中国经济增长与煤炭消费脱钩及影响因素分析

庞 军,梁宇超,孙可可,石媛昌 (.中国人民大学环境学院,北京 00872；2.中国农业大学理学院,北京 00083)

“碳达峰”、“碳中和”目标的提出,开启了中国经济绿色低碳转型的新时代.二氧化碳在社会中的主要来源是化石燃料的燃烧,由于我国煤炭产量高,不少地区仍处于工业化进程中,导致煤炭占据着我国最大的化石燃料消费比例,在能源消费结构中占到近60%[1],并造成我国70%以上的二氧化碳排放,煤炭消费占据我国能源消费的主体地位在短时间内难以改变[2].

在双碳目标实现过程中,地方省(区、市)是实现煤炭消费总量控制、推进“碳达峰”、“碳中和”目标的责任主体,各省(区、市)需要明确煤炭消费总量控制目标,落实减煤行动,确保煤炭消费量不再增长乃至有序降低.但我国幅员辽阔,资源禀赋不同,各省(区、市)经济发展阶段、煤炭消费情况具有很大差异[3],因此需要遵循共同但有区别的责任原则,因地制宜的制定符合当地情况的减煤计划,在这一过程中,明确各地煤炭消费脱钩情况显得尤为重要.

“脱钩”(Decoupling)一词来源于物理学,经济合作与发展组织(OECD)使用“脱钩”理论研究农业政策与贸易、生产的关系,并将“脱钩”概念引入到环境经济学领域[4].在环境经济学领域中,“脱钩”研究的是经济发展与环境之间的关系,主要有“去物质化”和“去污染化”两个方向,“去物质化”指的是经济已经发展到某个水平可以脱离相关环境要素的投入而继续发展;“去污染化”指的是经济已经发展到某个水平,继续发展能够不再对环境造成相同程度的污染或负面影响[5-6].本文研究的经济增长与煤炭消费的脱钩,属于“去物质化”方向.“脱钩”理论已经广泛运用到了资源与环境经济学研究领域,例如能源消耗的脱钩研究[7-9]、碳排放的脱钩研究[10-13]、水资源利用的脱钩研究[14-15]、土地资源的脱钩研究[16-17]、生态环境压力的脱钩研究[18-20]等.

2002 年OECD 提出了第一个计算脱钩的指数,用来分析环境压力(EP)与经济情况(DF)之间随时间变化的相对关系,但是OECD 仅将脱钩状态分为相对脱钩和绝对脱钩两种类型;Tapio 创建了弹性脱钩模型并以此分析芬兰1970～2001 年间经济增长与该国交通工具二氧化碳排放之间的关系,并将脱钩状态分为8 种类型[21].孙耀华等[4]认为Tapio 弹性脱钩模型对基期的选择不敏感,与统计量纲无关,可以添加结构性变量,分解脱钩指标,有助于研究影响脱钩的结构性因素.Tapio 脱钩方法为能源、二氧化碳排放与经济关系领域的研究提供了方法,被许多学者应用到能源消耗、二氧化碳排放与经济增长之间的关系相关研究中[7-13].

当前脱钩方面的研究热点主要集中在二氧化碳排放脱钩领域,从国家层面到省(区、市)层面,乃至具体到不同行业均有较为广泛的研究,但当前关于煤炭消费的脱钩研究相对较少,现有研究主要关注国家层面能源消费或某个地区层面煤炭消费与经济增长之间的脱钩关系.具体来说,有研究者[22-23]主要关注全国层面的煤炭消费与经济增长的脱钩指数,分析了中国煤炭消费基本情况以及对经济增长的影响;车亮亮等[9]则从省级的角度考虑,测算了中国30 个省(区、市)的煤炭资源利用效率,计算了“十五”和“十一五”时期各省(区、市)煤炭消费、煤炭利用效率与经济增长的脱钩指数;肖岚[24]以及赵慧亮[25]则分别聚焦于特定地区进行研究,二人分别研究了京津冀地区及山西省煤炭消费与经济增长的脱钩关系,并对影响脱钩的主要因素进行了分析.

综上所述,当前学界关于煤炭消费的脱钩研究还比较少,且大多关注国家层面或某一区域层面,而对国家整体层面和某个地区层面的煤炭消费脱钩研究,多用分解模型来研究脱钩的结构性驱动因素,缺乏更进一步深入研究.此外,对我国各省(区、市)煤炭消费脱钩情况的研究还停留在“十五”、“十一五”时期,且仅是计算出脱钩指数,描述性地分析脱钩情况,缺乏深入分析.

