我国CO2排放的影响因素及区域碳强度对比分析*

姚佐文 孙艳艳

（安徽农业大学经济管理学院，合肥 230036）

我国CO2排放的影响因素及区域碳强度对比分析*

姚佐文 孙艳艳

（安徽农业大学经济管理学院，合肥 230036）

本文估算了我国29个省、直辖市和自治区1995-2010年的人均CO2排放量，建立动态面板模型，并采用系统广义矩法对影响我国人均CO2排放的因素进行了回归分析。在此基础上，以能源强度和碳强度为依据，采用沃德法将全国划分为五个区域，并对各区域的碳强度进行对比分析。研究表明，人均CO2排放存在显著的路径依赖现象；人均GDP与人均CO2排放量之间呈N型曲线的关系；碳强度的大小主要取决于各区域能源强度、煤炭消费比重和重工业集聚度。

CO2排放；环境污染；面板数据；碳强度

一、引 言

目前，全球气候变暖已严重威胁到人类的生存和健康。而大气层中二氧化碳等温室气体的大量积聚是全球变暖的主要原因（IPCC,2000）。除了自然因素以外，更大程度是人类燃烧化石燃料导致的温室气体排放。自1992年《联合国气候变化框架公约》制定以来，全面控制和减少二氧化碳等温室气体的排放已成为各国环境经济政策的重要导向。2009年的哥本哈根气候谈判会议要求发展中国家承担减排义务，中国作为目前世界最大的CO2排放国家，面临着来自国际社会的巨大压力。为了应对气候变化，我国提出争取到2020年，单位国内生产总值CO2排放（碳排放强度）比2005年降低40%—45%，并将其作为约束性指标纳入国民经济和社会发展中长期规划。因此，分析影响CO2排放的相关因素，最终找出节能减排的内在动力，对减少温室气体的排放，实现可持续发展尤为重要。

二、文献综述

对二氧化碳排放影响因素的分解研究始于20世纪70年代，Ehrlich和Holden（1971）提出了IPAT模型来分析人类活动对环境的影响，即I= P·A·T方程，该方程将环境影响（I）表示为人口规模（P）、一国的富裕程度（A）、技术水平（T）三个关键驱动力乘积的结果。20世纪90年代以来，经济全球化不断加剧，国际贸易快速增长，并成为经济增长的主要驱动力之一，由此带来的环境质量的急速下降引起了广泛关注。1991年，G.Grossman和A.Kureger通过42个国家的面板数据分析特定的制度变迁对环境的可能影响时发现并提出了环境库兹涅茨曲线（EKC），该曲线表明经济增长和环境污染之间呈现一种倒 “U”型的关系，即随着经济的增长环境质量呈先恶化后改善的趋势。近年来，国内外许多学者采用不同的污染指标和方法对经济增长与环境污染之间的关系进行了深入的研究，发现两者之间或呈倒“U”型关系（张为付等，2011）、单调递增关系（Shafik等，1994）、N型曲线（Friedl&Getzner,2003）甚至不相关 （Lantz&Feng，2006），得出的拐点相差也很大。1994年，Copeland和Taylor在研究南北贸易和环境的关系时，提出了“污染避难所假说”。该假说认为自由贸易使高污染产业从发达国家转移至发展中国家，导致污染密集型产品的生产和消费发生分离，产品出口到发达国家而污染却留在了发展中国家。需要指出的是，当前学术界对“污染避难所假说”尚未达成共识，甚至有的观点和研究结论截然相反。例如，Antweiler等（2001）将贸易效应引入环境污染的一般均衡理论模型，得到的结论是自由贸易有利于环境质量的改善。

近年来，国内学者对环境效应的分析不断深入，已延伸至影响经济发展的各个层面，宋德勇、卢忠宝（2009）采用两阶段迪氏因素分解法，将影响CO2排放的因素分解为产出规模、能源强度、能源结构和能源排放强度四个方面，并引入产出结构效应，对能源强度进行再次分解。结果显示能源强度的变化主要来自于部门能源强度的变化；林伯强、刘希颖（2010）在Kaya恒等式的基础上，引入城市化因素，发现城市化的人口转移对能源和碳排放的冲击非常明显，特别是城市化进程中的高耗能特征；李国志、李宗植（2010）将我国30个省份分为低排放、中排放、高排放区域进行比较，结果表明：三个区域的CO2排放存在明显差异，并且差异性不断扩大；龙志和、陈青青（2011）认为全国和东部地区EKC曲线呈倒N型，中西部地区则为单调递增关系。

