广东省建筑业碳排放库兹涅茨曲线实证研究

晏为谦, 佘立中, 钟式玉, 陈 凯

(1. 广州大学 工商管理学院, 广东 广州 510006; 2. 广东省技术经济研究发展中心, 广东 广州 510070)

为应对全球气候变化，国际社会积极合作采取措施。2015年12月达成的《巴黎协定》确立了2020年后全球合作应对气候变化的方向和目标，将对各国节能减排形式产生深远影响[1]。在全球应对气候变化中低碳转型的背景和形势下，中国未来经济低碳化发展已是必然趋势[2]。低碳发展是“低碳”与“发展”的有机结合，不仅要降低CO2排放，也要兼顾经济社会发展，因此，研究二者之间的关系是必不可少的。

在碳排放与经济增长的关系研究中，对碳排放库兹涅茨曲线假说的探讨是一个研究热点。库兹涅茨曲线最初由美国著名经济学家库兹涅茨提出，其基本假设是国家收入分配不平等的状况存在随着经济增长呈现先扩大而后逐渐缩小的倒U型曲线关系，Grossman等[3]进一步提出了用于描述环境污染和经济增长之间关系的环境库兹涅茨曲线(Environment Kuznets Curve，EKC)。随后国内外学者进行了大量的实证研究，Tiwari 等[4～8]分别从煤炭消费、国际贸易、政策制度、技术变革和能源效率等不同方面讨论了对EKC的影响，研究对象主要有大气污染物指标、水污染物指标等环境指标。近年来温室气体排放引发的气候问题使学者们更加关注碳排放领域，并逐渐衍生为CO2的库兹涅茨曲线(Carbon-dioxide Kuznets Curve，CKC)。但由于各个地区的经济和低碳发展水平存在较大差异，相应的研究结果也有较大差别。Saboori等[9]检验了马来西亚的人均CO2排放量与人均GDP之间呈倒U型关系；而Kang等[10]利用空间面板数据模型研究了中国CKC的存在性，结果显示中国经济增长与CO2排放量之间呈倒N型。许广月等[11]研究发现中国东中西三大区域CKC存在差异。

目前，建筑业因碳减排潜力大、投资收益高而成为低碳的重点研究领域[12]。Heffernan等[13]对英国实现零碳建筑中的驱动力和障碍进行研究；Kwok等[14]正在开发一个建筑生命周期碳排放模型的框架以便整合量化建筑的碳排放信息；Lu等[15]通过确定关键因素的影响测算了我国1994～2012年建筑业碳排放量；Huang等[16]分析了40个国家碳排放量，结果表明发展中国家碳排放强度大于发达国家。对于碳排放与经济增长关系的研究很少涉及到建筑行业。研究建筑业人均产值和碳排放之间的关系，有助于评价地区建筑业低碳发展水平，为相关部门制定建筑业低碳发展政策提供依据。

如图1(数据来源：中国统计年鉴、中国建筑业统计年鉴)所示，自2003年起广东省房屋建筑施工面积的年均增速达到8.32%，大量新增建筑体现了广东省建筑业的快速发展，2014年底广东省建筑业总产值突破8300亿元，占全国建筑业总产值的4.7%，是2003年的5.5倍，年均增幅达16.78%。房屋建筑施工面积相比上年每增加1%，建筑业总产值提高2%左右。

图1 2003～2014年广东省建筑业产值和施工面积

“十二五”期间，广东省大力推动建筑绿色化，新建建筑设计阶段和竣工验收阶段的节能标准执行率达100%，但广东省建筑业增加值占GDP的比重仅3.4%，建筑业仍处于相对粗放的发展阶段，因此在绿色发展的浪潮中，建筑业的发展方式也将逐渐转变。因此，选取作为低碳试点的广东省为对象，测算2003～2014年建筑业碳排放量并选取CKC模型分析广东省建筑业人均产值与人均CO2排放量存在的曲线关系，对碳排放峰值进行预测。

1 区域建筑业碳排放测算方法

核算建筑业的碳排放应包括直接碳排放与间接碳排放两个部分[17]。建筑业直接碳排放指建筑业自身活动产生的碳排放；建筑业间接碳排放指建筑业诱发其他行业产生的碳排放，即建筑业对其他行业的碳排放拉动作用，本文以钢材、水泥、木材、玻璃、铝材等5种建筑材料的消费进行间接碳排放测算[18]。

