中國碳排放環境庫茲涅茨曲線研究：以產業結構變動視角①

江蘇大學財經學院 胡智愚

當今世界，全球氣候變暖已經成為全人類共同面對和亟需處理的最重大環境問題之一，而由產業發展特別是第二產業發展所產生的碳排放是導致全球氣候變暖的主要原因。自改革開放以來經過30余年的不斷發展，中國已成為世界第二大經濟體，取得了舉世矚目的成就，但同時，碳排放水平也不斷提高。在2015年，中國碳排放量已位于世界前列，雖然自2014年起中國的碳排放量增長開始放緩，但仍然面臨著嚴峻的節能減排形勢。產業結構的變動值是較直觀的產業發展水平觀察指標，因此，研究產業結構變化與碳排放之間的關系具有重要意義，并可對未來中國節能減排戰略的實施提出有效的對策建議。

1 文獻綜述

碳排放受到多方面因素的影響，對于碳排放的影響因素，國內外學者普遍認為產業結構變化是影響碳排放的重要因素；Kambara(1992)認為能源密集型產業與非密集型產業間的產業結構變動對早期的能源消費變動起主導作用[1]。陳宇光(2016)采用二維LMDI模型對浙江省1995—2012年的能源碳排放數據進行了分解分析，得到人口、人均收入、產業結構等七個影響碳排放量的主導因素[2]。郭朝先(2012)同樣使用碳排放強度分解法，定量分析了1996—2009年中國產業結構變動對碳排放的影響，得出過去產業結構變動使得碳排放增長的結論，同時預測未來的產業結構變動有助于減少碳排放[3]。劉殿蘭(2015)利用中國28個省份的面板數據對技術進步、產業結構變動和中國碳排放之間關系進行了經驗分析，發現技術進步一直對碳排放有抑制作用，產業結構變動對碳排放初始有著促進作用，且隨著時間推移，技術進步的抑制作用上升而產業結構變動的促進作用減弱[4]。

對于二氧化碳等環境污染物的排放趨勢，學者們的共識是隨著產業發展和經濟水平的提高，環境污染物排放量將呈現出先上升再下降的倒U型曲線趨勢，即環境庫茲涅茨曲線(Environmental Kuznets Curve,簡稱EKC曲線)：1995年，美國經濟學家Grossman和Krueger對GEMS(Global Environmental Monitoring System)主要城市的大氣質量進行了分析，發現SO2排放量和人均收入水平呈“倒U型”曲線關系[5]。林伯強(2009)使用傳統的庫茲涅茨模型與實際碳排放預測兩種不同方法，對中國碳排放環境庫茲涅茨曲線進行對比研究和預測，發現結果存在較大差異，中國碳排放峰值理論上在2020年左右到達，但實證預測表明，峰值到2040年還沒有出現[6]。丁寶根(2012)基于EKC曲線的視角，驗證得出江西省碳排放EKC曲線呈現“U型+倒U型”，且當前處于下降趨勢中[7]。洪業應(2015)以重慶市1978—2013年能源消費數據為基礎，分析探討了碳排放量、能源消費和經濟增長的關系，認為碳排放量和經濟增長間存在顯著“倒U型”曲線關系，符合環境庫茲涅茨曲線的趨勢特征，并預測拐點將出現在2020年[8]。原嫄(2016)將世界主要國家分為極高發展水平、高等發展水平、中等發展水平三個層次，并使用新古典主義經濟學模型對各國面板數據進行了分析，提出制造業對碳排放有著一直的正向效應，服務業對碳排放先有正向效應，而后逐漸下降轉為負向效應，驗證了碳排放在經濟發展過程中存在倒U型演化趨勢與產業結構升級是有效的減排手段[9]。

綜上所述，學者們對產業結構變動、技術進步等因素對碳排放的影響作出了廣泛而深入的研究，得出了產業結構變動與碳排放之間有著密切聯系的結論，并且對中國的EKC曲線的拐點和趨勢進行了預測和模擬。然而在過去專家學者們的研究中，由于碳排放量計算方式、選取的時間跨度不一致等因素，對碳排放趨勢的預測各不相同，并且，大部分研究是使用時間序列數據，以年份為橫軸驗證中國過去幾十年間碳排放是否符合環境庫茲涅茨曲線(EKC曲線)的先升后降趨勢，而后再分析碳排放量與經濟增量、能源消費、產業結構的相關關系，對于產業結構變化和碳排放量這兩者的內在聯系沒有進行深入探討。因此，本文在過去研究的基礎上，采用不同年份反映產業結構變化的空間向量指標-Moore結構變化值，研究驗證歷年中國產業結構變動值與碳排放之間的EKC曲線模型，并對未來碳排放趨勢作出合理的預測。

