魏 冉

(1.中原工學(xué)院 系統(tǒng)與工業(yè)工程技術(shù)研究中心，河南 鄭州 450001；2.中原工學(xué)院 經(jīng)濟(jì)管理學(xué)院，河南鄭州450001)

0 引言

我國確立了2020年單位國內(nèi)生產(chǎn)總值的二氧化碳排放量(即碳排放強(qiáng)度)比2015年下降18%的目標(biāo)［1］.毋庸置疑，能源燃燒是碳排放的直接因素.近年的研究表明，能源消費(fèi)量的增加是提高碳排量的首要因素［2］，而減小碳排放強(qiáng)度的主要因素包括降低能源強(qiáng)度［3］，其次是能源結(jié)構(gòu)［4］.其他文獻(xiàn)也得到相近結(jié)果［5-6］.此外，人口規(guī)模和人均財(cái)富仍然是影響碳排放量的重要因素［7］，研究發(fā)現(xiàn)能源結(jié)構(gòu)變化對于碳排放量的影響已經(jīng)超越了經(jīng)濟(jì)增長［8］.綜上所述，人口規(guī)模、人均財(cái)富、能源消費(fèi)類指標(biāo)與碳排放量存在較為顯著的關(guān)系，考慮到采用不同品種能源消耗作為技術(shù)因素分析影響碳排放強(qiáng)度的文獻(xiàn)較少，且不同品種能源消耗對碳排放貢獻(xiàn)的差異是非常顯著的，因此，筆者將以人口規(guī)模、人均GDP、煤炭消費(fèi)量、焦炭消費(fèi)量、原油消費(fèi)量、燃料油消費(fèi)量、汽油消費(fèi)量、煤油消費(fèi)量、柴油消費(fèi)量和天然氣消費(fèi)量為影響因素，以碳排放強(qiáng)度為目標(biāo)參數(shù)展開研究.

在分析影響效應(yīng)方面，李歡等［9］基于STIRPAT模型發(fā)現(xiàn)能源結(jié)構(gòu)因素邊際貢獻(xiàn)率最大，魏景賦等［10］采用同樣模型得到能源消耗量對碳排放量影響最大；宋健等［11］采用了 STIRPAT和 LMDI兩種模型分析發(fā)現(xiàn)能源強(qiáng)度和能源消費(fèi)結(jié)構(gòu)對碳排放呈現(xiàn)出抑制效應(yīng).鑒于面板數(shù)據(jù)的特點(diǎn)，筆者基于虛擬變量最小二乘法(LSDV估計(jì)法)原理，擴(kuò)展 STIRPAT模型，探討了以我國主要品種能源消費(fèi)為技術(shù)因素的因素集合對于碳排放強(qiáng)度的影響效應(yīng).

1 方法與數(shù)據(jù)

1.1 擴(kuò)展的STIRPAT模型與LSDV原理

可拓展的隨機(jī)性環(huán)境影響評估模型(stochastic impacts by regression on population，affluence，and technology model，STIRPAT)為I=P·F，其中I為環(huán)境壓力變量；P為人口規(guī)模因素；F為人均財(cái)富因素［12］.由于該模型分析因素規(guī)模有限，Dietz等［13］在 1998年對該模型進(jìn)行了改進(jìn)，建立了STIRPAT模型.

筆者對STIRPAT模型進(jìn)行了改進(jìn)，擴(kuò)展了技術(shù)因素項(xiàng)，引入煤炭消費(fèi)量、焦炭消費(fèi)量、原油消費(fèi)量、燃料油消費(fèi)量、汽油消費(fèi)量、煤油消費(fèi)量、柴油消費(fèi)量和天然氣消費(fèi)量等能源消費(fèi)類因素；假定分析模型截距隨每個影響因素變化，但斜率系數(shù)仍然不變，采用最小二乘虛擬變量回歸分析原理［14］，建立回歸模型如公式(1)所示，

