中国能源消费碳排放动态变化及EKC实证检验分析

钱 萍，马彩虹，b，袁倩颖

(宁夏大学 a.资源环境学院，b.宁夏(中阿)旱区资源评价与环境调控重点实验室,中国 银川 750021)

20世纪90年代，美国经济学家Grossman[1，2]等人通过研究环境库兹涅茨曲线(EKC)发现环境污染与经济增长呈倒U型曲线关系，用以解释环境质量和经济效益之间的关联关系。至今，国际上对EKC假说是否存在进行了检验，研究结果不尽相同[3-5]。国内学者对EKC曲线研究起步相对较晚，主要以全国、区域和省域为研究对象，从不同行业、部门研究产出和排放之间的关系。在全国层面上，陈祖海等[6]基于2003—2013年经济与环境污染数据，研究发现中国环境污染总量处于EKC曲线左侧，尚未达到EKC曲线拐点。王凯等[7]认为中国服务业人均碳排放与增加值之间呈线性正相关关系，中国服务业碳排放压力增加。周少甫等[8]采用Gregory-Hansen检验及结构突变，分析发现中国EKC曲线呈正U型，且曲线存在结构突变。区域层面，齐绍洲等[9]认为中部6省在新的经济增长方式下，碳强度EKC曲线将变得平稳，碳排放轻度峰值将变低。在省域层面上，凌立文等[10]的研究表明广东省工业废气、废水与人均GDP之间的关系符合EKC曲线拟合，固废与人均GDP呈单调递增趋势。左大杰等[11]发现四川人均交通碳排放与人均GDP目前处于倒U型EKC曲线的下降拐点，后期将向弱N型曲线转变。王士轩等[12]研究发现新疆能源消费碳排放与经济增长之间的EKC曲线呈现N型，不同于以往经典倒U型。宋丽颖等[13]基于1986—2012年陕西省人均GDP和工业污染排放量数据，发现经济增长与工业废水、废气EKC曲线呈倒N型，与固废呈N型。

由以上讨论可知，当前对EKC曲线研究对象更多趋向全国和省域，重点为工业污染排放与经济增长之间的EKC验证，得出EKC曲线存在U型、倒N型和不存在U型等结果[14-16]。本文以面板数据模型为分析工具，核算并分析了1995—2016年中国各省能源消耗碳排放量及时空动态变化，在VAR模型基础上，对人均碳排放与人均GDP之间的关系开展计量研究，对碳排放与经济增长的EKC曲线模型做实证检验，并总结EKC曲线的动态变化规律，以期为协调经济发展、能源消耗和环境变化提供理论依据。

1 研究方法

1.1 能源消费碳排放核算方法

根据IPCC碳计算方法，将原煤、焦炭、原油、汽油、煤油、柴油、燃料油和天然气8种化石能源消费转换为标准煤耗，计算中国1995—2016年能源消费碳排放，其公式如下[17]：

Ce=∑Ei×Qi×Ci×Bi×10-3×44/12，

(1)

式(1)中：Ce为能源消费碳排放总量；Ei为i种化石能源的消费量(t)；Qi为i种能源净发热值(TG·Gg-1;1 Gg=10-3t)；Ci为i种能源的含碳量(kg·GT-1)；Bi-i能源的缺省氧化率；Q，C和B均采用IPCC值。

1.2 EKC模型及曲线

依据经验EKC研究结果，采用一般线性模型或对数线性模型方法来表达碳排放随经济增长的变化，可直观反映上升、下降趋势及估算拐点所在位置。本文选取人均碳排放和人均GDP两个指标来探究碳排放与经济增长之间的相关关系，建立EKC模型如下[18]：

(2)

两边取对数得

lnPCt=β0+β1lnPGDPt+β2(lnPGDPt)2+εt。

(3)

式中：PCt为第t年人均碳排放量；PGDPt为第t年人均GDP；β0，β1和β2为待估计参数；εt为随机误差项。当β1>0，β2<0时，EKC曲线呈倒U型；当β1<0，β2>0时，EKC曲线呈U型。

