河南省碳排放、经济增长和能源消费的关联度研究

收稿日期：2024-03-10

作者简介：袁小舒（1999-），女，河南通许，在读硕士研究生，研究方向：区域经济学的经济可持续发展；

马海霞（1973-），女，新疆和田，博士，教授，研究方向：区域经济学的经济可持续发展。

摘要：2022年河南省GDP占全国的5.1%，能源消耗总量占全国的4.5%，消耗能源产生的碳排放量约是全国的4.7%，与已经实现碳达峰的省市相比仍需加强碳排放的管理。使用Tapio脱钩模型，对河南省2000-2022年碳排放、经济增长和能源消费三者之间的关联程度进行研究。结果表明：河南省碳排放、经济增长和能源消费之间仍存在不稳定的脱钩关系。河南省工业发展偏向重工业，对经济的贡献率呈下行趋势；减排、节能工作需继续推进，能源消费仍以煤炭为主，经济增长中仍存在较高的碳排放，尚未达到低碳目标；能源消费效率有待进一步提高，需进行针对性的政策调整。

关键词：Tapio脱钩模型；碳排放；能源消费；经济增长

中图分类号：X321；F127" " "文献标识码：" A" " " 文章编号：2095-7734（2024）03-0078-07

" 据《中国统计年鉴2023》中数据表明，2022年，我国国内生产总值已达到121万亿元，人均能源消费量已经从1983年的107千克标准煤上升到2021年的478千克标准煤。中国作为世界上的能源消耗大国及世界上最大的碳排放国家，能源消耗量占据全球的五分之一，二氧化碳排放量占据全球的四分之一。中国在2020年9月正式提出了双碳目标：二氧化碳的排放量力争在2030年前达到峰值，努力在2060年前实现碳中和。[1]

2022年，河南省能源消耗总量占全国的4.5%，消耗的能源产生的碳排放量约是全国的4.7%，与其他已经实现碳达峰目标的地区相比仍有较大的改进空间。以北京为例，北京在2022年能源消耗量仅占全国的1.27%，碳排放量为全国的0.71%。此外在消耗的能源中，非化石能源消耗占比低，在2022年河南省天然气的消耗量也仅占6.53%；而已经实现碳达峰目标的北京，在2010年天然气的消耗量占比就已经达到了14.58%。在河南省的经济发展中，第一产业贡献率已经从1981年的61.5%，逐年下降至2022年15.2%，已经改变了以往农业发展占据主导地位的事实。自2005年以来，河南省第二产业的贡献率始终远高于第一产业，在2022年河南省第二产业的经济贡献率是52.4%，而一产仅为15.2%。河南省的工业碳排放量占据全省碳排总量的80%。为了解决河南省的能源高消费高排放问题，有必要对能源、经济和碳排放量三者之间的联系进行研究。

1文献综述

" 能源消费、经济增长、碳排放三者之间关系复杂。王锋等（2010）使用LMDI指数分解法，对1995-2007年的数据分段分析，发现了在不同时间段碳排放的驱动因素存在差异；[2]郭朝先（2010）通过构建一个投入产出模型，运用LMDI指数分解法，对中国1992-2007年的碳排放进行了因素分解，指出了粗放型经济增长的弊端。[3]二者均是使用指数分解法来探究碳排放的驱动因素。王仲瑀（2017）利用LYQ脱钩模型，验证了京津冀地区碳排放与经济增长以弱脱钩状态为主，通过构建Granger因果关系检验模型，发现能源消费与碳排放在京津冀地区存在双向因果关系，而经济增长与碳排放，经济增长与能源消费存在单向因果关系。[4]许广月（2010）根据中国1990-2007年的数据，在环境库兹涅兹曲线理论的基础上，运用面板单位根和协整检验方法，验证了中国中东部地区存在人均碳排放环境库兹涅兹曲线，西部地区不存在该曲线。[5]林伯强（2009）通过构建环境库兹涅兹模型，预测了碳排放量的拐点。[6]王运豪（2023）基于环境库兹涅兹曲线估计了中国碳达峰的时间点，验证能在预期完成碳达峰目标。[7]现有文献中，大多是基于国家、产业层面，利用指数分解法分析碳排放的驱动因素；部分是使用环境库兹涅兹模型预估碳达峰的时间，对于地区间经济、碳排放量和能源消费三个变量的联系程度的分析较少。脱钩理论主要用来解释不同变量之间的关联程度，为了更好的分析河南省在经济、碳排放和能源三者的之间的关联程度，故选用Tapio模型，基于河南省的时间序列数据分析河南省的工业发展情况。

