我国工业SO2排放趋势及影响因素分析

明 星,姚 建,程 欢,王 沛

(四川大学建筑与环境学院，成都 610065)



· 大气环境 ·

我国工业SO2排放趋势及影响因素分析

明 星,姚 建,程 欢,王 沛

(四川大学建筑与环境学院，成都 610065)

根据我国工业SO2排放特点及排放趋势，重点分析了影响工业SO2排放的相关因素，结合1995年～2013年间我国工业SO2排放量变化及相关影响因子数据，通过逐步回归和创建多元回归模型，运用多元线性回归方法对数据进行分析。指出：高能源消耗促进工业SO2排放量增长，技术进步、结构优化抑制工业SO2排放量增长；单位GDP能耗每减少1%，我国工业SO2排放量会增加0.925%；工业产值占GDP比重每增加1%，我国工业SO2排放量会增加0.677%。

工业SO2；逐步回归；多元线性回归；减排

1 引 言

随着我国工业化进程的不断加快，环境质量也不断恶化，环境问题逐渐成为了人们关注的焦点。目前，我国大气污染排放负荷巨大，SO2排放量居世界首位，大气环境污染十分严重。影响SO2排放量的因素众多，控制减排的难度较大。研究SO2排放量的变化趋势、排放特点及影响SO2排放的因素迫在眉睫，国内外众多学者对此也做了广泛研究，Grossman和Krueger[1]在1991年研究北美自由贸易协定的环境影响时，参照经济学中的库兹涅茨曲线首次提出了环境库兹涅茨曲线(EKC)，指出经济增长通过3种途径影响环境质量，即规模效应(scale effects)、结构效应(composition effects)和技术效应(technological effects)；赵细康等[2]通过对中国经济发展与污染排放的实证研究，表明中国污染物排放与人均GDP的关系或许正处于EKC的上升段，离转折点尚有一段距离。李名升等[3]通过构建因素分解模型，定量分析了“经济增长、结构变化、技术进步”这3个因素对工业SO2排放量变化的贡献。石广明等[4]基于生产理论框架，应用基于Shephard输出距离函数的方法，将我国SO2排放变化指标分解为“技术效率影响、技术变化影响、输入增加影响、输出结构影响”等5项指标，并对中国28个地区2000年～2006年SO2排放变化面板数据进行了实证分析。曾贤刚[5]利用30个省市1998年～2007年的有关数据建立了SO2排放量的影响因素面板数据模型，分析了我国工业SO2排放量与GDP、工业产值、火电厂发电量等指标的变化关系。张平淡等[6]采用对数平均的迪氏分解法(LMDI)，将二氧化硫(SO2)排放强度降低的技术效应分解为能源消费结构效应、能源消耗强度效应和污染排放处理效应。

本文在综合前人大量研究的基础上，选用1995年～2013年我国工业SO2排放总量、工业生产总值、能源消费总量及环保治理投资数据为样本，构建多元逐步回归分析模型，对相关因素进行回归分析，力求通过定量分析识别影响我国工业SO2排放量的关键因素，以期较准确地反映环境事件的科学规律，为我国SO2的减排工作提供参考依据。

2 我国工业SO2排放趋势变化分析

2.1 我国工业SO2排放变化趋势

1995年到2013年我国工业SO2排放量及趋势变化见图1。根据图1显示数据，从总体上看我国工业SO2排放总量呈上升趋势。1995年我国工业SO2排放量为1 405万t，到2000年，工业SO2排放量上升到1 612.5万t，SO2的排放量随着时间出现了逐渐增长的趋势。2000年我国修订《中华人民共和国大气污染防治法》的实施，推行煤炭洗选加工，限制高硫分煤炭的开采，由于清洁能源的生产、使用和洁净煤技术的开发、推广，我国在2001年～2002年的工业SO2排放量明显有所下降，但是随着我国经济的发展，工业化进程不断推进，我国工业SO2排放量从2003年开始又出现逐渐增加的趋势并于2006年达到顶峰，为2 234.8万t。这是由于“十五”期间能源消耗超常规增长，煤炭消费量猛增，加之治理项目建设周期长，减排效果滞后，导致SO2排放量持续增加。因此在2008年，国家颁布了《酸雨和二氧化硫污染防治“十一五”规划》，全国SO2排放量削减10%的总量控制目标为2 294.4万t。此后的2007年～2010年，我国工业SO2排放量出现了小幅回落，并且在1 940万t/年的水平附近波动。2010年，我国SO2排放量为2 185.1万t，达到2008年制定的削减10%的总量控制目标，到2013年为1 835.19万t。

