□文/謝鈺思 武 戈

（江南大學商學院 江蘇·無錫）

一、引言

中國最大的經濟圈——長三角地區(qū)，位于長江下游和東海之濱，集“黃金水道”與“黃金海岸”于一體，主要包括上海市，江蘇8 市（南京、蘇州、無錫、常州、揚州、鎮(zhèn)江、南通、泰州），浙江6 市（杭州、寧波、湖州、嘉興、紹興、舟山、臺州），共16 個城市。由于其優(yōu)越的自然條件和地理區(qū)位，一直是我國經濟最為發(fā)達的地區(qū)，2012年長三角地區(qū)實現(xiàn)規(guī)模以上工業(yè)總產值17.35 萬億元，增長6.9%?！堕L江三角洲地區(qū)區(qū)域規(guī)劃》（以下簡稱《規(guī)劃》），是跨省級行政區(qū)的區(qū)域發(fā)展規(guī)劃，國家“十一五”規(guī)劃的重要組成部分，長三角地區(qū)區(qū)域協(xié)調發(fā)展的綱領?！兑?guī)劃》提出，在各個城市的詳細定位中，上海仍然是“核心”，南京和杭州則是上海的“兩翼”，同時將進一步提升南京、蘇州、無錫、杭州、寧波等區(qū)域性中心城市的綜合承載能力和服務功能。所以，本文選取上海、南京、蘇州、無錫、杭州、寧波這6 個城市作為長三角城市的代表進行研究，分析其碳排放的影響因素，從而提出對策和建議，為整個長三角城市甚至全國范圍內的城市工業(yè)碳減排提供借鑒和參考。

CO2主要來自于工業(yè)部門的能源消耗，所以研究工業(yè)部門二氧化碳排放量的變化，對于減少二氧化碳排放和制定未來的能源戰(zhàn)略是至關重要的。近年來，許多學者都致力于研究影響二氧化碳排放量的因素，主要有人口規(guī)模、經濟發(fā)展、工業(yè)部門內部結構、能源結構、能源效率、產業(yè)結構等。張慶民等（2012），基于我國1995～2009年統(tǒng)計數(shù)據(jù)計算了第一、二、三產業(yè)經濟結構與碳排放總量碳排放增長率和碳排放強度的動態(tài)演化過程。結果表明，第一產業(yè)碳排放總量與碳排放強度遠低于其他產業(yè)，但碳排放量增長率高于其GDP 增長率；第二產業(yè)碳排量總量最高，且波動幅度較大，碳排放強度呈現(xiàn)明顯下降趨勢；第三產業(yè)碳排放總量卻遠低于第二產業(yè)，碳排放強度與第一產業(yè)相似，但其碳排放增長率較高。孫慧宗（2010），采用1978～2006年的相關統(tǒng)計數(shù)據(jù)對中國城市化與含碳能源消費發(fā)生的二氧化碳排放量進行協(xié)整分析，同時建立誤差修正模型，并運用Granger 因果關系檢驗方法，結果顯示：城市化與二氧化碳排放量之間存在著長期穩(wěn)定的均衡關系，但不具有理論上的雙向因果關系。二期滯后時，城市化是二氧化碳排放量的Granger 原因，但后者不是前者的原因，對其不具有反饋效應。Karnjana Sanglimsuwan（2012）通過83 個國家從1980年到2007年的數(shù)據(jù)，分析二氧化碳排放量與人口以及其他相關因素之間的關系。結果表明：人口壓力對二氧化碳排放量的增長的關鍵因素。此外，二氧化碳排放量和經濟增長之間的關系顯示了一個倒U 形。B.Davidsdottir，M.Fisher（2011）采用面板分析碳排放強度和發(fā)展之間的實證關系，并考察了兩個變量之間的因果關系。分析數(shù)據(jù)覆蓋從1980年到2000年的美國48 個州，但不包括夏威夷、阿拉斯加、華盛頓特區(qū)。結果表明：碳排放強度和國家的經濟之間存在顯著的雙向關系。

二、模型的選取與構建

（一）模型的選取。面板數(shù)據(jù)是指在時間序列上取多個截面，同時在這些截面上選取樣本觀測值所構成的樣本數(shù)據(jù)。與時間序列模型相比較，它可以降低各經濟變量之間的多重共線性，且能提供更多的樣本信息、更高的自由度和估計效率；與截面數(shù)據(jù)模型相比較，它可以控制由不可觀測的經濟變量所引發(fā)的OLS 估計的偏差，使得模型的設定更加合理，提供更準確的參數(shù)樣本估計量。因此，本文采用面板數(shù)據(jù)來構建模型。

