中小城市工业能源消费碳足迹路径研究<br/>——以江苏省镇江市为例

中小城市工业能源消费碳足迹路径研究
——以江苏省镇江市为例

2018-12-26江心英李玉婷

山东工商学院学报 2018年6期

赵爽,江心英,李玉婷

(江苏大学a.管理学院;b.财经学院,江苏镇江 212013)

一、引言

现阶段城市化、工业化仍然是拉动中国中小城市经济发展的主要力量,研究现阶段中小城市发展过程可以发现,地方政府为了追求政绩,盲目求大,造成城市摊大饼发展,各类资源的集聚效应给城市发展带来的利好逐渐被环境污染、交通拥堵等城市病抵消,正如经济学家吴敬琏所说:如果我们可以尽量发挥城市的正能量,尽量减少其负能量,这样的城镇化就接近成功了。新时期,如何破解中小城市发展瓶颈,实现城市与生态环境和谐发展是各级政府必须面对的重大课题。城市化、工业化过程中能源消耗带来的大量碳排放无疑是现阶段应对气候问题的主要抓手,而工业行业更是碳排放的主要行业。学术界普遍在国家或者地区层面研究碳排放问题而忽略了中小城市在碳减排、绿色发展的重要作用。因此本文通过选取典型城市江苏省镇江市,研究其工业碳排放及影响因素,并提出针对性低碳对策,为镇江市实现低碳发展、绿色发展提供良好支撑,也为其他中小城市提供一定参考借鉴。

二、文献综述

气候变暖作为一个全球性问题,在学术界也得到了广泛关注,关于碳减排的学术成果颇丰,根据其研究的主要内容可以分为如下几类,第一,研究碳排放效率问题。如周五七(2012)通过SBM模型分析了1998～2009年30个省的工业碳排放效率,发现整体工业碳排放效率在不断改善,但水平偏低,仍有较大提升空间。马大来(2015)则用最小距离法分析了1998～2011年各省碳排放效率,并深入研究了区域差异及空间相关性。孙秀梅(2016)以山东17个地级市为研究对象,选取2005～2012年面板数据,运用超效率SBM和Malmquist指数比较了各市碳排放效率变化特点,得出东营市的碳排放效率最高,莱芜市最低,菏泽市效率值增长最快。郭炳南(2017)测算了1997～2014年长三角两省一市的碳排放效率,结果显示,上海处在有效前沿面上,江苏、浙江则稍低,能源和劳动力的不合理投入是造成碳排放效率偏低的主要原因。陈晓红(2017)则是运用剔除环境因素的三阶段DEA和非期望产出的SBM模型,分析了2000～2012年各区域的碳排放绩效。研究结果显示,全国碳排放绩效不高,但2006年以来效率值增长加快,低碳发展取得一定成效。第二,研究碳排放影响因素。赵欣(2010)运用最小二乘法,研究了各因素对我国碳排放的影响程度,量化结果表明,经济增长、能源消耗和国际贸易对碳排放增加有显著正向作用,而科技投入、技术引进、非国有经济均对碳排放起到抑制作用。查建平(2013)利用序列DEA及相关方法创建TCPt动态指数计算了2003～2010年省际工业碳排放效率。并重点分析了工业规模、结构、能源消费结构、外商投资等七类因素对碳排放绩效的影响水平。李国志(2013)以日本为研究对象,基于1966～2011年时间序列数据和状态空间模型,实证分析了日本碳排放影响因素。认为人口规模、经济增长、技术进步与碳排放之间存在协整关系,亦是影响碳排放最主要因素。张勇(2014)以Stirpat模型为基础构建驱动因子模型,研究了2000～2011年安徽省碳排放影响因素,实证结果显示,城市建设、工业化程度加剧了能源消耗,对碳排放增加起到显著正向作用。针对影响因素,提出了优化产业结构和城镇建设、提倡绿色消费、发展新能源等低碳发展策略。张腾飞(2016)通过Hansen门槛面板模型、SBM模型、Barro和Sala-i-Martin的β收敛模型研究了城镇化对中国碳排放效率的影响。可见城镇化、能源消耗、产业结构等是学者研究碳排放影响因素的主要方面。第三,碳排放与经济增长关系研究。武红(2013)测算了碳排放总量与国内生产总值之间的关系,协整检验、脉冲响应函数、格兰杰因果检验是其实证研究的主要方法。王蓉(2013)立足于陕西省情,用Tapio脱钩指数,研究了1995～2010年碳排放量与国民生产总值脱钩情况,并进一步分析了各类影响因素。齐绍洲(2015)选取1995～2012年面板数据,结合Tapio脱钩指数研究了中部六省的经济增长与碳排放之间的脱钩情况。施锦芳(2017)对中国和日本经济增长与碳排放关系的EKC曲线进行实证检验,得出中国EKC曲线表现出“倒N型”,而日本则是“N型”,并预测我国碳排放有上升可能性[1-17]。

