区域异质视角下中国工业CO2协同减排及扩展效应分析

陈 瑶

内容提要 面对全球气候异常挑战及国内大气污染排放的双重压力，“协同控制”已经成为中国工业可持续发展的重要战略任务和优化选择。文章基于区域异质视角，以工业CO2对SO2的协同减排为着力点，运用计量模型分析工业CO2对SO2的协同减排效应及扩展效应，论证工业部门CO2对SO2协同减排的区域异质性。研究表明：工业CO2对SO2的协同减排及扩展效应总体显著，但是技术创新能力与环境规制强度存在滞后效应，且低碳技术的滞后性会弱化协同减排效应，因此需要探索温室气体与大气污染物协同控制的技术工艺，加强协同创新；工业CO2对SO2的协同减排及扩展效应存在区域差异，东部和中西部地区具有更显著的协同减排效应，东北及西部地区技术创新能力的协同减排和扩展效应均存在滞后性，环境规制强度的政策效果在东部和西部地区的滞后性也更加显著，因此应针对不同区域制定不同的协同减排实施方案。

引 言

现阶段协同减排效应的研究具有多重视角，国际社会更加关注温室气体减排措施对传统污染物减排的协同效应，联合国政府间气候变化专门委员会(IPCC)、经济合作与发展组织(OECD)等国际机构以及欧美国家环保部门对协同效应的阐述主要集中在温室气体协同控制大气污染物排放，而中国、日本等亚洲国家主要强调环境污染控制政策与气候变化政策同等重要。①本文主要研究温室气体控制对大气污染物的协同减排效应，这是顺应大气污染防治的有效举措，更是推进我国生态文明建设的重要抓手。中国工业是温室气体排放的主要领域，工业化石能源碳排放占全国碳排放的70%以上，②SO2、PM2.5、NO2等也是主要工业废气废物。2005年以来，中国虽然实施了一系列SO2控排措施，但仍是仅次于印度和俄罗斯的第三大SO2排放国。③国家统计局数据显示，2011—2020年，中国88.33%的SO2排放量来自工业部门，且SO2在工业污染物中比例最高。因此文章以中国工业部门为研究对象，力图量化工业CO2对主要大气污染物SO2的协同减排及扩展效应，论证协同减排效应的区域异质性，拟解决如下问题：工业CO2对SO2协同减排效应如何？

工业CO2减排的同时可以降低多少SO2排放量？不同经济区域的协同减排扩展效应如何体现？这些问题的解决为加速推进区域间工业部门温室气体与大气污染物协同治理进程、协同控制路径实施提供理论支撑，这对实现工业污染一体化综合治理、促成碳排放早日达峰及实现碳中和具有重要意义。

国内外学者对协同效应的研究领域及研究方法涉猎较广，既包括对空气质量影响的研究，④也包括对人体健康、当地经济发展和就业以及社会福利等影响的研究。⑤在健康效益方面，有学者估算出2010—2030年气候政策所产生的燃煤电厂SO2协同减排产生的协同收益，每年可以避免1030—12000亿美元的经济损失。⑥在经济发展与社会影响方面，从全球层面来看，在400ppmvCO2稳定情景下，2020—2100年期间全球道路车辆的SO2、NO2和PM累积排放量减少率分别为22.1%、10.8%和14.4%。⑦从城市层面来看，提升能源利用效率及降低垃圾产生量可以有效缓解气候变化且实现协同效益；地方政府为解决气候变化问题而采取的举措可以有效实现城市协同效益。⑧在空气质量方面，学者们主要基于不同模型对不同气候变化进行政策情景模拟，包括从国家层面量化南非全国范围的空气污染物和温室气体排放及其成本控制，⑨以及从全球层面进行协同效应的政策评估，认为气候变化减缓政策对SO2和NO2排放的影响最大。⑩

