东北地区碳排放效率与经济增长关系研究——基于Tapio模型和DEA模型检验

赵国龙，殷晨曦

(1.中国人民大学 劳动人事学院，北京 100872；2.中央财经大学 中国金融发展研究院，北京 100081)

改革开放40多年来，中国经济实现了跨越式发展，但也出现了环境问题，地区经济发展与资源环境约束之间的矛盾愈发凸显。为此，中国在第75届联合国大会上宣布：中国二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。这一目标的实现需要加快区域经济结构转型，平衡各区域经济发展、能源消费结构等矛盾。其中，东北地区曾经是我国经济相对发达的地区，也是我国最重要的工业基地，人口总数1.03亿人，与京津冀地区人口相当。改革开放以来东北地区经济增长缓慢，国家在2003年、2009年发布实施振兴东北地区等老工业基地战略，2014年国务院工作会议中指出“结构转型”和“创新驱动”是东北地区振兴的必然选择。

东北地区既面临经济发展的重要任务，同时也面临生态环境保护的重任，充分利用区域资源禀赋实现转型发展是必经之路。考虑到东北地区的资源禀赋、区域经济发展中的地位，以及低碳经济发展的国际趋势，文中重点研究东北地区(黑龙江省、吉林省和辽宁省)的碳排放水平、碳排放效率，以及碳排放与经济发展之间关系，从而为东北地区低碳经济转型提供一定参考。

1 文献综述

能源问题和环境污染问题的出现引起了对能源消费、碳排放与经济增长之间关系的研究和发展。20世纪70年代的石油危机造成很多国家出现“经济滞胀”问题，能源消费与经济增长之间的关系成为不少学者和专家的研究重点[1]，例如石油供应对经济增长的影响等[2]。随着全球气候变暖，碳排放越来越引起全球的广泛重视，其中，碳排放与经济发展之间的脱钩关系成为发展中国家关注的焦点[3]。目前，国内的研究主要借鉴国外已成熟理论和模型对相关领域开展实证研究，Tapio 脱钩模型是最常用的经济增长对资源消费或污染物排放依赖程度的研究方法[4]。由于能源消费与经济增长关系可能在不同国家和不同发展阶段呈现不同特征，加之我国经济体量巨大，不同地区、不同产业之间经济发展不平衡，因此，不少专家学者针对具体研究对象进行实证研究，罗芳等[4]基于生产侧和消费侧视角探讨长江经济带碳排放与经济增长的脱钩关系;李云燕等[5]研究了我国超大城市碳排放与经济增长关系;王敏等[6]采用Tapio脱钩指数和LMDI分解法提出推动青海省绿色低碳发展转型的着力点;盖美等[7]研究了辽宁省区域碳排放-经济发展-环境保护耦合协调分析;刘丽娜等[8]对我国2000—2016年各区域农业碳排放影响因素及其与经济增长关系进行分析;周思宇等[9]基于东北地区 1979—2015 年碳排放量的估算结果，采用LMDI指数模型探讨东北地区耕地碳排放的影响机制;徐泽等[10]采用信息熵模型和 Tapio模型，揭示呼包鄂榆城市群碳排放时空格局和土地利用混合度变化的脱钩状态。此外，戴钰等[11]基于DEA模型研究了我国碳排放“总量控制”的效率测度;张庆宇等[12]对改革开放40年来我国经济增长与碳排放影响因素进行了分析。

2 模型构建

2.1 二氧化碳排放计算方法

常用的碳排放计算方法主要包括基于最终能源消费量、一次能源消费量和基于能源平衡表3种核算方法[5]。由于碳氧化水平、碳排放因子等因素影响，不同方法之间计算结果有很大差异。文中根据IPCC提供的碳排放计算公式，结合东北地区能源生产消费特点，选择第二种计算方法，即一次能源消费数量核算二氧化碳排放量，包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气、煤气等，其参考系数如表1所示。相关数据来源于1998—2020年《黑龙江省统计年鉴》《吉林省统计年鉴》《辽宁省统计年鉴》《中国能源统计年鉴》等。国内不少研究将“二氧化碳”与“碳元素”相混淆，根据排放因子计算的结果是碳元素的排放量。文中“碳排放”是指二氧化碳的排放量，并不是碳元素的排放量。计算二氧化碳排放量公式为

