关键词 能源消费；二氧化碳排放；LMDI
作者简介吴晗晗（1986—）女，江西师范大学财政金融学院硕士研究生。（江西南昌 330000）
一、引言
发展低碳经济，是可持续发展的题中之义。而碳排放作为全球气候变暖背景下的新标识，得到学者们的广泛研究。那么碳排放的影响因素有哪些？这些影响因素如何影响碳排放的？关于碳排放影响因素的问题，许多学者也做出了探究。例如陈彦玲，王深认为高速的经济增长产出规模是经济碳排放的驱动因素，而产业结构、能源结构的调整和能源效率的提高降低了碳排放量的增长。1唐志鹏等依据突变级数法基本原理，构建了我国CO2减排的影响要素指标评价体系，该指标体系主要包括一次能源消费结构、产业结构、能耗技术以及管理水平等2。冯相昭，王雪臣，陈红枫（2008）、宋德勇，卢忠宝2009、王伟林，黄贤金2008、徐国泉，刘则渊，姜照华2006等均采用指数分解法对碳排放的影响因素进行定量研究3-6。
《江西省低碳经济社会发展纲要白皮书》指出，“到2020年江西省建设低碳经济社会的目标是：产业、能源结构趋于合理，生产方式基本实现向低碳型转变；低碳技术的研发能力全面提升，若干技术和产业规模达到国内领先水平；温室气体排放得到有效控制，碳汇能力明显提高；与低碳经济社会发展相适应的法规、政策和管理体系基本建立；在低碳领域与国内外交流合作的平台全面建立，国际低碳经济交流合作中心的地位得到确立。”
减少能源消耗，降低温室气体二氧化碳排放，需要我们对江西省能源消费及碳排放现状及影响有素有清晰的认识。本文从能源消费及二氧化碳的排放角度出发，结合江西省实际情况，分析“十五”中期至“十二五”初期各工业部门的能源消费、二氧化碳排放情况，并运用LMDI法对二氧化碳排放影响因素进行总体分析，从而为江西省的减排工作提出建议对策。
二、研究方法
一碳排放计算方法
本文采用《2006年IPCC国家温室气体清单指南》中推荐的基准方法来计算江西省各产业部门的CO2排放量。计算公式如下：7
Ct=∑iCi，t=∑iECi，t·efi
式中，Ct为t时期各种类型能源消费导致的CO2排放总量104t？鸦i为能源消费类型，如煤炭、石油和天然气等？鸦EC为能源消费总量？鸦efi为能源i的CO2排放系数，CO2排放系数参考相关文献并经过简单的计算获得参照下表1。本文未将工业生产过程中被用作生产原料的那部分能源的固碳量列入到研究范围内，为此不考虑能源固碳化率对估算结果的影响。
二碳排放因素分解方法
近年来的研究不断表明，能源消费碳排放除了与能源消费规模及经济产出有直接联系，而且与能源结构、能源效率及主导产业类型等有较为密切的关系8。因此，本文引入能表示产业结构、能源结构及能源效率的变量，对Kaya恒等式9进行了扩展。扩展后的Kaya恒等式表达为：
式中：POP表示国内人口总量；C表示碳排放总量，指能源燃烧释放出的热量所对应的碳量，用i区分不同的产业类型，用j区分不同的能源类型，则Cij表示第i种产业中第j种能源产生的碳排放；PEij表示第i种产业中第j种能源的消费量；PEi表示第i种产业的能源消费量；GDPi表示第i种产业的国内生产总值。
则能源消费碳排放分解模型表达式为：
式中：fij表示不同类型的单位能源所排放的碳量，即碳排放系数；mij表示第j种能源在第i种产业的能源消费中所占比重；ti表示第i种产业单位GDP的能源消费量，即该产业的能源强度；si表示第i种产业在GDP总量中所占比重；g表示人均GDP；p表示人口数量。
由此，将能源消费碳排放的变化分解为排放因子效应（fij）、产业能源结构效应（mij）、产业能源强度（ti）即能源效率效应、产业结构效应（si）、产出规模效应（g）及人口规模效应（p）等6种因素。
LMDI方法10采用“乘积分解”和“加和分解”两种方法进行分解，两种方法最终分解结果是一致的。对于公式C=∑i∑j（mij·fij·ti·si·g·p）所示模型，设基期碳排放总量为C0，T期总量为CT，用下标tot表示总的变化。采用加和分解，将差分分解为：
各分解因素贡献值的表达式分别为：
排放因子效应：
能源结构效应：
能源强度效应：
产业结构效应：
经济产出效应：
人口规模效应：
总效应：
由于各能源的碳排放因子即为该能源的碳排放系数，在实际应用中取常量，所以，在进行因素分解时，Cfij始终等于0，可以不作为考量因素。故总效应公式可简化为：
3.基础数据处理
为方便计算，本文将工业划分为10个产业部门，具体划分见下表。
本文工业部门能源消费量来自江西省统计年鉴（2004～2012年）11，经济数据采用规模以上工业企业增加值，并依据产业分类加以合并整理。
通过碳排放计算公式得出江西省规模以上工业各部门碳排放量如下：
三、能源消费碳排放LMDI分析
通过能源消耗计算得到2004～2011年江西省规模以上工业内部产业部门能源碳排放情况。并在此基础上进行LMDI分解，得出能源结构效应、能源强度效应、产业结构效应、产出规模效应、人口规模效应，得到各分解因素的效应结果如下表。
1.产出规模效应分析
从LMDI分解结果可以看出，工业部门能源消费的碳排放因素中影响最大的是产出规模正的增效应，即经济增长的正影响。
经济增长所衍生的能源需求是各产业部门CO2排放增加的主要因素，由经济增长所带动的CO2排放增量效应较大的产业包括：能源产业、石化产业、钢铁及有色金属产业、建材产业、采选业等。此外，从时间序列分析，2004～2011年间各产业的增量效应总体上处于增强趋势。部分产业，如纺织服装业、造纸和印刷产业、装备制造业、其他工业部门产出规模效应在2008年前后出现波动，其原因可能由于受国际金融危机影响，全国实行宽松的经济政策，扩大内需，整体经济水平获得稳定增长，能源消费导致的碳排放也随之增长，江西省亦不例外。但随着时间推移，金融危机的影响逐渐渗入各个领域，经济增长脚步放慢，产出规模相应相对减弱，但整体上仍处于上升趋势。
2.能源强度效应分析
从表7和图5可以看出，各产业部门能源强度变动所产生的减量效应渐趋明显。能源强度变动所产生的减量效应较大的产业包括：能源产业、钢铁及有色金属产业、纺织服装业、装备制造业等；由增量效应逐渐转变为减量效应的产业为：采选业、食品加工和制造业、石化产业、建材产业、其他工业部门；而由减量效应转变为增量效应继而又转变为减量效应的是造纸和印刷产业。结合江西省具体情况来分析，随着战略性新型产业的发展，江西省对传统的能源消费较高产业，逐步进行生产工艺和生产设备技术改造，积极引进节能降耗的设备，提高能源的综合利用效率，同时发展新型产业，逐步降低对能源的消耗。
3.产业结构效应分析
从LMDI数据分解结果来看，产业结构对整体产业部门的CO2排放由增量效应逐渐转变为减量效应。从各产业部门来看，产业结构的减量效应的产业包括：食品加工和制造业、造纸和印刷产业、石化产业。产生增量效应的产业包括：采选业和纺织服装业。由增量效应转变为减量效应的产业为：钢铁和有色金属产业、能源产业。其中能源产业在2004年后成为减量效应的主要贡献产业，而随着国家对钢铁及有色金属产业结构的调整及限制，其能源消费及碳排放也得到了有效的控制和缓解。由减量效应转变为增量效应的产业为：建材产业、装备制造业和其他工业部门。可见近年来这些产业的产业结构不尽合理，造成产业重复率高，产能过剩。综合上述分析，尽管能源产业、钢铁和有色金属产业、石化产业是工业部门中主要的CO2排放源，却因产业规模缩减或产业结构调整而带来一定的减量效应，因此可以看出通过产业结构调整和优化可以实现CO2的减排。
四、结论及建议
本文通过碳排放影响因素的对数平均迪氏指数方法（LMDI），从能源消费结构、能源消费强度、产业结构效应、产出规模效应、人口规模效应五个方面对江西省能源消费碳排放进行分解分析，通过分析可以看出2004～2011年产出规模效应、产业结构效应、人口规模效应是影响江西省的能源消费CO2排放的增长因素。能源结构效应、能源强度效应的优化则对控制CO2排放有负的减效应。虽然高速的经济增长会带来能源消费CO2排放正的增效应，但以经济增长换取低碳排放是不实际的。因此，在能源强度下降的同时，调整产业结构，优化能源消费结构，控制人口在合理的水平增长对江西省能源消费碳排放至关重要。
针对以上分析，给出如下建议：
（1）提高能源消费强度是减排的重中之重。江西省能源强度效应在碳排放影响因素中负的减效应最大，因此，要继续推进工业内部重点部门的节能工作，要进一步强化能源产业、钢铁和有色金属产业、石化、建材、采选、食品加工及制造等高耗能产业的节能减排责任，加强重点耗能行业设备、产品单位能耗管理，开展技术改造项目、淘汰落后工业及设备，提高能效，逐步完善以政府调控为主、市场主导为辅、行业为主体，全社会共同推进的节能减排局面。
（2）提高清洁能源比例是减排工作的深化。使用低碳清洁能源代替高碳能源是江西省减排工作的重要方面。一方面，依托西气东输工程，提高天然气在江西省能源消费中的比例；另一方面，积极开发使用太阳能、风能电站建设，增加无碳电力的生产，保障能源安全的前提下，适当提高外来电力消费比例。
（3）碳捕捉及埋存是减排工作的可能途径。碳捕捉及埋存指将CO2从相关排放源中分离出来，运输到封存地，使CO2长期与大气隔离的过程。目前江西省尚无次碳处理方法。但我国上海石洞口第二热电厂碳捕捉项目的建设，可以提供经验、设备及技术指导。另外，江西省还需将分散燃烧的煤炭集中用于发电部门，这样，可以利用大型发电锅炉高的燃烧效率，依托先进技术，减少煤炭分散燃烧，大幅提高煤炭利用效率，也为日后CO2捕捉及埋存奠定基础。
参考文献
1陈彦玲，王琛.影响中国人均碳排放的因素分析J.北京石油化工学院学报2009254～58.
2唐志鹏等.基于突变级数法的中国CO2减排的影响要素指标体系及其评价研究J.资源科学2009111999～2005.
3冯相昭王雪臣陈红枫等.1971～2005年中国CO2排放影响因素分析J.气候变化研究进展2008142～47.
4宋德勇，卢忠宝.中国碳排放影响因素分解及其周期性波动研究J.中国人口·资源与环境2009318～24.
5王伟林，黄贤金.区域碳排放强度变化的因素分解模型及实证分析J.生态经济20081232～35.
6徐国泉刘则渊姜照华.中国碳排放的因素分级模型及实证分析：1995～2004J.中国人口·资源与环境2006166158～161.
7IPCC.2006 IPCC Guidelines for National Greenhouse Gas Inventories M.TokyoIGES2007.
8李国璋王双.中国能源强度变动的区域因素分解分析——基于LMDI分解分析方法J.财经研究200834852～62.
9Kaya Yoichi.Impact of Carbon Dioxide Emission on GNP Growth Interpretation of Proposed Scenarios R.Paris Pre-sentation to the Energy and Industry Subgroup Response Strategies Working Group IPCC 1989.
