中部地区碳排放测度及其驱动因素动态特征研究

杨振，李泽浩

（中共中央党校 经济学部，北京 100091）

当前全球碳排放量不断增加，已经造成了诸如“全球变暖”、极端性气候灾害等影响人类正常生产生活的环境问题，这些现象引起了全世界各国政府的广泛关注。自2006年碳排放总量超过美国后，我国成为全球最大的碳排放国。尽管近年来我国碳排放量占世界比重开始呈现下降趋势，但2020年这一比例仍高达29%。为更好实现高质量绿色发展，我国制定了2030年前实现“碳达峰”和2060年前实现“碳中和”的目标及远景计划，履行减排责任仍任重道远。而由于历史原因和资源禀赋差异，我国碳排放表现出明显的区域特征，碳排放控制政策的制定由此也面临现实决策难题：若以东部发达地区更为严格的碳排放为标准，同步约束欠发达地区的碳排放，显然在一定程度上会限制其发展权。因此，在约束碳排放的政策制定和制度设计时，如何因地制宜实施差别化的区域减排策略，是必须要研究的核心问题。寻找到影响区域碳排放的关键驱动因素及其动态变化，有助于缓解前述制度设计的困境。

事实上，对于碳排放驱动因素的研究，也一直是学术界研究的热点问题。目前，已有研究聚焦在碳排放量与其影响因素的强弱关系和动态特征，以及针对特定区域和行业的研究两个方面。

（1）对碳排放影响因素的有效识别。日本学者Kaya[1]将二氧化碳排放量与人口数量、产业结构、能源效率等因素联系起来，将碳排放量表达为人口规模、人均GDP、单位GDP能耗和单位能耗碳排放的乘积，建立的Kaya恒等式成为碳排放计算的主流方法；Jiborn等[2]通过投入产出模型比较了不同国家在技术进步后的碳排放量，结果表明经济增长与碳排放存在着一定的脱钩关系；张忠杰等[3]通过构建静态和动态空间面板模型，发现城镇化率的上升对于人均碳排放量增加的影响是显著的；朱欢等[4]运用联立方程模型实证研究了经济增长和能源结构对二氧化碳排放量的影响，结果表明二氧化碳排放量与经济增长呈倒“U”型关系，而与能源结构呈“U”型关系。上述文献对碳排放的影响因素进行了有益探索，但并没有结合区域发展的特点对局部碳排放的影响因素做出精准识别。

（2）对区域和特定行业碳排放影响因素的研究。这类文献弥补了第一类文献研究范围过大的问题，由于目前研究方法的改进以及对碳排放控制的关注度提高，针对碳排放影响因素的研究越来越集中于微观方面。如原嫄和孙欣彤[5]通过对产业结构与碳排放之间的关联性进行省级数据的面板格兰杰因果检验，发现不同收入水平的省份碳排放和产业结构的因果关系不同；Luo等[6]通过建立中国经济环境核算模型，对中国旅游业碳排放驱动因素进行了核算，发现正面驱动因素为国内游客，负面驱动因素为能源强度；孙帅帅等[7]采用空间杜宾模型研究了环境规制对碳排放影响的空间效应，发现碳排放的区域差异显著。Elif等[8]则运用LMDI指数分解法对土耳其的碳排放驱动因素进行部门分解，结果表明制造业和建筑业是碳排放的主要动力部门。

已有研究的关注要点、研究方法、时间和地区跨度等方面存在差异，但仍然析出了部分有助于解释碳排放变化的驱动因素，这为本文研究特别是变量的设定提供了有益借鉴。本文选择以传统重化工业支撑和煤炭消费更为依赖的中部六省（河南、湖北、湖南、安徽、江西和山西）为例，重点考察中部地区碳排放驱动因素及其动态变化，主要基于以下几方面考虑：（1）中部地区是我国典型的能源生产和消耗地区，经济发展依赖能源消耗，且以煤炭为主的能源消费结构难以在短期内改变。从排放总量看，截至2018年年底，中部六省碳排放总量达到了全国的21.53%。（2）从产业结构看，依靠能源消费支撑的第二产业比重比全国平均水平高2.35%，但能耗相对小的第三产业则比全国平均水平低5.57%。尤其是河南和江西两地，第二产业占比分别比全国高5.2%和5.92%，第三产业占比则分别比全国低7%和8%，“双碳”目标约束下必须调整优化产业结构。（3）从排放经济效率看，中部地区的单位地区生产总值能耗长期高于全国水平。2021年4月23日，中共中央国务院在关于新时代推动中部地区高质量发展的意见上指出，要深入推进中部地区绿色发展，力求中部地区单位地区生产总值能耗降幅达到全国平均水平，单位地区生产总值二氧化碳排放进一步降低，推动中部地区资源节约型、环境友好型发展方式普遍建立。（4）中部六省仍处于城镇化快速推进的重要阶段，客观上看，城镇化会进一步增加碳排放。2019年，除湖北省城镇化率略高于全国水平外，其余五省份的城镇化率均低于全国水平，人口大省河南的城镇化率53.2%更是低于全国的城镇化率7.4个百分点。因此，随着碳减排成本升高、减排难度增大，中部地区在保持经济快速增长的同时，面临着更严峻的碳排放控制问题。

