“雙碳”目標下我國煤炭減量化使用的壓力指數測度研究

葉青海 楚鴻健 張慧瑩 張 梅

1（河南科技大學商學院，洛陽 471023） 2（鄭州大學管理學院，鄭州 450001）3（山東科技大學經濟管理學院，青島 266000）

引 言

2020年9月，習近平總書記宣布中國將采取更加有力的政策和措施，實現 “3060”雙碳目標，我國煤炭排放的二氧化碳排放量占整個排放量的80%以上，煤炭減量化使用是雙碳目標實現的關鍵。中國正處于工業化和城市化加速發展階段，能源消費不斷增長，中國溫室氣體排放總量大、并且繼續增長。近十年來，煤炭在中國能源消費結構中占比持續降低，已從占比70.2%下降到2021年的56.8%，但仍處于較高位置，相比于全球煤炭消費占比的27.2%，中國煤炭消費水平是世界水平的2倍還要多。按照2030年碳達峰的碳排放管理目標，預計在2025年前后，煤炭消費必須達到峰值；2025～2030年前后，仍將處于煤炭消費總量峰值平臺期但會逐漸回落；2033年后，煤炭減量使用進入大規模推進階段；2050年后，煤炭逐漸轉為應急與調峰能源，可再生清潔能源大幅提高。

探索中國各地區煤炭消費減量化使用的現狀和治理途徑具有重大意義。面對中央下達的能源消費結構調整、減少煤炭使用比重的硬性壓力和約束目標，中國各個省（區、市）都要有具體的行動路線、規劃圖和方案實施時間表。但各個地區經濟發展狀況、能源資源擁有量、人口規模、低碳技術水平、產業結構、能源結構等影響因素的水平不同，面臨的煤炭減量使用壓力也必然存在差異，有必要解析中國各個省域在碳中和目標下煤炭減量使用的壓力程度，并進行比較分析，以促進各個省域因地制宜、精準施策，控制煤炭消費總量，推動綠色循環低碳發展。

1 研究綜述

全球主要國家幾乎都提出了碳中和的目標，但碳中和依然是遙遠的目標，因為大家都承受著減碳的巨大壓力。 “BP能源統計2022”［1］認為：2021年世界能源轉型和能源體系面臨強烈的沖擊，從2021年的數據來看，全球還依然處在碳排放增長的周期里。在未來一段時間內，全球的碳排放將延續持續增長的狀態，甚至2022年的全球化石能源消費量和比例都會上升。能源體系轉型需要滿足 “足夠的能源安全”、“實現氣候變化目標的低碳環保”、“經濟上可承受”3個約束［2］的減碳路徑，煤炭減量使用也一樣，需要在承受巨大壓力中負重前行。

張宏 （2022）［3］認為實現碳達峰碳中和的重要途徑有4點，即加快能源消費結構調整、提高可再生能源比重、控制能源消費總量以及減少化石能源消費比重。 Duan （2018）［4］通過建立隨機能源經濟-環境綜合模型，重點關注碳強度降低、碳排放峰值和非化石能源發展。蔣茂榮等 （2021）［5］指出我國煤炭消費減量化使用的前提是做到低成本替代和不產生能源電力安全問題，兼顧煤炭依賴型地區長期發展。從地區減煤舉措來看，王林平 （2016）［6］以上海市為例，研究了煤炭減量替代方案的實施情況，得出具體領域具體的煤炭減量替代方案。劉佳佳 （2021）［7］則以安徽省為例研究煤炭消費總量控制的對策，認為重視煤炭消費對經濟增長作用的同時更要重視經濟與環境、資源、生態的協調發展。山西省作為中國煤炭產量第一大省，是重點關注的減煤對象，秦艷 （2021）［8］就以山西省為研究對象，運用情景分析法發現 “十四五”期間，加快產業結構調整力度及深度，促進能源生產系統性變革，緊抓重點行業綠色低碳轉型是關鍵減煤路徑。許悅和翟大宇 （2021）［9］基于北上廣和深圳、湖北五個碳市場的交易數據，綜合考慮了碳市場的縱向壓力情況和橫向相關性，構建了日度中國碳市場壓力指數（CCMSI），反映出了中國碳市場總體風險的表現。

