江苏省碳排放与经济发展关系实证研究

章敏

[摘 要] 为研究江苏省碳排放与经济发展之间的关系，通过收集计算1995-2015年江苏省碳排放量、人均GDP、碳排放强度和产业结构指数，改进模型进行分析。实证研究表明：江苏省碳排放量、人均GDP、碳排放强度和产业结构指数之间存在长期均衡关系，变量之间存在Granger因果关系，且技术进步与产业结构调整升级能显著减少江苏省的碳排放。因此，江苏省应不断推进能源利用的技术进步与革新，大力促进产业结构优化，提高第三产业在国民经济发展中的贡献率，以减少碳排放。

[关键词] 碳排放；经济发展；改进的模型

[中图分类号] F061.3 [文献标识码] A [文章编号] 1009-6043（2017）10-0052-04

一、引言

全球碳排放带来的气候变化风险已被视为与国家安全和公共健康同等重要的重大风险。近半个多世纪以来，全球经济发展迅速，在能源消费方面主要得益于石化能源。然而人类对石化能源的消费带来碳排放的增长，使地球逐渐变暖，根据主流气候科学家的观点，限制碳排放量几乎是阻止气候变化的唯一途径。

由于依赖火力发电导致大气污染愈发严重，要求中国向清洁能源转移，削减二氧化碳排放量的声音越来越强。据挪威奥斯陆国际气候与环境研究中心（CICERO）推算，2016年中国二氧化碳累计排放量达到1464亿吨，超过美国的1462亿吨，跃居首位。受中国快速的产业发展和城市化影响，自2006年起，从单年度的二氧化碳排放量来看中国已经位居世界首位，且排放量已占到全球总排放量的四分之一。

如何减少碳排放量，也成为江苏省目前最重要的环保话题之一。中国空气污染最严重的四大“污染带”之一是长三角地区，其中的江苏省作为全国经济发展水平前列的省份，其环境空气质量也一直是民众与政府关注的焦点之一。2001-2015年江苏GDP占全国GDP的比重一直保持10%-11%，位居全国第二；产业结构中第二产业占比由2007年56.6%逐年下降至2015年45.7%，仍排在全国前列。但2015年3月美国环保署指出，长三角地区大气污染物（SO2、NOX、烟尘、碳排放）排放比重最大的是江苏省。根据江苏省环境保护厅公布的《江苏省环境状况公报》（2013-2016年）显示，2013-2016年连续四年江苏13个省辖市环境空气质量均未达标，超标污染物为PM2.5、PM10、臭氧和二氧化氮。其中，2016年，江苏省共发生11次重污染天气过程，发布蓝色预警10次，黄色预警1次；13市累计出现重度污染75天、严重污染2天。江苏省空气质量治理任务仍然紧迫。

对碳排放与经济发展关系的研究大多采用验证环境库兹涅茨曲线（EKC）的方法进行分析。国外文献如Paresh Kumar Narayan，Behnaz Saboori & Abdorreza Soleymani（2016）；Octavio Fernández-Amador et al（2017）；Tamara L. Sheldon（2017）。国内文献有谢守红、丁卉（2013）计算1995-2009年江苏碳排放量，结果显示江苏碳排放量处于倒“U”型曲线的左侧；张宇青等（2013）收集我国30个主要城市的面板数据分析，结论显示EKC曲线是否存在与形状在不同指标、不同地区上均存在差异，大气污染与经济增长的关系可以表示为严格线性、正U型和倒U型。除此之外，还有Seyma Akkaya Deviren & Bayram Deviren（2016）采用层次结构方法，包括最小生成树（MST）、分层树（HT）和平均连锁聚类分析（ALCA）研究33个国家的碳排放与经济增长之间的关系；周曙东等（2010）用江苏1996-2007年行业面板数据对大气污染与经济总产值之间的关系进行实证研究，结果显示不同行业在大气污染排放方面存在显著差异。

较多学者在研究碳排放与经济发展关系的同时，还会引入能源消费变量，如Ashfaq Ahmad（2016）、Saidi Kais & Hammami Sami（2016）、Khalid Zaman & Mitwali Abd-el.Moemen（2017）、王圣等（2011）采用对数平均权重Divisia分解法进行研究；有的则引入人口变量，如Jong-Chao Yeh & Chih-Hsiang Liao（2017）。

与此同时，还有学者分析碳排放的多种影響因素，包括经济发展状况、产业结构、技术进步、人口增长、能源价格、城市化率、人均收入，如Saidi Kais & Hammami Sami（2016）、宋帮英和苏方林（2011）、林珊珊（2015）、李长顺（2013）、占李玲和陈洪昭（2014）、马丽梅和张晓（2014）。