上述文献从不同方面考察了CO2排放的影响因素，本文试图在已有研究的基础上进行如下改进：首先，在因素选取上，本文结合我国现阶段工业化和城市化快速发展的特征，综合已有研究中影响CO2排放的重要因素，另外考虑到CO2的排放惯性，进一步引入因变量的滞后一期；其次，在技术因素的处理上，现有文献多数采用因素分解法，选取单因素能源效率指标（能源强度）来衡量，却忽略了其他相关因素的替代作用。为了弥补这一缺陷，本文采用Hu和Wang（2006）基于数据包络法提出的全要素能源效率指标；最后，考虑到我国各省份资源禀赋及经济发展水平的差异性，在区域划分上，本文克服简单的以地理位置为依据的东中西划分方法，首次采用更为科学的沃德法，以单位GDP的能源消耗量和CO2排放量为依据将全国划分为五个区域，并对各区域的碳强度进行了对比分析。

三、模型构建及数据说明

（一）模型构建

为了检验各因素对CO2排放驱动力的大小，构建了如下模型：其中，i和t分别代表省份和年份，ηi和εit分别为各个省份不可观测的个体差异和随机扰动项。（CO2）it-1是被解释变量（CO2）it的一阶滞后项，调整系数λ刻画了上一期CO2排放量的大小对本期CO2排放量的影响，反映了CO2排放惯性的强弱，将ln（CO2）it作为因变量，一是为了使数据平稳，二是为了考察其不同的经济意义。

（二）数据说明

1．人均CO2排放量。用CO2排放量除以人口数来表示。CO2排放的增量主要来自于化石燃料燃烧、水泥、石灰和钢铁等工业生产过程，而化石能源消费和水泥生产排放的 CO2占总排放的97%以上，可以近似代替CO2排放总量。因此，本文估算的CO2排放量包括两部分，一部分为化石燃料燃烧产生的，另一部分为水泥生产过程中的CO2排放量。水泥生产过程排放的CO2排放总量由水泥生产总量与其CO2排放系数的乘积得到。对化石能源燃烧的CO2排放量的估算采用IPCC（2006）在联合国气候变化框架公约以及京都议定书中提供的方法，具体公式如下：

其中，EC代表估算的CO2排放量；i表示能源消费种类（i=1,2,3…7）；E是各省第i种能源的消费量；NCVi为发热值；CEFi为碳含量；COFi是碳氧化因子；44和22则分别为二氧化碳和碳的分子量。NCVi×CEFi×COFi被称为CO2排放系数。

鉴于各类能源的碳排放系数各不相同，为了精确起见，本文将最终能源消费种类划分为7类（煤炭、焦炭、汽油、柴油、煤油、燃料油和天然气），并参考2008年《中国能源统计年鉴》中各类能源折标准煤参考系数以及发热值，计算得出各类能源的 CO2排放系数分别为 1.930、2.846、2.925、3.098、3.052、3.185、2.165。水泥的CO2排放系数借鉴杜立民（2010）的研究结果为0.527。

2．经济规模（Y）。用各省的人均GDP表示。本文将各省的GDP按照各省的CPI全部折算成1995年的不变价格。为了检验我国经济增长与CO2排放量的关系，加入人均GDP的二次方项和三次方项。

3．能源结构（ES）。本文用煤炭消费量占能源消费总量的比重来表示。从能源消费结构看，我国是世界上少有的以煤炭为主要能源消费的国家，而煤炭的碳排放量是最高的，单位标准煤炭燃烧产生的CO2是等量石油排放的1.3倍，天然气排放的1.7倍（金三林，2010）。所以，将煤炭占比作为解释变量。

4．重工业集聚度（SIY）。用各省重工业总产值占全国重工业的比重来表示。根据陈诗一（2009）的测算，改革开放期间工业部门排放出全国CO2的83.1%，且重工业排放的污染物又占到工业部门排放的90%以上，因此，选用重工业比重来表示产业结构。

5．贸易开放度（TO）。用各省的对外进出口额与全国进出口总额比值表示。

6．城市化水平（U）。通过城市人口占当地总人口的比重来反映。

7．技术水平（SK）。采用规模报酬不变假设下基于投入法的DEA模型，以各省的资本存量、劳动力和能源消费量为投入要素，以各省GDP为产出要素进行能源效率分析。其中，资本存量借鉴张军（2004）等人的研究成果，采用永续盘存法进行估算；劳动力用当年年末就业人数和上一年年末就业人数的平均数表示。

