中國高耗能產業碳排放強度的時空差異及其影響因素

劉漢初,樊 杰,3,*,曾瑜皙,郭 銳

1 中國科學院科技戰略咨詢研究院,北京 100190 2 中國科學院地理科學與資源研究所 區域可持續發展分析與模擬重點實驗室,北京 100101 3 中國科學院大學資源與環境學院,北京 100049

作為全球最大的能源消費和CO2排放國,中國節能減排的成效長期以來都是全世界關心的熱點問題。根據2017版BP報告(BP Statistical Review of World Energy)[1],2015年,中國的能源消費占世界總能源消費的23%,而CO2排放量卻占世界的27%,并且仍保持上升趨勢。在通過減排應對氣候變化方面,中國面臨著巨大的國際壓力,節能減排任重道遠[2]。2015年,中國在巴黎氣候大會上提出了減排目標：至2030年,化石能源消費的CO2排放達到峰值、單位GDP的CO2排放量(碳強度)比2005年下降60%—65%。從CO2排放來源來看,由于21世紀以來中國處于快速工業化和城鎮化階段,化石能源消費的CO2主要來自于工業部門,其中鋼鐵、化工、建材等高耗能產業的碳排放又占工業總排放的近80%[3]。另外,高耗能產業工業總產值占整個工業部門的比重長期保持在30%左右。從社會經濟發展規律來看,中國完成工業化和城鎮化進程還要經歷較長的時間[4],而作為提供能源和原材料產品的基礎性部門—高耗能產業,在未來較長時間內仍將占有較大比重。因此,要實現2030中國碳排放強度的目標值,在高耗能產業領域提高能源效率、降低碳排放強度是重要的著力點。另外,中國國土遼闊,自然資源稟賦、歷史基礎與技術條件等方面都存在較大的區域差異[5],由此導致碳排放強度及其成因機制也存在顯著的空間分異[6]。可見,降低中國高耗能產業碳排放強度必須聚焦區域差異,制定降尺度的地區分解方案。因此,在準確把握時空格局變化特征的基礎上揭示各地區差異化的影響因素,能對提出差別化且有針對性的區域減排政策提供科學依據。

碳排放強度不僅作為節能減排目標中的關鍵指標,同時也是衡量區域綠色低碳發展水平的重要參考。對于碳排放強度的研究,國內外重點聚焦在碳排放強度的動態變化與影響因素,研究方法多采用指數分解方法(Index decomposition analysis,IDA)[7-8]、結構分解方法(Structural decomposition analysis,SDA)[9-10]以及建立在IPAT模型或STIRPAT模型基礎上的計量回歸分析[11-13]。考察的影響因子主要包括能源結構、產業結構、經濟產出、人口規模、能源強度、城鎮化率、技術進步、對外貿易等[14-15]。學者們普遍認為產業結構和能源結構對中國碳排放強度影響的貢獻率最大,結構調整仍然是未來中國減排的主要方向[16-17]。產業部門中,工業對碳排放強度的影響最為突出,特別是電力生產、石油加工、煉焦、化工產品、金屬冶煉及壓延、非金屬礦產品等高耗能行業[18]。能源強度、技術進步、外商直接投資等是驅動中國碳強度降低的主要因子[19-20]；而經濟發展水平、城鎮化對碳排放強度影響的方向存在一定的爭論[21],部分學者認為二者均與碳排放強度存在負相關關系,而部分學者則認為二者除了對碳排放強度產生直接線性影響外還表現出非線性的影響。近年來,從空間差異以及空間效應視角對中國碳排放強度的研究逐漸增多。無論從地帶差異、省際差異還是類型區的差異來看,中國碳排放強度均存在顯著的空間分異特征[22-24],具體特征表現有“西高東低”、“欠發達地區高、發達地區低”等；另外,從空間效應來看,中國碳排放強度的空間集聚特征明顯,存在著正向空間自相關性特征[25-27]。能源結構、地區經濟發展水平、產業結構、對外開放程度、城鎮化率、技術水平等被認為是導致碳排放強度空間分異的主要因素[28-29]。分行業來看,還有學者從制造業、電力產業、石化行業、水泥行業等視角研究了中國各細分工業部門的碳排放強度時空格局[30-33],結果表明各產業部門均存在不同程度的空間分異。

