安徽工业经济增长与能源碳排放脱钩研究

张纯

(安徽理工大学经济与管理学院，安徽 淮南 232001)

一、引言

在过去的数十年里，温室气体排放给全球环境带来巨大的承载压力，节能减排措施在世界各国越来越受到重视。 改革开放以来，我国经济飞速发展， 目前已成为世界上仅次于美国的第二大经济体，而30 多年的经济增长也伴随着二氧化碳排放量的急剧上升。 2012 年经济进入新常态以来，我国经济增长乏力，但碳排放量仍未达到峰值。 为此，2017 年党十九大报告提出中国经济正由高速增长阶段转向高质量发展阶段， 2018 年习近平总书记在全国生态环境保护大会上进一步强调绿色发展是构建高质量现代化经济体系的必然要求，是解决污染问题的根本之策，这意味着绿色低碳将长期引领经济发展的方向。

安徽省地处我国华东地区，滨江近海，是长三角经济带的重要组成部分，是我国重要的能源输出大省。 融入长三角后，安徽省工业化和城镇化进程得到催化提速，但随之而来的碳排放问题也面临严峻挑战。 为避免落入先污染后治理的发展模式，碳排预防和控制成为环境问题的重中之重。 由此，安徽省“十三五”工业绿色发展规划明确提出要落实绿色发展理念，加快工业转型升级，构建现代工业体系，创新制造业发展路径。 因此，探究碳排放的内在驱动，把握碳排放关键点成为亟须解决的问题。 本文以安徽省工业行业为研究对象，分析其碳排放的内在驱动因素，在此基础上研究工业经济增长与碳排放的关系，并为政府制定节能减排政策提出建议。

二、文献陈述

在研究方法上，能源经济与碳排放驱动研究领域常用的分解方法主要有完全因素分解法(CDM)[1-2]和广义费雪因素分解法(GFI)[3-4]、结构分解法(SDA)[5-6]、指数分解法(IDA)[7-8]。 其中，指数分解法分为LMDI 和AMDI 两种。 在研究领域中，Ang 从理论基础、适应性、易用性和研究结果解释能力等四个方面阐述了LMDI 方法的优越性[9]。 Liu 和 Ang 对于 LMDI 方法分解过程中可能会出现的零值和负值问题进行了改进，改进后LMDI 能够从不同方面研究各因素指标对碳排放或能源消耗的驱动作用，被认为是精确度较高、更具说服力的指数分解方法[10-11]。 同时，渠慎宁在对因素分解方法进行梳理时也指出，LMDI 方法在解决残差项后，可适用于国家、区域、行业等多个领域的碳排放分析[12]。 如Jiang 就利用因素分解模型探究中国工业碳排放，试图寻找中国制造业碳排放发展趋势的关键所在[13]；郭朝先运用LMDI 分解法将中国碳排放分解为碳排放系数、经济活动、经济结构、经济规模扩张、能源结构和能源消耗强度5 个因素[14]；涂正革使用LMDI “两层分解法”将1995-2011 年30 个省份碳排放分解为城镇居民生活、农村居民生活、工业、商业、农林牧渔业、建筑业、运输业7 个部门进行研究[15]。

当前，我国经济的高质量发展模式不能再完全依赖资源消耗和环境破坏，能源消耗、温室气体排放与经济脱钩研究的重要性也愈发重要。 脱钩研究理论源于物理学，经由OECD 组织提出应用于资源消耗、环境污染与经济增长之间的关系模型。 Tapio 以0、0.8 以及1.2 为脱钩弹性节点将脱钩定义为8 种状态[16]。 由于脱钩方法能够直接反映能源、环境与经济之间的动态关系，近年来诸多学者围绕资源消耗的时空差异对碳排放与经济增长的脱钩状态进行相关研究。 Zhou 等以中国八大区域为研究对象，基于Tapio 脱钩研究了经济发展与碳排放之间的关系，指出研究期间中国大部分区域处于弱脱钩状态[17]。 而彭佳雯等运用Tapio 脱钩分析模型，分析了中国30个省份经济增长与能源碳排放之间的脱钩关系及程度，指出研究期间除了2000—2005 年为扩张性负脱钩外，其余时期经济与能源碳排放均呈现弱脱钩状态，并指出脱钩的程度与宏观经济形势和政策调控密切相关[18]。 Wang 以 2000—2014 年为研究期，分析了京津冀产业发展与碳排放之间的脱钩弹性趋势，证明在整个研究期间，京津冀产业发展与碳排放之间的脱钩弹性呈下降趋势[19]。 另外，胡颖、谢守红、陈柔等学者分别对建筑业、交通运输业和农业等不同行业进行了碳排放脱钩关系和状态的研究[20-22]。