协同效应研究主要涉及钢铁、水泥、煤炭、电力等重污染型行业。在钢铁行业中，部分学者发现节能减排技术的普及对降低大气污染物(SO2、NO2和PM10等)排放量具有显著的协同效益。水泥行业在CO2减排目标为5.5%时，可协同减排230万吨空气污染物(SO2、NO2和烟尘等)。煤炭行业如果从源头和末端两方面进行控制，可以在2030年达到碳峰值目标，同时有效实现空气质量的提升。较多学者关注电力行业，发现CO2减排对SO2减排存在协同效应，且协同减排效应存在区域异质性，能源消耗情景预测表明低碳路径可以更好地实现CO2与空气污染物的协同减排。也有部分学者从行业差异视角研究协同效应，发现电力行业大多依靠工程减排，水泥和钢铁行业主要靠调整结构来实现减排，且末端治理技术也会造成能源消耗，因此污染物的协同控制效果较差。协同效应研究广泛使用的模型包括技术的市场分配模型(MARKAL)、远程能源替代计划模型(LEAP)、能源系统优化模型、可计算一般均衡模型(CGE)、动态优化模型、系统动力学模型、Kaya恒等式以及回归模型等。其中Kaya恒等式和LMDI分解法一直是碳排放影响因素分析的基础模型，在解释历史排放变化及内部机理方面具有重要的作用。

研究设计与变量分析

(一)模型设计与变量选择

Kaya恒等式是通过构建链式乘积的形式对碳排放量进行分解，并测度各驱动因素的贡献，随着研究领域的深入及扩展，很多学者丰富了Kaya恒等式的研究视角。本研究需要解决CO2的协同减排问题，因此对Kaya恒等式进行扩展，纳入工业CO2对SO2的协同减排效应，得出改进的Kaya恒等式：

(1)

式(1)中i代表不同地区，ωi代表每单位工业CO2排放产生的工业SO2排放量，即CO2对SO2的协同减排效应；τi代表工业行业每单位能源消耗产生的CO2排放量，即各种能源的碳排放因子，为常量；σi代表每单位工业增加值的能源消耗，即工业能源强度，πi代表工业增加值占GDP比重，ρi表示人均GDP，Pi代表人口规模。

参考Ang对碳排放影响因素的分析，以及傅京燕和原宗琳对电力行业SO2排放的分解原理，对式(1)进行全微分处理，并求基期到T期([0,T])的定积分，将工业SO2排放的影响因素分解为协同减排效应、能源强度效应、产业结构效应、经济发展效应、人口效应，其中τi全微分后为零。进一步基于对数平均权重分解获得式(3)，对应式(2)的右边的五种效应。

(2)

ΔSO2=Δωi+Δσi+Δπi+Δρi+ΔPi

(3)

结合前人的研究经验及上述因素分解过程，本研究以工业SO2减排量为被解释变量，对影响SO2减排的解释变量做以下选取和分类：(1)核心解释变量。即工业CO2的减排量，重点分析CO2减排对SO2协同减排的量化关系。(2)能源要素，选择工业能源消耗与工业增加值的比重来表示能源要素。如部分学者研究发现能源消费与SO2排放呈现高度线性关系。(3)产业结构要素，选取工业增加值占GDP的比重来表示。已有研究表明，我国高耗能行业如煤电、水泥、钢铁等均通过优化产业结构实现了单位能源SO2排放量的降低。(4)技术要素，选取R&D占GDP的比重代表技术创新要素，用于分析协同减排扩展效应。如部分学者认为节能减排技术的普及对降低大气污染物排放量具有显著的协同效益。(5)经济和社会要素，选择人均GDP代表全国不同省份的经济发展水平，社会要素选取城镇化水平、环境规制强度和人口密度来表示，其中城镇化水平和环境规制强度用于分析协同减排扩展效应，城镇化水平代表市场的潜力大小，环境规制则从制度方面考虑，人口密度指单位土地面积上的人口数量，这些要素均可通过影响工业产品的生产与消费来改变工业SO2减排量。

(二)模型构建

根据扩展的Kaya恒等式及前人对影响工业SO2减排要素的经验总结，量化工业CO2对SO2的协同减排及扩展效应，本研究构建回归模型并纳入代表协同减排效应、能源强度效应、产业结构效应、经济发展效应、人口基数效应的相应变量：工业CO2减排量、工业能源强度、产业结构、人均GDP及其平方项(检验是否存在环境库兹涅茨曲线假说)、人口密度，建立双向固定效应的回归模型：