已有的豐碩研究成果為文本提供了十分有益的借鑒,但仍存在一些薄弱環節。首先,現有對碳排放強度的研究側重在總體碳排放以及個別工業部門上,缺乏對高耗能產業整體及其影響因素的探討,其中主要的原因是測度各省區高耗能產業在較長時間范圍內的碳排放總量較為困難。而通過借鑒相關學者研制的不同行業碳排放測算方法的最新成果,為計算出各省區高耗能產業的碳排放量提供了有力支撐。其次,區域作為開放的系統,信息、資源在區域間不停地流動和交換,空間要素往往存在溢出效應。地理學第一定律也指出,空間距離越近的事物相互之間的依賴性越強,即事物屬性值的相關性越顯著。已有研究大多將區域看作單獨的個體,較少從地理學和空間相互作用關系出發探討碳排放強度的空間依賴性和空間異質性。因此,本文在揭示高耗能產業碳強度的時空格局變化特征基礎上,采用空間面板回歸模型對高耗能產業碳強度本身以及影響因素的空間溢出效應開展研究,以期研究結果為政府部門制定并實施差異化且有針對性的區域政策提供參考。

1 研究方法與數據來源

1.1 研究方法

本文在測度高耗能產業碳排放強度的基礎上,采用Global Moran′sI指數對其空間關聯性進行分析。當被解釋變量存在空間依賴性、空間異質性等空間效應時,采用傳統的普通最小二乘法所得到的參數估計往往會出現有偏和非一致的問題。在此情況下,本文采用空間計量模型解決這種具有空間特征的定量問題。

1.1.1高耗能產業碳排放強度的測度

產業CO2排放量的計算。人類活動產生的CO2主要來自于化石燃料消耗,因此本文根據各行業對不同化石燃料的消耗量測算高耗能產業的CO2排放總量。具體測算過程借鑒Shan等人[34-35]的最新研究成果,即針對中國當前已有的能源與社會經濟統計數據所提出來的計算方法。該方法對IPCC提供的估算方法進行了較大改進,把能源類型劃分為了17種(表1)、把排放主體劃分為了47個社會經濟部門,并對排放系數進行了相應的修正,具體內容參照文獻[34]。各行業的CO2排放量表達式如下：

(1)

式中：CEi表示i行業CO2排放量；ADij表示i行業中第j種能源的平均低位發熱量；NCVj表示不同化石燃料的平均低位發熱量；EFj表示第j種能源CO2排放系數(表1)；Oij為i行業中第j種能源的氧化效率,表示化石燃料燃燒過程中的氧化率。

表1 各類能源的平均低位發熱量與 CO2 排放系數[34]Table 1 Average net calorific value and carbon dioxide emission factor[34]

NCVj的單位為PJ/104t、108m3等；EFj的單位為Mt CO2/PJ

高耗能產業碳排放強度的計算。通過以上方法獲得各省份高耗能產業6個分行業的碳排放量,進一步匯總得到各省份高耗能產業的碳排放總量。最終,高耗能產業碳排放強度表示為單位工業總產值所排放的CO2量,具體計算公式如下：

(2)

式中：HCI表示高耗能產業的碳排放強度；CEi表示i行業的CO2排放量；Outputi表示i行業的工業總產值。

1.1.2空間自相關分析

空間自相關分析不僅能考察區域產業碳強度是否存在空間相互關系,而且也是正確構建空間計量模型的必要條件。本文采用全域空間自相關檢驗指標Global Moran′sI指數測度高耗能產業碳強度的空間集聚程度[36]。

(3)

(4)

式中：E(I)表示I的均值；VAR(I)表示I的方差；當Z(d)為0時,表明觀測值呈獨立隨機分布；當Z(d)顯著為正時,表明相似的觀測值(高高或低低)在空間上趨于集聚；當Z(d)顯著為負時,表明相似觀測值在空間上趨于分散分布,呈現出負的空間自相關。

1.1.3空間面板計量模型

面板數據包含橫截面、時間和指標三維信息,不僅可以提高估計精度和有效性,還能減少多重共線的現象。另外,由于空間數據可能存在空間自相關現象,需要在面板數據模型的基礎上,建立具有空間和時間效應的空間面板計量模型[37]。目前,發展比較成熟的空間計量模型主要有3種,包括空間滯后模型(SLM)、空間誤差模型(SEM)及空間杜賓模型(SDM)。