Kojo等（2009）、牛叔文等（2010）、刘心等（2013）均采用协整和误差修正模型对不同地区的能源、经济和碳排放之间的动态因果关系进行研究.安贵鑫等（2010）［9］从系统动力学角度，构建三系统的因果关系图，指出三者的变动关系.郭朝先（2010）［10］构建三者的竞争型投入产出模型，并采用SDA分解技术对我国碳排放的增长进行分解，得出碳排放的影响因素.不同时段，对不同国家、地区的采用不同方法对三者的动态关系进行分析，得出的结论不尽相同.本文的主要目的在于采用计量模型实证分析检验我国能源、经济和碳排放的动态因果关系，进一步提出有利于三者协调发展的对策建议.
1能源消费、经济增长和碳排放关系的实证分析
1.1数据来源及预处理选取1990—2013年我国的能源消费、经济增长和碳排放作为研究对象，采用年度数据，对三者之间的关系进行研究.能源消耗状况采用能源消费总量（EC）来反映，数据来自《中国能源统计年鉴》，单位为百万吨标准煤.经济的发展状况采用GDP来度量，数据来自《中国统计年鉴》，单位为亿元.碳排放采用CO2排放量（TC）来表示，数据来自美国能源信息署（EIA）网站公布的数据，单位为百万吨.为保证数据的客观性和可比性，剔除物价上涨因素，将各年GDP换算成以1990年为基期的实际GDP.为消除能源消费总量，实际GDP和CO2排放量三个时间序列的不平稳性和异方差现象，对三者取自然对数，并分别记为LEC、LGDP、LTC.通过对三者进行两两回归检验，证实任意两者均存在显著相关关系.
1.2稳定性检验采用ADF检验法对所有变量进行平稳性检验，即是否存在单位根.ADF法可以通过对3个模型（模型1无常数项和时间趋势项，模型2有常数项无趋势项，模型3有常数项和趋势项）进行检验，任意一个检验模型中的ADF值大于临界值，就可以认为该序列没有单位跟，即为平稳序列.若序列不平稳，需要取对数或进行差分处理.对LET、LGDP和LTC及其一阶、二阶差分序列进行ADF单位根检验，检验结果如表1所示.LET、LGDP和LTC及其一阶差分序列都不平稳，但二阶差分序列的检验值在1%的显著性水平下均小于其临界值.因此，其二阶差分序列为平稳序列，即LET、LGDP和LTC三个时间序列是I（2）的单位根过程.
1.3协整检验模型含有3个变量，并且均为二阶单整，采用Johansen法进行协整检验，该法在检验前需要确定最优滞后阶数.在保证自由度的条件下，根据无约束VAR模型中的AIC、SC和LR等信息准则确定VAR模型的最优滞后阶数为2，则协整分析的滞后阶数为1.检验结果如表2所示.迹检验和最大特征值检验都表明在5%的显著性水平下拒绝原假设，即变量之间存在两个协整关系.检验确定最优协整形式为：有线性趋势且协整方程有截距.取标准化的协整向量.
1.4Granger因果检验为确定我国能源消费、经济增长和碳排放之间的因果关系，对LTC、LEC和LGDP三个时间变量序列进行格兰杰因果关系检验.检验结果如表3所示.在5%的显著性水平下，拒绝LTC不是LGDP的格兰杰原因假设，拒绝LTC不是LEC的格兰杰原因假设，并且拒绝LEC不是LGDP的格兰杰原因假设，即说明1990—2013年我国的CO2排放对能源消费和经济发展均具有单向因果关系，并且能源消费对经济发展具有单向因果关系.这表明我国能源消费增加可促进经济发展，同时碳排放会影响到经济发展和能源消费，但是经济发展并不必然导致能源消费增加.
1.5脉冲响应分析和方差分解为全面反映我国能源消费、经济增长和碳排放之间的互动关系和相互影响程度，对其进行基于VAR的滞后20期的脉冲响应分析和方程分解，结果分别如图1和图2所示.脉冲响应分析是考虑扰动项的影响是如何传播到各变量的，刻画了对一个扰动项加上一个单位标准差的冲击后，对内生变量的当前值和未来值所带来的影响.从CO2脉冲响应图可知，当期对CO2施加一个单位标准差的正向冲击，CO2排放有所下降，随后开始上升，第5期达到最大（0.05464），然后开始下降，达到12期最小时开始增长，并逐渐趋于平稳；CO2对来自GDP的单位标准差的冲击没有初始响应，随后开始逐渐上升，在第4期达到最大（0.01239），然后逐步稳定在0.0098左右；同样对来自能源消费的单位标准差的冲击没有初始响应，随后开始增强，第3期达到最大（0.01738），随后开始下降并逐步稳定在0.0046左右；这表明，CO2排放对其自身具有较强的正向影响作用，但波动比较大，能源消费和经济增长的影响较弱，虽有小幅波动，但是总体趋势比较稳定.这与长期形成的碳排放路径有很大关系，也说明我国节能环保政策起到了良好的效果.从GDP脉冲响应图可知，GDP对来自碳排放、GDP和能源消费的单位标准差的冲击都具有正效应，响应趋势均为先增长后下降，然后趋于稳定，但是三者并不同步，存在滞后效果.尤其是受到CO2冲击影响最大，能源消费影响相对较小，而对来自自身的冲击响应比较平稳.这三者的促进作用均具有较长的持续效应.
从EC脉冲响应图可知，能源消费对来自碳排放、GDP和自身的单位标准差的冲击同样具有正效应，响应趋势也相同，均表现为先增长后下降，然后稍有增长并趋于稳定.而短期内对碳排放具有较为明显的同向效应，而经济发展和其自身效应较弱.这说明碳排放的正向冲击对能源消费具有显著的正向作用，因此通过低碳政策，可以引导我国能源消费的良性发展.体现了我国关于节约能源、提高利用率的相关政策的实施，在一定程度上抑制了能源消费的快速增长.方差分解图反映了能源消费、经济增长和碳排放之间相互影响程度.在碳排放的变动中，碳排放对其自身的贡献率最大，虽然在第一期开始有所下降，但均在80%以上，而GDP和能源消耗对其贡献率较小，虽有所上升，但却稳定在较低的水平；在GDP变动中，碳排放和GDP对其的贡献程度呈现反向趋势，碳排放对其贡献是先上升后趋于稳定，而GDP是先下降后趋于稳定，能源消费对GDP的贡献程度虽然相对较小，但却较为稳定；在能源消费的变动中，碳排放对其贡献程度呈现上升并稳定的趋势，并在第2期及以后贡献程度最高，而能源消费对其自身的贡献程度呈现下降趋势，并趋于稳定，GDP对能源消费的贡献程度最小.这表明，我国碳排放对其自身依赖性较大，森林碳汇等自然路径形成了较为完善的控碳系统，尤其是对植树造林等工作的重视.最近几年，国家提倡节能减排，加强低碳工作，并取得了很大成效，但能源消费结构仍存在不合理之处，导致能源消费对其自身影响较弱，在低碳方面也并未起到良好的效果.碳排放对经济增长起到约束作用，能源消费对经济增长有促进作用.可见，减碳工作对促进我国经济增长具有重要作用，同时要兼顾能源消费和产业结构优化，使其影响作用进一步增强.
2主要结论与建议
本文基于1990—2013年我国能源消费、经济增长和碳排放的数据，实证分析三者之间的动态关系和相互影响.主要得出如下结论：
第一，我国能源消费、经济增长和碳排放之间呈现出趋同增长趋势，并存在长期均衡关系.第二，Granger因果检验表明，碳排放对能源消费和经济增长存在单向因果关系，能源消费对经济增长存在单向因果关系.第三，脉冲响应和方差分解结果表明，短期内我国碳排放量增加对其自身具有较强的同向影响；能源消费和经济增长受到碳排放冲击影响较大；碳排放、能源消费和GDP的主要贡献因子均为碳排放.我国能源消费、经济增长和碳排放三者具有密不可分的关系，在保证经济发展的同时，提高能源利用率，降低碳排放是可持续发展的前提，如何平衡三者之间的关系是重点.鉴于此，提出以下建议：第一，加大科研投入，引进先进减碳技术.新技术、新设备的引进和推广使用是节能减排的重要手段和不竭动力，虽然成本较高，但长远来看，必将有益于我国碳排放的控制，促进经济资源和环境的可持续发展.本文研究结论显示，我国森林碳汇、碳循环等自然控碳作用发挥了较明显的效果.因此，必须要从内部着手，保证技术资本的投入，加快研发脚步，引进国外的先进减碳技术和设备，降低生产生活过程中的碳排放.
第二，稳定经济发展，优化产业结构.相对于发达国家而已，我国第二产业比重偏大，高排放，高消耗、低利用率的发展模式已经明显不能适应新国情的需要.我国经济、能源消费和碳排放均呈现上升趋势，如何保证经济发展的同时，对产业结构进行优化是一项十分困难的任务.脉冲响应分析显示GDP和碳排放存在明显的正效应，对能源消费有一定影响，即表明经济增长促进碳排放量增加，引起能源消耗的增长.控制经济增长速度，保证第一产业，优化第二产业，发展第三产业，是促进生态环境发展的关键，有助于实现可持续发展战略.
第三，提高能源利用率，调整能源结构.我国能源消费主要以化石能源为主，新能源和可再生能源所占比重小，能源禀赋较差，这加大了我国能源结构调整的难度.通过前文分析可知，能源消费对经济和碳排放都有明显的影响，表现出“趋同”现象.因此，大力开发新能源，推广使用可再生能源，提高能源转化率，减少能源浪费，实现能源结构的转型升级，一方面有利于稳定经济发展，防止经济“过热”；另一方面有助于降低CO2等温室气体的排放，减少环境污染.
