毛勝贏，王玉芳

（上海電機學院商學院，上海 201306）

能源是人類社會賴以生存和發(fā)展的重要物質(zhì)基礎，對能源的開發(fā)利用推進了世界經(jīng)濟和人類社會的發(fā)展。然而，在開發(fā)利用能源，促進經(jīng)濟發(fā)展的過程中，產(chǎn)生了環(huán)境污染、氣候變暖等問題。為了解決這些生態(tài)環(huán)境問題，需要改變?nèi)祟惖男袨榧敖?jīng)濟發(fā)展方式。2016年4月22日，170多個國家共同簽署了《巴黎氣候變化協(xié)定》，承諾將全球氣溫升高幅度控制在2℃的范圍之內(nèi)。中國做出承諾，將爭取于2030年期間實現(xiàn)二氧化碳排放達到峰值。由此，我國開啟了嚴格的節(jié)能減排及綠色低碳發(fā)展的進程。特別是在2021年3月的兩會期間，我國鄭重地將“在2030年前實現(xiàn)碳達峰，在2060年前實現(xiàn)碳中和”寫進了政府工作報告。但對于這一目標，我國面臨著“雙碳”實現(xiàn)時間短、工業(yè)化和城市化尚未完成、化石能源碳排放占比高等問題［1］。碳排放主要來自于我國工業(yè)、交通及建筑行業(yè)［2］。其中發(fā)電、熱力和工業(yè)的碳排放在所有行業(yè)中占比高達79%［3］。因此，解決工業(yè)等行業(yè)的碳排放問題成為重點。為更好地在實現(xiàn)“雙碳”目標下兼顧經(jīng)濟發(fā)展，有必要對工業(yè)能源消費與經(jīng)濟發(fā)展的關系進行探究。

目前，國內(nèi)對工業(yè)能源消費與經(jīng)濟發(fā)展的研究主要集中于兩者關系的研究：運用不同的方法，研究不同區(qū)域的能源消費與經(jīng)濟增長的關系。如劉旖蕓［4］提出了上海市3大產(chǎn)業(yè)能源消費和GDP之間存在協(xié)整關系；孫智君等［5］和謝長風等［6］擴大了研究地區(qū)范圍，將整個江浙滬地區(qū)作為檢驗對象；鐘帥［7］采用聚類分析法說明工業(yè)能源耗費是新疆GDP增長的重要因素；張育豪［8］檢驗出石油消費與上海市經(jīng)濟發(fā)展關聯(lián)度最高；南菲［9］用灰色關聯(lián)度法檢驗出工業(yè)能源消費與經(jīng)濟發(fā)展的關聯(lián)度十分顯著；夏祖菲等［10］提出了上海電力能源消費對經(jīng)濟增長起著促進作用。上述相關研究表明，上海市經(jīng)濟發(fā)展與能源消費之間存在著明顯的關系。

上海作為具有“四化同步”基礎的城市［11］，其工業(yè)化發(fā)展對大部分地區(qū)都有借鑒意義，且在《上海市國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二O三五年遠景目標綱要》中明確提出，上海市將在2025年前實現(xiàn)碳排放量達到峰值的目標。二氧化碳排放的主要來源是對化石能源的消耗，工業(yè)是化石能源消耗的大戶，上海擁有一大批優(yōu)秀的工業(yè)企業(yè)，對上海的發(fā)展起著重要作用。因此，分析上海市工業(yè)企業(yè)對能源消耗與經(jīng)濟增長之間關系及其演變趨勢等問題，有利于更直觀地反映實現(xiàn)“雙碳政策”對經(jīng)濟發(fā)展的影響，以便進行宏觀調(diào)控降低負面影響，更好地促進上海市低碳化、生態(tài)化發(fā)展。

1 上海市經(jīng)濟發(fā)展現(xiàn)狀

1.1 上海市經(jīng)濟發(fā)展的總體情況

自2000年以來，上海市經(jīng)濟飛速發(fā)展，經(jīng)濟總量大幅攀升，短短20年間經(jīng)濟增幅高達30 000億元人民幣。由圖1所示的2000—2019年上海市GDP總量可見，上海市GDP呈現(xiàn)不斷上升的趨勢，從2000年的4 812.15億元增長到2019年的38 155.32億元，增長近8倍，每年的平均增長速度高達11.59%。而由圖2所示的2000—2019年上海市GDP的增長速度可見，上海市GDP增速的變化幅度在2006年就達到了最高點，隨后經(jīng)濟增速趨于穩(wěn)定，在2018年經(jīng)濟增速達到最低點為5.95%?？傮w來看，2000年以來，上海市經(jīng)濟的發(fā)展始終保持著中高速發(fā)展的態(tài)勢，取得了長期高于5%的好成績。