當空間單元的被解釋變量受到鄰近單元被解釋變量的影響時,需要在一般面板數據模型中加入被解釋變量的滯后項,轉化為空間滯后模型,又稱空間自回歸模型,具體表達式如下：

Y=ρWY+Xβ+ε;ε—N(0,δ2)

(5)

當空間單元的誤差項受到鄰近單元誤差項的影響,也就是說模型誤差項存在空間自相關時,需要加入空間相關的誤差項,轉化為空間誤差模型,具體表達式如下：

Y=Xβ+γWu+ε;ε—N(0,δ2)

(6)

空間杜賓模型是對空間滯后模型與空間誤差模型的特征進行綜合后的一般模型,同時包含了內生交互效應(WY)與外生交互效應(WX),具體表達式如下：

Y=ρWY+Xβ+WXθ+ε;ε—N(0,δ2)

(7)

式中,Y表示被解釋變量,為n×1的向量；X表示解釋變量,如果有m個被解釋變量,則為(n×m)的矩陣；β表示回歸系數,為(m×1)向量；ε表示隨機誤差項；N是空間單元個數；W表示一個(n×n)空間權重矩陣；ρ表示空間自回歸系數,如果ρ顯著,表明被解釋變量之間存在一定的空間關聯性；γ表示回歸殘差之間的空間相關性系數；u為隨機誤差向量；θ表示外生交互效應的系數,若H0：θ=0成立,則SDM模型退化為 SLM模型,若H0：θ+ρβ=0 時則退化為SEM模型,否則為SDM模型。

在具體運用空間模型的過程中,究竟選擇哪種空間面板模型以及應該包括哪種固定效應,需要在測試、診斷的過程中逐步確定。首先,運用OLS方法對面板數據模型進行回歸,并對模型的殘差進行相應拉格朗日乘數及其穩健形式檢驗(LMlag,LMerror,R-LMlag,R-LMerror)。如果SLM和SEM都不顯著,則保持OLS結果；如果SLM和SEM都顯著,則繼續運行穩健性檢驗。進一步,如果R-LMerror顯著,則運行SEM；如果R-LMlag顯著,則運行SLM。固定效應則采用似然比檢驗,模型擬合效果則采用擬合優度檢驗R2、自然對數似然函數值 (Log Likelihood,LogL)。其次,采用Wald或似然比 (LR)檢驗,判斷SDM能否簡化為SLM或SEM。最后,采用極大似然估計對SDM的參數進行估計。另外,由于有學者指出采用點估計方法檢驗空間溢出效應會導致錯誤[38],從而提出從偏微分角度去衡量相鄰區域間的直接效應(direct effects)與間接效應(indirect effects)。Elhorst[37]將這種方法推廣到了空間面板模型,通過求偏導數得到的偏微分矩陣(I-ρW)-1(βk+Wθk),矩陣主對角線元素的平均值為直接效應,而除主對角線以外的元素的平均值則是間接效應。

1.2 數據來源

高耗能產業在產品生產過程中對一次能源或二次能源的需求較大,碳排放強度顯著高于其他行業。根據《中華人民共和國2017年國民經濟和社會發展統計公報》[39]中的劃分標準,本文中的高耗能產業指化學原料及化學制品制造業、非金屬礦物制品業、黑色金屬冶煉及壓延加工業、有色金屬冶煉及壓延加工業、石油加工煉焦及核燃料加工業、電力熱力的生產和供應業等六大行業。高耗能產業的工業總產值來源于歷年《中國工業經濟統計年鑒》,分行業的各能源的消費量數據來自歷年的《中國能源統計年鑒》,其余解釋變量數據來自于歷年《中國統計年鑒》、《中國科技統計年鑒》、《中國環境年鑒》、《中國貿易外經統計年鑒》以及各省區統計年鑒。本研究所采用的基礎數據時間跨度為2000—2015年,基本空間單元為30個省區(由于數據缺失,港澳臺、西藏未納入)。為了消除價格變動因素,本文的經濟指標均轉化為以2000年為基期的可比價。

