区域经济低碳发展的驱动因素实证研究——以河南省为例

（河南工业大学经济贸易学院，河南 郑州450001）

一、引 言

气候变化是当今人类面临的最为严峻的全球环境问题，人类活动产生的温室气体是导致气候变化的罪魁祸首。在此背景下，以“低能耗、低排放、低污染、高效率”为典型特征的低碳经济受到了广泛关注。中国于2016年率先批准《巴黎协定》传递长期实施低碳经济发展的坚定信号，提出到2030年单位GDP 的CO2排放强度比2005年下降60%-65%，且CO2排放总量达峰并争取早日达峰。随后，国务院印发了《“十三五”控制温室气体排放工作方案》，明确提出了到2020年中国的二氧化碳排放强度要比2015年下降18%的控排目标。另外，中国已于2017年12月27日正式启动了全国性的碳排放权交易市场，区域经济的发展也将面临更加趋紧的碳排放约束。在此背景下，探索区域经济低碳发展的驱动因素对于中国顺利实现二氧化碳控排目标具有重要意义。

二、文献综述

关于低碳经济发展驱动因素的研究，将目前已有的文献按照研究思路进行梳理，大致可以分为两种。一种是构建非参数化的数理模型进行定量分析。这方面的研究主要集中于对数平均迪氏指数（LMDI）分解方法的运用。如朱勤等（2009）基于扩展的Kaya 恒等式建立因素分解模型，并应用LMDI 分解方法对我国能源消费碳排放的驱动因素进行分析，结果显示样本期间经济产出效应的贡献率最大。王锋等（2010）和朱帮助等（2015）亦运用Kaya 恒等式和LMDI 分解方法对我国经济发展中能源消费碳排放的驱动因素进行分析，并且纳入了更多的宏观经济因素变量，认为人均GDP 是碳排放量增长的最大正向驱动因素，而单位GDP 能耗下降是最大的负向驱动因素。仲云云和仲伟周（2012）运用LMDI 三层完全分解方法对我国区域碳排放的驱动因素进行分析，也认为人均GDP 和能源强度是主要驱动因素。Karmellos et al．（2016）运用LMDI-I 分解分析方法对欧盟28 国电力部门二氧化碳排放的驱动因素进行研究，结果表明经济增长的驱动作用最大，与朱勤等（2009）的研究结论一致。李磊和刘继（2011）运用LMDI 分解方法对新疆工业二氧化碳排放强度的驱动因素进行分析，认为能耗强度的贡献较大。而运用其他非参数方法进行研究的相关成果，比较具有代表性的主要包括：徐盈之等（2011）运用改进的拉氏因素分解法对我国制造业碳排放的驱动因素进行分析，认为产出效应是主要的正向驱动因素，能源强度是主要的负向驱动因素，且存在较强的阶段性特点，与王锋等（2010）的研究结论颇为相似；李忠民和孙耀华（2011）基于IPAT 方程对我国省域碳排放的驱动因素进行比较研究，认为不同省域之间存在较大差异；孙作人等（2012）和檀勤良等（2013）基于非参数距离函数和数据包络分析方法对我国碳排放及碳排放强度的驱动因素进行分析，结果表明能源强度、人均资本和技术效率的贡献较大；Cai et al．（2020）运用结构分解分析（SDA）方法对中国碳足迹的驱动因素进行研究，结果表明碳排放强度和初级要素投入发挥了关键作用。

