中国区域低碳发展评价及影响因素研究：基于面板数据模型

蒋金荷

(中国社会科学院 数量经济与技术经济研究所， 北京 100872)

一、引言

绿色低碳是我国今后经济社会发展的基本理念。随着新型城镇化的不断推进和经济发展进入转型期，传统发展模式所引发的资源、环境和气候变暖问题日益受到重视。2015年联合国气候峰会通过了《巴黎气候协议》，期望国际社会共同努力遏阻全球变暖趋势，中国政府提出将于2030年实现单位国内生产总值二氧化碳排放(即碳排放强度)比2005年下降60%～65%的承诺。由于我国各地区能源消费、化石能源消费结构、经济发展水平、生态环境保护措施的差异，各地区的碳排放特征也存在明显的区别。研究区域碳排放问题，对于合理分配各地区碳排放配额指标、完成中国减排目标的国际承诺是非常必要的，同时也可为各区域制定绿色低碳发展路径提供决策支撑。

目前，对碳排放问题的研究文献相当丰富，研究内容也相当广泛。其中，涉及区域低碳发展以及利用各种计量经济学方法(如协整检验理论、格兰杰因果检验)来研究碳排放与经济发展关系的有：杜婷婷等以环境库兹涅茨曲线理论为基础，对我国碳排放量与人均收入的时间序列数据进行研究[1]；迟远英等利用协整理论研究人口规模、技术进步、经济增长等与我国碳排放的关系[2]；林伯强等引入城镇化发展因素构建模型，采用蒙特卡洛模拟法对我国碳排放量进行分析[3]；李跃辉等利用面板数据模型分析碳排放问题[4]；王泳璇考虑城镇化的影响构建能源排放模型[5]；刘军跃等研究了不同碳排放水平下产业结构升级与碳排放的关系[6]。国外涉及这一主题的研究文献包括：Hanif[7]，Nasreen等[8]，Wang等[9]，Wu[10]，Fodha等[11],Yang等[12]，Zeb等[13]，Zhao等[14]， Zilio等[15]，Al-Mulali[16]，Ang[17]，Esso等[18]，Kais等[19]。

综述这些涉及中国碳排放的文献，要么直接基于每省面板数据(如碳排放总量、人口、GDP等)进行探讨，要么对单个省市或某个区域的碳排放变化进行研究。这些研究存在的主要问题是：一是对各省市碳排放量的估算不统一，并且缺乏碳排放分能源品种的结构数据；二是缺乏系统综合分析，一些研究的数据已经过时。因而，基于目前可利用的能源统计数据，本文首先对省级的碳排放数据分能源品种统一估算，系统评价各地区低碳发展水平，并利用指数分解模型分析影响各地区人均碳排放的主要驱动因子和贡献率；其次，在研究期内考虑各地区的经济发展水平、能源消费政策、环境保护措施、城镇化率不断提高，基于STIRPAT扩展模型，利用面板数据模型实证研究各地区碳排放的影响因素。

二、省级碳排放总量及分品种排放量估算

考虑到数据的可利用性，对于省级碳排放总量的估算，我们只能利用历年《中国能源统计年鉴》中“分地区分品种能源消费量”表的数据进行估算，该表给出了9种能源实物量消费值，包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气、电力。根据IPCC提供的温室气体排放清单估算参考方法，得到以下CO2排放的估算公式：

C=∑iCi=∑iEQi×TEFi×CEFi(i表示能源种类，i=1,…,9)

(1)

其中：C为估算的碳排放量，i=1，2,…,9，表示化石能源种类，EQi表示能源i消费量(万吨或亿立方米)，TEFi表示能源i的折标煤系数，CEFi表示单位能源i的碳排放系数。

在估算CO2时，考虑到表中的煤炭是原煤、型煤等的合计，没有直接的折标煤系数，所以利用全国各年各种煤炭的消费量——实物量和标准量，求出每年的煤炭折标煤系数的平均值作为这次计算各省市的系数(表1、表2)，其他能源折标煤系数和碳排放系数根据国家统计局公布的系数，电力供电碳排放系数的估算方法可参看文献[20](表3)。表4、表5分别列出了2000年、2015年各省市碳排放总量、能源消费总量、人均碳排放总量、人均能源消费量、单位GDP的能源消费量即能源消费强度、人均GDP[注]由于重庆市的能源消费数据从2000年开始才可利用，故这次计算的期限为2000—2015年；西藏数据不全，这次没有包括。，为了便于比较，GDP均按2005年不变价格计算。限于篇幅，表6仅列出了2015年30个省市区分能源品种碳排放量和总排放量及其比例。

