基于面板數據的河南省碳排放影響因素實證研究

魏冉

(中原工學院a.經濟管理學院;b.系統與工業工程技術研究中心，鄭州450007)

0 引言

20世紀90年代，隨著《聯合國氣候變化框架公約》和《京都議定書》的生效，中國政府把應對氣候變化納入經濟社會發展規劃，并要求各級政府采取有力措施，爭取到2020年二氧化碳排放比2005年有顯著下降。

河南省政府響應國家的減排要求，提出“十二五”期間大幅度降低單位生產總值二氧化碳排放，到2015年全省單位生產總值二氧化碳排放比2010年下降17%的減排目標，并基于強制性的碳排放量逐步形成碳排放交易市場。因此，對于處于工業化中期階段的河南省來說，深入研究碳排放下降的驅動因素及影響關系對于河南省制定減排政策、實現區域可持續發展更具有實踐指導意義。

目前，國內經濟學對于碳排放影響量的研究主要有兩種方法，即基于Kaya恒等式的碳排放影響因素分解分析和基于IPAT方程的驅動力分析。

Kaya恒等式及以其為基礎的擴展Kaya恒等式，通過建立數學模型，反映能源效率、經濟發展水平、人口、能源結構等因素對碳排放量的影響，分解方法普遍采用對數平均迪氏指數分解法(LMDI)。如:王鋒等在Wu等三層完全分解法的基礎上，認為在整個研究期間人均GDP增長是CO2排放量增長的最大正向驅動因素，而生產部門能源強度、交通工具平均運輸線路、居民生活能源強度為負向驅動因素[1];朱勤等基于擴展的Kaya恒等式建立因素分解模型，提出我國節能減排的重點在于調整產業結構、優化能源結構及提高能源效率[2];宋德勇等[3]、尹向飛[4]、申笑顏[5]均對碳排放總量的變化進行了分解研究;徐國泉等對人均碳排放的變化進行了分解研究，認為1990—2004年經濟發展對拉動中國人均碳排放的貢獻率呈指數增長，而能源效率和能源結構對抑制中國人均碳排放的貢獻率都呈倒U型[6];陳詩一針對中國工業38個兩位數行業和三類能源，運用LMDI分解法對碳排放強度進行了分解研究，結果表明，能源和工業結構調整以及直接的能源強度的降低是促使工業碳強度波動性下降的主要因素，其中能源強度的降低又最為重要[7]。

IPAT方程同樣定量計算考察因素對碳排放量的影響，只是其考察的影響因素有限，主要包括人口規模、經濟增長水平和科技進步等。Dietz等在Kaya恒等式基礎上建立了IPAT方程的隨機模型——STIRPAT模型，解決了Kaya模型及IPAT方程的“各因素同比例影響碳排放”假設的局限，各自變量指數的引入使該模型可以用于各因素非同比例影響碳排放量的情況[8－13]。

針對河南省碳排放問題的研究主要有:田超杰對1978—2009河南省技術進步對經濟增長與碳排放脫鉤關系進行了實證研究，認為河南省經濟增長與碳排放之間的環境庫茲涅茨曲線是不規則的N型曲線[14];尚文英對1978—2009河南省一次能源消耗的碳排放量與經濟增長的關系進行了研究，結果表明，一次能源消耗的人均碳足跡與人均GDP的關系并不符合標準的環境庫茲涅茨曲線，而是呈現出三次曲線關系，而碳排放強度與人均GDP之間則呈現出反比曲線關系[15];余沛對2001—2010河南省物流行業碳排放數據進行核算和分析，并對未來河南省物流業碳排放量作了預測[16];高彩玲等采用擴展的Kaya模型對人均碳排放量變化進行了分解研究[17];王中亞分析了河南產業結構與能源消費的關系，認為第二產業對能源消費的影響最大，第一和第三產業對能源消費的影響并不明顯[18]。

