02）.

岳書敬，鄒玉琳.基于因素分解模型的江蘇碳排放影響因素分析[J].徐州工程學院學報（社會科學版），2018，33（03）.

邵帥，張曦，趙興榮.中國制造業碳排放的經驗分解與達峰路徑——廣義迪氏指數分解和動態情景分析[J].中國工業經濟，2017（03）.

廖芳，陳麗娜.江蘇省碳排放現狀及影響因素的研究[J].河北企業，2015（01）.

付云鵬，祝國君，馬樹才.能源消費、經濟增長與碳排放總量之間的關系研究——以遼寧省為例[J].遼寧大學學報（哲學社會科學版），2013，41（06）.

York R，Rosa E A，Dietz T.STIRPAT，IPAT and Impact： Analytic Tools for Unpacking the Driving Forces of Environmental Impacts[J].Ecological Economics，2003，46（03）.

龔利，屠紅洲，龔存.基于STIRPAT模型的能源消費碳排放的影響因素研究——以長三角地區為例[J].工業技術經濟，2018，37（08）.

屠紅洲.長三角地區能源消費碳排放與經濟增長關系的實證研究[D].上海：華東師范大學，2018.

趙霞，王志增.中國三次產業要素投入與經濟增長：基于嶺回歸經驗分析[J].重慶工商大學學報（社會科學版），2015，32（04）.

]趙霞.發展低碳經濟過程中問題與對策研究[J].現代商貿工業，2012，24（10）.