非线性视角下中国碳排放的影响因素与区域差异分析

姜国刚 顾婷婷 赵杨

摘要：针对我国各地碳排放量不均衡现象，对中国1999～2013年30个省份碳排放进行度量。在STIRPAT模型基础上，采用面板门限回归估计对碳排放影响因素进行考察，分析经济增长因素对碳排放量的非线性影响。结果发现：GDP水平变量为门限变量时存在单门限效应，将模型划分为高低两个区制；GDP增长速度变量为门限变量时存在双门限效应，将模型划分为高、中、低3个区制。在高GDP水平区制和中、低GDP增速区制下，EKC存在拐点。根据估计结果将中国碳排放情况划分为6个象限，对各地区进行划分，并对碳排放区域差异的形成原因进行了解释。

关键词：二氧化碳排放；影响因素；区域差异；面板门限模型

DOI：10.13956/j.ss.1001-8409.2016.07.12

中图分类号：F205文献标识码：A 文章编号：1001-8409（2016）07-0053-05

Abstract：Nowadays， China has faced on the current situation of highly total carbon dioxide emissions and the emissions imbalance in each area. After measuring the carbon emissions of 30 provinces in China from 1999 to 2013， this paper investigated the affecting factors by Panel Threshold Model estimation based on a STIRPAT model， and discussed the core reason of regional difference in carbon emissions， analyzed nonlinear effects of economy growth factor on carbon emissions. The results showed that the model could be divided into high and low regimes because single threshold effect existed when GDP level variables as the threshold variables， and the model also could be divided into high， middle and low regimes because double threshold effect exists when GDP growth rate variables as the threshold variables. The Environmental Kuznets Curve （EKC） exists inflection point in high GDP level regime and middle and low regimes of GDP growth rate. In the end， it divided Chinese carbon emissions into six quadrants and classified each province according to the estimation results， and interpreted the forming reasons of carbon emissions' regional difference.

Key words：carbon dioxide emissions； affecting factors； regional difference； panel threshold model

二氧化碳超量排放引起的气候变暖已经成为全球共同面临的重大挑战之一。目前，中国的碳排放总量占全球总量的28%，资源环境约束成了中国经济增长方式转变的重要制约。中国各地经济发展尚不均衡，探求在保证区域经济增长速率下控制碳排放量，则必须分析碳排放区域差异的深层原因、考察经济增长处于不同区间时碳排放的非线性变化。

1文献综述

国内外分析碳排放影响因素与区域差异的文献很多，对碳排放量的核算、影响因素模型的构建以及区域划分的方式各有不同。Ehrlich首次提出了“I=PAT”方程，用以分析影响环境变化的决定性因素[1]。York对PAT方程进行了扩展，利用STIRPAT模型研究了人口数量对碳排放量的影响[2]。Cole证明碳排放量和人均收入间的关系满足EKC曲线，但是人均收入最高的国家也尚未到达EKC拐点[3]。Ang采用ECM模型对1960～2002年法国数据进行考察，发现碳排放、经济增长与能源消费间存在长期均衡关系，其中经济增长对能源消费与碳排放量存在长期Granger非因果关系[4]。Soytas认为土耳其碳排放量是能源消费的Granger原因，但GDP与碳排放量间不存在因果关系[5]。Hatzigeorgiou对1977～2007年希腊数据进行了测度，认为GDP是碳排放的单向因果关系[6]。Chen运用Logit模型针对174个国家的碳排放影响因素进行了分析，发现GDP和能源消耗对碳排放的影响呈现不同的特征[7]。

随着研究的逐步深入，国内学者逐渐从区域层面对影响中国碳排放量大小的因素进行分析，同时因为中国各地区显著的区域差异，研究数据也从时间序列数据转向面板数据。李国志对1995～2007年全国各省份碳排放量进行了测度，并将全国划分为低中高三个排放区域，利用STIRPAT模型分析了人口、经济发展与技术对碳排放的影响[8]。王锋采用Divisia指数分解方法，将1995～2007年间中国的碳排放增长率分解为11种影响因素的加权贡献率[9]。张先锋采用聚类分析方法考察了中国碳排放的区域差异和影响因素，将全国划分为高排放低效率、高排放高效率、低排放低效率和低排放高效率四个区域[10]。王世进对全国东中西部地区的人均碳排放量影响因素进行分析[11]。邓吉祥等使用 LMDI 分解法对中国八大区域进行了划分[12]。