分析以上文獻的研究可以得出以下結論:1)盡管有其他因素，但產業結構、能源強度、人均GDP以及能源結構等因素是影響碳排放的主要原因;2)針對河南省的文獻多從人均GDP一個因素研究其與碳排放之間的關系;3)現有多因素對河南省碳排放影響的研究一般都是基于擴展的Kaya模型，但其只適用于同比例增長因素，且都是時間序列數據，僅從三類一次能源一個維度進行影響因素的分解研究。由于河南省在一定時期內能源結構很難改變，因此，本文從三次產業消耗的三類一次能源的角度，基于面板數據運用STIRPAT模型，實證研究2000—2013年能源強度、產業結構與人均GDP等非同比例影響因素對河南省碳排放量的影響關系。

1 模型及數據解釋

1.1 適用模型——STIRPAT模型

本文使用的基礎模型表示為

其中:Ii為環境影響;Pi為人口規模;Ai為人均財富;Ti為對環境影響的技術水平;a為常數項;b、c、d為指數;ei為誤差項。

在上述STIRPAT模型中，引入河南省三次產業能源強度、產業結構及經濟增長的面板數據，于是得到

對式(1)兩邊取自然對數，以減弱各面板數據中存在的異方差現象，得到如下線性回歸模型:

式中，i表示三次產業類型;j表示各年份，產業GDP與河南省GDP均采用2000年的不變價格GDP;Tij為河南省第i產業第j年碳排放量(萬t);Kij為河南省第i產業第j年產業比例，Kij=Yij/Yj，其中Yij為第i產業第j年的產值，Yj為第j年河南省總產值;RYij為河南省第i產業第j年人均GDP(元)，RYij=Yij/Pj，其中Pj為第j年河南省總人口數;Nij為河南省第i產業第j年能源強度，Nij=Qij/Yij，其中Qij為第i產業第j年能源消耗量(t/萬元);a為常數項;bij、cij、dij為各對數化影響因素的系數;eij是殘差項。

1.2 面板數據來源及數據標準化處理

歷年河南省名義GDP、人口、三次產業名義GDP均來源于2000—2013年《河南省統計年鑒》，在模型中實際GDP采用2000年不變GDP折算價格;2005—2012年三次產業煤、石油、天然氣的消耗量及消耗比例來自于2013年《河南省統計年鑒》及河南省發改委，其中統計年鑒未提供2000—2004年各產業能源消耗數據，根據2001—2004年河南省三次產業的能源終端消耗量、河南省發改委及河南省能源研究所提供的數據估算，各類能源的碳排放系數采用表1中的數據。鑒于實證結果的準確性，本文對數據進行了標準化處理[19]。

表1 各類能源的碳排放系數Table 1 Carbon emission coefficient of energy sources

2 實證研究

2.1 面板數據的單位根檢驗

為了避免在面板數據分析中出現偽回歸現象，確保估計結果的有效性，必須首先對面板數據進行單位根檢驗，確定數據的平穩性。面板數據單位根檢驗的數學原理是將面板數據中各變量的截面數據作為一個整體數據序列來進行單位根檢驗。鑒于單位根檢驗的變量可能會出現相同單位根和不同單位根兩種分類，同時避免選擇一種檢驗方法可能會帶來偏差，本文同時采用了Levin-Lin-Chu(LLC)[20]、Im-Pesaran-Shin(IPS)[21]、ADF-Fisher[22]和PP-Fisher[22]4種方法對各變量進行單位根檢驗，所有檢驗方法的原假設均為存在單位根。

單位根檢驗結果如表2所示，可以看出4種檢驗結果均拒絕存在單位根的原假設(估計量伴隨概率Prob＜0.05)，因此面板數據中的(ln K)*、(ln RY)*、(ln N)*和(ln T)*4個變量數據的一階差分序列數據具有平穩性，即I(1)單整。

表2 單位根檢驗結果Table 2 Results of unit root test

2.2 面板數據協整性檢驗

協整檢驗是對面板數據中各變量之間是否存在長期均衡關系的檢驗方法，目前常用的面板數據協整檢驗方法主要有兩類:一類是EG(Engle and Granger，1987)兩步檢驗法推廣而來的檢驗方法，包括Pedroni(1999、2004)協積檢驗[23－24]和Kao協積檢驗[25];另一類是Johansen跡統計量推廣而來的檢驗方法，包括Fisher個體聯合協積檢驗[22]。為了避免采用單一方法可能帶來的誤差，本文同時采用上述兩類方法進行協整檢驗。