1.1 建筑业直接碳排放

按照2006年《IPCC国家温室气体清单指南》碳核算方法，测算广东省建筑业消耗原煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气和电力等10种能源的直接碳排放，计算公式如下：

(1)

式中：Cdir为建筑业直接碳排放量；Eit为第t年第i种能源的消费量；δi为第i种能源的转换因子即标煤折算系数；ri为第i种能源的碳排放系数；44/12是碳转换为CO2的排放系数(表1)。

表1 各类能源标煤折算系数与碳排放系数

注：标煤折算系数选自《综合能耗计算通则》，碳排放系数根据IPCC和文献[19]的方法计算

1.2 建筑业间接碳排放

建筑业消耗水泥、钢材、玻璃、木材、铝材等5种建筑材料而形成的间接碳排放，计算公式如下：

(2)

式中：Cind为建筑业间接碳排放量；Fjt为第t年第j种建筑材料的消耗量；εj为第j种建筑材料的碳排放系数(水泥0.82，钢材1.79，玻璃0.97，木材-842.80 kg/m3(木材主要起碳汇作用，因此其碳排放系数为负)，铝材2.6[20])；αj为第j种可回收建筑材料的回收系数，其中钢材回收系数为0.8，铝材回收系数为0.85[21]。

2 建筑业CKC模型

自Selden等[22]提出对数多项式模型以来，大多数学者更愿意采用对数多项式模型来研究EKC问题，因为对数多项式模型的变量相较于多项式模型的变量，其递增或递减的速度相对缓慢。参数估计采用简化的EKC回归模型，如下式所示：

(3)

式中：E为建筑业碳排放量；P为建筑业从业人数(万人)；γt为描述数据的时间效应的常数；Y为建筑业总产值；εit为误差项；βk为第k个解释变量的系数；i为省份编号(检验单个省可略去)；t为时间序列。根据解释变量系数的符号方向，最常见的是以下四种关系：

(1)当β1<0，β2>0，β3=0时，碳排放量和经济增长呈U型关系，与传统EKC曲线相反，碳排放量先减少后增加；

(2)当β1>0，β2<0，β3=0时，碳排放量与人均GDP呈倒U型，与传统EKC曲线相符，碳排放量先增加后减少；

(3)当β1>0，β2<0，β3>0时，碳排放量和经济增长呈N型关系，表示经济增长的同时，碳排放量逐渐降低，之后再次增加；

(4)当β1<0，β2>0，β3<0时，碳排放量和经济增长呈倒N型关系，表示经济增长的同时，碳排放量逐渐增加，但随后减少。

3 实证研究

3.1 广东省建筑业碳排放

根据式(1)，(2)，结合《中国能源统计年鉴》、《中国统计年鉴》、《中国建筑业统计年鉴》得到表2中数据，广东省直接与间接碳排放量变化曲线及直接与间接碳排放结构如图2～5。广东省建筑业间接碳排放量对广东省建筑业碳排放量的贡献最大，是建筑业低碳减排的关键环节。2003～2014年广东省建筑业直接CO2排放量年均增长率为9.8%，间接CO2排放量年均增长率为11.5%。

表2 2003～2014年广东省建筑业生产总值和CO2排放量

由图2，3可以看出，汽油、柴油和电力消费产生的CO2是广东省建筑业直接碳排放最主要来源(建筑业其余能源消耗产生的CO2相比以上四种能源消耗产生的CO2很少，因此图中未标明)。

图2 2003～2014年广东省建筑业直接碳排放量

图3 2014年广东省建筑业直接碳排放结构

图4，5表明广东省建筑业间接碳排放中水泥消耗产生的碳排放占比最高，达86%，建筑材料消费仍以传统的耗能材料为主，但近两年消耗量增速放缓甚至有所下降。

图4 2003～2014年广东省建筑业间接碳排放量

图5 2014年广东省建筑业间接碳排放结构

3.2 基于EKC曲线的实证分析

3.2.1变量平稳性的单位根检验

为避免伪回归等问题的出现，需先对时间序列数据进行平稳性检验[23]，目前普遍采用ADF检验方法进行单位根检验。本文运用Eviews7.2软件检验建筑业人均直接碳排放量、建筑业人均间接碳排放量和建筑业人均总产值三个变量的对数值，即ln(E/P)dir、ln(E/P)und和ln(Y/P)的平稳性，检验结果见表3：