在笛卡尔直角坐标系中，以社会经济发展水平为 X 轴、环境状况为 Y 轴做二维图形，理想的情况下将得到二次函数(当f′(x)>0(xx0)，x0即为上述转折点)曲线，即，环境库兹涅茨曲线[19]。转折点即倒U型曲线的最高点[20]，是经济发展对环境影响的正负分界点。本文按照转折点左右两侧二分之一经济发展水平将EKC曲线分为4个阶段，即上升阶段、上升阶段后期、下降阶段、下降阶段后期。在快速上升阶段，环境压力随着经济发展不断上升，生态环境不断恶化；在上升阶段后期，环境压力随经济发展趋于缓慢增长，生态环境持续恶化。下降阶段跨过EKC曲线拐点，环境压力随经济发展而降低，生态环境恶化得到缓和；在下降阶段后期，环境压力随经济发展快速下降，环境压力与经济发展达到协调，生态环境健康发展，如图1所示。

图1 环境库兹涅茨曲线Fig. 1 Environmental Kuznets curve

1.3 STIRPAT模型

本文引入STIRPAT模型分析能源消费碳排放增加的驱动因素，结合相关研究及所得数据，从全国经济发展、能源强度和能源消费结构3方面反映对能源消费碳排放的影响。选取人均GDP、能源消耗强度(单位GDP的能耗量)和煤炭消费占比能源消耗作为变量，构建能源消费碳排放与上述指标间的模型如下：

(4)

两边取对数得：

lnPCt=β0+β1lnPGDP+β2lnEGt+β3lnESt+εt，

(5)

式(4)中：EGt为t年的能源强度；ESt为t年的能源消费结构。

1.4 分析样区及数据来源

本文以全国30个省域为研究对象(西藏、台湾、香港和澳门数据统计不全，未计入)，将30个省域分为东、中、西部地区和南、北方地区，并选取自西北—东南向样带区进行讨论、分析，其中样带区包括新疆、青海、甘肃、宁夏、陕西、四川、重庆、湖北、湖南、江西、福建和广东(图2)。所用的8种能源消费、人口和GDP数据主要来自《中国能源统计年鉴》、《中国统计年鉴》(1996—2017年)。GDP采用1995年不变价。排放因子来自《2006年IPCC国家温室气体清单指南》和《省级温室气体清单编制指南》。

图2 研究区概况Fig. 2 Overview of the studied area

2 结果与分析

2.1 碳排放动态变化分析

2.1.1 总体变化 1995—2016年，中国人均碳排放量从3.15 t·人-1上升至 9.21 t·人-1，增幅为192.38%，年均增长率为5%(图3)。人均GDP由0.48×104元·人-1增至3.73×104元·人-1，增长约8倍。人均碳排放可分为3个增长阶段：1995—2001年，缓慢增长阶段；2002—2012年，快速增长阶段；2013—2016年，均衡阶段。研究时段内，碳排放动态变化与国内经济发展、宏观调控政策密切相关，2001年以前国内经济发展缓慢，能源消耗量小，碳排放较少。2001年中国加入WTO后，第二产业为主导的经济增长对能源消费需求加大，使得能源消费人均碳排放不断增长，2009年一跃成为世界碳排放量最多的国家。本着“共同但有区别”的减排责任，中国低碳减排政策相继出台，2011年开展碳排放试点，建立自愿减排机制，全面部署减排重点工作，碳排放得到控制，呈均衡趋势。

图3 1995—2016年中国人均碳排放和人均GDP动态变化Fig. 3 China’s carbon emissions per capita and GDP per capita dynamic change from 1995 to 2016