式中:i表示各地區(qū)序號(i=1，…，24)，按照序號分別為北京、天津、河北、內(nèi)蒙古、遼寧、吉林、黑龍江、上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、四川、云南、陜西、甘肅、寧夏、新疆，由于缺少數(shù)據(jù)，其余地區(qū)不在分析之列.其中D1i，…，D23i為啞變量.當(dāng)i=1 時，D1i=1，否則為 0；D2i，…，D23i同理取值；j表示面板數(shù)據(jù)采集的樣本年份(j=2004，…，2016).Iij為碳排放強(qiáng)度；Pij為人口規(guī)模；Gij為人均 GDP；COAij為煤炭消費(fèi)量；COKij為焦炭消費(fèi)量；COij為原油消費(fèi)量；FOij為燃料油消費(fèi)量；GOij為汽油消費(fèi)量；KOij為煤油消費(fèi)量；DOij為柴油消費(fèi)量；NGij為天然氣消費(fèi)量；α0為常數(shù)項(xiàng)，βij、γij、δij、εij、θij、μij、ρij、σij、τij、φij為各因變量項(xiàng)系數(shù)；eij為誤差項(xiàng).

對公式(1)中除啞變量和人口規(guī)模外的各項(xiàng)進(jìn)行人口加權(quán)，并對所有自變量項(xiàng)自然對數(shù)化處理，可得到公式(2)，

1.2 面板數(shù)據(jù)的構(gòu)建

構(gòu)建面板數(shù)據(jù)的空間維度為24個地區(qū)，時間維度為2004年—2016年序列，構(gòu)成包括人口規(guī)模、人均 GDP、煤炭消費(fèi)量、焦炭消費(fèi)量、原油消費(fèi)量、燃料油消費(fèi)量、汽油消費(fèi)量、煤油消費(fèi)量、柴油消費(fèi)量和天然氣消費(fèi)量等10個自變量參數(shù)和碳排放強(qiáng)度因變量參數(shù).其中，歷年各省名義人口規(guī)模、GDP原始數(shù)據(jù)均來源于2005年—2017年《中國統(tǒng)計(jì)年鑒》［15］；能源消費(fèi)類因素和用于計(jì)算碳排放強(qiáng)度的總能源消耗量的原始數(shù)據(jù)均來源于2005年—2017年《中國能源統(tǒng)計(jì)年鑒》［16］.

實(shí)際GDP采用2004年不變GDP折算價格，人均GDP按照GDP與名義人口規(guī)模之比進(jìn)行計(jì)算；人口加權(quán)各品種能源消耗量按照各品種能源消耗量與對應(yīng)地區(qū)和年份的人口加權(quán)系數(shù)之積計(jì)算；碳排放強(qiáng)度按照單位GDP能耗量與碳排放系數(shù)之積計(jì)算(根據(jù)文獻(xiàn)，標(biāo)準(zhǔn)煤碳排放系數(shù)取0.69［17］).

為了降低異方差和不同量綱的影響，筆者采用各能源消耗類因素進(jìn)行人口加權(quán)和自然對數(shù)化處理.

2 單位根、協(xié)整性與效應(yīng)檢驗(yàn)

2.1 面板數(shù)據(jù)單位根檢驗(yàn)

筆者采用了 Levin-Lin-Chu檢驗(yàn)(LLC)、Im-Pesaran-Shin test檢驗(yàn)(IPS)、ADF-Fisher檢驗(yàn)和PP-Fisher檢驗(yàn)方法.檢驗(yàn)結(jié)果為 I(1)單整，即所有變量截面數(shù)據(jù)具有平穩(wěn)性，如表1所示.

