供給側(cè)結(jié)構(gòu)性改革下中國(guó)碳排放量潛在增長(zhǎng)率估算

譚靈芝

(重慶工商大學(xué)人口發(fā)展與政策研究中心，重慶 4000672)

長(zhǎng)期以來，我國(guó)經(jīng)濟(jì)增長(zhǎng)多依靠低成本環(huán)境要素投入和高耗能產(chǎn)業(yè)發(fā)展模式驅(qū)動(dòng)，以需求側(cè)為主的產(chǎn)能過剩所引致的碳排放高企現(xiàn)狀一直未得到改善。在這一背景下， “供給側(cè)結(jié)構(gòu)性改革”為我國(guó)經(jīng)濟(jì)轉(zhuǎn)型和碳減排提供了新思路。通過供給側(cè)改革促進(jìn)有效供給，改善高碳經(jīng)濟(jì)結(jié)構(gòu)，才能達(dá)到基于需求側(cè)與供給側(cè)的增長(zhǎng)質(zhì)量和效益雙提升，實(shí)現(xiàn)經(jīng)濟(jì)低碳發(fā)展。

我國(guó)針對(duì)經(jīng)濟(jì)增長(zhǎng)與碳排放量之間關(guān)系研究由來已久。陳詩(shī)一等[1]、劉華軍等[2]等證實(shí)GDP增長(zhǎng)是我國(guó)碳排放增長(zhǎng)的主要原因。林伯強(qiáng)等發(fā)現(xiàn)人均 GDP 和能源強(qiáng)度是影響碳排放最主要因素[3]。武紅等則認(rèn)為，高碳排放推動(dòng)了我國(guó)經(jīng)濟(jì)增長(zhǎng)，但經(jīng)濟(jì)增長(zhǎng)并未導(dǎo)致明顯的碳排放增加[4]。王娟等證明我國(guó)人均碳排放增長(zhǎng)率與人均GDP增長(zhǎng)率正相關(guān)，且省區(qū)間排放差距的關(guān)鍵因素是工業(yè)化進(jìn)程與貿(mào)易開放度[5]。邵帥等發(fā)現(xiàn)投資規(guī)模是導(dǎo)致制造業(yè)碳排放增加的首要因素，投資碳強(qiáng)度和產(chǎn)出碳強(qiáng)度是引致碳排放減少的關(guān)鍵因素[6]。

近年來，一些研究者對(duì)我國(guó)未來碳排放趨勢(shì)進(jìn)行了預(yù)測(cè)，以期制定更為有效的碳減排政策。姜克雋等借助IPAC(Integrated Policy Assessment Model in China，中國(guó)政策綜合評(píng)價(jià)模型)對(duì)中國(guó)2050年前碳排放進(jìn)行預(yù)測(cè)，認(rèn)為碳排放在2025年之前達(dá)到峰值，2030年開始下降，2050年時(shí)則回到2005年的排放水平[7]。劉朝等認(rèn)為到2050年三種情境下(BS,LCS,FLCS)，我國(guó)碳排放總量將達(dá)到31.93、25.92和36.08億噸[8]。滕欣等應(yīng)用離散二階差分方程，預(yù)測(cè)中國(guó)2020年碳排放量將達(dá)133.4億噸[9]。代如鋒等預(yù)測(cè)了低排放、基準(zhǔn)和高排放3種情景下，2030年我國(guó)碳排放量將分別達(dá)到142.68、155.41和170.09億噸[10]。

上述研究多從需求側(cè)角度分析經(jīng)濟(jì)增長(zhǎng)等對(duì)碳排放量影響，并提出解決思路。但從現(xiàn)實(shí)結(jié)果看，從需求側(cè)出發(fā)的碳減排政策難以從根源上降低碳排放量，與供給效率脫節(jié)的過度投資、過度消費(fèi)在部分地區(qū)反而出現(xiàn)越管制排放量越高的現(xiàn)象。加之碳排放的歷史累積性，即使經(jīng)濟(jì)增長(zhǎng)放緩，上一期碳排放依然對(duì)下一期產(chǎn)生正向影響。由此可知，基于需求側(cè)視角發(fā)展經(jīng)濟(jì)，又希冀降低碳排放量在現(xiàn)實(shí)中難以奏效。

