明 星,姚 建,程 歡,王 沛

(四川大學建筑與環(huán)境學院，成都 610065)

?

· 大氣環(huán)境 ·

我國工業(yè)SO2排放趨勢及影響因素分析

明 星,姚 建,程 歡,王 沛

(四川大學建筑與環(huán)境學院，成都 610065)

根據我國工業(yè)SO2排放特點及排放趨勢，重點分析了影響工業(yè)SO2排放的相關因素，結合1995年～2013年間我國工業(yè)SO2排放量變化及相關影響因子數據，通過逐步回歸和創(chuàng)建多元回歸模型，運用多元線性回歸方法對數據進行分析。指出：高能源消耗促進工業(yè)SO2排放量增長，技術進步、結構優(yōu)化抑制工業(yè)SO2排放量增長；單位GDP能耗每減少1%，我國工業(yè)SO2排放量會增加0.925%；工業(yè)產值占GDP比重每增加1%，我國工業(yè)SO2排放量會增加0.677%。

工業(yè)SO2；逐步回歸；多元線性回歸；減排

1 引 言

隨著我國工業(yè)化進程的不斷加快，環(huán)境質量也不斷惡化，環(huán)境問題逐漸成為了人們關注的焦點。目前，我國大氣污染排放負荷巨大，SO2排放量居世界首位，大氣環(huán)境污染十分嚴重。影響SO2排放量的因素眾多，控制減排的難度較大。研究SO2排放量的變化趨勢、排放特點及影響SO2排放的因素迫在眉睫，國內外眾多學者對此也做了廣泛研究，Grossman和Krueger[1]在1991年研究北美自由貿易協(xié)定的環(huán)境影響時，參照經濟學中的庫茲涅茨曲線首次提出了環(huán)境庫茲涅茨曲線(EKC)，指出經濟增長通過3種途徑影響環(huán)境質量，即規(guī)模效應(scale effects)、結構效應(composition effects)和技術效應(technological effects)；趙細康等[2]通過對中國經濟發(fā)展與污染排放的實證研究，表明中國污染物排放與人均GDP的關系或許正處于EKC的上升段，離轉折點尚有一段距離。李名升等[3]通過構建因素分解模型，定量分析了“經濟增長、結構變化、技術進步”這3個因素對工業(yè)SO2排放量變化的貢獻。石廣明等[4]基于生產理論框架，應用基于Shephard輸出距離函數的方法，將我國SO2排放變化指標分解為“技術效率影響、技術變化影響、輸入增加影響、輸出結構影響”等5項指標，并對中國28個地區(qū)2000年～2006年SO2排放變化面板數據進行了實證分析。曾賢剛[5]利用30個省市1998年～2007年的有關數據建立了SO2排放量的影響因素面板數據模型，分析了我國工業(yè)SO2排放量與GDP、工業(yè)產值、火電廠發(fā)電量等指標的變化關系。張平淡等[6]采用對數平均的迪氏分解法(LMDI)，將二氧化硫(SO2)排放強度降低的技術效應分解為能源消費結構效應、能源消耗強度效應和污染排放處理效應。

本文在綜合前人大量研究的基礎上，選用1995年～2013年我國工業(yè)SO2排放總量、工業(yè)生產總值、能源消費總量及環(huán)保治理投資數據為樣本，構建多元逐步回歸分析模型，對相關因素進行回歸分析，力求通過定量分析識別影響我國工業(yè)SO2排放量的關鍵因素，以期較準確地反映環(huán)境事件的科學規(guī)律，為我國SO2的減排工作提供參考依據。