二、模型设计与样本数据

（一）模型来源与设计

模型被广泛用于分析环境变化的影响因素框架，考量人类活动对环境的影响（Stern P.C. et al.，1992；Raskin P.D.，1995；York R. et al.， 2002）。指出环境（I）是三个关键影响因素的乘积：人口（P）、富裕（人均消费或生产）（A）和技术（每消费或生产单位的影响）（T），即I=PAT。

Richard York et al.（2003）基于IPAT模型，重新定义了STIRPAT模型：I=aPbAcTde，其中a，b，c，d为模型待估参数，e为随机扰动项，I为碳排放量，P为人口数量，A为人均国内生产总值，T为每单位GDP的二氧化碳排放，即碳排放强度，用来反映技术进步对碳排放的影响，技术水平越高，碳排放强度越低，能源效率越高，产生的碳排放量相对较低。在具体模型计算中，则使用其对数形式：LnI=a+bLnP+cLnA+dLnT+e。

同时，经济发展的含义很广，其指标体系有联合国社会经济发展研究所的16项指标体系、世界银行发布的世界发展指标体系共800多个指标，它们共同的是都包括经济总量、国民经济结构、文化教育卫生等部分。经济总量指标主要是GDP、人均GDP，国民经济结构主要指产业结构，文化教育卫生主要有预期寿命、中小学教育人数、每千人读报人数、识字率等（马春文、张东辉，2016）。endprint

基于数据的可得性和模型简化的考量，借鉴模型予以改进，设计分析江苏省碳排放与经济发展关系的模型：

CE=β0·PGDPβ1·CINTENβ2·SETβ3·e

其中，β0，β1，β2，β3为模型待估参数，e为随机扰动项，CE为碳排放量（Carbon Emission），PGDP为人均国内生产总值，CINTEN为每单位GDP的碳排放量，即碳排放强度，SET为衡量产业结构调整升级的指标，用江苏省第二产业比重与第三产业比重的比值来代替。在实际的模型计算中，将使用其对数形式：

LnCE=β0+β1LnPGDP+β2LnCINTEN+β3LnSET+e

其模型待估参数β0，β1，β2，β3的经济含义即为各影响因素对碳排放的弹性。

（二）样本数据来源与处理

本研究样本区间为1995-2015年，由《中国能源统计年鉴》（1996-2016年）收集江苏省能源平衡表中原煤、洗精煤等各种燃料的消费量；由《江苏统计年鉴》（1996-2016年）收集江苏省人均GDP、GDP和第二产业、第三产业比重。

根据联合国政府间气候变化专门委员会（IPCC）2006年公布的碳排放计算指南，采用以下公式计算江苏省碳排放量：

CE=Ck×Ik

式中，CE为碳排放量；Ck为各能源消费量，单位104吨标准煤；Ik为能源种类。各种能源的碳排放系数见表1。

1995-2015年江苏省碳排放与经济发展情况图

根据前文定义计算四个变量数值得到上图，其显示1995-2015年江苏省碳排放与经济发展的情况，碳排放量随着人均GDP上升而上升，但是上升的速度较人均GDP上升的慢；碳排放强度逐年下降，技术不断进步，能源利用效率不断提升，产生的单位碳排放量相对减少；碳排放强度下降速度与产业结构指数的趋势大致相同，随着江苏省产业结构不断升级，经济不断发展，能源利用效率逐步升高或者能源消费结构不断调整。

三、实证结果与分析

（一）平稳性检验

一般时间序列数据往往是非平稳的，容易出现伪回归，因此，建模前检验其平稳性。运用Eviews8.0分析软件中的ADF单位根检验方法对LnCE、LnPGDP、LnCINTEN、LnSET四个序列进行平稳性检验，结果如表2所示。

表2结果显示，江苏省LnCE、LnPGDP、LnCINTEN、LnSET四个原序列和一阶差分序列在10%的显著性水平下均无法通过平稳性检验。而其二阶差分序列在5%或1%的显著性水平下都能通过平稳性检验，意味着四个序列都是二阶单整的，即为序列。

（二）协整检验

根据平稳性检验发现，江苏省LnCE、LnPGDP、LnCINTEN、LnSET四个变量序列是二阶单整，能进行协整检验。运用Johansen协整检验，结果如表3。

从表3可得，江苏省LnCE、LnPGDP、LnCINTEN、LnSET四个变量迹统计量的伴随概率均小于0.01，即在1%显著性水平下最少存在三个协整关系，意味着1995-2015年江苏省碳排放与人均GDP、技术进步、产业结构之间存在长期均衡關系。