2 時空差異特征

2.1 時空格局演化分析

總體上,2000—2015年中國高耗能產業碳強度呈現出顯著的下降趨勢。2000年的高耗能產業碳強度高達8.70 t/萬元,這是由于2000年前后中國正處于工業化發展的中期階段,經濟增長主要依賴于大規模的資源環境消耗,技術管理水平相對較低,發展方式較為粗放,導致大規模的能源消耗與CO2排放。隨著經濟發展水平的提升、低碳發展路徑的不斷完善,在產業升級、技術進步、環境規制等因素的作用下,中國高耗能產業碳強度出現大幅度降低,至2015年,其強度調整為4.58 t/萬元,約為2000年的1/2。

省區層面上,雖然各省區高耗能產業碳強度的變化趨勢總體上與全國一致,均表現出大幅度下降的趨勢,但省區之間存在著極大的空間差異。為了刻畫碳強度的在區域間的相對差異,本文借鑒世界銀行關于區域經濟發展水平的分類方法[40],采用各年度各省份碳強度平均數的50%、100%、150%為節點值,將省區劃分為高強度、中高強度、中低強度和低強度四種類型區(圖1)。2000年,高強度類型區有6個,分別是陜西、貴州、安徽、山西、重慶、內蒙古,均位于中西部地區,空間上總體表現為帶狀分布；中高強度類型區有5個,分別是吉林、河北、黑龍江、廣西、寧夏,除河北之外也均位于中西部地區；低強度類型區數量較少,僅北京、天津、上海、廣東、新疆5個,除新疆以外,其余4個均為經濟發達的沿海省區；剩下14個省區都屬于中低強度類型區,空間上呈現出連片分布的特征。相比2000年,2005年江蘇、浙江、河北、安徽、重慶的碳強度相對下降,而云南、河南、寧夏、新疆、海南碳強度相對提升,其中新疆和海南變化最明顯,新疆從低強度變為了中高強度,海南從中低強度變為了高強度。2010年的空間格局整體變動較小,安徽、江西、陜西、河南的碳強度相對下降。2015年,省區空間分布格局有所變化,高強度、中高強度、中低強度和低強度四種類型區的數量調整為5個、8個、11個、6個,高強度類型區全部屬于北方省區,南方省區多為中低強度和低強度兩種類型區。

圖1 2000—2015年中國高耗能產業碳排放強度的空間格局變化Fig.1 Spatial pattern of carbon intensity in high-energy intensive industry from 2000 to 2015

區域層面表現出“西高東低”與“北高南低”并存的格局。從中國三大地帶差異來看(劃分標準參考文獻[12]),2000年,東部、中部和西部的高耗能產業碳強度分別為7.05 t/萬元、11.99 t/萬元、13.20 t/萬元,中部和西部遠大于東部地區,強度值分別是東部的1.70倍、1.87倍。2015年,東部、中部和西部的高耗能產業碳強度格局調整為3.53 t/萬元、5.74 t/萬元、6.64 t/萬元,中部和西部分別是東部1.63倍、1.88倍,可以看出東部的能源效率遠高于中西部地區,并且相對差距一直沒有縮小。從南北差異來看,本文將新疆、甘肅、內蒙古、寧夏、陜西、山西、河北、遼寧、吉林、黑龍江等10個北方省區當作一個整體,以便考察北方省區與其余省區之間高耗能產業碳強度的差異。2000年北方省區與其余省區碳強度的平均值分別為15.73 t/萬元、7.70 t/萬元,前者是后者的2.04倍；2015年二者碳強度的平均值分別調整為8.23 t/萬元、4.05 t/萬元,北方省區仍是其他省區的2.03倍。可以看出,中國高耗能產業碳強度呈現出顯著的“西高東低”與“北高南低”,并且“南北差異”比“東西差異”更大。地區間能源消費結構以及技術水平差異是造成中國高耗能產業在宏觀尺度上空間格局變動的主要原因。區域間能源結構中煤炭的比重差異極大,北方地區擁有中國主要的煤炭基地,煤炭在能源結構中的比重長期高于南方地區；并且近年來南方地區積極調整能源結構,煤炭比重快速降低。2015年的統計數據顯示,山西、內蒙古、寧夏、吉林、河北等北方省份煤炭比重超過70%,而浙江、廣東、上海、海南等南方省份煤炭比重低于40%。另外,科技創新是驅動碳排放強度降低的重要動力,但一直以來中西部地區與東部地區的科技創新能力都存在巨大的差異,并呈現出不斷擴大的趨勢[41],2015年,東部、中部和西部人均R&D支出分別為1834元、963元和412元。東部地區憑借著先進的技術和設備促使能源利用效率大大提升,有效地降低了碳排放強度,而中西部地區受科技創新驅動的效果相對較差。

