论低碳经济发展的促进

马伯钧++胡鹏举

[摘要]如果说20世纪是工业经济时代，21世纪便是低碳经济时代。基于低碳经济和我国的现实国情，构建低碳经济发展评价指标体系，通过sPss因子分析模型，计算不同省区低碳经济的综合得分。结果表明，江苏、广东、山东等省区低碳经济综合发展水平名列前茅。促进低碳经济发展要从加大技术创新力度、开发新能源等方面采取相关策略。

[关键词]低碳经济；发展评价；因子分析；指标体系

[中图分类号]F120.3 [文献标识码]A [文章编号]1671-8372（2015）04-0032-05

低碳经济是要在减少温室气体排放的同时，保持经济持续稳定增长，从而实现低排放、低能耗、低污染的可持续发展模式。低碳经济的概念在2003年由英国提出后，理论界对低碳经济进行了大量的研究。对低碳经济发展水平的评价是一项复杂的系统工程，其中涉及多方面的影响因素。本文采用SPSS 20.0分析法，选取相对重要的指标因子，对我国大部分省区（本文选取30个省区）的低碳经济发展水平进行评价与比较，并据此对我国未来低碳经济发展水平提出相应的对策建议。

一、我国低碳经济发展的问题及其研究

我国大部分省区人口众多，截至2013年，河北人口为7333万人，山东9733万人，湖南6691万人，人口基数大，加之二胎政策的逐步放开，势必会对能源和环境造成一定影响，形成低碳经济前进中的阻力。改革开放初期推崇的工业化大发展是我国碳排放增加的直接诱因，而如今转型期间，工业仍支撑着我国众多地区的经济发展；然而，工业对能源依赖性最强，对经济的贡献也最为突出，地方政府有时出于政绩考虑，任由其发展而不加约束，在很大程度上影响了低碳经济的发展。我国各地区居民的消费观念和生活方式也存在问题，如某些人先富起来了，就大肆进口高碳产品；国内市场，过度用电、开车、使用塑料制品等现象屡见不鲜，构成低碳经济的巨大隐患。国外对商品的需求上升，也在很大程度上刺激着我国的出口贸易，由于我国在总体能源加工、开采技术方面的不足，出口商品生产量的扩大会带动碳排放的增长。政府的宏观调控能力和企业的碳排放处理、新型能源开发等技术水平，也深刻影响着各地区的低碳经济水平。

随着近几年环境问题不断突出，国内各界越来越重视低碳经济，学术界也对中国低碳经济发展表现出日趋浓厚的研究兴趣，并就低碳经济发展中的碳税设置、汽车尾气排放标准、污染排放权市场交易等问题，提出了一系列建设性意见。例如，彭道宾、张明胜（2011）在研究江西省低碳经济发展水平时，构建了相应的评价指标体系，包括驱动因素、压力因素、状态因素、影响因素、回应因素等在内的40项指标；肖文、樊文静（2011）认为碳排放量与人均碳排放量、清洁能源占一次性能源消费比例、经济增长与碳排放的脱钩指数、低碳竞争力指数等指标，可以较为准确地反映我国低碳经济发展状况；袁男优（2010）则认为低碳经济包括低碳技术、低碳能源、低碳产业、低碳城市、低碳管理等五大要素。目前国内公认的能源消耗碳排放量计算方法是IPCC指南的方法，但该方法存在与煤炭开采相关的逃逸排放无法估算等问题，计算出来的结果与实际有一定的差距，不利于碳税制度的制定和实施。

二、低碳经济发展实证分析

因子分析是主成分分析的延伸，相对于主成分分析，因子分析更侧重于解释被观测变量之间的相关系数或协方差之间的结构。本文采用因子分析法对各省低碳经济的发展水平进行实证分析。

（一）指标构建与数据选取

鉴于数据的可获得性，本文选取2012年涉及经济、生活、科技等方面的13项指标（因子）来构建指标体系，指标数据来自于《中国科技统计年鉴2013》《中国能源统计年鉴2013》《中国环境统计年鉴2013》和30省区的统计年鉴2013版（见表1）。

（二）实证分析过程与结果

使用SPSS20.O分析方法，对指标进行KMO检验和球形Bartlett检验（表2）。

从表2可以看出，KMO统计量为0.737，大于0.7的临界值，而Bartlet检验的P值非常接近0，说明应该拒绝各变量独立的原假设，即变量间具有较强的相关性。综上，对13项指标做因子分析是合适的（见表3）。

表3按照系数大小进行了排序，无数字的单元格表明系数过小，被抑制输出。系统提取了4个公因子，第一公因子在X4、Xll、X13、X5、X7、X3，X12、X2和X9上有较大的载荷，但其中有正有负，公因子意义不明显；第四公因子没有一个较大载荷，不明其意。

对提取的公因子进行共同度检验，结果见表4。

由表4可知，除X6、X12外，其他因子的共同度都在90%以上，因此提取的4个公因子是比较成功的，对各因子的解释能力较强。

另外，可以利用碎石图进一步判断按照特征根大于1的标准提取的4个公因子是否合理（见图1）。

从图1可以看出，前4个因子的散点落在陡坡上，且特征根都大于1，作用明显；而后面的因子散点平缓，影响较小，所以至多考虑前4个因子即可。

针对表3不能确定公因子含义的问题，可采用方差最大旋转法，通过旋转加以解决（见表5、表6）。

表5显示，4个公因子的累积方差贡献率达到92.955%，这说明4个公因子包含了13项指标的主要信息，简化了模型，通过对各公因子的研究，我们就能很好地对中国30省区的低碳经济发展水平进行评价。表6同样是进行了排序且过小的系数被抑制输出，与未旋转前相比，此时各因子的含义相当明确合理。

第一公因子在X13、X4、X2、X3、X12和Xll上有较大的载荷，即年末人口数、固定资产投资、社会消费品零售总额、R&D经费支出、申请专利数和民用汽车拥有量载荷较大，这6项指标分别涉及人口、经济、技术和机动车尾气影响4个方面，因此可以命名为综合因子。