消费结构升级对二氧化碳排放影响的实证分析

罗栋 博士

（1、中国社会科学院城市发展与环境研究所 北京 100028；2、福建师范大学地理科学学院福州 350007）

引言

碳排放问题一直是全社会关注的焦点问题，如何在实现经济增长的同时减少碳排放，即降低碳排放强度，是我国经济转型期面临的关键问题。碳排放强度主要用单位GDP的碳排放量来衡量。我国碳排放主要来源于经济活动（生产）和居民消费（生活）所产生的能源消耗。长期以来，对碳减排的政策措施多集中于工业等生产领域，较少关注居民生活消费方面的能源消费及相应的碳排放。工业领域一直是节能减排的重点领域，随着经济的进一步发展，工业领域二氧化碳减排趋势已经发生变化，开始呈现边际效应递减、潜力缩小以及难度加大等问题。有些学者通过研究认为，生产是为消费服务的，意味着居民消费会随着经济增长而增加，也间接带动能源消耗以及碳排放量增加。为此，学者们把研究焦点逐渐转移到居民消费对碳排放的影响方面，主要围绕三个方面开展研究：一是对居民消费碳排放量进行测算。汪臻（2012）构建居民消费碳排放测算模型，对中国居民消费碳排放进行测算。周平、王黎明（2011）测算我国居民因最终需求而直接和间接排放的二氧化碳。二是研究居民消费对碳排放的影响。凤振华等（2010） 通过测算，得出居民消费行为带来的能源消耗占能源消费总量的45%-55%。李国志和周明（2012）通过研究发现消费总量对碳排放总量的影响显著为正。朱勤等（2010）发现人均消费水平对我国碳排放总量的影响显著为正。三是研究居民生活消费碳排放的城乡差异。Feng Z H（2011）等从生活方式角度探讨居民生活消费碳排放的城乡差异。王莉等（2015）通过对城乡居民生活碳排放量进行估算，发现城镇主要存在间接碳排放，而乡村则以直接碳排放为主。

随着我国经济进入新常态，国家扩内需政策的实施，居民日常家庭消费也逐渐成为拉动我国经济增长的驱动力。居民消费对碳排放量的增长具有直接或间接的影响。一方面居民对能源的消费（电、天然气等）直接导致碳排放；另一方面居民对日常生活必需品的消费（衣、食、住、行等），这种消费导致能源消耗，从而间接导致碳排放。目前关于消费结构升级对碳排放影响的研究并不多见，多为从消费结构变动的角度出发研究对碳排放的影响。消费结构升级意味着消费模式的转变、消费结构的升级与优化，从传统的大量物质高能耗消费转向精神的、文化的非物质低能耗消费。实现消费结构升级与优化，减少对高能耗产品的消费，提倡低碳的、绿色的消费模式已经成为减少碳排放的重要途径。为此，有必要从消费升级的角度，量化消费结构升级对二氧化碳排放的影响。基于以上论述，本文构建STIRPAT模型，选取2000-2016年我国30个省级区域居民消费与碳排放等数据，测算居民消费结构升级对二氧化碳排放的影响，以期揭示居民消费升级与碳排放之间的关系，从而为居民绿色、低碳消费转型以及我国低碳发展战略制定提供借鉴。

研究方法及数据说明

（一）理论框架

研究如何量化人类活动对环境的影响一直是众多学者关注的热点问题， Ehrlich和Holdren等人在1971年首次提出了IPAT方程，认为人口、经济发展和技术以及相互间作用是影响环境的三个直接因素。但由于此方程会计恒等式的特性，采用的是恒定弹性系数，因此具有一定限制。在后续研究中，Dietz和Rosa等人跳出IPAT方程固定单位弹性系数的框架，将模型拓展为随机性的环境影响评估模型（STIRPAT）：I =αPβAγTδ，其中，I、P、A、T 分别代表人类活动对生态环境所产生的影响、人口因素、富裕度以及技术效率。为了去除量纲，将STIRPAT方程进行对数化处理，得到公式（1）：