2.2 空間關聯性特征分析

運用全域Moran′sI指數測度了中國省域2000—2015年高耗能產業碳強度的空間自相關程度,并采用隨機排列法構造正態分布以檢驗其顯著性(表2)。結果顯示,各年份的全域Moran′sI指數全部為正值,統計量Z值在5%水平上全部顯著(P值均小于0.05);說明中國高耗能產業碳強度存在顯著的正向空間自相關性,即本單元的高耗能產業碳強度對鄰近單元產生正向影響,反之,鄰近單元也會對本單元產生正向影響。從時間演變來看,2000—2015年全局Moran′sI指數呈現出波動型上升趨勢,從0.282提高到了0.332,表明中國高耗能產業碳強度的集聚程度增強,排放強度相似的類型區在空間上更加趨向于集聚分布。另外,這也表明在下文探討影響因素所采用的面板數據回歸模型中,有必要加入空間效應以提高模型估計的準確度。高耗能產業碳強度的局域空間集聚特征明顯,總體以高高集聚和低低集聚類型為主,其中高高集聚的省區主要分布在廣西-貴州和中國北方地區,低低集聚的省區則集中分布于東部沿海地帶,高高集聚和低低集聚的省區數量均有所增加,區域性集聚特征更加凸顯,進一步說明中國省區高耗能產業碳強度的空間差異有逐步擴大的趨勢。

表2 2000—2015年高耗能產業碳強度的全局Moran′s I指數Table 2 Global Moran′s I index of carbon intensity in high-energy intensive industry from 2000 to 2015

3 影響因素解析

3.1 模型設定

IPAT等式是表征人類行為驅動環境壓力變化的經典模型,但由于存在一定的局限性,Dietz等在此基礎上提出了隨機回歸影響模型,即STIRPAT模型[42]。該模型是一個多變量的非線性模型,經過對數處理之后可以進行多元線性擬合,實現了將不同的人文因素添加到模型對環境影響進行因果關系分析。本文以STIRPAT模型為基本框架,解析高耗能產業碳強度的影響因素。

影響高耗能產業碳強度的因素包括多個方面,根據文獻的梳理總結以及數據的可獲得性,本文重點考察以下9個因素,包括經濟發展水平[43]、技術創新[44]、對外貿易[45]、產業集聚[46]、城鎮化水平[13]、能源結構[47]、產業結構[48-49]、企業規模[50]、環境管制[51]。本文以人均GDP表示經濟發展水平,以人均R&D支出表示技術創新,以進出口貿易總額占GDP的比重表示對外貿易,以高耗能產業工業總產值的占所有工業的份額表示產業集聚,以城鎮人口占總人口的比重表示城鎮化水平,以能源消費中煤炭的比重表示能源結構,以工業增加值占GDP的比重表示產業結構,以高耗能企業平均工業總產值表示企業規模,以工業固體廢物綜合利用率表示環境管制。各變量對數值的基本統計描述見表3。

基于STIRPAT模型,采用高耗能產業碳強度作為被解釋變量,將上述9個影響因素納入模型作為解釋變量,最終的到解釋中國高耗能產業碳強度時空格局影響因素的普通面板數據回歸模型。以此為基礎,進一步進行空間計量分析。為使數據更符合正態分布并消除模型異方差性,本文在回歸前對被解釋變量和解釋變量做了對數變換。

lnHCIit=αit+β1lnPGDPit+β2lnRDit+β3lnFOREit+β4lnCLUSit+β5lnURBit+β6lnESit+β7lnINDit+β8lnFIRMit+

β9lnENVIit+εit

(8)

式中：ln表示自然對數；i(i=1,2,...,30)代表30個省份；t代表時間區間 (t=1,2,...,16)；HCI表示高耗能產業碳強度；PGDP表示地區經濟發展水平；RD表示技術創新；FORE表示對外貿易;CLUS表示產業集聚；URB表示城鎮化水平；ES表示能源結構；IND表示產業結構；FIRM表示企業規模；ENVI表示環境管制；ait表示各面板單位的協整關系中存在著不同的固定效應；βi表示各解釋變量的彈性系數；εit為橫截面個體i在時間t上的隨機誤差項。

