1985—2010年制造业二氧化碳排放的改变点分析及周期划分研究

陈彩芹，巩在武

1 引言

我国是制造业世界第一大国，制造业的发展不仅带动着我国的经济增长，还伴随着高能耗、高污染、高排放的问题。制造业的发展对能源的消耗和依赖颇为严重，能源消耗导致的温室气体的排放特别是二氧化碳排放 (以下简称碳排放)不断增加。目前，我国制造业碳排放占据了碳排放总量的80%以上。在国家节能减排和应对全球气候变化双重压力下，我国政府出台的能源消费及温室气体减排政策对制造业能源利用效率的提高和能源结构的转变具有重要的理论价值和现实意义。

在能源政策影响能源结构调整及技术创新研究方面，刘磊［1］系统地梳理了到目前为止我国所制定和实施的能源政策，认为我国想要达到既定的碳排放强度削减目标，仍需要有针对性的政策导向。谢治国等［2］阐述了我国可再生能源政策的发展历程，提出了可再生能源政策的发展仍任重道远。高振宇［3］探讨了产业结构变动和产业内效率提高对能源消费和总体单位能耗的影响，建议政府构建“能源分解指数体系”作为制定能源政策的依据。钱振为［4］对我国能源消费状况进行了分析，提出在经济全球化的形势下我国应采取“后中先”的能源战略。

影响我国制造业碳排放的主要因素有财富、人口、能源技术、经济总量、产业结构等，其中人口、财富、经济总量对我国制造业碳排放有正向作用，能源技术、产业结构的调整对我国制造业碳排放有负向作用［5－8］。

刘华军在对碳排放的研究方面颇有成果，主要从影响碳排放的因素、碳排放的地区差异分析、碳排放的周期等方面展开，其研究对未来中国碳减排政策的制定提供了重要的参考意见［9－14］。在中国二氧化碳排放的环境库兹涅茨曲线——基于时间序列与面板数据的经验估计研究中，刘华军等利用27个省1995—2007年时间序列数据和省际面板数据，选取排放总量、人均排放量、排放强度作为二氧化碳排放指标，很好地刻画了我国的人口规模以及经济发展水平。相对于刘华军的研究，本文在方法、结论以及政策方面的不同点如下:

(1)方法不同。刘华军等采用的是参数估计模型检验中国的二氧化碳环境库兹涅茨曲线，而本文采用灰色关联分析方法对1985—2010年中国制造业能源消费产生的二氧化碳排放趋势划分周期。

(2)得出的结论也不同。刘华军等通过面板数据协整检验研究，得出了大多数省份的二氧化碳排放在未来很长一段时期内将继续增加的结论，增加了二氧化碳减排政策落实的难度。本文主要论证中国能源政策是影响制造业碳排放量趋势变化的重要因素，认为政策实施能够约束制造业的碳排放增长，应进一步加快我国能源消费的高能耗高排放模式向低排放低能耗、科技型方式转化。

(3)从政策角度对中国碳减排提供参考的意见也不同。刘华军等认为我国政府在制定和实施二氧化碳减排政策的同时，应考虑到我国不同地区对经济发展的不同要求，从而因地制宜地制定减排政策。本文在能源政策的制定方面着重考虑能源结构的调整与优化。

本文采用灰色关联度算法，确定碳排放时间序列改变点位置，从而确定制造业碳排放趋势的周期。在经济、水文气象等时间序列中，从某些点开始常会出现明显的改变趋势或表现为跳跃趋势，这类点通常称为改变点。由于时间序列受到某些特殊因素的影响，使得数据趋势产生变化。例如，影响经济序列的发展趋势从而导致改变点产生的因素有国家宏观调控政策、自然灾害、国际重大事件等。一个时间序列中可能会出现多个改变点，这样就可以根据改变点位置的不同划分时间序列周期，如经济周期，气候变化周期等。