2 我國工業(yè)SO2排放趨勢變化分析

2.1 我國工業(yè)SO2排放變化趨勢

1995年到2013年我國工業(yè)SO2排放量及趨勢變化見圖1。根據圖1顯示數據，從總體上看我國工業(yè)SO2排放總量呈上升趨勢。1995年我國工業(yè)SO2排放量為1 405萬t，到2000年，工業(yè)SO2排放量上升到1 612.5萬t，SO2的排放量隨著時間出現(xiàn)了逐漸增長的趨勢。2000年我國修訂《中華人民共和國大氣污染防治法》的實施，推行煤炭洗選加工，限制高硫分煤炭的開采，由于清潔能源的生產、使用和潔凈煤技術的開發(fā)、推廣，我國在2001年～2002年的工業(yè)SO2排放量明顯有所下降，但是隨著我國經濟的發(fā)展，工業(yè)化進程不斷推進，我國工業(yè)SO2排放量從2003年開始又出現(xiàn)逐漸增加的趨勢并于2006年達到頂峰，為2 234.8萬t。這是由于“十五”期間能源消耗超常規(guī)增長，煤炭消費量猛增，加之治理項目建設周期長，減排效果滯后，導致SO2排放量持續(xù)增加。因此在2008年，國家頒布了《酸雨和二氧化硫污染防治“十一五”規(guī)劃》，全國SO2排放量削減10%的總量控制目標為2 294.4萬t。此后的2007年～2010年，我國工業(yè)SO2排放量出現(xiàn)了小幅回落，并且在1 940萬t/年的水平附近波動。2010年，我國SO2排放量為2 185.1萬t，達到2008年制定的削減10%的總量控制目標，到2013年為1 835.19萬t。

圖1 1995年～2013年工業(yè)源SO2排放總量及趨勢變化Fig.1 The total SO2 emissions from industrial sources and change of trends in 1995～2013

圖2 歷年工業(yè)SO2排放強度Fig.2 The SO2 emission intensity of industrial over the years

圖2顯示了我國歷年工業(yè)SO2排放強度的變化趨勢。從圖2可知，我國早期SO2排放強度不穩(wěn)定，1995年～1999年期間，我國SO2排放強度在0.05t/萬元附近范圍內波動。從2000年開始，我國工業(yè)SO2排放強度逐年下降，由2000年的0.040 3t/萬元下降至2013年的0.008 7t/萬元，總體下降幅度為78.4%。在工業(yè)SO2排放總量上升的基礎上，排放強度大幅度下降，究其原因，主要是我國工業(yè)技術進步、宏觀技術調控等多方面的因素影響，致使我國工業(yè)SO2排放強度減小。

2.2 各地區(qū)工業(yè)SO2排放情況分析

圖3展示了我國各地區(qū)工業(yè)SO2排放情況。從圖3的數據可以看出，2013年，我國工業(yè)SO2排放量超過100萬噸的省份有5個，依次為山東、內蒙古、河北、山西和河南，5個省份的SO2排放總量占全國排放總量的38.3%。低于40萬噸的省份有10個，分別為黑龍江、寧夏、吉林、福建、天津、上海、青海、北京、海南和西藏，各地區(qū)中，工業(yè)SO2排放量最大的是山東。

圖3 各地區(qū)工業(yè)SO2排放情況Fig.3 Each regional industrial SO2 emissions

總體來看，我國工業(yè)SO2排放大省主要集中在北方及中部地區(qū)，這主要與我的國工業(yè)布局、能源結構、經濟規(guī)模以及技術水平等因素相關。

3 我國工業(yè)SO2排放的影響因素分析

3.1 研究方法

本文采用逐步回歸分析[7]對我國工業(yè)SO2排放量與相關影響因素之間的關系進行回歸分析，回歸分析模型目前已應用于環(huán)境領域的多個方面，并在實際應用中證實了其準確性和可行性。逐步回歸是回歸分析中建立最優(yōu)回歸方程的方法之一，其基本思想是將多種因素(自變量)逐個引入模型，每引入一個解釋變量后都要進行F檢驗，并對已經選入的解釋變量逐個進行t檢驗，當原來引入的解釋變量由于后面解釋變量的引入變得不再顯著時，則將其刪除。以確保每次引入新的變量之前回歸方程中只包含先主動變量，重復該過程，直到既沒有顯著的解釋變量選入回歸方程，也沒有不顯著的解釋變量從回歸方程中剔除為止。以保證最后所得到的解釋變量集是最優(yōu)的，則可建立自變量與因變量之間的多元逐步回歸模型如下：