式中：C为碳排放总量；Ei为能源i的消费量;Ci为能源i的二氧化碳排放系数。

表1 一次能源碳排放参考系数

2.2 构建脱钩模型

常用的两种脱钩模型为Tapio模型和OECD模型。Tapio 脱钩指数是学术界研究脱钩关系的常用研究方法，易于动态观察变量间的脱钩特征[13]。文中选择Tapio模型构建东北地区碳排放与经济增长之间的脱钩关系，主要因为该模型不易受指标量纲的影响，对时间基期选择要求低，能更清晰地反映各要素在同一地区不同时间表现的脱钩状态[5]，符合东北地区碳排放与经济增长的特点。脱钩关系模型为

式中：E为脱钩弹性指数；RΔGDP为地区生产总值的变化率；RΔCO2为碳排放量变化率。此外，东北地区生产总值是以1998年GDP为基础的可比价格换算。Tapio脱钩模型划分如表2所示。

表2 Tapio脱钩弹性类别划分

基于Tapio脱钩模型构建LYQ分析框架，将能源消费量、工业生产总值等中间变量引入到模型中，以此分析各分解变量的脱钩状态。用公式表示为

2.3 基于DEA模型的碳排放效率

数据包络分析法是在保持决策单元的投入或产出不变的前提下，根据投入和产出数据的综合评判[14]。DEA 法可以评价各决策投入规模优劣，也可以确定调整的方向和程度。CCR 模型是DEA的基本模型之一，设定规模报酬是不变的，由Charnes等[15]于1978年提出，而BCC模型由Banker等对CCR模型进行改进，于1984年正式提出，BCC模型设定规模报酬变化。资本、劳动力和技术是经济活动的基本生产要素，也是测算全要素碳排放效率的必要投入要素[9]。因此，根据东北地区碳排放与经济增长实际情况，选取资本、劳动力、能源消费3个指标变量作为投入变量；地区生产总值GDP、二氧化碳排放量分别作为期望产出和非期望产出指标，如表3所示。其中，资本指标以各地区固定资产投资进行换算，将各省的固定资产投资换算为1998年的可比水平再进行求和。劳动力指标选择从业人员数量来代替。

表3 碳排放效率评价指标体系

3 实证分析

3.1 东北地区能源消费、碳排放与经济增长现状

3.1.1 东北地区经济增长

东北地区2020年名义GDP总量为51 124亿元，占全国总比重下滑到4.95%。东北地区常住人口刚过1亿，占全国总比重的7.12%。根据图1，按照1998年可比价格计算，东北地区生产总值在22年间增长了6.45倍，年均增长8.84%，其中,吉林省实际GDP年均增长9.79%，高于东北地区平均水平，而黑龙江省(8.1%)则明显低于东北地区平均水平。从GDP走势来看，东北地区自2012年以来经济增长呈现较大幅度回落。受全球经济回落影响，以及中国经济进入新常态，东北地区最先出现经济增长乏力，根据调整后的可比价格，个别年份出现经济负增长，东北地区在促进经济增长方面面临巨大转型压力。

图1 东北地区1998—2020年地区生产总值

3.1.2 东北地区能源消费水平

东北地区2020年能源消费总量约为42 000万t标准煤，占全国比重的8.4%，能源消费占比与经济总量占比存在明显差距。如图2所示，东北地区能源消费在全国能源消费的占比呈现逐年下降趋势，其中，2013年之前占比均在10%以上，自2013年开始占比均低于10%。而黑龙江省能源消费占比下降最为明显，从1998年占比4.39%下降到2020年的2.84%。此外，东北地区能源消费占比下降呈现阶段特征，1998—2005年呈现比较明显的持续下降走势，2005—2012年占比缓慢上升，自2012年之后再次呈现持续下降走势。

图2 东北地区1998—2020年能源消费占全国能源消费比重

根据图3所示，东北地区1998—2020年能源消费总量呈现阶段性增长趋势，年均增长率为3.78%。但自2012年以来，能源消费总量呈现陡然下降走势，2016年以来又有缓慢增长。通常来说，技术进步导致的能源利用效率提升是个缓慢的过程，能源消费总量的突然下降反映出经济下滑的走势，尤其是工业生产下滑。东北地区的黑龙江省和辽宁省既是能源生产大省，也是能源消费大省，其能源消费走势影响了整个东北地区的经济增长情况。

