煤炭消费比重、人均实际GDP与碳强度

煤炭消费比重、人均实际GDP与碳强度一基于省级面板数据卢松浩，朱启贵【摘要】摘要：计算1998—2009年中国30个省、市、自治区的碳强度，通过构建面板数据模型并运用可行广义最小二乘(FGLS)回归方法实证分析中国碳强度与煤炭消费比重以及人均实际GDP之间的关系。研究结果表明：(1)碳强度与人均实际GDP之间存在着非线性的倒U型关系，即碳强度随着人均实际GDP的提高先上升后下降。(2)煤炭消费比重同碳强度之间存在着显著的正相关关系，并且煤炭消费比重的回归系数比较大，说明煤炭比重对于我国碳强度的影响比较大，通过降低煤炭消费比重有助于降低我国的碳强度。期刊名称】科技管理研究年(卷),期】2014(034)004总页数】5【关键词】碳强度；面板数据；可行广义最小二乘法研究背景及相关文献综述工业革命以来，煤炭、石油、天然气等化石能源快速发展，成为经济社会发展的主导能源，这种以化石能源消费为主的经济发展所带来的问题便是人们生活和工业生产过程中排放大量温室气体；大气中温室气体的浓度不断升高，打破了原来的碳平衡，从而影响到能源安全、生态安全、水资源安全、大气环境安全以及粮食安全，甚至威胁到人类生存。在此背景下，2003年英国政府在其政府报告《英国能源白皮书》中首次提出了低碳经济。这种以“低能耗、低污染、低排放和高效能、高效率、高效益”为核心的经济模式一经提出就迅速受到了广泛关注，成为构建全球“责任共同体”的重要途径。国际社会采取了一系列措施，如成立联合国政府间气候变化专门委员会（IPCC），签署《联合国气候变化框架公约》、《京都议定书》等协议来解决全球环境与气候恶化问题，并在2009年12月，由来自192个国家的谈判代表在丹麦首都哥本哈根召开了《联合国气候变化框架公约》缔约方第15次会议（简称哥本哈根会议），商讨各国2012年至2020年的全球减排协议问题。这次会议也被喻为“拯救人类的最后一次机会”的会议，将对地球今后的气候变化走向产生决定性的影响。为了顺应全球低碳经济发展趋势，履行哥本哈根会议承诺，我国政府决定到2020年单位国内生产总值二氧化碳排放比2005年下降40%~45%，并作为约束性指标纳入国民经济和社会发展中长期规划。在国务院已经发布的“十二五”规划中，也强调了“面对日趋强化的资源环境约束，必须增强危机意识，树立绿色、低碳发展理念，以节能减排为重点，健全激励与约束机制，加快构建资源节约、环境友好的生产方式和消费模式，增强可持续发展能力，提高生态文明水平”[1]。这也表明了发展低碳经济、降低碳排放及碳强度已经提升到了国家战略的高度，并在接下来的“十二五”期间深入贯彻执行。在这样一个大背景下研究中国的碳强度问题就有着重要的现实意义。目前，关于中国碳强度问题的研究主要有：范迎等[2]利用适应性加权迪氏分解法（AdaptiveWeightingDivisia）分解中国1980—2003年碳排放强度的影响因素，发现尽管中国CO2排放量增加，但碳强度却在下降，认为降低碳强度要不要过度依赖能源强度也要关注能源结构的因素。杜立民[3]构建了省级CO2排放面板数据库,并分别在静态和动态面板数据模型框架下考察了我国CO2排放的影响因素，研究结果显示，重工业比重、城市化水平等都对我国的CO2排放具有显著正的影响；经济发展水平和人均CO2排放量之间则存在倒U型关系，环境库兹涅兹曲线假说成立。张友国［4］则分析了经济增长方式转变对我国GDP碳排放强度的影响。虞义华等［5］利用我国29个省市自治区1995—2007年的面板数据，分析了C02排放强度同经济发展水平及产业结构之间的关系，研究表明，碳强度同人均GDP之间存在N形关系，第二产业比重同碳强度存在正相关关系。丘兆逸［6］借鉴环境库兹涅茨曲线(EKC)，采用2000—2008年中国30个省市自治区的面板数据，对碳排放强度与工业化的关系进行回归，结果显示，它们之间呈倒N型关系，目前中国整体上处于工业化水平中期，完成2020年减排目标的关键是跨越第二个拐点进入碳排放强度随工业化发展下降的阶段；各省市区的工业化程度不同导致其减排压力不一样。沈小波等［7］基于自回归分布滞后模型分析1980—2007年中国碳强度的主要影响因素，结果表明，碳强度与人均GDP、能源效率、工业增加值比重之间存在长期均衡关系;能源效率改进使碳强度下降,工业增加值比重上升使碳强度上升；人均GDP与碳强度之间存在倒U型关系。