中國經濟增長與煤炭消費脫鉤及影響因素分析

龐 軍,梁宇超,孫可可,石媛昌 (.中國人民大學環境學院,北京 00872；2.中國農業大學理學院,北京 00083)

“碳達峰”、“碳中和”目標的提出,開啟了中國經濟綠色低碳轉型的新時代.二氧化碳在社會中的主要來源是化石燃料的燃燒,由于我國煤炭產量高,不少地區仍處于工業化進程中,導致煤炭占據著我國最大的化石燃料消費比例,在能源消費結構中占到近60%[1],并造成我國70%以上的二氧化碳排放,煤炭消費占據我國能源消費的主體地位在短時間內難以改變[2].

在雙碳目標實現過程中,地方省(區、市)是實現煤炭消費總量控制、推進“碳達峰”、“碳中和”目標的責任主體,各省(區、市)需要明確煤炭消費總量控制目標,落實減煤行動,確保煤炭消費量不再增長乃至有序降低.但我國幅員遼闊,資源稟賦不同,各省(區、市)經濟發展階段、煤炭消費情況具有很大差異[3],因此需要遵循共同但有區別的責任原則,因地制宜的制定符合當地情況的減煤計劃,在這一過程中,明確各地煤炭消費脫鉤情況顯得尤為重要.

“脫鉤”(Decoupling)一詞來源于物理學,經濟合作與發展組織(OECD)使用“脫鉤”理論研究農業政策與貿易、生產的關系,并將“脫鉤”概念引入到環境經濟學領域[4].在環境經濟學領域中,“脫鉤”研究的是經濟發展與環境之間的關系,主要有“去物質化”和“去污染化”兩個方向,“去物質化”指的是經濟已經發展到某個水平可以脫離相關環境要素的投入而繼續發展;“去污染化”指的是經濟已經發展到某個水平,繼續發展能夠不再對環境造成相同程度的污染或負面影響[5-6].本文研究的經濟增長與煤炭消費的脫鉤,屬于“去物質化”方向.“脫鉤”理論已經廣泛運用到了資源與環境經濟學研究領域,例如能源消耗的脫鉤研究[7-9]、碳排放的脫鉤研究[10-13]、水資源利用的脫鉤研究[14-15]、土地資源的脫鉤研究[16-17]、生態環境壓力的脫鉤研究[18-20]等.

2002 年OECD 提出了第一個計算脫鉤的指數,用來分析環境壓力(EP)與經濟情況(DF)之間隨時間變化的相對關系,但是OECD 僅將脫鉤狀態分為相對脫鉤和絕對脫鉤兩種類型;Tapio 創建了彈性脫鉤模型并以此分析芬蘭1970～2001 年間經濟增長與該國交通工具二氧化碳排放之間的關系,并將脫鉤狀態分為8 種類型[21].孫耀華等[4]認為Tapio 彈性脫鉤模型對基期的選擇不敏感,與統計量綱無關,可以添加結構性變量,分解脫鉤指標,有助于研究影響脫鉤的結構性因素.Tapio 脫鉤方法為能源、二氧化碳排放與經濟關系領域的研究提供了方法,被許多學者應用到能源消耗、二氧化碳排放與經濟增長之間的關系相關研究中[7-13].

當前脫鉤方面的研究熱點主要集中在二氧化碳排放脫鉤領域,從國家層面到省(區、市)層面,乃至具體到不同行業均有較為廣泛的研究,但當前關于煤炭消費的脫鉤研究相對較少,現有研究主要關注國家層面能源消費或某個地區層面煤炭消費與經濟增長之間的脫鉤關系.具體來說,有研究者[22-23]主要關注全國層面的煤炭消費與經濟增長的脫鉤指數,分析了中國煤炭消費基本情況以及對經濟增長的影響;車亮亮等[9]則從省級的角度考慮,測算了中國30 個省(區、市)的煤炭資源利用效率,計算了“十五”和“十一五”時期各省(區、市)煤炭消費、煤炭利用效率與經濟增長的脫鉤指數;肖嵐[24]以及趙慧亮[25]則分別聚焦于特定地區進行研究,二人分別研究了京津冀地區及山西省煤炭消費與經濟增長的脫鉤關系,并對影響脫鉤的主要因素進行了分析.

綜上所述,當前學界關于煤炭消費的脫鉤研究還比較少,且大多關注國家層面或某一區域層面,而對國家整體層面和某個地區層面的煤炭消費脫鉤研究,多用分解模型來研究脫鉤的結構性驅動因素,缺乏更進一步深入研究.此外,對我國各省(區、市)煤炭消費脫鉤情況的研究還停留在“十五”、“十一五”時期,且僅是計算出脫鉤指數,描述性地分析脫鉤情況,缺乏深入分析.

本文首先對我國各省(區、市)煤炭消費脫鉤情況分析.基于Tapio 脫鉤指數模型,采用“兩階滾動計算法”,以2005 年為基年計算我國30 個省(區、市)2006～2019 年煤炭消費脫鉤指數,從縱向和橫向兩個角度分析我國各省(區、市)煤炭消費脫鉤的時空演變特征.同時,將2006～2019 年分成3 個五年規劃時期,計算“十一五”(2006～2010)、“十二五”(2011～2015)、“十三五”(2016～2019)3 個時段的脫鉤指數,研究各省(區、市)煤炭消費與經濟增長在各個五年規劃期的脫鉤情況.然后,對我國煤炭消費脫鉤影響因素分析,根據拓展的STIRPAT 模型,構建空間杜賓模型研究經濟水平、能源結構、人口密度、技術水平(R&D 研發投入、能源強度)、產業結構、城鎮化水平、對外開放水平、新造林面積對煤炭消費脫鉤的影響.

