梁琴 李銳

（1.云南林業(yè)職業(yè)技術(shù)學(xué)院,云南 昆明 650224；2.昆明鋼鐵控股有限公司,云南 昆明 650224）

20世紀(jì)末，《京都議定書》發(fā)布，明確了發(fā)達(dá)國家和發(fā)展中國家具體應(yīng)承擔(dān)的減排降碳責(zé)任。我國政府將節(jié)能減排作為發(fā)展戰(zhàn)略之一，在2009年，國務(wù)院指出截至2020年，中國碳排放總量與2005年相比下降了40%。在此期間，我國能源消耗總量和速度首次超越美國。相較于發(fā)達(dá)國家，我國能源消耗對國民總值的提升貢獻(xiàn)值較低，中國面臨著嚴(yán)重的環(huán)境壓力。基于此，在提高我國經(jīng)濟(jì)增長速度的同時(shí)，如何降低碳排放總量成為關(guān)注的重點(diǎn)。在我國，碳排放主要源于能源業(yè)、建筑業(yè)、工業(yè)以及森林建設(shè)，尤其是工業(yè)占碳排放總量較大。因此，本文在低碳經(jīng)濟(jì)背景下，以云南昆鋼嘉華水泥建材有限公司（以下簡稱昆鋼嘉華公司）為研究對象，運(yùn)用Eviews軟件分析其碳排放與經(jīng)濟(jì)發(fā)展的關(guān)聯(lián)，同時(shí)分析影響碳排放的因素，旨在推動公司實(shí)現(xiàn)減排目標(biāo)和綠色發(fā)展。

1 文獻(xiàn)綜述

在研究碳排放和經(jīng)濟(jì)發(fā)展之間的關(guān)系時(shí)，筆者發(fā)現(xiàn)，環(huán)境庫茲涅茨曲線（EKC）在該研究中運(yùn)用得最為普遍。國外文獻(xiàn)如 Grossman（1995）在研究中選取了北美作為研究對象，經(jīng)過分析發(fā)現(xiàn)，人均收入、環(huán)境質(zhì)量雙方間存在顯著的倒U型曲線形式，其在研究結(jié)論中指出環(huán)境質(zhì)量受經(jīng)濟(jì)增長的影響較大[1]；Panayotou（1993）是提出環(huán)境庫茲涅茨曲線（EKC）的第一人[2]。EKC被提出后，發(fā)展迅速，業(yè)界針對該理論的研究逐漸增多。Narayan（2010）以43個(gè)發(fā)展中國家為研究對象，在分析這些國家碳排放量和人均收入數(shù)據(jù)的基礎(chǔ)上發(fā)現(xiàn)，只有15個(gè)發(fā)展中國家與EKC倒U型曲線貼近[3]。所以，本研究在探究EKC 曲線和 Tapio 脫鉤模型理論的背景下，選取昆鋼嘉華公司為研究對象，對其碳排放和經(jīng)濟(jì)增長進(jìn)行了脫鉤分析，同時(shí)運(yùn)用IPAT模型分析了影響公司碳排放的因素[4]。研究最后提出了針對昆鋼嘉華公司節(jié)能減排的具體對策，以期為相關(guān)企業(yè)提供理論借鑒，為社會實(shí)現(xiàn)減排目標(biāo)作出貢獻(xiàn)。

2 實(shí)證檢驗(yàn)及數(shù)據(jù)分析

2.1 碳排放計(jì)算與數(shù)據(jù)的選取

研究以真實(shí)數(shù)據(jù)和現(xiàn)實(shí)情況為基礎(chǔ)，以提高研究方案的可行性，在能源耗量估算法的基礎(chǔ)上運(yùn)用綜合方面測量二氧化碳排放總量，詳細(xì)的過程如式（1）：

基于式（1），A代表碳排放總量；Bi為能源i以標(biāo)煤為計(jì)量單位的消費(fèi)量；Ci為能源i的碳排放系數(shù)，其中，碳排放系數(shù)源于日本能源經(jīng)濟(jì)研究所。

整理與總結(jié)昆鋼嘉華公司能源消費(fèi)量數(shù)據(jù)，掌握了公司2010—2021 年二氧化碳排放量。

2.2 模型構(gòu)建

2.2.1 EKC 模型

研究發(fā)現(xiàn)，在研究環(huán)境變化趨勢中，線性模型和對數(shù)性模型運(yùn)用最為普遍，在這兩種模型下，可以衍生出一條關(guān)于收入的多項(xiàng)式函數(shù)，本研究構(gòu)建的環(huán)境庫茲涅茲曲線（EKC）函數(shù)具體如式（2）：