分析对比已有的研究成果可以发现,无论是效率研究、影响因素研究以及碳排放与经济增长的关系研究,研究对象主要是国家、省份或者工业行业,对中小城市的研究显著不足。大城市发展已相对趋于稳定,中小城市数量多,发展阶段参差不齐,是目前及未来城市化、工业化的主力军,因此,中小城市的工业碳排放问题应该得到足够的研究重视。因此本文选取中小城市中的典型城市江苏省镇江市,通过Tapio脱钩指数分析工业经济增长与碳排放之间的脱钩情况,以期对镇江工业近年来低碳发展趋势及效果进行检验,并借助扩展的Stirpat模型研究所有权属性、能源消费结构、外商投资、城市化水平、政府影响力、富裕程度等因素对碳足迹的影响程度,同时检验了镇江碳排放与富裕程度是否符合EKC曲线,最后提出针对性的减排对策。

三、研究方法与数据处理

(一)脱钩分析

脱钩的相关概念由经济合作与发展组织(OECD)在2002年提出,用来分析经济发展与环境污染之间的关系,此后脱钩及其相关理论在学术界得到了广泛运用,包括评价地区可持续发展、经济物质消耗、碳减排等领域。在具体分析中主要有两种方法,OECD脱钩指数和Tapio脱钩指数。

1.OECD脱钩指数。OECD脱钩指数体现的是某一固定时间点上的脱钩情况,它以基期作为参照标准,评价报告期的相关情况。具体的计算公式如式(1)所示。

DI=(EPT/DFT)/(EP0/DF0).

(1)

其中DI为OECD脱钩指数,T表示报告期,0表示参照期,EP、DF分别为环境因素和经济因素。

2.Tapio脱钩指数。Tapio脱钩指数可以有效解决OECD方法因参照期和报告期选择问题上造成的偏差。具体计算公式如式(2)。

TCO2GDP=(ΔCO2/CO2)/(ΔGDP/GDP).

(2)

TCO2GDP代表了地区经济增长与碳排放之间变化走势,根据其值的大小,按照0、0.8、1.2三个节点分为不同的脱钩状态。具体的指标分类如表1所示。

表1 Tapio脱钩指标分类

弱脱钩是经济增长和碳排放增幅均为正,且经济增长增幅大于碳排放增幅;强脱钩是碳排放负增长,但经济正向增长的状态;衰退脱钩是经济与碳排放均为负增长,但碳排放降幅大于经济降幅的一种状态;增长连接是碳排放与经济增长均为正增长,但碳排放增幅接近甚至超过经济增幅;衰退连接是碳排放与经济增长增幅均为负,且幅度基本相同的状态;增长负脱钩是经济与碳排放增幅均为正,但经济增幅小于碳排放增幅;强负脱钩是经济负增长,但碳排放量正增长的状态;弱负脱钩是经济与碳排放均为负增长,且经济降幅大于碳排放。