2.1.2 碳排放空间分类 以全国人均碳排放和人均GDP平均水平为界进行分类，高于全国平均水平为高值，低于全国平均水平位低值。然后，将全国30个省份分为4类，其中高人均碳排放—高人均GDP为“高—高”型、高人均碳排放—低人均GDP为“高—低”型、低人均碳排放—高人均GDP为“低—高”型、低人均碳排放—低人均GDP为“低—低”型。结果表明：全国30个省份分类类型存在较大空间差异(图4)，北方大部分省份,如新疆、内蒙古、黑龙江、河北、山西等呈“高—高”类型；“低—低”类型省份主要分布在南方，如浙江、江西、重庆、广东等；较少省份呈“高—低”、“低—高”类型，如江苏、贵州等。通过对比1995和2016年的空间分类图，结合空间分类转移矩阵(表1)，发现研究时段期间，部分省份分类类型未发生变化，东部、中部发生变化的省份正加快由“高—低”、“低—高”向“低—低”类型转变，“高—高”类型省份不断努力降低人均碳排放和碳排放强度，向“高—低”、“低—高”类型转变。

图4 中国各省人均碳排放-人均GDP分类空间分布Fig. 4 Carbon emissions per capita in China’s provinces-spatial distribution of carbon intensity intensity classification

表1 1995和2016年空间分类转移矩阵Tab. 1 Spatial classification transfer matrix of 1995 and 2016

2.2 环境库兹涅茨曲线检验

本文运用Eviews 9.0和Excel软件，以人均碳排放和人均GDP为数据指标，对各省及区域碳排放和经济发展之间的关系做实证检验。相关性系数和F检验均满足要求，表明EKC曲线具有检验意义，文中主要对全国及东中西部地区进行检验结果阐述。

2.2.1 单根检验 运用ADF方法对全国及东、中、西部地区的lnPCt，lnPGDPt和(lnPGDPt)2做平稳性综合检验(表2)。避免时间序列数据出现“伪回归”。分别对原序列数据和一阶差分序列数据进行检验，结果均不满足检验标准，二阶差分序列数据检验结果在5%置信水平下通过检验标准，表明序列数据之间平稳，可进行协整检验。

表2 全国及东、中、西部地区ln PCt, ln PGDPt和(ln PGDPt)2的单位根检验Tab. 2 Unit root test of ln PCt，ln PGDPt and (ln PGDPt)2 in China, and the eastern, central and western China

2.2.2 协整分析 ADF检验证明序列数据平稳，采用Johansen检验方法对多变量数据进行是否存在长期均衡性关系检验(表3)，参照VAR模型中AIC和SC值，选取滞后阶数为2，使得误差项的自相关和自由度最优。综合特征值和最大特征值进行检验，均存在2个协整关系，表明人均碳排放与人均GDP存在长期稳定关系。

表3 全国及东、中、西部地区ln PCt，ln PGDPt和(ln PGDPt)2的协整关系检验Tab. 3 Co-integration test of ln PCt, ln PGDPt and (ln PGDPt)2 in China and the eastern, central and western regions

2.2.3 Granger因果关系检验 Johansen检验证明人均碳排放与人均GDP间长期稳定，存在协整关系，利用Granger因果关系检验两个变量是否存在因果关系。通过Granger检验得出：在5%置信水平下，经济增长是碳排放增加的Granger原因(表4)。反映出随着经济规模的扩大，能源消费的需求量增加，导致碳排放大幅增长。

表4 全国及东、中、西部地区ln PCt， ln PGDPt和(ln PGDPt)2的Granger因果关系检验Tab. 4 Granger test of ln PCt, ln PGDPt and (ln PGDPt)2 in China and the eastern, central and western regions