王锋等［8］运用协整技术和马尔可夫链模型预测了2011—2020年中国的碳强度趋势，然后分9个组合情景评估了优化能源结构对实现碳强度目标的贡献潜力，结果表明，通过优化能源结构有助于降低中国碳强度。煤炭消费比重、人均实际GDP与碳强度煤炭消费比重与碳强度上述文献都从各自的研究视角分析了中国的碳强度问题，但都没有实证分析煤炭消费比重对于中国碳强度的影响。而中国的能源国情是“富煤、贫油、少气”，即中国石油探明可采储量只占世界的2.4%，天然气仅占1.2%，而煤炭却占世界探明储量的14%左右，这也就决定了中国的能源消费在相当长一段时期内仍以煤炭为主。虽然国家一直在提倡发展新能源，减少煤炭的消费量，但近十几年来中国煤炭消费占能源消费的平均比重仍保持在70%以上。如图1所示描述了中国1995—2008年煤炭消费比重的变化趋势。在2002年之前，中国煤炭消费比重呈下降趋势，到2002年中国煤炭消费比重一度降到68%；从2003年开始，中国的煤炭消费比重出现了一个大幅提升的趋势，从2003年的69.8%攀升为2007年的71%。如图2所示描述了中国1998—2008年碳强度的变化趋势。从中不难看出，1998—2002年间中国碳强度呈现下降趋势，从1998年的4吨/万元下降到2002年的3.17吨/万元；从2003年起，中国碳强度一下跃升为3.54吨/万元，后续几年也都保持在3.61吨/万元以上的高位运行。通过图1与图2的对比发现，中国的煤炭消费比重与碳强度在2003年之前均呈下降趋势，从2003年开始都出现一个迅速提高并在随后几年保持高位运行的态势。这就说明在煤炭消费比重与碳强度之间似乎存在着某种联系，需要运用面板计量工具来深入挖掘两者之间的量化关系。2.2人均实际GDP与碳强度近年来国际上关于全球气候变化和环境问题的会议络绎不绝，引发了政府、学者及公众对于环境问题的关注，许多学者都撰写了论文来分析经济增长与环境之间的关系。最早研究这方面问题的学者是Grossman和Krueger[9]，他们在1991年对GEMS（全球环境监测系统）的城市大气质量数据作了分析，发现SO2和烟尘与人均收入之间符合倒U形曲线关系。Panayoto[10]在1993年借用库兹涅茨界定的人均收入水平与收入不均等之间的倒U型曲线来描述环境质量与人均收入水平之间的倒U型曲线关系，并首次将这种关系称为环境库兹涅茨曲线(EKC)。所谓环境库兹涅茨曲线(EKC)是指环境先随人均收入增加而恶化，然后当人均收入超过一定水平后环境会得到改善，即环境质量与人均收入水平呈倒U曲线型关系。随后，很多学者借用这一理论并套用相关数据来验证本国碳排放与人均收入之间是否存在这样的EKC曲线，得出的结论也各不相同。因此，本文在研究碳强度问题时也借鉴这一研究成果，把人均实际GDP作为一个影响因素来考察人均实际GDP与碳强度之间是否也存在着类似的关系。综上所述，本文选取煤炭消费比重和人均实际GDP作为研究中国碳强度问题的自变量，旨在通过构建面板计量模型，运用相关计量检验来实证分析中国碳强度与煤炭消费比重以及人均实际GDP之间的内在关系。数据来源与计量模型构建数据来源本文选取中国30个省市自治区作为研究对象(我国西藏、台湾、香港、澳门由于数据可获性的原因没有包括进来),样本区间为1998—2009年。由于我国没有直接公布CO2排放量，因此本文参照IPCC(2006)以及国家气候变化对策协调小组办公室和国家发改委能源研究所(2007)的方法，各省市自治区的煤炭、焦炭、原油、燃料油、汽油、煤油、柴油和天然气消费数据来自1999—2010年的《中国能源统计年鉴》，并根据2008年《中国能源统计年鉴》附录4中各种能源换算为标准煤单位的折算系数，将不同种类能源消费量统一换算为标准煤单位；各省市自治区水泥生产排放采用与能源排放类似的方法计算，从1999—2010年的《中国统计年鉴》中查找各省市自治区水泥产量数据来计算得到其水泥生产的碳排放数据。最后将水泥生产排放与能源排放数据相加，即为总碳排放量。然后把计算出来的各省市自治区的碳排放量除以实际GDP（以1998年为基期），就得到各省市自治区的碳强度（单位：吨/万元）。各省市自治区的人均实际GDP（以1998年为基期，单位万元）是通过查找各省市自治区1999—2010年统计年鉴的人均GDP数据并以1998年为基期折算出来的。