謝志明+晏奎+周樂明+楊盼盼

摘要：采用線性面板計量方法，依據(jù)2000～2014年中國30個省區(qū)CO2排放因子數(shù)據(jù)，考量經(jīng)濟(jì)增長、能源轉(zhuǎn)型與CO2排放的長期均衡關(guān)系。結(jié)果表明：工業(yè)經(jīng)濟(jì)部門能源消費是導(dǎo)致CO2排放增加的重要因素；能源強(qiáng)度與CO2排放之間存在顯著相關(guān)性與長期均衡性，能源強(qiáng)度降低1%，CO2排放量將減少0.22%；可再生能源替代化石能源對CO2排放具有長期抑制作用，可再生能源占比每增加1%，CO2排放量將減少0.48%。鑒此，應(yīng)轉(zhuǎn)變經(jīng)濟(jì)增長方式，實現(xiàn)能源轉(zhuǎn)型戰(zhàn)略，包括提高能源效率、可再生能源替代等政策建議。

關(guān)鍵詞： 經(jīng)濟(jì)增長；能源效率；可再生能源替代；碳排放

中圖分類號：F062.2文獻(xiàn)標(biāo)識碼：A文章編號：10037217（2017）06011306

一、引言

經(jīng)濟(jì)增長對煤炭、石油等化石能源的依賴導(dǎo)致CO2過度排放，成為全球面臨的嚴(yán)峻挑戰(zhàn)。由此引發(fā)的經(jīng)濟(jì)增長、能源消費轉(zhuǎn)型與碳排放關(guān)系的問題值得長期關(guān)注＼[1＼]。相關(guān)學(xué)者探討了經(jīng)濟(jì)增長與CO2排放的內(nèi)在關(guān)聯(lián)。Jaunky（2011）運用環(huán)境庫茨涅茨曲線（Environmental Kuznets Curve， EKC）驗證了GDP和CO2排放之間的倒“U”型關(guān)系[2]。胡宗義等（2012）研究表明人均GDP與人均CO2排放量成正相關(guān)[3]。Piaggio和Padilla（2012）對全球31個國家在1950-2006年的經(jīng)濟(jì)活動和CO2排放進(jìn)行了協(xié)整分析，指出經(jīng)濟(jì)活動與CO2排放的相關(guān)性受資源的時空條件、環(huán)境政策的影響，呈現(xiàn)復(fù)雜多樣化的特征[4]。關(guān)于GDP與能源消費之間的因果關(guān)系的研究尚未取得一致結(jié)論，Ozturk（2010）認(rèn)為這可能是由于數(shù)據(jù)來源、所用的因變量及計量經(jīng)濟(jì)模型存在差異導(dǎo)致的[5]。

以能源強(qiáng)度和可再生能源占比為主要表征的能源消費轉(zhuǎn)型與CO2排放關(guān)系密切 [6]。Lee和Chang（2008）研究指出，能源強(qiáng)度對CO2排放具有抑制作用，建議亞洲國家應(yīng)致力于降低工業(yè)部門的能源強(qiáng)度，以便更好地控制CO2排放[7]。Wing（2008）研究了美國1958-2000年能源強(qiáng)度對CO2排放的影響趨勢，指出產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級是降低能源強(qiáng)度的主要途徑[8]。何建坤（2013）通過低碳情景指標(biāo)分析，認(rèn)為保持低水平的能源強(qiáng)度是CO2排放量盡早達(dá)到峰值的必要條件[9]。Sadorsky（2014）通過分析新興經(jīng)濟(jì)體的能源強(qiáng)度，指出若在新興經(jīng)濟(jì)體中降低能源強(qiáng)度，收入可能出現(xiàn)增長，且CO2排放也將會減少[10]。同時，開發(fā)利用可再生能源，逐步實現(xiàn)可再生能源對常規(guī)能源的替代是實現(xiàn)節(jié)能減排、解決全球氣變暖威脅的有效途徑[11，13]。但可再生能源替代對CO2排放趨勢的影響需要長期觀測，相關(guān)研究尚無一致結(jié)論。Apergis（2010）和Chiu chang（2009）指出，由于可再生能源的開發(fā)利用存在間歇性問題、存儲技術(shù)不足、棄風(fēng)棄光等現(xiàn)象嚴(yán)重，因此，可再生能源對遏制CO2排放量影響甚少[14，15]。Chiu chang（2009）認(rèn)為，只有當(dāng)可再生能源消費占比高于某個閾值時，可再生能源才會影響CO2排放，并建議持續(xù)地增大可再生能源占比，解決經(jīng)濟(jì)增長與能源消費的相互制約難題。