在式（2）中，Y代表人均二氧化碳排放，t代表年，X代表人均 GDP；b0、b1、b2、b3分別是解釋變量的系數(shù)，ε代表隨機(jī)誤差項(xiàng)。

2.2.2 脫鉤模型

根據(jù)圖表1了解到，Tapio（2005）將研究范圍放在歐盟成員國上，在計(jì)算這些國家和地區(qū)碳排放量時(shí)綜合運(yùn)用了物質(zhì)消耗彈性脫鉤評價(jià)法和彈性值，首次測量了能源消耗、GDP間的具體彈性值，具體如式（3）；計(jì)算二氧化碳和能源消耗二者間的具體彈性值，如式（4），將二者進(jìn)行乘積，進(jìn)而計(jì)算二氧化碳和GDP間的具體彈性值，如式（5），也就是脫鉤指數(shù)。

表1 Tapio脫鉤程度狀態(tài)與經(jīng)濟(jì)發(fā)展相關(guān)聯(lián)脫鉤關(guān)系

圖1 Tapio脫鉤程度狀態(tài)圖

在上式中，表示能源消耗相對GDP的彈性，表示二氧化碳相對于能源消耗的彈性，%ΔEC代表能源消耗變化，%ΔCO2代表二氧化碳變化，%GDP代表GDP變化。

3 實(shí)證結(jié)果分析

3.1 碳排放與經(jīng)濟(jì)發(fā)展趨勢分析

昆鋼嘉華公司自2004年成立以來，總資產(chǎn)發(fā)展迅速，對區(qū)域經(jīng)濟(jì)發(fā)展產(chǎn)生重要影響。分析其工業(yè)占比得知，公司的產(chǎn)業(yè)結(jié)構(gòu)并不合理，重工業(yè)占比較大，能源消耗過大，經(jīng)濟(jì)效益低下。在區(qū)域生產(chǎn)總值中，昆鋼嘉華公司的貢獻(xiàn)率為30%～45%，但能源消耗卻超過60%，并且這種現(xiàn)象持續(xù)的時(shí)間較長。所以，以昆鋼嘉華公司為例，研究其碳排放與經(jīng)濟(jì)發(fā)展的關(guān)系，有助于其降低碳排放，有助于提高區(qū)域經(jīng)濟(jì)收益。近年來昆鋼嘉華公司重視綠色環(huán)保問題，逐步改革生產(chǎn)技術(shù)，提高了能源的利用率，近兩年碳排放強(qiáng)度出現(xiàn)降低趨勢。

3.2 EKC 實(shí)證分析

昆鋼嘉華公司經(jīng)濟(jì)發(fā)展指數(shù)用公司的人均產(chǎn)值表示，以公司2010年人均產(chǎn)值數(shù)據(jù)作為研究基期，從不變價(jià)格的計(jì)算上進(jìn)行探討，進(jìn)而分析其碳排放、經(jīng)濟(jì)發(fā)展兩者間存在的關(guān)聯(lián)。選擇昆鋼嘉華公司在2010—2021年度的經(jīng)營環(huán)境和企業(yè)成長指數(shù)為時(shí)間順序指標(biāo)，并通過建立模型，再利用Origin Pro 8.5.1對數(shù)據(jù)進(jìn)行規(guī)整，對其進(jìn)行一次函數(shù)、二次函數(shù)和三次函數(shù)討論（見表2）。

通過表2得知，昆鋼嘉華公司在一次、二次和三次擬合函數(shù)下，數(shù)據(jù)較為離散。由圖2和表3可知，在昆鋼嘉華公司中，其3個(gè)模型的擬合度 之間的差別比較顯著，與一次和二次模型相比，三次模型的更大為 0.939 37，高于0.9。由此，三次模型與昆鋼嘉華公司人均產(chǎn)值、人均碳排放的實(shí)際情況相符。根據(jù)上述內(nèi)容，得出昆鋼嘉華公司人均產(chǎn)值、人均碳排放之間的環(huán)境庫茨涅茨曲線為“N”型，也就是公司經(jīng)濟(jì)的增長有助于提高環(huán)境質(zhì)量，公司人均碳排放的降低會隨著公司經(jīng)濟(jì)的增長而升高，再次面臨環(huán)境危機(jī)。

