低碳經(jīng)濟下企業(yè)碳排放與經(jīng)濟發(fā)展的關聯(lián)實證分析
——以云南昆鋼嘉華水泥建材有限公司為例

梁琴 李銳

（1.云南林業(yè)職業(yè)技術學院,云南 昆明 650224；2.昆明鋼鐵控股有限公司,云南 昆明 650224）

20世紀末，《京都議定書》發(fā)布，明確了發(fā)達國家和發(fā)展中國家具體應承擔的減排降碳責任。我國政府將節(jié)能減排作為發(fā)展戰(zhàn)略之一，在2009年，國務院指出截至2020年，中國碳排放總量與2005年相比下降了40%。在此期間，我國能源消耗總量和速度首次超越美國。相較于發(fā)達國家，我國能源消耗對國民總值的提升貢獻值較低，中國面臨著嚴重的環(huán)境壓力。基于此，在提高我國經(jīng)濟增長速度的同時，如何降低碳排放總量成為關注的重點。在我國，碳排放主要源于能源業(yè)、建筑業(yè)、工業(yè)以及森林建設，尤其是工業(yè)占碳排放總量較大。因此，本文在低碳經(jīng)濟背景下，以云南昆鋼嘉華水泥建材有限公司（以下簡稱昆鋼嘉華公司）為研究對象，運用Eviews軟件分析其碳排放與經(jīng)濟發(fā)展的關聯(lián)，同時分析影響碳排放的因素，旨在推動公司實現(xiàn)減排目標和綠色發(fā)展。

1 文獻綜述

在研究碳排放和經(jīng)濟發(fā)展之間的關系時，筆者發(fā)現(xiàn)，環(huán)境庫茲涅茨曲線（EKC）在該研究中運用得最為普遍。國外文獻如 Grossman（1995）在研究中選取了北美作為研究對象，經(jīng)過分析發(fā)現(xiàn)，人均收入、環(huán)境質(zhì)量雙方間存在顯著的倒U型曲線形式，其在研究結論中指出環(huán)境質(zhì)量受經(jīng)濟增長的影響較大[1]；Panayotou（1993）是提出環(huán)境庫茲涅茨曲線（EKC）的第一人[2]。EKC被提出后，發(fā)展迅速，業(yè)界針對該理論的研究逐漸增多。Narayan（2010）以43個發(fā)展中國家為研究對象，在分析這些國家碳排放量和人均收入數(shù)據(jù)的基礎上發(fā)現(xiàn)，只有15個發(fā)展中國家與EKC倒U型曲線貼近[3]。所以，本研究在探究EKC 曲線和 Tapio 脫鉤模型理論的背景下，選取昆鋼嘉華公司為研究對象，對其碳排放和經(jīng)濟增長進行了脫鉤分析，同時運用IPAT模型分析了影響公司碳排放的因素[4]。研究最后提出了針對昆鋼嘉華公司節(jié)能減排的具體對策，以期為相關企業(yè)提供理論借鑒，為社會實現(xiàn)減排目標作出貢獻。

2 實證檢驗及數(shù)據(jù)分析

2.1 碳排放計算與數(shù)據(jù)的選取

研究以真實數(shù)據(jù)和現(xiàn)實情況為基礎，以提高研究方案的可行性，在能源耗量估算法的基礎上運用綜合方面測量二氧化碳排放總量，詳細的過程如式（1）：

基于式（1），A代表碳排放總量；Bi為能源i以標煤為計量單位的消費量；Ci為能源i的碳排放系數(shù)，其中，碳排放系數(shù)源于日本能源經(jīng)濟研究所。

整理與總結昆鋼嘉華公司能源消費量數(shù)據(jù)，掌握了公司2010—2021 年二氧化碳排放量。

2.2 模型構建

2.2.1 EKC 模型

研究發(fā)現(xiàn)，在研究環(huán)境變化趨勢中，線性模型和對數(shù)性模型運用最為普遍，在這兩種模型下，可以衍生出一條關于收入的多項式函數(shù)，本研究構建的環(huán)境庫茲涅茲曲線（EKC）函數(shù)具體如式（2）：

在式（2）中，Y代表人均二氧化碳排放，t代表年，X代表人均 GDP；b0、b1、b2、b3分別是解釋變量的系數(shù)，ε代表隨機誤差項。

2.2.2 脫鉤模型

根據(jù)圖表1了解到，Tapio（2005）將研究范圍放在歐盟成員國上，在計算這些國家和地區(qū)碳排放量時綜合運用了物質(zhì)消耗彈性脫鉤評價法和彈性值，首次測量了能源消耗、GDP間的具體彈性值，具體如式（3）；計算二氧化碳和能源消耗二者間的具體彈性值，如式（4），將二者進行乘積，進而計算二氧化碳和GDP間的具體彈性值，如式（5），也就是脫鉤指數(shù)。

