孫敬水 李志堅 陳稚蕊

(浙江工商大學經濟學院,浙江杭州 310018)

低碳經濟發(fā)展的驅動因素研究
——以浙江省為例

孫敬水 李志堅 陳稚蕊

(浙江工商大學經濟學院,浙江杭州 310018)

本文從人口規(guī)模、經濟發(fā)展水平、能源強度、單位能耗碳排放量、能源消費結構、產業(yè)結構、城市化、國際貿易分工等方面探討了低碳經濟發(fā)展的主要驅動因素,對STIRPA T模型進行了擴展,利用1990～2008年浙江省的統(tǒng)計數(shù)據(jù),對低碳經濟發(fā)展的驅動因素及其貢獻率進行了實證研究。研究結果表明:人均 GDP、能源強度、人口規(guī)模、單位能耗碳排放量和能源消費結構對碳排放總量有顯著正向影響,其中人均實際 GDP的影響最大,能源強度的影響較大,人口規(guī)模和單位能耗碳排放量的影響較小,能源消費結構的影響最小,而產業(yè)結構、城市化水平、國際貿易分工對碳排放總量的影響不顯著;人均實際 GDP持續(xù)增長是碳排放增長的最大正向驅動因素,對碳排放增長的貢獻率最大,能源強度變動是碳排放增長的最大負向驅動因素,能源強度變動對碳排放增長具有一定的抑制作用。

低碳經濟;碳排放;人均實際 GDP;能源強度

在當前的全球環(huán)境問題中,控制和減少二氧化碳等溫室氣體排放是世界各國環(huán)境經濟政策的重要導向。中國改革開放以來,隨著經濟的快速發(fā)展,尤其是化石能源消費的快速增長,中國碳排放增長速度一直居世界前列,結構性矛盾日益突出,控制溫室氣體排放面臨巨大壓力。中國作為發(fā)展中的溫室氣體排放大國,如何從自己的國情出發(fā)發(fā)展低碳經濟,事關經濟發(fā)展方式轉變、資源節(jié)約型社會和環(huán)境友好型社會的構建,影響重大而深遠。

浙江是一個經濟大省,但同時也是一個資源匱乏的省份——“無油、缺煤、少電”,產業(yè)結構層次較低,升級緩慢,具有粗放型增長特征,并且存在著高排放的特點,經濟增長代價較大,環(huán)境污染和治理成本不堪重負。要實現(xiàn)經濟社會持續(xù)健康發(fā)展,必須采用低消耗、低排放的發(fā)展模式,發(fā)展低碳經濟是必由之路。發(fā)展低碳經濟對于應對氣候環(huán)境變化、轉變發(fā)展方式、實現(xiàn)結構調整、提升技術創(chuàng)新能力、增強可持續(xù)發(fā)展能力具有十分重要的意義。

一、文獻綜述

低碳(Low-carbon)意指較低(更低)的溫室氣體排放?！疤肌庇歇M義和廣義之分。狹義上的碳是指造成當前全球氣候問題的二氧化碳氣體(特別是化石能源燃燒所產生的二氧化碳)。廣義上的碳包括《京都議定書》上提出的六種溫室氣體。低碳經濟是指保持經濟穩(wěn)定增長的同時實現(xiàn)溫室氣體排放的低增長或負增長[1](P26—27)。影響溫室氣體排放(本文主要指碳排放)的驅動因素也是低碳經濟發(fā)展的主要驅動因素。圍繞碳排放的驅動因素及其貢獻率問題,國內外學者進行了富有成效的研究,其中具有代表性的研究成果為基于IPA T方程的驅動力分析和基于 Kaya模型的碳排放驅動因子分析。Ehrlich等學者提出IPA T方程,認為碳排放的驅動力主要是人口規(guī)模、經濟發(fā)展水平和科技進步的綜合作用[2](P121—137)。另一種是基于 Kaya模型的碳排放驅動因子分析,在 Kaya模型中,碳排放的推動力主要是人口、人均 GDP、能源強度和單位能耗碳排放量等四個因子[3]。與IPA T方程不同的是,Kaya模型引入了能源強度和單位能耗碳排放量兩個因子,產業(yè)不同其能源強度不同,同一行業(yè)中能源強度也有所不同。Dietz等在 Kaya模型基礎上,建立了 IPA T等式的隨機模型——STIRPA T模型,指數(shù)的引入使得該模型可用于分析人文因素對環(huán)境的非比例影響[4]。Wang等采用對數(shù)均值迪氏分解法(LMD I)對碳排放因素進行了分解,結果表明代表技術因素的能源強度是減少碳排放的最重要的因素,而能源結構也起到一定的作用,經濟增長帶來碳排放的增加[5]。

