民族地区碳排放驱动机制分析及趋势预测

杨玉文，吴爱玲

(1.大连民族大学 经济管理学院，辽宁 大连 116600；2.对外经济贸易大学 国际经济贸易学院，北京 100029)

一、引 言

我国过去粗放式经济发展方式积累的资源环境问题日益严峻，以二氧化碳为主的温室气体大量增加导致温室效应严重。2007年，我国碳排放首次超过美国，成为世界第一碳排放大国。党的“十九大”报告明确指出，要加快建立健全绿色、低碳、循环发展的经济体系。应对气候变化及碳减排相关问题越来越受到相关学者和政策制定者的广泛关注。

学界也对碳排放问题做了众多研究。这些研究主要可归纳为以下三个方面：

(1)碳排放影响因素方面的研究。Shrestha和Timilsina使用Divisia指数分解法研究亚洲12个国家电力行业的碳排放情况，结果发现能源强度是影响各国碳排放的关键因素。(1)SHRESTHA R M , TIMILSINA G R.Factors affecting CO2 intensities of power sector in Asia: A Divisia decompositionanalysis[J].1996, 18(4): 283-293.Yan等利用基于广义迪氏指数的IDA法，考察欧盟区域内农业部门的碳排放影响因素。(2)YAN Q, YIN J, BALEŽENTIS T, et al.Energy-related GHG emission inagriculture of the European countries: An application of the Generalized Divisia Index[J].Journal of Cleaner Production, 2017, 164: 686-694.国内方面，徐国泉等(3)徐国泉, 刘则渊等：《中国碳排放的因素分解模型及实证分析:1995-2004》，《中国人口·资源与环境》2006年第6期。、魏一鸣等(4)魏一鸣, 刘兰翠等：《中国能源报告(2008):碳排放研究》，北京:科学出版社,2008年版。利用LMDI方法探讨不同因素对我国二氧化碳排放的影响程度。巩芳等(5)巩芳, 王芳：《基于 LMDI 分解模型的内蒙古碳排放实证研究》，《干旱区资源与环境》2013年第2期。研究内蒙古碳排放问题，结果显示经济规模、产业排放系数等变量推动碳排放量增长，而产业结构、能源强度等变量抑制碳排放量增长。邹秀萍等(6)邹秀萍, 宋敦江：《中国碳排放的区域差异及驱动因素分解分析》，《生态经济》2013年第1期。、王喜等(7)王喜, 张艳等：《我国碳排放变化影响因素的时空分异与调控》，《经济地理》2016年第8期。的研究发现，经济增长速度、能源强度与产业结构对我国区域碳排放减排绩效影响显著。

(2)区域碳排放量差异方面的比较研究。Ang和Zhang使用对数平均迪氏指数分解方法解释OECD国家间和经济转型地区间的碳排放差异。(8)ANG B W, ZHANG F Q.Inter-regional Comparisons of Energy-related CO2 Emissions Using the Decomposition Technique[J].Energy, 1999, 24(4)，pp297-305.王铮等(9)王铮, 朱永彬：《我国各省区碳排放量状况及减排对策研究》，《中国科学院院刊》2008年第2期。、邹秀萍等(10)邹秀萍, 陈劭锋等：《中国省级区域碳排放影响因素的实证分析》，《生态经济》2009年第3期。分析不同省区间碳排放的特点及造成差异的原因。李国志等从人口、经济和技术的视角分析我国30个省区二氧化碳排放量的差异性。(11)李国志, 李宗植：《人口、经济和技术对二氧化碳排放的影响分析——基于动态面板模型》，《人口研究》2010年第3期。马彩虹等使用IPCC方法，从时间和空间两个维度对我国西北地区的能源消费碳排放情况进行实证分析，发现西北地区的碳排放具有明显的空间集聚特征，可划分为七种不同类型的碳排放地域。(12)马彩虹, 邹淑燕等：《西北地区能源消费碳排放时空差异分析及地域类型划分》，《经济地理》2016年第12期。