事实上，仅从线性角度去考察碳排放影响因素模型构建不够准确，通常碳排放影响因素模型会呈现非线性特征，表现为不同影响因素在不同区制下时，模型会呈现出不同的形态。俞毅通过面板门限模型重点测度了废气排放量与GDP增长、能源消耗之间的非线性关系，认为GDP存在门限值[13]。何彬通过建立动态面板门限模型分析了人均GDP、地区国有经济规模对人均碳排放量的非线性影响[14]。彭星等采用面板门限模型运用1999～2010年中国省际数据测度了非正式文化制度对于碳排放量的非线性影响[15]。许士春采用DEA方法测度了中国1995～2011年间能源和碳排放效率，通过Tobit回归分析中国能源和碳排放效率的影响因素[16]。张金灿选取我国30个省2000～2011年的面板数据，运用随机前沿方法进行实证分析[17]。

通过对上述研究的总结分析可以发现两个问题：①大部分研究仍在线性层面，少数非线性视角下的研究也是从特定影响因素出发，缺乏对最重要的影响因素——经济发展水平（以GDP为代表）的非线性考量。②对于中国碳排放区域的划分尚存在较大争议，不同影响因素在不同地区对碳排放的贡献程度是有明显差异的，因此在进行碳排放区域差异研究时，应先在固定考察某影响因素的前提下去考察和分析。此外，大部分文献是在测定碳排放总量之后，人为地划分好区域进行影响因素分析。这种研究顺序缺乏一定的逻辑性，应先根据各省影响因素显著性及效应大小的客观事实，对省份进行归类分析，划分出合理的区域，才能准确把握碳排放区域差异的主要原因，为碳减排政策提出合理建议。

2中国二氧化碳排放量的测算

分析中国碳排放影响因素和区域差异的基础是对各地区碳排放量精确测度。IPCC报告显示温室气体增加导致气温升高的主要来源是化石燃料的燃烧[18]。目前碳排放测度方法主要有如下三种。

其中，C是二氧化碳排放量， NCV是能源净发热值，COF是碳氧化因子，CEF是IPCC提供的碳排放系数，44和12是CO2和C的分子量。

前两种方法只涉及三种能源消耗，第三种方法又存在二氧化碳排放系数和碳排放系数间的转化问题。因此，本文基于第二种方法进行拓展，但采用九种能源种类，将各类能源消费量乘以IPCC提供的碳排放系数ηj再乘以转换为标准煤的系数θj（见式（4）），九种能源的折算系数如表1所示。

本文核算1999～2013年中国30个省市自治区的二氧化碳排放量（以下简称碳排放），西藏自治区因数据不全被剔除，数据来自于《中国能源年鉴》与《中国统计年鉴》，对1999～2013年各地碳排放系数取平均值并由高至低排列（见图1）。

由图1可见，高碳排放地区的共同特点是人口密集、能源丰富、经济较发达。与过去研究一致的结论是，单纯按照东中西部地区对碳排放进行划分是不科学的，中国碳排放区域划分与经济区域划分呈现不一致性，明显表现出一种“点带式”的散布走向。因此探究中国各地区碳排放区域差异原因应从碳排放背后的重要影响因素入手。

检验发现，模型1和模型2均具有门限效应，即GDP水平与GDP增速水平在不同区制间转移时会影响到模型的表达形式。其中，模型1在5%的显著性水平下存在单门限效应；模型2在1%水平下存在单门限效应，在5%水平下存在双门限效应。

33门限模型的估计结果

门限变量估计结果见表3，可写出模型的具体表达形式如式（18）和式（19）所示。可以看出，随着经济发展水平和增长水平的变化，模型呈现显著的非线性性，阈值8712将lnY分为高低两个区制，阈值0114和0132将ΔlnY分为高中低三个区制。

模型1中，无论在哪个区制中人口规模对地区碳排放贡献率一直较为稳定，对碳排放量也保持正向影响，lnY也都与碳排放高度正相关且系数最大，说明中国各地区依然存在高发展水平-高环境污染的增长方式。需要提出的是，在GDP水平处在低区制中时，碳排放模型为曲率增加递增形式，并非倒U型EKC；而当GDP水平处于高区制中时，模型形式转变为倒U型EKC。这说明在经济处于低发展水平时，伴随着工业带动经济发展的增长方式，即使碳排放的绝对值没有很高但却存在着污染加速的问题；当GDP处于较高水平时，碳排放水平存在拐点，超过拐点后碳排放量会持续下降，但经计算中国目前所有地区都未达到拐点水平。另一个需要注意的现象是，GDP处于低区制时能耗对碳排放影响系数明显小于GDP处于高区制时，说明随着GDP超过阈值，能源消耗导致碳排放加速增加，环境会加速恶化。

