碳排放对经济发展的影响精选(九篇)

第1篇：碳排放对经济发展的影响范文

金融发展是合理估计碳排放需求，制定和实施碳减排政策需要考虑的重要因素。利用状态空间模型，实证研究了北京市金融发展对碳排放量的动态影响。结果发现：首先，北京市金融发展与碳排放量之间存在显著的长期均衡比例随时间变化的协整关系；其次，北京市金融发展对碳排放量的影响具有典型的时变特征，在样本区间内，其影响程度可能为正也可能为负；另外，北京市金融发展对碳排放量的贡献显著小于经济发展的贡献，具体而言，稳定状态时它们对碳排放的贡献分别为7%和78%左右。

关键词：

金融发展；碳排放；经济发展；状态空间模型

随着城市化进程的加快和机动车保有量的增多，北京市CO2排放量逐年上升，温室气体减排压力艰巨。为了缓解由CO2等温室气体带来的环境问题，世界各国都在进行相关研究和实践，寻求有效的碳减排途径、合理估计碳减排需求成为政府部门和研究机构的重要努力方向。特别是2007年联合国政府间气候变化专门委员会（IPCC）第四次评估报告[1]以来，相关研究方兴未艾[2]。近些年国际上出现了部分文献讨论金融发展对能源消费、碳排放的影响，但是结论并不一致。部分文献认为，金融发展程度越高，越有利于企业融资和各种技术创新活动，提高资源配置效率和能源使用效率，有利于节能减排。Tamazian等（2009）[3]认为，金融发展有助于促进高新技术企业上市、企业技术创新，从而能提高能源利用效率，推进低碳经济发展；Jalil等（2011）[4]认为中国金融发展没有对环境造成危害，反而促进了环境保护，并且中国碳排放量从长期看主要取决于人均收入、能源消费以及贸易开放程度。Ozturk等（2013）[5]认为，从长期看，金融发展对人均碳排放量并没有显著影响。Birdsall等（1992）[6]研究指出，金融发展能够吸引FDI和高水平的研发投资以促进技术进步，进而推动环境质量提升，而且也会给发展中国家提供利用新技术的激励和机会，帮助他们生产清洁的和环境友好的产品，最终广泛提高全球环境质量并促进区域可持续发展。但是，也有部分文献通过实证研究认为，金融发展内涵丰富，发展程度越高，可能会增加对高耗能、高排放设备或器件的使用，从而推动能源消费和碳排放上升。例如，郭郡郡等（2012）[7]利用多国数据实证研究发现金融发展与碳排放量之间存在正相关关系；Zhang（2011）[8]则基于中国金融发展的特殊情况，从金融发展规模、金融发展效率、金融中介、金融市场等多个角度研究了金融发展对碳排放的影响，发现中国金融发展是推动碳排放上升的重要因素，特别是金融中介规模的扩大显著推动碳排放的增加。另外，从研究方法看，现有文献讨论金融发展与碳排放的关系时，基本上是采用自回归模型[9]、动态最小二乘法模型[10]等固定参数的方法，得到的结果基本上是静态的，难以表现金融结构、经济结构的动态特征，结论往往较为笼统。鉴于此，本文将采用状态空间模型这种变参数方法[11-12]定量讨论北京市金融发展与碳排放之间的动态关系，为北京市有关部门制定碳减排政策提供参考依据。

一、数据说明与模型方法

（一）数据说明由于中国金融发展以金融中介规模扩张为主要特征，北京市也不例外，同时由于金融中介效率、金融市场等方面的数据并不完整，因此，本文讨论的金融发展仅考虑金融中介规模，并采用由美国经济学家Goldsmith提出的金融相关比率（FIR）[13]来衡量，具体计算公式如式（1）所示。其中，FIRt为北京市第t年的金融相关比率；CRt代表北京市第t年中资银行贷款总额；GDPt代表北京市第t年的地区生产总值。同时，本文选取北京市人均实际GDP来衡量经济发展水平，按1980年可比价计算。此外，由于人类消耗各种能源所产生的CO2是温室效应产生的主要原因，因此本文基于北京市能源终端消费值，通过国家发展改革委能源研究所推荐的碳排放系数（即0.67）[14]换算得到北京市历年CO2排放量。本文选择的样本区间为1980—2011年，相关数据来自《北京统计年鉴（2012）》。由于对数据取对数后不改变变量之间原有的关系，并能使变量趋势线性化，消除异方差，因此本文对变量进行自然对数变换。分别以lnTCE、lnFIR、lnGDP表示取自然对数后的CO2排放量、金融相关比率以及人均实际GDP。

（二）模型方法本文运用状态空间模型考察北京市金融发展对碳排放的动态影响。利用状态空间形式表示动态系统主要有两个优点：第一，状态空间模型将不可观测的变量（状态变量）纳入可观测模型，并与其一起得到估计结果；第二，状态空间模型是利用全局优化的卡尔曼滤波（KalmanFilter）算法[15]估计动态参数。

二、实证研究结果分析

（一）碳排量与金融发展的时变均衡关系为了考察所有变量的平稳性，本文采用扩展的Dickey-Fuller（ADF）方法对数据进行单位根检验。结果如表1所示，可见，lnTCE、lnFIR和lnGDP的水平序列都不能拒绝存在单位根的原假设，即水平序列并不平稳。但是，一阶差分后，发现在5%的显著性水平下拒绝原假设，表明所有变量在进行一阶差分之后都显示出平稳性，因此可认为在样本区间内，北京市CO2排放量、金融发展、经济发展三个变量都是一阶单整序列。首先采用固定参数协整方程考察北京市碳排放量与金融发展、经济发展之间的长期均衡关系。根据EG两步法，采用ADF方法检验协整回归的残差序列，结果表明固定参数协整回归的残差并不平稳（如表2所示），这表明基于OLS回归即平均意义下，北京市碳排放量与金融发展、经济发展之间并不存在显著的协整关系。进一步，我们根据王海鹏等[16]的做法，对时变参数协整方程（2）中的残差序列εt进行ADF检验，结果如表2所示。可见在1%的显著性水平下，时变参数模型的残差是平稳序列，这表明采用状态空间模型刻画北京市碳排放量与金融发展、经济发展之间的时变参数协整关系是合适的，得到的结果是可靠的。尤其要指出的是，这些变量之间并不具有固定比价的长期均衡协整关系，但是存在长期均衡比例不断变化的协整关系，换言之，北京市碳排放量与金融发展之间的固定参数回归是伪回归，但这并不妨碍它们之间存在的时变均衡关系。

（二）金融发展对碳排放的时变影响分析利用Kalman滤波算法估计状态空间模型（2）①，得到时变状态变量如图1和图2所示。可见，样本区间内，北京市金融发展、经济发展对碳排放的影响都具有时变特征，传统的固定系数模型并不能准确估计它们的影响机制。具体而言，从时变状态变量的演变趋势中，得到的发现主要如下：1.北京市金融发展对碳排放量的影响是时变的，在不同时间阶段可能为正也可能为负。从图1中可以发现，在1980—1994年期间，金融发展对碳排放的影响程度（at）的变化较为平稳，始终维持在0.03~0.12之间的水平，同时在此期间，该系数始终为正值，说明总体上来看金融发展对碳排放的影响是正向的，即金融发展促进了碳排放量的增加。其中，at值在1984年出现了较大缺口，其原因估计是在当时出现了国企股份制改革，金融行业活跃，在同年成立的工商银行更是为市场提供了大量的资金保证，而在金融体系活跃开始时，金融发展对于碳排放的影响必须通过金融业促进工业、交通行业等高耗能高排放行业快速发展才能实现，而该过程较为复杂并不能很快进行传递，由此出现了1984年的缺口。而状态变量at在1985年、1986年迅速反弹也说明了金融发展影响碳排放量是有时间滞后性的。1994年后，at的值迅速减小，并在1995年跌为负值，在1998年跌至谷底，约为-0.15左右。这个波谷的形成与1997—1998年席卷整个亚洲的金融危机有密切关系，当年金融行业大幅衰退使得金融发展不足以推动经济增长而对碳排放量产生正向影响，反而出现了负相关的情况。随后几年，由于金融危机逐步复苏，整个金融环境开始好转，于是又出现了状态变量的快速反弹，并在2007年恢复到历史最高水平；其中，2008年状态变量有所下降，其原因估计为美国次贷危机，但此次金融危机中北京市并不是主要受灾区，故金融发展对碳排放的影响程度只出现了小幅震荡。2.经济发展对碳排放量的影响始终是正向的，整体上扬。经济发展对碳排放量的影响程度始终为正，表明经济发展一直是推动碳排放上升的重要因素；而其影响程度持续上扬，进一步表明高耗能、高排放产业和设备在北京市经济发展中仍占据重要角色；而且，经济发展对碳排放的影响程度明显强于金融发展对碳排放的影响。经济发展在碳排放量急剧上升过程中发挥了主导作用。可见，经济发展仍然是驱动北京市碳排放量上升的主要因素，调整经济结构和经济发展方式是实现有效碳减排的关键途径。

（三）碳排放量的预测方差分解采用预测方差分解方法比较分析金融发展和经济发展冲击对碳排放量变化的贡献率，评价两者的相对重要性。结果如图3所示。研究发现，金融发展和经济发展对碳排放量波动的贡献率均逐渐增加，之后分别稳定于7%和78%。此外，研究还发现，在第6期以前，碳排放量波动主要的贡献者是其自身，此后，经济发展的贡献率超过碳排放量本身，在系统趋于平稳时，经济发展的贡献率相对最高，金融发展的贡献率略低于碳排放量自身。

三、主要结论

第2篇：碳排放对经济发展的影响范文

[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.

第3篇：碳排放对经济发展的影响范文

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)

第4篇：碳排放对经济发展的影响范文

关键词：技术创新；产业集聚；碳生产率；空间面板模型

中图分类号 X22；F124 文献标识码 A

文章编号 1002-2104（2013）05-0036-10

随着我国改革开放的深入和经济的持续发展，资源环境和经济发展的矛盾越来越突出，经济、社会、生态之间的和谐关系受到严峻考验，改变我国传统的经济发展方式已迫在眉睫。以低能耗、低排放、低污染为特征的低碳经济（Lowcarbon Economy）将是我国构建和谐社会、实现经济可持续发展和应对国内外局势的战略选择。要发展低碳经济就必须提高碳生产率，否则难以兼顾“低碳”和“经济”两大目标的实现。有学者指出，未来的竞争不是劳动生产率的竞争，也不是石油效率的竞争，而是碳生产率的竞争，碳排放空间将成为比劳动力、资本以及土地等自然资源更为稀缺的生产要素 [1]。那么，如何提高碳生产率？从根本上讲，技术创新和制度创新是提高碳生产率的根本途径。其中，技术创新具有较强的空间溢出效应，容易促成经济活动形成空间集聚 [2-4]。由于技术创新的空间效应存在，其对碳生产率的影响作用会得到“强化”或“弱化”，所以，技术创新对碳生产率的影响路径并不像我们直观上认为的那样简单。有些区域技术创新的努力只是在为其他区域“搭便车”提供条件，其自身的碳生产率却停滞不前，甚至呈下降态势。基于此，我们很有必要在考虑经济活动空间集聚效应的情况下，了解清楚技术创新对碳生产率的影响方式和路径，这对我国更好地通过技术创新提高碳生产率具有重要的意义。

1 文献回顾

碳生产率的概念由Kaya和Yokoboni提出[5]，它是一个将低碳经济的两大目标――控制碳排放（低碳）和促进经济增长（经济）融为一体的概念[6]，是指在一段时期内国内生产总值（GDP）与同期CO2排放量之比，等于单位GDPCO2排放强度的倒数，反映了单位CO2排放所产生的经济效益。目前，国内外不少学者对碳排放和碳生产率进行了诸多颇有价值的研究，取得了丰富的研究成果。概括起来看，主要从三个方面展开：

（1）碳生产率对实现低碳经济的重要性。MielnikO， et.al提出将单位能源的CO2排放量作为发展中国家经济发展模式评价的主要标准，并分析了其对实现低碳经济的重要意义[7]。有些学者利用不同的 DEA 模型从宏观层面上对 OECD 国家和部分地区碳排放绩效进行了评价[8-10]，分析了提高碳排放绩效的重要性。Kortelainen基于生态效率的概念用Mailmquist指数法分析了欧盟 20 国 1990-2003 年的动态环境绩效[11]，并得出了类似结论。在国内，诸大建、谌伟等人认为，我国发展低碳经济关键是提高碳生产率 [12]。何建坤等人指出，应将提高碳生产率视为发展我国低碳经济的核心[13]。也有学者把提高碳生产率和社会人文发展水平作为低碳经济的两个主要基本特征[14]，认为提高碳生产率对实现整个社会的福利绩效具有重要的意义[15]。

（2）碳排放及碳生产率的影响因素。Chang Y F， Lin S J认为碳排放主要受国内消费结构和出口结构影响[16]。Zhou P， et al在对18个主要碳排放国家的碳排放绩效进行测算后发现，技术进步是影响碳排放绩效的主要因素[17]。不少学者在研究碳排放与GDP之间的EKC曲线时发现，经济增长对碳排放具有重要的影响[18-20]。徐国泉等人强调了能源效率、能源结构和经济增长对我国碳排放总量增长具有重要影响，并认为经济增长是主要影响因素[21]。谭丹、黄贤金将我国东、中、西部三大地区碳排放的差异归结为区域经济结构的合理性和经济发展过程中的科学技术水平[22]。何建坤、苏明山认为，影响未来碳生产率平均年增长率的首要因素是经济发展模式和社会消费模式的转变[13]。王群伟等人认为，我国碳排放绩效主要因技术进步而不断提高[23]。魏梅等人认为，R&D投入在所有要素中对碳排放效率的影响最大，技术溢出对碳排放效率起负面影响，内生创新努力是提升地区碳排放效率的关键[24]。总体来看，大多研究者都是从经济发展、产业结构、能源利用、管理体制及技术创新的角度来研究碳排放及碳生产率的影响因素。

（3）碳排放的空间变化。张雷指出，中国的碳排放问题不仅体现在总量的增长方面，而且也体现在碳排放的空间格局变化方面[25]。魏下海、余玲铮实证分析认为，我国各地区人均碳排放量存在着显著的正向空间依赖性[26]。潘家华、张丽峰分析表明，我国区域碳生产率存在明显的区域差异性[1]。赵荣钦、黄贤金等人认为，人类经济和能源活动对区域碳循环的影响在很大程度上是通过改变产业的空间布局方式来实现的，产业空间结构变动及区域差异会改变人为能源消费的格局，并进一步影响区域碳循环的速率[27]。

综观上述，诸多学者都关注到了碳排放的空间变化，也认识到了技术进步对碳排放绩效的重要影响，但却忽视了经济活动的空间集聚对碳排放空间的影响。并且，目前国内外的研究主要集中在碳排放与碳排放绩效，综合研究碳生产率及其影响因素的文献还比较少。本文结合技术创新和经济活动的空间集聚对碳生产率的影响因素进行实证研究。