本文采用的数据如各省GDP、人口、进出口额数据来源于《新中国六十年统计资料汇编》；各种能源数据均来自《中国能源统计年鉴》；其他相关数据则取自历年的《中国统计年鉴》。由于重庆市在1997年才被划分为直辖市，本文为统一口径，故将重庆市并入四川省进行计算，同时，因为西藏数据多数不可得，所以本文的研究对象是我国29个省1995－2010年的面板数据。

四、方法选择及结果分析

本文的实证模型中由于纳入了滞后被解释变量,导致解释变量与随机扰动项相关，且其他的解释变量之间也可能存在相关性，因此，模型的内生性问题不可避免地出现了。这时固定效应模型和随机效应模型均不能保证得出无偏的参数估计，此时，选择合适的工具变量进行估计是十分必要的。对于这个问题，Arellano和 Bover（1995）以及Blundell和Bond（1998）提出了系统广义矩 （System GMM）估计方法，系统GMM估计的一致性取决于工具变量的有效性。本文将采用Hansen检验和AR检验（Arellano-Bond test for AR）来进行判断。在AR检验中，要求一次差分后的扰动项二阶序列的相关性为零，但是允许存在一阶序列相关。

表1是采用系统GMM法对动态模型 （1）进行估计的结果。AR检验显示，AR（1）在1%的水平上拒绝原假设，AR（2）则接受不存在二阶序列相关的原假设，同时，Hansen检验的统计量高度不显著，不能拒绝原假设，说明选择的工具变量是有效的。由此可知，系统GMM的估计量是一致的。GMM估计是一个大样本估计，在大样本的情况下GMM估计量是渐进有效的，在小样本的情况下，GMM估计量容易产生较大偏倚。本文采用Bond（2002）提出的方法对其进行判断，即看用系统GMM估计的因变量滞后项的系数是否介于OLS估计量与固定效应模型估计量之间。通过观察发现，估计结果并未发生较大偏倚。

模型1的估计结果显示，解释变量基本上都比较显著，滞后项的系数为0.807，在0－1之间，且在1%的水平显著，说明人均CO2排放量存在显著的路径依赖现象。需要强调的是，人均CO2排放量滞后项系数的大小不仅反映人均CO2排放量路径依赖程度的大小，同时也反映了人均CO2排放量具有连续性，是一个不断累积的调整过程，在全国范围内，本期的经济发展将会对未来1.24年（1/0.807）的环境质量产生影响。人均GDP的一次项、二次项和三次项的系数分别为0.354、-0.863和0.0619，并且都在1%的水平上显著，这表明人均GDP与人均CO2排放量之间呈N型曲线的关系。能源结构的回归系数在5%的水平显著，并且系数为正数，说明煤炭消费占比的提高将进一步恶化环境质量。因此，增加替代能源和清洁能源的比重，优化能源结构已刻不容缓。重工业集聚度在10%的水平上与人均CO2排放量呈负相关，即随着集聚度的提高，虽然污染排放仍在继续，但是环境污染问题将得到一定的遏制。如表1所示，重工业集聚度每增加1%，将会促使人均CO2排放量减少0.954%。全要素能源效率在1%的水平上显著，且系数为负，说明能源效率水平越高，产生的人均CO2排放量相对越少。我国是一个煤炭消费大国，环境质量的改善，能源利用效率的提高是至关重要的，今后我们应该加大研发投入进一步提高能源效率水平。贸易开放度的系数显著为负，这表明“污染避难所假说”在全国层面上是不成立的。原因可能是贸易自由化促使了清洁生产技术的引进和技术溢出效应的产生，从而提高了生产的技术水平，使人均产出的环境损害减少。城市化水平的回归结果不显著，说明它不是影响人均CO2排放的重要因素。

表1 计量模型回归结果

五、碳强度区域划分和比较

上文只从整体上分析了影响我国CO2排放的因素及各影响因素的效应，为了实现2020年碳强度比2005年降低40%—45%的目标，需要根据各省的碳排放强度划分不同的区域，综合分析各区的能源消耗水平、温室气体排放的现状和趋势、能源结构、产业结构、能源利用效率等多种因素，最终为合理分配各地的减排指标提供理论指导。