表3 变量的单位根检验结果

注：检验类型(C,T,a)中，C表示ADF单位根检验式包含常数项；T表示数据具有时间趋势，可根据时间序列图形或@trend值确定，0则表示不具有时间趋势；a表示滞后期数，根据AIC，SC，H-Q值最小准则确定

结果显示，三个变量得到的t统计值均小于显著性水平为5%的临界值，所以可在95%的置信度下拒绝原假设，认为三个序列不存在单位根，即表明解释变量人均直接CO2排放量、人均间接CO2排放量的对数值和被解释变量建筑业人均产值的对数值都为平稳时间序列，无需进行协整检验。

3.2.2格兰杰因果关系分析

格兰杰因果检验是由Granger提出的一种用来判别变量之间是否存在因果关系的一种检验方法。其检验结果见表4。

表4 格兰杰因果检验结果

注：滞后期数取2，根据AIC、SC最小准则确定

由表4结果可见，在5%的显著水平下，ln(Y/P)和ln(E/P)und之间存在双向因果关系(ln(E/P)und与ln(Y/P)的P值>0.05，但其不大于0.1且仅比0.05大0.0086，将其视为拒绝原假设)；ln(E/P)dir不是另外两者的格兰杰原因；ln(Y/P)和ln(E/P)und也不是ln(E/P)dir的格兰杰原因，故在CKC模型中仅分析ln(Y/P)与ln(E/P)und之间的关联。

3.2.3回归结果分析

根据式(3)，用广东省建筑业人均产值和建筑业人均间接CO2排放量对广东省碳排放库兹涅茨曲线模型进行拟合，得到如下回归方程，结果见表5。

表5 模型回归结果

结合表5中可决系数R2，选定三次CKC曲线为最优拟合模型。得到如下回归方程，见式(4)：

(4)

从回归方程来看，满足β1<0，β2>0，β3<0，说明建筑业人均间接CO2排放量与建筑业人均产值存在倒N型关系，即在建筑业人均产值不断增长的过程中，建筑业人均碳排放量先减少再增加，之后再次减少。如图6，对数式拟合曲线表现的是两种指标增长率之间的关系，不同于实际表现的绝对数值之间的关系。虽然CKC和建筑业实际人均产值拟合图一样都呈倒N型，但建筑业人均间接CO2排放CKC拟合图只呈现了倒N型的中间上升部分，其人均CO2排放上升拐点出现在人均产值51144元，下降拐点则在3470815元。2003～2014年广东省建筑业人均产值年增长率为12.57%，按此增长率预测广东省建筑业间接碳排放将于2033年达到间接碳排放峰值192240万吨。2015年中国向联合国提交的应对气候变化国家自主贡献文件中提出CO2排放总量将于2030年左右达到峰值并争取尽早达峰，广东省建筑业间接碳排放达峰时间略晚于该时间。测算采用的历史数据为2003～2014年，但受到2012年经济新常态后全省建筑业产值增长速度明显放缓的影响，2012～2014年建筑业人均产值增速仅有2.5%，降低了用来预测峰值的2003～2014年的年均增长率，导致测算的达峰年份推后。广东省建筑业间接碳排放若要满足2030年前达峰的目标，在碳排放水平不变情况下，需保持13.6%以上的建筑业人均产值年增长率。最近两年广东省建筑业碳排放增量出现下降趋势，对CKC中达到碳排放拐点的影响仍需进一步验证。

图6 建筑业人均间接CO2排放量及其对数CKC拟合曲线

4 结 论

研究结论表明：(1)广东省建筑业碳排放量呈波动增长态势，其中以建筑材料消耗产生的建筑业间接碳排放量为主，水泥消耗产生的CO2是建筑业间接碳排放最主要来源，建筑业间接碳排放量的变化趋势与广东省建筑业碳排放量基本一致，而由传统化石能源和电力消费产生的直接CO2排放量占比很小；(2)广东省建筑业经济增长是间接CO2排放量增加的双向格兰杰原因，而建筑业经济增长不是引起建筑业直接碳排放的格兰杰原因；(3)采用三次EKC曲线的拟合模型判断广东省的建筑业CKC曲线近似具有倒N型曲线关系，间接碳排放将于2033年达到峰值192240万吨，晚于国家碳排放总量的达峰目标2030年，广东省建筑业CO2排放量仍将长期处于随经济增长而增加的阶段，其中碳排放达峰时间受到测算时间段的选取和时间段内经济增长波动的影响。

广东省建筑业长期以来走的是一条高碳排放的发展道路，但近些年随着社会对建筑业低碳发展的重视程度提高，人均CO2排放量增速放缓，有助于广东省提早达到建筑业CKC的下降拐点，实现建筑业的低碳发展要求。在保持建筑业经济增长的同时，降低建筑材料消耗产生的碳排放量是建筑业低碳减排的关键环节，提高建筑材料的利用效率，是实现广东省建筑业低碳发展最有效的途径。

[1] 高 翔, 滕 飞. 《巴黎协定》与全球气候治理体系的变迁[J]. 中国能源, 2016, 38(2): 29-32.