2 碳生产率的测算及区域特征分析

2.1 碳生产率的测算

本文采用IPCC方法计算各省的碳排放总量，首先通过历年《中国能源统计年鉴》的地区能源平衡表（实物量）获得各种能源的终端消费量，平衡表上列出了20个能源种类，分别是：原煤、洗精煤、其他洗煤、型煤、焦炭、焦炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、天然气、其他石油制品、其他焦化产品、热力、电力、其他能源需要说明的是，热力和电力与原煤的换算系数分别为0.047 77 t/million KJ和1.719 7 t/10 000 KWh。但是在能源转换过程中，热值不可能完全从原料转移到产品中。按理论热值算出的换算系数应该除以能源加工转换率，方能得到实际的能源生产的投入产出比。全国历年的能源加工转换效率可以从《中国能源统计年鉴》获取。对电力而言，还需注意的是火力发电占总发电量的比例，因为水电是不排碳的，火电占比的数据可以从《中国电力年鉴》获取。。其次分别用能源的终端消费量乘以各自的碳排放系数（见表1），计算碳排放总量。最后采用以1997年为基准年进行调整后的GDP 数据，根据碳生产率的定义计算出全国30个省份1997-2009年的碳生产率。为了便于后文的分析，我们参照谭丹、黄贤金的方法[22]，将30个省份划分为东、中、西部三大区域：东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省、直辖市；中部包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省；西部包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、宁夏、青海、新疆11个省、自治区、直辖市。限于数据的可得性，的碳生产率无法估算，不包括在本研究范围内。

2.2 碳生产率的区域特征分析

我国碳排放与碳生产率的区域特征主要表现为几个方面：

（1）碳排放存在明显的空间集聚特征。从区域碳排放的空间分布来看（表见2），东部碳排放总量占全国比重处于上升趋势，从1997年的47.73%上升到2009年的52.25%；中部所占比重处于下降趋势，从1997年的30.67%下降到2009年的26.31%；西部所占比重变化不大。从区域碳排放总量的发展情况来看，1997-2009年累计碳排放前5位的省份分别为：山东、河北、江苏、辽宁、广东，均为东部省份；后5位的省份分别为：青海、海南、宁夏、江西、甘肃，以西部省份居多。这说明，我国碳排放主要集聚在东部区域，中西部集聚程度较低。

（2）我国各地区碳生产率总体处于增长态势，但少部

分地区呈下降趋势。碳生产率增长最快的5个省份为：北京、黑龙江、吉林、上海和安徽，年均增长分别为6.014%、5.655%、4.948%、4.560%和4.337%；海南、福建和宁夏三个省份的碳生产率处于下降趋势，年均降幅分别为1.192%、1.128%和1.607%。整体来讲（见表3），东、中、西部三大区域的碳生产率呈逐级递减的空间格局，但区域之间的差距变化有所不一致，东中部之间和东西部之间的差距有所收敛，碳生产率的比值分别由1997年的1.505倍和1.719倍下降到2009年的1.232倍和1.622倍；中西部之间的差异有所放大，碳生产率的比值由1997年的1.142倍上升到2009年的1.316倍。

（3）碳生产率增长速度东部最慢、中部最快、西部居中，但在各阶段上表现有所变化。从表4可以看出，1997-2009年我国东部地区碳生产率增长最慢，为1.648%，分别低于中、西部的3.224%和2.104%。但分阶段来看，情况有所变化。1997-2002年，碳生产率东部增长最慢，西部其次，中部增长最快，年均增长率分别为2.414%、3.888%和6.503%；2003-2009年，碳生产率东部增长最快，中部其次，西部增长最慢，年均增长率分别为0.997%、0.648%和0.532%。对比可以发现，前一阶段碳生产率的年均增长率要远远大于后一阶段，并且东部地区的增长速度由最慢转变为最快，中部增长一直高于西部。

综合上述分析可知，我国碳生产率在时间和空间上的变化呈现出一定的复杂性。造成这种复杂性的原因很多，但从根本上讲，主要与区域的技术创新水平、产业结构和经济活动的空间集聚有关。下文将据此进行实证分析。

3 数据与模型

3.1 变量选取与数据来源

将区域碳生产率（Carbon Productivity，简记CP）作为被解释变量，以各地区技术创新及空间集聚的相关变量作为解释变量。解释变量可以分为三类：技术创新变量、空间集聚变量和产业结构变量。技术创新主要考虑创新投入和创新产出，创新投入主要从人力资本和资金投入两方面衡量，分别用科技从业人员数和R&D投入加以反映；创新产出主要从专利申请和专利市场化两方面衡量，分别用专利申请受理数和新产品价值加以反映。经济活动的空间集聚主要是指产业和人口的空间集聚，以制造业区位商、服务业区位商以及地区人口密度加以反映。区位商的计算公式为：

LQtij=（Etij/Etj）/（Etir/Etr）。

其中，LQtij表示j区域中i产业在t时期的区位商，Etij表示j区域中i产业在t时期的就业人员数，Etj表示j区域在t时期的就业人员总数，Etir表示所研究地区j区域所在更大r区域中i产业在t时期的就业人数，Etr表示r区域在t时期的就业人员总数。具体指标设计见表5。解释变量所用数据均来自我国1998-2010年《中国城市统计年鉴》、《中国科技统计年鉴》和《中国统计年鉴》。由于不同变量的衡量单位不同，为使数据具有可比性，所有变量均取对数。

3.2 计量模型的设定

我国区域碳生产率存在较大的空间差异，随着我国区域之间的经济关联越来越密切，区域碳生产率的变化往往存在较大的空间相关性和空间依赖性，某一区域碳生产率的变化往往受周边区域碳生产率变化的影响，因此，采用空间计量的分析方法更为合理。基于此，本文采用空间面板计量模型，该模型主要分为空间滞后模型（Spatial Lag Model，SLM）和空间误差模型（Spatial Error Model，SEM）。

第二产业比重与第三产业比重之比

空间权重矩阵采用常用的地理权重矩阵，遵循Rook相邻判定规则，即两个区域拥有共同边界则视为相邻。空间权重矩阵W的设定方式如下：主对角线上的元素为0，如果i地区与j地区相邻，则Wij为1，否则为0。空间权重矩阵W需要经过标准化，用每个元素同时所在行元素之和，使得每行元素之和为1。据此，建立如下模型：

空间滞后面板模型：

Ln（CPit）=α0+ρW×Ln（CPit）+∑nj-1αjLn（Xitj）+εit （1）

空间误差面板模型

Ln（CPit）=α0+∑nj=1αjLn（Xitj）+εit（2）

上述模型（1）和（2）中，i和t分别表示地区数量和样本的观察年度，n表示解释变量的个数，CP表示碳生产率，Xj表示一系列的解释变量，α0为截距项，αj为解释变量的回归系数；在模型（1）中，εit～N（0，σ2I），ρ为空间自回归系数；模型（2）中，εit=θWεit+μit，μit～N（0，σ2I），其中，θ表示空间自相关系数，εit和μit为服从正态分布的随机误差项。空间面板模型根据误差成分ε分解的不同可以分为固定效应和随机效应[33]， Baltagi认为当样本回归分析局限于一些特定的个体时，空间固定效应模型是更好的选择[34]。本研究选用空间固定效应模型，对空间面板模型的估计采用Elhorst发展的针对空间面板模型的极大似然估计方法（ML）[35]。下文空间面板模型的估计结果均采用Matlab7.0实现。

4 实证结果及分析

4.1 空间相关性分析及检验

先对我国碳生产率进行空间相关性检验。检验结果显示，我国碳生产率呈现出高度的空间相关性，并且这种相关性从总体上看呈逐步增强的态势（见表6）。这说明，周边区域碳生产率的变化会对本区域碳生产率产生影响，并且这种影响会随着各地区之间经济联系和技术联系的增强而逐步增强。进一步通过LM-Lag和LM-Err统计量来检验空间滞后模型和空间误差模型的适用性，检验结果显示LM-Lag值为7.037 2（p值为0.000 0），LM-Err值为2.187 5（p值为0.000 0），两者统计均显著，故采用两种模型进行计量分析。

4.2 总样本估计结果分析

从整体上看（见表7），空间计量模型要比普通面板模型对样本数据具有更好的估计。从区域碳生产率的空间相关性来看，各区域碳生产率的空间依赖性在逐步增强。这表明，随着我国经济的持续发展，各区域之间的“经济关联”和“技术关联”在不断加强，每个区域碳生产率的变化不仅受本区域相关因素的影响，还受周边区域碳生产率变化的影响，区域之间在提高碳生产率方面的努力是相互影响、相互作用的，提高碳生产率需要区域之间相互合作、密切配合，否则往往事倍功半。

据表7可知，我国区域碳生产率主要受空间集聚和产业结构等相关变量的影响，受技术创新的影响相对较弱。但在具体变量方面，各变量的对碳生产率的影响大小和影响方向各异：①四个反映技术创新的变量中（HUMAN、R&D、NPV、PATENT），仅新产品价值这一变量对区域碳生产率存在显著影响，其他变量显著性均不明显。这可能跟我国长期以来粗放的经济增长方式密切有关。由于我国传统经济以“高能耗、高投入、高污染”为典型特征，经济发展往往以大量消耗资源、污染环境为代价，从而导致经济总量增加的同时碳排放总量也得以快速增长。在产业结构偏重的情况下，高碳产业占国民经济的比重往往居高不下，碳排放增长的速率可能超过技术创新对经济总量的拉动作用，这就直接导致了技术创新对区域碳生产率提升作用的“失效”或“低效”。由于新产品价值直接反应创新技术的市场化情况，是创新应用的最直接体现，其往往能以较低的碳排放获得更大的经济产出，以对提升区域碳生产率的作用往往会很明显；②产业结构对区域碳生产率呈显著负影响，产业结构越轻，对提高区域碳生产率越有利。不同产业对碳能源的消耗强度和依赖程度均存在较大差异，产业结构的变化会导致能源消费结构的变化，从而对区域碳生产率产生重大影响。我国长期以来产业结构偏重并一直得不到有效调整，这在很大程度上削弱了技术创新对提高碳生产率的作用。这说明，在技术创新同时必须大力推动产业结构的优化升级，否则既浪费创新资源，也最终损害经济发展和区域碳生产率的提高；③制造业的空间集聚对区域碳生产率呈显著负影响，而服务业集聚对其有显著提升作用。这在很大程度上可以解释为什么我国有些地区的碳生产率一直以来呈现下降趋势。一个合理的解释就是，这些区域技术创新能力低下，而产业结构不断偏重，高碳产业不断形成空间集聚（甚至过度集聚），导致高碳产业的空间集聚对区域碳生产率的抑制作用超过了技术创新对碳生产率的提升作用，从而导致碳排放的增长速度超过经济的增长速度，区域碳生产率出现不升反降的局面。

4.3 三大区域子样本估计结果分析

由于我国区域之间在产业结构、经济活动的空间集聚等方面都存在较大差异，再加上我国技术创新资源主要集聚在东部地区，中西部地区创新资源严重不足，因此，技术创新对我国东、中、西部碳生产率的影响可能存在较大差异。因此，我们有必要将我国划分东、中、西部三大区域，分析技术创新、空间集聚对区域碳生产率的影响。分析结果见表8。

（1）相比中西部地区，东部地区碳生产率受经济活动的空间集聚影响最为显著，三个反映空间集聚的变量均呈显著相关，特别是产业的空间集聚影响尤为显著。技术创新变量对碳生产率的影响较小，其中新专利变量的影响不显著，人力资本、R&D和新产品价值三个变量影响显著为正，但仅新产品价值影响强度较大，人力资本和R&D的影

响均较小。这可能是因为，技术创新对地区碳生产率的影响会因为经济活动的空间集聚而得到弱化或增强，它取决于该地区的产业结构及产业的集聚程度。如果集聚的产业属于高碳产业（比如石化产业），往往会弱化技术创新对提升碳生产率的作用，特别是在产业过度集聚的情况下，技术创新的作用更加难以发挥出来。当低碳产业占国民经济比重较大，形成低碳产业的空间集聚，只要不产生过度集聚形成负外部性，技术创新的作用往往可以得以增强，更大程度地促进碳生产率的提高。我国东部地区在高速的工业化发展过程中，工业比重过大、产业结构低下等问题尤为突出，形成制造业空间过度集聚，服务业空间集聚不足等产业空间格局，这大大地限制了东部地区技术创新对提升碳生产率的作用力，从而导致东部地区碳生产率增长非常缓慢。

（2）中西部地区碳生产率受技术创新和空间集聚变量影响均显著，但技术创新的影响作用要强于空间集聚变量。与东部地区比较，中西部地区个别技术创新变量对碳生产率的影响作用反而更大，而东部地区在这方面并没有显示出明显的优势。人力资本和R&D两个变量对中西部地区的影响系数均大于东部地区，新产品价值对碳生产率的影响东部地区大于中西部地区。中西部地区创新资源比较匮乏，技术创新对碳生产率的影响主要来源于两个方面：本地区技术创新水平的提高和东部地区技术创新的空间溢出。由于区域碳生产率存在较强的空间相关性，中西部地区碳生产率受东部地区碳生产率的溢出效应影响显著，中西部地区作为技术溢出的纯输入地可以在某种程度上弥补创新资源不足的缺陷，增强技术创新对碳生产率的影响。由于中西部地区产业的集聚程度较低，作为东部地区的“”区域，空间集聚变量对其碳生产率的影响强度较弱。但和东部地区一致的是，中西部地区制造业的空间集聚对碳生产率的影响也呈显著负相关，这说明，我国的产业结构在全国层面上偏重。

（3）东、中、西部三大区域，产业结构对碳生产率的影响均呈显著负相关，这一点与全国层面的分析结果一致。这说明，产业结构是影响区域碳生产率的一个关键变量，提升产业结构是提高碳生产率的必然选择。产业结构关系到能源的消费结构，同时也关系到技术创新对经济增长的影响方式。产业结构较轻，低碳能源的消费比重会增大，经济增长往往不以碳排放的快速增长为代价，技术创新对碳生产率的提升作用会得以凸显或放大。反之，当产业结构偏重，技术创新对碳生产率的影响会被削弱。

4.4 分阶段样本估计结果分析

基于不同区域在不同时间阶段技术创新的特点和方式存在较大差异，产业结构以及经济活动的空间集聚程度也会有所变化，因此，在此将东、中、西部三大区域分时间阶段就技术创新、经济活动的空间集聚对区域碳生产率的影响进行空间计量分析。时间阶段划分为两个阶段：1997-2002年和2003-2009年。根据表8的结果可知，空间滞后面板模型普遍优于空间误差面板模型，再加上文章篇幅所限，下面只列出空间滞后面板模型的计量结果，结果如表9所示。从表9可以看出，在经济发展的不同阶段上，各变量对碳生产率的影响呈现出一定的新特征。

（1）整体上而言，技术创新变量对碳生产率的影响后一阶段强于前一阶段，但存在较大的区域差异性。人力资本在中西部地区对提升碳生产率的边际作用要强于东部地区，并且后一阶段的作用普遍强于前一阶段。这说明我国的人才战略可能需要进行调整，中西部地区人才储备量不足，东部地区人才过分集聚，需要通过合理的战略规划引导人才的空间流动，充分发挥人力资本对促进低碳经济实现的作用。同时也说明，我国在近些年的经济调整过程中，人力资本的合理配置程度得到了一定的提升。R&D的作用与人力资本呈现出类似的特征。新产品价值在东部地区所发挥的作用具有一定的优势，后一阶段的影响相比前一阶段得以增强，提高创新产品的市场转化对提升碳生产率具有一定普遍意义。和前文分析一致，专利申请数对碳生产率的影响在两阶段都不显著，改变专利的技术结