随着经济的快速发展，环境保护问题日益引起人们关注。联合国政府间气候变化专门委员会曾的全球气候变化评估报告显示，人类活动所产生的二氧化碳、甲烷等是导致全球温度上升的主要温室气体，而其中又以二氧化碳的作用尤为显著。《京都议定书》与《联合国气候变化框架公约》的签订和实施，进一步反映出全球对于生态环境问题的重视。资源节约、环境保护与经济增长是人类共同关心的问题。金融在社会快速发展进程中起到重要作用，金融与环境问题间关系的探索从20世纪90年代开始日益引起重视。发展低碳经济离不开金融支持，国内外学者关于金融支持低碳经济发展的相关研究主要集中在金融服务、金融政策支持低碳经济发展，以及金融支持工业行业碳减排等方面。
一、国外相关研究
国外有关金融支持低碳经济发展的研究，主要集中在碳减排影响因素、金融支持技术创新并促进碳减排、金融资金支持对碳减排的作用研究等方面。
（一）碳减排影响因素研究
关于经济与环境关系的研究。Shafik N.（1992）等认为在经济发展以农业为主的时期，二氧化碳排放量少；随着经济发展，工业发展对资源的需求急剧增加，此时经济增长伴随碳排放的急剧增加；当第三产业为主导产业时，经济发展对资金、技术的需求增加，对能源资源的需求减少，且随着技术的提高促进能源利用率提高、碳排放减少，此时环境质量得以改善[1]。Lester R. Brown（2005）提出经济发展要以B模式代替A模式，A模式是指高碳化的经济发展模式，在经济发展的同时以环境破坏为代价；B模式以可再生能源为基础，倡导低碳化经济发展模式[2]。
关于环境金融的研究方面。Jose Salazar（1998）较早提出环境金融，认为环境金融是连接环境产业和金融业之间的桥梁，对金融业与环境产业之间的关系进行分析，提出发展金融创新，以保护环境和生物多样性[3]。Cowan E.（1999）认为环境金融是环境经济学和金融的结合，在环境金融的基础上，探讨了发挥金融市场的资金配置功能为环境经济进行融资的渠道[4]。Marcel Jeucken（2001）分析了银行业与可持续发展的关系，认为银行业对待可持续发展的态度由抗拒、规避，转变为积极和可持续发展阶段，其通过激励手段促进经济主体保护环境，在可持续发展中起着不可替代的作用[5]。Sonia Labatt和Rodeny Wh-
ite（2002）研究了气候变化问题给金融行业发展带来的机遇和挑战，将环境风险纳入企业评级，并介绍了金融行业进行环境风险评价的方法，以及为环境保护而开发的环境金融产品[6]。T.E.Gradel和B.R.Allenby（2003）探讨了金融在环境保护中所发挥的重要作用，并提出了金融促进环境保护的相关建议[7]。
在碳减排影响因素研究中，Wang（2005）对中国1957―2000 年二氧化碳排放总量数据做了分解，发现能源强度降低对中国碳减排贡献最大，其次为能源结构和可再生能源的投入[8]。Chang（2008）通过研究台湾地区1989―2004 年二氧化碳排放的影响因素发现，能源强度、能源结构的低碳化变化，对碳排放影响较为明显[9]。Salvador Enrique Puliafito（2008）等从人口规模角度研究低碳经济，通过分析人口、GDP、能源消耗与碳排放量之间的相互关系，得出碳排放量随着人口的增加而增加的结论[10]。Ugur Soytas（2009）采用VAR 模型对美国和土耳其的实证研究均表明，能源消耗是碳排放增长的格兰杰成因而非GDP，并据此提出了通过增加使用清洁能源、降低能源强度等措施来实现碳减排的政策[11]。
（二）金融支持技术创新从而促进碳减排研究
King和Levine（1993）认为一个功能健全的金融体系会通过金融支持促进企业的技术创新和进步，在这个理论的基础上他们对1960―1989年80个国家的面板数据进行实证分析，表明金融机构的金融支持对技术创新和进步有重要的影响[12]。Fuente和Marin（1996）的研究表明金融发展在一定程度上利于将资金高效地运用在风险项目上，促进技术进步和创新，进而有助于提高能源的利用效率，从而推动碳减排的实施[13]。
Beck，Levine和Loayza（2000）运用动态面板模型的实证研究表明，金融支持能够促进经济增长的原因不仅是增加了资本的存量，更重要的因素是金融支持提高了经济的全要素生产率，即金融支持能够通过促进技术创新从而推动经济的增长，有利于碳减排的发展[14]。Gradel和Allenby（2003）在《产业生态学》中把金融纳入环境保护与产业发展的理论框架中，认为金融作为一种服务能促进产业发展与环境保护之间相协调[15]。
Hanson和Laitner（2004）通过产业增长评估模型对美国的研究得出，实施引导技术进步的投资政策可以保证二氧化碳排放量的减少，有利于美国经济的增长，表明美国要减少碳排放需要对低碳技术投入大量的资金[16]。在金融支持技术创新从而促进碳减排研究中，Kneller和Stevens （2006）运用随机前沿分析方法研究发现企业对R&D的资金投入有利于技术效率提高，以及提升企业碳减排的水平[17]。
Tamazian等（2009）选取金砖四国（中国、俄罗斯、巴西和印度）1992―2004年的面板数据研究金融发展与环境质量之间的关系，并加入美国和日本的数据进行实证检验，发现金融发展对减少二氧化碳排放起到重要作用，金融支持高水平减排技术研发的直接投资利于提升能源使用效率，进而抑制环境恶化[18]。
Nakhooda（2009）对世界银行管理的清洁技术基金的创新和存在的问题进行了深入的分析，通过埃及、墨西哥和土耳其三个国家的研究发现清洁技术基金需要政府政策和监管环境的配合才有助于发展低碳经济[19]。Knox-
Hayes（2009）分析了金融发展对应对气候变化的国际间合作的重要作用，认为金融支持可以增加低碳经济发展的规模、范围和速度，而金融的支持离不开政府政策的引导[20]。Richardson（2009）认为目前金融支持低碳经济主要是通过金融机构作为中介，公众出于环境保护目的的社会责任投资的资金支持会大大促进低碳经济发展，并认为可以推动保护环境社会责任投资对低碳经济的支持[21]。
Linares和Perez-Arriaga（2009）基于监管和技术动态发展的视角，探讨了如何在全球发挥低碳技术并广泛应用的问题，认为发展中国家要发展低碳技术，离不开发达国家的资金和技术支持，这亦是应对气候变暖的关键[22]。Alain（2010）认为在碳市场机制作用下，低碳技术转让和低碳投资在国际间大规模进行，低碳技术发展利于推动低碳经济发展[23]。Gouvello（2010）对巴西低碳经济发展进行了详细的分析，表明巴西投资新能源的发展，对减少二氧化碳排放发挥了重要作用，但要走向低碳经济发展道路，需要对低碳经济相关的新能源、二氧化碳减排技术创新等方面进行大量投资[24]。
（三）金融资金支持对碳减排的作用研究
Kepple（2008）分析了银行业和可持续发展之间的关系，认为银行等金融机构越来越多地通过金融激励等手段，鼓励经济主体参与环境保护，在可持续发展中起着十分重要的作用[25]。Tamazian等（2009）对俄罗斯相关数据研究发现，金融资本开放程度与二氧化碳的降低呈现正相关。
Sadorsky（2010）选取22个新兴市场国家的数据，使用动态面板模型（GMM）方法检验这些国家金融发展对能源消费的影响，得出结论：当金融发展用股票市场度量时，股票市场交易额与股票市值占国民生产总值的比例，都对能源需求产生显著的促进作用[26]。Bello和Abim
bola（2010）通过对尼日利亚的金融发展与环境关系的研究发现，由于该国投资缺乏必要的监管，因而以证券市场资产表示的金融发展会导致环境恶化[27]。
Shahbaz（2011）等对巴基斯坦的二氧化碳排放进行研究，认为在控制了经济增长、人口规模和能源消费等因素后，金融业发展利于减少二氧化碳排放，而这暗示促进金融部门的发展可成为降低二氧化碳排放的一个政策工具[28]。
Ashina，Fujino和Masui（2012）基于日本在2050年前二氧化碳排放量与1990年相比要减少80%的目标，利用反推法结合日本的国情，得出日本实现该目标的可行路径是2020年碳排放量减少16～20%，2030年碳排放量减少31～35%，2040年碳排放量减少53～56%，而要实现以上阶段性目标，就需要大量投资的支持[29]。
Harunaa Gujba和Steveb Thorne（2012）等立足于非洲大陆，阐述了为非洲低碳能源提供金融支持的渠道，并探索了这些渠道面临的机遇及风险等情况[30]。Kennedy Chri
stopher和Corfee Morlot（2013）讨论了投资适应气候变化的基础设施对低碳经济转型的影响，研究认为虽然投资低碳基础设施会增加企业运行成本，但这一举措显现出投资对于提升技术水平，以及有利于发展低碳经济的作用[31]。
Julie Rozenberg，Stéphane Hallegatte（2013）等认为实施低碳税很困难，因为这意味着这代人要为后几代人的利益做出牺牲，但发行碳认证证书却是可能的，这主要由于碳认证企业虽然增加了支出成本，但却因为发展低碳经济，而在贷款利率下降上得到了补偿，所以认为碳认证比低碳税更具有可行性[32]。
Rory Sullivan，Andy Gouldson，Phil Webber（2013）探讨了如何为低碳城市融资的问题，以及其中存在的机会、风险与障碍，研究认为可以在一定程度上通过政府支持、政企合作以及技术创新降低发展低碳经济的成本，来缓解这些风险和障碍[33]。
Yasuko Kameyama，Kanako Morita和Izumi Kubota（2015）提出，近几年金融已经成为气候变化谈判中的一个重要议题。在亚洲发展低碳经济每年需要约1250―1490亿美元的投资，其中公共投资要比预计的低得多，研究认为如果亚洲国家能够达成共识，超过一半低碳经济投资资金可以由公共投资来达成，而剩下的部分则需要依靠私有投资[34]。
Aidy Halimanjaya（2015）采用实证研究的方法评估了发展中国家的低碳经济发展与官方减缓气候变化资金流入量的关系，并呼吁官方应大力发展援助气候变化的金融[35]。
二、国内研究
（一）金融支持低碳经济发展研究
1.金融服务支持低碳经济发展的研究
碳金融服务是碳金融稳健发展的保障，金融机构是碳金融服务体系的主体。企业的参与构成了碳交易的供需主体，交易平台的搭建为供需主体提供了价格发现和规避风险的机制，而金融机构围绕碳交易市场的金融服务可以促进碳金融市场进一步扩大广度和深度、加强流动性和提高透明度。金融机构的参与有助于碳金融市场资源配置效率的提高，推动碳金融市场的发展。一方面，有利于完善金融体系支持低碳经济发展，另一方面，有利于增强金融服务与低碳经济相关企业的联系。
陈雁（2008）通过分析可持续金融，指出绿色信贷对银行业可持续经营及社会可持续发展具有深远意义[36]。苏宝梅（2009）从经济伦理的角度，指出绿色信贷是构建和谐社会的必然选择[37]。古小东（2010）考察了国外“赤道原则”约束下的银行环境风险控制，从法律制度、激励机制、环境标准、监督机制等方面对我国的绿色信贷提出建议[38]。曹洪军、陈好孟（2010）建立了不确定环境下的博弈模型，认为绿色信贷需要配套机制[39]。
张建军、段润润（2013）指出随着低碳经济时代的到来，绿色信贷是中国金融业可持续发展的必然选择，为商业银行未来的发展提供了指引[40]。张靖霞（2013）指出绿色信贷支持生态城镇化建设需要政府、环保部门、银行、企业共同努力，探寻合适的绿色信贷支持路径对于加快生态城镇化建设具有非常重要的现实意义[41]。张继宏（20
