OECD 成员国碳排放效率时空演变与影响因素研究

李潇潇,张振东

(山东师范大学 地理与环境学院,山东 济南 250358)

随着全球经济的快速发展,粗放的经济增长方式导致能源耗竭、资源短缺、生态环境破坏等问题不断加剧,特别是碳排放增多引发的全球气候变化已成为各界关注的焦点,碳减排逐渐成为应对气候变化的重要内容与举措[1-4]。 《世界能源统计年鉴(2019)》显示,2018 年OECD 成员国二氧化碳排放量为1 240 500 万t,占全球碳排放量的36.6%。 OECD 成员国作为世界上经济较为发达、科技创新水平较高国家的经济体联盟,探究其碳排放效率的时空演变与影响因素,对于促进经济社会生态环境的协调发展具有重要意义。

1 文献综述

目前碳排放的相关研成果主要集中在以下几个方面:一是碳排放时空演变特征研究。 主要包括空间相关性与异质性、空间聚集性与收敛性、空间溢出性等方面,相关学者常采用莫兰指数、空间马尔科夫链、核密度等方法来研究碳排放效率时空分异特征[5-7]。 如王少剑等[8]利用空间马尔科夫链来探究黄河流域县域碳排放效率时空差异和空间效应机制。 李灵杰等[9]采用莫兰指数、变异系数等方法分析中国西北地区交通碳排放强度的空间相关性和异质性特征。 二是碳排放影响因素研究。 国内外专家学者对碳排放效率的影响因素开展大量研究,主要涉及科技创新、城镇化水平、产业结构、能源结构与强度、人口密度、外商直接投资等[10-15]。 如Neil Stephen A[16]、王杰等[17]利用LMDI 模型分别研究研究电力交易对全球碳排放的影响机制、金砖国家碳排放与经济增长之间的关系。 王鑫静等[18]研究“一带一路”沿线国家科技创新等因素对碳排放效率的影响。 三是不同行业和区域碳排放研究,当前研究主要集中在国家、省和市等区域,涉及旅游业、物流业、建筑业和农业等行业碳排放效率[19-22]。 如王白雪等[23]利用Super-SBM 模型和ML 指数对北京市公共交通碳排放效率影响因素进行深入探讨。 蔺雪芹等[24]以京津冀地区为研究区利用空间分析、空间

计量模型等方法来分析工业碳排放效率时空演变与影响因素。

通过国内外相关研究可以发现,学者在碳排放的预测模拟、影响因素、时空异质性等方面取得了丰富的研究成果,但仍存在一些问题需要思考和解决:一方面是相关学者大多从中观尺度研究碳排放[25-26],涉及宏观尺度和相对更小尺度研究较少,面对全球的迅速发展,国家间碳排放的时空差异亟待深入研究;另一方面碳排放效率的影响因素涉及环境规制、经济发展阶段、人口变化等多方面,不同因素对碳排放效率的影响强度和路径存在差异,各因素之间也可能存在相互影响,在影响因素的选取方面需要根据研究区域进行优化与调整。 基于此,笔者以OECD 35 个成员国为研究对象,采用Super-SBM 模型测算各国2009—2018年碳排放效率并分析其时空演变特征,探究影响因素对各国的影响机制,为推动全球绿色低碳发展提供指导与借鉴。

2 研究方法及数据来源

2.1 研究方法

2.1.1 碳排放效率测度

运用Super-SBM 模型对OECD 35 个成员国碳排放效率进行测度,其中投入变量主要包括劳动投入、资本投入、能源投入,具体指标分别为劳动力数量、固定资产投资、人均石油使用当量。 产出变量包括期望产出、非期望产出,主要指标包括国民生产总值、二氧化碳排放量。 其表达式为:

式(1)中:ρ*——决策单元的相对效率值;x——投入变量;y——产出变量;——投入松弛量;——产出松弛量;εn——权重向量;ρ*值越高则效率越高。

2.1.2 空间面板数据回归模型

研究结合STIRPAT 模型,并基于科技、经济发展水平和对外开放等因素的作用,得出影响OECD 成员国碳排放效率W 的基本表达式为:

式(2)中:P——人口规模;A——经济水平;T——技术水平;a——人口规模的估计参数;b——经济水平的估计参数;c——技术水平的估计参数;μ——常数项;ε——随机误差项。

将式(2)转换成对数形式:

将科技创新、产业结构、对外开放程度、城镇化水平、经济发展水平、信息化水平等影响因素纳入STIRPAT 模型:

式(4)中:EI——碳排放效率;G——科技创新水平;R——经济发展水平,美元;U——城镇化水平,%;S——产业结构,%;F——对外开放水平,美元;I——信息化水平,为常数;a——OECD35 个成员国;b——年份。

表1 碳排放效率影响因素

2.2 数据来源

研究样本为2009—2018 年OECD 35 个成员国,由于数据的可获得性,未将爱尔兰、哥伦比亚、哥斯达黎加纳入研究范畴。 科技创新相关数据主要来源于《全球创新指数报告》,信息化发展指数相关数据来自于欧洲电信联盟发布的《衡量信息社会发展报告》,劳动力数量、国民生产总值、二氧化碳排放量、第二产业增加值占GDP 的比重、城镇人口占总人口的比重、人均GDP、人均石油使用当量的相关数据主要来源于世界银行数据库和《BP 世界能源统计年鉴》,外商直接投资额数据主要来源于联合国贸易与发展会议数据库。 由于部分年份数据缺失,采用相邻年份数据的平均值或插值法补齐。

3 OECD 国家碳排放效率时空演变特征

3.1 时序演变特征

对研究区内年人均GDP 指数取均值并参考世界银行关于区域经济发展水平的划分标准,将其分为四类:Ⅰ类发展区域(低于人均GDP 的75%,包括智利、捷克共和国、爱沙尼亚、希腊、匈牙利、韩国、拉脱维亚、立陶宛、墨西哥、波兰、葡萄牙、斯洛伐克共和国、斯洛文纳尼亚、土耳其)、Ⅱ类发展区域(75%~100%,包括以色列、意大利、新西兰、西班牙)、Ⅲ类发展区域(100%~150%,包括澳大利亚、奥地利、比利时、加拿大、芬兰、法国、德国、冰岛、日本、荷兰、瑞典、英国、美国)、Ⅳ类发展区域(150%以上,包括丹麦、卢森堡、挪威、瑞士)。 运用Super-SBM 模型对 2009—2018 年OECD 成员国面板数据进行测算,其时序演变趋势如图1 所示。 研究区域碳排放效率整体呈上升趋势,碳排放效率均值从2009 年的0.429 4 波动上升至2018 年的0.493 5,年均增长率为1.56%。研究期大致分为三个阶段:第一阶段为加速增长阶段(2009—2012 年),是因为2009 年哥本哈根世界气候大会召开后,世界各国携手应对全球气候变化带来的问题,通过制定相关的政策,加强节能减排、提高能源利用效率等途径来减少碳排放量。 第二阶段为波动下降阶段(2013—2015 年),部分国家处于经济转型阶段,工业化、城镇化加速发展,注重经济增长,能源资源消耗量较大导致碳排放量较大。 第三阶段为缓慢增长阶段(2016—2018 年),多数国家已完成经济转型,产业结构以第三产业为主,2018 年,加拿大、卢森堡、美国、瑞士、英国、法国、荷兰第三产业占比超过70%,居民树立起低碳环保的理念,生产与消费趋于绿色低碳可持续发展模式。