另一方面，我國(guó)每一次經(jīng)濟(jì)復(fù)蘇刺激計(jì)劃，多是在政府干預(yù)下完成。這種市場(chǎng)和政府的錯(cuò)配極易造成低效投資和產(chǎn)能過剩。新增產(chǎn)能在缺乏有效碳排放監(jiān)管和GDP導(dǎo)向的考核體制下，碳排放量高速增長(zhǎng)。較為典型如2008年的四萬億經(jīng)濟(jì)刺激計(jì)劃。金融危機(jī)之后，由于更為嚴(yán)重的產(chǎn)業(yè)過剩，我國(guó)工業(yè)領(lǐng)域的碳排放量并未因經(jīng)濟(jì)增速放緩而降低。

目前關(guān)于供給側(cè)改革仍存一些誤區(qū)，例如，一些地區(qū)認(rèn)為供給側(cè)改革就是關(guān)閉相關(guān)產(chǎn)業(yè)，為改革而改革。實(shí)際上，供給側(cè)結(jié)構(gòu)性改革的核心是經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整和經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)變，通過提高供給結(jié)構(gòu)的適應(yīng)性和靈活性，提高全要素生產(chǎn)率[11]。這也意味著我國(guó)碳減排必須結(jié)合經(jīng)濟(jì)增長(zhǎng)方式的轉(zhuǎn)變而實(shí)現(xiàn)，必須立足于有效供給才能真正降低碳排放量。

此外，鑒于經(jīng)濟(jì)發(fā)展水平和資源稟賦的差異，不同地區(qū)在供給側(cè)結(jié)構(gòu)性改革目標(biāo)下，碳排放總量也有所差異。因此，本文估算了全國(guó)層面碳排放量變化，還分別從省級(jí)層面對(duì)潛在碳排放增長(zhǎng)率進(jìn)行估算，嘗試尋找適合不同區(qū)域特征的碳減排路徑。

1 碳排放潛在增長(zhǎng)率估算方法及數(shù)據(jù)來源

1.1 估算方法

從現(xiàn)有文獻(xiàn)看，潛在增長(zhǎng)率估算多以經(jīng)濟(jì)潛在增長(zhǎng)率分析為主。目前針對(duì)經(jīng)濟(jì)潛在增長(zhǎng)率的方法主要有濾波分析、生產(chǎn)函數(shù)法和菲利普斯曲線法[12]。本文根據(jù)產(chǎn)業(yè)結(jié)構(gòu)、GDP核算方法和我國(guó)供給側(cè)結(jié)構(gòu)性改革重點(diǎn)，采用生產(chǎn)函數(shù)法進(jìn)行估算。

首先構(gòu)建擴(kuò)展的柯布-道格拉斯生產(chǎn)函數(shù)：

Y=ACα(t)Iβ(t)Eδ(t)eμ

(1)

其中，Y為第t年i地區(qū)碳排放總量，A代表技術(shù)發(fā)展水平，C、I和E分別表征消費(fèi)、投資和凈出口的碳排放量。α(t)、β(t)和δ(t)分別為消費(fèi)碳排放邊際產(chǎn)出彈性，投資碳排放邊際產(chǎn)出彈性和凈出口碳排放邊際產(chǎn)出彈性。進(jìn)一步，對(duì)生產(chǎn)函數(shù)進(jìn)行擴(kuò)展：

(2)