(3)碳排放趋势预测方面的研究。学者对碳排放量增长趋势进行预测，主要采用时间序列模型、灰色系统模型、情景分析法等方法。在全国层面上，朱永彬等(13)朱永彬, 王铮等：《基于经济模拟的中国能源消费与碳排放高峰预测》，《地理学报》2009年第8期。、申笑颜(14)申笑颜：《中国碳排放影响因素的分析与预测》，《统计与决策》2010年第19期。、宋杰鲲(15)宋杰鲲：《基于STIRPAT和偏最小二乘回归的碳排放预测模型》，《统计与决策》2011年第24期。分别对我国碳排放量发展趋势进行了动态预测，预测结果显示，如果不对现有的产业结构、能源消费结构和能源使用效率加以调整，我国碳排放量将持续快速增长。韩楠使用系统动力学模型预测中国碳排放的演变趋势，结果发现不同情景方案对碳排放的影响有很大差异。(16)韩楠：《基于供给侧结构性改革的碳排放减排路径及模拟调控》，《中国人口·资源与环境》2018年第8期。徐丽等使用ARIMA模型预测中国居民能源消费碳排放趋势。(17)徐丽, 曲建升等：《中国居民能源消费碳排放现状分析及预测研究》，《生态经济》2019年第1期。在区域层面上，谢乃明等(18)谢乃明, 刘思峰：《能源消费总量与结构预测分析——以江苏省为例》，《工业技术经济》2009年第1期。、童泉格等(19)童泉格, 孙涵等：《基于广义灰色模型的内蒙古能源消费预测》，《中国国土资源经济》2015年第4期。、黎孔清等(20)黎孔清, 陈俭军等：《基于 STIRPAT 和 GM(1,1)模型的湖南省农地投入碳排放增长机理及趋势预测》，《长江流域资源与环境》2018年第2期。分别使用灰色GM(1,1)模型、灰色关联及预测模型和回归分析法对江苏、内蒙古和湖南等省区的碳排放情况进行分析预测。

上述文献主要对碳排放现状、影响因素和趋势进行了分析，但未关注到民族地区碳排放问题及影响因素。民族地区是我国重点生态功能区，生态环境脆弱，生态安全形势严峻，生态文明建设任务艰巨。深入探讨民族地区碳排放影响因素和作用机理，研判内生规律，把握演变趋势，有助于厘清问题所在并精准施策，推进我国生态文明建设进程。

鉴于此，本文使用面板向量自回归模型(PVAR)和向量自回归模型(VAR)，分别从整体和省域两个视角，对民族地区碳排放的影响因素、作用路径、发展趋势展开研究，进而探讨未来民族地区碳减排的有效应对措施。

二、指标设计与数据来源

(一)指标设计

本文在充分借鉴、比较、综合国内外相关研究文献的基础上，构建了碳排放影响因素指标体系。Grossman等研究结果表明，经济活动与环境的关系包括规模效应、结构效应和技术效应。(21)GROSSMAN G M，KRUEGER A B.Environmental impact of the north American free trade agreement[R].National Bureau of Economics Research Working Paper，1991，No.W3914.结合马大来等(22)马大来，陈仲常等：《中国省际碳排放效率的空间计量》，《中国人口·资源与环境》2015年第1期。(23)马大来，武文丽等：《中国工业碳排放绩效及其影响因素——基于空间面板数据模型的实证研究》，《中国经济问题》2017年第1期。、张翠菊等(24)张翠菊，张宗益等：《能源禀赋、技术进步与碳排放强度——基于空间计量模型的研究》，《系统工程》2016年第11期。、Liu等(25)LIU Y，XIAO H W，PRECIOUS Z，et al.Carbon emissions in China：a spatial econometric analysis at the regional level[J].Sustainability，2014(6)，pp6005-6023.人研究成果，将影响民族地区碳排放因素具体分为数量型指标和结构型指标。其中，数量型指标包括经济发展水平、人口数量、能源消耗水平、技术水平，分别选取地区生产总值、地区年末总人口、地区能源消耗总量、外商实际投资额作为代理变量。(26)盛斌，吕越：《外国直接投资对中国环境的影响——来自工业行业面板数据的实证研究》，《中国社会科学》2012年第5期。结构型指标包括产业结构、城镇化率、能源消费结构，分别选取第二产业产值占GDP比重、城镇人口比重、煤炭消费占能源消费比重作为代理变量。有关指标体系详细描述见表1。

表1 民族地区碳排放影响因素

(二)数据来源

本文的研究范围包括新疆、青海、宁夏、内蒙古、云南、贵州、广西等民族七省区，时间跨度为1997年至2015年，数据来源于各省区相关年份统计年鉴。由于西藏地区数据搜集不足，故未将西藏自治区纳入研究范围。