图1 2009—2018 年OECD 国家碳排放效率时序演变特征

3.2 空间演变特征

根据计算结果发现(表2),变异系数、基尼系数、泰尔指数的变化趋势基本保持一致,基尼系数介于0.492 8~0.534 8,表明OECD 成员国碳排放效率存在一定的空间差异,具有空间非均衡特征,出现明显的两极分化趋势。 2018 年国家间碳排放效率差异最大,最高的卢森堡(1.047 9)与最低的匈牙利(0.244 3)相差 0.803 6;2009 年国家碳排放效率差异最小,最高的英国(0.950 7)与最低的拉脱维亚(0.223 2)相差0.727 5。 一方面部分发达国家经济基础雄厚、社会发展基础好,在创新人才资源、研发资金投入、绿色低碳技术等方面具有优势,能源资源利用效率持续提高。 另一方面,各国的地理区位、经济发展水平、资源禀赋和技术水平等差异依然长期存在,部分国家受其影响在能源利用效率、产业结构调整与优化、污染治理与修复等方面薄弱,对绿色低碳发展造成了一定的影响。

表2 碳排放效率区域差异测度指数

为更好地了解OECD 成员国碳排放效率的空间演变特征,使用ArcGIS 软件将OECD 成员国碳排放效率可视化,得到OECD 成员国碳排放效率空间分布图,以进一步探讨其空间分异特征(图2)。 从空间维度看,2009—2018 年研究区碳排放效率空间格局变动较大,绝大多数国家的碳排放效率均有较大提升。 卢森堡、美国、英国、瑞士、希腊、日本、挪威等国2018 年碳排放效率值介于0.670 6~1.047 9,在研究期内一直处于碳排放效率高水平区,主要是因为这些国家大部分是发达国家,科技创新水平较高已经成功驱动二、三产业转型,大力发展资本、知识、技术驱动型经济,注重节能减排,在资源集约利用、生产工艺、节能设备选用等方面具有优势,对太阳能、风能、 绿色氢能、核能等可再生资源的投资较大,加快能源系统低碳转型,发展倾向于科技含量高、低碳环保的第三产业和新兴产业,政府通过政策引导和制定法律法规采取强制措施降低碳排放,推进国家绿色可持续发展。 而捷克共和国、爱沙尼亚、斯洛伐克、拉脱维亚等国碳排放效率值较低,是因为这些国家多数为发展中国家,经济发展依赖于资源能源的消耗,能源结构主要以煤炭、石油和天然气为主,第二产业占比较大。 2018 年,捷克共和国、斯洛伐克、斯洛文尼亚第二产业增加值占GDP 的比重分别为31.75%,29.24%,28.28%,在废弃物处理、新能源开发与利用、清洁生产技术等方面仍有不足,片面地追求经济增长导致碳排放量急剧增加。

图2 OECD 成员国碳排放效率空间分布

4 OECD 国家碳排放效率的影响因素分析

4.1 OECD 国家碳排放效率与相关变量拟合分析

对模型中选取的影响因素科技创新指数、人均GDP、城镇化水平、外商直接投资、工业增加值占GDP 比重、信息化指数与OECD 成员国碳排放效率进行散点图拟合(图3)。 科技创新指数、人均GDP、城镇化水平、外商直接投资、信息化指数与碳排放效率呈显著线性关系,为探讨碳排放效率与各影响因素之间的关系,需要建立模型以明确影响方向和系数。

4.2 描述性统计与平稳性检验

对OECD 成员国碳排放效率的影响因素变量进行描述性统计研究,可以更直观地了解面板数据的基本信息(表3)。

表3 变量的描述性统计

为防止回归模型中数据出现“伪回归”现象,确保数据测算模型结果的科学性,研究运用LLC和ADF 两种方法对数据进行平稳性检验,结果见表4。

表4 面板数据的平稳性检验

4.3 实证检验与分析

4.3.1 整体结果分析

研究对2009—2018 年OECD 35 个成员国碳排放效率的影响因素进行回归分析,对数据进行取对数处理,分别采用随机效应、固定效应、GMM、Tobit 模型分析碳排放效率的影响因素,并通过Hauaman 检验,双向固定效应模型优于其他模型(表5)。