國內學者徐國泉等定量分析了能源結構、能源效率和經濟增長對中國人均碳排放的影響,得出能源效率和能源結構的抑制作用難以抵消由經濟快速增長拉動的中國碳排放量增長的結論[6]。莊貴陽運用Tapio脫鉤指標對包括中國在內的全球20個溫室氣體排放大國在不同時期的脫鉤特征進行了分析,提出能源和排放情景的主要驅動力包括人口增長、工業(yè)化水平、國際貿易分工、技術進步和資源稟賦等[7](P24—67)。胡初枝等對我國六部門能源消費的碳排放量進行了簡單平均的因素分解,指出能源強度是最主要的影響因素,并且指出產業(yè)結構的變化對碳排放減少有一定影響[8]。中國科學院可持續(xù)發(fā)展戰(zhàn)略研究組的研究結果表明,在碳排放所處的不同階段,其依靠的驅動力是不一樣的,這主要包括能源技術進步、經濟增長、碳排放技術進步等。從碳排放的驅動因子來看,要降低碳排放增長,可以從降低人口增長、經濟增長、碳強度或能源強度以及單位能耗碳排放量等方面入手[9](P53—73)。朱勤等對1980～2007年中國國民經濟三次產業(yè)的能源消費碳排放進行因素分解,發(fā)現(xiàn)經濟產出效應對該階段中國能源消費碳排放貢獻率最大,產業(yè)結構整體變化未能對碳排放增長產生負效用[10]。宋德勇等將碳排放的影響因素分解為產出規(guī)模、能源結構、碳排放強度和能源強度四個方面,再引入產出結構效應,對能源強度進行再次分解,發(fā)現(xiàn)產出規(guī)模和能源效率是對碳排放的增加和減少起關鍵作用的變量[11]。王鋒等把中國CO2排放總量分解為8個部門消費的8種燃料產生的CO2的加總,使用改進后的“三層完全分解法”,對中國1995～2007年間碳排放的影響因素進行了研究,發(fā)現(xiàn)人均GDP增長是CO2排放量增長的最大驅動因素,而生產部門能源強度下降是抑制CO2排放增長的最重要因素[12]。

現(xiàn)有國內外研究成果,對進一步探討低碳經濟的驅動因素具有一定的啟發(fā)意義,但還存在一些不足之處:(1)目前對低碳經濟的驅動因素的理論探討比較薄弱,主要集中在人口規(guī)模、經濟發(fā)展水平、能源強度、單位能耗碳排放量等方面,而從能源消費結構、產業(yè)結構、城市化、國際貿易分工等角度探討其驅動因素的較少。(2)現(xiàn)有研究較多采用LMD I分解方法,而采用計量經濟模型分析方法的較少,其研究結果說服力不強。(3)對不同演化階段碳排放的驅動力分析多數(shù)是以國家為研究對象,而對省級層面進行實證分析的很少,忽略了地區(qū)差異性。針對以往研究的不足,本文較為全面地從理論上探討低碳經濟發(fā)展的主要驅動因素,對STIRPA T模型進行擴展,以浙江省為例,實證分析人口規(guī)模、經濟發(fā)展水平、能源強度、單位能耗碳排放量、能源消費結構、產業(yè)結構、城市化水平、國際貿易分工等驅動因素對碳排放總量和人均碳排放的影響及其貢獻率,探討降低碳排放的重點領域,得出具有啟發(fā)意義的結論,在此基礎上提出向低碳經濟轉型的政策建議。

二、低碳經濟發(fā)展的主要驅動因素

影響低碳經濟發(fā)展的主要驅動因素包括人口規(guī)模與結構、經濟發(fā)展水平、技術進步、能源消費結構與能源利用效率、單位能耗碳排放量、產業(yè)結構、城市化水平和國際貿易分工等方面。

1.人口規(guī)模與結構。大量研究表明,人口規(guī)模對碳排放量具有正向影響。首先,人口越多,使用和消耗的能源越多,所產生的二氧化碳排放量越大。其次,人口增長會不可避免地改變自然生態(tài)環(huán)境,減少了碳匯潛力。人口結構的變化對碳排放量也有一定的影響,主要表現(xiàn)在人口年齡結構趨于老齡化對碳排放量具有抑制作用。