2.2 面板數(shù)據(jù)協(xié)整性檢驗(yàn)

同時采用Fisher個體聯(lián)合協(xié)積檢驗(yàn)法(Johansen Fisher)和 Pedroni協(xié)積檢驗(yàn)法(包括Panel v、Panel PP、Panel ADF、Group PP、Group ADF)進(jìn)行協(xié)整性檢驗(yàn)，如表 2所示.除對ln()與ln()、ln()與ln()間使用組內(nèi)檢驗(yàn)的 Panel v統(tǒng)計(jì)檢驗(yàn)，分別得到的估計(jì)(Prob.)為0.109 0和0.173 3外，其他協(xié)整性檢驗(yàn)結(jié)果均為拒絕原假設(shè)(Prob.＜0.05)，按照少數(shù)服從多數(shù)的判斷原則，認(rèn)為和ln()分別與ln()之間存在長期穩(wěn)定的均衡關(guān)系.

2.3 面板數(shù)據(jù)效應(yīng)檢驗(yàn)

利用極大似然比檢驗(yàn)(likelihood ratio test)伴隨概率為0.000 0(Prob.＜0.05)可拒絕原假設(shè)，不能選用混合效應(yīng).利用豪斯曼檢驗(yàn)(Hausman test)方法時檢驗(yàn)結(jié)果如表3，伴隨概率(Prob.＜0.05)可拒絕原假設(shè)，應(yīng)選用固定效應(yīng).

3 面板數(shù)據(jù)回歸分析

為克服變量間的自相關(guān)性，把回歸模型中的誤差項(xiàng)確定為誤差自回歸項(xiàng)，即 AR(1).最終

得到主要品種能源消費(fèi)影響碳排放強(qiáng)度固定效應(yīng)模型如下，

表1 一階差分單位根檢驗(yàn)結(jié)果Tab.1 Results of unit root tests in 1st difference

表2 協(xié)整性檢驗(yàn)結(jié)果Tab.2 Results of cointegration tests

其中，R2=0.995 8，校正回歸系數(shù)R2=0.995 3，F(xiàn)值為 1 778.624 0，概率CF檢驗(yàn)為 0.000 0，德賓-瓦特遜檢驗(yàn)值為 1.647 8.其中，回歸系數(shù)(R2)說明自變量與因變量之間存在著顯著相關(guān)性；德賓-瓦特遜檢驗(yàn)統(tǒng)計(jì)值較為合理(5%顯著水平正態(tài)分布)，面板數(shù)據(jù)不存在自相關(guān).綜上所述，可以認(rèn)為采用LSDV估計(jì)法分析我國主要品種能源消費(fèi)對碳排放強(qiáng)度的影響并進(jìn)行固定效應(yīng)回歸得到的結(jié)果較為理想.

表3 Hausman檢驗(yàn)結(jié)果Tab.3 Results of Hausman test

4 結(jié)果分析

(1)分析發(fā)現(xiàn)對我國碳排放強(qiáng)度具有正向推動作用的因素包括人均 GDP、煤炭消費(fèi)量、焦炭消費(fèi)量、汽油消費(fèi)量、柴油消費(fèi)量和天然氣消費(fèi)量；具有反向影響作用的因素包括人口規(guī)模、原油消費(fèi)量、燃料油消費(fèi)量和煤油消費(fèi)量.

(2)從回歸彈性系數(shù)看，人口規(guī)模是影響我國碳排放強(qiáng)度最為顯著的因素，并且在研究期間發(fā)揮了降低人口加權(quán)碳排放強(qiáng)度的作用.盡管人口增長被認(rèn)為是推高實(shí)際碳排放量的因素，但當(dāng)考察人口規(guī)模對人口加權(quán)碳排放量的影響時，人口規(guī)模因素(人口集聚效應(yīng))的增加將抑制碳排放水平的提高.

(3)從全國范圍來看，人均 GDP和煤炭消費(fèi)量相應(yīng)因素是影響人口加權(quán)碳排放強(qiáng)度較為顯著的兩個正向因素.因?yàn)樘寂欧艔?qiáng)度與經(jīng)濟(jì)發(fā)展水平之間關(guān)系符合環(huán)境庫茲涅茨曲線，但人均GDP需要達(dá)到129 314元［6］(2016年全國各省的平均值遠(yuǎn)低于該值)，全國范圍的碳排放強(qiáng)度下降拐點(diǎn)尚未到來.