表1 Tapio脫鉤程度狀態(tài)與經(jīng)濟發(fā)展相關聯(lián)脫鉤關系

圖1 Tapio脫鉤程度狀態(tài)圖

在上式中，表示能源消耗相對GDP的彈性，表示二氧化碳相對于能源消耗的彈性，%ΔEC代表能源消耗變化，%ΔCO2代表二氧化碳變化，%GDP代表GDP變化。

3 實證結果分析

3.1 碳排放與經(jīng)濟發(fā)展趨勢分析

昆鋼嘉華公司自2004年成立以來，總資產(chǎn)發(fā)展迅速，對區(qū)域經(jīng)濟發(fā)展產(chǎn)生重要影響。分析其工業(yè)占比得知，公司的產(chǎn)業(yè)結構并不合理，重工業(yè)占比較大，能源消耗過大，經(jīng)濟效益低下。在區(qū)域生產(chǎn)總值中，昆鋼嘉華公司的貢獻率為30%～45%，但能源消耗卻超過60%，并且這種現(xiàn)象持續(xù)的時間較長。所以，以昆鋼嘉華公司為例，研究其碳排放與經(jīng)濟發(fā)展的關系，有助于其降低碳排放，有助于提高區(qū)域經(jīng)濟收益。近年來昆鋼嘉華公司重視綠色環(huán)保問題，逐步改革生產(chǎn)技術，提高了能源的利用率，近兩年碳排放強度出現(xiàn)降低趨勢。

3.2 EKC 實證分析

昆鋼嘉華公司經(jīng)濟發(fā)展指數(shù)用公司的人均產(chǎn)值表示，以公司2010年人均產(chǎn)值數(shù)據(jù)作為研究基期，從不變價格的計算上進行探討，進而分析其碳排放、經(jīng)濟發(fā)展兩者間存在的關聯(lián)。選擇昆鋼嘉華公司在2010—2021年度的經(jīng)營環(huán)境和企業(yè)成長指數(shù)為時間順序指標，并通過建立模型，再利用Origin Pro 8.5.1對數(shù)據(jù)進行規(guī)整，對其進行一次函數(shù)、二次函數(shù)和三次函數(shù)討論（見表2）。

通過表2得知，昆鋼嘉華公司在一次、二次和三次擬合函數(shù)下，數(shù)據(jù)較為離散。由圖2和表3可知，在昆鋼嘉華公司中，其3個模型的擬合度 之間的差別比較顯著，與一次和二次模型相比，三次模型的更大為 0.939 37，高于0.9。由此，三次模型與昆鋼嘉華公司人均產(chǎn)值、人均碳排放的實際情況相符。根據(jù)上述內(nèi)容，得出昆鋼嘉華公司人均產(chǎn)值、人均碳排放之間的環(huán)境庫茨涅茨曲線為“N”型，也就是公司經(jīng)濟的增長有助于提高環(huán)境質(zhì)量，公司人均碳排放的降低會隨著公司經(jīng)濟的增長而升高，再次面臨環(huán)境危機。

表3 昆鋼嘉華公司人均產(chǎn)值與人均碳排放線性擬合統(tǒng)計

圖2 昆鋼嘉華公司人均產(chǎn)值人均碳排放三種情況下的擬合曲線

表2 不同系數(shù)設定下經(jīng)濟增長與環(huán)境污染的關系

3.3 脫鉤分析

在Tapio 脫鉤模型的基礎上，立足于昆鋼嘉華公司經(jīng)濟發(fā)展實際和能源消耗實際，建立符合公司碳排放和經(jīng)濟發(fā)展之間的脫鉤模型。表4則反映了昆鋼嘉華公司2010—2021年間碳排放與經(jīng)濟發(fā)展的脫鉤關系。

表4 昆鋼嘉華公司碳排放與經(jīng)濟發(fā)展的脫鉤關系

可以看出，昆鋼嘉華公司在2010—2021年間的碳排放和經(jīng)濟發(fā)展之間的脫鉤關系波動較大。昆鋼嘉華公司成立之后，工業(yè)比重逐漸增加，進而導致公司能源消耗總量急劇增加，但消耗更多的能源并未給公司帶來良好的經(jīng)濟收益，公司碳排放量增速明顯高于生產(chǎn)總值。隨著綠色環(huán)保概念的宣傳推廣，公司管理人員逐漸意識到降低碳排放的重要性，并積極采取了有效措施，比如減少高耗能材料的使用，降低高耗能產(chǎn)品占比，與此同時通過現(xiàn)代技術控制和降低碳排放量，逐漸將水電和天然氣用于日常生產(chǎn)。基于此，公司的碳排放總量明顯降低，出現(xiàn)高新低碳經(jīng)濟發(fā)展態(tài)勢。近期，公司準備進一步轉(zhuǎn)變生產(chǎn)方式，盡可能地落實減排目標，調(diào)整產(chǎn)業(yè)結構，降低公司碳排放量[5]。公司產(chǎn)業(yè)結構的調(diào)整是一個長期的動態(tài)過程，導致公司的碳排放量和產(chǎn)業(yè)之間的發(fā)展并不相符，呈現(xiàn)脫鉤狀態(tài)。