14）认为金融支持可以有效地促进碳交易市场的建设与发展，国内商业银行开展碳金融业务主要集中在绿色信贷，体现为增加新能源和减排技术的信贷规模，降低高耗能和产能过剩产业的信贷规模，利于推动低碳经济发展[42]。
表1进一步反映了其他金融服务如碳金融理财产品，以及发展与低碳经济相关的证券、基金和保险等对低碳经济的影响。
2.金融政策支持低碳经济发展的研究
碳金融政策是碳金融发展的前提，对支持低碳经济发展具有不可或缺的重要作用。政府监管可以解决碳金融“市场失灵”问题，政府急需制定碳金融相关政策和法律法规，并根据碳金融发展情况及时更新完善，同时做好政策引导，引导金融机构、企业和居民参与到碳金融活动中去，为碳金融发展创造良好的政策环境。
张伟伟（2013）等的研究认为需要广泛建立以中央政府或各级地方政府为主导的碳基金，吸引更多的低碳资金流入，提出政府需要做好低碳投融资预算安排，通过碳税收、碳配额的拍卖获取低碳收入，并使得低碳收入成为低碳投资的资金保障[46]。石敏俊（2013）等基于动态CGE（Computable General Equilibrium）模型构建了我国能源―经济―环境政策模型，根据碳税和碳排放交易的政策属性，研究得出：碳排放交易与适度碳税相结合的政策，一方面可以确保碳减排目标的实现，另一方面可以使较为分散的碳排放源承担一定的减排义务[47]。胡梅梅、邓超、唐莹（2014）的研究认为在生态文明和美丽中国建设的大背景下，“资源节约型、环境友好”社会建设和产业发展是经济社会的必然发展方向，在这一背景下低碳经济的发展离不开有效的金融支持[48]。李健（2014）等认为随着公众能源消费碳排放比重的不断增加，加强消费端碳减排已经成为一个亟待解决的问题。通过政府政策引导、低碳理念宣传、低碳制度等运行机制，以及激励和引导公众形成低碳消费模式，能够更好地发挥碳减排机制和碳税制度的相关作用[49]。表2反映了国内学者探究法规建设、政策引导等方面对低碳经济发展的影响。
（二）金融支持工业行业碳减排发展研究
1.我国工业行业碳减排的研究
国内学者对我国工业行业碳减排的研究主要针对工业行业碳减排影响因素、技术进步对工业行业碳减排的影响、碳减排政策对工业行业碳减排的影响、对某一工业行业碳减排具体情况的研究等方面。
在对工业行业碳减排影响因素的研究中，吴滨（2010）认为需从行业结构、行业能源强度、能源消费结构和各种能源碳排放系数等方面展开研究[53]。陈诗一（2011）研究表明能源强度减少降低了二氧化碳排放强度波动性，能源结构和工业结构调整能够降低工业行业碳排放[54]。刘红光（2011）将我国1992―2005年工业碳排放量进行分解，发现经济总量增长、能源利用效率低以及以煤为主的能源消费结构是导致我国碳排放大量增加的主要原因，而行业结构调整和技术等因素对碳减排的作用并不明显[55]。张在旭（2014）认为工业节能减排效率的影响因素主要有工业规模、管理水平、技术进步和外商直接投资（Foreign Direct Investment，FDI）[56]。任建兰（2015）通过对整体工业行业碳排放影响因素分解分析，认为产业结构和技术效率是碳减排的主要影响因素[57]。
在技术进步对工业行业碳减排的影响研究中，王群伟（2010）分析了1996―2007年间影响中国二氧化碳减排绩效的诸因素，发现技术进步是促进我国工业行业二氧化碳减排绩效不断提升的主要原因[58]。李凯杰（2012）等认为长期内技术进步可以减少工业行业碳排放，短期内技术进步对工业行业碳减排作用却不明显[59]。姚西龙（2013）测算了技术进步和结构调整与中国制造业二氧化碳排放的关系，发现中国制造业碳排放强度在不断下降，并认为技术进步是促进中国制造业碳减排的主要因素[60]。王兵（2015）的研究认为低碳技术可以实现碳排放减少的同时增加工业产值，并且低碳技术越强，双赢也越大；并认为强低碳技术比弱低碳技术更具有降低减排成本的优势，这在经济较为不发达的地区更为明显[61]。
在减排政策对工业行业碳减排的影响研究方面，修静（2014）认为现阶段的节能减排规制措施对地区全要素生产率（Total Factor Productivity，TFP）的影响有自东向西递增的趋势，说明工业化水平越低，行政命令式的规制措施相对越有效，并且行政命令式的规制措施相较于技术进步，对技术效率的促进作用更为有效[62]。王宇飞（201
5）等通过对比工业挥发性有机物（Volatile Organic Compounds，VOCs）经济手段（环境税）和工程技术对碳减排的影响，借助可计算的一般均衡模型，对工程技术减排与经济手段（环境税）进行政策模拟，探讨了两种减排方法的优劣，并认为相同碳减排量情况下，考虑宏观经济损失，环境税减排的成本远高于技术减排[63]。任曾（2015）认为推动工业企业节能减排税收政策，保持税收优惠政策的稳定，可使工业企业对节能减排的收益有一定预期，有利于充分调动工业企业致力于节能减排生产的主动性和积极性[64]。
在对某一工业行业碳减排具体情况的研究中，刘贞（2
012）认为对钢铁行业节能减排应进一步加强节能技术的研发与推广，有选择性地进行技术投资，提高资金利用效率[65]。霍沫霖（2014）认为电力行业的碳减排需要利用清洁能源技术和先进火电技术，应支持研发创新，提高规模效益，发展建设智能电网，提高环保标准等[66]。史君（2015）认为水泥行业只有在实践中开发和研究创新技术、改进工艺流程、使用节能设备，才能实现水泥行业综合节能减排的目标[67]。工信部（2015）认为电器行业节能减排工作主要包括用信息化手段完善节能减排管理体系，扩大终端用能产品标准等方面[68]。其他学者研究工业行业碳减排的主要观点如表3所示。
2.金融支持我国工业行业碳减排的研究
当前关于金融支持我国工业行业碳减排的研究主要集中在金融融资、金融服务、金融政策及金融支持对工业行业碳减排的影响等方面。
在金融融资对工业行业碳减排的研究中，杨劬（2011）运用委托理论研究绿色信贷推动企业节能减排的作用机理，在此基础上进一步讨论如何发挥绿色信贷政策的激励作用。研究结果表明：运用绿色信贷政策激励企业改善技术，在长期内对环境保护的积极影响效果显著[73]。韩旺红（2012）提出我国应出台相关政策激励银行开展绿色信贷业务，降低绿色信贷门槛，提高贷款监管效率，完善绿色信贷体系，从而推动我国工业行业低碳化转型[74]。徐建波（2014）以徐州市为例，分析了商业信贷、资本市场和财税政策对工业行业低碳经济发展的金融支持现状，提出推广绿色信贷、加强金融产品创新、建设多层次金融市场、提高政策性金融支持力度等建议[75]。
在金融服务对工业行业碳减排的研究中，潘小军（201
1）认为需要探索区域性碳金融衍生品的设计和交易模式，制定基于区域性环保融资额度及其衍生品的合理价格，以碳信贷、碳证券、碳保险等具体的碳金融创新促进节能减排技术创新，通过优化能源使用结构，以及提升能源利用效率，促进我国产业结构转型和升级[76]。张金山（2013）认为在发展低碳经济的过程中，我国商业银行应不断完善发展低碳经济的金融支持体系，积极转变和调整金融业务模式，通过信贷等融资服务，发挥金融在支持低碳经济发展过程中的资金融通、中介服务作用，促进低碳经济的发展[77]。
在金融政策对工业行业碳减排的研究中，彭江波和郭琪（2010）认为节能减排需要政策导向进行激励和约束，金融具有的资金、市场、信用等优势，可以通过引导社会资金流向等助推节能减排[78]。张兆国（2013）的研究认为税收政策、财政补贴、信贷政策和社会舆论对低碳经济有显著正向影响；法律制度和市场化程度对低碳经济有正向影响但不显著；制定能耗与排放标准对企业有一定的约束力，对碳减排具有指导意义[79]。陈小龙（2013）认为碳税、补贴、碳排放权交易政策具有资源配置作用，有利于激励建筑企业进行节能减排[80]。刘鹏翔（2014）认为对于工业行业的碳减排，需要提高金融环保意识，突出金融支持政策的引导作用，营造有利于工业行业节能减排的金融生态环境[81]。
金融支持工业行业碳减排的实证研究中，汪陈（201
0）等通过实证研究我国存贷款余额与单位二氧化碳排放量之间的关系，分析我国金融支持低碳经济发展的有效性，提出了进一步促进低碳经济发展的金融支持行为的相关建议[82]。李超（2010）构建了低碳经济发展中的金融产业与实体低碳产业间的联动模型，在论述低碳系数的基础上，进一步探究了金融部门和低碳经济发展间的互动效应[83]。史亚东（2010）通过建立两阶段最优化模型，对当前我国在国际碳排放权交易中最优出口规模进行了研究，并指出我国CDM项目的开发存在最优交易规模[84]。张秀生（2010）等通过建立地方政府与商业银行的博弈，从可持续发展角度，提出转变政府职能是提高环保执行效率的途径之一[85]。杜莉、丁志国和李博（2012）运用面板数据模型对欧盟18国的碳交易与产业结构调整的关系进行了实证研究，发现碳排放权的购买成本增加了工业发展成本，导致投资从工业行业流出，利于工业行业的碳减排[86]。其他学者关于金融融资、金融服务及金融政策对工业行业碳减排的影响方面的研究如表4所示。
三、国内外研究述评
国外学者展开关于金融与环境的相关研究，主要贡献：（1）探究了碳减排的影响因素，其中提出了环境金融、金融创新对于碳减排的重要作用；（2）结合相关国家的经验数据，借助定量分析工具，实证检验了金融支持技术创新，进而对碳减排产生作用的路径，这为进一步详细分析金融支持碳减排的作用机理奠定基础；（3）分析了金融资金支持对于碳减排的有利影响，亦提出存在资金监管、运作风险等方面问题，并着重强调了资金支持对于碳减排的重要作用。国外学者的研究尚存在进一步深入探究的方向：（1）需详细梳理与分析金融支持碳减排的主要传导路径、作用机理；（2）结合具体传导路径及经验数据，探究有效的实证研究过程，检验金融支持与碳减排间的作用关系，并进一步分析其中存在的问题，结合经济发展实际分析相应对策；（3）国外学者的研究针对金融支持某一具体行业碳减排的研究相对较少，有必要详细研究金融支持某一行业，如对在碳排放中占很大比重的工业行业碳减排的影响作用。
【关键词】 城镇化 碳排放 STIRPAT模型 地区差异
一、引言
如今，自然资源日趋紧张，生态环境日趋恶劣，发展低碳经济已成为全世界人民关注的焦点。加速城镇化和促进低碳发展是我国目前经济发展的重点。城镇化不同阶段经济发展水平不同，不同经济发展水平下的能源消费对碳排放量的影响也不同。江苏省不同区域经济发展水平差异显著，苏南、苏中、苏北目前正处于不同的城镇化阶段，因此对比研究具有代表性的三个区域的能源消费碳排放量对我国在城镇化进程中发展低碳经济具有现实的指导意义。
已有学者对城镇化和碳排放之间的关系做了相关研究。卢祖丹基于1995―2008年省域面板数据，通过建立STIRPAT模型对城镇化和碳排放之间的关系进行了相关研究，得出城镇化发展有利于实现碳减排，但未探讨不同的城镇化水平对碳排放的影响因素。林伯强、刘希颖用协整法探讨城市化对碳排放的影响程度，但只针对中国这一主体进行研究，并未对不同区域进行对比分析。宋德勇、徐安采用STIRPAT模型分析了区域差异对碳排放的影响，并未对经济发展水平和碳排放的内在联系进行探讨。
二、研究方法
经济发展是碳排放增长的首要因素，本文结合York等提出的STIRPAT随机回归模型，来分析研究产业结构对碳排放的影响。该模型主要分析P（人口）、A（富裕度）、T（技术）、I（环境影响）之间的关系，公式为：
I■=？琢P■■A■■T■■e■ （1）
