基于VAR模型的能源消费与废气排放量关系研究--以山西省为例

杨 昆, 郝玺龙, 刘 伟, 白 羽

(山西省科技情报与战略研究中心,太原 030024)

山西作为资源型地区和碳排放大省,实现碳达峰、碳中和目标意义重大,任务艰巨。能源消费方式改变、能源结构优化是实现碳减排的重要途径,也是实现碳达峰、碳中和的必由之路。Xing等[1]利用VAR模型和解耦模型,结合2001-2020年数据,分析了山西省碳排放与经济发展的静态动态关系。结果表明,近20年来山西省经济发展和碳排放主要呈现弱脱钩状态,但解耦状态逐渐增加。同时,碳排放与经济发展构成一个双向循环动力系统。经济发展对自身和碳排放的影响分别占60%和40%,碳排放对自身和经济发展的影响分别占71%和29%。Shen等[2]构建了中国四大经济区脱钩模型,基于Tapio脱钩指数法和碳排放VAR模型,比较测度1997-2019年中国碳排放与经济增长脱钩的影响。结果表明,不同经济区域经济增长与碳排放脱钩程度不同,21世纪初各区域脱钩状况较好。总体来看,东部和西部地区的脱钩状况要好于中部和东北地区。脉冲响应和方差分解结果表明,可再生能源消费总能降低碳排放强度的增长,且其影响在西部地区最为显着。Xu等[3]基于向量自回归(vector autoregressive model,VAR)模型的相关性分析,运用差分-倾向得分匹配(propensity score matching-differences-in-difference,PSM-DID)方法考察低碳城市建设对中国雾霾污染的影响,研究表明,雾霾污染减排效果的失败可能在于低碳城市建设的技术创新效应和人口素质效应不明显,以及区域异质性。最后,从总体建设战略、技术与产业绿色发展、区域异质性政策等方面提出若干建议。Gedikli等[4]在选定的经合组织国家使用VAR模型来研究国际旅游业对经济增长和碳排放的影响,使用1995-2020 年期间的年度数据,通过格兰杰因果关系检验和脉冲反应分析来研究国际旅游业、经济增长和碳排放之间的动态关系。实证结果表明,碳排放对国际旅游冲击的响应高于经济增长对国际旅游冲击的响应,这些结果表明国际旅游对环境质量、经济增长的负面影响大于其正面影响。利用VAR模型,Ye[5]利用2001-2018年四川省主要能源消费的产业结构和8项碳排放数据,分析四川省产业结构与碳排放的动态关系。研究结果表明,短期内,先进产业结构将抑制碳排放的增长,产业结构的变化,即第二产业份额的增加,将导致碳排放量的增加;从长期来看,产业结构优化对碳排放影响显著,具体表现为抑制作用。田文甫慧[6]基于云南1980-2019年时间序列数据,在能源、资本和劳动三要素C-D生产函数框架下,利用Johansen协整检验、向量误差修正模型、Granger因果检验等定量分析工具,对能源消费与经济增长的短期和长期关系进行实证检验。结果表明:二者存在相互促进的长期均衡关系,而短期不存在因果关系,说明云南经济结构优化向好,能源依赖度低;此外存在纠偏机制,误差修正项对能源消费的调整速度显著快于对实际GDP的调整速度。目前,国内外学者利用VAR模型在经济发展等方面对碳排放量及废气的影响分析存在大量研究成果,但缺乏通过VAR模型研究能源消费对碳排放量及废气排放量的影响关系研究,因此,通过VAR模型对能源消费与废气排放量进行测算,是对VAR模型分析能源消费与环境关系应用与研究的重要补充,具有重要的理论意义和应用价值。

2007-2021年,山西省的终端能源消费中,煤炭消费总量呈递增趋势,由2010年的28 180万t增长到2021年的37 099万t,在此期间2015年、2016年煤炭消费量有小幅度减少,但从2017年又恢复了增长。焦炭消费量由2007年的2 526.37万t缓步增长至2021年的2 809.89万t。2021年煤炭消费量占能源消费总量的90.63%,焦炭消费量占能源消费总量的14.37%,能源结构仍然偏煤。废气排放量由2007年的22 042.9亿标立方米增长到了2021年的89 905亿标立方米。煤炭产业是山西省的支柱产业,煤炭也是山西省能源消费碳排放的主要来源,约占排放量的85%以上,山西省煤炭、焦炭消费量与废气排放量有着不庸质疑的相关关系。通过协整检验、脉冲响应和方差分解将能源消费因素作为内生变量进行长短期均衡关系动态影响分析,揭示山西能源消费等关联因素对废气排放量的影响。