面板數(shù)據(jù)模型的一般形式如下：

Yit=Ci+βiTXit+εiti=1，2，…，N；t=1，2，…，T

其中，N 表示個體數(shù)，T 表示時間序列個數(shù)。若t 固定不變，Yi（i=1，2，…，N）是橫截面上的N 個隨機變量；若i 固定不變，Yt（t=1，2，…，T）是縱剖面上的一個時間序列。

面板數(shù)據(jù)模型常用的包括混合估計模型、固定效應模型和隨機效應模型三大類。通常我們使用極大似然比來確定該建立混合模型還是固定效應模型，即當F=時，應當建立固定效應模型，反之則建立混合模型；使用豪斯曼（Hausman）檢驗法來確定該建立固定效應模型還是隨機效應模型，即當（k）時，應當建立固定效應模型；反之，則建立隨機效應模型。

（二）模型的構建及變量的選取。國內外利用面板數(shù)據(jù)模型對工業(yè)碳排放的影響因素進行研究的文獻眾多，目前最主要方法集中于環(huán)境庫茲涅茨曲線（EKC），其最早的模型為庫茲涅茨曲線（KC），是由庫茲涅茨（1955）在收入不均的問題研究中發(fā)現(xiàn)，收入差距與經濟增長呈現(xiàn)倒U型的曲線關系。到了20世紀九十年代初，Crossman 與Krueger（1991）在墨西哥加入北美自由貿易協(xié)定的環(huán)境影響報告中首次提出，環(huán)境與經濟發(fā)展也呈現(xiàn)倒U 型的曲線關系。于是，Panayotou（1993）首次把環(huán)境與經濟之間的這種倒U 型曲線關系稱為環(huán)境庫茲列茨曲線（EKC）。

另外，也有學者基于Ehrlich，Holdren（1971）提出的IPAT 等式，研究了人口規(guī)模（P）、富裕程度（A）和技術水平（T）對于環(huán)境（I）的影響，后來Waggoner、Ausubel（2002）和Schulze（2002）分別進行了I=PACT 和I=PBAT 的兩次修改，但都不能解決各影響因素不同比例變化的問題，但在1994年，Dietz 等提出過的人口規(guī)模、富裕程度和技術水平的隨機回歸影響模型STIRPAT，為各因素的計量研究提供了可能，它是將IPAT 等式轉變成一種隨機模型，即I=aPbAcTde。本文選用第二個模型，并根據(jù)研究的內容對等式的變量進行了修改和增加。由于本文研究的對象是工業(yè)部門，所以環(huán)境壓力I 用工業(yè)部門的碳排放總量C 來替代，人口規(guī)模P 用工業(yè)部門的平均從業(yè)人數(shù)來表示，富裕程度A用工業(yè)經濟規(guī)模Y（即單位從業(yè)人員的工業(yè)總產值）來替代，技術水平T 用能源效率E（即單位能源消費的工業(yè)總產值）來替代。另外，本文還增加了和工業(yè)碳排放密切相關的兩個變量——工業(yè)部門內部結構S 和能源消費結構M。S 用工業(yè)各行業(yè)總產值與工業(yè)總產值的比重來度量，M用各行業(yè)的煤炭消費與能源消費的比來表示，因為產生碳排放的各種能源種類很多，但是煤炭類的碳排放系數(shù)較石油和天然氣類的高?？紤]到各個變量的經濟意義、可對比性以及在計量分析中可能出現(xiàn)的異方差等因素，我們對各個變量分別取了自然對數(shù)，α1、α2、α3、α4、α5表示人口規(guī)模、工業(yè)經濟規(guī)模、能源效率、工業(yè)部門內部結構和能源消費結構的彈性。根據(jù)以上的分析及結合相關的經濟理論，我們可得到工業(yè)碳排放的面板數(shù)據(jù)模型如下：

（三）數(shù)據(jù)來源。長三角6 個城市的工業(yè)平均從業(yè)人員、單位從業(yè)人員的工業(yè)生產總值、能源效率、工業(yè)部門內部結構和能源消費結構的數(shù)據(jù)來源于2005～2009年的《上海工業(yè)能源交通統(tǒng)計年鑒》和2010年的《上海能源統(tǒng)計年鑒》、2001～2012年的《南京統(tǒng)計年鑒》、2004～2012年的《蘇州統(tǒng)計年鑒》、2004～2012年的《無錫統(tǒng)計年鑒》、2001～2012年的《杭州統(tǒng)計年鑒》、2003～2012年的《寧波統(tǒng)計年鑒》。

