我国工业碳解锁动态演变进程及其影响因素研究

武戈　郑哲贝　周五七

内容提要：基于脱钩理论，本文对我国30个省工业碳解锁效应进行定量测算和分类，并运用STIRPAT面板数据模型对我国和三大区域碳解锁的驱动因素进行分析。结果表明：劳均产出、研发投入比重、能源利用效率和能源消费结构对全国及不同区域的碳排放强度的作用效果“大同小异”，其中能源利用效率对碳排放强度的抑制作用最大、劳均产出次之，能源消费结构对碳排放强度的正向影响最大；特别注意到Ⅲ类地区的研发强度与碳排放强度呈正相关，与预期相反，可能的解释是研发投入主要用在了促进工业增加值增长方面而不是节能减排。

关键词：脱钩模型；碳解锁； 碳排放强度

中图分类号：F42 文献标识码：A 文章编号：1001-148X（2017）02-0043-07

一、引言

改革开放以来，我国逐步形成了以重化工业为基础的产业结构和以化石燃料为主的能源結构。尽管2007年颁布了低碳经济发展战略并相继出台各种政策，我国的碳排放水平仍持续显著上升，经济发展明显高碳化，其中，工业是主要碳排放部门，占到了总量70%左右，远高于其他发达国家。我国工业行业发展陷入“碳锁定”（Carbon Lock-in），严重影响了工业的低碳化转型。因此，加快工业碳解锁进程，对促进中国二氧化碳排放早日达到峰值有至关重要的影响，也是我国发展低碳经济的关键。

西班牙学者Unruh首先提出并使用了“碳锁定”这一概念，认为自工业革命以来，由于对化石能源的高度依赖，工业经济已经“锁定”在了以碳基技术为基础的技术体系中，并阻碍了低碳技术扩散，由报酬递增驱动的技术和制度共同演化过程形成的“技术-制度复合体”（Techno-Institutional Complex，TIC）是碳锁定形成的重要原因[1]。Cowan[2]、Carley[3]、Karlsson[4]等以具体行业为例，论证了已经形成碳锁定的事实。关于如何摆脱“碳锁定”即“碳解锁”，理论上可以有两种模式：局部改变和整体替换，前者成本较低且容易操作，但无法从根本上解决问题，后者成本偏高，且难以维持整个技术系统的稳定，风险较大。由于技术-制度复合体的自我强化特征，Unruh认为需要外部力量，如突破性新技术或“突发事件”引发的社会运动才能实现[5]。Cowan和Hulten持同样的观点，认为外部冲击可以是相关技术的危机、政府制度、技术突破、消费偏好改变等[6]。

国内学者谢来辉（2009）[7]、李宏伟（2013）[8]、谢海生和庄贵阳（2016）[9]等在这方面也做了一些有益的探索，且集中在理论层面较多。在探讨我国碳锁定成因上，李宏伟和杨梅锦（2013）在技术锁定和制度锁定的基础上，提出了组织锁定和产业锁定[10]；屈锡华更加结合我国具体情况，认为除了技术、能源结构等共同因素外，政府对GDP的过分追捧以及在世界经济格局中的分工地位也是我国出现碳锁定的重要原因[11]。也有学者分析了不同行业的碳锁定成因及解锁途径[12-15]。目前碳锁定实证研究相对较少，林秀群（2014）、汪中华和成鹏飞（2015）利用地区碳承载力和碳排放量的差值分别对云南和黑龙江省碳锁定进行表征[16-17]；王志华等（2012）、沈友娣等（2014）运用脱钩模型对区域锁定效应做了判定[18-19]。从全国层面，郭进和徐盈之（2015）基于产出法实证分析了我国的碳锁定状况，发现大部分产业从部门内和部门间两个层面实现了较大程度的解锁[20]；周五七和唐宁（2015）系统评估了1998-2012年我国工业各细分行业的碳排放脱钩弹性，发现不同工业行业间存在明显的碳解锁特征差异[21] 。

在上述研究文献的基础上，本文试图以省级层面为切入点，借鉴脱钩理论研究成果，对各省碳解锁效应进行定量测算，然后利用2005-2014年间我国30个省市的面板数据，从产出效率、技术进步、能源结构等角度对影响我国碳解锁的因素进行实证分析，并提出相应的对策建议。