本文首先对我国各省(区、市)煤炭消费脱钩情况分析.基于Tapio 脱钩指数模型,采用“两阶滚动计算法”,以2005 年为基年计算我国30 个省(区、市)2006～2019 年煤炭消费脱钩指数,从纵向和横向两个角度分析我国各省(区、市)煤炭消费脱钩的时空演变特征.同时,将2006～2019 年分成3 个五年规划时期,计算“十一五”(2006～2010)、“十二五”(2011～2015)、“十三五”(2016～2019)3 个时段的脱钩指数,研究各省(区、市)煤炭消费与经济增长在各个五年规划期的脱钩情况.然后,对我国煤炭消费脱钩影响因素分析,根据拓展的STIRPAT 模型,构建空间杜宾模型研究经济水平、能源结构、人口密度、技术水平(R&D 研发投入、能源强度)、产业结构、城镇化水平、对外开放水平、新造林面积对煤炭消费脱钩的影响.

本文的主要创新体现在以下两点:第一,研究的样本范围更加广泛,也更加关注长期变化.本文全面测算了全国30 个省(区、市)2005～2019 年煤炭消费脱钩情况,并从时间与空间两个维度展开深入分析.第二,当前煤炭消费脱钩研究多是通过描述性统计或分解模型分析其驱动因素,未考虑空间相关性关系.本文结合STIRPAT 模型和空间杜宾模型,更全面地考察各省(区、市)煤炭消费与经济脱钩的影响因素.

1 研究方法与数据

1.1 Tapio 脱钩模型

关于脱钩指数的测算有两种形式,一种是采用环比形式,基于相邻年份的数据计算,一种是基于首年的数据计算.本文采用Tapio 指数的两阶段滚动计算法来进行研究[26],具体来说,一是在整个长研究周期内,基于首年逐年测算脱钩指数,二是将研究期分成几个时间段,基于每一个时间段首年测算脱钩指数.

本文采用上述脱钩指数的“两阶滚动计算法”,首先研究2005～2019 年整个长周期内的煤炭消费脱钩情况,以首年2005 年为基准年逐年计算煤炭消费脱钩指数;然后针对我国五年战略规划的国情,分别测算“十一五”(2006～2010 年)、“十二五”(2011～2015年)和“十三五”(2016～2019 年)3 个时间段的脱钩指数,研究煤炭消费量与经济在这3 个五年规划期的脱钩情况.最后再结合脱钩稳定系数等方法进行进一步分析.本文设置的煤炭消费与经济增长的Tapio脱钩指数模型如式(1):

式中:Ti,t表示i省(区、市)在t年的煤炭消费量和地区生产总值的Tapio 脱钩指数值;C表示煤炭消费量,G表示地区生产总值,0 为基期.参考Tapio[27]、夏勇等[28]、Hu 等[29]、张勇等[30]的研究成果,本文将脱钩状态分为8 种,具体8 种类型的脱钩状态和对应的指数值如表1 所示,阈值0.8 和1.2 是参考大多数脱钩研究的经验值.由于我国各省(区、市)经济始终处于正增长状态,煤炭消费与经济的脱钩只存在4 种状态,按脱钩指数由大到小依次是增长负脱钩、增长联结、弱脱钩和强脱钩,其中强脱钩是最理想的状态,也就是说,煤炭消费脱钩指数越小越好.

表1 脱钩状态分类Table 1 Classification of decoupling status

表2 东部地区2006～2019 年煤炭消费脱钩情况Table 2 Decoupling situation of coal consumption in the east region of China from 2006 to 2019

表3 中部地区2006～2019 年煤炭消费脱钩情况Table 3 Decoupling situation of coal consumption in the central region of China from 2006 to 2019

表4 西部地区2006～2019 年煤炭消费脱钩情况Table 4 Decoupling situation of coal consumption in the west region of China from 2006 to 2019

1.2 拓展的STIRPAT 模型

Ehrlich 等[31]、Holden 等[32]首次使用IPAT 模型来研究人口、经济、技术水平对环境压力的影响,Waggoner 等[33]进一步提出ImPACT 模型,将技术水平拆分成单位能耗的排放(T)和单位产出消耗(C).无论是IPAT 模型还是ImPACT 模型都只能研究影响因素等比例的变化情况,模型中I对变量的弹性为定值1,使用范围较小.在此基础上Dietz 等[34]进一步提出了 STIRPAT 模型, 如公式(3) 所示,STIRPAT 模型中环境压力(I)与各个因素之间不再是成等比例变化,而是非线性形式.

对公式(2)的两边同时取对数,模型变为:

式中:I为环境压力;P为人口;A为经济;T为技术水平;α是模型的截距项;β1、β2、β3是各个影响因素的系数.

改进后的STIRPAT 模型可以加入更多的因素来研究其对环境压力的影响.参考煤炭消费量影响因素研究的相关文献,考虑到能源结构、产业结构、城镇化水平、对外开放水平及树林覆盖面积等因素可能会对煤炭消费脱钩情况产生影响[35-40],因此本文在式(3)的基础上,引入这些影响因素,模型拓展为式(4).

考虑到各个省(区、市)的脱钩情况可能存在空间上的相互影响关系,因此本文将空间因素纳入考虑,采用空间面板模型来分析对各省(区、市)脱钩影响因素.本文在式(4)基础上,进一步构建煤炭消费脱钩指数的空间杜宾模型,更加全面地分析煤炭消费脱钩指数空间差异的影响因素.