另一种研究思路是构建参数化的计量模型进行实证研究。这方面的研究又主要集中于对STIRPAT 模型的扩展运用。如孙敬水等（2011）运用扩展的STIRPAT 模型，根据浙江省1990-2008年的时间序列数据对低碳经济发展的驱动因素进行实证研究，结果显示人均GDP 和能源强度对碳排放总量和人均碳排放量的影响较大。李卫兵和陈思（2011）对STIRPAT 模型进行拓展，并运用省际面板数据对我国不同区域二氧化碳排放的驱动因素进行分析，结果表明人口、人均GDP、产业结构和能源强度均具有显著影响，且在不同区域之间存在很大不同。束克东和李影（2020）运用STIRPAT 模型对城镇化进程中人均收入对区域二氧化碳排放的影响进行实证研究，认为城镇化与区域二氧化碳排放负相关，人均收入对二氧化碳排放具有正向影响。而运用其他参数化方法进行研究的相关成果，比较具有代表性的主要包括：贾俊松（2010）运用递阶偏最小二乘法，根据中国1952-2006年的时间序列数据对我国能源消耗碳排放的宏观驱动因素进行实证分析，结果表明人口数量和经济发展水平的驱动作用最为重要；徐辉等（2013）根据我国西部省份2000-2009年的面板数据，运用固定效应模型对二氧化碳排放的驱动因素进行实证分析，结果表明GDP 和能源强度具有显著影响；乔健和吴青龙（2017）基于Kaya 恒等式构建碳排放强度的驱动因素模型，并采用省际面板数据进行实证分析，结果表明经济增长和能源消费强度是主要驱动因素。

综上所述，目前已有的相关研究具有如下特点：1.在非参数化的数理模型中，LMDI 分解方法具有满足因素可逆、可消除残差项的优势，在低碳经济发展的驱动因素分解中得到了广泛应用；但需要注意的是，非参数化的数理模型虽然简单、易操作，且受样本量的限制较小，但也很容易受到样本异常值的负面影响，并且也不能对模型结果的可靠性进行统计上的假设检验。2.在参数化的计量模型中，STIRPAT 模型虽在一定程度上克服了IPAT 方程变量的非随机问题，但该模型的自变量中仍然包括含有因变量的复合自变量（如模型中因变量为碳排放量，而自变量中包含单位GDP 碳排放量），这就使得以STIRPAT 模型为基础构建的多元回归模型面临潜在的内生性问题。3.从研究对象上看，目前已有的文献大都是针对碳排放总量或碳排放强度等单目标问题的研究，而低碳经济的发展进程却是一个涉及碳排放总量、人均碳排放量和碳排放强度的多目标问题，因此构建多方程模型更为适合。鉴于此，本研究拟基于Kaya 恒等式构建低碳经济发展的多目标多模型的理论分析框架，并运用参数化的双对数面板回归模型对区域经济低碳发展的驱动因素进行实证研究。

三、理论框架

环境问题归根结底是人口、资源、经济发展水平和技术进步等诸多因素共同作用的结果，导致全球气候变暖的“主凶”二氧化碳排放也不例外。关于表征经济发展对二氧化碳排放的影响的分析，最为著名和有效的工具是Kaya 恒等式（Kaya，1989），其表达式为：

（1）式中，CO2是指二氧化碳排放量，可由各化石能源消耗量与其二氧化碳排放参数的乘积加总得到；①根据赵荣钦等（2010）的研究，煤炭、石油、天然气消耗的二氧化碳排放参数分别为2.6297 tCO2/t、2.0431 tCO2/t、1.1053 kgCO2/m3。P表示人口数量，GDP/P 表示人均国内生产总值，是反映一个地区经济发展水平的重要指标；E 表示能源消耗量，E/GDP 表示单位国内生产总值能源消耗量，也叫能源强度，主要与生产技术水平有关；而CO2/E 表示单位能源二氧化碳排放量，主要与能源消费结构有关。根据上述理论模型的分析，可以提出如下研究假说：

假说1：人口规模、经济发展水平、生产技术水平和能源消费结构是区域二氧化碳排放的关键驱动因素。

低碳经济理论认为，反映区域经济低碳发展进程的重要指标，除了绝对指标二氧化碳排放量之外，还包括人均二氧化碳排放量和单位GDP 二氧化碳排放量两个相对指标（周宏春，2012）。将（1）式两端同时除以P 可以得到（2）式：

