东北三省碳排放脱钩系数测定与影响因素研究

王勤升,王宁宁,韩欢欢

(北京信息科技大学 信息管理学院,北京 100192)

0 引言

改革开放以来,伴随着我国经济的快速发展和社会的不断进步,能源消耗日益加剧,环境问题得到了广泛关注。推进绿色发展,控制碳排放量,是实现可持续发展的重要一步。

国内关于碳排放脱钩系数的分析主要从分地区和分行业两个视角展开。分地区来看,韩梦瑶等[1]对我国省域碳排放脱钩状态进行研究,并对各地区进行差异性分析;齐绍洲等[2]对我国中部六省的脱钩指标进行分析,认为中部六省的碳排放量差异和共性并存,并对碳排放量的峰值进行合理的预测;吕洁华等[3]将研究视角放在碳排放效率的脱钩状态分析上。分行业来看,宋德勇等[4]选取中国交通行业碳排放数据进行分析,对其脱钩状态和影响因素进行详细研究,并为我国交通行业低碳发展提出合理建议;杜强等[5]对中国建筑业人均碳排放量分析,发现建筑业及其相关产业对碳排放量增加有着重要的影响,结合脱钩弹性因果链发现,产业减排脱钩弹性是二者发生脱钩的重要阻力,认为产业减排将作为建筑业发展低碳经济的重中之重;李晨等[6]利用脱钩理论与要素分解法对远洋渔业进行研究,发现远洋渔业的碳排放量与行业经济增长之间的关系不稳定,产业结构贡献值呈现负值,因此认为加快装备升级对远洋渔业碳平衡有着很好的效果。

梳理现有研究发现,针对东北三省碳排放的研究较少。东北三省作为我国重要的重工业基地,拥有较为完善的基础设施和工业体系,在我国工业化发展进程中发挥着重要作用。同时作为中国与东北亚各国开展经济合作的重要门户,东北三省的战略地位极为重要。但近年来人口流失问题和产业发展不平衡所产生的负面效应严重阻碍了东北三省的整体发展,故本文将东北三省作为研究对象展开分析。

梳理相关研究发现,依然存在以下研究空白:在要素分解方面,虽然有学者考虑到使用要素分解法探究碳排放量的影响因素,但单变量作用与双变量交互作用效果的比较并未体现;此外,现有研究认为在不同GDP水平和工业化水平的前提下,GDP和碳排放量之间存在差异[7],那么以往研究针对特定地区或行业制定的政策或得出的结论对东北三省的适用性无法明晰。本文针对以上问题,基于1997—2016年东北三省能源消费产生的碳排放量,运用Tapio脱钩模型探究碳排放与经济增长的脱钩关系,利用要素分解、协整检验和脉冲响应分析等方法,深入研究碳排放量的影响因素及其交互作用关系,以期为东北三省后续发展提供参考。

1 研究方法与数据来源

1.1 研究方法

1.1.1 碳排放量计算

采用经验计算法[8]计算碳排放量:

(1)

式中:C为能源消费产生的碳排放量;Ei为各种能源的消费量;Fi为各种能源的碳排放系数;i=1,2,3分别表示煤炭、石油和天然气。其中,F1=0.726 6 t/tce,F2=0.558 8 t/tce,F3=0.424 1 t/tce。

1.1.2 脱钩模型

采用Tapio脱钩模型[9],结合东北三省以工业生产作为主要产业结构的实际情况,引入工业生产总值(gross industrial production,GIP)作为中间变量,对脱钩等式进行因果链分解,脱钩系数按式(2)计算。脱钩状态的判断见表1。

(2)

表1 脱钩系数与脱钩状态特征Table 1 Decoupling index and decoupling status characteristics

1.1.3 要素分解

分析已有研究,对影响碳排放量的要素进行分解,探究多种要素的交互作用。选取地理探测器中的因子探测和交互作用探测进行分析。

地理探测器可用于探测空间分异性并揭示其驱动力。若某个自变量对某个因变量有重要影响,那么两者的空间分布应具有相似性,可分析两者的相关性。运用地理探测器计算各驱动因子对研究区域碳排放的解释程度,用q值表示,q值越大,表明该因子对碳排放的驱动作用越强,反之则越弱。交互探测器则可以针对不同驱动因子之间的交互作用进行研究,即两评估因子在共同作用时是否会增加或减弱对因变量的解释力,或这些因子对因变量的影响是相互独立的。由于地理探测器技术较为成熟,本文主要参考王劲峰等的研究[10],具体步骤不再赘述。

1.1.4 协整检验

采用协整检验实现对非平稳时间序列的分析。首先,通过增广迪基-富勒检验(augmented Dickey-Fuller test,ADF)来检验时间序列变量的平稳性;再根据Johansen检验方法进行协整分析,判断碳排放量与其影响因素之间是否存在一定的协整关系;最后,在协整分析的基础上进行Granger因果检验,分析碳排放量与其影响因素之间是否存在一定的因果关系。