二、我国工业碳解锁进程的动态分析

（一）脱钩模型

借鉴Tapio关于交通运输量与经济增长关系的脱钩理论，并参考赵一平（2006）[22]等人的方法，分别用Y和C表示各省工业增加值和工业二氧化碳排放量，则C/Y表示单位工业产出的二氧化碳排放量，即碳排放强度。这三个变量的变化量可表示为：

（二）碳排放测算和数据来源

参考IPCC（Intergovernmental Panel on Climate Change，联合国政府间气候变化专门委员会） 温室气体排放清单指南中的方法[23]，对我国30个省市、自治区（西藏、港澳台地区由于缺少数据不进行计算）的工业能源消耗二氧化碳排放量进行估算，具体计算公式为：

式中，CO2i表示i种能源消耗所产生的CO2排放总量（万吨）；Ei表示i种能源终端消费量；NCVi表示能源的平均低位发热量，数值参考《中国能源统计年鉴》附录（略）；EFi为碳排放因子；COFi为碳氧化率，各能源的碳氧化率均在98%以上，为简便计算本文均假设为1；44/12为CO2与C的分子量比值。为保证统计数据口径的一致性，本文将最终能源消费种类分为原煤、洗精煤、其他洗煤、型煤、焦炭、焦炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、天然气、其他石油制品、其他焦化产品以及其他能源共计18种。各类能源的碳排放因子及折标煤系数参考《综合能耗计算通则》（GB/T2589-2008）和《IPCC国家温室气体清单编制指南（2006）》进行设定。

本文使用的工业增加值数据来自2005-2014年各省的统计年鉴，单位为亿元。计算工业产值以2005年为基准年，其他年度工业产值通过价格指数PPI转化为价格基准年可比价。

（三）基于脱钩模型的碳解锁分析

分析各省工业碳解锁的演变趋势，首先比较各省碳排放强度的变化。工业碳排放强度降低，表明对环境的负面影响减弱，工业经济增长的质量有所提高。根据发达国家的经验，在实现碳解锁的过程中，工业碳排放首先会随着工业增加值一同上升，但增长速度低于后者；当工业增加值稳定增长，碳排放量反而减少时，即实现了绝对解锁。

由于碳排放强度取决于各省碳排放量和工业增加值的比值，碳排放量大且工业产值高的省份碳排放强度可能会低于碳排放量小且工业产值低的地区。图1描绘了2005-2014年我国各省份碳排放量强度的动态变化趋势，便于对各省份的碳排放强度进行横向比较及时间上的纵向比较。

可以看到，考察年份内各省份的碳排放强度基本呈现下降趋势，说明整体上我国工业行业的碳排放与工业增加值之间解锁趋势较明显。2005-2014年，全国的平均碳排放强度从427吨/万元下降到了207万元，下降了515%。其中，碳排放强度最高的省份一直是宁夏，从2005年的105吨/万元下降到2014年的535吨/万元，下降幅度为4904%；碳排放强度最低的省份略有变化，2005年最低的是广东、为12吨/万元，之后的2008年和2011年均为浙江，从2008年的115吨/万元下降到了2011年的083吨/万元，2014年碳排放强度最低的是北京、仅为05吨/万元。

基于碳排放强度变化的分析较为粗略地判断了碳排放和工业增加值之间的相对变化关系。为更精确地分析，利用脱钩模型测算2005—2014年各省碳解锁变化趋势，具体结果见表2。

工业起步较早、经济发展水平较高的省份碳解锁状态比较稳定，多表现为相对解锁，主要有北京、天津、上海、江苏、浙江和广东6省，其中北京、浙江、上海等有出现连续几年绝对解锁。考察各省的产业结构，发现北京、上海的第三产业占了绝对的比例，其中又以现代服务业为主。以2014年为例，北京和上海第三产业占总产值的比重分别达到了779%和678%，远高于其他省份。天津、江苏、浙江和广东尽管目前第二产业的比重较大，但由于并不是以资源型的重工业为主且能源利用水平相对较高，所以工业产出较高，碳排放强度较低。总的来说，这几个地区的经济发展质量较高，对碳排放也有较好的控制，是我国实现碳解锁和节能减排目标的领头羊。

