基于PDA-IDA分解法的碳强度影响因素研究
2023-06-08安庆贤邹雨晴熊贝贝
安庆贤, 邹雨晴, 熊贝贝
(1.中南大学 商学院,湖南 长沙 410083; 2.湖南大学 工商管理学院,湖南 长沙 410082)
0 引言
全球变暖日益引起人们的关注,并已成为人类社会面临的严峻挑战。作为温室气体的主要成分,CO2排放量的增加加剧了全球变暖问题。中国作为世界上最大的CO2排放国,碳减排一直是国家发展战略的重点。2021年3月5日,政府工作报告指出“十四五”期间单位国内生产总值能耗和CO2排放量分别降低13.5%和18%。为了实现这些目标,识别碳强度变化的关键因素是前提,它有助于深入了解我国碳排放量增长背后的驱动力,进而为碳减排目标的实现提供途径与对策。
近年来,CO2排放的影响因素研究引起了学者的广泛关注(柴建等[1],王新利等[2])。在现有文献中,结构分解分析(structural decomposition analysis, SDA)和指数分解分析(index decomposition analysis, IDA)是最为常用的两种分解方法。SDA基于计量经济学中的投入产出模型构建,它使用投入产出表中的最终需求和投入产出系数信息,对数据的要求较高。相关研究可见SU和ANG[3],段玉婉和杨翠红[4]。IDA将碳强度分解为因素累加或累乘的形式,它具有较低的数据需求,仅需有关部门产出和能源消耗的数据,因而被广泛用于碳强度影响因素分解中(ROMN-COLLADO和MORALES-CARRIN[5])。在IDA框架下,能源强度、经济活动和结构变化等因素被视为影响碳强度的因素,但IDA无法量化技术变化、效率变化等因素对碳强度变化的影响,具有一定的局限性。
最近,一些学者将Shephard距离函数纳入分解框架,以分解碳强度的变化(张纳军[6])。ZHOU和ANG[7]将此分解技术称为生产理论分解分析(production-theoretical decomposition analysis, PDA),因为它是基于生产理论框架构建的。PDA通过对生产技术的测量来揭示效率变化和技术变化因素对碳强度的影响信息。虽然PDA具有良好的经济解释,但其在对产业结构和能源消耗结构因素的测度上会得出与现实相悖的结论(林伯强和杜克锐[8])。
为发挥IDA和PDA的优势,一些学者尝试将PDA与IDA结合,构造一个集成的分解框架。WANG等[9]结合PDA、IDA和归因分析,从行业层面探讨了2006~2014年中国30个省份碳强度变化的影响因素。HUANG等[10]改进了PDA、IDA和归因分析相结合的方法,以探索影响交通运输行业碳强度变化的因素。尽管将PDA与IDA结合的方式可以弥补单一方法的不足,但这些研究在构建用于测量技术效率的生产技术时对非期望产出的处理不恰当,这可能违背物质守恒原则(RØDSETH[11]),会导致效率测量不准确,从而影响碳强度的因素分解结果。
为了克服上述不足,本文将结合PDA和IDA方法来探究碳强度变化的影响因素,以提供生产技术相关因素对碳强度的影响信息。同时,本研究将物质守恒原则引入环境生产技术的构建中,以提供科学合理的效率测量方法,从而准确度量生产技术等相关因素对碳强度的影响。
1 模型构建
1.1 物质守恒原则下的环境生产技术
生产技术是生产者面临的所有技术可能性的集合。考虑非期望产出的环境生产技术定义如下:
T={(x,y,b):x可以生产(y,b)}
(1)
其中x,y和b分别是投入,期望产出和非期望产出向量。
在传统的考虑环境因素(非期望产出)的生产技术中,非期望产出的处理是基于弱可处置性假设(FRE等[12])。但是,这种处理方式可能与物质守恒原则相悖,特别是在末端减排活动不可避免且不能调整的情形下(RØDSETH[11])。物质守恒原则意味着进入生产过程中的物质元素必须出来,即物质不能凭空消失(AYRES和KNEES[13])。物质守恒原则定义公式为:
b+a+βy=αx
(2)
其中α和β分别表示投入和期望产出的物质流系数。a向量表示非期望产出的减排量,a=0表示不存在非期望产出的减排活动,而a>0表示存在减排活动。
最近,RØDSETH[11]提出了弱G可处置性假设和产出必要性假设,以确保环境生产技术与物质守恒原则之间的一致性。该假设表明,非期望产出的增加量(Δb)必须等于投入中的污染物质的增加量(αΔx)、期望产出中的污染物质的减少量(βΔy)、非期望产出减排的减少量(Δa)的总和。其公式表示如式(3)。
