論低碳經濟發展的促進

馬伯鈞++胡鵬舉

[摘要]如果說20世紀是工業經濟時代，21世紀便是低碳經濟時代。基于低碳經濟和我國的現實國情，構建低碳經濟發展評價指標體系，通過sPss因子分析模型，計算不同省區低碳經濟的綜合得分。結果表明，江蘇、廣東、山東等省區低碳經濟綜合發展水平名列前茅。促進低碳經濟發展要從加大技術創新力度、開發新能源等方面采取相關策略。

[關鍵詞]低碳經濟；發展評價；因子分析；指標體系

[中圖分類號]F120.3 [文獻標識碼]A [文章編號]1671-8372（2015）04-0032-05

低碳經濟是要在減少溫室氣體排放的同時，保持經濟持續穩定增長，從而實現低排放、低能耗、低污染的可持續發展模式。低碳經濟的概念在2003年由英國提出后，理論界對低碳經濟進行了大量的研究。對低碳經濟發展水平的評價是一項復雜的系統工程，其中涉及多方面的影響因素。本文采用SPSS 20.0分析法，選取相對重要的指標因子，對我國大部分省區（本文選取30個省區）的低碳經濟發展水平進行評價與比較，并據此對我國未來低碳經濟發展水平提出相應的對策建議。

一、我國低碳經濟發展的問題及其研究

我國大部分省區人口眾多，截至2013年，河北人口為7333萬人，山東9733萬人，湖南6691萬人，人口基數大，加之二胎政策的逐步放開，勢必會對能源和環境造成一定影響，形成低碳經濟前進中的阻力。改革開放初期推崇的工業化大發展是我國碳排放增加的直接誘因，而如今轉型期間，工業仍支撐著我國眾多地區的經濟發展；然而，工業對能源依賴性最強，對經濟的貢獻也最為突出，地方政府有時出于政績考慮，任由其發展而不加約束，在很大程度上影響了低碳經濟的發展。我國各地區居民的消費觀念和生活方式也存在問題，如某些人先富起來了，就大肆進口高碳產品；國內市場，過度用電、開車、使用塑料制品等現象屢見不鮮，構成低碳經濟的巨大隱患。國外對商品的需求上升，也在很大程度上刺激著我國的出口貿易，由于我國在總體能源加工、開采技術方面的不足，出口商品生產量的擴大會帶動碳排放的增長。政府的宏觀調控能力和企業的碳排放處理、新型能源開發等技術水平，也深刻影響著各地區的低碳經濟水平。

隨著近幾年環境問題不斷突出，國內各界越來越重視低碳經濟，學術界也對中國低碳經濟發展表現出日趨濃厚的研究興趣，并就低碳經濟發展中的碳稅設置、汽車尾氣排放標準、污染排放權市場交易等問題，提出了一系列建設性意見。例如，彭道賓、張明勝（2011）在研究江西省低碳經濟發展水平時，構建了相應的評價指標體系，包括驅動因素、壓力因素、狀態因素、影響因素、回應因素等在內的40項指標；肖文、樊文靜（2011）認為碳排放量與人均碳排放量、清潔能源占一次性能源消費比例、經濟增長與碳排放的脫鉤指數、低碳競爭力指數等指標，可以較為準確地反映我國低碳經濟發展狀況；袁男優（2010）則認為低碳經濟包括低碳技術、低碳能源、低碳產業、低碳城市、低碳管理等五大要素。目前國內公認的能源消耗碳排放量計算方法是IPCC指南的方法，但該方法存在與煤炭開采相關的逃逸排放無法估算等問題，計算出來的結果與實際有一定的差距，不利于碳稅制度的制定和實施。

二、低碳經濟發展實證分析

因子分析是主成分分析的延伸，相對于主成分分析，因子分析更側重于解釋被觀測變量之間的相關系數或協方差之間的結構。本文采用因子分析法對各省低碳經濟的發展水平進行實證分析。

（一）指標構建與數據選取

鑒于數據的可獲得性，本文選取2012年涉及經濟、生活、科技等方面的13項指標（因子）來構建指標體系，指標數據來自于《中國科技統計年鑒2013》《中國能源統計年鑒2013》《中國環境統計年鑒2013》和30省區的統計年鑒2013版（見表1）。

（二）實證分析過程與結果

使用SPSS20.O分析方法，對指標進行KMO檢驗和球形Bartlett檢驗（表2）。

從表2可以看出，KMO統計量為0.737，大于0.7的臨界值，而Bartlet檢驗的P值非常接近0，說明應該拒絕各變量獨立的原假設，即變量間具有較強的相關性。綜上，對13項指標做因子分析是合適的（見表3）。

表3按照系數大小進行了排序，無數字的單元格表明系數過小，被抑制輸出。系統提取了4個公因子，第一公因子在X4、Xll、X13、X5、X7、X3，X12、X2和X9上有較大的載荷，但其中有正有負，公因子意義不明顯；第四公因子沒有一個較大載荷，不明其意。

對提取的公因子進行共同度檢驗，結果見表4。

由表4可知，除X6、X12外，其他因子的共同度都在90%以上，因此提取的4個公因子是比較成功的，對各因子的解釋能力較強。

另外，可以利用碎石圖進一步判斷按照特征根大于1的標準提取的4個公因子是否合理（見圖1）。

從圖1可以看出，前4個因子的散點落在陡坡上，且特征根都大于1，作用明顯；而后面的因子散點平緩，影響較小，所以至多考慮前4個因子即可。

針對表3不能確定公因子含義的問題，可采用方差最大旋轉法，通過旋轉加以解決（見表5、表6）。

表5顯示，4個公因子的累積方差貢獻率達到92.955%，這說明4個公因子包含了13項指標的主要信息，簡化了模型，通過對各公因子的研究，我們就能很好地對中國30省區的低碳經濟發展水平進行評價。表6同樣是進行了排序且過小的系數被抑制輸出，與未旋轉前相比，此時各因子的含義相當明確合理。

第一公因子在X13、X4、X2、X3、X12和Xll上有較大的載荷，即年末人口數、固定資產投資、社會消費品零售總額、R&D經費支出、申請專利數和民用汽車擁有量載荷較大，這6項指標分別涉及人口、經濟、技術和機動車尾氣影響4個方面，因此可以命名為綜合因子。