式(2)可以較好地將結(jié)構(gòu)特征內(nèi)生于生產(chǎn)函數(shù)中，分析碳排放結(jié)構(gòu)變動(dòng)對(duì)產(chǎn)出彈性影響。其中，αi為i類消費(fèi)碳排放產(chǎn)出彈性，ci為i類消費(fèi)碳排放占全部消費(fèi)碳排放的比重。βi為j類投資中的碳排放產(chǎn)出彈性，ij代表j類投資碳排放量在全部投資碳排放量比例。δq為q類凈出口碳排放產(chǎn)出彈性，eq表示q類凈出口碳排放占全部?jī)舫隹谔寂欧帕勘戎亍?/p>

按照統(tǒng)計(jì)口徑，消費(fèi)部門劃分為居民消費(fèi)(農(nóng)村居民消費(fèi)和城鎮(zhèn)居民消費(fèi))及政府消費(fèi)。投資分為固定資本投入和存貨變動(dòng)。根據(jù)以上分類，式(2)調(diào)整為：

Y=AλCα1c1+α2c2Iβ1i1+β2i2Eδe

(3)

式中，c1和c2分別為兩類消費(fèi)的碳排放量比重，i1和i2為兩類投資的碳排放量比重。對(duì)式 (3)求導(dǎo)：

δqeqlogE+μ

(4)

1.2 數(shù)據(jù)來源

鑒于碳排放的多源性和自下而上統(tǒng)計(jì)的復(fù)雜性，我國(guó)尚無官方統(tǒng)計(jì)數(shù)據(jù)。參考IPCC給出的碳排放計(jì)算方法，以我國(guó)主要能源(煤炭、石油和天然氣)消耗量為基礎(chǔ)計(jì)算所得。計(jì)算公式為[13]：

(5)

式中，TCit為第t年i類碳排放總量，ECit代表煤炭、石油和天然氣等不同類型能源消費(fèi)量。NCVit、CCit和COFit分別為第i類能源的平均低發(fā)熱量、含碳量和氧化因子。44/12為CO2分子與C元素質(zhì)量比。通常而言，碳排放系數(shù)=CVit×CCit×COFit，則碳排放系數(shù)為碳排放系數(shù)的3.67倍(44/12)。采用牛海霞對(duì)碳排放系數(shù)估算結(jié)果，煤炭、石油、天然氣的碳排放系數(shù)分別為0.733、0.557和0.423[14]。

根據(jù)式(5)計(jì)算所得碳排放量總指數(shù)計(jì)算碳排放量平減指數(shù)?？偺寂欧帕恐笖?shù)(上一年指數(shù)=100)計(jì)算公式為：

(6)

其中，TCI為總碳排放量指數(shù)，TC為名義碳排放總量，TCD為碳排放總量的平減指數(shù)，t代表年度。此時(shí)，碳排放總量平減指數(shù)環(huán)比指數(shù)公式為：

(7)

以2000年為基期年，將各時(shí)期環(huán)比指數(shù)連乘可得定基指數(shù)。最終以名義碳排放總量除以碳排放量平減指數(shù)(2000=100)可得實(shí)際碳排放總量。

技術(shù)投入選取各地區(qū)不變價(jià)格的技術(shù)市場(chǎng)成交額進(jìn)行計(jì)算[15]。數(shù)據(jù)主要來自于2000—2016年 《中國(guó)能源統(tǒng)計(jì)年鑒》 《中國(guó)統(tǒng)計(jì)年鑒》，并均以2000年為基期進(jìn)行平減。

2 碳排放量潛在增長(zhǎng)率估算：全國(guó)層面

2.1 面板數(shù)據(jù)回歸

根據(jù)式(1)，采用面板固定效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行回歸分析。由于計(jì)算最終碳排放量可能會(huì)產(chǎn)生一定效率損失，同時(shí)借助面板隨機(jī)前沿模型進(jìn)行討論(見表1)。

