山东省煤炭产业碳排放驱动因素通径分析

张士强李 跃张 翼任一鑫蒋蓬阳

(1.山东科技大学经济管理学院,山东省青岛市,266590; 2.济南大学商学院,山东省济南市,250022; 3.山东科技大学矿业与安全工程学院,山东省青岛市,271019)

山东省煤炭产业碳排放驱动因素通径分析

张士强1,2李 跃1张 翼1任一鑫1蒋蓬阳3

(1.山东科技大学经济管理学院,山东省青岛市,266590; 2.济南大学商学院,山东省济南市,250022; 3.山东科技大学矿业与安全工程学院,山东省青岛市,271019)

以2005－2015年山东省煤炭产业有关统计数据为依据,首先运用spss21.0对能源消费结构、能源强度、人均生产总值、人口强度、企业规模和企业数量6个因素进行了相关性检验,然后利用通径分析的方法分析了四个具有相关性的因素对碳排放的直接效应和间接效应。最终结果表明:能源消费结构优化和企业规模扩大对煤炭产业碳排放量具有抑制作用,能源强度和企业数量因素对煤炭产业碳排放量具有推动作用;各个因素的直接通径系数与总通径系数差距较大,因素间的相互作用对碳排放的间接影响在总影响效果中具有不可忽视的地位。

煤炭产业 碳排放 驱动因素 通径分析 机理

自工业革命之后,随着技术经济的不断发展,人们对能源的需求和依赖日益提高,二氧化碳等温室气体的排放量逐年提高,严重威胁到了地球气体的正常代谢过程,引发了一系列的环境问题。针对这一现象,1824年法国学者Jean-Baptiste Joseph Fourier提出“温室效应”一词,引发了诸专家学者对“温室效应”的不断关注和研究。在2008年的八国集团首脑会议中更是提出,到2050年全球二氧化碳排放量减半;我国作为全球第一大碳排放国,于2009年负责任的提出到2020年单位GDP排放量相较于2005年降低40%～45%的实质性目标,践行大国承诺。然而,我国能源的70%以上来自煤炭,煤炭产业作为我国的能源基础产业,短时期内难以改变能源供给结构现状,在此背景下,如何实现煤炭产业的碳减排和低碳发展,成为我国必须重视和应对的问题,关于碳排放的研究理应被推上备受瞩目的高峰。

作为全国重要产煤省份之一,山东省煤炭资源主要集中在济宁、枣庄、泰安等10个重点产煤市、33个产煤县(区)。截至2015年年底,省内继续实施保护性开采和稳产策略,原煤产量连续12年稳定在1.5亿t左右。此外,山东省煤炭资源具有储量较多、品种多样、开拓方式齐全、资源埋深不一、“三下”压煤形式多样的特点,在全国范围内具有很强的代表性,因此本文选取山东省煤炭产业为研究对象,分析影响其碳排放的驱动因素,为山东省煤炭产业低碳发展提供理论指导,同时对其他省份乃至中国煤炭产业碳排放的相关研究起到一定的借鉴作用。

1 相关文献综述

为寻求降低碳排放的途径,专家学者们运用不同研究方法针对碳排放驱动因素展开了大量研究。通过梳理国内外相关研究文献,可以将碳排放驱动因素相关成果分为两类:一类是研究单一因素对碳排放的作用机制,进而提出具体的调控措施;另一类是综合考虑多种因素对碳排放的影响,通过实证分析各类因素的驱动作用,进而提出应对措施。

1.1 单因素研究综述

通过梳理国内外相关文献,典型的研究成果包括人口数量、城市化进程、能源消费结构、产业结构因素对碳排放的驱动作用。其中关于人口数量对碳排放驱动作用的研究结果有两类:一类认为,人口数量的增加会通过能源消耗因素提高碳排放量;另一类则认为,人口压力会促进科技进步,进而降低碳排放量。而关于城市化进程、能源消费结构和产业结构的相关研究成果则较为统一,普遍认为城市化会增加二氧化碳碳排放量,合理调整能源消费结构和产业结构对降低碳排放量具有十分显著的作用。