Δb=αΔx+βΔy+Δa
(3)
考虑一个普遍的生产过程:能源消耗(E)、其他非污染投入(I)被用于生产经济产出(Y)、其他期望产出(O)、和CO2排放(C)。由于目前CO2的末端减排活动没有商业化,我们假设CO2没有减排活动,即CO2的减排量为零(Δa=0)。t时期考虑物质守恒原则的环境生产技术如式(4)。
其中λ为强度变量,αE和βO分别表示污染投入和其他期望产出的物质流系数。
1.2 物质守恒原则下的技术效率测量模型
构建基于PDA-IDA的分解模型先要计算被评估的决策单元j0的能源、经济和CO2排放效率,可使用Shephard距离函数测量得到。
基于DEA的Shephard能源的距离函数可由模型(5)得到。
基于DEA的Shephard CO2排放的距离函数表示如下:
基于DEA的Shephard经济产出的距离函数表示如下:
其中dE,dI,dO,dY和dC分别表示能源投入、非污染投入、其他期望产出、经济产出和CO2排放的松弛。模型(5)和(6)分别估算给定环境生产技术下实际能源投入和CO2排放的最大减少比例,模型(7)估算实际经济产出的最大扩增比例。最优值等于1表明决策单元位于技术集合的前沿面上,是技术有效的。
1.3 基于PDA-IDA的碳强度因素分解模型
参考WANG等[9],t时期的碳强度可以写为如下分解形式:
WANG等[9]将Shephard距离函数引入到上述碳强度的分解等式中。参考其提出的分解方法,我们进一步对等式(8)分解,分解模型如等式(9)所示。
EOGt×YOEt×YCTt×EUEt×ESTt×CEEt×CETt
(9)
=inf{δ|(Et,It,Ot,Yt/δ,Ct)∈Tg}
=sup{θ|(Et/θ,It,Ot,Yt,Ct)∈Tg}
=sup{φ|(Et,It,Ot,Yt,Ct/φ)∈Tg}
(10)
其中,t=1,…,t1,Tg=T1∪T2∪,…,∪Tt1。
类似地,t+1时期的碳强度(CIt+1)的分解公式如下:
=EMXt+1×EOSt+1×PEIt+1×PCEFt+1×EOGt+1×
YOEt+1×YCTt+1×EUEt+1×ESTt+1×
CEEt+1×CETt+1
(11)
两个连续时间[t,t+1]之间的碳强度变化及其分解可以通过等式(12)获得。
(12)
等式(12)将碳强度变化归因于11个因素的影响:DEMX代表能源结构的变化对碳强度变化的影响;DEOS是指消除了经济产出无效时的经济产出结构的变化的影响;DPEI表示在不存在能源效率低下的情况下的能源强度的变化的影响;DPCEF指的是在消除CO2排放效率无效时的碳排放系数变化的影响;DEOG表示经济产出缺口变化(潜在经济产出与实际经济产出的比率的变化)的影响;DYOE、DEUE和DCEE分别表示经济产出、能源和CO2排放的技术效率变化的影响;DYCT、DEST和DCET分别为经济产出、能源和CO2排放的技术变化的影响。
本文采用LMDI-II来测算等式(12)中的每个因素的影响度。
上述公式也可用于全国总的碳强度在省级层面的分解。例如,计算区域j的能源结构变化对总体碳强度的贡献度的公式如下:
(15)
2 实证分析
2.1 数据
本章对2009~2017年中国交通运输行业碳强度变化的影响因素进行研究。我们选取能源消耗、劳动力和固定资产投资作为投入,GDP为经济产出,而CO2排放为非期望产出。表1提供了投入和产出数据的统计信息。
表1 2009~2017年投入和产出指标的统计信息
2.2 国家层面的碳强度影响因素分析
表2为2009~2017年间中国交通运输行业的碳强度的乘性分解结果。第2列为碳强度的变化,与2009年的水平相比,2017年的碳强度降低了18.65%,这表明中国交通运输行业在碳减排方面取得了一定的成就。
表2 2009~2017年交通运输行业碳强度的影响因素分解结果
第3~13列显示了由公式(9)~(14)计算得到的各个因素对碳强度变化的影响程度。值大于1表示该因素导致交通运输行业碳强度的增加,值小于1则表示该因素有利于碳强度的降低。由表2可得:能源的技术进步(DEST)和CO2的技术进步(DCET)是导致碳强度下降的关键因素,这两个因素均导致碳强度整体下降36.99%。经济产出技术进步(DYCT)在降低碳强度中也发挥了重要的作用,它的整体值为0.9156。