表1 面板數(shù)據(jù)回歸結(jié)果

續(xù)表1

注：***1%水平上顯著；**5%水平上顯著；*10%水平上顯著。括號(hào)內(nèi)為標(biāo)準(zhǔn)差,下文亦同。

由Hausman無偏檢驗(yàn)結(jié)果可知，P值為0，拒絕了隨機(jī)效應(yīng)模型，因此，最終采用固定效應(yīng)模型進(jìn)行分析。此外，R2為0.929，各變量系數(shù)均顯著(存貨變動(dòng)影響極小，可以忽略)，說明模型擬合效果較好。SFA模型與固定效應(yīng)模型估計(jì)結(jié)果接近，即估計(jì)結(jié)果是穩(wěn)健的。

由表1可知：技術(shù)投入對(duì)碳排放量變動(dòng)呈負(fù)向顯著性影響，但其產(chǎn)出彈性相對(duì)較小。說明與產(chǎn)業(yè)發(fā)展和環(huán)境保護(hù)相關(guān)的技術(shù)進(jìn)步能較好地降低碳排放量，但依靠技術(shù)進(jìn)步促進(jìn)碳減排仍顯不足。其次，三個(gè)要素投入變化對(duì)碳排放量影響為正，其中，固定資本投入對(duì)碳排放產(chǎn)出彈性影響最為顯著，消費(fèi)影響最小。且在消費(fèi)構(gòu)成中，政府消費(fèi)的影響高于居民消費(fèi)。

2.2 要素產(chǎn)出彈性變化與增長(zhǎng)因素分析

進(jìn)一步將表1估計(jì)結(jié)果與各要素結(jié)構(gòu)比重相乘，可得年度要素彈性變化程度(見表2)。

表2 2000—2016年各要素產(chǎn)出彈性變動(dòng)情況

根據(jù)表2，F(xiàn)E和SFA模型在整個(gè)研究期呈現(xiàn)較為一致的變化趨勢(shì)：第一，在2000—2005年，凈出口和投資產(chǎn)出彈性差距并不顯著。2005年之后，投資產(chǎn)出彈性增長(zhǎng)迅速，逐漸遠(yuǎn)超凈出口和消費(fèi)。從三個(gè)要素間巨大差別基本可以判斷，投資是長(zhǎng)期以來我國(guó)碳排放量增長(zhǎng)的主要來源；第二，消費(fèi)產(chǎn)出彈性逐年增加。凈出口和投資產(chǎn)出彈性出現(xiàn)緩慢下降態(tài)勢(shì)。2009年之后，在國(guó)家消費(fèi)刺激和國(guó)際經(jīng)濟(jì)危機(jī)尚未緩解的背景下，消費(fèi)產(chǎn)出彈性開始高于凈出口。

結(jié)合要素產(chǎn)出彈性變化程度和要素增長(zhǎng)率能較好獲知我國(guó)碳排放量增減變化情況(見圖1)。從圖1可知，投資產(chǎn)生的碳排放量自2011年后出現(xiàn)下降，但仍高于消費(fèi)和凈出口之和。其中2008年金融危機(jī)之后，源于政府一系列經(jīng)濟(jì)刺激措施，投資對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)率達(dá)到新高[16]。2008—2011年投資對(duì)碳排量貢獻(xiàn)率則為114%，高于對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)率(101%)。凈出口碳排放量自2008年后逐步下降，但2015年略有回升。這與我國(guó)2015年外貿(mào)凈出口大幅增長(zhǎng)有關(guān)，已超過2007年最高值，但碳排放量卻遠(yuǎn)低于該年度。表明我國(guó)出口貿(mào)易結(jié)構(gòu)更為優(yōu)化，傳統(tǒng)低附加值、高碳排放產(chǎn)品出口減少，高技術(shù)含量的低碳產(chǎn)品出口增加。消費(fèi)則以相對(duì)較高的增速促進(jìn)了碳排放量增長(zhǎng)。特別是2008年后，消費(fèi)引致的碳排放量增速明顯，但仍遠(yuǎn)小于投資。事實(shí)上，消費(fèi)對(duì)碳排放量的貢獻(xiàn)并不在于消費(fèi)增加，根本仍源于消費(fèi)結(jié)構(gòu)和消費(fèi)效率兩方面：消費(fèi)人口從農(nóng)村向城市遷移的城市化，從消費(fèi)結(jié)構(gòu)與資源配置角度提高了消費(fèi)的碳排放量；其次，政府消費(fèi)在總消費(fèi)比例不高，但對(duì)碳排放量的貢獻(xiàn)率較高，說明政府消費(fèi)效率相對(duì)較低，導(dǎo)致消費(fèi)對(duì)碳排放量的貢獻(xiàn)率增加。此外，從我國(guó)GDP構(gòu)成可知，盡管消費(fèi)對(duì)GDP的貢獻(xiàn)高于投資，但其對(duì)碳排放量的貢獻(xiàn)率遠(yuǎn)小于投資。上述結(jié)果再次確定了我國(guó)是投資驅(qū)動(dòng)型的碳排放增長(zhǎng)，經(jīng)濟(jì)結(jié)構(gòu)不盡合理。