图1 1995年～2013年工业源SO2排放总量及趋势变化Fig.1 The total SO2 emissions from industrial sources and change of trends in 1995～2013

图2 历年工业SO2排放强度Fig.2 The SO2 emission intensity of industrial over the years

图2显示了我国历年工业SO2排放强度的变化趋势。从图2可知，我国早期SO2排放强度不稳定，1995年～1999年期间，我国SO2排放强度在0.05t/万元附近范围内波动。从2000年开始，我国工业SO2排放强度逐年下降，由2000年的0.040 3t/万元下降至2013年的0.008 7t/万元，总体下降幅度为78.4%。在工业SO2排放总量上升的基础上，排放强度大幅度下降，究其原因，主要是我国工业技术进步、宏观技术调控等多方面的因素影响，致使我国工业SO2排放强度减小。

2.2 各地区工业SO2排放情况分析

图3展示了我国各地区工业SO2排放情况。从图3的数据可以看出，2013年，我国工业SO2排放量超过100万吨的省份有5个，依次为山东、内蒙古、河北、山西和河南，5个省份的SO2排放总量占全国排放总量的38.3%。低于40万吨的省份有10个，分别为黑龙江、宁夏、吉林、福建、天津、上海、青海、北京、海南和西藏，各地区中，工业SO2排放量最大的是山东。

图3 各地区工业SO2排放情况Fig.3 Each regional industrial SO2 emissions

总体来看，我国工业SO2排放大省主要集中在北方及中部地区，这主要与我的国工业布局、能源结构、经济规模以及技术水平等因素相关。

3 我国工业SO2排放的影响因素分析

3.1 研究方法

本文采用逐步回归分析[7]对我国工业SO2排放量与相关影响因素之间的关系进行回归分析，回归分析模型目前已应用于环境领域的多个方面，并在实际应用中证实了其准确性和可行性。逐步回归是回归分析中建立最优回归方程的方法之一，其基本思想是将多种因素(自变量)逐个引入模型，每引入一个解释变量后都要进行F检验，并对已经选入的解释变量逐个进行t检验，当原来引入的解释变量由于后面解释变量的引入变得不再显著时，则将其删除。以确保每次引入新的变量之前回归方程中只包含先主动变量，重复该过程，直到既没有显著的解释变量选入回归方程，也没有不显著的解释变量从回归方程中剔除为止。以保证最后所得到的解释变量集是最优的，则可建立自变量与因变量之间的多元逐步回归模型如下：

y=b0+b1*x1+b2×x2+…+bn*xn+ε

式中：

y—因变量(预测目标)；

x1、x2、…、xn—自变量(影响预测目标的诸因素)；

b0—回归常数；

b1、b2、...、bn—回归系数；

ε—随机误差。

3.2 影响因子分析及数据选取

选取1995年～2013年间的工业SO2排放量作为研究对象，探索相关影响因素对工业SO2排放量的影响程度。采用逐步回归方法对所选取的相关影响因子进行筛选，剔除引起多重共线性的变量，确保最后所得的回归子集是最优回归子集。根据环境库兹涅茨曲线中对环境与经济发展之间的关系分析可知，规模效应即经济规模的不断扩大，造成经济大幅增长的同时，能源消耗及污染物的排放量也相应增长。生产总值是国民经济核算的一项基础指标，由此可以看出工业生产总值及能源消耗总量可作为影响工业SO2排放的重要因子；结构效应即调整产业结构，将能源密集型为主的重工业向第一和第三产业转移，使污染物排放量减少，工业生产总值占GDP的百分比越小，工业SO2排放量就越少，本文选用工业生产总值占GDP的百分比作为影响因子，能够反映结构效应在工业SO2排放的影响程度；技术效应即通过技术进步，提高能源与资源的利用效率，使用清洁能源并采用清洁生产工艺来控制并削减污染物的排放，本文选用清洁能源消耗量占总能源消耗量的百分比、单位GDP能耗及环境治理投资作为影响因子，在一定程度上能够反映技术效应对工业SO2减排的影响。