由于能源強(qiáng)度估計的復(fù)雜性，可再生能源的間歇性以及中國CO2排放的時空差異性，鮮有文獻(xiàn)綜合考慮能源強(qiáng)度和可再生能源替代對減少CO2排放的影響?；诖?，本文利用計量經(jīng)濟(jì)學(xué)中時間序列和長面板數(shù)據(jù)分析方法，深入探究經(jīng)濟(jì)增長、工業(yè)部門能源消費、能源效率、可再生能源等因素與中國CO2排放的長期均衡關(guān)系。以期為加快能源轉(zhuǎn)型、實現(xiàn)中國節(jié)能減排目標(biāo)提供實證支持。

三、實證分析

（一）面板數(shù)據(jù)單位根檢驗和協(xié)整檢驗

利用Eviews8.0軟件對中國30個省450個數(shù)據(jù)進(jìn)行回歸分析，原假設(shè)設(shè)定隨機(jī)效應(yīng)模型優(yōu)于固定效應(yīng)模型，通過Hausman檢驗?zāi)Ｐ突貧w分析假設(shè)。其中，Hausman檢驗的數(shù)據(jù)及結(jié)果如表2所示，可知Hausman檢驗的統(tǒng)計量為22.175287，檢驗結(jié)果顯著p<5%，即表明模型拒絕原假設(shè)。因此，可得出固定效應(yīng)模型更適合于本文的回歸分析。

與此同時，面板數(shù)據(jù)模型在回歸前需要檢驗數(shù)據(jù)的平穩(wěn)性。為了避免偽回歸，本文對各面板序列的平穩(wěn)性進(jìn)行檢驗，其檢驗結(jié)果如表3所示。

由表3可以得到，LN（CO2，it）、LN（GDPit）、LN（EIit）、LN（Rit）在經(jīng)過一階差分后基本上保持平穩(wěn)，且各變量存在一階單整，因此，它們之間可能存在協(xié)整關(guān)系，可進(jìn)行協(xié)整檢驗。表4為殘差序列的ADF單位根檢驗，其中通過殘差序列的單位根是平穩(wěn)的，表明解釋變量和被解釋變量之間存在長期平穩(wěn)關(guān)系。雖受經(jīng)濟(jì)的沖擊影響，CO2排放量在短期內(nèi)存在劇烈又明顯的波動變化，但這些變量之間卻存在長期均衡，即CO2排放最終會逐漸降低直到歸于平穩(wěn)。

表4殘差序列的ADF單位根檢驗

Item

Tstatistic

Prob.*

ADF的檢驗統(tǒng)計量值

88.7201

0.00940

1%

92.6263

5%

84.1066

10%

90.7825

（二）回歸結(jié)果分析

表5為面板回歸結(jié)果，其中工業(yè)能源消費占比指標(biāo)（LNM）在1%的檢驗水平上具有正顯著性（0.36）；而人口數(shù)量（LNPOP）對該回歸方程不顯著，這表明人口這一變量對CO2排放的影響不顯著。同時，模型中能源強(qiáng)度指標(biāo)（LNEI）在5%的檢驗水平上具有顯著性且正相關(guān)（0.22）；可再生能源占比（LNR）存在負(fù)相關(guān)（-0.49），因此，降低能源強(qiáng)度和提高可再生能源占比對減少CO2排放量具有積極作用，這與預(yù)期是一致的。endprint