圖1 2000—2016年各要素碳排放增長(zhǎng)率變化趨勢(shì)

2.3 潛在碳排放量增長(zhǎng)率估算結(jié)果：2000—2016年

進(jìn)一步估算潛在碳排放增長(zhǎng)率結(jié)果可知(見表3)，整個(gè)研究期潛在經(jīng)濟(jì)增長(zhǎng)率與潛在碳排放量增長(zhǎng)率為同步性，但潛在碳排放增長(zhǎng)率遠(yuǎn)高于潛在經(jīng)濟(jì)增長(zhǎng)率。其中，2000—2011年潛在碳排放增長(zhǎng)率增長(zhǎng)明顯，由2000—2007年均13.11%升至2008—2011年的33.97%，遠(yuǎn)超同期潛在經(jīng)濟(jì)增長(zhǎng)率。2011年后，潛在碳排放增長(zhǎng)率呈下降態(tài)勢(shì)，2012—2016年，已降至年均11.1%，但仍高于潛在GDP增長(zhǎng)率。表明我國(guó)經(jīng)濟(jì)增長(zhǎng)結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)不合理性在相當(dāng)長(zhǎng)時(shí)間內(nèi)會(huì)導(dǎo)致潛在碳排放量增長(zhǎng)率與潛在經(jīng)濟(jì)增長(zhǎng)率的較大差距。這也意味著，我國(guó)長(zhǎng)期采用的需求側(cè)管理政策解決經(jīng)濟(jì)周期出現(xiàn)的碳排放量波動(dòng)并非合適。

另一方面，2015年之后，化解產(chǎn)能過剩成為供給側(cè)結(jié)構(gòu)性改革的首要任務(wù)，這些都對(duì)潛在碳排放增長(zhǎng)率變動(dòng)產(chǎn)生了顯著影響。表2、表3顯示，2012—2016年潛在碳排放增長(zhǎng)率較2008—2011年相比年均下降近20%，但根據(jù)郭豫媚等估算，同期潛在經(jīng)濟(jì)增長(zhǎng)率降幅僅為1.4%。說明我國(guó)經(jīng)濟(jì)結(jié)構(gòu)有向好趨勢(shì)。從構(gòu)成結(jié)構(gòu)看，碳排放量潛在增長(zhǎng)率下降較為顯著的直接原因在于投資所導(dǎo)致的碳排放量下降明顯。盡管投資量仍在增加，但投資結(jié)構(gòu)趨向合理，又因再生能源科技進(jìn)步，加上政策翻轉(zhuǎn)，能源市場(chǎng)對(duì)碳排放量的變化也產(chǎn)生顯著影響。例如2012年后，新電力供應(yīng)中接近半數(shù)來自再生能源，使得來自能源供給領(lǐng)域的碳排放總量顯著下降。