构，提高低碳技术的创新和加强低碳技术的市场应用是我国未来提高区域碳生产率需要重视的一个方面。

（2）在东部区域，空间集聚变量对碳生产率的影响在趋于减弱，而在中西部区域该影响在趋于增强。这表明，随着我国产业的空间转移，产业的空间布局已发生较大的变化，东部地区制造业的过度集聚得以缓解，服务业集聚在不断提升，而中西部地区制造业集聚在逐步增强。伴随着产业空间集聚的变化，人口集聚对东部地区碳生产率的抑制作用在减弱，但对中西部地区碳生产率的抑制作用在增强。这从某种程度上进一步说明，要提高我国的碳生产率，必须密切关注经济活动的空间集聚和空间影响，积极促进经济活动的合理集聚，避免过度集聚造成对碳排放空间的浪费。

（3）产业结构对碳生产率的影响在东部地区由较强的显著负影响转变为微弱的显著正影响，在中西部地区一直处于显著负影响的态势。这表明，我国东部区域的产业结构正在趋于合理化，产业结构正在不断升级，制造业过度集聚和服务业集聚不足局面得到了很多程度的改善。而中西部地区由于受东部地区制造业转移的影响，第二产业的比重在逐步提升，并且高碳产业的空间集聚在增强，产业结构低下对碳生产率的抑制作用短时期内还难以得到缓解。

5 结论与政策建议

提高碳生产率是我国实现低碳经济的必然选择，也是我国经济实现可持续发展、构建和谐社会的战略选择。不少学者就如何实现碳生产率的提高做过诸多颇有价值的研究，本文基于我国30个省份的面板数据，从技术创新、经济活动的空间集聚的角度实证分析了区域碳生产率变化的影响因素。主要结论概括如下：①我国区域碳生产率存在较强的空间溢出效应，区域碳生产率不但受本区域相关变量的影响，还受周边区域相关变量的影响；②从全国层面上看，我国碳生产率主要受经济活动的空间集聚和产业结构的影响，技术创新对其影响比较微弱；③在不同区域，影响碳生产率的主导因素存在较大差异。其中，东部区域碳生产率受产业集聚变量的影响尤为显著，而中西部区域碳生产率受技术创新变量的影响作用稍强；④在经济发展的不同阶段，各变量对碳生产率的影响强度有所变化，其中，技术创新变量的作用在趋于增强，空间集聚变量对东部地区碳生产率的影响力在趋于减弱，而对中西部区域的影响力在趋于增强；⑤产业结构对区域碳生产率提升的抑制作用显著，我国产业结构低下的状况整体上没有得到根本性地缓解。

基于以上结论，本文提出如下政策建议：

（1）在依靠技术创新驱动碳生产率增长方面，各地区不能搞“一刀切”，要根据各地经济发展和技术创新的实际情况，具体问题具体分析，有重点地采取相应措施。中西部地区应将着力点放在增强人力资本储备和加大R&D投入方面，而东部地区应侧重提高创新效率和加快创新技术的市场转化和应用。目前，我国创新资源空间分布不合理，严重影响创新效率的提高，也阻碍技术创新对区域碳生产率的提升作用，因此，需要积极引导创新要素向中西部落后地区流动，同时加强东部与中西部之间的技术交流与合作，增强技术创新的空间溢出效应，形成东部与中西部之间的良性互动。

（2）要将产业结构调整和优化产业空间布局有机结合起来，一方面要大力发展现代服务业，另一方面要科学引导产业形成合理集聚，避免集聚不经济对碳排放空间的不合理利用。产业集聚是经济发展的内在规律，但也受产业政策的综合影响。政府部门应该立足长远，科学规划产业的空间布局，既要避免产业布局的“空间错位”，也要防止产业过度集聚。东部地区应着力发展现代服务业，促进现代服务业集聚，中西部地区应着力发展高端制造业，在承接东部产业转移的同时要极力避免成为东部高碳产业的“污染避难所（pollution haven）”[36]。

（3）将“碳排放空间”作为一种稀缺资源进行管理，促使“碳排放空间”资源得到有效利用。管理碳排放空间需要从两方面着手：一是要对碳排放活动所依托的地理空间进行合理规划和利用；二是要理顺区域之间碳排放行为的空间关系，形成区域之间和谐的碳排放关联。可以将“碳排放空间”的管理具体化为一系列指标，纳入各级政府低碳经济考核指标体系，为发展低碳经济提供制度机制保障。

参考文献（References）

[1]潘家华，张丽峰.我国碳生产率区域差异性研究[J].中国工业经济，2011，（5）：47-57.[Pan Jiahua， Zhang Lifeng. Research on the Regional Variation of Carbon Productivity in China[J]. China Industrial Economics， 2011， （5）：47-57.]

[2]Krugman P. Increasing Returns and Economic Geography[J]. Journal of Political Economy， 1991，99（3）：483-499.

[3]Feldman M P. The New Economics of Innovation， Spillovers and Agglomeration： A Review of Empirical Studies， Economics of Innovation and New Technology， 1999，18（1-2）：5-25.

[4]Gordon I R， Philip M. Innovation，Agglomeration and Regional Development[J]. Journal of Economic Geography， 2005，5（5）：523-543.

[5]Kaya Y， Yokobori K. Environment， Energy and Economy： Strategies for Sustainability[M].United Nations University Press，1997.

[6]Beinhocker， et al. The Carbon Productivity Challenge：Curbing Climate Change and Sustaining Economic Growth[R].McKinsey Global Institute，2008.

[7]Mielnik O，Goldemberg J. The Evolution of the Carbonization Index in Developing Countries[J]. Energy Policy，1999，27（5）：307-308.

[8]Zaim O， Taskin F. Environmental Efficiency in Carbon Dioxide Emissions in the OECD： A Nonparametric Approach[J]. Journal of Environmental Management， 2000，58（2）：95-107.

[9]Zofio J L， Prieto A M. Environmental Efficiency and Regulatory Standards： The Case of CO2 Emissions from OECD Industries[J]. Resource and Energy Economics，2001， 23（1）：63-83.

[10]Zhou P， Ang B W， Poh K L. Slacksbased Efficiency Measures for Modeling Environmental Performance[J].Ecological Economics，2006，60（1）：111-118.

[11]Kortelainen M. Dynamic Environmental Performance Analysis：A Malmquist Index Aapproach[J]. Ecological Economics，2008，64（4）：701-715.

[12]谌伟，诸大建，白竹岚.上海市工业碳排放总量与碳生产率关系[J].中国人口・资源与环境，2010， 20（9）：24-29.[Chen Wei， Zhu Dajian， Bai Zhulan. Research on Relationship between Industrial Carbon Emissions and Carbon Productivity in Shanghai[J]. China Population， Resources and Environment，2010， 20（9）：47-57.]

[13]何建坤，苏明山.应对全球气候变化下的碳生产率分析[J].中国软科学，2009， （10）：42-47.[He Jiankun，Su Mingshan. Carbon Productivity Analysis to Address Global Climate Change[J]. China Soft Science，2009， （10）：42-47.]

[14]刘晔，耿涌.低碳经济认识探析[J].中国人口・资源与环境，2010，20（10）：123-128.[Liu Ye， Geng Yong. An Overiew on Low Carbon Economy[J]. China Population， Resources and Environment，2010，20（10）：123-128.]

[15]刘国平，曹莉萍.基于福利绩效的碳生产率研究[J].软科学，2011，25（1）：71-74.[Liu Guoping， Cao Liping. Research on Carbon Productivity Based on Welfare Performance[J]. Soft Science，2011，25（1）：71-74.]

[16]Chang Y F， Lin S J. Structural Decomposition of Industrial CO2 Emission in Taiwan[J]. Energy Policy，1998，26（1）：5-12.

[17]Zhou P， Ang B W， Han J Y. Total Factor Carbon Emission Performance： A Malmquist Index Analysis[J].Energy Economics，2010，32（1）：194-201.

[18]Jordi R， Vicent A. Energy Intensity，CO2 Emission and the Environmental Kuznets Curve： The Spanish Case[J]. Energy Policy，2001， 29（7）：553-556.

[19]Soytasa U， Sari R， Ewing B T. Energy Consumption， Income， and Carbon Emissions in the United States[J]. Ecological Economics，2007，62（3-4）：482-489.

[20]Azomahou T， Laisney F， Phu N V. Economic Development and CO2 Emission： A Nonparametric Panel Approach[J]. Journal of Public Economics，2006，90（6-7）：1347-1363.

[21]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）：158-161.[Xu Guoquan， Liu Zeyuan， Jiang Zhaohua. Factor Decomposition Model and Empirical Analysis on the Carbon Emission of China： 1995-2004[J]. China Population， Resources and Environment， 2006，16（6）：158-161.]

[22]谭丹，黄贤金.我国东、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，2008，18（3）：54-57.[Tan Dan， Huang Xianjin. Correlation Analysis and Comparison of the Economic Development and Carbon Emissions in the Eastern， Central and Western Part of China[J]. China Population， Resources and Environment， 2008，18（3）：54-57.]

[23]王群伟，周鹏，周德群.我国CO2排放绩效的动态变化、区域差异及影响因素[J].中国工业经济，2010，（1）：45-54.[Wang Qunwei， Zhou Peng， Zhou Dequn. Research on Dynamic Carbon Dioxide Emissions Performance， Regional Disparity and Affecting Factors in China[J].2010，（1）：45-54.]

[24]魏梅，曹明福，江金荣.生产中碳排放效率长期决定及其收敛性分析[J].数量经济技术经济研究，2010，（9）：43-53.[Wei Mei， Cao Mingfu， Jiang Jinrong. Determinants of Longrun Carbon Emission Performance[J]. The Journal of Quantitative & Technical Economics， 2010，（9）：43-53.]

[25]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，2006，25（1）：1-9. [Zhang Lei. A Changing Pattern of Regional CO2 Emissions in China[J].Geography Research，2006，25（1）：1-9.]

[26]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）：100-105.[Wei Xiahai， Yu Lingzheng. Spatial Dependence， Carbon Emission and Economic Growth：A New Interpretation of EKC Hypothesis[J].Probe， 2011， （1）：10-105.]

[27]赵荣钦，黄贤金，钟太洋.中国不同产业空间的碳排放强度与碳足迹分析[J].地理学报， 2010，65（9）：1048-1057.[Zhao Rongqin， Huang Xianjin， Zhong Taiyang. Research on Carbon Emission Intensity and Carbon Footprint of Different Industrial Spaces in China[J].ACTA Geographica Sinica， 2010，65（9）：1048-1057.]

[28]Anslin L. Spatial Econometric[M]. University of Illinois Press，2005.

[29]Baltagi， Badi H. Econometric Analysis of Panel Data （Second Edition）[M].John Wiley & Sons Press，2001.

第5篇：碳排放对经济发展的影响范文

对渔业碳生产率的系统研究国内外未见报道，相关研究多数局限在定性分析。Liu Wen-hong通过对台湾沿海渔业的研究，得出结论：渔船回购、休渔以及渔业捕捞、生产活动等合规化，对达到渔业可持续发展的目标是必要的。有研究认为渔业管理对渔业经济有明显影响，如获得海洋管理委员会认证的渔业企业与未经过认证的企业，对整体渔业经济的缓冲效果差别比较大。也有研究用定量的方法研究低碳渔业：通过对渔业碳足迹的测算，发现渔业碳足迹与捕捞渔船冷却剂的泄漏具有相关性，即高性能的渔船制冷器有助于控制渔业碳排放量;19612010年印度海域渔业渔船能耗的数据表明，同等捕捞量下渔船碳排放量是不断增长的;Tan等测算了捕捞金枪鱼的碳足迹，并指出捕捞渔船是渔业碳排放的主要来源，控制渔业捕捞渔船碳排放是控制渔业碳排放的首要环节。朱明胜认为渔业走公司化经营模式可以达到保护太湖生态系统、提高捕捞效益、保护渔业资源、提高渔业生产力、方便渔政管理的效益，从而可以实现太湖生态资源环境双重保护和渔业的低碳经济发展。马保新等指出将可再生能源利用到渔业建筑、渔业设施以及水产养殖中可以达到节省能源消耗、安全健康养殖的效益，从而可以达到转变渔业传统发展方式、推动低碳渔业技术发展的目的。低碳科技可以应用到渔业生产领域，发展重点是恢复并保护现有碳库、发展特色生态养殖模式、以渔业设施为重点 的 减 排 低 耗 和 开 发 生 物 能 源。潘 洪 宾等将稀土元素应用于水库渔业生态养殖和水产养殖污染治理中，发现可以使低碳渔业步入高产、低污染之路。

渔业低碳问题已经引起广泛关注，但目前未见对渔业碳生产率测评的研究，以及相关影响因素的分析。本研究拟将我国11个沿海省市作为研究对象，结合渔业经济产出和能源消耗数据，系统测评渔业碳生产率，旨在研究不同渔业碳生产率的影响因素，为我国沿海渔业碳生产率的提高提出可行的对策建议。

1 渔业碳排放量和渔业碳生产率测算方法

1.1 渔业碳排放量测算方法

渔业生产的过程分为若干活动，每一活动都有能源消耗。分别建立每个过程的能源消耗模型并计算出各个过程的碳排放量，最后汇总便可得到渔业部门的能源消耗总量。但是渔业能耗本身没有一套科学完善的统计机制，而且捕捞和养殖等过程受到环境等非人为因素的影响，因此要系统化渔业的总能耗的计算过程是很困难的。国内外针对渔业碳排放测算研究相对缺乏，能够参考的文献非常有限，仅有的是农业部渔业装备与工程重点开放实验室和中国水产科学研究院渔业机械仪器研究所在2006年所组成的项目组，针对山东、江苏等地的渔业能耗情况进行专题调研，完成的一部关于渔业能耗测算的综合报告。该报告是以渔业生产的捕捞能耗作为变量来测算渔业总能耗的。本研究借鉴该报告的研究思路，在测算渔业碳排放量时，将基于以下3条依据进行测算：

1)界定渔业能耗主要来自捕捞、养殖和水产品加工3个行业。

2)捕捞业约占总能耗的70%，养殖业约占总能耗的20%，水产品加工业约占总能耗的10%。3)利用19782011年年度数据对渔业碳排放量进行测算时，各个年度渔业部门捕捞业电能消耗数据来源于《中国渔业年鉴》，单位为kWh.