本文的主要創新體現在以下兩點:第一,研究的樣本范圍更加廣泛,也更加關注長期變化.本文全面測算了全國30 個省(區、市)2005～2019 年煤炭消費脫鉤情況,并從時間與空間兩個維度展開深入分析.第二,當前煤炭消費脫鉤研究多是通過描述性統計或分解模型分析其驅動因素,未考慮空間相關性關系.本文結合STIRPAT 模型和空間杜賓模型,更全面地考察各省(區、市)煤炭消費與經濟脫鉤的影響因素.

1 研究方法與數據

1.1 Tapio 脫鉤模型

關于脫鉤指數的測算有兩種形式,一種是采用環比形式,基于相鄰年份的數據計算,一種是基于首年的數據計算.本文采用Tapio 指數的兩階段滾動計算法來進行研究[26],具體來說,一是在整個長研究周期內,基于首年逐年測算脫鉤指數,二是將研究期分成幾個時間段,基于每一個時間段首年測算脫鉤指數.

本文采用上述脫鉤指數的“兩階滾動計算法”,首先研究2005～2019 年整個長周期內的煤炭消費脫鉤情況,以首年2005 年為基準年逐年計算煤炭消費脫鉤指數;然后針對我國五年戰略規劃的國情,分別測算“十一五”(2006～2010 年)、“十二五”(2011～2015年)和“十三五”(2016～2019 年)3 個時間段的脫鉤指數,研究煤炭消費量與經濟在這3 個五年規劃期的脫鉤情況.最后再結合脫鉤穩定系數等方法進行進一步分析.本文設置的煤炭消費與經濟增長的Tapio脫鉤指數模型如式(1):

式中:Ti,t表示i省(區、市)在t年的煤炭消費量和地區生產總值的Tapio 脫鉤指數值;C表示煤炭消費量,G表示地區生產總值,0 為基期.參考Tapio[27]、夏勇等[28]、Hu 等[29]、張勇等[30]的研究成果,本文將脫鉤狀態分為8 種,具體8 種類型的脫鉤狀態和對應的指數值如表1 所示,閾值0.8 和1.2 是參考大多數脫鉤研究的經驗值.由于我國各省(區、市)經濟始終處于正增長狀態,煤炭消費與經濟的脫鉤只存在4 種狀態,按脫鉤指數由大到小依次是增長負脫鉤、增長聯結、弱脫鉤和強脫鉤,其中強脫鉤是最理想的狀態,也就是說,煤炭消費脫鉤指數越小越好.

表1 脫鉤狀態分類Table 1 Classification of decoupling status

表2 東部地區2006～2019 年煤炭消費脫鉤情況Table 2 Decoupling situation of coal consumption in the east region of China from 2006 to 2019

表3 中部地區2006～2019 年煤炭消費脫鉤情況Table 3 Decoupling situation of coal consumption in the central region of China from 2006 to 2019

表4 西部地區2006～2019 年煤炭消費脫鉤情況Table 4 Decoupling situation of coal consumption in the west region of China from 2006 to 2019

1.2 拓展的STIRPAT 模型

Ehrlich 等[31]、Holden 等[32]首次使用IPAT 模型來研究人口、經濟、技術水平對環境壓力的影響,Waggoner 等[33]進一步提出ImPACT 模型,將技術水平拆分成單位能耗的排放(T)和單位產出消耗(C).無論是IPAT 模型還是ImPACT 模型都只能研究影響因素等比例的變化情況,模型中I對變量的彈性為定值1,使用范圍較小.在此基礎上Dietz 等[34]進一步提出了 STIRPAT 模型, 如公式(3) 所示,STIRPAT 模型中環境壓力(I)與各個因素之間不再是成等比例變化,而是非線性形式.

對公式(2)的兩邊同時取對數,模型變為:

式中:I為環境壓力;P為人口;A為經濟;T為技術水平;α是模型的截距項;β1、β2、β3是各個影響因素的系數.

改進后的STIRPAT 模型可以加入更多的因素來研究其對環境壓力的影響.參考煤炭消費量影響因素研究的相關文獻,考慮到能源結構、產業結構、城鎮化水平、對外開放水平及樹林覆蓋面積等因素可能會對煤炭消費脫鉤情況產生影響[35-40],因此本文在式(3)的基礎上,引入這些影響因素,模型拓展為式(4).

考慮到各個省(區、市)的脫鉤情況可能存在空間上的相互影響關系,因此本文將空間因素納入考慮,采用空間面板模型來分析對各省(區、市)脫鉤影響因素.本文在式(4)基礎上,進一步構建煤炭消費脫鉤指數的空間杜賓模型,更加全面地分析煤炭消費脫鉤指數空間差異的影響因素.