(4)

(5)

式(4)和(5)中i和t分别代表地区和时间，SO2和CO2分别代表工业二氧化硫和二氧化碳的减排量，EI、IS、PGDP、PD分别代表工业能源强度、产业结构、人均GDP和人口密度，R&D、Urban、ER分别代表技术创新能力、城镇化水平、环境规制强度；考虑到技术创新能力与环境规制强度对CO2减排存在滞后性，模型中纳入了这两个解释变量的滞后效应，α0、β0为常量，μi、δt分别代表个体固定效应和时间固定效应，εit为随机误差。式(4)为基准回归模型，式(5)是在基准模型基础上纳入CO2减排量分别与技术创新能力、城镇化水平以及环境规制强度的交互作用，具体分析由于经济、社会和环境要素对CO2减排的影响，进而对SO2产生的协同减排扩展效应。

(三)数据来源与变量描述

本研究选取2005—2020年中国30个省区市的数据(考虑到数据的可获取性，研究不涉及西藏和港澳台地区)，实证分析中国工业CO2对SO2的协同减排及扩展效应。各变量的基础数据来源于历年的《中国统计年鉴》《中国能源统计年鉴》《中国工业经济统计年鉴》《中国环境年鉴》《中国科技统计年鉴》以及各省区市统计年鉴等，并对相关资料数据进行适当处理。

各省份工业SO2排放量的数据来源于历年《中国统计年鉴》和《中国环境年鉴》。由于工业CO2排放量的数据无法从年鉴中直接获取，本研究应用《IPCC2006年国家温室气体排放清单》中不同化石能源的平均低热值和碳氧化率，根据化石能源消耗量及碳排放系数，测算工业CO2排放量，并进一步获取工业CO2减排量，主要的化石能源包括：煤炭、石油和天然气。

实证结果分析及政策含义

(一)单位根检验

为避免回归模型相互序列间可能存在“伪回归”现象，对协同效应基准回归模型和协同扩展回归模型进行平稳性检验，多元时间序列回归模型平稳性检验的通常做法是检验回归模型是否存在单位根。考虑到回归模型面板数据单位根检验可能由于变量参数限制存在面板数据的截面序列相同单位根或不同单位根，对面板数据分别进行LLC(Levin-Lin-Chu)检验、IPS(Im-Pesaran-Skin)检验、Fisher-ADF检验及Fisher-PP检验，各变量的一阶差分单位根检验结果均显示通过单位根检验，且在1%水平上显著，因此各变量一阶差分对应的序列平稳。其次在单位根平稳检验的基础上，我们进一步对回归模型的协整关系和序列波动性进行检验，判断序列间是否存在稳定的均衡关系。通常以Johansen协整检验体现回归模型序列间的长期均衡关系，或者建立在Engle and Granger二步法检验基础上的面板协整检验(具体方法有Pedroni检验和Kao检验)。文章采用Kao检验对我国不同经济区域，以及协同基准模型和协同扩展模型中的变量进行协整检验，判断各回归模型变量之间是否存在长期稳定的协整关系。各模型Kao检验的P值均表明，在1%的置信水平下，自变量和因变量的Kao检验结果的统计值非常显著，拒绝原假设，表明各检验模型中面板数据变量各序列间均存在协整关系。

(二)回归结果分析

文章采用固定效应(FE)、可行性广义最小二乘法(FGLS)以及全面FGLS等估计方法构建多个回归模型进行对比分析，模型拟合度较好，回归模型结果均显示工业部门CO2对SO2具有显著的协同减排效应。考虑全面FGLS相较于其他回归模型具有更好的稳定性和有效性，并且能够有效解决回归模型自相关、组间异方差、组间同期相关等问题，文章采用全面FGLS进行估计，基准模型、协同扩展模型及四大区域的模型的回归结果如表1所示。其中模型(1)为协同效应基准模型的回归结果，模型(2)是工业CO2减排与技术创新能力、城镇化水平、环境规制强度交互作用下的协同扩展效应模型；模型(3)—模型(6)是中国四大经济区域的回归结果，以模型(2)的回归结果对工业整体情况展开具体分析。