2河南省能源消费、经济增长、碳排放量的现状及碳排放的测算

" 河南省的能源消费以煤炭、石油、天然气和一次电力及其他能源为主，本文研究主要以煤炭、石油、天然气三种能源为主。首先对碳排放量进行测算，现有的碳排放量的计算方法主要是质量平衡法、排放因子法、[8]实测法。实测法数据获取相对困难，质量平衡法需要考虑的排放过程多数据获取困难，因而我们使用排放因子法，利用给出的排放系数通过计算公式来估算河南省的碳排放量。由于各种能源具有不同的使用效率，需要先将不同的能源使用量折算成标准煤。然后再根据碳排放公式进行计算。

" 碳排放量的计算公式为：E=琢i？渍 i" （1）

" 其中E为碳排放总量，是对使用能源的碳排放量的加总，？琢i表示第i种能源的碳排放系数，？渍i为第i种能源的碳排放量。在计算碳排放量时，已知各种能源在能源消费总量中的占比，故需要先计算出各种能源折算成标准煤后的消费量，然后利用能源碳排放系数（表1），[9]根据碳排放量的计算公式，计算出每种能源的碳排放量。

表1" 不同类型能源的碳排放系数（万吨碳/万吨标准煤）

在《河南省统计年鉴2023》中获取了2000-2022年的能源消费总量、几种能源折算成标准煤后的消费占比后，根据碳排放量计算公式和碳排放系数可以计算出河南省在2000-2022年间的碳排放量。见表2。

表2" 河南省2000-2022年能源消费及碳排放量

从表2中可以看出从2000年至2022年河南省的能源消费总量呈现上升趋势，能源消费量在2000年仅有7919万吨标准煤，在2022年已经上涨至24371万吨标准煤，能源消费量增加了3.1倍。在这23年间，碳排放量从2000年的5688.7万吨增加至2022年的14351.3万吨，增加了2.52倍。河南省的国民生产总值也在稳步上升，增加了12倍。可以看出，能源消费、经济增长、碳排放量总体上都随着时间呈现上升趋势，GDP的增长速度明显快于能源消费的增长速度；在2004年之前，碳排放量的增长速率呈现上升状态，2004年至2010年增速下滑，2010年至2022年增速上下波动较大，增长率整体上呈现下降趋势。

3脱钩模型分析

3.1脱钩模型理论

" 脱钩理论是由OECD首先提出的，用于解释阻断经济增长与资源消耗或环境污染的关系。[10]在脱钩理论中，使用碳排放脱钩这个指标来解释碳排量变化与经济增长之间的关系。在经济增长实现时，如果二氧化碳或者碳排放量的增长速率是负值或者是少于经济变化的增长速率，就将其称之为脱钩。碳排放脱钩是指随着经济发展和二氧化碳排放量的相关性越来越弱，直到最后两个变量的联系完全消失，这也是最后想要实现的理想化状态。即在实现经济逐步增长的同时，能源消费量逐步降低。按照脱钩弹性指数的取值，可以将其具体划分为八种类型，详细分类见表3。当经济增长为正时，若碳排放量反向变动，这趋向于向理想状态变化，此时为强脱钩；若碳排放量也呈正向变动，e越大，表明经济增长的数量与碳排放的关联程度越高，即碳排放量越多所带来的经济增长的速度越快，当e介于0和0.8之间时为弱脱钩，介于0.8和1.2之间时为扩张连接，大于1.2时为扩张负脱钩。当经济增长为负数时，若碳排放量的变化为正，此时是趋于不理想的状态变化，称为强负脱钩；若碳排放量也为负值，e越大，说明碳排放的变化程度与经济增长的变化程度相比越大，即经济呈现下降趋势时，碳排放量的下降速度更快，此时e值越大，越偏离理想化状态，说明该碳排放与经济的相关性越大。[11]当e介于0和0.8之间时为弱负脱钩，介于0.8和1.2之间时为衰退连接，大于1.2时为衰退脱钩。[12] [13]

