碳减排对PM2.5的协同效应与交互效应分析*——基于长江经济带11省市面板数据的实证

王 珍，刘金培，肖 鹏，宋晓霞

(安徽大学 商学院，合肥 230601)

近年来，由于我国社会经济的迅速发展，太阳能、风能等清洁能源逐渐兴起，但煤炭仍然占能源消费的主要地位，我国依然面临着CO2排放不断增长和空气污染愈来愈严重的庞大压力。2016年，全世界CO2排放量为321亿t，我国CO2排放量为104亿t，约占全球CO2排放总量的1/3。《2016中国环境状况公报》指出，在2016年，我国338个城市地区PM2.5浓度的平均值是47 μg/m3，远高于WHO规定的PM2.5最低安全标准值10 μg/m3。因此，探讨PM2.5与碳减排的协同减排效应，对于我国降低温室气体排放和解决大气污染问题，实现十九大报告提出的加快生态文明体制改革、建设美丽中国的目标，具有一定的现实意义和政策指导价值。

IPCC在2001年第一次提出了“协同效应”的概念，认为“协同效应”是指减少温室气体排放政策实施的同时产生的其他效益。随后，环境保护部政研中心提出，“协同效应”应当涵盖两个方面的内容：一是温室气体的减排对其他大气污染物排放的影响；二是其他大气污染物的减排对温室气体排放的影响。本文主要研究CO2减排对PM2.5浓度的协同效应。

对于温室气体同大气污染物之间的协同减排效应，部分学者探讨了CO2和SO2，NOX等污染物的协同效应。傅京燕[1]等量化了中国电力行业CO2减排对SO2减排的协同效应并探讨了协同减排的扩张机制；Feng[2]测算了中国水泥行业CO2排放和NOX排放的协同效益；刘胜强等[3]评价了中国钢铁行业生产的各个阶段不同的控制方式对SO2，NOX和CO2的整体减排效用。部分学者通过情景模拟分析了CO2同SO2，NOX等污染物间的协同减排效应，覃小玲[4]通过情景模拟同时研究了减排情景气候变化政策(CCP)对SO2，NOX，PM10等排放的作用和大气污染控制政策(PCP)对CO2，CH4，N2O等排放的作用；谢元博等[5]基于能源消费约束情景，采用LEAP模型模拟分析了北京市的SO2、NOX等和CO2的协同减排；Ma等[6]基于不同情景探讨了中国钢铁工业CO2减排的协同效应。此外，有少数学者对单个行业CO2和SO2，PM2.5等污染物之间的协同减排方案进行规划，如汪俊[7]基于技术优化模型探讨分析了长三角地区电力、交通等部门PM2.5，SO2等污染物的协同减排方案。

通过上述文献分析可以看出，现有的研究对CO2和SO2，NOX等大气污染物的协同减排效应的研究较多，而对CO2减排与PM2.5协同效应与交互效应的研究较少，尤其缺乏协同减排扩张效应的路径分析；其次，目前探讨内容多为对钢铁、电力等单个行业的分析，而对整个区域的CO2和PM2.5，SO2，NOX等的协同减排分析仍不多见。因此，本文基于长江经济带11个省市2001—2017年的面板数据，实证研究了CO2减排量对PM2.5浓度的协同效应以及交互效应，并进一步对相关协同减排的路径进行了分析，同时在此基础上提出了针对性的管理政策建议。

1 变量、模型及数据

1.1 碳减排量的计算

对于核心解释变量CO2的减排量，根据IPCC在2006年提出的基于碳排放系数和能源消耗的计算方式估算。首先，算出各能源的碳排放系数，然后根据各能源的消耗数量以及对应的碳排放系数来推算碳减排量。考虑数据的可得性，本文在估算碳减排量时选用的能源类别为焦炭、煤炭、汽油、原油、燃料油、柴油和天然气。