現有文獻研究聚焦于煤炭減量使用的具體舉措和實施路徑，但缺少地域層面的縱向和橫向比較研究；研究聚焦于為煤炭減量和煤炭替代提出對策建議，但缺乏對煤炭減量使用壓力的實證分析和論證，缺乏對全國各個省域的減煤壓力研究。本文試圖以全國和地區的減煤壓力為研究對象，借鑒運用等方差加權法構建煤炭減量化的全國和地區壓力指數，不僅聚焦宏觀的國家層面，而且聚焦中觀層面各地區的煤炭減量壓力，并進行異質性對比分析，將研究內容具體化，以便更有針對性的提出政策建議。

2 數據、變量說明與壓力指數構造方法

2.1 數據來源

本文以2009～2020年我國30個省（區、市）為研究對象，數據來源于2009～2020年的 《中國統計年鑒》、我國各個省（區、市）的統計年鑒以及 《中國能源統計年鑒》，其中西藏自治區及港、澳、臺地區的相關數據缺失，故去除。

2.2 指標選取標準與含義

煤炭減量化使用的壓力指數的指標要符合以下原則：（1）指標能夠反映煤炭工業能源生產建設情況，在供給側結構性改革中，能源供給端層面數量的提升與質量的優化尤為重要［10］；（2）指標能夠反映煤炭工業能源消費與結構合理性情況，在供給側結構性改革中，能源消費端需要與供給端保持有效對接。本文選用7個指標，把它們劃分為煤炭能源使用的供需端及煤炭減量使用變化的特征反映變量體系端，測度我國整體及我國不同省域的煤炭減量化使用壓力指數，評估煤炭減量化使用風險與評價措施成效，具體的指標和計算方法如表1所示。為使得指標與數據在量綱上統一，本文參考城市低碳經濟指數構建的指標標準化處理方法，把指標劃分為正負向類型，使它們在處理后處于0～1之間［11］。

表1 變量指標及其釋義

2.3 煤炭減量化使用壓力指數的構造方法

本文參考相關文獻，采用修正后的等方差加權法（正向指標X1～X6的數量多于負向指標X7，且未來在推進煤炭減量化使用措施進程中更注重可再生能源的利用及傳統能源對環境的影響，故在計算壓力指數時給予X1～X6共40%的權重，X7為60%的權重進行壓力指數的構造，其中基礎構造公式的方法如下所示：

式 （1）代表第p個省（區、市）的煤炭減量化使用壓力值，Xip表示第i個變量在第p個省（區、市）的值，μi是第i個變量的樣本均值，δi是第i個變量的標準差，n是指標的個數 （其中p＝1，2，…，30，數字的順序根據中國經濟社會大數據研究平臺設置的省（區、市）來標記）。

式 （2）代表第t年煤炭減量化壓力值，Xit表示第i個變量在第t期的值，μi是第i個變量的樣本均值，δi是第i個變量的標準差，n是所選指標的個數（其中t＝1，2，…，11）。

3 全國煤炭減量化使用壓力指數的定量分析

本文擬從時序變化、ARIMA模型與ARMAEGARCH（1，1）模型對全國煤炭減量化使用壓力進行測度。

3.1 全國煤炭減量化使用壓力指數的時序變化分析

依據本文提出修正后的測算公式計算，并考慮到煤炭減量化使用壓力指數的可比性（為了使全國層面與地區視角下的煤炭減量化使用壓力指數盡量不為負數且省域間的平均數差異不能懸殊），故將計算出的減量化使用壓力指數數值給予ln（1＋exp（））的方法予以處理，可得如表2所示的2009～2020年全國煤炭減量化使用壓力指數，并通過Stata15軟件繪制圖1所示的時序變化圖。

