绿色金融背景下我国城市碳达峰潜力与路径分析
——基于17个低碳试点城市截面数据研究
2022-09-30苏雅丽曾晓涵
苏雅丽,曾晓涵,毛 莹
(武汉纺织大学 经济学院,湖北 武汉 430200)
1 问题的提出与研究简述
在第七十五届联合国大会一般性辩论上,我国庄严宣布,力争使二氧化碳的排放量在2030年前达到峰值,2060年前实现碳中和[1,2]。在金融经济方面,绿色金融、低碳经济日渐成为发展的主旋律。这不仅是出于生态文明建设的需要,还是未来经济社会可持续发展的必然要求,基于此,我国正在逐渐步入以减碳为抓手的战略发展新时期。
城市是碳达峰趋势向前推进的关键主体,能源消耗量和二氧化碳等温室气体排放量最多,因此在后续碳减排行动开展上它也是重要抓手。但是纵观全局不难看出,现存的文献中对全国低碳试点城市的达峰对比情况研究不够,仅单从省级入手[3],以城市为点论述不多,基于不同城市间的达峰效率差异提出的促进措施探讨也较少。且将绿色金融因素同碳达峰直接相连的也寥寥无几,因此本文基于此展开论述。
2 基于17个低碳试点城市的碳达峰潜力实证研究
2.1 指标的选取与说明
迄今,全国的低碳试点省市已相继开展了3批共87个,本文以21世纪经济研究院选取的20个低碳城市为初步借鉴,基于年鉴上各城市数据存在不同程度的缺失,最终从中选取了17个试点城市作为样本总量。由于2021年大部分统计年鉴还未公布,因此本文选取了2020年的截面数据作为参考,数据来源参考国家统计局、各城市统计局统计年鉴。
借鉴21世纪经济研究院对城市碳达峰预测估计的指标选取方法,本文主要从表1四个大方面展开论述:城市宏观层面、城市人口规模、经济发展水平、产业结构及能耗强度[4]。鉴于碳达峰不仅在量上有要求,在达峰时间上也有不同程度的差异,速度的快慢可能也影响到达峰的先后,因此本文特地在静态指标的基础上另外选取了部分动态指标,借以增加结论的可靠性。
表1 影响碳达峰潜力的一级二级指标
2.2 创新指标的解释说明
在城市宏观因素的影响上,如果一个城市绿色金融发展程度越好,金融对绿色发展的支持度越高,那么企业的产业结构调整、能源转型优化升级等都会一定程度上影响到碳减排,不仅如此乃至整个城市的绿色低碳发展观念都会更加深入,由此可能加快达峰进程。
李春涛、闫续文利用百度搜索构建了地区金融科技发展水平指标[5],这对本文采用百度资讯检索的新闻数量来构建地区绿色金融发展程度指标提供了一个启示。它的内在逻辑在于一个地区如果有绿色金融相关的资讯,比如绿色信贷绿色债券的发放、企业开展绿色转型进行绿色投资等,都会有各路媒体争相
报道,那么必然会被百度新闻资讯所检索得到。不仅如此,还可以采用“关键词+地区”的搜索方式调取出不同地区的发展差异,截取不同的时间间隔,便可得到不同年份间纵向和横向的发展对比,这不仅可以大致反映绿色金融在不同城市间的发展差异,还可以反映某一个城市绿色金融发展的粗略历程。
首先,从中国知网选取了近十年来与绿色金融相关的文献,并利用Citespace软件将数据导入来试图进行关键词的共现分析,以求得到与绿色金融相关的关键词[6,7]。时间范围控制在近10年调整为2012~2022年,然后进入运行便可得到绿色金融研究关键词的共现图谱,主要关键词节点如图1所示。
图1 关键词共现图谱
基于此,提取了12个关键词,包括绿色金融、绿色发展、绿色保险、绿色信贷、绿色债券、绿色转型、绿色投资、碳中和、气候风险、低碳转型、碳减排、碳金融。将这些关键词与选取的17个低碳试点城市一一搭配,如“广州+绿色转型”输入百度检索,并利用网络爬虫技术统计资讯页面的新闻数量,我们时间节点选取了2015~2022年,考虑到前期的积累也会对现如今的绿色金融发展程度造成影响,打下基础,本文便采用了近7年的总数量来作为2020年各地区绿色金融发展程度这一指标的解释。