如何有效进行碳排放削减，从哪些领域入手能够更好地进行碳排放控制，如何确定碳排放控制的政策着力点，等等，成为中部地区亟待解决的问题。科学测算和分析中部地区碳排放及其驱动因素，对中部地区高质量发展及全国实现“碳达峰”的目标具有十分重要的现实意义。在已有文献基础上，本文首先对中部地区碳排放量及其与经济增长的脱钩状态进行分析，然后基于灰色关联模型，测算中部各省碳排放量与其驱动因素之间的时序灰色关联度和截面灰色关联度，以期能够为中部地区碳排放削减提供有价值的经验证据和积极的政策建议。

1 研究变量设定

1.1 碳排放量的测度

碳排放量测度是否科学关系到本文研究结论是否可靠。本文采用Albrecht[9]的碳排放量计算方法，对中部六省2007—2018年能源消费产生的碳排放量进行计算。之所以选择能源消费进行碳排放的替代性计算，主要是因为以煤、石油和天然气为主的化石燃料燃烧所产生的碳排放占据碳排放的主导地位，我国不仅是能源消费大国，而且化石能源消费占我国碳排放总量的95%左右，采取能源消费碳排放计算方法无疑是个有效的策略选择。

依据中部地区能源消费结构并结合中国能源统计年鉴，本文选取焦炭、煤炭、煤油、燃油、汽油、燃料油、原油和天然气这8类能源，将其所产生的碳排放量作为中部地区碳排放总量的代理指标。由于能源存在物质属性差异，难以统一计算碳排放水平，这里依据《2006年IPCC国家温室气体清单指南》所披露的有关碳排放计算的指标和系数进行统一折算，具体指标与系数如表1所示。

根据政府间气候变化专门委员会（IPCC）提供的权威折标准煤系数，碳排放总量可依如下公式计算：

式中：Cj表示j地区的碳排放总量；Ei表示第i类能源的消费量；Ni表示第i类能源的折标准煤系数；ei表示第i类能源的碳排放系数。

1.2 碳排放驱动因素

基于Kaya恒等式，现有研究运用不同模型析出的碳排放驱动因素，主要包括产业结构、能源结构、能源强度[10]、人口规模、经济增长[11]以及城镇化水平[5]等方面。根据这些研究结果，结合中部地区碳排放消费特点，本文选取上述对中部地区碳排放具有重要影响的指标作为驱动因素。

主要驱动因素指标构造如下：①能源结构，这里表示为煤炭消费量占能源消费的比重。由于不同能源具有不同的碳排放系数，因此在能源消费总量既定时，能源构成及其变动必然会对碳排放量产生影响；②能源效率，以碳排放总量与地区生产总值之比来表示。这一变量体现了国家或地区的能源利用效率与技术水平条件，能源效率和技术水平的提高均会抑制碳排放增加；③产业结构，以第二产业增加值在地区生产总值中所占比重表示。一般来看，由于第二产业对能源消耗最大，引致的碳排放量也最多，第二产业在中部地区产业结构中占有相当大的比重，产业结构的优化调整特别是第二产业的比重相对下降，会有效降低碳排放；④经济增长，这里以各省实际GDP增长率来表示。⑤城镇化率，即为城镇常住人口占总人口的比重。随着城镇化水平的提高，大量农村人口转移到城镇，这同时意味着城市生产和消费结构的变化，一般来看会导致碳排放的增加；⑥人口规模，包括城镇居民和农村居民的年末总人口数。显而易见的是，能源消耗和碳排放会随着人口规模的扩大而相应增多。