图3 东北地区1998—2020年能源消费总量

3.1.3 东北地区碳排放水平

根据上述计算规则得到东北地区二氧化碳排放总量如图4所示。东北地区二氧化碳排放总量与能源消费总量呈现的走势基本一致，2012年二氧化碳排放总量达到最高值，其中，吉林省二氧化碳排放量占比近22年变化较小，黑龙江省二氧化碳排放量占比有所下降，辽宁省二氧化碳排放量占比有所上升，是吉林省碳排放量的2.85倍。

图4 东北地区1998—2020年二氧化碳排放水平

根据可比价格换算的地区生产总值与二氧化碳排放总量进行对比，得到图5，可知东北地区单位生产总值的碳排放量逐年下降。其中,2009—2014年，3个省份的单位生产总值碳排放量相差不大。此后，黑龙江省和吉林省的单位生产总值碳排放量持续下降，辽宁省则变化不大。单位生产总值的碳排放量持续下降说明经济发展呈现良性状态，并未走向高污染高增长的传统经济发展模式。

图5 东北地区1998—2020年单位生产总值碳排放量

3.2 脱钩分析

3.2.1 东北地区脱钩弹性及其分解

首先，文中计算了东北地区1999—2020年碳排放与经济增长之间的脱钩关系；其次，通过LYQ分析框架进行因果链分解；最后将计算结果与Tapio脱钩状态相匹配，得到表4。

表4 东北地区1999—2020年脱钩弹性及其分解

根据表4所示，东北地区近22年节能脱钩弹性主要以弱脱钩为主。节能弹性反映经济系统产出节约能源的能力，弱脱钩说明能源消费和经济增长均为正值，但经济增长的幅度超过能源消费增长的幅度。从减排弹性来看，东北地区近22年呈现出不同的脱钩状态，说明根据一次能源计算的碳排放量并不能与整个能源消费总量呈现一致走势，大部分年份能源消费增长幅度略大于碳排放增长幅度，但并未呈现出能源利用效率逐渐提升的趋势。从价值创造弹性看，东北地区近22年呈现以扩张负脱钩为主，即工业生产总值的增长幅度明显超过东北地区生产总值的增长幅度。长期以来，东北地区作为重工业生产基地，工业生产总值一直处于较高水平，但由此产生的工业增加值很少，并未带来GDP的相应增长，尤其是近几年东北地区成为全国经济增长最低的区域。综合分析东北地区碳排放与经济增长之间的关系发现，基本呈现出三阶段特征，1999—2005年经济增长与碳排放水平基本一致；2006—2012年脱钩状态均呈现弱脱钩，经济增长的幅度超过碳排放增长幅度；2013年以来东北地区经济增长速度明显放缓，受宏观经济环境影响工业生产出现下滑，能源消费量开始下降，同时碳排放水平个别年份出现负增长，不少年份呈现强脱钩状态。从分解因素看，东北地区碳排放与经济增长脱钩主要受减排弹性和价值创造弹性影响，未来需要提高能源利用效率，改善以煤炭为主的能源消费结构，延伸工业产业链，不断提高工业增加值水平。

3.2.2 东北地区能源生产与消费分析

根据图6所示东北地区1998—2020年各类能源生产总量情况，其中,原煤生产量最多，各年间变化较大，其次是原油生产量，各年间变化较小。自2012年以来受能源价格下降等因素影响，东北地区整体能源生产量呈现下降趋势。相比图3，尽管东北地区曾是我国最主要的能源生产基地，但能源生产总量难以满足能源消费量的需求，二者之间缺口逐渐增多。从各省来看，黑龙江省能源生产与能源消费总量基本接近，吉林省和辽宁省能源生产难以满足消费需求。

图6 东北地区1998—2020年各类能源生产总量

根据图7所示，从能源消费品种来说，东北地区以原煤消费为主，占比接近70%。石油消费占比相对比较稳定，在24%左右。根据上述一次能源碳排放参考系数，原煤的碳排放系数高于石油等其他品种。未来东北地区低碳经济发展应该侧重于改善能源消费结构，并提高能源利用效率。