其中：？琢是常数项，b、c、d是人口、富裕度、技术的指数，e是误差项。
在实际分析时，将模型先进性对数化处理：
lnIi=ln？琢+blnPi+clnAi+dlnTi+lnei （2）
式（2）中，P代表城镇化水平，用城镇人口占总人口的比重表示（%），用来反映人口向城镇聚集的程度；A代表人均工业生产总值，用工业生产总值与常住人口的比值表示（元/人）；T代表工业能耗强度，选取工业能源消费量与工业生产总值的比重即工业能耗强度来表示（吨标准煤/万元）；I表示工业碳排放量（吨）。相关经济数据均以2000年为基期做了不变价处理。
根据国家统计局编制的《能源统计报表制度》，本文的能源消费指能源的终端消费量。在计算碳排放量时，首先将能源消费量折算成标准煤，然后根据国家发改委能源研究所给出的标准煤的碳排放系数为2.4567吨CO2/吨标准煤进行计算。
文中的能源数据来自江苏省13市各自历年的《统计年鉴》；经济社会数据来自历年《江苏省统计年鉴》。
三、结果与分析
1、研究区域
江苏省位于我国大陆东部沿海中心，地处长江三角洲，经济发展位于全国前列，地区生产总值占全国10%以上。江苏省经济发展区域差异大，苏南、苏中、苏北的城镇化发展处于不同的发展阶段，因此选择江苏省为研究样本，研究其城镇化发展对碳排放的影响，探究城镇化进程中碳排放的影响因素具有很好的代表性。
苏南地区（南京、苏州、无锡、镇江、常州）与上海相邻，经济发展较快，是江苏省经济发展的主力，城镇化发展水平较高，2013年城镇化率已达到73.5%；苏中地区（扬州、泰州、南通）与苏南地区隔江相望，位于长江中下游，经济发展速度适中，城镇化发展水平较落后，2013年城镇化率为59.7%；苏北地区（徐州、宿迁、淮安、连云港、淮安）相对苏南和苏中虽然自然资源丰富，但是接近内陆，经济发展落后，城镇化水平与苏中地区较接近，城镇化率在2013年已达到56.1%。
2、模型回归结果
由于苏中和苏北地区2006年以前能源消费量数据缺失，故本文将主要研究2006―2013年间各区域的碳排放量。对式（2）利用SPSS进行线性回归分析时，首先将数据进行Zscore一致性处理，避免各变量数量级不同对数据分析的影响，然后将处理后的数据带入模型进行分析。结果显示，模型整体通过了一致性检验，但是在95%的置信区间，所有变量的t值都不显著。进一步计算各变量的方差膨胀因子（VIF），三个变量的VIF均远大于10，证明模型中的城镇化水平、人均工业生产总值和工业能耗强度三个变量之间存在严重的多重共线性，因此不适合运用最小二乘法进行无偏估计。
为克服自变量之间的多重共线性问题，本文采用SPSS软件中的有偏估计岭回归函数对模型进行拟合。岭回归是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法。其中k=0时，即为普通最小二乘估计。将式（2）进行岭回归分析，当k=0.1时，苏南模型中各自变量回归系数变化趋于稳定，当k=0.2时，苏中和苏北的模型中各自变量回归系数变化趋于稳定，从而拟合方程分别为：
苏南：lnI=0.2813lnP+0.4407lnA-0.2424lnT （3）
苏中：lnI=0.4607lnP+0.2379lnA-0.2074lnT （4）
苏北：lnI=0.1846lnP+0.3516lnA+0.4007lnT （5）
对岭回归拟合结果进行检验（见表1），结果显示拟合结果能够通过显著性检验。
根据模拟结果可以看出，苏南、苏中和苏北的模型在5%的置信区间都能通过显著性检验，所有变量的t值都大于1.96，R2值和调整的R2值都大于86%，说明P（人口）、A（富裕度）、T（技术）三个变量解释了86%以上的碳排放量变动。
3、结果分析
（1）工业能耗对碳排放的影响。根据回归方程可以看出，城镇化水平和工业生产总值与碳排放量都呈正相关，与实际相符合。工业发展越快，能源消耗越多，碳排放量越大。而城镇化水平的提高并没有导致碳排放的减少，很大程度上是因为城镇化发展仍然离不开工业产业的发展。
苏南是江苏省经济最发达地区，是江苏地区经济发展的主力。结合表2和图1可以看出，2006年以来，苏南地区的城镇化水平较高，至2013年城镇化水平已达到73.50%，且一直持续稳步增长。苏南城镇化水平对碳排放影响的弹性系数为0.28，说明该地区较高水平的城镇化并没有使碳排放量得到减少。相比苏中和苏北地区，苏南地区的工业生产对碳排放的影响更大，弹性系数达0.44，说明该地区在发展工业的同时应提高生产技术水平，提高能源利用效率。
苏中地区的经济发展速度较慢，城镇化水平由2006年的47.3%增长为2013年的59.7%，变动幅度是三个区域中最小的。回归结果显示，苏中地区工业发展对碳排放量的影响较小，弹性系数为0.24，说明该地区工业发展并未造成碳排放量的大幅度增加。但是城镇化对碳排放量影响较大，弹性系数达到0.46，说明该地区在大力发展城镇化的同时必须注重减少碳排放量。
苏北地区城镇化发展较快，至2013年，苏北地区的城镇化水平已达到56.1%，超过苏中地区。相对而言，苏北地区的生产力水平较低，经济发展潜力较大。对苏北地区碳排放量影响较显著的因素是工业能耗强度，弹性系数为0.40，说明该地区节能减排的关键是降低工业能耗强度。城镇化水平弹性系数为0.18，对碳排放影响较弱，说明该地区大力提高城镇化水平不会造成碳排放量的大量增加。
对比三个回归方程，苏南和苏中的能耗强度与碳排放呈负相关，而苏北地区能耗强度与碳排放呈正相关，且能耗强度每增加1%，碳排放量将增加0.4007%，比人均工业生产总值对碳排放量的影响更大，原因在于，苏南和苏中地区的工业技术先进，能源利用效率高，而苏北地区经济落后，对传统化石能源的依赖性较强，能源利用效率较低。
（2）能源消费模式。2010年之前江苏省的家庭能源消费主要是煤气和液化石油气，从2010年开始其家庭能源消费主要是天然气。到2013年，除苏州地区，全省其他12个市都已经不使用煤气。根据IPCC《国家温室气体排放清单指南》提供的碳排放系数可知，天然气的碳排放系数为0.4483×104，煤气的碳排放系数为0.3548×104，液化石油气的碳排放系数为0.5042×104。
由图2可知，随着经济的发展，苏南、苏中、苏北城镇居民家庭消费的碳排放强度都在逐步减弱，且变动趋势接近一致。这主要是由于煤气和液化石油气消费量的减少和天然气消费量的增加，使得能源消耗导致的碳排放增长速度小于经济发展的增长速度。2006―2013年，仅家庭能源消费，苏南地区的碳排放强度下降38.27%，苏中地区的碳排放强度下降38.04%，苏北地区的碳排放强度下降50.46%。
至2007年，天然气还尚未投入使用，而江苏省13市中除苏北的连云港和宿迁两地外，其它各市气化率均达到90%以上。到2013年，江苏省13市的燃气普及率已经达到95%以上，天然气的使用使三大地区家庭能源消费模式趋于一致。不同的城镇化发展水平对于家庭能源消费模式的影响并不显著，从2007年开始，三大地区的能源消费强度就逐渐接近，因此改善能源消费模式也可以大大减少碳排放量。
（3）能源政策。应综合考虑三个地区不同城镇化发展水平下的能源政策对碳排放的影响。从三个地区的经济发展状况和资源禀赋可以看出，苏南地区的能源主要依靠进口，但苏南地区经济发展速度较快，苏中、苏北地区较多人口流入苏南地区，推动苏南地区的城镇化发展。在“十二五”期间，苏南地区基本已经实现能源消耗增长速度低于经济发展速度。苏南地区对于新能源产品和技术的研究和开发，使得苏南地区的碳排放量基本得到了控制。相对于苏南地区，苏中地区城镇化发展速度较慢，且正处于工业化中期向后期过渡阶段，高耗能产业发展较快，在推动新能源发展的同时，重点发展石油化工产业的衍生产品，能源消耗高出全省平均水平，碳排放量持续增长。苏北地区虽然城镇化水平超过苏中地区，但却是江苏省经济发展最落后的地区，能源消耗高，对煤炭等传统能源的依赖性高。但是苏北地区利用自身的地理优势，致力于新能源开发，主要研发太阳能和风能，在大力发展经济的同时注重减少碳排放量。独特的地理优势和能源优势，使苏北地区的城镇化建设发展较快，但同时也抑制了苏北地区的经济发展，促使苏北地区仍停留在重工业为主导的经济发展阶段。
四、结论和建议
1、结论
本文以处于城镇化发展不同阶段的苏南、苏中和苏北三个地区为例，利用STIRPAT模型探讨城镇化发展进程和经济发展水平对碳排放量的影响因素，研究结果表明，不同的城镇化发展进程和经济发展水平对碳排放量的影响不同。城镇化发展和经济发展速度均较快的苏南地区，碳排放量的增长速度（25.8%）已经低于工业经济增长速度（156%），碳排放量基本得到了控制；城镇化发展和经济发展速度适中平稳的苏中地区，城镇化发展是现阶段的发展重点，碳排放量增长速度与经济增长速度一致，持续稳步增长；城镇化发展速度较快但经济发展落后的苏北地区，对传统能源依赖性大，碳排放量增长速度超过经济发展速度。
苏南地区，城镇化水平由2006年的67.1%增长为2013年的73.5%，工业生产对碳排放的影响最大，弹性系数达0.44；城镇化水平对碳排放影响的弹性系数仅为0.28，城镇化建设的推动对碳排放量影响较小。苏中地区，城镇化水平由2006年的47.3%增长为2013年的59.7%，与苏南地区相反，工业发展对碳排放量的影响较小，弹性系数为0.24，工业发展并未造成碳排放量的大幅度增加。但是城镇化对碳排放量影响较大，弹性系数达到0.46，推动城镇化发展的基础设施建设对苏中地区的碳排放影响较大。苏北地区，虽然经济增长速度是三个地区中最快的，2013年苏北地区工业生产总值是2006年的6.31倍，但是苏北地区的城镇化水平和工业生产的弹性系数分别只有0.18和0.35，而能耗强度对碳排放的影响最大，弹性系数为0.40，提高能源利用效率、降低能耗强度才是苏北地区节能减排的关键。
2、政策建议
（1）优化产业结构，促进产业优化升级。虽然苏南地区正在逐步实现产业转型，但是苏中和苏北地区的经济发展仍旧以重工业为主，而且江苏新能源资源匮乏，对传统能源依赖程度大，仅盐城地区风能资源较为丰富。因此加快产业结构优化升级，是减少碳排放量最直接的方法。
（2）提高能源利用效率，优化能源消费模式。提高能源利用效率、降低能耗强度有助于节能减排。家庭能源消费对碳排放的影响体现在衣食住行各方面，应改变能源结构，使用碳排放量较少的新能源替代传统能源。例如，大力发展太阳能、风能发电，减少火力发电；早日实现江苏省13市100%的燃气普及率，减少煤气和液化石油气的使用。
（3）大力实施节能减排政策。政策与实践相结合，在接下来的“十三五”期间，进一步降低碳排放强度，努力实现经济与碳减排的同步发展。结合苏南、苏中和苏北地区不同的地理优势和资源禀赋，制定不同的发展政策，因地制宜，使地区在经济稳步发展的同时减少碳排放。
（注：基金项目：江苏省实践创新指导项目“城镇化不同阶段对区域碳排放影响研究――以江苏省为例”201410299088X。）
【参考文献】
[1] 卢祖丹：我国城镇化对碳排放的影响研究[J].中国科技论坛，2011（7）.
[2] 林伯强、刘希颖：中国城市化阶段的碳排放：影响因素和减排策略[J].经济研究，2010（8）.
[3] 宋德勇、徐安：中国城镇碳排放的区域差异和影响因素[J].中国人口・资源与环境，2011（11）.
[4] York R，Rosa E A，Dietz T.STIRPAT，IPAT and ImPACT；Analytic tools for unpacking the driving forces of environmental impacts[J]. Ecological Economics，2003（23）.