1 数据的选择和处理

选取《山西统计年鉴》中2007-2021年的煤炭消费量、石油消费量、焦炭消费量和废气排放量,为检验数据正态性,对原始数据进行Pearson 相关性检验,由Pearson 检验矩阵(表1和表2)可见,煤炭消费量与焦炭消费量相关性系数为0.287,但P=0.149>0.05,因此煤炭消费量与焦炭消费量之间无显著的线性相关关系;煤炭消费量与石油消费量相关性系数为0.332,但P=0.114>0.05,因此煤炭消费量与石油消费量之间无显著的线性相关关系;焦炭消费量与石油消费量相关性系数为-0.229,但P=0.205>0.05,因此焦炭消费量与石油消费量之间无显著的线性相关关系。

表1 Pearson 相关性检验系数

表2 Pearson相关性检验P值

煤炭消费量与废气排放量相关性系数为0.699,P=0.002<0.05存在强度相关;焦炭消费量与废气排放量相关性系数为0.425,P=0.05存在弱相关;石油消费量与废气排放量相关性系数为0.059,但P=0.417>0.05,因此石油消费量与废气排放量之间无显著的线性相关关系。

Pearson相关性检验只能说明线性相关关系,并不能说明变量有无相关关系。因此必须利用约翰逊协整检验、误差修正模型和向量自回归(VAR)模型、Granger因果检验、脉冲响应函数及方差分解模型进行检验。为避免共线性和异方差的影响,对四种指标取对数,将煤炭消费量CoalC(coal consumption,单位是万t)表示为ln CoalC,将石油消费量PetrolC(petrol consumption,单位是万t)表示为ln PetrolC,将焦炭消费量CokeC(coke consumption,单位是万t)表示为ln CokeC,将废气排放量GasE(gas emission,单位是亿标立方米)表示为ln GasE。

2 实证分析

2.1 单位根检验

想要进行协整检验,分析废气排放量(ln GasE)与煤炭消费量(ln CoalC)、石油消费量(ln PetrolC)、焦炭消费量(ln CokeC)的长期关系,必先使用单位根检验序列的平稳性,原假设都是H0:δ=0。检验从模型3开始,进而上溯至模型2和模型1。在检验拒绝原假设的前提下,序列才没有单位根,是平稳的[9]。否则检验就要继续,直到把模型1检验完(表3)。

表3 ADF检验结果

由表3可知,(C,T,K)分别为ADF检验公式的常数项、时间趋势项和滞后期数。煤炭消费量(ln CoalC)在去掉常数项、时间趋势项,滞后期为0的情况下,一次差分后10%、5%两个显著水平的ADF显著性检验结果是平稳的;石油消费量(ln PetrolC)在去掉常数项、时间趋势项,滞后期为0的情况下,一次差分后10%、5%、1%三个显著水平的ADF显著性检验结果是平稳的;焦炭消费量(ln CokeC)在去掉常数项、时间趋势项,滞后期为0的情况下,一次差分后10%、5%、1%三个显著水平的ADF(augmented Dicky-Fuller)显著性检验结果是平稳的;废气排放量(ln GasE)在去掉常数项、时间趋势项,滞后期为0的情况下,一次差分后10%、5%、1%三个显著水平的ADF显著性检验结果是平稳的。

2.2 约翰逊协整检验

协整关系说明的是变量间的长期均衡关系,变量关系的外生性并不能被协整检验克服,短期和小区域的变量关系并不能被协整关系说明,短期均衡关系只能通过误差修正模型来验证。协整检验的前提是序列之间具有相同的单整阶数[7]。由ADF检验结果得知ln GasE、ln CoalC、ln CokeC、ln PetrolC都是同阶单整序列,可以进行协整检验。这里使用Johansen极大似然估计法来进行协整检验。检验结果如表4所示。