表3 各變量及其對數值的統計描述Table 3 Variables and statistical description of their logarithm

3.2 模型檢驗

本文涉及到16個年度的數據,時間跨度較長,有必要分析面板數據的平穩性。單位根檢驗顯示中國2000—2016年高耗能產業碳強度的面板數據平穩,解釋變量的對數值在一階差分之后均平穩,協整檢驗結果顯示這些變量之間均存在協整關系。另外,一方面,由上文可知,被解釋變量HCI存在顯著的空間自相關；另一方面,對普通面板回歸模型采用OLS方法估計所得到的標準誤差進行空間自相關分析,全局Moran′sI指數為0.233,Z值為2.585,并在1%水平上顯著。因此,對于非獨立性樣本數據,采用傳統的OLS方法估計的結果可能會存在嚴重的偏誤。本文需要將空間效應納入模型,更適合采用空間面板回歸模型。

根據Hausman檢驗結果(26.73,P= 0.001),確定采用空間固定形式構建一般面板數據回歸模型。進一步,對無空間相互作用模型進行LM檢驗及穩健性LM檢驗,包括時空均不固定(混合)、空間固定、時間固定、時空固定4種形式,判斷SEM和SLM是否比非空間模型更優。如表4所示,加入空間效應和雙向固定效應下的模型整體擬合程度良好,擬合優度檢驗統計量顯著高于混合效應和時間效應模型。從對數似然函數值進行比較,空間固定效應和雙向固定效應下模型的log-L值也明顯高于另外兩個模型。對4種形式的LM檢驗及穩健性LM檢驗結果顯示,僅時間固定形式下的空間滯后效應沒有通過5%的穩健性LM檢驗外,其余3種形式下的空間滯后效應與空間誤差效應均通過了LM檢驗與穩健性LM檢驗。檢驗結果并非指向同一類型的模型,因此需要進一步構建更一般形式的空間杜賓模型(SDM),并對空間固定和時空固定兩種形式下的模型進行檢驗。

表4 普通面板模型下4種形式的LM檢驗結果Table 4 LM test results of four forms under the common panel model

括號內是P統計值；*,**,***分別表示在0.10、0.05、0.01水平上顯著

對零假設為空間固定效應聯合顯著的模型進行LR檢驗,結果為79.48(P=0.000),拒絕原假設,表明雙向固定效應優于空間固定效應。另外,從對SDM模型的Wald 檢驗和LR 檢驗結果中可以看出,Wald-lag、Wald-error、LR-lag、LR-error 4個統計量均通過了1%的顯著性水平,因此SDM模型不能退化為SEM或SLM 模型形式。由此,本文最終選擇具有時間和空間雙向固定效應的SDM模型揭示各因素對中國高耗能產業碳強度時空特征的影響。

3.3 結果分析

3.3.1SDM模型回歸結果

各變量回歸系數β的顯著性檢驗結果顯示(表5),技術創新、對外貿易、產業集聚、能源結構、產業結構、企業規模6個變量在5%水平上顯著,其中除了能源結構為正向,其余5個變量均為負向。表明本地的技術創新、對外貿易、產業集聚、產業結構、企業規模對中國省域高耗能產業碳強度(HCI)有不同程度的降低作用,其中產業集聚的作用強度明顯高于其他變量,本地產業集聚每提升1%,HCI將降低0.394%；其余變量每提高1%,HCI將下降0.1%—0.15%。能源結構對HCI具有顯著的正效應,本地能源消費中煤炭的比重提高1%,將會導致HCI提升0.360%,是影響省域HCI的關鍵因素。另外,經濟發展水平、城鎮化水平、環境管制在10%水平上沒有通過顯著性檢驗,表明該3個變量對中國省域HCI的空間差異沒有顯著影響。

表5 空間杜賓模型的回歸結果Table 5 Regression results of SDM model

*,**,***分別表示在0.10、0.05、0.01水平上顯著；PGDP,經濟發展水平,Economic level；RD,技術創新,Technological innovation；FORE,對外貿易,Foreign trade；CLUS,產業集聚,Industrial agglomeration；URB,城鎮化水平,Urbanization level；ES,能源結構,Energy structure；IND,產業結構,Industrial structure；FIRM,企業規模,Company size；ENVI,環境管制,Environmental regulation

