長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)碳排放與經(jīng)濟(jì)增長(zhǎng)實(shí)證分析
——基于彈性脫鉤模型

邢 紅

(南通師范高等專(zhuān)科學(xué)校,江蘇 南通 226500)

1 引言

能源消費(fèi)與經(jīng)濟(jì)增長(zhǎng)關(guān)系始終是經(jīng)濟(jì)學(xué)領(lǐng)域關(guān)注的熱點(diǎn)。經(jīng)濟(jì)發(fā)展促使人們對(duì)能源消費(fèi)的依賴(lài)不斷增強(qiáng),造成了能源的過(guò)度消耗和大量的碳排放,既影響了經(jīng)濟(jì)的健康發(fā)展,又不利于生態(tài)環(huán)境的保護(hù)。

因此,考察能源消費(fèi)、碳排放、經(jīng)濟(jì)增長(zhǎng)三者之間的復(fù)雜關(guān)系逐漸成為學(xué)術(shù)界的研究熱點(diǎn)。本文借助NoteExpress軟件,在CNKI上分別以“能源消費(fèi)、碳排放、經(jīng)濟(jì)增長(zhǎng)”為關(guān)鍵詞和篇名,共搜索到114篇文獻(xiàn),其中刊文量最高的是《統(tǒng)計(jì)與決策》,為7篇;其次是《生態(tài)經(jīng)濟(jì)》、《長(zhǎng)江流域資源與環(huán)境》,均為4篇;第三是《資源科學(xué)》、《科技管理研究》、《河北經(jīng)貿(mào)大學(xué)學(xué)報(bào)》、《干旱區(qū)資源與環(huán)境》、《工業(yè)技術(shù)經(jīng)濟(jì)》等,均為3篇。共有81篇論文，累計(jì)受180項(xiàng)各級(jí)各類(lèi)基金資助,有關(guān)能源消費(fèi)、碳排放與經(jīng)濟(jì)增長(zhǎng)的研究已取得豐碩成果。

從研究方法看,定量考察能源消費(fèi)、碳排放與經(jīng)濟(jì)增長(zhǎng)三者關(guān)系的理論模型越來(lái)越多,主要有:①以EKC模型、Grange因果檢驗(yàn)?zāi)Ｐ蜑榇淼挠?jì)量經(jīng)濟(jì)方法,主要對(duì)三者之間相互影響進(jìn)行對(duì)比分析。李金克等[1]利用EKC模型研究了我國(guó)經(jīng)濟(jì)增長(zhǎng)與碳排放量之間的關(guān)系,認(rèn)為我國(guó)將在2025年經(jīng)過(guò)庫(kù)茲尼茨曲線拐點(diǎn);牛叔文[2]、翟石艷等[3]分別以亞太8國(guó)、我國(guó)長(zhǎng)三角為研究對(duì)象,基于面板數(shù)據(jù)模型、ARDL和Granger模型進(jìn)行分析,認(rèn)為三者之間存在著長(zhǎng)期均衡關(guān)系。②以動(dòng)態(tài)CGE模型、投入—產(chǎn)出模型等投入—產(chǎn)出法,主要分析與預(yù)測(cè)各種因素對(duì)能源消費(fèi)、碳排放與經(jīng)濟(jì)增長(zhǎng)的影響。郭正權(quán)等[4]構(gòu)建動(dòng)態(tài)CGE模型對(duì)我國(guó)2007—2030年經(jīng)濟(jì)增長(zhǎng)、能源消費(fèi)與碳排放的發(fā)展趨勢(shì)與變化特征進(jìn)行了預(yù)測(cè),認(rèn)為在模擬期內(nèi)我國(guó)經(jīng)濟(jì)增長(zhǎng)速度逐漸放緩,能源強(qiáng)度和碳排放強(qiáng)度將不斷降低;付雪等[5]編制了能源—碳排放—經(jīng)濟(jì)地區(qū)間投入—產(chǎn)出表,應(yīng)用線性規(guī)劃方法給出經(jīng)濟(jì)增長(zhǎng)最大化和碳減排雙目標(biāo)下各地區(qū)分產(chǎn)業(yè)碳排放指標(biāo)與結(jié)構(gòu)調(diào)整規(guī)劃,模型結(jié)果表明應(yīng)削減能源消耗并將重工業(yè)轉(zhuǎn)移出中國(guó)地區(qū)。③將脫鉤模型與LMDI模型、Laspeyres等因素分解模型相結(jié)合,考察能源消費(fèi)結(jié)構(gòu)、能源強(qiáng)度、經(jīng)濟(jì)發(fā)展等因素對(duì)碳排放變化的貢獻(xiàn)。蓋美等[6]利用彈性脫鉤分析探討遼寧沿海經(jīng)濟(jì)帶能源碳排放與經(jīng)濟(jì)增長(zhǎng)的脫鉤關(guān)系及演變趨勢(shì),認(rèn)為遼寧沿海經(jīng)濟(jì)帶整體脫鉤關(guān)系從擴(kuò)張型負(fù)脫鉤向弱脫鉤轉(zhuǎn)變;劉博文等[7]運(yùn)用LMDI分解法和Tapio脫鉤指標(biāo)分析了我國(guó)區(qū)域產(chǎn)業(yè)增長(zhǎng)和CO2排放的脫鉤彈性和脫鉤努力程度,結(jié)果表明產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)調(diào)整仍是未來(lái)我國(guó)實(shí)現(xiàn)脫鉤的重要途徑;涂紅星等[8]基于Tapio模型,實(shí)證研究了我國(guó)工業(yè)經(jīng)濟(jì)增長(zhǎng)與碳排放的脫鉤關(guān)系,運(yùn)用LMDI方法將碳排放強(qiáng)度變化的主要因素分解為能源強(qiáng)度、能源結(jié)構(gòu)和工業(yè)結(jié)構(gòu)。

