经济增长对碳排放影响的区域差异研究

杨凯

摘 要：本文利用2000年～2014年中国省际层面的面板数据，采用系统GMM方法实证检验了经济增长对碳排放影响的区域差异。结果表明，我国省际二氧化碳排放量具有明显的滞后效应，由于在能源强度、能源消费结构和产业结构方面的不同，经济增长对碳排放的影响具有显著的区域差异，并根据实证结果提出对策建议。

关键词：经济增长 碳排放 区域差异

中图分类号：F205 文献标识码：A 文章编号：2096-0298（2017）05（b）-162-04

自从Grossman and Krueger（1991）[1]首次通过实证证明环境质量与人均收入之间关系之后，经济增长在环境变化中所起到的作用得到了更多的阐释。在低碳经济理念盛行的今天，经济增长与二氧化碳排放量之间的关系也成为人们研究的焦点。自20世纪70年代以来，我国经济保持了近40年的高速增长，年均增长率超过9%，然而在振奋之余，我们也应看到，在经济高速增长的同时，我国的二氧化碳排放量也从20世纪70年代的10亿吨左右，增加到2012年的近100亿吨。二氧化碳排放量的剧增导致了一系列环境问题，并逐步演变成为制约我国经济社会可持续发展的重要因素。因此有必要研究我国经济的迅速增长对二氧化碳排放究竟产生了何种影响？由于我国各地区在能源强度、产业结构和能源消费结构等方面存在差异，经济增长对碳排放的影响也可能不尽相同。因此研究经济增长对碳排放影响的区域差异，并进一步探讨导致差异产生的原因对我国各地区的碳减排具有重要的理论和现实意义。

1 相关文献回顾

在经济增长与环境质量之间的关系研究中，一个突出的贡献就是Panayotou（1993）首次把经济发展与环境质量之间这一倒“U”型关系命名为环境库兹涅茨曲线（EKC）[2]。

目前，以二氧化碳作为环境指标的研究也有很多，由于研究者所考虑的影响因素、所使用的统计方法和所考察的对象不同，而无法得到一致的研究结果。国外方面，Arouri et al[3]（2012）、HamitHaggar[4]（2012）、Saboori et al[5]（2012）通过研究实证了经济增长与二氧化碳排放量之间存在倒“U”型曲线，即该地区的二氧化碳排放量随着经济增长表现出先增加，之后逐步稳定，最后随着经济发展水平的提高二氧化碳排放量逐渐减少。

国内方面，经济增长与二氧化碳排放量之间关系的研究也比较多。许广月、宋德勇（2010）通过面板单位根检验和协整分析方法，研究认为中国东部和中部地区存在碳排放EKC，西部地区则不存在[6]。冯烽、叶阿忠（2013）通过面板数据，采用半参数模型证明我国只有东部地区存在碳排放EKC，而中西部地区不存在该曲线[7]。胡宗义等（2013）认为目前我国经济增长与二氧化碳排放量之间不存在倒U型曲线，而存在显著地正向线性关系[8]。

2 经济增长对碳排放影响的区域差异

2.1 计量模型构建

其中，C为二氧化碳排放量；Y为人均GDP；I为能源强度；S为能源消费结构；M为产业结构；e为干扰项。

2.2 数据来源与处理

（1）二氧化碳排放量

二氧化碳排放量（用C表示）。由于我国并没有统计二氧化碳排放的相关数据，二氧化碳主要排放源就是各种能源的燃烧。因此，本文基于《中国能源统计年鉴》给出的各种能源对标准煤的折算系数和联合国政府间气候变化专门委员会（IPCC2006）给出的碳排放系数，来估算各地区的二氧化碳排放量，然后除以各省区的年末总人口，即可以得到各省区的人均二氧化碳排放量。

（2）人均GDP

（3）能源强度

能源强度（用I表示）。能源强度即为单位GDP产出所消耗的能源。本文选择能源强度作为技术进步的代理变量，用各省区的能源消耗总量与各省区GDP的比值来计算。理论上来讲，技术进步越显著，能源强度越低，单位GDP产出所消耗的能源越少。

（4）能源消耗结构

能源消耗结构（用S表示）。煤炭消耗所产生的二氧化碳占全国二氧化碳排放量的80%以上，因此考虑能源消耗结构对二氧化碳排放的影响具有重要意义。

（5）产业结构

产业结构（用M表示）。本文使用第三产业增加值占GDP的比重作为产业结构的代理变量。第三产业是指除第一、第二产业外的产业，在第三产业中除交通运输业外，基本上都属于低碳产业。从理論上说，第三产业占国民收入的比重越大，二氧化碳排放量就越少。第三产业增加值来源于《中国统计年鉴》。

2.3 经济增长对碳排放影响的区域差异实证分析

2.3.1 初步统计观察

在进行深入分析之前，利用已有面板数据初步观察我国经济增长与碳排放之间关系在东部、中部和西部地区之间的差异，如图1所示。图1是将我国分为东部、中部和西部三大区域，以2000年～2014年各省人均GDP为横轴变量，以2000年～2014年各省区的碳排放总量为纵轴变量，绘制出二者之间的关系。