2 研究方法與指標計算

本文通過收集整理國家統計局官方網站公布的1978—2016年間全國能源消費中的煤炭消費總量、石油消費總量、天然氣消費總量作為原始數據，并根據國家公布的各能源折標煤系數和二氧化碳排放系數，計算出1978—2016年中國的碳排放數據，而后使用1978—2016年間全國三次產業占比數據，計算得出1978—2016年間中國產業結構的Moore結構變化值指標。最后使用SPSS統計分析軟件進行曲線模擬，來驗證1978—2016年間中國碳排放的EKC曲線，計算得出最符合實際的曲線模型。

2.1 中國歷年碳排放量計算

本文使用原煤、原油、天然氣這三類最主要能源消費量計算碳排放量，所用公式如下：

其中，Ct代表碳排放總量，Ci、Hi、Ni分別為該種類能源消費總量(萬噸標準煤)、該類能源折標準煤系數、該類能源二氧化碳排放系數，三大類能源碳排放量相加便為碳排放總量，各類能源折標煤系數及二氧化碳排放系數，如表1所示。

表1 三大類能源碳排放系數及公式

在表1中，低(位)發熱量等于29307千焦(kJ)的燃料，稱為1千克標準煤(1kgce)，其中折標準煤系數來源于《綜合能耗計算通則》(GB/T2589-2008)，二氧化碳排放系數來源于《省級溫室氣體清單編制指南》(發改辦氣候[2011]1041號)。計算所得中國碳排放量，如表2所示。

表2 中國1979-2016年碳排放量

2.2 Moore結構變化值計算

Moore結構變化值是運用空間向量測定法，將產業分為n個部門，構成一組n維向量，并以兩個時期里兩組向量間的夾角作為測度產業結構變化程度的指標。本文依據國家統計局公布的中國歷年三次產業占比數據，以1978年為基期，計算出1979—2016年間的Moore結構變化值，計算公式如下：

其中，Mi表示Moore結構變化值的三角函數值，Wi，t表示第t期第i產業所占比重，Wi，t+1表示t+1期第i產業所占比重。而后對Mi取反三角函數：

θi即為Moore結構變化值。該計算公式的原理為，當某一產業在國民經濟中的份額發生變化時，它與其他產業(向量)的夾角就會發生變化，將所有的夾角變化累積起來，就可以得到整個經濟系統中各產業的結構變化情況。計算所得Moore結構變化值，如表3所示。

表3 中國1979-2016年Moore結構變化值表

3 數據分析與EKC曲線模擬

3.1 中國1978-2016年整體EKC曲線分析

圖1 1978-2016年中國碳排放與Moore結構變動值關系圖(碳排放量單位：萬噸)

在圖1中，橫軸為Moore結構變動值，縱軸為中國碳排放量。可看出，中國碳排放量隨著Morre結構變動值的變化而出現的變化可分為兩個不同時期，即1979—1998年整體隨著Moore結構變動值的增長而增長的較為平緩的時期，以及1999—2016年隨著Moore結構變動值的增長首先高速增長而后達到頂峰，并在近年來轉為下降趨勢的時期。因此，對1979—2016年的全部數據進行EKC曲線模擬的難度較高。本文將分兩個時期，分別對1979—1998年與1999—2016年的中國碳排放量與產業結構變動值進行EKC曲線模擬，而后再將兩段曲線結合起來，構成中國1978—2016年整體EKC曲線。

3.2 1978-1998年中國碳排放EKC曲線模擬

圖2 1978-1998年中國碳排放EKC曲線(碳排放量單位：萬噸)