2.3 对数据进行因子分析
2.3.1 数据的标准化处理
由于选取的指标经济类型略有不同,各数据的单位和所代表的的含义也有所差异,为了便于统一处理,我们对所选取的数据进行标准化处理。此处采用z-score标准化。
2.3.2 确定原变量是否适合做因子分析
考虑原变量是否适合做因子分析[8],可从以下3个方法来判别。首先,根据相关矩阵可以看出主对角线元素均为1,因此为正定矩阵。另外可以看出大部分原始变量相关系数的值均大于0.3,因此判定也可以采用因子分析;除此之外,还可以用KMO和Bartlett球形检验来进一步验证,虽然KMO度量值为0.348小于0.5,但Bartlett球形度检验中p值接近于0小于0.01,也是适合做因子分析的(表2);最后,在公因子方差表里(表3),变量之间提取的公因子方差越接近于1,被公因子解释的能力就越强,反之越接近于0则越弱。根据公因子方差表可知,提取的数值除了X10、X14外绝大部分都大于0.8甚至大于0.9,说明选取的14个经济指标的解释能力均较强,因此能够进行因子分析,并不会造成较大的数据信息的损失。总而言之,多重验证下表明,该数据仍然是适合做因子分析的。
2.3.3 提取因子变量
对于特征值大于1的因子,通过用SPSS软件进行分析,可以得到解释的总方差(表4),从而可大致估计因子对变量的贡献率。具体来说,前5个因子的特征值均大于标准值1,且累计贡献率达到了88.922%,解释能力较强,包含了全部经济指标88.922%的信息。但从第六个因子开始特征值小于1,解释能力变弱,因此可选择提取前5个因子。另外从碎石图(图2)来看前5个因子变化趋势也较为陡峭,其后趋势开始趋于平缓,这也表明提取5个因子是合适的,前5个因子包含的信息较多。而且根据成分得分协方差矩阵(表5),也可看出5个因子彼此间也不相关。
表2 KMO和Bartlett的检验
表3 公因子方差
2.3.4 因子旋转
为了使不同因子解释力更为突出,使提取的公共因子在某个变量上的载荷呈现出明显的差异,对成分矩阵(表6)进行旋转,得到了旋转成分矩阵(表7),并可据此进一步总结说明该公共因子的经济意义。
根据分析表明,提取的公共因子1在:地区绿色金融发展程度(X1),节能环保支出(X2),年末常住人口(X4),国民生产总值GDP(X6),全社会用电量(X8)的因子载荷值最大,可以概括为增量影响因子,方差贡献率为28.367%。
因子2对:GDP年增长率(X7),规模以上工业增加值增加速度(X12),全社会用电量增长率(X13),工业用电增长率(X14)解释力度较强,可以概括为增速影响因子,方差贡献率为23.426%。
表4 解释的总方差
表5 成份得分协方差矩阵
图2 碎石图
因子3对:工业用电量(X9),工业行业综合能耗(X10),规模以上工业煤炭消费量(X11)解释力度较强,可以概括为工业端影响因子,方差贡献率达17.554%。
因子4对:节能环保增幅(X3)的解释力度较强,可以概括为环保端影响因子,方差贡献率为10.455%。
因子5对:人口年均增长率(X5)的解释力度较强,可以概括为居民端影响因子,方差贡献率有9.121%。
2.3.5 因子得分
为了确定上述5个因子的表达式,用SPSS软件分析出了成份得分系数矩阵,如表8所示。据此可得出5大因子的表达式为:
F1=0.214X1+0.318X2+0.281X4+0.23X6+0.136X8