3.3 模型的建立及检验

设y为工业SO2排放量，X1为工业生产总值(亿元)，X2为能源消费总量(万吨标准煤)，X3为工业产值占国内生产总值的比重(%)，X4为清洁能源消耗量占总能源消耗量的比重(%)，X5为废气治理投资(万元)，X6为工业SO2排放强度(t/万元);X7为单位GDP能耗(t/万元)。数据来源于《中国统计年鉴2014》[8]《环境统计年报》[9]及历年《全国环境统计公报》[10]，数据整理见表1，本文逐步回归的计算过程利用spss软件在计算机上自动模拟完成。

将表1的数据输入spss软件，点击“分析-回归-线性”，将“工业SO2排放量”作因变量，其他7个变量作自变量，然后再作逐步回归, 得到的变量选剔表“输入/移去的变量”，见表2。在这7个变量中，选取了2个变量即工业产值占国内生产总值的百分比X3和单位GDP能耗X7，其选剔的标准为表1中变量剔除表中的第5列，F检验若显著性≤0.05则被选入，若显著性≥0.1则被剔除。

表1 1995年～2013年我国工业SO2排放影响因素分析Tab.1 The industrial SO2 Emissions Factors of china in 1995～2013

表2 输入/移去的变量Tab.2 Input / remove variables

根据逐步回归模型输出的系数表，如表3所示，建立回归模型：

Y=-2 690.302+128.907X3-550.782X7

表3 系数Tab.3 Coefficient

F检验：通过spss软件逐步回归输出结果，查看方差表4(ANOVA)，其中方差表F=23.810， 查F分布表，F0.05(2，19-2-1)=3.63，远远小于F值，说明在=0.05 的水平下有显著性意义；sig为显著性P值，有P值=0.000(近似值)可知其回归方程高度显著，可以以99%以上的概率断言自变量工业产值占国内生产总值的比重X3，单位GDP能耗X7整体上对因变量工业SO2排放量Y有高度显著线性影响。

表4 方差分析Tab.4 Anova

R检验：查模型汇总表5，复相关系数R=0.865，决定系数R2=0.749，由决定系数表明回归方程总体显著性较高。DW检验：本文样本容量为19，解释变量(包括常数项)数目为3，查DW分布表，dL=1.08，du=1.53，本模型检验DW值为1.825，du<1.825<4- du，模型不存在序列的自相关性。

表5 模型汇总Tab.5 Model Summary

3.4 结果分析

依据1995年～2013年我国工业SO2排放及相关因素指标数据，采用spss逐步回归程序进行计算，结果表明，我国工业SO2排放量与所选择的2个因素显著相关。工业产值占国内生产总值的比重和单位GDP能耗对我国工业SO2排放量具有显著影响，工业生产总值、能源消费总量、废气治理投资、清洁能源消耗量占总能源消耗量的比重以及工业SO2排放强度对我国工业SO2排放量的影响不大而被排除在模型之外。

在分析中GDP及能源消费总量和工业SO2排放量之间的关系不是很密切，可能的原因是：

第一，产业结构的因素[11]。工业产值在国民经济总产值中的比重较小，我国属于农业大国，工业还处于逐步发展阶段，加之，选取的数据较少，难以准确表达出我国经济与工业SO2排放量的关系。

第二，技术水平的因素。我国注重技术进步，积极推广采用先进的脱硫技术去除大量的SO2，并且政府也加大了环保治理力度和投入，在一定程度上影响了工业SO2的排放量。

由于模型中的变量具有不同的计量单位, 因此回归系数的大小并不说明对因变量的影响程度。为了能定量分析变量之间的关系，将回归系数b变为标准回归系数b*进行比较分析(表3第4列)。标准回归系数b*绝对值的大小代表着不同影响因素对我国工业SO2排放量影响程度的大小。

单位GDP能耗对我国工业SO2排放的影响是呈负相关的，根据我国实际情况分析，我国单位GDP能耗逐年降低，说明我国生产技术水平在不断提高，但是我国经济持续增长较快，能源消费量较大，导致我国工业SO2排放的总量较大。根据模型分析，在一定时期内，我国工业SO2排放量和单位GDP能耗的关系很可能会一直呈负相关，单位GDP能耗每减少1%，我国工业SO2排放量会增加0.925%。