1.1.5 脉冲响应分析

由于Granger因果检验并未考虑变量自身的内生性问题,从而存在一定的误差。为降低误差的产生,采用脉冲响应分析方法来检验碳排放量和其影响因素之间的交互关系。

1.2 数据来源

选取东北三省作为研究区域,包括黑龙江省、吉林省和辽宁省,其中黑龙江省大兴安岭地区和吉林省延边朝鲜族自治州数据缺失值较多,故不作为研究区域。

文中所使用的数据来源于《中国城市统计年鉴》和《中国能源统计年鉴》。由于2017—2021年部分指标数据不再公开或缺失严重,所以仅对1997—2016年数据进行研究分析。为避免碳排放量与经济发展间存在滞后[11],以5年为一个阶段划分为1997—2001年(第一阶段)、2002—2006年(第二阶段)、2007—2011年(第三阶段)、2012—2016年(第四阶段)。

2 结果与分析

2.1 脱钩关系分析

2.1.1 省级尺度

研究期内,东北三省的脱钩状态如表2所示。分析发现,从碳排放量与能源消费的脱钩关系来看,各省份在初始状态均从衰退状态开始,此后沿着不同的路径发展。从能源消费与工业生产总值的脱钩关系来看,黑龙江省的脱钩状态逐步向最理想的强脱钩状态发展,吉林省的脱钩状态由强负脱钩转向扩张负脱钩,而辽宁省的脱钩状态逐渐转向负脱钩。从工业生产总值与GDP的脱钩关系来看,3个省份的始末脱钩状态均未发生改变,均为强脱钩。从碳排放量与GDP的脱钩关系分析来看,黑龙江省、辽宁省的脱钩状态由强脱钩转向扩张脱钩状态;吉林省的始末脱钩状态并未发生变化,保持最理想的强脱钩状态。

表2 脱钩状态因果链分解Table 2 Decoupling status causal chain decomposition

2.1.2 城市尺度

通过对东北三省各地级市碳排放量与GDP的脱钩关系分析发现,第一、第三阶段脱钩状态一致性更为明显,在第二、第四阶段脱钩状态差异性显著提升。第一阶段,除黑河市等地外,其他地区均呈现弱脱钩状态。第二阶段,脱钩状态差异性提升,黑龙江省大部以强负脱钩为主,部分地区出现强脱钩状态;吉林省西部和辽宁省大部以弱脱钩为主,GDP发展加快。第三阶段,所研究区域均呈现出弱脱钩状态,GDP水平增长速度大于碳排放量增长速度,二者的脱钩状态逐步向好,解决了上一阶段存在的负脱钩状态。第四阶段,黑龙江省大部呈现强负脱钩状态;吉林省均呈现最为理想的强脱钩状态;辽宁省西部和东北部出现了对地区发展不利的负脱钩状态,这不仅会阻碍经济发展,同时还会对环境造成一定的破坏。

综上,研究区域主要以弱脱钩状态为主,且脱钩状态的差异性和相似性并存。这种差异性可能由于城市之间产业结构、各城市发展目标以及政策制定的不同所导致的,其中大连市发挥自己的区位优势,发展海洋经济,并充分利用海洋风能降低对传统能源的依赖;大庆市拥有丰富的石油储备,也制定了相关的政策,加强石油化工行业的碳排放控制,支持清洁生产。而脱钩状态的相似性满足地理学第一定律所表述的相近物体会呈现相似的分布特征,即相邻的城市之间会有更高的概率呈现相似的分布特征。

2.2 要素分解

现有研究[12]发现,GDP、人口、煤炭消费、石油消费和天然气消费对碳排放量的影响效果最明显。因此,本文选取上述因素作为驱动因子。通过因子探测发现,GDP、石油消费和人口因素通过了显著性检验,其中GDP作用力最强,q值为0.821,其次是石油消费(q=0.574)和人口因素(q=0.460)。天然气消费和煤炭消费的q值分别为0.227和0.185,作用力较弱。

通过交互作用探测结果(表3)发现,多种因子的共同作用会显著增加碳排放总量,双变量作用结果强于单变量,同时有两对交互作用结果大于两个单变量单独作用之和,呈现非线性增强效果;其他交互作用下的值小于两个单变量单独作用之和,呈现线性增强效果。人口因素和GDP共同作用对碳排放量的影响最大(0.902),其次是GDP和天然气消费(0.860)、GDP和石油消费(0.858),进一步说明多种因素共同作用提高了结果的显著性。