(二)工业能源消费碳足迹

碳足迹(Carbon Footprint)代表各类生产活动在生命周期内所排放的温室气体,研究碳足迹可以发现某行业的生产活动给自然环境带来的环境压力状况,从而为评价相关绩效及减排提供基础和依据。随着全球气候变暖加剧,碳足迹也成为学术界研究的热点问题,国内外关于碳足迹的研究对象包括了具体产品、行业、地区到国家。本文借鉴卢娜的研究[18],根据生态足迹方法,以人均需求林地转换碳量衡量碳足迹变化,碳足迹计算方法如式(3)。

(3)

其中CE为碳排放量(吨),P为人口(人),FCL表示单位林地吸收转化碳量(t/hm2),根据世界自然基金会提高的数据,取FCL为6.49t/hm2。Cf为碳足迹(hm2/人),表示人均需要Cf公顷的林地量应对分摊的碳排放量。

(三)Stirpat模型

在IPAT模型的基础上,Dietz(1994)提出了Stirpat模型[19],具体表达式如式(4)。

(4)

式中,自变量P、A和T分别表示人口、富裕程度和技术水平。因变量I为环境影响。a为待定系数,b、c和d分别是各自变量的指数,ε为随机误差。下标t代表不同时间点。Stirpat模型表示了环境与人口、经济发展和技术水平之间紧密关系。如果将式(4)转化成对数形式,则b、c和d分别表示各个自变量变动1%时,会引起因变量I变化b%、c%和d%。

由于Stirpat模型仅包含三类影响环境的变量,但现实中,影响环境因素的变量越来越多,因此为了更全面系统的研究这些因素对环境的影响程度,本文根据Stirpat模型的构建形式,通过添加一定的自变量数量对其进行适当扩充。为了减少数据波动、共线性和异方差对分析的影响,对模型两边取对数,具体如式(5)。

lnIt=Lna+blnPt+clnAt+dlnTt+…+Lnεt.

(5)

(四)指标选择及数据处理

影响碳足迹的影响有很多,根据现有的学术成果发现,主要关注所有权属性、外商投资、能源消费结构等方面,所有权属性主要考察国有及国有控股工业企业在碳减排中的作用,一方面,国有成分企业内部缺乏足够的市场竞争机制,低效率一直是国企发展的诟病。同时,国有企业受行政命令影响大,受制于绩效考核,往往对碳减排指标敏感,因此在减排上会更加主动。且低碳减排相关技术设备往往需要投入大量的资金作为支撑,国有企业多财力雄厚、渠道广,这也为实施碳减排创造了良好条件;外商投资对东道国的环境影响主要包括“环境避难所”和“污染晕轮效应”,即发展中国家由于环境规制较弱,发达国家将相对高污染的企业转移到广大发展中国家,这必然引起发展中国家的碳排放增加。FDI为东道国带来大量的就业机会、且为地方政府带来直接的政绩利益,因此为了吸纳更多的FDI,东道国往往会主动降低环境标准,这也使得FDI带有高污染高排放的特征。同时,FDI会带来先进的生产技术,能源利用率较高,通过技术溢出、知识溢出带动当地技术水平提高,因此FDI又会提高碳排放绩效,逐步减少东道国碳排放量。能源消费结构始终是决定碳排放的关键因素之一,以煤炭为代表的传统化石能源是工业最主要的能源消耗,清洁能源产业处在起步阶段,使用较少;考虑到我国中小城市多处于城市化的加速阶段,基础设施建设正如火如荼展开,急需大量的工业产品;同时,党的十八届三中全会提出了“使市场在资源配置中起决定性作用和更好发挥政府作用”,因此,地方政府在碳减排中扮演着什么样的角色值得探究。因此在前人研究基础之上,本文又添加了城市化因素及政府影响力。为了研究碳排放与工业经济增长是否符合环境库涅茨曲线,碳排放曲线是否随着富裕程度出现拐点,需要通过添加富裕程度因素,并观察其二次项系数正负情况做出判断。