表1 9种能源折标煤系数和碳排放系数

表2 2000—2015年煤炭折标煤系数(kgce/kg)

表3 2000—2015年中国平均供电碳排放系数(gCO2/kWh)

表4 2000年中国各地区能源消费、碳排放主要指标

表6 2015年30个省市碳排放量及结构

三、区域低碳发展水平比较分析

分析表4、表5、表6，关于各地区的低碳发展水平可以得到以下几点结论。

(1)2000—2015年，除了少数地区最近几年略有波动外，各地区碳排放量、能源消费量都随着经济发展水平的提高而增长，这反映了各地区的经济发展对能源和碳排放的强依赖性。图1给出了2000—2015年各地区碳排放总量增长幅度和人均GDP年均增长率的排序，其中海南、宁夏、内蒙古位列前三，碳排放增长率分别为16.4%、14.7%、12.2%，远高于全国碳排放增长率为6.9%的平均水平。低于全国平均水平的只有北京、上海等12个省市。2015年碳排放总量居于前三的有山东、河北、辽宁，这三省的总和占全国碳排放总量的18.2%。

图1 2000—2015年各地区碳排放总量增长率(%)和人均GDP增长率排序

(2)超半数省市区人均碳排放量在2000—2015年都具有不同程度的增长，包括全国和13个省市区的人均碳排放达到峰值后出现波动。2015年，人均碳排放量高于全国平均水平的有8个省市(图2)，人均碳排放量位列前三的是宁夏、内蒙古、辽宁，分别达到13.2 tCO2、11.3 tCO2、10.8 tCO2，远高于全国人均碳排放为7.0 tCO2的平均值。人均排放量处于最低端的云南、湖南、江西，都属于农业大省。从各地区人均GDP和人均排放量排序的关系分析(图3)，两者没有必然的联系。

图2 2015年各地区人均碳排放量排序(tCO2/人)

图3 2015年各地区人均GDP排序(元/人)(当年价)

其中，人均碳排放峰值出现最早的是上海9.48 tCO2(2008年)和北京市5.83 tCO2(2009年)，位居峰值最高前三位的是：内蒙古11.82 tCO2(2012年)、辽宁11.64 tCO2(2012年)、新疆11.41 tCO2(2014年)(图4)。

图4 2000—2015年5省市区人均碳排放量(tCO2/人)

(3)2000—2015年，除了新疆是下降的(增长率为-0.5%)外，各地区能源效率都有不同程度的提高(图5)。研究期内全国能源效率年均增长(即能源强度下降)2.2%，除了新疆、宁夏、海南、青海、陕西和湖南，其余省市区的能效增长率都高于全国平均水平，其中北京的能源效率提高最大，年均增长率达6.6%(图6)。

图5 2000—2015年各地区能源效率年均增长率(%)

按照2005年不变价格计算，2015年万元GDP耗能最低的是北京0.4 tce/万元GDP，最高的是宁夏3.04 tce/万元GDP，后者是前者的7.56倍，全国平均水平是0.86 tce/万元GDP，高于全国平均水平的有11个省市区(图6)。

图6 2015年各地区能源消费强度(tce/万元GDP)排序

(4)碳排放强度即万元GDP碳排放量可以粗略反映一个地区的碳生产率水平，2015年碳排放强度最低的3个地区是北京、重庆、广东(图7)，万元GDP产出需排放CO2分别为0.63 tCO2、0.66 tCO2、0.69 tCO2；碳排放强度最大的3个省市分别为宁夏、新疆、山西，远高于2.07 tCO2/万元GDP的全国平均水平。其中，宁夏碳排放强度达到4.95 tCO2/万元GDP，高于全国平均水平的有7个省市区。