表3 昆鋼嘉華公司人均產(chǎn)值與人均碳排放線性擬合統(tǒng)計(jì)

圖2 昆鋼嘉華公司人均產(chǎn)值人均碳排放三種情況下的擬合曲線

表2 不同系數(shù)設(shè)定下經(jīng)濟(jì)增長與環(huán)境污染的關(guān)系

3.3 脫鉤分析

在Tapio 脫鉤模型的基礎(chǔ)上，立足于昆鋼嘉華公司經(jīng)濟(jì)發(fā)展實(shí)際和能源消耗實(shí)際，建立符合公司碳排放和經(jīng)濟(jì)發(fā)展之間的脫鉤模型。表4則反映了昆鋼嘉華公司2010—2021年間碳排放與經(jīng)濟(jì)發(fā)展的脫鉤關(guān)系。

表4 昆鋼嘉華公司碳排放與經(jīng)濟(jì)發(fā)展的脫鉤關(guān)系

可以看出，昆鋼嘉華公司在2010—2021年間的碳排放和經(jīng)濟(jì)發(fā)展之間的脫鉤關(guān)系波動較大。昆鋼嘉華公司成立之后，工業(yè)比重逐漸增加，進(jìn)而導(dǎo)致公司能源消耗總量急劇增加，但消耗更多的能源并未給公司帶來良好的經(jīng)濟(jì)收益，公司碳排放量增速明顯高于生產(chǎn)總值。隨著綠色環(huán)保概念的宣傳推廣，公司管理人員逐漸意識到降低碳排放的重要性，并積極采取了有效措施，比如減少高耗能材料的使用，降低高耗能產(chǎn)品占比，與此同時(shí)通過現(xiàn)代技術(shù)控制和降低碳排放量，逐漸將水電和天然氣用于日常生產(chǎn)?；诖?，公司的碳排放總量明顯降低，出現(xiàn)高新低碳經(jīng)濟(jì)發(fā)展態(tài)勢。近期，公司準(zhǔn)備進(jìn)一步轉(zhuǎn)變生產(chǎn)方式，盡可能地落實(shí)減排目標(biāo)，調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，降低公司碳排放量[5]。公司產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整是一個(gè)長期的動態(tài)過程，導(dǎo)致公司的碳排放量和產(chǎn)業(yè)之間的發(fā)展并不相符，呈現(xiàn)脫鉤狀態(tài)。

4 碳排放影響因素分析

4.1 模型構(gòu)建及數(shù)據(jù)說明

Ehrlich &Holdren率先提出IPAT模型（環(huán)境壓力控制模型），IPAT模型的提出與日益嚴(yán)重的自然環(huán)境緊密相關(guān)，Ehrlich &Holdren在研究中指出，人口、資產(chǎn)、技術(shù)以及政治等方面均對環(huán)境質(zhì)量產(chǎn)生影響。在IPAT 模型中，其中各個(gè)影響因素屬于關(guān)系恒等式，是人口、經(jīng)濟(jì)以及技術(shù)三者共同產(chǎn)生的影響，單個(gè)影響因素對環(huán)境不產(chǎn)生影響。具體的關(guān)系恒等式如下：

然而在運(yùn)用 IPAT 模型時(shí)，僅能改變其中一個(gè)影響因素，而且要保持其他影響因素的穩(wěn)定。20世紀(jì)90年代，Dietz 和 Rosa在IPAT模型的基礎(chǔ)上提出了環(huán)境影響隨機(jī)模型，即STIRPAT模型，在STIRPAT模型中，變量可以依據(jù)實(shí)際情況進(jìn)行變動。因此，這一模型被學(xué)者廣泛用于與研究碳排放影響因素中，詳細(xì)的模型等式如下：

STIRPAT模型中的乘法結(jié)構(gòu)形式與IPAT 模型基本一致，主要在保持三大影響因素不變的情況下引入模型的系數(shù)項(xiàng)，一般以a為代表，而b、c、d分別為P、A、T影響因素的指數(shù)項(xiàng)，e為模型隨機(jī)誤差項(xiàng)。STIRPAT模型中能高效地分解各個(gè)影響因素，同時(shí)也能在避免IPAT 模型自變量出現(xiàn)變動的情況下對個(gè)系數(shù)參數(shù)進(jìn)行評估。然而，在抉擇具體數(shù)據(jù)時(shí)，首先要計(jì)量這些數(shù)據(jù)，其次要分析模型具體的對數(shù)值，減少模型的異方差，提高因變量與自變量之間彈性值的便利性。