各类能源消费量数据，来自相关年度《中国能源统计年鉴》，六类驱动因素指标数据均来自国家统计局以及各省统计年鉴。

2 实证模型构建

由于我国关于碳排放的数据体系建设较晚，尚不具备企业级大样本和完备信息，因此本文以省级碳排放为研究对象，方法上选取不受大样本量约束且不需要典型分布规律的弹性脱钩模型和灰色关联度分析方法进行研究。

2.1 弹性脱钩模型

脱钩理论模型现已大量应用于能源、环境经济等方面的研究，是探究碳排放与经济增长关联关系演变的有效工具。目前，OECD脱钩指数模型以及Tapio弹性脱钩模型是应用较为广泛的两种主要脱钩模型。由于Tapio模型能够更好地反映指数变化，也克服了OECD脱钩模型在基期选择上的困难，本文选取Tapio弹性脱钩模型对中部各省碳排放脱钩弹性进行动态分析。

Tapio模型中，各省经济发展与环境质量脱钩弹性计算公式为：

式中：ut表示第t年的脱钩弹性指数，Ct、Gt分别表示第t年的碳排放量、第t年的地区生产总值，Ct-1、Gt-1分别代表第t-1年的碳排放量、第t-1年的地区生产总值。脱钩指数的实质是衡量碳排放量的增长与GDP的增长趋势是否相脱离。从理论上看，经济增长与碳排放的脱钩情况，一般可以分为8种类型，如图1所示。

图1 经济增长与碳排放可能的脱钩状态

2.2 灰色关联模型

前述弹性脱钩模型，主要是从整体上对经济发展与碳排放的关联关系进行识别，但无法准确析出碳排放的影响驱动因素。灰色关联分析法，则是有效测量碳排放驱动因素的主要分析工具之一，目前已被大量运用于此类问题的研究。有关学者聚焦于碳排放与产业的关联[12-15]碳排放的影响因素测量[16-17]，这些研究利用灰色关联模型得到了许多有价值的经验证据。

在对省域和区域碳排放驱动因素研究的应用上，灰色关联模型也发挥着重要的作用。王卉彤和王妙平[18]运用灰色关联分析法对我国11省份碳排放与其影响因素的灰色关联度进行了测算；王永哲和马立平[19]同样利用灰色关联模型对吉林省碳排放的影响因素与碳排放的关联度进行了分析；谭灵芝和姜晓群[20]采用灰色关联理论对我国省域碳减排强度协调水平进行了测度；熊萍萍等[21]通过构建面板数据的灰色矩阵相似关联模型，对华东地区碳排放与其影响因素的关联度进行了测算。由于灰色系统对样本量和样本分布的要求低，以及不易出现关联度的量化结果和定性分析不一致的情况，灰色系统理论在研究碳排放的应用也越来越广泛。

本文的研究对象不仅跨时间也跨区域，这里有必要引入并简述面板数据的灰色关联模型。假定共有M个省份，每个研究对象有N个驱动因素，观测时间为T，则第m个省份第i个驱动因素在时间t的观测值为xi(m,t)，驱动因素i的矩阵可表示为：

其中，i=1, 2, …,N；m=1, 2, …,M；t=1, 2, …,T。那么面板数据就可以表示为矩阵X=[X1(m,t),X2(m,t), …,XN(m,t)]。