[关键词] 东北老工业基地；工业碳排放；影响因素；LMDI模型
[中图分类号]X321
[文献标识码]A
[文章编号] 1673-5595（2013）04-0018-05
近年来，随着经济高速发展、人口持续膨胀和工业化、城市化进程的进一步推进，能源消费剧增，生态环境日益恶化，特别是温室气体排放引起的气候变暖已严重威胁到人类的生存和发展，低碳经济受到世界各国的普遍关注，成为应对气候变化、实现经济可持续发展的首选战略.[1]。东北老工业基地是中国碳排放的重灾区，不可避免地成为全国碳减排的首要对象，而工业又是其能源消费的主力军，因此，分析东北老工业基地工业碳排放量变化的影响因素，找出控制或降低碳排放量的措施，对于节能减排、促进东北老工业基地低碳经济发展具有重要的现实意义。本文针对东北老工业基地工业碳排放量变化的影响因素，利用对数平均迪氏指数法（Logarithmic Mean Divisia Index method， LMDI）进行因素分解并对模型展开研究，旨在为东北老工业基地未来的节能减排提供实证参考，据此提出控制碳排放的政策建议，以促进东北老工业基地低碳经济的发展，实现东北老工业基地的振兴和长期可持续发展。
一、分解模型的建立
基于对数平均迪氏指数法对碳排放影响因素分析的优越性（全分解、无残差、易使用、易理解），本文采用该方法分析东北老工业基地工业碳排放量变化的影响因素，因为LMDI分解法在理论基础、适用范围和结果表达等综合方面相对较优，分解结果有加法和乘法两种形式，易于转换且一致，不存在无法分解的残差，可以用于绝大多数情形的分析，所以，LMDI分解法是目前对能源分析的一种重要分析方法，具有表达性和实用性.[2]。
工业碳排放的影响因素很多，鉴于东北老工业基地的研究重点在人口规模、经济发展水平、工业化率、能源利用效率、能源消费结构和碳排放系数对工业碳排放量变化的影响，建立下面的工业碳排放影响因素分解模型
由式（2）可知，碳排放总量C的变化取决于P（人口规模因素）、Y（经济发展水平因素）、L（工业化率因素）、M（能源利用效率因素）、Ni（能源消费结构因素）、Ri的变化（碳排放系数因素）.[3]。
中国石油大学学报（社会科学版）2013年8月
第29卷第4期李绍萍，等：基于LMDI的东北老工业基地工业碳排放影响因素实证分析
第t期相对于基期的碳排放总量变化的影响因素可以分解为6个因素，具体如下：
二、数据来源及处理
东北老工业基地工业增加值和工业能源消费的原始数据来源于1997—2011年东北三省历年《统计年鉴》和《中国能源统计年鉴》，以原始数据为基础，按照以下方法进行数据处理：
由于工业总产值中存在固有的双倍计量问题，本文以工业增加值来计算工业化率和能源利用效率，同时，数据以1997年为基准，根据相应的工业产值指数统一折算成1997年不变价格，不变价工业GDP=基准工业GDP×工业产值指数。因为随着经济发展，价格是不断变化的，所以，以现价工业GDP计算的碳排放总量是不能直接对比的.[5]。
由于能源种类过多，且有些种类消费量较低，本文按照一次能源终端消费的分类将工业能源消费划分为原煤、原油、天然气三种能源种类进行碳排放总量的分析。
目前，东北老工业基地还没有碳排放量的直接检测数据，本文通过能源消费量来估算碳排放量：C=∑iEiRi。由于原始数据中各种能源消费均为实物统计量，单位各不相同，不便于比较，因此，在进行计算时首先需要将各种能源消费实物量按照一定的系数统一折算成标准煤数量，然后再乘以各自的碳排放系数，即可得到各种能源消费的碳排放量.[6]。各种能源的标准煤折算系数和碳排放系数见表2和表3。
三、实证结果及分析
通过整理得到的基础数据，根据上述加法和乘法计算公式，对东北老工业基地工业碳排放量进行因素分解，可以得到1998—2011年各影响因素对东北老工业基地工业碳排放量变化的贡献值和贡献率及贡献值和贡献率趋势图，见表5、图1、图2。
（一）东北老工业基地工业碳排放量的总体变化趋势
从表5和图1中可以看出，东北老工业基地工业碳排放量的总体变化趋势大致表现为明显的两阶段特征：第一阶段为碳排放减少阶段（1997—2002），但整体下降速度变缓，且2000年出现了一个拐点，碳排放量增加了4762万吨；第二阶段为碳排放增加阶段（2002—2011），整体增加速度变快，2008年出现了一个拐点，碳排放量减少了5130万吨，这可能是受绿色奥运等外部因素的影响，使碳排放量有所下降。总体而言，东北老工业基地工业碳排放量是不断增加的，虽然在1997—2002年期间有所下降，但其后一直呈快速增长的趋势，这表明近年来随着振兴东北老工业基地战略的实施和进一步推进，经济得以迅速发展的同时，能源消耗量剧增，东北老工业基地工业碳排放量也呈现出较快增长的趋势.[8]。
图1工业碳排放量变化贡献值趋势
图2工业碳排放量变化贡献率趋势
（二）东北老工业基地工业碳排放量的影响因素分析
为了进一步分析东北老工业基地工业碳排放量变化的内在机理，找出控制或降低工业碳排放量的措施，下面对各影响因素进行具体分析。一般而言，贡献率大于1是碳排放量增加的拉动因素，反之贡献率小于1是其抑制因素。
1. 人口规模因素分析
由表4可知，2011年东北老工业基地人口数为108155万人，较1997年增加了3873万人，说明近年来东北老工业基地人口增长较为缓慢。而根据LMDI分解结果可以看出，人口规模因素对工业碳排放量的贡献值较小，且其贡献率大于1，见表5，说明人口规模因素是工业碳排放量增加的拉动因素，但在其变动不大的情况下，贡献值和贡献率都比较小，且保持相对稳定的状态。
2. 经济发展因素分析
从分解结果中可以看出，经济发展一直是东北老工业基地工业碳排放量增加的主要贡献因素，且其贡献值呈现不断增加的趋势，由1998年的2043万吨增加到2011年的5779万吨，其贡献率则由1998年的108增长到112，说明经济发展始终是推动东北老工业基地工业碳排放量增加的主要因素，对碳排放量的影响最大，且其拉动作用越来越显著，呈不断增强的趋势。
3. 工业化率因素分析
工业化率对东北老工业基地工业碳排放量的贡献值有正也有负，1997—2004年贡献值为负，2004—2011年贡献值除2006年为负外，其他年份都为正，且每阶段内具有一定的变化幅度，这是因为自2004年初国家正式实施振兴东北老工业基地战略后，东北老工业基地迅猛发展，工业化率不断提高，工业能源消耗增加，这在一定程度上导致了工业碳排放量的增加。
4. 能源效率因素分析
能源效率对东北老工业基地工业碳排放量的贡献值整体为负（除2000、2004和2006年3个拐点外），且其贡献值的绝对值较大，其中2008年能源效率对工业碳排放量的抑制作用最大，使碳排放量减少了10776万吨，这说明能源效率是减缓工业碳排放量最重要的因素，是实现碳减排目标最关键的可行因素。
5. 能源结构因素分析
能源消费结构对东北老工业基地工业碳排放量的贡献同时存在正效应和负效应，且其对碳排放量增加的抑制作用较小，其贡献值基本保持在一定的范围内，反映了近年来东北老工业基地能源消费结构未能得到有效改善，有待进一步优化，以充分发挥其对工业碳排放量增加的抑制作用。
四、结论
在东北老工业基地工业碳排放影响因素分解的基础上，通过对各影响因素的实证分析，本文主要得到以下几点结论：
人口规模、经济发展和工业化率因素是东北老工业基地工业碳排放量增加的拉动因素，其中经济发展是工业碳排放量增加的最主要原因，工业化率的贡献值和贡献率次之，人口规模对工业碳排放影响的变化不大。
能源利用效率和能源消费结构因素是东北老工业基地工业碳排放量增加的抑制因素，其中能源利用效率因素的抑制作用大于能源消费结构因素，能源利用效率是减缓工业碳排放量最重要的因素，能源消费结构对工业碳排放影响的变化不大。
总体来讲，东北老工业基地工业碳排放量不断增加，呈现出较快的增长趋势，这主要是因为随着振兴东北老工业基地战略的实施和进一步推进，经济发展和工业化率因素的拉动作用远远大于能源利用效率和能源消费结构因素的抑制作用。
通过以上对影响东北老工业基地工业碳排放量变化因素的分析，笔者认为，在未来的工业发展中，应从以下几方面来控制或减少东北老工业基地工业碳排放量：一是引进先进的生产技术和高效节能设备，对旧设备进行更新与改造，提高能源利用效率；二是进一步优化能源消费结构，多使用天然气、太阳能、风能、水能以及地热能等清洁能源；三是大力发展高新技术产业，适当降低工业化率，特别是降低工业高能耗行业的比重。
综上所述，东北老工业基地在未来的工业发展中只有坚持走以低能耗、低污染、低排放为基本特征的低碳工业发展模式，才能实现东北老工业基地的可持续发展。
[参考文献]
[1] 温景光.江苏省碳排放的因素分解模型及实证分析[J].华东经济管理，2010，24（2）：2932.
[2] 郭朝先.中国碳排放因素分解：基于LMDI分解技术[J].中国人口·资源与环境，2010，20（12）：116220.
[3] 徐国泉，刘则渊，姜照华.中国碳排放的因素分解模型及实证分析：1995—2004[J].中国人口·资源与环境，2006，16（6）：158161.
[4] 潘佳佳，李廉水.中国工业二氧化碳排放的影响因素分析[J].环境科学与技术，2011，34（4）：8692.
[5] 张伟，吴文元.基于LMDI的长三角都市圈工业能源强度变动的因素分解——对长三角都市圈1996—2008年工业部门数据的实证分析[J].产业经济研究，2011，54（5）：6978.
[6] 李园，张传平，谢晓慧.中国二氧化碳排放差异及影响因素分析——基于工业分行业的实证分析[J].工业技术经济，2012，226（8）：3945.