单因素分析方法主要包括系数分析法和方程分析法两大类。其中系数分析方法包括相关性分析和灰色关联分析等方法,前者适用于大样本下的定量分析,后者多用于样本较小、缺少数据的定性分析。方程分析法主要包括回归分析和协整方程等,该类方法需要大样本数据。

1.2 多因素研究综述

多因素研究指研究多个因素组合对碳排放的驱动作用,较为普遍的组合为GDP(或人均GDP)、能源消费结构、产业结构、能源强度、人口数量及结构等;多数研究结果表明:GDP增加、人口数量增长对碳排放具有显著推动作用;能源消费结构和产业结构的优化调整对碳减排具有显著作用效果;能源强度的降低对碳排放具有抑制作用。

碳排放多因素分析模型种类较多,其中较为常用的碳排放驱动因素模型主要有LMDI模型、STIRPAT模型、IPDA模型、ARDL模型、三要素生产函数框架法和面板数据回归等。以上模型可以划分为三类:分解法、系数分析法和方程分析法。其中,LMDI模型是Ang B W(2004)在综合比较各种因素分析法的基础上提出的分解法中的一类。LMDI方法由于满足因素可逆、能消除残差项的特点,能克服用其他方法分解后存在残差项或对残差项分解不当的缺点,使模型更具说服力,在当前应用较为广泛。

在现有文献中,应用LMDI方法分析不同工业部门或不同地区的碳排放因素的研究较为丰富。在工业部门研究中,Wang C,et al(2005)采用LMDI对中国1957－2000年的碳排放进行了分解,综合分析了人口、经济增长、能源强度、能源结构对碳排放的影响效应;徐国泉等(2006)藉此定量分析了1995－2004年间,能源结构、能源效率和经济发展三因素的变化对中国人均碳排放的影响,得出经济发展对促进中国人均碳排放的贡献率成指数增长,而能源效率和能源结构对抑制中国人均碳排放的贡献率均呈倒“U”型曲线关系的结论。Liu,et al (2007)运用LMDI研究了中国1998－2005年期间36个工业部门的碳排放影响因素。宋德勇和卢忠宝(2009)采用两阶段LMDI模型,对能源消费碳排放影响因素和减少碳排放的关键因素进行分解研究。朱勤和彭希哲等(2009)利用扩展的Kaya模型和LMDI模型,将我国碳排放分解为人口、人均GDP、产业结构、能源强度、能源消费结构五方面因素。王锋和吴丽华等(2010)将1995－2007年间中国能源消费的碳排放增长率分解为11种驱动因素的加权贡献,并对这一时期中的6个时间段和每一种驱动因素进行了研究。此外,蒋金荷(2011)通过分析中国宏观工业部门数据,对中国碳排放量的预测及影响因素进行了研究。此外,专家学者对具体区域碳排放驱动因素也进行了大量研究和有益探索,并提出了相关建议和措施。

1.3 几点不足

(1)缺乏系统分析思想,忽略因素间的作用关系。在单因素分析研究中,显然需要排除其他因素的影响,研究单一因素对碳排放的作用机制,确定该因素对碳排放的作用方向和作用效果。但因缺乏对其他因素的考虑,会导致研究结果与现实情况不符,甚至背道而驰。上文对人口因素的驱动效应综述证明了这一点。

在多因素分析研究中,专家学者通过建立模型直接确定各个因素对碳排放的驱动作用,并得出各个因素对碳排放的贡献值或者贡献率,并没有考虑各个因素之间的相关关系,从而导致研究结果与实际情况有较大偏离,这种偏离或表现在驱动方向上,或表现在驱动程度上。

(2)因素选择主观性强,缺乏理论和实证说明。在众多文献中,无论采取何种计算模型,作者在因素选择时,主观判断居多。在模型建立前,对所选因素进行相关性检验的研究较为少见。

当前众多学者不断扩展研究领域,且研究从宏观领域逐渐向微观领域过度,但是在针对某一具体区域、产业乃至企业进行碳排放量影响因素分析过程中,仍沿用宏观研究的因素指标,根据对象特征确定因素指标的研究仍然比较匮乏。