式中:lnTi,t是被解释变量,表示i省(区、市)第t年的煤炭消费脱钩指数;lnTj,t表示i省(区、市)的邻近省(区、市)j在第t年的煤炭消费脱钩指数;ρ是被解释变量的空间自回归系数,表示邻近省(区、市)煤炭消费脱钩指数对本省(区、市)脱钩指数的空间溢出效应的方向和强度;Wi,j是空间权重矩阵;Xi,t为解释变量;表示空间效应系数;ut和i分别表示时间固定效应和空间固定效应;ei,t表示随机误差项.

1.3 变量选取与数据来源

被解释变量:煤炭消费脱钩指数.Ti,t表示i省(区、市)在t年的煤炭消费脱钩指数,是以2005 年为基年逐年测算的脱钩指数.但是脱钩指数既有正值也有负值,不能够直接取对数,参考夏勇[41]的研究,先取2005～2019 年间30 个省(区、市)的脱钩指数的最小值的整数,再将各省(区、市)各年的脱钩指数减去最小值的整数,最后取对数.

解释变量:拓展的STIRPAT 模型已经考虑了人口因素、技术因素以及经济发展水平因素对环境压力的影响[34],参考现有研究煤炭消费影响因素的文献,本文加入了能源结构、产业结构、城市镇化水平、对外开放水平及树林覆盖面积等变量来更详细的分析煤炭消费脱钩影响因素[35-40].人均GDP(pgdp),各省(区、市)的人均GDP 是以2005 年为基年,经GDP 平减指数计算后的实际值.人口密度(pi),考虑到不同省(区、市)间行政面积有所不同,可承载的人口不同,因而选择人口密度指标来研究人口(P)对煤炭消费脱钩的影响.技术水平变量(T),可以分为绩效型和投入型,绩效型选择能源强度(ei),投入型选择各省(区、市)R&D 经费投入强度(rd).能源结构(es),以煤炭消费量占能源消费量的比值表示.产业结构(ind),以工业增加值占地区生产总值的比值表示.城镇化水平(ur),以城镇人口占常住人口的比值表示.对外开放水平(open),以外商投资总额占地区生产总值的比值表示.新造林面积(green),使用地区每年新造林面积占地区行政面积的比重来表示.

数据来源:研究数据为2006～2019 年我国30 个省(区、市)(西藏和港澳台除外)的包含420 个样本的面板数据.脱钩指数根据Tapio 脱钩模型算出,影响因素相关数据出自对应时期的《中国统计年鉴》、《中国能源统计年鉴》、全国科技经费投入统计公报以及各省(区、市)的统计年鉴.

2 煤炭消费脱钩的实证分析

2.1 各省(区、市)煤炭消费脱钩长周期分析

首先,研究2005～2019 年整个长周期内我国30个省(区、市)的煤炭消费与经济增长脱钩情况,以首年2005 年为基准年逐年计算中国各省(区、市)煤炭消费脱钩指数,考虑到我国不同地区发展差异较大,资源禀赋与能源消费情况具有明显不同,因此本文将30 个省(区、市)分为东、中、西3 个地区进行分析.

2.1.1 东部地区 北京市表现最为出色,在2006～2019 年期间均实现了煤炭消费的强脱钩,脱钩状态最为理想,上海表现也较为出色,除了在2008～2013年期间保持弱脱钩状态,其余时间呈现了强脱钩特征,天津在2006～2018 年呈现弱脱钩状态,2019 年实现从弱脱钩至强脱钩的进步,但是否可以保持强脱钩状态还需更长时间验证.此外,江苏、辽宁在整个研究期间均保持弱脱钩状态,且脱钩指数呈现波动下降趋势,脱钩状态呈优化趋势.浙江、福建、山东均实现从增长联结至弱脱钩的转变,且脱钩指数逐渐降低,脱钩状态持续优化,河北省脱钩状态在2007年出现了短暂的增长联结.广东省整体脱钩状态不稳定,在2006年实现了弱脱钩,2007年呈现增长联结状态,2008～2010 年实现了弱脱钩,但是2011 年又退化到增长联结状态,2012～2019 年状态比较稳定,呈现弱脱钩状态,且整体上脱钩指数逐渐降低,脱钩状态不断优化.东部地区表现较差的是海南地区,在2006 年短暂的实现了弱脱钩,但是从2007～2019 年,均呈现增长联结状态.总而言之,东部地区整体表现较好,大部分省(区、市)的脱钩指数呈现下降趋势,北京整体处于强脱钩状态,而上海也从2014 年左右实现了强脱钩,除海南省外的其他省(区、市)也陆续实现了弱脱钩,海南省脱钩状态在东部地区省(区、市)中表现较差,在研究期间内大多时间呈现增长联结状态,直至2019 年也未实现脱钩.总体来看,东部地区大多数省(区、市)能源消费结构调整效果明显,大多数省(区、市)的经济增长不再依赖于煤炭能源的消费,虽然在经济增长的同时煤炭消费也在增长,但是经济增速要高于煤炭消费增速.此外,如北京、2019 年的天津、2014 年后的上海,能够实现维持经济增长的同时,降低煤炭消费量,减煤降碳工作成效显著,这3 个直辖市在煤炭脱钩方面的表现优异,一方面可能得益于更高的经济发展水平与合理的产业结构,另一方面,也有可能是得益于研究期间内更加严格的环境规制,2010 年前后治理空气污染的措施频出,环境规制日益严格,可能加速了3 个地区的煤炭消费脱钩进程.