本文首先依据先验理论，选取中部各省份的碳排放量作为参考数列，矩阵可表示为：

式中：t表示时刻。选取各省的六种碳排放驱动因素作为比较数列，矩阵可表示为：

假设有k个比较数列，则i=1, 2, …,k。

接下来，对各时间序列原始数据进行标准化变换。本文采取均值化的方法进行无量纲处理。原始面板数据矩阵经过无量纲处理后，给定分辨率ρ=0.5，灰色关联系数计算公式为：

其中，i∈[1,N]，m∈[1,M]，t∈[1,T]。

最后分别对截面和时序灰色关联度进行计算。假定比较数列Xi和参考数列X0的灰色关联系数为 ，则面板数据的灰色关联度为：

反映面板数据同一时刻不同研究对象与比较数列关系的截面灰色关联度按下式计算：

反映面板数据同一研究对象在不同时刻与比较数列关系的时序灰色关联度则按下式计算：

3 实证结果分析

3.1 中部各省碳排放量及脱钩状况分析

图2直观展示了中部六省2007—2018年碳排放量变化趋势，主要特征：（1）碳排放总量表现出梯度结构。从碳排放总量看，中部六省的碳排放量呈现出明显的梯度结构，山西和河南的碳排放量遥遥领先于其他四省，安徽、湖北和湖南次之，江西的碳排放量一直居于末位。（2）碳排放量与经济总量存在“脱钩现象”。两者并非简单的线性关系，表现出一定程度的“脱钩”。以2018年为例，碳排放总量最多的则是GDP总量最小的山西省，而GDP最高的河南省碳排放居第二位。安徽省经济总量居湖北和湖南之后，但其碳排放总量却超过湖北、湖南。（3）碳排放趋势差异化显著。从碳排放的动态趋势看，尽管各省份经济总量都在增长，但碳排放趋势特征存显著差异。河南省碳排放量在2011年达到峰值之后开始逐年下降，而山西省碳排放量至2015年却呈现上升的趋势，并在2016—2017年超过河南省，成为中部地区碳排放量最大的省份。湖北省2009—2013年的碳排放量有较大的起伏，2013年后趋于平稳。安徽、湖南和江西三省碳排放量变化趋势较为平稳，其中安徽和江西两省在2012年后碳排放量处于上升趋势。

图2 中部六省碳排放量的动态变化

值得进一步思考的是，碳排放与经济总量之间到底在多大程度上存在“脱钩”现象？依据公式（2）构建的Tapio脱钩模型，我们进一步测算了中部各省份经济增长与碳排放量的脱钩状态。为剔除通货膨胀对数据的影响，保证数据的可比性，本文以2006年为基期计算2007—2018年实际GDP及碳排放增长率，计算所得的Tapio脱钩指数见表2。

表2 中部地区经济增长与碳排放量Tapio脱钩指数

从脱钩指数的变化趋势看，在数据考察年间，中部地区整体碳排放与经济增长基本处于弱脱钩状态，且近三年来脱钩指数都比较小，意味着中部地区整个区域的经济增长增速要快于碳排放量增速。从各省的脱钩指数变化来看，经济增长对碳排放依赖最轻的省份是河南省，最严重的则是山西省。河南省在2007年间还处于扩张负连接状态，2010年之后其经济增长与碳排放的脱钩状态呈现为强脱钩状态，显示出经济结构优化转型对碳排放依赖程度的巨大转变。山西省在2008—2011年处于弱脱钩状态，在2013—2015年处于强脱钩状态，但2016—2018年却呈现负脱钩状态。湖北省在2011—2018年间的脱钩状态多呈现为强脱钩，其余三省在2006—2018年多处于弱脱钩状态。这些数据说明各地在追求经济增长的同时同步推进经济转型，经济发展对能源消耗的依赖已经开始呈现系统性的转变。

3.2 灰色关联度结果分析

3.2.1 截面灰色关联度结果分析

为更好识别碳排放驱动因素对特定省份的综合影响，本文根据截面灰色关联度计算公式[公式（9）]，计算了中部地区能源结构、能源效率等六个碳排放驱动因素与碳排放量的截面灰色关联度。截面灰色关联度反映的是在不同时间，同一研究对象与其关联指标灰色关联系数的平均值，表3反映了2007—2018年上述六个碳排放驱动因素与中部地区及各省份的关联程度。综合地看，人口规模、城镇化率以及能源结构，是近十几年影响中部地区碳排放的三大核心驱动因素。但从具体指标来看，影响各省份碳排放的驱动因素仍然存在一定差异。

表3 中部六省碳排放量与其驱动因素的截面灰色关联度

依据表3，对于河南省而言，与碳排放关联度最高的四个驱动因素分别为人口规模、能源结构、产业结构和城镇化率，对应的关联度都在0.84之上；与碳排放量关联度最低的驱动因素为能源效率与经济增长。具体来看，人口数量水平和能源消费结构与碳排放量的关系最为密切，其影响程度远高于能源效率和经济增长对碳排放的驱动作用，可见河南省庞大的人口基数以及以煤炭为主的能源消费结构对碳排放仍表现出较大影响；以第二产业为主的产业结构和快速的城镇化与河南省碳排放的关系也较为密切，究其原因，是因为河南省近些年快速推动城镇化：在研究期河南省城镇化率增长了17.37%，城镇化增速居于中部地区首位，大量原农村居民生活方式和生产方式发生改变，对能源消耗的需求增多；同时，河南省近年来推进新型工业化，截至2018年年底，河南省第二产业增加值占GDP的比重为44.1%，也在一定程度上产生了更多的碳排放。