盡管消費(fèi)對(duì)碳排放量增長(zhǎng)貢獻(xiàn)率增加，但內(nèi)部結(jié)構(gòu)發(fā)生改變。十八大之后的持續(xù)反腐和一系列對(duì)公權(quán)的限制，政府消費(fèi)增長(zhǎng)率低于居民消費(fèi)增長(zhǎng)率，且消費(fèi)結(jié)構(gòu)向低碳化、綠色化發(fā)展，都促進(jìn)了潛在碳排放量的減少。另外，凈出口貿(mào)易逐漸向好，但潛在碳排放量并未顯著增長(zhǎng)，表明我國(guó)凈出口貿(mào)易逐漸向中高端發(fā)展。

此外，2012—2016年碳排放量實(shí)際增長(zhǎng)率與潛在增長(zhǎng)率并未呈現(xiàn)完全同步變化態(tài)勢(shì)。說明該階段實(shí)際增長(zhǎng)率是潛在增長(zhǎng)率和多種因素共同作用的結(jié)果。意味著該階段，一系列要素市場(chǎng)改革對(duì)提高經(jīng)濟(jì)增長(zhǎng)中碳要素供給效率和優(yōu)化碳源配置是合適的。而碳排放潛在增長(zhǎng)率下降速度小于投資潛在增速，除因?yàn)橥顿Y產(chǎn)出彈性較高之外，還因?yàn)橄M(fèi)的增加在相當(dāng)程度上抵消了固定投資增速對(duì)碳排放量增速下降的正向影響。

表3 2000—2016年中國(guó)潛在碳排放增長(zhǎng)率的估算與預(yù)測(cè)(%)

2.4 潛在增長(zhǎng)率預(yù)測(cè)結(jié)果：2017—2025年

結(jié)合郭豫媚等對(duì)經(jīng)濟(jì)潛在增長(zhǎng)率的三種情景分析，預(yù)測(cè)2017—2025年我國(guó)潛在碳排放量增長(zhǎng)率。根據(jù)表3，若經(jīng)濟(jì)增長(zhǎng)維持基準(zhǔn)水平，碳排放年均潛在增長(zhǎng)率較之2008—2011年和2012—2016年分別下降31%和10%。在樂觀情境下，潛在碳排放增長(zhǎng)率分別約下降30%和9%。即潛在經(jīng)濟(jì)增長(zhǎng)率的變化并非必然導(dǎo)致碳排放潛在增長(zhǎng)率劇烈變化。我們?nèi)哉J(rèn)為這是在持續(xù)性供給側(cè)改革背景下，依靠技術(shù)進(jìn)步和制度變革等使經(jīng)濟(jì)結(jié)構(gòu)更為健康，碳排放量穩(wěn)步下降。

3 潛在增長(zhǎng)率的區(qū)域分解

3.1 估算方法

鑒于我國(guó)各地區(qū)經(jīng)濟(jì)發(fā)展基礎(chǔ)和資源環(huán)境稟賦差異，為更好地分析區(qū)域間潛在碳排放增長(zhǎng)率變化情況，采用自回歸平均模型(ARMA)對(duì)30個(gè)省(西藏?cái)?shù)據(jù)缺失)2017—2025年潛在碳排放增長(zhǎng)率進(jìn)行預(yù)測(cè)。

ARMA(p,d,q)模型是經(jīng)過d階差分變換的ARMA(p,q)模型，包含有自回歸模型AR(p)、和移動(dòng)平均模型MA(q)。該模型可以根據(jù)該序列過去值和現(xiàn)在值預(yù)測(cè)短期時(shí)間序列的動(dòng)態(tài)性和發(fā)展規(guī)律。

其中，AR(p)是預(yù)測(cè)過去的觀測(cè)值和現(xiàn)在的干擾值的線性組合：

Yt=h1Yt-1+h2Yt-2++hpYt-p+et

(8)