综上所述，多数学者对能源消耗、碳排放和经济增长脱钩关系的研究主要以国家、区域和发达省域为研究对象，对内陆不发达省份的碳排放与经济增长关系的深入研究较少。 同时，在研究省份能源消耗、碳排放与经济增长关系时，也未能考虑到不同行业之间碳排放的差异与联系。

本文基于LMDI 分解方法，构建碳排放与经济增长关系的脱钩模型。 从年份和行业两个不同维度，分析碳排放与经济增长脱钩状态和内在驱动因素，并深入到省域细分行业，系统研究碳排放的层次差异、驱动因素及其脱钩关系，为省际区域内节能减排政策制定提供有效参考。

三、研究方法

(一)碳排放的测算方法

化石燃料燃烧是引起二氧化碳排放上升的主要原因，故本文选取原煤、焦炭、原油、汽油、煤油、柴油6 种能源种类作为估算安徽工业碳排放基准，参考IPCC 制定的国家温室气体清单指南与中国碳排放相关参数(表1)，得到具体碳排放测算公式如下:

表1 各类能源的计算系数

式中，C O2为测算的C O2排放量，Ei为第i种能源的消耗数量，NC Vi为第i种能源的平均低位发热量，CE Fi为第i种能源的碳排放系数，CO Fi为第i种能源的碳氧化因子，44/12 为C O2与C的分子量比率。

考虑到能源不充分燃烧情况，本文参考国内外学者研究和中化石燃料氧化系数，确定原煤、焦炭、原油、汽油、煤油、柴油碳氧化因子分别为0.94，0.93，0.98，0.98，0.98，0.98，并以《中国能源统计年鉴2017》附录4 和2006 年IPCC 指南参考能源折算标准煤系数。

(二)碳排放影响因素分解模型

本文参考Ang 改进的LMDI 分解方法，并将其与扩展后的Kaya 恒等式结合，构建工业碳排放因素分解模型，分解出碳排放强度、能源效率、行业结构、经济产出、人口效应6 个因素指标。 Kaya恒等式公式如下:

本文将脱钩因素分解为以上6 个因素，主要从这几个方面进行考虑:首先，碳排放强度即单位能源碳排放系数，一般为固定值，具体数值可见表1。 其次，在碳排放研究领域中，能源结构一直是影响碳排放变化的重要因素，通过分析每种能源消费的占比，有利于进行能源消费内部结构的调整，实现能源替代和转换，从而达到节能减排目的。 另外，单位GDP 的能源消费量，能够直观反映能源的利用情况，因此，可以根据能源效率的高低，对碳排放变化的正负作用进行有效的评价。同时，由于工业行业的复杂性和多样性，在进行工业碳排放研究时，必须进行细分行业的分析，行业结构对于行业分析研究起着不可忽视的作用。 最后，经济产出即单位人口GDP 贡献值，最能体现出一个地区的经济发展情况，其与人口效应一起，构成推动社会发展的积极因素。

LMDI 分解模型有“加法”和“乘法”两种形式，但两种方法的最终分解结果相同，且加法形式能够比较清晰直观地分解出影响因素，故文本采用LMDI 方法中的“加法”对各因素进行分解。 具体表现形式如下:

在测算数据过程中遇到数据为0 值的情况，参考Ang 提出的处理方法[36]，使用10 的负20 次方代替0 值。 尽管碳排放强度D受能源利用程度的影响，但在能源使用技术水平未显著突破前，碳排放强度基本保持不变，即Δ CD＝0 ，因此，本文主要围绕能源结构、能源效率、行业结构、经济产出、人口效应五个因素进行分析。