式中:lnTi,t是被解釋變量,表示i省(區、市)第t年的煤炭消費脫鉤指數;lnTj,t表示i省(區、市)的鄰近省(區、市)j在第t年的煤炭消費脫鉤指數;ρ是被解釋變量的空間自回歸系數,表示鄰近省(區、市)煤炭消費脫鉤指數對本省(區、市)脫鉤指數的空間溢出效應的方向和強度;Wi,j是空間權重矩陣;Xi,t為解釋變量;表示空間效應系數;ut和i分別表示時間固定效應和空間固定效應;ei,t表示隨機誤差項.

1.3 變量選取與數據來源

被解釋變量:煤炭消費脫鉤指數.Ti,t表示i省(區、市)在t年的煤炭消費脫鉤指數,是以2005 年為基年逐年測算的脫鉤指數.但是脫鉤指數既有正值也有負值,不能夠直接取對數,參考夏勇[41]的研究,先取2005～2019 年間30 個省(區、市)的脫鉤指數的最小值的整數,再將各省(區、市)各年的脫鉤指數減去最小值的整數,最后取對數.

解釋變量:拓展的STIRPAT 模型已經考慮了人口因素、技術因素以及經濟發展水平因素對環境壓力的影響[34],參考現有研究煤炭消費影響因素的文獻,本文加入了能源結構、產業結構、城市鎮化水平、對外開放水平及樹林覆蓋面積等變量來更詳細的分析煤炭消費脫鉤影響因素[35-40].人均GDP(pgdp),各省(區、市)的人均GDP 是以2005 年為基年,經GDP 平減指數計算后的實際值.人口密度(pi),考慮到不同省(區、市)間行政面積有所不同,可承載的人口不同,因而選擇人口密度指標來研究人口(P)對煤炭消費脫鉤的影響.技術水平變量(T),可以分為績效型和投入型,績效型選擇能源強度(ei),投入型選擇各省(區、市)R&D 經費投入強度(rd).能源結構(es),以煤炭消費量占能源消費量的比值表示.產業結構(ind),以工業增加值占地區生產總值的比值表示.城鎮化水平(ur),以城鎮人口占常住人口的比值表示.對外開放水平(open),以外商投資總額占地區生產總值的比值表示.新造林面積(green),使用地區每年新造林面積占地區行政面積的比重來表示.

數據來源:研究數據為2006～2019 年我國30 個省(區、市)(西藏和港澳臺除外)的包含420 個樣本的面板數據.脫鉤指數根據Tapio 脫鉤模型算出,影響因素相關數據出自對應時期的《中國統計年鑒》、《中國能源統計年鑒》、全國科技經費投入統計公報以及各省(區、市)的統計年鑒.

2 煤炭消費脫鉤的實證分析

2.1 各省(區、市)煤炭消費脫鉤長周期分析

首先,研究2005～2019 年整個長周期內我國30個省(區、市)的煤炭消費與經濟增長脫鉤情況,以首年2005 年為基準年逐年計算中國各省(區、市)煤炭消費脫鉤指數,考慮到我國不同地區發展差異較大,資源稟賦與能源消費情況具有明顯不同,因此本文將30 個省(區、市)分為東、中、西3 個地區進行分析.

2.1.1 東部地區 北京市表現最為出色,在2006～2019 年期間均實現了煤炭消費的強脫鉤,脫鉤狀態最為理想,上海表現也較為出色,除了在2008～2013年期間保持弱脫鉤狀態,其余時間呈現了強脫鉤特征,天津在2006～2018 年呈現弱脫鉤狀態,2019 年實現從弱脫鉤至強脫鉤的進步,但是否可以保持強脫鉤狀態還需更長時間驗證.此外,江蘇、遼寧在整個研究期間均保持弱脫鉤狀態,且脫鉤指數呈現波動下降趨勢,脫鉤狀態呈優化趨勢.浙江、福建、山東均實現從增長聯結至弱脫鉤的轉變,且脫鉤指數逐漸降低,脫鉤狀態持續優化,河北省脫鉤狀態在2007年出現了短暫的增長聯結.廣東省整體脫鉤狀態不穩定,在2006年實現了弱脫鉤,2007年呈現增長聯結狀態,2008～2010 年實現了弱脫鉤,但是2011 年又退化到增長聯結狀態,2012～2019 年狀態比較穩定,呈現弱脫鉤狀態,且整體上脫鉤指數逐漸降低,脫鉤狀態不斷優化.東部地區表現較差的是海南地區,在2006 年短暫的實現了弱脫鉤,但是從2007～2019 年,均呈現增長聯結狀態.總而言之,東部地區整體表現較好,大部分省(區、市)的脫鉤指數呈現下降趨勢,北京整體處于強脫鉤狀態,而上海也從2014 年左右實現了強脫鉤,除海南省外的其他省(區、市)也陸續實現了弱脫鉤,海南省脫鉤狀態在東部地區省(區、市)中表現較差,在研究期間內大多時間呈現增長聯結狀態,直至2019 年也未實現脫鉤.總體來看,東部地區大多數省(區、市)能源消費結構調整效果明顯,大多數省(區、市)的經濟增長不再依賴于煤炭能源的消費,雖然在經濟增長的同時煤炭消費也在增長,但是經濟增速要高于煤炭消費增速.此外,如北京、2019 年的天津、2014 年后的上海,能夠實現維持經濟增長的同時,降低煤炭消費量,減煤降碳工作成效顯著,這3 個直轄市在煤炭脫鉤方面的表現優異,一方面可能得益于更高的經濟發展水平與合理的產業結構,另一方面,也有可能是得益于研究期間內更加嚴格的環境規制,2010 年前后治理空氣污染的措施頻出,環境規制日益嚴格,可能加速了3 個地區的煤炭消費脫鉤進程.