y=b0+b1*x1+b2×x2+…+bn*xn+ε

式中：

y—因變量(預測目標)；

x1、x2、…、xn—自變量(影響預測目標的諸因素)；

b0—回歸常數；

b1、b2、...、bn—回歸系數；

ε—隨機誤差。

3.2 影響因子分析及數據選取

選取1995年～2013年間的工業(yè)SO2排放量作為研究對象，探索相關影響因素對工業(yè)SO2排放量的影響程度。采用逐步回歸方法對所選取的相關影響因子進行篩選，剔除引起多重共線性的變量，確保最后所得的回歸子集是最優(yōu)回歸子集。根據環(huán)境庫茲涅茨曲線中對環(huán)境與經濟發(fā)展之間的關系分析可知，規(guī)模效應即經濟規(guī)模的不斷擴大，造成經濟大幅增長的同時，能源消耗及污染物的排放量也相應增長。生產總值是國民經濟核算的一項基礎指標，由此可以看出工業(yè)生產總值及能源消耗總量可作為影響工業(yè)SO2排放的重要因子；結構效應即調整產業(yè)結構，將能源密集型為主的重工業(yè)向第一和第三產業(yè)轉移，使污染物排放量減少，工業(yè)生產總值占GDP的百分比越小，工業(yè)SO2排放量就越少，本文選用工業(yè)生產總值占GDP的百分比作為影響因子，能夠反映結構效應在工業(yè)SO2排放的影響程度；技術效應即通過技術進步，提高能源與資源的利用效率，使用清潔能源并采用清潔生產工藝來控制并削減污染物的排放，本文選用清潔能源消耗量占總能源消耗量的百分比、單位GDP能耗及環(huán)境治理投資作為影響因子，在一定程度上能夠反映技術效應對工業(yè)SO2減排的影響。

3.3 模型的建立及檢驗

設y為工業(yè)SO2排放量，X1為工業(yè)生產總值(億元)，X2為能源消費總量(萬噸標準煤)，X3為工業(yè)產值占國內生產總值的比重(%)，X4為清潔能源消耗量占總能源消耗量的比重(%)，X5為廢氣治理投資(萬元)，X6為工業(yè)SO2排放強度(t/萬元);X7為單位GDP能耗(t/萬元)。數據來源于《中國統(tǒng)計年鑒2014》[8]《環(huán)境統(tǒng)計年報》[9]及歷年《全國環(huán)境統(tǒng)計公報》[10]，數據整理見表1，本文逐步回歸的計算過程利用spss軟件在計算機上自動模擬完成。

將表1的數據輸入spss軟件，點擊“分析-回歸-線性”，將“工業(yè)SO2排放量”作因變量，其他7個變量作自變量，然后再作逐步回歸, 得到的變量選剔表“輸入/移去的變量”，見表2。在這7個變量中，選取了2個變量即工業(yè)產值占國內生產總值的百分比X3和單位GDP能耗X7，其選剔的標準為表1中變量剔除表中的第5列，F(xiàn)檢驗若顯著性≤0.05則被選入，若顯著性≥0.1則被剔除。

表1 1995年～2013年我國工業(yè)SO2排放影響因素分析Tab.1 The industrial SO2 Emissions Factors of china in 1995～2013

表2 輸入/移去的變量Tab.2 Input / remove variables

根據逐步回歸模型輸出的系數表，如表3所示，建立回歸模型：

Y=-2 690.302+128.907X3-550.782X7

表3 系數Tab.3 Coefficient

F檢驗：通過spss軟件逐步回歸輸出結果，查看方差表4(ANOVA)，其中方差表F=23.810， 查F分布表，F(xiàn)0.05(2，19-2-1)=3.63，遠遠小于F值，說明在=0.05 的水平下有顯著性意義；sig為顯著性P值，有P值=0.000(近似值)可知其回歸方程高度顯著，可以以99%以上的概率斷言自變量工業(yè)產值占國內生產總值的比重X3，單位GDP能耗X7整體上對因變量工業(yè)SO2排放量Y有高度顯著線性影響。