式中，方程左边的I表示环境影响，下标i和t分别表示个体和时间；方程右边的变量P表示为人口因素的影响（包含人均量或是人口总量的影响），A表示富裕度，T表示技术效率。b、c、d分别为三个自变量的弹性系数，a、u是常数项和随机误差项。由于式（1）中采用对数形式，各个系数估计值可视为变量的弹性。

为了揭示消费结构变动对碳排放的影响，根据STIRPAT模型框架，分别用人均二氧化碳排放的变化、消费结构变化、人口城镇化水平变化以及工业化率变化（第二产业增加值占产出的比率）作为体现环境压力、富裕度、人口因素以及技术水平的代理变量，得到公式（2）：

式（2）中，CO为人均二氧化碳排放量；GDP为人均国民生产总值；CONSTR为消费结构升级；URB为城镇化率；IND为工业化率，用第二产业增加值占GDP总额的比值表示。

消费结构的测度不存在唯一标准，根据以往文献研究，如王小华和温涛将我国居民食品、衣着、居住、交通和通信、家庭设备及服务、文教娱乐、医疗保健、其他商品及服务八大类消费支出中的前四项定义为基本生存型消费，后四项定义为发展享受型消费。本文把发展享受型消费占居民总消费支出之比作为测度消费结构升级的变量，该比值与消费结构升级程度成正比，比值越大表明消费结构升级程度越高。

考虑到消费结构升级有可能引起不同人群的能源消费效率差异，为消除差异，在模型中增加能耗强度变量，用单位GDP能耗表示。同时，在公式中引入消费结构与单位GDP能耗的交乘项，以期验证消费结构升级是否会对不同区域的单位GDP能耗产生影响。此外，城镇化发展也会受到区域经济开放程度的影响，因此在模型中引入开放度OPEN因子，开放度OPEN因子用区域进口额占区域GDP总额的比值来测度。以往研究表明，一个区域的二氧化碳排放受到经济发展水平的制约，且经济发展水平与二氧化碳排放之间并非是固定不变的关系，即经济发展水平与二氧化碳排放之间可能存在一种线性关系。在具体分析中，为了检验二氧化碳排放与经济发展水平两者之间是否存在倒U型关系，在模型右边增加人均GDP的平方项，综合以上论述，可以得到考虑了消费结构、经济发展水平、城镇化、工业化以及能源效率等影响因子在内的碳排放非线性影响公式：

式中，α、β为待估计参数，t、i分别为年份和省份，u为随机干扰项。

（二）研究数据来源

本文主要利用我国各省份面板数据，主要包括GDP、城镇化率、消费、工业化率等数据，数据来源于历年《中国统计年鉴》、《中国能源统计年鉴》以及历年各省、市、自治区公布的统计年鉴。由于数据可得性的原因，本文去除西藏的样本，只选取2000-2016年其他30个省、市、自治区的数据。在碳排放量方面，目前我国并没有统一的、权威的地区碳排放数据，因此本文用终端能源消费法来核算地区二氧化碳排放量。为避免重复计算问题，在测算过程中对在加工转换过程产生的碳排放以及运输过程中所产生的碳排放均不纳入计算范围。在测算时只计算包括原煤等在内的九种能源种类，碳排放系数、九种能源的转换系数均来自《2009 中国可持续发展战略报告》（见表1）。

实证分析结果

（一）实证分析思路

面板数据具有截面性、时序性特性，需要对自变量和因变量进行对数化处理。此外，不同模型测算方法的选择也直接制约系数估算的科学性。关于面板数据的测算，有可变截距模型以及不变截距模型可供选择，但在实践中比较少运用不变截距模型，因为该模型默认面板数据是无个体差异的样本。