長(zhǎng)江經(jīng)濟(jì)帶橫跨我國(guó)東、中、西三大區(qū)域,包括上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州等11個(gè)省份,已成為我國(guó)除沿海開(kāi)放地區(qū)外經(jīng)濟(jì)密度最大的地帶。雖然2014年我國(guó)才正式提出長(zhǎng)江經(jīng)濟(jì)帶發(fā)展戰(zhàn)略,但眾多學(xué)者對(duì)長(zhǎng)江經(jīng)濟(jì)帶碳排放進(jìn)行了系統(tǒng)研究,主要集中在碳排放的核算及情景分析[9]、脫鉤狀態(tài)及驅(qū)動(dòng)因素[10]、空間關(guān)聯(lián)性[11]、區(qū)域差異與貢獻(xiàn)度[12]等方面。但目前基于能源消費(fèi)碳排放與經(jīng)濟(jì)增長(zhǎng)關(guān)系的研究不多,王健等[13]基于Tapio脫鉤模型與面板數(shù)據(jù)EKC曲線從經(jīng)濟(jì)增長(zhǎng)水平和增長(zhǎng)方式兩個(gè)維度檢驗(yàn)了長(zhǎng)江經(jīng)濟(jì)帶經(jīng)濟(jì)增長(zhǎng)與CO2排放之間的關(guān)系;黃勤等[14]利用LMDI模型將長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)碳排放的驅(qū)動(dòng)因素分解為經(jīng)濟(jì)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和能源結(jié)構(gòu)四大效應(yīng),并分析了碳排放的空間差異。這些研究成果對(duì)長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)、碳排放與經(jīng)濟(jì)增長(zhǎng)三者關(guān)系的研究奠定了良好的基礎(chǔ),但仍存在不足,主要是:①在核算碳排放時(shí)大多僅考慮了煤炭、石油、天然氣等少數(shù)幾種能源[1,14-16],或只測(cè)算了終端能源消費(fèi)及其引起的直接碳排放,忽略了電力、熱力加工轉(zhuǎn)化的能源消費(fèi)與間接碳排放,導(dǎo)致碳排放量估算偏小或不精確;②既往研究主要著眼于對(duì)歷史時(shí)期能源消費(fèi)與經(jīng)濟(jì)增長(zhǎng)關(guān)系的脫鉤分析,而對(duì)未來(lái)脫鉤發(fā)展趨勢(shì)研究偏少。本文試圖克服既往研究的不足,全面估算長(zhǎng)江經(jīng)濟(jì)帶生產(chǎn)、生活能源消費(fèi)的碳排放量,基于彈性脫鉤模型研究能源消費(fèi)、碳排放與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系，借助等維灰色遞補(bǔ)GM(1,1)模型對(duì)未來(lái)長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)碳排放與經(jīng)濟(jì)增長(zhǎng)的脫鉤關(guān)系進(jìn)行預(yù)測(cè),為實(shí)現(xiàn)長(zhǎng)江經(jīng)濟(jì)帶“生態(tài)優(yōu)先、綠色發(fā)展”提供針對(duì)性的建議。

2 研究方法與數(shù)據(jù)

2.1 碳排放量核算

由于我國(guó)目前尚未建立有關(guān)碳排放量的統(tǒng)計(jì)體系,因此無(wú)法直接獲取長(zhǎng)江經(jīng)濟(jì)帶碳排放量的相關(guān)數(shù)據(jù),本文借鑒IPCC推薦的方法,根據(jù)能源消費(fèi)數(shù)量與能源碳排放系數(shù)進(jìn)行估算。2010年,由于各省市地區(qū)能源平衡表內(nèi)容發(fā)生了重大變化,根據(jù)《中國(guó)能源統(tǒng)計(jì)年鑒》統(tǒng)計(jì)口徑,參照萬(wàn)慶等[17]做法對(duì)相關(guān)能源種類(lèi)進(jìn)行了適當(dāng)合并,并扣除終端能源消費(fèi)量中用于工業(yè)原料或材料的能源消費(fèi)(未直接燃燒產(chǎn)生的碳排放)。本研究核算的能源種類(lèi)包括:原煤、洗精煤、其他洗煤、型煤、焦炭、焦?fàn)t煤氣、其他煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣、天然氣、熱力、電力和其他等18種能源。