北京的優異表現可能得益于舉辦奧運會期間付出的巨大的能源轉型努力,在《北京市“十二五”時期能源發展建設規劃》中曾提及,北京市“加快實施燃煤設施資源整合和清潔能源改造”,并在每個五年計劃時期設定了煤炭消費占比下降目標,巨大的能源消費結構調整努力使得北京市表現出優異的脫鉤狀態.而京津冀地區在研究期間做出了巨大的空氣污染治理努力也可能帶來了煤炭脫鉤的協同效益,如2013 年左右出臺的《京津冀及周邊地區落實大氣污染防治行動計劃實施細則》等一系列大氣污染防治政策,以及京津冀地區大力推行“煤改氣”等,都直接或間接的推動了京津冀地區能源消費結構的優化轉型,促進了煤炭消費脫鉤.

2.1.2 中部地區 湖南省表現最為優秀,在2006～2019 年期間一直保持著弱脫鉤狀態,且整體上脫鉤指數逐漸降低,呈較好趨勢,有望實現強脫鉤.河南、山西這2 個省呈現由增長聯結向弱脫鉤轉變的趨勢,湖北與山西轉變發生的最早,在2007 年就呈現了弱脫鉤的狀態,且狀態較為平穩,一直保持弱脫鉤狀態至2019 年,河南則是從2008 年開始進入弱脫鉤狀態并保持至2019 年,值得注意的是,這3 個省的脫鉤指數均呈現較為穩定的下降趨勢,且河南省的脫鉤指數降低幅度較快,有望在不久的未來實現強脫鉤.其他的省(區、市)在研究期間內整體呈現弱脫鉤狀態,但是均存在一定的波動,波動后脫鉤指數逐漸降低,脫鉤狀態持續優化,如吉林、黑龍江、江西3 個省份,分別在2011、2008 與2007 呈現了短暫的增長聯結狀態,在其他年份則保持弱脫鉤狀態,而安徽省則是在2008～2009 年出現了增長聯結狀態,其他時間保持弱脫鉤狀態.總體來說,中部地區各個省(區、市)煤炭消費脫鉤狀態較為接近,以弱脫鉤狀態為主,表明各省(區、市)經濟增長速度快于煤炭消費增速,且各個省(區、市)的脫鉤指數總體均呈現下降趨勢,其中河南、湖北、湖南3 個省份下降明顯,有望盡快進入強脫鉤狀態,這可能是由于這3 個省份經濟增速較快,以2019 年為例,3 省的經濟增速均處于全國上等水平.根據《2008 年河南工業經濟發展報告》指出,2008 年河南省經濟增速全年規模以上工業增加值增速達到19.8%,增幅比全國平均水平高6.9 個百分點,同時高耗能行業增速減緩,這可能是河南省于同年實現煤炭消費弱脫鉤的主要原因,而2008 年煤價回落導致的河南、山西大規模減產,可能也間接提升了兩省在同期的煤炭消費脫鉤狀態.安徽雖然在“十一五”期間煤炭產量仍然有增長,但清潔能源也取得長足發展,如《安徽省“十一五”能源發展規劃》就指出“水電在能源生產總量中的比重由2000 年的0.2%,上升到2005 年的2.0%左右”且“全省16 個城市相繼開展了天然氣利用工程規劃與建設”,這為安徽省實現煤炭消費弱脫鉤奠定了良好的基礎,而2008 年的經濟危機導致的經濟增速放緩,可能是同期安徽脫鉤狀態退步的主要原因.