1.2 渔业碳生产率测算方法

本研究采用19782011年的年度数据对渔业碳生产率进行测算。各个年度渔业部门的渔业生产总值GDP数据源于《中国统计年鉴》，单位为万元。涉及到价格因素时，以1992年为基期的不变价格进行了调整。

2 我国沿海渔业碳生产率的实证分析

2.1 渔业碳排放量的测算结果

对19782011年11个沿海省市的渔业生产碳排放量进行测算。从测算结果看，11个沿海省市基本一直保持着增长趋势。全国渔业碳排放量增速最高的年份高达116%，平均增速也高达60%。改革开放以来，全国沿海省市均提高对渔业的重视程度，积极开放利用渔业资源，大力发展的渔业生产，对经济做出了贡献。

我国是渔业大国，11个沿海省市有不同长度的海岸线和大小各异的海域面积，省际间渔业资源占有量不平衡，当地政府对渔业科技进步的重视程度也不一致，沿海各个省市间渔业碳排放量差异性也较大。其中，浙江、广东、福建、山东和江苏作为我国重点渔业省市的同时也是渔业的高碳排放省，在全国沿海渔业碳排放中占有较大比重。平均渔业碳排量最高的浙江省高达14 418t，是平均渔业碳排量最低省市天津市297t的将近49倍。辽宁、海南和广西的渔业碳排放量适中，基本可以代表我国沿海渔业碳排放的平均水平。河北、上海和天津的渔业碳排放程度比较低，在全国沿海渔业碳排放中占有较小比重。

2.2 我国沿海渔业碳生产率的区域差异性分析

本研究对11个沿海省市近34年的渔业碳生产率进行测算并进行了排名。

从19782011年的沿海渔业碳生产率变化动态趋势看，全国渔业碳生产率基本一直保持着增长趋势。全国渔业碳生产率由1978年的0.11增至2011年的0.67万元/kg，平均全国渔业碳生产率高达0.29万元/kg，年均增长14.3%，增速最快的年份高达35%。全国渔业的碳生产率水平显著提高，但相较于我国沿海渔业产出年均17.9%的增长速度，我国沿海渔业碳生产率仍有巨大的提高空间。

我国海岸线漫长，海域面积辽阔，沿海渔业碳生产率水平不一，各海域间渔业低碳经济发展不平衡，呈现出由北向南逐渐减弱的趋势。渤海海域和黄海海域渔业碳生产率较高，渔业生产基本上实现了高产出、低排放的低碳经济发展模式，东海海域渔业碳生产率次之，而南海领域的渔业碳生产率较低，渔业生产基本还是依靠自然资源的过度利用以及能源的消耗。渤海海域和黄海海域中天津、江苏和山东3个省的碳生产率水平均超过国家平均水平，而主要构成东海海域的上海、福建两省市的低碳竞争力水平则一直在国家平均线附近波动，位于南海海域的广西、海南2个省份渔业碳生产率较低。

按照全国各地区的渔业碳生产率值高低，可以大致将沿海11个省市分为3大类：

1)天津等3个渔业碳生产率较高的地区，其渔业碳生产率远远超过全国平均渔业碳生产率0.29万元/kg，说明此三省在渔业生产过程中不但提高了能源利用率，基本上实现了碳减排承诺，而且在渔业经济发展创新上有了一定突破，对渔业经济向渔业低碳经济的转型做出了重大贡献。

2)渔业碳生产率水平一般的地区，包括上海等5个省市，其渔业碳生产率基本与全国平均渔业碳生产率0.29万元/kg持平，可以看出此五省市的渔业碳生产率水平基本可以代表全国渔业碳生产率水平，并且其渔业经济有潜力在未来一段时间内以较低的碳排放实现较高的产出。

3)广西等3个渔业碳生产率较低的地区，其渔业碳生产率与全国平均渔业碳生产率0.29万元/kg相比较还有一定的差距，可以看出这三省的渔业还是严重依靠自然资源进行生产的高污染、高排放产业，自然资源低效利用引起的短缺成为制约其渔业经济发展的瓶颈。综上，沿海各省市渔业发展水平不一，碳生产率差异性较大。

相较于全国11个省市的渔业发展状况，天津、上海的渔业碳生产率水平发展迅速，其渔业发展模式值得推广。天津市渔业碳生产率高达0.58万元/kg，是全国渔业碳生产率的近2倍，基本实现了现代休闲渔业产业模式，并积极开展健康养殖示范场工作，这推动了渔业低碳经济的发展。天津市早期开始发展现代休闲渔业产业不仅保护了渔业资源、提高了生态效益，也大大增加了渔民的收入，实现了第一产业同第三产业的有机结合，促进了低碳渔业经济的发展。同时，天津市在开展健康养殖示范场的工作中，通过保障渔民池塘使用权、加强基础设施建设、提高苗种良种化等工作，推动了低碳环保水产养殖业持续健康的发展。上海市的渔业碳生产率在2003和2005年，分别出现了从0.41到0.58万元/kg和从0.6到0.8万元/kg，2次幅度较大的上升。近年来，上海市海洋渔业的捕捞重点转向了围网高附加值的海产品，如金枪鱼等，提高了海洋渔业总产出，正向拉动了上海市渔业碳生产率的提高，同时渔业重点发展了滨海旅游业、观光渔业、海洋流通运输业，形成了更为合理的沿海渔业产业结构。

3 我国沿海渔业碳生产率的影响因素分析

3.1 变量定义、数据说明与模型构建

3.1.1 变量定义与数据说明

由渔业碳生产率的定义可知，任何影响渔业经济增长和渔业碳排放量的因素都会对渔业碳生产率产生影响。根据古典经济增长理论和新古典经济增长理论，物质资本、劳动力、人力资本、技术进步和市场因素等被视为影响经济增长的主要因素，同时也应用于渔业经济增长。赵欣等选取了经济增长、能源消耗和国际贸易作为碳排放的影响因素，许士春等指出经济产出、人口规模、能源结构、能源强度和产业结构是碳排放的主要影响因素。基于以上理论和文献，选取沿海渔业发展水平、产业结构、对外开放度和技术进步作为解释变量，以沿海渔业碳生产率作为被解释变量，来分析这些影响因素对沿海渔业碳生产率的影响。

1)渔业发展水平，用沿海各省市渔业人均GDP产值表示。渔业人均产值一定程度上影响该地区的渔业生产规模，从而对渔业碳生产率有较大的影响。

2)产业结构，用沿海各省市渔业的第三产业产值占本地区渔业GDP总产值的比重来表示。渔业第三产业生产过程中的碳排放量较低，第三产业所占比重对渔业生产碳排放的影响较大，因此对渔业碳生产率的影响显著。沿海各省市渔业第三产业的比重不同，对渔业碳生产率产生不同程度的影响。

3)对外开放度，用沿海各省市渔业进出口总额占本地区渔业GDP总产值的比重表示。随着渔业对外开放的深入，引进先进渔业生产低碳技术、限制高碳排放的渔业生产模式在我国渔业低碳经济发展方面对沿海渔业碳生产率产生影响。

4)技术进步，用沿海各省市的渔业科研投入资金额来表示。技术进步水平不仅能反映能源利用效率，而且能够反映渔业生产水平，从而促进渔业低碳经济的发展，对沿海渔业碳生产率产生较大的影响。计算4个影响因素的数据来源于《中国统计年鉴》(19922012年)和 《中 国 渔 业 年 鉴》(19922012年)。

3.1.2 模型构建

为抑制变量的异方差，同时使回归系数能够明确表达解释变量与被解释变量之间的关系，本研究对各变量取对数。对碳生产率与4个解释变量的变动关系构建模型如下：lnFi，t=i+1lnDi，t+2lnIi，t+3lnOi，t+4lnTi.t+i，t(5)式中：i为地区，t为时间下标;为回归方程的常数项，为各解释变量的回归系数;为回归的随机扰动项;lnF、lnD、lnI、lnO和lnT分别为渔业碳生产率、渔业发展水平、产业结构、对外开放度、和技术进步的自然对数。

3.2 实证结果分析

3.2.1 序列的平稳性检验

为了确保回归结果的有效性，避免伪回归，首先对面板数据序列进行平稳性检验。检验数据平稳性最常用的方法是单位根检验，本研究采用4种面板单位根检验方法，包括相同根单位根检验方法LLC检验和 不 同 根 单 位 根 检 验 方 法IPS检 验、ADF-Fisher和PP-Fisher检验。在对变量lnD、lnI、lnO和lnT用4种检验方法进行单位根检验时，均存在单位根，说明4个解释变量序列不平稳。在对各解释变量lnD、lnI、lnO和lnT进行一阶差分后再进行单位根检验发现，4个变量均在1%显著性水平检验下显著。可以得出，变量均存在一阶单整，即一阶差分后的序列是平稳的。

3.2.2 协整分析与回归结果分析

通过以上序列平稳性检验可知，解释变量序列均为一阶单整序列，接下来对面板数据模型进行进一步协整分析。为消除面板随机误差项存在的异方差，本研究选择按截面加权的广义最小二乘法对模型进行估计。

通过F检验和HAUSMAN检验，本研究选择混合模型进行回归。，渔业发展水平、产业结构、对外开放度和科技进步个4影响因素解释变量均对被解释变量有显著影响，并且4个变量的回归系数均为正值，说明4个影响因素对我国沿海渔业碳生产率水平的提升均起到正向作用，有着显著的正相关关系。渔业人均产值在一定程度上反映了了该地区的渔业生产规模，渔业生产规模越大说明该地区的渔业自然资源越丰富，政府对渔业部门的重视程度越高，当地居民有较高的积极性投入渔业生产，这有助于扩大渔业经济规模，从而提高渔业经济水平，对沿海渔业碳生产率有正向的效应。渔业产业结构是影响我国沿海渔业碳生产率水平高低的重要因素。目前，我国渔业第三产业主要包括休闲渔业和渔业流通运输业，渔业服务业在生产过程中的碳排放量较低，第三产业所占比重对整个渔业生产过程中的碳排放影响较大，第三产业比重越大，碳排放程度越低，第三产业比重越小碳排放程度越高。因此，渔业第三产业比重对渔业碳生产率的影响显著，提高沿海各省市渔业第三产业比重有利于提高沿海渔业碳生产率。目前，我国作为渔业对外贸易大国，渔业经济仍然是出口导向型，沿海渔业对外开放程度的加深有助于渔业经济增长以及渔业经济各个部门生产要素的合理配置和资源优化，有助于提高渔业碳生产率。科技进步使得我国沿海渔业生产技术水平明显进步，这在促进渔业经济快速增长的同时也提高了渔业的能源利用效率，降低了碳排放量，尤其是高能耗和高碳排放的渔业捕捞过程。因此，科技进步不但提高了渔业经济水平，也降低了渔业碳排放量，对提高沿海渔业碳生产率水平起到双重正向作用。

4 结论与政策建议

本研究利用渔业经济数据和能源数据测算了我国11个沿海省市的渔业碳生产率值，对各地区渔业碳生产率的差异性进行了评价分析，并针对提高碳生产率的影响因素进行了分析，得到以下主要结论：

1)19782011年我国沿海省市的渔业碳排放量基本保持着增长趋势，全国总体渔业碳生产率稳步上升。全国平均渔业碳排放量增速最高的年份高达116%，平均增速也高达60%。各省市间渔业碳排放量差异性却较大，其中，浙江、广东、福建、山东和江苏是我国的渔业高碳排放省。河北、上海和天津的渔业碳排放程度比较低，在全国沿海渔业碳排放中占有较小比重。全国渔业碳生产率年均增长14.3%，增速最快的年份高达35%。在农业温室气体排放量中，占有较大比重的渔业碳排放量整体水平上得到了有效控制，渔业资源得到了合理循环利用。

2)全国各省市渔业发展情况不一，渔业碳生产率水平各异，海域间渔业碳生产率呈现出由北向南逐渐减弱的趋势。在全国范围内，天津市的渔业碳生产率最高，浙江省最低，最高省份的碳生产率高达将近最低省份的6倍。位于渤海海域的山东、天津、江苏等作为全国渔业碳生产率较高的省份，其低碳渔业经济的发展远远领先于位于东海海域的广西、海南、浙江等渔业碳生产率较低的省市。渤海海域(主要包括天津、山东)和黄海海域(主要包括辽宁、山东)的渔业有较高的碳生产率，实现了高产出、低排放的低碳经济发展模式。东海海域(主要包括上海、江苏)渔业碳生产率次之，而南海海域(主要包括海南、广西)的渔业低碳经济一直以来发展空间较小，渔业生物资源和矿物燃料资源利用效率低下，生产率较低。

3)影响我国沿海渔业碳生产率水平的因素主要有渔业生产水平、产业结构、对外开放度和技术进步，并且4个影响因素均对提升我国沿海渔业碳生产率具有显著的正效应。其中，技术进步对沿海渔业碳生产率起着双重正向作用，即对GDP增长起着促进作用，同时也对碳减排起到抑制作用，所以是影响渔业碳生产率的主要因素。产业结构的影响次之，是重要影响因素，对外开放度和渔业发展水平的影响程度相较于前两者则比较轻微。

基于上述实证分析，针对提高我国沿海渔业碳生产率水平，本研究提出了以下政策建议：

1)将天津市、上海市作为我国低碳渔业经济的模范市。在渔业生产中有机结合第一产业与第三产业，将依靠捕捞、养殖和水产品加工为主要形式的传统型渔业转变为融入旅游、观光、休闲娱乐的多元化都市渔业，发展现代渔业。改变过去单一渔业的发展模式，充分利用渔业生物资源、渔业空间和渔业自然环境，发展休闲渔业，发挥渔业与渔村的第三产业功能。

第6篇：碳排放对经济发展的影响范文

关键词：碳税 必要性 可行性 征管制度

随着党的十报告“大力推进生态文明建设”的提出，环境税将在我国开征的信号越来越强。2009年哥本哈根世界气候大会，我国以一个负责任发展中大国的态度提出到2020年碳排放量在2005年水平上减排40%到45%的目标，开始担负起发展中国家对全球二氧化碳排放的责任，这也预示着碳税革命在我国即将到来。本文主要讨论我国通过开征碳税来控制二氧化碳排放，以期能够根据现实具体情况设置科学合理的碳税征收管理制度。

一、我国征收碳税的必要性

（一）我国目前二氧化碳排放的现状

我国二氧化碳排放有两大特点，一是总量巨大，二是碳强度高。根据美国能源信息管理局提供的数据，2010年世界二氧化碳排放总量为31780.36097（百万吨），而2010年二氧化碳排放量前5位的国家分别为中国、美国、印度、俄罗斯、日本 。

（二）征收碳税对我国的预期影响

由于我国国土面积广大，东、中、西部地区的经济发展水平存在差异，产业结构不同，能源资源秉性不同。碳税对不同地区的经济增长、能源消耗与收入分配的影响存在着较大的差异。参照中国能源统计年鉴和中国税务年鉴，选择以下部分省份的数据分析碳税实行的预期影响。

表1 征收碳税对各省（直辖市）经济发展的影响统计表

能源消费结构的转变。表中能源正负值表示碳税的实施对各地能源消耗的影响，如北京、天津、浙江等地的负值说明在保持其他税收大体不变时，征收碳税将减少当地能源的消耗。而像河北、辽宁、山东、四川为正值则说明在保持其他税收大体不变时，征收碳税增加当地能源的消耗。结合这些地方的能源储备、经济基础、产业结构分析可以发现，征收碳税对能源消耗起抑制地区一般含碳燃料储量少、能源利用效率高、经济增长能耗低。对这些地区征收碳税，政策促使企业会提高能源利用效率、寻找替代能源、增加资本和劳动等要素替代能源要素，资金支持当地政府调整高科技、低能耗、服务型的产业结构。而征收碳税对能源消耗起拉动作用的地区一般含碳燃料储量丰富、能源利用效率低、经济增长能耗高。对这些地区征收碳税，企业也会节约能源，但当地政府为了本地经济发展，将把大量的税收收入回投到高能耗产业，后者的消极影响远远大于前者。

社会经济发展的需要。征收碳税对大部分地区的经济增长起拉动作用，但对少数地区的经济增长产生抑制作用，但作用不明显。从全国整体范围来看，碳税对经济发展的正效应大于负效应，对具有经济显性的地区可直接征收碳税；对负效应占主导的地区在征收碳税时，可适当减免企业其他税负。