2.2.4 脉冲响应函数 经上述检验发现，模型结构稳定，据此可构建广义脉冲响应函数，进一步检验能源消费碳排放与经济增长间的相互影响程度，结果如图5所示。

在全国KEC曲线的脉冲响应中，当本期lnPGDP发生一个标准差正向冲击时，lnPC在10期内均呈现正向效应，当lnPC发生一个标准差正向冲击时，lnPGDP在第3期达到最大响应，随后影响迅速下降。东部地区KEC曲线的脉冲响应看出，当本期lnPGDP发生一个标准差正向冲击时，lnPC在第8期以前为正向效应，后3期表现为负向效应，当lnPC发生一个标准差正向冲击时，lnPGDP影响快速上升在第4期达到顶峰，随后快速回落。由中部地区KEC曲线的脉冲响应得出，当本期lnPGDP发生一个标准差正向冲击时，lnPC在10期内均为正向效应，在后期影响微弱；当lnPC发生一个标准差正向冲击时，lnPGDP在第1期影响加强，在第3期达到顶峰后影响逐渐减弱。西部地区KEC曲线的脉冲响应表现为，当本期lnPGDP发生一个标准差正向冲击时，lnPC在10期内均为正向效应，且呈逐渐上升趋势，当lnPC发生一个标准差正向冲击时，lnPGDP在第2期影响达到最大，随后呈缓慢下降趋势。据上述分析表明，短期内经济发展会使得碳排放增加，碳排放的增加将推动经济发展，从长期发展来看，经济增长使得碳排放量会减少，碳排放对经济增长的制约作用降低。

注：图中横坐标表示脉冲响应范围；纵坐标表示振幅；虚线代表置信区间，实线代表估计值。图5 全国及东、中、西部地区KEC曲线的脉冲响应结果Fig. 5 Impulse response results of ln PCt, ln PGDPt and (ln PGDPt)2 in China and the eastern, central and western regions

2.3 能源消费碳排放影响因素分析

通过对时间序列数据进行平稳性检验，结果表明所有变量的原序列数据和一阶差分数据均存在单位根，为不平稳序列，其二阶差分数据不存在单位根为平稳序列，可构建协整方程。Johansen检验结果表明，在5%显著性水平下，至少存在2个协整关系，说明人均碳排放与人均GDP、能源强度和能源消费结构之间存在长期稳定关系，协整方程如下：

lnPCt=0.761 048 lnPGDPt+0.403 251 lnEGt+0.030 816 lnESt，

(0.033 16) (0.006 04) (0.005 21)

(6)

式(6)中，括号内数值表示t统计量的值，经检验所得模型满足条件，具有解释意义，可得以下结论：

(1)经济发展系数为正值，表明经济增长与人均碳排放呈正相关关系。人均GDP上升1个百分点将促使碳排放增加0.761 048个百分点。由经济发展回归系数可知，经济发展对碳排放量影响最为显著，当前我国经济的快速增长，催生碳排放量增加，碳减排压力较大。

(2)能源强度系数为正值，表明能源强度与人均碳排放呈正相关关系。能源强度下降1个百分点将促使碳排放减少0.403 251个百分点，能源强度越低，碳排放量越少。中国能源强度由1995年的6.7 t/万元下降到2016年的2.47 t/万元，能源利用效率有较大提升。

(3)能源消费结构系数为正值，表明能源消费结构与人均碳排放呈正相关关系。能源消费结构上升1个百分点将促使碳排放增加0.030 816个百分点。长期以来，我国能源消费以化石能源为主，其中煤炭消费占化石能源消费的70%以上，清洁能源、新能源开发利用程度较低，传统能源消费结构导致碳排放量呈上升趋势。

2.4 EKC曲线分析

2.4.1中国EKC曲线特征 由中国人均碳排放与人均GDP的关系(图6)可知，中国处于EKC曲线左侧上升阶段，经济发展带来的碳排放量较高，但碳排放与经济发展之间的矛盾正逐步缓解。1995—2001年中国经济发展速度慢，碳排放量较少，EKC曲线呈缓慢增长；2002—2012年随着经济发展，碳排放速度加快，EKC曲线呈快速上升；2013—2016年碳排放与经济发展增长速度均放缓，EKC曲线趋于稳定。

图6 中国人均碳排放和人均GDP的关系Fig. 6 Relationship between carbon emissions per capita and GDP per capita in China