三、實證分析

（一）單位根檢驗。只有面板數(shù)據(jù)是平穩(wěn)的才可以進行回歸，否則會產生虛假回歸。為了避免出現(xiàn)偽回歸現(xiàn)象的發(fā)生，必須對面板數(shù)據(jù)進行單位根檢驗，以確定其平穩(wěn)性，檢驗方法主要有修正的DW 統(tǒng)計量方法、GLS 估計方法，、LLC 檢驗方法、IPS 檢驗方法、ADF-Fisher 和PP-Fisher檢驗。本文選擇LLC 檢驗方法，分別對各個城市的各變量進行了單位根檢驗，結果如表1所示。從表中可以看出，6 個城市的6 個變量分別通過了1%、5%和10%水平上的顯著性檢驗，不存在單位根，數(shù)據(jù)具有平穩(wěn)性，可以進行最小二乘估計。（表1）

（二）模型的確定。使用EVIEWS6.0對長三角6 個城市的工業(yè)分行業(yè)面板數(shù)據(jù)進行模型的回歸，通過極大似然比檢驗，結果如表2每個城市的第一列數(shù)據(jù)所示，它們的相伴概率P 值均為0，F(xiàn) 統(tǒng)計值均在1%的水平上顯著，所以拒絕原假設，應當建立固定效應模型而不是混合效應模型。再通過豪斯曼檢驗，即表中第二列數(shù)據(jù)所示的檢驗結果可以看出，它們的統(tǒng)計值也均在1%的顯著水平上通過，所以拒絕隨機效應模型的原假設，建立固定效應模型。上述兩種檢驗方法都認為應當建立固定效應模型，為問題的分析提供了可靠的依據(jù)，因此本文采用固定效應模型進行最小二乘法估計。（表2）

表1 長三角6個城市的面板單位根檢驗

表2 長三角6個城市的F值檢驗和豪斯曼檢驗

（三）結果分析。由模型的回歸結果可以看出：從總體上來看，上海、蘇州、無錫、杭州和寧波工業(yè)分行業(yè)的人口規(guī)模P、經濟規(guī)模Y、能源效率E、工業(yè)部門內部結構S 和能源消費結構M 這五個因素對碳排放量C 都有顯著的影響，但各自的影響程度隨城市而有所變化。它們的回歸模型的擬合優(yōu)度達到0.98～0.99，這表明方程中的解釋變量至少解釋了98%～99%的因變量變化，回歸的結果與前期的判斷保持一致，并且所有變量都取了對數(shù)，所以系數(shù)大小將代表彈性。

從上海的模型結果來看，工業(yè)的人口規(guī)模P、經濟規(guī)模Y、能源效率E、工業(yè)部門內部結構S 和能源消費結構M 都通過了1%顯著性水平的檢驗，說明這5 個因素對碳排放的影響都是顯著的。其中，影響最大的因素是人口規(guī)模P 和經濟規(guī)模Y，其次為工業(yè)部門內部結構S，而能源效率E 和能源消費結構M 的影響較小。人口規(guī)模的回歸彈性系數(shù)為0.4758，與碳排放呈正效應，這表明工業(yè)平均從業(yè)人員每增加1 個百分點，將會增加0.4758 個百分點的碳排放；經濟規(guī)模，即單位從業(yè)人員的生產總值的影響系數(shù)為0.4250，表明人均產出每增加1%，將會多排放0.4250%的二氧化碳；兩者的彈性系數(shù)都小于1 說明碳排放的增長速度低于人口規(guī)模和經濟規(guī)模的增加速度，但相對其他影響因素，它們的彈性系數(shù)比較大；能源效率的影響系數(shù)為-0.3654，這體現(xiàn)了能源效率對工業(yè)碳排放的影響為負，當工業(yè)各行業(yè)的能源效率提高的時候，工業(yè)碳排放將會降低，每單位的能源使用效率的提高會降低0.3654 個百分點的碳排放；工業(yè)部門內部結構和能源消費結構對碳排放的影響效應也為正，其中工業(yè)部門內部結構對碳排放的正向影響稍大于能源消費結構。

