中国碳排放环境库兹涅茨曲线研究：以产业结构变动视角①

江苏大学财经学院 胡智愚

当今世界，全球气候变暖已经成为全人类共同面对和亟需处理的最重大环境问题之一，而由产业发展特别是第二产业发展所产生的碳排放是导致全球气候变暖的主要原因。自改革开放以来经过30余年的不断发展，中国已成为世界第二大经济体，取得了举世瞩目的成就，但同时，碳排放水平也不断提高。在2015年，中国碳排放量已位于世界前列，虽然自2014年起中国的碳排放量增长开始放缓，但仍然面临着严峻的节能减排形势。产业结构的变动值是较直观的产业发展水平观察指标，因此，研究产业结构变化与碳排放之间的关系具有重要意义，并可对未来中国节能减排战略的实施提出有效的对策建议。

1 文献综述

碳排放受到多方面因素的影响，对于碳排放的影响因素，国内外学者普遍认为产业结构变化是影响碳排放的重要因素；Kambara(1992)认为能源密集型产业与非密集型产业间的产业结构变动对早期的能源消费变动起主导作用[1]。陈宇光(2016)采用二维LMDI模型对浙江省1995—2012年的能源碳排放数据进行了分解分析，得到人口、人均收入、产业结构等七个影响碳排放量的主导因素[2]。郭朝先(2012)同样使用碳排放强度分解法，定量分析了1996—2009年中国产业结构变动对碳排放的影响，得出过去产业结构变动使得碳排放增长的结论，同时预测未来的产业结构变动有助于减少碳排放[3]。刘殿兰(2015)利用中国28个省份的面板数据对技术进步、产业结构变动和中国碳排放之间关系进行了经验分析，发现技术进步一直对碳排放有抑制作用，产业结构变动对碳排放初始有着促进作用，且随着时间推移，技术进步的抑制作用上升而产业结构变动的促进作用减弱[4]。

对于二氧化碳等环境污染物的排放趋势，学者们的共识是随着产业发展和经济水平的提高，环境污染物排放量将呈现出先上升再下降的倒U型曲线趋势，即环境库兹涅茨曲线(Environmental Kuznets Curve,简称EKC曲线)：1995年，美国经济学家Grossman和Krueger对GEMS(Global Environmental Monitoring System)主要城市的大气质量进行了分析，发现SO2排放量和人均收入水平呈“倒U型”曲线关系[5]。林伯强(2009)使用传统的库兹涅茨模型与实际碳排放预测两种不同方法，对中国碳排放环境库兹涅茨曲线进行对比研究和预测，发现结果存在较大差异，中国碳排放峰值理论上在2020年左右到达，但实证预测表明，峰值到2040年还没有出现[6]。丁宝根(2012)基于EKC曲线的视角，验证得出江西省碳排放EKC曲线呈现“U型+倒U型”，且当前处于下降趋势中[7]。洪业应(2015)以重庆市1978—2013年能源消费数据为基础，分析探讨了碳排放量、能源消费和经济增长的关系，认为碳排放量和经济增长间存在显著“倒U型”曲线关系，符合环境库兹涅茨曲线的趋势特征，并预测拐点将出现在2020年[8]。原嫄(2016)将世界主要国家分为极高发展水平、高等发展水平、中等发展水平三个层次，并使用新古典主义经济学模型对各国面板数据进行了分析，提出制造业对碳排放有着一直的正向效应，服务业对碳排放先有正向效应，而后逐渐下降转为负向效应，验证了碳排放在经济发展过程中存在倒U型演化趋势与产业结构升级是有效的减排手段[9]。

综上所述，学者们对产业结构变动、技术进步等因素对碳排放的影响作出了广泛而深入的研究，得出了产业结构变动与碳排放之间有着密切联系的结论，并且对中国的EKC曲线的拐点和趋势进行了预测和模拟。然而在过去专家学者们的研究中，由于碳排放量计算方式、选取的时间跨度不一致等因素，对碳排放趋势的预测各不相同，并且，大部分研究是使用时间序列数据，以年份为横轴验证中国过去几十年间碳排放是否符合环境库兹涅茨曲线(EKC曲线)的先升后降趋势，而后再分析碳排放量与经济增量、能源消费、产业结构的相关关系，对于产业结构变化和碳排放量这两者的内在联系没有进行深入探讨。因此，本文在过去研究的基础上，采用不同年份反映产业结构变化的空间向量指标-Moore结构变化值，研究验证历年中国产业结构变动值与碳排放之间的EKC曲线模型，并对未来碳排放趋势作出合理的预测。