有些省区经济处在快速发展阶段，碳排放波动变化比较剧烈，导致碳解锁状态不够稳定，这些省份主要有山西、内蒙古、辽宁、吉林、黑龙江、江西、海南、陕西、甘肃、青海和新疆。其中山西、内蒙古是我国的煤炭大省，经济对煤炭的依赖性较高；而辽宁、吉林、黑龙江则是传统的东北老工业基地，重工业比重较大，目前仍以煤炭为主，导致这几个地区的经济发展质量不高。海南省虽以旅游业为主，第二产业不是很发达，如2014年的工业产值不到全国平均水平的7%，但近年来工业产生的碳排放量呈递增趋势，出现了增长锁定和相对解锁交替出现的局面。其余几个省份经济发展的同时伴随着工业碳排放的增加，偶尔会出现下降的情况，波动较大。总的来说，这些地区工业经济的发展主要还是依赖于能源的大量消耗，工业经济发展效益不高，碳减排任务比较艰巨。

有些省区经济还在快速发展阶段，碳排放较稳定，基本上处于相对解锁状态，主要有河北、安徽、福建、山东、河南、湖北、湖南、广西、重庆、贵州、云南、宁夏、四川13个省份。河北和山东是较为典型的重工业省份，对能源资源的依赖较高，虽然表现为相对解锁，但是这两个地区的工业产值和碳排放水平同时表现为上升，经济发展效益不高，离实现绝对解锁还有一定的距离。广西始终为相对解锁状态，可能是由于其第一产业比重较大。贵州是我国的矿产资源大省，除了2009年出现增长锁定，其余年份为相对解锁。其他省份如安徽、福建、河南等均表现为工业总产值和碳排放水平的双增。总的来说，这些地区的工业产值和能源消耗量表现为同步增长状态，因此这些地区工业发展的主要目标是在不影响经济增速的情况下控制碳排放水平，从而降低碳排放强度，这样才有利于实现可持续发展。

三、碳解锁影响因素分析

（一）模型与数据

上述分析表明不同省份的碳解锁进程存在一定差异，进一步分析造成这些差异的原因。采用经典的STIRPAT模型：

式中a为模型系数，P、A、T分别表示人口规模、富裕程度和技术水平，b、c、d为对应的弹性系数，ε为随机误差项。考虑到本文研究的是工业层面，对解释变量进行改进，最终选取劳均产出、技术水平、能源消费结构等作为解释变量，工业碳排放强度为被解释变量。为降低模型异方差，对模型采用经典的对数处理方式，最终表达式为：

式中，下标i指各省份，i=1，2，3…30；t为相应的年份；CEI为工业碳排放强度；αi为固定效应，表示各省的特征；μi为随机误差项；系数βi分别度量了各解释变量对当期碳排放强度即被解释变量的影响程度。对其他解释变量的说明如下：（1）原模型中的富裕程度用劳均产出（PO）来衡量，即各省单位从业人员的工业总产值（单位：万元/人），回归系数预期为负。（2）借鉴邵帅（2010）[24]等人的做法，将技術水平分解为投入型变量和产出型变量，分别用研发投入比重（RD）和能源效率（EI）来衡量，前者用各省工业企业研发内部支出占工业增加值之比表示，后者用单位能源产出（单位：万元/吨标准煤）来衡量，预计两者符号为负。（3）能源结构（ECS），相比石油和天然气，单位煤炭燃烧产生的CO2排放量要更高，而我国多煤少气贫油的能源结构导致长期以来我国的能源消费一直以煤为主。为此，本文用煤炭消费量比重作为能源消费结构的代理变量，回归系数预期为正。上述变量所需数据根据历年各省统计年鉴、《中国工业经济统计年鉴》、《工业企业科技活动统计年鉴》及《中国能源统计年鉴》计算整理得到，价格类指标均折算成2005年可比价。

（二）实证分析

采用LLC（Levin-Lin-Chu）、IPS（Im-Pesaran-Shin）、ADF-Fisher和PP-Fisher4种方法对变量进行单位根检验，表3的检验结果显示，变量均为一阶单整。

考虑到样本容量（大N小T），本文采用Pedroni和Kao方法检验变量间是否存在协整关系。由表4可见，两种方法检验结果表明在1%显著性水平上拒绝原假设，说明被解释变量和解释变量之间存在长期协整关系。