2.經濟發(fā)展水平。經濟發(fā)展離不開大量的能源投入和使用,而能源消費的增加必然會促進碳排放量的增加。當前,我國剛進入工業(yè)化的中期階段,仍處在能源需求和消費需求快速增長的時期,碳排放量在今后較長的一段時期內還會隨著經濟發(fā)展而增加。從世界范圍的總體數(shù)據(jù)來看,也印證了經濟發(fā)展、能源消費和碳排放之間具有很強的正相關性。

3.技術進步。技術進步是解決溫室氣體減排和氣候變化的重要因素。技術進步對碳排放的影響主要表現(xiàn)在兩個方面:一是技術進步可以提高能源利用效率,減少單位產值物質材料和能源的使用,從而在能源結構不變的情況下降低能源強度;二是采用技術替代,主要是能源或是燃料的轉換,用低碳能源(如可再生能源和核能等無碳的能源)替代煤、石油等高碳能源,改善能源結構,降低碳排放強度。利用各種先進的節(jié)能技術、可再生能源技術、二氧化碳捕獲與封存技術等,將有利于改進能源消費方式,節(jié)約能源,提高能源利用效率以及減少二氧化碳排放。

4.能源消費結構與能源利用效率。碳排放主要來自能源的使用。不同的能源消費結構與能源利用效率所產生的碳排放有很大的不同。例如,由于熱值和燃燒效率不同,同樣消耗1噸標準煤,煤炭、石油、天然氣的碳排放量依次為0.775、0.585、0.448噸。因此,能源結構趨于低碳化將會減少碳排放,而能源利用效率的提高同樣對碳排放具有重要的抑制作用。

5.單位能耗碳排放量。單位能耗碳排放量是區(qū)分一個國家或地區(qū)是否實現(xiàn)低碳發(fā)展的主要標準。單位能耗碳排放量對二氧化碳的排放具有直接影響。單位能耗碳排放量越大,碳排放越多;單位能耗碳排放量越小,碳排放則越少。而單位能耗碳排放量主要由能源結構與能源利用效率決定,因此,要降低單位能耗碳排放量,必須從優(yōu)化能源結構、提高能源效率著手。

6.產業(yè)結構。不同產業(yè)部門消耗的能源類型和結構不同,導致碳排放量也各不相同。由于能源消費主要集中在第二產業(yè),因此,第二產業(yè)在國民經濟中比例的變化一定程度上決定了碳排放量的變化,第二產業(yè)所占比例越高,則碳排放量越高;反之,則越低。因此,分析第二產業(yè)在產業(yè)中的比例對二氧化碳排放量的影響,一定程度上代表了產業(yè)結構對二氧化碳排放量的總體影響。

7.城市化水平。城市化水平是影響碳排放變化的重要因素之一。城市是人口、交通、工業(yè)等各種資源的集中地,也是能源消耗、碳排放的集中地。據(jù)統(tǒng)計,全球城市能源消耗占世界能源消費總量的75%以上,碳排放量占世界的80%以上。因此,城市化水平越高,能源的生產和生活需求及使用量就越大,碳排放量也就越大,反之,碳排放量越小。

8.國際貿易分工。由于存在資源稟賦、產業(yè)結構、能源利用效率等各方面的差異,使得國際貿易過程中存在碳排放轉移的問題,因此國際貿易分工也是影響碳排放水平的重要因素之一。國際貿易分工對碳排放具有雙重作用:進口高能耗的資源密集型產品則能降低本地區(qū)的碳排放,而出口高能耗的資源密集型產品則增加了本地區(qū)的碳排放量,這實際上是碳排放在國際貿易雙方間轉移的過程。

三、實證分析

(一)擴展的STIRPAT模型

STIRPAT模型是IPAT方程的隨機形式。IPAT方程是一個被廣泛認可的分析人文因素對環(huán)境影響的量化模型,其一般形式為:

其中:I為CO2排放量,P為人口總量,A為人均國內生產總值,即A=GDP/P,T為單位 GDP產生的二氧化碳,即碳排放強度 T=I/GDP。IPA T方程結構簡單,易于操作,已在能源與環(huán)境經濟領域得到較為廣泛的應用。但因為其考察的變量數(shù)目有限,所能得到的研究結果基本限于CO2排放與能源、經濟及人口在宏觀上的量化關系,且其僅能得到自變量對因變量的等比例影響,這成為該模型最大的局限。