表2 2009～2020年各指標與全國煤炭減量化使用壓力指數的相關數據

圖1是根據正向指標（X1～X6）、負向指標（X7）與通過給予不同指標不同權重修正的等方差加權法公式計算出的全國煤炭減量化使用壓力指數之間的關系繪制的，其中3條虛線以2009年金融危機（本文近似看作2009年）、2014年過剩產能淘汰實施、2015年供給側結構性改革深度推進為依據進行標注。圖中所示全國煤炭減量化使用壓力指數的波動情況、下降趨勢與X5（煤炭消費量占能源消費量的比重）、X7（可再生能源發電量占總發電量）最為接近，暫不考慮權重問題的情況下，現階段全國工業經濟發展離不開煤炭的投入與消費［12］，同時在居民日常生活中，尤其是冬天取暖中燒煤、火力發電等仍然為一部分地區所使用；另外在雙碳目標引導下傳統能源轉型的需求，清潔與可再生能源的開發與利用有助于賦能我國煤炭減量［13］。

圖1 2009～2020年各指標與全國煤炭減量化使用壓力指數的時序變化圖

圖2的變化趨勢與周期反映出的信息有兩點：從變化趨勢上看，壓力值的下降幾乎呈現線性，與上文時序變化的分析差不多；從變化周期上看，壓力值的起伏基本上能反映煤炭行業與市場的情況。2009～2010年受到金融危機的短期沖擊，社會經濟基本面包括煤炭行業處于下行周期，社會對煤炭的需求較低，減量壓力處于下行周期，降速加快。2010～2013年，伴隨相關政策文本支持煤炭行業的復蘇及社會經濟基本面的逐漸向好，處于復蘇周期，市場對煤炭的需求逐漸增多但容易受到干擾、處于不穩狀態，表現為減量壓力的變動較大。2014～2016年，經濟增長速度有所降低，煤炭需求較大幅度下降、煤炭企業利潤降低［14］，社會對煤炭的需求較低，減量壓力處于下行周期，降速加快。2016年后，經濟增長進入新一輪景氣周期，房地產和基建兩大行業發力，拉動傳統行業對能源需求的高增長，煤炭消費規模有較大幅度增加，伴隨而來的煤炭減量壓力處于上升周期，壓力降速放緩。2019年末爆發的新冠肺炎疫情雖然對煤炭行業產生一定的沖擊，但疫情后基建行業的復工復產對煤炭的需求大于疫情的沖擊，2020年的煤炭減量壓力的降速仍然呈現放緩狀態［15］。

圖2 基于HP濾波法對煤炭減量化使用壓力序列的分解圖

3.2 基于ARIMA模型的煤炭減量化使用壓力指數的預測與對比分析

3.2.1 ARIMA模型介紹及序列的單位根檢驗

預測煤炭相關問題可以采用ARIMA模型、灰色預測GM模型以及機器學習法（楊英明等，2018）。本文采用ARIMA模型進行煤炭減量化使用壓力的預測。ARMA模型針對平穩時間序列建模，但現實中大部分的經濟數據是不平穩的，直接用于建模可能會使模型預測失真，常常需要通過差分操作并經ADF單位根檢驗使其變得平穩。經差分變換后的ARMA模型稱為單整自回歸移動平均模型。若與變量本身、影響時間序列變化的隨機擾動項滯后期等存在一定的線性關系，則原序列更適合用ARIMA模型。ARIMA模型常用于長期追蹤資料的研究，它將預測指標隨時間推移而形成的數據序列看作是一個隨機序列，這組隨機變量所具有的依存關系體現著原始數據在時間上的延續性。本文模型設定AR（p）、MA（q）過程的模型為：

壓力值原序列的ADF值小于1%臨界值，P值為0.0012＜0.01，說明序列通過平穩性檢驗，有99%把握說明其為平穩時間序列，可進行ARIMA模型預測以反映出壓力指數變化。