表4 1978-1998年中國碳排放EKC曲線ANOVA表

在圖2中，橫軸為Moore結構變動值，縱軸為中國歷年碳排放量，圖中空心原點為實際觀測值，擬合曲線為三次方曲線，調整R方為0.898，擬合優度良好，由ANOVA表4可知Sig值接近0，說明此次回歸具有較高的可信度，擬合出的1978—1998年中國碳排放EKC曲線方程為：式中，C代表碳排放量，θ代表Moore結構變動值。由曲線擬合結果可知：1978—1998年間，中國碳排放EKC曲線首先經歷了一個平穩增長時期，此時碳排放與Moore結構變動值的增長速度都較為緩慢；而后，碳排放量增長速度加快而Moore結構變動值增加速度相對較慢，此時曲線呈現揚升的態勢；最后，在1990年左右的一個拐點后，Moore結構變動值增加速度超過碳排放量增加速度，表現為曲線再次趨于平緩并達到峰值，碳排放量的增加幾乎停滯。曲線整體表現為一個倒U型曲線的左半邊。

3.3 1999-2016年中國碳排放EKC曲線模擬

圖3 1999-2016年中國碳排放EKC曲線(碳排放量單位：萬噸)

表5 1999-2016年中國碳排放EKC曲線ANOVA表

在圖3中，橫軸為Moore結構變動值，縱軸為中國歷年碳排放量。圖中空心原點為實際觀測值，擬合曲線為三次方曲線，調整R方為0.829，擬合優度良好，由ANOVA表5可知Sig值接近0，具有較高的可信度，擬合出的1999—2016年中國碳排放EKC曲線方程為：式中，C代表碳排放量，θ代表Moore結構變動值，由曲線擬合結果可知：1999—2016年間，中國碳排放量EKC曲線首先出現了一個碳排放量大幅增長，而Moore結構變動值增長緩慢的上升期；而在2010年后，碳排放量增長速度迅速放緩，與此同時Moore結構變動值增長速度不斷增加，并在2014—2015年間達到EKC曲線的峰值。曲線整體也同樣表現為一個倒U型的左半邊。

3.4 1979-2016年中國碳排放EKC曲線模擬

圖4 1979-2016年中國碳排放EKC曲線(碳排放量單位：萬噸)

分別得出1979—1998年與1999—2016年的碳排放EKC曲線后，本文將兩段EKC曲線結合到一起，模擬出1979—2016年中國整體的碳排放與產業結構變動值EKC曲線。從圖4中可看出，前半段1979—1998年間的EKC曲線具有完整的先緩慢增長、而后快速增長、最后增長速度放緩并達到峰值的形狀，而后半段1999—2016年間的EKC曲線沒有緩慢增長的初期階段，直接經歷了高速增長，而后達到峰值。

5 結論與對策建議

5.1 結論

在過去的文獻中，專家學者們就產業結構對經濟發展的影響已經作出了極為豐富的探討和研究，并對未來中國碳排放的趨勢作出了不同的預測，但對于產業結構變動與碳排放間的關系，仍有進行進一步挖掘的必要。本文在過去有關研究的基礎上，收集整理1978—2016年間中國碳排放與Moore結構變動值數據，通過綜合分析，有了以下初步結論。

中國產業結構變動值與碳排放量之間的回歸曲線由兩條不同的EKC曲線構成，第一條時間段為1978—1998年，第二條時間段為1999—2016年，兩條曲線整體都呈現倒U型曲線結構。兩條EKC曲線都出現了碳排放量達到峰值并開始減少的拐點，第一條EKC曲線的拐點出現在1997—1998年間，第二條EKC曲線的拐點出現在2014—2015年間。

因此，可得出的結論有以下幾點：首先，一個國家在經濟發展的過程中EKC曲線并不只有一條，在宏觀經濟走向發生大的變動時，已經到達拐點的碳排放量可能又會出現新一輪的大幅增長。但是，從整體來看，碳排放量隨著Moore結構變動值的增加，先上升后下降的總體趨勢是不變的；其次，產業結構變動與碳排放增長是兩個相互作用、互相影響的過程，消耗能源進行社會生產創造財富并同時產生碳排放的過程，是產業結構優化所必須具備的準備過程，而產業結構變動升級又將反過來優化生產模式，提高能源利用效率，使得碳排放量增長速度放緩乃至最后出現下降；最后，中國加入WTO后雖然碳排放上升速度加快，但到達峰值的時間縮短，可認為是中國的對外開放加速了產業結構的轉型升級，使得EKC曲線的拐點提前到來的佐證。