為了克服該模型的不足,Dietz等建立了IPA T等式的隨機模型——STIRPA T模型[4],即:

其中,α1、α2、α3分別表示碳排放量關于人口、經濟發(fā)展水平、碳排放強度的彈性系數(shù),ε為隨機誤差項。指數(shù)的引入使得該模型可用于分析人文因素對環(huán)境的非比例影響。

根據(jù)低碳經濟發(fā)展的主要驅動因素,本文引入單位能耗碳排放量、產業(yè)結構、能源消費結構、城市化水平、國際貿易分工等變量,對STIRPA T模型進行擴展。擴展后的STIRPA T模型為:

其中:I為CO2排放量,P為人口總量,A為人均 GDP(A=GDP/P),T為能源強度(T=E/GDP,其中E為能源消費量),CT為單位能耗碳排放量(CT=I/E),S代表產業(yè)結構,CS代表能源消費結構,U為城市化水平,NX代表國際貿易分工,ε為隨機誤差項。其中α1、α2、α3、α4、α5、α6、α7、α8分別表示碳排放量關于人口、經濟發(fā)展水平、能源強度、單位能耗碳排放量、產業(yè)結構、能源消費結構、城市化水平、國際貿易分工的彈性系數(shù)。與傳統(tǒng)的STIRPA T模型相比,擴展后的模型引入了產業(yè)結構、能源消費結構、城市化水平、國際貿易分工等變量,使得低碳經濟的驅動因素能夠得到全面反映,模型更加符合實際情況。

式(3)兩邊取自然對數(shù),將模型(3)轉化為線性回歸模型(各變量均取自然對數(shù)可以減弱各變量指標數(shù)據(jù)中存在的異方差現(xiàn)象):

其中模型(5)為人均碳排放的STIRPA T模型,各變量解釋同上。在用多元回歸方程分析低碳經濟發(fā)展的驅動因素時,由于解釋變量或驅動因素所用的單位不同,數(shù)據(jù)的大小差異往往很大,這就不利于放在同一標準上進行比較。為了消除量綱不同和數(shù)量級的差異所帶來的影響,需要將樣本數(shù)據(jù)(對數(shù)形式)做標準化處理,即將每個變量(對數(shù)樣本數(shù)據(jù))減去各自的均值后除以其標準差,得到新的變量和新的模型,最后用計量方法估計未知參數(shù),求得標準化回歸系數(shù)。有了標準化回歸系數(shù)后,變量的相對重要性就容易進行比較了。將式(4)、式(5)中每個變量標準化后(加上“＊”以示區(qū)別),變?yōu)樾碌木€性回歸模型:

(二)數(shù)據(jù)來源

低碳經濟的實質是在保持經濟穩(wěn)定增長的前提下減少碳排放。由于我國統(tǒng)計機構沒有公布二氧化碳排放數(shù)據(jù),本文根據(jù)浙江省歷年各能源消費量和各能源的碳排放系數(shù),計算出歷年的碳排放量(I,單位為萬噸)。為了消除物價水平對 GDP和人均 GDP的影響,本文以1978年為基期,用 GDP縮減指數(shù)計算實際GDP和人均實際 GDP(A,單位為元)。鑒于浙江省的能源消費結構以煤和石油為主,天然氣及其他新能源使用比例很小,因而對于能源消費結構(CS),本文以煤炭消費占能源消費的比重表示。產業(yè)結構指標(S)采用第二產業(yè)增加值占GDP的比重表示。城市化水平(U)用城鎮(zhèn)人口占總人口的比重表示。國際貿易分工(NX)用凈進出口與GDP之比表示。本文所采用的數(shù)據(jù)均來自于歷年《浙江省統(tǒng)計年鑒》、《中國能源統(tǒng)計年鑒》等,數(shù)據(jù)區(qū)間為1990～2008年。

計算結果顯示,1990～2008年,浙江能源消費總量和碳排放總量不斷增長。能源消費總量由1990年的2 732.86萬噸標準煤增加到2008年的15 116.59萬噸標準煤,增加了4.53倍,年均增長10.0%;碳排放總量由1990年的 1 802.54萬噸增加到2008年的 8 678.02萬噸,增加了3.81倍,年均增長9.2%。1990～2008年,浙江人均能源消費和人均碳排放也在不斷增長。人均能源消費量由1990年的0.645 3噸標準煤增加到2008年的3.224 6噸標準煤,增加了4.0倍,年均增長8.0%;人均碳排放量由1990年的0.425 6噸增加到2008年的1.851 2噸,增加了3.35倍,年均增長8.6%。1990～2008年,浙江省碳排放增長與經濟增長走勢基本保持一致,GDP年均增長13.5%、人均 GDP年均增長12.0%,均快于碳排放總量增長與人均碳排放增長。