综上所述,本文在研究煤炭产业碳排放影响因素时,首先对煤炭产业特征进行分析研究,然后依据煤炭产业特征选取相关影响因素并对其进行相关性检验,最后运用通径分析法对影响因素间和影响因素与碳排放量间的关系进行分析求解,最终结合分析结果给出碳减排相关建议。

2 山东省煤炭产业相关概念界定及碳排放现状分析

2.1 山东煤炭产业边界界定

山东省是我国产煤大省,含煤面积占全省国土面积的1/3。自1998年开始,为整顿煤炭生产秩序,全省共关闭各类小煤矿约633处。截止到2015年底,山东省煤炭开采业主要有山东能源和兖矿集团以及部分乡镇煤矿组成,共有煤矿147处。根据我国对产业的划分,煤炭产业主要包括采用地下采掘或露天采掘方式生产煤炭以及对煤炭进行洗选加工的部门,即煤炭产业包括煤炭开采和煤炭洗选两个行业。因此,本文研究的山东煤炭产业包含煤炭开采和煤炭洗选两部分。由于山东省主要的大型国有煤矿都配有自己的洗煤厂,因此山东省暂无独立从事煤炭洗选的企业。

2.2 煤炭产业碳排放概念界定及测算

碳排放量是指产品在生产、运输、使用及回收该产品时所产生的平均温室气体排放量。一般行业的碳排放量主要是通过各个部门能源消费量与各类能源的碳排放系数相乘累计得到的。但是煤炭产业作为地下采掘业,会伴随各类伴生物品(如瓦斯),瓦斯的主成分是甲烷,其对温室效应的影响程度是二氧化碳的24.5倍;同时煤炭产业的产品煤炭、煤矸石等在堆积过程中,会被氧化产生二氧化碳。根据以上分析,结合煤炭产业的边界界定,本文煤炭产业碳排放量是指煤炭在生产、运输、洗选过程中因消耗能源、瓦斯排放、煤炭自燃等产生的平均温室气体排放量。其计算式为:

式中:C——煤炭产业二氧化碳排放总量;

λi——能源i的碳排放系数;

Ei——能源i的消耗总量;

CH——煤炭生产过程中排放的瓦斯量;

b——由于煤炭、煤矸石堆放自然氧化排放的二氧化碳数量。

2.3 山东煤炭产业碳排放量现状

随着当前铁路交通运输网的不断完善以及循环经济的不断发展,山东省煤炭企业煤炭堆放问题已基本解决,煤矸石被直接发电、回填等利用,因此由煤矸石、煤炭堆放等造成的二氧化碳排放问题可以忽略不计。同时将24.5视作瓦斯的碳排放系数,则可以将碳排放计算公式简化为C＝λiEi,其中Ei中包含瓦斯排放量。

山东省煤炭产业能源消耗主要包括煤炭、汽油、柴油、电力、蒸汽等,非能耗部分主要是瓦斯。根据式(1),计算山东省煤炭产业碳排放量如图1所示。由1图可知,山东省煤炭产业碳排放量呈现波动性上升趋势,与煤炭产业生产总值变化趋势基本相同。

图1 山东省煤炭产业碳排放量与产值走势图

3 山东省煤炭产业碳排放驱动因素选择

3.1 山东省煤炭产业碳排放驱动因素指标选取的理论依据

中国政府在2004年提交的《中华人民共和国气候变化初始国家信息通报》中指出,影响碳排放的驱动因素主要包括八个方面,并可将其总结概括为经济因素、科技因素、管理因素和人口因素四个方面。综合专家学者的研究成果,本文选用山东省煤炭产业职工人均生产总值作为其经济因素指标;选取能源强度作为其科技因素指标;选取人口强度作为其人口因素指标;考虑到煤炭产业碳排放的特殊性,除将能源结构纳入管理因素指标外,还选用了煤炭企业数量和企业规模指标,反映煤炭企业大型化、现代化对碳排放的驱动效应。