表3" Tapio脱钩弹性分类（以经济增长和碳排放为例）

3.2脱钩模型的构建

" 为了探究河南省能源使用、经济变动、碳排放三个因素的关联程度，故构建Tapio脱钩模型对三者进行分析。

脱钩模型构建如下：

e（C、GDP）=e（C、E）×e（E、INV）×e（INV、GDP）（2）

e（C、E）=" （3）

e（E、INV）=（4）

e（INV、GDP）=（5）

e（C、GDP）=（6）

" 公式中，C表示二氧化碳排放量，E表示能源消费量，GDP用于反映经济增长的变化情况，INV用来表示工业产值的变化，e（C、GDP）表示碳排放和经济增长的弹性变化，e（C、E）称为减排脱钩弹性，e（E、INV）是工业节能脱钩弹性，e（I、G）是工业发展脱钩弹性。通过模型的构建，就将碳排放脱钩弹性表示为了减排、工业节能、工业发展脱钩弹性三者之间的乘积形式。[14]

3.3结果分析

3.3.1碳排放与经济增长脱钩弹性e（C、G）分析

通过表4可以看到河南省2000-2022年经济增长与碳排放二者之间的脱钩状态的变化，脱钩状态不稳定。自2000年以来，河南省的国民生产总值始终呈现出正向增长，经济增长的增长速率也一直为正。在2000-2009年、2011-2014年、2018年、2022年整体呈现弱脱钩状态，经济与碳排放量都处于增长状态，但是经济的增长速率快于碳排放量的增长速率；在这个时间段内2003年和2004年出现了扩张连接状态，这两年经济和碳排放量都处于增长阶段，并且仍然存在明显的关系，处于不脱钩状态。2010年经济与碳排放处于强脱钩，在这一年，呈现出一种经济增长和碳排放下降的状态；工业节能脱钩弹性为-0.19，呈现出强脱钩状态，工业产值增长，碳排放量下降；减排脱钩弹性为1.70，处于衰退脱钩状态，碳排放和能源消费均处于衰退状态，但是能源消费的下降速率小于碳排放的下降速率。2015-2017年、2019年和2021年河南省的碳排放量与经济增长表现为强脱钩，经济在增长，碳排放量在下降。2020年二者表现为扩张负脱钩态势，整整23年间只有2020年是经济增长的变动幅度比碳排放增长的变动幅度要慢。（详见表4）

3.3.2减排脱钩弹性e（C、E）分析

" 参考减排脱钩弹性e（C、E）来分析河南省2000-2022年碳排放和能源消费之间的关系。在2000-2009年、2011-2012年、2014年、2020年、2022年河南省碳排放和能源消费之间处于扩张连接状态，碳排放量和能源消费均处于增长阶段，脱钩弹性处于0.8到1.2之间，二者变化率基本一致。在2010年、2015-2017年、2019年，减排脱钩弹性大于1.2，处于衰退脱钩状态，碳排放与能源消费弹性均小于零，处于下降状态，但是能源消费下降的速率小于碳排放的下降速率。2013年和2018年处于弱脱钩状态，能源消费和碳排放均在增长，但是能源消费的增长速度大于碳排放的增长速度，2013年减排脱钩弹性是0.6，2018年的脱钩弹性为0.39，在2018年减排效果相较于2013年较差。在2021年，河南省的减排脱钩弹性为-0.4，表现为强脱钩状态，能源消费增加，碳排放量下降。（详见表4）