(三)實證分析

1.碳排放總量和人均碳排放驅動因素計量模型分析。利用計量經濟軟件Eview s6.0容易驗證各變量時間序列(對數(shù)形式)為非平穩(wěn)、一階單整序列。因此,可以進一步檢驗變量之間的協(xié)整關系。根據(jù)多元回歸線性模型(6)和(7),利用各變量數(shù)據(jù)和 Eview s6.0軟件,得到表1和表2的回歸結果,容易驗證表1和表2中的模型1至模型9的殘差均為平穩(wěn)序列,即各變量之間存在協(xié)整關系。

表1 碳排放總量(對數(shù)形式ln I＊)關于各驅動因素的回歸模型

表2 人均碳排放量(對數(shù)形式ln PI＊)關于各驅動因素的回歸模型

由表1可知,lnP＊、lnA＊、lnT＊、lnCT＊對lnI＊有顯著影響,其他變量不顯著。從模型1至模型5看,模型3的回歸結果最好,各回歸系數(shù)均顯著(lnCS＊回歸系數(shù)在7%的水平上顯著),擬合優(yōu)度較高,模型不存在異方差和自相關性,解釋變量之間不存在多重共線性,該模型達到了比較理想的效果。由表2可知,lnA＊、lnT＊、lnCT＊、lnS＊、lnCS＊對lnPI＊有顯著影響,模型 7的回歸結果最好。根據(jù)上述回歸結果,可以得出如下結論:

(1)由表1的回歸結果可知,人口、經濟發(fā)展水平、能源強度、單位能耗碳排放量、能源消費結構對碳排放總量有顯著正向影響,而產業(yè)結構、城市化水平、國際貿易分工對碳排放總量的影響不顯著。從模型3的回歸系數(shù)來看,碳排放總量關于人均實際 GDP彈性、能源強度彈性、人口規(guī)模彈性、單位能耗碳排放彈性和能源消費結構彈性,從大到小排列依次為1.237、0.479、0.286、0.093和0.007,即人均實際 GDP、能源強度、人口規(guī)模、單位能耗碳排放、能源消費結構每提高1%,碳排放總量將依次增長1.237%、0.479%、0.286%、0.093%和0.007%。因此,經濟發(fā)展水平對碳排放總量的正向影響最大,能源強度的影響較大,人口規(guī)模和單位能耗碳排放的影響較小,能源消費結構的影響最小。

(2)由表2的回歸結果可知,經濟發(fā)展水平、能源強度、單位能耗碳排放、產業(yè)結構、能源消費結構對人均碳排放量有顯著正向影響,而城市化水平、國際貿易分工對人均碳排放量的影響不顯著。從模型7的回歸系數(shù)來看,人均碳排放關于人均實際 GDP彈性、能源強度彈性、單位能耗碳排放彈性、產業(yè)結構彈性和能源消費結構彈性,從大到小排列依次為1.538、0.458、0.101、0.035和0.011,即人均實際GDP、能源強度、單位能耗碳排放、產業(yè)結構和能源消費結構每提高1%,人均碳排放量將依次增長1.538%、0.458%、0.101%、0.035%和0.011%。因此,人均實際 GDP對人均碳排放的正向影響最大,能源強度的影響較大,單位能耗碳排放和產業(yè)結構的影響較小,能源消費結構的影響最小。

2.各驅動因素對碳排放總量增長和人均碳排放增長的貢獻率分析。由模型3可知其回歸系數(shù)依次為由模型7可知其回歸系數(shù)依次為將模型3和模型7的回歸系數(shù)做歸一化處理,記歸一化處理后的系數(shù)為,則各驅動因素變動對碳排放總量變動和人均碳排放變動的貢獻率分別為δiGi/GI(i=1,2,3,4,6)和γjGj/GPI(j=1,2,3,4,5)。其中 Gi(Gj)為各驅動因素增長率,GI為碳排放總量增長率,GPI為人均碳排放增長率。各驅動因素對碳排放總量增長和人均碳排放增長的貢獻率計算結果如表3所示。