模型2中，人口规模以及GDP水平对碳排放影响基本同模型1。值得提出的是，当GDP增速分别处于高中低不同区制中时，模型曲线形式有所不同。GDP处于高增速区制时，碳排放量曲线为加速递增形式，此时能源消耗影响系数最高，说明高增速经济增长方式会导致环境快速恶化；GDP处于中增速区制时，模型又恢复了倒U型曲线形式，此时能源消耗导致的碳排放量是三区制中最低的；当GDP处于低增速区制时，模型依然为倒U型，此时能源消耗的影响系数略高于中等增速区制时的系数值。由此说明，只有当GDP增速处于中低区制中时，对生态环境的恶化相对较低，但经计算这两个区制中的均衡值GDP水平中国目前所有地区都尚未达到。

4中国碳排放区域差异的具体分析

根据上述面板门限模型估计结果，将碳排放量分为六个区制（见图2）。

象限I代表经济水平本身较高又呈现快速增长的地区，但EKC呈倒U型、存在拐点；在拐点以前，碳排放持续加重，环境污染严重。数据显示，处于这一象限中的省份有山东、江苏、广东、浙江等。需要指出的是，虽然GDP高区制下曲线存在拐点，但高增速区制曲线形状不收敛，会延缓这些地区到达拐点的路径和时间。象限II代表经济水平本身较高并呈平稳增长的地区。该区制内EKC依然存在拐点，增长方式相对健康。湖南、北京、四川、湖北、河南、河北等省份位于该象限。象限III代表经济水平本身较高、经济增长已趋于稳定并呈低速增长的地区，一般依靠高碳的第二产业带动经济发展，环境质量相对较好。上海、福建、辽宁等处于该象限内，辽宁因为盛产石油和煤炭，虽位于该象限内但碳污染依旧严重。

以上三象限都属于高GDP区制的象限，曲线存在拐点，意味着环境质量会走“先恶化后改善”的路线，但是GDP的高增速会加长拐点前“恶化”的路径或提高斜率，导致在拐点前污染十分严重；而中低经济增速下拐点前“恶化”路径相对较短，斜率较小，曲线较平缓。

象限IV代表经济水平本身较低、经济增长十分缓慢的地区。其中，低GDP区制下曲线并非是倒U型曲线，而是呈持续增长的发散形式。低经济增速区制曲线是倒U型的，存在拐点。该象限内的地区虽然碳排放量不高，自然环境较好，但是以经济过于缓慢发展为代价，相关省份有甘肃、重庆、云南、广西、黑龙江等。其中黑龙江省因为是石油大省，碳排放排名居于前列。象限V代表经济水平较低并呈中速增长的地区，其碳排放量要高于象限IV中的省份，并有向象限VI转移的趋势，符合该象限特征的省份有海南、新疆、江西和安徽。象限VI代表经济水平本身较低但快速增长的地区。由于低GDP区制以及高经济增速区制下模型曲线均为正U型形式，不存在拐点，其经济增长方式也多为高碳化形式，因此处于该象限的地区其环境恶化速度是在加剧的。只有当能效提高、经济增长方式转变后，才有可能转移到I～III任一象限中。该象限省份有青海、宁夏、吉林、天津、陕西、山西、内蒙古和贵州。

以上三象限都属于低GDP区制下的象限，IV、V象限的曲线存在拐点，VI象限不存在。处于这部分象限的地区其特征是碳排放量并不高（除去部分能源大省），但这并不意味着其经济发展走的是低碳路线，而只是说明从短期来看环境恶化的负面影响尚不够显著。一旦放眼于长期，如果经济增长方式不调整、能源效率不提高，这些地区因环境恶化所付出的代价甚至要高于I～III象限地区。

分析发现，中国碳排放区域差异的形成与原因是多样的，不能简单以东中西部地区或碳排放量的高低来划分，而是要综合考虑到地区初始经济禀赋、经济增速及经济增长方式，能源消耗与人口规模也是重要的影响因素。此外，“是否是能源大省”这个变量具有“一票认定权”，如盛产石油的黑龙江、山东、辽宁、内蒙古、新疆、四川、河北、天津和陕甘宁地区，盛产煤炭的山西、河南、辽宁、内蒙古和陕西，以及盛产天然气的新疆和四川等地，无论其经济发展现状及增速如何，以上省份的碳排放量大部分居于中国前列。

5研究结论与启示

影响中国各地区碳排放量的因素是多样的，以经济发展水平变量与经济增长变量为主，且随着变量值在区制间的转移，碳排放STIRPAT模型会呈现出不同的形式。具体结论如下：