2.1.3 西部地區 表現最為突出的是四川省,四川省在2006～2016 年間保持著弱脫鉤狀態,自2017 年開始進入強脫鉤狀態,表明四川省能源消費結構優化效果明顯,能夠在保持經濟增長的同時減少煤炭的消費.其次是甘肅省,在研究期間內也實現了弱脫鉤,并保持著較為穩定的弱脫鉤狀態.部分省(區、市)在2006～2019 年期間實現了由增長聯結向弱脫鉤狀態的轉變,云南、貴州、重慶分別從2007 年開始較早地進入弱脫鉤狀態,且弱脫鉤狀態較為穩定,未出現反復,就脫鉤指數來說,云南與重慶的脫鉤指數下降明顯,未來有望盡早進入煤炭消費強脫鉤的理想狀態.其他西部地區省(區、市)的脫鉤狀態較差,且在2006～2019 年期間波動明顯,具體來說,內蒙古實現了從增長負脫鉤、增長聯結向弱脫鉤的轉變,脫鉤狀態提升較為顯著,陜西也呈現出從增長負脫鉤、增長聯結向弱脫鉤的轉變,但是在2019 年又回歸增長聯結狀態,波動明顯.廣西則一直在增長聯結與弱脫鉤之間交替變動,脫鉤狀態呈現明顯的不穩定性.青海、寧夏與新疆3 個地區的煤炭消費脫鉤情況較不理想,青海在大部分時間呈現增長聯結與弱脫鉤狀態,但是在2007 年也出現了增長負脫鉤的狀態.而寧夏自2006～2019 年間主要以增長負脫鉤與增長聯結狀態為主,在2018～2019 年呈現明顯的脫鉤狀態惡化.而新疆則在整個時期以增長負脫鉤狀態為主,表明新疆的經濟增長仍較依賴煤炭能源消費,煤炭消費的增長率高于經濟增長率.總體來說,西部各省(區、市)的煤炭消費脫鉤狀態呈現出不穩定與不理想這兩個特征,除云南與重慶的脫鉤指數呈現明顯向好趨勢,其他地區均呈現增長負脫鉤、增長聯結之間波動,如新疆地區則仍以增長負脫鉤狀態為主,這可能是由于西部地區整體經濟發展水平欠佳,經濟發展階段與東部、中部地區相比相對落后,可能經濟仍未擺脫對煤炭能源的依賴.而四川省在西部省(區、市)中表現優異,有可能得益于其自身優越的能源結構,四川省具有“水多氣豐煤少”的能源資源特征,水能與天然氣蘊藏量約占全國的五分之一,清潔能源與可再生能源占比較高,這可能導致其煤炭消費脫鉤狀態較好.重慶市與云南省在“十一五”規劃期間均制定了嚴格的節能減排目標,且完成度較高,為長周期的促進煤炭消費脫鉤打下了良好的基礎,因此在研究期間煤炭消費脫鉤指數呈明顯下降趨勢.此外,西部地區大多省(區、市)自然資源稟賦豐富、煤炭產量與儲量豐富,如內蒙古、陜西、新疆等省(區、市)在原煤產量方面名列前茅,經濟發展可能更傾向于依賴能源消費,其煤炭消費脫鉤狀態可能受困于“資源詛咒”效應.測算結果表明整個西部地區煤炭消費脫鉤狀態不理想,調整能源消費結構、實現減煤降碳任重道遠.

總的來看,自2006～2019 年中國30 個省(區、市)的煤炭消費脫鉤指數整體呈逐步降低狀態,雖有波動,但煤炭消費脫鉤狀態總體不斷優化,其中東部地區表現最好,脫鉤趨勢變動較穩定,其次是中部地區,脫鉤狀態有明顯波動但總體呈現向好趨勢,西部地區整體表現較差,許多西部省(區、市)呈現出脫鉤狀態欠佳、波動強烈的特征,其煤炭消費脫鉤指數仍未能進入穩定的下降狀態.部分經濟發展水平較高的地區已經于2019 年實現了強脫鉤狀態,北京、上海、天津和四川實現了強脫鉤,能夠在維持經濟增長的同時降低煤炭消費,其中天津和四川是否可以保持強脫鉤狀態還需更長時間驗證.而大部分地區也均在2019 年實現了弱脫鉤,其中河南、云南、重慶、湖南、湖北脫鉤指數較低,有望在未來實現強脫鉤;陜西、海南處于增長聯結狀態,并有望實現弱脫鉤,而經濟發展水平較差的寧夏與新疆地區脫鉤狀態不理想,到2019 年仍處于增長負脫鉤狀態,表明煤炭消費量增速要高于經濟增速,尚未能夠實現能源消費結構優化,未來減煤降碳的工作有待繼續推進,各省(區、市)2019 年的脫鉤狀態如表5 所示.

表5 2019 年煤炭消費脫鉤情況匯總Table 5 Summary of decoupling situation of coal consumption in 2019

2.2 煤炭消費脫鉤穩定性分析

研究“脫鉤”不能忽視脫鉤的趨勢性,即煤炭消費脫鉤不應該是較短時間內的煤炭消費量的波動,而應該是在一段時間內比較穩定、比較持續地處在脫鉤的狀態.本文發現一些地區的脫鉤情況出現了明顯的波動狀態,因此有必要對各個省(區、市)的煤炭消費脫鉤穩定性情況進行分析.齊靜等[42]最先提出研究脫鉤穩定程度的指標[42],陳瑤等[43]、韓夢瑤等[44]在此基礎上進行了應用研究,本文參照齊靜等[42]的方式構建了描述脫鉤狀態穩定程度的指標δ.

式中:T指研究年份;I指總研究年份;δ值越小,表明脫鉤狀態越穩定,反之表明脫鉤狀態越不穩定.

從表6 中可以看出,大部分省(區、市)脫鉤穩定性系數小于0.4,脫鉤情況比較穩定,天津、上海、海南、四川這4 個省(區、市)的脫鉤穩定性系數大于0.4,脫鉤較不穩定,上海出現了強脫鉤到弱脫鉤到強脫鉤的波動,四川實現了從增長聯結到弱脫鉤再到強脫鉤的快速優化,天津雖然于2019 年實現了強脫鉤,但其脫鉤狀態不穩定指數較高,未來能否可以繼續保持強脫鉤狀態還需更長時間驗證.而新疆雖然在煤炭消費脫鉤狀態方面表現欠佳,大部分時期處于增長負脫鉤狀態,但其脫鉤狀態不穩定指數很低,表明新疆較差的脫鉤狀態是相對來說穩定的,這意味著未來新疆在促進能源消費結構轉型,降低煤炭消費比重方面仍有很長的路要走.