在本文因素选择过程中,对于经济因素、科技因素和管理因素等的指标选取均从山东省煤炭产业内部考虑,并未考虑煤炭产业与外界环境的交换因素,主要基于如下考虑:首先,煤炭产业有其独特性,其受资源赋存条件影响极其显著,其产量主要受自然条件限制,受外部经济环境影响较小;其次,煤炭企业属于定额生产,并且矿井建设周期较长,一般为3～5年,因此其反应速度较为缓慢。所选指标表达式及意义如下。

因变量Y为山东省煤炭产业碳排放总量;由于煤炭产业以电能消耗为主,因此选取电能占总能选消费比例x1代表山东省煤炭产业能源消费结构指标;选取单位工业总产值的能源消耗x2代表能源强度指标;人均生产总值因素x3,即山东省煤炭产业单位人员的产值;人口强度因素x4,即山东省每个煤炭企业所含的平均从业人口数目;企业规模x5,即单个企业平均总产值;煤炭企业数量因素x6,即山东省煤炭产业中存在的煤炭企业的数目。

3.2 山东省煤炭产业碳排放驱动因素指标选取的实证依据

(1)数据来源及处理。文中山东省煤炭产业生产总值、从业人口数目、煤炭企业数目、煤炭产量、吨煤综合能耗、吨煤综合电耗等数据来源于2005－2015年山东省煤炭工业局统计年鉴和煤炭产业经济信息手册;文中山东省煤炭产业总能源消耗量由煤炭产量和吨煤综合能耗计算获得近似值;瓦斯排放量根据矿井相对涌出量计算获得;各类能源的碳排放系数通过查阅《中华人民共和国国家标准GB/T2008综合能耗计算通则》获得;各类能源折标系数及瓦斯相对涌出量近似值由山东省煤炭工业局提供;由于近十年来,煤炭价格出现“过山车”式变化,为消除价格变动因素对计算结果的影响,模型计算过程中山东省煤炭产业生产总值均按2005年不变价格计算得出,部分数据如表1、表2所示。

表1 2005－2015年山东省碳排放驱动因素原始数据

表2 常规能源碳排放系数

(2)相关性分析及检验。本文运用spss21.0,首先对煤炭产业碳排放量时间序列数据进行正态分布检验,由于样本数量较小,采用Shapiro－Wilk test得到结果Sig＝0.622＞0.05,服从正态分布,因此可以运用通径分析方法进行山东省煤炭产业碳排放驱动因素的研究。然后对影响因素进行相关性分析,结果如表3所示。

表3 影响因素与碳排放量的偏相关系数

由表3结果显示,影响因素人均生产总值、人口强度影响效果不显著,能源结构、能源强度、企业规模和企业数量具有十分显著的相关性,因此,后文研究中将人均生产总值和人口强度因素剔除。

4 影响因素与碳排放的通径分析

4.1 通径分析介绍

通径分析方法是相关性分析方法的升级和延伸,将简单相关分析所得的相关系数进行分解,得到直接通径系数、间接通径系数和总通径系数三组数据。其中直接通径系数表示自变量对因变量的直接影响程度,间接通径系数则表示某一自变量通过其他若干自变量间接影响因变量的作用程度之和,总通径系数则为直接通径系数和间接通经系数之和,表示自变量通过所有路径对因变量的影响程度。设自变量集合为X＝{x1,x2,…,xm},因变量为Y,另自变量对因变量的偏相关系数为p,则有p＝{p1,p2,…,pi};另自变量之间的相关系数为rij,表示自变量xi与xj的相关系数;riy表示自变量xi与因变量Y的相关系数。则通径

分析模型中各个系数间关系方程如下:

所有自变量对因变量的综合作用可以用D2表示,在spss21.0求解过程中会给出,它表示所选自变量对因变量的决定程度。当D2越趋近于1,表示其决定程度越大,所选取得自变量拟合效果越好;反之,表示自变量选取存在严重遗漏。