3.2.2 ARIMA模型的定階分析

ARIMA模型的定階往往需要通過序列相關圖進行判別，通過Eviews軟件對原序列進行相關性檢驗，以此達到ARIMA模型定階的目標。

序列相關性檢驗數據中（表略），pressvalue的自相關函數與偏自相關系數均呈現拖尾現象。從第2階開始，Q統計量的P值均小于0.01，說明在1%水平上為非白噪聲序列，表明各個滯后期之間存在相關關系，可對pressvalue序列定階，設定的模型為 ARIMA（1，0，3）。

3.2.3 ARIMA（1，0，3）模型的參數估計分析

對具有ARIMA過程的序列進行參數估計，具體的數據如表3所示。

表3 全國煤炭減量化使用壓力指數原序列的ARIMA（1，0，3）模型參數估計數據表

表3中所示模型中的參數估計全部通過t檢驗，模型擬合優度為0.99，方差線性擬合度良好；方程整體估計F的P值為0.00＜0.01，即方程在1%水平上整體顯著。

3.2.4 ARIMA（1，0，3）模型的平穩性檢驗

圖3所示 ARIMA（1，0，3）模型的特征根全部落在單位圓內，模型穩定。

圖 3 ARIMA（1，0，3）模型的序列自相關模型的單位根過程檢驗圖

3.2.5 ARIMA（1，0，3）模型的適應性檢驗

在參數估計后，需要進行模型的適應性檢驗。通過檢驗模型的殘差序列是否為白噪聲，即不存在自相關關系來判斷模型是否合適。若不存在自相關關系，則模型是適應的，可以進行預測。

表4所示殘差序列各滯后階數自相關函數的檢驗結果均落在虛線之內，表明ARIMA（1，0，3）模型的殘差序列不存在自相關，ARIMA（1，0，3）模型是適應的，可作擬合與預測。

表4 ARIMA（1，0，3）模型的殘差序列Q-statistic檢驗結果表

3.2.6 基于 ARIMA（1，0，3）模型的 2035 年前的擬合與預測

圖4中所示全國的煤炭減量化使用壓力指數的預測值在2021～2035年之間有一定幅度的下降。排除模型設定與擬合的誤差后，壓力值的預測與現實的情況還是比較符合。2009～2011年，全球性金融危機爆發后，大規模固定資產的投資使得煤炭消費旺盛，壓力指數在高位徘徊；2012～2014年，經濟高增長背景下，單位GDP的煤炭消費在迅速下降，使壓力指數也快速下降。2015～2016年，國家推進供給側結構性改革，過剩產能淘汰持續推進，伴隨高耗能產業的轉型，全國的煤炭減量化使用壓力指數在有序地波動下降。2017～2019年，房地產行業的強勢復蘇推動了對煤炭的高需求，壓力指數遞減速度放緩，2020年雖爆發了新冠肺炎疫情，為對沖疫情沖擊，國家出臺了一系列鼓勵基建投資的政策，帶動了煤炭需求的回升，但煤炭壓力指數下降進一步放緩。本文預計，2021～2023年，伴隨煤炭需求旺盛態勢持續，煤炭減量化使用的壓力指數會反彈，2024年后，煤炭減量壓力指數將逐步下降，并且隨著可再生能源在能源體系中比重的大幅度提高，煤炭減量壓力指數將持續下降［16］，在實現雙碳目標過程中不僅需要實現低碳，更重要的是兼顧經濟高質量發展及保障地區能源有效供給，特別是在2030年實現碳達峰目標后，我國經濟對煤炭的依賴將深度降低，可再生能源在能源供給體系中的比例大幅度提高，我國煤炭減量化使用的壓力將逐步降低，煤炭消費大規模減量將逐漸開啟。