在开始模型测算之前，必须先确定选择个体效应还是选择混合回归，可以根据Breusch 和Pagan（1979）研究的估计量进行判断。由于变截距模型允许截面成员上存在个体差异的影响，因此面板数据测算多为运用变截距的模型，并用截距项差别衡量这些个体差异。个体影响包含固定影响和随机影响，分别对应两种模型：固定影响（Fixed Effects）变截距模型和随机影响（Random Effects）变截距模型。

在进行建模时可以根据Hausman（1978）等人的研究判断是选择Fixed Effects模型还是Random Effects模型。具体方法是，首先用随机影响模型对个体影响进行处理，然后检验模型是否满足原假设条件，如能满足假设条件，则用随机影响模型进行进一步分析，如果不能满足假设条件，则应该运用固定影响模型进行分析。

表1 九种能源的转换系数和碳排放系数

假设根据Hausman检验得知适合运用Fixed Effects进行测算，那么在测算之前，必须先使用Wooldridge一阶自相关和Wald约束分别对变量之间是否存在自相关以及组间异方差进行检验。若检验结果表明符合不存在一阶自相关以及组间异方差的原有假设前提，则可以用Fixed Effects模型进行测算。若检验结果表明存在异方差以及序列相关，可以采用将协方差White-Newey估算引入面板数据来确保测算结果的准确性。通过协方差处理既可以去除异方差和自相关对模型估计的影响，又能保证固定影响模型的估计。

假设根据Hausman检验结果得知适合运用Random Effects进行测算，由于Random Effects已经考虑异方差的存在，将固定效应中的个体效应和随机误差项合并作为一个整体来处理，因此在Random Effects模型测算中，需要对序列相关的情况进行考虑，在进行测算Random Effects时可以用含有一阶自相关效应的GLS进行测算。在具体分析中应该从静态基准分析以及包含因变量滞后效应的动态分析两个层面进行测算。

（二）静态分析结果

估计模型得到样本分析结果如表2所示。

根据表2的B-P估计量以及Hausman测算结果，两者均在5%水平下显著，表明随机效应优于混合估计，所以应选取固定影响模型进行测算。且从表2的静态测算结果可知，根据固定影响测算结果，LNCONGTR的系数估计值是-0.22，且在1%水平下显著。表明从静态面板分析来看，消费结构升级对二氧化碳排放的弹性是0.22，且具有显著影响，即一个单位的消费结构升级会导致0.22个单位的人均二氧化碳排放量减少。研究发现消费结构中享受型消费占比升级能降低碳排放，可以从供给侧和需求侧两个层面来分析。从供给侧角度来看，消费结构升级表明市场对绿色工业产品、有机农业和现代服务业的产品需求增加，这会显著增加人力资本投资，有利于人力资本积累，充足的人力资本和高碳的资源类原料相互之间产生替代，进而促进经济低碳化升级。从需求侧角度来看，随着消费结构升级，居民对低碳绿色的农产品、环保的工业品和优质的现代服务业产品需求增加，而传统消费产品主要由制造业、建筑业和交通业生产，这种结构转变对降低二氧化碳排放强度有促进作用。

此外，通过考察表2的LNGDP和LNGDP2的系数可以判断经济增长与碳排放之间的非线性关系。这是因为从表2可知，LNGDP和LNGDP2两者的系数在1%显著水平下分别为负和正，表明在研究时间范围内，经济增长与碳排放之间存在倒U型非线性关系。

上文从静态面板分析了消费结构变动对二氧化碳排放的影响，可以得到消费结构升级会降低二氧化碳排放的结论。为了进一步分析碳排放对消费结构升级的响应机制，可以在模型中引入GDP能耗强度、消费结构变动和GDP能耗强度的交乘项等变量。通过考察GDP能耗强度的系数在1%水平下显著为负可知，2000-2016年，GDP能耗强度变化促进了碳排放的下降，符合我国积极推动节能减排的实践。从消费结构升级与能源效率的交乘项系数在1%水平下为正、且在1%的显著水平明显可知，消费结构升级会使能源效率对二氧化碳排放的影响呈现正向作用，也表明较大幅度的消费结升级有利于我国通过提高能源效率来实现碳减排。