4.2 通径系数求解

根据前文相关研究,人均生产总值和人口强度因素因相关性检验不显著被剔除,因此,下文只保留能源消费结构、能源强度、企业规模和企业数量四个影响因素。运用spss21.0直接求得四个影响因素的决定系数为D2＝0.968,几乎可以全部解释因变量,表示该模型质量良好,能够反映碳排放的真实情况;同时求得四个影响因素的t检验值,t1＝－3.898,t2＝2.893,t5＝10.182,t6＝9.984,通过查表可知,t0.025(11)＝2.201,因此各个因素的t检验值的绝对值均满足条件,因此各个因素的通径系数都表现显著。

根据前文数据,运用spss21.0求得能源消费结构、能源强度、企业规模和企业数量四个影响因素的直接通径系数和各个因素之间的相关系数;然后根据公式(2),运用Excel计算求得各个因素的间接统计系数和总通径系数,如表4所示。

4.3 各影响因素对碳排放的作用机理

为更加直观的分析能源消费结构、能源强度、企业规模和企业数量四个影响因素对碳排放的影响路径及其影响效果,根据前文计算结果,绘制四个影响因素对碳排放的影响路径图,如图2所示。

根据图2和表4可知,能源消费结构、能源强度、企业规模和企业数量四个影响因素对碳排放量的直接影响效果由大到小排序(按绝对值排序)为企业数量、企业规模、能源强度和能源消费结构,按照总影响效果由大到小排序(按绝对值排序)为能源消费结构、能源强度、企业规模和企业数量;同时在仅考虑直接影响效果时,企业规模的扩大对碳排放量具有推动作用,而考虑综合影响效果时,企业规模扩大对碳排放量具有抑制作用;对比直接通径系数和综合通径系数可知,除能源结构因素外,其他因素的综合通径系数的绝对值均小于直接通径系数,表示各因素之间的相互影响产生了内耗。通过总结以上三方面的对比结果可以发现,是否考虑影响因素之间的相互作用关系对最终分析结果有显著的影响。为进一步弄清各个因素相互影响的作用机制,对各个因素进行分情况讨论。

图2 四大影响因素对碳排放的影响路径模型

表4 碳排放影响因素的通径系数

4.3.1 能源结构对碳排放的作用机理

能源结构对碳排放的作用机理见图3。

图3 能源结构对碳排放的作用机理分析图

根据图3可知,能源消费结构对山东省煤炭产业的碳排放量的直接通径系数为－0.372,表示能源消费结构变化一个标准差单位时,山东省煤炭产业碳排放量将减少－0.372个标准差单位;能源消费结构通过山东省煤炭产业的能源强度、企业规模和企业数量因素对其碳排放的间接通径系数为－0.245、0.196和－0.001,表示能源消费结构通过能源强度和企业数量因素对碳排放的间接效应为抑制作用,与能源消费结构的直接影响效应方向相同;能源消费结构通过企业规模的间接作用,对碳排放量起到正向推动作用,对能源消费结构的减碳化具有弱化作用。通过对比能源结构对碳排放的直接通径系数和间接通径系数发现,能源结构通过能源强度、企业规模和企业数量间接作用后,其对碳排放的抑制作用被强化。

当前山东省煤炭产业为节能减排不断深化能源综合利用,开发利用地热、太阳能,回收余热余压,降低煤炭使用量,这是能源结构调整降低碳排放的关键;但是,其直接通径系数(绝对值)较小,主要原因是煤炭产业主要耗能领域为采掘和洗选环节,该环节用能单一,难以实现能源替代,而能源结构调整多应用于生活办公领域,因此其对碳排放的影响效应较小,符合山东省煤炭产业实际情况;能源强度的提高表示能源效率的降低,能源结构通过能源强度对碳排放量的间接影响为－0.245,表明能源效率的提高会强化能源结构优化带来的碳减排效果;能源结构通过企业数量对碳排放量影响为抑制作用,因为企业数量的增加,必会带来生活区和办公区的增加,结构调整的空间越大;能源结构通过企业规模对碳排放影响为促进作用,因为本文企业规模为单个矿井的生产总值,一定程度上反映煤炭产业经济发展水平,当前煤矿向机械化、大型化矿井转型,随着产量的不断增加势必会增加能源消费量,进而提高碳排放量,因此在煤炭产业经济发展规模增加的情况下,能源结构的间接影响效应为0.196,即在此情况下进行能源结构调整仍会增加碳排放量,但是相比该情况能源结构调整前,碳排放量是减少的。