基于已有的学术成果,对指标做如下量化,工业碳足迹为被解释变量,记为CF。OW为所有权属性,用国有及国有控股工业产值在规模以上工业产值占比表示;FDI用外商投资企业工业产值在规模以上工业产值占比表示;ES为能源消费结构,用规模以上工业企业原煤消耗量在所有能源消耗中占比测度;UR为城市化水平,用城镇化率衡量;GI为政府影响力,用财政支出与地区生产总值比值表示;AF为富裕程度,用人均工业产值表示。因此最终的Stirpat模型如式(6)。

LncFt=Lna+blnURc+cLnFDIt+dLnOWt+eLnESt+fLnAFt+g(LnAFt)2+hlnGlt+Lnεt.

(6)

对LnAF求一阶偏导数,得到富裕程度对工业碳足迹的弹性系数,如果二次项的系数为负,则富裕程度与工业碳排放量符合环境库涅茨曲线,反之则不符合。

工业选择规模以上工业企业数据,为了消除通货膨胀及价格因素对分析的影响,通过工业产品出厂价格指数,将历年工业产值平减到2001年。考虑到相关指标统计上的一致性及数据可得性,研究区间确定为2001～2016年,所有数据均来自历年《镇江统计年鉴》《中国能源统计年鉴》及镇江市国民经济和社会发展统计公报。

(五)工业碳排放计算

由于各统计年鉴并未直接给出工业碳排放量,本文根据IPCC(2006)推荐的碳排放计算公式,整理2001～2016年镇江规模以上工业企业主要能源消费量,计算得到最终的碳排放量,计算公式如式(7)。

CE=∑i=1(Ai*bi).

(7)

其中,CE表示碳排放量,单位为万吨,i表示能源种类,Ai为能源i的消耗量,单位为万吨标准煤,bi为能源i的碳排放系数。详细的能源折标准煤系数和碳排放系数如表2所示。

表2 各类能源折标准煤系数及碳排放系数

四、实证分析

(一)镇江概况、工业发展及低碳城市建设

镇江位于江苏南部、长江南岸、长江三角洲西段,西接南京,长江和京杭运河在此交汇。区域面积0.384 3万平方公里,2016年常住人口为318.13万。镇江2016年产业结构依然维持“二三一”,但二三产业占比已经十分接近,分别达到48.79%、47.62%。2016年实现工业总产值9 066亿,其中,轻重工业占比分别为17.37%、82.62%,重工业中以造纸、石油加工、金属冶炼等高耗能行业为主。作为一个资源并不充裕的城市,镇江率先意识到节能减排、低碳发展的重要性,已经明确提出在2020年率先达到碳峰值,比2030年的国家碳峰值目标提前10年,且2016、2017年成功举办了两届镇江国际低碳技术产品交易展示会,取得了丰厚的成果,低碳镇江已经成为城市有力的宣传名片。但低碳减排的任务依然艰巨,能源消耗具有一定惯性,能否如期实现碳峰值对未来城市发展意义重大,因此,在现阶段研究镇江工业碳排放问题,将会为落实减排、制定产业政策提供一定参考价值。

(二)Tapio脱钩指数分析

Tapio脱钩指数可以有效描述工业经济增长是否与碳排放实现脱钩状态,根据Tapio脱钩指数计算方法,得到2001～2016年镇江工业与碳排放脱钩结果,见表3。

从脱钩结果可以发现,2003、2011、2014年为增长连接,2016年为增长负脱钩,2007、2008和2015年为强脱钩,其与年份均是弱脱钩状态。2011～2016年即十二五时期,脱钩状态较2001～2010年变化更加剧烈,因为十二五以来,镇江实施低碳战略的步伐加快,产业结构转型升级、淘汰落后产能、大力发展新兴产业,且2012年,国家发改委将镇江确定为国家级低碳试点城市,无疑更加坚定镇江落实低碳发展的决心。产业结构变化调整往往会造成产值以及碳排放一幅度波动,即造成了十二五以来脱钩变化较大。从整体分析,镇江工业脱钩形势较好,但仍然具有不稳定性,仍需继续实施有效的节能减排措施,巩固脱钩成果。