其他5 個城市南京、蘇州、無錫、杭州和寧波的人口規(guī)模P、經濟規(guī)模Y、能源效率E 這3 個因素對碳排放的影響都很大，而工業(yè)部門內部結構S 和能源消費結構M 的影響就相對比較小，且它們的彈性系數(shù)與前三者的差別也比較大。具體來看，南京、無錫和杭州工業(yè)分行業(yè)對碳排放影響最大的因素都是能源效率，它們通過了1%顯著性水平的檢驗，影響的彈性系數(shù)分別為-0.6914、-1.2595 和-1.6553，通過比較不難發(fā)現(xiàn)，杭州的能源效率對碳排放的影響最大，這說明當3 個城市的工業(yè)分行業(yè)的能源效率提高的時候，它們的工業(yè)碳排放量都將會減低，但是杭州的降低幅度將達到最大，每單位的能源使用效率的提高會降低1.6553 個百分點的碳排放。其他兩個因素人口規(guī)模和經濟規(guī)模工業(yè)碳排放呈正相關關系，影響的彈性系數(shù)稍低于能源效率，但也不容忽視，因為人口規(guī)模的膨脹和工業(yè)經濟的不斷發(fā)展將會增加大量的工業(yè)二氧化碳排放。對于蘇州和寧波的工業(yè)碳排放影響最大的是人口規(guī)模，每增加1 個百分點的人口，將分別增加0.8956、1.2589 個百分點的碳排放。另外，寧波的能源效率對碳排放的影響也較大，彈性系數(shù)達-1.0613，略低于人口規(guī)模的影響力，因此繼續(xù)提高能源的使用效率將會促使碳排放的大幅度下降。南京、蘇州、無錫、杭州和寧波這5 個城市的工業(yè)部門內部結構和能源消費結構對碳排放的影響相對其他幾個因素要小的多，彈性系數(shù)均在0.5 以下，它們的能源消費結構雖然都通過了1%顯著水平的檢驗，但影響的彈性系數(shù)都較低，南京、蘇州和寧波的工業(yè)部門內部結構也只在5%的顯著水平上通過檢驗，這說明長期以來以煤炭為主的能源消費結構對碳排放的影響雖沒有其他因素那么大，但也不能忽視。

四、小結

通過對長三角6 個城市工業(yè)分行業(yè)的數(shù)據(jù)建立面板模型進行實證分析，研究了工業(yè)碳排放的各個影響因素，我們可以得到如下結論：

能源使用效率、人口規(guī)模、工業(yè)經濟規(guī)模、能源消費結構和工業(yè)部門內部結構這5 個因素都不同程度地對碳排放產生了影響，能源使用效率與碳排放呈現(xiàn)負相關關系，在很大程度上減少了二氧化碳排放量，而后4 個因素則表現(xiàn)為正相關，在不同水平上促進了二氧化碳排放量的增加。

上海、蘇州和寧波的人口規(guī)模對碳排放的影響系數(shù)最大，由回歸的結果表明，這3 個城市的人口每增加1%，將會分別增加0.48%、0.90%和1.26%的工業(yè)碳排放量，而南京、無錫和杭州的能源效率對碳排放的影響系數(shù)最大，且表現(xiàn)為抑制作用，能源使用效率每提高1%，工業(yè)碳排放量將會分別減少0.69%、1.26%和1.66%。由此可見，長三角6 個城市減少工業(yè)二氧化碳排放量應當著重從人口規(guī)模和能源效率入手，繼續(xù)控制人口的不斷膨脹和提高能源的使用效率。

工業(yè)經濟規(guī)模、能源消費結構和工業(yè)部門內部結構對于碳排放的影響顯著程度隨城市不同而不同，上海、蘇州、無錫和杭州的工業(yè)經濟規(guī)模是其工業(yè)碳排放增加的第二大促進因素，單位人均產出每增加1%，將會分別使碳排放增加0.43%、0.80%、0.98%和1.41%。長三角6 個城市的能源消費結構和工業(yè)部門內部結構都在一定程度上促進了碳排放量的增加，但它們的影響系數(shù)明顯小于其他因素，均在0.5 以下。因此，我們應當轉變經濟發(fā)展方式，改變一直以煤炭為主的能源消費結構，更加重視發(fā)展新能源和可再生能源，降低傳統(tǒng)化石能源，尤其是煤炭在一次能源消費總量中的比重，促進光伏、風電、核電等新能源的發(fā)展，強調創(chuàng)新驅動、依靠科學技術，關注產業(yè)結構調整。

［1］張慶民，葛世龍，吳春梅.三次產業(yè)結構演化與碳排放機制研究——基于面板數(shù)據(jù)模型的實證分析［J］.科技與經濟，2012.1.

［2］孫慧宗，李久明.中國城市化與二氧化碳排放量的協(xié)整分析［J］.人口學刊，2010.5.

［3］Karnjana Sanglimsuwan.The Impact of Population Pressure on Carbon Dioxide Emissions：Evidence from a Panel-Econometric Analysis_International Research Journal of Finance and Economics，2012.