當(dāng)中，I代表環(huán)境壓力，如碳排放量等指標(biāo)，而b、c、d可解釋自變量P、A、T變動引起的環(huán)境壓力變動的彈性系數(shù)。在該模型，彈性系數(shù)的正負(fù)值與相關(guān)性呈正相關(guān)[6-7]。

本研究選擇的為因變量，記為研究對象碳排放量；具體的自變量和解釋變量主要有以下幾項(xiàng)：（1）F，代表研究對象固定資產(chǎn)投資情況及規(guī)模；（2）P，表示人口規(guī)模，用公司從業(yè)人員數(shù)量表示；（3）A，表示企業(yè)GDP ；（4）T，表示技術(shù)水平，本文中用企業(yè)能源利用效率表示。一般來說，技術(shù)水平的高低與能源利用效率的高低成正比關(guān)系，而與碳排放量則呈相反關(guān)系，即技術(shù)越高，能源利用效率就越高，碳排放量就越低。

4.2 回歸分析

利用最小二乘法分析研究數(shù)據(jù)，從而得出回歸分析結(jié)果（見表5）。通過匯總模型了解到，模型的調(diào)整R=0.996，F(xiàn)=921.862，且sig=0.000，由此可知數(shù)據(jù)之間呈顯著的相關(guān)性，有利于對各變量進(jìn)行回歸分析，計(jì)算出的結(jié)果更符合設(shè)想。然而，表6中的數(shù)據(jù)表示LnF、LnA、LnT的共線性檢驗(yàn)中方差膨脹因子VIF的檢驗(yàn)值最小為8.730，最大為148.786。當(dāng)中LnF、LnA、LnT三變量的值均大于10，由于各變量間存在多重共線性，所以回歸得出的結(jié)果并不精準(zhǔn)。基于此，不應(yīng)利用無偏估計(jì)對LnI、LnF、LnA、LnT數(shù)據(jù)序列進(jìn)行研究，為進(jìn)一步規(guī)避的多重共線性對研究帶來的消極作用，研究小組將再次改進(jìn)回歸分析法，對具有偏估計(jì)的嶺回歸對模型進(jìn)行擬合分析[8]。

表5 回歸結(jié)果

表6 數(shù)據(jù)回歸模型匯總

4.3 碳排放影響因素的嶺回歸分析

4.3.1 嶺回歸的定義

通過研究法完成普通最小二乘法估計(jì)回歸，加入這個(gè)變量之間存在多重共線性現(xiàn)象，那么計(jì)算出的回歸系數(shù)方差結(jié)果差異較大，估計(jì)值也不符合平穩(wěn)性。根據(jù)1970年Hoerl和Kennard的研究結(jié)論在改進(jìn)普通最小二乘法回歸的基礎(chǔ)上，提出了有偏估計(jì)的嶺估計(jì)法，該方法克服了研究存在的變量問題。

上式為β的嶺回歸估計(jì)，其中k為嶺參數(shù)，由于已經(jīng)對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，所以為自變量的樣本相關(guān)矩陣，且?guī)X回歸估計(jì)比OLS估計(jì)穩(wěn)定，若k＞0時(shí)，該回歸為嶺回歸，若k=0時(shí)，該回歸為普通最小二乘法估計(jì)回歸。同時(shí)由于k值的變動非唯一性，嶺回歸估計(jì)亦是非唯一的，與k值的變動相符。

4.3.2 嶺回歸實(shí)證分析

本研究通過SPSS22.0工具分析嶺回歸擬合情況，以此了解影響碳排放的各個(gè)因素。不過，由于量的標(biāo)準(zhǔn)系數(shù)整體呈平穩(wěn)狀態(tài)，加上計(jì)算出的各回歸系數(shù)的嶺估計(jì)值與設(shè)想的基本一致，因此將步長設(shè)為0.02，k值范圍設(shè)為-0.2～0，進(jìn)而計(jì)算執(zhí)行嶺回歸（見表7）。

表7 R的平方、嶺回歸系數(shù)估計(jì)值及對應(yīng)值

當(dāng)時(shí)，各變量得出的回歸系數(shù)比較平穩(wěn)，目R2=0.986 83，擬合度表現(xiàn)較好。當(dāng)k=0.06時(shí)，LnF、LnP、GDP及LnA、LNT的回歸系數(shù)的嶺回歸估計(jì)總體處于穩(wěn)定狀態(tài)，并與社會經(jīng)濟(jì)發(fā)展意義相符，之間的殘差平方和增長不明顯，而且這其間LnF、LnP、LnA、LnT的VIF值均不高于10，與研究條件基本一致。因此，本研究以k=0.06執(zhí)行標(biāo)準(zhǔn)的嶺回歸分析（見表8）。

