政府支出與碳排放的影響因素分析
——基于STIRPAT拓展模型的面板實證

2018-11-02 03:56:14劉書玲曹慶仁

中國煤炭 2018年10期

劉書玲曹慶仁,2 鄭衛(wèi)

(1.中國礦業(yè)大學(xué)管理學(xué)院，江蘇省徐州市，221116；2.江蘇能源經(jīng)濟(jì)管理研究基地，江蘇省徐州市，221116)

在2009年哥本哈根氣候大會上，我國承諾2020年單位GDP碳排放較2005年將減少40%～45%。但相關(guān)報告已指出，中國的碳排放量已經(jīng)達(dá)到了100億t，總量連續(xù)多年居全球首位。工業(yè)是使用化石燃料的重點行業(yè)，是碳排放的主要貢獻(xiàn)者。工業(yè)4.0時代背景下，我國成為世界上最大的機(jī)械制造國，以工業(yè)產(chǎn)值計算，我國已經(jīng)成為全球最大的工業(yè)國，生產(chǎn)出了接近全世界一半的主要工業(yè)品。工業(yè)4.0為我國制造業(yè)創(chuàng)造了眾多機(jī)遇與盈利，但同時也給我國環(huán)境帶來一些危害，為緊跟工業(yè)4.0的步伐，我國制造業(yè)在加大技術(shù)投入、轉(zhuǎn)型升級的過程中，必然會加大能源消耗，最終導(dǎo)致碳排放的增加。因此在工業(yè)4.0時代背景下，研究工業(yè)省(市)碳排放的影響因素，對我國實現(xiàn)減排承諾而言至關(guān)重要。

STIRPAT模型一直是研究環(huán)境問題的主流手段之一。黃蕊、王錚等(2016)利用STIRPAT模型，定量分析江蘇省能源消費碳排放量與人口、富裕度、技術(shù)進(jìn)步和城鎮(zhèn)化水平之間的關(guān)系；張麗峰(2015)基于STIRPAT模型，構(gòu)建狀態(tài)空間模型，定量分析了北京市1980-2011 年的人口規(guī)模、人口城市化結(jié)構(gòu)、居民消費與經(jīng)濟(jì)規(guī)模4個變量對碳排放隨時間變化的動態(tài)影響；朱勤等(2010)從消費壓力人口因素出發(fā)探討碳排放，利用擴(kuò)展后的STIRPAT模型分析居民消費水平、人口城市化率、人口規(guī)模3個因素對我國碳排放的影響；馬素琳等(2016)通過拓展后的STIRPAT模型(加入能源消費需求、工業(yè)化水平和產(chǎn)業(yè)集聚度)，分析我國30個省份和直轄市2003-2012年的面板數(shù)據(jù)，最后得出：城市規(guī)模與集聚程度對空氣質(zhì)量有不同的影響。另一部分學(xué)者將STIRPAT模型應(yīng)用到工業(yè)中，如何小鋼(2012)、任曉松(2014)、肖宏偉等(2013)基于STIRPAT模型研究工業(yè)碳排放的影響因素，其中何小鋼(2012)基于改進(jìn)的STIRPAT模型，利用動態(tài)面板數(shù)據(jù)實證，發(fā)現(xiàn)投資規(guī)模與碳排放顯著正相關(guān)，政府節(jié)能減排政策有助于降低碳排放；任曉松等(2014)基于STIRPAT模型的基礎(chǔ)確定中國工業(yè)碳排放的影響因素為人口規(guī)模、人均工業(yè)產(chǎn)值和工業(yè)技術(shù)水平，并采用灰色預(yù)測模型對碳排放進(jìn)行預(yù)測，結(jié)果表明：人均工業(yè)產(chǎn)值對工業(yè)碳排放影響最大；肖宏偉等(2013)從區(qū)域?qū)用鏄?gòu)建了工業(yè)排放驅(qū)動因素的擴(kuò)展STIRPAT模型，考察各驅(qū)動因素對區(qū)域工業(yè)碳排放規(guī)模和碳排放強(qiáng)度的影響，實證發(fā)現(xiàn)驅(qū)動因素通過直接和間接途徑影響碳排放。