1.1.1 计算各能源的碳排放系数

能源碳排放系数=平均低位发热量(TJ/t)×单位热值含碳量(t碳/TJ)×碳氧化率×44/12。表1为各能源碳排放系数。

表1 能源碳排放系数Table 1 Energy carbon emission coefficient

1.1.2 计算碳减排量

具体的计算过程如下：

(1)

式(1)中，R和E分别指碳减排量和碳排放量，Eint指n地区在t时期能源i的消耗数量，Ci指能源i的碳排放系数。

1.2 变量选取

本文主要探讨CO2减排与PM2.5浓度之间的协同效应与交互效应，所以解释变量为CO2减排量，被解释变量为PM2.5浓度。对于其他影响PM2.5浓度的因素，本文结合前人的研究做以下选取：一是经济因素。樊晓露指出[8]，经济发展和雾霾污染两者间具有双向作用关系。一方面，随着经济的持续繁荣发展，人们对环境质量的要求也不断提高，与此同时，政府也更加重视环境问题，并提高了对环境污染的防治，加强了对环境的保护。另一方面，随着经济发展，需要投入的资源日渐增多，但同时产生的废弃污染物排放也日益增加。本文采用人均GDP衡量各省的经济发展状况，并且为消除价格因素的影响，通过居民消费指数将数据转换为2000年的不变价格。二是能源因素。各种化石能源的燃烧是PM2.5的主要来源之一，许多学者的研究都表明能源强度、能源结构同PM2.5之间存在显著的联系。例如，马丽梅等[9]指出能源结构是导致雾霾天气大量出现的主导因素。因此，本文选择能源强度和能源结构两个变量刻画能源因素，其中能源强度采用单位GDP能耗表示，能源消费结构采用煤炭占能源消耗总额的比重表示。三是产业因素。已有的文献研究表明，产业结构能够显著影响生态环境，这是因为各个产业的性质特点不同，对生态环境的污染大小自然存在一定的差别，例如工业的能源消费以及污染物排放远远高于农业以及现代服务业。厉伟指出[10]，产业结构对PM2.5具有显著影响。此处采用第二产业产值占GDP的比重来表示产业结构的大小。四是技术因素。马忠玉和肖宏伟的研究表明[11]，技术水平的提高有助于减少雾霾。此处选择用各省份的专利授权数量表示技术进步。五是自然因素。刘金培等[12]认为PM2.5浓度与气温正相关，与降水量负相关。因此，此处主要考虑各省的平均降水量和平均气温作为控制变量。由于各省份的相关数据严重缺失，故采用各省份各城市的平均数据为代表。

1.3 模型构建

基于上述的变量选取以及结合前人的研究，构建如下的计量模型：

(2)

其中，模型中n表示不同地区，t表示时间，m表示控制变量个数，PMnt和CRnt分别表示n地区在t时期的PM2.5浓度与CO2减排量，PGDPnt，EInt，ESnt，ISnt，TAnt分别代表n地区在t时期的人均GDP、单位GDP能耗、煤炭占能源消耗总额的比重、第二产业产值占GDP的比重和专利授权数量，α表示常数项，Zmnt表示其他控制变量(平均降水量和平均气温)，εnt表示随机误差项。

为了进一步探讨能源强度、能源结构、产业结构等影响因素对CO2和PM2.5协同减排交互效应的影响，在模型式(2)的基础上构建了模型式(3)：

1.4 数据来源

PM2.5浓度数据主要来源于哥伦比亚大学国际地球科学网络信息中心、中国空气质量在线监测分析平台，并经过进一步处理得到。人均GDP、单位GDP能耗、专利授权数量等其他数据主要来源于历年的《中国统计年鉴》、《国家知识产权局统计年报》和各省统计年鉴。

2 实证结果分析

2.1 单位根检验

为防出现“伪回归”，需要检验面板序列中是否存在单位根，以确定序列的平稳性。此处通过LLC检验、IPS检验和ADF-Fisher检验等3种方法来检验序列中的单位根问题。检验结果见表2。