圖4 全國的煤炭減量化使用壓力指數原始與預測值圖

4 地區視角下煤炭減量化使用壓力指數的定量比較分析

前文分析了全國煤炭減量化使用壓力指數的時序變化、預測趨勢及風險波動等問題。時序變化與預測趨勢變化均表明伴隨在碳中和開始深入發展，壓力指數雖然存在一定的風險，但總體上還是呈下降趨勢，壓力較小。同時，另一個問題即每個省（區、市）或具有某種相似特征組成的區域是否也有下降趨勢，這些區域相互之間是否具有聯系與影響等也相伴而生。為了進一步驗證這一問題是否為真，本文以具有某種相似特征組成的區域為切入點，將全國30個省（區、市）劃分為4類，分別為煤炭輸出大省、能源輸入大省、經濟總量大省、其他地區與可再生能源比重高的省，基于時序變化趨勢分析、ARIMA模型對同一區域的縱向變化、不同區域的橫向變化等進行對比分析，擬達到驗證具有某種相似特征組成的區域是否也有下降趨勢以及相互之間是否有聯系、影響等的目標，從而更好地為下文提出對策建議提供一些可參考的依據。

4.1 地區視角下研究區域壓力指數概述

如圖5，整體來看，山西、寧夏、內蒙古、陜西、新疆這五大產煤大省（區）壓力指數占據前五名，煤炭減量化使用首當其沖的地區是煤炭主產區，這些地區會面臨煤采掘和下游煤產業收縮的局面；河北、安徽、黑龍江這些煤炭產量供給偏大的地區也存在較大的壓力；山東、河南、江蘇、浙江這四大煤炭需求較大的經濟大省減煤壓力均值是比較大的；北方的煤炭減量化壓力指數大于南方，中東部的壓力指數大于西部。而西南、華南地區的四川、云南、湖北、廣西等省（區）壓力值較小，主要由于這些地區生產和消費煤炭都較少，西南地區的水能、西部的太陽能是可再生能源開發的主力，這些地區可再生能源比重高，在煤炭減量化使用背景下，這些地區的可再生能源投資和產能將大幅增長，這些地區將是煤炭減量化使用的間接受益者。從2010～2020的10年間，太陽能光伏發電和風能發電量增長分別為25倍和4倍，在碳中和目標下，未來可再生能源的發展還將加速，因此，這些地區煤炭減量壓力值較低。

圖5 2009～2020年29省（區、市）煤炭減量化使用平均壓力指數排序

4.2 地區視角下重點地區能源消費結構的時序變化及原因分析

地區視角下的研究區域煤炭減量化2009～2020年平均壓力指數如圖6～8所示。

圖6 2009～2020年煤炭輸出大省的減量化使用壓力指數的時序變化圖

圖7 2009～2020年可再生能源比重高省的減量化使用壓力指數的時序變化圖

圖8 2009～2020年能源輸入及經濟總量大省煤炭減量化使用壓力指數的時序變化圖

4.3.1 煤炭輸出大省（山西、陜西、內蒙古、寧夏、新疆）的壓力指數分析

山西、內蒙古、陜西、寧夏是中國煤炭產量和輸出最大的4個地區，約占全國煤炭資源輸出量的80%。由圖可知，山西減煤壓力略降低，但總體壓力指數仍然在高位運行，仍然是壓力指數最大的省份，2014年之后，內蒙古的減煤壓力在2016年后持續上升，成為5個煤炭輸出大省（區）中減煤壓力第二的省（區），內蒙古煤炭供給持續上升，供給總量已接近山西。寧夏的減煤壓力指數變化不大，由于寧夏經濟總量較小，煤炭經濟占經濟比重較高，因此其減煤壓力指數穩居第三，新疆的減煤壓力指數持續攀升，新疆豐裕的煤炭資源和煤炭運輸能力的提升使新疆的煤炭輸出持續攀升，煤炭經濟的比重亦在持續攀升。陜北煤炭持續增產令陜西的減煤壓力指數也有所上升。五大煤炭輸出省（區）減煤壓力指數持續高位運行，與全國煤炭壓力指數持續降低的態勢形成鮮明對比，資源型地區在供給端煤炭減量化使用的壓力的降低將是推動煤炭減量使用的難點［17］。