圖1 2000—2019年上海市GDP

圖2 2000—2019年上海市GDP的增長速度占比

1.2 上海市工業(yè)發(fā)展現(xiàn)狀

根據(jù)《上海市統(tǒng)計年鑒》的相關數(shù)據(jù)，2000—2019年，上海市工業(yè)發(fā)展呈現(xiàn)上升的趨勢，工業(yè)增幅在20年間增長約7 500億元人民幣，從2000年的2 022.53億元增長到2019年的9 670.68億元，增長了4.78倍，如圖3所示。但在2008年，上海市工業(yè)GDP的增速下降-1.56%，2011年工業(yè)GDP下降-0.156%，2014年下降至-2.6%，且在2018年下降到-0.95%，但上海市工業(yè)GDP的平均增長率仍保持著8.86%的增速，如圖4所示。

圖3 2000—2019年上海市工業(yè)GDP總量

圖4 2000—2019年上海市工業(yè)GDP增速占比

2 上海市能源消費現(xiàn)狀

2.1 上海市總體能源消費現(xiàn)狀

2000年以來，上海市能源消費量也呈現(xiàn)不斷上升的趨勢（見圖5），2000—2010年的10年間呈現(xiàn)明顯的上升趨勢，2010年之后，能源消費逐漸趨于穩(wěn)定。而上海市總GDP的增長速度在2010年之后仍然保持著增長。

圖5 2000—2019年上海市能源消費總量（標準煤）

2.2 上海市工業(yè)能源消費現(xiàn)狀

2000—2019年上海市工業(yè)能源消費總量如圖6所示，可見2000—2011年，上海市工業(yè)能源消費基本呈現(xiàn)出上升趨勢；2013年，上海工業(yè)能源消費量達到了最高點，其消費值為5 965.53萬t標準煤；2014—2019年，上海市工業(yè)能源消費量呈現(xiàn)不斷下降的趨勢。而由圖4可知，這段時間，上海市工業(yè)GDP仍然保持著增長的態(tài)勢。

圖6 上海市工業(yè)能源消費總量（標準煤）

3 上海市工業(yè)能源消費與經(jīng)濟增長關系的檢驗

3.1 研究方法

為了更為清晰直觀地顯示上海市工業(yè)能源消費量與上海市總GDP增長之間的關系，本文選取向量自回歸（Vector Autoregressive，VAR）模型對兩者之間的關系進行實證檢驗。VAR主要基于數(shù)據(jù)的統(tǒng)計性質(zhì)建立模型，將系統(tǒng)中每個內(nèi)生變量均作為系統(tǒng)中所有內(nèi)生變量的滯后值構造模型，從而將單向量的自回歸模型變成由多元時間序列變量所組成的VAR模型。

VAR模型的數(shù)學表達式為

式中：yt為k維內(nèi)生變量；Bx t為外生變量，設為常數(shù)C；A1，A2，…，A p為k×k維待估計的系數(shù)矩陣，p為滯后階數(shù)。

3.2 變量選取和數(shù)據(jù)來源

基于數(shù)據(jù)的可獲得性、真實性、權威性等原則，參考劉旖蕓［4］及劉甜甜［12］關于能源消費量與GDP

的研究中直接選取能源消費量作為能源消費指標；王原等［13］提出了上海市能源終端消費量排放的二氧化碳和經(jīng)濟增長之間存在關系；楊澤民等［14］和王建軍等［15］在經(jīng)濟增長關系實證分析中，直接采用終端能源消費量作為碳排放衡量指標。因此，本文選取上海市生產(chǎn)總值Y、上海市工業(yè)能源終端消費量X表示上海市總體經(jīng)濟增長量和上海市工業(yè)能源消費量。通過查找《上海市統(tǒng)計年鑒》，選取2000—2019年的上述兩個指標的數(shù)據(jù)進行檢驗。

3.3 VAR模型的建立

3.3.1 單位根檢驗要求VAR模型中的變量形式是平穩(wěn)序列，否則對非平穩(wěn)序列變量得出的VAR模型進行分析可能導致出現(xiàn)虛假分析的結果。ADF檢驗結果如表1所示。利用eviews10.0版本，根據(jù)ASH最小化原則，選取的P值分別與1%、5%、10%顯著性水平下的檢驗值進行比較，結果是原序列Y和X都不平穩(wěn)。為了開展后續(xù)的研究，對一階差分后的序列DY、DX進行單位根檢驗，并找到最優(yōu)P值與顯著性水平下的檢驗值進行比對，DY、DX分別在10%的顯著性水平下穩(wěn)定。

表1 ADF檢驗結果

3.3.2 VAR模型的建立利用eviews10.0版本選定任意滯后階數(shù)進行回歸，根據(jù)最佳滯后期準則選擇滯后期，如表2所示。表中，Lag為滯后階數(shù)；LogL為似然估計值；LR為序貫調(diào)整的LR統(tǒng)計量；FPE為最終預測誤差；AIC為Akaike信息準則；SC為Schwarz信息準則；HQ為Hannan-Quinn信息準則；*表示該準則下選擇的最佳滯后期；。選擇“*”號最多的那一階作為最優(yōu)滯后階數(shù)，“*”號最多的階數(shù)為1階，因此確定1階為最優(yōu)的滯后階數(shù)。