表3協整檢驗的結果表明:在有截距項無時間趨勢項檢驗時，(ln K)*、(ln RY)*、(ln N)*和(ln T)*4個變量之間存在著長期穩定的均衡關系，其方程回歸殘差是平穩的。因此可以判斷本文面板數據在取對數和標準化后可以進行回歸分析，此時的回歸結果是較精確的。

表3 協整性檢驗結果Table 3 Results of cointegration test

2.3 回歸模型選定及結果

在選定回歸模型之前，首先使用極大似然比檢驗方法(F檢驗法)判斷面板數據，從而確定回歸模型應采用混合模型還是個體固定效應模型。檢驗結果如表4所示，因為F=8.560 338＞F0.05(2，29)=3.33，所以選用個體固定效應模型。

表4 極大似然比的檢驗結果Table 4 Results of maximum likelihood ratio test

進而進行Hausman檢驗，用于確定回歸模型應采用個體固定效應模型還是個體隨機效應模型，檢驗結果如表5所示，因為P＜0.01，所以應選擇個體固定效應模型。

表5 Hausman檢驗結果Table 5 Result of Hausman test

最后，估計回歸模型的結果。本文在回歸模型中增加了AR(1)和AR(2)誤差自回歸項，用于克服變量間的自相關性。回歸模擬采用了最小二乘法，個體固定效應模型估計結果如下:

可以看出，回歸效果較為理想，其中DW值來自DW分布表[26]，符合正態分布。河南省產業結構對碳排放量的彈性系數是－0.046，人均GDP對碳排放量的彈性系數是0.669，能源強度對碳排放量的彈性系數是0.358。顯然，在這3個影響因素中，人均GDP對碳排放量的影響最為顯著。

就以上回歸的經濟學含義而言，在2000—2012年間，河南省三次產業能源強度、產業結構及經濟增長3個自變量要素與因變量碳排放量的回歸結果式(3)顯示，自變量與因變量之間存在著高線性相關性，回歸系數R2達到0.995。同時，回歸結果表明:各自變量與因變量之間的關聯特征各異，其中人均GDP、能源強度與碳排放量存在正相關性，說明經濟發展和能源消耗仍舊是河南省碳排放量持續增高的推動力;產業結構與碳排放量存在負相關性，說明河南省產業結構調整對降低碳排放量起到了積極作用。

3 實證研究結果分析

3.1 各產業對于河南省碳排放量的影響結果與分析

各產業的固定影響系數如表6所示，河南省第二產業與碳排放量存在正相關關系，而第一產業和第三產業與碳排放量存在負相關關系，并且第一產業和第三產業對于碳排放量的影響是相近的。

表6 河南省各產業對碳排放量的固定影響系數Table 6 Carbon emission coefficients from different industries in Henan

3.2 各因素對河南省碳排放量的影響結果與分析

為了對比各影響因素對河南省碳排放量的影響，分別作出產業結構、人均GDP和能源強度對碳排放量的變化曲線，如圖1～圖3所示。

從圖1和圖3中可以看出，河南省產業結構的變化對碳排放量的減少有一定影響，這一點與我國六部門能源消費碳排放量的影響因素的研究結果一致[27]。此外，盡管第二產業比例持續提高，但是由于第二產業能源強度的不斷下降，在一定程度上抑制了碳排放量的增加[1]。因此，可以在圖2中得出人均GDP是推高碳排放量的主要因素[28－29]。

圖1 河南省2000—2012年產業結構與碳排放量變化趨勢對比Fig.1 2000－2012 variation trend of industrial structure and carbon emission of Henan

圖2 河南省2000—2012年各產業人均GDP與碳排放量變化趨勢對比Fig.2 2000－2012 variation trend of GDP per person of different industries and carbon emission of Henan

圖3 河南省2000—2012年各產業能源強度與碳排放量變化趨勢對比Fig.3 2000－2012 variation trend of energy intensity of different industries and carbon emission of Henan