本文采用沃德法对全国29个省2010年的能源强度和碳强度进行聚类分析。经过分析得知，全国被分为五个区域比较合理，如表2所示。

表2 2008年中国各省能耗及碳排放的区域划分

本文在上述模型的基础上，将碳强度作为被解释变量，将能源强度（NH）纳入解释变量，同时，由于被解释变量为碳强度（CEI），所以解释变量中将不包括经济规模变量。为了能够了解导致各区域碳排放强度不同的驱动因素及其驱动力的大小，本文将采取对CO2排放量具有显著影响的指标同时对这五大区域进行静态面板数据估计。考虑到个体之间可能存在的异方差，本文选用广义最小二乘法并加入AR（1）项消除自相关，回归结果如表3所示。

分别对模型4至模型8进行F检验，结果均拒绝原假设，又经过Hausman检验，结果是模型4和模型5支持随机效应模型，模型6、7、8都支持固定效应模型。模型的拟合优度都在90%以上。模型4描述了高能耗、高排放区域碳强度的驱动因素回归结果，其中能源消耗、能源结构（ES）、重工业集聚度（SIY）、贸易开放度（TO）都对碳强度有正向作用，其中能源消耗和重工业集聚度对碳强度的影响在五大区域中均是最大的且在1%的水平上显著，这与该区域煤炭资源丰富有很大的关系，其中山西、贵州、内蒙古都是产煤大省，能源强度和煤炭的平均消费比重都是五大区域中最高的，是导致该区域碳强度最大的主要原因。同时，在产业由东向西转移的过程中，承接了国外大部分的污染产业，从而造成碳强度的增强。虽然技术水平对碳强度的影响为负，但是驱动力相比要小的多且不显著，因此，该地区在实现碳强度目标时，应着重提高技术水平，在承接产业转移时避免继续走“先污染、后治理”的老路。

模型5给出了高能耗、中排放区域碳强度的驱动因素的估计结果。从上表可以看出，能源消耗在1%的水平显著，且回归系数为正；能源结构在5%的水平上显著。由于本区域各省份能源消耗的煤炭占比较高，即同等能源消耗量的碳排放量较高，使得本区域的碳强度居于高位。从技术水平变量来看，能源的利用效率没有得到足够的重视，或者说发展水平不够，这也是造成能源强度增加的原因。相比高能耗、高排放区域，本区域的重工业集聚度对碳强度的正向作用有所减小，同时，外贸依存度对碳强度的影响也由正向转变为负向作用，但对拉低碳强度的贡献比较小，说明在承接产业转移的时候对环保因素的考虑相对较少。今后，应该将提高能源使用效率，增加清洁能源和替代能源，发挥产业集聚带来的范围经济作为节能减排之重。

模型6描述了中能耗、中排放区域的模型估计结果。同样，能源消耗、能源结构和重工业集聚度与碳强度在1%水平显著正相关，且影响系数处于中间水平。外贸依存度在1%的水平显著，回归系数为负，但相对来说，对碳强度的负向影响还比较小。技术水平的回归结果并不显著，说明技术还不是影响碳强度的重要因素。

模型7估计了中能耗、低排放区域影响碳强度的各因素的回归系数。结果显示，各解释变量都在1%的水平显著。能源消耗的回归系数为2.125，在五大区域中排在第二位；能源结构对碳强度的贡献系数为2.049，其中能源消费量中煤炭的比重约为79%，说明这两者是引起碳排放增多的重要原因。本区域的重工业集聚度与碳强度呈显著的负相关，这表示随着重工业集聚度的提高，碳强度是不断下降的。原因在于本区域较高的重工业集聚给该地区产业带来了范围经济，同时也使得环保知识和技术外溢产生正外部性。技术水平对碳强度也具有显著的负向作用，说明能源效率的提高在一定程度上缓解了碳强度的增长。外贸依存度依然对碳强度的增长具有显著的推动作用，这证明了“污染避难所假说”在中能耗、低排放区域是成立的。

模型8给出了低能耗、低排放区域的模型估计结果。从回归结果来看，大部分的解释变量是显著的，其中能源消耗和能源结构系数与碳强度分别在5%和1%的水平上显著正相关，且能源消耗对碳强度的驱动力是所有区域中最小的，另外，本区域能源消耗的基数和煤炭的消费比重都是最小的，这是排放水平低的至关重要的原因。通过观察发现，重工业集聚和能源效率并没有对碳强度产生显著的影响。外贸依存度对碳强度具有显著的负向作用，这是由于本区域的各省份是我国最早一批对外开放的城市，也是经济发展最快的城市，在承接国外产业转移的过程中具有更强的自主性，同时，在引进新技术方面，能更好地进行吸收消化。