(4)在樣本期間，焦炭消費(fèi)量、原油消費(fèi)量、燃料油消費(fèi)量、汽油消費(fèi)量、煤油消費(fèi)量、柴油消費(fèi)量和天然氣消費(fèi)量等對于碳排放強(qiáng)度的影響相對較為不顯著，但隨著機(jī)動車保有量大幅增加和交通運(yùn)輸業(yè)的不斷發(fā)展，汽油消費(fèi)量對碳排放強(qiáng)度的影響相比其他能源消費(fèi)而言更為顯著.

(5)假設(shè)其他變量不變，在研究期內(nèi)，人均GDP、煤炭消費(fèi)量、焦炭消費(fèi)量、汽油消費(fèi)量、柴油消費(fèi)量和天然氣消費(fèi)量對應(yīng)因素每增加1%，相應(yīng)處理后的碳排放強(qiáng)度分別增加0.252 1%、0.249 3%、0.005 6%、0.041 8%、0.013 3% 和0.006 3%.而人口規(guī)模、原油消費(fèi)量、燃料油消費(fèi)量和煤油消費(fèi)量對應(yīng)因素每增加1%，相應(yīng)處理后的碳排放強(qiáng)度分別降低0.833 0%、0.010 1%、0.004 8%和0.005 5%.

5 結(jié)論

(1)采用了LSDV估計(jì)法，對《2005年—2017年中國統(tǒng)計(jì)年鑒》中列出的我國主要品種能源消費(fèi)量影響碳排放強(qiáng)度的固定效應(yīng)，結(jié)果發(fā)現(xiàn)人均GDP、煤炭消費(fèi)量、焦炭消費(fèi)量、汽油消費(fèi)量、柴油消費(fèi)量和天然氣消費(fèi)量對碳排放強(qiáng)度的升高有推進(jìn)作用，其中人均GDP和煤炭消費(fèi)量影響效應(yīng)最為顯著；而人口規(guī)模、原油消費(fèi)量、燃料油消費(fèi)量和煤油消費(fèi)量對碳排放強(qiáng)度的降低具有積極作用，其中人口規(guī)模影響效應(yīng)最為顯著.

(2)近年來，我國碳排放政策更加嚴(yán)格，全國整體上呈現(xiàn)增速放緩的狀態(tài).在樣本研究期內(nèi)，各地區(qū)碳排放強(qiáng)度變化差異較大，部分地區(qū)碳排放強(qiáng)度先增后減，例如北京、天津、吉林和上海；一些地區(qū)碳排放強(qiáng)度逐步呈現(xiàn)穩(wěn)定狀態(tài)，例如河南和湖北；其他地區(qū)的碳排放強(qiáng)度整體表現(xiàn)為逐年增高的趨勢.分析樣本期間，全國總?cè)丝诤透鞯貐^(qū)經(jīng)濟(jì)不斷增長，兩個因素的增長速度放緩，但是仍然成為影響碳排放強(qiáng)度的重要因素；能源消費(fèi)結(jié)構(gòu)不斷調(diào)整，但是除煤炭外的主要品種能源消費(fèi)量變化對于碳排放強(qiáng)度的影響并不顯著，說明以煤炭為主的能源消費(fèi)結(jié)構(gòu)必須進(jìn)一步優(yōu)化.

(3)下一步建議針對不同經(jīng)濟(jì)水平地區(qū)碳排放強(qiáng)度驅(qū)動因素的差異.此外，在構(gòu)建面板數(shù)據(jù)時，應(yīng)補(bǔ)充影響碳排放強(qiáng)度的能源結(jié)構(gòu)、能源強(qiáng)度或者能源密度等因素，使能源消費(fèi)類因素影響碳排放強(qiáng)度效應(yīng)的分析更加合理科學(xué).