表4 方差分析Tab.4 Anova

R檢驗：查模型匯總表5，復相關系數R=0.865，決定系數R2=0.749，由決定系數表明回歸方程總體顯著性較高。DW檢驗：本文樣本容量為19，解釋變量(包括常數項)數目為3，查DW分布表，dL=1.08，du=1.53，本模型檢驗DW值為1.825，du<1.825<4- du，模型不存在序列的自相關性。

表5 模型匯總Tab.5 Model Summary

3.4 結果分析

依據1995年～2013年我國工業(yè)SO2排放及相關因素指標數據，采用spss逐步回歸程序進行計算，結果表明，我國工業(yè)SO2排放量與所選擇的2個因素顯著相關。工業(yè)產值占國內生產總值的比重和單位GDP能耗對我國工業(yè)SO2排放量具有顯著影響，工業(yè)生產總值、能源消費總量、廢氣治理投資、清潔能源消耗量占總能源消耗量的比重以及工業(yè)SO2排放強度對我國工業(yè)SO2排放量的影響不大而被排除在模型之外。

在分析中GDP及能源消費總量和工業(yè)SO2排放量之間的關系不是很密切，可能的原因是：

第一，產業(yè)結構的因素[11]。工業(yè)產值在國民經濟總產值中的比重較小，我國屬于農業(yè)大國，工業(yè)還處于逐步發(fā)展階段，加之，選取的數據較少，難以準確表達出我國經濟與工業(yè)SO2排放量的關系。

第二，技術水平的因素。我國注重技術進步，積極推廣采用先進的脫硫技術去除大量的SO2，并且政府也加大了環(huán)保治理力度和投入，在一定程度上影響了工業(yè)SO2的排放量。

由于模型中的變量具有不同的計量單位, 因此回歸系數的大小并不說明對因變量的影響程度。為了能定量分析變量之間的關系，將回歸系數b變?yōu)闃藴驶貧w系數b*進行比較分析(表3第4列)。標準回歸系數b*絕對值的大小代表著不同影響因素對我國工業(yè)SO2排放量影響程度的大小。

單位GDP能耗對我國工業(yè)SO2排放的影響是呈負相關的，根據我國實際情況分析，我國單位GDP能耗逐年降低，說明我國生產技術水平在不斷提高，但是我國經濟持續(xù)增長較快，能源消費量較大，導致我國工業(yè)SO2排放的總量較大。根據模型分析，在一定時期內，我國工業(yè)SO2排放量和單位GDP能耗的關系很可能會一直呈負相關，單位GDP能耗每減少1%，我國工業(yè)SO2排放量會增加0.925%。

工業(yè)產值占國內生產總值的比重對我國工業(yè)SO2排放的影響較大，且呈正相關關系，工業(yè)產值占GDP比重每增加1%，我國工業(yè)SO2排放量會增加0.677%。工業(yè)產值占國內生產總值的比重越大，說明第二產業(yè)在經濟總量中比重最高，根據產業(yè)結構理論，第二產業(yè)在三次產業(yè)結構中的污染強度最大，當經濟從高能耗高污染的工業(yè)轉向低污染高產出的服務業(yè)、信息業(yè)時，工業(yè)SO2排放量將逐漸降低，經濟增長對環(huán)境的壓力也會相應降低。

4 結 論

(1)從總體上看，我國SO2減排目標順利實現(xiàn)，但工業(yè)SO2的排放量仍呈上升趨勢，基于總量控制、技術進步、結構優(yōu)化的多方作用，上升趨勢比較平穩(wěn)，波動性較小。

