基于能源和指標雙分類視角的碳排放脫鉤效應研究

孫 莉

（建湖經濟開發區環保服務中心， 江蘇 鹽城 224700）

0 引言

工業經濟的快速發展是人類社會進步和繁榮的重要推動力。但是，伴隨著工業發展的同時，所帶來的環境問題也日益突出，其中碳排放問題成為全球關注的焦點[1]。碳排放是指人類活動所產生的二氧化碳和其他溫室氣體排放到大氣中的過程，而這些溫室氣體的積累與全球氣候變化密切相關。隨著全球氣候變化的迅速加劇，減少碳排放已成為各國政府和國際社會所面臨的重要挑戰[2]。為了應對這一挑戰，許多國家和地區紛紛采取了一系列措施，希望實現經濟發展與碳排放水平之間的脫鉤效應。碳排放脫鉤即指在經濟增長的同時，實現碳排放的減少，即通過提高資源利用效率和推廣清潔能源等方式，在經濟發展的同時減少碳排放量。然而，實際上，碳排放與經濟發展之間的脫鉤并非易事。許多國家在追求經濟增長的同時，碳排放量也在不斷上升。這一現象的背后可能涉及多種因素的綜合影響，例如能源利用效率、工業結構、科技創新等。因此，需要通過考察不同能源利用方式對碳排放和經濟增長的影響，以及建立相應的指標體系來評估碳排放的脫鉤效應。因此，研究采用迪克富勒檢驗（ADF）或KPSS 檢驗對數據進行分析，并通過Johansen 方法進行協整檢驗，同時利用赤池信息準則或Ljung-Box 統計方法進行短期、長期內數據間的因果檢驗，最后采用Tapio 指數計算脫鉤指數并通過面板回歸模型回歸處理，為制定有效的環境政策和可持續發展戰略提供理論基礎和實踐指導。

1 碳排放脫鉤效應方法設計

1.1 單位根平穩性檢驗

研究從《中國能源統計年鑒》中獲得全國各省市的年度能源消耗數據，首先需要檢驗這些時間序列數據的平穩性，常用的方法有擴展的迪克富勒檢驗ADF和KPSS 檢驗。ADF 檢驗是最常用的單位根檢驗方法之一，它的原假設是序列存在單位根，即非平穩。備擇假設是序列是平穩的，若檢驗結果的P 值小于設定的顯著性水平（通常為0.05），則可以拒絕原假設，認為序列是平穩的。反之，如果P 值大于顯著性水平，則不能拒絕原假設，認為序列是非平穩的。KPSS 檢驗則是用來檢驗序列是否是平穩的，它的原假設是序列是平穩的[3]。備擇假設是序列存在單位根，即非平穩。同樣，如果檢驗結果的P 值小于顯著性水平，則可以拒絕原假設，認為序列是非平穩的。如果P 值大于顯著性水平，則不能拒絕原假設，認為序列是平穩的。

1.2 協整檢驗

在驗證了獲得的時間序列數據的平穩性之后，需要判斷時間序列數據之間是否存在長期穩定的關系。研究采用協整檢驗方法進行檢測，其是一種經濟學中的統計方法，用于判斷時間序列數據之間是否存在長期穩定的關系。協整檢驗基于向量自回歸模型（VAR）的框架，通過檢驗殘差序列是否具有平穩性來確定變量之間的協整關系，如果變量在某個線性組合上是協整的，意味著它們長期共同運動，并且可能存在長期均衡關系。常用的方法為Johansen 協整檢驗，首先整理需要進行協整性檢驗的變量的相關數據，然后根據問題的需求定義一個協整模型[4]。接著使用Johansen方法計算協整檢驗統計量，下一步根據統計學原則，設置顯著性水平。最后根據設置的顯著性水平進行假設檢驗，如果拒絕了原假設，即可得出變量之間存在協整關系。

1.3 長期及短期內的因果檢驗

雖然驗證了經濟增長、能源消費以及碳排放之間的均衡關系，但還需要檢測三者之間的兩兩關系，避免其相互影響。研究采用基于向量誤差修正模型（VECM）的短期和長期格蘭杰因果關系進行檢驗，首先準備需要進行處理的數據，使用向量自回歸模型確定向量誤差修正模型，然后采用赤池信息準則（AIC）或Ljung-Box 統計檢驗確定最佳滯后階數。下一步通過最小二乘法估計向量誤差模型的參數，最后分別進行短期格蘭杰因果檢驗和長期格蘭杰因果檢驗。在短期內，通過F 統計量或類似的檢驗來檢驗變量之間的因果關系。從統計意義上講，如果一個時間序列的過去值能夠顯著地預測另一個時間序列的當前值，那么就可以說存在短期的Granger 因果關系。在長期內，使用Johansen 共整檢驗來檢驗變量之間的因果關系。如果變量之間沒有共整關系，那么可以得出它們之間不存在長期的Granger 因果關系。