表4 JJ协整检验结果

JJ协整检验结果显示在ln GasE与ln CoalC、ln GasE与ln CokeC的协整检验中,迹统计量都大于5%显著水平的临界值,且P<0.05;极大特征根统计量都大于5%显著水平的临界值,且P<0.05。说明废气排放量分别与煤炭消费量、焦炭消费量具有协整关系,具有长期均衡关系。在ln GasE与ln PetrolC的协整检验中,迹统计量小于5%显著水平的临界值,且P>0.05;极大特征根统计量小于5%显著水平的临界值,且P>0.05。所以,废气排放量与石油消费量不具备协整关系,没有长期均衡关系。

2.3 误差修正模型和向量自回归(VAR)模型

短期中ln CoalC对ln GasE与ln CokeC对ln GasE的影响需要通过误差修正模型反映, 通过检验得到误差修正模正方程。误差修正公式ecm的建立过程如表5所示。

表5 误差修正模型和(VAR)模型

短期均衡模型推导过程(这里以煤炭消费量和废气排放量为例)如下:

设

(1)

式中:α为长期均衡弹性;β为短期均衡弹性;Π为误差修正系数;ε为误差向量。

从而可得

dyt=A1dyt+A2dyt-1+…+Ak-1dyt-k-1+
Πdyt-k-1+δt

(2)

由于ln GasE与ln PetrolC未通过协整检验,故采用向量自回归(VAR)模型进行检验。

设Ω为(m×m)正定矩阵,Φi为第i个待估参数矩阵,k为最大滞后阶,εt为m×1误差向量。进而得出自回归(VAR)模型为

(3)

由误差修正方程和向量自回归(VAR)方程中的可决系数可以看出,煤炭消费量、焦炭消费量、石油消费量对废气排放量的解释能力分别为63.44%、53.49%、34.91%,由误差修正方程中的误差修正系数可知,ln GasE在短期内受ln CoalC和ln CokeC的影响,向长期均衡状态调整的速度较快,分别达7.918 7和0.445 9。

2.4 格兰杰因果检验

协整关系和误差修正模型只能说明的是变量间的均衡关系,但不能说明变量间的因果关系,因此需要Granger因果检验。它的基本原理是,当一个变量(自变量)发生变化时,另一个变量(因变量)也会发生变化。它可以用来检验某一事件是否与另一事件有因果关系,从而推断出某一行为或某一事件是否会导致另一事件的发生。这里仅叙述煤炭消费量和废气排放量因果关系公式,其中α、β为待估系数,t为时间且t>0,μ为随机扰动项。

(4)

如表6所示,在滞后期为2时,在5%的概率下分别拒绝了ln CoalC与ln GasE互不为格兰杰原因,ln CokeC不是 ln GasE的格兰杰原因,ln PetrolC与 ln GasE互不为格兰杰原因,接受了ln GasE不是ln CokeC的格兰杰原因。除了废气排放量不会对焦炭消费量产生作用,煤炭消费量与废气排放量互相产生作用,焦炭消费量会对废气排放量产生作用;石油消费量与废气排放量互相产生作用,为了进一步分析作用强度,需要作脉冲响应分析和方差分解分析。

表6 格兰杰因果检验

2.5 脉冲响应函数

通过脉冲响应分析法可以将废气排放量作为内生变量来反向分析煤炭消费量、石油消费量、焦炭消费量对于它的影响,而不仅仅是将它作为外生变量去分析。这里只作出将废气排放量作为内生变量的脉冲响应曲线(图1),描述了三种能源消费量加上单位标准差的新息冲击对废气排放量的当期和未来的影响。图1中的实线是响应值轨迹,上下两条虚线是响应值的正负标准差偏离轨迹。

图1 脉冲响应曲线

2.5.1 脉冲响应曲线一

废气排放量对煤炭消费量的脉冲响应曲线表明,ln CoalC对ln GasE的单位标准差冲击反应曲线大致为无峰拖平尾形状,ln GasE各期的反应值皆为正,具有持续的正冲击效果,在最后一期的反应值高达0.58,其累积反应值也是正值。