表1 温室气体协同减排效应的回归结果

(1)协同减排核心要素

从模型(2)的回归分析结果可以看出，工业部门CO2协同减排效应显著，即每减少1万吨工业CO2排放量，SO2可以协同减排0.0054万吨。同时CO2减排与技术创新能力、城镇化水平、环境规制强度交互作用下对SO2协同减排的扩展效应也相应显著。技术创新能力的交互项(CO2R)显示，当期技术创新能力对SO2减排具有显著的正相关性(0.20056)，即R&D投入在CO2排放控制的同时，对SO2协同减排有显著的扩展效应；但是CO2R的滞后项(L.CO2R)却是5%水平下的负相关(-0.04643)，这可能意味着，低碳技术可以协同减排当期的SO2，但也会产生能源消耗从而引起下期SO2排放量增加，这一结论也与顾阿伦等的研究结果一致。城镇化水平的交互项(CO2U)显示，城镇化水平对工业SO2减排具有显著的正相关性，即提高城镇化水平对工业SO2协同减排有显著的扩展效应。环境规制强度的交互项(CO2E)显示，环境规制强度对工业SO2减排具有显著的正相关性，同时其滞后项(L.CO2E)也具有显著的相关性，说明工业污染治理投入的增强能有效促进工业SO2协同减排，同时当期的工业污染治理投资具有显著的滞后性，且对下期的工业SO2减排具有显著的协同减排效应。

(2)工业能源强度要素

工业能源强度要素(EI)对工业SO2减排呈现显著的负相关，说明工业能源强度越小，能源利用效率越高，工业SO2减排量越大。国际能源署发布《能源效率2018——分析和展望至2040》提出全球能源效率具有较大的提升潜力，能源效率提升可以提供可观的经济、社会和环境效益，这与全球温室气体排放达到峰值也密切相关。2020年我国能源强度指标比2005年下降64.78%，同年工业和信息化部按照《“十三五”工业绿色发展规划》制定《工业节能诊断服务行动计划》，对工业企业工艺技术装备、能源利用效率、能源管理体系开展全面诊断，帮助企业发现用能问题，查找节能潜力，提升能效和节能管理水平。从国家层面来看，工业能源强度的降低与节能减排措施对工业SO2减排具有显著的成效，应进一步加强节能管理，挖掘工业能源利用效率的提升潜力。

(3)产业结构要素

产业结构(IS)与工业SO2减排呈现显著的负相关，即随着我国工业增加值占GDP的比重的逐步下降，工业SO2减排力度呈上升趋势。从全国整体看，“十一五”至“十三五”期间产业结构不断优化，技术创新能力不断加强，2006年之后工业增加值占GDP的比重整体呈下降趋势，降幅达28%。随着产业持续升级，传统工业尤其是制造业占经济比重呈下降趋势，第三产业增加值占比呈上升趋势。2012年，第三产业占比首次超过第二产业，达到45.50%。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》强调加快现代产业体系，加快推进制造强国、质量强国建设，促进先进制造业和现代服务业深度融合，深入实施智能制造和绿色制造工程，推动制造业高端化智能化绿色化，推动生产性服务业向专业化和价值链高端延伸。因此推动产业转型升级能有效提升工业SO2减排潜力，但随着我国制造强国、质量强国建设的持续推进，产业结构将趋于稳定，工业SO2减排的潜力也将逐步减小。

模型(2)中人均GDP及其平方项显示经济发展与工业SO2减排呈现显著的倒“U”型关系。经济发展初期持续的能源消耗一定程度上加大了工业SO2减排力度，但随着时间推移，当经济发展水平提升并到达“拐点”或者临界点时，能源消耗逐步减少，大气污染状况相对改善，工业SO2减排量也逐步下降，经济发展水平与工业SO2减排形成环境库兹涅茨曲线现象。工业SO2减排量总体呈稳步上升趋势，可见我国人均收入总体水平仍未达到工业SO2减排的环境库兹涅茨曲线的“拐点”；人均GDP平方项的显著负相关结果显示，随着人均收入总体水平提升并超过曲线“拐点”，工业SO2减排量逐步减少，这需要相应实施有效的环境规制政策才能保证经济发展与环境改善的共赢。此外不能仅从人均GDP与工业SO2减排形成的环境库兹涅茨曲线现象来完全解释经济发展与大气污染的关系。