（2）式中，CO2/P 表示人均二氧化碳排放量，其余各变量如前所述。据此可以提出如下研究假说：

假说2：经济发展水平、生产技术水平和能源消费结构是一个地区人均二氧化碳排放的关键驱动因素。

同理，将（1）式两端同时除以GDP，通过整理可以得到（3）式：

（3）式中，CO2/GDP 表示单位GDP 二氧化碳排放量，其余各变量如前所述。据此可以提出如下研究假说：

假说3：生产技术水平和能源消费结构是一个地区单位生产总值二氧化碳排放的关键驱动因素。

接下来，本文的第三部分将对上述三个理论研究假说进行实证检验。

四、实证分析

（一）变量选择与模型构建

Kaya 恒等式在低碳经济领域已经得到了广泛的应用，但也存在如下局限：仅能通过非参数化方法对二氧化碳排放的各驱动因素进行分解分析，难以运用假设检验的参数化方法对各驱动因素的系数、弹性等关键参数进行估计。针对上述局限性，本研究拟通过如下方法将Kaya 恒等式拓展为参数化的双对数回归模型。

根据前文所述，Kaya 恒等式（1）中的单位能源二氧化碳排放量主要与能源消费结构有关，由此我们不妨设定辅助回归模型：

上式中，CO2/E 表示单位能源二氧化碳排放量；FOS 表示化石能源消耗量，则FOS/E 表示化石能源占总能源消费量的比重，这里用于表征能源消费结构，其值越大说明区域经济对化石能源的依赖程度越高；α、β 为待估参数，ε 表示随机误差项。

另外，相关研究表明区域二氧化碳的排放除了与人口规模、经济发展水平、生产技术水平和能源消费结构有直接联系，还与产业结构相关（朱勤等，2009；王开和傅利平，2017）。

基于此，分别对（1）-（3）式两端取自然对数，然后将（4）式代入各式构建随机化模型，并在各模型的自变量中增加控制变量“第二产业产值占总产值的比重”用于表征产业结构，最后通过整理可得如下双对数多元回归模型。

模型Ⅰ：

模型Ⅱ：

模型Ⅲ：

式（5）-（7）中，SGDP 表示第二产业产值，则SGDP/GDP 表示第二产业产值占总产值的比重；αi（i=1，2，3）、βj（j=1，...，12）为待估参数，εk（k=1，2，3）为随机误差项，其余各变量如前所述。

（二）数据来源与统计描述

研究数据一般包括截面数据和面板数据，由于面板数据在一定程度上能够有效解决遗漏变量偏差问题，又能够提供更多样本个体动态行为的信息，因此在实证研究中一般优先采用面板数据（陈强，2010）。河南省是中国中部地区最为重要的省份之一，其经济发展水平、产业结构和能源结构均与全国颇为接近，因此以河南省为例进行实证分析比较具有代表性。但由于2005年以前河南统计年鉴中没有对各地级市的能源消费量进行分类统计，因此本研究采用2006-2017年河南省18 个地级市的面板数据。①河南省18 个地级市包括：郑州市、开封市、洛阳市、平顶山市、安阳市、鹤壁市、新乡市、焦作市、濮阳市、许昌市、漯河市、三门峡市、南阳市、商丘市、信阳市、周口市、驻马店市、济源市。又由于2011年河南省各地级市分类能源消费量的统计数据缺失严重，故剔除该年数据后的样本期是11年。

根据河南统计年鉴相关数据，样本期间工业部门能源消费占到能源消费总量的70%以上，因此河南省各地级市二氧化碳排放的统计核算是基于规模以上工业企业化石能源消费量进行计算的。则各模型自变量在面板数据下的统计描述结果，如表1所示。