（1）GDP水平变量为门限变量时存在单门限效应，将模型划分为高低两个区制；GDP增长速度变量为门限变量时存在双门限效应，将模型划分为高中低三个区制。在高GDP区制和中、低GDP增速区制下EKC存在拐点。

（2）能源消耗量也是碳排放重要的影响因素。随着经济发展水平与经济增速的波动，能源消耗效应也是呈非线性变动的。低GDP区制下能源消耗带来的增排远小于高GDP区制下的能源消耗效应。而相比于高经济增速区制和低经济增速区制，当经济发展处于中等增速时，能源消耗量增加引起的碳排放量相对最小。

（3）可根据GDP水平高低区制的不同以及GDP增速高中低区制将碳排放量分为六个区制，以此作为区分中国碳排放区域差异的衡量标准。只有当经济发展到较发达程度、经济增长方式从粗放型向集约型转变、经济增长平稳匀速时，该地区的碳排放才会收敛于稳态均衡值，在“发展经济”与“保护环境”这两个矛盾性命题间寻求到平衡。

中国目前正努力迈进中等收入国家的行列，这是一个经济发展阶段转化、经济增长方式转变的关键性时期，过于严厉的碳减排政策会影响中国向下一个阶段迈进的步伐。因此，碳减排过程应该是渐进性的，通过提高能源效率、降低能源强度、增加清洁能源使用、引导提倡节约能源、倡导消费行为低碳化实现碳减排，既要保证增长速度、又要保证当下的能源结构和能源成本是社会可承受的。

参考文献：

[1]Ehrlich P R. Knowledge and the Environment [J]. Ecological Economics， 1999（30）： 267-284.

[2]York R， Rosa E A， Dieta T. Stirpat， Ipat and Impact： Analytic Tools for Unpacking the Driving Forces of Environmental Impacts [J]. Ecological Economics， 2003（3）： 351-365.

[3]Cole M A. Development， Trade， and the Environment： How Robust is the Environmental Kunzets Curve [J]. Environment and Development Economics， 2003（8）： 557-580.

[4]Ang J B. Emissions， Energy Consumption， and Output in France [J]. Energy Policy， 2007（10）： 4772-4778.

[5]Soytas U， Sari R. Energy Consumption， Economic Growth， and Carbon Emissions： Challenges Faced by an EU Candidate Member [J]. Ecological Economics， 2009（6）： 1667-1675.

[6]Hatzigeorgiou E， Polatidis H， Haralambopoulos D. CO2 Emissions， GDP and Energy Intensity： A Multivariate Cointegration and Causality Analysis for Greece， 1977-2007 [J]. Applied Energy， 2011（4）： 1377-1385.

[7]Chen P， Chen S， Chen C. Energy Consumption and Economic Growth - New Evidence from Meta Analysis [J]. Energy Policy， 2012（44）： 245-255.

[8]李国志， 李宗植. 中国二氧化碳排放的区域差异和影响因素研究[J]. 中国人口·资源与环境， 2010（5）： 22-27.

[9]王锋， 吴丽华， 杨超. 中国经济发展中碳排放增长的驱动因素研究[J]. 经济研究， 2012（2）： 123-136.

[10]张先锋， 韩雪， 张庆彩. 基于偏最小二乘模型的碳排放区域差异及影响因素的实证分析[J]. 工业技术经济， 2013（7）： 100-109.

[11]王世进， 周敏. 我国碳排放影响因素的区域差异研究[J]. 统计与决策， 2013（12）： 102-104.

[12]邓吉祥， 刘晓， 王铮. 中国碳排放的区域差异及演变特征分析与因素分解[J]. 自然资源学报， 2014（2）： 189-200.

[13]俞毅. GDP增长与能源消耗的非线性门限[J]. 中国工业经济， 2010（12）： 57-65.

[14]何彬. 国有经济比重、区域经济增长与碳排放[J]. 江汉论坛， 2013（7）： 84-88.

[15]彭星， 李斌， 金培振. 文化非正式制度有利于经济低碳转型吗[J]. 财经研究， 2013（7）： 110-121.

[16]许士春， 龙如银. 中国能源和碳排放的效率测度与影响因素研究[J]. 软科学， 2015（3）： 74-78.

[17]张金灿， 仲伟周. 基于随机前沿的我国省域碳排放效率和全要素生产率研究[J]. 软科学， 2015（6）： 105-109.

[18]IPCC. Climate Change 2013： The Fifth Assessment Report of the Intergovernmental Panel on Climate Change [M]. Cambridge University Press， 2013.

[19]Hansen B E. Threshold Effects in Non-Dynamic Panels： Estimation， Testing， and Inference [J]. Econometrics， 1999， 93（2）： 345-368.

（责任编辑：张勇）