空間自回歸系數ρ顯著為正,表明中國省域高耗能產業碳強度(HCI)明顯受到臨近省份的影響,同時也對鄰近省份的HCI產生影響。HCI存在明顯的空間溢出效應,回歸系數ρ為0.16,并在5%水平上顯著,這表明臨近省份HCI每變動1%,本省份的HCI度會往相同的方向變動0.16%。

空間滯后項系數W的顯著性檢驗結果顯示(表5),技術創新、對外貿易、產業集聚、環境管制在5%水平上顯著,其中技術創新、對外貿易為負向效應,產業集聚、環境管制為正向效應。鄰近省份的技術創新、對外貿易每提高1%,本省的高耗能產業碳強度(HCI)分別降低0.287%、0.304%,而臨近省份的產業集聚、環境管制每提升1%,本省的HCI分別將上升0.437%、0.264%。另外,鄰近省份的地區經濟發展水平、城市化水平、能源結構、產業結構與企業規模對本省的HCI沒有明顯影響作用。

3.3.2直接效應與間接效應

上文對外生交互效應(WX)的系數估計中,W×lnRD、W×lnFORE、W×lnCLUS、W×lnENVI均在5%水平上顯著,為了更加深入的解析這種空間交互效應,本文以SDM模型模擬結果為基礎,進一步計算出各影響因素對中國省域高耗能產業碳強度的直接效應與間接效應。結果如表6,可以將變量分為四類。

表6 不同影響因素對高耗能產業碳強度的直接和間接效應Table 6 Direct and indirect effects of various impact factors on carbon intensity in high-energy intensive industry

*,**,***分別表示在0.10、0.05、0.01水平上顯著

第一類變量同時具有直接效應與間接效應,包括技術創新、對外貿易、產業集聚,其中技術創新、對外貿易對中國省域高耗能產業碳強度(HCI)的直接效應與間接效應均顯著為負,并且間接效應大于直接效應,也就是說技術創新、對外貿易具有降低HCI的作用,并且空間溢出效應影響更大。例如,各省份的技術創新水平均提高1%,本省份和鄰近省份的HCI分別降低0.078%、0.278%。另外,產業集聚的直接效應顯著為負,而間接效應顯著為正,表明產業集聚每提高1%促使本省份HCI 降低0.390%,卻使臨近省份HCI提升0.404%,導致這個特別現象的原因可能是,產業在向一個省份集聚過程中會使周邊省份的產業集聚降低,進而導致的HCI提升。

第二類變量只具有直接效應、沒有間接效應,包括能源結構、產業結構、企業規模,其中能源結構的彈性系數最大且具有正向作用,表明能源消費中煤炭的比重每提高1%,僅能促使本省份的高耗能產業碳強度(HCI)提升0.362%,對周邊省份沒有顯著影響。產業結構、企業規模直接效應的彈性系數均顯著為負,表明提高工業比重以及擴大企業規模有助于降低HCI。例如,企業規模擴大1%,有助于本省份HCI降低0.102%。

第三類變量只具有間接效應、沒有直接效應,僅環境管制屬于該類。環境管制間接效應的回歸系數為0.255,并在1%水平上顯著,說明環境管制強度提高1%,雖然對本省份沒有顯著性影響,但將會促使周邊省份高耗能產業碳強度(HCI)提高0.255%。可能的原因是,本地環境管制提高之后,高耗能企業面臨治污成本增加,一些企業不是通過投資先進技術和環保設備來提高能源效率,而是選擇了搬遷到環境管制更寬松的周邊省份,結果導致本地高耗能產業碳強度并沒有明顯降低,但周邊省份由于低水平的高耗能企業增多,最終導致HCI的提高。

第四類變量既無直接效應、也無間接效應,包括經濟發展水平和城鎮化水平。經濟發展水平的回歸系數為負,而城鎮化水平的回歸系數為正,但二者均沒有在10%水平上通過檢驗。這一發現與Cheng等[26]對整體碳排放強度的研究結果有所差別,該文認為經濟發展水平、城鎮化水平對碳排放強度均顯著為正。這說明,各影響因素對高耗能產業碳強度與整體碳強度的作用機制是存在差異的,降低高耗能產業的碳排放強度需要制定更有針對性的措施。