4 碳排放影響因素分析

4.1 模型構建及數(shù)據(jù)說明

Ehrlich &Holdren率先提出IPAT模型（環(huán)境壓力控制模型），IPAT模型的提出與日益嚴重的自然環(huán)境緊密相關，Ehrlich &Holdren在研究中指出，人口、資產(chǎn)、技術以及政治等方面均對環(huán)境質(zhì)量產(chǎn)生影響。在IPAT 模型中，其中各個影響因素屬于關系恒等式，是人口、經(jīng)濟以及技術三者共同產(chǎn)生的影響，單個影響因素對環(huán)境不產(chǎn)生影響。具體的關系恒等式如下：

然而在運用 IPAT 模型時，僅能改變其中一個影響因素，而且要保持其他影響因素的穩(wěn)定。20世紀90年代，Dietz 和 Rosa在IPAT模型的基礎上提出了環(huán)境影響隨機模型，即STIRPAT模型，在STIRPAT模型中，變量可以依據(jù)實際情況進行變動。因此，這一模型被學者廣泛用于與研究碳排放影響因素中，詳細的模型等式如下：

STIRPAT模型中的乘法結構形式與IPAT 模型基本一致，主要在保持三大影響因素不變的情況下引入模型的系數(shù)項，一般以a為代表，而b、c、d分別為P、A、T影響因素的指數(shù)項，e為模型隨機誤差項。STIRPAT模型中能高效地分解各個影響因素，同時也能在避免IPAT 模型自變量出現(xiàn)變動的情況下對個系數(shù)參數(shù)進行評估。然而，在抉擇具體數(shù)據(jù)時，首先要計量這些數(shù)據(jù)，其次要分析模型具體的對數(shù)值，減少模型的異方差，提高因變量與自變量之間彈性值的便利性。

當中，I代表環(huán)境壓力，如碳排放量等指標，而b、c、d可解釋自變量P、A、T變動引起的環(huán)境壓力變動的彈性系數(shù)。在該模型，彈性系數(shù)的正負值與相關性呈正相關[6-7]。

本研究選擇的為因變量，記為研究對象碳排放量；具體的自變量和解釋變量主要有以下幾項：（1）F，代表研究對象固定資產(chǎn)投資情況及規(guī)模；（2）P，表示人口規(guī)模，用公司從業(yè)人員數(shù)量表示；（3）A，表示企業(yè)GDP ；（4）T，表示技術水平，本文中用企業(yè)能源利用效率表示。一般來說，技術水平的高低與能源利用效率的高低成正比關系，而與碳排放量則呈相反關系，即技術越高，能源利用效率就越高，碳排放量就越低。

4.2 回歸分析

利用最小二乘法分析研究數(shù)據(jù)，從而得出回歸分析結果（見表5）。通過匯總模型了解到，模型的調(diào)整R=0.996，F(xiàn)=921.862，且sig=0.000，由此可知數(shù)據(jù)之間呈顯著的相關性，有利于對各變量進行回歸分析，計算出的結果更符合設想。然而，表6中的數(shù)據(jù)表示LnF、LnA、LnT的共線性檢驗中方差膨脹因子VIF的檢驗值最小為8.730，最大為148.786。當中LnF、LnA、LnT三變量的值均大于10，由于各變量間存在多重共線性，所以回歸得出的結果并不精準。基于此，不應利用無偏估計對LnI、LnF、LnA、LnT數(shù)據(jù)序列進行研究，為進一步規(guī)避的多重共線性對研究帶來的消極作用，研究小組將再次改進回歸分析法，對具有偏估計的嶺回歸對模型進行擬合分析[8]。

表5 回歸結果

表6 數(shù)據(jù)回歸模型匯總

4.3 碳排放影響因素的嶺回歸分析

4.3.1 嶺回歸的定義

通過研究法完成普通最小二乘法估計回歸，加入這個變量之間存在多重共線性現(xiàn)象，那么計算出的回歸系數(shù)方差結果差異較大，估計值也不符合平穩(wěn)性。根據(jù)1970年Hoerl和Kennard的研究結論在改進普通最小二乘法回歸的基礎上，提出了有偏估計的嶺估計法，該方法克服了研究存在的變量問題。