表3 交互作用探测结果(q)Table 3 The interaction detection results

2.3 协整分析与因果性检验

2.3.1 协整分析

根据地理探测器的因子探测结果可知,GDP对碳排放量的影响最大,因此对GDP与碳排放量进行协整分析。

首先进行平稳性检验。由ADF单位根检验结果(表4)可知,GDP与碳排放量均在滞后2阶的情况下出现平稳情况,具备进行协整分析的条件。

表4 ADF单位根检验Table 4 ADF unit root test

根据Stata15软件计算得出的协整方程(式(3)～(5))可知,GDP与碳排放之间存在长期的均衡关系。黑龙江省的GDP每增加1%,将引起碳排放量降低0.026%;吉林省的GDP每增加1%,将引起碳排放量降低0.461%;辽宁省的GDP每增加1%,将引起碳排放量增加0.397%,即碳排放量会随着GDP的增加而产生不同幅度的改变。

lnC=-0.026 lnGGDP+0.000

(3)

lnC=-0.461 lnGGDP+0.003

(4)

lnC=0.397 lnGGDP+0.009

(5)

2.3.2 Granger因果检验

由Granger检验结果(表5)发现,当黑龙江省滞后阶数为3时,呈现单因果关系,即GDP是碳排放量的Granger原因,但碳排放量不是GDP的Granger原因,表示碳排放量的滞后项对GDP发展并没有解释力;当吉林省滞后阶数为1时,呈现单因果关系,即GDP不是碳排放量的原因,而碳排放量是GDP发展的Granger原因;当辽宁省滞后阶数为4时,呈现单因果关系,即GDP不是碳排放量的Granger原因,而碳排放量是GDP的Granger原因。

表5 Granger检验结果Table 5 Granger test results

2.4 脉冲响应分析

2.4.1 滞后阶数选取

滞后阶数检验发现,3个省份分别在滞后3阶、1阶、4阶时,P值在1%的情况下显著。分别对3个省份在其对应的滞后阶数下,构建向量自回归(vector autoregressive model,VAR)模型,发现伴随矩阵的全部特征根均落在单位圆曲线内(图1),表明所建立的模型是稳定的,满足进行脉冲响应分析的前提条件。

图1 特征根分布Fig.1 Feature root distribution

2.4.2 脉冲响应分析

通过脉冲响应函数,分析模型受到冲击对系统的动态影响,更加直观地分析各个变量的冲击对其他变量的影响。根据Stata15软件得到脉冲响应图,如图2所示,实线表示脉冲响应函数图像,阴影部分表示95%置信区间。

图2 脉冲响应分析Fig.2 Impulse response analysis

根据Granger因果检验结果可知,黑龙江省的GDP是碳排放量的Granger原因,吉林省的碳排放量是GDP的Granger原因,辽宁省的碳排放量是GDP的Granger原因,因此对这3种情况进行着重分析。根据黑龙江省GDP对碳排放量的脉冲响应函数发现,当GDP开始增加时,对碳排放量有短暂的递增正效应,并在第1期达到峰值,随着冲击期的增加,开始产生递减效果的正向效应,并从第2期开始这种效应变成了递减的负向效应,在第4期达到最小值,之后产生递增的负向效应,到第6期后趋向平稳,直至期末;根据吉林省碳排放量对GDP的脉冲响应函数发现,当碳排放量开始增加时,会对GDP产生正向效应,但这种变化幅度较小,并且逐渐趋于平缓状态;根据辽宁省碳排放量对GDP的脉冲响应函数图发现,当碳排放量开始增加时,会对GDP产生正向效应,并立刻达到峰值状态,随后逐渐下降至一个较为平稳的状态。

以黑龙江省为例,对其他脉冲响应图进行分析:1)根据碳排放量对自身的脉冲响应函数发现,当碳排放量增加,对未来的碳排放量有递减趋势的正效应,并在第2期到第4期有一个轻微的上升趋势,随后开始下降至期末,总体上看,这种冲击所带来的对未来碳排放量的下降不明显;2)根据碳排放量对GDP的脉冲响应函数发现,当碳排放量增加时,对GDP有递增的正向效应,并在第5期达到峰值,随着冲击期的增加,碳排放量对GDP产生轻微递减的正效应,并一直持续至期末;3)根据GDP对自身的脉冲响应函数发现,当GDP增加时,对未来的GDP产生递减的正向效应,并且初期是GDP的最大值,直至第2期和第3期的中位,这种正向效应变成了负向效应,并在第4期时,产生小幅递增趋势,而后又呈现递减的负效应。

3 结束语

本文基于1997—2016年东北三省能源消费产生的碳排放量,结合研究区域的实际情况,从工业生产总值角度对脱钩理论进行重新梳理构建,进一步改进了研究方法,通过3种脱钩系数直观地体现出各种脱钩状态。在研究区间内,各地区脱钩状态变化幅度较大。在要素分解上,选取地理探测器从多种因素交互作用的视角上进行解析,研究发现GDP、石油消费、人口因素对碳排放量增加的促进作用最明显,多因子交互作用比单因子作用更明显。GDP和碳排放量之间存在着长期协整相关关系。本文研究在提高结果的准确性的同时,更加全面地对现象进行解释,为政府进行合理决策和政策制定提供科学支撑。