表3 各驅動因素對碳排放變動的貢獻率(%)

由計算結果可知,1990～2008年浙江省碳排放總量、人均碳排放總體上呈增長趨勢。1990～2008年碳排放總量年均增長9.2%,分解后的各影響因素中,人均實際 GDP增長、人口增長對碳排放總量增長表現(xiàn)為正效應,其平均貢獻率分別為112.19%和1.23%;而能源強度、單位能耗碳排放和能源消費結構變動則表現(xiàn)為負效應,對碳排放總量增長的平均貢獻率依次為-12.94%、-0.46%和-0.02%。1990～2008年浙江省人均碳排放年均增長8.6%,分解后的各影響因素中,人均實際 GDP增長和產業(yè)結構變動對人均碳排放的增長表現(xiàn)為正效應,其平均貢獻率分別為113.43%和0.15%;而能源強度、單位能耗碳排放和能源消費結構變動則表現(xiàn)為負效應,對人均碳排放增長的平均貢獻率分別為 -13.1%、-0.47%和 -0.02%。

之所以出現(xiàn)這樣的結果,其主要原因在于:1990～2008年浙江省人均實際 GDP年均增長率達到12.984%,人均 GDP持續(xù)增長是現(xiàn)階段碳排放總量增長、人均碳排放增長的主導因素,其貢獻率最大。人口增長、產業(yè)結構變動對現(xiàn)階段碳排放的增長也具有正向影響,但由于人口年均增長率(0.566%)、產業(yè)結構年均變動率(-0.232%)較小,因此對碳排放增長的貢獻率較小。1990～2008年,浙江省能源強度有較大幅度的下降,年均下降3.572%,對碳排放總量增長與人均碳排放增長負向驅動的貢獻率最大,而單位能耗碳排放和能源消費結構變動較小,對碳排放總量增長與人均碳排放增長負向驅動的貢獻率較小。盡管單位能耗碳排放和能源消費結構變動對碳排放增長表現(xiàn)為微弱負效應,但也表明浙江能源結構優(yōu)化的成效初步顯現(xiàn)。

四、研究結論與建議

本文鑒于碳排放的主要驅動因素,對STIRPA T模型進行了擴展,實證研究了人口規(guī)模、經濟發(fā)展水平、能源強度、單位能耗碳排放量、能源消費結構、產業(yè)結構、城市化水平、國際貿易分工等驅動因素對碳排放總量和人均碳排放的影響及其貢獻率,得到以下主要結論:

1.經濟發(fā)展水平、能源強度、人口規(guī)模、單位能耗碳排放量和能源消費結構對碳排放總量有顯著正向影響,而產業(yè)結構、城市化水平、國際貿易分工對碳排放總量的影響不顯著。人均實際 GDP、能源強度、人口規(guī)模、單位能耗碳排放量、能源消費結構每提高1%,碳排放總量將依次增加1.237%、0.479%、0.286%、0.093%和0.007%。因此,經濟發(fā)展水平對碳排放總量的正向影響最大,能源強度的影響較大,人口規(guī)模和單位能耗碳排放量的影響較小,能源消費結構的影響最小。

2.經濟發(fā)展水平、能源強度、單位能耗碳排放量、產業(yè)結構和能源消費結構對人均碳排放量有顯著正向影響,而城市化水平、國際貿易分工對人均碳排放量的影響不顯著。人均實際 GDP、能源強度、單位能耗碳排放量、產業(yè)結構和能源消費結構每提高1%,人均碳排放量將依次增長1.538%、0.458%、0.101%、0.035%和0.011%。因此,人均實際 GDP對人均碳排放的正向影響最大,能源強度的影響較大,單位能耗碳排放和產業(yè)結構的影響較小,能源消費結構的影響最小?？傮w而言,經濟發(fā)展水平、能源強度對碳排放總量和人均碳排放的正向影響較大。

3.人均實際 GDP持續(xù)增長和人口總量增長是碳排放總量增長(年均增長9.2%)的正向驅動因素,其平均貢獻率分別為112.19%和1.23%。這一研究結果表明,浙江省碳排放總量增長與人均GDP水平提高有著密切關系,人口總量的增加對碳排放量增長起到了一定的推動作用,但由于人口總量增長緩慢,所以其推動力非常有限。而能源強度、單位能耗碳排放量和能源消費結構變動是碳排放總量增長的負向驅動因素,其平均貢獻率分別為-12.94%、-0.46%和-0.02%。這一研究結果表明,能源強度的變動對碳排放總量增長有較大的抑制作用,而單位能耗碳排放和能源消費結構變動對碳排放總量增長的抑制作用較小。