2 方法介绍

2.1 灰色关联理论

灰色关联分析反映了参考数据列和若干个比较数据列的几何形状相似程度［13］。灰色关联度理论已经被广泛地应用到预测、决策、模式识别、聚类分析、系统指标权重确定等领域［14］。设X0=(x0(1)，x0(2)，…，x0(n))为系统特征序列，Xi=(xi(1)，xi(2)，…，xi(n))，i=1，2，…，m ，为相关因素序列。设系统行为序列 Xi=(xi(1)，xi(2)，…，xi(n))，i=1，2，…，m为相应固定序列。对于ξ∈(0，1)，令

ξ∈(0，1)称为分辨系数，γ(X0，Xi)称为X0与Xi(i=1，2，…，m)的灰色关联度。灰色关联度γ(X0，Xi)常简记为 γ0i，k 点关联系数 γ(x0(k)，xi(k))简记为γ0i(k)。

2.2 改变点的灰色关联度搜索算法

确定改变点的灰色关联度搜索算法如下:

步骤一:构建参考序列。从时间序列 X=(x(1)，x(2)，…，x(n))，n≥ 10的前半列 (或者后半列)中选取 X0=(x(1)，x(2)，…，x(T))，5≤Ts≤T≤Te≤ n/[ ]2 作为参考序列，其中Ts≤Te并且Ts、T和Te都为整数。

步骤二:构建比较序列。构建的比较序列为:

式 (3)定义阶数为n－2T+1的比较序列集。

步骤三:计算整体关联程度。分别计算X0和X1，X2，…，Xn－2T+1的 关 联 度 r1(T)，r2(T)，…，rn－2T+1(T)，然后求这些关联度的算术平均值r(T)，称r(T)，5≤Ts≤T≤Te≤ n/[ ]2 为T－整体关联度。

步骤四:确定改变点。令

η(T)，5 ≤Ts≤T≤Te≤ n/[ ]2 称为相对T－整体关联度。令 η(T*)=max{η(T)|T=Ts，Ts+1，…，Te}，相对于T-整体关联度中的最大值T*为时间序列X=(x(1)，x(2)，…，x(n))的改变点。

需要注意的是:①如果改变点出现在时间序列 S=(s(1)，s(2)，…，s(n))的后半部分，则做如下变化 x(k)=s(n－k+1)，k=1，2，…，n;②为了使Ts更具实际意义，一般应使Ts≥5。

3 数据来源与处理

本文以《中国统计年鉴》(1985—2011年)为中国制造业能源消费主要数据源，并将能源消费种类划分为煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气及电力9大类。其中1993年的数据缺失，这里取1992年与1994年相应能源数据的平均值作为补充;2010年的数据为《中国能源统计年鉴2011》中的数据。下面简单介绍中国制造业能源消费产生的碳排放量转化方法与步骤。

对于能源消费碳排放量的计算国内外目前没有统一的标准，学者多依据联合国政府间气候变化专门委员会 (IPCC)碳排放技术指南提供的能源消费碳排放计算方法:

式中，C为碳排放总量;Ci为第i种能源的碳排放量;Ei为第i种能源的消费量;Fi为第i种能源消费的碳排放系数。各类能源消费的碳排放折算系数见表1。

表1 各类能源碳排放系数

根据各种能源折算标准煤的参考系数，将1985—2010年中国制造业各类能源消费量折合成标准煤，根据式 (5)和折合标准煤数据，计算出1985—2010年中国制造业各种能源消费的碳排放量和碳排放总量 (见表2)。

利用Eviews7.0软件，去掉以上折算后的中国制造业碳排放总量数据趋势，整理后算出去掉趋势后的1985—2010年中国制造业主要能源碳排放量(以下碳排量增长率都为去掉趋势后的增长率)。由于形如汽油、煤油在碳排放构成中的比例较小，下面只给出碳排放构成较大的煤炭等碳排放量的增长趋势，又因上述增长率有负值存在，为了便于后面改变点的计算，将存在负值的列同时加上一个值，使该列所有数值为正。例如，1986—2010年碳排放总量增长率都加上1，则该列所有值都转换为正值，处理后的碳排放量的增长率见表3。