图7 2015年各地区碳排放强度(tCO2/万元GDP)排序

四、区域人均碳排放量变化的LMDI模型分解

根据前文分析，影响各地区碳排放变化的有经济、人口、能源等因素，消除人口因素的作用，分析各地区人均碳排放量增长幅度的差异。一般用Divisia指数模型对影响各地区的人均碳排放量变化的驱动因素进行分解。考虑到数据的可利用性，各个地区缺少分部门的碳排放数据，因此本文不考虑分行业的影响。需要指出的是，对于每个省市区来说，电力的碳排放属于间接排放，但电力因素的影响对于一个地区的能源消费和碳排放是不可忽视的。由于电力的碳排放系数(表2)每年都是变化的，因此，在分解模型(2)中不能忽略能源排放系数(ki)对人均碳排放变化的影响。也就是说，区域人均碳排放量的变化是由以下4种效应引起的，能源碳排放系数效应(DHkt)(反映能源消费中低碳能源所占比例的变化对人均碳排放量的影响，与能源结构效应有一定的类似)、能源消费结构效应(DHet)、能源强度效应(即能源效率效应，DHIt)、经济水平效应(DHGt)。根据指数分解方法，本文利用对数平均Divisia指数(Logarithmic Mean Divisia Index，LMDI)的一种变形LMDIII模型,式(3)即为区域人均碳排放Ht的LMDIII乘法分解式。

(2)

DHt=Ht/Ht-1=DHkt×DHet×DHIt×DHGt

(3)

各地区人均碳排放变化的LMDIII模型分解结果如表7所示[注]LMDIII模型属于完全分解方法，即没有残余项。但表中个别省份的分解结果与真实值不一致，这是由于这些省的天然气消费量数据缺失，当作0处理，所以造成结果差异。，表中仅列出2000—2015年人均碳排放变化的分解结果及各种效应的贡献率。各地区人均碳排放变化按年分解结果由于篇幅所限未给出。对于全国人均碳排放分解，由于所用能源为一次能源及分品种能源，所涉及的电力为核能、水能等属于“零碳”排放，故碳排放结构中没有电力碳排放数据，所有碳排放系数效应均为1，即碳排放系数没有随着时间而变化，对人均碳排放的变化不起作用。

表7 2000—2015年各地区人均碳排放变化LMDIII分解结果

续表(表7)

分析表7，可以得到以下几点结论：

(1)2015年，除天津和上海分别下降了19%、21%外，各地区人均碳排放量相比2000年都有不同幅度的增加，其中海南、内蒙古、宁夏增长幅度最大，分别比2000年增加了587%、487%、469%；全国平均水平增加了152%。

(2)经济发展水平效应是促进各地区人均碳排放量增加的主要驱动因子，其中贡献率最大的是北京市，最小的是新疆和宁夏；全国经济发展水平对人均碳排放增加贡献了144%。

(3)能源强度效应提高是促进碳排放增加的另一个主要因子。随着能源强度的提高，人均碳排放量增加，能源强度降低则人均碳排放量减少，即能源效率的提高有助于碳排放量的下降。除了青海省略有提高，其余地区在研究期内能源强度都有不同程度的下降，因而，能源强度效应起着抑制人均碳排放量增加的作用。由于下降幅度差别明显，因而，对抑制碳排放作用的效应也有较大差别，全国平均水平贡献率为12%。

(4)能源结构效应和能源碳排放系数效应对碳排放变化有正向和反向作用，贡献率一般都比较低；同一个省市，这两者的作用往往也不一致。比如广东省，2015年人均碳排放量比2000年增加了111%，其中经济水平的提高对碳排放增加贡献了261%，能源强度的下降对碳排放减少贡献了43%，而能源消费结构的改变对碳排放的增加贡献了5%，但总体能源碳排放系数的改变却对碳排放减少贡献了-1%。这与广东省能源消费结构的变动有关(图8)，因为在计算碳排放时考虑了电力部门的间接碳排放，而2015年煤炭、电力的消费比例增加了4个百分点，故导致人均碳排放量增加，但同时由于石油制品的碳排放系数比较高，2015年石油比例下降了近10个百分点，故总体碳排放系数是下降的。