（三）Granger因果分析

协整检验考察多个变量之间的均衡关系，再借助格兰杰因果关系检验进一步确定这些变量之间的关系。江苏省LnCE、LnPGDP、LnCINTEN、LnSET四个变量的Granger因果关系检验结果如表4。

由表4可知，在10%的显著性水平下，1995-2015年江苏省人均GDP是碳排放和产业结构调整升级的Granger原因；在5%的显著性水平下，1995-2015年江苏省人均GDP是技术进步（碳排放强度）的Granger原因，碳排放和技术进步（碳排放强度）是产业结构升级的Granger原因，碳排放和技术进步（碳排放强度）互为Granger原因。

（四）回归分析

由前文平稳性检验、协整检验和Granger因果分析，得知1995-2015年江苏省碳排放、人均GDP、技术进步（碳排放强度）和产业结构调整升级之间存在长期均衡关系与Granger因果关系。基于前文第二部分构建的改进的STIRPAT模型，能够有效反映1995-2015年江苏省人均GDP、技术进步（碳排放强度）和产业结构调整升级对碳排放的影响，进行相应的模型回归，得出Eviews回归结果，如表5。

从表5可以得知，模型拟合优度指标R2=0.9999，接近于1，模型的解释能力较强；方程整体的F统计值=73731.09，对应的伴随概率小于0.05；三个解释变量LnPGDP、LnCINTEN、LnSET和常数项的伴随概率都小于0.05，意味着都通过了T检验，在5%的显著性水平下，三个解释变量对被解释变量LnCE的影响非常显著。由表5可得对应的回归方程：

LnCE=-0.7395+1.0436LnPGDP+0.9788LnCINTEN+0.0264LnSET

由回归方程得到，LnPGDP前的系数为1.0436，即人均GDP的碳排放弹性为1.0436，意味着1995-2015年江苏省人均GDP每上升1%，碳排放将上升1.0436%，LnCINTEN前的系数为0.9788，即技术进步的碳排放弹性为0.9788，意味着技术进步每上升1%，即碳排放强度每下降1%，能源效率提高1%，碳排放将下降0.9788%；LnSET前的系数为0.0264，即产业结构指数的碳排放弹性为0.0264，意味着第二产业比重与第三产业比重之比上升1%，碳排放将上升0.0264%。

四、结论与启示

通过收集计算1995-2015年江苏省碳排放量、人均GDP、碳排放强度和产业结构指数，改进STIRPAT模型，分析江苏省碳排放与经济发展之间的关系，得到以下实证研究结论与启示：endprint

（1）1995-2015年江蘇省碳排放量随着人均GDP上升而上升；碳排放强度逐年下降，能源利用效率不断提升，产生的单位碳排放量相对减少。江苏省人均GDP是碳排放、技术进步（碳排放强度）和产业结构调整升级的Granger原因；碳排放和技术进步（碳排放强度）是产业结构升级的Granger原因，碳排放和技术进步（碳排放强度）互为Granger原因。经济增长引致更多的能源消费，并且更有资金、技术等实力进行产业结构的调整升级，促进能源利用效率以及新能源的开发利用。1995-2015年江苏省人均GDP每上升1%，碳排放将上升1.0436%，即在目前阶段江苏省经济增长还是需要大量传统能源，传统能源种类使用的增加势必使得碳排放增加。技术进步每上升1%，即碳排放强度每下降1%，能源效率提高1%，碳排放将下降0.9788%，这与技术进步能有效降低碳排放的理论预期相符。

因此，江苏省还应不断推进技术进步与革新，尤其是能源利用方面。江苏省是我国经济、技术、人才大省，技术消化吸收进步的能力也较强，如全国首个物联网环保产业园已于2017年7月13日在无锡启动，围绕智慧环保全产业链，重点引进环保领域大气、水、土壤等专业监测分析传感器及系统的研发生产企业，环境监测平台及数据服务相关企业。江苏省应从政策层面大力推进改善供应方与终端能源利用效率，不断开发扶持可再生能源、替代燃料等清洁能源的利用与推广，从而减少温室气体排放量。

（2）江苏省碳排放强度下降速度与产业结构指数的趋势大致相同，并且江苏省碳排放与人均GDP、技术进步、产业结构之间存在长期均衡关系。第二产业比重与第三产业比重之比上升1%，碳排放将上升0.0264%，第二产业比重较高，对能源的需求将越大，碳排放也随之增加，产业结构调整升级将利于碳排放的减少。

为了减少碳排放，江苏省仍需不断提高第三产业在国民经济发展中的贡献率，促进经济平稳发展、产业结构优化。在扶持已有的租赁、金融业、商务服务业、交通运输仓储及邮政业、信息传输计算机服务和软件业的同时，不断开发和鼓励环境服务、特色电商、科技服务等新兴服务业。

[参考文献]

[1] Paresh Kumar Narayan， Behnaz Saboori， Abdorreza Soleymani. Economic growth and carbon emissions[J]. Economic Modelling， 2016 （53）： 388-397.