變量對CO2排放的影響程度而言，GDP增長1%，CO2排放量增加0.77%；工業(yè)能源消費占比每增加1%，CO2排放量增加0.35%。另一方面，能源效率和可再生能源占比對抑制長期CO2排放方面起到重要作用：在其他條件不變的情況下，能源強(qiáng)度降低1%，CO2長期排放量減少0.22%；可再生能源占比增加1%，CO2排放量減少0.49%。

表6列出了中國30個省份的5個自變量系數(shù)和標(biāo)準(zhǔn)誤差的估計結(jié)果。其中北京、天津、內(nèi)蒙古、上海、江蘇、浙江、福建、湖北、湖南、廣州、貴州、云南等地的收入水平系數(shù)在5%的檢驗水平具有顯著性，各省GDP和CO2排放量關(guān)系相關(guān)性最強(qiáng)的省份是內(nèi)蒙古、上海、江蘇、湖北、湖南和廣東：各省GDP增長1%，該省份CO2排放量分別增長0.25%、0.14%、0.15%、0.13%、0.14%、0.13%和0.18%。從表5和6中可以看出，收入和CO2排放量之間存在正相關(guān)性，這意味著在模型增加其他變量的同時收入增加，CO2排放量也顯著上升。這是由于CO2排放量的改變，可能取決于收入水平對每個省份環(huán)境質(zhì)量的需求和供給。

表6中，有18個省區(qū)能源強(qiáng)度指標(biāo)在5%上與CO2排放顯著正相關(guān)，表明降低能源強(qiáng)度，提高能源效率對減少CO2排放量具有積極影響。其中，廣東能源強(qiáng)度每降低1%，CO2排放量減少0.178%。通過分析發(fā)現(xiàn)廣東通過取締關(guān)停了數(shù)量眾多的污染和能耗密集型中小企業(yè)，大力發(fā)展高新技術(shù)產(chǎn)業(yè)如新能源產(chǎn)業(yè)、電子信息制造、新材料、通信技術(shù)及軟件產(chǎn)業(yè)，一方面經(jīng)濟(jì)快速增長，另一方面能源強(qiáng)度降低。能源強(qiáng)度降低，減排效果顯著。僅2014年廣東省CO2排放減少607.8萬噸。

表6中，工業(yè)能源消費占比在回歸模型中顯著正相關(guān)（1%水平），其中江蘇、湖北、湖南等工業(yè)能源消費占比對CO2排放量影響較大。各省工業(yè)能源消費占比增加1%，CO2排放量分別增加0.83%、0.55%、0.43%。這需要工業(yè)項目建設(shè)審批中特別關(guān)注能源消耗與排放水平，推廣清潔生產(chǎn)技術(shù)，開展工業(yè)部門清潔生產(chǎn)強(qiáng)制審核，從而削減和控制工業(yè)行業(yè)CO2排放。

表6中，可再生能源占比對CO2排放量影響省區(qū)是四川和內(nèi)蒙古，可再生能源占比增加1%，CO2排放量分別減少0.59%、0.55%。四川水電資源豐富，已經(jīng)形成“三江七片兩線”的水電基地格局。2014年四川省水力發(fā)電2341.3億千瓦時，占全省當(dāng)年發(fā)電量的97.93%。由于豐富的風(fēng)力資源條件以及固定上網(wǎng)電價和補(bǔ)貼的政策扶持，內(nèi)蒙古風(fēng)電產(chǎn)業(yè)快速發(fā)展，2014年風(fēng)力發(fā)電量386.2億千瓦時，規(guī)模居全國第1位。但在可再生能源基地發(fā)展過程中，也存在著因為發(fā)電產(chǎn)能階段性過剩問題，表現(xiàn)在2014年，四川的“棄水”電量，內(nèi)蒙古的“棄風(fēng)”電量分別為97億千瓦時，35億千瓦時。