表6 煤炭消費脫鉤穩定性情況Table 6 Stability of the decoupling situation of coal consumption

2.3 五年規劃視角下煤炭消費脫鉤特征分析

針對我國五年戰略規劃的國情,將研究階段分為3 個五年規劃期,分別測算“十一五”(2006～2010年)、“十二五”(2011～2015 年)和“十三五”(2016～2019年)3 個時間段的脫鉤指數,研究煤炭消費量與經濟在這3 個五年規劃時期的脫鉤特征.

結果如表7 所示.總的來看,“十一五”期間,北京與上海率先實現了強脫鉤,大多數省(區、市)處于弱脫鉤與增長聯結狀態,內蒙古、陜西與新疆則處于增長負脫鉤的狀態.“十二五”期間,北京、上海、四川實現了強脫鉤,海南、青海、寧夏與新疆4 個地區表現為增長負脫鉤狀態,表明這個時期這些地區煤炭消費呈現了更快的增長.“十三五”期間,強脫鉤狀態的地區增加到12 個,占據研究省(區、市)的一半左右,而黑龍江與青海則呈現出增長負脫鉤的狀態.總的來說,從五年規劃的視角來看,強脫鉤的省(區、市)呈現不斷增加的趨勢,經濟欠發達的地區更容易呈現出增長負脫鉤的狀態.整體來看,我國省(區、市)煤炭消費脫鉤狀態總體從增長負脫鉤、增長聯結向弱脫鉤、強脫鉤轉變,趨勢較好,經濟發展水平與發展階段在脫鉤狀態中發揮著重要作用.

表7 3 個五年規劃期各省(區?市)煤炭消費與經濟的脫鉤指數和脫鉤狀態Table 7 The decoupling index and decoupling status of coal consumption and economy in each province(region, city) during the three five-year plan periods

從空間分布角度來考察3 個五年規劃時期煤炭消費與經濟增長的脫鉤關系,東部地區煤炭消費與經濟增長脫鉤情況明顯優于西部地區,這與我國經濟社會發展情況相一致,強脫鉤省(區、市)呈現出由北京市、上海市和四川省這3 個省(區、市)向外擴張的趨勢,三者分別是北方經濟中心,東部經濟中心,西部經濟中心,經濟發展質量較高.西部地區的省(區、市)如新疆維吾爾自治區、內蒙古自治區以及青海省等,煤炭消費與經濟脫鉤情況不太樂觀.從空間分布角度可以看出我國煤炭消費脫鉤情況呈現出一定的聚集特征.此外,北京、河北、內蒙古、遼寧、上海、浙江、安徽、福建、江西、山東、河南、廣東、四川、貴州、云南、陜西這16 個省(區、市)的煤炭消費與經濟脫鉤指數逐漸降低,狀態越來越理想,青海省的煤炭消費與經濟脫鉤指數逐漸升高,可能與產業轉移有關,其他省(區、市)處于波動狀態.

3 煤炭消費脫鉤的影響因素分析

3.1 模型設定形式檢驗

參考徐盈之等[45]、胡珮琪等[46]以及陳恭軍[47]的研究,本文首先進行了一系列規范的檢驗來決定使用何種模型設定形式,具體來說:通過LM 檢驗來判斷是否使用包含空間交互效應的面板模型,結果表明既存在空間誤差效應,也存在空間滯后效應,因此應采用空間杜賓模型;通過Hausman 檢驗來確定采用固定效應模型還是隨機效應模型,結果表明,Hausman 檢驗均在1%顯著性水平上拒絕了原假設,因此本文選擇固定效應模型;通過LR 檢驗和Wald檢驗空間杜賓模型是否會退化為空間誤差模型或者退化為空間滯后模型,結果顯示空間杜賓模型仍是合適的模型形式;通過LR 檢驗和比較擬合優度R2來選擇固定效應的類型,最后選擇雙向固定效應的空間杜賓模型.考慮到空間計量模型的估計結果依賴于所構建的不同的空間權重矩陣[46,48],為了加強估計結果的可信性,本文分別構建了3 種空間權重矩陣來進行分析,參考現有文獻的空間權重選擇方法,構建了經濟距離權重矩陣(W1)[49]、二進制鄰接權重矩陣(W2)[48]及地理距離衰減權重矩陣(W3)[50],其中以經濟距離權重矩陣下的分析結果作為基準結果,同時以二進制鄰接矩陣及地理距離衰減權重矩陣的分析結果作為穩健性檢驗,3 種矩陣下均顯著則表明具有較好的穩健性.

3.2 空間相關性檢驗

本文首先對各省(區、市)煤炭消費脫鉤指數是否呈現空間相關性進行檢驗,采用的檢驗方法是文獻中廣泛使用的莫蘭指數[45-46].在經濟距離權重矩陣下,本文在表8 中匯報了逐年的全局莫蘭指數結果.從結果可以發現,各省(區、市)煤炭消費脫鉤指數呈現高度的空間相關性,且隨時間發展相關性指數呈上升趨勢,大多數年份的結果都呈現良好的顯著性.此外,本文還針對3 個五年規劃時期構建了全局莫蘭指數,其值分別為0.109、0.149 及0.323,結果均顯著.在3 個五年規劃時期,各省(區、市)的煤炭消費脫鉤指數也呈現較高的空間相關性,且相關性水平越來越高.空間相關性檢驗結果表明,各省(區、市)的煤炭消費脫鉤指數呈現高度的空間相關性,采用空間計量分析方法具有合理性.