F2=0.248X7+0.3X12+0.308X13+0.26X14
F3=0.346X9+0.299X10+0.406X11
F4=0.695X3
F5=0.785X5
根据解释方差的贡献率数据,我们可以求得总因子得分函数为:
F=(0.28367F1+0.23426F2+0.17554F3+0.10455F4+0.09121F5)/0.88922
2.3.6 结论
为便于分析各城市达峰潜力及差异情况,可将标准化后的指标数据带入函数中,由此便可得出各城市的总得分情况,按降序进行排列便可得出排名情况。如表9所示。
从排名结果来看,排名前5的为重庆、上海、苏州、济南、深圳;后五名为天津、合肥、厦门、沈阳、武汉。从具体分析来看:
表6 成份矩阵a
表7 旋转成份矩阵a
表8 成份得分系数矩阵
(1)基于宏观增量影响因子F1,排名前五名的依次是上海、北京、重庆、深圳、广州,后五名是青岛、济南、合肥、沈阳、厦门,两者排名基本较为符合,表明该公共因子对碳达峰影响较大。具体来看,在GDP总
表9 各城市得分排名
量上,上海、深圳、重庆位于前五,合肥、沈阳、厦门位于后五,表明经济发展水平对碳达峰情况确实有一定助推作用,越发达地区越有望率先达峰;其次从全社会用电量来看,上海、重庆、苏州、深圳位于前6,合肥、厦门、沈阳依旧甩尾,一定程度上表明用电量越高地区,二氧化碳排放加大,有望促进达峰;最后在地区绿色金融发展程度上来看更为符合,总排名前5的依旧靠前,后5名仍旧靠后,表明地区绿色金融发展程度越高,低碳发展意识越强,越有望削弱峰值水平早日趋于平稳并进入下降阶段。
(2)基于增速影响因子F2排序,第一是济南,最后一名是武汉。具体来说,在内部GDP年增长率、规模以上工业增加值增加速度、全社会用电量增长率乃至工业用电量增长率上济南均名列前茅,因此可以表明影响达峰潜力的不仅仅在于碳排放总量的增加,速度的叠加也至关重要。虽然济南在公共因子F1里面排名均不太靠前,但由于其增速较快,因此总得分也较为靠前。
(3)基于工业端因子F3排序,苏州位居榜首,不仅如此,在内部的成分因子工业用电量、工业行业综合能耗以及规模以上工业煤炭消费量上的排序也均列一或列二,由此可证明为什么除了常规思维北上广深可能率先达峰外,本次的实证结果里苏州碳达峰潜力也较高。第二产业的发展会极大影响到碳排放强度,它在拉动经济增长的同时也带来了碳排放量的增加,工业越发达的城市碳排放量有可能越高。2021年,苏州工业产值在连续8年进入“3万亿俱乐部”后,迈上了4万亿新台阶,成为中国首座工业产值4万亿的城市,甚至可以拿下全球工业第一市的宝座,工业的发达由此便相应带来了碳排放量的增加。
(4)在节能环保端因子F4上可以看出,重庆、苏州、上海、济南等排名均靠前,节能环保支出增幅也较多,这表明若是从单个城市的视角来看,碳达峰也是自身年份比较的一个纵向概念,节能环保、低碳意识的发展有利于在原本较高的碳排放量上加快每年的下降速度,削弱进入平稳下降阶段的峰值水平,从而促使在纵向的年度水平上尽快实现达峰。而反观天津、合肥、厦门、沈阳、武汉等环保增幅均靠后,节能环保力度较为不足。
(5)在居民端因子F5方面,达峰潜力较高的济南、深圳、上海均排名较为靠前,人口增长率较高。从已经完成工业化的一些发达国家的历史经验来看,居民消费产生的碳排放量占国家碳排放的占比甚至有可能高达60%左右。人口规模会通过各种途径或直接或间接地影响到城市的碳排放量,比如人口规模越大汽车保有量越多、电力使用量增加、建筑密度日益减小、鞭炮燃放秸秆燃烧增加等。因此在考虑低碳发展时必须要把城市规模、人口密度等纳入考量,从居民端、消费端方面的碳减排必须要重视起来了。