面板数据模型通常分为无个体影响的不变系数模型、变截距模型和变系数模型。其中，F统计量用于判定模型中是否存在个体固定效应；Hausman检验用于判定建立固定效应还是随机效应模型。根据Hausman检验结果，本文选择个体固定效应模型。多重共线性检验表明，解释变量方差膨胀系数（VIF）检验均小于2，其平均值为152，说明多重共线性问题较弱。模型估计结果如表5所示。

表5给出了全国范围固定效应模型（FE）的估计结果。从模型1的回归结果来看，除研发投入比重在5%的水平上显著外，其余解释变量均在1%的水平上显著，说明劳均产出、研发投入比重、能源利用效率水平和能源消费结构对工业碳排放强度都有显著影响，回归系数符号整体上符合预期，R2为099，说明模型整体上显著。

考虑到模型可能存在自相关和异方差问题，模型2进一步采用了Driscoll-Kraay标准差（DK）方法进行估计。从回归结果来看，各解释变量对工业碳排放强度均有显著影响，符号均符合预期。其中，能源利用效率对碳排放强度的抑制作用最大，能源利用效率水平每提高1%，会引起碳排放强度降低09015%，对环境产生正向效应。劳均产出对工业碳排放强度的影响系数为负，我们认为，碳排放强度的变化取决于碳排放水平和工业增加值两者的相对变化幅度，当碳排放水平的增加幅度小于后者的增加幅度时，碳排放强度表现为降低。回归结果系数为-00456，说明每上升1%，会引起工业碳排放强度降低00456%。弹性系数小于1，则说明劳均产出的增长速度要高于工业碳排放强度的增长速度。研发投入比重的系数也为负，每上升1%，工业碳排放强度将降低00126%。可见，提高研发投入比重带来的技术进步以及由此提高劳动生产率是降低工业碳排放强度的一个重要因素。煤炭占能源消费比重对碳排放强度的系数符号为正，说明目前我国工业碳排放强度对能源消费是很敏感的，煤炭消费比重每增加1%，会引起碳排放强度上升02188%。

进一步地，在前文区域分类的基础上，建立分区域的面板数据模型进行研究。根据模型设定检验形式，Ⅱ类地区建立随机效应变截距模型，Ⅰ类和Ⅲ类地区则建立固定效应变截距模型。模型3-5给出了相应的估计结果。三个区域的R2都很高，模型拟合较好，各变量的回归系数符号符合预期，除了个别地区个别变量系数不显著外，大部分变量都满足至少在5%水平上显著。可以看到：（1）三类区域的劳均产出回归系数均为负值，说明随着人均工业产出的增加，区域工业碳排放强度会随之降低。除Ⅱ类地区的估计系数不显著外，其他两类地区的系数显著为负，其中，Ⅲ类地区的劳均产出弹性系数为-00486，高于Ⅰ类地区的-00317。这说明通过资本、设备等的投入来提高劳动生产率从而实现碳解锁是可行的，特别是Ⅲ类地区，在制定对策时，要以提高人均工业产出为重点。（2）Ⅰ类地区研发投入对碳排放强度的抑制作用最大，为-00553，Ⅱ类地区次之，为-00194，说明Ⅰ类地区对技术进步最为敏感。值得注意的是，Ⅲ类地区的研发强度与碳排放强度呈正相关且不显著，与预期相反，可能的解释之一是，研发投入主要用在了促进工业增加值增长方面而不是节能减排，导致技术效应没有完全发挥出减排的作用，这也是李小平和卢现祥（2010）[25]、何小钢和张耀辉（2012）[26]提出的观点。（3）能源利用效率弹性是所有弹性系数中最大的，这也为实现碳解锁提供了一个方向。回归结果表明，能源利用水平每增加1%，将会引起Ⅰ类地区降低08663%，Ⅱ类地区和Ⅲ类地区分别降低09474%和09163%。能源利用效率水平越高，单位产出的能耗就越少。（4）煤炭在能源消耗中的占比对碳排放强度有明显的正向影响。煤炭占比每增加1%，会导致Ⅲ类地区的碳排放强度增加02723%，比Ⅱ类地区高出00184个百分点，比Ⅰ类地区高出了0146个百分点之多。反过来也可以这么认为，煤炭占比每减少1%，Ⅲ类地区减少的碳排放强度也是最多的。改善能源结构将是实现碳解锁的重要保障。