二、征收碳税在我国的可行性

（一）征收碳税的理论基础

首先，环境在市场经济中存在负外部性。环境的负外部性体现在市场经济生产和消费的全过程中。其次，“污染者承担原则”理论确定了污染者的责任问题，即环境污染治理成本由谁负担。污染者付费，就是污染者承担其生产消费过程中污染所引起的损失及治理费用。二氧化碳的排放者为获得自身的利益和效益，增加了社会环境治理的成本，必然应该为其行为承担责任，承担责任的大小以对环境的危害程度来衡量。最后，公共产品理论指出环境是一种公共产品。由于公共产品具有非竞争性和非排他性的特征，只要在技术上不能将非付费者排除在受益人之外或者将其排除在外的成本明显过高，搭便车现象就普遍存在。结果是由市场提供的公共产品明显不足，需要通过非市场力量，即由政府负责提供，政府提供公共产品的资金来自征税，用税收收入来生产或购买公共产品。

（二）征收碳税在我国的可行性分析

1、政策上不断倾斜。中国政府颁布《中国应对气候变化国家方案》，拟采取一系列法律、经济、行政及技术手段，减缓温室气体排放，提高适应气候变化的能力；中央经济工作会议要求，“加快出台和实施有利于节能减排的财税、价格、金融等激励政策”。开征碳税不仅符合我国贯彻科学发展观、节能减排、转变经济发展方式等发展目标，也符合《中国应对气候变化国家方案》提出的制定有效政策机制的要求，是当前我国应对气候变化所应采取的主要措施。

2、技术操作有保证。较硫税、污水税等其他环境税相比，碳税有计量简单、操作容易、便于检测的特点。碳税的税基是碳的排放量，各种能源的含碳量是固定的，所以其燃烧排放的二氧化碳量也是可以计算出来的，再考虑减排技术和回收利用等措施计量碳净排放量，所以碳税计量相对简单，不需要复杂的检测，对税收征管人员来说操作相对容易。

（三）我国碳税税收要素的初步设计

1、征税对象和纳税人。碳税的征税范围和对象为因在生产经营和日常生活过程中消耗含碳燃料而向自然环境排放的二氧化碳气体。导致全球气候变化的温室气体不仅包括二氧化碳，还包括氮氧化物、氟化物、甲烷和臭氧，如果从运用税收政策来应对气候变暖的角度看，应该对所有温室气体征税，这只是中长期且针对集中排放温室气体对象的做法。而短期来看，二氧化碳是最主要的温室气体，且征收相对易行。由于二氧化碳是燃烧煤炭、天然气、柴油、汽油等化石产品产生的，因此消耗以上产品的单位和个人就是碳税的纳税义务人。

2、计税依据。碳税的征税对象是二氧化碳，本应以二氧化碳的实际排放量作为计税依据。但由于计算二氧化碳的实际排放量涉及到二氧化碳排放量的监测问题，技术上很难控制，征管成本也将很高。因而应采用二氧化碳的估算排放量作为计税依据，即根据煤炭、天然气、汽油和柴油等燃料的含碳量，推算出二氧化碳的排放量。

根据《IPCC国家温室气体清单指南》提供的基准方法，含碳燃料消耗产生二氧化碳排放量的计算公式为：

二氧化碳排放量=含碳燃料消耗量×二氧化碳排放系数

二氧化碳排放系数=低位发热量×碳排放因子量×碳氧化率×碳转换系数

其中，含碳燃料消耗量指企业的生产经营中实际消耗产生二氧化碳燃料（煤炭、天然气、汽油、柴油等），将企业生产成本账目记录为征收依据。

3、税率。碳税的税率与计税依据密切相关，一是采用碳排放量作为计税依据，二是二氧化碳排放对生态的破坏与其数量直接关联，需要采用从量计征的方式，采用定额税率形式。

碳税税率的设定要考虑的因素很多。首先，税率应该量化反映减排二氧化碳边际成本。税率水平要鼓励纳税人对碳税政策积极响应，即税负能够影响其排放行为或进行减排技术革新，故其税负应高于为减排所使用替代能源或采取技术措施的边际成本。其次，考虑税率对经济发展和产业竞争力的影响。如果税率水平过高，势必对宏观经济和产业竞争力产生重大影响，因此需要根据我国的不同阶段的社会经济发展目标确定税率。既要遵循新税种征收力度循序渐进的经验，又要对参与国际市场竞争的能源密集型企业给予一定税收补偿。再次，税率水平的设计应该考虑燃料差别因素。为鼓励企业及个人用环境友好型产品对污染型产品进行替代，并减轻其过重的经济负担，根据含碳燃料需求价格弹性和能源效率水平，有选择地对煤炭、天然气、汽油及柴油不同含碳燃料实行差别税率。此外，碳税税率水平还受其他税种、国际能源价格走势、国际碳税协调等因素影响，这些都是在确定我国碳税税率时需要考虑的因素。

三、构想我国碳税的征管制度

（一）明晰碳税征收阶段特点

开征碳税会增加企业特别是能源、资源密集型企业的生产运营成本，突如其来的税负将会使企业的资金周转出现困难，甚至降低本国企业的竞争力，影响经济发展大局。我国应当借鉴国际通行的做法，引入碳税时实施预告和渐进时序策略。通过对企业进行预告，税率逐年提高，直到预期水平。

（二）提高企业碳消耗统计水平

对企业排碳的统计工作属于提高碳税征管的配套能力。碳税的征收依据是企业含碳燃料的消耗数量，这些数据主要通过企业生产成本账目中获得。税务部门应加强企业能源消耗的统计工作，建立专门的碳消耗申报和核算账目。同时加强对税收人员和企业会计的专项培训，使其掌握碳申报的相关工作。

（三）协调相关政策

环境税收体系中不仅包括碳税，其实也有污染产品消费税、资源税等税种。有必要将新旧环境税结合起来，使它们之间相互配合和协调，形成合力，更好地发挥税收节能减排上的调控作用。

（四）落实各项碳税优惠制度

借鉴外国碳税征收经验，如要碳税真正发挥二氧化碳减排功效，税率就会很高，而较高的碳税税率水平对能源、资源密集型企业产生不利影响，出现影响国际竞争力、不利本国经济增长等负面效应。我国在开征碳税时也有必要借鉴国际经验，对整个税制结构进行必要调整，按照有增有减的税制改革思路，以其他税种改革所形成的税负空间来容纳碳税，基本保持税收收入中性。

参考文献：

[1]汪曾涛.“碳税征收的国际比较与经验借鉴”.《理论探索》.2009年第四期。

[2]王晶.“关于我国开征二氧化碳税的思考”.《税务与经济》.2009年第五期。

[3]李齐云，商凯.“二氧化碳排放的影响因素分析与碳税减排政策设计”.《财政研究》.2009年第十期。

[4]刘惠荣，杨凡.“《京都议定书》对我国碳税制度的影响”.全国环境资源法学研讨会.2006年10月（北京）。

[5]李绍荣，耿莹.“中国的税收结构，经济增长与收入分配”.《经济研究》.2005年第五期。

[6]熊剑锋.“专家争议碳税：中国能否承受之重”.《第一财经日报》.2009年10月16日。

[7]何建坤，柴麒敏.“关于全球减排温室气体长期目标的探讨”.《清华大学学报（哲学社会科学版）》.2008年第四期。

第7篇：碳排放对经济发展的影响范文

关键词：低碳技术进步；测度；EBML-DEA；碳排放强度；空间计量模型

中图分类号：F124.5 文献标志码：A 文章编号：1001-862X（2016）06-0064-008

由于全球气候变暖，以低能耗、低污染为主要特征的低碳经济，日益成为世界各国追求的目标。发达国家大力发展“低碳技术”，推进低碳技术进步，推行以高能效、低排放为核心的低碳经济革命。发展低碳经济方面，国内外学者一致认为，低碳技术进步是降低排放的关键途径。[1][2]中国以“高能耗、高碳排放”特征的经济发展模式，已经显现出不可持续性。2006年以来，我国政府注重节能减排发展，推行低碳经济发展战略，加强低碳技术进步。2006年的《国家中长期科学和技术发展规划纲要》中，政府明确提出将能源、水资源和环境保护技术放在科学技术发展的优先位置；《国家环境保护十一五规划》提出大力发展环境技术，以技术创新促进环境问题解决；《国家环境保护十二五规划》指出提升环境科技基础研究和应用能力。可见中国对低碳技术进步的重视。2009年，中国政府在哥本哈根国际气候会议上承诺到2020年我国的碳排放强度（单位GDP的二氧化碳的排放量）较之于2005年下降40%～45%。这显示了中国对碳排放负责任的态度和走低碳型发展道路的决心，彰显了我国积极应对全球气候变化的大国形象。而低碳技术进步应该是促进碳排放强度下降的有效途径。在未来的经济发展中，我国更加注重技术创新，低碳技术进步对我国实现可持续发展愈发重要。

目前，研究技术进步对碳排放的研究较多，但研究低碳技术进步的文献却很缺乏。[3]-[6]实际上，不少学者研究表明技术进步对碳排放影响是不确定的。因此，很有必要研究中国低碳技术进步对碳排放强度如何产生影响，验证低碳技术进步是否是促进碳排放强度下降的有效途径，同时从碳排放强度下降的角度来检验“低碳技术进步是发展低碳经济的有效途径”的命题。

本文借鉴全要素生产率方法测度中国低碳技术进步，使用GEBML-DEA模型估算出低碳约束的全要素生产率，这可以准确地测度出中国各省市低碳技术进步状况；进而根据“规模效应、技术效应和结构效应”三种途径影响环境质量理论，考虑在城市化背景下，将低碳技术进步指标作为碳排放强度的“技术效应”影响因素纳入其中，运用经济地理空间权重矩阵的空间计量模型分析低碳技术进步等对30个省份碳排放强度的影响；最后根据得到的结果，验证“低碳技术进步是有效降低碳排放强度途径”的命题，同时反映出“低碳技术进步是发展低碳经济的有效途径”，并提出相关建议。

一、低碳技术进步测度及评价

（一）GEBML-DEA模型介绍

如何测度低碳技术进步？各省市低碳经济所包含的巨系统，可以看成一个个决策单元通过一定数量的投入而产出一定数量的“产品”的活动。这涉及投入产出问题。借鉴诸多文献，这里使用数据包络分析（DEA）方法测度有低碳约束的全要素生产率来反映低碳技术进步。由于低碳经济有能耗、碳排放约束，因此这里投入变量选择劳动力、资本存量、能源消费总量，产出变量包括地区生产总值和二氧化碳排放量，其中地区生产总值是期望产出，二氧化碳排放量是非期望产出，如果能源消耗大或者碳排放量大，则算出的技术进步指数就小，说明低碳技术进步小，反之则大，反映低碳技术进步大。本文具体选择GEBML-DEA模型测算全局参比Malmquist指数，也就是低碳的TFP，反映低碳技术进步程度。

Tone K & Tsutsui（2010）提出了一种包含径向与SBM两种距离函数的混合模型，即EBM（Epsilon-Based Measure）模型[7]。径向距离函数对环境绩效进行测度时会存在不同比例冗余缩减，径向测度会高估决策单元的实际绩效水平，而SBM模型中，其目标函数会导致投入和产出的无效率值最大化，也就是说被评价的决策单元的投影点是前沿上距离被评价决策单元最远的点。考虑到上述两种距离函数的缺点，本文使用EBM作为距离函数。其非导向EBM模型的规划式表示为：

模型中x和y分别是投入和产出变量，X、Y是投入、产出向量，m表示维度。wi表示各项投入指标的相对重要程度，ε是一个关键参数，取值在[0，1]，它表示效率值的计算中非径向部分的重要程度：取0表示径向距离模型，取1表示SBM模型，ρ表示关联指数矩阵的最大特征根，而v是其对应的特征向量。由于此模型是非导向的，故包含投入导向的效率值和产出导向的效率值，其中投入导向的效率值为θ，θ?（0，1）；而产出导向的效率值是用1/φ表示，φ?1。

在运行面板数据进行技术效率估算时，最常使用的是Malmquist生产率指数，它最早是Fare R等人（1997）采用DEA方法计算出来的[8]，随后迅速发展，Pasror和Lovell（2005）提出了一种全局参比Malmquist模型，它是以所有各期决策单元的总和作为参考集，各期共同参考集为Sg=S1∪S2∪……∪Sp=x1

其中效率变化用EC表示，这里表明由于经济管理创新引致的低碳技术进步，技术变化用TC表示，说明由于低碳技术创新带来的低碳技术进步。由于所有决策单元都包含在全局参考集内，所以全局参比Malmquist指数不存在无可行解问题。全局参比Malmquist指数既满足可传递型要求，又避免存在无可行解问题，选择此模型更具科学性和可行性。而EBM模型很好地避免了径向距离函数和SBM模型的缺点，且可发挥各自优点。故本文结合EBM距离函数、全局参比Malmquist模型（Globle Malmquist）以及Malmquist-Luenberge指数发展了一种包含非期望产出的混合距离函数全局参比Malmquist模型，简称GEBML-DEA模型。

（二）变量及数据处理

考虑到数据的可得性和完整性，本文选择了全国30个省份1997―2012年省际面板数据，其中由于自治区及港澳台地区数据的缺失，故没有考虑在内。其中劳动力选择全国30个省份历年就业人数作为变量，资本存量是借鉴了张军等（2004）使用的永续盘存法推算出1996―2012年各省资本存量数据，能源消费总量则是利用各省煤炭、焦炭、汽油、煤油、柴油、燃料油、天然气和电力等八种能源消费量经折算成标准煤消费总量表示，产出变量中地区生产总值是按2005年价格计算的不变价各省市的GDP，二氧化碳排放量数据没有公布，本文参照杜立明（2010）方法计算获得。以上原始数据均来自《中国统计年鉴》、《中国能源统计年鉴》、《新中国60年统计年鉴汇编》和历年相关省份统计年鉴。宁夏、海南和甘肃的能源数据是从《中国能源统计年鉴》相关年份补齐。

（三）中国全要素低碳技术进步指数分析

根据GEBML-DEA方法，对1997―2012年各省的全要素低碳经济进步指数进行测算和分解，程序运行由MaxDEA软件完成，具体计算结果如表2。表2中Malmquist指数（GEBMLPI）计算的是包含了能源消费为投入变量与碳排放作为非期望产出的低碳全要素生产率数值，即为低碳技术进步指数。由于全局参比Malmquist指数具有可累乘的特性，表2中数据表示从1997到2012年的低碳技术进步总变化情况。其中GEBMLEC表示从1997到2012年低碳技术效率总变化数值，GEBMLTC表示此期间内低碳技术创新总变化数值。

根据估算低碳技术进步指数的结果发现：

1.全国省域平均低碳技术进步指数的增长表现有阶段性差异。相对我国经济发展速度来说，1997到2012年期间低碳技术进步指数增长速度较缓慢。表现为全国水平只有1.5778，2012年比1997年的低碳技术进步指数只增长了57.78%，年均增长2.89%，这显然小于同期国内生产总值增长率（按可比价格，2012年GDP是1997年的5倍），这也反映出这一时期我国经济增长表现为高投入、高排放、高污染、低效率的现实，低碳技术进步相对有限。由于2006后，我国注重节能减排，推进发展低碳经济。由计算的低碳技术进步指数值可以看出，2006年是个分界点。2006―2012年期间低碳技术进步指数年均增长达5.10%，明显高于1997―2006年期间年均增长的1.83%，反映该期间低碳技术进步较快。由此可以看出政府推进低碳经济发展战略有显著成效。