4.3.2 能源强度对碳排放的作用机理

能源强度对碳排放的作用机理见图4。

图4 能源强度对碳排放的作用机理分析图

根据图4可知,能源强度对山东省煤炭产业的碳排放量的直接通径系数为0.426,表示能源强度增加一个标准差单位时,山东省煤炭产业碳排放量将增加0.426个标准差单位;能源强度通过山东省煤炭产业的能源消费结构、企业规模和企业数量因素对其碳排放的间接通径系数为0.214、－0.012和－0.284,表示能源强度通过企业规模和企业数量因素对碳排放的间接效应为抑制作用,通过能源结构的间接作用,对碳排放量起到正向推动作用,通过对比能源强度对碳排放的直接通径系数和间接通径系数发现,能源强度通过能源消费结构、企业规模和企业数量间接作用后,其对碳排放的推动作用被弱化。

能源强度通过能源消费结构的间接影响,对煤炭产业碳排放表现出推动作用,主要原因在于,能源强度提高表示能源效率的降低,当能源强度提高时,企业进行能源结构调整的动力不足,趋向于使用常规能源,进而导致碳排放量的增加;本文企业规模在一定程度上表示企业的经济实力,企业经济实力的增加会增加技术投入,进而提高能源效率,但从图4数据看,其影响效果较小;能源强度的增加一定情况下反映了经济效益的下降,因此煤炭企业必然存在退出现象,因而能源强度通过煤炭企业数量的间接影响呈现抑制效应。

4.3.3 企业规模对碳排放的作用机理

企业规模对碳排放的作用机理见图5。

图5 企业规模对碳排放的作用机理分析图

根据图5可知,企业规模对山东省煤炭产业的碳排放量的直接通径系数为0.832,表示企业规模每增加一个标准差单位时,山东省煤炭产业碳排放量将增加0.832个标准差单位;企业规模通过山东省煤炭产业的能源消费结构、能源强度和企业数量因素对其碳排放的间接通径系数为－0.088、－0.006和－0.839,表示企业规模通过能源消费结构、能源强度和企业数量因素对碳排放的间接效应均为抑制作用,通过对比企业规模对碳排放的直接通径系数和间接通径系数发现,企业规模通过能源消费结构、能源强度和企业数量间接作用后,其对碳排放的推动作用被极大弱化。

企业规模为单个企业的平均生产总值,企业数量和能源强度不变情况下,企业规模的扩大必然会引起煤炭产业生产总值的增加,进而提高能源消费量,导致碳排放量的增加。但是企业规模的扩大,表示企业实力、社会责任的提高,有更多的资金去调整能源结构、降低能源强度,同时企业规模扩张导致企业数量减少,因此通过以上三个因素的间接作用降低了碳排放量,抵消了产量增加带来的碳排放增加量。由此,进一步证明了国家提倡煤炭产业规模化生产的必要性。

4.3.4 企业数量对碳排放的作用机理

企业数量对碳排放的作用机理见图6。

图6 企业数量对碳排放的作用机理分析图

根据图6可知,企业数量对山东省煤炭产业的碳排放量的直接通径系数为0.906,表示企业数量每增加一个标准差单位时,山东省煤炭产业碳排放量将增加0.906个标准差单位;企业数量通过山东省煤炭产业的能源消费结构、能源强度和企业规模因素对其碳排放的间接通径系数分别为0.001、－0.133和－0.770,表示企业数量通过能源消费结构因素对碳排放的间接效应为推动作用,但作用效果可忽略,通过能源强度和企业规模的间接作用,对碳排放量起到抑制作用。通过对比能源强度对碳排放的直接通径系数和间接通径系数发现,其直接通径系数为0.906,对碳排放其推动作用,而总通径系数为－0.004,对碳排放起抑制作用,但效果明显,原因是企业数量通过能源强度和企业规模因素的间接抑制作用抵消了企业数量直接和通过能源结构的间接推动作用之和。