湖北、湖南两省的截面灰色关联分析结果与河南省相似，人口规模和能源结构也是所有驱动因素中对碳排放影响最高的两个因素，城镇化率和产业结构对湖北省碳排放的影响也比较显著，明显高于经济增长和能源效率与碳排放的关联度。可见，人口因素、能源消费结构、产业结构以及城市化的推进是湖北、湖南两省碳排放的主要驱动因素。虽然这两省碳排放驱动因素与碳排放的关联度存在极大的相似性，但其背后的原因却可能存在系统性差异。在人口驱动因素上，2007—2018年，湖北、湖南两省人口分别增长了88万、520.92万，湖北人口数量的增长相较于湖南甚少。可见，虽然两省人口规模对碳排放的影响程度居驱动因素首位，但湖北省可能源于人口增加带来的能源消费结构变化，而湖南省则更可能是因人口总量增长带来的能源消费扩大。此外，在产业结构上，两省产业结构与碳排放的关联程度都比较强，但湖南省近年来第二产业增加值占GDP的比重相对比较低，到2018年年底达到了38.3%，而湖北省仍在40%以上，这是因为湖南省第二产业中工业比重占比偏高，而工业内部重工业的比重也偏高，导致了湖南省碳排放的增多。

对于安徽和江西而言，两省碳排放驱动因素按重要程度的排序都为：城镇化率>人口规模＞能源结构＞产业结构＞能源效率＞经济增长。可见，与其他四省人口因素占据主导驱动因素不同，安徽和江西两省城镇化的推进是导致碳排放增加的第一大影响因素，2007—2018年，安徽和江西城镇化快速推进，城镇化率分别增长了15.99%和16.22%，城镇化进程中人口生产、消费方式的改变以及城镇化伴随的工业化推进，增加了两省的碳排放。另外，两省人口规模和能源结构与碳排放的关联度也较高，都在0.7之上。从能源效率与碳排放的关联系数看，安徽和江西的关联度都比较低，近年来两省经济转型升级迅速，能源利用效率相较于往年有所提高，但数据显示其能源利用效率仍存在较大的改进空间。不可否认的是，两省经济增长与碳排放的关联程度相对较弱，说明其经济增长对能源消耗的依赖性下降，经济结构调整更适应绿色发展要求。

山西省与碳排放关联程度最高的两类驱动要素分别为城镇化率和人口规模，关联度都在0.9之上。2007—2018年，山西省作为中部地区人口基数最少的省份，人口增长了352.76万人，人口数量增长位于中部地区第四位；城镇化进程也较快，城镇化率上涨了15.38%，人口规模的增加和城镇化的快速推进增加了山西省的碳排放。此外，能源结构、产业结构和能源效率这三类驱动因素与山西省碳排放的关联度也较强。从能源结构来看，山西省煤炭与能源消费总量之比是中部地区最高的，煤炭消费占能源消费的比重一直在90%之上，且煤炭在化石能源中具有最高的碳排放因子，对煤炭的依赖导致了山西省碳排放的大量增加；从产业结构来看，近年来山西省虽产业结构有所调整，第二产业增加值占比降到了44.3%，取得了初步成效，但山西省的第二产业以能源、重化工业为主，对碳排放的影响也较大；从能源效率来看，山西省的能源利用效率偏低，中部地区能源利用效率高的省份如湖北省近年来单位GDP能耗已经降到了0.82吨标准煤/万元，但山西省最低时也有3.53吨标准煤/万元，能源利用水平的低下造成了山西省能源损耗和碳排放的增多。不过，从另外一个视角看，山西省能源效率与碳排放的高关联系数也说明，给定能源效率同等改进，山西省可能会更为显著地降低单位资源消耗产生的碳排放水平。山西省经济增长与碳排放的关联度在中部各省中最低，表示山西省近几年由于经济结构调整显著，其经济增长对于能源消耗的依赖性也相应降低，其经济增长的路径正逐步朝低碳排放方向迈进。