四、結(jié)論

基于中國在全球氣候大會上的CO2排放峰值的承諾背景，為分析中國CO2排放的時間與空間規(guī)律，本文采集了30個省區(qū)2000-2014年的CO2排放量以及包括GDP、工業(yè)經(jīng)濟(jì)部門能源消費、可再生能源、能源強(qiáng)度等在內(nèi)的排放因子數(shù)據(jù)，通過線性面板計量經(jīng)濟(jì)模型，研究了CO2排放量與排放因子之間的長期趨勢，結(jié)論如下：

1. 從時間視域考察，受經(jīng)濟(jì)增長的正向影響，中國CO2排放量一直處于上升趨勢。但隨著經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型以及工業(yè)部門的技術(shù)進(jìn)步，經(jīng)濟(jì)增長對CO2排放量增幅影響明顯收窄，這為中國2030年實現(xiàn)排放峰值目標(biāo)提供了證據(jù)。

2. 從空間視域分析，由于各省區(qū)資源條件及經(jīng)濟(jì)增長方式的差異，影響CO2排放量的主要因子可能不同，因而需要采取針對性強(qiáng)的減排策略。工業(yè)部門能源消費多的省區(qū)，要抓緊淘汰落后產(chǎn)能，發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)；能源強(qiáng)度大的省區(qū)，應(yīng)該加大節(jié)能技術(shù)創(chuàng)新力度，提高能源效率；可再生能源資源豐富的省區(qū)，由于消納困境而不得不棄風(fēng)、棄光、棄水，這就要按照新修訂的《可再生能源法》的要求，加強(qiáng)區(qū)域協(xié)作，擴(kuò)大可再生能源利用范圍，實現(xiàn)可再生能源的全額收購[22]。

3.由于影響CO2排放的因子存在時間與空間差異性，各省區(qū)的CO2減排行動需要在中國碳排放承諾目標(biāo)的統(tǒng)一指引下，根據(jù)自身資源條件，推動低碳政策與經(jīng)濟(jì)、能源政策形成政策組合，有效解決氣候變化帶來的一系列挑戰(zhàn)。

參考文獻(xiàn)：

[1]武紅，谷樹忠，關(guān)興良，魯莎莎.中國化石能源消費碳排放與經(jīng)濟(jì)增長關(guān)系研究＼[J＼].自然資源學(xué)報，2013，03：381-390.

＼[2＼]Jaunky V C.The CO2 emissionsincome nexus： evidence from rich countries＼[J＼].Energy Policy，2011，39 （3）：1228-1240.

＼[3＼]胡宗義，唐偉李，蘇靜.開放條件下CO2排放的非參數(shù)APLM研究＼[J＼].財經(jīng)理論與實踐，2012，33（6）：76-80.

＼[4＼]Piaggio M，Padilla E.CO2 emissions and economic activity： heterogeneity across countries and nonstationary series ＼[J＼].Energy Policy，2012，46：370-381.

＼[5＼]Ozturk I.A literature survey on energygrowth nexus ＼[J＼].Energy Policy 2010，38 （1）：340-349.

＼[6＼]熊曦.區(qū)域工業(yè)發(fā)展與碳排放的脫鉤關(guān)系分析——基于2006-2013年湖南的實際情況＼[J＼].財經(jīng)理論與實踐，2015，36（198）：120-125.

＼[7＼]Lee C C， Chang C P.Energy consumption and economic growth in Asian economies： a more comprehensive analysis using panel data ＼[J＼].Resource and Energy Economics，2008，30（1）：50-65.endprint

＼[8＼]Wing I S.Explaining the declining energy intensity of the US economy＼[J＼].Resource and Energy Economics，2008，30 （1）：21-49.