表2 1985—2010年中国制造业各类能源碳排放量和碳排放总量表 (单位:万吨)

表3 1985—2010年中国制造业主要能源碳排放量增长趋势

4 中国制造业碳排放改变点的选择和周期划分

4.1 中国制造业碳排放总量改变点的选择与周期划分

利用表3的数据，采用灰色关联算法，确定中国制造业碳排放总量增长率数据列的改变点，并对该数据列进行周期划分。1986—2010年中国制造业碳排放总量增长率趋势图见图1。

图1 1986—2010年中国制造业碳排放总量增长率趋势图

表4和表5给出了基于灰色关联算法的中国制造业碳排放量的相对T－整体关联度的数值结果。

表4 中国制造业碳排放总量相对T-整体关联度的数值

表4中的最大值点为第11个点，也就是该时间序列的改变点是1996年;表5中的最大值点为第10个点，因为该改变点位于数列的后半部分，我们从后半列选取参考序列，所以改变点位于该时间序列第16个，也就是该时间序列的改变点是2001年。这样，我们将图1的时间序列分成三部分，即1985—1996年、1997—2001年、2002—2010年。从图1中可以看出，1985—1995年间中国制造业排放增长呈现变缓趋势，特别是1994年与1995年的制造业碳排放量增长率达到最低，正好位于图1的谷底;而1996年以后制造业碳排放增长趋势明显。因此，选取1996年作为碳排放增长趋势改变点是合理的;而2001年这个点比较特殊，仅从图1中无法解释2001年作为改变点的原因。下面将分别论证这两个点是整个时间序列的改变点，为此首先计算几个主要能源 (煤炭、焦炭、原油)消费产生的碳排放量占整个制造业能源消费排放量的比例 (见表6)，并绘制趋势图 (见图2)。

表5 中国制造业碳排放量相对T-整体关联度的数值

表6 1985—2010年主要能源消费产生的碳排放量占整个制造业能源消费排放量的比例

1985—1996年间，中国制造业碳排放增长呈现变缓趋势。通过分析三种主要能源碳的排放构成，我们发现因煤炭消费产生的碳排放量占总能源消费产生的碳排放的比重呈递减趋势，这个比重在1996年首次低于60%;因原油消费产生的碳排放量占总能源消费产生的碳排放的比重呈递增趋势，这个比重首次高于20%;因焦炭消费产生的碳排放量占总能源消费产生的碳排放的比重呈明显递增趋势，这个比重在1996年达到13.62%(这是一个很有趣的数据，因为根据黄金分割原理，我们计算出焦炭消费碳排放量数据列的两个黄金分割点分别为13.46%与16.63%。第一个数字与13.62%极为接近;而第二个数字与下面第二个改变点对应的数值16.68%较为接近)。图2中三种能源消费碳排放趋势图类似于一个卧倒的长瓶，在1996年处呈现明显变窄的趋势;此外，图1中制造业碳排放增长率降到最低。这两点都验证了用灰色关联算法测算的改变点位于1996年是合理的。

1997—2001年间，中国制造业碳排放增长呈现加速趋势，通过分析三种主要能源的碳排放构成，我们发现因煤炭消费产生的碳排放量占总能源消费产生的碳排放的比重呈递减趋势，这个比重在2001年降至50.35%，而2002年已经低于50%;因原油消费产生的碳排放量占总能源消费产生的碳排放的比重呈递增趋势，这个比重在2001年达到25.80%，达到整个比重的1/4;因焦炭消费产生的碳排放量占总能源消费产生的碳排放的比重在2001年达到17.48%。前面的分析指出，这个数据实际上是该序列的黄金分割点。图2中三种能源消费碳排放趋势图位于卧置瓶的瓶颈处，该瓶直径在2001年基本达到最小。在2002—2010年间，中国制造业碳排放尽管仍然延续高速增长趋势，但通过图1我们发现，2005年以后，这种高速增长趋势已经发生了重大改变。图2中三种能源消费碳排放趋势图位于卧置瓶的瓶口，三条趋势线近似平行。无论是通过计算还是通过图形直观判断，选取2001年作为第二个改变点也是合理的。