北京的优异表现可能得益于举办奥运会期间付出的巨大的能源转型努力,在《北京市“十二五”时期能源发展建设规划》中曾提及,北京市“加快实施燃煤设施资源整合和清洁能源改造”,并在每个五年计划时期设定了煤炭消费占比下降目标,巨大的能源消费结构调整努力使得北京市表现出优异的脱钩状态.而京津冀地区在研究期间做出了巨大的空气污染治理努力也可能带来了煤炭脱钩的协同效益,如2013 年左右出台的《京津冀及周边地区落实大气污染防治行动计划实施细则》等一系列大气污染防治政策,以及京津冀地区大力推行“煤改气”等,都直接或间接的推动了京津冀地区能源消费结构的优化转型,促进了煤炭消费脱钩.

2.1.2 中部地区 湖南省表现最为优秀,在2006～2019 年期间一直保持着弱脱钩状态,且整体上脱钩指数逐渐降低,呈较好趋势,有望实现强脱钩.河南、山西这2 个省呈现由增长联结向弱脱钩转变的趋势,湖北与山西转变发生的最早,在2007 年就呈现了弱脱钩的状态,且状态较为平稳,一直保持弱脱钩状态至2019 年,河南则是从2008 年开始进入弱脱钩状态并保持至2019 年,值得注意的是,这3 个省的脱钩指数均呈现较为稳定的下降趋势,且河南省的脱钩指数降低幅度较快,有望在不久的未来实现强脱钩.其他的省(区、市)在研究期间内整体呈现弱脱钩状态,但是均存在一定的波动,波动后脱钩指数逐渐降低,脱钩状态持续优化,如吉林、黑龙江、江西3 个省份,分别在2011、2008 与2007 呈现了短暂的增长联结状态,在其他年份则保持弱脱钩状态,而安徽省则是在2008～2009 年出现了增长联结状态,其他时间保持弱脱钩状态.总体来说,中部地区各个省(区、市)煤炭消费脱钩状态较为接近,以弱脱钩状态为主,表明各省(区、市)经济增长速度快于煤炭消费增速,且各个省(区、市)的脱钩指数总体均呈现下降趋势,其中河南、湖北、湖南3 个省份下降明显,有望尽快进入强脱钩状态,这可能是由于这3 个省份经济增速较快,以2019 年为例,3 省的经济增速均处于全国上等水平.根据《2008 年河南工业经济发展报告》指出,2008 年河南省经济增速全年规模以上工业增加值增速达到19.8%,增幅比全国平均水平高6.9 个百分点,同时高耗能行业增速减缓,这可能是河南省于同年实现煤炭消费弱脱钩的主要原因,而2008 年煤价回落导致的河南、山西大规模减产,可能也间接提升了两省在同期的煤炭消费脱钩状态.安徽虽然在“十一五”期间煤炭产量仍然有增长,但清洁能源也取得长足发展,如《安徽省“十一五”能源发展规划》就指出“水电在能源生产总量中的比重由2000 年的0.2%,上升到2005 年的2.0%左右”且“全省16 个城市相继开展了天然气利用工程规划与建设”,这为安徽省实现煤炭消费弱脱钩奠定了良好的基础,而2008 年的经济危机导致的经济增速放缓,可能是同期安徽脱钩状态退步的主要原因.