表3 2001-2016年镇江市工业脱钩情况

(三)工业能源消费碳足迹

根据2001～2016年镇江工业各类能源消耗量并结合碳排放计算公式,得到各年的工业碳排放量。碳排放总量由2001年的532万吨增加到2016年的1 313万吨,年均增长率9.79%。工业产值由613亿增加到7 736亿,年均增长率为77.47%,工业产值增速显著快于碳排放量增速。从图1可得,工业碳足迹由0.31hm2/人增加到0.74hm2/人,年均增加9.25%。碳足迹的变化走势总体上可以分为三个阶段,第一阶段,2001～2006年,稳步上升,2006～2010年,平稳波动,2010～2016年,波动上升。2006年及以前,工业处于加速发展阶段,能源消耗量剧增;而第二阶段主要受2008年金融危机影响显著,各行业均受到较为严重的冲击,出口减少,订单不足,导致生产规模缩小,能源消耗亦随之变化。第三阶段,即2010年后,各级政府的经济刺激,金融危机所带来的恶劣市场环境有所改善,工业企业经营逐步好转,因此,能源消耗随着增加。但由于新时期,高投入、高消耗、低附加值的工业经济很难维持下去,经济发展面临转型,加快产业结构转型、逐步淘汰落后产能,且低碳发展、绿色发展已逐步得到落实,因此,碳足迹会在波动中上升,且2015、2016年碳足迹均低于2014,表明镇江工业低碳化已经取得一定成效。

(四)基于Stirpat模型的碳足迹影响因素分析

1.数据描述与多重共线性检验。为了整体把握各个变量前后变化及其水平,整理得到各个变量的描述性统计结果,见表4。2001～2016年,外商投资份额、能源消费结构、城市化水平变化幅度较小,所有权属性、政府影响力和富裕程度均发生了较大变化。新能源产业发展滞后,以煤炭为代表的传统化石能源消费的主体地位始终没有改变;城市化往往是一个相对缓慢的发展过程,很难在短时间内产生较大波动;国有及国有控股工业企业份额降低,表明近年镇江非公有制经济经济逐渐壮大,所有制调整效果显著。

图1 2001～2016镇江工业能源消费碳足迹

表4 各变量描述性统计结果

将2001～2016年的工业碳足迹作为被解释变量,所有权属性、外商投资、能源消费结构等5个变量作为解释变量,通过SPSS19.0软件,运用普通最小二乘法(OLS)进行初步回归,结果见表5。

从OLS回归结果可以得到,调整后的R2为0.975,表明回归拟合度较好,但OW、ES、GI的t检验值均不显著。当膨胀系数(VIF)值大于10时,说明存在严重的共线性,本回归结果中多个变量的VIF值均大于10,因此,可以判定多个变量之间存在严重的多重共线性问题。

2.岭回归分析。当变量之间存在严重的多重共线性却仍然用OLS进行回归时,可能会造成参数估计量的方差增大、参数的估计精度较低、参数估计量经济含义不合理、显著性检验的结论失效等一系列问题。而岭回归可以减少多重共线性带来的不利影响,通过放弃OLS的无偏性,以损失部分信息和适当降低精度的方式得到更加符合实际情况的回归结果。

在(0.1)区间上,以步长0.01进行尝试,通过岭迹图的变化稳定性,最终确定岭参数K=0.2。同时为了保证模型的稳定性及精确性,借鉴丛建辉的处理方法[20],将回归系数稳定和绝对值较小的FDI因素剔除。由于SPSS缺少岭回归计算的固定模块,需要通过语法命令计算,最终得到岭回归结果,见表6。