工业产值占国内生产总值的比重对我国工业SO2排放的影响较大，且呈正相关关系，工业产值占GDP比重每增加1%，我国工业SO2排放量会增加0.677%。工业产值占国内生产总值的比重越大，说明第二产业在经济总量中比重最高，根据产业结构理论，第二产业在三次产业结构中的污染强度最大，当经济从高能耗高污染的工业转向低污染高产出的服务业、信息业时，工业SO2排放量将逐渐降低，经济增长对环境的压力也会相应降低。

4 结 论

(1)从总体上看，我国SO2减排目标顺利实现，但工业SO2的排放量仍呈上升趋势，基于总量控制、技术进步、结构优化的多方作用，上升趋势比较平稳，波动性较小。

(2)从全国范围来看，我国工业SO2排放量呈北高南低，中西部高于东部地区。

(3)我国工业SO2排放强度可以反映出我国对SO2的综合控制技术水平。我国工业SO2排放强度总体呈下降趋势，且下降幅度较大，说明我国对SO2的综合控制水平明显提高，对抑制SO2排放量的增长起到了积极作用。

(4)通过对相关因素的逐步回归分析结果来看，单位GDP能耗在一定时期内和我国工业SO2排放量呈负相关关系，单位GDP能耗每减少1%，我国工业SO2排放量会增加0.925%；工业产值占GDP比重与我国工业SO2排放量呈正相关关系，工业产值占GDP比重每增加1%，我国工业SO2排放量会增加0.677%。

[1] Grossman, G M, Krueger,A B. Environmental impacts of a North American Free Trade Agreement[A].National Bureau of Economic Research Working Paper 3914, NBER[C].Cambridge MA,1991.

[2] 赵细康, 李建民, 王金营, 等. 环境库兹涅茨曲线及在中国的检验[J]. 南开经济研究, 2005,(3): 48-54.

[3] 李名升,于 洋,李铭煊,等.中国工业SO2排放量动态变化分析[J].生态环境学报, 2010,19(4):957-961.

[4] 石广明,等.中国工业二氧化硫排放变化指标分解研究[J].中国环境科学,2012,32(1):56-61.

[5] 曾贤刚,倪宏宏,陈 果.我国工业 SO2排放趋势及影响因素分析[J].中国环保产业, 2009,(10): 19-23.

[6] 张平淡,朱 松,朱艳春. 环保投资对中国SO2减排的影响[J]. 经济理论与经济管理, 2012,(7):84-94.

[7] 何晓群, 刘文卿. 应用回归分析[M]. 北京:中国人民大学出版社, 2007.

[8] 中华人民共和国国家统计局.中国统计年鉴—2014[M].北京:中国统计出版社,2014.

[9] 中华人民共和国环境保护部.中国环境统计年报[M].北京:中国环境科学出版社, 2000-2013.

[10] 中华人民共和国环境保护部.全国环境统计公报[M].北京:中国环境科学出版社, 1995-2013.

[11] 赵云君,文启湘.环境库兹涅茨曲线及其在我国的修正[J].经济学家,2004,(5):69-75.

Analysis of Industrial SO2Emission Trends and Impact Factors in China

MING Xing, YAO Jian, CHENG Huan,WANG Pei

(CollegeofArchitecture&Environment,SichuanUniversity,Chengdu610065,China)

According to the industrial SO2emission characteristics and emission trends of China, this article had emphatically analyzed relevant influencing factors. Combined with the industrial SO2emissions changes and related data of impact factors from 1995 to 2013, the article has utilized multiple linear regression methods to analyze the data through stepwise regression and multiple regression model. And also proposed that high energy consumption would promote the growth of industrial SO2emissions, technological progress and structural optimization would restrain the emissions growth; when energy consumption of per unit of GDP reduce 1%, the industrial SO2emissions will increase 0.925%; when industrial output increase 1% of GDP proportion, the industrial SO2emissions will increase 0.677%.

Industrial SO2; regression; multiple linear regression; reduction

2016-03-01

明 星(1991-)，女，四川安岳人，四川大学环境工程专业2014级在读硕士研究生，主要研究方向为环境影响评价与规划。

姚 建,yaoj95@163.com。

X701

A

1001-3644(2016)03-0077-06