(三) Tapio 脱钩模型

本文引入脱钩模型探究安徽省工业经济增长与碳排放的脱钩关系，构建具体模型如下:

式中:E为能源消耗，C为碳排放，G为工业行业产值，ΔE为能源消耗变化量，ΔC碳排放变化量，ΔG工业产值变化量。

表2 脱钩弹性与脱钩状态

(四)数据来源

本文数据为2005—2018 年安徽省规模以上工业企业能源消耗数量、从业人口效应、行业产值等数据，均来源于《安徽省统计年鉴》。 其中，2005—2016 年工业行业产值数据为《安徽省统计年鉴》公示数据，2017—2018 年数据以《安徽省统计年鉴》“主营业务收入”作为参考，辅助插值法处理替代工业部门总产值。

由于2011 年前后部分行业发生名称变化，在统计和测算数据时，为保持行业分类一致，对相关行业进行调整和合并，最终保留37 个工业行业，具体行业编号见表4 注。 其中编号34 行业为2012 年新增行业。

四、实证分析与结果

(一)碳排放特征及演变

由图1 可见，2005—2018 年安徽省工业能源换算成标准煤的消耗总量和二氧化碳排放总量发展趋势基本一致。 在整个研究期间，2014 年和2016年是两个拐点。 2005 年到2014 年，工业碳排放与能源消耗一直处于上升势头，其中，工业碳排放从2005 年的 1.64 亿吨升到 2014 年的 3.86 亿吨，增幅达135%；能源消耗从2005 年的0.58 亿吨上升至2014 年的1.38 亿吨，涨幅达 138%。 2014 年之后，出现了滞增长甚至下降的趋势。 而到了2016 年，这两个指标均触底反弹，最后两年保持平稳。

图1 2005—2018 年工业能源消耗总量与碳排放总量

(二)脱钩研究分析

根据碳排放脱钩模型，对安徽省工业碳排放进行脱钩弹性测算，得到历年碳排放脱钩弹性，结果如表3。

表3 2005—2018 年安徽省工业碳排放脱钩弹性因素分解

从表3 看出，安徽省工业经济增长与碳排放存在一定的脱钩效应，且大致经历了3 个阶段:2005—2014 年弱脱钩，2014—2016 年短暂的强脱钩，2016—2018 年从衰退脱钩向弱负脱钩转变。

弱脱钩阶段，安徽省工业碳排放弱脱钩弹性指标介于 0-0.67 之间，波动性较小，基本趋于稳定状态。 此阶段，碳排放增长速度小于工业经济增长速度，平稳驱动着工业经济的增长，这与前10 年安徽省经济增长率趋势基本保持一致。

强脱钩阶段，脱钩弹性值均小于零，表示期间安徽省工业总产值与碳排放均同期增长，但前者增长速度要大于后者，表明这一阶段政府节能减排措施奏效。

变化阶段，相比较而言，这三年间脱钩弹性波动明显，尤其是2016—2017 年的脱钩弹性值达到了3. 46，说明在此阶段，安徽省工业行业经历着从强脱钩→衰退脱钩→弱负脱钩的剧烈变化过程。

(三)脱钩驱动因素分析

为了更好地分析不同行业脱钩状态变化，本文将整个研究期分为 2005—2011 年和2011—2018 年两个阶段，并利用脱钩指数计算公式分别测算安徽省37 个工业行业中能源结构、能源效率、行业结构、经济产出以及人口效应对脱钩指弹性指数的影响，具体分解结果如下。

表4 2005—2018 年安徽省工业行业碳排放脱钩弹性因素分解

续表4

由表5 可知，2005—2011 年间，安徽省工业发展处于高速增长期，此阶段，工业行业以弱脱钩为主，为23 个，强脱钩、增长连接状态的行业数量分别为9 个和 4 个。 2011—2018 年期间，处于弱脱钩、强脱钩、衰退连接、增长连接、弱负脱钩、强负脱钩、扩张性负脱钩状态的行业数分别是6 个、18个、3 个、2 个、1 个、1 个和 3 个，其中数量最多的是强脱钩，同时由于工业增长乏力，经济进入新常态，出现弱负、强负、扩张负等多个负脱钩状态。综合来看，两研究阶段的行业主体脱钩状态出由弱脱钩向强脱钩的转变，表明研究期间工业经济增长依赖能源碳排放的程度呈逐渐减弱趋势。