关键词：碳排放；区域差异；影响因素；综述
中图分类号：F124.5 文献标志码：A 文章编号：1673-291X（2013）15-0218-02
引言
在面对越来越严峻的国际减排新形势下，中国碳排放的增加受到全球的重点关注，如何降低中国的碳排放成为一个我们亟待研究的课题。根据国际能源署（IEA，2009）统计数据，中国已经成为全球CO2排放量最大的国家。在“十二五”规划中，中国把降低碳排放强度这一目标放在首要考虑的范围之中。
一、关于碳排放空间差异研究
由于中国幅员辽阔，不同区域之间的自然条件因素、经济发展程度等都不尽相同，所以中国碳排放分布的一个重要特征——非均衡性。中国专家学者从不同区域划分的角度来研究CO2空间分布差异。
（一）地理区域划分标准
1.三大区域划分标准。把中国划分为东、中、西三大区域，谭丹（2008）运用碳排放量分解模型的算法，测算出中国三大区域的排放总量及变化趋势，简单描述了东部地区的碳排放总量远高于中、西部地区。同样的结论岳超（2010）用各省的CO2排放总量、人均CO2排放量和碳强度等数据，通过泰尔系数来分析省区碳排放差异。结论认为中国碳排放量和人均碳排放量由东部沿海想西部内陆逐渐递减，而碳排放强度则是中、西部高于东部。杨骞（2012）也采用泰尔系数的分析方法对中国碳排放的区域差异进行了结构分解，则持不同的观点。他认为，碳强度和人均碳排放均是中部地区对区域差异的贡献依次大于东部和西部。
2.区域划分标准。东北地区、京津地区、北部沿海、东部沿海、南部沿海、中部地区、西北地区和西南地区为中国的区域。杨骞（2012）泰尔系数的分析方法对中国碳排放的区域差异进行了结构分解，不管是从碳强度还是从人均碳排放的贡献率来说，黄河中游地区最高，东北地区最低。姚亮（2010）运用区域间投入产出模型测算区域间碳排放的流动与转移，区域之间的商品流动对其他区域的经济有拉动作用，在这种拉动作用的影响下，区域间隐含的碳排放也会随之转移。
（二）碳聚集区域差异划分标准
随着对碳排放区域差异研究的深入，一些学者发现，按照地理划分区域不适合进行很好的碳排放量区域差异研究，李国志（2010）将最终能源消费划分9类，根据CO2排放量的大小以4 000万t和8 000万t为临界点划分了低排放区域、中排放区域及高排放区域，且三个地区CO2排放量存在明显的差异并随着时间逐渐扩大。孙耀华（2012）测算出2000—2010年各省碳排放强度，设定碳排放强度大于或等于1.2为高碳排放强度，小于或者等于0.7为低碳排放强度，研究发现，这十年间高碳排放强度的省份在逐年减少，相对的低碳排放强度的省份增多，但近二三年，两个碳排放强度分类的省份都没有相对减少或增加。
二、关于影响因素的研究
除了研究碳排放区域差异以外，形成碳排放区域差异的影响因素也是碳排放的研究重点。大部分研究学者认为经济增长、产业结构、能源消费结构是三大碳排放驱动因素。
1.经济增长。EKC假说指在经济发展的起步阶段，随着经济的增长会导致环境质量的下降，但达到一个生活水平之后人们开始关注并治理环境问题。中国部分学者根据EKC曲线理论和省际之间的数据，研究了中国EKC的存在性。李国志（2011）研究结论指出，东、中两地区存在人均碳排放EKC，但达到EKC拐点时间不同。魏下海（2011）测算出中国碳排放EKC的估计结果稳定，依然表现为“倒U型”特征，目前中国处于曲线上升的左半段。但也有持不同观点的学者认为，“倒U型”并不是经济发展与环境质量的唯一关系。胡初枝（2008）在EKC模型的基础上，引入分解分析法揭示出中国碳排放量呈现出“N”型。
2.产业结构。研究产业结构与碳排放的关系的结论都大致达成一致。孙建卫（2010）、刘红光（2010）、计军平（2011）运用区域间投入产出模型，测算出全国电力、热力和采掘是碳排量最高的行业，且排放形式是直接排放。张珍花（2011）运用广义最小二乘法、李建（2012）运用灰色关联分析方法分析研究了三个产业与各省碳排放量的内在关系。第二产业是对碳排放的影响程度最深，优化产业结构势在必行，但由于各省的发展程度不同，所以第二产业并不是增加全国碳排放的绝对因素。同时，第三产业的碳排放降低效应并不明显，第一产业影响最小。
3.能源消费结构。能源强度、能源利用率等是研究能源消费结构对碳排放影响的重点。李卫兵（2011）基于STIRPAT模型来测度碳排放的影响因素，能源强度对碳排放的影响是正相关的，虽然各区资源禀赋不同，但如果改变能源结构，会对碳排放的减少产生积极的影响。张雷（2006）构建产业—能源、能源—碳排放两个关联模型，产业结构的改变与一次能源消费增长成正比，但能源—碳排放的关联则要低很多，这是由于中国现在的能源供应还是以煤为主，再加上一次能源消费结构进展迟缓，导致碳减排效果不明显。
4.其他因素。魏巍贤（2010）、赵定涛（2012）分别用内生增长理论与环境污染模型、嵌入式碳足迹与环境投入产出-生命周期分析模型研究了技术与碳排放的内在联系，技术进步是减少碳排放的一个重要因素，但中国大部分地区的中间技术变动为增排效应，中国应该大力提过自主研发能力，多引进国外先进的CO2减排技术。
改革开放以来，伴随着进出口贸易的活跃，碳排放也在各国之间转移。对于中国对外贸易所产生的碳排放量中国研究学者观点尚未达成一致。刘红光（2011）用投入产出法分析了对外贸易对中国的影响。中国基础原材料工业比例偏高和出口粗加工导向型的产业结构特点，也是导致中国碳排放明显增加的又一个重要原因。但李小平（2010）研究表明发达国家也向中国转移了“干净”产业，国际产业转移能减少碳排放总量和单位产出碳排放量。
人口规模与城市化对碳排放的影响尚未达成一致。部分学者认为城市化水平的提高并未对碳排放有很大的影响，城市化水平高的地区注重环保、基础设施健全，经济不发达地区城市进程也相对缓慢（李卫兵，2011）。持相反观点的学者则认为，在城市化进程中需要大规模的基础设施建设，而建筑行业恰好是碳排放量相对较高的行业，从而排放大量的CO2（杜立民，2010）。
三、关于区域减排政策研究
在面对越来越严峻的国际减排新形势下，惟有通过对中国碳排放的区域差异、影响因素等方面的研究，我们才能更好地完善和发展中国的节能减排政策。以下几点值得我们注意：（1）由于中国幅员辽阔，不同区域之间的自然条件因素、经济发展程度、产业结构、科技发展水平和能源利用率等都不尽相同，要充分发挥当地的自身优势，因地制宜，对不同地区不同行业实施最有效的减排措施。（2）要加快转变经济增长方式，优化能源消费结构。积极推进产业结构向合理化、高级化、低碳化调整。第二产业中大力淘汰产能低的产业，积极引入高新技术，研发绿色新能源替代传统的以煤为主的能源结构格局，注重实现低碳可持续发展的战略。同时，要促进第三产业的发展。（3）政府发挥宏观调控作用，完善相应的法律法规。以征收碳税的方式加强政府干预，建立实施技术标准、碳排放企业的开办门槛。促进企业与高校、研究机构应积极联系，建立“产学研”合作机制，大力开发碳减排技术。
参考文献：
[1] 谭丹，黄贤金.中国东中西部地区经济发展与碳排放的关联分析及比较[J].中国人口·资源与环境，2008，（3）.
[2] 岳超，胡雪洋，等.1995—2007年中国省区碳排放及碳强度的分析——碳排放与社会发展[J].北京大学学报，2010，（7）.
[3] 杨骞，刘华军.中国二氧化碳排放的区域差异分解及影响因素——基于1995—2009年省际面板数据的研究[J].数量经济技术
经济研究，2012，（5）.
[4] 姚亮，刘晶茹.中国区域间碳排放转移研究[J].中国人口·资源与环境，2010，（12）.
[5] 李国志，李宗植.中国二氧化碳排放的区域差异和影响因素研究[J].中国人口·资源与环境，2010，（5）.
[6] 孙耀华，仲伟周，庆东瑞.基于Theil指数的中国省际间碳排放强度差异分析[J].财贸研究，2012，（3）.
[7] 李国志，李宗植.二氧化碳排放与经济增长关系的EKC检验[J].产经评论，2011，（11）.
[8] 魏下海，余玲铮.空间依赖、碳排放与经济增长——重新解读中国的EKC假说[J].探索，2011，（1）.
[9] 胡初枝，黄贤金，钟太洋，谭丹.中国碳排放特征及其动态演进分析[J].中国人口·资源与环境，2008，（3）.
[10] 李建，周慧.中国碳排放强度与产业结构的关联分析[J].中国人口·资源与环境，2012，（1）.
[11] 李卫兵，陈思.中国东中西部二氧化碳排放的驱动因素研究[J].华中科技大学学报，2011，（3）.
[12] 张雷.中国一次能源消费的碳排放区域格局变化[J].地理研究，2006，（1）.
[13] 赵定涛，汪臻，范进.技术、消费模式与中国碳排放增长——中国区域的实证研究[J].系统工程，2012，（8）.
关键词:产业低碳化;脱钩弹性因素影响力;LYQ框架
中图分类号:F205文献标识码:A 文章编号:1003-3890(2010)09-0041-04
一、产业低碳化研究综述
产业低碳化发展是经济低碳发展的核心内容,产业低碳化研究是低碳经济研究的重中之重。目前而言,从经济视角对产业低碳化的研究缺乏整体的共性认识,但从研究层次和研究手段上可分为两类,下面将进行总结。
(一)对产业低碳化发展的整体测评
这方面的研究主要借鉴区域低碳经济发展的测评体系,将碳排放强度、边际碳排放强度、绝对脱钩和相对脱钩等衡量区域低碳经济发展状况的评价指标均引入了这一领域。这其中脱钩概念最具代表性,经济合作与发展组织(OECD)创立的描述区域碳排放与经济发展的“脱钩”概念很快被使用到了描述切断产业环境污染与经济增长之间的链接关系[1]。Herry Consult GmbH(2003)首先把脱钩运用到产业,分析奥地利的经济增长与运输业的需求关系[2];Tapio(2005)对1970-2001年欧洲的交通业经济增长与运输量、温室气体之间的弹性脱钩情况和芬兰的交通业弹性脱钩情况进行了研究[3];中国台湾学者李坚明等(2005)对台湾地区产业的二氧化碳排放与经济增长的脱钩指标进行了研究[4];李忠民和庆东瑞(2010)分别采用绝对脱钩和弹性脱钩对山西省工业进行了低碳发展状况测评[5]。目前,脱钩弹性已成为产业低碳化测评的主要方法。
(二)对产业如何低碳化发展的原因进行解析
这方面的研究大部分集中在定性的层面。庄贵阳(2007)分析了目前中国汽车工业的现状,指出随着中国汽车产业的发展,节能和环保问题凸显[6];刘世锦(2006)指出中国的工业化面临的重大压力,应当自主创新,节约资源,转变经济增长模式,走可持续发展道路[7];迟远英(2008)基于低碳经济的视角研究了中国的风电产业发展[8];冯国亮(2008)分析建筑行业存在的问题以及预测前景,落实建筑业节能减排,走低碳发展道路[9];在定量研究上,魏一鸣等人(2008)其利用LMDI方法围绕中国碳排放的变化以及演变规律,针对中国电力部门、物质生产部门和工业部门的碳排放情况进行了定量测算分析[10];万宇艳等人(2009)用物质流分析方法MFA微观和宏观两个方面监测二氧化碳总量,表明高碳排放原因,为改善经济结构和能源结构提供技术支持[11];李国璋等人(2009)用投入产出关联测度分析浙江省的产业结构[12];吴巧生等人(2006)运用Laspeyres指数分解模型得出,中国能源强度下降主要是各产业能源使用效率提高的结果[13]。这些研究从具体问题入手,有一定的参考作用,但普遍没有把低碳产业分析与低碳产业测度结合,研究既缺乏低碳概念基础,又有很大的行业局限性。
笔者将低碳产业测评和产业如何低碳化两个方面联系在了一起,提出了构造产业低碳化因果链思路和弹性脱钩分析框架(简称LYQ分析框架),这是对产业低碳化发展理论研究的一个新视角[14]。
二、模型构建
(一)LYQ分析框架简介
LYQ分析框架针对目标函数,从变量逻辑因果关系出发进行成因分解(因果链构造)和指标测评,其特点在于可以准确地发现造成产业碳排放脱钩的原因并提出解决对策。因果链构造可以选择一个中间变量,也可以选择多个中间变量,但变量之间应具有明确的逻辑相关关系,通过两个连续变量之间弹性脱钩值的相乘可以得到最终经济驱动力与环境驱动力之间的脱钩关系,而每两个连续变量之间弹性脱钩值大小可以说明其对最终结果的影响。比如构造运输产业排放因果链为“产业碳排放―产业规模(运输量)―技术改善(产业能耗)―经济发展(GDP增长)”,从而达到发现产业碳排放与经济发展脱钩关系成因的目的。