4.3.2 可再生能源比重高省（湖北、云南、青海、四川）的壓力指數分析

四川、云南和湖北是中國水電最豐富的3個省。四川省地勢起伏大，全省水能資源理論蘊藏量達1.43億千瓦，是全國最大的水電開發和西電東送基地；云南省水能資源可開發量近1億千瓦，居全國第二；湖北省水電發電量在2019年居全國第三，三峽水電站是世界上規模最大的水電站。2012年之前，四川、云南省的壓力指數相對處于高位，從2013年開始，兩省的壓力指數一路走低，而湖北省和青海省在2018年之前持續波動上升，由于湖北省的水利發電大部分都輸送到了能源匱乏區，而青海省則由于經濟發展水平不高，能源開發技能和科技創新水平一時難以提升，2019年之后，兩省均呈現壓力指數下降的趨勢。整體而言，可再生能源大規模開發對全國煤炭減量壓力的降低做出了巨大貢獻，未來隨著可再生能源的生產規模持續擴大以及在能源結構中占比持續提升，我國煤炭減量壓力將繼續降低，為煤炭大規模減量奠定基礎。

4.3.3 能源輸入大省及經濟總量大省（廣東、江蘇、山東、浙江、河南）的壓力指數分析

經濟總量大省的能源需求量大，同時能源外省調入比例高，這些大省的電力結構中火力發電仍然占據很高的比例。山東和河南的煤炭減量壓力在經濟總量大省里面是較大的，由于這兩個省份都是人口經濟大省，重化工業占經濟總量比重較高，兩省的電解鋁、鋼鐵、煤炭化工、有色金屬、水泥等高耗能、高耗煤產業規模都較大，對能源和煤炭需求量大［18］；2017年之后壓力指數波動下降，表明煤炭減量的舉措取得了一定成效。接下來是壓力位于中間的江蘇省，壓力指數在0.8上下波動，2012～2019年高于0.8，但有波動下降的趨勢；5個經濟總量大省中煤炭減量壓力指數相對較小的浙江省和廣東省，指數在0.5～0.7之間波動，總體呈現積極下降的態勢，廣東和浙江雖然是能源消費大省，但經濟總量盤子大，單位GDP煤炭消費相對較少［19］，高新技術產業比重較高，因此壓力指數較低。

4.3 基于ARIMA模型的研究區域煤炭減量化使用壓力指數預測與全國的異質性分析

在分析了研究區域橫縱向變化趨勢后，基于平均法合并研究區域的壓力指數值，并借助ARIMA模型對區域2020年的壓力值進行預測，擬達到通過對比以往年度的數值反映其變化趨勢的目標。表5為經過給予同一區域內的省（區、市）相同權重的平均壓力指數值；圖9為通過構建ARIMA模型的預測序列與原序列的變化趨勢對比圖。

表5 給予同一區域內的省（區、市）相同權重的平均壓力指數值

圖9為對比預測序列與原序列的變化趨勢圖，其反映出模型的預測效果大部分是良好的。所示的4個區域壓力指數2021～2035年中，煤炭輸出大省與其他地區預測值有一定程度的上升，但預測的增長速度都較慢，說明在未來可能存在一定的煤炭減量壓力，但仍處于可控范圍。同時可以看出，在2027年煤炭總量達峰之際，煤炭輸出大省的壓力趨于平緩，說明區域內煤炭減量措施取得一定成效，并開始調整能源結構以轉向可再生能源與清潔能源的開發與利用。能源輸入及經濟總量大省的煤炭減量化使用壓力指數有小幅度的下降，說明預測未來幾年這些地區憑借經濟發展水平和技術創新能力進行煤炭減量的壓力會不斷下降。而其他地區的煤炭減量化使用壓力指數有小幅度的上升，在2034年左右開始稍微大于能源輸入及經濟總量大省的壓力指數，因為其他地區涉及的省份、區域較為分散，資源稟賦差異也較大，而能源輸入大省除河南以外，其它省份經濟發展基礎好、科技創新能力強、經濟轉型升級動能強。而可再生能源比重高省的煤炭減量化使用壓力指數處于持續下降過程，說明在未來實現雙碳目標的過程中，該區域的可再生能源與清潔能源將發揮較為重要的減排促低碳的作用。