2 研究方法与指标计算

本文通过收集整理国家统计局官方网站公布的1978—2016年间全国能源消费中的煤炭消费总量、石油消费总量、天然气消费总量作为原始数据，并根据国家公布的各能源折标煤系数和二氧化碳排放系数，计算出1978—2016年中国的碳排放数据，而后使用1978—2016年间全国三次产业占比数据，计算得出1978—2016年间中国产业结构的Moore结构变化值指标。最后使用SPSS统计分析软件进行曲线模拟，来验证1978—2016年间中国碳排放的EKC曲线，计算得出最符合实际的曲线模型。

2.1 中国历年碳排放量计算

本文使用原煤、原油、天然气这三类最主要能源消费量计算碳排放量，所用公式如下：

其中，Ct代表碳排放总量，Ci、Hi、Ni分别为该种类能源消费总量(万吨标准煤)、该类能源折标准煤系数、该类能源二氧化碳排放系数，三大类能源碳排放量相加便为碳排放总量，各类能源折标煤系数及二氧化碳排放系数，如表1所示。

表1 三大类能源碳排放系数及公式

在表1中，低(位)发热量等于29307千焦(kJ)的燃料，称为1千克标准煤(1kgce)，其中折标准煤系数来源于《综合能耗计算通则》(GB/T2589-2008)，二氧化碳排放系数来源于《省级温室气体清单编制指南》(发改办气候[2011]1041号)。计算所得中国碳排放量，如表2所示。

表2 中国1979-2016年碳排放量

2.2 Moore结构变化值计算

Moore结构变化值是运用空间向量测定法，将产业分为n个部门，构成一组n维向量，并以两个时期里两组向量间的夹角作为测度产业结构变化程度的指标。本文依据国家统计局公布的中国历年三次产业占比数据，以1978年为基期，计算出1979—2016年间的Moore结构变化值，计算公式如下：

其中，Mi表示Moore结构变化值的三角函数值，Wi，t表示第t期第i产业所占比重，Wi，t+1表示t+1期第i产业所占比重。而后对Mi取反三角函数：

θi即为Moore结构变化值。该计算公式的原理为，当某一产业在国民经济中的份额发生变化时，它与其他产业(向量)的夹角就会发生变化，将所有的夹角变化累积起来，就可以得到整个经济系统中各产业的结构变化情况。计算所得Moore结构变化值，如表3所示。

表3 中国1979-2016年Moore结构变化值表

3 数据分析与EKC曲线模拟

3.1 中国1978-2016年整体EKC曲线分析

图1 1978-2016年中国碳排放与Moore结构变动值关系图(碳排放量单位：万吨)

在图1中，横轴为Moore结构变动值，纵轴为中国碳排放量。可看出，中国碳排放量随着Morre结构变动值的变化而出现的变化可分为两个不同时期，即1979—1998年整体随着Moore结构变动值的增长而增长的较为平缓的时期，以及1999—2016年随着Moore结构变动值的增长首先高速增长而后达到顶峰，并在近年来转为下降趋势的时期。因此，对1979—2016年的全部数据进行EKC曲线模拟的难度较高。本文将分两个时期，分别对1979—1998年与1999—2016年的中国碳排放量与产业结构变动值进行EKC曲线模拟，而后再将两段曲线结合起来，构成中国1978—2016年整体EKC曲线。

3.2 1978-1998年中国碳排放EKC曲线模拟

图2 1978-1998年中国碳排放EKC曲线(碳排放量单位：万吨)