(5)区域分析

模型(3)—模型(6)分别反映中国东北、东部、中部和西部地区的回归结果，除东北地区外，其他地区工业CO2对SO2的协同减排效应均显著，每减少1万吨工业CO2排放量，四个地区工业SO2分别协同减排0.0021万吨、0.0052万吨、0.0055万吨、0.0055万吨。工业CO2对SO2协同减排的扩展效应存在较为明显的区域差异，东部地区的技术创新能力(CO2R)及滞后效应(L.CO2R)与全国水平类似，其他地区的当期CO2R均不显著，东北及西部地区技术创新能力均存在滞后性，即当期的低碳R&D投入对下期工业SO2减排具有显著的协同扩展效应。城镇化水平(CO2U)在东部和中西部地区具有显著的协同减排扩展效应，而东北地区结果不显著。其他解释变量的回归结果显示，东北和西部的工业能源强度(EI)与工业SO2减排呈显著的负相关，说明两个地区的工业能源利用效率得到有效提升，“东北振兴”和“西部大开发”战略在提升经济发展的同时有效促进了能源转型升级，降低了大气污染物排放。产业结构(IS)与工业SO2减排在东部和西部地区呈现显著负相关，在东北及中部地区负相关水平较弱。研究期间东部地区工业增加值占GDP的比重从41.74%持续降低到32.0%；东部地区是我国经济实力最强、发展水平最高、产业转型升级走在全国前列的经济区域，如江苏省将产业创新作为主攻方向，着力以科技创新推动产业向中高端升级转型，并取得了显著成效。中西部地区的人均GDP及其平方项显示经济发展与工业SO2减排呈现显著的倒“U”型关系，环境库兹涅茨曲线现象较为显著。

(三)内生性问题和稳健性检验

鉴于回归模型可能存在内生性的问题，这包括测算误差、变量遗漏、核心变量的反向因果等问题，可能降低模型稳健性并导致估计结果偏误。通常选择工具变量法解决解释变量的内生性问题，假定核心解释变量CO2减排量为内生变量，CO2的前期排放活动可能影响当期SO2的排放，选取CO2减排量的一阶滞后项作为工具变量。内生性DWH检验结果显示存在内生解释变量，弱工具变量检验Shea’s Partial R2(F统计量)以及Gragg-Donald Wald F的检验结果均显示不存在弱工具变量，因此选取两阶段最小二乘法估计(2SLS)先分离出外生变量的内生部分，再对外生部分回归分析。2SLS一阶段的估计结果显示CO2的一阶滞后项对CO2具有较好的解释性。在球状扰动项的假设下，2SLS检验是最有效率的，考虑到扰动项可能存在异方差或者自相关，为验证模型的稳健性及有效性，进一步使用广义矩估计法(GMM)进行统计推断。同时利用最小二乘虚拟变量模型(LSDV)与GMM模型回归对比分析，发现GMM模型虽然更加稳健与有效，但核心解释变量的显著性明显低于LSDV模型，其余变量总体回归结果相似，可以支撑模型的稳健性。

结 论

面对全球气候异常变化和国内大气污染治理的严峻形势，“协同控制”已经成为中国工业应对气候挑战及缓解大气污染防治压力的重要战略选择。本研究以中国工业部门为研究对象，采用改进的Kaya恒等式，以2005—2020年数据实证分析工业CO2对SO2的协同减排及扩展效应，论证工业CO2对SO2协同减排的区域异质性，得出以下结论：

(1)工业CO2对SO2的协同减排效应总体显著，工业CO2减排与技术创新能力、城镇化水平、环境规制强度相互作用下对SO2协同减排产生显著的扩展效应，技术创新能力滞后项(L.CO2E)显著，低碳技术可以协同减排当期的工业SO2，但也会产生能源消耗从而引起下期工业SO2排放量增加。环境规制强度对工业SO2减排具有显著的正相关性，其滞后项(L.CO2E)也反映出当期的环境规制强度对工业SO2减排具有较强的滞后性。