表2 滯后階數(shù)的選擇

在確定滯后階數(shù)為1階后，建立VAR（1）模型，對其回歸可求出模型的相關系數(shù)，如表3所示。VAR（1）模型的數(shù)學表達式為

表3 Var相關系數(shù)的確定

3.3.3 變量外生性檢驗由于VAR模型中某些滯后值對被解釋變量沒有顯著性影響，需將沒有顯著性影響的外生性變量排除。變量外生性檢驗的結果如表4所示，可知DX是DY的格蘭杰原因，而DY不是DX的格蘭杰原因。因此，上海市工業(yè)能源消費與經(jīng)濟增長之間存在單向因果關系，建立的VAR模型不需要剔除任何變量，VAR（1）可以被建立。

表4 格蘭杰因果檢驗結果

3.3.4 判斷模型的穩(wěn)定性對VAR（1）模型進行AR特征根檢驗，判斷其是否穩(wěn)定。采用AR特征根圖示法來檢驗，檢驗結果如圖7所示。模型的特征根均落在單位圓內(nèi)，因此建立的VAR（1）模型是穩(wěn)定的。

圖7 特征根檢驗

3.3.5 脈沖響應函數(shù)分析脈沖響應分析法可以描述一個內(nèi)生變量對誤差項引起的沖擊的反應，即隨機誤差項施加一個標準差大小的沖擊后，對內(nèi)生變量的當期值和未來值的影響程度。當沖擊的曲線之間的距離越大，說明兩者之間的影響程度越大，反之越小。對VAR（1）進行脈沖響應分析，結果如圖8所示。

圖8 脈沖響應結果

由圖8可見，DX對DY的沖擊在1～2期的距離不斷增大，在第2期時距離最遠，脈沖沖擊最大，說明在1～2期中X對Y的影響較大；而在2～10期，DX對DY的沖擊距離不斷縮小，表明在2～10期中X對Y的影響不斷下降且趨于穩(wěn)定。由脈沖響應結果可知，上海市工業(yè)能源消費對上海市生產(chǎn)總值的影響呈現(xiàn)先增加后下降且趨于0。

3.3.6 方差分解分析方差分解分析是將系統(tǒng)中的全部內(nèi)生變量的波動，按照其成因分解為與各個方程信息相關聯(lián)的k個組成部分，從而得到信息對模型內(nèi)生變量的重要程度，即一個變量對其他變量的貢獻率。選擇10期進行方差分解分析，DY對DX的方差分解結果如圖9所示。

圖9 DY對DX的方差分解結果

由圖9可見，DX對DY的波動解釋在不斷地升高，在1、2、3期增長速度最快，在8、9、10期達到了最大值22%，說明工業(yè)能源消費對上海市GDP的貢獻在不斷地增加；從第3期開始，工業(yè)能源消費對于上海市GDP的貢獻基本穩(wěn)定在20%左右，說明工業(yè)能源消費與上海市GDP總量之間的關系從第3期開始逐漸穩(wěn)定。

4 結論與建議

本文采用VAR模型對2000—2019年的上海市工業(yè)能源消費量與上海市GDP的關系進行檢驗，檢驗結果如下：

（1）總體上，上海市工業(yè)能源消費量與上海市GDP之間存在單向格蘭杰因果關系，表現(xiàn)為：上海市工業(yè)能源消費量是上海市GDP增長的原因，并且上海市能源消費量與經(jīng)濟增長之間的緊密性逐漸下降，其對促進經(jīng)濟增長的顯著性越來越低。

（2）上海市的GDP是不斷上升的，而工業(yè)能源消費量呈現(xiàn)波動下降趨勢，且在2013年后GDP增長和工業(yè)能源消費量關系出現(xiàn)明顯松動。在脈沖響應分析中得出上海市工業(yè)能源消費量對上海市GDP的影響是逐漸下降，且最終達到一個穩(wěn)定的影響狀態(tài)。方差分解結果則進一步論證了上海市工業(yè)能源消費量對上海市GDP的貢獻率是逐漸下降，且最終會趨于穩(wěn)定。

根據(jù)上述研究結果，上海市工業(yè)能源消費量對上海市GDP的影響逐漸趨于穩(wěn)定，研究發(fā)現(xiàn)上海市工業(yè)能源消費量在不斷下降，說明在不損耗經(jīng)濟發(fā)展的前提下完成工業(yè)領域的“碳達峰”目標是可行的。為了更穩(wěn)妥實現(xiàn)這一目標，本文提出以下建議：對于當前積極利好“雙碳”目標的政策繼續(xù)保持，并不斷推進企業(yè)的轉型升級；調(diào)整能源供給結構，適當減少化石能源的供給，增加清潔能源在能源供給中的比重，加快對風電、太陽能等項目的建設速度；加大對企業(yè)超額碳排放的懲罰力度，倒逼企業(yè)進行技術創(chuàng)新，改善能源消費結構，加強對企業(yè)碳排放的監(jiān)督。