圖9 2009～2035年研究區域煤炭減量化使用壓力指數的原始與預測值的時序變化

未來煤炭輸出大省的壓力指數下降不明顯，而可再生能源大省壓力下降指數下降可觀，反映了未來煤炭減量化壓力將集中在煤炭輸出大省，因此要高度關注煤炭輸出大省在煤炭減量化進程中面臨的巨大挑戰，需要制定系統的應對方案和對策。

圖10所示2009～2014年全國與地區視角下研究區域的煤炭減量化使用壓力指數的異質性是波動較大的，曲率也較大。說明重大的經濟事件對于我國能源安全、煤炭減量措施實施等造成了重大的沖擊，而且在經濟疲軟的時候，從全國到地方層面的政策執行力度以及市場保障都存在時滯和差異性，使得全國層面的煤炭減量壓力與地區層面的煤炭減量壓力異質性波動較大，曲率也較大。2014年之后，由于供給側結構性改革大力推動，從全國層面的政策支持到地方層面的政策執行都逐步深入推進，全國與地區層面煤炭減量壓力的異質性變化波動較小，趨于平緩，而且異質性的變化率持續下降。2021～2035年往后的預測中全國與地區層面的煤炭減量壓力異質性變化率基本上趨于0，異質性波動越來越小，說明全國與地區層面煤炭減量措施的執行力度、執行效率逐步呈現同步性，且時滯性減小，隨著我國及地區層面更加重視可再生能源和清潔能源的開發和利用，煤炭減量壓力將呈現單邊下降趨勢。

圖10 2009～2035年全國與地區煤炭減量化使用壓力指數的異質性大小變化趨勢

4.4 基于灰色關聯度模型的對研究區域的煤炭減量化使用壓力指數關聯性分析

灰色關聯度理論是通過測算每一個系統內的各要素灰色關聯度，進而達到分析每一個子系統中各要素的相關關系的目標。本節通過煤炭減量化使用壓力指數的相互影響來側面反映重點區域之間煤炭減量措施實施的關聯性。以1個區域特征作為參考序列，另外3個區域特征作為比較序列來計算灰色關聯度數值，具體結果如表6所示。

表6 分類視角下區域煤炭減量化使用壓力指數灰色關聯度分析

由表6可知，除了以可再生能源比重高的省為參考序列的其他區域特征灰色關聯度較低外（可再生能源比重高的省由于現有清潔能源開發力度不大，除湖北省外其他省份的地理位置相對偏遠，故受到其他區域特征的煤炭減量措施實施的影響較少），灰色關聯度系數的平均值總體而言相差不大，反映出區域特征壓力指數間關聯較大，對參考序列煤炭減量化使用的引導作用較強。

以煤炭輸出大省為參考序列可以看出，對煤炭輸出大省的灰色關聯度及依賴度最高的依次為能源輸入大省及經濟總量大省（0.829）、其他地區（0.524）、可再生能源比重高的省（0.506），灰色關聯度平均值為0.682；對能源輸入大省及經濟總量大省的灰色關聯度及依賴度最高的依次為煤炭輸出大省（0.830）、其他地區（0.786）、可再生能源比重高的省（0.524）；可再生能源比重高的省的灰色關聯度及依賴度最高的依次為其他地區（0.617）、能源輸入大省及經濟總量大省（0.524）、煤炭輸出大省（0.507），灰色關聯度平均值為0.550。可以看出能源輸入經濟總量大省與煤炭輸出大省有顯著的關聯性。在煤炭減量化的結構升級過程中，需要從供給和需求兩端聯合實施推進煤炭減量化，應更加重視能源輸入及經濟總量大省的能源產業結構調整的引領作用，同時在煤炭輸出大省進行供給側的供給減量化［20］，才能使煤炭減量化實施更高效。