(2)工业能源强度要素(EI)对工业SO2减排具有显著的负相关性，相关部门应充分发挥工业能源效率提升潜力对工业SO2减排的显著成效。产业结构要素(IS)显示工业增加值占GDP的比重与工业SO2减排呈现显著的负相关，即随着我国工业增加值占GDP的比重的逐步下降，工业SO2减排力度呈现上升趋势。人均GDP及其平方项显示经济发展与工业SO2减排呈现显著的倒“U”型关系，但我国人均收入总体水平仍未达到工业SO2减排的环境库兹涅茨曲线的“拐点”。

人类的项目管理的实践有着悠久的历史，但是，人类对项目管理模式的研究的历史却极其有限。在我国实现现代化社会的转变，项目管理的模式也由传统的模式向现代模式进行了相应的转变。以往项目管理的主要作用是预算、规划、实行。在20世纪80年代美国开始对现代项目管理体系进行研究，项目管理从传统模式开始向现代模式改变。所以，分析管理模式的转变对我国的各行业的管理模式有着重要意义。

(3)工业CO2对SO2的协同减排及扩展效应存在区域差异。除东北地区外，其他地区工业CO2对SO2的协同减排效应均显著。东部地区的技术创新能力(CO2R)及滞后效应(L.CO2R)与全国水平类似，东北及西部地区CO2R的协同减排扩展效应均存在滞后性。城镇化水平(CO2U)在东部和中西部地区具有显著的协同减排扩展效应。东北和西部地区的工业能源强度(EI)与工业SO2减排呈显著的负相关，产业结构(IS)与工业SO2减排在东部和西部地区呈现显著正相关，中西部地区的环境库兹涅茨曲线现象较为显著。

①姜晓群等：《关于温室气体控制与大气污染物减排协同效应研究的建议》，《环境保护》2019年第19期。

②王勇等：《中国工业碳排放达峰的情景预测与减排潜力评估》，《中国人口·资源与环境》2017年第10期。

③Greenpeace Environment Trust (GET), 2019, “Global SO2Emission Hotspot Database: Ranking the World’s Worst Sources of SO2Pollution”, Greenpeace Environment Trust. https://www.greenpeace.org.au/wp/wp-content/uploads/2019/08/Global- Hotspot-and-Emission-Sources-for-SO2_August-2019_AU_final.pdf.

④D. Burtraw, et al., “Ancillary Benefits of Reduced Air Pollution in the US from Moderate Greenhouse Gas Mitigation Policies in the Electricity Sector”,JournalofEnvironmentalEconomicsandManagement, Vol.45, No.3(2003), pp.650-673.

⑤K. Rypdal, et al., “Nordic Air Quality Co-benefits from European Post——2012 Climate Policies”,EnergyPolicy, Vol.35, No.12 (2007), pp.6309-6322.

⑥B. Groosman, et al., “The Ancillary Benefits from Climate Policy in the United State”,Environmental&ResourceEconomics, Vol.50, No.920(2011), pp.585-603.

⑦T. Takeshita, “Assessing the Co-benefits of CO2Mitigation on Air Pollutants Emissions from Road Vehicles”,AppliedEnergy, No.97(2012), pp.225-237.

⑧T. Lee, S. V. D. Meene, “Comparative Studies of Urban Climate Co-benefits in Asian Cities: An Analysis of Relationships between CO2Emissions and Environmental Indicators”,JournalofCleanerProduction, No.58 (2013), pp.15-24.

⑨L. R. F. Henneman, et al., “Assessing Emissions Levels and Costs Associated with Climate and Air Pollution Policies in South Africa”,EnergyPolicy, Vol.89, No.2 (2016), pp.160-170.

⑩O. B. Radu, et al., “Exploring Synergies between Climate and Air Quality Policies Using Long-term Global and Regional Emission Scenarios”,AtmosphericEnvironmental, Vol.140, No.9 (2016), pp.577-591.