4 結論與討論

本文利用2000—2015年中國30個省區的面板數據,在測度出各省區高耗能產業碳排放強度的基礎上,采用探索性空間分析方法以及建立空間計量模型,刻畫了中國高耗能產業碳排放強度的時空差異特征、并揭示出了其影響因素以及空間溢出效應。主要得到以下結論：第一,2000—2015年中國高耗能產業碳排放強度下降趨勢極為顯著,從8.70 t/萬元降低到了2.14 t/萬元；第二,高耗能產業碳強度存在著極大的空間分異特征,具體表現出“西高東低”與“北高南低”并存的格局,并且“南北差距”比“東西差距”更大。另外,還具有顯著的空間自相關特征,碳強度值相似的省份更傾向于空間集聚。第三,模型檢驗表明時空固定形式下的空間杜賓模型可以實現最優模擬,本地高耗能產業碳強度明顯受到周邊省份的影響,臨近省份的高耗能產業碳強度每變動1%,本省份也會同向變動0.16%。第四,影響因素方面,技術創新、對外貿易、產業集聚同時具有直接效應與間接效應,技術創新、對外貿易不僅促使本省高耗能產業碳強度降低,而且通過溢出效應促使周邊省份也降低；產業集聚對本地高耗能產業碳強度產生負向影響,而對周邊省份產生正向影響。能源結構、產業結構、企業規模只具有直接效應而不存在間接效應,能源結構對本地高耗能產業碳強度產生顯著的正向影響；環境管制只具有空間溢出效應而不存在直接效應,環境管制強度提高1%,周邊省份高耗能產業碳強度將提高0.255%。另外,經濟發展水平和城鎮化水平既不存在直接效應、也無間接效應,這一現象與已有對整體碳強度的研究結果差異明顯。

降低高耗能產業碳強度是我國實現2030年減排目標的重要抓手。本文通過實證研究獲得以下政策啟示：(1)重視高耗能產業碳強度的空間交互效應,制定區域協同發展與控制策略。大區域范圍內應該采取統籌規劃、資源共享、產業協作以及信息共享的合作治理模式。(2)把握影響高耗能產業碳強度的主導因素,確定減排政策的重點方向。高度重視技術創新在降低高耗能產業碳強度的作用,加大外向型經濟開放力度,積極引進國外先進工業技術設備和管理經驗,著力調整高耗能產業領域的能源消費結構,提高清潔能源的消費比重；優化產業布局,推進高耗能產業集聚式發展;加強環境管制,制定嚴格的排放標準。(3)立足于區域實踐,制定差異化的減排措施。東部沿海地區應推進自主創新與引進國外先進技術并重,大力推進創新技術在工業生產中的應用,打造生態型產業集群,發展循環經濟；中西部以及北方省份應以能源消費結構優化為核心,逐步降低以煤為主的高消耗、高排放的發展方式。(4)應對當前高耗能產業逐步向中西部轉移的趨勢,為避免成為“污染避難所”,中西部地方政府需要加強環境監管,因地制宜,在評價資源環境承載力的前提下合理推進產業布局。

該研究還存在一些薄弱環節,一些問題還有待于深入探究。第一,由于數據限制,研究選取的基本空間單元僅在省域層面,未來有必要從地級市或更小的空間尺度進一步開展研究。第二,本文將高耗能產業作為整體研究,由于決定不同行業碳排放強度的影響因子存在較大差異,未來還需要從高耗能產業的細分行業深入探討,有助于提升不同區域節能減排的針對性。第三,對于影響因素及其空間溢出效應的探討,本文側重揭示了不同要素的影響方向、相對強度以及溢出效應,但一些因素的特殊作用規律沒有被深入刻畫,譬如本文模型中顯示經濟發展水平、城鎮化率對高耗能產業碳排放的影響不顯著,而已有的研究成果表明經濟發展水平、城鎮化率對碳強度的影響除了線性關系還存在非線性關系,二者對高耗能產業碳排放是否也存在非線性這樣的規律？因此,未來還需要采用新模型、新方法進一步分析不同影響因素的作用機制以及多種變量之間的交互影響。