表3 中国五大区域碳强度的驱动因素回归结果

六、政策建议

二氧化碳排放的增加主要是由化石燃料燃烧所致，所以碳排放问题也是能源问题。纵观人类社会发展的历史，能源的开发利用对世界经济和人类社会的发展具有极大的推动作用。而当前我国正处在工业化和城市化快速推进的阶段，因此能源消费增加是经济社会发展的客观必然。当前针对二氧化碳减排问题，主要可以从两方面着手。

（一）节约能源，提高能源效率，以更有效、更清洁的方式用煤，解决排放增量的问题。具体措施有：（1）推进产业结构调整。坚持把调整产业结构作为能源节约的战略重点，努力形成“低投入、低能耗、低排放、高效率”的经济发展方式。大力发展服务业和高新技术产业，严格限制高耗能产业发展。（2）重点加强工业节能。工业是中国能源消费的重点领域，尤其是重工业，单位产值能源消耗量较大，发展重工业势必带来严重的环境污染。因此，应加大传统重工业改造和升级的力度，加强钢铁、有色金属、煤炭、石油化工、建材等高耗能行业的节能降耗。强制淘汰落后的高耗能产品，支持一批节能降耗的重大及示范项目，带动工业能效水平提高。（3）依靠科技。大力组织先进能源技术、节能技术的研发和推广应用，重点攻克高耗能领域的节能关键技术，大力提高一次能源和终端能源的利用效率。引导社会资本投资节能技术应用，重点研究开发工业、交通运输、建筑等领域的节能技术与设备以及节能建材等应用技术。重视能源特别是煤炭的清洁利用，积极发展洁净煤技术，同时加快燃煤企业脱硫设施建设。鼓励生产和使用低污染的清洁燃料机动车，支持发展轨道交通和电动公交车。加强能源计量、控制、监督与管理，积极培育节能技术服务体系。（4）倡导社会节能。把节约能源纳入教育和技术培训体系，利用广播影视、新闻出版等媒体，大力宣传节能知识，努力形成健康、文明、节约的消费模式，同时要积极发挥政府采购的政策导向作用，带动社会生产和使用节能产品。

（二）由于一次能源消费中煤炭对CO2排放的影响最大，煤炭的大量使用必然会加剧中国的环境污染程度。因此，需要增加清洁和可再生能源的比例，调整优化能源结构，有效减少煤炭需求。具体措施有：（1）提高油气的供应能力。鼓励开发煤层气，加大石油天然气资源的勘探开发力度，重点加强对主要含油气盆地的勘探开发，积极探索陆地新区、新领域、新层系和重点海域勘查，切实稳定增加原油和天然气产量，改善能源结构。（2）大力发展可再生能源。加快水电、核电、风电建设，推进太阳能光伏发电商业化，增加非化石能源的消费比重，合理控制能源消费总量。

［1]陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展［J].经济研究，2009，（4）：41-55.

［2]杜立民.我国二氧化碳排放的影响因素：基于省级面板数据的研究［J].南方经济，2010，（11）：20-33.

［3]林伯强，刘希颖.中国城市化阶段的碳排放：影响因素和减排策略［J].经济研究，2010，（8）：66-78.

［4]宋德勇，卢忠宝.中国碳排放影响因素分解及其周期性波动研究 ［J].中国人口·资源与环境，2009，19（3）：18-24.

［5]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952-2000［J].经济研究，2004，（10）：35-44.

［6]中华人民共和国国务院新闻办公室网.国新办举行中国应对气候变化政策与行动情况发布会［EB/OL].（2009-11-26）［2011-6-20].http://www. scio.gov.cn/xwfbh/xwbfbh/wqfbh/2009/1126/.

［7]Grossman G M,Krueger A B.Economic Growth and the Environment［J].Quarterly Journal of Economics，1995，110（2）：353-377.

［8]Werner，Antweiler，Copeland B R，Taylor M S.Is Free Trade Good for the Environment?［J].American Economic Review，2001，91（4）：877–908.

［9]IPCC.Special Report on Emissions Scenarios［M]. Cambridge University Press，2000.

［10]Hu J L，Wang S C.Total-factor Energy Efficiency of Regions in China ［J].Energy Policy，2006，34（17）：3206-3217.

（责任编辑 秋 妍）

F061.5

A

1001-862X（2012）03－0049－007

安徽省软科学课题（10030503004）

姚佐文（1963-），男，安徽枞阳县人，管理学博士，安徽农业大学经济管理学院教授，硕士生导师。主要研究方向：技术经济；孙艳艳（1986-），女，山东青岛人，安徽农业大学经济管理学院硕士研究生。主要研究方向：产业经济学。