4.人均實際 GDP增長和產業(yè)結構變動是人均碳排放增長(年均增長8.6%)的正向驅動因素,其貢獻率分別為113.43%和0.15%;而能源強度、單位能耗碳排放量和能源消費結構變動是人均碳排放增長的負向驅動因素,其貢獻率分別為-13.1%、-0.47%和-0.02%。因此,人均實際 GDP增長是碳排放總量增長、人均碳排放增長的最大正向驅動因素,而能源強度變動是碳排放總量增長、人均碳排放增長的最大負向驅動因素,能源強度變動對碳排放增長具有一定的抑制作用。

針對以上研究結果,結合浙江省的實際情況,本文提出如下的政策建議:

1.加快低碳技術創(chuàng)新,提高能源利用效率。總體來看,盡管1990～2008年浙江省能源利用效率呈穩(wěn)步上升趨勢,但是與發(fā)達國家相比仍存在較大差距,經濟增長方式仍呈現(xiàn)粗放型特征,但同時這也給浙江省能源利用效率的提高提供了廣闊的空間。走低碳發(fā)展道路,技術創(chuàng)新是未來社會經濟發(fā)展的核心,能源效率特別是工業(yè)能源利用效率的提高,其主要驅動力來自技術創(chuàng)新。因此,必須加大能源科技投入,加快技術升級,同時,鼓勵節(jié)能技術的研發(fā)應用,實現(xiàn)節(jié)能技術的更新與改造。同時,在碳捕獲與封存技術、生物固碳技術等控制碳排放的關鍵技術方面,應加強國際交流與合作,提高低碳技術水平。

2.發(fā)展低碳能源,優(yōu)化能源結構。統(tǒng)計數(shù)據(jù)顯示,浙江省能源消費一直以煤炭為主,雖然近年來煤炭在能源消費結構中的比例有下降趨勢,但是煤炭主導的局面并沒有發(fā)生根本性的變化。因此,要實現(xiàn)碳減排,必須發(fā)展低碳能源,優(yōu)化能源結構。具體而言,就是要改善能源的生產和消費結構,降低煤炭、石油等化石能源的消費比例,開發(fā)利用新能源、替代能源。浙江省地處沿海,有著豐富的風能、水能和潮汐能,大力發(fā)展風能、核能、水電、太陽能、潮汐能和生物質能等可再生能源,促進新能源產業(yè)化發(fā)展,進而加快從以化石能源為主向以清潔和可再生能源為主的結構轉變,實現(xiàn)對傳統(tǒng)化石能源的替代。

3.優(yōu)化產業(yè)結構,推動產業(yè)升級。產業(yè)結構的變化對現(xiàn)階段碳排放表現(xiàn)出正效應,這與以調整產業(yè)結構推動節(jié)能減排的初衷有較大差距。目前,浙江省的產業(yè)結構仍停留在第二產業(yè)占主導地位的局面,經濟增長過分依賴于第二產業(yè)的發(fā)展,造成工業(yè)特別是重工業(yè)等高能耗產業(yè)所占比例偏高。因此,在不影響經濟發(fā)展的前提下,從節(jié)能減排政策的產業(yè)結構優(yōu)化角度而言,一方面,要采取行政手段和經濟手段,限制高碳產業(yè)的發(fā)展,利用低碳技術改造傳統(tǒng)制造業(yè),使高碳產業(yè)低碳化;另一方面要引導、鼓勵和扶持低碳產業(yè)的發(fā)展,提高現(xiàn)代服務業(yè)在產業(yè)結構中的比重,培育發(fā)展新興產業(yè)、高新技術產業(yè)和節(jié)能環(huán)保產業(yè),促進低碳產業(yè)競爭力的提高,從而實現(xiàn)產業(yè)結構的優(yōu)化和升級。

4.控制人口規(guī)模,倡導低碳消費。盡管近年來浙江省人口增長緩慢,但是實證分析顯示,人口增長對碳排放量增長具有正向作用,人口增加不僅造成對生存空間的擠壓,更加大了對資源和環(huán)境的壓力。隨著人口城鎮(zhèn)化率的逐年提高,居民人均能源消費水平相應提高,這將給碳減排帶來新的壓力。因此,要實現(xiàn)節(jié)能減排目標,一方面,必須降低人口增長的速度,控制人口規(guī)模,注重優(yōu)化人口結構與人口素質;另一方面,政府還要注重提高公眾的低碳意識,加強對低碳經濟的宣傳力度,大力倡導低碳消費、綠色消費的理念,引導居民的消費模式向可持續(xù)的低碳消費方向發(fā)展。

[1]孫桂娟,殷曉彥,孫相云,等.低碳經濟概論[M].濟南:山東人民出版社,2010.