雖然許多學(xué)者利用STIRPAT模型及其變形，針對工業(yè)碳排放的影響因素做出了很多貢獻(xiàn)，但很少有人考慮到政府因素對碳排放的影響。胡宗義(2014)已通過實證研究發(fā)現(xiàn)：政府公共支出對碳排放具有負(fù)向的直接作用和正向的積極作用，但在均衡收入水平下，總效應(yīng)為正，使得政府公共支出對碳排放不具有減排效應(yīng)；Tian從區(qū)域?qū)用嫜芯恐袊寂欧?，最后發(fā)現(xiàn)政府行為導(dǎo)致的碳排放在總碳排放中占比9%；Meng等根據(jù)投入產(chǎn)出模型，從消費端出發(fā)研究天津、重慶、北京、上海4個特大城市的碳排放，證明了北京市的政府開支是當(dāng)?shù)靥寂欧抛畲蟮呢暙I(xiàn)者。綜上可知，政府因素應(yīng)是當(dāng)?shù)靥寂欧诺闹饕绊懸蛩刂?，故本文在以上學(xué)者的研究基礎(chǔ)上，構(gòu)建STIRPAT模型的拓展模式(加入政府因素)，利用8省(市)1996-2015年的相關(guān)面板數(shù)據(jù)，探究工業(yè)碳排放的影響因素。

1 STIRPAT模型和研究方法

IPAT模型是早期研究環(huán)境問題時較常使用的一個模型，其將人為驅(qū)動力與環(huán)境問題爭論的核心問題結(jié)合形成了一個分析框架。國家或地區(qū)對環(huán)境和生態(tài)系統(tǒng)的影響(I)都是其人口數(shù)量(P)和富裕水平(A)的產(chǎn)物，并被支持這種富裕程度的特定技術(shù)(T)所破壞，即I=PAT。但是IPAT模型往往只是改變一個因素，保持其他因素不變來研究其對環(huán)境的影響，因變量對自變量的彈性等于1，其結(jié)果是因變量的等比例影響，在如今復(fù)雜的社會環(huán)境中存在很大的局限性。為了克服IPAT模型的不足，Dietz 等人在IPAT模型的基礎(chǔ)上提出了STIRPAT模型，其標(biāo)準(zhǔn)形式為：

I=aPbAcTde

(1)

式中：I、P、A、T——環(huán)境影響、人口因素、富裕程度和技術(shù)水平；

a——模型系數(shù)；

b、c、d——各自變量指數(shù)；

e——誤差(除P、A、T外的所有影響碳排放量的因素)。

在實際研究中，需對模型(1)進(jìn)行對數(shù)化處理，模型變?yōu)椋?/p>

lnI=lna+blnP+clnA+dlnT+lne

(2)

某一地區(qū)內(nèi)的政府支出在總支出中所占的比重較大，其對當(dāng)?shù)丨h(huán)境的影響不容忽視，故本文考慮到政府對環(huán)境的影響，參考馬素琳(2016)、周彥楠等(2017)關(guān)于STIRPAT模型的拓展方法，將政府因素引入到模型(2)，則模型(2)變?yōu)椋?/p>

(3)

式中：G——政府因素；

f——政府對環(huán)境的影響指數(shù)。

本文選取人口總量、城鎮(zhèn)化率、人均GDP、能源強(qiáng)度、政府支出5個變量對碳排放進(jìn)行分析。其中，人口總量、城鎮(zhèn)化率作為反映人口因素的指標(biāo)；人均GDP(反映居民消費水平)是評價經(jīng)濟(jì)發(fā)展的重要指標(biāo)，故將其作為反映富裕程度的指標(biāo)；能源強(qiáng)度作為反映技術(shù)水平的指標(biāo)；政府支出作為反映政府因素的指標(biāo)。STIRPAT模型變量分析圖見圖1。由于篇幅限制，本文僅對能源強(qiáng)度和政府支出指標(biāo)進(jìn)行分析。

(1)能源強(qiáng)度，是一個國家或地區(qū)在一定時間內(nèi)的單位產(chǎn)值所消費的能源量，是能源綜合利用效率和能源經(jīng)濟(jì)效益的重要指標(biāo)，反映了一個國家或地區(qū)的技術(shù)水平。其計算公式為：能源強(qiáng)度=能源消費總量/實際GDP。

(2)政府支出，是指一個國家或地區(qū)為了完成其公共職能，對購買的所需商品和勞務(wù)進(jìn)行的各種財政資金的支付活動，是政府必須向社會付出的成本。

圖1 STIRPAT模型變量分析圖

由上述分析可得，模型(3)變?yōu)椋?/p>

(4)