五、区域碳排放与环境库兹涅茨曲线：面板数据模型

图8 2000年、2015年广东省能源消费结构(%)的变动

IPAT模型是学术界公认的分析人类活动对环境影响的工具，被广泛作为一个分析环境变化驱动力的框架，IPAT规定环境影响是人口、富裕程度(人均消费或生产)和技术(每单位消费或生产的影响)3个关键驱动力的复合作用。随着应用的深入，基于IPAT模型提出了各种扩展的模型，如ImPACT模型、STIRPAT模型等。其中环境与经济增长之间的关系，就是著名的环境库兹涅茨曲线(EKC)。尽管对该曲线还存在一些争议，但是争议的焦点在于曲线拐点是否存在，而对于经济发展与环境质量的相关性基本上是认可的，也有大量实证研究的案例。本文为了实证研究影响我国区域碳排放的主要因子，包括经济发展水平、能源消费政策、环境治理措施等，基于EKC假说及IPAT扩展模型(Hanif[7]，Hanif和Gago-de-Santos[21])，构建了以下模型：

C=f(G,G2,X)

(4)

基于前文分析，具体展开为：

(5)

其中：Cit为i省市t期碳排放量，α0是常数项，表示碳排放的差异性，βi(i=1,2,…,5)表示各自变量的估计系数，Git表示i省市t期的人均GDP，本文引入人均GDP的平方项来验证环境库兹涅茨曲线理论，Uit表示i省市t期的人口城镇化率，Fit表示i省市t期的化石能源消费量，亦即能源消费总量除去清洁能源量，Vit表示i省市t期的生态环境状况指数，μit代表随机误差项。考虑到城镇化率和生态环境状况指数都是无单位量纲的变量，为了结果便于经济学含义解释，故在模型中一般不考虑对其取对数。

对这些变量的数据进行常规处理后，再进行模型计算，主要变量的描述性统计结果如表8所示。本文数据来自于我国30个省份(除西藏)2000—2015年的主要变量的取值，其中碳排放总量作为因变量。为了反映能源消费管理政策对碳排放的影响，考虑到清洁能源(如电力)在终端使用时不直接排放碳，故本文利用化石能源消费量，亦即将消费总量直接减去清洁能源消费量作为电力消费量；人均GDP体现经济政策的影响，既可反映某个地区的经济发展水平，也可粗略反映当地的经济富裕程度；人均GDP的平方用于检验碳排放是否符合环境库兹涅茨曲线，城镇化率反映城市扩张、人口变动状况对碳排放的影响。

为了反映生态环境保护政策实施对各地区碳排放的影响，利用了“生态环境状况指数”。考虑到数据可得性与评价的准确性，本文选取2015年中华人民共和国环境保护部发布的《全国生态环境质量报告(2014)》 附录的《生态环境状况评价技术规范》中用于评价生态环境的“生态环境状况评价指标体系及计算方法”[注]《全国生态环境质量报告(2014年)》:http://www.cnemc.cn/qgsthjzlbg2092944.jhtml。考虑到数据可利用性，本文仅选取3个二级指标和11个三级指标。 感谢中国社会科学院研究生院2018届硕士生贝晓萌对指标数据处理的帮助。，其中“生态环境状况指数”又包括“生物丰度指数”“水网密度指数”和“污染负荷指数”3个二级指标，3个二级指标又细分为11个三级指标，最终将评分变量作为各地区生态环境状况的表征变量。每个指标的计算方法可见《全国生态环境质量报告(2014)》附录。指标中所需数据来源于《中国环境统计年鉴》(2001—2017年)和《中国环境年鉴》(2001—2017年)。

表8 主要变量的描述性统计结果

模型处理结果见表9。首先使用最小二乘估计(OLS)方法做个基准模型 (见表9列(1))，一般来说，在估算面板数据固定效应模型的时候，利用两种控制效应模型——个体固定效应和时间固定效应，但是本文选取的是省级面板数据，时间跨度(2000—2015年)较短，因而，由于样本太小，控制太多固定效应(也就是加虚拟变量)很容易造成系数不显著的现象。表中列(2)给出了只控制个体固定效应的计算结果，列(3)是控制个体和时间固定效应的模型结果。可见，因为是省级数据且样本比较小，列(3)结果不是很显著，但是模型估计系数大小和方向与列(2)差异不大，列(2)中的人均GDP、人均 GDP平方、化石能源消费的显著性水平比较显著，故本文采用列(2)的结果进行分析。