3.3.3工业节能脱钩弹性e（E、INV）分析

" 通过工业节能脱钩弹性e（E、INV）来分析能源消费与工业产值之间的脱钩关系。在2002和2022年表现为扩张连接，说明能源消费与工业产值之间仍然存在显著的联系。2003年处于扩张负脱钩状态，这一年能源消费和工业产值均在增加，但是能源消费量的增速大于工业产值的增速。2010年、2015-2017年、2019年处于强脱钩状态，工业产值增加、能源消费下降，趋于想要达到的方向。2013年、2018年、2020年河南省的能源消费与工业产值之间存在强负脱钩关系，当工业产值处于下降阶段时，能源消费量却在增加，这三年的经济发展不良好，处于不理想状态。能源消费与工业产值在其余的年份，关系均为弱脱钩状态，二者均在增加，但是工业产值的增速要快于能源消费的增速，这表明工业节能的效果较弱。（详见表4）

3.3.4工业发展脱钩弹性e（INV、G）分析

" 通过对比工业产值的变化程度与经济增长的变化程度，来衡量工业发展所引起的产值变化对GDP的贡献程度。2000-2022年河南省经济增长均为正值，其工业产值与经济增长的脱钩类型包括扩张负脱钩、弱脱钩、强脱钩四种。在2000年、2002-2003年、2007年、2010-2011年、2016年，河南省工业产值与经济增长处于扩张连接状态，工业产值增长的同时，经济也处于增长态势。2001年、2004-2006年、2008年、2021年为扩张负脱钩状态，在这些年份工业产值的增长率快于经济的增长率，工业产值在国民生产总值中的占比相对提高。2013年、2018年、2020年为强脱钩状态，表示经济在增长，而工业产值在下降，工业产值在当年的国民生产总值中占比下降，意味着这几年工业发展衰退。其余年份为弱脱钩状态，国民生产总值和工业产值均在增加，且国民生产总值的增长速度快于工业产值的增长速度，虽然工业产值在国民生产总值中占比下降，但是并不意味着工业发展呈现衰退趋势。[15]（详见表4）

表4" 河南省2000-2022年Tapio脱钩指数及对应类型

4结论与建议

4.1结论

对几个脱钩指数进行计算后，整体上来看，在工业节能方面河南省发展态势较好，在节能技术上取得了一定的进步，但是在工业发展、减排方面仍存在欠缺，需进一步努力。具体结论如下：

" 首先，煤炭仍然是河南省主要的消费能源，在能源消费中仍占据主导地位。河南省在2000年煤炭消费占能源消费总量的87.6%，至2022年煤炭消费占比62.65%，石油使用占比由9.6%增加到了15.71%，天然气的使用占比由1.7%提高到了6.53%。可以看出，河南省目前的能源消费结构仍然是以煤炭为主体，石油天然气消耗为辅。煤炭、石油的大量使用会使大气中的二氧化碳含量增加，环境问题恶化，减缓绿色生态目标的进程。

" 其次，经济增长中仍存在较高的碳排放，尚未达到低碳目标。碳排放脱钩指数并未一直朝向强脱钩发展，说明经济增长的同时伴随着较高的碳排放量，经济仍未摆脱对能源消耗的依赖。2020年以来二产带来的产值在国民生产总值中始终占据40%以上。据计算，工业碳排放占全省总排放量的80%，而化工、建材、电力生产钢铁等高能耗产业的碳排放量占据了工业碳排放量的90%以上。