表5 两个研究阶段37 个工业行业碳排放脱钩状态

(1)能源结构(KM)对碳排放脱钩影响

能源结构弹性值由2005—2011 年间的2.1 降低到2011—2018 年间的2.0，两个阶段均对安徽省工业碳排放脱钩起抑制作用。 在2005—2011年间，19 个行业的能源结构对经济增长与碳排放脱钩有着微弱的促进作用，其他行业为抑制作用。2011—2018 年，工业部门中20 个行业对碳排放起促进作用，与上一阶段相比有所进步。 这是因为在此阶段后期工业行业开始致力于产业供给侧改革，对于碳排放系数高的化石能源，例如原煤、焦炭等，使用频率降低。 综合来看，能源结构对于碳排放脱钩影响较小，这也说明能源结构在提升安徽省工业碳排放脱钩方面存在很大空间。 但由于安徽省能源生产结构以煤矿为主，当前阶段还无法做到快速减少高碳化石能源消耗量在低碳能源中使用占比因此，工业各行业应加强能源结构优化，大力提倡清洁能源使用。

(2)能源效率(KT)对碳排放脱钩的影响

能源效率是促进安徽省工业碳排放脱钩的最主要因素，其脱钩弹性由2005—2011 年间的-121.3 降低到 20011—2018 年的-162.9，对各行业的碳排放脱钩也均为促进作用。 这说明近年来安徽省传统工业不断转型升级，逐步向低耗能、高技术发展。 2005—2011 年，能源效率碳排放脱钩弹性绝对值最大的行业是36(-37.04)，其次是08(-10.84)、31(-9.06)，与此同时，26 的能源效率脱钩弹性仅为-0.16，是37 个行业中最弱的。 这是由于安徽省工业部门积极响应政府的号召，关停了“十五”小企业以及生产设备不符合标准的高污染高耗能企业，同时实施了一系列工业转型措施，提高了能源利用效率。 2011—2018 年，2，14，17，23，32，35 等几个行业的能源效率对碳排放脱钩的影响由促进转为抑制作用，其余的行业均为促进作用。 其中，能源效率脱钩弹性绝对值最大的是09 (-54.65)，对碳排放脱钩的作用居首位；其次为32(21.48)、28(-16.78)、06(-14.27)和12(-13.79)，能源效率对碳排放脱钩有着较大的促进作用。 这是因为由于工业技术不断优化，能源利用得到高效、集约发展，促使工业经济的质量和效益得到有效提升，能源效率脱钩弹性值从而明显下降。

(3)行业结构(KS)对碳排放脱钩的影响

由表4 可知，行业结构对安徽省工业碳排放脱钩在两个阶段有着相反的驱动作用。 2005—2011年，安徽省行业结构脱钩弹性为15.33，抑制碳排放的脱钩发展。 在各行业中，36(4.70)脱钩弹性最大，对碳排放脱钩产生较大抑制作用，其次是13(1.57)、32(1.26)、31(1.06)。 这是由于这段时期安徽省37 个行业的行业结构尚未得到明显改善，传统高耗能产业仍是安徽省工业经济发展的主要支撑。 2011—2018 年，安徽省行业结构的脱钩弹性为-25.88，低于2005—2011 年，对碳排放脱钩起到促进作用。 其中09(-47.56)的脱钩弹性绝对值最大，对研究期间的碳排放行业结构脱钩作用最为明显，而32(14.13)对碳排放起主要抑制作用。 这是由于安徽省“十三五”工业绿色发展规划建立以来，积极构建科技含量高、资源消耗低、环境污染少的产业结构，逐步形成了产业绿色发展模式。