表2 静态测算结果

表3 动态测算结果

（三）稳健性分析结果

二氧化碳排放具有锁定效应，即当期二氧化碳排放可以影响下一期二氧化碳排放，面板数据的一个优点是可以对个体动态行为进行建模。基于此，为了考察二氧化碳排放所产生的滞后效应，在动态面板的基础上，把被解释变量的滞后值引入解释变量中，也就是在公式（3）的右边加入二氧化碳排放的一阶滞后项作为解释变量，将公式（3）拓展如下：

加入滞后项的目的是为了分析碳排放所带来的滞后效应，但引入滞后项后会在模型分析过程中存在内生性问题并产生估计偏差，一般处理方式是在模型测算时引入工具变量。现有的处理工具变量方法中，主要运用差分广义矩（DIFF-GMM）（Arellano and Bond，1991）和系统广义矩（SYS-GMM）两种矩估计方法消除内生性问题。这两种矩估计方法各有优劣，差分广义矩的处理方法是先对目标方程进行差分，以消除估计模型的固定效应，再用一组滞后解释变量作为差分之后方程中变量的工具变量进行估计。但差分广义矩估计量也同时存在容易造成样本信息缺失和产生估计偏差等问题，必须用系统广义矩估计量的方法来解决。系统广义矩估计量综合考虑差分方程和水平方程，可以得到相对接近真实的测算结果。在动态面板测算中，进行动态估计还要判别过度识别问题，如表3给出了Hansen检验及p值用来检验工具变量是否存在过度识别，从表3结果可知都没有拒绝原假设，说明选取的工具变量是有效的。此外，测算时还需要对模型是否存在自相关进行检验，考察表3中AR（1）的P值小于0.1，说明滞后一阶的估计p值在10%概率下显著，差分后的残差存在一阶序列相关；AR（2）的p值大于0.1，说明滞后二阶的估计p值在10%概率下不显著，不存在二阶序列相关。因此通过相关性检验后表明原模型误差项不存在序列相关性。

根据表3动态估计结果的分析，消费结构升级系数以及能源效率系数均在1%水平上显著为负，且根据SYSGMM的估计量，消费结构升级与能源效率的交乘项系数在10%水平上显著为正，可以判断二氧化碳排放滞后相应的动态分析结果和上文静态面板分析的回归结果一致，进一步印证了消费结升级可以影响二氧化碳排放，因此可以推断消费结构升级影响二氧化碳排放的内在机制是消费结构升级有利于我国通过提高能源效率来实现碳减排。

政策建议

基于本文的研究结论，应对气候变化工作不仅与经济发展和工业节能减排相关，也与城乡居民消费结构升级有关。因此，政府不仅需要继续推动应对气候变化和节能减排工作，还需要提质增效，促进消费结构升级。第一，积极推动居民消费结构升级，针对在八大类消费支出中衣食住行等生存性消费占比过高所引起的高碳排放问题，政府应制定科学的财税调节手段，增加居民收入，减小贫富差距，推动居民消费结构向低碳的享受型消费升级。第二，消费结构升级与提高能源效率同步推进，研究表明，消费结构升级通过提高能源效率来降低碳排放，在宏观层面上，应该积极发展第三产业，在微观层面上，加大环境友好型产品供给，因此在政府政策供给上应从宏观和微观两个方面入手推动绿色发展。第三，加大宣传力度推动居民绿色消费。个人的环保意识觉醒，消费观念的转变，是推动绿色消费和消费结构升级的重要抓手，因此，政府应该加强相关领域的工作，通过宣传教育、财税政策推动居民绿色可持续消费转型。