整体来看,科技创新与碳排放效率呈显著正相关,影响系数为0.207 1 且在5%水平上通过了显著性检验,研究期内科技创新指数较高的瑞士、瑞典、英国、荷兰、美国等国碳排放效率较高,两者呈现出较高的一致性,这些国家新能源技术、氢能技术等能源研究技术的不断发展,可以有效提高能源利用率,减少碳排放量。 经济发展水平与碳排放效率呈显著正相关,影响系数为0.311 4 且在1%水平上通过了显著性检验,研究区国家大部分是发达国家,经济实力雄厚,在发展清洁能源、能源结构转型、污染控制技术等方面具有一定优势,政府和公民倡导发展低碳经济、循环经济,有助于提高碳排放效率。 城镇化与碳排放效率呈显著正相关,影响系数为0.233 7 且在5%水平上通过了显著性检验,2018 年,比利时、冰岛、日本、荷兰卢森堡等27 个国家城镇化水平高达70%以上,伴随着城镇人口生活方式与理念的改变,高新技术产业和服务业不断发展,在一定程度上有助于提高碳排放效率。 外商直接投资与碳排放效率呈显著正相关,影响系数为0.126 6 且在1%水平上通过了显著性检验,随着全球化进程的不断推进,进口贸易主要集中于高技术或资本密集型产品,跨国合作、对外投资所带来的的技术效应逐渐增强,对碳排放效率的提升具有促进作用。 产业结构与碳排放效率呈显著负相关,影响系数为-0.245 3,且在1%水平上通过了显著性检验,由于高能源密集型产业的快速发展,伴随着生产部门能源大量使用,生产过程产生大量环境污染物,导致二氧化碳排放量较多。 信息化水平与碳排放效率呈显著正相关,影响系数为0.324 9 且在1%水平上通过了显著性检验,主要是因为这些国家充分利用大数据、物联网、区块链、人工智能等现代化信息技术,推动废弃物综合利用和资源能源开采平台一体化建设,促进信息共享和高效利用,通过集约与高效管理,提高能源资源使用效率,提升碳排放效率。

4.4 稳健性检验

为保证结果的稳健性,研究将各影响因素的滞后一期作为工具变量,采用二阶段最小二乘法对全体进行稳健性检验(表6)。

表6 稳健性检验结果

5 结论

研究运用Super-SBM 模型测算2009—2018年OECD 35 个成员国碳排放效率,分析其时空演变特征,并利用空间面板数据回归模型探究各因素对OECD 35 个成员国碳排放的影响,得出以下结论:

(1)OECD 成员国碳排放效率整体呈上升趋势,由2009 年的0.429 4 波动上升至2018 年的0.493 5,年均增长率为1.56%。 变异系数、基尼系数、泰尔指数的变动趋势具有一致性,基尼系数由0.492 8 上升到0.534 8,OECD 成员国碳排放效率存在一定区域差异,且差异态势有所增大。

(2)碳排放效率较高值国家主要位于西欧及北欧地区,较低值国家主要分布在石油、煤炭等矿产资源相对丰富的中东地区。 西欧地区经济较发达,在节能技术与产品研发、资源高效利用等方面具有一定优势,产业结构趋于合理化,新能源和新技术推广更为普及,从而驱动碳排放效率提升;而中东地区处于工业化、城市化进程快速发展时期,各行业化石能源消耗量大,能源结构中以石油能源为主,制约碳排放效率的提高。

(3)科技创新对碳排放效率提升具有显著促进作用,主要是因为科技创新能够研发先进的生产工艺与产品,提高能源资源利用效率;经济发展水平对碳排放效率具有正向推动作用,经济发展水平的提高会推动产业结构向高级化、绿色化、低碳化发展,促进经济转型升级,从而提高碳排放效率;城镇化对碳排放效率具有显著的正面影响,居民受教育程度的不断提高和低碳环保理念的深入,政府和公民提倡发展绿色、低碳、循环经济,导致碳排放效率提高;信息化发展水平对碳排放效率的具有正向推动作用,是影响碳排放效率最重要的因素;外商直接投资对碳排放效率提高具有促进作用,可能是因为现代化服务业等低碳行业出口增加,导致碳排放量减少;产业结构对碳排放效率提高具有减缓作用,工业化快速发展过程中,工业发展是以高能耗、高排放为主要特征, 工业生产排放了大量的二氧化碳。