3.2.2 时序灰色关联度结果分析

时序灰色关联度反映的是在同一时间不同研究对象与其关联指标灰色关联系数的平均值。根据时序灰色关联度的计算公式[公式（10）]，计算了2007—2018年能源结构等六个碳排放驱动因素与碳排放量的时序灰色关联度结果，如图3所示。

图3 面板数据的时序灰色关联度

从面板数据的时序灰色关联度来看，在2007—2018年，能源结构、能源效率、产业结构、城镇化率与人口规模这五个驱动因素与中部地区碳排放量的时序灰色关联度呈现先上升后下降的变化趋势，其中，能源结构、人口规模、产业结构和城镇化率与碳排放量的时序灰色关联度在2013后呈现出平稳下降的趋势；能源效率与碳排放量的关联度在2007年较小，在2007—2011年关联度迅速上升，且在2011年达到最大值；经济增长这一驱动因素则呈现出周期性的上下波动，2007—2009年、2010—2012年、2015—2018年为上升期，2009—2010年、2012—2015年则为下降期。

“十二五”时期，我国提出要建设资源节约型、环境友好型社会，推动能源生产和利用方式变革。“十三五”时期则把改善生态环境质量作为核心目标任务，贯彻创新、协调、绿色、发展、共享的新发展理念，把深化改革和创新驱动作为发展基本动力。中部地区能源效率与碳排放量的时序灰色关联度在2011—2018年持续下降，且近两年关联度为所有碳排放驱动因素中最低。而能源结构、人口规模、产业结构和城镇化率这四个驱动因素与碳排放量的时序灰色关联度在2013—2018年趋于平稳，且关联度较大，表明中部地区以煤炭为主要化石能源的能源结构、人口总数、第二产业的发展以及城镇化的推进仍是中部地区碳排放量的重要驱动因素。经济增长这一因素受政策影响可能较大，如金融危机后四万亿投资和十大产业振兴计划政策出台后，经济增长与碳排放的时序灰色关联度升高；而在“三期叠加”提出的2013年前后，由于结构转型特别是去产能政策发力，经济增长与碳排放的时序灰色关联度也随之降低。

3.3 稳健性检验

前文采取经典的灰色关联分析计算方法，将分辨率统一设为均值ρ=0.5，以此对中部六省碳排放与其驱动因素的时序和截面灰色关联度进行测算分析。但公式（6），实际上说明分辨率与差序列最大值的绝对值乘积，会显著影响灰色关联系数的大小，也间接表明了分辨率设定的大小会影响关联系数的计算。为验证测算结果的稳健性，这里在经典灰色关联分析方法的基础上引入动态分辨系数，采取层次动态灰色关联分析方法进行稳健性检验。在层次动态灰色关联分析方法中，分辨系数取决于λ的大小：当λ＜1/3时，分辨系数在[λ, 1.5λ]之间取值，通常取值为1.5λ；当1/3≤λ≤1/2时，分辨率的取值区间为[1.5λ, 2λ]，通常取值为2λ-1/6；若λ≥1/2，则分辨率通常取值为5/6。λ的计算公式为：

式中：ΔXir(k)为参考数列和比较数列差值的绝对值，即|x0(t)-xi(t)|。在根据λ确定分辨率的取值后，依据公式（6）对灰色关联系数进行重新计算，测算结果如表4所示。

表4 引入动态分辨系数的稳健性检验结果

将表4的测算结果与表3进行对比，从各省及中部整体碳排放与其驱动因素关联度系数的大小上来看，层次动态灰色关联分析方法的测算结果相较于经典灰色关联模型，其关联系数都呈现下降的趋势，其中，与碳排放关联度高的驱动因素关联度下降幅度较小，与碳排放关联度较低的驱动因素关联度则下降幅度较大，但总体上与表3的测算结果大小保持一致，各个关联系数大小变动不大；从各省及中部地区整体碳排放与其驱动因素关联系数的重要度排序来看，各省碳排放与其驱动因素关联系数的重要度排序基本保持不变，中部地区整体碳排放与其驱动因素关联系数的重要度排序也基本保持不变，中部地区整体上人口规模和城镇化率仍是关联度排在前两位的主要驱动因素，能源结构、产业结构、能源效率与经济增长这四个驱动因素与碳排放的关联度依次递减。综上，本文对中部六省碳排放与其驱动因素关联度大小和重要度排序的检验结果与前文测算结果保持高度一致，可见本文的实证结果十分稳健。