4.2 中国制造业碳排放周期的形成原因

由于在1985—1996年中国处于制造业发展的粗放初期，在该段时期主要制造业能源消费产生的碳排放中，煤炭碳排放比重一直居高不下。当时我国的制造业发展处于刚刚起步水平，对能源的消耗和依赖性较低，国家对能源的流通与消费也采取严格的管制政策，同时国家也开始对低水平重复建设进行治理，关停高能耗、高污染、低效率的“十五小”，以控制能源消费的过快增长，带来了能源效率的提高。这也是1985—1996年间我国制造业碳排放总量增长率趋势下降的主要原因。

图2 1985—2010年主要能源消费产生的碳排放量占整个制造业能源消费排放量的比例趋势图

1997—2001年间，随着中国经济的快速发展，能源消费急剧增长，而煤炭消费产生的碳排放量占总能源消费产生的碳排放的比重持续下降，煤炭与原油消费碳排放量比重迅速增长，以煤炭为主的能源结构已经发生了改变，因此碳排放不可避免地会出现一定幅度的增加。1997年以后，我国政府改革了严格控制能源消费的政策，在适当控制生产的同时采取优化能源消费结构、鼓励消费清洁能源的政策，节能政策从控制能源消费转向促进能源合理消费。1997—2001年间，我国相继发布了一系列能源政策。例如，1996年的《中华人民共和国煤炭法》;1997年的《中华人民共和国节约能源法》;1998年实现了石油企业的战略性重组，建立了上下游一体化的新型石油工业管理体制;1999年的《煤炭经营管理办法》;同时国家发改委、科技部发布了关于进一步支持可再生能源发展有关问题的通知;2000年的《民用建设节能管理规定》、《关于进一步鼓励外商投资勘查开采非油气矿产资源的若干意见》，进一步开放非油气资源的探矿权、采矿权市场等。政策的激励与支持对于制造业碳排放产生了十分重要的影响，1997—2001年间我国制造业碳排放总量增长率开始趋于上升。同时，能源消费政策的变化开始引导能源消费向高效、优质、环保方向发展。

2002—2010年间，国际油价高位运行，碳减排压力增大，我国政府颁布了大量的能源相关文件，根据自身能源特点 (煤炭资源丰富，石油对外依赖度增加等)，一方面加大了对煤炭消费的引导，降低高碳排放焦炭消费的比重;另一方面，通过政策引导，尽量使得三种能源消费比率趋于稳定。这段时期国家密集发布了能源政策法规，如2001年发布的《对外合作开采海洋石油资源条例》和《对外合作开采陆上石油资源条例》;2002年按照电力体制改革方案，电力工业实现了政企分开、厂网分开;煤炭工业市场化改革后，2002年发布的《中国人民共和国清洁生产促进法》(2012年修正)《指导外商投资方向规定》;2004年发布的《节能中长期专项规划》;2005年又按照国务院《关于促进煤炭工业健康发展的若干意见》、《国家中长期科学和技术发展规划纲要》、《中华人民共和国可再生能源法》等深化改革和发展。中国正在按照观念创新、管理创新、体制创新和机制创新的要求进一步深化能源体制改革，提高能源市场化程度，完善能源宏观调控体系，不断改善能源发展环境。为了实现经济社会可持续发展目标，我国又发布了能源发展“十一五”(2006—2010年)规划，这些政策进一步约束了制造业的碳排放增长，国家执行的种种政策措施也收到了较好的成效。新世纪开局不到10年时间，核电、风电等新兴能源发展进入了快行道。节能也受到前所未有的重视，并取得了显著成效。从图1中也可以看出2006—2010年我国制造业的碳排放增长率已经呈现下降趋势。