表9 模型回归估算结果

六、面板数据模型结果分析

表9列(2)模型结果表明，经济增长水平(人均GDP)对区域CO2排放具有统计学意义上比较显著的促进作用，更确切地说，当其他变量不变时，人均GDP每增加1%，对各省市区的碳排放量增长贡献了0.875%，这个结论与一些研究结论一致。人均GDP平方对碳排放有较明显的抑制作用，人均GDP平方每增加1%，对区域碳排放减少约0.05%，因而，经济增长水平对碳排放的正向作用及经济增长水平平方对碳排放的负面影响支持环境库兹涅茨曲线(EKC)假设。根据EKC假设，经济增长与碳排放之间存在倒U型关系，本文认为经济增长的上升会增加碳排放，但在某个拐点之后，经济的进一步增加会减少二氧化碳的排放。

这个结论隐含的政策含义表明，由于各个地区的经济发展水平存在很大差异，发展水平较低的省市区，可能在“节能减排”控制的投资、政策法规的实施上积极性稍弱，而更注重“经济增长是第一要务”的硬指标。而经济发展水平较高的地区，或许已经过了曲线的“拐点”，则对高质量环境有较高的诉求，如提高可再生能源的消费结构占比，积极实施能源政策以减少碳排放。这个实证研究结果与我国现状大体是相符的。

模型结果也显示出，化石能源消费(F)对碳排放具有明显的促进作用，如果所有其他因素都不变，那么化石能源消耗量每增加1%，会使区域碳排放量增加约1.08%。根据表5不难发现，绝大多数的省市区直接碳排量占比均超过60%，尤其在资源密集型、高耗能发达的地区(如河北、山西、辽宁等)均超过70%。因此，积极推广实施可再生能源、清洁能源，对于保护环境、减少碳排放是非常必要的。从短期而言，需要增加可替代能源的相应投资，但长期来说，可大大降低化石能源消耗对环境的污染和危害，提高居民的生活质量。

模型结果显示，城镇化率提高对碳排放的抑制作用和环境指数的增加对碳排放的促进作用，在统计学意义上不具有显著的影响。但实证分析结果表明，城镇化率的提高对碳排放增加具有促进作用。考虑到本文中的环境状况指数更多反映的是各地区实施一系列环境措施后的本地区的环境效果，对碳排放量的变化指向不明显，当前的环境保护政策实施对碳排放的效果有待进一步评估。这个统计结果也反映出城市人口扩张对碳排放的增加不足以达到统计学意义上的显著影响。

七、结论与建议

(1)经济增长和化石能源燃料的使用仍是研究期内各个地区碳排放增加的主要驱动因子。

(2)少数地区的人均碳排放量在研究期内出现峰值，考虑到经济发展水平对碳排放的促进作用和较大的贡献率，由于绝大多数地区经济处于下行期，那么这种人均碳排放量的下降是由技术进步等引起的长期经济行为还是一种暂时现象，需要进一步深入研究。

(3)提高能源效率是减少碳排放量的主要途径。研究期内，一般来说经济比较发达的地区能源效率提高幅度较大，因而，对碳排放量减少的贡献也大，但经济发展比较落后的西北地区和广西、海南，研究期内能效提高对降低碳排放的贡献较小，因而，未来如何提高能效对这些地区的减排来说是十分重要的课题。

(4)总体上，研究期内能源结构的改变不足以对碳排放量的减少带来显著影响，亦即清洁能源、低碳能源的比例仍过低。未来各个地区都面临提高清洁能源比例、优化电力系统结构、降低供电碳排放系数等问题。

(5)模型结果显示，统计学意义上经济发展和碳排放呈现出环境库兹涅茨曲线。随着经济水平的进一步提高以及城镇化的推进，经济发展比较落后的地区人均碳排放量还将增加。也就是说，如何在发展经济的同时相应地抑制碳排放量的增加，是新型城镇化和绿色低碳发展面临的课题。

(6)本文研究的一大目的是验证各种节能减排能源政策和环境保护措施对碳排放的影响。但结论的统计检验不显著，侧面反映了政策实施的效益不明显，需要进一步加大生态环境保护治理力度，降低对不可再生资源的消耗，实现经济社会绿色低碳及可持续发展。

(7)区域协调合作也是低碳发展的一条途径。碳排放属于跨区域的环境问题，况且各个地区存在能源资源配置差异以及经济发展的不平衡，因而需要开展深层次的区域合作，制定有效的能源管理和环境治理战略，解决资源、环境、经济的协调发展。