表1 各能源折標(biāo)系數(shù)與碳排放系數(shù)

注:折標(biāo)系數(shù)來(lái)源于2016年《中國(guó)能源統(tǒng)計(jì)年鑒》,除其他能源外,各能源碳排放系數(shù)取自參考文獻(xiàn)[19-21]中的平均值。

根據(jù)IPCC《國(guó)家溫室氣體排放清單指南》中碳排放計(jì)算方法,長(zhǎng)江經(jīng)濟(jì)帶碳排放計(jì)算公式為:

(1)

式中,C為CO2排放總量(t);Eij為第i部門(mén)第j種能源的實(shí)物消費(fèi)量(t);αj為第j種能源折標(biāo)系數(shù)(kgce/kg,氣體為kgce/m3);βj為第j種能源碳排放系數(shù)(kg/kgce),各能源折標(biāo)系數(shù)、碳排放系數(shù)見(jiàn)表1。

對(duì)電力和熱力的碳排放系數(shù),本文借鑒查建平等[22]的計(jì)算方法,采用式(2)與式(3)進(jìn)行折算:

(2)

(3)

2.2 脫鉤模型構(gòu)建

較常用的脫鉤評(píng)價(jià)模型主要有Tapio模型和OECD模型。與OECD模型相比,Tapio模型對(duì)時(shí)間基期選擇要求低、不需要大量的基礎(chǔ)數(shù)據(jù)支持、可定量描述經(jīng)濟(jì)增長(zhǎng)與碳排放的相互關(guān)系等優(yōu)點(diǎn),能清晰地反映各要素的脫鉤狀態(tài),目前已在資源消耗、碳排放與經(jīng)濟(jì)增長(zhǎng)的關(guān)系研究中得到廣泛應(yīng)用[6,10]。

表2 Tapio脫鉤效應(yīng)模型的8種脫鉤關(guān)系

基于Tapio指數(shù)的一般形式[23],本文定義能源消費(fèi)碳排放與經(jīng)濟(jì)增長(zhǎng)的脫鉤指數(shù)表達(dá)式為:

(4)

式中,ε為彈性脫鉤指數(shù);C為CO2排放量;ΔC為當(dāng)期相對(duì)于上期CO2排放的變化量;G為地區(qū)國(guó)民生產(chǎn)總值;ΔG為當(dāng)期相對(duì)于上期地區(qū)生產(chǎn)總值的變化量。根據(jù)脫鉤彈性指數(shù)的不同特征,將脫鉤狀態(tài)分為8種類(lèi)型(表2)。一般認(rèn)為,實(shí)現(xiàn)經(jīng)濟(jì)低碳化發(fā)展的最理想狀態(tài)是強(qiáng)脫鉤狀態(tài),其余7種狀態(tài)均屬于不可持續(xù)發(fā)展?fàn)顟B(tài)。

2.3 等維遞補(bǔ)GM(1,1)灰色預(yù)測(cè)模型

本文構(gòu)建等維遞補(bǔ)GM(1,1)預(yù)測(cè)模型分別對(duì)2016—2025長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)碳排放與經(jīng)濟(jì)增長(zhǎng)三個(gè)子系統(tǒng)進(jìn)行預(yù)測(cè),通過(guò)預(yù)測(cè)分析未來(lái)10年碳排放脫鉤效應(yīng)所折射出的碳排放與經(jīng)濟(jì)增長(zhǎng)之間的變化。GM(1,1)模型是對(duì)原始數(shù)據(jù)進(jìn)行處理,使其由不平穩(wěn)的隨機(jī)數(shù)列轉(zhuǎn)變?yōu)橛幸?guī)律的時(shí)間數(shù)列,并在此基礎(chǔ)上建立模型。

對(duì)原始數(shù)據(jù)做一次累加生成處理:設(shè)原始數(shù)據(jù)x(0)=(x(0)(1),x(0)(2),x(0)(3),…x(0)(n)),對(duì)其進(jìn)行一次累加,得:

x(1)=(x(1)(1),x(1)(2),x(1)(3),…x(1)(n))

(5)

對(duì)灰色預(yù)測(cè)模型GM(1,1)進(jìn)行事前檢驗(yàn),即對(duì)x(0)進(jìn)行準(zhǔn)光滑性檢驗(yàn)、對(duì)x(1)進(jìn)行準(zhǔn)指數(shù)規(guī)律檢驗(yàn),只有通過(guò)上述兩個(gè)檢驗(yàn),才能建立有效的GM(1,1)模型。