2.东中西部区域低碳技术进步指数的表现有差异。1997―2006年期间低碳技术进步指数呈现东中西递减趋势，省际差别显著。GEBMLPI（东部）> GEBMLPI（中部）> GEBMLPI（西部）表明低碳技术进步表现为东部最好，中部次之，西部最小。而且中部和西部均低于全国水平，表明东部对中国低碳技术进步指数的拉动作用强劲，也从侧面反映出改革开放最大受益地区。而中西部地区，大部分地区低碳技术进步指数较低，表明低碳技术进步较慢。2006―2012年期间东部、中部、西部低碳技术指数年均增长率分别为4.22%、4.62%、4.4% ，而1997―2006年期间三大区域年均增长率为3.16%、2.02%、0.95%，可以看出2006―2012年期间三大区域低碳技术进步指数年均增长明显高于1997―2006年期间年均增长，2006年后中西部地区低碳技术进步增长率显著提高，而且还要略高于东部地区。这表明中西部地区正学习东部地区先进技术，提高低碳技术进步，也反映了我国发展低碳经济战略正在中西部发挥重要作用，由于中西部地区低碳经济技术相对落后，因此具有巨大的发展潜力。

区域间的低碳技术效率与低碳技术创新表现有差异。1997―2012年期间，从技术创新上看，GEBMLTC（东部）> GEBMLTC（中部）> GEBMLTC（西部），表明低碳技术创新仍然表现为东部最好，中部次之，西部最小。从技术效率指标看，GEBMLEC（西部）> GEBMLEC（中部）> GEBMLEC（东部），表明中西部在低碳技术管理上比东部提高要快。总体上看，技术创新是东部省份低碳技术进步增长的主要动力，而中西部地区技术管理效率的提高是低碳技术进步提高的主要动力，从全国看，技术创新是低碳技术进步增长的主要动力。

3.省域低碳技术进步指数均呈现不同程度增长。图1反映了各省的低碳技术进步指数变动情况。总体上看各省低碳技术进步指数均有逐渐增长的趋势，但增长幅度差异明显。东部省份如北京、上海、江苏、浙江、辽宁、广东低碳技术进步增长幅度较大，表明东部省份低碳技术进步明显提升；中西部省份低碳技术进步增长幅度较小，表明中西部省份低碳技术有待提升。尤其是山西和甘肃等地低碳技术进步明显较小，亟须提高。大多数省份在2006年是个分界点，2006后低碳技术进步指数上升较快。之前有的省份上升较慢或没有变化，有的甚至下降，同样反映出政府推进低碳经济发展战略的成效。

二、低碳技术进步对碳排放强度空间影响实证分析

（一）空间计量模型的设定

Grossman和Krueger（1991）认为，经济增长会通过规模效应、技术效应和结构效应三种途径影响环境质量。[9]碳排放强度作为重要的环境质量指标，因此，这里将根据规模效应、技术效应和结构效应等三个途径理论设定模型，并考虑在城镇化背景下研究低碳技术进步对碳排放强度的影响。其中规模效应因素指标选择人均GDP，技术效应因素指标选择低碳技术进步，结构效应因素指标为产业结构，城镇化背景选用城镇化率指标。

由于本文采用的省域数据，可能存在空间效应，因此需要相关检验以设定空间计量模型。空间面板模型分为空间自回归模型（SAR）和空间误差模型（SEM）两类，分类主要依据经济数据空间依存性和差异性的特征。经济数据的空间依存性是一个区域的观察数据与其他区域的观察数据相关，这种相关性是由空间的相对和绝对距离决定的，空间差异性则表示空间观察单位的差异性从而在区域层面的空间效应非均一性。空间自回归模型通过空间自回归项来探讨空间“溢出效应”，空间误差模型则是通过空间误差项来体现。这两个模型的基本形式为：

其中Y表示因变量，X表示自变量，W为空间权重矩阵，β表示解释变量系数，t，i分别表示时间维度和截面维度，εit为随机误差项。ρ表示空间自回归系数，若此系数显著则表明变量间存在空间溢出效应，即存在空间依存性，其值大小反映平均强度。λ表示空间自相关系数，表示临近区域样本对本区域样本的影响方向和强度。模型（7）、（8）中因变量为碳排放强度指标，以单位GDP二氧化碳排放量来衡量，用CEI表示；自变量选择低碳技术进步指标，用MI表示；产业结构以第二产业占GDP的比重来衡量，用TIP表示；城镇化率以城镇居民占总人口的比重衡量，用UR表示；经济发展指标用人均GDP衡量，用PGDP表示。由于低碳技术进步指数（MI）本身就是变化量，故模型中除低碳技术进步指标外，其余变量均采用对数形式，所得系数可理解为弹性。

（二）空间权重矩阵的建立

与面板数据模型不同的是，空间计量模型分析需要建立空间权重矩阵，用来表示空间各样本之间的相互依存和关联强度。空间权重矩阵可以采用邻接标准或距离标准来构建。邻接标准是指如果两个地区在地理位置上相互邻接关系，比如安徽和江苏相邻则表明两地区存在邻接关系。可以看见邻接标准认定空间单元之间联系仅仅取决二者是否相邻，但这不能很好地反映实际情况，如在邻接权重矩阵中上海与新疆和上海与安徽之间的权重都是为0，但上海对安徽的影响程度与对新疆的影响程度肯定是不同，根据地理学第一定律，任何事物与它周围事物均存在联系，距离越近联系越紧密。因此选择空间地理距离来计算地理距离空间权重矩阵W1，其表达式为W1=1/d2 i≠j

0 i=j，其中d表示为两地区省会城市的地理位置的距离。但是W1仅仅反映地理邻近特征，这种表示空间权重矩阵是粗糙的，碳排放是经济活动产物，地区发展强弱对碳排放影响显著，通常经济发展高的地区碳排放量较多。因此，本文在空间权重矩阵加入经济基础，建立经济地理空间权重矩阵W，其表达式为：

W=W1diag（Y1 [Y]，Y2 [Y]，……Yn [Y]） （9）

其中W1表示地理距离空间权重矩阵，Yi=1/（t-t1+1）∑Yit 表示时间维度内第i省份资本存量平均值，Y=1/n（tm-t1+1）∑Yit表示时间维度内总物资资本存量均值。若一地区资本存量比重较大，它对周边影响程度也较大。资本存量数据同前文。

（三）空间相关性检验与模型选择

空间面板数据计量分析需要进行空间相关性检验。空间相关性指数Moran’s I和基于极大似然估计的Lmerro、Lmsar、Walds、Lratias统计量是检验空间相关性的重要指标。它们检验原假设均为H0：ρ=0或λ=0，由于构建这些相关性检验指标均针对截面数据，故不能直接运行，故本文采用对经济地理权重矩阵进行克罗内克积处理得到分块对角矩阵。如表3检验结果显示，所有的空间相关性的检验指标的概率值均远小于1%的显著性水平，说明了中国省域碳排放强度空间相关性非常显著，单纯选择普通面板计量模型是存在缺陷的，应该运用空间面板计量分析。选择何种空间面板模型则需要依据Anselin和Rey利用Monte Carlo模拟方法得到的结果，若Lmsar比Lmerro统计量更为显著，则需选择空间自回归模型。Lmsar统计值为2080.446远大于Lmerro统计值368.736，表明选择空间自回归模型更为合适。

（四）实证结果与分析

选定空间面板计量模型后需要确定是存在固定效应还是随机效应，因此需要进行固定效应和随机效应检验。其中固定效应采用对数似然比检验，即LR for FE检验。其原假设为不存在固定效应。若拒绝原假设则说明选择固定效应模型得到的结果更好。而随机效应检验采用LR for RE检验，若拒绝原假设则说明固定效应存在。为保证结果的稳定性，再进行Hausman检验，若拒绝原假设则选择随机效应模型。表4是空间面板模型SAR上述检验的结果。LR检验结果都在1%的显著水平下认为采用固定效应模型效果会更好，同时Hausman检验结果也进一步证实应该选择固定效应模型。

空间计量的固定效应模型有四类：无固定效应、空间固定效应、时间固定效应和空间时间双固定效应。如表5和表6是空间自回归模型和空间误差模型估计的结果。

由表5、表6发现，空间自回归模型和空间误差模型中，空间自回归系数和空间自相关系数均在1%的显著水平下通过了T检验，这表明我国30个省份的碳排放强度存在明显的空间相关性。所有估计的空间自回归系数和空间自相关系数均为正数，数值较大，说明各省份间碳排放强度体现为一种趋同效应，地区的碳排放强度不仅取决自身因素，还受邻近区域的碳排放强度的影响。这反映出，邻近省市的先进低碳技术及管理等具有辐射和示范功能，促进相邻省市的碳排放强度的降低，有利于碳减排。由于空间固定效应、时间固定效应和双固定效应条件下的空间自回归模型估计的LogL值大于相应的空间误差模型得到的估计值，所以选择空间自回归模型有更好的解释能力。且在空间自回归模型的四个模型中，双固定效应模型得到的R^2、LogL值有明显改进，且空间自相关系数也通过了显著性检验，故表明地区间既存在空间固定效应，也存在时间固定效应。

不论是空间自回归模型还是空间误差模型各估计系数数值大小有变化，但符号均保持不变，反映各因素对碳排放强度影响具有稳定性。低碳技术进步指数和人均GDP对碳排放强度影响为负的，有降低作用，而工业结构和城镇化率对碳排放强度影响为正，会增加碳排放强度。

综合以上模型来看，低碳技术进步指标对碳排放强度影响显著为负，绝对值较大，说明我国经济发展存在对碳排放强度影响的较大技术效应。低碳技术进步能有效地减低碳排放强度，确实是发展低碳经济的有效途径。随着经济的快速发展，节能减排等新技术新工艺会极大地被运用到生产生活中去。

经济发展指标系数为负，反映我国存在对碳排放强度产生影响的规模效应，效应较大。这主要是因为经济发展在导致碳排放量的增长对碳排放强度的正影响小于经济发展对碳排放强度的负面影响。本文测算，1997―2012年我国碳排放量年均增长近6.624%，比这期间的GDP的年均增速近10%明显要小，经济发展指标系数对碳排放强度的弹性为负值，应该是合理的。

产业结构（第二产业比重）对碳排放强度影响系数为正，数值较大，表明第二产业结构占比提高会导致碳排放强度提高，这也表明我国也存在结构效应。工业的发展对自然资源特别是能源的消耗依赖性很高，因而导致大量的碳排放。我国处于经济发展初级阶段，工业化进程不断推进，第二产业结构比重依然较大，这是导致我国碳排放强度居高不下的关键因素。

城镇化率对碳排放强度影响为正，主要是因为城镇化进程的推进会直接导致房地产业及相关产业的发展，这些产业消耗大量能源，导致碳排放增长，但同时也会加速GDP增长，对碳排放强度影响会有抵消部分，故影响系数相对不大。

三、结论及政策建议

本文运用一种包含非期望产出的混合距离函数的全局参比的Malmquist模型，估算出全国30个省份1997―2012年低碳技术进步指数，测算结果可以衡量全国与各省份低碳技术进步状况；进而根据“规模效应、技术效应和结构效应”三种途径影响环境质量理论，将低碳技术进步指标作为碳排放强度的“技术效应”影响因素纳入其中，同时考察了人均GDP、经济结构、城镇化率等因素，运用空间面板模型分析各因素对碳排放强度的作用方向和影响大小。得到以下结论：

1.1997到2012年期间低碳技术进步指数增长速度较慢，反映出这一时期我国经济增长表现为高投入、高排放、高污染、低效率的特征，但2006后低碳技术进步指数上升较快，这反映政府推进低碳经济发展是有效果的；1997到2012年期间低碳技术进步指数呈现东中西递减趋势，低碳技术进步表现为东部最好，中西部地区大部分低碳技术进步指数较低，表明低碳技术进步较慢，省际差别显著；但2006年后，中西部地区低碳技术进步明显加快，部分原因是学习东部地区低碳技术，这也反映我国发展低碳经济战略显现成效。

2.在城市化发展背景下，经济增长通过“规模效应、技术效应和结构效应”三种途径影响碳排放强度。不同影响因素对碳排放强度作用方向和大小不同。一是作为“技术效应”因素的低碳技术进步能有效地降低碳排放强度，且影响效应较大，验证“低碳技术进步是有效降低碳排放强度途径”的命题，同时反映出“低碳技术进步是发展低碳经济的有效途径”。二是“规模效应”因素的经济发展对碳排放强度影响为负，效应较大。三是“结构效应”因素的第二产业比重对碳排放强度影响为正，效应较大。四是城镇化率的提高对碳排放强度影响为正，但影响较小。此外，碳排放强度存在较强的空间相关性，这说明碳排放强度降低受到本地因素和相邻区域因素的共同影响。这说明，邻近省市的先进低碳技术及管理等具有辐射和示范功能，促进相邻省市的碳排放强度的降低。

根据结论，本文提出以下建议：1.健全低碳技术进步机制，促进低碳技术发展。继续实施节能减排技术专项行动计划，解决低碳的关键和共性技术问题；推动建立以企业为主体、产学研相结合的低碳技术创新与成果应用推广体系；加快健全低碳技术服务体系，推行合同能源管理，培育节能和环保服务市场，促进低碳服务产业化。2.各地区结合实地情况，有倾向性地加大鼓励节能减排技术创新与管理的政策力度，在加强低碳技术创新的同时，增强低碳技术管理水平。中西部地区要进一步学习东部地区低碳技术，加快低碳技术进步。特别是山西与甘肃等省份低碳技术落后，低碳技术进步增长潜力大，应加快引进吸收先进地区低碳技术，提高自身低碳技术水平。3.强化发展低碳经济方式， 推动产业结构优化升级，积极推行新型工业化之路，加大第三产业比重，积极发展服务业。4.考虑低碳要求，理性推进城镇化发展。应理性科学地推进城镇化发展，避免“”式的城镇化运动，造成碳排放等污染排放的急剧增加。城市发展布局应考虑企业集中布局、产业集群发展，推行清洁能源政策，有利于推进低碳技术进步与应用，为低碳经济发展提供低成本的外部条件。5.应该充分发挥邻近省市的低碳技术及管理等方面的辐射和示范功能，带动相邻省市的低碳技术水平的提高。

参考文献：

[1]张坤民.低碳世界中的中国：地位、挑战与战略[J].中国人口・资源与环境，2008，18（3）：1-7.

[2]蔡益泉.我国低碳产业的发展现状与对策思考[J].华东经济管理，2013，（4）：32-35.

[3]魏巍贤，杨芳.技术进步对中国二氧化碳排放的影响[J].统计研究， 2010， 27（7）：36-44.

[4]陈林， 罗莉娅.低碳经济理论及其应用：一个前沿的综合性学科[J].华东经济管理，2014，（4）：148-153.

[5] 袁富华.低碳经济约束下的中国潜在经济增长[J].经济研究，2010，（8）：79-89.

[6] 黄山， 吴小节，宗其俊. 中国制造企业低碳竞争力的来源及提升途径[J].华东经济管理，2013，（5）：42-46.

[7]Tone， K.， & Tsutsui， M. An epsilon-based measure of efficiency in DEA - A third pole of technical efficiency. European Journal of Operational Research[J].2010，（207），1554-1563.