[2] Octavio Fernández-Amador， Joseph F. Francois， Doris A. Oberdabernig， Patrick Tomberger. Carbon Dioxide Emissions and Economic Growth： An Assessment Based on Production and Consumption Emission Inventories[J].Ecological Economics， 2017 （135）： 269-279.

[3] Tamara L. Sheldon. Carbon emissions and economic growth： A replication and extension[J].Energy Economics， 2017 （3）： 16-19.

[4] Seyma Akkaya Deviren， Bayram Deviren. The relationship between carbon dioxide emission and economic growth： Hierarchical structure methods[J]. Physica A， 2016（451）：429-439.

[5] Ashfaq Ahmad， YuhuanZhao， Muhammad Shahbaz， Sadia Bano， Zhonghua Zhang， Song Wang， YaLiu. Carbon emissions，energy consumption and economic growth： An aggregate and disaggregate analysis of the Indian economy[J].Energy Policy， 2016 （96）：131-143.

[6] Saidi Kais， Hammami Sami. An econometric study of the impact of economic growth and energy use on carbon emissions： Panel data evidence from fifty eight countries[J]. Renewable and Sustainable Energy Reviews， 2016 （59）：1101-1110.

[7] Khalid Zaman， Mitwali Abd-el.Moemen. Energy consumption， carbon dioxide emissions and economic development： Evaluating alternative and plausible environmental hypothesis for sustainable growth[J]. Renewable and Sustainable Energy Reviews， 2017 （74）： 1119-1130.

[8] Jong-Chao Yeh， Chih-Hsiang Liao. Impact of population and economic growth on carbon emissions in Taiwan using an analytic tool STIRPAT[J].Sustainable Environment Research， 2017 （27）： 41-48.endprint

[9]Stern P.C， Young O.R， Druckman D. Global Environmental Change： Understanding the Human Dimensions[M]. Washington， D.C.：National Academy Press， 1992.

[10]Raskin P.D. Methods for estimating the population contribution to environmental change [J]. Ecological Economics， 1995（15）：225-233.

[11]York R， Rosa E.A， Dietz T. Bridging environmental science with environmental policy： plasticity of population， affluence， and technology[J]. Social Science Quarterly， 2002， 83 （1）：18-34.

[12]Richard York， Eugene A. Rosa， Thomas Dietz. STIRPAT， IPAT and IMPACT： analytic tools for unpacking the driving forces of environmental impacts [J]. Ecological Economics， 2003 （46）： 351-365.

[13]謝守红，丁卉.江苏碳排放的演进特征及与经济增长的关系研究[J].生态经济，2013（1）：64-68.

[14]林珊珊.江苏碳排放的数量测算及其影响因素——基于改进STIRPAT模型的计量检验[J].南通大学学报（社会科学版），2015，31（4）：9-16.

[15]王圣，王慧敏，陈辉，孙雪丽，李亚春.基于Divisia分解法的江苏沿海地区碳排放影响因素研究[J].长江流域资源与环境，2011，20（10）：1243-1247.

[16]宋帮英，苏方林.我国东中西部碳排放量影响因素面板数据研究[J].地域研究与开发，2011，20（1）：19-24.

[17]占李玲，陈洪昭.产业结构调整与环境污染关系的实证分析[J].福建师大福清分校学报，2014，126（5）：84-92.

[18]马丽梅，张晓.区域大气污染空间效应及产业结构影响[J].中国人口·资源与环境，2014，24（7）：157-164.

[19]李长顺.气候变化背景下南京建设低碳城市的路径研究[D].南京：南京信息工程大学，2013.

[20]周曙东，张家峰，葛继红，王传星.经济增长与大气污染排放关系研究——基于江苏省行业面板数据[J].江苏社会科学，2010（4）：227-232.

[21]张宇青，易中懿，周应恒.我国主要城市大气污染与经济增长关联分析——基于静态与动态面板数据的实证[J].江西社会科学，2013（6）：56-61.

[22]马春文，张东辉.发展经济学（第四版）[M].北京：高等教育出版社，2016.

[责任编辑：潘洪志]endprint