从三大区域的散点图及拟合曲线看，我国三大区域的碳排放量均随着经济水平的提高而增加。具体到东部、中部和西部地区而言，经济增长对各个地区碳排放的影响又有差异，即相对于中、西部而言，东部地区经济增长所带来的碳排放量增幅要远小于中西部地区碳排放量的增幅，经济增长为什么会对碳排放产生不同的影响？经济增长与碳排放之间的关系是否还受到其他因素的影响？带着这些问题，本文将对经济增长对碳排放影响的区域差异进行实证分析。

2.3.2 区域差异实证分析

表1为东部、中部和西部地区的能源消耗强度、能源消费结构和产业结构的描述性统计，从表1中可以看到，2000年～2014年我国三大区域之间的技术进步、能源消费结构和产业结构差异较大。表征技术进步的能源消耗强度在东部的均值为1.32吨/万元，中部地区为1.88吨/万元，西部地区的均值达到2.73吨/万元，这说明东部、中部和西部的技术水平差距较大，东部地区地处沿海，经济基础较好，新技术的研发和扩散较快，而中、西部地区自主创新能力较弱；从能源消耗结构看，东部地区的煤炭消费量只占到能源消耗总量的一半多点，而中部地区的煤炭消耗量占到能耗总量的80%以上，西部地区的煤炭消耗量也占到能耗总量的70%以上；就产业结构而言，第三产业工业增加值在东部地区达到44%，而中、西部地区均值40%以下。技术进步、能源消费结构和产业结构在三大区域之间差异或许能在一定程度上解释经济增长与碳排放之间关系的区域差异。

（2）实证结果分析

由于模型中引入了被解释变量的滞后项，导致解释变量和随机干扰项相关，并且其他解释变量也可能存在内生性，此时，固定效应模型和随机效应模型估计量都是有偏的，必须借助工具变量进行估计。Arellano和Bond[12]（1991）提出了差分广义矩估计方法，以解释变量水平值的滞后项作为差分变量的工具变量来解决动态面板模型中的内生性问题。但差分GMM估计方法在差分过程中会导致一部分样本信息的损失，并且被解释变量和内生解释变量近似于随机游走时工具变量的有效性将减弱，从而影响估计结果的渐近有效性。

模型1仅将碳排放量的滞后一期与人均GDP引入模型中进行考察。结果显示，东部地区的人均GDP系数为0.0043，但不显著。中部地区和西部地区的人均GDP系数分别为0.022，和0.064，且在1%的水平上与东部地区存在显著差异，这说明经济增长对碳排放的影响在三大区域层面上存在显著差异。模型2、模型3和模型4依次引入能源消耗强度、能源消耗结构和产业结构，结果依然显示经济增长对碳排放的影响在区域层面上存在显著差异。由模型3可知，目前的技术进步并不足以减少经济增长所带来的碳排放。模型4和模型5表明能源消费结构的重煤化依然是碳排放的主要驱动因素之一，而第三产业的发展壮大能有效降低碳排放的增速。因此，在不同的能源强度、能源消费结构和产业结构下，经济增长与碳排放的关系可能表现出不同的非线性关系，即可能存在门槛效应（见表2）。

3 结论与建议

本文利用我国2000年～2014年间省际层面的面板数据，实证检验了我国经济增长对碳排放影响的区域差异，并讨论了导致差异存在的原因。模型4回归分析显示，经济增长对我国碳排放的影响存在区域差异。在经济发展水平较高、技术水平先进和产业结构较合理的东部地区，经济增长所带来的碳排放要远低于中西部地区。从这一结果可以看出，在经济增长过程中碳排放量的增速，会受到技术水平、能源消费结构和产业结构的影响，即这三种因素对经济增长对碳排放的影响存在显著差异。

参考文献

[1] Grossman G M，Krueger A B.Environmental impacts of a North American free trade agreement[R].National Bureau of Economic Research，1991.

[2] Panayotou T.Empirical tests and policy analysis of environmental degradation at different stages of economic development[R].International Labour Organization，1993.

[3] Arouri M E H，Ben Youssef A，Mhenni H，et al.Energy consumption， economic growth and CO2emissions in Middle East and North African countries[J].Energy Policy，2012（45）.

[4] Hamit-Haggar M.Greenhouse gas emissions， energy consumption and economic growth：A panel cointegration analysis from Canadian industrial sector perspective[J]. Energy Economics，2012，34（1）.

[5] Saboori B，Sulaiman J，Mohd S.Economic growth and CO2emissions in Malaysia：A cointegration analysis of the Environmental Kuznets Curve[J].Energy Policy，2012（51）.

[6] 许广月，宋德勇.中国碳排放环境库兹涅茨曲线的实证研究[J].中国工业经济，2010（5）.

[7] 馮烽，叶阿忠.我国生产效率的分解与经济收敛性的变迁[J].东北大学学报：社会科学版，2013（1）.

[8] 胡宗义，唐李伟，苏静.碳排放与经济增长：空间动态效应与EKC再检验[J].山西财经大学学报，2013（12）.

[9] Ehrlich P R，Holdren J P，Mezirow J，et al.Impact of population growth[J].Science，1971，171（3977）.

[10] Dietz T，Rosa E A.Rethinking the environmental impacts of population，affluence and technology[J]. Human Ecology Review，1994（1）.

[11] 杜立民.我国二氧化碳排放的影响因素：基于省级面板数据的研究[J].南方经济，2010（11）.

[12] Arellano M，Bond S.Some tests of specification for panel data： Monte Carlo evidence and an application to employment equations[J].The review of economic studies，1991，58（2）.