當前中國，第二產業經過改革開放以來數十年的不斷發展，產業體系已經較為完善，在未來GDP中的占比不具有像從前那樣巨大的上升空間，而第二產業發展是碳排放量增加的主導因素。因此，本文認為，中國碳排放在2014—2015年間已經到達拐點，在外部環境不變的情況下，未來將總體呈現緩慢下降的趨勢，即使出現增長也將是小幅增長。在此基礎上，本文通過擬合的EKC曲線對碳排放趨勢作出預測，認為2017年中國碳排放量將在812280.33～854713.91萬噸之間。

5.2 對策建議

面對節能減排的壓力，中國已向國際社會作出碳減排的承諾，可是，碳減排不能以停滯經濟發展為代價，其根本目標是提升能源利用效率，保障國民經濟更好更快發展。本文在以上前提的基礎上，結合研究內容，提出以下幾點對策建議。

5.2.1 加速產業結構轉型升級，大力發展第三產業

2015年，中國的第三產業占GDP比重首次超過50%，然而，與歐美發達國家相比，第三產業占比仍有很大的提升空間。由此可見，未來第三產業占比增加將是Moore結構變動值增長、產業轉型升級的主導因素，且相比第二產業，第三產業對碳排放增長的貢獻較低。中國政府應將第三產業發展作為低碳經濟發展的重點，通過營造良好環境、出臺政策支持等手段，保證第三產業平穩有序高速發展。

5.2.2 淘汰落后產能，加快技術進步速率

在推進供給側改革、增強可持續性經濟發展戰略中，淘汰落后產能是一大重點，也是節能減排的必經之路。通過供給側結構性改革，使得碳排放效率低下的落后企業淘汰出局，即可緩解煤炭、鋼鐵等行業產能過剩的現狀，也可使得碳排放量下降、能源利用效率上升。與此同時，雖然第二產業占比將出現下降，但對于制造業，政府應給予更高的重視，通過加大研發投入、提升科研成果轉化率等手段，提升技術進步速率、碳排放效率。這兩方面齊頭并進，方能實現制造業轉型升級，改變中國粗放式的經濟發展模式，提升綜合國力，增強國際競爭力。

5.2.3 加大對外開放力度，提升對外貿易水平

通過兩條中國不同時期的EKC曲線可以看出，對外開放后，雖然碳排放量大幅上升，但中國到達EKC曲線拐點的時間縮短，由此可見，對外貿易水平的提高加速了中國產業結構轉型升級的速度。因此，首先在國內，政府應當給予經濟相對不發達、碳排放效率低下的地區更多的對外貿易優惠政策，同時通過利用經濟較為發達省份的技術擴散效應，縮小地區間的差距，提升整體能源利用水平。而對于沿海對外開放程度已經較高的省份，應當在加大對外開放程度的同時更加注重引入外資的質量，嚴審污染物排放嚴重、能源利用效率低下的外資企業，使得對外開放向著有利于我國產業轉型升級的方向發展。

[1] Kambara T.The energy situation in China.The China Quarterly[J].1992(131).

[2] 陳宇光.浙江省能源碳排放增長的驅動因素探究——基于行業和能源的二維LMDI模型[J].嘉興學院學報,2016(2).

[3] 郭朝先.產業結構變動對中國碳排放的影響[J].中國人口資源與環境,2012(7).

[4] 劉殿蘭,周杰琦.技術進步、產業結構變動與中國的二氧化碳排放——基于省際面板數據的經驗分析[J].科技管理研究,2015(9).

[5] Grossman G.M,Krueger A.B.Economic growth and the environment[J].Quanterly Journal of Economics,1995,110(2).

[6] 林伯強,蔣竺均.中國二氧化碳的環境庫茲涅茨曲線預測及影響因素分析[J].管理世界,2009(4).

[7] 丁寶根,周明,溫建中.基于EKC視角的江西省碳排放影響因素研究[J].科技管理研究,2012(10).

[8] 洪業應.產業結構和能源結構的變動對碳排放的影響分析:基于環境庫茲涅茨曲線檢驗[J].環境科學與技術,2015(8).

[9] 原嫄,席強敏,孫鐵山,等.產業結構對區域碳排放的影響——基于多國數據的實證分析[J].地理研究,2016(1).