建立GM(1,1)方程：

(6)

式中,a、u為常數(shù),可通過(guò)最小二乘法擬合得到。

(7)

式中,Y為列向量Y=[x(0)(2),x(0)(3),…x(0)(n)]T,B為構(gòu)造數(shù)據(jù)矩陣。

(8)

(9)

(10)

(11)

當(dāng)p≥0.95且c≤0.35時(shí),模型預(yù)測(cè)精度為一級(jí);當(dāng)0.8≤p<0.95且0.35≤c<0.5時(shí),模型預(yù)測(cè)精度為二級(jí);當(dāng)0.7≤p<0.8且0.5≤c<0.65時(shí),模型預(yù)測(cè)精度為勉強(qiáng);當(dāng)p≤0.7且c≥0.65時(shí),模型預(yù)測(cè)精度為不合格,此時(shí)不能用來(lái)進(jìn)行預(yù)測(cè),必須用殘差序列建模進(jìn)行修正才能保證預(yù)測(cè)精度。因?yàn)镚M(1,1)模型中的灰參數(shù)估計(jì)值一旦被確定以后,則不再改變,因此其動(dòng)態(tài)時(shí)變性質(zhì)被忽視,故該模型一般只適用于短期預(yù)測(cè),遠(yuǎn)期預(yù)測(cè)效果不夠理想。為提高GM(1,1)模型的預(yù)測(cè)效果,本文采用等維遞補(bǔ)GM(1,1)模型。預(yù)測(cè)原理是在建立模型時(shí)可先通過(guò)精度最好的GM(1,1)模型預(yù)測(cè)一個(gè)值,再將其補(bǔ)充到已知的原始數(shù)列{X(0)}中去,同時(shí)去掉X(0)(1)使序列保持等維,然后用新數(shù)列按照上述方法對(duì)下一個(gè)值進(jìn)行預(yù)測(cè),逐個(gè)滾動(dòng)直到完成預(yù)測(cè)目標(biāo),以此通過(guò)時(shí)間推移使未來(lái)的擾動(dòng)因素不斷進(jìn)入系統(tǒng),從而對(duì)系統(tǒng)施加影響。因?yàn)榭紤]到與預(yù)測(cè)期接近的數(shù)據(jù)更為有效,因此該模型預(yù)測(cè)精度一般比全數(shù)據(jù)GM(1,1)模型有顯著提高[24]。

2.4 數(shù)據(jù)來(lái)源及處理

本文所涉及的數(shù)據(jù)主要包括兩方面:碳排放測(cè)算與脫鉤特征分析。其中，碳排放測(cè)算中涉及到的18種能源消費(fèi)數(shù)據(jù)來(lái)源于1996—2016年的《中國(guó)能源統(tǒng)計(jì)年鑒》、《中國(guó)電力年鑒》、《新中國(guó)60年統(tǒng)計(jì)資料匯編》和長(zhǎng)江經(jīng)濟(jì)帶11省市的統(tǒng)計(jì)年鑒；脫鉤特征分析中涉及的11省市GDP數(shù)據(jù)、各產(chǎn)業(yè)數(shù)據(jù)均來(lái)自1996—2016年的《中國(guó)統(tǒng)計(jì)年鑒》和各省市的統(tǒng)計(jì)年鑒。為了使數(shù)據(jù)具有可比性,GDP以1995年為基期進(jìn)行平減,對(duì)少數(shù)缺失值利用SPSS采用線性插值法進(jìn)行補(bǔ)充。

3 實(shí)證分析

3.1 長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)碳排放變化趨勢(shì)

1995—2015年長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)量、能源消費(fèi)強(qiáng)度和根據(jù)式(1)估算的碳排放量及其碳排放強(qiáng)度變化趨勢(shì)見(jiàn)圖1。從圖1可見(jiàn),長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)量與碳排放量的變動(dòng)趨勢(shì)大體一致。1995—2012年長(zhǎng)江經(jīng)濟(jì)帶碳排放量逐年遞增,從1995年的32064.7萬(wàn)t上升到2012年的95775.64萬(wàn)t,年均增長(zhǎng)率為6.65%,后3年碳排放量基本穩(wěn)定,仍保持較高的碳排放水平。另一方面,1995—2015年碳排放強(qiáng)度和能源消費(fèi)強(qiáng)度均下降了60%以上,且兩者下降趨勢(shì)大體一致,表明長(zhǎng)江經(jīng)濟(jì)帶發(fā)展過(guò)程中的經(jīng)濟(jì)發(fā)展對(duì)能源的依賴(lài)程度在逐漸降低。

圖1 1995—2015年長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)及碳排放變動(dòng)