第8篇：碳排放对经济发展的影响范文

关键词：碳排放 因素分解法 能源结构 能源效率

中图分类号：F124.5 文献标志码：A文章编号：1673－291X（2011）26－0144－04

在经济社会发展日益受到能源和环境制约的背景下，低碳经济作为应对全球气候变化、保障能源安全的基本途径和战略选择，正在全球范围内得到广泛认同。黑龙江省是能源大省，其要素禀赋结构决定了产业结构。以煤和石油为主的资源禀赋决定了其产业为以煤、石油等资源为主的重工业为支柱的产业，煤炭和石油在其能源消费结构中占有很大的比重。而且长期以来，能源生产以石油为主、能源消费以煤碳为主的能源结构以及煤炭能源的低效利用，使得黑龙江省无论是碳排放总量，还是人均碳排放量和单位GDP碳排放量在全国都处于较高位置。因此，结合黑龙江省情，系统分析碳排放影响因素、寻求减排之策显得尤为重要。

本文通过建立因素分解模型，采用对数平均权重Divisia分解法（Logarithmic Mean Weight Divisia Method，LMD），以碳排放量为研究对象，定量分析经济增长、能源结构以及能源效率对黑龙江省1990―2009年碳排放量的影响，剖析黑龙江省碳排放与其影响因素间的演化规律和可能态势，以便为黑龙江省经济可持续发展提供相应的理论支撑。

一、因素分解模型

因素分解法是研究碳排放的一个比较常用的方法。Ang BW[1]将中国工业部门碳排放分解成经济增长影响、产品结构影响以及能源利用效率影响三个影响因素；Shyamal Paula[2]将印度碳排放分解成GDP变化影响、产业结构影响、能源强度影响以及各能源碳排放影响四个因素；Malla Sunil [3]采用LMDI方法将终端能源消费相关的各部门碳排放量分解成经济增长、产业结构变动、技术进步、能源消耗结构变动四个影响因素。

本文借鉴Johan A[4]使用的碳排放量基本公式来分析黑龙江省碳排放量的影响因素，其基本公式如下：

C＝■iCi＝■i■×■×■×■×P （1）

其中C为碳排放总量；Ci为i种能源的碳排放量；E为一次能源的消费量；Ei为i种能源的消费量；Y为国内生产总值（GDP）；P为人口数量。

下面分别定义，各类能源排放强度Fi＝■，即消费单位i种能源的碳排放量；能源结构因素Si＝■，即第i种能源在一次能源消费中的份额；能源效率因素I＝■，即单位GDP的能源消耗；经济发展因素R＝■。由此，人均碳排放量可以写为：

A＝■＝■iFiSiIR （2）

式（2）显示，人均碳排放量A的变化来自于Fi（能源排放强度）的变化、Si（能源结构）的变化、I（能源效率）的变化和R（经济规模）的变化。

故第t期相对于基期的人均碳排放量的变化可以表示为：

ΔA＝At－A0＝■iFitSitItRt （3）

D＝■＝DFDSDIDRDrsd （4）

其中，ΔAF、DF为能源排放强度因素，ΔAS、DS为能源结构因素，ΔAI、DI为能源效率因素，ΔAR、DR为经济发展因素，ΔArsd、Drsd为分解余量。

式（3）中的ΔAF、ΔAS、ΔAI、ΔAR分别为各因素变化对人均碳排放量变化的贡献值，它们是有单位的实值。而式（4）中的DF、DS、DI、DR分别为各因素变化对人均碳排放量变化的贡献率。

对式（3）运用Ang BW[1]等人在1998年提出的对数平均权重Divisia分解法（Logarithmic Mean Weight Divisia Method，LMD）进行分解，各因素的分解结果如下：

ΔAF＝■iWiIn■；ΔAS＝■iWiIn■；

ΔAI＝■iWiIn■；ΔAR＝■iWiIn■；（5）

其中Wi＝■

所以：

ΔArsd＝ΔA－（ΔAF+ΔAS+ΔAI+ΔAR）

＝At-A0-■iWiIn■＝At－A0-■i（Ait -Ai0）＝0

对式（4）两边取对数，得到

InD＝InDF+InDS+InDI+InDR+InDrsd （6）

这里，对照式（3）和（6），可假设各项相应成比例，即

■＝■＝■＝■＝■＝■

假设■＝■＝M，则

DF＝exp（MΔAF），DS＝exp（MΔAS），

DI＝exp（MΔAI），DR＝exp（MΔAR）， Drsd＝1 （7）

二、黑龙江省碳排放的因素分析

（一）数据收集、估算与整理

国际原子能机构（IAEA）相关研究表明，在整个能源链的温室气体排放中，煤、石油和天然气等一次能源消费产生的温室气体最多。因此，结合公式（1）、（2）中各类能源排放强度Fi＝■和能源结构Si＝■，本文对黑龙江省总的碳排放量可采用以下公式进行估算：

C＝■iCi＝■i■×■×E＝■iFi×Si×E（8）

其中一次能源的碳排放强度系数 如表1所示，能源结构Si和一次能源的消费量E可参考黑龙江省统计年鉴能源与消费篇取得相关数据。

故根据公式（8）结合表1一次能源的碳排放强度系数 以及黑龙江省的一次能源消费的相关数据，可以估算出黑龙江省一次能源消费的碳排放量，如表2所示。

（二）因素分析

由于各类一次能源的碳排放强度系数 是固定值，即 =0， =1，故影响人均碳排放量的主要因素为能源结构变化、能源效率变化和经济发展变化。这三个主要影响因素按照公式（5）和公式（7）计算，结果见表3和图1。

从图1可以看出，黑龙江省人均碳排放量总体保持平稳增长，其中经济发展因素对人均碳排放的贡献值成正增长，说明长期以来黑龙江省的粗放型经济发展模式和以高能耗、高污染、高排放的重工业为主导的产业结构是人均碳排放量增长的主要因素；能源效率因素对人均碳排放的贡献值成负增长，说明黑龙江省近年来能源效率有所提高，成为抑制人均碳排放量增长的主要因素；能源结构因素对人均碳排放的贡献值变化不明显。特别指出的是：经济发展因素和能源效率因素对人均碳排放的贡献值趋势图和黑龙江省人均碳排放的曲线呈阶段性吻合状态。

黑龙江省人均碳排放量总体在不断增长，在1995―2003年呈现稳中有降的趋势，但2003年以后数值猛增。造成黑龙江人均碳排放量快速增长的主要因素是黑龙江经济的快速发展，特别是2004年年增长率接近了20%。在2002年之前，能源效率对人均碳排放的抑制作用贡献值小于经济发展对人均碳排放的贡献值，所以人均碳排放呈现不断上升趋势。在2003年以后，随着能源效率因素对抑制人均碳排放增长的速度明显赶不上经济发展因素对人均碳排放贡献值的快速增长，黑龙江省人均碳排放量大幅度上升。

人均碳排放曲线与能源结构变化曲线基本重合，说明能源结构的抑制作用对碳减排的贡献不大。主要因为黑龙江省在能源结构中仍以煤炭为主，煤炭在黑龙江一次能源中占67%以上，黑龙江人均碳排放量的能源结构对减少人均碳排放量的贡献值虽然在不断增加，但其贡献值不大。能源效率曲线一直处于基线以下且总体呈下降趋势，说明能源效率对碳排放有持续的抑制作用。因而，黑龙江人均碳排放的抑制作用主要来自能源效率的提高。但近年来，能源效率对降低黑龙江人均碳排放的贡献值与经济发展对增加人均碳排放的贡献值相比，其增长趋势明显趋缓，这直接导致近年来黑龙江人均碳排放的急剧增长。

为了强化各因素的可比性并且深入地分析各因素的作用，将其分为拉动因素和抑制因素，将抑制因素对黑龙江人均碳排放增加的贡献率（小于1）取倒数，成为对黑龙江人均碳排放降低的贡献率，然后比较拉动因素对拉动黑龙江省人均碳排放的贡献率与抑制因素对抑制黑龙江省人均碳排放的贡献率的变化趋势（见图2）。拉动因素是经济发展因素，抑制因素是能源结构因素和能源效率因素。

从图2中可以看出，经济发展因素对拉动黑龙江人均碳排放的贡献率呈现指数增长的趋势，并且拉动因素的贡献率曲线明显高于抑制因素曲线，说明经济发展的拉动贡献率远大于抑制因素的抑制贡献率，从而成为黑龙江省人均碳排放增长的主要因素。1995―2003年能源效率的抑制贡献率与经济发展拉动贡献率之间的差距逐渐缩小，使得黑龙江省人均碳排放量在2000年达到最小的0.992 6吨，但随后由于能源效率的抑制贡献率的减小和经济发展的拉动贡献率的增大，使得2003年以后，抑制贡献率与拉动贡献率之间的差距又不断扩大，导致了黑龙江省人均碳排放明显增长。

通过分析，1995―2003年间黑龙江人均碳排放的平稳增长主要是因为能源效率的提高引起的，但是随着2003年以后黑龙江省经济的高速发展，黑龙江省人均碳排放量在2003年后急剧增长，说明仅依靠能源效率的提高难以抑制经济发展引起的黑龙江人均碳排放。因此要大力优化黑龙江的能源结构，充分发挥能源结构因素对黑龙江人均碳排放的抑制作用。

三、结论及对策

通过以上的分析，本文得出以下结论：

1.1990―2009年，黑龙江省人均碳排放量整体大幅增长，其中1995―2003年增速趋缓，2003年以后呈快速增长态势。

2.经济增长因素是拉动黑龙江省人均碳排放量增长的主要因素，其作用效应远远大于能源效率和能源结构的抑制作用。伴随着黑龙江省经济的快速增长，其对人均摊排放量的拉动作用会逐步增大，这将使黑龙江省面临着巨大的减排压力。

3.能源效率因素是抑制黑龙江省人均碳排放量增长的主要因素，虽然在1990―2009年间对黑龙江省人均碳排放量的抑制作用明显，但在2003年以后与经济增长因素对黑龙江省人均碳排放量的拉动作用相比还远远不够。

4.能源结构因素对黑龙江省人均碳排放量的抑制作用不明显，主要因为长期以来黑龙江省能源消费结构以煤炭为主，而且煤炭消费在能源消费结构中的占比还有增长的趋势。

因此，黑龙江省要减少碳排放，还需要实行以下针对性的措施：

第一，优化产业结构，促进绿色产业发展。要在重化工领域进行资源整合，限制高碳产业发展，包括强制淘汰落后产能，完善主要工业耗能设备、机动车能效标准等，同时加快产品升级换代步伐。大力发展高新技术产业和现代服务业，不断提高第三产业在国民经济中的比重，以促进黑龙江省经济向内涵集约型转变。适当运用财政政策引导，鼓励并扶持绿色产品开发，包括信息产业、生态旅游、生态农业、新能源开发等产业，逐渐增大黑龙江省绿色产业的比重。

第二，优化能源结构，大力发展替代能源和可再生能源。低碳经济的实现形式是合理调整能源结构，提高能源利用效率，积极开发替代能源和可再生能源。开拓煤炭资源优质开发利用，提高天然气、水能、核能等清洁能源、优质能源和可再生能源的比重是提升能源结构的重要途径。要推动可再生能源发展的机制建设，培育增长稳定的可再生能源市场，改善健全可再生能源发展的市场环境与制度创新。要推进能源体制改革，建立有助于实现能源结构调整和可持续发展的价格体系。加大利用煤层气，大力普及天然气，高效地利用焦炉煤气。大力发展风能、太阳能、水电、生物质能等清洁能源，提高可再生能源的比例。积极开发新能源和可再生能源产品，如开发太阳能热水器、空气热水器、沼气热水器和沼气灶具等。

第三，提高能源效利用率，推广节能减排技术。低碳经济的发展需要低碳技术的支撑。加大节能技术的开发、引进、推广和应用，依靠科技进步，提高煤炭、石油、天然气等能源资源的利用率。重点推进高耗能领域的技术改造，将能源强度指标作为产业发展政策的重要量化指标，落实到产业发展战略、规划和工程设计、验收指标体系中。在能源生产和消费领域推广使用节能设备，提高能源转化效率，降低中间环节的消耗和浪费。开发推广节能技术，推进重点节能工程。对现有的中小燃煤锅炉实施技术改造，着重推进区域热电联产、节约和替代石油、建筑节能、绿色照明等节能工程。引导和支持企业研究开发节能工艺、设备和技术，建立和完善“产、学、研”相结合的科技创新体系，增强自主创新能力；鼓励节能公司的发展，推行合同能源管理和节能投资担保机制，为企业实施节能改造创造良好的政策环境。

收稿日期：2011-07-20

基金项目：黑龙江省自然科学基金项目（A201003）

作者简介：田立（1965-），男，山东莱阳人，副教授，管理学博士，从事金融市场、金融工程研究；郭舟洪（1987-），男，湖北洪湖人，硕士研究生，从事金融市场、金融工程研究。

参考文献：

[1] Ang B W，zhang F Q，Choi Ki-Hong.Factorizing Changes in Energy and Environmental Indicators through Decomposition，Energy[J].1998.（23）：489-495.

[2] Shyamal Paula.Rabindra Nath Bhattacharya.C02 Emission from Energy Use in India：A Decomposition Analysis[J].Energy Policy，2004，（32）：585-593.

第9篇：碳排放对经济发展的影响范文

1．1文献评述碳排放与城镇化之间的关系研究始于20世纪90年代，早期的研究大多基于截面数据展开。PARIKH等［1］采用83个发展中国家的截面样本数据进行研究，发现城镇化对碳排放具有显著正影响。YORK等［2］在截面计量模型中引入城镇化的二次项，利用137个国家1995年的数据研究了碳排放与城镇化之间的非线性关系，研究发现二次项的估计系数为正，但不显著。由于截面模型无法对个体异质性进行控制，因此学者们逐渐转为利用面板数据模型对该议题进行研究。面板数据的显著优点在于能够控制个体异质性对变量之间关系的影响，并且能够起到增加样本容量、降低多重共线性和克服部分内生性等作用。COLE等［3］采用面板数据模型研究了86个样本国家城镇化对碳排放的影响，发现碳排放与城镇化之间存在显著的正相关关系。FAN等［4］认为，收入水平会对碳排放与城镇化之间的关系造成影响，他按照世界银行的收入分组标准将198个国家的研究样本分组，发现只有低收入组中的城镇化水平对碳排放的影响是正向的，其他收入组的城镇化对碳排放的影响则是负向的，但只有高收入组的估计系数统计显著。此后，MARTNEZ－ZARZOSO等［5］将88个发展中国家分成3个收入水平组分别进行研究，发现在低收入组中，城镇化对碳排放具有显著正向促进作用，而在高收入组则具有显著负向抑制作用。即当经济发展达到一定水平时，城镇化发展会促进环境质量的改善。目前，我国正处于经济快速发展、城镇化进程加速推进、居民消费增长和升级的重要阶段，部分学者以我国作为研究对象，对我国碳排放与城镇化之间的关系进行了探讨。ZHANG等［6］研究发现，我国中部地区城镇化进程对碳排放的冲击效用大于东部。关海玲等［7］研究发现，我国城镇化水平与碳排放量之间存在长期稳定的均衡关系，城镇化水平每增长1％，碳排放量将相应地增长1．643％。杨文芳［8］认为，不同地区城镇化水平对碳排放的影响不同，发达地区的城镇化水平提高对二氧化碳排放的影响不明显。周五七等［9］研究发现碳排放与城镇化显著正相关，而赵红等［10］研究表明城镇化对碳排放的影响是负向的。由此可见，就我国碳排放与城镇化之间关系的研究尚未达成共识性结论。相比于国家整体层面碳排放的研究，对于生活碳排放与城镇化之间关系的研究还极为少见，且大部分都集中于研究城镇化对居民生活能源消费的影响。此类研究发现，全样本和低收入组条件下，城镇化与生活碳排放之间呈现U型曲线关系，中等收入组条件下为正相关关系，而高收入组条件下则为倒U型曲线关系［11～14］。另外，虽然也有部分研究探讨了生活碳排放问题，但仅仅涉及到生活碳排放的规模及其影响因素的指数分解等方面［15～18］。综上可见，关于城镇化与碳排放之间关系的研究还有进一步深入的空间：①考察视角多基于跨国数据或国别个案整体数据，忽略了不同国家之间因资源禀赋差异导致的碳排放与城镇化之间关系的差异，而国内研究仅限于讨论城镇化与碳排放之间的线性关系，对非线性关系鲜有探讨。②研究内容集中于探讨整体碳排放与城镇化之间的因果关系，至于城镇化对碳排放的影响具有什么样的特征以及具体如何实现等方面的探讨很少涉及，并且基于中国数据的经验研究还相当缺乏。③既有文献在采用收入分组来表征城镇化水平时，要么假设不同收入组别的国家（或地区）中的城镇化对碳排放具有相同的影响效用；要么按照一定分组准则将收入进行分组。前者没有考虑异质性对研究结论的影响，后者虽然考虑了收入水平差异对研究结论的影响，但收入分组是基于一定的主观条件得到，可能无法准确识别碳排放与城镇化之间真实的非线性关系。鉴于此，本研究将视角聚焦于还没有唤起人们应有关注和重视的生活碳排放，探讨城镇化与生活碳排放之间的关系，拟在对我国各地区生活碳排放进行估算的基础上，引入数据分组机制，在非线性框架下探讨生活碳排放与不同收入组别条件下的城镇化之间的互动机制。

