碳减排政策对碳排放影响的实证分析

刘玲　李小军　彭剑波

摘要：利用中国30个省份（西藏及港澳台地区除外）2007-2017年的面板数据，将碳减排政策引入STIRPAT模型，实证分析碳减排政策对碳排放的政策约束力、时效性。结果表明，就全国范围而言，碳减排政策对碳排放的直接约束力和时效性作用有限，就区域范围而言，西部地區的碳减排政策长期约束力和时效性影响程度高于中部、东部地区。针对碳减排政策的区域影响差异提出差异化碳减排政策建议。

关键词：碳减排政策;STIRPAT拓展模型;碳排放;时效性

中图分类号：X196 文献标识码：A

文章编号：0439-8114（2020） 16-0049-05

DOI： 10.14088/j.cnki.issn0439-8114.2020.16.010

全球气候形势日益严峻，各国政府在全球气候治理中的作用举足轻重。中国作为世界上第一大能源生产国和消费国，发挥中国政府在碳减排中的建设性作用不仅是当期经济建设与人民群众的现实需要，同时也是完成《巴黎协议》的中国承诺部分，构建人类命运共同体的重大举措。随着中国碳排放交易市场的日益完善、新能源的发展、一系列碳减排计划的具体落实等，生态环境部数据显示，中国在控制温室气体排放方面已取得显著成效，2017年中国单位国内生产总值二氧化碳排放比2005年下降约46%，超过了2020年单位国内生产总值二氧化碳排放比2005年下降40%～45%的目标;煤炭消费比重从2005年的72%下降到2017年的60%;2017年非化石能源消费比重上升到13.8%。中国已成为利用清洁能源第一大国，风电、光伏发电装机规模和核电在建规模均位居世界第一，清洁能源投资连续9年位列全球第一，累计减少的二氧化碳排放也居世界第一位。为进一步探究碳减排政策对碳排放的约束力、时效性，本研究在STIRPAT模型的基础上，引入政策变量作为核心控制变量，对全国30个省份（西藏及港澳台地区除外）2007-2017年的面板数据进行实证分析，进一步探讨政策要素对碳排放的影响机制，为区域可持续发展提供决策依据。

碳排放问题在中国低碳经济的发展中尤为重要，国内外学者对影响碳排放的因素进行了诸多研究。Martinez-Zarzoso等[1]运用OECD国家数据，研究发现人均收入和碳排放之间存在倒U型关系。Pao等[2]运用面板数据协整方法发现金砖国家的外商直接投资增加了碳排放。Yi等[3]探讨了城镇化与碳排放的关系，实证结果得出城镇化的集聚会导致温室气体过量排放，两者存在正相关关系。国内学者对碳排放问题研究较早，徐玉高等[4]利用全球截面数据，分析了人口增长、能源消费强度变化对人均碳排放的影响，发现碳排放与人均GDP之间不存在Kuznets曲线，人口增长和人均GDP的增加是人均碳排放增加的主要来源，而GDP能源消费强度的下降则是碳排放减少的重要来源。王锋等[5]发现人均GDP增长是二氧化碳排放量增长的最大驱动因素。邵帅等[6]使用广义迪氏指数分解法考察了 1995-2014年制造业碳排放演变的驱动因素。黄勤等[7]运用LMDI模型研究了长江经济带C02排放增量的驱动因素，发现影响因素按大小依次为经济规模效应、能源强度效应、产业结构效应和能源结构效应。方浩等[8]对国家经济发展与碳排放的关系进行了研究，认为经济和能源消费两者结构多元化最终促使国家完成从高碳燃料为主向低碳燃料的转变。本研究基于国内外学者的研究结果，选取政策变量作为关键变量，同时选取能源强度等变量，综合讨论碳减排政策对碳排放的影响机制。

1 STIRPAT模型概述

Ehrlich & Holdren率先提出IPAT模型，该模型主要用来解释人口对环境压力的影响，其中，I反映环境压力，P反映人口数量，A反映富裕程度，T反映技术水平[9，10]。此后，由于该模型在考察解释变量与环境后果间的非比例影响等方面存在局限，Dietz& Rosa在此基础上又进一步发展出STIRPAT模型[11-18]，即：

式中，e表示常数项，β0、β1、β2、β3是要被估计的参数，下标i表示I、P、A和T在不同观测单元之间的变化。通常在实证分析中对模型两边同时取对数，将式（1）转化为式（2）：InIit=β0+β1InPit +β2lnAit +β3lnTit +εi （2）