[2]Ehrlich,P.R.,Ehrlich,A.H.Population,Resources,Environment:Issues in Human Ecology[M].San Francisco:Freeman,1970.

[3]Kaya Yoichi.Impact of Carbon Dioxide Emission on GNP Growth:Interpretation of Proposed Scenarios[Z].Paris:Presentation to the Energy and Industry Subgroup,Response Strategies Working Group,IPCC,1989.

[4]Dietz,T.,Rosa,E.A.Rethinking the Environmental Impacts of Population,Affluence,and Technology[J].Human Ecology Review,1994,(1):277—300.

[5]Wang Can,Chen Jining,Zou Ji.Decomposition of Energy-related CO2Emission in China:1957—2000[J].Energy,2005,30(1):73—83.

[6]徐國泉,劉則淵,姜照華.中國碳排放的因素分解模型及實證分析:1995—2004[J].中國人口·資源與環(huán)境,2006,16(6):158—161.

[7]莊貴陽.低碳經濟:氣候變化背景下中國的發(fā)展之路[M].北京:氣象出版社,2007.

[8]胡初枝,黃賢金,鐘太洋.中國碳排放特征及其動態(tài)演進分析[J].中國人口·資源與環(huán)境,2008,18(3):38—42.

[9]中國科學院可持續(xù)發(fā)展戰(zhàn)略研究組.2009年中國可持續(xù)發(fā)展戰(zhàn)略報告——探索中國特色的低碳道路[M].北京:科學出版社,2009.

[10]朱勤,彭希哲,陸志明,等.中國能源消費碳排放變化的因素分解及實證分析[J].資源科學,2009,31(12):2072—2079.

[11]宋德勇,盧忠寶.中國碳排放影響因素分解及其周期性波動研究[J].中國人口·資源與環(huán)境,2009,19(3):18—24.

[12]王鋒,吳麗華,楊超.中國經濟發(fā)展中碳排放增長的驅動因素研究[J].經濟研究,2010,(2):123—136.

(責任編輯:胡浩志)

On Driving Factors of Low Carbon Economy Development Based on Zhejiang Province

SUN Jingshui LI Zhijian CHEN Zhirui
(School of Economics,Zhejiang Gongshang University,Hangzhou 310018,China)

Based on population,economy development level,energy strength,carbon footprint of per energy consump tion rate,energy consump tion structure,industrial structure,urbanization and division of cross-border trade,the article discusses the main driving factorsoflow carbon economic development.U sing statistical data of Zhejiang province from 1990 to 2008,it extends the model of STIRPA T to make an empirical analysisof driving factors and contribution rate of low carbon economic development.The results are as follows.Per capita GDP,energy strength,population,carbon footprint of energy consump tionrate and energy consump tion structure have a significant positive effect on carbon emission.Results indicate that among these the effect of percapita GDP is the greatest,the next is energy strength,thirdly population and that energy consump tion rate and energy consumption structure the smallest,while industrial structure,urbanization and division of cross-border trade have no significant effect.Sustainable of per capita GDP contributed the most to the grow thin carbon emissions and is the biggest positive driver.The change in energy intensity is the maximum negative driving factor of carbon emissions and has certain inhibiting effect on it.Finally,the relative policy suggestions are proposed based on the empirical result.

Low Carbon Economy;Carbon Emission;Per Capita GDP;Energy Strength

F062.9

A

1003-5230(2011)02-0048-08

2010-12-27

浙江省哲學社會科學規(guī)劃課題“浙江省低碳經濟發(fā)展戰(zhàn)略、途徑和對策研究”(10CGYD22YB)

孫敬水(1958—),男,安徽蚌埠人,浙江工商大學現(xiàn)代商貿研究中心教授,博士生導師;

李志堅(1987—),男,湖南永州人,浙江工商大學經濟學院碩士生;

陳稚蕊(1986—),女,安徽蚌埠人,浙江工商大學經濟學院碩士生。