表8 數(shù)據(jù)回歸模型匯總

由表9可知，回歸方程的統(tǒng)計(jì)量F=224.721 3，且Sig.F=0.000，表示回歸方程存在較強(qiáng)的顯著性。因此，當(dāng)自變量出現(xiàn)變化與不同，方程的線性關(guān)系更加突出。從而計(jì)算標(biāo)準(zhǔn)的嶺回歸方程，即當(dāng)k=0.06，R2=0.986 8，LnP、LnA、LnT對應(yīng)的系數(shù)分別為0.466 1、0.357 8、-0.117 8，由此得到研究所用的標(biāo)準(zhǔn)化嶺回歸方程，具體如下：

可得企業(yè)碳排放影響因素的STIRPAT模型為：

5 結(jié)論及啟示

5.1 結(jié)論

本文以昆鋼嘉華公司為研究對象，選取其2010—2021年間的數(shù)據(jù)分析其碳排放與經(jīng)濟(jì)發(fā)展之間的關(guān)系，通過構(gòu)建EKC模型和脫鉤模型，得出了二者之間的關(guān)系；同時(shí)在IPAT模型的基礎(chǔ)上，分析了影響公司碳排放的因素。

（1）對于昆鋼嘉華公司而言，其2010—2021年間碳排放與經(jīng)濟(jì)增長之間的關(guān)系始終呈增長趨勢，但公司碳排放強(qiáng)度與之相反，呈逐漸下降態(tài)勢。

（2）通過分析昆鋼嘉華公司近年來的發(fā)展了解到，其碳排放和經(jīng)濟(jì)增長之間有著明顯的“N”型關(guān)系，即使在公司經(jīng)濟(jì)總量逐漸增長的背景下，環(huán)境質(zhì)量得到提升，但當(dāng)經(jīng)濟(jì)增長到某個(gè)節(jié)點(diǎn)時(shí)，公司人均碳排放將隨著提升，從而出現(xiàn)環(huán)境惡化現(xiàn)象。

（3）通過分析昆鋼嘉華公司2010—2021年間碳排放、人均產(chǎn)值增加率、脫鉤指數(shù)之間的關(guān)系時(shí)，發(fā)現(xiàn)曲線發(fā)展形勢波動較大，總體呈高水平的相對低碳發(fā)展趨勢。

（4）在分析碳排放影響因素時(shí)，通過構(gòu)建模型發(fā)現(xiàn)LnF、LnP、LnA與LnI之間呈正相關(guān)關(guān)系，但LnT與LnI之間則相反。當(dāng)中，LnP對LnI的影響程度最高，LnA次之；LnT與LnI之間的關(guān)聯(lián)不明顯。

5.2 啟示

（1）地方政府應(yīng)實(shí)施具有針對性的低碳獎懲制度，促進(jìn)地方碳排放交易市場的構(gòu)建。其一，嚴(yán)格遵守國內(nèi)碳排放交易試點(diǎn)的原則與發(fā)展方向，根據(jù)高耗能企業(yè)發(fā)展實(shí)際制定不同的碳排放標(biāo)準(zhǔn)。對積極參與減排的企業(yè)給予相應(yīng)的激勵和鼓舞措施，帶領(lǐng)其他企業(yè)響應(yīng)減排政策。同時(shí)制定嚴(yán)格的處罰條例，不斷改進(jìn)綠色環(huán)保、節(jié)能減排的法律條例。在構(gòu)建碳排放交易平臺時(shí)，要避免程序煩瑣，提高企業(yè)參與的便利性和積極性，進(jìn)而提高企業(yè)減排的信心[9]。

（2）地方政府應(yīng)重新審視高碳排放企業(yè)在市場中的地位，避免因市場過熱導(dǎo)致企業(yè)的盲目擴(kuò)張。通過改變工業(yè)經(jīng)濟(jì)發(fā)展方式，利用內(nèi)部產(chǎn)業(yè)結(jié)構(gòu)調(diào)整促使企業(yè)達(dá)成低碳減排的目標(biāo)，以促進(jìn)產(chǎn)業(yè)集約化和地方經(jīng)濟(jì)的可持續(xù)發(fā)展。