碳排放的產(chǎn)業(yè)差異:由圖2可知各產(chǎn)業(yè)碳排放量差異較大,工業(yè)碳排放量從1995年的23600.32萬(wàn)t上升到2015年的64227.90萬(wàn)t,占碳排放總量的70%左右;其次是生活能源消費(fèi)碳排放量,從1995年的4443.95萬(wàn)t上升到2015年的10157.83萬(wàn)t,占碳排放總量的10%,表明未來(lái)長(zhǎng)江經(jīng)濟(jì)帶碳減排應(yīng)著力關(guān)注工業(yè)和生活消費(fèi)兩大部門(mén)。此外,交通運(yùn)輸倉(cāng)儲(chǔ)和郵政業(yè)、其他三產(chǎn)、批發(fā)零售和餐飲住宿業(yè)的碳排放量雖然較少,但是1995—2015年碳排放增量均已達(dá)到5—6倍,增速在六大產(chǎn)業(yè)中分居前三位,表明第三產(chǎn)業(yè)的碳排放增長(zhǎng)不容忽視。

圖2 1995—2015長(zhǎng)江經(jīng)濟(jì)帶各產(chǎn)業(yè)碳排放

碳排放的能源品種差異:從圖3可知,在各能源消費(fèi)品種中電力和原煤碳排放占有絕對(duì)優(yōu)勢(shì),電力碳排放量從1995年的8117.24萬(wàn)t上升到2015年的28594.25萬(wàn)t,并且從2011年起一直維持在每年28000萬(wàn)t碳排放量的較高水平,年均增長(zhǎng)率為6.50%;其次是原煤,1995—2001年原煤略有下降,之后一直以3.74%的速度遞增,到2012年原煤碳排放量達(dá)到峰值的24361.75萬(wàn)t,近年來(lái)碳排放量下降基本維持在20000萬(wàn)t左右,兩者碳排放量仍超過(guò)總排放量的1/2以上。這主要是因?yàn)槲覈?guó)能源資源構(gòu)成中煤炭占比超過(guò)80%,電力中火電占比為80%左右,意味著以煤炭為主的能源資源構(gòu)成導(dǎo)致未來(lái)很長(zhǎng)時(shí)間內(nèi)碳排放量將居高不下。因此,必須采取有效措施推進(jìn)能源消費(fèi)結(jié)構(gòu)多樣化、提高優(yōu)質(zhì)能源消費(fèi)占比、改變化石能源的傳統(tǒng)使用方式,切實(shí)減少碳排放量,實(shí)現(xiàn)低碳生產(chǎn)、清潔生產(chǎn)。

圖3 1995—2015長(zhǎng)江經(jīng)濟(jì)帶各類(lèi)能源消費(fèi)碳排放

圖4 1995—2015長(zhǎng)江經(jīng)濟(jì)帶11省市能源消費(fèi)碳排放

碳排放的空間差異:由圖4可知,樣本期內(nèi)各省市碳排放總量呈上升趨勢(shì),年均增長(zhǎng)5.54%,2015年碳排放總量達(dá)到94225.44萬(wàn)t。其中,增幅位于前三位的依次是重慶(3.3倍)、江蘇和浙江(2.95倍),尤其是江蘇和浙江的碳排放量不但增速快,而且兩省的碳排放絕對(duì)值約占總量的1/3,主要是因?yàn)闁|部地區(qū)人口眾多,生活能源消費(fèi)需求量大，同時(shí)江浙滬為長(zhǎng)江經(jīng)濟(jì)帶龍頭,各產(chǎn)業(yè)發(fā)展水平很高,沿江長(zhǎng)期發(fā)展高耗能的重化工產(chǎn)業(yè),導(dǎo)致碳排放量居高不下。其次,湖南、四川碳排放量分居第三、四位,成為中西部地區(qū)碳排放中心。2015年碳排放量前六位的省市碳排放總量達(dá)到67003.51萬(wàn)t,占長(zhǎng)江經(jīng)濟(jì)帶總量的71%(與黃國(guó)華等[18]的研究結(jié)果大體一致)。此外,江西、重慶、云南等中西部地區(qū)碳排放量較少,2015年的碳排放總量為16722.66萬(wàn)t,不足長(zhǎng)江經(jīng)濟(jì)帶碳總量的20%,可見(jiàn)長(zhǎng)江經(jīng)濟(jì)帶碳排放的聚集度很高,高投入、高消耗、高排放的狀況沒(méi)有得到根本扭轉(zhuǎn),經(jīng)濟(jì)發(fā)展對(duì)能源消費(fèi)的依賴(lài)性仍很強(qiáng)。