图7 东北地区1998—2020年能源消费构成

3.3 基于DEA的碳排放效率分析

基于上述碳排放效率评价指标体系，运用DEA-Solver软件，将工业增加值、从业人数和能源消费量作为投入因素，地区生产总值和二氧化碳排放量作为产出因素，测算东北地区1998—2020年碳排放效率。根据DEA模型，要求各投入指标和产出指标之间必须满足“同向性”假设，因此,文中检验了各个指标之间的相关性，如表5所示。

表5 碳排放与其他指标相关系数

根据表5所示，投入指标和产出指标的相关系数都在0.884以上，且显著性水平较高，说明各个指标之间具有显著的正相关关系，满足DEA模型要求的条件。因此,计算东北地区1998—2020年的碳排放效率，包括综合效率(CCR模型)和纯技术效率(BCC模型)，得到表6结果。

表6 东北地区1998—2020年碳排放效率测算结果

综合效率是在区间相对最优规模时综合评价投入要素的生产效率，当综合效率等于1时，则DEA有效。根据表6可知，东北地区大部分年份的综合效率值为1，说明当时碳排放效率处于相对最优状态，即DEA有效。其中,有8个年份的碳排放系数小于1，说明碳排放综合效率未达到最优状态。根据上文分析也可得到，2008—2010年、2013—2015年是东北地区经济增长的两个阶段。其中，2012年是东北地区经济增长的转折点，之前的阶段经济快速增长，能源消费和碳排放量激增，造成碳排放综合效率不佳。此后，由于受宏观经济环境影响，东北地区经济增速突然下滑，能源消费量断崖式下跌，也造成碳排放综合效率不佳。但从2016年以来东北地区经济回暖，碳排放综合效率又逐渐恢复到相对最优水平。

从纯技术和规模效率来看，共有16个年份纯技术效率系数为1，达到DEA有效。造成2008—2010年、2013—2015年综合效率不佳的主要原因在于规模效率不佳，即这些年份的生产规模并未达到相对最优状态，说明这些年份应该进一步加大投入比例，获得更多的产出收益。在“碳达峰、碳中和”目标背景下，需要统筹推进调整产业结构、优化能源结构、节能提高能效等降碳措施[16]，应充分考虑经济发展阶段性、区域差异性及碳排放驱动因素的异质性[17]，平衡好经济增长与碳排放之间的关系。

4 结 论

基于东北地区黑龙江省、吉林省和辽宁省1998—2020年能源消费、碳排放与经济增长相关数据，通过Tapio模型和DEA模型对碳排放效率与经济增长关系进行研究。实证结果表明：1)东北地区1998—2020年经济增长呈现3个阶段性特征，既与宏观经济环境有关，也与东北地区经济结构有关。特别是2012年以来，东北地区整体经济出现较为明显的下滑迹象，但自2016年以来经济开始出现好转。伴随着经济增长，能源消费和碳排放也呈现不同程度的变化，东北地区能源消费总量在全国的比重与地区生产总值所占比重存在明显差距。2)根据脱钩模型，东北地区碳排放与经济增长基本呈现出三阶段特征，其中,节能脱钩弹性主要以弱脱钩为主，减排弹性在20 a里呈现出不同的脱钩转态，价值创造弹性呈现扩张负脱钩为主。从分解因素看，东北地区碳排放与经济增长脱钩主要受减排弹性和价值创造弹性影响，因此,未来需要进一步提高能源利用效率，延伸工业产业链，提高工业增加值水平。3)根据DEA模型测算的东北地区碳排放效率也呈现出阶段特征，从综合效率来看，东北地区大部分年份的综合效率值为1，说明当时碳排放效率处于相对最优状态。从纯技术效率和规模效率分析来看，造成2009—2010年、2013—2015年综合效率不佳的主要原因在于规模效率不佳，即这些年份的生产规模并未达到相对最优状态。这也说明东北地区受宏观经济环境的影响比较直接，在经济疲软时投资不足，造成经济增长一定程度下滑。因此，东北地区在未来发展中要综合平衡碳排放与经济增长之间的关系，以双碳目标助力经济高质量发展，推动生态文明建设迈上新台阶。