各省市自治区的煤炭消费比重（煤炭消费占终端能源消费的比例）是通过查找历年《中国能源统计年鉴》的原始数据进行计算得到的。计量模型构建本文的面板计量模型构建借鉴了前人的研究成果，考虑到人均实际GDP对于碳强度的影响可能是非线性的，故在构建面板计量模型时加入了人均实际GDP的二次项，然后引入煤炭消费比重。本文的面板计量模型如（1）式所示：LnCit二a+p1LnRGDPit+p2（LnRGDPit）2+p3COALit+pit（1）其中：Cit代表第i个地区的碳强度（吨/万元），定义为该地区t期的每万元实际GDP的CO2排放量（吨）;RGDPit代表的是i地区t期的人均实际GDP（万元）（以1998年为基期）；分别对Cit和RGDPit取自然对数，记为LnCit和LnRGDPit形式；COALit为i地区t期的煤炭消费比重，定义为i地区t期的煤炭消费占终端能源消费的比重；a是常数项邛1、阳和P3为各解释变量的待估系数；pit为模型的误差项，该误差项可能隐含着一些观测不到的个体效应（反映地区间的个体特质）以及会随时间变动的影响各地区碳强度的时间效应因素，即pit二ni+Yt+dt,其中ni为个体效应，Yi为时间效应，吐为随机扰动项，假设sit与解释变量不相关。计量模型实证分析及回归结果模型的选择式(1)中的面板数据模型是采用混合最小二乘回归模型还是采用固定效应模型亦或是随机效应模型形式，这是一个需要注意的问题。如果模型形式设定不正确，则估计结果将与所要模拟的经济现实偏离甚远，所以在做面板回归估计之前需要对面板数据的模型形式进行选择，这样可以避免模型设定的偏差，从而提高参数估计的有效性。本文用stata10.0软件来进行相关的检验和回归估计。首先，本文用F检验来对混合最小二乘回归模型和固定效应模型进行选择，用stata软件进行计算，得F检验统计量(84.11)在1%水平下统计显著，所以拒绝原假设，说明固定效应模型比混合最小二乘回归模型更适合作为本文的面板数据模型。接下来用BP-LM检验来对混合最小二乘回归模型和随机效应模型进行比较，同样运用stata软件计算，得LM统计量(1368.46)在1%水平下统计显著，拒绝原假设，说明对于本文的面板数据模型，随机效应模型也优于混合最小二乘回归模型。所以，无论是F检验还是BP-LM检验都拒绝了混合最小二乘回归模型作为本文面板数据的回归分析模型。那么固定效应模型和随机效应模型哪一个更适合本文的面板数据呢？Hausman提出了一种基于随机效应估计量与固定效应估计量两者差异的检验。在不可观测效应与可观测的解释变量不相关的原假设下，随机效应估计量是一致的和有效的，而固定效应估计量虽然是一致的却不是有效的；在不可观测效应与可观测效应的解释变量相关的备择假设下，固定效应估计量是一致的，而随机效应估计量是不一致的。运用stata程序得到Hausman检验统计量(11.44)在1%水平下统计显著，所以拒绝原假设，即我们的面板模型中存在着与解释变量相关的不可观测的个体效应和时间效应，因此，固定效应模型比随机效应模型更适合本文的面板数据回归分析。如表1所示给出了分别采用混合最小二乘回归模型、固定效应模型和随机效应模型作为本文面板数据模型的回归结果。从表1中可以看出，固定效应模型和随机效应模型的解释变量的标准差比较接近，而采用混合最小二乘回归模型的标准差却与此相差比较大。这也符合我们前面的检验结果，说明面板模型中确实存在着一些不可观察的影响因素，使得经典回归条件假设下的混合最小二乘回归模型不再无偏有效。固定效应模型与随机效应模型中的常数项以及相关解释变量的系数符号均相同且数值差别不大，说明虽然通过Hausman检验，固定效应模型比随机效应模型更适合本文的面板数据，但两者的分析结果确有着一定的相似性。虽然表1中固定效应模型的每个变量的系数都很显著，但这还不能说明这种回归估计结果就是可靠的，因为面板数据往往存在截面相关、组内自相关和组间异方差问题,这些问题的存在会使回归估计的可靠性降低，因此，有必要对固定效应模型的截面相关、组内自相关和组间异方差问题进行检验，然后根据检验结果来决定是否要对其进行修正。固定效应模型的相关性和异方差检验首先，笔者采用Wooldridge自相关检验方法检验固定效应的自相关问题，结果显示F(1,29)=110.335,Prob>F=0.0000,拒绝原假设，且在1%水平统计显著，说明存在组内序列自相关。然后，检验固定效应模型的截面相关性。