STIRPAT模型作为研究碳排放与经济发展之间关系的经典理论，已经得到学术界的普遍认可，研究者在式（2）的基础上，根据研究需要增加其他变量来进行相关分析，增加的解释变量应与式（1）的乘积形式保持一致。因此，结合本研究的主题，最终建立的碳排放经济计量模型如下：ICO2=f1（P，A，T，X，ε） （3）

式中，ICO2表示各省的碳排放总量;为各省的年末人口总量;A为各省人均GDP;T为各省技术水平（即碳排放强度），用单位地区生产总值的碳排放强度（吨标准煤/万元）衡量;X表示其他控制变量，包括政策数量PN、城镇化率UR、产业结构IS等;ε是误差项。两边通过对数转化后得到的公式如下：InICO2it=β0=β1InPNit=β2InETi+InSRit +InPGit + InIRit + InISit + InURit +εit （4）

式中，ICO2it表示i地区第t年的二氧化碳排放总量;PNit表示i地区第t年的碳减排政策数量;ETit表示i地区第t年的碳排放强度（单位GDP能耗）;SRit表示i地区第t年年末人口总数;PGit表示i地区第t年人均GDP;IRit表示i地区第t年的污染治理投资总额占GDP比率;/心表示i地区第t年第二产业产值占GDP比率;URit表示i地区第t年城镇化率;εit为随机误差项。

相比传统意义上的STIRPAT模型，本研究通过对现有传统模型的分析及改进，将人口变量用地区年末人口数量表示，将技术变量用单位GDP能耗表示，将富裕程度变量用人均GDP表示。同时引入政策变量及城镇化率、产业结构、污染治理投资等多个变量，以此观测区域经济要素对碳排放的影响。

2 数据来源与变量说明

2.1 碳排放的测算

本研究的城市碳排放核算方法来源于CEADs（中国碳排放数据库团队）（http：//www.ceads.net），基于化石燃料能源消费的碳排放计算公式如下：CEenergy = ∑i∑jCEij = ∑i∑jADij ×NCV×EFi×Oij，i∈[1，17]，j∈[1，47] （5）

式中，為不同部门和类型的能源碳排放;ADij为调整后的能源消耗;NCVi为不同能源类型的净热值;EFi为碳排放因子;Oij为不同部门和类型能源的氧合效率;CEADs根据100个大煤矿区的602个煤样进行测量，发现联合国政府间气候变化专门委员会（Intergovernmental panel on climate change，IPCC）和国家发展和改革委员会建议的排放因子往往高于实际排放因子，该碳排放数据采用IPCC（2006年）部门方法计算二氧化碳排放，被研究机构广泛应用。碳排放量是根据17种化石燃料和47种社会经济燃料部门排放计算得出的，所以本研究采用CEADs所测量的数据来计算城市碳排放值（表1）。

2.2数据来源及变量统计性分析

本研究采用2007-2017年中国30个省份（西藏及港澳台地区除外）的面板数据，数据主要来源于2007-2017年的国家统计局官网、《中国统计年鉴》《中国能源统计年鉴》《中国环境年鉴》、CEADs及各省份统计年鉴等。

将二氧化碳排放量作为衡量碳排放的因变量，同时将碳减排政策数量、单位GDP能耗、污染治理投资总额占GDP比率、第二产业产值占GDP比重、城镇化率、人口数量、人均GDP作为自变量处理，其中，各省碳减排政策数量来源于“法律之星”网站。

运用Statal4.0软件对相关变量进行统计分析，结果如表2所示。

2.3 模型选择与计量方法

在进行分区域实证研究时，除港澳台地区外，依以往研究的通用划分方式[19]，按照地区经济发展水平将全国31个省份划分为东部、中部、西部3个地区[20，21]。东部地区包括北京、天津、辽宁、上海、江苏、浙江、福建、山东、广东、海南、河北11个省（市）;中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省;西部地区为内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆11个省（市、区）（本研究由于部分数据缺失，西藏除外，实际研究省份为30个）。

运用Stata 14.0软件对整体面板数据分别进行F检验和Hausman检验，结果均显示P=0.000，拒绝原假设随机效应模型，因此，检验结果都显著支持固定效应。综合国内外研究和现实情况，本研究在利用面板数据进行STIRPAT建模时选择固定效应拓展模型。

3实证分析及结果

在运用Stata14.0软件的基础上，建立STIRPAT拓展模型，计量结果显示，由于存在时滞及区域性差异，可能使碳减排政策对碳排放的影响存在一定程度的差异。因此，在实证分析当期政策对当期碳排放影响的同时，对政策滞后一期的影响进行了实证分析，也进行了碳减排政策对当期及滞后一期影响的实证研究。