表2 单位根检验Table 2 Unit root test

注：***、**、*分别表示在1%，5%，10%的水平上显著。

根据检验结果可知，在3种检验中，在加入时间项和趋势项后，所有变量的水平统计量均未通过显著性检验，而一阶差分统计量则在1%的水平上显著，可以发现这些序列本身并不平稳，它们的一阶差分才是平稳的。可见，所有变量的单整阶数一致，皆为I(1)。

2.2 协整检验

根据单位根的检验结果，所有变量的单整阶数都是一阶，但是这并不表示这些变量间一定有协整联系。因此，为防出现“伪回归”，将进一步进行协整检验，以判断这些变量间是否有平稳的均衡关系。此处运用Johansen方法来检查这些变量间是否有协整联系，结果见表3。

表3 Johansen协整检验Table 3 Johansen cointegration test

注：检验类型选择协整方程仅有截距而序列有确定性趋势的情况；***表明拒绝原假设的显著性水平为1%。

表3说明，在显著性水平为1%的时候，协整检验不接受原假设，表明变量间存在协整联系，所以能继续进行回归分析。

2.3 回归结果分析

表4报告了面板数据的基本回归结果，通过表4可以看出：CO2减排量与PM2.5浓度间的负相关关系十分显著，即CO2减排量每增加1万t，PM2.5浓度会下降0.000 6 μg/m3，说明长江经济带地区PM2.5和CO2之间存在显著的协同减排效应，同时充分反映了碳减排政策的有效实施能够显著降低大气中PM2.5的浓度。人均GDP、能源强度、能源结构、产业结构和技术进步与PM2.5浓度间均呈现出明显的正向联系，即随着人均GDP、单位GDP能耗、煤炭占能源消耗总额的比重、第二产业产值占GDP的比重以及专利授权数量的增加，PM2.5浓度会显著上升。模型式(1)—(6)是逐步加入其他解释变量后的回归结果。结果表明，CO2减排量对PM2.5浓度的估计系数的符号、大小和显著性水平均未发生较大变化，说明CO2减排量对PM2.5浓度的协同减排效应具有一定的稳定性。

表4 基本回归结果Table 4 Basic regression results

注：***、**、*分别表示在1%，5%，10%的水平上显著；括号中数据为标准误差。

CO2减排量与PM2.5浓度间呈现显著的负相关关系，是因为在一定程度上两者具有同根同源同步性，都主要来自于矿物燃料燃烧、工业、交通等人类活动，碳减排量的增加必然会导致PM2.5浓度的降低。其他解释变量中，人均GDP对PM2.5的正向影响十分突出，这是由于随着经济规模的扩大，经济活动需要的资源量日益上升，同时造成的污染物排放也愈来愈多。能源强度对PM2.5浓度的正向作用非常明显，即随着单位GDP能耗的增大，生产相同的GDP要消耗更多的能源，最终引起PM2.5浓度的上升。能源结构对PM2.5浓度的正向作用非常显著，与天然气、太阳能等清洁能源相比，煤炭对环境的污染最严重，煤炭的使用过程中会伴随着二氧化碳、烟尘等废气的出现，导致环境质量下降。产业结构对PM2.5浓度的影响在10%的水平上显著为正，这是因为中国长期以来实施粗放型的经济增长方式，导致产业结构存在许多缺点，工业占比较高，而农业和服务业的百分比则较低。与农业和服务业相比，工业的特性决定了它是一个高污染行业，对能源具有较大需求且利用率低，生产制造的过程中排放出大量的废气、烟尘等有害物质，是导致PM2.5浓度提高的重要因素。技术进步和PM2.5浓度之间的正向联系虽然显著，但是回归系数为2.7×10-5，表明技术进步对PM2.5浓度的影响较小。造成这种现象的原因很可能是技术进步虽然能提高能源率效，降低能源强度，但是技术进步的同时会产生大量的社会经济活动，导致能源消耗增加。