1.4 基于能源和指標分類的脫鉤指數計算

確定了碳排放、能源消費和經濟增長之間的關系之后，需要進一步探討我國能源消耗的碳排放和經濟增長的脫鉤關系。為實現這一目的，研究采用皮塔爾（Tapio）脫鉤指數從能源和指標兩個分類角度進行分析，Tapio 指數是一種衡量經濟增長與資源消耗之間關系的指標，其用于評估經濟發展與自然資源利用之間的分離程度，即資源消耗是否與經濟增長保持相對獨立。Tapio 脫鉤指數的計算方法如式（1）所示：

式中：TC，GDP為碳排放與國內生產總值的脫鉤指數，ΔC 為現期的碳排放量和基期碳排放量的差；Ct-1為基期的碳排放量，代表現期的國內生產總值和基期的國內生產總值的差；Ct為現期的碳排放量；GDPt為現期的國內生產總值；t 為年份。

1.5 碳排放與經濟發展的脫鉤指數回歸

最后采用面板回歸模型對碳排放、能源消費以及經濟增長的脫鉤變化情況進行分析，構建的面板回歸模型如式（2）所示：

式中：Yi（t）為i 地第t 年的脫鉤狀態；X 為影響因素，α為個體固定效應；β1，β2，…，βk分別為各影響因素對應的影響系數；ui（t）為誤差項。在回歸模型中，當所有個體的α 相等時，使用混合回歸模型。當α 發生改變，且其受個體影響，而與時間無關，使用個體固定效應模型，當其受時間影響而與個體無關時，使用時間固定效應模型。在實際情況中，使用的模型根據Haus-man檢驗與似然比判斷。Haus-man 檢驗通過比較兩個模型的估計結果與真實值之間的差異，而似然比是比較兩個模型的似然函數值計算的，如果兩個模型的估計結果在統計意義上沒有顯著差異，那么可以選擇較簡單的模型，若有顯著差異，那么應該選擇復雜的模型。

2 基于能源和指標雙分類視角的碳排放脫鉤效應分析

2.1 基于能源的碳排放脫鉤效應分析

我國作為工業大國，能源消費、碳排放量和經濟增長的脫鉤關系是衡量我國經濟發展的重要因素。通過Tapio 脫鉤指數可以獲得碳排放和經濟增長的脫鉤狀態，結果如表1 所示。

表1 碳排放和經濟增長的脫鉤狀態

當經濟增長率大于0，碳排放增長率小于0，碳排放與經濟增長處于絕對脫鉤狀態。經濟增長率和碳排放的增長率都大于0，但經濟增長率大于碳排放的增長率，兩者處于相對脫鉤狀態，當經濟增長率小于碳排放的增長率時，兩者處于增長負脫鉤狀態。當經濟增長率小于0，碳排放增長率大于0 時，兩者處于絕對負脫鉤狀態。兩者的增長率均小于0 時，當碳排放的增長率小于經濟增長率，兩者處于相對負脫鉤狀態，當經濟增長率小于碳排放的增長率時，兩者處于衰退脫鉤狀態。因此，為實現經濟的可持續發展，我國需要采取有效的措施來降低能源消耗和碳排放量。

2.2 基于指標的碳排放脫鉤效應分析

要實現碳排放脫鉤，需要達到總碳排放、人均排放量以及碳排放強度的脫鉤。因此，為進一步探討能源消耗、碳排放與經濟增長的脫鉤關系，研究從這三項指標進行分析。近年來，我國制定了一系列減排政策和措施，包括推動能源結構轉型、提高能源利用效率、加強清潔能源開發和利用、發展低碳交通等。這些政策的實施有效降低了碳排放總量，我國的碳排放和經濟增長保持在絕對脫鉤狀態。但是，中國在碳排放脫鉤方面仍面臨一些挑戰。碳排放脫鉤需要長期的政策和措施的支持，需要持續加大對清潔能源和綠色技術的投資和研發力度。同時，中國發展的不平衡性和能源結構的依賴問題也是碳排放脫鉤的障礙，需要進一步促進區域協調和能源結構轉型。此外，碳排放脫鉤還需要加強國際合作，全球氣候變化是一個全球性的問題，需要各國共同應對。我國作為世界上最大的碳排放國家之一，應該積極參與國際合作，推動全球碳排放脫鉤，為全球氣候變化作出貢獻。

3 結語

工業經濟的快速發展給人類帶來了巨大的物質財富，但是工業化過程中所產生的副作用，尤其是碳排放量的增加，也給全球環境和人類健康帶來了嚴重的影響和挑戰。為探究碳排放與經濟增長之間的脫鉤效應，研究采用ADF 和KPSS 兩種檢驗方法對能源消耗數據進行檢驗和分析，同時使用Johansen 方法進行協整檢驗，并通過AIC 準則或Ljung-Box統計方法進行因果檢驗，最后采用Tapio 指數計算脫鉤狀態并通過面板回歸模型回歸處理。從能源消耗和經濟指標兩個方面出發，采用雙分類視角的方法，系統分析工業經濟中的碳排放脫鉤效應，以期為工業經濟的可持續發展和低碳轉型提供指導和借鑒。