3.1 碳减排政策对碳排放的时效性影响分析

3.1.1碳减排政策当期对碳排放的影响 实证分析结果如表3显示，碳减排政策数量（PA0当期对全国碳排放的直接影响系数相较于其他因素较小，直接约束力较小，在其他条件不变的前提下，每增加1%的碳减排政策会使碳排放量减少3.306%。而对碳排放影响最为显著的主要为单位GDP能耗（ET）与人均GDP（PG），这两个因素同时也是碳排放量的直接影响因素，中国目前的能源使用效率不高，由粗放型使用向集约型使用需要一定的过程，同时与此相联系的是目前国内依然存在的粗放式、高耗能工业模式带来的大量碳排放，人均GDP的增长会带来大量产品的需求，在产品生产和消耗过程中不可避免带来大量的碳排放。

3.1.2 碳减排政策滞后一期对碳排放的影响 由表3的估计结果可以看出，碳减排政策滞后一期对碳排放的影响相较于碳减排政策对碳排放的当期影响，影响系数降低了大概1个千分点，而显著性略有下降。说明碳减排政策滞后一期实际对碳排放量的直接影响效力较小，碳减排政策对碳排放的时效性影响有限。

3.2 碳减排政策对碳排放的分区域影响

3.2.1 碳减排政策当期对各区域碳排放的影响 由表4可知，就地区而言，碳减排政策当期对碳排放的约束效力最大的为中部地区;单位GDP能耗（碳排放强度）中，中部地区比东部地区大，西部地区最小。主要原因为中部地区的山西、吉林、黑龙江等省份为中国重要能源和重工业基地，碳排放量巨大;而东部地区的产业以轻工业为主，城镇化水平高，能源利用效率高，西部地区人口分散，工业化基础薄弱，因此碳排放强度低。从人口数量来看，中部地区城镇化对碳排放具有正向影响，西部地区影响不显著，其原因在于西部地区人口分布相对分散，中部地区人口分布过于集中，人们生产和生活活动将会产生大量的碳排放;从人均GDP来看，西部地区人均GDP对碳排放影响程度要高于中、东部地区，并且已经成为西部地区碳排放的主要影响因素，主要是因为西部工业结构以能源消耗型工业为主，生产碳排放量远高于中、东部地区;对于污染治理投资总额占GDP比例而言，东部地区和中部地区污染治理投资总额占GDP比例与碳排放呈负相关，其中中部地区污染治理投资对碳排放的影响程度高于东部地区;对于产业结构而言，主要由地区工业结构决定，中部地区第二产业产值占GDP比重对碳排放影响程度高于东部地区和西部地区;对于城镇化率而言，中部地区和东部地区城镇化率与碳排放呈正相关，而西部地区城镇率与碳排放呈负相关，主要原因是西部地区城镇化率低，人口与工业分散，城镇化率越高，能源利用效率越高，则碳排放量越低。

3.2.2 碳减排政策滞后一期对各区域碳排放的影响 如表5所示，碳减排政策滞后一期相较于政策当期效果而言，东部地区与中部地区政策约束力变小，而西部地区变大。主要原因在于东部地区与中部地区工业体系发达，碳排放量巨大，碳减排政策更新快且密集，短期时效性强，长期时效性弱。而西部地区碳排放政策数量较少且时间跨度大，因此造成短期时效性弱，长期时效性强。

4 小结与建议

本研究采用2007-2017年全国30个省份（西藏及港澳台地区除外）的面板数据，考察碳减排政策对碳排放的影响。基于STIRPAT拓展模型实证分析碳减排政策对碳排放的作用，得出以下结论。

1）就全国范围而言，碳减排政策对碳排放的直接约束力和时效性作用有限。而其他要素如人均GDP和城镇化率对碳排放的影响较大。

2）从区域范围而言，东部、中部地区碳减排政策短期约束力和时效性较强，影响东部、中部、西部地区碳排放量的主要因素存在差异。相反，西部地区碳减排政策对碳排放的长期约束力和时效性影响程度高于中部、东部地区。

基于分析和上述结论，本研究提出如下的政策建议。

1） 对于东部地区而言，碳排放的主要影响因素为城镇化和财富状况（人均GDP），城镇化水平一方面会提高能源的使用效率和集约化水平，但城镇化水平和人们财富状况的好转，必然导致人们生产生活所消耗的物质资料的增加。鉴于此，政府应当制定一些具有针对性的促进绿色低碳生活消费方式及绿色循环产业发展的政策。

2） 对于中部地区而言，碳排放的主要影响因素为人口数量、城镇化率、产业结构，基于中部地区庞大的人口基数与产业结构，应当推动绿色产业的发展及绿色消费方式的普及，降低生活、生产中的碳排放量。同时，政府应当推动中部地区产业结构优化升级，提升第三产业比重，对工业结构中的碳排放强度高的行业进行技术优化，推动技术革新。

3） 对于西部地区而言，碳排放量的主要影响因素为城镇化率、人均GDP和人口数量。而西部地区城镇化率与碳排放量呈负相关，因此，政府应当在人口过于分散的地区进一步提高城镇化水平。同时推动经济发展，提高人均收入水平，并提倡绿色消费生产方式。

参考文献：

[1]MARTINEZ-ZARZOSO I， BENGOCHEA-MORANCHO A. Pooledmean group estimation of an environmental Kuznets curve for CO2[J].Economics letters，2004，82（ 1）： 121-126.