表4 1978-1998年中国碳排放EKC曲线ANOVA表

在图2中，横轴为Moore结构变动值，纵轴为中国历年碳排放量，图中空心原点为实际观测值，拟合曲线为三次方曲线，调整R方为0.898，拟合优度良好，由ANOVA表4可知Sig值接近0，说明此次回归具有较高的可信度，拟合出的1978—1998年中国碳排放EKC曲线方程为：式中，C代表碳排放量，θ代表Moore结构变动值。由曲线拟合结果可知：1978—1998年间，中国碳排放EKC曲线首先经历了一个平稳增长时期，此时碳排放与Moore结构变动值的增长速度都较为缓慢；而后，碳排放量增长速度加快而Moore结构变动值增加速度相对较慢，此时曲线呈现扬升的态势；最后，在1990年左右的一个拐点后，Moore结构变动值增加速度超过碳排放量增加速度，表现为曲线再次趋于平缓并达到峰值，碳排放量的增加几乎停滞。曲线整体表现为一个倒U型曲线的左半边。

3.3 1999-2016年中国碳排放EKC曲线模拟

图3 1999-2016年中国碳排放EKC曲线(碳排放量单位：万吨)

表5 1999-2016年中国碳排放EKC曲线ANOVA表

在图3中，横轴为Moore结构变动值，纵轴为中国历年碳排放量。图中空心原点为实际观测值，拟合曲线为三次方曲线，调整R方为0.829，拟合优度良好，由ANOVA表5可知Sig值接近0，具有较高的可信度，拟合出的1999—2016年中国碳排放EKC曲线方程为：式中，C代表碳排放量，θ代表Moore结构变动值，由曲线拟合结果可知：1999—2016年间，中国碳排放量EKC曲线首先出现了一个碳排放量大幅增长，而Moore结构变动值增长缓慢的上升期；而在2010年后，碳排放量增长速度迅速放缓，与此同时Moore结构变动值增长速度不断增加，并在2014—2015年间达到EKC曲线的峰值。曲线整体也同样表现为一个倒U型的左半边。

3.4 1979-2016年中国碳排放EKC曲线模拟

图4 1979-2016年中国碳排放EKC曲线(碳排放量单位：万吨)

分别得出1979—1998年与1999—2016年的碳排放EKC曲线后，本文将两段EKC曲线结合到一起，模拟出1979—2016年中国整体的碳排放与产业结构变动值EKC曲线。从图4中可看出，前半段1979—1998年间的EKC曲线具有完整的先缓慢增长、而后快速增长、最后增长速度放缓并达到峰值的形状，而后半段1999—2016年间的EKC曲线没有缓慢增长的初期阶段，直接经历了高速增长，而后达到峰值。

5 结论与对策建议

5.1 结论

在过去的文献中，专家学者们就产业结构对经济发展的影响已经作出了极为丰富的探讨和研究，并对未来中国碳排放的趋势作出了不同的预测，但对于产业结构变动与碳排放间的关系，仍有进行进一步挖掘的必要。本文在过去有关研究的基础上，收集整理1978—2016年间中国碳排放与Moore结构变动值数据，通过综合分析，有了以下初步结论。

中国产业结构变动值与碳排放量之间的回归曲线由两条不同的EKC曲线构成，第一条时间段为1978—1998年，第二条时间段为1999—2016年，两条曲线整体都呈现倒U型曲线结构。两条EKC曲线都出现了碳排放量达到峰值并开始减少的拐点，第一条EKC曲线的拐点出现在1997—1998年间，第二条EKC曲线的拐点出现在2014—2015年间。

因此，可得出的结论有以下几点：首先，一个国家在经济发展的过程中EKC曲线并不只有一条，在宏观经济走向发生大的变动时，已经到达拐点的碳排放量可能又会出现新一轮的大幅增长。但是，从整体来看，碳排放量随着Moore结构变动值的增加，先上升后下降的总体趋势是不变的；其次，产业结构变动与碳排放增长是两个相互作用、互相影响的过程，消耗能源进行社会生产创造财富并同时产生碳排放的过程，是产业结构优化所必须具备的准备过程，而产业结构变动升级又将反过来优化生产模式，提高能源利用效率，使得碳排放量增长速度放缓乃至最后出现下降；最后，中国加入WTO后虽然碳排放上升速度加快，但到达峰值的时间缩短，可认为是中国的对外开放加速了产业结构的转型升级，使得EKC曲线的拐点提前到来的佐证。