[2] 何建坤. 全球低碳化转型与中国的应对战略[J]. 气候变化研究进展, 2016, 12(5): 357-365.

[3] Grossman G M, Krueger A B. Environmental impacts of a North American Free Trade Agreement[J]. Social Science Electronic Publishing, 1993, 8(2): 223-250.

[4] Tiwari A K, Shahbaz M, Hye Q M A. The Environmental Kuznets curve and the role of coal consumption in India: Cointegration and causality analysis in an open economy[J]. Renewable and Sustainable Energy Reviews, 2013, 18: 519-527.

[5] Jebli M B, Youssef S B. The Environmental Kuznets curve, economic growth, renewable and non-renewable energy, and trade in Tunisia[J]. Renewable and Sustainable Energy Reviews, 2015, 47: 173-185.

[6] Brown S P A, McDonough I K. Using the Environmen-tal Kuznets Curve to evaluate energy policy: Some practical considerations[J]. Energy Policy, 2016, 98: 453-458.

[7] Turner K, Hanley N. Energy efficiency, rebound effects and the Environmental Kuznets Curve[J]. Energy Economics, 2011, 33(5): 709-720.

[8] Li K, Lin B. An application of a double bootstrap to investigate the effects of technological progress on total-factor energy consumption performance in China[J]. Energy, 2017, 128: 575-585.

[9] 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: 184-191.

[10] Kang Y Q, Zhao T, Yang Y Y. Environmental Kuznets curve for CO2emissions in China: A spatial panel data approach[J]. Ecological Indicators, 2016, 63: 231-239.

[11] 许广月, 宋德勇. 中国碳排放环境库兹涅茨曲线的实证研究——基于省域面板数据[J]. 中国工业经济, 2010, (5): 37-47.

[12] 齐宝库, 赵 璐. 建筑业经济发展与碳排放脱钩测度研究[J]. 沈阳建筑大学学报(社会科学版), 2014, 16(1): 38-41.

[13] Heffernan E, Pan W, Liang X, et al. Zero carbon homes: Perceptions from the UK construction industry[J]. Energy Policy, 2015, 79: 23-36.

[14] Kwok K Y G, Kim J, Chong W K O, et al. Structuring a comprehensive carbon-emission framework for the whole lifecycle of building, operation, and construction[J]. Journal of Architectural Engineering, 2016, 22(3): 4016006.

[15] Lu Y, Cui P, Li D. Carbon emissions and policies in China’s building and construction industry: Evidence from 1994 to 2012[J]. Building and Environment, 2016, 95: 94-103.

[16] Huang L, Krigsvoll G, Johansen F, et al. Carbon emission of global construction sector[J]. Renewable and Sustainable Energy Reviews, 2018, 81: 1906-1916.

[17] 张智慧, 刘睿劼. 基于投入产出分析的建筑业碳排放核算[J]. 清华大学学报(自然科学版), 2013, 53(1): 53-57.

[18] 冯 博. 建筑业二氧化碳排放及能源环境效率测算分析研究[D]. 天津: 天津大学, 2015.

[19] 赵 敏, 张卫国, 俞立中. 上海市能源消费碳排放分析[J]. 环境科学研究, 2009, 22(8): 984-989.

[20] 张小平, 高苏凡, 傅晨玲. 基于STIRPAT模型的甘肃省建筑业碳排放及其影响因素[J]. 开发研究, 2016, (6):171-176.

[21] 李兆坚. 我国城镇住宅空调生命周期能耗与资源消耗研究[D]. 北京： 清华大学, 2007.

[22] Selden T M, Song D. Environmental quality and development: Is there a Kuznets Curve for air pollution emissions? [J]. Journal of Environmental Economics and Management, 1994,27(2):147-162.

[23] 易丹辉. 数据分析与Eviews应用[M]. 北京： 中国人民大学出版社, 2014.