3.2 能源消費(fèi)碳排放與經(jīng)濟(jì)增長(zhǎng)的脫鉤分析

時(shí)間演變特征:根據(jù)式(4)計(jì)算得到長(zhǎng)江經(jīng)濟(jì)帶各年份碳排放脫鉤指數(shù)(表3)。從表3可見(jiàn),長(zhǎng)江經(jīng)濟(jì)帶所有年份的經(jīng)濟(jì)總量都在不斷增長(zhǎng),但碳排放量增長(zhǎng)狀況各年份不完全相同,導(dǎo)致長(zhǎng)江經(jīng)濟(jì)帶碳排放與經(jīng)濟(jì)增長(zhǎng)的脫鉤狀態(tài)在不斷變化。根據(jù)脫鉤關(guān)系特征,本文將1995—2015年分為4個(gè)階段分析:1995—2000年,長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)碳排放與GDP脫鉤基指數(shù)呈波動(dòng)下降趨勢(shì),基本處于較理想的脫鉤或強(qiáng)脫鉤狀態(tài)。其中,1999—2000年彈性脫鉤指數(shù)已下降到-0.0537,這可能與長(zhǎng)江經(jīng)濟(jì)帶大力貫徹實(shí)施“關(guān)停并轉(zhuǎn)十五小”企業(yè)的決定有關(guān)。2000—2006年,長(zhǎng)江經(jīng)濟(jì)帶碳排放脫鉤指數(shù)一路攀升,2000—2001年碳排放脫鉤指數(shù)為0.3341,為較理想的弱脫鉤狀態(tài),而在2004—2005年碳排放脫鉤指數(shù)已上升到1.4580,表現(xiàn)為擴(kuò)張負(fù)脫鉤狀態(tài),且其間多個(gè)年份表現(xiàn)為增長(zhǎng)連結(jié)狀態(tài),主要與該階段長(zhǎng)江經(jīng)濟(jì)帶集中開(kāi)工建設(shè)大量的“高投入、高能耗、高排放”重化工有關(guān)。2006—2010年,該階段碳排放脫鉤指數(shù)先下降后緩慢回升,但總體處于弱脫鉤狀態(tài),脫鉤狀態(tài)略有改善,原因是長(zhǎng)江經(jīng)濟(jì)帶開(kāi)始實(shí)施低碳發(fā)展戰(zhàn)略,導(dǎo)致碳排放速度略有下降。2010—2015年,碳排放脫鉤指數(shù)波動(dòng)下降,并多次出現(xiàn)強(qiáng)脫鉤的理想狀態(tài),原因是長(zhǎng)江經(jīng)濟(jì)帶正處于產(chǎn)業(yè)轉(zhuǎn)型升級(jí)中,導(dǎo)致單位產(chǎn)值的能耗水平逐漸下降。此外,長(zhǎng)江經(jīng)濟(jì)帶上升為國(guó)家發(fā)展戰(zhàn)略,強(qiáng)調(diào)“共抓大保護(hù),不搞大開(kāi)發(fā)”的政策促進(jìn)了彈性脫鉤值下降。

表3 1995—2015年長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)碳排放與GDP脫鉤情況

空間差異特征:從長(zhǎng)江經(jīng)濟(jì)帶總體角度看,長(zhǎng)江經(jīng)濟(jì)帶11省市脫鉤狀況存在較大差異,且處于不斷改善過(guò)程中(圖5)。由表4可知,在第一階段(1995—2000年)各省市碳排放與GDP脫鉤情況較理想,江蘇、江西等5省達(dá)到了強(qiáng)脫鉤狀態(tài),上海、浙江等5省市達(dá)到了弱脫鉤狀態(tài),只有重慶市(1.316)為擴(kuò)張負(fù)脫鉤狀態(tài);第二階段(2000—2006年)脫鉤狀況嚴(yán)重惡化,所有省市均沒(méi)有達(dá)到強(qiáng)脫鉤狀態(tài),弱脫鉤狀態(tài)減少為3個(gè),6省市為增長(zhǎng)連結(jié)狀態(tài),湖南和云南惡化為擴(kuò)張負(fù)脫鉤狀態(tài)。第三階段(2006—2010年)脫鉤惡化狀態(tài)有所改善,無(wú)擴(kuò)張負(fù)脫鉤現(xiàn)象,多表現(xiàn)為弱脫鉤和增長(zhǎng)連結(jié),其中湖南和云南的脫鉤狀況明顯改善。第四階段(2010—2015年)脫鉤狀態(tài)進(jìn)一步改善,湖北、湖南和云南改變?yōu)閺?qiáng)脫鉤,其余各省市均為弱脫鉤,整個(gè)經(jīng)濟(jì)帶的碳排放壓力均較小。在各階段中上海一直處于較理想的弱脫鉤狀態(tài),這主要是因?yàn)樯虾Ｔ陂L(zhǎng)江經(jīng)濟(jì)帶中起著龍頭作用,其產(chǎn)業(yè)結(jié)構(gòu)已經(jīng)由“二三一”轉(zhuǎn)變?yōu)椤叭弧?且在第三產(chǎn)業(yè)中低能耗的高新技術(shù)產(chǎn)業(yè)不斷發(fā)展壯大,產(chǎn)值已經(jīng)接近1/3;以云南為代表的西部地區(qū)脫鉤狀況改善較明顯,主要是因?yàn)槲髂系貐^(qū)水電資源豐富,降低了煤炭和火電的消費(fèi)量,碳排放量較少;另一方面,西部大開(kāi)發(fā)、長(zhǎng)江經(jīng)濟(jì)帶上升為國(guó)家發(fā)展戰(zhàn)略,給該地區(qū)營(yíng)造了良好的外部發(fā)展環(huán)境。