5 结论

本文首先将我国制造业能源消费的数据转化为碳排放数据，然后利用确定改变点的灰色关联算法，求出制造业碳排放总量及各种主要能源碳排放量的改变点。研究发现，制造业碳排放总量的改变点分别位于1996年和2001年，制造业碳排放数据列划分为三个周期，即1985—1996年、1996—2007年、2001—2010年。本文还分别通过分析数据特征、图形趋势特征，论证了改变点测算及周期划分的合理性。

政策的激励与支持对于调整制造业碳排放具有十分重要的作用。本文通过对制造业碳排放周期划分和政策的分析研究，可以得出以下启示:

(1)对煤炭的消费在能源政策方面进行调整和约束。当前的经济发展阶段和煤炭资源丰富以及价格优势，决定了我国在未来很长一段时间内仍将以煤炭作为主要的能源来源，所以国家在能源政策的制定方面需要进行调整和约束，使得以煤炭为主体的能源结构弱化，从而引起碳排放的减少。

(2)能源政策与碳排放周期相配合。制造业的发展是具有周期性特征的，国家根据不同生命周期来提供相应的能源政策，进而建立起适应中国社会主义市场经济体制的制造业创新政策体系。

(3)加大新能源与可再生能源研发与创新激励政策力度。新能源与可再生能源政策在长期收效甚微，国家通过各种激励政策手段支持新能源与可再生能源的发展是非常必要的。

［1］刘磊．中国碳减排目标的可达性:能源政策与经济发展［J］．生态经济，2012，(2):52 －55，119．

［2］谢治国，胡化凯，张逢等．建国以来我国可再生能源政策的发展［J］．中国软科学，2005，(9):50－57．

［3］高振宇，王益．我国生产用能源消费变动的分解分析［J］．统计研究，2007，24(3):52－57．

［4］钱振为．单位 GDP 的能源消费与经济增长模式［J］．中国能源，2005，27(5):10 －14，40．

［5］丁唯佳，吴先华，孙宁等．基于 STIRPAT模型的我国制造业碳排放影响因素研究［J］．数理统计与管理，2012，31(3):499－506．

［6］王迪，聂锐．中国制造业碳排放的演变特征与影响因素分析［J］．干旱区资源与环境．2012，26(9):132－136．

［7］潘雄锋，舒涛，徐大伟等．中国制造业碳排放强度变动及其因素分解［J］．中国人口·资源与环境，2011，21(5):101－105．

［8］孙宁．依靠技术进步实行制造业碳减排——基于制造业30个分行业碳排放的分解分析［J］．中国科技论坛，2011，(4):44－48．

［9］刘华军，赵浩．中国二氧化碳排放强度的地区差异分析［J］．统计研究，2012，29(6):46－50．

［10］刘华军，闫庆悦，孙曰瑶等．碳排放强度降低的品牌经济机制研究——基于企业和消费者微观视角的分析［J］．财贸经济，2011，(2):110 －117．

［11］刘华军，闫庆悦，孙曰瑶等．中国二氧化碳排放的环境库兹涅茨曲线——基于时间序列与面板数据的经验估计［J］．中国科技论坛，2011，(4):108 －113．

［12］杨骞，刘华军．中国二氧化碳排放的区域差异分解及影响因素——基于1995—2009年省际面板数据的研究［J］．数量经济技术经济研究，2012，(5):36 －48．

［13］刘华军．城市化对二氧化碳排放的影响——来自中国时间序列和省际面板数据的经验证据［J］．上海经济研究，2012，(5):24－35

［14］刘华军，闫庆悦．贸易开放、FDI与中国 CO2排放［J］．数量经济技术经济研究，2011，(3):21 －35．

［15］邓聚龙．灰色预测与决策［M］．武汉:华中理工大学出版社，1986．

［16］孙玉刚．灰色关联分析及其应用的研究［D］．南京:南京航空航天大学，2009．