表1 各模型自变量面板数据统计描述

根据表1，从整体样本上看，各自变量的标准差均较大，说明各自变量之间的差异性较为显著，这有利于检验各自变量对因变量的影响作用。从组间和组内样本看，除能源消费结构变量的组间标准差小于组内标准差外，其余各变量的组间标准差均明显大于组内标准差。这说明除能源消费结构变量之外，其余自变量的个体差异均显著大于时间差异。之所以出现能源消费结构的个体差异小于时间差异的现象，其原因可能是近年来河南省的能源消费结构升级较快，化石能源在能源消费中的比重正在逐渐下降。

（三）模型估计与实证结果

本节根据2006-2017年河南省18 个地级市的面板数据，并运用STATA11．2 统计软件对模型Ⅰ、模型Ⅱ和模型Ⅲ进行统计分析和参数估计。各模型的假设检验及参数估计结果，如表2所示。

表2 面板数据模型参数估计结果

根据表2最后一行的豪斯曼检验结果可知，模型Ⅰ和模型Ⅱ均在1%的显著性水平上拒绝了“随机效应模型为正确模型”的原假设，因此模型Ⅰ和模型Ⅱ应该选择固定效应模型；而模型Ⅲ在10%的显著性水平上不能拒绝“随机效应模型为正确模型”的原假设，故模型Ⅲ选择随机效应模型。另外，由于模型Ⅰ、模型Ⅱ和模型Ⅲ均为双对数模型，因此各解释变量的回归系数均具有弹性意义。

由模型Ⅰ的参数估计结果可知，在10%的显著性水平上，人口规模对河南省二氧化碳排放具有正向影响；且在其他条件不变的情况下，人口数量每增加1%，二氧化碳排放量就会增加0.99%。在5%的显著性水平上，经济发展水平对河南省二氧化碳排放具有正向影响；且在其他条件不变的情况下，人均GDP 每增加1%，二氧化碳排放量就会增加0.54%。在5%的显著性水平上，生产技术水平对河南省二氧化碳排放具有正向影响；且在其他条件不变的情况下，单位GDP 能耗每增加1%，二氧化碳排放量就会增加0.61%。在1%的显著性水平上，能源消费结构对河南省二氧化碳排放具有正向影响；且在其他条件不变的情况下，化石能源占总能源消费量的比重每增加1%，二氧化碳排放量就会增加0.93%。因此，人口规模、经济发展水平、生产技术水平和能源消费结构对河南省二氧化碳排放均具有显著影响，且人口规模和能源消费结构的影响作用更强，理论假说1 得到了实证检验。

由模型Ⅱ的参数估计结果可知，在5%的显著性水平上，经济发展水平对河南省人均二氧化碳排放具有正向影响；且在其他条件不变的情况下，人均GDP 每增加1%，人均二氧化碳排放量就会增加0.55%。在5%的显著性水平上，生产技术水平对河南省人均二氧化碳排放具有正向影响；且在其他条件不变的情况下，单位GDP能耗每增加1%，人均二氧化碳排放量就会增加0.61%。在1%的显著性水平上，能源消费结构对河南省人均二氧化碳排放具有正向影响；且在其他条件不变的情况下，化石能源占总能源消费量的比重每增加1%，人均二氧化碳排放量就会增加0.93%。因此，经济发展水平、生产技术水平和能源消费结构对河南省人均二氧化碳排放均具有显著影响，且能源消费结构的影响作用更强，理论假说2 得到了实证检验。

由模型Ⅲ的参数估计结果可知，在1%的显著性水平上，生产技术水平对河南省单位GDP 二氧化碳排放具有正向影响；且在其他条件不变的情况下，单位GDP 能耗每增加1%，单位GDP 二氧化碳排放量就会增加0.99%。在1%的显著性水平上，能源消费结构对河南省单位GDP 二氧化碳排放具有正向影响；且在其他条件不变的情况下，化石能源占总能源消费量的比重每增加1%，单位GDP 二氧化碳排放量就会增加0.99%。因此，生产技术水平和能源消费结构对河南省单位GDP 二氧化碳排放均具有显著影响，且生产技术水平和能源消费结构的影响作用均很强，理论假说3 也得到了实证检验。至此，前文提出的三个理论假说均得到了充分的经验验证。但需要注意的是，控制变量产业结构仅在模型Ⅲ中在10%的显著性水平上通过了统计检验，而在模型Ⅰ和模型Ⅱ中在10%的显著性水平上均未能通过统计检验,说明产业结构对河南二氧化碳排放及人均二氧化碳排放的影响均不显著，这与王凤婷等（2019）的研究结论相一致。可能的原因是河南省第二产业产值占总产值的比重在各地级市中均比较高，从而使得产业结构变量在样本中的个体差异性不足；这一点在表1中亦有所体现，河南省各地级市第二产业产值占总产值的比重的整体均值是55.31%，最大值是75.68%，最小值也达到了39.03%。