2.4.2 中国东中西三大地区EKC曲线特征 东部地区EKC曲线已经跨过拐点，且处于倒U型曲线下降阶段，经济发展带来的碳排放量降低，碳排放与经济发展处于可协调状态(图7)。中部地区EKC曲线即将跨越拐点，处于倒U型曲线上升阶段后期，经济发展带来的碳排放量依然较高，但碳排放与经济发展之间的矛盾有所缓解。西部地区EKC曲线趋于不断上升阶段，经济发展导致碳排放量急剧增加，碳排放与经济发展之间矛盾不断加深。东部地区经济发展速度最快，大于全国、中部地区和西部地区，碳排放量西部地区最高，大于东部地区、全国和中部地区，碳排放经济效益东部地区最优。

图7 中国东中西三大地区人均碳排放和人均GDP的关系Fig. 7 Relationship between carbon emissions per capita and GDP per capita in three major regions of China's eastern, central and western regions

2.4.3 中国南方地区和北方地区EKC曲线特征 研究时段内，南方地区EKC曲线即将跨过拐点，处于倒U型曲线上升阶段后期，经济发展碳排放量逐渐稳定，北方地区处于倒U型曲线上升阶段，经济发展碳排放量较大(图8)。中国南、北方地区EKC曲线形态相似，但南方地区曲线斜率小于全国曲线斜率，北方地区曲线斜率大于全国，南、北方地区与全国人均GDP总量增长速度相当，但人均碳排放南方地区低于全国，北方地区高于全国，表明南方地区单位GDP增长碳排放量较低，碳排放强度低于全国，北方地区单位GDP碳排放量较高，碳排放强度大于全国，北方地区经济增长碳排放压力大于南方地区。

图8 中国南、北方地区人均碳排放和人均GDP的关系Fig. 8 Relationship between carbon emissions per capita and GDP per capita in southern and northern China

2.4.4 中国西北—东南方向样带EKC曲线特征 从全国各省人均碳排放和人均GDP动态变化来看(图9)，自西北向东南，人均碳排放逐渐降低，人均GDP逐渐增加，碳排放与经济发展呈现倒U型曲线上升阶段—倒U型曲线上升阶段后期—倒U型曲线下降阶段变化特征，表明自西北向东南经济发展的环境效益不断提高。以全国EKC曲线为界，新疆、青海、甘肃、陕西人均碳排放高于全国，人均GDP低于全国，单位GDP 能耗较大，碳排放效益较低；四川、湖北、湖南人均碳排放和人均GDP均低于全国，单位GDP 能耗略低于西北地区，碳排放效益提高；广东、福建人均碳排放低于全国，人均GDP高于全国，单位GDP 能耗低，碳排放效益高。

图9 人均碳排放和人均GDP的空间演变趋势Fig. 9 Spatial evolution of carbon emissions per capita and GDP per capita

3 讨论

能源消费碳排放作为最主要的碳排放来源，极大地影响着气候变化和生态环境安全，中国如何保证在经济增长的同时降低能源消费碳排放，实现经济增长与碳排放协同发展，需要因地制宜，制定符合实际的发展政策。西部地区应合理开发利用水电、风能、太阳能、地热能等清洁能源，转变能源消费结构，降低对煤炭资源的依赖；其次应加快转变“粗放型”经济增长模式，合理调整产业结构，协调第一、二、三产业的经济发展比重，改造传统的工业发展模式，引进新兴技术，逐步实现从重污染、高排放产业向高效益、低能耗的产业转变。中部地区要不断吸收东部地区优势资源与技术，提高经济增长质量，充分发挥政策的导向作用，针对不同区域经济增长与碳排放的差异性，制定合理的促进导向措施，做好东、西部地区交流合作的枢纽作用，拉动区域协调发展。东部地区要充分利用沿海开放的区位优势，充分发挥“走出去、引进来”的优势，吸纳国际新兴技术，引领国内生产技术变革，增强经济发展的生态效益。