(2)從全國范圍來看，我國工業(yè)SO2排放量呈北高南低，中西部高于東部地區(qū)。

(3)我國工業(yè)SO2排放強度可以反映出我國對SO2的綜合控制技術水平。我國工業(yè)SO2排放強度總體呈下降趨勢，且下降幅度較大，說明我國對SO2的綜合控制水平明顯提高，對抑制SO2排放量的增長起到了積極作用。

(4)通過對相關因素的逐步回歸分析結果來看，單位GDP能耗在一定時期內和我國工業(yè)SO2排放量呈負相關關系，單位GDP能耗每減少1%，我國工業(yè)SO2排放量會增加0.925%；工業(yè)產值占GDP比重與我國工業(yè)SO2排放量呈正相關關系，工業(yè)產值占GDP比重每增加1%，我國工業(yè)SO2排放量會增加0.677%。

[1] Grossman, G M, Krueger,A B. Environmental impacts of a North American Free Trade Agreement[A].National Bureau of Economic Research Working Paper 3914, NBER[C].Cambridge MA,1991.

[2] 趙細康, 李建民, 王金營, 等. 環(huán)境庫茲涅茨曲線及在中國的檢驗[J]. 南開經濟研究, 2005,(3): 48-54.

[3] 李名升,于 洋,李銘煊,等.中國工業(yè)SO2排放量動態(tài)變化分析[J].生態(tài)環(huán)境學報, 2010,19(4):957-961.

[4] 石廣明,等.中國工業(yè)二氧化硫排放變化指標分解研究[J].中國環(huán)境科學,2012,32(1):56-61.

[5] 曾賢剛,倪宏宏,陳 果.我國工業(yè) SO2排放趨勢及影響因素分析[J].中國環(huán)保產業(yè), 2009,(10): 19-23.

[6] 張平淡,朱 松,朱艷春. 環(huán)保投資對中國SO2減排的影響[J]. 經濟理論與經濟管理, 2012,(7):84-94.

[7] 何曉群, 劉文卿. 應用回歸分析[M]. 北京:中國人民大學出版社, 2007.

[8] 中華人民共和國國家統(tǒng)計局.中國統(tǒng)計年鑒—2014[M].北京:中國統(tǒng)計出版社,2014.

[9] 中華人民共和國環(huán)境保護部.中國環(huán)境統(tǒng)計年報[M].北京:中國環(huán)境科學出版社, 2000-2013.

[10] 中華人民共和國環(huán)境保護部.全國環(huán)境統(tǒng)計公報[M].北京:中國環(huán)境科學出版社, 1995-2013.

[11] 趙云君,文啟湘.環(huán)境庫茲涅茨曲線及其在我國的修正[J].經濟學家,2004,(5):69-75.

Analysis of Industrial SO2Emission Trends and Impact Factors in China

MING Xing, YAO Jian, CHENG Huan,WANG Pei

(CollegeofArchitecture&Environment,SichuanUniversity,Chengdu610065,China)

According to the industrial SO2emission characteristics and emission trends of China, this article had emphatically analyzed relevant influencing factors. Combined with the industrial SO2emissions changes and related data of impact factors from 1995 to 2013, the article has utilized multiple linear regression methods to analyze the data through stepwise regression and multiple regression model. And also proposed that high energy consumption would promote the growth of industrial SO2emissions, technological progress and structural optimization would restrain the emissions growth; when energy consumption of per unit of GDP reduce 1%, the industrial SO2emissions will increase 0.925%; when industrial output increase 1% of GDP proportion, the industrial SO2emissions will increase 0.677%.

Industrial SO2; regression; multiple linear regression; reduction

2016-03-01

明 星(1991-)，女，四川安岳人，四川大學環(huán)境工程專業(yè)2014級在讀碩士研究生，主要研究方向為環(huán)境影響評價與規(guī)劃。

姚 建,yaoj95@163.com。

X701

A

1001-3644(2016)03-0077-06