表8 煤炭消費脫鉤指數的全局空間相關性檢驗Table 8 Global spatial correlation test of coal consumption decoupling index

3.3 影響因素分析

表9 報告了在3 種權重矩陣下的空間杜賓模型的回歸結果,分別匯報了估計的主效應與溢出效應.空間自回歸系數ρ在W1、W2、W3 權重矩陣下均在1%的水平上顯著為負,說明一個省(區、市)的煤炭消費脫鉤指數受到周圍省(區、市)煤炭消費脫鉤指數的顯著負影響.W1 權重矩陣下,周圍省(區、市)煤炭消費脫鉤指數每降低1%,本省(區、市)煤炭消費脫鉤指數將提高0.387%左右,W2 權重矩陣下,周圍省(區、市)煤炭消費脫鉤指數每降低1%,本省(區、市)煤炭消費脫鉤指數將提高0.211%左右,W3 權重矩陣下,周圍省(區、市)煤炭消費脫鉤指數每降低1%,本省(區、市)煤炭消費脫鉤指數將提高0.858%左右.這可能是因為一些電力輸出大省(區、市)的煤炭消費總量包括為其他省(區、市)發電所消耗的煤炭量,這些省(區、市)通常脫鉤指數較高,而一些省(區、市)通過購買電力來更多依靠電力,直接煤炭消費量降低,脫鉤指數較低;另一方面,一些省(區、市)向外轉移高能耗的工業,實際上是將脫鉤壓力轉移給了欠發達地區.

表9 空間杜賓模型估計的主要結果Table 9 The main results of Spatial Durbin Model

能源結構、能源強度、人口密度、對外開放水平等變量對煤炭消費脫鉤指數存在顯著的正向影響,具體來說:能源結構的系數在3 種權重矩陣下都在1%水平上顯著為正,煤炭消費占比每下降1%,煤炭消費脫鉤指數將下降0.217%、0.247%、0.211%.因此需要通過煤改氣、發展新能源等政策優化能源結構,促進能源結構轉型.能源強度的系數在3 種權重矩陣下都在1%水平上顯著為正,每單位GDP 消耗的能源總量每下降1%,煤炭消費脫鉤指數將下降0.450%、0.493%、0.468%.因此,需要在未來進一步提高能源效率,降低單位產值能耗.人口密度的系數在W1 和W3 權重矩陣下顯著為正,人口密度每增加1%,煤炭消費脫鉤指數將上升0.46%左右.人口增加,交通、生活等所需的煤炭消費量會增加,即會出現人口密度與煤炭消費脫鉤指數的正相關關系.對外開放水平的系數在3 種權重矩陣下均顯著為正,對外開放水平每增加 1%,煤炭消費脫鉤指數將上升0.036%、0.064%、0.056%.說明當前可能存在“污染天堂”現象.各地在招商引資的過程中,可能忽視了環境保護問題,引進了較多高能耗產業,吸引了較多高能耗外商投資.

產業結構、R&D 投入水平、新造林面積在3種矩陣下對能源消費脫鉤指數存在顯著的負面影響,具體來說:產業結構的系數在3 種權重矩陣下均顯著為負,工業增加值占地區生產總值的比值每增加1%,煤炭消費脫鉤指數將下降0.137%、0.180%、0.138%.從全國范圍看,一些省(區、市)工業產值占比較高,例如四川省、天津市,但同時實現了煤炭脫鉤,可能是工業生產通過產業升級、節能改造,質量得到不斷提高.R&D 投入水平的系數在3 種權重矩陣下均顯著為負,R&D 投入強度每增加1%,煤炭消費脫鉤指數將下降0.062%、0.083%、0.071%.技術的不斷推進,經濟活動整體效率將不斷上升,對煤炭消費脫鉤具有一定的積極意義,但是系數較小,影響不大,可能是研發投入更多地用于生產技術創新而不是節能增效技術創新.新造林面積的系數在3 種權重矩陣下均顯著為負,新造林面積提高有利于煤炭消費脫鉤.其他變量,如城鎮化水平、經濟發展水平對煤炭消費脫鉤指數影響并不顯著.

從溢出效應來看,在不同的空間權重矩陣下,本省(區、市)的人口密度、對外開放水平和能源強度對鄰近地區的煤炭消費脫鉤指數有顯著的正向影響.這表明周邊省(區、市)的人口密度越大、對外開放水平越高以及能源強度越高,則本省(區、市)的煤炭消費脫鉤指數也越高.值得注意的是,這些變量呈現明顯的空間集聚特征.我國人口密度呈現東多西少的特征,東部地區人口密集,很多省市人口密度遠高于中西部地區.而東部地區相較于中西部地區,改革開放較早,且距離海岸線較近,許多東部省(區、市)改革開放與吸引外資經驗豐富,對外開放水平往往也較高.在能源強度上,中部與西部地區能源儲量與產量較高,且經濟發展階段落后于東部地區,尚處于工業化進程中,對能源資源需求量較大,西部地區能源強度往往較高.因此,溢出效應的實證結果也基本符合現實情況.