式中：I——碳排放量；

P1、P2——人口總量、城鎮(zhèn)化率；

A——人均GDP；

T——能源強(qiáng)度；

G——政府支出。

因為P2取的是百分?jǐn)?shù)，若取對數(shù)形式則失去了經(jīng)濟(jì)意義，故保留了其原來形式。

2 實證分析

2.1 數(shù)據(jù)來源

本文分別選取了4個以輕工業(yè)為主的省(市)和4個以重工業(yè)為主的省(市)：江蘇省、浙江省、廣東省、上海市、山東省、遼寧省、黑龍江省、北京市，其中江蘇省、浙江省、廣東省和上海市等長三角地區(qū)及珠三角地區(qū)主要發(fā)展輕工業(yè)，山東省、遼寧省、黑龍江省和北京市主要發(fā)展重工業(yè)。通過分析以上8省(市)1996-2015年的面板數(shù)據(jù)，研究我國工業(yè)碳排放量的影響因素。碳排放量計算公式主要參考《2006年國家溫室氣體清單指南》及員開奇等(2014)的研究成果：

(5)

式中：I——碳排放量；

Energyi——第i種能源的消費量(已折算成標(biāo)準(zhǔn)煤)，由于我國二氧化碳主要通過化石能源的燃燒產(chǎn)生，則本文碳排放量的核算主要考慮煤炭、石油、天然氣，其消費量來源于《國家統(tǒng)計年鑒》；

βi——第i種能源的碳排放系數(shù)，本文參考國際上較權(quán)威的機(jī)構(gòu)所發(fā)布的碳排放系數(shù)數(shù)據(jù)，并采取各數(shù)據(jù)的平均值進(jìn)行計算，見表1。

表1 碳排放系數(shù)表

能源消費總量來源于各年《能源統(tǒng)計年鑒》，政府支出用政府一般預(yù)算支出表示，其與人口規(guī)模、人口結(jié)構(gòu)及GDP等數(shù)據(jù)來源于各年《國家統(tǒng)計年鑒》、《各省統(tǒng)計年鑒》及《新中國60年統(tǒng)計資料匯編》，其中GDP數(shù)據(jù)根據(jù)平減指數(shù)法已經(jīng)剔除了價格影響因素(1996=100)。

2.2 結(jié)果分析

2.2.1 政府一般預(yù)算支出與碳排放

1996年以來上述8省(市)的政府一般預(yù)算支出情況如圖2所示，一般預(yù)算支出總體上保持不斷增長的趨勢。對比而言，每年廣東省的政府一般預(yù)算支出最大，黑龍江省的政府一般預(yù)算支出最小。1996年廣東省的政府一般預(yù)算支出為601.23億元，2015年上升到12827.8億元，增長了2033.59%；1996年黑龍江省的政府一般預(yù)算支出為208.88億元，2015年上升到4020.66億元，增長了1824.87%。1996-2015年，江蘇省、浙江省、山東省、遼寧省、北京市和上海市的政府一般預(yù)算支出也保持著高增長的趨勢。

圖2 8省(市)政府一般預(yù)算支出情況

1996年以來上述8省(市)的碳排放情況如圖3所示，其總量保持不斷增長的趨勢。山東省的碳排放量最大，增長最為迅猛，1996年碳排放量為8025.167萬t，2015年上升到34560.95萬t，增長了330.62%。2002年以前江蘇省、遼寧省、廣東省、浙江省和黑龍江省的碳排放量較平穩(wěn)，2002年急劇增加，之后增長速度有所下降，但仍然保持不斷增長的趨勢。上海市和北京市的碳排放增長速度相比其他6省而言較為平緩。

圖3 8省(市)碳排放情況

結(jié)合圖2和圖3分析總體趨勢可以發(fā)現(xiàn)：1996-2002年，8省(市)的政府一般預(yù)算支出在1996-2002年緩慢增加，期間碳排放量無明顯變化；2002年后，8省(市)的政府一般預(yù)算支出增長加速，在2015年前一直保持明顯的增長趨勢，其碳排放量(除北京市、上海市)在2002年開始明顯增長，2015年前一直保持高速增長的趨勢。