由于山东省煤炭产量长期保持在1.5亿t左右,企业数量和企业规模在一定程度上存在负相关关系,因此企业数量的增加必然导致企业规模的减少,从而间接对碳排放起到抑制作用,这与图5相关数据相符;企业数量通过能源强度的间接推动作用为负,二者成负相关性,原因同能源强度作用机理分析;企业数量通过能源结构对碳排放影响作用为正,原因在于企业数量增加,使单个企业能源结构调整的空间减小所致。

5 结论

根据通径分析方法的观点,各个影响因素对碳排放的总效果来源于直接影响和间接影响两部分,本文通径分析结果显示:能源消费结构优化对煤炭产业碳排放量存在抑制效应,并且通过其他因素的综合作用,增强了其对碳排放的抑制效果;能源强度对碳排放的直接通径系数和总通系数均为正,是碳排放增加的最主要推动因素,但通过其他因素的综合作用,其推动作用表现出弱化现象;企业规模因素对碳排放的直接通径系数为正,总通径系数为负,由于企业规模因素通过能源结构、能源强度和企业数量对碳排放产生抑制作用,抵消了其对碳排放的推动作用;企业数量对碳排放量的直接通径系数与总通径系数均为正,但在其他因素的综合作用下,其综合推动效果较为微弱。

通过对比各个影响因素的直接通径系数和间接通径系数发现,降低能源强度和优化能源结构,寻求合理的企业规模和企业数量搭配对碳减排具有十分重要的作用。

同时,通过通径分析发现,制定节能减排措施时单独针对某一因素进行优化,往往难以达到预期效果甚至会产生副作用,运用系统的思想,综合考虑因素之间的相互作用,制定系统组合策略是降低碳排放的重要措施。

[1] Knapp T,MookerjeeR.Population growth and global CO2emissions[J].Energy Policy,1996(1)

[2] Shi Anqin.The impact of population pressure on global carbon dioxide emissions,1975－1996:evidence from pooled cross-country data[J].Ecological Economics, 2003(44)

[3] 潘佳佳,李廉水.中国工业二氧化碳排放的影响因素分析[J].环境科学与技术,2011(4)

[4] Cramer C J.Population growth and air quality in California[J].Demography,1998(1)

[5] Satterthwaite D.The implications of population growth and urbanization for climate change[J].Environment and Urbanization,2009(2)

[6] 卢祖丹.我国城镇化对碳排放的影响研究[J].中国科技论坛,2011(7)

[7] 吴彼爱,高建华,徐冲.基于产业结构和能源结构的河南省碳排放分解分析[J].经济地理,2010 (11)

[8] 帅通,袁雯.上海市产业结构和能源结构的变动对碳排放的影响及应对策略[J].长江流域资源与环境,2009(10)

[9] 何立华,杨盼,蒙雁琳,孔渊.能源结构优化对低碳山东的贡献潜力[J].中国人口·资源与环境, 2015(6)

[10] 王常凯,谢宏佐.中国电力碳排放动态特征及影响因素研究[J].中国人口·资源与环境,2015 (4)

[11] 渠慎宁,郭朝先.基于STIRPAT模型的中国碳排放峰值预测研究[J].中国人口·资源与环境, 2010(12)

[12] 孙作人,周德群,周鹏.碳排放驱动因素分解的IPDA模型与实证研究[J].系统工程,2013(8)

[13] Zhao X,Ma Q,Yang R.Factors Influencing CO2Emissions in China＇s Power Industry:Co-integration Analysis[J].Energy Policy,2013(57)

[14] 林伯强.电力消费与中国经济增长:基于生产函数的研究[J].管理世界,2003(11)

[15] Wang,W.,Liu,R.,Zhang,M.,et al.Decomposing the Decoupling of Energy-related CO2Emissions and E-conomic Growth in Jiangsu Province[J].Energy for Sustainable Development,2013(1)