2.1.3 西部地区 表现最为突出的是四川省,四川省在2006～2016 年间保持着弱脱钩状态,自2017 年开始进入强脱钩状态,表明四川省能源消费结构优化效果明显,能够在保持经济增长的同时减少煤炭的消费.其次是甘肃省,在研究期间内也实现了弱脱钩,并保持着较为稳定的弱脱钩状态.部分省(区、市)在2006～2019 年期间实现了由增长联结向弱脱钩状态的转变,云南、贵州、重庆分别从2007 年开始较早地进入弱脱钩状态,且弱脱钩状态较为稳定,未出现反复,就脱钩指数来说,云南与重庆的脱钩指数下降明显,未来有望尽早进入煤炭消费强脱钩的理想状态.其他西部地区省(区、市)的脱钩状态较差,且在2006～2019 年期间波动明显,具体来说,内蒙古实现了从增长负脱钩、增长联结向弱脱钩的转变,脱钩状态提升较为显著,陕西也呈现出从增长负脱钩、增长联结向弱脱钩的转变,但是在2019 年又回归增长联结状态,波动明显.广西则一直在增长联结与弱脱钩之间交替变动,脱钩状态呈现明显的不稳定性.青海、宁夏与新疆3 个地区的煤炭消费脱钩情况较不理想,青海在大部分时间呈现增长联结与弱脱钩状态,但是在2007 年也出现了增长负脱钩的状态.而宁夏自2006～2019 年间主要以增长负脱钩与增长联结状态为主,在2018～2019 年呈现明显的脱钩状态恶化.而新疆则在整个时期以增长负脱钩状态为主,表明新疆的经济增长仍较依赖煤炭能源消费,煤炭消费的增长率高于经济增长率.总体来说,西部各省(区、市)的煤炭消费脱钩状态呈现出不稳定与不理想这两个特征,除云南与重庆的脱钩指数呈现明显向好趋势,其他地区均呈现增长负脱钩、增长联结之间波动,如新疆地区则仍以增长负脱钩状态为主,这可能是由于西部地区整体经济发展水平欠佳,经济发展阶段与东部、中部地区相比相对落后,可能经济仍未摆脱对煤炭能源的依赖.而四川省在西部省(区、市)中表现优异,有可能得益于其自身优越的能源结构,四川省具有“水多气丰煤少”的能源资源特征,水能与天然气蕴藏量约占全国的五分之一,清洁能源与可再生能源占比较高,这可能导致其煤炭消费脱钩状态较好.重庆市与云南省在“十一五”规划期间均制定了严格的节能减排目标,且完成度较高,为长周期的促进煤炭消费脱钩打下了良好的基础,因此在研究期间煤炭消费脱钩指数呈明显下降趋势.此外,西部地区大多省(区、市)自然资源禀赋丰富、煤炭产量与储量丰富,如内蒙古、陕西、新疆等省(区、市)在原煤产量方面名列前茅,经济发展可能更倾向于依赖能源消费,其煤炭消费脱钩状态可能受困于“资源诅咒”效应.测算结果表明整个西部地区煤炭消费脱钩状态不理想,调整能源消费结构、实现减煤降碳任重道远.

总的来看,自2006～2019 年中国30 个省(区、市)的煤炭消费脱钩指数整体呈逐步降低状态,虽有波动,但煤炭消费脱钩状态总体不断优化,其中东部地区表现最好,脱钩趋势变动较稳定,其次是中部地区,脱钩状态有明显波动但总体呈现向好趋势,西部地区整体表现较差,许多西部省(区、市)呈现出脱钩状态欠佳、波动强烈的特征,其煤炭消费脱钩指数仍未能进入稳定的下降状态.部分经济发展水平较高的地区已经于2019 年实现了强脱钩状态,北京、上海、天津和四川实现了强脱钩,能够在维持经济增长的同时降低煤炭消费,其中天津和四川是否可以保持强脱钩状态还需更长时间验证.而大部分地区也均在2019 年实现了弱脱钩,其中河南、云南、重庆、湖南、湖北脱钩指数较低,有望在未来实现强脱钩;陕西、海南处于增长联结状态,并有望实现弱脱钩,而经济发展水平较差的宁夏与新疆地区脱钩状态不理想,到2019 年仍处于增长负脱钩状态,表明煤炭消费量增速要高于经济增速,尚未能够实现能源消费结构优化,未来减煤降碳的工作有待继续推进,各省(区、市)2019 年的脱钩状态如表5 所示.

表5 2019 年煤炭消费脱钩情况汇总Table 5 Summary of decoupling situation of coal consumption in 2019

2.2 煤炭消费脱钩稳定性分析

研究“脱钩”不能忽视脱钩的趋势性,即煤炭消费脱钩不应该是较短时间内的煤炭消费量的波动,而应该是在一段时间内比较稳定、比较持续地处在脱钩的状态.本文发现一些地区的脱钩情况出现了明显的波动状态,因此有必要对各个省(区、市)的煤炭消费脱钩稳定性情况进行分析.齐静等[42]最先提出研究脱钩稳定程度的指标[42],陈瑶等[43]、韩梦瑶等[44]在此基础上进行了应用研究,本文参照齐静等[42]的方式构建了描述脱钩状态稳定程度的指标δ.

式中:T指研究年份;I指总研究年份;δ值越小,表明脱钩状态越稳定,反之表明脱钩状态越不稳定.

从表6 中可以看出,大部分省(区、市)脱钩稳定性系数小于0.4,脱钩情况比较稳定,天津、上海、海南、四川这4 个省(区、市)的脱钩稳定性系数大于0.4,脱钩较不稳定,上海出现了强脱钩到弱脱钩到强脱钩的波动,四川实现了从增长联结到弱脱钩再到强脱钩的快速优化,天津虽然于2019 年实现了强脱钩,但其脱钩状态不稳定指数较高,未来能否可以继续保持强脱钩状态还需更长时间验证.而新疆虽然在煤炭消费脱钩状态方面表现欠佳,大部分时期处于增长负脱钩状态,但其脱钩状态不稳定指数很低,表明新疆较差的脱钩状态是相对来说稳定的,这意味着未来新疆在促进能源消费结构转型,降低煤炭消费比重方面仍有很长的路要走.