除了上述三个影响因素外,经济产出缺口变化(DDOG)和能源结构变化(DDMX)对碳强度的降低有轻微的作用。2009~2017年间,经济产出缺口变化对碳强度的影响值为0.9808,它对碳强度降低的影响整体上是积极的,其中2012~2013年经济产出缺口变化对碳强度的影响最大,使得碳强度下降了8.9%。能源结构变化使碳强度整体降低了1.14%,不同时期的能源结构变化对碳强度的影响程度相似。
潜在的碳排放系数变化(DPCEF)是阻碍交通行业碳强度下降的关键因素,它的整体值为1.3575。能源技术效率变化(DEUE),CO2技术效率变化(DCEE),潜在的能源强度变化(DPEI),经济产出技术效率变化(DYOE)均阻碍了碳强度的降低。为了降低碳强度,交通运输行业的管理人员应优先提升技术效率和能源强度。
2.3 省级层面的碳强度影响因素分析
表3提供了2009~2017年30个省份的总体碳强度变化的乘性分解结果。第2列是每个省对整个交通运输行业碳强度变化的贡献度,第3~13列显示了每个省的影响因素对总体碳强度变化的影响程度。大多数省份的小于1,这表明这些省份对总体碳强度的降低具有积极作用。
表3 2009~2017年中国30个省份的影响因素分解结果
能源结构变化(DEMX):24个省份的的DEMX值小于1,这意味着大多数省份中的能源结构发生了变化,并对总体碳强度的降低产生了积极影响。剩余省份的DEMX略大于1,表明在这些省份中能源结构变化阻碍了总体碳强度的下降,政府应调整这些省份的能源结构,减少燃料消耗的比重,构建清洁低碳能源体系。
潜在的经济产出结构变化(DFOS)和经济产出缺口变化(DFOG):不同的省份的DFOS对总体碳强度的影响不同,其中,半数以上省份的DFOS小于1,而剩余省份的DFOS大于1。所有省份的值均DFOG小于1,表明在此期间潜在经济产出与实际值之间的差距逐渐缩小并对碳强度下降产生积极影响。
潜在的能源强度变化(DPEI):14个省份的DPEI为碳强度的下降做出了贡献,而16个省的DPEI阻碍了碳强度的下降。其中,山东省的DPEI对碳强度降低的贡献度最大,其值为0.9490。这是因为消除技术无效性后能源消耗有所降低,而GDP保持稳定的增长,因此潜在的能源强度有所下降。
潜在碳排放系数变化(DPCEF):从整体上看,DPCEF使得碳强度上升了35.75%。有22个省份的DPCEF阻碍了碳强度的下降,其中辽宁,四川和山西三个省份的DPCEF对碳强度上升的贡献最大,使得总体碳强度上升了9.45%,4.07%和3.98%。这些省份应逐步提高低碳清洁能源的比例,控制碳含量较高的化石能源的消耗。
技术效率变化(DYOE,DEUE,DCEE):技术效率变化影响值大于1的省份的比例超过60%,这极大地阻碍了碳强度的下降;而四川,辽宁,山西,吉林和天津等省份的技术效率变化促进了碳强度的下降,可以将其作为其他省份改善的基准。
技术变化(DYCT,DEST,DCET):24个省份的DYCT小于1,其中广东省的DYCT最低,为0.9748;河北,新疆,青海,吉林,山东,上海和四川等七个省份的DYCT没有降低碳强度,甚至导致了碳强度的增加。所有省份的DEST和DCET值均不大于1,其中,广东省该因素的贡献度最大,它使得总体碳强度下降了7.94%。
3 结论和政策建议
本文将物质守恒原则引入到环境生产技术中,采用PDA和IDA方法将碳强度的变化分解为11个因素的影响率的乘积,并应用于2009~2017年中国交通运输行业碳强度变化的影响因素探究中。基于实证分析结果,本文提出如下政策建议:1)运输部门需要加快能源结构的优化。重点发展低碳清洁能源,逐步改变以石油为主的能源结构,形成以石油为主体的能源结构,共同发展多种清洁能源。2)中国在通过提升技术效率来降低碳强度方面仍有较大的提升空间。交通运输部门不能仅局限于硬件技术的投资,还应更加重视管理技术的投资。合理调整运输结构,改善运输管理和调度,加强对交通从业人员的技术培训,提高经营水平和运输效率。3)技术进步是未来实现碳强度目标的必要措施。中国政府可以制定一些政策(如税收、碳交易),以促进交通运输行业先进技术的开发和应用。此外,政府可以促进地区或省份之间的技术交流,向山东省等标杆省份学习,以实现技术的多样化。