三、民族地区整体碳排放影响因素和发展趋势预测

(一)面板向量自回归模型(PVAR)介绍

Holtz Eakin和Newey Rosen于1988年首次提出面板向量自回归模型，经过Pesaran和Smith、Binder和Hsiao、Love和Zicchino等人的改进，PVAR模型逐渐成熟。面板向量自回归模型样本为面板数据，同时考虑了样本数据包括时间效应和地区效应在内的个体差异性，改进了向量自回归模型(VAR)在解决面板数据时的若有效性和参数估计有偏问题。当PVAR模型满足T≥m+3(T为时间长度，m为滞后期数)时，可对方程进行参数估计。模型一般形式为：

λiΦit=ηi+Οit+εit

(1)

式中：Φit表示内生变量矩阵，Φi,t-j表示由内生变量滞后项组成的解释变量矩阵；λj表示第j阶滞后的估计矩阵；Οit表示应对面板数据中的截面效应设置的冲击项；ηit和εit表示固定效应项和随机误差项。

(二)变量平稳性检验

为消除量纲的影响，对原始变量进行了取对数处理。为了避免数据不平稳导致“伪回归”问题，采用LLC检验、Breitung检验、IPS检验方法对民族七省区碳排放及其他影响因素的平稳性进行检验，检验结果见表2。变量lnCO2、lnrcoal、lninve均通过了三种检验，而变量lngdp、lnrindus、lnpopu虽未通过5%水平下的Bruiteun检验，但均通过了LLC检验和IPS检验，变量lnrurban和lnener虽未通过5%下的LLC检验，但均通过了Bruiteun检验和IPS检验，故认为所有变量全部通过了平稳性检验。

表2 PVAR各变量平稳性检验

注：***,**,*分别代表在1%,5%,10%的水平上显著。下同。

(三)PVAR模型估计结果分析

使用广义矩估计方法(GMM)估计民族地区整体碳排放的PVAR模型，依据赤池信息准则(AIC)，将PVAR模型最优滞后阶数设定为一阶，具体估计结果见表3。

在已建立的PVAR模型基础上，考察碳排放及其影响因素各变量之间的格兰杰因果关系。格兰杰因果检验表明：

(1)lngdp、lnpopu、lnrurban和lnener是lnCO2的格兰杰原因，但lnrindus、lnrcoal和lninve不是lnCO2的格兰杰原因。

(2)lnCO2、lnener、lnrcoal和lninve是lngdp的格兰杰原因；lnpopu、lnener和lninve是lnrindus的格兰杰原因；lnCO2、lngdp、lnrindus、lnpopu和lnener是lnrurban的格兰杰原因；lnpopu和lnrcoal是lnener的格兰杰原因；lnrcoal、lngdp、lnrindus和lninve是lnrcoal的格兰杰原因；lnrindus、lnener是lninve的格兰杰原因。

(四)PVAR模型脉冲响应结果分析

基于PVAR模型，民族地区碳排放的脉冲响应如图1所示，在此基础上，做出民族地区碳排放影响因素及其作用路径图(图2)。

由图2可知，民族地区碳排放影响因素的作用路径包括三条：①GDP、人口规模、能源消耗量对地区碳排放产生直接影响。②能源消耗量通过作用于GDP对碳排放产生间接影响。③人口规模通过作用于能源消耗量对碳排放产生间接影响。此外，随着能耗水平的提升，城镇化水平也将随之提高。结合脉冲响应图(图1)分析可知：

(1)分别给定GDP、人口规模和能源消耗量一个冲击后，三者对碳排放产生正向影响。在当前一定的技术水平下，随着经济增长和人口的增长，二氧化碳排放量增加，同时生产、生活活动对能源需求快速增长，加之传统化石能源仍占据能源消费主导，对碳排放量的增加起到显著正向影响，从预测趋势上看，民族地区的经济规模扩大、人口数量急增、能耗量增加均促进碳排放水平大的提升，从而不利于减排目标的实现。

(2)给定能源消耗量一个冲击后，对地区GDP产生正向影响。同时GDP对地区碳排放为正向影响，因此能源消耗对地区碳排放产生了间接的正向影响。能源消耗量的增加带动了各产业部门的发展，提升了经济发展水平，一定技术水平下，经济发展水平对碳排放的“规模效应”显现，从增长趋势上看，民族地区的能源消耗量的增加必然会增加碳排放量。

(3)给定人口规模一个冲击后，对能源消耗量产生正向影响，给定能源消耗量一个冲击后，对碳排放量产生正向影响，人口规模对地区碳排放产生了间接的正向影响。人口规模的扩张带来了生活用能需求的增加，能源消耗导致更多碳排放，在预测期内，民族地区的人口增长将会促进碳排放量的增加。