当前中国，第二产业经过改革开放以来数十年的不断发展，产业体系已经较为完善，在未来GDP中的占比不具有像从前那样巨大的上升空间，而第二产业发展是碳排放量增加的主导因素。因此，本文认为，中国碳排放在2014—2015年间已经到达拐点，在外部环境不变的情况下，未来将总体呈现缓慢下降的趋势，即使出现增长也将是小幅增长。在此基础上，本文通过拟合的EKC曲线对碳排放趋势作出预测，认为2017年中国碳排放量将在812280.33～854713.91万吨之间。

5.2 对策建议

面对节能减排的压力，中国已向国际社会作出碳减排的承诺，可是，碳减排不能以停滞经济发展为代价，其根本目标是提升能源利用效率，保障国民经济更好更快发展。本文在以上前提的基础上，结合研究内容，提出以下几点对策建议。

5.2.1 加速产业结构转型升级，大力发展第三产业

2015年，中国的第三产业占GDP比重首次超过50%，然而，与欧美发达国家相比，第三产业占比仍有很大的提升空间。由此可见，未来第三产业占比增加将是Moore结构变动值增长、产业转型升级的主导因素，且相比第二产业，第三产业对碳排放增长的贡献较低。中国政府应将第三产业发展作为低碳经济发展的重点，通过营造良好环境、出台政策支持等手段，保证第三产业平稳有序高速发展。

5.2.2 淘汰落后产能，加快技术进步速率

在推进供给侧改革、增强可持续性经济发展战略中，淘汰落后产能是一大重点，也是节能减排的必经之路。通过供给侧结构性改革，使得碳排放效率低下的落后企业淘汰出局，即可缓解煤炭、钢铁等行业产能过剩的现状，也可使得碳排放量下降、能源利用效率上升。与此同时，虽然第二产业占比将出现下降，但对于制造业，政府应给予更高的重视，通过加大研发投入、提升科研成果转化率等手段，提升技术进步速率、碳排放效率。这两方面齐头并进，方能实现制造业转型升级，改变中国粗放式的经济发展模式，提升综合国力，增强国际竞争力。

5.2.3 加大对外开放力度，提升对外贸易水平

通过两条中国不同时期的EKC曲线可以看出，对外开放后，虽然碳排放量大幅上升，但中国到达EKC曲线拐点的时间缩短，由此可见，对外贸易水平的提高加速了中国产业结构转型升级的速度。因此，首先在国内，政府应当给予经济相对不发达、碳排放效率低下的地区更多的对外贸易优惠政策，同时通过利用经济较为发达省份的技术扩散效应，缩小地区间的差距，提升整体能源利用水平。而对于沿海对外开放程度已经较高的省份，应当在加大对外开放程度的同时更加注重引入外资的质量，严审污染物排放严重、能源利用效率低下的外资企业，使得对外开放向着有利于我国产业转型升级的方向发展。

[1] Kambara T.The energy situation in China.The China Quarterly[J].1992(131).

[2] 陈宇光.浙江省能源碳排放增长的驱动因素探究——基于行业和能源的二维LMDI模型[J].嘉兴学院学报,2016(2).

[3] 郭朝先.产业结构变动对中国碳排放的影响[J].中国人口资源与环境,2012(7).

[4] 刘殿兰,周杰琦.技术进步、产业结构变动与中国的二氧化碳排放——基于省际面板数据的经验分析[J].科技管理研究,2015(9).

[5] Grossman G.M,Krueger A.B.Economic growth and the environment[J].Quanterly Journal of Economics,1995,110(2).

[6] 林伯强,蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界,2009(4).

[7] 丁宝根,周明,温建中.基于EKC视角的江西省碳排放影响因素研究[J].科技管理研究,2012(10).

[8] 洪业应.产业结构和能源结构的变动对碳排放的影响分析:基于环境库兹涅茨曲线检验[J].环境科学与技术,2015(8).

[9] 原嫄,席强敏,孙铁山,等.产业结构对区域碳排放的影响——基于多国数据的实证分析[J].地理研究,2016(1).