式中，Y為時(shí)間序列，p為自回歸模型階數(shù)。h(1，2,,p)為模型待定系數(shù)，表示上一期序列對(duì)當(dāng)期時(shí)間序列的影響程度，et為隨機(jī)擾動(dòng)項(xiàng)。

MA(q)通過前期干擾值對(duì)當(dāng)期干擾值的線性組合進(jìn)行預(yù)測(cè)：

Yt=et-θ1et-1-θ2et-2--θqet-q

(9)

其中，Yt為觀測(cè)值，q是模型階數(shù)，θj(j=1,2,,q)為移動(dòng)平均系數(shù)，是待估系數(shù)。

ARMA模型由AR和MA兩個(gè)模型組合而成：

Yt=h1Yt-1+h2Yt-2++hpYt-p+et-θ1et-1-θ2et-2--θqet-q

(10)

3.2 預(yù)測(cè)結(jié)果

通過計(jì)算不同省份q和p取值范圍，確定模型階數(shù)，識(shí)別模型和參數(shù)估計(jì)。具體分析過程參考文獻(xiàn)[17]。表4是預(yù)測(cè)結(jié)果，結(jié)果證實(shí)各省Q統(tǒng)計(jì)量和p值均無法拒絕其對(duì)應(yīng)殘差自相關(guān)系數(shù)為0的假設(shè)，說明結(jié)果是穩(wěn)定的。借助ARMA模型，根據(jù)2000—2016年歷史數(shù)據(jù)預(yù)測(cè)2017—2025年各省碳排放量潛在增長(zhǎng)率(見表5)。由表5可知，各省碳排放量呈下降態(tài)勢(shì)，但各省間潛在碳排放量存較大差異。其中北京、上海等東部地區(qū)，潛在碳排放量下降較為迅速。這可能和地區(qū)產(chǎn)業(yè)結(jié)構(gòu)向高新技術(shù)、服務(wù)行業(yè)等轉(zhuǎn)化有關(guān)[18]。福建、河南、四川、湖南和河北等中東部地區(qū)及部分西部省份其碳排放量降幅并不十分顯著，這些地區(qū)多是我國(guó)高碳行業(yè)集中區(qū)，加之快速城市化引致的城市擴(kuò)張和人口集聚，短期內(nèi)難以實(shí)現(xiàn)碳排放量的迅速減少。遼寧、吉林和黑龍江等老重工業(yè)基地碳排放量下降速度較快，這種下降并非完全是供給側(cè)改革的結(jié)果，更多的是舊有產(chǎn)業(yè)發(fā)展動(dòng)力不足而引致的。新疆、內(nèi)蒙古、山西等地多為煤炭、石油等化石能源輸出區(qū)，隱含碳排放量較高，但受益于大規(guī)模的新能源使用，上述地區(qū)潛在碳排放增速下降同樣較為顯著。

表4 2000—2016年各省碳排放增長(zhǎng)率ARMA模型

表5 2017—2025年各省潛在碳排放增長(zhǎng)率預(yù)測(cè)結(jié)果

根據(jù)預(yù)測(cè)結(jié)果可知，在我國(guó)供給側(cè)結(jié)構(gòu)性改革過程中，一些省份會(huì)迅速獲益，一些省份則需要較長(zhǎng)時(shí)間才能實(shí)現(xiàn)碳排放量的減少。因此，供給側(cè)改革即有頂層設(shè)計(jì)的需求，也有區(qū)域?qū)用嫫谩８鞯貞?yīng)制定不同特征的供給側(cè)改革目標(biāo)，促使經(jīng)濟(jì)發(fā)展和碳減排目標(biāo)的實(shí)現(xiàn)。