本文分别采取Pesaranp'sCD检验Friedman非参数检验和Frees检验三种方法来检验面板模型的截面相关性，检验结果都拒绝横截面相互独立的零假设,也就是意味着存在横截面相互依赖的特征。结果如表2所示。最后，运用修正的Wald统计量来检验固定效应模型的组间异方差。修正的Wald统计量=590.91，在1%水平下统计显著，说明固定效应模型存在组间异方差问题。为了修正固定效应模型的截面相关、组内自相关和组间异方差问题，就有必要采取一个可以修正这些问题的方法以使得面板模型回归结果更加可信。计量模型修正及回归结果为了修正固定效应面板模型存在的截面异方差、截面相关和序列相关问题，笔者采用FGLS(可行的广义最小二乘估计)方法对面板模型进行估计。用这种方法来修正截面相关、组内自相关和组间异方差问题，使得回归结果更为可信。为便于比较，如表3所示给出了修正前的固定效应模型和采用FGLS方法修正后的模型回归结果。因此，根据表3采用FGLS方法修正后的碳强度与人均实际GDP以及煤炭消费比重之间的关系可以用式(2)描述：LnC=0.6066-0.3101LnRGDP-0.0606(LnRGDP)2+0.9328COAL(2)从式(2)可以看出，人均实际GDP的一次、二次项系数均为负且统计上显著，说明人均实际GDP对于碳强度的影响是非线性的倒U型关系，即碳强度先随人均GDP提高而提高然后又下降的这样一个趋势。方程(2)中煤炭消费比重COAL的系数为0.9328且在1%水平统计显著，说明煤炭消费比重每上升1个百分点，碳强度会上升0.9328个百分点，说明煤炭消费比重对于我国碳强度确实具有比较大的影响。结论与政策涵义结论本文运用我国30个省市自治区1998—2009年的面板数据构建面板计量模型，经过一系列较为严格的检验来进行模型选择，并运用FGLS方法对面板数据模型的序列相关及异方差问题进行了修正，以使得模型回归结果的可信度提高。本文的结论可以归纳为：碳强度与人均实际GDP之间存在着非线性的倒U型关系，碳排放强度呈现随人均GDP提高先上升然后又下降的这样一个趋势。这表明，我们国家的碳强度与人均实际GDP之间存在着类似库兹涅茨环境曲线的关系。这一结论也部分解释了这样一个有趣的现象：西方发达国家的人均实际GDP比中国高，而他们的碳强度却普遍比中国低。因此，这也暗示着中国作为一个发展中国家，在通过提升人均实际GDP来降低碳强度方面有着较大的预留空间，而我国政府一贯推行的保持经济增长、提高人民收入的经济政策，无疑对于降低中国碳强度有着积极的现实意义。煤炭消费比重同碳强度之间存在着显著的正相关关系，并且煤炭消费比重的系数比较大，说明煤炭消费比重对于我国碳强度的影响比较大。这也符合21世纪以来我国的经济发展现实：从2003年开始，我国的重工业发展提速，重工业所占的比重不断提高，到2009年时，重工业比重已超过70%。重工业的加速发展增加了冶炼焦炭和火力发电的煤炭需求，而煤炭又是造成C02排放最主要的化石燃料，因此煤炭消费比重增加无形中也就增加了CO2的排放量，伴随而来的就是环境污染加剧、资源浪费严重等问题，同时也使得我国的碳强度在2003年开始出现一个迅速上升的趋势。直至2008年，由于国内年初的雨雪冰冻灾害和“512”汶川大地震和下半年的美国金融危机对我国的冲击，才使得我国碳强度勉强回落到2002年的水平(如图2)。排除这些偶发因素，未来中国碳强度仍有抬头趋势。因此，通过降低煤炭的消费比重，对于我国政府实现2020年碳强度比2005年下降40%-50%的这一目标有着重要的现实意义。政策涵义基于本文的研究结论来讲，我国政府要履行哥本哈根承诺，实现2020年中国碳强度比2005年下降40%~45%这一目标，需要在以下几个方面进行政策支持：大力开发和利用新能源(核能、太阳能、风能等)，加大传统清洁能源(如天然气)的使用来减少对于煤炭的过度依赖。以煤炭资源清洁高效开发利用技术创新为突破口，加大清洁技术研发的政策支持力度，鼓励相关科研机构和企业的低碳技术研发。调整产业结构，降低重工业比重，关闭淘汰落后产能重工业企业并限制火电发展，从源头上控制煤炭消费的过快增长。参考文献：国务院.国民经济和社会发展第十二个五年规划纲要 [EB/OL].(2011-03-16)./2011lh/content_1825838.htmYINGFANA,LAN-CUILIU,GANGWU,et