＼[9＼]何建坤.CO2排放峰值分析：中國的減排目標(biāo)與對策＼[J＼].中國人口資源與環(huán)境，2013，23（12）：1-9.

＼[10＼]Sadorsky P .The effect of urbanization on CO2 emissions in emerging economies ＼[J＼].Energy Economics，2014，41：147-153.

[11]周慶元，陳海龍.能源消費、能源生產(chǎn)與經(jīng)濟(jì)增長的關(guān)聯(lián)特征——基于1995-2012年數(shù)據(jù)的實證研究[J].內(nèi)蒙古社會科學(xué)（漢文版），2015（2）：101-105.

＼[12＼]吳玉萍.河南城鎮(zhèn)化進(jìn)程中碳鎖定的形成機(jī)制及解鎖策略研究＼[J＼].河南師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2016，43（3）：73-76.

[13]徐志偉，常旭蕊.投資增長加重了中國工業(yè)二氧化硫的排放嗎——基于空間面板模型的總量判斷與結(jié)構(gòu)比較[J].貴州財經(jīng)大學(xué)學(xué)報，2016（2）：90-99.

＼[14＼]Apergis N，Payne J E，Menyah K，WoldeRufael Y.On the casual dynamics between emissions， nuclear energy， renewable energy， and economic growth ＼[J＼].Ecol Econ 2010，（69）：2255-2260.

＼[15＼]Chiu C L，Chang T H.What proportion of renewable energy supplies is needed to initially mitigate CO2 emissions in OECO member countries ＼[J＼].Renewable and Sustainable Energy Reviews，2009，13（6-7）：1669-1674.

＼[16＼]Metcalf G E.An empirical analysis of energy intensity and its determinants at the state level ＼[J＼].Energy J.，2008，29 （3） ：1-26.

[17]謝志明，謝青青，易玄.綠角供應(yīng)鏈管理對制造企業(yè)績效的影響[J].財經(jīng)理論與實踐，2015（1）：111-116.

[18]焦翠紅，李秀敏.經(jīng)濟(jì)增長、節(jié)能減排與區(qū)域產(chǎn)生結(jié)構(gòu)優(yōu)化[J].稅務(wù)與經(jīng)濟(jì)，2015（2）：7-15.

＼[19＼] Nillesen P H L， Haffner R C G， Ozbugday F C.A global perspective on the longterm impact of increased energy efficiency ＼[J＼].Energy Efficiency， 2013， Pages 87-110.

[20]周躍云.城市規(guī)模以上工業(yè)碳排放的行業(yè)差異研究——以長沙市為例[J].求索，2016（4）：112-117.

[21]張玉婷.政府競爭機(jī)制對區(qū)域碳排放量影響的研究[J].哈爾濱商業(yè)大學(xué)學(xué)報：社會科學(xué)版，2016（6）：38-45.

[22]周四軍，封黎.我國能源效率與經(jīng)濟(jì)增長關(guān)系研究——基于PSTR模型的實證[J].湖南大學(xué)學(xué)報（社會科學(xué)版），2016（2）：81-86.

（責(zé)任編輯：鐘瑤）

Abstract：The linear panel measurement method was used to analyze the data of CO2 emission factors in 30 provinces in China during 20002014. The results of the empirical study are obtained as follows. Energy consumption is an important factor leading to the increase of CO2 emissions in the industrial sector； there is a significant correlation between energy intensity and CO2 emissions and longterm equilibrium； energy intensity decreased by 1%， CO2 emissions will be reduced by 0.22%； renewable energy to replace fossil fuels has a longterm inhibition of CO2 emissions， renewable energy accounts for each increase of 1%， CO2 emissions will be reduced by 0.48%. This paper also puts forward some suggestions on how to change the mode of economic growth and realize the strategy of energy transformation， including improving energy efficiency and renewable energy.

Key words：economic growth； energy efficiency； renewable energy alternative； CO2 emissionsendprint