表5 OLS回归结果

注:R2=0.987，调整后的R2=0.975，F统计量=84.275，Sig F=0.000。

表6 岭回归结果

注:R2=0.964,调整后的R2=0.940,F统计量=39.848,Sig F=0.000。③② 分别表示通过1%和5%的显著性检验。

从岭回归结果可以发现,调整后的R2为0.940,略低于OLS回归的R2,但拟合度依然较好,回归系数的符号基本符合实际情况,且所有变量均通过了显著性检验,表明在本文中岭回归比OLS更有优势。根据回归结果,得到如下模型表达式,式(8)。

LnCF=0.986LnUR-0.042LnOW+1.341LnES+0.120LnGI+0.048LnAF+0.002(LnAF)2-0.651.

(8)

具体分析,所有权属性(OW)的系数为负,表明其对碳足迹有抑制作用,即提高所有权属性值1%,会降低碳足迹0.042%。国有及国有控股企业受到行政监管的力度较其他类型企业更大,及时响应国家节能减排政策,且具备实施低碳生产的物力财力。镇江国有及国有控股企业占比不断降低,在继续保持其节能减排效用的基础上,将减排重点转移到其他所有制企业中。同时,可以使国有性质企业在节能减排方面形成良好的示范作用,加大相关技术经验推广力度,形成良好的技术溢出、知识溢出,提升整体减排效果;城市化水平(UR)的系数为正,从标准系数大小分析,城市化水平是对工业碳足迹影响最大的因素。城市化带来的大量基础设施建设增加了工业品需求,必然使得能源消耗和碳排放增加。2016年镇江城市化率达到接近70%左右,已经处于较高的水平之上,城市建设要避免为追求政绩,摊大饼式的建设,加强建设规划、提高城市化质量是以镇江为代表的中小城市现阶段及未来考虑重点;能源消费结构(ES)提高1%,碳足迹增加1.341%,这也从侧面反映出减少化石能源消费量、提高新能源、清洁能源占比对降低碳足迹的重要性;政府影响力(GI)的系数为0.120,对碳足迹增加起到正向作用。当前阶段,由于地方政府市场意识不强,往往会通过直接的行政命令干预生产经营,阻碍了资源有效配置,弱化了市场在调节生产中的主体作用;富裕程度(AF)提高1%,碳足迹增加(0.048%+0.004LnAF),且其二次项的系数为正,表明在现有的生产条件下,碳足迹与富裕程度并不呈现出倒U型,即环境库涅茨曲线不成立,这对镇江实现2020年达到碳峰值目标是极其不利的,应该引起相关部门足够的重视;外商直接投资(FDI)对碳足迹的影响微弱,“环境避难所”和“污染晕轮效应”是否成立通过本研究并未得到明确结论,需要根据其他方法另行研究。

五、结论与对策

(一)研究结论

本文通过选取中小城市中的典型城市镇江为例,以2001～2016年为研究区间,通过Tapio脱钩指数分析了镇江工业碳排放与工业经济增长脱钩情况,用Stirpat模型重点研究了工业能源消费碳足迹变化及其影响因素,并对环境库涅茨曲线进行了检验,得到如下结论:

2001～2016年镇江工业经济增长与碳排放脱钩整体较好,十二五以来,随着产业结构调整及工业转型升级步伐加快,脱钩指数相应的会出现一定波动变化。应继续实施有效的工业减排政策,力争工业经济增长与碳排放实现强脱钩。

工业碳足迹变化可以划分为三个阶段,稳步上升、平稳波动、波动上升。2015、2016年碳足迹已经显著低于2014年,表明十二五末以来,工业节能减排、低碳化取得了一定成效。

所有权属性对碳足迹起到抑制作用,而城市化、能源结构、富裕程度、政府影响力均对碳足迹的增加起到正向作用,但影响力有一定区别。富裕程度的二次项为正,表明现阶段环境库涅茨曲线在镇江工业经济增长与碳足迹的变化中并不成立,这对于能否如期达到碳峰值影响重大。外商直接投资对碳足迹的影响在本研究中并不显著,需要另行研究。