2.2.2 Hausman檢驗

在運用面板數(shù)據(jù)進(jìn)行STIRPAT模型的構(gòu)建前，首先應(yīng)考慮個體可能存在的特殊效應(yīng)對估計方法的影響。一般用隨機(jī)誤差項公式μit=αi+εit分析個體的特殊效應(yīng)，其中αi表征個體特殊效應(yīng)，反映了不同個體間的差別，根據(jù)αi是否為固定的常數(shù)，分為固定效應(yīng)模型(Fixed Effect Model)和隨機(jī)效應(yīng)模型(Random Effect Model)。Hausman等學(xué)者認(rèn)為隨機(jī)效應(yīng)模型優(yōu)于固定效應(yīng)模型，固定效應(yīng)模型在估計時會損失較多的自由度，但隨機(jī)效應(yīng)模型在實際運用中可能因為忽略一些變量，而滿足不了“隨機(jī)變化的個體影響與模型中的解釋變量不相關(guān)”的前提假設(shè)。故在利用面板數(shù)據(jù)進(jìn)行STIRPAT建模時應(yīng)在固定效應(yīng)模型和隨機(jī)效應(yīng)模型之間進(jìn)行選擇，本文運用Hausman提出的一種嚴(yán)格的統(tǒng)計檢驗方法——Hausman檢驗對其進(jìn)行判斷，其原假設(shè)是：隨機(jī)效應(yīng)模型中個體影響與解釋變量不相關(guān)(即選擇隨機(jī)效應(yīng)模型)。Hausman檢驗結(jié)果見表2。

表2 Hausman檢驗結(jié)果

注：χ2值為Hausman檢驗的統(tǒng)計量值，括號內(nèi)為對應(yīng)的臨界值，***表示在1%的顯著性水平下拒絕原假設(shè)

由表2可知，8省(市)20年間的Hausman檢驗的χ2統(tǒng)計量值大于其臨界值，且在1%的顯著性水平下顯著，則拒絕原假設(shè)，接受備擇假設(shè)，即認(rèn)為隨機(jī)效應(yīng)模型中個體影響與解釋變量相關(guān)，故本文在運用面板數(shù)據(jù)進(jìn)行STIRPAT建模時選擇固定效應(yīng)模型。

2.2.3 回歸結(jié)果

本文根據(jù)STIRPAT模型，利用EViews 8軟件對數(shù)據(jù)進(jìn)行回歸，結(jié)果見表3。

由表3可知，常數(shù)項C通過了10%的顯著性水平檢驗，其他變量都通過了1%的顯著性水平檢驗，各變量系數(shù)的檢驗都拒絕原假設(shè)，且調(diào)整R2的值和模型的F值都較大，表明模型擬合效果較好，即模型(4)能較好地描述碳排放與各變量的關(guān)系，其具體表現(xiàn)形式為：

(6)

分析系數(shù)發(fā)現(xiàn)，城鎮(zhèn)化、人均GDP、能源結(jié)構(gòu)和政府一般預(yù)算支出的增加都會促進(jìn)當(dāng)?shù)氐奶寂欧旁黾?，而人口總量的增加并不一定會?dǎo)致碳排放增加。其中，政府一般預(yù)算支出對碳排放的影響最大，能源結(jié)構(gòu)的影響次之，政府一般預(yù)算支出每增加1%，碳排放將增加11.97%，政府支出對碳排放的影響不可忽視，能源強(qiáng)度每增加1%，碳排放將增加0.89%。城鎮(zhèn)化率和人均GDP每增加1%，碳排放將分別增加0.35%和0.16%。嚴(yán)格把控、合理利用政府支出可以有效減少二氧化碳的排放，提高科學(xué)技術(shù)水平、降低能源強(qiáng)度。

表3 普通最小二乘法估計結(jié)果

注：*、***分別表示在10%、1%的顯著性水平下拒絕原假設(shè)，adjust-R2表示調(diào)整后的判定系數(shù)，F(xiàn)值指模型整體的F統(tǒng)計值

3 結(jié)論與啟示

(1)政府一般預(yù)算支出與碳排放在總體上具有類似的變化趨勢。政府一般預(yù)算支出和碳排放在1996-2002年間都無顯著變化，2002年后快速增加，并一直保持高速增長的趨勢。

(2)城鎮(zhèn)化率、人均GDP、能源結(jié)構(gòu)和政府一般預(yù)算支出的增加會促進(jìn)當(dāng)?shù)靥寂欧诺脑黾?。城?zhèn)化率、人均GDP、能源結(jié)構(gòu)和政府一般預(yù)算支出每變化1%，碳排放會同方向變化0.35%、0.16%、0.89%和11.97%，其中政府一般預(yù)算支出對碳排放的影響最大。