4 結論與政策建議

4.1 結論

(1)河南省人均GDP和能源強度對碳排放量有顯著的正向影響，而產業結構對碳排放量有負向影響。

(2)河南省第二產業人均GDP與碳排放量呈正相關關系，而第一產業和第三產業人均GDP與河南省碳排放量呈負相關關系，這說明第一產業和第三產業的比例增加并不會導致碳排放量的增加。可以得出，河南省第二產業的發展對全省碳排放量的影響最大，這與在全國范圍內的研究結果一致[28]。

(3)河南省各產業人均GDP，特別是第二產業人均GDP的持續增長是碳排放量增加的最大正向影響因素，且其貢獻率也最大，該結果與前期的研究結果比較一致[28－29]。鑒于河南省人均GDP遠未達到10 000美元的標準，經濟的增長將是未來較長時間內促進碳排放量增加的主要因素[30]。

(4)通過河南省產業結構、人均GDP和能源強度對碳排放量的影響研究，可以看出河南省“三高”企業比例逐年下降，而對能源依賴較小的高新技術產業和節能企業比例不斷增加，在一定程度上體現了河南省第二產業發展結構逐步趨于合理。

4.2 政策建議

依據實證研究結果和主要結論，結合河南省經濟社會發展的實際情況，提出如下政策建議:

(1)制定降低碳排放的能源政策，大力推進節能減排。目前，河南省是我國的資源大省，重工業和高能耗產業集中，長期的高投入、高消耗、高污染、低效率的粗放型的經濟增長方式已經造成了區域性的生態破壞[31]，如何控制和減少碳排放量將成為河南省政府部門和學術界急需解決的關鍵問題。然而有關統計結果說明，近年來河南省碳排放總量持續在高水平狀態，且呈現遞增趨勢。因此，為控制碳排放量，河南省必須制定減排能源政策，更有效地減少碳排放量。

(2)制定科學合理的產業低碳經濟發展近、中、長期戰略規劃。在2000—2012年期間，河南省各產業人均GDP，特別是第二產業人均GDP的持續增長是碳排放量增加的最大正向影響因素，為政府制定科學的產業經濟發展政策提供了理論支持。通過分析影響因素的彈性系數大小和正負情況對政府在過去的一段時期內為減少碳排放量而采取措施的效果作出評估，為下一步合理平衡經濟增長與碳排放控制，建立科學合理的產業低碳經濟發展近、中、長期戰略規劃提供了參考。

(3)鼓勵發展產業集群，建立低碳生產鏈，提高能源利用效率。實證研究表明，2000—2012年間河南省能源強度是影響碳排放量的重要因素，因此，加強區域內各產業的協調發展，建立有利于降低生產運輸環節的碳排放的產業集群，同時加快集群內產業的技術升級，形成低碳生產鏈。

(4)構建低碳稅收優惠政策。本文的實證研究結果表明，在2000—2012年間，盡管產業結構的變化在一定程度上抑制了碳排放量的增長，但是河南省第二產業比例持續升高，仍舊導致了實證研究期間碳排放量的增長。因此，對碳排放較多的第二產業產品實行碳消費稅制度，采用低碳排放權限制高耗能企業的發展將是未來降低碳排放量的關鍵手段。

[1]王鋒，吳麗華，楊超.中國經濟發展中碳排放增長的驅動因素研究[J].經濟研究，2010(2):123－136.

[2]朱勤，彭希哲，陸志明，等.中國能源消費碳排放變化的因素分解及實證分析[J].資源科學，2009，31(12):2072－2079.

[3]宋德勇，盧忠寶.中國碳排放影響因素分解及其周期性波動研究[J].中國人口·資源與環境，2009，19(3):18－24.

[4]尹向飛.人口、消費、年齡結構與產業結構對湖南碳排放的影響及其演進分析——基于STIRPAT模型[J].西北人口，2011，32(2):65－69，82.

[5]申笑顏.中國碳排放影響因素的分析與預測[J].統計與決策，2010(19):90－92.