表6 煤炭消费脱钩稳定性情况Table 6 Stability of the decoupling situation of coal consumption

2.3 五年规划视角下煤炭消费脱钩特征分析

针对我国五年战略规划的国情,将研究阶段分为3 个五年规划期,分别测算“十一五”(2006～2010年)、“十二五”(2011～2015 年)和“十三五”(2016～2019年)3 个时间段的脱钩指数,研究煤炭消费量与经济在这3 个五年规划时期的脱钩特征.

结果如表7 所示.总的来看,“十一五”期间,北京与上海率先实现了强脱钩,大多数省(区、市)处于弱脱钩与增长联结状态,内蒙古、陕西与新疆则处于增长负脱钩的状态.“十二五”期间,北京、上海、四川实现了强脱钩,海南、青海、宁夏与新疆4 个地区表现为增长负脱钩状态,表明这个时期这些地区煤炭消费呈现了更快的增长.“十三五”期间,强脱钩状态的地区增加到12 个,占据研究省(区、市)的一半左右,而黑龙江与青海则呈现出增长负脱钩的状态.总的来说,从五年规划的视角来看,强脱钩的省(区、市)呈现不断增加的趋势,经济欠发达的地区更容易呈现出增长负脱钩的状态.整体来看,我国省(区、市)煤炭消费脱钩状态总体从增长负脱钩、增长联结向弱脱钩、强脱钩转变,趋势较好,经济发展水平与发展阶段在脱钩状态中发挥着重要作用.

表7 3 个五年规划期各省(区､市)煤炭消费与经济的脱钩指数和脱钩状态Table 7 The decoupling index and decoupling status of coal consumption and economy in each province(region, city) during the three five-year plan periods

从空间分布角度来考察3 个五年规划时期煤炭消费与经济增长的脱钩关系,东部地区煤炭消费与经济增长脱钩情况明显优于西部地区,这与我国经济社会发展情况相一致,强脱钩省(区、市)呈现出由北京市、上海市和四川省这3 个省(区、市)向外扩张的趋势,三者分别是北方经济中心,东部经济中心,西部经济中心,经济发展质量较高.西部地区的省(区、市)如新疆维吾尔自治区、内蒙古自治区以及青海省等,煤炭消费与经济脱钩情况不太乐观.从空间分布角度可以看出我国煤炭消费脱钩情况呈现出一定的聚集特征.此外,北京、河北、内蒙古、辽宁、上海、浙江、安徽、福建、江西、山东、河南、广东、四川、贵州、云南、陕西这16 个省(区、市)的煤炭消费与经济脱钩指数逐渐降低,状态越来越理想,青海省的煤炭消费与经济脱钩指数逐渐升高,可能与产业转移有关,其他省(区、市)处于波动状态.

3 煤炭消费脱钩的影响因素分析

3.1 模型设定形式检验

参考徐盈之等[45]、胡珮琪等[46]以及陈恭军[47]的研究,本文首先进行了一系列规范的检验来决定使用何种模型设定形式,具体来说:通过LM 检验来判断是否使用包含空间交互效应的面板模型,结果表明既存在空间误差效应,也存在空间滞后效应,因此应采用空间杜宾模型;通过Hausman 检验来确定采用固定效应模型还是随机效应模型,结果表明,Hausman 检验均在1%显著性水平上拒绝了原假设,因此本文选择固定效应模型;通过LR 检验和Wald检验空间杜宾模型是否会退化为空间误差模型或者退化为空间滞后模型,结果显示空间杜宾模型仍是合适的模型形式;通过LR 检验和比较拟合优度R2来选择固定效应的类型,最后选择双向固定效应的空间杜宾模型.考虑到空间计量模型的估计结果依赖于所构建的不同的空间权重矩阵[46,48],为了加强估计结果的可信性,本文分别构建了3 种空间权重矩阵来进行分析,参考现有文献的空间权重选择方法,构建了经济距离权重矩阵(W1)[49]、二进制邻接权重矩阵(W2)[48]及地理距离衰减权重矩阵(W3)[50],其中以经济距离权重矩阵下的分析结果作为基准结果,同时以二进制邻接矩阵及地理距离衰减权重矩阵的分析结果作为稳健性检验,3 种矩阵下均显著则表明具有较好的稳健性.

3.2 空间相关性检验

本文首先对各省(区、市)煤炭消费脱钩指数是否呈现空间相关性进行检验,采用的检验方法是文献中广泛使用的莫兰指数[45-46].在经济距离权重矩阵下,本文在表8 中汇报了逐年的全局莫兰指数结果.从结果可以发现,各省(区、市)煤炭消费脱钩指数呈现高度的空间相关性,且随时间发展相关性指数呈上升趋势,大多数年份的结果都呈现良好的显著性.此外,本文还针对3 个五年规划时期构建了全局莫兰指数,其值分别为0.109、0.149 及0.323,结果均显著.在3 个五年规划时期,各省(区、市)的煤炭消费脱钩指数也呈现较高的空间相关性,且相关性水平越来越高.空间相关性检验结果表明,各省(区、市)的煤炭消费脱钩指数呈现高度的空间相关性,采用空间计量分析方法具有合理性.