[16] Ang B W.Decomposition analysis for policy making in energy:Which is the preferred Method?[J].Energy Policy,2004(9)

[17] Wang C,Chen J,Zou J.Decomposition of energyrelated CO2emission in China:1957－2000[J]. Energy,2005(1)

[18] 徐国泉等.中国碳排放的因素分解模型及实证分析:1995－2004[J].中国人口·资源与环境, 2006(6)[19] Liu L,Fan Y,et al.Using LMDI method to analyze the change of China＇s industrial CO2emissions from final fuel use:An empirical analysis[J].Energy Policy,2007(11)

[20] 宋德勇,卢忠宝.中国碳排放影响因素分解及其周期性波动研究[J].中国人口·资源与环境,2009 (3)

[21] 朱勤,彭希哲等.中国能源消费碳排放变化的因素分解及实证分析[J].资源科学,2009(12)

[22] 王锋,吴丽华等.中国经济发展中碳排放增长的驱动因素研究[J].经济研究,2010(2)

[23] 蒋金荷.中国碳排放量测算及影响因素分析[J].资源科学,2011(4)

参考文献:

[1] 乌云娜,牛东晓.政府投资建设项目代建制理论与实务[M].北京:电子工业出版社出版,2007

[2] 杰里米·里夫金,特德霍华德.熵:一种新的世界观[M].上海:上海译文出版社,1986

[3] 韩冬.2013年中国水电发展现状[J].水力发电学报,2013(10)

[4] 刘凌云.中国主要煤炭交易中心运营模式研究[J].中国煤炭,2014(5)

[5] 刘凌云.火电企业燃煤双因素变异风险及其期现对冲策略[J].煤炭经济研究,2015(3)

(责任编辑 张大鹏)

[24] 郭运功,林逢春等.上海市能源利用碳排放的分解研究[J].环境污染与防治,2009(9)

[25] 赵欣,龙如银.江苏省碳排放现状及因素分解实证分析[J].中国人口·资源与环境,2010(7)

[26] 宋杰鲲.基于LMDI的山东省能源消费碳排放因素分解[J].资源科学,2012(1)

[27] 才庆祥,刘福明,陈树召.露天煤矿温室气体排放计算方法[J].煤炭学报,2012(1)

作者简介:张士强(1962－),男,山东梁山人,教授,博士生导师,博士学位,主要从事低碳经济研究。

(责任编辑 张大鹏)

Path analysis on drive factors of carbon emissions for coal industry in Shandong province

Zhang Shiqiang1,2,Li Yue1,Zhang Yi1,Jiang Pengyang3
(1．College of Economics and Management,Shandong University of Science and Technology, Qingdao,Shandong 266590,China; 2．Business School,University of Jinan,Jinan,Shandong 250022,China; 3．College of Mining and Safety Engineer,Shandong University of Science and Technology, Qingdao,Shandong 271019,China)

According to statistics of coal industry in Shandong province from 2005 to 2014, the authors used SPSS 21．0 to conduct a correlation test among six factors:energy consumption structure,energy intensity,per capita gross value of production,population intensity,firm size and the number of enterprises．The four correlational factors,were analyzed by using path analysis method．The final results showed the energy consumption structure and enterprise size had restraining effects on the carbon emission of the coal industry,the energy intensity and the number of enterprises had positive effects on the carbon emission of the coal industry．The direct path coefficient had great differences from the total path coefficient of each factor,and the indirectly interaction effects on carbon emissions had assignable role．

coal industrial,carbon emission,path analysis,mechanism

TD－9

A

乌云娜(1956－),蒙古族,吉林省前郭旗人,华北电力大学经济与管理学院教授,博士生导师。

山东省自然科学基金项目(ZR2014GM010),山东省社会科学规划研究项目(14CGLJ26)

张士强,李跃,张翼等．山东省煤炭产业碳排放驱动因素通径分析[J]．中国煤炭,2017,43(1):16－23,40．Zhang Shiqiang,Li Yue,Zhang Yi,et al.Path analysis on drive factors of carbon emissions for coal industry in Shandong province[J].China Coal,2017,43(1):16－23,40.