[2]PAO H T，TSAI C M. Multivariate granger causality between CO2emissions， energy consumption， FDI （foreign direct investment） andGDP（ gross domestic product） ： Evidence from a panel of BRIG （Bra-zil， Russian Federation， India， and China） countries [J].Energy，2011，36（l）：685-693.

[3] YI H T， LIU Y. Green economy in China： Regional variations andpolicy drivers[J].Global environmental change，2015，31：11 — 19.

[4]徐玉高，郭元，吴宗鑫.经济发展，碳排放和经济演化[J].环境科学进展，1999，7（2）：54-64.

[5]王锋，吴丽华，杨超.中国经济发展中碳排放增长的驱动因素研究[J].经济研究，2010（2）：123-136.

[6] 邵帅，张曦，赵兴荣.中国制造业碳排放的经验分解与达峰路径——广义迪氏指数分解和动态情景分析[J].中国工业经济，2017（3） ：44-63.

[7]黄勤，何晴.长江经济带碳排放驱动因素及其空间特征一一基于LMDI模型[J].财经科学，2017（5）： 80-92.

[8]方浩，梅洪常.竞争要素与低碳发展：基于中西部省域面板数据分析[J].生态经济，2018，34（ 11） ：72-76.

[9]KUMAR S M，DEEP M. Drivers of greenhouse gas emissions in theUnited Slates： revisiling STIRPAT model[J]. Environment develop-ment and sustainability， 2018：1-17.

[10]高新伟，李洁仪，闫昊本.汽油消费税对私人汽车碳排放影响研究[J]中国人口·资源与环境，2019，29（10）：135-142.

[11]汤姿，李晓红.基于STIRPAT模型的黑龙江省旅游业二氧化碳排放影响因素分析[J].生态经济，2019，35（8）： 141-145.

[12]钟少芬，郭晓娟，刘煜平，等.基于STRPAT模型的碳排放情景分析[J].科技管理研究，2019，39（17）：253-258.

[13]孙颖，刘宁宁.工业化、城市化与地区碳排放强度——基于STIRPAT模型的省际面板数据分析[J].改革与开放，2019（17）：16-20.

[14]王兆峰，廖红璐.基于STIHPAT模型的长株潭城市群交通碳排放的影响因素及其区域差异[J].湖南师范大学自然科学学报，2019，42（5）：1-9，33.

[15]刘业炜.我国居民家庭能源消费时空差异性研究——基于居民家庭收入、区域气候差异与碳减排相关性分析[J].价格理论与实践，2019（7） ：57-60.

[16]李学迪，郑海涛.中国城市工业污染的影响因素研究[J].北京航空航天大学学报（社会科学版），2020，33（ 1）： 93-98.

[17]WEN L，SHAO H. Analysis of influencing factors of the carbon di-oxide emissions in China's commercial department based on theSTIRPAT model and ridge regression [J]. Environmental scienceand pollution research， 2019， 26（26）：27138-27147.

[18]梁一鸣，雷社平.中部六省碳排放因素分析和趋势预测——基于STIRPAT和灰色GM（1，1）模型的实证研究[J].价值工程，2019，38（20：11-14.

[19]赵当如，陈为.绿色视角下的我国区域财政科技投入绩效评价及其空间收敛性研究[J].海南金融，2018（2） ：4-16.

[20]孫亚男，刘华军，崔蓉.中国地区经济差距的来源及其空间相关性影响：区域协调发展视角[J].广东财经大学学报，2016，31（2）：4-15.

[21]侯璐璐，张燕华.中国区域经济发展差距测算和阶段划分[J].区域经济评论，2015（2） ： 10-17.

收稿日期：2020-07-13

基金项目：2019年度广西发展战略研究院重点项目（T3230097919）

作者简介：刘玲（1995-），女，重庆奉节人，在读硕士研究生，研究方向为国际贸易及环境经济，（电话）15578093498（电子信箱）2472000611@qq.com;通信作者，彭剑波（1970-），男，重庆忠县人，副教授，（电话）13077716827（电子信箱）jianbop@163.com。