工業能源消費、工業增加值與碳排放的關系分析

摘要：基于上海市閔行區2006—2022年的相關統計數據，核算閔行區的碳排放量，并利用Eviews軟件分析工業能源消費、工業增加值與碳排放的關系。結果表明：閔行區的工業能源消費、工業增加值與碳排放之間存在長期均衡關系；工業能源消費與碳排放之間存在雙向的格蘭杰因果關系；碳排放的變動貢獻中，自身貢獻最大，其次是能源消費。

關鍵詞：能源消費；增加值；碳排放；協整分析

中圖分類號：F425；X196 文獻標識碼：A 文章編號：1008-9500（2025）03-0-03

Analysis of the Relationship Among Industrial Energy Consumption， Industrial Value Added and Carbon Emissions

LI Bin

（Shanghai Minhang District Environmental Monitoring Station， Shanghai 201199， China）

Abstract： Based on the relevant statistical data from Minhang district， Shanghai city from 2006 to 2022， the carbon emissions are calculated. Using Eviews software， the co-integration， Granger causality test and variance decomposition are used to measure industrial energy consumption， industrial value added and carbon emissions in Minhang district. The results indicate that there is a long-term equilibrium relationship between industrial energy consumption， industrial added value， and carbon emissions in Minhang district; there is a bidirectional Granger causality relationship between industrial energy consumption and carbon emissions; among the changes in carbon emissions， self contribution is the largest， followed by energy consumption.

Keywords： energy consumption; value added; carbon emissions; co-integration analysis

隨著氣候變化問題的日益嚴峻，能源消費、碳排放與經濟增長的關系受到廣泛關注。近年來，已有許多學者開展相關研究。趙明軒等[1]選取2000—2017年

我國各省份的數據作為研究對象，按不同經濟區域分析了能源消費、經濟增長和碳排放的動態關系，并從技術研發、政府投資、政策引導等方面提出建議。蔡靜霞等[2]和周敏等[3]也進行了類似分析。能源、碳排放與經濟增長的關系研究主要集中于國家級、省級或以省域數據為基礎的大區域層面，所揭示的規律較為宏觀，典型區域內地級市層面能源、碳排放與經濟發展的關系研究較少。基于此，對上海市閔行區2006—2022年工業能源消費、工業增加值與碳排放的關系進行實證分析和檢驗，旨在豐富地區層次能源、碳排放和經濟發展的實證研究，更好地理解閔行區工業能源消耗、碳排放和經濟增長的關系和發展趨勢，為閔行區進一步制定減排政策提供參考。

1 數據來源與處理

1.1 數據來源

基礎數據來源于上海市閔行區歷年發布的統計年鑒。工業能源消費主要為規模以上工業企業不同能源（原煤、天然氣、電力、熱力等20余種）的消費數據。

1.2 工業能源碳排放量測算方法

參考《上海市溫室氣體排放核算與報告指南（試行）》，對閔行區規模以上工業企業能源消費引起的二氧化碳排放進行核算。使用外購電力所導致的溫室氣體排放，使用電力排放因子進行測算，電力排放因子缺省值為4.2×10-4 t/（kW·h）（以CO2計）。

1.3 數據處理

為了消除變量間的異方差，對2006—2022年閔行區工業能源消費總量（Energy Consumption，EC）、工業增加值（Value Added，VA）和CO2排放量（C）取自然對數，分別記作lnEC、lnVA、lnC。利用Eviews"10.0軟件對lnEC、lnVA、lnC進行協整檢驗。

2 實證分析

2.1 ADF單位根檢驗

采用單位根檢驗（Augmented Dickey-Fuller Test，ADF）法，對lnEC、lnVA、lnC進行平穩性檢驗，若原序列不平穩，則需要對原序列進行差分。具體的單位根檢驗結果如表1所示。由表1可知，3個變量經過二階差分后，在1%的顯著水平下均平穩，表明它們可能存在協整關系。

2.2 協整檢驗

協整檢驗可以確定不同時間序列變量的長期穩定關系，解釋變量的因果關系[3]。通過Johansen檢驗法進行協整分析，結果如表2所示。

由表2可知，跡統計檢驗和最大特征根檢驗均表明lnEC、lnVA、lnC存在長期協整關系。lnEC、lnVA和lnC的協整方程為

lnC=0.709 572lnEC-0.026 212lnVA（1）

由式（1）可知，工業能源消費總量每減少1%，工業碳排放量可以減少0.709 572%，表明節能對碳排放有一定的協同效應。

2.3 格蘭杰因果關系檢驗

協整檢驗表明，工業能源消耗與碳排放存在長期穩定的均衡關系。利用Eviews軟件對lnC、lnEC和lnVA進行格蘭杰因果性檢驗。結果表明，在5%的顯著性水平下，拒絕“工業能源消費不是CO2排放波動的格蘭杰原因”“CO2排放不是工業能源消費波動的格蘭杰原因”，這表明工業能源消費與CO2排放量之間有明顯的影響。lnEC是lnC的格蘭杰原因，說明碳排放受工業能源消費的影響，控制工業能源消費，提高能源使用效率，能有效降低碳排放。lnC是lnEC的格蘭杰原因，說明加快開發清潔能源，能優化閔行區的能源消費結構，促進能源、經濟與環境全面協調可持續發展。

2.4 方差分解

方差分解能夠直觀反映各內生變量的貢獻度，確定影響各個內生變量的主要因素[4-5]。對lnC、lnEC和lnVA進行方差分解，滯后期為10。方差分解合成如圖1所示。

由圖1可知，在碳排放量的變動中，自身貢獻最大，隨著時間的推移，貢獻度呈下降趨勢，由第1期的100%下降至第5期的49.2%，并趨于穩定；工業能源消費的貢獻呈現明顯上升趨勢，第5期增至36.5%，后續保持較穩定水平，并略有下降。這表明，注重節約能源，加強能源結構的優化，有利于實現降碳的效果。

3 結論

基于閔行區2006—2022年的相關統計數據，運用Johansen協整檢驗、格蘭杰因果檢驗和方差分解等方法進行實證分析與檢驗。結果表明，閔行區的工業能源消費、工業增加值與碳排放之間存在長期均衡關系，節能對碳排放有一定的協同效應；工業能源消費與碳排放量之間存在雙向格蘭杰因果關系；碳排放的變動貢獻中，自身貢獻最大，其次是能源消費。因此，提高能源使用效率，加快開發清潔能源，優化閔行區的能源消費結構，可有效降低閔行區的工業碳排放，促進能源、經濟與環境全面協調可持續發展。

參考文獻

1 趙明軒，呂連宏，張保留，等.中國能源消費、經濟增長與碳排放之間的動態關系[J].環境科學研究，2021（6）：1509-1522.

2 蔡靜霞，齊秀輝，喬朋華.碳排放與經濟增長協整分析：基于黑龍江省的實證分析與檢驗[J].科技管理研究，2013（4）：214-218.

3 周 敏，盛 通，朱 芳，等.中國能源消費碳排放與經濟增長的動態關系[J].煤礦安全，2018（5）：253-256.

4 聶 蕊.山東省能源消費、碳排放與經濟增長的關系分析[J].山西能源學院學報，2022（2）：50-53.

5 廖聰聰，郝 瀧，崔玉環，等.2000―2019年中國能源消費碳排放時空特征研究 [J].大氣與環境光學學報，2024（4）： 440-455.