[6]徐國泉，劉則淵，姜照華.中國碳排放的因素分解模型及實證分析:1995—2004[J].中國人口·資源與環境，2006，16(6):158－161.

[7]陳詩一.中國碳排放強度的波動下降模式及經濟解釋[J].世界經濟，2011(4):124－143.

[8]Dietz T，Rosa E A.Rethinking the environmental impacts of population，affluence and technology[J].Human Ecology Review，1994，1:277－300.

[9]Rosa E A，Dietz T.Climate change and society:Speculation，constrution and scientific investigation[J].International Sociology，1998，13(4):421－455.

[10]李國志，李宗植.二氧化碳排放決定因素的實證分析——基于70個國家(地區)面板數據[J].數理統計與管理，2011，30(4):585－593.

[11]孫敬水，陳稚蕊，李志堅.中國發展低碳經濟的影響因素研究——基于擴展的STIRPAT模型分析[J].審計與經濟研究，2011，26(4):86－93.

[12]姜磊，季民河.基于STIRPAT模型的中國能源壓力分析——基于空間計量經濟學模型的視角[J].地理科學，2011，31(9):1072－1077.

[13]王立猛，何康林.基于STIRPAT模型的環境壓力空間差異分析——以能源消費為例[J].環境科學學報，2008，28(5):1033－1037.

[14]田超杰.技術進步對經濟增長與碳排放脫鉤關系的實證研究——以河南省為例[J].科技進步與對策，2013，30(14):29－31.

[15]尚文英.河南省能源消費碳排放量演變及其與經濟增長關系的研究[J].經濟經緯，2011(3):39－42.

[16]余沛.河南物流行業碳排放總量分析與節能減排前景展望[J].物流技術，2013，32(8):118－120.

[17]高彩玲，高歌，田采霞.河南省能源消費碳排放的因素分解及減排途徑[J].中國礦業，2011，20(3):46－49.

[18]王中亞.河南產業結構與能源消費關系實證研究[J].黃河科技大學學報，2011，13(6):42－44.

[19]河南省統計局.河南省統計年鑒2013[M].鄭州:河南統計出版社，2013:248－264.

[20]Levin A，Lin C F，Chu C S J.Unit root tests in panel data:Asymptotic and finite-sample properties[J].Journal of E-conometrics，2002，108(1):1－24.

[21]Im K S，Pesaran M H，Shin Y.Testing for unit roots in heterogeneous panels[J].Journal of Econometrics，2003，115(1):53－74.

[22]Maddala G S，Wu S W.A comparative study of unit root rests with panel data and a new simple test[J].Oxford Bulletin of Economics and Statistics，1999，61(S1):631－652.

[23]Pedroni P.Critical values for cointegration tests in heterogeneous panels with multiple regressors[J].Oxford Bulletin of Economics and Statistics，1999，61(S1):653－670.

[24]Pedroni P.Panel cointegration:Asymptotic and finite sample properties of pooled time series tests with an application to the PPP hypothesis[J].Econometric Theory，2004，20(3):597－625.

[25]Kao C.Spurious regression and residual-based tests for cointegration in panel data[J].Journal of Econometrics，1999，90(1):1－44.

[26]Durbin J，Watson G S.Testing for serial correlation in least squares regression.II[J].Biometrika，1951，38(1－2):159－177.

[27]胡初枝，黃賢金，鐘太洋，等.中國碳排放特征及其動態演進分析[J].中國人口·資源與環境，2008，18(3):38－42.

[28]鄭長德，劉帥.產業結構與碳排放:基于中國省際面板數據的實證分析[J].開發研究，2011，2:26－33.

[29]Théophile A，Fran?ois L，van Nguyen P.Economic development and CO2emissions:A nonparametric panel approach[J].Journal of Public Economics，2006，90(6－7):1347－1363.

[30]Dietz T，Rosa E A.Effects of population and affluence on CO2emissions[J].Proceedings of the National Academy of Sciences，1997，94(1):175－179.

[31]吳彼愛，高建華，徐沖.基于產業結構和能源結構的河南省碳排放分解分析[J].經濟地理，2010，30(11):1902－1907.