表8 煤炭消费脱钩指数的全局空间相关性检验Table 8 Global spatial correlation test of coal consumption decoupling index

3.3 影响因素分析

表9 报告了在3 种权重矩阵下的空间杜宾模型的回归结果,分别汇报了估计的主效应与溢出效应.空间自回归系数ρ在W1、W2、W3 权重矩阵下均在1%的水平上显著为负,说明一个省(区、市)的煤炭消费脱钩指数受到周围省(区、市)煤炭消费脱钩指数的显著负影响.W1 权重矩阵下,周围省(区、市)煤炭消费脱钩指数每降低1%,本省(区、市)煤炭消费脱钩指数将提高0.387%左右,W2 权重矩阵下,周围省(区、市)煤炭消费脱钩指数每降低1%,本省(区、市)煤炭消费脱钩指数将提高0.211%左右,W3 权重矩阵下,周围省(区、市)煤炭消费脱钩指数每降低1%,本省(区、市)煤炭消费脱钩指数将提高0.858%左右.这可能是因为一些电力输出大省(区、市)的煤炭消费总量包括为其他省(区、市)发电所消耗的煤炭量,这些省(区、市)通常脱钩指数较高,而一些省(区、市)通过购买电力来更多依靠电力,直接煤炭消费量降低,脱钩指数较低;另一方面,一些省(区、市)向外转移高能耗的工业,实际上是将脱钩压力转移给了欠发达地区.

表9 空间杜宾模型估计的主要结果Table 9 The main results of Spatial Durbin Model

能源结构、能源强度、人口密度、对外开放水平等变量对煤炭消费脱钩指数存在显著的正向影响,具体来说:能源结构的系数在3 种权重矩阵下都在1%水平上显著为正,煤炭消费占比每下降1%,煤炭消费脱钩指数将下降0.217%、0.247%、0.211%.因此需要通过煤改气、发展新能源等政策优化能源结构,促进能源结构转型.能源强度的系数在3 种权重矩阵下都在1%水平上显著为正,每单位GDP 消耗的能源总量每下降1%,煤炭消费脱钩指数将下降0.450%、0.493%、0.468%.因此,需要在未来进一步提高能源效率,降低单位产值能耗.人口密度的系数在W1 和W3 权重矩阵下显著为正,人口密度每增加1%,煤炭消费脱钩指数将上升0.46%左右.人口增加,交通、生活等所需的煤炭消费量会增加,即会出现人口密度与煤炭消费脱钩指数的正相关关系.对外开放水平的系数在3 种权重矩阵下均显著为正,对外开放水平每增加 1%,煤炭消费脱钩指数将上升0.036%、0.064%、0.056%.说明当前可能存在“污染天堂”现象.各地在招商引资的过程中,可能忽视了环境保护问题,引进了较多高能耗产业,吸引了较多高能耗外商投资.

产业结构、R&D 投入水平、新造林面积在3种矩阵下对能源消费脱钩指数存在显著的负面影响,具体来说:产业结构的系数在3 种权重矩阵下均显著为负,工业增加值占地区生产总值的比值每增加1%,煤炭消费脱钩指数将下降0.137%、0.180%、0.138%.从全国范围看,一些省(区、市)工业产值占比较高,例如四川省、天津市,但同时实现了煤炭脱钩,可能是工业生产通过产业升级、节能改造,质量得到不断提高.R&D 投入水平的系数在3 种权重矩阵下均显著为负,R&D 投入强度每增加1%,煤炭消费脱钩指数将下降0.062%、0.083%、0.071%.技术的不断推进,经济活动整体效率将不断上升,对煤炭消费脱钩具有一定的积极意义,但是系数较小,影响不大,可能是研发投入更多地用于生产技术创新而不是节能增效技术创新.新造林面积的系数在3 种权重矩阵下均显著为负,新造林面积提高有利于煤炭消费脱钩.其他变量,如城镇化水平、经济发展水平对煤炭消费脱钩指数影响并不显著.

从溢出效应来看,在不同的空间权重矩阵下,本省(区、市)的人口密度、对外开放水平和能源强度对邻近地区的煤炭消费脱钩指数有显著的正向影响.这表明周边省(区、市)的人口密度越大、对外开放水平越高以及能源强度越高,则本省(区、市)的煤炭消费脱钩指数也越高.值得注意的是,这些变量呈现明显的空间集聚特征.我国人口密度呈现东多西少的特征,东部地区人口密集,很多省市人口密度远高于中西部地区.而东部地区相较于中西部地区,改革开放较早,且距离海岸线较近,许多东部省(区、市)改革开放与吸引外资经验丰富,对外开放水平往往也较高.在能源强度上,中部与西部地区能源储量与产量较高,且经济发展阶段落后于东部地区,尚处于工业化进程中,对能源资源需求量较大,西部地区能源强度往往较高.因此,溢出效应的实证结果也基本符合现实情况.