" 再次，能源消费效率有待进一步提高，减排、节能工作需继续推进。观察减排脱钩弹性指数的变化，2014年至今，碳排放与能源消费仍未实现脱钩。虽然碳排放量增长率的趋势图（见图1）呈现下降趋势，但是增长率仍然大于零，碳排放量会继续增加。观察节能脱钩指数，可以发现能源损耗与工业产值仍然联系密切，在实现高产值的同时也伴随着大量的能源使用。只有提高能源的使用效率减少能源损耗，才能够减少消费量、降低碳排放量，实现减排节能双脱钩。

" 最后，工业发展偏向重工业，对经济的贡献率呈下行趋势。观察工业发展与经济增长之间的关系，可以发现工业发展与经济增长多为强、弱脱钩两种状态，工业发展对国民经济生产中的贡献率相对下降。虽然工业的贡献率下降并不意味着其发展趋势下降，但是工业生产资源消耗过大、能源消耗过高、环境污染严重。2022年，河南省规模以上工业能源消耗量共计14055.3万吨标准煤，而用于重工业上的能源约有11978万吨标准煤，占比85%。在其带来极大的负面影响时，就会要求更高的回报率，要求其对经济有更高的拉动率。

4.2建议

4.2.1调整能源消费结构，做好能源发展规划

" 为了合理的使用有限的能源、推动社会和环境的可持续发展，应该调整消耗的能源构成，降低碳排放量较大的能源如煤炭、石油的消费占比，更多的使用清洁能源。目前，天然气的使用占比较少，应该积极鼓励使用天然气。清洁能源的普及、使用成本较高，应该继续增强对清洁能源的开发和利用，提高清洁能源的开发效率，增加清洁能源的使用量，以绿色、环保的方式推动经济增长。[16]做好长期的能源发展战略，确保能源需求和低碳发展目标相协调，加快构建新型能源体系，推动清洁能源的升级，加速进行可再生能源对化石能源的替代。

4.2.2推动经济低碳增长，形成绿色低碳经济

" 要想尽早实现经济增长与碳排放的脱钩，就要降低经济增长对化石能源的需求，将经济发展对高能耗、高排放行业的依赖逐渐转移。使经济增长对不可再生能源的需求转移至清洁能源。要积极推进光伏、水电风电产业，改变发电形式，加快构建低碳环保的新型电力体系。同时，政府部门要制定和执行更加严格的环境法规和政策，加强监管力度，推动企业减少碳排放，限制高碳产业的发展，鼓励转型为低碳产业。

4.2.3激励企业自主创新，提高能源使用效率

" 可以鼓励企业自主创新，提高生产技术，增强创新意识，提高能源的利用率，降低碳排放。企业要积极进行生产研发，提高生产要素的使用效率，改进机器设备，降低能源损耗，减少碳排放，积极落实节能减排。加大对科技的创新投入，推动工业朝着自动化、数字化、智能化方向前进，通过提高工业的科技含量来尽可能的减少能源损耗，节能减排，推动经济增长由要素驱动向创新驱动转变。同时企业要树立节能减排的意识，政府等有关部门应该制定明确的碳排放标准和严格的奖惩制度，对低排放企业进行激励，对违规企业进行严惩，尽早地实现碳达峰碳中和目标。

4.2.4加快产业结构调整，实现经济绿色增长

" 工业作为能源消耗的主体，它的快速发展使能源消耗不断增长，同时带来了更多的碳排放。工业又是经济增长的重要动力，因此，只有推动经济增长形式的改变，加快产业结构升级，才能更好的践行绿色发展理念。要推动产业结构优化进程，加大对高新技术产业、可再生能源发展等新兴的、绿色的产业的支持力度，可以推动经济增长方式向集约型转变，提高生产要素的质量和使用效率[17]。鼓励能耗低、低排放、效益高的企业生产，逐渐淘汰能耗高、高排放、低效益的粗放型企业，实现产业升级和结构优化，提高整体的经济效益。

参考文献：

[1]" 梁珂.双视角碳排放现状测评与多目标减排路径优化研

究[D].山西财经大学，2023.