LYQ一般的产业发展与经济增长弹性脱钩分析框架模型如下:
Tx0,xn=■Ti(1)
Ti=(%?驻xi-1/xi-1)/(%?驻x/xi)(2)
其中Ti表示因果链上第i项和第i-1项的脱钩弹性。Tx0,xn表示产业碳排放与经济发展的脱钩弹性。在这一框架基础上,得到了一般产业的基本分析模型,即
tCO2,GDP=(%?驻CO2/CO2)/(%?驻GDP/GDP)
=产业减排脱钩弹性×产业节能脱钩弹性×价值重估脱钩弹性×产业发展脱钩弹性(3)
(二)影响力评价
因子相乘关系的影响力评价可采用对数形式,通过以乘积为底数对因子求对数的方法,可以评价因子对乘积结果的影响力。在基于LYQ框架分析时,由于脱钩弹性值的值域并不仅限于大于1,当该值小于1时,对数值与影响力的关系与前者相反。基于此,笔者构建如下影响力评价函数:
WTi=-logTiTx0,xn,当Tx0,xn>1时logTiTx0,xn,当Tx0,xn
同时,■WTi=1确保了对影响力评价的标准化和可比较性。笔者不考虑强弱负脱钩、衰退连接和强脱钩等特殊状态。
三、基于山西省建筑业的实证分析
(一)指标选取和数据来源
笔者基于产业碳排放―产业能耗―产业规模―产业GDP―区域GDP的思路,对山西省建筑业的变量(即,碳排放、产业能耗、产业规模、产业GDP和区域GDP)分别选取如下指标予以衡量,即二氧化碳排放吨位数、标准煤、在建建筑总面积,基于1997年不变价格计算的建筑业GDP和山西省GDP。通过统计归纳和整理得到表1和图1。
基于LYQ框架和表1数据,计算因果链上的弹性脱钩值,即产业低碳化弹性脱钩的影响因素,可以得到表2数据:
(二)数据分析
基于表2的数据和影响力评价方程式(4),计算产业链上弹性因子对碳排放与经济发展脱钩弹性的影响力,可以得到数据表(其中2004年、2005年产业弹性为强脱钩,无有效数值),分别见表3、图2。
通过分析,结果表明:
山西省建筑业的减排弹性对整体脱钩的影响在1998-2007年变化趋势明显;在2002年以前对产业脱钩一直表现为负向贡献,但影响较小,6年平均负向贡献只有-0.25;2003年虽影响不大但影响由负向转向正向,而2006年则对产业整体脱钩做出了主要贡献,达到了3.05。
山西省建筑业的节能弹性对整体脱钩的影响在1998-2007年变化很不稳定,贡献忽正忽负(6年有效数据中,3年为正,3年为负),时而是产业弹性脱钩的主导因素,时而又变为产业脱钩的主要阻力因素,体现了节能弹性受政策调整的影响较大,也体现了节能技术发展的非连续性。
山西省建筑业的价值重估弹性对整体脱钩的影响在1998-2007年整体稳定,呈现出一种持续的正向影响,反映出建筑业由于土地价值反复重估对产业GDP的正向影响。
山西省建筑业的产业发展弹性对整体脱钩的影响在1998-2007年呈先上升后下降趋势,1999年和2000年为正向影响,其中2000年更达到7.75,成为产业脱钩的主导因素;2001-2003年转为负向影响,并且影响力接近于-1或在-1以上;2007年这一因素影响转为微小正向影响。
从各年均值而言,产业减排脱钩弹性、价值重估脱钩弹性和产业发展脱钩弹性均呈正值,分别是0.33、0.54和0.72,其中产业发展脱钩弹性最大,最具影响力;产业节能脱钩弹性呈负值,为-0.59,长期表现为负向影响力。
从每年的主导影响力来看,1998年的主导影响力是价值重估弹性,1999年和2000年是产业发展弹性,2001-2003年是产业节能弹性,2006年是产业减排弹性,2007年无主导影响力。
(三)政策建议
产业发展弹性由正向影响向负向影响的转变反映了建筑业在山西省经济中的比重在逐步增强,山西省建筑业降低二氧化碳排放问题日益重要,需要政策上的进一步重视。尽管价值重估弹性对产业整体脱钩的影响一直正向,但其并不构成主导因素,产业节能和减排弹性始终是降低二氧化碳排放和实现经济发展与碳排放脱钩的主导和决定性因素,应特别加强,特别是产业节能弹性更为关键,多数情况下是经济发展与碳排放脱钩的决定力量,而且技术创新具有非连续性,特别需要政策的持续不断的大力扶植和推广。
四、本文创新和需进一步研究的问题
笔者在产业弹性低碳化分析框架(LYQ分析框架)基础上,采用对数方法对弹性因子对产业碳排放脱钩弹性的影响力进行了测评方法的设计,并以山西省建筑业为例进行了案例分析,进一步完善了LYQ框架对产业低碳化的研究方法。但同时应当看到,对于运用LYQ分析框架实现产业减排目标这一核心问题,本文尚未涉及,而这一问题恰恰是产业低碳化研究的关键。这有待于后来学者作进一步的研究。
参考文献:
[1]OECD. Indicators to Measure Decoupling of Environmental Pressure from Economic Growth. 2002[R/OL].olis.省略/olis/2002doc.nsf/LinkTo/sg-sd(2002)1-final. 2008-09-26.
[2]Herry Consult GmbH、Max Herry and Norbert Sedlacek. Decoupling Economic Growth and Transport Demand Case Study Austria[R/OL].OECD.[2003-10-20].省略.
[3]Tapio P.Towards a theory of decoupling:Degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001 [J]. Journal of Transport Policy,2005,(12).
[4]庄敏芳.台湾工业与运输部门脱钩指标建构与评估[D].中国:台北大学,2006.
[5]李忠民,庆东瑞.经济增长与二氧化碳脱钩实证研究:以山西省为例[J].福建论坛,2010,(3).
[6]庄贵阳.低碳经济:气候变化背景下中国的发展之路[M]. 北京:气象出版社,2007.
[7]刘世锦.关于我国增长模式转型的若干问题[J].管理世界,2006,(2).
[8]迟远英.基于低碳经济的视角的中国的风电产业发展研究[D].吉林大学,2008.
[9]冯国亮.低碳经济与住宅产业[J].产业论坛,2008,(9).
[10]魏一鸣,刘兰翠,范英,吴刚,等.中国能源报告(2008):碳排放研究[M].北京:科学出版社,2008.
[11]万宇艳.基于MFA分析下的低碳经济发展战略[J].低碳经济,2008,(9).
[12]李国璋,林聪.浙江省产业结构的投入产出关联测度及应用研究[J].经济探索,2009,(11).
[13]吴巧生,成金华.中国工业化中的能源消耗强度变动及因素分解[J].财经研究,2006,(6).
[14]李忠民,姚宇,庆东瑞.产业发展、经济增长与二氧化碳排放脱钩的实证研究[J].统计与决策,2010,(10).
A Study on the Influent Factors of Decoupling of Industrial Low-carbonization
Li Zhongmin, Han Cuicui, Yao Yu
(International Business School, Shanxi Normal University, Shanxi710062,China)
［关键词］城市化；二氧化碳排放；协整分析；Kaya恒等式
［中图分类号］F293 ［文献标识码］A ［文章编号］1671-8372（2012）04-0012-04
一、引言
城市化作为一种全球性的经济社会现象，主要发生在工业革命以后。伴随着世界城市化的快速发展，城市人口急剧膨胀，城市规模快速扩张，能源消费迅猛增加，工业污染迅速蔓延，生态环境问题日益严重。在全球十大环境问题中，气候变暖居首位，而全球气候变化主要是由于温室气体排放量的不断增加，尤其以二氧化碳排放的增加为主。近200年来，世界城市化水平和二氧化碳排放量保持同步上升，目前二者均有加速的趋势。产业革命以来，世界城市化水平在5%左右，大气中二氧化碳浓度在280ppm左右（ppm是气体浓度单位，表示百万分之一），到了2007年，世界城市化水平达到了50%，二氧化碳浓度值上升到了383ppm，而其危险临界值为385 ppm，全球平均地表温度也比工业革命时期升高了0.74℃［1］。
我国城市化进程快速发展的同时带动了以化石燃料为主的能源消耗迅猛增长，使得二氧化碳等环境污染物的排放量逐年增加。根据国际能源署（IEA）公布的统计数据显示，2007年我国化石能源消费产生的二氧化碳排放已经超过美国，成为目前世界上二氧化碳排放总量最大的国家［2］。然而伴随着我国城市化、工业化发展的不断快速推进，以煤为主的能源消费量还将不断增加，由此产生的二氧化碳排放量也会进一步上升，这意味着，我国碳减排面临的国际压力将会日益增加。
随着全球气候变暖问题的日益严峻，越来越多的研究开始关注如何在城市化进程中缓解温室气体排放问题。徐国泉等运用LMDI分解法对中国碳排放进行了因素分解研究，定量分析了经济发展和能源强度对我国碳排放的影响，指出经济发展拉动我国碳排放呈指数增长，而能源强度的贡献率则表现为倒“U”形［3］。王锋对1995-2007年中国碳排放量增长的驱动因素进行了研究，认为人均GDP增长是二氧化碳排放量增加的最大驱动因素［5］。何吉多关于1978-2008年中国城市化与碳排放关系的协整分析表明，我国碳排放量与城市化水平之间存在长期动态均衡关系，且这种长期均衡关系对当前碳排放偏离均衡水平的调整力度较大［5］。日本学者Yoichi Kaya于IPCC的一次研讨会上提出Kaya恒等式，指出人类活动产生的温室气体排放与经济发展、人口等因素存在联系［6］。Duro和Padilla认为Kaya因素中引起不同国家碳排放差异的重要因素为人均收入、能源消费碳强度和能源强度［7］。林伯强等通过对Kaya恒等式的分解，认为1978-2008年对中国碳排放影响较为显著的因素包括经济发展、能源强度、能源消费碳强度和城市化水平［8］。
人类活动与温室气体排放之间的关系已经成为国际热点之一，研究二者之间的关系有着重要的现实意义。山东省作为我国的人口、经济大省，一直是高能耗、高碳排放区，魏一鸣指出，2005年山东省终端能源消费产生的二氧化碳排放总量居全国首位［9］。同时，山东省城市化进程快速推进，2010年山东省城市化水平为40.04%，正处于诺瑟姆曲线划分的城市化发展阶段中的中期加速发展阶段［10］。虽然山东省城市化发展已取得了可喜的成绩，但与我国49.95%的城市化水平相比还是相差较远。研究山东省城市化进程中的碳排放，不仅对于把握山东省碳减排政策、城市化发展战略、保持经济持续快速发展具有现实意义，而且对于更好地理解我国的整体状况也有重要意义。基于此，本文运用协整分析方法借助VECM模型对山东省城市化水平和二氧化碳排放量之间的长短期关系进行实证分析，并利用Kaya恒等式对山东省城市化进程中的碳排放影响因素进行分解分析，最后提出相应的政策建议。
二、山东省城市化与碳排放关系的协整分析
2．变量的平稳性检验
四、结论及政策建议
本文运用协整分析方法借助VECM模型对山东省城市化水平和二氧化碳排放量之间的长短期关系进行了实证分析，并利用Kaya恒等式对山东省城市化进程中的碳排放影响因素进行了分解分析，从而得出以下结论：
（1）山东省城市化水平和二氧化碳排放量之间的协整方程说明，二者之间存在长期均衡关系，长期弹性系数为1.7120，即城市化水平每提高1%，碳排放量将同步增长1.7120%，这说明城市化是导致山东省碳排放量增长的一个重要因素。
（2）由VECM模型可知，在短期内，山东省碳排放量的波动受到城市化水平和自身滞后量的影响，其中，滞后1期和2期的城市化水平对当期碳排放量变动的影响比较明显，城市化水平提高将导致碳排放量的增加；滞后1期的碳排放量对当期碳排放也有比较显著的影响，然而滞后2期的碳排放量对当期的碳排放有抑制作用，这是因为碳排放持续快速增长会促使政府采取碳减排措施。另外，短期误差项的修正作用并不很强，模型的修正系数仅为-0.0576，表明在短期内山东省碳排放量和城市化水平之间的长期均衡关系对当前碳排放量偏离均衡水平的调整力度不大，说明山东省碳排放量的变动除了受城市化水平影响之外，还受到其他因素的影响。
购物车(0)