圖5 1995—2015長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)碳排放與GDP脫鉤空間差異

表4 1995—2015年11省市能源消費(fèi)碳排放與GDP脫鉤情況

產(chǎn)業(yè)差異特征:1995—2015年長(zhǎng)江經(jīng)濟(jì)帶六大產(chǎn)業(yè)能源消費(fèi)碳排放與GDP脫鉤情況見(jiàn)表5。由表5可知,4個(gè)階段中六大產(chǎn)業(yè)的碳排放脫鉤狀況存在著較大的差異,且呈現(xiàn)出逐漸改善的狀態(tài)。第一階段(1995—2000年)農(nóng)林牧漁業(yè)和工業(yè)處于強(qiáng)脫鉤狀態(tài),建筑業(yè)和其他第三產(chǎn)業(yè)處于弱脫鉤狀態(tài),交通運(yùn)輸倉(cāng)儲(chǔ)業(yè)和批發(fā)零售住宿餐飲業(yè)則處于增長(zhǎng)連結(jié)狀態(tài);第二階段(2000—2006年)脫鉤狀態(tài)惡化,脫鉤狀態(tài)已不存在,交通運(yùn)輸倉(cāng)儲(chǔ)業(yè)惡化最嚴(yán)重,轉(zhuǎn)變?yōu)閿U(kuò)張負(fù)脫鉤狀態(tài),其他各產(chǎn)業(yè)碳排放壓力均增大,處于增長(zhǎng)連結(jié)狀態(tài);第三階段(2006—2010年)脫鉤狀態(tài)有所改善,農(nóng)林牧漁業(yè)、工業(yè)和交通運(yùn)輸倉(cāng)儲(chǔ)業(yè)轉(zhuǎn)變?yōu)槿趺撱^狀態(tài);第四階段(2020—2015年)脫鉤狀態(tài)進(jìn)一步改善,擴(kuò)張負(fù)脫鉤狀態(tài)已不存在,大體呈現(xiàn)為較理想的弱脫鉤和強(qiáng)脫鉤狀態(tài)。

4個(gè)階段中,農(nóng)林牧漁業(yè)和工業(yè)都經(jīng)歷了“增加—減少”的過(guò)程,表現(xiàn)為弱脫鉤狀態(tài);建筑業(yè)、交通運(yùn)輸倉(cāng)儲(chǔ)業(yè)、批發(fā)零售住宿餐飲業(yè)雖然也經(jīng)歷了“增加—下降”的過(guò)程,但是基本表現(xiàn)為增長(zhǎng)連結(jié)甚至是擴(kuò)張負(fù)脫鉤狀態(tài),最終表現(xiàn)為弱脫鉤狀態(tài);而其他第三產(chǎn)業(yè)較差,基本處于增長(zhǎng)連結(jié)的狀態(tài),意味著必須關(guān)注未來(lái)其他第三產(chǎn)業(yè)發(fā)展過(guò)程中碳排放壓力的不斷增大,應(yīng)及早提高其他三產(chǎn)的能源利用效率,減少碳排放。

表5 1995—2015年長(zhǎng)江經(jīng)濟(jì)帶六大產(chǎn)業(yè)能源消費(fèi)碳排放與GDP脫鉤情況

3.3 碳排放與經(jīng)濟(jì)增長(zhǎng)脫鉤效應(yīng)預(yù)測(cè)

本文分別以1995—2015年長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)量、碳排放量、GDP為原始序列,根據(jù)式(5)—式(10)建立能源消費(fèi)量、碳排放量、GDP等維灰色遞補(bǔ)GM(1,1)模型并預(yù)測(cè),逐一進(jìn)行模型檢驗(yàn)(表6)。結(jié)果表明,本文所建立的GM(1,1)模型精度較高,可以以此為依據(jù)建立等維遞補(bǔ)灰色預(yù)測(cè)GM(1,1)對(duì)長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)量、碳排放量及GDP進(jìn)行中長(zhǎng)期預(yù)測(cè)(表7)。

表6 灰色預(yù)測(cè)精度檢驗(yàn)

表7 2016—2026長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)、碳排放量、GDP及其彈性脫鉤指數(shù)預(yù)測(cè)