4 政策启示

统筹协调各省(区、市)减煤工作,有序实现煤炭脱钩,兼顾地方经济发展和社会公平.需要突破行政上煤炭消费脱钩的地域区划限制,建立各省(区、市)协同减煤的联动机制,因地制宜,为各地区明确该地减煤工作重点与经济发展方向,形成制度、经济、区位等多方因素的合力.在规划制定时,应综合考虑各省(区、市)的资源禀赋、经济发展状况和当前煤炭消费状况,对资源状况差异较大、经济发展存在差距的省(区、市)实施差异化减煤责任,梯次有序煤炭脱钩.另一方面,在落实减煤责任,实现煤炭脱钩的过程中应注意公平性,对于产煤大省(区、市)、电力输出大省(区、市)、高能耗产业接受大省(区、市),给予一定的宽限和帮扶.

加大技术研发投入,引导企业进行提高能源效率的相关节能技术创新,以技术发展促进煤炭高效利用.实现减煤降碳,迫切需要科技力量的帮助,应建立稳定的研发投入机制,以更大的研发支持力度实现节能技术更快的更新迭代,同时要积极推广绿色技术,促进绿色技术应用率和煤炭利用效率提升来降低煤炭消费脱钩指数.积极引入“低碳”外资及“清洁”技术,调整外资准入标准,优化外资利用领域.对于从事高污染行业的外资企业,应严格进行能耗评估,严格限制进入中国从事生产经营活动.对于发展清洁能源、保有低碳技术的外资企业,应当给予相应的税收优惠、手续减免,吸引相关产业助力减煤目标的实现.

优化调整能源消费结构,促进能源消费结构更加多元化.积极开发利用太阳能、风能、氢能、核能等清洁能源和可再生能源,完善相关基础设施建设,适当采用补贴等经济手段,引导清洁能源有序发展.积极探索能源消费结构调整工作,持续推进煤炭资源的清洁利用(如“煤改气”、“煤改电”项目),促进天然气、氢能、风能等清洁能源利用规模化及供暖清洁化.同时,应不断加大对减煤降碳的资金投入,设立专项计划,充分调动各种社会资源的投入,为煤炭脱钩提供充足的资金保障.此外,各省(区、市)煤炭消费脱钩情况不同,面临各项环保问题压力程度不同,需要根据自身情况制定合适的环保支出比重.

5 结论

5.1 从时间维度来看,我国省(区、市)煤炭消费与经济增长的脱钩状态从增长负脱钩、增长联结向弱脱钩、强脱钩转变,整体趋势向好.但部分省(区、市)出现较明显的波动,脱钩情况不稳定.从空间维度来看,东部地区的脱钩状态最好,其次是中部地区,西部地区的脱钩状态最不理想,少数西部省(区、市)还处于增长负脱钩的状态,这与我国经济社会发展情况相一致.强脱钩省(区、市)呈现出由北京市、上海市和四川省这3 个省(区、市)向外扩张的趋势,三者分别是不同地区的经济中心,经济发展质量较高.从空间分布上可以看出,我国煤炭消费脱钩情况以不同经济发展阶段为差异呈现明显的聚集特征.

5.2 当前我国大部分省(区、市)煤炭消费脱钩情况处于弱脱钩状态,其中河南、云南、重庆、湖南、湖北脱钩指数下降显著,有望在未来实现强脱钩;北京、上海、天津和四川已经在2019 年实现了强脱钩,其中天津和四川是否可以继续保持强脱钩状态还需更长时间验证,北京在整个研究期间内保持强脱钩状态,脱钩状态最好,表现较为稳定;陕西、海南在2019 年处于增长联结状态,有望实现弱脱钩;宁夏和新疆在2019 年仍处于增长负脱钩状态,煤炭消费增速要快于经济增速,未来减煤降碳工作任重道远.

5.3 全国煤炭消费脱钩指数呈现出显著的负向的空间溢出效应,一个地区的煤炭消费脱钩指数受周围地区煤炭消费脱钩指数显著的负向影响.能源结构、能源强度、人口密度和对外开放水平对煤炭消费脱钩指数的影响显著为正,能源结构转型、能源效率提高会有效降低煤炭消费脱钩指数,促进煤炭消费与经济的脱钩,人口增多,生产生活耗煤量增加,会导致煤炭消费脱钩指数的提升,而对外开放可能带来污染避难所效应,引进的外资可能以高能耗产业为主;产业结构、R&D 强度与新造林面积对煤炭消费脱钩指数的影响显著为负.产业结构的影响可能是通过工业生产升级、节能改造,质量得到不断提高实现的,而技术研发的不断推进,使经济活动整体效率将不断上升,促进能源消费脱钩系数下降,但是系数较小,这可能是研发投入更多地用于生产技术创新而不是节能增效技术创新,新造林面积则意味着当地对生态环境的重视程度与支持力度,有利于促进煤炭消费与经济发展的脱钩.