(五)方差分解与碳排放趋势预测

基于PVAR模型，得到民族地区碳排放方差分解(表4)。由方差分解结果来看，能源消耗量、地区产业结构贡献率依次位于第三、第四位；而人口规模和城市化水平的贡献率大致相当，贡献率水平稳定在7%；能源结构和外商技术引进贡献率较小。从增长趋势来看，结构型变量对民族地区碳排放的影响逐渐增加，长期来看将对碳排放量的增加产生重要影响。

表4 民族地区碳排放的方差分解

综上分析，民族地区经济发展水平、人口规模和能源消耗量是未来一段时期内碳排放增加的主要影响因素，三者均对碳排放产生正向促进作用，数量型指标依然是影响民族地区碳排放的重要因素和减排工作的重点。

四、各民族省份碳排放影响因素和发展趋势预测

(一)向量自回归模型(VAR)介绍

Sims于1980年首次提出使用VAR模型对多变量时间序列数据进行分析。经过多年发展和应用，逐渐显示出其在分析变量之间动态关系和预测发展趋势方面的先进性。因此采用VAR模型分析民族地区碳排放影响因素及其趋势预测具有较好的适用性。

VAR模型侧重分析时序数据样本中经济变量间的关系，以内生变量的滞后项作为解释变量，完成对内生变量动态关系的分析和预测。模型一般形式为：

(2)

式中：i=1, 2, …，p；Yt表示(n×1)向量；βi表示(n×n)系数矩阵；Yt-i表示Yt的第i阶滞后项；εt表示随机扰动向量。

(二)变量平稳性检验和模型构建

在构建和运用VAR模型分析各民族省份碳排放影响因素之前，需要对模型中各变量进行平稳性检验。采用LLC检验、IPS检验、ADF检验方法对各变量进行单位根检验，结果显示5%水平下，各省份所有变量的一阶自然对数差分平稳。

选择变量lnCO2、lngdp、lnrindus、lnpopu、lnrurban、lnener、lnrcoal和lninve构建VAR模型，利用滞后结构的滞后长度标准确定VAR模型的滞后阶数。LR、FPE、AIC、SC、HQ检验结果确定一期为最优滞后期，因此构建一阶滞后的VAR模型。为保证VAR模型的脉冲响应函数和方差分解结果有效，需要对模型VAR(1)进行AR根检验。各省份VAR模型的特征根均位于单位圆内，表明VAR(1)模型稳定。

在滞后一期、5%显著性水平下，各民族地区的格兰杰因果检验结果如表5所示。

表5 各民族地区格兰杰因果检验结果

(三)民族地区VAR脉冲响应和方差分解结果的比较分析

1.VAR模型结果分析

结合新疆Granger因果检验结果，新疆碳排放及其影响因素的脉冲响应和作用路径如图3和图4所示。新疆碳排放影响因素的作用路径包括两条：①GDP通过作用于能源消耗对新疆碳排放产生正向影响；②技术引进对新疆碳排放产生先正后负的影响。

给定GDP一个冲击，对能源消耗量产生正向影响，给定能源消耗一个冲击，对新疆碳排放产生正向影响，两者冲击效应持续到第12年后趋于稳定且收敛，因此新疆GDP对碳排放产生间接的正向影响。新疆地区经济规模的扩大往往伴随着能源消费需求的增加，进而导致碳排放的增加。因此未来20年预测期内，新疆地区GDP的提高将会促进碳排放的增加。

给定技术引进一个冲击，对新疆碳排放先产生正向影响，冲击第十年后变为负向影响，冲击效应持续到第14年后保持稳定趋于收敛，因此技术引进对新疆碳排放产生先正后负的影响。研究初期，民族地区经济基础相对薄弱，在宏观经济环境影响下，注重招商引资来促进本地经济发展，这一时期环境政策较为松弛，新疆在承接外商产业转移中，往往伴随着低端产业、高污染行业的转移，此时外商投资对新疆地区经济发展的作用主要是带动其经济规模的扩大，但技术含量引进不足，随着环境问题与发展问题的矛盾日益突出，对外商投资政策逐渐由重视规模引进到重视技术引进，外商投资对碳排放的“技术效应”大于“环境逐底效应”，说明未来20年预测期内，技术创新将对碳排放起到抑制作用。类似地，(27)囿于篇幅限制，青海、宁夏、内蒙古、云南、贵州和广西等六省区的碳排放脉冲响应和影响因素作用路径的分析过程和图表未在此处体现。对其他民族地区的碳排放及其影响因素的脉冲响应和作用路径进行分析，得到的结果分别是：青海地区的能源消耗、产业结构对青海地区碳排放产生负向影响；宁夏GDP对其碳排放产生正向影响；能源消耗、能源结构对内蒙古碳排放产生正向影响，但产业结构影响为负；经济发展水平、技术引进和能源消耗对云南碳排放起到抑制作用；技术引进对贵州碳排放产生负向影响；能源消耗和人口规模对广西碳排放产生正向作用。