4 結(jié)論及政策啟示

主要研究結(jié)論：技術(shù)進(jìn)步較好地降低了碳排放量，但技術(shù)進(jìn)步推進(jìn)碳減排仍有較大空間；固定資本投資對(duì)碳排放量變動(dòng)影響最為顯著；三種經(jīng)濟(jì)發(fā)展情景下，潛在碳排放增長(zhǎng)率差異均不明顯；不同地區(qū)碳排放量潛在增長(zhǎng)率有較大差異，這和地區(qū)產(chǎn)業(yè)及能源結(jié)構(gòu)等密切相關(guān)。

本文提出如下政策建議：首先，碳減排政策制定的核心仍是要緊緊抓住供給側(cè)結(jié)構(gòu)性改革契機(jī)，化解我國(guó)一系列基于需求側(cè)的經(jīng)濟(jì)政策中積累的大量過剩產(chǎn)能和過度投資。其次，政府應(yīng)遵守市場(chǎng)規(guī)則，借助價(jià)格、稅收等經(jīng)濟(jì)手段促使碳排放量減少。最后，碳減排需充分考慮區(qū)域間差異性。對(duì)潛在碳排放量下降較為迅速的地區(qū)，應(yīng)通過供給側(cè)結(jié)構(gòu)性改革進(jìn)一步釋放區(qū)域內(nèi)碳減排潛力。對(duì)于我國(guó)西部能源地區(qū)，短期內(nèi)仍需同時(shí)考慮需求側(cè)和供給側(cè)雙向政策。注重在保持經(jīng)濟(jì)增長(zhǎng)和促進(jìn)民生發(fā)展的同時(shí)，推進(jìn)產(chǎn)業(yè)和能源領(lǐng)域的供給側(cè)結(jié)構(gòu)性改革。

此外，預(yù)測(cè)結(jié)果還證明，碳排放潛在增長(zhǎng)率較高的地區(qū)是未來碳減排重點(diǎn)地區(qū)。這些地區(qū)供給側(cè)結(jié)構(gòu)性改革因此較之其他地區(qū)更為緊迫和復(fù)雜，迫切需要一攬子政策加以調(diào)整。首先，除了中央的頂層設(shè)計(jì)之外，地方政府應(yīng)通過重新科學(xué)評(píng)估本地區(qū)經(jīng)濟(jì)產(chǎn)出和碳排放效率之間的關(guān)系，以碳產(chǎn)出績(jī)效為導(dǎo)向優(yōu)化產(chǎn)業(yè)布局。其次，理性認(rèn)識(shí)承接?xùn)|部地區(qū)產(chǎn)業(yè)轉(zhuǎn)移過程中所帶來的經(jīng)濟(jì)增長(zhǎng)以及與之相隨的碳減排壓力，對(duì)轉(zhuǎn)入的高碳產(chǎn)業(yè)進(jìn)行有限引進(jìn)，并通過節(jié)能提效和技術(shù)改造降低產(chǎn)出能耗比。再次，高碳排放地區(qū)降低碳排放的根本仍需發(fā)展低碳產(chǎn)業(yè)，因此應(yīng)分類、分型加快產(chǎn)業(yè)結(jié)構(gòu)性調(diào)整，漸次形成新的支柱產(chǎn)業(yè)。如中部地區(qū)可以依靠人口優(yōu)勢(shì)和教育優(yōu)勢(shì)，發(fā)展技術(shù)密集型和資金密集型產(chǎn)業(yè)，逐步擺脫對(duì)高碳產(chǎn)業(yè)的依賴。四川、重慶和河北等地，應(yīng)借助政策或地域優(yōu)勢(shì)進(jìn)行產(chǎn)業(yè)升級(jí)優(yōu)化，形成適合本地人口結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、區(qū)域輻射的低碳型產(chǎn)業(yè)結(jié)構(gòu)。最后，碳排放潛在增長(zhǎng)率高的地區(qū)也是我國(guó)城市化發(fā)展?jié)摿ψ畲蟮牡貐^(qū)，應(yīng)采取更為集約的土地利用方式和低碳化交通方式，優(yōu)化土地產(chǎn)出。