2.5.2 脉冲响应曲线二

废气排放量对焦炭消费量的脉冲响应曲线表明,ln CokeC对ln GasE的单位标准差冲击反应曲线大致为高峰低尾形状,ln GasE在前五期的反应值为正,具有阶段性的负冲击效果,其后各期的反应值皆为负,在最后一期的反应值转负为正,为0.01。

2.5.3 脉冲响应曲线三

废气排放量对石油消费量的脉冲响应曲线表明,ln PetrolC对ln GasE的单位标准差冲击反应曲线大致为低峰拖低尾形状,ln GasE在第3期的反应值虽然达到了0.04,但其反应值很快趋向于0。

2.6 方差分解

为进一步了解将废气排放量作为内生变量时,煤炭、焦炭、石油消费量对它波动的贡献,进行方差分解的测算,如表7所示。

表7 ln GasE的方差分解

如表7所示,不考虑ln GasE受自身波动的影响,在前期ln CoalC 对ln GasE的贡献率较小,但第3期后逐渐增大,在第10 期达到43.11%,由脉冲响应图可见煤炭消费量对废气排放量巨大的正影响。从第2期开始ln CokeC对ln GasE的贡献率一直增长,第4期猛增到7.56%,其后一直缓缓降低,到第10期ln CokeC对ln GasE的贡献率为6.24%,由脉冲响应图可见焦炭消费量对废气排放量有较大的负影响。ln PetrolC 对ln GasE的贡献率一直保持在较小状态。

2.7 结果分析与讨论

以山西省为例,对三种主要终端能源消费量和废气排放量进行综合测度的基础上,利用Pearson 相关性检验、单位根检验、约翰逊协整检验、误差修正模型和向量自回归(VAR)模型、Granger因果检验、脉冲响应函数及方差分解模型,对三种主要终端能源消费量和废气排放量的长短期关系进行了动态计量分析,得出以下结论。

第一,山西省煤炭消费量和废气排放量长期关系呈偏正态分布,并没有下降趋势,“三高两低”煤炭消耗模式短期内并未完全转型,能源结构偏煤的问题依然存在。煤炭供应带来的二氧化碳排放量占比达到98%,远高于全国的71%。为什么不强制改变偏煤的能源结构,是因为山西煤炭主要用于发电,背负着向京津唐、华中、华东送电的任务。焦炭作为煤的副产品,主要用于炼铁、有色金属冶炼和化工等,和废气排放量长期关系呈L形变化曲线,具有很大的负冲击。自2016年以来,国务院根据各地环境承载能力,规定焦化、炼硫、炼砷等等行业规模限值,对钢铁、水泥、焦化行业及燃煤锅炉超低排放改造,山西省的传统焦化产业向现代煤化工转型的工程中,不断地进行技术创新,实现了由“以焦为主”向“焦化并举,以化为主”的战略转型。石油消费量和废气排放量影响一直处于较小状态,这是因为石油在山西主要用于动力燃料,随着加天然气车和电动汽车在山西的渗透,挤兑了一部分石油的消费,2022年全省加气站达523座,电动汽车保有量约12万辆,占比为1.5%。

第二,约翰逊协整检验、误差修正模型和向量自回归(VAR)模型表明,废气排放量分别与煤炭消费量、焦炭消费量具有长期均衡关系,Granger因果检验进一步证实,除了废气排放量不会对焦炭消费量产生作用,煤炭消费量与废气排放量互相产生作用,焦炭消费量会对废气排放量产生作用;石油消费量与废气排放量互相产生作用,而废气排放量与石油消费量没有长期均衡关系。由误差修正方程中的误差修正系数可知,废气排放量在短期内受煤炭消费量和焦炭消费量的影响,向长期均衡状态调整的速度较快。

第三,脉冲响应曲线表明,煤炭消费量对废气排放量第一次冲击就有很大正效果,焦炭消费量对废气排放量第五次冲击就有很大负效果,因为山西基本形成高效率、低能耗、低投资的环境友好型焦炭产业链。石油消费量对废气排放量第四次冲击开始基本没有效果。由于山西石油消费占总能源消费的比例很小,才导致这样的反应曲线状态。方差分解显示,山西省煤炭消费产生废气占比最大,且呈递增趋势;焦炭消费产生废气占比较小,呈先猛增后下降趋势;石油消费产生废气占比比较微弱。