2.方差分解结果分析

从各省区方差分解结果(图5)来看：(1)技术引进、能耗水平和产业结构是未来影响新疆地区碳排放的重要因素。(2)青海碳排放的主要影响来源为产业结构，产业结构贡献率缓慢波动上升，在33%左右稳定；能源消耗贡献率经历快速上升后缓慢波动上升，在25%左右稳定。从增长趋势来看，能耗水平和产业结构是未来影响青海地区碳排放的重要因素。(3)宁夏碳排放主要来源为能源消耗，其贡献率先快速上升后在31%左右保持平稳；技术引进贡献率是影响宁夏碳排放的第二原因，其贡献率保持在21%左右。从增长趋势来看，能耗水平、技术引进因素是未来影响宁夏地区碳排放的重要因素。(4)能源消耗量是内蒙古碳排放的重要影响因素，与内蒙古碳排放趋势相反，能耗水平快速增加后稳定在33%。其余各影响因素贡献率大体相当。(5)能耗水平、经济规模是未来影响云南地区碳排放的重要原因。(6)贵州碳排放的主要影响来源为碳排放自身，其余变量贡献率数值和波动均较小。(7)广西地区，能源结构、城市化水平、产业结构变化趋势基本保持一致，三者贡献率分别稳定在18%、17%和16%。能耗水平贡献率在初期快速上升后下降，后期稳定在5%。从增长趋势来看，结构类指标是未来影响广西地区碳排放的重要原因。

五、结论与讨论

使用少数民族省区面板数据，运用PVAR模型探讨了民族地区整体的碳排放影响因素的作用路径，并对发展趋势进行预测分析；运用VAR模型对七个民族省区的碳排放影响因素的作用路径和发展趋势进行了分析，得出如下结论：

(1)由PVAR模型的脉冲响应分析可知，民族地区经济规模、人口规模、能耗水平通过直接或间接的方式对其碳排放起到促进作用。因此，当前影响民族地区碳排放的重要因素是数量型指标，控制数量型指标的量级依然是民族地区碳减排工作的重点。

(2)PVAR模型的方差分解结果表明，民族地区碳排放的主要影响来自地区经济发展水平、能源消耗量、地区产业结构。从增长趋势来看，产业结构将对碳排放产生重要影响，且其影响趋势呈现逐年增加的态势。

(3)从各个民族省份的VAR脉冲响应结果和方差分解来看，按影响因素的作用效果差异可得出以下结论：①经济规模作用模式涉及新疆、宁夏和云南省，除云南省外，其余两省份的经济规模的扩大均提高了碳排放水平；②技术引进作用模式涉及新疆、云南和贵州省，且技术引进因素对三省的碳排放均表现为抑制作用，即技术创新在一定程度上降低了碳排放量；③能耗水平作用模式涉及青海、云南、内蒙古和广西，前两个省份的能耗水平对其碳排放起到抑制作用，而后两个省份则刚好相反；④产业结构作用模式涉及青海和内蒙古两省，且产业结构对两省份的碳排放水平均表现为抑制作用，即产业结构的优化调整特别是高耗能行业的绿色转型有利于碳减排；⑤能源结构作用模式涉及内蒙古，对其碳排放水平产生正向影响；⑥人口规模作用模式涉及广西，对其碳排放产生正向作用，因而需要高度重视人口规模和城市化问题，即提高城市化质量而非发展速度。

综上所述，当前经济发展水平等数量型指标对民族地区碳排放产生重要影响，而结构型指标是未来民族地区碳减排的关键驱动因素，且作用强度逐年增加，但不同省区碳排放驱动因素的作用路径和贡献强度存在差异，各地区应根据其碳排放的重点影响因素和传导路径，采取差异化减排措施，建立低碳发展长效机制。