五、研究结论与政策启示

本文首先基于Kaya 恒等式构建区域经济低碳发展的驱动因素的理论分析框架，并据此提出了三个理论假说。然后将Kaya 恒等式拓展为参数化的双对数回归模型，并采用2006-2017年河南省18 个地级市的面板数据对理论模型所提出的三个研究假说进行实证检验。主要研究结论如下：

人口规模、经济发展水平、生产技术水平和能源消费结构对河南省二氧化碳排放均具有显著影响，是河南省区域二氧化碳排放的关键驱动因素，且人口规模和能源消费结构的驱动作用更强。经济发展水平、生产技术水平和能源消费结构对河南省人均二氧化碳排放均具有显著影响，是河南省人均二氧化碳排放的关键驱动因素，且能源消费结构的驱动作用最强。生产技术水平和能源消费结构对河南省单位GDP 二氧化碳排放均具有显著影响，是河南省单位GDP 二氧化碳排放的关键驱动因素，且生产技术水平和能源消费结构的驱动作用均很强。

基于上述研究结论，可以得到以下政策启示：

能源消费结构对于河南省区域二氧化碳排放总量、人均二氧化碳排放量和单位GDP 二氧化碳排放量均具有很强的驱动作用，因此推动河南经济低碳发展进程，最为关键的是要着力优化能源消费结构，有效降低化石能源在能源消费结构中的比重。作为中国典型的内陆省份，虽然河南省化石能源在能源消费结构中的比重从2006年的75.85%逐渐下降到了2017年的69.83%，①数据来源：由历年河南统计年鉴相关数据整理所得。但这一数字仍然很高，其经济发展对传统化石能源，尤其是对煤炭的依赖性仍然非常突出。因此，政府部门应及时推出相关规制政策来控制河南省化石能源，尤其是煤炭的过量消费；同时，积极推出相关优惠政策来支持河南省清洁能源的开发和利用。

生产技术水平对于河南省区域二氧化碳排放总量、人均二氧化碳排放量和单位GDP 二氧化碳排放量均具有显著的驱动作用，尤其是对单位GDP 二氧化碳排放的驱动作用更强。因此，河南省的财政资金应更多地投向科技研发领域；同时，政府部门可以考虑适时推出税收优惠等扶持政策来鼓励企业开发和使用清洁、低碳生产技术，以有效降低工业企业的单位产值能源消耗。

经济发展水平对于河南省区域二氧化碳排放总量和人均二氧化碳排放量均具有显著的驱动作用，但现阶段我们不能为了低碳转型而放弃经济发展。中国目前还是一个发展中国家，河南省的经济发展水平与中国的一些经济强省相比还有较大差距，尤其是人均收入。况且，已有研究表明，经济发展和二氧化碳排放的关系并非一直正相关，而是随着经济发展水平的提高呈现出类似环境库兹涅茨“倒U 型”曲线的关系（Narayan P &Narayan S，2010）。

人口规模对于河南省区域二氧化碳排放总量具有很强的驱动作用，但由于人口增长的速度受生物学规律的影响而惯性较大，并且河南省的人口基数很大，在相当长一段时期内人口还会继续增加，因此想要通过人口政策抑制河南省人口增长率的办法来降低二氧化碳排放的难度很大。