根據(jù)式(4)分別構(gòu)造能源消費(fèi)與碳排放、能源消費(fèi)與GDP的脫鉤指數(shù),記為ε(ce)、ε(eg)。由表7可知,未來(lái)10年長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)量將增加1倍,超過(guò)30億t標(biāo)煤;碳排放量增加了1倍以上,達(dá)到233216.14萬(wàn)t,無(wú)疑會(huì)對(duì)長(zhǎng)江經(jīng)濟(jì)帶的能源生產(chǎn)和能源消費(fèi)造成巨大的壓力;得益于長(zhǎng)江經(jīng)濟(jì)帶國(guó)家戰(zhàn)略的實(shí)施,未來(lái)該經(jīng)濟(jì)帶前景較樂(lè)觀,預(yù)計(jì)經(jīng)濟(jì)總量將超過(guò)7萬(wàn)億元。就三者的脫鉤狀態(tài)而言,能源消費(fèi)與GDP脫鉤狀態(tài)較穩(wěn)定,彈性脫鉤指數(shù)從2016—2017年的0.760波動(dòng)下降到2025—2026年的0.588,基本處于比較理想的弱脫鉤狀態(tài);而碳排放與能源消費(fèi)的彈性脫鉤指數(shù)均超過(guò)了0.8,表現(xiàn)為增長(zhǎng)連結(jié)狀態(tài),表明未來(lái)長(zhǎng)江經(jīng)濟(jì)帶碳排放增速與能源消費(fèi)增速大體一致,減排的壓力不容小覷。由于經(jīng)濟(jì)增長(zhǎng)速度將超過(guò)碳排放增長(zhǎng)速度,碳排放與GDP表現(xiàn)為較理想的弱脫鉤狀態(tài)。其中，2016—2023年彈性脫鉤指數(shù)呈波動(dòng)下降,到2023年下降到最低值0.5613,之后將開(kāi)始緩慢回升達(dá)到0.6209,整個(gè)預(yù)測(cè)期內(nèi)不但未能實(shí)現(xiàn)碳排放壓力減小、GDP增長(zhǎng)的強(qiáng)脫鉤理想狀態(tài),而且與強(qiáng)脫鉤理想狀態(tài)尚有較大距離,表明未來(lái)長(zhǎng)江經(jīng)濟(jì)帶必須盡快推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、改變現(xiàn)有的能源消費(fèi)結(jié)構(gòu)以擺脫碳排放壓力增大、脫鉤狀態(tài)惡化等一系列后果。因此,必須盡快實(shí)施相應(yīng)政策,切斷經(jīng)濟(jì)增長(zhǎng)對(duì)能源消費(fèi)的依賴(lài),大力促進(jìn)低碳經(jīng)濟(jì)發(fā)展。

4 結(jié)論

通過(guò)測(cè)算得到以下主要結(jié)論:①1995—2015年長(zhǎng)江經(jīng)濟(jì)帶碳排放總量逐年遞增,到2012年達(dá)到最高值95775.64萬(wàn)t,之后一直維持較高的碳排放水平。上述碳排放量主要來(lái)自工業(yè)與生活消費(fèi)兩大部門(mén),分別約占70%、10%;原煤與電力的碳排放量約占各類(lèi)能源消費(fèi)碳排放總量的1/2;江浙、湖南與四川分別成為東、中、西部地區(qū)的碳排放中心,尤其是江浙的碳排放量約占總量的1/3,碳排放的空間集聚度非常高。②1995—2015年長(zhǎng)江經(jīng)濟(jì)帶碳排放與經(jīng)濟(jì)增長(zhǎng)脫鉤狀態(tài)大體分為4個(gè)階段:第一階段彈性脫鉤指數(shù)波動(dòng)下降,表現(xiàn)為較理想的弱脫鉤狀態(tài);第二階段彈性脫鉤指數(shù)一路攀升,嚴(yán)重惡化為增長(zhǎng)連結(jié)或擴(kuò)張負(fù)脫鉤狀態(tài);第三階段彈性脫鉤指數(shù)開(kāi)始下降,脫鉤狀態(tài)有所改善;第四階段脫鉤狀態(tài)進(jìn)一步改善,基本表現(xiàn)為弱脫鉤或強(qiáng)脫鉤狀態(tài)。③通過(guò)等維灰色遞補(bǔ)GM(1,1)模型預(yù)測(cè),2016—2026年長(zhǎng)江經(jīng)濟(jì)帶能源消費(fèi)、碳排放量和GDP均持續(xù)增長(zhǎng),由此導(dǎo)致能源消費(fèi)與經(jīng)濟(jì)增長(zhǎng)、碳排放與經(jīng)濟(jì)增長(zhǎng)均呈現(xiàn)弱脫鉤狀態(tài),而碳排放與能源消費(fèi)呈現(xiàn)增長(zhǎng)連結(jié)狀態(tài),上述狀態(tài)與理想的強(qiáng)脫鉤狀態(tài)均有一定的距離,未來(lái)長(zhǎng)江經(jīng)濟(jì)帶碳排放壓力將漸增。