3 我国推进碳达峰的路径建议
从全球范围内来看,目前已经有50多个国家实现了碳达峰。但相比我国制定的2050年碳达峰目标,连德国、法国、英国等发达国家都用了50多年的努力才达到峰值,而我国只有近30年[9]。时间紧任务重,必须要积极找到适合自己国情的碳达峰路径。
3.1 抓住机遇
(1)经济发展新阶段。随着“十四五”时期的迈入,在第一个百年奋斗目标完成的基础上,我国开启了全面建设社会主义现代化国家的新征程,正逐步进入发展的新阶段。随着国家各项政策的相继出台,五大新发展理念不断贯彻落实,国际国内双循环的新发展格局也在逐步推进,创新观念深入人心,这些都助推了经济发展方式的转变,为加快实现碳达峰碳中和提供了机遇,要积极抓住,巧于运用。
(2)绿色金融的发展。从根本性质上来看,碳达峰、碳中和的最终愿景是将各项金融资源向绿色环保领域倾斜,这与我国的绿色金融发展的目标不谋而合。实证分析也表明,绿色金融发展程度较好的地区如重庆、上海、深圳、济南、苏州等,往往碳达峰潜力也较大,因此其他城市省份也要抓住这一机遇,大力推行各种绿色金融产品、绿色衍生品和一些创新的商业模式等,发挥好绿色金融在经济领域的关键作用,助推碳达峰碳中和目标的早日实现。
3.2 迎接挑战
“碳达峰”的完整含义指特定时间区间内二氧化碳排放总量达到最大值,随后进入平稳下降阶段的过程。因此,一昧追求绝对量的增加并不是目的,使碳排放量逐渐趋于平稳,到达一个极大值后开始缓慢下降才是本质目标。就目前我国国情来看,正处于碳排放量逐渐增长的阶段,碳排放总量居世界第一位,能源消费结构依旧是以高碳为主,因此节能减排,削弱峰值,早日在低位达到平稳状态才是明智之举。
(1)能源供给端发力。从世界能源结构转型过程来看,外在表现基本上都是从煤炭向石油、而后天然气、最终向非化石能源的过渡过程,本质上也就是从高碳排放向低碳排放、最后力争向零碳排放过渡的转型过程。但就我国目前的能源消费结构来看,不得不承认现在乃至将来可能在很长一段时间内,将依旧是以化石能源为主,能源需求量大且能耗极高,极大增加了温室气体的排放。因此在能源供给端要大力推广能源结构的优化升级,积极进行能源替代。尽可能在生产生活中采用清洁能源、可再生能源等代替一些高污染能源如煤炭石油等的使用,逐渐提高它们在总能源消费中的比重,以期降低温室气体的最终排放量。
(2)能源消费端发力。就我国目前国情来看,化石能源的替代绝非一朝一夕,因此能源消费端的控制也是一大重点。一方面产业结构要抓紧时间优化升级,减少碳排放的绝对量。三大产业中尤其是第二产业的发展对碳排量的增长影响极大,要想促进减排,产业结构的优化升级、积极调整必须排上日程,积极发展节能环保的新兴产业和低碳产业;另一方面要积极实现消费终端的电气化和高效化,减少碳排放的相对量。必须承认能源的替代不会一蹴而就,基于各种主客观因素的考量,在转型过程中或多或少依旧会有终端使用化石能源,对于这些不得不使用化石能源消费的终端,要从提高能耗效率为着入点,尽力研发新一代能耗技术和智能控制技术来控制终端的能耗,通过尽力降低天然气等化石能源的消耗速度以期来减少碳排放量。
(3)人为固碳端发力。首先,从国家政策层面可以通过推广封山育林、植树造林、退耕还林还草等措施来增加生物固碳,减少空气中的二氧化碳排放量;其次,从居民个人层面来说可通过在出行时选择绿色出行方式,减少私家车的使用,尽量乘坐公共交通工具、出门离家随手关灯关电、外出购物就餐提前自备储物袋和餐具,尽量减少一次性餐具和塑料袋等使用、不随意焚烧秸秆、减少燃鞭等方式肩负起净零低碳时代赋予每个人的圣神使命。