5 結論與建議

5.1 結論

5.1.1 關于全國煤炭減量化使用壓力指數的分析結論

本文選取2009～2020年代表煤炭減量化使用的指標，通過修正后的等方差加權法構造煤炭減量化使用壓力指數。通過時序變化、ARIMA模型分析發現，在2014碳達峰、碳中和理念提出與被廣泛討論，2020年碳中和目標付諸實踐之后的2020～2022年，煤炭減量化使用壓力指數有上升的趨勢，而在2023～2035年則有下降趨勢。這種下降趨勢反映出在供需層面可能是由于供大于求，價格下降，進而有可能導致以利潤最大化為目標的高耗能企業不愿意投入研究經費進行能源結構轉型，造成一定的市場風險。在2030年碳達峰實現之際，從國家層面政策調整更加鼓勵清潔能源的使用到中觀層面煤炭產業結構調整以淘汰過剩產能到微觀層面新能源汽車保有量的提高。伴隨雙碳進目標的深度推進，經濟高質量發展的同時對煤炭的依賴程度會逐步降低，煤炭減量化壓力波動會有序降低。

5.1.2 關于地區煤炭減量化使用壓力指數的分析結論

基于ARIMA模型分析地區視角下研究區域，煤炭輸出大省與其他地區預測值有一定程度的上升，但預測的增長速度都較慢；能源輸入及經濟總量大省的煤炭減量化使用壓力指數有小幅度的下降；可再生能源比重高的省的煤炭減量化使用壓力指數則處于持續下降過程，說明在未來實現雙碳目標的過程中，該區域的可再生能源與清潔能源將發揮較為重要的減排促低碳的作用。同時，對比全國與研究區域間關于煤炭減量化使用壓力指數的異質性分析可以看出，伴隨可再生能源的大規模發展，以及GDP總量規模的提升，全國與地區層面的煤炭減量壓力的異質性變化波動較小，趨于平緩，而且異質性的變化率持續下降，全國和地區層面同步推進煤炭減量化使用后，在2030年實現碳達峰目標后異質性變化率基本上趨于0，異質性波動越來越小，時滯性也減小，表明經濟發展質量提高背景下，經濟對煤炭的依賴度將逐步降低，煤炭減量化使用壓力和阻力將更小。基于灰色關聯度模型可以看出，能源輸出大省壓力指數與能源輸入大省壓力指數的相關性較強，反映煤炭減量進程中二者的協同性強，需要在供給和需求兩端聯合實施推動煤炭減量化使用。

5.2 政策建議

根據上文研究，提出相關政策建議如下：

（1）進一步加快可再生能源發展，平衡我國煤炭減量化使用壓力。可再生能源的大規模發展是煤炭減量化使用的前提，沒有可再生能源比例的持續提高，就沒有煤炭減量使用的空間，因此要積極實施可再生能源發展支持政策，實現可再生能源的超常規發展。

（2）賦能煤炭企業走復合式能源生產之路。煤炭企業在高價煤環境下獲取了高額利潤，國家應該出臺更多優惠與利好政策，推動煤炭企業主動投資可再生能源，走復合式能源生產之路，以應對煤炭給企業和煤資源型地區帶來的壓力，并發揮財政補貼科研經費的作用，配套完善的措施，鼓勵企業積極創新。

（3）完善煤炭減量化使用措施升級過程中的風險保障機制。維持壓力指數在合適區間是非常有必要的，國家要建立煤炭減量使用的綜合預案，在推動煤炭減量使用中通過財政、金融等手段支持煤炭企業和煤資源型地區，助力煤產業鏈和煤資源型地區實現經濟轉型。

（4）降低煤資源型地區的煤炭依賴度、實現地區經濟多元化發展、促進地區經濟增長動能轉換。要更加注重煤炭使用效率，防止衍生風險與關聯產業風險的出現。近年來，煤價的高漲讓煤資源型地區獲取了巨額的煤炭 “紅利”，煤資源區域的壓力指數有一定程度的上升趨勢，要引起警惕。應提前做好煤資源型地區的經濟轉型規劃，未雨綢繆，盡快走上經濟轉型之路。