(4)经济产出(KI)对碳排放脱钩的影响

经济产出在两个研究期间对安徽省碳排放脱钩均起到抑制作用。 2005—2011 年，安徽省行业结构的脱钩弹性为47.61，各行业脱钩弹性均为正值，其中，经济产出脱钩弹性最大的是36(4.13)，其次为 06(3.23)、32(2.88)、31 (2.80)、08(2.57)，其他行业的脱钩弹性均小于2。 这是因为在此阶段，安徽省大力发展工业项目，推动重大基础设施建设，实现工业经济迅速增长的同时忽视了工业行业的绿色发展。 2011—2018 年，安徽省经济产出的脱钩弹性为 124.2。 除了 01、02、03、32等4 个行业弹性值为负值外，其余行业均为正值，其中09(64.77)是经济产出脱钩弹性最大的城市，其次为 35(5.38)、05(4.88)、23(4.53)，其他行业的行业结构脱钩弹性均小于4。 在这一阶段，安徽省工业行业发展势头放缓，工业总产值的增长乏力，但能源消耗量和碳排放量继续保持增长，从而对碳排放的脱钩起主要的抑制作用。

(5)人口效应(KP)对碳排放脱钩的影响

人口在两个研究期间对安徽省碳排放脱钩均起到抑制作用，这是由于随着工业规模扩大、城市化进程加快，第二产业就业人口增长。 2005—2011 年，安徽省人口的脱钩弹性为30.44，各行业脱钩弹性均为正值，其中，人口的脱钩弹性最大是06(2.65)，其次为 36(2.62)、31 (2.05)，其他行业的脱钩弹性均小于2。 2011—2018 年，安徽省人口的脱钩弹性为 35.44，高于 2005—2011 年。 其中，09(24.27)是人口脱钩弹性最大的城市，其次为 28(1.79)、29(1.43)、12(1.32)和 06(1.07)，其他行业的人口效应脱钩弹性均小于1。 这主要是因为近年来第二产业市场趋于饱和，经济增长乏力，产业寻求转型升级，就业人口增长缓慢。

五、结论与建议

本文以安徽省37 个工业行业为研究对象，选用2005-2018 年作为研究期，从能源结构、能源效率、行业结构、经济产出、人口效应5 个方面研究碳排放驱动因素，并结合LMDI 分解和Tapio 脱钩模型对工业碳排放进行脱钩研究，得出的结论如下。

碳排放趋势分析:2005—2013 年安徽省工业行业碳排放量巨幅上升，年平均增长率为6.13%，2014 年后增幅逐步趋于平缓。

因素指标分析:能源效率是促进安徽省工业行业碳排放脱钩的主要因素；经济产出是抑制碳排放脱钩的首要原因，其次是人口效应因素；行业结构在两个研究期的驱动作用由抑制转为促进；能源结构对碳排放脱钩抑制效果最弱。

脱钩状态分析:在整个研究期间内，安徽省工业经济增长与碳排放脱钩效应经历了长期弱脱钩→短暂强脱钩→最终弱负脱钩3 个阶段。 行业数量主体的脱钩状态实现了由第一阶段的24 个行业弱脱钩转变为第二阶段23 个行业强脱钩的局面，表明安徽省工业经济增长对能源碳排放的依赖程度正在逐渐减弱。

当前安徽省工业行业发展正处于产业升级重要时期，基于上述研究结论，为政府部门制定节能减排的政策提出以下三点建议:(1)安徽省作为能源大省，省内能源消费主要以煤炭类的化石燃料为主，而能源结构对于碳排放脱钩作用相对较弱，说明能源结构存在一定提升空间。 因此，在对节能减排对策研究时，思路重点应放在新技术和新能源更新升级上，对能源利用技术进行改造升级，提高能源使用效率，同时要扩大清洁能源在工业能源消费比重。 (2)经济产出虽然是抑制工业行业碳排放与经济脱钩的主要因素，但同时也是国民经济发展的重要支柱，故不应将减少经济发展作为控制减少碳排放的主要目标。 政府应通过加强供给侧改革，控制产能生产，减少产能过剩和资源的浪费。 (3)结合安徽省内资源优势，加快行业结构的升级优化，大力发展智能制造、新能源汽车，集成电路等高新技术产业，对于技术落后和排放不合格的产业进行淘汰和技术升级，全面提升工业绿色发展竞争力。