4 结论与政策建议

碳排放驱动因素识别和低碳增长路径选择，是推动高质量发展的关键。本文在测度中部六省2007—2018年碳排放量的基础上，考察了经济增长与碳排放的脱钩趋势，并将各省的碳排放与其六个主要驱动因素进行时序灰色关联及截面灰色关联分析，提供了碳排放驱动因素及其动态特征的经验证据。结果显示：总体来看，中部地区经济增长与碳排放增长的脱钩趋势已经开始确立，中部六省碳排放与驱动因素关联度由大到小依次为人口规模、城镇化率、能源结构、产业结构、能源效率、经济增长；经济增长和城镇化率等驱动因素是影响各省碳排放总量的核心因素，且近年来中部地区驱动因素对碳排放量的影响整体变得稳定。但分省来看，碳排放的主要驱动因素和动态特征仍存在系统性差异，产业结构等驱动因素则因各省具体经济条件和发展水平不同呈现出差异化特征。

基于前述分析结果，对有效约束碳排放和形成低碳发展模式，提出如下对策建议：

（1）碳排放约束标准确立和调整，需因地制宜兼顾地区既有传统发展模式。从中部六省经济增长与碳排放的脱钩指数变化趋势来看，山西、江西和安徽三个煤炭资源丰富的省份，近年来经济增长与碳排放没有呈现出明显的脱钩状态，特别是山西省在2016—2018年还呈现出负脱钩的状态。不同类型地区经济增长与碳排放脱钩存在差异，这个结论给我们的启示是，实施更为严格的碳排放标准，将对不同发展类型的地区形成差异化约束强度，若要求资源依赖型地区同时点、同标准推动减排，无疑会限制其发展权。在高质量发展和“双碳”目标约束下，对资源大省和非资源大省的减排强度、速度及要求，可以因地制宜实施差异化的政策措施和时间安排。

（2）缓解碳排放紧约束，既要提高壁垒约束增量排放，也要调整结构优化存量排放。当下，能源指标已经成为约束地方发展的前置因素，为碳排放更少的高质量产业腾出更有价值的碳排放空间，是地方政府约束增量排放的理性选择。对于第二产业内部重化工业占比较大的省份，在碳排放控制中可能更需要关注存量排放的调整。对此，对于未来的增量潜在碳排放，中部地区需要将能源和碳排放指标作为产业发展和项目增设的前置条件；对于存量碳排放，需要重点从第二产业内部进行结构性调整，降低重化工业和能源工业的比重，为轻工业和服务业高质量发展提供稀缺的碳排放空间。

（3）以市场化机制和更有效率的制度安排，为推动能源消费结构战略性调整提供内在激励。从能源结构及能源效率与碳排放的关联度来看，以煤炭为主的能源消费结构已经成为中部各省碳排放的关键约束。需要进一步引导工业企业向低能耗、低排放、低污染和高效率方向发展，推动经济增长与碳排放强脱钩。在策略和制度安排上：一方面，可以实施总量控制下的排放权或排放指标跨区域市场化交易，让“增加排放”真正进入企业的成本决策中，降低工业产业对煤炭的内在依赖，从根本上削减碳排放；另一方面，可以考虑对使用清洁能源的成本进行税前加计扣除，在政策上引导企业提高对天然气、太阳能、风能及水能等清洁能源的使用比例，特别是河南、山西和湖北这些能源结构与碳排放关联度较高的省份，可以适用更高的加计扣除比例。

（4）探索低碳城镇化发展新路径，需考虑人口规模增长与城镇化进程对碳排放的差异化影响。城镇化率和人口规模是中部地区碳排放的主要驱动因素，能否弱化城镇化和人口规模与碳排放的关联，对中部地区碳减排至关重要。但不同地区，由于人口规模增加与城镇化进程对碳排放的影响有别，低碳城镇化发展新路径的选择和政策关注点因而存在差异。对于河南、湖南和安徽这三个人口大省，应积极关注新增人口在产业间的分布状况，探索有利于低碳绿色发展的产业人口结构调整，在人口规模增长的同时通过就业结构转换弱化碳排放压力；对于人口增量少但人口规模分布与碳排放量关联依旧比较强的湖北以及对煤炭长期依赖的山西来说，调整人口的能源消费结构，更应该成为碳排放控制政策的重心。