[2]" 王锋，吴丽华，杨超.中国经济发展中碳排放增长的驱动

因素研究[J].经济研究，2010，45（02）：123-136.

[3]" 郭朝先.中国碳排放因素分解：基于LMDI分解技术[J].中

国人口·资源与环境，2010，20（12）：4-9.

[4]" 王仲瑀.京津冀地区能源消费、碳排放与经济增长关系

实证研究[J].工业技术经济，2017，36（01）：82-92.

[5]" 许广月，宋德勇.中国碳排放环境库兹涅茨曲线的实证研

究——基于省域面板数据[J].中国工业经济，2010，（05）：

37-47.

[6]" 林伯强，蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测

及影响因素分析[J].管理世界，2009，（04）：27-36.

[7]" 王运豪，杨皓翔，官国宇.碳排放、能源消费与经济增长

——基于中国省级面板数据的中介效应模型[J].数理统

计与管理，1-15[2024-03-02].https：//doi.org/10.13860/j.

cnki.sltj.20231128-001.

[8]" 唐小亮，何川，刘晴.排放因子法高估燃气电厂的碳排放

量——基于高邮某电厂的观测结果[J].电力科技与环保，

2020，36（03）：17-20.

[9]" 蒋金荷.中国碳排放量测算及影响因素分析[J].资源科

学，2011，33（04）：597-604.

[10] 朱建富，黄雪莲，王军.碳排放脱钩视角下碳计量发展策

略的研究[J].计量与测试技术，2019，46（08）：94-95.DOI：

10.15988/j.cnki.1004-6941.2019.8.029.

[11] 刘茂辉，邓小文，刘胜楠等.基于LMDI法和Tapio脱钩模

型的天津市碳排放分析[J].环境污染与防治，2022，44（10）：

1397-1401.

[12] 刘璐语，徐静珍，李研.河北省城镇化进程与碳排放的脱

钩关系[J].华北理工大学学报（社会科学版），2021，21（03）：

46-52.

[13] 刘博文，张贤，杨琳.基于LMDI的区域产业碳排放脱钩努

力研究[J].中国人口·资源与环境，2018，28（04）：78-86.

[14] 李洋洋.甘肃省能源消费、碳排放与经济增长的关系研

究[D].兰州财经大学，2020.

[15] 王奕淇，黄涵祝.中国碳排放脱钩效应、时空特征与驱动

因素研究[J/OL].生态学报，2024，（06）：1-16.

[16] 徐斌，陈宇芳，沈小波.清洁能源发展、二氧化碳减排与区

域经济增长[J].经济研究，2019，54（07）：188-202.

[17] 江深哲，杜浩锋，徐铭梽.“双碳”目标下能源与产业双重

结构转型[J].数量经济技术经济研究，2024，41（02）：109-

130.

The Correlation between Carbon Emissions， Economic Growth and Energy Consumption in Henan Province

YUAN Xiaoshu，MA Haixia

（College of Business， Xinjiang Normal University， Urumqi 830013，Xinjiang，China）

Abstract：In 2022， the GDP of Henan Province accounts for 5.1% of the country， the total energy consumption accounts for 4.5% of the country， and the carbon emissions generated by energy consumption is about 4.7% of the country. Compared with the provinces and cities that have achieved the carbon peak， the management of carbon emissions still needs to be strengthened. This paper uses the Tapio decoupling model to study the degree of correlation among carbon emissions， economic growth and energy consumption in Henan Province during 2000-2022. The results show that there is still an unstable decoupling relationship between carbon emission， economic growth and energy consumption in Henan Province. Energy consumption is still dominated by coal， and there are still high carbon emissions in economic growth， which has not yet reached the low-carbon goal. Energy consumption efficiency needs to be further improved; Industrial development is biased towards heavy industry， and the contribution rate to the economy shows a downward trend. The work of emission reduction and energy conservation needs to continue to advance， and targeted policy adjustments need to be made.

Keywords：the model of Tapio decoupling ；carbon emissions；energy consumption；economic growth