3 山西省能源生产消费的节能减排路径

3.1 应用零碳排放的煤气化发电技术

应用零碳排放的煤气化发电技术(煤炭气化燃料电池复合发电,IGFC),燃料电池系统最大发电功率为101.7 kW,二氧化碳捕集率为98.6%,燃料电池模块最大发电效率为60%。IGFC主要包括燃料电池发电、煤气化及净化、尾气燃烧余热回收3个板块,燃烧得到的二氧化碳和水的混合气体可耦合二氧化碳捕集及封存技术、固体氧化物电解池(SOEC)等技术。该技术通过燃料电池发电,将煤气化后的一氧化碳、氢,实现电化学发电和热力循环发电的耦合,一是燃料电池系统终端排放物为纯水和高浓度二氧化碳,布置碳捕捉系统后,可实现清洁、高效循环,零碳排放[8];二是燃料电池高温余热可通过余热回收系统再利用,高效高质量无死角使用[9]。IGFC系统是碳基燃料发电新技术的重要发展方向,未来发电该技术能否成为主流,关键在燃料电池技术的成熟度和成本控制。

3.2 应用先进煤化工和煤电技术

山西省应该加速突破“煤焦油技术”“焦炭”这两个环节中的“含碳物料的干馏生产煤气、焦炭、焦油或类似物、燃气轮装置,喷气推进装置的空气进气道,空气助燃的喷气推进装置燃料供给的控制”的技术瓶颈,促进山西煤化工产业链整体的发展。积极推动低阶煤的高效转化,形成高效率、低能耗、低投资的环境友好型焦炭产业链,使废气排放量降到最低,山西省的传统焦化产业向现代煤化工转型的过程中,不断地进行技术创新,实现由“以焦为主”向“焦化并举,以化为主”的战略转型,推动实现“气化山西”。

3.3 开发石油生产消费低碳技术

石油生产消费带来的废气排放要明显低于煤基产品,而且石油消费占总能源消费的比例很小。山西省石油产品主要用于化工生产和化学燃料,产品科技含量低,应该用天然气逐步取代煤作为合成气的主要原料,乙烯路线逐步取代乙炔路线。交通领域占山西省接近40%的石油消耗量,交通领域最佳替代方案是用电动汽车和新能源车替代传统燃油车[10]。应该促进油气产品深加工,提高油气产品品质,促进高端产品生产。应利用区块链技术及互联网平台全面推进消费虚拟建模、过程仿真、计算机辅助开发、嵌入式智能控制等新技术在石油生产消费关键环节的应用。

3.4 促进新能源技术的普及和应用

首先,落实保障性风电上网数量及优先上网制度,研究高空风电安全控制技术和智能传感技术,将风电消纳利用水平作为风电开发的基本依据,建立大型公共风电数据库共享、联合国外机构推进山西风电产业国际化;其次,开展高效晶体硅太阳电池的产业化技术研究,进一步降低光伏产业的成本,可再生能源基金优先补贴太阳能热发电,国家开发银行给与太阳能热发电贷款支持,聚光场按照聚光器地基面积计算土地价格;最后,加快生物质能非电领域应用步伐,推进生物质能规模化、专业化、产业化及多元化发展。

3.5 开发能源互联网及绿色金融等新兴产业

目前,中国尚未建立现代能源体系,能源路由器等关键技术装备及支撑能源互联网海量信息流的大数据、云计算、人工智能等信息通信技术还不成熟。加强开通能源互联网、先进输电领域关键技术的研究和研发,形成新型能源生产消费体系和管控体制,以市场为导向,打破地方行业壁垒,营造绿色低碳、开放包容的能源互联网生态环境,将绿色信贷和绿色债权纳入政策担保范围,完善碳定价,健全碳市场,扩大碳交易主体范围。

4 结语

对比分析可得,山西能源结构与废气排放量基本呈对应关系,尤其是煤炭消费量与废气排放量严重的互相响应,与山西能源结构不同省份的废气排放量未必与煤炭消费量互相响应。可以根据废气排放量的响应规律,实现能源消费的节点布控,进而针对性的对某时间段能源结构进行优化和清洁利用。驱动未来新一轮能源革命有三个因素,那就是能源供需变革驱动(可再生能源)、技术创新驱动、环保驱动转型。