四、结论与启示

工业是我国能源消耗和碳排放的主要部门，目前我国正处于工业化中期阶段，GDP的增长主要依赖于第二产业，通过放缓经济增长来实现碳减排显然是不现实的。鉴于此，如何正确处理好经济发展与环境之间的关系，寻求碳解锁路径显得尤为重要。本文基于碳排放强度和脱钩模型较为系统地分析了2005-2014年我国各省份工业碳解锁变化趋势及其影响因素，得到以下主要结论：（1）北京、天津、上海、江苏、浙江和广东6省由于发展较早、经济发展水平较高，多表现为相对解锁，其中北京、浙江和上海有连续几年实现绝对解锁，经济发展质量较高，有利于节能减排目标的实现。（2）山西、内蒙古、辽宁、吉林、黑龙江、江西、海南、陕西、甘肃、青海和新疆这11個省份经济还在快速发展阶段，碳排放变化比较剧烈导致了碳解锁状态变化较大，碳减排压力较大。（3）河北、安徽、福建、山东、河南、湖北、湖南、广西、重庆、贵州、云南、宁夏、四川等13个省份经济还在快速发展阶段，工业产值和能源消耗量表现为同步增长状态，解锁状态也相对稳定。这些地区工业发展的主要目标是在不影响经济增速的情况下控制碳排放水平，这样才有利于实现可持续发展。

在对我国工业碳排放强度的影响因素分析中，劳均产出、研发投入比重、能源利用效率和能源消费结构这四个解释变量对全国及不同区域的碳排放强度的作用效果基本一致，但影响的程度不同。能源效率和劳均产出与工业碳排放强度显著负相关，提高能源利用效率水平和劳均产出有利于加快碳解锁进程；能源消费结构促进了碳排放强度的上升；研发投入比重的影响系数为正，加大研发投入提升比重有利于降低碳排放强度。

上述实证研究结果对实现我国工业碳解锁有以下启示：

（1）工业化进程加快带来的能源刚性需求使得短时间内控制我国的碳排放规模比较困难，努力降低碳排放强度才是保障经济发展同时实现节能减排的有效途径。通过提高劳动生产率，使相同碳排放水平下的产出规模增加，从而降低碳排放强度。

（2）化石燃料能源的燃烧是二氧化碳的主要来源，优化我国能源消费结构，减少煤炭使用，提高清洁能源使用比例，将对减少碳排放、实现碳解锁产生较大的正向影响。但同时也要认识到，自改革开放以来形成的以煤为主的能源结构在短期内较难改变，真正实现能源结构优化是一项长期而艰巨的任务。

（3）能源效率对控制碳排放强度最为有效，而提升能源利用效率水平主要依赖于技术水平的进步。目前各省的研发投入比重和能源效率水平差距较大，即使是技术水平较为先进的北上广等发达省市，与国际先进水平相比还是存在着一定的差距。因此，有赖于政府部门提高研发投入比重，引导企业节能减排技术的研发和利用，同时注重国外先进环保技术的引进，逐步打破高碳技术所形成的碳锁定，实现经济增长的低消耗、高效益。

参考文献：

[1] Unruh G C. Understanding carbon lock-in[J].Energy Policy，2000，28（12）：817-830.

[2] Cowan R，Gunby P. Sprayed to Death： Path Dependence，Lock-In andPest Control Strategies.[J].Economic Journal，1996，106（436）：521-42.

[3] Carley S. Historical analysis ofU.S. electricity markets： Reassessing carbon lock-in[J].Energy Policy，2011，39（2）：720-732.

[4] Karlsson R. Carbon lock-in，rebound effects andChina at the limits of statism[J].Energy Policy，2012，51（6）：939-945.

[5] Unruh G C. Escaping carbon lock-in[J].Energy Policy，2002，30（4）：317-325.

[6] Cowan R，Hultén S. Escaping lock-in： the case of the electric vehicle[J].Technologicalforecasting and social change，1996，53（1）： 61-79.

[7] 谢来辉. 碳锁定、“解锁”與低碳经济之路[J].开放导报，2009（5）：8-14.

[8] 李宏伟. “碳锁定”与“碳解锁”研究：技术体制的视角[J].中国软科学，2013（4）：39-49.