上式為β的嶺回歸估計，其中k為嶺參數(shù)，由于已經(jīng)對數(shù)據(jù)進行標準化，所以為自變量的樣本相關矩陣，且?guī)X回歸估計比OLS估計穩(wěn)定，若k＞0時，該回歸為嶺回歸，若k=0時，該回歸為普通最小二乘法估計回歸。同時由于k值的變動非唯一性，嶺回歸估計亦是非唯一的，與k值的變動相符。

4.3.2 嶺回歸實證分析

本研究通過SPSS22.0工具分析嶺回歸擬合情況，以此了解影響碳排放的各個因素。不過，由于量的標準系數(shù)整體呈平穩(wěn)狀態(tài)，加上計算出的各回歸系數(shù)的嶺估計值與設想的基本一致，因此將步長設為0.02，k值范圍設為-0.2～0，進而計算執(zhí)行嶺回歸（見表7）。

表7 R的平方、嶺回歸系數(shù)估計值及對應值

當時，各變量得出的回歸系數(shù)比較平穩(wěn)，目R2=0.986 83，擬合度表現(xiàn)較好。當k=0.06時，LnF、LnP、GDP及LnA、LNT的回歸系數(shù)的嶺回歸估計總體處于穩(wěn)定狀態(tài)，并與社會經(jīng)濟發(fā)展意義相符，之間的殘差平方和增長不明顯，而且這其間LnF、LnP、LnA、LnT的VIF值均不高于10，與研究條件基本一致。因此，本研究以k=0.06執(zhí)行標準的嶺回歸分析（見表8）。

表8 數(shù)據(jù)回歸模型匯總

由表9可知，回歸方程的統(tǒng)計量F=224.721 3，且Sig.F=0.000，表示回歸方程存在較強的顯著性。因此，當自變量出現(xiàn)變化與不同，方程的線性關系更加突出。從而計算標準的嶺回歸方程，即當k=0.06，R2=0.986 8，LnP、LnA、LnT對應的系數(shù)分別為0.466 1、0.357 8、-0.117 8，由此得到研究所用的標準化嶺回歸方程，具體如下：

可得企業(yè)碳排放影響因素的STIRPAT模型為：

5 結論及啟示

5.1 結論

本文以昆鋼嘉華公司為研究對象，選取其2010—2021年間的數(shù)據(jù)分析其碳排放與經(jīng)濟發(fā)展之間的關系，通過構建EKC模型和脫鉤模型，得出了二者之間的關系；同時在IPAT模型的基礎上，分析了影響公司碳排放的因素。

（1）對于昆鋼嘉華公司而言，其2010—2021年間碳排放與經(jīng)濟增長之間的關系始終呈增長趨勢，但公司碳排放強度與之相反，呈逐漸下降態(tài)勢。

（2）通過分析昆鋼嘉華公司近年來的發(fā)展了解到，其碳排放和經(jīng)濟增長之間有著明顯的“N”型關系，即使在公司經(jīng)濟總量逐漸增長的背景下，環(huán)境質(zhì)量得到提升，但當經(jīng)濟增長到某個節(jié)點時，公司人均碳排放將隨著提升，從而出現(xiàn)環(huán)境惡化現(xiàn)象。

（3）通過分析昆鋼嘉華公司2010—2021年間碳排放、人均產(chǎn)值增加率、脫鉤指數(shù)之間的關系時，發(fā)現(xiàn)曲線發(fā)展形勢波動較大，總體呈高水平的相對低碳發(fā)展趨勢。

（4）在分析碳排放影響因素時，通過構建模型發(fā)現(xiàn)LnF、LnP、LnA與LnI之間呈正相關關系，但LnT與LnI之間則相反。當中，LnP對LnI的影響程度最高，LnA次之；LnT與LnI之間的關聯(lián)不明顯。

5.2 啟示

（1）地方政府應實施具有針對性的低碳獎懲制度，促進地方碳排放交易市場的構建。其一，嚴格遵守國內(nèi)碳排放交易試點的原則與發(fā)展方向，根據(jù)高耗能企業(yè)發(fā)展實際制定不同的碳排放標準。對積極參與減排的企業(yè)給予相應的激勵和鼓舞措施，帶領其他企業(yè)響應減排政策。同時制定嚴格的處罰條例，不斷改進綠色環(huán)保、節(jié)能減排的法律條例。在構建碳排放交易平臺時，要避免程序煩瑣，提高企業(yè)參與的便利性和積極性，進而提高企業(yè)減排的信心[9]。

（2）地方政府應重新審視高碳排放企業(yè)在市場中的地位，避免因市場過熱導致企業(yè)的盲目擴張。通過改變工業(yè)經(jīng)濟發(fā)展方式，利用內(nèi)部產(chǎn)業(yè)結構調(diào)整促使企業(yè)達成低碳減排的目標，以促進產(chǎn)業(yè)集約化和地方經(jīng)濟的可持續(xù)發(fā)展。