4 政策啟示

統籌協調各省(區、市)減煤工作,有序實現煤炭脫鉤,兼顧地方經濟發展和社會公平.需要突破行政上煤炭消費脫鉤的地域區劃限制,建立各省(區、市)協同減煤的聯動機制,因地制宜,為各地區明確該地減煤工作重點與經濟發展方向,形成制度、經濟、區位等多方因素的合力.在規劃制定時,應綜合考慮各省(區、市)的資源稟賦、經濟發展狀況和當前煤炭消費狀況,對資源狀況差異較大、經濟發展存在差距的省(區、市)實施差異化減煤責任,梯次有序煤炭脫鉤.另一方面,在落實減煤責任,實現煤炭脫鉤的過程中應注意公平性,對于產煤大省(區、市)、電力輸出大省(區、市)、高能耗產業接受大省(區、市),給予一定的寬限和幫扶.

加大技術研發投入,引導企業進行提高能源效率的相關節能技術創新,以技術發展促進煤炭高效利用.實現減煤降碳,迫切需要科技力量的幫助,應建立穩定的研發投入機制,以更大的研發支持力度實現節能技術更快的更新迭代,同時要積極推廣綠色技術,促進綠色技術應用率和煤炭利用效率提升來降低煤炭消費脫鉤指數.積極引入“低碳”外資及“清潔”技術,調整外資準入標準,優化外資利用領域.對于從事高污染行業的外資企業,應嚴格進行能耗評估,嚴格限制進入中國從事生產經營活動.對于發展清潔能源、保有低碳技術的外資企業,應當給予相應的稅收優惠、手續減免,吸引相關產業助力減煤目標的實現.

優化調整能源消費結構,促進能源消費結構更加多元化.積極開發利用太陽能、風能、氫能、核能等清潔能源和可再生能源,完善相關基礎設施建設,適當采用補貼等經濟手段,引導清潔能源有序發展.積極探索能源消費結構調整工作,持續推進煤炭資源的清潔利用(如“煤改氣”、“煤改電”項目),促進天然氣、氫能、風能等清潔能源利用規模化及供暖清潔化.同時,應不斷加大對減煤降碳的資金投入,設立專項計劃,充分調動各種社會資源的投入,為煤炭脫鉤提供充足的資金保障.此外,各省(區、市)煤炭消費脫鉤情況不同,面臨各項環保問題壓力程度不同,需要根據自身情況制定合適的環保支出比重.

5 結論

5.1 從時間維度來看,我國省(區、市)煤炭消費與經濟增長的脫鉤狀態從增長負脫鉤、增長聯結向弱脫鉤、強脫鉤轉變,整體趨勢向好.但部分省(區、市)出現較明顯的波動,脫鉤情況不穩定.從空間維度來看,東部地區的脫鉤狀態最好,其次是中部地區,西部地區的脫鉤狀態最不理想,少數西部省(區、市)還處于增長負脫鉤的狀態,這與我國經濟社會發展情況相一致.強脫鉤省(區、市)呈現出由北京市、上海市和四川省這3 個省(區、市)向外擴張的趨勢,三者分別是不同地區的經濟中心,經濟發展質量較高.從空間分布上可以看出,我國煤炭消費脫鉤情況以不同經濟發展階段為差異呈現明顯的聚集特征.

5.2 當前我國大部分省(區、市)煤炭消費脫鉤情況處于弱脫鉤狀態,其中河南、云南、重慶、湖南、湖北脫鉤指數下降顯著,有望在未來實現強脫鉤;北京、上海、天津和四川已經在2019 年實現了強脫鉤,其中天津和四川是否可以繼續保持強脫鉤狀態還需更長時間驗證,北京在整個研究期間內保持強脫鉤狀態,脫鉤狀態最好,表現較為穩定;陜西、海南在2019 年處于增長聯結狀態,有望實現弱脫鉤;寧夏和新疆在2019 年仍處于增長負脫鉤狀態,煤炭消費增速要快于經濟增速,未來減煤降碳工作任重道遠.

5.3 全國煤炭消費脫鉤指數呈現出顯著的負向的空間溢出效應,一個地區的煤炭消費脫鉤指數受周圍地區煤炭消費脫鉤指數顯著的負向影響.能源結構、能源強度、人口密度和對外開放水平對煤炭消費脫鉤指數的影響顯著為正,能源結構轉型、能源效率提高會有效降低煤炭消費脫鉤指數,促進煤炭消費與經濟的脫鉤,人口增多,生產生活耗煤量增加,會導致煤炭消費脫鉤指數的提升,而對外開放可能帶來污染避難所效應,引進的外資可能以高能耗產業為主;產業結構、R&D 強度與新造林面積對煤炭消費脫鉤指數的影響顯著為負.產業結構的影響可能是通過工業生產升級、節能改造,質量得到不斷提高實現的,而技術研發的不斷推進,使經濟活動整體效率將不斷上升,促進能源消費脫鉤系數下降,但是系數較小,這可能是研發投入更多地用于生產技術創新而不是節能增效技術創新,新造林面積則意味著當地對生態環境的重視程度與支持力度,有利于促進煤炭消費與經濟發展的脫鉤.