2.4 交互效应分析

在上述回归分析的基础上，通过加入单位GDP能耗、煤炭占能源消耗总额的比重、第二产业产值占GDP的比重与CO2减排量的交互项，分析各因素对CO2减排量和PM2.5浓度协同减排效应的影响。表5报告了回归结果。

表5 交互效应分析

注：***、**、*分别表示在1%，5%，10%的水平上显著；括号里表示标准误差。

将模型式(1)分别与模型式(2)、模型式(3)和模型式(4)对比发现，通过降低单位GDP能耗、煤炭占能源消耗总额的比重以及第二产业产值占GDP的比重，CO2减排量估计系数的绝对值有较大幅度的增加，说明CO2和PM2.5的协同减排效应发生明显的扩张，即在碳减排量一定的情况下，PM2.5浓度会随着单位GDP能耗、煤炭占能源消耗总额的比重以及第二产业产值占GDP的比重的下降而下降。因此，单位GDP能耗、煤炭占能源消耗总额的比重以及第二产业产值占GDP的比重的下降是协同减排效应发生扩张的主要路径。

根据表5，对加入交互项后的CO2和PM2.5协同减排效应进行量化，表6为量化结果，其中主效应即为表5中CO2减排量CR的系数，偏效应为调节变量均值与交互项系数的乘积，总效应为主效应加上偏效应的和。与主效应和偏效应相比，总效应具有重要的实际意义，它表示最终的协同减排效应。通过表6可以看出，单位GDP能耗降低对协同减排效应的作用大于煤炭占能源消耗总额的比重以及第二产业产值占GDP的比重降低对协同减排效应的作用。进一步将表5中模型式(1)的CO2减排量估计系数与表6中的总效应进行比较，发现分别扩大了1.6倍、3.4倍和3.2倍，说明单位GDP能耗、煤炭占能源消耗总额的比重及第二产业产值占GDP比重的降低均能通过影响CO2减排活动进一步扩大CO2和PM2.5的协同减排效应。

表6 CO2减排与其他变量的交互效应分析Table 6 Interaction effect analysis between CO2 emission reduction and other variables

3 结论与建议

采用长江经济带地区11个省市2001—2017年的面板数据，分析了CO2减排量和PM2.5浓度之间的协同减排效应及交互效应。通过分析，可以发现CO2减排量与PM2.5浓度之间存在显著的协同减排效应，说明实施碳减排政策既能减少CO2排放又能有效降低PM2.5浓度；单位GDP能耗、煤炭占能源消耗总额的比重及第二产业产值占GDP的比重的下降是协同减排效应发生扩张的主要路径。

根据上述的实证结果分析和研究结论，提出以下的管理政策建议：

充分发挥碳减排与PM2.5的协同减排效应。在温室气体减排形势严峻和大气污染急剧加重的双重压力下，碳减排与PM2.5的协同减排效应必然为减少温室气体的排放以及防治大气污染指明了新的方向。政府在制定碳减排政策和进行大气污染治理时，应充分发挥CO2与PM2.5之间的协同减排效应。

降低单位GDP能耗，减少煤炭占能源消耗的比重。首先，鼓励技术创新，减少单位GDP的能源消耗，改善能源在各个生产阶段的使用效率；其次，加大对煤炭清洁技术开发的支持力度，争取实现煤炭的充分燃烧和脱硝脱硫处理；最后，大力发展海洋能、地热能等新型清洁能源，以期替代煤炭的使用，尽量降低煤炭在传统产业中的使用。

降低第二产业比重，加快转变经济的发展方式。首先，进一步提高对环境保护、能源消耗、污染排放等的法律要求，加大对污染环境行为的惩罚力度，关闭“高能耗、高污染、低生产”的企业；其次，鼎力发展第一产业和第三产业，减少第二产业比重，加快转变经济发展方式；最后，落实国家“调结构、转方式、促升级”的行动方案，加强重污染行业的结构调整，加大重污染行业的技术创新和升级力度，在源头上控制污染物排放。