1．2理论假说城镇化进程通过影响生产生活方式和土地利用类型，进而影响生活碳排放的变化，原因如下：①城镇化粗放型扩张导致大量农村人口向城市迁移，城市人口密度增大，新增加的城市人口在改善环境的同时因自身生活方式和消费方式（如住宅、交通、娱乐等）发生改变而消耗掉了更多的化石能源，这将带来更高的生活碳排放水平；但同时人口集聚又使得人均化石能源利用效率提高，进而影响生活碳排放。如家用小汽车的普及无疑将造成碳排放的增加，而大规模公共交通的发展也将大大降低人均生活碳排放量［19］。②城镇化进程始终伴随着农村地域向非农村地域转化、农业活动向非农业活动转化。随着城市规模的扩张，一方面，非农活动增加、大量城市建筑与公共基础设施建设都将带来大量的碳排放；另一方面，城镇化产生的规模经济效应将促进产业、要素等快速集聚，有利于知识溢出和技术进步，这些进步与创新会促进清洁技术和新能源的发明和应用，从而为生活碳排放的集中控制和治理提供了方便和可能。③城镇化意味着由农业为主的传统乡村社会向以现代工业和服务业为主的高质量城市社会转变，随着城镇化的深层次演进，城市多元化的劳动力市场有利于降低长期的人口膨胀速度，城市文明将更广泛传播，技术水平将进一步提高，这些也将对生活碳排放产生抑制作用。通过以上分析，可以看出城镇化对生活碳排放的影响是双重的，即城镇化“规模效应”所带来的促进作用和城镇化“质量效应”所带来的抑制作用。城镇化过程中，当“质量效应”占主导时，城市的生活能源消耗与生活碳排放将随之降低，促进城市朝着更加“绿色”的方向发展；反之，当“规模效应”占主导时，城市生活能源消耗与生活碳排放将不断增加。因此，城镇化对生活碳排放的影响取决于两者共同作用的结果。城镇化水平低，经济发展水平低，意味着较低的生产率水平，粗放型生产方式占主导，对应的城镇化可能只是简单的人口集聚，从而在促进了居民各项能源消费的同时，增加了生活碳排放；高城镇化水平所带来的高经济社会发展水平意味着较高的生产率水平、资源利用水平和城市居民更加绿色、低碳的生活方式和消费方式，城市集约发展模式将得到较好体现，从而实现生活碳排放下降。基于此，提出如下假设：假设1城镇化对生活碳排放的影响存在门槛效应，当城镇化水平处于较低水平区间时，其对生活碳排放的影响主要表现为促进作用；当城镇化水平越过发展门槛，向较高水平区间迈进时，其对生活碳排放的影响主要表现为抑制作用。此外，宏观经济变量往往都具有不同程度的路径依赖特征，当期生活碳排放也可能会受到前期生活碳排放的影响，为此，提出假设：假设2城镇化进程引致的居民生活碳排放具有路径依赖特性，前期生活碳排放显著影响当期生活碳排放。

2实证模型构建与数据说明

2．1实证模型构建本研究以环境经济领域广泛应用的STIR－PAT模型［20］为基础，构建检验城镇化与生活碳排放之间关系的实证模型。STIRPAT模型的基本形式。由于碳排放具有路径依赖的惯性特征，是一个连续的动态调整过程［21］，即上期生活碳排放将会显著影响本期生活碳排放，模型中应反映这个动态调整过程。此外，式（2）中的自变量与因变量之间的关系是线性的，而环境库兹涅茨假说认为经济发展与环境污染之间存在倒U型的非线性关系，因此本研究借鉴YORK等［2］的做法，进一步对STIRPAT模型进行拓展，在考虑动态调整过程的式（2）基础上中加入收入的二次项（lnP2git），以检验生活碳排放与收入是否存在环境库兹涅茨曲线关系。

2．2数据来源与处理（1）生活碳排放量测算世界银行报告指出，化石能源消费产生的碳排放占主要碳排放源燃烧产生的碳排放总量的70％以上；而我国对煤炭资源依赖性很大，煤炭燃烧产生的碳排放总量占总排放的85％以上［25］。因此本研究的生活碳排放依据化石能源消费估算得到，不包括其他有机植物燃烧所产生的二氧化碳。具体依据IPCC提供的计算方法估算《中国能源统计年鉴》的能源消费分类在煤炭、石油和天然气栏目仅对各二次能源的消费量进行了简单加总，并未做相应的等量调整，因此无法依据3种汇总能源的消费量准确估算生活碳排放，应依据对应的二次能源的具体分类按各自的碳排放系数计算碳排放量。为确保尽可能准确估算生活碳排放，选取原煤、洗精煤、其他洗煤、型煤、焦炭、焦炉煤气、原油、汽油、煤油、柴油、燃料油、天然气、液化天然气等19种化石能源计算生活碳排放，对应的碳排放系数来自于相应的文献和机构给出的参数值。其中，原煤、洗精煤、其他洗煤的碳排放系数参考财政部财政科学研究所课题组［26］，并依据《中国温室气体清单研究》对碳氧化率进行相应调整；转炉煤气的碳排放系数以焦炉煤气的碳排放系数代替；其他煤气的碳排放系数以《中国温室气体清单研究》中“其他气体”的碳排放系数代替；其他化石能源的碳排放系数结合IPCC和《中国温室气体清单研究》计算得到［27］。本研究估算了1997～2011年除以外的30个省市的生活碳排放，个别省份缺失的能源消费数据用插值填补。图1为各地区生活碳排放的时间趋势图。由图1可见，大部分的省市生活碳排放总量均有增长，其中广东、内蒙古、山东的增长幅度较为明显，说明这些地区居民生活较为依赖化石能源；宁夏、青海、海南等地区的生活碳排放量增长则较为平缓，说明这些地区的居民生活对化石能源的依赖程度较低。（2）其他变量选取及来源本研究所涉及的变量共4个，其中因变量为生活碳排放，自变量为城镇化水平（C）、人口总量（Po）和人均地区生产总值（Pg）。其中Ci采用非农业人口占总人口比重计算得到，数据来源于历年《中国统计年鉴》、《新中国六十年统计资料汇编》和各地区统计年鉴，Po和地区生产总值（G）数据来源于历年《中国统计年鉴》，GDP以2000年为基期进行价格调整。各指标的描述性统计见表1。

3参数估计与结果分析

3．1动态面板门槛模型估计结果由于大多数回归模型中的收入分组基于特定分组条件得到，具有一定的主观性，可能导致系数估计结果产生偏误；而收入分组门槛值由样本数据决定，可以内生的决定存在异质性差异的“高收入”和“低收入”组别，且相比于按一定标准的收入分组，其对异质性的识别更有效，再加上宏观变量多具有时间依赖性，因此，本研究最终在动态面板门槛模型框架下估计碳排放与城镇化之间的非线性关系。估计结果见表2，其中模型1并未加入收入二次项，模型2则考虑了收入的二次项影响。两个模型的估计均显示，城镇化对生活碳排放的影响存在门槛效应：当收入低于门槛值时，影响为正，城镇化发展将促进生活碳排放增加；当收入越过门槛值时，影响为负，城镇化发展对生活碳排放具有负向抑制作用，两个模型的估计结果均验证了假设2。按照模型设定从一般到特殊的准则，本研究仅就模型2的估计结果进行解释。模型2中的收入门槛值为25720．098，说明在这个门槛值区分的两个收入水平区间中，城镇化对生活碳排放的影响存在显著差异，具体表现为：①当收入水平小于门槛值时，城镇化与生活碳排放之间的关系为正，系数估计大小为0．146，说明城镇化上升1个百分点时，平均而言会使得生活碳排放减少约0．15个百分点，低收入地区城镇化的集聚效应所产生的生活碳增排效应大于资源利用效率提高所带来的减排效应，城镇化发展并不能抑制生活碳排放；②当收入水平越过门槛值时，城镇化对生活碳排放的影响效应显著为负，具体表现为当城镇化上升一个百分点时，平均而言碳排放减少约0．5个百分点，高收入条件下城镇化的集聚效应所产生的碳增排效应小于资源利用效率提高所带来的减排效应，城镇化发展的同时能够抑制生活碳排放。此外，其他系数中，生活碳排放滞后项的系数估计结果显著为正，表明生活碳排放具有显著的时间依赖性，支持假设1。人口变量的系数估计结果不显著，人均GDP及其二次项系数估计表明，碳排放与收入之间存在正U型关系曲线。本研究还基于全国样本条件和世界银行收入分组①标准条件分别对城镇化与生活碳排放之间的关系进行了估计，以便与本研究的估计结果进行对比。表3为对应的估计结果，其中第1～3列为全样本条件下的估计结果，后6列为收入分组条件下的估计结果；OLS为混合最小二乘估计，FE为固定效应的估计结果，IV为工具变量估计结果。全样本条件下的估计结果显示城镇化对生活碳排放的影响效应为正，城镇化进程将会对生活碳排放产生正的冲击效应，但只有OLS估计框架下显著，说明这种正向冲击效应并不明显。在收入分组条件下，城镇化对生活碳排放的冲击效应正负交替，且多数不显著，说明主观收入分组并不能识别城镇化与生活碳排放之间的非线性关系，甚至可能出现参数估计偏误。此外，在全样本和收入分组条件下，人均GDP的二次项均显著为正，说明生活碳排放与收入之间的U型曲线关系比较稳健。人口变量的参数估计在OLS估计框架下显著为正，而在固定效应和IV估计框架下并不显著，说明人口变量对应的参数估计结果并不稳健，这可能是多重共线性所引起的②。

3．2门槛效应地区差异统计分析表4为1997～2011年全国30个省市每年的人均GDP大于门槛值的省市与地区门槛越过率（越过门槛的省市数／总数）。由表4可知，1997年没有一个省份的人均GDP超过门槛值（25720元），说明就当年的样本而言，所有省市的城镇化发展对生活碳排放均具有促进作用，城镇化发展的集聚效应所产生的巨大增排效应大于资源利用效率提高所带来的减排效应，所以，城镇化在发展的同时伴随着生活碳排放的增加。此后，随着上海率先于1998年跨越门槛值，北京于2001年跨越门槛值，接下来的年份均有部分省市相继跨越门槛值，进入城镇化发展质量提升行列，这些省市由于资源利用效率提高所带来的减排效应大于城镇化聚集效应所引起的增排效应，使得城镇化对生活碳排放产生抑制作用，即城镇化发展伴随碳排放减少。但截至到2011年，全国跨越门槛值的省市还只有12个，仅占考察地区总数的40％，这一方面表明我国生活碳排放还有很大的抑制空间；另一方面，也意味着我国各地区城镇化进程大部分还处于规模粗放型扩张阶段。因此，可以预见的是，在当前或今后相当长的一段时期内，我国城镇化的快速发展还将伴随着生活碳排放的增长。进一步比较发现，跨过门槛值的省市多分布在东部地区，说明城镇化发展的减排效应最先从东部地区开始，这也符合我国经济发展特点，即东部经济发展水平普遍高于中西部，从而最先跨过门槛值。

4结论与政策建议

本研究首先对我国各省市居民生活能源消费产生的碳排放进行了估算，然后采用动态面板门槛模型就城镇化对生活碳排放的非线性影响效应进行了估计。实证检验结果均支持本研究提出的两个研究假设。具体的研究结论为：①城镇化与生活碳排放之间关系存在门槛效应，这种门槛效应依据收入水平的差异来体现，当收入水平小于门槛值时，城镇化对生活碳排放的影响表现为促进，属于不可持续的城镇化发展模式；当收入越过门槛值时，城镇化对生活碳排放的影响表现为抑制，为可持续的城镇化发展模式。②当期生活碳排放受上期生活碳排放的影响，具有显著的时间依赖性。生活碳排放与收入之间存在正U型曲线关系，而人口变量对生活碳排放的影响不显著。③各地区城镇化发展对生活碳排放影响的地区差异显著。考察期间，我国东部地区部分省市城镇化发展因受限于经济发展水平跨越了门槛值而对生活碳排放产生抑制作用，但其他大部分省市城镇化发展因经济发展水平无法实现对相应门槛值的跨越，从而未能对居民生活碳排放产生抑制作用。上述结论，为推动我国城镇化质量提升进而促进生活碳减排提供了有益的政策启示：①对城镇化与生活碳排放之间关系的认识应跳出线性分析范式，关注它们之间的“门槛效应”，适当根据城镇化发展的不同阶段来合理制定生活碳减排政策，使城镇化进程中的生活碳减排更具针对性；同时高收入水平下的城镇化发展属于质的发展，能够对生活碳排放产生抑制作用。由此，维持经济的稳定强劲发展，促使收入跨越门槛值，实现城镇化发展从“量”到“质”的跨越，无疑是实现生活碳减排的重要一环，也将为总体碳减排目标的实现做出积极贡献。②实现城镇化进程中的节能减排，转变经济发展方式固然是其重要的一面，但是也离不开居民生活方式和消费模式的低碳转型。由此，城镇化过程中，更应该注重积极倡导居民生态文明、低碳生活理念，积极探寻低碳经济融入平常百姓家的各种途径，注重引导居民在饮食、服饰、日用品、建筑、交通、心理、行为等方面抵制奢侈浪费和旧有生活陋习，改变居民过度追求物质享受的消费理念和高碳消费方式，从绿色、低碳角度把人们对提高生活质量的需求引向正确的方向，从根本上实现“人的城镇化”。③鉴于各地区城镇化发展对生活碳排放的影响差异，有必要实行地区生活碳排放平衡与监督机制，将生活碳减排目标具体分解落实到各地区，鼓励各地区积极探寻自身城镇化建设与生活碳减排的平衡点，切实降低城镇化进程中的生活碳排放。④由政府统一规划所控制的城市空间结构，无疑也是影响居民行为、改变生活碳排放水平的一条重要途径。