[9] 谢海生，庄贵阳. 碳锁定效应的内涵、作用机制与解锁路径研究[J].生态经济，2016，32（1）：38-42.

[10]李宏伟，杨梅锦. 低碳经济中的“碳锁定”问题与“碳解锁”治理体系[J].科技进步与对策，2013（15）：41-46.

[11]屈锡华，杨梅锦，申毛毛. 我国经济发展中的“碳锁定”成因及“解锁”策略[J].科技管理研究，2013，33（7）：201-204.

[12]杨玲萍，吕涛. 我国碳锁定原因分析及解锁策略[J].工业技术经济，2011，30（4）：151-157.

[13]张庆彩，阮文玲. 我国资源型城市“高碳锁定”的内在机制及解锁路径——以安徽省淮北市为例[J].现代城市研究，2013（2）：94-99.

[14]张庆彩，卢丹，张先锋. 国际贸易的低碳化及我国外贸突破“高碳锁定”的策略[J].科技管理研究，2013，33（6）：111-114.

[15]吕涛，张美珍，杨玲萍. 基于扎根理论的家庭能源消费碳锁定形成机理及解锁策略研究[J].工业技术经济，2014（2）：13-21.

[16]林秀群. 区域碳锁定的判定研究——以云南省为例[J].昆明理工大学学报：社会科学版，2014（3）：73-79.

[17]汪中华，成鹏飞. 黑龙江省矿产资源开发区碳锁定及解锁路径[J].矿产保护与利用，2015（6）：1-7.

[18]王志华，缪玉林，陈晓雪. 江苏制造业低碳化升级的锁定效应与路径选择[J].中国人口：资源与环境，2012（S1）：278-283.

[19]沈友娣，章庆，严霜. 安徽制造业碳排放驱动因素、锁定状态与解锁路径研究[J].华东经济管理，2014（6）：27-30.

[20]郭进，徐盈之. 基于技术进步视角的我国碳锁定与碳解锁路径研究[J].中国科技论坛，2015（1）：113-118.

[21]周五七，唐宁. 中国工业行业碳解锁的演进特征及其影响因素[J].技术经济，2015，34（4）：15-22.

[22]赵一平，孙启宏，段宁. 中国经济发展与能源消费响应关系研究——基于相对“脱钩”与“复钩”理论的实证研究[J].科研管理，2006，27（3）：128-134.

[23]IPCC.2006 IPCC guidelines for national greenhouse gas inventories： volumeⅡ[EBOL].[2012-08-19].Japan： IGES （Institute for Global Environmental Strategies），2006.http：www.ipcc.chipccreports Methodology-reports.htm.

[24]邵帅，杨莉莉，曹建华. 工业能源消费碳排放影响因素研究——基于STIRPAT模型的上海分行业动态面板数据实证分析[J].财经研究，2010（11）：16-27.

[25]李小平，卢现祥. 国际贸易、污染产业转移和中国工业CO2排放[J].经济研究，2010（1）：15-26.

[26]何小钢，张耀辉. 中国工业碳排放影响因素与CKC重组效应——基于STIRPAT模型的分行业动态面板数据实证研究[J].中国工业经济，2012（1）：26-35.

Research on Dynamic Evolution Process and Influence Factors of China′s

Industrial Carbon Unlock

WU Ge，ZHENG Zhe-bei，ZHOU Wu-qi

（School of Business，Jiangnan University，Wuxi 214122，China）

Abstract：Based on the decoupling theory， this paper quantitatively estimates and classifies the industrial carbon unlocking effect of 30 provinces in China， and analyzes the influence factors of carbon unlock in China and three regions by using STIRPAT panel data model. The results show per capita output， R&D investment proportion， energy efficiency and energy consumption structure have similar influence on industrial carbon emissions intensity from the national and regional perspective， wherein the energy efficiency has the maximum positive effect on inhibiting the carbon emissions intensity， per capita output comes second， the energy consumption structure has the maximum positive correlation； the R&D investment proportion of region III has a positive correlation with carbon emissions intensity， which is contrary to the expectation. One possible explanation is that the R&D investment is mainly used in the promotion of industrial growth，but not in energy-saving and emission-reduction.

Key words：decoupling model； carbon unlock； carbon emission intensity

（責任编辑：周正）